第18講 學會量化

2024-09-26 12:10:06 作者: 日本顧彼思商學院

  計算機是一種計算機器,可以用於處理數據,無法量化的事物就不能用計算機來處理。因此,跟程序算法一樣,發出指令的人也需要比以前更懂得進行量化。那麼,應該怎樣去進行量化呢?

  

  現在需要設定一個能讓機器人過馬路的程序算法。算法的出發點設定為:判斷能否過馬路。

  要思考如何判斷能否過馬路的話,需要考慮兩點,「需要獲得什麼信息」和「如何進行量化」。

  首先,思考一下「需要獲得什麼信息」。我們列舉出所需的信息,需要走過的馬路的距離應該是必要的。另外,過馬路的前提是需要有信號燈的信息。

  除此以外,過馬路還與路面的情況相關,也需要知道天氣的信息。此外,是否有車或有人,要過馬路的人的密集程度等,似乎都需要考慮。

  現在我們已經列舉出道路的寬度、信號燈的信息、路面的情況、天氣、是否有車或人、人流密集程度等必要的信息。

  接下來嘗試思考,這些信息能夠怎麼量化?首先,我們想一想道路的寬度,要怎樣量化呢?

  肉眼就能夠大致判別,但機器人無法以人的判斷方式來判斷。雖然不清楚道路實際的構造,但大體來說有兩個方法。

  一種方法是事前存入數據,即提前把道路的寬度作為數據保存在機器人裡面。另外,也可以通過GPS等方式辨識現時的所在地,結合這些信息去識別道路的寬度。

  另一種可以考慮的方法是,每次進行測量。雖然機器人視覺功能的水平有所不同,但應該可以通過用攝像頭拍下道路的照片,利用圖像識別技術計算出距離。當然,這需要同時具備能夠通過圖像信息測算距離的程序。如果能夠對馬路的黑白條紋進行計數,也可以通過這個數字測算出距離。又或者,可能還有通過發出電波或超聲波,根據接收反射波的時間算出距離等手法。

  如上所述,即便是能夠找出所需的各個要素的信息,在此基礎上還要思考對這些信息如何進行量化。我們梳理一下到目前為止所了解的內容。

  1. 找出所有必要的信息(對象)

  2. 思考能夠對每個信息進行量化的方法

  1. 找出所有必要的信息(對象)

  計算機本身是不知道應該參照哪個信息的,因此,要仔細羅列出人是通過什麼信息進行判斷的。

  反過來說,在這一步如果有些要素沒被羅列出來,就難以讓計算機為我們做事了。也就是說,關鍵在於人所憑藉的感覺或經驗能否作為信息具體表現出來。

  2. 思考能夠對每個信息進行量化的方法

  對羅列出來的每個信息,要思考如何進行具體的數值化。流程如剛才的例子,有兩種方向,即一開始就存入數據,或者每次都進行測量。

  後者有可能隨著傳感器技術的發展而進一步進化。

  對於道路的寬度,人看一眼就能大致估算,但如果給計算機的指令是「請看看然後嘗試判斷能否過馬路……」,計算機是無法運作的,指令要詳細到具體是看什麼、如何去判斷的程度。

  練習題

  接下來,我們思考一下信號燈的問題。請思考,對於那種不顯示剩餘時間的信號燈,怎樣做才能知道綠燈剩餘幾秒呢?獲得哪些信息會有幫助呢?另外,那些信息可以怎樣進行量化呢?

  解答

  要把綠燈的剩餘時間進行量化,實際上很難。能有所幫助的是,參考人是怎樣進行判斷的。那麼,我們是怎樣判斷的?

  一方面,「有多少人在過馬路」似乎可以作為判斷材料。如果有很多人在過馬路,那麼可以推測是剛剛變為綠燈;如果有不少人在快速趕著過馬路,那麼應該可以判斷快要變成紅燈了。

  另外,也可以用同樣的思路,確認一下與馬路交叉側的道路交通狀況。交叉側的道路是紅燈、車剛停下來,還是可能馬上變成綠燈的情況,也可以根據這些信息進行綜合判斷。

  如上所述,我們可以想像通過瞬時取得各種信息來進行判斷,但要把這些信息轉為數據,則是難度非常高的事。

  還有,在沒有人的情況下應該如何判斷,這還需要另外考慮。必須給這個「綜合判斷」分步驟,這正是信號燈剩餘時間量化的難點所在。

  另一方面,如果是以保證能夠過馬路為目的,雖然需要花點時間,但如果按照以下的步驟操作,就可以進行判斷。

  1. 一開始,剛剛到達斑馬線時,即使是綠燈也不過馬路

  2. 下一次綠燈還是不過馬路,而是測量綠燈有幾秒

  3. 通過第2步知道了綠燈的持續時間,再結合道路的寬度和自身的步行速度判斷,如果能在綠燈持續時間內過完馬路,那就過馬路

  STEP UP!

  道路的寬度、信號燈的信息、路面的情況、天氣、有沒有車或人、人流密集程度等,在這些最開始羅列出來的信息中,我們已經選了道路的寬度、信號燈的信息來思考量化的方向性,而事實上其他信息也是需要量化的。

  現在嘗試具體考慮路面的情況。假設分為結冰、有積雪、有積水、一般情況四種狀態。那麼請思考一下要判斷「結冰」的話,需要哪些信息?路面的溫度、水量、摩擦係數等可以作為備選信息。另外,還有一個需要提前定義的是基準。在獲得數據之後,根據什麼來判斷是結冰狀態,這就需要提前制定基準值。

  關於有沒有車或人,單單判斷有或沒有,是沒有意義的。在很遠的地方有車或有人,與過馬路沒有關係;遠距離的車或者人,也關係不大。至少要對距離和方向(向哪個方向前進)進行量化。而且,對於數量也要有所斟酌,因為在車或人的數量不同的情況下,判斷也會發生變化。

  大家要知道,像這樣僅僅是想讓機器人過馬路,也需要各種各樣的信息。而且,信息如何獲取、如何計算,實際上都需要進行恰當的設計。

  光是讓機器人過馬路,就需要考量這麼多的問題。如果是自動駕駛,其複雜程度和難度肯定高得多。而事實上,這種難度高又複雜的事情,正逐步被應用到實際生活中。

  這種量化的思路,將會成為今後邁進新世界的基礎,大家一定要掌握好。

  小結

  √ 計算機需要數據

  √ 無法數據化的事情,就藉助不了計算機的力量

  √ 要點是信息的全面羅列以及具體的量化方法

  √ 細緻羅列出人的思考方法是關鍵

  √ 現在能否在這個時代立足,就取決於能否進行量化


關閉