Posted in Mr. Friday, 媒體, 專欄, 新聞, 網路產業 on Aug 2nd, 2008
Posted by Mr. Friday
本文已刊載於《Download網路密技王No.5》
一向給人老字號感覺的中國時報,前陣子傳出大幅裁掉將近一半員工、將「去蕪存菁」、縮減版面轉型為「菁英報」的消息,著實讓我感慨了好幾下。還記得,小時候每天爸爸下班後,手上總是抱著一份當天中國時報歸來。在那個資訊還不發達的年代裡,中國時報的娛樂與體育版是我最期待的消遣來源。當然,以現在的眼光來看,那些內容與蘋果日報完全不能相比,甚至與同時期的民生報也是差了好大一截,但是兼容並蓄的筆觸、充滿人文情懷的副刊、幽默的給我報報,在當年的確是一大指標。
可是曾幾何時,大眾的閱聽習慣逐漸轉變了。傳統報業自邁入新世紀後,遇到的困難越來越多。在2006年,經濟學人刊出過一篇「Who killed the newspaper?」竟直接認為報紙這個行業最終會消失。經濟學人引用的是美國新聞學教授Philip Meyer「The Vanishing Newspaper〈消失的報紙〉」一書,預言報紙會在2043年消失。雖然距離現在還有三十幾年,但是報業的未來,似乎不被這些學者們看好。
〈圖片來源:The Economist - Who killed the newspaper? 〉
Read Full Post »
Posted in Mr. Thursday, Video, 專欄, 神經生物 on Jul 29th, 2008
Posted By Mr. Thursday
石油價格和食品價格不斷上升,能源危機,無論是機器要用的石油、還是生物要用的食物,都慢慢顯現出來,除此之外,二氧化碳產生的溫室效應,也開始在氣候上面表現出來。面對這些危機,我們人類也開始有相對應的措施。太陽能發電,就是一種替代能源的方式,然而在研究太陽能發電之前,我們不妨也來看看,現在已經存在的太陽能發電,在生物上的模型,也就是植物的「葉綠體」了!葉綠體 (chloroplast) 是植物裡面負責將陽光,轉換成食物的地方。您看!自然界多麼巧妙!二氧化碳太多嗎?植物光合作用正需要它!能源危機嗎?植物的光合作用正是要產生糖類,之後無論是要當成食物、還是生質柴油 (diesel fuel),都可以!唯一需要的,就是陽光、二氧化碳、和水,產出除了食物、水、還有呼吸需要的氧氣呢!這實在是太美好啦!就讓我們先來看看,葉綠體裡面是什麼樣子的作用,可以成為這麼好的太陽能發電廠呢?
圖1 光合作用流程圖
上面這張圖可以看到,光合作用需要二氧化碳 (CO2) 和 水(H2O),下面則是有氧氣 (O2) 和 蔗糖 (sucrose) 。當然啦,還有最重要的太陽光在左上角。光合作用整個分成兩大部分,左手邊負責把太陽光的能量,轉換成電子的動能,用來產生細胞的能量貨幣 ATP ,右手邊則是把產生出來的 ATP 用來驅動右手邊的加爾文循環 (Calvin Cycle) ,產生蔗糖。如果讀者不大了解 ATP 是什麼,可以把ATP想像成細胞裡面傳遞能量的一種物質,就好像我們平常買賣會用錢幣或紙鈔一樣,ATP 就是一種細胞交易能量的貨幣。
圖2 葉綠體
接著,讓我們看看葉綠體的結構,葉綠體如上圖所示,裡面有許多綠色圓柱,是由一片一片類囊體 (thylakoid) 疊起來的。類囊體 (thylakoid) 和粒線體一樣,有內外兩層細胞膜。在粒線體: 細胞的發電機裡面我們曾經介紹動物把吃進去的食物,怎樣子透過粒線體,轉換成細胞交換能量的貨幣單位ATP,其中粒線體也是一個具有內外兩層細胞膜的胞器。
下面這張圖則是顯示葉綠體,在葉子裡面的哪個地方。左上角是葉子,右下角就是葉綠體。
Read Full Post »
Posted in Mr. Tuesday, 娛樂, 專欄, 電影 on Jul 29th, 2008
Posted by Mr. Tuesday
因為有了導演對恐懼意象的出色掌握,當布魯斯韋恩回到象徵童年創傷的那座蝙蝠洞裡、在一切心結的起源處重新站起時,那一幕終結所有的過去並重獲重生的力道才得以撼人心扉、讓人為全新蝙蝠俠的誕生大聲叫好。
