Loading [MathJax]/extensions/tex2jax.js

0

1
0

文字

分享

0
1
0

證據會說話:鑑識科學大剖析

探索頻道雜誌_96
・2015/08/03 ・5480字 ・閱讀時間約 11 分鐘 ・SR值 518 ・六年級

-----廣告,請繼續往下閱讀-----

撰文:丹尼爾.賽弗特(Daniel Seifert)

最駭人的凶殺案發生時,如何逮到凶手?有時候,單純聞聞屍體或觀察蠅蛆就能伸張正義。跟著《Discovery探索頻道雜誌》深入鑑識科學的領域,檢視線索並思考罪犯如何掩蓋行跡。

024-037 證據會說話1_2
本圖擷取自《探索頻道雜誌國際中文版》2015年07月號第30期,全見版請點擊放大。

一把把彎刀在豔陽四射的高溫下閃耀著。71把鋒利的割稻鐮刀像士兵一般一字排開,這些刀具為71位農夫所有,其中一人砍死了一位同村村民,死者倒臥血泊之中。問題來了:如何找出邪惡的凶手?在沒有目擊證人的情況下,又如何從這71把刀中找出殺人凶器?說不定根本找不出來,因為凶器上的血跡已經被偷偷擦掉了;不過,地方官宋慈知道如何抓出真兇。他靜靜地等待。

71名嫌犯滿身大汗地站著,全都不發一語但個個焦躁不安;烈日下,鐮刀刀面閃耀,接著,微弱的嗡嗡聲出現,聲音愈來愈大,蒼蠅開始往其中一把刀聚集。宋慈笑著指向那把鐮刀的主人:凶手已然現身。金屬刀身上看不見的血跡吸引了饑餓的蒼蠅蜂湧而至,洩露了真相,痛下毒手的農夫終於坦承犯案。

-----廣告,請繼續往下閱讀-----

時值西元1235年,中國一處僻靜之地揭開了犯罪史新頁,除了這個故事,宋慈也記錄了許多其他案例,催生了史上第一本鑑識教科書;宋慈就將此書命名為《洗冤集錄》。

屍體會說話

接下來的八個世紀,鑑識學有了長足進展,但仍沿用部分方法,舉例來說,宋慈的昆蟲助手目前依然是謀殺案的破案好幫手,這就是法醫昆蟲學,但可不是光鮮亮麗的學科。蒼蠅需要產卵的地方,腐爛的人類屍體溫暖又黏稠,正是絕佳所在,這是害蟲防治公司奧瑞金(Origin)的執行長卡爾.拜波提斯塔(Carl Baptista)與本刊分享的知識,他自稱蛆蟲達人(Maggot Man)。

拜波提斯塔笑道:「假設我明天死在這裡,沒人移走我的屍體,我開始腐爛,第一天就會有蒼蠅出現。」隨著這尊假想的屍體繼續腐爛,形形色色的昆蟲將在屍體下蛋,拜波提斯塔接著說:「達爾文說,如果兩種物種須在同一個區域競爭,強者將會留下。」

正因如此,鑑識人員才能估算死亡時間——當然無法精確到幾小時,但至少可以知道天數。拜波提斯塔解釋:「估算方法是根據屍體上有哪些昆蟲,以及昆蟲變態(metamorphosis)進行到哪個階段而定。」接著,拜波提斯塔更仔細說明,有些昆蟲只吃壞死的組織,所以會先吐出液化酵素,將組織液化後才開始大飽口福。

-----廣告,請繼續往下閱讀-----

來自舊金山的法醫病理學家茱蒂‧梅麗奈克博士(Dr Judy Melinek)與米歇爾(T.J. Mitchell)合著的作品《告訴我,你是怎麼死的》榮登紐約時報暢銷書。知道梅麗奈克用哪些工具檢驗屍體後,你看待湯勺的態度將從此不同。

梅麗奈克與本刊分享:「數百年來,解剖病理學的應用並沒太大改變,」她使用的許多工具在一般人的廚房裡都找得到。「我用一把大的主廚刀切開肝臟,片魚刀用來劃開心臟,然後用湯勺將體腔中的液體舀出來。」還有,她也「借助園藝用的高枝剪剪開肋骨,就是那種用來修剪枝葉的長柄剪刀,剪開胸腔後再來處理肺和心臟。」

