Podcast EP.98 《#學得更好》六個幫你「學得更好」的學習步驟
問你一個問題：「一個人的一生當中，最重要的能力是什麼？」你的答案是什麼？英國知名教育顧問、同時也是心智圖的發明人東尼．博贊（Tony Buzan）他的回答是：「學習『如何學習』是一個人的一生當中最重要的能力。」掌握學習方式的人，更容易達成生活中各種領域的進步。
部落格文章 https://readingoutpost.com/learn-better/
Podcast 用聽的 https://readingoutpost.soci.vip/
.
#這本書在說什麼？
.
《Learn Better 學得更好》的作者是美國教育研究專家烏瑞克‧鮑澤（Ulrich Boser），他年幼時雖然被診斷為 「學習遲緩兒」，但是他在掌握「如何學習」的技巧之後，成績開始大幅進步。作者自己本身，可說是這本書的最佳代言人，他對學習的熱忱在這本書中表露無遺。

我很喜歡作者把學習的方法，拆解成各種具體的步驟，搭配許多真實的研究案例和成果，顛覆了許多我們習以為常的舊學習方法。例如有效的學習應該是「主動參與式學習」、「經常回顧與反思」、「懂得尋找類比與關聯」…等。

這些看似簡單易懂的方法背後，作者會詳細說明使用的原因與時機。書中給出明確的執行步驟，讓無論何種資質或程度的人，都有機會採取書中的方式，循序漸進掌握學習的奧妙。閱讀的過程中，我跟著作者的步調，時而對自己提出問題，時而闔上書本反思自己的學習歷程。

這篇文章我除了用心智圖整理這本書的精華之外，也回顧我自己經營部落格的「學習寫作之旅」，與這些學習步驟有哪些相關性，試著讓自己朝向學得更好、寫得更好的方向邁進。
.
#如何學得更好的６個步驟
.
在我回顧自己學習寫作的歷程之前，我想先用一張「心智圖」來展現這本書提到的學習步驟與技巧，誠如作者說：「心智圖可以幫助我們思考和發現內在關係」。這些學習步驟之間，彼此互相有關聯；學習就是一場「心智活動」。

1. 尋找價值：如果不想學，就不可能學得會。想要精通，就必須把自己打算學習的知識和技能視為有價值的。學習就是理解某樣事物的「意義」。

2. 設定目標：在精通某項技能的早期階段，「聚焦」是關鍵。我們必須弄清楚自己想要學的究竟是什麼，並且設定具體可達成的目標。

3. 提升能力：某些形式的練習可以讓你比其他人取得更好的成績。在這個學習階段，我們必須磨練自身「技能」，採取專門步驟來提升表現。

4. 延伸知識和技能：我們要在掌握基礎之後，「實際運用」自己知道的一切。要充實自己的知識與技能，創造出更有意義的理解形式。

5. 形成關連：要試著把自己掌握的所有知識結合在一起。我們不想只是知道某個細節或步驟，而是要知道該細節或步驟如何與其他事物「互動」。

6. 回顧與反思：在學習過程中，我們容易犯錯、太過自信，所以必須重新審視自己知道的知識和技能，重新思考自己的理解，「從學習中學習」。
.
#我如何學習寫作？
.
回顧作者在書中提到的學習步驟，讓我很驚訝的是，竟然跟自己「學習寫作的歷程」十分相似。理工科出身的我，選擇踏入科技業就職，寫作對我而言，就像是異次元的東西想都不敢想。但是漸漸地接觸到很多有趣的人、觀察到很多厲害的傢伙，發覺自己思想的淺薄與無知，便開始投入閱讀的懷抱。

只是，無奈記憶力和理解力畢竟不是超人等級，發現要把所學紮紮實實記錄下來，才能稍微加深那麼點印象。所以開始試著寫一些手抄筆記，然後在讀到《自由書寫術》這本書的寫作方法之後，被作者的觀念說服：「自由書寫、公開發表、接受回饋」，也因此開啟了我的寫作之旅。

很慶幸的是，我也發現自己採取的方法，跟《學得更好》書中的學習步驟有許多契合之處。以下我會將書中提到的６個學習步驟，搭配自己的寫作歷程，做個回顧與整理，也給有心投入寫作的朋友們一個案例參考。
.
１．#尋找價值
.
回想我剛開始寫作的時候，並沒有考慮太多，技巧不夠？文辭不夠美？管它的，「寫，寫就對了」。我除了在讀完《恆毅力》之後寫下的「目標階層」練習之外，主要是我時時記得三個核心價值，讓自己堅持不懈地寫下去。

首先是「動機」：而立之年才愛上閱讀的我，發現閱讀對我帶來莫大的改變，以及思想上的啟發，因此起心動念想透過自己棉薄之力，盡可能地把我從閱讀體會到的美好，透過文字傳達出去。架設閱讀前哨站部落格則是讓這個理念更容易傳達。

