【媽媽說紅茶是鹹的】— 研究指出高達40%的失智症是可以避免的
「民啊!這紅茶怎麼是鹹的?」88歲林吳金枝罹患失智症,剛開始忘東忘西,行為變得異常,把醬油當成紅茶喝,重複買鍋子,還幻想媳婦是老公的小三;她的兒子林進民用手機紀錄陪伴母親的艱辛血淚史,並將10年累計1000個小時濃縮成1小時紀錄片。
■紀錄失智10年血淚
紀錄片主角林吳金枝的兒子林進民分享他紀錄、陪伴失智母親10年甘苦。林進民說,當初紀錄媽媽生活點滴只是想留做紀念,沒想到拍了10年,早在10年前媽媽就出現失智症狀,例如媽媽常重複買東西,鍋子、刷子買一堆,忘了煮過很多飯,四處藏東西、找東西,找不到就說別人偷走。
林進民表示,有一次在家裡聽到媽媽喊說「民啊!這紅茶怎麼是鹹的?」他楞了一下跑去看,媽媽竟站在冰箱旁喝醬油。還有一次他載媽媽去菜市場,先讓媽媽在雜貨店前下車,他停好車返回,竟聽到媽媽向別人說:「哪個司機很好,載我來,還給我1000元。」哪時候他才驚覺媽媽可能失智了。
紀錄片導演陳姜瑾也說,拍片前並不清楚失智症,看了林進民哪麼多紀錄影片,內容包括阿嬤生病初期,到她後來臥病,而當她開始拍攝時,阿嬤已空白的一張紙,拍了紀錄片後,她發現失智症還是很難懂,人生也很難懂,看起來很平淡的生活,卻很珍貴[1]。
■從Fiction(小說)到Non-Fiction(記實文學)
59歲的松浦晉也一位作家,擅長報導太空科技新聞。始料未及的是,松浦人生的轉折不是尖端科學,而是在照護失智的母親後因「男性照護先鋒」之名,引發日本社會熱烈討論。
在日本,由兒子照護年長父母,松浦晉也並非先例。但他以身為兒子的男性視角,記錄與母親的失智症搏鬥2年零6個月的經緯並公開出書《媽媽,對不起。獨身中年大叔的照護奮鬥記》(母さん、ごめん!50代独身男の介護奮闘記)於2017年出版,迄今在照護福祉學、高齡化社會等類型中仍榜上有名。
松浦透露寫書的契機是,2015年2月確認母親罹患「阿茲海默症」後,為了延後在刊物寫專欄的日期,他坦白地告知編輯部。「那就寫你照護母親的事吧。會受歡迎的唷,」編輯建議。
母親失智,攪亂了天色常藍的生活。「對我來說,照護生活就是與壓力抗戰,」松浦低聲坦承。59歲的松浦未婚,是長男。2004年父親罹癌去世後,家裡只有他與母親同住。弟弟離家自立,妹妹遠嫁德國。
松浦向來以工作為重心,對母親的健康狀況感覺遲鈍,也不關心照護的議題。直到發現母親的行為舉止違反常理,例如講話語無倫次、時空感錯亂、胡亂購買電視購物頻道上的商品、帳戶存款顯著減少、家裡雜亂無章⋯⋯,才知道母親失智的程度已達「需照護1級」(日本分需支援1.2和需照護1.2.3.4.5級),也就是排泄和入浴都需借助他人之手。
失智是條不歸路,患者的情況每況愈下。松浦從此墜入沒有盡頭的暗黑世界。
與母親的衝突隨症狀升高。有一天,身心俱疲的他從外返家,迎面所見的是廚房裡撒滿一地的冷凍食品,以及母親永不歇止的怨懟。怒火中燒,他情不自禁地舉起手來,重重地打了母親一巴掌。「居然打你媽,你這個不肖子!」母親緊握雙拳朝他衝去,全力反擊。
那晚,松浦徹底崩潰了,懊悔與無力感如浪濤般幾乎將他吞噬。母親照護床腳下那深深的壓痕和地毯上的尿漬,交替著出現在朦朧的夢境裡。一帆風順的人生早不見蹤影,置身在看不到岸邊的現實,讓他覺醒到初嚐敗仗的根源是對失智症無知,他禁不住淚流滿頰[2]。
■台灣步入高齡化國家,失智長照成為重要課題
台灣目前已正式步入高齡化國家,隨著老年人口比例的迅速成長,有關失智症的議題也逐漸受到大家的重視。目前全球失智症人口近5千萬人,平均每3秒就有1人罹患失智症,而在台灣80歲以上的老人,每5人即有1人是失智者。
臺北榮民總醫院桃園分院失智症個案管理師呂念諭說,失智非單純老化或記憶減退,也不是一種疾病的名稱,而是一種腦部功能受損所造成的「疾病症候群」,其症狀不單純只有記憶力的減退,還會影響到其他認知功能,包括有語言能力、空間感、計算力、判斷力、抽象思考能力、注意力等各方面的功能退化,同時也可能出現干擾行為、個性改變、妄想或幻覺等症狀,這些症狀的嚴重程度足以影響其人際關係、工作能力、基本自我照顧及獨立生活能力。
呂念諭指出,較常見的失智症大致分為兩類,「退化性」及「血管性」,但患者有時會存在兩種或以上的病因,最常見的是「阿茲海默症」與「血管性失智症」並存(又稱為混合型),該病症是一個進行性退化的疾病,病程上從輕度時期的輕微症狀,逐漸進入中度、重度、末期症狀,退化的時間也不一定,有個別差異[3]。
■《刺胳針》[6]除了天生基因遺傳,高達40%的失智症是可以避免的
