Sur- 澀 淡墨

青草茶/山當歸/百里香油

海的風味, 絲瓜蛤蜊的發想

 竹炭和紫菜做的脆塔

鹹檸檬調味的野生海瓜子

豆薯脆片

山的風味, 原住民風味組合

小米做的餅皮

刺蔥馬告鹹豬肉的內餡

慣例的豆漿麵包和味噌奶油

桂花/鳳梨/紫蘇

炙燒炭烤的白旗魚魚背肉/鮭魚卵

酸豇豆和芥末的醬汁/黑蒜點綴/香草油

黑蒜稍微搶戲了點, 有點蓋過另一個醬汁的風味

阿薩姆紅茶/佛手柑/冬瓜/橙花

秋天大地的味道

梅乾菜/紅茶製成的醬烤地瓜

搭配Q軟的洋薏仁和紅麥仁, 以及炸的牛蒡

煙燻的牛蒡油和胡椒粉提味

相當喜歡的一道菜

搭配paring 的感覺也很好.

據說主廚是從老樹紅茶發想出梅乾菜和紅茶的組合

透抽和干貝做成餛飩外皮

 裡面包著透抽鰭邊和川七和墨魚醬

配上烏賊話梅湯以及花椒油

視覺/風味/口感上都相當吸引人的一道料理

強烈的鮮味點綴花椒的感覺很棒

午仔魚

東南亞的叄巴醬拌米形麵

秋葵脆片

魚的火候掌握得不錯

炭焙烏龍/紅石榴/迷迭香

炭焙感只在尾段出現頗妙

跟去年秋冬一樣的主菜, 鹽焗鴨胸

熟成三天的鴨胸帶著輕微發酵的風味

常見的咖啡巧克力中添加了麻油, 提升了醬汁完整性

大頭菜千層作為味覺切替表現不錯

酒釀蘋果冰淇淋/柑橘果凍/桂花

蕎麥楓糖製作成的冰淇淋/黑芝麻蛋白餅/甘納豆

冰淇淋的質地相當好

之前來訪, 最有印象的是餐點的調味

這次則是從各方面感受到餐廳的進步

依舊大膽又豐富的調味,

 多樣變化的食材口感, 

魚料理和肉料理在火候掌握上的日益成熟

Paring 和料理的搭配平衡協調.

整套料理呈現方式以及主題性

期待下次, 希望還訂得到:Q

MINIMAL

RéeL法國鄉土料理

出餐速度大增, 遺憾的是品質也下降

同樣的鴨胸料理, 

左邊是今年, 右邊是去年

不管是肉的熟度, 皮的口感都輸給去年.

品料理

 

真相製造

1. 2016@比利時
   實體與線上的Ghetto
   
1. 在社交網站上釣魚
1. 極端化的社交舒適圈
2. 移民後代看不到未來的希望
1. "我也是查理" 對穆斯林青年而言意味"你不是查理,你是恐怖分子"
3. 極端化的兩個關鍵
1. 對自身或是環境的失望和不認同
2. 人格特質中的積極性
1. 對於正義, 榮譽感的追求.
4. 給予自我認同和建立自信, 能避免過度極端化
1. 也可以說是創造能參與社會的環境
5. 這不僅是對穆斯林青年有效果, 針對白人至上主義份子等其他的極端團體, 也能利用一樣的手法.
   
   
2. 2017@法國
   拿回我們的國家和媒體吧
1. 數位出版科技的普及, 讓建立不實內容變得更簡單
   網路, 則讓發布不實內容變得更簡單
   社群媒體讓散布不實內容變得更簡單
2. 最能對抗不實敘事的, 恐怕不只是真假的證明, 而是告訴選民這是"誰幹的"
1. 將大眾的注意力引導至謠言的製造者, 傳遞者和來源
3. 與宗教, 科學不同, 資訊只要相較之下的真實
4. 嚴格來說, 原始資訊並不存在, 資訊永遠是有觀點的.
   
