5月份，台灣進入了從去年以來最嚴峻的疫情考驗，與此同時，兩個特殊的政治經濟身分卻成為了這次疫情爆發的起點。這兩個身分是「國際化」的機師，以及「在地化」的茶店從業人員與客人。疫情爆發是每個人都不願意看到的，但是從輿論以及政治人物對於這兩個身分的敘述以及處理來看，多數的政治人物與知識分子都在「檢討」茶店，而較少檢討航空業，當然，網路上多數都是將兩邊都罵爆了。這兩個身分的差異其實最明顯的就是國際化與在地化的對比，國際化意味著競爭力、經濟進出口以及背後的大公司支持，而在地化的部分則對國家重視的經濟發展、產業轉型以及全球競爭力沒有什麼幫助。這樣的差別，除了在目前疫情緊張的時候污名化這些不夠「現代」、不夠「國際化」、無法「產業轉型」的在地化產業之外，是否會延續到接下來紓困甚至是進一步的歧視呢？今天我們就來看看日本風俗產業的例子，然後來重新思考台灣的處境。

--------------------------
「賣春的不健全者，是沒資格被紓困的...？」日本從2020年第一次宣告疫情的的緊急事態宣言以來，至今已超過一年的時間。起伏不定的疫情令人憂心，對個人或商業的經濟衝擊也逐漸顯現出後遺症，而打從去年的政府疫情紓困補助以來，最為爭議的「風俗業是否應該納入紓困對象」，從輿論戰場轉到了法庭訴訟。業者認為排除風俗業是職業歧視、違反人權，但今年4月日本政府的法庭回應中，示範如何用一句話激怒風俗業者：「性風俗本質上就不健康，排除補助很合理。」此話一出，又再度激起社會意見的正反激辯。

2020年在疫情嚴峻的狀態下，風俗業者首當其衝。日本知名夜王羅蘭Roland，就因疫情收掉牛郎店，更不用說風俗業最早被外界指責是防疫破口，遭另眼相待。雖然許多業者苦撐並配合政府防疫，但沒想到後續政府的紓困補助方案，卻將其排除，怒得讓關西的派遣型風俗業者與協力的NPO一同提出訴訟，強調排除風俗業紓困是違反日本憲法中「法律之前人人平等」精神的人權問題。

透過這次口頭答辯，能更細緻了解日本風俗業在疫情前後所遭遇到的衝擊。而「國家是否應該紓困風俗業」這個百年提問，也將由此次辯論，讓21世紀的現代人重新思考性產業與國家之間的關係

2020年日本Covid-19疫情如野火燒不盡，嚴重打擊產業與民眾生計，日本政府因而擬定紓困補助（給付金）來補助各產業。雖然這波所謂「十萬元之亂」的紓困補助在去年也引發熱烈討論，但經過一層層滾動式修正後，仍舊上路，希望能站在「產業延續」的良善立意下，幫助國民。

然而方案裡，在在都將風俗業者排除在外，因而引發反彈議論。風俗業者認為，第一波疫情開始之後，性產業界就不斷遭到點名而備受歧視，緊急事態宣言出爐後，業者就開始配合政策限制營業，設計各種防疫營業的措施，更獨自承受經濟損失，結果給付金又將風俗業排除，也沒有其他補助方法，等於是將配合政府和社會防疫的人排除社會。

關西的派遣型風俗業者為此進而找上了律師團體、NPO等支援團體提出訴訟，認為紓困排除是違反憲法保障人權並要求國賠。雙方辯論在今年4月15日，也就是第一次緊急事態頒布的一年後，進行首次法庭辯論。

風俗業者表示，風俗業有納稅，也並非被《暴力團排除法》所認定的「反社會勢力」，是基於日本《風俗營業法》（簡稱「風營法」）規定來經營，沒有道理被排除在外。這次的紓困排除，除了向酒店、泡泡浴等風俗業外，也包含了柏青哥類的娛樂產業都遭排除。許多業者透過媒體申冤，認為這項排除是在疫情的惡性循環之下，再次遭到公權力的職業歧視。

這次的法院辯論中，政府所持的理由令外界許多開明派無法接受。政府認為，「性風俗業者，就是從事性交易，本質上就是不健康（不健全）的。所以排除給付金對象相當合理。」

由於一般社會大眾對風俗業仍存有許多異樣眼光，因此在這場辯論中讓人印象深刻的是一位從事風俗業的30歲女性，她選擇露臉站在原告台上提出意見：「國家否定了性風俗業是社會的一員，彷彿是說『這職業沒有被拯救的價值』想到這裡就不禁流淚。」

