我們曾經都是CS1.6的喪屍獵人

cs 1.6 喪屍

 

筆者對舊的事物頗有興趣,對少年時玩過的遊戲,亦必不會忘記。我絕不會忘記花了整個中學的時間玩CS1.6。

現在的第一身射擊遊戲多得花多眼亂,但筆者都不太喜歡。因為做得──太逼真。走路時雙手癲癲盪盪,看得令人頭暈,L4D算是筆者的極限,再過火的如三角洲部隊,試過玩到冷汗直流,且像暈船浪一樣。朋友說這好似是什麼「第一身視覺」。總之,筆者就是對太逼真沒好感。

反而,CS1.6筆者卻沒有問題。論射擊遊戲,它可是元祖級,當時技術尚未成熟,所以那些假的人、假的物都不大有影響,甚至乎,駛開車的你,只要跳一跳就無故死掉,「逼真」得荒謬。CS1.6由開始純粹的反恐精英對恐怖份子,發展到單一武器的專用場、足球、滑水、死鬥、逃走、監獄、賽車、迷官、跳躍、捉迷藏、小人國等等,在當時,真令很多人沉迷。筆者沒有去過網吧,但見電視每有拍到網吧的場面時,必有一兩個人在玩CS,可見風靡一時。

 

今日想跟大家說的,是喪屍(下稱zm)場。筆者絕對不是喪屍場的能手,幾乎接近打醬油的境界。對於zm模式的出現,筆者沒有考究過,大概是與當時的《生化危機》有關。還記得一晚玩一個正常的伺服器,剛成為ts,雙手變得古怪,又不能購買武器,hp卻是長滿,我就知,這會是個好玩的模式。那個伺服器,叫「無名氏伺服器」,從此,踏上打喪屍之路。

那些zm是初版,只行得較快和血量多,服飾是沒了個頭,穿着白色實驗袍,我不知在這之前還有沒有更早的zm,但對筆者來說,這是最早接觸的。CT的求生之道就是盡量往高處踏,de_dust是最常玩的場,在起初就爭先恐後的跳,但因為不夠高,必須有人蹲下,成為踏腳石,讓他人踏上,而最後,他們就率先殉職。但我們必定會說句「thx」之類的事,因為別人肯為我們犧牲,願意等待一個回合來成就英雄,是很難得的。然而,有人蹲,自然有人不肯蹲,那麼,大家就等被痛宰了。在這個模式,我看到百態。這並不好玩,但很考驗團隊精神。

如果沒有記錯,之後一個模式是L4D版。由香港人搞的(基本上,筆者玩的zm server都是香港的)。這個模式令人畢生難忘,因為它可以升lv。最初版的升lv最高級是35lv,有什麼加甲、減重力、加火力等等五六個選項,的確令人沉迷。而且,版主更加入L4D的人物,人類至zm都是L4d的,你永遠想像不了hunter、witch、boomer是如何在場上橫行,而特技,和CS的一樣。還有那些霸氣的槍,採用CSO的樣子,最記得的是單發散彈,好像叫「閃靈獵手」,全金的,上彈方法就是《未來戰士2》亞諾單手上彈的轉槍式,用MK仔術語「係型既」。神狙、銀雞等等既考實力,也考幸運,將CS發揮到極致。

這時的模式,已大有改進,有專為喪屍場的地圖,亦有玩手開始親自操刀畫圖。不同的道具亦出現,如火箭炮,激光劍(彈飛zm,似新一代的狂戰士特技),也有ammo pack(子彈包,ap)沒錯,這個時候已經出現。當中,正常場不可能出現的卡門、設地雷、卡地雷、輕功等均在此場各顯神通,小人國玩輕功,一次,不小心把L4D的Bill玩死了,很難忘。這個伺服器,似叫「惡靈勢力2乜乜」。

之後是CSO的世界。然而,筆者對此不以為然,因為很多人對cso的評價不高,而zm經筆者玩過後也覺平平。除了是武器多了,美觀了,喪恥全新外,就好像沒有其他特別,只是地圖多了。可能是L4D ser太成功所致。

接着是一個名叫resident evil的模式。我不太記得這有什麼特別,就是喪屍速度快。唯一重要的是這時開始出現一種「屍王」,分作復仇者和毀滅者之類的東西,亦出現什麼軍團、毀滅模式等等,這些設計,直接影響後幾代的zm server玩法。

