Loading [MathJax]/extensions/tex2jax.js

0

0
1

文字

分享

0
0
1

數學界的聖杯「黎曼猜想證明」,是否已被人類得手?

科學大抖宅_96
・2018/09/24 ・3355字 ・閱讀時間約 6 分鐘 ・SR值 530 ・七年級

2018年9月24日,台灣時間下午3點45分,全球的數學家和數學迷們,都將目光聚焦於德國的海德堡桂冠論壇(Heidelberg Laureate Forum);世界各地的數學家和電腦科學家每年一度聚集於此,和獲邀的學界大師進行交流。演講台上,英國頂尖數學家麥可.阿蒂亞(Michael Atiyah)正準備發表黎曼猜想(Riemann hypothesis)的證明。

阿蒂亞無疑是第一流的數學家,獲獎無數,包括數學界的最高榮譽──費爾茲獎(Fields Medal)和阿貝爾獎(Abel Prize)。1929年出生、89歲高齡的他,於數天前宣佈,用「基進的新途徑」(radically new approach)解決了困擾數學家達 159年的黎曼猜想,並會在海德堡桂冠論壇發表。

什麼是「黎曼猜想」?

1859年,德國數學家黎曼(Georg Friedrich Bernhard Riemann,1826-1866)在他的論文〈論小於給定數值的質數數目〉中,首次提及這個猜想。

德國數學家黎曼(Georg Friedrich Bernhard Riemann)source:Wikimedia

如我們國中所學,像2、3、5、7、11、13…等等,這些除了 1 跟自己本身以外,不能被其他正整數整除的數,稱為質數;而所有大於1的正整數,都能夠以質數的乘積來表示,例如 66=11×3×2。質數的概念很簡單,但是,如果我們問:「比某個特定數值要小的質數有多少個呢?質數在整個數列中的分布情況又是如何?」那就不是容易的問題、甚至是讓數學家們頭痛不已的問題。

-----廣告,請繼續往下閱讀-----

黎曼在該篇論文中發現,質數的分布跟某個函數有著密切關係──該函數現被稱為黎曼ζ函數(Riemann zeta function);它的長相如下:


這看起來並不嚇人,起碼跟國中學過的無窮級數並沒有太大差別。上述式子裡,s是複數,可以寫成s=a+bi這樣的形式;a稱為s的實部、b是s的虛部、i則是根號負一。數學家們可以輕易證明,只要 s的實部大於1,那麼整個無窮級數裡,把每一項的絕對值相加後,會得到收斂並趨近於某個定值的結果。

不過,對於s的實部小於1的狀況,事情就沒那麼簡單了:整個級數和可能會發散──但是我們又想要擴充函數的定義,讓它適用更廣泛的範圍,那該怎麼辦呢?

運用一些數學技巧(很恐怖,不要問),針對s的實部小於1的狀況,可以將黎曼ζ函數表示為

-----廣告,請繼續往下閱讀-----


當中的 Г 稱為伽瑪函數(gamma function)。藉由這個新的定義,我們發現,當s為負偶數(s= -2, -4, -6…)時,黎曼ζ函數為零──這些s的值,我們稱為平凡零點。

但是,除了平凡零點之外,還有其他一些s的值,能夠讓黎曼ζ函數為零──稱為非平凡零點;它們不但對質數的分布有著決定性影響,實數部份還全都位於零和一之間。針對這一點,雖然黎曼本人無法證明,但他進一步猜測這些非平凡零點有著共同的特性:

黎曼ζ函數所有非平凡零點的實部都是二分之一

這就是赫赫有名的黎曼猜想。沒想到,這一猜想從 1859年被提出,至今已 159年,期間有數不清的數學家向其挑戰,卻無人能給出信服的證明。

-----廣告,請繼續往下閱讀-----

黎曼猜想真的這麼難證明嗎?為何它讓數學家魂牽夢縈?