這工作聽起來不適合膽小的人,此外,驗屍也是體力活;當一天的工作結束,梅麗奈克脫去厚重的塑膠圍裙、護目鏡和泰維克(Tyvek)製造的全身式防護衣,常常已滿身大汗、疲憊不堪。梅麗奈克嚴肅地說:「屍體的重量真的死沉沉。」要好幾個人才有辦法將沉甸甸的屍體搬上搬下推床;「我第一次去犯罪現場時,一位調查員告訴我:『一切就交給地心引力』。」你知道什麼事也很累嗎?小心翼翼地將滑溜溜的器官一個個摘除;梅麗奈克說,尤其是器官異常腫大時更累,而隨著肥胖人口比例激增,看到器官異常腫大案例的機會也愈加頻繁。

梅麗奈克判定死因的方式也出乎意料地原始,《告訴我,你是怎麼死的》一書探討如何運用感覺與聲音;她本人也證實,接受醫學訓練時,不能忽略任何一種感官,因為所有感官知覺都有助法醫判斷。首先,要直接觀察屍體,評估其外形輪廓、顏色、形狀,並搜尋瘀傷或創傷的痕跡,或運用聽力「傾聽斷掉的骨頭喀喀作響的聲音」;如果發現劈砍的傷口,要用手觸摸感覺傷口是否呈現不規則斷面。就連味道也能將死者的一生透露得一清二楚;「聞聞屍體的味道,可以知道死者是否罹患糖尿病,糖尿病病患會散發甜甜的氣味,」梅麗奈克說,「肝衰竭聞起來有霉味,酒精中毒的話,屍體內部聞起來像釀酒廠。」

-----廣告,請繼續往下閱讀-----

此外還有「第六感」,梅麗奈克表示,這大概是法醫最重要的特質;第六感就是直覺,如果蒐集到的案情與屍體提供的證據不符,厲害的法醫腦中就會警鈴大作。

等會兒再回來談屍體如何提供各種線索,現在要先認識一下許多人口中的鑑識科學之父。

無處可躲

愛德華‧羅卡(Edward Locard)1910年設立全球第一間警局實驗室,直到1966年逝世前始終是各界公認的法國版福爾摩斯;這個稱號確實名符其實,世界各地成千上萬的調查員至今仍努力實踐羅卡的箴言:「凡接觸必留下痕跡。」知名鑑識科學家保羅‧科克(Paul L. Kirk)對羅卡原理做的闡釋值得一看:

「(罪犯)每踏出一步,摸過或留下任何東西,就算是下意識的行為,也將成為對其不利的無聲證人;除了指紋或足跡,罪犯的毛髮、衣物纖維、打破的玻璃、殘留的工具痕跡、顏料上的刮痕、留下或搜集的血液或精液,以及其他許多痕跡都將構成對其不利的證據。這些證據永遠不會遺忘犯罪事實,不會因當下情況混亂而混淆,也不會因為缺少目擊證人就不存在。這是事實證據,物證不會出錯,不會作偽證,也不可能完全不存在,只有當人類未能找到、研究並了解物證時,物證的價值才會降低。」

-----廣告,請繼續往下閱讀-----

由科克的話可以看出,執法者有許多方法可以逮到嫌犯,我們提過法醫昆蟲學,亦即利用昆蟲確認死亡時間,另外還有研究體液的法醫血清學,透過研究花粉與孢子判定死者到過何處的法醫孢粉學,研究毒物的法醫毒物學,專攻手寫筆跡的法醫筆跡學,以及透過牙齒一窺究竟的法醫牙科學。牙齒從年輕的時候就會開始吸收環境中的鉛,世界各地蘊含的鉛同位素含量都不一樣,科學家可由此概略推斷死者來自何處。

羅卡年輕的時候,甚至還有法醫視網膜影像學,使用這種技術的人相信,如果對著屍體的眼睛照相,可以捕捉到死者生前看到的最後一幅影像,令人毛骨悚然。理想的情況下,該幅影像應該會呈現凶手的樣貌;倫敦有位警察還記得這項技術曾用於開膛手傑克的其中一名被害人瑪莉‧珍‧凱莉(Mary Jane Kelly)身上。視網膜影像學聽起來像是偽科學,但至今還是有人從事相關研究。

