【贈書】【好書分享:立體遊戲互動書《世界上最厲害的魔術師》】
「小艾無意間發現曾曾祖父驚奇老戴的魔術收藏`,
為了將收藏交給世界上最偉大的魔術師,
小艾踏上一段魔幻的旅程……」
兒時在電視上看到大衛魔術(透漏年紀)的漂浮大峽谷、自由女神像消失等神乎其技之戲法後,深深為魔術著迷,有幾次試著把衛生紙蓋在螺弟頭上,看看能否讓這吵鬧的小東西變不見?可惜依舊存在唉(喂)~後來央求父母許久,入手了一組初學者的魔術套組,依稀記得其中有魔幻海綿球、讀心撲克牌,以及將絲巾變出一朵玫瑰等簡單道具,開心的我一遍又一遍在眼神空洞的父母前耍弄簡陋戲法,也帶到學校獻寶,有陣子被稱為魔術大師螺OO,直到被老師沒收道具為止...現在想來父母應該鬆了一口氣(後來注意力轉移至鍛鍊超能力,試圖以念動力移動鉛筆)(到底是有完沒完)。
孩童的好奇心旺盛,對未知事物皆抱有探詢、發掘之強大動力,《世界上最厲害的魔術師》正好能滿足孩子們天馬行空的想像力與創造力,盡情嬉戲玩樂。
這本立體互動遊戲書,由英國知名魔術師麥特艾德蒙森寫作,暢銷童書繪者蓋瑞帕森斯負責繪製。故事描述主人翁小艾的曾曾祖父曾是世界上公認最厲害的魔術師,能讓艾菲爾鐵塔消失(拜託各位魔術師手下留情放過各地地標),從大禮帽中變出鯊魚。身為魔術師後代的小艾同樣熱愛魔術,他在無意間發現了曾曾祖父的秘密,就此學會第一個戲法,並展開尋找世界上最厲害魔術師的大冒險。
本書突破平面二次元限制,以各種傳統或嶄新的方式與讀者進行互動,小艾在旅途中遇見水晶球夫人、逃脫王光頭銬、巨星強爺等六位魔術師,每人皆教他一個戲法,如:內褲讀心術、神奇鈔票復原術、超級逃脫術,而每個戲法都會提供一組精緻道具和使用說明書給讀者,閱讀期間可以邊看邊玩,感受新奇的閱讀體驗。
為了強化閱讀沉浸感,圖文設計皆別具巧思,不同於繪本常見的第三人稱視角,本書於不同視角中切換,有時你是旁觀小艾冒險的讀者、有時是觀看魔術的觀眾,更多時候,你就是正在變換戲法的小艾。
且文字與插畫相輔相成,作畫精緻細膩,以誇張筆觸、鮮豔色彩引發好奇心,漸進帶入幻想童話之神祕氛圍;劇情內容精彩、引人入勝,文字非條列式陳述,時而浮現於對話框、書中書或《魔術月刊》的報導中,從打開書的那一刻起,你便一腳踏進這個趣味橫生的美妙世界,即便是成人也難以自已。
作為一本遊戲互動書,《世界上最厲害的魔術師》的優點在於特別注重細節及氛圍營造,譬如魔術師阿寶擅長讓物體消失,在該章節中,以幽默插畫顯示路上行人的東西都被變不見了,舉凡嬰兒車失蹤,剩下寶寶、行進中的車子徒留方向盤、小貓咪正在逗弄的生物亦憑空消失。而以上物品均出現在戲法─「神奇消失術」的道具中,只要完成拼圖,讀者便如化身魔術師,魔杖一點,弄丟的物品一一出現。
除了探索遊玩,持續於書中尋找新發現,增進手眼協調技能外,故事最終更強調,一路上渴望學習、勤練戲法、虛心求教的小艾,已在不知不覺中成為世界上最厲害的魔術師,點出本書寓教於樂之主旨。而且最重要的是,當小孩沉迷於玩耍時,父母總算能偷閒休息,這本書真是「世界上最厲害的魔術師」(喟然長嘆)...
