奧瑪.䦕儼--魯拜集 比較張和陳瞬臣日本譯本
十年前有二位臉友指定我要參與十本選書，其中我選了一本〈魯拜集〉，此書為生於11世紀後半世紀的波斯詩人及天文學家奧瑪.開儼（Omar Khayyam）聞名於世之著作。我因手上有各種版本的〈魯拜集〉，便另外介紹了〈魯拜集〉沒想到這則貼文現在自己竟然不能分享，只好複製：
我手上收藏有：
一丶BARD文庫，E費滋傑羅（Edward Fitzgerald）英譯本附圖。
二丶晨鐘出版社，孟祥森、陳次雲二人根據上書翻譯的〈狂酒歌〉，附圖。
三丶黃克孫以費兹傑羅英譯譯成中文七言絕句，英中對照，不附圖。
四丶張鴻年譯直接譯自古波斯原著，木馬出版社出版，附圖。
另我所知：胡適丶徐志摩、郭沫若丶聞一多等三十年代白話作家也跟據費氏英譯本譯了幾首。
另外：五十年前，曾見到文化大學的〈美哉中華〉陸續刊登胡品清教授的譯文，她似乎從法文衍譯，惜未見出版！
謹以所知，與大家分享！
The 1972 Surrealist Ball at Château de Ferrières, hosted by Marie-Hélène de Rothschild, remains one of the most talked-about society events of the 20th century.
True to its theme, the night blurred the line between reality and dream. Guests received invitations printed in reverse, requiring a mirror to decipher—a clever prelude to the evening’s surrealism. High-profile attendees, including Salvador Dalí, Audrey Hepburn, and Baron Alexis de Redé, arrived in outlandish costumes and elaborate masks, embodying the eccentric artistry of the era.
Inside, the château was transformed into a living surrealist installation. Shattered mirrors, eerie mannequins, and bizarre lighting effects created a disorienting, dreamlike environment where every corner held a new curiosity. The atmosphere reflected both extravagance and strangeness, mirroring the surrealist movement itself.
Over time, photographs of the haunting masks and unsettling costumes gained a second life, fueling urban legends and conspiracy theories. Some speculated hidden meanings or sinister undertones behind the imagery. However, historians emphasize that it was simply an extravagant expression of surrealist art, not evidence of secretive rituals.
Even today, the event’s photographic legacy endures, securing its place in cultural memory as a symbol of mystery, artistry, and the decadence of elite society in the 1970s.#fblifestyle
難得一見。有勇氣、有底氣的佳文。濃縮歷史的借鏡，鄭重推薦。
林中斌 2020.9.14
自由評論網
2020/09/14 05:30
蔡英文總統就職數日後，自由時報總編輯鄒景雯在專欄中建議，蔡總統的第二任期應該「在團隊中安排一隻烏鴉，屢屢刺耳啼叫」，以避免犯錯。圖為總統蔡英文日前赴陸軍專校主持三軍士校開學典禮。（資料照）
吳乃德／中央研究院社會學研究所退休研究員
蔡英文總統就職數日後，自由時報總編輯鄒景雯在專欄中建議，蔡總統的第二任期應該「在團隊中安排一隻烏鴉，屢屢刺耳啼叫」，以避免犯錯。誠哉斯言。這其實是一個古老而尋常的智慧，卻常為政治領導人忽略，也因此災難不絕於書。
其中最經典、幾乎所有討論決策的作品都會引用的案例，是美國甘迺迪總統的登陸豬玀灣行動。甘迺迪的執政團隊集合美國學界和政界的菁英，卻做出非常愚笨的行動，成為世界的笑柄。
請繼續往下閱讀...
菁英政府的愚行
古巴革命成功不及兩年半，中央情報局從佛羅里達動員一千四百名古巴流亡份子登陸豬玀灣，企圖推翻卡斯楚政權。美國二十世紀最厲害的調查採訪記者賀胥，在《加美洛宮的陰暗面》一書中指出，當時很少人知道這個大膽行動的前提是：美國派在古巴的密探可以在登陸前一天或當天謀殺卡斯楚，癱瘓古巴軍隊的指揮系統。得知謀殺計畫沒有機會執行，登陸行動也不可能成功之後，甘迺迪取消第二次空中轟炸，企圖掩飾美國軍隊涉入的事實。結果讓登陸的古巴民兵無助地暴露在兩萬古巴軍隊的砲火中。一百多人在沙灘上被殲滅，一千二百人被俘虜。美國政府後來假借經濟援助之名，用五千三百萬美元贖回戰俘。痛擊美國帝國主義為卡斯楚帶來極大的世界聲望；革命英雄切．格瓦拉不久之後在烏拉圭當面感謝美國大使給他們這樣的機會。
事後甘迺迪總統問自己：「我為什麼這麼笨？」全世界也都在問相同的問題。開會的時候軍方甚至告訴他，登陸軍如果遭遇堅強抵抗可以躲進山區。該座山其實距離海灘一百三十公里！名重一時的歷史學者史萊辛格，當時是甘迺迪總統的特別助理。他以字條向總統提出反對意見，擔心引起世界輿論的攻擊。總統的弟弟羅伯在開會前對他說：「你可能對，也可能錯。不過，總統已經決定，你就不要再提了。現在是支持總統的時候。」於是他坐在角落一言不發，聽任鷹派的中央情報局主導討論和結論。其他與會者事後也說並不同意這項計畫，可是同樣不敢發出異議。許多社會政治運動都有相同的現象：深思熟慮的主張被視為畏怯，結果是激進派主導了運動的方向。
甘迺迪當時才就任三個月，他幾無收斂的性愛、初選期間的大量買票及和黑社會的勾結，都要很多年後才曝光。總統的年輕、英俊、機智和氣質，風靡全國民眾和記者。甘迺迪在記者會上堅持不透露行動細節；不過，因為國務卿魯斯克事先告訴記者他自己反對這個行動。甘迺迪於是在記者會上說：「成功有一百個父親，失敗則是孤兒。…很顯然，我是應該承擔責任的政府官員。」於是媒體讚揚他是成熟的政治領袖，願意承擔其團隊的失敗。甘迺迪之後個別約見重量級記者，餵給他們錯誤的資訊。危機處理相當成功，隨後民調中他的支持度高達八十三％。甘迺迪既得意又困惑：「怎麼和艾森豪一樣？我搞得越糟，越受歡迎。」
