AI機器人將如何顛覆製造業?
面對AI機器人帶來的破壞式創新,台灣製造業該怎麼把握機會,在自動化典範轉移的亂局中,占有一席之地?
Bastiane Huang
Feb 6 · 1
在先前Robotics 2.0系列文章中,我們討論了AI如何讓機器人做到過去做不到的靈巧工作,並能夠開始自主學習。第一篇文章介紹了AI如何開啟Robot2.0時代。第二篇文章則描述AI機器人在倉儲運輸業的應用,透過觀察這個新技術的第一個應用場景,來預測這一切將如何影響我們的生產力、就業狀況以及日常生活。
這篇文章我們將聚焦目前大量運用傳統機器手臂及自動化設備,同時占台灣產值最高(30%)的製造業。具有自主學習能力而且靈巧的AI機器人,將如何影響製造業流程及整體產業結構?供應鏈上的各廠商又該如何因應Robotics 2.0帶來的破壞性創新?
「未來已經到來,只是先被一部分人看見。」 — 作家威廉.吉布森
The future is already here — it’s just not very evenly distributed. — William Gibson
製造業自動化現況
根據國際機器人聯合會(IFR)發布的最近報告,全球工業機器手臂的出貨量在2018年創下新紀錄,來到38萬4,000台。其中中國仍是最大市場(占比35%),接著是日本,美國,台灣排名全球第六。
汽車以及電子製造業依然是工業手臂的最大應用市場(占比60%),遠遠領先其他包含金屬,塑膠及食品等產業。具體原因我們在第一篇文章也討論過,由於傳統機器人和電腦視覺的限制,目前除汽車業和電子業以外,倉儲、農業和其他產業幾乎都還沒開始使用機械手臂。而這樣的情形將會被AI機器人及深度學習等新技術所改變。看到這裡,你可能會想:自動化及工業機器手臂在製造業既然已經有幾十年的歷史,該自動化或可以被自動化的部分應該都已經自動化了,還有什麼創新的空間呢?
出乎意料地,就連自動化程度最高的汽車製造業,離所謂的全自動化關燈工廠(lights out factory)也還有很大一段距離。舉例來說,汽車組裝的部分大多依然是由人工來完成。這也是車廠最勞力密集的部分,平均一間汽車工廠裡有3分之2的員工都在裝配車間。就連一向追求革新與顛覆,主張追求最高自動化的特斯拉執行長馬斯克,都不得不公開承認,特斯拉生產線自動化的進度不如預期。
究竟為什麼自動化這麼困難?
自動化至今無法跨越的技術限制
現今的自動化生產線普遍為大量生產設計,因此能有效降低成本,但也因此缺乏彈性。面對消費者越來越短的產品生命週期,越來越多的少量多樣客製化生產需求,人類往往比機器人更能夠因應新的產品線,也不需要花費很多時間去重新編寫程式或更改製造工序。
1. 靈巧度與複雜度
儘管科技在快速進步,人類還是比機器人靈巧許多。在訪談電子代工廠商的過程中發現,儘管組裝產品(assembly)已經高度自動化,但備料(kitting)的程序還是必須由人來完成。
備料在製造及倉儲業都很普遍,是提高生產效率的重要步驟。指的是把組裝產品需要的各個零散部件集合起來,打包並放置在工具包(kit)的過程。之後機器人再從工具包中拿取各個零件並進行組裝作業,這時候因為各個零件都在一個固定的位置和角度,自動化編程相對容易。相反地,備料時必須從雜亂無序的零件盒中辨識並拿取零件,零件的位置角度不一,甚至可能重疊或纏繞在一起,這對現有的機器視覺及機器人技術都是一項挑戰。
2. 視覺與非視覺性的回饋
另外一方面,很多複雜的裝配作業需要靠作業員的經驗或「感覺」。不論是安裝汽車座椅或是將零件放入工具包裡,這些看似簡單的動作,事實上都需要作業員或機器人接收,並根據各種視覺甚至觸覺訊號,來調整動作的角度及力道。
這些精細的微調使得傳統的自動化編程幾乎派不上用場,因為每次撿取或放置物品都不完全相同,需要像人一樣有從多次的嘗試當中,自主學習歸納的能力,而這正是機器學習,特別是深度及強化學習,能夠帶給機器人的最大改變。
Robotics 2.0:AI可以讓工廠機器人做到哪些事?
