中秋快樂!月圓人團圓,這個險峻的2021,也悄悄接近了尾聲。經歷了年中的大封鎖,我們又更珍惜能與家人、摯友緊密相處的時光。
隨著疫情逐漸趨緩,我們的生活也慢慢恢復正常,而我也回到了昔日東奔西跑的忙碌步調,粉專文章也悄悄的從每天固定一篇文,慢慢變回隨機發文的狀態。最大的成就感,莫過於完結了太魯那斯與梅樂峰,兩趟截然不同的大行程;它們無疑都是影響我甚深的記憶,讓我一直到2021年,才得以完整的把那2019年還能踏足海外的日子好好寫完。
在這個追求影片與動態作品的年代,繼續在文字的世界裡追求情感的傳遞、記憶的傳承、價值的伸張,還有靜態影像的美,就是我面時代洪流的答案。每個人都有自己擅長的事,每一個工作在世界上都有其位置;當自媒體被演算法逼著追求快速與流量時,我十分幸運的,有願意陪伴我的大家,喜歡我文字與影像的每一位朋友,能和我一起慢慢的在山林的知識宇宙裡,尋找隱藏其間的寶藏,在大樹的軀幹、時間的流沙之間,摸索那溫潤的自然與人文關懷。
在那段緩慢、不敢出門的日子裡,我讀了不少書,對台灣的山林又有了更深刻的認識與省思。不過學海無涯,書總是一種越看、越覺得自己懂得不夠的狀態。只好保持好奇與查證的心,真誠的面對這世界,寫出一段段我所看見的故事,與讀者一起成長。
---
雖然大家開始爬山了,但最近我都沒上高山,一直在郊山晃啊混的。因為我發現,這兩年台灣登山因疫情而爆炸性成長,所有沒有總量管制的地方都已經被破壞得和幾年前很不一樣了,尤其以戒茂斯最為明顯,連嘉明湖步道的乘載量都因而超載。擁擠的山頭、營地菜市場、妹池帳篷城… 這些美麗的高山百岳傳統路,已經不是我當初上山時所追求的樣貌,而成為了與都市公園無異的美麗背景,供往來遊客展現自己最美的一面。
台灣很小,台灣的高山更小,美麗又簡單的地方就那幾個;風景優美氣候舒適,導致新手登山人都想往那些地方擠,最後就造就了公共財的悲劇。
對我來說,我上山是為了追求與自然互動、滿足好奇心、探究生命與歷史的脈動和心靈的澄淨,而不是為了喧囂而至。於是,我自然而然將那些地方讓給了越來越多的遊客,漸漸只去「有總量管制的地方」,那裡保有始終如一的美麗與純樸。而不像無總量管制的地方,商業團無限量開團超載利用、自組隊抽不到國家公園也統統往那幾個地方擠,最終導致了擁擠不堪的營地、退化的植被、越來越大而泥濘的路徑、無人管理而四散的垃圾與大便。
要靠自組隊LNT與商業團自律來維護沒有總量管制的地方?那這樣警察局也可以撤了,我們靠道德約束就可以沒有罪犯啦!我們當然不可能跟人性對幹,像這種悲劇中的公共財,唯有政府的管理才能使其永續,否則只有衰亡。
要抽籤的路線都去過了、平常也沒太多機會排個10天20天到真正的野地,這時的我,選擇遠離那些紛擾之地,回到最靠近我們的地方,找回屬於大自然的感動與呼吸:郊山。
郊山夏天的氣候根本不是人走的,熱得要命,蚊蟲又超多。但如果能日出就出發,中午前就收工,郊山能練體能之餘,也非常省時間,更有效提升應對溼滑地形的能力(尤其北部),是讓自己在生活間,也能充滿「山」的元素的最佳選擇。而不是只去那幾個已經被玩到環境退化的高山景點人擠人,又或者久久才來一次多天縱走儲值身體裡的自然能量。這是我開始登山多年後,才在近幾年體悟的心情。
山是沒有界限的,真正深愛山的人,不會瞧不起任何一條步道,如同山接納形形色色的登山人那般。
而我也不會講「讓山喘息」這種重度移情的話,因為就算那幾個熱門景點被玩爛,爛掉的地方也是我們人類會待的範圍而已;只要沒有再開闢新路線,依然能把對山林的損害控制在步道與營地的範圍之內。但是,一但被玩爛,那麼那些地方也就真的不再好玩了,變成自組團永遠搶輸商業團的營地爭奪戰,以及人聲鼎沸的綠色城市。
