0

0
0

文字

分享

0
0
0

健康醫療開放資料來了,資料落差等著我們!

2012健康與醫療資料加值應用論壇_96
・2012/08/18 ・3820字 ・閱讀時間約 7 分鐘 ・SR值 597 ・九年級

新英格蘭醫學雜誌(New England Journal of Medicine, NEJM)於2010年在「健康醫療政策與改革」(Health Policy and Reform)主題系列報導中刊出一篇社論,內容是關於首次將美國1,100份心臟手術報告卡中的211份對外公開,該篇社論的作者認為:

「因為這件事,關於公開報告(public reporting)帶來的風險和益處、還有公開報告能否幫助民眾區分醫療機構,都會有更激烈的辯論。」

在這場激辯中,大家應該關注一個新問題,也就是嚴重的資料落差(data divide)導致的風險。正如普優網路與美國生活計畫(Pew Internet and American Life Project)副主任蘇珊娜‧福克斯(Susannah Fox)撰文「手機的力量」(The Power of Mobile)所述,「在這場資訊存取革命中,手機就是最後一場戰役的前線,消除了數位落差(digital divide)。對很多人來說,手機等行動裝置就代表了網路。」她在文中又說:「我們或許正在進入資訊存取不再重要的新時代。重要的是人們運用這些資料所做的事情。」關於資訊存取的問題,人們應該思考開放資料(OpenData)是否會帶來預料之外的負面後果?就如同化學資訊學者彼得‧穆雷-拉斯特(Peter Murray-Rust)一再重申的,開放資料極其困難!比方說,要怎麼知道「可能會有多少人實際使用這些開放資料服務?

若是沒有適當的配套措施,開放個人健康醫療資料會是相當危險的事情,這點大家都同意。但是公開大型臨床治療結果資料集並提供線上取得管道,會不會扭曲未來的醫療結果、對某些人的健康預後品質造成長期負面衝擊,帶來相同程度的危機?

-----廣告,請繼續往下閱讀-----

把匯集的公眾健康資訊開放給外界研究具有極大的潛力,Health 2.0世界最近正為此鬧得沸沸揚揚。開放資料行動顯然是來勢洶洶。許多電腦高手正設法利用這些資料開創下一個提供實用資訊的網路世代,便於民眾選擇醫療服務;美國和英國政府也正積極向大眾推廣使用各種政府參與領域的大型資料集。這些政府活動會帶來巨大的衝擊,是無庸置疑的。但是相對地,開放資料集在短期內為健康醫療帶來的可能性令人樂見,聯邦政府資助的科學研究完整內容以及個人的健康醫療記錄也應該開放,包括醫生證明在內。會帶來衝擊並不代表不該開放健康醫療記錄庫。

回過頭來仔細看看前面提到的新英格蘭醫學雜誌那篇社論。文中提到開放的資料集內容,包含了冠狀動脈血管繞道手術的臨床治療結果、以及用美國胸腔外科醫師協會(Society of Thoracic Surgeons, STS)1989年建立的登記資料所推算出來的醫療評比,可能會是網路上最大型的臨床治療結果和相關評比開放資料集。對於把以往在政府保密資料庫中難以找到或是存放的資料對公眾開放,這是很重要的一步進展。雖然和那句「把我的資料還給我!」(“Gimme my damned data!”)口號傳達的訴求還有一大段距離,但開放這個全國性的資料集以及相關評比,絕對是往對的方向邁進。

雖然大家可能期待所有類似的資料集都能在近期內公開,但現實情況卻似乎有一大段落差。這次美國首度開放全國性的醫療評比資料給大眾,但卻有一個值得注意之處:每個開放資料的手術計畫都會根據整體表現進行評等,分為一星、二星、三星。表現評鑑門檻的設計,是預期得到一星和三星評等的手術計畫中,有99%確實是分別低於和高於平均表現的,這樣的案例稱為異數(outliers)。在過去三年中,這個評鑑方式將23%到27%的手術案例視為異數。這個大型臨床結果資料庫首次開放的資料內容雖然意義重大,卻不是完美的;由於是自願性開放,使得資料集的內容難免有所偏頗。同樣值得注意的是,開放的資料內容中缺乏長期的成效評估,也沒有個別醫師的評比。

現在你或許要問,就算這個開放資料計畫不甚完美,又會有什麼負面影響?

