【幾歲開始學英文比較好?】
這是許多家長心中的疑問🧐
也絕對不是三言兩語就能表達清楚的
#此文慎長請耐心閱讀😊
學習語言的路漫長,如果能越早開始當然是最好
但如果已經錯過黃金關鍵期,還補得回來嗎?!🙁
早期有研究發現:
1. 0-7歲是人類語言學習的關鍵期。
2. 7歲以前的孩子,完全有能力同時學習兩種語言。
3. 7歲之後,語言學習的效率開始急劇下降, 等到17歲後,將基本失去第二語言學習的天賦。
《來自華盛頓大學教授,帕特里夏·庫爾(Patricia Kuhl)研究發現》
雖然如此,但我認為只要有心向學
#學習方式與目標會比何時開始來得重要
所以~別擔心 只要願意開始,都不嫌晚哦!
當然,尚未有學習認知的幼兒,需要家長大力相助
接著,我們來看看各年齡層的孩子
學習重點是什麼呢?🤓
〔0Y-2Y〕
🔺學習重點:培養興趣、愛上閱讀
0-2歲是英文啟蒙的最佳時機,在家撥放英語CD、英語歌謠帶動唱、講英語繪本…等等,都是激發孩子對英語充滿熱情的學習方式。
對有些爸媽來說,講繪本可不是一件容易的事,所以,這時候爸媽就丟掉平日的面子,來一場激昂的演出吧!
用高調的語氣,浮誇的表情,盡情把繪本表現得淋漓盡致,就算發音不是那麼標準也沒關係,重點是讓寶寶覺得閱讀是一件好玩的事情,間接培養閱讀的好習慣哦📖
〔2Y-4Y〕
🔺學習重點:家長陪伴、語感養成、基礎自然發音、提升熱情
語感養成可以從「聽」開始,Youtobe上有許多英語學習頻道,都可以幫助孩子提升「聽力」的部分,像是:Alphablocks、BabyBus、Pinkfong、Wordworld 等等,這些都是很有趣且適合幼兒學英語的頻道。
另外,像是有聲書、點讀筆、Podcast頻道、家長的陪伴⋯等等,也都可以增進孩子的語言發展,不一定要依賴太多的3C哦!
家長們也可以利用每日或空閒的零碎的時間,和他們進行一些小互動。以自身經驗舉例,Eason、Fairy幼兒時期,我和爸爸幾乎每天晚上會教他們5-8個單字的發音,對大人來說是"教",但對小孩來說卻是"爸爸媽媽在陪玩"。
比如今天安排的主題是/a/,我們會找一些相關單字來教自然發音,像是:bat、rat、rag、tag、sad、bad,大家可能會想說,有些單字並不常用,而且小孩也不了解意思啊~
但其實自然發音,就是要用他們不熟悉的單字來學習,這些冷門字更可以讓孩子專注在"拼音",盡量安排字母少、重複性較高的單字,才能加深孩子的印象👍🏻
每次"教學"的過程中,別忘了這其實是一種親子遊戲,家長不需要太嚴肅,一開始可以來首帶動唱炒熱氣氛,接下來在小黑板或紙上寫出字母,大人邊寫讓孩子邊讀,寫完一個單字,再很疑惑地問他們?What's this?? 接著一個字母一個字母教發音,最後讓他們試著自己唸出這個單字。
過程中就算孩子念錯也沒關係,千萬不要取笑或是指責,因為這只是在培養他們的語感,學語言是急不來的,每次的學習、陪玩,都是在加深印象,當孩子覺得有趣,自然會增加對英文的熱情👏🏻
〔4Y-6Y〕
🔺學習重點:增加閱讀量與難度、生活英語對話
4-6歲的學齡前兒童,可以增加閱讀的量,從簡易的繪本,改為童話故事等字數較多的書籍,甚至可以加入一些練習本,讓孩子開始動手從繪畫中學英文!
此階段的孩子,學英語的方式很多元,可以從畫畫、美術、運動、生活中學習,目標是將英語融入在生活中,讓他們學習運用比死背更重要!
若帶孩子做練習本時,不需要特別解釋字面上的意思,也先不要用中文解釋,可以用動作、語調、手勢,讓孩子試著去思考、想像,最後再指著頁面上空白處,引導孩子畫圖,經過思考的學習,總是會特別印象深刻。
簡易日常英語互動對話,像是:
"Time to wake up."
"Go wash your hands. "
"hurry up."
"Take off your shoes."
"put on your jacket."
”It’s time to take a shower”
“Could you please give it to me”
這些日常生活,每天必做的事,可以試著用英語表達,孩子一開始一定聽不懂那是麼意思,先用動作代替解釋,一邊做給孩子看,一邊說出這個動作的英文,漸漸地他們就會瞭解意思,不需要一直用中文解釋英文哦☺️
〔6Y up〕
🔺學習重點:補充課外讀物、增加「聽說讀寫」能力、正確的學習態度
6歲以上的孩子,已經到了升小學的年紀,需要更完整的學習,「聽說讀寫」各方面都很重要。
因為國小以上的孩子,開始會有學業上的壓力,若是低年級的英文能力不足,到中高年級,甚至是國高中以後,會比較辛苦!
我認為,如果想讓孩子在未來,英語科不要讀得那麼吃力,那麼多補充課外讀物是必要的,也有很多家長會選擇將孩子送到英語補習班或是線上教學課程,這些都是不錯的選擇。
相較於英語學習上的技巧,我認為國小生的學習態度更是重要,我經常教導孩子把心態歸零學習,虛心受教才能學到更多,讓自己更有智慧!
另外,此階段的孩子,在學習上需要的是自信與成就感,別因為他單字背不起來、考試成績不理想、怎麼教都教不會,而指責他。
語言是需要長期學習的,現在懂得很多,不代表未來都還記得;現在學不起來,也不代表永遠不會。給孩子一點時間,自然會找到適合自己的方法哦✊🏻
以上個人經驗分享,希望你們喜歡
如果覺得不錯的話,也歡迎按讚留言一起交流哦❤️
同時也有142部Youtube影片,追蹤數超過41萬的網紅文森說書,也在其Youtube影片中提到,當看到書封時,我當下就好期待~ 想說:「這本書的主題我從沒讀過,你可別讓我失望」 最後,它的確表現得相當精彩 書中有段話我記得特別深刻 「我們習慣這樣的呼吸方式,但不代表它對我們人體最有益」 作者用著如小說般的書寫方式,一步步帶讀者了解呼吸之於人類的意義及歷史 這本書不像一般的科普書,沒有太多艱澀...
