關於 邊緣系統之結構不包含 ，我們在網路上蒐集到這些相關的討論、資訊與評價

#走走家具獨家首發團
一直敲碗的走走家具真的談到了‼瘋狂問的收納架、收納布籃、模組雙人床都有，這也是走走家具首次團購，原本就要買的朋友快跟上👇

🉐下單往這走：https://reurl.cc/XWQxO3
🉐走走收納架：https://reurl.cc/j8r6kL
🉐走走雙人床：https://reurl.cc/mLYpGY
.
這次大家最喜歡的置物架、模組床都有，還新增了超實用的兩用架及移動邊架，都有九折以上的折扣外，滿額還有贈品及早鳥折扣喔！
.
因這是走走家具首次開團，不是用我們一般熟悉的表單，而是用問卷網頁，需要自己加總金額及匯款，也還沒刷卡系統...不過因為有團購優惠，雖然比較麻煩，也請大家多多擔待了～
.
先幫你們畫好重點：
🉐高級用料，全程台灣製造
🉐圓角設計，小孩使用更安全
🉐產品低甲醛，測試最高標準
🉐專利結構設計，快速組裝
🉐輕鬆搬運，帶走整個家
.
走走家具的單價跟一些平價家具相比真的不算便宜，但他們是現在少有的「#全程台灣製造」的家具廠商，以現在大家都要在對岸設廠來說，願意還繼續以台灣製造，這樣的成本你們可以算算會高多少XD
.
但全程台灣製造有個好處也就是有問題都找得到人，且對木工稍有涉獵，或自己會買木材來自製家具的人，就知道走走家具用的俄羅斯樺木，光木料就有多貴...
.
其實新山居當時裝修我也想用樺木，但根本爆預算，最後只能用OSB...且走走還配上中鋼金屬，你們就知道走走家具多捨得！還是我乾脆再多買幾張中鋼股票好了XD
.
有注意到我們用的走走家具就會發現他們的家具邊緣全為平滑大圓角設計，就是想要降低兒童碰撞傷害！我是沒辦法接受抽屜鎖、桌角黏防撞條的人，要活在這麼醜的環境裡我寧願不要用XD
.
但走走家具都先幫我們想好，直接全部圓角，外貌協會爹娘也不用害怕醜死人的防撞貼了！且產品都是低甲醛，測試時也都用最高標準，使用E1等級之低甲醛樺木板材，大人兒童使用都健康～
.
再加上專利結構設計，用特殊卡接結構，爸媽可帶小孩一起組裝當成大積木組裝從小訓練孩子的手眼協調能力很重要，可能我們很常組裝各種家具建材，所以時髦從小對組裝家具就很有興趣...
.
時髦一歲半不到就開始跟著我們一起組裝家具，所以像是走走家具這樣的產品，簡單的兩用架或是桌上架他自己都可以組裝完成喔，現在疫情當下，自己組裝更安心：）
.
最重要的是因為組裝很方便，搬家也能輕鬆帶著走，這也是我喜歡現成家具的原因，除了搬家無縫接軌帶走外，隨時想要更換居家風格也能輕易變換，很適合善變的我！
.
.
#走走高架 #走走置物架
我最喜歡走走家具的產品，就是他的各式置物架。
.
像走走高架及走走置物架都超好用，從青埔搬到新山居也一起帶著它，因為當初我就有加購他們的收納布籃，搬家時連收都不用收，直接整座置物架包含布籃一起用膠膜包起，直接搬運。
.
到山居後直接就定位，拆掉膠膜就能直接無縫接軌使用，真的是搬家好幫手～尤其它是開放式設計，若不靠牆使用可作為雙邊收納，前、後方都能取物超方便。
.
還可搭配書擋、布籃使用，使用更多元便利！
‼買三個層架，送布籃書擋各一 (價值1700元)
‼床架＋層架，送置物托盤×1(價值1520元)
.
.
#收納布籃
強烈建議一定要搭配他們的布籃，因為我有測試過，他們家的布籃耐重量真的最高！尤其採用鍍銀鐵扣與銅合金以CNC車工製成，雙邊把手設計可耐重10公斤！之前有拿來收納食材、時髦一些玩具，重量都不輕，但走走家具的布籃都撐得住，其他的整個就會破底XD