-----廣告,請繼續往下閱讀-----

社群資訊學者麥克‧葛斯汀(Mike Gurstein)在他的文章「開放資料:賦權能者、能者益能,還是有效使用、人人受惠?」(Open Data: Empowering the Empowered or Effective Data Use for Everyone?)中,提到:

「……(開放資料行動)提高了公部門的透明度,也讓參與政府決策與各項分析評鑑的民眾能夠取得更豐富的資訊;就資訊管理與操作來說,這些公共運算和網路工具帶來了非常正面的結果。

然而,就和之前討論到的『數位落差』問題相同,在這樣的環境中,促進民眾『取得』資料、與推動民眾『使用』資料以參與公共政策和政府計畫等事務,兩者似乎會被混為一談。……

我曾經在一篇探討數位落差的論文裡建議用『實際使用』的概念,以區別因資訊傳播科技而有機會參與數位活動、和『實際使用』這樣的參與機會。當時我介紹了一套用以辨別的必要條件,層層遞進,可以視為『實際使用』數位資料『存取管道』的『前提』。」

-----廣告,請繼續往下閱讀-----

蘇珊娜‧福克斯分析美國人民使用網路的情形,向來一針見血。她最近在研究慢性落差(Chronic Divide),並且撰文指出:

「美國的成年人之中,患有慢性病的人使用網路的情況遠比健康的人來得少(分別是62%和81%)。網路使用的差距,造成網路健康資訊取得的差距。然而,造成差異的主要原因,並不是缺乏瞭解健康醫療資訊的興趣,而是缺乏使用網路的機會。……罹患慢性病的人若是經常使用網路,也比較有可能取得使用者原創的健康醫療資訊,像是部落格文章、醫院評價、醫師評價、以及Podcast。有了這些資源,網路使用者可以針對特定的健康醫療主題深入瞭解,把網路當成是溝通交流的工具,而不只是資訊販賣機。」

文章中更補充說明:「就統計數字而言,年紀老邁、非洲裔美國人、教育程度較低、家庭所得較少這些條件,都和罹患慢性病相關;相反地,年紀較輕、白種人、大學教育程度、家庭所得較高,都和網路使用相關。因此,慢性病患者使用網路的比例較低並不令人意外。」

看完上述內容,也應該看看麥克‧葛斯汀的評語:

-----廣告,請繼續往下閱讀-----

「有些人可以取得會對生活帶來深遠影響的資料,有些人卻不能;努力擴大『資料』取得的管道,或許難免會在兩者之間造成『資料落差』,就如同時常討論到的『數位落差』。我們可以假設,與數位落差相關的背景因素之中,可能有不少也被認為是造成資料落差的原因,像是財富收入、教育程度、讀寫能力等等。然而,就像『數位落差』一樣,這種差距並不會因為提供了數位(或是資料)的『取得管道』而就此消失,還必須要這些人在擁有這樣的管道之後,確實去使用網路或資料,做一些對他們自己有意義或是有幫助的事情。

所以問題就變成:誰能夠『實際使用』這些新開放的資料?……

事實上,前面提到的這些資源,往往是已經擁有管道和資源、可以實際使用數位公開資料的人才能運用;由此可以推想,「開放資料」的主要影響會是提供更多權力和資源給已經擁有足夠權能和資源的人,受惠的反而不是最需要開放資料帶來益處的族群,除非他們另有辦法或是特別幸運,能找到像雪松林協會(Cedar Grove Institute)或是哈佛法學院畢業生這樣願意無償幫助他們的團體。」