AI帶給機器手臂最大的改變就是:以往機械手臂只能重複執行工程師編寫程序,雖然精準度及速度都很高,但卻無法應對任何環境或製程改變。但是現在因為AI,機器可以自主學習更複雜的任務。具體來說,AI機器人較傳統機械手臂在3大方面有重大突破:
1. 視覺(Vision System)
就算是最高階的3D工業相機,仍然無法像人眼一樣,既可以精準判斷深度距離,又可以辨識透明的包裝、反射表面、或是可變形物體。這也是為什麼很難找到一款相機,既可以提供準確的深度,又能夠辨識大多數的包裝及物品,然而,這樣的情形很快就會被AI改變。
機器視覺在過去幾年取得了巨大的進展,幾間來自於矽谷及波士頓的新創,包括OSARO和Covariant,利用深度學習(deep learning),語意分割(semantic segmentation),及場景理解(scene understanding)提高了低階相機的深度及影像辨識,讓製造商不需要使用昂貴的相機,也能得到足夠準確的影像訊息,成功辨識透明或反射物體包裝。
2. 可擴充性(Scalability)
深度學習不需像傳統機器視覺一樣,需要事先建構每一個物品的3D模型。只需要輸入圖片,經過訓練,人工神經網路就能自動辨識影像中物體。甚至能使用非監督或自監督學習,降低人工標籤數據或特徵的需要,讓機器更近接近人一樣的學習,免去人為干預,讓機器人面對新的零件再也不需要工程師重新編寫程序。隨著機台運作,收集到的數據越來越多,機器學習模型的準確度也會進一步提升。
目前一般生產線通常有震動台、送料器、輸送帶等週邊設備,確保機器人能夠正確拿取需要的部件。如果機器學習再進一步發展,讓機器手臂更加智能,或許有一天這些比機械手臂更昂貴四五倍以上的週邊設備將不再被需要。
另一方面,由於深度學習模型一般儲存在雲端,這也讓機器人能夠互相學習,共享知識。舉例來說,若有一台機器手臂經過一個晚上的嘗試,學會如何組合兩個零件,便能夠很輕易地將這個新的模型更新到雲端,並分享給其他同樣也連結到雲端的機器手臂。這不但省去了其他機器的學習時間,也確保了品質的一致性。
3. 智能放置(Intelligent Placement)
一些對我們來說一點也不困難的指令:請小心輕放,或把物品排列整齊,對機器手臂而言卻是巨大的技術挑戰。
如何定義「小心輕放」?是在物體碰觸到桌面的瞬間停止施力?還是在移動到距離桌面6公分處放手讓物體自然落下?或是越靠近桌面就越降低速度?這些不同的定義又會怎麼樣影響物品放置的速度和精確度?
至於將物品「排列整齊」就更困難了,先不論每個人對整齊的定義都有所不同,為了能將物品精準地放置在想要的位置及角度,我們首先必須要先從正確的位置拿取物品:機械手臂依然不如人手靈巧,且目前一般機器手臂大多使用吸盤或是夾子,要做到人類關節及手指的靈活度,還有一大段距離。
其次我們要能即時判斷夾取物體的角度位置及形狀大小,以下圖的杯子為例,需要知道杯口朝上或朝下,要側放或直放,也要知道放置的地方有沒有其他物品或障礙物,才能判斷將杯子放在哪裡才能最節省空間。 我們因為從出生開始就在學習各種取放物品的任務,這些複雜的作業幾乎不加思索就可以完成,但機器並沒有這樣的經驗,必須重新學習。
經由AI,機器手臂可以更精準地判斷深度,還可以透過訓練,學習判斷及做到杯子朝上,朝下等不同狀態。也可以利用對象建模(Object Modeling),或是體素化(Voxelization),來預測及重建3D物體,讓機器可以更準確掌握實際物品的大小和形狀,進一步將物品放到該放的位置。
AI機器人將如何顛覆製造業?
現在我們知道AI可以讓機器做到許多以往做不到的事,但這對製造業現行的產業結構又會有什麼影響?誰能夠把握住新科技典範轉移技術帶來的機會?哪些公司又會面臨前所未有的挑戰?
AI機器人帶來的破壞式創新(Disruptive Innovation)
破壞式創新由哈佛商學院教授克雷頓‧克里斯汀生(Clayton Christensen)在其著作《創新的兩難》(Innovator’s Dilemma)當中提出。理論的中心思想是:
產業中的既有業者一般會為了服務現有客戶(通常也是利潤最高的客群),而選擇專注於「持續式創新」,改善現有的產品及服務。此時,一些資源較少的小公司把握機會,瞄準被忽略的市場需求,而取得進入市場的立足點。
破壞式創新又分為以下兩種:
(1)低階市場創新
一般大家較為熟悉的是「低階市場創新」,數位照相技術就是一例。早期的數位相機不僅解析度不佳,而且還有快門延遲很長的問題,但隨著數位照相品質及解析度逐漸進步,數位相機逐漸從低階市場晉升為主流。諷刺的是,柯達雖然研發出數位相機,但卻因為無法放棄當時該公司占據全球3分之2的底片市場,而最終被新技術淘汰。這正是所謂的「創新的兩難」,既有業者雖然看到新科技的威脅,但卻因為現有公司結構,策略等種種原因無法及時因應。
(2)新市場創新
「新市場創新」則是指新進公司瞄準既有公司尚未服務到的「新市場」進行創新。例如,電話剛推出的時候只能被用來做短距離的本地溝通,因此電報產業當時的領先者Western Union拒絕購買發明家貝爾的專利,因為該公司最賺錢的是長途電報市場,當時甚至不認為短途溝通會是一個市場,更不用說預見後來人人都用電話溝通的情景了。
而AI機器人帶來的,正是「新市場的破壞式創新」!
