好書推薦《#大減速》部落格文章末，抽書兩本
想像一下，你正坐在一輛高速前進的列車上面，當列車突然剎車的時候，你會感覺整個人被往前拋。只有在事後回顧過去，你才會察覺，自己已經不再像以前那麼快向前移動了。我們就像是被往前拋的乘客，誤以為世界仍然在加速，卻沒察覺到周遭的一切已經開始放緩。
部落格文章 https://readingoutpost.com/slow-down/
Podcast 用聽的 https://readingoutpost.soci.vip/
.
#這本書在說什麼？
.
《大減速》的作者是牛津大學的社會地理學教授丹尼‧道靈（Danny Dorling），他的研究領域涵蓋住宅、健康、就業、教育和貧窮。在這本書裡，他揭露了一個人們很難察覺的事實：「世界並非加速前進，而是開始慢下來了」。這些成長趨緩的領域包含人口、經濟、債務、數據和科技進步的速度。
近代的人們覺得快速成長是常態，但是作者以實際的數據顯示，趨緩的成長和穩定的步調才是世界得以永續生存的條件。而綜觀各項領域的指標來看，各國的發展漸漸邁向更加緩慢、穩定和平等的狀態。只是在這些樂觀的背後，仍有一道不能忽視的難題：世界平均溫度的增溫速度持續加快。
作者希望透過這本書，告訴我們趨緩的成長是好事，不需要因此擔憂，而我們需要將注意力轉往真正重要的事。這本書多達480頁且偏內容「硬」，篇幅有大量的圖表和資訊，讀起來並不輕鬆。但是書中呈現的「事實」反而很有意思，因為它刷新了我的老舊認知。以下針對書中概念導讀並且列出我覺得有省思的部分。
.
#鐘擺效應
.
這本書多達67張圖表，作者在他的官方網站公開全部的圖片，並且都有「GIF 動畫」的呈現方式。我在讀這本書的時候搭配這些動畫，讀起來更加生動。要讀懂這本書首先要懂一個叫做「鐘擺效應」的原理，如同下圖所示，當鐘擺擺盪從左邊的「高點 1」逐漸加速擺盪到「低點 2」的時，速度最快。當鐘擺從「低點 2」擺盪到右邊的「高點 3」時，速度緩慢下來直到靜止為零。
作者透過這本書要傳達的觀念就是，人類在近代工業化和數位化的年代，一直體驗到了「高點 1」到「低點 2」的「加速時代」。可是自從1970年代開始，世界的各項指標其實漸漸地減速，變化越來越慢，實際上是走入了「減速年代」。只是人們的心中仍然有一種錯覺，覺得時代會越來越加速，變化會越來越快。但實際的情形卻剛好相反，這本書就是在說這件事。
.
#獨特的時間線圖
.
這本書中使用了一種很特殊的「時間線圖」來詮釋所有的資料。比起常見的只看「時間vs.總量」的趨勢圖，這種時間線圖可以表示出數值的「變化的速度」，用這個方式更能清楚顯示各種趨勢的演進。在這個時間線圖中，Y軸仍然代表數量的絕對值；X軸則用來代表「變化的速度」，越往右邊的資料點代表「增加的速度越快」，越往X軸左邊的資料點代表「減少的速度越快」。接下來的各項討論會引用作者官網的動畫來說明。
.
#趨緩的人口數量
.
作者直言，從來就沒有「人口定時炸彈」這種東西，世界的人口成長必定會持續趨緩。作者的這項觀察，也同樣在讓我對世界的發展趨勢大為改觀的《真確》書中被詳細提及。
以下這張圖呈現了聯合國對世界人口的成長預估，從2017年以來人口的成長速度持續放緩，來到了2090年人口會達到110億人。作者針對世界各國的人口成長做了更細緻的統計，他認為聯合國高估了這個成長，真實的人口數字到了2090年應該只是會落在90億人左右。
作者分析了中國的人口狀態，不同於我之前以為中國還會有人口紅利，現在中國呈現了一種「穩定」的階段，就像鐘擺已經擺到頂端，人口增加的速度正準備降低了。另一個我們熟悉的國家日本，則已經正式走入了「減速」的階段，人口的增加速度持續降低。放眼望去，世界上幾乎所有國家的人口成長都即將邁上這兩種階段。
同樣減速的還有「生育率」。整個世界的公共衛生的進步、嬰幼兒死亡率的降低，讓人可以少生好幾個小孩。當人們相信社會有辦法照顧你，會生得更少或只生一個，因為不再需要養兒防老。尤其當女性接受的教育和擁有的權利提高之時，她們有權提出與傳統父權社會不同的聲音，她們能夠自己決定要不要生、要生幾個。
根據數據統計，世界上越來越多的地方政府試圖提升生育率，但是幾乎都以失敗告終。我回想到前陣子網路瘋傳的「台灣生育率『全球倒數第一』政府推優惠措施 前景仍不樂觀」這類新聞，這究竟是「經濟不景氣」貨「政府不爭氣」惹的禍？還是「全民教育程度高」和「女性擁有更平等的權利」？從書中的資訊給我的想法是，人口和生育率的趨緩，不是一件壞事，它本身就是世界必然的趨勢。
.
