👉我們都知道時間很寶貴,但平常還是有意識或者無意識的浪費時間,那麼要珍惜時間,就必須要學會管理自己的時間。時間管理就是有效的運用時間,從而達成自己的目標,忙碌不是目標,做成事才是目標。那我們到底該怎麼做才能真正管理好時間呢?
.
⭕要有目標
在生活中,總要有目標,才能讓人有動力來做點事,不管這個目標是什麼。如果你想環遊世界,那你就得為自己的想法掙到足夠的錢;如果你想在工作上得到晉升,那你就得努力工作提高業績水平;如果你想天天放鬆玩耍,那你也得找到自己想玩的東西,不然再好玩的東西也抵不過邊際遞減效應,最後讓人失去樂趣。當然,大多數也可能不止一個目標,要顧及家庭,也要忙於工作,這也是不可避免的,歐美國家就主張提倡工作生活的平衡。另外,還要規劃出讓自己成長的時間,規劃出鍛煉身體的時間和學習充電的時間,讓自己身體健康能力更強也是一個目標,達成這個目標可以讓我們能更好的完成其他目標。
.
⭕要有規律
每天的生活基本上可以分為幾大塊,睡覺,吃飯,工作,娛樂。普通人的生活也基本固定,早中晚吃飯,白天上班,晚上睡覺,這是每天都要做的,那就應該養成習慣。如果今晚熬夜打遊戲或者看電視劇,那勢必要影響到明天的工作學習,於是工作學習任務完不成,於是明天晚上又得熬夜,依次形成了惡性循環,這樣就影響了健康的身體和工作的效率。我們可以藉助工作來使自己保持規律的生活,譬如到了該睡覺的時候,給自己調個鬧鐘,讓自己及時入睡,到了該吃飯的時候,就停下工作,認真吃飯。
.
⭕要事優先
著名的GTD時間管理方法便是遵循這個原則,將每天的事情份為四個象限,決定什麼該做什麼不該做。其實我們不必分的這麼複雜,只要先把重要和緊急的事情做完就好了,而對於不重要的事情,即使沒做完也不要有內疚心理。而區分重要和不重要,需要確定自己的目標,對自己的目標有效就是重要的,而對於自己的目標無關或者關係不大就是不重要的,重要和不重要的比重也滿足二八定律,每天重要的事情就那麼點。不能看到別人在學習某個東西,自己感到落後了就去學習這個東西,而這也只是一種攀比競爭心態,我們要找出對自己真正重要的事情,同時,不要拖延的完成它。
.
⭕保持節奏
把握自己的節奏也很重要,如果突然某一天把時間安排的滿滿的,那這必然效率不高,同時也不可能堅持下去。保持每天的間隙,讓時間充滿彈性,讓自己不至於三天打魚兩天曬網。對於每天的學習任務,比如學英語,可以分解任務,每天學一部分,而不要期望著一次性學完,科學實驗也證明分階段地學習效果要比一次性學習的效果要好,藉助記錄工具,記錄下每天完成的任務和用的時間,如果發現自己超常完成了就該停止了。而對於某些一次性的任務,比如寫一個報告,那就要爭取一次性完成,這樣能夠保持任務的連貫性,減少轉換任務所需要耗費的能量。
.
⭕提高效率
對於腦力勞動,提高效率最重要的就是專注。而現代人由於通訊設備的發達,容易被手機等電子設備份心,而這會降低自己的效率。工作學習時關掉手機的不重要的通知,不刷知乎,不看抖音。而許岑也說他曾經為了練琴,買了很貴的提琴,結果每天都會練習,感覺不練習就是浪費了金錢,為了練字,也買20元一張的宣紙,讓自己的每一筆一劃都是自己認真練習的。雖然我們不必這麼極端,但也可以看到專注地重要性。除了專注,還要學會利用工具提高工作學習效率,例如,使用筆記軟件能夠方便的保存互聯網上的東西,也方便自己復習整理,手機電腦上都有各種各樣的工具,學會使用就能提高效率。
.
