《文茜的世界周報》文在寅處理國政手段靈活:朝鮮談判問題和平中不放棄制裁俱到、核電廠是否續建引進“審議式民主”創下民主里程碑
【文在寅民主運動出身 卻展現處理國政的靈活手腕 面對半島危機上 迅速回應金正恩的橄欖枝 啟動朝韓高級別會談 取得兩韓熱線開通避免擦槍走火 也在第一時間感謝川普功勞 但暫不考慮單獨放寬對朝制裁 也不會與金正恩“為見面而見面” 在內政方面 作為長期反核者 文在寅沒有堅持個人意識形態 引進“審議式民主” 由500名沒有強烈立場公民 與不同領域專家進行一個月上課.討論及辯論 以決定興建中兩座核電廠是否續建 最後在能源自主化.減碳及不再興建新核電廠原則下 讓兩座興建中的核電廠復工】
去年5月9日,提前舉行的南韓總統大選,文在寅取得壓倒性的勝利,「從明天起,我將成為每個人的總統,我將成全民總統,甚至服務那些不支持我的人民,」南韓總統文在寅(2017.5.9)。
當個「全民總統」,幾乎是每個政治人物,都能喊得響徹雲霄的口號,但面對前任朴槿惠,因「閨密門」留下的社會分裂,因薩德反導系統的部署,與北京關係陷入冰點的外交困境,還有,北韓核導開發的威脅。
文在寅上台後,面對南韓內外險惡的環境,也絕非喊喊口號的空談,「全民總統」的第一步,是針對問題,凝聚全民的共識,而第一個棘手的議題,是南韓的能源政策,文在寅選前就主張非核家園,但過去以來,發展核能是南韓的國家戰略,23座核電機組,數量世界第五,總發電量占比約3成,儘管對核電有高度依賴,南韓擁核與廢核的民意,卻相當分化,「截至2017年6月19日12時,大韓民國已經永久性,關閉了第一座核反應堆古里一號機,」南韓總統文在寅(2017.6.19)。
位於釜山,服役40年的,古里核電廠一號反應爐,在去年6月19日,正式除役,,文在寅在這儀式上的演說,也宣布他擺脫核電的新能源政策,「我們將徹底重新審視現有的核電政策,我們將廢除以核為中心的政策,走向無核的時代,我們將取消所有建造新核電站的計劃,」南韓總統文在寅(2017.6.19)。
擺脫對核電的依賴,不再建新的核電廠,文在寅的宣示,振奮了在場的反核人士,但南韓興建中的,新古里5號與6號核反應爐,是否要跟著停工,卻引發挺核與反核人士的爭論,而不同於台灣當年,無預警宣布核四停建,文在寅在隔週的國務會議上宣布,將成立一個「公論化委員會」,用「審議式民主」 諮詢民意,決定是否續建這兩座核電廠,並在諮詢期間,暫停所有工程,「達成公眾共識的過程,不是決定勝與敗,或是對與錯,而是關乎團結與共存,政府在制定後續政策時,一定要牢記這一點,」南韓總統文在寅(2017.6.27)。
「審議式民主」,最早由美國史丹福大學費什金教授所倡議,是對傳統代議政治缺陷的反思與補充,並避免了公共政策的「盲目民粹」,「審議式民主」,是一種特殊的民主方式,把民主的力量和溝通放在政治的中心,這不同於比較傳統民主模式中的投票選舉,但這溝通是精髓,理念上是尊重,且這非常重要,參與者要試圖達到並理解,從不同觀點出發的人,理性的論證當然是其中的一部分,但並不侷限於爭論,」坎培拉大學審議民主與全球治理中心執行長。
「審議式民主」多年來已在西方國家,以不同的形式,決定了眾多的公共政策,大體上是先挑選廣泛性的公民代表,集中學習並聽取相關專業知識,再反覆的討論 最後做出多數決議,這避免了傳統代議士,受意識形態,選區利益的束縛,也讓公共決策,跳脫盲目的民粹,「文在寅總統承諾,把南韓國變成一個無核國家,一個獨立的委員會,將最終決定是否永久停建,新古里5號與6號核反應爐,」南韓阿里郎電視台主播(2017.7.24)。
南韓就興建中的兩座核電,是否續建,在去年7月24日,成立一個獨立的「公論化委員會」,啟動「審議式民主」的程序,而當時蓋洛普的民調顯示,贊成停建新古里核電的有42%,支持續建的有40%,但差距在誤差範圍內 正反壁壘分明,「由於核能的廉價能源,許多產業在南韓國得以發展,如果能源價格上漲,肯定會影響到經濟,」南韓挺核人士(2017.9.13)。
「過去5到10年間,可再生能源發電的成本一直在下降,而通過核能發電的成本卻在不斷上升,」南韓反核人士(2017.9.13)。
「我們正在創建一個,正反雙方所主張的言論清單,我們也正在通過事實的審核過程,來驗證他們的客觀性,」古里核電公論化委員會委員長金知衡(2017.9.13)。
