0

0
0

文字

分享

0
0
0

公設化集合論的奧秘 (8) 如何打造「測量」集合的武器?

翁 昌黎
・2015/01/07 ・2817字 ・閱讀時間約 5 分鐘 ・SR值 568 ・九年級
相關標籤:

-----廣告,請繼續往下閱讀-----

5430142804_b5ca65584f_z

文 / 翁昌黎(《孔恩vs.波普》中文譯者)

在之前的幾篇文章裡,我們用無限公設引入了第一個無限集合—全體自然數的集合N,之後又利用康托神奇的對角線方法證明了有一種集合的元素個數居然超過了全體自然數所形成的集合。按照直覺,我們可以輕易對有限集合的大小,也就是其所屬成員或元素的個數進行比較:比如集合A = {1, 4, 7}和集合B = {1, 2, 3, 4}。A有三個元素而B有四個元素,所以B比A大,意思是說B所含的元素比A所含的元素多。你會發現只要有小學低年級的數數能力就能夠判斷出每個有限集合的大小,方法就是細數每個集合元素的個數,即使元素個數很多,但只要你有足夠的時間和耐心,應該不太費腦筋就能完成這個任務。

但對於無限集合又如何呢?比如N = {1, 2, 3, 4, 5, 6, 7…}和所有偶數集合E ={2, 4, 6, 8, 10…},到底哪個集合大?對此我們可以進行幾種猜測。首先,按照對有限集合的經驗,你會發現E比N少了許多元素,1、3、 5、 7、 9等奇數在E中都沒有出現,而且實際上整個奇數的無限集合O= {1, 3, 5, 7…}在E裡都付之闕如。因此我們似乎可以「合理」推斷N一定比E大,否則怎麼解釋那些「消失」的元素呢?

但若細想又會發現N和E的元素可以一直往後無盡延伸,既然兩者都沒有盡頭的話,那麼說N比E大又顯得不太合理,兩者應該一樣大才對啊!可是比N少了無限個元素的E怎麼可能和N一樣大呢? 或者有人乾脆說既然兩者都沒有盡頭那就表示無法比較,能夠作出比較的只能是具有某個數值的有限集合。

-----廣告,請繼續往下閱讀-----

我們到底該何去何從?問題在於之前我們僅僅基於直覺和經驗而對有限集合的大小進行常識判斷,但我們並沒有提出一套標準和程序來衡量或測量集合的大小,此外我們對無限集合根本缺乏任何直觀經驗。世界上沒有人真的把自然數從頭到尾都數過一遍,要全數過了才叫作具有經驗。在純粹理論的世界裡,我們不能依賴經驗和直觀來確保知識的正確性,反之必須提出一套精確的概念和標準程序才行,這讓我們再次向康托求救。

他所採取的策略是用函數的對應關係來處理無限集合的大小。但在描述嚴格的函數定義之前,我們先簡述一下康托的原始構想。康托認為對任何集合來說,不一定非得把集合的所有家當(元素個數)統計加總之後才能做比較,我們可以讓兩個集合之間的成員一一配對,然後觀察依序配對之後哪個集合還有多餘的成員沒找到「搭檔」。這種配對類似一種抵消過程,抵消之後還殘留有多餘成員的集合就「勝出」。真不愧是一個聰明合理的辦法,一方面對有限集合來說,它的結果和小學生數數的方法完全一致,而額外的紅利是它還可以用來處理無限集合。

正所謂「工欲善其事,必先利其器」,要理解康托這個「隱藏家產」的數學策略首先要引入一個有利的數學武器,那就是如何定義兩個集合之間的等量關係,定義如下:

定義1   對任意兩個集合A和B,如果存在一個一對一(one-to-one )且映成(onto)的函數(function)ƒ : A→B,則稱A與B等量(equinumerous),寫成A≈B

-----廣告,請繼續往下閱讀-----

其中A稱為函數ƒ的定義域(Domain),B 稱為函數ƒ的對應域(Co-domain)。那麼函數是個甚麼東東呢?通常的說法認為函數ƒ是建立在A和B兩個集合之間的對應關係,中學數學一般寫成y=ƒ(x),其中 x∈A且  y ∈ B,函數ƒ被認為是一個變動的y值,這個y因x的變化而不斷改變其值。

但回顧一下來時遙遙路,公設化集合論這門最嚴格的數學分支其基本原則是只允許用成員關係 ∈ 來討論集合(嚴格來講這句話只對ZF系統有效,若是另一套NBG系統則允許我們談論集合和真類)。現在半路忽然殺出函數這個異鄉人,我們該如何面對?對應關係雖不難理解,但它看起來有點抽象,更麻煩的的是雖然A和B都是集合,但這個抽象的所謂對應關係ƒ也是集合嗎?怎麼看都不太像,而且到目前尚未發現成員關係∈在函數的運算中佔有核心位置!

