關於 google home找不到電視 ，我們在網路上蒐集到這些相關的討論、資訊與評價

#自我學習分享
#英式英語

來英國生活🇬🇧，很多人都會擔心自己的英文不夠好，很難融入這個社會，怕和本地人溝通，怕不明白對方講什麼，怕自己講的英文grammer錯漏百出，怕因此找不到工作，但來到英國生活，基本的日常英語對話，是絕對避免不了的！

以我自己為例，作為一位🇭🇰香港本地大學畢業生、土生土長的香港人來說，出生於普通家庭，沒有受過任何國際學校的洗禮，或者海外留學的經驗，和大部份香港人一樣，自問英文不算差，說得一口普通的港式英語🇭🇰😆，只要在冷靜而不緊張的情況下，用英語流暢地表達自己的所思所想，絕對不是大問題👌，但來到英國生活這兩年間，我發現自己很多時候和本地人溝通，永遠只明白到七至八成，總是miss了別人一兩句，有時load不到某個英文字，亦不能完完全全表達自己，總是覺得有點可惜，認為自己的英文很「廢」，加上自從上年lockdown至今，留在家的時間實在太長了，很少機會出去用英文同人溝通，所以我就養成了一個習慣，每天早上花20-30分鐘利用一些網上免費資源，增進一下自己的英文。

除了睇BBC、睇Netflix🍿學英文之外，在外國很流行聽Google Podcasts，和聽電台一樣，一邊聽一邊學英文。我平時訂閱的這幾個頻道，好想分享給大家，這些channels主要為身處在英國、而英語不是他們的First Language的外國人而設，讓他們能在線上，多學習英文及多了解英國的本地文化。

1. The British English Podcast
主持人 Charlie會分享很多不同學習英語的方法給大家，例如其中一集講下British people在生活上，有什麼typical的行為是連英國人都覺得有趣的，可以學到好多英式口音和俚語。

2. English for Life in the UK
我個人很喜歡聽這個channel，因為主持人經常會運用英國最新最貼地的時事話題、大事件、節日等等去講英國文化，例如較早前英國舉行的Census，它的歷史和演變是什麼？上個月復活節亦會講下英國家庭有什麼復活節傳統的食物和活動呢？

3. Speak Better English with Harry
這個channel十分實用，主持Harry會教好多不同的Phases和用法，例如簡單一個英文字 'Pay'，除了本身的意思外，還有其他10個不同的phases有不同意思，我就習慣一邊聽一邊打出來，當是listening和之後拿來溫習。

4. BBC Hourly News Bulletin
這個頻道就不用我多說了，就是英國電視台BBC每小時的新聞簡報，我work from home的每天都習慣早上九點開工，聽返當天八點和七點的新聞報道，緊貼英國時事。

5. World Business Report
這個channel會利用現時的社會近況，分析一些全球性的商業和經濟問題，例如是Covid-19導致全英國餐廳閉門接近一年，而最近終於重開，餐飲業生意大受打擊，對英國整體的經濟造成什麼影響？

以上是我的誠意小分享❤，鼓勵大家決定來英國生活的話，就要積極面對，英文差並不是藉口，只有多聽多講多練習，英文才會進步！

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

【再見最恐怖的2020年｜這充滿負能量的一年，我想說的總結回望是...】

#超長文慎入

2020年是多麼恐怖的一年，全球絕大部份人都感受到了。於我而言，也是最痛苦最絕望的一年。常看到許多人「人講我又講」，紛紛抱怨2020年很差，其實你有份穩定工作、有個愛你的人在身邊、有著不錯的收入、有健康的身體、追夢之途上有曙光，極其量只是這一年沒有加人工、極其量只是不能外遊、極其量只是Home office要受老闆奪命追魂Call... 其實你都活得很好，請別說何「差」之有。

在12週年時，成功辦過場包場放映活動，那是我在2020年最成功、最光輝、最高潮的一刻。這一年好像很渾沌，就是那一天的成功，最少讓我覺得這一年沒有白過。

不如，用那時包場前拍的照片，為這一年總結文劃上句號。

1. 作為旅遊Blogger、熱愛旅遊的人，一年飛幾次是常識吧，這一年只在年初獲邀出席電影節，去了次日本松山，那甚至不算是旅行。結果，回來沒兩星期，疫情就大爆發，甚麼地方都去不了。以往每一年的這篇總結文章，都是找張外遊照片，今年竟連一張外遊照片都沒有。從大學開始，或遠或近，每年最少都去兩次旅行，少則一星期、長則數個月，今年竟然甚麼都沒有了，連澳門都不能去，心情有夠鬱悶。如是者，這一年在香港不斷尋找各類隱世地方，無論離島或行山次數，均是意想不到的多。每一天都無所事事，那不單是想尋找旅行的感覺，而是這個狀態下，如不外出呼吸一口新鮮空氣，恐怕會精神崩潰。
最後，我驚覺，原來在香港活了這麼多年，從沒發現過有這些隱世好地方就在身邊。

.