這次訴訟當中，出人出力最多的NPO組織「風陽台」（風テラス）長年以來提供律師、社工、心理諮商師等人員服務風俗業及其從業人員，算是風俗業的支持團體。目前的風俗業中，許多從業人員是所謂的「非正規女性」，也就是沒有從事「正當」、「正規」工作的女性，多數是社會弱勢而投入。那這些女性他們其中有可能是單親媽媽、貧困女性等，就能到風陽台來尋求協助資源。

另外風陽台也提供勞動協助，像是合約被騙、負債等等，會轉介律師來幫助從業者。此外，像是有些人想要脫離風俗業，但個人檔案還留在色情網站上時，也可以委託風陽台來做協助處理。

風陽台的理念認為，唯有政府給予適當補助，才有可能達成善的循環，讓工作者得到支援之後，收入得以穩定，未來才有機會生活自立。或許久而久之，有些人就能漸漸脫離這個產業。如果直接將風俗業人員排除在社會之外，在沒有資源收入不穩定的狀況下，繼續從事性工作也是被迫的選擇，從根本上無法解決問題。

（以上引用自網頁原文）
https://global.udn.com/global_vision/story/8664/5509057

📌 國共兩黨的存在，才是台灣「治理」困難的主要元凶！（文長慎入）

🙅🏻 倫哥，在本土全面執政五周年的今天，批評小英政府「全面治理失能」。此言差矣！！

當前台灣諸多治理難題，除了是民生、社會與政治問題本身的難度之外，國共兩黨的存在，甚至內外隔海唱和，才是當今台灣「治理困難」的主要原因。由於中國國民黨長期不願意「土斷」(在地化)為本土的政黨，用一個中國落跑來台時候連帶扛過來的不知所謂的「種花冥國」作為框架硬套在台灣身上，再加上，過去數十年的黨國腦殘洗腦教育之下，至今少說還有藍丁腦殘者五百多萬枚。隨著，過去二、三十年的經濟全球化，主要是以中國作為世界工廠的築就為表現，於是，分享大中國天朝意識形態的「國共」也就在中國經濟利益中得到共識，「反共」的姿態搖身一變成為「舔共」的身影。

再加上，中國經濟發展的瓶頸原本有賴於政治改革作為下一階段的鋪墊，但政治改革可能革掉中共一黨專政的命；因此，對外擴張的霸權崛起，把原本物質需求滿足之後的形而上的自由追求，轉挪成「想我中國百年來，受盡列強侵略，積弱就挨打」的大中華民族主義。職是之故，所謂中共一黨專政下的「中國模式」，勢必就被轉譯包裝成「中國可以平視世界」、「太平洋很大足以容納美中」、「中國也要參與國際規則制定」的「世界爭霸」或「全球制霸」的路徑。

中共帝國的崛起路徑之中，在徹底掌控香港之後，最重要的一站，便是拿下台灣。可是，由於中共軍事「硬實力」離美國一流軍事水準尚有距離，因此，反正「能抓老鼠的貓就是好貓」的「超越人類底線」的「超限戰」的不對稱戰爭，並以各種「銳實力」為表現的中國影響力、滲透力、偷矇拐騙無恥力，就開始滲透影響全球各地。馬哀帝邦伯八年任內，就是「門打開，沒顧厝」的讓中國白蟻、中國滲透、中國資本、紅色代理人….長驅直入台灣的年代。

直至2017年，西方才有專家學者理解到過去十幾二十年，所謂「中國影響力」的施為模式，並非傳統大家認知到的「文化軟實力」，而是一種具備中國特殊性的「中國銳實力」(Sharp Power)，利益要脅、以商逼政、藍金黃、買收…等等超越人類底線的方式，快速擴增中國的國際影響力。

台灣就是中國各種「銳實力」滲透、穿透、駐紮、寄生、在地代理、在地協力…的重災區。中國銳實力，有一種中國的特色，那就是利用「民主社會的灰色空間來顛覆民主」。例如，民主社會擁有言論自由與新聞自由，中共便利用此種自由將中共中宣部麾下管轄指揮的「宣傳機構」佯裝cosplay為「新聞媒體」，進行詆毀世界各地民主，宣傳中國模式好棒棒的機構。又如，網路本來就有其穿透國界的特殊性，中共便利用一手阻絕西方網路媒體、社群媒體穿透中國境內，另一方面利用這些穿透國界的網路與社群自媒體，用網軍、假帳號、旗下網紅直播主、在地協力者、中共代理媒體，詆毀在地民主，宣傳中國好棒棒。

