雖然這篇世界上最早的計算工具鄉民發文沒有被收入到精華區:在世界上最早的計算工具這個話題中,我們另外找到其它相關的精選爆讚文章
在 世界上最早的計算工具產品中有35篇Facebook貼文,粉絲數超過23萬的網紅綠角財經筆記,也在其Facebook貼文中提到, 學語言為的是什麼? 為的是溝通,為的是多一扇看這個世界的窗口。 但在台灣,我們最早開始學的外語,也就是英文。不是學來溝通的,是學來考試。 考試必需有個可評定的標準,所以就考選擇題,不考口語說話。因為前者才有辦法大量閱卷,評定分數。評鑑口語說話能力,需要大量的人力成本。 然後,考試決定教學方式...
同時也有1部Youtube影片,追蹤數超過1,710的網紅吳光頭,也在其Youtube影片中提到,一說到鑽石的產地 大家第一反應就是問:這是不是南非鑽? 鑽石商家在內心給你個鄙視的眼神,然後畢恭畢敬的告訴你:「是的,這時南非最好的鑽石呢」 然而事實是這樣的: 知道現在鑽石產量最高的是哪嗎? 不是南非,是 俄羅斯。 1948年俄羅斯發現鑽石後 就逐漸取代了南非的位置 如今俄羅斯的鑽石產量佔全球25...
世界上最早的計算工具 在 BusinessFocus | 商業、投資、創科平台 Instagram 的最讚貼文
2020-05-24 17:46:11
立即Follow @businessfocus.io 【成功秘訣】「努力工作」態度害人一世?馬雲:你沒成功因為你不夠懶惰 . 多年前尚未上市的阿里巴巴(Alibaba,美股代號:BABA)宣布合併雅虎中國,讓原本因在跨國公司上班而感到驕傲的員工們難以接受,加上其他公司趁勢出高薪挖角,許多員工開始萌起...
世界上最早的計算工具 在 Banana Bro 蕉哥 Instagram 的精選貼文
2020-06-03 14:43:05
【諾貝爾物理學獎 II】 美國著名宇宙學家James Peebles,他用物理公式,為複雜的宇宙研究提供了一個模型,幫助科學家找到工具,準確描述了宇宙的嬰兒期、青春期和成年期。 其實James Peebles在物理學界的貢獻絕對不是一兩個研究可以說清。如果把「標準宇宙學模型」的建立過程當...
-
世界上最早的計算工具 在 吳光頭 Youtube 的最讚貼文
2020-11-26 07:00:00一說到鑽石的產地
大家第一反應就是問:這是不是南非鑽?
鑽石商家在內心給你個鄙視的眼神,然後畢恭畢敬的告訴你:「是的,這時南非最好的鑽石呢」
然而事實是這樣的:
知道現在鑽石產量最高的是哪嗎?
不是南非,是 俄羅斯。
1948年俄羅斯發現鑽石後
就逐漸取代了南非的位置
如今俄羅斯的鑽石產量佔全球25%
俄羅斯的埃羅莎(Alrosa)
成為僅次於戴比爾斯的鑽石生產商
知道現在鑽石產值最高的是哪嗎?
不是南非,是波札那。
波札那位於南非的北面
鑽石是大自然賦予波札那的瑰寶
鑽石開採則是波札那的支柱產業
佔全國GDP的三分之一
按鑽石的產值計算
波札那已成為世界之最
是真正的「鑽石王國」
知道出寶石級鑽石最多的是哪嗎?
不是南非,是納米比亞。
納米比亞位於南非北面
波札那的西面
納米比亞有一條鑽石海岸
這裡的鑽石礦
大多屬於次生礦
因此出產的鑽石品質極高
其中95%以上為寶石級鑽石
知道出產粉鑽最多的是哪嗎?
不是南非,是澳大利亞
自1979年澳大利亞西部發現
鉀鎂斑岩中含有金剛石起
澳大利亞的金剛石產量
已逐漸占據霸主地位
尤其是阿蓋爾礦床儲量為5.5億克拉
全球大約90%的粉鑽
都產自Argle阿蓋爾礦
知道最早出產鑽石的是哪嗎?
不是南非,是印度。
印度早在公元四世紀
就開始用鑽石做工具
對其他寶石進行雕琢
十七世紀的印度鑽石產量達到頂峰
很多歐洲皇室保留的鑽石
都產自印度
到了十八世紀
印度的鑽礦才逐步枯竭
大家對「南非鑽石」如此根深蒂固,主要是因為南非確實出產了世界上最多的「世界名鑽」,同時南非出產的鑽石原石差不多有80%能達到寶石級別。
目前世界上約70%的鑽石原石集中在戴比爾斯公司手中,戴比爾斯公司將世界各地的鑽石原石集中在一起然後分銷給它的看貨商,而所有的鑽石原石都沒有任何產地特徵的,在這種情況下誰又能保證自己分銷到的就一定是南非鑽石呢?
所以千萬不要被商家的「南非鑽石」的幌子的蒙蔽!
