譚新強:維珍銀河開太空旅遊新時代 是福還是禍?
文章日期:2021年7月16日
【明報專訊】恭喜維珍創辦人布蘭森(Richard Branson,也預祝7月18日他的71歲生日快樂)創下太空旅遊壯舉,7月11日,乘坐他自己旗下維珍銀河(Virgin Galactic)的團結號(VSS Unity)飛船,成為了第一位進入「太空」的富豪(billionaire)!另一有太空夢的富豪馬斯克(Elon Musk),去了新墨西哥州(New Mexico)為布蘭森打氣兼送行;連輸了牙骱戰的另一富豪貝索斯(Jeff Bezos)也有發賀電,但他應該輸得有點不服氣;他也打算在7月20日,乘坐他的藍色起源(Blue Origin)火箭升空,只差9日,更氣憤的是他必認為布蘭森未有真正進入太空。國際標準以100公里高空的卡門線(Karman Line)為界(貝索斯計劃升穿),但美國標準只是50英里,約80公里高度,今次布蘭森的團結號,最高點只飛至約85公里,所以美國認可他已到過太空,但不符合國際標準(其實也不奇怪,美國在任何事情上,都慣性採取雙標)!
隨着布蘭森今次的成功,正式打開太空旅遊(space tourism)的第一頁。整個旅程只1小時多,直上直落,未進入環繞地球軌道,無重狀態只歷時數分鐘,整個經驗其實較近似主題樂園的過山車!無論如何,布蘭森已號稱圓了人生之太空夢。况且這種極短的「差不多」太空旅程,最適合普羅大眾,毋須太多特殊訓練。乘客承受最大的壓力只約3g,比戰鬥機師高速轉向時承受的9g低很多,所以不需穿抗重力服(Anti-g suit)。
富豪太空遊具帶頭作用 碳排放量恐大增
維珍銀河收取的價錢也非常合理,只約25萬美元,全球能負擔此費用的人數以千萬計。布蘭森升空前,已收到約600名客人訂位,相信今次的成功後,必定客似雲來。YOLO(You Only Live Once,你只會活一次)心理驅使下,連我都有點心動!相對下,藍色起源的收費就昂貴很多,拍賣出一個將跟貝索斯同行的乘客座位,價錢竟高達2800萬美元!是否因為包含一個世界首富當伴遊溢價?
有分析師估計,現在太空旅遊業的價值已約2500億美元,未來將高速增長,到2030年,將升至8000億美元。除現階段這類無聊的「Space trip to nowhere」外,SpaceX和維珍銀河等,都有計劃發展較具實際運輸用途的次軌道太空飛行(Sub-orbital Spaceflights),如成功,北京飛紐約只需兩小時(大家請記住,即是說,比洲際導彈需時更短,因不需減速降落)!
太空旅遊當然吸引,但對地球有何影響?是否值得呢?布蘭森、貝索斯和尤其馬斯克,都自稱綠色戰士,支持環保和致力阻止氣候變化。但自從早前馬斯克大搞Bitcoin和Dogecoin等超秏能加密貨幣一役後,大家已知道他有點虛偽,經常自相矛盾和採取雙標。布蘭森自辯稱,他今次太空之旅的碳排放量,只約等如普通民航機來回倫敦及紐約,聽起來不算嚴重。但團結號今次航程200公里不到,倫敦及紐約來回距離約1萬公里,再者團結號只載6人,一般民航機載客近300人。有人計算過,團結號每乘客每英里的二氧化碳排放量為12kg,對比民航機,平均每位商務艙客人每英里的二氧化碳排放量只有0.2kg,差距60倍以上!另外,大家要知道,普通飛行已非常不環保,每位乘客來回倫敦及紐約一次的碳排放量,已約等如人均開私家車1年!3名富豪上太空數次,對氣候變化影響當然不大,但有不良帶頭作用。如太空旅遊變得普及化,影響就將大很多!
題外話,最近看到一些有關郵輪污染空氣的驚人數據。原來一艘中型郵輪的懸浮粒子(particulate matter, PM)排放量,已等如100萬輛汽車!有個2019年歐洲研究報告顯示,只是一家嘉年華郵輪公司的47艘郵輪,二氧化硫(sulphur dioxide)的排放量,已是2.6億輛歐洲汽車總排放量的10倍!簡直難以置信!原來即使最優質的郵輪燃料,含硫磺量也比歐盟汽車燃油標準高100倍。所以有人形容郵輪為利用最骯髒燃料推動的海上城市。除此之外,郵輪亦已儼然成為傳播各種病毒,包括新冠病毒(COVID)和諾如病毒(Norovirus)等的最佳實驗室。但近日見到有郵輪公司以抽獎遊戲,鼓勵市民接種疫苗,我建議大家參加其他較環保的抽獎遊戲,如商場消費券。其實近日已有人開始呼籲立法禁止郵輪旅遊。
火箭燃料噴出廢氣 臭氧層傷害難補救
言歸正傳,太空旅遊除對全球暖化有影響外,若火箭燃料包含端羥基聚丁二烯(Hydroxyl-terminated polybutadiene,HTPB)和一氧化二氮(Nitrous oxide),更可對臭氧層(Ozone layer)造成難以補救傷害。藍色起源自稱對比維珍銀河的另一優勢正是火箭燃料,他們用氫氣,噴出廢氣只是水蒸氣,而維珍銀河使用化石燃料對臭氧層傷害高百倍!但亦有人指出,製造氫氣的過程中,通常亦會製造大量碳排放。
若然太空旅遊只是一種沒有實際用途的奢侈品,反而對氣候變化有害,那麼為科學而進行太空探索又值得嗎?我非常支持太空探索,像我經常說,如美中能合作尋找ET,若找到,人類肯定較團結。但不幸,美國不止無意跟中國合作,特朗普在數年前竟成立了全新的太空軍(Space Force)部隊,極可能是違反國際禁止太空軍事化條約的!