目前汽車及電子製造業占工業機器手臂出貨量的60%,這也導致市場領先者發那科(FANUC)、ABB、KUKA、安川(YASKAWA)專注於「持續式創新」:做他們最擅長,客戶也最需要的,進一步提高速度及精度。這也使得其他諸如倉儲業、食品製造業,或製造業中的「備料程序」成為被忽略新市場。這些客戶並不需要這麼高速度,高精度的作業,但需要機器手臂更靈活,更能彈性自主學習辨識及處理不同的零件或是工作。
新創AI機器人公司看到這樣未被滿足的需求,開始將人工智慧應用在機器人上,使得機器手臂可以被用在備料,包裝,倉儲等新市場。他們使用較低階的相機搭配機器學習模型,讓以往只能由人工作業的備料,貨物分撿等程序自動化,讓機器手臂可以被運用在更多不同的地方,甚至整個產業。
有趣的是,這些新創公司一般不自行生產機器手臂,而是專注於開發機器學習模型、機器視學及控制軟體,在硬體方面則選擇跟既有機器手臂廠商合作。因此,你可能會想,就算這些機器手臂公司不追求AI創新,他們也不會被時代淘汰,因為自動化還是需要硬體的供應。
但是,這樣想忽略了幾件事:
首先,有些機器手臂公司已經先嗅到了商機,並開始一邊與這些新創公司合作,一邊建立自己的AI團隊。這些公司因為率先採取行動,可以更快地在這些以往服務不到的新市場中建立客群,進一步領先競爭對手。
其次,隨著AI應用的普及,產業鏈中的最大價值,會逐漸由硬體轉向軟體及數據。 這點,我們已經可以從無人車的發展趨勢中看出。一但無人車可以做到高度自主,大部分的價值都會在掌握無人車機器學習模型及自駕數據的特斯拉,或Google等公司的手裡。這也是為什麼車廠人人自危,不是積極併購就是跟矽谷的軟體AI新創公司合作。相比起來,機器手臂及製造商對AI技術的接受速度似乎還不及汽車製造商。
AI機器人帶來的挑戰與機會
AI及機器人的結合帶來許多的可能性,但是這些改變絕非一蹴可幾。機器手臂公司縱使開始投資AI,也依然會面臨當初柯達所面臨的「創新者的兩難」。
要如何重新打造組織及發展策略,才能夠讓轉型的負面影響降到最低,也考驗各個公司管理階層的判斷與決心。
另一方面,開發全新市場也絕非簡單的事,新創公司仍需要和製造廠商密切合作,開發更貼合客戶需求的解決方案。 製造業的流程甚至比倉儲更複雜多樣,新創公司雖然了解AI及機器人技術,但卻不一定了解製造流程。這也給台灣製造廠商一個搶得先機成長轉型的最佳機會。
如果台灣廠商能夠率先和這些新創公司合作,不僅能透過流程自動化提升生產效率及品質,還能做到以往較難做到的少量多樣客製需求,擺脫大量製造,削價競爭的紅海策略。更可以成為新一代AI機器人的試驗場,和國際新創合作開發針對電子或半導體製造業的專屬解決方案,進而銷售到其他國家。
日前,曾任職於Google與百度的吳恩達(Andrew Ng)受邀來台演講中也指出,台灣應該善用自己在半導體與製造業的既有優勢,發展人工智慧,成為除了矽谷、北京之外的下一個AI Hub。 相較於其他像是零售或是消費性網路領域這些現在發展相對成熟的AI應用,台灣在製造產業中發展人工智慧,不但更具有了解應用案例、掌握數據等優勢,也有機會能夠藉由AI機器人等新技術,達到產業轉型的目的。
附圖:KIT工具包 — source: kitting-assembly.ca
深度學習物件辨識範例,由左至右分別為Mask-RCNN, Object Modeling, Grasp Point Prediction。OSARO
傳統及AI機器人創新策略比較 — source: Bastiane Huang
製造業自動化產業鏈- source: Bastiane Huang
資料來源:https://medium.com/marketingdatascience/ai%E6%A9%9F%E5%99%A8%E4%BA%BA%E5%B0%87%E5%A6%82%E4%BD%95%E9%A1%9B%E8%A6%86%E8%A3%BD%E9%80%A0%E6%A5%AD-ee2dbc3db7e4
快門速度用來控制什麼 在 李開復 Kai-Fu Lee Facebook 的最讚貼文
創新工場AI工程院王詠剛院長的第三篇AI教育遊戲。家長快收藏!
文章來源:微信公眾號半輕人(ban-qing-ren),推薦關注。
…………………………………………………………
AI時代,陪孩子玩什麼遊戲?