十九世紀末至二十世紀初最重要的數學家之一希爾伯特(David Hilbert,1862-1943),於1900年提出了23個他認為最重要的數學問題(其中有好些對二十世紀的數學發展起了莫大影響),當中就包含黎曼猜想。他曾表示:「如果我能在沉睡一千年後醒來,我的第一個問題將會是:『黎曼猜想被證明了嗎?』」

無獨有偶,一百年後,美國克雷數學研究所[1](Clay Mathematics Institute, CMI)選了當今數學界的七大問題(稱為「千禧年大獎難題Millennium Prize Problems)」),並懸賞一百萬美金,給予能解決任何一個問題的數學家──其中也包含了黎曼猜想。事實上,黎曼猜想是唯一同時列於希爾伯特和克雷數學研究所名單上的問題,屹立不搖地等待數學家挑戰。

因為黎曼猜想與質數分布具有密切的關係,一旦被證明,數學家們將對質數的分布位置有更確切的認知,此無疑是數論(number theory)這一數學分支的重要突破。不僅如此,黎曼ζ函數的非平凡零點,也被發現跟某些物理系統具有相似的分布規律,至今無人能給出滿意的解釋。再者,數學文獻裡,許多數學命題都以黎曼猜想或其推廣的成立為前提;換言之,如果黎曼猜想(及其推廣)被證明,這些基於黎曼猜想的數學命題便能被一舉確認為真──可謂一人得道,雞犬升天。這樣的數學命題粗略估計至少有上千條。毋怪乎,有些數學家將黎曼猜想的證明形容為「數學的聖杯」。

有些數學家將黎曼猜想的證明形容為「數學的聖杯」,還好得到這個聖杯不用打聖杯戰爭(誤),卻也不是那麼容易。source:CucombreLibre @Flickr

黎曼猜想研究於歷史上的進展

在解決黎曼猜想這個終極對手的旅途中,人類是否曾碰上一些小頭目,得以賺取經驗值升級呢?

-----廣告,請繼續往下閱讀-----

答案是肯定的。

如同角色扮演遊戲(role-playing video game, RPG)裡,我們大致可將攻擊手段區分為遠距攻擊和近距攻擊兩種,數學家在面對黎曼猜想這個強敵時,也主要從兩方面來著手。

數學家在面對黎曼猜想這個強敵時,就像在RPG遊戲裡我們從遠距和近距離攻擊同時著手。source:BagoGames @Flicr

一是去實際計算非平凡零點的數值,看看它們的實數部份是否符合黎曼猜想的二分之一;雖然這樣做並無法窮舉所有(也就是無限多)的非平凡零點,而證明黎曼猜想,卻能間接增強我們對黎曼猜想的信心──運氣好找到反例的話,更能一舉否證黎曼猜想。第二種方式則是直接對黎曼ζ函數下手,利用解析的方式證明黎曼猜想。

在非平凡零點的數值計算上,雖然黎曼自己有算過,卻並沒有發表;到1903年,才終於有數學家給出15個非平凡零點的數值──它們的實部都是二分之一。1932年,西格爾(Carl Ludwig Siegel,1896-1981)從已去世的黎曼的手稿中,挖掘出黎曼計算非平凡零點的方法,大舉推進了此一方向的研究。到了二十世紀中期,因為電腦的發明,計算零點的工作突飛猛進,有一萬個以上的非平凡零點都被確認實部為二分之一。至2004年,憑藉著更嶄新的計算法,已經有10000000000000(十萬億)個非平凡零點被確認符合黎曼猜想,而且沒有任何反例。

-----廣告,請繼續往下閱讀-----

另一方面,也有人利用解析的方式嘗試證明黎曼猜想。1896年,兩位數學家分別獨立證明了,在複數平面、實數為一的線上沒有零點;換言之,非平凡零點的實部絕不可能為一。1914年,數學家哈代(Godfrey Harold Hardy,1877-1947)發現,在實數為二分之一的線上,有無限個非平凡零點──即使如此,這並無法保證「所有」非平凡零點的實部均為二分之一;更糟的是,根據哈代和李特爾伍德[2](John Edensor Littlewood,1885-1977)於1921年的估計,這些實部為二分之一的非平凡零點,只佔了全部非平凡零點的一小部份比例,趨近於零。