還好在抽象代數(或稱近世代數))和高等分析學裡對於函數有另一種表達方式,更常用來描述函數ƒ的是序對 (x , y)而不是對應關係y=ƒ(x) 。在代數或分析學的課本裡,函數經常被寫成類似這種形式:ƒ= {(x, y)| x∈A, y ∈ B, P(x, y)}。這樣寫之後函數的本質變得更加清晰具體了,一個函數 ƒ 是所有序對(x , y)所形成的集合,其中x是A的成員而y是B的成員,但必須滿足一個條件: 那就是每一個A集合的成員只能對應到一個B集合的成員,不能一個對兩個或更多個。用數學符號來表達就是:若  (x, y) = (x, z) ,則y=z。以 ƒ0:N→N為例,如果 ƒ0( 1 )=1且ƒ0(1)=2,那麼 ƒ0就不符合函數的資格,因為ƒ0讓1同時對應到兩個值。但函數卻可以允許像

ƒ1(1)=3,ƒ1(4)=3,ƒ1(10)=3,ƒ1(17)=3這種多對一的情況。

-----廣告,請繼續往下閱讀-----

現在先停下腳步來解釋一下序對的性質。既然說是序對(ordered pairs),表示其成員間的前後次序是相當重要的。在集合裡,{a, b}和{b, a}被視為是相同的集合,換句話說,元素的前後次序對集合來說並不重要。但 (a, b)和(b, a)並非兩個相同的序對,它們代表兩個完全不同的物件。如果用序對來表示平面座標系裡的一個點,那(2,3)和(3,2)並不是同一個點,這是序對與集合之間的重大差別。

目前有了一點進展,我們讓函數從抽象的對應關係還原成某些序對的集合,接下來我們繼續追問一個問題:以序對為元素所形成的集合本身是集合嗎?答案的關鍵在於序對首先必須是集合才行,如果序對不是集合的話,那我們就無法將它們蒐集起來形成集合,這是公設化集合論的基本裝置。

因此要破解函數的真身首先必須破解序對的真身,當我們知道序對的真實身分之後,也就同時知道函數的真實身分了,因為函數是由序對所形成的集合。如果你只是一直望著序對 ( x, y)發呆,那很難看出甚麼端倪,我們需要一個破解序對的方法才行。波蘭數學家暨邏輯學家庫拉托夫斯基(Kuratowski)在1921年給出了目前使用最廣的用集合來界定序對的定義:

定義2   (a, b)= {{a}, {a, b}}

-----廣告,請繼續往下閱讀-----

這個定義讓序對(a, b)可以寫成集合的形式。根據配對公設,{a}和{a, b}都是集合,再使用一次配對公設,把{a}和{a, b}抓起來形成的集合{{a}, {a, b}}也是集合,因此(a, b)是集合沒錯。通過了第一關,但我們仍然要進一步確認,這個定義是否符合我們期待序對應該擁有的性質,那就是我們可以根據前後兩個元素的選取而確定一個特定的集合。也就是我們要證明:

定理1  x, y, u, v都是集合,若(x, y)=(u, v),則x=u且y=v。

你可以先試著把它證明出來,我們把這個工作留待下回分解。但目前先「假裝」這個定理是正確的,之所以需要「假裝」,是因為在邏輯與數學的世界裡,除了公設和定義之外,任何的語句陳述未經證明都是可疑的,不可以想當然爾,也不能直覺認定,希望讀者們能養成這種多疑的「好習慣」。

透過上述的定義和定理,我們已經成功地把序對(x, y)轉化成合法的集合,但由於函數就是序對,所以經過這兩道手續之後我們已經成功地為函數取得集合的「身分證」。以後當我們使用函數或談到函數時,就完全可以把它們視同集合一樣。

