0429新加坡聯合早報

*【拜登向參眾兩院聯席會議發表演說 首次有兩名女性坐在總統身後】
美國總統拜登在當地時間週三（4月28日）晚9時向參眾兩院聯席會議發表演說。這也是美國歷史上首次有兩名女性，即副總統賀錦麗和眾議院議長裴洛西坐在總統身後。由於賀錦麗和裴洛西分別在總統繼任中排名第一和第二，座位安排具有近幾十年來提高美國女性地位的象徵意義。拜登發表講話時說：“議長女士，副總統女士。”“沒有一位總統曾經在這個講臺上說過這些話，沒有一位總統曾經說過這些話。現在是時候了！”
https://www.zaobao.com.sg/realtime/world/story20210429-1143017

*【拜登擬推翻川普的富人減稅政策】
美國總統拜登在國會聯席會議上發表講話時，公佈一項1.8兆美元的“美國家庭計畫”，以加大在育兒、有薪假期和教育方面的支出。拜登政府計畫推翻前任總統川普對富人的減稅政策，以支持這項龐大的家庭支出計畫，包括將美國最富有階層（個人收入於頂尖1%）的個人收入稅率提高到39.6%，結束川普將富人稅減至37%的政策。一名不願具名的官員告訴路透社：“總統將提出一系列措施，以確保最富有的美國人繳納所欠的稅款，同時確保年收入低於40萬美元的人稅款不會增加。”
https://www.zaobao.com.sg/realtime/world/story20210428-1142843

*【拜登：美國抗疫鬥爭取得巨大後勤成功】
美國總統拜登向參眾兩院聯席會議首次發表講話時說，美國在對抗冠狀病毒大流行的鬥爭中取得了巨大的後勤成功。拜登在講話時說：“因為你們，美國人民，我們在過去100天對抗歷史上最嚴重的流行病之一的進展，是我們國家有史以來最偉大的後勤成就之一。”78歲的拜登指出，自1月份以來，美國冠病的年長死亡人數大幅下降了80%；超過半數美國成年人已接種至少一劑冠病疫苗。
https://www.zaobao.com.sg/realtime/world/story20210429-1143019

*【英國擬推冠病疫苗數字護照 加入歐洲復航之列】
在歐洲國家加快推進復航之際，英國交通部長沙普斯週三披露，英國正在著手推進冠狀病毒疫苗接種數位護照。根據此項倡議，英國將在現有的國家醫療服務體系(NHS)應用軟體的基礎上做調整，可讓旅客證明已經接種疫苗或病毒檢測結果呈陰性。沙普斯告訴天空新聞記者：儘管英國需要保持謹慎並保護其疫苗接種成果，但目前的資料“看來有利於重新開放旅行活動”。
https://www.zaobao.com.sg/realtime/world/story20210428-1142858

*【瑞士將捐三億瑞士法郎資助全球防疫計畫】
在世界衛生組織領導下，各國在去年4月成立了“獲取冠病防疫工具加速計畫”（ACT Accelerator）以應對疫情，目標是開發、生產和公平分配冠病疫苗、診斷及治療方法。該計畫今年尋求220億美元的資金以繼續克服疫情，但現在仍出現190億美元的資金缺口。瑞士政府發佈的聲明中說：“儘管在測試、治療和疫苗方面取得了很大的進展，但全球依然缺乏廣泛和公平地獲取這些資源的途徑。”
https://www.zaobao.com.sg/realtime/world/story20210428-1142852

*【墨西哥將生產俄羅斯“衛星V”疫苗】
墨西哥外長埃布拉德表示，墨西哥將在當地生產俄羅斯“衛星V”冠病疫苗，為疫苗進行最終包裝和裝瓶。墨西哥外長上星期天走訪莫斯科進行會談，以敲定在墨西哥國內為“衛星V”疫苗裝瓶的計畫。埃布拉德表示，墨西哥的國營疫苗生產商Birmex，將負責為疫苗進行最終包裝和裝瓶。
https://www.zaobao.com.sg/realtime/world/story20210428-1142851

*【參加東京奧運運動員 須每日接受冠病檢測】
東京奧運舉辦方宣佈，參與東京奧運會的運動員，在東京期間須每日接受冠病檢測，比先前宣佈的要求更嚴格。東京奧組委和國際奧會等五方召開會議後，就最新賽事規則發佈聯合聲明稱，所有參賽運動員在乘坐飛機前往日本前，必須接受兩次病毒檢測。舉辦方也表示，將在6月決定是否允許當地觀眾出席觀看比賽。
https://www.zaobao.com.sg/realtime/world/story20210428-1142850

