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
「音訊服務沒有回應」的推薦目錄:
- 關於音訊服務沒有回應 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
- 關於音訊服務沒有回應 在 西班牙代購嘉年華 Hola España Facebook 的最佳解答
- 關於音訊服務沒有回應 在 蔣薇 Facebook 的精選貼文
- 關於音訊服務沒有回應 在 [問題] WIN10 音訊服務無法回應- 看板Windows 的評價
- 關於音訊服務沒有回應 在 [問題] 音訊沒有回應- 看板Trace | PTT數位生活區 的評價
- 關於音訊服務沒有回應 在 【問題】 音訊沒有回應已解決- 軟體交流板 - WEB批踢踢(PTT) 的評價
- 關於音訊服務沒有回應 在 如何修復Windows 10 中的音效問題| HP 電腦| @HPSupport 的評價
- 關於音訊服務沒有回應 在 [問題] 音訊沒有回應已解決- Trace | PTT Web 的評價
- 關於音訊服務沒有回應 在 win7 未執行音訊服務參考解決方式 - Mobile01 的評價
- 關於音訊服務沒有回應 在 求救Win10更新後藍牙消失裝置管理員沒有藍牙 - 3C板 | Dcard 的評價
音訊服務沒有回應 在 西班牙代購嘉年華 Hola España Facebook 的最佳解答
【七月份黑名單】
林○莉(D●ris Lin)
其實我很不愛公開黑名單,但我真的找不到人。
下了單後,音訊全無,已讀不回,相當讓我困擾。
折扣季下單的買家相當多,常常需要回信回到半夜,但我也甘之如飴。
只是時間就固定一天24小時,實在沒有多餘心力服務誠意不足的買家(我不好意思直說94奧客)。
有幾位曾經幾乎要跑單,在我不斷催款近一個月下才去匯款的買家要回 購,但的每次下單都是這樣的情況,所以在七月份對方又要下單,我大多都是這樣回應:
『很感謝您來下單,但因實在是太多次下單都需要我不停的催款,雖然最後還是有匯款,但提醒與催款的過程實在太讓人心累,所以無法再接您的單。🤷♀』→而且很浪費我時間!
傳了這樣的訊息出去,以為會覺得可惜少了一個客人,但其實心情反而輕鬆了,不用在催爛帳和商品被跑單我又要再退貨或轉賣。
客人是培養出來的,我決定再也不心軟,這裡不歡迎奧客🔥🙅♀,以後若都要我三催四請才匯款,就算最後還是匯款了,但我還是會加入黑名單。
音訊服務沒有回應 在 蔣薇 Facebook 的精選貼文
第七回--起步
把不能完成的東西完成,這是偉人,我不同,我只是把說過的東西完成,這只是男人應該做的。
一百公里的路,以平均步速五公里來說,少說要走二十小時,但這一百公里不是平路,而是山路,加上中途不能離開,很可能我要用五十小時才能完成。
回想起之前鍛煉時抽筋的情況,這次的挑戰是保存好肌肉力量,如果抽筋的話,我肯定會失敗的。
「我會堅持挑戰!」我合上雙眼,幻想著這段困難的路程,調整好自己的心態。
岑佩兒好好的打量了我一身,然後嘆了口氣:「你這人啊,心態是好,但為什麼你不肯動動腦子,曉如的挑戰不是想你死,那就一定有可以過關的方法啊!還是曉如清楚你,她早為你準備好東西了!白天行體力消耗得特別快,你就沒有想過在晚上開始走,反正第一段路是平路,你晚上走也沒什麼危險!
然後你一天兩天走不完,不會多走兩天,在路上的營地過夜嗎?就算你分三天走,也是可以完成啊!