除了L4D那個ser外,玩得最多的是「香港喪屍伺服器」。如果你有玩喪屍場,但沒有聽過這個ser,就等於沒有玩過一樣。這個ser存在頗久,我玩「惡靈勢力2乜乜」時已經出現,只是我沒有玩。到後來,卻玩上癮了。這沒有lv可以升,但zm同人類都有機可以屈,甚為平衡,之前講過既軍團、生存、英雄模式在這也有出現。道具也有不同,有可飛行的火箭炮、血清等,使用的槍買起來也不貴,完全打破某些貴族ser,要有大量ap方可購買。當時物價,連狙,好似是15ap或10ap,人類開局就有5ap,很易打的。加上這時也有不同的場,de、zm、vip必有,另加一兩個有車可駛的場,那麼,玩家除了可以打醬油,還可以賣隊友。

最重要的是,我跟一些adm、vip混熟了,同場亦識了一個泰國朋友,至今也有連繫。玩得最火紅的時候是中二升中三暑假,之後,好似到了中四,伺服器不知是轉手還是改ip,大量玩家流失,真是可惜。CS ser最失敗的一樣事就是烯轉ip,這等同趕客。這時,我已覺得香港的zm ser開始中衰。

到了中五開始,又玩起zm,這次是全新模式,可謂中興。有職業選擇,什麼狂戰士、醫療兵、聖鬥士之類的東西,又有lv可升,過百lv是常識,耐玩度高。模式有殲滅之類,和上述的差不多,有幾種不同喪屍大佬,而各種職業有專剋不同喪屍的特技,如聖鬥士的9x%擋屍王攻擊、醫療兵補血等等。不過,這時的世界好似變了,CS的玩家質素差了,動輒出口罵人,鞭屍、logo比比皆是,小學雞化,與我最初接觸的很不同。

中六,考DSE,筆者在聖誕後閉關,CS也少接觸。到上大學後,又一次去打喪屍了。模式和上一個差不多,因為是同一個版主開的,加入了巴哈之類的屍王,各方面都進行了改革,亦有逃亡模式。只是筆者覺得高LV的人太屈機,部分武器也頗為霸道,CSO的BG5、藍狙(有玩過這ser的人應知這是什麼)使遊戲變得很不平衡,後者增加喪屍血量和特技,結果ZM稱霸。最後,這個ser突然失去資料,原來是版主的電腦出事,又沒有為玩家backup,人人變回0 lv,筆者本是二百多lv的資深玩家,重新再來甚苦,為了不再沉迷,就決定不再玩了。這個ser,筆者就不記出名字了。

其實,筆者還玩過TiG、The Death等等的zm ser,只是因為筆者玩時人數已太少,所以不得不放棄。

 

cs 1.6 喪屍

 

打zm何解會令筆者着迷?其實我自己都不知,可以是電影影響,以為自己真是世界的救世主,肩起救世的重任。又或者,我們男孩對於防守這玩意比較重視,因為這很考驗團隊精神。更重要的是,喪屍不能提槍殺你,只你射殺,不能還手,當你有一些討厭的人,你把他當成zm,那就更好玩了。

CS1.6,的zm ser,的確倍伴不少人的成長,如果你明白筆者所講的東西,或聽過相關的ser,那就證明我們有過同樣的經歷,甚至乎,我們曾經做過隊友,在槍林彈雨、喪屍橫遍野的戰場,其同進退,等待着完場的那個零秒。

只是,這些都成為往事了。現在打的zm,卻是不死的Paper。

 

(呢篇文純粹係筆者回憶,字裏行間實有沙石,sor for 1999。)

 

大數據與人道援助 – 群眾標記應用

作者:潘人豪助理教授,元智大學大數據與數位匯流創新中心

「人道援助」,乍聽這個詞,或許大家腦海中浮出的,是穿著白袍的醫生坐在簡陋環境裡義診,也可能是大批穿著制服協助難民撤逃的軍人們,又或者是寫著UN(United Nations)聯合國的白色四輪驅動越野車奔馳在災區中進行調查支援。有沒有曾經想像過,雲端計算、大數據應用,這樣的前端資通訊技術,也有可能應用在人道援助的場域中呢?

這幾年雲端技術、大數據應用的蓬勃發展,早已深入每一個人日常生活中,更不用說在各個商業領域的前端應用。然而在這樣全球火熱且全面關注的議題中,卻鮮少有人意識到,大數據也同時悄悄的應用到人道援助、國際合作領域中。

每當我們撥出一通電話、購買某個商品、使用社群媒體,甚至僅僅打開網頁瀏覽,都在不知不覺中產生大量資訊,加上自動化感測裝置的連續資料,無論是從政府單位或是私人企業產生儲存,這些無數的大數據資訊源與其交互組合可解釋的問題幾乎可以涵蓋各種議題,而當今的人道援助、國際合作機構,便是企圖利用各種大數據資訊或雲端計算科技,解決當下所面臨的問題,給予目標族群(vulnerable communities)更快速、有效的援助服務。

