[wahl-o-mat]
https://www.wahl-o-mat.de
選舉要到了,最近同事之間最熱門的就是「你要投哪個黨?」
有別于台灣的投票,德國這邊是投黨,說老實話這邊的遊戲規則怎麼進行,有人知道也可以簡單敘述。
這邊給你們參考德國政治體系https://www.google.com.tw/amp/s/www.storm.mg/amparticle/327153
這週一同事就興致高揚邀請我玩Wahl-o-mat,裡面針對三十八個討論議題,看看你的傾向:同意、不同意、沒意見,最後依據你的回答看看你的想法跟哪個政黨最吻合。
說老實話,對於時事不了解、德國體系還不深的我要去選出一好的答案很難,我都是用自己主觀的想法跟第一印象,並不是我自己深入去研究了解以後才選的。
當然之前我看了幾個政黨的Wahlprogramm 政見,也懞懞懂懂的跟著玩。
裡面幾題很有趣:
你是否支持德國高速公路限速?
你是否支持德國電信基礎設施由中國廠商承包
你支持公司可以自己決定員工是否可以在家Homeoffice
你是否支持德國2038減碳目標提前達標
你是否支持房東漲租金可以不受法規限制
你是否支持德國提升軍武
你認為夫妻沒有小孩是否獲得租稅優惠
你認為政治獻金應該禁止
等等林林種種38題,結果不意外的果然偏右,還算很右,同事都意外這外國人怎麼這麼右。
但我第一名是右派,第二名則是左派政黨積分相當,難以說到底我是左是右,但看分佈的確較右一點點可能差不到1%,嚴格說偏保守人士。
而今天我跟另一個同事聊,他很清楚告訴我他要投的黨派,還告訴我原因,我承認也認同他的觀點,我覺得大家理性討論滿好的,不會像台灣政治狂熱那樣,大家對於政治,反而是針對事實看法辯論而非淪為口水戰。
回家我也給老麥玩。他也是偏右,但在玩的過程當中他會分享他的看法,譬如我們玩到「你認為政府女官員跟男官員比例應該要一致。」我原本是要選是,覺得兩性平權,但他認為,應該以專業為主而非性別。
於是我就被說服了。
我覺得還滿有趣的,因為裡面有各式各樣的政黨,大家是以自己的意見去看自己的想法跟哪個黨比較接近。 而不是單純以意識形態為主,芒果乾還是塔綠班,而且左派右派也不是以單一價值段定,有些想法我超右,有些想法我超左,左左右右難以斷定。
而且也要看你所接受的環境、價值、跟你是否受惠受影響為主,闢如有一題「你是否同意德國應該要接受雙重國籍?」廢話,我當然選是,但是在政黨認為當你具有雙重國籍,你對國家的文化認同就比較低,所以不支持。 我覺得都有道理,我也不會覺得這種觀點就是屁話。
某一些超右的黨派,認真看他們所有的觀點,也不無道理,超左的也是。 更重要的是,這一些人代表政府對於某一些議題忽略了,而大家期待改變才會集結起來有這種聲音,而選舉結果也表達人民的期待與未來希望有的方向。
由此可知,政治不能以貼標籤的方式去看待,單純二分法,某一些議題可能會讓你忽略掉某一些重要的題目,大家也要真正用理性、深刻研究之後去做決定。
說這麼多,老麥今年要用郵寄投票,讓我們看看到底選舉結果為何。
#沒事可以玩玩看
#說到底我還是不能投票
#各種言論在瞎我都覺得尊重你
#左膠右派其實都是一種標籤
#某右A黨開宗民意要公投
#請問這要求很不好嗎
#某些黨想禁止大麻某些不想
#某大黨不想高速公路限速
同時也有1部Youtube影片,追蹤數超過3,110的網紅1 IMAGE ART 一影像,也在其Youtube影片中提到,生長於馬來西亞的華人導演廖克發,而後來台就讀國立台灣藝術大學電影系,學習電影製作。第一部紀錄片是尋找曾為馬共、身影曖昧模糊的祖父的《不即不離》,原為劇情片《菠蘿蜜》做電影背景,是以對馬共議題進行田調。但隨著他浸淫日深,素材累積的份量足夠,也就自成一部紀錄片。 馬共至今於馬來西亞仍是禁忌話題,廖克發...