【抽獎辦法】如下:
1、這裡有『兩本』《世界上最厲害的魔術師》,要送給網友,有興趣的朋友請在本則動態下『按讚』+『留言』索取。
2、留言請告訴我,你最喜歡或最想學會的魔術?例如:
「《世界上最厲害的魔術師》:點石成金!!←滿腦子都是錢」
3、活動時間:即日起,至2021/9/23(四)晚上十二點截止,屆時將於粉絲團公布名單。
4、請正取得獎者於2021/9/24(五)晚上十二點前,回覆寄件資訊,超過領獎期限未認領者由備取遞補,寄送僅限台澎金馬。
#世界上最厲害的魔術師 #TheGreatestMagicianintheWorld #麥特艾德蒙森 #MattEdmondson #職業魔術師 #蓋瑞帕森斯 #GarryParsons #布萊頓大學設計碩士 #暢銷童書繪者 #布克文化 #童書 #青少年文學 #知識繪本 #魔術 #立體書 #紙上遊戲 #精裝 #全彩印刷
📖博客來:https://bit.ly/2VZ2RQW
📖momo 67折:https://bit.ly/3ztrgvs
📖讀冊79折:https://bit.ly/3nM78mc
同時也有1部Youtube影片,追蹤數超過44萬的網紅老天鵝娛樂,也在其Youtube影片中提到,老鵝特搜#353 韓國瑜/台北車站大廳禁坐令/南韓足球聯賽 ▶️ 韓國瑜質詢第二天寶貴時間猛讚議員 - 瑜能載黨 亦能覆黨 不要來高雄拉 - 我不入中央 誰救高雄 太感人拉 - 高雄禮貌大賽冠軍 ▶️ 不滿大廳地板擬永久禁坐 - 台北人眼裡的棋盤日常 - 台鐵想解決的眼中釘 - 佳龍抓起方向盤...
密 力 鐵 方向盤 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
迎接終端AI新時代:讓運算更靠近資料所在
作者 : Andrew Brown,Strategy Analytics
2021-03-03
資料/數據(data)成長的速度越來越快。據估計,人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長,現在我們也真正目睹物聯網(IoT)的成長,未來連網的裝置數量將遠遠超越地球的人口。
這包括種類繁多的不同裝置,像是智慧感測器與致動器,它們可以監控從震動、語音到視覺等所有的東西,以及幾乎大家可以想像到的所有東西。這些裝置無所不在,從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物,它們的數量將持續爆炸性成長。
資料爆量成長,讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質,在成本與資源效率、彈性與便利性有它的優點,但也有一些缺點。由於運算與儲存在遠端進行,來自終端、也就是那些在網路最邊緣裝置的資料,需要從起始點經過網際網路或其他網路,來到集中式的資料中心(例如雲端),然後在這裡處理與儲存,最後再傳回給用戶。
對於一些傳統的應用,這種方式雖然還可以接受,但越來越多的使用場景就是無法承受終端與雲端之間,資訊被接力傳遞產生的延遲。我們必須即時做出決策,網路延遲要越小越好。基於這些原因,開始有人轉向終端運算;越來越多人轉而使用智慧終端,而去中心化的程度也越來越高。此外,在這些即時應用中產生的龐大資料量,意味著處理與智慧必須在本地以分散的方式進行。
與資料成長連袂而來的,是人工智慧與機器學習(ML)也朝終端移動,並且越來越朝終端本身移動。大量來自真實世界的資訊,需要用ML的方式來進行詮釋與採取行動。透過AI與ML,是以最小的延遲分析影像、動作、影片或數量龐大的資料,唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作,在未來還將會直接在終端裝置上進行。
資料正在帶動從集中化到分散化的轉變
隨著資訊科技市場逐漸發展與成熟,網路的設計以及在其運作的所有裝置,也都跟著進化。全盛時期從服務數千個小型客戶端的主機,一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能,基礎架構持續重組與最佳化,以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存,以及資料處理的需求。
智慧型手機與其他行動裝置的爆炸性成長,加上物聯網的快速成長,促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素,包括網路的可用性、安全性、裝置的運算力,以及把資料從終端傳送到儲存設備的相關費用,近來也已轉向使用分散式的運算模型。
從邊緣到終端:AI與ML改變終端典範
在成本、資源效率、彈性與便利性等方面,雲端有它的優點,裝置數量的急遽增加(如圖2),將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的,這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸,而且從能源、頻寬與運算力角度來看,相當沒有效率。
在終端執行進階處理與分析的能力,可協助為關鍵應用降低延遲、減少對雲端的依賴,並且更好地管理物聯網產出的巨量資料。
終端AI:感測、推論與行動
在終端部署更多智慧的主要原因之一,是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方,可以更快與更準確地做出回應,同時免除不必要的資料傳輸、延遲與資料移動中的安全風險,可以節省費用。
處理能力與神經網路的重大進展,正協助帶動終端裝置的新能力,另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下,對近乎即時回應的需求。這是一個三道步驟的程序:傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作),以及採取行動(如物件是披薩,冰箱的壓縮機發出正常範圍外的聲音,因此發出警告)。
感測
