關於 交換理論阿摩 ，我們在網路上蒐集到這些相關的討論、資訊與評價

摩爾定律放緩　靠啥提升AI晶片運算力？

作者 : 黃燁鋒，EE Times China
2021-07-26

對於電子科技革命的即將終結的說法，一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續，也就意味著資訊技術的整棟大樓建造都將出現停滯，那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有的，但這波革命始終也沒有結束。AI技術本質上仍然是第三次科技革命的延續……

人工智慧(AI)的技術發展，被很多人形容為第四次科技革命。前三次科技革命，分別是蒸汽、電氣、資訊技術(電子科技)革命。彷彿這“第四次”有很多種說辭，比如有人說第四次科技革命是生物技術革命，還有人說是量子技術革命。但既然AI也是第四次科技革命之一的候選技術，而且作為資訊技術的組成部分，卻又獨立於資訊技術，即表示它有獨到之處。

電子科技革命的即將終結，一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續，也就意味著資訊技術的整棟大樓建造都將出現停滯，那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有，但這波革命始終也沒有結束。

AI技術本質上仍然是第三次科技革命的延續，它的發展也依託於幾十年來半導體科技的進步。這些年出現了不少專門的AI晶片——而且市場參與者相眾多。當某一個類別的技術發展到出現一種專門的處理器為之服務的程度，那麼這個領域自然就不可小覷，就像當年GPU出現專門為圖形運算服務一樣。

所以AI晶片被形容為CPU、GPU之後的第三大類電腦處理器。AI專用處理器的出現，很大程度上也是因為摩爾定律的發展進入緩慢期：電晶體的尺寸縮減速度，已經無法滿足需求，所以就必須有某種專用架構(DSA)出現，以快速提升晶片效率，也才有了專門的AI晶片。

另一方面，摩爾定律的延緩也成為AI晶片發展的桎梏。在摩爾定律和登納德縮放比例定律(Dennard Scaling)發展的前期，電晶體製程進步為晶片帶來了相當大的助益，那是「happy scaling down」的時代——CPU、GPU都是這個時代受益，不過Dennard Scaling早在45nm時期就失效了。

AI晶片作為第三大類處理器，在這波發展中沒有趕上happy scaling down的好時機。與此同時，AI應用對運算力的需求越來越貪婪。今年WAIC晶片論壇圓桌討論環節，燧原科技創始人暨CEO趙立東說：「現在訓練的GPT-3模型有1750億參數，接近人腦神經元數量，我以為這是最大的模型了，要千張Nvidia的GPU卡才能做。談到AI運算力需求、模型大小的問題，說最大模型超過萬億參數，又是10倍。」

英特爾(Intel)研究院副總裁、中國研究院院長宋繼強說：「前兩年用GPU訓練一個大規模的深度學習模型，其碳排放量相當於5台美式車整個生命週期產生的碳排量。」這也說明了AI運算力需求的貪婪，以及提供運算力的AI晶片不夠高效。

不過作為產業的底層驅動力，半導體製造技術仍源源不斷地為AI發展提供推力。本文將討論WAIC晶片論壇上聽到，針對這個問題的一些前瞻性解決方案——有些已經實現，有些則可能有待時代驗證。

XPU、摩爾定律和異質整合

「電腦產業中的貝爾定律，是說能效每提高1,000倍，就會衍生出一種新的運算形態。」中科院院士劉明在論壇上說，「若每瓦功耗只能支撐1KOPS的運算，當時的這種運算形態是超算；到了智慧型手機時代，能效就提高到每瓦1TOPS；未來的智慧終端我們要達到每瓦1POPS。 這對IC提出了非常高的要求，如果依然沿著CMOS這條路去走，當然可以，但會比較艱辛。」

針對性能和效率提升，除了尺寸微縮，半導體產業比較常見的思路是電晶體結構、晶片結構、材料等方面的最佳化，以及處理架構的革新。

(1)AI晶片本身其實就是對處理器架構的革新，從運算架構的層面來看，針對不同的應用方向造不同架構的處理器是常規，更專用的處理器能促成效率和性能的成倍增長，而不需要依賴於電晶體尺寸的微縮。比如GPU、神經網路處理器(NPU，即AI處理器)，乃至更專用的ASIC出現，都是這類思路。

CPU、GPU、NPU、FPGA等不同類型的晶片各司其職，Intel這兩年一直在推行所謂的「XPU」策略就是用不同類型的處理器去做不同的事情，「整合起來各取所需，用組合拳會好過用一種武器去解決所有問題。」宋繼強說。Intel的晶片產品就涵蓋了幾個大類，Core CPU、Xe GPU，以及透過收購獲得的AI晶片Habana等。

另外針對不同類型的晶片，可能還有更具體的最佳化方案。如當代CPU普遍加入AVX512指令，本質上是特別針對深度學習做加強。「專用」的不一定是處理器，也可以是處理器內的某些特定單元，甚至固定功能單元，就好像GPU中加入專用的光線追蹤單元一樣，這是當代處理器普遍都在做的一件事。

(2)從電晶體、晶片結構層面來看，電晶體的尺寸現在仍然在縮減過程中，只不過縮減幅度相比過去變小了——而且為緩解電晶體性能的下降，需要有各種不同的技術來輔助尺寸變小。比如說在22nm節點之後，電晶體變為FinFET結構，在3nm之後，電晶體即將演變為Gate All Around FET結構。最終會演化為互補FET (CFET)，其本質都是電晶體本身充分利用Z軸，來實現微縮性能的提升。

劉明認為，「除了基礎元件的變革，IC現在的發展還是比較多元化，包括新材料的引進、元件結構革新，也包括微影技術。長期賴以微縮的基本手段，現在也在發生巨大的變化，特別是未來3D的異質整合。這些多元技術的協同發展，都為晶片整體性能提升帶來了很好的增益。」

他並指出，「從電晶體級、到晶圓級，再到晶片堆疊、引線接合(lead bonding)，精準度從毫米向奈米演進，互連密度大大提升。」從晶圓/裸晶的層面來看，則是眾所周知的朝more than moore’s law這樣的路線發展，比如把兩片裸晶疊起來。現在很熱門的chiplet技術就是比較典型的並不依賴於傳統電晶體尺寸微縮，來彈性擴展性能的方案。

台積電和Intel這兩年都在大推將不同類型的裸晶，異質整合的技術。2.5D封裝方案典型如台積電的CoWoS，Intel的EMIB，而在3D堆疊上，Intel的Core LakeField晶片就是用3D Foveros方案，將不同的裸晶疊在一起，甚至可以實現兩片運算裸晶的堆疊、互連。

之前的文章也提到過AMD剛發佈的3D V-Cache，將CPU的L3 cache裸晶疊在運算裸晶上方，將處理器的L3 cache大小增大至192MB，對儲存敏感延遲應用的性能提升。相比Intel，台積電這項技術的獨特之處在於裸晶間是以混合接合(hybrid bonding)的方式互連，而不是micro-bump，做到更小的打線間距，以及晶片之間數十倍通訊性能和效率提升。

