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
同時也有2部Youtube影片,追蹤數超過1,100的網紅Sex Chat 談性說愛,也在其Youtube影片中提到,感謝本集乾媽! 臉紅紅團隊推出台灣第一套情慾牌卡 #臉紅紅床遊卡牌 ,而我還是募資頁面上 性愛姿勢/知識陪審團的一員! 卡牌美麗至極,重點是內容非常豐富,有69 張 tell me Cards, 69 張 play me cards,你只要會玩真心話大冒險,你就會玩這副卡牌,不只是可以跟伴侶玩,也完...
如何 找 回 google voice 在 AppWorks Facebook 的精選貼文
【 1/18 19:00 AppWorks AI Meetup: NLU (Natural Language Understanding) and Voice interface application in the service industry】
「Hey Siri,今晚,我想聽個笑話。」「好的,有一天新鐵軌遇到舊鐵軌,新鐵軌說嗨,舊軌,於是舊鐵軌就說,好的你先過」
先不論這個笑話本身好不好笑,至少 Siri 聽得懂我講的話,並給予我一個適當的回覆,而能擁有這樣的回覆,就得歸功於 Natural Language Understanding (NLU) 。NLU 是在理解一段話語時最重要的環節,它需要能識別用戶說了什麼,更要理解、判斷用戶的意圖以進行下一步的動作。在智能音箱、語音助手逐漸普及的現在,不少的創業者也在這塊沃土耕耘,嘗試找到一個突破口。
因此,在 2021 年的第一個月,AppWorks 邀請到 Aiello 犀動智能科技的創辦人, 同時也是 AppWorks #20 校友 Vic 沈書緯前來 AppWorks AI Meetup 分享。 Vic 曾擔任 Google 智能語音助理解決方案資深總監,於 2018 年創立 Aiello 犀動智能科技,提供 AI 智能語音的 SaaS 服務,而他們的產品小犀管家 (AI 語音助理) 亦已成功被知名連鎖飯店所採用。
在這次的 AI Meetup 中, Vic 將分享之前在 Google Assistant 團隊任職所學到的寶貴經驗與離職創業至今的 takeaway。此外,隨著去年 GPT-3 的問世,大家對自然語言處理如何應用於生活有了更進一步的想像與期待,而這也正是 Vic 的專業,所以在這場分享中,Vic 也將分享 NLU 和 Voice interface application 如何應用於服務業中並讓服務更「智能化」。
如果你也對 NLP, NLU 如何顛覆傳統服務業或是對 Vic 的創業旅程有興趣,歡迎報名這次的 AI Meetup:https://www.eventbrite.com/e/nlus-application-in-the-service-industry-tickets-135473858959
*此次活動將以中文進行。為因應疫情,本次活動將採人數管制,若有興趣前來參加請先透過 Eventbrite 填寫報名表。最終參加名單會由 Email 統一通知,並一併告知活動地點。
By Norman Chi, AppWorks Analyst
如何 找 回 google voice 在 民意論壇:聯合報。世界日報。udn tv Facebook 的精選貼文
#名家縱論
從小機房大躍進!Google搜尋引擎20年來進步了多少
簡立峰(Google台灣董事總經理)
Google台灣董事總經理簡立峰。 圖/聯合報系資料照片
Google搜尋引擎誕生廿年了!搜尋已是人們擷取資訊的重要管道,隨時隨地都可Google一下。隨著人工智慧技術持續進展,搜尋引擎在未來世界中還有許多發展可能。
廿年前,可能無法想像一個簡潔的搜索框,就可以引領我們探索全世界資訊。Google搜尋從幾台主機,收錄二千五百萬網頁的索引,大約就是小型圖書館的書籍量開始。如今透過全球布局的數據中心、百萬伺服器與高速網路連結,可以快速搜尋四十億網路使用者產出的數千億網頁,搜尋引擎從此改變人類認知新事物與擷取資訊的方式。
對長期從事搜尋技術研究的我來說,這廿年的科技演變像是參與一趟奇幻旅程,親身見證許多帶點神奇色彩的科學家與工程師,把搜尋打造成為聯結人與知識的智慧服務、把地球縮小、讓世界資訊平民化,對人類社會產生超乎預期的影響。
然而讓搜尋引擎得以如此精采,不僅是資訊科技的突破,更關鍵是得利於網際網路的開放與資訊共享的精神,這使得原本分散各地的知識得以分享,資訊落差能縮減。而搜尋引擎開發者也逐漸從純粹科技人角色,變成得擔負更多社會責任的知識工作者。
隨著資訊持續累積與科技進步,搜尋可以做的事愈來愈多,例如透過跨語言翻譯,打破各種語言及文化的隔閡,以及接受自然語言的表達,回答一些簡單的問題。搜尋引擎逐漸從被動聽命的引擎角色,開始轉變成更智慧的代理人(agent)的概念,從用戶的使用習性不斷學習,提供更主動式搜尋,像是會議提醒、回家路線建議等,讓生活愈來愈便利。
