好書推薦《#造局者》部落格文末抽獎贈書 2 本
這是我今年讀過最喜歡的書之一,作者探討在這個 AI 崛起和時局飄渺動盪的年代,人類已經無法跟演算法和電腦的計算速度競爭。但是,身為人類的我們仍然擁有一項電腦無法取代的優勢:「懂得建立、想像、創造各種思考框架的能力」,掌握這項能力的人在未來會愈來愈有優勢。
部落格文章 https://readingoutpost.com/framers/
Podcast 用聽的 https://readingoutpost.soci.vip/
.
【這本書在說什麼?】
《造局者》這本書的作者是三位學者共筆,他們都是在 AI 和 大數據領域有卓越的成就,分別是《經濟學人》雜誌資深編輯庫基耶(Kenneth Cukier)、英國牛津大學網路研究所教授麥爾.荀伯格(Viktor Mayer-Schönberger)、歐洲管理科技學院教授,決策、模型暨數據中心主任德菲爾利科德(Francis de Véricourt)。
他們發現在 AI 崛起和世局動盪的現在,人類最無可取代的能力之一就是「決策能力」,而要擁有好的決策能力就必須掌握許多不同的「思考框架」。因為當一個人能提出正確的思考框架,就能找出更多的選項,做出更好的決策,創造更好的局勢。深諳此道的人就被稱之為「造局者」。
這本書從人類如何做出好的決策出發,談到建立思考框架的重要性,也提供我們三種最重要的建立思考框架的方式。在書本中段,則說明了遇到瓶頸的時候,如何重啟另一個思考框架。在後半段則說明了我們該如何學習更多的思考框架,以及讓自己擁抱更加多元性的策略,並且培養敏銳的心智。
如同這本書的介紹影片裡談到的:生活中一切都需要抉擇,而做出更好抉擇的秘訣,就在於思考框架。駕馭這種思考方式可以讓你更瞭解世界、改善工作表現和人際關係、促進社會進步。這也是人類之所以能夠勝過機器和 AI 的因素。成為「造局者」正是未來人才必不可缺的關鍵技能。
.
【什麼是造局者?】
以標準的定義來說,「造局者」(Framer)指的就是起草美國憲法的那一群人,他們建立了聯邦政府的框架。因為美國憲法就像是一個思考框架,用來定義和界定聯邦政府的職權及程序。而在這本書中,造局者指的就是那些「懂得建立和運用思考框架的能手」。
這本書要講的重點之一,就是無論人們的地位高低,每個人都可以成為造局者:「能夠發揮和建立思考框架,或是重啟思考框架的能力,讓自己的生活乃至於整個世界有所不同。」作者也不斷強調建立思考框架所需要的技巧,可以靠著訓練與經驗不斷進步。這本書就像是一本操作指南。
.
【什麼是思考框架?】
在1970年代,「心智模型」(Mental Model)的概念開始流行,人類的推理並非以邏輯形式在運作,反而更像是在模擬現實:人們評估各種選項的方式,是去想像可能發生的種種情況。我們對於世界萬物的思考方式,會受到你「相信」這個世界如何運作而影響。因此,面對同樣一件事情,用不同心智模型在思考的人會有不同的觀點。
而在這本書中所謂的「思考框架」(Frame)就是我們選擇和應用的心智模型,這會決定我們如何理解世界、決定我們如何行動。面對一個新的情境,我們也可以用思考框架去歸納和歸類,並且想出一個抽象的概念,在應用到這個全新的情境裡面。
舉例來說,當我們要畫地圖的時候,經常會採取「笛卡爾直角坐標」的思考框架,這上面有X軸和Y軸的維度可以幫我們用2D的觀念畫出相對的距離和位置。可是當你要在台北市搭捷運從A地到B地的時候,反而採用「捷運地圖」的思考框架比較有效,雖然捷運地圖的站點之間,距離和位置都不是真實的呈現,可是卻能幫助乘客直覺地理解:下一站要去哪裡。這時的重點就不是距離和位置,而是清楚地辨認出目的地的站點該搭乘哪一條線。
所以當我們問:「哪一種地圖最好?」這個問題本身並沒有意義,而是會因為使用的情境和目的的不同,而產生不同的答案。所以,也沒有什麼叫做最正確的思考框架,都是要看情況和目的而定。讓自己成為建立思考框架的能手——也就是造局者,就能懂得如何選擇並且應用思考框架,這會是各種決定與行動的基礎。
.
【思考框架的轉變】
在聊主動建立思考框架之前,讓我們先看一個被動轉換思考框架的真實故事,這是書中提到一段關於朗讀到默讀的閱讀框架轉變。在西元11世紀之前,歐洲大部分都是在教堂才會有閱讀的行為,而且都是以「集體朗誦」的方式在進行,主要的目的是讓大家參與一個讚頌神的集體活動。但是到了11世紀之後,開始出現另外一種閱讀的框架,也就是「默讀」。
默讀讓閱讀這件事情不再是集體的體驗,而是一種個人的經歷。每個讀者都可以控制自己要讀快一點或慢一點,你也可以重複閱讀某一些篇章,自己可以慢慢思考書裡面的內容,產生新的點子,促進獨立思考。到底,是什麼東西造成了人們從朗讀的閱讀框架,轉移到默讀的閱讀框架呢?
在早期的書籍和文章裡面,常常沒有標點符號,字跟字之間也沒有空格,就像是一連串的字母之間不斷地延續。這種情況下光是要閱讀就非常困難了,想要默讀更是不可能的任務。這個時候集體朗讀就有它的功能,因為在一群人裡面,總會有人過去曾經讀過這篇本文,還記得某些字跟段落該怎麼念,就可以帶領大家一起朗讀下去。
在後來才出現了一項創新,書籍的字裡行間,開始有了「空格」和簡單的「標點符號」,這個時候就不再需要有人帶領,許多讀者可以自己進行斷句,獨自閱讀一本書了。於是,在這個時候人們就可以切換到另外一種閱讀框架。這件事情的影響非常的深遠,因為這一整個新世代的讀者都可以自行默讀,有助於人們自己的獨立思考,進而激發出更多元的思考框架。
.
