Mozilla周三（10/4）宣布，將於2018年6月全面終止Firefox對Windows XP與Windows Vista支援。
微軟已相繼於2014年及今年終止對XP與Vista的支援，而Mozilla於今年3月釋出的Firefox 52也是最後一個支援XP與Vista的Firefox版本，之後的Firefox針對這兩個Windows平台都只有安全上的更新而不會添加新功能。
Mozilla解釋，不受製造商支援的作業系統已無法收到最新的安全更新或修補已知缺陷，不僅讓作業系統變得危險，也讓瀏覽器業者很難維護這些平台上的產品。
在2018年6月終止對XP與Vista的支援意謂著屆時Firefox也不會再提供基於這兩個平台的瀏覽器安全更新。
Mozilla呼籲，Firefox已是極少數仍在支援XP與Vista的瀏覽器，連微軟的IE都已不再支援這兩個作業系統，應該很難找到其他可支援XP及Vista的瀏覽器，強烈建議使用者升級到更新的Windows版本。
微軟周三（10/4）宣布，旗下用來打造無伺服器應用（Serverless）的Azure Functions將開始支援Java。
於去年3月問世的Azure Functions為一由事件驅動的應用平台，奠基在已有完整配置的作業系統與運算資源，過去僅允許開發人員以JavaScript、C#、F#及Python、PHP等指令碼來建立各種功能，本周微軟則發表了Azure Functions可支援Java的公開預覽版。
Azure Functions新的Java執行環境將共享Azure Functions的所有特性，包括廣泛的觸發選項與資料繫結，可自動擴充的無伺服器執行模式，以及基於執行次數的計價方法等。
此外，由於微軟同時也釋出了供Java專案使用的自動建置工具—Maven外掛，Java開發人員將可直接利用既有的Maven專案來建立或部署Azure Functions。
另有新的Azure Functions Core Tools以允許開發人員於任何平台上執行或除錯Java Functions的程式碼，或是透過Eclipse、IntelliJ及VS Code等知名工具於本地端開發與除錯Azure Functions。
Google於周三（10/4）發表Pixel 2系列智慧型手機，包含5吋螢幕的Pixel 2與6吋螢幕的Pixel 2 XL，這是Google整合軟/硬體的高階手機，著眼於由蘋果及三星霸佔的高階手機市場。新機一出爐，專門評測行動裝置相機品質的DxOMark就賦予Pixel 2系列相機98的高分，擊敗了Galaxy Note 8與iPhone 8 Plus的94分。
Pixel 2與Pixel 2 XL除了螢幕與電池以外的規格都是一致的，它們皆採用Android 8.0（Oreo）作業系統與時脈為2.35GHz + 1.9GHz的高通Snapdragon 835處理器，配備800萬及1220萬畫素的前後相機，內建4MB記憶體，可選購64GB或128GB儲存空間的版本，並有USB-C、3.1 Gen 1及Nano SIM介面。
Pixel 2的電池容量為2700 mAh，Pixel 2 XL則是3520 mAh，充電15分鐘即可達到7小時的電池續航力。
64GB與128GB版本的Pixel 2單機價格分別為649美元及749美元，在Pixel 2 XL上則是879美元及949美元。
Pixel 2系列標榜的是它的攝影功能，整合了運算攝影及機器學習技術的Pixel 2系列相機宣稱可拍出更漂亮的畫面與更流暢的影片。此外，Google也針對Pixel 2系列手機用戶發表了Google Lens功能，基於電腦視覺、機器學習與知識圖表（Knowledge Graph）的Google Lens將允許使用者直接搜尋照片上的地標、書籍、電影、藝術作品，或是複製照片上所出現的網址與通訊資訊。
至於DxOMark的評測結果則顯示只仰賴單一主要鏡頭的Pixel 2在多數的照片與影片評測類別都超越了Galaxy Note 8與iPhone 8 Plus，包括光源充足或光源不足的拍照效果、影片拍攝、曝光或對比及自動對焦等，只有在縮放及散景上落後這兩款皆擁有雙主鏡頭的高階手機。
Google於周三（10/4）發表了內建人工智慧技術以進行自動連拍的小相機—Google Clips，可在親友聚會時自動拍下值得紀念與回憶的時刻，或是特別難捕捉的小孩與寵物畫面。
Google Clips的造型就像是個小鬧鐘，配備1200萬畫素的感應器與130度視野的攝影鏡頭，每秒可拍下15幅畫面，每次可拍攝數秒的畫面。
當使用者把Google Clips放在大家聚會的桌上或附近時，內建機器學習與人工智慧技術的Google Clips就能自動判斷何時該按下快門，使用者亦可藉由Google Clips機身上的快門鍵或Google Clips程式的快門鍵執行拍攝。
Google Clips內建16GB的儲存空間，也能將這些動態照片透過Wi-Fi同步至Android或iOS裝置的Google Clips程式上，可存成影片、GIF檔，或是靜態照片。
對於Google Clips可能衍生的隱私問題，Google說明Google Clips的設計令人一眼就可看出它是個攝影機，而且所有的機器學習資訊都只存於裝置上。售價249美元的Google Clips近期內就會上市。
向蘋果的MFi認證專案看齊，Google周三（10/4）發表了Made for Google配件認證專案，以用來認證Google產品的配件，未來符合Google相容性標準的產品包裝上都會出現認證標章。
蘋果在2005年便推出配件認證專案，但當時只有Made for iPod，隨著iPhone與iPad的問世，該專案逐漸擴張為現今的Made for iPhone/iPod/iPad，並統稱為MFi專案，通過蘋果認證的配件包裝上即會有MFi標章。