處理器、微控制器與感測器產生的資料量相當龐大。例如,自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化,並且與以往相比,會搜集更多的資料。
它們搜集到的資料極具價值,但每次都從各個終端節點把資料推回給雲端,數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行,就可以大幅提升效率。
推論
終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時,就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜,機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作,這對體積越來越小的裝置,極為關鍵。
例如,圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具,訓練高效能的意法半導體(ST)微控制器(MCU),以轉換成最佳化的程式碼,讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像,而且準確度相當高,而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣,轉移到在終端運作的MCU本身。
行動
資料一旦完成感測與推論後,結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉),或針對應用情況進行最佳化(戴耳機的人正在移動中,因此會針對穩定度而非音質進行最佳化),或是回饋迴路(根據裝置訓練取得的機器學習,輸送帶若發出聲音,顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧,因為這些能力提升後,運算力也會因此增加。在我們使用新的機器學習工具後,一些之前在雲端或終端完成的關鍵功能,將可以移到終端本身的內部進行。
終端 AI:千里之行始於足下
從智慧型手機到車輛,今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務,從最簡單到最複雜,並需要各式各樣的能力。例如,應用處理器是高階處理器,它們是為行動運算、智慧型手機與伺服器設計;即時處理器是為例如硬碟控制、汽車動力傳動系統,與無線通訊的基頻控制使用的非常高效能的處理器,至於微控制器處理器的矽晶圓面積則小了許多,能源效率也高出很多,同時擁有特定的功能。
這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作,之前必須透過威力更強大的元件才能完成,但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能,例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。
隨著更多功能在較小型的終端進行,這將可以省下資源,包括資料傳輸費用與能源費用,同時也會產生極大的環境衝擊,特別是考量到全球目前已有超過200億台連網裝置,以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。
TinyML、MCU與人工智慧
根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示:「令人相當興奮的是,我還不知道我們將如何使用這些全新的裝置,特別是它們後面代表的科技是如此的吸引人,我無法想像那些即將出現的全新應用。」
微型機器學習(TinyML)的崛起,已經催化嵌入式系統與機器學習結合,而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型,過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型,耗電量只有數毫瓦。
物聯網環境中有數十億個微型裝置,可以為各個產業提供更多的洞察與效率,包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持,可望改變我們處理物聯網資料的方式。
受惠於TinyML,微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別),以及動作(例如震動、溫度波動等)。啟用這些功能後,準確度與安全性更高,但電池的續航力卻不會打折扣,同時也考量到各種更微妙的應用。
儘管之前提到的雲端神經網路框架工具,是取用這個公用程式最常用的方法,但把AI函式庫整合進MCU,然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式,然後從中建立模型,例如預測性維護能力。
如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU),利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性,讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要,原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。
AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能,我們可以把其精華歸納至我們簡稱為「3V」的三大領域:語音(Voice,如自然語言處理)、視覺(Vision,如影像處理)以及震動(Vibration,如處理來自多種感測器的資料,包括從加速計到溫度感測器,或是來自馬達的電氣訊號)。
終端智慧對「3V」至關重要
多數的物聯網應用聚焦在一些特定的領域:基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何?),以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。
