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?(下)—《音響入門誌》

PanSci_96
・2016/09/24 ・3188字 ・閱讀時間約 6 分鐘 ・SR值 524 ・七年級

編按:身為音響愛好者的你,在選擴大機時,你知道該注意什麼資訊嗎?在上篇中介紹了最基礎的聲音原理,這篇則要告訴你如何用三個問題決定你的擴大機需要的功率大小。

文/林彥君

你的揚聲器嗓門有多大?

擴大機需要多大的功率,與揚聲器的靈敏度(Sensitivity)有很大的關聯。藉由單體的前後振動,揚聲器可將擴大機送來的電能訊號轉換為聲波,靈敏度代表的意義即為揚聲器將「電能」轉換為「聲能」的效率。同樣給予 1 W 的功率,不同揚聲器所發出的音量一定會有大有小,可發出較大聲壓的,靈敏度較高,反之則靈敏度較低。

靈敏度

靈敏度的單位為 dBSPL / 1 W  /1 m,若一揚聲器的靈敏度為 80 dBSPL / 1 W / 1 m,則代表給予揚聲器 1 W 的功率,在距離揚聲器軸線 1 公尺處可測得 80 dBSPL 的音量。85 以下算是低靈敏度、86~90 為中靈敏度,91 以上就算高靈敏度了。靈敏度愈高,表示揚聲器可以用愈小的功率發出愈大的聲音,對擴大機的功率需求較小。

理論上,若擴大機的輸出功率增加 3 dB(2倍),揚聲器的輸出聲壓也應該要增加 3 dB;輸出功率增加 10 dB(10倍),揚聲器的輸出聲壓也應該要增加 10 dB。附表二列出了揚聲器的靈敏度、輸出聲壓與擴大機的輸出功率之間的關係。以靈敏度為 80 dBSPL / 1 W / 1 m 的揚聲器為例,在1公尺處輸入 1W 的功率可獲得 80 dBSPL 的音量,若輸入功率變為 2 倍(2 W),可獲得 83 dBSPL 的音量;若為 10 倍(10 W),則可獲得 90 dBSPL 的音量。想多獲得 3 dB 的音量,擴大機的輸出功率需呈倍數增長。

-----廣告,請繼續往下閱讀-----
附表二
附表二:揚聲器的靈敏度、輸出聲壓與擴大機的輸出功率。

高靈敏度的揚聲器在所需音量較小的情況下還看不太出來他的好處,但若是於演唱會等所需音量較大的場合聆聽時,優點就顯現出來了。在 1 公尺處若想獲得 110 dBSPL 的音量,靈敏度為 92 dBSPL/1W/1m 的揚聲器僅需 64 W 的功率就足夠,但靈敏度為 80 的揚聲器,則需動用到 1024 W 巨獸等級的擴大機,兩者所需的功率足足相差了 16 倍,近 1000 W!

1111
距離越遠,聲壓越小。

需特別注意的是,附表二所列的輸出聲壓只是理論值,實際上,揚聲器所能承受的最大功率是有極限的,並非給予越大的功率,揚聲器就能無限制地發出越大的音量。因此,揚聲器的最大輸出聲壓還需考慮其所能承受的最大功率,若一靈敏度為 80 dBSPL/1 W/1 m 的揚聲器,所能承受的最大功率為 32 W,則 95 dBSPL 的音量就已經是極限了。

揚聲器的承受功率標示也分為最大瞬間承受功率以及平均承受功率,後者才是有意義的數值,在選購時要多加留意。若是供給的功率超過揚聲器的承受範圍,則多出來的功率會變成熱能逸散掉而非轉換為聲音,超過太多,揚聲器就有可能因為產生過多的熱能而燒毀單體中的線圈。高音單體與超高音單體由於線圈線徑較小,可承受的功率也較小,使用不當,往往會成為第一個遭殃的犧牲者,在使用時要特別注意。