英國科學家最近進行了活體實驗,透過近距離拍攝眼睛,精確捕捉到受試者注視的影像;研究者指出,從受試者眼中捕捉到的臉部影像,大小為受試者臉部的三萬分之一,即便在某些實驗中受試者不認得「罪犯」的臉,辨識凶手的正確率仍高達71%。

科學家表示,擄人或孩童綁架等案件中,歹徒會幫被害人拍照,這些相片中反射的影像將能幫助警方辨認出歹徒,科學家也警告:「除了身處何處或與誰同行,影像中的眼睛可能會透露出更多的資訊。」一頭栽入未來世代的鑑識技術前,我們先看看一百多年來協助逮捕罪犯的證據:指紋。科學家到現在都還不確定我們為什麼有指紋,有些人說指紋讓我們抓東西抓得更穩,有些人卻不同意。只要碰過某樣東西,就會留下個人的蛛絲馬跡,我們會留下指紋是因為皮膚上有皮脂腺分泌的油質,而油質會與汗腺分泌的體液混合並留下指紋。兩個人留下的指紋完全吻合的機率只有640億分之1,所以指紋在鑑識科學中極富價值,但可惜的是,犯罪現場十個指紋中大概僅一個清楚到能成為證據。

-----廣告,請繼續往下閱讀-----

幸好現在各界正不斷開發新技術以採集更多指紋,約翰‧龐德(John Bond)就是其中一人;龐德是萊斯特大學的榮譽院士,同時也是英國北安普敦郡警局的科學支援部主管。龐德開發出一種技術,在子彈射出後還能從彈殼上取得指紋;他寫道:「擦拭彈殼或用熱肥皂水清洗都沒有用,」並不影響指紋辨識。指紋採集的流程是先將槍枝或子彈等金屬裹上一層導電粉再通電。

即便罪犯聰明地洗掉自己的指紋,手指碰觸金屬時還是會造成些微腐蝕,腐蝕處就會吸引導電粉;龐德寫道:「就算高溫使一般的線索蒸發掉了,警方還是可以證明誰曾經使用過某把特定的槍」。如果從頭到尾都帶著手套怎麼辦?你一開槍,子彈擊發後的射擊殘跡(簡稱GSR)就會留在毛細孔與衣物上,這些物證就能證明你與那把槍有關。

024-037 證據會說話5_2
本圖擷取自《探索頻道雜誌國際中文版》2015年07月號第30期,全見版請點擊放大。

掩蓋證據

事實上,如果試圖掩蓋痕跡,可能會因此留下更多線索。舉個好懂的例子,有個以色列的竊賊想要簡單破門行竊,他自以為聰明地脫掉鞋襪,把襪子套在手上,心想這樣一來就不會留下指紋,沒錯吧?結果警察卻注意到別的線索:赤腳的竊賊依稀留下了足以將其定罪的足跡。這個經驗老道的小偷沒想到,足跡、掌紋跟指紋一樣,每個人都是獨一無二的。

執法機關表示,越來越多罪犯會掩蓋自己留下的痕跡,這可說是《CSI犯罪現場》這類熱門犯罪影集造成的。漂白水會破壞DNA,所以現在犯罪現場常發現漂白水被兇手用來掩蓋蹤跡;此外,罪犯不但常戴手套,也學會用膠帶封住信封,而不再像以前那樣用舌頭舔封口而留下大量的DNA證據。

-----廣告,請繼續往下閱讀-----

新加坡鑑識專家團隊的資深顧問鑑識科學家林貞貞坦承,「罪犯的確多少會學習,然後試著掩蓋痕跡,」但不可能掩蓋一切;林貞貞與本刊分享道,「有時當你試圖掩蓋蹤跡,反而會在無意間留下其他的證據,」她微笑說道,這就是羅卡的交換原理。林貞貞的同事鄭明龔博士(Dr Michael Tay Ming Kiong,音譯)也相當贊同,還舉了新加坡當地一宗駭人案件「碎屍案」(The Body Parts Case)為例,該案中的犯案男子便將愛人剁成碎塊。

「將屍體剁成碎塊之後,他用報紙和塑膠袋將屍塊包起來,再用腳踏車載往棄屍地點。」從多處棄屍地點與犯罪現場找到的微量跡證幫助鑑識科學家指出嫌犯與案件的關聯,並且重建了可能的事件先後順序。