Strategy Analytics的研究顯示,許多已經完成部署或將要部署的物聯網B2B應用,仍然只需要相對簡單的指令,如基本的開/關,以及對設備與環境狀態的監控。在消費性物聯網領域中,智慧音箱的語音控制AI已經出現爆炸性成長,成為智慧家庭指令的中樞,包括智慧插座、智慧照明、智慧攝影機、智慧門鈴,以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能,可以依據地點與環境,在音質優先與穩定度優先之間自動切換。
如同我們檢視的結果,終端AI可以在「3V」核心領域提供價值,而它觸及的許多物聯網領域,遍及B2B與B2C的應用:
震動:包含來自多種感測器資料的處理,從加速計感測器到溫度感測器,或來自馬達的電氣訊號。
視覺:影像與影片辨識;分析與識別靜止影像或影片內物件的能力。
語音:包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力,以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景:
震動
可以用來把智慧帶進MCU中的終端AI的進展,有各式各樣的不同應用領域,對於成本與物聯網裝置與應用的效用,都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域,包括:
溫度監控;
壓力監控;
溼度監控;
物理動作,包括滑倒與跌倒偵測;
物質檢測(漏水、瓦斯漏氣等) ;
磁通量(如鄰近感測器與流量監控) ;
感測器融合(見圖7);
電場變化。
一如我們將在使用場景單元中檢視的,這些能力有許多可以應用在各種被普遍部署的物聯網應用中。
語音
語音是進化的產物,也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令,也不令人意外;聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見,例如智慧音箱,而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞,如電視、遊戲主機與其他新的電器。
在工業環境中,供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因,有離線語音處理的需求,因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作,並從機器手冊與工廠文件,立即取用資訊。
語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統,進行大量投資。語音有潛力成為最安全的輸入模式,因為它可以讓駕駛的眼睛持續盯著道路,而雙手仍持續握著方向盤。
對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務,語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集,以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。
視覺
正如我們之前已經檢視過,終端 AI 提供視覺領域全新的機會,特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵,以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用,例如依據大小與品質為農產品分級。
曳引機裝上機器視覺攝影機後,我們幾乎可以即時檢測出雜草。雜草冒出後,AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草,並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用,並找出農地中仍具抗藥性的殘餘雜草。
使用場景
預測性維護工具已經從擷取與比較震動的量測資料,進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體,我們也可能做到遠端監控。
震動分析
這種類型的預測性維護在旋轉型機器密集的製造工廠裡,相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如,把震動計量器接上靠近選煤廠離心泵浦內部承軸處,就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動,可能顯示滾珠軸承出現鬆動,需要更換。
磁感測器融合
磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器,測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器,它與附近平面的磁鐵一起作動,與這個磁鐵相對應的感測器也會移動。
聲學分析(聲音)
與震動分析相似,聲測方位分析也是供潤滑技師使用,主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損,否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時,承軸會因為潤滑不足或錯位出現故障,可能造成整個生產流程的中斷。
聲學分析(超音波)
聲音聲學分析雖然可以用來進行主動與預測性維護,超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音,並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比,更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高,但終端 AI 的進展可以促成這種細微層級的聲學檢測,大幅降低部署的費用。
熱顯影
