0

2
0

文字

分享

0
2
0

我單身我驕傲!有伴真的就比較開心嗎?

KevinC
・2016/11/11 ・1380字 ・閱讀時間約 2 分鐘 ・SR值 531 ・七年級

-----廣告,請繼續往下閱讀-----

編譯/張式辰

各位去死去死團的成員們,不需要再自怨自艾了,誰說有男朋友或女朋友的人就一定比較開心?

根據一份人格與社會心理學協會(Society for Personality and Social Psychology, SPSP)新發表的論文研究顯示,對於人際衝突感到恐懼的人,無論是單身時或交往中,感受到的快樂程度是一樣的。主持研究的紐西蘭奧克蘭大學(University of Auckland)心理學博士候選人尤西卡.歌梅(Yuthika Girme)表示,雖然以往有豐富的研究顯示交往中的人生活比較快樂,但這項結論或許並不適合每一個人,有些單身的人也可以過著滿足的生活。

單身錯了嗎

有時候,單身比較自在

在紐西蘭一項人數超過 4000 人的全國性抽樣調查中指出,有「高度社交迴避」(High Social Avoidence)傾向——也就是會盡力避免任何人際關係不和諧、不願意發生衝突的人,在單身的時候的快樂程度,比起其他交往中的人也毫不遜色。在這份研究報告中提到,對於有高度社交迴避傾向的人來說,單身可以去除某些由人際衝突所引起的焦慮現象,儘管早先有許多研究都顯示,單身者通常都會有較低的生活滿意度和較差的身心理健康狀態(是眼不見為淨的概念嗎……)。

-----廣告,請繼續往下閱讀-----
螢幕快照 2016-10-28 09.51.07
「我寂寞寂寞就好」。圖/田馥甄【寂寞寂寞就好】官方MV

但是習慣一個人,未必是好事

雖然研究結果似乎讓單身的人鬆了一口氣,但歌梅表示,有時過於刻意避免人際關係的衝突反而可能會有反效果。

當一個高社交迴避度的人在單身的時候比較快樂,這個傾向讓他在與人交往的時候卻會有負面的影響,例如導致焦慮、寂寞、較低的生活滿意度,並且會對不好的回憶鑽牛角尖。在這個高離婚率、晚婚而且單親比例高的社會,單身的人口正逐漸增加。美國已經有高達一億兩千八百萬的單身人口,佔美國成人總數的 51%。也許高度社交迴避傾向就是其中一個人們更想選擇單身的因素。

影響生活滿意度的原因究竟是什麼?

研究也同時分析了「達成社會目標」(Approach Social Goals)的影響,這些社會目標達成度高的人,和前文提到社交迴避度高的人剛好相反,他們反而傾向努力增加親密行為和尋找夥伴來維持人際關係。結果顯示社會目標達成度高的人比起單身的人通常生活滿意度較高,也會在伴侶關係中體會到最多的快樂。

圖表

從研究內整裡的表格就可以看出來,Panel A 的實線表示社交迴避度高、虛線表示社交迴避度低;Panel B 的實線表示社會目標達成度高、虛線表示社會目標達成度低。所以社交迴避度高、社會目標達成度低的人,不論是在單身或是交往中,對他們生活的滿意度沒什麼太大的影響;而相對的,社交迴避度低、社會目標達成度較高的人,在穩定交往時對於生活有較高的滿意度,但在單身時的對生活的滿意度也會大幅的下降。

-----廣告,請繼續往下閱讀-----

邊緣人比你想像中的堅強

綜合歌梅的研究結果,我們可以得到這個結論:對於社會目標達成度較好、社交迴避度較低的人來說,能維持一段伴侶關係是好事一件,不過他們在單身時也會受到更大的傷害和痛苦;相反的,如果你已經習慣當一個邊緣人,那麼單身與否對你來說就不是太大的問題……我怎麼好像突然明白了什麼。

 

資料來源:

原始論文:

 

文章難易度
KevinC
6 篇文章 ・ 0 位粉絲
小時候曾經夢想成為太空人,隨著近視度數越來越高、數理成績越來越低,發現宇宙的距離也越來越遠,幸好喜愛科學的初衷沒有改變。 長大後就讀大眾傳播研究所,關注科學傳播、關注新媒體,希望成為一個不會被時代淘汰的媒體人。

0

2
2

文字

分享

0
2
2
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

-----廣告,請繼續往下閱讀-----

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 54 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

2
1

文字

分享

0
2
1
聊八卦可以防止我們被朋友搭便車、詐騙?——《人類文明》
天下文化_96
・2024/06/17 ・1337字 ・閱讀時間約 2 分鐘

-----廣告,請繼續往下閱讀-----

間接互惠的要件之一:聊八卦

間接互惠(indirect reciprocity)的概念認為,受益者並不是直接回報給同一位利他的施恩者,而是會把恩惠轉給其他人。A 幫助 B,B 再幫助 C,C 再幫助 D,依此類推。於是,恩惠就能在社群裡傳出去,遲早也能回到 A 身上。種下的因,總有一天能得到最後的果。

而且這還能談到下一個層次:如果有個 Z,在 A 幫助 B 時,親眼見證了這件事,發現 A 是個慷慨的好人,他也會因為想和 A 建立關係,所以願意幫助 A。於是,就算這兩個人無法符合直接互惠所需要的「後會有期」條件,也能因為整個群體的利他行為而受益。樂於助人,自己就更可能得到幫助,至於那些不想幫助別人、只想貪小便宜的人,則是可能遭到懲罰或受到排擠。像這樣的間接互惠,是人類一種格外複雜的合作形式,需要兩項其他動物都辦不到的條件。

