1

6
0

文字

分享

1
6
0

智慧城市讓高科技超方便生活不再是夢!——專訪中興資管系助理教授洪智傑

科技大觀園_96
・2021/05/12 ・4097字 ・閱讀時間約 8 分鐘 ・SR值 540 ・八年級

-----廣告,請繼續往下閱讀-----

你有聽過「智慧城市」嗎?那是一個科技與生活交織的世界。

隨著通訊技術、電腦科技的進步,5G 網路、人工智慧、物聯網逐漸融入生活的每一個角落,智慧城市將資訊科技、城市建設結合在一起,讓市民的生活更加方便、更有品質,時至今日,智慧城市的概念已經成為世界各國建設城市、提升城市競爭力的重要指標!

為此,科技大觀園特別採訪了來自中興大學資訊管理學系的洪智傑助理教授,請他與我們分享智慧城市的概念,開啟我們對於未來科技生活的無限想像!

要怎麼做,才可以讓城市變得更「智慧」?

對於資料科學家來說,「智慧城市」到底是什麼?洪智傑表示,其實每個人對於智慧城市的定義與要求都不一樣,有的人注重蒐集更多、更好的資料,有的人則擅長在生活中找到需要解決的問題,並從現有的資料中找的解答或是解決方式。

你能想像嗎?未來你看到的每一支路燈,可能都不僅僅是路燈而已,這些「智慧燈桿」不但可以照明,同時也扮演了小氣象站、Wi-Fi 基地台、馬路攝影機、電子公布欄等多重角色,能夠即時偵測當地的空氣、交通狀況並做出因應。若是對此感到非常新鮮且好奇,大家可以前往台南市政府前的永華綠園觀摩智慧燈桿的示範成果囉!

每個人對於智慧城市的定義與要求都不一樣。圖/Pexels

經過智慧城市概念的改造後,下水道系統也不只是輸送汙水的管線而已,當科學家在管線中添加了特殊的感應器後,研究單位就可以從整個城市的工廠和家庭廢水中,分析汙水中的化學分子,找出各種疾病、污染的跡象和源頭,就像是阿嬤翻找你的房間垃圾桶一樣,從污水中破解隱藏在都市中的各種秘密。

由此可知,在物聯網的時代,當各個角落、各種物品都能連上網路之後,感測器也越來越多,以往城市中傳統的各項設施,都將增添更多功能並打破你對它們的既定印象,同時,資料科學家也因此蒐集到更多樣化的資料,並研發出更方便的應用。

-----廣告,請繼續往下閱讀-----

資訊科技將如何改造我們的生活?

在智慧城市的案例中,洪智傑建議大家可以從「食、衣、住、行、育、樂」和「基礎設施」七大類來盤點智慧城市的應用。

以打造智慧國為目標的新加坡為例子,新加坡健保局日前就推出了「Healthy 365」app,該 app 蒐集了全國上千種的食物,並發展出食物辨識的技術,當民眾下載 app 後,就可以用手機拍下食物的照片,馬上辨識並算出食物的熱量。

台南市政府則在熱門商圈的停車格設置了「地磁偵測系統」,並搭配智慧停車柱、app、馬路的 LED 顯示器,隨時偵測空位數量並分享給有需要的市民們,而智慧停車柱也會自動辨識車牌號碼和計算費用,從找車位、停車到繳費,讓停車的一條龍服務全都智慧化。

台南市政府則在熱門商圈停車格啓動智慧車位偵測系統。圖/tainan.gov.tw

在交通層面,國外 Uber 也申請了一項鼎鼎大名的專利:「利用  AI 技術抓出喝醉的乘客!」 當乘客叫車後,Uber 會透過手機分析乘客的行走速度、手機角度、打字準確度、轎車的時間與地點,並藉此來推斷乘客是否喝醉,一旦可能乘客可能喝醉、從酒店區搖搖晃晃地走出來, Uber 就會立刻提醒司機事先做好相應的準備。

-----廣告,請繼續往下閱讀-----

在基礎建設(infrastructure)的部分,用水、用電都是市民生活中最基本的需求。以自來水為例,一旦水管出現小小的裂縫,在輸水過程中就會浪費非常大量且寶貴的水資源,因此台北自來水管理處在管線加上了壓力感測器,隨時監控水壓變化,即時掌握各地水管的狀態和漏水處,在不知不覺間,提升每一位市民的生活品質。

藉由上面的案例,想必大家對於智慧城市的概念有更具體的了解,雖然智慧城市是相當廣義的概念,但它的核心概念可以用「利用資訊科技讓市民的生活更方便」一句話來解釋,而且每個人都可以在智慧城市的方向找到切入的角度和應用的可能。

揪出藏在資料海中的垃圾和警訊!

