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
同時也有85部Youtube影片,追蹤數超過4,830的網紅angealbk201,也在其Youtube影片中提到,Dr.ブラックバーンの仲間による改良FEVウイルス散布を阻止するために、 ウエストテック研究センターの地下にあるFEV生産施設に向かう。 テストもせず、実験も失敗してるのに散布しようとしてたとか意味わからんw 研究者は今後に他の研究なんかで役に立ってもらえばいいじゃんって思うからラフマーニを支持...
dawn 意味 在 文茜的世界周報 Sisy's World News Facebook 的最佳貼文
《文茜的世界周報》
1)加州野火
大盆地紅木州立公園(Big Basin Redwoods State Park)在加州已有118年歷史,裡面一些古老的高聳針葉樹成火災的受害者。州長Gavin Newsom表示,已把所有資源投入救火,但還不足以消滅560場大火。依照紐約時報的數據,目前大火已導致77萬1000英畝地被摧毀,11萬9000人撤離。州長表示,全加州部署了近1萬2000名消防員,但仍未能控制大火,加州已向包括東海岸在內的各個州,甚至從澳洲尋求幫助。
2)閃電引燃野火
加州的"閃電包圍"與氣候變遷有關。加州8月16日遭逢「歷史性的雷擊」包圍,在72個小時內,有1萬1000個閃電打在加州四周,點燃了367次野火。火在灣區四面八方燃燒,大量濃煙籠罩整個金山灣,分不清濃煙來自哪個火場。野火冒出的濃煙將空氣污染到不健康的程度,幾百英里外的天空中瀰漫著濃煙,並一直擴散到內布拉斯加州。
3)加州熱浪與停電
因為熱浪襲擊,灣區和北加州出現高溫,導致數以百萬計的冷氣機全力開動。結果是加州脆弱的供電系統承受不了,以致負責監控加州供應情況的加州獨立系統操作者(Independent System Operator, 簡稱ISO)在上周末實施分區輪流停電。這是19年來加州第一次分區停電。加州是全球第5大經濟體,最先進發達的地區,而且擁有全球最敏感和最重要的矽谷科技公司,為什麼竟然要像第三世界國家那樣實施停電?往年的狀況是,加州會向鄰州,像是亞歷桑那州或是華盛頓州借電,但是現在這些州也全都受到熱浪侵襲,以致於他們沒有多餘的電可以借加州。從林火,乾雷暴,到熱浪帶來的停電,誇張的災難狀態不僅將加州的消防能量逼入極限,更明確地向世人展現一年比一年加倍嚴峻的極端氣候威脅。
{內文}
(新聞旁白)
美國西部的熱浪在周末寫下新紀錄,加州死亡谷8月16日以130℉(54.4℃),刷新可能是史上地表最高溫紀錄,此前地球上最高溫也是出自死亡谷,於1913年所創,不過眾多氣象專家質疑,當時測的134℉(56.6℃)可能是誤讀
這不是什麼值得開心的紀錄,死亡谷的熔爐溪(Furnace Creek),一連數天都出現華氏130度高溫。不止在美國。
(新聞旁白)
8月17日午後,日本濱松觀測到41.1℃,這是觀測史上出現在日本國內的最高溫,8月17日這天,東京都有136人因中暑送醫,其中6人狀況危急有生命危險
(BBC記者/ David Shukman)
英國氣象局一直在紀錄「熱帶夜(Tropical Night)」,指的是夜晚溫度維持在20℃以上,自1961-1990這30年間,英國紀錄到了44個熱帶夜,1991-2020這30年
英國增加到了84個熱帶夜,到了今年8月,半個月已經出現了3次熱帶夜
(美國氣象學家/CBS記者 Jeff Berardelli)
氣候變遷意味著極端氣候,更極端的熱浪,更極端的颶風,更極端的野火季
在加州 野火在州的兩頭燒,在不斷飆高的氣溫與強勁風勢助長下生成了這個怪物,巨大的火龍捲,8月16日降臨在加州與內華達州邊界。
(美國氣象局高級氣象學家/Dawn Johnson)
這是極為危險的現象,因為你要知道野火是多麼兇猛
而火龍捲會以每小時60-80英里,甚至100英里的速度"火力十足"的前進。當天下午就發布火龍捲警報,政府下令當地居民找掩護,幸好最後沒有傳出人員傷亡。
(加州居民/ Victoria Gregorch)