「警察來到他家,雖然他曾試圖清理,但現場殘留許多證據,」林貞貞補充,「現場還有掩蓋的跡象,這對嫌犯來說更糟,因為這樣他就不能說:『喔,我不知道發生了什麼事。』」

這群亞洲鑑識專家執業數十年來,見證了科技如何變得更輕巧且易於攜帶,這代表鑑識人員可以現場檢驗證據,並且快速將調查線索與情資傳給調查員;工具也變得更加精密準確,可以採集或檢驗極微量的DNA、可燃液體、不知名化學物質或其他遺留在現場的物品。林貞貞最喜歡的鑑識小知識是什麼呢?一丁點大的車用顏料就足以回溯找到車子的品牌與車型。

-----廣告,請繼續往下閱讀-----

林貞貞的同事謝寶玲(Chia Poh Ling,音譯)表示,小到細胞層級的精準度也有其問題,誤判陽性反應就是一例;「在我們的環境中,許多物品都以石油產品製成,」日常生活中會使用到的東西幾乎都是如此,諸如地毯、維他命膠囊、塑膠、光碟與義肢,所以如果能測出微量的石油,很可能只是其他物質的干擾,而不是發現了具備殺傷力的汽油彈等物品。謝寶玲說:「之前有個案子,我們在一件衣服上偵測出非常微量的石油,」就連某些人造纖維也可能有些微的石油含量,「所以,如果在某個地方發現炸藥,而該處先前曾是戰地,那炸藥是戰爭留下的?或是某個恐怖組織最近留下的?」

不過,科技仍會不斷進步。梅麗奈克博士表示:「最新的個人DNA鑑定技術能幫助我們找出正確的嫌犯,」她接著提醒,「但這只是個有效的工具,也就是達成目標的方法之一。」

「DNA鑑定並不能取代嚴謹的警方工作與驗屍程序;如果沒有經由正確的方法蒐集、記錄,DNA鑑定的結果也無法成為呈堂證供。此外,如果鑑定指出的對象本來就會留下DNA,例如配偶或家中成員,那也證明不了什麼,不代表那個人就是兇手。」林貞貞說,到頭來科技其實對檢方與被告都有幫助。

就以偽造為例:這些鑑識專家曾經檢視過真的與假的勃起障礙藥物的包裝。拜高科技印刷工具所賜,現在愈來愈難以肉眼區分真假,有時候「假藥的包裝其實印得還更清楚。」

就算沒有科技幫助,還是會受到CSI效應的影響;此效應取自2000年首播的電視影集,還衍生出一堆外傳與模仿劇集。CSI影集中的主角不是嚴肅沉悶的科學家或探員,而是年輕時髦又精通科技的科學家,利用狡猾但粗心的凶手遺留在犯案現場的毛髮或血漬破案。

影集大受歡迎的結果導致陪審團現在每每希望檢方能提出DNA證據,若缺少DNA證據,陪審團判決有罪的機率就較低。一項2008年的研究顯示,69%的美國法官認為陪審員對鑑識證據的期待不切實際,有些案件的罪犯甚至因此無罪釋放。

就算提出的鑑識證據毫無破綻,到最後,定罪與否還是掌握在人類的手中,這也就牽涉到心理學了。2011年一項研究顯示,法官吃過午餐之後,比較容易讓犯人假釋出獄;在實驗室數百個小時的努力,求的是罪犯終生監禁,難道最後就因為法官在判決前吃了大麥克而功虧一簣嗎?研究發現結果就是如此。其他研究則顯示,外貌姣好的被告比相貌平庸者更容易獲判無罪。

024-037 證據會說話7_2
本圖擷取自《探索頻道雜誌國際中文版》2015年07月號第30期,全見版請點擊放大。

不過是凡人而已

我們和鑑識專家的談天以大哉問收尾:我們愈來愈了解各種證據,會不會有一天再也沒有凶殺案件?當哪天連被害人的眼球都能做為證據,罪犯會不會認為自己無論如何都無法逃過法網?鄭明龔的答案是肯定的,嗯……其實是部份肯定,「我想,不管鑑識科學如何進步、逮住凶手的準確率有多高,還是有人會衝動犯案;在沖昏頭的當下,就算知道這是錯的,甚至可能因此被判死刑,有些人還是會照做不誤。」

