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
「摩爾空間評價」的推薦目錄:
- 關於摩爾空間評價 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
- 關於摩爾空間評價 在 Facebook 的最佳貼文
- 關於摩爾空間評價 在 貝琪梨 旅行藝創空間 Facebook 的最讚貼文
- 關於摩爾空間評價 在 [討論] 有人租過摩爾空間嗎? - 看板WomenTalk 的評價
- 關於摩爾空間評價 在 [討論] 有人租過摩爾空間嗎? - PTT評價 的評價
- 關於摩爾空間評價 在 Morespace 摩爾空間個人倉庫 - Facebook 的評價
- 關於摩爾空間評價 在 摩爾空間價格的實價登入和評價,YOUTUBE、MOBILE01和都 ... 的評價
- 關於摩爾空間評價 在 摩爾空間價格的實價登入和評價,YOUTUBE、MOBILE01和都 ... 的評價
- 關於摩爾空間評價 在 迷你倉儲業者介紹@ 台北優仕搬家,露天拍賣+facebook優良 ... 的評價
- 關於摩爾空間評價 在 摩爾空間ptt 的評價
- 關於摩爾空間評價 在 摩爾空間價格在PTT/Dcard完整相關資訊 - 星星公主 的評價
- 關於摩爾空間評價 在 摩爾空間價格在PTT/Dcard完整相關資訊 - 星星公主 的評價
- 關於摩爾空間評價 在 [公司] 摩爾空間- Salary 的評價
- 關於摩爾空間評價 在 【公司】 摩爾空間- 薪水板 的評價
- 關於摩爾空間評價 在 [公司] 摩爾空間| Salary 看板| MyPTT 網頁版 的評價
- 關於摩爾空間評價 在 倉庫出租價格在PTT/mobile01評價與討論 的評價
- 關於摩爾空間評價 在 倉庫出租價格在PTT/mobile01評價與討論 的評價
- 關於摩爾空間評價 在 電影線上看- Gimy劇迷- 第1頁 的評價
摩爾空間評價 在 Facebook 的最佳貼文
#青春期的孩子壓力山大 #爸媽也逃不掉
#家有青少女 #當青少女們遇上課業焦慮
.
我們得竭盡所能地預備女兒承接學業挑戰的心態,因為比起男孩,女孩更加擔心課業。歷年來的研究都指出,#女孩比男孩花更多時間在擔心自己的學業表現, #儘管她們的成績已經比男孩還要好了。為了解釋這個悖論,專家們表示,我們的女兒比兒子更把老師給的回饋放在心上。女孩傾向把分數視為她們能夠達成某事與否的量尺。相反地,男孩們看待學校的態度通常更具信心。就算他們的成績不佳,他們也不會總是把負面評價當作是針對他們個人,或者是把壞成績歸咎在某個很容易就能彌補的原因上。舉例來說,男孩比女孩更容易在考試考砸時告訴自己「只是還沒有發揮實力」。
.
想要幫助女兒別把學校的表現看得這麼重要—也同時幫助那些真的需要更認真的孩子—我們可以告訴她們, #作業或考試的成績, #只是反映了她們對於該特定教材的吸收程度而已。如果她們希望對這些內容更熟練,她們可以花更多時間和努力。歷年來的研究都證實,比起把分數視為對自己能力的評價、且再無修正空間的學生,知道自己努力唸書或是唸得更有效率就會產生進步的學生,更不擔心自己在學校的表現。
.
事情是這樣的。我的兩個女兒,剛好都是拼字好手,在小學時總會帶回一張張一百分的拼字測驗考卷。我通常會在整理她們的背包時發現這些考卷,而我最典型的反應,便是把那份完美的考卷抽出來,然後說:「哇!好厲害喔!」但有時,我當然也會看見有寫錯的測驗。然後(我得很羞愧地承認),我很確定那份考卷的主人一定會看見了我臉上失望的表情。我會越過手中的考卷,看向我的孩子,我的嘴唇會抿起,眉頭也會皺出一條直線。而讓事情變得更糟的是,我有時候甚至會用幾乎聽不出來的氣餒口氣說:「喔!發生什麼事啦?」
.