之前寫過兩篇《AI時代,陪孩子玩什麼遊戲?》,很久沒更新,倒不是因為這段時間不陪非非玩遊戲了,主要是其他事情太忙,很少有時間坐下來把思路和文字整理好。
頭兩篇文章基本是從遊戲出發,首先要好玩,然後才是讓孩子從中悟到一些可以積累下來的東西。兩篇文章的連結:
《AI時代,陪孩子玩什麼遊戲?(一)》
https://mp.weixin.qq.com/s/xWjmiWKRa4OOpJ1EFZrJdA
《AI時代,陪孩子玩什麼遊戲?(二)》
https://mp.weixin.qq.com/s/mt_meqxB4DjOWj2msSIO5Q
▍費曼的“末世”假設
第三篇打算從一個假設開始講起。費曼(Richard Feynman)在他的《物理學講義》中說,“假如由於某種大災難,所有的科學知識都丟失了,只有一句話可以傳給下一代,那麼怎樣才能用最少的辭彙來傳達最多的資訊呢?”費曼這個假設很科幻,可以和阿西莫夫關於《銀河百科全書》的假想類比。費曼自己給出的答案是,“所有的物體都是由原子構成的”。
切換到兒童教育領域,其實也有一個類似的假設值得思考:如果因為某種極端情況——比如我必須隱姓埋名去研發秘密武器對抗外星人——我即將和孩子長期分別,只能給孩子留下一句話。怎樣才能用一句話,把家長想傳遞給孩子,讓孩子受益的經驗或知識講清楚呢?不知大家心裏想到的是哪句話?我自己呢,最想跟我們家非非說的一句話是:
萬事萬物都在變化,沒有什麼千秋萬代,也罕有什麼絕對真理;人,最好學會自己判斷。
坦白講,這句話小孩子很難聽懂。
這世界上,有三件事最適合懶人:絕對的價值觀,武斷的思維,從眾的態度。
我們年輕時,不也喜歡用非黑即白的方法去看待整個世界嗎?看個電影,我當年非要問大人,這電影裏哪個是好人,哪個是壞人;中學時朦朧看見愛情,總覺得幸福的愛情就如天堂一樣全無瑕疵;稍有些歷史觀念時,一會兒覺得英雄與惡魔才是歷史的主角,一會兒又覺得勞動人民創造歷史的說法無比正確;初入職場做碼農時,還習慣性地用黑白二元論評價某種編程語言是絕對好的,某種操作系統是絕對壞的……
孩子容易被“懶人三件事”裹挾著走,我們就有義務時不時提醒孩子,這世界並不是那麼簡單。陪孩子玩遊戲,跟孩子聊天,或者回答孩子提問時,就是我們潛移默化讓孩子體驗一些類似思維方式的機會。就算以後孩子仍缺少辨識力和判斷力,他們至少會知道這世上並不是所有人都用同一種方式思考問題。
▍時有古今、地有南北
我當年在北大聽過些文史課程。有位文科老師經常用誇張的字體在黑板上寫下“時有古今、地有南北”八個大字。他是想提醒我們,文字、音韻、訓詁乃至詩詞歌賦、天下文章,都會隨著時間、地域變化而改變。倘若連這個基本道理都不懂,非要把此時此地的東西,生搬到彼時彼地,肯定會栽跟頭。
非非喜歡各種帶有文化、歷史意味的東西。這就給了我很多機會,來提醒他幾千年裏隨處上演的時移世易,滄海桑田。比如,有時候看見相聲或電視劇讓大宋東京汴梁的人說河南話,讓秦皇漢武說陝西話,我就會告訴非非,這東西當笑話聽聽可以,千萬不要認真。認真來說,無論是秦皇漢武,還是李白杜甫,他們的講話如果有錄音流傳,今天九成九的人是聽不懂的。
非非不信。我就拿他早已背熟的詩詞舉例子。比如張志和的《漁歌子》:
西塞山前白鷺飛,
桃花流水鱖魚肥。
青箬笠,綠蓑衣,
斜風細雨不須歸。
按照《漁歌子》的詞牌,“飛”、“肥”、“衣”、“歸”這幾個字押韻。可用今天的普通話讀起來,衣服的“衣”字顯然和其他幾個字不押韻。我跟非非講,人們說話的語音,每隔百十年,就會有非常顯著的變化。張志和這首詞作於唐代,離現在一千多年,每個字的讀音幾乎都與今天的普通話有巨大差異。古時押韻的一組字,到今天就不一定押韻了。
非非很好奇地問,那我們該怎麼知道古代人是怎麼說話的呢?