火燒過來 第一棟著火了,接著我鄰居家也燒起來了
氣象專家推測,新一波加州野火是由閃電引燃的,舊金山灣區16日被籠罩在氣象科學家所稱的wild night(瘋狂夜)。總計72小時內,閃電近1萬1千次,造成至少367起野火。火在灣區四面八方燃燒,大量濃煙籠罩整個金山灣,分不清濃煙來自哪個火場。
(Capital Weather Gang兼華郵記者/Andrew Freedman)
其實加州野火並不只單一火場,北加州和加州中部都有火場,甚至南加州也傳出野火
Freedman說,加州近來這一連串野火,熱浪與乾雷暴,其實是相關聯的。
(Capital Weather Gang兼華郵記者/ Andrew Freedman)
現在加州發生的異常天氣,其實是極端熱浪導致的後果,這波熱浪已經在加州長達一個多星期了,因而近來加州氣候十分乾燥,現在本來就是加州的乾季,而熱浪又使得空氣更加乾燥,過去幾天風勢又轉強(助長火勢),此時又有另一個現象出現,是在北加州和加州中部不常見的現象,就是密集的大閃電,舊金山附近閃電如雨下
看起來挺壯觀的,不過當地人都有些怕怕的,結果是舊金山灣區被野火包圍了
皮魯湖野火燃燒一整夜傳出有兩名消防人員受到輕傷,另外在納帕郡的另一個火場,則因為火勢無法控制,已發出大規模撤離的警告。
(Capital Weather Gang兼華郵記者/Andrew Freedman)
不幸的是野火發生的時刻遇上新冠疫情,加州又正好是疫情重災區,尤其是過去幾個月實在滿嚴重的,這些都加大了消防員野火撲滅行動困難度,因為確實有潛在危險
有些其他州的消防員來加州支援,他們必須肩併著肩的對抗大火,雖然火場在戶外
降低了一點傳染的風險,不過風險還是在,至於堅持到最後一刻才撤離的居民,如果他們要去暫時避難中心,一定會是在室內,那就必須要維持社交距離才行
把發生在加州的極端氣候惡性循環放大到全世界來看,也就不難理解了。
(賓州大學地球科學中心主任/Michael Mann)
今年的亞馬遜雨林大火,釋放出更多二氧化碳到大氣中,更多的二氧化碳,就會讓地球暖化更嚴重,而且我們知道,不只亞馬遜的雨林在燃燒。還有澳洲也有野火,而且澳洲野火釋放出的二氧化碳,是澳洲一整年汽車排放二氧化碳量的兩倍,所以我們現在應該要專注在減碳上,但到頭來這就是一個惡報,會發生那麼多森林野火的原因,其實就是人類導致地球暖化,害得森林越來越乾燥,才會創造出林火的最佳條件,然後又加劇地球暖化
科學家說,隨著地球暖化,使得熱浪出現越來越頻繁,而地球上正發生的熱浪尚未結束。加州的熱浪造成電力供應大吃緊
(加州州長/紐森)
我就直說了,我們沒能事先預估到電力會缺到這個狀況
州長在17日的記者會中坦承,加州未能事先預防這樣的缺電狀況,加州獨立電力系統運營商California ISO,下令發電廠在必要時設法節電。如果供電吃緊的狀況沒能在短時間內好轉,電力需求恐怕會超過供給量。
(加州民眾)
我們那裡停了一小時電,實在很痛苦
一般而言,加州可以向鄰州像是亞歷桑那州或是華盛頓州借電,但是現在鄰州也都受到熱浪侵襲,以致於他們沒有多餘的電可以借加州。
(CBS主播)
加州的電力公司警告,未來加州300萬居民有可能面臨限電
這真是一場超完美風暴,重創加州一直以來的電力結構,不過有些人不接受熱浪,是導致加州面臨停電之苦的理由。
(消費者聯盟團體公用事業改革網執行董事/Mark Toney)
你們知道嗎?加州每年都有熱浪,根本就不是個意外好嗎?這就是為什麼你們要做事前規劃,要去預想最糟的劇本
川普總統或許不相信氣候變遷,不過氣候變遷可不會因此放過美國。
https://www.youtube.com/watch?v=ohaNSEmxPDo
含主持人陳文茜解說,請點閱【完整版】2020.08.22《文茜世界周報-亞洲版》
https://www.youtube.com/watch?v=jHCvYbp_s58&t=75s
dawn 意味 在 黃捷 高雄市議員 Facebook 的最讚貼文
The night is darkest just before the dawn. And I promise you, the dawn is coming.
