Mr./Ms. Days (MMDays) - 網路, 資訊, 觀察, 生活

Posted By Mr. Thursday
在量子力學 (Quantum Mechanics) 裡面，有個定理叫做「測不準定理」，又稱為「不確定性原理」，英文是 Uncertainty Principle。這個定理是在講些什麼呢？是否是說，我們如果要測量一個東西的長度，拿一把尺，測量的時候因為刻度不夠細會有誤差呢？No No No。那麼是否因為物體會動，尺不會動，所以測不準呢？這樣子只有一部分正確。如果要用很簡單的白話文來說明測不準原理，應該就是：(下面有更正修改過)
物體有兩個性質，分別是「位置」和「動量」。
把物體位置的不確定性變小，動量的不確定性就會變大。
物體位置的不確定性變大，動量的不確定性就會變小。
不確定性越大，測量者就無法準確測量。
譬如說我要測量一本書的長度，如果我把書本固定在桌面上，我就知道測量的尺要往哪邊擺，但是書本在桌面這個小範圍就會移動的非常快速或非常緩慢(動量變化的範圍，也就是動量變化的不確定性增加)，導致我雖然知道書本就在桌面這個範圍裡面，測量的尺卻無法捕捉書本移動的速度。
相反地，如果不限制書本的範圍在一個桌面上面，可以在任何地方，那麼書本的「動量不確定性」(動量可能分部的範圍) 就會變小，動量變化就是質量 (mass) 乘以速度變化 (velocity change) ，這個時候測量的尺如果要追上書移動的速度比較容易，但是卻茫茫然不知道書的「位置」在哪邊了，因為這個時候我們沒有限制書本位置變化範圍在桌面的小範圍內。
因此，「測不準原理」就是敘述物體「位置」和「動量」之間的互補效果 (trade-off) ：位置越確定，動量就越不確定；位置範圍越不確定，動量就越確定。MMDays之前曾經介紹過MIT一位物理教授 Walter Lewin 教學如同表演。MIT開放式課程裡面有這位教授的上課內容錄影，其中量子力學介紹這一堂課就有介紹到測不準原理。各位不妨參考一下裡面介紹的內容。

Read Full Post »

Posted By Mr. Thursday
MIT Technology Review報導了Plastic Logic推出的可彎曲電子閱讀器，裡面也稍微介紹了多分子的面板和E-Ink的技術組合成這種可以彎曲的電子閱讀器。也許有一天，材料技術可以進步到發明一種電子閱讀器，像紙做的報紙一樣揉成一團都沒問題呢！
報導裡面也提到了目前市面上已經有的電子閱讀器，有些也是可以延展的，就先在 Youtube 上面找一些 DEMO 影片給各為先睹為快！
首先是 Plastic Logic 在 DEMO 上面發表的可彎曲電子閱讀器：
 

影片1 Plastic Logic閱讀器

Read Full Post »

Posted By Mr. Thursday
Amazon等書籍網站，會把使用者購買書本的資料，或是使用者的意見，經由機器分析之後，歸納出一些規則，推薦其他使用者新的書本。然而除了使用者直接提供意見的方法，用機器直接分析書本的內容，尤其是書本的寫作風格，把相同風格的書籍找出來推薦給使用者，也是另外一種內容分析的推薦方法。BookLamp就是使用這種推薦方式的系統。

影片1 BookLamp簡介

Read Full Post »

Posted By Mr. Thursday
今天上網尋找東西或資訊，無論是用Google還是Yahoo，我們用的都是關鍵字 (keyword) 搜尋。關鍵字搜尋對一些專有名詞的資訊搜尋效果不錯，然而有時候我們只知道比較廣泛的概念，想要找比較詳細的資訊卻不知道該下什麼關鍵字，或著是同義字很多，像是 Apple是指水果的蘋果，還是蘋果電腦？或是我們想用自然語言的問句，來界定我們關鍵字的上下文意義，避免找到有這個關鍵字，應用情境 (context) 卻不是想要尋找的情況。「語意搜尋引擎」想要達成的目標就是如此，當少數關鍵字的意思並不明確，無法清楚定義出情境 (context) 或是排除同義字，或是想從廣泛的概念搜尋比較詳細特定的概念，就可以運用語意搜尋引擎來找找。
目前有哪些搜尋引擎呢？針對 Wikipedia 內容來做語意搜尋的搜尋引擎有 Powerset 和 Cognition，Cognition除了包含Wikipedia的內容外，也針對法律 (legal) 內容和醫學 (medicine) 內容做搜尋。Hakia 則是針對整個網路的內容做語意搜尋。除此之外，最近也有 Evri 這個語意搜尋引擎，使用類似資料庫裡面 entity-relationship (ER) 的瀏覽方式，讓使用者可以根據事情之間意義上的關係，從一個網頁連到另外一個網頁，讓超連結 (hyperlink) 不是只有關鍵字的連結，而是經由事物的屬性意義的連結。下面就讓我們先看一下這些搜尋引擎的 DEMO 吧！

影片1 Powerset demo

Read Full Post »