另外,即使要探索太空,技術層面上,人類航天員可說是多餘的,大大增加成本,甚至阻手阻腳。維持生命的系統非常昂貴和複雜,需要氧氣、食物和洗手間等,更麻煩的是太空人需要返回地球,對太空旅程的時間和距離都有極大掣肘(人類駕駛戰鬥機也面對同樣問題)。無人太空探測器(space probe)簡單和成本低很多,更可一去不返,探索太陽系以外的銀河系,科學價值高很多。數十年前,美國的穿梭機,雖曾風摩全球一段時間(周星馳都是靠它走紅!),但最後的結論是浪費了大量資源和好幾條人命,反而剝削了其他更有科學價值的無人太空探測計劃。諾貝爾得獎物理學家溫伯格(Steven Weinberg)甚至認為這是美國停止在得州興建超導超大型加速器(Superconducting Super Collider,SSC)的主因之一,亦自此把實驗物理學的領導地位,拱手相讓給了歐洲核子研究組織(CERN)。
探索火星 為人類延續買保險
我唯一稍為支持的是人類探索火星,不是為了滿足人類的原始探險和征服宇宙欲望,真正出發點是為人類延續買個保險。如人類逆轉不了全球氣候變化,導致大量動植物絕種,和不斷出現各種新型病毒,威脅人類生存,或更簡單,美國繼續盲目攻擊和抹黑中國,最終發生大規模核戰,地球受到嚴重輻射污染,到最後可能真的只可寄望移民火星。
這計劃的成功機會極微,科學和技術挑戰實在很多。去火星的距離比月球遠得多,旅程最少半年以上,途中很大機會遇上閃焰(solar flares),如太激烈,可能輻射屏蔽(radiation shielding)也沒用,足以殺死航天員。即使成功抵達火星,回程問題更大,因為雖然火星比地球小,但地心吸力為地球的38%,所以要頗大火箭動力才能脫離火星的地心吸力。最可行的計劃是另外發射火箭,把一大堆製造燃料的機器預送到火星,希望能夠利用在火星上的二氧化碳和水,提煉成為甲烷(methane)作火箭燃料,推動太空船回航之甪!佩服此計劃的想像力,但成功機會有多少?
若想長期留在火星殖民,如何火星地球化(Terraform Mars),是個更大雖題。火星大氣層稀薄,亦缺乏氧氣,表面溫度亦太低,有人科幻式建議利用太陽能(或核彈),把火星的極地冰蓋(polar ice cap)融化,製造大量二氧化碳,或更誇張地找方法把火星其中一個月亮推向火星,利用此撞擊製造大量二氧化碳!這些都是天方夜譚吧!
發達國家 應訂更進取負碳排放目標
即使能做到,需時最少數百甚至數千年。但美國似乎冥頑不靈,仍不斷把世界推向第三次世界大戰邊緣,亦有可能美國對氣候變化不負責任,甚至再次退出《巴黎氣候協定》。其實對發達國家而言,2050年碳中和目標是不足夠的,因為發展中國家缺乏能力支付各種技術的「綠色溢價」(Green Premium),亦不應不公道地阻止他們遲起步的發展,所以發達國家應訂下更進取的負碳排放目標。面對這些巨大威脅,人類在地球上,還有多少時間呢?誰也不知道……
中環資產投資行政總裁
[譚新強 中環新譚]
https://www.mpfinance.com/fin/columnist2.php?col=1463481132098&node=1626376778390&issue=20210716
「最佳估計值物理」的推薦目錄:
最佳估計值物理 在 養鴿 180YoG Facebook 的最讚貼文
嗨,我是養鴿,這是 20210629 未來之戰改版懶人包及見解,我只講我覺得需要知道的地方。
【非戰場改動】
1. 個人空間系統全面進化
個人資料上新增
a. 英雄與造型
b. 名字/性別/生日/地區/位置偏好/常在時段/個性簽名
c. 誰來我家
d. 好友標籤(親密好友才可以貼標籤)
● 挺酷的,改版後可以點進個人資料裡晃晃會更清楚
2. 娛樂模式新增「幻化之戰」
同邊允許選取同樣的英雄 例如 3愛麗絲 2皮皮
可變身為凱薩、天空巨龍
● 兩隻皮皮+三隻拆塔角 中路輪流吸滾進主堡強拆
【戰場改動】
1. 防禦塔
移除了中路防禦塔前期的額外格擋效果。
魔龍路外塔在 5 分鐘內獲得 60% 的額外減傷,與中路、凱撒路防禦塔一致。
● 這個改動會讓中後期角價值提高
魔龍路現在變難打穿
強制延緩節奏
前期要打出風向要設法打進敵方野區
難度會更加提升 雪球更難滾
前中期角的腿直接被打斷一條
欸不是 你官方想強制結束戰士 meta 可以直接講
【魔紋改動】
1. 移除「級高一籌」,新增「煉金」
每 15 秒獲得 1 層煉金,最高 3 層,普攻/技能命中敵方英雄或防禦塔時獲得 25 點金幣,並消耗 1 層煉金能量。最高獲取 1,200 點金幣。
● 煉金只適合 遠程型輔助 > 射手
凱薩或打野以及近戰輔助不適合煉金
因為觸發煉金的機會不多
再加上對這些角色而言其他魔紋效益會更高
法師以及射手 雖然可以比較頻繁的觸發 煉金
但是相較於煉金多增加的 1,200 元
