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

戰場上的AlphaGo：人工智慧帶來的軍事革命已悄然展開

王臻明 29 Jan, 2021

人工智慧與機器學習，已注定將全面改變人類世界，這幾乎無庸置疑。想當然耳，這也會影響到軍事領域。事實上，人工智慧在軍事領域的發展，可以說是一日千里，雖然在短時間內還不會出現具備人工智慧的機器人士兵，但許多無人載具早已經在使用人工智慧技術。還有更多外界看不到的地方，都因為人工智慧，而開始出現巨大的變革，未來勢必引發新一波的軍事革命。

舉例來說，人工智慧最令人震驚的，是已經能稱霸棋檀，AlphaGo打遍天下無敵手。而美國軍方正利用類似的技術，嘗試發展一套名為GameBreaker的人工智慧系統，來輔助各級指揮官。這套系統利用電腦兵棋模擬的方式，經由機器學習來訓練出最優秀的戰場決策能力，提供各種狀況下的最佳戰術，讓指揮官選擇。等於是參加圍棋比賽時，旁邊有AlphaGo幫忙作弊一樣，這將讓美軍的每一個指揮官，都變成能征善戰的沙場老將。

戰場資訊解讀模式的改變

將人工智慧結合電腦兵棋模擬，不只可以發展輔助決策系統，還能用來分析敵我雙方的缺點，因為電腦的快速運算能力，能同時處理極多的資訊，這是傳統人腦所無法負荷的。今日戰場越來越複雜，各種戰場訊息透過資料鏈、太空衛星或情報系統傳入指揮中心後，常常呈現資訊爆炸的情況。這在二戰時就已經開始出現，在今日的戰爭中變得更為明顯，現在的問題早已變成部隊不缺乏偵察能力，卻難以處理龐大的資訊量。

這是資訊時代的特點，也讓大數據的處理成為最熱門的技術。軍事領域的大數據更為複雜，而且常具備作戰時效性，一旦花費太久的時間處理，再珍貴的情報也會變得一文不值。使用人工智慧來處理大數據，是目前最有效的方法，雖然目前還在起步的階段，但這種技術已逐漸被運用於各個層面。美國軍方也計畫將人工智慧用於資料鏈的後端處理上，以快速分析龐大的資訊，即時過濾出對作戰有用的重要關鍵情報。

人工智慧結合資料鏈，用來分析各種情報，再結合電腦兵棋系統，訓練戰場輔助決策系統，等於大幅減輕了指揮官與作戰幕僚的工作量。也讓作戰指揮體系的運作速度，從過去以天計，或以小時計，變成以分計，甚至以秒計。更重要的是，這種人工智慧系統，未來還能以分散部署的方式，用來協助第一線的作戰人員，如工作量最大的戰機飛行員。

戰機飛行員必需即時接收各種資訊，操作精密電子儀器，決定飛行路線或所採用的戰術，進行空對空作戰或對地攻擊。這需要長期的訓練，才能培養出一個合格的飛行員，甚至還有天份的因素在內。在戰機越來越複雜以後，飛行員的負擔也越來越重，有一段時間F-4、F-14等戰機都採用雙飛行員的設計，以減輕飛行員的負擔。一直要到現代化的航電系統成熟後，才改變了這種情勢。但恢復成一人操控的飛行員，接下來卻要面臨更大的挑戰，因為除了戰場變得更複雜與危險外，還出現了無人機。

無人機雖然是標榜無人操作，不過真正運作時，是用遙控或預先規劃路線的方式來控制。這種方法的最大缺點，就是即時反應的能力差，用於偵察或對地打擊任務時，還能勉強應付，若想要進行空對空作戰，或配合傳統戰機進行各種複雜的空中任務，就顯得有點力有未逮。這當中所缺乏的關鍵能力，除了遙控會有延遲，還有傳統戰機上的飛行員，要指揮這些無人機，必需要處理更龐大的資訊，做出更複雜的決策，這已超出一般人類飛行員的能力負荷。

因此目前各國紛紛在研發、最為熱門的忠誠僚機（Loyal Wingman），其實包含了兩大關鍵部份。一是以人工智慧結合無人機，讓無人機可以自行判斷當前的情況，做出反應，保護傳統載人戰機，並協助執行各種任務。二是將人工智慧技術融入戰機座艙的操作介面中，以協助飛行員處理資訊並進行決策，好指揮這些忠誠僚機。一旦無人機不再需要透過遙控或預先規劃路線來控制，也代表無人機的運用將更有彈性，讓傳統載人戰機的角色大幅改變。

