從火星探測系統到輔助工業製程,美國工業用 AI 新創 Beyond Limits 如何在台灣做到技術在地化應用?
李佳樺 2021/08/13
從2012 年美國太空總署成功將探測車「好奇號」送上火星至今,已經過了3000多個「火星日」,肩負著火星探測的重要任務,8年來好奇號傳回許多對火星的重要觀察與發現。背後更不為人知的,則是好奇號的 AI 運算系統,其實是由美國新創 Beyond Limits 的團隊建立的,公司發展至今也將觸角伸到能源、先進製造等產業,建立 SaaS 服務,為產業提供 AI 輔助平台,2020 年更獲得 1.3 億美元的投資,拓點到台灣、日本、新加坡、香港等地。
Beyond Limits 將 AI 應用到產業製程的契機,源自於當時跨國石油集團 BP 在墨西哥灣發生的漏油事件,企業希望導入 AI 優化決策過程,合作中也發現了石化能源產業的痛點,研發出石油配方建議系統、石油製程操作檢引系統等 SaaS 產品,不僅受到美國石油公司歡迎,日本市場也買單。
有了日本的先例,這套美國研發出的產品,照理說要拓展到亞洲市場應該不成問題,不料到了台灣卻窒礙難行,甚至需要重新開發不同的產品。
Beyond Limits 的台灣團隊究竟面臨了什麼挑戰?
台灣市場與美國差異大,Beyond Limits 台灣團隊必須如創業般從頭研發產品
台灣分公司總經理張中宜說明,台灣產業的先天特性,讓美國母公司已開發的產品都面臨市場可行性低落的問題,以石油產業的產品舉例,在台灣只有中油、台塑兩個客戶,且台灣的石油公司並不做研發工作,多半直接向國外公司購買配方,因此團隊必須在美國 SaaS 模式 的技術基礎下,研發出符合台灣市場、針對不同產業需求的商品。
「Beyond Limits 在台灣設立公司時的處境,跟重新創業差不多。」張中宜表示,AI 應用產品的開發不僅需要能夠從零開始寫演算法的工程師,也要有懂產業製程的專家團隊,龐大的研發費用與對產業專家的需求,讓每一次產品開發都像募資活動,團隊必須透過產業訪談做足市場研究找到痛點,說服製造公司與他們合作開發能解決產業問題的軟體。
然而開發全新市場對張中宜來說並不陌生。
她曾經在孟加拉創立幫助偏遠地區孩童課輔的非營利組織 e-Education ,第一年就讓偏鄉學子考上孟國最高學府卡達大學,更順勢搭上鼓勵企業與 NPO 合作的開放式創新風潮,讓卡西歐、 AI 新創、安永都找她擔任顧問,執行戰略布局或開發新通路的工作,面對 Beyond Limits 在台灣的難題,團隊選擇了電動車電池研發、面板機器手臂維修與人流異常預警系統等三個產業切入。
延伸既有美國產品技術,尋找合適的台灣在地產業切入開發產品
選擇電動車電池產業與 Beyond Limits 在美國石油產業的經驗有關,研發電池的過程與石油廠研發機油的邏輯相似,痛點都在於漫長的研發過程,就像做菜時要多次嘗試才會知道多少的鹽與油才是最佳的調配一樣,電池配方更要經歷至少半年的實驗,且實驗設計也要在無數次團隊與客戶的交鋒後才能成型,溝通成本相當高昂。
使用 Beyond Limits 導入認知 AI 架構的電池配方建議系統,研發人員只要以自然語言輸入期望的電池規格、價格與電車轉速,系統即可在 43 分鐘內提供數百種配方與實驗方式供選擇,縮短約 2 千倍的研發時間。
Beyond Limits 也在 7 月 29 日宣布與日本的三井物產公司進行策略結盟,以其認知 AI 的核心技術,協助三井投資的液化天然氣廠進行巨量資料分析,並整合作業人員專業知識與數位化作業模式,制定出精簡有效率的解決方案。日本三井整合數位策略部部長常務董事真野雄司氏說,透過與 Beyond Limits 的合作可以改善與再造營運流程,更有效率執行現有事業群的高附加價值項目。
另外,Beyond Limits基於公司在美國既有的輔助風電機維修平台,投入面板機器手臂維修建議系統的開發,「雖然也想在台灣用同一套產品幫助風電產業,也與風電廠陸續接洽,但台灣的風電仍在建設階段,缺乏營運經驗,目前的維修需求也不高。」張中宜談到,市場開發的大方向是要在台灣尋找具備預測維修需求,且市場密集、成熟的產業,公司在與投資人仁寶電腦的合作中,發現光電面板產線中機器手臂的維修概念與風機維修類似,而且痛點也類似:包含高昂的維修成本、未經標準化的維修流程,以及依賴經驗的維修決策。
目前輔助維修系統正與日本機器手臂原廠合作開發,由廠商提供維修資料與產業專家, Beyond Limits 透過 AI 分析維修數據,建立資料背後的邏輯推演,系統最終能判斷機器損壞的原因,並建議耗材種類與維修方式。從管理者的角度能降低維修、備料倉儲成本,對維修人員來說也有可依循的維修建議,長遠更能累積產業知識 ( domain know-how ) ,促進升級。
以邊緣運算技術,與北捷合作開發人流異常預警系統