關於上述比例的研究,在1942年,才被塞爾伯格(Atle Selberg,1917-2007)證明其大於零;到了近期的2011年,這個數字被數學家推進到 41.05%──當然,距離 100%還很遠……

就在黎曼猜想的證明似乎還遙不可及的現今,事情突然有了戲劇性的變化:當代最出名、也最重要的數學家之一,麥可.阿蒂亞,將於本屆的海德堡桂冠論壇發表他對黎曼猜想的證明!

這次的黎曼猜想證明值得期待嗎?

就如同網路上一堆神人自稱推翻了相對論跟量子力學一樣,也有數不清的人,包括數學家,宣稱證明了黎曼猜想;然而,到目前為止,並沒有任何讓學界信服的說法。

-----廣告,請繼續往下閱讀-----

這次宣佈證明了黎曼猜想的阿蒂亞,是第一流的數學家,所以確實讓不少人引頸期盼他的成果;只不過,因著阿蒂亞的89歲高齡,也讓一些人懷疑他是否真能提出說服所有人的證明。

無論如何,隨著在海德堡桂冠論壇的發表,數學家們將忙碌好一段時間,仔細檢視阿蒂亞的證明是否存有任何漏洞。最終結論,要之後才會知道了。

具有「數學王子」美譽的數學家高斯(Johann Carl Friedrich Gauss,1777-1855)曾表示:「數學是科學的皇后──而數論是數學的皇后」。黎曼猜想作為數論領域最重要的猜想、數學的聖杯,一旦被證明,將會是二十一世紀最重要的科學成就之一──讓我們拭目以待!

參考資料

-----廣告,請繼續往下閱讀-----
  • E. Bombieri (2000), Problems of the Millennium: the Riemann Hypothesis, Clay Mathematics Institute.
  • D. Allen, K. Bonetta-Martin, E. Codling and S. Jefferies, The Riemann Hypothesis, The Plymouth Student Scientist, 2016, 9, (2), 249-257.
  • Riemann hypothesis, Wikipedia.
  • 盧昌海(2015),《黎曼猜想漫談》,五南。

註釋

  • [1] 克雷數學研究所是總部設在美國新罕布夏州的非營利私人機構;機構目的在於促進和傳播數學知識。
  • [2] 如果讀者還有印象,2016年台灣上映了介紹數學家拉馬努金生平的電影《天才無限家》;拉馬努金在英國的恩人兼研究夥伴就是哈代和李特爾伍德。
-----廣告,請繼續往下閱讀-----
文章難易度
科學大抖宅_96
36 篇文章 ・ 1868 位粉絲
在此先聲明,這是本名。小時動漫宅,長大科學宅,故稱大抖宅。物理系博士後研究員,大學兼任助理教授。人文社會議題鍵盤鄉民。人生格言:「我要成為阿宅王!」科普工作相關邀約請至 https://otakuphysics.blogspot.com/

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

0
0

文字

分享

0
0
0
擁有水電工執照與人文精神的電腦科學家:希維塔克·帕特爾
Sharkie Lin_96
・2020/03/18 ・4434字 ・閱讀時間約 9 分鐘 ・SR值 519 ・六年級

希維塔克·帕特爾(Shwetak Patel)為電腦協會計算大獎(ACM Prize in Computing)2018 年的得主,該獎項為電腦科學界僅次於圖靈獎的獎項,與費爾茲獎相同都有 40 歲以下的年齡限制,帕特爾獲獎時僅 37 歲。獲獎原因是帕特爾對於人類健康與永續生活,發展出創意與實用性兼具的感測系統

帕特爾不僅擁有大學教授與創業家等多重身份,他還擁有合格的水工與電工執照。現為華盛頓大學計算機科學與工程和電氣工程的特聘教授,同時也是 Google 健康科技部門的執行長(Director of Health Technologies, Google)。他曾經創立過 Zensi家居能源監測公司(2010 年被 Belkin 公司收購),以及 Senosis Health 健康檢測公司(2017 年被 Google 收購)等。

希維塔克·帕特爾 Shwetak Patel。圖/wikimedia

接下來,就來介紹帕特爾改變世界並且獲得電腦協會計算大獎的研究!

