關於 資料結構與演算法書 ，我們在網路上蒐集到這些相關的討論、資訊與評價

#Q博展知識
【記者節快樂】
今天是九一記者節，祝各位為了新聞而努力奔走的記者們，記者節快樂
在這個日子裡
我們也來看一些科普X新聞X記者的科學吧！

【科技與社會的研究與教學：我們都是科學記者】
現代社會的公眾對於科技議題的理解，事實上有著比過去任何一個時代都要高的門檻。由於透過科學傳播的媒介吸收新知，因此公眾除了需要面對高聳的科學認識屏障外，更需要解析媒介背後的錯綜特質。在這雙重的條件下，一般民眾並不容易直接切進議題的核心，常常需要倚賴超越內容的知識來間接習得。

這個過程就像一般民眾在認識科技議題時，其核心往往牽涉龐大的知識基礎，直接逼近常是不可得的一種理解方式。因此就像天文學家追尋黑洞的存在一樣，民眾也需要透過相關的「背景輻射」才能間接習得核心議題的意義。在這種情況下，民眾的需求可能不是一些與議題直接相關的「內容知識」（例如相關科學理論、數據等），反而超越內容之外的「背景知識」才是一般民眾可以具體掌握並有助於形成論點的知識。

而超越內容的知識可以包含哪些不同的層次呢？在現代社會中，每一個社會性科學議題的背後，事實上都同時被科學和媒體這兩層不同的論述包覆著。例如就一個科學事件而言，科學家先用科學理論的詞語對它進行說明，之後大眾傳媒又會基於自己的需求用傳播的論述包裹一次。因此一個公民如果要認識一件社會性科學議題的核心，要像剝洋蔥般，耐心地把這一層層的包覆拆解開來。
https://scitechvista.nat.gov.tw/UrlMap?t=heZ

【當人工智慧進入新聞編輯台】
機器寫作顧名思義就是─讓機器人幫你寫作，即為運用演算法對於所輸入的文章資料自行作處理，然後即可自行拼湊出一篇文章。而使用機器人「拼湊」新聞的優勢在於它可以快速的收集到大量且相關連性的資料，並且迅速地做到彙整、統計、分析資料等功能。目前機器人新聞寫作主要被運用在體育和財經新聞報導上較多，主要是因為這兩個領域的資料訊息瞬息萬變，需要耗費的時間相對上較多，因此利用電腦來幫忙作分析、統計、整理可以減少人力體力上及時間的過多耗費。

機器人新聞寫作的出現，優點在於可以讓更多的員工去從事有創造性和挑戰性的工作。美聯社期望機器人寫作的加入，能夠讓記者回到本職的工作內容，而不是花大量的時間在於資料的彙整、統計、分析上。機器人寫作有三大優點：（1）即時運算（即為資料的彙整、統計、分析）非常快，可以省掉很多處理上的時間、(2)可減少人力資源開銷、(3)產出的報導客觀公正。
https://scitechvista.nat.gov.tw/UrlMap?t=d2C

【科學媒體化】
傳播媒體技術與電腦網絡的快速發展，使電子傳播媒體成為社會大眾資訊的主要提供者。雖然，一般大眾對於媒體有著種種的批評，但是媒體還是公眾資訊的主要來源，在某個程度上也是民意的塑造者。就像學生的報告，主要的資料來源就是網路。在這種新的權力結構下，科技社群與媒體間也產生了新的互動關係。在新的關係中，科技專家漸漸擺脫與媒體保持距離的習慣。為了爭取有限的科研經費，科技專家有時反而需要媒體的「背書」。媒體，不再只是單純的知識傳播者，它似乎也逐漸與「大學—國家—產業」這三螺旋鏈，形成檯面上的四螺旋鏈。

科技社群與媒體大概有底下的新關係：一、知識優先權透過媒體取得；二、媒體可能塑造科技界的明星，進而形塑大眾科技的「共識」；三、科技界為爭取媒體曝光度，可能提供未成熟的資料。無論這些問題是否發生，我們應該注意的是，媒體是否已逐漸影響傳統的科技社群自律機制？是否科技界對媒體需求的比重已經凌駕對「真理」的追求？

不過無論如何，大眾或科技專家，都已經無法避免透過媒體接觸科技知識。在這些例子中，我們反而看到科學事業人性化的一面。因此，需要改變的也許不是科技知識產生或傳播的方式，而是所有人心目中「科學」的形象。
https://scitechvista.nat.gov.tw/UrlMap?t=gS4

摩爾定律放緩　靠啥提升AI晶片運算力？

作者 : 黃燁鋒，EE Times China
2021-07-26

對於電子科技革命的即將終結的說法，一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續，也就意味著資訊技術的整棟大樓建造都將出現停滯，那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有的，但這波革命始終也沒有結束。AI技術本質上仍然是第三次科技革命的延續……

人工智慧(AI)的技術發展，被很多人形容為第四次科技革命。前三次科技革命，分別是蒸汽、電氣、資訊技術(電子科技)革命。彷彿這“第四次”有很多種說辭，比如有人說第四次科技革命是生物技術革命，還有人說是量子技術革命。但既然AI也是第四次科技革命之一的候選技術，而且作為資訊技術的組成部分，卻又獨立於資訊技術，即表示它有獨到之處。

電子科技革命的即將終結，一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續，也就意味著資訊技術的整棟大樓建造都將出現停滯，那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有，但這波革命始終也沒有結束。

AI技術本質上仍然是第三次科技革命的延續，它的發展也依託於幾十年來半導體科技的進步。這些年出現了不少專門的AI晶片——而且市場參與者相眾多。當某一個類別的技術發展到出現一種專門的處理器為之服務的程度，那麼這個領域自然就不可小覷，就像當年GPU出現專門為圖形運算服務一樣。

所以AI晶片被形容為CPU、GPU之後的第三大類電腦處理器。AI專用處理器的出現，很大程度上也是因為摩爾定律的發展進入緩慢期：電晶體的尺寸縮減速度，已經無法滿足需求，所以就必須有某種專用架構(DSA)出現，以快速提升晶片效率，也才有了專門的AI晶片。

另一方面，摩爾定律的延緩也成為AI晶片發展的桎梏。在摩爾定律和登納德縮放比例定律(Dennard Scaling)發展的前期，電晶體製程進步為晶片帶來了相當大的助益，那是「happy scaling down」的時代——CPU、GPU都是這個時代受益，不過Dennard Scaling早在45nm時期就失效了。

