【🎁抽獎贈書活動】《#腦力全開》x2本
🤯一直以來，那些別人告訴你「不可以」、「你不會」、「你不行」的局限信念，正在束縛你的大腦潛力。最近我讀完一本書之後更加相信，解開自己大腦枷鎖的萬能金鑰，就是養成持之以恆的讀書習慣
#如何解鎖束縛 #如何釋放潛能 #如何學得更好 #如何記的更深
✍️圖文心得 https://readingoutpost.com/limitless/
.
【這本書在說什麼？】
.
《腦力全開》這本書的作者是知名的腦力培訓專家吉姆・快克（Jim Kwik），他在五歲的時候腦部曾經受傷，影響了學習力。後來他自創學習方法，大幅改善自己的心智效能。因此他決定用盡畢生的力量，20年來擔任腦力教練，幫助他人發揮真實的才能和潛力。

這本書一開始會談數位資訊的爆發，帶來了哪些不好的影響，甚至正在無聲無息地限制你的腦力。然後解藥出現了：第一部份談「幹勁」，說明你為什麼要找到目標和動機。第二部份談「心態」，說明你該擁有哪些正確思維？第三部份談「方法」，讓你把這些觀念，實際運用到生活當中。

如同這本書的英文書名「Limitless」，也就是「無限」的意思，作者認為無限指的是是一種「行動」或「過程」，擺脫「個人潛能有限」這個不正確的觀念。擁抱以下事實：擁有正確的心態、幹勁和方法，你就沒有極限。

一直以來，你可能都沒有察覺到，自己給腦袋加上了許多無形的枷鎖，這本書會幫你破除這些迷思。作者期許每個人都能學會，如何讓腦袋擺脫傳統定型思維的束縛，擁抱無限的成長和進步。
.
有個彌天大謊：我們是有侷限的。其實，我們受到的限制，只有我們相信的那些限制。
心理學家韋恩．戴爾（Wayne Dyer）
.
【我為什麼想看這本書？】
.
大約在兩年前，我在Youtube上面開始注意到作者發表的影片，他一直強調任何人能都能發揮「無限腦力」。例如這部影片教我們如何學得更快，這部影片則教我們如何在閱讀之後讓記憶更牢靠，這些概念和方法讓我受到許多啟發。

我雖然沒有特別關注他所有的資訊，但每當Youtube推薦他的新影片，我總會多看一眼。這次，他終於透過書本的方式，把這些散落在許多影片裏面的好東西，彙整成這本濃縮版的腦力開發手冊。閱讀這本書，就能獲得他數十年的經驗談，何樂而不為？
.
【反芻之後，我的讀後心得】
.
這陣子，我對「大腦」和「學習」相關的主題很感興趣。除了這本書之外，我從《大腦百科》和《最高學習法》的科學研究學到大腦在進行學習時運作的方式，從《學得更好》瞭解回顧和反思的重要，從《超速學習》領略自主性和高強度的學習方法。

我很喜歡用《如何閱讀一本書》的「主題式閱讀」這個方法來找題目，也就是透過讀很多本相近領域的書，交叉比對每個作者說法相同的地方、和不一樣的地方。讓他們針對同一個主題做出討論，藉此得到我自己的結論。

我也漸漸發現，當我讀多了相關領域的書籍之後，這些書裡面重複出現的觀念，最自成主題，也就是「你不用去尋找主題，主題會自己來找你。」像是我這次讀完《腦力全開》之後，一直在思考作者提到的這麼多方法和訣竅，有沒有什麼「貫串全書」的概念，可以讓我更容易記憶？

經過三天的沉澱和反芻思考之後，腦海裡終於浮現這個主題式的結論：「解開大腦枷鎖的萬能金鑰，其實就是我最熱愛的事情：閱讀書籍。」以下我用一張圖歸納這本書的重點，並且詳細說明如何透過「閱讀」解開大腦的枷鎖。
.
一張圖解 https://readingoutpost.com/limitless/
.
【１．閱讀：對抗數位資訊的「生活方式」】
.
作者觀察到，許多人已經習慣自己長期被數位資訊轟炸，逐漸失去主動思考的能力、甚至侷限了自己的成長心態。他引用聖經裡面「天啟四騎士」的概念，指出現代的數位資訊爆炸，就像是「四個數位惡棍」，對我們的腦袋造成許多不良影響。

1. 數位洪水：調查指出，人們每天平均花八個小時在消耗精力與時間的媒體上。永無休止吸收資訊的後遺症：記性差、疲勞。

2. 數位分心：隨著智慧手機和智慧手錶的普及，訊息的通知和推播，社群媒體吸引眼球的貼和文影片，佔據了人們大部分的注意力。

3. 數位痴呆：當人們太過仰賴數位工具，把所有的腦力都外包出去，這種行為會逐漸讓你的腦袋退化，智慧裝置反而讓我們變笨了。

4. 數位推論：網路上充滿無數的觀點，人們誤以為那些是「自己的觀點」。仰賴別人替你歸納結論，容易失去思辨推論和解決問題的能力。

這些看法並不是完全否認數位資訊帶來的好處，而是要我們深入去思考：「這些數位工具會幫忙我們什麼？又在哪些地方會拖我們後腿？」單純仰賴數位資訊的問題在於，當你只是被動地吸收，而沒有靜下心來好好沉澱，你等於讓自己的腦袋任由別人擺布。

