今天是撿到槍嗎😅

#電信業 #遠傳 #股東會

最近大家線上上課上的還好嗎？疫情關係，陸續收到幾個網友（家長）詢問「#網課效益」與「#該不該信任網課成效」，以及「網課樂器教學，該注意什麼」。

#但其實要問自己的老師😂。影響網課效益的層面很廣，除了包含網路與裝置狀況，還有學生的程度在哪、老師平時的上課方式，我不知道孩子的程度，更不清楚老師平時的上課方式，也不清楚你家跟你老師家的網路與裝置設備，所以問我不準。

對於樂器的網課學習，大家第一印象都是聲音無法如實體上課般傳達。

📍這階段的學生沒太大差別📍

1. 「#要求正確性」階段：對多數坊間習琴孩子沒太大差別，因為多數孩子都不太練琴，只需要進行所有抓漏：抓錯音、多彈幾次、拍子彈錯、練不熟。#若平常上課大部分在把曲子彈熟、#過順、#不彈錯音、#拍子正確、#效正指法，#驗收背譜，真的沒差。平常踏板亂踩不管聲音、音扭來扭去亂彈，線上課程突然很在意音色講求聲音，其實有點多餘。簡單來說：「你先練熟把音找對再說啊」，但老師應該會開心你終於開始在乎聲音了。

線上課程老師很適合好好驗收分手背、彈左唱右背等所有跟「正確性」相關的內容，以及好好放大放慢所有練琴步驟。建議老師們多驗收學生彈分手背，照顧自己的耳朵。

2. 「對於樂曲練習進行討論」階段：對於彈中高程度曲子的學生，在新練一首曲子，跟老師討論音樂結構、指法、練法時，也沒差。

📍這階段的學生有差📍

當曲子已練好背好，準備要考術科期末考的音樂班音樂系學生，或在準備表演、比賽者，或在練曲子過程中遇到彈奏施力問題時。

對於音群比較多的曲子，有時因為場域及回聲問題，真的不容易聽清楚。老師糾正與表達時需要更費心，外加許多學生家裡鋼琴的聲音狀況很不好，老師要努力判別到底是樂器問題，還是網路問題，還是你的問題。（但抱歉，多數還是學生的問題）

簡單來說，若上課主要在抓漏，或老師只講漸強漸弱大小聲，實體跟線上真沒什麼差。反之，這時正是要求學生「正視把譜看清楚」的好時機。但若老師在示範音樂裡欲達到的氛圍、講述音色與踏板，或要求你做跟「fu」有關的聲音，則有差。遇到施力問題，老師無法在你身上表達觸感與施力方向及速度，也無法用手去控制你不自覺亂動的身體，只能口述。但如果平時老師不太講這面向，也根本從來沒碰過你，那也沒太多差別了。

線上課程，需要試了才知道，試了之後才能一一解決問題及更新方式。除了在試的過程彼此修正設備問題之外，學生需要打開耳朵更好好聽老師要你做什麼，老師需要更正視「口述、翻譯」上的教學技巧，多試幾次一定會進步的。平時少用口述多用示範的老師，的確需要在教法上做改變。

線上上課，對老師來說一定也是比較辛苦的，＃無法忍受學生不進步的老師，＃相信不管怎樣，＃都會想辦法讓學生進步，反之，不用心的老師，即便上實體課，也可以鬼混的無所覺。

疫情期間，對彼此皆不容易，在國外，不管是初階或是音樂院的學生，都線上上課，甚至能上室內樂，有很多技術，我們都需要學習。

只能信任自己的老師，不管設備上、學習上盡量彼此配合，一起進步，或許反而可以讓學生想進步的心更充滿動力😃

📍關於設備的幾項建議📍

1.＃確認網路。網路是最大的問題，網路不順，上課沒有效益可言。若不順暢趕快請寬頻公司來處理，有時是機器問題，可能是路由器需要更新。

＊可用這網站看家裡的網路速度：https://fast.com/　或下載speedtest 的app 有更清楚的下載與上傳的數值，只是一直跳廣告畫面有點擾人。
＊若有家裡wifi 傳不到琴房的問題，可以去買全屋漫遊的網狀路由器系統。