AI晶片作為第三大類處理器，在這波發展中沒有趕上happy scaling down的好時機。與此同時，AI應用對運算力的需求越來越貪婪。今年WAIC晶片論壇圓桌討論環節，燧原科技創始人暨CEO趙立東說：「現在訓練的GPT-3模型有1750億參數，接近人腦神經元數量，我以為這是最大的模型了，要千張Nvidia的GPU卡才能做。談到AI運算力需求、模型大小的問題，說最大模型超過萬億參數，又是10倍。」

英特爾(Intel)研究院副總裁、中國研究院院長宋繼強說：「前兩年用GPU訓練一個大規模的深度學習模型，其碳排放量相當於5台美式車整個生命週期產生的碳排量。」這也說明了AI運算力需求的貪婪，以及提供運算力的AI晶片不夠高效。

不過作為產業的底層驅動力，半導體製造技術仍源源不斷地為AI發展提供推力。本文將討論WAIC晶片論壇上聽到，針對這個問題的一些前瞻性解決方案——有些已經實現，有些則可能有待時代驗證。

XPU、摩爾定律和異質整合

「電腦產業中的貝爾定律，是說能效每提高1,000倍，就會衍生出一種新的運算形態。」中科院院士劉明在論壇上說，「若每瓦功耗只能支撐1KOPS的運算，當時的這種運算形態是超算；到了智慧型手機時代，能效就提高到每瓦1TOPS；未來的智慧終端我們要達到每瓦1POPS。 這對IC提出了非常高的要求，如果依然沿著CMOS這條路去走，當然可以，但會比較艱辛。」

針對性能和效率提升，除了尺寸微縮，半導體產業比較常見的思路是電晶體結構、晶片結構、材料等方面的最佳化，以及處理架構的革新。

(1)AI晶片本身其實就是對處理器架構的革新，從運算架構的層面來看，針對不同的應用方向造不同架構的處理器是常規，更專用的處理器能促成效率和性能的成倍增長，而不需要依賴於電晶體尺寸的微縮。比如GPU、神經網路處理器(NPU，即AI處理器)，乃至更專用的ASIC出現，都是這類思路。

CPU、GPU、NPU、FPGA等不同類型的晶片各司其職，Intel這兩年一直在推行所謂的「XPU」策略就是用不同類型的處理器去做不同的事情，「整合起來各取所需，用組合拳會好過用一種武器去解決所有問題。」宋繼強說。Intel的晶片產品就涵蓋了幾個大類，Core CPU、Xe GPU，以及透過收購獲得的AI晶片Habana等。

另外針對不同類型的晶片，可能還有更具體的最佳化方案。如當代CPU普遍加入AVX512指令，本質上是特別針對深度學習做加強。「專用」的不一定是處理器，也可以是處理器內的某些特定單元，甚至固定功能單元，就好像GPU中加入專用的光線追蹤單元一樣，這是當代處理器普遍都在做的一件事。

(2)從電晶體、晶片結構層面來看，電晶體的尺寸現在仍然在縮減過程中，只不過縮減幅度相比過去變小了——而且為緩解電晶體性能的下降，需要有各種不同的技術來輔助尺寸變小。比如說在22nm節點之後，電晶體變為FinFET結構，在3nm之後，電晶體即將演變為Gate All Around FET結構。最終會演化為互補FET (CFET)，其本質都是電晶體本身充分利用Z軸，來實現微縮性能的提升。

劉明認為，「除了基礎元件的變革，IC現在的發展還是比較多元化，包括新材料的引進、元件結構革新，也包括微影技術。長期賴以微縮的基本手段，現在也在發生巨大的變化，特別是未來3D的異質整合。這些多元技術的協同發展，都為晶片整體性能提升帶來了很好的增益。」

他並指出，「從電晶體級、到晶圓級，再到晶片堆疊、引線接合(lead bonding)，精準度從毫米向奈米演進，互連密度大大提升。」從晶圓/裸晶的層面來看，則是眾所周知的朝more than moore’s law這樣的路線發展，比如把兩片裸晶疊起來。現在很熱門的chiplet技術就是比較典型的並不依賴於傳統電晶體尺寸微縮，來彈性擴展性能的方案。

台積電和Intel這兩年都在大推將不同類型的裸晶，異質整合的技術。2.5D封裝方案典型如台積電的CoWoS，Intel的EMIB，而在3D堆疊上，Intel的Core LakeField晶片就是用3D Foveros方案，將不同的裸晶疊在一起，甚至可以實現兩片運算裸晶的堆疊、互連。

之前的文章也提到過AMD剛發佈的3D V-Cache，將CPU的L3 cache裸晶疊在運算裸晶上方，將處理器的L3 cache大小增大至192MB，對儲存敏感延遲應用的性能提升。相比Intel，台積電這項技術的獨特之處在於裸晶間是以混合接合(hybrid bonding)的方式互連，而不是micro-bump，做到更小的打線間距，以及晶片之間數十倍通訊性能和效率提升。

這些方案也不直接依賴傳統的電晶體微縮方案。這裡實際上還有一個方面，即新材料的導入專家們沒有在論壇上多說，本文也略過不談。

1,000倍的性能提升

劉明談到，當電晶體微縮的空間沒有那麼大的時候，產業界傾向於採用新的策略來評價技術——「PPACt」——即Powe r(功耗)、Performance (性能)、Cost/Area-Time (成本/面積-時間)。t指的具體是time-to-market，理論上應該也屬於成本的一部分。

電晶體微縮方案失效以後，「多元化的技術變革，依然會讓IC性能得到進一步的提升。」劉明說，「根據預測，這些技術即使不再做尺寸微縮，也會讓IC的晶片性能做到500~1,000倍的提升，到2035年實現Zetta Flops的系統性能水準。且超算的發展還可以一如既往地前進；單裸晶儲存容量變得越來越大，IC依然會為產業發展提供基礎。」

500~1,000倍的預測來自DARPA，感覺有些過於樂觀。因為其中的不少技術存在比較大的邊際遞減效應，而且有更實際的工程問題待解決，比如運算裸晶疊層的散熱問題——即便業界對於這類工程問題的探討也始終在持續。