聆聽空間大小與聆聽音量

了解靈敏度與功率的關聯還不足以判斷所需擴大機的功率大小。聲音的大小與聆聽距離息息相關,透過日常生活的經驗,可知距離越遠,聲音越小,因此,聆聽環境不同,對擴大機的功率需求自然也不同。是要擺在書桌上近距離聆聽?還是擺在客廳?在室內還是在戶外?距離與聲壓成反比關係,距離增加一倍,聲壓就減為一半,相當於聲壓級減少 6dB。附表三列出了距離與聲壓的關係。舉例來說,靈敏度為 80 dBSPL / 1W / 1m 的揚聲器,輸入 1W 的功率,在 1 公尺處音量為 80 dBSPL,在 2 公尺處,音量會降至 74 dBSPL,在 4 公尺處,只剩下 68 dBSPL。若想在 4 公尺處一樣獲得 80 dBSPL 的音量,則增加 12 dB 的音量,功率亦需增加 12 dB,對照附表一可知,12 dB 相當於 16 倍(16 W)的功率。

-----廣告,請繼續往下閱讀-----
附表三
附表三:距離與聲壓對照表。

需要多大的功率與個人喜好聆聽的音量大小也有關係,80 dBSPL 的音量長期暴露即會造成聽覺的損傷。因此,一般建議長期聆聽音量控制在 80 dBSPL 以下較佳。筆者喜好的音量約為 70~75 dBSPL。唯試聽音響時,音量會增加至 85 dBSPL,以求聆聽到更多的細節。

一首歌曲並非總是維持在一定的音量,音樂的高潮或磅礡處,可能會比平均音量多上 3~6 dB 甚至更多。因此,衡量出所需的最大聆聽音量後,建議要再加上 6 dB 的餘裕,才能確保在聆聽時能獲得較佳的聆聽感受。

音響小撇步:

聽力一旦毀損就無法回復,在 90 dBSPL 的環境下,最多只能待 8 小時。你知道自己平常聆聽的音量有多大聲嗎?以下這個 APP 可以測量周圍環境的分貝值,享受音樂之餘,也別忘了聽力的健康與保養喔!

上網搜尋:「噪音捕手」

三個問題,決定所需的功率大小

綜合上述,擴大機需要多大的功率,主要取決於三個因素,需要多大的音量、揚聲器的靈敏度、以及聆聽距離的遠近。以下列舉了一些情境實例:

決定好以上三點後,只需要簡單的三個步驟,就可以計算出所需的功率大小了,步驟如下:

-----廣告,請繼續往下閱讀-----

1. 查閱附表三,找出在欲聆聽的距離下,輸入 1 W 的功率可獲得多大音量  V1W

2. 將最大音量 VMAX 減去 V1W,得到音量差距 VD

3. 查閱附表一左側欄位,得到 V對應的倍數,乘上 1 W,即為所需的功率。

附表一
附表一:倍數與分貝轉換對照表

以情境一為例,目標是要在 1 公尺處發出 86 dBSPL(VMAX)的音量。靈敏度 83 dBSPL / 1 W / 1 m的揚聲器,輸入 1 W 的功率,在 1 公尺處可發出 83 dBSPL(V1W)的音量,與最大聆聽音量差距為 3dB(VD)。欲增加 3 dB 的音量,則功率也需增加 3 dB。查閱附表一的左側欄位,可知 3 dB 相當於 2 倍,輸出功率為 1 W 的 2 倍(2 W),即可在 1 公尺處發出 86 dBSPL 的音量。

再以情境二為例。查閱附表三可知,在 4 公尺處聲壓會比在 1 公尺處少 12dB。輸入 1W 的功率,靈敏度為 83 dBSPL / 1W / 1m 的揚聲器在 4 公尺處音量為 71 dBSPL(V1W),與最大音量 83 dBSPL(VMAX)差距 12dB(VD)。查閱附表一,可知 12dB 相當於 16 倍,因此,距離 4 公尺的客廳,僅需 16W 左右的擴大機便足夠。

理論與實際的差距

由以上可知,一般家用音響對功率的需求其實不大。然而,理論歸理論,實際購買時,一般會建議瓦數為理論值的 2~4 倍。揚聲器與擴大機的數據都是廠商提供的,你無從得知這些數據是如何測得、也無法驗證這些數據的真實性,甚至,有些數據的標準是各家廠商自行決定的。

舉例來說,稍早有提到揚聲器的頻率響應圖是像水波般高低起伏,也就是說,給予揚聲器 1 W 的功率,不同頻率的聲壓必不盡相同。然而,靈敏度只有定義是在 1 瓦、1 公尺處測量,並沒有明確定義是在什麼頻率下測得的,究竟這個數據是取 1 kHz 處、取平均值、甚至是取最高點,消費者根本無從得知。取的頻率點不同,聲壓可能會差到 3 dB 甚至  6 dB、相當於 2~4 倍的功率差異!