好了,過來拿背囊吧,這是曉如要我交給你的,裡面有水、食物和露營用品!還有,這電話也是給你的,裡面有曉如的音訊,你按她的指示走吧!」
岑佩兒給我遞上一個背囊和電話:「你開始了便可以打開電話,按指示聽音訊,我們能幫你的只有這樣多,少崇,你要加油!我在終點等你!」
我有點愕然,因為這背囊是曉如的,裡面少說也有差不多十五公斤的重量,但我真的沒有想過要分開走和在路途中露營休息,如此的算過來,我每晚休息補充體力,慢慢的走的確很大機會完成!
一天不行,兩天,兩天不行,三天,三天不行就四天好了!!!!
突然我覺得一切都有可能,整個人都變得輕鬆了,接過裝備後,我放下了重覆的物品,便從北潭涌出發了。
打開電話,看到背景是我和曉如的合照,這是她以前用過的電話,密碼?是她生日啊,我熟悉的按下了密碼便打開了電話,也是我和曉如的合照,電話上每天打開都看到的背景,應該是那個人最想念的東西吧。
按下了第一段音訊,曉如的聲音緩緩的說話:「少崇,厲害啊,你接受了挑戰,很多人害怕失敗,逃避失敗,以為不去做便不會失敗,可惜他們卻同時失去了成功的機會,人啊,不論男女,到了一定年紀便會留在自己的舒適圈,因為太了解自己了,所以他們很易就知道什麼事行,什麼事不行,最後好聽便是權衡輕重,不好聽便是逃避,留在了舒適圈中。
這一次的挑戰,無論你能完成與否,也對你是好事,我不在了,不能陪著你走,但這段路,不會少了我的,我會陪著你。
為什麼這樣多的人會行山,因為在生活中太多煩事,就算在家也有做不完的事,行山不同,你只有一個目的地,你只要慢慢的走,過程中,你會有時間去思考很多東西,而人在痛苦之時,能夠想得更多,什麼喜歡,什麼不喜歡,在行山也會特別易知道。
好了,先調整呼吸,背囊裡面是我為你準備的東西,應該可以讓你完成這個挑戰的,你先不用急,跟著我,我帶你一起走吧。
首先,我們先慢慢的跑去東壩吧,你可以打開我的音樂,找到跑步的歌,輕輕鬆鬆的跑吧,不用急,跟著節奏就好了。
少崇,我很高興,因為這段路程,就只有我們兩個,我們有多久沒有一起做一件事了?
少崇,加油啊!」
兩個人在一起久了,也習慣了對方的存在,老夫老妻也少了很多節目,也沒以前熱戀般的珍惜相處時間,就算一起去旅行的話,也各自有各自的東西做,玩玩手機也好,上上網也好,兩個人之間,還多了一部電話和俗事。
在曉如病重時,雖然我陪伴她的時間很多,但她也很難作出回應,也不像以前一樣可以隨心的聊天,我常常安慰她,堅持治療,到時身體好了,我們再一起去不同的地方,她答應了,但我也知道,這機會太渺茫了……
二人世界,對於老夫老妻來說,既是二人世界,又不是二人世界。
這次的行山,的確就只有我和曉如兩個了……很久之前她有說過叫我一起行毅行者,但一來我懶,二來我真的不太明白當中的樂趣是什麼,所以我拒絕了,現在這挑戰,也總算還了她的一個心願了吧,雖然,遲了很多,人都不在了……
我一邊走一邊的思考了路線規劃,如果定在三天完成的話,第一天走到大老山附近,第二天再走到大帽山,最後一天完成最後的平路應該是可行的;如果體力不支的話,便第一天走到西貢邊緣,第二天獅子山,第三天大帽山,第四天下山到元朗也是可以,但我真的不知道自己體能在這樣長的距離可以走多遠,那就以三天為目標,四天為後備吧!