.
正方收納布籃有25公升大容量，若不使用時可摺疊收起，不佔空間。使用一般使用於戶外產品的特多龍600D布料，相較一般布料更防潮、不易發霉、也更硬挺喔！
.
.
#移動邊架
這是這次的新款，我覺得這個太好用了～最上層的置物鐵板雙邊有兩種高度，下有滾輪！要當電腦主機架也可以，當隨心所欲推車也行，但我自己覺得超適合爹娘拿來當尿布備品推車，我們自己則是在時髦閃亮睡後當作零食推車跟小餐車！
.
你知道歐美很流行拿推車當茶几嗎？這個移動邊架就是這個概念啊～尤其有時候起床找不到時髦，原來他自己搬了沙發，再把推車推到角落，變成他的私人積木桌，真的懂享受。
.
.
#兩用架
這個也是超萬用，很適用於各式空間！可以當書櫃、當鞋架、當展示櫃、收玩具、收零食通通都OK，美觀又實用！很適合我這個隨時想變來變去的人，所以立刻納入後宮。
.
.
#模組床架
我跟肯吉從時髦出生後，就改成一人一張單人床，這樣另一半翻來翻去也不會被干擾！年紀到了真的睡得好比甜蜜蜜更重要啊XDDD
.
剛好走走家具的模組雙人床其實是兩張單人床併成的雙人床，對我們這種樓梯不大的透天來說，搬運也比較方便，日後真的要搬家一樣可以帶著走。床墊厚度8到30公分皆適用喔！
.
我們從16年前擁有第一個家後，到現在一路搬了五個家，都沒有訂製床，都是買現成組裝家具！
.
就是因為我們常會改變擺設，有時候想換個位置或角度，這時就會覺得現成家具的好，想怎麼搬怎麼移動都沒問題～～～且如果要搬家，都可以直接一起搬走，下個家也能省下床組的費用，超划算又方便。
.
以走走家具模組床這樣的質感來說，穩固又沈甸甸，耐用十年以上，一天算下來大概8.6塊真的很划算，搬家也能帶著走，真的算是很超值的床組！！！
.
它可變性超高，以前只有單人與加大雙人床的大小，現在新增了一般雙人囉！若用兩個單人床拼起來就是模組雙人床架，大概是King Size大小。
.
床頭板上有個小凹槽，可不要小看這小凹槽，隨手放個眼鏡、耳塞、遙控器超方便！
.
像我跟肯吉習慣一人一張單人床，搭配模組雙人床架超適合，吵架可以立刻分離變成兩張單人床XDDD
.
床架邊緣一樣全為平滑大圓角設計，降低兒童碰撞傷害。如果輪到我睡主臥，時髦閃亮早上來叫我時，每天都在床上爬上爬下都沒問題喔～我自己很推薦搭配「床底收納木箱」，可以收納滿大量的衣物或棉被！
.
.
#床架收納木箱
而床架組好後，我真心推薦要加購這個床底置物箱，可以讓床架立刻多了超多收納空間～看起來配件很多，但組裝也一點不困難～就是四邊框架、底板，再加上可移動上蓋就完成囉！
.
一張單人床可以放兩個床底置物箱，模組雙人床最大可以放到King Size床墊，大約可以放入四個床底置物箱，我直接放好放滿，四個都來！！！床底置物箱空間超大，所以整個鋪棉兩用被再加枕套放入都沒問題，收納量超足夠。
.
不過要注意的是若是有加購床底置物箱，記得要預留夠大的走道位置～因為要拿取物品時，床底置物盒都需要拖出，若沒有預留夠大的走道位置，就沒辦法拖出拿取物品喔！
＿＿＿＿＿＿＿＿＿＿＿＿＿＿
🉐下單往這走：https://reurl.cc/XWQxO3
🉐走走收納架：https://reurl.cc/j8r6kL
🉐走走雙人床：https://reurl.cc/mLYpGY
.
👉客服電話：0905-619-415
👉客服LINE：@ghd2522k