   
3. 2109@印尼
   當民主成為online game
1. 統計報告裡點出, 花越多時間, 越多金錢在網路上的人, 越容易分享假消息,
1. 即使有些人能夠分辨不實資訊, 他們依然會分享
2. 先看出那條消息的來源是誰, 他是不是詮釋了資訊, 加了個人意見.
3. 政府透過強力要求網路平台管控不實言論, 很容易傷害言論自由
1. , 如果真的是為了保護民眾, 應該培養消費者對政治宣傳和不實資訊的免疫力.
4. 政府建立的打假機制如果透明性不足, 打假工具可能成為政府審核言論自由的工具.
1. 政府自身為賽局的一部分, 造成核實上的不利
2. 如果政府是謠言的受害者, 他們就會很有效率
3. 如果謠言攻擊的是在野陣營, 他們就消極被動
   
   
4. 2019@德國
   統一三十年, 德國能否再次讓高牆倒下
1. AFD, Alternative fur Deutschland, 德國另類選擇黨
2. 權力和關注會改變一個人, 極端政黨為了爭取選民注意, 豪不吝嗇地展現自己的彈性.
1. 避開困難的議題, 好比貨幣制度, 經濟之類的
2. 聚焦在簡單, 容易帶入負面情緒共鳴的議題, 在德國這類話題是移民
3. 非黑即白簡單的口號.
3. 社群媒體的設計, 除了讓使用者更極端化, 更關鍵的是人為的操縱
1. 廣告投放者在傳遞訊息時, 能夠過數據進行個人化的精準投放和心理側寫, 對不同背景的使用者打造文宣
1. 個人化的政治宣傳
4. 人們對於全球化下浮現的複雜問題, 都已失去耐性, 中間溫和派的政治主張, 這幾年來沒有滿足人們的期待, 人們越來越需要一個簡單的答案
5. 情緒極化, emotionally polarized
1. 大部分人在真的接觸到對方之前已有成見, 聽到他者和自己的政治立場不同, 情感上會先直覺地否定對方.
2. 社群媒體上的同溫層傳來的資訊, 不論真假的強化, 支撐了自己的偏見.
   
   
5. 2020@中國
   官民一體, 網路牆國, 向全球灑下宣傳天網
1. 審查, 轉移焦點, 謊言
2. 宣傳與審查是一個硬幣的兩面, 在中國, 這製造了長久以來的矛盾, 
1. 官方負責公布法令, 指導方針
2. 民間企業投入資源, 技術以及人類進行審查
3. 企業為了自保, 就會增加審查力道
4. 網路審查最終影響全球對疫情的判斷
3. 網路管理:震攝, 強攻與審查
1. 透過公權力上門, 讓人自我恐懼, 自我審查,
4. 內容農場替中國官方與大眾口味對接, 可讓議題被一般人理解, 同時也是金流的橋樑, 讓預算流進行銷公司或是個人口袋
5. 官方力量造就的同溫層, 大規模的社群輿論控制.
   
   
6. NOW@台灣
   平行世界間的資訊攻防戰
1. 內容農場以流量為導向的經營策略, 以觀看數為分潤依據的寫手文化, 導致內容的走向刻意去迎合觀看者, 強化同溫層而極化團體.
1. 放下自身專業進行業配的傳統媒體, 模糊了廣告與新聞報導的界線, 讓閱聽者的辨識能力下降
2. 透過社群分享的內容, 閱聽者在會以分享者和自身的關係好壞, 去判斷這則訊息的真實度
2. 訊息不一定涉及真假, 但那些意圖操控, 運用假帳號及提高聲量的做法, 影響更為劇烈
3. 2018年以來, 為了壓制不實資訊和抵抗境外勢力, 政府公部門在網路上的聲量逐年上升, 另一方面, 民主的運作和公民的討論空間卻受到威脅
1. 政府的"二二二原則"
1. 兩張圖, 配上20個大字, 少於兩百個字的說明
4. 社群時代產生新類型的政治幕僚, 他們以聲量為一切的依歸, 將現實和數據結合, 根據社交平台上的風向和輿論熱度, 來決定貼文的形式, 頻率, 政治議程
1. 政治人物也依據聲量和風向, 來決定自己該對那些議題進行回應
5. 以上原因導致公部門在溝通時, 重視情緒操作而勝過政策說明
6. 一旦有執政者不同的意見, 即使有科學根據和事實支撐, 也會遭受到聲量部隊的輾壓式攻擊.
7. 人喜歡激烈的批判, 喜歡一錘定音的東西， 他喜歡你看完後,從此不用再想這個問題, 我有這個答案, 從此我就抱著這個答案到死我都不要改變, 最輕鬆.