即使已經三年過去了,我依舊記得當初就在國賓戲院裡,一開場的DC Comics商標閃現過後、是一片漫天壓境的蝙蝠群黑影、那在亮褐色的空中排成蝙蝠標誌又隨即散逝的片頭。
終於,《黑暗騎士》上映已經一週了。如今回頭去看《蝙蝠俠:開戰時刻(Batman Begins)》,既是在對今年最期待電影的前情之回顧,更是對一部近乎成了傳說的作品再次地驚豔。然我得承認,在三年前進戲院的當時,對這部號稱重開系列的蝙蝠俠電影其實信心並不高。也許正因為如此,那氣勢萬千的開場才會讓我如此震撼吧。
Read Full Post »
Posted in Mr. Friday, Web 2.0, 專欄, 新聞, 網路新聞, 網路產業 on Jul 23rd, 2008
Posted by Mr. Friday
這幾天,幾個我常去的新聞網站、朋友的BBS、Blog與Twitter上,不約而同的提到了一個消息:Facebook打算對德國的社群網站StudiVZ提出告訴,原因是他們覺得StudiVZ的介面完全抄襲Facebook,只差在StudiVZ把藍色改成紅色而已!
〈圖片摘自TechCrunch - Facebook Sues German Social Network StudiVZ 〉
聽到消息以後我愣了一下,然後尷尬的笑了:
「呃…那其他連顏色都沒改的怎麼辦?」
〈圖片摘自ReadWriteWeb - China’s Facebook Clones 〉
「呃…那其他連網頁原始碼都沒改的怎麼辦?」
〈圖片摘自XDite - 網站目標相等,所以JS也相等? 〉
Read Full Post »
Posted in Mr. Thursday, Research, Video, 大腦, 專欄, 神經生物, 網路新聞, 電腦科學 on Jul 23rd, 2008
Posted By Mr. Thursday
由匹茲堡大學 (University of Pittsburgh) 和卡內基美隆大學 (Carnegie Mellon University) 的研究團隊所做的研究,把電極插到猴子的頭腦裡面,接著用電腦分析讀取電極傳出來的大腦訊號,轉換成機械手臂移動的指令,猴子便能夠用「想」的,移動機械手臂來自行拿取食物來吃。讓我們先看一下 DEMO 的影片。
這個研究如果將來技術成熟之後,可以應用在一些癱瘓病人身上。他們大腦裡面負責運動的區域可能還是好的,但是運動的肢體像是手臂等等,可能已經無法使用,這個時候就可以用機械手臂來取代,並且透過電及和電腦分析,讓使用者可以用意念,來指揮機械手臂。
目前比較困難的是,研究人員發現插進大腦的電極 (electrode) 在幾個月之後就會無法使用,因此這部分還有待突破。然而大腦運動區域訊號的分析,則是已經有顯著進展,只要先有一小段訓練時間,電腦就可以慢慢了解猴子移動手臂往上、往下、往前、往後、往左、往右、開始、停等訊號。
此外,我個人的觀察是,首先,因為運動神經在腦幹 (brain stem) 的區域會左右交換,因此影片中猴子右手一邊在動,但是我猜他們放置電極的地方可能是左腦的運動區。其次,運動訊號主要就是從大腦的主要運動皮質 (primary motor cortex) 區域裡面,負責手臂運動的地方的訊號來分析。不過不知道如果加上小腦 (cerebellum) 的訊號,會不會讓效果更好?因為小腦主要就是對運動進行微調,負責無意識的運動調節學習 (adapt)。
大腦的運動區域對身體的分佈,可以參考大腦一日遊裡面的這一張圖的說明:
左邊是主要感覺區的分佈,右邊是主要運動區 (primary motor cortex) 的分佈,臉部無論是感覺或是運動,都佔了很大的比例,代表對臉部的感覺和運動很細膩,需要比較大的區域來處理或產生訊號。另外,皮質區 (cortex) 是有意識的資訊的處理,訊號離開大腦後,會延著腦幹,往脊隨 (spinal cord) 的方向傳遞,中間會經過小腦,也會隨著訊息的目的地在不同的地方左右互換,這部分滿複雜,可能要重新複習一下課本才會記得,有興趣的讀者在繼續深究這一部分吧!