這是人類本性令人灰心的一面,也帶出了我們的最後一個問題:多年來沉浸在證明人類惡行的可怕證據之中,對人類有沒有什麼新的體悟?謝寶玲稍稍停頓之後,給了我們九個字的回答:「任何人都可能會殺人。」顯然,八百年多前,中國古代的調查員宋慈盯著那些農民與成堆的割稻鐮刀時,心中所想也是如此。

本文出自《探索頻道雜誌國際中文版》2015年07月號第30期

-----廣告,請繼續往下閱讀-----
文章難易度
探索頻道雜誌_96
10 篇文章 ・ 12 位粉絲
《探索頻道雜誌》以說故事的方式,將複雜艱深的主題轉變成輕鬆有趣的文章,主題包羅萬象,涵括自然、探險、科技、藝術、歷史、環境、旅遊、文化和趣聞軼事等,以科學和人文角度滿足你的好奇心。雜誌滿載大篇幅的彩色實景照片,讓視覺娛樂更豐富。閱讀《探索頻道雜誌》,給你嶄新視野,探索無限可能。

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

2
0

文字

分享

0
2
0
用顯微鏡查「秋毫」 找出破案關鍵
顯微觀點_96
・2024/10/08 ・1865字 ・閱讀時間約 3 分鐘

本文轉載自顯微觀點

圖/顯微觀點

用於鑑識科學的比較顯微鏡受到 1929 年的情人節黑幫大屠殺事件影響,有了進一步的發展。但是,除了比較顯微鏡外,還有哪些顯微鏡應用在鑑識科學呢?這篇文章帶你來一探究竟。

通常物證有許多種類和樣式,因此調查中會使用多種類型的顯微鏡和鑑識工具。現場通常使用的簡單放大鏡或低倍率(7-50X)立體顯微鏡,可幫助檢測和收集微量證據。另外,也會針對犯罪現場進行拍照,建立和犯罪行為之間的關聯。

彈道、毛髮、纖維和工具痕跡比較

還記得當時卡爾文‧戈達德(Calvin Goddard)協助調查情人節黑幫大屠殺案件,為了釐清涉案槍枝來源,而開發了識別子彈和彈殼的比較顯微鏡,最後確認槍枝並非來自警方。

-----廣告,請繼續往下閱讀-----

比較顯微鏡是一種可並排分析樣本的設備,由透過光橋連接的兩個顯微鏡組成。樣本被放置在兩個載物台上,並使用連接兩個觀察頭光橋中的內置分割畫面同時觀察、比較可疑和已知的樣本。

用於比較彈道的比較顯微鏡具有長工作距離光學元件,還包括子彈座、鹵素或 LED 照明選項、偏光濾光片、放大倍率轉換器以及用於調整放大倍率和工作距離的輔助鏡頭。由於每支槍管內表面的製造痕跡都不相同,留在彈頭的細微特徵也不會一致。

加上射擊時,從裝填子彈到退出彈殼,彈殼在各步驟因為和槍枝組件的相互作用而留下獨特的痕跡,例如:撞針撞擊底火的撞針痕、火藥爆炸,彈殼向後撞擊槍機面所形成的彈底紋、只有具抓子鈎槍枝才會留下的抓子痕等。因此透過比較顯微鏡的比對鑑定可以用來確認涉案槍枝。

除了彈道比對外,比較顯微鏡還可以透過並排比較來確認簽名真偽,或是在確定歷史日期時使用。

-----廣告,請繼續往下閱讀-----

凡「做過」必留下痕跡

根據法國法醫學家羅卡(Edmond Locard)提出的羅卡定律(Locard exchange principle, 又稱羅卡交換定律):「凡兩個物體接觸,必會產生轉移現象」,也就是犯罪(嫌疑)者必然會帶走一些東西、也會留下一些東西,現場必會留下微量跡證。

因此,犯罪現場除了槍枝、子彈、彈頭和彈殼等物證外,槍擊殘留物(gunshot residues,GSR)或微量跡證(trace evidence)也是破解案件的關鍵。GSR是由槍擊後槍口排出的所有顆粒組成,主要包括炸藥底火、推進劑(火藥)、穩定劑和其他添加劑的燃燒或未燃燒完的顆粒。

GSR 顆粒最常見的特徵是其形狀和化學成分,華萊士(J.S. Wallace)和麥奎蘭(J. McQuillan)發現,所有檢測到的顆粒尺寸均在1微米到12微米之間,呈球形和不規則狀,主要成分為鉛、銻和鋇,可用掃描電子顯微鏡(SEM)配備能量色散X射線光譜偵測器加以檢測鑑定。