-----廣告,請繼續往下閱讀-----

智慧家居能源監測系統

家家戶戶每個月收到帳單時,都知道家裡的用電量以及對應的費用,然而我們並不清楚是用在哪些方面。若是能收到每個月使用能源與用水的效率報告,就能夠讓人們了解自己的行為模式,進而採取行動增加能源效率與節省荷包。但是,要即時監控家居的能源消耗,一般來說需要裝設非常多感測器才可能辦到。

帕特爾成功發展出一套智慧家居能源監測系統,透過行動裝置就可以監控即時的耗電量與用水量。他發展的 ElectriSense 系統(用水則是 HydroSense 系統),利用既有的電路加上一個感測器(single plug-in device),就能把各種電器發出的高頻電磁干擾雜訊(high frequency EMI noise)當作訊號辨識對應的來源。

以iPad呈現建築物中每個電器即時的用電百分比

這套系統的發展,源自於複雜的電子交換特性與不同電器都會產生的雜訊,帕特爾藉此建立一套理論模型分析電器開關(稱為事件)的雜訊,並由使用者協助機器學習的程式訓練,最終發展出一套精確的預測系統。這套系統的精確度,甚至可以藉由輕微的公差來區分型號相同的電子產品。

-----廣告,請繼續往下閱讀-----

考慮到感測器的易用性與持久性,帕特爾發展出可以維持 25 年、低耗電的無線感測系統與晶片(Sensor Nodes Utilizing Powerline Infrastructure, SNUPI),不需要經常替換非常方便。

更棒的是,一般人都可自行安裝,不需要專業的電工協助。未來這整套產品也可能推行至美國以外的地區,讓全球的家庭了解他們的詳細用電情況,進而改變人們的認知與行為,達成節約能源的永續目標。

家居能源消耗報告範例。圖/UW Ubicomp Lab

用手機監測個人健康

人們通常要等到不舒服才會去醫院看病與檢查,過一陣子才會收到檢測報告,才被迫了解自己的身體狀況。現代的穿戴型裝置讓人們開始主動了解自己的健康狀態,除此之外,我們還有其他更好更深入的方法嗎?

-----廣告,請繼續往下閱讀-----

帕特爾這幾年的研究領域包括了行動裝置於醫療上的應用。利用手機的 APP 與各種感測器監測個人健康狀態(personal health monitoring),在螢幕上就能立即看到結果,要進行定期與連續的監測也十分方便。

以 SpiroSmart 這個APP來說,它的操作非常簡單,不需要額外的硬體設施,只要對著手機裡的麥克風吹氣,手機會偵測受測者聲音裡的壓力波,自動轉換成即時圖形,就可以監控肺部功能是否衰退以預防慢性疾病。

像這類的檢測,傳統上一定要到醫院才能完成:受測者要對著肺量計 (spirometer)用力吹氣,以呼出的流速與容積(flow-volume)進行肺功能指標判讀。若偏離下圖的白色線段,便可能是這三種疾病的前兆,分別為哮喘 (Asthma)、囊腫性纖維化 (Cystic Fibrosis,CF)、慢性阻塞性肺病 (Chronic Obstructive Pulmonary Disease,COPD)。

肺量計的流速─容積曲線
圖/帕特爾於海德堡桂冠論壇講座的投影片截圖

-----廣告,請繼續往下閱讀-----

那麼,SpiroSmart 是怎麼做到類似的功能的呢?這跟一個「雜訊」有關:講話時會產生的聲道共振(vocal tract resonances)。過去數十年開發語音辨識演算法(speech recognition algorithms),都將聲道共振視為雜訊,希望盡量排除。但關鍵的地方就在這裡:聲道共振實際上與受測者呼出的氣流成比例關係。因此藉由聲帶的物理模型加上深度學習聲道共振的資訊,就能夠反推回受測者呼出氣體的流速─容積曲線。也就因此,用手機與麥克風就可以模擬肺量計了。