至於Google的認證專案則會在通過認證的產品配件包裝上顯示「Made for “產品名稱”」的標章。
目前已有25家配件製造商加入Made for Google專案，涵蓋電池、外殼、纜線及耳機業者，如Belkin、Mochi、Anker、Griffin。
Google周三（10/4）發表了既高階又輕薄的新一代Chromebook—Pixelbook，只有1.1公斤的Pixelbook可以充當筆電，也能將鍵盤反折變成平板電腦，或是架成帳篷模式以方便觀看，並成為全球首款內建Google Assistant的筆記型電腦。
Google於去年中停賣Pixel 2 Chromebook筆電，引發外界揣測Google將從此終止採用Pixel品牌的Chromebook產品線，現在則證實Google仍將繼續打造定位為高階機種的Pixel Chromebook。
Pixelbook採用12.3吋的觸控式螢幕，有多種硬體規格可供選擇，如Intel Core i5或Core i7處理器、8GB或16GB的記憶體，以及128GB、256GB與512GB的儲存空間，最低階配置的售價為999美元。
Google宣稱Pixelbook為該公司有史以來所打造的最輕薄的筆電，同時也是全球首款內建Google Assistant的筆電。Pixelbook最薄之處只有1.03公分，重為1.1公斤，且鍵盤上就有Assistant按鍵，不論是說出”Ok Google”或是按下Assistant鍵都能呼叫此一數位語音助理來協助開啟文件、搜尋郵件、查看路徑、播放音樂或是控制家中的智慧家庭設備。
Google今年1月便宣布未來所有的Chromebook都將支援Android程式，Pixelbook也不例外。
此外，Google亦替Pixelbook打造了專用的觸控筆Pixelbook Pen，採用Wacom技術的Pixelbook Pen最特別的地方在於它嵌入了一個Assistant按鍵，啟用Assistant模式之後只要在Pixelbook螢幕上圈住任何畫面，就能交由Assistant針對畫面內容進行搜尋。
必須額外購買的Pixelbook Pen售價為99美元，即日起與Pixelbook一同在美國、加拿大及英國開放預購，預計於11月中旬出貨。
Google周三（10/4）替Google Home智慧喇叭家族添增了Google Home Mini與Google Home Max兩大成員，前者為迷你版的Google Home，可方便置放於家中各處，接收Google Assistant指令，而Google Home Max則是高階的智慧喇叭，內建AI能力，可根據環境將聲音最佳化。
扁圓形設計的Google Home Mini顯然不是為了播放音樂而設計的，而是為了讓使用者在家中到處皆可呼叫Google Assistant來提供新聞、聽取行程，或是控制其他智慧家庭裝置。
Google Home Mini的售價為49美元，被視為Amazon Echo Dot的競爭對手。同樣屬於迷你喇叭造型的Amazon Echo Dot售價則是50美元，但在外觀設計上由Google Home Mini略勝一籌。
至於高階的Google Home Max則是有兩個High‑excursion低音揚聲器，以播放更渾厚與平衡的低音，也可用來大聲撥放音樂，讓音樂穿透整個房間，號稱比原本的Google Home強大20倍。
Google Home Max也是首款內建Smart Sound音效能力的喇叭，該能力源自於Google的人工智慧技術，能夠根據使用者的環境與偏好自行調整音效。
在Google的展示中，當把正在撥放音樂的Google Home Max移至牆角時，聲音瞬間變得奇怪了起來，但當它啟動AI機制以自行調整後，聲音於10秒內便恢復了正常。
Google Home Mini即日起開放預購，預計於10月19日出貨，售價399美元的Google Home Max則會在11月中旬開放預購。
本周美國拉斯維加斯造成多人死傷的槍擊案後，華爾街日報周四報導，Youtube已經著手調整影片搜尋的演算法，以抑制假消息在網路上流竄。
本周拉斯維加斯一名槍手從知名的賭場酒店32樓向街上正在舉行音樂祭人群掃射，造成近60人死亡，500多人輕重傷。此後媒體發現，包括Google、Youtube、臉書等網路平台上，開始有大量假新聞及假影片流傳，以假亂真，同時搜尋排名節節高升。
例如在Youtube上搜尋該起槍擊案，一則名為「證實拉斯維加斯槍擊案消息是煙霧彈，真兇其實在4樓」的影片，在搜尋排名上高居第五名。該影片已遭到賭城警方否認。
報導指出，為此Youtube已於周三晚上更新搜尋演算法，著重在重大新聞事件，包括本槍擊案及近日的美式足球大聯盟比賽（NFL）抗議事件的影片，儘可能排除不正確的影片報導。
同樣的事也發生於Google及臉書。槍擊案發生後，論壇網站4Chan流傳大量假新聞，並衝上Google搜尋排行榜，而臉書剛推出的「危機回應」(Crisis Response)服務，其中張貼相關新聞的功能遭到一名製造假新的慣犯濫用，而製造出大量關於槍手身份的假新聞及垃圾訊息，迫使兩大網路平台修改演算法平息。
如果你需要極大的雲端運算容量，現在有新選擇。Google周四宣佈Google Compute Engine服務每VM運算容量加大50%，來到96 顆vCPU及624 GB記憶體。
這項服務採用原名Skylake的Intel Xeon Scalable處理器，運算效能較前代Xeon快20%，高效能運算（HPC）效能更提升82%，記憶體頻寬更增加快一倍。
96 vCPU服務提供三種預設型態。標準型提供96 vCPU及360GB記憶體；高CPU型提供96 vCPU及86.4 GB記憶體。高記憶體型則提供96 vCPU及624GB記憶體。此外，用戶還可客製化機器類型及擴大記憶體，最高不超過96 vCPU及624GB記憶體。
