徵才機關：國立屏東科技大學
人員區分：其他人員
官職等：無
職系：無
名額：1
性別：不拘
工作地點：90-屏東縣
有效期間：110/06/29~110/07/05
資格條件：
■徵聘單位：研究總中心(科技教育領域)
■徵聘職稱：講師級研究員
■名額：1
■一般資格條件：具教育部認可之國內、外相關系所碩士學位或講師級以上教師資格證書者。
■專長領域或特殊資格條件(含研究著作要求)：
1.取得國內外機械工程、教育科技等相關領域之碩士以上學位。
2.具備Arduino開發、micro:bit開發、感測器應用與多媒體設計等能力。
3.具Unity 3D程式設計能力，且有3年以上Unity 3D開發經驗。
4.具備獨立開發手機APP或AR、VR相關專案或數位學習教材專案等3年以上之開發經驗 (應徵時須檢附作品集)。
5.具一年以上任教領域相關之實務經驗（自碩士畢業起算）。

■Department：General Research Service Center
■Position：Lecturer Rank Research Fellow
■Vacancy：1
■General Requirement：A master’s degree recognized by the Ministry of Education of the R.O.C. in relevant fields is related or an experience as a lecturer (or above) with an official teaching certificate.
■Specialization or Special Qualification(research and publication requirement included)：
1.A master's degree or above in mechanical engineering, educational technology or other related fields.
2.Experience in multimedia design and application of IOT hardware (e.g., Arduino, micro: bit, and multi-sensors).
3.At least tree-year experience in Unity 3D development.
4.Experience in designing and building advanced applications for the iOS or Android platform, AR/VR, and digital learning system. (Offer relevant works)
5.More than one year of teaching experience.
工作項目：
■備註︰
一、以上應徵之「一般資格條件」，須於公告截止日前（110年7月6日）已具有碩士(含)以上學位。
二、以上應徵之「專長領域獲特殊資格條件」中有關「實務工作經驗」之審核，本校將依教育部訂定公布「技專校院專業科目或技術科目之教師業界實務工作經驗認定標準」規定辦理。
三、報名期間︰自公告日起至110年7月6日止截止收件。
四、報名方式︰報名方式︰一律採書面方式報名，收件至報名截止日止。
(一)郵寄方式報名：以郵戳為憑，請寄送至91201屏東縣內埔鄉老埤村學府路1號，國立屏東科技大學人事室收。
(二) 親送方式報名：以本校人事室「職缺收件章」收件日期為憑，請於報名截止日前之本校工作日期間親送至本校行政中心二樓人事室，交由人事人員收執，並加蓋「職缺收件章」。
※ 應檢附之證件不齊或逾期者，均不予受理。
五、聯絡電話︰08-7703202轉分機6113 本校人事室盧先生。
六、應徵信封右上角請務必註明「應徵者姓名」及「應徵單位（領域）」；資格符合者由徵聘單位辦理後續審查事宜，不合者恕不退件及函復。如未獲錄取時需返還書面應徵資料，請附足額回郵信封以利郵寄。