而將技術從太空拉回到地面,Beyond Limits 也能在大眾運輸犯罪預警上有所發揮。他們與北捷合作,使用等同於在火星探測時、消弭與地球時差的邊緣運算技術,原理是透過分散式的運算提升效率,達成在監控系統的邊緣節點就進行異常人流的辨別,降低反應時間落差。
張中宜舉例,正常的人流像是乘客擠進車廂內的固定位置,開始滑手機,異常的人流可能是人群往四面八方散去,產生快速移動的樣態,異常訊息可以在 10 秒內將送到中控室,大幅縮減以往需要 4 分鐘以上的訊號傳輸時間,也能避免踩到人臉辨識的紅線,未來希望擴張應用到大樓監控,或是銷往他國的大眾運輸系統。
源自NASA,認知型AI成為技術優勢與門檻
與其他單純使用機器學習技術分類數據並預測結果的數值 AI 系統不同,Beyond Limits 的 AI 服務融合了數值 AI 與符號 AI ,前者的數值 AI 是透過大量數據讓模型認知「此為何物」,而符號 AI 則是藉由邏輯定義數值 AI 判斷的結果是好還是壞,並加以做出決策與判斷,以電池配方為例,將實驗室過去的實驗數據導入數值 AI 系統後,會得出樹種配方組合,再藉由符號 AI 判斷個配方辦法的優劣,並給予客戶回饋與建議。藉由結合數值 AI 與符號 AI 兩大系統的結合,讓人工智慧的每項建議都能以人類可理解的思路解釋,輔助人類做最後決策,也使人機協作的製程模式成為可能。
對於這項技術,張中宜表示這其實是源自於 NASA 將探測器「好奇號」送上火星後,由於火星與地球之間的數值傳遞有時間差,人類基本上不可能遙控好奇號,而且火星上的數據在這之前是 0,所以數值 AI 也無法運作,為了能夠讓好奇號自行在火星上探測與行動,勢必須要模擬人類大腦的認知型 AI 系統,當時才會開發出符號 AI。
根據研究報告,2025 年工業用 AI 規模將達 160 億美元,其應用開發仍具高度可能性,Beyond Limits 在台灣也希望更全面地研發產品打進該市場。除了正在培養市場的風電產業外,未來也希望協助優化晶圓半導體產業的製程,團隊更積極與社會、產業溝通,讓社會了解 AI 進入產業能讓人類更有餘力進行創意發想與決策,也讓產業正視轉型需求,近期將與台灣新創基地合作舉辦 AI 科普講座,持續促進製造業的人機共榮合作。
創業快問快答
Q:服務的創意來源,是因為發生甚麼事情而有這樣的想法?
A:台灣數位轉型瓶頸
Q:創業至今,做得最好的三件事為何?
A:用國際薪資招聘頂尖人才、台灣市場國際定位清楚、客戶分潤共創模式的商業模式
Q:要達到下一步目標,團隊目前缺乏的資源是?
A:能見度
附圖:BeyondLimits 台灣總經理 張中宜
Beyond Limits 以數值AI及符號AI兩大關鍵技術,達到人機互補智能
圖片來源 : Beyond Limits
擠捷運
圖片來源 : diGital Sennin on Unsplash
圖說:BeyondLimits Hybrid AI導入流程說明
BeyondLimits Hybrid AI導入流程說明
圖片來源 : BeyondLimits
資料來源:https://meet.bnext.com.tw/articles/view/47993?fbclid=IwAR2HbB5FrPIBoV9kDL27OnhNF-JDNzfYdsoLoVKn85yAA7GUjzDzI3y5Lw0
同時也有2部Youtube影片,追蹤數超過18萬的網紅一件襯衫:你揮灑的城市日常風景,也在其Youtube影片中提到,「高中」今年 39 歲,是從事設計業的上班族, 5 年前,他開始收藏「酷」的玩具,主流的東西他沒興趣,高中說:「我買的是自己少年時的回憶。」 他的家有個「秘密基地」,擺滿了他的收藏,有 1000 隻以上的軟膠玩具、二戰時的蘇聯軍品、 80 年代龐克樂團的衣物等,造型愈笨拙,畫面愈獵奇,他愈愛。 ...
「商業大樓定義」的推薦目錄:
- 關於商業大樓定義 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
- 關於商業大樓定義 在 Facebook 的最佳解答
- 關於商業大樓定義 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
- 關於商業大樓定義 在 一件襯衫:你揮灑的城市日常風景 Youtube 的最佳解答
- 關於商業大樓定義 在 香港喵喵俠 Youtube 的最讚貼文
- 關於商業大樓定義 在 商業區內的大樓.是否可以改為營業用? - Mobile01 的評價
- 關於商業大樓定義 在 僑光商業大樓| Real Estate - Facebook 的評價
- 關於商業大樓定義 在 快速了解買房不可忽略的土地使用分區!房屋種類優缺點一次解析 的評價
商業大樓定義 在 Facebook 的最佳解答
#神父的鹽
.