【認真聽】#妖怪的誕生與妖怪學 | 日本的妖怪系譜 | 井上圓了、柳田國男、小松和彥、河合隼雄這些妖怪學者們 // 李長潔👹👺👻
.
妖怪，在當代日本流行文化中，有著非常豐富的表現，像是《妖怪手錶》、《鬼太郎》、《鬼滅之刃》等，散見動畫、電影、漫畫、電玩諸多不同的媒介文本中。對於日本大眾而言，妖怪不僅恐怖，有時候更是可愛又迷人的反派角色。那到底妖怪是甚麼？跟鬼與幽靈有甚麼不同？還有專門防範瘟疫的妖怪？
.
剛好最近應 #曉劇場 的 #鐘伯淵 的邀請，與知名妖怪畫家/作家 #角斯，一起在宜蘭大學進行線上講座，漫談「#妖怪文化與創作」。我系統性地整理了一下「妖怪學的系譜」，就順勢將講座的內容做了整理，分享給大家。
.
📌 #今天的內容有：
.
▶ 妖怪文化與創作
▶ 我想要看到鬼
▶ 妖怪幽靈的起源與區別
▶ 什麼是百鬼夜行
▶ 妖怪學的誕生與系譜
▶ 妖怪博士—井上圓了
▶ 民俗學大咖—柳田國男
▶ 妖怪研究大師—小松和彥
▶ 傳說中的心靈解析—河合隼雄
▶ 防護傳染病的妖怪
▶ 當代台灣的妖怪復興運動
.
📣 #Firstory 聽這裡：https://open.firstory.me/story/ckpi4iq8er97a08905t3dfzo4
.
📣 #KKbox 聽這裡：https://podcast.kkbox.com/episode/KnwheK-Gr11ZYd6OLW
.
📣 #Spotify 聽這裡：https://open.spotify.com/episode/4Xu5k2MuYVPMp8s5SDR4nK?si=oYl7WuVRSv-Sp2VV14WMww&utm_source=copy-link
.
📣 #Apple 聽這裡：https://reurl.cc/W3kldk