「中國好聲音單一純」的推薦目錄:
- 關於中國好聲音單一純 在 Facebook 的最讚貼文
- 關於中國好聲音單一純 在 Facebook 的最讚貼文
- 關於中國好聲音單一純 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
- 關於中國好聲音單一純 在 1 IMAGE ART 一影像 Youtube 的精選貼文
- 關於中國好聲音單一純 在 [影音] 2021中國好聲音第1期- 看板CN_Entertain - 批踢踢實業坊 的評價
- 關於中國好聲音單一純 在 【LIVE】中国好声音2020冠军—单依纯《永不失联的爱 ... 的評價
- 關於中國好聲音單一純 在 单依纯最新歌曲合集《你的珍藏、给电影人的情书(无瑕疵版) 的評價
- 關於中國好聲音單一純 在 【单依纯】单曲合辑百听不厌的纯净女声| 中国好声音Sing!China 的評價
- 關於中國好聲音單一純 在 【纯享版】单依纯《下雨天》《天赐的声音2》No Noice /浙江 ... 的評價
- 關於中國好聲音單一純 在 中國好聲音單一純在PTT/Dcard完整相關資訊 - 星星公主 的評價
- 關於中國好聲音單一純 在 中國好聲音單一純在PTT/Dcard完整相關資訊 - 星星公主 的評價
- 關於中國好聲音單一純 在 【中国好声音】单依纯真挚演唱 给电影人的情书 她唱哭了 ... 的評價
- 關於中國好聲音單一純 在 [閒聊] 中國好聲音2020 | PTT 熱門文章Hito 的評價
- 關於中國好聲音單一純 在 [閒聊] 中國好聲音2020 - 看板CN_Entertain - PTT網頁版 的評價
- 關於中國好聲音單一純 在 看電影的人 - Google 圖書結果 的評價
中國好聲音單一純 在 Facebook 的最讚貼文
#巧虎把注音跟九九乘法變有趣了 #記得看留言有好康
🔔 【巧虎注音拼音學習套組】+【九九乘法偵探套組】開團
➡ 團購連結:https://bit.ly/36QVvAr
➡ 注音心得:https://yehyeah.com/benesse-2/
➡ 乘法心得:https://yehyeah.com/benesse-3/
我發現丸子很不愛練習寫注音,寫英文或其他作業都OK。我覺得可能是注音比較難寫,加上作業簿就是一格一格的,很無趣。巧虎把「注音」跟「九九乘法」做了一系列教具,把學習變得很有趣。有IC學習機、遊戲書、DVD,是一套非常完整的系統。可以用到上小學都沒問題。丸子用這套學注音,就不會排斥,還會想要一直玩。
【巧虎注音拼音學習套組】內容物有注音互動學習機*1、學習電紙板1、遊戲書*3、DVD*1,從描寫、拼音到閱讀,一套完整學習。每套都有專屬序號,可以線上觀看DVD內容。
注音學習機玩法非常多,不是只有按按鈕發出聲音而已。結合圖卡設計,有8大互動學習模式。還有注音符號歌,讓小孩更容易記住。
電紙板是可以重複使用的,按一下按鈕圖按就會消失。除了當練習寫字板之外,也可以帶出門畫畫,就不用帶一堆紙跟筆。內附8張注音描寫卡,上面有凹線很好描繪。用這個練習寫字,比寫格子好玩多了。
練習本也設計成闖關遊戲,不是單純練習寫字而已。
------
我記得小時候背99乘法表真是惡夢,很常背到哭還背不起來。現在小孩真的很幸福,有很多好玩的教具可以幫助學習,不用死讀書。
【九九乘法偵探套組】內容物有,九九乘法機、數學偵探解碼筆、九九乘法遊戲書*3、DVD*1。透過趣味偵探故事引導,先學乘法的概念,奠定基礎後再應用透過IC遊戲機和DVD,引起小孩興趣,增加練習機會。對學齡前的孩子可能九九乘法還有點難,但循序漸進,從遊戲開始,這套可以用很久唷。
九九乘法機真的很好玩,有練習、挑戰、歌曲、遊戲模式。不是讓小孩看著墊板死背這樣。
數學偵探解碼筆搭配遊戲書使用,感覺不是在寫練習本,而是在玩闖關遊戲。
巧虎教材設計很有趣,邊玩邊學才能真正融會貫通。
✅ 小雯獨家團購禮:
👉 買注音套組就送「富樂夢橡皮擦4入」、「記憶配對認知組」、「巧虎外出口袋包」。
👉 買九九乘法套組就送「富樂夢橡皮擦4入」、「巧虎舒眠抱枕」、「巧虎公車筆袋」 。
分別可以拿到三樣禮物喔。
------
➡ 團購連結:https://bit.ly/36QVvAr (9/13收單)
➡ 注音心得:https://yehyeah.com/benesse-2/
➡ 乘法心得:https://yehyeah.com/benesse-3/