Read Full Post »
Posted in Mr. Monday, 專欄, 生活 on Jul 17th, 2008
Posted by Mr. Monday
(圖面來源: Savage Chickens)
Mr. Friday 的 <資訊相關科系畢業的學生,未來會是什麼樣子?> 文章讓我有一些感觸,尤其是看到文後一面倒的評論,更是讓我感觸良多。許多人提到興趣的重要性,我也不否認興趣的重要性。但是當我們在談到興趣的重要性的時候,我們應該考慮到更多的問題,這個問題不應該只是這麼簡單,因為如果只是這麼簡單的問題的話,這個問題早就被解決了。
Read Full Post »
Posted in Mr. Friday, 專欄, 觀點, 電腦科學 on Jul 17th, 2008
Posted by Mr. Friday
請注意:本篇文章只是試圖提出問題與一些個人觀察,並沒有提供絕對的答案。如果你是正在選擇未來人生方向的學生,本篇或許可以當作參考,但是未來的人生方向,還是要你自己決定。
七月到了,又即將是大學聯招榜單揭曉,眾多高中學子邊徬徨著選擇未來方向的時候。每到了這個時節,理工科出生的我總又會開始聽見叔叔阿姨的擔心:「哎呀我家小明不知道能不能考上XX學校」、「ㄟ那個XXX啊,你不是念OO科系嗎?工作好不好找啊,有沒有錢途啊?」、「啊材料/生機還是那個??系是在作什麼的?物理系出來要作什麼,怎麼排名那麼前面?」、「啊資工跟資管是有什麼差別?」
講到這裡,MMDays的讀者多以資訊類相關為主,考一下大家的記憶力,看看誰還記得十年前的理工組大學志願排行?
Read Full Post »
Posted in Mr. Saturday, Taiwan, 專欄, 生活, 統計學, 觀點 on Jun 25th, 2008
Posted by Mr. Saturday
我們都看過一些統計數據,說台灣民眾之中,有超過七成或是八成認為媒體是台灣的亂源,這些人完全不相信媒體。
這些統計數據三不五時總是會被搬出來,久而久之,經過民眾的再三確認,媒體跟亂源畫上等號似乎是天經地義的事情,社會的共識,也好像是這樣子沒錯。好吧,我直接告訴各位,這些統計荒謬得可笑,錯得離譜。看到這邊,你可能會以為我居然要跳出來幫媒體說話。不是,我只是要跟你講,為什麼台灣人民痛恨媒體,但是媒體卻一天比一天猖狂。
Read Full Post »
Posted in Apple, Design, Google, Mr. Saturday, 專欄, 生活, 科技, 網路產業, 觀點, 設計, 電腦科學 on Jun 22nd, 2008
Posted by Mr. Saturday
我相信很多人都跟我有一樣的感覺,這個世界被搞得太複雜了,以致於我們是被科技和無限量的資訊推著走,人們的時間隨著科技的進步居然是越來越少,越來越沒有辦法享受有品質的人生,我們每天 焦慮地吸收資訊,閱讀書報以及網路新聞,深怕自己成為資訊時代的局外人,可是到頭來卻發現:在我們自己真正把這些資訊組織起來之前,我們又得趕快去吸收剛剛湧進來的新聞和知識了,雖說書到用 時方恨少,書讀得多了,毫無疑問知識會有所增長,但是在這一個書永遠讀不完的時代,化繁為簡的功夫,卻是很多人忽略的地方。有的時候,簡化和過濾你手邊的資訊,會讓你更能掌握重點,也能讓這些資訊發揮更大的效益,不僅讀書如此,世界上其他許多領域也是有相同的概念。正好最近我又受到了幾本好書的啟發,因此寫下了這篇文章,除了簡單談談一些四處可見的化繁為簡的案例,也同時作為自己的一個反思。
Read Full Post »