✅總結
對於時間管理來說,我們其實不必看許多的書籍,聽過多的課程,也不必過於關注時間本身。與其這樣,不如把時間和精力放在事情本身,在遵循必要原則的基礎上,慢慢的做下去,慢慢的調整自己的時間框架。
.
#elitesinsider
加入群組:https://www.facebook.com/groups/2026540257666105/
-------------------------------
加入「精英閣」= 一年陪你读完100本经典好书
➡️15-20分钟读书音频
➡️干货总结思维导图
📍還在等什麼?趕緊点击鏈接🔗:https://pay.weread.com.tw/facebook/jingyingge/
-------------------------------
馬來西亞 Shopee FREE Shipping
https://shp.ee/a54n9zf
同時也有2部Youtube影片,追蹤數超過49萬的網紅觀點,也在其Youtube影片中提到,主持人:陳揮文 節目時間:週一至週五 18:00 - 19:00 第一段: 一,小燈泡媽挺罷韓 臉書被出征洗版 二,出征的一定是韓粉? 1450反串? 三,李來希:小燈泡頭顱被媽媽踢到高雄 四,唉……李來希恐幫罷韓拉了幾萬票 五,李來希:兇手尚未伏法 她已另闢戰場 六,李搞烏龍 兇嫌無期定讞...
「邊際遞減效應」的推薦目錄:
- 關於邊際遞減效應 在 Elites insider 企業精英 Facebook 的精選貼文
- 關於邊際遞減效應 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
- 關於邊際遞減效應 在 江魔的魔界(Kong Keen Yung 江健勇) Facebook 的最佳解答
- 關於邊際遞減效應 在 觀點 Youtube 的最讚貼文
- 關於邊際遞減效應 在 啟點文化 Youtube 的最讚貼文
- 關於邊際遞減效應 在 [分享] 邊際效應遞減- 看板RIPE_gender - 批踢踢實業坊 的評價
- 關於邊際遞減效應 在 經濟解惑- 邊際替代率遞減vs 邊際效用遞減 - YouTube 的評價
- 關於邊際遞減效應 在 丘嵎國際行銷- 嗨,今天我們來聊聊廣告的成效上限。 在經濟學 ... 的評價
邊際遞減效應 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
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
邊際遞減效應 在 江魔的魔界(Kong Keen Yung 江健勇) Facebook 的最佳解答
漫威新的這一階(Phase 4)的電影和電視劇,我看到有一個特色:
到目前為止,Wanda Vision、Falcon & Winter Soldier、Loki、Black Widow,全部都是角色主導(Character Driven)的故事。
我是樂見漫威肯走這個大膽路線,因為角色導向的,一定會帶出內心戲。風險當然是一些不喜歡看內心戲的,或小孩,可能就會覺得悶。
Loki這個很表面的反派角色,也在這一次的電視劇中也開始展露他內心的一面。內心戲看得很讓我震撼的,應該屬 Falcon and Winter Soldier,當中罵美國政府的部份,男主要面對美國人不能接受黑人美國隊長的失落,和新美國隊長黑化的過程,都是很精彩的內心戲。
黑寡婦的其中一個情節是講她小時候就算知道一些事情是假的,而那弱小的她還假裝是真的,編導很用心的塑造角色。結尾時的彩蛋,預告 8月份的Hawkeye的電視劇,估計 Hawkeye應該也是角色導向的劇。
我不確定 Kevin Feige 的理由,可能是原版收割的粉絲隨著每一套漫威電影的洗禮,口味會開始有深度的需求。
我剛開始也好奇他們新的一階要走甚麼路線,因為如果只是純粹越厲害的特異功能和越厲害的反派,已經是十年粉齡的,看會有邊際遞減效應。但如果加深親密的了解角色內心,可能會有另一翻氣象。
邊際遞減效應 在 觀點 Youtube 的最讚貼文
主持人:陳揮文
節目時間:週一至週五 18:00 - 19:00
第一段:
一,小燈泡媽挺罷韓 臉書被出征洗版
二,出征的一定是韓粉? 1450反串?
