0

0
0

文字

分享

0
0
0

鳥兒也會發明、創新和學習!

葉綠舒
・2014/09/04 ・1442字 ・閱讀時間約 3 分鐘 ・SR值 525 ・七年級

鳥兒是否具有學習能力?對於養過鳥的朋友來說,這件事應該不是個問題。不過,鳥兒是否能發明新技術,並將之傳授給其他的同伴呢?最近一項結合了牛津大學(Oxford University)、維也納大學(University of Vienna)、以及普朗克研究所(Max Planck Institute at Seewiesen)的研究證明了,鳥兒不但會發明工具,還可以將使用工具的技術傳授給其他同伴!

原產於印尼的戈芬的鳳頭鸚鵡(Goffin’s cockatoo,Cacatua goffini),在野外並不懂得使用工具。在奧地利的實驗室裡,有一天,研究人員發現「費加羅」–圈養的成年雄性鸚鵡–自己用鳥舍的板子刻了一根棒子當作工具,用來把拿不到的堅果撥過來。於是,研究團隊想要知道,其他的鸚鵡是否能從費加羅「老師」這裡學會如何使用工具。

Ducorps_cockatoo
鳳頭鸚鵡。圖片來源:wiki

在實驗中,鳥兒們都面對相同的問題:如何取得拿不到的堅果。附近也都有現成的工具可以使用。在第一個實驗,鸚鵡群被允許觀察費加羅巧妙地使用了棒子將堅果移過來;第二個實驗,鳥兒們看到棒子自己把堅果移過來,或是堅果自己移過來(這部分是靠磁鐵來完成的)。

每一組各有三隻雄性、三隻雌性鸚鵡。研究團隊發現,第一組(看到費加羅老師的完整的互動演示)比第二組更願意解決問題。他們比第二組更願意拿起棍棒,對於實現結果似乎也更熱衷。值得注意的是,第一組的三隻雄性都學會了工具使用,而同組中的雌性以及第二組的所有組員都沒有學會。

-----廣告,請繼續往下閱讀-----

這是第一個在實驗室控制條件的狀況下,證明了的原始工具的使用在鳥類中可以進行傳播。 更有意思的是,成功的鳥兒不只是模仿費加羅的動作:他們甚至青出於藍。費加羅使用工具的方式是,從不同高度的籠格插入他的工具(棒子),將堅果朝自己「耙」過來;而牠的「學生」們讓棒子躺在地上,把堅果掃過來。在測試的情況下,後者的技術可以說是更有效率。

這意味著,雖然上費加羅老師的課,對於能否取得堅果是有必要的;但是他們並沒有精確的模仿他的所作所為。成功的學生,似乎從費加羅老師與工具互動的過程中,了解到整個事件的結果;接著他們便開發了自己的策略,達到相同的效果,而不是完全模仿他的動作。這是心理學家所謂的典型的「仿真學習」(emulation learning)。

需要「老師」在現場演示的重要性在於,他們可以跟演示者一起分享整個過程;他們會比較專注於整個任務,或甚至去同理演示者的作為?不過這部分還需要進一步研究。

其中兩個成功的「學生」,後來在沒有現成的工具的狀況下進行測試。雖然沒有棒子,但是研究團隊為他們提供了合適的工具製作材料。其中一個學生自發地開始製作自己的工具,而另一個學生雖然一開始失敗了,但再經過費加羅老師示範了工具的製作後,他也成功的做出了自己的工具。雖然還不能下結論,但是這實驗結果可能意味著,學習使用工具可能刺激製作工具的技術,這已經是行為規劃了。

-----廣告,請繼續往下閱讀-----

這個研究很清楚的證明了鳥類有學習的能力:他們不僅可以模仿老師的動作,並達到他或她的成就;他們還同時創造了自己的方法。從單純模仿到青出於藍,這之間存在很大的差異。後者意味著經由社會互動的刺激,達到創造性產出的過程;而前者就是靠簡單的模仿。鸚鵡模仿並超越了他們的老師,這是所有優秀的教授希望從他們的最優秀的學生看到的特質。

文章中沒有提到,這些「學生」們到底看老師演示了幾次才學會;但是筆者想到,我們平常教鸚鵡說話總是要教很多次,或許是因為我們不是「鸚鵡」老師吧!哈哈!