看好了,世界,台北市長不只示範一次,要讓全台北,喔不,是全台灣,再爆發疫情第二次.
.
看好了,世界,台北市長不只示範一次,為了博取關注,為了政治鬥爭,在全台北市近五千人確診之後,他要再拉一次全台灣陪葬.
.
萬華是怎麼汙名化的?萬華,就是被這個無能而且惡劣的市長,給汙染掉的.
.
累積確診人數1867例,在這麼一小塊區域裡,這數字高的不可思議,幾乎為全台之冠,從5月多以來,短短2個多月,他似乎夢寐以求的,想回到那每日300例的日子.
.
他不在意會使全萬華,全台北,全台灣人感到恐慌,在人們沉醉在奧運金牌的喜悅之時,他悄悄的,打開了鬼門.
.
萬華的茶室,就是破口.
.
他利用了萬華人的哀傷,掩蓋真相,說,這是一種汙名化.
.
好了,他成功了.
.
萬華不是破口,那麼,就在9月份開茶室吧.
.
我不知道,人們要繼續鄉愿到什麼時候.
.
人們繼續無視到什麼時候.
.
再怎麼堵起破口都是沒用的,再怎麼努力防疫,戒慎恐懼,都抵不過那個位高權重,卻興風作浪,主動製造破口的人.
.
什麼時候全台灣人才會重視這個疫情的真正破口,台北市長柯文哲?
.
讓著他,忍著他,姑息他,他的胃口卻越養越大,他的行為越倒行逆施,他的施政,是無視人們的生命財產,算計自己的政治利益.
.
「傲慢,到底有沒有考慮過人民的生命?」
.
現在,請所有人問一下台北市長柯文哲.
.
當初,晚關了三天,讓病毒流竄全台,茶室不管理,連有誰在裏頭,都不知道;關了以後,疫情爆發,隔天記者去看,居然還在營業,柯市長大言不慚的說,「早3天封 跟現在差不多」.
.
現在,當他假裝小心翼翼,說不開放內用的時候,要審慎評估的時候,九月,茶室就要開了.
.
現在是開茶室的時候嗎?現在是找回一甲子茶室文化的時候嗎?現在是去除「情色」汙名的時候嗎?是找回茶室讓長者可聊天的功能的時候嗎?
.
現在是沒有疫情了是嗎?
.
你八年放任不管的事情,導致全台死傷無數,你現在跟我說一個月就能輔導搞定,仰賴業者「自律」?
.
你是當萬華人死的不夠多嗎?
.
「萬華重新出發、重現萬種風華,阿公店再生、擺脫情色污名」這什麼狗屁口號?根本還沒停止就要重新出發,是要病毒重新出發,重現萬種病毒,阿公店病毒再生,萬華死無葬身之地是嗎?
.
這跟當初關了剝皮寮篩檢站稱「功成身退」,結果隔天北農就爆發疫情有什麼兩樣?
.
什麼「涉色情行為首次查獲就罰20萬元」、「事實上過去市府就有做這些事情,但未來會強化」,你這副市長蔡炳坤說謊也要打草稿,過去就是根本沒在查,所以才會爆發疫情不是嗎?前些日子還有人當街拉客是怎麼回事?查了就走,走了又來,這叫查嗎?病毒會說「喔,我等你查完我再來傳染」,或是「你罰完了,我就停止傳播」,等你來來回回貓捉老鼠幾十次,病毒早就傳出去了,當初清茶館的教訓還學不乖?
.
我們來看當初台北市是怎麼查的.
.
「台北市商業處長高振源說,萬華區阿公店等茶藝館位於第三種商業區,茶藝館應是沒有女陪侍的飲酒店業,不算八大行業,不受台北市舞廳舞場酒家酒吧及特種咖啡茶室管理規則列管,不過警察局會稽查,抓到有女陪侍,且屬於酒吧營業行為就會處罰,但業者會有多種說詞,現場女性會自稱是客人的朋友,不好抓.」
.
「台北市議員應曉薇則說,許多阿公店營業方式複雜,有些早、中、晚時段各有一個老闆,或用街友掛名當人頭老闆,即使市府商業處、警察局發現違法,要勒令停業或罰錢都難找到真正負責人,導致稽查困難.」
.
「台北市議員王世堅表示,十幾年來,萬華區阿公店從過去七百多家剩下三百多家,最近市府公布有一七二家申請執照,他認為實際有三百家,其中隱含色情、理容院;年長婦女只是招牌『護身符』,表面陪老人泡茶聊天,其實是用合法掩護非法,讓非法的越南、印尼、中國籍及部分台灣賣淫女子藏身在此.」
.