2. 對，2020年最大挑戰，是每一天要想想有甚麼好做。相信有不少朋友都經歷了。我非首次失業，但從前你就算失業，都總會有事可幹，即使在香港，都有地方可讓你解悶，你可沒想到，有朝一日會連博物館都關門、會連泳池都關閉、你想找些課堂興趣班上都全數停課、你想搞讀者聚會分享會，都因為疫情「限聚」而不成功、你想找班朋友gathering，卻陷於二人限聚、你想落街跑步，竟得怕因為沒帶口罩而被控。這個時勢別說有工作，連「見工」讓你落街走走的機會都不多。因此，這一年的最大挑戰，就是每天都要想想做甚麼、為自己找個活下去的理由。我從來是個「坐唔定」的人，這一年絕大部份時間唯一可做的事，就是Netflix，曾令我有刻對電視都感到恐懼。當人生沒了目標，即使有目標都不能達成時，原來是最可怕的事。
最後，我嘗試去習慣這些無聊的日子，我不懂「習慣」了是否一件好事，我似乎真的習慣這些平淡生活了。

.

3. 多虧這個疫情，我一年失業兩次，兩次都是不歡而散，尤其年頭的一次，陷入一間讓你有無窮精神壓力、疲勞轟炸的恐怖公司，絕對是人生中最恐怖的夢魘，還得遇上疫情，本已失控的老板都瘋了。常以為人生「沒有最伏，只有更伏」，你以為有些公司讓你差點被拉上法庭已有夠絕望，原來總是低處未算低。曾誤以為下半年的工作可讓我成功轉行，怎料又是另一回錯配，亦再為疫情，一年兩次被裁員。
最後，我告訴自己，勉強無幸福，與其在疫情陰霾下被繼續天天被受白色恐怖，裁走或許是解脫。

.

4. 曾幾何時，人生遇上了種種無情的變卦、工作上的不安定，我會跟大家笑說幕幕「見工奇遇記」、「職場光怪陸離史」，也會反思這是否自己的問題。這一年，我終於想通了，這絕非自己的問題，也不是自己的能力問題，而是真真正正的「命」。曾經，我會以為這些職場陰暗史正常不過，原來不斷遇上的倒霉事只屬個人經歷、有如夢魘般的輪迴，沒有最差，只有更差，非是你的問題，而是命運的擺弄。曾會因為遇上事業、求職問題而失望，這年是絕望。
最後，這個疫情仿佛讓我「叮」一聲的醒覺，有些事情若是命中註定，請別強求太多，捨下多餘的壓力，凡事看輕一點，或許能更自在。

.

5. 突然在從沒停過的人生中停下來，你開始會反思，自己的人生這樣子下去真的不行了。回憶從2015年開始，都沒遇過甚麼正常的工作，都經歷了不堪回首的記憶，公司破產、公司倒閉、老闆被ICAC查結果要裁員，最後來到這一年的疫情。你的CV「花」了非自己的問題，而是遇得太多奇怪事。從前的我會樂觀笑說，這不過是倒霉運，可若未來都是這樣子倒霉下去，這不能是笑話了。以往，你會覺得去次長旅行「叉電」、再次上路又是一條好漢，可這年不能外遊，又來到這個年紀，身邊人都開始有一定的事業，甚至是人生基礎時，你還處處碰壁，真有種人生就此玩完的感覺。回想起來，你求職不成、嘗試Freelance又失敗、嘗試創業又沒有成功，一個又一個人聲稱要與你合作，卻全均屬「講吓姐」。這一年連想上些興趣班、學習新技能都全部停課時，你不禁回想這五年來的一切努力，比別人多百倍的努力，不斷的努力又曾否有一刻成功過？年中去了幾回算命，師傅都不約而同告訴你，這是難得一見的辛苦命，你一生不會有折墮時，但一定不會有大富大貴的成功。
最後，我嘗試令自己不要想太多。信命與否全屬你個人選擇，我當然明白，但在這個諷刺的一年聽來，都不知是否樂觀了。

.