Google表示，最新服務支援SAP HANA資料平台向上擴充，如果用戶想執行HANA系統巨量資料分析工作，現在它也支援橫向擴充方式增加到16節點，達到9.75TB記憶體，在SAP BW4/HANA上建資料倉儲系統。
96vCPU Beta服務今天起在美國西部、中部、西歐及東亞 4個Google Compute Platform區域上線。
Google還預告正在開發記憶體更大、高達4TB的VM服務，並號召有興趣的企業客戶加入測試。
微軟於周四（10/5）發表了支援Android與iOS的Microsoft Edge瀏覽器，也推出支援Android的Microsoft Launcher。
Microsoft Edge為伴隨著Windows 10問世的微軟最新瀏覽器，最終將取代IE，這是微軟首度釋出支援Android與iOS的Microsoft Edge。
行動版的Microsoft Edge同樣有我的最愛、閱讀清單、閱讀模式及新分頁等桌面版功能，而且還能承接桌面版瀏覽器的內容。支援iOS的Microsoft Edge現可已透過蘋果的TestFlight程式預覽專案試用，而支援Android的Microsoft Edge預覽版亦很快就會出爐。
不過，初期這兩個預覽版都只支援手機及英文，支援平板電腦與其他市場/語言的Microsoft Edge行動程式要稍後才會現身。
至於Microsoft Launcher則可說是Arrow Launcher專案的正式版，這是一個桌面程式，可用來組織與管理行動桌面，可將使用者最喜歡或最常用的程式置放於手機首頁，也能放置最喜歡的對象，或是設定背景與顏色，建立個人化的手機桌面。
此外，Microsoft Launcher亦具備接續功能，能承接PC上未完成的任務，如照片或文件。Microsoft Launcher只有支援Android的版本，且現為預覽版。
全球影片串流龍頭業者Netflix本周四（10/5）調漲了美國市場的訂閱費用，目前尚不確定此一調漲策略是否將擴及台灣等其他市場。
Netflix原本在美國所提供的基本、標準及高級三大方案的每月訂閱費用分別是7.99美元、9.99美元與11.99美元，除了基本方案的費率維持不變之外，標準方案調高為10.99美元，高級方案則調整為13.99美元。
這三大方案主要的差別在於可否觀賞高畫質或超高畫質影片，以及可支援的觀看螢幕數量，例如基本方案只能在1個螢幕上觀看影片，標準方案為2個，高級方案則是4個。
新費率於本周四生效，而舊用戶則會在10月19日收到通知，並於下一個月的帳單生效。
至於台灣市場的費率則未見變更，三個方案的費率依舊是270元新台幣、330元新台幣與390元新台幣。
目前Netflix在全球擁有超過1億的訂閱用戶，當中有一半位於美國市場，在2016年創下88億美元的營收，獲利1.87億美元。Netflix去年總計釋出了126個原創影集與電影，超越任何一家有線頻道或是串流服務業者。
蘋果於周四（10/5）釋出macOS High Sierra 10.13補充更新程式，修補了兩個安全漏洞，其中一個漏洞會造成APFS加密卷宗的密碼曝光，另一個漏洞則能用來竊取蘋果鑰匙圈（keychain）密碼。
APFS的全名為Apple File System，為蘋果最新開發的檔案系統，與9月25日出爐的macOS High Sierra 10.13一同問世，取代了蘋果先前所使用的HFS+，並將成為蘋果所有作業系統的底層，涵蓋macOS、iOS、tvOS與watchOS。
根據蘋果的說明，若使用者於磁碟工具程式（Disk Utility）中利用新增APFS卷宗（Add APFS Volume）的指令建立一個加密的APFS卷宗，並啟用密碼提示功能，那麼在密碼提示中有可能直接出現密碼而不僅僅是提示。
新的補充更新程式清除了密碼提示中所出現的真實密碼，並改善提示的儲存邏輯。
另一個安全漏洞則是允許惡意程式取得鑰匙圈密碼。蘋果表示，惡意程式可藉由合成點擊以繞過鑰匙圈的存取提醒，蘋果的修補方式則是在存取鑰匙圈時要求使用者輸入密碼。
現在重新下載macOS High Sierra 10.13即會包含上述的補充更新。
由IBM在1992年10月5日推出的ThinkPad筆記型電腦已經25歲了，為了幫ThinkPad慶生，接手IBM個人電腦事業的聯想（Lenovo）於周四（10/5）發表了限量版ThinkPad的25周年紀念機種—ThinkPad Anniversary Edition 25，它有專用的音量鍵、藍色的Enter鍵，還有彩色的ThinkPad商標。
第一代ThinkPad—ThinkPad 700C是由IBM日本大和實驗室的Richard Sapper及工程師所設計，靈感來自於日本便當盒，它曾獲得超過300個獎項，並受到企業高階主管的喜愛，迄今全球已售出超過1.3億台ThinkPad筆電，堪稱為全球首屈一指的商用筆電。
簡稱為ThinkPad 25的紀念機種擁有復古的外型，從背光的7行鍵盤布局、專用的音量鍵、不同狀態的LED燈、藍色的Enter鍵，到彩色的ThinkPad字樣，當然少不了經典的小紅點，但它的內部規格卻是現代化的，採用英特爾Core i7 7500U處理器、NVIDIA GeForce 940MX顯示卡、Windows 10 Pro，配備14吋的觸控螢幕，電池續航力為13.9小時，整合指紋辨識功能，比ThinkPad 700C強大了許多。
ThinkPad Anniversary Edition 25售價為1899美元，只會在特定市場限量發行。
如果你是個懶得出門，但又想旅遊各地的人有福了！Google與Discovery（探索頻道）於日前共同宣布，即將推出虛擬實境（VR）旅遊系列節目Discovery TRVLR，讓你透過Google Daydream View頭戴裝置或Cardboard就可以在家探索世界各地。