接著是寫作對我的「意義」：我把每一次的寫作，每一篇文章，視為一次的「自我成長」。無論是思想上的，或者是觀念上的，閱讀不同書籍帶來不同的體悟，進而改變自己的舊觀點、整合成新的觀點。

最後是「社群效應」：無論於職場、生活上，我期許自己成為一個值得追隨的領導人，我對於一個好的領導人的定義，就是「能夠影響多少的人」，因此選擇公開發表自己的寫作。除了帶來社群的交流，得到不同的回饋與意見，還見到許多網友表示受到我的文章鼓舞，讓我更樂於持續書寫。

「人要在自己所學的事物和自身生活經歷之間建立連結，而尋找價值是做到這一點的方法，促使人們思索：「這對我來說為什麼重要？」
.
２．#設定目標
.
對於我自己的寫作目標，起初並沒有硬性規定自己的發文頻率，剛開始在Medium寫作平台發表的時候，有一搭沒一搭的，頻率平均是2週一篇而且不太規律。後來我改變策略，想要堅守我從《如何閱讀一本書》這本書中學到最棒的一課：「唯有自律才能帶來自由」。

我開始強迫自己每個星期要發表一篇文章，即使平日工作再忙，如果不幸平日沒有寫完，拖稿到週五、週六仍然要挑燈夜戰，完成對自己的許下的承諾。因此我深刻體會到，當我保持平日的自律，才能享有假日的自由（ps. 其實就算如期發文，我還是會把假日拿來閱讀和寫更多東西）。

短年期的目標，是希望這兩年內，能夠完成100篇文章的發表，目前已經踏過一半，朝著目標穩定前進中。我自己的感想是，設定目標除了要「可達成」之外，最好還能多一些「挑戰性」與「強迫性」，畢竟，我們都知道自己有多麼懶，對吧？

書中提到一個特別的名詞叫做「後設認知」，白話文是「思考自己如何思考」。作者發現，時常觀察自己如何思考的學習者，成效會來得更好。在寫作的過程中，則需要讓自己去評估自身的論點，思考自己的想法，想清楚自己想傳達出什麼樣的訊息，無論是給未來的自己，或是讀者。

「寫作活動是整理思路的有效方法，因為在組織句子和段落時，我們經常會問自己一些重要的後設認知問題：誰會讀這篇文章？他們會了解我的意思嗎？我需要解釋那些東西？」
.
３．#提升能力
.
一開始在練習寫作的時候，並沒有什麼特別能力可言。我採取實驗性質的方式，第一個是對自己提出問題，有點自問自答的意味；第二個是重新排列組合閱讀之後的書中重點，再用自己的話說出來。書中提到，面對失敗，是逐漸提升能力的好方法，這一點我倒是很在行。

我試著用不同的文體和架構，去寫每一篇讀書筆記，同樣抱持「實驗」心態，去觀察哪種文體比較獲得讀者青睞，哪種架構容易獲得迴響。發表這麼多篇文章以來，自然有熱烈回響的文章，以及許多無人問津的文章。

我認為，面對失敗的態度，就是把它當成一場實驗，更重要的是要從中學到東西。實驗至今，我倒沒有特別想定型在哪種文體，反而更廣泛地嘗試和衝撞，探索更有趣的寫作方式。畢竟，不要把獲得關注當成寫作的唯一目標，最重要是莫忘初衷，隨時堅守上面的三個核心價值。

最後是《刻意練習》這本書也同樣說過的，得到意見回饋是非常重要的一件事，尤其能夠幫助自己進行修正、改善，我也很感謝對我的文章進行回饋與交流的讀者，不但讓我有更多收穫，有些建議也讓我耳目一新。

也歡迎你在我的文章留言，或者私訊表達對我寫過文章的看法，你的回饋是我持續進步的最好養分。

告訴自己不要擔心犯錯，要把焦點放在改進上，把錯誤當成習得一點知識或技能的機會。
.
４．#延伸知識和技能
.
我使用的三種手法，跟書中所說的不謀而合。第一種是我喜歡在文章裡「問自己問題」，然後試著用最棒的方式回答。有時候需要回顧書籍本身，有時候要前後參照，有時候甚至得Google或找維基百科，才能有更完整的觀念可以回答自己的問題。每一次的提問，都是一次學習與進步的機會。

第二種是「教別人」，我很認同教學相長，可以快速提升自己的能力，尤其是當我們讀完一個新的概念，若要達到可以教別人的程度，則必須讓自己有更深刻的理解才辦的到，這時候，就是提升自己技能的好時機。

