關於 千里之行始於足下例子 ，我們在網路上蒐集到這些相關的討論、資訊與評價

【避不開的一本書，一些事】
Cathy Park Hong《Minor Feelings》

也不是說有意避開，就是知道了很久，沒拿起這書來讀。本書在2020年初出版，作者是一位美國韓裔著名詩人，這是她的第一本非詩集/非小說作品，書的副題是"A reckoning on race and the Asian condition"：「種族和亞裔處境的反思」，隨著全球疫情後出現的反華情緒，和特別在美國發生襲擊亞裔人士個案數目大幅上升，令亞裔美國人身分認同成為熱門話題，而這書在今年初推出了 paperback，過去只讀沉悶的政經書籍的我，本來近期集中睇小說，但 Hong 的這書，再也避不開。

本書名列去年多個年終書評十大名單中，只不過是短短二百多頁、七篇文章，有什麼特別？作者以自己第二代韓裔美國人的身分和個人經歷，包括自己和一些認識或不認識的人的故事，探討了種族、結構性種族歧視，和在白人社會主導下成長的影響等題目，也因為她是詩人和藝術家，特別討論了小時學習英文為第二語言，從而讓她對這語言有更敏感了體會和應用，和一些在藝術社群中亞裔面對的問題。

Hong 成長家庭環境中上，住在白人居住地區，甚至家有私家泳池，但不忘提醒讀者小時候住在洛杉磯Koreatown的「基層」地區，不過在1992年當地發生的黑人與韓裔種族衝突前，父親生意有成，已經搬走。與我之前介紹美國越南裔詩人/作家 Ocean Vuong 不同的，是後者以難民身分移居美國，在單親家庭中長大，一直貧苦地工讀，Hong 讀的是私立大學，但二人對英文為第二語言的體會，在他們作品中，可見相似的地方。

尋找一起走過的經歷

兩人相似的經歷，還有是一個刻苦、堅強但對子女十分嚴厲的母親，就像我們在流行文化中阿信再加「虎媽」的印象。Hong 提及，小時到白人孩子朋友家中玩，覺得很和平和安寧，父母慈祥，小狗可愛，但回到自己家中，父母總是吵吵鬧鬧，沒有寵物，但老人家總有些古古怪怪的習慣（像祖母親用咖啡罐裝自己的尿去後花園種蔥），我想如果拍成電視處境喜劇，應該嚇壞白人，但反過來，只會令他們對小數族裔 stereotyping 的印象定型，更根深柢固。

Hong 的文章中，帶出很多重要的問題，例如，她作為藝術家，作品是否被困在白人社會對亞裔的印象的框框內，要遷就他們怎看我們，才能有機會出版？甚至她透過於1982年在紐約姦殺被害的美國韓裔女詩人 Theresa Hak Kyung Cha 的事跡，質問為何媒體甚至她的藝術界同僚和朋友，分別都淡化報導或低調處理，難道亞裔面對的暴力，白人社會都不想提，不想知道太多，亞裔在他們眼中，最好是隱形？這狀況，也與黑人面對的問題和歧視，有所異同。

Hong 所提出的問題，未必有答案，卻能另我們反思自己的經驗。無論在那裡生活，或曾經在那裡生活，在「自己的國家」抑或「別人的國家」，是多數是少數，不要說沒有歧視，要是這樣說，肯定只是視而不見而已，包括在中國和香港。我也想，我曾經在美國留學和打工十多年，回到香港，種族上少數分子變回多數，但身分認同又在種族層面上增加變數，回歸後香港身分在國家全面管治下又不一樣了。但至少回想自己十多年在美國的經驗，究竟當時是怎樣的？

誰是「亞裔美國人」？

近年使用的「亞裔美國人」（Asian American）一詞，原來是上世紀六十年代，在美國反越戰和民權運動示威浪潮最火紅的加州柏克萊（Berkeley）所創作出來的，今天最「建制」的形容詞，當年卻已是最「前衛」的。即使在八十年代我在美國讀大學時，對亞洲人的形容詞，很多人仍然以 "Oriental"（東方人）這個顯然極為殖民主義的詞語稱之。至近年，如果要向一些美國機構有需要填表，在種族一欄往往會以「亞裔美國人及太平洋島民」（Asian American and Pacific Islander）統稱，我都會不禁想，亞裔都夠包羅萬有了，怎麼把太平洋島民都打成一片？

