0

0
0

文字

分享

0
0
0

【Gene思書齋】大到不能宰?

Gene Ng_96
・2014/08/13 ・3509字 ・閱讀時間約 7 分鐘 ・SR值 554 ・八年級

標題中的「宰」,並非指「屠宰」,而是「莫宰羊」的「宰」。

「學海無涯」,這成語出自明朝張岱的《小序》:「學海無邊,書囊無底。世間書怎讀得盡。」可是從今天的角度來看,當時的人如果真的去拚命死嗑,大部分讀書人搞不好還是有辦法把手邊能弄到的書讀盡的啊。

拜網際網路所賜,我們今天面對的知識之面貌,和過去幾年百甚至幾千年的,都大不相同了,這才是真的學海無涯。知識的結構也已徹底改變,我們過去面對、學習和掌握知識的方法,也已有和將有極大的改變。

我到上大學前,幾乎完全沒有接觸過網際網路,高三時有人到我們學校演講,說網路上啥都有,結果我們一群高中臭男生圍在一起說「啥都有」,表情不是驚訝,而 是淫笑Orz 我第一次接觸電郵時,還很笨地問到,如果郵件送達時,我不在電腦面前,郵件會不會被退回XD 可是,現代社會,甭說高中,連小學生都會上網了吧。甚至還沒懂事前,就先學會用平板電腦。

-----廣告,請繼續往下閱讀-----

網際網路確定改變了我們學習知識的方式。過去,我們要學習知識,大多數情況下非得從書本裡取得。我從小就很愛看書,可是家裡也買不起大英百科啊,只能去中 學圖書館裡借有限的書籍。可是今天呢?維基百科有多到你每天不眠不休都讀不完的條目,而且還完全免費、免借閱,更新速度也驚人;過去,做研究要上圖書館影 印論文,如果大學圖書館沒有訂閱的期刊,還得大費周張付費申請館際合作,可是現在坐在辦公室電腦面前,大多數文獻,甚至無論多古老,都能在按幾個鍵的情況 下輕鬆下載,後來連一些學術書籍,也都能下載,只要校方有訂購的話;我前陣子對經濟學感興趣,沒想到一堆國外非常暢銷的經濟學教科書,居然也能找到全文的 高解析度電子檔,只要耐心尋找;過去的科景也好,現在的泛科學也好,提供了傳統媒體輕忽的科學新聞,而且還以更快的速度和更高的準確度,並且還能附上資料 來源。這都是網際網路傳播知識的正面作用,可是為何還有人持悲觀論點呢?

網路思想先驅溫柏格(David Weinberger)的這本《TOO BIG TO KNOW:網路思想先驅溫柏格重新定義知識的意義與力量》Too Big to Know: Rethinking Knowledge Now That the Facts Aren’t the Facts, Experts Are Everywhere, and the Smartest Person in the Room Is the Room) 就試圖重新定義知識,並推測當知識離開了紙張,知識究竟如何演變?以及提出我們又該如何運用知識。溫柏格是哈佛法學院貝克曼網路與社會研究中心 (Berkman Center for Internet and Society)資深研究員,對網際網路如何影響社會有獨到的見解,還曾擔任美國總統候選人的網路政策顧問,長期為 《連線》(Wired)、《今日美國報》(USA Today)、《史密松寧通訊》(Smithsonian)、《哈佛商業評論》(Harvard Business Review)、《科學人》(Scientific American)、《紐約時報》(The New York Times)執筆。《TOO BIG TO KNOW》真是少數直接以原文書名當作中文版書名的好書。

自從古騰堡(Johannes Gutenberg,1398-1468)發明活字印刷之後,書籍的取得愈來愈容易。指出,近年美國聯邦政府在歐巴馬(Barack H. Obama)的指示下,建立Data.gov把行政機關所有非機密資料公開。溫伯格主張,這樣把大量事實公開、供人自由使用,便是拆了停駐點上的釘子,使 得知識的根基不再像以前那樣不可動搖,也不再有界限,形成喪失邊界的知識體。

《TOO BIG TO KNOW》指出,到了早17世紀,已有人抱怨我們現在稱為「資訊過載」的現象。面對如洪水般的資訊,長期以來人們使用刪去法,過濾出需要的知識。可是到了 網際網路的時代,已經能容下所有資訊了,於是過濾的策略再也不是刪除,而只是將所需資訊過濾到最前面。《TOO BIG TO KNOW》還指出,在新的知識制度下,廣度本身就足以成為一種深度、專家和非專家的界限正在消失、平民主義興起、擁有「異類」資格的人取代高學歷者、沒有 共識也能產生新知。

