《#藝術顧問寫給職場工作者的「#邏輯式藝術鑑賞法」》抽獎兩本
你知道如何欣賞一件藝術品嗎?藝術不只是「看起來好美」和「色彩很鮮豔」的表象,更有意思的是一件作品背後的故事,包含了它的作者生平和創作年代,以及整體的政治、經濟和文化背景。為什麼有些人看得到藝術品背後的「價值」?欣賞藝術品的技巧,甚至還能應用到其他領域?
抽獎詳見部落格文末 https://readingoutpost.com/logical-art/
Podcast 用聽的 https://readingoutpost.soci.vip/
.
【這本書在說什麼?】
《藝術顧問寫給職場工作者的「邏輯式藝術鑑賞法」》的作者是日本藝術策展家堀越啓,他認為世界變得愈來愈模糊與不確定,知識、理論等左腦取向的價值相對降低,反而是感性的事物開始受到人們重視,他強調道:「學習欣賞藝術,磨練自己的感性思考,才是未來生存和開拓世界的武器。」
他知道平常人對於藝術總是有一種「距離感」,覺得一個人要能夠感性地欣賞一件藝術品,可能是一件需要「天賦」的事情。但是在他多年的策展經驗之中,他發現了一種「以理性的方式開始,能夠引導感性的發展」的做法。
他在書中提出這個具體的「五種理性思考架構」,有步驟、按部就班地,帶領我們去拆解欣賞藝術的各種方式。透過理性的累積,反而能夠培養出更加感性的思考。欣賞藝術不但能夠鍛鍊感性思考的能力,還能夠提升生活的品味,甚至強化職場表達和分析的能力。
.
【我為什麼想讀這本書?】
我跟「藝術」有一段淵源。我自己出生於台灣後山的最後一片淨土(大家都這麼說),小學在父母的鼓勵之下進入了「美術班」就讀,美其名是發展藝術天分,實則是鄉下人家對於資優班的偏好。我就這麼學了各種繪畫和雕刻技法,其實也頗有興趣,就繼續升學到國中美術班。
在中、小學的藝術薰陶下,或多或少培養了些許的「美感」,我尤其喜歡創造東西的感覺。在水彩畫紙上揮灑色彩,在陶土上刻出痕跡,用鉛筆把繽紛的世界轉換成黑白的素描。只是,我很不喜歡「理論」的東西,西洋藝術史、東方藝術史我完全不感興趣,只喜歡盡情地擺動畫筆。
漸漸地,我知道藝術鑑賞是很吃「人文史地」涵養的一門學問,卻偏偏我又不喜歡接觸那些文縐縐的東西,久了便跟這條道路漸行漸遠。這次出版社向我邀約掛名推薦本書,正好打中了年輕的我一直不得其門而入的弱點。上了年紀,開始學會靜下心來閱讀,也對原本我排斥、抗拒的事情,多了一份接納和探究的好奇心。
那麼,究竟要如何欣賞藝術品呢?我對這本書感到十足的興趣,我的「創作者」靈魂,似乎正渴求著「觀察家」的滋潤。
.
【為什麼要學習欣賞藝術?】
正是因為這個世界充滿了「不確定性」。作者套用源自於管理和軍事的術語 VUCA 來說明,我們面對的世界充斥著四種特性:多變性(Volatility)、不確定性(Uncertainty)、複雜性(Complexity)、含糊性(Ambiguity)。我們越來越難憑藉直線性的邏輯、也難以單純仰賴電腦運算,去洞察這個充滿不確定性的世界。
很多人對於藝術的看法,都是很「抽象」,很難「描述」。但反過來想,商業環境背後複雜的運作,以及對自己未來數十年職涯能力的發展和培養,不也是充滿了多變和不確定性?我們很難用一加一等於二的簡單邏輯來思考整體的事情,我們更需要的是透過既能宏觀、又能微觀的感性思考,來觀察和看懂這個越趨複雜的世界。
因此,我們需要學習一些感性思考的方式,找到自己的「內在羅盤」來替自己指點迷津,而學習「鑑賞藝術的方法」就是很好的鍛鍊方式。作者認為,欣賞藝術就是一件「以自己的感受詮釋所處環境,由自己判斷解決問題的方向,並且發起行動」的事情。
.
