全球人口總數的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

無人地球：全面改寫經濟、政治、國際局勢的人口崩潰之戰

為了解決全球人口總數的問題，作者達瑞爾．布瑞克約翰．伊比森 這樣論述：

不只是台灣， 全球人口都面臨災難性的衰退，衝擊著現在與未來的世界！ 過去，人類的淘汰機制，向來是由饑荒與瘟疫主宰； 但這一次，我們選擇親手淘汰自己。 　　這背後絕非僅出於高房價、低薪資等眾人琅琅上口的因素。 　　這波人口急遽下降的趨勢，將比你我想像中來得更快、更猛、更危急。 　　全球經濟、政治等國際局勢與競逐版圖，更將遭遇徹底的顛覆與重塑！   　　過去多是因為氣候、瘟疫、戰爭等災難造成人口銳減；然而這一次，是我們人類自己選擇減少生育，造成經濟停滯、高齡化社會、缺乏新創活力與勞工力。   　　屢獲殊榮的記者和國際知名的社會研究人員走遍六大洲，親自採訪各國最重要的人口專家、深入當地人群與家庭，

探究為什麼人們不願意生小孩，且人口崩潰的趨勢如此愈演愈烈的根本原因。   　　在這場人口崩潰之戰中，中國因一胎化政策在崛起之路上大跌一跤、美國則受移民之賜重拾優勢、印度搖身一變成為新世紀經濟童話。但是加拿大早已認清人口崩潰的事實並做好準備，成為未來的明日之星。他們是怎麼做到的？   　　本書將讓我們看清一個無法抵抗、阻止且不斷縮小的未來，但如果我們願意且現在開始行動，仍然可以塑造一個充滿希望的未來。 　　你不須等個數十年，才能目睹一個正在變小或變老的世界。 　　你只須看看自己，因為這就是一個關於你的故事。 本書特色 　　★《寇克斯書評》「當代與社會議題類」年度最佳書籍★ 　　全球人口衰

退，已經衝擊著現在與未來的世界！ 　　過去，人類的淘汰機制，向來是由饑荒與瘟疫主宰； 　　但這一次，我們選擇親手淘汰自己。 名人推薦 　　新書推薦人（依姓氏筆畫排序） 　　丘美珍｜專欄作家 　　沈榮欽｜加拿大約克大學副教授 　　林靜儀｜醫師 　　胡采蘋｜財經網美 　　曾啟瑞｜醫師・TFC臺北生殖中心創辦人兼執行長 　　鄭雁馨｜中央研究院社會學研究所副研究員 　　劉必榮｜東吳政治系教授 　　史蒂芬．平克｜哈佛大學心理學系教授 　　路易斯．達奈爾 ｜《最後一個知識人》作者 　　丹．賈德納｜《超級預測》作者 　　馬格納斯｜牛津大學中國中心副主任 　　►丘美珍，專欄作家 　　這是一部精采的人口歷

史學及社會學，從裡面我們看到女性在人口消長的過程中，所扮演的關鍵角色。專家說：大腦是最重要的繁殖器官。當女性有了足夠的資訊，以及可以養活自己的經濟能力之後，她們的大腦會說：晚點生，或生得少一點，才是對自己有利的人生決定。因此，少子化可能變成全球的未來。以前是「高生育率，壽命短」的時代，如今是「低生育率，高齡化」的時代。如何在這樣的全球化趨勢中，找到生存之道，不但是企業的議題，也是個人的議題。 　　►沈榮欽，加拿大約克大學副教授 　　雖然在全球尺度上，作者所提出遠比聯合國悲觀的人口增長預測，仍有待未來的檢驗；但是在長期為少子化與老年化所困的東亞，本書無疑是重要的及時雨，書中所提出對應少子化策略

，尤其是加拿大的開放移民政策，對此刻包括台灣在內的東亞諸國，具有重要的啟示。對於將少子化視為國安危機的台灣而言，本書或許是近年來關於人口危機最重要的一本著作。 　　►林靜儀，醫師 　　老實面對吧，生育計畫已非美好家庭形象或社會責任可以左右。與其不斷討論為何女人不再想要更多孩子，不如支持每一個生育孩子的家庭。同時更重要的，是打破以年齡界定勞動力提供、社會福利需求的思維，未來的世界，必須智慧化與數位化改變勞動與服務輸出的模式，並且建立不同性別和年齡對經濟和產業的支持模式。 　　►胡采蘋，財經網美 　　我們以為不生小孩可以一輩子自由，但是我們所揮霍的，是人類幾百萬年來努力進化、繁衍族群，使人性善

的一面得到發揚的，屬於我們族群共同的成就。 　　►曾啟瑞，醫師・TFC臺北生殖中心創辦人兼執行長 　　我們居住的地球，因工業化、都市化及國際化在過去半個世紀，己造成過度的碳化，再加上塑化劑、戴奧辛等環境荷爾蒙的影響，已經引起全球暖化，海水逐漸上升，森林面積驟減，氣候極端，人類生殖能力受損。地球的反撲，加上高度都會化導致年輕人遲婚、晚婚及不婚，造成許多國家人口逐漸減少，變成一個老化的社會。如果我們不善待我們居住的地球，最後人類會自取滅亡。在此關鍵時刻，我們一定要正視此問題，解決人類的最大危機。 　　►鄭雁馨，中央研究院社會學研究所副研究員 　　作者以宏觀視野、生動筆觸來探討本世紀最不可忽視的

