關於 農地種電缺點 ，我們在網路上蒐集到這些相關的討論、資訊與評價

【SDGs】地方庶民都比你懂電費帳單！臺灣的能源轉型實踐模範「庶民發電學習社區合作社」(05/06/2021 storystudio故事)

人類正站在全球氣候劇烈變遷、自然資源漸枯竭、生物多樣性耗損、疾病頻仍等關鍵十字路口上。為此，2015 年時，聯合國發布了「永續發展目標」(Sustainable Develpoment Goals, SDGs)，敦促全世界在 2023 年以前為地球與人類社會努力，邁向永續。百靈佳殷格翰與故事 StoryStduio 攜手響應聯合國 SDGs，用故事來讓 SDGs 在臺灣的發展有根可尋，讓發展被記錄、被看見並可被壯大，與臺灣社會一同實現永續發展。

作者：鹹雜食

聯合國永續發展目標訂定後，三大國際永續發展研究組織共同發表《2050 世界願景 (The World in 2050, TWI2050)》，根據《TWI2050》，國家要落實永續發展目標，需進行六大轉型，其中，加速能源系統去碳化，提供眾人潔淨與可負擔的能源是永續轉型關鍵之一，也就是臺灣政府宣示要進行的「能源轉型」。

即將來臨的夏季是臺灣的用電高峰之季，每到此時能源的議題總不時浮上新聞版面，但大多停留在「電費會不會漲價」、「會不會缺電」的表面層次。民眾儘管關心電費會不會漲，許多人卻連電費帳單也看不懂，在電子化的時代，以扣繳方式付款的人甚至很可能根本沒看過電費單；人們擔心是否缺電，許多人卻連臺灣目前的發電比重為何也說不清。

然而，有一群地方的「庶民」，他們從看懂無足輕重的電費單做起、到實際走訪臺灣所有電力設施，瞭解發電比重，甚至經營一座公民電場──他們是三重蘆狄社區的「庶民發電學習社區合作社」（下稱「合作社」）。

從無感到凝聚共同理念，始於公民參與經驗

”我這個歐巴桑以前覺得按一下開關，電就會來，參與後才發覺有的電已經危害到我們和下一代的生活，像是空氣汙染，我的孫子都有過敏體質。“ 合作社理事李麗卿坦言。

蘆狄社區居民與能源的緣分，始於 2015 年新北市經發局所舉辦的「節電參與式預算」。不同於過往由政府機關擬定政策，參與式預算讓民眾自己提案預算，自己的花費自己訂。主持此計劃的蘆狄社大積極鼓勵社區居民，包括在地攤商、新住民、甚至高中生依照自身經驗提出能運用在自己生活的節電提案，還規劃許多貼近生活的能源課程，「看懂電費單」就是他們進入能源世界的第一張門票。

貼近生活的開放式參與，成功吸引了社區民眾的注意以及投入，更開啟了他們對能源及公共參與的想像，也讓居民從無感到主動持續地學習。此後，社大還舉辦多次的「能源旅行」，帶著居民全臺走透透參觀各式發電設施，「我們參觀了差不多一百多種喔！」李麗卿驕傲的說。

參訪各地的能源廠區、社區公民電廠以及能源選址地點，再再都讓居民的親眼所見，成為紮紮實有感的學習體驗。後來，社大更成立「蘆荻社區光電特工隊」太陽能工班，計劃培養「社區內的光電醫生」。

一名學員在培訓後，直接在合作社的太陽能案場運用所學，準確地指出太陽能工程鋼構方向的問題，及時挽救了案場往後二十年的發電效率。這些學習經驗讓社區民眾漸漸凝聚共識，認為環境和能源議題至關重要，需要他們行動起來，促進改變。

能源轉型是國際趨勢，也是各國的功課

他們所期望的改變，正與「SDGs（Sustainable Development Goals，永續發展目標）」中的第 7 項不謀而合：「確保人人都能享有可負擔、穩定、永續及現代的能源。」

SDGs 是 2015 年的聯合國大會中提出的 17 項永續發展目標。這些目標觸及社會經濟、生態環境以及公共治理，呼籲跨領域的整合，也強調國家、組織、企業與公民等不同角色投入形成同盟夥伴，系統性的思考社會問題，並共同配合改進。