1.「3P」時代、地點、人物
一件藝術品的誕生少不了「天時、地利、人和」。這是欣賞一件藝術品的時候,最基本的方法,對所有藝術品都適用。
首先確認這件藝術品是在哪個時代(Period),這時候你可以回想起那個時代背景的藝術特色。接著,是找出這件藝術品製作的地點,藝術品的發展與地點(Place)密切相關,例如許多重要的藝術品都是發源於富裕地區。最後是認識哪一號人物(People)創造了這件藝術品,他的個性、生平、遭遇都會對這件藝術品產生不可忽視的影響。
.
2.作品鑑賞檢核表
這個步驟有點像是一份「檢核表」,藉由許多主觀的項目,紀錄下來你自己對於一件藝術品的主觀感受。這份檢核表包含了這些項目:題材、色彩、明或暗、簡單或複雜、大或小、喜歡或討厭。依據你自己觀察這件藝術品的感受,記下對每個項目的具體描述。
這個步驟鍛鍊的是你的「洞察力」,從宏觀來感受這件作品,然後又從微觀去紀錄細節,這個時候,你已經漸漸地在打造內心的羅盤,發展你對這件作品的判斷,並且逐步提高自己的感受力。
.
3.故事分析
到這一步是我最喜歡的,用故事分析裡面的「英雄之旅」套路來分析這件藝術品的作者。藝術家的人生故事,往往是比藝術品本身更吸引人的事情。
你可以用這個順序分析作者的生平。旅程的起步,他如何踏上藝術家之路?他有什麼際遇,他的老師、嚮導、夥伴是誰?他遇到了什麼重大的試煉,是讓你印象深刻的?他的改變和進步,結果如何?他的使命是什麼,為什麼他會創造出這件作品?
懂得用「英雄之旅」的方式去分析作者的人,也可以把這種手法運用在商業行銷模式上,例如我之前寫過的另一本行銷好書《跟誰行銷都成交》的筆記,就是把英雄之旅的故事分析方法,導入商業運用的絕佳案例。
.
4.「3K」革新、顧客、競爭
相較於前面三個步驟,看的是作品和作者的本身,這個步驟就像是「鳥瞰視角」,帶我們從橫向的角度去欣賞一件藝術品。
這三個K是日文字的羅馬拼音組成。革新(Kakushin)指的是當時的技術和科技發生了什麼變化,這經常會影響藝術品的創作方式。顧客(Kokyaku)指的是這個作品賣給誰、為誰而創作?競爭和共創(Kyousou)指的是當時有彼此之間競爭的流派嗎?還是作者跟其他作者共同創作?
.
5.「A-PEST」政治、經濟、社會、科技
最後是「宏觀」的視角,這個步驟可以讓我們認識一件作品最全貌的「藝術風格」(Art)。這個部分必須搭配一些歷史的知識,透過政治(Politics)、經濟(Economics)、社會(Society)、科技(Technology)的綜合面向,去觀察這件藝術品被創作出來之時的背景氛圍。
這個手法也時常被用在商業世界,例如分析一家公司,或者一整個產業。通常我們很難用一張財報就完整理解一家公司或產業的發展情形、未來趨勢。如果我們能夠透過 PEST 的手法去深入研究,就更能掌握整件事情的全貌,發展出自己的洞見。
.
【後記:有價值的其實是…】
《藝術顧問寫給職場工作者的「邏輯式藝術鑑賞法」》這本書中除了談邏輯鑑賞的方法之外,作者用大眾熟知的大師級藝術家引導我們前進。舉凡達文西、梵谷、羅丹、林布蘭、庫爾貝等知名藝術家以及他們的作品,作者都透過邏輯式的步驟解析,讓我多認識了這些人不凡的人生。
以前的我只略懂一幅畫表面的「技法」,畫得真不真實、筆觸細不細膩、光影拿捏如何。但是只停留在表面的程度,總覺得少了些什麼。之前我讀了經典小說《月亮與六便士》,對書中取材的畫家高更很感興趣,稍微瀏覽了他的生平和畫作,便對整部小說產生了更多的共鳴。
直到這本書學了一些藝術鑑賞的方法,還有作者對藝術家們的說明和分析,我漸漸明白藝術品背後的「價值」,其實是基於整個故事和環境的交錯影響。世界上許多的事物也是如此,其背後的價值大多不僅僅是表面所見,而是探究細節、宏觀俯瞰後的綜合考量。
上週我剛好也接觸到一首歌「It’s OK」,這首歌是30歲的罹癌歌手 Nightbirde 在美國達人秀的爆紅成名曲。如果只聽歌曲本身、單看歌手本人,恐怕只是一首「很好聽」的曲目。我試著瞭解這首歌的人物、創作背景,用故事分析去認識歌手故事,再搭配現在的社會動盪帶來的絕望感氛圍,發現這首歌不但幫人們傾訴內心的苦,更教人勇敢面對未知的艱難,並且抱持堅定的希望。
最後,這本書的「邏輯式藝術鑑賞法」讓我們能透過有步驟和順序的理性方式,激發敏銳的感性大腦,探究作品背後的潛藏價值。「看懂藝術」不是專家獨有的本領,而是每個人都值得學習的本事。
.