不過,那無疑也是一種都市人親近自然的方式,只是失去了荒野的味道、少了靜謐與沈澱,多了人與人的競爭與比較。對我來說,就是又少了一個輕鬆的地方能去罷了。
台灣的山林很廣大的,認識裝備、把手機GPS練好、到郊山把體能練好,不要一直想著去哪裡都要分享、打卡,那麼你就會發現,台灣處處是秘境、山山是好山,很容易找到人煙稀少的山徑享受自然。如同這次中秋連假深山又到處擠爆時,我留在台北跟朋友來趟陽明山大縱走動動筋骨,意外看見了這包籜矢竹夾道的大屯山徑,在台北連假唱空城之際,是那樣幽靜而深邃,只有頭頂搖擺的竹葉與風聲,讓人忘卻這僅是距台北幾步之遙的陽明山國家公園。
剩下三個多月了,2021這場惡夢終於到了尾聲,謝謝每一位朋友在疫情期間每天看我寫故事,也很抱歉我又要恢復不定期發文的狀態,希望我們都能平安健康的迎接2022囉!
有緣的話,我們山上見~
同時也有1部Youtube影片,追蹤數超過3,430的網紅澎遊誌【XieAerial】,也在其Youtube影片中提到,看完喜歡請記得 【 留言💬 訂閱🔔 點讚👍 分享🔗 】 演算法才會讓更多人看見我的作品🙏🙏🙏 繼續往下滑 ⏬ 我準備了 ㊙️ 非常詳細的路線資訊 ㊙️ ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬ 【 擱淺貨輪 𝑪𝒉𝒂𝒏𝒈𝒉𝒖𝒂 】 曾有次在網絡上看過有人拍這景...
圓徑算法 在 Facebook 的最讚貼文
創新工場和BCG咨詢合作的「+AI改造者」系列: 看看多面手鎂伽如何由點到面,用機器人和自動化賦能生命科學、製造和零售業。
改造者系列:將核酸檢測提效40倍的自動化變革推手 -- 本文来自BCG微信公眾號,經授權轉載。
近期,創新工場聯合BCG波士頓咨詢旗下亨德森智庫,推出「AI融合產業:『改造者』如何促進AI普惠」系列研究。人工智能在大陸有著明確的落地應用場景,大量的AI企業活躍於這些垂直場景中,我們定義這些企業為「改造者」。「改造者」通過傳授其AI技術和垂直行業理解,極大地打破了傳統企業應用AI的瓶頸。
作為擅於趨勢前瞻的TechVC,創新工場長期看好AI領域,深入佈局,至今已經投出了7隻AI獨角獸。在系列研究中,我們采訪了數家創新系AI企業,通過這些「改造者」的視角,探究傳統企業擁抱AI的範式與路徑。
創新工場投資的鎂伽是大陸領先的高科技公司,成立於2016年,專注于機器人和人工智能技術的研發並將其深度融合于行業應用,提供從終端到雲端的產品與服務,賦能生命科學、先進製造等領域的智能變革,同步探索在智能零售等場景的創新應用。疫情期間,鎂伽為核酸檢測的應用需求提供了一系列高通量病毒核酸檢測解決方案,全程無人工參與,「樣品進、結果出」的全自動化,最大化保證結果的準確,效率相比人工提升40倍以上,最大可能降低了人工實驗過程中的感染風險。
2021年,鎂伽正式宣佈其自主研發的中國首家通用型智能自動化生物實驗室——鎂伽鯤鵬實驗室一期在北京正式落成,同時也在上海、蘇州開始佈局滿足不同功能的自動化生物實驗室,預計於2022年陸續投入使用。鯤鵬實驗室將專注于細胞基因編輯、高通量藥物篩選、合成生物學等領域的研究,致力於打造次世代的生命科學基礎設施,提高生命科學研發和生產效率,賦能行業融合創新,引領即將到來的生物學革命。
在采訪中,鎂伽認為AI應用企業要從垂直行業的實際問題出發,通過儲備和培養大量複合型人才,做到「比客戶更懂業務」。以下:
■系列導讀
本系列由BCG亨德森智庫與創新工場董事長兼首席執行官李開復博士帶領的創新工場團隊共同推出,圍繞「AI融合產業:『改造者』1如何促進AI普惠」的課題,我們致力於探究傳統企業在應用AI過程中的關鍵要素與合作夥伴,以及傳統企業擁抱AI的範式與路徑。
