歐美免費視訊交友www.38kky.com

月幔由何種物質組成，一直是難證實的謎團。中國科學院研究團隊藉由「嫦娥四號」對芬森（FINSEN）隕石撞擊坑「濺射物」的數據分析，證實了月幔組成以橄欖石為主的推論。月球早期演化的理論認為，月殼由是岩漿中較輕的斜長石等成分上浮結晶形成，而像橄欖石、輝石等較重的礦物則下沉形成月幔；但這樣的月幔組成理論，至今仍未能被具體數據所證實。有學者提出假設認為，隕石撞擊月球所形成的環形山、猶如一口深鑽井，有可能因為隕石撞穿月殼，進而將月幔的物質成分「濺射」到周邊月面；而最佳檢驗地點是位於月球背面、直徑達2500公里、深13公里，也是最古老的隕石坑：南極－艾特肯盆地（SPA）。嫦娥四號（CE-4）探測器今年1月3日成功降落SPA的馮卡門隕石坑，此處的月球表面相對平緩利於降落，且不遠處就是芬森小隕石坑，其被撞擊後噴濺外射的物質，可能會散落到這裡。北京青年報報導，玉兔2號月球車與著陸器分離後，其攜帶的紅外線成像光譜儀獲取到兩個探測點的高品質光譜數據；經中國科學院國家天文台研究員李春來所領導的團隊分析發現，與月球正面的玄武岩質光譜吸收特徵存在顯著差異。分析顯示，馮卡門隕石坑的月壤物質中橄欖石相對含量最高、低鈣輝石次之，僅含有很少量的高鈣輝石；研究團隊認為，此礦物組合是芬森小隕石坑的「濺射物」，源於月幔的深部物質，證實月幔富含橄欖石推論的正確性。此次研究成果於美東時間5月15日下午，在「自然」（Nature）期刊線上發表，題目「Chang'E-4 initial spectroscopic identification of lunar far-side mantle-derived materials」，由中國國家天文台、中科院上海技術物理所與地球化學所等3單位共同完成。

編者按：隨著人工智能的普及，其背後不断發展的智能算法也在各種決策中發揮著越來越重要的作用。然而，就算法理解、使用實踐、自動化決策中快速滲透的偏見甚至缺乏透明度和問責制等方面問題，仍然尚存爭議。前不久，就有媒體爆出，亞馬遜自己研發的人工智能簡歷篩選系統，就存在“偏見”，並且會自動過濾女性求職者。人工智能偏見到底是怎麼一回事？著名分析師Benedict Evans專門針對這個問題發表了一篇題為Notes on AI Bias的文章，希望對你有所啟發。圖片來源：DigitalOcean如今，機器學習是科技領域重要的基本發展趨勢之一。在未來十年，要通過科技更廣泛地影響和改變人類世界，機器學習也是非常主要方式之一。然而，機器學習也讓人產生了不少顧慮。有人擔心它對人類就業會帶來潛在的不利影響，也有人擔心過度依賴機器學習可能會觸及人類的道德底線，當然也有人討論人工智能偏見所帶來的一系列問題，這些問題一點都不簡單，這也是這篇文章討論的重點。什麼是人工智能偏見？原始數據既是一個矛盾體，又是一個壞點子。所以，我們應該精心處理並分析這些數據。——傑弗裡·博克爾（Geoffrey Bowker）在2013年之前，如果你想開發一個軟件系統，並用它來識別照片中的貓，你可能只有通過寫程序的方式來實現這個目的。在程序腳本中，你可能需要關注的是如何識別並分析圖片中的動物輪廓、眼睛以及動物皮毛。此外，你還需要關注這些動物有多少隻腿等等。然後再把所有的因素綜合一起考慮。然而，這樣的程序實際上並沒有多大的用處。從概念上來說，這就好比製造一匹機器馬一樣。從理論上來說，的確行得通。然而實踐起來，卻又是另一回事，你會發現事情的複雜性，要比你想像的難得多。最後，你有可能寫了成百上千條腳本程序，也沒有得到任何有用的結果。借助機器學習，我們就不再需要親自寫腳本程序來識別X或Y。相反，機器學習的做法是，通過收集上千個樣本X和Y，並基於這些樣本的有關數據通過電腦對其建模。然後，該數據模型就會產生具有一定精準性的全新數據點，同時可以識別其是否符合所有的X或Y樣本的特徵。機器學習需要借助數據來建模，而不是通過人工寫這個模型程序。這種方式生成的結果高度精準，特別是用於識別或模式發現等情況下。因此，整個科技領域如今都在往機器學習方向發展。不過，有一個問題也值得我們關注。在現實社會中，上千個（甚至上萬、上百萬個）樣本X和Y中，同樣還包括A、B、J、L、O、R和P。