反觀英國，近年在這些回應表格分類，都變得比較仔細了，會分為「中國人」、「華裔英國人」或甚至「香港人」，當然也有些「混血」、「其他」或「不想或選擇不回應」給選擇，始終，說是種族但其實也是身分認同的選擇問題。然而，是否美國人就是比較懶惰，還是白人主導思想下分不開，不想分？他們分不開華人、日本人、韓國人、越南人等等，這都罷了，就是兩個東亞裔人的不同面孔，都總是分不開，我們分辨白人面孔卻沒這問題，是否我們看荷里活電影太多，他們看亞洲片太少？

自去年起，亞裔在美國因種族歧視遭受襲擊個案大增，亞裔美國人團體因而加強聯繫，作出回應，我曾經聽過當中他們舉辦的數個網上論壇，華日韓越還有印度、菲律賓等主要社群的參與都有，他們都會指出，一般美國人社會和白人主導的理解，甚至在不同亞裔之間，其實都未必完全了解「亞裔美國人」所包含的複雜性，不同的種族、文化、背景、語言，分隔了他們的互相了解，還有不同國家之間的政治和歷史的紛爭、新仇舊恨，在美出生的日韓中/港/台人後代，可能感受不深，但如果是新移民或者留學生，不幸地可能根本互相敵視，另一方面，新移民與否、教育程度、社會階層不同，對種族歧視的體會也不一樣。

我比較深刻印象的，是有一位講者曾經提出過，在媒體甚至官方的描述，不宜再簡化地以"China"或"Chinese"形容中國政府或官方的事宜或行為，中國餐說是"Chinese food"沒問題，但如果是政府的行為，就應該在內容和標題說明是"Chinese government"，的確，任何政府也不能代表所有人，批評一個政府不應把不滿投射都該國的人民，這個建議，可圈可點！

黑暗的歷史

另外，他們在討論中提出的典型應對，必定包括在美國教育中加強亞裔在美過去面對的歧視歷史，由美國內戰結束後，失去了黑人勞動力後，美國於1860年代輸入數而萬計的中國勞工以參與興建鐵路，可說是美國鐵路尤其是開發大西部的，當初都是以中國人的血汗，甚至用上平均每公里幾條中國人命搭建出來的，但美國政府「打完齋唔要和尚」，之後卻因恐怕大量亞洲移民，通過了「排斥華人法例」（Chinese Exclusion Act 1882），中國人甚至其他亞洲人，甚至包括前美國殖民地的菲律賓人，都難以移民美國，直到1960年代才真正開始改變。

今天亞裔美國人提出應該放進中小學歷史教材的，當然還有二次大戰時的日裔美國人的遭遇，他們無辜地被視為間諜，財產土地被充公，失去自由，年輕男丁卻被徵上戰場，保衛美國這「家園」，其他家人就關押在集中營多年，直到戰後才放出來，這段黑暗歷史。至於韓國和越南人，無論是否同意美國當年應否介入他們國家的內戰，阻止共產主義擴張，大概都會同意，美國接收不少來自兩國的難民或移民，多少都為贖罪。

然而，在今天美國的本土政治環境，種族主義反而更為抬頭，在部分州政府出現共和黨人大力打壓黑人投票權利和鼓吹白人至上主義，要提出亞裔美國人歷史觀，把這些美國帝國主義的黑暗歷史，放進教科書，談何容易！反過來說，政權用作政治宣傳教育的話不算，就是過去在華人社會和教材又有多少談論「賣豬仔」和美國反華移民法案？就是我這一代香港人，對這些事的印象，只有「華英雄」和黃飛鴻電影（但這些故事內容卻反而只較多描述中國人自己人打自己人多於受白人的歧視），難道這歷史連中國人自己都不想再提？