其實,打磨好的鑽石
任憑鑑定師再怎麼牛
也是無法鑑別出產地的
鑽石的價值終歸是根據4C來衡量
所以相比產地
關注鑽石的品質、鑑定證書
以及品牌信譽等等
才是更重要的!
世界上最早的計算工具 在 綠角財經筆記 Facebook 的精選貼文
學語言為的是什麼?
為的是溝通,為的是多一扇看這個世界的窗口。
但在台灣,我們最早開始學的外語,也就是英文。不是學來溝通的,是學來考試。
考試必需有個可評定的標準,所以就考選擇題,不考口語說話。因為前者才有辦法大量閱卷,評定分數。評鑑口語說話能力,需要大量的人力成本。
然後,考試決定教學方式。許多學生整節英文課,看課本、背句型、記文法,卻是一個英文句子也沒說過。或是只是照著課本覆述,從沒自行建構一個句子,嘗試用英文表達自己。
這樣學出來的英文,遇到外國人時,一句話也說不出來,是本應如此,還是令人意外。
有了這樣失敗的第一外語學習經驗,有多少人會願意學第二外語?或者可以在學習第二外語時,跳脫這個失敗模式,成功學習?
《懂語感,無痛學好任一種外語》,就是這個問題的解答。作者建議先藉由聽與模仿,學會說。再學讀跟寫。
會說是最核心的語言能力,藉由聽學會說也是最自然的語言習得過程。
只要會說,你就可以跟外國人交談。用講的表達你的意思,用問的找到你要的答案與協助。
聽說讀寫四個能力,作者將其分為輸入與輸出兩端。輸入是聽跟讀。輸出是說跟寫。
要能輸出,才是重點。
很多人希望自己能說能寫,但整個外語學習課表都是在閱讀跟學單字。這樣也是很認真沒錯。但在錯誤的地方投入資源,不會在正確的地方產生成果。
你要會說會寫,你就要練習說跟寫。
這個似乎淺白不過的道理,卻是很多人外語學習的盲點。
書中列出了範例課表,教一個想偏重口說,或是偏重書信能力的讀者,要如何安排時間。
這本書的討論很全面。一個生活忙碌的成年人,如何抽出時間來學習外語、如何達成持續的效果、動機的重要性。還有各種學習管道的比較都有分析討論。
譬如語言交換,似乎單純而美好,不用花錢,還可以交到異國朋友。
但許多人沒注意到,你是在跟一個未必有語言教學經驗的人往來。有時要嘗試很久,才能找到合適的夥伴。
而且所謂交換,就是譬如兩個小時的會面談話,一個小時他跟你用你想學的外語談話,另一個小時,你則要用中文跟他談。花兩小時的時間,學一個小時的外語。有時候會讓人覺得時間成本高昂。
還有費用便宜的線上大型教學平台。看起來選擇超多,每個老師的介紹都很吸引人。其實這種網路平台讓幾乎所有想當外語老師的人,都可以開課。幾乎沒什麼篩選。
那誰來篩呢?
就是你。
篩得到好老師還好。但假如上過一堆老師的課,卻少有人讓你想再約第二節呢?
有時想要免費或是省錢,結果卻是浪費更多時間跟金錢。
書中關於制定明確學習目標的討論非常重要,也是很多人欠缺的一點。
譬如學習30小時後,可以寫一篇簡單的自我介紹。一個期限與可評估的目標,才可以讓學習者知道自己有沒有在前進。
不要訂下太大太遠的目標。譬如學兩年後,可以跟外國人流利對話。時間太長,回饋來得很慢。假如沒出國,也沒啥機會遇到外國人,很難驗證。
一小步一小步的成就,終究會累積出可觀的成果。
最後的結語有個現實的計算。台灣學子從國小到高中,保守估計每人花了兩千個小時學英文。成效如何?有多少人,外語成為一個實用的工具?
假如能換個更有效的學習方式,會帶來多大的節約與效益。
看到這些討論,綠角又想到投資這件事。
台灣成年人,每年花了多少時間選股跟研究?
台灣加權股價指數從1969年底的110點,到2020年底的14732,是134倍。單純參與到市場的成長,原始投資一百萬,會變成一億三千萬。
(這還只是加權股價指數喔,沒有計入股息的成果。假如計入股息,成果會更可觀。)
假如學習挑選股票,讓人達到比大盤更好的成果。假如學習判斷經濟與市場指標,擇時進出,讓人躲過下跌參與上漲,我們應到處可以看到,現在七十歲以上的資深台股投資人,許多人都可以跟你講述投資台股賺200倍、賺300倍的故事。
有嗎?
還是連股市本身報酬都拿不到的人比較多?
或者你簡單就可以找到家族長輩在股市中虧到不敢再投資的例子?
這些投入研究的時間與精力,用錯方向,拿到比市場更差的成果,都是浪費啊。
學生時期在錯誤的學習方法中浪費時間,成年後在錯誤的投資方法中浪費時間。回首一生,虛擲時光,所成甚少。
這難道就是台灣學生跟台灣投資人該走的路嗎?