隨著年齡的增長罹患失智症的比率也會越來越高;然而將高收入國家(high income countries)與中低收入國家(middle-income and low-income countries)相比較後可以發現,高收入國家的高齡人口失智的情況低於中低收入的國家,也就是說,年齡這項危險因子確實可以透過適當的方式來降低罹患失智症的可能。
目前已經較為普遍認可的失智症危險因子有九項,包括:教育層度低、高血壓、聽力障礙、抽菸、肥胖、憂鬱、缺乏運動、糖尿病與低社交生活。今年的建議中特別增加了三個危險因子:過度的飲酒、腦部的受傷與空汙。
■預防失智症可以從兩個層面著手
▪第一個部分是減少神經病理學的受損(neuropathological damage)
執行的方針包括:控制血糖、治療血壓、避免頭部受傷、停止抽菸、減少空汙與減少中年肥胖。
▪第二個部分則是增加認知功能的儲備(cognitive reserve)
透過治療聽力受損、維持社交生活與受教育則是建議的方式。此外,規律的運動、減少憂鬱的發生與避免過度飲酒被建議為同時減少神經病理學的受損和增加認知功能的儲備。
如果將這些「人的生命旅程(早年、中年與晚年)」與「危險因子」配合比較的話,可以得到以下的對照:
▪早年(<45歲):教育層度低。
▪中年(45-65歲):聽力受損、腦部受傷、高血壓、過量飲酒、肥胖。
▪晚年(>65歲):抽菸、憂鬱、社交缺乏、缺乏運動、糖尿病與空汙。
除了個人可以透過健康的生活型態減少罹患失智症的機率,政府的功能也不可忽略。正確的政策可以帶給國民更健康與較高的生活品質,落實全民教育與義務教育的延長可以減少早年低教育層度的問題;透過政策減少頭部外傷的活動與可能性,例如:美式足球因為需要利用頭部撞擊作為進攻手段的方式也經常造成球員罹患認知功能退化的問題。
減少國人飲用酒精的程度以及減少空汙的排放都是需要政策面的支持;另外,落實全民的心血管健康與糖尿病的預防等等措施,都是建議政府可以採取的相對應措施[4]。
依據世界衛生組織統計資料顯示,全球每3秒鐘就新增一名失智症患者,而東亞地區的失智症盛行率為6.99%。國際失智症協會(簡稱ADI)將每年9月訂為國際失智症月,在2016年主題是「記得我」(Remember Me),就是要提醒民眾,即使罹患失智症的家人,現在可能已經不記得我們,但曾經共度過的美好時光,一直都在彼此心中[5]。
【Reference】
1.來源
➤➤資料
[1](自由時報)「媽媽說紅茶是鹹的」紀錄失智10年血淚 紀錄片首映:https://news.ltn.com.tw/news/life/breakingnews/2436389
[2](天下雜誌)「媽媽,對不起!一個獨身中年大叔照顧失智母親的故事」:https://csr.cw.com.tw/article/42019
[3](桃園電子報)「台灣步入高齡化國家 失智長照成為重要課題」:https://tyenews.com/2021/04/120783/
[4](The News Lens 關鍵評論網)「《刺胳針》發表失智症論文精華篇:除了天生基因遺傳,高達40%的失智症是可以避免的」:https://www.thenewslens.com/article/154063
[5](國民健康署)「記得我…關懷失智家人 注意早期7徵兆 預防失智症,從健康生活做起」:https://www.hpa.gov.tw/Pages/Detail.aspx?nodeid=1136&pid=3158
[6]
Livingston G, Huntley J, Sommerlad A, Ames D, Ballard C, Banerjee S et al. Dementia prevention, intervention, and care: 2020 report of the Lancet Commission. The Lancet. 2020 Aug 8;396(10248):413-446. https://doi.org/10.1016/S0140-6736(20)30367-6
➤➤照片
(康健雜誌)「失智症的原因是什麼?10大症狀、治療預防一次了解」:https://www.commonhealth.com.tw/article/84085
2. 【國衛院論壇出版品 免費閱覽】
▶「國家衛生研究院-論壇」出版品(電子書免費線上閱覽)
