關於 水管 漏水 保險 ，我們在網路上蒐集到這些相關的討論、資訊與評價

【你知道嗎？世界上竟然有這種保險！？】 ​
​
一般來說，只要可以算出 #機率​
那不論聽起來有多誇的意外事件​
都會有保險公司願意提供相應保單​
所以世界上其實存在許多奇險、怪險如：​
​
1. 被椰子砸中險：​
全球每年都有 150 人死於 #椰殺 ​
這個危險性足足是被鯊魚襲擊的十倍​
所以就有旅遊保險公司為此開辦保險​
​
2. ​ 馬桶阻塞險​
其實在 #水電師傅 很稀有的歐美地區​
這算是非常常見的住宅保險：比如在英國​
每個月只要付一英鎊，就可以理賠諸如​
水管漏水、水槽馬桶賭塞等管道意外​
​
3. 看電影笑死險​
這個險主要是為了保護 #脫口秀演員：​
因為怕自己講話太好笑，導致觀眾出意外​
其實在醫學上，笑到腦動脈破裂、窒息​
哮喘、暈倒、或心臟病都是有可能的​
所以有些喜劇公司會需要類似保險​
用以賠償可能的訴訟或醫療支出​
​
4. 被 UFO 綁架險​
在美國，有保險公司專為被外星人綁架​
而導致的精神損傷（包括被親友嘲笑）​
提供最高理賠 1000 萬的 UFO 綁架險​
目前為止真的有一個人成功獲得理賠​
因為他體內存在非地球物質的植入物​
​
5. 被人造衛星砸中險​
這個險包括隕石、天外飛來的碎片等都能算​
往往會包含在標準的房屋及商業保險範疇裡​
​
6. 被鬼殺死險​
如果被超自然生物​
包括鬼魂、吸血鬼或狼人攻擊​
美國保險公司可提供 100 萬的理賠金​
但需要注意的是，單純遇見超自然現象不算​
必須要導致傷害、死亡或財產損失才符合​
​
其實臺灣地震學家 #馬國鳳 博士曾說：​
「一個臺灣人一生​
　　至少會經歷 2 次大地震。」​
​
所以一起經歷過 #921大地震 的我們​
與其擔心被外星人抓走、被衛星砸中​
不如時時戒備地震發生，做好事前的預防​
比如準備好防災急救包，固定好家中傢俱​
最重要的是：投保 #住宅地震基本保險！​
​
一年只要 1350 元！新屋舊屋都能投保​
若因地震房屋全損，最高保額 150 萬元​
還可獲得臨時住宿費用 20 萬元​
讓你財產有保障生活更安心！​
​
​
#怪奇事物所×住宅地震保險基金​
#怪奇冷知識737

泰瑞莎的惡鄰有四隻拉不拉多大狗，每天要吠叫個幾十回，只要有人或動物經過，就是至少十分鐘不得安寧。

昨天下午有三隻狗終於穿過鐵幕，成功投奔自由！牠們把籬笆挖破，一隻一隻鑽了出去。惡鄰在一小時之後才發現，狗早就不知道翻幾座山越幾個嶺了！不過這不是牠們第一次嘗試逃家（是有多不快樂？），應該還是會追得回來吧...我想牠們在森林裡肯定比較開心。

森林裡不只有狐狸、野豬、鹿，據說兩年前有人慢跑還發現了屍體，是人類的。上星期終於水落石出，警方破獲extorsion集團。原來是住在巴黎旁邊Levallois的一個人被高利貸地下錢莊壓來森林幹掉的，也壓太遠！五小時的車程簡直是煉獄煎熬吧? 還不如在巴黎一槍斃命（誤）。

這些消息都是泰瑞莎從地方上的報紙 (le Montagne)看到的，我也因此學了個法語字：extorsion敲詐。

村子裡還有另外一個怪婆婆，七十歲了，開車還是血氣方剛，小叔的狗哈利就是被她蓄意輾傷。當然也跟小叔結下不解之仇。

這位婆婆跟鄰居都合不來，跟她房子緊鄰的鄰居一年只回來一個月。去年回來時，車剛停好，怪婆婆就去找人家吵架，說他家屋簷的排水管漏水漏到她的院子。其實她已經擅自找人來把鄰居的排水管剪掉一截。鄰居說明明是你院子排水不良，關屋簷排水管什麼事？