-----廣告,請繼續往下閱讀-----

從理論的觀點來看,這是個重大的進展,因為我們原先的目標是想要找到恰當的工具來測量集合的大小,而這項工具正是函數。現在我們進一步得知,這把測量「尺標」本身就是某種特定的集合。那麼要如何用函數這把尺標來測量集合的大小,尤其是無限集合的大小呢?只好等下回再分解了。

-----廣告,請繼續往下閱讀-----
文章難易度
翁 昌黎
18 篇文章 ・ 8 位粉絲
中央大學哲學研究所碩士,曾籌劃本土第一場「認知科學與佛教禪修系統」對話之大型研討會,於1995年6月在法光佛教研究所舉行,並發表文章。後隱居紐西蘭,至今已20載。 長年關注「意識轉變狀態的科學」和「意識本質的科學與哲學」問題,曾與大寶法王辯經教授師拿旺桑結堪布成立「大乘佛教禪修研究中心」。其他研究興趣為「唯識學」、「超個人心理學」、「數理邏輯」、「公設化集合論」和「後設數學」等等。

0

0
0

文字

分享

0
0
0
AI 可以設計散熱,但誰敢讓它出貨?林唯耕談算力背後的物理現實
鳥苷三磷酸 (PanSci Promo)_96
・2026/08/20 ・2819字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

本文由 高柏科技 合作,泛科學撰文

林唯耕剛回台灣任教時,曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏,那股刺鼻的氣味瞬間瀰漫整棟大樓,引來眾多師生抗議。

「從此以後,我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中,帶著笑意回憶這段往事。

這段插曲聽來像是一則工程師的寓言:在理論模型中,氨是太空熱控系統的理想介質;但在現實的辦公大樓裡,它首先是逼人逃竄的臭味。公式本身沒有錯,但現實世界永遠比公式更複雜——它包含了人、成本、風險,以及必須為後果負責的工程師。

-----廣告,請繼續往下閱讀-----

高柏科技技術專家、清華大學榮譽退休教授林唯耕 ,曾任職於美國 OAO 工程部熱流組,深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球,他鑽研一輩子的老問題再次被推向科技產業的核心:當晶片運算速度無止境攀升,那股伴隨而生的熱,究竟該往哪裡去?

熱不會讀新品發表會

科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗,彷彿進步毫無邊界。然而,每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化,一旦設備過熱,系統便會降頻保護。在物理現實面前,再動聽的發表會敘事也必須低頭。

晶片會發熱、材料會疲勞老化,一旦設備過熱,系統便會降頻保護 / 圖片:envato

回顧個人電腦發展早期,晶片幾乎不需專屬散熱元件。隨後,鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級,其實更像是對空間的極限勒索:晶片功率翻倍,發熱源的面積卻沒變大,機箱空間也不可能無限擴張。

林唯耕指出,散熱設計的核心只有三要素:功率、熱源面積與空間限制。他舉例,在標準的 1U 機箱中,若發熱面積約為三十乘三十毫米,氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數,而是取決於空間、面積與氣流的動態平衡。最現實的代價在於,風扇轉速提升的背後,是噪音、電力損耗與空間占用。

-----廣告,請繼續往下閱讀-----

因此,「液冷技術」的興起並非單純為了追求酷炫,而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱,卻也將新的挑戰帶入機房:漏液風險、流道堵塞、材料相容性,以及維運時的難度。工程的進步,本質上鮮少是徹底消滅問題,更多時候是選擇一組「比較值得承擔」的新問題。

太空教他的,不是把答案搬回地面

太空熱控工程之所以迷人,是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中,沒有空氣能讓風扇製造對流;受光面溫度破百度,陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射,以及熱管與環路型熱管(LHP)來搬移熱能。

熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱,冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力:在他設定的特定條件下,實心銅塊約能傳導 120 瓦的熱能;但若每秒有一立方公分的水發生蒸發相變,移熱量可瞬間拉升至 2.4 千瓦(kW)。他強調「每秒」的觀念,因為散熱談的是動態流動速率,而非靜態的冷卻魔法。