然後，中國政權既然知道，躲藏在民主社會中的灰色空間，以中國銳實力把對方民主利用各種極端的言論、主張、立場，分化、切割、部落化與零碎化，於是，當台灣八月公投議題本是可被討論與多元顧慮的民主決定事項，就變成沒有「大潭藻礁一片不能少」此一極端情形。就這樣，原本意見紛陳的民主社會，大家投票來決定，就在中共銳實力滲透切割之下，變成一種「非黑即白」、「你死我活」的二元對立的極端意見狀態。這一切操作，都屬於中共早在多年前即已經提出來的「認知領域」作戰的表現範疇。

🙅🏻 隨手舉個例子，台灣疫情突起，但台灣民眾陷入各種慌張之中，最終效果都是對當前政府產生各種不信任。查其原因，大多數可能跟中共有關的假新聞、假訊息的資訊認知作戰，再加上台灣內部一堆拒絕「土斷」，認同錯亂的藍丁與藍丁政客、白裡透紅政客與白粉與韓粉，這些內部推波助瀾的唱和者與推手，試問，台灣的民生、社會與政治問題，如何「有效治理」呢？！

🙅 當各種討論的背後，充斥著中共藉機擴張矛盾的作用力，滿佈著台灣內部代理政客、協力政客，藍丁腦殘韓白粉的推波助瀾時，台灣的問題，如何能夠有效的治理呢？？

💢 說到這裡，問題梗概已清晰：台灣政府若遲遲不願把清除中國各種滲透，利用民主灰色空間進行的破壞，當成主要議程來推動，並以此些清除中國各種滲透的議程，重新打磨與捍衛台灣的各種民主工具與機制，那麼各種原本該是民主討論的機制，都會變成中共銳實力拿來顛覆台灣民主與主權的手段工具啊⁉️

👉🏿 早在四年前，我曾在台教會的極光電子報寫就一篇《Ungovernability: 小英政府面對的『不可治理性』危機？！》，就非常關注台灣不可治理(ungovernable)的問題。但這些年觀察下來，台灣當前眾多紛雜問題的難以治理，其實歸根究柢的根源，就是「國共兩黨」的存在啊⁉️

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

COVID-19疫情爆發之後，人類開始重新思考生命的意義和生活的模式，過去我們一直強調要跟世界接軌，要有全球化的思考，但是這幾個世紀以來，這種從工業化開始強調生產力和經濟產值的方式真的有帶給我們幸福嗎？後疫情時代人類是不是該思考一下其他出路呢？

我想先跟大家聊一下我最近看的影集，Emily in Paris。總之這個叫做Emily的美國女生帶了很多美國資本主義和政治正確的想法到了法國，有了很多反思跟挑戰。其中一個跟我們今天討論的很有關係。裡面講到說，這個Emily她在美國的行銷公司專門替藥廠打廣告。一個法國老闆就說，你們美國人很奇怪，一堆人吃到過胖，然後導致糖尿病，再發明糖尿病的藥，賣給這些人賺錢，就跟人類造成新冠肺炎疫情大流行，然後現在又要想怎麼找疫苗，還有一堆醫療用品跟疫苗公司想用這個方式賺錢，很諷刺。

這其實就是我們今天要講的。今天要好好介紹一位澳洲學者霍奇(Helena Norberg-Hodge)，從1970年代開始就一直主張地方主義的她最近剛剛接受《紐約時報》訪問，在報導裡她講了一個很好懂的例子。她認為只用G.D.P.也就是國內生產總值來看生活水準有問題。她舉例說：「如果水污染嚴重，我們都喝瓶裝水，是有利於GDP。但如果你和我自己種菜吃，GDP卻會下降。簡單來說，如果你和我保持健康，GDP就會下降。如果你每年都需要化療，GDP就會上升。」

其實有越來越多的學者探討這個問題，所以現在也有其他進步指標，去看除了金錢之外，會和環境的發展，像是世界幸福報告和人類發展指數等等。裡面也發現說，美國是世界上生產力最高的經濟體，但是生產力和收入的提高並沒有完全轉化為美國社會整體的福祉。這也是霍奇在談的「幸福經濟學」，像是長途運輸的產品其實是破壞環境的，或是許多社區經營的網絡帶來的利益也是無形的。