深刻 類語 在 李開復 Kai-Fu Lee Facebook 的最佳解答
近日,我與阿萊克斯·彭特蘭教授(Alex Pentland)展開了一場”AI如何重塑人類社會”的精彩對話。
《連線》雜誌的資深撰稿人威爾·奈特(Will Knight)主持了這場對話。
阿萊克斯·彭特蘭教授任教于麻省理工學院,為全球大資料權威專家之一,現任MIT連接科學研究所主任、MIT媒體藝術與科學教授,擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜,曾參與創建MIT媒體實驗室,是全球被引述次數最多的計算科學家之一。
對話金句:
李開復:
AI最大的機會蘊藏在與傳統企業的結合中,這種價值的產生極其迅速,只需要幾個月,甚至短短幾周。
未來突破很難預測,對奇點、超級智慧的爭辯,在我看來都過於樂觀了。
小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,不要與巨頭核心業務正面硬碰。
阿萊克斯·彭特蘭:
AI絕非試圖取代人類,而是促進多元文化之間的相互連接、團隊合作,讓人們更好的進行社交和連接彼此。
最困難的其實是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
我在對話中表示,當我們試圖解決AI問題時,應該用技術來解決技術的問題,可以尋求與監管部門協作,而不只是丟給他們,“新技術會衍生新的問題,我們應該多方嘗試用更進階的技術性解決方案,就像電腦病毒剛出現時,殺毒軟體隨之誕生。”
彭特蘭教授認為,人工智慧的核心,是促進多元文化之間的相互連接。不只是工程師或科學家,連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準,就像TCP/IP互聯網協定那樣,避免AI冷戰。” 我們都贊同,AI發展從來不是單打獨鬥,跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇(MIT-CHIEF) 組織的高峰對話系列活動,主題是《計算與未來: AI與資料科學如何重塑人類社會》。
麻省理工學院中國創新與創業論壇(MIT-CHIEF)由麻省理工學院的中國留學生創立,至今已有十年,是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者,共同探討科技創新及商業化過程中面臨的挑戰。
以下是我們對話的核心內容,由我的同事整理、分享給大家:
Part I 主題演講
▌李開復:各方應協作,讓AI 更務實
非常榮幸再次受到MIT-CHIEF的邀請,對於人工智慧的看法,這次我主要想講四點。
第一點是我書裡的主題,人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段,從應用落地層面來說,正迎來了AI發展最大的機遇。
很多科技公司目前已對人工智慧進行了多樣化佈局,從視覺、語言、觸覺和其他感知技術,到自動化機器人、無人駕駛等,對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性,但我預測未來的格局會非常龐大,依據統計,各行各業採用AI的程度目前不到5%,AI應用的中長期增長曲線相當可期。
第二點是我很欣喜看到的一點,AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多,更多的AI公司湧現出來。
AI最大的機會蘊藏在與傳統企業的結合中,創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。
作為AI投資人,我認為在這些行業如果找到正確的AI應用方向,就能帶來上千萬的回報。這種商業價值的產生是極其迅速的,通常只需要幾個月,甚至短短幾周就能看到成果。
現在人工智慧在傳統產業的滲透率仍在個位數,仍然有很大的提升空間。然而對於很多公司來說,它們需要的是高度定制化的方案,而非通用型AI方案,所以融合的過程中,不可避免會遇到不少挑戰和痛點。
第三,我早年做過很多科研工作,很高興能看到關於系統一和系統二(System One, System Two)的討論,我們期待人工智慧技術從系統一升級為系統二,即從識別、決策、優化等能力,升級到感知、認知等進階智慧的能力。
有不同的學派都在努力讓人工智慧更接近人類智慧,其中一個流派主張回歸經典的AI理念,甚至重新構建嶄新的模型結構,在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。
回看人工智慧過去60多年的歷程,最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路(CNN)帶來的喜人成績,還有預訓練自然語言處理模型(Pre-Trained Models for Natural Language Processing)的廣泛運用。
預訓練模型與人類語言學習的模式類似,不管是英語還是中文,在習得這些語言之後,再去學習程式設計、藝術、化學。在無人監督的學習環境中,這種模式比我們想像得還要強大,就像阿爾法圍棋(AlphaGo)一樣。
最後一點我想說的是,如何讓AI變得更務實。
AI有很多問題,例如隱私、資料安全、治理和監管,在此就不一一討論了。當我們試圖解決這些AI難題時,有人認為讓監管部門加強管理是唯一辦法,其實不然,我們是否也可以朝著研發更厲害的技術性解決方案去努力?