這些方案也不直接依賴傳統的電晶體微縮方案。這裡實際上還有一個方面，即新材料的導入專家們沒有在論壇上多說，本文也略過不談。

1,000倍的性能提升

劉明談到，當電晶體微縮的空間沒有那麼大的時候，產業界傾向於採用新的策略來評價技術——「PPACt」——即Powe r(功耗)、Performance (性能)、Cost/Area-Time (成本/面積-時間)。t指的具體是time-to-market，理論上應該也屬於成本的一部分。

電晶體微縮方案失效以後，「多元化的技術變革，依然會讓IC性能得到進一步的提升。」劉明說，「根據預測，這些技術即使不再做尺寸微縮，也會讓IC的晶片性能做到500~1,000倍的提升，到2035年實現Zetta Flops的系統性能水準。且超算的發展還可以一如既往地前進；單裸晶儲存容量變得越來越大，IC依然會為產業發展提供基礎。」

500~1,000倍的預測來自DARPA，感覺有些過於樂觀。因為其中的不少技術存在比較大的邊際遞減效應，而且有更實際的工程問題待解決，比如運算裸晶疊層的散熱問題——即便業界對於這類工程問題的探討也始終在持續。

不過1,000倍的性能提升，的確說明摩爾定律的終結並不能代表第三次科技革命的終結，而且還有相當大的發展空間。尤其本文談的主要是AI晶片，而不是更具通用性的CPU。

矽光、記憶體內運算和神經型態運算

在非傳統發展路線上(以上內容都屬於半導體製造的常規思路)，WAIC晶片論壇上宋繼強和劉明都提到了一些頗具代表性的技術方向(雖然這可能與他們自己的業務方向或研究方向有很大的關係)。這些技術可能尚未大規模推廣，或者仍在商業化的極早期。

(1)近記憶體運算和記憶體內運算：處理器性能和效率如今面臨的瓶頸，很大程度並不在單純的運算階段，而在資料傳輸和儲存方面——這也是共識。所以提升資料的傳輸和存取效率，可能是提升整體系統性能時，一個非常靠譜的思路。

這兩年市場上的處理器產品用「近記憶體運算」(near-memory computing)思路的，應該不在少數。所謂的近記憶體運算，就是讓儲存(如cache、memory)單元更靠近運算單元。CPU的多層cache結構(L1、L2、L3)，以及電腦處理器cache、記憶體、硬碟這種多層儲存結構是常規。而「近記憶體運算」主要在於究竟有多「近」，cache記憶體有利於隱藏當代電腦架構中延遲和頻寬的局限性。

這兩年在近記憶體運算方面比較有代表性的，一是AMD——比如前文提到3D V-cache增大處理器的cache容量，還有其GPU不僅在裸晶內導入了Infinity Cache這種類似L3 cache的結構，也更早應用了HBM2記憶體方案。這些實踐都表明，儲存方面的革新的確能帶來性能的提升。

另外一個例子則是Graphcore的IPU處理器：IPU的特點之一是在裸晶內堆了相當多的cache資源，cache容量遠大於一般的GPU和AI晶片——也就避免了頻繁的訪問外部儲存資源的操作，極大提升頻寬、降低延遲和功耗。

近記憶體運算的本質仍然是馮紐曼架構(Von Neumann architecture)的延續。「在做處理的過程中，多層級的儲存結構，資料的搬運不僅僅在處理和儲存之間，還在不同的儲存層級之間。這樣頻繁的資料搬運帶來了頻寬延遲、功耗的問題。也就有了我們經常說的運算體系內的儲存牆的問題。」劉明說。

構建非馮(non-von Neumann)架構，把傳統的、以運算為中心的馮氏架構，變換一種新的運算範式。把部分運算力下推到儲存。這便是記憶體內運算(in-memory computing)的概念。

記憶體內運算的就現在看來還是比較新，也有稱其為「存算一體」。通常理解為在記憶體中嵌入演算法，儲存單元本身就有運算能力，理論上消除資料存取的延遲和功耗。記憶體內運算這個概念似乎這在資料爆炸時代格外醒目，畢竟可極大減少海量資料的移動操作。

其實記憶體內運算的概念都還沒有非常明確的定義。現階段它可能的內涵至少涉及到在儲記憶體內部，部分執行資料處理工作；主要應用於神經網路(因為非常契合神經網路的工作方式)，以及這類晶片具體的工作方法上，可能更傾向於神經型態運算(neuromorphic computing)。

對於AI晶片而言，記憶體內運算的確是很好的思路。一般的GPU和AI晶片執行AI負載時，有比較頻繁的資料存取操作，這對性能和功耗都有影響。不過記憶體內運算的具體實施方案，在市場上也是五花八門，早期比較具有代表性的Mythic導入了一種矩陣乘的儲存架構，用40nm嵌入式NOR，在儲記憶體內部執行運算，不過替換掉了數位週邊電路，改用類比的方式。在陣列內部進行模擬運算。這家公司之前得到過美國國防部的資金支援。

劉明列舉了近記憶體運算和記憶體內運算兩種方案的例子。其中，近記憶體運算的這個方案應該和AMD的3D V-cache比較類似，把儲存裸晶和運算裸晶疊起來。

劉明指出，「這是我們最近的一個工作，採用hybrid bonding的技術，與矽通孔(TSV)做比較，hybrid bonding功耗是0.8pJ/bit，而TSV是4pJ/bit。延遲方面，hybrid bonding只有0.5ns，而TSV方案是3ns。」台積電在3D堆疊方面的領先優勢其實也體現在hybrid bonding混合鍵合上，前文也提到了它具備更高的互連密度和效率。

另外這套方案還將DRAM刷新頻率提高了一倍，從64ms提高至128ms，以降低功耗。「應對刷新率變慢出現拖尾bit，我們引入RRAM TCAM索引這些tail bits」劉明說。

記憶體內運算方面，「傳統運算是用布林邏輯，一個4位元的乘法需要用到幾百個電晶體，這個過程中需要進行資料來回的移動。記憶體內運算是利用單一元件的歐姆定律來完成一次乘法，然後利用基爾霍夫定律完成列的累加。」劉明表示，「這對於今天深度學習的矩陣乘非常有利。它是原位的運算和儲存，沒有資料搬運。」這是記憶體內運算的常規思路。

「無論是基於SRAM，還是基於新型記憶體，相比近記憶體運算都有明顯優勢，」劉明認為。下圖是記憶體內運算和近記憶體運算，精準度、能效等方面的對比，記憶體內運算架構對於低精準度運算有價值。

下圖則總結了業內主要的一些記憶體內運算研究，在精確度和能效方面的對應關係。劉明表示，「需要高精確度、高運算力的情況下，近記憶體運算目前還是有優勢。不過記憶體內運算是更新的技術，這幾年的進步也非常快。」

去年阿里達摩院發佈2020年十大科技趨勢中，有一個就是存算一體突破AI算力瓶頸。不過記憶體內運算面臨的商用挑戰也一點都不小。記憶體內運算的通常思路都是類比電路的運算方式，這對記憶體、運算單元設計都需要做工程上的考量。與此同時這樣的晶片究竟由誰來造也是個問題：是記憶體廠商，還是數文書處理器廠商？(三星推過記憶體內運算晶片，三星、Intel垂直整合型企業似乎很適合做記憶體內運算…)