然而，回顧臺灣的能源轉型歷程，臺灣的能源改革並未與 SDGs 同步啟動，而是在 2016 年總統大選期間才做為政策內涵被候選人提及。因為牽涉到政治，在許多民眾的腦海中卻可能只剩下核能爭議的印象。然而，能源牽涉到民眾生活的許多面向，過度簡化的理解對於長遠的發展並非好事。

臺灣目前主要的發電來源是燃煤，是臺灣所有發電中造成最嚴重空氣汙染的發電方式。此外，發電次高者是燃氣，第三則是核能[1]，三種主要能源的原料都仰賴進口，根據經濟部能源局的統計，臺灣 2020 年的進口能源依存度高達97.55%。我們日常中看似稀鬆平常的電力隱藏著不安的陰霾，亟待轉型。

如何平衡能源、土地以及環境？

政府於 2017 年核定「能源發展綱領」修正案，提出 2025 年達到再生能源佔比 20%以及「核電歸零」的政策目標，期望以永續乾淨的能源，取代不安定的燃煤以及核能。

事實上，臺灣推動再生能源有許多有利因素。首先，台灣環境規劃協會的理事長趙家緯表示，再生能源政策目標明確，吸引大量國內外資金投入綠能產業，也促成國內高耗能產業積極的投資，2019 年的綠能投資量甚至衝到全球第五；而臺灣的硬體高科技製造業非常發達，原本就是太陽能面板的前三大生產國，能夠迅速因應國內遽增的設備需求。最後，臺灣還有活力十足的社會參與力量，能夠推動政府有效修正其政策方向。

臺灣太陽光電的發展就有賴這些力量推動前行。地處亞熱帶、太陽能板生產力高、建置成本相對低廉、汰換回收的殘值高達 90%，這些都是臺灣適合開發太陽光電的條件。但光電卻有一項致命的缺點，那就是需要大量空間，很容易壓縮其他的土地使用權，甚至危害環境生態。

地價低廉的漁農地成為許多光電開發案標的，引發農地壓縮破碎化、環境破壞以及基層農民無法受惠的爭議；臺東知本溼地原本預計成為臺灣最大的光電案場，但經由部落民眾以及公民團體的抗爭以及法律維權，最終由法院裁定停止執行；苗栗石虎棲息的山坡保留地，光電開發案的抗爭也仍在進行中……。這類的「綠色衝突」層出不窮。

趙家緯說明，2015 年政府評估太陽光電開發潛力時，並未考慮到公民參與的的力量以及工業廠房的潛力，因此在太陽能的規劃中，屋頂型光電只佔了 15%。在政策壓力下，土地需求就造成許多有爭議的開發案件。

共學讓能源轉型也能很庶民

工業以及都市住宅要用電，卻要犧牲農地或是自然環境，種種的不合理激起蘆荻社大學員的思考以及討論。「土地沒辦法進口。好好的農地不種田，好好的魚塭不養魚，都算是亂象。」合作社的理事柯麟耀皺眉說道。他們觀察，雖然臺灣土地有限，但是都市屋頂是閒置空間，經由妥善利用能夠發揮更多效益。

這群庶民的特色就是知行合一，他們決定發展屋頂型的太陽光電公民電廠。結合了生產力、人的聚集以及票票等值的合作社特性，是他們組織型態的首選。因此，2019 年 3 月，庶民發電學習社區合作社正式成立。

在試算太陽能的發電效率以及會員的報酬後，合作社將股價訂在一股五千元。但是大多數的社員都認為這筆錢是共學的學費，反而不期待賺大錢。

開發案場的流程他們也當作是共學的過程，與居民溝通、尋找及評估案場，以及申請政府批准等，他們全部都堅持自己來。除了爬遍新北市二十幾座屋頂，跑公文也花了半年的時間，途中更遭受臺電的質疑，直接請專業廠商代為洽談不是更容易嗎？