GSR通常是從嫌疑槍手的手上或其他物體上收集到,如果嫌疑者手上存在特徵性 GSR,通常會推測此人可能是開槍射擊者、開槍時靠近槍支,或處理被殘留物污染的槍枝或其他物體。

-----廣告,請繼續往下閱讀-----
J.S. Wallace和J. McQuillan使用SEM搭配能量色散X射線光譜偵測器比較K58和Gevelot手槍的GSR。
J.S. Wallace 和 J. McQuillan 使用 SEM 搭配能量色散 X 射線光譜偵測器比較 K58 和 Gevelot 手槍的 GSR。圖/顯微觀點

而在暴力犯罪中,體液是常見的證據。雖然現今常用 DNA分析,但顯微鏡仍發揮其作用。尤其位相差顯微鏡,可將樣品所造成的細微光程差轉變成明顯的光強度對比,能清楚觀察到在明野下透明的樣品,因此常用於自強姦受害者收集的陰道拭子中尋找精子。

另外,土壤也是調查犯罪的重要關鍵。偏光顯微鏡可對土壤顆粒的顏色、形狀和大小,以及當中的礦物質進行分類和分析。因此嫌疑犯鞋子上、屍體運送到埋葬地點的車輛外側或內部的土壤證據,都可能對調查起很大的作用。

土壤鑑測也很重要
土壤鑑測也很重要。圖/Adobe Stock
  • Bullets for my Valentine
  • Lee, H. C. (1998). Applying Microscopy in Forensic Science. Microscopy and Microanalysis4(S2), 490–491
  • Wallace, J.S., & McQuillan, J. (1984). Discharge Residues from Cartridge-operated Industrial Tools. Journal of The Forensic Science Society, 24, 495-508.
  • 孟憲輝(2015)。物證鑑識在槍擊現場偵查上的應用。刑事政策與犯罪研究論文集,18,313-340。
  • Gunshot Residue (GSR)

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

2
0

文字

分享

0
2
0
從遺傳學角度剖析:女性能在體育場上超越男性嗎?——《運動基因》
行路出版_96
・2024/08/10 ・3712字 ・閱讀時間約 7 分鐘

科學期刊的預言:女性能追趕甚至超越男性?

我在 2002 年還在讀大四時,第一次看到兩位 UCLA 生理學家的論文〈不用多久女性就會跑得比男性快?〉,當時我覺得這個標題很荒謬。在那之前我花了五個賽季,進行 800 公尺中距離跑步訓練,成績已經超越世界女子紀錄。而且我還不是自己接力隊上跑最快的。

但那篇論文發表在《自然》(Nature)期刊上,這是世上極具聲望的科學期刊,所以一定有些道理。大眾就是這麼認為的。《美國新聞與世界報導》雜誌在 1996 年亞特蘭大奧運之前,對一千個美國人做了調查,結果其中有三分之二認為,「終有一天頂尖女運動員會勝過頂尖男運動員」。

1996 年亞特蘭大奧運前,一千位美國人中有三分之二認為,「終有一天頂尖女運動員會勝過頂尖男運動員」。 圖/envato

《自然》期刊上那篇論文的作者,把男子組和女子組從 200 公尺短跑到馬拉松各項賽事歷年的世界紀錄畫成圖表,發現女子組紀錄進步得遠比男子組急速。他們用外推法從曲線的趨勢推斷未來,確定到 21 世紀前半葉,女性就會在各個賽跑項目擊敗男性。兩名作者寫道:「正因進步速度的差異實在非常大,而使(兩者)差距逐漸縮小。」

2004 年,趁著雅典奧運成為新聞焦點之際,《自然》又特別刊出一篇同類型的文章〈2156 年奧運會場上的重要衝刺?〉(Momentous Sprint at the 2156 Olympics?)──標題所指的,正是女子選手會在 100 公尺短跑比賽中,勝過男子選手的預計時間。

-----廣告,請繼續往下閱讀-----

2005 年,三名運動科學家在《英國運動醫學期刊》發表了一篇論文,省去問號開門見山在標題宣稱:〈女性終將做到〉(Women Will Do It in the Long Run.)。

難道男性主導世界紀錄的情況,始終是歧視女性、把女性排除於競技場外的結果?