其他魔紋的價值會更好
試算一下煉金的價值
假設平均每分鐘可以打出 3 層煉金,16 分鐘可額外獲得 1,200 元
假設平均每分鐘可以零浪費的打出 4 層煉金,12 分鐘可額外獲得 1,200元
估計平均會在 12~16 分這區間打完煉金所能獲得的金幣上限
目前最適合帶 煉金 的角色是愛麗絲
其次為 瀾、安奈特、若伊
這些角色除了可以頻繁觸發煉金效果外
也較仰賴功能型裝備來發揮角色價值
愛麗絲出了 拘魂、冰杖 後遊戲正式開始
瀾 出了 冰袍、拘魂 後從果蠅進化成小黑蚊
其他輔助角色我不推薦使用煉金
射手普遍都屬於中後期角色
為了加速射手進入後期的時間
可以斟酌使用
【裝備改動】
1. 雷電戟
屬性調整:
50物攻 +35%攻速 +5%跑速 → 40%攻速 +15%暴擊率 +5%跑速
舊版效果:
每過4秒,下次普攻附帶觸發連鎖閃電,造成102(每升一級+7)魔法傷害,遠程效果翻倍。每次普攻命中後降低1秒冷卻時間。
新版效果:
普攻有30%機率釋放連鎖閃電,造成135(+0.2物理攻擊)的魔法傷害(傷害可暴擊,0.3秒冷卻時間)
● 0.2AD 跟 傷害可暴擊是關鍵,讓電刀再也不只是前期裝,雖說裝備變滿不錯,但是適合的角色沒到那麼多。
亥犽、勇、凡恩、摩恩、拉維爾改版後可以直接出電刀
電刀攻速比龍骨高 10%
所以亥犽可以試試看將五顆覺醒換成暴怒
或者十顆暴怒 前期買手裡劍撐著
亥犽會是新版電刀的最佳受益者
一技能的手裡劍能直接觸發電刀效果
而且裝備上的數值也很適合亥犽
跟 帕索 討論後 一致認為
對於亥犽而言 新版電刀 可以完全取代龍骨
其他射手要龍骨或電刀都還是以對方陣容為主
坦多出龍骨 軟皮多出電刀
特爾也可以考慮出電刀
清線快比較安全
洛克不見得好
他的暴擊用處不大
以前的電刀還比較適合他
亞連不適合
夜叉跟凱格待測試
無法斷定的原因是龍骨對夜叉跟凱格的效益或許會更高
2. 岩盾
舊版效果:
啟動後自身輸出降低70%,獲得一個(生命上限*10%+已損失血量*50%)的護盾,持續3秒。冷卻時間60秒。
新版效果:
啟動後自身輸出降低70%,獲得一個(生命上限*20%+已損失血量*30%)的護盾,持續3秒。冷卻時間60秒。
● 改版前 10,000 血的戰士
在血量 50% 時 開了岩盾可得 3,500 點護盾
在血量 40% 時 開了岩盾可得 4,000 點護盾
在血量 30% 時 開了岩盾可得 4,500 點護盾
在血量 20% 時 開了岩盾可得 5,000 點護盾
在血量 10% 時 開了岩盾可得 5,500 點護盾
改版後 10,000 血的戰士
在血量 50% 時 開了岩盾可得 3,500 點護盾
在血量 40% 時 開了岩盾可得 3,800 點護盾
在血量 30% 時 開了岩盾可得 4,100 點護盾
在血量 20% 時 開了岩盾可得 4,400 點護盾
在血量 10% 時 開了岩盾可得 4,700 點護盾
改版前後的岩盾護盾值分水嶺在 50%
但是岩盾通常都是壓在 30% 以下時使用
以數據上來看是小小削弱而已
改版後依舊是版本神裝 戰坦必出
3. 火之寶石
物理攻擊 30 → 25
成長物理攻擊 5 → 4
● 白話文:剪剪頭髮 剪個 15 AD 意思意思一下
4. 水之寶石
成長魔法攻擊 9 → 6
● 130 AP -> 100 AP 估計是哥德爾跟大象惹的禍
該用的一樣會用
不過其實哥德爾這隻角色
一直以來都是可全輸出可全坦
不一定要執著於全輸出的玩法
【英雄改動】
1. 琳蒂
被動
普攻距離:7.25m → 7m
加速效果:25%~40% → 固定30%
大絕
技能重置:琳蒂向指定方向快速位移,並喚醒姐姐露娜的靈體攻擊附近隨機敵人,造成150/200/250(+0.65物理攻擊)物理傷害,每層【魅影】印記增加一次攻擊,總計最多4次(可暴擊,不可觸發普攻特效,命中同一目標時後續傷害衰減至50%)。
新增被動:琳蒂觸發一技能【銀月之輝】被動效果,或者擊殺小兵、野怪時,獲得一層【魅影】印記同時減少大招【魅影突襲】1秒冷卻時間。
冷卻時間:12/11/10 秒
● 現在大絕可以位移,雖有降大絕冷卻時間的手段,但是短時間內只能使用一次,無法連續施放。
改版前的琳蒂不論操作者是否為高端玩家都屬於 T2 或 T3 角,改版後估計琳蒂對於普遍玩家依舊是 T2 左右的角色,但是高段位場會有成為 T1 角的潛力,要駕馭好琳蒂必須擁有強大的經濟觀念、轉線能力、心臟夠大顆以及配的上大顆心臟的操作能力,最多 T1 不會到 T0,畢竟手短是琳蒂的硬傷。
2. 艾翠絲
被動
技能重置:艾翠絲普攻擊中敵人將會縮減一、二技能1秒冷卻。
一技能
移除機制:強化普攻突刺
移除機制:減速
新增機制:每擊中一個敵人增加自己15/17/19/21/23/25%攻速、5/6/7/8/9/10%物理穿透,上限3層,持續5秒