第三種是「親身實踐」，我自己最有感的是，採取了屬於自己的「晨間寫作習慣」，讓我每天都能擠出一些時間投入寫作。而這個晨間習慣，後來我也把《起床後的黃金1小時》這本書的讀後心得整理成很受歡迎的晨間習慣分享文，裡面詳細列舉我自己起床後的習慣，也持續使用至今。

「教別人」就是一種知識應用：透過講授某一主題，我們提供了自己對這個概念的理解，我們用自己的話清楚說明重點，提升自己的專業知識。
.
５．#形成關連
.
把寫作跟自己形成關聯的方法，我採取的第一種，是我喜歡把閱讀一本書的所學所聞，拿來「跟自身的經驗和想法做對照」，讀的過程經常問自己「這本書跟我有什麼關係？」或者「我想從書裡學到什麼？」

因此，我在寫作的過程中，就喜歡問自己諸如此類的問題，透過與自己產生關聯，讓寫作的內容更個人化，更能帶來反思與回顧的效果，偶爾還能迸出嶄新的思緒與想法。

第二種是把自己所學給「視覺化」，舉我寫過的《與成功有約：高效能人士的七個習慣》這篇閱讀筆記為例，在文章裡我把作者講的七個成功習慣，重新組構成由內而外的四個面向，再用「信任」串穿每個元素，畫出一幅示意圖代表我對這本書的理解。

最後，我習慣一邊寫作，一邊回想的過程中，去挖掘以前讀過的書目，跟目前讀的書或者寫作的內容，有何種關聯？做法很容易，首先回想那些書籍跟我在寫的東西，有什麼「相同」？再來回想有什麼「差異」？

透過這樣的模式，可以建立許多觀點的連結，我在《最低的水果摘完之後》這邊閱讀心得就用過類似的方法，來對書中我感興趣的議題，進行自我辯證與論述。

「投入學習時，要了解其中的關係、弄清楚因果、看見類比事物與相似之處。學習的目的是改變我們如何去思考某個事實或概念，也就是學會一套思考系統。」
.
６．#回顧與反思
.
我自己閱讀書籍之後，為了寫閱讀筆記或讀後感，會去「回顧」內容主題的其他相關資料。也就是同一個主題，我會盡可能多涉略幾本不同的書。

例如在學習投資理財的領域，我鑽研被動式的指數化投資策略，在廣泛地閱讀了不同切入角度的書籍之後，重新讀過一遍最愛的投資經典《投資金律》，才寫下這篇獲得不錯迴響的投資文章〈真希望20歲就懂，投資理財最常見10個問題〉。

除了回顧之外，更重要的是透過寫作，讓我得以很專注地「反思」。像是我在寫《世界並不仁慈，但也不會虧待你》閱讀筆記的時候，起初因為書中內容比較雞湯，讓我的思緒有點兒卡關。

但是，我強迫自己學股神巴菲特的合夥人查理．蒙格所說的：「反過來想，總是反過來想」，不去思考成功的大道理，反而去思考該如何避免錯誤，寫成〈遠離幸福人生的7個建議〉這篇心得。

回顧與反思是一種思維習慣，溫故而知新，才是推動知識更新、反覆運算的終極法則。
.
#後記：#學習是為了超越昨天的自己
.
我原本認為，「閱讀是最好的學習」。但是，經過這一年來的持續寫作，我才發現，「寫作是更好的學習」。我期許自己透過閱讀增進自己對事物的理解，透過寫作則深化了些理解，甚至產生新的洞見。這種讀寫之間相輔相成的效果，也讓我時時處於思緒活躍的狀態。

我很喜歡的知名導演昆汀．塔倫提諾隨時隨地都在看電影，當一個記者問他是如何成為電影專家的時候，他無奈地大笑而且似乎被問題激怒了，說道：「如果你放棄了生活中所有的東西，只專注於一件事，而你最好把它搞透徹一點。」

從第一篇公開文章〈雙11購物節買書分享〉，一路走到現在，專注於學習一件事情，何嘗不是如此。無數個絞盡腦汁的早晨與夜晚，努力地挖掘腦中的思緒，涉略自己原本不懂的事情，每一字一句都讓我感覺往前走了那麼一點。

雖然，與許多博覽群書、下筆如有神的前輩比起來，我仍像個學徒般剛開始摸索著，但每當我回答自己的這個提問，心中又再次充滿了堅定：「你有沒有比昨天的自己，又更進步了一些？」

AI加值智慧製造 鋼鐵傳產乘浪而起

芮嘉瑋／專欄 2021-01-28 02:45

2020年面對COVID-19(新冠肺炎)的襲擊，疫情籠罩之下各行各業幾乎空轉一年，投資購買設備及原料的腳步也都放緩，預期新的一年，隨著疫情穩定與經濟復甦，許多企業勢必加速添購設備和增加庫存料，鋼材需求可望隨著市場回升而轉強，且至少旺到第2季。