面對問題,要從正確的角度下手。而不是只會埋頭苦幹,一心以為有付出必有回報。在錯誤的地方付出,是力倍功半。
投資,我選擇指數化投資。
語言學習,《懂語感,無痛學好任一種外語》提供切中要點的解答。
世界上最早的計算工具 在 報導者 The Reporter Facebook 的最佳貼文
#今日疫情重點【新增286本土案例,其中包含總統府志工,總統緊急採檢確認陰性;5家醫院院內感染,專家:病毒防不勝防,醫院內確診或院內感染難避免,建議採檢陪病者;疫情在社區爆發,陽性率增37倍至2.2%,千名病例中7成來自萬華相關】
COVID-19(又稱新冠肺炎、武漢肺炎)疫情依舊嚴峻,除了各地方政府自行召開記者會之外,中央流行疫情指揮中心昨(19日)宣布,因全台升為三級警戒,會在每日午加開全國防疫會議後記者會,宣布每日防疫進度。
今日新增295例確診個案,其中286例本土、9例境外移入,新增確診個案中有一例死亡。本土案例中具萬華活動史者84例、台北茶藝館60例、獅子會7例、彰化水果盤商4例、宜蘭遊藝場2例、關聯不明者63例、其他已知感染源38例、疫調中28例。
今確診個案中,有一名是總統官邸負責照顧退役工作犬的志工,總統府緊急採檢總統蔡英文與其他幕僚、維安人員共25人,結果全數陰性。總統官邸昨日全面消毒,現也已經暫時停止志工相關支援作業。
此外指揮中心今日在記者會中證實,目前已有5家醫院出現病患在入院後確診、醫護在社區染疫,甚至院內感染的情形,包含北市和平醫院、板橋亞東醫院、高雄仁惠醫院、台北某洗腎中心,以及三軍總醫院松山分院。
■ 新增286例本土案例、其中一例死亡
今(19日)日新增的本土案例中,有155例男性、131例女性,年齡介於未滿5歲到90多歲,發病日/採檢日介在5月1日至19日。居住地新北市157例(中和區40例最多)、台北市87例(萬華區40例最多)、桃園市17例、宜蘭縣8例、彰化縣6例、基隆市5例、高雄市及台中市各2例、新竹市及雲林縣各1例。(見今日全台新增病例圖)
今日新增的本土案例包含總統府志工,總統府發言人張惇涵在晚間6點50分臨時召開記者會說明,表示該名總統官邸志工是負責照顧退役工作犬,平時住在新北市中和區,沒有萬華活動史,最後一次進入官邸在5月11日上午9點至下午5點40分,期間沒有進入過總統起居寓所,也沒有與總統接觸。張惇涵說,醫療團隊已經組成專案小組,緊急採檢包含幕僚與維安人員25人,目前皆為陰性。
張惇涵進一步說明,目前有84名總統府員工為這波疫情的相關接觸者,已採取居家辦公、自主健康管理等措施,正密切監測總統與相關人員健康狀況。
另外新北市多日以來成為新增病例最多的縣市,市長侯友宜在記者會中表示,今日確診數比起昨日上升,中和40例(註:因計算時間不同,新北市統計為41例)、板橋35例、新店21例為最多的三個地區,侯友宜坦言:「各區有上升的趨勢,新北市的疫情非常嚴峻。」
不幸的是,今天新增一起死亡個案,70多歲女性在萬華工作且獨居,平時有心血管疾病。指揮中心發言人、疾病管制署副署長莊人祥表示,此案15日出現虛弱無力、倦怠時,家人有去看她並聯繫防疫車輛送醫,但她拒絕就醫,因此最後家屬也僅協助提供生活物資後離開,兩天後(17日)去住所探視發現沒有生命跡象。目前家屬都沒有症狀,都會列為居家隔離,是台灣第15例COVID-19死亡案例。
■檢驗陽性率一週內暴增37倍至2.2% 1,286例本土病例7成來自萬華
行政院今天中午也召開院會後記者會,與會的衛福部疾管署署長周志浩進行簡報分析近日以來的疫情發展,他指出,一週前疫情控制平穩,通報陽性率(每檢驗100人中出現陽性的比率)僅為0.06%,上一週增加為2.2%,約增加37倍。自5月11日後,短短一周就累積1,286例本土病例,13縣市也都出現新增本土病例;其中萬華茶藝館相關者佔本土病例的7成,顯示各地區的案例大部分都來自於該處傳播而來。
周志浩也分析指出,這波本土病例中,40歲以上女性比例佔81%最多,數據比以前高,也擔心年紀比較大的人可能因慢性病而有比較高的機會產生重症。
■指揮中心再發布萬華區活動史細胞警訊
由於每日新增不少具萬華區活動史的確診者,莊人祥今表示,今天下午3點,會針對4月20日至5月19日之間在萬華熱區停留較久且有前往外縣市的民眾發送細胞警訊,提醒收到簡訊的民眾,如果近期有發生呼吸道症狀、腹瀉、嗅味覺異常等症狀,儘速聯絡當地衛生局進行採檢。指揮中心副指揮官、內政部次長陳宗彥補充,這次的簡訊是以上次發送萬華區60萬人作為基礎,經過數據分析後,針對還是有較高風險者所發出的警訊,匡列時間則延長至5月19日。