技能傷害:100/120/140/160/180/200(+1.0 物理攻擊)→ 200/225/250/275/300/325(+0.8 物理攻擊)
二技能
移除機制:刷新一技能冷卻
新增機制:下次普攻轉為強化突進,擊中敵人附帶2秒40%減速、自己獲得一個護盾。
冷卻時間:18/17/16/15/14/13 秒 → 8 秒。
強化普攻額外傷害:275/320/365/410/455/500(+0.5物理攻擊)
大絕
移除機制:蓄力期間自身減速。
移除機制:物理傷害。
移除機制:自己和目標的生命對比條件。
新增機制:大招真實傷害附帶100%吸血。
新增機制:蓄力期間可以使用二技能改變位置。
真實傷害:8/10/12 % → 200/250/300(+目標最大生命8/10/12 %)(每100點物攻+1%)
● 現在一二技能跟幾年前的艾翠絲差不多
大絕蓄力狀態下可以使用二技能
大絕蓄力狀態下不會再減跑速
大絕現在會吸血
現在一技能後的普攻沒有突刺效果
二技能後的強化普攻可以有護盾
改版前基本接技是 1A21A
改版後為 2A1AAA
簡單來講
艾翠絲 一波傷害會是改版前比較高
但改版後的續戰能力增強不少
從像刺克的戰士變成堂堂正正的戰士
改版後 建議 半坦 > 全輸出
一件攻裝的話 選擇 龍骨
兩件光裝的話 選擇 龍骨+天叢
其他裝備塞全坦
除非順風 不然優先上點坦度再出攻裝
強度仍需測試
看看改版後的纏鬥能力在哪
滿值得期待的改動
3. 馬洛斯
被動
透過頭頂計時條顯示附魔狀態的剩餘時長,附魔時間:8 秒 → 6 秒。
一技能
附魔狀態時,如果橫斬未命中敵方英雄,不會移除附魔狀態
橫斬的前搖時間內如果馬洛斯被控制,橫斬會被打斷,但僅會進入1.5秒冷卻
技能傷害:350/460/570/680/790/900(+2.0 物理攻擊)→ 375/500/625/750/875/1000(+2.15 物理攻擊)
附魔狀態命中英雄回復:已損生命6%(+0.3 額外物理攻擊)(最多4倍)→ 已損生命8%(+0.4 額外物理攻擊)(最多3倍)
二技能
命中敵方英雄時,自身獲得附魔狀態
冷卻時間:12/11/10/9/8/7 秒 → 13/12/11/10/9/8 秒。
● 拔刀斬雖然赴魔時間變短兩秒
但是「二技能」現在「吸到敵方英雄」可以附魔
2+1 就是一個真傷拔刀斬 很香很香
而且拔刀斬揮空不會移除附魔狀態
附魔下拔刀斬的回血量也提高
以前已損 6% *4 = 24% 現在 8% * 3 也是 24%
改版後馬洛斯的強度至少 T1
五排馬洛的使用率肯定會上升不少
而單排的部分馬洛有望回歸
不過仍需實戰測試
看看改版後的馬洛能不能適應當下的版本
4. 星葵
被動
強化普攻最遠追擊範圍:4m → 3.5m
強化普攻額外傷害:150(每英雄等級+5)(+0.45 額外物理攻擊)→ 150(每英雄等級+5)(+0.6 額外物理攻擊)
一技能
飛行狀態:命中敵人回復130/160/190/220/250/280(+0.45 額外物理攻擊)生命值 → 落地獲得15%最大生命值的護盾,持續2秒
● 15% 最大生命值護盾在實戰中會有點猛,改版後在這個戰士版本下星葵會從偏弱到正常的 T1 角。
5. 弗洛倫
一技能
花朵飛行速度下調25%,略微增加射程。
冷卻時間:8 秒 → 8/7.6/7.2/6.8/6.4/6 秒
花的存在時間:3 秒 → 3.5 秒
二技能
新增機制:範圍傷害會對非英雄單位生效
縮減一技能冷卻:1秒,擊中英雄單位生效 → 0.5/0.6/0.7/0.8/0.9/1 秒,擊中非英雄單位也會生效
額外真實傷害:目標最大生命3%(每100額外物理攻擊+1%)→ 目標最大生命2%(每125額外物理攻擊+1%)
拂花基礎傷害:175/240/305/370/435/500 → 150/200/250/300/350/400
拂塵基礎傷害:175/240/305/370/435/500 → 150/200/250/300/350/400
拂心基礎傷害:150/190/230/270/310/350 → 150/200/250/300/350/400
大絕
冷卻時間:35/30/25 秒 → 40/35/30 秒
位移距離:5m → 6m
● 一技能速度下降,傷害下修,前期下修,大絕距離變遠,整體而言算下修,畢竟前期對弗洛倫來說格外重要,中後期的弗洛倫普遍都是打醬油,雖說世界賽常上 BAN 位,但是一般玩家不要直接複製世界賽裡面的選 BAN,兩邊條件不同。
弗洛倫在單排算好對付,每個弗洛倫都有個一滑五的夢,直到他看見了艾瑞。以單排角度來看的話,拿猴子打弗洛倫有奇效,很好單殺,後期影響力野不錯,而且齁勝。