核電議題,瞬間在南韓炒熱,民眾透過媒體,也學到了核電知識與正反兩方的說法,而「公論化委員會」在啟動後的一個月內,進行多次民調,民意出現明顯的反轉,9月中旬,委員會隨機挑選出500位公民,分組學習核電的相關知識,並聽取挺核與廢核人士的說明,「共有500位公民代表被選出,將對在釜山的新古里,5號及6號核電機組,做出續建或停建的最後決議,」阿里郎電視台記者(2017.9.13)。
10月13日到15日,這500位公民參與團的成員,出席為期三天兩夜的綜合討論會,集中聽取贊成與反對核電續建人士,最後的陳述與分析,並在10月20日,做出最後的民調,「最終調查結果顯示,支持重啟機組建設工程的人占59.5%,比占40.5%支持停建的比率,高出19%,」新古里核電公論化委員會委員長金知衡(2017.10.20)。
這結論,一反三個月前的民調,卻是理性溝通與辯論後的結果,公論化委員會也正式向官方,遞交續建核電的勸告書,「建議政府重啟,被暫停建設中的新古里5,6號核電機組,」新古里核電公論化委員會委員長金知衡(2017.10.20)。
「文在寅總統在聲明中表示,政府將恢復建設新古里5號和6號核反應堆,接受為期三個月的輿論調查,」青瓦台發言人(201710.20)。
文在寅並沒有堅持他的非核意識形態,聲明中,反而懇請支持他非核理念的選民,尊重並接受這結果,停工3個多月的核電廠復工,而首個在南韓的「審議式民主」案例,帶動了人民對公共議題的理性討論,凝聚最廣泛的共識與決策,創下民主優質化的新頁,文在寅更成功的擺脫並化解,興建中核電的社會矛盾,未來也將把這模式,套用在更多爭議性的政策上。
當然,也有批評者認為,文在寅是一個無法堅持理念的政治人物,但處於分裂的南韓政治圈,大選中不到5成的得票率,文在寅確實沒有當個政治強人的魅力,卻能運用政治智慧,凝聚全民最大共識,而他靈活的政治手腕,也展現在處理薩德的問題上,「我將進一步加強韓美同盟,另一方面,我將認真就薩德問題,與美國和中國進行協商,」南韓總統文在寅(2017.5.10)。
選前,文在寅對於要不要部署薩德,一直沒有正面表態,因為他認為,這是一張外交牌,可平衡南韓與中美間的關係,因此要求看守政府,將薩德問題交給當選後的新政府決定,但去年南韓總統大選前夕,代理總統的總理黃教安,以突襲的方式,強行將薩德反導系統,部署到星洲高爾夫球場,「在大選逼近的前夕,現在政府強行的作為很不妥,最後的決定應該要等到,下個執政政府來決定,薩德配置是和北韓核武息息相關的,許多外交牌的其中一張,要如何活用,覺得交出決定權比較合適,」南韓總統文在寅(2017.4.26)。
薩德的提前部署,壓縮了文在寅上台後施展平衡外交的空間,但他巧妙運用了北韓的核導危機,重新拿回這張外交籌碼,去年6月初,文在寅先以國防部瞞報薩德發射車數量,及環境影響評估不全為由,一度暫停了薩德的部署,但到了7月28日,北韓一個月內兩度試射,火星-14型洲際彈道導彈,文在寅在當天的緊急國安會議上,立馬宣布重啟薩德部署,另一方面,也向北京方面表達,這是基於南韓自身國安考量的決定,薩德的最後癥結,是大陸能否出手抑制北韓的核導開發。
這也成為大陸近半年來,積極配合聯合國框架內,對北韓加大制裁的原因之一,而對於薩德的僵局,除了表達一貫反對的立場,也敞開與南韓對話的大門,10月底,南韓外長康京和在國會裡,表態不追加薩德部署,不加入美國反導系統,不組成美日韓軍事同盟等「三不」原則後,最終促成文在寅在12月訪問北京,「在薩德問題上,韓國與中國有各自的立場,如果我們互相站在對方的立場上看,一定程度上可以理解對方的立場,這就需要我們換位思考,韓國決定部署薩德,是在北韓不斷進行核試驗和導彈試射的情況下,為了應對北韓挑釁 不得已下的決定,今後韓國也將格外注意,不把薩德使用在防禦北韓核導以外的地方,不會損害中國的安全利益,」南韓總統文在寅(2017.12.11)。
就此,大陸宣稱,就薩德爭議與韓方達成「階段性」協議,文在寅除了讓冰凍一年多的中韓關係回溫,更在南北韓關係上,取得成就,中斷兩年多的高層級對話,在板門店展開,這是文在寅上台後,施壓與綏靖,雙管齊下的政策奏效,近半年來,南韓雖配合美方的軍事施壓,但文在寅更訴求對話,更堅守不爆發二次韓戰的底線,「朝鮮半島的軍事行動,只能由韓國決定,在未經韓國同意的情況下,沒有其他人可以決定採取軍事行動,」總統文在寅(2017.8.15)。
