Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

擴大機挑功率大的準沒錯?(上)—《音響入門誌》

PanSci_96
・2016/09/24 ・5609字 ・閱讀時間約 11 分鐘 ・SR值 542 ・八年級

文/林彥君

擷取

還沒正式踏入研究音響的世界前,筆者曾經買過一對桌上型揚聲器,當年還不懂什麼規格數據,走進店裡隨便挑個看起來順眼價格也尚可接受的揚聲器就帶回家了。那對揚聲器一直以來都是擺在桌上聆聽音樂使用,聽了幾個月倒也都相安無事。某天一群朋友來訪,將那對揚聲器搬到客廳唱歌助興,當大夥玩得興致正高昂之際,其中一顆單體突然啪地一聲,只見一縷青煙緩緩飄出,伴隨著陣陣燒焦味,伴我多時的揚聲器就這樣宣告罷工。

如何找到合適的擴大機

究竟是什麼原因造成揚聲器燒毀呢?這關係到揚聲器的最大承受功率以及擴大機的輸出功率。組合出一套適合自己的音響系統需要做足許多功課,閱讀許多資訊,每一個環節、每一項器材都有學問與細節。而購買綜合擴大機或後級擴大機時,第一個要決定的就是你需要多大的輸出功率。擴大機需要多大的功率,與揚聲器的靈敏度、聆聽空間的大小、以及所需的聆聽音量有關。

如何挑選合適的擴大機

擴大機的瓦數往往與價格成正比,若擴大機的功率不足,便無法發揮揚聲器的真正實力,聲音聽起來會受到限制且缺乏動態。因此,許多人為了省麻煩,乾脆花大錢買個高功率的擴大機一勞永逸,殊不知一般家用音響根本用不到這麼大的瓦數,花太多預算在超過自己需求的擴大機上,不僅會壓縮到其他器材的預算分配,使用不當,還可能把揚聲器燒壞。

-----廣告,請繼續往下閱讀-----

在上一期的「看觀念」中,詳細介紹了頻率的概念及頻率響應所代表的意義。本篇將延續上一集的概念,從最基本的「分貝」開始,介紹分貝、聲壓、與分貝聲壓級的差異,了解基本觀念後,再來談談揚聲器的頻率響應、靈敏度、最大承受功率、聆聽距離與擴大機輸出功率的關聯等,告訴您如何計算自己喜歡的揚聲器所適合的擴大機功率,以最經濟的預算,買到最適合您的擴大機。

「分貝」 究竟是什麼?

分貝(dB)這個字眼想必對大家來說都不陌生,但要明確地解釋分貝是什麼,往往說不出個所以然來,在音響的世界裡,許多規格與數據都跟分貝扯上關係,想組合出一套適合自己的音響系統,就從了解分貝開始。

簡單來說,分貝只是日常生活中眾多單位之一而已,只不過,分貝不是「絕對單位」,而是「比較單位」。所謂的絕對單位是指公分、公斤、秒等單位,這些單位有非常明確的定義。例如,若說「那裡有一根 100 公分的香蕉」,馬上就可以讓人意識到那是一根非常巨大的香蕉。但是,若說 A 香蕉的長度是 B 香蕉的「兩倍」長時,只能知道 A 香蕉與 B 香蕉的長度比值為 2,無法知道這兩根香蕉的確切長度。如果 B 香蕉是 10 公分,那麼 A 香蕉就是 20 公分;如果 B 香蕉是 100 公分,那麼 A 香蕉就是 200 公分,這肯定是一根可以角逐金氏世界記錄的巨無霸香蕉。

 

由此可知,「倍數」是一個「比較單位」。而「分貝」也是相同的概念,它是一個「比較」兩個相同單位之數值大小的單位,只是表達方式跟倍數有些許不同罷了。

-----廣告,請繼續往下閱讀-----

分貝與倍數之間是可以轉換的,就像公分與公尺間可互相轉換一樣,每個分貝值都可以找到相對應的倍數值。不過,這兩者的轉換並非加減乘除那麼簡單,而是用對數(Log)去換算。Log 一出現,想必會勾起許多人高中數學課的痛苦回憶,還好,只要問 google 就可以輕易查到分貝與倍數的轉換對照表,不需要會計算,對照表格很容易就可以理解 3 dB、10 dB 換算成倍數是多少倍。