然而對於這樣的大數據、雲端服務應用,其實並不是近幾年大數據技術流行才有的,早在2007年,位於東非的肯亞(Kenya)共和國因為俱爭議總統大選後的全國性暴動,種族對立衝突造成超過一千三百人喪生與三十五萬人被迫離開家園躲避內亂。

政府軍隊進行武力鎮壓 (Photo: Evelyn Hockstein, The New York Times)

政府軍隊進行武力鎮壓 (Photo: Evelyn Hockstein, The New York Times   )

肯亞國內Kikuyu 族群民眾抗爭(Photo : Evelyn Hockstein, The New York Times)

肯亞國內Kikuyu 族群民眾抗爭(Photo : Evelyn Hockstein, The New York Times

而在肯亞內亂當時,一群當地程式設計師與網路團體開發出名為Ushahidi計畫,Ushahidi為肯亞當地Swahili語言的證言(testimony)之意,Ushahidi計畫發展出一個網路平台,使用者可以透過手機SMS(Short Message Service)簡訊或網站進行暴力事件通報,隨後Ushahidi平台利用Google map進行地理位置標定,藉此跳脫國內媒體受控制或失去機能的狀態,直接由人民發聲向國際尋求援助,也因為Ushahidi的通報與傳播,國際組織得以快速動員進行人道援助救援與物資提供。

2008年後Ushahida計畫也擴展為國際人道援助平台,企圖提供全球進行事件通報與群眾標記(crowdmapping),並運用於諸多國家,如美國亞特蘭大(Atlanta)犯罪事件追蹤、印度(Republic of India)與墨西哥(United Mexican States)選舉結果的提報追蹤,甚至是2010年海地(Republic of Haiti)大地震與2011年日本東北大地震(2011 Tōhoku earthquake and tsunami)的事件追蹤標記。

2011年日本東北大地震Ushahidi應用(圖片來源:livedoor news) 右圖:Ushahidi 平台介面(圖片來源: Jim Craner , Advancing Your Mission With GIS Tools)

2011年日本東北大地震Ushahidi應用(圖片來源:livedoor news

Ushahidi 平台介面(圖片來源: Jim Craner , Advancing Your Mission With GIS Tools)

Ushahidi 平台介面(圖片來源: Jim Craner , Advancing Your Mission With GIS Tools

此外針對急難應用與災害救援事件,Google藉由其所擁有的計算資源,結合其自家Google App Engine分散計算引擎與儲存架構,以及Picasa 影像平台,於2010年時針對中美洲海地地震提出了Google Person Finder服務,針對災區進行災民尋找與通報服務;該服務後續亦提供之後2010智利(Chile)大地震、2011年日本東北大地震,甚至是前年(2013)於菲律賓造成嚴重災情的海燕颱風等災害救援。而Google Person Finder在2011年日本東北大地震期間曾創下高達六十萬姓名資訊紀錄的規模,堪為短時間內人道援助資訊蒐集彙整之成功案例。

2010 海地大地震時Google推出之Person Finder服務 (Image from : Wikipedia)

2010 海地大地震時Google推出之Person Finder服務
(Image from : Wikipedia

同樣透過大數據群眾標記進行人道救援案例,還有哈佛醫學院Rumi學者,透過社群媒體進行對傳染疾病傳播於地理位置擴散標定的流行病學研究,該研究發表於2012年American Journal of Tropical Medicine and Hygiene期刊,該作者透過自動網路媒體調查平台HealthMap,針對海地自2010年10月20號爆發霍亂(Cholera)疫情開始100天,紀錄由網路平台HealthMap、Twitter所產生之社群網路與關鍵字”Cholera”相關訊息,並透過訊息自動標定其地理位置,藉由時間推演與地理資訊標的,進一步對照海地政府公共衛生部(Ministère de la Santé Publique et de la Population, MSPP)提供之實際通報個案數據。

其結果發現網路數據的呈現與地理位置分布,符合MSPP所提供之事後通報個案資料分布與趨勢,證明透過社群媒體進行大數據資料探勘之方法,可以以低成本的方式進行傳染性疾病早期偵測,並達到快速反應與提早實施防疫策略之使用,針對醫療發展落後、醫療資訊蒐集傳遞機制不健全之國家 實為一個創新的應用。

Rumi學者透過社群媒體數據所獲得之禍亂發生、擴散分布圖。 (圖片來源  doi:10.4269/ajtmh.2012.11-0597)

Rumi學者透過社群媒體數據所獲得之禍亂發生、擴散分布圖。
(圖片來源 doi:10.4269/ajtmh.2012.11-0597

發展中國家的公共衛生改善與發展,直接影響該國家人民的生存條件與健康條件,目前各國雖透過社群媒體大數據探勘技術企圖進行早期偵測,但如同文獻與相關報導中所提及,因為城鄉差異過大,資訊能力素養不齊,資料過度集中於高人口密度區域如首都太子港(Port-au-Prince)造成評估上的誤差與偏鄉地區的低估。