在上篇中,我們接觸了提供端到端AI醫藥平臺的英矽智能,在今天的文章中,我們將進一步瞭解在生命科學、先進製造與智能零售等創新領域提供智能自動化技術與產品的高科技公司,即「改造者」——鎂伽科技。
1 「改造者」通過傳授其AI技術和垂直行業理解,極大地打破了傳統企業應用AI的瓶頸,充當產業中傳統企業應用AI的橋樑。「改造者」包括AI企業與成功轉型AI的傳統企業。
鎂伽是中國大陸領先的高科技公司,憑藉卓越的智能自動化技術與產品,實現行業創新突破和深度融合,致力於構建智能社會,賦能生命科學、先進製造等領域的智能變革,同步探索在智能零售等場景的創新應用。
■對談實錄
Q1:鎂伽為生命科學、零售和製造業提供AI解決方案,三個行業跨度很大,鎂伽如何進行賽道選擇?在發展過程中如何增進行業理解?
鎂伽:鎂伽是以機器人和自動化技術起家的,但在服務客戶的過程中,我們發現客戶需要的不只是機器人本體或自動化設備,還要結合行業需求痛點的解決方案。生命科學和線下零售都是市場容量很大、增速很快的行業,但自動化和智能化的滲透程度還很低,急切地需要提升生產力,因此我們選擇進入這些賽道。
這三個賽道看似跨度很大,但其實底層技術是相通的。比如人工智能技術可以用於晶圓的缺陷檢測,也可以用在藥物篩選實驗中的細胞培養和克隆挑選。鎂伽開發了許多通用的基礎底層技術作為支撐,比如IntellVega通用視覺平臺已經應用於工業領域線上視覺檢測以及生命科學領域的藥物篩選,鎂伽還有一個技術中台MegaCloud,集合了跨行業的後臺數據,能夠支援鎂伽在不同領域的各項業務。
當然,對於一線業務來說,使用人工智能或者自動化的形態是完全不同的。鎂伽通過儲備和培養大量複合型人才做到「比客戶更懂他的業務」,以體現鎂伽的專業性和技術領先性。以生命科學領域為例,鎂伽不只有人工智能算法科學家,還有包括幹細胞、類器官、合成生物學、免疫學、病毒學等方向的科學家,既有來自CRO、IVD和藥企的專業人才,也有懂市場營銷的專家。由於團隊的多樣性和複合性,鎂伽內部也建立了充分的互相培訓機制,加強團隊之間的磨合與學習。
同時,現代生物學現在已經成了大數據科學,人工智能的應用是大勢所趨。鎂伽在助力生命科學領域轉型的過程,通過智能自動化技術,説明客戶把非常複雜的生物學實驗標準化、自動化和數字化。鎂伽在兩個方面説明生命科學的客戶,一是用行業領先的高效自動化系統説明客戶快速產生海量的多維度實驗數據;二是用鎂伽人工智能平臺説明客戶對生物數據進行模型構建和關聯性分析,進而指導實驗的持續優化。
另外,鎂伽也是少有的在生命科學領域搭建了完整的生物學自動化實驗室的企業,能夠融合我們自己的自動化和人工智能技術。客戶親眼看到我們的實驗室之後都會很受震撼,認識到我們做的事情非常前沿,他們也很想加入。這就使得鎂伽和其他生命科學領域的硬件設備廠家區分開來。
鎂伽甚至發現,從過去幾年到如今,有不少AI技術公司找到我們,希望借鑒我們的垂直行業經驗。這些團隊往往有很強的AI算法能力,但是缺乏數據、缺乏應用數據的方式。以藥物篩選為例,鎂伽可以做到在實驗室設計方案之初就考慮到收集哪些關鍵數據並使其很好地滿足機器學習算法的要求,從而在實驗過程中自動採集證據以證明細胞安全且來源單一,滿足監管的要求。這是鎂伽相比於其他AI公司的獨到優勢。
在開發解決方案的過程中,鎂伽一直堅持從業務問題出發,首先找到高價值的應用點,再把點串成線,由線鋪到面。
Q2:就鎂伽的觀察而言,傳統企業應用AI有哪些共性問題?鎂伽是如何解決的?