戴維‧德博卡特(Dave deBronkart)曾與癌症搏鬥,最終治療成功,如今是促進醫療改革、參與醫學和個人醫療資料權利的積極人士,並發表許多相關文章,以別名「e-病患戴維(e-patient Dave)」廣為人知。他的文章中闡述了對於病患賦權(patient empowerment)的觀點,見解雖然鞭辟入裡,但對於貧困受迫之人,或是失業沒有保險和有力人脈的人,戴維也沒有為他們的權利發聲。E化醫護資源即使對大眾開放,對於這些族群來說,仍不清楚正面影響何在。令人憂心的是,或許美國正在快速轉變成一個充滿醫療資料異數的國家,有很多能夠充分掌握健康醫療資料的人,同時也有很多缺乏資源但別無選擇的人。這種情況正大大呼應了前面麥克‧葛斯汀所述「賦權能者、能者益能」的例子。提姆‧歐萊禮(Tim O’Reilly)是歐萊禮媒體公司的創辦人,「web 2.0」一詞由他首創;他在籌備華府GOV 2.0高峰會暨展覽會時讀到麥克‧葛斯汀該篇文章,讀後也不由得嘆息:「我們必須好好思考未來!」

-----廣告,請繼續往下閱讀-----

繼續來看看麥克‧葛斯汀「開放資料:賦權能者、能者益能,還是有效使用、人人受惠?」的文章內容:

印度的班加羅爾市最近開放了土地所有權和產權的數位資料,但大部份都是被中上收入族群或是企業拿來利用,藉此從貧窮弱勢族群手中取得土地。……他們可以利用這些擴大開放的資訊管道,加上原有的資本和專業技術資源,在產權爭議、法律訴訟、地產買賣等等競爭中取得優勢,在謀求自身利益的同時,也讓邊緣族群更形邊緣化。……這並不是在說資料數位化的過程必然會帶來這樣的結果,然而若是沒有努力營造一個公平的環境,讓大家都能使用新近開放的這些資料,可能無法縮小社會落差(social divides),反而使其擴大,尤其是對於貧窮邊緣族群而言。

有人相信胸腔外科醫師協會的醫療資料開放以後會有什麼不一樣的事情嗎?看看普優網路與美國生活計畫的研究結果,除了日益嚴重的健康醫療資料落差之外,我們也想像不到還有什麼了。如果資料落差真的出現,已經擁有足夠權能和資源的人會取得能夠救命的醫療資料集,並且據此採取醫療行動,然而許多受慢性疾病所苦的人(同時也是最該受惠於開放資料的人)反而無法擁有這些資源。久而久之,得到三星評等的醫療案例,也就是最優異的菁英階層,很可能會因為掌握足夠權能而越來越多,反觀一星評等的高死亡率族群,結果可能會更糟,因為無法取得健康醫療資訊/資料並且過濾內容的數位異數族群也同樣越來越多。

開放資料是一個極具改革性和正面影響的重要行動,尤其是在健康醫療方面,但恐怕只是針對某些人而言。對此你有什麼想法?該做些什麼呢?

-----廣告,請繼續往下閱讀-----

原文:Open Health Data is Here. Welcome To The Great Data Divide!e-Patients.net[Sep.14, 2010]

文章難易度
2012健康與醫療資料加值應用論壇_96
15 篇文章 ・ 0 位粉絲
舉辦公眾論壇,促成社會公眾對「健康及醫療資料運用及加值」進行理性、知情的討論,形成公共意見以作為決策的參考。 一、提出公眾論壇的討論成果:結論報告。 二、統整各界對健康及醫療資料運用及加值」之爭議意見及政策建議。 三、建構論壇準備期間為促成對話的重要程序和原則。

0

3
3

文字

分享

0
3
3
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 ・ 56 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

0
0

文字

分享

0
0
0
科技大未來-從商品資本主義到智慧資本主義
時報出版_96
・2012/11/16 ・2664字 ・閱讀時間約 5 分鐘 ・SR值 560 ・八年級

-----廣告,請繼續往下閱讀-----

從商品資本主義到智慧資本主義

目前為止,我們只問到,科技如何影響到資本主義運作的方式。但是高科技進步所創造的混亂,又如何影響到資本主義的本質?這個革命所創造出來的混亂可以摘要成一個觀念:從商品資本主義(commodity capitalism)轉移到智慧資本主義(intellectual capitalism)。