【建立思考框架的三個方式】
建立思考框架的方式有三個:想清楚因果關係,想像出平行現實,運用物理學定律制定適合的限制條件。這三個特色正是應用思考框架的時候最重要的因素。值得注意的是,思考框架本身並不是解決方案,而且是尋找解決方案的工具。以下分別介紹這三個方式:
.
1.#因果關係
人類運用因果思維來看待這個世界,可以更容易理解世界,也有助於預測未來可能發生的事情,可以說人類是天生「因果推理」的機器。相較起來,AI 科技就無法擁有自己的因果思維,而是需要人類幫忙設定。舉經典的 Dota 電腦遊戲來說,這是一個兩隊人馬 5 vs. 5 互相廝殺,力求破壞對方大本營的遊戲。
科學家找來遊戲高手擔任 AI 策略的開發人員,設計了一些獎勵因素,讓 AI 跟自己進行的數百萬次的對戰,反覆嘗試錯誤,找出最好的操作手法。但是當 AI 跟人類正式交鋒的時候,人類還是取得了上風,尤其在團隊合作上面 AI 顯得像一團散沙。
後來,開發人員發現說,一般玩家會分成三個階段來安排戰鬥,所以開發人員就依照這樣的順序安排程式,在不同的階段給予不同的策略,調整獎勵的優先次序。然後開發人員就發現說一開始機器人通常只會照顧自己,所以還得幫他們建立「團隊合作」精神的框架。他們建立起了一些跨越個人遊戲角色的「超參數」,調整成一隻要達成共同獎勵的團隊。經過這一些修改之後,AI 反過來把人類打得落花流水。
值得注意的是,電腦不是自己學會這些事情的,而是因為人類先輸入了一些「因果框架」的獎勵因素,才可以讓這些運算發揮它的功效。同樣的現象發生在其他像是圍棋和西洋棋遊戲的對決,真正的突破並不在於機器高速的數字運算,而在於人類調整了 AI 對於因果關係(獎勵)的思考框架。
.
2.#平行現實
書中的說法是「反事實思考」,但我認為有點難懂,用「想像出另一個平行現實」比較好理解。這個方法可以讓我們跳脫當下對世界的認知,想像出一個全新的情境,問自己:「如果……會怎樣?」就像是小孩子在玩扮家家酒,或者是科學家透過抽象理論設計出全新的實驗。透過想像出一個平行現實,我們可以將因果關係轉換成實際行動,測試看看可能有什麼影響,帶來什麼後果。
心理學家高普尼克(Gopnik)認為這種能力其實在人類孩童時期就已經具備了,他還把嬰兒稱為「搖籃裡的科學家」,她設計過一個很有趣的實驗名叫「贊多測試」的假裝遊戲(贊多指的是顏色鮮豔、形狀可愛的物體)。
實驗的第一階段,高普尼克和孩童待在同一個房間,孩童會學到一個因果關係:把贊多放到一個機器上面,機器就會播放生日快樂歌,幫一隻猴子玩偶慶生。然後,在實驗的第二階段,會有實驗人員走進來把機器和贊多拿走,高普尼克和孩童一起露出失望的表情。
這時候高普尼克會拿出一個「盒子」、兩個不同顏色的「積木」,並對孩童說:「我們假裝這個盒子是機器,這塊積木是贊多,另一塊積木不是贊多。」接著她鼓勵孩童繼續幫猴子玩偶慶生。此時,孩童挑選了正確的積木,放到盒子上。即使她把兩塊積木的定義互相對調,孩童都能夠選到正確的積木。
這個假裝遊戲的實驗,證實了人類自幼就擁有了反事實思考的能力,也就是有能力可以想像出另一個平行現實。高普尼克發現,更會玩假裝遊戲的孩子,就能對平行現實做出更好的推論。她說:「嬰兒和幼兒就像人類社會的研發部門,至於成人這是那些單調無聊的製造與行銷部門。」許多人在成年之後,反而容易落入單一現實的思考方式,而忘記了我們天生就有想像平行現實的能力。
.
3.#限制條件
作者提到,所謂的建立思考框架,並不是任由想像力無邊無際地飛翔,也不是像斷了線的氣球到處亂飄,而是要有一定程度的「條件限制」,有助於約束我們的想像力,讓平行現實的想像維持在可以執行的程度,這才能讓思考光架真正發揮效用。
書中舉了一個很像電影裡才會發生的真實故事「恩德培行動」,這是一個以色列精銳部隊在恩德培機場的行動中,從恐怖分子手裡救出人質的戰鬥情節。1976年,恐怖分子綁架了飛機上106名人質,關押在烏干達的恩德培機場航廈中。當時烏干達獨裁者跟以色列當局並不友好,出動軍隊肯定不是好的選項。另一個方案是讓突擊隊員假裝成獲釋的巴基斯坦犯人,但太容易被看穿了。還有人提議讓突擊隊員降落在機場旁的湖裡,但是湖裡有許多鱷魚,而且任務結束之後這麼多人該怎麼全身而退?
評估了各種可能選項後,在種種條件限制之下,以色列想出了一個奇招:讓突擊隊搭乘運輸機在夜間降落到機場,搭乘機場內常見的車輛前往航廈,消滅恐怖份子、救出人質之後搭乘運輸機直接回國。他們在空軍基地搭建了航廈的等比例模型,透過少數獲釋的人質口中知道人質的大約位置,並且一次又一次地排練所有行動,講究到每一秒、每一步該怎麼進行。
在一個沒有烏雲的午夜,29位突擊隊員搭乘運輸機降落機場,他們身穿烏干達軍隊的服裝開著機場車輛前往航廈。突擊隊以迅雷不及掩耳的速度突擊航廈,只花了十分鐘就解決所有的恐怖分子,然後就帶著人質直接搭乘運輸機返回以色列。整場行動中只有三位人質喪生,而且連烏干達政府都還來不及反應。這個故事從天馬行空的平行現實裡,限縮了各種條件,找出了最可行的方案,最後成功執行了這次任務。
.