就像電腦病毒剛出現時,殺毒軟體隨之誕生;面對千年蟲難題時,也迅速找到了技術應對方案。我們可以通過研發新技術,應對DeepFake深度換臉程式的挑戰;或者通過聯邦學習技術,在保證資料私密性的同時,滿足深度學習訓練需求。
作為握有技術能力的群體,我們需要與監管部門一起協作,而不只是把工作丟給他們。相信有了各方的助力,我們可以讓AI的應用變得更有深度,更加務實,更高效地克服現在面臨的種種問題。
▌阿萊克斯·彭特蘭:國家間應建立互通標準,避免“AI冷戰”
我對當前的深度學習技術不太樂觀。
最為主要原因是,深度學習不僅需要龐大的資料來源,而且要求這些資料長時間恒定不變,以保證模型訓練結果的可靠性,例如人類的面容、語言,就是相對穩定不變的資料來源。
但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時,出現了倉庫貨物緊缺,不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰,就是因為快速變化的疫情,和深度學習對恒定資料來源的需求是矛盾的。
另外,我想談談如何通過聯邦學習,促進資料的流通。
大多數公司沒有足夠豐富的資料,需要聯合不同的資料來源。基於這種需求,出現了很多新商業模式,比如“資料經紀人”——他們不出售資料,而是把資料借出去,作特定需求的使用。
“資料經紀人”業務湧現了很多,他們促進了資料的流通,也加強了資料的隱私性。因此,像聯邦學習這樣的技術和商業策略結合,有效解決了資料在合規性和所有權方面的難題。
聯邦學習也依賴於新的基礎設施建設,為資料應用和深度學習提供基礎環境,比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗,新加坡等國家設置了一種相互競爭的區塊鏈系統,來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗,涉及不同資料的互通性和連貫性問題。
我們仍在研究如何用儘量少的資料,實現人工智慧的目標。少量資料是指不斷更新的短期資料,這些資料能使AI應對迅速變化的情況,並及時做出調整。
我們打算將AI與其他基礎科學結合,例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料,可能會比深度學習更加強大。
除此之外,我們在探討用AI保障聯邦學習過程中不同資料方的權益,這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。
另一方面,我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作,找出解決系統入侵和保障網路安全的方法。
我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策,也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率,比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。
基於我們已有的多中繼資料庫,現在可以利用AI實現全新的資料優化方式,將貧困、不平等這種之前無法量化的指標,通過可量化的指標進行評估。
同時,要真正實現這個目標,我們還需要制定統一的互通性標準。如果沒有這個標準,國家之間就不會相互信任去合作,就可能出現AI冷戰。
因此我們需要找到促進合作的方式,就像TCP/IP互聯網協議那樣。而之前我提到的,新加坡、瑞士等現在正在嘗試的區塊鏈系統,將有希望解決國家間缺乏互通標準的問題。
Part II 對話
▌ 美國線上教育發展難度更大,只在ZOOM上講課是不夠的
Q1:疫情加速了行業的改變,遠端醫療、線上教育開始蓬勃發展,這只是AI對人類社會產生影響的冰山一角。想請兩位談一談,目前看好AI在哪些領域應用的未來前景?
李開復:疫情的確對整個社會產生了實質性的影響,人們行為習慣發生了很多改變,更願意接受線上學習和工作了。
這種新的行為習慣產生了大量資料流程,為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料,可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究,因此我相信AI在醫療健康領域的潛能是非常巨大的。
AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務,例如批改作業,讓老師得以將時間精力投入到更有創造性的事情上,能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性,比如設置卡通版AI虛擬老師,讓課程充滿趣味性。
在中國,有很多線上教育公司在疫情之前就已經發展迅速,像創新工場投資的VIPKID,讓國外的純正英語老師線上上教授中國學生。目前,中國的線上教育已經擴展到了更多科目,包括體育、舞蹈、書法等素質教育課程。
相比之下,美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的,好的線上教育必須要有好的內容。
▌AI核心是增強人際互聯,應注重文化多樣性
阿萊克斯·彭特蘭:李開復博士提到的教育案例,我不是很認同。
MIT大約20年前就在教育中使用AI,重點根本不是內容,我們甚至提倡將內容免費開放給大眾。
AI絕非試圖取代人類的作用,我們更強調用AI增強人與人之間的互動,讓人們更好的社交和連接彼此。比如手機上人工智慧技術,不是要取代你,而是讓你高效地找到最適合的工作、最正確的人,讓你更容易的獲取資訊,並進行創新。
我們可以利用資料激發更強的創新力,培養領導力。只有基於這樣的宗旨,才能促進更有創造力的教育和學習,這比關注教育內容本身重要得多。
在加拿大,有家創業公司正在訓練普通民眾學習AI,比如水管工,教學效果非常不錯。他們的教育方式不是簡單的教授基本知識,而是以一種能夠激發人們互動思考的方式。
我們之前在中國調研了3000多個孵化器,發現創業公司成功的要素裡,第一個是文化多樣性,也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性,他們能否發揮自己所長,並很好地進行團隊合作。
1956年,馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解,不應該只停留在“人工”層面,而應擴展到多元文化之間的相互連接、團隊合作,我把它叫做延伸智能(Extended Intelligence)。這也是我想強調的,人工智慧這個名詞有一定的偶然性,但它的核心點是增強人與人之間的互聯性。
▌AI未來突破難預測,奇點、超級智慧過於樂觀
Q2:未來十年AI有沒有可能取得重要突破?比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼?
李開復:過去60多年來,深度學習是唯一的重大突破。在這之後,卷積神經網路(CNN)和GPT-3等都算是重要的改善,我對於人工智慧的漸進式改善保持樂觀。
對科學家來說,他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易,只要有大量的資料,就可以從實驗室進入到行業應用,CNN和GPT-3都是模型加海量資料的成果。
我是務實派的,雖然持有樂觀態度,但並不是一位“未來學家”。未來的突破很難預測,對奇點(Singularity)的爭辯,甚至預測超級智慧的出現,在我看來都過於樂觀了。
阿萊克斯·彭特蘭:我同意李博士的觀點。很多生物機制很難解釋,包括用感知認識事物、理解聲音、尋找食物等,是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論,並進行實踐。
從務實的角度來說,我最感興趣的就是聯邦學習。就醫療而言,我們有這麼多醫院,在新冠疫情期間做了很多的實驗,為什麼這些實驗資料不能進行聯合呢?
儘管資料有不相容的地方,但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來,我們對資料的需求也許會越來越少,外科醫生或者物理學家或許不需要太多資料,因為他們對規則已經瞭若指掌了。
▌不要墨守成規,要跨領域、跨學科應對挑戰
Q3:人工智慧會有什關鍵挑戰?對於想從事這個行業的人,有什麼是需要瞭解的關鍵點?