這個問題問得好。就算是語言學家或古漢語專家,也未必能用兩三句話講清楚。但如果只是想給小孩子講明白其中的基本道理,倒也不需要搬出《漢語語音史》之類的大部頭。往前倒數一百年,清末民初人們說話的錄音甚至錄影還能找到一些。比如B站可以找到《清朝人的普通話是什麼味兒》(https://www.bilibili.com/video/av7050107,視頻裏其實都是民國時的錄音錄影片段)。把這種視頻、音頻放給小朋友聽,效果立竿見影。小朋友很直觀就可以明白,短短一百年,口語語音就會有非常明顯的不同,更別說上千年的變遷了。
再上溯到唐宋乃至秦漢,那時錄音錄影技術還沒發明,當然沒法直接知道古人說話的語音。但我們仍有辦法“猜測”當時每個字的讀音。這裏沒必要講聲韻學的知識。為了跟非非講解語言學家是怎麼猜測古代讀音的,我舉了數獨(Sudoku)遊戲的例子。難度低的數獨遊戲,留白的格子很少,比較容易根據規則和周邊數字猜出答案。難度大的數獨遊戲,留白的格子很多,猜起來要複雜一些。
猜測漢語古音也類似。我們有一套從漢語發展中總結出來的規則,也有很多有用的提示資訊,比如古詩詞裏互為押韻的韻腳,古代韻書對漢字讀音的分門別類。提示資訊越多,我們的猜測就越有可能接近真相。提示資訊越少,我們的猜測就越像是一廂情願的假想——但每種假想仍需符合規則,至少要能自圓其說。
猜唐宋音相對容易些,因為提示資訊很多。要猜先秦兩漢音就難不少,因為資料太少。上面提到“衣”和“飛”押韻,這情況不僅在唐朝如此,在先秦的《詩經》中也是如此。《詩經·柏舟》中有這樣的句子:
日居月諸,胡迭而微?
心之憂矣,如匪浣衣。
靜言思之,不能奮飛。
王力《詩經韻讀》對《柏舟》三個韻腳的注音分別是:微(miuəi)、衣(iəi)、飛(piuəi),微部。這樣的注音未必就能反映先秦語音的真實情況,但已經是語言學家對古代漢語的一種能自圓其說的“擬音”了。網上有不少有趣的錄音,是現代人根據語言學家的擬音體系來模仿古人說話、吟詩的記錄。作為娛樂目的,這些錄音可以放給小朋友聽聽,讓小朋友直觀地感受下語音隨時間而產生的巨大變化。但千萬不要告訴小朋友那就是真正的古音,因為無論是擬音體系還是播音者對擬音的理解,都未必完全準確。
說到押韻,人們天生就對押韻的句子有感覺,小孩子也不例外。非非小時候就會偶爾說出些押韻的句子,比如“我要吃飯/吃個雞蛋”,然後下意識重複並咯咯大笑。到一年級開始學拼音時,我就有意跟他講些押韻、對仗的小知識。我們倆經常口頭做些末字必須押韻的“打油詩聯句”遊戲,或者完全不講究平仄和工整的“對對聯”遊戲。這些小知識和小遊戲對培養孩子的漢語語感和基本語言素質肯定是有幫助的,也正好能和他們旺盛的創作欲關聯起來。
比如小孩子都喜歡傳播、創作打油詩,也喜歡用童謠編派人、捉弄人。我們小時候就經常唱“某某某的頭,像皮球,一踢踢到百貨樓。”沒想到非非他們學校裏,也唱類似的童謠,而且具體唱詞和我們小時候還有不少區別。和同年齡孩子一樣,非非特喜歡這些難登大雅之堂的市井謠諺。他還經常和同學比著用自己的話修改這些惡作劇式的順口溜和打油詩。我覺得,只要不是惡意中傷或言辭猥褻,小朋友們玩這些語言遊戲,並沒有什麼不妥,這本來就是童年時光的重要部分。
有一天,非非回家唱道,“床前明月光,李白睡得香,夢見機關槍,嚇得尿褲襠。”我就問非非,這打油詩是誰想出來的。非非也說不清楚,只知道是在他們班小朋友之間傳唱的。我上網搜搜,果然又查出這童謠的許多類似版本:
┃ 床前明月光,李白睡得香,夢見屎殼郎,嚇得尿褲襠。
┃ 床前明月光,李白睡正香。忽然瓢潑雨,急呼兒他娘。起來幹什麼?出門收衣裳。
┃ 床前明月光,李白想喝湯,喝了一碗湯,尿了一褲襠。
┃ 床前明月光,李白睡得香。三更半夜鬼敲門,嚇死路邊過路人。
┃ ……
“床前明月光,李白睡得香”這樣的童謠,在不同時代和不同地域,流傳、衍生出許多不同的版本,反映的不也是語言文字“時有古今、地有南北”的變化規律嗎?