人口衰退現象。作者分析了來自六大洲、不同文化政經制度的國家所經歷的人口變遷過程，來呈現「低生育率」現象並非已開發高所得國家所獨有，而是伴隨著女性賦權、都市化與宗教世俗化等關鍵因素，迅速在非洲、拉丁美洲與印度等區域逐漸成為環球趨勢，而將導致本世紀末全球人口總數銳減。本書值得所有關心性別、環境與人口議題的讀者詳加研讀！ 　　►劉必榮 ，東吳大學政治系教授 　　在國際政治上，錢流是跟著人口紅利走的。哪一國人民年輕，國際投資就往哪流動。人口的增減，直接影響到一國政經實力的消長。中國大陸警覺到人口逐漸減少，毅然放棄四十年的一胎化政策，轉而鼓勵一家可以生三個小孩，就是最好的證明。本書全方位論述了人口問題

的衝擊與影響，是非常及時且值得閱讀的好書。 　　►史蒂芬．平克，哈佛大學心理學系教授 　　這本書擁有非凡的吸引力與重要性。兩位作者運用令人大開眼界的數據和生動活潑的敘述方式，闡述世界正如何以一種你我難以接受的方式發生根本性的變化。   　　►路易斯．達奈爾 ，《最後一個知識人》作者 　　儘管當今全球人口在膨脹，世界各地的出生率卻已經開始下降。過去人口下降由自然災害或疾病驅動，但現在這般低迷景象卻是我們自己造成的。在這本引人入勝且發人深省的書中，作者提出令人信服的論點，提出為什麼人口過剩不會是本世紀末的問題，而是全球人口迅速減少，以及我們可以如何因應。   　　►丹．賈德納，《超級預測》作者

　　為了實現正確的未來，必須挑戰我們的假設，而許多人都假設人口將繼續增長。但本書作者提出一個開放性的挑戰──人口崩潰。任何關心長遠未來的人（我希望是所有人），都應認真對待此一挑戰。   　　►馬格納斯，牛津大學中國中心副主任、《紅旗警訊》作者 　　具有高度可讀性，針對都市化世界下的人口減少，提出非常具爭議性的見解。 　　►《紐約時報》 　　雄心勃勃地重新構想人類的未來。 　　►《華爾街日報》 　　結合新聞才華以及對社會科學的精通研究。   　　►《新政治家》 　　這本書的美妙之處在於，它將難以掌握的全球趨勢，與當今世界上易於理解的個人選擇聯繫在一起。並針對深刻的變革，提出一番引人入勝的解說

。 　　►《環球郵報》 　　小規模家庭和生育率的驟降，儼然已成為全世界的問題。多虧有這兩位作者為此寫了一本深具啟發性的指南。 　　►《出版者周刊》（星級評論） 　　作者論點清晰、敏銳且可讀性強，顛覆了一般人對環境到移民的一切觀念，是場對傳統智慧的刺激挑戰。 　　►《寇克斯書評》 　　自一九六〇年代以來，世界各地都發出災難性的人口過剩警告。但經過深入研究的專家解釋，警告並未成真背後的原因，將讓你我都大吃一驚…… 　　►《書目雜誌》 　　我們對於地球人口的認知是否有誤？多虧作者艱辛地查核事實與有力的分析，在這本書中進行重新評估，並提供充足且有說服力的論據。 　　►《星期日郵報》 　　這本

易讀、易懂的書，需要你我的立即關注。   　　►《星期日泰晤士報》 　　有趣的研究。 　　►《文學評論》 　　論點清晰又平衡。   作者簡介 達瑞爾．布瑞克 Darrell Bricker 　　卡爾頓大學政治學博士，並擔任社會科學與人文學院博士研究員。在加拿大前總理穆爾羅尼任職期間，曾以公眾意見研究總監的身分服務於加拿大總理辦公室。現任全球最大調查研究公司益普索的公眾事務（Ipsos Public Affairs）首席執行長，是企業聲望、社會調查以及政治選舉預測領域的專家。 約翰．伊比森 John Ibbitson 　　加拿大最大的全國性報紙《環球郵報》（Globe and Ma

il）自由作家。擁有30多年媒體從業經驗，其報導與專欄主要涉及北美的政治與全球人口統計趨勢。出版多本作品，並曾獲國家報紙獎、唐納獎、不列顛哥倫比亞省國家圖書獎、延齡草圖書獎和多倫多市圖書獎提名。 　　兩位作者本身都是成功的作家，第一本合著《大轉變》（The Big Shift）（暫譯）是對加拿大政治變化的一項研究，成為該國排名第一的暢銷書。 譯者簡介 李祐寧 　　畢業於政治大學新聞系，旅居海外，目前從事專職翻譯工作。譯作包含《投資心理戰》《會計帝國》《被壓榨的一代》《說理》《金融投機史》《異常流行幻象與群眾瘋狂》等。   各界推薦 序：走遍六大洲，窺見人口衰退的真相