➡ 運費計算:免運(限台澎金馬)
➡ 付款方式:
信用卡刷卡(一次付清/分3期/6期)
可分期銀行:中國信託、花旗銀行、台新銀行、玉山銀行、國泰世華銀行
ATM轉帳、超商繳款(全省7-11、全家、萊爾富、OK超商)
用ATM轉帳、超商繳款、信用卡傳真和信用卡電話授權,對帳會比較慢,建議線上刷卡,才能優先拿到你想要的禮物
➡ 付款期限:訂單完成後三個工作天內請完成繳款
➡ 出貨日期:繳款完成後的三個工作天內出貨,預計7-10個工作天內可收到(用郵局寄出)
➡ 客服資訊:
巧連智Line@:@benesse_tw
時間:週一至週五9:00-18:00
免付費服務專線:0800-000-405
使用行動電話請撥:(02)2312-0405
------
注意事項
1. 本活動限從指定購買網址之預購連結下單。
2. 部落客團購禮將隨教材一同寄出。
3. 本商品不接受國外地址的訂單。
4. 本商品提供客戶七天鑑賞期,鑑賞期內如有退換貨之需求可退換貨。下述情形恕無法辦理退換貨。
• 退換貨要求時間已逾收到商品7日以上。
• 若有索取三聯式發票或紙本發票,已遺失者。
• 因顧客人為因素造成異味、髒污、破損。
• 寄回商品不完整(含禮物、包裝),缺配件、缺贈品。
• 多媒體商品(如DVD)若本身瑕疵毀壞,僅提供該商品知更換,若已拆封恕不接受退貨。
5. 退貨需整套退貨,不接受單一商品退貨。
6. 禮物樣式如有變更,請以實際收到的禮物顏色、樣式為準,倍樂生保有最終變更或終止優惠之權力。
------
加入後才不會漏掉開團訊息
▶️ 團購社團:https://reurl.cc/Kkr4Qm
中國好聲音單一純 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
摩爾定律放緩 靠啥提升AI晶片運算力?
作者 : 黃燁鋒,EE Times China
2021-07-26
對於電子科技革命的即將終結的說法,一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續,也就意味著資訊技術的整棟大樓建造都將出現停滯,那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有的,但這波革命始終也沒有結束。AI技術本質上仍然是第三次科技革命的延續……
人工智慧(AI)的技術發展,被很多人形容為第四次科技革命。前三次科技革命,分別是蒸汽、電氣、資訊技術(電子科技)革命。彷彿這“第四次”有很多種說辭,比如有人說第四次科技革命是生物技術革命,還有人說是量子技術革命。但既然AI也是第四次科技革命之一的候選技術,而且作為資訊技術的組成部分,卻又獨立於資訊技術,即表示它有獨到之處。
電子科技革命的即將終結,一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續,也就意味著資訊技術的整棟大樓建造都將出現停滯,那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有,但這波革命始終也沒有結束。
AI技術本質上仍然是第三次科技革命的延續,它的發展也依託於幾十年來半導體科技的進步。這些年出現了不少專門的AI晶片——而且市場參與者相眾多。當某一個類別的技術發展到出現一種專門的處理器為之服務的程度,那麼這個領域自然就不可小覷,就像當年GPU出現專門為圖形運算服務一樣。
所以AI晶片被形容為CPU、GPU之後的第三大類電腦處理器。AI專用處理器的出現,很大程度上也是因為摩爾定律的發展進入緩慢期:電晶體的尺寸縮減速度,已經無法滿足需求,所以就必須有某種專用架構(DSA)出現,以快速提升晶片效率,也才有了專門的AI晶片。
另一方面,摩爾定律的延緩也成為AI晶片發展的桎梏。在摩爾定律和登納德縮放比例定律(Dennard Scaling)發展的前期,電晶體製程進步為晶片帶來了相當大的助益,那是「happy scaling down」的時代——CPU、GPU都是這個時代受益,不過Dennard Scaling早在45nm時期就失效了。
AI晶片作為第三大類處理器,在這波發展中沒有趕上happy scaling down的好時機。與此同時,AI應用對運算力的需求越來越貪婪。今年WAIC晶片論壇圓桌討論環節,燧原科技創始人暨CEO趙立東說:「現在訓練的GPT-3模型有1750億參數,接近人腦神經元數量,我以為這是最大的模型了,要千張Nvidia的GPU卡才能做。談到AI運算力需求、模型大小的問題,說最大模型超過萬億參數,又是10倍。」