史密斯時代的財富是以商品來衡量。商品的價格會浮動,但平均的商品價格在過去一百五十年以來,一直穩定地下降。今天,你吃的早餐,一百年前英格蘭國王還吃不到。世界各地的異國珍饈現在則慣常地在超市銷售。商品價格的下跌有種種原因,例如較佳的大規模生產、貨櫃運輸、船運、傳播和競爭。

例如,今日的高中生很難理解,為什麼哥倫布要冒著生命和肢體的危險,去發現一條通往東方的較短香料貿易航道。他們問:為什麼他不直接去超市購買,並拿一點奧勒岡葉(一種可用於調味的香草)?但是在哥倫布的時代,香料和草藥非常昂貴。它們之所以有價值,是因為在那個沒有冰箱的年代裡,這些香料可以掩蓋腐敗食物的味道。有時連國王和皇帝都得以腐壞的食物當晚餐。那時沒有冷凍車、貨櫃或船來越過大洋運輸香料。那就是為何這些商品如此有價值,以致哥倫布為了取得它們而賭上性命—雖然它們現在便宜得要命。

取代商品資本主義的是智慧資本主義。智慧財產所涵蓋的剛好是機器人和人工智能所無法提供的—模式辨識和判斷力。

-----廣告,請繼續往下閱讀-----

如同麻省理工學院經濟學家萊斯特.瑟羅所說:「今天知識和技能已經獨立,成為競爭優勢的唯一來源……矽谷和一二八號公路(在波士頓地區)會在那裡,只不過是因為人才在那裡。除了人才,他們不為別的。」

為什麼這個歷史性的轉移動搖了資本主義?很簡單,人類的頭腦無法大規模生產。當硬體可以大規模造並銷售時,人類的頭腦不能。也就是說,人們的判斷力將是未來的貨幣。不像其他商品,要創造智慧財產,你必需培養、磨練和教育人類,而那需要數十年個別的努力。

如同瑟羅所說:「所有的其他東西都從競爭方程式中掉落,只有知識成為長期永續的競爭優勢來源。」

例如,軟體將會逐漸變為比硬體重要。當電腦晶片價格繼續下降,它將以貨車計量。但是軟體必需以老舊的方式創造,由人以紙筆,靜坐在椅子上寫出。例如,儲存於你的手提電腦的檔案,其中可能包含有價值的計畫、手稿和資料,那些可能價值數十萬美元以上,但是手提電腦本身僅值數百美元。當然,軟體很容易被複製並大量製造,但新的軟體的創造卻無法如此。那需要人類的思想。

-----廣告,請繼續往下閱讀-----

依據英國經濟學家哈米許.馬克雷所說:「一九九一年,英國成為第一個從無形出口(服務)賺到的比有形出口多的國家。」

數十年來,美國經濟來自製造業所占的比率大幅下降,與智慧財產相關的部門(好萊塢電影、音樂事業、電玩、電腦、電信等等)卻在激增。這種由商品資本主義到智慧資本主義的轉變是漸進的,由上個世紀就已開始,但每隔十年就會加速。瑟羅寫道:「在依據通貨膨脹調整以後,從一九七○年代到一九九○年代,自然資源的價格下降了百分之六十。」

某些國家了解這一點。日本在戰後時代的教訓可供參考。日本並無很多的天然資源,但它是世界最大經濟體之一。日本今日的財富,是工業化和人民團結的證明,而不是來自腳下的財富。

不幸地,許多國家並未掌握這個基本事實,也未替他們的國民的未來做準備,反而主要依賴商品。這意味著擁有豐富天然資源的國家,若不了解這個道理,未來將會陷入貧困。

-----廣告,請繼續往下閱讀-----

數位差距?