後勤補給型態的變革

人工智慧結合無人載具，可以說是近年來最熱門的研發方向，除了最早出現的無人機以外，正在快速發展的還有無人船、無人潛艇與無人車等。這些無人載具目前多數用於偵察、巡邏或探測等工作，而未來勢必會像無人機一樣，開始配備武器系統，直接參與戰鬥。這除了可以大幅減輕第一線戰鬥部隊的風險與負擔，更重要的一點，是將會全面改寫部隊的後勤支援方式，進而改變戰場的遊戲規則。

俗話說「三軍未動，糧草先行」，後勤能力一直以來，都是決定戰場勝負的重要關鍵之一。但後勤補給的工作，不只枯燥、繁雜又耗費人力，還往往是最被忽視的一環。也因此無人載具與人工智慧技術開始發展後，現階段被認為最有潛力的方向，並不是直接用於戰鬥之中，而是後勤補給的領域，希望能取代傳統人力，來完成這些工作。就以無人地面載具（UGV）來說，現在發展最快的就是無人卡車，與俗稱機械驢子的多功能無人載具。

無人卡車使用的是現在非常熱門的智慧輔助駕駛技術，這主要包括了自動跟車模式（Adaptive Cruise Control , ACC）與車道維持，再加上能閃避障礙與敵人攻擊的偵測與判斷系統。除了可依事先規劃的路線全自動行駛外，未來最有可能的運用方式，是自動跟隨在有裝甲防護的前導車輛後方前進。這樣只需要一組駕駛，就可以操控一整列運補車隊，不止將大幅減輕人力需求，也能降低戰場上的風險。

至於機械驢子並不是真的長得像機械動物，雖然也有類似的系統出現，但目前各國所研發的多功能無人載具，大都採用輪型或履帶系統。最主的功能是可以自動跟隨步兵在各種崎嶇地形前進，可馱運武器彈藥、飲水食物、電池與各種作戰物資，在緊急時還能將傷患自動運回野戰醫院，或自行往返於前線與後方之間，執行作戰補給任務。這除了可以大幅增強士兵的持續作戰能力，也讓部隊在推進時，不必再受到補給線的限制。

過去的傳統部隊架構，有一大部份的人力，要負責情報分析、作戰計畫、後勤補給。人工智慧技術將改變這種情況，讓絕大多數的士兵成為作戰人員。同樣規模的部隊，能實際參與作戰任務的人員，將大幅增加，也因此讓部隊的戰力倍增。再加上情報的快速分析，卓越穩定的戰術選擇，不受天候影響的全自動補給系統，不怕傷亡又可以冒險執行危險任務的各式無人載具。說人工智慧將全面改變傳統部隊的形態並不為過。

可能多數人想像中的人工智慧，仍是手持雷射槍的機器人。這樣的武器或許在五十年後才會出現，今日的人工智慧技術雖然還沒進步到這種地步，不過卻已經勾勒出來未來的戰場形態，並遠遠超過一般人的想像。

台灣在改採全募兵制以後，人力成為了一個重要議題，特別是台灣的人口首度出現負成長，更值得國軍好好思考，如何以科技來釋放人力，在部隊的員額受到限制下，快速強化整體戰力。

人工智慧將是接下來的另一項明星產業，又完全建立在電子晶片上，讓台灣擁有絕對的優勢，政府也已多次宣誓將進軍人工智慧領域。以敵為師，中國特別擅長以軍民合用的方式，來發展關鍵的軍事科技，同時搶占民間市場與強化部隊戰力。台灣在國防預算有限下，也應該考慮如何利用現有的政府資源，在推動民間產業發展時，一併運用於國防領域，以創造雙贏的結果。

附圖：美軍MQ-9無人機。 圖／美國空軍
RQ-4全球鷹無人偵察機。 圖／美國空軍
波音公司忠誠僚機（Loyal Wingman）。 圖／波音官網
美軍在伊拉克曾以無人車進行路障排除任務。 圖／取自DVDIS網站
澳大利亞陸軍試用無人地面載具（UGV）。 圖／取自Asian Military Review

影片：https://youtu.be/pwbLO81faGc

資料來源：https://opinion.udn.com/opinion/story/120873/5213045?fbclid=IwAR1UsXBkDSc4116WrD7D0rqc8mhfkCK4F2_0cWoF1j-CtrsAd1Byoe0_gKw