英特爾(Intel)研究院副總裁、中國研究院院長宋繼強說:「前兩年用GPU訓練一個大規模的深度學習模型,其碳排放量相當於5台美式車整個生命週期產生的碳排量。」這也說明了AI運算力需求的貪婪,以及提供運算力的AI晶片不夠高效。
不過作為產業的底層驅動力,半導體製造技術仍源源不斷地為AI發展提供推力。本文將討論WAIC晶片論壇上聽到,針對這個問題的一些前瞻性解決方案——有些已經實現,有些則可能有待時代驗證。
XPU、摩爾定律和異質整合
「電腦產業中的貝爾定律,是說能效每提高1,000倍,就會衍生出一種新的運算形態。」中科院院士劉明在論壇上說,「若每瓦功耗只能支撐1KOPS的運算,當時的這種運算形態是超算;到了智慧型手機時代,能效就提高到每瓦1TOPS;未來的智慧終端我們要達到每瓦1POPS。 這對IC提出了非常高的要求,如果依然沿著CMOS這條路去走,當然可以,但會比較艱辛。」
針對性能和效率提升,除了尺寸微縮,半導體產業比較常見的思路是電晶體結構、晶片結構、材料等方面的最佳化,以及處理架構的革新。
(1)AI晶片本身其實就是對處理器架構的革新,從運算架構的層面來看,針對不同的應用方向造不同架構的處理器是常規,更專用的處理器能促成效率和性能的成倍增長,而不需要依賴於電晶體尺寸的微縮。比如GPU、神經網路處理器(NPU,即AI處理器),乃至更專用的ASIC出現,都是這類思路。
CPU、GPU、NPU、FPGA等不同類型的晶片各司其職,Intel這兩年一直在推行所謂的「XPU」策略就是用不同類型的處理器去做不同的事情,「整合起來各取所需,用組合拳會好過用一種武器去解決所有問題。」宋繼強說。Intel的晶片產品就涵蓋了幾個大類,Core CPU、Xe GPU,以及透過收購獲得的AI晶片Habana等。
另外針對不同類型的晶片,可能還有更具體的最佳化方案。如當代CPU普遍加入AVX512指令,本質上是特別針對深度學習做加強。「專用」的不一定是處理器,也可以是處理器內的某些特定單元,甚至固定功能單元,就好像GPU中加入專用的光線追蹤單元一樣,這是當代處理器普遍都在做的一件事。
(2)從電晶體、晶片結構層面來看,電晶體的尺寸現在仍然在縮減過程中,只不過縮減幅度相比過去變小了——而且為緩解電晶體性能的下降,需要有各種不同的技術來輔助尺寸變小。比如說在22nm節點之後,電晶體變為FinFET結構,在3nm之後,電晶體即將演變為Gate All Around FET結構。最終會演化為互補FET (CFET),其本質都是電晶體本身充分利用Z軸,來實現微縮性能的提升。
劉明認為,「除了基礎元件的變革,IC現在的發展還是比較多元化,包括新材料的引進、元件結構革新,也包括微影技術。長期賴以微縮的基本手段,現在也在發生巨大的變化,特別是未來3D的異質整合。這些多元技術的協同發展,都為晶片整體性能提升帶來了很好的增益。」
他並指出,「從電晶體級、到晶圓級,再到晶片堆疊、引線接合(lead bonding),精準度從毫米向奈米演進,互連密度大大提升。」從晶圓/裸晶的層面來看,則是眾所周知的朝more than moore’s law這樣的路線發展,比如把兩片裸晶疊起來。現在很熱門的chiplet技術就是比較典型的並不依賴於傳統電晶體尺寸微縮,來彈性擴展性能的方案。
台積電和Intel這兩年都在大推將不同類型的裸晶,異質整合的技術。2.5D封裝方案典型如台積電的CoWoS,Intel的EMIB,而在3D堆疊上,Intel的Core LakeField晶片就是用3D Foveros方案,將不同的裸晶疊在一起,甚至可以實現兩片運算裸晶的堆疊、互連。
之前的文章也提到過AMD剛發佈的3D V-Cache,將CPU的L3 cache裸晶疊在運算裸晶上方,將處理器的L3 cache大小增大至192MB,對儲存敏感延遲應用的性能提升。相比Intel,台積電這項技術的獨特之處在於裸晶間是以混合接合(hybrid bonding)的方式互連,而不是micro-bump,做到更小的打線間距,以及晶片之間數十倍通訊性能和效率提升。
這些方案也不直接依賴傳統的電晶體微縮方案。這裡實際上還有一個方面,即新材料的導入專家們沒有在論壇上多說,本文也略過不談。
1,000倍的性能提升