李開復:首先,大背景在改變,新科技層出不窮,我們每年都需要學習新的東西。
其次,人工智慧可能引起各種問題,包括偏見、歧視、倫理道德等,是否危害人類的身體健康,無人駕駛技術該何去何從等等。
第三,人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校,能夠把AI教育擴展到各個學科,讓研發人員及早意識到自己的責任和價值。
阿萊克斯·彭特蘭:是的,我朋友做過一個有關電的趣味類比,電動馬達最初在工廠裡用於生產的時候,並沒有發揮出多大的作用,因為大家並不知道如何改造生產流程。
AI在一些領域發揮的作用是顯著的,但應用到其他領域時,就需要改造流程。很多情況下,最困難的就是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
而有意思的是,就像李博士提到的,像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。
比如,我今天早上正好就這個話題跟G20領導人對話,大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題,不能只是工程師或者社會科學從業者們在做,經濟學家,政治家等等都必須參與進來緊密合作。
隨著AI的應用領域越來越廣,除了必須具備強有力的技巧來建立社會規則,還需要對研究經費、企業投入等進行各種調整。
▌雖然大公司實力不容小覷,但依舊對小公司抱有期待
Q4:AI研究會消耗大量的資源,我們是否應該將資源往學術界平衡?現在已經發生資源的重新分配和平衡了嗎?
李開復:就人才而言,現在已經有重新平衡的跡象了。
過去,頂尖大學的學者基於待遇和種種考量,不少選擇去企業界工作。而近期,曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。
但像GPT-3這樣的技術,仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練,就要花費460萬美金,只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。
我觀察到,近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建,為了解決特定問題而生,並非紙上談兵做突破性科研,切入的領域也往往是巨頭公司忽略的地方。
例如,為製造業進行AI賦能,不是一件輕鬆的事,需要去工廠實地勘查,瞭解運作方式。大公司因為賺錢很容易,不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果,就會給產業界帶來革命性的影響。所以,雖然大公司的實力不容小覷,但我依舊對小公司抱有期待。
阿萊克斯·彭特蘭:大學和公司是一種融合的關係,不僅體現在人才流動上,也會進行資訊資源分享,彼此是整體性的合作態勢。
當然這也不是絕對,產業界的保密需求還是存在的,只是從學校的出發點來說,我們願意毫無保留地為大家提供更好的研究成果,並與企業合作,形成標準化平臺。
▌人工智慧取代人類需要上百年或更久
Q5:兩位認為什麼是AI不能取代的?
李開復:一類是創造力、分析能力、邏輯辯論能力,瞭解自己知道什麼不知道什麼,這些是人工智慧無法取代的。另外一類是同理心,人類之間的信任、友誼,自我認知、意識等。
阿萊克斯·彭特蘭:人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
▌AI創業建議I:找到小切入點,不要與巨頭正面硬碰
Q6:李博士提到了AI在小企業中的運用,可否再舉例說明是如何運用的?
李開復:這個問題分兩部分:一個是小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,並且不要與巨頭核心業務正面硬碰。
對於那些中小型非AI、但想應用AI的公司,需要確保有足夠的資料,以訓練與核心商業價值掛鉤的AI模型,並且有願意變革的開放性公司文化。
所以,早期應用AI的公司可能規模較大,因為他們有足夠大的資料,和可相容變革的商業模型。每個例子都不同,不是任何一家公司都要應用AI。
阿萊克斯·彭特蘭:如果我們放寬AI的定義,或許水管工、合同工都有資料,通過一些簡單的分析、整合,AI也可以在很大程度上改進他們的工作。
這些都是很小的切入點,基於簡單的AI分析、機器學習,依舊可以產生巨大的潛力。
▌ AI創業建議II:知曉技術,同時理解商業
Q7:兩位再分享一下最後的建議?
李開復:我們在步入一個AI開始滲透到方方面面的令人振奮的時代,我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地,而不僅僅鑽研技術本身。
阿萊克斯·彭特蘭:不要太較真於深度學習或者冗長的演算法,一切始於要解決的現實問題。不要止步於技術本身,要明白資料類型、形態和規律,關注商業流程。
感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。
深刻 類語 在 李開復 Kai-Fu Lee Facebook 的最讚貼文
近日,我與阿萊克斯·彭特蘭教授(Alex Pentland)展開了一場”AI如何重塑人類社會”的精彩對話。
《連線》雜誌的資深撰稿人威爾·奈特(Will Knight)主持了這場對話。
阿萊克斯·彭特蘭教授任教于麻省理工學院,為全球大資料權威專家之一,現任MIT連接科學研究所主任、MIT媒體藝術與科學教授,擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜,曾參與創建MIT媒體實驗室,是全球被引述次數最多的計算科學家之一。
對話金句:
李開復:
AI最大的機會蘊藏在與傳統企業的結合中,這種價值的產生極其迅速,只需要幾個月,甚至短短幾周。
未來突破很難預測,對奇點、超級智慧的爭辯,在我看來都過於樂觀了。
小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,不要與巨頭核心業務正面硬碰。
阿萊克斯·彭特蘭:
AI絕非試圖取代人類,而是促進多元文化之間的相互連接、團隊合作,讓人們更好的進行社交和連接彼此。
最困難的其實是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
我在對話中表示,當我們試圖解決AI問題時,應該用技術來解決技術的問題,可以尋求與監管部門協作,而不只是丟給他們,“新技術會衍生新的問題,我們應該多方嘗試用更進階的技術性解決方案,就像電腦病毒剛出現時,殺毒軟體隨之誕生。”
彭特蘭教授認為,人工智慧的核心,是促進多元文化之間的相互連接。不只是工程師或科學家,連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準,就像TCP/IP互聯網協定那樣,避免AI冷戰。” 我們都贊同,AI發展從來不是單打獨鬥,跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇(MIT-CHIEF) 組織的高峰對話系列活動,主題是《計算與未來: AI與資料科學如何重塑人類社會》。
麻省理工學院中國創新與創業論壇(MIT-CHIEF)由麻省理工學院的中國留學生創立,至今已有十年,是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者,共同探討科技創新及商業化過程中面臨的挑戰。
以下是我們對話的核心內容,由我的同事整理、分享給大家:
Part I 主題演講
▌李開復:各方應協作,讓AI 更務實
非常榮幸再次受到MIT-CHIEF的邀請,對於人工智慧的看法,這次我主要想講四點。
第一點是我書裡的主題,人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段,從應用落地層面來說,正迎來了AI發展最大的機遇。
很多科技公司目前已對人工智慧進行了多樣化佈局,從視覺、語言、觸覺和其他感知技術,到自動化機器人、無人駕駛等,對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性,但我預測未來的格局會非常龐大,依據統計,各行各業採用AI的程度目前不到5%,AI應用的中長期增長曲線相當可期。
第二點是我很欣喜看到的一點,AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多,更多的AI公司湧現出來。
AI最大的機會蘊藏在與傳統企業的結合中,創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。
作為AI投資人,我認為在這些行業如果找到正確的AI應用方向,就能帶來上千萬的回報。這種商業價值的產生是極其迅速的,通常只需要幾個月,甚至短短幾周就能看到成果。
現在人工智慧在傳統產業的滲透率仍在個位數,仍然有很大的提升空間。然而對於很多公司來說,它們需要的是高度定制化的方案,而非通用型AI方案,所以融合的過程中,不可避免會遇到不少挑戰和痛點。
第三,我早年做過很多科研工作,很高興能看到關於系統一和系統二(System One, System Two)的討論,我們期待人工智慧技術從系統一升級為系統二,即從識別、決策、優化等能力,升級到感知、認知等進階智慧的能力。
有不同的學派都在努力讓人工智慧更接近人類智慧,其中一個流派主張回歸經典的AI理念,甚至重新構建嶄新的模型結構,在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。
回看人工智慧過去60多年的歷程,最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路(CNN)帶來的喜人成績,還有預訓練自然語言處理模型(Pre-Trained Models for Natural Language Processing)的廣泛運用。
預訓練模型與人類語言學習的模式類似,不管是英語還是中文,在習得這些語言之後,再去學習程式設計、藝術、化學。在無人監督的學習環境中,這種模式比我們想像得還要強大,就像阿爾法圍棋(AlphaGo)一樣。
最後一點我想說的是,如何讓AI變得更務實。
AI有很多問題,例如隱私、資料安全、治理和監管,在此就不一一討論了。當我們試圖解決這些AI難題時,有人認為讓監管部門加強管理是唯一辦法,其實不然,我們是否也可以朝著研發更厲害的技術性解決方案去努力?