https://forum.nhri.edu.tw/publications/
3. 【國衛院論壇學術活動】
▶https://forum.nhri.org.tw/events/
#衛生福利部 #國家衛生研究院 #國衛院 #國家衛生研究院論壇 #國衛院論壇 #國民健康署
#高齡長照 #失智症 #失智症危險因子#教育層度低 #高血壓 #聽力障礙 #抽菸 #肥胖 #憂鬱 #缺乏運動 #糖尿病 #低社交生活 #過度的飲酒 #腦部的受傷 #空汙
衛生福利部 / 國民健康署 / 財團法人國家衛生研究院 / 國家衛生研究院-論壇
同時也有2部Youtube影片,追蹤數超過22萬的網紅TuTou,也在其Youtube影片中提到,本集主要是軟體篇,教大家如何簡單的挖礦,過程有點詳細所以會有點複雜,你們就挑受用的部分就好了。教了NiceHash註冊,挖礦教學,AMD和Nvidia顯卡的相關問題,如何算收益,顯示卡降壓超頻,各種軟體使用上的注意事項等等,希望對各位有幫助。有任何問題或是教錯的部分請再評論區留言給我謝謝。組多張顯卡...
手機 算力 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
手機 算力 在 紫丁香婦幼關懷協會 Facebook 的最讚貼文
【防老人失智也能成商機】(下)
資策會產業情報研究所資深產業顧問 詹文男
資策會產業情報研究所產業顧問 高雅玲
此一健腦App具備五大功能:①通知:活動通知;②計步:可設定每日步數目標、累計步數、知名徒步旅程(東海道五十三次約500公里、四國遍路約1,200公里)換算;③用餐:提醒、記錄飲食;④健腦遊戲:三分鐘內完成計算、拼圖、找錯等遊戲,有個人與對戰模式;⑤評估:目標及實際達成狀況。
除此之外,可利用家族網頁瀏覽全家人整體表現,讓家人間彼此關心,有更多話題,相互鼓勵,一起維持身體健康。網頁使用費為一個家族每月500日元(最多可登錄66個帳號)。同時,每個月還可免費進行一次「認知功能檢查測驗」,量測自己的腦部認知功能。根據用戶使用結果分析發現,利用該App約一個月後,使用者認知能力提升約30%(記憶力42%、計算力21%、判斷力30%)。
值得一提的是,自2009年起,日本75歲以上的駕駛人在更新駕照前必須先接受認知功能測驗。測驗時間30分鐘,測驗結果分為三級,第3級僅需接受2小時的交通講習,第1、2級的駕駛人則必須接受3小時的交通講習。如發現已經失智,則逕行吊銷駕照,以維護高齡駕駛者與用路人的安全。
Bspr公司的「駕照更新用認知功能檢查」可忠實重現日本警視廳的高齡駕駛人「認知功能檢查」測驗,可裝載在電腦、手機、平板上。操作介面簡單,有手寫及網頁文本輸入兩種形式,測試時間15~20分鐘,並可立即看到測驗結果。受到廣泛的歡迎。
伴隨著日本超高齡社會來臨,失智症人口持續攀升。根據日本厚生勞動省研究結果,2015年日本失智症罹患人數約504萬人,輕度失智症人數436萬人;推估2025年時,失智症罹患人數將增加為730萬人,輕度失智人數則將增加為634萬人,合計將近1400萬人。但遺憾的是失智症目前無法根治,新藥的開發也往往需要投入鉅額資金,進行冗長且繁複的臨床試驗。因此如何藉由相關的軟體與服務來事先預防,成為產業關注的焦點。
台灣的失智人口成長也相當快速,失智協會估計2019年台灣失智人口已逾29萬人,並持續在增加,如何透過預防來減緩失智對社會及家庭的衝擊,需要產政學研一起來努力,並透過好的商業模式來讓這個服務能夠持久,Bspr公司的商業模式應可有很大的啟發。
(全篇完。上篇刊登於7/7)
#婦女專欄
#防老人失智也能成商機
#健腦App
--------------------------------------
更多文章與新知~請上紫丁香官網:
https://new.lilac.org.tw/
手機 算力 在 TuTou Youtube 的精選貼文
本集主要是軟體篇,教大家如何簡單的挖礦,過程有點詳細所以會有點複雜,你們就挑受用的部分就好了。教了NiceHash註冊,挖礦教學,AMD和Nvidia顯卡的相關問題,如何算收益,顯示卡降壓超頻,各種軟體使用上的注意事項等等,希望對各位有幫助。有任何問題或是教錯的部分請再評論區留言給我謝謝。組多張顯卡的礦機教學會在下下部推出。
成為頻道會員 ➔ http://2tou.cc/JoinMember
喜歡還不快訂閱 ➔ http://2tou.cc/SubTuTou
---------------------------------------