怪婆婆還有個癖好，就是喜歡在小叔他們把衣服晾在室外的時候，點燃柴火讓煙霧飄蕩。但有時她不會看風向，會薰到自己。
前陣子她每次約了醫生來家裡看診，她人就出去散步。醫生被放鳥兩三次之後，火大了！說從此拒絕往來！她又打電話給醫師哭訴🙄。

幾天前她開車從我家前面經過，泰瑞莎剛好在路旁，結果怪婆婆沒減速，反而加速從泰瑞莎身邊擦過，直直往前面帶著狗散步的碧姬衝過去，在碧姬前面一公尺才煞車，然後倒車入庫，彷彿沒事一般。

碧姬說『我都準備跳到她引擎蓋上了』！
幾個小時後，怪婆婆遇到泰瑞莎，還跟她打招呼，泰瑞莎說『你可以再開快一點啊！』怪婆婆惱羞成怒，說『我只有開四十而已！』（入村子開三十是常識吧？何況遇到行人？）『哼！你不會開車，你不懂！』

說到這個，泰瑞莎倒是有車階級，不需要駕照也能開的那種小客車。就放在穀倉裡養老鼠！重點是她還每年付車險！
我問她幹嘛保險？她說萬一車子被偷，出了事故，是車主要負責。（法國真的有些法律很匪夷所思）問題是誰會來穀倉偷一輛破車? 法國人能為這種事保險，為什麼面對病毒卻這麼不保險?

碧姬則是有駕照，也有車(弟弟留給她的)，但不敢開。車子都放到沒價值了，請人來估價都說投資報酬率是負值...

然後我們聊到罰單，泰瑞莎的妹妹賈克琳說，付罰單的時候，假設罰單是110元，你可以寄111元的支票給單位. 這樣因為他們要退你1歐元, 手續很麻煩，你的支票就不會被兌現....(純分享而已，不確定可行，也不鼓勵喔)

(因為忙翻譯太久沒發文，請出殺手貓莉莉坐檯. 牠超級愛鈴鐺，一點也沒有不適應! 一戴上去就呼嚕呼嚕)

端點AI -- 邁向一兆個智慧端點之路

【作者： Thomas Lorenser】 2021年01月14日 星期四

從工業到家庭、健康照護與智慧城市，由無數的應用和裝置蒐集來的大量數據產生即時的洞察與價值，智能（Intelligence）必須從雲到終端遍及整個網路。因此，提升終端運算能力、並結合機器學習技術，就有可能釋放物聯網終端裝置即時的數據分析力。

越來越多的智能圍繞在我們周遭的世界。我們聽到許多關於物聯網（IoT）、雲端運算與其他令人興奮的科技，如何在未來數十年改變人們生活的預測。從工業到家庭、健康照護與智慧城市，物聯網讓遍及日常生活的各種應用，變得更為豐富，且讓生活因此改觀。

應用的領域相當多元，有數百個子項目與數千個應用。這些應用產生許多數據，但數據本身不重要，重要的是我們可以從中擷取的價值。我們不能仰賴以往把所有數據都傳回雲端伺服器的傳統作法 – 這種作法隨著數據量的增加無法進行擴充，因此需要不同的解決方案。

把數據從端點傳輸至雲端是有代價的，包括更長的延遲、數據傳輸時的用電、頻寬，以及伺服器的容量，這最終也將是使用場景價值成功或失敗的關鍵。這在物聯網中特別容易發生，原因是許多應用必須仰賴最低延遲的即時數據分析與決策。

事實上，有時候端點可能只擁有有限（如果有的話）的連接性。因此，智能的分配必須遍及整個網路，一路到數據源頭的端點，如此我們才能在正確的地方擁有處理能力。提升終端運算能力並結合機器學習技術，就有可能釋放物聯網端點即時的數據分析力，而兩者的匯聚也稱為「端點人工智慧（Endpoint AI）」。

什麼是端點AI，為何它很重要？

端點AI主要是讓端點（即便是最小型的裝置）變得更聰明且更具智慧，可以在端點上執行必要的即時分析，同時：

‧ 改善整體系統效能
‧ 降低耗電量配置
‧ 降低對雲端處理的依賴

我們舉個例子：想像有一個負責監控水管狀態的小型端點，目的在檢測異常情況，例如水管漏水。倘若水管破裂能儘早檢測出來，避免對房屋造成損害，這對於屋主與保險公司都有極大的價值。這種裝置若能檢測出漏水，只需再加上雲端連接性，就能善用端點上的處理能力並創造價值。