就像電腦病毒剛出現時,殺毒軟體隨之誕生;面對千年蟲難題時,也迅速找到了技術應對方案。我們可以通過研發新技術,應對DeepFake深度換臉程式的挑戰;或者通過聯邦學習技術,在保證資料私密性的同時,滿足深度學習訓練需求。
作為握有技術能力的群體,我們需要與監管部門一起協作,而不只是把工作丟給他們。相信有了各方的助力,我們可以讓AI的應用變得更有深度,更加務實,更高效地克服現在面臨的種種問題。
▌阿萊克斯·彭特蘭:國家間應建立互通標準,避免“AI冷戰”
我對當前的深度學習技術不太樂觀。
最為主要原因是,深度學習不僅需要龐大的資料來源,而且要求這些資料長時間恒定不變,以保證模型訓練結果的可靠性,例如人類的面容、語言,就是相對穩定不變的資料來源。
但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時,出現了倉庫貨物緊缺,不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰,就是因為快速變化的疫情,和深度學習對恒定資料來源的需求是矛盾的。
另外,我想談談如何通過聯邦學習,促進資料的流通。
大多數公司沒有足夠豐富的資料,需要聯合不同的資料來源。基於這種需求,出現了很多新商業模式,比如“資料經紀人”——他們不出售資料,而是把資料借出去,作特定需求的使用。
“資料經紀人”業務湧現了很多,他們促進了資料的流通,也加強了資料的隱私性。因此,像聯邦學習這樣的技術和商業策略結合,有效解決了資料在合規性和所有權方面的難題。
聯邦學習也依賴於新的基礎設施建設,為資料應用和深度學習提供基礎環境,比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗,新加坡等國家設置了一種相互競爭的區塊鏈系統,來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗,涉及不同資料的互通性和連貫性問題。
我們仍在研究如何用儘量少的資料,實現人工智慧的目標。少量資料是指不斷更新的短期資料,這些資料能使AI應對迅速變化的情況,並及時做出調整。
我們打算將AI與其他基礎科學結合,例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料,可能會比深度學習更加強大。
除此之外,我們在探討用AI保障聯邦學習過程中不同資料方的權益,這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。
另一方面,我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作,找出解決系統入侵和保障網路安全的方法。
我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策,也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率,比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。
基於我們已有的多中繼資料庫,現在可以利用AI實現全新的資料優化方式,將貧困、不平等這種之前無法量化的指標,通過可量化的指標進行評估。
同時,要真正實現這個目標,我們還需要制定統一的互通性標準。如果沒有這個標準,國家之間就不會相互信任去合作,就可能出現AI冷戰。
因此我們需要找到促進合作的方式,就像TCP/IP互聯網協議那樣。而之前我提到的,新加坡、瑞士等現在正在嘗試的區塊鏈系統,將有希望解決國家間缺乏互通標準的問題。
Part II 對話
▌ 美國線上教育發展難度更大,只在ZOOM上講課是不夠的
Q1:疫情加速了行業的改變,遠端醫療、線上教育開始蓬勃發展,這只是AI對人類社會產生影響的冰山一角。想請兩位談一談,目前看好AI在哪些領域應用的未來前景?
李開復:疫情的確對整個社會產生了實質性的影響,人們行為習慣發生了很多改變,更願意接受線上學習和工作了。
這種新的行為習慣產生了大量資料流程,為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料,可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究,因此我相信AI在醫療健康領域的潛能是非常巨大的。
AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務,例如批改作業,讓老師得以將時間精力投入到更有創造性的事情上,能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性,比如設置卡通版AI虛擬老師,讓課程充滿趣味性。
在中國,有很多線上教育公司在疫情之前就已經發展迅速,像創新工場投資的VIPKID,讓國外的純正英語老師線上上教授中國學生。目前,中國的線上教育已經擴展到了更多科目,包括體育、舞蹈、書法等素質教育課程。
相比之下,美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的,好的線上教育必須要有好的內容。
▌AI核心是增強人際互聯,應注重文化多樣性
阿萊克斯·彭特蘭:李開復博士提到的教育案例,我不是很認同。
MIT大約20年前就在教育中使用AI,重點根本不是內容,我們甚至提倡將內容免費開放給大眾。
AI絕非試圖取代人類的作用,我們更強調用AI增強人與人之間的互動,讓人們更好的社交和連接彼此。比如手機上人工智慧技術,不是要取代你,而是讓你高效地找到最適合的工作、最正確的人,讓你更容易的獲取資訊,並進行創新。
我們可以利用資料激發更強的創新力,培養領導力。只有基於這樣的宗旨,才能促進更有創造力的教育和學習,這比關注教育內容本身重要得多。
在加拿大,有家創業公司正在訓練普通民眾學習AI,比如水管工,教學效果非常不錯。他們的教育方式不是簡單的教授基本知識,而是以一種能夠激發人們互動思考的方式。
我們之前在中國調研了3000多個孵化器,發現創業公司成功的要素裡,第一個是文化多樣性,也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性,他們能否發揮自己所長,並很好地進行團隊合作。
1956年,馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解,不應該只停留在“人工”層面,而應擴展到多元文化之間的相互連接、團隊合作,我把它叫做延伸智能(Extended Intelligence)。這也是我想強調的,人工智慧這個名詞有一定的偶然性,但它的核心點是增強人與人之間的互聯性。
▌AI未來突破難預測,奇點、超級智慧過於樂觀
Q2:未來十年AI有沒有可能取得重要突破?比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼?
