【超好看,用追劇精神看知識漫畫《人類大歷史》】
沒想到大歷史學家「哈拉瑞」的暢銷鉅作《人類大歷史》也能繪製成如此引人入勝的知識漫畫。
閱讀中,我的感嘆聲與會心笑聲交錯不止。
感嘆的是,書中完全印證了兒子小時候跟我說過的一段話:
「媽,我覺得全地球最大的廢物就是人類,多了人類,所有的物種都遭殃毀滅;而少了人類,地球應當永遠美好。」
不斷會心而笑的原因是,繪圖者Casanave其每一鮮活創新的漫畫,讓我完全壓不住類「追劇」的心流感而愛不釋手。
哈拉瑞所點出的人類發展史上幾件重要紀事,及其對地球深遠的影響,都化為創意文案、吸睛登場。
比如說在體能與身體結構上是物種最弱的人類「學會生火」這件大事,首先拉開了人與獸的差距。
與其長篇大論,Casanave畫了如人類獨家專利的《生火智慧王TM》:
「別在苦等閃電引發野火了∼學著自己動手生火∼」
選擇方案:(a)鑽木取火 (b)敲石起火
令人噗哧一笑的是人類使用火之前與使用後的對照圖
使用前∼ ((小到不行的腦袋)) ((猛馬象的大凸下顎)) ((一口爛牙)) ((大肥肚))
使用後∼((消化更多的食物)) ((殺死細菌擁有強大體質)) ((食物消化更快)) ((發現食物美味)) ((節省時間創造更多的事物))
說明人類之所以在地球上逐漸成為主宰者,與人類獨有的「合作」能力絕對相關。
黑猩猩也很聰明也是群體動物,體型力氣也遠大於人類,但為什麼屈居人類之下,還只能被我們關在動物園和實驗室裡呢?
原因就在於黑猩猩只會和關係親近的個體合作,不會和陌生者合作,
但人類就是有本事一小群、一中群、一大群人一起合作,所以不斷創造出超乎人類自己想像的里程碑。
書中畫了一幅圖:
想像一下,如果把幾千隻黑猩猩放到馬拉卡納體育場、華爾街、梵蒂岡、國會大廈,那會亂成什麼景象?
但人類能夠大規模的合作,因此產生各式各樣的商業貿易、製造愈來愈強的工具、建造巨大金字塔、宮殿、創造各種發明。
這是因為人類就是一種非常善於社交的物種,說穿了,人類天性喜歡八卦,沒有物種善於此道。
各種八卦與社交,於焉產生了各式各樣的合作,因此促使人類又與其他物種拉開更大的距離。
但是人類要讓一大批互不相干的人合作愉快,絕不是件簡單的事情,
黑猩猩群體有首腦、有動物本能的規則,但人類的社交光靠動物本能與首腦,是不可能產生如此大規模的合作與馴服行為的。
因此,人類還有一個天大的本事,就是很善於「虛構故事」,如果大家都相信一套故事,就會乖乖遵守相同的律法與規則,因之有了部落、國家、公司、聯盟…
比如:「舉頭三尺有神明」,這能說服得了黑猩猩嗎?牠們絕不會說這種高段的故事的,即使聽到,也給你一張「我聽你亂講」的大便臉吧!
不過,人類太會虛構故事,也引發很多麻煩事,為了奪得自己虛構故事的主權與價值而引發戰爭、或利用虛構故事產生邪惡聯盟、奴役別人、強取豪奪…,
看來,人類自始就是「假新聞」製造高手,這一招,創造了人類的文明,但孰知會不會也可能把人類帶向滅亡?
之後,人類的認知革命、農業革命、工業革命更是人類史上非常關鍵的轉捩點,這些,更把人類文明加速度往前推進,
有了可以溝通互通有無的文字、金錢,有了信仰、王國。
人類不再游牧,可以定居,因此有了聚落,產生城鎮、都市。
能源的大突破,讓人類大規模生產,因此,人類除了能合作,還能分工,只要熟知生產線上一個固定工作流程就能生存下來。
看來,人類的生活真是愈來愈美好!
但是愈翻此漫畫,愈覺得悲哀啊!