2014.02 筆者於Saint-Michel-de-l'Attalaye地區拍攝之霍亂隔離病房

2014.02 筆者於Saint-Michel-de-l’Attalaye地區拍攝之霍亂隔離病房

2014.07 筆者重返Saint-Michel-de-l'Attalaye地區, 該區正爆發霍亂疫情病患擠滿霍亂隔離病房(因病患隱私,未拍攝內部照片)

2014.07 筆者重返Saint-Michel-de-l’Attalaye地區,
該區正爆發霍亂疫情病患擠滿霍亂隔離病房(因病患隱私,未拍攝內部照片)

上述之偏差狀況,由筆者近幾年數度至海地進行人道援助計畫時可得到驗證,今年七月筆者與桃園醫院國際衛生中心再度訪問海地北部Artibonite省之偏鄉Saint-Michel-de-l’Attalaye地區時,遭遇該區域爆發嚴重霍亂疫情,然而時隔2010初次爆發至今已將近三年之久,卻仍無法有效控制疫情散布,原因除了當地缺乏公共衛生工程礎建設、民眾公共衛生教育素養不足外,當地醫療機構僅使用紙本文件進行病患診斷紀錄,缺乏病患追蹤、主動式訊息通報機制,導致衛生單位無法立即獲取第一手疾病資訊以進行疫情防堵,亦是主要原因之一。

因此如何導入全國醫療資訊傳遞網路,由政府端建立真正醫療大數據平台,進行即時傳染性疾病事件通報、監控、追蹤機制,才是治標治本之道。

2014.07 筆者與桃園醫院國際衛生中心 於海地衛生部(MSPP)進行醫療資訊應用課程

2014.07 筆者與桃園醫院國際衛生中心 於海地衛生部(MSPP)進行醫療資訊應用課程

大數據小辭典:

  • 群眾外包(crowdsourcing):此為《連線》(Wired)雜誌記者Jeff Howe於2006年發明的一個專業術語,用來描述一種新的商業模式透過網際網路上的使用者所組成的群體,進行創意的發想、工作執行與技術問題解決等。參與群眾外包成員,針對特定執行項目大多僅收取小額報酬或無償提供服務,因此建立了一種新的勞動結構。
  • 群眾標記(crowdmapping):透過網際網路、行動裝置,群眾使用者可以於平台上標記任何虛擬化事件資訊,包含文字、影像、視訊多媒體、地理資訊、健康醫療紀錄等等,為群眾外包 (crowdsourcing)的延伸應用。常見的群眾標記服務多與地理資訊系統整合,提供具備地理位址之事件資訊。
  • 社群網路(Social Network):是為一群擁有相同興趣與活動的人連結而成的線上社群。針對這類社群所提供的類服務往往是基於網際網路並為用戶提供各種聯繫、交流的互動通路,如電子信件、即時訊息服務或線上網路平台等。常見社群網路平台Facebook, Twitter, Plurk, Google+, LinkedIn, 人人網, 新浪微博, 騰訊微博, Instagram等等。
  • 社群媒體資料探勘(Social Media Mining):社群媒體資料探勘是透過針對社群網物所產生的資料,所進行的資訊擷取、彙整、分析,企圖取得特殊目的、族群的目標模式,透過統計方法、機器學習、網站分析、網路科學等等不同領域的方法,進行對社群網路資料所產生的龐大數據資料尋找其有意義的應用資訊與現象。
  • 社群網路分析 (Social Network Analysis):有別於社群媒體資料探勘,社群網路分析主要過社群網路上每個使用者與其彼此間的關聯性透過電腦科學中的圖學理論、網路理論,將社群網路的事件關聯轉化為圖學上的節點與線段連接,藉此便可以使用數據分析方法中針對圖學、網路關聯分析技術進行判斷,找出其中的群聚、分類、特殊事件與趨勢等標的。

想了解更多大數據知識,歡迎訂閱元智大學大數據匯流電子報

低限度打擾蜜蜂的採蜜方式,Flow Hive 木造小屋


傳統蜂農將蜜蜂飼養在蜂箱中,需要採集蜂蜜時,抽出蜂箱的隔板,並將隔板送入離心機以採收蜂蜜,整個過程費時費力,且難免打擾蜜蜂的生活。澳洲養蜂父子檔 Stuart Anderson 和 Cedar Anderson 花了十年的時間,製作出不同的採蜜方式 Flow Hive,不但方便、快速,又能維持蜜蜂免於被打擾,可說是蜂農的一大福音。

閱讀全文

收藏優質的部落格文章