-----廣告,請繼續往下閱讀-----

同理,擴大機的最大輸出功率也是廠商說了算。要精確地測量音響設備的規格,所需的測量工具與檢測環境皆造價不菲,並不是每家音響廠商都負擔得起高昂的測試費用。筆者要再次強調,所有數據都只是參考用途,千萬別當成聖經膜拜,把數據好壞當成選擇的唯一依據。

因此,綜合來說,若是將揚聲器擺在書桌上,聆聽距離 1 公尺左右,就算是低靈敏度的揚聲器,4 W~8 W 的擴大機也已經綽綽有餘了。若是在一般大小的客廳或書房,則擴大機的功率 30 W~60 W 左右也已經非常足夠。

那麼,是否擴大機的功率越大,音質就越好呢?答案是不一定。靈敏度與音質並沒有正相關,擴大機的功率與推得好不好、聲音的細節表現等其實也沒有絕對的關係。讀者可依自身的聆聽習慣和環境,購買符合自身需求的擴大機,而非一味追求大功率。其餘的挑選觀念,在往後的「看觀念」中,會再陸續為各位說明,希望各位讀者都能挑選到最適合自己的音響器材!


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-----
-----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

-----廣告,請繼續往下閱讀-----

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。

1

11
3

文字

分享

1
11
3
【2022 年搞笑諾貝爾工程學獎】旋鈕大小與手指數之間的完美關係:轉動音量鈕需要用到幾根手指?
linjunJR_96
・2022/09/29 ・1644字 ・閱讀時間約 3 分鐘

旋鈕多大才好轉?誰知道啊!

有些問題是生活中不斷遇到,卻從來不會加以思索的。像是當你在開車時調整車上的冷氣溫度,還有聽音樂時調整藍芽音響的音量與音色。此時,指尖所操控的旋鈕該做多大,才是最好轉的呢?

「誰知道啊!」你心裡這麼想。

這種日常體驗的問題看似微不足道,但其實就是產品設計和工業設計這類領域最關注的焦點,甚至能幫你贏得搞笑諾貝爾獎!

本年度的搞笑諾貝爾獎頒獎典禮在線上舉辦,表揚世界各地的研究者如何用專業能力探討奇妙的問題。今天要介紹的工程學獎,頒給了日本千葉工業大學的松崎元教授,以及他扎實的研究論文《如何用手指操控柱狀旋鈕》。透過實驗室中的實際測量,松崎教授紀錄了人們使用各種大小的旋鈕時,如何下意識地將不同手指放在不同位置來操作。

圖/Pexels

當我們看見一顆旋鈕,我們會透過目測其大小,來決定該用怎麼樣的手勢轉它。如果是直徑一公分左右的小旋鈕,我們會選擇只用拇指和食指來操作,更多的手指只會徒增不便;但如果是快十公分的大旋鈕,就需要動用四五根手指。這個決定不單純只是個人偏好,而是跟人類手掌和手指的構造有關聯。只有某種握法才是最舒服方便的。

-----廣告,請繼續往下閱讀-----

此外,通常看到旋鈕就直接給它轉下去了,不會在旋鈕上面嘗試並修正來達成「最佳觸感」。也就是說,這個決策過程從小多次練習後,已經完全變成下意識的過程,只能透過實際測試結果來描繪。

下意識的選擇,只有做實驗才知道

在實驗室中,松崎教授的透明桌面上平放一個白色的圓形旋鈕,並請 32 名受試者順時針旋轉這個旋鈕,並從桌面下的攝影機捕捉人們手指的位置。旋鈕的直徑從七毫米到十三公分,總共 45 種。結果顯示,當旋鈕越大,動用的手指數量越多(一如預期)。只要旋鈕直徑超過五公分,大多數受試者便會開始使用五根手指。

根據所有受試者的統計結果,松崎教授整理出了上方這個十分優雅的圖表。標靶一般的同心圓代表各種大小的旋鈕。圖下半的粗黑直線是基準線,所有測試結果的拇指位置統一對齊這條線,以利進行比較。上方的四條曲線,由左到右分別是食指到小指的位置,虛線則是統計標準差(當然,實際上的實驗結果應該是一個一個離散的點,這裡簡單地用二次曲線進行擬合,比較好看)。

