【腦中小劇場　三級警戒來臨之前，我們能做什麼】
　　　　
什麼是三級警戒？坦白說，之前根本沒想過它的樣子。結果一不留神，我們就身處在二三級警戒的交界，形勢究竟會逼近哪一邊，每一天都在擺盪。但在那天來臨之前，我們或許可以先做好以下四件事：
　　　　
1.【安穩呼吸，接收官方訊息】
　　
緊張的時候，先停下手邊的作業，好好調整呼吸。深吸三秒，慢吐四秒，五分鐘就好，不會占用太多時間。雖然這樣做，不會讓恐懼完全消失，但你的認知會慢慢回到現實。
　　
面對已知或未知的威脅，通常是焦慮的根源。扭曲已知的訊息，放大未知的想像，則是想像力襲擊大腦的方式。
　　
因此，面對想像力的襲擊，「保持呼吸的順暢與穩定，維持單一且正統的消息來源」，是最基礎的防禦工事，簡單地說，就是專注現實與事實。我們可以為現況感到焦慮，可以持續關注疫情發展，可以對自己採取更嚴厲的保護措施，但在展開任何行動之前，我們都需要一顆穩定的心，清醒的腦。
　　
焦慮是求生的動力，穩定是求生的續航力，兩者有先後順序，但不一定相互牴觸。用呼吸穩定情緒，接收正確的官方訊息，才不會讓想像力脫離現實，讓焦慮失去作用。
　　
在不久的未來，警戒或許會升級，疫情或許不如人意，但只要能讓腦袋保持清醒，想出合理的策略，做出妥善的應對，我們就有辦法成為停損疫情的一份子。
　　
2.【調整心態，升級危機意識】
　　
就現況而言，口罩所代表的，不只是一種保護措施，更是一種「危機意識」的宣示。
　　
對於李秉穎醫師的「人為群體免疫」說法，我十分認同。台灣先前之所以能挺過幾波社區傳染風險，正是口罩主義與洗手習慣，形成了人為群體免疫。而這背後的抗體，便是我們的「危機意識」。
　　
然而保持危機意識並不容易，因為需要持續性的刺激。就心理學而言，若想維持或增強某項行為，就必須出現刺激物，也就是所謂的「增強物」，而且以「變動」（variable）的形式出現，增強效果最好。因為當增強物的出現時機難以捉摸時，我們只能隨時待命，行為得以持續。
　　　　
最常使用的例子，就是購買彩券。人之所以購買彩券，目的是拿到彩金，而彩金就是增強物。倘若彩金是固定時段（一個月中一次），或固定比率（每開奬三次中一次）出現，那麼購買行為便只會集中在某些時段而無法持續，因為增強物的出現太好預測。然而博弈不是這麼回事，正因為彩金是以「變動」的方式出現，産生了不可預測性，才會一直刺激我們的購買欲望，維持購買行為。
　　
換句話說，若要維持或增強我們的危機意識，那麼危機（例如社區感染案例）這個刺激物，就必須以「變動」的形式呈現，也就是要製造出「不確定什麼時候會出現下一個確診案例」的狀況。當然，不會有人平白無故製造這種局面，這樣做不僅有點變態，而且直接影響心理健康。
　　
但仔細想想，現在不就是這種時刻嗎，我們當前所面臨的局面，就跟去年年初一樣，「不確定什麼時候會出現下一個確診案例」。
　　
因此，我們可以試著調整心態，現階段不是絕望的時刻，反而是升級危機意識、增強自我保護的最佳時機。倘若要遏止疫情擴散，除了傾盡全力動員外部資源，最根本的做法，就是靠每個人找回危機意識。
　　
因為即便局面失控，你起碼還能控制自己。
　　　　
3.【喚醒經驗，重拾基本功夫】
　　
如同前述，在情緒緊繃了一整年之後，由於缺乏強烈的危機衝擊，導致人們的防疫行為鬆懈，危機意識疲乏，進而產生破口。這情況確實讓人扼腕，但把矛頭指向任何人都沒意義，畢竟一旦缺乏刺激，人的習慣便會慢慢消失，這就是所謂的「反制約」作用，亦是人之常情。

但即便疫情升溫，和去年不一樣的是，我們多了一項武器，不是疫苗，而是「經驗」。那是住在身體裡的流程，是停電時就能立刻開啟的光源，不用花時間重新建構迴路，只要切換模式，讓電流溫習一遍路線就好。