地方主義的對比其實就是全球化，尤其是全球貿易體系，當然這個問題是很複雜的，有些人因為全球化得到工作機會，有些人則相反，好像各有贏家輸家，但是用英國跟美國的例子來看，像英國脫歐或是美國從川普當選以來的狀況，都是更加強調保護主義，但是歐盟被削弱還有美國多元開放自由文化受到挑戰，我的意思是，難道鎖國會比較好嗎？這兩個國家的考量還是限於要如何保住經濟成長數字，從國家的角度去思考。但是霍奇關心的是人，她覺得對於人來說，就商業和人際交往來講，距離越短越健康。再來是多樣化，一個農民種植十幾種作物比單一種植更健康。但是全球化鼓勵的就是某些市場善於種這個做那樣的單一分工。所以她協助創立了許多小農市場，鼓勵更多元的種植，跟我們台灣人熟悉的菜市場差不多啦。

我當年在美國採訪的時候就有遇過那種農場，他們有養牛和豬，也自己種菜，想要吃什麼菜大家就會自己去找，我當時看了也很有感觸，就是那個社區裡面的大家，彼此之間的連結是那麼的緊密，也讓我想到新竹的原鄉部落司馬庫斯，當地泰雅族人強調的就是合作共生、土地共有理念。所以部落有自己的福利分配。有一些很特別的工作、土地共有、共食與全人照顧制度，也有部落議會凝聚大家的向心力。現在好像也有越來越多的原住民部落在思考，如何擺脫主流觀點所謂的成功模式。

而霍奇還有一個人生經歷很值得我們思考，她在1975年到了拉達克，也就是最近中印邊境衝突很嚴重的地方。當時這個印度西北部，主要是佛教徒的山地鄉，剛剛開始出現旅遊業和國際經濟，但是她發現經濟增長的背後，拉達克人的凝聚力逐漸被腐蝕，慢慢無法自力更生。她想盡辦法要幫助當地年輕人，告訴他們好萊塢電影不是真的，西方資本主義世界充滿了抑鬱、離婚和社會紛爭。

雖然如此，全球化還是帶來了一些好處，沒有什麼地方能鎖國或是排外，置身於全球共同利益之外。全球化另一個好處就是效率，講求地方主義或是在地化的國家會不會在反而無法跟其他人競爭？我們當然可以用更簡樸的方式生活，慢活或是更貼近自然，但是地方主義可以做到多徹底？跟全球化到底哪一個適合人類的未來生活？歡迎上網跟我們討論。
--------------------------------------
《#范琪斐的寰宇漫遊》每周四晚間8點55分在 #寰宇新聞台 播出，沒跟上的也沒關係，歡迎訂閱我們的 YouTube 頻道 🔔#范琪斐的寰宇漫遊 🔔https://reurl.cc/ZvKM3 1000pm準時上傳完整版！

本週漏網東西軍角逐的選項是：「加州野火燒」vs.「奧斯卡新規」。經過24小時的刺激票選之後，「加州野火燒」獲得66.8%的票數。

加州野火這條新聞真的是最近美國各大媒體的頭版頭，美國加州從8月中雷擊引發火災後，就提前拉開了今年野火季的序幕，現在各個城市都被煙霧籠罩，整個很像沙塵暴一樣，非常誇張。這場大火真的超嚴重，不只加州發生森林大火，加州北部的奧勒岡州、更北的華盛頓州，也都有很慘烈的火勢，地圖上看起來可能覺得小小的沒什麼，但其實每塊區域都是幾千公頃在燒，現在整個美國西岸的沿海城市都變成橘紅色，有民眾說一覺醒來還以為自己在火星，真的跟電影裡的世界末日很像，我們也有網友留言說，煙霧甚至已經飄過國界跑去加拿大溫哥華，當地pm2.5已經紫爆了。根據外媒報導，這場延燒一個月的大火已經奪走至少26條人命，還有數十人下落不明，數千個民宅被毀，至少180萬公頃土地化為焦土，相當半個台灣的面積。奧勒岡州州長還說，當局正在為「大規模死亡事件」做準備。現在因為很多地方剛燒完或是還在燒，大家還不能進去，所以無法評估火災破壞程度，也還沒辦法確定傷亡數據。

很多人就問說其實美國西岸應該每年都在燒，但今年怎麼會那麼嚴重呢？原因就是氣候變遷！其實加州夏季本來就非常乾燥炎熱，8月16日當天加州南部沙漠地帶死亡谷國家公園（Death Valley National Park）一度測得攝氏54.4度的高溫，創下1913年以來全球最熱紀錄。這種乾熱天氣就會導致密集的雷暴現象，就是瘋狂閃電沒有下雨，加州8月中的時候，一週就發生上萬次閃電，是1980年代以來最密集的紀錄，那閃電就非常容易引發森林大火，另外氣候乾燥也導致森林裡的枯樹越來越多，就是非常棒的助燃物，因此高溫乾燥、閃電打下來再加上風一吹，很容易就一發不可收拾。