一年半以前,高雄人選擇給韓國瑜機會;一年半以後,高雄人選擇讓韓國瑜下台。這是高雄人的性格,能廣納百川,但也認真檢視。
過去一年,我在議會認真監督韓國瑜的施政,換來的是市長虛應故事,以及韓粉的各種攻訐、製造對立。很多人問我,韓市長根本不懂市政,妳為什麼還要這麼認真準備?我認為,在什麼位置,就應該做好本分,換做是任何人當市長,我都會用這種態度來監督。
韓國瑜一年半以來的荒腔走板,身為高雄人,應該讓他落幕了。請大家明天一定要站出來,終止高雄的黑夜,共同迎接高雄的新生!
#6月6日午夜零點起不能進行任何罷免投票相關宣傳
#666堅定罷韓最後一哩路 #同意罷免蓋下去
#投票當天不能攜帶或穿著具有宣傳意味的衣服或物品
提醒大家,六月六日午夜零點起不能進行任何罷免投票相關宣傳。
今晚七點半,美麗島捷運站二號出口集合,罷免前最後一哩路我們一起相伴走完!
千萬不要超過今晚12點還手滑轉發罷免相關資訊!
今晚遊行結束就回家洗洗睡,養足精神明日前往投開票所 #同意罷免 給它蓋下去!
--
六月六日罷韓投票重點注意事項請看這邊:
Q:我想罷韓怎麼投?
A:圈選章請蓋在選票單上「#同意罷免」欄位
#千萬不要蓋錯欄位
Q:罷韓投票要攜帶那些東西?
A:#身分證、#個人印章、#口罩
Q:6/6罷韓投票我要去哪裡投票呢?
A:罷韓投開票所查詢系統在這邊:arrow_down:
https://npptw.org/5JXhjI
#沒拿到投票通知單可直接網路查詢
dawn 意味 在 angealbk201 Youtube 的精選貼文
Dr.ブラックバーンの仲間による改良FEVウイルス散布を阻止するために、
ウエストテック研究センターの地下にあるFEV生産施設に向かう。
テストもせず、実験も失敗してるのに散布しようとしてたとか意味わからんw
研究者は今後に他の研究なんかで役に立ってもらえばいいじゃんって思うからラフマーニを支持。
ただ…倫理観ガバガバのネリーだけは処刑したほうがいい気がする…
00:00 スタート
05:14 FEV生産施設
07:32 B.O.S.と合流
09:38 Dr.ブラックバーンの研究仲間
15:47 Dr.ブラックバーンによる実験
18:49 科学者の研究室へのアクセスを得る
20:25 研究仲間と会話
24:58 Dr.ジェイン
26:51 Dr.ファラー
28:44 ネリー
30:32 ナイト・シン
34:21 パラディン・ラフマーニ
35:56 選択
38:00 ATLAS砦
40:30 ヒューセン
41:06 ラッセル
41:56 コリン・パットナム
42:46 マルシア
43:22 マックス
44:42 ラミレズ
45:17 バルデス
46:53 ラフマーニ
『Fallout 76(フォールアウト76)』再生リスト
https://www.youtube.com/playlist?list=PLhPwYdbtNgOSBcJbrrWZ9rRjaHgWRtFmT
『Fallout 4(フォールアウト4)』再生リスト
https://www.youtube.com/playlist?list=PLhPwYdbtNgORfqMRk9lP1ph2TvQ24n1B5
SHAREfactory™
https://store.playstation.com/#!/ja-jp/tid=CUSA00572_0
以下、公式リリースより
『Fallout 76: Steel Reign』
「Steel Reign」では、B.O.S.のストーリーが終着点を迎えます。あなたがATLAS砦に戻ると、パラディン・ラフマーニとナイト・シンの間の緊張が最高潮に達していました。スーパーミュータントの群れが現れ、行方不明者も出ている今、正義を貫くのか、それとも任務を遂行し続けるのか? B.O.S.の運命を決めるのはあなたです。
『Fallout 76: Steel Dawn』