案場的屋主也是他們共學的夥伴。除了充分與屋主溝通理念，也希望盡可能滿足屋主多元的生活需求，增強人與太陽能的互動關係。目前三個案場都因此有多元的嘗試。在林口的案場，他們另外架設了自發自用的小型太陽能板，讓屋主能夠自行生產部分的家戶用電；宜蘭的案場沒有蓋滿而空出了一條走道，讓屋主在晴天時能夠推出自製的欄杆推車曬棉被，雨天時就讓太陽能板成為遮雨棚；鷺江國小的案場則規劃成為社區的能源學習場地。

合作社相信，盡可能增加能源的互動以及親近感，能讓人對於自己的能源用電更有意識，也讓他們更願意學習理解，進而有所行動。

為此，合作社在 2020 年中成立「歐巴桑講師團」，在兩個月內走遍了新北市的 11 個社區，充分發揮自己身為「庶民」的親近性，以及曾經與聽眾在同一個位置上的經驗。

「我們的能源課歐巴桑也聽得懂，因為我們就是歐巴桑。他們曾經也是我們。」柯麟耀驕傲的說。因為親近，讓聽眾更願意與他們互動提問，也更有學習效果。這些經驗讓合作社認為，連結庶民經驗的學習，才會真正有作用，而這是目前政府在能源教育推廣方面仍需加強的一塊。

臺灣能源教育學習的模範

長久以來，臺灣關於能源的主流討論，都圍繞著核能、核四廠這類高度政治兩極化的議題。簡化為意識形態的對立，無助於真正改善臺灣的能源環境。讓基層的一般民眾更了解相關討論，甚或能夠參與討論，才真正能夠促進有效溝通，達成共識。趙家緯認為庶民發電合作社是很好的範例，讓臺灣推動能源教育有更具體的想像。

蘆荻社區中心執行長莊妙慈則認為：「促進能源轉型的關鍵還是庶民。」再好的政策如果沒有民眾的認同，當政黨輪替或是換了不同想法的上位者，很可能進度又會停滯不前，幾年來好不容易打好的基礎就浪費了。

如今合作社成立已經滿兩年，共吸納了近 70 名社員，也開發了三個小型的案場，不過目前合作社的案場規模都相當小，總共僅有不到 55 千瓦的發電量，而合作社本身的人力以及資金也不充裕。與許多其他公民電廠不同，目前合作社的資金都是社員的股金，並未另外融資。

案場貼近社區的在地性，也確保他們與案場的關係不僅止於資金與收益，更是生活中的一部份。執行長莊妙慈認為，合作社的下一步，就是要決定公民電廠的基本精神，是否該堅持小規模、社區與親近的特性。教育與共學仍然是大部分社員的共識，但是否在教育之餘擴大規模投資，是他們仍在討論的題目。

從零開始的合作社，走到如今，不僅是依靠一腔熱血，還有賴社員持續的溝通以及實踐。只要持續發揮開放以及學習的心態，合作社想必也能夠找到最適合自己的庶民步調，繼續朝他們理想的能源願景前進。

完整圖問內容請見：
https://storystudio.tw/article/s_for_supplement/sdgs-affordable-and-clean-energy/

♡

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

我們會引導別人怎麼看待自己。

如果你認為自己「病了」，或是周遭的人這麼看待你，那你的康復之路將會更為漫長、艱辛。

我們的感知也許可以在某種程度上型塑外在現實，改變我們的經驗，有時甚至影響實體身體。而人之所以為人，就在於我們擁有選擇感知的能力。人類不像動物，我們可以選擇如何解讀經驗，藉此達到顯著的超越。

摘錄自《#哈佛醫師教你喚醒自癒力》

... ... ... ... ... ... ... ... ... ... ... ... ... ... ...

各位朋友，晚安：

「自我」的作用，有點像濾鏡，帶著我們看到我們想看到的世界；有時旁人也會用這樣的濾鏡看著我們。換句話說，我們怎麼看待自己，也對旁人怎麼看我們，有些影響力。

這是我常常提到，要回到自己跟自己關係的理由之一。

很多朋友想要關係圓滿，但跟自己的關係不和諧，就相對不是那麼容易。也許相關不是那麼絕對，但細部去看人我之間交流互動的過程，便可以體驗到：我們如何跟自己說話，都可能向外展現在與他人的對話上。

祝願您，能投入感知世界，並且保持解讀、詮釋的彈性！

.

ps. 歡迎參與贈書活動
https://www.facebook.com/220440724638912/videos/466001611099283

... ... ... ... ... ... ... ... ... ... ... ... ... ... ...