#趨緩的經濟成長
.
隨著人口增長的趨緩，許多人一定會認為經濟恐怕就此完蛋，會不會經濟的發展因此趨緩了？對，一定會。作者統計了世界各國的「國內生產總值」（GDP：指某一特定時期在某一特定地區內，所有完成的貨品和提供的勞務之總值），整理成以下這張圖。
顯而易見的事實是，世界整體的GDP總值雖然持續上漲，但是成長的速度都已經慢了下來。其他的經濟指標例如學貸、車貸、房貸和國債，總額雖然持續增加，但是增長的速度都出現了趨緩。如同動畫的鐘擺一樣，經濟的成長也開始減速。在新冠疫情之後，經濟的成長更加趨緩，但是這對地球的生態永續反而是好事，更少的製造、更少的汙染、更少的浪費。這或許是一個經濟成長趨緩但即將變得更好的世界。
這個經濟趨緩的過程，在西方常被誤認為是經濟下滑，或者跟中國的崛起扯上關係。實際上，從書中的資料不難看出，中國正出現史上最大的生育率趨緩，中國的經濟成長率也同時在急劇減速。作者對這件事下的結論是，這其實只是資本主義轉型結束的新狀態。因為資本主義強調的成長和擴張本身是一個「過程」，而不是「穩定狀態」。
我從書中的各類觀察發現，作者從英國學者的角度去分析美國、歐洲、亞洲、大洋洲各國的狀態，其視野更顯得宏觀。歐洲（尤其北歐）各國已經開始適應這種趨緩，打造許多對應的社會福利和機制，而且人民幸福指數高居世界之巔。只有美國老大哥認為自己的經濟砸鍋是中國的錯，這也不難看出美國想要奪回世界霸權地位的別有居心，但我認為即使美國最後「贏了」這場經濟對抗，資本主義的歡樂派對將無以為繼。
.
#趨緩的知識數量
.
作者認為，全世界的「數位數據總儲存量」雖然持續呈現指數級的成長，但是有意義和值得留存的「知識資訊量」並沒有以指數成長。數位訊號讓我們容易「複製」、「傳遞」和「儲存」，但光是儲存大量無用、過時、多餘的資訊，對於人類知識的增進其實沒有太大幫助。
維基百科從2001年開站以來，條目數量的增加速度急速攀升，到了2007年增加的速度達到最高峰，但是從這個時間點開始反轉。自此之後的每一年，條目數量的增加速度都持續減緩。雖然到了2019年的條目總數超過了600萬筆，但是者提出了一個有趣的觀察，全世界大多數的人感興趣的事情介於100萬到200萬件之間（百科全書紀載的數量都遠少於100萬則），因此之後增加的條目都比起以前的「更不有趣」。現在追加的新內容，充斥著一堆只有條目的標題和簡介、卻沒有詳細內容的「小作品」等著別人去補充資訊。垃圾資訊量的成長速度遠高於真正的知識資訊量。
還有另外一個跟知識資訊量有著類似趨緩跡象的東西：「書籍」。根據書中的數據，可以發現新書數量的增加速度也持續在減緩，看起來新數據和新想法的產出速度都在減緩下來，作者評論道：「這是越來越沒有新東西的洪流」。我自己反思的事情是，不要隨著資訊洪流起舞和追隨「更多」的資訊，反而要仔細篩選、挑揀高品質的內容。要去主動連結和創造出自己的洞見，或許，「少」即是多。
.