圖/參考資料 3

這張圖總結了不同旋鈕大小的情況下,人們手指位置如何變化。有趣的是,隨著旋鈕變大,四根手指的位置並非簡單地輻射向外,而是呈現螺旋狀。猜測是跟手掌張開並旋轉的方式有關。這種細微的趨勢不做實驗還真猜不到。

-----廣告,請繼續往下閱讀-----

不是為了搞笑,每份研究都超認真

這份研究其實在 1999 年就已經發表,時隔二十多年獲得搞笑諾貝爾獎。儘管中文翻譯是「搞笑」諾貝爾獎,但是包括松崎教授在內的所有獲獎者,可是從來沒有要搞笑,而是以非常專業的態度在做他們的工作,這些研究成果也都發表在正式的期刊。自 1999 年的旋鈕研究之後,松崎教授又相繼研究了提袋握把和雨傘握把,可說是精通抓握之道的男人。

雖然得到搞笑諾貝爾獎,但研究內容都是超認真。 圖/GIPHY

松崎教授表示,他很樂見這個獎項讓更多人開始關注設計工程的領域。這門學問專注於探索人與物品之間的關係,並藉此創造最舒適的使用體驗,打造出實用的工業產品。

更多有趣的研究,請到【2022 搞笑諾貝爾獎】

  1. Japanese professor wins Ig Nobel prize for study on knob turning
  2. Japanese researchers win Ig Nobel for research on knob turning
  3. 松崎元, 大内一雄, 上原勝, 上野義雪, & 井村五郎. (1999). 円柱形つまみの回転操作における指の使用状況について. デザイン学研究, 45(5), 69-76.
-----廣告,請繼續往下閱讀-----
所有討論 1
linjunJR_96
33 篇文章 ・ 914 位粉絲
清大理工男。不喜歡算數學。喜歡電影、龐克、和翻譯小說。不知道該把科普當興趣還是專長,但總之先做再說。

0

0
0

文字

分享

0
0
0
音樂進入我們的耳朵時發生了什麼事?--《知識大圖解》
知識大圖解_96
・2017/07/01 ・2331字 ・閱讀時間約 4 分鐘 ・SR值 510 ・六年級

-----廣告,請繼續往下閱讀-----

我們如何製作音樂?音樂進入我們的耳朵時又會發生什麼事?

音樂是我們文化中古老的一環,對我們的心智具有強大的影響力。歌曲可以讓人哭、讓人笑、讓人聞之起舞,或是厭惡地掩耳拒聽;每個人也都有各自喜愛的歌曲。

聲音由振動產生。

當樂器的弦振動時,便會推擠前方的空氣(壓縮),並使後方的空氣擴張(稀薄化);此過程會產生在空氣中行進的聲波

當聲波到達耳朵時,就會推動耳道中的空氣、讓耳膜產生振動。這種振動會觸動三塊聽小骨,將振動傳往耳蝸(充滿液體的螺旋形結構);耳蝸中液體的運動則能產生會被送到腦部的電訊號。然而,這只是人耳能聽見音樂的一小部分過程。

這些簡單的振動能引發強烈的情緒反應,而音調本身以及我們腦部的感知方式亦十分複雜。

-----廣告,請繼續往下閱讀-----

抵達你耳朵的聲波帶有大量資訊,音樂的音調基本上包含音量音高音質(或稱音色)。振動越大,聲音越響;振動頻率越高,音高越高;音質則取決於聲波的平滑程度。

在物理教科書中出現的標準波形都十分平滑,但人或樂器所產生的聲音並不會真的如此平順;正是這些小小的不完美彼此加乘,才能形成最終音調的音色。此外,還須考量回聲、混響(reverberation)、共鳴及層層疊加的樂器、嗓音和歌詞。

我們的腦部須處理這些輸入耳內的聲音,而不只是將音調轉譯成電訊號。處理音樂訊息的過程與我們腦中控制愉悅、恐懼、動作、記憶和情緒的部位有關,且歌曲還能啟動意想不到的迴路。接下來,我們將深入介紹,當你聽到喜愛的歌曲時,腦中究竟會發生什麼事。

點擊放大圖。圖/《知識大圖解》提供

-----廣告,請繼續往下閱讀-----

聲學共鳴

撥動套在人造奶油罐上的橡皮筋時,所發出的聲音與撥弄吉他鋼弦並不相同。撥動橡皮筋或琴弦時,產生的振動會傳遞至樂器本身;樂器的形狀和材質對最終的音調影響頗大。不同的物體會傾向以特定的頻率振動,某些頻率也會特別容易被放大,這就是所謂的共鳴。