今日全國防疫會議亦要求各縣市政府確認轄內是否有熱區(較多確診者前往的地區、確診數達一定規模比例),盤點設置採檢站之地點和數量,並將資訊回報指揮中心,以利評估和協助。陳宗彥呼籲,採檢以身體有症狀、去過高風險地區的民眾為主要對象,「不是大家一窩蜂去,效果不大,」且採檢站設置於熱區,無疑似症狀者勿前往,以免增加感染風險。
■增加各縣市熱區快篩站點 避免高風險者移動
指揮中心醫療應變組副組長、疾病管制署副署長羅一鈞說,因應這次疫情加開的社區篩檢站,有台北市5個、新北市4個、桃園市2個、彰化縣1個(行動採檢站、其餘設在醫院內)等,其中雙北與彰化是使用快篩試劑,其他則是PCR檢驗。
至於是否由指揮中心每日統一公布各地採檢站的位置和數量,陳宗彥表示將與地方政府討論後再視情況處理,原則上尊重地方政府對疫情的判斷和考量。另外,指揮中心將儘速訂定採檢後送就醫之作業流程,供地方政府依循,原則上採檢後先至防疫旅館或檢疫場所等待,若確診,接到通知後6小時內要移至集中檢疫所或醫院。
陳時中也表示,觀察雙北目前設置快篩站的狀況,台北市快篩陽性率從10%以上,到昨天4.6%,篩檢人數也都有1,000至1,200人,找出來的確診個案有58人,快篩站的地點選擇得很恰當。新北市的部分,篩檢量能原本較少,昨日增加到一日可檢驗600人左右,陽性率也從5.5%下降到2.9%。不過陳時中說,板橋區的篩檢人數較多,陽性率也較高,加上新北市的範圍較大,建議可以再多設置篩檢站,避免高風險者大範圍移動。(見台北市、新北市快篩陽性率圖表)
因此,新北市長侯友宜也宣布再新增三處社區篩檢站,加上原有板橋、土城、永和、樂生四處篩檢站,總篩檢量能可達1,700人。新北市新增三處社區篩檢站如下,預計明日(21日)啟用:
〔泰山輔大篩檢站〕
*負責醫院:輔大醫院
*服務區域:新莊、泰山
*篩檢量能:每日300人
*地點:新北市泰山區貴子路69號
*服務時間:08:00發號碼牌,09:00開始依序篩檢
〔中和社區篩檢站〕
*負責醫院:永和耕莘醫院
*服務區域:中和、永和
*篩檢量能:每日200人
*地點:山北市民活動中心(新北市中和區莊敬路49巷29弄2號)
*服務時間:08:30發號碼牌,09:00開始依序篩檢
〔新店耕莘篩檢站〕
*服務醫院:新店耕莘醫院
*服務區域:新店、中和
*篩檢量能:每日200人
*地點:新北市新店區中正路362號
*服務時間:08:30發號碼牌,09:00開始依序篩檢
■5間醫院出現院內感染,和平醫院全面停診
由於近日多家醫院傳出院內確診與院內感染消息,羅一鈞今在指揮中心統一說明,他表示,院內感染的醫院共有5間:
〔新北板橋亞東醫院〕
5月13日指標案例確診,陸續有同病室、病房病患、家屬、看護,以及在急診隔壁床的病患確診。目前一共有14例確診,確診者都是在指標個案出現後匡列的範圍內,目前177人匡列中,中間也會不斷採檢至5月29日。
〔台北和平醫院〕
5月13日,和平醫院2名有萬華活動史的病人住院,19日新增2名確診病患、1名看護,前者與13日確診者之一為同病房病患,後者是同病室其他床的看護,總計5人屬於院內感染,和平醫院全面停診到5月28日。此外,有3人在全院800名員工篩檢時確診,他們都有萬華活動史,研判是在社區被感染,並非在院內傳染。
〔台北某洗腎中心〕
目前1人確診、4人快篩陽性,指標個案的護理師有萬華活動史,院內11名工作人員、71名病患居家隔離中,現已完成10名工作人員檢驗,等待結果。
〔台北三軍總醫院松山分院〕
14日1名門診護理師因參與進香團確診,而18日、19日陸續檢出居家隔離中的1名醫師、1名護理師確診,一共3名醫護感染。
〔高雄仁惠醫院〕
維持2人確診,指標個案具有萬華活動史的行政人員,在全院擴大採檢後確診1名護理師,目前93人持續隔離中。
其他院內確診事件:
〔台北台大醫院〕
昨(19日)傳出10名工務人員確診,在全院進行抗原快篩後,傳出10名醫護抗原快篩陽性。羅一鈞說,為了解決偽陽性的問題,醫護篩檢時還會同時驗病毒核酸PCR,要等PCR陽性才會列入確診,目前先等結果再進行評估。
〔台北萬華社福機構〕
1機構住民曾在5月10日至13日在和平醫院住院,與和平醫院的最早兩名確診個案之一為同病房病患。13日該病患確診,衛生單位要匡列這位住民,當時他已發燒送醫確診,因此對機構進行匡列採檢。昨日一共採檢22人,包含3位住民、19位工作人員,PCR皆為陰性,會持續居家隔離。
〔台北榮總醫院〕
1名手術房清潔工確診,目前匡列接觸者採檢均陰性。
〔花蓮鳳榮醫院〕
1名護理師14日前往亞東醫院陪病,因此被匡列,在亞東醫院隔離,目前一採快篩陰性、二採陽性,後續會在進行第3次採檢,但初判應該算在陰性,居家隔離47人已解除隔離。