感謝 漫遊者文化 AzothBooks
「社會工作理論處遇模式與案例分析」的推薦目錄:
- 關於社會工作理論處遇模式與案例分析 在 Facebook 的精選貼文
- 關於社會工作理論處遇模式與案例分析 在 Facebook 的最讚貼文
- 關於社會工作理論處遇模式與案例分析 在 李開復 Kai-Fu Lee Facebook 的精選貼文
- 關於社會工作理論處遇模式與案例分析 在 [請益] 社會工作「理論」用意是? - 看板SW_Job 的評價
- 關於社會工作理論處遇模式與案例分析 在 徵書社會工作理論:處遇模式與案例分析- PTT看板sw_job 的評價
- 關於社會工作理論處遇模式與案例分析 在 在不同的時間脈絡下特定理論受到社會工作的青睞和重視 的評價
- 關於社會工作理論處遇模式與案例分析 在 社工出任務~任務中心理論實踐 - YouTube 的評價
社會工作理論處遇模式與案例分析 在 Facebook 的最讚貼文
#從怪癖中探索人性與自我 #怪癖心理學
·
心理學是一門探索人類行為與心智的科學。而當中,臨床心理學這個學門,特別專注於探究人類行為當中異常的一面,並試著為這些現象找出背後成因,以及有效的處遇方式,這些工作主要由受過訓練的臨床心理師來完成。
·
在取得執照前,心理師養成路上得接受不少心理學知識與臨床實務的訓練。在受訓的這七年裡,我們其實與「怪癖、怪異」這幾個字,有著分不開的緣分。
·
好比,引領我們踏入這個領域的第一堂基礎課程就稱為「變態(異常)心理學」。我對這堂課有個特別深刻的印象。在大二剛開學的第一堂課時,教室擠滿了許多「不是」心理系的學生,不少外系學生希望能加簽這堂課。
·
這種「熱潮」或許透露著,不只有心理學家對變態、異常的人類行為感到好奇,其實許多大眾也對這類人類行為深感興趣。不過,在老師開宗明義解釋了變態的(真正)定義,以及這堂課會討論哪些內容之後,開學第二周的教室就恢復了「常態」,留下的清一色幾乎都是心理系的學生。
·
在討論變態或本書要談的「怪癖」之前,從原文abnormal一字來思考會有些幫助。此字意指:「非」「常態」。但到底要如何界定常態與非常態呢?
·
這個問題正是變態心理學這堂課的第一個重點,而答案是,專家至今仍沒有一個完美答案。目前僅存在一個多數專家都能接受的共識:我們不能用「單一」指標來判斷行為是否正常,而須仰賴多種指標來做綜合評估。這些指標好比:
·
👉偏離常態(Deviance):這個行為是不是「不」符合典型常態分配內多數人的樣貌?
👉喪失功能(Dysfunction):這樣的行為,是不是已讓人失去生活能力,好比無法工作、無法完成課業、自我照顧、人際關係都因此顧不好?
👉個人主觀痛苦(Distress):這種行為本身是否讓當事人自己感覺痛苦不堪?
👉造成危險(Danger):這種行為是否會對當事人自己,或者週遭的他人與社會帶來危險性?