七、報名需繳交表件︰(徵聘單位另有資料需求者，請依其需求辦理)
(一)現職工作佐證文件(國外任職證明文件須附中文譯本並經我國駐外單位驗證)。
(二)個人基本資料表（請詳細註明通訊地址、聯絡電話、行動電話及電子郵件信箱）。
(三)最近五年內著作一覽表。
(四)最高學歷畢業證書影本，畢業學校如係國外學歷須為教育部所認可且經我國駐外單位驗證有案者，須於公告截止日前取得之學歷始予採認。
(五)檢附相關實務工作經驗之證明文件影本。（須於公告截止日前之實務工作經驗始予採認）
(六)最高學歷歷年成績單影本，畢業學校如係國外學歷須為教育部所認可且經我國駐外單位驗證有案者。
(七)其他有利於聘審之資格證明文件。
(八)國立屏東科技大學個人資料蒐集聲明暨同意書。
※※（一 ~ 八）項資料請勿膠封，使用長尾夾固定成冊即可※※
八、請應徵者詳閱「本校個人資料蒐集聲明暨同意書」，確認同意相關事項後簽名，並隨同履歷資料繳件。
工作地址：
聯絡E-Mail：
聯絡方式：
九、前述第七項（1款）所需之「個人基本資料表(word檔案)」、「個人資料簡表(校務基金進用研究人員)(Excel檔案)」表格，刊登於本校首頁（網址：http://www.npust.edu.tw/）點選「徵才資訊」及人事室網站首頁（網址http://personnel.npust.edu.tw/bin/home.php）最新消息、徵才求職，請自行下載相關表格使用；其中有關「個人資料簡表.xlsx(Excel檔案)」，請另行以E-mail方式逕傳送以下相關系、所承辦人：
項目 單位 郵件信箱
(一) 研究總中心 grsc@g4e.npust.edu.tw
十、依「校務基金進用研究人員聘用辦法」規定：
(一)校務基金進用研究人員以編制外人員契約進用，其等級分為特聘級研究員、教授級研究員、副教授級研究員、助理教授級研究員及講師級研究員等五級（以下簡稱校務基金進用研究人員），其遴聘資格準用「大學研究人員聘任辦法」之規定。
(二)校務基金進用研究人員聘期，以一年一聘為原則，但計畫期限在一年以內者，應依實際所需時間聘用。
(三)聘期最長以三年為限，每年須依規定接受評鑑，其辦法另定之。
(四)用人單位辦理校務基金進用研究人員辦理續聘時，應提出聘用期間執行研究成果績效報告，並載明要求事項及檢據證明文件資料，提送校務基金進用研究人員評審委員會審議。
(五)校務基金進用研究人員於契約期間至少應參與一項研究計畫並於本校課程期間內每週實際授課2至4小時。
十一、應徵者之個人資料將用於本校此次徵聘研究人員之各項相關業務；且錄取後，將其個人資料供校務行政之用。
十二、本校聘任前依性侵害犯罪加害人登記報到查訪及查閱辦法第14條之規定，應申請查閱有無性侵害犯罪紀錄。
十三、本公告同時刊登於下列網站：
(一)行政院人事行政總處網址http://www.dgpa.gov.tw/點選「事求人」。
(二)本校首頁網址http://mportal.npust.edu.tw/bin/home.php 點選「求才資訊」。
(三)本校人事室網址http://personnel.npust.edu.tw/bin/home.php點選「最新消息」及「徵才求職區」。
(四)「全國就業通」網址https://www.taiwanjobs.gov.tw/Internet/index/index.aspx 點選「找工作」。
(五)「104人力銀行」網址https://www.104.com.tw/index.cfm。
(六)「教育部全國大專教育人才網」網址https://tjn.moe.edu.tw/index.php/點選「職缺訊息」。
(七)「科技部網站」網址https://www.most.gov.tw/?l=ch/點選「動態資訊/求才訊息」。
<<** 詳細內容請依人事室網站公告內容為基準 **>>
<<** 相關報名表格請至人事室網站最新消息及徵才求職區下載 **
<<** 人事室網址http://personnel.npust.edu.tw/bin/home.php >>
職缺類別：
不使用應徵者履歷調閱