雜訊

1. 尋找雜訊
1. 犯罪量刑與雜訊
1. 實驗和統計都顯示, 不同法官對相同案件的判決有很大的落差
1. 甚至與星期幾或是當天氣溫有關係
2. 一個解決方式是採用量刑基準, 數字化罪刑嚴重度, 再以數字為基準, 限縮最高最低刑罰的區間, 但這限制了法官的自由裁量權
   
   
2. 系統雜訊
1. 系統雜訊遠比想像的大
1. 受過同樣訓練的保險業人員, 對於相同案件的理賠金的判斷相差極大
1. 系統雜訊帶來了保險業的損失
2. 系統雜訊會戳破意見一致的錯覺
3. 簡言之, 只要有判斷, 就會帶來雜訊, 而且程度超乎想像
   
   
3. 單一決策
1. 單一決策意味無法重複重現的決策環境
2. 也可以將單一決策視作\只發生一次的重複決策
1. 換言之, 一樣有雜訊, 有偏誤
   
   
2. 你的頭腦同時也是一把尺
1. 什麼是判斷
1. 判斷:由人的頭腦做為儀器的一種測量
1. 和意見與品味不同, 多數情況, 判斷問題應該具備有限的分歧
2. 預測型判斷的好壞評估:
1. 如果存在結果, 可以直接比較
2. 或著比較判斷的過程
3. 評估型判斷取決於判斷者的價值觀和偏好.
1. 好比從多個求職者中取一
   
   
2. 誤差的測量
1. 以MSE(Mean Square Error)來說, 減少偏誤或是雜訊對準確性影響相同
1. 減少預測性判斷中的雜訊是有用的
2. 在做判斷時, 準確性應該是唯一目標
1. 必須把價值觀和事實分開
   
2. 採用外部觀點
   
   
3. 雜訊分析
1. 水準雜訊是不同判定者呈現不同判定的變異程度
1. 不同判定者的平均判定的變異
2. 不同教師的平均給分.
2. 型態雜訊是單一判定者對不同案例的變異程度 
   
3. 場合雜訊, 可以包含在型態雜訊, 是來自某一判定者自身的雜訊
1. 同一判斷者對同個案例, 在不同時間做而產生的變異
4. 我們期待完美的判定世界, 但現實充滿雜訊
   
   
4. 場合雜訊
1. 判斷就像是罰球, 無論我們多想精準重現, 兩次罰球總是會有不同
2. 人的判斷取決於心情, 取決於天氣, 不是永遠不變
3. 人和上週的自己的相似程度大於和他人的相似程度,
1. 普遍而言, 可以預期場合雜訊不會是雜訊的最大來源
   
   
3. 群體如何擴大雜訊
1. 在會議裏面, 前面幾個發言者的意見往往會決定了群體的最終走向
1. 資訊瀑布, informaitonal cascade
1. 當個體對自身持有的資訊不具備足夠信心, 因而決定跟隨之前發表者的意見, 最終造成公開的資訊庫不具參考價值
2. 這降低了集體智慧的價值
2. 群體極化, group polarization
1. 經過討論之後, 群體最後的決定往往比個人的傾向更加極端
   
   
2. 判斷與模型
1. 人們認為做判斷時, 展現出思考的複雜性, 並增加細緻的考量會增加準確性, 效度錯覺(illusion of validity)
2. 這種複雜性往往會弄巧成拙, 不會提高簡單模型的準確性
3. 判斷的雜項的影響很大, 因此沒有判斷的簡單模型, 有時候會比人類更準確.
   
4. 簡單來說, 人會因為自己用了複雜的規則和觀察進行判斷, 而對自己的判斷有著過高的信心.
   
