「最近我剛好在看一本書，書中提到空間（space）是一個客觀的概念，但是當人們將意義投注到一個局部空間，以某種形式依附其中，那麼空間就會轉化成地方（place）。
Photo Credit: 東昊影業 《日麗》劇照 閃爍與重疊 父女兩人的年齡差，在卡倫的時間停止後，蘇菲才緩緩趕上。電影中許多場景，主角是背對觀眾的，當角色在隱藏情緒時，他們的弱點正赤裸的向著觀眾。
Photo Credit: 東昊影業 《日麗》劇照 背後的脆弱 導演以DV錄像展現「回憶」、「過往」的主軸，蘇菲拍攝卡倫，問他11歲時的情景，卡倫透過錄像出現在電視螢幕上，但這樣的赤裸使他難受。立刻點擊免費加入會員。電影中不斷有漆黑的畫面閃爍人影，卡倫的舞動、猙獰表情，蘇菲的徬徨、探詢、擔憂，皆在漆黑中閃閃爍爍。還可留言與作者、記者、編輯討論文章內容。延伸閱讀 【影評】《日麗》：本片最高明之處，在於美麗與憂傷的虯結曖昧不明 2023美國導演工會獎：《媽的多重宇宙》、《日麗》獲獎，史蒂芬史匹柏奧斯卡之路增添變數 【加入關鍵評論網會員】每天精彩好文直送你的信箱，每週獨享編輯精選、時事精選、藝文週報等特製電子報。
隨後背景的救護車聲暗示了卡倫的結局。兩人之間隱藏與距離的意象 父女倆入住一家整修中的旅店，卡倫為睡著的蘇菲褪去鞋子、蓋棉被、關上燈。人工智慧（AI）的應用在近期成為一門顯學，不論繪圖、寫論文做研究、寫文章，都可以看見實際應用的例子。
林嶔舉例：「通常AI訓練時獲得的圖片素材都可以很大量，diversity也很高，被辨認的主要標的之外的背景變化度很大，這樣AI就能獲得比較好的訓練......但現在假如你要做一個COVID-19病人的肺炎胸部X光診斷，希望找一群有確診和另一群沒有確診的病人來進行研究訓練。但這搬到臨床上醫生要使用時，卻會發現來掛心臟科的都是已經有不適狀況的人，那要再從中分辨誰是真正的心臟衰竭患者時，就可能和當初AI受到訓練的data set有極大的差異。若要增進醫療影像判讀AI的能力，是否蒐集越多張圖片資料給它判讀越好？對於這個問題，曾任美國華府喬治城大學醫學中心放射科及腫瘤科的婁世鐘教授表示：「我一直跟這些電腦科學（computer science）的專家說，這個觀念在辨識人臉或ChatGPT的訓練時，這個觀念是對的。」另外還有像要看哪個範圍，更不用說機器成像上本來就有一些前處理的方式可能不一樣。
這麼高的準確率看起來非常理想，但要真能應用於臨床上，這些演算法模組需要能在其他不同影像資料集（Dataset）上也具有這樣好的表現。科學家還稱在某些影像上，這些演算法的表現甚至和擲硬幣的表現無異。
」 林嶔提及，目前影像AI的應用是比較複雜的，例如胸部X光在取得的過程中，有非常多影響的參數，是由當下那位放射師決定的，比如說，放射的強度。於是其他資料科學家將10組表現最佳的演算法模組，以不同資料子集對其進行測試，卻發現判讀準確度下降到令人擔憂的60－70％。」林嶔表示，目前AI這一波發展比較像是由電腦科學家去主導，但要放到醫學研究裡時，一些原本在醫學研究上會注意的點可能被忽略了。面對這樣的困境是否有辦法克服？林嶔舉了藥物試驗的例子。
關於AI醫療影像判讀的應用，文章當中舉了美國肺癌篩檢的例子。但你很容易就會發現，你所找到的COVID-19病人經常年紀都是比較大的，而控制組的人則可能年紀都比較小。圖片來源：由 Ptrump16 - 自己的作品, CC BY-SA 4.0 胸部X光的成像結果，很大一部份也取決於放射師的專業與多年經驗的累積，也因此可能增加許多AI判讀上的變數。若是標準訂出來之後，在研究設計方面的統一性至少就可以確定
但你很容易就會發現，你所找到的COVID-19病人經常年紀都是比較大的，而控制組的人則可能年紀都比較小。」 回推到目前AI醫療的相關研究設計，林嶔認為似乎有點太自由了。
但這搬到臨床上醫生要使用時，卻會發現來掛心臟科的都是已經有不適狀況的人，那要再從中分辨誰是真正的心臟衰竭患者時，就可能和當初AI受到訓練的data set有極大的差異。於是其他資料科學家將10組表現最佳的演算法模組，以不同資料子集對其進行測試，卻發現判讀準確度下降到令人擔憂的60－70％。