李開復:過去60多年來,深度學習是唯一的重大突破。在這之後,卷積神經網路(CNN)和GPT-3等都算是重要的改善,我對於人工智慧的漸進式改善保持樂觀。
對科學家來說,他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易,只要有大量的資料,就可以從實驗室進入到行業應用,CNN和GPT-3都是模型加海量資料的成果。
我是務實派的,雖然持有樂觀態度,但並不是一位“未來學家”。未來的突破很難預測,對奇點(Singularity)的爭辯,甚至預測超級智慧的出現,在我看來都過於樂觀了。
阿萊克斯·彭特蘭:我同意李博士的觀點。很多生物機制很難解釋,包括用感知認識事物、理解聲音、尋找食物等,是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論,並進行實踐。
從務實的角度來說,我最感興趣的就是聯邦學習。就醫療而言,我們有這麼多醫院,在新冠疫情期間做了很多的實驗,為什麼這些實驗資料不能進行聯合呢?
儘管資料有不相容的地方,但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來,我們對資料的需求也許會越來越少,外科醫生或者物理學家或許不需要太多資料,因為他們對規則已經瞭若指掌了。
▌不要墨守成規,要跨領域、跨學科應對挑戰
Q3:人工智慧會有什關鍵挑戰?對於想從事這個行業的人,有什麼是需要瞭解的關鍵點?
李開復:首先,大背景在改變,新科技層出不窮,我們每年都需要學習新的東西。
其次,人工智慧可能引起各種問題,包括偏見、歧視、倫理道德等,是否危害人類的身體健康,無人駕駛技術該何去何從等等。
第三,人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校,能夠把AI教育擴展到各個學科,讓研發人員及早意識到自己的責任和價值。
阿萊克斯·彭特蘭:是的,我朋友做過一個有關電的趣味類比,電動馬達最初在工廠裡用於生產的時候,並沒有發揮出多大的作用,因為大家並不知道如何改造生產流程。
AI在一些領域發揮的作用是顯著的,但應用到其他領域時,就需要改造流程。很多情況下,最困難的就是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
而有意思的是,就像李博士提到的,像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。
比如,我今天早上正好就這個話題跟G20領導人對話,大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題,不能只是工程師或者社會科學從業者們在做,經濟學家,政治家等等都必須參與進來緊密合作。
隨著AI的應用領域越來越廣,除了必須具備強有力的技巧來建立社會規則,還需要對研究經費、企業投入等進行各種調整。
▌雖然大公司實力不容小覷,但依舊對小公司抱有期待
Q4:AI研究會消耗大量的資源,我們是否應該將資源往學術界平衡?現在已經發生資源的重新分配和平衡了嗎?
李開復:就人才而言,現在已經有重新平衡的跡象了。
過去,頂尖大學的學者基於待遇和種種考量,不少選擇去企業界工作。而近期,曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。
但像GPT-3這樣的技術,仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練,就要花費460萬美金,只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。
我觀察到,近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建,為了解決特定問題而生,並非紙上談兵做突破性科研,切入的領域也往往是巨頭公司忽略的地方。
例如,為製造業進行AI賦能,不是一件輕鬆的事,需要去工廠實地勘查,瞭解運作方式。大公司因為賺錢很容易,不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果,就會給產業界帶來革命性的影響。所以,雖然大公司的實力不容小覷,但我依舊對小公司抱有期待。
阿萊克斯·彭特蘭:大學和公司是一種融合的關係,不僅體現在人才流動上,也會進行資訊資源分享,彼此是整體性的合作態勢。
當然這也不是絕對,產業界的保密需求還是存在的,只是從學校的出發點來說,我們願意毫無保留地為大家提供更好的研究成果,並與企業合作,形成標準化平臺。
▌人工智慧取代人類需要上百年或更久
Q5:兩位認為什麼是AI不能取代的?
李開復:一類是創造力、分析能力、邏輯辯論能力,瞭解自己知道什麼不知道什麼,這些是人工智慧無法取代的。另外一類是同理心,人類之間的信任、友誼,自我認知、意識等。
阿萊克斯·彭特蘭:人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
▌AI創業建議I:找到小切入點,不要與巨頭正面硬碰
Q6:李博士提到了AI在小企業中的運用,可否再舉例說明是如何運用的?
李開復:這個問題分兩部分:一個是小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,並且不要與巨頭核心業務正面硬碰。
對於那些中小型非AI、但想應用AI的公司,需要確保有足夠的資料,以訓練與核心商業價值掛鉤的AI模型,並且有願意變革的開放性公司文化。
所以,早期應用AI的公司可能規模較大,因為他們有足夠大的資料,和可相容變革的商業模型。每個例子都不同,不是任何一家公司都要應用AI。
阿萊克斯·彭特蘭:如果我們放寬AI的定義,或許水管工、合同工都有資料,通過一些簡單的分析、整合,AI也可以在很大程度上改進他們的工作。
這些都是很小的切入點,基於簡單的AI分析、機器學習,依舊可以產生巨大的潛力。
▌ AI創業建議II:知曉技術,同時理解商業
Q7:兩位再分享一下最後的建議?