它們可能沒有平均地分佈，從而系統可能會更加“關注”L和R，而稍微“忽視”了X。這在實踐中又意味著什麼呢？我可以通過自己喜歡的例子來說明。圖象識別系統會傾向於分析一張滿是綠色草地的山丘，然後識別出山丘上的綿羊。多數“綿養”的樣本照片背景中，都有綠色草地。畢竟，這是羊群通常生活的地方。而這些照片樣本中，相比於白色茸毛狀的綿羊，綠色草地則會顯得更加突出和明顯，所以整個圖象識別系統就會把對草地的權重加高，從而更“關注”草地。圖片來源：Cubix如果要用更“嚴肅”的案例，就不得不提到最近一項關於通過照片識別皮膚癌症的項目。在這個項目中，皮膚病專家把患有皮膚癌症的照片樣本拿來研究，通過對圖象的不斷放大併進行局部結構分析，從而讓系統不斷熟練地識別皮膚癌症的標記。但實際上，健康皮膚的照片樣本中根本都不存在他們想找到的局部結構。對這套系統而言，這些局部結構（或者可以理解為一格格像素）是分析並設別皮膚癌症的關鍵，有的情況下它們比皮膚上的小紅斑點還明顯。因此，與其說這個系統是用來識別皮膚癌症的，不如說它是用來識別這些局部結構的。值得注意的是，機器學習背後的系統，實際上並不瞭解我們所觀察事物背後的語義。我們可以通過識別並理解照片上的一格格像素，從而識別出那隻羊、皮膚或者其局部結構，但系統能識別出的卻只是一串列數字。它無法看到3D景象，或各種物體和其結構，當然也看不到那隻羊。它只能看到的是各種數據模式。此外，另一個具有挑戰的事情是，機器學習系統生成的模型（即神經網絡）包含了不計其數個節點，但我們卻無法直接深入模型內部並瞭解它到底是如何做出決策的。否則，機器學習根本就是多餘的，我們也許可以直接通過寫腳本程序來解決這個問題。很多人總是擔心，機器學習就像一個黑匣子（不過，這個觀點的確有點誇大其詞。後文還會進一步闡述）。簡言之，人工智能偏見（或者機器學習偏見），實際上是某個尋找數據模式的系統可能會找到錯誤的模式，而我們人類還有可能不會察覺這個錯誤。它是這項科技的核心附帶品。無論是在學術界還是大型科技公司，研究和使用這項科技的人都瞭解這個事實，但其影響卻是非常複雜的，而我們可能應對的解決方案，也同樣沒那麼簡單。首先，先談它的影響。圖片來源：Health Catalyst人工智能偏見的場景提到人工智能偏見，最明顯也最直接出現這種情況的場景就是涉及人類多樣性的場景。據前段時間的報導稱，亞馬遜嘗試建立一套機器學習系統，從而來篩選求職者的簡歷。因為亞馬遜現有成員以男性居多，所以這套系統所挑選的符合標準的“合格候選人”畫像也更偏向於男性，所以在挑選建立過程中就自動過濾掉了很多女性求職者。亞馬遜隨後發現了這個問題，後來也沒有再繼續開發這套系統。這個案例的關鍵點在於，即便求職者簡歷上並沒有標明其性別，系統在自動篩選過程中仍能偏向於男性求職者。之所以導致這樣的結果，是因為系統能夠從樣本數據中進行模式分析，比如女性在描述個人成就的時候會使用和男性不同的詞彙，又或者女性在學校參加的體育運動和男性也不同。當然，系統肯定不知道什麼是冰上曲棍球，不知道人類是什麼，當然也不知道什麼是“合格”，它可以做的，只不過是對文本進行數據分析罷了。然而，系統可以分析的數據模式，我們人類卻並不一定可以注意到。即便我們注意得到（比如我們所知的不同性別在描述個人成就方面所選詞彙的不同），我們可能也會因此耗費大量精力和體力。當然，人工智能偏見的場景遠不止於此。擅長通過蒼白皮膚識別皮膚癌症的機器學習系統，可能根本無法識別顏色較深的皮膚上可能存在的皮膚癌症，反之亦然。這並不是因為系統對樣本有偏見，而是我們可能需要針對不同樣本而建立不同的分析模型，從而找出不同的特徵。機器學習系統也並不是可以互通交換使用的，即便是圖象分析這種同類型的應用當中。你必須對這套系統結構進行不斷的調整，有時候為了識別你感興趣的數據其固有特徵，還需要不斷地試驗和試錯，從而達到期望的準確率。然而，你可能無法覺察到的是，這個系統在識別某個群體樣本時準確率可能達到98%，但識別另一個群體樣本的準確率卻只有91%（即便這個準確率仍然比人工分析的準確率還高）。目前我列舉的案例都是以人物或者其有關特徵為主。但更重要的是，人工智能對人的分析偏見實際上是某個大問題中的一個子問題。