此外,文在寅承襲南韓進步勢力,對北的「陽光政策」,啟用大批參與南北韓兩次元首峰會的幕僚,與平壤方面保持一定的聯繫,更不斷對北韓釋出善意,承諾重啟在朴槿惠時期,關閉的開城工業園和金剛山旅遊項目,及經濟制裁之外的對北人道主義援助,以緩和半島緊張的關係,而即將在2月初舉行平昌冬奧會,成了重建兩韓關係的契機,「我想再次體驗一下,2000年雪梨奧運會的感人瞬間,當南北韓共同進場的時候,全世界都讚不絕口,」南韓總統文在寅(2017.6.21)。
來自北朝鮮,脫北之子出身的文在寅,也訴求民族情感,釋放高度善議,軟硬兼施,最終促使兩韓坐上談判桌,從青瓦台最重要的智囊,「大內高手」文在寅走到台前,在南韓內外交迫的危機中脫穎而出,原本只是一個得票率僅4成的弱勢總統,內斂不張揚的政治性格雖不討喜,卻能在8個月的任期間,獲得超過7成的施政滿意度,在化解國內矛盾與對外戰略上,更展現靈活的政治智慧與手腕。
更多內容,請看影片連結:https://www.youtube.com/channel/UCiwt1aanVMoPYUt_CQYCPQg
「處理程序已中斷系統無法處理這部影片」的推薦目錄:
- 關於處理程序已中斷系統無法處理這部影片 在 文茜的世界周報 Sisy's World News Facebook
- 關於處理程序已中斷系統無法處理這部影片 在 台灣物聯網實驗室 IOT Labs Facebook
- 關於處理程序已中斷系統無法處理這部影片 在 Re: [詢問] youtube上傳成功可是影片失敗- 看板Google 的評價
- 關於處理程序已中斷系統無法處理這部影片 在 Re: [詢問] youtube上傳成功可是影片失敗- 看板Google 的評價
- 關於處理程序已中斷系統無法處理這部影片 在 常見上傳錯誤- YouTube說明 的評價
- 關於處理程序已中斷系統無法處理這部影片 在 YOUTUBE上傳都出現檔案格式錯誤無法處理 - Mobile01 的評價
- 關於處理程序已中斷系統無法處理這部影片 在 如何修復無法將MP4上傳到YouTube - AnyMP4 的評價
- 關於處理程序已中斷系統無法處理這部影片 在 解決: 不能將MP4 上載到YouTube 的評價
- 關於處理程序已中斷系統無法處理這部影片 在 【問題】Youtube上傳卡了一個多禮拜都無法成功(淚 的評價
- 關於處理程序已中斷系統無法處理這部影片 在 上傳到Youtube的影片因太長被刪除 - Max的每一天 的評價
- 關於處理程序已中斷系統無法處理這部影片 在 【Youtube】youtube 上傳4K 高畫質影片失敗,處理過程紀錄 的評價
- 關於處理程序已中斷系統無法處理這部影片 在 依據《網路執行法》規定移除的內容 的評價
- 關於處理程序已中斷系統無法處理這部影片 在 Youtube 這部影片無法使用執照查詢- abisiolmusportakal.online 的評價
- 關於處理程序已中斷系統無法處理這部影片 在 Youtube 這部影片無法使用執照查詢2023 的評價
- 關於處理程序已中斷系統無法處理這部影片 在 Youtube 這部影片無法使用執照查詢2023 - shopingg.online 的評價
- 關於處理程序已中斷系統無法處理這部影片 在 #yt影片上傳SD已處理0% - 3C板 | Dcard 的評價
- 關於處理程序已中斷系統無法處理這部影片 在 YouTube 滯後、緩衝、卡頓怎麼辦?8招解決影片延遲問題 ... 的評價
- 關於處理程序已中斷系統無法處理這部影片 在 Youtube 這部影片無法使用執照查詢2023 - xxgamee.online 的評價
處理程序已中斷系統無法處理這部影片 在 台灣物聯網實驗室 IOT Labs Facebook 八卦
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
處理程序已中斷系統無法處理這部影片 在 Re: [詢問] youtube上傳成功可是影片失敗- 看板Google 的八卦
※ 引述《kaedelin (one touch)》之銘言:
: 請問
: 最近這一個月
: 我一直嘗試上傳影片到youtbe上
: 以前上傳都很順利也成功 沒失敗過
: 但不知道為什麼 這幾週上傳 都上傳好了 也處理完成