這樣的互動不是罪大惡極,但是也絕對不理想。因為女孩還有一個特質:她們的 #情緒感受度極高 。我們不用表現出怒火,甚至也不用說我們很失望,她們就已經知道了。不論我們是不是有意的,她們很容易就感覺到自己讓我們失望了。
.
同樣地,就算是最有愛心的老師,也有可能不經意地對學生表現出失望之情。想像一位勤奮的女學生向老師要求延長作業的繳交期限,因她過去三天下午都在醫院陪伴自己生病的奶奶。就算真的讓她遲交,老師只要在開口前稍微遲疑一下,聲音只要有一點點的緊繃:「嗯,好吧⋯⋯那你還需要多少時間?」女孩就會希望自己一開始連問都沒問。
.
身為大人的我們,為什麼會這麼做呢?我認真相信,我們並不是有意要用被動攻擊型的罪惡感當作武器,攻擊我的孩子。但同一時間,我表現得卻又比我想像得更苛薄,而我知道,對很多老師來說,這也是事實。一個女孩不完美的考試成果、或是想要遲交報告的要求,會像是在要求大人身上增加額外的工作量、或是好像必須改動老師評分的時間表。
.
一個面部表情或是回應中最簡短的一點猶豫—都可以讓女孩乖乖聽話,不要在我們已經夠忙的任務中再就某方面而言,大部分家長和老師都知道,他們可以用最細微的信號—多添一筆。
.
雖然這些互動都看似微不足道,它們所帶來的影響可不是。這種太過常見的互動模式,會讓女孩害怕讓大人失望,才努力在學校表現優異。我很想幫助女孩找到努力唸書的動機,但這不是我期望的方式之一。
.
當然,並非每個女孩都是因為家長或老師給她的評價而對學校感到焦慮。有些家長非常支持他們的女兒,但這些女孩仍對自己的學業表現抱有比天還高的期待。而就連那些等到國中才開始為學生打分數的學校,他們也都發現有些三年級的小女孩,會焦慮地把作業上的每一個笑臉標記或星星記號,視為相對應的分數評等。
.
不論她們的焦慮是從何而來,女孩面對學業的動機,都不該是恐懼。 #焦慮所驅使的學習, #會製造出明顯的情緒困擾,將學校變成一種慢性長期壓力。這也會製造一個很大的實際問題。當焦慮感太重時,女孩通常會變成非常沒有效率的學生。為什麼?因為太擔心自己學業表現的女孩,通常會發現讀書能舒緩她們的焦慮。一個女孩感到越緊張,她就會越拼。這意味著,在六年級時,她會準備五十張單字小卡來為考試做準備,但事實上也許二十張就夠了。八年級時,她也許會產生一個撫平學業焦慮的夜晚儀式,就是用不同顏色的筆重新把上課所做的筆記全部重寫一次。在很極端的狀況下,有些女孩會認為,只有在她們的表現達到「完美」時,她們才能放鬆。
.
而這種過度勤勉的學習方式,最糟糕的部分就是,它們通常幾乎都行得通。借用一些專家們的用詞,多虧她們「盲目地過度準備」,這些緊張兮兮的學生們,通常成績都很優異。從旁觀的角度來說,這些因恐懼而努力讀書、效率非常低落的學習策略,有三個增強的效果。大量的準備幫助女孩撫平她們的學習焦慮,並不斷產生優異的結果,讓女孩感到自豪,也為她們爭取到老師與家長的稱讚。對那些動機為恐懼的學生而言,這個系統是非常有效的,直到它的平衡被破壞為止。
--
本文摘錄自《我們的女兒怎麼了?:心理學博士給家長的解憂指南,陪伴現代青少女與壓力共處,化解焦慮,度過情緒平衡的快樂青春期》,作者麗莎.達摩爾博士畢業於密西根大學取得臨床心理學系,目前任職耶魯兒童研究中心;亦為達摩爾博士是羅倫女子學校女孩研究中心的執行董事,為青少女進行心理治療。
.
突然悶悶不樂、焦躁不安,去上學就像上戰場一樣,好幾天都沒胃口、一瞬間情緒爆炸,我們的女兒到底怎麼了?