【重啟另一種思考框架】
當你想要解決一個全新問題的時候,尤其是還沒有人曾經解決過的問題,你可能會感到不知所措。這個時候,先透過兩個步驟來思考:(1) 先從自己腦袋裡的框架庫找找看,有沒有其他適用和類似的框架、(2) 檢查其他不同領域的框架庫,看看有沒有能夠直接借用,小幅度調整就可以使用的框架。
如果這兩個步驟都找不到適合的框架庫,那麼才嘗試最困難、也是最後的殺手鐧:「發明新的思考框架」。作者提醒道:「切換到不同的思考框架,能讓你對世界有不同的觀點,但這也有風險。」一旦你重新找到一個新的思考框架,帶來的報酬可以是相當可觀的。
書中有一個重啟框架的例子很值得我們參考,美國紐澤西南邊的小城市康登市為了改善當地的犯罪率,直接解散整個警察隊伍並且重整執勤策略。當時城市的治安非常糟糕,市容也很破舊,到處都會發生大小程度不同的犯罪。這還不是最慘的,警方栽贓、造假、暴力執法的情況更是屢見不鮮。民眾除了害怕黑道,也非常害怕警察。
當地首長找來社區領袖和居民共同商討,最後決定放棄頭痛醫頭、腳痛醫腳的貼膏藥方式,採取全新的執法策略。解散警隊之後,他們精挑細選和新聘任的警察,改變了巡邏的方式。他們逐家登門拜訪、自我介紹、談談可以幫忙居民什麼。警察在街頭舉辦派對,和民眾聚餐,和小孩打籃球。
過去的思考框架是「警方將人民視為罪犯」,但是新的思考框架則是「警民一家親」的社區群體,警察從原本打擊犯罪的戰士,搖身一變成了社區當中親切的守護者。最後,康登市的犯罪率下少了一半,謀殺率少了六成,警方過度使用武力的案件少了九成五。重啟思考框架的方式,獲得了前所未有的成功。
.
【創造多元性的四種策略】
作者指出,很多人可能會認為,想要擁有多元性就代表要接觸大量的想法和觀點,其實那是抓錯了重點。多元性的優勢不是來自於數量,而是來自於差異。找出七百個類似的想法,不如找出七個不同的想法來得有價值。如果一個工具箱可以有七種不同的工具,絕對會比擁有七百把錘子的工具箱更加實用。
如果我們想要擁有多元的思考框架,就是要刻意的去營造,以及一起維護,這並不是一次的成功就可以高枕無憂。如同貝佐斯在《創造與漫想》書中提到的:「這個世界要你與眾無異,千方百計把你拉向跟大家一樣,別讓它得逞。」人類本能的從眾傾向,以及社會自然而然的同質化趨勢,都需要我們自己刻意地、有意識地選擇,才能夠擺脫與眾趨同的自然發展,擁抱更加多元化的觀點和想法。
如果你想為自己的生活、家庭、工作環境創造出多元性的樣貌,可以採取以下四種策略:擁抱變化,運用教育,鼓勵遷徙,容許摩擦。
.
1.#擁抱變化
如果一個思考框架一直以來都行不通,最好的做法就是擁抱改變,試試看別種思考框架。書中舉例同性戀婚姻的推動者,把美國從1995年支持同婚的人從25%提高到2020年將近70%。以前的同志運動一直把婚姻當成是核心議題,也一直把爭取這種「法律權利」當作是重點。但是進展並不顯著。
當時那種法律思考的框架,講究的是「法律權利」,但就是沒有效果。那種框架太缺乏想像力、太唯物主義,沒有說服力。到了2000年,他們研究很多民意調查還有焦點團體的意見,想弄清楚大家到底還有什麼疑慮。他們去思考說要怎麼樣用大眾的思考模式來談。最後他們選定了一個價值觀的思考框架,鎖定大部分的人結婚的原因:「愛、奉獻、家庭」。
他們把同性戀婚姻不再當成一種自由或者是權利,而是對於愛的表達與承諾。他們漸漸的讓大家知道,世界上有許許多多不同的框架,而且都同樣正當。到了2011年,第一次出現的黃金交叉,支持的人數正式超過了反對的人數。根據調查,只有14%的人會說這是一種「自由」,而有32%的人會說這是一種「愛」,是一種人類的情感。最後在2015年聯邦最高法院正式裁定的用憲法來保障同性伴侶的結婚權利。這並不是強迫民眾接受某種特定的思考框架,而是讓各種不同的思考方式能夠共存。
.
2.#運用教育
要建立起多元的思考框架,從教育著手是非常有效的模式。美國有一個很有趣的研究,就是去看美國的白人父母和黑人父母怎麼跟孩子談論種族。發自內心一片好意的白人父母,通常不會去刻意談到種族議題,因為他們相信「種族色盲」這種做法比較能夠讓孩子避免成為種族主義者。
另一方面,黑人父母卻常常和孩子討論種族議題,在他們看來,這種種族色盲的做法就是在故意忽視各種明顯的歧視現象。例如逛超市的黑人被懷疑是小偷,開著車子卻無緣無故被警察攔下來,黑人孩子的家庭教育就是要強調看到「種族的各種顏色」在日常生活的各種影響。
最後,這些社會學家發現,種族色盲的框架正好是種族歧視的主要來源,白人父母雖然出自於好意不想強調種族之間的差異,但也在無意之間,否認了有色人種遭受到歧視的真實狀況。這種教育方式忽略了差異,抹去了多元性。要培養多元的思考,就必須認識到差異的存在,承認仍然存在的落差。
.
3.#鼓勵遷徙
如果我們能夠鼓勵遷徙及流動,人們會把自己的文化和思考方式帶到別的地方,促進融合和變化。曾經有學者研究各個區域和城市的經濟成敗因素,發現了這些地區成功背後的原因有三個主要的因素:「科技、人才、寬容」。作者認為,「寬容」是其中最關鍵的一項,那些現在最開放的地方,經濟表現就最好。因為這些地方有更大的思考地圖,會讓人能夠放手冒險,這也是思考框架多元化所造成的經濟紅利。
像是美國被譽為一個民族「熔爐」,但是最近比較像一個「燉湯」,也就是讓裡面的好料都還維持各自的形狀。像是韓國人會住在洛杉磯的韓國城,華人會住在舊金山的唐人街,拉丁美洲的族群住在德州南方,古巴人住在佛羅里達州,巴西人就住在波士頓。雖然這種文化融合的速度不像我們想像中的快速,但是不同的文化激盪之下,也為美國社會注入了很多元的觀點和看法。
.