「Steel Dawn」は、『Fallout 76』をお持ちであれば無料でお楽しみいただける、新たに語られるB.O.S.クエストラインの第一章です。カリフォルニアから到着したパラディン・レイラ・ラフマーニとその部隊が、新たなアパラチア支部を設立しました。他の派閥と協力、あるいは敵対しながら、部隊の活動を成功へと導きましょう。新登場のNPCたちが暮らす居住地を訪れたり、B.O.S.の武器庫から強力な武器やアーマーを手に入れることも可能です。社会を再建し、価値あるテクノロジーを安全に確保するのが部隊の任務となりますが、テクノロジーをどのように使用するかはあなた次第です。
『Fallout 76: Wastelanders』
2103年、ついにウエストバージニアに人々が戻ってきます。安住の地を求めてやってきた入植者たちと、彼らを食い物にしようとするレイダーたちは、ウエストバージニアに隠された秘密を巡って、熾烈な戦いを繰り広げます。監督官からの新たなクエストに挑み、対立しあう勢力と協力関係を築いて、山岳地帯に隠された真実を暴き出しましょう。
『Fallout 76』
『TESV: Skyrim』や『Fallout 4』で数々の受賞歴を誇るBethesda Game Studiosが新たにお送りする、『Fallout 76』。オンラインプレイでシリーズの前日譚が描かれる本作では、生き残った人々の全てが実際のプレイヤーたちとなる。生存を目指して協力するも、しないもあなた次第。終末戦争による破滅の脅威にさらされるなか、世界に名を馳せる『Fallout』の荒野を舞台に、Falloutシリーズ史上最大規模のダイナミックな体験が待ち受ける。
2102年、再生の日。爆弾が落とされてから25年、有望な国民の中から選ばれたあなたと仲間のVault居住者たちは、終末戦争後のアメリカへと足を踏み入れる。一人で、あるいは仲間と協力しながら、探索やクエスト、建設、アイテムの収集を行い、ウェイストランド最大の脅威に立ち向かえ。
#Fallout76 #フォールアウト76
dawn 意味 在 ユイの研究室# Youtube 的最佳貼文
ルフィの故郷のドーン島が元「巨大な王国」だった!?
サブタイトルの【DAWN】や効果音【ドーン】に隠された伏線が...
ワンピースの最終地点は第1話!!! ある巨大な王国は故郷〇ー〇島だった...!?【ワンピース考察】
〈 サムネ用イラスト募集 〉
ご協力いただける方はTwitterのDMまたはメールにてご連絡お願いいたします!
Twitter → https://twitter.com/yui_laboratry
@yui_laboratry
メールアドレス → [email protected]
ユイの研究室へようこそ🌟
ワンピース ONE PIECE 考察を毎日配信しています!
ぜひ高評価&チャンネル登録よろしくお願いします!ついでにベルマークも押して通知をオンにしてくださると嬉しいです!
ワンピースの伏線や最新話の考察、懸賞金ランキングや海賊団のまとめなど、ワンピースにまつわる様々な動画を配信しています!
#ワンピース #考察 #ユイの研究室おすすめ再生リスト
⭐ ユイの研究室 (ワンピースの考察をしています!)
▼チャンネル登録はこちら▼
http://www.youtube.com/channel/UCTRG3h_hzmreCsZukBKJD3A?sub_confirmation=1
⭐ ゆさまるちゃんねる(解説動画、ランキング)
▼チャンネル登録はこちら▼
https://www.youtube.com/channel/UCoFI8bfiGyg92QhwZ1oLHsA
⭐ユイの講義室(歌動画)
▼ チャンネル登録はこちら ▼
https://www.youtube.com/channel/UClN1NoHyh-NK_BWv4LYrQXQ
⭐ ユイのあそび場(マイクラなどのゲーム実況を楽しんでます!)
▼ チャンネル登録はこちら ▼
https://www.youtube.com/channel/UCK-_E6IMGgE9MOVTY_YP0cA
⭐メンバーシップ(ユイのファンクラブ的なものです!)
❖研究員コース
・メンバー限定生放送
・日記
・バースデー動画
❖特別研究員コース
研究員コースの内容含
・実写動画
❖特別研究員幹部コース
研究員、特別研究員コースの内容含
・月に1度のオンラインオフ会
・オリジナルボイス
・月に1度ご自宅に直筆のお手紙が!