數位工具裡又以社群媒體最得當心。當你在逛社群媒體的時候，你在尋求新鮮感，在尋找驚奇，社群媒體依據演算法把你有興趣的資訊推送到你面前，你就像被餵養的動物。觀看Youtube影片的時候，也是看到什麼有興趣的，就轉過去看。這些演算法以及所有的網站設計，就是為了讓你多留在網站或APP上面久一點。

你以為是自己在選擇，其實只是社群媒體替你先做出選擇罷了。

但是，當你拿起一本書來閱讀的時候，就不一樣了。首先，你可以採取正確的閱讀姿勢，在閱讀之前，先問自己一些問題：「我為什麼要讀這本書？這本書能讓我用在哪裡？我何時會用到？」然後，帶著這些問題開始閱讀。這個過程是看似是被動閱讀文字，但實際上卻是讓腦袋裡的潛意識，開始跟書中作者對話，甚至是跟自己對話。

當你以為你在讀一本書，其實是這本書在讀你，它讀出你腦袋裡的想法，讓你開始回答自己提出的問題。

你眼前讀過的這些文字，會刺激你的想像力，讓文字的內容轉變成圖像。難怪許多人說，哈利波特電影版仍然比書本遜色許多。這就是因為每個人在讀書時，即使是同一種文字描述，大家腦袋裡想像出來得場景和人物就是不同。所以當文字被轉化成影像之後，許多人仍然不能滿意，因為電影呈現出來的必定和你的想像存在些許落差。

至於，你該如何區分數位工具的好與壞？我推薦《深度數位大掃除》這本書中的具體策略，我也曾經分享讀完這本書之後的「數位極簡主義30天實踐心得」。讓我們在這個充滿數位誘惑的年代，塑造一種值得享受的生活。這種生活，叫做閱讀。
.
思考是世上最難的工作，或許這正是極少數人喜愛思考的原因。
亨利．福特（Henry Ford）
.
【２．閱讀：找到自己的「幹勁」】
.
作者提到，想要發揮無限的潛力，找到「人生的目標」還有「行動的動機」是非常關鍵的第一步。而我認為，閱讀就是你最好的起手式。我跟許多人推薦過心理學家法蘭克《活出意義來》這本書，它讓我瞭解人們有權在任何環境下——即便是在納粹集中營受苦——決定內在心靈的自由。

這種領悟不容易透過日常生活發現，而是當我能夠靜下心來，一字一句去感受法蘭克當下的心境，並且反覆思考那些第一次讀的時候還不瞭解的概念，最後跟自己的生活經驗做出連結。這個時候，才能真正體會到「控制那些我可以控制的，不要擔心那些我不能控制的」這種智慧。

作者也談到「飲食，睡眠，運動」對腦力的影響，連結到我自己的閱讀經驗，更強化了我對這些觀點的肯定。例如，睡眠不只重要，而且是讓我們能夠「學得更好」的關鍵基礎，甚至攸關記憶力和創造力。我從《為什麼要睡覺？》這本書裡，也深刻認識了睡眠的運作方式，以及睡眠對腦袋的深遠影響。

我學到因為演化的關係，每個人都有不同的睡眠周期，有些人天生是夜貓子、有些人天生是早起族。但是，也必須了解職場和學校標準的朝八晚五，等於是強迫大家用同一種模式生活。透過閱讀，去探索那些適合你生理時鐘的生活方式，而不是將傳統的枷鎖直接套在自己身上。

接著，作者提到「養成好習慣」的重要，習慣也被稱為小而簡單的步驟，它們能夠發揮積沙成塔的效果。例如養成固定的閱讀習慣還有每天起床後的晨間習慣，讓自己的內心回歸平靜和專注，逐漸改變你的生活樣貌。

持續暢銷的《原子習慣》堪稱養成習慣的最強工具書，書中有非常多的實際範例，以及具體的執行步驟讓你運用。《為什麼我們這樣工作，那樣生活？》則幫你更進一步瞭解習慣背後的科學根據，讓你對「習慣」這件事情，有更加深刻的體悟。我也透過這兩本書的幫助，戒掉長期以來社群網站成癮的壞習慣。
.
我們先養成習慣，然後習慣造就了我們。
17世紀英國桂冠詩人 約翰．德萊頓（John Dryden）
.
然後，作者鼓勵你試著進入「心流」這種最佳體驗的狀態。意思就是當你完全投入於正在做的事，其他一切彷彿都消失了。你渾然忘我、時間飛逝，感覺這是你做過最自然的事。對我而言，閱讀可以輕鬆地把你帶到心流的境界。這是最簡單、最低成本的練習，而且不需要別人，你自己就可以。

如同《心流》的原作者米哈里曾經說過的，進入心流必須具備這五種條件：（１）去除分心的事物、（２）給自己足夠的時間、（３）做你喜歡的事情、（４）有明確的目標、（５）給自己一點挑戰性。整體而言，「閱讀」很容易讓你進入心流狀態，專心、花時間、喜歡、帶著目標去讀。