.
研究發現,38%的青少女受焦慮症所苦。從2009年到2014年,經常感到緊張、擔憂或恐懼的青少女人數增加了55%。當來自家庭、學校、同儕、異性、社群網路的壓力過重,我們將幫助女兒與緊繃情緒共存,一步步戰勝恐懼,在充滿意外與危機的青春期勇往直前。
.
麗莎達摩爾博士身為專門研究女童問題的臨床心理學家,在自己的研究、私人診所以及她所諮詢的女子學校中,她都目睹了青少女壓力和焦慮上升的趨勢。
.
適當的壓力可以幫助我們踏出舒適圈,而焦慮可以在保持安全方面發揮關鍵作用。當承受的壓力和焦慮剛剛好時,可以幫助我們的女兒大步向前。
.
但是,沒有父母希望他們的女兒遭受情緒上的負擔,因此達摩爾博博士仔細探討了女孩生活中的壓力來源:她們在家庭中的互動、學校的壓力、其他女孩和男孩之間的社交焦慮以及來自社會的壓力。本書在女孩的生活中穿梭,家長將得到保護女兒免受文化與人們(包括身為父母的我們)造成的有害壓力能採取的關鍵步驟。
.
👉閱讀更多:https://tinyurl.com/y2kq5amj
👉高寶書版 · 高寶書版-致青春
摩爾空間評價 在 貝琪梨 旅行藝創空間 Facebook 的最讚貼文
被敲碗的帶小學生去俄羅斯看極光之冬季金三角旅行行程
Day 1
台北-北京
過境
Day 2
北京-傍晚抵達莫斯科
租車取車前往市中心
住宿:藝術家公寓 IZBA Kotelnicheskaya Royal Tower
(歷史建築、空間大、很有特色)
Day 3
莫斯科- 自駕前往金環小鎮距離莫斯科220公里的蘇茲達爾(車程三個半小時)
中途逛Outlet 公路邊經過好幾處XD,下午抵達小鎮散步、逛小鎮廣場的店
住宿:Paranoma Guest House
(窗景正對蘇茲達爾的Kremlin景觀超好、早餐非常豐盛、安娜老奶奶不諳英文,但會用google翻譯溝通順暢)
Day 4
蘇茲達爾- 莫斯科
早上參觀蘇茲達爾的教堂教會區(裡頭有教堂Annunciation gate church、博物館Knizhnyye Sokrovishcha Shesti Stoletiy、展示廳Saviour Monaastery of Saint Euthymius、庭園等可以逛)還沒開始參觀,就在門口零下十五度的街上跟攤販買手工木製玩具XD
中午去參觀蘇茲達爾的克里姆林、Sobornaya Kolokol’nya大教堂,在空地雪坡上飛空拍機
16:00開車返回莫斯科19:00
散步到紅場逛聖誕市集,和鼎鼎大名的聖瓦西里大教堂、Gym國家百貨拍照
住宿:藝術家公寓 IZBA Kotelnicheskaya Royal Tower
Day 5
莫斯科- 飛北極圈摩爾曼斯克
一早開車去23公裡外的Outlet 大賣場購物,再去一隻螞蟻跳蚤市場 Izmailovsky market逛市集購物(小學生和小學生的媽媽要買很多紀念品),中午回去整理行李打包,開車前往機場。
傍晚搭機,晚上八點半抵達摩爾曼斯克。
住宿:AZINUT Hotel
(摩爾曼斯克最高的建築物,頂樓有景觀餐廳,景觀很好,但是餐我個人覺得還可以而已,可以去喝杯調酒欣賞風景就好)
Day 6
摩爾曼斯克
租不到車的放空日,約了俄羅斯導遊朋友,到他推薦非常傳統蘇維埃時期留下來的糕點咖啡店,吃上午茶、聊天,下午摩爾曼斯克市區逛街逛到晚上,晚上去追極光。
住宿:AZINUT Hotel
Day 7
摩爾曼斯克- 基洛夫斯克
早上從摩爾曼斯克出發,到近郊車程45分鐘左右的哈士奇牧場Murmansk Husky(若要搭狗狗雪橇須事先預約),搭狗狗雪橇,這裡的狗狗是雪橇耐力賽的賽犬,遊客搭乘的路程和重量都比它們的常規訓練量距離還短和負重還輕。