餐飲內用才開3天,台北市32業者就防疫不實,然後101大樓就傳出有櫃姐確診,更何況更難管理的茶室.172家茶室,沒列管的實際上有300多家,你要幾天後才能做到防疫確實?茶室不是餐飲店,空間密閉,內部狹小,顧客年齡層偏高,共用麥克風,唱ktv,近距離接觸,老年人口罩戴的緊嗎?大街上多少個露出鼻子?就連環南自治會長,都敢露鼻朝官員噴口水搶麥克風了,這茶店,人走進去,門一關,你看的到他有沒有戴口罩?進去喝酒你會戴口罩?一隻麥克風,一人傳一人,吃花生,嗑瓜子,和一般餐飲店不同的是,人會在那待一段很長的時間,沒有隔板,也沒有梅花座.
.
柯文哲對茶室的美好想像是什麼?正襟危坐,面對面,戴著口罩,談笑風生,連個臉都看不到,文質彬彬,羽扇綸巾,宛若周瑜面會諸葛亮.
.
當你有牌的林立起來,沒牌的就會蜂擁而至;當沒牌的如雨後春筍般新生,伊拉克和色情交易的外籍女子,就會接踵而來.
.
如此周而復始,重蹈覆轍,沒有管理當成一種管理,虛假的牌照當成一種免死金牌,練蠱的鍋爐,又重新燃起,彷彿頑童似的市長,將人體練成蠟燭,萬華還是那個灼灼悶燒的萬華,等待下一個Delta病毒的入侵而已.
.
重新擴散,蔓延,人們逃之夭夭.
.
當初病毒怎麼傳入萬華的,還沒有釐清,茶室就已經要重新開張了,2019年的柯文哲,曾經有機會可以阻止萬華人的犧牲,但是他說,「日前他在專案會議中特別指示萬華警分局,邀請業者面對面溝通,並訂立自律原則,希望不要影響觀光客及過路民眾,提升萬華觀光品質、淨化轄區治安.」
.
他說,「他會召集上百名特種行業業者舉行座談會,會中除了宣導犯罪預防,也要求業者遵守自律規範.」他說,「警方將配合市府聯合稽查小組,包括商業處、建管處、都發局、衛生局、消防局,針對這些店加強稽查.」
.
現在2021年了,他要開茶室,說的東西仍然一模一樣.
.
一樣加強稽查,一樣業者自律,你2019年說了以後疫情爆發,2021年再說一次空話,虛應故事,欺騙市民,不就準備再爆發第二次?
.
你到底是哪來的自信覺得自己可以做得很好?其根據只是闖的禍害的人一次比一次還大,一次比一次還多?
.
中央還沒說開放八大,柯文哲搶先開茶室,他的腦袋基本上已經出現很嚴重的思考無能,如同處理疫情不是先篩檢,匡列然後疫調,而是先打疫苗,然後造成群聚染疫,他的思考是直線的,記不起教訓的,是看到什麼就先做什麼,是瞎子摸象式的,摸到了大象身體就認為是一堵牆,見到農夫把鳳梨掛在樹上曬,就說鳳梨是長在樹上的.
.
他的思維是停留在前運思期的,走在路上看到蝸牛,以為是前面見到的同一隻,認為蝸牛走得比自己還快;他只有短期記憶而沒有長期記憶,昨日動刀劃破了別人的腸胃,今日還會在同個部位再劃一次,對他來說,只要不記得失敗,就象徵自己永遠是成功的.
.
八大行業應該是最後開放的,比之更高風險,乃或是疫情擴散的源頭之一,茶室,他搶先開放,過往台北市酒店確診,全都關閉,獨獨茶室燈火通明;現在,疫情還沒過去,八大行業還沒開啟,茶室卻開始搶頭香.
.
這種想法,除了想致人於死之外,主動迎接病毒,別無其他,這個市長,他想要報復,他想要凸顯對方的責任,所以用盡一切方法,將幫助他的人陷於絕境,他要重溫那些因為疫情的恐懼而不得不屈從依附他的市民,他要回到那溫暖時光,所以他要主動製造災難,他要使盡吃奶的力氣,不斷的進行那些違反常識的事,他要挑戰,挑戰台北人的性命,可以讓他凌遲到什麼地步.
.
直到所有人都跟他認錯,稱讚他是智商157的市長,所以他讓自己的智商主動下降負2個標準差,這是即將狩獵的兇獸,負傷的狼獾會擁有的視野,看不見其他東西,只有那個獵物,亦是傷害自己的對象,他驚恐又憤怒,用全身上下的細胞去激怒他人,去演一齣戲,你們多麼對不起我,你們不能沒有我.
.
他是巨嬰.
.
沒有鞭子去鞭打他,他不會停止去傷害別人;沒有奶嘴,他無法停止哭泣,沒有人,沒有一群人去教育他,他不會明白自己以外的人,也是人.
.
萬華茶室的問題,就在於「有牌的有事,沒牌的沒事」,並非只是「掛羊頭賣狗肉」,而是管理者「選擇性的盲目」.