Discovery VR團隊和Google VR團隊合作，聯手打造一系列的VR旅遊節目，讓觀眾透過VR的體驗，沉浸在時間、空間和故事裡，而觀眾除了透過VR頭戴式裝置觀看之外，也可以透過網頁、Android或iOS手機裝置觀賞節目。
另外，Discovery TRVLR節目預計將播7季，帶你橫跨全球七大洲，第一季將於11月3日，在YouTube、DiscovreyVR.com和Discovery VR App上播出，預計推出38集，帶領觀眾造訪奧克蘭、河內、墨西哥、開普敦、南極洲等地，旅途中將探訪大師、藝人、探險家等人，透過這些不同的人們，見識各地的風土民情與文化。
此外，Discovery VR App自2015年8月推出至今，下載次數已達430萬次，且觀看次數超過1億2千3百萬次。
Discovery TRVLR節目預告短片：
臉書（Facebook）本周對外證實，已開始允許Instagram（IG）用戶將Stories直接分享至Facebook Stories上。
Instagram師法Snapchat，於去年8月推出Stories功能，允許用戶張貼於24小時之後就會消失的照片及影片，並成為推動Instagram用戶成長與黏度的重要功能。隨之臉書也在今年3月更新的Facebook行動程式嵌入了同樣的Stories功能，只是似乎未受到臉書用戶的青睞。
現在當Instagram用戶要建立一個Story時，系統就會詢問是否要同時分享至Facebook Stories。不過，目前此一跨程式分享功能是單向的，Facebook用戶並無法將Stories直接分享至Instagram上。
由臉書在2012年以10億美元買下的Instagram現於全球已有7億用戶，其中約有2.5億使用Stories功能。
專門生產Wi-Fi與藍牙喇叭的Sonos在周三（10/4）宣布，已釋出韌體更新讓美國、英國與德國的所有Sonos用戶都能透過Amazon Alexa數位語音助理來播放音樂或調整音量，並發表可同時支援Alexa及Google Assistant的新款喇叭Sonos One。
除了韌體更新之外，要以Alexa控制Sonos喇叭還需要配備Amazon Echo裝置與Sonos skill for Alexa，之後即可利用語音來播放、跳過、重覆播放歌曲或是調整音量。
由於目前Alexa只支援英文與德文，因此可升級韌體取得Alexa功能的用戶也只限於美國、英國與德國。
此外，最新發表的Sonos One目前雖然只支援Alexa，但預計明年將新增對Google Assistant的支援。支援不同數位語音助理將替Sonos One帶來音樂播放以外的功能，例如基於Alexa的Sonos One可設定計時器、聽新聞或交通狀況，或是聽取最新的運動賽事分數，基於Google Assistant的Sonos One則能搜尋、追蹤新聞，或是控制智慧家庭裝置。
Sonos執行長Patrick Spence表示，人們生活在串流娛樂的黃金時期，但有許多內容是藉由不重視聲音品質的智慧喇叭所傳遞，透過Sonos在合作上的開放態度、對聲音服務的堅持，以及針對家庭所設計的音響平台，將能協助人們聆聽更多與更好的內容。
Sonos One的售價為199美元，預計在10月24日於全球上市，美國、英國與德國以外的買家也能在Amazon或Google於當地推出語音數位助理服務的時候享受這些最新科技。
遠東商銀遭到駭客入侵，傳出駭客利用SWIFT交易前後兩波盜走6000萬美元，遠銀周五發佈重大訊息澄清，在積極追回匯款後，損失可望小於50萬美元，或完全追回款項。
根據遠銀的重大訊息聲明，因遭到駭客以電腦病毒入侵，導致SWIFT交易異常，經查發現被植入電腦病毒，已以防毒程式清除，受影響的SWIFT交易款項則積極追回，遠銀並向司法單位報案且通報金管會，向SWIFT聯盟、資安公司請求協助。
國內媒體報導駭客前後兩次共盜走6000萬美元，損失高達18億台幣，但遠銀並未說明被盜損失金額，僅表示發現被駭後立即透過通匯行向受匯行追回款項，損失可能小於50萬美元，甚至完全追回。為防範未來類似事件再次發生，已加強SWIFT交易內控機制，並和資安公司合作強化網路安全防護。
金管會也發出聲明，指遠銀被駭產生虛擬交易，並非從個別客戶的帳號匯出金額，因此該行客戶並沒有損失，未來若有損失應由銀行負責，金管會並要求遠銀強化網路安全。而在接到遠銀通報後，金管會已要求其他銀行檢查，其他銀行並沒有發現SWIFT交易異常的情形。
因明天開始國慶連假，金管會依「金融機構辦理電子銀行業務安全控管作業基準」要求銀行業者在連假期間密切注意，監控系統的異常情形，例如網路的異常存取、軟體更新、系統異動、防毒事件警訊等等，並應禁止從外部連到銀行內部進行系統維護，如果有其必要，需加強身份驗證，另外，為防駭客入侵，應將交易設定和SWIFT脫勾，從自動化處理改為人工處理。通匯交易超過一定金額，應做好再次確認。
此次遠銀被駭，駭客入侵的手法還不得而知，去年3月孟加拉銀行也曾被駭，駭客取得相關憑證，利用SWIFT交易匯款盜走高達1億美元，這起事件引起SWIFT(環球金融電信協會)的注意，要求會員銀行加強網路安全，避免再被駭客利用SWIFT交易盜走鉅額款項。
近來Google公布今年第二季資料中心的用電數據，他們旗下所有資料中心的耗電指標PUE值（Power Usage Effectiveness）過去12個月的平均值為1.12，這一季的PUE值更只有1.11，比平均值更低，也意味著更加省電。
根據國際機房認證組織Uptime在2014年的調查，全球資料中心的平均PUE值為1.7，但Google資料中心遠遠比全球水準，還來得省電許多，除了機房硬體設施的特殊設計之外，另一個近2年才曝光的關鍵省電作法，就是用深度學習來找出冷卻用電的優化關鍵。
日前，Google更是運用了AlphaGo開發公司DeepMind的機器學習技術，無須改變機房設計，只靠軟體動態調整，就能讓冷卻設備整體耗電減少40％的成效，Google補充，即使在不同規模的能源消耗環境，這項技術也有能有幫助。