我們會用機器學習來分析很多事物，而樣本偏見則存在於所有的分析之中。因此，如果我們的樣本是人的話，那相關的數據分析則可能存在一定的偏見。圖片來源：SmartData Collective為了更系統地瞭解這個問題，我們可以再次回到之前提及的皮膚癌症案例，並同時考慮以下三種可能被打破的假設情況：樣本人口特徵不均勻：所有樣本照片中，各種膚色的皮膚樣本並不相同，所以系統會基於皮膚膚色做出錯誤的分析判斷。樣本數據包含明顯的非平均分佈的非人類特徵信息，並且毫無診斷價值，但系統卻基於此（樣本皮膚癌症照片中的一格格像素，或者樣本羊群照片中的綠色草地）而不斷進行分析訓練。在這個案例中，如果我們把所看到的像素當作局部結構（實際並不是）來分析的話，結果就可能相差甚遠。數據所包含的某些特徵信息無法被人類察覺發現，即便通過某些特定方法仍然無法發現。那麼，“即便通過某些特定方法”又意味著什麼呢？我們的先驗經驗告訴我們，數據可能會有傾向性地偏向一部分群體，或者至少會有類似的計劃（換句話說，要猜測為什麼數據會偏向一部分群體，其實是因為多種社交因素導致的）。如果我們想要發現樣本照片中的局部特徵，我們是可以看見的。但我們選擇了忽視它，因為我們知道它是不相關因素，但我們卻忘記的是，系統對此卻全然不知。然而，如果所有的不健康皮膚樣本照片都是在白熾燈的照射下拍攝的，但健康皮膚的樣本照片卻都是在螢光燈照射下拍攝的，這又會出現怎樣的情況？如果在拍攝健康皮膚樣本照片和拍攝不健康皮膚樣本照片的間歇期間，你更新升級了手機的操作系統，而蘋果或者谷歌剛好又更新了降噪算法，這又會導致怎樣的情況？這些情況，即便我們投入再多精力，我們可能還是根本無法察覺，但機器學習系統卻可以輕鬆地察覺並利用這些情況。畢竟，它什麼都不知道。此外，在這之前我們一直在討論錯誤的相關性，但數據中其實也有很多非常正確的模式，只不過基於一些道德因素、法律因素或者產品相關的因素，我們並不想利用這些數據模式。在某些司法管轄區域，即便我們知道女性司機的車禍率可能更低，我們也不能因此降低她們的保費。所以，我們就可以輕鬆地假設，可以借助機器學習系統，結合歷史數據並發現看起來像女性名字的被保險人其報保險的機率更低，從而從數據中排除這些名字。但是，就像前文提到的亞馬遜案例一樣，系統也許可以通過其它因素辨別出分析對象的性別（儘管系統可能並不瞭解性別或者汽車等概念），但在瞭解相關數據分析之前，你可能卻全然不知。最後，我們通常都說，目前我們只會利用機器學習系統從事有關人際社交交往的研究和學習，但實際上並不是這樣。如果你是燃氣渦輪機製造商，你可能就會對機器學習系統感興趣。因為借助機器學習，你可以對成百上千個渦輪機感測器實現遠距離測量（通過聲音、振動、溫度以及感測器反饋的其它數據信息輕而易舉地建立機器學習模型）。假設情況下，你可以從中篩選出1000份出現故障即將停止運轉的渦輪機工作數據，同時還可以篩選出另外1000份正常運轉的渦輪機工作數據。然而，你可以以此建立一個機器學習模型，從而分析兩種數據之間的差別。分析相關數據後，假設75%的故障渦輪機都是用的是西門子生產的感測器，而只有10%正常運作的渦輪機使用的是西門子感測器（同時假設故障與感測器無關）。然後，你就會發現，機器學習系統建立的數據模型，就會更加“關注”裝有西門子感測器的渦輪機。圖片來源：Hacker Noon如何管理人工智能偏見？針對人工智能偏見，我們能做的是什麼？首先，我們可以從三個角度來思考人工智能的偏見：收集和管理訓練數據的方法嚴謹性；分析和診斷數據模型行為的科學工具；機器學習實踐過程中的培訓、教育和注意事項。在法國喜劇作家莫里哀（Molière）著作的《貴人迷》（Bourgeois Gentilhomme）一書中，講述了這樣一個笑話：一位男子活了一輩子都不知道文學可以分為詩歌和散文，直到別人告訴他後，他才欣喜地發現，原來他這輩子只接觸過散文。如今的統計學家，也可能有類似的體會。他們這輩子可能都在從事研究工作，但就是沒有意識到“人工智能”和“樣本偏見”兩個不同命題。擔心存在樣本偏見，或者尋找樣本偏見，並不是新問題。只不過，我們需要系統性地對待這個問題。