第一章 人口簡史 第二章  馬爾薩斯與後繼者們 第三章  歐洲一片白髮蒼蒼 第四章  亞洲經濟奇蹟的代價 第五章  寶寶經濟學 第六章  非洲問題 第七章  巴西的工廠關門大吉 第八章  移民的推力與拉力 第九章  印度象崛起，中國龍衰退 第十章  第二個美國人的世紀 第十一章  衰退時代下的文化滅絕 第十二章  加拿大的解決之道 第十三章  未來的挑戰 致謝 註釋   序 走遍六大洲，窺見人口衰退的真相 　　「是個女孩。」 　　二〇一一年十月三十日，在即將跨過午夜時，丹妮卡．梅．卡馬丘（Danica May Camacho）在擁擠的馬尼拉醫院裡誕生，正式宣告全球人口突破七十億大

關。事實上，也有可能是幾個小時後在印度北方邦村落裡誕下的納吉斯．庫瑪（Nargis Kumar），帶領人類跨過這道門檻。或者，也可能是那名誕生在俄羅斯加里寧格勒的小男孩──彼得．尼可拉耶瓦（Pyotr Nikolayeva）。 　　當然，也有可能這一切跟他們無關。那個正式帶領我們邁向七十億人口大關的小生命，他／她的降臨並沒有任何鏡頭或儀式性演說為其留念，因為我們永遠都不知道事件發生的確切時間與地點。我們唯一能肯定的是，根據聯合國的最佳預測，全球人口將在該年的十月三十一日前後，突破七十億。各國也相應地選擇了幾名新生兒如丹妮卡、納吉斯和彼得等，做為這歷史性分水嶺的象徵。 　　對許多人而言，這並

非值得載歌載舞的時刻。印度的衛生部長古拉姆．納比．阿札德（Ghulam Nabi Azad）認為，全球人口上升到七十億「不僅無法讓人喜悅，反而使人憂愁︙︙只有當人口穩定下來後，我們才能享受喜悅。」 　　這也是許多人的擔憂，他們警告著人口危機降臨的可能。智人隨心所欲地繁衍著，根據聯合國兒童基金會的估計，每年有至少一億三千萬名新生兒，而這些小生命正壓迫著我們在食衣住行條件上的應對能力。隨著人類擴散到全球各地，森林消失了，物種開始滅絕，大氣變得溫暖。 　　這些先知們宣稱，只有當人類願意拆除這顆人口炸彈，我們才不至於面臨愈來愈嚴重的貧困、糧食短缺、衝突與環境劣化。如同某位現代版馬爾薩斯（Malth

us）所言，「除非出現劇烈的人口成長衰退、溫室氣體排放減少，或素食主義在全球廣泛興起──亦即所有與當代潮流為之相反的發展，否則人類將面臨富足時代的終結。」 　　然而，這一切都是徹頭徹尾的錯誤。 　　足以做為二十一世紀，同時也是人類史上最重大的事件，將在未來約莫三十年內，也就是人口開始減少時發生。一旦人口衰退開始，就無法停下腳步。我們面臨的不是人口爆炸的挑戰，而是人口驟減的隱憂──人類一族必須面對殘酷、且代代皆須承受其壓力的淘汰，而這樣的情況過去從未發生。 　　倘若你認為這聽起來過於聳動，我一點也不意外。聯合國預測在進入二十二世紀、人口開始穩定前，全球人口將在本世紀內從七十億，成長到一百一

十億。然而，有愈來愈多世界各地的人口統計學家認為，聯合國的預測過高。他們認為，較有可能的情況是人口在二〇四〇年至二〇六〇年間，攀升到九十億的高峰，接著開始衰退，而這種情況甚至會促使聯合國，為這個趨勢選出代表性的死亡個案。在本世紀結束前，我們或許會退回此刻的水準，且人口成長也會穩定下跌。 　　全世界約有二十幾個國家已經出現人口衰退的情況；到了二〇五〇年，數量甚至會攀升至三十幾個。某些最富裕國家的人口，年年都在衰退：日本、韓國、西班牙、義大利以及多數東歐國家。「我們是一個瀕死的國家。」義大利衛生部長比阿特麗絲．羅倫辛（Beatrice Lorenzin），於二〇一五年時感嘆。 　　但這不是什麼

大新聞。真正的大新聞是：人口最多的開發中國家也因為生育率愈來愈低，而變得愈來愈少。數年後，中國就會開始面臨人口流失；在本世紀中葉，巴西和印尼也會跟進。即便是很快就會成為全球人口最多國家的印度，其人口也將在一個世代後進入穩定，接著開始下滑。撒哈拉以南的非洲和中東部分地區的生育率，目前仍舊很高。然而，即便在這裡，年輕女性獲得受教權和學會避孕方法的發展，也讓事情出現了改變。非洲國家那隨心所欲的嬰兒潮，很有可能用比聯合國人口統計學家預期還快的速度，畫下句點。 　　在學術研究與政府報告中，處處皆能看到生育率正在加速下滑的跡象，而其他現象只能透過與一般民眾的訪談得知。所以為了搜集本書的研究資訊，我們這麼