   
3. 無雜訊的規則
1. 如果有足夠的數據, 機器學習的表現會比人好, 也會比簡單模型好
2. 考慮到雜訊的情況, 甚至簡單的規則和演算法也會比人類判斷有優勢
3. 相等權重模型在數據不夠的情況下表現不錯
1. 相等權重:所有項目都給予同樣比重的線性總和
4. 不同意模型時, 要明白是討厭預測結果, 還是真的有特例沒被考慮清楚.
   
   
4. 客觀的無知
1. 不確定性和訊息的不完整讓完美的預測變成不可能
2. 凡是預測, 就會有無知, 而且無知也許比我們想像的更多
3. 如果一個人相信自己的直覺是基於內在訊號, 而非其真正知道的任何事情, 他其實否認了自己會有客觀的無知
   
   
5. 常態之谷
1. 關於人類事務的相關係數常常落在在0.2 (和諧率0.56) 左右
2. 相關性不代表因果關係, 但因果關係可以帶出相關性
3. 大多數正常事件不在我們預料之中, 也不會令人驚訝, 所謂的常態之谷
1. 可以解釋出因果, 並不意味著可以透過這因果進行預測
4. 兩種思維模型
1. 統計思維, 關注全體, 聚焦在統計數字
2. 因果思維, 創造出人物和物件互相影響的事件.
5. 後者我們比較習慣使用, 但前者預測能力比較好
   
   
4. 雜訊的產生
1. 捷思法,偏誤與雜訊
1. 捷思法, heuristics
1. 用比較簡單的問題替代了應該要回答的問題, 
1. 把相似度與可能性互換的思考法
2. 把難易程度和頻率互換的思考法
3. 我相信某個觀點嗎? -> 我信任提出觀點的人嗎?
4. 我對整體生活滿意嗎? ->我現在心情好嗎?
   
   
2. 結論偏誤
1. 未審先判
1. 判定者有特定喜好, 因而選擇性的收集證據並做解讀, 創造符合期待的判斷
2. 情感捷思法:和我們喜歡的公開人物沾邊的東西都喜歡
3. 錨定效應
   
   
3. 過度追求連貫性
1. 為了保持觀點一致, 而讓證據的順序影響了判斷, 
2. 前面幾個證據迅速的形成印象,  之後因為堅守這印象而產生偏誤
   
   
2. 配對
1. matching, 將主觀印象在量表上找到一個數值的行為
1. 好比評鑑的1-5顆星
2. 這邊探討的是強度量表, 任兩者之間存在高低關係
2. 人類在強度量表上的區辨能力有限, 同樣的形容詞對不同人有不同的意義
3. 人在給予分數的時候很難保持一致性
1. 但是對於兩兩相比沒有問題, 建議採用先排序後評分
   
   
3. 量表
1. 有時雜訊的來源, 是人們對於量表的理解不同
2. 書中例子, 受測者針對固定案件的懲罰金額
1. 分別統計了三個面向, 懲罰意向, 憤怒程度, 裁決金額
2. 其中前兩者使用了0~6的量表, 金額則是受測者自行輸入
3. 結果中, 裁決金額有最高的雜訊, 
1. 但如果將金額的部分從數字大小改成排序先後, 藉此消除水準變異,  剩餘雜訊則和懲罰意向靠近
3. 這意味著定錨效應一定程度上可以消除雜訊, 排序往往比直接給予量級準確.
   
   
4. 型態
1. 人在做結論的時候, 往往會過度自信, 忽略了不利證據的解讀
2. 型態雜訊可以來自於性格的不同, 價值觀的不同給予項目不同的比重
3. 型態雜訊可能是暫時的, 又稱場合雜訊, 來自短期內的影響, 好比最近的新聞.
4. 對雜訊而言, 性格的獨特性不一定是好事
   
   
5. 雜訊的來源
1. 
   