熱顯影利用紅外線影像來監控互動機器零件的溫度,讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置,可以長期檢測微細的變化。與其他對事故敏感的監視器一樣,它們會觸發排程系統,自動採取適當的行動來預防零件故障。
消費者與智慧家庭
將語音運用在消費者與智慧家庭,是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置,例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置,可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長,說明消費者對於可接收與提供語音互動等現有裝置的強勁需求,與日俱增。
消費者基於各種理由使用智慧音箱,最常見的使用場景為:
聽音樂;
控制如照明等智慧家庭裝置;
取得新聞與天氣預報的更新;
建立購物與待辦事項清單。
除了像智慧音箱與智慧電視等消費裝置,智慧家庭裝置語音的使用,也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購,它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器,裝置在偵測到煙霧或一氧化碳時,可以發出語音警告。
終端 AI 為強化這些能力提供了全新機會,而且常常結合震動(動作)、視覺與語音控制。例如,增加姿態辨識來控制例如電視等家電,或是把語音控制嵌入白色家電,即是以最低成本強化功能性最直接的方式。
健康照護
用來發現醫護資訊的 AI 驅動終端裝置的應用,將為病況的治療與診斷,提供更多的價值。這種資訊可能是資料,也可能是影像、影片以及說出的話,我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法,為整個產業節省成本。受惠於終端 AI 的進展,像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作,也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用,也可以把 AI 用在第一線的病人診斷,然後再由醫師接手提供諮詢。
其他健康照護實例包括像 Wewalk5 等物件,這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件,並搭配 Google Maps 與 Amazon Alexa 等 app,方便使用者提出問題。
結論
由於連網的終端裝置數量越來越多,這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個,而微控制器的數量也超過 2,500 億,每年還會增加約 300 億個。越來越多的程序開始進行自動化,不過,把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用,意味著許多全新、令人興奮且引人矚目的物聯網使用場景,可能無法開花結果。
解決這些挑戰的答案,並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助,但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。
儘管為終端裝置增添先進的運算能力在十年前仍不可行,TinyML 技術近來的提升,已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力,可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升,在源頭掌握情境化與具關聯性的資料,具有極大的價值,並將開啟全新的使用場景與營收機會。
終端裝置的機器學習,可以促成全新的終端 AI 世界。新的應用場景正在崛起,甚至跳過傳送大量資料的需求,因而紓解資料傳輸的瓶頸與延遲,並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界,其中還有很多我們現在想像不到的機會。
附圖:圖1:從集中式到分散式運算的轉變。
(資料來源:《The End of Cloud Computing》,by Peter Levine,Andreessen Horowitz)
圖2:全球上網裝置安裝量。
(資料來源:Strategy Analytics)
圖3:深度學習流程。
圖4:MCU的視覺、震動與語音。
(資料來源:意法半導體)
圖5:AI 工具集執行模型轉換,以便在MCU上執行經最佳化的神經網路推論。
(資料來源:意法半導體)
圖6:物聯網企業對企業應用的使用-目前與未來。
(資料來源:Strategy Analytics)
圖7:促成情境感知的感測器融合。
(資料來源:恩智浦半導體)
資料來源:https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI
密 力 鐵 方向盤 在 許常德的地下手記 Facebook 的最讚貼文
問
我是-位長期住在美國舊金山的台灣人。
我在台灣的表姐剛把您最近登出的-位女孩子的信傳給我,我看了內心很激動充滿感激,這世界上有您這樣的好人願意出心出力做出適合的支持。
我和大我四歲的表姐一個多月前才發現她和我在將近五十年前都曾經受到-位家人,家族中的大哥哥的性虐。表姐當年十歲,我五歲,被性侵到六歲。
因為最近又再一次的崩潰中才鼓起勇氣把埋了將近五十年的惡夢告訴家人。我的哥哥在震撼中挺起保護者的背包要求對方認罪,過去這幾個星期,我和我表姐彼此學到了也領悟了很多。我們過去一個多月來在我哥哥保護之下,一步一步小心的走出陰影,也因此事,意外地改善家族中不少親情關係。
我從五歲開始相信我是沒人保護的人,我是在家人眼中最不重要的人,這些錯覺,因這次的揭發,體驗到我身邊家人在知道真相後是不捨和心痛的,今天五十四歲的我,終於明白,他們是在乎我的,他們是我可以依靠的,我是有人愛和心疼的!