擴大機輸出與分貝倍數對照表
(點擊看大圖)

一般人對分貝的理解通常僅限於比較聲音的大小,但其實分貝也被廣泛地用來描述電壓、功率、電能強度等之間的大小。上圖列出了功率的倍數與分貝間的轉換關係,第三列是倍數,第四列是分貝。3 dB 到底是多少呢?換算成倍數的話,大約相當於兩倍;10 dB 相當於 10 倍;20 dB 相當於 100 倍;30 dB 則相當於 1000 倍。

對照上圖可知,若擴大機 A 的輸出功率(PA)為 1 W,擴大機 B 的輸出功率(PB)也是 1 W,兩擴大機的輸出功率相等,則稱兩擴大機的輸出功率差異為「0 dB」。若 PB 為 1 W,P為 2 W,PA 為 PB 的 2 倍,則稱擴大機 A 的輸出功率比擴大機 B 多了「3 dB」。

那麼,若 PB 是 500 W,PA 是 1000 W,兩擴大機的輸出功率換算成「dB」會相差多少呢?很抱歉,雖然兩者的輸出功率足足差了 500 W,但只要 PA 為 PB 的兩倍,擴大機 A 的輸出功率一樣也只比擴大機 B 多了「 3 dB」而已。隨著擴大機瓦數的增加,要提升「3 dB」的功率也就越不容易。

-----廣告,請繼續往下閱讀-----

由以上可知,正的分貝值代表 PA 大於 PB,0 分貝代表 PA 與 PB 相等,那麼,分貝可以是負的嗎?當然可以。別忘了,分貝是兩個數值比較得來的結果,若是負的分貝值,則代表 PA 小於 PB。舉個例子來說。若 PB 為 1 W,PA 為 0.5 W,PA 只有 PB 的一半,0.5 倍換算成分貝即為「-3 dB」。

了解原理 溝通更方便

分貝的計算為什麼要如此搞怪刁鑽呢?所有單位的出現不外乎是為了實用與描述方便。當描述身高時,公分就已經很夠用了,但如果要描述臺北與高雄的距離,348 公里顯然比 34800000 公分要簡單明瞭得多。而分貝出現後,便能更簡潔地表達功率與聲壓的比值。

附表一
附表一:倍數與分貝轉換對照表

在電能與聲學的世界裡,兩功率或兩聲壓的比值動輒數百萬倍甚至數億倍是常有的事,1,000,000,000,000 倍相較於 120 dB,後者看起來是不是友善多了呢?(還在數有幾個零的朋友,前面那個看起來很恐怖的數字是一兆。)

功率、分貝與聲壓、電壓之間的倍數轉換。

除了功率的分貝與倍數間的轉換之外,分貝與倍數的轉換其實又可細分為兩類,第一類用於功率,第二類則用於聲壓、電壓、以及電流等。附表一列出了完整的分貝與倍數對照表,上表截取了部分的附表一,左側欄位是功率的倍數,右側欄位是聲壓、電壓之倍數。

-----廣告,請繼續往下閱讀-----

細心的讀者應可發現,同樣是 3 dB,在功率的世界裡是 2 倍,在電壓的世界裡則是 1.4 倍,兩者的轉換比例有些許不同,這是因為電壓與功率是互相影響的,當輸出電壓變為 1.4 倍時,其輸出功率會變為 2 倍;當電壓變為 2 倍時,功率則會變為 4 倍,若是以分貝為量尺,依上表將倍數換算成分貝後,電壓變動的數值便會與功率變動的數值相同,使用起來會方便許多。若想知道詳細的計算方式,可參考下方的公式說明。

%e5%80%8d%e7%8e%87%e5%85%ac%e5%bc%8f

振幅與分貝聲壓級

使用分貝的優點還不僅於此,再更進一步談分貝之前,先回頭來談談何謂聲音的大小。聲音的出現是因為物體振動擠壓空氣,進而使空氣的壓力產生疏密變化。如下圖所示,物體振動的幅度越大,空氣壓力的疏密變化就越大,空氣壓力變化的程度,反應在人的主觀聽覺即為「聲音的響度」。用壓力變化的強度來衡量一個聲音的大小,這就是聲壓(Sound Pressure,簡稱 SP)的概念。描述「聲壓」的單位是 Pa(帕斯卡),而 1 Pa 的壓力有多大?試試抽取五張衛生紙平放在你的肚子上,你的肚子所感覺到的壓力大概就是 1 Pa 。