挖礦日記系列影片 ➔ http://2tou.cc/MiningPlaylist
任何挖礦問題請至
海外用戶請用這個 ➔ http://2tou.cc/TuTouDiscord
兔頭Line顯示卡挖礦社群 ➔ http://2tou.cc/TuTouLineGroup
兔頭Line手機挖礦社群 ➔ http://2tou.cc/TuTouPhoneMining
兔頭官方Line ➔ http://2tou.cc/TuTouLine
兔頭代組礦機 ➔ https://2tou.cc/TuTouShop
NiceHash: http://2tou.cc/NiceHash
NiceHash算力收益計算器: http://2tou.cc/NiceHashCalculator
以太幣(ETH)對比特幣(BTC)價格走勢: http://2tou.cc/ETHBTC
NiceHash繁體中文化檔: http://2tou.cc/NHCht
NiceHash Android App: http://2tou.cc/38rlr2
NiccHash Apple IOS App: http://2tou.cc/3cdu3k
NiceHash安裝位置路徑
%USERPROFILE%\AppData\Local\Programs\NiceHash Miner
如果遇到無法顯示資料夾請設定顯示隱藏資料夾
https://reurl.cc/qmvYOR
GTX 1080 和 GTX 1080 Ti 與 泰坦 XP 的顯卡加速器:
ETHlargementPill: http://2tou.cc/ETHPill
交易所
MaiCoin Max: http://2tou.cc/MaiCoinMax
幣安: http://2tou.cc/Binan
幣托: http://2tou.cc/BitoEX
MaiCoin: http://2tou.cc/MaiCoin
顯卡部分
AMD驅動: http://2tou.cc/AmdDriver
Nvidia驅動: http://2tou.cc/NvidiaDriver
挖礦設備推薦清單
兔頭蝦皮 ➔ https://shopee.tw/tim885885
挖礦主板含CPU ➔ https://shp.ee/je5cevp
微星挖礦主板 ➔ https://shp.ee/uu7k8w7
PCI-E x1 延長線 ➔ https://shp.ee/dhk3sbn
PCI-E x1 擴充 1拖4 ➔ https://shp.ee/9eemw7b
PCI-E 7孔 擴充板 ➔ https://shp.ee/b3jjdct
鋁製礦機架 ➔ https://shp.ee/uf6rnjt
鋁製礦機架2 ➔ https://shp.ee/fx2cqet
開機用跳線 ➔ https://shp.ee/nemcp6t
電源同步啟動線 ➔ https://shp.ee/9q3zwqu
1200w只能接顯卡Power ➔ https://shp.ee/5uajb2s
顯卡部分請自行至以下購物網站找尋
蝦皮 ➔ https://shp.ee/qxvr4kw
找顯卡餓了?去超市買個東西吃吧 ➔ https://shp.ee/akigfpe
掃貨專用
全台比價網 ➔ https://biggo.com.tw
0:00 開頭
0:26 為何用NiceHash
1:15 顯卡算力收益計算
2:11 以太幣換比特幣走勢圖
3:39 如何註冊
3:55 挖礦軟體安裝
5:06 開始使用挖礦軟體
7:40 挖礦設定細節
8:12 GTX1080或TI、泰坦、XP的加速器
9:36 AMD顯示卡特別注意事項
10:27 AMD顯示卡降壓超頻
12:39 Nvidia顯示卡降壓超頻
12:58 挖礦小黑窗解說
13:49 挖礦軟體收稅解說
14:18 NiceHash挖礦出金方式
15:10 本地算力不等於實際算力
15:20 比特幣兌換成台幣教學
16:38 結尾,請訂閱我
礦機資訊
主板: H81 Pro BTC
RAM: 4G DDR3
顯卡:
AsRock AMD RX 580
AsRock AMD RX 590
AsRock AMD 5500XT X4
ASUS Nvidia GTX 1080
EVGA Nvidia GTX 1050
MSI AMD RX 470
MSI Nvidia GTX 1070