病毒的所採取的姿勢，不是主動攻擊，而是附著人體傳染。它不會沒事敲你家的門，攻城掠地，怕的反倒是我們無意間亮出空隙，讓人類成為自己的對手。

因此，守住破口的方式，就是把基本功練回來。戴口罩，勤洗手，保持社交距離，密閉空間不交談，儘量減少群聚，謹守各項防疫規定。別忘了，整個國家尚未崩解，醫療體系正在待命，而我們擁有寶貴的經驗。螺絲或許一時半刻鬆懈，但還掛在原處，並沒有滑脫，不需要重新摸索或鑽孔，我們只要再次將它牢牢旋緊就好。

倘若升上三級警戒，社交會閉鎖，經濟會動盪，但還不到世界末日，因為人還在，策略會不斷翻新。我們都明白，病毒不會一夜之間絕滅，但我們可以用一個月的時間，重拾過去一年的基本功，努力守住底限。試著讓警戒級數下修，讓生活步回常軌，才是當前唯一的目標。

4.【施打疫苗，為自己買保險】

由於身份關係，我在前段時日已施打過AZ公費疫苗，頭兩天確實出現痠痛倦怠，身體也冒出了局部紅疹（看過的人都一致認定是衣服沒洗乾淨），但絕對沒有哪個部位長出角這種事，生活作息也沒受牽連。因此我強烈建議，

無論公費自費，預約就對了，在嚴峻的時期，值得為身體買張保單。畢竟，當你為自己買下一份保險，整個國家就少了一份風險。

此外，我也建議讀者下載「臺灣社交距離 App」，雖然它無法直接抗疫，但至少能讓民眾保持警覺，減緩疫情傳播，為心理健康買張保單。

「臺灣社交距離 App」的影響力，取決於使用者的參與程度，下載人數越多，資料庫擴充得越快。相對地，若「確診民眾」不願意上傳去識別化接觸資料，進行自主回報，又或者民眾收到警告訊息後卻未進行通報，軟體的影響力便會大幅限縮。對此，政府目前已針對願意上傳資料的確診者，給予協助疫調獎勵金五千元禮卷，然而真正決定這套軟體效能的，還是每個人的危機意識。

一如村上春樹所言，所謂考驗，正是「人生重新擺好架式的好機會」。

危機不曾間斷，勝負尚未分曉，對手很狡猾，因此即便挨了一記悶棍，我們也別灰心。至少這記悶棍，能讓我們重新調整對戰姿勢，然後朝著對方說一句，

「不讓了，現在要認真了。」

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

ULG組織人員看見我憑空出現嚇了一跳，他們擁有先進的儀器，所以能夠看到幽靈。老實說，這能力真的很爽，能省下不少車費，上班也不怕遲到，下班回家不怕塞車…
　
幹！我在想什麼！有這能力我還顧著上班！
　
任誰都幻想過自己擁有超能力，不過，很快就要跟這能力說Bye Bye了～