聲納

用聲壓來描述聲音的大小雖然準確,但卻有個明顯的問題,聲壓的變化範圍非常大!人耳所能感知的最小壓力變化與所能承受的最大壓力變化相差了 100 萬倍。此外,聲壓大小與「聽感響度」有相當大的差距,並非正比關係。這件事情早在 100 年前就被一個叫貝爾的人發現了,就是發明電話的那位貝爾先生,而「分貝」就是以他為名來紀念他的發現。

舉個例子來說,低聲耳語的聲壓大概是 0.0002 Pa,日常的交談聲大約是 0.02 Pa。兩者的聲壓足足差了 100 倍,但很顯然的,兩者的聽感響度絕對沒有差到 100 倍,若以聲壓來描述聽感響度,顯然會與日常感覺有相當大的出入。於是,為了較為精準地反應人耳的聽感響度,科學家將聲壓轉換為聲壓級(Sound Pressure Level,簡稱 SPL),單位為分貝。問題來了,剛剛才說分貝是兩個數值比較出的結果,如果不知道比較的基準點,要怎麼知道 20 分貝到底是多少呢?你的 20 分貝跟我的 20 分貝是一樣的東西嗎?

-----廣告,請繼續往下閱讀-----

因此,為了溝通上的方便,國際上將人耳所能聽見的最小聲壓變化量(0.00002 Pa,或記為 20 µPa,亦稱為聽覺閾值),定義為聲壓級的參考基準值,約相當於三公尺外一隻蚊子飛行的聲音,所有聲音的分貝值都是跟 20 µPa 比較得來的。有了固定的比較基準值,分貝就可以作為絕對單位使用了。並且,為了與作為相對單位使用的「分貝」做出區分,還給了他一個新名字叫做分貝聲壓級(dBSPL ),只是日常使用時為了省事通常簡稱為分貝。

2-4
分貝聲壓與日常聽感對照圖。

聲壓在換算時應對照附表 1 之右側欄位。上圖為常見的分貝聲壓級與日常聽感的對照圖。低聲耳語的聲壓約為聽覺閾值的 10 倍,換算成聲壓級為 20 dBSPL,而日常交談的聲壓約為聽覺閾值的 1000 倍,相當於 60 dBSPL,分貝聲壓級遠比聲壓符合人耳的聽感差異。

由上圖可知,0 dBSPL代表該聲波的聲壓等於 20 µPa,並非寂靜無聲的狀態。若是負的 dBSPL,則代表該聲波的聲壓小於 20 µPa。舉個例子,潛水艇的聽音器可以聽到水下 100 公尺外一隻蝦子吃東西的聲音,約為 -80 dBSPL,20 英里外一個人說話的聲音約為 -30 dBSPL。所以,負分貝的聲音是客觀存在的,只是人耳聽不到而已。

分貝做為絕對單位使用的例子還不僅於此。只要在計算分貝時有一個固定的比較基準值,那麼分貝就可以做為絕對單位使用。像是以 1 瓦特(W)作為基準值的 dBW,以 1 豪瓦(mW)作為基準值的 dBmW,以及以 1 伏特(V)作為基準值的 dBV,都是以分貝作為絕對單位使用的例子。

-----廣告,請繼續往下閱讀-----

細說頻率響應

揚聲器之頻率響應圖
(點擊看大圖)

頻率響應代表一揚聲器可確實重現之頻率範圍。理想狀況下,只要輸入訊號的功率相同,不論訊號是 20 Hz 還是 20 kHz ,揚聲器都應該要能輸出相同聲壓的聲音,以達到「原音重現」的目標。但現實中當然沒有這麼完美的揚聲器。受限於單體本身的物理特性,以及音箱內部的空氣共振等原因,在相同的輸入功率下,不同頻率的輸出聲壓一定會有所增減。揚聲器的頻率響應是如何測得呢?對揚聲器輸入相同功率、不同頻率的聲波,並記錄各頻率輸出訊號的聲壓級大小,即可得到頻率響應圖。上圖就是一個典型的頻率響應圖,橫軸代表訊號的頻率(Hz),縱軸則代表輸出訊號的聲壓級(dBSPL)。可以看出,頻率響應曲線並非一條直線,而是高高低低變化,並且,超過一定的頻率範圍後,輸出的聲壓會大幅衰減,可知揚聲器的輸出頻率範圍是有極限的。