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

| 燒腦傷肝的工作（科技靈異故事） |

下圖是我們五年前在台灣的最後一場展覽，是與董陽孜老師合作的大型裝置展。這個展覽結束後，我就在這個領域中呈現退休狀態，為什麼？因為我覺得自己已經無法再承受這種巨大又驚悚的壓力了，今天來跟大家分享一下美麗展覽背後不為人知的辛酸與神奇的類靈異故事。

接下這個展覽時，我帶女兒在台灣唸書學中文。展覽合約書剛蓋好章、快遞寄出去時，我們台灣合作的技術夥伴建議我不要接這個案子，因為預算不多、布展時間短，他怕我們會砸了國寶級藝術家董陽孜老師的名聲。

我們當時的想法是在空間中設立7個旋轉結構體，結構體四面掛上董老師的巨型畫作，旋轉結構體用電腦程式控制隨機轉動停止，可以讓董老師精選的畫作片段有16384種不同的組合。

很簡單的想法，但是要找到承載一百公斤又能電腦控制的機械馬達，不訂做不行。而我離台已久，再回到台灣可以說是人生地不熟，不知道去哪裡訂做這樣的工業用旋轉機械馬達（還要會感應）。最後，我們決定在法國訂做空運回台。

朋友勸告我們的第一點預算不夠，在我們找到法國訂做馬達後就解決了這個問題。這些年下來，我發現很多東西在法國訂做的成本比在台灣便宜，為什麼？因為法國有很多專門為客人量身訂做的小公司，這種公司人數少、愛挑戰、不喜歡做大量重複的工作，相較於台灣習慣開模大量生產的工業化製造，有時反而預算低很多。

但是別忘了，朋友還有勸告我布展時間短，多短？三天。

三天的布展時間可能對一般的展覽算是足夠，但是對需要安裝、測試的多媒體展覽，是有些風險的。不過我們常常做一些商展的案子，也習慣極短的布展時間，基本上就是全在外面工廠做好、測試好，最後到現場組裝。

我們就這樣按著計畫執行，第一天將法國來的旋轉馬達底座就定位，我們開始牽線，同時木工進場固定底座、搭結構、上漆，我的工作就是趴在地上接線、焊接電線、電路板，我另一半則是在一旁做軟體的最後測試。

我們動作很快，布展第一天晚上就開始進行測試工作。但是，我們發現法國來的旋轉馬達少了一個像螺絲一樣的感應軸，不知道是我們拆卸過程掉落，還是原廠本來就少一個。第二天一早，我拿著一個法國來的特殊螺絲，先去工業螺絲行買了尺寸差不多的螺絲，再去興城街的打鐵鋪請師傅幫我打磨成跟法國一樣的螺絲。

我得意著自己完成了一個小有困難任務，但是第二天深夜的測試，喀喀，馬達的感應器不知怎的突然壞了，而且一晚的測試壞了二個！好險台灣是電子業強國，我們第三天一早馬上殺去光華商場找其他的感應器替代。然後我從原本的趴在地板上變成躺在地板上，因為我必須要伸手到木結構下安裝感應器。

熬到了第三天，我們還撐著測試，但是到了凌晨一點，我們從法國帶來的電路板突然燒了，整個無法運作。眼看著還有幾個小時展覽就要開幕，以董老師的身分，許多的達官政要都會來參加展覽開幕，還會有許多的記者媒體。

我只能死馬當活馬醫，上台灣arduino的論壇深夜裡高聲求救，有沒有人有mega arduino電路板可以救命？沒想到深夜裡，還有五六個網友回覆，其中有二位有我們用的這種電路板，一位在高雄、一位在新北。

我和新北市這位網友見面拿電路板，已經是凌晨二三點了，然後我順便邀請（綁架）這位網友到我們布展現場。那時候已經熬了三天，我突然像昏倒一樣的倒在旁邊的椅子上，就是下圖參觀者坐的椅子上。

我昏昏沈沈間，聽到這位網友和我另一半的交流討論，為何電路板會突然燒掉、感應器也會突然壞掉，是不是焊接的問題，他們倆用電錶測試沒問題，但運作始終斷斷續續不正常⋯⋯他們說的話我全部都有聽到，但我就是身體很沉、頭很昏、想吐又起不來。

早上七點多我總算在昏沈中坐起來了，我另一半和那位莫名其妙被我綁架來的網友還在地上接著線測試，我驚訝又非常不好意思的去買早餐給他們。邀請我們來做展覽的朋友此時也陪我們熬了三天三夜，她說：「我帶妳去買早餐，順便拜個土地公吧！」

我記得台灣開工都要拜拜，我們整個忘了。拜完土地公、買早餐不到三十分鐘回到展場後，整個展場乾乾淨淨的如下圖，所有亂七八糟的線、電腦都收的乾乾淨淨。還有，那位網友也不見了！！！剛剛我出門前，他們兩人不是還一團混亂？此時我另一半從廁所洗臉，精神氣爽的跟我說：「都搞定了！」那位網友呢？我是在做夢嗎？「他說他不吃早餐了，他回去睡覺比較重要！」

然後我們倆衝回家洗澡更衣，再趕回展場若無其事般地開幕、上台致詞、拍照留影。記者會結束後，我回到休息區繼續焊接零件，有些不穩定的地方當天晚上展覽結束後要再做更替。來看展的朋友們只覺得有趣，我難得化妝、頭髮微捲、穿著洋裝符合「旅法藝術家」藝術家的優雅，但手上卻忙著焊接。