我在昏迷期間在私人房間裏，意外探知到「外面」的世界。跟外界觀察中的「老闆們」打了個招呼，就直接跟衪們交涉了。
　
事後得悉此事的ULG組織人員，嚇到臉色一陣青一陣白：「你…你竟然跟他們直接講條件？」
　
「不然呢？」我。
　
「那就像金魚不慎跳出魚缸之後﹐直接跟牠的主人談判一樣不知天高地厚啊！」
　
「……」
　
不管怎樣，衪們答應了。
　
任何生物在私人房間待太久便會被侵蝕掉，就像金陵福他躲進房間內，我也找不到他的蹤影，他可以說仍然存在，又可以說已經死掉。也許他的意識能夠繼續自由活動，但已經不是在人類認知的「生存」範疇了。
　
一個巨大的失敗例子，就是我從第二個古種的記憶裏得知的，他被軍方抓去做實驗，嘗試將大量士兵放進私人房間，再在其他地方拿出來，如果成功的話就能突襲敵人陣地，還能安然溜走了。
　
結果，卻引發了「費城實驗」。士兵與航空母艦成功在古種的能力下憑空消失，再在相隔數百公里的地方出現。
　
而且航空母艦安完好無缺的出現，指揮這次行動的長官們拍掌歡呼，心想只要運用這個能力，要稱霸世界也不是問題了。
　
然而，當古種將航空母艦變回來時，發現船上的士兵出現異常狀況。有的軀體像半溶解的蠟燭一樣黏在甲板，有的像碎掉的冰塊般慢慢受太陽熱力而溶解。有的像泥土一樣沒法保持應有的輪廓，內臟還不斷掉出來…
　
當然，軍方將這次實驗的失敗隱瞞了。另一方面，我的軀體仍在沈醫生手上，能否活著逃出來還是未知之數。
　
所以，我必須確保母親能夠安然無恙的出來﹐這是我唯一的要求。而ULG的條件是，將古種的力量交出來，讓他們進行研究。
　
他們帶我到手術室，母親躺在手術床上，被一堆我完全看不懂在搞什麼的儀器包裹著。對ULG來說，母親是很有用的人質。只要有她在手上，就不怕我食言了。
　
然後，我又被帶到另外一個房間，房間內有一個巨大的玻璃瓶，裏面灌滿透明液體，有一個像人類腦袋的東西飄浮著。
　
「這是什麼？！」我問。
「接收古種能量的人造大腦，這種能力不論是誰擁有都不安全。」ULG人員。
　
「嗯嗯，很有道理。」我。
　
也許，這就是人與神的差別了。
就算人類擁有神的力量，也只會做有利於自己的事。
　
我依照ULG人員吩咐躺在冷冰冰的床上，瞟向房間四個角落。
　
雨婷會躲在暗處，等待時機來營救我嗎？她會在突然不知從哪裏竄出來扭斷那人員的脖子嗎？
　
角落黑漆漆的，並沒有人躲著。
　
「你…準備好了嗎？」ULG人員。
「也沒準不準備好啦～」我聳聳背，閉起雙眼。
　
我知道，當我再次睜開雙眼，就會失去古種的力量，變回一個普通人。
　
也就是說，我再也沒法看到幽靈。
　
有古種的力量，就算只剩下一秒，在神秘房間都有無限的時間。來ULG總部之前，我也找過很多地方，所有雨婷有機會去的地方我都找過。
　
所以我知道，雨婷是故意不讓我找到的…
　
原來，當一個人有意想避開你。不管你用盡方法去找，也不可能找到她。
　
　
＊＊＊＊＊＊＊＊
　
手術比我想像快完成，我再次睜開雙眼，身體沒有任何差別。我嘗試凝神，沒法進入私人房間…代表手術真的完成了，我已經變回一個普通人。
　
我對於失去古種的能力，沒有太大感覺。
更讓我心痛的，是失去了雨婷。
　
在場的醫生替我進行了身體檢查，沒有拐杖，也不用吃藥，直接就能回家了。
　
母親仍處於昏睡的狀態，但他們說情況穩定，應該很快就會醒過來。我獨自回到空蕩蕩的家，一打開門…
　
「哈哈～雨婷，沒想到妳在這裏等我出現呢。不過，不好意思了，我現在看不到妳…」
　
「……」
　
沒有傢俱翻倒，鏡子沒有破掉，雜物沒有飛起來丟向我…
　
雨婷不在…
　
如漲潮般的孤獨感迎面襲來，我躲進房間，一點睡意都沒有，還是強逼自己睡著。至少，在夢中我能看到雨婷。
　
接連幾天，我都去了ULG總部，母親已被轉移到樓上的普通病房，接見我的人是一般醫生，他們也不讓我接觸ULG的人。
　
「哈哈！雨婷～～我知道妳在這裏！先說好啊！我看不到妳，隨時將妳撲倒唷～」
「……」
　
一整個月過去，身邊沒有任何奇怪事情發生，也沒神秘人出現對我說：「事情並不像你想像中這麼簡單。」然後劇情變得峰迴路轉…
　
事情真的完結了。
　
今天，有一個工作面試，如我所料的失敗收場，我竟然在女性上司的面前說了一個不太好笑的黃色笑話，這肯定是失敗原因！
　
返回家中，解開脖子的領帶，攤坐在梳化上。我看著半空說：「雨婷，為什麼妳要避開我啊？」
　
突然，一隻紙飛機從房間中緩緩的飛出來，在我面前掉落。我馬上拾起來一看，上面寫著：
　
『因為我沒面目見你…』
　
（待續）
下集真真真真的是最後一集啦！
1500 like 有結局！
　
新書《殺人犯的側寫》讓讀者能選擇劇情的小說
網購連結：
https://bluegodzistore.boutir.com/
故事簡介：
每個角色，都能讓讀者選擇生與死。
你的選擇，能影響故事的結局。
如果命運能選擇，你會選擇生還是死？
多重人格的出現，是因為經歷過不能承受的痛苦。
一個男人為消除愛人的多重人格，選擇成為殺人犯。
後來他才發現，他愛上的只是其中一個副人格。
然而，他還會有其他選擇嗎？
每一個角色的故事，讀者都能選擇不同的結局。
這是一本極度燒腦的小說，或許看完之後，
你也會被傷害到出現多重人格。