不過1,000倍的性能提升，的確說明摩爾定律的終結並不能代表第三次科技革命的終結，而且還有相當大的發展空間。尤其本文談的主要是AI晶片，而不是更具通用性的CPU。

矽光、記憶體內運算和神經型態運算

在非傳統發展路線上(以上內容都屬於半導體製造的常規思路)，WAIC晶片論壇上宋繼強和劉明都提到了一些頗具代表性的技術方向(雖然這可能與他們自己的業務方向或研究方向有很大的關係)。這些技術可能尚未大規模推廣，或者仍在商業化的極早期。

(1)近記憶體運算和記憶體內運算：處理器性能和效率如今面臨的瓶頸，很大程度並不在單純的運算階段，而在資料傳輸和儲存方面——這也是共識。所以提升資料的傳輸和存取效率，可能是提升整體系統性能時，一個非常靠譜的思路。

這兩年市場上的處理器產品用「近記憶體運算」(near-memory computing)思路的，應該不在少數。所謂的近記憶體運算，就是讓儲存(如cache、memory)單元更靠近運算單元。CPU的多層cache結構(L1、L2、L3)，以及電腦處理器cache、記憶體、硬碟這種多層儲存結構是常規。而「近記憶體運算」主要在於究竟有多「近」，cache記憶體有利於隱藏當代電腦架構中延遲和頻寬的局限性。

這兩年在近記憶體運算方面比較有代表性的，一是AMD——比如前文提到3D V-cache增大處理器的cache容量，還有其GPU不僅在裸晶內導入了Infinity Cache這種類似L3 cache的結構，也更早應用了HBM2記憶體方案。這些實踐都表明，儲存方面的革新的確能帶來性能的提升。

另外一個例子則是Graphcore的IPU處理器：IPU的特點之一是在裸晶內堆了相當多的cache資源，cache容量遠大於一般的GPU和AI晶片——也就避免了頻繁的訪問外部儲存資源的操作，極大提升頻寬、降低延遲和功耗。

近記憶體運算的本質仍然是馮紐曼架構(Von Neumann architecture)的延續。「在做處理的過程中，多層級的儲存結構，資料的搬運不僅僅在處理和儲存之間，還在不同的儲存層級之間。這樣頻繁的資料搬運帶來了頻寬延遲、功耗的問題。也就有了我們經常說的運算體系內的儲存牆的問題。」劉明說。

構建非馮(non-von Neumann)架構，把傳統的、以運算為中心的馮氏架構，變換一種新的運算範式。把部分運算力下推到儲存。這便是記憶體內運算(in-memory computing)的概念。

記憶體內運算的就現在看來還是比較新，也有稱其為「存算一體」。通常理解為在記憶體中嵌入演算法，儲存單元本身就有運算能力，理論上消除資料存取的延遲和功耗。記憶體內運算這個概念似乎這在資料爆炸時代格外醒目，畢竟可極大減少海量資料的移動操作。

其實記憶體內運算的概念都還沒有非常明確的定義。現階段它可能的內涵至少涉及到在儲記憶體內部，部分執行資料處理工作；主要應用於神經網路(因為非常契合神經網路的工作方式)，以及這類晶片具體的工作方法上，可能更傾向於神經型態運算(neuromorphic computing)。

對於AI晶片而言，記憶體內運算的確是很好的思路。一般的GPU和AI晶片執行AI負載時，有比較頻繁的資料存取操作，這對性能和功耗都有影響。不過記憶體內運算的具體實施方案，在市場上也是五花八門，早期比較具有代表性的Mythic導入了一種矩陣乘的儲存架構，用40nm嵌入式NOR，在儲記憶體內部執行運算，不過替換掉了數位週邊電路，改用類比的方式。在陣列內部進行模擬運算。這家公司之前得到過美國國防部的資金支援。

劉明列舉了近記憶體運算和記憶體內運算兩種方案的例子。其中，近記憶體運算的這個方案應該和AMD的3D V-cache比較類似，把儲存裸晶和運算裸晶疊起來。

劉明指出，「這是我們最近的一個工作，採用hybrid bonding的技術，與矽通孔(TSV)做比較，hybrid bonding功耗是0.8pJ/bit，而TSV是4pJ/bit。延遲方面，hybrid bonding只有0.5ns，而TSV方案是3ns。」台積電在3D堆疊方面的領先優勢其實也體現在hybrid bonding混合鍵合上，前文也提到了它具備更高的互連密度和效率。

另外這套方案還將DRAM刷新頻率提高了一倍，從64ms提高至128ms，以降低功耗。「應對刷新率變慢出現拖尾bit，我們引入RRAM TCAM索引這些tail bits」劉明說。

記憶體內運算方面，「傳統運算是用布林邏輯，一個4位元的乘法需要用到幾百個電晶體，這個過程中需要進行資料來回的移動。記憶體內運算是利用單一元件的歐姆定律來完成一次乘法，然後利用基爾霍夫定律完成列的累加。」劉明表示，「這對於今天深度學習的矩陣乘非常有利。它是原位的運算和儲存，沒有資料搬運。」這是記憶體內運算的常規思路。

「無論是基於SRAM，還是基於新型記憶體，相比近記憶體運算都有明顯優勢，」劉明認為。下圖是記憶體內運算和近記憶體運算，精準度、能效等方面的對比，記憶體內運算架構對於低精準度運算有價值。

下圖則總結了業內主要的一些記憶體內運算研究，在精確度和能效方面的對應關係。劉明表示，「需要高精確度、高運算力的情況下，近記憶體運算目前還是有優勢。不過記憶體內運算是更新的技術，這幾年的進步也非常快。」

去年阿里達摩院發佈2020年十大科技趨勢中，有一個就是存算一體突破AI算力瓶頸。不過記憶體內運算面臨的商用挑戰也一點都不小。記憶體內運算的通常思路都是類比電路的運算方式，這對記憶體、運算單元設計都需要做工程上的考量。與此同時這樣的晶片究竟由誰來造也是個問題：是記憶體廠商，還是數文書處理器廠商？(三星推過記憶體內運算晶片，三星、Intel垂直整合型企業似乎很適合做記憶體內運算…)

(2)神經型態運算：神經型態運算和記憶體內運算一樣，也是新興技術的熱門話題，這項技術有時也叫作compute in memory，可以認為它是記憶體內運算的某種發展方向。神經型態和一般神經網路AI晶片的差異是，這種結構更偏「類人腦」。