4.#容許摩擦
把社會上的摩擦,看成是這個社會的優勢、而非缺點。作者說到:「如果在社會裡面維持思考框架的多元化,確實會讓人們彼此之間感覺到不安很衝突,就是因為大家要看到彼此的不同,而且還要可以彼此互動。但畢竟,大家觀點不同、意見相對,本來就是正常生活該有的模樣。」
哈佛法律學院的昂格(Unger)教授認為,如果要讓政治進一步的去中心化,就必須要用一些反事實的模型來做思考。他說:「當社會很果斷地沿著一條路前進的時候,應該要多方下注,以避免損失,也就是要允許在特定的地點或部門,跳脫一般的解決方案,實驗看看不同的國家走向會怎樣。」
昂格鼓勵讓社會充滿摩擦,也鼓勵教育上面要用辯證式的討論方式,不要讓社會被束縛在單一的版本,而是可以嘗試其他的社會組織方式。運用和擁抱多元的思考框架,才能擁有多樣化的各種策略,再從中選取適合的方案。
.
【對思考框架保持警覺】
這本書告訴我們,幾乎沒有錯誤的思考框架,只有不適合某種情況的思考框架。而且各種框架應該要有共同存在的權利。但是作者們提醒我們要保持一個警覺,他們說:「唯一要注意的是,這種慷慨的態度要有一個前提,也就是說:『唯一』的一種錯誤的思考框架,就是拒絕其他的思考框架。」
要讓框架多元性的目的,就是為了讓各種框架可以彼此競爭、互補、對抗、共存。然而,如果有某一套思考框架的目的在於完全抹煞其他框架的存在,這就是不可被接受的。所以作者們才說:「如果你聽到有任何人或團體,說只有自己的思考框架放諸四海皆準,只有自己說的是真理的時候,千萬別相信。」
.
【後記:拓展想像的邊界】
如果說另一本我很喜歡的《超級思維》那本書是心智模型的「百科全書」,那麼《造局者》就像是心智模型的「使用指南」。書中有清楚的概念和步驟,讓我們了解為什麼要學習更多的心智模型,以及該怎麼樣活用各種心智模型,並且在必要的時刻推翻自己的假設,重新啟動一個新的心智模型。
這本書是今年我讀過的書裡面感到非常印象深刻,也讓我的思考方式深受啟發的。作者們把故事和理論的比例搭配得恰到好處,從一則又一則的故事和研究案例當中,會自然而然地理解作者們要帶給我們的觀點,也讓我感受到什麼叫做多元性,以及為何要擁抱差異。
從書中也可以發現,AI 並不會削弱心智模型的重要性,反而是增強了心智模型的重要性。因為 AI 無法自己建立思考框架,仍然只能依靠人類。人類最重要的特色就是可以處理「假設之外」的新問題,能夠把心智模型的空間拓展到可以親身體驗的範圍之外,也就是能夠做到抽象與推理。人類只靠著極少數的資料,甚至是完全沒有新的資料,就能夠適應全新的、過去從來沒有體驗過的情境。
作者最後提醒到:「這是一個救贖也是一個警訊:一個人如果擁有建立思考框架的能力,就會保有價值。但要是放棄了努力,沒有辦法做好這件事情,就會失去現在人類的特權地位。」我們能夠想像的邊界,就是我們世界的邊界。
.
Kobo 購書連結:https://bit.ly/3rRI8Kg
Kobo 電子書7折代碼:WAKIFRAMER
使用期限:8/15~8/21
.
感謝 天下文化 提供贈獎抽書
跨功能團隊 優 缺點 在 矽谷牛的耕田筆記 Facebook 的最佳解答
ref: https://ably.com/blog/no-we-dont-use-kubernetes
八月第一篇,就來個有趣的文章,來看看 ably 這間 SaaS 公司為什麼沒有使用 Kubernetes,不但當前沒有使用,甚至短期未來內都不會想要使用
更是直接的說如果你有興趣來加入團隊,千萬不要把將 Kubernetes 導入到團隊中是一個可能發生的事情。
我個人覺得這篇文章滿好的,因為是認真的去比較導入 Kubernetes 帶來的改變,而這些改變對團隊來說到底是可接受還是不可接受
而不是所謂的人云亦云,人家要我也要,人家不要我也不要...