·
每一個用來判斷異常與否的指標都有限制,不能僅仰賴單一指標做出判斷。好比,新聞上出現的反社會人格特質的殺人犯,可能並不至於「失功能」(他還是可以好好上班),自己也不覺得痛苦(不構成個人主觀痛苦),但他違法的行為確實造成了社會危險。讀者可善用這些指標作為輔助,來觀察、思考本書裡的不同案例。
·
此外,我對這堂課還留下另一個印象。當時總覺得不少課本裡的描述,好像就是在講自己。後來發現,這種「似曾相似」的感覺,會出現在不少修習變態心理學或醫學系的學生身上,被稱為「醫學生症候群」。我們時常看著看著,就不小心「對號入座」了。
·
也許,讀者您也會在某段文字中,看見自己的影子。其實,我們也和書裡提到的各個主角一樣,身上多少都有些「非典型」的存在,不管你稱為怪癖、異常,或「怪」都好。這些我們與其他人不一樣的地方,或許正構成了我們每個人自己獨特的樣子。
·
因此,我們不需要急著替自己貼上任何標籤,反倒是要記得,正常與異常之間的界線真的很模糊。書中不同角色也為我們示範了,他們如何善用了自己身上與他人「不一樣」的特質,將之轉化為力量,成就了自己獨特的生命故事。這是我想提供讀者,可以輔助您閱讀本書時的第一種觀點。
·
再來我想分享的是,本書以「真實人物」做為書寫主體的這部分。
·
過往閱讀心理相關書籍時,不免會看到許多「模擬個案」。礙於倫理考量,書籍在介紹個案時,往往必須從真實案例來改寫或改編。有時為了要精確地呈現出症狀的特色,示範的案例有時過於「完美」與「單純」。讀起來總有種隔靴搔癢的「間接感」,常感覺某些案例不夠立體。
·
本書以真實人物為主角,透過資料回溯,一步步從史實資料分析他們的性格面貌。這種切入角度讀起來別有另一種滋味。畢竟,這些人物都曾經是真實、活生生的人啊!雖然分析起來複雜,也難以用一套簡單的理論來企圖完整歸納他的一生。但這種複雜性,其實更接近人類心理的本質。
·
我想,這也是為什麼心理會理論會如此多元、百花齊放了。在每個行為——不管它是所謂正常或異常——的背後,我們總能找到不同角度與理論去理解與詮釋它。
·
這也提醒了我們,既然人類行為能用各種理論與觀點去詮釋,那本書作者對這些人物的心理學分析,也就只是其中的一種詮釋而已。同樣的人物,交到不同專家手中,很可能會寫出不同版本的《怪癖心理學》。
·
閱讀本書時,偶爾你會覺得作者的分析很有道理;而有些時候,你可能對作者的詮釋不這麼有感覺。這是非常OK的。我們對於作者分析是否認同,背後可能源於每個人自己生命經驗與成長背景的不同。
·
在探索人性時,這種允許「百花齊放」的開放性是格外重要的。我自己的經驗是,當我們願意放下預設立場,開啟「好奇心模式」,我們的重點就不再是「支持或反對」某些觀點,而是想去知道,這種觀點與理論是如何發展出來的?透過這種觀點,能幫助我們更深入探究出人性的哪些面貌?
·
若能採用這種方式來閱讀本書,跟著作者一起練習探索人性,相信這趟閱讀之旅,會變得更加樂趣。祝福您,閱讀愉快!
···································
···································
本文出自日本精神科醫師岡田尊司所著之《#怪癖心理學》(あなたの中の異常心理)一書之推薦序,由心理師想跟你說蘇益賢臨床心理師撰寫。
·
天才如何為異常心理所苦,又如何因怪癖而成就非凡?