正如前文渦輪機案例所述，在某種程度上，如果只涉及到和人相關的主題，它可能實際上（或者從理論的角度）就會相對簡單一點。因為先驗經驗告訴我們，針對不同群體可能存在一定偏見，但我們沒有意識到的是，我們可能對西門子存在偏見。而更新的觀點是，我們並沒有再直接地對數據進行分析，而是讓機器通過建立我們無法直接分析的超級複雜的模型來完成這項作業。整個過程中，透明度就是與偏見相關的值得考慮的主要問題之一。我們擔心的，並不只是可能存在偏見，而是我們根本無法知道是否存在偏見，這對我們來說是全新的事物，和我們所接觸過的組織機構或自動化流程也不同，所有並沒有可以讓你回顧審查的清晰邏輯步驟。圖片來源：Symmetry Magazine在某種程度上，我們可能可以回顧審查機器學習系統，但要去審查其它系統，則更加困難。因此，這就引出了以下兩個問題。首先，目前關於機器學習的研究主要圍繞借助相關方式和工具，發現機器學習系統中的亮點功能。但機器學習是一個全新領域，相關科學進步速度也非常快，所以我們不應該假設，今天還不現實的事情，明天就一定不現實。馬斯克牽頭成立的AI研究機構OpenAI旗下的這個項目，就是活生生的例證。此外，在現有的系統或組織架構中，我們可以審查並瞭解系統決策制定的這個想法，雖然理論上是成立的，但實踐過程中卻存在很多問題。比如，在一個複雜的組織架構中，要審查並發現決策制定的方法非常困難。也許存在一個正式的決策審批流程，但這並不是人們實際溝通交流的方式，而且就個人決策而言，人們通常也沒有邏輯清晰同時又極具系統性的方法。正如我的同事維傑·潘德（Vijay Pande）所言，人類群體也是黑匣子。在這個黑匣子中，有不計其數的個體，他們縱橫交錯與各種組織和機構中，背後還連帶著著各種數不清的複雜問題。我們事後才知道，宇宙飛船在重返大氣層時會解體，但美國航空航天局（NASA）內部不少人士都認為，後面可能會釀成悲劇，但系統自身卻對此全然不知。同時，NASA之前在損失宇宙飛船後，也經歷過一模一樣的審查流程，但後來卻因為相同的原因，又損失了一艘宇宙飛船。所以，無論是組織機構，還是人類系統，我們可以審查其遵循的清晰邏輯規則，說起來的確簡單，但經驗告訴我們，並不是這麼回事。這就是所謂的蘇聯國家計劃委員會謬誤（Gosplan fallacy）。圖片來源：shutterstock在本文中，我一直將機器學習和數據庫（特別是關係數據庫）做比較。關係數據庫是一項新的基礎技術，它改變了計算機科學中已經證實的事物，同時也改變了宏觀世界，它被運用於各行各業，但我們卻未曾注意到它。但數據庫也存在問題，而且這些問題都有相似的特徵：這些系統可能是建立在錯誤的假設和數據之上，很難分辨，而我們人類在使用過程中，可以不假思索地聽命於系統提示，並且完全不會提出相關質疑。有很多故事都在講，稅務局把你的名字拼錯了，但說服他們修改系統的拼寫錯誤，比你在公安機關申請改名字要難得多。這是結構化查詢語言（SQL）固有的技術問題，還是甲骨文公司（Oracle）的問題，或者是大型官僚機構的制度問題？建立一個所謂的流程，從而讓系統無法修改拼寫錯誤到底有多難？或者在引起民眾投訴之前，發現系統出過類似問題，又有多難？用更簡單的生活實例來講，車載衛星導航系統沒有及時更新，車主跟著導航把車開進了河流中。這裡的問題是，導航系統的確沒有及時更新。但另一個值得關注的問題是，如果這輛車順流漂向海中，那Tomtom公司（荷蘭主營地圖、導航和GPS設備的公司）需要承擔多少責任？通過這些內容，我想說明的是，機器學習出現之前，世界上就存在各種問題，當然有各種解決方案。機器學習偏見也會導致問題，但同樣也是可以發現和解決的。因此，最容易想到的出現人工智能偏見的場景，可能並不是來自權威機構的核心研究實驗室，而是一些三流技術承包商或軟件供應商，他們胡亂地把各種開源組件、軟件庫以及工具拼湊在一起，在自己不懂的前提下，就直接將其出售給了一些“天真”的買家。這些只在乎“金玉其外”的買家，看到“人工智能”標籤就根本不考慮該問的問題，然後直接將這套軟件交給公司底層領著最低工資的員工，並且告訴他們文不加點地按照“人工智能”的提示操作就行。這就是數據庫出現的問題。這個問題，甚至都算不上是人工智能的問題，或者說軟件問題。更準確的說，這是人的問題。