至於「挑戰性」，我的看法是這樣：如果這本書對你偏難，本身就會帶來足夠的挑戰。如果這本書對你來說太簡單，你也可以設定新的挑戰，像是如何把這本書，用自己專屬且嶄新的方式跟別人詮釋——就像我在寫的這篇讀書心得。

最後，我認為「閱讀」之所以可以幫你找到自己的「幹勁」，就是因為你可以深入瞭解事情背後的「為什麼」。數位資訊和影音片段，雖然提供了很多「如何做」和「做什麼」，但是每當夜深人靜時，透過閱讀領略出來的「為什麼」，才是讓你堅持航向、邁向無限的燃料。
.
【３．閱讀，調整自己的「心態」】
.
我很喜歡書中針對「學習迷思」的破解，尤其是打破侷限信念的整段章節。作者認為，許多人之所以過著侷限的生活，是因為被許多的謊言所困。以下我列舉出作者在書中「打破侷限信念的七個謊言」。

謊言1：智力是固定不變的
真相：重點不再於你有多聰明，重點在於你如何變得更聰明。智能是「態度與行動的結合」，取決於處境、情況與背景。

謊言2：我們只用了10%的腦力
真相：你完全可以使用你「全部的腦力」，但有些人用得更好。重點在於，如何學習更有效率、成效更好地使用頭腦。

謊言3：犯錯就是失敗
真相：犯錯不意味著失敗，這只是你正在做出「新嘗試」的一種跡象。人生不是拿自己與別人比較，而是拿今天的自己和昨天的自己比較。

謊言4：知識就是力量
真相：知識並不是力量，而是有潛力帶來力量，但前提是你必須把知識化成「行動」。光是談論知識是不構的，展現跟運用才是真功夫。知識 x 行動 = 力量。

謊言5：學習新東西很難
真相：有時候的確很難，但是正確的態度是，願意學習「新的學習方法」，讓學習新東西成為更有趣、更容易，更令人樂在其中的挑戰。

謊言6：他人的評語很重要
真相：別去在意你不會採納意見的對象所做出的批評，因為不管你怎麼做，總會有人批評和懷疑你。重要的是你曾經如何活過，你喜歡而且尊敬自己。

謊言7：天才是天生的
真相：天才有跡可循，凡是看起來像魔術般神奇的，背後總有一套方法。天才不是天生的，是日積月累的「深度練習」造就出來的。

以上這七個侷限信念的謊言，你可能或多或少都有聽過，但是你有更深刻的認識嗎？這種侷限的陷阱，存在社會上每一個角落，我們只要稍微不注意，就很容易落入一樣的擔憂。當你透過閱讀相關書籍，讓自己進一步加深記憶、瞭解原因，就會內化成自己真正「無限」的態度。

像是我最近很喜歡的《超速學習》這本書就提到「學習是為了拓展自己的可能性」，教我們如何讓學習本身更有趣、更有成就感、學起來更快更好。或者是《刻意練習》這本書使用科學研究證明「天才都是後天養成的」這件事，讓我領會到，學習就是按照自己的選擇，掌控個人命運與打造潛能的方法。

雖然作者用簡單的文字破解這些迷思，但我更鼓勵的是，透過延伸閱讀相關書籍，讓自己認識背後的原因，試著去親身運用，然後產生信念，轉變成自己日常想法的燃料。遭遇困難和挫折的時候，這些閱讀的養分就會跳出來修復你的傷口，讓你勇往直前、越挫越勇。
.
我們不需要魔法改變我們的世界。我們的內在已經擁有我們需要的全部力量。
《哈利波特》系列作者 J.K. 羅琳（J.K. Rowling）
.
【４．閱讀，精進自己的「方法」】
.
這個世界不停改變，新的工作和新的專業不斷出現，只有當你掌握了最重要的能力「學會如何學習」，才能突破舊的侷限，朝更好的自己不停邁進。在最後一個章節，作者提出了五種學習的方法，並且針對每個方法詳細說明。

1. 專注：這是所有人類成就與努力的關鍵，若你無法專注，就無法表現卓越。加強專注的訣竅有三個：（１）深呼吸、（２）去做那件一直讓你感受到壓力的事、（３）安排時間給導致你分心的事務。

2. 研習：研習的英文原文是「Study」，指的比較像學習特定技能，準備考試或證照的方法。提高研習效率的訣竅有七個：（１）主動回想、（２）間隔重複、（３）管理身、心理的狀態、（４）善用嗅覺（某種香味的精油）、（５）播放有幫助的背景音樂、（６）用你的全腦聆聽、（７）做筆記。

3. 記憶：這是對心智的一種訓練，記憶也是我們進行思考時使用的燃料。增進記憶的訣竅有四個：（１）轉換成視覺化、（２）和已知的事物一起聯想、（３）投入情感強化印象、（４）加上地點訊息做為標記。

4. 速讀：閱讀能夠改善你的記憶力、專注力、詞彙能力、想像力和理解力。加快閱讀速度的訣竅有四個：（１）用手指輔助閱讀、（２）像運動一樣維持訓練（３）擴展你的周邊視野、（４）大聲計數，念出「一、二、三…」，很神奇的事，你會減少默讀的壞習慣，提升閱讀和理解速度。