▼ 登録はこちらから ▼
https://www.youtube.com/channel/UCTRG3h_hzmreCsZukBKJD3A/join
⭐オリジナルグッズはこちら
https://yuiken.booth.pm/
⭐ Twitter https://twitter.com/yui_laboratry
⭐Instagram https://www.instagram.com/yuiken.official/
⭐公式ライン https://lin.ee/lPyT498
フォロワー様1万人を目指しています❢
◖ーーーーーーーーーーーーーーーーーーーーーーーーーーー◗
引用:尾田栄一郎/集英社/ONE PIECE
※動画内で使用している画像は全て上記作品からの引用になります。
#ワンピース #ワンピース考察 #ユイの動画一覧はこちら
◖ーーーーーーーーーーーーーーーーーーーーーーーーーーー◗
■ プロフィ―ル ■
考察系Vtuberのミカドユイです!
チャレンジしすぎて失敗することも多いですが、暖かく応援していただけると嬉しいです!
誕生日:3月1日
推し :サンジ(ワンピース)
爆豪勝己(僕のヒーローアカデミア)
我妻善逸、鬼舞辻無惨(鬼滅の刃)
◖ーーーーーーーーーーーーーーーーーーーーーーーーーーー◗
❖ amazon欲しいものリスト!お待ちしております!
https://www.amazon.co.jp/registry/wishlist/199MJIXG67VBX
❖ お仕事のお問い合わせはこちらまで
[email protected]
【おすすめ動画】
「エルバフの1コマ」にシャンクスの正体が!?99.9%見落とす「激ヤバ伏線」とは!?【ワンピース ネタバレ】
https://www.youtube.com/watch?v=C1DrKCQV8sg
とうとう“10人目仲間説”に終止符が打たれました【ワンピース ネタバレ】【ワンピース 1016】
https://www.youtube.com/watch?v=88mA0AFGo_4
“あの”新聞記事はやはりサボの●●だった...!?【ワンピース考察】
https://www.youtube.com/watch?v=TfETeSdYY-0
【ワンピース考察】笑い方=伏線!笑い方で四皇の悪魔の実の能力がわかる!? シャンクスの悪魔の実は?黒ひげタコ説/ケルベロス説の伏線も!?【ONE PIECE考察】
https://www.youtube.com/watch?v=AlTLqX_joUU
【最新話】大ピンチのルフィを助けるのは〇〇...!? まさかの人物に衝撃...!!!【ワンピース考察】
https://www.youtube.com/watch?v=l7JoZaz3ixo
【神回】ジョイボーイとは一体。なぜカイドウは知っていたのか?【ワンピース徹底考察】
https://www.youtube.com/watch?v=FgGZ7WADMpc
とうとう“動かぬ証拠”を手に入れました【ワンピース ネタバレ】
https://www.youtube.com/watch?v=lG13IqSVTnQ
【ワンピース 1016 ネタバレ注意】ヤマトとお玉の「君を待つ伏線」🔥火祭り(お盆)でエースと光月がついに繋がる超重要回!(OTAMAYAMATO)の表裏一体【ONE PIECE】1017話予想も
https://www.youtube.com/watch?v=9WX-Mlmt9Gc
【ワンピース 1007 ネタバレ注意】今は亡き 光月おでん!! 1007話は107話〝月光と墓標〟でわかる!!? キツネとタヌキの化かし合い「とんち合戦」【ONE PIECE 考察】1008話の予想も
https://www.youtube.com/watch?v=472nsJ7ppIc
【ワンピース 考察】水先星島(ロードスター島)と「ロドス島の巨像」それはイム様とラフテルに繋がる!?【ネタバレ注意 ONE PIECE 最新】なぜルフィは銅像が欲しいのか? 偉大なる航路の最終地点!!
https://www.youtube.com/watch?v=gL-rpF9CjiI
【ワンピース】悪魔の実の上位互換がやばい!! 確定と予想10選!!
https://www.youtube.com/watch?v=iVqCf1H-JMk
【ワンピース】未回収の伏線を集めたらワクワクが止まらなくなった!!