雖然安全度過危機，甘迺迪事後指定弟弟羅伯扮演烏鴉的角色，負責對所有內閣通過的政策和行動提出反對意見。
缺乏烏鴉的慘痛教訓
另一個著名案例是一九七三年「贖罪日戰爭」對以色列造成的巨大災難。它成為卡普蘭《異議為何重要》一書的第一教案。以色列遭受突襲之前獲得不少情報都顯示，埃及正計畫對它發動攻擊。情報來源包括埃及前總統納塞的女婿，如今在現任總統沙達特身邊臥底。以色列也從美國中央情報局獲得敘利亞的戰爭計畫。可是以色列政府中沒有人相信阿拉伯人膽敢發動戰爭，畢竟他們在一九六七年的「六日戰爭」中慘敗；埃及失去西奈半島，敘利亞失去戈蘭高地，約旦失去西岸。而且死傷慘重，光是埃及就高達一萬人。除非這些國家獲得大量更先進的武器，他們絕對不敢發動戰爭。
以色列政界和軍方普遍看不起阿拉伯軍隊，認為他們的教育、專業、品格和心理素質都太差。六日戰爭的英雄戴陽將軍訪問越南的時候，美軍越戰指揮官魏斯摩蘭請教他如何打贏戰爭。戴陽竟然回答：「很簡單，只要選擇阿拉伯人當對手就可以了。」再一次公開羞辱阿拉伯人。
在戰爭的前一天，空中照相和地面觀測都發現埃及軍隊大規模調動，而且配置成攻擊隊形，不過，以色列仍然將之視為「例行行動」。即使蘇聯顧問及家屬全數撤離埃及，以色列還是不相信會有攻擊行動。國防部長戴陽否決了參謀總長動員二十萬後備部隊的提議。就在埃及突襲的當天中午，戴陽在內閣會議中宣布：「我們的情報顯示，不可能會有攻擊。」戴陽還沒有講完，空襲警報就響起來了。
三小時內，埃及三萬士兵佔領蘇彝士運河右岸，以色列駐軍半數陣亡、半數被俘。三天之內，以色列損失五百部坦克、五十架戰鬥機。戴陽在戰爭的第二天說「第三寺廟結束了」，也就是猶太人國家即將滅亡。總理梅爾夫人氣得拒絕和戴陽會面，因為「他要來討論投降的條件」。梅爾夫人低聲下氣向尼克森求援。在美國大力支援下，以色列終於挺住沒有亡國。不過，還是損失了三千士兵。總理梅爾夫人在人民的憤怒中辭職。
戰後以色列痛定思痛，在軍事情報局內設立「第十人」部門，扮演魔鬼代言人的角色。意喻如果有九人都同意，第十個人就必須表達不同意見。「第十人」部門的任務是提出不同於主流的意見，分析被忽略的情報，提出不同的判斷。為了完成這項烏鴉任務，該部門的分析員有權調閱所有情報。它的報告直接送達軍情局局長、國防部長和總理。不過，「第十人」的功效受到一些質疑。防止「團體思考」的災難，更有效的方式或許是培養不同的組織文化。
培養烏鴉和魔鬼
烏鴉和「第十人」的角色在西方通常稱為「魔鬼的代言人」。十六世紀羅馬教會在封聖的討論中，特別指定一人充當魔鬼的代言人，對候選人的品格、神蹟的真實性提出質疑。冊封聖徒茲事體大，馬虎不得，否則將對基督信仰和教會聲望帶來無可彌補的傷害。教會隨後創立「魔鬼代言人」的正式職位，一九八三年這個職位被取消，不過，仍然維持它的精神。羅馬教廷在討論對德蕾莎修女封聖的過程中，就邀請著名的英國記者、公共知識份子奚金斯擔任魔鬼代言人。奚金斯曾經著書嚴厲批判德蕾莎修女冷酷、宗教狂、無視窮人的痛苦，也樂於討好獨裁者。
聰明的領導人知道，當團體具有共識就是必須警覺的時候。史隆在一九三○年代帶領通用汽車成為美國汽車業龍頭，該公司此後半世紀持續為全球最大工業集團。他開會有一個特殊的習慣。如果他問道：「我們今天是不是獲得共識了？」如果大家都點頭，他就會說：「那麼我提議將這個議題擱置到下次會議，給我們自己充分的時間來發展反對意見。」史隆的作法後來成為美國商學院討論公司決策的模範：如何防止因過度「早熟的共識」而導致的錯誤決策。
其實許多團體中都存在著烏鴉，領導人並不需要特別去指定或尋覓。只是一般領導人會讓這些烏鴉噤聲、疏離、甚至飛走。聰明的領導人則將他們視為團隊的重要資產。羅斯福和邱吉爾都是這類的領導人。
二次大戰前夕的一次白宮會議中，羅斯福總統宣布：為了協助武裝英國和法國，他計畫每年生產一萬架軍機。總統詢問與會者的意見時，非常得意地向副參謀長馬歇爾將軍說：「喬治，你不是也這樣想嗎？」沒想到馬歇爾將軍當眾給總統難堪。他直言反對，因為會造成軍備不平衡，也危害到其他計畫。會議結束之後，同僚們紛紛上前祝他退休生活愉快。可是不久之後，他被羅斯福總統任命為參謀長，直到二次大戰結束。
邱吉爾在長久的政治生涯中，都喜歡任用愛唱反調的人。在二次大戰初期突然出任首相，沒有自己的團隊，他尋找幹部的標準之一就是敢於向長官唱反調。他也經常鼓勵手下選才不要排除喜歡搗蛋、考核評語不佳的人。他寫信給狄爾將軍說：「我們付不起只任用循規蹈矩的人。在這個艱難時刻，我們不能只用那些傳統標準看來非常安全的人，我們需要個性強悍、有遠見的手下。」
聰明的領導人會鼓勵烏鴉啼叫。「橋水公司」的創辦人芮．達里歐被稱為投資銀行界的賈伯斯。他的公司員工一千五百人，管理的資產超過一千三百億美元。曾經有一個重要客戶和他開會之後寫電郵給他：「芮，你今天的表現成績只能打Ｄ。整整五十分鐘你都在胡言亂語，你顯然毫無準備。希望將來不會再發生這種事情。」如果員工知道這件事，老闆真是沒面子。可是公司卻將這封信傳給了所有的員工，因為公司有意創造一個「烏鴉文化」，一個人人平等然後人人才敢講真話的文化。
邱吉爾在戰爭初期的一篇演講中說：「我們不會閃避公平的批評。…政治中的批評就像人體的痛楚一樣，很不舒服。可是如果人體感覺不到痛，它怎會存活？」可是烏鴉的啼叫確實令人不舒服，加以鼓勵也不符合組織常規：領導人通常個性強勢、具有主見；被領導者最安全的策略則是迎合上級。史丹佛大學商學系教授斐福的《權力》一書，提供的第一項守則是：奉承上級，讓上級感覺舒服；工作表現和升遷關係不大。
美國對就業工作簽證的嚴格管理，已成為海外企業在當地展開業務的一大不安因素，台灣到美國投資設廠，這個問題也應該要深入研究。韓國現代汽車集團在美國興建中的電池工廠，因部分員工涉嫌違反規定被拘留，導致工程恐延後二至三個月。這起事件也讓日本企業意識到，必須盡快全面檢視自身與合作夥伴員工的簽證狀況。
現代汽車集團執行長穆尼奧斯表示，這次事件將使原本推動中的電動車供應鏈計畫受阻。與通用汽車的合作也會因為拘留事件而蒙上陰影。事件發生後不久，包括三名日本人在內的 330 人，已搭乘包機返抵韓國。
此次美國國土安全部拘留員工，反映出當局對入境制度的嚴格執行。美國對專業技能人員核發的 H1B 簽證每年上限僅 8 萬 5000 件，且需求主要集中於 IT 產業，企業難以取得。部分企業遂以短期商務 B1 簽證，或透過免簽計畫 ESTA 入境，名義上為商務活動，實際卻參與工廠建設。然而 ESTA 和 B1 並不允許勞動行為，這可能正是當局認定問題的關鍵。
過去沒有未出現大規模查緝，使這些灰色操作長期存在。但這次事件已成為警訊，迫使企業強化內部審查。現代汽車將重新檢查所有派駐美國員工的簽證，並加強出差審核。日本企業同樣面臨挑戰，例如工廠設備維修與安裝常需短期派員，部分情況下難以避免依賴 ESTA。此次被拘留的日本人中，有兩人是產業機械公司員工，雖已依法辦理簽證並確認工作內容，但仍受到波及。
在嚴格制度下，企業必須檢視簽證類型是否合宜。自動搬送系統大廠大福社長下代博指出，必要時須調整簽證類型以避免爭議。雖然持有 H1B 簽證能減少風險，但該簽證申請競爭激烈，且門檻高，年薪中位數已達 12 萬美元，非高收入專業人士難以申請成功。