面對有人質疑手機APP的準確率,帕特爾表示 SpiroSmart 與原本價格 10 萬美金的肺量計相比的誤差為 5-10%,與美國食品與藥物管理署(FDA)對肺量儀的誤差容忍相同。表示技術上完全可以用手機 APP 取代醫院的儀器;然而要說服民眾相信一個 APP 可以是個醫療裝置,需要透過更多的科學教育與科學普及才有可能達成。

除了以上的案例,帕特爾的普及運算研究室還開發了許多醫療相關的手機 APP,像是以深度學習辨識咳嗽的CoughSense、把手指放在鏡頭前方檢測紅血蛋白(HemaApp)、在新生兒皮膚上放上色卡搭配鏡頭檢測黃疸(BiliCam)、利用陀螺儀檢測骨質疏鬆症(OsteoApp)等實用又創意的專案。

「你的雜訊就是我的訊號」 Your noise is my signal.

這句話貫穿了帕特爾的整個研究生涯,無論是從早期的智慧家居能源感測到近來的個人健康監測。這樣的創意是源自就讀喬治亞理工學院博士班時期,他花了許多時間進行許多跨領域的研究,當某個研究方法行不通的時候,卻有可能作為另一個研究的靈感來源與解決方案。因此把一般研究者亟欲排除的「雜訊」成為可辨識的「訊號」,突破既有知識的框架。

-----廣告,請繼續往下閱讀-----

海德堡桂冠論壇記者會。圖/Heidelberg Laureate Forum

海德堡桂冠論壇小記與場邊觀察

帕特爾以電腦協會計算大獎得主的身份,於 2019 年首次參加海德堡桂冠論壇(Heidelberg Laureate Forum, HLF),也是論壇史上最年輕的得主,非常受到歡迎。每天都忙著接受採訪與分享自己的經驗,幾乎無時無刻不被一群學生包圍發問。

對帕特爾而言,海德堡桂冠論壇是個非常獨特的盛會,在這裡能夠一次見到背負盛名因此平時難以見到的大師,以及從前輩的身上了解到得主如何對世界產生長期影響,是個前所未有的經驗。

即使已經身為得主,帕特爾認為如果他年輕的時候有機會參與論壇,會對早期的學術生涯更有幫助,同時也希望讓更多年輕研究者知道這個世界級的活動,讓與會者覺得能夠脫穎而出參與論壇是個殊榮。(註:2019年海德堡桂冠論壇有800名年輕研究者報名,最終錄取200名)

-----廣告,請繼續往下閱讀-----

海德堡桂冠論壇會場。
圖/Heidelberg Laureate Forum

從小時候動手作到學術遊樂場

帕特爾出生於美國阿拉巴馬州的塞爾瑪(Selma, Alabama),擁有高學歷的父母自印度移民至美國,經營一間含有數十個房間的汽車旅館。因此,帕特爾從小是在汽車旅館旁的公寓長大,就像是旅館的管理人員,必須做一些庶務像是整理床位以及修理壞掉的燈泡,甚至是維修自動販賣機,自然而然對於動手作(tinkering)十分熟悉。

習慣動手作,也讓他的學術研究變得與眾不同。帕特爾在博士班就發表了很多篇與感測器有關的論文,包括機器學習、永續、醫療等領域,並開始創立自己的公司。他同時是實踐家、發明家、會寫論文。思考未來的職涯發展時,認為大學教職可以是個自由研究的遊樂場,可以讓電腦科學變得有影響力,因此選擇成為大學教授。

與一般教授不同的是,與其研究如何增進 1% 演算法效率,他認為不如去思考如何動手開發出一個對人類有直接影響的產品,能夠正向影響數百萬人的想法甚至行為,其意義會超過發表許多論文與獲得終身教職。