https://www.youtube.com/watch?v=TB6VlWNIDLs
【やばい】最新話で生きていたおでんは本物です。【ワンピース考察】
https://www.youtube.com/watch?v=QxTdPkTRh1A
10人目の仲間「ヤマト」で確定…!?【ワンピース速報】
https://www.youtube.com/watch?v=TOzk0pSzXhQ
【第1000話考察】ワンピース最大のヤバい戦いが始まった!!!【前編】
https://www.youtube.com/watch?v=35j0y2T_NpQ
【ワンピース 考察】黒ひげの第3の能力は「ケルベロス」か「タコ」か「キマイラ」か…全ての伏線から考察!!【ネタバレ 最新】人の夢は終わらねぇ!! あいつら、名言やルフィとの関係性から導く!!
https://www.youtube.com/watch?v=vRpiE5iq2Dw
【ワンピース 考察】最新話1012話 & 1011話考察‼ 生存率1%の男はキッドだった⁉ カイドウの謎発言「笑う程に……か」とは⁉ 1013話以降の戦況について【ワンピースネタバレ】
https://www.youtube.com/watch?v=irup5pwXcgI
【ワンピース 考察】"Dの意思"とは‼ ジョイボーイの意味・Dの一族の血筋と思想【ワンピースネタバレ】
https://www.youtube.com/watch?v=4V91S39z1ZM
【ワンピース1014話考察】神回考察!ルフィの正体は古代兵器ウラヌスでジョイボーイ!? ルフィが操る生物兵器/ロジャーの早すぎたの意味【ONE PIECE1014ワンピースネタバレ】【ワンピース考察】
https://www.youtube.com/watch?v=dMiiuaKIWUo
ゾロが四皇入り確定!?隠し名も!?10年前から決まっていた衝撃の設定とは【ワンピース/考察】
https://www.youtube.com/watch?v=B7Aa-vQUbtc
ワンピースの最終地点は第1話...!? ある巨大な王国は故郷〇ー〇島だった...!!【ワンピース考察】
dawn 意味 在 Play.Goose Youtube 的精選貼文
(歌詞字幕つき)※字幕をオンにしてお楽しみください!
【Streaming/Download】
https://ingroov.es/start-4u
(Spotify,Apple Music,iTunes Store,amazon music)
【Korean streaming links】
[Melon]
https://han.gl/02R6a
[Genie Music]
https://han.gl/T0xAm
[Bugs]
https://han.gl/hJpPw
[VIBE]
https://han.gl/TaU7r
[FLO]
https://han.gl/29wpf
Play.Gooseが日本代表として参加させて頂いている【梨泰院クラス主題歌 World Cover Project「はじまり/Start」】の配信が2021年2月6日よりスタートしました!ぜひダウンロードして沢山聴いて下さい!
※カバー曲としては初の配信リリースとなっており、2019年9月の「∞ Ansewes」以来約1年4ヶ月ぶりのリリースとなります。
【”Kpop Remake Relay”について】
韓国の大ヒットドラマ「梨泰院クラス」の主題歌GAHO「はじまり/Start」のワールドカバープロジェクト。
世界各国のクリエイター30人余りが20カ国の言語でリメイクしつないでいく世界的なプロジェクトで、Play.Gooseは日本で唯一の参加者として日本語歌詞の制作にあたっています。
歌詞については、韓国語の歌詞をただ翻訳するのではなく、原曲が持つメッセージを尊重し、Play.Gooseなりに歌詞の意図を解きほぐし組み立てながら、そこに自分たち自身の経験や思いを重ね合わせる、いわゆる“超訳”をして作詞をしました。
サウンドプロデュースはマナミが担当。
編曲やディレクションなど音楽制作に関わる全てを自分たちの手で行いPlay.Gooseならではのカバーを完成させました。
音楽は住んでいる国も言語も越えて人と人を繋いでくれる力を持っていると思います。僕たちPlay.Gooseも今回GAHOさんの「はじまり」を様々な国でリメイクするこのプロジェクトに参加させていただき、より実感いたしました。“今”この世界に向けて、Play.Gooseからのメッセージが込められています。この想いが世界中に届いてくれることを願っています。
<MapiaMusicの[Kpop Remake Relay]プロジェクト参加国>
インドネシア、ベトナム、ドミニカ共和国、アルゼンチン、スペイン、アメリカ、メキシコ、イギリス、フランス、スウェーデン、ロシア、フィリピン、シンガポール、韓国、インド、日本
他の言語で歌っている「はじまり/Start」が気になった方は #KpopRemakeRelay で検索してみてください!