鎂伽:傳統企業首先對AI技術能夠解決什麼問題比較模糊,也不太能理解AI是如何解決問題的。例如對AI如何能替代人工檢查、或者提升產品良率都不理解,因此很難提煉他們對AI的需求。鎂伽需要引導傳統企業的決策者來梳理業務流程,明確行業的特定痛點,從而制定解決方案,並計算和衡量自動化和AI能夠為企業帶來的經濟價值。
同時,傳統企業往往也缺乏高質量的數據,或者有數據但並未標記、數據不標準,無法有效地投入AI應用。傳統企業還缺乏AI人才,自動駕駛和視頻監控行業的人才和技術可能相對更多,但在傳統製造、生物醫藥這些行業,AI人才和技術是較為欠缺的。鎂伽建立了高效的數據獲取、自動化模型訓練和高精度上線部署的AI閉環,軟硬件團隊和測試團隊也做了充分的磨合,可以極大地提升傳統企業研發應用AI的效率。否則,從模型搭建、數據清洗到模型訓練、結果分析部署等等諸多環節,對傳統企業而言都是費時費力甚至難以為繼的。
鎂伽還會幫傳統企業搭建懂AI的團隊和建立完整的數據體系,包括説明傳統企業的團隊理解如何提煉數據、要采集並標注什麼數據等等。幫助傳統企業建立一支懂得AI應用的團隊有利於傳統企業的持續AI賦能。鎂伽內部建立了一個共有技術平臺,以機器人控制、2D和3D視覺、深度學習為核心的IntellVega平臺,及為用戶提供物聯網、SaaS線上集群服務和大數據分析等核心的 MegaCloud平臺,通過專業的開發團隊為客戶提供高效、智能化的整體解決方案,而傳統企業只需要提煉他們自身對產品工藝、質量的要求就可以了。
■要點回顧
1、「改造者」需要從垂直行業的業務問題出發,打造複合型團隊(既懂AI又懂垂直行業的專業人才),並加強團隊融合,實現「比客戶更懂業務」。
2、一流的「改造者」不只是提供產品和解決方案而已,還應當幫助傳統企業驅動變革管理,幫助識別和定義問題和需求,驅動認知轉變並提高員工技能,從而使AI應用在長期可持續。
■本期內容來自BCG對話鎂伽首席科學家王承志博士、首席技術官丁新宇先生、研發副總裁段金瑞博士、人工智能算法科學家蒯多傑博士和孫新先生。
圓徑算法 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
軟體吞噬硬體的 AI 時代,晶片跟不上演算法的進化要怎麼辦?