Google過去10年一直想要找出更好的機房節能作法，靠軟體或演算法來優化維運正是其中一項研發重點。Google在2014年初花了數億美元買下DeepMind公司後，也嘗試將DeepMind的機器學習技術，引進自家資料中心管理。DeepMind在一篇部落格文章中，揭露了優化機房管理的三大挑戰和Google的對策。
在資料中心用電中，最大宗是冷卻降溫的耗電。Google一座資料中心動輒有數千臺，甚至上萬臺伺服器，會產生大量的熱能，為了讓伺服器持續運作，必須靠冷卻裝置來消除熱能，保持一定範圍的溫度，不過，這些冷卻設備大多是大型的機電設備，像是抽風機、冷水機和冷卻塔等，Deepmind表示，在資料中心這樣的高度變動環境，很難準確地操作這些機電設備來降溫。
要精細地操作這些大型設備是一件非常複雜的工作，再加上機房環境的變數和設備操作方式，並非有一套明確的關連，而是一種非線性關係，Deepmind解釋，傳統以數學函式為基礎的預測方法和人類直覺判斷，無法精準地找出設備與機房環境的對應關係。例如不只無法快速反應機房內部變化，甚至還要考慮來自外部的影響，像是多變的天氣，開發人員不可能想出所有的規則，來配合每個維運操作場景。
再者，每個資料中心都有獨特的架構和環境，傳統的管理能源模型必須因應每個資料中心，設計出不同的模型，不能通用於其他資料中心，因此，為了解決這個問題，DeepMind兩年前開始用機器學習技術，開發智慧型系統，能了解每個資料中心與環境的相互關係（Interactions），讓資料中心的運作更有效率。
在過去一年來，DeepMind研究團隊與Google資料中心的團隊合作，利用深度學習和深度學習演算法，先來建立一個可以模擬Google資料中心耗電變化的模型，作為後續優化用電效能的參考框架。
-600-2.jpg)
Google近來公布今年第二季資料中心的用電數據，過去12個月的衡量資料中心機房用電指標PUE值為1.12，Google在過去19季都穩定地維持這樣出色的成績，而本季的PUE則是1.11，相比去年的1.12有微幅的下降。（圖片來源／Google）
Google資料中心如何聰明管理用電
為了達到改善資料中心的能源效率的目標，DeepMind希望能建立一個可以預測PUE值（Power Usage Effectiveness）變化的深度學習模型要。PUE值是經常用來衡量資料中心節能省電的指標，計算的方式是以「資料中心的總用電量」除以「資訊中心內IT設備的總用電量」，PUE值越低，代表機房空調冷卻所需電力就會更少。
Google在一座資料中心內設置了上千個感測器，收集過去環境的歷史數據，像是溫度、能量、抽水機速度、凝固點等，DeepMind將這些資料作為訓練這個PUE預測模型的輸入資料，並以真實PUE值作為對照預測結果的標籤。
這些資料包括了19種資料中心環境資訊，例如冷卻機抽水馬達和每一臺伺服器的用電量，或像是室外環境資訊如相對濕度、風速、風向等，還有從各個環控、電力、機電設備和感測器上取得的第一手原始數據，經過彙整處理後，作為預測模型的訓練資料。
檔案的匯入和匯出、數據過濾、計算原始變數等資料前處理的工作，DeepMind都是用Python 2.7，搭配資料科學計算相關套件Numpy 1.7.0和Scipy 0.12.0，之後再用Matlab R2010a來訓練模型，以及後續的處理分析工作。
DeepMind訓練了2個不同組合的深度學習模型，來預測資料中心一小時後的溫度和壓力變化。有了這套預測系統後，就可以用來模擬，不同建議維運作法對PUE值的影響，進而找出最能降低資料中心耗電的維運操作方式。這些維運操作例如像是加快資料中心內某一批風扇的轉速，或調高特定一臺冷卻機的制冷溫度等。
透過預測模型，找出可以降低PUE值的最佳操控方式後，Google進一步建立一個可以自動控制資料中心內環控設備、冷卻設備的系統，來自動套用哪些來自預測模型找出來的推薦作法。
簡單來說，Google利用真實資料中心環控數據和伺服器運作資訊，建立了一個全資料中心的PUE值預測模型，可以準確預測到95%以上的資料中心PUE變化。接著嘗試各種不同的環控設備調整、風扇、冷卻機，甚至是伺服器內應用系統運作的調整方式，來找出哪一種調整組合，可以節省更多耗電，來優化PUE值，最後，再透過自動化程式，自動將最佳維運操作設定，套用到實際的機房環控設備上來執行。
Google也實際在旗下一座資料中心使用這套機器學習控制的維運系統，結果發現，相較於Google原本的維運管理方式，一旦開啟了這套DeepMind機器學習維運系統，可以減少40%的冷卻用電，或相當整座資料中心的整體PUE也進一步再減少了15%，比過去任何一次的PUE值都更低。
因為該套利用機器學習管理資料中心維運的系統，並非是一套專用於特定資料中心，或是只能用來調校PUE值的模型，而更是一個可以運用在不同資料中心環境和複雜維運變項的通用架構，因此，Google還計畫未來幾個月內，擴大應用到全球其他資料中心，甚至能運用到其他產業的工廠維運應用，例如改善電廠能源轉換效率（Power Plant Conversion Efficiency），減少半導體製程上的用電和用水量。
-600-1.jpg)
Google在旗下一座資料中心實測，啟用DeepMind機器學習模型來動態調整冷卻機制後，減少了冷卻設備的耗電多達4成，也讓整體資料中心的PUE值還能再降低近15％。（圖片來源／DeepMind）
目前的挑戰是缺乏特定環境狀況足夠的真實數據
建立深度學習需要大量的數據，若是訓練樣本的數據品質不佳，或是數量不足，建立出來的模型容易不準確，DeepMind目前面臨的挑戰即是因為有些環境情況缺乏足夠的真實數據，就無法訓練出對應的預測模型，因此，收集到足夠且正確的資料中環境數據是非常重要的。