2. #準備平板或電腦。不要手機，怕看不清楚之外，也擔心手機使用長時間會燒。電腦優於平板。

3. #準備耳機。若你的手機或裝置放出來的聲音很破，用耳機可以改善很多，也避免出現老師叫你停下來你卻沒聽到還拼命彈。戴耳機時記得不要往耳朵裡猛塞，造成不舒服，聽得清楚即可，可只戴一邊，亦能聽清楚自己彈奏的聲音。最好用有收音功能的耳機，講話時不用大聲吼。

4.　跟老師約好使用哪個平台。我自己是用ZOOM，因為能調整聲音，鋼琴聲音相對穩定。在裝置上下載好zoom，找到打開「原聲」的地方，以及測試一下自己的麥克風與喇叭狀況。

不管如何，都希望疫情盡快結束，回到正常實體上課的日子。

祝大家疫情間平安，上課順利。

／

下周開始「#教師研習」課程，因疫情三級延至6/14，所以皆改線上上課，欲上實體課程者將全額退費。

📍【#巴哈創意曲專題】報名表單：https://forms.gle/WKT6H9EWaDboRocV6
下周四 6/3 起開始上課，為期六周，明天早上會再幫大家測試一次線上功能。

📍【#古典專題_莫札特】僅開放給舊生。

#教師研習 #鋼琴老師 #線上教學 #疫情

譚新強：Galileo的教誨：人類非宇宙中心點
文章日期：2021年5月21日

【明報專訊】人類非常自以為是，一切以自己為中心的動物。自古以來，不止大部分人都以為大地是平或者是方的，他們更以為天上的星星、月亮和太陽，都是圍繞着我們而運轉的。當伽利略（Galileo Galilei）以望遠鏡觀察得來科學證據，支持哥白尼（Nicolaus Copernicus）的太陽中心論，他就被教廷批鬥和逼害了20多年之久。

即使現代人也有同樣自以為是的主觀願望。不少人偏見地以為近數十的所謂新發明，例如互聯網、手機、AI、機械人和加密貨幣等，都必然是人類史上最偉大和最重要發明。更有不少人甚至相信所謂加速回報定律（Law of Accelerating Returns），認為重要科技發明的速度不斷提升，很快就將達到人網合一的所謂「奇點」（Singularity）！

客觀點來看，這些科技發展雖重要，尤其互聯網和手機，令到日常生活更方便和豐富，但怎可能比火、蒸氣機、電力、電話、汽車和飛機等更重要？有人曾問過李光耀，什麼是偉大發明？他的答案是對新加坡而言，最重要的發明是空調！他認為在熱帶地區，如沒有空調，工作效率非常低，經濟發展必更困難。你可能以為李光耀此言是開玩笑，小小一台冷氣機，怎可能那麼偉大？但事實擺在眼前，新加坡是熱帶國家中，極少數（差不多唯一）能達到發達國家水平的國家之一，成功原素當然不止空調這麼簡單，但他立國不久即決定盡快在所有政府辦公室裝置空調，肯定對提升政府效率有極大幫助。

近20年科技無助提升生產效率
若以生產效率的趨勢來判斷近20年科技發展的成效和重要性，不幸客觀結論就必然是頗為失望，甚至驚訝。因為不論美國或中國，過去20年的勞動生產率（labour productivity）增長都不斷放緩（見圖1及圖2），就如數以萬億美元計的IT投資，每人手中一台超級電腦，都提升不了我們的生產效率。更不需遑論AI結合機械人，再加5G，所有工廠都應變得更自動化，需要的工人極少，理論上人均生產效率必定急速提升。

這麼多「超偉大」發明，怎去解釋生產效率增長率不加速反放緩的重大謎團？我認為可探討3個可能性。

（1）從1970年代開始，個人電腦（PC）開始崛起和普及，企業投入大量資源，期望生產力效率大幅提升。但長近20年的投資期，效果一直是失望的，在互聯網普及前，大部分電腦幾乎可算是獨立的，主要用途只包括文書處理（word processing）、電子試算表（spreadsheet）和簡單資料庫（database）等，即使有通訊功能，也只限於速度極慢、撥號連線的modem。在這個單打獨鬥的環境下，大部分PC亦是一台昂貴的高級打字機，對生產力提升當然有限。後來隨着互聯網崛起、寬頻普及，企業開始看得到大量投資IT的回報。當然互聯網的發展，提供了創立大量新企業的機會（但即使如此，上世紀七十年代至今的生產力增長也一直放緩）。