種族暴力未停止過

這兩年在美國發生多宗亞裔面臨種族暴力事件，特別在三藩市灣區和紐約市等地，以及在今年三月發生的亞特蘭大按摩院槍擊案中的受害者，回想我接觸這些仇恨罪案（hate crime）的報導，始於1982年的陳果仁案。案發於我入讀美國大學前的幾個月，案件和之後數年關於的審判的報導，在我讀大學時訂閱的星島日報（記住當年未有蘋果甚至world-wide web！），應該一直看到這案件的發展。

陳果仁在中國廣東於1955年出生，六歲被被同來自廣東的養父母從孤兒院收養，帶到美國長大，於1982年二十八歲之齡，在美國底特律一家脫衣舞會所與朋友慶祝八日後將舉行的婚禮時，與在場人士起爭執，後來被兩名白種人追打，以棒球棍擊至腦死亡，四日後正式離世。這是否種族仇恨罪案？有證人表示，聽到兇徒曾經說：「都係因為你班XXXX令我哋無工做」(It's because of you little motherfuckers that we're out of work.），兩名被告當然否認說過。

歷史背景，當年美國因日本經濟起飛，尤其美國汽車業面對日本進口車競爭，節節敗退，三大汽車廠大量裁員，而底特律正是美國汽車業傳統重鎮，失業情況嚴重，雖然陳果仁是華人，相信很可能是被錯誤當作為日本人而被害。然而，州政府的審判，竟然輕判兩名兇徒罰款三千美元，守行為三年了事，華人團體說，等同公告天下，三千大元可以買起一條中國人命。

之後，有華人律師和記者介入，根據侵犯死者公民權利把案件推上聯邦法庭，原本把兇徒當中一人成功入罪判監廿五年，另一人就脫罪，但在兩年後上訴判決，兩人獲無罪釋放。最終，家人僅能以民事訴訟控告兇徒，獲判約一百五十萬美元，還要分期每月幾百元地給被告慢慢還，慢慢玩！因此，今年的亞特蘭大槍擊案，社會爭論是否應該以種族仇恨罪行控告兇徒，但歷史告訴我們，在美國，要如此入罪，十分困難，結果，恐怕又是不了了之。

當然，與當年中國人被當作日本人不同，這兩年如果說有人因疫情而仇視華人，但不少在美國街頭被襲擊的，卻是其他族裔的亞裔人士，可謂諷刺，並且，這也不是因為認錯，不少襲擊者顯然沒打算再理會他們是華人或是其他亞洲人，就是發洩要叫他們「滾回家」，即使他們不少根本是土生土長美國人。可幸的是當年陳果仁案只有美國華人稍為關心，今天可能因為所有其他亞裔都一同受害，亦相信因為社會始終有少許進步，不同族裔的亞裔人士總算更大程度地合作起來。

選擇忘記的歧視？

回望我在美國生活的那些年，究竟有沒有受到種族歧視？要說出具體例子的話，我說不出來，但說沒有遇上，我可以肯定地說，一定有。小的事情地方，面對過的白眼，服務上當我隱形，言語上的欺凌，必定有，但很奇怪，雖然說已經過了廿多年，是真的完全記不起來，還是我潛意識要忘記這些事、那些人？相反，像 Hong 書中形容，美國人對亞裔有些既定形象、行為模式，作為「乖乖」的「模範少數族裔」，我們只要「fit」進這些模式，自然大體上「相安無事」。當時，不自覺下，受害者也成為了種族歧視的幫凶。

我的大學處於中西部非常保守的印第安納州（Indiana），白人絕對佔最多，黑人也少，不過，可能因為屬於理工科目較强的學校，來自分布大量不同國家的留學生算多，我大學第一年時，宿舍同房被分派了一個美國人，他來自本州的中型城市，從未踏足外國，甚至連美國本土可能只去過少數鄰近的州分，我這個香港仔同房，對他可能已算是個衝擊。我們相處不錯，但我相信他也覺得，他潛意識下覺得自己是主，我是客，他是大，我是細，而我都是用最典型的亞裔方式，用學科成績證明自己的實力，得回多些尊重，尤其因為我們主修科目一樣。不過，不自覺下，這也許又已墮進「模範少數族裔」的stereotype 了。反而我有印象的，是他初時常笑我寫中文信給家人朋友（我1993年在入學第二學期才拿到電腦戶口，學識用互聯網和電郵，減少了手寫信），寫的中文字是"chicken scratch"，如果以今天標準來說，算是有點歧視成分了，不過，當年，算了。