輸出訊號的聲壓隨著頻率增減變化,豈不會影響聽感嗎?好在,你的耳朵並沒有你想像中那麼靈敏。人耳對於不同頻率的響度差異分辨能力不高,一般來說,在不同頻率下,±3 dB 的聲壓變化,尚在聆聽時可接受的差異範圍內。

以上圖為例,該揚聲器平均輸出的聲壓級約為 80 dBSPL,因此,輸出訊號的聲壓級在 77 dBSPL ~ 83 dBSPL 之間,都是可被接受的。可別小看 ±3 dB 的變化,+3 dB 代表該頻率的輸出功率為平均值的 2 倍,-3 dB 則代表該頻率的輸出功率只剩下平均值的一半,以功率的角度來看,變動範圍是非常大的。

範例中的揚聲器,頻率響應已經算是相當平直了,聲壓變動範圍超過 6 dB 的揚聲器在市面上也是非常普遍的。因此,完整的頻率響應標示,應該在頻率範圍之後,再加上聲壓變動的範圍。範例中的揚聲器,頻率響應即為 60 Hz ~ 18 kHz±3 dB,代表該揚聲器在 60 Hz ~ 18 kHz 之間的聲壓變動範圍約為 ±3 dB,60 Hz 又稱為低頻截止點(f3),18 kHz 則為高頻截止點。

-----廣告,請繼續往下閱讀-----

輸出功率的陷阱

有了足夠的知識背景後,就可以正式進入主題了。在決定需要多大的功率之前,首先要學會如何判斷輸出功率的量測標準,並不是數字大的就一定比較好。同樣的一篇作文,標準較嚴苛的老師可能只給 70 分,標準寬鬆的老師也許會給到 98 分。音響系統的數據也是一樣的道理,在比較數據前,先睜大眼睛看看,這是依照哪個老師的評分標準打的分數。

擴大機一般都會標示單一聲道的輸出功率,標示分為兩種,一種是平均輸出功率(Root Mean Square, RMS),另一種是最大瞬間輸出功率(Peak Music Power Output, PMPO)。PMPO 僅代表擴大機於短暫的瞬間裡可輸出的最大功率,其數值往往高達數百瓦甚至數千瓦。RMS 則代表擴大機長時間連續性輸出時可達到的最大功率,這個數值才是擴大機的真正實力。

有些廠商或店家會以 PMPO 來吹噓自家擴大機有多強勁多厲害,然而,擴大機講求的是長久播放時可輸出的功率大小,且各家廠商的測試標準不一,所謂的「短暫瞬間」根本沒有定義,有的是 1 秒,有的是 0.5 秒,因此這個數值看看就好,基本上沒太大的參考價值。

在測量輸出功率時,輸入的訊號是單一頻率還是全頻段 (20 Hz ~ 20 kHz)也很重要。輸送 1 kHz 50 W 比輸送全頻段 50 W 要容易得多。此外,單聲道輸出時量測到的功率也會比雙聲道同時輸出時大,多數的擴大機標示的都是單一頻率、單聲道輸出時的最大功率,實際聆聽時不可能只播放單一頻率、單一聲道,因此,實際使用時的瓦數要再打個折扣。

隨著輸出功率的增加,擴大機的總諧波失真(Total Harmonic Distortion, THD)也會跟著提高,進而影響聽感的純淨度。總諧波失真的條件訂在 0.1% 或 1%,量測出來的數據可能會差到數十瓦,前者對聲音品質的要求遠較後者來得高。

因此,在比較擴大機的輸出功率時,不能只看單一的數字,還要留意是以何種標準量測。是 RMS 還是 PMPO?測試訊號是單一頻率還是全頻段?是雙聲道同時輸出還是只輸出單一聲道?總諧波失真的條件是 0.1% 還是 1%?把所有條件考量進去後,才能較客觀地比較擴大機的輸出功率。完整的輸出功率標示還需包含後端負載的阻抗值,最大輸出功率會依揚聲器的阻抗不同而有所變動,阻抗要講得清楚又是另一個故事了,有機會再慢慢說明。

音響小撇步:

在相同頻率下,一般人應可分辨 ±1 dB 的聲壓變化;敏銳一點的人甚至可以分辨 ±0.5 dB 以下的聲壓變化。好奇你的耳朵有多靈敏嗎?以下這個穩站可以測試你的耳朵對聲壓變化的靈敏度,也可聽聽看 ±3 dB 的響度差異聽起來是什麼感覺喔!上網搜尋:3dB Level Difference


Vol 2

 

本文轉載自《音響入門誌》vol.2:擴大機篇。

-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

0
0

文字

分享

0
0
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

1
0

文字

分享

0
1
0
觸控面板的秘密:從靜電到你的指尖魔法——《物理角色圖鑑》
azothbooks_96
・2024/09/24 ・1254字 ・閱讀時間約 2 分鐘

歐姆定律:電流與電壓的完美協奏

川村老師,請用簡單的方式告訴我「歐姆定律」是什麼?

★歐姆定律,德國物理學家歐姆提出,在溫度不變時,流經金屬導線的電流I 與導線兩端的電壓 V 成正比,兩者的關係為 V=RI,R 是導線的電阻,單位為歐姆 Ω。圖/《物理角色圖鑑》
圖/《物理角色圖鑑》

老師:的方式會使電流變弱。電阻定律告訴我們,金屬導線的電阻 R 與長度 L 成正比,也就是導線愈長,電阻愈大。相反的,截面積 S 愈大,電阻愈小。

貓咪:能捲太多圈嗎?喵!

老師:這樣會讓導線長度增加。電阻 Rρ L/ Aρ 是電阻率。

圖/《物理角色圖鑑》

觸控面板的原理

觸控面板是貼附在螢幕玻璃表面上的薄膜,手機與電腦普遍使用的觸控面板是利用靜電原理進行感應。觸控面板有許多感應方法,最具代表性的是電容式觸控與電阻式觸控。手機使用的是電容式觸控面板,利用靜電就能讓 CPU 知道手指是否放在螢幕上。

-----廣告,請繼續往下閱讀-----

觸控面板中縱橫交錯著許多表面帶靜電的電極陣列,如下圖。

圖/《物理角色圖鑑》

手指碰到觸控面板時,會吸走該位置的靜電,感測器便據此判斷何處有靜電釋放。用一般的筆或戴著手套觸碰時,手機不會有反應,是因為其他東西與手指不同,不會導電,所以也不會釋放靜電。

電阻式觸控面板無法多點觸控;也就是說,不能用兩根手指同時操作。使用手機時,可以用拇指和食指同時觸碰面板,然後手指張開把照片放大,或手指閉合把照片縮小,電阻式觸控面板就沒辦法這麼方便。

電阻式觸控面板的電流是從兩片膜之間通過;手指碰觸時,上層膜會接觸到下層膜,使電阻降低,表示該處有電流通過,此時感測器便可讀取到接觸點位置。電阻式面板是透過壓力來操控,與觸控媒介是否導電無關;所以用筆、指甲來觸碰,螢幕也會有反應。這種面板也能感應觸碰壓力的強弱,因此常用於遊戲機。

-----廣告,請繼續往下閱讀-----
圖/《物理角色圖鑑》

——本文摘自《物理角色圖鑑:用35個萌角色掌握最重要的物理觀念,秒懂生活中的科普知識》,2024 年 9 月,漫遊者文化,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

azothbooks_96
55 篇文章 ・ 21 位粉絲
漫遊也許有原因,卻沒有目的。 漫遊者的原因就是自由。文學、人文、藝術、商業、學習、生活雜學,以及問題解決的實用學,這些都是「漫遊者」的範疇,「漫遊者」希望在其中找到未來的閱讀形式,尋找新的面貌,為出版文化找尋新風景。

0

3
0

文字

分享

0
3
0
舞池太冷該怎麼炒熱氣氛?DJ 請下點聽不到的低頻 BASS!
Peggy Sha/沙珮琦
・2022/12/07 ・1640字 ・閱讀時間約 3 分鐘

「Despacito~Quiero respirar tu cuello despacito~」聽到這段旋律,你是不是也開始不由自主地跟著搖擺了呢?跟著音樂一起流動實在是再自然不過的事了,不過,假設你完全聽不到這些動感「音樂」,它還能發揮同樣的效果嗎?