*【經濟學人智庫報告 冠病疫苗外交戰西方國家輸中俄】
報告稱，中國和俄羅斯通過向發展中國家運送數以百萬計的冠病疫苗，來隱秘地建立影響力並發揮長期作用。美國和歐盟等西方大國“幾乎沒有”展開任何疫苗外交。
https://www.zaobao.com.sg/news/world/story20210429-1142908

*【美國向印度運送超過1億美元的醫療物資】
美國將向印度運送價值超過1億美元醫療物資，以幫助其對抗冠病病例的激增。美國白宮發表聲明說，美國向印度運送的物資包括1000個氧氣筒、1500萬個N95口罩及100萬快速檢測盒。這些物資將從週四開始運抵印度，並將持續至下周。美國也將自己訂購的阿斯特捷利康疫苗製造用品轉送印度，這將使印度能夠生產逾2000萬劑冠病疫苗。
https://www.zaobao.com.sg/realtime/world/story20210429-1143008

*【印度B1617變種病毒已傳播至近20國家】
最先在印度發現、如今可能正在加劇印度冠病疫情的B1617變種病毒株，至今已傳播至全球近20個國家。根據全球流感共用資料庫（GISAID Initiative）的最新資料，自從該資料庫於2020年10月首次收到B1617樣本測序結果以來，目前該變種病毒已傳播到至少19個國家和地區。
https://www.zaobao.com.sg/news/world/story20210429-1142905

*【印度醫院缺氧 民間設氧氣站】
國際社會捐助的救援物資正陸續運抵印度，但當地醫療資源和病床仍然緊缺，許多人還沒等到床位就已死亡，一些醫院甚至要求冠病患者的家屬自備醫用氧氣。許多人只好設法自救，社群媒體上充斥著尋求醫用氧氣的求助資訊。在北方邦加濟阿巴德這個由民間組織設立的臨時氧氣站，前來接受免費輸氧的病人日益增多。據世界衛生組織估計，每五名冠病患者約有一人需要接受氧氣治療。
https://www.zaobao.com.sg/news/world/story20210429-1142909

*【印度高級酒店設法官家屬冠病設施 引發抨擊】
印度德里首都轄區政府下令把新德里一家豪華旅館改用作冠狀病毒衛生設施，以供高級法院法官及家人專用，此舉引起法律界人士非議與民眾的抨擊。德里政府公告中說，它接到德里高等法院的要求，並已在阿育王酒店預留了100個房間供高級司法機關人員使用，並由一家頂級城市醫院運營。
https://www.zaobao.com.sg/news/world/story20210429-1142910

*【研究：施打輝瑞阿斯特捷利康疫苗 病毒傳家人風險可減半】
英國一項研究顯示，冠病患者在施打一劑輝瑞或阿斯特捷利康疫苗後，他們把病毒傳給其家庭成員的風險將減半。由英格蘭公共衛生署（PHE）進行的這項研究，對2萬4000個英國家庭進行調查，結果顯示，即使患者在接種一劑疫苗三周後確診，他把病毒傳播給其他未接種疫苗的家庭成員的風險仍減少38%至49%。這進一步證明瞭，接種疫苗能夠有效防止病毒傳播。
https://www.zaobao.com.sg/news/world/story20210429-1142911

*【俄中被指發假消息以破壞對西方疫苗的信任感】
歐盟在一份報告中指俄羅斯和中國媒體在旨在分化西方的最新虛假資訊發佈行動中，系統性地試圖讓外界不信任西方冠病疫苗。中國駐歐盟使團今天在微信回應時說：“沒有事實依據的虛假資訊報告本身就是虛假資訊。”
https://www.zaobao.com.sg/realtime/china/story20210429-1143007

*【德國近四分之一人口已接種一劑冠病疫苗】
德國疾控機構發佈的資料顯示，截至28日，德國累計已有24.7%的人口接種了第一劑冠病疫苗。德國司法部長蘭佈雷希特當天表示，將儘快推出相關法案，以使已接種疫苗人群獲得更大的自由度。
https://www.zaobao.com.sg/realtime/world/story20210429-1143011

*【智利將為孕婦接種冠病疫苗】
智利宣佈，將從這個星期開始，優先為有潛在健康問題的孕婦，在孕中期或孕後期接種輝瑞疫苗。智利如今將成為為孕婦推行冠病疫苗接種計畫的先驅國家之一。英國本月早前更新接種指引，將孕婦也包含在內；美國近期同樣決定為孕婦接種。智利衛生部副部長達扎表示，由於有更多的資訊表明輝瑞疫苗對孕婦的安全性，因此決定為婦女接種該款疫苗。
https://www.zaobao.com.sg/realtime/world/story20210428-1142857