因為,凡人類走過必留下痕跡,而且是毀滅的痕跡,
只要人類征服一個新領地,那裏的物種就莫名其妙的消逝殆盡:
5萬年前,智人抵達澳洲定居,澳洲巨型動物如雙門齒獸絕種。
1.6萬年前,智人抵達美洲定居,美洲巨型動物如猛馬象、本土馬、劍齒虎絕種。
象鳥、巨狐猴,在1500年前人類踏上馬達加斯加之後也莫名其妙地大舉消失…….
全世界每個角落的宿命都如出一轍。
工業革命之後,不僅各種動植物短時間內大規模滅絕,地球環境也被大肆迫害。
世界上從來沒有其他動物能像人類這樣,這麼快速的擴張到各種天差地別的棲地,並且從頭到尾都秉持著同一套基因。
也沒有動物像人類,凡走過必傷害所有。
人類,榮登生物史學上「最致命物種」的寶座。
總有一天,我們這最致命的物種怕把自己都玩完了吧!
非常精彩的人類進程演繹。
如果覺哈拉瑞寫的巨作又厚又重,就看看這本知識漫畫吧。
過兩三個月,快速升溫的炎夏就來臨,屆時,或許我們會比較樂意少吹一點冷氣,或自動把溫度調高一兩度吧!
【書訊】
https://www.books.com.tw/products/0010873887
馬達製造流程 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
打造垂直貫穿OT、IT層的AIoT智能工廠
2021-03-10 11:55 聯合新聞網 / CTimes零組件
【作者: 台達機電事業群】
提到AIoT,多數人最先想到的就是AI運算與物聯網(IoT)。台達以多年豐富的「智」造經驗和深厚的軟、硬體實力,從不同的角度切入AIoT的應用,深度剖析如何從設備的控制、感測導入AI和IIoT技術,真正打造貫穿設備層(OT)和資訊層(IT)的AIoT整合方案,並透過自身成功經驗,協助客戶落實AIoT的建置升級。
在各行業數位轉型的時代,設備、製程、產線正在不斷的進步,各種過去可度量的、不可度量的資料和記錄,都在快速地轉化成數位資訊,進而產生大量的數據。為了收集這些數據資料,物聯網的需求也日益提高。
此外,除了收集數據,後續還需進行逐一分析、歸納、解析,產生有效的系統化資訊提供給執行單位做為決策判斷。然而現代設備日益精密,資訊量的成長速度遠超出人類可以學習判斷的能力,因此造就人工智慧(AI)的發展應用。當AI與物聯網(IoT)結合,即形成謂的AIoT(AI + IoT)。
隨著近年智能製造潮流引領工廠、產線、設備升級,AIoT已從概念開始落地應用。台達已針對設備聯網推出許多軟硬體產品,也將相關技術和設備導入自家產線,打造數位化、可視化的機台與產線。在AI方面,台達也已成功將AI技術應用在外觀檢測、馬達異音辨別和檢測,大幅將漏檢率降至趨近於零。透過聯網,可將AI檢測know-how快速複製到不同產線、廠區,後續亦持續推廣至其他的應用需求。
但要真正落實AIoT,必須從工廠中最小的單位 – 設備的控制、感測元件開始導入。而其中AI、IIoT(Industrial IoT;工業物聯網)分別扮演不同的角色、發揮各自功能,並串連、整合成一體化的方案。
串連數位及物理世界 打造虛實整合的工業物聯網
IoT可說是AIoT的基礎。在智慧工廠的應用領域中,整體系統的可靠度及響應速度要求較高,所應用的物聯網平台需加上工業應用規範,因而被稱為工業物聯網、即所謂的IIoT。
不論是1989年的CIM(Computer Integrated Manufacturing)參考模式,還是2011年工業4.0 (Reference Architecture Model for Industrial 4.0;RAMI 4.0),要完成工廠數位轉型,最基礎的仍是車間的數位化。經由各種IT技術將生產及檢量測設備所輸出的資訊收集與分析,產生有效的決策資訊,提高工廠的管理能力,減少不必要的人力、物料成本浪費,將投資效益最大化。
製造型企業的數位轉型,需要將資訊流貫穿車間的垂直及水平二個面向:在垂直面向,包含最基礎的工控元件、製程設備、數據收集、向上串接製造執行系統(MES);而水平面向則涵蓋整個製造流程,由ERP訂單轉工單至最終的成品出貨。要整合這垂直及水平的資訊,IIoT是最重要的關鍵。
在工廠製造產品的過程中,設備層(Operation Technology;OT)會大量產生各式的資訊,最主要的包括:製程的動態資料(Process Data),例如生產過程履歷、機台工程參數(Engineering Data),以及資產的靜態資料(Asset Data),例如機台設定參數、在製品的檢量測結果等。
至於串連IT與OT層,需要由工控元件的連線能力(Connectivity)開始探討,包含感測元件、驅動元件、運動控制、工業用通訊模組等。將這些具有連線能力的工控元件,透過自動化整合的流程實現標準化、規範化,並連結至工業物聯網平台,才能為實現智慧工廠的打下基礎,進一步走向工業4.0虛實整合。