儘管如此,太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度,偏好無馬達幫浦的被動式設計;但地面 AI 伺服器面臨更高的熱負載與環境溫度,往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒:技術是否「先進」,與它是否「適合」當下的場景,始終是兩回事。

-----廣告,請繼續往下閱讀-----
他強調「每秒」的觀念,因為散熱談的是動態流動速率,而非靜態的冷卻魔法。/圖片:envato

好論文,為什麼仍可能造不出好產品

學術研究致力於證明「可行性」,而工業現場則要求「可重複性」——不僅要能運作,還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據,在產線上往往未必管用。

他從不避談失敗。在高柏科技早期與學界合作時,也曾遇過實驗數據無法複製,或研究方向偏離產業需求。這未必是雙方努力不夠,而是彼此對「成功」的標準不同。為了解決這道鴻溝,高柏科技推動「柏苗啟航創新培育計畫」,每年投入逾千萬資金與成大、中山、台科大等校合作,並指派專業人才在過程中持續微調、校正,確保研發貼近產線現實。

他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測,但由於儀器預設以「水」校正,換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算,卻發現缺乏重複性,數據甚至推導出不合理的蒸發率。最後團隊回歸基本面,改用秤重法搭配能量平衡進行交叉驗證,才讓數據成功收斂。

這個故事真正的價值不在於「產學雙贏」的口號,而在於那段不夠優雅的挫折:假設失效、數據混亂、方法砍掉重練。也正是在這種時刻,企業需要的不只是會算數的人才,而是能洞察研究何時「走鐘」,並有權力喊停、要求重來的關鍵決策者。

-----廣告,請繼續往下閱讀-----

林唯耕坦言,過去在校園裡總認為「技術第一、成本第二」,進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽,卻是產品能否進入市場的殘酷真相。再卓越的散熱設計,若無法穩定生產或贏得客戶信任,也僅止於一份精美的報告。

AI 會給答案,誰來負責出貨?

訪談尾聲,主持人國威提出了一個時代難題:假設 AI 能在彈指間生成散熱架構、材料配方與流道設計,企業該選擇全面擁抱 AI 的速度,還是保留緩慢但穩定的工程驗證,以規避潛在的失效風險?

林唯耕拒絕落入二選一的框架。他的觀點是:兩者並存。AI 擅長處理資訊、生成草案;但工程師仍須實作原型,進行嚴苛的性能與可靠度測試,最終由人決定是否出貨。這並非盲目崇拜人類直覺,而是基於一項事實:AI 的資料庫裡,通常沒記載下一次「意外洩漏」或「材料疲勞」的細節,且模型永遠無法為量產結果擔負法律與商業責任。

在 AI 時代,最稀缺的未必是熟練下指令(Prompt)的人,而是具備這種能力的人:能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來,並且願意為最終的量產品質負起責任。

-----廣告,請繼續往下閱讀-----

大眾習慣將雲端想像成輕盈、無重量的空間。但現實中,雲端是由龐大的機房架構而成,裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張,都會在實體世界留下發熱的足跡。散熱工程師的價值,就是不讓這筆物理帳單,被埋沒在光鮮亮麗的投影片背後。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
250 篇文章 ・ 320 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

0
0

文字

分享

0
0
0
淋巴結腫大別當老化!瀰漫性大B細胞淋巴瘤治癒率達六成,復發靠CAR-T與「預存T細胞」精準續命
careonline_96
・2026/09/08 ・2758字 ・閱讀時間約 5 分鐘

確診瀰漫性大B細胞淋巴瘤(DLBCL)先別慌!CAR-T細胞免疫治療為患者爭取疾病控制、治癒希望,專科醫師圖文解析

瀰漫性大B細胞淋巴瘤首線治癒率達六成。若不幸復發,CAR-T細胞免疫治療可接力救援。醫師建議高風險者「提前冷凍收集T細胞」,確保細胞活性並大幅縮短等待時間,掌握黃金救命期。

「許多人意外確診瀰漫性大B細胞淋巴瘤(DLBCL)時,都會錯愕不已,甚至想要放棄治療,但事實上,多數患者在接受第一線的化療後,就可以獲得卓越的治療成效!」亞東紀念醫院腫瘤科暨血液科主任余垣斌醫師表示,「診間一名七十多歲的年長患者,確診時瀰漫性大B細胞淋巴瘤已屬第四期,癌細胞侵犯至肝臟。家屬原先態度消極、不想治療,所幸在醫療團隊鼓勵下接受標準化療,結果反應極佳,完成療程後肝腫瘤完全消失,追蹤五年未復發,成功治癒。」