林口長庚醫院兒童感染科教授級主治醫師、傳染病防治醫療網北區指揮官黃玉成表示,這確實是目前最困難的挑戰之一,社區出現許多確診案例,有各種可能會進到醫院,很難即刻找出個案。如果民眾有住院需求,已要求各醫院要篩檢病人陰性後才能住院,「但其實陪病者沒有篩檢,而且陪病者就算限縮成1人、採取實聯制,還是有風險,且陪病者不可能永遠固定同一人,是不是換了人就重新篩一次,這些都是執行困難的地方。」
此外醫護也有在社區染疫的風險,他坦言很難預防,「原本專家小組討論要讓醫院針對醫護每週都採檢一次,但大醫院全院就7、8,000人,執行上很有困難;目前是針對高風險病患的照護醫護,每5到7天採檢一次,只是病毒若從社區來,其他醫護染疫的風險也是一樣高的,現實跟實際還是有執行落差。」
黃玉成提醒,「我們現在最擔心的,參照國外的經驗,安養中心、護理之家還是最難處理的地方。這些住民幾乎沒有行動能力,在院內病毒若傳散出來會非常可怕,一定要小心謹慎。」而有沒有辦法積極預防?他表示美國針對公家機關、醫院等機構都採每2週篩檢一次,但台灣若要做到每2週採檢一次,就很難用病毒核酸PCR採檢,而得改用快篩,而且篩檢的頻率要更高,才能讓準確率提升,這樣或許就能達到防範院內感染的效果。
■ 全國防疫會議:公布中央、地方共同政策,澄清防疫假訊息
因疫情升溫,自今(20)日起每日上午固定召開全國防疫會議,由指揮中心與22個縣市政府之副首長和衛生局局長共同商討抗疫對策。指揮中心副指揮官、內政部次長陳宗彥表示,未來將確保中央與地方防疫資訊和作法一致。
陳宗彥說明,與各縣市的防疫會議後記者會重點是讓民眾知道中央與地方政府的共識和決策,並澄清假訊息和錯誤資訊;若有急迫事項需要即時通知,亦會在上午公布,但與疫情最新進展之有關資訊仍留待下午記者會說明。陳宗彥重申,近期假訊息增加,危害整體防疫的措施和策略,將影響民眾正確了解疫情。指揮中心本日更正2則錯誤資訊:
●惡意人士冒用疾管署和疾管家名義成立社群,指揮中心呼籲疾管家LINE官方帳號(有盾牌標誌)僅有一個,民眾勿受騙加入冒名社群。冒名詐騙行為可能違法《刑法》第339條之4的加重詐欺罪,可處1年以上、7年以下有期徒刑,併科100萬元以下罰金。
●並無網路流傳之「政府不願購買某公司3,000萬劑COVID-19疫苗」一事,請民眾勿轉傳不實訊息,以免觸犯《嚴重特殊傳染性肺炎防治及紓困振興特別條例》第14條或《社會秩序維護法》第63條第1項第5款規定,最高可罰300萬元或3年以下有期徒刑。
指揮中心強調,若民眾不確定消息正確性,應保持「多疑、多查、不亂傳」的原則,可透過第三方查證工具(MyGoPen、美玉姨、台灣事實查核中心、LINE訊息查證)確認,或到疾管署官網澄清專區(http://at.cdc.tw/3pGv10)、地方衛生單位網站查詢。目前中央也請刑事警察局成立專責隊伍,與地方政府合作對抗假訊息。
■ 北市即日起飲食攤商改外帶或外送 強化篩檢並增設加強版防疫旅館
昨日台北市萬華區4個社區快篩站共檢測1,271人,陽性58人,佔4.6%。柯文哲說明病情潛伏期有2到7天,「現在看到的其實是一個禮拜前的狀況」,但至少顯示目前作法有效,疫情並未擴散,不過在全面施打疫苗前不可輕忽放鬆。
台北市發布行政命令,即日起超市、夜市、地下街、攤販和市場的飲食類攤商全面改採外帶或外送,避免接觸傳染,市府將加派人力稽查。黃珊珊也說明,針對佩戴口罩的取締,衛生局已授權各機關自行開單。
在篩檢方面,市府已要求醫院急診應同時進行快篩和PCR檢測,快篩陽性者搭乘防疫巴士送至集中檢疫所和徵用的「加強版防疫專責旅館」,以防PCR檢測者有2到3天的等待期,讓民眾緊張不安或確定PCR陽性後再耗費系統能量通知及後送。
加強版防疫專責旅館目前增加2家業者約250間房間,明中午後會繼續加開。防疫專責旅館安排醫護人員監測健康狀況,也有警察值班確保安全,並請國軍化學兵支援,在入住者離開後馬上消毒,提升房間週轉率並確保環境衛生。
昨日,台北市徵召退休醫護人員投入防疫前線,報名者有1,121人,市府將安排安心檢疫所人員提供訓練,完整訓練期原為1星期,將縮短時程,儘快到防疫專責旅館服務。
柯文哲表示,在全國防疫會議中主要向中央確認疫苗供給狀況,知道時程和數量才能安排施打進度。他也向市民解釋,疫情應會再延燒一段時間,但避免群聚就可阻斷傳染鏈,不過「疫苗才是最終解決辦法」。
■下一批疫苗何時再來? 五、六月皆有可能
COVAX平台配送的41.04萬劑AZ疫苗昨日抵台,外界關心再下一批疫苗何時來?