(2)神經型態運算：神經型態運算和記憶體內運算一樣，也是新興技術的熱門話題，這項技術有時也叫作compute in memory，可以認為它是記憶體內運算的某種發展方向。神經型態和一般神經網路AI晶片的差異是，這種結構更偏「類人腦」。

進行神經型態研究的企業現在也逐漸變得多起來，劉明也提到了AI晶片「最終的理想是在結構層次模仿腦，元件層次逼近腦，功能層次超越人腦」的「類腦運算」。Intel是比較早關注神經型態運算研究的企業之一。

傳說中的Intel Loihi就是比較典型存算一體的架構，「這片裸晶裡面包含128個小核心，每個核心用於模擬1,024個神經元的運算結構。」宋繼強說，「這樣一塊晶片大概可以類比13萬個神經元。我們做到的是把768個晶片再連起來，構成接近1億神經元的系統，讓學術界的夥伴去試用。」

「它和深度學習加速器相比，沒有任何浮點運算——就像人腦裡面沒有乘加器。所以其學習和訓練方法是採用一種名為spike neutral network的路線，功耗很低，也可以訓練出做視覺辨識、語言辨識和其他種類的模型。」宋繼強認為，不採用同步時脈，「刺激的時候就是一個非同步電動勢，只有工作部分耗電，功耗是現在深度學習加速晶片的千分之一。」

「而且未來我們可以對不同區域做劃分，比如這兒是視覺區、那兒是語言區、那兒是觸覺區，同時進行多模態訓練，互相之間產生關聯。這是現在的深度學習模型無法比擬的。」宋繼強說。這種神經型態運算晶片，似乎也是Intel在XPU方向上探索不同架構運算的方向之一。

(2)微型化矽光：這個技術方向可能在層級上更偏高了一些，不再晶片架構層級，不過仍然值得一提。去年Intel在Labs Day上特別談到了自己在矽光(Silicon Photonics)的一些技術進展。其實矽光技術在連接資料中心的交換機方面，已有應用了，發出資料時，連接埠處會有個收發器把電訊號轉為光訊號，透過光纖來傳輸資料，另一端光訊號再轉為電訊號。不過傳統的光收發器成本都比較高，內部元件數量大，尺寸也就比較大。

Intel在整合化的矽光(IIIV族monolithic的光學整合化方案)方面應該是商業化走在比較前列的，就是把光和電子相關的組成部分高度整合到晶片上，用IC製造技術。未來的光通訊不只是資料中心機架到機架之間，也可以下沉到板級——就跟現在傳統的電I/O一樣。電互連的主要問題是功耗太大，也就是所謂的I/O功耗牆，這是這類微型化矽光元件存在的重要價值。

這其中存在的技術挑戰還是比較多，如做資料的光訊號調變的調變器調變器，據說Intel的技術使其實現了1,000倍的縮小；還有在接收端需要有個探測器(detector)轉換光訊號，用所謂的全矽微環(micro-ring)結構，實現矽對光的檢測能力；波分複用技術實現頻寬倍增，以及把矽光和CMOS晶片做整合等。

Intel認為，把矽光模組與運算資源整合，就能打破必須帶更多I/O接腳做更大尺寸處理器的這種趨勢。矽光能夠實現的是更低的功耗、更大的頻寬、更小的接腳數量和尺寸。在跨處理器、跨伺服器節點之間的資料互動上，這類技術還是頗具前景，Intel此前說目標是實現每根光纖1Tbps的速率，並且能效在1pJ/bit，最遠距離1km，這在非本地傳輸上是很理想的數字。

還有軟體…

除了AI晶片本身，從整個生態的角度，包括AI感知到運算的整個鏈條上的其他組成部分，都有促成性能和效率提升的餘地。比如這兩年Nvidia從軟體層面，針對AI運算的中間層、庫做了大量最佳化。相同的底層硬體，透過軟體最佳化就能實現幾倍的性能提升。

宋繼強說，「我們發現軟體最佳化與否，在同一個硬體上可以達到百倍的性能差距。」這其中的餘量還是比較大。

在AI開發生態上，雖然Nvidia是最具發言權的；但從戰略角度來看，像Intel這種研發CPU、GPU、FPGA、ASIC，甚至還有神經型態運算處理器的企業而言，不同處理器統一開發生態可能更具前瞻性。Intel有個稱oneAPI的軟體平台，用一套API實現不同硬體性能埠的對接。這類策略對廠商的軟體框架構建能力是非常大的考驗——也極大程度關乎底層晶片的執行效率。

在摩爾定律放緩、電晶體尺寸微縮變慢甚至不縮小的前提下，處理器架構革新、異質整合與2.5D/3D封裝技術依然可以達成1,000倍的性能提升；而一些新的技術方向，包括近記憶體運算、記憶體內運算和微型矽光，能夠在資料訪存、傳輸方面產生新的價值；神經型態運算這種類腦運算方式，是實現AI運算的目標；軟體層面的最佳化，也能夠帶動AI性能的成倍增長。所以即便摩爾定律嚴重放緩，AI晶片的性能、效率提升在上面提到的這麼多方案加持下，終將在未來很長一段時間內持續飛越。這第三(四)次科技革命恐怕還很難停歇。

資料來源：https://www.eettaiwan.com/20210726nt61-ai-computing/?fbclid=IwAR3BaorLm9rL2s1ff6cNkL6Z7dK8Q96XulQPzuMQ_Yky9H_EmLsBpjBOsWg

Joe：「我認為原作者對於資本運作的解釋，如果是運用在房地產和金融商品套利，那概念是ok的，跟我自己的觀察也差不多概念，全世界都差不多運作邏輯，不過原作者應該沒經營過實體產業，中小企業的實業擴張，那個無法快速繁殖，我看淨價值規模小於3000萬美元的實業，利潤不夠高的話，跟銀行借貸的轉換效率會很差，但是資產規模數十億以上，那開槓桿去運作，控制好擴張速度，理論上是相對低風險沒錯，人類史上極低資金使用成本的年代，真的要學會善用資本的運作，資本小往股市，資本大一點就可以分散一些往房地產，尤其是美國房地產，真的接觸過，就能發現那是一個很stable的金融工具。」

在資本主義世界裡面，實業的收入，是拿去支撐資金成本用的，但是你看到的一切繁榮偉大規模，砸進去的錢主要都是借貸產生的，而不是靠實業收入存出來的(以下用廣義使用錢這個字,延伸包含資源)

所以，越借越多錢，永遠不還錢，是所有資本主義成功者必然的現象，實質生產的錢(或是資源)，遠遠不及他擴張時所花費的規模，也就是一間公司的工廠，一座要100塊，可以生產5塊淨利潤，擴張一座工廠如果所有錢都是借貸的話，資金+其他成本2%，

請問他擴張第二間工廠，是等乖乖5塊五塊的存，存20年，存到100塊後才去開第二間嗎？如果今天不是在資本主義世界？例如在「真」馬克思主義，或是金本位世界，可能是這樣，但是你今天在資本主義世界就不是這樣，因為他的成本是2%，生產額是5%，因此他會立刻去擴張第二間工廠，100塊用借的，然後用第一間工廠生產的5塊去支付成本，然後第二間工廠可能要蓋三年，等同可能會先產生6塊的虧損，才會上軌道，所以心臟小顆一點的老闆，可能會先緩一年，讓第一間工廠繼續盈餘5塊扣掉成本還有3塊，存下3塊做預備金