「若第一線、第二線治療反應不佳或是復發的患者也不用過度焦慮,如今也有CAR-T細胞免疫治療可運用,且可以透過事前蒐集T細胞這樣的前瞻性策略,應對瞬息萬變的癌症治療」成大醫院內科部血液科李欣學醫師提及,「其診間有位患者,就是在標準化療一年後不幸復發,但考量其身體狀態尚佳且高機率再次復發。因此,在進入第二線化療之前,提前替患者收集健康的T細胞,並透過冷凍的方式保存。此舉如同幫患者多買一份保險,第二線化療若仍不幸復發,可更快完成CAR-T細胞免疫治療,掌握黃金治療時間。

瀰漫性大B細胞淋巴瘤病程猛烈,切勿當成老化、疲勞

非何杰金氏淋巴瘤是對生命威脅極大的血液癌症,其中約五成屬於高惡性度的「瀰漫性大B細胞淋巴瘤」。余垣斌醫師指出,此病發病年齡在五十至六十歲最常見,但從二十到九十歲都有可能罹病。異常增生的淋巴細胞會削弱免疫系統,初期最常被發現的症狀為頸部、腹股溝或腋下的淋巴結異常腫大。

-----廣告,請繼續往下閱讀-----

瀰漫性大B細胞淋巴瘤患者可能出現「燒、腫、癢、汗、咳、瘦」等非特異性症狀,極易與老化疲勞混淆,民眾不應自行對號入座。余垣斌醫師提醒,最正確的觀念是:只要發現身上有異常腫大的淋巴結或其他「持續」未癒的不尋常症狀,就應立刻就醫檢查。

警惕瀰漫性大B細胞淋巴瘤

及早治療,幫助提升治癒率!

瀰漫性大B細胞淋巴瘤的第一線治療,目前的標準療程為「R-CHOP」,結合抗CD20單株抗體標靶藥物與四種化療藥物。余垣斌醫師解釋,早期患者需三至四次療程並搭配放療,晚期患者則通常打滿六次。

瀰漫性大B細胞淋巴瘤對藥物反應優異,平均高達六成患者可達治癒。面對高治癒率,千萬不可諱疾忌醫或尋求偏方企圖「把身體養好再來」。身體虛弱正是癌症作怪,延誤正規治療等器官受損才回頭,反而錯失黃金期,大幅降低治療勝率。

淋巴癌絕非不治之症,治癒率高達6成

復發別慌,CAR-T細胞免疫治療接力救援

儘管一線治療成效卓越,仍有約三至四成患者面臨治療反應不佳或復發的困境。李欣學醫師表示,過去針對復發難治患者,二、三線治療需採用高強度化療或幹細胞移植,這對年長或有多重共病症的患者負擔較重。所幸近年醫療科技進步,CAR-T細胞免疫治療及雙特異性抗體等新武器相繼問世。目前台灣已有健保給付的CAR-T細胞免疫治療,針對兩線治療失敗或移植後復發的患者,甚至無法承受高強度化療者,提供了全新的治癒契機。

-----廣告,請繼續往下閱讀-----

面對可能到來的復發挑戰,提前佈局是提升預後的關鍵。李欣學醫師解釋,化學藥物治療及腫瘤細胞的壓迫,都會對體內免疫系統造成壓力,隨著治療線數增加,T細胞的數量與活性也會隨之下降。因此,若醫師評估患者二線治療後再次復發的風險較高,強烈建議在開始二線化療前,趁身體狀況理想且未受過多藥物影響時,預先收集並冷凍健康的T細胞。這不僅能確保免疫細胞品質,未來需要治療時更可大幅節省等待時間。

提早蒐集冷凍T細胞是否會有問題? 醫師詳解常見迷思

針對許多患者對提前收集細胞的擔憂,說明,常見迷思如冷凍會降低活性或不慎收集到癌細胞皆不需多慮。現今凍存技術極度嚴謹,將細胞存放於攝氏零下150度液態氮中長達三十個月,解凍後依然能保持優良活性。此外,淋巴癌細胞進入周邊血液的機率極低,即便有極少量混入,在CAR-T製備過程中也會被活化後的T細胞直接消滅,安全性已獲大量臨床研究證實,患者大可放心。