做了。我們飛到六大洲的數個城市：從布魯塞爾到首爾，奈洛比到聖保羅，孟買到北京，還有棕櫚泉、坎培拉、維也納。當然，還有更多停留點。我們和學者及政府官員交談，而且更重要地──我們也和年輕人談：大學校園和研究機構，以及各地的貧民窟。我們希望知道他們對於自己這一生最重大決策的想法：是否、以及什麼時候生孩子。 　　人口衰退無法被歸類為一件好事或壞事，但其確實是一件大事。今天所生下的孩子，將在一個與我們當前處境和預期極為不同的世界裡邁入中年。她／他發現這個世界更為都市化，犯罪率更低，生活環境更理想，但也有著更多的老人。要找到一份工作並不難，但要滿足生活開銷卻變得不容易，畢竟醫療看護與老人退休金吃掉了她／

他大部分的收入。學校變得更少了，因為沒有那麼多的孩子了。 　　要想感受人口衰退所造成的衝擊，不需要等到三十或四十年後。在已開發國家，我們早就置身其中：從日本到保加利亞，由於年輕勞動力與消費者數量銳減，導致提供社會服務，甚至是推銷冰箱都變得更難。日漸都市化的拉丁美洲與少數非洲區域裡，由於女性愈來愈能掌握自身命運，相同的情形也在上演。我們會發現許多家庭中的孩子變得愈來愈晚才搬出去，因為他們根本不急著成家立業，也絕對不想在三十歲前就生孩子。在動盪不安的地中海區域，我們也能看見為了逃離艱困局勢的難民們，湧入那已經開始變得空曠的歐洲領土。 　　很快地，我們或許就會目睹此一發展對全球國力角力戰所造成的

影響。而人口衰退或許也會主宰數十年後的戰爭與和平本質──某些國家必須焦頭爛額地應付著人口縮減與老化問題，某些國家的人口卻依舊平穩。未來數十年所必須面對的地緣政治挑戰，或許將涉及該如何適應並協調那因為一胎化政策而被憤怒與驚惶包圍的中國。 　　某些擔憂人口衰退會導致災難的人，提倡透過國家政策來提高每對伴侶願意擁有的孩子數目。然而證據已經顯示此舉無效。「低生育率陷阱」告訴我們，一旦生一個或兩個孩子成為常態後，常態就會繼續下去。伴侶們不再視生孩子為實踐家庭義務或向神交差的一部分。相反地，他們視撫育孩子的舉動為一種個人成就，而就這個目的而言，一個孩子就滿足了。 　　解決人口衰退問題的其中一種辦法，就

是輸入替代品。這也是為什麼我們兩位加拿大人想要寫下本書。數十年以來，與多數大型已開發國家相比，加拿大接受的移民人口數量最多（按人均數計算），同時種族對立、貧民窟問題或針對此議題爭執不休的情況，也比其他國家來得輕微。這是因為加拿大視移民為一種經濟政策──在擇優制度下，加拿大移民者平均受教程度比本地人還要高。此外，加拿大也採納了多元文化主義：在其文化馬賽克（cultural mosaic）之下，人人共享慶祝自己原生文化的權利，這也塑造出地球上少數幾個較和諧、繁榮且多語言的幸福社會。 　　並非所有國家都能以加拿大那般泰然自若的態度，接納湧入的移民潮。許多韓國人、瑞典人和智利人有著強烈的民族意識。法

國堅持移民者必須有身為法國人的自覺（儘管許多老法國人根本不認為辦得到這種事），導致移民社群被孤立在邊緣地帶，與社會格格不入並低人一等。英國則預測該國人口會繼續成長，並在本世紀末時，從今日的六千六百萬成長到八千兩百萬──只要英國人願意繼續接納穩定的外來移民。但脫歐公投顯示，許多英國人希望將英吉利海峽變成一道護城河。為了應戰人口衰退，各國必須同時接納新移民和多元文化主義；前者很難，而後者對某些人而言，更是不可能。 　　在諸多強權中，美國獨特地因為人口衰退而受惠。數世紀以來，美國總是歡迎新移民，先是大西洋彼岸，然後是太平洋，接著是今日德州的格蘭河岸（Rio Grande）。數百萬人興高采烈地跳進這

個大熔爐（美國版的多元文化主義），豐富了彼此的經濟與文化。移民讓二十世紀成為美國的時代，而繼續接納移民能讓二十一世紀依舊為美國的天下。 　　但凡事總有例外。近年來，高漲的陰謀論、本土主義者與美國優先者，威脅要切斷那曾經讓美國之所以強盛的移民潮，並在邊界築起一道與世隔絕的高牆。在川普總統（Donald Trump）的率領下，聯邦政府不僅嚴加遏阻非法移民，更同時遏阻了具有技術的移工。這對美國經濟而言，無疑是一道自殺政策。如果這樣的變化是永久性的，如果美國人毫無理智的恐懼讓他們背棄了原有的移民傳統，並將世界拒於門外，那麼美國在人口、權力、影響力及財富方面，也將步上衰退一途。這是每一位美國人都必須做

出的決定：做一個開放、具包容力且歡迎外來者的社會，還是一個閉關自守並因為孤立而凋零的國家。 　　過去，人類此一種族的淘汰機制，向來是由饑荒與瘟疫主宰；但這一次，我們選擇親手淘汰自己。我們自發性地選擇減少人口，而這樣的選擇會是永久的嗎？答案是：非常有可能。儘管有時政府確實能透過慷慨的兒童照顧福利及各種補助，來提高夫婦願意撫養的孩子數量，卻怎麼樣也無法將生育率提高到足以永續維持人口數量的替代率──也就是每名婦女生下二．一個孩子。除此之外，這些政策的代價也非常高昂，因此在經濟不景氣時，預算往往會立刻被刪減。而讓政府去說服一對原本不打算生的夫婦生孩子，在道德上也有一定程度的爭議。 　　在我們逐漸適