雖然下修但是弗洛倫地位不會改變多少,弗算是一隻很特殊的存在,衝排角、克很多戰坦、線霸,但中後期能力真的有限,這次世界賽雖然常 BAN 弗洛倫,偶爾放出來也都滿會滑,但輸的居多。
6. 綺蘿
大絕
加速持續時間:6秒 → 8秒
加速比例:40% → 30%
● 加速持續時間對綺蘿挺重要,在這個戰士版本下,綺蘿其實打一般戰士都還不錯,算是極少數可以針對戰士的刺克角,那為什麼最近綺蘿會比較慘呢?因為戰士之中現在最強且最常出現的那個叫埃羅,是綺蘿她老爸,老娘打所有戰士都算好打,除了埃羅,綺蘿會被吊起來打。
在埃羅被禁的情況下,綺蘿為 T0.5 的準神角。
7. 司科德
被動
最大生命提升:10% → 6%(每英雄等級+1%)
二技能
強化普攻擊中建築不再返還冷卻。
冷卻返還:50% → 40/44/48/52/56/60 %
強化普攻減速:30/36/42/48/54/60 % → 50%
魔法傷害:300/400/500/600/700/800(+8%自身最大生命)(+1.0 魔法攻擊) → 275/350/425/500/575/650(+7%自身最大生命)(+1.0 魔法攻擊)
大絕
擊殺野怪小兵回血不再受到大招是否冷卻影響。
恢復生命:最大生命 4/6/8% → 已損生命 6/9/12%
● 砍前期,補強後期。在強度稍高一點的場,如果兩邊比較懂得卡點、拉扯會戰,改版後的司科德一樣只能當一隻娛樂角,強度低一點的場我也不推司科德,除非有愛,或者想嘗試看看何謂「娛樂」,可以搜尋我之前發佈的邪教司科德影音攻略。
8. 索文
一技能
紫色魔彈:目標最大生命2/3/4%的魔法傷害,每100點物理攻擊增加0.5/0.75/1%,不對普通野怪生效 → 目標最大生命2/3/4%的魔法傷害,每125點額外物理攻擊增加1/1.5/2%,對非英雄單位造成30/45/60(每級+10/15/20)(+40/60/80%額外物理攻擊加成)點魔法傷害
青色子彈:100%物理攻擊 → 50%物理攻擊*額外目標數量(上限200%)
擊殺助攻冷卻縮減:基於二技能最大冷卻時間縮減50% → 二技能剩餘冷卻縮減50%
二技能
紫色魔彈:目標最大生命2/3/4%的真實傷害,每100點物理攻擊增加0.5/0.75/1%,不對普通野怪生效 → 目標最大生命2/3/4%的真實傷害,每125點額外物理攻擊增加1/1.5/2%,對非英雄單位造成30/45/60(每級+10/15/20)(+40/60/80%額外物理攻擊加成)點真實傷害
青色子彈:200%物理攻擊 → 100%物理攻擊*額外目標數量(上限400%)
● 索文紫色子彈原本是「物理攻擊」加成,但現在改「額外物理攻擊」,也就是前期紫色子彈會變得比較沒有傷害,要等裝備成型,前期傷害下修,後期差不多。
青色子彈在對方兩人以內給你打時是下修,四五人時是 BUFF ,對面跟小兵站一起時青色子彈傷害會變挺高。
索文打野有機會復出,改版後一樣是 T1 射手。
9. 小丑
被動
目標當前生命值:3%(每2級成長1%) → 3%(4/7/10/13級時成長1%)
一技能
移除命中後的減速效果。
● 一技能沒緩速,但一樣是 T1 射手。
10. 科里納卡
二技能
對英雄回血:250/300/350/400/450/500(+1.2額外物理攻擊)→ 250/300/350/400/450/500(+1.0額外物理攻擊)
對非英雄回血:對英雄的50% → 對英雄的25%
● 砍那點點回血不傷大雅,依舊是個 T1 打野
11. 愛麗絲
基礎屬性:
成長生命:322 → 275
成長物理防禦:26 → 21
基礎跑速:350 → 360
二技能
護盾值:150/180/210/240/270/300(+0.4魔法傷害) → 200/240/280/320/360/400(+0.6魔法傷害)
冷卻時間:13/12/11/10/9/8 秒 → 11/10.4/9.8/9.2/8.6/8 秒
● 愛麗絲通常會在兩種情況下使用,我方很好拉打或者對方機動性差。
在戰士版本中普遍戰士的機動性相較於刺克來的差,雖然愛麗絲在機動性這方面可以玩弄戰士,但僅限於中後期,戰士通常在前中期就會搞出很多事,而前中期的愛麗絲過於無用,核心裝(拘魂、冰杖)出來前以及冷卻堆疊起來前的愛麗絲影響力實在有限。這次改版後愛麗絲不只多了二技能護盾值還多了一個煉金可以盡早農出核心裝外(拘魂、冰杖),再加上魔龍塔減傷砍斷前中期角一條腿,強制延緩遊戲進程,還有改版後多了 琳蒂、馬洛這兩隻好夥伴做搭配,最後再加上近期也越來越多聰明人發現愛麗絲的好夥伴 蘭鐸、蘿兒 在這個戰士版本中有奇效。
基於以上種種,改版後的愛麗絲是扣掉魔龍路外塔的改動後,目前最有可能影響戰士版本的角色,要不然就是等埃羅、呂布下修了。
12. 悟空
悟空在隱身期間的任何攻擊和技能,都會立即解除隱身效果。
● 不能隱身後開二技能跳走了,會現身!