進行神經型態研究的企業現在也逐漸變得多起來，劉明也提到了AI晶片「最終的理想是在結構層次模仿腦，元件層次逼近腦，功能層次超越人腦」的「類腦運算」。Intel是比較早關注神經型態運算研究的企業之一。

傳說中的Intel Loihi就是比較典型存算一體的架構，「這片裸晶裡面包含128個小核心，每個核心用於模擬1,024個神經元的運算結構。」宋繼強說，「這樣一塊晶片大概可以類比13萬個神經元。我們做到的是把768個晶片再連起來，構成接近1億神經元的系統，讓學術界的夥伴去試用。」

「它和深度學習加速器相比，沒有任何浮點運算——就像人腦裡面沒有乘加器。所以其學習和訓練方法是採用一種名為spike neutral network的路線，功耗很低，也可以訓練出做視覺辨識、語言辨識和其他種類的模型。」宋繼強認為，不採用同步時脈，「刺激的時候就是一個非同步電動勢，只有工作部分耗電，功耗是現在深度學習加速晶片的千分之一。」

「而且未來我們可以對不同區域做劃分，比如這兒是視覺區、那兒是語言區、那兒是觸覺區，同時進行多模態訓練，互相之間產生關聯。這是現在的深度學習模型無法比擬的。」宋繼強說。這種神經型態運算晶片，似乎也是Intel在XPU方向上探索不同架構運算的方向之一。

(2)微型化矽光：這個技術方向可能在層級上更偏高了一些，不再晶片架構層級，不過仍然值得一提。去年Intel在Labs Day上特別談到了自己在矽光(Silicon Photonics)的一些技術進展。其實矽光技術在連接資料中心的交換機方面，已有應用了，發出資料時，連接埠處會有個收發器把電訊號轉為光訊號，透過光纖來傳輸資料，另一端光訊號再轉為電訊號。不過傳統的光收發器成本都比較高，內部元件數量大，尺寸也就比較大。

Intel在整合化的矽光(IIIV族monolithic的光學整合化方案)方面應該是商業化走在比較前列的，就是把光和電子相關的組成部分高度整合到晶片上，用IC製造技術。未來的光通訊不只是資料中心機架到機架之間，也可以下沉到板級——就跟現在傳統的電I/O一樣。電互連的主要問題是功耗太大，也就是所謂的I/O功耗牆，這是這類微型化矽光元件存在的重要價值。

這其中存在的技術挑戰還是比較多，如做資料的光訊號調變的調變器調變器，據說Intel的技術使其實現了1,000倍的縮小；還有在接收端需要有個探測器(detector)轉換光訊號，用所謂的全矽微環(micro-ring)結構，實現矽對光的檢測能力；波分複用技術實現頻寬倍增，以及把矽光和CMOS晶片做整合等。

Intel認為，把矽光模組與運算資源整合，就能打破必須帶更多I/O接腳做更大尺寸處理器的這種趨勢。矽光能夠實現的是更低的功耗、更大的頻寬、更小的接腳數量和尺寸。在跨處理器、跨伺服器節點之間的資料互動上，這類技術還是頗具前景，Intel此前說目標是實現每根光纖1Tbps的速率，並且能效在1pJ/bit，最遠距離1km，這在非本地傳輸上是很理想的數字。

還有軟體…

除了AI晶片本身，從整個生態的角度，包括AI感知到運算的整個鏈條上的其他組成部分，都有促成性能和效率提升的餘地。比如這兩年Nvidia從軟體層面，針對AI運算的中間層、庫做了大量最佳化。相同的底層硬體，透過軟體最佳化就能實現幾倍的性能提升。

宋繼強說，「我們發現軟體最佳化與否，在同一個硬體上可以達到百倍的性能差距。」這其中的餘量還是比較大。

在AI開發生態上，雖然Nvidia是最具發言權的；但從戰略角度來看，像Intel這種研發CPU、GPU、FPGA、ASIC，甚至還有神經型態運算處理器的企業而言，不同處理器統一開發生態可能更具前瞻性。Intel有個稱oneAPI的軟體平台，用一套API實現不同硬體性能埠的對接。這類策略對廠商的軟體框架構建能力是非常大的考驗——也極大程度關乎底層晶片的執行效率。

在摩爾定律放緩、電晶體尺寸微縮變慢甚至不縮小的前提下，處理器架構革新、異質整合與2.5D/3D封裝技術依然可以達成1,000倍的性能提升；而一些新的技術方向，包括近記憶體運算、記憶體內運算和微型矽光，能夠在資料訪存、傳輸方面產生新的價值；神經型態運算這種類腦運算方式，是實現AI運算的目標；軟體層面的最佳化，也能夠帶動AI性能的成倍增長。所以即便摩爾定律嚴重放緩，AI晶片的性能、效率提升在上面提到的這麼多方案加持下，終將在未來很長一段時間內持續飛越。這第三(四)次科技革命恐怕還很難停歇。

資料來源：https://www.eettaiwan.com/20210726nt61-ai-computing/?fbclid=IwAR3BaorLm9rL2s1ff6cNkL6Z7dK8Q96XulQPzuMQ_Yky9H_EmLsBpjBOsWg

【快來抽書：重磅科幻小說】《AI 2041：預見10個未來新世界》
(送出2本)

#李開復說看完這本精彩小說你就懂AI了
#歡迎青少年與所有大人提前進入美麗AI新世界
#李開復架構10幅技術藍圖
#科幻小說家陳楸帆依藍圖築構10個AI新世界

💖【參加辦法】(四步驟：按讚、留言、標兩個朋友，公開分享)

1. 即刻起至7/24(六)晚上12點止，在本文按讚
2. 在本文底下留言【AI 2041：預見10個未來新世界】並【標註兩個朋友】
3. 在自己臉書公開分享本文

4. 7/26(一)進行電腦亂數抽獎(共抽出2本，將以私訊通知)

💖這不是業配文喔，菊仙純粹分享
💖一人僅限參加一次(貼文兩次以上也只算一次喔)

─────科學 + 科幻─────

➤李開復架構10幅「技術藍圖」，科幻小說家陳楸帆依藍圖築構10個「AI新世界」
➤李開復40年的AI專業經驗 + 科幻小說家陳楸帆的無邊想像
➤「虛構的敘事」與「非虛構的科技評論」完美結合
➤展現20年後被AI 技術深刻改變的未來世界。