搜尋技術更進一步來到一個語音驅動(Voice enabled)的全新時代。今天,有超過五分之一的Google搜尋是通過語音完成的。使用者分別透過手機及智慧音箱的語音助理功能,體驗更即時、自然的使用經驗,例如使用語音控制家中電器、購買商品、訂機票等。根據市調公司ComScore預測,這類智慧型服務會愈來愈普及,到了二○二○年有將近五成搜尋會透過語音方式來進行。
這樣的語音互動情境,台灣使用者也有機會體驗與想像。十月起Google開始推出台灣版的語音助理。Google不少智慧服務,不只能聽英文,開始也能透過中文語音方式溝通,例如鬧鐘設定、天氣詢問、行事曆查詢等。隨著服務經驗持續累積,相信很快Google助理就能更加在地,能為使用者解答的問題也將更多。
不過,搜尋引擎過於便利,也衍生一些問題。儘管搜尋之前人人平等,但每個人善用科技動機與能力不同,受惠程度就有差。早期大家覺得網路搜尋能力不夠成熟,會學習如何下關鍵字、並鑑別資訊的正確性,但現在不少人發現搜尋很強大,就將找尋資料責任交給搜尋引擎,有時反而變成「garbage in, garbage out(將錯誤的、無意義的資料輸入電腦系統,電腦也輸出錯誤、無意義的結果)」。
還有是台灣使用者習慣搜尋中文,與英文資訊的連結度太低。許多人身處無遠弗屆網路世界,但受限於語言能力與習慣,所能擷取的資訊往往有其侷限。以醫療健康資訊為例,西方國家的醫學發展較早、會有較多寶貴的個案資料可供參考,如果台灣使用者只使用中文搜尋,自然難以觸及這些資訊。
搜尋引擎的發展將會持續,其對人類社會的影響也日益加重,自然得擔負起更多的社會責任,不管是跨語言、跨文化、維持言論自由、縮減資訊落差等方面,搜尋引擎在未來仍有不少值得努力空間。
(作者為Google台灣董事總經理)
如何 找 回 google voice 在 Sex Chat 談性說愛 Youtube 的最讚貼文
感謝本集乾媽!
臉紅紅團隊推出台灣第一套情慾牌卡 #臉紅紅床遊卡牌 ,而我還是募資頁面上 性愛姿勢/知識陪審團的一員!
卡牌美麗至極,重點是內容非常豐富,有69 張 tell me Cards, 69 張 play me cards,你只要會玩真心話大冒險,你就會玩這副卡牌,不只是可以跟伴侶玩,也完全可以在三五好友聚會的時候玩!
卡牌的細節,歡迎點開下方募資連結看看,現在己經超過 450% 達標了!快一起加入進一步探索親密關係的行列,絕對刺激有趣溫馨又好玩喲!
臉紅紅床遊卡牌 ➡️ https://womany.net/s/yet1321
-
第44集我和 Jason 跟大家分享了我們去酒聞不如二見 酒店沈浸式劇場,這個活動是 酒與妹仔的日常 的這個組織辦的倡議活動,今天終於邀請到組織的一員 川川,來跟我們分享酒店的大小事!!!
確實,網路上有很多八大行業的文,讀了一些報導,也不是沒有影視裡有點誇大的樣子,但那始終不是故事的、產業的全貌,就像川川所言,當然也有荒誕的人事物,但還有很多面向,我認為是可以去看看、多加思考的。
產業背後牽扯的東西太多太多了,經濟、法律、教育,確實複雜,必須深究。但複雜之前,我們都是一個個有血有肉的人,時時刻刻提醒自己,多一點理解,少一點誤解,尊重友善地對待所有人。
搭配文章 ➡️ https://bit.ly/3fvSWaY 🌟
推薦收聽 深夜臉紅紅 這集 ➡️ https://spoti.fi/37trNTY ✨
-
酒與妹仔的日常 粉絲專頁 ➡️ https://www.facebook.com/Dontgetdrunkeveryday ✨
酒聞不如二見 Seeing Is Believing ➡️ https://www.facebook.com/believingorseeing/ ✨
關於Jason ❤️
Switch Taipei ➡️ http://switch-taipei-swing.mystrikingly.com/ ✨
Switch Life ➡️ https://spoti.fi/2FRPJ82 ✨
Pride Voice ➡️ https://spoti.fi/3jqGRUy ✨
-
(00:08) 臉紅紅床遊卡牌
(03:28) co-host Jason & 來賓 川川 介紹
(04:58) 酒與妹仔的日常 是什麼樣的組織
(06:55) 酒店沈浸式劇場 體驗感想
(09:27) 川川在沈浸式劇場裡的角色和感想
(12:30) 酒店公關上班的 routine
(17:46) 如何知道今天客人是什麼類型的
(20:07) 酒店的客人如何結束今天的消費
(21:15) 酒店上班的眉眉角角
(23:25) 酒店公關標配:衣服小物等長怎樣
(27:33) 下班需要繼續和客人聯繫嗎
(32:10) 酒店工作職業傷害
(37:40) 酒店工作的優點
(39:34) 進入行業前後的想法轉變
(42:10) 物化?「你說的下海,可能是她的上岸」
(48:15) 成立工會、未來要做的事
(52:10) 關於男公關店?