然後第二年，就在擴張第三間工廠，這時候第二間工廠還沒開始營運，而等到第三年，第一第二間工廠都營運了，當然同時他第二第三間工廠都是借貸來的，因此他營利10塊，借貸成本支出4塊，他會在第四年的時候直接蓋兩座工廠

因此你還在20年存款大計劃的時候，他大概20年後已經拓展了上百間工廠，然後你就可以回家吃自己，他成了國際大企業

因此發現甚麼沒有？

我今天擴張工廠，只要我確定他會有收益，我根本不是拿「實業」的生產去擴張，而是不斷用借貸去擴張，而我實際實業的收益，是拿去支付「投資成本」用的，這是資本主義一個最基礎最簡單的觀念，也是所謂用錢滾錢，用資產滾資產的概念，因此每次看到有人在講什麼薪資所得比，我就立刻知道，這是一個古代人...XD..他大腦還活在古代

那為啥很多公司營利那麼高，幹嘛不直接擴張到極致，那就是因為訂單的問題，他在這個世界就只能收到那麼多訂單，因此他在繼續擴廠，但是並沒辦法生出更多訂單，自然就不適用這種擴張操作，當然這時候，通常就會去轉投資，去另一個產業找「實際收益大於成本」的投資標的

因此，回到不動產，為啥我永遠都在強調那個基本面公式，出租投報率 vs 資金成本+持有成本，因為這就是資本主義最基礎的公式而已，一點深度都沒有的東西，在這個架構上面，租金收益只要大於成本，只要你現金流不要斷，你就是房子有多少買多少....

當然下一件事情是卡在銀行願意借多少錢給你，因此你可以看到一大堆投資客在問貸款問題借貸問題，因為這些都是明白人，銀行借多少，他們都要借光光，只有那些古代人才整天想什麼40年房貸要背貸款，40年好可怕...XD

唉，古代人...XD

當你租金投報高於成本，就會產生套利，有套利就可以瘋狂的擴張規模，瘋狂的擴張規模代表你套利也瘋狂的放大，在幾百萬的時候，套利都是幾萬塊，你擴張到幾百億，你的套利就是幾億，這個遊戲，甚麼光明會、13家族德國羅斯柴爾德家族、阿里巴巴，還是世界最大咖Trump，全都是這樣搞起來的，不然你還以為他們在那邊慢慢存錢存到今天這種財富地位

如果資產翻漲，幾百萬，你資產翻漲個10%就是幾十萬，幾百億，你只要遇到資產翻漲10%，就是幾十億，至於成本，全都是借來的啊，難道自己存的，因此，為啥要炒房來正興經濟

你以為對岸中共政府是白癡，放任不動產瘋狂炒作，他威權政體最好對房價炒做沒有皮條，他可以下令房價不准漲都不是問題，記不記得1x年前中國在錢荒，滿地要投資缺錢，就是那時候房價是不是在大炒作，是不是一邊炒房，一邊誕生了華為、阿里巴巴、全國高鐵、滿地的摩天樓，啥,不是炒房會害實業萎縮？不是會吃走資金？不是要實業收益才有辦法維持房價？

今天資本主義世界的遊戲不是這樣玩的，中共那邊經濟最大的弱點，其實是他的不動產，他只要不動產一垮,銀行就算了,他的滿地企業也會跟著垮，因為企業的借貸很多是根源於不動產抵押，也因此,你應該看不到我們投資客跑去對岸炒房，因為那個市場在資本主義世界裡面，完全都是應該要泡沫的狀態，所以沒事不要靠近，以保身體健康

覺青不知道為啥不動產是經濟的火車頭，不怪他，他上班一輩子，怎麼會知道資本主義在玩甚麼，學校教的東西,或是他們老師自己大腦的觀念，都是古人的觀念，所以他們都是活在古代思維裡

怎樣會產生泡沫，那就是生產低於成本，也就是你的工廠生產只有3元，但建一間工廠成本要4元，那你就有潛在泡沫風險，但因為通膨有2%也許你可以硬撐，但如果生產4元以上，那你應該活不了多久就要泡沫了，最接近今天的網路泡沫就是這樣來的，因為市場飽和，所以訂單有限，而過度擴張造成大家壓價搶單，造成利潤下降，下降到低於成本，因此引發的網路泡沫

所以我也一再強調，不動產基本公式不可以破，破了我就把房子賣一賣出國炒房，因為那就是是否會泡沫的依據，至於生產大於成本的情況，這是要怎樣泡沫？覺青買房子才會錢被鎖在房子裡面，手上房子多的投資客，都是從房子領錢出來做其他的事情，這就是古代人和現代人的不同所在，古代人一直把錢丟入房子裡，投資客一直從房子把錢提領出來，不動產有兩個生產，居住價值和錢，不動產是經濟的火車頭，是因為他可以生產鈔票

為啥很多人要開公司做實業，大家都要錢，他幹嘛不一直炒房，因為你要跟銀行借錢，銀行能借給你的錢有限，然後你拿自己的錢慢慢滾，1000萬給你，你要滾到哪一年？

自然最好就是到處去跟人家募資，拿人家的錢來套利，例如銀行的成本2，淨利5，但你只能借1000萬，募資的錢成本3，淨利5，但你可以弄到1億，那當然找一堆金主支持自己會比跟銀行借錢擴張得更快，但是為啥不是去跟人家募資來炒房，那是因為你去跟人家集資來炒房，你會被金管會抓去喝茶，運氣不好會變經濟犯被關起來，因此你要拿人家的錢來套利，投審會和金管會會逼你做實業，所以一大堆大老闆，他私人的錢都丟在不動產當中，(炒股的另當別論)，包含一堆電子業老闆，用其他的人的錢做實業，自己的錢拿去炒房，這個我相信銀行業的應該都很清楚我在說甚麼，他們看最多，公司用別人的錢來擴張還有一個好處是，因為產業有循環，所以你可能可以旺五年十年誰知道，當年紡織多旺，塑膠業多旺，但當循環下去後，就會泡沫，因此，一堆老闆，自己的錢去屯不動產，然後募資，發股，用其他人的錢去搞實業，實業掛了，他拍拍屁股回去當包租公就好，當然實業繼續興盛，他就繼續擴張實業，投審會和金管會是逼資金去實業投資的把關者，像什麼金八條也限制金融業者炒房炒地皮，因此，其實有比你們想像中更龐大的人和資金想要炒房，但政府干涉他們只能往實業走，所以，單純論賺錢，為啥不全台的人一起炒房，因為有政府干涉

因此你房貸出來的錢，不可以直接買房子，小筆資金還好，如果是幾千萬，你就可能要先去股市債市裡面轉一圈放個一年，才可以在進不動產，這也是政府干涉的手段之一，政府當然知道你們全都只想炒作錢滾錢，所以在實業上面有非常多的威脅利誘，讓你把不動產上漲而增加出來的錢，多挪一些到其他實業甚至股市債市去

你看工業園區是不是很怕你圈地，都要求先設廠營運，滿兩年或是三年土地才會賣你，就是怕妳們這些假蓋工廠實炒地皮的老闆又跑去炒地皮，你要炒地皮可以，但你上面必須蓋工廠營運，提供生產和工作機會，這就成了政府的交換條件，其實，麥當勞都說他是炒房的，他就是經典，實業為幌子，炒房維本質的範例，因此相關的甚麼肯德基、誠品、燦坤、迪士尼樂園(遊樂園是超有名的炒地皮產業)，全都是本質在炒地皮炒房，實業是拿來募資吸收資金以及取得政府的加持，讓他可以更擴張的去炒房炒地皮，這就是資本主義世界.