應這個愈來愈小的世界時，我們該慶祝抑或哀悼人口的凋零？我們會努力確保人口的成長，還是欣然接受一個人人都能活下去且比較不需要拚命的世界？答案仍然未知。或許某位詩人會發現，人類有史以來，這是頭一遭顯得如此蒼老。   第四章  亞洲經濟奇蹟的代價愈來愈老的日本井深大（Masaru Ibuka）是一名深感挫折的執行長。身為索尼（Sony）企業的共同會長，他很喜歡一邊走路一邊聽歌劇，而索尼那台旗艦型攜帶式卡帶錄音機 TC-D5 儘管常見，卻還是太笨重了。於是，他請工程師為了他的個人需求，設計出一台真的能便於攜帶的產品。井深大對交上來的成品非常驚艷，因此帶著產品跑到會長盛田昭夫（Akio Morita

）的面前，說道：「你不覺得一台可以讓你邊走邊使用的立體聲卡式播音機，是一個超棒的點子嗎？」隨身聽於是問世了。索尼的工程師刪去原有卡式錄音機的揚聲器及錄音功能，設計了一款更輕盈的耳機，並將裝置的效能強化到僅用兩顆三號電池就能驅動的程度。在進行了少許的宣傳活動後（畢竟當時對攜帶式音樂播放裝置的需求仍為未知），索尼於一九七九年七月推出了 Walkman，並期望能在一個月內賣出五千台。然而，銷售量居然直接大破五萬台，卡式隨身聽也成了一九八〇年代的象徵性代表。而研發出更便宜、音質更動聽的攜帶式音樂系統的嘗試，在歷經 Discman、iPod 及智慧型手機後，演化成如今我們隨身就能享受的音樂串流資料庫。W

alkman 成為日本創意及行銷遠見的巔峰里程碑，但自此之後，幾乎是一路往下。倘若你想要了解人口衰退對一個社會的影響，不妨看看日本。一九五〇年，在日本努力地想要重建因為二戰而被摧毀的經濟時，日本婦女的平均預期生育率為三個孩子。但當「日本製造」在一九五〇年代成為廉價且劣質的代名詞時（請回想老舊的電晶體收音機），日本母親開始選擇生少一點孩子。到了一九七五年代，隨著日本製造成為品質與高價位的代表（以豐田汽車的 Corolla為例），且該國也成為已開發國家後，曾為世界第二大經濟體的這個國家，其生育率下滑到替代率之下，並於二〇〇五年降到最低點一．三，接著再些微反彈到如今的一．四。這種情況在大型已開發國家

內並不罕見，但日本與典型的歐洲或北美洲國家卻很不同。日本人可是──嗯，非常的日本人。日本是一個秉持血統主義（jus sanguinis，也稱屬人主義）的國家：獲得公民身分的條件就是透過血緣，或更準確而言──透過擁有公民身分的雙親。倘若丹麥籍夫妻在加拿大生下孩子，這名孩子同時會是加拿大與丹麥的公民；但同樣一對丹麥夫妻在日本生下孩子，這名孩子只會是丹麥的公民。

全球人口總數進入發燒排行的影片

非侵入式血糖值與心率演算法開發在智慧型手機與量子運算上實現

為了解決全球人口總數的問題，作者王力賢 這樣論述：

隨著時代及科技的進步，雖然能使人們帶來方便，卻也使現代人的生活習慣越來越不良，導致肥胖、飲食不均衡等問題，並且由於生活忙碌使人們缺乏運動因而伴隨的精神因素等種種原因，讓糖尿病這種慢性疾病越來越猖狂。研究報告顯示在2019年全球就有4億6千多萬人確診罹患糖尿病，占全球人口總數的9.3%，同時糖尿病也是世界衛生組織WHO在2018年統計出的前十大死因，名列第五。然而在現有的技術下，糖尿病的診斷是透過血糖濃度的標準來判定，血糖濃度的檢測多是採用侵入式的方法，但不論是否已罹患糖尿病的人們都對侵入式的血糖量測方式非常畏懼，因此如何研發出一套非侵入的血糖濃度量測儀器是一項重要的任務。綜上所述，本論文嘗試

利用智慧型手機本身具備的的影像記錄工具和加速規等感測器研發出一套新的非侵入式血糖演算法。本論文透過對人體臉部、手指、橈動脈脈搏與心電圖等生理數據的採集後，從時域與頻域的分析能夠準確地獲得心率，並且以傳統中醫學提到的器官之間的相互影響當作根，以共振理論為本，估測出血糖值。此系統相較於其他市面上的儀器具有隨身攜帶、連續監測的優勢，並且能夠用非侵入的方式預測血糖濃度，使用者只需具備一台智慧型手機並且花簡短的時間即可獲得生理數據，此演算法的創新與研發對人體疾病的預防有著極大的幫助。