「#閱讀是最好的學習」這一句在 閱讀前哨站 首頁顯眼的標題，從部落格成立至今就放到現在。我不曾改變過這句話，卻也是這句話，對我帶來了最大的改變。為了學習「如何閱讀一本書」，我開始對每一本讀過的書寫下讀書筆記，並且將心得整理成部落格文章，透過這樣持之以恆的紀錄，我有了一些不同的體悟。
圖文好讀版 https://readingoutpost.com/2020-favorite-books/
.
１．跨能致勝
２．誰會說故事，誰就是贏家
３．完成
４．最高學習法
５．破框能力
６．財務自由實踐版
７．金錢超思考
８．從內做起
９．僧人思考
１０．零規則
.
【為我帶來啟發的書單】
.
我發現，只靠讀書，雖然沒辦法直接改變你的人生，但是，從書本裡你可以找到許多的「啟發」。這些啟發，或多或少會改變你思考事情的方式，讓你想要接觸不同的觀點、學習不同的知識、嘗試不同的行為。接著，就是當你踏出了那一步、往未知的領域前進了那麼一些，這時候，改變才會發生。

2020年，我從讀過的70本書、寫過的56篇讀書心得裡面，挑選出10本我個人最喜歡、最受啟發的書來跟你分享（前兩年的Top 10好書推薦：2019年、2018年）。我挑選的這10本書裡頭，有些帶給我思考上的衝擊、有些帶來特別的靈感、有些則幫我改變了行為和習慣。

以下，我會簡單分享這些書的心得，以及我得到的啟發。每一本書我都會附上完整心得的長文連結，如果你有興趣的話，也可以直點進去閱讀全文。接下來，就讓我們開始吧！
.
１．#跨能致勝：顛覆一萬小時打造天才的迷思，最適用於AI世代的成功法

當初我讀完《跨能致勝》之後，馬上寫道：「這是我2020年至今最喜歡的書，它有故事、有理論、有溫度，用廣闊的視角和獨到的觀點，帶人們領略『在這個越來越需要超級專業化的世界中，如何獲取和培養跨界能力、體驗多樣化、探索跨學科的領域？』」

在這本書尚未推出中文版之前，我就用Audible英文有聲書聽過一次，當下已經非常喜歡，後來推出中文版後又讀了第二次。在年底的時候，當我得知這本書也名列「比爾蓋茨2020年度五本選書」，能跟他有類似的選書品味，心裡真的感覺到非常的開心。

作者從運動界、藝術界、商界、學界，挑選了許多發展過程截然不同的人，說明專才跟通才的差異。不過，這本書的中文版有一些小缺點，因為是四個人聯合翻譯的作品，所以會感覺有一些地方的前後連貫性沒有這麼理想。但是整體來說，作者要傳達的觀念還是非常的有意思的，對我來說算是瑕不掩瑜。

帶給我的啟發：讓我換個角度思考，不一定要執著於「成為特定領域前1%的專家」，而是結合跨領域的專業能力，發揮出截然不同的獨特性，去達成另一種類型的前1%。跨能人才懂得尋找自己在這個社會上的「稀缺性」，提高自己獨特的「價值」。這本書讓我對於即將執行的目標，產生了更多靈感。
.
２．#誰會說故事誰就是贏家：讓你在幾分鐘內感動人心，說服任何人、做成任何事

《誰會說故事，誰就是贏家》是一本非常有意思的書，作者認為「說故事」的策略可以應用於當今商業的溝通挑戰，協助企業和公司用更親切的方式塑造形象、傳遞訊息、與客戶建立關係。當你想要讓任何人接受你的服務或商品，靠得不只是規格或數據，更多的時候是你說了什麼故事。

作者在書中應用許多生動的案例，說明了為什麼要說故事、如何說故事、該說哪些故事。我認為，這本書除了對各種大小的公司有幫助之外，對於準備職場簡報、經營個人品牌的一般讀者也會有所啟發。你只要把書中的「顧客」換成你要溝通的「對象」，把「公司」換成「你」自己就可以。

因此，無論你是在經營個人品牌、在公司擔任行銷或業務的職位、或是想推廣產品和服務的創業家，這本書都會對你非常的有幫助。書中會用實際的範例和步驟，帶你建立四種必備的故事：價值故事、創辦人故事、使命故事、顧客故事，這本書不只談理論，更有許多的地方會帶著你實作。