歷史上的天才,都有著鮮為人知的怪癖:
·
●榮格童年逃學,自陳有「雙重人格」;
●三島由紀夫有著致命性的「完美主義」,自殺前還交了最後一篇稿;
●甘地節食禁欲,是出於罪惡感、近乎「強迫症」的潔癖;
●尼采、叔本華、海明威、王爾德,皆因母親的掌控欲引發身心問題……
·
完美主義、控制欲、潔癖、強迫症、囤物癖、暴露狂……有些怪癖能讓一個人走上成功的道路,但也可能反成傷害自己的利器。即便是身心健全的人,也會在某一瞬受到「異常心理」的影響,而做出常人無法理解的舉動。
·
日本知名精神科醫師、暢銷作家岡田尊司舉出大量名人案例,分析日常裡無所不在的異常行為,帶領讀者認識其背後的心理機制,了解生而為人的基本欲望,藉此自我覺察、釋放執念。
·
閱讀本書:https://tinyurl.com/1usoclyo
本書由寶瓶文化發行
社會工作理論處遇模式與案例分析 在 李開復 Kai-Fu Lee Facebook 的精選貼文
近日,我與阿萊克斯·彭特蘭教授(Alex Pentland)展開了一場”AI如何重塑人類社會”的精彩對話。
《連線》雜誌的資深撰稿人威爾·奈特(Will Knight)主持了這場對話。
阿萊克斯·彭特蘭教授任教于麻省理工學院,為全球大資料權威專家之一,現任MIT連接科學研究所主任、MIT媒體藝術與科學教授,擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜,曾參與創建MIT媒體實驗室,是全球被引述次數最多的計算科學家之一。
對話金句:
李開復:
AI最大的機會蘊藏在與傳統企業的結合中,這種價值的產生極其迅速,只需要幾個月,甚至短短幾周。
未來突破很難預測,對奇點、超級智慧的爭辯,在我看來都過於樂觀了。
小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,不要與巨頭核心業務正面硬碰。
阿萊克斯·彭特蘭:
AI絕非試圖取代人類,而是促進多元文化之間的相互連接、團隊合作,讓人們更好的進行社交和連接彼此。
最困難的其實是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
我在對話中表示,當我們試圖解決AI問題時,應該用技術來解決技術的問題,可以尋求與監管部門協作,而不只是丟給他們,“新技術會衍生新的問題,我們應該多方嘗試用更進階的技術性解決方案,就像電腦病毒剛出現時,殺毒軟體隨之誕生。”
彭特蘭教授認為,人工智慧的核心,是促進多元文化之間的相互連接。不只是工程師或科學家,連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準,就像TCP/IP互聯網協定那樣,避免AI冷戰。” 我們都贊同,AI發展從來不是單打獨鬥,跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇(MIT-CHIEF) 組織的高峰對話系列活動,主題是《計算與未來: AI與資料科學如何重塑人類社會》。
麻省理工學院中國創新與創業論壇(MIT-CHIEF)由麻省理工學院的中國留學生創立,至今已有十年,是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者,共同探討科技創新及商業化過程中面臨的挑戰。
以下是我們對話的核心內容,由我的同事整理、分享給大家:
Part I 主題演講
▌李開復:各方應協作,讓AI 更務實
非常榮幸再次受到MIT-CHIEF的邀請,對於人工智慧的看法,這次我主要想講四點。
第一點是我書裡的主題,人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段,從應用落地層面來說,正迎來了AI發展最大的機遇。
很多科技公司目前已對人工智慧進行了多樣化佈局,從視覺、語言、觸覺和其他感知技術,到自動化機器人、無人駕駛等,對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性,但我預測未來的格局會非常龐大,依據統計,各行各業採用AI的程度目前不到5%,AI應用的中長期增長曲線相當可期。
第二點是我很欣喜看到的一點,AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多,更多的AI公司湧現出來。
AI最大的機會蘊藏在與傳統企業的結合中,創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。
作為AI投資人,我認為在這些行業如果找到正確的AI應用方向,就能帶來上千萬的回報。這種商業價值的產生是極其迅速的,通常只需要幾個月,甚至短短幾周就能看到成果。
現在人工智慧在傳統產業的滲透率仍在個位數,仍然有很大的提升空間。然而對於很多公司來說,它們需要的是高度定制化的方案,而非通用型AI方案,所以融合的過程中,不可避免會遇到不少挑戰和痛點。
第三,我早年做過很多科研工作,很高興能看到關於系統一和系統二(System One, System Two)的討論,我們期待人工智慧技術從系統一升級為系統二,即從識別、決策、優化等能力,升級到感知、認知等進階智慧的能力。
有不同的學派都在努力讓人工智慧更接近人類智慧,其中一個流派主張回歸經典的AI理念,甚至重新構建嶄新的模型結構,在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。
回看人工智慧過去60多年的歷程,最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路(CNN)帶來的喜人成績,還有預訓練自然語言處理模型(Pre-Trained Models for Natural Language Processing)的廣泛運用。
預訓練模型與人類語言學習的模式類似,不管是英語還是中文,在習得這些語言之後,再去學習程式設計、藝術、化學。在無人監督的學習環境中,這種模式比我們想像得還要強大,就像阿爾法圍棋(AlphaGo)一樣。
最後一點我想說的是,如何讓AI變得更務實。
AI有很多問題,例如隱私、資料安全、治理和監管,在此就不一一討論了。當我們試圖解決這些AI難題時,有人認為讓監管部門加強管理是唯一辦法,其實不然,我們是否也可以朝著研發更厲害的技術性解決方案去努力?