TensorFlow移動端機器學習實戰

為了解決全球人口總數的問題，作者王眾磊 這樣論述：

TensorFlow已經成為機器學習的流行框架和工業屆標準，早期的TensorFlow以雲端和資料中心中的機器學習為主，近期的一個趨勢是，逐漸向移動端和設備端轉移。推動這個趨勢的動力包括人們對機器學習理論和認知的提高、演算法及技術的改進、軟體和硬體性能的提高，以及專有硬體的出現等，更主要的是，用戶的需求和越來越豐富的場景需求。現在國內移動用戶已超15億，全球移動用戶已超過51億，2019年IoT裝置數量預計將超過全球人口總數。 我們相信，在未來，雲端和移動端相結合的人工智慧和設備端獨立的人工智慧應用會慢慢成為主流。作為TensorFlow的開發者和使用者，本書作者完整地講解了使用Tensor

Flow進行端到端開發的實例和開發技巧，同時分享了如何使用開源工具進行軟體發展的最佳工程實踐和經驗。本書提供了全方位的視角説明讀者開啟不同的思路，即使把本書作為一本軟體發展和工程開發的書籍來讀，也會使讀者受益匪淺。   王眾磊 TensorFlow的開發者之一，具有二十多年的留學和工作經驗。現定居美國矽谷，長期從事軟體發展工作，發表國際論文及國際專利多項。曾在穀歌等多家大型國際公司及初創企業工作過，有豐富的國內、國際開發及管理經驗。近幾年以移動端開發、邊緣計算、雲計算和機器學習為主，從事開發和管理工作。工作之余喜歡和家人一起去各地旅遊、打高爾夫球、滑雪等。 陳海波 深

蘭科技DeepBlue Technology的創始人，南京工業大學特聘教授，清華大學―深蘭科技機器視覺聯合研究中心管理委員會主任；上海交通大學―深蘭科技人工智慧聯合實驗室管理委員會主任、中南大學―深蘭科技人工智慧聯合研究院專家委員會委員，致力於人工智慧的基礎研究和應用開發，創建的深蘭科學院擁有人工智慧研究院、科學計算研究院、生命及AI腦科學院、自動化研究院和智慧汽車研究院。團隊擁有包括CVPR、PAKDD、IEEEISI等多項國際競賽冠軍成績，在自動駕駛和整車、機器人研發及製造、生物科技、自然語言處理（語義智慧）、資料採擷等領域都有深度佈局。   第1章 機器學習和Tens

orFlow簡述 1 1.1 機器學習和TensorFlow的歷史及發展現狀 1 1.1.1 人工智慧和機器學習 1 1.1.2 TensorFlow 3 1.1.3 TensorFlow Mobile 5 1.1.4 TensorFlow Lite 5 1.2 在移動設備上運行機器學習的應用 6 1.2.1 生態和現狀 7 1.2.2 從移動優先到人工智慧優先 8 1.2.3 人工智慧的發展 9 1.2.4 在移動設備上進行機器學習的難點和挑戰 9 1.2.5 TPU 10 1.3 機器學習框架 11 1.3.1 CAFFE2 11 1.3.2 Android NNAPI 12 1.3.3

CoreML 12 1.3.4 樹莓派（Raspberry Pi） 13 第2章 構建開發環境 14 2.1 開發主機和設備的選擇 14 2.2 在網路代理環境下開發 15 2.3 整合式開發環境IDE 16 2.3.1 Android Studio 16 2.3.2 Visual Studio Code 16 2.3.3 其他IDE 18 2.4 構建工具Bazel 18 2.4.1 Bazel生成調試 19 2.4.2 Bazel Query命令 20 2.5 裝載TensorFlow 20 2.6 文檔 25 第3章 基於移動端的機器學習的開發方式和流程 26 3.1 開發方式和流程

簡介 26 3.2 使用TPU進行訓練 28 3.3 設備端進行機器學習訓練 35 3.4 使用TensorFlow Serving優化TensorFlow模型 41 3.4.1 訓練和匯出TensorFlow模型 42 3.4.2 使用標準TensorFlow ModelServer載入匯出的模型 50 3.4.3 測試伺服器 50 3.5 TensorFlow擴展（Extended） 54 第4章 構建TensorFlow Mobile 55 4.1 TensorFlow Mobile的歷史 55 4.2 TensorFlow代碼結構 55 4.3 構建及運行 61 4.3.1 代碼的流

程 67 4.3.2 代碼的依賴性 68 4.3.3 性能和代碼跟蹤 69 第5章 用TensorFlow Mobile構建機器學習應用 71 5.1 準備工作 71 5.2 圖像分類（Image Classification） 74 5.2.1 應用 74 5.2.2 模型 85 5.3 物體檢測（Object Detection） 87 5.3.1 應用 87 5.3.2 模型 92 5.4 時尚渲染（Stylization） 95 5.4.1 應用 95 5.4.2 模型 96 5.5 聲音識別（Speech Recognization） 96 5.5.1 應用 96 5.5.2 模型