有一些責難資訊革命的聲音認為,在「數位富有」和「數位貧窮」之間(也就是那些能夠接觸到電腦的力量的人和接觸不到的人),我們將會有一個日益擴大的缺口。他們聲稱,這個革命將會擴大社會的斷層,打開新的、將會撕裂社會的貧富懸殊和不平等。

但這只是一個真實問題的狹隘觀點。在電腦運算力每隔十八個月就會倍增的過程,連貧窮兒童也會有機會接觸電腦。同儕壓力和低廉價格,已經對貧窮兒童使用電腦和網路產生激勵。曾有一個教育方案,是提供經費為每一個教室購買一台手提電腦。雖然有良好的意圖,但這個計畫廣泛被認為失敗。第一,手提電腦往往待在角落,未被使用,因為老師往往不知如何使用它。第二,多數學生只是繞過教室的手提電腦,已經與朋友們一起在網路上遊戲了。

問題不在接觸的機會。真正的問題是工作。就業市場正遭遇歷史性轉變,未來會繁榮興盛的國家將是那些能夠取得這個優勢的國家。

對於發展中國家,策略之一就是利用商品建立健全的基礎,然後以那基礎為跳板,轉移到智慧資本主義。例如,中國已經成功地採納這個兩步驟的過程:中國人建立成千上萬工廠,為世界市場製造產品,但他們用獲利去創造建立在智慧資本主義的服務部門。在美國,主修物理學的博士生,有百分之五十出生於外國(主要是因為美國本身並未培育足夠的優質學生)。這些外國出生的博士生中,多數來自中國和印度。這些學生中,有些回到他們的母國,去開創全新的企業。

-----廣告,請繼續往下閱讀-----

入門級工作

這個轉移的受害人之一將是入門級工作。每一個世紀都會引進導致經濟和人民生活的扭曲和錯亂的新技術。例如,在一八五○年,百分之六十五的美國勞動力被迫在農場工作。(今天,只有百分之二.四。)這個世紀也會這樣。

在十九世紀,新一波的移民湧進美國,那時它的經濟速成長,足以吸納他們。例如在紐約,移民可以在服裝工業或輕工業找到工作。在成長的經濟中,不論教育程度如何,任何願意認真工作的工人,都能找到事情做。那就像是一個輸送帶,從歐洲的貧民窟帶來移民,將他們塞進美國繁榮的中產階級中。

經濟學家詹姆斯.格蘭特(James Grant)曾說:「手與心從田野長期地遷移到工廠、辦公室和學校,都代表生產力的增長︙︙技術的進步是現代經濟的堡壘。當然,過去二百年來都這這樣。」今天,這些工作中很多都不見了。還有,經濟的本質也改變了。許多入門級的工作被尋求廉價勞工的公司送到海外。而工廠中舊有的製造工作早就不見了。

但這中間也有很多令人啼笑皆非的情況。多年來,很多人要求公平競爭,沒有偏好或歧視。但如果工作能夠一按鍵就輸出,這個公平的環境現在延長到中國和印度。所以,以往扮演輸送帶,進入中產階級的入門級工作,可以外銷到其他地方。這對海外的工人是好的,因為他們可以受益於公平競爭,但卻造成美國都市貧民區的空洞化。

-----廣告,請繼續往下閱讀-----

消費者也會由此受惠。如果有全球性競爭,產品和服務變得較便宜,發貨較有效率。如果只是試圖扶持過時的企業和待遇過高的工作,會造成自滿、浪費和無效率。補貼失敗的行業只會延緩不可避免的事情發生,延遲崩潰的痛苦,事實上也會使事情更糟。

(全文未完)

摘自《2100 科技大未來》第七章〈財富的未來〉。本書由時報出版社出版,為2012年11月PanSci選書

時報出版_96
174 篇文章 ・ 35 位粉絲
出版品包括文學、人文社科、商業、生活、科普、漫畫、趨勢、心理勵志等,活躍於書市中,累積出版品五千多種,獲得國內外專家讀者、各種獎項的肯定,打造出無數的暢銷傳奇及和重量級作者,在台灣引爆一波波的閱讀議題及風潮。

0

0
0

文字

分享

0
0
0
健康與醫療資料的加值應用(十一):線上論壇第四場重點回顧
2012健康與醫療資料加值應用論壇_96
・2012/08/27 ・1346字 ・閱讀時間約 2 分鐘 ・SR值 618 ・十年級