三,李來希:小燈泡頭顱被媽媽踢到高雄
四,唉……李來希恐幫罷韓拉了幾萬票
五,李來希:兇手尚未伏法 她已另闢戰場
六,李搞烏龍 兇嫌無期定讞 不用伏法
七,韓斥李來希 不可在被害人傷口灑鹽
八,韓:無論挺韓罷韓 都停止仇恨言論
九,李來希早上發文 韓中午要求道歉
十,會不會又有人說 韓放任不處理?
第二段:
一,若只看綠媒 韓應該被罷免一百次
二,問題是 綠媒綠粉專新聞幾趴真?
三,小燈泡媽臉書 訊息錯誤恐被誤導
四,1823投票所搞定 違法看板依法拆除
五,小燈泡媽:高市府限制議員個人發言
六,綠A掰韓連喝三瓶高梁 證據在哪
七,綠B控李佳芬指揮市府 沒憑沒據
八,黃捷扯六月六日沒放假 沒有常識
九,高雄0503兵推早結束了 封城在哪
十,小燈泡媽 你有聽過「黑韓十題」嗎
第三段:
每日一句2020-0513
倦勤? 馮世寬:千萬不要看報紙
狗吠火車2020-0513-255-3陳時中老梗
又來了 順時中秀小朋友寫信鼓勵
招式老 大內宣邊際效益自然遞減
快篩?疫苗? 台灣生技產業加油
----
按讚【觀點】
FB: https://www.facebook.com/AllTheBestVi...
訂閱【觀點】
YouTube頻道: https://www.youtube.com/c/觀點
▶ 飛碟聯播網 http://bit.ly/2Pz4Qmo
▶ 飛碟晚餐陳揮文時間 http://bit.ly/2JOoLMg
▶ 飛碟聯播網FB粉絲團 https://www.facebook.com/ufonetwork921/
歡迎掃描QRCODE下載飛碟新APP
▶ Android https://reurl.cc/j78ZKm
▶ iOS https://reurl.cc/ZOG3LA
邊際遞減效應 在 啟點文化 Youtube 的最讚貼文
【線上課程】《過好人生學》~除了熱情,你更需要知道的事
讓你建立迎向未來的思維與能力!
課程連結:https://pse.is/H8JXH
第一講免費試聽:https://youtu.be/-EHOn0UxMys
【2020.3.6 開課!】《學「問」~高難度對話的望聞問切》~第18期
掌握達成共識的關鍵能力!
課程資訊:http://www.koob.com.tw/contents/232
更多學員心得分享:http://goo.gl/A07zZ0
【線上課程】《時間駕訓班》~
學會提升效率,擺脫瞎忙人生,做自己時間的主人
課程連結:https://pse.is/DDDHB
第一講免費試聽:https://youtu.be/flfm52T6lE8
【人際維基】桌遊體驗會~讓你一玩就懂別人的在乎~ 11/17(日)14:00
活動資訊:https://www.koob.com.tw/contents/3072
【線上課程】《人際斷捨離》~
讓你留下怦然心動的關係,活出輕盈自在的人生!
課程連結:https://pse.is/E5MW5
第一講免費試聽:https://youtu.be/YyLvd1cNcDw
歡迎加入「啟點文化Line@」:https://line.me/R/ti/p/%40teb0498p
線上課程【不用開口,就讓你擁有人際好感】
啟動人際溝通的關鍵影響力 https://goo.gl/v3ojdo
桌遊【人際維基】~一玩就懂得別人的在乎:https://goo.gl/Ej4hjQ
到蝦皮購買【人際維基】:https://goo.gl/ASruqR
=============================
以下為本段內容文稿:
如果你想要回答一個問題,叫做「我要怎麼樣讓自己變得快樂,而且這一份快樂能夠繼續持續下去?」;那麼今天的內容,你就千萬不要錯過!