就像電腦病毒剛出現時,殺毒軟體隨之誕生;面對千年蟲難題時,也迅速找到了技術應對方案。我們可以通過研發新技術,應對DeepFake深度換臉程式的挑戰;或者通過聯邦學習技術,在保證資料私密性的同時,滿足深度學習訓練需求。
作為握有技術能力的群體,我們需要與監管部門一起協作,而不只是把工作丟給他們。相信有了各方的助力,我們可以讓AI的應用變得更有深度,更加務實,更高效地克服現在面臨的種種問題。
▌阿萊克斯·彭特蘭:國家間應建立互通標準,避免“AI冷戰”
我對當前的深度學習技術不太樂觀。
最為主要原因是,深度學習不僅需要龐大的資料來源,而且要求這些資料長時間恒定不變,以保證模型訓練結果的可靠性,例如人類的面容、語言,就是相對穩定不變的資料來源。
但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時,出現了倉庫貨物緊缺,不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰,就是因為快速變化的疫情,和深度學習對恒定資料來源的需求是矛盾的。
另外,我想談談如何通過聯邦學習,促進資料的流通。
大多數公司沒有足夠豐富的資料,需要聯合不同的資料來源。基於這種需求,出現了很多新商業模式,比如“資料經紀人”——他們不出售資料,而是把資料借出去,作特定需求的使用。
“資料經紀人”業務湧現了很多,他們促進了資料的流通,也加強了資料的隱私性。因此,像聯邦學習這樣的技術和商業策略結合,有效解決了資料在合規性和所有權方面的難題。
聯邦學習也依賴於新的基礎設施建設,為資料應用和深度學習提供基礎環境,比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗,新加坡等國家設置了一種相互競爭的區塊鏈系統,來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗,涉及不同資料的互通性和連貫性問題。
我們仍在研究如何用儘量少的資料,實現人工智慧的目標。少量資料是指不斷更新的短期資料,這些資料能使AI應對迅速變化的情況,並及時做出調整。
我們打算將AI與其他基礎科學結合,例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料,可能會比深度學習更加強大。
除此之外,我們在探討用AI保障聯邦學習過程中不同資料方的權益,這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。
另一方面,我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作,找出解決系統入侵和保障網路安全的方法。
我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策,也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率,比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。
基於我們已有的多中繼資料庫,現在可以利用AI實現全新的資料優化方式,將貧困、不平等這種之前無法量化的指標,通過可量化的指標進行評估。
同時,要真正實現這個目標,我們還需要制定統一的互通性標準。如果沒有這個標準,國家之間就不會相互信任去合作,就可能出現AI冷戰。
因此我們需要找到促進合作的方式,就像TCP/IP互聯網協議那樣。而之前我提到的,新加坡、瑞士等現在正在嘗試的區塊鏈系統,將有希望解決國家間缺乏互通標準的問題。
Part II 對話
▌ 美國線上教育發展難度更大,只在ZOOM上講課是不夠的
Q1:疫情加速了行業的改變,遠端醫療、線上教育開始蓬勃發展,這只是AI對人類社會產生影響的冰山一角。想請兩位談一談,目前看好AI在哪些領域應用的未來前景?