搭完雪橇還可以在哈士奇牧場位麋鹿和狗狗們玩耍。開車往南三個小時到薩米文化村參觀,有傳統祈福儀式、薩米足球、介紹薩米民俗帳篷內裝、服裝、餵食麋鹿等活動,再繼續開車車程3小時到基洛夫斯克滑雪場附近的公寓。
住宿:Kvartira
(一房附一張雙人床、一張沙發床,另一房兩張雙人房,廚房、衛浴,一晚台幣1620元,距離滑雪場車程十分鐘內)
Day 8
基洛夫斯克滑雪日
小學生要求這趟旅行一定要滑雪,於是在摩爾曼斯克近郊十公里那間只有單一滑道弱弱的滑雪場,想必無法滿足小學生,才會大老遠殺來滑雪勝地基洛夫斯克的滑雪場Bigwood。
早餐在公寓自己煮,去滑雪場從早上十點半租裝備試裝備,教學上課兩小時後,就在雪場泡到晚上六點半(營業時間到晚上七點),真的是滑好滑滿。
晚餐到市區的餐廳用餐,導遊問我們還有沒有要去追極光,所有的人都累癱說不用了。XD
住宿:Kvartira
Day 9
基洛夫斯克 - 摩爾曼斯克 - 莫斯科
早上去騎雪上摩托車三個小時繞一整座山頭,中午午餐後去逛Snow Village(類似瑞典冰旅館的藝術冰雕屋,可以參觀不能住),下午四點往北開回摩爾曼斯克七點到機場,搭機飛莫斯科。
住宿:原本應該在飛機上,變成在莫斯科機場。
Day 10
莫斯科 - 伊爾庫茲克 - 奧洪島
摩爾曼斯克飛莫斯科的班機延誤,倒置凌晨飛伊爾庫茲克的班機失接,航班被改到早上七點四十五分,半夜只好待在機場,原本預計中午十一點多抵達伊爾庫茲克,也整個延誤到晚上七點半才抵達伊爾庫茲克,隨即搭接駁包車直奔距離三百公里遠貝加爾湖的奧洪島,晚上十一點半抵達民宿。
住宿:Residence PHILOXENIA- Olkhon
(一晚台幣四千塊,兩張單人床加一張沙發床,附「室內」獨立衛浴和餐桌的一室公寓,窗外可以直接看到貝加爾湖。
奧洪島其實有很多很便宜的住宿,像是有三張單人床的三人間,一晚才台幣500元,衛浴是公用,廁所在室外在室外在室外……室外可能是零下三十度…)
Day 11
奧洪島
澳洪島散策,走到貝加爾湖薩滿石拍照,逛小鎮,小鎮餐廳吃晚餐。
住宿:Residence PHILOXENIA- Olkhon
Day 12
奧洪島
貝加爾湖玩冰上雪橇、溜冰、去小森林溜狗,到鎮上餐廳吃午餐,傍晚回民宿洗俄羅斯浴。
住宿:Residence PHILOXENIA- Olkhon
Day 13
奧洪島
貝加爾湖北線行程,老司機阿伯帶我們去冰上獵遊,看冰柱洞、各種冰面結凍地形,午餐是在車上現煮貝加爾湖鮮魚魚湯粥(看到其他台車上的遊客是吃三明治,可能因為我們只有自己三個人包車的關係)
住宿:Residence PHILOXENIA- Olkhon
Day 14
奧洪島- 伊爾庫茲克
上午貝加爾湖南線行程,遠眺薩滿石,繼續玩冰看不同的冰湖面地形,中午和接駁回伊爾庫茲克的司機在湖邊界碰頭,換車前往伊爾庫茲克。
傍晚回到伊爾庫茲克,出門逛街做最後紀念品採買XD,和覓食。
住宿:Baikal Hotel
(一晚台幣1460的三人房,有兩張單人床一張雙人床,房間乾淨普通,附早餐挺豐盛的,但是沒電梯,前台人員親切但不諳英文)
Day 15
伊爾庫茲克 - 香港 - 台北
搭機離開
小叮嚀:
1、租車如果要租自排車的人,請記得提早至少一個月以前先詢問預定。
2、俄羅斯租車,駕照要解釋民國幾年和西元的關係,租車RentMotors評價好。