在資料科學領域有一句「垃圾進,垃圾出」的名言,若是輸入品質差勁的資料,即使經過電腦運算,也只會得到另外一堆垃圾。被問到如何解決這個經典的難題,洪智傑笑說,「垃圾進、垃圾出?哈哈哈,這是根本就是每天都會發生的事情啊!」而最常出現問題的地方,就是一切資料的源頭——感測器本身!

「量體溫」應該就是大家最有感的量測任務了,在 COVID-19 疫情期間,幾乎所有大學、車站出入口都會設置體溫量測站,然而,說句實話,你在畫面中看到的體溫,又有幾次是精確的?那些在紅外線熱像儀中行走的 33°C 、 34°C 人們 ,難道是一具具在城市中行走的喪屍?

-----廣告,請繼續往下閱讀-----
疫情生活下,體溫量測站已經成爲日常生活的一部分。圖/wikimedia

這些資料必須經過校準或是拿掉偏差值後,才會有分析和研究的意義與價值!

那麼要如何得知這些異常值是「警訊」還是「垃圾」呢?事實是,異常值的偵測與判斷也是一大難題!以臺灣知名的空氣盒子計畫為例,所有民眾都可以購買便宜的空氣感測器,感測當地空氣並回傳溫度、濕度、PM2.5 濃度的資料,組成密集的全臺空氣監測網,提供大量的空氣數據給專家分析。

但是,你以為這些便宜感測器的準確度真的可以跟高級儀器一模一樣嗎?實際上,空氣盒子時常因儀器損壞而出現不符實際狀況的觀測結果,例如在一片綠油油的台北市中,突然有一個感測器呈現紫爆, PM2.5 濃度高達1918 μg/m³,此時,我們通常會下意識地認為,這一顆紫爆的空氣盒子肯定是壞掉了。  

然而,這一顆紫爆的空氣盒子到底是壞掉了,還是只是有人在旁邊抽菸?這就是處理大量數據時最令人頭痛的難處,也是資料科學家的專業所在。

-----廣告,請繼續往下閱讀-----

智慧城市的兩難:好方便 vs. 好監控

隨著智慧城市的潮流興起,市民似乎只要提供越多資料,就可以生活更方便、獲得更好的服務品質。

「Google 地圖可以隨時告訴我哪裡塞車,好方便!」

「欸?有了車牌辨識系統,停車繳費都不用再拿票卡了,好方便!」

現在幾乎沒有人會因為車牌被拍攝而感到疑惑、被侵犯了,讓 Google 蒐集自己的定位資料也是家常便飯的事,洪智傑指出,當「方便」達到一定程度時,人們很容易失去原有的警戒心。

-----廣告,請繼續往下閱讀-----

不過,一旦讓不懷好意的單位取得大量特定人口的數位足跡,這些有心人士即可輕易的掌握這些人群的行為模式,甚至藉此達到「監控」的目的,因此,近年來,個人資訊安全、隱私權的問題也因運而生。

當「方便」達到一定程度,人們很容易失去原有警戒心。圖/Pexels

不過,一旦讓不懷好意的單位取得大量特定人口的數位足跡,這些有心人士即可輕易的掌握這些人群的行為模式,甚至藉此達到「監控」的目的,因此,近年來,個人資訊安全、隱私權的問題也因運而生。

由於臺灣並非極權國家,大眾對於軌跡資料的蒐集也越來越敏感,洪智傑表示,現在的學者時常只能拿到去識別化的資料,或是經過轉換的統計資料。但慶幸的是,網路上仍有不少開源資料或開源社群可供參考,政府也有設置資料開放平臺民生公共物聯網提供大眾運用。

其中,為了鼓勵大眾參與、應用政府的開放資料,政府更舉辦了「民生公共物聯網資料應用競賽」,邀請業界、學界和民間整合並運用政府的公開資料,打開資料科學與產業的未來,大家不妨也可以前往競賽的網頁,欣賞一下各年度的得獎作品。

-----廣告,請繼續往下閱讀-----

如何在資料中找到價值?從生活中的隱性需求開始!

若你對於智慧城市、資料科學有興趣,你可以先列出一個你感興趣的命題,確定自己想要從資料中找到的東西是什麼,再從現有的開源資料尋找解答。

茫茫的資料大海中發生太多事情了,洪智傑建議大家先準備好命題,再開始分析資料、尋找有價值的寶藏,就像是我們在圖書館中找書一樣,與其茫然的在圖書館中遊走,不如先想好自己要在圖書館閱讀什麼書,再開始尋找寶藏的旅程。

大數據時代,資料科學的研究命題可從日常生活的隱性需求著手。圖/Pexels

在智慧城市中,提升市民的「方便性」是資料科學家的目標,然而,現有生活究竟隱藏了哪些不方便?我們又該如何發現這些命題呢?洪智傑表示,除了增進自己跨領域的涵養之外,仔細觀察你我每天的日常,也能有助於我們洞察出生活中的隱性需求。

智慧城市是一個與現代生活息息相關的議題,若你也著迷於智慧城市的概念,也想要一起走在科技融入生活的道路上,歡迎你與資料科學家一起化身為生活觀察家,在資料中找出更多讓生活變方便的小智慧吧!

-----廣告,請繼續往下閱讀-----

資料來源

  1. 政府資料開放平台
  2. 民生公共物聯網資料服務平台
  3. 民生公共物聯網資料應用競賽
  4. g0v臺灣零時政府
  5. 台南市政府智慧車位偵測系統 – 地磁佈建計畫啟動
  6. 政府把自己當成公司:新加坡推智慧城市,背後的超務實性格
  7. Smart City 2.0:「智慧物聯網」引領「智慧城市」再升級
  8. 智慧城市白皮書
  9. 賀喜能源 建置全球首座智慧城市微電網示範系統
文章難易度
所有討論 1
科技大觀園_96
82 篇文章 ・ 1125 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。

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

  • 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

1
0

文字

分享

0
1
0
從販賣機到智慧設備:物聯網的發展歷程
數感實驗室_96
・2024/06/23 ・1135字 ・閱讀時間約 2 分鐘

-----廣告,請繼續往下閱讀-----

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

在這個通信技術普及的年代,我們不斷介紹各式各樣的通信技術。大多數的通信技術都是為人服務的,這似乎是理所當然的。然而,有一種通信技術並非直接為人服務,而是為物體之間的交流提供支持。這種技術不僅存在,而且在現代已經成為最主要的通信形式之一,我們稱之為——物聯網(IoT)。

物聯網,Internet of Things,簡稱 IoT,顧名思義就是物品,機器、設備連上網路。

在我們生活中,如智慧手錶和藍牙耳機這些穿戴式設備,它們各自擁有特定功能,同時又能透過藍牙技術相互連結,這就是物聯網的一種應用。

-----廣告,請繼續往下閱讀-----

你可能會問,手機也算是物聯網的設備嗎?

這取決於你如何定義和使用手機。如果是人們使用 5G 或 4G 技術彼此傳訊息和溝通,那麼這不屬於物聯網的範疇。但當手機與藍牙耳機或智慧手錶連接時,它們之間的互動更符合物聯網的概念。因此,物聯網的基本定義是,不直接涉及人跟人、或是人與設備的互動。基本上都是設備跟設備之間的溝通。

通信是人類最基本的需求,同時也帶來無限商機,就像我們不想跑到別的地方買可樂,卻發現賣光了一樣,科技為能解決這些需求,促使通信技術的持續成長。

如同手機的普及帶動了市場需求,從一家一部的電視和冰箱,到人人一支的手機,並且每隔幾年就更新換代。這種商機吸引了企業的投資,也推動了強大的研發動能。

-----廣告,請繼續往下閱讀-----

而現在,我們正生活在一個設備數量遠超人類數量的時代,從藍牙耳機、智慧手錶,到遍布全球的智慧設備,物聯網的技術已經無處不在。

不妨思考一下,還有哪些需求尚未被滿足,也許它們正是下一個物聯網應用的起點。

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

參考資料

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 49 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/

0

1
1

文字

分享

0
1
1
電磁波全揭秘:了解頻帶、頻寬、頻率和通信技術的基礎知識
數感實驗室_96
・2024/06/13 ・672字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

先前我們介紹了多位為通信科技發展做出貢獻的科學家。現在,我們要深入探討無線通信的技術層面。

無線通信,顧名思義不像傳統的電話或電報那樣需要一條實體的線路來傳遞信號。但這些信號並非憑空傳遞,它們依賴的正是電磁波。

電磁波在現代社會無處不在,從微波爐、手機到基地台,這些設備都會發射電磁波。但其實即使沒有這些科技裝置,電磁波依然存在於我們周圍。什麼意思呢?答案就是:當我們白天走到戶外,看到的光,它其實也是電磁波的一種。

-----廣告,請繼續往下閱讀-----

希望大家掌握了這些電磁波、頻帶、頻寬等基礎知識後,未來在閱讀相關的電信新聞時更加了解他們提到的術語,以及各種縮寫。以後無論是科技發展的動態還是市場新技術,都能更有概念地理解。

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

參考資料

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 49 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/