圖片來源：House of Bots寫在最後……機器學習系統可以為你做任何事情。你能訓練狗完成的事情，機器學習系統也可以完成。只不過，你完全無法確定的是，你到底在訓練狗做什麼。我經常都在思考，“人工智能”這個詞彙是不是在類似的背景中百無一用。它在很大程度上給我們造成一種錯覺，即我們實際上創造了智能，一種可以真正進行理解的智能，然而，實際上卻並不是這麼回事。從根本上而言，它們只不過是機器罷了，也許更恰當的做法，是把它和洗衣機拿來對比。就洗衣服而言，洗衣機的確要比人工效率高得多，但你把盤子放進洗衣機並開啟洗衣功能後，它還是會洗這些盤子，而且盤子也還是會變得乾淨。但最後的結果，肯定不是你所期待的結果，因為洗衣系統對盤子有偏見。洗衣機肯定不知道什麼是衣服，什麼又是盤子，它只是一個自動化機械。從概念上而言，它和之前其它不同的自動化機械也並沒有太大的區別。也就是說，正如汽車、飛機或數據庫一樣，這些系統可以非常強大，同時又非常有侷限性，並且完全取決於人們如何使用它們，或者我們到底有什麼企圖，甚至人們對這些系統原理的教育或無知程度。所以，如果說人工智能就是數學，它不會出現偏見，就大錯特錯了。同理，如果說機器學習本身也存在偏見，這種說法也站不住腳。機器學習是在數據中發現模式，至於是什麼模式，則取決於數據，而數據又取決於我們，我們怎麼利用它也是取決於我們。機器學習在某些領域的表現遠遠超過我們人類，就像狗比人類更擅长發現毒品等違禁物品一樣，但我們卻不會根據狗的證據來定罪。狗比其它任何機器學習系統都要聰明。本文經授權發布，不代表36氪立場。如若轉載請註明出處。來源出處：36氪

記者陳金龍／台中報導    32歲陳男休假返鄉在家突昏厥，家人趕緊將其送至童綜合醫院急救，到院後無呼吸心跳，經醫護人員進行按壓搶救  15分鐘，男子即恢復呼吸心跳，但人仍昏迷，送加護病房進行低溫療法，將陳男體溫控制在  32至  34℃，延緩腦部氧氣代謝，避免細胞短時間內大量死亡，讓神經受損率下降，避免病患成植物人的風險，保護腦部功能。 童綜合醫院心臟內科醫師李俊毅表示，陳男住院隔日，經進行心導管與心電圖等檢查，確診陳男罹患少見的布魯格達氏症候群，因心臟電流出現異常，嚴重者會出現心室顫動引發猝死，第  3天恢復意識後，持續積極治療，並檢查確定其無腦部損傷情況，但須進行基因檢測以進一步確診罹患布魯格達氏症候群，而因男子目前工作與居住地位於北部，所以決定要回北部醫院進行後續治療，住院  12天即出院。 李俊毅指出，布魯格達氏症候群又稱為突然猝死症，心臟結構通常無異常，但會因為基因缺陷或心臟電流異常，而造成心律不整而昏倒、痙攣，嚴重甚至死亡，多好發於青壯年時期，常在身體無異常狀況下突然昏倒或猝死。 李俊毅說，患者常因為心室顫動而死亡，所以可以手術植入去顫器，進而監測心臟節律，如有異常時，適時的給予電流來導正心律節奏，避免猝死的發生。 李俊毅提醒，因布魯格達氏症候群患者本身不易察覺罹病，若家族成員中曾有人莫名昏倒或猝死，最好到心臟科進行心電圖檢查，確認是否屬於遺傳到危險基因變異的高危險群，以利進行治療，預防猝死的風險產生。

文／楊子偉昨（22）日的民進黨中執會，歷經會議直播中斷、總統初選參選人賴清德使用黨中央資源召開記者會等爭議，已經嚴重引發黨主席處事不公、能力不足的疑慮，傷害支持者對民進黨中央的信任。▲民進黨中執會22日討論總統初選相關事宜，黨主席卓榮泰（中）宣布散會下周三再討論，遭批評沒收中執會。（圖／翻攝直播畫面）對此，卓榮泰透過黨務系統表示，有邀請參選人雙方至會議現場，並無不公情事，試圖止血。但若比照三分說詞與實際狀況比對，立即可發現卓榮泰說法不堪一擊，並呼應一句俗語：「為了圓一個謊，必須說更多謊。」第一個可疑之處，在於如果雙方都有邀請，但臨時的決定，對總統初選候選人而言，必然需要中斷當下行程，怎麼可能在短短二十分鐘內即可抵達黨中央？唯一的可行性，就是當下根本沒有行程，早就等待「召喚」。這個推論，透過卓榮泰那張預先擬好的強硬聲明與中斷議程，可得到明顯的佐證。第二個可疑之處，是對照蔡英文陣營發言人阮昭雄的說法，指出蔡總統在昨天並未收到任何出席黨中央活動的邀約訊息，林錫耀也未被黨中央要求轉達邀請蔡總統，相關的陳述不是事實。