13. 克萊斯
大絕
移除了使用大招的能量限制
冷卻時間:40秒 → 50秒
物理傷害:400/500/600(+1.0物理攻擊)→ 400/600/800(+1.0物理攻擊)
● 現在大絕冷卻時間延長 10 秒
但是不需要再疊怒氣了
以往後期魚人只要逆風
是非常難疊怒氣的
這次改動會讓後期逆風的魚人
比較沒那麼無用
再教你們一個康特
現在滿街都是哥德爾輔助
但是魚人恰好可以康特哥德爾
帶個封塔橫著走
這版的輔助位就像下棋一樣
沒有什麼 T0 輔助
只有合不合適陣容
或者好不好打對面陣容的輔助而已
-
魔法水晶序號:P59VYPYM8RPS7H
#養鴿 #傳說對決 #改版懶人包
#20210629改版懶人包
#未來之戰
#魔龍路外塔免傷60%GET
#新版電刀解析可看一下
#新魔紋鍊金遠輔跟射可斟酌
#馬洛重返戰場
#琳蒂長了一對翅膀
最佳估計值物理 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
迎接終端AI新時代:讓運算更靠近資料所在
作者 : Andrew Brown,Strategy Analytics
2021-03-03
資料/數據(data)成長的速度越來越快。據估計,人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長,現在我們也真正目睹物聯網(IoT)的成長,未來連網的裝置數量將遠遠超越地球的人口。
這包括種類繁多的不同裝置,像是智慧感測器與致動器,它們可以監控從震動、語音到視覺等所有的東西,以及幾乎大家可以想像到的所有東西。這些裝置無所不在,從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物,它們的數量將持續爆炸性成長。
資料爆量成長,讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質,在成本與資源效率、彈性與便利性有它的優點,但也有一些缺點。由於運算與儲存在遠端進行,來自終端、也就是那些在網路最邊緣裝置的資料,需要從起始點經過網際網路或其他網路,來到集中式的資料中心(例如雲端),然後在這裡處理與儲存,最後再傳回給用戶。
對於一些傳統的應用,這種方式雖然還可以接受,但越來越多的使用場景就是無法承受終端與雲端之間,資訊被接力傳遞產生的延遲。我們必須即時做出決策,網路延遲要越小越好。基於這些原因,開始有人轉向終端運算;越來越多人轉而使用智慧終端,而去中心化的程度也越來越高。此外,在這些即時應用中產生的龐大資料量,意味著處理與智慧必須在本地以分散的方式進行。
與資料成長連袂而來的,是人工智慧與機器學習(ML)也朝終端移動,並且越來越朝終端本身移動。大量來自真實世界的資訊,需要用ML的方式來進行詮釋與採取行動。透過AI與ML,是以最小的延遲分析影像、動作、影片或數量龐大的資料,唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作,在未來還將會直接在終端裝置上進行。
資料正在帶動從集中化到分散化的轉變
隨著資訊科技市場逐漸發展與成熟,網路的設計以及在其運作的所有裝置,也都跟著進化。全盛時期從服務數千個小型客戶端的主機,一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能,基礎架構持續重組與最佳化,以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存,以及資料處理的需求。
智慧型手機與其他行動裝置的爆炸性成長,加上物聯網的快速成長,促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素,包括網路的可用性、安全性、裝置的運算力,以及把資料從終端傳送到儲存設備的相關費用,近來也已轉向使用分散式的運算模型。
從邊緣到終端:AI與ML改變終端典範
在成本、資源效率、彈性與便利性等方面,雲端有它的優點,裝置數量的急遽增加(如圖2),將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的,這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸,而且從能源、頻寬與運算力角度來看,相當沒有效率。
在終端執行進階處理與分析的能力,可協助為關鍵應用降低延遲、減少對雲端的依賴,並且更好地管理物聯網產出的巨量資料。
終端AI:感測、推論與行動
在終端部署更多智慧的主要原因之一,是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方,可以更快與更準確地做出回應,同時免除不必要的資料傳輸、延遲與資料移動中的安全風險,可以節省費用。
處理能力與神經網路的重大進展,正協助帶動終端裝置的新能力,另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下,對近乎即時回應的需求。這是一個三道步驟的程序:傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作),以及採取行動(如物件是披薩,冰箱的壓縮機發出正常範圍外的聲音,因此發出警告)。
感測
處理器、微控制器與感測器產生的資料量相當龐大。例如,自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化,並且與以往相比,會搜集更多的資料。
它們搜集到的資料極具價值,但每次都從各個終端節點把資料推回給雲端,數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行,就可以大幅提升效率。
推論
終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時,就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜,機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作,這對體積越來越小的裝置,極為關鍵。
例如,圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具,訓練高效能的意法半導體(ST)微控制器(MCU),以轉換成最佳化的程式碼,讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像,而且準確度相當高,而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣,轉移到在終端運作的MCU本身。
行動
資料一旦完成感測與推論後,結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉),或針對應用情況進行最佳化(戴耳機的人正在移動中,因此會針對穩定度而非音質進行最佳化),或是回饋迴路(根據裝置訓練取得的機器學習,輸送帶若發出聲音,顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧,因為這些能力提升後,運算力也會因此增加。在我們使用新的機器學習工具後,一些之前在雲端或終端完成的關鍵功能,將可以移到終端本身的內部進行。
終端 AI:千里之行始於足下
從智慧型手機到車輛,今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務,從最簡單到最複雜,並需要各式各樣的能力。例如,應用處理器是高階處理器,它們是為行動運算、智慧型手機與伺服器設計;即時處理器是為例如硬碟控制、汽車動力傳動系統,與無線通訊的基頻控制使用的非常高效能的處理器,至於微控制器處理器的矽晶圓面積則小了許多,能源效率也高出很多,同時擁有特定的功能。