▍凡爾納愛好者
非非愛讀儒勒·凡爾納的科幻小說——當然,目前更多是用“聽書”的方式。最近一年多的時間裏,非非在某電臺APP的有聲小說欄目裏,先後聽完了《海底兩萬裏》《八十天環遊地球》《神秘島》《格蘭特船長的兒女》《從地球到月球》等五六部小說。這些小說裏,他最喜歡的是那幾位有博物學家特質的人物,比如《海底兩萬裏》裏精通分類理論的孔塞伊(Conseil)。
因為喜歡孔塞伊,非非也特別願意主動去閱讀、記憶動植物分類知識。家裏幾本兒童動物百科、海洋百科都快被他翻爛了。這種特別喜歡深鑽某個領域的現象,在小朋友身上其實還挺常見的,只不過不同小朋友喜歡鑽研的方向不同罷了。非非深鑽動植物分類知識的結果就是,他現在能隨口說出很多我們根本不知道名字的古生物或當代動植物名字,還大致知道這些生物在分類體系的位置。
我有時擔心,非非會不會被這些繁冗的分類學知識束縛了頭腦。其實,分類學體系本身也不是一成不變的。動植物分類會隨著人們對生物形態認識的深入而不斷更新。特別是進入了基因科學時代後,人們對傳統動植物分類理論又有了非常多全新的認識。另外,針對不同的科研目的,完全可以選擇不同維度對動植物分門別類。可是,我們該如何讓小朋友初步瞭解這些發展的和動態的思維方式呢?
我和非非玩一種叫“卡片分類”的小遊戲。這遊戲並不強調分類的系統性和專業性,而是強調有沒有新穎好玩,又符合一定邏輯的分類角度。
比方說,因為非非喜歡動物,我就讓他隨口說出一些動物名字。有一次,他說出了七種動物的名字:大象、座頭鯨、水蚺、烏賊、蟑螂、章魚、鸚鵡螺。這裏面有些動物名字還挺有趣的,比如“水蚺”,我就不太熟悉。非非積極地給我講解“水蚺”的正確讀音是什麼,究竟是一種什麼動物。再比如“蟑螂”確實是非非當時喜歡的動物,他經常莫名其妙地說自己就是一只小蟑螂——小孩子的心思真是搞不懂。不過沒關係,反正都是非非喜歡的動物就行。我把這些動物名字分別寫在彩色便簽紙上,然後讓非非做一個簡單的工作:把這七種動物分成兩類或多類,並告訴我為什麼這樣分。
不出所料,非非的第一種分類方法就是他熟知的傳統動物分類法。他飛快地把座頭鯨、大象和水蚺分成一類,因為這三個動物是脊椎動物,而其他四個動物,烏賊、章魚、鸚鵡螺和蟑螂,都是無脊椎動物。非常正確。非非甚至還可以進一步告訴我每個動物的細分類別。
我當然不滿足於這樣簡單的答案。我問非非,這些動物一定要從分類學的大類上才能區分成兩類或多類嗎?有沒有其他的角度可以把它們分開?非非的思維一時還陷在動物分類學的束縛裏,他左思右想,取巧似地想到了一種方法:蟑螂是昆蟲,單獨作為一類;其他的動物都不是昆蟲,合為另一類。
這真是抄近道的解題法。非非當然還可以把這七種動物分成哺乳動物和非哺乳動物,軟體動物和非軟體動物,等等。但這些方法,不還是圍繞著動物分類學的類目來展開的嗎?
“你能想像出來的,又奇特、又合理的分類角度有哪些?” 我問非非,“舉個例子,我和你都是哺乳綱靈長目人科人屬智人種,但還是有很多特徵可以將我們倆區分開來,比如我們倆身高不同。”
聽到這裏,非非開始有了新的思路。稍動腦筋,他就給出了一個出乎我意料的分類方法:這七個動物的名字裏,有三個名字的漢字包含蟲字旁,而另外四個不包含蟲字旁。
這真是一種有趣的、開腦洞的分類法。我喜歡這樣的思考方式。用這樣的方法,非非一下子找到了好多他以前沒想過的分類角度,比如按照動物的生活空間,把七種動物分成海洋動物和非海洋動物,按照動物的身長和體重,把它們分成大型動物、中型動物、小型動物,按照動物最早出現的時間,把動物分入不同的地質年代,等等。
分完了動物,我又鼓勵非非說出幾本圖書的名字,然後對圖書做分類。他列出了六本書:《海底兩萬裏》《西遊記》《史記》《論語》《資治通鑒》《毛主席語錄》——我也不知道他當時為什麼列出這六本,只是如實記錄我們的遊戲過程。
對於這六本書,非非首先想到的是將六本書分成三類,語錄體裁的書有兩本,歷史書有兩本,小說有兩本。這個分類方法中規中矩,沒太多新意。
我鼓勵非非探索新的分類方法時,非非又做了一次出乎我意料的選擇。他十分肯定地說,《西遊記》和《海底兩萬裏》這兩本小說,是虛構的故事,而其他四本書,講的都是真實世界裏的事情。七八歲的小朋友能有這樣的認知,還挺讓我驚訝的。當然,我不是特別肯定,非非是不是從學校裏知道了“虛構類圖書”的說法。但我還是主動跟非非講,在很多實體或網上書店裏,流行圖書就是按照“虛構類”和“非虛構類”來劃分的。自己的分類法居然與很多書店的通行做法類似,這讓非非很得意。