舉例來說，在汽車的構造上，有相當高的比例是使用鋼板，包括車門、引擎蓋、後車箱、底盤、車頂等，所以汽車業的好壞，間接影響了鋼材的需求。這2年汽車上游原材料反應了因電動車興起所展開的換車潮，從而鋼市好轉、鋼價高漲，幾乎各國都是如此。

隨著消費型態轉變，產品生命週期縮短，各行各業面臨客製化的挑戰，並在智慧工廠生產流程的訴求下，往往需要智慧機械、智慧製造設備以從事更複雜的生產工作，鋼鐵傳產業也不例外。然而，現有機器人或製造機台受限於原本功能單一又無法擴充的窘境，必須藉由人工智慧、物聯網、大數據等各種新興技術多元化功能的整合，以利製造業數位轉型升級，因應瞬息萬變的市場挑戰，凸顯「智慧製造」的概念是企業轉型升級的唯一出路。

何謂智慧製造？

經歷4次工業革命的演進，第4次工業革命被視為「工業4.0」，且因智慧製造是工業4.0的核心部件，在製造產業兩者幾乎可劃上等號，從而「工業4.0」常被稱為「智慧製造」。

在工業4.0的時代驅動下，現今製造業不斷與數種新興技術結合，從而工業4.0被定義為「製造技術中整合了網路安全(cybersecurity)、擴增實境(AR)、大數據、自主機器人(autonomous robots)、積層製造(additive manufacturing)、模擬(simulation)、系統整合(system integration)、雲端運算(cloud computing)和物聯網等技術使之具有自動化、聯網、數據交換以及智能工廠所需功能的系統平台」 。

因此，智慧製造實際上需要整合以上所述之各種關鍵領域技術的同步發展以建構出相應的產業生態體系，並在生產過程的每一個環節都能達到高度自動化、客製化與智慧化的先進製造模式，使生產環境具備自我感知、自我學習、自我決策、自我執行以及自我適應的能力，以適應快速變化的外部市場需求。

如何利用AI加持智慧製造

由於智慧製造包括連網(connection)、轉化(conversion)、虛擬(cyber)、認知(cognition)和自我配置(configure)等能力 ，其中利用機器學習、深度學習等AI技術使機器具備自我診斷並即時做出判斷的認知能力，就是AI之所以成為智慧製造核心技術之所在，它可以從大量原始數據中自動提取關鍵特徵及製造業中規律性的模式，進而學習過往曾經發生過的錯誤，以提前作預測及預警，藉此不僅可降低停機時間、提升製程效率，也可適時的根據產線作調整。

至於該如何利用AI加持智慧製造，讓我們看看國內鋼鐵龍頭中國鋼鐵股份有限公司(簡稱中鋼公司)，在其智慧生產技術中導入AI實現智慧製造的專利布局，提供製造業者掌握AI加值智慧製造，讓工廠轉型升級邁向智慧工廠。

中鋼發明一種透過人工智慧演算模組在生產製程中進行估測及控制的系統(TWI704019)，具體而言，係透過人工智慧演算模組所產生的估測鋼帶翹曲模型對鋼帶翹曲量進行估測，而該人工智慧演算模組係利用機器學習模組、深度學習模組或者使用一雲端伺服器模組評估該製程參數及該翹曲量。

該專利提供一種包含熱浸鍍鋅設備100、矯正機構130、感測模組150、人工智慧演算模組160以及最佳化演算模組165的熱浸鍍鋅鋼帶翹曲量估測系統。其中，該人工智慧演算模組160連接該感測模組150及該熱浸鍍鋅設備110，用以收集且評估該熱浸鍍鋅設備110中諸如產線速度、張力、鋼帶鋼種、鋼帶寬度、鋼帶厚度、鋼帶剛性等製程參數及翹曲量，進而可產生估測鋼帶翹曲模型，且該估測鋼帶翹曲模型包含一矯正干涉量，用以供矯正機構130矯正鋼帶。

經過大量數據的累積，該估測鋼帶翹曲模型還可以包含來自該最佳化演算模組165的製程參數最佳值，當類似或相同的製程參數(例如類似或相同鋼種)的鋼帶需要進行熱浸鍍鋅時，該估測鋼帶翹曲模型就會顯示諸如最佳張力、最佳產線速度、最佳矯正干涉量等製程參數最佳值，供操作者參考，從而獲得翹曲量最少且鍍鋅厚度一致的鍍鋅鋼帶。

再者，由於一般的鋼捲產品需要經過諸如煉鋼、熱軋和冷軋等許多生產階段，為了讓產品的機械性質符合預定的規範，過去往往依賴人為經驗調整生產階段的製程參數，然而，人為經驗難以即時反應生產線狀況，中鋼就此發明一種適用於一軋延系統之製程參數的調控方法(TWI708128)，當執行完一部分的生產階段以後，可以即時地計算下一個生產階段的製程參數，其中之製程參數的調控方法包括根據歷史資料建立一機器學習模型，後續並將測試資料輸入至機器學習模型以預測目前產品的機械性質等步驟。