Power: 忘記牌 700w,戴爾 870w改裝款
挖礦軟體: NiceHash
拍攝設備:
Samsung S9+: http://2tou.cc/3cgxyx
Sony AS300: http://2tou.cc/3byjzq
Logitech StreamCam: http://2tou.cc/3aszud
剪輯軟體:
Sony Vega 17
我的手機:
Samsung S8+: http://2tou.cc/3ccwfj
#挖礦日記 #Mining #BitCoin #挖礦
---------------------------------------
TikTok: http://2tou.cc/TuTouTikTok
Blog: http://2tou.cc/TuTouWeb
手機 算力 在 賭Sir【杜氏數學】HermanToMath Youtube 的精選貼文
杜氏數學 官方網站: http://www.HermanToMath.com
賭Sir 幫你急救 DSE 數學: https://HermanToMath.skx.io
----------
?️賭Sir是杜氏數學Herman To Math的始創人
?全港唯一「完爆」【DSE Core+M1+M2】、【IAL 12科Maths】、【AL Pure+Applied】、【CE Maths+A.Maths】的數學導師
?全港第一最多訂閱粉絲的數學教育YouTuber
?YouTube觀看次數超越700萬、訂閱粉絲超過50000人
?著作:《YouTuber新手到網紅》、《5**數學男人嫁得過》、《碌葛男人嫁得過》、《賭波男人嫁得過》(獲Google嚴選2018年度50大最佳書籍)
----------
賭Sir收集著數派街坊:
❤️YouTuber Go網絡課程 全港最平+獨家 報讀優惠:
?報讀初班 $600 (原價$800):https://www.youtubergo.com/payment/b-hermantomath-0600.html
?報讀初班+中班 $1500 (原價$1800):https://www.youtubergo.com/payment/bm-hermantomath-1500.html
官方網頁:https://www.youtubergo.com/
❤️無限操數王(epractice) 全港最平+獨家 優惠(可同時使用):
?50%OFF 半價優惠碼:MC83-AI93-NFW0-331E
?25%OFF 額外邀請碼:J7N9-RDRP-NFAH-OH13
官方網頁:https://www.dsemth.com/
❤️Tidebit全港最穩妥的比特幣(Bitcoin)交易所:http://bit.ly/2LIWA4J
❤️Uber免費送你$25優惠:https://www.uber.com/invite/2utyzr
----------
講大 Stand Talks 嘅 Facebook 專頁:
https://www.facebook.com/pages/category/Arts---Entertainment/%E8%AC%9B%E5%A4%A7-Stand-Talks-648268185589764/
----------
幣少爺(簡稱:#幣少;真名:黃鉦傑)
*Facebook專頁:
https://zh-hk.facebook.com/Epoch.Cryptocurrency/
----------
幣少爺(簡稱:幣少;真名:黃鉦傑)相關影片:
*幣少爺(簡稱:幣少;真名:黃鉦傑)接受TVB東張西望專訪:
https://www.youtube.com/watch?v=I8de4OeR2wM
*幣少爺(簡稱:幣少;真名:黃鉦傑)接受蘋果動新聞專訪:
https://www.youtube.com/watch?v=-vzb3__2cG8
*幣少爺(簡稱:幣少;真名:黃鉦傑)接受策略王專訪:
https://www.youtube.com/watch?v=CnI6v2UJWRg
*「幣少爺」曾經係公屋仔 同倫敦金賭波騙局有關係?
https://www.youtube.com/watch?v=KF2i8P4t42g
*【天降銀紙】「幣少爺」揸林寶親自派錢 涉策劃撒錢被捕
https://www.youtube.com/watch?v=ZORzS1d-Gm8
*【幣少派錢?】Rock哥:FCC交易量過億,真係咁強勢?!