Google表示，從智慧型手機助理、影像辨識到翻譯，機器學習技術已經幫助人類許多生活上的事，不過，機器學習技術還可以處理非常具有挑戰性的問題，就像是能源消耗。
即使能源使管理上，Google已經在去年有突破性的成果，但是Google表示，未來還是會持續研究和改進。
花了10年以上的時間，Google研究出如何提升資料中心的用電效率，也累積了不少管理機房的作法，其中有5項作法，也值得企業參考，就算無法全盤照作，也可以參考其中一、二項作法或精神，來優化自家機房的省電效率。
作法1 確實測量PUE值
若是沒有量測機房的PUE值，就無法準確地管理用電，因此，企業必須追蹤資料中心用電量，一般產業也常用PUE值來作為衡量用電標準。
為了要準確地測量PUE，Google建議至少1秒就測量1次，更重要的是，要整年不間斷地測量，因為氣候會隨著季節改變，而影響PUE。
由於資料中心外部的氣溫也會影響用電，越寒冷的地區，所需要冷卻的用電量越少，因此PUE值也會比較低，舉例來說，根據Google針對每個園區的個別統計TTM PUE數據，最低的是在比利時，TTM PUE為1.09，本季最低PUE也是1.09，在比利時和芬蘭。
Google計算PUE值的方式是全面地計算用電效能，所有的資料中心都一併統計，並非只計算採用最新、最好設備資料中心，且統計PUE值是續一整年不間斷地測量，不是只在較寒冷的季節統計用電。
若使用產業中常用的標準來計算，Google機房可以交出更低的PUE值成績，且採用效能最佳的資料中心來計算的話，PUE值甚至可以小於1.06，但是，為了更準確地衡量和優化資料中心的用電表現，而不是僅顧及到其中一部分，Google堅持採用更高的標準，將所有的電力消耗來源都納入計算，而非只有照綠色網格PUE測量標準（Green Grid's PUE measurement standards）來計算。Google公布的每一季報告，都是涵蓋資料中心所有用電後，才來計算資料中心的後續12個月（TTM）PUE值。
資料中心設備包含許多不同的冷卻系統基礎建設，也會因資料中心位處的環境氣候而有所不同，季節型的氣候模式也會影響PUE值，較寒冷的季節，PUE就會比較低，不過，透過這套深度學習系統，就連炎熱且濕度高夏天，Google都能將PUE值維持在較低狀態。
Google用上百個功率表來測量能源消耗，用冷卻系統和IT設備上的不同功率表來追蹤能源消耗，計算出正確的PUE。
作法2 管理機房內部氣流
空調管理在資料中心的運作中，扮演非常關鍵的角色，好的隔離機制可以將熱氣和冷空氣的混合降到最低，避免冷熱空氣混合，進而減少冷卻用電。
Google建議用擋板將伺服器機櫃上的空隙擋住，避免伺服器產生的熱氣擴散，另外，Google也計算流體動力學（Computational Fluid Dynamics，CFD）相關數據，來建置熱能模組，藉由一些分析結果，可以協助企業了解資料中心設備的氣流特徵，有效地優化設備操作。
另外也要避免資料中心的冷熱氣流混合，因此，Google建議用擋板隔離伺服器機櫃上的縫隙，防止伺服器後端的熱通道與前端的冷通道混合，確保冷通道的冷空氣不受熱氣影響，有助於減少冷卻所需的總能量。
作法3 提高自動調溫器預設溫度並分散熱源
要節省資料中心的能源，最簡單的方法之一就是，提高自動調溫器的溫度。為何一般企業多將資料中心的溫度控制在華氏70度（大約攝氏21度），Google認為，這個答案一直是個謎，因為所有設備或伺服器，都能在更高溫度下運作，因此，Google資料中心的溫控預設溫度是調整到華氏80度（約攝氏26.67度）。
另外Google會建立資料中心的熱分布模型，來標記出資料中心內部所有的可能熱點（熱源），並將熱點平均分散，來避免局部高熱，而需要耗費更多制冷的能源。甚至在設備或伺服器進駐時，就考慮到熱源集中效應，來分散擺設。
作法4 善用免費冷卻機制
Google建議可以用水來替代冷卻器，大多數的資料中心都會用冷水機或是空調來降溫，不過這樣的方式，需耗費30%～70%的能源用量，Google採用水來冷卻資料中心的溫度，可以節省不少能源的消耗。
首先，Google在伺服器機櫃上客製了一套制冷機制稱為Hot Huts，可以將熱空氣離開伺服器前先暫時留住，避免熱氣直接釋出到機房中，來影響整體機房溫度。每一個Hot Huts頂端都有多個電扇，先透過水冷卻系統來降溫，再排進資料中心的環境中，就能讓伺服器接收到冷空氣，降低機器本身的溫度，形成良性循環。
接著，Google還善用蒸發的功能，冷卻塔就跟人類的身體一樣，即便外在的溫度比體溫還要高，蒸發能讓人類保持一定的溫度範圍，熱水從資料中心流到加速蒸發的冷卻塔時，有些水就變成蒸氣，風扇則會帶走這些蒸氣，最後冷卻塔再將冷水送回資料中心。
除此之外，冷卻水並非唯一免費的冷卻方式，位於芬蘭哈米納的資料中心則是用海水來冷卻機房，當初選擇在該地設置資料中心，正是因為寒冷的氣候條件，加上鄰近海灣的地理位置，Google設計抽取海水設備的冷卻系統，透過熱能交換器將熱送到海水中，這樣的模式能夠提供一整年的冷卻需求，直到目前為止，該機房尚未裝設任何一項冷卻的機器。
作法5 優化能源分配
Google指出，一般的伺服器在從事真正的計算工作前，就已經浪費1/3的能源，伺服器通常在交流電轉直流電的電源供應器上，耗費了許多電量，之後電壓調節器又需要耗費更多電力。
因此，建置客製化的高效能伺服器，將伺服器的功率損耗降至最小，並移除不必要的能源耗損，是非常重要的，另外也要確保伺服器在等待執行指令期間，消耗最少的能源。若是企業最初因成本考量，選擇低效能傳統伺服器，長期運作下來，將產生更多用電成本。
Google則是從2001年起，就一直研究如何設計出更有效率用電系統，經過多年的研究，Google目前採用效能高電源供應器、電壓調節器等設備，確保能源真正用在電腦核心的計算工作上，根據Google估計，每年每臺伺服器大約省下超過500度（kWh）的用電量。