劉明談到,當電晶體微縮的空間沒有那麼大的時候,產業界傾向於採用新的策略來評價技術——「PPACt」——即Powe r(功耗)、Performance (性能)、Cost/Area-Time (成本/面積-時間)。t指的具體是time-to-market,理論上應該也屬於成本的一部分。
電晶體微縮方案失效以後,「多元化的技術變革,依然會讓IC性能得到進一步的提升。」劉明說,「根據預測,這些技術即使不再做尺寸微縮,也會讓IC的晶片性能做到500~1,000倍的提升,到2035年實現Zetta Flops的系統性能水準。且超算的發展還可以一如既往地前進;單裸晶儲存容量變得越來越大,IC依然會為產業發展提供基礎。」
500~1,000倍的預測來自DARPA,感覺有些過於樂觀。因為其中的不少技術存在比較大的邊際遞減效應,而且有更實際的工程問題待解決,比如運算裸晶疊層的散熱問題——即便業界對於這類工程問題的探討也始終在持續。
不過1,000倍的性能提升,的確說明摩爾定律的終結並不能代表第三次科技革命的終結,而且還有相當大的發展空間。尤其本文談的主要是AI晶片,而不是更具通用性的CPU。
矽光、記憶體內運算和神經型態運算
在非傳統發展路線上(以上內容都屬於半導體製造的常規思路),WAIC晶片論壇上宋繼強和劉明都提到了一些頗具代表性的技術方向(雖然這可能與他們自己的業務方向或研究方向有很大的關係)。這些技術可能尚未大規模推廣,或者仍在商業化的極早期。
(1)近記憶體運算和記憶體內運算:處理器性能和效率如今面臨的瓶頸,很大程度並不在單純的運算階段,而在資料傳輸和儲存方面——這也是共識。所以提升資料的傳輸和存取效率,可能是提升整體系統性能時,一個非常靠譜的思路。
這兩年市場上的處理器產品用「近記憶體運算」(near-memory computing)思路的,應該不在少數。所謂的近記憶體運算,就是讓儲存(如cache、memory)單元更靠近運算單元。CPU的多層cache結構(L1、L2、L3),以及電腦處理器cache、記憶體、硬碟這種多層儲存結構是常規。而「近記憶體運算」主要在於究竟有多「近」,cache記憶體有利於隱藏當代電腦架構中延遲和頻寬的局限性。
這兩年在近記憶體運算方面比較有代表性的,一是AMD——比如前文提到3D V-cache增大處理器的cache容量,還有其GPU不僅在裸晶內導入了Infinity Cache這種類似L3 cache的結構,也更早應用了HBM2記憶體方案。這些實踐都表明,儲存方面的革新的確能帶來性能的提升。
另外一個例子則是Graphcore的IPU處理器:IPU的特點之一是在裸晶內堆了相當多的cache資源,cache容量遠大於一般的GPU和AI晶片——也就避免了頻繁的訪問外部儲存資源的操作,極大提升頻寬、降低延遲和功耗。
近記憶體運算的本質仍然是馮紐曼架構(Von Neumann architecture)的延續。「在做處理的過程中,多層級的儲存結構,資料的搬運不僅僅在處理和儲存之間,還在不同的儲存層級之間。這樣頻繁的資料搬運帶來了頻寬延遲、功耗的問題。也就有了我們經常說的運算體系內的儲存牆的問題。」劉明說。
構建非馮(non-von Neumann)架構,把傳統的、以運算為中心的馮氏架構,變換一種新的運算範式。把部分運算力下推到儲存。這便是記憶體內運算(in-memory computing)的概念。
記憶體內運算的就現在看來還是比較新,也有稱其為「存算一體」。通常理解為在記憶體中嵌入演算法,儲存單元本身就有運算能力,理論上消除資料存取的延遲和功耗。記憶體內運算這個概念似乎這在資料爆炸時代格外醒目,畢竟可極大減少海量資料的移動操作。
其實記憶體內運算的概念都還沒有非常明確的定義。現階段它可能的內涵至少涉及到在儲記憶體內部,部分執行資料處理工作;主要應用於神經網路(因為非常契合神經網路的工作方式),以及這類晶片具體的工作方法上,可能更傾向於神經型態運算(neuromorphic computing)。
對於AI晶片而言,記憶體內運算的確是很好的思路。一般的GPU和AI晶片執行AI負載時,有比較頻繁的資料存取操作,這對性能和功耗都有影響。不過記憶體內運算的具體實施方案,在市場上也是五花八門,早期比較具有代表性的Mythic導入了一種矩陣乘的儲存架構,用40nm嵌入式NOR,在儲記憶體內部執行運算,不過替換掉了數位週邊電路,改用類比的方式。在陣列內部進行模擬運算。這家公司之前得到過美國國防部的資金支援。