原刊載於作者部落格Miscellaneous999 

參考資料:

-----廣告,請繼續往下閱讀-----
  1. University of Oxiford. Cockatoos go to carpentry school.
文章難易度
葉綠舒
262 篇文章 ・ 9 位粉絲
做人一定要讀書(主動學習),將來才會有出息。

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。

2

0
3

文字

分享

2
0
3
一鍵生成心智圖?統整文章、製作簡報、學習知識!三款 AI 保母級教學!
泛科學院_96
・2024/03/04 ・4383字 ・閱讀時間約 9 分鐘

真的假的,只要有它,再難的事都能秒懂?

它就是 AI 心智圖工具,只要一句話,一個關鍵字,就能生成一張完整的知識架構圖。

無論是聽不懂老師在講什麼的學生,還是被老闆交辦沒聽過的工作,只要把聽不懂的詞丟進去,噠啦~瞬間一目了然!

而且這些 AI 心智圖工具,也能直接把生成的圖表或段落變成一頁簡報,真的非常方便!

-----廣告,請繼續往下閱讀-----

今天,我將介紹 Whimsical 、 Xmind 和 MyMap 這三個 AI 心智圖工具,其中 Whimsical 是免費的,Xmind 跟 MyMap 這個 AI 功能要額外付費,但我自己實測的感覺非常好,因此也推薦給大家。

廢話不多說,讓我們開始吧!

Whimsical

Whimsical 對 APP 開發者可能並不陌生,是集結流程圖、心智圖、 APP 原型圖的線上工具,現在有加入 AI,不僅可以更快速地整理內容,甚至能無中生有。雖然一個帳號只能免費使用 AI 100 次,再多就要付費,但我用到現在也還沒用完。

先從快速整理內容來吧,我這邊用泛科學這篇文章當範例,複製文章內容跟他說

-----廣告,請繼續往下閱讀-----

請幫我把下面的內容,整理成心智圖

暗能量是什麼?看不到也摸不著,我們該如何找到它?

這樣文章的大綱就在你面前了,如果對某些主題有興趣,就可以用心智圖上的關鍵字去 google 搜尋。

接下來,就輪到無中生有啦!這次我什麼都沒有給他,直接輸入

請給我核融合的基礎知識架構心智圖

這樣 Whimsical 就會給你核融合的知識架構圖啦。

你看,是不是很簡單呢?

-----廣告,請繼續往下閱讀-----

如果想要把這張心智圖做成簡報,你只要選擇 Section 把它框起來,

就能在右邊的 Present 欄位上面,看到新的 Section,這時按下撥放,就會是一張剪報嘍。

作為流程圖與心智圖工具的 Whimsical 本來就很容易上手,加上 AI 就變得更無腦了,你甚至可以讓 Whimsical + AI 做完所有內容,再自己再微調版面,框選 Section,就有一份出色的簡報啦!

不過還是要說一下,Whimsical 的 AI 找得資料有點少,可能連學校作業的需求都無法應付,如果真的要瞬間秒懂所有事情,你可能要試試看 Xmind 或 MyMap 。

-----廣告,請繼續往下閱讀-----

Xmind

先來說說 Xmind ,這款工具稱得上是臺灣最知名的心智圖工具了吧?像是創意思考或人生整理術之類的課程,都經常能見到 Xmind 的身影。現在加上 AI 之後,真的創造了天下沒有難學的知識,一個關鍵字,一張心智圖,順著心智圖學習,沒什麼事難得倒你。