文章分成兩部分,前述介紹當前 Ably 的環境架構是什麼,而半部分則是很技術的去探討如果導入 Kubernetes 帶來的好處與壞處是什麼
最終權衡比較之下,會發現導入 Kubernetes 沒有帶來實質上的好處。
文章開頭先簡述了一下 Kubernetes 這幾年的風潮,從最初 Google Borg 的開發開始談起,作者特別提到當初 Borg 的用法可是將一堆實體機器給搭建出一個 Private Cloud 的叢集給團隊使用,
而目前 Kubernetes 更多的用法則是搭建於 Public Cloud 上面的虛擬機器中,透過將 Kubernetes 部署到這些不同的 Cloud Provider 似乎帶來了介面統一的結果,對於 DevOps 人員來說
不同 Cloud Provider 如今看起來都是 Kubernetes 的樣貌。
Ably 目前到底怎麼部署應用程式
Ably 主要使用 AWS 作為其 Cloud Provider,並且於 EC2 機器上使用 docker/container 來部署團隊中的應用程式。
作者團隊中沒有使用任何已知的 Orchestration 服務來管理多節點上的 docker/container,取而代之的則是每個 VM 開機後則會根據 autoscaling group 的機制來判斷
每個機器應該要部署哪種 container/docker。
對於 Ably 來說,團隊中沒有任何 scheduler 相關的服務來調度各種服務,這意味每個 VM 就代表一種服務,所以將 VM 上的服務從 Core 轉換成 frontend 這種行為不會發生。
今天需要針對需求轉換服務時就以 VM 為基準來整批換掉即可。
每個節點上面都會有一個輕量的監控服務,用來確保運作的 Container 如果掛掉後可以被重啟,甚至如果當前運行的版本不符合需求時也能夠將該服務給停止。
流量方面,因為每個 Autoscaling Group 就代表一個服務,所以直接使用 NLB 與 Target Group 來將流量導入該 Autoscaling Group 即可。
至於容器與容器之間的內部流量(譬如 k8s service 等)作者認為也不是太大問題,畢竟每個機器本身都會被 VPC 賦予一個 IP 地址,所以使用上沒有什麼太大的問題。
接下來作者從幾個層次去探討當前設計與使用 Kubernetes 帶來的改變,分別有 (原文很多,這邊摘要不然文章會太長)
題外話,由於 Ably 的 Infra Team 數量有限,所以要考慮 K8s 只會考慮 K8s Service,如 EKS。
1. Resource Management
Ably:
a. 根據服務的需求來決定每個服務要用到的 VM 等級
b. 不需要去煩惱如何處理將多個小服務給部署到一個適合的大 VM 中
c. 作者稱這種行為其實就是 AWS 官方強調的 Right Sizing, 譬如只能跑兩個 Thread 的服務不需要 16vCPUs, 久久寫一次硬碟的服務也不需要一個 90,000 IOPS 的 SSD
d. 選擇一個正確的元件來搭建一個符合服務的 VM 讓團隊可以控制成本同時也減少額外的管理負擔
K8s:
a. 必須要使用一個比較強大等級的 EC2 VM,畢竟上面要透過 Container 部署很多服務
b. 針對那些需要小資源的服務來說,透過這種方式能夠盡可能的榨乾機器的資源,整體效能使用率會更好
c. 但是針對資源量沒有很辦法明確定義的服務則是會盡可能地去吃掉系統上的資源,這種被稱為 nosy neighbors 的常見問題已經不是首次出現了, Cloud Provider 本身就需要針對 VM 這類型的服務去思考如何處理資源使用,而 Cloud Provider 都有十年以上的經驗再處理這一塊
而所有 Kubernetes 的使用者則必須要自己去處理這些。
d. 一個可能的作法則是一個 VM 部署一個服務,不過這個做法跟團隊目前的作法已經完全一致,所以就資源管理這一塊,團隊看不到使用 Kubernetes 的優勢。
2. Autoscaling
Ably:
a. EC2 VM 本身可以藉由 Autoscaling Group 來動態調整需求
b. 有時候也是會手動的去調整 EC2 的數量,基本上手動跟自動是互相輔佐的
c. 團隊提供的是 SaaS 服務,所以其收費是針對客戶實際上用多少服務來收,如果開了過多 EC2 VM,則很多不要的花費與開銷都是團隊要自行吸收
d. 團隊需要一個盡可能有效率的方式能夠即使遇到流量暴衝時也能夠保證良好的服務的機制
K8s:
a. 可以透過不少方式來動態調整 Container 的數量,
b. 甚至可以透過 Cluster autoscaler 來針對節點進行調整,根據需求關閉節點或是產生更多節點
c. 動態關閉節點的有個問題是關閉節點時通常會選擇盡可能閒置的節點,但是閒置並不代表沒有任何服務部署再
上面,因此該節點上的 Container 都要先被轉移到其餘節點接者該目標節點才可以被正式關閉。這部分的邏輯作者認為相對複雜
d. 整體來說,k8s 有兩個動態調整的部分,動態節點與動態服務,而現有的架構只有一個動態節點。所以使用 k8s 則會讓問題變得更多更複雜。
3. Traffic Ingress
Ably:
a. Traffic Ingress 基本上每個 cloud provider 都提供了很好的解決方案,基本上團隊只要能夠維持每個服務與背後的機器的關係圖,網路流量基本上都沒有什麼需要團隊管理的。
b. 使用者會透過直接存取 NLB 或是透過 CloudFront 的方式來存取團隊內的服務
K8s:
a. EKS 本身可以透過 AWS VPC CNI 使得每個 Container 都獲得 VPC 內的 IP,這些 IP 都可以讓 VPC 內的其他服務直接存取
b. 透過 AWS LB Controller,這些 Container 可以跟 AWS LB 直接整合,讓封包到達 LoadBalancer 後直接轉發到對應的 Container
c. 整體架構並不會比團隊目前架構複雜
d. 唯一缺點大概就是這個解決方案是完全 AWS 綁定,所以想要透過 k8s 來打造一個跨 Cloud Provider 的統一介面可能就會遇到不好轉移的問題。
4. DevOps
Ably:
a. 開發團隊可以透過簡單的設定檔案來調整部署軟體的版本,後續相關機制就會將 VM 給替換掉,然後網路流量也會自然的導向新版服務
K8s:
a. 開發團隊改使用 Kubernetes 的格式來達到一樣的效果,雖然背後運作的方式不同但是最終都可以對開發團隊帶來一樣的效果。
上次四個分析基本上就是,使用 k8s 沒有帶來任何突破性的好處,但是 k8s 本身還有其他的功能,所以接下來作者想看看 k8s 是否能夠從其他方面帶來好處
Multi-Cloud Readiness
作者引用兩篇文章的內容作為開頭,「除非經過評估,否則任何團隊都應該要有一個跨 Cloud-Provider 的策略」