Posted in Mr. Thursday, Research, 大腦, 專欄, 數學, 神經生物, 電腦科學 on Jun 20th, 2008
Posted By Mr. Thursday
在本體論: 讓舉一反三變得可能裡面提到了機器在規則上面的學習,本體論 (ontology)是一件重要的事情,因為有了ontology,機器可以舉一反三,一件事情學習一次,可以以此類推到其他相同性質的事情上面,就如同我們第一堂數學課,學過了一顆蘋果加上一顆蘋果等於兩顆蘋果,考試的時候問一顆橘子加上一顆橘子等於幾顆橘子,我們知道是兩顆橘子,因為我們學到的是一個抽象後的規則: 1 + 1 = 2 ,不會因為蘋果換成橘子,就無法變通。
早期的人工智慧系統,是從邏輯出發,把外在的世界,轉換成一句一句的邏輯規則。或許我們會想問,為甚麼要用邏輯來表示外在世界呢?我們的大腦是用邏輯來處理事情嗎?首先,邏輯 (logic) 可以保證 sound and complete。甚麼又是 sound and complete呢?或許西方的法院裡面,證人作證之前,會先發誓說:I will tell the truth, the whole truth, nothing but the truth. (我會說實話,全部的真話,除了真話以外的都不說。) 因此 complete (完備) 就像是裡面所說的,「全部」的真話,不是部份的真話。sound (可靠) 就像是證人說的,「真話以外」都不說。因此我們如果使用邏輯內在表示法,來表示外在的真實世界,我們進行推理的時候,就不會推理出不會發生的事情。然而真實世界非常複雜,一滴雨滴從天上掉下來,中間溫度的變化,空氣摩擦力,地心引力,旁邊的雨滴,有許多的因素 (factor) 可以影響最後雨滴的位置。我們如果要用邏輯推理,前提的部分可能就要考慮所有可能的因素,才能保證我們用邏輯寫下來的規則,是真實的。
近代人工智慧系統,則是用機率表示法,加上統計對觀察資料的處理,來表示外在的世界。機率不會保證一個規則的sound and complete,但是會給這個規則一個機率值。如果機率值是0.7,代表說如果用了這個規則,100次裡面會有70次正確。或是說,如果有100次機會,70次用這個規則,會有最好的結果。再舉一個例子來說,今天我的手對著一把刀片揮下去,會被砍出一個傷口。我們就學一個規則:比手硬的東西,揮下去會受傷。但是一片硬的牆壁,手揮下去卻又沒有傷口,我們只好修改一下邏輯規則:比手硬,又尖尖的東西,揮下去會受傷。可是一堆沙堆出來一個刀片形狀,手揮下去,是沙堆破掉手沒有事情。因此對於邏輯系統來說,總是會一直出現「例外」,前提必須要不斷修改,才能保證整個規則的真實性。機率表示法來說,就是把例外當成可能發生的事情,「比手硬的東西,揮下去會受傷」的機率是0.8等等,剩下0.2的機率就是那些例外。不過機率也不全然是隨便給定,沒有真實的參考價值,也是要滿足一些基本條件,像是所有事件的機率加起來等於1等限制,因此可以證明如果照著算出來的機率值來行動,可以得到最好的期望值。
但是,除了邏輯和機率這兩種內在表示法,是否就沒有其他表示法,可以保證推理結果的真實性,又能夠處理真實世界複雜的各種因果關係,讓我們繼續活下去呢?或是說,怎樣子讓電腦計算機,可以像人類一樣,舉一反三,能夠化整為零,察覺到最細微的關鍵變化,又能夠「見樹又見林」,知道各個部分之間的關聯性,對整個全局 (big picture) 能夠有所了解呢?在這邊我想提出一個想法,就是「化整為零」。
Read Full Post »