在該專利之軋延系統的運作流程示意圖中，在步驟220，可根據這些歷史資料來建立一個機器學習模型221，此機器學習模型221是要根據生產參數來預測產品諸如拉伸強度、降伏強度和伸長率等的機械性質，換言之在訓練階段中生產參數是作為機器學習模型221的輸入，機械性質則作為機器學習模型221的輸出。機器學習模型221可以是卷積神經網路、支持向量機、決策樹或任意合適的模型。

在步驟230，對目前在線上的產品執行部分的生產階段。在步驟240中，將測試資料輸入至機器學習模型221以預測目前產品的機械性質，並判斷所預測的機械性質是否符合一規範。在步驟250中，依照預設生產參數進行下一個生產階段。

如果步驟240的結果為否，則執行一搜尋演算法以取得最佳的生產參數，並據此實施下一個生產階段(步驟260)。其中，執行搜尋演算法以取得調控後參數的步驟包括：設定一利益函數；將尚未完成生產階段的可調控參數與線上資料合併後輸入至機器學習模型以取得預測機械性質，並根據利益函數計算出預測機械性質的誤差值；以及取得最小誤差值所對應的可調控參數以作為調控後參數。

此外，中鋼亦發明一種設備監診方法(I398629)，係在設備故障監診分析流程的邏輯下導入類神經網路(neural network)之人工智慧，以便在決策分析時有效解決故障類型分類方面問題。

給台灣製造業的建議與展望導入AI技術、配合感測器收集各類數據以及大數據分析進行諸如產線異常診斷或品質監控，以維持機器正常運作無虞是智慧工廠有效運作的基礎。然而，智慧製造除了藉由智慧機械建構智慧生產線、透過雲端和物聯網分析資料、AI自主監測診斷調整產線產能之外，虛實整合系統(或稱網路實體系統，Cyber-physical systems)也是構成工業4.0創建智慧製造所需的功能之一，整合物理模型、感測器資料和歷史數據，在虛擬空間即時模擬呈現生產狀態，透過遠程監視或跟踪與工廠現有的資訊管理系統緊密整合，建立完整資訊生態系統才能透過AI即時彙整資訊進行決策。

未來製造業仍將是全球產業不可或缺的一環，隨著工業4.0的蓬勃發展，台灣製造業在邁向智慧製造過程中，所有智慧化的步驟都需要運用AI來執行分析、診斷、預測或決策等工作，欣見國內鋼鐵龍頭已率先落實AI加值智慧製造，然而若能整合虛擬(Cyber)，強化與工業物聯網之整合，更可提升透過AI提高組織運作效率及效能的目的。

過去製造業藉由大量生產與低價競爭已非決勝關鍵，如何協助國內產業在後疫情時代轉型升級，是當前的重要議題。持續強化在地製造業與資訊業領域的技術整合優勢，透過機器學習、類神經網路或深度學習等AI技術的導入，並與使用者/消費者連結形成完整的製造服務體系，將可望從傳統製造體系中依賴人為經驗、人力需求及規格一致的常態，轉換為自動化、客製化、智慧化和靈活彈性化的智慧製造。本文以鋼鐵龍頭之典範轉移為例，以期台灣所有製造產業均應具備智慧製造的軟硬實力，才能持續在全球製造體系中發光發熱。

附圖：鋼帶翹曲量估測及控制系統結構示意圖。芮嘉瑋
台灣專利號I708128之軋延系統的運作流程示意圖。芮嘉瑋

資料來源：https://www.digitimes.com.tw/tech/dt/n/shwnws.asp?cnlid=1&cat=140&id=0000602586_r1c6gnef7wl2247ink60m

人工智慧在自動駕駛車的作用

作者 : Anton Hristozov，軟體工程師/研究員
2020-10-12

自動駕駛車輛(autonomous vehicles)在農業、交通運輸和軍事等領域開始成為一種現實，很快地我們也將會看到它應用於一般消費者的日常生活中。

自動駕駛車輛根據感測器資訊和人工智慧(Artificial Intelligence；AI)演算法來執行一些必要的操作，因而需要收集資料、規劃並執行行駛路線。而這些任務，尤其是規劃和執行行駛路線需要非傳統的編程方法，這就有賴於AI中的機器學習(Machine Learning；ML)技術。

自動駕駛車輛仍有許多任務面臨巨大的挑戰，必須採用更先進縝密的方法來解決。取代人類的認知和運動能力並不是一件容易的事情，還需要持續多年的努力。AI還必須解決各種不同的任務，才能夠實現安全和可靠的自動駕駛。