劉明列舉了近記憶體運算和記憶體內運算兩種方案的例子。其中,近記憶體運算的這個方案應該和AMD的3D V-cache比較類似,把儲存裸晶和運算裸晶疊起來。
劉明指出,「這是我們最近的一個工作,採用hybrid bonding的技術,與矽通孔(TSV)做比較,hybrid bonding功耗是0.8pJ/bit,而TSV是4pJ/bit。延遲方面,hybrid bonding只有0.5ns,而TSV方案是3ns。」台積電在3D堆疊方面的領先優勢其實也體現在hybrid bonding混合鍵合上,前文也提到了它具備更高的互連密度和效率。
另外這套方案還將DRAM刷新頻率提高了一倍,從64ms提高至128ms,以降低功耗。「應對刷新率變慢出現拖尾bit,我們引入RRAM TCAM索引這些tail bits」劉明說。
記憶體內運算方面,「傳統運算是用布林邏輯,一個4位元的乘法需要用到幾百個電晶體,這個過程中需要進行資料來回的移動。記憶體內運算是利用單一元件的歐姆定律來完成一次乘法,然後利用基爾霍夫定律完成列的累加。」劉明表示,「這對於今天深度學習的矩陣乘非常有利。它是原位的運算和儲存,沒有資料搬運。」這是記憶體內運算的常規思路。
「無論是基於SRAM,還是基於新型記憶體,相比近記憶體運算都有明顯優勢,」劉明認為。下圖是記憶體內運算和近記憶體運算,精準度、能效等方面的對比,記憶體內運算架構對於低精準度運算有價值。
下圖則總結了業內主要的一些記憶體內運算研究,在精確度和能效方面的對應關係。劉明表示,「需要高精確度、高運算力的情況下,近記憶體運算目前還是有優勢。不過記憶體內運算是更新的技術,這幾年的進步也非常快。」
去年阿里達摩院發佈2020年十大科技趨勢中,有一個就是存算一體突破AI算力瓶頸。不過記憶體內運算面臨的商用挑戰也一點都不小。記憶體內運算的通常思路都是類比電路的運算方式,這對記憶體、運算單元設計都需要做工程上的考量。與此同時這樣的晶片究竟由誰來造也是個問題:是記憶體廠商,還是數文書處理器廠商?(三星推過記憶體內運算晶片,三星、Intel垂直整合型企業似乎很適合做記憶體內運算…)
(2)神經型態運算:神經型態運算和記憶體內運算一樣,也是新興技術的熱門話題,這項技術有時也叫作compute in memory,可以認為它是記憶體內運算的某種發展方向。神經型態和一般神經網路AI晶片的差異是,這種結構更偏「類人腦」。
進行神經型態研究的企業現在也逐漸變得多起來,劉明也提到了AI晶片「最終的理想是在結構層次模仿腦,元件層次逼近腦,功能層次超越人腦」的「類腦運算」。Intel是比較早關注神經型態運算研究的企業之一。
傳說中的Intel Loihi就是比較典型存算一體的架構,「這片裸晶裡面包含128個小核心,每個核心用於模擬1,024個神經元的運算結構。」宋繼強說,「這樣一塊晶片大概可以類比13萬個神經元。我們做到的是把768個晶片再連起來,構成接近1億神經元的系統,讓學術界的夥伴去試用。」
「它和深度學習加速器相比,沒有任何浮點運算——就像人腦裡面沒有乘加器。所以其學習和訓練方法是採用一種名為spike neutral network的路線,功耗很低,也可以訓練出做視覺辨識、語言辨識和其他種類的模型。」宋繼強認為,不採用同步時脈,「刺激的時候就是一個非同步電動勢,只有工作部分耗電,功耗是現在深度學習加速晶片的千分之一。」
「而且未來我們可以對不同區域做劃分,比如這兒是視覺區、那兒是語言區、那兒是觸覺區,同時進行多模態訓練,互相之間產生關聯。這是現在的深度學習模型無法比擬的。」宋繼強說。這種神經型態運算晶片,似乎也是Intel在XPU方向上探索不同架構運算的方向之一。
(2)微型化矽光:這個技術方向可能在層級上更偏高了一些,不再晶片架構層級,不過仍然值得一提。去年Intel在Labs Day上特別談到了自己在矽光(Silicon Photonics)的一些技術進展。其實矽光技術在連接資料中心的交換機方面,已有應用了,發出資料時,連接埠處會有個收發器把電訊號轉為光訊號,透過光纖來傳輸資料,另一端光訊號再轉為電訊號。不過傳統的光收發器成本都比較高,內部元件數量大,尺寸也就比較大。
Intel在整合化的矽光(IIIV族monolithic的光學整合化方案)方面應該是商業化走在比較前列的,就是把光和電子相關的組成部分高度整合到晶片上,用IC製造技術。未來的光通訊不只是資料中心機架到機架之間,也可以下沉到板級——就跟現在傳統的電I/O一樣。電互連的主要問題是功耗太大,也就是所謂的I/O功耗牆,這是這類微型化矽光元件存在的重要價值。