周志浩表示,衛福部每週都跟國外保持密切聯繫,努力進行磋商,希望儘早或是供應更多,還未簽約的部分是否能採購「談成一件事情其實很不容易,」他多次強調,疫苗還沒上飛機之前都是未知數,一旦確定會第一時間告知國人。
衛福部次長薛次元表示,台灣已採購訂有合約的部分,AZ疫苗有1,000萬劑、國產疫苗1,050萬劑,莫德納疫苗505萬劑,COVAX平台則有476萬劑,「五月有可能(來台),六月可能性更高,但多少(量)沒有把握。」
國產疫苗目前第二階段臨床實驗尚未完成,如何採購?周志浩表示,國外的疫苗也是採用預購制,買的時候也還在進行臨床實驗中。國產疫苗要等國內藥政機關許可後,才能交付。
莊人祥表示,昨(19日)接種1萬7,132劑AZ疫苗,也有較多的疑似嚴重不良反應通報,共有8件,其中一例接種41天後昏倒,診斷腦幹出血,現仍在加護病房。莊人祥記者會後表示,該案是一名60多歲男性,本身有高血壓病史,接種後沒有不適症狀,但41天時昏倒,送醫診斷為腦幹出血。「疫苗沒有類似的機轉,一般而言不會認為是接種疫苗導致腦幹出血,比較可能是個體本身的潛在疾病導致,因此初步研判跟疫苗無關。」他也表示若家屬有疑慮,同樣可以申請VICP(預防接種受害救濟),由專家來研判。(文/陳潔、林雨佑、陳德倫;設計與資料整理/江世民、何柏均 ;攝影/楊子磊、余志偉、蘇威銘、鄭宇辰)
#延伸閱讀
【守住醫院、才能守住更多人:雙北疫情外溢全台,社區聯防如何儘速補位】https://bit.ly/3uZVaWG
【清院不封院、防疫更細緻,從SARS到COVID-19,和平醫院為何仍是台灣疫情關鍵槓桿?】https://bit.ly/3uQGgC8
【從武漢到世界──COVID-19(武漢肺炎)疫情即時脈動】http://bit.ly/2HMR2T6
#報導者 #COVID19 #本土案例 #確診 #社區篩檢站 #集中檢疫所 #院內感染 #快篩 #假訊息 #疫苗
世界上最早的計算工具 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
軟體吞噬硬體的 AI 時代,晶片跟不上演算法的進化要怎麼辦?
作者 品玩 | 發布日期 2021 年 02 月 23 日 8:00 |
身為 AI 時代的幕後英雄,晶片業正經歷漸進持續的變化。
2008 年之後,深度學習演算法逐漸興起,各種神經網絡滲透到手機、App 和物聯網。同時摩爾定律卻逐漸放緩。摩爾定律雖然叫定律,但不是物理定律或自然定律,而是半導體業發展的觀察或預測,內容為:單晶片整合度(積體電路中晶體管的密度)每 2 年(也有 18 個月之說)翻倍,帶來性能每 2 年提高 1 倍。
保證摩爾定律的前提,是晶片製程進步。經常能在新聞看到的 28 奈米、14 奈米、7 奈米、5 奈米,指的就是製程,數字越小製程越先進。隨著製程的演進,特別進入10 奈米後,逐漸逼近物理極限,難度越發增加,晶片全流程設計成本大幅增加,每代較上一代至少增加 30%~50%。
這就導致 AI 對算力需求的增長速度,遠超過通用處理器算力的增長速度。據 OpenAI 測算,從 2012 年開始,全球 AI 所用的演算量呈現等比級數增長,平均每 3.4 個月便會翻 1 倍,通用處理器算力每 18 個月至 2 年才翻 1 倍。
當通用處理器算力跟不上 AI 演算法發展,針對 AI 演算的專用處理器便誕生了,也就是常說的「AI 晶片」。目前 AI 晶片的技術內涵豐富,從架構創新到先進封裝,再到模擬大腦,都影響 AI 晶片走向。這些變化的背後,都有共同主題:以更低功耗,產生更高性能。
更靈活
2017 年圖靈獎頒給電腦架構兩位先驅 David Petterson 和 John Hennessy。2018 年圖靈獎演講時,他們聚焦於架構創新主題,指出演算體系結構正迎來新的黃金 10 年。正如他們所判斷,AI 晶片不斷出現新架構,比如英國 Graphcore 的 IPU──迥異於 CPU 和 GPU 的 AI 專用智慧處理器,已逐漸被業界認可,並 Graphcore 也獲得微軟和三星的戰略投資支援。
名為 CGRA 的架構在學界和工業界正受到越來越多關注。CGRA 全稱 Coarse Grained Reconfigurable Array(粗顆粒可重構陣列),是「可重構計算」理念的落地產物。