宅經濟下，你需要知道電競週邊整合方案

本文將介紹讓自動駕駛車得以實現的AI應用，並提出其所面對的挑戰以及至今取得的成就，另外也探討了相較於傳統軟體的AI本質差異。在後續的文章中將進一步討論在自動駕駛領域進行開發、測試和部署AI技術的特定挑戰。

自動駕駛車的AI分析

自動駕駛車是汽車產業中成長最快速的領域，而AI則是自動駕駛車中最重要和最複雜的組成部份。圖1所示為典型的自動駕駛車組成。

自動駕駛車對於傳送即時數據的感測器數量，以及對數據進行智慧處理的需求可能會非常龐大。而AI主要被用於現代汽車的中央單元以及多個電子控制單元(ECU)中。

由於AI已在機器人等眾多領域中得到應用，它自然成為自動駕駛的首選技術。結合AI和感知等技術承諾可提供更安全、更具確定性的行為，從而帶來燃油效率、舒適性和便利性等優勢。

開發像自動駕駛車這樣複雜的AI系統面臨諸多挑戰。AI必須與多種感測器互動，並即時使用數據。許多AI演算法都是運算密集的工作負載，因此很難搭配使用記憶體和速度受限的CPU。現代車輛是一種即時系統，必須在時域中產生確定性結果，這關係到駕駛車輛的安全性。諸如此類的複雜分佈式系統需要大量的內部通訊，但這些內部通訊通常易於造成延遲，從而干擾AI演算法做出決策。此外，汽車中執行的軟體還存在功耗問題。運算越密集的AI演算法消耗功率也越多，尤其是對僅依靠電池充電的電動車(EV)而言，這會是一大問題。

在自動駕駛車中，AI用於執行多項重要任務。其主要任務之一是路徑規劃，即車輛的導航系統。AI的另一項重要任務是與感測系統互動，並解讀來自感測器的數據。

很顯然地，提供一套完整的解決方案來取代人類操控駕車的是一項艱鉅的任務。因此，製造商們開始將問題劃分為更小的部份，並逐一地解決，以期透過小幅進展最終實現完全的自動駕駛。業界一直不乏新創公司或具顛覆性的公司試圖解決所有的自動駕駛問題，並曾誓言要在2020年實現完全自動駕駛車上路。如今看來，現實顯然更複雜得多了，AI本質上存在的一些問題帶來了很多障礙。

隨著AI的發展與完善，我們將越來越接近具有安全且自主行駛的交通運輸願景。在那之前，我們必須展開長時間的開發與測試，而最終是否採用則取決於消費者的信心以及市場驅動力。儘管比預期費時更長，但一切終會發生。

需求與要求已經出現了，技術也幾近完備。其實際應用可能或快或慢，這完全取決於法規要求。分階段實施是可行之道，從比較簡單和更具確定性的用例開始，例如先在已知環境中導入自動駕駛。如果僅在具有較少未知的特定條件下行駛自動駕駛車，則可以充份緩解所使用的演算法壓力。

自駕車中的AI應用

感測器數據處理

自動駕駛車輛在運行期間，無數的感測器為車輛的中央電腦提供了數據，包括道路資訊、道路上出現的其他車輛資訊，以及如同人類感知般地偵測到任何障礙物的資訊。有些感測器甚至可以提供比普通人更好的感知能力，但要做到這一點就需要智慧演算法，用於理解即時產生的數據串流。

智慧演算法的主要任務之一是檢測並辨識車輛前方和周圍的物體。人工神經網路(ANN)是用於該任務的典型演算法，也稱為深度學習，因為神經網路包含許多層級，而每個層級又包含許多節點。圖2顯示了這種深度神經網路，不過在實際的神經網路中，其節點數和層數可能更多。

為了分類物體，視訊輸入分析採用機器學習演算法以及最可行的神經網路。由於我們有多個不同類型的感測器，因而必須為每個感測器配備專用的硬體/軟體模組。這種方法允許平行處理數據，因此可以更快做出決策。每個感測器單元都可以利用不同的AI演算法，然後將其結果傳達給其它單元或中央處理電腦。

路徑規劃

路徑規劃對於最佳化車輛行駛軌跡並產生更好的交通模式非常重要。它有助於降低延遲並避免道路擁堵。對於AI演算法來說，規劃也是一項非常適合它的任務。因為這是一項動態任務，可以考慮到很多因素，並在執行路徑時解決最佳化問題。路徑規劃的定義如下：「路徑規劃讓自動駕駛車輛能夠找到從A點到B點之間最安全、最便捷、最經濟的路線，它利用以往的駕駛經驗協助AI系統在未來作出更準確的決策。」