露營,對我來說也是第一次吧……
我翻看了曉如的音樂清單,打開了第一首歌:起風了。
「我曾將青春翻湧成她
也曾指尖彈出盛夏
心之所動 且就隨緣去吧
這一路上走走停停 順著少年漂流的痕跡」
腳步放得更輕了,我呼吸著清晨帶點水氣的空氣,嗅到了草木的清香,輕輕跑動的讓我呼吸到更多新鮮的空氣。
第一天上午十一點左右,我成功的到了東壩。
我依照提示的打開了下一段音訊:「東壩啊,是我們第一次行山時的終點,唉,嚴格來說不算行山吧,全都是平路,但那時候的我們體力也很不濟,這段路的回程,我們坐了的士才能回去啊。
那時候的行山,只是我們其中一種約會,醉翁之意不在酒啊。
記不記得我們當時聊了些什麼?我們一起了十二年,說過無數的話,每句也記得,那肯定是不可能,我們太多太多的聊話家常,你會記得嗎?我只記得當時好像爭論過香港地方的位置,你知道我曾經是個路痴,連西貢在馬鞍山方向也能進都不知道,你好像說了很多地方旁邊的是什麼。
你說我這樣是不行,等一下迷路了要怎麼辦,我說,有你在便行啊!我可以當個小廢物!
當時大家都沒覺得什麼,只是笑了笑算,但這些年啊,有你在,我真的當了一個小廢物,總覺得有你在便會少煩很多東西,雖然你不解風情,但有你在身邊,很有安全感。
有時啊,記憶不需要完全記得,真正記得的東西,在特定的時候地點便會記起,有時忘記,也不是真的忘記了,只是暫時沒記起。
少崇,開始真正的行山了,加油啊!越過西灣山後記得去吃個餐蛋麵,到時你便聽下一段錄音吧!」
東壩真的很漂亮,而我也要開始爬升了,第一個難關到了。
行山的意義在哪?看著像是沒有盡頭的山路,一個人的走著,即使有人在身邊,我也恐怕連說話都沒有氣,只是默默的撐著走,體力情況也還好,因為只是高度三百米的西灣山,算是頭盤吧。
西灣山是第一個難關,由平地上升到三百米高,雖然只有有兩三公里的路程,但滿滿都是台階。
為了保留體力,我二百級左右便休息一下,斷斷續續的走了一個多小時,終於到達了山頂,看著山頂的高度牌,我征服了它了!在山頂我迎著山風,大叫了起來,嚇到了旁人,或者對很多人來說,這是很簡單的一條路,但以我這年紀,加上沒有什麼訓練的情況,真的值得高興。
我突然發現了一點樂趣,原來成就對於旁人來說不值一提,但對於自己卻是天大的事了,旁人不會明白你高興、不會明白你失落的原因,為此而叫,對自己來說很值得就夠了!
曉如你平日行山時的快樂,我只是從旁人的角度去看,也許聽到二百米的山不怎麼樣,用了多少時間也沒有概念是快是慢,稱讚再多,也不及走一次去感受一下來得實在。
這風景,可以看到西貢的海岸線,辛苦的走上來,這風景總覺得特別的漂亮。
越過西灣山後,走到西灣村那邊,因為西灣有個小食亭有曉如說的餐蛋麵,我坐在小食亭內休息,然後打開了第二段的錄音:「好不好吃啊,這餐蛋麵是我最喜歡的,有時候我甚至覺得這段路便是為了吃這個毫無特色,但卻好吃到不行的餐蛋麵。
第一座山怎麼樣?痛苦吧,但你只完成了十分一不到的路程,而且還是最易的那一截,以你的體能……唉,我曾經想過不進行這個挑戰,但我又很想知道你會不會走得完,或者這段錄音永遠都不會讓你聽到,但如果你聽到的話。
我只想說,痛苦,第一座山很痛,第二座山也很痛,直到最後也很痛,但痛著痛著,便會麻木了,當年我走到這裡時,我很悲觀,雖然準備了很久,但也很累了,只是十分一的路,還有十分九,我有想過放棄,只是我看到其他人也是一直走,我不好意思說不走。
不放棄,不放棄,不放棄,只要一直的走,便會完成,行山的開心之處正是如此,世界上有什麼難事是你堅持就會成功?不多啊,因為太多你掌握不到的事,但行山不同,你努力便能完成,對於疲憊的城市人來說,也許這就是一種久違了的快樂吧!