甚至,原來這段好長好長的路,我有一位也藏在陰影下的表姐,默默的,遠遠的,走在一起。
許多的領悟我們多希望是在四五十年前就得到,雖然晚了幾十年,但我們正在學著把我們的痛苦和悲傷轉為力量。表姐和我在我們大家族中,以我們的經驗開導下一代如何保護自己,如何和家人溝通,如何學會信任家人,希望能藉此幫助更多的人。
這一個多月來,我們的注意力從傷害我們的人轉放在我們這些心愛的家人,無意中,在這些家人身上,我們也看到了許多美好的轉變,無論是兄弟姐妹或母女間的關係。
原來,這段路其實不是那麼孤單的。
我想真心的謝謝您為我們所做的,為我們開啟一道安全的環境把話說出來,這條沈默的路真的很長。
以下是我在他人承認罪惡後唯一説的話。
7/27/2020
他的信,我大概至今唸了五次。
當我哥哥第一次通知我他有來信,我完全沒有急著要閱讀它的感覺。
當我第一次閱讀信時,我快速瀏覽了一下,對信沒有任何情感上的反應,沒有憤怒,沒有悲傷,沒有同情心,一無所有,空白。
幾個小時後,我再次讀完它,但仍然,空白。
再唸一遍,什麼都沒有。
第二天早上,我又讀了一遍,仍然空白。
二十四小時後,我的感覺是⋯⋯他描述的童年對我來說已完全陌生,直到讀完他的信後,我才回想起家庭開車出去的旅行。經過多次閱讀,我才隱約地記起那些旅行,並且隱約地記得我們的父母對他和他們兄弟姊妹慷慨之情,從他們整個童年到進入大學,甚至到成年都是如此。
但是我不記得他所描述的幸福時光,我不記得他寫的父親在方向盤後面開車帶大家出去玩的神氣或印象。空白。我的父親神氣的形象, 他看得到,也留住了,我沒有。
我記得的是無論何時,他和他的姐妹在我身邊時,我都感到恐懼。 有時,他即使不在附近,只要家庭聚會ㄧ提及他的名字,都會使我陷入極大的恐懼之中。
我希望我有旅途愉快的回憶,我希望有和家人在一起天真無邪自由自在在一起的回憶,但我對此沒有任何記憶,只有恐懼和需要保持沉默,否則我會被殺死。這是他在我五歲時,給我的一次又一次的恐嚇。
現在,我了解了,為什麼小時候知道可以離開台北搬到台南會有解脫的感覺,以及幾年後必須搬回台北後的那種憤怒和恐懼。
我現在明白了為什麼,做為一個國小四、五年級的學生,我叛逆地堅持自己要留在台南,即使父母必須搬回台北,即使兩個哥哥已經搬回台北上學了。
現在,我明白了為什麼在一個古老的日式房屋中獨自度過那些令人恐懼的夜晚,並沒有讓我恐慌。即使是附近的孩子們會時常在客廳外面的窗戶上刮指甲來嚇我,或發出幽靈般的聲音。我很害怕,但是那種害怕比不上必須回到台北的恐懼。如果我回到台北,我將又不再有自由,不再有選擇,必須在家庭聚會上面對他,必須住在與他所在的城市裡。我沒有和大家庭快樂團聚的記憶,只記得當年的著急和恐慌,怎麼去鎮定,怎麼去保密,怎麼去不被殺死。
我永遠記得我父母的朋友在台南家的前院千方百計地抓住我,一方面安慰媽媽,因為九歲的我歇斯底里死都不上裝滿行李箱準備回台北的車。我就像一隻野生猴子被迫入鐵籠子一樣,我完全失去了控制,媽媽必須心痛不捨的留下我。我記得她無奈的神情和眼淚,也記得我的無助和不願。你能夠想像九歲的孩子當時寧願與媽媽分離的堅決選擇?