|

///// 完整論述 ////

日本自古就有大量關於妖怪的傳說，像是土佐光信的「百鬼夜行繪卷」、鳥山石燕的「畫圖百鬼夜行」，後來還有柳田國男民俗學、小泉八雲的怪談文學、水木茂的妖怪漫畫。妖怪對於日本人的精神生活影響深遠，相關文化的淵源流長、系譜龐大。
.
▓ #鬼妖怪與幽靈的區別
.
首先，我們先來區分一下「鬼」、「妖怪」與「幽靈」，雖然他們都是會令我們害怕的東西，但在不同文化的解釋上，有著不同的發展脈絡。在中國的脈絡裡，妖指稱著「異常」的現象，怪則比較複雜，包含「異常現象」與「異常事物」。（廖翊如，2018）
.
我們以日本文化為範疇，對妖怪的想像起自於繩文時代的萬靈想像，世界萬物都具有某種神異，以其作為解釋自然的邏輯。進入到平安時期，妖怪的概念開始快速發展，明確地《續日本書紀》裡寫到，龜寶八年（777年）時皇宮中妖怪頻傳。江戶時期，「お化け」、「百鬼夜行」等相關的詞彙，開始頻繁地使用，透過風俗畫卷、說書、物語等形構與流傳，鬼、妖怪、幽靈成為人人口耳相傳的重要故事主題。
.
當然，怪異事物的光譜遼闊，我們做一個普遍上日文中的分類說明。傳統中的おん（後來搭配漢字的「鬼」），指稱「隱」的事物，說的是各種被集體排斥、感到害怕的事物，其包含被作為鬼的人，和想像中的鬼，兩者會互相影響，例如怨靈菅原道真。後來鬼的形象越趨明顯，指的是「酒吞童子」、「桃太郎故事」裡的那種長角的妖怪（青鬼、赤鬼），在神社寺廟裡有許多祭典都圍繞著「鬼」這個角色，有著濃厚的佛教傳播色彩，而牛角虎皮的形象，則來自中國風水上鬼門的概念（北東=丑寅）。因此，鬼可以說是一種「惡」的綜合，有時候甚至是「盜匪」的借代。
.
妖怪（ようかい），則是泛指奇怪的現象或物，像是河童、天狗、傘怪等。原本較無描繪型態，後來，從室町時代開始，像是土佐光信的《百鬼夜行繪卷》，開始以畫卷做出各種妖怪型態的描寫，如枇杷、傘、魚等。土佐光信將原本就存在的妖怪想像，首次進行視覺化，也奠定了日後江戶時期大眾對「百鬼夜行」的娛樂興趣。
.
而幽靈（幽霊）就是台灣文化中的「鬼」，指的是人的魂魄的延伸。幽靈的概念，可以追溯到《古事記》裡黃泉的故事（大家應該知道吧），平安時代也有影響國家政治史的三大怨靈—「菅原道真」、「崇德天皇」、「平將門」。室町時代後開始有許多以「幽靈」為主題的能劇與歌舞伎，後來就出現很多大家孰知的《四谷怪談》、《皿屋敷》、《牡丹燈籠》三大女鬼故事，而幽靈的形象（小雪）也在畫家圓山應舉的水墨畫中奠定（加治屋健司，2011）。
.
江戶時代以降，這些妖魔鬼怪的故事成為日本社會文化中重要的成分，直到今天，我們總也能在大眾文化的許多地方，遇見它們，像是各地的吉祥物不就正是某種地方文化妖怪化（具體化、現象化）的實現。
.
好啦~以上我們是以一個概論的形式來討論「妖怪」，接下來，便以日本學術界對「妖怪」的論述，來做一個系譜性的研究。
.
▓ #虛怪與實怪的妖怪哲學
.
若要說第一位將「妖怪」作為研究對象的學者，就是井上圓了。生於1858年的井上圓了，做為一名哲學家、佛學家，怎麼會去研究妖怪呢？還被號稱為「妖怪博士」。圓了研究妖怪的目的，在於探討「人心的近代化」（人心の近代化），希望透過分析妖怪的存在，來去破除日本傳統中陳舊的迷信。這裡的「妖怪」指涉一種「學術用語」，指稱各種非合理正常的事物與精神（三浦宏文，2017）。
.
1887年井上圓了出版《妖怪玄談》。明治時代初期，有許多強調「不思議」的社會現象，像是「狐狗狸降靈術」（こっくりさん）（類似碟仙的占卜巫術）、「鬼門」等，讓井上認為應該要「除魅」與「近代化」。井上將妖怪當作一種現象，並且區分出「虛怪」、「實怪」，虛怪是人為的妖怪現象，又分成主觀與客觀上看錯的「誤怪」，與意圖製造出來的「偽怪」。（甲田烈，2014）
.