由於政府計劃推動醫療雲跟健康醫療資料庫開放,引發諸多疑慮,因此希望透過公民審議達成共識。由財團法人資訊工業策進會委託國立臺灣大學政治學系主辦,台灣青年公民論壇協會與 PanSci 協辦的「健康與醫療資料加值應用公民論壇」,繼第三場關於資料庫衍生利益歸屬的議題討論之後,緊接而來的第四場,則是針對前三場的議題進行總體討論,並邀請眾人研議若開放資料後,後續應當如何監督。

而監督的討論範疇,則事關整個制度的推行,例如有無違反法規、有無回饋公共領域、隱私資料是否持續被正確地排除並達到無法辨識個人的程度或造成群體歧視等問題。

首先,論壇的前半段主要係探討可行的監督方式。在上一場論壇中,有參與者提議成立「公共資訊財加值運用委員會」 ,根據不同使用案例來提出不同的回饋原則。對於像這樣的監督單位,其定位與運作,參與者們都有著許多不同的想像,可能是像國家通訊傳播委員會(NCC)的行政機關,也可能是民間自行成立的監督委員會。

在成員的組成結構、遴選方式上,礙於論壇的時間有限,並未有比較明確的討論結果出現。然而,從討論串中也不難發現,許多人對於在政府體制內成立監督單位的可行性與其執行力存疑,或抱持保留態度。

-----廣告,請繼續往下閱讀-----

另一種監督方式則是從技術層面發想。有參與者認為,可以採行目前大部分網路服務提供公開 API(Application Programming Interface)的作法,要求第三方使用者申請 API 存取金鑰(即存取資料庫的許可或權限),如此一來,便可以統計使用者什麼時候使用了資料、使用了哪些資料等,來達到監督的目的;而上述所提及的監督單位,則可公開這些存取 API 的相關資訊,透明化使用情況,並可要求使用者解釋其資料的使用目的。

亦有參與者藉由劃分資料庫屬性的方式,進一步提出監督規劃,將資料庫屬性分為自由取用與授權取用。前者又可細分為免費使用和付費使用,被監督的方式也有所不同。在免費使用的前提下,服務提供者必須讓使用方式透明化,並受到一般民眾與委員會監督;就付費使用而言, 服務提供者可隱藏使用方式,但仍須受委員會監督,同時須支付每年固定百分比收益。後者則與前述付費使用的要求相同,但差異在於,初次使用時須多繳交單筆授權金。

在第四場論壇的後半段討論中,也一併回顧了先前三場論壇所討論的議題,並邀請參與者提出延伸的建議。開放健保資料庫有諸多益處可以預期,但相應的風險應該如何管控,其益處可以如何幫助全民,是這系列論壇討論的核心。綜合四場線上論壇中的豐富討論來看,雖然因時間限制並未針對執行細節進行研議,許多問題也沒有出現較為明確的討論結果,仍有待未來進一步探討, 在此也歡迎對健康與醫療資料加值應用議題有興趣、或想了解未來相關政策制定的朋友持續關注 PanSci,也希望各位朋友不吝提出建議或意見。

健康與醫療資料加值應用線上論壇圓滿落幕,感謝大家熱情的參與!

-----廣告,請繼續往下閱讀-----

延伸閱讀:

1. [專題] 2012健康與醫療資料的加值應用
2. 重回現場:線上論壇第四場 | PanSci@Google+
3. 健康與醫療資料的加值應用(八):線上論壇第一場重點回顧
4. 健康與醫療資料的加值應用(九):線上論壇第二場重點回顧
5. 健康與醫療資料的加值應用(十):線上論壇第三場重點回顧

2012健康與醫療資料加值應用論壇_96
15 篇文章 ・ 0 位粉絲
舉辦公眾論壇,促成社會公眾對「健康及醫療資料運用及加值」進行理性、知情的討論,形成公共意見以作為決策的參考。 一、提出公眾論壇的討論成果:結論報告。 二、統整各界對健康及醫療資料運用及加值」之爭議意見及政策建議。 三、建構論壇準備期間為促成對話的重要程序和原則。