AI時代已經開啟。在我們面前，機遇與挑戰並存。
如AI與人性特質如何共存等諸多課題，都需要深入探索和思考。──李開復

想要創造什麼樣的未來，就從想像那樣的未來開始。──陳楸帆

　　．AI能否幫助人類從根源上預防疫情？
　　．如何應對未來的職場挑戰？
　　．在AI主導的世界中如何確保文化多樣性？
　　．如何教導下一代適應人類與AI共存的新社會？
　　．面對AI帶來的社會問題所隱含的人性拉鋸戰，我們如何抉擇？

AI能創造前所未有的財富與價值，能徹底改變醫學和教育，能提升人類的工作、娛樂和交流的品質，能把人類從日常工作中解放出來。

不過，AI也會帶來無數挑戰和風險：

•演算法偏見
•安全隱患
•深度偽造
•隱私資料的侵犯
•自主武器的使用
•取代人類員工。

不過，以上情況並非AI主導造成的，而是惡意或草率使用AI技術的幕後黑手。

全球AI領軍人物李開復最關切的是，AI正飛速發展，人類的未來將通往何方？
　　
歡迎來到2041！

全球重磅推薦

　　✓劉慈欣│2015年雨果獎得主、《三體》作者
　　✓雷．達里歐（Ray Dalio）│橋水基金創辦人
　　✓薩蒂亞．納德拉（Satya Nadella）│微軟董事長
　　✓楊立昆（Yann LeCun）│圖靈獎得主

★本書有著開創性的結構，用前所未有的跨越文類的多視角，展望人工智慧構造的未來，讓我們從理性上把握未來發展趨勢的同時，也從感性上觸摸未來的質感和溫度。生動逼真的科幻想像與嚴謹深入的技術論述完美地結合，讓本書無論是從科幻還是從技術現實的角度，都具有無與倫比的魅力。──劉慈欣，2015年雨果獎得主、《三體》作者　

★對未來的解析精闢又精采。──雷．達里歐（Ray Dalio），橋水基金創辦人、《紐約時報》第一名暢銷書《原則》作者

★陳楸帆的創作實力，加上李開復的科技功底，建構出令人好奇又恐懼的AI未來世界。閱讀這本絕無冷場的好書，就能明白某些科技會在何時，又會如何發展成熟，而全體人類又會面臨什麼樣的影響。──薩蒂亞．納德拉（Satya Nadella），微軟董事長

★唯有有膽有識之人，才敢預測AI的未來。這是一位科技界的先驅泰斗，與一位洞悉未來的科幻作家，攜手打造的開示之書，對於AI科技會如何影響我們的生活，提出大膽又殷切的見解。──楊立昆（Yann LeCun），圖靈獎得主，臉書首席AI科學家

★我們能不能適應我們一心創造的奇異新世界？我們知道無從想像的改變即將到來，卻不知這些改變對人類有何影響。李開復跟陳楸帆的《AI 2041》，對於我們即將面對的未來有最詳盡的描寫，最深情的叮嚀。──班奈特．米勒（Bennett Miller），「魔球」與「暗黑冠軍路」導演，曾獲奧斯卡獎提名

★我們正處於AI發展史的關鍵時刻。我所讀過的書當中，唯有這本創意四射的佳作，才真正一語道破AI的精髓。與其思考該不該信任AI，還不如將AI當成一種工具，一種由我們人類塑造的工具。李開復在《AI 2041》的精闢分析，凸顯出這項人類必須積極承擔的責任。陳楸帆筆下的精采故事，昭示了AI可將曾經無解的問題，化為充滿新機的未來。──亞利安娜．哈芬登（Arianna Huffington），Thrive Global 創辦人兼執行長

★《AI 2041》是科學與科幻的完美融合，揭示了AI將如何全面滲透我們的生活，而我們想創造造福全人類的科技未來，又會面臨什麼樣的挑戰。──馬克．貝尼奧夫（Marc Benioff），Salesforce董事長兼執行長

★將AI應用於商業經營，通常必須先研究這項科技，再思考如何應用。《AI 2041》卻帶領讀者走上相反的道路。兩位作者李開復跟陳楸帆，透過精采絕倫的故事，引領我們走入逼真的未來世界。再以淺顯易懂的說明，闡述AI科技的原理，造就一本讓人欲罷不能又大開眼界的好書，想了解如何應用AI，絕不可錯過此書。──馬克．庫班（Mark Cuban）
.

…………..【內容快速勾勒】…………

第一章 一葉知命
在印度孟買，一個當地家庭參與了一項由深度學習賦能的智慧保險計畫。為了改善這家人的生活，AI保險程式透過一系列生活應用與這家的每位成員相連，這些應用與保險演算法進行動態互動。然而，正值青春期的女兒卻發現，這套AI保險程式似乎總是在「巧妙」地阻撓她追求愛情。

【開復解讀】
一、什麼是深度學習
二、深度學習：能力驚人但也力有未逮
三、深度學習在網際網路和金融行業的應用
四、深度學習帶來的問題

第二章 假面神祇

一名懷揣電影夢想的奈及利亞影音製作者，被神祕公司招募來製作一段真假難辨的Deepfake（深度偽造）影片。如果他成功地做到瞞天過海，將引發災難性的後果，從而改變整個國家未來的命運……

【開復解讀】
一、什麼是電腦視覺技術
二、電腦視覺技術的應用
三、電腦視覺的基礎─卷積神經網路（CNN）
四、Deepfake
五、生成式對抗網路（GAN）
六、生物特徵識別
七、AI安全

第三章 雙雀

AI教師化身為韓國雙胞胎孤兒所喜愛的卡通化虛擬夥伴，分別幫助他們挖掘和發揮潛能。多虧有了AI的重要分支「自然語言處理技術」，這兩個AI夥伴才能夠用人類的語言流利地和孤兒交談，建立情感連結和信任，幫助兄弟倆在失散多年之後重新找回彼此。

【開復解讀】
一、自然語言處理（NLP）
二、有監督的NLP
三、自監督的NLP
四、NLP應用平台
五、NLP能通過圖靈測試或者成為通用人工智慧嗎？
六、教育領域的AI

