為電玩而生的新一代顯示器 😮
#Sony X90J 搭載仿人腦思考的處理器,與臨場畫質音效,做為追劇族與 PS5 玩家,公認規格豐富且CP值超高的日本製機種,螢幕尺寸涵蓋50~75吋的 #BRAVIA #X90J ,在2021年將影像音效全面提升到最高境界。
為PS5 而生 📺 https://bit.ly/3xvaJqH
為你們而生 📺 https://bit.ly/3qZM6Ag
還有其他更多好康活動 👇👇👇
全站免服務費 🔥 https://bit.ly/32MXFPJ
運費破盤$80 👉 https://bit.ly/3p6I1HI
新會員送$200 👉 https://bit.ly/3nyFQwb
揪好友賺錢 👉 https://bit.ly/32Uapoe
開箱賺錢 👉 https://bit.ly/301FRiJ
🌐 APP Android:https://bit.ly/3fbKf5a
🌐 APP IOS:https://apple.co/3kJpeju
🌐 LINE客服:@idgb https://bit.ly/3nk6DMu
☎ 線上客服電話:02-2518-2712
#代購幫 #日本代購 #日本代標 #日本代拍
#電視 #液晶電視 #遊戲專屬 #PS5電視
同時也有8部Youtube影片,追蹤數超過27萬的網紅真電玩宅速配,也在其Youtube影片中提到,歡迎收看電玩宅速配,我是主持人DUDU。 延續上週的話題,Netflix最新遊戲服務,在近日又有全新的進展囉。(點螢幕) 官方一共釋出了兩款遊戲測試,特定玩家只需要在手機安裝Netflix App,就可以直接透過串流進行遊戲體驗。 至於...首波測試主推的是哪兩款遊戲呢?看下去你就知道啦~~ VO...
「電視遊戲app」的推薦目錄:
- 關於電視遊戲app 在 代購幫-專業日本代標代購經營團隊 Facebook 的最佳解答
- 關於電視遊戲app 在 Facebook 的精選貼文
- 關於電視遊戲app 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
- 關於電視遊戲app 在 真電玩宅速配 Youtube 的最讚貼文
- 關於電視遊戲app 在 數碼捕籠 Youtube 的精選貼文
- 關於電視遊戲app 在 數碼捕籠 Youtube 的最讚貼文
- 關於電視遊戲app 在 將裝置與智慧型電視連結,在大螢幕上觀看YouTube 影片 的評價
- 關於電視遊戲app 在 只要使用你的手機搭配Jacfit App,就可以投影遊戲畫面到電視上 的評價
- 關於電視遊戲app 在 電視盒子化身大屏遊戲機不求人! - Mobile01 的評價
電視遊戲app 在 Facebook 的精選貼文
《#疫後大未來》讀後心得:局勢巨變之下的挑戰與機會
「有可能幾十年都沒事,接著幾星期內就過完了幾十年。」這句話是蘇格蘭國會議員喬治.蓋洛威用簡潔扼要的方式,描述列寧在1918年發動俄國大革命的激烈變革。把這句話拿來形容 2019年後新冠疫情對世界帶來的衝擊也一樣成立。世界局勢正在以前所未有的速度轉變,你看到的是危機?還是轉機?
(部落格原文滑到底 抽書 2本,文章連結放在留言裡)
.
【為什麼我想讀這本書?】
《疫後大未來》的作者是紐約大學史登商學院行銷學教授史考特.蓋洛威(Scott Galloway),他同時也是一位連續創業家。我讀過他的前兩本著作,分別是探討科技巨頭的《四騎士主宰的未來》和探討幸福與成功的《世界並不仁慈,但也不會虧待你》,我也曾在部落格分享他第二本書的閱讀筆記。
蓋洛威對商業和科技有著特別敏銳的嗅覺,搭配幽默詼諧的寫作風格,偶爾調侃自己、以及他正在評論的企業。在這本書中他也坦承自己拋售了自己創立的第一家公司 Prophet 的持股,因為他不再喜歡行銷服務業的交際應酬,他說:「假如你要花許多的時間跟不是你家人的人們共進晚餐,這代表你賣得是某種粗俗的東西。」我欣賞他的願意認錯和改變想法的自白,這一直是他的特點之一。
此外,我平時也喜歡閱讀 Daodu Tech 科技島讀 (可惜已經停刊)和曼報 Manny YH Li 這兩份談科技和新創的電子報,對於科技對社會帶來的變革和衝擊,一直是我很感興趣的議題。加上蓋洛威的作品總是讓我有所收穫,讀起來也很輕鬆,因此他的第三本著作就成了我的必讀之選。
.
