DON'T DO USELESS THINGS!

 

Apa contoh hal-hal yang tidak berguna:

• Memaksa anggaran untuk hal yang tidak perlu. Saya pernah mendapatkan anggaran yang harus dipakai. Karena tidak ada kebutuhan khusus, saya ngasal aja memakai anggaran tsb untuk membeli PC dengan spek rendah. Walhasil PC tersebut tidak terpakai (meski foldable, touch screen, dll).
• Membuat peraturan yang terlalu keras dan tidak ada relevansinya. Contohnya, kalau tidak menjalankan XXX maka akan mendapatkan YYY. Cek lagi, apakah YYY berkorelasi (positif) dengan XXX? Apakah YYY, misalnya sanksi, itu produktif?
• Media sosial, termasuk YouTube, IG, dll. Kadang kita membuka youtube dengan tujuan untuk belajar, untuk berbagi. Cek lagi, apakah dari 100% waktu kita bermedsos atau menonton youtube, IG, Facebook 90% tercapai? Jika tidak, berhenti dari memakai aplikasi tsb, meski bermanfaat.
• Ketika kita sudah belajar untuk tidak menggunakan waktu kita untuk hal sia-sia, maka jangan biarkan orang lain (baligh mukallaf) untuk melakukan hal yang serupa sia-sia.
• Cari hiburan? Apakah Nabi cari hiburan? Kebanyakan hiburan adalah hal yang sia-sia, hanya sedikit yang tidak termasuk di dalamnya. Memanah, berkuda, dan berenang adalah hiburan, tapi bukan sia-sia.
• Cara mudah untuk mendeteksi apakah hal tersebut sia-sia adalah: apakah ada manfaatnya ketika kita melakukan hal tersebut?
• Ingat kembali misi (hidup, organisasi), cek apakah yang yang dilakukan sudah selaras dengan misi tsb.
   

Tiga Tipe Ilmuwan..

Berdasarkan dialog Peter Gruss (rektor OIST) dan Kazuhiko Nakamura (CEO AIST) [1], yang pertama menjelaskan tentang tiga golongan ilmuwan sebagai berikut.

1. Ilmuwan murni (pure scientist) seperti Albert Einstein
Ilmuwan murni ini hanya memikirkan dan meriset apa yang dipikirkannya, tanpa memikirkan dampak luasnya (impak jangka panjang). Einstein pada saat meneliti teori relativitas tidak terpikirkan tentang teknologi global positioning system (GPS), padahal konsep relativitas tersebut penting untuk penemuan GPS lima puluh tahun setelah teori relativitas terbit.
2. Ilmuwan aplikatif (use-inspired scientist) seperti Pasteur
Yang dipikirkan oleh ilmuwan jenis ini adalah "Apa yang bisa saya lakukan untuk meningkatkan aspek tertentu kehidupan manusia?". Basisnya adalah ilmu, tujuannya mencari aplikasi dari ilmu tersebut. Contohnya adalah penelitian untuk mengembangkan teknik diagnostik baru, terapi, obat baru, seperti yang dilakukan Pasteur untuk menemukan antibiotik.
3. Insinyur (engineer) seperti Thomas Alfa Edison
Ilmuwan jenis ini hanya berkutat sedikit pada sains, yang penting bagaimana aplikasinya. Edison hanya fokus pada bagaimana cara menemukan bola lampu entah bagaimana caranya/ilmunya.

Jika anda ilmuwan (atau ingin menjadi ilmuwan), tipe ilmuwan manakah yang anda inginkan? Saya lebih tertarik pada tipe ketiga karena kontribusinya (impak sosial) lebih nyata.

 

Referensi:

[1] https://www.youtube.com/watch?v=bGA9p3x4qx0

New Paper: Speech Naturalness Recognition

Abstract

This study proposes an automatic naturalness recognition from an acted dialogue. The problem can be stated that: given speech utterances with their naturalness labels, is it possible to recognize these labels automatically? By what methods? And how to evaluate these methods? We evaluated two supervised classifiers to investigate the possibility of recognizing naturalness automatically in acted speech: long short-term memory and multilayer perceptron neural networks. These classifiers accept inputs in the form of acoustic features from a speech dataset. Two kinds of acoustic features were evaluated: low-level and high-level features. This initial study on automatic naturalness recognition of speech resulted in a moderate performance of the assessed systems. We measured the performance in concordance correlation coefficients, Pearson correlation coefficients, and root mean square errors. This study opens a potential application of speech processing techniques for measuring naturalness in acted dialogue, which benefits for drama- or movie-making in the future.

Illustration (of potential application):

(best) Result

Metric: concordance + Pearson correlation coefficient (CCC, PCC), [root] mean square error ([R]MSE)

Method; Multilayer perceptron (MLP) with high-level statistical functions (HSF)

Interpretation: intermediate result (CCC)

Full paper + Code

https://github.com/bagustris/snr