-----廣告,請繼續往下閱讀-----

對一個應用導向的研究者來說,開發產品才能夠真正到影響一般民眾。帕特爾與其團隊通常把產品開發到一個程度,就讓其他人收購公司去加速產品的開發,接著投入下一個研究。

即使從研究生時期就被其他人開始質問是否不務正業,例如:「你不是個電腦科學家、你沒有一個專精的領域、你不會拿到教職」,然而擁有自由探索的學術遊樂場對他來說是最自在的。

海德堡桂冠論壇會場門口。
圖/Heidelberg Laureate Forum

選擇學生條件與社會服務

要怎樣才能進入帕特爾的學術遊樂場一起玩呢?帕特爾強調,選擇學生的時候他最重視的是善良(kindness)與否,一方面是若對人不友善就會很難找到合作對象,尤其研究室關注的領域與醫療保健與永續相關,關注其他人是必要條件。畢竟技術可以透過學習而來,然而人格特質不容易改變。

那麼,帕特爾是如何指導學生的呢?在研究室裡,有很多不同領域的人,像是電腦科學、電子工程以及醫療背景,帕特爾會試著創造出每個人都貢獻己力才能解決的專案,讓跨領域合作自然而然發生。另外,與其安排好研究方向與每一個細節,帕特爾傾向激勵學生、與學生討論研究的大方向、留給學生探索的空間。

帕特爾從高中時期就有機會接觸研究,因此大學時期也較同儕來得早開始寫論文,而這徹底改變了他的研究生涯,他自認非常幸運。因此,他希望現在的高中生能早點接觸研究,因此特別為高中生開放了 8-10週的暑期研究室實習,期待能夠開啟學生對於程式與科技的想像。

值得一提的是,帕特爾近來婉拒至知名大學演說,他傾向把時間留給郊區的學校,接觸更多高中以下的學生;此外,他認為傳遞科學知識最有效率的是為第一線的教師上課,讓教師在課堂分享電腦科學是個很強大的工具,能夠對社會有正面影響,電腦科學不是只有電玩遊戲。

海德堡桂冠論壇講座。圖/Heidelberg Laureate Forum

讓世界變得更好的人文精神:給年輕研究者的建議

「我的研究社群是整個世界與人類。」

帕特爾在海德堡桂冠論壇的演說,除了介紹行動裝置於健康的應用之外,還提供建議給年輕研究者。他提到這是個特別的時代,人類史上擁有最多工具(如人工智慧、資料分析與視覺化)、跨領域研究非常興盛;最好的提問與答案,都在不同領域的交會之處。

當帕特爾還是個年輕教授時,常常被問到「你是什麼領域?是網路、系統或資料庫?」同樣地,許多年輕研究者內心假設「我必須成為一個數學家,必須是個電腦科學家,必須研究某個單一領域」。

然而這並不是世界運作的方式,年輕研究者當然可以在某個領域創新,但是別忘了跳出領域的框架,思考像是政治與政策等更廣的層面,以及自己在做的事對於人類與世界是否有深切的影響。

假使年輕研究者只是想著要拿諾貝爾獎、圖靈獎等大獎,這樣的心態(mindset)本身就是個災難,若是找到自己有熱情的事物,而且每天醒來都為此感到興奮,並且奮力地驅策自己前進,將有最佳的機會能夠邁向成功。

希維塔克·帕特爾在他的研究生涯,實踐了科學與工程最重要的價值──人文精神。

延伸閱讀:

  1. 華盛頓大學普及運算研究室:Ubicomp Lab – Ubiquitous Computing Lab at the University of Washington
  2. 海德堡桂冠論壇專訪影片:The Heidelberg Laureate Forum Foundation presents the HLF Portraits: Shwetak N. Patel
  3. 海德堡桂冠論壇講座影片:New Ways of Thinking the Mobile Phone for Healthcare (52 mins)與投影片
  4. 屬於數學與電腦科學的榮耀,聚集大師的海德堡桂冠論壇

想親炙海德堡桂冠論壇,與大師們面對面交流嗎?