這個展覽就這樣有驚無險的順利完成了，臨走時，我買了一包綠色乖乖放在微電腦上。如果你有看過這個展覽，一定會看到這包乖乖，因為它實在藏不住，微電腦就在作品的正中央，乖乖比一個香煙盒大小的微電腦還大。

這個展覽之後，我發現自己似乎受夠了這種開展前巨大的壓力和累過頭昏迷的狀態，所以開始呈現退休狀態。今天會想到跟大家分享這個故事，是因為我們現在又在這種狀態下了，這次是個只有一個月的不可能任務。我不想參與也沒有辦法，畢竟我和我另一半不只是生活上的夥伴，也是工作上的夥伴。

而我這個星期已經出現使用螢幕過久就開始頭昏想吐的症狀，所以錄好的podcast遲遲沒有上線。昨晚在辦公室加班回家的路上，因為宵禁的緣故，短短一百公尺的距離還要給自己開張公司證明。而法國從週六開始下午六點開始宵禁，疫情中存在著各種問題，我們這次能不能化險為夷？🤷‍♀️

＃民生公共物聯網 ＃地震避難不再怕
想看更多「民生公共物聯網」的資訊？請點👉 http://bit.ly/2IcCv2T

各節重點：
00:58 災害來臨時的危機與應變
02:19 目前我們都怎麼防災
03:35 現代的問題，就要有現代的解法！
05:04 民生公共物聯網如何幫助防災與緊急應變
06:48 我們的觀點
07:33 提問
07:48 掰比～別忘了訂閱！

＃記得打開ＣＣ字幕
✔ 成為志祺七七會員：http://bit.ly/join_shasha77
✔ 訂閱志祺七七頻道： http://bit.ly/shasha77_subscribe
✔ 追蹤志祺 の IG ：https://www.instagram.com/shasha77.daily
✔ 志祺七七 の 粉專 ：http://bit.ly/shasha77_fb

【 製作團隊 】
｜企劃：土龍
｜腳本：土龍
｜剪輯後製：絲繡
｜剪輯助理：范范
｜演出：志祺

——

【 影像畫面引用來源 】

00:19：聯合新聞網 / 泰雅渡假村總經理李吉田提供
00:41：921大地震 | ImgBos.com
01:22：九二一大地震紀實 - 柯金源 - 數位島嶼 / 柯金源攝
01:50：維基百科
01:52：台灣時報 | 電子報 / 新北市消防局提供
02:34：Yahoo奇摩新聞 / 照片源於Getty Images
03:47：FLYWHEEL
04:02：截圖自民生公共物聯網
04:49：民生公共物聯網
05:44：台北旅遊網
05:57：截圖自民生公共物聯網-資料服務平台
06:09：民生公共物聯網
06:19：聯合新聞網 / 聯合報系資料照片
07:18：截圖自民生公共物聯網

——

【 本集參考資料 】
→ 民生公共物聯網官網 ：https://bit.ly/2LdqUlH
→ 民生公共物聯網資料服務平台：https://bit.ly/2NzBTZz
→ 民生公共物聯網FACEBOOK：http://bit.ly/2IcCv2T
→ 海陸地震聯合觀測：https://bit.ly/329oRWD
→ 複合式地震速報：https://bit.ly/32cHgC4
→ 民生示警公開資料：https://bit.ly/2LdMM09
→ 災害防救資訊系統整合：https://bit.ly/2MKdxwm
→ 水資源物聯網：https://bit.ly/30HGSe9
→ 水災防災知識館-防災小常識：https://bit.ly/2ZyY5oV
→ 颱風來臨前防範措施：https://bit.ly/2ZxnaEU

【 延伸閱讀 】

→ 民生公共物聯網資料應用競賽得獎名單出爐，成果展熱烈展出中
：https://bit.ly/2PC5hkD
→ 民生公共物聯網資料應用競賽：https://bit.ly/32ctHlS


＼每週７天，每天７點，每次７分鐘，和我們一起了解更多有趣的生活議題吧！／
🥁七七仔們如果想寄東西關懷七七團隊與志祺，傳送門如下：
106台北市大安區羅斯福路二段111號8樓
如有業務需求，請洽：hi@simpleinfo.cc