除非樂器改變形狀,否則共鳴頻率都會固定,而這也是人聲會如此特別的原因。喉嚨、嘴巴和鼻子就如同樂器的管子,能放大聲帶產生的振動;改變嘴形能發出不同的字音,打開喉嚨或用鼻音唱歌則可唱出截然不同的音調,這是因為我們改變了發聲系統的共鳴特性。歌劇演唱家是共鳴專家,他們能善用共鳴,在不使用麥克風的情況下讓歌聲傳遍整個音樂廳。

點擊放大圖。圖/《知識大圖解》提供

音樂廳的聲學

演奏出正確的音調只是完美演出的一部分

音樂廳擔負著重責大任,它必須讓聽眾沉浸在管弦樂團的最大樂聲中,卻又不能造成回音;另外,還得放大獨奏樂手奏出的精緻樂音,讓後排聽眾能聽得一清二楚。想確保聽眾能夠盡興,音樂廳的設計得考量三項因素:音量等化混響

-----廣告,請繼續往下閱讀-----

完美的演出還要加上完美的音樂廳,它必須讓聽眾沉浸在管弦樂團的最大樂聲中,卻又不能造成回音;另外,還得放大獨奏樂手奏出的精緻樂音,讓後排聽眾能聽得一清二楚。圖/By Hanserblich, CC BY 3.0, wikimedia commons

音量主要由管弦樂團直接發出的聲響來控制,但也會受牆壁和天花板的反射所影響。音樂廳絕對不能有過多的回音,因為聽眾的耳朵會預期音樂來自於管弦樂團,而非身後的牆壁。

等化可確保聽眾聽到所有的頻率。有的空間會放大某些特定的頻率,而等化的目標就是使聲音達到平衡,並稍微消減最高的音調,以免出現任何來自弦樂器的尖銳聲音。

混響則是樂音在音樂廳內部四處反彈的結果。各個物體表面所反射的聲音並不一致,因此若不加以矯正,樂音就會有些失真。

-----廣告,請繼續往下閱讀-----

音樂廳能夠平衡上述所有的因素,它利用了各種不同的形狀和材質來維持聲音的平衡,再將之導向聽眾。平坦而堅硬的表面能反彈聲音;柔軟的表面可吸收聲音;粗糙的表面則會將入射的聲波散射。在牆壁和天花板上裝設經特別設計的嵌板,就能使樂音在抵達你的耳朵之前,先被調整並優化。

改善音響效果

倫敦皇家阿爾伯特音樂廳的天花板掛滿了一顆顆蘑菇,但這並不是溼氣太重所致,這種奇異的構造可是為了改善音響效果。這些蘑菇在 1960 年代經過測試,隨後便安裝上去,並於 2001 年再次改良;目前共掛著 85 朵玻璃纖維製的真菌。皇家阿爾伯特音樂廳很大,天花板具有拱頂,若少了這些蘑菇,管弦樂團奏出的每個音符都會出現冗長的延遲回音。然而,即便有了這些蘑菇,仍需大型管弦樂團來讓這座巨型音樂廳充滿著樂音。

倫敦皇家阿爾伯特音樂廳的天花板掛滿了一顆顆蘑菇,但這並不是溼氣太重所致,這種奇異的構造可是為了改善音響效果。圖/By Colin, CC BY-SA 4.0, wikimedia commons

點擊放大圖。圖/《知識大圖解》提供

-----廣告,請繼續往下閱讀-----

點擊放大圖。圖/《知識大圖解》提供

點擊放大圖。圖/《知識大圖解》提供

點擊放大圖。圖/《知識大圖解》提供

點擊放大圖。圖/《知識大圖解》提供

-----廣告,請繼續往下閱讀-----

本文節錄自《How It Works 知識大圖解 國際中文版》第 33 期(2017 年 06 月號)

更多精彩內容請上知識大圖解

-----廣告,請繼續往下閱讀-----
知識大圖解_96
76 篇文章 ・ 12 位粉絲
How It Works擅長將複雜的知識轉化為活潑有趣的圖解知識,編輯方式以圖像化百科呈現,精簡易懂、精采動人、深入淺出的圖文編排,讓各年齡層的讀者們都能輕鬆閱讀。