李欣學醫師解釋,為確保收集細胞的過程順利安全,醫療團隊原則上會安排患者住院。收集T細胞需置放雙腔靜脈導管抽出周邊血液,透過機器分離出單核細胞,其餘紅血球與血小板則隨即輸回體內。過程可能伴隨輕微手腳發麻或抽筋,醫療團隊都會密切觀察。

復發接力CAR-T細胞免疫治療

瀰漫性大B細胞淋巴瘤的治療武器相當多元,從一線標靶化療到後線CAR-T細胞免疫治療,健保覆蓋率也逐漸普及。鼓勵病友積極與醫師討論治療策略,主動出擊,幫助達到較佳的預後!

-----廣告,請繼續往下閱讀-----

筆記重點整理

● 瀰漫性大B細胞淋巴瘤患者可能出現「燒、腫、癢、汗、咳、瘦」等非特異性症狀,極易與老化疲勞混淆。最正確的觀念是:只要發現身上有異常腫大的淋巴結或其他「持續」未癒的不尋常症狀,就應立刻就醫檢查。

● 瀰漫性大B細胞淋巴瘤對藥物反應優異,平均高達六成患者可達治癒。面對高治癒率,千萬不可諱疾忌醫或尋求偏方企圖「把身體養好再來」。延誤正規治療等器官受損才回頭,反而錯失黃金期,大幅降低治療勝率。

● 針對復發難治患者,二、三線治療需採用高強度化療或幹細胞移植,這對年長或有多重共病症的患者負擔較重。所幸雙特異性抗體及CAR-T細胞免疫治療等新武器相繼問世。目前台灣已有健保給付的CAR-T治療,針對兩線治療失敗或移植後復發的患者,甚至無法承受高強度化療者,提供了全新的治癒契機。

● 若醫師評估患者二線治療後再次復發的風險較高,強烈建議在開始二線化療前,趁身體狀況理想且未受過多藥物影響時,預先收集並冷凍健康的T細胞。這不僅能確保免疫細胞品質,未來需要治療時更可大幅節省等待時間。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

careonline_96
683 篇文章 ・ 281 位粉絲
台灣最大醫療入口網站

0

0
0

文字

分享

0
0
0
AI 進雞舍,感測器顧豬場:科技如何成為畜牧業的最佳幫手?
鳥苷三磷酸 (PanSci Promo)_96
・2026/09/05 ・3583字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

從仰賴人力巡視、憑經驗判斷,到導入感測、影像辨識、聲音分析與 AI,智慧畜牧正逐步以數據支撐養殖決策。(圖片提供:Shutterstock)

過去,養雞農得在半夜走進雞舍,靠耳朵分辨雞隻有沒有出現「囉音」(呼吸道疾病的特有聲音);但農民時間有限,一天頂多進雞舍巡三次,而打噴嚏、咳嗽這類異常聲音,又常和背景噪音太相似、不夠明顯,「漏聽」幾乎在所難免。

如果有一套系統能全天候守在雞舍,不僅聽見異常聲音,還能透過影像觀察雞隻狀態、同步記錄體重,情況會不會有所不同?這正是「智慧監測走進畜牧業」的真實場景。

透過感測、影像辨識、聲音分析與 AI,畜牧養殖管理,已經逐步從仰賴人力巡視、憑經驗判斷,轉向以數據支撐的決策;智慧畜牧不只能提高生產效率,也能改善動物福利與整座牧場的生物安全。

本文從家禽到豬隻,採訪兩位長期投入智慧畜牧管理的研究者:國立中興大學生物產業機電工程學系蔡燿全副教授以及國立臺灣大學生物機電工程學系郭彥甫教授,探討科技如何成為畜牧業的最佳助手。

-----廣告,請繼續往下閱讀-----
透過機器視覺與深度學習,系統能辨識母豬的姿態,量化進食、站立與哺乳時間,協助豬農及早發現健康異常。(圖片提供:臺灣大學生物機電工程學系郭彥甫教授)