#加速中的地球暖化
.
作者談了人口、經濟、債務、數據和科技進步的速度都正在「減速」，這對地球永續是好事，對社會公義是好事，但是有一個無法忽視的危機：「地球的平均溫度上升的速度越來越快」。從下圖可以發現，溫度的變化一直往右上角發展，代表增溫越來越快。這個數據跟溫室氣體的排放量呈現很強的關聯，遠在2010年左右還有許多反對地球暖化的學說，但如今科學家們面對實際的數據，幾乎沒人在辯駁暖化效應正在惡化的事實了。
作者引用了世界自然基金會執行長 潭雅．斯蒂爾（Tanya Steele）說過的一句話：「我們是第一個知道自己正在毀滅地球的世代，也是最後一個還能做些什麼的世代。」雖然人類對於衛生、貧窮、教育等方面作出重大努力，也克服了許多難關，但是對於溫室效應的挽救，卻顯得束手無策。
如同最近發生在全球各地的極端氣候和災難，其嚴重程度不斷打破歷史紀錄，這不是偶然，而是平均溫度上升的必然。最令人憂心的是全球溫度上升的速度，至今仍然沒有半點趨緩的現象。只能祈禱美國和中國的對抗戲碼盡快落幕，或是美國什麼時候才要覺醒帶領世界各國一起迎戰真正的敵人「地球暖化」？人類是否能團結起來打贏這場戰役，或者事後回顧去奚落當初的無所作為？
.
#後記：放慢不是壞事
.
《大減速》的作者透過這本書帶出一個觀念：「人類過去生活的環境一直都是停滯和緩慢成長的平衡狀態，就只是沒有像現在這麼『急遽變化』而已。」我們正走向逐漸的減速，只是當停滯到了極點，又會出現下一次的加速變化（不知道我們有生之年能不能看到）。
從書中的各類數據看來，以及世界各方面的趨勢顯示，這是一個成長趨緩的年代（除了溫度加速上升）。我們要警覺那些舉著大旗吶喊「加速經濟成長」和「重返成長榮耀」的人物和口號，事實是趨勢早已改變，而且舉世皆然。我們已經不是乘坐在加速的列車上，也不該繼續乘坐下去。
作者認為趨緩帶來的另一項好處，是讓我們有更多的時間去質問，那些「我們祖父母和父母輩沒有質問過的事情」，因為他們的年代變化得太快、出現太多新鮮事物了。未來我們遭遇的無論科技、經濟、生活模式的變化速度，都可能會來越慢（看看令人失望的 iPhone13），如何降低自己對加速的期待，過上理想和滿足的生活，成了我們這代人的新課題。
最後，我想引用亞馬遜創辦人貝佐斯（Bezos）談打造商業策略的一句話：「與其問未來什麼會改變，不如問未來什麼是『不會改變』的？以這個回答去打造你的事業。」套用到我們自己的人生，享受親人、朋友和家庭的快樂相處時光，或許就是那件不會改變的事情。讓我們放慢腳步，細細思考什麼是人生中真正重要的事，並以此打造自己心中的理想生活。
.
Kobo電子書7折代碼：WAKISLOW
Kobo 購書連結：https://bit.ly/3jW9fkV
使用期限：9/26~10/2
.