我知道很多人第一天看到，都會覺得很痛苦很生氣，但恭喜你清醒過來了，而不是繼續一輩子活在夢中

另外補一下台商發財方程式，那個叫做造鎮，台商當年去中國，後來去東南亞，他們怎麼玩，就是集合起來跟政府批地要開工廠，批一大塊土地，中間蓋工廠，旁邊打造住宅區商業區(土地全都是台商批下來)，然後工廠造就就業人口，這些人在旁邊買房子住，商店就做便當賣給他們，之後這邊就成了一個據點，之後變成城鎮，因此十年後，台商就把工廠全都拆除撤離去更落後的地方，然後工廠拆掉的土地，全都變成住宅區，商業區，打造金融區之類的，直到可能20年後變成一個很有規模的都市，這時候，台商就把所有的不動產全都出脫，然後最後你總結的結果是，台商一路走來實業收益如果是100的話，他不動產收益通常有5000~10000，沒跟你豪姣，還有人工廠算下來還虧損，也就是搞了20年他工廠不但沒賺錢，還虧錢，可是老闆還是發大財

有自己習慣的投資就做自己習慣的投資，股票發大財的人比較多，只是股票玩法絕對跟不動產不一樣，所以你是股票腦，你跑來硬玩不動產其實會很痛苦，同樣的你也不可以複製不動產的操作去股票，應該沒幾天就畢業了，只是，當你的資本額更多後，不動產幾乎是你很難避開一定會接觸的投資產品，因此你可以先慢慢看慢慢研究，等到哪天你錢多到你不得不碰不動產的時候，才不會傻菜鳥跑到叢林裏面亂闖,到時候摸到大白鯊

文章內容來源
https://www.ptt.cc/bbs/home-sale/M.1602001750.A.C3C.html

Joe：「我認為原作者對於資本運作的解釋，如果是運用在房地產和金融商品套利，那概念是ok的，跟我自己的觀察也差不多概念，全世界都差不多運作邏輯，不過原作者應該沒經營過實體產業，中小企業的實業擴張，那個無法快速繁殖，我看淨價值規模小於3000萬美元的實業，利潤不夠高的話，跟銀行借貸的轉換效率會很差，但是資產規模數十億以上，那開槓桿去運作，控制好擴張速度，理論上是相對低風險沒錯，人類史上極低資金使用成本的年代，真的要學會善用資本的運作，資本小往股市，資本大一點就可以分散一些往房地產，尤其是美國房地產，真的接觸過，就能發現那是一個很stable的金融工具。」

在資本主義世界裡面，實業的收入，是拿去支撐資金成本用的，但是你看到的一切繁榮偉大規模，砸進去的錢主要都是借貸產生的，而不是靠實業收入存出來的(以下用廣義使用錢這個字,延伸包含資源)

所以，越借越多錢，永遠不還錢，是所有資本主義成功者必然的現象，實質生產的錢(或是資源)，遠遠不及他擴張時所花費的規模，也就是一間公司的工廠，一座要100塊，可以生產5塊淨利潤，擴張一座工廠如果所有錢都是借貸的話，資金+其他成本2%，

請問他擴張第二間工廠，是等乖乖5塊五塊的存，存20年，存到100塊後才去開第二間嗎？如果今天不是在資本主義世界？例如在「真」馬克思主義，或是金本位世界，可能是這樣，但是你今天在資本主義世界就不是這樣，因為他的成本是2%，生產額是5%，因此他會立刻去擴張第二間工廠，100塊用借的，然後用第一間工廠生產的5塊去支付成本，然後第二間工廠可能要蓋三年，等同可能會先產生6塊的虧損，才會上軌道，所以心臟小顆一點的老闆，可能會先緩一年，讓第一間工廠繼續盈餘5塊扣掉成本還有3塊，存下3塊做預備金

然後第二年，就在擴張第三間工廠，這時候第二間工廠還沒開始營運，而等到第三年，第一第二間工廠都營運了，當然同時他第二第三間工廠都是借貸來的，因此他營利10塊，借貸成本支出4塊，他會在第四年的時候直接蓋兩座工廠

因此你還在20年存款大計劃的時候，他大概20年後已經拓展了上百間工廠，然後你就可以回家吃自己，他成了國際大企業

因此發現甚麼沒有？

我今天擴張工廠，只要我確定他會有收益，我根本不是拿「實業」的生產去擴張，而是不斷用借貸去擴張，而我實際實業的收益，是拿去支付「投資成本」用的，這是資本主義一個最基礎最簡單的觀念，也是所謂用錢滾錢，用資產滾資產的概念，因此每次看到有人在講什麼薪資所得比，我就立刻知道，這是一個古代人...XD..他大腦還活在古代

那為啥很多公司營利那麼高，幹嘛不直接擴張到極致，那就是因為訂單的問題，他在這個世界就只能收到那麼多訂單，因此他在繼續擴廠，但是並沒辦法生出更多訂單，自然就不適用這種擴張操作，當然這時候，通常就會去轉投資，去另一個產業找「實際收益大於成本」的投資標的

因此，回到不動產，為啥我永遠都在強調那個基本面公式，出租投報率 vs 資金成本+持有成本，因為這就是資本主義最基礎的公式而已，一點深度都沒有的東西，在這個架構上面，租金收益只要大於成本，只要你現金流不要斷，你就是房子有多少買多少....

當然下一件事情是卡在銀行願意借多少錢給你，因此你可以看到一大堆投資客在問貸款問題借貸問題，因為這些都是明白人，銀行借多少，他們都要借光光，只有那些古代人才整天想什麼40年房貸要背貸款，40年好可怕...XD

唉，古代人...XD

當你租金投報高於成本，就會產生套利，有套利就可以瘋狂的擴張規模，瘋狂的擴張規模代表你套利也瘋狂的放大，在幾百萬的時候，套利都是幾萬塊，你擴張到幾百億，你的套利就是幾億，這個遊戲，甚麼光明會、13家族德國羅斯柴爾德家族、阿里巴巴，還是世界最大咖Trump，全都是這樣搞起來的，不然你還以為他們在那邊慢慢存錢存到今天這種財富地位

如果資產翻漲，幾百萬，你資產翻漲個10%就是幾十萬，幾百億，你只要遇到資產翻漲10%，就是幾十億，至於成本，全都是借來的啊，難道自己存的，因此，為啥要炒房來正興經濟

你以為對岸中共政府是白癡，放任不動產瘋狂炒作，他威權政體最好對房價炒做沒有皮條，他可以下令房價不准漲都不是問題，記不記得1x年前中國在錢荒，滿地要投資缺錢，就是那時候房價是不是在大炒作，是不是一邊炒房，一邊誕生了華為、阿里巴巴、全國高鐵、滿地的摩天樓，啥,不是炒房會害實業萎縮？不是會吃走資金？不是要實業收益才有辦法維持房價？

