現今世界秒秒鐘幾百上落，海量嘅操作、交易、分析數據能否達到實時可見（real-time visible）成為是關鍵，慢一秒都不能，運算速度主宰企業生死存亡。繼續以傳統方法進行運算簡直等同自殺，因此，In-memory Computing 成為最熱門的技術。In-memory Computing 的奧義何在？我們找來 In-memory Computing 領域的表表者 GridGain 的專家問個究竟。 Scale up 不是最好方法，現在要 scale out 「以前做 IT 有術語叫 Blackout（停機），當然絕對不能發生的。但今時今日，連…

最近睇過一篇文章，內容是講述「人腦」和「機器」應該如何分工做判斷。先講 20 年前，分工大致是：機器負責基本計算、存儲記錄、資料傳輸；人類就負責做分析和決策。現今電腦運算能力提升，究竟「分析」和「決策」，由機器還是人腦處理比較出色呢？這並不是簡單一個 Yes 或 No 的答案，而應是「人腦」和「機器」兩者如何分工和重新定位的問題。 人類判斷有兩套系統 首先，人類是如何作出判斷，簡單來說：有兩套系統。 「系統一」是憑直覺及過往經驗，也是人腦的強項。「系統二」是靠資料來演算，就是機器的優勢所在。大量證據顯示，若有得選擇的話，單靠「系統二」得到的決策和預測（即是全由機器來決定），通常比「系統一」的判斷更優勝。 機器判斷更優勝 點解？因為即使資料不足或 algorithm 尚欠成熟，要作出修改實在不難，也可隨時再演算一次。但要推翻最高領導的主觀決定，就複雜得多了。所以，奉勸各位領導，如果是機器可以處理的判斷，就應由機器去處理。天氣預測就是一個好例子，每日每分每秒大量的不同的氣象數據，由電腦機器預測出來的天氣，肯定比氣象學家來得準確。 不要依賴最高領導人 在這似乎講到人腦決策價值不大，當然不是啦。在某些情況中，仍然應該運用人類主觀判斷，只是比重倒轉（把你的主觀判斷，量化成機器決定的參數），或去處理一些更深層問題。隨著科技發展與普及，我們要擺脫對機器作為主導分析的抗拒，更不要依賴最高領導人的決定，因為機器的判斷不會比他們差呢。

【智能「領」航】「雲移物大智」加速了 Digital Transformation 「雲」雲端運算（Cloud Computing）、「移」5G 移動技術、「物」物聯網（IoT）、「大」大數據（Big Data）、及「智」人工智能（AI）可稱為近年 IT 界最 Hot 的 5 大技術領域，也彷彿成為業界必需理解的科技趨勢。集合「雲移物大智」所帶來的優勢，令企業的 Digital Transformation（DT）加速。 DT 是第二次工業革命 如果話 IT 時代（由電腦的應用到互聯網的普及）是標誌著信息化，整個階段就可用第一次工業革命來形容。那麼自…

上一期講過「以太坊」（Ethereum）的智能合約是如何運作，在區塊鏈技術上確是一個重大突破。憑藉區塊鏈 2.0 技術擁有的「智能合約」功能（這一點是比特幣做不到的），以太坊像是個大規模分散式電腦，可以執行程序。所以有時也被稱為以太坊虛擬機（Ethereum Virtual Machine或稱 EVM）。 以太坊的特點 無論是簡單的合約，或是衍生工具般的複雜合約，技術上來說都可以在以太坊區塊鏈平台上執行。當要運行分散式應用程序（decentralized applications 或稱 dapps）時，區塊鏈用戶必須支付以太幣（貨幣符號：ETH）。應用程序愈是複雜，運算處理就需要愈長的時間，成本也會是愈昂貴。 以太坊是一大突破 為甚麼說以太坊在區塊鏈技術上是一大突破呢？（一）以太坊是分散式的，跟比特幣一樣，沒有中心點的攻擊；（二）可以去除中間人（如果說：比特幣可以幫助用戶避開銀行，以太坊就可以繞過像 Facebook、亞馬遜或其他的中間人平台）；（三）以太坊提供了一個區塊鏈基礎平台，programmer 可以使用 EVM 來專注開發自身的 dapps，而不需要從頭開始構建自身的區塊鏈，省卻大量功夫，並加快了推出市場的時間。 前景仍是樂觀 目前以太坊仍像是一台非常緩慢的分散式電腦。每個節點處理每單交易需要一段時間：以太坊每秒處理約…

近年常常聽到「人工智能」一詞，好像潮語一樣，並代表著「高科技」的意思。一些產品含有自動調節功能，就以誇張宣傳手法說是「人工智能」，這根本不符合「人工智能」的定義。 「人工智能」已有幾十年歷史，早在八十年代初，電腦科學家便開始設計能學習和模仿人類行為的程式。在電影裏，如《Terminator》、《Matrix》或《Ex Machina》所描述的「人工智能」，都擁有觀察和感知能力，並可以做到推理和解決問題，這類可稱為「強」人工智能，但是現今技術水平仍未有效實現。 目前的科學研究工作都是集中在「弱」人工智能這部份，並取得重大突破。智能是從何而來呢？讓我們先理解「人工智能」、「機器學習」和「深度學習」的區別和關係。 「人工智能」的領域中，「機器學習」是其中一種方法；在「機器學習」的技術中，通過使用大量樣本作訓練而積累的智能，就稱為「深度學習」。 在使用電腦的過程中，大家會不知不覺地留下大量數據及電子足跡，這給予「深度學習」在訓練時所需之用；此外，系統運算速度的提升，令「機器學習」時間大大加快。綜合這兩個主要因素，終於令「機器學習」成熟起來，在「人工智能」的應用邁進了一大步。 同樣，近年一些高端網絡安全產品也採用「機器學習」去處理大量電腦使用者的日常行為，並作深入分析。即使黑客成功盜取了用戶的帳號及密碼，保安系統也會跟用戶日常使用方式作出對比，如發現有明顯偏差，就會發出警示或作出攔截。一幕幕兵賊鬥智（人工智能）的場面，已在網絡安全領域中展開。

能夠連續多年獲 Microsoft 欽點為 Best Cloud Partner，KBQuest 絕對是行內數一數二的雲端專家。原來 Cloud 崛起背後的故事源自一場大風暴，且看 Eric Moy 講講如何風雲驟變。 「縮數」變「異數」 要講雲，先講風。08、09 年打了一場風，叫金融風暴、金融危機。「08、09 年金融危機，大企業削減開支，Data Center 冇生意做。不過巨頭如 Microsoft、Amazon 等有大量資源，於是想到一個辦法：分期付款，推出按量、按月收費。這就是…