第四章 無接觸之戀

在疫苗問世後，新冠病毒毒株定期變異，繼續肆虐人間。二十年後，人類不得不學會與病毒共存，家家戶戶都配有機器人管家，以減少人與人接觸的風險。在這個故事裡，身在上海的女主角患上了一種把自己與世隔絕的恐懼症。當愛神來叩門時，她內心一方面渴望擁抱愛情，另一方面卻極度懼怕和戀人親密接觸。誰能幫助她邁出這關鍵性的一步？

【開復解讀】
一、數位醫療與人工智慧的融合
二、傳統藥物及疫苗研發
三、AI在蛋白質折疊、藥物篩選及研發方面的潛力
四、AI與精準醫療及診斷：讓人類活得更加健康長壽
五、機器人技術
六、機器人技術的工業應用
七、機器人技術的商業場景和消費級市場
八、AI時代的數位化工作

第五章 偶像之死

故事描述了未來的娛樂業。到那時，遊戲都將是全感官立體沉浸式的，虛擬和現實之間的界限將變得虛實難辨。本故事發生在日本東京，主角利用AI和VR技術，讓她所愛慕的偶像復活過來，引領她去調查偶像之死背後的真正原因。

【開復解讀】
一、什麼是XR（AR⁄VR⁄MR）
二、XR技術：全方位覆蓋人類的六感
三、XR技術：超感官體驗
四、XR技術的兩大挑戰：裸眼顯示和腦機介面
五、XR技術普及背後的倫理道德和社會問題

第六章 神聖車手

二十年後，自動駕駛技術正處於從人類司機切換到全AI司機的過渡時期。在這個有著動作大片節奏感的故事中，斯里蘭卡一名電競少年被招募進了一個神祕計畫，他將要面對的並不僅僅是遊戲中的對手……

【開復解讀】
一、自動駕駛
二、真正的自動駕駛什麼時候才會出現
三、L5自動駕駛車輛將帶來的影響
四、阻礙L5自動駕駛的非技術性難題

第七章 人類剎車計畫

策劃〈人類剎車計畫〉的惡魔是一名歐洲電腦科學家。他在經歷了一場與氣候變化有關的家庭悲劇後，精神失常，開始利用量子計算、自動武器等突破性技術作惡，對人類進行史無前例的瘋狂報復。駭客與反恐特警聯手力挽狂瀾，人類命運將何去何從？

【開復解讀】
一、量子計算
二、量子計算在安全領域的應用
三、什麼是自主武器？
四、自主武器的利與弊
五、自主武器會成為人類生存的最大威脅嗎？
六、如何解決自主武器帶來的危機？

第八章 職業救星

隨著AI向愈來愈多的行業穩步進軍，愈來愈多職位逐漸被AI技術取代，那麼人類接下來能從事的工作是什麼？一場發生在舊金山的建築業大震盪，帶領我們走入一個新的行業──再就業服務。如何幫助結構性失業人群找回屬於人類的價值與尊嚴感，也許同樣需要AI的幫助。

【開復解讀】
一、AI將如何取代人類員工？
二、AI取代人類員工背後的潛在危機
三、UBI會是一劑良方嗎？
四、從事哪些工作的人不容易被AI取代
五、如何化解AI時代的人類工作危機？
六、迎接AI新經濟以及制定全新的社會契約

第九章 幸福島

一位中東的開明君主想試驗將AI做為給人類帶來終極幸福感的靈丹妙藥。然而，幸福是什麼？幸福如何衡量？這位君主邀請了各界名人聚集在一座私密的島嶼上，讓這些名人共享他們的個人資料，並成為探索這個奇妙命題的小白鼠。然而，試驗卻出人意料地走向了失控……

【開復解讀】
一、AI時代的幸福準則
二、如何利用AI衡量和提升幸福感
三、AI數據：去中心化 vs. 中心化
四、誰值得我們信賴並有資格儲存我們所有的資料？

第十章 豐饒之夢

在布里斯班一座由AI管理的養老社區中，一位原住民女孩如何幫助罹患阿茲海默症的海洋生物學家解開身世之謎？故事中勾勒了在澳大利亞的未來社會的兩種貨幣：一種是錢，其重要性日益減弱；另一種是代表聲譽和尊重的價值的新貨幣，其重要性與日俱增。

【開復解讀】
一、可再生能源革命：太陽能＋風能＋電池技術的有效結合
二、材料革命：走向無限供給
三、生產力革命：AI與自動化
四、豐饒時代：技術發展的必然結果
五、稀缺時代與後稀缺時代的經濟模式
六、豐饒時代的貨幣制度
七、豐饒時代的挑戰
八、豐饒時代之後，會是奇點時代嗎？
九、AI 的故事會是圓滿的結局嗎？

•關於2041年的預測

【書訊】https://www.books.com.tw/products/0010895593?sloc=main

現在學習知識的渠道越來越多，無論對於零基礎或是有經驗的工程師，想要持續成長應該看書還是看影片來的更有效率呢？

主要會和你分享我過去從新手到資深的過程中，如何持續保持進步及學習的經驗

也許這個經驗可以幫助到你，也歡迎留言和我分享你的看法

相信彼此分享不同的學習見解，能讓對於想要更精進自己程式開發功力的人有很大的幫助

===章節===
00:00 哪一個有效律?
00:36 寫程式如同寫作
05:14 書是最便宜的資源
10:14 折扣碼操作示範

===蝦皮購書折扣碼===
折扣碼：FLAGNIC36
時間：2021-03-29 ~ 2021-06-29

折扣碼：FLAGNIC79
時間：2021-06-30 ~ 2021-09-30

折扣碼： FLAGNIC11
時間：2021-10-01~ 2021-12-31

===前陣子在看的推薦書單===
（零基礎）
- 白話演算法！培養程式設計的邏輯思考
- Python 刷提鍛鍊班

（中高階）
- 設計模式之禪(第2版)
- 無瑕的程式碼－整潔的軟體設計與架構篇
- 單元測試的藝術
- 演算法之美：隱藏在資料結構背後的原理(C++版)
- Kent Beck的實作模式