5. 思考：所有觀點都應該經常被質疑和檢視，確認仍然適用或者可行。引進新的觀點，才能跳脫框架找到解答。進行思考的步驟有四個：（１）探索根本問題、（２）設想新方法、（３）廣泛閱讀、（４）研判與決策。

你發現了嗎？綜觀以上這五種方法，最容易套用的情境就是：「當你在閱讀一本書的時候。」讀書時你必須專注，用研習的態度理解書中內容，針對有幫助的部分進行記憶，利用速讀技巧加快閱讀速度，讀完之後進行回顧和思考。

所以，如果你還在煩惱：「我該去哪裡學會『如何學習』呢？」你或許可以試試看，先學會如何閱讀一本書？掌握正確的閱讀技巧，將會開啟學習任何事情的道路。
.
21世紀的文盲將不是那些無法讀寫的人，而是那些無法學習，忘掉、重新學習的人。
已逝未來學家 艾文．托佛勒（Alvin Toffler）
.
【後記：透過閱讀，發揮無限】
.
這本書的末段，還有一段話讓我很感動：「向他人提供一個好點子，你就改善了他們的這一天；教導他人如何學習，你可以改善他們的整個人生。」我相信，懂得閱讀的人，可以學會任何事情，當然也包含了「如何學習」。

領導者都是閱讀者。作者從多年來的經驗得到的結論：「閱讀比其他任何活動，更能釋放你的腦力。」而且，光是閱讀一本書，就能讓你獲得作者數十年的經驗談。當你養成了閱讀的習慣，這些精進自己的方法就是自然而然發生，不用費盡心力去追尋，放一本書就在你的床頭邊開始讀就可以了。

你可以把這本書當作是一張大腦的尋寶地圖，上面充滿著人跡罕至的洞穴等著你去冒險。這些洞穴值得你大膽探索和努力挖掘，而真正的寶藏被鎖在洞穴深處的寶箱當中。讀書，就是你解鎖這些寶箱的萬能金鑰。
.
【抽獎辦法】感謝 星出版 Star Publishing
１、抽出「2本」《腦力全開》送給閱讀前哨站的粉絲們！有興趣的朋友請在底下「按讚留言」，「公開分享」本則動態參加抽獎。
２、留言請寫下：你為什麼想讀這本書？例如：「我想知道怎麼解鎖自己潛在的天賦？」
３、活動時間：即日起至2020/10/27(二)晚上十點截止，隔天在留言中公布名單，隨機抽出2名正取，2名備取。
４、請正取得獎者於2020/10/29(四)晚上十點前，私訊回覆寄件姓名、地址、電話，超過期限未認領由備取遞補，寄送僅限台澎金馬。

為了活下去，全球最大的零售商沃爾瑪變身數據公司

文：王茜穎 / 若水 Flow AI Blog 編輯團隊

【本文重點】：

1. 今天，人工智慧不再是一種選擇，而是生存下去的基本必須品。
2. 為了預測消費趨勢、提高供應鏈和營運效率，沃爾瑪張開數據網，即時監控2000億筆的內部交易數據，200 個外部數據。
3. 從行銷、採購、品管、上架、庫存管理到配送，AI 正在改寫超市地景和運作方式。

零售業是一個國家最古老的行業。但你發現了嗎？全球最大的零售業龍頭沃爾瑪 Walmart，正在把自己變成一家數據公司。

它不得不。它最大的競爭對手，吃下線上零售市場一半江山的電商龍頭亞馬遜，不斷探索線下經營。繼實體書店、無人便利店 Amazon Go、收購全食超市（Whole Foods Market）之後，2019年再度推出 Amazon 4-star，銷售在亞馬遜網站上獲得4顆星以上評價的商品，準備對線下零售市場攻城掠地。

「今天，人工智慧不再是一種選擇，而是生存下去的基本必須品。」知名暢銷作家Bernard Marr 說。《華爾街日報》形容這是一場「不斷升級的科技地面戰」。

如何確保對的產品在對的時機，放在對的位置，做出對的定價，以方便對的人購買，是競爭白熱化的零售業的致勝關鍵。

即時監控2000億筆的內部交易數據，200個外部數據
為了抓出客戶需求、提高供應鏈和營運效率，沃爾瑪阿肯色州本頓維的總部設立了@WalmartLabs 和 Data Café（Collaborative Analytics Facilities for Enterprise，企業協作分析工具），監控過去幾週高達2000億筆的內部交易數據，以及氣象、經濟、電信、社交媒體、油價、鄰近沃爾瑪的重大事件（如：體育賽事）、美國最大評論網站Yelp、信用徵信網站Experian等200個外部數據。

沃爾瑪每週預測全美4700家店，共500億件商品需求，「我們每個週末都提出一套新的預測，」「我們有12小時完成所有的預測，約3天完成所有的訓練。」@WalmartLabs 傑出數據科學家和數據科學主任John Bowman說。

但沃爾瑪的規模實在太大了，Bowman說原有的開源軟體，「隨著我們擴大演算法規模，加入愈來愈多的數據，涵蓋愈來愈多的類別，開始遇到嚴重問題」，目前其預測模型是由內部改寫和開發的機器學習演算法組成，每項商品的預測，都建立在350個數據特徵上。