硬體部分，Google也只留下執行應用程式必須元件，將不必要的元件都移除，像是外部連接器或是顯卡，另外也優化伺服器風扇運行，將風扇轉速控制在足夠讓機器維持可運行的溫度即可。
今年6月16日這天晚上，桃園觀音工業區的工業道路上，有間2年前早就被勒令停工的小型鐵皮工廠，廠內工人正趕忙作業，將工業使用的鍋爐燃燒木屑後的廢氣，從屋頂煙囪口偷偷排出，還刻意掩人耳目將煙囪隱蔽，門口更是大門深鎖，改後門進出，正當業者以為天衣無縫時，渾然不知外頭早有大批環檢警埋伏多時，等到深夜工廠開始作業，馬上出動稽查，甚至有作業人員現場都來不及反應，機器都還沒關，只能乖乖束手就擒。
環保署在6月展開的稽查行動中，還借助了更進階的機器學習資料分析技術，以取代傳統人力的監看作業，希望能夠做到自動幫助監看人員找出可疑潛在污染源的主要區域，可以讓環檢警很快鎖定稽查對象，並找到最合適出動的稽查時機。（圖片來源／環保署）
傳統稽查也開始因為資料力而變得不一樣
這僅僅是環保署會同桃園市環保局6月展開的第一波聯合稽查，緊接著5天後的第2波稽查行動，同樣查獲到違法情事，稽查人員現場立即對違法業者進行告發，總計從 6月至8月期間，總共稽查了6家工廠，開出了6張告發單，有4家違規，其中更有2家涉及刑責移送法辦。
「這不是傳統稽查可以做到的，而是得靠智慧稽查才能夠辦到。」環保署環境監測及資訊處處長張順欽自豪地說。
張順欽表示，這次的環保稽查作法和傳統截然不同，靠的是資料分析的方式來執行稽查，甚至還借助機器學習技術，可以自動找出潛在污染源熱區，才能夠讓環檢警很快鎖定稽查對象，並找到最合適出動的稽查時機，才能夠徹底將製造環境污染的工廠一網打盡，讓被抓到的業者現場也百口莫辯。
「這就是有用資料來稽查跟沒用時的最大差別。」張順欽表示，可以找到以前難以發現到的蛛絲馬跡。張順欽也指出，傳統的環保稽查執法，常常來自民眾的檢舉，得先等到蒐集一定事證後才派員稽查，或是透過不定期來抽查，效果往往不如預期。他解釋，不肖業者常常會以各種取巧手法，來規避稽查員蒐證和抽查，例如這次被查獲違法的6家工廠，都是刻意選在夜間偷排廢氣，甚至還有的將煙囪高度設計成與屋頂同高，藉此來掩人耳目，而且平日大門都緊閉，從外觀上完全看不出廠內有人在作業，「若是以過去的稽查作業方式來執行，根本很難查到。」他說。
所以張順欽表示，環保署從今年3月開始嘗試利用科學辦案的方式，希望找出能夠幫助稽查員執法更有效率的作法，所以先從空氣品質資料的蒐集與分析開始做起，之後更以桃園市觀音工業區，做為第一個科學稽查執行的對象。
環保署原來在全國已經設置有5座大型工業空氣品質監測站，以便針對工業區空氣污染進行監測，雖然這些傳統監測站皆配備有高精密空氣監測儀器，可以提供較準確的空氣品質監控。不過每隔1小時才會蒐集一筆資料，間隔的時間較長，另外每臺監測設備造價十分昂貴，動輒上百萬元，且體積龐大，空間上沒辦法大量設點，所以通常只會放置在距離工業區下風數公里處，僅當作是整個工業區域的空氣品質監測，而沒辦法針對工業區內更小型的局部區域，來進行環境監測。
環保署會同桃園市環保局6月展開首次科學稽查行動，就查獲6家違法工廠，都刻意選在夜間偷排廢氣，甚至其中一家還將煙囪高度設計成與屋頂同高，藉此來掩人耳目，而且平日大門都緊閉，從外觀上完全看不出廠內有人在作業，若採用傳統稽查作法很難查獲不法。（圖片來源／環保署）
用100個感測器布建工業空氣品質監測網
為了要有更多的資料，可以蒐集用來分析使用，張順欽表示，環保署先依據空間規劃分布將觀音工業區分成400個小方格，並針對每一個格子上對應的路燈和交通號誌，來分別安裝一個個小型空氣品質感測器裝置，來協助蒐集到更多的空氣品質資料。
「這個空氣品質感測器就像是一個快篩。」張順欽形容，因為體積小，可以大量布點，每隔500公尺就可布設一個監測點，全工業區總共設有100個點，以便利用蒐集的空氣品質資料，建立一個更高密度的空氣品質監測環境，可以將污染源的範圍更進一步限縮在更小型的區域內，以便於更容易找到污染源頭；同時還利用LoRa無線通訊技術，布建一個通訊範圍可覆蓋整個工業區的IoT感測網路，可以將蒐集到的資料回傳到後端來即時分析。
環保署開發的這臺空氣品質感測器裝置，內含有多個感測器，包括了一個可以偵測細懸浮微粒（PM2.5）濃度的感測器，以及常見的溫度、濕度等感測器。每個感測裝置內也都內建一組電池，白天可自行供電、晚上則可依靠接上路燈或交通號誌的電力裝置進行充電，所以可以24小時不間斷地蒐集環境資料。
「目前這臺裝置每3分鐘就會回傳一筆資料。」張順欽表示，比起傳統監測站蒐集資料的間隔時間更短，可以呈現出以分鐘為單位的區域空氣品質變化情形。環保署還利用每天從感測裝置蒐集到的大量空氣品質數據，包括PM2.5等來進行數據分析，再搭配風速、風向等天氣資訊，來建立出一個觀音工業區空氣品質感測網。
從這個空氣品質感測網平臺上標示的工業區廠商位置平面圖，可以動態的顯示不同時間各監控點的空氣異常變化情形，並且能透過視覺化地圖來呈現，例如，當感測裝置測得的PM2.5數值越高，地圖上對應的感測點位置的區域，就會出現紅色大圈圈，代表這個地方的空氣污染的程度越高，需要多加警戒。反之，數值越低時，則會顯示藍色小圈圈，透過視覺化的方式，可以更容易用於監控異常的排放源，找出可疑的潛在空氣污染熱區。
除了感測點提供的數據外，環保署還結合了風向來輔助判斷，以便找出這些異常高點區域的空氣污染源頭，之後還會與當地已列管污染源的工廠逐一比對，將稽查對象範圍更進一步縮小，甚至還可以隨著時間變化來監看不同區域監測點的空污濃度變化情況。而從不同時間的分布，也可以方便稽查人員可以更容易依據執行稽查對象的週期性作業時間，來決定出動稽查的時機。
環保署在工業區布了100個感測器蒐集空氣品質數據，再搭配天氣資訊，建了一個觀音工業區空氣品質感測網，以找出潛在空氣污染源熱區。這臺空氣品質感測器內有多個模組，如PM2.5感測模組，還有LoRa傳輸模組，還內建充電電池，可支援全天候24小時蒐集。（圖片來源／環保署）