3、Sim卡在機場入境大廳出來就看得到了,若有安排要到摩爾曼斯克的人,建議辦Megafone(綠色那家)的收訊最好,14天內30GB 500盧布,約台幣235元。若是沒有要到摩爾曼斯克的人,辦MTC(紅色那家)一個月內吃到飽300盧布,約台幣141元,便宜到有點誇張。綠色那家的攤位是固定的,服務人員會講英文服務很好,紅色那家的攤位在機場是臨時的,上次來有看到,這次來小攤子撤掉了不知道改擺到哪裡,我們這次MTC的Sim卡是在市區辦的。
4、前往機場若不是搭機場捷運,而是自行開車或是搭乘計程車一定要提前四到五個小時出發,塞車塞在要離開市區的橋下回道一到兩個小時據說是常有的事,我們是傍晚六點的飛機,一點半出發開車前往機場,在市區多塞了一個小時,莫約一公里半的路開了一個小時,塞在路上看見莫斯科的克里姆林宮那幾棟顯著的建築一直在旁邊。Orz…
5、這次行程省略了很多莫斯科的重要景點,因為之前來過兩趟,如果希望莫斯科玩得更深入,要在至少多排兩天,才有空去逛莫斯科的克里姆林宮、列寧塔、普希金博物館、看馬戲團、看歌劇、看芭蕾舞,喜歡逛街購物的,要去逛逛幾座有名的華麗百貨GYM、TSUM等,還有一隻螞蟻跳蚤市集就可以消磨一整天。
6、貝加爾湖著名景點薩滿石附近是禁飛空拍機的,其他地方遠離飛機起降地是可以。
摩爾空間評價 在 [討論] 有人租過摩爾空間嗎? - PTT評價 的推薦與評價
PTT評價. 最近家裡的儲藏室要重新整修, ... 所以上網查了一下發現家裡幾條街外有一個摩爾空間可以提供短租而且價格其實不會到很貴就能租一個倉庫打 ... ... <看更多>
摩爾空間評價 在 Morespace 摩爾空間個人倉庫 - Facebook 的推薦與評價
Morespace 摩爾空間個人倉庫. 18857 likes · 106 talking about this. The Best Self-Storage in Taiwan! 迷你倉庫首選:摩爾空間個人倉庫提供您彈性的租期, ... ... <看更多>
摩爾空間評價 在 [討論] 有人租過摩爾空間嗎? - 看板WomenTalk 的推薦與評價
最近家裡的儲藏室要重新整修,
長年累月下來的雜物讓家人都很頭痛
大部分的東西都是還可以使用但不常用到,
家裡長輩又捨不得丟
要重新整修大約一個月的時間,
那些雜物也沒有其它地方可以存放
是有聽過現在有那種倉庫有短租的服務,
所以上網查了一下
發現家裡幾條街外有一個摩爾空間可以提供短租
而且價格其實不會到很貴就能租一個倉庫
打電話去詢問,客服說可以到現場參觀看看也會有專人介紹
先大概詢問了幾個重點 :
1.可以依照個人的需求去租適合的大小,價格也是看你要租的大小決定
2.逼卡可以隨時出入,長輩如果不放心或是有東西要拿要放都可以讓他們直接開門
3.24H監視錄影,也有保公共意外險,這主要是讓家裡長輩安心(長輩還不懂怎麼會有這種服務)
考慮了這幾個因素都覺得這是個不錯的選擇
想問有短租過這種倉庫的版友們還有什麼需要注意的地方嗎?
個人是覺得花一點錢可以解決的事情 就不是什麼難事 對吧XD
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 49.216.176.223 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/WomenTalk/M.1634190328.A.430.html
如果你有其他推薦也歡迎推薦
※ 編輯: billnina (49.216.176.223 臺灣), 10/14/2021 16:03:29
... <看更多>