https://www.youtube.com/watch?v=-O3dXTh9nvQ
----------
幣少爺(簡稱:幣少;真名:黃鉦傑)相關文章:
*周顯如何應對幣少的公開挑機?
https://www.am730.com.hk/column/%E8%B2%A1%E7%B6%93/%E5%A6%82%E4%BD%95%E6%87%89%E5%B0%8D%E5%B9%A3%E5%B0%91%E7%9A%84%E5%85%AC%E9%96%8B%E6%8C%91%E6%A9%9F%EF%BC%9F-154674
----------
幣少爺簡介:
「幣少爺」,人稱「幣少」,原名關梓傑,真名黃鉦傑,聲稱是「香港 #區塊鏈 第一人」,以參與炒賣加密貨幣成名。
據了解,「幣少爺」黃鉦傑曾與友人合夥開游泳班,對外自稱「慕Sir」,但據知他曾向學員收取學費後,未完成所有授課節數已銷聲匿跡。另有傳媒得悉於2012年8月,當年19歲的黃任職游泳教練,在九龍公園游泳池涉嫌盜竊手機被捕,其後被法庭判處160小時社會服務令。
開設Facebook專頁教授賺錢大計
「幣少爺」在Facebook開設的專頁名為「幣少爺–新世代礦業」,2018年9月初擁有約11,000個跟隨者。其專頁第一個帖子在2018年1月18日發佈,當時「幣少爺」宣稱會教授網民在虛擬貨幣相關產業鏈上「賺錢」,會慢慢深入淺出做教導。
他初時分享一些財經新聞網頁的消息,及後開始分享他的賺錢經驗,最後更提及掘礦。他在2018年2月20日發表了一篇題為「掘礦不求人,幣少爺掘礦攻略」的帖子,並附有短片,告訴讀者留言會PM「掘礦攻略」,最終吸引106名網民留言,對比之前無人留言,該帖子隨即打響了名堂。同一篇帖子的hashtag寫到:「買算力合約係水魚」,似乎意有所指。
「火燎森大戰幣少」
2018年2月28日,「幣少爺」點名另一網絡紅人「火燎森」,說「騙子火燎森疑似已呃夠錢,準備走佬逃出香港!」,指出算力合約的「八大呃錢位」。另外又點名吳家順,指他及「火燎森」都是騙子。
2018年3月,網上討論區出現了「火燎森大戰幣少」的帖子。[2]而「幣少爺」另外點名批評過的吳家順,Facebook blogger「倫敦人妻先生手記」亦在同月出帖「表揚」其掘礦計劃。
之後兩個月,他和「火燎森」等人的爭論互數不是,到了2018年5月,「幣少爺」在Facebook出帖指自己已經正式向「火燎森」發律師信控告他誹謗。
#BitCoin #比特幣
幣少爺
職業
炒賣加密貨幣
原名
黃鉦傑
綽號或暱稱
幣少、弊少、斃少、幕sir
性別
男
對立者
火燎森
參與的網絡社群
Facebook
活躍時期
2018年至今
其他資料或評價
見報人士 此人的真實姓名、網名、作品、個人照或相關事件曾被刊登於報章或主流雜誌上。
爭議 這是位爭議性人物(或相關之爭議事件)。條目內的評價及「推斷」僅反映部份網民之見解,並不代表網典立場或客觀事實之全部。
Iii 此人曾經慘遭起底,其真實姓名、就業/就讀資料及個人照片等個人資料均表露無遺。
A 20 此人曾被香港或其他國家法律定罪,曾遭受牢獄生涯,或留有案底。
「幣少爺」,人稱「幣少」,原名關梓傑,真名黃鉦傑,聲稱是「香港區塊鏈第一人」,以參與炒賣加密貨幣成名。
目錄[顯示]
背景資料
手機 算力 在 手机挖矿 的價格和怎麼買
2022 最新手机挖矿|注册送5个加密货币|签到获得200个|可提现已在币安智能链上在线赚钱项目 ... 中本聪BTCs手机挖矿| 如何参与测试网TestNet及领取10K算力福利步骤? ... <看更多>
手機 算力 在 不要的手機拿來挖礦!月入基本工資!? CryptoTab軟體分享 ... 的價格和怎麼買
大家用我的下載鏈結我自己的確會多一個下線但是看在教大家正確增加下線的方法~還可以多兩倍的 算力 大家還是用我的鏈接給我一點支持吧 影片中開頭說 ... ... <看更多>