今天資本主義世界的遊戲不是這樣玩的，中共那邊經濟最大的弱點，其實是他的不動產，他只要不動產一垮,銀行就算了,他的滿地企業也會跟著垮，因為企業的借貸很多是根源於不動產抵押，也因此,你應該看不到我們投資客跑去對岸炒房，因為那個市場在資本主義世界裡面，完全都是應該要泡沫的狀態，所以沒事不要靠近，以保身體健康

覺青不知道為啥不動產是經濟的火車頭，不怪他，他上班一輩子，怎麼會知道資本主義在玩甚麼，學校教的東西,或是他們老師自己大腦的觀念，都是古人的觀念，所以他們都是活在古代思維裡

怎樣會產生泡沫，那就是生產低於成本，也就是你的工廠生產只有3元，但建一間工廠成本要4元，那你就有潛在泡沫風險，但因為通膨有2%也許你可以硬撐，但如果生產4元以上，那你應該活不了多久就要泡沫了，最接近今天的網路泡沫就是這樣來的，因為市場飽和，所以訂單有限，而過度擴張造成大家壓價搶單，造成利潤下降，下降到低於成本，因此引發的網路泡沫

所以我也一再強調，不動產基本公式不可以破，破了我就把房子賣一賣出國炒房，因為那就是是否會泡沫的依據，至於生產大於成本的情況，這是要怎樣泡沫？覺青買房子才會錢被鎖在房子裡面，手上房子多的投資客，都是從房子領錢出來做其他的事情，這就是古代人和現代人的不同所在，古代人一直把錢丟入房子裡，投資客一直從房子把錢提領出來，不動產有兩個生產，居住價值和錢，不動產是經濟的火車頭，是因為他可以生產鈔票

為啥很多人要開公司做實業，大家都要錢，他幹嘛不一直炒房，因為你要跟銀行借錢，銀行能借給你的錢有限，然後你拿自己的錢慢慢滾，1000萬給你，你要滾到哪一年？

自然最好就是到處去跟人家募資，拿人家的錢來套利，例如銀行的成本2，淨利5，但你只能借1000萬，募資的錢成本3，淨利5，但你可以弄到1億，那當然找一堆金主支持自己會比跟銀行借錢擴張得更快，但是為啥不是去跟人家募資來炒房，那是因為你去跟人家集資來炒房，你會被金管會抓去喝茶，運氣不好會變經濟犯被關起來，因此你要拿人家的錢來套利，投審會和金管會會逼你做實業，所以一大堆大老闆，他私人的錢都丟在不動產當中，(炒股的另當別論)，包含一堆電子業老闆，用其他的人的錢做實業，自己的錢拿去炒房，這個我相信銀行業的應該都很清楚我在說甚麼，他們看最多，公司用別人的錢來擴張還有一個好處是，因為產業有循環，所以你可能可以旺五年十年誰知道，當年紡織多旺，塑膠業多旺，但當循環下去後，就會泡沫，因此，一堆老闆，自己的錢去屯不動產，然後募資，發股，用其他人的錢去搞實業，實業掛了，他拍拍屁股回去當包租公就好，當然實業繼續興盛，他就繼續擴張實業，投審會和金管會是逼資金去實業投資的把關者，像什麼金八條也限制金融業者炒房炒地皮，因此，其實有比你們想像中更龐大的人和資金想要炒房，但政府干涉他們只能往實業走，所以，單純論賺錢，為啥不全台的人一起炒房，因為有政府干涉

因此你房貸出來的錢，不可以直接買房子，小筆資金還好，如果是幾千萬，你就可能要先去股市債市裡面轉一圈放個一年，才可以在進不動產，這也是政府干涉的手段之一，政府當然知道你們全都只想炒作錢滾錢，所以在實業上面有非常多的威脅利誘，讓你把不動產上漲而增加出來的錢，多挪一些到其他實業甚至股市債市去

你看工業園區是不是很怕你圈地，都要求先設廠營運，滿兩年或是三年土地才會賣你，就是怕妳們這些假蓋工廠實炒地皮的老闆又跑去炒地皮，你要炒地皮可以，但你上面必須蓋工廠營運，提供生產和工作機會，這就成了政府的交換條件，其實，麥當勞都說他是炒房的，他就是經典，實業為幌子，炒房維本質的範例，因此相關的甚麼肯德基、誠品、燦坤、迪士尼樂園(遊樂園是超有名的炒地皮產業)，全都是本質在炒地皮炒房，實業是拿來募資吸收資金以及取得政府的加持，讓他可以更擴張的去炒房炒地皮，這就是資本主義世界.

我知道很多人第一天看到，都會覺得很痛苦很生氣，但恭喜你清醒過來了，而不是繼續一輩子活在夢中

另外補一下台商發財方程式，那個叫做造鎮，台商當年去中國，後來去東南亞，他們怎麼玩，就是集合起來跟政府批地要開工廠，批一大塊土地，中間蓋工廠，旁邊打造住宅區商業區(土地全都是台商批下來)，然後工廠造就就業人口，這些人在旁邊買房子住，商店就做便當賣給他們，之後這邊就成了一個據點，之後變成城鎮，因此十年後，台商就把工廠全都拆除撤離去更落後的地方，然後工廠拆掉的土地，全都變成住宅區，商業區，打造金融區之類的，直到可能20年後變成一個很有規模的都市，這時候，台商就把所有的不動產全都出脫，然後最後你總結的結果是，台商一路走來實業收益如果是100的話，他不動產收益通常有5000~10000，沒跟你豪姣，還有人工廠算下來還虧損，也就是搞了20年他工廠不但沒賺錢，還虧錢，可是老闆還是發大財

有自己習慣的投資就做自己習慣的投資，股票發大財的人比較多，只是股票玩法絕對跟不動產不一樣，所以你是股票腦，你跑來硬玩不動產其實會很痛苦，同樣的你也不可以複製不動產的操作去股票，應該沒幾天就畢業了，只是，當你的資本額更多後，不動產幾乎是你很難避開一定會接觸的投資產品，因此你可以先慢慢看慢慢研究，等到哪天你錢多到你不得不碰不動產的時候，才不會傻菜鳥跑到叢林裏面亂闖,到時候摸到大白鯊

文章內容來源
https://www.ptt.cc/bbs/home-sale/M.1602001750.A.C3C.html

#犯罪心理學 #criminalminds #FBItest
FBI測試點擊這裡：https://www.jobtestprep.com/search?r=%20Free%20FBI%20Diagnostic%20Test