同一道理，過去30年的新科技發展，將有重新提升生產力效率的一天，可能只是時辰未到。我贊同有此可能性，但到底現代科技，缺乏什麼催化劑，防止它們完全體現潛能？我也沒有準確答案，部分可能是投放的量未足夠，例如5G，大家一直期待網絡速度馬上提升10倍以上至Gbps級別，但事實上在美國和中國的用戶體驗極差，平均速度提升50%不到，某些情况和地區，甚至比4G更慢，亦較受障礙物如牆壁阻礙接收。應用方面更缺乏「killer apps」，據說在中國的流行5G App是Speedtest，就是用來測試通訊速度！現時平均每個基站服務約7000用户，當然寄望繼續增加密度，到了某個水平，希望能較成功體現5G功能。除此，高頻率的mmWave網絡仍在起步階段，高頻率才可真正大幅提升速度，但不幸物理上，mmWave穿透力更差，要實現IoT夢想，實時遙控高速機器，進行精細手術和應用於交通系統等，仍面對極大挑戰。

（2）人均生產效率增長放緩，有可能是定義和數據準確度的問題。會否是不可以金錢來量度近代科技發展所帶來的所有好處，除經濟增長外，亦有助改善人類健康、延長壽命，以及提升快樂感？有可能，事實上在過去200多年，全球人類壽命的確上升很多，從不到30歲升至現在的70多歲；但大部分應該是公共衛生的改善，尤其自來水的普及，農業進步導致營養改良，以及接生技術和環境改善，大幅減低嬰兒夭折率等，而非來自先進癌症治療法或基因工程技術。當然，近年英美的平均壽命更出現下跌趨勢。快樂的定義更抽象，跟科技發展更沒有一個必然關係，去多幾次日本就一定開心啲？著名人類學家Steven Pinker認為，原始的hunter-gatherers，以狩獵為生，不用花太多時間工作和計劃生活，平均快樂度反而比生活較穩定和富庶的農業社會高很多。原因是農業需要長達一年的工作計劃、播種、灌溉、收割和儲糧等等，全年忙碌，亦需全年憂慮天氣和瘟疫等。現代人更惨，不止需要計劃一年，未上幼稚園，已需要開始計劃人生，每年每月每日都有無窮無盡的所謂工作、責任和煩惱。

有人企圖解釋，可能分母也有問題。人均生產力增長減速，或者是因為現代經濟高度自動化，需要工作的人愈來愈少，即是失業，underemployment和不需工作的人愈來愈多，所以人均生產效率就被拉低了。這個解釋有兩個問題，首先在這次COVID大流行前，以美國為例，失業率跌至3.5%的50年新低，何來工作人數在減少？近月隨着美國疫情減退，失業率又再急速下降，所以此論點不成立。

有人指出，雖然表面失業率低，但有不少人不再尋找長工，只做點「零工」（gig），或只領救濟，所以人均生產效率被拉低。我沒有深入研究過，但我懷疑近年underemployment的情况，是否真的比以前嚴重。我的印象是從前較以農業為重的社會，鄉下的「閒人」更多，城市化才是提升人均生產力的最重要元素。

總括來說，我承認經濟數據未必能夠完全反映科技進步對人類的影響，但仍不可以此為解釋生產效率增長放緩的藉口。

人類發展漸近兩科學極限
（3）我認為最重要的解釋是人類發展已逐漸走近兩個科學上的極限。第一個是地球資源所能提供的可延續發展極限。人類發展，從古至今，尤其從工業革命開始，都可說是建築在耗用地球資源身上，尤其倚賴化石能源，最初是最髒的煤炭，後來是更好用但更有限的石油，再加上較清潔但難儲存運輸的天然氣。近年我們當然開始發現化石能源的碳排放，帶來嚴重氣候變化問題，如不能在極有限時間內解決，足可導致一次全球大規模動植物滅絕災難！