我記得,在整個青春期,當我們的父母雇用表哥表姊來當我們家教的時候,我心裡無處可發的憤怒,無處可躲的恐懼。
我記得在每週二下午在鋼琴課之前,右腿無原無故的疼痛是因為鋼琴老師的聲音很像他的聲音。我記得的是媽媽ㄧ次又一次的責駡,鋼琴老師對我ㄧ次又一次的懲罰,因為我在他面前裝耳聾。
我記得爸爸在深夜背著我到藥房去尋求止痛藥來止住我半夜醒來無法解釋的胸痛和喘不過氣的那些夜晚。
我記得大阿姨的婚禮,四舅的婚禮,五舅的婚禮上只要他一説話或在我視線範圍內,我就僵硬了。
我記得在我們搬去台南後的第一個暑假,他和他姐姐妹妹來我們台南的家玩,當他走進來,一看到我的那一刻,他用恐嚇的眼神對著我又擺出割喉的手勢,我整個夏天都只記得那個手勢,他搶走了我以為可以終於解脫的第一個在台南的暑假。
我的童年記憶和他記得我們的家庭時光完全不同。
他在接受我家人的愛和慷慨的同時,除了他現在描寫的可恥的罪惡感之外,他還記得那段快樂的時光和旅途。
我沒有快樂的記憶。我記得的是黑暗,恐嚇,沉默,和恐懼。
他的信中談到了他自己的感受,這和我的情緒完全不相連。
他的感受與我無法繼續學習音樂的感受完全不相關,我無法繼續學習進音樂系,因為一首每個鋼琴學生都必須學習的曲子,總使我想起了當我被困在一個黑暗的房間裡癱瘓時,他的妹妹在外面彈這首鋼琴曲的時刻。
他的羞恥感和我當年年幼和少年一次又一次因做噩夢而醒來看到被尿床弄髒的床單時產生的羞恥感沒有共鳴。
他描述的罪惡感和我當年作為一個年輕母親的罪惡感也毫無共鳴。我當一個媽媽的內心總是充滿恐懼,而且隨著兒子的長大愈來愈深,害怕自己怎麼做都無法保護他,這個罪惡感直到如今還沒減輕。
他描述,但他缺乏坦誠的勇氣,也和我一輩子缺乏去面對大大小小的衝突的勇氣毫無共鳴,因為我的頭腦裡永遠影印著如果我不順服,如果我有意見,就會被割喉的恐懼。
他形容信主後,半夜醒來耳邊聽得到怒濤中的和平歌聲。我聽到的是五歲開始每夜的惡夢中小小的我自己站在沙灘上大浪衝到頭上的怒吼,害怕被海浪吞噬,但是我一點都動不了。海浪總是在沖到我頭頂上方就變成厚厚的岩石,壓得我喘不過氣。 之後我學著有時候在巨浪變成岩石之前把自己哭醒,多次醒來,阿媽和阿姨總取笑我,又尿床了。
我內心的海浪與帶給他和平的海浪非常不同。
我對他的信的反應,是空白的,甚至有種諷刺的感覺。
他期望我和我表姊,家族另一位受侵者,做出什麼樣的反應?感覺?或接受道歉?以為這樣的祝福就能抹去我們的傷痕嗎?或給我們帶來溫暖和平安?我真的笑出聲來。那種平安早就永遠被奪走了,我們也從小被迫相信自己沒有權利有平安的心,我們甚至從未經歷過那樣的平安和溫暖。
他的信表達了他的糾結、厭恨、後悔和要求寬恕。我卻只讀到一個缺乏同情心和一個自我為中心的人的自私懺悔,他專注於自己所犯下的罪行的悲劇,而不是擔心自己的行為如何影響他人以及現在他如何幫助他人康復。
因此,我有很多話要說,但我,也無話可說。
五十四歲的我
7/27/2020
回
在你的信裡
一再一再提到「空白」這兩個字
原來空白是如此巨大包容
提醒每個後來跟你有類似遭遇的人可以擁有遺忘的權利
這是一種正面能量
雖痛苦不堪惡夢不斷浪濤壓頂割喉駭像