每年11-隔年2月開放來自全球的年輕研究者報名

詳情可上官網: https://www.heidelberg-laureate-forum.org/

-----廣告,請繼續往下閱讀-----
Sharkie Lin_96
24 篇文章 ・ 6 位粉絲
在國二無聊的早自習意外發現數學的趣味,因此近來體驗到數學研究、藝術創作、採訪寫作、展覽策劃、資優教育等工作。不是念數學也不是學藝術,但樂於從多元視角聊聊數學的各種姿態,以及進行數學藝術創作,希望能為世界帶來一點樂趣。科普部落格〈鯊奇事務所〉https://medium.com/sharkie-studio,聯絡信箱 sharkgallium@gmail.com

0

0
0

文字

分享

0
0
0
屬於數學與電腦科學的榮耀,聚集大師的海德堡桂冠論壇
Sharkie Lin_96
・2019/09/24 ・2160字 ・閱讀時間約 4 分鐘 ・SR值 498 ・六年級

從 2013 年開始,每年九月德國海德堡桂冠論壇(Heidelberg Laureate Forum, HLF)像是個大磁鐵,把全球數學與電腦科學界的大神都吸到海德堡來,與200名不同年代、文化和學術背景的年輕研究者碰撞,產生知識、思想及經驗交流,希望能夠對下個世代的科學家帶來鼓舞與啟發。

數學與電腦科學界的大大都在這裡啦

這些得主可說是數學界與電腦科學界諾貝爾獎等級的傳奇人物(看看今年 20 多位豪華的大師名單),皆為數學或電腦科學界最高榮譽的獎項得主,包括:

  • 圖靈獎(ACM A.M. Turing Award)
  • 電腦學會計算大獎(ACM Prize in Computing)
  • 阿貝爾獎(Abel Prize)
  • 菲爾茲獎(Fields Medal)
  • 奈望林納獎(Nevanlinna Prize)
獎項名稱 限制 得獎人數 獎金 首次授獎 每幾年頒發一次 備註
圖靈獎 1-3 100萬美金 1966 1 電腦科學界諾貝爾獎
電腦學會計算大獎 40歲以下 1-2 25萬美金 2007 1 僅次於圖靈獎
阿貝爾獎 1-2 600萬挪威克朗(約70萬美金) 2003 1 數學界最高榮譽
菲爾茲獎 40歲以下 2-4 1萬5千加拿大元(約13,767美金) 1936 4 年輕數學家最高榮譽
奈望林納獎 40歲以下 1 1萬歐元(約11,042美金) 1982 4

海德堡桂冠論壇會誕生是受到同樣位於德國的林道(Lindau)影響,這座位於博登湖畔的小城自 1951 年開始舉辦諾貝爾獎得主大會(或稱林道桂冠論壇,Lindau Nobel Laureate Meeting),當時主要是為了透過與外國的科技交流,恢復德國二戰後百廢待興的狀態。

數學和電腦科學一直以來沒有納入諾貝爾獎,還等到林道諾貝爾獎得主大會都辦了 60 年,才有機構特別為這兩個領域辦桂冠論壇的初步想法。透過海德堡理論研究所(Heidelberg Institute for Theoretical Studies)與克勞斯・奇拉基金會(Klaus Tschira Stiftung)的奔走與合作,海德堡桂冠論壇基金會(Heidelberg Laureate Forum Foundation, HLFF)於 2013 年成立,並且主辦每年的桂冠論壇。

-----廣告,請繼續往下閱讀-----

整整一周的論壇,會舉行哪些活動?

為期一週的論壇屬於全邀請制,包括各種多元活動,像是工作坊、熱門議題討論(如氣候變遷、科學社群中的性別失衡)、海報呈現;以及參訪在地的機構,如學術單位、私人企業;學術交流之外還有很多讓人意想不到的社交活動,像是遊船派對、巴伐利亞之夜、城堡之旅與宴會等。為的就是為了促進得主與年輕研究者之間的交流!