(57:26) 回答聽眾提問
* 月薪的範圍?
* 遇到危險怎麼辦?
* 遇過最傷心的舉動或言語?
* 最受不了什麼要求?
* 客人的年齡層?
* 公關的年齡層?
* 一次客人人數?
* 以後的工作發展?
-----
歡迎來到 Sex Chat 談性說愛。
這是一個平凡女子為了找個好藉口學習性知識同時探索自我而開的廣播節目。
收聽節目 🎙
Spotify : https://spoti.fi/2UDa6Mp
Itunes : https://apple.co/2IMYXCs
Google Podcast : http://bit.ly/2TNY8f8
Soundcloud : https://soundcloud.com/sexchatpodcast
Firstory : https://bit.ly/33ewD2W
網站:http://sexchatpodcast.home.blog
粉專:https://www.facebook.com/sexchatpodcast
IG : https://www.instagram.com/sexchatpodcast3/
💰斗內我,記得留地址收謝卡
謝謝 Firstory 技術支援 ➡️ https://pay.firstory.me/user/sexchatpodcast ✨
如何 找 回 google voice 在 李黎哈哈LilyHaha Youtube 的最佳解答
[訪談系列-法蘭克福金融管理學院]
透過前幾期訪談朋友介紹而認識到恩立,也很感謝他願意分享自己在德國法蘭克福金融管理學院(Frankfurt School of Finance and Management)唸書的心得,他說其實一開始並沒有要去德國🇩🇪留學,相對的是申請美國🇺🇸、新加坡跟香港的學校,後來因為跟去歐洲🇪🇺交換過的朋友聊天,才想說試試看申請德國碩士。而恩立在政大學士的過程當中,也透過在Voice Tube 跟經理人月刊的實習來提升自己的實戰經驗,雖然這些工作不完全跟金融業相關,但他也在影片當中分享到自己如何包裝這些過去的經驗在動機信當中。到德國去之後,他也積極地學習德文,另外也找到一份在德國銀行(Deutsche Bank, DB)的實習,雖然德國碩士不是恩立一開始的選擇,但他現在對於德國也是覺得蠻開心的。
00:22 為什麼留學德國?
01:22 申請學校的困難?
02:25 過去在台灣經理人月刊實習有幫助申請嗎?
03:47 怎麼找到德銀的實習?
05:23 德文怎麼學的?
06:06 商科實習的面試通常問什麼?
07:38 目前對於留學德國的心得?
08:27 給學弟妹的建議?(這很重要
❓[補充問題]
1️⃣ 學校注重networking嗎?
我覺得我們學校算重視networking。首先,幾乎每週都有安排business event。也許不是每個都是有興趣的領域,但如果有的話就可以進去跟講者喇賽問問題一下之類的。再來,如果去找職涯中心的話,他們也會跟你說你有興趣的公司以前誰待過。我們學校最早好像是職校,加上在法蘭基本上算最好的商院了,所以在法蘭克福銀行界的學長姐還是滿多的,即使不靠學校,自己在LinkedIn搜校友也可以找到很多。
2️⃣學校的優點是?
1) 三天模組課程安排不錯,其他三天可以去找工作,導致同時在做working student的頗多,也可以因此多去探聽工作機會
2) 校園很新很現代哈哈哈哈哈哈。讓人很有商業的感覺。每樓都有規劃小房間可以小組討論,也有放不少Bloomberg終端機的教室,覺得學校懂我們的需求,不錯不錯
3) 某些課程算實用。像風險管理的課就有學長反應說面試被問的上課有教到。某些課程上還是滿實務的。我們學校的corporate finance領域滿強的,裡面有些專案同學也說滿實用的
4) 學校反應很快。我們私校學生很愛抱怨,通常學校管理層都會很快做出回應我覺得滿好的。像是圖書館開放時間太短之類的學校都會處理。這次病毒也是疫情還沒爆發學校就提前把課程都移到線上,我覺得做得滿好的
5) 在法蘭真的沒有對手。歌德大學也很好但是有些公司的target school就設在我們這邊。就是名聲算不錯
6) 同學都還滿不錯的。一般去問他們工作在幹嘛都很願意分享或介紹。此外可能歐洲都滿能接受不同文化的吧,感覺同學都很友善,什麼party的組成份子也都很多元。國際學生也很多,不會都是亞洲人
7) 跟一些證照機構有合作,課程稍微有按照證照內容排,準備起來比較輕鬆。報名也因此有優惠
3️⃣學校的缺點是?