*【美以認為伊朗核計畫 在中東構成“重大威脅”】
美國官員同到訪的以色列國家安全顧問就伊朗的威脅舉行會議，對伊朗核計畫的進展表示甚為關切，並認為伊朗在中東的行為構成“重大威脅”。美國白宮國家安全顧問沙利文和以色列國家安全顧問沙巴特在週二的會議上也同意建立一個機構間工作組，著重於處理伊朗長期向其盟友提供無人機和精確制導導彈帶來的日益嚴重的威脅。
https://www.zaobao.com.sg/news/world/story20210429-1142907

*【美聯準會：中國數字貨幣方式在美行不通】
美國聯邦儲備委員會主席鮑威爾說，中國快速部署數字人民幣，不會促使美聯準會急於推進自己的數字貨幣專案。
https://www.zaobao.com.sg/realtime/china/story20210429-1143018

*【布林肯稱將中國官媒列為外國使團是為讓公眾瞭解“真相”】
美國國務卿布林肯稱，美國沒有封禁中國官媒，而將中國官媒列為外國使團，是為了讓公眾瞭解“真相”，知道究竟是誰在支付這些中國官媒的薪水。
https://www.zaobao.com.sg/realtime/china/story20210429-1143013

*【民調：拜登上任後中國對美好感度大幅下降】
一項新的民意調查顯示，自今年1月美國總統拜登就任以來，美國一些盟友對美國的好感度有所提升，但中國對美國的好感度卻大幅下降。資料情報公司晨間諮詢（Morning Consult）公佈了此次民調結果。調查於4月16日至4月25日在14個國家進行，每個國家均有至少1100名成年人參與其中。晨間諮詢將此次調查與1月11日至1月20日的調查進行了對比，發現自拜登就職以來，對美國有好感的受訪者比率平均上升了9%。
https://www.zaobao.com.sg/realtime/china/story20210429-1143010

*【川普私人律師朱利安尼住所及辦公室遭搜查】
美國前總統川普的私人律師、紐約市前市長朱利安尼在紐約的住所和辦公室週三（4月28日）遭聯邦調查員搜查。聯邦調查員當天搜查了朱利安尼位於曼哈頓麥迪森大道的公寓和位於公園大道的辦公室，收繳了多台電腦和手機。調查員還收繳了華盛頓律師Victoria Toensing的手機，該律師曾是川普的顧問，並與朱利安尼就烏克蘭相關事宜合作。
https://www.zaobao.com.sg/realtime/world/story20210429-1142989

*【捐出六成遺產 三星前會長143億元遺產稅分5年繳納】
據韓國法律規定，當繼承的遺產價值超過超過30億韓圜，遺產稅支付比例高達50%。三星前會長李健熙死後留下約234億美元遺產，他的家屬宣佈將按照稅法允許分5年繳納約12兆韓圜的遺產稅，創下歷史新高。
https://www.zaobao.com.sg/news/world/story20210429-1142906

*【研究：全球冰川正加速融化】
28日發表的一項研究報告顯示，全球幾乎所有的冰川正在加速融化。一組研究員，首次觀察了全球約22萬個冰川，過去二十年來的融化速度和數量。這項發表在《自然》科學期刊的研究，分析了美國宇航局（NASA）特拉衛星所拍攝的圖像。
https://www.zaobao.com.sg/realtime/world/story20210428-1142859

*【晶片短缺 本田汽車三廠5月份停產數日】
日本本田汽車公司宣佈，由於晶片短缺等因素，下個月日本三座工廠將停工五六天。彭博社引述日本共同社的報導說，本田公司（Honda Motor Co）一名發言人週三說，該公司在埼玉縣的兩座工廠將停工六天，在三重縣的鈴鹿廠將停工五天。路透社報導，發言人拒絕概述受影響車輛的數量或型號，但說公司將在6月仔細分析生產情況。
https://www.zaobao.com.sg/realtime/world/story20210428-1142856

*【俄羅斯驅逐斯洛伐克和其他三國共七名外交官】
俄羅斯外交部宣佈，驅逐斯洛伐克、立陶宛、拉脫維亞和愛沙尼亞駐俄使館的總共七名外交人員，作為這些國家驅逐俄外交官的回應。
https://www.zaobao.com.sg/realtime/world/story20210428-1142854