李開復:我們在步入一個AI開始滲透到方方面面的令人振奮的時代,我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地,而不僅僅鑽研技術本身。
阿萊克斯·彭特蘭:不要太較真於深度學習或者冗長的演算法,一切始於要解決的現實問題。不要止步於技術本身,要明白資料類型、形態和規律,關注商業流程。
感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。
深刻 類語 在 文森說書 Youtube 的精選貼文
當看到書封時,我當下就好期待~
想說:「這本書的主題我從沒讀過,你可別讓我失望」
最後,它的確表現得相當精彩
書中有段話我記得特別深刻
「我們習慣這樣的呼吸方式,但不代表它對我們人體最有益」
作者用著如小說般的書寫方式,一步步帶讀者了解呼吸之於人類的意義及歷史
這本書不像一般的科普書,沒有太多艱澀難懂的專業術語,隨著作者描述著他參與的實驗,作為讀者的我們彷彿身歷其境一般,享受這關於科學的探險之旅。
付費贊助:
https://www.youtube.com/channel/UCPgGtH2PxZ9xR0ehzQ27FHw/join
你可以在Apple Podcast/Spotify/Google Podcast上找到我
https://podcasts.apple.com/us/podcast/%E6%96%87%E6%A3%AE%E8%AA%AA%E6%9B%B8/id1513786617
我的Instagram: https://www.instagram.com/vincent_reading/
我的Email: readrwork@gmail.com
若喜歡我的影片或頻道,可以訂閱頻道和分享給朋友,謝謝拉
訂閱頻道: https://www.youtube.com/channel/UCPgGtH2PxZ9xR0ehzQ27FHw?sub_confirmation=1
![post-title](https://i.ytimg.com/vi/QsoPReKEvBA/hqdefault.jpg)
深刻 類語 在 Shaun&Nick Youtube 的最佳貼文
成為這個頻道的會員:
https://www.youtube.com/channel/UC0b3OFZOXHEHDfL7kONoH4g/join
妖精國不列顛的圓桌騎士之一。
冠名了汎人類史的圓桌騎士·蘭斯洛特靈基的妖精騎士。
原本在不列顛只是一種「龍」之妖精。
雖然身為戰士時冷酷無情、
但因為她的舉止、優雅感、從其他妖精中脫穎而出的身姿
讓她成為了妖精國中最高貴,最美麗的妖精。
身長/體重:147cm・20kg
出典:法國妖精史、美露莘傳說
地域:黑暗之沼
屬性:中立・惡 性別:雌性
「雖然美露莘也不是我的真名。
但這個名字對我來說很重要」
身為妖精的名字為美露莘(Melusine)。
是法國傳說中的妖精,又叫做美露莎(Mélusine)。
自古流傳的民間童話主題『異種婚姻』故事中的主人公。
擁有蛇的下半身,長著龍之翅膀的半人半妖美女。
是人類父親和妖精母親結合誕生的妖精、
雖然美麗,但因為把父親關在洞窟中的罪孽
受到了『每週六下半身會變成蛇』的詛咒。
如果下半身變成蛇的狀態被戀人看到,詛咒會再次增強,據說增強後美露莘會完全變成可怕的妖蛇。
○性格
內向・主動。
一邊把自己的心情隱藏在心底,一邊迅速把該做的都做完的行動派。 是個有著潔癖症,不苟言笑,總是繃緊神經的少女騎士。
把人類分類成壞東西並且毫不留情地進行排斥,很容易被認定成『冷酷的妖精』。 不過,雖然她本人對人類很冷淡,但並沒有憎恨,看不起的意思。
她只是單純地把人類當成『生存能力低下的生命體』。
這和美露莘本人的經歷有關,她不會以『與生俱來的生態』為理由歧視別人。
○龍之心:B
龍的爐心、也被叫做龍之寶玉,是美露莘的魔術迴路。
汎人類史中此技能被分類為『魔力放出』,生命體能量過剩釋放的狀態。
雖然不是龍種,但作為「龍之妖精」重新構築自身的美露莘,擁有和龍相同的生理機能。
○無窮的武煉:B
從汎人類史的英靈,蘭斯洛特那裡摹寫的技能。
無論處於怎樣的精神狀態,都能完全發揮持有的戰鬥技巧。
也就是依靠過度修鍊,銘刻到肌肉記憶的戰鬥經驗...... 不過對天生就很強大的美露莘來說,這個技能並不是必要的。
美露莘自己也不喜歡這個技能,畢竟天生強大的生物並不需要什麼技巧。
○Ray· Horizon :A
來自英格蘭傳說中,作為通往異界之門「地平線」「境界」的守護之龍(mirage)的傳說。
美露莘不過是生物『妖精』時的名字和容器,原本的職責正是『境界』本身。
...... 是美露莘變回原來樣子的步驟。
生物妖精騎士時的第一人稱是『僕(boku)』,舉手投足間如同一個王子。
但是回歸美露莘的本性時,第一人稱會變成『私』,展現出性格天然的一面。 她原本就是『被拋棄的孤獨者』,因此很怕寂寞,又很自虐。
她深刻認識到自身是最強的生物,強大和弱小並不是她判斷喜歡與否的標準。 畢竟和自己比起來,大家都是『弱者』。
美露莘喜歡的並不是「敢於面對比自己強大之人的勇氣」、而是「關懷比自己弱小之人的溫柔」。
不如說,她會一邊說著「必須要服從強大,這是絕對的,也就是服從我。 」一邊撒嬌。
『至今未知的無垢湖光』
等級:A 種類:對人寶具
範圍:2~10 最大捕捉:1匹
Innocence Aroundight。
用自己的外皮精煉的『妖精劍阿隆戴特』、
使用此劍攻擊對方的簡單質樸的寶具。
蘭斯洛特的阿隆戴特的槍版。
傷害不高但回轉率是頂級的。
如同通常攻擊一樣,輕鬆展開的寶具。
至於為什麼傷害不高,是因為對美露莘來說,此寶具基本等同於借來的(偽造品),是蘭斯洛特的寶具而不是自己的。
『無人知曉的無垢搏動』
等級:EX 種類:對界寶具
範圍:20~500 最大捕捉:500匹
Hollowheart Albion。
通過第三技能變回『原本模樣』的美露莘釋放的龍之威壓。
變回『原本模樣』的美露莘已經不能稱作是妖精了,從那威嚴的心臟釋放的光芒,成為了廣範圍破壞兵器。
可將其視為跨越境界的彩虹,或者是敞開的前往異世界(異次元)的大門。
使用後,美露莘將無法回歸『想變成這樣』的妖精的樣子,在無人知曉的情況下消失。
異聞帶的阿爾比昂在『無之海』不斷地飛行,直到斷氣。但是這也證明瞭不管是哪個人類史『沒能回歸於星際的龍』都會迎來淒慘的下場。
#FGO #妖精騎士蘭斯洛特
![post-title](https://i.ytimg.com/vi/DfSzqJOUayM/hqdefault.jpg)
深刻 類語 在 AKIRA放送/日語教學網 Youtube 的精選貼文
🔴 9/10前🔴 6折!現省 $2000 +三重好禮!