除了預測消費風向，最基本的，「用來確保門市和配送中心的庫存水位，足以滿足預測的需求。它不只幫沃爾瑪控制庫存成本，也確保架上的庫存足以應付來客或網路訂單。」前@WalmartLabs印度班加羅爾主任Nitin Sareen指出。

沃爾瑪 Walmart 同時收集所有顧客的消費紀錄、住在哪裡、並從店內的免費無線網路追蹤其產品喜好。2017年的報導指出，沃爾瑪掌握了6成美國成人，近1.45億人口的詳細資料。「我們想知道世界上所有的產品，我們想瞭解世界上每一個人，然後我們想要擁有連結兩者，促成交易的能力。」前沃爾瑪全球電子商務與科技執行長Neil Ashe曾說。

它的「社會基因體計畫」（Social Genome Project）監控社交媒體上的公開對話，參透消費者的社交DNA，藉以預測消費趨勢。沃爾瑪開發的Shopycat禮品推薦APP，「透過社會基因體計畫，分析朋友的臉書上的讚、分享、發文等動態，解除送禮壓力，提高送禮樂趣。」

當人們在線上展現我們的喜怒哀樂時，沃爾瑪就從分析臉書和推特的對話，在趨勢轉成需求前，成功預測棒棒糖蛋糕機、電動榨汁機的需求，立刻進貨、鋪貨。

數據讓沃爾瑪（Walmart）能預測未來趨勢，抓出過去錯誤

除了預測未來，即時數據和分析，讓沃爾瑪從異常銷售數字中，立即抓出定價失誤，或發覺特定門市根本未將商品上架的問題。機器學習把解決問題的時間從2～3週，大幅縮短為20分鐘。「若你得花上一週或一個月分析你的銷售數字，才能獲得洞見，你那段時間的營收已經蒙受損失。」沃爾瑪資深統計分析師Naveen Peddamail說。

為了收集消費者資訊，沃爾瑪甚至在2012年推出了自己的搜尋引擎Polaris。今年2月，沃爾瑪再度收購以色列科技新創Aspectiva，利用其自然語言處理功能 (Natural Language Processing)，讓電腦擁有理解人類語言的能力，分析客戶的產品評論等用戶生成內容，並結合其瀏覽行為，以提供個人化的產品推薦。

沃爾瑪每小時產生約美國國會圖書館館藏167倍的數據，這些通通餵給雲端。沃爾瑪和微軟聯手建立全球最大的私人雲，每小時從百萬名消費者身上收集2.5 petabytes非結構化的數據，做出行銷、採購、鋪貨、庫存管理等各種決策。有一說，此舉是要和亞馬遜的Amazon Web Services (AWS)一別高下。

衝刺電子商務戰場，營造個人化體驗、用AI 工智慧鞏固生鮮市場

電子商務上，沃爾瑪仍看不到 Amazon 亞馬遜的車尾燈。

為此，沃爾瑪接連併購 Jet.com、Bonobos、中國電商 JD.com、及砸160億美元買有「印度亞馬遜」之稱的 Flipkart，去年沃爾瑪亦翻新官網，挾其龐大的數據能力，用消費者的所在地、瀏覽和購買歷史，加強區域與個人的個人化體驗。

例如，顯示當地熱門商品、通常一起合購商品、「我的門市」生鮮配送服務；提供「輕鬆續訂」功能，類似亞馬遜網站上的快速按鈕（Dash button）。去年第四季，沃爾瑪的電子商務營收成長43％，eMarketer並預測今年底沃爾瑪將分食4.6％的市場，較去年成長4％，居全美電商第三名。

沃爾瑪抓緊數據，苦苦追趕，有其苦衷。根據Accenture 2016年的調查，58％的消費者傾向在有個人化推薦的網站購物，一旦沒有，最快60秒就會失去興趣；SmarterHQ的報告則指出，在這樣的情況下，47％的消費者會直接轉往亞馬遜，便宜了沃爾瑪的頭號競爭對手。

為了拉抬線上銷售，沃爾瑪祭出廉價生鮮優勢。去年底全美有1600家門市提供生鮮配送，3100家門市設提貨中心。亞馬遜迅速回防，今年4月，旗下的全食超市推出第三波降價，以及2小時生鮮配送，1小時店內提貨，要挖沃爾瑪牆角。

這是一塊沃爾瑪輸不起的戰場。不同於亞馬遜，生鮮佔沃爾瑪全美近6成營收。金雞母保衛戰，沃爾瑪用AI和相機打造「新鮮度演算法」，名之「伊甸園」（Eden），用AI檢查蔬果缺陷和新鮮度，預測腐壞日期，確保蔬果從農場到貨架全程新鮮，終結食物（成本）浪費。在全美43個配送中心試用6個月，已替沃爾瑪省下8600萬美元，預計5年內將省20億美元。

在此之前，沃爾瑪必須派員在配送中心先目視檢查送進來的生鮮，接著再手動檢查是否符合美國農業部和沃爾瑪內部的食品標準。

「伊甸園源自我們生鮮營銷團隊工程師間的一場駭客松。」沃爾瑪部落格說。在6個月內，他們量化了美國農業部和沃爾瑪內部的食品標準，並發給稽查員一支iPhone，用Eden的APP記錄各種蔬果在不同生命週期時的樣貌，是否符合各項食品標準。這百萬張照片的資料庫，成了人工神經網絡進行深度學習最佳教材。