日揮控股表示，已預留簽證辦理時間，若新申請受阻，將由駐在員工支援指揮。佳能與不二越則考慮在當地增聘人手，不過美國熟練技術工人嚴重短缺，難以即時補足。
參考資料：日經新聞
亞洲大學成立量子AI研究中心 中研院院士王康隆出任榮譽主任
亞洲大學「量子AI研究中心」（Quantum AI Research Center）於10日揭牌，並邀請中央研究院院士、國際知名量子科學專家王康隆講座教授，擔任榮譽主任。校長蔡進發表示，王院士長期專注於量子運算、材料與資訊理論研究，國際影響力深厚，結合亞大在人工智慧的研發基礎，打造創新的「AI智慧醫療量子平台」，培育具國際視野的量子AI人才。
蔡進發指出，量子電腦被視為「下一個顛覆性科技」，結合AI後，將在新藥開發、氣候預測、智慧醫療等領域創造巨大產值。新成立的研究中心將聚焦量子演算法設計、量子機器學習、資安與加密應用，並拓展至智慧醫療與金融，成為國際量子AI領域的先行者。他說，輝達創辦人黃仁勳日前於巴黎VivaTech大會宣布推動量子與AI融合，與亞大的發展方向高度契合。
在揭幕儀式上，中研院王康隆院士獲頒榮譽主任聘書。他目前任教於美國加州大學洛杉磯分校，專長於自旋電子學、奈米技術等，曾獲美國半導體研究公司發明獎及歐洲MRS最佳論文獎等殊榮。
王院士表示，蔡校長非常有遠見，將AI導入醫療，現在又將加入量子。他形容傳統電腦就像資優生，會按部就班答題，但可能花很長時間才能解答；但量子電腦就像所有同學用自己方式(平行處理)一起解答，還可交換資訊討論，還可打敗老師，這就是量子的威力。
群聯電子創辦人暨執行長潘健成提到，亞大成立量子AI研究中心，展現前瞻布局。群聯專利技術aiDAPTIV+可協助量子電腦提升AI模型微調與推論效率；搭載該技術的AITPC(人工智慧訓練電腦)，能支援大型AI模型訓練，快速進行醫療數據分析與AI應用開發，培育具國際競爭力的跨域AI人才。
亞大量子AI中心主任、資工系講座教授黃光彩表示，量子AI猶如「量子顯微鏡」，能揭示分子與神經層面的隱性結構，在疾病診斷與醫療影像分析上，精準度超越傳統模型，有望在阿茲海默症、憂鬱症及癌症早期診斷上帶來突破。
事實上，亞大過去已推動多項量子相關計畫，包括：與AWS合作「雲創學院」、舉辦量子電腦研習班及帶領學生參與國際競賽並獲獎。另也與群聯電子、池安量子資安等公司合作，投入後量子密碼學及無人載具研究。
亞大創辦人蔡長海強調，「量子AI研究中心」與「精準健康研究中心」、「智慧設計與永續製造中心」將成為學校未來發展重點。亞大將結合國際企業與研發機構，並以AMD、Nvidia、IBM、Amazon、微軟Azure等平台開設量子計算課程，協助台灣醫療產業加速邁向AI與量子世代，發揮「Taiwan Can Help」的國際影響力。
美國保守派陣營傳來令人遺憾的消息，年僅31歲的查理·柯克（Charlie Kirk）在一場大學巡迴演講中遭槍擊身亡。他的突然離世，不僅使保守派失去一位極具影響力的青年領袖，也讓人重新檢視他短暫卻深具標誌性的政治歷程。
柯克自2012年共同創立非營利組織「美國轉折點」（Turning Point USA，簡稱 TPUSA）以來，便致力於打造新一代的保守派基層力量。他將政治宣傳、校園組織與媒體操作相結合，開創出一種全新的保守派倡議模式，深受共和黨與總統川普的重視與倚重。
柯克的影響力橫跨多個領域。他既是知名的廣播與Podcast主持人，也是 TikTok 與 YouTube 上的年輕意見領袖，更是共和黨校園運動的推手。他的多平台策略使得保守派理念能夠快速滲透至年輕族群，不僅在線上引發熱烈討論，更透過實體活動形成具體的選票動員力量。正因如此，柯克被視為「MAGA 世代」的重要發聲人，他的陣亡令許多支持者與觀察家感到不可置信。
事發當天正是柯克展開名為「美國復興之旅」的秋季大學巡迴行程。他為了專注準備，特意停播當日的廣播節目，卻在演講開始約20分鐘後遭到槍手近距離射擊，子彈擊中頸部，最終宣告不治。這起事件立刻在全國引發強烈震動，各界人士紛紛表達哀悼與憤慨。
保守派媒體人梅根·凱利（Megyn Kelly）在與葛倫·貝克（Glenn Beck）的直播對談中哽咽表示：「我們失去了一位我有生以來最重要的保守派聲音。」共和黨策略專家 T.W. Arrighi 則在社群平台 X 上撰文指出，柯克之所以特別，是因為他善於透過辯論與對話贏得人心，而不是依靠暴力或仇恨。他直言，企圖用暴力來終止這種交流模式，完全違背美國作為一個自由社會的根本價值。
這起槍擊案也再度引發關於政治暴力的爭議。柯克一向鼓勵不同意見者坐下來辯論，甚至在校園設置「挑戰我」的桌子，邀請反對者當場質詢。他的做法讓支持者視為民主對話的典範，如今卻因暴力而告終，更令事件格外諷刺。
柯克的成功，除了源於他善於利用社群媒體外，也來自他對於文化戰場的掌握。他不僅將 TPUSA 打造成遍布全美校園的組織網絡，還透過火熱的校園演講與針對自由派學者的辯論影片，讓保守派理念持續成為社群熱點。這些內容在 X（原 Twitter）、Instagram 與 YouTube 上廣泛流傳，使他迅速成為右翼媒體爭相邀請的常客。
此外，柯克的政治機器不斷擴張。TPUSA 除了專注於青年選民動員，也衍生出多個針對不同族群的媒體項目。例如在2024年9月推出的《文化藥房》（Culture Apothecary）Podcast，由亞歷克斯·克拉克（Alex Clark）主持，將保守價值觀融入健康與生活方式話題，提出「讓美國再次健康」的口號。這些創新做法，使 TPUSA 不僅是一個政治組織，更逐漸演變為一個多元的文化品牌。
柯克本人也從不掩飾他的雄心壯志。他在本週活動前接受《Deseret News》訪問時坦言，希望 TPUSA 能成為與《紐約時報》、哈佛大學甚至矽谷科技公司同等級的全國性機構。他強調：「我們要帶著緊迫感主動出擊，在文化戰爭中取勝。」這種強烈的使命感，正是他吸引年輕支持者的重要原因。
柯克的死亡，無疑在共和黨與保守派內部投下巨大陰影。十多年來，他幾乎是以一己之力，將青年選民動員與數位媒體結合，打造出一條前所未有的路徑。他不僅是川普的重要盟友，也被視為未來共和黨的潛在接班梯隊之一。如今這條道路戛然而止，TPUSA 與更廣泛的保守派運動勢必面臨接班與重整的挑戰。
參考資料：CNN
校園創業與企業併購：AI產學合作新模式的典範 (林健正)ieee?。 Geoffrey Hinton、Ilya Sutskever 和 Alex Krizhevsky 隨後不久成立了 DNNResearch，並將公司連同 AlexNet 原始碼一起出售給了Google。
電腦視覺
在 1990 年至 2010 年期間，神經網路並不比其他機器學習方法（例如核子回歸、支援向量機、AdaBoost、結構化估計[18]等）表現更好。尤其是在電腦視覺領域，許多進步都來自手動特徵工程，例如 SIFT 特徵、SURF 特徵、HoG 特徵、視覺詞袋等。在電腦視覺領域，特徵可以直接從資料中學習的觀點曾是少數，但在 AlexNet[19] 之後，這一觀點逐漸佔據主導地位。
2011 年，Geoffrey Hinton 開始與同事探討「我需要做什麼才能讓你們相信神經網路是未來？」的問題。當時，對神經網路持懷疑態度的 Jitendra Malik 推薦了 PASCAL 視覺物件類挑戰賽。 Hinton 表示該挑戰賽的資料集太小，因此 Malik 向他推薦了 ImageNet 挑戰賽[20]。