【這本書在說什麼?】
作者在這本書中延續《四騎士主宰的未來》對科技四巨頭(Google、臉書、蘋果、亞馬遜)的分析,探討疫情爆發至今,這些科技巨頭反而更加茁壯,甚至把這場世紀危機變成大好的成長機會。他在書中進一步解析背後的商業運作模式,以及這樣演變下去對世界的潛在危險。
他也提到在疫情的催化之下,缺乏競爭力的緩慢公司會被加速淘汰,取而代之的是具有遠見和膽識的獨角獸科技公司。包含我們常聽到的 Airbnb、Uber、Netflix、Spotify、特斯拉、推特,及比較不常聽到的Lemonade、One Medical、Peloton、Shopify,作者透過他的觀察和分析,讓我們瞭解這些未來最具潛力的科技公司將如何發展。
最後,作者對老態龍鍾的高等教育和逐漸失衡的人民和政府關係提出疾呼,也對資本主義走向極端之後造成的裙帶主義、剝削經濟、新種姓制度提出抨擊和建言。
.
【科技四巨頭的下一步】
這本書中圍繞著兩個主題展開討論,其一:「這場流行疫情影響最深遠的衝擊,是它將扮演一個加速劑」。其二:「每個危機必然存在機會;危機更大、更具破壞性,機會也就更大」。最讓我感到有趣的,是作者對於科技四巨頭 Google、臉書、蘋果、亞馬遜的分析和預測。以下摘錄幾項之後值得回頭來看的項目。
.
#亞馬遜:遠距醫療平台
想像一下,你的兒子起了疹子,你透過亞馬遜的 Alexa 智慧音箱聯絡皮膚科醫師,然後把智慧攝影機對準兒子拍攝,並且用亞馬遜新的可穿戴式健康裝置 Halo 解讀身體狀態。醫師同時取得你孩子的病歷,看診完後處方籤被送到亞馬遜的藥局 PillPack,在經過強大的亞馬遜物流一小時內送達你家。如果醫生要驗血,包裹裡會附上檢測包,說不定還會請你給他個五星評價。
聽起來似乎有點夢幻對吧?這只是剛開始而已。亞馬遜有著堅強的網路和數據,同時掌握消費者最完整的資訊,這讓他在踏足醫療領域有了絕佳的基礎。恐怕在不久的將來我們就有機會看到了。
.
#蘋果:Rundle 同捆包
Rundle 是作者創造出來的詞,指得是經常性收入(recurring)和同捆包(bundle)的組合字,意思是「經常性收入搭售組合」。蘋果有著 iCloud、Apple Music、Apple TV+、Arcade 軟體服務,如果再搭配硬體方案綁在一起,賣給消費者一種同捆訂閱的服務,將會讓消費者越來越難離開這個生態系。
想像蘋果提供給你(已經逐步發生了)每個月付50美元訂閱,你就可以擁有最新的「iXXX」(管他是i字頭的什麼),可以用 iPhone 啟動無限制的媒體服務(電視、遊戲、App),每個月再加50美元可以定期換取最新的手機和手錶,再加50美元可以參加最潮的線上課程。作者也預言蘋果最好的收購對象是健身器材公司 Peloton,那再來加個 iPeloton 吧。
.