這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作,之前必須透過威力更強大的元件才能完成,但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能,例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。
隨著更多功能在較小型的終端進行,這將可以省下資源,包括資料傳輸費用與能源費用,同時也會產生極大的環境衝擊,特別是考量到全球目前已有超過200億台連網裝置,以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。
TinyML、MCU與人工智慧
根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示:「令人相當興奮的是,我還不知道我們將如何使用這些全新的裝置,特別是它們後面代表的科技是如此的吸引人,我無法想像那些即將出現的全新應用。」
微型機器學習(TinyML)的崛起,已經催化嵌入式系統與機器學習結合,而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型,過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型,耗電量只有數毫瓦。
物聯網環境中有數十億個微型裝置,可以為各個產業提供更多的洞察與效率,包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持,可望改變我們處理物聯網資料的方式。
受惠於TinyML,微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別),以及動作(例如震動、溫度波動等)。啟用這些功能後,準確度與安全性更高,但電池的續航力卻不會打折扣,同時也考量到各種更微妙的應用。
儘管之前提到的雲端神經網路框架工具,是取用這個公用程式最常用的方法,但把AI函式庫整合進MCU,然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式,然後從中建立模型,例如預測性維護能力。
如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU),利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性,讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要,原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。
AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能,我們可以把其精華歸納至我們簡稱為「3V」的三大領域:語音(Voice,如自然語言處理)、視覺(Vision,如影像處理)以及震動(Vibration,如處理來自多種感測器的資料,包括從加速計到溫度感測器,或是來自馬達的電氣訊號)。
終端智慧對「3V」至關重要
多數的物聯網應用聚焦在一些特定的領域:基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何?),以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。
Strategy Analytics的研究顯示,許多已經完成部署或將要部署的物聯網B2B應用,仍然只需要相對簡單的指令,如基本的開/關,以及對設備與環境狀態的監控。在消費性物聯網領域中,智慧音箱的語音控制AI已經出現爆炸性成長,成為智慧家庭指令的中樞,包括智慧插座、智慧照明、智慧攝影機、智慧門鈴,以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能,可以依據地點與環境,在音質優先與穩定度優先之間自動切換。
如同我們檢視的結果,終端AI可以在「3V」核心領域提供價值,而它觸及的許多物聯網領域,遍及B2B與B2C的應用:
震動:包含來自多種感測器資料的處理,從加速計感測器到溫度感測器,或來自馬達的電氣訊號。
視覺:影像與影片辨識;分析與識別靜止影像或影片內物件的能力。
語音:包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力,以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景:
震動
可以用來把智慧帶進MCU中的終端AI的進展,有各式各樣的不同應用領域,對於成本與物聯網裝置與應用的效用,都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域,包括:
溫度監控;
壓力監控;
溼度監控;
物理動作,包括滑倒與跌倒偵測;
物質檢測(漏水、瓦斯漏氣等) ;
磁通量(如鄰近感測器與流量監控) ;
感測器融合(見圖7);
電場變化。
一如我們將在使用場景單元中檢視的,這些能力有許多可以應用在各種被普遍部署的物聯網應用中。
語音
語音是進化的產物,也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令,也不令人意外;聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見,例如智慧音箱,而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞,如電視、遊戲主機與其他新的電器。
在工業環境中,供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因,有離線語音處理的需求,因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作,並從機器手冊與工廠文件,立即取用資訊。
語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統,進行大量投資。語音有潛力成為最安全的輸入模式,因為它可以讓駕駛的眼睛持續盯著道路,而雙手仍持續握著方向盤。
對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務,語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集,以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。
視覺
正如我們之前已經檢視過,終端 AI 提供視覺領域全新的機會,特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵,以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用,例如依據大小與品質為農產品分級。
曳引機裝上機器視覺攝影機後,我們幾乎可以即時檢測出雜草。雜草冒出後,AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草,並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用,並找出農地中仍具抗藥性的殘餘雜草。
使用場景
預測性維護工具已經從擷取與比較震動的量測資料,進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體,我們也可能做到遠端監控。
震動分析