感謝 聯經出版 提供抽獎贈書
相 減 絕對值 在 [心得] 比較陣列的相減後取絕對值速度- 看板C_Sharp 的美食出口停車場
這份文章起因是因為目前遇到影像處理的小問題，CCD可以每秒抓6張(2452*2054*16)，
但是自己寫的影像處理的時間需要280ms，也就是每秒只能處理3.5張影像，跟不上影像進
來的速度。第一種解決方案是使用市面上的影像處理軟體(ex. Matlab, LabView Vison,
OpenCV)，第二種是想辦法改進演算法。在經過方案一的交叉測試後後，我開始著手方案
二。
這邊簡單的說明一下我所使用的CCD運作模式，ActiveX元件將影像放入CCD宣告的顯示
記憶體，這時可呼叫ActiveX方法將影像複製一份到我所想要的記憶體，可以是一維，也
可以是二維，但是陣列內的元素數量相同。我想要達成的目標是即時的影像相減(第n張與
第1張相減取絕對值然後以PictureBox顯示)，為了簡化問題，本次文章直接以亂數產生陣
列代表取入的影像，並將重點放在加快陣列相減後取絕對值的速度。
我所使用的硬體為C2D E6550 2.34G*2 RAM 3.25G，，30次測試平均值如下：
Visual Studio 2008 C# 的測試結果
兩組一維陣列(1,2452*2054)相減取絕對值，所需時間為52.604ms
兩組二維陣列(2452,2054)相減取絕對值，所需時間為278.125ms
Matlab2009b 的測試結果
兩組一維陣列(1,2452*2054)相減取絕對值，所需時間為42.819ms
兩組二維陣列(2452,2054)相減取絕對值，所需時間為41.405ms
NI Measurement Studio 8.6 的測試結果(使用axCWArray元件)
兩組一維陣列(1,2452*2054)相減取絕對值，所需時間為559.375ms
兩組二維陣列(2452,2054)相減取絕對值，所需時間為1443.75ms
Maltlab影像處理測試結果
imabsdiff所需時間為86.724ms (兩張相減後取絕對值)
imsubstract所需時間為17.726ms (兩張影像相減)
Visual Studio 2008 C# 將一維陣列轉成影像輸出給PictureBox所需時間為31.250ms
小結論：
1. 在C#中使用一維陣列做影像處理能夠大幅度的減少運算時間。
2. 兩組一維陣列相減後取絕對值，轉成影像輸出給PictureBox總共需要時間83.854ms
，小贏Matlab(86.724ms) XDD。
3. 若要再加快處理速度，需要考慮多執行緒與組合語言搭配使用。
小問題：
1. 承小結論3，請版上強者大大能夠指點我的程式碼，提供改進的建議，謝謝。
附上我的程式碼
// 比較相同element數量的一維陣列與二維陣列相減時間
// 一維陣列相減52.08ms 、二維陣列相減285.9375ms
// 同迴圈內頭尾同時計算對時間沒有影響
using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Windows.Forms;
namespace myImageSub
{
public partial class mainForm : Form
{
public mainForm()
{
InitializeComponent();
ushort[] myArray1 = new ushort[2452 * 2054];
ushort[] myArray2 = new ushort[2452 * 2054];
ushort[] myArray3 = new ushort[2452 * 2054];
ushort[,] myArray4 = new ushort[2452, 2054];
ushort[,] myArray5 = new ushort[2452, 2054];
ushort[,] myArray6 = new ushort[2452, 2054];
Random myRnd = new Random();
double tempTime01, tempTime02;
TimeSpan clock01 = new TimeSpan();
int cycleTimes = 5;
// 一維陣列計算速度
for (int i = 0; i < cycleTimes; i++)
{
for (int j = 0; j < myArray1.Length; j++)
{
myArray1[j] = (ushort)myRnd.NextDouble();
myArray2[j] = (ushort)myRnd.NextDouble();
}
System.DateTime startTime = DateTime.Now;
for (int j = 0; j < myArray1.Length; j++)
{
myArray3[j] = (ushort)Math.Abs(myArray1[j] - myArray2[j]);
}
clock01 = (DateTime.Now - startTime) + clock01;
}
tempTime01 = (clock01.TotalMilliseconds / cycleTimes);
// 二維陣列計算速度
for (int i = 0; i < cycleTimes; i++)
{
for (int j = 0; j < myArray4.GetLength(1); j++)
{
for (int k = 0; k < myArray4.GetLength(0); k++)
{
myArray4[k, j] = (ushort)myRnd.NextDouble();
myArray5[k, j] = (ushort)myRnd.NextDouble();
}
}
System.DateTime startTime = DateTime.Now;
for (int j = 0; j < myArray4.GetLength(1); j++)
{
for (int k = 0; k < myArray4.GetLength(0); k++)
{
myArray6[k, j] = (ushort)Math.Abs(myArray4[k, j] -
myArray5[k, j]);
}
}
clock01 = (DateTime.Now - startTime) + clock01;
}
tempTime02 = (clock01.TotalMilliseconds / cycleTimes);
MessageBox.Show("一維陣列相減所需時間為" + tempTime01.ToString()
+ " ms \r\n" +
"二維陣列相減所需時間為" + tempTime02.ToString() + " ms");
}
}
}
--
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.112.46.87
... <看更多>