各位大家好，歡迎來到HenHenTV的奇異世界，我是Tommy.
犯罪心理學Criminal Psychology，是在心裡學裡面
其中一門專門研究犯罪事件和相關人物的行為和心理，
研究的對象其實並不是犯罪人本身而已，
同時也包括職司逮捕，偵查，審批行刑的各種司法人員，
也包括證人和被害人。犯罪心理學家也叫鑑定人，
在英國和美國也叫專家證人，也叫做Expert Witness，
以幫助法官和陪審團了解被告的心理，還有證人證詞的可信度。
最早出版有關犯罪心理學的書籍是在1847年，
由奧地利籍的心理學家，漢斯。格羅斯，（Hans Gross）
出版了一本叫【犯罪調查】的心理學書，
他是第一名用科學的方法來查案的偵探，
書裡面就包括有醫學，彈道學，病理學，血清學，
人體測量學的方法來協助案件的調查，
也談到了礦物學，生態學，植物學家如何協助偵破案件。
而他的另外一本書：【犯罪心理學，法官，法律執業者與學生手冊】，
更被翻譯成8國語言，他也在書中寫了一個新詞：
刑事調查學（Criminalistics），
他也創辦了第一本偵探雜誌，也建立了第一個犯罪博物館.
另外一本也是蠻出名的書，在1876年
由意大利心理學之父龍勃羅梭寫的【犯罪人論】，
他就研究了3000多名罪犯罪者的頭骨，
也研究了1279位罪犯的人體測量和他們的相貌分析。
他認為，有這麼的一種人天生就是犯罪者，
與正常人有點不一樣的特徵和相貌。
他也以解剖學分析為基礎，通過70多種犯罪遺傳的特徵。
而那個得出來的結果，就是天生罪犯是頭骨突出，眉骨隆起，
他認為，這些犯罪者其實是擁有祖前原始人的特質遺傳，
這些對他來說就是犯罪的基因。
但是現代的心理學家對他的理論嗤之以鼻，
因為事實證明在很多以後的犯罪者都沒有這種特徵的。
另外一名要是要說的，雖然他並不是心理學家
其實你和我都懂他是誰的，
但是影響犯罪心理學發展非常重要的一個人，
他就是柯南道爾，也就是寫福爾摩斯的作家，
他本身其實是一名醫生，也是一名共濟會的會員，
但是在1911年他就退會了。
他生平寫的60篇關於福爾摩斯的故事，
雖然他寫的都是虛構人物，裡面有一個案件是真實的，
就是轟動一時的傑克開膛手。
而柯南的作品也影響了很多警察，偵探還有心理學家，
其中就包括法國的法醫學家，埃德蒙。羅卡和美國的奧古斯都。霍爾曼
先說羅卡，羅卡本身是一名法醫，
他創立了第一間犯罪實驗室，也推出了一個理論叫：
【羅卡交換定律】，
理論是：“凡兩件物體接觸，必會產生轉移的現象，
用在案件裡面，
也就是兇手一定會在現場留下一些東西和帶走一些東西，
也就是說現場一定會留下微量的跡證。
而奧古斯都。霍爾曼本身原本是一名郵差，
但是他過後考了警察，並且成為了伯克利警局的局長，
也在1932年成立了偵探實驗室，也就是造就了以後的刑事調查實驗室，
好像我們看到的CSI的實驗室是一樣的。
而什麼叫做罪犯側寫，Offender Profiling？
它是一種調查的方式，讓調查人員或者是警察，用在未知的罪犯身上，
罪犯側寫大概分為四種，
1. 地緣剖繪，分析犯罪時間和案發地點的模式，
來找到犯人出沒的地方
2. 調查心理學：借鏡分析心理學理論，
借由審訊現行犯的犯案行為與作案風格，來判定犯案者的特徵
3. 類型學，就是分析案發現場的特徵，
接著根據各種典型特有的特徵來歸類兇手
4. 臨床心理學，利用精神病病學和臨床心理學，
來判斷兇手是否患有精神病或者是心理失常。
而罪犯側寫的程序也分為五個階段：
1. 分析兇手本質的行為，並比對從前曾犯下類似案件的罪犯。