與 Hong 描述她的大學生活比較（我比她約早十年入大學），我們都是在中西部的保守州分（她在艾奧瓦州 Iowa），不過她讀藝術，我讀的是工程，也許在亞裔的模範形象中，數學、理科能力較佳，讀這些科目的話白人接受，問題較少，只要是繼續在這些方面發展，可謂各取所需，當年就算是畢業後要在當地找工作，拿工作簽證留在美國，入籍，都不困難。後來我碩士畢業後進入大型電腦公司，先後在東西岸，前後兩家公司工作，回想起來，都是走不出這亞裔模範形象。

我在美國的第一份工作，聘請我的是一位台灣人，從一開始，我真的有想過，他是不是因為我是華人而挑選了我？結果我都沒有問過他，當時組中除了我倆沒有其他華人，而我們也從沒有在工作內外講國語。當年我讀的是電腦工程，但第一份工作卻是在電腦公司生產硬碟的製造工程部門寫相關控制機械的程式，老實說，並不十分「夾」，大學學的都不一樣，要重新學過，而硬件製造可說是比較「悶」，結果兩年後在公司轉職到西岸矽谷的前線部門，才擔上較接近軟件顧問和諮詢的工作。矽谷在科技人才上即使當年已經是個大溶爐，我的同事幾乎來自世界各地，說什麼種族歧視？雖然最終大老闆，基本上全是白種人。

後來我在1994年返回香港工作後，無論是朋友討論或是媒體訪問，問及我為何回流，我的答案都會說，在香港可以更快踏上更高的職位，事業發展更好。當然，也許在一刻是那樣，不過，我也會補充說，如果留在矽谷多一會，等及互聯網 dotcom 泡沫吹起，留在美國也許發展更好也說不定。不過，當時在美國大公司所見的，的確是即使科技行業也有這個玻璃天花（glass ceiling），上面的職位望得到，但不會能上到去。我沒有詳細數據，但即使至今，大家印象中仍會覺得，除非自己創業，在美國大型科技企業的最高層，華人等亞裔的不多，除了印度人。

Minor Feelings

Hong 書中說的 minor feelings，是指當「美國式樂觀主義被置於你的身上，與自己種族實況面對呈現矛盾，導致的認知失調（cognitive dissonance），人家告訴你，一切在改善中，自己卻覺得，都是一樣；人家說，亞裔多成功，自己卻感覺失敗。」相反，當我們覺得，「受夠了」，要對自己誠實一些，即使要令其他人覺得「難相處」，卻會被視為「敵意、忘恩負義、妒忌、令人沮喪、好戰」，就像白人社會覺得我們走出模範樣式，出了軌。

想起來，當年離開美國，的確有點兒這些感受。不過，奇怪的是，今天在香港，如果嘗試把種族部分，自己選擇用一樣你感受到的東西代替，這「認知失調」和「被當作出了軌」的感覺，同樣出現。這，又是什麼？

所以，我說這書避不開，是因為有些事，有些感覺，是避不開的。《Minor Feelings》最成功之處，最另我覺得是所讀最佳的書之一的原因，是因為它出奇地令讀者反思。不只是共鳴，更加是反思。

#CathyParkHong #MinorFeelings
#和你讀
#光讀書 #書評 #讀書

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

“一國兩制3.0”，咁仲係咪一國兩制？

肯定仲係啦，淘寶嚟香港都未包郵⋯⋯

［#沈旭暉隨緣家書］經過三個月的群眾運動，特區政府終於由「暫緩」變成「壽終正寢」變成「動議撤回」《逃犯條例》修訂，也許算是回應了民間「五大訴求」的第一訴求，「千里之行、始於足下」，雖然被視為援兵之計，畢竟也是零的突破，不少長輩都感到欣慰。但正如同一個政府過去多月不斷表示，爭論字眼不需要，即使動議獲最終通過，「壽終正寢」與「撤回」無分別，既然是一個一個「無分別」的讓步，又如何期望「暫緩」當下的劍拔弩張？假如政府的「四大行動」是回應的終章、而不是千里之行的微步，帶來的期望落差，只會適得其反。