作者 品玩 | 發布日期 2021 年 02 月 23 日 8:00 |
身為 AI 時代的幕後英雄,晶片業正經歷漸進持續的變化。
2008 年之後,深度學習演算法逐漸興起,各種神經網絡滲透到手機、App 和物聯網。同時摩爾定律卻逐漸放緩。摩爾定律雖然叫定律,但不是物理定律或自然定律,而是半導體業發展的觀察或預測,內容為:單晶片整合度(積體電路中晶體管的密度)每 2 年(也有 18 個月之說)翻倍,帶來性能每 2 年提高 1 倍。
保證摩爾定律的前提,是晶片製程進步。經常能在新聞看到的 28 奈米、14 奈米、7 奈米、5 奈米,指的就是製程,數字越小製程越先進。隨著製程的演進,特別進入10 奈米後,逐漸逼近物理極限,難度越發增加,晶片全流程設計成本大幅增加,每代較上一代至少增加 30%~50%。
這就導致 AI 對算力需求的增長速度,遠超過通用處理器算力的增長速度。據 OpenAI 測算,從 2012 年開始,全球 AI 所用的演算量呈現等比級數增長,平均每 3.4 個月便會翻 1 倍,通用處理器算力每 18 個月至 2 年才翻 1 倍。
當通用處理器算力跟不上 AI 演算法發展,針對 AI 演算的專用處理器便誕生了,也就是常說的「AI 晶片」。目前 AI 晶片的技術內涵豐富,從架構創新到先進封裝,再到模擬大腦,都影響 AI 晶片走向。這些變化的背後,都有共同主題:以更低功耗,產生更高性能。
更靈活
2017 年圖靈獎頒給電腦架構兩位先驅 David Petterson 和 John Hennessy。2018 年圖靈獎演講時,他們聚焦於架構創新主題,指出演算體系結構正迎來新的黃金 10 年。正如他們所判斷,AI 晶片不斷出現新架構,比如英國 Graphcore 的 IPU──迥異於 CPU 和 GPU 的 AI 專用智慧處理器,已逐漸被業界認可,並 Graphcore 也獲得微軟和三星的戰略投資支援。
名為 CGRA 的架構在學界和工業界正受到越來越多關注。CGRA 全稱 Coarse Grained Reconfigurable Array(粗顆粒可重構陣列),是「可重構計算」理念的落地產物。
據《可重構計算:軟體可定義的計算引擎》一文介紹,理念最早出現在 1960 年代,由加州大學洛杉磯分校的 Estrin 提出。由於太過超前時代,直到 40 年後才獲得系統性研究。加州大學柏克萊分校的 DeHon 等將可重構計算定義為具以下特徵的體系結構:製造後晶片功能仍可客製,形成加速特定任務的硬體功能;演算功能的實現,主要依靠任務到晶片的空間映射。
簡言之,可重構晶片強調靈活性,製造後仍可透過程式語言調整,適應新演算法。形成高度對比的是 ASIC(application-specific integrated circuit,專用積體電路)。ASIC 晶片雖然性能高,卻缺乏靈活性,往往是針對單一應用或演算法設計,難以相容新演算法。
2017 年,美國國防部高級研究計劃局(Defence Advanced Research Projects Agency,DARPA)提出電子產業復興計劃(Electronics Resurgence Initiative,ERI),任務之一就是「軟體定義晶片」,打造接近 ASIC 性能、同時不犧牲靈活性。
照重構時的顆粒分別,可重構晶片可分為 CGRA 和 FPGA(field-programmable gate array,現場可程式語言邏輯門陣列)。FPGA 在業界有一定規模應用,如微軟將 FPGA 晶片帶入大型資料中心,用於加速 Bing 搜索引擎,驗證 FPGA 靈活性和演算法可更新性。但 FPGA 有局限性,不僅性能和 ASIC 有較大差距,且重程式語言門檻比較高。
CGRA 由於實現原理差異,比 FPGA 能做到更底層程式的重新設計,面積效率、能量效率和重構時間都更有優勢。可說 CGRA 同時整合通用處理器的靈活性和 ASIC 的高性能。
隨著 AI 演算逐漸從雲端下放到邊緣端和 IoT 設備,不僅演算法多樣性日益增強,晶片更零碎化,且保證低功耗的同時,也要求高性能。在這種場景下,高能效高靈活性的 CGRA 大有用武之地。