6. 這一年，我看透了人心的變幻莫測。年初的工作，公司不足十個人，卻明爭暗鬥、是非黨派的真情假意恐怖得讓你不寒而慄，誤以為多年來的職場陰暗奇遇，已讓你看透人性陰暗，原來低處未算低，能夠在那活過來，足上了人生好好一課。善惡輪迴終有報，再不堪的人原來真有「現眼報」的一天，或是我這年最痛快的「花生」。下半年的工作，誤以為遇上好同事，甚至曾天真地以為，這是人生中最好的一班同事了，原來不知哪來的誤會，都足讓跟你關係超要好的同事變成陌路人。友誼突然一下子斷送，換來驚覺是更多謊言。一次又一次殘酷的人性真面目，確會讓你傷透心，是我2020年一大恐怖夢魘。
最後，我得要不斷告訴自己，請別對人性絕望。

.

7. 今年我失戀了。你很難想像，自己飽受跌碰，還會如此真心地去愛一個人，仿佛用盡餘生的力氣去深愛一個人；你亦很難想像，世間會找到這麼一個人，無論各方面都跟你何等的配襯，仿是找到那個人生缺少的另一半。到頭來，愛得太深，也可以傷得極深，你沒料到的轉折，足如同把你打下18層地獄。人生中從沒試過這麼愛一個人，自然也承受不了這樣子的痛楚，有段時間我是陷入了抑鬱、長期失眠、食慾不振，連看醫生也不能治癒，是我人生健康最差的一段時間。身體上的病如感冒傷風頭痛可能試過很多回，原來心病才是最可怕。愛一個上一課，愛人也要好好愛自己，老早已經學會，這一次是愛自己之餘，得為自己留下一絲面子與尊嚴。
最後，或要經歷人生鮮有的生離死別，但願離別也不是陌路人，畢竟那個人，曾在你人生中留下過最重要的位置。那一段日子，也是我這一年最美好的日子，總算曾經擁有過。

.

8. 有說疫情拉近了人與人之間的距離，真的嗎？那無非是太正面的宣傳洗腦，現實中，疫情卻是把人與人之間的距離拉得百丈遠。有說香港這一年的失業率是6.2%，我卻覺得是62%，身邊幾乎人人失業，大家百無聊賴，初期大家真的定期問候或邀約，彼此鼓勵好好活下去。可是，疫情之下，大家都開始變了，昔日稱兄道弟的朋友開始不瞅不睬、昔日生死與共的戰友竟突然相對無言。在無數個無聊的日子，你預留個位置給朋友們，結果一次又一次「全民甩底」，最終你累了。求人不如求己，相信別人不如好好照顧自己 ；真正的友誼是雙向的，也別將自己通通都獻給別人的諾言。從前你會覺得，一段友誼不努力經營就會從此斷送，這年明白了再努力經營都一樣會斷送，那麼對方不懂珍惜，也別把自己弄得太累。這個年頭，諾言輕薄如紙，更多是無盡謊言與假面具，認真你就輸了。有說善意的謊言傷害性不大，那不過是自私說法而已。
最後，我時刻告訴自己，別人其身不正，請別同流合污，保持自己的人性真善美。

.

9. 諷刺地，有些人並非單單不瞅不睬，而是當了你是工具人。這一年你很苦悶，身邊也有很多人都苦悶，很多人漸漸把你當成「情感樹窿」，終讓你變成「攝時間」的工具人。易地而處，待你想找這些人閒聊或外出時，原來沒有誰會理會你；對方無聊時，就會第一個想起你。或許，沒有疫情的世代，身邊都大有這些人在，只是沒太明顯、你不察覺，可在疫情之下，性格就更為突出。有些人經不起寂寞，有起甚麼事來只想找個人陪伴，哪管是誰也成，但在他們心中，每個人都是有Priority的排序，你在對方心目中，只是個「攝時間情感樹窿」，甚至跟你說句「冇人叫你要聽我呻架喎」，原來從沒付出過甚麼真心。
最後，有天突然醒覺了，別把自己的時間與感情都寄託在這些人身上，不值得。即使再無聊，也別把時間浪費在無謂人身上，心情本已不好，何苦還要因為他們而失望呢？

.