我先談一個研究哦,這個研究呢,有兩位學者;一位叫做「肯農.薛爾頓」,而另外一位是大名鼎鼎的「柳波.莫斯基」。
那我們知道喔,柳波.莫斯基是研究「快樂」這個領域的權威,先前我也有分享過他的書籍。
他們研究發現喔,「快樂」並不是輕而易舉就能夠達到的,希望你聽到這邊,不要覺得太挫折,我們繼續聽下去!
他們的幾個實驗裡面,他們找來最近經過兩種生活變化的參與者,第一種變化稱為叫做「環境改變」。
指的是喔,整體環境出現比較重大的變化這一群人;比如說搬家啊、加薪啊、買新車啊…;這些叫做「環境改變」。
而第二群人叫做「刻意改變」。「刻意改變」指的是他們努力追求目標,或者是展開一些活動;比如說加入社團、培養新的嗜好,或者是投入不同的事業。
他們呢請這兩群參與者,去評估他們在這幾個禮拜裡面的「快樂程度」。結果一致顯示哦,這兩種參與者,雖然一剛開始的「快樂程度」都大幅提高;不管是「 環境改變」,還是「刻意改變」。
但是那些經歷「環境改變」的人,很快就會恢復到原本的快樂水準;而那些「刻意改變」的人呢,他們的快樂持續比較久!
那到底是什麼樣的原因,產生了這樣的不同?這兩位學者他們認為喔,這是所謂的「享樂慣性」的現象;那當然也有別的說法,叫做「享樂適應」啦!
就是呢,我們的確可以從新的正面經驗,獲得很大的快樂;不過呢,我們也會很快的「適應」這樣的變化。
也就是說喔,你第一次吃到一個很棒的甜點,你會覺得實在是太美味了!然而這個甜點你吃第二次,還會覺得這麼美味嗎?第三次呢?
這在經濟學裡面,你也可以說是一種「邊際效應遞減」。我們的主觀感受上,是充滿的這種「邊際效應遞減」的。
所以同樣的事情一再發生,或者是你的新車、你的新家、你的新衣服,一旦你適應它之後,它在那第一次給你的那種快樂感、那種爽感,很快的就會消失無蹤!
而很可惜的一點喔,就是環境的改變,通常他們都會很快的產生享樂的慣性。不管是新房子、加薪,或者是新車。
帶給你那種最初的興奮感,雖然是很美好的,但是這種改變,很快的會成為你的日常生活。所以呢,最初的喜悅很快就會消失了!
而相反的「刻意改變」,通常可以讓你持續開心下去。因為你想想看,如果你是培養新嗜好,可能你剛開始還很陌生、還有一點挫折感呢!
但是隨著你越來越熟悉,請問你有沒有那種經驗,就是剛開始很「肉腳」;但是後來越來越熟悉之後,成就感越來越高,而快樂感是不是越來越高?
如果你參加一個組織、參加一個團隊,剛開始很陌生,還有一點手足無措;而後來是不是越來越如魚得水?
如果你展開一個計劃,在剛開始還有一種「兩眼一抹黑」的感覺;可是後來你就會漸漸的,看到自己的計劃開花結果。
而新事業是不是如此,交朋友也是這樣子啊!剛開始陌生,而你後來漸漸的發現這個一人的優點、這一個人能夠為你帶來的資源。
所以呢,不管是投入活動、展開計劃、投入新事業,或者是學習新的技巧;這些都會觸發我們的大腦,去長出那些新的連結。
因為新的經驗、因為新的能力、因為新的結果;而這些部分的刺激,就可以避免我們「享樂慣性」;而延長了我們主觀上,感受到快樂的時間。
所以呢,如果你想要讓自己快樂,而且一直快樂下去;你應該要選擇的是「刻意的改變」,而非「環境的改變」。
其實當我們在看待「環境改變」的時候,心中隱隱約約的,也是一種很被動的心態啊!
我們總希望很被動的,這一切按照自己的想法,到你的生命裡。簡單來說,是不是有很多人每天想著發財的夢,而沒有真正去做那些,讓自己會發財的事情呢?