有些「和理非」私下認為，應該「見好就收」。究竟民間怎樣會「收貨」、甚麼才是「實際」，並沒有水晶球可準確預測，但希望政府明白，整件事情的「root cause」並非經濟物質主導，也不是外國勢力主導，這些因素即使存在，頂多也是助因。當初民間對《逃犯條例》修訂顯示的高度不信任，實乃反映對近年「一國兩制」每天被扭曲的高度不信任，而這觀點其實特首本人心知肚明，否則不會以「中港矛盾」的角度，在立法會形容反對條例的聲音「全部都是廢話」。

怎樣可以簡單分析上述憂慮？

「一國兩制」這概念不同西方的federation或federacy，正如北京強調乃「獨一無二」，具體表現在它涵蓋範圍的彈性：理論上，只要不是白紙黑字的「一國一制」與「港獨」，在中間的龐大光譜，都依然是「一國兩制」。假如這是海外例子，例如法國，一修訂憲法，就屬於全新的遊戲規則，此所以由「第三共和」到「第四共和」到「第五共和」，甚至黃背心運動也有人呼籲成立「第六共和」。但《基本法》作為香港實質上的「小憲法」（這名詞對北京而言也是政治不正確），卻屬於柔性小憲法，同一條文的執行方式，可以有龐大偏差。此所以1997年以來，同一個政治框架下生活的香港人，其實已經經歷了眾多不同朝代，只是名字上沒有改變而已，粗略可分如下：

一國兩制1.0（1997-2003）：當時北京對香港事務幾乎毫無參與，一切「河水不犯井水」，民間毫無港獨聲音，和港英後期的最初分別只是「換旗換督」，而董建華在全國的排名和實質地位，也遠高於現在的特首。可惜碰巧出現國際金融風暴，整個蜜月期並沒有轉化爲一般人的收成期。直到2003年出現七一遊行，北京的憂慮開始出現，開始調整香港政策。

一國兩制1.5（2003-2012）：北京雖然開始參與香港事務，但依然希望以公務員治港的實驗，多給予一次「港人（相對）治港」機會；取代董建華的曾蔭權曾豪言和中央「玩舖勁」，任內錄得至今最高的特首民望，而在2008年北京奧運期間，不用推國民教育，香港人的中國身份認同也創新高；其實即使是七一遊行時，港人的不滿也只是針對特區政府，北京的威望依然很高。但最後這任政府被批評為對國家安全議題把關不力、打擊地產霸權不力，曾蔭權的下場，更是令人欷歔。

一國兩制2.0（2012-2019.6）:梁振英擊敗唐英年當選特首，可看作中央對香港管治的一次路線大調整，強調土地問題是重中之重，希望通過在經濟議題造出成績，主打「民生」議題爭取民意；同時提倡加強國民身分認同及內交，改變過去十多年政府對「一國」的相對忽視，但以群眾鬥爭手法協助施政的風氣也開始出現。結果種種抗爭，因為政府路線的改變而激化，本土派逐漸成為氣候，2012年的反國教運動，2014年的雨傘運動、2016年的旺角黑夜，都是對意識形態上越來越收緊的回應；而當和平爭取的期望完全落空，勇武抗爭的民意也開始形成，整個管治模式和2012年前相比，彷如隔世。但客觀而言，政府「只是」以親疏有別形式扶植政治新貴「革新」建制派的政治光譜，加速中港融合，其他手段的打壓雖然開始出現，但尚未成為制度的一部份。

一國兩制2.5（《逃犯條例》如果通過）：條例修訂之所以惹來破紀錄人數的激烈反對，數以百萬計的港人多次上街，比例上冠絕全球，因為它激起了港人的深層憂慮，拆毀了內地和香港之間的「兩制」最重視的法制防火牆，令香港社會及國際社會重視一切行之有效的規章，都被殃及池魚。無論者是否過慮、無論湯家驊如何辯解，民眾擔心「一國」層面的其他規則和潛規則，也會加速來到香港，乃客觀事實。假如修訂通過，香港可說進入了「一國兩制2.5」時代；而民間的「五大訴求」，無論內容是甚麼，歸根究底，其實就是「不要出現一國兩制2.5」；即使回不去1.0，最好也要是2.0之前。

