Loading [MathJax]/extensions/tex2jax.js

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

-----廣告,請繼續往下閱讀-----

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-----
-----廣告,請繼續往下閱讀-----
文章難易度
Gene Ng_96
295 篇文章 ・ 32 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

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

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

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-----
-----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】!

-----廣告,請繼續往下閱讀-----