一步一步,踏實了,你人也踏實了!少崇,接下來的路,西灣山算不上什麼,你要朝更高的地方去走啊!看看那座山,你的目標,走吧!休息夠了,再走吧,迎接更大的目標吧!加油!」
我終於明白為什麼這家餐蛋麵是如此的出名,因為在你累和餓時,吃什麼也是絕對的美食,明知那湯汁只是味精,我也將那咸咸的湯都喝光了。
我想起了曉如她還在時,每次煮麵也總是落一半的湯包,她說健康一點,但永遠都是不夠味的,湯也不會讓我喝,說沒益,女人當成為了老婆後,她便成了你另一個媽媽。
她不在了,我喝光了,我心中笑說:要是健康便不吃麵算了,要吃便要吃最邪惡的,妳現在管不到我,我便再次放縱了,但妳原諒我一次吧,這實在太好吃了!我忍不住!
這時候我的背都幾乎是濕透了,體力幾乎都用上一半了,我心想每個毅行者都是怪物……
摸著我的腿,看看時間,已經下午兩點了,我看看地圖,接下來有三個可以露營的地方,最近的是北潭坳,然後是嶂上,最遠的是水浪窩,我拍了拍我的腿,水浪窩應該不行了,看看到了北潭坳的時間如何吧,可以的便走到嶂上好了。
走著走著就到,我心中不斷重覆著曉如說的話,走吧,她說的對,人生不是太多事可以努力便一定能完成,曾經的我也想著要一路晉升,當個可以被人叫出口的高官,但官場險惡,我的出身不是太好,學校也不是傳統名校,上司們第一個考慮也是跟自己同校的後輩,他們做得沒我好也有更好的機遇,這些二十多來,我就只是跳了八個薪酬級,對於平常人來說已經是不錯了,但目標,唉,早放棄了,那不是我可以觸及的高度。
當我發現了這殘酷的現實時,我便沒以前有衝勁了,只想著平平穩穩的儲錢等退休,總是憧憬著退休的生活自己能夠掌控,但現在真的退休了,心中卻沒有輕鬆了,反而覺得人生更乏味了……
一路上想起自己的仕途,我不禁的比之前走得快,在一小段下山坡的路,我跑了起來,我想證明我是行的,我能做到,但結果……膝蓋的內側傳來拉扯的感覺,我收慢了腳步,感覺好一點,但每次我再提速時,卻傳來更麻痺的感覺,慘了……
人老了,精神在,但身體卻跟不上了,這些年來我到底把身體弄成什麼樣子了……
應該是在上下階級時用錯力在膝蓋,一個多小時我走走停停,進度極為緩慢,在山路中,你不能說放棄便放棄,即使走回頭路也要走,沒有即時投降離開的選項,除非……你想動用到飛行服務隊吧……
現在每上一級,我也會叫上曉如的名字,就像是台階是她的樣子,這一步一步都是她讓我走的,在旁人眼中應該像個神經病吧。
有沒有可能在曉如行山時,她也會一樣叫著我的名字呢?