由於結構不統一、程式語言和編譯工具不成熟、易用性不夠友善,CGRA 未被業界廣泛使用,但已可看到一些嘗試。早在 2016 年,英特爾便將 CGRA 納入 Xeon 處理器。三星也曾嘗試將 CGRA 整合到 8K 電視和 Exynos 晶片。
中國清微智慧 2019 年 6 月量產全球首款 CGRA 語音晶片 TX210,同年 9 月又發表全球首款 CGRA 多模態晶片 TX510。這家公司脫胎於清華大學魏少軍教授起頭的可重構計算研究團隊,從 2006 年起就進行相關研究。據芯東西 2020 年 11 月報導,語音晶片 TX210 已出貨數百萬顆,多模組晶片 TX510 在 11 月也出貨 10 萬顆以上,主要客戶為智慧門鎖、安防和臉部支付相關廠商。
先進封裝上位
如開篇提到,由於製程逼近物理極限,摩爾定律逐漸放緩。同時 AI 演算法的進步,對算力需求增長迅猛,逼迫晶片業在先進製程之外探索新方向,之一便是先進封裝。
「在大數據和認知計算時代,先進封裝技術正在發揮比以往更大的作用。AI 發展對高效能、高吞吐量互連的需求,正透過先進封裝技術加速發展來滿足。 」世界第三大晶圓代工廠格羅方德平台首席技術專家 John Pellerin 聲明表示。
先進封裝是相對於傳統封裝的技術。封裝是晶片製造的最後一步:將製作好的晶片器件放入外殼,並與外界器件相連。傳統封裝的封裝效率低,有很大改良空間,而先進封裝技術致力提高整合密度。
先進封裝有很多技術分支,其中 Chiplet(小晶片/芯粒)是最近 2 年的大熱門。所謂「小晶片」,是相對傳統晶片製造方法而言。傳統晶片製造方法,是在同一塊矽晶片上,用同一種製程打造晶片。Chiplet 是將一塊完整晶片的複雜功能分解,儲存、計算和訊號處理等功能模組化成裸晶片(Die)。這些裸晶片可用不同製程製造,甚至可是不同公司提供。透過連接介面相接後,就形成一個 Chiplet 晶片網路。
據壁仞科技研究院唐杉分析,Chiplet 歷史更久且更準確的技術詞彙應該是異構整合(Heterogeneous Integration)。總體來說,此技術趨勢較清晰明確,且第一階段 Chiplet 形態技術較成熟,除了成本較高,很多高端晶片已經在用。
如 HBM 儲存器成為 Chiplet 技術早期成功應用的典型代表。AMD 在 Zen2 架構晶片使用 Chiplet 思路,CPU 用的是 7 奈米製程,I/O 使用 14 奈米製程,與完全由 7 奈米打造的晶片相比成本約低 50%。英特爾也推出基於 Chiplet 技術的 Agilex FPGA 系列產品。
不過,Chiplet 技術仍面臨諸多挑戰,最重要之一是互連介面標準。互連介面重要嗎?如果是在大公司內部,比如英特爾或 AMD,有專用協議和封閉系統,在不同裸晶片間連接問題不大。但不同公司和系統互連,同時保證高頻寬、低延遲和每比特低功耗,互連介面就非常重要了。
2017 年,DARPA 推出 CHIPS 戰略計劃(通用異構整合和 IP 重用戰略),試圖打造開放連接協議。但 DARPA 的缺點是,側重國防相關計畫,晶片數量不大,與真正商用場景有差距。因此一些晶片業公司成立組織「ODSA(開放領域特定架構)工作組」,透過制定開放的互連介面,為 Chiplet 的發展掃清障礙。
另闢蹊徑
除了在現有框架內做架構和製造創新,還有研究人員試圖跳出電腦現行的范紐曼型架構,開發真正模擬人腦的計算模式。
范紐曼架構,數據計算和儲存分開進行。RAM 存取速度往往嚴重落後處理器的計算速度,造成「記憶體牆」問題。且傳統電腦需要透過總線,連續在處理器和儲存器之間更新,導致晶片大部分功耗都消耗於讀寫數據,不是算術邏輯單元,又衍生出「功耗牆」問題。人腦則沒有「記憶體牆」和「功耗牆」問題,處理訊息和儲存一體,計算和記憶可同時進行。
另一方面,推動 AI 發展的深度神經網路,雖然名稱有「神經網路」四字,但實際上跟人腦神經網路運作機制相差甚遠。1,000 億個神經元,透過 100 萬億個神經突觸連接,使人腦能以非常低功耗(約 20 瓦)同步記憶、演算、推理和計算。相比之下,目前的深度神經網路,不僅需大規模資料訓練,運行時還要消耗極大能量。
因此如何讓 AI 像人腦一樣工作,一直是學界和業界積極探索的課題。1980 年代後期,加州理工學院教授卡弗·米德(Carver Mead)提出神經形態工程學的概念。經過多年發展,業界和學界對神經形態晶片的摸索逐漸成形。