#Google和臉書:廣告狂人
四巨頭中,Google 和臉書其實是在廣告業。當疫情影響景氣的時候,廣告預算會減少,但是當景氣逐漸回春時,這兩家廣告巨頭將會獲得巨大利益。傳統媒體和品牌廠商的對消費者的數據掌握遠遠不及這兩家巨頭,他們就只能更加依賴兩巨頭的規模和精細度。因此當我們被疫情逼著宅在家裡,等於是幫兩家巨頭增加更多的數據存貨(沒錯,你就是存貨)。
舉臉書為例,他的廣告規模有多可怕?臉書有超過七百萬個廣告客戶,前百大客戶只不過佔營收的16%,之前各大品牌揚言抵制和下架臉書廣告的時候,祖克柏在公司內部的電話會議上還嘲笑這些威脅:「有些人似乎誤以為我們的業務是依靠少數幾大廣告商」。在我寫這篇文章的前幾天,臉書推出了 Bulletin 電子報服務,未來還會把聲音 Live Chat 和 Podcast 整合進去,他絕不會放過任何能抓住你注意力的機會。
.
【汰弱留強的高速列車】
如同作者提到的:「這場流行疫情影響最深遠的衝擊,是它將扮演一個加速劑」,對於許多已經瀕臨淘汰的產業來說,疫情的到來只是用十倍速的效率加速了這件事情的發生。以下列出幾個書中提到讓我有興趣追蹤觀察的新創公司。
#Airbnb:全球飯店旅館業大衰退的同時,Airbnb 不過是營收減少了,他卻不需要負擔不動產貸款的利息、不需要維修、不必支付高額的飯店員工福利。等旅遊回春時,他也將是回彈最兇猛的一個。
#Lemonade:傳統保險業數十年來沒有改變他的服務內容,也累積了顧客不好的印象。Lemonade 這家新創卻訴諸於大數據和人工智慧,提供你最準確、快速、透明的保險內容和賠償估價。
#OneMedical:擺脫以往醫療看診的繁雜過程,也不需要你親自跑一趟診所,One Medical 透過遠距醫療諮詢、當日預約、24小時全天候服務,幫助顧客得到最即時有效的醫療看診服務。
#Peloton:這家健身器材新創公司正以驚人的速度成長,他提供的不只是居家健身器材,更透過自家的健身 App 創造了廣大的健身社群,網羅了許多知名的訓練師。他省下了跑去健身房的舟車勞頓和高昂的健身房費用。
#WeWork:這家公司推廣共同工作空間的概念,許多人或許開始遠端工作,但不是每個人都想在自家的廚房餐桌工作。未來「遠距、含共同工作津貼」的職缺會持續增加,從辦公室解放的人們可能會推升這家公司的獲利。
從這些新創公司潛在的商機可以發現一個共同現象:「一家公司成功的一大關鍵在於既存者的惰性。」作者認為在「後疫情時代」,能夠提出和執行這些創新點子,有機會去顛覆「龐大又緩慢產業」的新創公司,將獲得更受投資人青睞的資金;而那些緩步的企業,將會被抽出銀根,加速面臨被淘汰的命運。
.
【後記:危機就是轉機】
我在讀《疫後大未來》的時候,一直有一種「未來十年的光陰在眼前快轉」的感覺,許多以前還在科幻電影才能見到的場景,在現在不斷加速發生。與其說疫情的突如其來讓人措手不及,不如說這是一記快馬加鞭,讓我們從舒適圈中驚醒,未來並不遙遠,它已經近在眼前。
作者針對高等教育的評判裡有一段寫得很生動,在疫情爆發之前的大學教授會說:「除非我死了,別想讓我用線上教學。」結果,在疫情爆發之後卻改口說:「除非有疫苗,別想讓我踏進教室一步。」這場巨變讓他們不得不學會操作視訊、錄製課程、設計數位作業。不願改變的,就會被淘汰。
最後,我想引用邱吉爾的一句名言:「不要浪費一場好危機」(Never let a good crisis go to waste.),每一次的危機裡,都藏著機會。你要選擇當一個緊盯危機、讓自己充滿恐懼的人?還是選擇當一個從混亂中發掘機會、起身行動的人?
.