作者表明自己團隊的產品就是那個經過評估後斷言不需要跨 Cloud Provider 策略的團隊,同時目前沒有往這個方向去追求的打算。
同時作者也不認為 K8s 是一個能夠有效達成這個任務的工具。舉例來說,光 Storage 每家的做法都不同,而 K8s 沒有辦法完全將這些差異性給抽象畫,這意味者開發者終究還是要針對這些細節去處理。
Hybrid Cloud Readiness
管理混合雲(Public Cloud + Private Cloud based on Bare-Metal servers)是作者認為一個很合理使用 K8s 的理由,畢竟這種用法就跟當初 Google Borg 用法一致,是經過驗證可行的。
所以 Ably 如果有計畫要維護自己的資料中心時,底層就會考慮使用 Kubernetes 來管理服務。畢竟這時候沒有任何 Cloud Provider 提供任何好像的功能。
不過 Ably 目前沒有任何計畫,所以這個優點也沒有辦法幫助到團隊
Infrastructure as Code
團隊已經大量使用 Terraform, CloudFormation 來達成 IaC,所以透過 k8s YAML 來維護各種架構不是一個必要且真的好用的方式。
Access to a large and active community
另外一個很多人鼓吹 K8S 的好處就是有龐大的使用者社群,社群內有各種問題分享與探討。
作者認為
a. AWS 的使用者社群數量是高於 Kubernetes
b. 很多情況下,一個迭代太快速的產品其實也不一定對團隊有太大的幫助。
c. 很多人都使用 k8s,但是真正理解 k8s 的人微乎其微,所以想要透過社群來幫忙解決問題其實比你想像的還要難,畢竟裡面的問題太雜,很多時候根本很難找到一個真正有效的答案。
Added Costs of Kubernetes
為了轉移到 K8s, 團隊需要一個全新的 team 來維護 k8s 叢集以及使用到的所有基本服務。舉例來說,EKS, VPN CNI, AWS LB 帶來的網路好處並不是啟動 EKS 就會有的,
還必須要安裝相關的 Controller 並且進行設定,這些都是額外的維運成本。
如果找其他的服務供應商來管理 Kubernetes,這意味公司就要花費更多的$$來處理,所以對團隊來說,金錢與工作量都會提高,不同的解決方式只是這兩個指標的比例不同而已。
結論:
1. Ably 覺得 Kubernetes 做得很好,但是團隊目前沒有任何計畫去使用它,至少目前這階段沒有看到任何實質好處
2. 仔細評估後會發現,導入 k8s 其實也會帶出不少管理上的問題,反而並沒有減輕本來的負擔
跨功能團隊 優 缺點 在 李開復 Kai-Fu Lee Facebook 的最佳貼文
Momenta完全無人駕駛首次曝光!城區道路混行無接管,遭遇逆行也不怕,特斯拉Waymo路線二合一
本文來源:量子位微信公眾號 QbitAI 作者:李根
…………………………………………………………
Momenta(現在)是一家怎樣的公司?
宏觀印象:學霸創業、中國無人車獨角獸、賓士母公司戴姆勒加持、自動駕駛第一梯隊玩家……
產品業務:高速場景方案產品、L4級自主泊車產品交貨、最高等級高精度地圖資質……
一千個維度有一千種答案,但也頗顯盲人摸象。
只是從今往後,Momenta的技術路徑開始完整清晰。
在通往自動駕駛實現大道上,之前有漸進式的特斯拉,也有一步到位的Waymo,天下方案,莫過於此。
而現在,Momenta集二者之所長,避二者之所短:
Tesla+Waymo,就是Momenta。
▌完全無人駕駛發佈
12月26日,Momenta對外正式發佈L4級無人駕駛技術MSD (Momenta Self Driving),開始支持城市內完全無人駕駛場景。
如果說2019年來Momenta發佈的前裝量產產品Mpilot,更像是特斯拉方案。
那麼現在,MSD上馬,則顯出Waymo路線雄心。
萬萬沒想到,自動駕駛業內一度紛爭的兩種路線,如今讓Momenta實現二合一。
但MSD究竟是一套怎樣的方案?
區別於量產前裝方案,Momenta完全無人駕駛方案中最明顯不同在於多了雷射雷達。
在其測試車中,共搭載12個攝像頭,5個毫米波雷達和1個雷射雷達。整套系統感測器方案以攝像頭為主,雷射雷達為輔,多感測器冗餘。
而且Momenta強調,除去雷射雷達,方案中的硬體選型與前裝量產保持一致——這也是Momenta“兩條腿”向前的關鍵考量,後面還會詳細講到。
不過,說一千道一萬,無人駕駛——還得以身試乘看一看。
MSD方案的試乘,選在了Momenta(蘇州),地點毗鄰蘇州高鐵北站,屬城建頻繁區域,路線全程約12公里,沿途經過30餘個紅綠燈路口:
既包括無保護左轉等典型場景,也有非機動車混行、立交橋下長路口等複雜路段。
路線中還有多處工地,也有學校、居民區、寫字樓、商業中心等生活場景。
符合Momenta該方案目標所指:城市區間內,完全無人駕駛。
而且路段基礎設施也沒有過V2X改造,依然拼的是單車智慧實力。
車流交匯交互,也是最有意思的場景。MSD方案雖初發佈,但智慧程度已有老司機風範,在試乘的幾次交互場景中,有讓行、也有選擇先過,並不基於單一規則。
同車試乘的Momenta研發總監夏炎解釋,這能體現MSD在預測規劃方面的實力和學習能力。
不過整體試乘而言,因為城市區間不同高速場景(無人車混行)和停車場(低速),Momenta的AI司機給人的印象是:安全第一,寧慫不偏激。
比如在蘇州相城道路,會出現不規則的異型車——挑戰自動駕駛系統的感知識別。
其實從當天道路實際情況來看,系統完全可以“偏激”一些,讓路不減速通過。
但安全第一思考下,Momenta工程師打造的該系統,在交通中不確定性較大的情況下,先減速,甚至刹車,確保交互雙方的安全。
而且相比人類老司機,MSD雖初生牛犢,但也展現出不凡實力。
遭遇人類司機深為苦惱的大貨車時,既要對大貨車的載貨品類多樣、形態各異準確感知,還要對大貨車行為上的激進行為有應對:
MSD跟隨慢速行駛的大貨車一段時間後,“決定”變道超車,但在超車過程中仍保持對貨車一定的安全距離,通過接近路口的實白線後才拉大橫向距離超車,保證了超車過程中的安全性。
▌完全無人駕駛新速度
12公里左右里程,按道路交規限速行駛(40公里每小時為主),近40分鐘,歷經城區內各種場景——有臨時施工、有不規則車輛,還有逆行,但全程無接管。
這樣的完全自動駕駛能力,起步最早的穀歌用了近十年,百度從開始研發到落地也超過5年,一眾自動駕駛新勢力從無到有也走過了快3年……
雖然深度學習、大數據和大計算帶來的指數加速,已再明顯不過。
但得知Momenta的速度,依然讓人不可思議:
50人左右的團隊,5個月左右的時間。
沒錯,從今年下半年交貨量產自動駕駛產品後,Momenta才開始囤積重兵,依靠公司長期的技術和數據積累,以及量產自動駕駛和完全無人駕駛通用的平臺支持,開始攻堅完全無人駕駛。
至於能夠達到城區開放道路全程無接管,之前行業內最快的友商也差不多用時1年,且積累了至少十萬公里以上實際路測里程。
所以Momenta之速,背後究竟有“引擎”?