當稽查員在現場拍下照片時，機器將比對資料庫中的圖像，經過一層層，千百萬個神經元的數值運算後，評估蔬果新鮮度，預測保存期限，最後決定接受或退貨。沃爾瑪還把iPhone送到農夫手上，讓他們在農產品運送前先拍照，通過伊甸園把關再上路，從頭減少因品質而被退貨所衍生的成本。

「這代表（我們）能更有效率地催熟香蕉，當番茄還長在藤上時，就預測出它的保存期限，或依此調整蔬果上架的優先順序。」沃爾瑪供應鏈技術副總工程師Parvez Musani分析。販賣生鮮是一場和時間賽跑的賭局。時間，就是金錢。

除了產地和配送中心的品管，他們發現運輸過程中的溫度，也會影響蔬果新鮮度。為此，伊甸園即時監控蔬果在貨車裡的溫度，若發現溫度飆升導致蔬果「短命」2天，則立刻重新安排貨車路線，送到較近的配送中心，減少損失。

Musani舉例，沃爾瑪的明星商品香蕉，來自7個拉丁美洲國家，鋪貨到全美4千多家門市。不久的未來，在跨洲、跨國、跨州的長途運送過程中，伊甸園會重新估算「新鮮度」，決定香蕉運到哪裡。「最後香蕉會運到較近的門市，確保最新鮮，消費者樂於買一串美味香蕉，人人皆大歡喜。」

跟 Amazon 亞馬遜搶食 AI 語音購物市場

眼紅於亞馬遜語音助理Alexa登堂入室，開口即可在亞馬遜下單，沃爾瑪也想搶食語音購物市場。

近來的專利申請，透露沃爾瑪打算在產品中內建物聯網電子標籤，以監控家用品的使用情況，例如追蹤保存期限，或你提起洗潔精的次數，藉此推測何時需要補充，自動加入你的購物清單，並為沃爾瑪提供顧客行為的龐大數據，包括產品使用的時間和頻率。

今年4月起，直接呼喚Google Assistant也能在沃爾瑪下單，可在全美超過2100家門市提現貨，800家門市領取網購商品。由於語音下單容易指示不清（例如：買2罐洗衣精），為求準確，沃爾瑪顧客的消費記錄將和Google Assistant帳號綁定，以判斷脈絡。

儘管目前語音購物對營收的貢獻很小，分析師紛紛預測這是未來趨勢。為了「不落人後」，沃爾瑪甚至投資一家針對上流社會的個人購物服務新創Jetblack，會員可用簡訊「遠端遙控」購物員幫他們購物，年費要價600美元。

簡訊的文字，是絕佳的機器訓練素材。「沃爾瑪正在利用Jetblack的大批人力來訓練其AI，盼其有朝一日能提供自動化的個人購物服務，為搜尋欄消失，聲控購物成為主流的那一天，提早做好準備，」Jetblack執行長Jenny Fleiss告訴《華爾街日報》。該報分析，沃爾瑪將該投資視為AI和語音購物的研究中心，打算用它來打造和亞馬遜Alexa抗衡的秘密武器。

而JetBlack正是從沃爾瑪位於矽谷的科技孵蛋器Store No.8孵出來的新創公司。為了尋找下一代的零售科技，沃爾瑪透過Store No.8來孵化、投資新創，與創投和學術界合作，開發機器人、虛擬實境、機器學習和AI技術。

AmazonGo會是沃爾瑪的未來嗎？

自去年10月底，沃爾瑪旗下的倉儲式商店Sam’s Club宣布將在德州開第一家無結帳員的超市後，大家都在揣測沃爾瑪超市何時會跟上AmazonGo的無人店。

4月底，沃爾瑪公布了它的「未來超市」。它改造了紐約州Levittown的門市，化身「零售智能實驗室」（Intelligent Retail Lab），在真實運作的超市裡，裝滿感應器、攝影機、並建有龐大的數據中心。「這些硬體佈線之長足以爬聖母峰5次，處理能力之強大每秒能下載3年份的音樂（27000小時）。」沃爾瑪的部落格寫著。

5萬平方呎，3萬件商品，超過百名員工，可以確定的是，沃爾瑪的未來藍圖，不是AmazonGo。

具有人工智慧的攝影機，並非用來分辨消費者拿了什麼，好自動結帳，而是用來監控貨架上的存貨。機器「看見」架上商品，準確辨識品項和數量，並對照預測銷售需求的量，即時通知員工哪些商品空了，立刻補貨，或哪些放太久，立即下架。如此一來，確保架上永遠有貨，而且絕對新鮮。

這不是沃爾瑪第一次用AI來即時盤點庫存。

走進今天的沃爾瑪，你可能會碰到Auto-S貨架掃描機器人，穿梭在繁忙的貨架間。

自駕車的感應器和人工智慧，讓它能即時辨識路徑中的障礙物，優遊於樑柱、顧客、店員之間，避免碰撞。身高2英尺（約60公分），機器手臂最高可達8英尺高，裝有高解析度相機可快速掃描架上存貨、標價標籤和商品位置，而且免傳雲端，運用卡尼基美隆大學研發的Hawxeye人工智慧，機器人可現場用機器學習進行圖像辨識，加快分析速度，減少無用數據。