當身邊有人離開了,我們總會突然冒出很多問題,但可以答你問題的人卻不在了,而我們卻一直在這自問自答之中得到安慰。
愛得太遲在很多人心中是一首珍惜現在的歌,可是我並不是這樣想,說真的,這道理有誰不知道,只是大部份人都做不到歌中說的珍惜,誰聽過後會將每天活成最後一天的樣子去愛去珍惜?更多人是得到一絲感動後,改變了一點,過一陣之便回復正常。
這是現實,但這不是錯,而是大家對於失去的觸動,跟珍惜擁有是兩個層次。
梵高在生的時候,他的畫作連換一瓶酒也換不了,直到他死了,畫作被大家認識,再加上一個被埋沒的故事,讓畫更令人動容;我不是說梵高的畫不好,而是如果他有好機遇,在生時成名,那這個故事便顯得沒有如此的淒美了。
想念死者,愛得太遲,一切一切都是一個在世的人自我救贖的過程罷了。
曉如說得沒錯,行山時真的可以想很多事,你控制著身體緩緩前進,只有腦袋屬於自己控制的範圍,而我現在的腦海中,滿滿都是曉如……
我放棄了比較遠的兩個營地,到達北潭坳營地時,我已經忍不住的坐了下來,今天晚上,我們便在這裡渡過吧。
看過地圖後,我苦笑了起來,原來自己只走了五分一的路,按這路途走,看來我要花五天才能走完了,背囊中有水和食物,還有睡袋和帳篷,我拖著完成不聽使喚的腿,搭起了人生的第一個帳篷,完成後總覺得隨時有倒塌的危險,但我也不管了。
晚上十點,我吃過東西和拉筋後,滿身汗臭的躺在草地上,拿出了曉如的錄音聽了起來,這是我第一天晚上要聽的錄音。
「少崇晚安,不知道你走到哪裡了,希望進度還好吧,以我對你的估計,你應該花三天便可以完成吧,所以我給你錄了兩晚的聲音,在山上過夜應該是你的第一次吧,那便好好享受你這城市人從沒感受過的晚上吧。
記不記得,我曾經說過想去看極光,但最終我們也去不到,因為你的工作走不開這樣長的時間,你亦覺得極光沒有什麼好看,不就是磁場所引發的自然現象吧,我懂,我都懂,我也會看維基百科好不好,但你為人就是這樣,明明一件浪漫的事卻要說得如此的無聊,你就是個冷場高手。
有時候抬頭看滿月也好,我在驚嘆,你卻說每個月也會有滿月,難道你就沒有想過,凡事在表面以外,還有每個人的獨有意義嗎?
毅行者比賽中,我很記得當然休息的地方是在獅子山上,應該是凌晨四點左右,我們停下休息,打算看到日出再前進,當時的月光很美,我多麼想你在我身邊陪我看這特別累,特別美的月光,可是你應該在家中睡得像一頭豬吧!!!!你這豬頭!!!!
來,看看天空,你看得到月光嗎?希望你能看到吧,要是沒月光,幸運的話你也有機會看到星空,要是陰天的話……那只好說是你倒霉了!
這個晚上,你應該很累了,記得拉拉筋,早點休息。
以前我睡不著的時候,總會叫你說個睡前故事給我聽,當然以你的創意和幽默感,總是說一些很無聊的故事。
這個晚上,如果你躺下了,那就戴上耳機,由我給你說個睡前故事吧。
來,準備好沒有?
『曾經有一個男人他晚上趕路,最後要在山上露宿,他找了一個自以為很安全的地方,打算休息一下便繼續上路,可是沒有露宿過的他大小看山了,在很多憑藉熱能和氣味的動物和昆蟲,也被這個外來的奇特生物所吸引,還好,他生了個火讓動物們都不敢靠近,可是他忽略了一件事,不小心睡著後沒有人添加柴火,當火焰燃盡時,昆蟲們便率先靠別了他。
一條有麻繩粗的蜈蚣正向他走近,兩條觸角不停的探視著男子,另一邊青竹蛇正在吐舌靠近,然後突然一個美女出現在男子跟前,為他趕走了一切害蟲動物,這美女是他剛剛救過的免子精所化成的,為了報恩,兔子跟毒物搏鬥,最後雖然成功趕走了其他,但也因為毒而失去生命了!
完!』
有沒有一種熟悉的感覺!章少崇,這種故事就是你平日給我說的那些睡前故事質素了!什麼過著幸福快樂的日子,什麼壞人被好人打敗世界回復和平!還有一些說到一半你自己都悶得睡著了的斷尾故!好好感受一下你的創意是多麼『動人』吧!