樂觀來看，這個危機當然也提供很多發展再生能源、電動車輛（electric vehicle, EV）、儲能、碳捕獲（carbon capture），以至「地球工程」（geoengineering）技術的機會。但不能否認的是地球本身是個充滿有機化學（organic chemistry）的環境，最方便的能源必然是與炭相關的，石油的能源密度是任何電池技術的20倍以上。按《巴黎氣候協議》的計劃，人類必須在2050年前達到碳中和，談何容易？去年因疫情，全球碳排放確下降了約6.5%，接近但仍不到每年遞減7%的目標，今年美、中等經濟重開，有可能達標嗎？

另一個更根本的是物理的極限。歷史上最偉大的科學突破，毫無疑問是二十世紀初，愛恩斯坦的狹義和廣義相對論，和稍後由玻爾（Niels Bohr）、海森堡（Werner Heisenberg）和薛丁格（Erwin Schrodinger）等人所發展的量子力學（quantum mechanics）。兩套理論非常偉大，亦有極大實用性，核能和核武正是它們的結合，是禍是福，見仁見智。但不幸過去60年，理論物理已可說碰到了堅硬牆壁，相對論與量子力學有非常根本性，甚至哲學性矛盾，聰明如愛恩斯坦，窮人生最後30年努力，也無法解決此問題。後人想出很多充滿創意的理論，例如超弦理論（Superstring Theory），但全都是紙上談兵，毫無實驗證明，所以於事無補。

物理極限對應用科技和經濟發展有很大影響。整個IT革命都是由半導體技術進步所推進。最有名的摩爾定律（Moore's Law），雖並非一條真正永恒不變的物理定律，但在過去50年，一直是芯片發展的一個指標。事實是每一代的芯片發展，雖仍在進步，但速度早已放緩，最初摩爾定律預期每9至I2個月，芯片密度即可翻一倍，近年已放緩至兩年以上。強如過去的老大英特爾（Intel），已停滯於14nm兩年以上，只有台積電和三星能繼續推前，能成功生產7nm芯片。即使台積電等能如期做到2nm，無疑必將接近物理極限，再縮小必將帶出各種量子世界的奇怪現象如「穿隧效應」（tunneling effect），極難控制芯片性能。

在應用層面上，影響也必極大。單是AI無人駕駛，已是個極重要的科技夢想，亦是Tesla股價的一個重要支柱。馬斯克（Elon Musk）教主是個頂級銷售員，他一直不斷告訴「信徒」無人駕駛是個相對簡單的ANI（Artificial Narrow Intelligence）應用，只需GPU或ASIC夠快，加上視覺數據，必可在短期內成功。按馬斯克的說法，年輕一代不需要學駕駛汽車，法律甚至將禁止人類開車，所有汽車變成AI無人駕駛的EV。

無人駕駛為極複雜AI難題
事實上，無人駕駛是個極複雜的AI難題，最近連馬斯克開始承認困難比原先想像中高很多。不止Tesla，大部分其他公司都碰到同樣問題，不少甚至已放棄。Uber和Lyft都計劃出售無人駕駛部門，Alphabet的Waymo，近日CEO和CFO等多位高層相繼辭職。德國各大汽車廠近日都推出質量非常不錯的EV，但並無太多AI功能。

我一向認為無人駕駛沒那麼簡單，應屬於AGI（Artificial General Intelligence）問題，即需要所謂common sense。人腦當然遠比電腦慢，但複雜度遠比芯片高，人腦neurons（神經元）數量超過1000億，synapses（突觸）數量更超過125萬億，更加是三維物體，連形狀和組織都對人腦的思考、性格和整個意識（conciousness）非常關鍵，遠比現時最先進二維為主，7nm GPU的540億原子粒多和複雜。即使未來用到2nm技術，能做出人類common sense的機會仍很低。不少AI專家認為，AGI需要whole brain simulation，或甚至不可以矽為基礎原料，改以用所謂wet ware，不知是否想以基因工程技術，在試管中培植出一個以碳為基礎原料的有機AI系統？聽起來，比Frankenstein（科學怪人）更恐怖！

我沒有答案，只想提醒大家不要過度自以為是，人類始終是渺小的，我們對宇宙的認知非常有限！

（中環資產擁有Tesla、Uber、Alphabet、台積電及三星財務權益）

中環資產投資行政總裁
[譚新強 中環新譚]

https://www.mpfinance.com/fin/columnist3.php?col=1463481132098