不到1小時，機器人就掃完數十個貨架，找出缺貨、庫存過低、沒有標籤、標價錯誤和錯置的商品，通知店員處理。在過去，這得花上一群人數天時間才能完成。

目前全美有50家沃爾瑪使用Auto-S貨架掃描機盤點架上商品。目前總里程650英里（近1千公里），尚未發生任何事故。來源：KPIX CBS SF Bay Area / 沃爾瑪
這提升了顧客的便利性，確保他們總能在對的貨架上找到想買的東西。對沃爾瑪而言，這能降低人事成本，減少貨架空間的浪費，但它還有更重大的意義：「驅動這類新科技的動力，是走向全通路零售的必要性。為了提供當天、低價或最後一哩運送，你必須以這些門市做為配送中心。但要實現這個目標，他們真的需要即時掌握架上有什麼，」Auto-S的製造商Bossa Nova執行長Bruce McWilliams接受Venturebeat採訪時說。

入口處的自助提貨塔就是明證，只要掃描你的網路訂單條碼，45秒內你的貨就會出現在輸送帶上，取貨變得跟「高科技自動投幣機」一樣方便。自駕車配送也進入測試階段。

去年11月，沃爾瑪宣布與福特合作，用自駕車宅配；7月，和Waymo（Alphabet旗下子公司，專門研發自駕車）聯手，在亞利桑那州小規模試點，「http://xn--walmart-6p3l44vn4ljhs1l8c981cucbz07isk0a.com/grocery下單，選擇到店取貨，我們的個人購物助理便會依據取貨時間，細心準備訂單上的商品。剩下的就交給Waymo。Waymo會接送顧客往返門市取貨，你可以利用這段時間完簡訊、小睡、工作，隨心所欲。」沃爾瑪部落格如此描述。

這一切聽起來，像是科幻小說？

沃爾瑪可不這麼認為，「今天，變化的速度很快。10年前，多數客戶還在讀第一代iPhone的消息，懷疑是否實用。現在，他們用手機上買東西，就期望宅配到府或店裡取貨 – 而且通常是當天，幾小時內，甚至幾分鐘內，」沃爾瑪執行長董明倫（Doug McMillon）說，「零售商得適應這些變化 – 在某些領域甚至引領潮流 – 不然就會落後並消失。」

附圖：圖說：去年改版後的沃爾瑪網站，新功能包括當地熱門商品、快速追蹤訂單、快速續訂、我的當地門市服務等，強化區域及個人化體驗。來源：沃爾瑪
圖說：伊甸園的APP介面，機器藉由照片的圖像辨識和比對，預估蔬果新鮮度。來源：沃爾瑪

圖說：只要45秒，16英尺高的自助提貨塔，就會準備好你訂的商品。來源：沃爾瑪

資料來源：https://ai-blog.flow.tw/walmart-ai-data-retail

人臉辨識，就是用科技計算的方式，來比較臉部視覺特徵，藉此鑑定身分的一種電腦技術。
　
其實我們可以把人臉辨識想像成是一套演算法，各種不同的廠商或公司可能會有不同的演算規則。但整體的邏輯是一樣的，通常會先偵測人臉、然後進行臉部校正與擷取特徵、再進行比對工作。
　
當攝影機拍到你的時候，它第一步也會先切成一張一張的影格，然後去找到你的臉，就像是我們相機在拍照的時候，它不是會在臉旁邊出現一個框框讓你比較好對焦，這就是使用了人臉偵測的技術。
　
也因為人臉其實有一些特徵，所系統會開始擷取一些我們臉上出具有「辨別度」的特徵，像是顴骨的形狀啦、眼窩的深度之類的，一張臉大約有80幾個識別點，但也因為拍攝時可能剛好低頭或轉頭，或是受到光線影響之類的，有些系統會在抓取特徵的時候也要進行校正，利用人中啊、眼睛啊或嘴角之類的作為錨點，將人臉校正到同一個比較基準。現在也有2D轉3Ｄ的技術，用3D模型來計算你不同角度應該是長什麼樣子。那抓出這些特徵以後呢，這個演算法會把你臉上用這些特徵畫出來的向量，轉換成編碼，於是你這個人獨特的特徵就可以用一串數字來代表，最後再送到資料庫進行比對。
　
雖然人臉識別這個技術早再很多年前就已經開始發展，但是到這幾年因為電腦計算速度大幅加快、雲端技術成熟，才有較大的進展。而且這樣子一套演算法，還需要透過ＡＩ深度學習，模擬我們大腦神經網絡的運作，然後從大規模未標記的資料中學習，來建立出一套演算法、不斷優化出更好的模型。才能讓辨識度越來越準確。
　
不過即使臉部辨識技術已經發展了一段時間，辨識準確度卻還是有待加強，美國國家標準暨技術研究院 (Nist) 的一項測試就發現，2014年到2018年期間，人臉辨識系統因為深度學習的技術，失敗率從4% 降到 0.2%。BUT！資料庫中的照片跟現實生活中可不一樣，每個人頭擺的角度、臉出現在畫面中的位置、拍攝光線、畫素、有沒有戴帽子、帶圍巾或變老，這些都會影響準確度。而且目前雙胞胎的辨識，還是一大難題。
　
像是英國南威爾斯警方2017在歐洲足球冠軍賽期間，測試一款全新的AI臉部識別程序，可以搜尋比對資料庫裡面的50萬筆潛在罪犯資料，結果系統在17萬名觀眾當中，配對了2470人為潛在目標，但是錯誤率高達92%。
　
Amazon 2016年推出影像辨識 AI 系統Rekognition，也曾經把28名國會議員辨識為罪犯，讓大家都嚇到吃手手。美國奧蘭多市政府也從 2017 年開始與 Amazon 合作進行先導計劃，在市內幾個地方架設監視器，實時進行人臉辨識，希望可以找出通緝犯等特定人士，幫助執法。不過在 15 個月的測試中，卻發現系統經常誤判，準確度常常出問題，後來在2019年終止這項合作。
　
人臉辨識跟很多技術一樣，就是個雙面刃。雖然這項科技已經越來越進步，而且透過電腦的深度學習，讓判讀的準確度大大提升，但它仍然不像DNA那樣，正確度高達99.9%，可以作為決定性的判定標準。
　
--------------------------------------