阮昭雄進一步指出，該說法的時間序列前後矛盾，既然當時賴清德已經在主席辦公室，又怎麼還會有林俊憲委員去邀請賴前院長的事情？此外，所謂邀請的說法，實際上也是陷蔡英文於不義。試想，若總統中斷原訂的公務行程，前去參與初選協調，豈不是將公事放一旁，政黨擺第一的意思嗎？別說反對黨，就連民進黨支持者都難以接受。第三個可疑之處，是破壞了黨中央作為選務機關的中立性。按照慣例，黨中央的記者會場，並不開放給初選階段中的特定候選人，以免瓜田李下之嫌，唯一的例外，是協調已有成果，並且各參選人都到場，同台表達團結之意。如賴清德這種個人秀記者會，在過去是難以想像的。基於上面三點，只能得出一個結論：卓榮泰的私心與能力不足，讓民進黨的民主機制受到極大威脅，與其稱呼卓為主席，或許呼應賴清德的臉書文，稱呼卓為秘書長，恐怕更為合適吧？又，根據卓榮泰最新的臉書文章，也不難發現最大的問題點在於「場景四」，既然有高達二十多位中執委連署提一案，又何來「多名委員爭執不下」？回顧會議當時，實情是「絕大多數中執委」與「卓榮泰林俊憲」在爭執不下。讓人不得不再次懷疑，卓榮泰主席，你真的有做到中立的要求嗎？更多三立新聞網報導撇「台獨金孫」封號！賴清德：我出身貧寒，從來都不是金孫賴清德影射週刊報導為國家機器介入 總統府駁斥：不可能提新方案挨批 賴清德：絕對不是偷襲 我是一番苦心遭質疑「沒收中執會」 卓榮泰臉書還原中執會現場自清

台灣的便利超商服務多元，不僅有代收包裹、代繳水電費服務，超商店員還要會泡咖啡、珍奶、影印等18般武藝樣樣精通，被網友稱作是「超人」。不過，近日有一名超商店員在臉書社團「爆怨公社」指控，竟有民眾半夜打電話給他問「那裡現在沒有下雨？」PO文一出，令網友感嘆「現在便利商店還要兼報氣象嗎？」原PO指出，最近半夜正在理貨，卻接到一通非常荒謬的電話，讓他憤而PO文，到底有誰會在三更半夜打電話到便利商店問，「現在我這裡有沒有下雨？」原PO氣到還在內文中曝光來電者電話開頭，「09XX開頭的就是說你不用懷疑。」而PO曝光後，引起網友熱議。網友表示，「現在便利商店還要兼報氣象嗎」、「每個人臉上好像都寫着天氣預報，是不會出門瞄一下外面天空唷」、「大夜遇到這種事心很累」、「就當成日行一善 心情好一點」、「原來還有這種服務」、「便利商店的服務越來越多了」、「我會說：狂風暴雨，山崩地裂」、「原來有這隱藏功能」此文也釣出其他感同身受的服務業店員留言表示，「我還碰過打來問對面正骨的電話」、「上次遇到一個打來問能不能幫他叫計程車的，現在4大超商都有life機可以用根本來亂的」、「我曾經是百貨公司總機，每個假日都有人打來問天氣」、「還有人曾打給早餐店問隔壁早餐店有沒有開。」更多 TVBS 報導中風父死亡仍堅持急救 家屬嗆醫：這樣怎領終身俸 把握好天氣！下週鋒面接力「雨彈炸全台」 做好防災準備 遊民無助蹲路邊 司機大哥迴轉送便當：我知道餓的感受 慢性自殺！ WHO曝：7成疾病都是這行為害的

【早安健康／石村友見（「零位訓練」創始者、瑜珈教室代表）】體重沒變，腹部卻戲劇化變平坦的原因 下方的照片，是我七十一歲的父親實行零位訓練三週後的變化。 我希望大家注意的地方，是他的腰部位置。原本我父親的腹部像妖怪一樣突出，後來回復到「像人類的輪廓」。 雖然他原本的體重並不重，但在腹部凸出的影響下導致他身患腰痛。當他進行零位訓練後，體重減少了一些，腹部明顯變緊實。在腹部變緊實後，整個身形變得更好看，臉部也往上拉提，充滿男人味，看起來年輕了十歲以上。 三週後，父親笑著跟我說：「這好像不是我的身體一樣！」此時長年折磨他的腰痛也幾乎感覺不到了，宛如生出羽翼般地全身舒暢。 經過測量發現，我父親的腰圍，居然少了5公分。 明明體重沒有多大變化，為什麼會出現這種情形呢？像我父親這樣，手腳及上半身都不胖，唯有腹部肥滿凸出來的人，似乎不在少數。 這類型的人，很容易被判定為「內臟脂肪過多」，但是事實卻未必如此。至少我父親就不是這樣，因為他的體重並沒有多大變化。 實際上，很多人都很煩惱一個問題，那就是明明體重比年輕時沒重多少，為何身材卻大大走樣？後續我會再詳細說明。 其實零位訓練除了能讓身體各部位的位置回復到原始的零位之外，同時還是一種能夠鍛鍊到體幹的運動。 