不過，如同之前討論過，到目前為止看到的都是「雲端優先」的方法，這種方法把智能放在雲端上，而數據則不斷地沿著網路進行傳輸。然而為了迎合耗電、頻寬與成本的需求，這種方法正在改變，如此才能促成更寬廣的使用場景。舉上述的漏水檢測器為例，把處理能力移到端點內，可以把電池壽命從數個月延長至數年。

對於許多的使用場景而言，最佳的方式是將智能普遍分配到整個網路上，包括一路配置到端點。Arm貴為整個網路上的每個節點，都提出了解決方案：從數據中心、（終端）伺服器、閘道，一路到端點。

今日感測器產生的數據大多被丟棄，原因是要傳輸這些數據，從能源與頻寬的角度來看，成本實在太高。想像一個電池驅動的物聯網端點，使用藍牙、窄頻物聯網，或其它方式連網。端點從各個感測器搜集數據，然後把資料傳至閘道或另一個裝置。

不過，這個使用場景的通訊，往往成為整套系統耗電量最大的一部份。因此，系統架構師得進行取捨，以便在系統的耗電量限制下作業。他們得兼顧端點內感測器數據的資料速率與數據處理，以便讓電池壽命保持在可接受的範圍內。

倘若我們只在感到有興趣的事件發生時，使用機器學習架構方法來儲存或傳送數據，並藉此降低無線電波的使用、同時優化電池的壽命，又會怎?樣呢？儘管這些端點上的運算資源一直以來都太過貧乏，無法在裝置本身支援訊號處理與機器學習，但端點 AI 現在卻讓它變成可能。

事實上，今日已有許多的應用，使用Arm Cortex-M架構的裝置內的機器學習技術。受到Arm在內的許多領先企業機構支持、稱為tinyML的社群運作，正在驅動這個趨勢，目標是在微處理器（MCU）上部署機器學習。

tinyML基金會正在協助讓傳統的嵌入式世界與全新的端點AI世界，找到兩者之間的交集。藉由他們的努力，更多的開發人員現在已經可能直接在微處理器上，運行越來越複雜的深度學習模型，藉以加速端點AI，並產生出全新的使用場景。快速檢視其內容，我們發現它大多利用Arm的IP架構。Cortex-M處理器能提供應對各種既有使用場景的正確功能集。

例如，Audio Analytic 公司使用 Arm Cortex-M0+ 處理器實作聲音辨識。其它的實例則使用 Cortex-M4、Cortex-M7 與 Cortex-M33 的數位訊號處理器（DSP）的運算能力：

接下來呢？

我們正處於一段令人興奮時期的開端，在這個期間，新的科技將促成新的能力，並且讓要求更為嚴苛的物聯網端點使用場景，成為可能。端點搜集越來越多的數據，這些數據可以用節能的方式進行分析並找出型態，並觸發下一步的處理。這也是為何物聯網端點與微處理器（MCU）必須具備更多的能力，以應付與日俱增的需求。

為了支持端點AI的願景，Arm特別開發Cortex-M55（Arm具備最高AI能力的 Cortex-M 處理器）與Ethos-U55（可搭配Cortex-M的微神經網路處理器），兩者是應對許多新興使用場景的完美組合。與現有的Cortex-M處理器相比，Cortex-M55搭配Ethos-U55的總機器學習效能可以提升480倍。

此外，重點不只有IP。Arm的CMSIS-DSP與CMSIS-NN程式庫的演進，以及我們與Google的TensorFlow Lite Micro團隊的協作，將讓開發人員可以更簡便地把他們在之前Cortex-M平台上的作業，轉移到Cortex-M55與Ethos-U55。

端點AI靠視覺-語音-震動驅動

麥肯錫公司已經找出在2025年以前，可為邊緣與端點處理創造出2500億美元硬體價值的橫跨11個產業的100個使用場景。藉由分析這些專供端點AI利用的使用場景，可以發現主要的使用場景都圍繞三個領域：視覺、語音與震動。

預測性維護在許多大眾市場應用中，是一股重要的成長驅動力。據估計，每年因為機器停機造成的損失超過 200 億美元。

我們可預見上述三個類別之一，或是多個類別的使用場景或應用。例如，除了可以使用震動監控來執行異常檢測，也可以利用聲音辨識的技術，或是使用影像。端點AI已能支援設備上的訊號處理和機器學習。

附圖：圖一 : Arm在所有設備及裝置上實現無所不在的人工智慧

資料來源：https://ctimes.com.tw/DispArt-tw.asp?O=HK51E75CFDSARASTD7