而真正從自然真實派生出來的實怪，則分成對自然現象進行有限解釋的「仮怪」（假怪），像是用鬼的肆虐來解釋瘟疫的傳播，和統攝萬物現象運作的「真怪」，例如「太極」、「真如」等。從井上圓了「妖怪哲學」來看，我們必須要拂除假怪，關照真怪，使事物合理，便是讓市井常民的生活更加明亮。（井上円了，2001）
.
▓ #江馬務的妖怪變化史
.
再過渡到大正時期，歷史學者江馬務則將「妖怪」的主題，聚焦在視覺文化上，這些不可見的妖怪，是如何在歷史的過程中，被化成具體的形象。江馬務的《日本妖怪變化史》（1923），透過風俗畫來解讀妖怪形象的變化，對妖怪、幽靈、鬼做了細緻的分類，例如區分出人、植物、動物、物品、無法解釋的現象等怪異類型。江馬務與井上圓了有所不同，他並不認為妖怪是一種現象，而是將其作為古代社會的真實：既然古代人相信有妖怪，那研究妖怪就等於研究古代風俗民情。也就是從客觀的社會變化，對照人類對妖怪的主觀想像；透過妖怪的形象變化，來理解常民文化的面貌，尤其是造型化、視覺化後的妖怪。
.
▓ #柳田國男的妖怪民俗學
.
1936年，第一位使用田野調查方式對民俗進行考察的學者—柳田國男，出版了專論妖怪的《妖怪談議》。柳田國男基本上是拒絕井上圓了的「除魅」論，並承接江馬務對妖怪民俗的興趣，進行大量的妖怪故事蒐集。《妖怪談議》等著作的重要貢獻就是，採集了全日本的妖怪故事，並分析其種類與分布；區分出妖怪與幽靈的差別（基本上兩者是對立的）；最後，柳田國男將妖怪的出現看作是神靈信仰的衰退。雖然將妖怪看作是神靈信仰的衰退被受批評，但這樣的觀點直接影響了後來的當代妖怪學大師小松和彥。（小松和彦，2001）
.
除了《妖怪談議》外，柳田國男還整理與撰寫了《幽靈思想的變遷》、《狸與鬼神學》、《巫女考》、《遠野物語》等。這樣對故事的蒐集，是柳田國男的民俗學基礎，他認為「有形文化」、「語言藝術」、「心意現象」，是了解民俗的三條路徑。其中「心意現象」（或說精神世界），是把握文化架構的終極目標。所以研究妖怪，就是了解日本人恐懼感的原初形式，也是那些沒有被外來文化所影響的深層部分。
.
▓ #當代妖怪學大師小松和彥
.
如果提到妖怪研究，必定無法迴避文化人類學家小松和彥。承接著柳田國男的妖怪民俗學、妖怪口述文學、妖怪宗教學，國際日本文化研究中心的小松和彥，更進一步以結構主義、符號學的社會科學觀點與方法，對所蒐集的故事傳說與繪卷進行分析。小松的結構主義方法強調，「妖怪」現象不僅是物件和事物的總和，這些物件和事物背後都另有涵義，研究妖怪就是研究人心人性、研究社會狀況。小松和彥是一個高產量的研究者，《憑靈信仰論》（1994）、《異人論》（1995）、《惡靈論》（1997）、《神明的精神史》（1997）、《妖怪學新考》（1998）《怪異的民俗學》（共8卷）（2002、2001）、《京都魔界案內》（2002）、《異界與日本人》（1998）等，還有一堆沒寫上。
.
在小松和彥的研究下，所謂的「妖怪學」正式成為一種研究領域，或研究取徑，他的《妖怪學新考》（1998）融合前人之大成（像是柳田國男對文化心靈的追尋，或是谷川健一《魔之譜系》中妖怪（敗者）支配人類（勝者）的政治想像）。他開展了透過妖怪來理解人類社會結構、精神歷史與內心狀態之間關係的方法論。小松和彥主要以「妖怪概念」作為分析社會的架構，其領域有「妖怪現象」、「妖怪存在」、「被造型化的妖怪」。
.
妖怪現象是指某種不可思議現象解釋的超自然假設，這是一種感官上、情感的恐懼現象；妖怪存在則是指未成為祭祀對象的妖怪現象，無法被解釋的現象在江戶時代轉化為存在；造型化的妖怪指涉被形象化的妖怪存在，在室町時代、江戶時代大量被生產與再生產出多元的妖怪視覺化樣貌。而「超自然」的現象解釋，變成為修補日常與超常之間斷裂的論述話語。
.
對我而言，妖怪是一個上層概念，其與神、人形成一個動態的關聯，也解釋世界的圖式。這個圖式明顯地揚棄柳田國男的「神靈衰退說」，將妖怪提升到與神明平等的超自然位置。
.