軟體方面,稱為第三代人工神經網路的「脈衝神經網路」(Spike Neural Network,SNN)應運而生。這種網路以脈衝信號為載體,更接近人腦的運作方式。硬體方面,大型機構和公司研發相應的脈衝神經網路處理器。
早在 2008 年,DARPA 就發起計畫──神經形態自適應塑膠可擴展電子系統(Systems of Neuromorphic Adaptive Plastic Scalable Electronics,簡稱 SyNAPSE,正好是「突觸」之意),希望開發出低功耗的電子神經形態電腦。
IBM Research 成為 SyNAPSE 計畫的合作方之一。2014 年發表論文展示最新成果──TrueNorth。這個類腦計算晶片擁有 100 萬個神經元,能以每秒 30 幀的速度輸入 400×240pixel 的影片,功耗僅 63 毫瓦,比范紐曼架構電腦有質的飛躍。
英特爾 2017 年展示名為 Loihi 的神經形態晶片,包含超過 20 億個晶體管、13 萬個人工神經元和 1.3 億個突觸,比一般訓練系統所需的通用計算效率高 1 千倍。2020 年 3 月,研究人員甚至在 Loihi 做到嗅覺辨識。這成果可應用於診斷疾病、檢測武器和爆炸物及立即發現麻醉劑、煙霧和一氧化碳氣味等場景。
中國清華大學類腦計算研究中心的施路平教授團隊,開發針對人工通用智慧的「天機」晶片,同時支持脈衝神經網路和深度神經網路。2019 年 8 月 1 日,天機成為中國第一款登上《Nature》雜誌封面的晶片。
儘管已有零星研究成果,但總體來說,脈衝神經網路和處理器仍是研究領域的方向之一,沒有在業界大規模應用,主要是因為基礎演算法還沒有關鍵性突破,達不到業界標準,且成本較高。
附圖:▲ 不同製程節點的晶片設計製造成本。(Source:ICBank)
▲ 可重構計算架構與現有主流計算架構在能量效率和靈活性對比。(Source:中國科學)
▲ 異構整合成示意動畫。(Source:IC 智庫)
▲ 通用處理器的典型操作耗能。(Source:中國科學)
資料來源:https://technews.tw/2021/02/23/what-to-do-if-the-chip-cannot-keep-up-with-the-evolution-of-the-algorithm/?fbclid=IwAR0Z-nVQb96jnhAFWuGGXNyUMt2sdgmyum8VVp8eD_aDOYrn2qCr7nxxn6I
圓徑算法 在 澎遊誌【XieAerial】 Youtube 的最讚貼文
看完喜歡請記得
【 留言💬 訂閱🔔 點讚👍 分享🔗 】
演算法才會讓更多人看見我的作品🙏🙏🙏
繼續往下滑 ⏬ 我準備了
㊙️ 非常詳細的路線資訊 ㊙️
▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬
【 擱淺貨輪 𝑪𝒉𝒂𝒏𝒈𝒉𝒖𝒂 】
曾有次在網絡上看過有人拍這景點
就一直很想來這裡
在做好潮汐與相關準備後終於圓夢。
➤ 不想看前序可直接跳到 3:15 👈🏻 點擊
因為第一次錄旁白
收音不是很好 ( 嘗試但失敗好多次 ) 請見諒
日後慢慢學習調整怎麼錄好聲音與後製
如果有經驗者歡迎提供給我一些意見
⭕️ 此片為探索版本,觀賞完整空拍請看
【空拍版本】https://youtu.be/_kv6xzi9nwE
追蹤最新消息
➤ 𝗙𝗮𝗰𝗲𝗯𝗼𝗼𝗸 粉絲團
https://www.facebook.com/XieAerial
看更多秘境照片
➤ 𝗜𝗻𝘀𝘁𝗮𝗴𝗿𝗮𝗺
https://www.instagram.com/xieaerial
▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬
🥾 【 行程 】
彰化 - 北門口肉圓
彰化生態教育自然中心 - 伸港溼地 - 擱淺貨輪
⭕️ 【建議裝備】
雨鞋 / 涼鞋
( 回程換回原本鞋子可避免弄髒交通工具 )
⚠️【重要提醒】
🚨 此區為危險海域
不可戲水歐
🚨 確認潮汐時間 ( 乾潮前1.5h左右出發 )
點擊參考氣象局潮汐