帶給我的啟發：以前，我總是覺得自己不是一個說故事的高手，常常用理工人的觀點，覺得如果要做一件生意，就開談規格、要談賣點，要談價格。現在，我被「說故事」的觀念說服，也從許多其他的商業故事認識到這個手法的優點，我開始思考關於自己更深層的故事，這本書是一個很好轉捩點。
.
３．#完成：把不了了之的待辦目標變成已實現的有效練習

面對新的一年，應該有很多人都會興高采烈的寫下自己的「新年新希望」，但是你知道嗎？根據統計，有92%的人會半途而廢。如果你想真正「完成」自己許下的新希望，《完成》這本書是我認為在新的一年，你會最需要的一本書。

作者寫作的方式，會讓你感覺有點像是一個幽默的脫口秀演員，有時調侃、有時鼓勵、有時自嘲。雖然，作者的文字之間充滿了輕鬆風趣，但是他給出的建議卻十分誠懇和執行。例如，把目標砍半、把時間加倍、把目標拆解成微小目標、記得回顧自己的進步。從這本書裡，你也會學到如何克服完美主義的心魔，讓自己「不完美地前進」，贏過九成不能完成目標的人。

帶給我的啟發：原本我一直很猶豫要不要開始錄製 Podcast，總是擔心自己比較內向、無法對麥克風唱獨角戲、感覺自己還不夠格、可能沒人喜歡自己的聲音，因此，遲遲無法完成這個延宕許久的目標。這本書幫我用輕鬆的方式，接受了不完美的自己，終於踏出了第一步。這一步，幫我帶來更多的勇氣和自信。

４．#最高學習法：12個改變你如何思考、學習與記憶的核心關鍵

《最高學習法》這本書讓我超級驚艷，我分兩個面向來講。第一個是這本書的評價非常好，我喜歡在網路上先看別人的評論，做為自己的選書參考，但是我完全找不到這本書的負評。這也是我第一次在幫助讀者選書的〈選書，兩好三壞〉專題文章裡，沒有紀錄任何負評的一本書。

第二個是這本書真的是我以前從來沒有讀過的類型。書的主題是在講人類的大腦是怎麼學習和記憶的，最特別地方就在於，作者竟然把「這本書的本身，當成這本書的範例」。舉個例子來說，其中一個理論是，為了提高我們的記憶力，背誦東西應該首重「更高的複習頻率」，而非「單一長時段的複習時間」。

所以，他在四個不同的章節，放了同一張照片（上面有一些文字）請你看10秒。然後，他又在某一個章節裡，在同一頁上放了四張一樣的照片，請你連續看40秒。在書的尾聲，他請你回憶兩張照片裡面的文字。結果非常鮮明，分散在四個章節的照片，帶給我們的記憶深刻許多。

帶給我的啟發：第一次體驗到「紙本書」的設計和編排方式，可以讓我這麼深刻地體會到，腦袋如何去學習和記憶。這本書必讀紙本書，其他的媒介都沒辦法帶你如此深刻的震撼。我也體會到，學習「如何學習」的另一個好處，會讓我們學到「如何教學、說服和影響」，這是一體兩面的事情。
.
５．#破框能力：全球TOP50管理大師教你突破「專業」陷阱

《破框能力》是帶給我思考衝擊的一本書，作者在談我們常常會陷入一種稱為「能力陷阱」的境地，也就是說：「當你越擅長自己做的事情，就會一直去做。做得越多、越擅長，就越願意去做。這樣的循環讓你獲得大量專業經驗，卻容易讓你受限於專業框架，落入能力陷阱。」

你如果想在職場往上爬，想往管理職邁進，那這種能力陷阱會成為一種很大的障礙，作者認為克服這個陷阱最好的方式就是「先行動後思考」，由外部的行動，改變內在的想法。如果你想要像一個領導者一樣思考，唯一的辦法就是先讓自己像一個領導者一樣行動。

作者強調，當你跟那些「優秀的領導人」做著一樣的行為，你才有可能反過來刺激自己的想法，去思考他們為什麼要這麼做，發掘背後的原因和技巧，淺移默化改變自己的思考方式。書中也提供具體建議，教你怎麼克服三種陷阱：專業陷阱、人脈陷阱、忠於自我陷阱，很顛覆我想法的一本書。

帶給我的啟發：以往我也曾經落入作者說的一種心態，那就是想要「先想清楚再行動」。結果，往往實際的情形是，想了半天卻滯足不前，永遠覺得自己還沒準備好、還不夠格。現在，我在職場上的工作規劃，開始加強「行動」的部分，更願意讓自己嘗試以往不熟悉、不習慣的互動方式。
.
６．#財務自由實踐版：打造財務跑道，月光族、小資族也能過自己想要的生活