ImageNet 資料集是 AlexNet 成功的核心，它由李飛飛及其同事於 2007 年開始創建。為了透過大規模資料推進視覺辨識技術的發展，李飛飛建構了一個遠超以往規模的資料集，最終包含 22,000 個類別的 1,400 多萬張標籤影像。這些圖像使用 Amazon Mechanical Turk 進行標記，並按照 WordNet 層次結構進行組織。 ImageNet 最初曾飽受質疑，但後來成為 ImageNet 大規模視覺辨識挑戰賽 (ILSVRC) 的基礎，並成為深度學習興起的關鍵資源。 [21]
Sutskever 和 Krizhevsky 都是研究生。 2011 年之前，Krizhevsky 已經編寫了 cuda-convnet 程序，用於在 CIFAR-10 資料集上使用單一 GPU 訓練小型 CNN。 Sutskever 說服了擅長使用 GPGPU 的 Krizhevsky 在 ImageNet 上訓練 CNN，並由 Hinton 擔任首席研究員。因此，Krizhevsky 擴展了 CUDA-ConvNet，使其能夠進行多 GPU 訓練。 AlexNet 在 Krizhevsky 父母家中的臥室裡，使用兩塊 Nvidia GTX 580 顯示卡進行訓練。 2012 年期間，Krizhevsky 對該網路進行了超參數優化，直到同年晚些時候贏得了 ImageNet 競賽。 Hinton 評論道：「Ilya 認為我們應該這樣做，Alex 成功了，而我獲得了諾貝爾獎。」[22] 在 2012 年歐洲電腦視覺大會上，AlexNet 獲獎後，研究員 Yann LeCun 將該模型描述為「電腦視覺歷史上一個毋庸置疑的轉折點」。 [21]
AlexNet 在 2012 年的成功得益於過去十年間逐漸成熟的三大技術的融合：大規模標記資料集、通用 GPU 運算以及改進的深度神經網路訓練方法。 ImageNet 的出現為在廣泛的物件類別上訓練深度模型提供了必要的資料。透過 Nvidia 的 CUDA 平台，GPU 程式設計的進步使得大型模式的實用訓練成為可能。這些因素加上演算法的改進，使得 AlexNet 在大規模視覺辨識基準測試中取得了優異的效能。 [21] 十多年後，李飛飛在 2024 年的一次訪談中回顧了這一重大意義：「那一刻對人工智慧世界具有重要的象徵意義，因為現代人工智慧的三大基本要素首次融合在一起。」[21]
雖然 AlexNet 和 LeNet 的設計和演算法基本上相同，但 AlexNet 的規模遠大於 LeNet，並且在速度更快的硬體上使用更大的資料集進行訓練。在過去的 20 年裡，數據和運算資源都變得廉價易得。 [19]
後續工作
AlexNet 的影響深遠，引發了後續大量關於使用 CNN 進行電腦視覺以及使用 GPU 加速深度學習的研究。截至 2025 年初，根據Google學術的數據，AlexNet 論文已被引用超過 17.2 萬次。 [23]
在本文發表時，尚無基於 GPU 的神經網路訓練和推理框架。 AlexNet 的程式碼庫採用 BSD 授權發布，並在隨後的幾年中被廣泛應用於神經網路研究。 [24][19]
在一個方向上，後續研究旨在訓練更深的 CNN，以在 ImageNet 資料集上實現更高的效能。此領域的研究包括 GoogLeNet (2014)、VGGNet (2014)、Highway Network (2015) 和 ResNet (2015)。另一個方向旨在以更低的成本重現 AlexNet 的性能。該領域的研究包括 SqueezeNet (2016)、MobileNet (2017) 和 EfficientNet (2019)。
Geoffrey Hinton、Ilya Sutskever 和 Alex Krizhevsky 隨後不久成立了 DNNResearch，並將公司連同 AlexNet 原始碼一起出售給了Google。 AlexNet 曾改進和重新實現，但截至 2012 年，其贏得 ImageNet 比賽時的原始版本已通過電腦歷史博物館根據 BSD-2 許可發布。 [25]
During the 1990–2010 period, neural networks were not better than other machine learning methods like kernel regression, support vector machines, AdaBoost, structured estimation,[18] among others. For computer vision in particular, much progress came from manual feature engineering, such as SIFT features, SURF features, HoG features, bags of visual words, etc. It was a minority position in computer vision that features can be learned directly from data, a position which became dominant after AlexNet.[19]
In 2011, Geoffrey Hinton started reaching out to colleagues about "What do I have to do to convince you that neural networks are the future?", and Jitendra Malik, a sceptic of neural networks, recommended the PASCAL Visual Object Classes challenge. Hinton said its dataset was too small, so Malik recommended to him the ImageNet challenge.[20]
The ImageNet dataset, which became central to AlexNet's success, was created by Fei-Fei Li and her collaborators beginning in 2007. Aiming to advance visual recognition through large-scale data, Li built a dataset far larger than earlier efforts, ultimately containing over 14 million labeled images across 22,000 categories. The images were labeled using Amazon Mechanical Turk and organized via the WordNet hierarchy. Initially met with skepticism, ImageNet later became the foundation of the ImageNet Large Scale Visual Recognition Challenge (ILSVRC) and a key resource in the rise of deep learning.[21]