: 可是打開播放 不是亂碼 就是跳針 不然就是明明1分多鍾
: 卻只有三秒= =
: 怎麼傳就是這樣不成功
: 我用了chrome和IE都一樣 失敗
: 明明檔案大小才5~6mb (avi / mp4) 前陣子還都沒問題
: 現在卻都不行了
: 有人知道 是怎麼回事嘛?
: 謝謝~
: --
: ※ 發信站: 批踢踢實業坊(ptt.cc)
: ◆ From: 114.40.86.137
: → eggimage:標題是成功還是失敗 10/23 10:14
: → andy199113:全部轉成MPEG2試看看... 10/23 14:17
: → kaedelin:C上傳列狀態 是成功 打開來的影片播出來是失敗的 10/23 14:34
: → kaedelin:可是影片畫質沒有很好 還轉mpeg2? 10/23 14:35
: 推 andy199113:因為轉成MPEG2比較通用 可能上傳比較順利 10/23 15:17
: → andy199113:如果不行 刪除youtube cookie看看 10/23 15:18
: 推 huangkai:同原PO,不管大或小影片都一樣 10/23 16:31
: → kaedelin:我試試看 ~ 10/23 17:21
通常影片上傳成功,轉檔失敗
可以先試試
1. 同一影片,無損切割1小段(ex:影片第1秒)上傳
=> 如果一樣轉檔失敗,那再試試 2.
2. 不重新轉檔,只重新封裝成另一格式,ex: 使用 mkvtoolnix 把同一檔案轉存 .mkv
mp4box .mp4
=> 還是失敗的話,只好另選 profile 或換其它 A/V codec 重新轉檔
: 推 AFIAC:@@ 我只覺得最近轉檔很慢 倒沒遇過這樣的 10/23 18:12
: 推 silky7:有上傳後影片失敗的例子可以看嗎? 10/23 19:14
: → silky7:如果重複傳同樣的影片二次 第二次上傳的影片通常會因為 10/23 19:14
: → silky7:被判定為重複內容而失效 你上傳失敗的影片如果傳二次 10/23 19:15
: → silky7:可不可以通過 youtube認不出來是同樣影片 而給你通過 10/23 19:16
: → silky7:如果會出現這種現象 代表你傳送到youtube的資料內容因 10/23 19:17
: → silky7:不明原因而發生錯誤 所以影片轉換初音軌爆音 畫面破碎 10/23 19:18
: → silky7:甚至中途中斷 你可以試著傳同樣的影片二次來檢驗 10/23 19:19
: → silky7:如果同樣的影片可以通過 轉換成功二次 代表你遇到youtube 10/23 19:20
: → silky7:近來最有名的bug 這個bug大概從7月左右就開始了 陸續有人 10/23 19:20
: → silky7:回報 但是一直沒有修好 靠使用者測試 近來終於發現應該跟 10/23 19:21
: → silky7:網路連接有關係 跟上傳影片的格式沒有關係 雖然範圍已經 10/23 19:21
: → silky7:縮小了 而且是靠使用者自救測試縮小的 但是又快過去一個月 10/23 19:22
: → silky7:了 看起來這個bug的修復仍然是遙遙無期 10/23 19:22
: → silky7:你可以再測試上傳的時候開啟proxy 可能換個連接到youtube 10/23 19:23
: → silky7:的路線 狀況就會消失 同樣的你可以上傳同樣的影片二次來做 10/23 19:24
: → silky7:確認 如果第二次上傳的影片被判定為是重複內容而失效 10/23 19:24
: → silky7:代表你二次上傳給youtube的資料內容是一致的 這樣就沒問題 10/23 19:25
今天遇到一個情況
同一部 720p 影片,第一次上傳轉檔成功,480p 以下正常,720p 畫面會破格、馬賽克
抓下 720p 的檔來看,.mp4 破格、馬賽克
,.webm 正常
第二次上傳轉檔成功,被判定是重複內容,無效
第三次上傳轉檔成功,720p 也正常了
抓下 720p 的檔來看,.mp4 & .webm 都跟
第一次抓下來的檔不一樣(大小、流量)
看來可能有某些伺服器轉檔有問題?