感知的力量

【文/ 傑佛瑞．雷迪格】

我在印第安那州的鄉下長大，我家四周都是廣袤的農地和無際的藍天，但我仍總感侷促，被嚴厲宗教家庭所設下的諸多限制與批判團團包圍。我日常穿著母親手縫的衣物，我們兄弟姊妹都是在家剪頭髮。我們操著鄉下口音，讀者大概會覺得落後又陌生，我們的口音比鄰居都還要明顯。我永遠忘不了那一天，那時我七歲，站在教堂大廳裡，一個朋友對我說：「你爸講話像土包子。」我們明明都住在印第安那州極為窮困的一郡，但他居然覺得我爸（而不是他自己的爸爸）像個土包子。我們不應該在意這種事，不該在意自己的外表或最流行的衣服；我們只應關心有沒有被上帝接納。

當我發現真實世界遠大過父母口中的世界，比那個世界更寬廣、更美好，我知道自己無法再待在那個小而處處受限的範圍中。我也知道，如果我想要實現目標、追求高等教育、獲得碩士或博士學位，甚至有朝一日成為醫師，我就必須做出改變。大學開學前，我換掉土氣的膠框眼鏡，戴上隱形眼鏡，「叛逆地」去找理髮師剪頭髮，然後買了時下流行的衣服。那個暖洋洋又帶著些許悶熱潮溼的九月，我走在中西部的校園裡時，我感受到驚人的差異。人們對我的想法完全不同了，這種感覺極為明顯。大家對我的態度由批判變為接納，他們以為我和他們一樣，而不是某種「異類」。鬆了一口氣的感覺幾乎讓我喜極而泣，我知道自己內在和以前完全一樣，但他人的接納協助我逐漸重新認識自己。

所有人都是這樣，在真正的自己與外表之間總存在一段差距（有時甚至是很大的差距），了解到這一點對我很有幫助。這是不好過的童年的優點之一。

人們常以為在意別人的看法很膚淺。的確，了解自己真正的價值，不受別人左右很重要。不過在一定程度上，別人對你的觀感也很重要，這會影響你是否錄取工作或能否成功約心上人出去約會，甚至會影響你康復的能力。我們多少會受別人看法的影響，事實上，我們會引導別人怎麼看待自己。如果別人認為你生病或有殘缺，你很可能感到病懨懨或有缺陷，你會把我就是這樣的概念深深刻進DMN中。如果你認為自己「病了」，或是周遭的人這麼看待你，那你的康復之路將會更為漫長、艱辛。

我們已經看到信念、身體健康與治療三者緊密交纏的關係，也了解我們自己的個人感知會從根本形塑我們理解周遭世界的方式。比方說，兩個人可能肩並肩坐在中央公園裡，可是對於周遭的感知可能截然不同。有人可能會對永不間斷的繁忙交通感到焦慮，或是被頭頂上不時傳來的直升機螺旋槳噪音嚇到；走近的人看來都不懷好意──他們想幹嘛？而坐在這個人身旁的人則可能注意到別的事物：一位母親慈愛地為嬰兒車中的寶寶蓋上毯子；一對情侶牽著手，互訴衷曲，彷彿周遭沒有旁人；樹葉隨風飛散，在陽光中閃耀著紅色與金色。兩個截然不同的世界。假設這兩種天差地遠的感知在這兩人身上持續數年，你猜這對他們身體的化學與生物狀態有何影響？

感知甚至可能影響感官，影響你的味覺與聽覺。著名的麥格克效應（McGurk effect）是由麥格克於一九一六年首次發現，發表在題為「聽唇見音」（Hearing Lips and Seeing Voices）的論文中1，他發現我們的視覺常會大幅影響聽覺。這很有趣，你可以用手機或電腦查一查，你會找到一段影片，影片中的人會一直說：「巴、巴、巴」，接著換成「發、發、發」。當他變換發音時，「ㄈ」的音會相當明顯。不過，其實影片播放的聲音檔完全沒變，只是一直重複同樣的語音：巴、巴、巴，但因為我們看見說話者的嘴唇做出發ㄈ音的形狀，因此就聽見了ㄈ的音。我們不假思索地想像出ㄈ的音，聽起來俐落、清晰又確定無疑。