並且妖怪是出現於非日常的「異界」，而這種地理上的實質異界（邊緣地帶），混合在村落、鄉鎮、都市三類的「社會生活」中，如此一來將異常與日常縫補起來，更加能理解日本人的文化心靈。
.
小松和彥的《京都魔界案內》是我的啟蒙。想到幾年前在日本書店看見小松和彥監修的《京都魔界案內》雜誌版，真的是眼界大開，原來可以用妖怪鬼魅的故事與空間，去詮釋整個京都的歷史、地理、社會、文化、政治、經濟等面向，還可以拿來當作旅遊手冊，增添遊歷的趣味。
.
▓ #諏訪春雄的幽靈論
.
近世文學家、藝能史研究者諏訪春雄，也對這些妖魔鬼怪非常有興趣，著名的研究主題是「蛇」，他詳析了中國、日本的「白蛇」故事。在《日本の幽霊》（1988）一書中，諏訪春雄也區分了妖怪與幽靈，他認為，幽靈是人類的延伸，是祖靈信仰的產物，通常出現在「他界」，相較而言，諏訪春雄認為幽靈形象與故事是較為嶄新，且幽靈通常是純真而容易相信他人的人，即使受到欺負也不知道怎麼反擊，這樣「一心一意」的人，最後就成為幽靈。妖怪則是一種生物，是泛靈論的產物，通常出現在「異界」。他界指的是與人間平行、對稱的「死後的世界」，而異界就是「無序、恐怖、反常的世界」。
.
▓ #河合隼雄的怪奇精神分析詮釋學
.
從河合隼雄的榮格學派精神分析角度來看，「異界」正是無意識的領域，是非日常、例外、內在、感性、混沌的，因此，他非常重視異界中的日本傳說，其詮釋著日本人的文化心靈結構。在讀河合隼雄之後，非常深刻地體悟，所謂的心靈，就是文化，一種不可言喻的內外統合意義世界。像是「浦島太郎」、「鶴妻」等，都反映了日本人精神世界的個體化面貌。（河合隼雄，1982、1994；千野美和子，2009）
.
我們以在疫情中爆紅的妖怪—アマビエ為例，在社群媒體爆紅的這隻妖怪，就反映了大眾社會的不安情感，以及期待療癒與未來（預言）的心靈撫慰。
.
▓ #妖怪研究的當代觀點
.
總結而言，妖怪自古就存在，進入到明治時代之後，學者們將妖怪與人類心靈做了一個整合地理解，更在這樣的基礎上，展開民俗學的研究取徑。我們要說妖怪是什麼呢？綜合來說，它們有著「有形のもの」（the tangible）與「無形のもの」(the intangible）的存在方式，甚至，也可能是一種「有形と無形のあいだ」（between tangible and intangible）的存在方式，而各種妖怪鬼魅存在，正是社會文化的本身具現。（廣田龍平，2014）
.
當代的妖怪研究，在80年代後加速地興起，無疑是一種日本人對日本傳統文化消失的「鄉愁」。1990-2000年的妖怪鬼魅流行文化與文本的興起，無疑的，也是某種對日本文化的自我審視與在生產。不過從狐狸、天狗類型的妖怪逐漸消失在現代都市中，與大量增加的人系幽靈出沒，可以見到人對自然敬畏的遠離，對現代生活人間關係的疑慮，更反映了個人主義化的趨勢，人人以自己的認知結構來劃分「異界」，於是，恐怖的事物更加地個人化，而非顯現為傳統集體性的鄉野傳說。不過別擔心，妖怪的活力還是充裕滿載，小松和彥說：「只要人類存在，妖怪就不會消失」，「研究妖怪，就是研究人」。
.
▓ #台灣的妖怪再生產與消費
.
近年來，日本的妖怪不斷在大眾／次文化場域推陳出新，從充滿萌元素的動漫至詭譎的推理小說，再到妖怪的周邊商品，這股妖怪旋風也吹至台灣，掀起一陣「模仿」熱潮，從溪頭妖怪村、臺中經貿夜市以妖怪作為經營特色方針，都可以看出妖怪符碼的挪用。
.
然而，台灣妖怪的出現不僅僅可以視作商業流行符碼操作，更應該深思臺灣文化中對妖怪的刪除與找回，探索背後的文化脈絡與焦慮。妖怪是一個地方的人們，利用他們有限的知識與想像力，去理解生活周遭的環境之後所產生的心理投射與文化創作（廖翊如，2018）。無論是系譜性、系統性地去回顧、整理台灣的妖怪田野，引出資料中妖怪的形象，或是更進一步去創作出新的鬼魅妖怪，像是《還願》這樣的遊戲作品，或近期興起的妖怪文藝。都是對人們日常生活的重新賦給意義，增加大眾文化的趣味與厚度，更可成為對社會的描述、紀錄、探索與批判。

