娛樂城38kky.com

建國科技大學昨（二十五）日舉行「限石玩樂，園力崛起」校慶園遊會猶如萬國夜市，許多外籍學生不約而同當起一日攤販，體驗一下台灣夜市文化。雖然活動只有短短幾個小時，江金山校長勉勵學生要從活動中去體會當老闆很不容易。彰化建國科大昨日舉行校慶園遊會，各班及社團都設攤共襄盛舉，由於正逢假日，天氣晴朗，有許多學生家長也都到場參與，現場熱鬧滾滾。由於艷陽高照，販賣消暑飲料的攤位最多，其次在夜市很受歡迎的雞排、紅豆餅、涼麵、炒泡麵、大腸包小腸、烤鮮蚵攤位都大排長龍。外籍學生也依不同國別設了不少攤位，販賣該國特色小吃，其中越南學生親自製作越式涼拌青木瓜絲，吃起來有戀愛的感覺，馬來西亞學生則是現場炒粿條，蒙古學生則販賣有北國風情飲料，緬甸學生則是親手製作當地特色小吃。此外，也有不少班級設置遊戲攤位，讓同學玩得開心，學校社團則登台表演熱舞、花式調酒、民歌演唱等，都贏得台下熱烈掌聲。建國科大吳聯星董事長目睹學生熱烈參與校慶園遊會十分開心，他說這就是學校辦學目標「活力」的展現無遺。江金山校長則表示，這次全校各班及社團都動員起來，設置的攤位五花八門，發揮團體的凝聚力，他也看到有些攤位還請家長來助陣做技術指導，讓家長也參與學校活動，讓家長親睹學校用心辦學所做的各項努力。江金山校長並表示，平常同學很喜歡去逛夜市，吃吃喝喝自由自在很幸福快樂，如今自己設攤做生意，雖然只有短短幾個小時，仍然會體驗到要當老闆很不容易，也很辛苦，賺很不好賺，也可以從中體會到父母辛苦賺錢供給子女讀書的苦心。他希望明年會辦得比今年更好。

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

（中央社記者吳佳蓉台北25日電）今年3、4月統一發票今天開獎，統一超商及全聯共有5名幸運兒中1000萬元特別獎，5名中200萬元特獎。全聯福利中心表示，有位民眾只花了新台幣8元在三重天台門市購買報紙，就中千萬元獎金。今年3、4月統一發票中獎號碼，特別獎（1000萬元）為03802602；特獎（200萬元）獎號為00708299，頭獎（20萬元）3組分別是33877270、21772506及61786409。全聯表示，3、4月共有1位消費者獲得千萬元大獎、1位獲得200萬元特獎，特別的是，其中中千萬元特別獎的那張，消費金額只有8元，是購買1份報紙，小額消費就中大獎超幸運，開出地點為三重天台門市。另1張200萬元中獎發票則開在宜蘭五結門市，購買品項包括愛之味牛奶花生、味丹隨緣素肉骨泡麵、韓式泡麵、當歸藥膳湯麵、烹大師干貝、光泉黑芝麻豆漿、中華雞蛋豆腐、火鍋豆腐及全聯購物袋等，共485元。統一超商說，本期有4位消費者中千萬大獎、4位中200萬元特獎，雲端發票百萬專屬獎得主則有2位。統一超商表示，4位千萬得主，1人是在高雄市三民區國城門市購買35元麵包，1人在新北市淡水區渡船頭門市消費95元，1人在台北市松山區小巨蛋門市消費58元，1人在新北市新莊區興洲門市消費88元。4位200萬元特獎得主，則是1人在台中市南區義興門市購買70元甜點，1人在宜蘭縣三星鄉立昇門市花費120元，1人在南投縣信義鄉信義鄉門市花費105元，1人在高雄市燕巢區樹科門市花費69元。2張雲端發票專屬獎則獎落台南市永康區永龍門市及新北市新店區百豐門市，分別消費40元及147元。（編輯：李信寬）1080525