總而言之，大部分做過零位訓練的人，「都能在改善身材的同時，還能順便燃燒脂肪減輕體重」。實際上，我的學員當中就有人一個月瘦了九公斤，此外陸續有人瘦了五公斤、七公斤。儘管如此，我會刻意介紹我父親體重沒多大變化的案例，其實是想讓大家了解，造成腹部肥滿凸出的原因並非在於內臟脂肪，而是在於「腰部的位置」。 以我父親為例，由於缺乏運動、長時間坐著工作以及姿勢不良等因素，才導致腹部無力，使得腰部從原本的正確位置往前凸出，於是內臟及脂肪才會被推擠到前方來而已。 因此，之前只是腰部線條不見了，看起來肥胖罷了。 觀察照片即可明瞭，我父親頸部及腹部從往前凸出的位置，逐漸往後方移動，三週後全身便往內側縮回來，身材也變纖細了。 光是站著就能使必要的肌肉變得緊實拉提！下一頁看讓「凸出腹部神奇凹陷下去」的零位訓練方法 隨著日子一天天過去，腰部位置一步步接近零位，最後光是站著就能使必要的肌肉變得緊實拉提。 大家肯定知道，肌肉比脂肪重。像我父親的案例，原本脂肪量就不是太大問題，因此在脂肪變化成肌肉的過程中，體重是很難降下來的。但是由於腰部位置出現了劇戲性的改善，因此凸出的腹部才會神奇地凹陷下去。 就像我父親這樣，只要讓腰部回歸零位，除了腹部之外，全身體型都能獲得改善，讓你的身材變纖細。 咳嗽硬腹升降梯 本文摘自《修身顯瘦の零位訓練》／石村友見（「零位訓練」創始者、瑜珈教室代表）／采實文化 … 延伸閱讀：

【早安健康／張承宇報導】餃子是台灣常見的平民美食，家家戶戶都有自家的獨門內餡配方，讓簡單的一道水餃也能有多種口感變化，更不容易吃膩。而日本醫學博士建議，不妨試試將羊肉做為餃子內餡，不但能換換口味，羊肉在所有肉類中也屬於相對低脂、低卡的肉類，而且透過羊肉的營養成分，還能幫助減少三酸甘油脂，降低心血管疾病風險，既美味又健康！ 三酸甘油脂過多增加心血管疾病風險，羊肉韭菜餃可望幫助預防 日本呼吸器專業醫師、醫學博士大谷義夫表示，餃子同時含有蛋白質、維生素、碳水化合物、脂肪5大營養素，是能夠攝取均衡營養的食物之一，而如果使用羊肉搭配韭菜製成餃子餡，還可能具備減少三酸甘油脂的效果。 三酸甘油脂過高，會使壞膽固醇增加、附著在血管壁上，提高高血壓、動脈硬化風險，而大谷義夫指出，羊肉中的不飽和脂肪酸是豬肉的2倍之多，每100g中就含有180mg不飽和脂肪酸，能更有效幫助減少血液中的三酸甘油脂。另外餡料中也建議加入韭菜，其中的大蒜素也有減少三酸甘油脂的效果。 另外，日本秋津醫院院長秋津壽男也表示，每100g成羊肉的「L-肉鹼」高達210mg，是豬肉的7倍，可望幫助脂肪燃燒。日本醫師山田惠子指出，曾有研究發現，L-肉鹼有助於減少血液中的膽固醇、三酸甘油脂，而若是缺乏L-肉鹼，則可能會造成心律不整、倦怠等問題。 而雖然適量吃羊肉餃子可能有助於減少血脂、促進燃脂，但台灣營養師簡子勻也曾在受訪時提醒，包餃子為求美味，往往會選擇脂肪較多的絞肉，水餃皮也屬精緻澱粉，升糖指數較高，同時餃子的熱量依內餡不同，約在35～60卡左右，並不算少，因此還是不能吃太多，以免發胖。 降脂水餃自己包！下一頁看美味又好吃的羊肉水餃做法！ 專治自律神經、減肥門診醫師郭育祥也曾在文章中表示，一般外面賣的水餃，3顆的熱量就大約等於一碗白飯，容易一不小心就攝取過多熱量，一定要多加注意。 羊肉韭菜餃製作簡單，幫助降低三酸甘油脂 材料 醬料：蒜泥、生薑、蠔油、酒、砂糖、芝麻油各1小匙。 做法：大白菜、韭菜切碎，在碗中與羊絞肉混合，再加入所有醬料混合均勻，再包成餃子即可烹煮。 … 延伸閱讀：

記者 溫子豪 報導端午飄粽香，網購宅配到家最方便。Yahoo奇摩購物中心與超級商城預購起跑，主攻湖州粽與南部粽，全面79折起；momo購物網集結知名飯店熱銷粽，預購7折起、禮盒滿2,000元現折200元；松果購物蒐羅「得獎名粽」開賣雙味組與包中禮盒，主攻小家庭與考生；生活市集設置「端午品好味」專區，超過百樣商品免運費、再下殺2.8折起。「粽」市場1年商機高達3億元，其中8成集中在端午節。由於少子化、小家庭結構，消費者多偏好小組數、多口味的粽子組合，一次訂購10~15顆，單顆價格在40~80元間。