視覺盲點也是一樣的道理，在視神經與視網膜的交接處完全沒有錐狀細胞與桿狀細胞，但大腦會自動產生某種「銜接」影像，填補視覺的盲點，製造出連續無縫的視野。雖然看不到，但大腦會自動想像，你不會意識到大腦的這個動作。

研究發現，受試者如果以為施加疼痛的人是故意的，那受試者就會感覺更加疼痛。另一項關於疼痛的研究發現，你傷到自己的時候如果咒罵，那疼痛程度會降低。從這裡我們可以了解情緒對痛覺感知的影響：如果我們感覺被針對，那就更感疼痛；如果我們用言語堅決地對抗疼痛，那疼痛程度就會稍微降低。不過另一項研究更加顯露出感知的科學有多麼神奇：在同一間飯店工作的女傭被分為兩組，雙方的工作職責是一樣的，都包括「運動」，不過研究人員向其中一組說明，美國衛生署建議國民每天運動；但沒有對另一組做額外說明。研究結束後，第一組的女性明顯變得更健康，體重、腰臀比、身體質量指數（BMI）、標準化血壓等各個數值都顯著下降，而第二組受試者完全沒有變化。在這個案例中，「運動」有益健康的認知有改變身體的力量。

再舉一個很好的例子，我猜想我們多數人都不太想要變老，隨著老化，我們可能開始覺得自己變得破敗無用，可能只看見老化的缺點。這種負面心態雖然完全正常，但其實非常有害。哈佛大學教授艾倫．蘭格（Ellen Langer）和耶魯公衛學院教授貝卡．李維（Becca Levy）的研究發現，發自內心對於老化抱持正面的態度可以促進健康、延年益壽，效果甚至比運動或戒菸還好。此外，關於老化的負面想法還會提高罹患阿茲海默症的機率。原理是什麼呢？研究人員發現，負面的自我知覺所產生的慢性壓力會消耗海馬迴，這是大腦中一個小型海馬狀的器官，負責記憶、情緒，甚至掌管心跳。

之前關於物理的段落已經討論過，我們的心靈不只是客觀外在現實的被動觀察者。觀察者效應顯示，我們的感知也許可以在某種程度上型塑外在現實，改變我們的經驗，有時甚至影響實體身體。而人之所以為人，就在於我們擁有選擇感知的能力。人類不像動物，我們可以選擇如何解讀經驗，藉此達到顯著的超越。哲學家喬瓦尼．皮科．德拉．米蘭多拉（Giovanni Pico della Mirandolo）在文藝復興之初嚴肅地指出：我們不是神靈就是野獸，不是天使就是惡魔。我們可以看到正面的希望，也可能只看見缺失或令人恐懼的部分。你看待自己與疾病的方式，也可能為康復能力設下難以突破的限制；另一方面，也可能開啟一條通往治療的意外途徑。

.

《#哈佛醫師教你喚醒自癒力》
為什麼有些人的病自己會好，其他人卻不行？哈佛醫院權威逾15年研究，解開啟動人體自癒力的4大關鍵，癌症、心臟病、糖尿病、憂鬱症……都可以不「藥」而癒！
博客來｜https://reurl.cc/v1YQAe
金石堂｜https://reurl.cc/4mKLOv
誠品｜https://reurl.cc/Xk1Ab0
讀冊｜https://reurl.cc/VXAYvY

皇冠文化集團
https://www.facebook.com/crownbook

.

相信自己是夠好的媽媽：是犧牲，還是責任？是妥協，還是平衡？放下對母愛的執著，恢復你的生命彈性，重新找回愛自己的方式
博客來：https://bit.ly/2vhVD9s
讀書花園：https://bit.ly/2GEA9dH
誠品：https://bit.ly/2W4E3Sq
金石堂：https://bit.ly/2vhQ6jh