這其中存在的技術挑戰還是比較多,如做資料的光訊號調變的調變器調變器,據說Intel的技術使其實現了1,000倍的縮小;還有在接收端需要有個探測器(detector)轉換光訊號,用所謂的全矽微環(micro-ring)結構,實現矽對光的檢測能力;波分複用技術實現頻寬倍增,以及把矽光和CMOS晶片做整合等。
Intel認為,把矽光模組與運算資源整合,就能打破必須帶更多I/O接腳做更大尺寸處理器的這種趨勢。矽光能夠實現的是更低的功耗、更大的頻寬、更小的接腳數量和尺寸。在跨處理器、跨伺服器節點之間的資料互動上,這類技術還是頗具前景,Intel此前說目標是實現每根光纖1Tbps的速率,並且能效在1pJ/bit,最遠距離1km,這在非本地傳輸上是很理想的數字。
還有軟體…
除了AI晶片本身,從整個生態的角度,包括AI感知到運算的整個鏈條上的其他組成部分,都有促成性能和效率提升的餘地。比如這兩年Nvidia從軟體層面,針對AI運算的中間層、庫做了大量最佳化。相同的底層硬體,透過軟體最佳化就能實現幾倍的性能提升。
宋繼強說,「我們發現軟體最佳化與否,在同一個硬體上可以達到百倍的性能差距。」這其中的餘量還是比較大。
在AI開發生態上,雖然Nvidia是最具發言權的;但從戰略角度來看,像Intel這種研發CPU、GPU、FPGA、ASIC,甚至還有神經型態運算處理器的企業而言,不同處理器統一開發生態可能更具前瞻性。Intel有個稱oneAPI的軟體平台,用一套API實現不同硬體性能埠的對接。這類策略對廠商的軟體框架構建能力是非常大的考驗——也極大程度關乎底層晶片的執行效率。
在摩爾定律放緩、電晶體尺寸微縮變慢甚至不縮小的前提下,處理器架構革新、異質整合與2.5D/3D封裝技術依然可以達成1,000倍的性能提升;而一些新的技術方向,包括近記憶體運算、記憶體內運算和微型矽光,能夠在資料訪存、傳輸方面產生新的價值;神經型態運算這種類腦運算方式,是實現AI運算的目標;軟體層面的最佳化,也能夠帶動AI性能的成倍增長。所以即便摩爾定律嚴重放緩,AI晶片的性能、效率提升在上面提到的這麼多方案加持下,終將在未來很長一段時間內持續飛越。這第三(四)次科技革命恐怕還很難停歇。
資料來源:https://www.eettaiwan.com/20210726nt61-ai-computing/?fbclid=IwAR3BaorLm9rL2s1ff6cNkL6Z7dK8Q96XulQPzuMQ_Yky9H_EmLsBpjBOsWg
中國好聲音單一純 在 1 IMAGE ART 一影像 Youtube 的精選貼文
生長於馬來西亞的華人導演廖克發,而後來台就讀國立台灣藝術大學電影系,學習電影製作。第一部紀錄片是尋找曾為馬共、身影曖昧模糊的祖父的《不即不離》,原為劇情片《菠蘿蜜》做電影背景,是以對馬共議題進行田調。但隨著他浸淫日深,素材累積的份量足夠,也就自成一部紀錄片。
馬共至今於馬來西亞仍是禁忌話題,廖克發採訪的對象大多不在馬來西亞,散居於泰國、中國與香港,過著不斷轉換身份的生活,隱藏著身世與革命的故事。 單純想要理解祖父為何加入馬共的廖克發,在《不即不離》完成的過程裡,持續發現當年左派運動是年輕人為了生命的迫切所需,對抗日本以及英國的殖民,想要更有尊嚴與自由,建立一個理想的社會,很自然甚至可以說是唯一的選擇。
廖克發認為,對政治事務的冷漠冷感,其來有自,並非所謂個人的選擇或立場,而是有一個久遠的脈絡發展──當推進、創造理想社會的人們沒有受到重視,其犧牲完全被扔擲於國家與歷史的敘事以外,未曾轉換為正義時,後來的人也就在長期的審查與壓抑中,被訓練、教導成無法信仰正義,難以想像更好也更平等的可能。 從回溯自身家庭到發掘整代馬共人淹沒歷史的《不即不離》,也就開啟了廖克發的第二部紀錄片《還有一些樹》,由馬來西亞1969年後見於郵件的戳章,進行對種族議題的深刻探討。
馬來西亞社會大致可分為馬來人、華人、印度人與原住民等。馬來西亞在脫離英國殖民獨立建國時,簽署了馬來人享有經濟與教育等的優惠特權,華人與印度人則是能享有公民權的協定。 而華人與馬來人種族衝突的513事件,肇因於反對黨在1969年全國選舉頭一回超越執政黨政府得票率,大肆慶祝遊行,引發馬來人的反感,也上街示威,最後演變成戒嚴,與及大規模屠殺事件。該戳章所註明的禁止散播謠言,即是不允許討論、質疑該事件,乃至馬來人在馬來西亞的特權。《還有一些樹》透過訪談與歷史資料,耙梳了513事件的始末,同時也凝視種族政策最底層受害者原住民的困境。