科技接手觀察,補上人力巡視極限

「如何客觀量化健康指標,其實相當困難。」蔡燿全副教授指出,人工巡視的限制,在於「人不可能一直在現場」。以雞舍為例,雞隻體重反映健康狀況,但用「肉眼估算」並不精準,原因出在羽毛會隨當下溫濕度蓬鬆變化;至於雞隻的消化道疾病,則要看肛門與糞便,但「異常聲音」要在夜深人靜的半夜靠「人耳」去分辨,這些都是雞農單靠人力會存在的侷限。

養豬也是。郭彥甫教授指出,過去豬農評估一欄豬的健康狀態,多半是走進去、用肉眼看一下,母豬花多少時間吃料、站立、有沒有在哺乳,無法精確量化判讀。

靠肉眼、人耳判讀,既消耗人力、又不夠精準,因此,智慧畜牧把這些工作交給機器,透過感測器接手觀察,目標在於「及早發現」。

以雞舍為例,機器讀的是「身體徵象」。

-----廣告,請繼續往下閱讀-----

蔡燿全副教授指出,透過「家禽監測系統」,在雞舍裝設麥克風、攝影機與秤重平臺,把叫聲、雞冠與雞眼的顏色、體重,連同溫濕度、風速、氣體等環境資料,一併轉成可判讀的數據。

以體重為例,當雞隻走上秤重平臺,秤出幾隻的總體體重後,平台上方的攝影機,再以AI影像辨識方式,辨識出秤重平台上的雞隻數量,進而換算出雞隻的平均體重,更進一步的做法是,只要在雞舍中央架一臺主機,建立「影像輪廓對應實際重量」的關係,雞舍的其餘角落,只需由上往下拍的攝影機(不必裝設秤重平臺),單靠影像就能推算體重。這也同步解決了動物福利的問題:不必再人工抓雞懸掛量重,對雞隻的干擾降到最低。

在豬舍方面,機器讀的則是「行為與姿態」的動態變化。

郭彥甫教授指出,只要在母豬分娩欄後方架設攝影機,以機器視覺與深度學習,辨識母豬的姿態,量化牠花多少時間進食、站立與哺乳,同時逐隻追蹤欄內仔豬的移動,把狀態分成哺乳、休息與活動三類。當母豬把乳頭壓住、遲遲不讓仔豬吸奶,又不太進食,系統就能標記出這頭母豬已接近生病,整欄仔豬可能跟著吃不到奶、活動力下降。這些畫面,都讓長期被關在窄欄、行動受限的母豬處境,能夠直接被機器紀錄、透過數據化被豬農看見。

-----廣告,請繼續往下閱讀-----

專家教會 AI 讀懂異常,監測從記錄升級為預警

但機器「看得到」只是第一步,「讀得懂」則要靠人與 AI 協作。

以豬舍的應用場景為例,郭彥甫教授指出,AI的機器學習過程,得先由「人」在影像裡,把豬一隻一隻單獨標註起來,累積上千張影像之後,提供給AI學習、訓練,確保AI能夠「讀懂」之後,之後就由機器接手,自動辨識每一隻豬;例如有些小豬在吃飼料、有些在喝水、有些在打架、互咬;郭彥甫教授指出,這套AI 辨識仔豬「日常行為」的準確率已達到91.36%,等於在100隻仔豬中,AI就能精準判讀出91.36隻的行為模式。

雞舍的場景也是同樣邏輯。蔡燿全副教授解釋,透過預先架設機器在雞舍,進行現場錄音,接著以濾波去掉雜訊、把聲音切成小段,再請專家逐段標註,哪些是正常叫聲、哪些是異常囉音,取出聲紋特徵之後,再餵給AI機器學習,訓練出辨識模型。

當機器學會判讀後,監測的價值就能直接從「記錄」,升級為「預警」。

-----廣告,請繼續往下閱讀-----

舉例來說,雞舍的聲紋辨識系統,由於是24小時錄音,在農民尚未察覺、還沒記錄到異狀之前,系統就先發出「偵測到異音」的預警,不會等到農民到現場查看才發現。此外,影像辨識系統則可以預先偵測到人眼較難察覺的雞眼異常(雞眼異常後2至3天會出現較高死亡率),等於替農民爭取到提早3天處置的黃金時間。