可是那些真正認真、努力,去做讓自己會有錢的事情的人;他是不是在努力嘗試,哪怕是嘗試錯誤的過程,他都見證了自己生命的前進跟改變?
然而所謂的「嘗試錯誤」、然而所謂的「突破舒適區」,這是一個自然的發生,還是一個必須要刻意的結果呢?我想你已經有了答案!
如果你想要讓自己快樂,我想快樂是一個「刻意」的結果;而如果你想要讓自己過好你的人生,「好人生」也是刻意的結果啊!
然而如果要讓自己的人生,過得更快樂,我想刻意的起始點,你可以先從學習開始。我的線上課程【過好人生學】的最後優惠期限,就在今天。
今天晚上過了12點,就沒有這個優惠價了!之後我們就會漲價。如果你已經參與了這一門課的學習,很鼓勵你用心的去實踐裡面給你的引導。
然後如果你還沒有加入的話,其實給自己下一個決心,參與【過好人生學】,它就是你刻意改變的一個起始點。
希望你的加入,也希望今天的分享,能夠帶給你一些啟發與幫助,我是凱宇。
如果你喜歡我製作的內容,請在影片裡按個喜歡,並且訂閱我們的頻道。別忘了訂閱旁邊的小鈴鐺,按下去;這樣子你就不會錯過我們所製作的內容。
然而如果你對於啟點文化的商品,或課程有興趣的話;尤其是今天的最後優惠期限的【過好人生學】。
我們所有的相關課程連結,在影片說明裡都有,期待你的加入;好人生是「刻意」的結果,學習是「刻意」的起始點。
今天的內容就到這邊了,謝謝你的收聽,我們再會。
邊際遞減效應 在 經濟解惑- 邊際替代率遞減vs 邊際效用遞減 - YouTube 的推薦與評價
說明 邊際 替代率 遞減 與 邊際 效用 遞減 之間可能存在的關聯。 ... <看更多>
邊際遞減效應 在 丘嵎國際行銷- 嗨,今天我們來聊聊廣告的成效上限。 在經濟學 ... 的推薦與評價
在經濟學中有一個專有名詞叫做邊際效用(Marginal... ... 白話一點來說,是指隨著成本增加,滿足度提升,但到達一定程度後,收穫便開始遞減! ... <看更多>
邊際遞減效應 在 [分享] 邊際效應遞減- 看板RIPE_gender - 批踢踢實業坊 的推薦與評價
身為理組,會學到這東西
是因為曾經想追北商的妹子
就向她借了本郭婉容版本的經濟學來看
借到時有嚇到,常聽人講的經濟學怎麼這麼薄薄一本!
原來那本是根本
就好像微積分,從微分講起,只有 dy/dx
積分,就是懂了微分後,反運算;或者說把面積切成長條狀加總起來
根本的東西都要很簡單,難是難在要以之計算各種情境
一但把案例列入,多多講解,那經濟學就會變厚厚一大本
不用讀經濟學,菜市場的小販天生就懂
那其實經濟學算是把名詞統一,方便溝通
就好像蝴蝶效應,以其原理來說當然也可以講天蛾效應,蜻蜓效應
不過大家統一用蝴蝶效應一詞,當成成語來用,也可以有效減少篇幅
因此理想上小販應該幾天內就可以翻完郭婉容的經濟學
然後套用在菜市場的情境上使用,拿自己的人生經驗屌打只會讀書的學生
當年讀到邊際效益遞減,驚訝於怎麼用這個名詞,而不是白話的"愈來愈沒用"
不過它就是英文翻譯過來的東西,原文裡有 margin,那就翻成邊際,似乎也沒錯
----------------------
蘋果吃多了,再多吃一顆也沒更滿足
錢夠多了,再多錢也沒有更快樂
真的,在很多地方都見到實證
當然有人會說'錢不是萬能,但沒有錢萬萬不能'
尤其是財務尚未自由時就在暢談'錢更多也沒更快樂'似乎是太理想化了
不過就像數學裡的微積分,它是在計較數值的微小改變
而不是真的等結果發生了才突然計較
那這樣就設計不出變頻式冷氣這麼節省能源的好東西了
等結果發生才突然計較,就是最原始的 on/off 控制
對於不是很有錢的人來說,照樣可以這麼體會到金錢的邊際效益
比如感冒,花一百五看健保可以拿到藥,可以減緩病情得到滿意的效果
你還要花到一千五嗎?要花到一萬五嗎?要花到十萬五嗎?