這邊我想要提醒大家, Xmind 跟 Xmind AI 是兩個獨立的產品線,傳統的紅色的圖示 Xmind 包含桌面版程式與手機 APP , Pro 專業版的售價是每三個月 16 美金, Xmind AI 是新推出的產品,圖示改成紫色,專業版費用是每個月 8 美金,兩者並不互通,重要的事說三次,兩者不互通,兩者不互通,今天分享的是紫色的 Xmind AI 線上平台,不要跑錯家哟。

回到正題, Xmind 的 AI 稱為 Copilot ,只要跟 Copilot 說出你聽不懂的關鍵字,它就會用心智圖幫你解答,為什麼只要關鍵字呢?這邊來做個示範,跟前面 Whimsical 一樣,輸入

請給我核融合的基礎知識架構心智圖

然後再輸入

-----廣告,請繼續往下閱讀-----

核融合的知識架構

最後只給 Copilot

核融合

這三個關鍵字。

好像字越少,內容越豐富?推測是 Copilot 會直接把輸入內容當成搜尋詞彙,因此訊息越多,限制越大。在用 Copilot 時,我都盡量給簡單的關鍵字,等它完成比較豐富的心智圖後,再對心智圖中的單一項目進行 AI 生成。

沒錯,這就是 Xmind 好用的地方了,無論是你自己畫心智圖遇到瓶頸,還是剛剛 AI 生成的心智圖有不完整的地方,只要點有問題的項目,再點選畫面下方的 Copilot ,就能再生成後續內容啦!

-----廣告,請繼續往下閱讀-----

Xmind 也支援心智圖直接轉簡報的功能,每個項目就是一頁簡報,會依照簡報架構播放簡報。

如果要放說明文字在簡報上,你可以點項目後按下面的 note 輸入文字,

也可以在 local image 上傳你要的圖片,就會在該張簡報呈現這些內容。

雖然 Xmind 不能把簡報弄得美美的,但 Xmind 支援將心智圖下載成 .md 或 .ppt 等檔案格式,之後就可以套入之前介紹過的 gamma 或其他人做好的 template ,一份有結構、漂亮的簡報就完成啦!

-----廣告,請繼續往下閱讀-----

MyMap

最後介紹的 MyMap ,不是 google 那個 MyMap ,是 MyMap AI ,這個 A 編用完之後直接在工作群組裡面大喊:「這東西真是太好用了阿!」的一個工具。

一進入 MyMap 介面,基本上看不到任何工具欄或 icon ,只有跟 AI 的對話框,沒錯,這才是我想要的 AI 工具! 什麼複雜操作都不用,只要跟 AI 說話,工作就完成啦!

能有這麼狂的介面,也就表示 MyMap 對自己的 AI 功能很有信心,實際用過真的,沒跟你五四三,用得過程中完全不需要找工具欄,資料與內容整理都非常到位!

跟 Whimsical 類似,MyMap 支援多種資料呈現方式,你也不需要知道有什麼呈現方式,在問它問題的時候,它就會解析你想要的內容可能適合什麼形式的呈現,如果有多種呈現方式適合,它還會問你要用什麼形式呈現。

如果你想要用已有的文件或內容做心智圖或其他圖表,你只要按下對話框旁邊的加號,就會跳出上傳檔案或輸入網址的對話框,上傳或輸入網址之後,他就會出現即時預覽的視窗,接著,就可以跟檔案對話了。

像我給它前面泛科學黑洞文章的網址,這時候只要跟他說

幫我整理這個網頁的內容重點

MyMap 不囉嗦,直接給我一個完整的內容重點整理。

用到現在,MyMap 的唯一缺點是拖曳畫面很不直覺,以及它非常非常小氣,只有七天試用期,訂閱 MyMap 的最低價格是 9 美元,但 A 編為了 GPT4 ,之接訂了 12 美元的 pro 版。看來無論是遊戲還是現實,課金變強都是不變的道理啊!