Momenta CEO曹旭東認為,與他們內部看問題的角度、方法和戰略選擇有關。
Momenta創辦,從一開始就明確目標,要打造自動駕駛大腦。
這並非傳統汽車產業內“換輪子”,而是行業開始AI化變革後,供應鏈環節中的新機會。
汽車產業鏈中:
有最基礎的Tier1一級供應商,如博世、大陸,在系統層面、硬體層面提供產業支援。
再往上則是OEM廠商,賓士、寶馬、豐田……即車廠。
還有智慧化的基礎——計算晶片,如TI、NXP、瑞薩和英偉達。
最後,核心新增的玩家,一方面是提供出行網路的滴滴Uber等,另一方面則是提供自動駕駛所需核心演算法和軟體的技術公司。
比如定位“自動駕駛大腦”的Momenta,就處於這一層。
但即便如此,如何實現完全自動駕駛,如何最高效擁抱未來,也沒有清晰明確的答案。
至少在打造自動駕駛大腦這件事上,特斯拉方案和Waymo路線一度不可調和。
▌兩個路線的爭論
所謂特斯拉路線,是按照自動駕駛等級的劃分,從低級往高級不斷升維,通過量產汽車對場景、數據和演算法的反覆運算,最終實現完全無人駕駛。
而且正是因為堅定量產路線,也為了最低門檻獲取數據、場景和功能回饋,偏執狂馬斯克完全依靠攝像頭方案、不使用價格昂貴的雷射雷達。
所以即便2019年發佈為完全自動駕駛而生的FSD硬體,外界也不相信馬斯克2020百萬RoboTaxi的豪言。
而Waymo路線,則認為只有從一開始L4才能實現RoboTaxi。該路線中,人機共駕的高級輔助駕駛被認為有天然Bug——既要機器輔助駕駛,又要人類在緊急時刻接管,顯然不靠譜。
於是Waymo從2009年正式推動後,逐漸明確了實現方式:
原型車、規模化路測、在豐富場景中不斷反覆運算,區域內落地,終極場景是讓無人車行駛運營在任何時間、任何地點和任何場景。
但Waymo路線中,最難的是無窮無盡的“長尾”問題,現實中總會有出乎預料的新場景、特殊挑戰,這就要求自動駕駛系統足夠聰明、且學習反覆運算得足夠快。
所以概括而言,二者優缺點都很明顯。
特斯拉方案:想依靠低成本感測器方案不斷升維,難且有道德挑戰;但好處是數據“眾包”,能在量產中獲得現金流和數據流程。
Waymo路線:希望一己之力不斷擴大無人車隊規模,最終真正實現完全落地,險且依賴融資燒錢;而好處是安全性相較而言更可控,不用把車主當小白鼠。
但如今Momenta之行動,所謂“兩條腿”戰略,卻實現了特斯拉和Waymo路線的二合一。
即,通過量產自動駕駛產品獲得海量數據,持續研發數據驅動的核心演算法,打造閉環自動化工程體系,發揮數據價值,高效反覆運算數據技術,最終實現完全無人駕駛。
同時,MSD的技術框架中不同感測器的感知演算法相互獨立冗余,並非完全依賴某一種感測器,因此目前量產感測器收集的數據,如視覺、地圖、軌跡數據等可以無縫應用並有效助力MSD演算法提升。
最終,一個數據流程和技術流的閉環搭建完成,量產自動駕駛和完全無人駕駛,真正互相補益。
但為何能打通?又為什麼是Momenta?