同一個檔,不同時間上傳,轉出來的檔竟然會大小不一樣,也讓人覺得不可思議
: 推 andy199113:轉檔的確有變慢...上禮拜轉檔速度超快的 10/23 19:53
: → kaedelin:恩 這樣說來 我覺得是跟網路連接有關係 因為我影片是傳 10/23 21:55
: → kaedelin:3~4個try 還是一樣 沒有失敗又傳一次同一個影片 這樣 10/23 21:55
: → kaedelin:我回宿舍換台電腦試試看 感恩 10/23 21:56
: 推 kk300:之前上傳都OK 最近卻常遇到跟原PO一樣的問題 後來我轉換成 10/25 02:56
: → kk300:RM檔就成功了 但還是有一個影片沒辦法 10/25 02:58
: → kk300:重新剪輯影片或者是轉成別的格式通常都會成功 10/25 03:02
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 220.135.107.234
這問題真的蠻詭異的
同一個影片 youtube 轉成 480p 成功,轉成 720p webm 成功,轉成 720p mp4 卻會破圖
如果破圖還會隨機出現,那每個人光 check 自己上傳的影片就快累死了 XD
這表示大部分的 user 都不 care 這種問題 XD
youtube 上傳者跟觀看者的比例應該很懸殊
... <看更多>
處理程序已中斷系統無法處理這部影片 在 常見上傳錯誤- YouTube說明 的八卦
如果上傳影片時出現問題,可以選擇畫面上顯示的錯誤訊息,然後按照疑難排解步驟解決問題。 ... 「處理程序已中斷」. 如果你上傳的檔案無效或遭到 ... 「無法上傳。 ... <看更多>
處理程序已中斷系統無法處理這部影片 在 Re: [詢問] youtube上傳成功可是影片失敗- 看板Google 的八卦
※ 引述《kaedelin (one touch)》之銘言:
: 請問
: 最近這一個月
: 我一直嘗試上傳影片到youtbe上
: 以前上傳都很順利也成功 沒失敗過
: 但不知道為什麼 這幾週上傳 都上傳好了 也處理完成
: 可是打開播放 不是亂碼 就是跳針 不然就是明明1分多鍾
: 卻只有三秒= =
: 怎麼傳就是這樣不成功
: 我用了chrome和IE都一樣 失敗
: 明明檔案大小才5~6mb (avi / mp4) 前陣子還都沒問題
: 現在卻都不行了
: 有人知道 是怎麼回事嘛?
: 謝謝~
: --
: ※ 發信站: 批踢踢實業坊(ptt.cc)
: ◆ From: 114.40.86.137
: → eggimage:標題是成功還是失敗 10/23 10:14
: → andy199113:全部轉成MPEG2試看看... 10/23 14:17
: → kaedelin:C上傳列狀態 是成功 打開來的影片播出來是失敗的 10/23 14:34
: → kaedelin:可是影片畫質沒有很好 還轉mpeg2? 10/23 14:35
: 推 andy199113:因為轉成MPEG2比較通用 可能上傳比較順利 10/23 15:17
: → andy199113:如果不行 刪除youtube cookie看看 10/23 15:18
: 推 huangkai:同原PO,不管大或小影片都一樣 10/23 16:31
: → kaedelin:我試試看 ~ 10/23 17:21
通常影片上傳成功,轉檔失敗
可以先試試
1. 同一影片,無損切割1小段(ex:影片第1秒)上傳
=> 如果一樣轉檔失敗,那再試試 2.