接下來,非非又提出了一個新的分類界限:《論語》《史記》《資治通鑒》是元朝以前撰寫的,而其他三本書是元朝以後撰寫的。我不太知道非非是怎麼想到元朝這個分界點的。如果要找一個時間點,正好把六本書分成三本一類,那至少得知道《資治通鑒》是宋朝作品,《西遊記》是明朝作品。我不是很確定,非非是不是碰巧說對了分界的朝代。
非非提出的下一個分類方法是按作者的國籍來分,中國作者一類,外國作者一類。這個思路相對普通些。
非非給出的一種開腦洞的分類方法仍然是從書名漢字出發的,就是按照書名漢字的個數,將六本書分成四類。這分類法雖然沒啥用,但足以讓小朋友感受到發現新視角的成就感。
趁著玩遊戲,我也給非非多少講了講圖書分類的歷史沿革,比如劉向劉歆父子的《七略》,後來的四部分類法,中國圖書館分類法,美國國會圖書館分類法等等。不同地方、不同歷史階段,人們對圖書分類——其實是對人類積累的全部知識進行分類——的認識也大為不同。這也是一種“時移世易”。
以後,等非非再大一些,這種分類小遊戲還可以延展到更高級的階段。為一個真實存在的知識體系建立完整、高效的分類體系並不容易,其間存在著很多必須處理的歧義問題、多義項問題、多重歸屬問題等等。更高級的知識體系梳理和建構方法,自然也存在著先天的多樣性,必須根據實際應用的需要來權衡、選擇。
▍用選擇與權衡來應對變化
小朋友看問題容易絕對化。有時候家長跟孩子交流,也習慣性地帶入童年思維,用絕對化的方式講問題。比如我們經常說“上學一定要聽老師的話”,但真遇到了老師教學中不准確的地方,該怎麼跟孩子解釋呢?再比如,我們經常簡單地告訴孩子“氣溫在零度以下時就會下雪”,但若真在生活中遇到零度以上下雪,或零度以下降雨的事情,又該怎麼跟孩子說明呢?生活中為了方便,說些抄近路、省去限制條件的話,當然無可厚非。但孩子成長過程中,還是應該想辦法讓他們認識到,這個世界大多事情是有條件的。一個條件的細微變化,就有可能引起事物本身的劇烈變化。絕對的、無條件的事情是極少存在的。
另一方面,小朋友也較少理解什麼是事物或條件間的相互影響、相互制約。比如非非三歲多時,有一次在臨睡前提出,他既想睡到自然醒,又想第二天起來看日出。可如果不叫他,他是無論如何也沒法在日出前起床的。我們建議他二選一,或者看了日出再接著睡,或者放棄看日出,他就覺得我們是在欺負他,大哭大鬧起來,甚至吼著要“讓太陽晚出來一會兒”。看日出和自然醒不能兩全,這種事物相互影響,需要權衡利弊做抉擇的事情在生活中有很多,小朋友們需要的是習慣它們而不是厭惡它們。
有時候,我會有意識地設計一些小問題,主動讓非非做一點選擇或權衡。比如,假設非非要在學校的跳蚤市場上銷售自己用彩色瓦楞紙折的小玩偶,玩偶的定價越高,預期的銷量就越少,玩偶的定價越低,預期的銷量就越多。那麼,非非該為自己的玩偶定什麼樣的價錢,才能取得最大的銷售收入呢?這問題和我們在第一篇中講過的極值問題,擁有類似的數學核心。比如,我們可以人為設定,玩偶的銷量和價格之間的關係是:
銷量 = 10 - 價格
於是有:
銷售額 = 價格 x (10 - 價格)
這就還原成了周長為10的矩形,其面積在什麼情況下最大的極值問題。當然,其他類似的數學模型也可以建立銷售額和價格的關係。但具體採用什麼數學模型或什麼函數不重要,非非只要在數值計算的層面上,能用1到10這樣的簡單整數代入計算,然後觀察結果的變化規律就行了。數值計算很容易發現,在1到10的價格區間裏,既不是價格越低銷售額就越高,也不是價格越高銷售額就越高。非非必須從觀察數據出發,選擇出一個合適的價格,以獲得最大的銷售額。
還有一個更直觀也更有趣的場景是攝影。現在的孩子很小就能拿手機拍照。而拍照本身,就是一個不斷選擇參數、做各種權衡與折中,以得到最佳效果的過程。有空的時候多陪孩子玩玩攝影,既可以讓孩子體驗不同條件對拍攝結果的影響,也可以讓孩子自己動手嘗試創作過程裏的選擇和權衡。
比如在iPhone手機的缺省相機程式裏,就算不去精確控制拍攝參數,我們也必須針對拍攝對象,選擇是拍“照片”“人像”還是其他模式。這選擇很簡單,其中也有很多好玩的事情可以讓孩子體驗。比方說,小朋友嘗試幾次之後就很容易知道,用“人像”模式拍照,iPhone或其他主流手機都會對目標周圍的背景進行虛化,以突出人物主體。這其實是用演算法模擬了專業相機在大光圈時的淺景深效果。