理論上，「動議撤回」條例、特首及官員落區開展對話平台，應該是保證2.5暫時不會出現，但民間為甚麼不可能滿意？這是因為——

一國兩制3.0（2019.6—）：6月大型群眾運動後，形勢急轉直下，不少人都被「點收科」這問題牽引，卻不為意一個超越2.0的威權主導、部份直接訴諸Rule by Fear的全新管治模式，已經全方位出現，特徵包括：

（1）完全依靠警隊具高度爭議性的執法，處理政治問題及異見聲音，期間出現的7.21、8.31，以及幾乎每天可見的濫「捕」及濫「暴」，甚至員佐級協會直斥示威者為「蟑螂」等「仇恨語言」，都不是2.0時代所能看見。這自然不是說示威者沒有使用武力，但正因如此，民間才認為必須一個有法定權力、可以傳召證人及查看文件的獨立調查委員會查清一切，否則更不可能還原一切。

（2）黑社會公然介入政治議題，不少公眾人物無故遇襲，連完全和平的連儂牆也出現針對普通市民的襲擊案，這和激進抗爭者針對象徵性物件和警察，帶來的陰霾，不能相提並論，而且前者並未受到同等程度的制裁，和示威者已有過千人被捕完全不成正比，更令人對社會治安有合理憂慮。

（3） 律政司可以在拘捕疑犯一天內起訴暴動罪，對同期其他相關罪行明顯有不同處理，連法庭檢控主任協會主席也發公開信質疑警方說謊、司法機關盲目配合會損害法治，反映「三權合作」、「依法治港」正取代「法治」概念。

（4）各行各業開始出現政治審查、秋後算賬，最明顯的例子是國泰航空，母公司備受政治壓力下，不少員工被無理解僱，具體罪名不過是參加了合法遊行，或在社交媒體顯示對運動的同情。遊行示威是《基本法》賦予的基本權利，以私人帳戶在社交媒體發言屬個人行為，但自從國泰先例一開，其他業界內部也陸續傳出成為對象。屆時社交媒體的白色恐佈、每個工作將出現的政治審查、作為資格審核的一部份，將不能回頭。這還不說可能隨之出現的換血，那就是4.0時代了。

於是，邏輯問題來了：假如這一波群眾運動的root cause，是令「一國兩制2.5」不出現，並把一國兩制帶回相對安穩的前2.0時代，此刻卻在運動期間，衍生比通過條例後的「一國兩制2.5」更令人不安的「一國兩制3.0」，特區政府要面對的深層次憂慮，早已比6月反修例時更嚴重。不少年青人以死相告，可謂絕望的明證。

建制內部的開明有心人如人大代表田北辰也明白，「社會焦點已不在撤回修例」，有法定效力的獨立調查委員會是「今時今日百分百必須需要做的事」。雖然不少人對委員會不寄予厚望，但假如委員會的調查範圍能涵蓋「一國兩制3.0」時代的上述特徵，一杯水端平查清一切，根本扭轉警察濫暴的結構性原因、杜絕黑社會襲擊平民的體制內外背景、為被秋後算賬的國泰員工及其他同類案例找回公義，帶領一國兩制起碼回到2.0時代，「五大訴求」自然得到回應，那份誠意，才是真正釋出的善意。

但假如特區政府根本不打算處理這些問題，或根本不被賦予處理這些問題的空間，「一國兩制3.0」就是fait accompli。對2.5的不滿已引來如此反應，3.0又會如何？政府朋友認為不要「得寸進尺、得隴望蜀」，但究竟這形容詞的subject，是哪方？假如政府昨天的姿態，在三個月前，即「一國兩制3.0」出現前搶先一步，運動早已「壽終正寢」；但到了今天，依然不承認root cause的根本，更悲慘的結局，豈非還在後頭？斗轉星移，放眼不羨永恒星體、悠悠沉睡終古之眾，在上位者空自等待果陀，何異活於平行時空。

明報筆陣2019年9月5日