2. 不重新轉檔,只重新封裝成另一格式,ex: 使用 mkvtoolnix 把同一檔案轉存 .mkv
mp4box .mp4
=> 還是失敗的話,只好另選 profile 或換其它 A/V codec 重新轉檔
: 推 AFIAC:@@ 我只覺得最近轉檔很慢 倒沒遇過這樣的 10/23 18:12
: 推 silky7:有上傳後影片失敗的例子可以看嗎? 10/23 19:14
: → silky7:如果重複傳同樣的影片二次 第二次上傳的影片通常會因為 10/23 19:14
: → silky7:被判定為重複內容而失效 你上傳失敗的影片如果傳二次 10/23 19:15
: → silky7:可不可以通過 youtube認不出來是同樣影片 而給你通過 10/23 19:16
: → silky7:如果會出現這種現象 代表你傳送到youtube的資料內容因 10/23 19:17
: → silky7:不明原因而發生錯誤 所以影片轉換初音軌爆音 畫面破碎 10/23 19:18
: → silky7:甚至中途中斷 你可以試著傳同樣的影片二次來檢驗 10/23 19:19
: → silky7:如果同樣的影片可以通過 轉換成功二次 代表你遇到youtube 10/23 19:20
: → silky7:近來最有名的bug 這個bug大概從7月左右就開始了 陸續有人 10/23 19:20
: → silky7:回報 但是一直沒有修好 靠使用者測試 近來終於發現應該跟 10/23 19:21
: → silky7:網路連接有關係 跟上傳影片的格式沒有關係 雖然範圍已經 10/23 19:21
: → silky7:縮小了 而且是靠使用者自救測試縮小的 但是又快過去一個月 10/23 19:22
: → silky7:了 看起來這個bug的修復仍然是遙遙無期 10/23 19:22
: → silky7:你可以再測試上傳的時候開啟proxy 可能換個連接到youtube 10/23 19:23
: → silky7:的路線 狀況就會消失 同樣的你可以上傳同樣的影片二次來做 10/23 19:24
: → silky7:確認 如果第二次上傳的影片被判定為是重複內容而失效 10/23 19:24
: → silky7:代表你二次上傳給youtube的資料內容是一致的 這樣就沒問題 10/23 19:25
今天遇到一個情況
同一部 720p 影片,第一次上傳轉檔成功,480p 以下正常,720p 畫面會破格、馬賽克
抓下 720p 的檔來看,.mp4 破格、馬賽克
,.webm 正常
第二次上傳轉檔成功,被判定是重複內容,無效
第三次上傳轉檔成功,720p 也正常了
抓下 720p 的檔來看,.mp4 & .webm 都跟
第一次抓下來的檔不一樣(大小、流量)
看來可能有某些伺服器轉檔有問題?
同一個檔,不同時間上傳,轉出來的檔竟然會大小不一樣,也讓人覺得不可思議
: 推 andy199113:轉檔的確有變慢...上禮拜轉檔速度超快的 10/23 19:53
: → kaedelin:恩 這樣說來 我覺得是跟網路連接有關係 因為我影片是傳 10/23 21:55
: → kaedelin:3~4個try 還是一樣 沒有失敗又傳一次同一個影片 這樣 10/23 21:55
: → kaedelin:我回宿舍換台電腦試試看 感恩 10/23 21:56
: 推 kk300:之前上傳都OK 最近卻常遇到跟原PO一樣的問題 後來我轉換成 10/25 02:56
: → kk300:RM檔就成功了 但還是有一個影片沒辦法 10/25 02:58
: → kk300:重新剪輯影片或者是轉成別的格式通常都會成功 10/25 03:02
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 220.135.107.234
這問題真的蠻詭異的
同一個影片 youtube 轉成 480p 成功,轉成 720p webm 成功,轉成 720p mp4 卻會破圖
如果破圖還會隨機出現,那每個人光 check 自己上傳的影片就快累死了 XD
這表示大部分的 user 都不 care 這種問題 XD
youtube 上傳者跟觀看者的比例應該很懸殊
... <看更多>