.
應該是屬於八大的管理範疇,硬發給他「飲食店、小吃店」,然後就用純然小吃店的視野去觀望他們,於是小吃店解壓縮,解出了一堆色情產業,執法者仍然認為,他們只是在吃小吃.
.
同樣有女陪侍,同樣喝酒,同樣唱k,這些屬於八大的範疇,北市府如今的方式,是硬要改造成「陪聊店」,回到「單純過往的美好」,而美好是不可能的,所以就開始想像他們「已經美好」,這又回到了自我盲目的問題,「已經美好」就成為「準備盲目」的理由,因為美好,現實達不到,所以我就假裝他已經美好,這是準備放手,熱情奔放的前奏.
.
蔡炳坤說,「172家茶室不是每一家都在做酒吧、八大的範圍,八大主要是酒吧、酒家、茶室、KTV等,其他有些不在這個範圍內,一定會配合中央.」
.
這就已經產生了各種奔放的節奏,短短的一句話裡,充斥著各式矛盾,八大主要是茶室,茶室又不包括在這個範圍內,一定會配合中央,但是中央沒有要開八大,茶室不算八大,所以我九月就可以開了,這就是配合中央.
.
說要配合中央,自己卻開始擅自訂定時間表,這是中央許可的嗎?
.
台北市政府始終要面對一個問題,那就是台中的小吃店算八大,到台北萬華就不算,然後警察來了是小吃店,警察走了又變阿公店的事實.
.
而蔡炳坤就像個牧師,區分出了「一般阿公店」是「餐館、小吃店」,這意味著他將用餐館和小吃店,去定義一間阿公店.一間小吃店,被數千個小姐圍繞著,這會是一間單純的小吃店嗎?或者,換句話說,數千個小姐們所在的場所,沒有一間店是八大的牌照,這是正常的事嗎?全台灣這麼多間餐飲店,為何就萬華茶室有女陪侍,然後納管八大難如登天?蔡炳坤心裡偷笑,但蔡炳坤不說,他提到,八大的開放不是個別縣市的問題,這是全國性的,一定會搭配,也希望能夠讓萬華茶室去污名化,業者也希望藉這個機會透過自律,把色情排除掉.
.
他像是個準備犯罪的牧師,在犯罪前會開誠佈公地唸一段聖經給大家聽,代表他服從上帝.
.
數千個案例確診過後,他們做的事是,要先讓萬華茶室去除汙名化,用自律來洗滌色情.
.
面對記者追問,他語帶保留,稱細節方面要再討論,這顯示他根本什麼都沒準備好,就要打開潘朵拉的盒子.
.
在這個時候,這樣的狀態下,開啟茶室,正是在汙名化茶室,也是在汙名化萬華-他們深知這必然會造成恐懼以及不信任,這些質疑都會被他們解讀成汙名,人們的恐慌更深,成見更深,原本漸漸擺脫染疫的陰霾的萬華,他們造成的,由他們令眾人想起.
.
尼采說,「如果你要破壞一件事情,就用歪理來為他辯護」
.
如果你要讓萬華陷入萬劫不復的境地,那就是讓危險的地方,宣稱是安全的,要所有人接受,當人們產生疑慮時,再指控那是一種汙名,當人命的易逝和柯文哲的利益發生衝突時,你堂而皇之地宣布,以後者為重.
.
如果要讓茶室再生,重現萬華的風華,第一個,你應該找一群文史工作者,或者原本在地經營的商家,他們真正的明白茶室原本是什麼樣的,而非,原班人馬,一群外國或東南亞的女子,來重建茶室文化.
.
第二,他應該仿照剝皮寮,所以不會是絕對的營利取向,理所當然,更不會是現在疫情當頭,雙北確診全台最高,現在開放的優先事項.
.
當其他商家還在研究怎麼放隔板,台北市就準備進行人與人之間的親密連結了.
.
萬華茶室的問題,就在於他早已不是萬華的了,當初為何茶室疫情爆發,小姐們出現在南部繼續做生意?為何蘆洲獅子王,會從萬華傳到新北去?台北市當初的疫調,為什麼漏掉了這些人?茶室的工作人員你掌握了嗎?負責人是實際存在的人嗎?還是隔壁的街友?小姐們有造冊嗎?如果這些都沒有管理好,一點都沒變,你憑什麼要其他人相信這是重生而不是死劫?
.
他的客人來自新北,他是外國人跑到這裡來營生,那麼,開啟了之後只會有一個結局,逆向感染,新北的顧客像是蜜蜂接受到蜂后的訊息,紛紛歸巢,外縣市的小姐們像是聽了雛鳥的回音,熙熙攘攘的回到這裡淘金,於是,這又是一個循環,我們重新撥放獅子王的電影,萬華的人們像是動物一樣,跪躺在腥巴面前,用咳嗽譜成一首歌.
.