據《可重構計算:軟體可定義的計算引擎》一文介紹,理念最早出現在 1960 年代,由加州大學洛杉磯分校的 Estrin 提出。由於太過超前時代,直到 40 年後才獲得系統性研究。加州大學柏克萊分校的 DeHon 等將可重構計算定義為具以下特徵的體系結構:製造後晶片功能仍可客製,形成加速特定任務的硬體功能;演算功能的實現,主要依靠任務到晶片的空間映射。
簡言之,可重構晶片強調靈活性,製造後仍可透過程式語言調整,適應新演算法。形成高度對比的是 ASIC(application-specific integrated circuit,專用積體電路)。ASIC 晶片雖然性能高,卻缺乏靈活性,往往是針對單一應用或演算法設計,難以相容新演算法。
2017 年,美國國防部高級研究計劃局(Defence Advanced Research Projects Agency,DARPA)提出電子產業復興計劃(Electronics Resurgence Initiative,ERI),任務之一就是「軟體定義晶片」,打造接近 ASIC 性能、同時不犧牲靈活性。
照重構時的顆粒分別,可重構晶片可分為 CGRA 和 FPGA(field-programmable gate array,現場可程式語言邏輯門陣列)。FPGA 在業界有一定規模應用,如微軟將 FPGA 晶片帶入大型資料中心,用於加速 Bing 搜索引擎,驗證 FPGA 靈活性和演算法可更新性。但 FPGA 有局限性,不僅性能和 ASIC 有較大差距,且重程式語言門檻比較高。
CGRA 由於實現原理差異,比 FPGA 能做到更底層程式的重新設計,面積效率、能量效率和重構時間都更有優勢。可說 CGRA 同時整合通用處理器的靈活性和 ASIC 的高性能。
隨著 AI 演算逐漸從雲端下放到邊緣端和 IoT 設備,不僅演算法多樣性日益增強,晶片更零碎化,且保證低功耗的同時,也要求高性能。在這種場景下,高能效高靈活性的 CGRA 大有用武之地。
由於結構不統一、程式語言和編譯工具不成熟、易用性不夠友善,CGRA 未被業界廣泛使用,但已可看到一些嘗試。早在 2016 年,英特爾便將 CGRA 納入 Xeon 處理器。三星也曾嘗試將 CGRA 整合到 8K 電視和 Exynos 晶片。
中國清微智慧 2019 年 6 月量產全球首款 CGRA 語音晶片 TX210,同年 9 月又發表全球首款 CGRA 多模態晶片 TX510。這家公司脫胎於清華大學魏少軍教授起頭的可重構計算研究團隊,從 2006 年起就進行相關研究。據芯東西 2020 年 11 月報導,語音晶片 TX210 已出貨數百萬顆,多模組晶片 TX510 在 11 月也出貨 10 萬顆以上,主要客戶為智慧門鎖、安防和臉部支付相關廠商。
先進封裝上位
如開篇提到,由於製程逼近物理極限,摩爾定律逐漸放緩。同時 AI 演算法的進步,對算力需求增長迅猛,逼迫晶片業在先進製程之外探索新方向,之一便是先進封裝。
「在大數據和認知計算時代,先進封裝技術正在發揮比以往更大的作用。AI 發展對高效能、高吞吐量互連的需求,正透過先進封裝技術加速發展來滿足。 」世界第三大晶圓代工廠格羅方德平台首席技術專家 John Pellerin 聲明表示。
先進封裝是相對於傳統封裝的技術。封裝是晶片製造的最後一步:將製作好的晶片器件放入外殼,並與外界器件相連。傳統封裝的封裝效率低,有很大改良空間,而先進封裝技術致力提高整合密度。
先進封裝有很多技術分支,其中 Chiplet(小晶片/芯粒)是最近 2 年的大熱門。所謂「小晶片」,是相對傳統晶片製造方法而言。傳統晶片製造方法,是在同一塊矽晶片上,用同一種製程打造晶片。Chiplet 是將一塊完整晶片的複雜功能分解,儲存、計算和訊號處理等功能模組化成裸晶片(Die)。這些裸晶片可用不同製程製造,甚至可是不同公司提供。透過連接介面相接後,就形成一個 Chiplet 晶片網路。
據壁仞科技研究院唐杉分析,Chiplet 歷史更久且更準確的技術詞彙應該是異構整合(Heterogeneous Integration)。總體來說,此技術趨勢較清晰明確,且第一階段 Chiplet 形態技術較成熟,除了成本較高,很多高端晶片已經在用。
如 HBM 儲存器成為 Chiplet 技術早期成功應用的典型代表。AMD 在 Zen2 架構晶片使用 Chiplet 思路,CPU 用的是 7 奈米製程,I/O 使用 14 奈米製程,與完全由 7 奈米打造的晶片相比成本約低 50%。英特爾也推出基於 Chiplet 技術的 Agilex FPGA 系列產品。