廖克發發覺,在華人被馬來人以及政府軍警慘烈殺害時,也知曉華人內部的自相殘殺,甚至及於華人對更少數,尤其是原住民族的剝削與壓迫。他乃對自己提問,會不會他也同樣是一名種族主義者?主要是他警省到,自身總是從華人是種族主義受害者的角度去思維,而罔顧其他被華人既得利益下的邊緣民族。而如此疑惑更拉高視野地思維著樹(自然環境)與人類的關係,特別是為了經濟開發,對原住民棲息地、森林的砍伐,透過樹的靜默與見證與原民祖先的洞穴探勘,也就隱隱有人類對自然的態度不也是種族主義作為的體會。 廖克發從幼年熱愛看牛仔電影說起,其時他對正義的想像,就是那些槍殺印第安人的西部牛仔皆是英雄。直至成人看了《與狼共舞》方才瞭解,印第安人是被壓迫的對象。
換言之,影像所造成的偏見遠大過於關於正義的探索。 廖克發強調,任何太方便、簡化的敘事跟立場,都是危險的。拍紀錄片必須有疑惑,明白沒有一種面向可以是全面性、全客觀的紀錄。活在複雜的世界,必須有多重、多部的聲音。單一故事永遠不夠,需要有很多故事與作品,討論同一個事情。說故事的權力掌握在誰身上這件事情,得保持懷疑。紀錄片工作者不能牢牢握住這種權力不放,要能時時刻刻反省自身的意圖與認知。這也是為何廖克發會謹慎對待受訪者,要重複確認他們是不是願意將受訪內容公諸於世。
小檔案
廖克發,1979年出生於馬來西亞怡保,實佻遠(Sitiawan)。就讀於國立新加坡大學商業學系,卻熱衷於文學創作以及出國遊學,曾獲大專文學獎。畢業後任教於新加坡小學四年後,來台學習電影製作,2011年畢業於國立台灣藝術大學電影系。兩部作品曾獲得台灣金穗獎最佳學生影片,曾獲最佳導演,並在2015年釜山國際影展獲得超廣角亞洲最佳短片。編劇作品長片劇本《菠蘿蜜漫長的飄香等待》,根據祖父二戰時參戰的生命故事改編,獲優等劇本獎;被選為2015法國南特影展,台北劇本工作坊。成立蜂鳥影像有限公司,製作劇情與紀錄影片。參與2013年的侯孝賢導演執導的金馬學院。曾任臺灣國家地理頻道攝影師。
拍攝的電影多與東南亞華人有關,其中紀錄片《不即不離》因涉及有關馬來亞共產黨的敏感歷史,在馬來西亞被全面禁演。2019年以劇情片《菠蘿蜜》入圍第56屆金馬獎最佳新導演,同年紀錄片《還有一些樹》也入圍金馬獎最佳紀錄片。
創辦人:馬立群 監製:王姿佩 採訪:沈眠 攝影/後製:馬立群 作品提供:廖克發 場地提供:倆人攝影棚
![post-title](https://i.ytimg.com/vi/9IztIgIsveQ/hqdefault.jpg)
中國好聲音單一純 在 【LIVE】中国好声音2020冠军—单依纯《永不失联的爱 ... 的推薦與評價
![影片讀取中](/images/youtube.png)
1231浙江卫视美好有你2021跨年晚会来啦!陪你一起跨年~○ 嘉宾阵容:蔡徐坤、张艺兴、angelababy、郑恺、李晨、沙溢、陈立农、成毅、范丞丞、杨幂、 ... ... <看更多>
中國好聲音單一純 在 单依纯最新歌曲合集《你的珍藏、给电影人的情书(无瑕疵版) 的推薦與評價
![影片讀取中](/images/youtube.png)
... 的情书(无瑕疵版)、永不失联的爱、像风一样、Forever Young、寻一个天荒地老的地方、如此、人啊、好久不见、星+Sailing》 中国好声音 2020冠军依纯. ... <看更多>
中國好聲音單一純 在 [影音] 2021中國好聲音第1期- 看板CN_Entertain - 批踢踢實業坊 的推薦與評價
來源:浙江衛視
簡介:作為國內現象級的王牌音樂節目,《中國好聲音》已走過十個年頭,將在今年夏天
如約而至。全新升級的“4+4”模式迎來那英、汪峰、李榮浩、李克勤四位重量級導師,
將攜手導師助教吳莫愁、吉克雋逸、張碧晨、黃霄雲登上好聲音舞台。
https://www.zjstv.com/zcloud/video/9006913.html
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.230.37.177 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/CN_Entertain/M.1627665853.A.EC4.html
... <看更多>