科學家也想知道這個問題的答案,於是乎,他們把實驗室搬到舞池啦!

人會跟著聽不到的低頻音樂動次動嗎? 圖/GIPHY

超酷的實驗,就要在超酷的表演廳進行!

沒錯!最近發表在《當代生物學》(Current Biology)期刊上的研究就是這麼嗨!這份研究的第一作者是來自麥克馬斯特大學(McMaster University)的神經科學家 Daniel Cameron,他本身就是個音樂愛好者,除了會打鼓外,研究的主要方向也離不開音樂,總是在探索音樂和人類間的互動關係。

想要從事如此動感的實驗,一般的研究室可沒辦法進行,研究者們選擇的地點是麥克馬斯特大學裡面的「LIVELab」,這個地方算是個研究型表演劇院,裡面既能進行各式演出,也能同時進行各種測試和研究。

LIVELab 介紹影片。影/YouTube

劇場裡不僅有 3D 動作捕捉系統,還有可以模擬各種音樂環境的超強大 Meyer 音響系統,最重要的是,它還配備了本次研究的主角──能產生極低頻率的喇叭!普遍來說,我們耳朵能聽到的聲音頻率介在 20 Hz~20,000 Hz 之間,更高或更低都聽不見,那麼,問題來了:聽不見的聲音,還會對我們產生影響嗎?

-----廣告,請繼續往下閱讀-----

偷偷來點低頻音,大家真的會感受得到嗎?

為了尋找答案,研究者邀請加拿大的電子音樂雙人組合「 Orphx」到 LIVELab 辦了場表演,並招募了一群實驗參與者來參加。想聽這場演出,需要比平常多一點點的準備。

首先,觀眾需要戴上運動感應頭帶,用以偵測舞蹈動作;再來,觀眾在參加前和參加後都需要填寫調查表,好衡量他們對於演出的喜愛程度、相關生理感受,並確認他們沒有聽到那些偷偷塞進去的低頻聲音。

加拿大的電子音樂組合 Orphx 在 2008 年的現場表演照片。圖/Wikipedia

在整整 45 分鐘的演出中,研究人員會悄悄在幕後控制撥放低頻聲音的喇叭 ,這些喇叭會撥放 8~37 Hz 間的聲音,每兩分鐘開關一次,結果發現,當喇叭開著、放出低音的時候,觀眾的運動量竟然增加了近 12%!

為什麼我們聽不到低音卻還是想跳舞?聲音能被「感受」嗎?

不過,為什麼這些超低聲音會讓人們更愛跳舞呢?研究者們現在還不知道確切的生理運作機制,但他們有些推測。研究者認為,低頻聲音雖然無法被聽見,也不會讓大腦中處理聲音的部分變得活躍,但是,卻能被神經系統的其他部分接收到。

-----廣告,請繼續往下閱讀-----

Cameron 表示,我們腦中的前庭系統,也就是專門負責平衡感和空間感的感覺系統對於低頻刺激非常敏感。另一方面,觸覺也扮演了很重要的角色,我們身上的機械性受器(mechanoreceptor)同樣對於低頻的刺激很敏感,會隨著震動而移動,這也就是為什麼,當你站在很大聲的音響前方時,會感覺全身彷彿都在跟著震動。

圖/Pexels

或許,就是這些系統,讓我們能夠用不同的方式來「感受」到音樂、接收我們聽不見的低頻聲音。

如果想要完整了解背後的機制,勢必還要多辦幾場這樣的「科學音樂表演」,但在那之前,如果大家想要讓舞池嗨一些的話,低頻音催下去就對啦!

  1. Want to fire up the dance floor? Play low-frequency bass
  2. Cameron, D. J., Dotov, D., Flaten, E., Bosnyak, D., Hove, M. J., & Trainor, L. J. (2022). Undetectable very-low frequency sound increases dancing at a live concert. Current Biology32(21), R1222-R1223.
  3. Low-Frequency Bass Encourages Dancing
  4. Inaudible, low-frequency bass makes people boogie more on the dancefloor
-----廣告,請繼續往下閱讀-----
Peggy Sha/沙珮琦
69 篇文章 ・ 390 位粉絲
曾經是泛科的 S 編,來自可愛的教育系,是一位正努力成為科青的女子,永遠都想要知道更多新的事情,好奇心怎樣都不嫌多。