20 世紀上半葉,文化規範與偽科學嚴重限制了女性參與運動競技的機會。在 1928 年阿姆斯特丹奧運期間,有媒體(捏造)報導指稱,女性選手在 800 公尺賽跑後筋疲力竭地躺在地上,這讓一些醫生和體育記者十分反感,使得他們認為這個比賽項目會危害女性健康。《紐約時報》上有篇文章就寫:「這種距離太消耗女性的體力了。」〔1〕那幾屆奧運之後,在接下來的三十二年間,距離超過 200 公尺的所有女子項目,都突然遭禁,直到 2008 年奧運,男女運動員的徑賽項目才終於完全相同。但《自然》期刊上的那幾篇論文指出,隨著女性參賽人數增多,看起來她們的運動成績到最後可能會與男性並駕齊驅,甚至比男性更好。

運動能力的基因密碼:性別差異的生物學根源

我去拜訪約克大學的運動心理學家喬.貝克時,我們談論到運動表現的男女差異,尤其是投擲項目的差異。在科學實驗裡證實過的所有性別差異中,投擲項目一直名列前茅。用統計學術語來說的話,男女運動員的平均投擲速度相差了三個標準差,大約是男女身高差距的兩倍。這代表如果你從街上拉一千個男子,其中 997 人擲球的力氣會比普通女性大。

-----廣告,請繼續往下閱讀-----

不過貝克提到,這種情形可能是反映女性缺乏訓練。他的太太是打棒球長大的,輕輕鬆鬆就能贏過他。他打趣說:「她會發出一束雷射光。」那麼這是生物學上的差異嗎?

男性和女性的 DNA 差異極小,僅限於在女性身上為X或男性為Y的那單一染色體。姊弟或兄妹從完全相同的來源取得基因,透過重組母親和父親的 DNA,確保兄弟姊妹絕對不會相近到變成複製人。

性別分化過程大部分要歸結到 Y 染色體上的「SRY 基因」,它的全名是「Y 染色體性別決定區基因」。若要說有「運動能力基因」,那就非 SRY 基因莫屬了。人類生物學的安排,就是讓同樣的雙親能夠同時生育出男性的兒子和女性的女兒,即使傳遞的是相同的基因。SRY 基因是一把 DNA 萬能鑰匙,會選擇性地啟動發育成男性的基因。

我們在生命初期都是女性──每個人類胚胎在形成的前六週都是女性。由於哺乳動物的胎兒會接觸到來自母親的大量雌激素,因此預設性別為女性是比較合算的。在男性身上,SRY 基因到第六週時會暗示睪丸及萊氏細胞(Leydig cell)該準備形成了;萊氏細胞是睪丸內負責合成睪固酮的細胞。睪固酮在一個月之內會不斷湧出,啟動特定基因,關閉其他基因,兩性投擲差距不用多久就會出現。

-----廣告,請繼續往下閱讀-----

男孩還在子宮時,就開始發育出比較長的前臂,這使得他們日後投擲時會做出更有力的揮臂動作。儘管男孩和女孩在投擲技能方面的差異,不如成年男性和女性之間那麼顯著,但這種差異在兩歲幼童身上已經很明顯了。

性別分化過程大部分要歸結到 Y 染色體上的「SRY 基因」,會選擇性地啟動發育成男性的基因。 圖/envato

文化與訓練的影響:投擲項目中的性別差距

為了確定孩童之間的投擲差距有多少與文化有關,北德州大學和西澳大學的科學家組成團隊,共同測試美國孩童與澳洲原住民孩童的投擲技能。澳洲原住民沒有發展出農業,仍過著狩獵採集生活,他們教導女孩丟擲戰鬥及狩獵用武器,就像教導男孩一樣。這項研究確實發現,美國男孩和女孩在投擲技能上的差異,比澳洲原住民男孩和女孩之間的差異顯著許多。不過儘管女孩因為較早發育長得較高較壯,男孩仍比女孩擲得更遠。

普遍來說,男孩不僅比女孩更善於投擲,視覺追蹤攔截飛行物的能力往往也出色許多;87% 的男孩在目標鎖定能力的測試上,表現得比一般女孩好。另外,導致差異的部分原因,至少看起來是因為在子宮的時期接觸到了睪固酮。由於先天性腎上腺增生症,而在子宮裡接觸到高濃度睪固酮的女孩,上述項目的表現會像男孩一樣,而不像女孩;患有這種遺傳疾病的胎兒,腎上腺會過度分泌男性荷爾蒙。