路徑執行

路徑規劃好之後，車輛就可以透過檢測物體、行人、自行車和交通號誌來掌握道路狀況，透過導航到達目的地。目標檢測演算法是AI社群的主要關注點，因為它能夠實現仿人類行為。而當道路情況不同或天氣條件變化時，挑戰就來了。許多測試車輛發生事故都是由於模擬環境與現實環境的條件不同，而AI軟體若接收到未知數據，很可能會做出無法預測的反應。

監測車輛狀況

最具前景的維護類型是預測性維護。其定義如下：「預測性維護利用監測和預測模型來確定機器狀況，並預測可能發生的故障以及何時發生。」它嘗試預測未來的問題，而不是已然存在的問題。從這方面來看，預測性維護可以節省大量的時間和金錢。包括監督學習和無監督學習都可用於預測性維護。其演算法能夠根據機載和機外數據來做出預測性維護的決策。用於該任務的機器學習演算法屬於分類演算法，例如邏輯迴歸、支援向量機以及隨機森林演算法等。

收集車險資料

來自車輛的數據記錄可以包含有關駕駛員行為的資訊，而且這些數據可以用來分析交通事故，也可用於處理車險理賠。所有這些都有助於降低汽車保險的保費，因為具有更加確定的安全性與保證。對於全自動駕駛車輛來說，賠償責任將從乘客(不再是駕駛人)轉移到製造商。而對半自動駕駛車輛來說，駕駛人仍可能承擔一部份責任。

要證明這一類的情況將越來越依賴於車輛AI系統所擷取到的智慧數據。來自所有感測器的數據會產生巨量的資訊，隨時保存所有數據可能不切實際，但是保存相關數據的快照，似乎是獲得證據的折衷方法，這些證據可用於特定交通事件的事後分析。這種方法類似於黑盒子保存數據的方法，可以在發生碰撞事故後根據其中的數據進行分析。

附圖：自動駕駛在農業、交通運輸和軍事等領域開始成為一種現實，很快地我們也將會看到它應用於一般消費者的日常生活中...
圖1：自動駕駛/連網車輛。（來源：Lentin, 2017）
圖2：深度神經網路示意圖（來源：Beachler, 2019）。

資料來源：https://www.eettaiwan.com/20201012ta31-role-of-ai-in-autonomous-vehicles/?fbclid=IwAR3ynFHau_8Podk-XKuJWJnvDbxUOR_TeNH-HWNiv7qOHV8LDTQAKVI3HmY

從來無想過，多頭皮屑、髮線後移、頭髮稀疏、甚至脫髮問題、M字額、地中海會在自己身上發生？年紀大見真章！無論你有無頭髮問題都要看這一集，可能會警醒你！今集我同一位頭髮薄嘅朋友仔，一齊做頭髮頭皮檢測，竟然有驚人發現令我好開心之後又好唔開心？我們更會實試草本堂針對不同脫髮問題的微針生髮療程的生髮治療效果及清除頭皮屑問題的即時治療效果，齊齊做好頭髮保養預防脫髮頭皮屑等問題！亦會講解5大脫髮原因中大家最需要留意嘅係‥‥‥
　
【病向淺中醫】無論係咩脫髮原因、階段：產後脫髮、基因遺傳性脫髮、壓力、賀爾蒙問題、頭皮發炎引致的脫髮等，抑或頭皮屑、頭皮乾燥痕癢、頭瘡等，都要及早預防同治療，淨係靠換防脫髮洗髮水、戴帽遮係唔得架，分分鐘會令頭髮問題惡化！
　
【?如果對植髮、Laser生髮等其他方法有疑問嘅朋友，都可以留言，會由Frankie盡力解答。】

? 記得打開【畫質】1080P ▶ 訂閱：http://bit.ly/tlyt_subs

?️ 是次療程日期：第一次2021年2月27日下午
? 療程地點：香港｜草本堂（尖沙咀）
官網：https://www.facebook.com/dreamdermaart/
Whatsapp查詢：https://bit.ly/358RlkQ


?‍♀️頭盔：
【本頻道所有影片上架前絕不會提交任何人審查】
**本影片為【純邀請拍攝】，沒有金錢關係，純個人體驗分享**
**本人同意此影片可予商家進行特定時間內作Youtube廣告Boosting，支持美容業**
**自由評價．為保持中立性專程邀請朋友一起測試**
P.S. 幅相係示意圖黎ja ?? 唔好諗多左！
　　　
　　
⚠️溫馨提示：
? 此影片純屬個人分享，服務質素只代表當天的評價。如商家、餐廳服務/產品質素下跌並不是本人能力控制範圍之內。歡迎留言及分享你們的體驗。敬請大家理解。
? 莎朗為人不喜歡作假，如有推廣及贊助，會在影片及description內提及。大家無需懷疑。
❤️ 歡迎留言比 like、討論、查詢、批評、分享、提點、報料，理性留言。?‍♀️人身攻擊見字秒刪。