99 第6章 TensorFlow Lite的架構 101 6.1 模型格式 102 6.1.1 Protocol Buffer 102 6.1.2 FlatBuffers 105 6.1.3 模型結構 112 6.1.4 轉換器（Toco） 113 6.1.5 解析器（Interpreter） 119 6.2 底層結構和設計 123 6.2.1 設計目標 123 6.2.2 錯誤回饋 124 6.2.3 裝載模型 125 6.2.4 運行模型 126 6.2.5 定制演算子（CUSTOM Ops） 128 6.2.6 定制內核 132 6.3 工具 133 6.3.1 圖像標注（labe

l_image） 133 6.3.2 最小集成（Minimal） 143 6.3.3 Graphviz 143 6.3.4 模型評效 148 第7章 用TensorFlow Lite構建機器學習應用 151 7.1 模型設計 151 7.1.1 使用預先訓練的模型 151 7.1.2 重新訓練 152 7.1.3 使用瓶頸（Bottleneck） 154 7.2 開發應用 158 7.2.1 程式介面 158 7.2.2 執行緒和性能 162 7.2.3 模型優化 163 7.3 TensorFlow Lite的應用 170 7.3.1 聲音識別 173 7.3.2 圖像識別 177 7.4

TensorFlow Lite使用GPU 178 7.4.1 GPU與CPU性能比較 178 7.4.2 開發GPU代理（Delegate） 178 7.5 訓練模型 182 7.5.1 模擬器 183 7.5.2 構建執行檔 183 第8章 移動端的機器學習開發 186 8.1 其他設備的支援 186 8.1.1 在iOS上運行TensorFlow的應用 186 8.1.2 在樹莓派上運行TensorFlow 189 8.2 設計和優化模型 190 8.2.1 模型大小 191 8.2.2 運行速度 192 8.2.3 視覺化模型 196 8.2.4 執行緒 196 8.2.5 二進位檔

案大小 197 8.2.6 重新訓練移動資料 197 8.2.7 優化模型載入 198 8.2.8 保護模型檔 198 8.2.9 量化計算 199 8.2.10 使用量化計算 202 8.3 設計機器學習應用程式要點 207 第9章 TensorFlow的硬體加速 209 9.1 神經網路介面 209 9.1.1 瞭解Neural Networks API運行時 210 9.1.2 Neural Networks API程式設計模型 211 9.1.3 NNAPI 實現的實例 213 9.2 硬體加速 222 9.2.1 高通網路處理器 223 9.2.2 華為HiAI Engine 22

9 9.2.3 簡要比較 235 9.2.4 開放式神經網路交換格式 236 第10章 機器學習應用框架 237 10.1 ML Kit 237 10.1.1 面部識別（Face Detection） 242 10.1.2 文本識別 247 10.1.3 條碼識別 248 10.2 聯合學習（Federated Learning） 248 第11章 基於移動設備的機器學習的未來 252 11.1 TensorFlow 2.0和路線圖 252 11.1.1 更簡單的開發模型 253 11.1.2 更可靠的跨平臺的模型發佈 254 11.1.3 TensorFlow Lite 254 11.1

.4 TensorFlow 1.0 和TensorFlow 2.0的不同 255 11.2 人工智慧的發展方向 255 11.2.1 提高人工智慧的可解釋性 255 11.2.2 貢獻社會 256 11.2.3 改善社會 258   2018年，我有很長一段時間在中國和美國兩地跑，同時在國內工作和生活了比較長的一段時間，這是我近二十年來第一次和國內的開發者一起長時間工作。在享受各種美食之外，對國內的開發、產品和管理有了全新的瞭解和認識。 說起寫書的起源，我本來的想法只是寫一點可以作為國內工程師培訓教材的東西。2018年初，TensorFlow作為一個技術熱點，逐漸普及到機

器學習應用開發的各個方面，但是對於TensorFlow在移動端的開發和應用還處於初始階段。我當時也剛剛結束一個TensorFlow項目，想把這些經驗和想法沉澱一下。於是我就把以前寫的筆記和日誌重新整理，添加一些內容並修改了文字，基本形成了一個原始版本。 後來，遇到博文視點的南海寶編輯，通過商談，出版社欣然同意把這些資料整理出書。我的筆記和日誌的內容很多和代碼緊密相關，其中很多內容後來演變成了文檔，我覺得這對初學者和有經驗的開發者都是一個很好的參考，至少可以提供另外一個視角，讓開發者多方面瞭解TensorFlow。所以，我就開始寫作，前後花費了近兩年的時間。 我是一邊寫作一邊工作的，在這個過

程中很快就遇到了兩個很大的挑戰。 第一是文字。我的筆記都是英文的，要把這些轉換成中文，我借助了谷歌翻譯，雖然翻譯後的文字有很多需要修改，但至少省下了不少打字的時間。另外，就是專有術語的翻譯，由於我對中文的專業術語不熟悉，所以即使簡單的術語也要斟酌確定，這也花費了一些時間。如果讀者在文字中發現一些奇怪的說法，還請見諒，我和編輯雖然盡了最大的努力，可能還是會有很多遺漏。 第二是重新認識和瞭解了國內開發的方方面面。我在美國和國內的開發者也有不少接觸，我想在兩邊工作應該不會有什麼差別，可實際工作起來還是有很多不同和挑戰，感觸頗深。首先是技術層面。開源的理念和軟體在國內滲透到各個方面，幾乎所有互聯網