一切要從Momenta創立之初對自動駕駛的認知說起。
▌終局視角思考無人車
Momenta 2016年創辦,當時就分析過特斯拉模式和Waymo路線。
但並非為結合二者而生。
曹旭東回憶,從一開始就希望從本質出發、從終局角度思考問題。
Momenta的思考中,自動駕駛的終局,一定是L4級以上,不需要方向盤、不需要人類司機。
但要實現這個終局,結合深度學習為核心的AI新浪潮,兩大要素就格外關鍵:
一是數據驅動。
二為海量數據。
之所以要數據驅動,是因為完全無人駕駛中的長尾問題——幾乎是難以窮盡的。
唯一的可能性只有數據驅動,自動化解決大部分的問題,例如99%問題。
所以Momenta內部,“架構師”文化興盛,他們目標是架構能夠自動化解決問題的系統。
在當前系統中,Momenta的 “閉環自動化”方法論就已發揮作用,通過建立對問題自動化發現、記錄、標注、訓練、驗證的閉環過程,為技術和數據提供自動化的反覆運算能力。
而關於海量數據,這是數據驅動的原料和前提。
之前有粗略估計,實現完全無人駕駛,需要100萬輛車跑一年,每輛每天跑10小時以上。
如此海量數據,完全依靠自建車隊採集,幾乎不現實。
量產自動駕駛數據流程能夠助力完全無人駕駛,源自統一量產感測器方案。
MSD感測器方案包括視覺感測器、雷射雷達與毫米波雷達,均覆蓋360°範圍,該感測器方案子集與量產感測器方案保持一致。
所以理解了無人駕駛終局的兩大要素,或許也就不難明白Momenta此次談及的兩條腿戰略:
一條腿是量產自動駕駛;
另外一條是完全無人駕駛。
量產自動駕駛,人車共駕,以人為主,但解放人類在高速環路、停車場等場景下的駕駛時間,提升駕駛安全性及駕駛體驗。
而且通過量產自動駕駛,實現海量數據獲取——學特斯拉又超乎其外。
進一步,量產自動駕駛可以給完全無人駕駛帶來數據,通過數據驅動的方式,去自動化地解決99%的問題。
未來隨著量產產品上市,像 “活水”一般源源不斷注入MSD,推動MSD演算法不斷升級,使得完全無人駕駛系統不斷進化。
這是數據流程上的打通。
而通過完全無人駕駛,還能給量產自動駕駛回饋技術流,不斷提升體驗和能力,讓量產自動駕駛持續進步,提升行業份額。
當然,數據流程和技術流形成閉環,聽起來不算稀奇。
但真正實現這樣的戰略並不容易,關鍵是量產感測器方案的一致性、互補性,並在量產自動駕駛戰略中真正快速低成本交貨、落地。
這也是特斯拉和Waymo難以跨公司二合一的原因。
另外,作為創業公司,在數據流程和技術流閉環之外,靠融資燒錢顯然不可持續,必然還需要現金流。
所以Momenta創辦3年來,先在量產自動駕駛發力,實現數據流程和現金流方面的驗證,然後發力完全無人駕駛,同時著力於打通兩者之間的數據流程和技術流。
現在,完全無人駕駛方案發佈,數據流程和技術流的戰略雛形形成,現金流也能讓公司不受輿論和資本市場變化而左右。
曹旭東說, 目前Mpilot 和MSD的原型發佈,標誌著兩條腿的雛形期形成。預計到2019年-2024年,量產自動駕駛大規模上市,以及MSD真正的完全數據驅動,完全自動化,則是“兩條腿”戰略得到驗證的時刻,也是戰略的成型期。
▌道阻且長,行則將至
不過,也還沒到一腳定江山的時刻。
雛形初現,一切還只不過是開始。
更何況這樣的戰略完整披露,一方面會面臨質疑,另一方面也有被複製的風險。
但曹旭東並不擔心。他說:“戰略沒有優劣,戰略是選擇。這個戰略有其優點,也有難點和挑戰。我們在選擇戰略同時,也必須克服和解決其背後難點。我相信,戰略發佈後,看到的不是抄襲,更多的是爭議。在戰略執行時,遇到困難,可以選擇繼續走下去,也可以去選擇其他戰略,但我們選擇迎難而上。道阻且長,行則將至。”
按照Momenta的說法,執行層面主要面臨兩個維度的挑戰:包括技術難度和商業難度。
技術層面的難,例如數據流程的打通。曹旭東認為,行業主流都是以雷射雷達為主的技術解決方案,但Momenta是以統一量產感測器為主,需要打通量產自動駕駛到完全無人駕駛的數據流程,而他們在其中做了大量的技術創新。
在矽谷拜訪時,曹旭東也講到Momenta的戰略和已解決的技術難題,得到很多行業專家的認可和欣賞,因為Momenta在做原始的技術創新,而不是簡單的複製跟隨。
商業層面的難,包括如何深入行業、理解客戶,如何拓展能力邊界及更好的服務市場。
曹旭東進一步解釋:“To B是系統性的業務,面對的是一個組織,需要得到方方面面的認可。一線客戶都有很強的技術能力和很高的技術標準,需要經過非常嚴格的技術評測。而我們經過層層驗證,最後獲得了客戶的認可,進入了量產體系。”
Momenta也有相對長遠的完整時間表。
他們內部,認定2016年-2019年是戰略雛形期,2019年-2024年是戰略成型期。
然後2024年-2028年才是真正的戰略爆發期,那時候在完全自動駕駛“這條腿”上將加速趕上Waymo。
只是現在開始,自動駕駛“面壁者”Momenta,戰略意圖一覽無餘。
▌告別盲人摸象
作用力也才剛剛開始。
從Momenta自身來說,徹底告別被“盲人摸象”狀態。
高精度地圖供應商?高級輔助駕駛玩家?量產自動駕駛交貨……
都不準確。
大道至簡,Momenta(現在)是一家怎樣的公司?
Momenta = Tesla + Waymo。
而且這種結合帶來的新場景新技能,還可能不是線性相加。
或許也是聚變反應。
比如特斯拉一直是從車角度提供方案,Waymo則是運力技術維度……
但二者結合,就是完整軟硬體集合體,載人載貨,私家車共用車,都有了可能。
簡而言之,能做的更多,可以做的更多,新價值已經展現,新邊界也就要重勘。
自然還會進一步帶動行業新格局重塑。
自動駕駛發展中,特斯拉方案和Waymo路線,一次次被提起,一次次被模仿,一次次被對標。
這樣的新玩家新勢力,無論中美,都可以舉出很多。
但今日之Momenta,在理論上真正達到二合一,並且驗證了可行性。
於是,之前衡量自動駕駛的時間表,曾經理解Momenta的框架,可能是時候刷新了。
▌One more thing
雖然Momenta是中國自動駕駛的獨角獸,但作為Momenta的船長,曹旭東最關心的並不是公司的估值。
他認為商業世界一切有為法,一定離不開價值規律本身,估值並不需要過分關心。
他關心什麼?
作為CEO,他說核心還是人,組織的學習、進步和提升。
這位Momenta創始人,今年來自上而下改變了一件小事:不再把“創始人”放在對內對外的任何地方,僅以職務——CEO示人。
他解釋說,Momenta正在最大限度通過組織變革、文化塑造,形成合夥人文化。
合夥人不分加入先後,不論年齡資歷,核心關注的是技術、貢獻和志同道合。
他希望以此吸引最頂級的牛人,讓更多有識之士加速自動駕駛終局到來。
《道德經》裡說,夫唯不爭,故天下莫能與之爭。
但真正能邁步實踐者,少之又少。
如今,無人車獨角獸Momenta,宣示兩條腿,放下“自我”,立志要做推動終局實現的那個玩家。
這就是Momenta。