【《中級實習手術刀》-習題解剖篇/大家的日本語 中級1】
👉優惠連結:https://www.twstudy.com/dm/language/akira_shujutsu_v1.html#loaded
▶️ 介紹片:https://www.youtube.com/watch?v=nsonn6x54gY
▶️ 試看片:https://www.youtube.com/watch?v=ZNfJ2vBn08k
⚠️本學習平台課程為2年內無限次觀看
讓YouTube理論學習,昇為實習!
🛒 二階特惠:
首波|09/10前 ⏳ #限10天 ⏳:$2990✨
次波|09/11 ~ 09/30 :$3500
定價|$5000
💎 #十日限時超值禮:
1️⃣#YouTube中級1PPT 100頁下載+
《中級1》#課本免費郵寄到府❗️
2️⃣ 中杯全家美式 #咖啡1杯☕️
3️⃣ 老師其它日文課$500優待券🉐
🏆 傲視群倫10大優勢:
✔️13hr習題剖析 #YouTube文法課2倍❗️
✔️ 解鎖版權+教材【#靈魂】所在 : 習題
✔️ 交代來龍去脈,N4程度無銜接疑慮
✔️ 無免費課程限制,長文解析醍醐灌頂
✔️ 時間充裕剖析 #比YouTube更易吸收
✔️ #情境題充足,活用中級文法兼實用
✔️ #一石三鳥,一題複習+新知+彙整
✔️ 錯誤選項不浪費,正反研討使用時機
✔️ 課堂現場擬真風格 #視聽體驗深刻
✔️ #教學經驗分享全開,惟此課聽得到
⭕『行動學習科技-行動學習網』:
✔️ 超過33萬名會員的知名平台
✔️ 超過2300門課程可供選擇
✔️ 講義下載即用 #課本免費郵寄
✔️ #可調影片速率客製吸收進度
✔️ #從學習中斷處播放記憶功能
✔️ 無限制字數筆記功能隨看隨記
✔️ #線上發問專區、老師回覆您
已在YouTube廣受好評的課程,
這次要具體深入教你應試&活用🆙‼️
「《中級實習手術刀》
-大家的日本語 中級1~習題解剖篇」
~讓你所學所知,完、全、解、封~
----------------
アキラジオ第6弾!始まりましたよ!
「まで」除了是から的反義外,
還有什麼是只有まで才辦得到的事呢?
#まで
----------------
★【《惠受益》 整合天書!-恩惠/受身/使役/使役受身200招-】
( 超過15小時課程,無限看優惠3350元 ! )
坊間唯一圖表比較 驚世鉅作總攻擊‼️
【整合圖表】+【200道應用】=無敵!
👉優惠連結:https://9vs1.com/go/?i=3247e0cf1334
(贈授課投影片PDF檔669頁 )
▶️ 試看:https://www.youtube.com/watch?v=PUKSyNCt6_0&t=3s
▶️ 介紹:https://www.youtube.com/watch?v=aRGisZ16jqo&t=198s
-----------------
★【會N4就會N2 !跨級學習大丈夫】
( 超過8小時課程,無限看優惠3200元 ! )
👉優惠連結:https://9vs1.com/go/?i=6177e997f839
(贈授課投影片PDF檔135頁 + N2句型接續39類匯整表12頁 )
▶️試看:https://www.youtube.com/watch?v=1Thau3F4QaI&feature=youtu.be
▶️介紹:https://www.youtube.com/watch?v=1iuOe7glX5A
-----------------
★【日文常犯錯誤80講】
( 7小時課程,無期限看84折只要2700元 ! )
👉優惠連結:https://9vs1.com/go/?i=187d48f8f652
▶️試看:https://www.youtube.com/watch?v=TvgBVihhvFs&t=629s
-----------------
★【動詞終極寶典】
(約10小時課程,無限看84折只要2950元!)
👉優惠連結:https://9vs1.com/go/?i=ad672cf0f449
▶️試看 :https://www.youtube.com/watch?v=L9V84WpTW8A
-----------------
★【助詞終極寶典】
(限時85折優惠1750元!)
👉優惠連結:https://9vs1.com/go/?i=67c5aaf5f379
----------------
★【基礎句型文法1 - 4】
( 扎實打基礎靠它最安心 ! )
👉優惠連結:https://www.twstudy.com/dm/2018/akira_japanese_a.html
▶️試看:https://www.youtube.com/watch?v=s9mhaWKABZk&feature=youtu.be
----------------
★【日語N3句型詳實攻略】
( 深入、紮實、高水準!N3統合比較課程! )
👉優惠連結:https://www.twstudy.com/course_info/c2c85f64f10e695e/2616ef5b61168858
------------------------
★ Facebook臉書粉絲頁搜尋 : Akira放送
https://www.facebook.com/akirahousou/
------------------------
★ YouTube播放清單 :
https://www.youtube.com/user/kagayaku1006/playlists
------------------------
「留言」、按「讚」+「打開小鈴鐺」搶先獲教學更新 !
------------------------
不單文法,更教方法。清晰口條 + 邏輯推導帶領吸收。
![post-title](https://i.ytimg.com/vi/i8tFOCejbEQ/hqdefault.jpg)