茶室不是萬華的風華,他只是萬華古老的一小部分,而這一場由柯市府造起的萬華疫情,早已是萬華人揮之不去的夢魘,如果你只是為了實驗,為了討好少數營利者,讓這樣的有風險的茶室復甦,這只會導致萬華加速衰敗,疫情的傳播地在哪?茶室的隔壁是捷運,過去是遊民聚集的廣場,附近是剛剛解封的夜市,夜市剛剛復甦不久,人並多,遊民的口罩戴在頭上,捷運四處都是確診足跡,你這樣毫無準備的開啟,就是要趕走原本心安的人們,讓人們陷入恐慌,讓附近的商圈走投無路.
.
在這個地方點燃了火藥庫,然後讓引線隨著火光傳遞出去,茶室傳夜市,傳遊民,傳捷運,傳到台灣各處去,就算龍山寺的菩薩再怎麼靈驗,也無法阻擋如此愚蠢而且大膽犯罪,讓一個市長使城市熊熊燃燒,台北的天空再次蔓延病毒的煙硝味.
.
神父深信,只有最高程度的政治表態,才能遏止失職市長的胡作非為.
.
在各位默默地忍耐,期待他做完這一屆就沒事了,柯文哲,仍然沒有改變,相反的,變本加厲的傲慢、輕視生命.
.
他正是吃定了這一點,所以認為自己可以不斷做亂到任期結束,會有不知道哪來的XX民意雞雞會告訴大家,他民調第一,他做得很好.
.
台北市民的聲音,被壟斷著.
.
自己選的自己承受,不是你選的,你也要承受,因為這是民主,這就是「同島一命」.
.
這種邏輯,就跟柯文哲當初宣稱「現在比較麻煩的是同島一命,就算台北、新北清零,不過其他縣市若還有潛伏個案,還是沒有辦法.」,我以為的「同島一命」,是團結然後不丟下彼此,他以為的同島一命,是你們必須承擔莫須有的災難,而不能有怨言.
.
這是錯的.
.
作為一個負責任的大人,你必須告訴他「這是錯的」、「你做錯了」,而不是像蔡炳坤一樣,唸一段經文,找一堆藉口,強迫其他人接受他荒謬的想法.
.
如果你曾經支持過他,那麼,你就有義務,罷免掉他.
.
過去,人們要阻止他成為疫情破口,現在,更嚴重了,要預防他主動製造疫情.
.
罷免的第一階段,只需要三萬份連署,過了第一階段,就等於成功了,就等於發出具有影響力的政治表態.
.
而只要在家填寫,列印郵寄,絕對比市長邀請你前往茶室喝茶,還來的安全.
.
罷免成功,是困難的,也因此,失敗,也沒什麼好失去的,失敗,就是因為疫情而已,而不是像韓國瑜一樣,沒出來投的都算我的票,更不會是,主動製造舞台給柯文哲.
.
讓這個市長繼續胡作非為下去,而不為他的草菅人命付出代價,任由他做完任期而沒有一點反對的聲音,這才是全台北市民的恥辱.
.
罷免,不是害怕會傷害民進黨,害怕他會操作自己成為一個受虐兒,當你這麼想的時候,就是要讓全台灣人,都成為柯文哲的受虐兒,你無視,或冷眼旁觀,就代表著,服從.
.
在政治上,服從就等於支持.
.
罷免柯文哲,就是現在.
.
寧願做一隻憤怒的自由之鳥,也不要做一隻任人宰割的豬,BROTHER.
.
.
【罷免柯文哲 台北人自救計畫】
https://g6m3kimo.blogspot.com/p/blog-page_4.html
商業大樓定義 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
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
商業大樓定義 在 一件襯衫:你揮灑的城市日常風景 Youtube 的最佳解答
「高中」今年 39 歲,是從事設計業的上班族, 5 年前,他開始收藏「酷」的玩具,主流的東西他沒興趣,高中說:「我買的是自己少年時的回憶。」
他的家有個「秘密基地」,擺滿了他的收藏,有 1000 隻以上的軟膠玩具、二戰時的蘇聯軍品、 80 年代龐克樂團的衣物等,造型愈笨拙,畫面愈獵奇,他愈愛。
平凡生活之餘,穿搭反映著內心的宇宙。
高中的穿著,就像他收藏的玩具,古怪、充滿個性。
每當高中走在路上,總會引起路人的眼光,造型像電影裡的戲服,頭戴麻布袋的恐怖份子、穿著印有經文上衣的海盜、綁雙馬尾的白面書生,每套都藏著獨有的細節,難以定義他的風格。
重拾回憶,獵奇的玩具人生。
幾乎每個週末,高中都會在台北各個市集擺攤,舊的商業大樓、即將拆遷的老眷村、小巷裡的展演空間,都能看到他的身影,玩具讓生活找到出口,販賣玩具讓他認識了知心好友。
高中說:「當收藏變成一種癖好時,能有餘裕重拾童年回憶,是一件很幸福的事,我覺得自己到了 80 歲,依然會是個愛玩具的老宅男吧!」
-
by 一件襯衫:你揮灑的城市日常風景
每週給你一則,能溫暖你的,人物故事。
IG : the.shirts.tv
![post-title](https://i.ytimg.com/vi/bKUk0yG0ewo/hqdefault.jpg)
商業大樓定義 在 香港喵喵俠 Youtube 的最讚貼文
喵燈熱話 #保險 #陪審員
保險,在#法律 和#經濟學 意義上,是一種#風險管理 方式,主要用於經濟損失的#風險 。保險被定義為通過繳納一定的費用,將一個實體潛在損失的風險向一個實體集合的平均轉嫁。
其實通俗地講,就是一旦加入某個團體,就「一人有難,大家平攤」,是以貨幣形式平攤的社會風險轉嫁機制。
現代的社會保險制度是由19世紀德國的鐵血宰相奧托·馮·俾斯麥為了與社會主義運動爭奪工人階級而首先創建的,此後的歐洲各國也紛紛效仿,今天已經成為維護#現代社會 正常運轉不可缺少的一環。
#陪審團
陪審團制度是香港#法律體制 中最重要的特點之一,被告人會在法庭內由社會人士來審判。
陪審員是誰?其職責是甚麼?