但你一次次高舉出這個權杖
對著這個傷害勇敢地直接地說
退 退 退
不許你有再髒污我的機會
儘管所有的記憶都要一併擦去也在所不惜
所以他這輩子是得不到他想要的原諒與平靜了
即使在神的面前
他的怯懦依然
他只是透過玷污神的身分來求饒
以為只要把神搬出來就能奏效
真要是真心懺悔
他早該在信主後就跟大家坦承
而不是被舉發後才認罪才寫信
其實我們都沒有原諒誰的能力
因為不原諒並不會讓痛苦消失
是他有沒有一種認知
發生過的事不會消失
被原諒也不能消弭他做過的髒事
他如果能在宗教找到一點靈性
他就不該只是自私地妄求他自己的內心平靜
他應該用一次次經歷不平靜的恐懼去體會受害者長期的感受
一直到人生終點
不斷地體會
是這樣的心才能讓他從地獄裡看到天堂的光
而不是只是在內心懦弱的禱告
那都是枉費的心機
相對的
你把這一切的經歷和感受擲地有聲的呈現
是一次升級版的大躍進
因為你這次帶領著一大群人一起躍進的
有各個年齡層的受害者
有還不知悔改的加害者
有被蒙在鼓裡的親友
有需要這些認知的人們
真的是充滿意義的一次聯手效應
你帶著時代進步了
你的信是我讀過對於加害者懺悔的來信最深刻的
因為你沒有要潦草讀過這個悔改
因為你知道只有透析這些文字的真與假
痛楚才能變成有意義能救人救心的故事
這已無關罪與罰
這是不要再輕忽這樣普遍的傷害存在
命運裡殘酷的考驗都有一種神奇的特性
就是只要你挺得住
即使過程不斷複雜腐爛陰暗不公
但挺得住就表示這個牆沒有打趴你
你的生命依然有力
這個力量最大的能量是給人們保留一個希望
如同燭火
在暗黑世界
你還有很多話要說
這句話很有篇幅
會的
會有很多人站出來
接續你的句子
不再空白
密 力 鐵 方向盤 在 老天鵝娛樂 Youtube 的最佳解答
老鵝特搜#353 韓國瑜/台北車站大廳禁坐令/南韓足球聯賽
▶️ 韓國瑜質詢第二天寶貴時間猛讚議員
- 瑜能載黨 亦能覆黨 不要來高雄拉
- 我不入中央 誰救高雄 太感人拉
- 高雄禮貌大賽冠軍
▶️ 不滿大廳地板擬永久禁坐
- 台北人眼裡的棋盤日常
- 台鐵想解決的眼中釘
- 佳龍抓起方向盤 直接一個甩尾
▶️ 韓足球聯賽添人氣擺充氣娃娃應援惹議
- 南韓國球從民間到中央全力捧
- 韓國的K1足球聯賽開踢拉
- 韓國聯賽很有錢啊 十萬製品當觀眾
「老鵝特搜」每週一到五出刊 趕快訂閱YT頻道
廣告合作請洽:姵姵 omgoose_case@carry.live
#韓國瑜 #台北車站 #南韓足球聯賽
#舉世歡騰包你發2週年生日趴
★幾天幾摳贊助老鵝【http://bit.ly/31xsPcF 】
▶老天鵝娛樂FB【 http://bit.ly/2zL5tWv 】
▶液壓機專屬頻道【 http://bit.ly/2NpuqZQ 】
▶加LINE 抽禮物【http://bit.ly/2zVuuyD 】
▶追蹤老天鵝IG【http://bit.ly/2No6dTE 】
▶老天鵝社團秘密抽【 http://bit.ly/2NkLkbO 】
![post-title](https://i.ytimg.com/vi/tDRRQhWG1oI/hqdefault.jpg)