《財務自由實踐版》的作者是受過認證的財務規劃師，這本書也跟我讀過的其他財務自由理財書，有著滿大的差異和特色。作者不是單純只講財務和投資，他認為邁向財務自由是一條漫長的道路，因此我們如何看待主要的收入來源「工作」，就顯得十分重要。他想透過這本書，提供一份健全的「財務、工作、生活」規劃指南。

如果你以為只靠著股市裡面殺進殺出，就可以提早退休，那是過於美好的幻想。作者除了提供穩健的投資策略之外，也說明了該如何善用自己的職場能力，找到你的使命感和成就感，獲得越來越好的本業收入。這是一場馬拉松，而不是短跑，你必須學會享受這段過程。

關於書中談到稅務、保險和遺產規劃的部份，是財務規劃裡不可或缺的一環，作者以財務規劃師的角度，用平易近人的文字說明了這些規劃的原則和重點。雖然，書中的範例大多以美國人為主，但是觀念可以先學起來，再延伸到台灣的情境。

帶給我的啟發：首先是作者提到的「財務跑道」公式，這是一個很有意思的計算方式，讓我們知道自己的資產狀態，以及擁有的自由程度（選擇喜歡的工作）。另一個是關於「財務自由」的心態，並非達到終點才叫做自由，這樣反而會帶來「現在都只是在受苦」的假象。當你踏上適合的財務跑道，朝向終點邁進的每一個時刻，都是自由。有了這種認知和喜悅，前進的速度反而更快、更穩健。
.
７．#金錢超思考：《華爾街日報》最受歡迎財經作家，25道創造財富的關鍵思考，教你晉升有錢人！

《金錢超思考》這本書的作者是一位長年在《華爾街日報》撰寫財經專欄的作家，他透過長年來的觀察，對於人們該「如何思考金錢」有很深刻的洞見。他想告訴我們，如何有智慧地看待金錢、如何運用它，讓它成為一個讓我們生活更美好的工具。

我覺得很有意思的是作者把金錢和「快樂」連結起來的方式，還有關於用錢來「追求物質」和「追求體驗」的差異和比較。另外，作者也說明了金錢和「時間」的關係，時間可以換取金錢，但金錢也能買到時間。當我們認識到金錢跟時間的關係之後，對於「投資」和「儲蓄」就能有更深刻的理解。書的後半段談金錢和「風險」的關係，以及我們該如何處理和面對這些風險。

帶給我的啟發：當我們對一件事情的心態對了，行動才會跟著對，對於「錢」這件事情更是如此。我學到三個重點，第一個是金錢帶來的體驗不分貴賤，追求體驗是很值得的消費；第二個是學會判斷保險的類別，什麼是不值得承擔的保險；第三個是活得太久竟然也是一種風險，需要將長壽風險納入投資理財的規畫當中。
.
８．#從內做起：頂尖領導大師淬鍊25年的10堂課

《從內做起》這本書的作者認為所謂的「領導力」，就是你對別人的「影響力」。讓我印象深刻的是他把領導力拆分成「領導力五階層」。他認為提升領導力是一個循序漸進的過程，有一些可以遵循的原則和步驟，是可以透過後天的方式培養出來的。

對我來說，這本書跟領導管理的經典書籍《與成功有約》有那麼一絲相似，都是作者本人從自己的故事和例子，延伸出包含人格培養、待人處事、心態建立…等論述，然後旁徵博引其他的書籍與文獻。從同樣身為內向者的作者身上，我被他「領導力不是天生，而是後天養成」的說法感動，他追求「自我成長」展現出的熱情，也讓我為之嚮往。

帶給我的啟發：「領導力的高低」是可以被定義出來的，一個人在不同的群體裡面，也會有著不同程度的「領導力」。重要的是，我們都能透過「領導力五階層」的步驟和方法，來逐步提升自己在群體中的領導力。也不要仗著自己在某個群體裡有著很高的影響力，就想把一樣的態度用在不同的群體上。
.
９．#僧人思考：從道場到職場，訓練你的心，過著平靜而有目標的每一天

《僧人心態》這本書是我今年讀到關於哲學思考方面，最喜歡的一本書。作者在社群媒體上非常火紅，擅長用淺顯易懂的方式，把一些很棒的觀念包裝成激勵人心的短片。直到接觸到這本書我才發現，原來作者曾經從商學院畢業後，前往印度當過三年的僧侶，這件事情引起了我對這本書的興趣。