以藥物設計來說，就不會有跨機構、跨區域藥物就不能使用的情況，這是為什麼？「藥物試驗有統一的實驗規定，FDA甚至有寫出說做什麼樣的事情，就該用什麼樣的研究設計去做。」 林嶔提及，目前影像AI的應用是比較複雜的，例如胸部X光在取得的過程中，有非常多影響的參數，是由當下那位放射師決定的，比如說，放射的強度。林嶔表示就自己的感覺，目前研究團隊在AI研究模型於本地運行時，經常都表現得不錯，到了其他地方運行不好。若要增進醫療影像判讀AI的能力，是否蒐集越多張圖片資料給它判讀越好？對於這個問題，曾任美國華府喬治城大學醫學中心放射科及腫瘤科的婁世鐘教授表示：「我一直跟這些電腦科學（computer science）的專家說，這個觀念在辨識人臉或ChatGPT的訓練時，這個觀念是對的。而在這些規格沒有統一的情況下，AI影像判讀想要跨機構仍然維持高準確度，就沒那麼容易。人工智慧（AI）的應用在近期成為一門顯學，不論繪圖、寫論文做研究、寫文章，都可以看見實際應用的例子。
然而一篇刊登於《自然》（Nature）期刊的文章，卻提出AI在協助診斷的影像判讀上，可能具有再現性（reproducibility）不佳的問題。而在醫療領域上，AI於診斷與健康監測上的應用早已是許多科學家研究的方向，也已經有不少醫藥大廠推出自己的AI醫療影像判讀工具。
「我對這個（AI於醫療應用的再現性）問題是有些自己的看法。」林嶔表示，目前AI這一波發展比較像是由電腦科學家去主導，但要放到醫學研究裡時，一些原本在醫學研究上會注意的點可能被忽略了。
這可能比較不像是「造假」，通常表現出問題都發生在跨data set的時候。最後至少有五組獲勝的演算法模組，對從影像中偵測出肺結節（一小塊不正常組織，型態上可以是圓形或橢圓形，除了可能是癌症，也可能是因感染而引起），表現出超過90％的準確率。
關於AI醫療影像判讀的應用，文章當中舉了美國肺癌篩檢的例子。這麼高的準確率看起來非常理想，但要真能應用於臨床上，這些演算法模組需要能在其他不同影像資料集（Dataset）上也具有這樣好的表現。而這也是因為這個領域才剛發展，也許還沒有標準的規範訂出來。因為大家都遵循一樣的標準，審核單位也一樣，效果就會很一致。
「我覺得這次《自然》期刊提到的比較不像典型的『實驗結果複製不出來』的再現性問題，比較像是本地的模型沒有辦法外推到其他地方去的『外推性問題』。不過若對數百萬人進行掃描篩檢，及意味著有數百萬組電腦斷層掃描的影像需要判讀，但卻沒有足夠多具備專業的醫事放射師能夠判讀這些結果。
面對這樣的困境是否有辦法克服？林嶔舉了藥物試驗的例子。但在醫學影像判讀這塊，這觀念只對50％。
圖片來源：由 Ptrump16 - 自己的作品, CC BY-SA 4.0 胸部X光的成像結果，很大一部份也取決於放射師的專業與多年經驗的累積，也因此可能增加許多AI判讀上的變數。2017年，在人工智慧領域極具企圖心的競賽「Data Science Bowl」，出了一道題目：機器學習演算法是否能補上這之間的判讀缺口？ 在這場「肺癌自動診斷」的線上競賽中，主辦方提供1397位患者的電腦斷層影像，讓上百組團隊測試他們的演算法。
「每個人的身材不同，對於比較厚的人來說，可能就需要比較強的放射強度才有辦法成像。林嶔舉例：「通常AI訓練時獲得的圖片素材都可以很大量，diversity也很高，被辨認的主要標的之外的背景變化度很大，這樣AI就能獲得比較好的訓練......但現在假如你要做一個COVID-19病人的肺炎胸部X光診斷，希望找一群有確診和另一群沒有確診的病人來進行研究訓練。即便有足夠的人力，對於部分難以判讀的影像是否代表患者出現癌症，不同的專家之間可能看法各異。若是標準訂出來之後，在研究設計方面的統一性至少就可以確定。
」另外還有像要看哪個範圍，更不用說機器成像上本來就有一些前處理的方式可能不一樣。科學家還稱在某些影像上，這些演算法的表現甚至和擲硬幣的表現無異
美麗島大逮捕是蔣經國一手主導全面打壓民主運動的行動，日記中自陳「我即下令將全部禍首拘捕，暫作處理，一網打盡之後，再做剷草除根之事，為黨國利益，不得不下此決心。2022年「自由之家」也公布台灣為自由國家，在全球210個國家中排名17。
中壢事件後，黨外民主運動聲勢上漲，他認為「流氓、地痞、政客，以及不法叛亂份子企圖搗亂之現象日益明顯，且有共匪和台獨做他們的後盾」、「康（寧祥）、黃（信介）、張（俊宏）、林（義雄）之類，被共匪利用，從事破壞搗亂和打擊。文：陳翠蓮（台大歷史系教授） 2023年1月13日是蔣經國去世35週年。