僕らの次のアーティストはTiffani Afifa(インドネシア代表)です!
YouTubeチャンネル:https://www.youtube.com/user/tiffanii31
#梨泰院クラス #케이팝리메이크릴레이 #MapiaMusic #Start #시작 #ItaewonClass #K-pop
ーーーーーーーーーーーーーーーーーーーーーーーーーー
【Play.Gooseチャンネル登録よろしくお願いします!!】
こちらへ→ https://www.youtube.com/channel/UCx66obAJ42B0XwHIm_iupkw?sub_confirmation=1
ーーーーーーーーーーーーーーーーーーーーーーーーーー
▶Release情報
今作アルバムは、2018年11月にGoose houseを巣立ちPlay.Gooseを結成したコアメンバー4人(工藤秀平、マナミ、沙夜香、ワタナベシュウヘイ)が、過去にメンバーと共に生み出してきた曲で伝えたかったことへの現時点での“答え”(answer)を自ら表現していく、という思いが詰まった作品。『∞ Answers』のビジュアルでもある「84」を横に倒したようなマークには、Goose house時代にできなかった「83回目のYouTubeライブ」にけじめをつけ、「84」回のその先へと向かう決意、そして「無限大(∞)」と、4人がソロ活動などバラバラな方向を向いていても、4人揃えば無限の世界を進む道標としての「羅針盤(4)」になる、という意味が込められている。
その他にも、Play.Goose結成後まもなくリリースされた初オリジナル曲「Play this song」や、ブライダルジュエリー専門ブランド『アイプリモ』のCMソング「プロポーズ 2019」などが収録。一部楽曲では、SMAPの「オレンジ」「Triangle」などの作詞作曲で知られる市川喜康と、一青窈の「ハナミズキ」などで知られるマシコタツロウをプロデューサーとして迎え、新しい音楽表現に挑んだ。
Play.Goose アンサーアルバム「∞ Answers(インフィニティアンサーズ)」
M1 Prelude(inst.)
M2 サケベミライヘ→
M3 Reversi
M4 プロポーズ 2019
M5 Count Up!
M6 Dawn of adventure(inst.)
M7 海賊旗
M8 かくれんぼ
M9 Play this song
2019.10.29 配信開始(全7曲+Instrumental曲)
https://linkco.re/R7r3Vthx
ーーーーーーーーーーーーーーーーーーーーーーーーーー
Play.Goose Official information
【Official WEB】https://playgoose.jp/
【Twitter】https://twitter.com/playgoosejp
【Instagram】https://www.instagram.com/playgoosejp/
ーーーーーーーーーーーーーーーーーーーーーーーーーー
【Playing members】
左から
▶︎沙夜香(Sayaka)
【Twitter】https://twitter.com/sayaka_0512
【Instagram】https://www.instagram.com/sayaka_512/
【YouTube】https://www.youtube.com/channel/UCrnu_skz0UhjOkCbqqxJivQ
▶︎K.K. 工藤秀平(Shuhei Kudo)
【Official WEB】https://www.kudokimu.com/
【Twitter】https://twitter.com/kkshuhei
【Instagram】https://www.instagram.com/kkshuhei/
【YouTube】https://www.youtube.com/channel/UCNzwP-FmYZjKKXU7dhlKfpQ
▶︎マナミ(Manami)
【Official WEB】https://manamimushiiiofficial.tumblr.com/
【Twitter】https://twitter.com/manamimushiii
【Instagram】https://www.instagram.com/manamimushiii/
【YouTube】https://www.youtube.com/channel/UCib6WFved47Ov5hHdZINM5w
▶︎ワタナベシュウヘイ(Shuhei Watanabe)
【Twitter】https://twitter.com/wasshuu_1101
【Instagram】https://www.instagram.com/wasshustagram/
【YouTube】https://www.youtube.com/channel/UC6wNAAXoYPMxyBzeID2--8w
https://www.youtube.com/channel/UCTrCIuZGtbeqt-68haJqeSw
【Support members】
Bass:カシムラトモヤ(Tomoya Kashimura)
【Twitter】https://twitter.com/ka4mura?s=20
Dr:合原晋平(Shinpei Aihara)
【Twitter】https://twitter.com/aiharashinpei?s=20
#PlayGoose