Sutskever and Krizhevsky were both graduate students. Before 2011, Krizhevsky had already written cuda-convnet to train small CNNs on CIFAR-10 with a single GPU. Sutskever convinced Krizhevsky, who could do GPGPU well, to train a CNN on ImageNet, with Hinton serving as principal investigator. So Krizhevsky extended cuda-convnet for multi-GPU training. AlexNet was trained on 2 Nvidia GTX 580 in Krizhevsky's bedroom at his parents' house. During 2012, Krizhevsky performed hyperparameter optimization on the network until it won the ImageNet competition later the same year. Hinton commented that, "Ilya thought we should do it, Alex made it work, and I got the Nobel Prize".[22] At the 2012 European Conference on Computer Vision, following AlexNet's win, researcher Yann LeCun described the model as "an unequivocal turning point in the history of computer vision".[21]
AlexNet's success in 2012 was enabled by the convergence of three developments that had matured over the previous decade: large-scale labeled datasets, general-purpose GPU computing, and improved training methods for deep neural networks. The availability of ImageNet provided the data necessary for training deep models on a broad range of object categories. Advances in GPU programming through Nvidia's CUDA platform enabled practical training of large models. Together with algorithmic improvements, these factors enabled AlexNet to achieve high performance on large-scale visual recognition benchmarks.[21] Reflecting on its significance over a decade later, Fei-Fei Li stated in a 2024 interview: "That moment was pretty symbolic to the world of AI because three fundamental elements of modern AI converged for the first time".[21]
While AlexNet and LeNet share essentially the same design and algorithm, AlexNet is much larger than LeNet and was trained on a much larger dataset on much faster hardware. Over the period of 20 years, both data and compute became cheaply available.[19]
AlexNet is highly influential, resulting in much subsequent work in using CNNs for computer vision and using GPUs to accelerate deep learning. As of early 2025, the AlexNet paper has been cited over 172,000 times according to Google Scholar.[23]
At the time of publication, there was no framework available for GPU-based neural network training and inference. The codebase for AlexNet was released under a BSD license, and had been commonly used in neural network research for several subsequent years.[24][19]
In one direction, subsequent works aimed to train increasingly deep CNNs that achieve increasingly higher performance on ImageNet. In this line of research are GoogLeNet (2014), VGGNet (2014), Highway network (2015), and ResNet (2015). Another direction aimed to reproduce the performance of AlexNet at a lower cost. In this line of research are SqueezeNet (2016), MobileNet (2017), EfficientNet (2019).