這種類型的預測性維護在旋轉型機器密集的製造工廠裡,相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如,把震動計量器接上靠近選煤廠離心泵浦內部承軸處,就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動,可能顯示滾珠軸承出現鬆動,需要更換。
磁感測器融合
磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器,測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器,它與附近平面的磁鐵一起作動,與這個磁鐵相對應的感測器也會移動。
聲學分析(聲音)
與震動分析相似,聲測方位分析也是供潤滑技師使用,主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損,否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時,承軸會因為潤滑不足或錯位出現故障,可能造成整個生產流程的中斷。
聲學分析(超音波)
聲音聲學分析雖然可以用來進行主動與預測性維護,超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音,並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比,更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高,但終端 AI 的進展可以促成這種細微層級的聲學檢測,大幅降低部署的費用。
熱顯影
熱顯影利用紅外線影像來監控互動機器零件的溫度,讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置,可以長期檢測微細的變化。與其他對事故敏感的監視器一樣,它們會觸發排程系統,自動採取適當的行動來預防零件故障。
消費者與智慧家庭
將語音運用在消費者與智慧家庭,是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置,例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置,可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長,說明消費者對於可接收與提供語音互動等現有裝置的強勁需求,與日俱增。
消費者基於各種理由使用智慧音箱,最常見的使用場景為:
聽音樂;
控制如照明等智慧家庭裝置;
取得新聞與天氣預報的更新;
建立購物與待辦事項清單。
除了像智慧音箱與智慧電視等消費裝置,智慧家庭裝置語音的使用,也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購,它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器,裝置在偵測到煙霧或一氧化碳時,可以發出語音警告。
終端 AI 為強化這些能力提供了全新機會,而且常常結合震動(動作)、視覺與語音控制。例如,增加姿態辨識來控制例如電視等家電,或是把語音控制嵌入白色家電,即是以最低成本強化功能性最直接的方式。
健康照護
用來發現醫護資訊的 AI 驅動終端裝置的應用,將為病況的治療與診斷,提供更多的價值。這種資訊可能是資料,也可能是影像、影片以及說出的話,我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法,為整個產業節省成本。受惠於終端 AI 的進展,像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作,也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用,也可以把 AI 用在第一線的病人診斷,然後再由醫師接手提供諮詢。
其他健康照護實例包括像 Wewalk5 等物件,這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件,並搭配 Google Maps 與 Amazon Alexa 等 app,方便使用者提出問題。
結論
由於連網的終端裝置數量越來越多,這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個,而微控制器的數量也超過 2,500 億,每年還會增加約 300 億個。越來越多的程序開始進行自動化,不過,把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用,意味著許多全新、令人興奮且引人矚目的物聯網使用場景,可能無法開花結果。
解決這些挑戰的答案,並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助,但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。
儘管為終端裝置增添先進的運算能力在十年前仍不可行,TinyML 技術近來的提升,已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力,可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升,在源頭掌握情境化與具關聯性的資料,具有極大的價值,並將開啟全新的使用場景與營收機會。
終端裝置的機器學習,可以促成全新的終端 AI 世界。新的應用場景正在崛起,甚至跳過傳送大量資料的需求,因而紓解資料傳輸的瓶頸與延遲,並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界,其中還有很多我們現在想像不到的機會。
附圖:圖1:從集中式到分散式運算的轉變。
(資料來源:《The End of Cloud Computing》,by Peter Levine,Andreessen Horowitz)
圖2:全球上網裝置安裝量。
(資料來源:Strategy Analytics)
圖3:深度學習流程。
圖4:MCU的視覺、震動與語音。
(資料來源:意法半導體)
圖5:AI 工具集執行模型轉換,以便在MCU上執行經最佳化的神經網路推論。
(資料來源:意法半導體)
圖6:物聯網企業對企業應用的使用-目前與未來。
(資料來源:Strategy Analytics)
圖7:促成情境感知的感測器融合。
(資料來源:恩智浦半導體)
資料來源:https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI
最佳估計值物理 在 最佳估計值物理的問題包括PTT、Dcard、Mobile01,我們都能 ... 的美食出口停車場
最佳估計值物理 的問題,我們搜遍了碩博士論文和台灣出版的書籍,推薦RobEastaway寫的 一條線有多長?:生活中意想不到的116個數學謎題 和AndersHansen的你的大腦 ... ... <看更多>
最佳估計值物理 在 最佳估計值物理的問題包括PTT、Dcard、Mobile01,我們都能 ... 的美食出口停車場
最佳估計值物理 的問題,我們搜遍了碩博士論文和台灣出版的書籍,推薦RobEastaway寫的 一條線有多長?:生活中意想不到的116個數學謎題 和AndersHansen的你的大腦&nbsp;... ... <看更多>
最佳估計值物理 在 最佳估計值物理的問題包括PTT、Dcard、Mobile01,我們都能 ... 的美食出口停車場
最佳估計值物理 的問題,我們搜遍了碩博士論文和台灣出版的書籍,推薦RobEastaway寫的 一條線有多長?:生活中意想不到的116個數學謎題 和AndersHansen的你的大腦 ... ... <看更多>