?【莎朗日常】生活．美容．
其他有趣影片：https://www.youtube.com/playlist?list=PLU7-BehoKBXksIC6SDWvOakABdzDnmAXj

#脫髮 #頭髮稀疏 #頭皮問題 #女士脫髮 #草本堂 #三千煩惱絲
━━━━━━━━━━【 ?????? ?? 】━━━━━━━━━━
♡　???????：TraveLa莎朗
♡　????????? ：@travela.hk
♡　???? ????：http://bit.ly/mw_sharonpage
♡　???? 港日旅遊?????：http://bit.ly/mw_travelgp
♡　????????：fb.com/travelahk/
♡　日本遊記：www.travela.hk
━━━━━━━━━━━━━━━━━━━━━━━━━━━━
??Music?? - https://www.bensound.com

🐶 感謝訂閱，也請按下小鈴鐺，跟科技狗一起追逐科技浪潮喔！
📺 快速開箱 65 吋 Q90R QLED 量子電視 http://bit.ly/2JjnqzJ
🗣 也歡迎來 Mobile01 討論串一起討論 4K 電視喔 http://bit.ly/2PYufae

終於迎來最後一集 Part 3 啦！🎉🎉

由於內容很多，所以將系列影片分為三集製作！看完後，也許就會對挑選 4K 電視時有更進一步認識囉～
我們將全部內容分為四項選購要點：
⚡「面板規格」
⚡「尺寸跟背光」
⚡「系統跟特色功能」
⚡「HDR 跟廣色域」
看完我們的影片，你也可以告訴爸爸媽媽親朋好友如何挑電視啦，還不趕快帶著他們一起去選（付）購（錢）！

本集我們將針對「HDR」及「廣色域」進行討論！

先來複習一下 Part 1 及 Part 2 吧😂
Part 1 面板 & 背光 👉https://youtu.be/SozJZIWcO5c
Part 2 系統 & 特色功能👉https://youtu.be/Lv0SuXi1wmw

補充說明：
02:15 關於 HDR 的亮度整體變暗這個部分，可以看看 PQ 曲線，跟我們肉眼觀賞電視的光影感知有關。

由於 HDR 是依照感知曲線來做光亮分佈爬升，所以在大部分的亮度區間中幾乎都是在體現較暗的場景，只有到高亮處才急速往上拉伸。

HDR PQ 示意圖（感知曲線）
https://imgur.com/YxobgW3

如果是 4000 尼特的電視其 HDR 曲線的光亮處會在400-700才爬升一個等級，而 500 尼特的電視曲線則在 280-530 就爬升一級。

而 SDR 以往都是在 100 尼特為標準的電視下定義，所以我們這幾台 400 尼特的電視在顯示上反而會讓 SDR 畫面更加亮！

因此這一來一往下，就會覺得 HDR 畫面更暗於 SDR 了。

如果電視採用的是 2000 尼特左右的款式，那麼伸展的彈性更大 ，暗部細節就有較大的範圍可以施展囉！



影片最後也別忘記投票告訴我們你的答案！
大家有問題或意見也歡迎留言告訴我們唷！！

感謝提供⬇️
📌「晶瞬亮」：http://bit.ly/2YBqgXP

【本集介紹的電視相關資訊】
BenQ S55-700
https://www.benq.com/zh-tw/tv/premium-wcg-4k-hdr/s55-700.html

HERAN 55UDF88
http://www.heran.com.tw/product/hd-55udf88/

SONY 55X7500F
https://store.sony.com.tw/product/KD-43X7500F

TCL 55C2US
https://www.tcl-shop.com.tw/product/c2-uhd-tv/

謝謝您願意翻譯我們的影片 讓更多區域的人可以看見
http://www.youtube.com/timedtext_video?v=2yDGGV1Sj0M&ref=share

＝＝
#玩科技嗅創意 #4K電視 #科技狗 #BenQ #SONY #Heran #TCL

科技狗 3C Dog 的播放分類清單：
【科技狗詳細評測】 ：http://bit.ly/2xF87fm
【科技狗開箱上手】 ：http://bit.ly/2xIbYZ9
【科技狗使用技巧】 ：http://bit.ly/2xKyrVG
【科技狗實地探訪】 ：http://bit.ly/2Js0sXr
【科技狗選購指南】 ：http://bit.ly/2YKl9Vk

科技狗 3C Dog 的粉絲專頁：https://www.facebook.com/3cdog/
科技狗 3C Dog 的官方網站：https://3cdogs.wordpress.com/
科技狗 3C Dog 的 Instagram：https://www.instagram.com/3c_dog/
科技狗 3C Dog 的回血賣場：https://shopee.tw/3cdog
科技狗 3C Dog 的信箱：3cdogs@gmail.com