Geoffrey Hinton, Ilya Sutskever, and Alex Krizhevsky formed DNNResearch soon afterwards and sold the company, and the AlexNet source code along with it, to Google. There had been improvements and reimplementations for the AlexNet, but the original version as of 2012, at the time of its winning of ImageNet, had been released under BSD-2 license via Computer History Museum.[25]
林健正。校園創業與企業併購：AI產學合作新模式的典範
2012年的ImageNet競賽成為AI發展史上的分水嶺。Geoffrey Hinton與他的兩名研究生Alex Krizhevsky和Ilya Sutskever在多倫多大學電腦科學系共同開發的AlexNet，以壓倒性優勢贏得這場全球矚目的影像識別競賽。這個深度神經網路將錯誤率從傳統方法的75%大幅降低到15%，這樣的突破不僅震驚了學術界，更開啟了從理論研究走向商業應用的關鍵轉折點。
Krizhevsky後來回憶那段時光時說道：「結果出來後變得有點超現實，我們很快就開始收到併購邀約，收到很多郵件。」這個技術突破的影響力遠超三人當初的想像，它不僅證明了深度學習的巨大潛力，更為即將到來的AI革命奠定了技術基礎。在這個團隊中，Hinton作為「深度學習教父」提供理論指導和學術聲譽，Krizhevsky以其工程師本質解決技術難題，Sutskever則負責深度學習的理論創新和算法優化，三人的完美配合造就了這個歷史性突破。
戰略性創業：沒有產品的公司
AlexNet的成功帶來了前所未有的商業機會，但Hinton師生三人的應對方式卻展現了非凡的戰略眼光。2012年，他們共同創立了DNNresearch公司，這家公司從成立之初就展現出與傳統新創企業完全不同的特質。DNNresearch沒有任何商業化產品，不打算開發產品進入市場，整家公司只有三名員工，甚至沒有制定任何商業計劃。Hinton甚至詢問律師，如何讓這家只有三名員工、沒有產品、沒有歷史的新公司價值最大化。
這種看似「空殼」的公司設立模式，實際上反映了AI時代創新價值的根本轉變。在傳統產業中，公司的價值往往體現在有形資產、產品線或市場佔有率上。但在AI領域，核心價值正是人才本身以及他們掌握的前沿技術。DNNresearch的設立本質上是將學術突破轉化為商業資產的戰略載體，它的價值完全建立在團隊成員的才華和他們開創性的研究成果之上。
與此同時，Google也展現出對這個團隊潜力的敏銳嗅覺。在正式併購之前，Google通過「聚焦研究獎勵計劃」向Hinton及其研究團隊提供了60萬美元的研究經費，支持他們在神經網路方面的工作。這個舉動顯示了Google對潛在突破性技術的前瞻性投資策略。正如TechCrunch所報導的，Google通過獎勵計劃發現了DNNresearch的價值，意識到該團隊的工作可能對語音識別、語言處理和圖像識別領域產生重大影響後，決定單純的資助已經不夠。
史無前例的人才併購
2013年3月，Google以4400萬美元的價格收購了DNNresearch，這次併購在多個層面都開創了先例。首先，這是一次完全以人才為導向的併購，Google的核心目標是獲得該團隊在神經網路方面的研究能力以及背後的人才資源。這種併購模式徹底顛覆了傳統的技術收購邏輯，不再是為了獲得特定產品或服務，而是為了確保頂尖人才能夠為企業服務。
併購完成後，Google展現了其技術整合的高效能力。公司指派實習生Wojciech Zaremba重現Krizhevsky的論文成果，起初稱為WojNet，但在收購完成後，這個神經網路被正當地命名為AlexNet。這個快速的技術轉移過程顯示了企業在吸收學術成果方面的成熟機制。
更重要的是，併購後的工作安排體現了新型產學合作的靈活性。Hinton並沒有完全脫離學術界，而是計劃「將時間分配在大學研究和Google工作之間」。這種安排既保持了學術研究的獨立性和創新性，又讓企業能夠持續獲得頂尖人才的貢獻。Krizhevsky和Sutskever則選擇全職轉到Google，為他們提供了更大規模的資源和應用場景來發揮才能。
技術的快速產業化轉換
併購完成後，DNNresearch團隊的學術成果以驚人的速度轉化為Google的核心產品功能。在併購後短短六個月內，Google就構建並訓練了一個使用類似AlexNet方法的系統，大幅改進了照片搜索的精確度和易用性。這項技術被快速整合到Google Photos的圖像識別功能、Google+的照片搜索功能，以及語音識別系統的改進中，甚至延伸到Google的自動駕駛汽車項目。