不過這次的大火除了天災還有人禍。像是南加州一場大火，起因竟然是一場「寶寶性別揭曉派對」，「寶寶性別揭曉派對」是近年在歐美非常流行的活動，通常懷孕第20週就可以透過產檢知道寶寶性別，那準爸媽會要求超音波掃描師不要當面告知是男是女，而是寫在紙上放入信封封好，再由準爸媽交給一兩個值得信賴的人，這個人開信封得知「謎底」後，在全程保密情況下，根據寶寶性別來籌辦派對。通常透過切蛋糕，展示蛋糕切面是粉紅色或藍色，來象徵懷了女兒或兒子，或者是拉開氣球，看看噴出來的是粉紅色或藍色碎紙花。然後這種派對就越玩越大，大家都想要跟別人不一樣，什麼煙火、煙霧手榴彈、爆破裝置樣樣來，先前也有鬧出人命過。然後這場發生在「聖伯納地諾」（San Bernardino）的火災，就是因為當地有一對夫婦5日舉辦這種派對，為了耍噱頭，使用一個煙火裝置，結果射出去之後，附近的野草迅速著火，這對夫婦狂奔到車上拿水瓶想滅火，結果當然沒用啊，只好趕緊報案，附近居民也被迫撤離。

不過這次山火其實也燒出了外界很多疑問，明明樹林裡這麼容易發生火災，到底為什麼大家還要跑去這種野火好發區蓋房子呢？其實最主要原因就是大城市房價真的太貴了，我們先前都住過加州嘛，像舊金山、洛杉磯這種地方，賣腎都住不起，州政府為了解決住的問題，就會施壓地方政府多蓋一些房子應付住房需求，否則拿不到州政府的補助，那未被開墾的山林野地就理所當然成了目標。有一個很好的例子是加州的「索諾馬郡」（Sonoma county），1964年的森林大火只燒毀了幾百間民宅，但2017年又發生了一場差不多面積的大火，就摧毀超過5000間房屋，顯示當地人口成長了很多。那在三年前的大火之後，當地官員受訪的時候就說，這種事情一定還會重演，因為站在政府立場，他們沒有權力去叫人民不要重建家園，主要有兩個考量，第一是財政：你不重建就會讓人口外移，沒有人就沒有稅收，對地方財政會是重大打擊，沒錢去支付義務教育、垃圾清運、警消部門的薪水，站在經濟的考量下，重建是復甦的唯一辦法。

很多人會說重建可以蓋好一點的房子！像是提升標準、用防火建材之類的啊！不過這就遇到第二點「情感上無法」。這些一夕間一無所有的屋主，勉強住在車上或半燒毀的房屋裡，只希望政府用「最快最便宜」的方式，幫他們重建家園，讓他們的生活盡快回到軌道上，在這樣的壓力之下，沒有地方官員會忍心說不，或是拿自己的烏紗帽開玩笑。另外還有一個是，哪裡跌倒就從哪裡站起來、靠雙手重建家園這樣的觀念似乎變成一種「美國精神」，每次天災後官方就會喊話說：「我們的第一要務就是重建家園！」就好像不重建就等於「投降」，放棄了你的老百姓，放棄了你的選民。結果現在就是燒掉重建、重建又被燒掉這樣一直惡性循環下去。最後恐怕要靠保險公司拒保、讓房市崩潰，才能終結掉這個循環，但就是非常殘忍啦！

雖然氣候變遷的問題我們沒辦法馬上就解決，但至少可以把災害的損失降低，例如根本就不要把房子蓋在野火區，而已經存在的社區，也要靠政府幫忙遷出危險區域，才是目前最能夠治本的方法。大家也不要覺得加州大火跟我們沒關係喔，在台灣也是有很多人把房子蓋在順向坡、土壤液化區，這件事情也非常值得我們思考，人類與大自然爭地的代價，我們扛得起嗎？

如果喜歡我們的節目，記得幫我們在臉書按讚跟分享出去，或是在YouTube訂閱我們的頻道，如果想看更多的國內外新聞的話，也請您上YouTube搜尋寰宇新聞，我們下週見！
--------------------------------------
《#范琪斐的寰宇漫遊》每周四晚間8點55分在 #寰宇新聞台 播出，沒跟上的也沒關係，歡迎訂閱我們的 YouTube 頻道 🔔#范琪斐的寰宇漫遊 🔔https://reurl.cc/ZvKM3 1000pm準時上傳完整版！