不過,Chiplet 技術仍面臨諸多挑戰,最重要之一是互連介面標準。互連介面重要嗎?如果是在大公司內部,比如英特爾或 AMD,有專用協議和封閉系統,在不同裸晶片間連接問題不大。但不同公司和系統互連,同時保證高頻寬、低延遲和每比特低功耗,互連介面就非常重要了。
2017 年,DARPA 推出 CHIPS 戰略計劃(通用異構整合和 IP 重用戰略),試圖打造開放連接協議。但 DARPA 的缺點是,側重國防相關計畫,晶片數量不大,與真正商用場景有差距。因此一些晶片業公司成立組織「ODSA(開放領域特定架構)工作組」,透過制定開放的互連介面,為 Chiplet 的發展掃清障礙。
另闢蹊徑
除了在現有框架內做架構和製造創新,還有研究人員試圖跳出電腦現行的范紐曼型架構,開發真正模擬人腦的計算模式。
范紐曼架構,數據計算和儲存分開進行。RAM 存取速度往往嚴重落後處理器的計算速度,造成「記憶體牆」問題。且傳統電腦需要透過總線,連續在處理器和儲存器之間更新,導致晶片大部分功耗都消耗於讀寫數據,不是算術邏輯單元,又衍生出「功耗牆」問題。人腦則沒有「記憶體牆」和「功耗牆」問題,處理訊息和儲存一體,計算和記憶可同時進行。
另一方面,推動 AI 發展的深度神經網路,雖然名稱有「神經網路」四字,但實際上跟人腦神經網路運作機制相差甚遠。1,000 億個神經元,透過 100 萬億個神經突觸連接,使人腦能以非常低功耗(約 20 瓦)同步記憶、演算、推理和計算。相比之下,目前的深度神經網路,不僅需大規模資料訓練,運行時還要消耗極大能量。
因此如何讓 AI 像人腦一樣工作,一直是學界和業界積極探索的課題。1980 年代後期,加州理工學院教授卡弗·米德(Carver Mead)提出神經形態工程學的概念。經過多年發展,業界和學界對神經形態晶片的摸索逐漸成形。
軟體方面,稱為第三代人工神經網路的「脈衝神經網路」(Spike Neural Network,SNN)應運而生。這種網路以脈衝信號為載體,更接近人腦的運作方式。硬體方面,大型機構和公司研發相應的脈衝神經網路處理器。
早在 2008 年,DARPA 就發起計畫──神經形態自適應塑膠可擴展電子系統(Systems of Neuromorphic Adaptive Plastic Scalable Electronics,簡稱 SyNAPSE,正好是「突觸」之意),希望開發出低功耗的電子神經形態電腦。
IBM Research 成為 SyNAPSE 計畫的合作方之一。2014 年發表論文展示最新成果──TrueNorth。這個類腦計算晶片擁有 100 萬個神經元,能以每秒 30 幀的速度輸入 400×240pixel 的影片,功耗僅 63 毫瓦,比范紐曼架構電腦有質的飛躍。
英特爾 2017 年展示名為 Loihi 的神經形態晶片,包含超過 20 億個晶體管、13 萬個人工神經元和 1.3 億個突觸,比一般訓練系統所需的通用計算效率高 1 千倍。2020 年 3 月,研究人員甚至在 Loihi 做到嗅覺辨識。這成果可應用於診斷疾病、檢測武器和爆炸物及立即發現麻醉劑、煙霧和一氧化碳氣味等場景。
中國清華大學類腦計算研究中心的施路平教授團隊,開發針對人工通用智慧的「天機」晶片,同時支持脈衝神經網路和深度神經網路。2019 年 8 月 1 日,天機成為中國第一款登上《Nature》雜誌封面的晶片。
儘管已有零星研究成果,但總體來說,脈衝神經網路和處理器仍是研究領域的方向之一,沒有在業界大規模應用,主要是因為基礎演算法還沒有關鍵性突破,達不到業界標準,且成本較高。
附圖:▲ 不同製程節點的晶片設計製造成本。(Source:ICBank)
▲ 可重構計算架構與現有主流計算架構在能量效率和靈活性對比。(Source:中國科學)
▲ 異構整合成示意動畫。(Source:IC 智庫)
▲ 通用處理器的典型操作耗能。(Source:中國科學)
資料來源:https://technews.tw/2021/02/23/what-to-do-if-the-chip-cannot-keep-up-with-the-evolution-of-the-algorithm/?fbclid=IwAR0Z-nVQb96jnhAFWuGGXNyUMt2sdgmyum8VVp8eD_aDOYrn2qCr7nxxn6I