陪審員由香港居民出任,他們宣誓後可參與#刑事 案件及某些民事案件的聆訊,並就案件作出裁決。陪審團退庭商議時,不會有其他人士在場,他們會根據在庭上聽取的證供而對案件的事實作出裁斷。
由於陪審員並非法律專才,所以主審法官會就法律論點向陪審團作清晰的指引。每位陪審員都有責任確保司法公正,這不單是陪審員對被告人應負上的責任,也是對被告人及陪審員同屬的社會應負上的責任。
審理刑事案件時,首席陪審員會在所有其他陪審團成員及被告人面前,公開地在庭上告知主審法官陪審團是裁定被告人有罪或無罪。
而在#死因研訊中 ,陪審團則會裁定死者致死的原因及確定與事件有關的情況。
#陪審團由多少名陪審員組成?
最嚴重的刑事案件(例如:謀殺、誤殺、強姦、持械行劫、某些涉及毒品和商業詐騙的案件),均由1位#原訟法庭 #法官 及7名陪審員聆訊。然而,法官也可下令將陪審員人數增至9名。
某些民事案件,例如涉及#誹謗 或惡意#檢控 等訴訟,案中任何一方均可選擇把有爭議的事實交由陪審團認定。
在#死因裁判 法庭進行的某些死因研訊也需要選任陪審團出席,但陪審團只須有5名成員。
#陪審員的資格
出任陪審員是每一位合乎資格的香港居民應盡的責任。
雖然出任陪審員有時會帶來不便,然而香港是一個法治社會,擁有透明度高的法律制度,陪審團所扮演的角色尤為重要,因此出任陪審員也是一種榮幸。
任何具備下列條件的香港居民,均有資格出任陪審員:
年滿21歲但未滿65歲;
精神健全而並無任何使其不能出任陪審員的情況如聽覺或視覺的損傷等;
品格良好,及
熟悉聆訊時所採用的語言— 即中文或英文(視乎個別情況而定)
如何#挑選陪審員 ?
若你符合出任陪審員的資格,人事登記處處長會把你的名字納入陪審員名單內,並由高等法院司法常務官發出通知,通知你將會把你列入陪審員名單內。
高等法院司法常務官每兩年編製一份陪審員臨時名單,該名單於十月或以前擬定,然後在翌年二月或以前確認。司法常務官亦可隨時增補該份名單。臨時名單或增補名單一經備妥,司法常務官會在憲報及報章刊登公告,說明該名單已可供查閱。
高等法院司法常務官每星期以隨機抽選的方式,從陪審員名單內抽出若干數目的陪審員。若你被抽中,法庭會以掛號郵遞把傳票寄給你。一般會向你發出最少 21 天通知,並請你在指定日期前往高等法院或死因裁判法庭。
曾接受傳召而出席的陪審員,一般在兩年內不會再被傳召。
#豁免出任陪審員
若你被傳召出任陪審員,你應先查看自己是否符合出任陪審員的資格,及是否屬於根據《陪審團條例》第4或5條訂明的可獲豁免人士。
若你希望得到豁免,應在下列情況下:
當你收到司法常務官的通知,你將被納入陪審員名單時;
當陪審員臨時名單或增補名單已經備妥並可供查閱時;或
當你收到傳票,傳召你出任陪審員時
盡快致函高等法院司法常務官,詳述你的申請理由。
司法常務官考慮你的申請後, 可予以批准或拒絕。豁免申請是不會輕易獲得批准的。以處理公事為理由而申請豁免出任陪審員,通常都不會獲准。
若司法常務官拒絕你的申請,你仍可在被抽籤選中為陪審員時,在法庭上向法官申請豁免。
陪審員缺席與歧視陪審員
根據《陪審團條例》第32條,任何人士沒有按照陪審員傳票的規定出席法庭,即屬違法。
《陪審團條例》第33條規定,任何僱主因僱員出任陪審員而終止僱用或威脅終止僱用其僱員,或在任何方面歧視其僱員,即屬違法,一經定罪,最高可被判罰款$25,000元及入獄3個月。
到達高等法院後會有甚麼程序?