（Ruby）
- Writing Efficient Ruby Code

（成長思考）
- 圖解．實戰 麥肯錫式的思考框架：讓大腦置入邏輯，就能讓90%的困難都有解！
- 師父：那些我在課堂外學會的本事
- 高勝算決策：如何在面對決定時，降低失誤，每次出手成功率都比對手高?
- 窮查理的普通常識
- 懶人圖解簡報術：把複雜知識變成一看就秒懂的圖解懶人包
- 寫作，是最好的自我投資

喜歡影片的話！可以幫忙點個喜歡以及分享、訂閱唷！😘

━━━━━━━━━━━━━━━━
🎬 觀看我的生活廢片頻道: https://bit.ly/2Ldfp1B
⭐ instagram (生活日常): https://www.instagram.com/niclin_tw/
⭐ Facebook (資訊分享): https://www.facebook.com/niclin.dev
⭐ Blog (技術筆記): https://blog.niclin.tw
⭐ Linkedin (個人履歷): https://www.linkedin.com/in/nic-lin
⭐ 蝦皮賣場: https://shopee.tw/bboyceo
⭐ Github: https://github.com/niclin
⭐ Podcast: https://anchor.fm/niclin
━━━━━━━━━━━━━━━━
✉️ 合作邀約信箱: niclin0226@gmail.com

#寫程式 #前端 #後端

面試技巧 軟體技術面試練習平台 Pramp 使用分享

自從分享過在美國找實習的經驗之後，滿多人來問我關於準備面試的問題。今天就分享一個我個人覺得很實用的模擬面試平台 —— Pramp。Pramp是一個模擬面試平台，讓你可以跟世界某端也想練習軟體工程面試的人一起互相練習面試。
這支影片除了分享 Pramp是什麼，也討論了模擬面試的重要性，還有我實際參與一場模擬面試的片段精華！希望對於正在準備面試，或是未來需要面試的你有所幫助！

Sign up Pramp 馬上開始模擬面試吧👇🏻👇🏻👇🏻
https://www.pramp.com/invt/qLKGYgBdoOFzWxMLdNJV

冗長完整面試過程，看完我佩服你...😵😵😵
https://youtu.be/v3HVwxwbbeg

#pramp #面試工具 #模擬面試不是交友軟體
一定要看到影片最後面並且在「YouTube影片下方」按讚留言訂閱分享唷！
-
歡迎留言告訴我你的想法，或是你想認識的程式語言唷！
每（隔週）週四晚上9點更新，請記得開啟YouTube🔔通知！
-

【愛屋及烏】
Facebook 臉書粉專 👉 https://www.facebook.com/untyped/
Instagram 👉 https://www.instagram.com/untypedcoding/
合作邀約 👉 untypedcoding@gmail.com
-
Untyped 對啊我是工程師 - There are so many data types in the world of computer science, so are the people who write the code. We aim to UNTYPE the stereotype of engineers and of how coding is only for a certain type of people.
凱心琳: 一個喜歡電腦科學邏輯推理，在科技圈努力為性別平等奮鬥的工程師。
-
圖片影片音效：[giphy.com] [pngwave.com]

【線上課程】《過好人生學》～除了熱情，你更需要知道的事
讓你建立迎向未來的思維與能力！
課程連結：https://pse.is/H8JXH
第一講免費試聽：https://youtu.be/-EHOn0UxMys

【哈克獨門心法工作坊】～穿越迷霧，懂一個人真正的樣子～2019/10/19開課
課程連結：https://www.koob.com.tw/contents/4022

【人際維基】桌遊體驗會～讓你一玩就懂別人的在乎～8/3(六）14:00
活動資訊課程：https://www.koob.com.tw/contents/3072

【線上課程】《時間駕訓班》～
學會提升效率，擺脫瞎忙人生，做自己時間的主人
課程連結：https://pse.is/DDDHB
第一講免費試聽：https://youtu.be/flfm52T6lE8

【線上課程】《人際斷捨離》～
讓你留下怦然心動的關係，活出輕盈自在的人生！
課程連結：https://pse.is/E5MW5
第一講免費試聽：https://youtu.be/YyLvd1cNcDw

線上課程【不用開口，就讓你擁有人際好感】
啟動人際溝通的關鍵影響力 https://goo.gl/v3ojdo

桌遊【人際維基】～一玩就懂得別人的在乎：https://goo.gl/Ej4hjQ
到蝦皮購買【人際維基】：https://goo.gl/ASruqR
=============================
以下為本段內容文稿：

在過去三天的分享當中，我從個人的角度，來看待我們的「趨勢」跟「未來」，我們要用什麼樣的思維跟能力的調整，讓我們能夠適應的更好。

而今天呢，我轉換個角度，用指向於「趨勢」與「未來」的角度，來回觀我們的個人；應該要怎麼樣去定位，或者是我們的危機跟機會各自又在哪裡？

我想喔，可以談趨勢與未來的人很多，但這一位人物，有他的獨特性跟代表性；他就是日本「軟銀集團」的創辦人～孫正義。

他在今年的6月，參與一個台灣舉辦的，叫做「全球產業秩序的結構與創新」這個論壇裡面，他做了一場公開的演講。

我在這裡喔，跟你分享一些他這個演講裡面的內容。他認為喔，全球第三波的工業革命，就是「A.I.人工智慧」正在來臨。

如果按照過去30年網路革命的歷史經驗，未來30年半導體的運算速度，記憶體的儲存容量，跟網際網路的傳輸速度，都將成長100倍。

換句話說，A.I.人工智慧的智商，會比現在聰明100倍。他也預估到了2040年，全球機器人的數量，將正式超越全球的人口數，達到100億個機器人。

然而孫正義更直接的表示說，他說不管你喜不喜歡，A.I.人工智慧的時代，它就已經來臨了。這些新科技改變人類社會的速度，會比預期的來得更快。

他以「汽車」為例，在1913年的美國福特汽車，推出第一輛汽車；當時在美國的紐約街頭上，100部交通工具裡，只有1部是汽車，99部仍然是馬車。

但是短短5年的時間裡，形勢完全逆轉；紐約街頭汽車跟馬車的比例，翻轉成為99：1。

然而時至今日，很多人會質疑，運用人工智慧的科技，進行自動行駛的車輛是不安全的；所以都覺得短期應該不會發生這樣的事。

但是我們回觀一個事實，就在美國，現在自動駕車運送處方藥、自動駕車運送網購貨品，這些都已經發生了！

而且進一步來看，網購運送貨品，如果用人工來運送，每件的成本要5美元，而自動駕駛車輛的運送成本，卻只要0.23美元。聽到這裡你想想看，5美元跟0.23美元，這個成本是差異多大啊？