2. 深度分析犯案現場

3. 分析受害者的出身背景與作息活動，

尋找可能的犯案動機以及兇手與被害者的關聯。

4. 分析誘發犯人犯下該起罪案的可能因素。

5. 根據觀察到的特征建構疑犯的側寫，可對照過去的案件。
其實這個方法在中世紀的時候已經有法官或者執法人員
開始用這種方法來尋找罪犯，但是它並沒有成為一種學科，
而在1880年由於是倫敦的傑克開膛手事件，
外科手術醫生，湯姆斯。邦德以法醫的身份
參與了瑪麗，凱麗案件的調查，
瑪麗，凱麗也就是開膛手案件最後一名受害者，
他分析了所有相關的案件和兇手的作案手法和行為特徵，
得出來的結果是：
1. 兇手是一個人作案，獨行俠，沒有固定的職業
2. 冷靜和大膽，身體高大並且處於中年，衣著整潔
3. 情緒不穩定，患有性慾亢奮的性異常症狀。
4. 沒有解剖學的知識，所以兇手不是醫生和屠夫。
5. 受害者全部都是妓女，兇手對於妓女有特別的憎恨和厭惡
6. 受害者的肚子被剖開，內臟被挖出，臉和陰道都被搗爛。
但是由於當時並沒有DNA的科技，因此這個也成為史上的懸案之一。
不過網上謠傳他們把英國作家羅素。愛德華
當年買下的證物，凱瑟琳。艾道斯的披肩，
他們就拿這個披肩去化驗，上面除了找到受害者凱瑟琳的DNA之外
還有另外一個人的DNA，他叫艾倫。柯敏斯基，
但是由於證物上的DNA因為太久了，所以不能做證物，
因為它存在著DNA可能會變異的可能性，所以不可以用這個來斷定兇手。
而最早這種罪犯側寫成為一個專門的調查方式，
是詹姆斯。布魯休斯開始的,
在1940年紐約的愛迪生大廈發生了炸彈事件，
兇手留下簽名F.P，由於當時的炸彈並沒有爆炸，也沒有人受傷
因此愛迪生公司的人也沒有深入調查，但是在10年後的聖誕節，
也就是1960年，這個F.P炸彈客在公共場所放了12枚炸彈，
引爆了6枚，但是也是沒有人受傷，
而在1955年也放置了52顆炸彈，引爆了40顆，
造成一個人死亡和多人受傷，政府就開始對這個事件特別的關心
就著重了調查這個案件
但是憎恨愛迪生公司的人非常的多，兇手在案發現場留下的證物也很少，
因此警方就邀請了詹姆斯來幫忙，詹姆斯就對於兇手做了罪犯側寫：
他的結論是：
1. 作案者是男性，因為一直以來的炸彈客都是男性，沒有例外
2. 年齡介於50歲以上，擁有偏執心理（偏執狂）
偏執狂很愛保護自己，所以他犯罪的時侯，
往往就是以 ‘自衛’來做出發點
3. 他受過良好的中學教育，從他的字體可以看得出來
4. 他有中等的身材，擁有運動型的體魄，因為85%的偏執狂都是運動體型的
5. 他非常遵守時間，做事井井有條。
6. 他不是純正的美國人，因為在他的信件裡面，
有某些專有的特別名詞寫法。
7. 他受過心理創傷，他和愛迪生公司人的糾紛
不可能成為他在公共場所放置炸彈的原因。
8. 他有戀母情結，獨身，沒有女朋友，
可能小時候常常反抗父親，滋生他反抗權威的情緒。
失去母愛的傷痛還沒有癒合，所以可能是和女親屬住在一起。
9. 他是斯拉夫後裔，因為斯拉夫的恐怖分子裡面，
大部分都是喜歡用炸彈
10. 他可能住在布里奇波特，這是根據他匿名寄出的恐嚇來推斷出的地理推測。
11. 他可能患有心血管疾病，因為他一直在信中說自己是病人，
持續16年的恐嚇信當中，如果是癌症，就不會活那麼久，
如果是其他疾病，也應該痊癒了，所以最有可能性是心血管疾病。
最後警方根據詹姆斯的側寫，很快就破案了，
兇手喬治。默特斯基，他的特徵和罪犯側寫
幾乎是百分百吻合，所以過後的專業罪犯側寫師的職業就誕生了。
除了這個案件，詹姆斯博士也幫助很多的案件破案，
其中就包括波士頓絞殺魔。
在1943年第二次世界大戰爆發，OSS戰略情報局
也就是中央情報局CIA的前身，局長威廉。約瑟。唐納文，
請波士頓的心理學家瓦特。查爾斯。蘭格博士
為阿道夫。希特勒做一個罪犯側寫，
他們要揣測希特勒在輸了第二次世界大戰過後可能會做出的行為，
側寫中描述希特勒對自己外表非常的一絲不苟，
過分保守的嚴謹態度，他身體健康但是卻害怕細菌。
擁有躁鬱症，有戀母情結和還有被虐症，
同時他也患有妄想症，所以在這種心理建設下，
如果戰敗，他一定會選擇自殺。
而這些資料也交給了OSS戰略情報局
不過這些資料在戰後就銷毀了，
而蘭格博士就在1970年推出了一本叫【希特勒的心理】。
而過後罪犯側寫這一個職業
就在約翰。愛德華。道格拉斯的發展下，
成為以後FBI調查組的行為科學科，
道格拉斯是聯邦調查局的特工，對於抓美國的連環殺人兇手居功至偉。
也有現代福爾摩斯的稱號。
他也是第一位專職的FBI側寫探員。在他的生涯裡面，
曾經去過監獄裡面訪問非常多的連環殺手
還有一些史上最出名的罪犯，
包括大衛。理查。伯克維茨（山姆之子連環兇殺案兇手），
泰德班迪（連環姦殺案兇手）被譽為最英俊的殺手之一
過後他就用這些資料出版了幾本書，第一本書
【性殺案的模式還有動機】
還有另外一本叫【犯罪分類手冊】CCM（criminal classification manual ）
而美劇【犯罪心理】就是根據他其中的一本書
【Mind Hunter】來創作的。
罪犯側寫並不像心理學一樣，用理論的方式為基礎，
而是根據現場的罪證，包括現場的一些資料，
一些作案手法還有臨床心理學
來推測兇手的特定行為和特徵，用這種方式去協助破案
加上鑑證科，法醫，彈道，化學檢驗等等不同的方法，
務必要將兇手繩之以法。
那人為什麼會犯罪呢？好像在宗教裡面講的，
人的本身是有原罪的基因，而每個人由於是有思想還有情緒，
我們都會有可能犯罪，如果一個小孩子你不理他，
不教導他，他是一定會變壞！
但是並沒有什麼天生的罪犯和殺人狂，而是某種原因
觸發到他的犯罪慾望，經而做出不是人類可以做出的惡行，
動物之間是沒有犯罪的，
它們不會為了炫耀而殺死了其他的動物，把它的皮披在身上，
不會因為好玩而虐待其他動物，餓了就要吃，
這只是他們的基本慾望而已。
但是反觀人類，由於是擁有思考的腦袋，
他們可以害人，殺人，虐待甚至屠殺！
這些不就是人類基因裡面的原罪嗎？
你我都有可能犯罪，但是我們也可以選擇做好人
修身養性，做好事，說好話，控制自己的情緒和慾望，遠離罪惡。
最後，讓我們做一個FBI的測試，
看看你們是否有資格進入做FBI的特工，
點擊在說明文下方的連接去測試一下吧！
這只是一個免費的版本，如果你要正式考試，需要給79美金，
不過你們去玩玩也是不錯的！因為這個測試的確是很難！
測試後留言告訴我你的成績吧！
那好啦！今天的影片就到這裡，如果你喜歡這個影片
覺得自己學到東西，就記得點贊，分享還有訂閱吧！
好啦！我們下個奇異世界見，Bye Bye

?2018狂歡世界盃，同何Wayne一齊為世界盃喝彩⚽⚽，一齊挑戰FIFA電競台主贏大獎?
一個人睇波？太無聊了。不如約啲老友過黎同何Wayne一齊為世界盃喝彩啦！???
現場評述?同你度過精彩的時刻，更有精彩的FIFA電競挑戰賽，用足球激發你的小宇宙啦！

網上報名表
https://bit.ly/2rz8rpI

?以下日期：

(1)6月16日星期六
(法國VS澳洲) 18:00
(阿根廷VS冰島) 21:00

(2)6月20日星期三
(葡萄牙vs摩洛哥) 20:00
(烏拉圭vs沙特阿拉伯) 23:00

(3)6月21日星期三
(丹麥vs澳大利亞) 20:00
(法國vs秘魯） 23:00

(4)6月22日星期五
(巴西VS哥斯達黎加) 20:00

(5)6月24日星期日
(英格蘭VS巴拿馬) 20:00
(日本VS塞內加爾) 23:00

(6)6月26日星期二
(丹麥vs法國) 22:00

(7)6月27日星期三
(韓國vs德國) 22:00

(8)6月 30日星期六
第49場 A組首名 VS B組次名 22:00

地點: 觀塘海濱道135號宏基資本大廈18樓 NeighborFarm 毗鄰共享商務中心(牛頭角地鐵站B6出口)

?電競活動：

每场世界盃賽事直播都會舉辦FIFA電競挑戰賽，參加人數在10-12人，通過早鳥優惠的玩家可有機會直接進入8強，其餘玩家通過12強比賽進入8強，每場比赛會勝出一位玩家成為台主，可免費參加下次的活動??，成功連任3屆台主，更有機會獲得1,000元獎金。

評述員：何Wayne，香港網上足球評論員，Youtube頻道人數超過一萬，以理論一針見血見稱。

何Wayne YouTube頻道：
何Wayne 足球評論
youtube.com/user/waynehk07

活動提供晚餐包酒水、大抽奬，有機會奪得$200運動現金券?

費用：按每日計，$250/位, 早鳥優惠$200/位，4人同行$750
(早鳥優惠:必須根據當日賽事時間3天前報名並交費可享受優惠及優先參與FIFA 電競挑戰賽)

報名及查詢：
電話：陳小姐 39552900 / 許生 81086688
WhatsApp: 61350742
Email: info@neighborfarm.com
Website: www.neighborfarm.com
*Facebook: https://www.facebook.com/neighborfarm
地點: 觀塘海濱道135號宏基資本大廈18樓 NeighborFarm 毗鄰共享商務中心(牛頭角地鐵站B6出口)
報名方法：
1.填寫網上報名表 https://bit.ly/2rz8rpI
2.成功報名後費轉帳到至恒生銀行戶口 363-683152-883 (NeighborFarm Coworking Business Centre Limited)
3.於入數紙上寫上姓名及聯絡電話並將入數紙whatsapp至電話 61350742確認
4.⭐請務必保留入數紙到現場報到之用⭐/ 使用Pay Me 付款?發送付款連結至whatsapp 61350742，4人同行，一個入數電話即可。

有興趣的朋友可以系群組裡面回復及報名。??