這種快速的技術轉化能力顯示了現代科技巨頭在創新應用方面的優勢。相較於學術機構的資源限制，企業能夠提供大規模的運算資源、海量的數據以及實際的應用場景，讓原本停留在實驗室階段的技術迅速發揮實際價值。AlexNet從學術論文到全球數億用戶日常使用的產品功能，這個轉化過程的速度和規模在傳統產學合作模式下是不可能實現的。
人才流動成為產業發展的活水
併購後的幾年中，三位核心人物的發展軌跡完美詮釋了科技巨頭引發的人才併購如何促成人才流動，成為整個產業發展的活水。每個人的選擇都體現了AI人才生態系統的多元化和動態性，同時也展現了人才流動對產業創新的深遠影響。
Ilya Sutskever的職業軌跡最為引人注目。他在2013年加入Google Brain後，與團隊共同創造了序列到序列學習算法，並參與了TensorFlow和AlphaGo等重要項目的開發。然而，2015年底，他做出了離開Google的重要決定，成為新成立的OpenAI的聯合創始人和首席科學家。這個轉折點的意義極為深遠，因為正是在OpenAI，Sutskever主導了GPT系列模型的開發，最終催生了震撼世界的ChatGPT。如果沒有當初Google對DNNresearch的併購，以及隨後Sutskever在Google Brain的歷練，很難想像他能夠在OpenAI取得如此重要的突破。
Alex Krizhevsky的經歷則展現了另一種人才流動模式。他在Google工作了四年，參與了Google Photos和自動駕駛汽車等項目的開發。2017年9月，他因為對工作失去興趣而選擇離開Google，轉到專注於商業應用AI的Dessa公司。後來，他又轉型成為矽谷風險投資公司Two Bear Capital的合夥人。Krizhevsky的職業軌跡顯示了AI人才如何在學術研究、企業研發和投資領域之間流動，每一次轉換都為不同領域帶來了新的視角和機會。
Geoffrey Hinton的選擇更是體現了學者型人才在產學之間的靈活流動。他在Google工作了整整十年，始終保持著學術界和產業界的雙重身份。這種安排讓他既能夠享受企業級資源的支持，又能夠保持學術研究的獨立性。2023年5月，75歲的Hinton選擇離開Google，並公開表達了對AI技術潛在風險的擔憂。他的這個決定不僅引發了全球對AI安全的關注，也展現了頂尖學者如何通過自身的影響力來推動產業的健康發展。
人才併購的連鎖效應與產業生態
科技巨頭的人才併購策略產生了深遠的連鎖效應，重塑了整個AI產業的人才生態。Google對DNNresearch的成功收購不僅獲得了三位頂尖研究者，更重要的是建立了一個人才吸引和培養的良性循環。這些頂尖人才在企業環境中的工作經歷，使他們獲得了在學術機構難以取得的實戰經驗和資源支持，當他們後來流向其他機構或創立新的組織時，就成為了知識和經驗傳播的重要節點。
Sutskever在OpenAI的成功就是最好的例證。他在Google Brain的經歷不僅提升了他的技術能力，更讓他深刻理解了如何將學術研究轉化為實際應用。當他加入OpenAI時，這些寶貴的經驗成為了GPT系列模型開發的重要基礎。同樣地，Krizhevsky作為投資人，將他在學術界和產業界的豐富經驗帶到了創投領域，幫助新一代的AI創業者避免彎路，加速創新的商業化進程。
這種人才流動模式還催生了新的合作網絡和知識共享機制。曾經在同一團隊工作過的研究者們，即使分散到不同的機構，仍然保持著密切的學術交流和合作關係。這種非正式的知識網絡大大加速了AI技術的發展速度，讓創新成果能夠更快地在整個產業中傳播和應用。
產學合作新模式的典範意義
Hinton師生創業被Google併購的完整經過，構成了AI時代產學合作新模式的完美典範。這個案例展現了學術研究如何通過創新的轉化機制快速轉變為產業價值，同時也證明了人才在創新生態系統中的核心地位。
傳統的產學合作往往停留在技術授權或專利轉移的層面，企業與學術機構之間的關係相對疏離。但DNNresearch的案例展現了一種全新的合作模式：學術團隊通過設立新創公司作為轉化載體，既保持了研究的自主性，又為商業化創造了條件。當企業進行併購時，獲得的不僅是技術本身，更是整個研究團隊的創新能力和未來潛力。
這種模式的成功還在於它創造了一個多贏的格局。學術機構通過與企業的深度合作獲得了更多資源支持，企業通過人才併購獲得了持續的創新能力，而研究者個人則在學術影響力和商業價值之間找到了平衡點。更重要的是，這種合作模式促進了人才的流動和知識的傳播，為整個產業的發展注入了源源不斷的活力。
對於台灣推動「AI新十大建設」而言，這個案例提供了極為寶貴的啟示。台灣需要建立類似的創新轉化機制，鼓勵學術機構與企業建立更深層次的合作關係，同時創造有利於人才流動的制度環境。只有當優秀的研究者能夠在學術界、產業界和創業環境之間自由流動時，台灣才能在全球AI競賽中建立真正的競爭優勢，實現從「AI島」到「AI樞紐」的戰略轉型。
♡ 太有趣了！自古以來，臺語和中文就在在唱反調？
國 語 臺 語
______ ______
1. 颱 風 = 風 颱
2. 尺 寸 = 寸 尺
3. 客 人 = 人 客
4. 熱 鬧 = 鬧 熱
5. 語 言 = 言 語
6. 長 久 = 久 長
7. 入 侵 = 侵 入