感謝 遠流粉絲團
電視遊戲app 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
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
電視遊戲app 在 真電玩宅速配 Youtube 的最讚貼文
歡迎收看電玩宅速配,我是主持人DUDU。
延續上週的話題,Netflix最新遊戲服務,在近日又有全新的進展囉。(點螢幕)
官方一共釋出了兩款遊戲測試,特定玩家只需要在手機安裝Netflix App,就可以直接透過串流進行遊戲體驗。
至於...首波測試主推的是哪兩款遊戲呢?看下去你就知道啦~~
VO:
先前就不斷傳出Netflix即將踏足遊戲領域的消息,如今終於有更進一步的情報公開了!
這次Netflix遊戲服務測試將針對安卓手機,釋出《怪奇物語:1984》和《怪奇物語 第3季:遊戲版》兩款遊戲服務,玩家只要在安卓手機上安裝Netflix App,即可透過串流進行遊戲體驗。
測試期間玩家不用擔心會有廣告或是必須在App內課金,只要是訂閱戶,Netflix 將不會對玩家追加登入遊戲所需的費用;官方也強調,目前服務還在初期階段,接下來還會針對內容改善推出改版更新。
不過目前測試僅限居住在波蘭的Netflix會員參加,其他地區會員可能需要再等一下,未來Netflix遊戲服務還會往哪個方向發展呢,就讓我們拭目以待囉。
(C)Netflix
「電玩宅速配」粉絲團:https://www.facebook.com/tvgamexpress
「網紅攝影棚」節目:https://tinyurl.com/y3hejwb5
遊戲庫粉絲團:http://www.facebook.com/Gamedbfans
電視遊戲app 在 數碼捕籠 Youtube 的精選貼文
上次節目介紹過Kikitrade個背景,今次就實際睇下,點樣用kikitrade個App買crypro,開戶又有咩著數呢?成龍宜家就同大家一齊step by step!
一個於YouTube上發布嘅數碼節目,
只要係同數碼有關,我哋就會講!
間唔中會開箱,
就算買唔起都叫玩咗!
記得逢星期三及星期六,傍晚 18:30 收睇喇~!
FB:https://www.facebook.com/digitalcatcher
電視遊戲app 在 數碼捕籠 Youtube 的最讚貼文
想開戶口可以用我地的邀請碼
https://share.kikitrade.com/kiki_landing_page?code=VzMmr&locale=hk
加密貸幣(Cryptocurrency)近大半年狂升,唔少人都有興趣想瞭解一下,甚至乎想試下投資。雖然宜家買Crypto唔算好難,不過就無買股票咁方便。Kikitrade係以香港作基地嘅加密貨幣網上交易平台,今次有機會專訪佢哋嘅負責人,睇下到底呢個平台有啲咩咁特別先!
一個於YouTube上發布嘅數碼節目,
只要係同數碼有關,我哋就會講!
間唔中會開箱,
就算買唔起都叫玩咗!
記得逢星期三及星期六,傍晚 18:30 收睇喇~!
FB:https://www.facebook.com/digitalcatcher
電視遊戲app 在 只要使用你的手機搭配Jacfit App,就可以投影遊戲畫面到電視上 的推薦與評價
只要使用你的手機搭配Jacfit App ,就可以投影 遊戲 畫面到 電視 上,隨時享受身歷其 ... 有氧#跑步#慢跑#健走#好玩#運動# 遊戲 # 電視 #投影#揪團#比賽#訓練#夥伴. ... <看更多>
相關內容
電視遊戲app 在 電視盒子化身大屏遊戲機不求人! - Mobile01 的推薦與評價
前言:電視盒子盛行的今日,只是單單用作看片娛樂實屬浪費。隨著硬件越來越強大,電視盒子變成足以應付遊戲需求的產物。在此我將教授大家如果活用這個 ... ... <看更多>
電視遊戲app 在 將裝置與智慧型電視連結,在大螢幕上觀看YouTube 影片 的推薦與評價
受監督的帳戶可能無法在YouTube 上使用部分功能。 如果你在智慧型電視、串流裝置或遊戲主機的YouTube 應用程式中登入了YouTube Kids 設定檔,投放影片時可能 ... ... <看更多>