|

📒#參考文獻
.
1. 井上円了. (2001). 妖怪学. 井上円了選集, 21, 13-94.

2. 高橋直美. (2001). 井上圓了と妖怪学の現在. 井上円了センター年報, (10), 97-118.

3. 甲田烈. (2014). 円了妖怪学における 「真怪」 の構造. 国際井上円了研究, (2), 250-271.

4. 三浦節夫. (2014). 井上円了の妖怪学. 国際井上円了研究, (2), 285-311.

5. 井関大介. (2017). 井上円了の妖怪学と心理学. 井上円了センター年報= Annual report of the Inoue Enryo Center, (26), 95-116.

6. 三浦節夫. (2001). 井上円了と妖怪学の誕生. 井上円了選集, 21, 464-493.

7. 小松和彦. (2001). 井上円了の妖怪学とそれ以後. 井上円了選集, 21, 449-463.

8. 三浦宏文(2017). 井上円了の哲学と妖怪学の目的.

9. 馬場真理子. (2014). 妖怪. 東京大学宗教学年報, 32, 237-239.

10. 川野明正. (2020). 漢語における 「妖怪」 概念-日・中・台の概念比較.

11. 江馬務. (1923). 日本妖怪変化史. 中央公論新社.

12. 廖翊如. (2018). 臺灣大眾文化中的妖怪再現與生產. 台灣文學與跨國文化研究所, 1-87.

13. 加治屋健司, & カジヤケンジ. (2011). 日本の中世及び近世における夢と幽霊の視覚表象. 広島市立大学芸術学部芸術学研究科紀要, (16), 37-44.

14. 諏訪春雄. (2010). 霊魂の文化誌: 神・妖怪・幽霊・鬼の日中比較研究. 勉誠出版.

15. 冨安由真. 心霊表象論: 心霊イメージの変遷から読み解く 「不気味な」 表現の可能性.

16. 小松和彥（1998）。妖怪學新考。講談社。

17. 千野美和子. (2009). 日本昔話 [鬼が笑う] にみる母性. 京都光華女子大学研究紀要= Research bulletin of Kyoto Koka Women's University, 47, 105-120.

18. 河合隼雄. (1994). ユング心理学入門 (Vol. 1). 岩波書店.

19. 廣田龍平. (2014). 妖怪の, 一つではない複数の存在論―妖怪研究における存在論的前提についての批判的検討―. Journal of Living Folklore.

20. 河合隼雄. (1982). 昔話と日本人の心. 岩波書店.

|

#也太長
#謝謝大家聽我囉唆

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