5

11
2

文字

分享

5
11
2

別懷疑,Google 真的知道你在想什麼! 蜂鳥演算法如何提升人類的搜尋體驗?

Abby T
・2021/08/26 ・4467字 ・閱讀時間約 9 分鐘

-----廣告,請繼續往下閱讀-----

打開 Google 輸入「水煮蛋」,Google 會知道,你是想了解「水煮蛋的煮法」,並且快速地給出你想要的答案。

或是只輸入「麵包店」,Google 就會自動推測,你是想找附近的麵包店。因此會依照你的網路所在位置,優先提供附近麵包店的資訊。

能有以上更方便的搜尋方式,和更能滿足使用者需求的搜尋結果,都是蜂鳥演算法加強「語意判讀」和更理解「搜尋意圖」的功勞。

搜尋引擎的基本原理,分別是爬文(Crawling)、收錄 (Indexing)和排名(Ranking)三步驟。首先必須透過爬文蒐集資料,再把這些資料收編和儲存進 Google 的資料庫,最後則是網站經營者或 SEO 專家最關心的排名步驟──也就是 Google 如何決定哪些資料要優先推薦給使用者。

而演算法就像是為上述整個過程套上一個公式,不同公式能導出不同計算過程和結果,連帶影響 Google 給出的搜尋結果,比如「咖啡因演算法」改變了網頁收錄的方式,「熊貓演算法」則大大提升網頁內容品質。那,蜂鳥演算法帶來哪些影響呢?

-----廣告,請繼續往下閱讀-----

蜂鳥演算法:讓「搜尋意圖」判斷更進化

蜂鳥演算法(Google Hummingbird)是Google 演算法歷屆演變中,相當重要的變革之一,因為它並非只針對舊有的演算法做出些微調整,而是一口氣替換掉演算法的核心,不過也同時保留了部分舊有演算法的元素。

在蜂鳥演算法出現以前,Google 本來只會從搜尋字串中抓出幾個關鍵字,判斷各個字詞字面上的意思,再從資料庫中找出有關鍵字詞的資料。例如:使用者搜尋「水煮蛋 時間」,Google 可能會從資料庫中撈出同時有提到「水煮蛋」和「烹調時間」的網頁,再排序推薦給使用者。

反過來說,如果使用者想知道水煮蛋需要煮多久才會熟,直接搜尋「水煮蛋需要煮多久才會熟」如此直白語句,未必找得到答案,因此使用者可能必須將問題先切成幾個關鍵字,轉換成 Google 看得懂的語言,如「水煮蛋 時間」,或是推測可能要看水煮蛋食譜才能解決問題,而改搜尋「水煮蛋 食譜」或「水煮蛋 步驟」。

簡單來說,使用者會需要配合搜尋引擎能理解的語言來提問,才能找到需要的資訊。但如果搜尋前,還得先思考要打什麼關鍵字才能找到答案,豈不是很麻煩嗎? 

-----廣告,請繼續往下閱讀-----

Google 搜尋引擎秉持的理念是,要提供最相關的資訊給使用者,且讓使用者花越少時間在搜尋越好。換句話說,就是要讓使用者在最短的時間內獲得想要的資訊──「速度」跟「精確度」是兩大重點,而蜂鳥演算法的出現大大改善了這兩個問題。

蜂鳥雖然體型嬌小,卻以翅膀振動速度飛快和敏捷行動力出名,而蜂鳥演算法正如其名,希望帶給使用者的搜尋體驗能是快而精準。

但要如何做到?最重要的關鍵是,要能更了解使用者想要找什麼樣的資訊、使用者為什麼要搜尋該關鍵字,也就是要判讀所謂使用者的「搜尋意圖」。 

搜尋意圖(Search Intent)是什麼?

簡單來說,搜尋意圖就是使用者搜尋的「目的」,可以是想知道關鍵字是什麼意思、想要購買商品、想找到某個網站等。蜂鳥演算法正式運行以後,我們已能更準確地從搜尋結果頁面,來推測使用者的搜尋意圖。

-----廣告,請繼續往下閱讀-----

舉例來說,搜尋關鍵字「演算法」,搜尋結果第一頁會出現有關演算法的介紹,因此可以推測使用者,使用者搜尋「演算法」,應該就是想了解演算法是什麼。

圖/作者提供

再看一下關鍵字「水煮蛋」,搜尋結果第一頁上的內容大多是在介紹「水煮蛋的煮法」,諸如水煮蛋要煮多久等等,而非水煮蛋的營養成分等知識性內容。也就是說,Google 猜測,查詢「水煮蛋」的使用者,最想知道的是「水煮蛋怎麼煮」,而不是有關水煮蛋的知識。