對吧,窮人看錢,還是可以用上邊際效應的
不是等錢夠多了才說錢再多也沒用(不會更開心)
而是在適當的場合,該花小錢就好卻花了大錢,那錢再多也沒用...
-------------------
外在的一切,之於我們,都是資源
我們真正掌控的是'控制權'
有點像租用,借用,用完後還是要還回去
再有錢再有錢,死了後錢也是身外物
再有房再有地,身外物一樣留給別人
因此努力有沒有用?
其實拿邊際效應來看,重點是我們在原本的基礎上改變了什麼
就一個一出生就每個月可以花三萬元的孩子來看
如果他不努力,以致零用錢愈來愈少,到後來只能花兩萬,花一萬
和另一個相反的一出生只能花一千元
但透過努力,到後來可以花兩千元,三千元
的確窮孩子發展到後面的終點,還沒有富孩子的起點來得多
但那是數字上的,參考邊際效應的講解
一個是上升,另一個是下降,誰比較快樂呢?
一切都只是暫時的控制權
能在其上創造出最大的邊際效應,遠比擁有龐大資源的人來得快樂
擁有一億當然很好,但那是指懂得花錢的人
如果不懂,海砸五千去看感冒
滿足感也不會有拿一百五去看感冒來得好
除了錢,還有其他嗎?
比如滿滿的顏值
滿滿的體力
滿滿的智力
滿滿的。。。。
不管擁有什麼,不是用在刀口上,而是海砸
那換來的都不會太多
滿足感也不會太多
想清楚我要講的,這真的不是在酸
控制能力好的人,應該不用太多金錢
不用太高顏值
不用太好體力
不用太好智力
都能過得比別人快樂
因為邊際效益會遞減
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.82.161.144 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/RIPE_gender/M.1563771129.A.ED9.html
※ 編輯: HuangJC (111.82.161.144 臺灣), 07/22/2019 12:53:54
我甚至可以找到邊際效應遞增這種文章咧
合於遞減的狀況裡說,東西愈貴銷售量就會愈少
但也有東西例外,賣得貴反而賣得好:比如炫耀財
其實這些理論是在講解,而不是在創造
就好像學物理的人列出物理算式可以精確的計算物理行為
那是在講解,或者在設計新產品時,有助於預估
但如果結果不如預期,那是算式列錯必需重列
不會是你算式列了,就有法子逼事實照你規定的算式走
所以下降比上升快樂,那是你看得開,我還沒法子
(有個漫畫很有趣,父子倆最後漂浮在空中,悟道了 XDDD)
-----------------
不易懂是我文筆不好,講明白的吧..
電冰箱我是不會送的,這種東西不是贖罪券,這也不叫做好事
雖然為善不是希望有回報,但不懂感恩不惜福的人不用幫
對方是付出多少努力來爭取?只要獅子大開口就可以了嗎?感覺像欠他的
還不如去二手傢俱行找台二手就好(自己買新的,二手退給他們差不多)
要新傢俱,拿出自己努力和本事來賺啊
不滿足是逼迫自己努力的動力
不是逼別人掏更多錢的動力
如果有困難,當事人無法付出更多,那二手拿了也就不錯了
窮有窮的生活,二手冰箱也會涼
不是要把窮人供在佛桌上才叫善心
※ 編輯: HuangJC (111.82.161.144 臺灣), 07/22/2019 19:49:59
... <看更多>