李開復:疫情的確對整個社會產生了實質性的影響,人們行為習慣發生了很多改變,更願意接受線上學習和工作了。
這種新的行為習慣產生了大量資料流程,為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料,可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究,因此我相信AI在醫療健康領域的潛能是非常巨大的。
AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務,例如批改作業,讓老師得以將時間精力投入到更有創造性的事情上,能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性,比如設置卡通版AI虛擬老師,讓課程充滿趣味性。
在中國,有很多線上教育公司在疫情之前就已經發展迅速,像創新工場投資的VIPKID,讓國外的純正英語老師線上上教授中國學生。目前,中國的線上教育已經擴展到了更多科目,包括體育、舞蹈、書法等素質教育課程。
相比之下,美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的,好的線上教育必須要有好的內容。
▌AI核心是增強人際互聯,應注重文化多樣性
阿萊克斯·彭特蘭:李開復博士提到的教育案例,我不是很認同。
MIT大約20年前就在教育中使用AI,重點根本不是內容,我們甚至提倡將內容免費開放給大眾。
AI絕非試圖取代人類的作用,我們更強調用AI增強人與人之間的互動,讓人們更好的社交和連接彼此。比如手機上人工智慧技術,不是要取代你,而是讓你高效地找到最適合的工作、最正確的人,讓你更容易的獲取資訊,並進行創新。
我們可以利用資料激發更強的創新力,培養領導力。只有基於這樣的宗旨,才能促進更有創造力的教育和學習,這比關注教育內容本身重要得多。
在加拿大,有家創業公司正在訓練普通民眾學習AI,比如水管工,教學效果非常不錯。他們的教育方式不是簡單的教授基本知識,而是以一種能夠激發人們互動思考的方式。
我們之前在中國調研了3000多個孵化器,發現創業公司成功的要素裡,第一個是文化多樣性,也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性,他們能否發揮自己所長,並很好地進行團隊合作。
1956年,馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解,不應該只停留在“人工”層面,而應擴展到多元文化之間的相互連接、團隊合作,我把它叫做延伸智能(Extended Intelligence)。這也是我想強調的,人工智慧這個名詞有一定的偶然性,但它的核心點是增強人與人之間的互聯性。
▌AI未來突破難預測,奇點、超級智慧過於樂觀
Q2:未來十年AI有沒有可能取得重要突破?比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼?
李開復:過去60多年來,深度學習是唯一的重大突破。在這之後,卷積神經網路(CNN)和GPT-3等都算是重要的改善,我對於人工智慧的漸進式改善保持樂觀。
對科學家來說,他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易,只要有大量的資料,就可以從實驗室進入到行業應用,CNN和GPT-3都是模型加海量資料的成果。
我是務實派的,雖然持有樂觀態度,但並不是一位“未來學家”。未來的突破很難預測,對奇點(Singularity)的爭辯,甚至預測超級智慧的出現,在我看來都過於樂觀了。
阿萊克斯·彭特蘭:我同意李博士的觀點。很多生物機制很難解釋,包括用感知認識事物、理解聲音、尋找食物等,是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論,並進行實踐。
從務實的角度來說,我最感興趣的就是聯邦學習。就醫療而言,我們有這麼多醫院,在新冠疫情期間做了很多的實驗,為什麼這些實驗資料不能進行聯合呢?
儘管資料有不相容的地方,但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來,我們對資料的需求也許會越來越少,外科醫生或者物理學家或許不需要太多資料,因為他們對規則已經瞭若指掌了。
▌不要墨守成規,要跨領域、跨學科應對挑戰
Q3:人工智慧會有什關鍵挑戰?對於想從事這個行業的人,有什麼是需要瞭解的關鍵點?
李開復:首先,大背景在改變,新科技層出不窮,我們每年都需要學習新的東西。
其次,人工智慧可能引起各種問題,包括偏見、歧視、倫理道德等,是否危害人類的身體健康,無人駕駛技術該何去何從等等。
第三,人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校,能夠把AI教育擴展到各個學科,讓研發人員及早意識到自己的責任和價值。
阿萊克斯·彭特蘭:是的,我朋友做過一個有關電的趣味類比,電動馬達最初在工廠裡用於生產的時候,並沒有發揮出多大的作用,因為大家並不知道如何改造生產流程。
AI在一些領域發揮的作用是顯著的,但應用到其他領域時,就需要改造流程。很多情況下,最困難的就是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
而有意思的是,就像李博士提到的,像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。
比如,我今天早上正好就這個話題跟G20領導人對話,大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題,不能只是工程師或者社會科學從業者們在做,經濟學家,政治家等等都必須參與進來緊密合作。
隨著AI的應用領域越來越廣,除了必須具備強有力的技巧來建立社會規則,還需要對研究經費、企業投入等進行各種調整。
▌雖然大公司實力不容小覷,但依舊對小公司抱有期待
Q4:AI研究會消耗大量的資源,我們是否應該將資源往學術界平衡?現在已經發生資源的重新分配和平衡了嗎?