結語

好啦,其實也沒什麼特別要總結比較的,因為 MyMap 用起來真的太舒服了,但如果你只想當個免費仔,可以先用用看 Whimsical 。

而 Xmind 呢,其實它的檔案格式的支援度是最高的,要用其他軟體加工做成簡報的話,Xmind 還是有它的優勢之處的!

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,並且把這支影片分享給需要的朋友,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 2
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!

0

0
0

文字

分享

0
0
0
不為人知的鳥秘密?全都藏在羽毛裡——《五感之外的世界》
臉譜出版_96
・2023/09/19 ・2471字 ・閱讀時間約 5 分鐘

比孔雀還要顯眼、高調的鳥類並不多,但如果可以的話,我想請各位先忽略牠那華麗又色彩斑斕的尾羽。我們要將關注焦點放在孔雀頭上形成冠羽的那些硬挺羽毛。

細節藏在羽毛的「振盪頻率」裡

這些長得像鍋鏟的羽毛雖然也很醒目,卻常常被忽略。蘇珊.阿瑪德.康恩(Suzanne Amador Kane)從專門繁殖鳥類的鳥舍與飼養員那裡找來了一些孔雀,再加上一隻來自動物園、曾經不小心飛進北極熊圍欄裡的倒霉孔雀,想要研究孔雀冠羽的用途。

她的學生丹尼爾.凡.貝爾倫(Daniel Van Beveren)在孔雀冠羽上裝設了機械振盪器,並且觀察冠羽的擺動。當機器的振盪頻率為二十六赫茲時──也就是一秒振盪二十六次──冠羽擺動得特別劇烈。這是會令孔雀冠羽產生共鳴的頻率,也正好是雄孔雀求偶時擺動尾羽的頻率,因此康恩對我說:「這不可能只是巧合。」

孔雀冠羽產生共鳴的頻率,正好是雄孔雀求偶時擺動尾羽的頻率。圖/pexels

凡.貝爾倫對著架設好儀器的孔雀冠羽播放各種錄音,假如播出的是真正的孔雀搖動尾羽的聲音,冠羽就會產生共鳴;若是播放其他聲音,例如 Bee Gees 的〈Staying Alive〉,就沒有這種效果。

-----廣告,請繼續往下閱讀-----

該研究結果顯示,站在求偶的雄孔雀面前的雌孔雀或許真的能夠感知到雄孔雀尾羽製造出的氣流。除了看見雄孔雀賣力的求偶動作以外,雌孔雀或許也能感覺到這一番努力。(這種現象也會反過來,有時候雌孔雀也會對雄孔雀展現自己。)

康恩想要拍攝真實的孔雀求偶時冠羽的模樣,觀察牠們擺動冠羽的頻率是否真和尾羽相同,藉此證明她的論點。假如真是如此,就表示孔雀求偶的過程中除了有浮誇的視覺效果以外,其實還存在著人類一直以來都沒注意到的元素;而我們會忽略這些細節,是因為缺少適當的配備。

假如連大自然中如此耀眼浮誇的行為展演中,都有被我們忽視的環節,我們到底還錯失了多少東西?

孔雀細小的纖羽會告訴我們答案

從孔雀冠羽底部細小的纖羽(filoplume)就能找出線索。纖羽的樣子就像一根尖端為簇狀的茅,還能做為機械性受體之用。

-----廣告,請繼續往下閱讀-----

當空氣流動擾動了冠羽,便會擠壓到纖羽,進而觸發神經。大部分的鳥類都有纖羽,而且幾乎都會伴隨其他羽毛一起發揮作用。

鳥類可以透過纖羽掌控羽毛的狀態,因此或許能夠在鳥羽澎亂時即時整理羽毛,重整態勢。不過纖羽還有一項最重要的功用──幫助鳥類飛行。

從孔雀冠羽底部細小的纖羽就能找出線索。圖/pexels

避免失速墜落技巧

鳥飛行的樣子看起來是如此地輕鬆自在,因此我們很可能根本想不到那是一件多費力的事。為了維持在空中飛行,鳥必須一直調整翅膀的型態與角度。如果一切都對了,氣流就能順著翅膀流動,鳥類的身體也就能順利抬升至空中。