受過良好投擲訓練的女性,能輕易勝過未受訓練的男性,但受過良好訓練的男性,表現會大幅超越受過良好訓練的女性。男子奧運標槍選手擲出的距離,比女子奧運選手遠大約三成,儘管女子組使用的標槍比較輕。此外,女性投出的最快棒球球速的金氏世界紀錄是 65 mph(相當於時速 105 公里),表現不錯的高中男生的球速經常比這還要快,有些男子職業球員可以投出超過 100 mph(相當於時速 160 公里)的球速。

-----廣告,請繼續往下閱讀-----

在跑步方面,從 100 公尺到 1 萬公尺,經驗法則是把菁英級表現差距定在 11%。從短跑到超級馬拉松,不管任何距離的賽跑,男子組的前十名都比女子組的前十名快大約 11%。〔2〕在職業等級,那就是個鴻溝。女子組的 100 公尺世界紀錄,跟 2012 年奧運男子組的參賽資格還差了四分之一秒;而在一萬公尺長跑,女子組的世界紀錄成績,與達到奧運參賽資格最低標準的男選手相比落後了一圈。

不論距離,男子組前十名的跑步速度普遍比女子組快約 11%。圖/enavato

投擲項目與純爆發力型運動項目的差距更大。在跳遠方面,女子選手落後男子 19%。差距最小的是長距離游泳競賽;在 800 公尺自由式比賽中,排名前面的女子選手,與排名前面的男子選手差距不到 6%。

預言女性運動員將超越男性的那幾篇論文暗示,從 1950 年代到 1980 年代,女性表現的進展遵循一條會持續下去的穩定軌跡,但在現實中是有一段短暫爆發,隨後趨於平穩──這是女子運動員,而非男子運動員進入的平穩期。儘管到 1980 年代,女性在 100 公尺到 1 英里各項賽跑的最快速度,都開始趨於穩定,但男子運動員仍繼續緩慢進步,雖然只進步一點點。

數字很明確。菁英女子選手並未趕上菁英男子選手,也沒有保持住狀況,男性運動員則在非常慢地進步。生物學上的差距在擴大。但為什麼原本就有差距存在?

-----廣告,請繼續往下閱讀-----

註釋

  1.  各報上氣不接下氣地報導 800 公尺女子選手紛紛倒在跑道上。正如運動雜誌《跑步時代》(Running Times)2012 年的一篇文章指出的,實情是只有一個女子選手在終點線倒下,其餘三名都打破了先前的世界紀錄。據稱人在現場的《紐約郵報》記者寫道,「11 位淒慘的女性」當中有 5 人沒有跑完,5 人在跑過終點線後倒下。《跑步時代》報導說,參賽的女運動員只有 9 個,而且全部跑完。
  2. 過去普遍認為,隨著比賽距離拉長,女子賽跑選手會超越男子選手。這是克里斯多福.麥杜格(Christopher McDougall)在《天生就會跑》這本很吸引人的書裡談到的主題,但不完全正確。成績非常優秀的跑者之間的 11% 差距,在最長距離和最短距離同樣穩固存在。儘管如此,南非生理學家卻發現,當一男一女的馬拉松完賽時間不相上下,那個男士在距離短於馬拉松的比賽中通常會贏過那個女士,但如果競賽距離加長到 64 公里,女士就會跑贏。他們報告說,這是因為男性通常比較高又比較重,比賽距離越長,這就會變成很大的缺點。然而在世界頂尖超馬選手當中,男女體型差異比一般群體中的差異小,而 11% 的成績差距,也存在於超級長距離的最優秀男女選手之間。

——本文摘自 大衛・艾普斯坦(David Epstein)運動基因:頂尖運動表現背後的科學》,2020 年 12 月,行路出版,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

行路出版_96
21 篇文章 ・ 8 位粉絲
行路為「讀書共和國」出版集團旗下新創的出版社,出版知識類且富科普或哲普內涵的書籍,科學類中尤其將長期耕耘「心理學+腦科學」領域重要、具時代意義,足以當教材的出版品。 行路臉書專頁:https://www.facebook.com/WalkPublishing