李開復:就人才而言,現在已經有重新平衡的跡象了。
過去,頂尖大學的學者基於待遇和種種考量,不少選擇去企業界工作。而近期,曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。
但像GPT-3這樣的技術,仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練,就要花費460萬美金,只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。
我觀察到,近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建,為了解決特定問題而生,並非紙上談兵做突破性科研,切入的領域也往往是巨頭公司忽略的地方。
例如,為製造業進行AI賦能,不是一件輕鬆的事,需要去工廠實地勘查,瞭解運作方式。大公司因為賺錢很容易,不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果,就會給產業界帶來革命性的影響。所以,雖然大公司的實力不容小覷,但我依舊對小公司抱有期待。
阿萊克斯·彭特蘭:大學和公司是一種融合的關係,不僅體現在人才流動上,也會進行資訊資源分享,彼此是整體性的合作態勢。
當然這也不是絕對,產業界的保密需求還是存在的,只是從學校的出發點來說,我們願意毫無保留地為大家提供更好的研究成果,並與企業合作,形成標準化平臺。
▌人工智慧取代人類需要上百年或更久
Q5:兩位認為什麼是AI不能取代的?
李開復:一類是創造力、分析能力、邏輯辯論能力,瞭解自己知道什麼不知道什麼,這些是人工智慧無法取代的。另外一類是同理心,人類之間的信任、友誼,自我認知、意識等。
阿萊克斯·彭特蘭:人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
▌AI創業建議I:找到小切入點,不要與巨頭正面硬碰
Q6:李博士提到了AI在小企業中的運用,可否再舉例說明是如何運用的?
李開復:這個問題分兩部分:一個是小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,並且不要與巨頭核心業務正面硬碰。
對於那些中小型非AI、但想應用AI的公司,需要確保有足夠的資料,以訓練與核心商業價值掛鉤的AI模型,並且有願意變革的開放性公司文化。
所以,早期應用AI的公司可能規模較大,因為他們有足夠大的資料,和可相容變革的商業模型。每個例子都不同,不是任何一家公司都要應用AI。
阿萊克斯·彭特蘭:如果我們放寬AI的定義,或許水管工、合同工都有資料,通過一些簡單的分析、整合,AI也可以在很大程度上改進他們的工作。
這些都是很小的切入點,基於簡單的AI分析、機器學習,依舊可以產生巨大的潛力。
▌ AI創業建議II:知曉技術,同時理解商業
Q7:兩位再分享一下最後的建議?
李開復:我們在步入一個AI開始滲透到方方面面的令人振奮的時代,我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地,而不僅僅鑽研技術本身。
阿萊克斯·彭特蘭:不要太較真於深度學習或者冗長的演算法,一切始於要解決的現實問題。不要止步於技術本身,要明白資料類型、形態和規律,關注商業流程。
感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。
社會工作理論處遇模式與案例分析 在 徵書社會工作理論:處遇模式與案例分析- PTT看板sw_job 的推薦與評價
求書社會工作理論:處遇模式與案例分析(第四版) 作者:宋麗玉、曾華源、施教裕、鄭麗珍出版社:洪葉文化出版日期:2012/12/01. ... <看更多>
社會工作理論處遇模式與案例分析 在 在不同的時間脈絡下特定理論受到社會工作的青睞和重視 的推薦與評價
社會工作理論 _處遇模式與案例分析_第四版#宋麗玉、#曾華源、#施教裕、#鄭麗珍社會工作是一個造成改變的專業,正如其他助人的專業一般,但是社會工作需要同時努力於造成 ... ... <看更多>
社會工作理論處遇模式與案例分析 在 [請益] 社會工作「理論」用意是? - 看板SW_Job 的推薦與評價
不好意思,因非本科系
自行研讀書籍準備考試
想知道社會工作中有許多派別理論,究竟是有何作用?
理論=方法 嗎?
也就是這麼多理論(方法?)中,社工自行針對案主選擇「方法」應用
這樣的解讀對嗎?
先感謝回覆
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 112.104.40.226
... <看更多>