1) 有些課程很冗。對於以前有相關背景的人來說,第一學期應該不少課都已經學過了,像我的話總經、統計都修過了。雖然可以申請免修,但就會覺得我付學費來免修有點虧。有些課程老師也是很鬧,感覺不太會教。不是每個老師都很好坦白說是不爭的事實
2) 部分同學素質普普。不像英美,這邊我遇過不少GMAT沒有700的,當然他們會講德語啦,但總之要比精英人數的話恐怕還是英美兩國比較多。這點也不算是缺點啦,因為高手已經非常多了,只是偶爾還是會在報告時遇到不知道在幹嘛的組員
3) 學校太小,運動很麻煩哈哈哈
4) 出了德國之後這個學歷用途折半。在歐洲金融領域的可能會聽過,但再出到比方亞洲美洲,這學校可能就會被認為是普通研究所了。想靠碩士學歷去比方大陸的話,可能要考慮一下
5) 這個比較私人。我自己想學比較偏次級市場投資的東西,但這邊有教金融商品有教風險管理就是沒教投資學,所以研究分析的東西恐怕還是要靠社團或是自己努力學習
▷▶︎ More LILYHAHA
----------------------
▪︎ Instagram: https://www.instagram.com/lily.hahahahana/
▪︎ Email: [email protected]
(更多留學諮詢、合作,請來信)
▷▶︎ About LILYHAHA
---------------------
留學不在只是夢想,過去在準備德國留學的路上,資源總是相對英美少的很多,因此希望透過YouTube這個平台,來分享更多在歐洲的留學&工作經驗給大家,想到德國工作?想到德國念碩士?但卻沒有什麼方向,都可以跟我聊聊喔!
▷▶︎ 留學德國申請祕訣-免費資源
----------------------------------------
▪︎ 底下留言告訴我你的eamil,即可領取申請祕訣喔!
▪︎ 私訊預約免費留學諮詢30分鐘
▷▶︎ 這些影片會讓你對德國有更多了解
-------------------------------------
⇢德國留學&生活
▪︎ 德國亞洲超市:https://youtu.be/B2xAXR5in8E
▪︎ 德國一天需要多少德文:https://youtu.be/qsmiffED25Y
▪︎ 德國外食花費:https://youtu.be/DDH8coykU3A
▪︎ 德國大學排名:https://youtu.be/9XWqweyKowo
⇢德國留學訪談
▪︎ 高中申請學士(慕尼黑大學)https://youtu.be/rL3eG-X3NfQ
▪︎ 德國碩士獎學金(慕尼黑工大)https://youtu.be/HvS2e6WjZzo
▪︎ 瑞士博士申請(蘇黎世聯邦理工)https://youtu.be/nT0HYE1Ctn0
▪︎ 瑞士碩士申請(洛桑聯邦理工)https://youtu.be/ATmVnNDhHTE
▪︎ 德國科大碩士(Hochschule Esslingen) https://youtu.be/gdIAPx4gmbE
⇢德國工作&實習
▪︎ 德國互惠生:https://youtu.be/x2Zysm7-0yk
▪︎ 德國畢業賺多少:https://youtu.be/FzBh5MRSuO4
▪︎ 德國實習&打工經驗:https://youtu.be/81CnfYIXJMA
▪︎ 德國軟體工程師:https://youtu.be/mY1K17nUzGU
▪︎ 瑞士Google工程師:https://youtu.be/7ly1ZCUldss
▷▶︎ key words 關鍵字
----------------------
李黎哈哈 李黎哈哈訪談系列 德國留學 歐洲留學 德國工作 德國實習 德國生活 歐洲生活 德國簽證 留學申請 留學心得
🎥在使用的影片拍攝剪輯器材
相機 sony zv1
https://amzn.to/2C8Iab1
攝影 i Phone 7
https://amzn.to/3hc1sMw
腳架 JOBE
https://amzn.to/3dPME3X
麥克風 RODE
https://amzn.to/3f8ZL0t
剪輯 FCPX
https://amzn.to/3dQr6V8
字幕 Arctime
------------------------------------------------------------------------------------
#李黎哈哈訪談系列