但是,影響照片景深大小的,只有光圈(或用人像模式模擬大光圈)這唯一的因素嗎?當然不是。我們可以指導小朋友用普通的“照片”模式做一個小實驗:把手機移動到距離要拍攝的主體特別近的地方,用手指觸碰取景螢幕上的目標主體以保證對焦正確,然後拍下來的照片,就會呈現類似大光圈時的淺景深效果。
從這樣的小實驗裏,小朋友完全可以總結出,影響照片景深的不止有一個因素。相機鏡頭距離前景目標的距離,也可以用來控制照片的景深。
拍照過程中,有很多可以設置的參數,他們交叉影響著諸如景深、曝光度、噪點數量、清晰程度等各種結果。這些參數,完全可以放開手讓小朋友自己去體驗、摸索。這種遊戲的目的並不是教小朋友學習專業攝影,而是讓小朋友從玩照相中體驗到條件與結果之間動態、複雜的因果關係。
在iPhone缺省相機程式裏,點擊取景畫面,然後用手指移動黃色方框旁邊的小太陽圖示,可以直接改變照片的曝光程度,有意得到過曝或欠曝的圖片,或者在手機的自動測光給出的結果過亮或過暗時手動修正。如果用手指按住“照片”“人像”這一行的模式設置按鈕,往上輕輕一劃,還可以拉出更多可以控制閃光燈、夜景模式、實況模式、畫幅、濾鏡的按鈕來。
我經常鼓勵非非在手機相機程式裏隨便嘗試,讓他自己體驗對照片結果的不同控制手段,然後再鼓勵他用手機相機做各種自由發揮式的“創作”。這種創作更像是遊戲,不追求結果是否好看,只是讓小朋友盡情體驗變化的樂趣。
對大一點的小朋友,如果有機會向他們介紹專業相機曝光所依賴的“光圈”“快門”“ISO”這三個神奇的參數,那會是一個更有意思的體驗選擇與權衡的遊戲。簡單說,影響相機曝光的“光圈”“快門”“ISO”三個參數構成了一個互相牽制、互相依賴的“神奇三角”:
為了曝光準確,光圈調大一些,快門速度就要調快一點,或者把ISO調小一些;假如快門速度調慢些,光圈就要相應小一些,或者把ISO調小些……為了完成正確曝光,三個參數的取值可以有許多種組合方式。究竟選取哪個組合方式,這取決於我們想把照片拍成什麼樣:是景深小一點,還是景深大一點?是想把運動瞬間凝固起來,還是讓運動物體拖出一個模糊的影子?是讓照片更細膩,還是讓照片的顆粒感更強?
佳能有個網頁版的小遊戲,不需要專業相機,就可以體驗光圈、快門、ISO三者間的關係,直觀地感受三個參數對成像的影響。推薦喜歡攝影的家長和小朋友一起玩一玩。小遊戲的網址是:http://canonoutsideofauto.ca/play/
▍什麼是“聰明”
非非上一年級時,有一天跟我們說:“我發現我們班上女生都比較聰明。”
我問他:“為什麼呀?”
非非說:“因為女生上課時回答問題比較快,考試時好多題目都能答對。”
非非是個資質普通的小朋友,和很多小朋友一樣貪玩,沒耐心,還特別排斥自己不喜歡的事。我們很少跟他討論同齡小朋友間誰更聰明的話題。非非既然這麼問,也許他做過一些認真的思考。
我引導他說:“確實,回答問題快、考試答題好的人是挺聰明的。可聰明其實有很多種,不同的小朋友會在不同事情上表現得很聰明。有的小朋友畫畫很好,有的小朋友愛打籃球,有的小朋友擅長交朋友……這些都是聰明的小朋友。”
非非說:“我特別喜歡歷史,可以給老師、同學講很多歷史小故事。我也喜歡科學小實驗,每次科學課上我都積極發言。我是不是也很聰明呀?”
“當然啦!”我誇獎他說。
我當然希望非非越來越聰明。但孩子是否真有天賦,在哪個方面有天賦,這是不能強求的。不加分辨地一味灌輸知識技能、揠苗助長肯定不行。我之所以經常花時間跟他玩遊戲,陪他一起聊科學和歷史方面的小故事,主要是想依著孩子自己的興趣愛好,讓孩子在遊戲和交流中積累自己的思維方法,用正確的視角去觀察變化的世界。
人的一生有太多事情需要經歷,有太多變化需要適應。家長與其把時間都花在教孩子某種具體技能上,還不如多讓孩子開開眼界,看看這個世界的豐富多彩,體驗這個世界的千變萬化。惟其如此,孩子未來在獨立面對這個世界時,才會更從容、更積極、更自信也更聰明。
快門速度用來控制什麼 在 新港藝術高中攝影社(Sgash.PC.) - 【還分不清楚光圈、快門 ... 的必吃
快門 快門就是相機用來控制曝光時間的裝置。相機內部就像個黑漆漆的盒子,快門就是盒子的 ... 快門數值的單位是「秒」,例如DC螢幕上顯示1/30這種數值,這就是快門速度 ... ... <看更多>