在這本書裡，作者把他在道場裡面的修練、跟僧侶們的交流互動、體悟到的人生的道理、還有千古流傳的智慧，帶回紛擾的現實世界分享給大眾。作者將道場中學到的普世智慧，巧妙地融合數位科技的推廣，加上他曾經是商學院出身的思維，打造出了一個具有深遠影響力的思想傳播平台。

僧人總是能夠以最平靜的方式，活出充滿意義感的人生。作者認為我們也應該學習這些智慧，用來面對你的內心情緒、處理你的人際關係，提升你在職場上的表現、改善你想要學習和進步的事物。每個章節後面都有許多的「試試看」步驟，讓我們採取具體的行動，來練習這些僧人教我們的事情。

帶給我的啟發：讀完後我得到三個好東西，讓自己更容易找到平靜。第一個是：「放下對於目標的執著，收穫來自於享受學習的過程本身。」第二個是：「練習抽離自己的原始心智，用愛和尊重來對待自己。」第三個是：「學會付出自己的喜悅，對別人的成功抱持祝福，你就可以擁有無限的快樂。」這本書也幫我重拾睡前「冥想」的習慣。
.
１０．#零規則：高人才密度x完全透明x最低管控，首度完整直擊Netflix圈粉全球的關鍵祕密

《零規則》這本書在談Netflix創新企業文化背後的管理方式，作者正是創辦人暨執行長本人。特別的是，他邀請一位專門研究各地文化差異的學者跟他共同寫這本書。學者到世界各地訪談幾乎所有層級的Netflix員工，從新人工程師、中階主管、以及高階主管群，都是受訪對象。

這本書獨特的三方對話寫作方式「創辦人—學者—員工」，我讀起來的感覺，就像是親自在公司裡面走一遭，非常有代入感。Netflix特有的「自由與責任」文化，強調給予員工高度的授權、刪除繁瑣的行政流程和規則、重視員工之間高度透明的溝通方式。執行長以循序漸進的方法，顛覆傳統老舊的管理方式，讓整本書讀起來令人耳目一新。

書中許多環節都凸顯出「高人才密度」的好處，執行長把最優秀頂尖的人齊聚一堂，設計一個不會彼此扯後腿的績效機制，這讓員工們集中火力在提升公司的創新和競爭力。對待這些優秀的員工，給予他們自由，不要用規範和流程束縛創意；給予他們責任，讓他們有權決定重要策略、擔起公司進步的重任。

帶給我的啟發：這本書是我今年最喜歡的商管書，相比起我待的高科技製造業使用「規範與控制」來達到製造量產，Netflix看似「零規則」的管理方式則有利於「創新」。我沒有在這類型的公司待過，能夠這麼近距離了解這家公司的運作和理念，對我的領導思維帶來很多衝擊，也讓我重新思考自己的團隊管理和帶人方式。
.
【後記：更多的好書推薦】
.
圖文好讀版 https://readingoutpost.com/2020-favorite-books/
如果你喜歡我分享的讀書心得，歡迎訂閱「閱讀前哨站的電子報」，每週都會寄送最新的文章通知。如果你喜歡用「聽」的方式吸收資訊，也歡迎訂閱我的 Podcast 說書頻道「下一本讀什麼？」，我會用輕鬆的方式說書、聊書，讓你能利用通勤之類的零碎時間，快速吸收我從一本書裡得到的收穫。

最後，提供一些閱讀的資源。想要培養閱讀的習慣？可以參考我的這篇文章〈養成這3個習慣，一年讀50本書改變人生軌跡〉。想要徹底讀懂一本書？這篇文章可以幫上你〈對抗淺碟閱讀的最佳武器〉。想要學習在書中記下重點？這邊文章有多訣竅〈一流的人讀書，都在哪裡畫線？〉。
.
2021年正式起跑了，你的下一本讀什麼？
.
【博客來．2021 黃金月活動】

文章的最後，跟大家分享一個好康，那就是一年一度的「博客來黃金月活動」。我幫閱讀前哨站的讀者們爭取到了「限量2000份的 $50 優惠券」，需要的朋友趕緊去領取。更棒的是，我請博客來將我的年度書單，做成一個專頁讓你可以快速瀏覽我的好書推薦，千萬別錯過了！

領取粉絲專屬 $50 優惠券 https://bit.ly/2WHAdAr
「下一本讀什麼」年度書單 https://bit.ly/3pB9aDa
黃金月活動主場（全館3折起） https://bit.ly/2L8pTPs