👉 https://www.cwb.gov.tw/V8/C/M/Fishery/tide_30day_MOD/T000705.html
🚨 貨輪未報廢屬於私人財產
外部梯子已經半損毀狀態
請勿以身試法與危險
🗺️ 【地理資訊】獅子山共和國貨輪
𝑺𝒕𝒓𝒂𝒏𝒅𝒆𝒅 𝒇𝒓𝒆𝒊𝒈𝒉𝒕𝒆𝒓
【 貨輪資料 】
➤ 長51公尺、寬8公尺,總重約493噸
➤ 大陸籍船長1位、7位陸籍、1位緬甸船員
9/25台中港出海遭遇機械故障與颱風米塔
吹襲,導致漂流至彰化伸港擱淺。
🆕【 相關新聞 】
華視 | https://www.youtube.com/watch?v=csIrwQmXIeU
TVBS | https://www.youtube.com/watch?v=KZfOyEMz-cE
📍 【地圖定位】𝗚𝗼𝗼𝗴𝗹𝗲 𝗺𝗮𝗽
✒️ 北門口肉圓 | https://goo.gl/maps/EQqPmXWSpG6vSJkC6
✒️ 彰化自然生態教育中心 | https://goo.gl/maps/ijNvKwedBNicQdNm9
✒️ 海邊入口處 | https://goo.gl/maps/hNhXBuZFYKrx9od77
✒️ 擱淺貨輪 | https://goo.gl/maps/9CduQcdy7eVoaQvDA
🎞️【其他影片】https://reurl.cc/lVYLlA
⚠️【關於技巧與裝備請斟酌參考】
▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬
🎞️ 引用片段
彰化旅遊資訊網
https://drive.google.com/file/d/1nXZUhiz9dE0IQdgOwjhKkDU_gQuYsgN6/view?usp=sharing
🎵 Track Info
Title: Birds by Scandinavianz
Genre and Mood: Dance & Electronic + Inspirational
Birds by Scandinavianz https://soundcloud.com/scandinavianz
Creative Commons — Attribution 3.0 Unported — CC BY 3.0
Free Download / Stream: https://bit.ly/Birds-Scandinavianz
Music promoted by Audio Library https://youtu.be/4iknKLfV2X8
➤ 0:00 開頭介紹 | Intro
➤ 0:40 彰化車站/租車
➤ 1:10 北門口肉圓
➤ 2:00 彰化自然生態教育中心
➤ 3:15 出發海邊
➤ 5:30 到達最近停車點/海上小徑
➤ 8:42 擱淺貨輪/空拍
➤ 9:50 結尾/照片分享
🌿 喜歡請訂閱加小鈴鐺 🔔,有更新才會被通知
🌿 歡迎實質課金支持我繼續創作的動力 🥰
➤ 𝑫𝒐𝒏𝒂𝒕𝒆 贊助我 | https://p.ecpay.com.tw/80251
#彰化 #擱淺貨輪 #XieAerial @澎遊日誌【XieAerial】
![post-title](https://i.ytimg.com/vi/Ag-58zyM3yw/hqdefault.jpg)
圓徑算法 在 【不藏私大公開】教你如何正確又快速地算出圓周長! - 親子天下 的相關結果
先回顧上個影片提到的”圓周率”的由來,再由圓周率等於周長和直徑的比值,來反推圓周長的求法,由於圓周率是一個固定值,所以只要知道直徑,就一定能求出圓 ... ... <看更多>
圓徑算法 在 圓計算機 的相關結果
以下是半徑為r的圓的麵積,圓周和直徑的計算公式:. 圓的直徑. d = 2r. 圓周. C =2πr=πd. 一個圓圈的區域. A =πR2. 其中: A =圓的麵積. C =圓周長 d =圓的直徑 r =圓 ... ... <看更多>
圓徑算法 在 小六數學|圓周長怎麼算?看圖學觀念,快速搞懂圓周長公式算法 的相關結果
圓周長=直徑x圓周率。圓周長、直徑和圓周率的對應關係是什麼?帶你看圖認識圓形構造,學習推導圓周長的計算公式,不須死記也會算! ... <看更多>