Yahoo奇摩祭出湖州粽、南部粽等民眾最愛的口味，像是南門市場立家湖州蛋黃鮮肉粽、嘉義福源肉粽、台南楊哥楊嫂肉粽等，購物中心與超級商城預購價全面79折起。momo購物網攜手竹南懷舊、寶來發、青葉台菜、亞緻天香樓、嘉義福源、億長御坊...等知名廠商，推出「肉粽早鳥購」專案，600多組粽子預購全面7折起，預估年銷量將成長2成。momo摩天商城集合各式端午禮盒，包含紅豆食府冰粽禮盒、傻瓜肉粽招牌滿漢粽禮盒…等，價格下殺8折起，指定商品滿2,000元折200元。松果購物發現，傳統肉粽銷量仍為最大宗，占比約5成，而素食粽有崛起趨勢，熱銷前10名中就有4個為素粽，網友對創意口味粽則充滿興趣。因此與各大知名店家合作，強化粽子口味，並鎖定小家庭、年輕客群，打造「口碑雙味組」與「包中禮盒」，讓民眾除了能吃到不同於傳統口味的粽子外，還能在考季祈求考運順遂。生活市集則主打「平價粽」，販售單顆50元以下的高CP值粽子，口味聚焦傳統台灣粽、湖州粽與客家粽，並開發「一口粽」商品，滿足想嘗鮮又怕熱量超標的消費者，在平台上設置「端午品好味」專區，超過百樣商品全部免運費、下殺2.8折起。原文出處相關文章

法網即將在5月底開打，台灣一姐謝淑薇今年採取新策略，輕鬆但積極的備戰，希望法網能有好成績。法網是紅土賽季的最後一站，將在5月26日開打，謝淑薇今天(18日)在臉書PO文，說明她最近在沒有教練團督軍，僅在法國男友陪同的情況下，四處比賽的心得。『今年紅土圈輕鬆備戰，法網前的比賽，團隊裡一個圈內人也沒有，只有(男友)溫柔哥陪伴。（溫柔哥不是教練，跟運動圈也一點關係也沒有，只是團隊裡也沒其他人了，加減入場幫忙一下，總不能坐以待斃啊！）』儘管最近紅土球場單打連三敗，但是謝淑薇對於自己整體表現還是感到滿意。「出乎意料的單打還有對戰前20前50的勝仗入手，雙打也表現得不錯，拿到從來沒拿過冠軍的馬德里站冠軍。」她覺得在法網之前的比賽，盡力就好，不用硬拼，維持良好的狀態到法網更重要。「這次目標就是身體健康，多多休息。能搶分很好，不能就安全結束紅土賽季就是最好的結果！畢竟之前有兩位選手在紅土上比賽比到腿腳斷掉，著實讓我覺得很可怕……。」謝淑薇去年法網前的紅土比賽太密集，雖然取得不錯的成績，但是在最重要的法網，單雙打都在首輪就慘遭淘汰，所以今年要試試新的戰略。「去年打到法網時，整個虛脫，今年試試新的戰略，目前覺得很滿意！……接下來幾天也要積極備戰法網，希望能有更好的狀態出賽。」法網即將公布種子選手名單，謝淑薇本周單打排名25，有望列為種子。謝淑薇從2006年開始參加法網，單打表現平平，3勝8敗，最佳戰績是2017年打到32強。雙打2014年和中國彭帥搭檔贏得冠軍。(本文轉載自中央廣播電台)

心臟內科名醫楊宗燁之前在節目上分享娶「極品妻」後的血淚史，他平均月薪雖高達30萬元，但為滿足老婆各種需求，搞到自己戶頭只剩下300多元，故事在網路上引起熱議。最終他終於鼓起勇氣與老婆離婚，近日他在上節目，談到離婚後的生活，坦言脫貧很久了「現在比較自在，很快樂。」名醫楊宗燁日前上節目《新聞挖挖哇》，談到自己雖然平均月薪高達30萬元，但因為前妻愛亂花錢，甚至要求讓一對兒女都用最好的，連念的幼稚園一年都要價50萬元，導致自己經常入不敷出，像是人肉提款機兼外傭，甚至還要跟別人借錢墊房租，最慘時戶頭只剩下300多元。最終他終於提起勇氣離婚，近日更在節目中透露已離婚約3、4個月，除了擺脫貧窮外，也有更多時間可以陪伴孝順父母，他也感嘆過去結婚5年來，連除夕夜也被前妻要求「只能回家半小時」。楊宗燁坦言離婚後的生活「比較自在，很快樂。」離婚後自己的收入、存款都交給媽媽打理，加上媽媽有投資股票，也承諾「有賺算你的，損失我吸收！」不過現場來賓紛紛提醒，「不能說都靠別人，媽媽不能照顧你一輩子。」其實早在楊宗燁結婚前，媽媽就不看好這段婚姻，楊宗燁在節目上自爆，當時帶前妻回家時，她做什麼事都「90度鞠躬」，讓媽媽覺得「很奇怪、很假」，媽媽也曾看面相提醒，「這個人很刻薄，會一直罵你。」不過最終楊宗樺還是走上婚姻這條路，為了自己的幸福賭上一把，結果到頭來這段婚姻仍以離婚收場。更多鏡週刊報導日圓飆破0.29 換10萬元現虧15碗拉麵同婚登記明上路 蘇貞昌籲公務員：不歧視，祝福每對新人搭商務艙遇「往生體驗」 網友：看到火要跑喔