《#范琪斐ㄉ寰宇漫遊》每週四晚間十點在 #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ㄉ寰宇漫遊 🔔https://reurl.cc/ZvKM3 1030pm準時上傳完整版！

人臉辨識，就是用科技計算的方式，來比較臉部視覺特徵，藉此鑑定身分的一種電腦技術。

其實我們可以把人臉辨識想像成是一套演算法，各種不同的廠商或公司可能會有不同的演算規則。但整體的邏輯是一樣的，通常會先偵測人臉、然後進行臉部校正與擷取特徵、再進行比對工作。

當攝影機拍到你的時候，它第一步也會先切成一張一張的影格，然後去找到你的臉，就像是我們相機在拍照的時候，它不是會在臉旁邊出現一個框框讓你比較好對焦，這就是使用了人臉偵測的技術。

也因為人臉其實有一些特徵，所系統會開始擷取一些我們臉上出具有「辨別度」的特徵，像是顴骨的形狀啦、眼窩的深度之類的，一張臉大約有80幾個識別點，但也因為拍攝時可能剛好低頭或轉頭，或是受到光線影響之類的，有些系統會在抓取特徵的時候也要進行校正，利用人中啊、眼睛啊或嘴角之類的作為錨點，將人臉校正到同一個比較基準。現在也有2D轉3Ｄ的技術，用3D模型來計算你不同角度應該是長什麼樣子。那抓出這些特徵以後呢，這個演算法會把你臉上用這些特徵畫出來的向量，轉換成編碼，於是你這個人獨特的特徵就可以用一串數字來代表，最後再送到資料庫進行比對。

雖然人臉識別這個技術早再很多年前就已經開始發展，但是到這幾年因為電腦計算速度大幅加快、雲端技術成熟，才有較大的進展。而且這樣子一套演算法，還需要透過ＡＩ深度學習，模擬我們大腦神經網絡的運作，然後從大規模未標記的資料中學習，來建立出一套演算法、不斷優化出更好的模型。才能讓辨識度越來越準確。

不過即使臉部辨識技術已經發展了一段時間，辨識準確度卻還是有待加強，美國國家標準暨技術研究院 (Nist) 的一項測試就發現，2014年到2018年期間，人臉辨識系統因為深度學習的技術，失敗率從4% 降到 0.2%。BUT！資料庫中的照片跟現實生活中可不一樣，每個人頭擺的角度、臉出現在畫面中的位置、拍攝光線、畫素、有沒有戴帽子、帶圍巾或變老，這些都會影響準確度。而且目前雙胞胎的辨識，還是一大難題。

像是英國南威爾斯警方2017在歐洲足球冠軍賽期間，測試一款全新的AI臉部識別程序，可以搜尋比對資料庫裡面的50萬筆潛在罪犯資料，結果系統在17萬名觀眾當中，配對了2470人為潛在目標，但是錯誤率高達92%。

Amazon 2016年推出影像辨識 AI 系統Rekognition，也曾經把28名國會議員辨識為罪犯，讓大家都嚇到吃手手。美國奧蘭多市政府也從 2017 年開始與 Amazon 合作進行先導計劃，在市內幾個地方架設監視器，實時進行人臉辨識，希望可以找出通緝犯等特定人士，幫助執法。不過在 15 個月的測試中，卻發現系統經常誤判，準確度常常出問題，後來在2019年終止這項合作。

人臉辨識跟很多技術一樣，就是個雙面刃。雖然這項科技已經越來越進步，而且透過電腦的深度學習，讓判讀的準確度大大提升，但它仍然不像DNA那樣，正確度高達99.9%，可以作為決定性的判定標準。
--------------------------------------

《#范琪斐ㄉ寰宇漫遊》每週四晚間十點在 #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ㄉ寰宇漫遊 🔔https://reurl.cc/ZvKM3 1030pm準時上傳完整版！