-----廣告,請繼續往下閱讀-----

為了應付過載的知識,我們為知識設立了由各種停駐點組成的體系。然而,《TOO BIG TO KNOW》提出專業技能的網路化,認為專業知識也可能在雲端。即便我們保有事實和專家,但知識的整體卻正在流逝。當老舊知識媒介的限制逐漸褪去,知識在網際網路裡到底會變成什麼樣子?網路化專業知識是怎麼運作?溫伯格認為,網路連結了許多人,例如《群眾的智慧:如何讓整個世界成為你的智囊團》(The Wisdom Of Crowds: Why The Many Are Smarter Than The Few, And How Collective Wisdom Shapes Business, Economies, Societies, And Nations)這本書指出,彼此無相關性的人群,可能可以比單獨的個人找出更準確的答案(請參見〈群眾的非凡智慧〉); 還有,網際網路上有各式各樣的人,《TOO BIG TO KNOW》舉了個實例,提到一個水泥專家戴維斯,溢油防治技術研究所在網路上找到了他,成功解決了石油專家都解決不了的溢油抽取問題。用這個有趣的案例, 透過網際網路的特性,專業知識發揮了更大的效益,專家所形成的網路遠比專業意見的總和更聰明。

溫伯格還指出,網際網路跟燕麥粥一樣,又黏又一塊塊的。怎麼說呢?許多不同專業的專家網路有忠實的成員,可以在特定類型的問題發揮所長;網際網路還會累 積,成長速度飛快,還能縮放自如,大有大的好,小有小的妙;網際網路讓專業主題互相交錯連結,不會因為結論不固定而喪失價值,資料來源的連結讓專業知識更 透明,還具有互動性,專家不再是個特殊的階層,多元的想法、知識和權威能夠並存。

《TOO BIG TO KNOW》接著探討多樣性的重要性和限制。在聲音多元的網際網路裡,意見相同的人容易聚集在一起,形成回聲室。因此,美國憲法學者桑斯坦(Cass Sunstein)認為,網際網路將創造出更多回聲室,使得「群體極端化」並破壞民主,人民更難取得共識。可是溫柏格認為,實際情況正好相反,指出極端化 效應沒桑斯坦認為的那麼強。

網路似乎把人弄得更笨,卡爾(Nicholas Carr)在《網路讓我們變笨?:數位科技正在改變我們的大腦、思考與閱讀行為》The Shallows: What the Internet Is Doing to Our Brains)提出,網際網路正改變我們的腦袋,讓我們愈來愈難去吸收有深度的知識(請參見〈網路真的讓我們變笨?〉)。 溫伯格在《TOO BIG TO KNOW》花了一章回應卡爾,比較了長篇幅思想(書本)與超連結的優劣。他認為,書籍是一種非連線、非對話式的單向媒介,將思想固定在紙張上,並塑造成書 本的篇章。然而,網路化知識則沒有形狀與固定形式,論證能以自然的長度呈現,主題隨時能交錯連結,這樣「糾混」的網路也許更能準確反映這個世界的真實狀 況。

-----廣告,請繼續往下閱讀-----

《TOO BIG TO KNOW》繼續探討了網際網路時代的科學,認為網路化的科學巨大到無法讓人知曉全貌、永遠針鋒相對,而且沒有定論,如此反而更接近科學家看待科學的方式。頂尖學術期刊如《自然》(Nature)和《科學》(Science)只能接受大約2%的投稿,可是線上期刊如PLOS ONE卻能夠接受大量的投稿,在去年就發表了超過三萬篇論文。只要同儕審查後內容在科學方法上沒有重大瑕疵,PLOS ONE就會接受投稿,他們決定把論文的實際影響力交給科學社群去決定,並且還讓讀者在論文底下留言討論。在科學界,「開放存取運動」(Open Access)的期刊也興起,免費讓讀者下載論文,不需要學術單位的訂閱,讓大型出版社無法以科學家辛勞的成果為獲利工具。

我們需要再做些啥,才能讓網路變成一個更適合知識的架構?《TOO BIG TO KNOW》呼籲建立知識的新架構,儘管身處知識的危機中,但網際網路降低了阻礙,改變了知識的根本架構,也改變了我們面對世界的方式。網際網路提供了我們 豐饒的內容,可以利用超連結跳來跳去,不用特別的特許,即公開又沒有定論。網路化的知識,讓我們更接近知識的真相。我們可以利用以下方法,讓網路化的知識 造福大眾:一、開放存取;二、提供智慧可以用的攀附之;三、連結所有的東西,傳統媒體難以完整提供出處,可以網際網路卻能夠輕鬆做到;四、不拋棄任何機構 化或制度化的知識,網際網路提供我們更輕鬆在傳統媒體上的搜尋和閱讀,也讓學院式知識能夠更有效遠距傳播;五、教導所有的人。

對關心知識的學習和傳播的朋友而言,《TOO BIG TO KNOW》是本必讀好書!網際網路是洪水猛獸,還是恩典福音,端看我們如何駕馭和應用。知識的網路化,鐵定會是無法逆轉的歷史潮流。時勢造英雄,我們應該要能夠搭上這個時代的狂潮帶向未來,而非讓歷史把我們給狠狠埋沒!