10. 在最痛苦絕望時，有一段時間沉迷了「玩App」，真讓你對人性更絕望。雖說「出得嚟玩，唔好太認真」，但見App上各式千奇百怪人等，無非利用別人排解空虛，甚至光明正大要「出軌」，或是魅惑人心，用完善的劇本去對你進行推銷。即使你沒有「落疊」，也沒有付出過甚麼真心，太沉迷只會令你對人性愈來愈絕望，有一刻你會覺得，這年頭還有誰會願意認真嗎？要找個認真對待感情或友情的人真那麼難嗎？女人常說遇上太多賤男，易地而處，我不會說「賤女」，只能說奇怪女人也一樣超級多。
最後，有一刻，你或也想「黑化」變成另一個不認真「玩玩吓」的人，終覺得如不想看見自己變成個魔頭，不如及早抽身。

.

11. 真心，若你還有一份工作、還有固定收入，請別再「人講你又講」的說自己有多差，你已經比很多人好了。從前，你沒有工作，也有Freelance、可以做Part-time。這一年，你會驚訝，在Part-time群組每每有工作出來，十秒之內便會滿額、有甚麼兼職大型招聘會，還未開始已經滿額，待你辛辛苦苦成功「搶」得份短期臨時工，最終竟因為疫情，連短期工都被Cancel，更別說眾多Freelance工作都因為「Cut budget」而沒了。當你還有份工作竟說自己「前路茫茫」時，請想想其他人怎樣過。若你試過每天上jobsdb比社交媒體時間更多時，你就明白了。
最後，絕處逢生，求人不如求己，這年我開了個Patreon，雖然人數不多，也感激大家支持，最近亦開了個小小的網店，雖然同樣賺的錢不多，或許連「家用」都不夠付，最少不用「食谷種」。在認真去玩SEO下，竟連帶Google ad都有一定收入，是萬幸了。可算是自己搞的小小生意？Patreon在此，有興趣請多多支持：https://www.patreon.com/travelerwithmovie

.

12. 樂觀點說，這些例子也很極端。疫情之下，有八成朋友無論你再努力維繫，都漸漸變成了陌路人，餘下兩成的朋友，則因此關係更好了。失業者互相扶持，找個地方解悶、找個地方逛逛，你會發現，朋友好像無需太多，有幾個夠真心就夠了。在失業兼失戀的最艱難時期，感激你們無懼疫情，願意二話不說跟我「啤啤佢」、出來「打個邊」，沒有你們幾位的支持與鼓勵，在那些最難過的時候，聽得太多一沉百踩的說話，或會撐不下去。感謝你們幾位當日的陪伴，大恩大德我會永記於心。在無數個最無聊的日子，突然收到一句「上唔上嚟打機呀」「一陣落街打個Round」，是我這年最溫暖的短訊。

.

除了這包場活動，這一年真難有甚麼值得回味的事情。愛情事業兩失意，連帶健康都有問題，更別談遇上了嚴重抑鬱，加上毫無寄託，真真正正體驗到何謂「懷疑人生」。每一年，都會告訴自己，這已是人生的谷底了，沒可能再輸下去，原來每年都是低處未算低。我不敢再說2020年已是低無可低，那麼2021年應該會恐怖得難以想像。

你知我知，2021年不會好得哪裡去，我不會樂觀的說「明年會更好」，可見將來亦看不到有何希望可言，只願來年能夠健康活著。別奢求會活得快樂，別再陷入可怕的情緒困局就成。

這年，我看盡了最絕望的人性陰暗面，亦見識過人性光輝；曾狠狠的傷過，也曾認真的深愛過。雖說我已不能想像有甚麼友誼能長存，願僅有的，明年大家能繼續互相扶持，走過最艱難的人生。

這或許是這些年來最長的一篇總結文章，希望很快可以再跟大家分享回旅遊故事、真正出國的旅遊。

甚至，可能變成移居外地的生活日誌，Who knows？

最後想告訴大家：對人生再失望，也不要絕望。絕望的感覺太可怕，這一年嘗過了，內心都被掏空、對一切都興趣缺缺的經歷，我不想再遇一次。

感謝願意看到這裡的你。這一年也開始反思「文字」的意義何在，若你願意看到這，請給自己一個讚好吧。

📣文字工作者也得要吃飯，你的支持是我的原動力。請給點心意，給小弟寫更多好文章，歡迎透過payme課金以作支持🥳：https://payme.hsbc/jackyhei
或使用QR code：https://bit.ly/3a9wOzy
或透過Paypal捐款：paypal.me/jackyhei

🙏感謝各位支持，小弟執筆之原創小說私人貨存已全部售罄，有意者可到此文章內的連結購買：https://bit.ly/3dRuUWu

【IG請follow】www.instagram.com/travelerwithmovie