8. 且 慢 = 慢 且
9. 習 慣 = 慣 習
10. 猜 謎 = 謎 猜
11. 命 運 = 運 命
12. 前 頭 = 頭 前
13. 便 利 = 利 便
14. 山 崩 = 崩 山
15. 心 軟 = 軟 心
16. 添 加 = 加 添
17. 後 退 = 退 後
18. 前 進 = 進 前
19. 仿 冒 = 冒 仿
20. 公 雞 = 雞 公
21. 母 雞 = 雞 母
～台南市立中山國中退休國文老師劉芳梅重整抄錄。114.6.26.(red heart)(red heart)(red heart)
印尼抗議的憤怒，主要來自於財富不平等(印尼最富有的50個人的財富相當於5,000萬印尼人的總財富)與中產階級瓦解(製造業在國內生產毛額佔比從2002年的32%降至去年的19%，中產階級比例從2018年的23％降到去年的17.1％)，這種沉默憤怒怨恨的社會氛圍一如滿滿的瓦斯，一個輕微的事故就像劃開火柴一樣，立刻引爆熊熊怒火。
Bloomberg:
『週四晚上，阿凡·庫尼亞萬 (Affan Kurniawan) 在印尼首都送餐時被困在一群抗議者中，他的手機掉了下來，他跪下來撿起來。
就在這時，一輛裝甲警車撞上了這名21歲的外送司機，將他壓在前輪下。當人群湧向警車時，警員猛踩油門，碾過了他的身體。阿凡被緊急送往雅加達一家醫院，但不幸身亡。』
『過去十年，印尼經濟一直維持著5%的穩定成長，但隨著製造業裁員侵蝕本已萎縮的中產階級收入，民眾的不滿情緒也日益加劇。根據印尼人力部的數據，今年上半年，印尼正式裁員人數超過4.2萬人，較去年同期成長32%。分析師表示，實際裁員人數可能遠高於此。
根據雅加達經濟與法律研究中心去年發布的報告，印尼最富有的50個人的財富相當於5,000萬印尼人的總財富。例如，報告發現，大約一半的叫車司機幾乎把所有的薪水都花在了日常開支上。
正因如此，阿凡的死才格外觸動人心。一個年輕人在錯誤的時間出現在錯誤的地點，卻不幸身亡，這激起了人們的憤慨。在印尼，摩的不僅是日常生活的一部分，更是在過去幾年從疫情到貿易戰持續裁員之後，一種常見的謀生手段。
過去一周最引人注目的畫面之一是，數千名身穿Grab和Gojek標誌性綠色夾克、頭戴頭盔的司機，將阿凡的靈柩從家中抬到墓地。幾個小時後，抗議活動規模更大，暴力程度也更高，印尼民眾走上街頭，呼籲為這位被許多人稱為「烈士」的司機伸張正義。
印尼大學副教授阿迪亞·佩爾達納 (Aditya Perdana) 表示：“公眾確實對精英階層的行為感到非常憤怒和不滿——他們追求享樂，頻繁在社交媒體上炫耀，對大多數正在苦苦掙扎的普通民眾的苦難漠不關心。”
「這引發瞭如此強烈、出乎意料的反應，並以搶劫的形式表現出來，」他補充道。 “如果總統不盡快解決這一嚴重局勢，未來當然可能會出現其他形式的抗議。”』
好文。請說明圖的作者出處。跟佛的涅槃圖相關？
Hanching Chung 模仿「釋迦涅槃圖」作成的「芭蕉涅槃圖」有七、八幅，大多是私人收藏 ，網路上搜尋到這一幅，並不清楚作者是誰？
Emmy 我覺得人生最後悔的幾件事情之一，就是年輕的時候花了太多的錢在買名牌保養品上面，後來我自己學會怎麼用植物油和乳化蠟這些基礎成分做乳霜以後，簡直後悔不已，把一半以上的保養品都換成平價日本藥妝了。
當然我還是留著自己最鍾愛的幾樣大牌，那是真的厲害的東西，香味療癒、自己調不出，或者穩定功效卓著，一生鍾情。這些才是值得花錢買的品質，至於粉底液，五六百塊的BB霜+開架蜜粉真的都可以取代。
另一件後悔的事情，就是沒有在年輕的時候懂得買精品包包，花了太多的錢在兩三年就會鬆垮、變形、掉色的包包上，即使是自己很喜歡、很愛用、很小心使用的美包，你是不可能阻止她崩壞的，因為她的用料和做工就是不可能撐很久，而且她往往是過季不再出，你發現你找不到一個莞莞類卿，兩三年的鍾情與時光終究要錯付的。
（輕奢品牌也是一樣，各牌可能在五金或皮料上各擅勝場，但整體的品質還是很難拉到大牌水準，你也是留不住她們不崩壞。）
我很感謝有一個朋友送了我一個大牌的長夾，非常神奇，我用了十幾年，到現在都跟新的一樣，皮革、五金、內裡，沒有一個給我出情況的，當然也不可能有最近流行的臭臭包慘劇。五金件上的一些細小劃痕，我都還記得是某一次我去宜蘭玩，把長夾跟一大把鑰匙放在一起，一路玩下來才劃傷的。我為什麼這麼大意。
後來我就領悟到，我不應該花錢試遍大牌保養品，而是應該把這些錢存下來，收藏這種能經久長新的好皮件，他們可以陪我很久很久，幾乎不會崩壞，一直都可以用。
非常可惜，我領悟到這件事情的時候已經不年輕了，我已經不可能有一顆從20歲陪我到80的包包了（嗯我立志活到80+），我把太多的錢花在根本不會留下什麼痕跡的保養品、化妝品、脆弱包包上，拿這些錢換成真正的精品，雖然同數量的錢能買到的件數會少很多，但那是真正值得買的東西，會一直陪著你、用不壞、很少出差錯的好東西。
（至於只要有一次臭臭包這種品質問題，後續換貨還扭扭捏捏的話，絕對立刻打入此生不復相見序列。）
粉底液之亂我沒有要參加，只是看到人家在討論兩千多塊的粉底液到底貴不貴時，有感而發。我真希望我在20歲的時候就懂這些事情，有很多錢就能花在更值得的地方。