（優活健康網記者 張桂榕／綜合報導）糖尿病除了會造成視網膜病變、腎病變、神經病變三大併發症外，牙周病也已被列為另一大併發症。長期高血糖引起免疫體質改變，而導致牙周病感受性增加及病情容易惡化，也就是說糖尿病患者發生牙周病，約為一般人的3倍，且糖尿病病史越長，牙周病症狀也會越嚴重。因此糖尿病患者應定期做牙科檢查，以利早期治療。臺北市立聯合醫院陽明院區口腔醫學科顏瑞瑩醫師表示，有些病患因為常常牙肉到處腫脹、牙齒鬆動造成吃東西不方便來求診，我會問：「你平常有沒有吃降血糖的藥？」如果回答有，我就再補一句：「那你糖化血色素多少？」得到的答案通常都比8%大；如果回答：「我沒有在吃降血糖藥」，那我就會說：「你應該去掛個號抽血看看血糖喔！」除了是牙周病專科醫師的直覺以外，實在是因為糖尿病與牙周病的關係真的很密切。糖尿病患有牙周病機率，比一般人高3倍牙周病是因為細菌分泌毒素引起發炎反應而造成牙周組織破壞，所以說牙周病是一種感染也是一種發炎反應。長期高血糖引起免疫體質改變，使得糖尿病患者對感染的抵抗力下降，也讓身體長期處於發炎狀態，這些都與牙周病不謀而合。所以，高血糖導致牙周病感受性增加，也就是說糖尿病患者較容易有牙周病發生，約為一般人的3倍。糖尿病患者傷口不易癒合是因為膠原蛋白代謝異常，除導致傷口容易惡化且復原能力降低，因此一旦有牙周病，病情也會因此加重。若有植牙，發炎感染的機會也會大大提升。相關研究指出有嚴重牙周病的糖尿病患者血糖不易控制，患者除了配合糖尿病的飲食控制、藥物治療，也要到牙科門診進行全口牙齒檢查及牙周治療，唯有雙管齊下，才能對血糖控制及牙周病病況有相輔相成的效果。糖尿病患者也能進行口腔手術！糖尿病患者如果有考慮牙周手術、補骨手術或植牙治療的話，建議先至牙科門診評估，先進行牙周治療及其他感染控制，才能進一步施作侵入性較高的手術。在血糖控制良好、牙周狀況得到控制的情形下，牙科治療的成效與一般患者無異。

【羅開新聞中心Thomas綜合報導】中華高協的年度旗艦大賽－台灣業餘高爾夫錦標賽，五月二十八日至三十一日將在南投縣南投市的南峰高爾夫俱樂部點燃戰火，本屆台灣及日、韓、泰、紐、澳、中國等十二支隊伍，百餘位選手參賽，包括前來衛冕的我國選手劉永華和泰國女將Atthaya Thitikul（阿塔雅•提蒂卡）。這場為紀念台灣高球運動推手何應欽將軍的全國業餘高球賽事，創辦於1990年，早年名為敬公盃，後改稱台灣業餘錦標賽，去年因備戰雅加達亞運，加上協會改選理事長籌備不及而停辦，今年復辦。中華民國高爾夫協會理事長王政松表示，這是國內業餘高球年度最盛大的賽會，為了表示慎重，中華高協特派選訓會主任委員邱鳳玉於四月下旬，特別親赴日本茨城縣的Women's Amateur Asia-Pacific Championship（亞太女子業餘錦標賽）現場廣邀亞洲各國好手與會，並獲得各國代表熱烈迴響。賽前最受矚目的選手是泰國高協代表提蒂卡，2017年在揚昇高爾夫俱樂部主辦的這場比賽以九桿之差強勢封后，兩週後更在家裡進行的Ladies European Thailand Championship（女子歐洲泰國錦標賽），以十四歲四個月又十九天寫下史上最年輕的女子歐巡賽冠軍紀錄。總計兩年來，提蒂卡在全球各地各共贏得十三座大大小小的冠軍，包括去年在新加坡進行的首屆亞太女子業餘錦標賽，上個月的衛冕之旅屈居第二，目前業餘世界排名第七，名列本次賽會第一高手。韓國高協也展現我國高協的深厚交情，派出今年The Queen Sirikit Cup（泰后盃）個人賽冠軍徐宇貞（Uhjin Seo）和第三名的李藝媛（Ye Won Lee）參賽，兩人目前業餘排名分居一百一十一和一百四十六，後者另外在亞太女子業餘錦標賽名列第三。我國女子選手由盧昕妤領軍，四月下旬在首屆C.T. Pan Junior Championship（潘政琮青少年錦標賽）贏得女子組冠軍，而兩年前勇奪台灣業餘錦標賽的劉永華，則試圖在不同球場完成二連霸業。2019年的台灣業餘錦標賽有來自我國、日本、韓國、泰國、香港、中國大陸、菲律賓、馬來西亞、新加坡、紐西蘭、澳洲、緬甸等十二國及地區代表參加，分個人男、女及團體男、女等四組賽事。值得一提的是，這場比賽將選拔男、女各六名國家隊員，代表我國出席今年下半年的國際賽。本次的國內參賽陣容包括上屆男、女前十名、今年春季錦標賽A、B組前十名、去年國家隊及儲備隊男、女前十名及今年佛度盃台灣錦標賽B組以上前三名。

工商時報【林燦澤╱台北報導】川普突釋善意，不排除將華為納入貿易談判協議，訊息傳出，主要亞股回穩，加以勞保基金撥款政策作多，台股持續走穩表現，傳產股及金融股撐盤，台積電也小幅彈升，指數暫時守在10,300點；但下周有MSCI新權重將生效及摩台期結算等因素，專家看受制於量能偏低市場保守氛圍濃，加以月線及季線將交叉，下周指數介於10,200點到10,650點間震盪整理，半年線關卡保衛戰未解除。君安投顧副董事長賴建承表示，雖然美股四大指數前日走弱，但川普釋出華為事件在內的貿易戰可能很快落幕訊息，讓24日主要亞股呈現回穩表現，僅韓股因前一日較強勢出現補跌，台股全場維持10,300點上震盪，指數收10,328點、小漲19點，也讓周指數跌勢縮減為55點，周線連三黑。賴建承分析，24日成交值僅1,030億元，顯示市場仍保守，近日下彎的月線將與上揚的季線將在10,650點附近交叉，加以籌碼面外資持續賣超，台指期淨多單處4.5萬餘口的相對低水位，近期新台幣走貶顯示外資的資金流出；預期下周盤勢維持震盪整理，指數區間介於10,200點到10,650點，下檔仍可能再回測半年線（約10,236點），短線看好傳產的食品、資產、生技及金融股，也可留意集團及投信的半年作帳題材股。宏遠投顧研究部副總經理陳冠升指出，就台股指數可能落底時間點，要先看6月是否有川習會，且是否有結論，若有好訊息將使貿易戰利空出盡，有利股市反彈，但若川習會不歡而散或根本沒有川習會，美中兩國繼續打貿易戰及科技戰，屆時要提防全球股市、台股大盤及個股股價再往下修正一段。陳冠升表示，科技戰使得電子股受到衝擊，應先避開之前股價漲多且籌碼凌亂的電子股，短線市場資金轉到傳產股，不過傳產股股價逆勢上漲5到15％後，本益比已高，不建議過度追價買進，還要提防美股若大跌，傳產股也會從高檔補跌。反觀第一季獲利不錯且第二季及下半年展望佳，股價漲幅較多的中小型股或回檔強勢股，可短線區間操作，股價跌深時，則可長線波段操作。

男子職業網球ATP跟國際網球總會ITF打對台，將從明年開始推出新的網球國際賽ATP杯來跟有百年歷史的台維斯杯對抗，ATP公布了第一波的國家排名，台灣因為盧彥勳被列在29位，距離24隊參賽的門檻還有一段距離，加上台維斯杯也列出國家排名，現在網球有了兩種團體排名制度。（陳楷報導）國際網總ITF舉辦的台維斯杯一年最多四輪的賽制早就讓頂尖選手吃不消，雖然今年ITF大幅改變賽制，把前18名放在一起打一年打一次，但男子職業網球ATP還是從明年推出全新的ATP杯，同時把比賽時間放在每年澳網之前而不是像台維斯杯接在年終賽後面。ATP根據該國排名最高選手列出前18個參賽國家，但規定該國必須至少有三位選手擁有ATP積分，其中兩位有單打積分，剩下六隊則在今年ATP年終賽後公布。台灣一哥盧彥勳因為肩膀開刀，已經整整一年沒有比賽，不過ATP以他申請的保護排名71名，仍然把中華隊列為第29名，亞洲只排在日本跟哈薩克之後高居第三位。過去國際網總並沒有替各國做排名，不過以國家為參賽單位的台維斯杯則會按照各國比賽層級跟成績給予積分，中華隊過去四年有三年落到亞大二級，積分只有33分，今年二月最新發佈的台維斯杯排名被列在世界第50位、亞洲也落居第十，世界第一則是法國，因為球王喬柯維奇在ATP排行第一的塞爾維亞則在台維斯杯只排第八名。

記者陳啓明／新北報導新北市一名在外求學的男大生「阿龍」（化名），他被租屋社區物業管理女秘書指控，在她喝的奶茶與礦泉水裡下藥，待她出現幻覺、意識不清，再乘機性侵得逞，女秘書事後向阿龍提告。新北地檢署審理後認為，女秘書體內雖驗出用於抗暈車貼片的東莨菪鹼（催情藥物），但因飲料未扣案，無法送交鑑定，加上兩人先前曾互傳曖昧訊息，且女秘書下體也未驗出阿龍DNA，因此認定阿龍罪嫌不足不起訴。▲女秘書指控遭男大生阿龍性侵。（圖／示意圖 資料畫面）女秘書指控，去年6月晚間，男大生阿龍以一起回台北為由，要她在租屋處房間等他，卻趁機在奶茶與礦泉水中下藥，沒多久她就陷入昏沉，直到第二天早上，女秘書男友發現女友一夜沒回家，急得到社區找人，碰巧遇到剛下樓的女友，他質問女友為何沒回家，女友竟謊神回：「有」，還一直要找手機，但手機明明就在她手上，感覺好像吃了藥還是喝了酒，女秘書清醒後懷疑被阿龍性侵，憤而對阿龍提告。阿龍到案後，否認下藥性侵，阿龍表示，當晚11時許到住處時，有朋友借他家打牌，女秘書說覺得有點累，他要對方先休息，等他打掃完再一起回台北，結果女秘書睡到第二天凌晨5時許才起床，兩人當晚並無發生性行為，但當晚凌晨0時許，他經對方同後，有親吻並撫摸對方胸部、下體。警方採集女秘書尿液及血液，驗出咖啡因與東莨菪鹼（催情藥物），但因秘書當晚喝過的飲料空盒、吸管未扣案，無法送驗鑑定；且檢方勘驗兩人LINE對話紀錄，發現兩人的曖昧關係及兩人曾數次深夜一起回台北，加上女秘書下體並未驗出阿龍DNA，因此認定阿龍罪嫌不足不起訴。x 尊重身體自主權！請撥打113、110更多三立新聞網報導妻過世想赴黃泉 男持水果刀捅腹…臟器外露慘死以為遇到變態伸狼爪吃豆腐 婦返家驚覺5萬金項鍊被摸走互換伴侶性侵女友乾姐 渣男辯：沒強迫…我們4P3機車路口追撞…騎士如「人肉保齡球」噴飛摔對向車道

【早安健康／劉博仁（醫師、營養醫學專家）】天天吃住在一起的夫妻，檢查身體塑化劑，結果先生完全無污染，太太卻有五項指標超過，為何呢？ 在我深入瞭解後發現，先生洗澡只用清水沖洗頭髮及身體，而太太會用不同的洗髮精以及沐浴乳，加上使用乳液，答案呼之欲出。 環境荷爾蒙是大家熟知的荷爾蒙干擾物質，許多食物以及生活接觸都會造成體內環境荷爾蒙累積，這些環境荷爾蒙又稱作內分泌干擾物(endocrine disrupting chemicals, EDCs)，一般來說包括鄰苯二甲酸酯類、對羥基苯甲酸酯類、以及酚類等都算是。 這些環境賀爾蒙常見來源包括一切塑膠製品、化妝品、食品包裝、定型液、黏著劑、除蟲劑、油漆、醫療器材、建築裝潢材料、鞋底、塑膠玩具、防曬乳、食品添加物、塑膠水壺、清潔劑、罐頭內塗層、紙杯內塗層、寶特瓶、熱感應紙、牙科填充材料、衣服染劑、部分藥品、動物飼料等等。 所以我建議，洗澡時只要用手工皂清洗重要部位，洗頭，用洗髮精的話，請快速沖洗乾淨，至於乳液，我也說不準，因為乳液裡頭也可能含有塑化定香劑，還是要謹慎，當然請多喝水，多吃蔬菜，運動流汗，也是對減少身體塑化劑汙染有幫助的！ 作者簡介：劉博仁醫師，2009年《商業週刊》百大良醫專刊推薦醫師、教學醫院營養醫學門診創始人。現任台北菁英診所基因營養功能醫學門診營運長、澄清綜合醫院中港分院營養醫學門診主任、台灣基因營養功能醫學學會理事長。 … 延伸閱讀：

中國時報【楊漢聲╱台東報導】2020大選台東縣區域立委選舉，民進黨由現任立委劉櫂豪挑戰連任，近日劉櫂豪動作頻頻，積極尋求中央資源協助地方爭取曝光；國民黨則在23日公布將不走初選程序，而循韓國瑜模式，採「協調式民調」要找出最強的參選人。劉櫂豪積極尋求中央資源來投入地方，包含卑南鄉後湖地區29戶申請自來水延管工程，協調自來水公司將1700萬工程經費向水利署提報，解決居民用水問題、爭取2000萬元改善太麻里金針山農路、3713萬元改善知本溫泉唯一對外道路危險路段等，積極曝光搶版面，力求明年選舉能成功勝選。國民黨台東縣黨部主委吳秀華表示，中國國民黨第10屆立法委員選舉台東縣選區參選人提名作業將採「協調式民調」進行，民意調查作業預計於6月15日至30日進行。依據民調結果，提名最強後選人代表參選，但基本條件就是參選人要意願，初步已徵得李建智及張志明兩位表態參選者的同意，歡迎其他優秀且有意願參選者在26日前跟台東黨部聯繫。至於另外也傳出有意參選的台東市長張國洲，及前任縣長黃健庭，預計2人也將被納入民調對象，形成4搶1的局面，黃健庭在擔任縣長期間，成功推動熱氣球，基層評價良好，如被納入民調對象，出線機率極高，對上民進黨現任立委劉櫂豪，將是場龍爭虎鬥，選戰將會相當激烈。