本文原刊登於【GENE思書軒】,並同步刊登於The Sky of Gene

-----廣告,請繼續往下閱讀-----
文章難易度
Gene Ng_96
295 篇文章 ・ 30 位粉絲
來自馬來西亞,畢業於台灣國立清華大學生命科學系學士暨碩士班,以及美國加州大學戴維斯分校(University of California at Davis)遺傳學博士班,從事果蠅演化遺傳學研究。曾於台灣中央研究院生物多樣性研究中心擔任博士後研究員,現任教於國立清華大學分子與細胞生物學研究所,從事鳥類的演化遺傳學、基因體學及演化發育生物學研究。過去曾長期擔任中文科學新聞網站「科景」(Sciscape.org)總編輯,現任台大科教中心CASE特約寫手Readmoo部落格【GENE思書軒】關鍵評論網專欄作家;個人部落格:The Sky of Gene;臉書粉絲頁:GENE思書齋

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

1
0

文字

分享

0
1
0
【泛科開課】國民法官生存指南:用足夠的智識面對法庭裡的一切
PanSci_96
・2023/01/07 ・795字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

2023 年國民法官制度上路,每個人都有機會成為國民法官,你收到法院邀請函了嗎?

全國備選國民法官超過 13 萬人,也許明天就會收到法院邀請函。但是對於整個國民法官制度,與實際法院判決流程還一頭霧水該怎麼辦?

擁有美國國家訴訟詰辯學院教師資格 aka 刑事律師黃致豪,將開設「國民法官生存指南:用足夠的智識面對法庭裡的一切」線上課程,從理論與實務出發,全白話生動幽默說明;著重在「入選國民法官後,我該怎麼辦?」的實用概念與技巧。與坊間可以找到的律師、檢察官訓練資訊以及司法院的公關說帖不同,更非法條整理,是由專家整理,第一部專門為未來的國民法官量身打造的實用課程

立即填寫問卷,預約【課程開賣早鳥優惠】!

假設自己成為國民法官,你也有這些害怕:

  • 我又沒念過法律,為什麼我要決定人家的生死?接到通知就一定要去嗎?
  • 鑑定人或者專家,講的到底是真是假,該怎麼判斷?沒念過法律的人,意見可以跟高學歷的博士、法官、鑑定人對抗或者質疑他們嗎?
  • 職業法官與國民法官的差別在哪?國民法官在法庭中的角色是什麼?
  • 我在法庭上可以針對發言內容提出問題嗎?我可以跟家人親友討論我目前在審理的案件嗎?
  • 如果我不想判死刑結果大家判了死刑,我該怎麼辦?

過去的法院判決流程,總是與大眾生活存在距離。但唯有了解,才能消除疑惑。讓黃致豪律師一次解答所有國民法官在制度面、實務面、程序面、科學面會遇到的問題,幫你「臨庭」不亂

立即填寫問卷,預約【課程開賣早鳥優惠】!

-----廣告,請繼續往下閱讀-----

0

1
0

文字

分享

0
1
0
【泛科開課】知識型創作者的 YouTuber 流量密碼鍊金術!
PanSci_96
・2022/11/14 ・635字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

現代問題要用現代方法解決!Youtube 影音當道,尋求知識與學習新技能的過程,也從文字轉向影音!

台灣最大知識科學媒體「泛科學」創辦人 aka 知識長鄭國威將開設「知識型創作者的 YouTuber 流量密碼鍊金術!」線上課程,不僅分享自己從文字知識型網站「泛科學」,轉型為知識型 Youtuber 的心路歷程,也手把手教你如何在詭譎多變的影音環境中,找到專業知識與流量的甜蜜點。

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

你有碰到以下問題嗎?

  • 影音時代,純文字內容已無法滿足觀眾快速求知的急切需求。當人們轉向 YouTube 尋求知識、直接學習各種新知與技能,知識工作者如何數位轉型?
  • 好知識值得訂閱,真專業必須爆紅,擁有專業知識的你,值得被更多人關注!想踏上創作者之路,該如何起步?專業知識如何輸出成觀眾好懂的內容?
  • 你可能看過許多「口語表達」、「自媒體經營」、「影音企劃」相關教學,但卻始終無法系統性整合,有效產出能吸引流量的內容⋯⋯
  • 你也可能想過,是因為知識內容共鳴度低?創作腳本不夠有趣?行銷方式不夠吸睛?

其實,最根本的原因 —— 是我們欠缺「知識轉譯」的能力!

知識傳播需要有效轉譯,將知識內化吸收,再輸出成他人易懂的內容。

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!