   
2. 作者提出, 常見場合的型態雜訊往往佔系統雜訊的60%左右 
   其中穩定型態雜訊又比場合雜訊大
3. 簡言之, 對雜訊而言, 個體之間的差異大於個體內的差異
   
   
5. 提升判斷力
1. 優秀的判斷者, 卓越的判斷力
1. 榮譽專家: 有些領域中, 判斷是無法驗證的, 該領域中的專家形成基於同儕之間
1. 榮譽專家擅場建構脈絡連貫的故事
1. 把所看到的事實, 恰如其分的構成一個連貫的故事, 藉此激發信心
2. 信心捷思法讓人們相信這類專家
2. 判斷品質的關鍵:訓練有素, 聰明, 正確認知風格
1. 也可以說, 取決於既有知識, 思考能力和思考方式
3. 換言之, 在需要從不同意見中做出選擇時, 而自身對這專業一無所知時, 我們應該選擇聰明, 而且抱持開放心態的思考方式的人
   
   
2. 移除偏誤和決策保護
1. 如果已知某種偏誤將會影響決策, 那可以在事前或事後進行修正
1. 事前調整又可分推力或拉力
1. 推力, nudge, 減少偏誤的影響, 或著更進一步地, 希望讓偏誤產生較好的決策
1. 修正觀測結果, 自動加入的退休計畫
2. 拉力, boosting, 偏重讓決策者體認到自身的偏誤, 藉此克服
1. 學習統計等
2. 事後修正常常類似加入緩衝的概念
2. 一個中立的決策觀察者可以即時診斷偏誤
   
   
3. 辨識科學的資訊排序
1. 只要有判斷, 便會有雜訊, 即使是看似完全客觀的指紋辨別
2. 再給予過多資訊的情況下, 辨識人員的判斷會因此產生偏差
1. 好比知道之前的辨識結果, 或是案件調查狀況
3. 如果給出第二意見的人知道第一意見, 那第二意見就不具獨立性
   
   
4. 預測的挑選與總和
1. 取出四個獨立判斷的平均值, 就能消除約一半的雜訊
2. 保持開放心態, 像是永遠的測試版
3. 討論一個問題前, 先找找相關的基本機率是多少
4. 對優秀的團隊而言, 意見多元性很重要
   
   
5. 醫療診斷指引
1. 醫生之間的雜訊水準也很高
1. 診斷癌症, 心臟病或是判讀x光片時會出現歧見
2. 統計結果顯示, 診斷日是禮拜一或是禮拜五, 診斷時間是早上或是晚上, 都會影響判斷結果
3. 為了防止雜訊, 標準化的醫療指引提供較為機械化, 客觀的方式進行評估
   
   
6. 績效評鑑量表的制定
1. 績效評鑑中,有高達3/4 是系統雜訊
2. 導入360度評鑑和強制排序法並不一定能解決問題
3. 大量的水準雜訊來自於評鑑者對於基準值的不同想法, 適當的給予案例做定錨會有幫助.
   
   
7. 人才招募結構化
1. 在傳統面試哩, 第一印象以及追求連貫性會讓面試官過度的認為自己了解求職者.
2. 中介評估法, 先為人事選拔增添架構, 清楚知道工作職位所需的條件, 解構出各個面向, 再從各個面向獨立的對求職者進行評估.
   
   
8. 中介評估法
1. 如同徵才,  結構化流程也適用在做決策時
2. 謹慎的選擇那些該作為中介評估項目.
3. 結構化流程並非反對直覺和整體判斷
1. 只是直覺導入的時間延後, 先透過分析來決定中介評估項目, 在獨立個別的評估以確保資訊充足, 直到要下決策時在回歸直覺和整體評斷.
   
   
6. 雜訊的最適水準
1. 減少雜訊的成本
1. 減少雜訊是需要成本的, 並不是所有場合都適用
2. 減少雜訊的同時要兼顧偏誤
1. 好比透過禁止特定詞語來降低雜訊, 會導致言論上的偏誤
3. 換言之, 設計指引的時候要思考是否隱含了偏誤
   
   
2. 尊嚴
1. 人需要面對面的互動, 即使這些互動可能帶來雜訊
2. 過於注重消除雜訊的行為, 可能會帶來太過僵化的規則
1. 人們也會嘗試尋找漏洞, 更會也會限制人的創意空間
3. 總言之, 要尊重人的尊嚴
1. 為了將來的演變留下足夠空間, 並且確保不影響創意的發揮
   
   
3. 規定與準則
1. 規定可以讓生活簡化, 減少雜訊, 而準則讓人可以視處境來進行調整
2. 選擇要採用規定還是準則時, 要考慮實行的難易度以及哪種可能產生比較多的錯誤