圖/作者提供

判斷搜尋意圖未必是件容易的事,但對執行搜尋引擎優化(SEO)來說卻很重要。因為 Google 會提供給使用者的是和搜尋意圖最相關的資訊,因此正確掌握搜尋意圖,正是做好 SEO 的第一步。

以水煮蛋為例,如果你經營的網站,寫了一篇水煮蛋「營養成分的介紹文章」。但因為搜尋「水煮蛋」的使用者,比較想了解的是水煮蛋的「製作方式」,所以 Google 很可能不會把你的文章排得太前面。

-----廣告,請繼續往下閱讀-----

蜂鳥演算法如何幫助 Google 更精確地判斷搜尋意圖? 

在蜂鳥演算法推出前,Google 先推出了語音搜尋的服務,用口語表達的方式即可以執行搜尋。比起文字輸入搜尋,語音搜尋的用語更為自然、口語化,比如以文字搜尋時,使用者可能會輸入「水煮蛋製作」,但使用語音搜尋時,卻可能會說出較為口語的「水煮蛋怎麼做」。

此時,如何解讀使用者的搜尋字詞變得相當重要,而蜂鳥演算法帶來最大的改變是從字詞上的辨識,進階成為「語意上的解讀」。

也就是說,Google 本來只會根據關鍵字提供對應的資料給使用者,但蜂鳥演算法的導入,卻讓 Google 開始學會讀取上下文。能將所有輸入的字詞融為整體作判斷,並參照彼此間的關聯性去推測更深層的意涵,而非單單只是把搜尋字詞看成是有很多關鍵字集合的字串。

比如搜尋關鍵字「明天天氣」,若只抓取字面上的關鍵字,搜尋引擎可能只會判斷使用者想知道天氣,所以會提供各縣市天氣預報。但是加入語意上的判讀後,Google 會將「明天天氣」此搜尋字詞理解為「使用者想知道所在區域的明天天氣狀況」,便會在使用者有授權的情況下,自動參考使用者的位置資訊,進而提供使用者所在位置的天氣資訊。

-----廣告,請繼續往下閱讀-----
圖/作者提供

蜂鳥演算法對搜尋引擎優化(SEO)的影響?

如果蜂鳥演算法只是強化了Google 對於搜尋字詞的理解能力,那麼對於網頁在搜尋結果的排名,理論上來說應該沒有直接影響?

但實際上,蜂鳥演算法雖然沒有改變影響排名的因素,但對於網站流量的成效和 SEO 執行策略方面卻有帶來一些改變。

1.流量可能變少

在蜂鳥演算法導入的前一年,Google 推出了「知識圖譜」(knowledge graph)功能。它結合了語意分析和資料蒐集,事先彙整了一些使用者可能需要資料,只要使用者一搜尋相關關鍵字,Google 就能從資料庫中提取資料,提供現成的知識圖譜,讓使用者的疑問能快速被回答。使用者甚至不需要點入任何搜尋結果就能得到答案,例如搜尋「強尼戴普幾歲」:

圖/作者提供

從搜尋結果最上方及右側的知識面板,就能立即得到強尼戴普的年齡和其他相關資訊,甚至不需要點入維基百科查看。

-----廣告,請繼續往下閱讀-----

這對於使用者來說當然是好事,畢竟搜尋問題能立刻得到答案,還不需要自己一一點入網站彙整需要的資訊。相反的,對於網站主來說,語意理解加知識圖譜的出現卻會是個威脅,因為辛苦策劃了網頁內容,卻可能吸引不到點擊/流量。這時候的網頁排名競爭,相當於要競爭的對手不只是其他網站,還有 Google 本身。

2.長尾關鍵字更受歡迎

因為語音搜尋服務的推出,使用者的搜尋字詞開始越來越口語化,而這些口語化的搜尋字詞,是屬於搜尋量較少、非主要搜尋字詞的長尾關鍵字。本來在蜂鳥演算法推出以前,Google 比較不擅長將這類長尾關鍵字和相對應的網頁內容串連在一起,SEO 操作上較少選擇長尾關鍵字作為要操作的目標關鍵字。在蜂鳥演算法導入之後,Google 的關鍵字語意判讀能力提升,才能逐漸辨識這些長尾關鍵字的搜尋意圖。

SEO 策略能如何因應蜂鳥演算法調整?

延續前一段提到蜂鳥演算法對 SEO 的影響,可以了解蜂鳥演算法與網頁排名指標較沒直接關係,網站主沒辦法針對特定因素進行優化,因此只能將重心放在優化網頁內容,增加搜尋引擎將網站推薦給使用者的機會。

常見的 SEO 優化策略有:

-----廣告,請繼續往下閱讀-----

1.多發布優質內容

針對網站主題多發布相關的原創內容,網站內容越豐富,越有機會解答使用者的問題。

2.加強文章的廣度

文章內容題材涵蓋範圍越廣,越能解決使用者可能會有的疑問。能一文解決使用者所有疑問的文章,有較高的機會被Google 認定為優質內容,進而推薦給使用者,而使用者也可能透過搜尋不同疑問接觸到同一篇文章。

3.善用長尾關鍵字

上段有提到蜂鳥演算法讓長尾關鍵字越來越受歡迎,代表使用者會更容易透過搜尋長尾關鍵字而接觸到相關網頁。網站主可以善用蜂鳥演算法能理解長尾關鍵字語意的特性,挑選適合的長尾關鍵字作為 SEO 的操作目標,或許反而能因為長尾關鍵字競爭程度相對小、搜尋意圖相對明確的優勢,讓網頁更有機會獲得好排名。

以上三個策略,都是著重在「如何用內容增加網頁曝光」的機會,所以最後還是老話一句,當你不曉得 Google 演算法革新帶來什麼影響、不知道該如何因應改變時,只要記住:持續提供優質內容、解決越多使用者的問題,就是做好 SEO 的最高原則。

蜂鳥演算法對搜尋引擎使用者的影響

蜂鳥演算法是 Google 用來判斷搜尋意圖的一大利器,透過精準掌握搜尋意圖,達到能快速提供使用者有用資訊的效果。Google 對關鍵字的理解,從初階的「詞彙」辨識,進階到「語意」上的解讀。因此,Google 更加清楚理解,使用者對搜尋引擎提出的問題,究竟是在問什麼,以及使用者預期想得到的答案又是什麼。

Google 彷彿真的知道,在電腦前輸入關鍵字的你我在想些什麼。例如正想自製早午餐的你,搜尋「法式吐司」,Google 會馬上告訴你,做出好吃法式吐司的方法。搜尋「最佳燒烤店」,Google 會找出離你最近的高評價燒烤店資訊(而不是依照「最佳燒烤店」字面上的意思,列出全世界最高分的燒烤店)。

藉由蜂鳥演算法的幫助,Google 大神不只有問必答,提供的答案也一點都不馬虎,能確實幫助使用者解決問題。

從蜂鳥演算法對使用者的影響來看,基本上是有益無害。蜂鳥演算法能將多樣化的使用者問題和網頁提供的資訊,更精準地連接在一起。並加入知識圖譜、本地資訊等貼心服務,優化使用者體驗。不僅可以讓使用者使用更人性化的用詞搜尋,得到的搜尋結果往往也更符合所需。

不過,蜂鳥演算法在語意判讀的精準度能否更提升,精準度是否會因不同語言而有差異?仍是值得持續觀察的問題。

參考資料:

  1. Google Hummingbird – Moz
  2. Searcher Intent: The Overlooked ‘Ranking Factor’ You Should Be Optimizing For – Ahrefs
  3. SEO 搜尋引擎優化 – JKL SEO
  4. 搜尋引擎原理 – JKL SEO
  5. Should You Change Your SEO Strategy Because of Google Hummingbird? – Neilpatel
  6. 什麼是長尾關鍵字?流量不是最多但非常重要的 SEO 觀念! – dcplus
文章難易度
所有討論 5
Abby T
5 篇文章 ・ 7 位粉絲
任職於 JKL SEO 公司的 SEO 顧問兼內容行銷專欄作家。對 SEO搜尋引擎優化相關演算法小有研究,致力於將 SEO 相關知識,以淺顯易懂方式撰寫成科普文章,使普羅大眾有機會認識 SEO 這項專業數位行銷技術。

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。

1

0
0

文字

分享

1
0
0
想要擁有一台 AI PC,有必要嗎?NPU 是什麼?超詳盡 AI PC 選購指南來啦!
泛科學院_96
・2024/05/18 ・1080字 ・閱讀時間約 2 分鐘

2023 年 3 月 intel 跟微軟共同發布了 AI PC 定義。

定義需要用 intel 的 Core Ultra 處理器,要有微軟系統內建 的Copilot AI,鍵盤上還需要有一個實體 copilot 按鍵,才算是一台 AI PC。

這個 AJ 看到後,發現案情並不單純,定義 AI PC 這件事情,遠比你想得還要重要!

所以今天呢,我們就來回答三個問題:

-----廣告,請繼續往下閱讀-----
  1. AI PC 是什麼?
  2. AI PC 強在哪?
  3. 有哪些公司跟 AI PC 有關?

最後再跟大家分享是否要買 AI PC 的建議。

好啦,本集我們整理了整個 AI PC 的脈絡,我把懶人包放在這裡,有需要的可以暫停看一下。

最後來給買 AI PC 的建議吧,如果你主要用桌上型電腦,4090 獨立顯卡直接給他買下去,因為桌上型的處理器至少到目前為止,都還沒看到內建 NPU 的規劃,所以所有的平行運算都還是靠顯示卡 GPU 來處理。

筆記型電腦方面,各家網購平台都已經推出 AI 筆電專區,最低三萬元左右就可以買到最新的 AI PC。

-----廣告,請繼續往下閱讀-----

或許你還沒體驗到 AI 工具帶來的工作流程改變,不過潮流已經出現,據說到 2025 年,將出貨超過一億台AI PC,各家軟硬體廠商在這個全新的賽道上,只會不斷推出各種基於 AI PC 架構的應用與服務,畢竟,你如果不做,你的競爭對手可是不會等你。

有點離題了,在可遇見的未來,我們勢必會發現自己的電腦擁有更多基於 AI 技術的功能,

也許,你可以再等一會,等桌上型電腦也內建 NPU 之後,再來買真正的 AI 「PC」,不過要問我的話,如果是購買筆電的需求,選擇適合 Intel Evo 認證的筆電是值得推薦的選擇。

最後,你覺得 AI PC 會如微軟和 intel 預想的發展下去嗎?

  1. 會,終究要讓自己電腦分擔伺服器工作。
  2. 不會,AI PC 就只是宣傳話術。
  3. 我是果粉我驕傲,AI PC 如浮雲。

如果有其他想看的 AI 工具測試或相關問題,也可以留言發問,如果喜歡這支影片的話,也別忘了按讚、訂閱,加入會員,我們下集再見~掰!

-----廣告,請繼續往下閱讀-----

更多、更完整的內容,歡迎上泛科學院的 youtube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

所有討論 1
泛科學院_96
44 篇文章 ・ 51 位粉絲
我是泛科學院的AJ,有15年的軟體測試與電腦教育經驗,善於協助偏鄉NPO提升資訊能力,以Maker角度用發明解決身邊大小問題。與你分享人工智慧相關應用,每週更新兩集,讓我們帶你進入科技與創新的奇妙世界,為未來開啟無限可能!

1

3
1

文字

分享

1
3
1
AI 做簡報又更簡單了!只輸入網址,Bard 就整理好線上論文?
泛科學院_96
・2023/08/20 ・689字 ・閱讀時間約 1 分鐘

超誇張,只要貼上網址,Google Bard AI 把網頁內容變成簡報,這這這我還能不變心嗎?

之前有一支影片分享了 ChatGPT 結合 Power Point 的簡報製作技巧。

在 Bard 大更新之後,運用網頁瀏覽的功能,不管是線上期刊還是論文,轉換成簡報更加的方便,根據我自己的測試,只要五分鐘,從一篇網路上的論文就可以快速的變成一份漂亮的簡報,這真是懶人救星啊!

今天簡單的分享了 Bard 支援連接網路之後的論文摘要功能,並且回應之前影片網友遇到的內容大綱轉簡報的製作問題,希望這支影片能解決你的問題

-----廣告,請繼續往下閱讀-----

看完影片之後你覺得 Bard 的哪個功能最讓你驚艷或驚嚇呢?

  1. 拳打 ChatGPT 的連網功能
  2. 腳踢 ChatGPT 的內容準確性
  3. 豪奪網站的資訊內容
  4. 巧取生成錯誤資訊魚目混珠

如果你有更多的想法與問題,歡迎加入泛科學 AI 的 Discord 論壇,我把連結放在影片下方資訊欄。

如果這支影片對你有幫助的話,請幫我在影片下方點個喜歡,或是透過超級感謝展現你的心意,讓我製作更多實用有趣的 AI 教學影片,最後別忘了訂閱泛科學院的頻道,我們下支影片再見囉。

更多、更完整的內容,歡迎上泛科學院的 youtube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

所有討論 1
泛科學院_96
44 篇文章 ・ 51 位粉絲
我是泛科學院的AJ,有15年的軟體測試與電腦教育經驗,善於協助偏鄉NPO提升資訊能力,以Maker角度用發明解決身邊大小問題。與你分享人工智慧相關應用,每週更新兩集,讓我們帶你進入科技與創新的奇妙世界,為未來開啟無限可能!