預警換來實際效益。蔡燿全副教授表示,根據合作雞農的回饋,導入這項系統之後,育成率可提升約3%,因為透過系統24小時不間斷監控,農民更能做到「及早發現、及草治療」,提高雞隻「從飼養到出貨」生命週期的完整性。此外…….傳播途徑。蔡耀全副教授補充,傳統雞隻育成率大約落在80%,導入系統這幾年來,育成率持續提升,近年來已經逐步成長至85%至87%。此外,因為農民不再需要頻繁進出雞舍,也切斷了病原透過人腳、野鳥糞便帶入的傳播途徑。蔡耀全副教授補充,傳統雞隻育成率大約落在80%,導入系統這幾年來,育成率持續提升,近年來已經逐步成長至85%至87%。

豬舍也是。郭彥甫教授指出,量化母豬的姿態與哺乳行為,能夠提早判斷牠是否接近生病,另一方面,系統對仔豬群體活動力的追蹤,則讓農民能夠更早察覺「一頭母豬不好、整欄仔豬跟著受影響」的連鎖效應,進而提早做出相對應的準備措施。 科技帶來的好處,除了提前預警,減少人為疏漏,當農民的巡視工時下降、勞動強度減輕,也能間接讓更多青年農民,願意回鄉接手畜牧場。

雞舍聲紋辨識系統可 24 小時錄音,在農民察覺異狀前發出預警,影像辨識也能提早發現人眼較難察覺的雞眼異常。(圖片提供:Shutterstock)

技術到位、市場未到,智慧畜牧的應用挑戰

然而,儘管智慧畜牧的技術持續進步,但要真正落地應用並普及化,目前仍有待跨越的門檻。

-----廣告,請繼續往下閱讀-----

「因為農民沒有 IT 部門。」蔡燿全副教授點出了智慧畜牧最大的門檻:推廣難度高。

他解釋,老一輩農民對科技熟悉程度較低,一旦網路不穩、甚至插頭沒插上的小狀況,原廠可能就得親自跑一趟畜牧場,服務成本相當高,再加上臺灣市場規模有限,負責落地推廣、技術轉移的農業科技公司,意願自然不高。

此外,「農民投入意願」也是一大門檻。「如果這個科技一定可以幫他賺到錢,他就會樂意接受。」郭彥甫教授觀察,豬農評估導入系統的關鍵,在於能不能幫他「賺到更多錢」,而非只是「節省時間和勞力」,「如果只是省下勞力,農民多半會傾向自己來、或是另外聘請人力。」臺灣雖然在2020年就從口蹄疫除名,但近年來面對周邊國家持續存在的非洲豬瘟等疫情風險,豬農對外部人員(智慧農業團隊、農業科技廠商等)進出格外謹慎,都讓智慧畜牧的應用落地,還需要更多溝通與推廣。

最後一道判斷留給人,「資料治理」智慧畜牧下一步

換句話說,智慧畜牧的技術本身,其實已經備妥,唯獨產業與市場的節奏,還需要時間跟上。

-----廣告,請繼續往下閱讀-----

從雞舍到豬場,感測與 AI 接手了「看」這件過去只能靠人力與經驗撐著的工作,效率、動物福利與疫病防線,也因此被重新畫過一遍。

值得一提的是,兩位研究者不約而同都將「最後一道判斷」留給了人:雞隻該不該投藥、母豬難產怎麼處置,這類牽涉責任的決定,仍由農民與獸醫拍板,AI 負責的是更精準的監測、讓異常更及早被發現。

隨著愈來愈多養殖現場,開始累積這些數據,郭彥甫教授預測,「資料治理」將是畜牧業下一步的趨勢。他解釋,當養殖場規模擴大、不常親臨現場的經理人將更依賴簡單直觀的報表,掌握場內狀況;而這些累積下來的數據,還能推估產量、預估禽隻出場時機,同時對接市場價格,做出更合適的決策。

資料來源

-----廣告,請繼續往下閱讀-----
  1. 中興大學生物產業機電工程學系蔡燿全副教授
  2. 臺灣大學生物機電工程學系郭彥甫教授

原文連結:https://pse.is/9k7pkt

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
250 篇文章 ・ 320 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia