這是去年八月申請教育部計畫所寫的論述，沒通過。哈。
構成探索之旅的真正要素並不在於發現新景物，而是以新眼光來看景物。
－普魯斯特（Marcel Proust）
根據《Cheers》雜誌於 2012 年 8 月所進行的「台灣上班族工作風格大調查」，有高達 54.5% 的人一天工作 10 小時以上，台灣上班族普遍工時過高早已是不爭的事實，若然可以在工作中得到樂趣、自信，那麼還能夠樂在工作，可是實際情況呢？同一份調查亦指出，工作者所嚮往的工作風格，前五名分別是「自由彈性」、「自我實現」、「團隊合作」、「展現本色」、「獨立自主」，然而，受訪者卻指出最能描述當前工作風格的卻是「聽命行事」、「多工並行」、「團隊合作」、「刻板僵化」、「獨立自主」等，顯示出在理想與現實之間的差距與矛盾（Cheers雜誌，2012 年 9 月）。
今天跟一位學長聊到這個，把部分內容記述下來。
我認為雲林的城市意象策略，是很正確的方向，以「農業」為主。在繼續說明之前，我想先以高雄為例，我一直認為高雄最具代表性的意象是「愛河」及「海洋都市」，可惜的是，愛河與海洋其實並沒有與高雄人的生活接合。也就是說，當我們提到威尼斯、杭州等城市時，你會想到的是什麼？而在你腦中浮現的畫面，就是你對那個城市的意象，這些城市會與「水都」之名連結，不是沒有原因的，這是因為「河流」與他們的生活習習相關，已型塑成一種文化。
高雄，卻不然。高雄人的生活與愛河、高雄港的關聯性很低，因而「愛河」無法成為高雄的城市意象。僅管如此，我個人還是認為要行銷高雄，還是得從「愛河」（及「高雄港」）下手，只是在執行層次上，並不是以「觀光」的手法來強硬地連結高雄與愛河，而是先改善愛河與高雄人之間的關係，例如以愛河堤岸為主要場地，辦理戶外的活動（類似 PICNIC://）；或是再更開放愛河空間場域的使用性。
就是核四議題。
反/不反，都是個人選擇，雖然這次的態勢看起來是反核四的人居多，但我同樣也覺得離公投過關大概還有很大一段距離，不是因為大家「不反」，而是「不參與」。
撇開反與不反的議題，我比較好奇的是，在媒體的表現上，這次看來是一面倒向「反核四」，連新媒體（網路）亦然，究竟是什麼因素造成的呢？此外，我認為一面倒的情況並不是好事，對於公民社會發展可能會有負面的影響。
資訊化只是促成資訊流通的手段、工具，不應是目的。舉例來說，要將公眾訊息周知，不見得一定要建置網站、手機 APP，資訊化不見得是最佳解。
像高雄市，透過垃圾車廣播來宣達公眾訊息，高明許多！
多數人只知道我回高雄發展，是因為在台北住不慣，不過還有更深層的原因。我想總是要面對自己，還是書寫記錄之。
I. 創業
我一直都是想創業的，這念頭始於朋友的埋怨。同為高雄人的朋友，當然總有不願離鄉發展的，但這些朋友們，在難得聚首的時候，總是在抱怨工作環境多麼糟糕；當然，如果你不知道高雄現在的就業環境，你可能會單純覺得就是抱怨而已。看看上圖，享有勞、健保居然不是最基本的就業保障，而是拿來競爭的條件之一，高雄的就業環境還能有什麼期待呢？
當然，聽到朋友抱怨，一方面應和他們的話語，另一方面我也總是在思考：「你不是還有選擇嗎？」高雄的就業環境再糟、再差，我們總有選擇的不是嗎？最後最後的選擇，不就是自己開創一個良好的工作環境！
這就是我想創業的原因。因此，我總是在思慮著如何形塑職場文化，打造人性化的工作場域，至於營業項目是什麼、商業模式是什麼，壓根還沒想清楚；另一方面，我現在待的公司就已經符合我想達成的理想目標，看來也沒有繼續追求創業的必要性了。
II. 第二大都市
我不想屈服。
攝影師的指示，我都不想遵守。
「老公，看往左上方。」「老婆頭往下。」「來，笑開點。」「老公，眼睛睜大！」
我壓根不太相信能拍出符合我期望的作品。
出乎意料。成品確實符合期待。
原來，否定專業，對未經歷之事物預設結果，不啻為無知。
僅僅只是在捍衛小我，自我膨脹。
上星期趁著移動，看了一本小說《WWW.甦醒》，內容甚是有趣，只是我覺得結尾處理不佳，有點草草結束之感。
不過我對其中引用的文獻《The Origin of Consciousness in the Breakdown of the Bicameral Mind》很感興趣：
在可信的歷史時代以前，人類的意識其實並不存在。他說，直到三千年前，腦的左右兩半都還沒有真正融合——人有兩室制的心智。凱特琳從亞瑪遜網站的讀者評論上得知，許多人就是不懂活著卻沒有意識的意思是什麼。
那麼，假如我們把現在的人工智慧視做只有左心室的心智，而右心室的心智會是什麼？又該怎麼聯結到目前的人工智慧演算法當中？
意識。我很期待意識到我自己意識到機器在意識。
我以為我是想瞭解「設計」才去讀設計但其實，我只是想去指責設計人並沒有採用我所認知的「設計」而設計這是
傲慢。
學期末感想。
類神經網路是人工智慧常提的演算法，運作原理仿效生物的神經網路，簡單說，就是建造一個黑盒子，然後丟資料集進去訓練這個系統。整個系統的運作，就如同人類大腦會根據結果正確或錯誤，回饋並修正。
有趣的是，一般的資訊系統都希望解構系統的黑盒子，而類神經網路卻是重構黑盒子來解釋系統，像極了人類的大腦網絡。
而讓機器得以思考的關鍵，究竟是解構人類思考模式並邏輯化重現；抑或是建構一個黑盒子，使其自然學習，然後再來解構這個人類創造的機器思考黑盒子呢？