Posted By Mr. Thursday
在之前有寫了一些神經科學相關的文章，有些是偏向認知心理的，有些是偏向細胞分子的，或是偏向視覺處理的。神經科學的研究，我本身的是以人工智慧作為出發點，往神經科學研究方向進行。至於為什麼要在人工智慧以外加上神經科學呢？這兩者似乎有一點距離？原來資訊工程的技術是否已經足夠了呢？
這邊我提出幾點研究的動機。首先，目前的機器學習的方式，和人類學習的方式比較起來，有個最大的不同，就是我們人類可能從上課或是閱讀當中自我學習，或是由外在環境給予的經驗來學習。機器同樣也是接收外界的刺激，調整自己的反應來學習，然而機器學習過程當中，有時候會需要滿多人類的介入，譬如說調整參數、調整模型或演算法等等。如果用類比的方式來說，目前機器學習的方式如果用到人上面，就像是把人的腦蓋打開，調整裡面的神經連結，關起來以後再讓人腦跑跑看有沒有學習到。其實這種方式學習也沒有什麼不好，因為機器的目標，其實是服務人類，學習的東西有學到，怎樣子學習到就不那麼重要了。
那麼機器目前學習的情況如何呢？其實目前的電腦和機器算是滿先進的，加上運算速度快，純粹數字計算的能力就比人類心算能力還快，許多應用服務也讓人類生活改善不少。然而有些比較難處理的問題，像是需要人類智能才能完成的問題，譬如說翻譯、圖形辨識、影像辨識、語音辨識、語意了解等等，這些都算是人工智慧 (Artifitial Intelligence 人工智能) 所需要解決的問題，這些問題的解決，沒有隨著硬體速度的增加而解決，因此軟體上面的進步，就是關鍵了！目前對於這些難以解決的方式，有兩種解法：(1) 運用大量的訓練資料，譬如說Google翻譯，使用大量的訓練資料，或是PDA的手寫辨識，大量的訓練資料都讓正確率大大提升。(2) 運用人工運算 (Human Computing) 結合Web2.0的方式，提供人性化的介面，讓每個人在趣味中貢獻微小的人類智力，解決一些大量資料也無法解決的東西，譬如說reCAPTCHA、語意辨識、圖形的ROI (region of interest) 等等。

Read Full Post »

Posted By Mr. Thursday
David OReilly運用 anamorphosis 的技術 (古代把物體畫成變形的圖案，透過特殊鏡片或角度才能看到原貌的繪圖技術)，將他原本的動畫呈現在iphone上面，但是會因為觀看角度的關係，讓人以為這隻小貓是立體的，而且還可以透過觸控螢幕來移動動畫的觀賞角度呢！實在是非常神奇的創作！ 

 iHologram - iPhone application from David OReilly on Vimeo.
資料來源

(The Next Web) See that little creature? It’s a iPhone holographic illusion

Read Full Post »

Posted By Mr. Thursday
免疫系統對我們實在是非常重要。之前介紹過的病毒，或是生活環境中都有許多細菌，甚至身體裡面也會自己長出癌細胞，但是因為有了免疫系統，我們可以在一定程度下保持自己的健康，除此之外，我們得過一種疾病之後，還會記住這個疾病，第二次的免疫反應會更大更迅速，讓我們有「免疫」的表現。或者透過疫苗的方式，我們也不需要得過一次病，就可以「免疫」了！然而我們的免疫系統，是如何運轉的呢？除了白血球 (可以細分為4種今天不談) 提供身體一般非特定性的免疫功能，對每一種疾病特定的免疫反應，則是透過身體裡面的兩種淋巴細胞來反應，分別是B細胞和T細胞。為什麼叫做B細胞和T細胞呢？是因為他們喜歡用 BT 下載影片嗎？No No No! B細胞是因為他是在骨髓 (bone marrow) 裡面成熟，所以稱為B細胞， T細胞是因為他是在胸腺 (thymus) 成熟，所以稱為T細胞。

圖1 淋巴細胞(lymphocyte)與樹狀白血球細胞(dendritic cell)
B細胞和T細胞如何在身體裡面清除病原，讓身體保持健康呢？這邊有另外兩個主角，就是抗原和抗體 (antigen and antibody)。抗原是病菌或病毒上面某個可以被辨認的蛋白質片段，而抗體就是免疫細胞上面，可以專門來辨認和結合抗原的部分，抗原和抗體，就有如鑰匙和鎖的關係，而且具有特定性，一個抗體就只辨認一種抗原。B細胞和T細胞的差別，可以從他們細胞膜上面的抗體來分別。