IIoT與AI加值 打造智慧工廠
眾所周知,在AI應用領域需要大量的資料收集、運算分析。各大IT公司,如Microsoft、Amazon、Google等都投入大量的資源,在自家的雲端平台上打造AI解決方案,希望可以在IoT平台提供更多的加值服務,建構自己的AIoT生態圈。
台達亦導入AI和IoT在許多工廠製程,真正實現先進智能製造。舉例來說,台達將AI運算建構在IIoT平台上,成功應用在被動元件的AOI六面檢測,加上即時的在線AI影像識別技術,實現AOI機台自我學習,精準判斷、快速響應,識別速度達毫秒等級、正確率在99.5%以上,並為客戶實現零漏檢要求。
此外,在面板業的應用領域,利用AI技術能夠精準分類各製程段超過50種之上的缺陷(Defect),取代約60%人工複檢,解決人力不足、檢驗品質不穩定的問題。台達不斷擴大AI相關技術的應用,如前述在風扇 / 馬達等異音驗測等頗具成效。
垂直貫穿的AIoT
當業界將目光聚焦在AI、數據、聯網等上層管理時,台達透過自身實戰經驗,從不同的角度來解析AIoT。根據台達的觀點,要實現AIoT,除了人工智慧、物聯網平台等關鍵技術之外,更重要的是感測元件的連線能力(Connectivity),可以讓現場設備實現第一層的智能化和優化。
在設備、裝置(Device)上加上各種感測元件,收集大量的資料,將資料傳到雲端(Cloud)或地端(Edge)的物聯網系統,而後利用系統中的AI進行運算、分析,再將結果回饋至設備本身的運動控制元件,達到機台自我學習、自我調試,運作時可以更快、更好的適應各式使用場景。
附圖:圖一 : 隨著近年智能製造潮流引領工廠、產線、設備升級,AIoT已從概念開始落地應用。(source:台達)
圖二 : 台達IIoT與AI整合應用方案架構(source:台達)
圖三 : 台達將AI技術應用在風扇檢測,為客戶實現零漏檢要求。(source:台達)
資料來源:https://udn.com/news/story/6903/5307184?from=udn-relatednews_ch1015
馬達製造流程 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
AI強勢來襲 物聯終端運算需求急遽增溫
2021-03-10 11:55 聯合新聞網 / CTimes零組件
【作者: 王岫晨】
物聯網正帶動人工智慧走向終端裝置,在後疫情時代,企業對物聯網 AI 的投資與布局動作頻頻。Arm 主任應用工程師張維良指出,我們可以很明顯看到四大趨勢如下:
新冠疫情加速 AI 部署
根據 Arm 於 2020 年 8 月與<<麻省理工學院科技評論洞察(MIT Technology Review)>>合作、針對來自 12 個不同產業的 301 位 C Level 的科技專業人士進行的訪談報告顯示,超過 62% 的受訪者表示,他們正在投資並使用 AI 技術。來自大型企業組織(年營收超過 5 億美元)受訪者的部署率較高,接近 80%。較小型的企業組織(營收低於 500 萬美元)的部署率則為 58%。1/3 的受訪者表示,2020 年新冠疫情的爆發加速了他們在 AI 策略上的部署。
企業組織正在提高對 AI 的投資
超過一半(57%)的受訪者看到他們的 AI 預算在過去三年內提升,且接近四分之一的人表示,他們在 2016 年到 2019 年間,年度 AI 支出最少增加一倍。其中,大型企業在 AI 支出的增加更多,73% 來自年營收超過 5 億美元的企業組織受訪者的預算都有增加,有近三分之一的受訪者預算甚至提升超過 100%。這些投資加碼反映 AI 對企業營運持續成長且普遍的影響。
超過半數企業將 AI 部署在終端裝置或邊緣運算
儘管對於已經使用 AI 的企業組織,雲端運算是他們最喜歡的基礎架構,不過在越來越需要極低延遲的數據存取,以及終端/邊緣處理能力的應用上,為了兼顧成本效益及運算效率,越來越多應用將往數據產生的來源靠近,邊緣運算或是將資源擺在更靠進存取它們的裝置的地方,相關的部署將急起直追。
對應軟硬體攻擊與保護個資/隱私的需求
AI 對幾乎所有商業與社會活動層面的衝擊持續擴大,讓企業領袖必須正視 AI 能否在負責任的規範下使用。消費者一方面對於交易與運作流程中藉助 AI 的接受度越來越高,但也期待企業能在公平的、高道德標準,並能顧及永續發展的條件下使用這項技術,特別在個資的搜集。因此在邊緣運算上,也衍生出對應軟硬體攻擊以及保護隱私等運算能力的強烈需求。
物聯網 AI 應用將聚焦於「3V」