雖然明知道你為人又悶又無聊,但我總是想聽你說故事,那些無聊的小故事。
沒有我的晚上,我會想你會不會睡得不習慣,你會不會覺得輕鬆了很多,你會不會很快便有另一個枕邊人,你會不會想我……
死亡,到底是怎樣的?你聽到的時候,我已經死了,應該也知道了,如果我死了變成鬼的話,便可以在這個時候嚇你了。
好了,不嚇你了,我給你唱首歡樂一點的歌吧!哈姆太郎,明天一定會更加開心的!」
聽著葉曉如唱著那首跅跅步哈姆太郎,她是真心的唱得很開心,每句都讓我感到溫暖。
今天晚上,沒有極光,也沒有月光,亦沒有星星,只有樹林中的蟲嗚,看來我是不走運的人。
如果這晚曉如跟我一起露營的話,一定是整晚也找事做,也許在山中冒險,也許在懸崖旁看星,也許在深夜煮麵吃,也許說著笑話和鬼故,直到她累了,我才能好好靜一下。
嗯,曉如你一直的病,也真的累了,現在靜下來,真的太靜了。
如果妳真的變成鬼,你就壓壓我吧,讓我知道你還在,好嗎?
曉如,晚安。
---------------------
有興趣購買《弊傢伙,我女朋友有咗》的朋友,可以經以下連結購買:
Payme, FPS, Alipay連結:https://forms.gle/UEdH32PfVD2cp5nK6
掌鋪,可以使用Visa Master Card連結:https://maydreaming.boutir.com/i/WDnmnPAAA
舊作《那天,我出席了一個葬禮》《同學會重遇的那個人》《南極》亦可以同時購買,有興趣的可留言式inbox查詢
第八回-高峰
傳送門:http://bit.ly/3szljKn
未Like既,記得like一下啊
音訊服務沒有回應 在 [問題] 音訊沒有回應- 看板Trace | PTT數位生活區 的推薦與評價
... 插了耳機跟麥的線想試試聲音結果沒聲音跟聲音有關的基礎設定看起來都很正常,使用疑難排解出現音訊服務沒有回應http://i.imgur.com/02aYtRw.jpg. ... <看更多>
音訊服務沒有回應 在 【問題】 音訊沒有回應已解決- 軟體交流板 - WEB批踢踢(PTT) 的推薦與評價
... 結果沒聲音跟聲音有關的基礎設定看起來都很正常,使用疑難排解出現音訊服務沒有回應http://i.imgur.com/02aYtRw.jpg我不知道要怎麼啟動這個服務QQ ... ... <看更多>
音訊服務沒有回應 在 [問題] WIN10 音訊服務無法回應- 看板Windows 的推薦與評價
作業系統:
WINDOWS 10 家用版
Service Pack:
10.0.15063組建15063
發生問題頻率:
發生後無法解決
是否有做Windows Update:
有
問題內容:
昨日開機後忽然完全沒有聲音,但喇叭音量顯示正常,
media player點開MP3檔案時會出現以下畫面
目前已經做了以下幾個動作:
1.確認聲音裝置啟用中
2.使用疑難排解音訊問題,出現以下畫面
3.嘗試到工作管理員裡找Windows Audio跟Windows Audio Endpoint Builder,
兩個服務皆為執行中,也重新停止並重新啟動服務過。
4.重新安裝音效卡的驅動程式
5.嘗試使用USB外接音效卡
6.掃瞄系統(小紅傘防毒)
7.系統還原到尚有聲音的時間點
全部無效,請問我該怎麼辦?
我已經不知道這到底是硬體還是軟體的問題了...
難道是電腦大限已到(五年)必須得換了嗎?
--
█ █
█ ╭\_/╮ _________ ║_˙ █
◥ Sriver │Bty│ J.T.T.A.A▏ITTF ◤ 一路走來,唯有SRIVER。
◥══════════╗︶ ︶╔══════════◤
◥ SRIVER-D13-L║ ║TAMASU TOKYO ◤
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.169.59.5
※ 文章網址: https://www.ptt.cc/bbs/Windows/M.1504286448.A.1CB.html
... <看更多>