最棒的是論壇全程免費,而且基金會還提供了一週食宿!而我們台灣竟然還沒有多少人去過:

年份 台灣 日本 中國 韓國
2013 2 1 8 1
2014 0 3 10 2
2015 1 1 13 0
2016 0 2 10 2
2017 0 1 10 2
2018 0 2 5 1
2019 1 0 13 0

歷年來台灣、日本、中國、韓國參與海德堡桂冠論壇的人數。source:海德堡桂冠論壇基金會(Heidelberg Laureate Forum Foundation, HLFF)

基於好東西不能只有我知道的原則,如此優質(包吃包住又補腦的科學活動一定要分享給大家,還不趕快來看看申請的常見問答FAQ

-----廣告,請繼續往下閱讀-----

只要你是相關領域的大學生、博士生、博士後研究,準備好申請資料,就有可能成為 200 名年輕研究者的其中一員,獲得一生僅能參加一次的參加資格,感受與世界級的大師、研究者面對面交流是怎樣的體驗。

那些在論壇上出沒的大大們

話說回來,海德堡桂冠論壇也才舉辦過短短幾年,對大眾來說有什麼記憶點呢?

去(2018)年數學家阿蒂亞宣稱自己證明了黎曼猜想轟動一時,全球的數學家與數學粉都聚焦在海德堡桂冠論壇,還因為直播人數過多塞爆伺服器,一度改在推特上直播,論壇中所有的講座內容訪談影片都在官方YouTube上。

雖然數學家阿蒂亞(Sir Michael Francis Atiyah, 1929-2019)最後並未獲得同儕認可其證明,不過平時冷門的數學可以得到那麼多大眾的關注,也算得上數學界的著名事件。

數學家阿蒂亞(Sir Michael Francis Atiyah)關於黎曼猜想的講座。source:海德堡桂冠論壇基金會(Heidelberg Laureate Forum Foundation, HLFF)

-----廣告,請繼續往下閱讀-----

除了舉辦論壇,基金會平時還會在辦公室附設的展場,呈現各種與數學相關充滿創意的展覽,今(2019)年的展覽主題是音樂裡的數學 (La La Lab – The Mathematics of Music);另外,也曾經辦過人文意涵濃厚的歐洲女性數學家特展(Women in Mathematics Throughout Europe),以及由知名攝影師Peter Badge拍攝的「抽象大師攝影展」(“Masters of Abstraction ” photo exhibition)

攝影師Peter Badge拍攝的「抽象大師攝影展」(Masters of Abstraction ” photo exhibition)。source:© Heidelberg Laureate Forum Foundation

基金會不僅讓年輕研究者擁有科學上的交流以及思想上的躍升,更持續以各種有趣的活動讓大眾瞭解,數學與電腦科學在社會、經濟與科學上的重要性;這樣的行動甚至影響到了亞洲,未來香港預計仿效海德堡籌組香港桂冠論壇,邀請邵逸夫獎的得主每年至香港交流。

今年海德堡桂冠論壇又會發生什麼有趣的事件呢?海德堡桂冠論壇期間(9/22-9/27)泛科學將有特約記者在現場,將為大家帶來更多後續報導與介紹。

-----廣告,請繼續往下閱讀-----

以下為海德堡桂冠論壇的相關訊息發佈:

-----廣告,請繼續往下閱讀-----
Sharkie Lin_96
24 篇文章 ・ 6 位粉絲
在國二無聊的早自習意外發現數學的趣味,因此近來體驗到數學研究、藝術創作、採訪寫作、展覽策劃、資優教育等工作。不是念數學也不是學藝術,但樂於從多元視角聊聊數學的各種姿態,以及進行數學藝術創作,希望能為世界帶來一點樂趣。科普部落格〈鯊奇事務所〉https://medium.com/sharkie-studio,聯絡信箱 sharkgallium@gmail.com