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

Ai取代專業？　醫療大數據讓人工智慧有智慧

「科技始終來自人性。」隨著科技發展，人類的生活越來越便利，手機內有人工智慧助手；汽車也有了自動駕駛功能。在醫療領域，也出現許多人工智慧輔助的醫療器材與軟體。到底是科技引領醫療改變，還是醫療帶著科技改變？

2020年慈濟人醫年會，廖威博與台下慈濟人醫會醫療工作者分享：「醫療大數據 人工智慧有智慧」。慈濟醫療法人廖威博顧問說，其實是相輔相成的，醫療有需求，科技就會跟著研發。2020年10月2日是國際人醫年會第二天，廖威博顧問分享現在最熱門的「大數據」如何與醫療結合。

生活中常聽到人工智慧（Artificial intelligence, AI），應用在醫療上便成為醫療人工智慧，到底什麼是醫療人工智慧？廖威博解釋，包含臨床決策輔助系統（Clinical decision support system, CDSS）、知識庫（Knowledge base）、推理引擎（Inference engine）、專家系統（Expert system）、機器學習（Machine learning）都屬於醫療人工智慧的應用。

人工智慧的應用，並不是要取代醫生。廖威博說明臨床決策輔助系統的核心概念，把腦中複雜的判斷寫成決策樹，讓電腦經過IF-THEN ELSE邏輯運算，最後得出診斷結果。以前也曾有許多類似的計畫，但是到了最後都失敗，原因就出在其中的IF-THEN ELSE邏輯到底要怎麼設計，這個關鍵技術是最難的步驟，常導致最後判斷結果失準。

而人工智慧恰好可以補上這個缺口。廖威博以Alpha go為例，在下棋時，人類往往會依據自己的經驗，也就是學過的棋譜，但Alpha go以戰勝為目的，所以它的下一步常常出乎大家的意料之外，心中有棋譜時會窒礙難行，忘掉過去的棋譜，反而讓它可以獲勝。就像Knowledge base也常會被自己的Knowledge所障礙。這也就是所知障，知道得越多，障礙越多，回歸不到初心，就會糾結在每天的事項裡。

慈濟的醫療科技，自1995年開始，健保局推行行政作業電子化、電子病歷，到近幾年發展AI智慧化醫療。由於臨床醫學術語系統（Systematized Nomenclature of Medicine-Clinical Terms, SNOMED CT）推行困難，為提升病歷品質，慈濟今年開始跟華碩合作，整合七家慈濟醫院的醫療大數據與研究數據，用人工智慧開發「慈濟醫療大數據平台」。

結合了大量病歷資料，慈濟醫院的臨床決策輔助系統根據四步驟：風險預估、發生原因、建議行動、模擬結果，用電腦運算做資源評估、選擇治療方向以及預測結果，這套系統可以有效地協助醫生擬定治療計劃。

另一個人工智慧很常應用的地方就是醫療影像判讀，因為速度快，且精準度高。利用GPU（graphic processing unit）去處理大量的像素（pixel）。然而，廖威博說，若投入資源研發醫療影像判讀，只能判斷影像，若是可以把人工智慧應用在整合各種醫學檢驗報告與影像資料來協助病情判斷，可以發揮更大的功能。慈濟醫療志業與華碩合作開發的人工智慧早期肺癌偵測系統，採用最新的AI演算法，能將醫師原本需要花十分鐘仔細判讀的時間，降低至一分鐘內。

人工智慧的另一個好處，是可以橫向連結。建立數據庫之後，提供醫生電子病歷智慧搜尋服務，讓他們可以抽絲剝繭，找出某些疾病與其他病徵之間是否有關聯。慈濟醫院也利用人工智慧模型整合HIS系統，包括護理站的電子白板、每日查房的紀錄，達到訊息同步，協助醫護人員注意再住院風險高的病患等。

由於每天工作非常忙碌，常常產生許多煩惱，廖威博分享，學會轉念讓他可以去除煩惱，找回自己最初的目標。人工智慧協助醫生找出病因，是從繁雜的數據中理出邏輯。日常生活中，我們也常有許多煩惱縈繞於心。人工智慧不僅「人工」，還很有「智慧」，教會我們在繁瑣中不被舊觀念所影響，堅持對的事情做就對了。

附圖：▲▼廖威博與慈濟人醫會分享運用醫療大數據，讓人工智慧有智慧。（圖／慈濟基金會提供）
圖／慈濟基金會提供、文／林佳予

資料來源：
https://www.ettoday.net/news/20201003/1823637.htm#ixzz6a5IY9HsK