第一項條件是,不管互動雙方的行為是慷慨是自私,除了需要有目擊者親眼看到,還必須能把這項寶貴的資訊,分享到整個群體共有的資料池。也就是說,社群成員得愛聊八卦才行。如果大家都能知道某個人不值得信任、總是只接受別人幫助卻都不回報,等到下次這個人又碰上麻煩,社群成員就不會再伸出援手。

英文有句諺語說「騙子發不了財」(cheats never prosper),但不能說完全正確:騙子常常在短時間內還是能得逞,特別是在那些規模比較大、大家彼此比較不認識的社群;只是遲早仍然會東窗事發,讓自己名聲掃地。所以,想讓間接互惠的機制不被那些只想貪小便宜的人搞垮,聊八卦就是一個關鍵的必備條件,而且無論是營火旁、或是茶水間,人類實在是哪裡都能聊。事實上,相較於其他靈長類動物是用理毛之類的活動來建立關係,人類是以閒嗑牙、聊八卦取代了這些活動。

-----廣告,請繼續往下閱讀-----
想讓間接互惠的機制不被那些只想貪小便宜的人搞垮,聊八卦就是一個關鍵的必備條件!圖/envato

像這樣把個別成員的行為,拿來在社群裡大談特談(就像是一個由閒聊建立起的社群網路),就會打造出一套名聲系統,可用來判斷適不適合試著和某個人合作。某人對待他人慷慨大方,就能建立良好的名聲;老愛占別人便宜,也就會惡名遠揚,讓人知道以後可得敬而遠之。行為友善的人,其他人在未來幫助他們的機率也會比較高,於是在天擇的機制裡就能占點上風。所以說到頭來,仍是演化塑造了人類的心理,讓我們在意自己的名聲,聊八卦就成了確保大家別心存僥倖的機制。

在一個會聊八卦的社會裡,生活的第一守則就是要小心自己做的事;或者更重要的是,要小心自己做的事給別人的觀感。於是,人類社會也就成了一個人人都在猜測別人想法的社會——須推斷別人的動機與態度,評估自己的行為在他人眼中的樣貌,好維護自己在外的名聲。我們所謂的「良心」就是這樣的產物之一:內在的這股聲音,警告我們可能有人在看,要我們想想別人可能的觀感,好讓自己免受社會的制裁。

——本文摘自《人類文明:生物機制如何塑造世界史》,2024 年 05 月,天下文化出版,未經同意請勿轉載。

討論功能關閉中。

天下文化_96
139 篇文章 ・ 621 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。

1

2
1

文字

分享

1
2
1
如果在虛擬實境裡尋找伴侶,真的可以建立舒服的戀愛關係嗎?——《元宇宙超圖解》
azothbooks_96
・2023/09/27 ・983字 ・閱讀時間約 2 分鐘

-----廣告,請繼續往下閱讀-----

在元宇宙的世界裡,比較容易和價值觀相近的對象,談一場少摩擦的戀愛。

所謂的「談戀愛」,其實就是彼此價值觀的碰撞。

在價值觀日趨多元、細分的現代社會,實體世界裡的戀愛,情侶之間免不了會發生一些摩擦。

所謂的「談戀愛」,其實就是彼此價值觀的碰撞。圖/pexels

越來越多人在實體社會的戀愛關係中感受不到舒適,大眾認為「談戀愛風險很高」的傾向,更是一年比一年更鮮明。

可見「談戀愛」的魅力,正逐步下降。不論是在元宇宙內或外,都有一套很現代的方法可以解決這個問題,那就是配對服務。

-----廣告,請繼續往下閱讀-----

迴避戀愛和元宇宙

當我們對戀愛的價值觀細分化之後,在生活周遭便很難找到滿足條件的人選;但只要像在社群網站上找興趣相近的同好那樣,從一個規模龐大的母群體當中找出伴侶的話,發生摩擦的狀況,會比不假思索就交往的對象減少許多。

若想找更根本的解決之道,那麼元宇宙上還有一個獨門絕招,就是乾脆把伴侶化為虛擬實境的一部分——因為情侶在元宇宙上會隔著虛擬替身,建立起隔一道防火牆的溝通方式。

有些人會覺得「虛擬替身碰不到、摸不著」,不過,時下認為談戀愛不見得一定要有實體互動或性接觸的人已越來越多,或有些原本潛伏噤聲的族群浮上檯面。

想必今後會有越來越多人願意相信這不是逃避實體戀愛,而是元宇宙上的愛情,比實體更美好。圖/azothbooks

要是這些虛擬替身由 AI 操控的話,還能與另一半建立更舒適的戀愛關係——如果對象是 AI,不論是再怎麼極端的戀愛觀,或是任何性傾向,它應該都會接受吧!

-----廣告,請繼續往下閱讀-----

想必今後會有越來越多人願意相信這不是逃避實體戀愛,而是元宇宙上的愛情,比實體更美好。

——本文摘自《元宇宙超圖解:從刀劍神域到寶可夢,一小時讀懂78個概念,掌握本世紀最大商機》,2023 年 9 月,漫遊者文化出版,未經同意請勿轉載。

所有討論 1
azothbooks_96
53 篇文章 ・ 21 位粉絲
漫遊也許有原因,卻沒有目的。 漫遊者的原因就是自由。文學、人文、藝術、商業、學習、生活雜學,以及問題解決的實用學,這些都是「漫遊者」的範疇,「漫遊者」希望在其中找到未來的閱讀形式,尋找新的面貌,為出版文化找尋新風景。