圖2 抗原 (antigen) 與 抗體 (antibody)
每個T細胞或B細胞上面有許多抗體 (antibody)，就像上面那張圖裡面紫色的部分一樣，每個細胞有很多個抗體，但是同一個細胞表面的抗體會全部都一樣，也就是說抗體有很多種，但是一個B細胞或T細胞上面，只有一種抗體分布在上面。而一個抗原(antigen)則會有許多小部分 (epitopes) 可以讓某一個特定的抗體所辨認，所以一個抗原，有時候會需要三個抗體才能完全被辨認和結合。
抗體結合到抗原上面，就表現出免疫的作用了，譬如說病毒如果被抗體辨認，然後結合起來，病毒原來可以侵入細胞的區域，可能就被抗體給佔據，因此病毒就無法再入侵健康的細胞了。對於已經被感染的細胞，或是外來的病菌，抗體則是有另外一種作用，簡單地說，是一種把抗原標示起來的作用，讓免疫系統其他組成份子可以確定摧毀的目標。整個故事怎麼走呢？下面就來慢慢解釋。

Read Full Post »

Posted By Mr. Thursday
下面的FLASH是由 Arthur Shapiro 所製作的視覺錯覺。原本固定形狀的花朵，加上邊緣的線條，就會開始規律地扭轉，好像在呼吸一樣呢！

FLASH1 呼吸的花
Arthur Shapiro會在他的blog每天製作一個視覺的錯覺 (Visual Illusion)。也許會納悶，怎麼人的視覺系統會產生錯覺呢？這樣子不就不大好？其實我們也可以說，因為人類視覺系統如此特別，所以可以輕鬆地辨識物體，尤其在切割兩個重疊的影像的時候，我們可以很輕鬆地把同一盤菜裡面的菜和湯分開來，如果要用電腦來處理，目前仍然無法很容易地進行。
其中部分原因，是因為我們的視覺系統是用對比的訊號 (contrast)，而不是像電腦的編碼，儲存的時候是用點陣圖的方式儲存，對比的資訊需要另外計算。電腦似乎就是用「絕對」的方式來處理視覺資訊，而人腦就是用一種「相對」的方式來處理視覺資訊，因此對電腦來說不容易的視覺工作，人腦是非常容易辦到，不過也因此會有副產品的產生，就是視覺上的錯覺了。之前曾經介紹的Ebbinghaus Illusion，就是可以說明我們使用相對資訊來處理視覺，因而產生錯覺的例子，您看！中間兩個圓圈是一樣大的，但是因為週遭圓圈大小不同，我們相對的視覺系統，就產生大小不同的錯覺了。

圖1 ebbinghaus illusion
除了「相對」的處理方式是人腦和電腦有所不同的地方，「平行計算」是另一個可以比較的地方。不過無論是電腦或是人腦，都會有平行計算，因此今天想探討的是另外一個問題，請各位先觀察一下下面這張圖片：

圖2 人腦XOR
這個圖片是由 Mark Changizi 所製作的，主要的想法是希望能夠利用人腦平行計算的能力，來解決一些邏輯上的運算。譬如說上面這張圖，是希望在圖的最上方可以放0或1，0的盒子會遠離觀賞者，1的盒子看起來會朝向觀賞者。接著觀賞著沿著這張設計好的圖，運用人腦的平行計算能力，看到圖片最下方的地方，如果感覺是朝向觀賞者，就說是1，如果最下面看起來是遠離觀賞者，就說是0。而這張圖的設計，可以讓觀賞者自然地從上面看到下面的時候，做了一個XOR (exclusive OR) 的運算。
不過我想探討的問題就是：平行計算應該是發生在運算初期的部分，無論是人腦還是電腦的平行計算。

Read Full Post »

Posted By Mr. Thursday
電腦有電腦病毒，在生物體也有病毒。病毒和寄生蟲有類似的地方，就是他們都無法自行完成繁殖後代的過程，必須要找到宿主，才能產生下一代。病毒簡單地說，就是由 DNA 或 RNA組成一個病毒的中心，外面在包上幾層醣蛋白 (glycoprotein) ，就是一個病毒了，因為只有 DNA 或 RNA ，所以病毒容易突變，所以感冒疫苗比較少見，因為突變速度太快了。然而也因為病毒只有 DNA 或 RNA，因此他沒有一般生物體細胞裡面維持生命所需的胞器，像是之前介紹過的粒線體來提供能量，以及各式各樣的酵素來維持各種循環，以及最重要的，複製自己產生下一代。
因此，病毒組成非常簡單，就是DNA、RNA，外面包一層蛋白質就是了。

圖1 SARS病毒
現在剩下的問題，大概就是：DNA、RNA是什麼東西呢？之前DNA到蛋白質的過程這篇文章裡面，有簡單地介紹一下DNA、RNA、以及蛋白質之間的關係。在這邊我也簡短地複習一下，讓各位可以知道DNA，進一步知道病毒是什麼東西了！
當我們要學習一件新東西的時候，有個方法是讓新東西和過去學過的東西產生連結，譬如說視覺上，可以把以前學過可以辨識的特徵拿出來，變成現在新東西的面貌。譬如說我們可以把新東西切割，分析是由哪些我們已經知道的東西組成的。假如今天您從來沒聽過DNA、RNA，字面上我說DNA是deoxynucleic acid的縮寫，中文稱為去氧核糖核酸，可能你還是不知道這些字的意義。因此，先讓各位視覺上有個印象，分別看一下DNA和RNA的圖片：

Read Full Post »

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 »