然而如果鳥的翅膀角度太大,原本順暢的氣流會形成擾流,抬升的力量也就隨之消失,這種現象叫做失速(stalling)。一旦鳥無法避免這種狀態產生或即時修正,就會從天上掉下來。不過這不常發生,一部分原因是因為纖羽能為鳥類提供必要資訊,因此能夠因應各種情況快速調整翅膀的狀態,避免不幸。

-----廣告,請繼續往下閱讀-----

老實說,這種能力實在相當驚人。我記得有次站在船上看著一隻海鷗緊跟船身飛行;那天風很大,而我們──也就是我坐的船和那隻海鷗──都在高速移動。當我伸出手感受從手上與指間吹過的風時,不禁讚嘆海鷗的翅膀竟然也能產生同樣的作用,讓鳥類能夠在天空中飛翔。

如果一切都對了,氣流就能順著翅膀流動,鳥類的身體也就能順利抬升至空中。圖/pexels

然而我當時我根本不知道鳥類還會運用纖羽判讀氣流,在飛行時不斷微調姿態。法國的眼科醫師安德烈.羅尚-杜維尼奧(André Rochon-Duvigneaud)曾描述鳥是「一對靠雙眼引導方向的翅膀」,不過這個說法還不夠正確──鳥的翅膀其實會為自己找到方向。

蝙蝠翅膀長得不一樣,功能卻一點都不差

蝙蝠的翅膀也是如此。牠們翅膀的薄膜雖與鳥羽構造大不相同,敏感度卻不相上下。蝙蝠的翅膀薄膜上布滿有敏銳觸覺的毛髮,這些毛髮從小小的半圓球狀上凸出,並且連接著機械性受體。

蘇珊.斯德賓發現這些毛髮大多數只會對來自蝙蝠背後往前吹拂的氣流有反應,而這種現象通常在蝙蝠快要失速時才會出現。因此蝙蝠其實就跟鳥類一樣,都能感覺出快要失速的狀態,也能夠及時採取行動修正。

-----廣告,請繼續往下閱讀-----

多虧這些毛髮,蝙蝠能以陡峭的角度飛行、在空中盤旋和後空翻,捕捉在尾巴附近的昆蟲,甚至還能以頭下腳上的姿態降落。當斯德賓以除毛膏去除蝙蝠翅膀上的毛髮,並讓牠們飛過障礙物後,可以發現毛髮消失對牠們產生的影響非常明顯。

蝙蝠翅膀的薄膜雖與鳥羽構造大不相同,敏感度卻不相上下。圖/pexels

牠們雖然不會墜落,卻會選擇與周邊的物體保持相當的距離,轉彎的角度也比平常更大,姿態更笨拙;反之,假如牠們翅膀上的毛髮完好無缺,就能夠以離物體僅僅幾公分的姿態飛行,還能做出過髮夾彎一般的飛行動作。

對牠們來說,氣流感受器的存在與否決定了牠們只能用一般方式飛行,還是能夠進一步做出各種飛行特技。

對於其他動物來說,這些感受器的存在很可能更是存亡與否的關鍵。這或許就是為什麼它們會演變為這世上數一數二敏感的器官。

-----廣告,請繼續往下閱讀-----

——本文摘自《五感之外的世界:認識動物神奇的感知系統,探見人類感官無法觸及的大自然》,2023 年 8 月,臉譜出版,未經同意請勿轉載。

臉譜出版_96
88 篇文章 ・ 255 位粉絲
臉譜出版有著多種樣貌—商業。文學。人文。科普。藝術。生活。希望每個人都能找到他要的書,每本書都能找到讀它的人,讀書可以僅是一種樂趣,甚或一個最尋常的生活習慣。