你應按傳票上指定的時間到達高等法院大樓一樓的陪審員集合處。
司法機構人員會在陪審員集合處查核你的身份和播放一段短片,讓你了解挑選陪審員的程序和在刑事審訊中陪審員的職責。
到達死因裁判法庭後會有甚麼程序?
你應按傳票上指定的時間到達香港九龍深水埗通州街501號西九龍法院大樓A座9樓死因裁判法庭,或傳票上指定地點作為死因裁判法庭。
司法機構人員會查核你的身份,然後向你解釋挑選陪審員的程序和陪審員在死因研訊中的職責。
高等法院陪審團是如何選出的?
高等法院每宗有陪審團參與的審訊,在選任陪審團時,都是在公開法庭以抽籤方式,從被傳召出席的陪審員中選出。在刑事案件中,由於控辯雙方的代表律師可以反對某些人士出任陪審員,加上法庭亦可以即時批准豁免某些人士出任陪審員,因此被傳召出席的陪審員人數通常較實際所需的為多。
於第一輪抽籤中未被選中的人士,可能須於當天或者稍後日期,到其他法庭參加另一個陪審團的抽選。
陪審員的職責
在刑事案件審訊中,陪審員須根據案件中的事實,決定案中的被告人是否有罪。在死因研訊中,陪審員則須決定死者的致死原因及與死亡事件有關的情況。
審訊時,主審法官會決定陪審團可聆聽甚麼證供,然而在陪審團考慮裁決時,則由陪審團自行決定有關證供的重要性。
陪審團商議的內容須絕對保密。陪審員務須小心,切勿與陪審團成員以外的任何人士談論案件。
審訊或死因研訊需時多久?
刑事案件審訊一般需時1至3個星期,死因研訊則需時數天。主審法官或死因裁判官會通知陪審團該案件的聆訊預計需時多久。
遊戲類型:#恐怖 #搞笑 #實況 #生存 #多人 #美女 #美男 #卡牌 #娛樂 #開心 #行屍 #DEAD #遊戲王 #DUELLINKS #小三 #遊戲王
PAYPAL直播彈字贊助
https://streamlabs.com/hongkong6429hongkong6429
香港贊助 使用以下圖片到便利店說 i tunes pass 增值
https://scontent.fhkg1-1.fna.fbcdn.net/v/t1.0-9/19437309_456983178008419_6452537168900830196_n.jpg?oh=8c6fb5ee6a3b09fc1228ec16f2fa1eb9&oe=59EE2713
購買喵喵俠商店產品
hk.shop.com/catcatman
tw.shop.com/catcatman
au.shop.com/catcatman
sg.shop.com/catcatman
mys.shop.com/catcatman
喵喵俠專頁
https://www.facebook.com/catcatcatman/
喵喵俠玩魔靈召喚群組
https://www.facebook.com/groups/664214333715607/
喵喵俠玩【遊戲王 DUEL LINKS】群組
https://www.facebook.com/groups/1396607467056722/
交鋒聯盟 fight league
https://www.facebook.com/groups/1361085637274178/
直播台 逢星期一 08:00PM 未定 10.00喵登熱話
直播台 逢星期二 08:00PM 魔靈召喚 10.00喵登熱話
直播台 逢星期三 08:00PM 遊戲王 10.00喵登熱話
直播台 逢星期四 08:00PM 交鋒聯盟 10.00喵登熱話
直播台 逢星期五 JAPHK 8:30PM 魔靈召喚
以上節目全由youtube直播
不停期請假,敬讀原諒
![post-title](https://i.ytimg.com/vi/bPC4F8_OVPk/hqdefault.jpg)
商業大樓定義 在 僑光商業大樓| Real Estate - Facebook 的推薦與評價
僑光商業大樓位於珠海市珠澳跨境區西環路168號,扼守珠海門戶軸線,緊鄰. ... 智慧會議設備,且全方位覆蓋高速網路,線上會議無壓力,讓你重新定義會議的效率和品質; ... <看更多>
商業大樓定義 在 快速了解買房不可忽略的土地使用分區!房屋種類優缺點一次解析 的推薦與評價
![影片讀取中](/images/youtube.png)
... 分區#都市計畫法#公寓#華廈# 大樓 與我們生活最為相關的土地使用分區「住宅區」與「 商業 區」如何區別?買房要選「住商混合」還是「純住宅」 大樓 ? ... <看更多>
商業大樓定義 在 商業區內的大樓.是否可以改為營業用? - Mobile01 的推薦與評價
undefined小弟有一個疑問.最近在看房子.有些商業區內的大樓.實際上為商業地.但是建商都蓋住宅.一樓為店面.如果二樓以上有人改為營業用途. ... <看更多>