根據 Arm 與 Strategy Analytics 合作的報告顯示,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,可參考圖一。
而終端 AI 可以在三個核心領域提供價值,而它觸及的許多物聯網領域,遍及 B2B 與 B2C(企業對消費者)的應用:震動(Vibration),語音(Voice)與視覺(Vision)。
震動
包含來自多種感測器數據的處理,從加速計感測器到溫度感測器,或來自馬達的電氣訊號。它可將智能帶進 MCU 中的終端 AI 的進展,產生不同應用領域,包括溫、濕度、壓力檢測、物理檢測(如滑倒偵測)、物質偵測(如漏水、漏氣)、磁通量偵測與電場偵測等等。運用震動分析的預測性維護(PdM),在旋轉型機器密集的製造工廠裡相當常見,可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。此外,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。
語音
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、遊戲主機與其它新的電器。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在興起。語音整合在車輛中也相當關鍵,因為語音有潛力成為最安全的輸入模式。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。其他車用的應用包括語音輸入文字簡訊、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,甚至拋錨服務與禮賓服務等。
視覺
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。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。其它實例包括農業應用,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可即時檢測出雜草、分類其種類、分析其對農穫的威脅、進而客製化除草解決方案。在工業上,包括利用熱顯影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,觸發排程系統,自動採取適當的行動來預防零件故障。
推動物聯網運算需求
隨著物聯網與 AI 的進展以及 5G 的推出,更多的終端智能意謂小型且成本敏感的裝置,會愈來愈有聰明、功能也愈來愈強,同時因為對雲端與網際網路的依賴較小,也將具備更高的隱私性與可靠度。因此,Arm對於MCU核心,也 透過新的設計為微處理器帶來智能,降低半導體與開發成本,同時為想要有效提升終端數位訊號處理(DSP)與機器學習能力(ML)的產品製造商,加快他們產品上市的速度。
TinyML
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。它捨棄在雲端上運行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行經過優化的圖型識別模型,耗電量只有數毫瓦特。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。
簡化程式碼的轉移性
把AI函式庫整合進 MCU,將本地的 AI 訓練與分析能力插入程式碼中是可能的。這讓開發人員依據從感測器、麥克風與其它終端嵌入式裝置取得的訊號,導出數據的型樣,然後從中建立模型。Arm Cortex-M55 處理器與 Ethos U55 微神經處理器(microNPU),利用像 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。透過推論工具把 AI 功能放在低成本的 MCU 上實作,並符合嵌入式設計需求,如此一來,有 AI 功能的 MCU 就有機會在各種物聯網應用中,讓裝置的設計改觀。
附圖:圖一 : 多數的物聯網應用聚焦在一些特定的領域。
圖二 : 不同應用對於機器學習的採用比起以往更盛。圖為Arm運算方案的對應圖。
資料來源:https://udn.com/news/story/6903/5307140?fbclid=IwAR2eJEJFLD1DFifJHQNbTkWEAjQSKBk3UFlM3whrk9T69h9tNXIw3geMQ8U
馬達製造流程 在 轉子製造流程 的推薦與評價
懷念當年的四驅車纏繞馬達的風潮嗎! 18 Likes. Yin Ming Lang and 17 others like this. ... <看更多>