稽查辦案也開始結合機器學習應用
張順欽也提到，像這次的稽查作業，從事前開始監測到正式行動，經過了3個月的準備時間，期間透過數據分析，從時間、空間分布相關性及發生週期性來相互分析及比對後，最後鎖定2個空氣污染源的主要熱區為抽查目標，並擬定稽查作戰行動，而從空氣品質監控地圖中也能觀察到這兩區的PM2.5濃度，經常於夜間時段遠高於其他區域，並且每周三、五、日夜間時段最頻繁，稽查人員便可以依據取締對象的作業時間，來決定何時要展開行動。
甚至在這次稽查行動前的監測過程中，環保署還首次借助了更進階的機器學習技術，來幫助人員自動找出可疑潛在污染源的區域，以取代傳統人力的監看作業。張順欽表示，目前在工業區設置的監測點，每天總共會蒐集到將近1GB的環境數據資料，包括PM2.5、溫濕度、風向等。他們是先使用2個月將近60GB的資料量，來持續提供給機器學習演算法進行訓練，建立一套可用於辨識環境污染源的學習模型，可以輔助監看人員很快分辨找出監控地圖上異常的污染排放源，「這次鎖定稽查的6家工廠業者，就是透過機器學習來找出來的。」張順欽說，未來更大的目標，要讓機器也開始具備跟專業人員一樣的環境監看能力。
將資料分析與工業區空污稽查結合後，張順欽表示，以後稽查員作業方式，可以透過手機或平板裝置App，就可以即時依據所要稽查工廠對象排污的動態變化，來進行蒐證及選定稽查的時機，甚至在外面稽查的過程，一旦感測器發現可能有異常排放的事件發生時，馬上可以對有可能異常的排放空污源頭立即做稽查，「讓稽查作法可以更即時，這就是我們想要實現的智慧稽查。」他表示。
不過張順欽也坦言，雖然這臺空氣品質感測器裝置體績小，方便大量布點，應用上還是有其限制，因為使用的是價格較低的空氣品質感測器，所以與傳統監測站相比，準確度上就沒來得這麼高，兩者誤差將近10～20%之間。另外也會受到外在環境影響，如水氣等，而干擾感測器量測的結果。
至於感測器技術本身也是另一個挑戰。他表示，目前感測器常用來檢測空氣品質好壞時，會以PM2.5濃度為標準，但如果想要量測出其他環境產生出的揮發性有機物（VOC），例如甲醛、乙烯等的濃度成份，這類氣態污染物，因為需要將感測出來的輸出電壓值，轉換成可以量測參考的環境空污標準，需要的技術挑戰也更高。除了空氣品質外，水質的量測也面臨同樣的問題，例如想要量測水中的重金屬成份等。張順欽表示，目前環保署也正和工研院合作，投入研發新的感測器技術，以便未來能用於更多環境污染源的監測。
張順欽表示，這次建立的環境污染感測網，是以工業區的空氣品質監測為主，將只提供給內部的環保稽查人員使用，暫時並沒有對外公開。不過他表示，環保署未來也規劃在鄰近大型污染源的大型社區、或運輸量龐大的交通路段來布設感測點，讓一般民眾也能隨時查看。
未來將以全國布建1萬個空污感測點為目標
除了北部觀音工業區的100個點之外，張順欽表示，接下來也計畫在中部地區增加設置500個環境感測點，未來4年希望能達到全國布建10,200個感測點的目標。張順欽表示，接下來也規劃推出水質環境感測器裝置，並將優先投放在與農地污染有關的灌溉取道，來提升民眾食用作物的安全，另外也可用於針對附近有工廠排放廢水的河川，找出河川污染源頭。
美國馬里蘭州早在好幾年前，就意識到資料治理的重要性，在過去幾年持續推動政府內部的資料分析工作，甚至，前任州長Martin O’Malley曾在2014年撰寫一篇文章，刊登於公共行政的期刊中，讓馬里蘭州的績效衡量作法成為許多政府的參考指標，現在，馬里蘭州長Larry Hogan持續以資料驅動政策，更是致力於政府開放資料，讓政府的施政更加透明化。
馬里蘭州政府資料治理最大的轉變是，過去由投入導向的方法，來制定政策，現在則是轉變成以衡量成果為導向（Managing for Results，MFR），各部門都被要求提出明確的使命、願景、目標，並制定相關的績效衡量指標，預算分析部門每周都會測量各部門的工作績效，並且每年公開發布一年度的績效報告，提供民眾一同檢視。
2007年開始，馬里蘭州採用績效指標和管理的工具StateStat，透過分析相關數據，以制定出更全面的預算決策，也能支持改革的方針，馬里蘭州政府要求旗下各機關要求提供關鍵績效指標數據，州政府再用這些數據分析的結果，確定每項政策執行的情況，並適度地調整改進戰略。
馬里蘭州從2010年開始，每年都會在網路上公開發布一年度的成果導向績效報告，讓人民檢視州政府5個關鍵領域表現，包含經濟發展、稅務、財政、政府改革、改善生活品質，報告中每個領域不同績效指標目標和結果，以用來制定施政優先順序和預算分配。
績效指標的衡量方式是用過去近5年的數據，與今年度的成果相比，再將比對結果量化為非常良好、良好、穩定、不佳、非常不佳5種類型，成果正成長大於10%會被歸於非常良好，成長3～10%是良好，穩定則是成果變化在正負2%之間，根據馬里蘭州在2017年最新公布的報告中顯示，高達63.5%的績效指標都在今年度移向良好，代表這項績效指標方法，成功地讓政府機關提升工作績效。
舉例來說，經濟發展的領域，就結合了GDP成長率數據、房屋自有率、交通局統計的當地機場旅客成長率等11項相關數據，與過去五年比較，計算出每項績效成長的幅度，綜合評估後，作為之後制定政策的參考依據。
政府還會提出公共問題，徵求民眾給予改善建議，最後將政府施政成果公開在網路上讓民眾檢閱，成功地建立一套透過資料與民眾互動的治理模式，政府為了能夠拿到更多的預算來改善服務，會更重視工作績效，如此一來，政府的工作成果與預算編列產生了連結，形成一個良性循環的模式。
馬里蘭州表示，資料治理的理想是要創造健康且同時兼顧經濟和環境發展的社會，這項計畫不是在各個施政方向中取捨，而是要根據每個領域的確切需求，找到最合適的分配機制，制定出最佳的預算方案。
馬里蘭州績效指標衡量方式是用過去近5年數據，與今年度成果相比，將結果量化為5種類型，根據2017年最新報告，高達63.5%績效指標都在今年移向良好。（圖片來源／馬里蘭州政府）