公司都是從使用開源軟體開始搭建自己的產品。由於穀歌在開源社區的貢獻和影響力，國內普遍對穀歌的好感度很高，我也同享了這個榮耀。而且，很多公司和開發者也把對開源社區做出貢獻看作責任和榮耀，這是一個很好的趨勢，中國很快會發展出自己的開源生態和社區。 關於開發環境和工程師文化，我想提一下兩邊對新員工培訓的區別。在國內對員工的培訓中，職業道德培訓和公司文化的培訓占了很大一部分。而在矽谷，至少像穀歌、臉書這些公司，培訓中技術培訓占了很大一部分，基本是一周的培訓後，員工就要進行實際的工作，而國內很多公司的新員工第二周才開始技術工作。這裡我能充分感受到中美公司之間的差別。 另外是開發管理方法，由於管理方法

的不同，實際的工作中要做相應的改變。比如國內對開發和產品的進度的管理是非常嚴格的。但是，這種嚴格大都體現在層級的彙報關係上，而不是對技術細節的掌控和指導上。谷歌的工程師會經常以代碼的提交作為一個工程開始和結束的標誌，這在國內公司很少見到。 我希望把這些經驗、想法和體會能或多或少體現在這本書裡。比如，使用Markdown寫文檔，能使寫文檔變成一件不是很煩瑣的事，可以讓作者更專注于內容的寫作，而不是花費太多時間在操作編輯器上。本書就是全部用Markdown寫作完成，再轉換成Word文檔的。比如，使用Bazel編譯，需要對代碼的依賴有清晰的定義。可能很多工程師不會特別在意這點，但是通過它，工程師可

以非常清楚地瞭解代碼重用和引用的狀況，避免隨意的代碼重用，並提高代碼的品質。我希望通過這些在書中給讀者傳達一些不同的開發經驗。 總之，我會把這本書作為2018年工作和生活的一個紀念。看到書中的各個章節，我就可以聯想起寫書時發生的許多人和事。但是，真的由於時間和我自己的能力非常有限，書中一定會有很多錯誤和瑕疵，還望讀者能寬容和諒解。 最後，要感謝我的家人能支持和陪伴我度過2018年，我和我的母親一起度過了2018年春節，是近20年來在國內度過的第一個春節。還要感謝我的妻子，她非常支持我，並幫助我寫完這本書。還有我的兩個女兒，總是能給我帶來無盡的快樂，還要感謝深蘭科技的創始人陳海波先生和首席戰

略官王博士，兩位幫助我完成這本書，並提出了很多意見。 另外，感謝博文視點給我這個機會出版這本書，希望通過這本書能結識更多的開發者。還要感謝南海寶編輯在本書寫作和出版過程中給予的指導和鼓勵。  

研究米蛋白的萃取及其功能特性

為了解決全球人口總數的問題，作者林健生 這樣論述：

水稻(Oryza sativa)為禾本科單子葉草本植物，是稻屬中歷史最悠久之糧食作物，主要栽種於熱帶及亞熱帶地區，全球超過14萬個品種。台灣近代受到西方飲食文化影響，國人食米量下降，使稻米產量過剩，且在全球人口總數及人口密度不斷上升的情況下，動物性蛋白的需求量逐漸增加，造成土地過度利用、水資源的浪費及溫室氣體大量排放，使得環境遭受更大的挑戰，需要更多食品的生產，以滿足更多人口的需要。由於動物性蛋白質的生產，需要更多的環境資源，因此近年來以植物性蛋白質取代動物肉類蛋白質遂變成熱門的研究主題，所以研究想要自平日膳食的稻米中萃取其蛋白質，做為未來可以替代植物性蛋白質的選項，因此選用台灣本土稉米種－

台稉九號(Oryza sativa subsp. Japonica Taiken 9)水磨蓬萊米粉作為萃取米蛋白之原料，分成兩種方法進行蛋白質萃取，單獨以鹼溶液(alkaline solution)及鹼溶液搭配超音波(alkaline solution & sonication)，所得之兩種自製蛋白粉(SRPI-A & SRPI-AS)與三種市售蛋白粉－米濃縮蛋白粉(commercial rice protein concentrate, CRPC)、大豆分離蛋白粉(soy protein isolate, SPI)、豌豆分離蛋白粉(pea protein isolate, PPI)再進行功能

特性比較。實驗結果顯示，在萃取方面，SRPI-A及SRPI-AS之蛋白質純度達90%，皆高於所有市售蛋白粉。在蛋白質溶解度中，pH值等於11時，SRPI-A具最佳溶解度，且SRPI-A及SRPI-AS均優於市售蛋白粉。於發泡性及其穩定性中，pH值為9時，SRPI-A及SRPI-AS均具良好之發泡性；且在不同pH值下之發泡穩定性，SRPI-A及SRPI-AS勝於其他市售蛋白粉。另一方面，在乳化性及其穩定性，當pH值為5時，SRPI-A及SRPI-AS與市售蛋白粉之SPI及PPI無顯著差異；但相同條件下，SRPI-A及SRPI-AS具較佳乳化穩定性。在十二烷基硫酸鈉-聚丙烯酰胺凝膠電泳(SDS-P

AGE)方面，SRPI-A、SRPI-AS與CRPC以穀蛋白為主要組成蛋白，而PPI與SPI以豆球蛋白為主要組成蛋白。於此研究中，SRPI-A及SRPI-AS於pH=11時具最佳之溶解度、pH=9時具最佳之發泡性，以及pH值為5下具有良好之乳化性。在未來，米蛋白可依據此研究中之功能性分析進行產品之研發，以利後續植物性蛋白質之發展。