如果按照「趨勢」這樣子發展，可能你現在還會看到，某些專職送貨、送外賣的這些人員，可能他只要跑得勤一點，他的收入還可以蠻不錯的；但是這種事情，可能會很快的消失不見。

其實如果我們回顧，在25年前發生的「資訊革命」來看，網際網路的流量，在25年前其實只有「180G」；但今天的流量，已經高達「156T」，這個流量成長了100萬倍。

如果用市場價值來衡量，美國華爾街網路公司的市值，過去25年的市值，也成長了1000倍。

在1994年全球股市，市值前十大的公司，唯一家的科技公司只有「IBM」。當年擠進前10名的公司，包含日本的NTT電信、美國奇異、艾克森美孚石油、可口可樂、通用、菲利普莫里森煙草，和默克製藥。

但25年後的今天，全球股市前10名裡，有7家都是網路科技公司；包含微軟、Amazon、Google、Facebook、蘋果、阿里巴巴、騰訊。

所以呢，網際網路的革命對全球社會，會產生重大的改變。而相對於網際網路，接下來的「A.I.人工智慧」的革命，在未來的30年，單單在美國，就可望創造19兆美元的產值。

如果按照孫正義的說法，A.I.人工智慧，是人類社會最大的創新改革，會比網際網路的影響來得更大。

其實如果回到人工智慧，跟人類大腦的對比，目前呢，人工智慧只有在下棋這些領域，比人類強大；但是30年後，A.I.會比現在聰明100倍。

到時候所謂的超級智慧，會在人類社會當中誕生；人類的智商平均是100左右，有人說愛因斯坦的智商190；但是未來我們人工智慧的智商，合計會到1萬！

這是什麼數字啊？他會是超級天才，也是天才中的天才。

可是聽到這裡，你千萬不要覺得很悲觀，因為A.I.並不會在所有的領域裡面，都取代人類；畢竟啊，人類在創造力跟互相尊重的能力、彼此協作的部分上。會比A.I.來的更強。

但反過來，如果在既有的資料跟數據，產生的預測跟預估這方面的話，那麼A.I.會比一般的人類強很多。

所以透過孫正義的這番說法，你聽到這邊，不知道你想到了什麼？

我常常會說一句話哦：「人工智慧的時代已經來臨了，但是很多人卻還用工人智慧的腦袋，來想自己的現在跟未來」。

事實上，如果你現在檢視你謀生、你工作、你面對生活，跟未來的方式跟態度，都是那種純粹技術性的，或者是重複性的。

甚至於，絲毫沒有任何創造力含量，這樣的工作跟生活形態。那麼我幾乎可以很確定的告訴你，在你的有生之年，你一定會被A.I.所取代。

可是反過來說，當你現在的思維開始改變，用一個更深刻且更寬廣的視角，來看待自己的工作跟生活的話；那麼你即將會擁有的，是A.I.幾乎無法取代的部分，就是你有「創造」的能力。

而這種在計算機的演算法裡，很難模擬到的像人類的情感、人類的藝術創造，這些部分回到你我的生命裡，當然不是一天、兩天就能夠具備的。

但是我可以很確定的告訴你，如果你現在面對你的工作與生活，你開始能夠有意識的，創造出一些必要的結果；並且去優化你在面對工作跟生活的流程。

而進一步提煉出你的「核心能力」，把你核心的能力跟認知。並不是托付在某些特定角色的工作裡；而是把這些部分，發展出一個生態圈，並且在面對不確定的未來，擁有一個正確決策的能力。

最後回到生命的本位裡，去創造出那個A.I.幾乎不可能模擬的東西，叫做專屬於你靈魂的意義與價值。

那麼我可以很確定的告訴你，不管這個時代怎麼樣變化，你不僅不會是那個被淘汰的人，而且你還可以透過這些科技的進步，為你如虎添翼。

你聽到這裡，你一定很好奇，那這些能力各自需要什麼呢？其實我剛才已經說出來了！

如果你想要在自己的未來，過上一個更好的人生；有四個能力，是你一定要具備的～

第一個叫做「創造結果的能力」，第二個叫做「建立生態圈的能力」，第三個叫做「正確做決定的能力」，而第四個叫做「創造意義的能力」。

然而這個部分的學習精進，讓你擺脫工人智慧的腦袋，而讓自己在人工智慧的時代裡，能夠適應良好、活出你想要的人生。

那麼我很鼓勵你，可以好好把握我們近期推出的線上課程，叫做【過好人生學】。

在這一門線上課程裡，我除了陪伴你，去建立起必要的「四個能力」之外；更結合了我多年進行個案教練的經驗，跟我個人生命轉型的一個體會，讓你能夠更深入的看清楚，自己的生命形態怎麼樣可以過得更好，並且避免掉一些迷思跟現象。

因為我必須說「思維的盲點」，它不一定是發生在那些我們所不知道的事；而是我們太僵固於我們所知道的事。

就像上個世紀的馬車夫，他之所以會被淘汰的主要原因，其實並不是在於，他不知道汽車這件事，而是他太僵固於他的謀生方法，就只有駕馬車。或者是只有透過駕馬車的交通，跟移動的意義來收錢。

所以囉，如果你渴望突破自己在生涯的思維盲點，並且建立起「過好人生」的必要能力，還有它實際的做法。

那我很鼓勵你，可以好好把握我們推出的【過好人生學】這一門線上課程。

然而無論如何，面對未來的改變跟衝擊，不管我們在主觀上喜不喜歡、想不想要，它一定會發生。而真正的關鍵在於～「你準備好了嗎」？

希望今天的分享，能夠帶給你一些啓發與幫助，我是凱宇。

如果你喜歡我製作的內容，請在影片裡按個喜歡，並且訂閱我們的頻道。別忘了訂閱旁邊的小鈴鐺，按下去；這樣子你就不會錯過，我們所製作的內容。

然而如果你對於啟點文化的商品，或課程有興趣的話，如同在我們的內容裡面提到的【過好人生學】。

相關的課程資訊，在我們的影片說明裡都有連結；我很期待能夠跟你一起在線上一起學習、一起前進，一起過上一個你想要的好人生。

謝謝你的收聽，我們再會。