Loading [MathJax]/extensions/tex2jax.js

0

2
0

文字

分享

0
2
0

海嘯石辨認指南:颱風都能搬大石頭了,還需要海嘯嗎?

阿樹_96
・2016/11/05 ・5281字 ・閱讀時間約 11 分鐘 ・SR值 530 ・七年級

2016 年 9 月莫蘭蒂颱風橫掃台灣南部,甚至將屏東佳樂水風景區多顆以「噸」計的巨石都搬上了岸。這讓人不禁懷疑:

「既然颱風有這種力量,會不會地質學家口中的海嘯石,未必是真的海嘯石?」

雖然我不是海嘯系的,但身為一個地科科普作者,不免俗的發揮鍵盤科南的精神,請教台大地質系「表面功夫實驗室」的掌門徐澔德副教授,解答疑惑,寫成一篇認真專業文。

至於為什麼會叫「表面工夫實驗室」呢?顧名思義,徐澔德副教授的主要研究領域就是地表地形與地質作用的相關研究,雖是研究「表面」,卻是「深入了解」。或許大家還有點「下雨地震說」的印象,當時這個地表的侵蝕作用與地震的相關研究曾被拿來「救援」,也是此研究團隊的重要成果。所以,千萬可別輕忽「表面工夫」可以見微知著的威力啊!

表面功夫實驗室,在此必須強調,也是有不愛喝酒的地質學家(咦?)圖/作者提供
表面功夫實驗室。雖然有個啤酒旗,但在此必須強調,也是有不愛喝酒的地質學家(咦?)圖/作者提供

沒事幹嘛研究海嘯石?這很重要嗎?

海嘯石是地質學家用來研究古海嘯的證據之一,但要是沒經過「專業鑑定」,真的很難斷定海邊的巨石就是海嘯石啊!就像是你在空中看到不明光點時,如果直接說:「啊!那一定是外星人的飛船!」,那可不是科學,而是唬爛不打草稿的「神邏輯」。就算排除各種人工飛行物的可能性,它充其量也只能被當作「不明飛行物」,同樣的邏輯運用到海嘯石上,我們首要的任務就是要「排除各種可能性」。

-----廣告,請繼續往下閱讀-----

回到正題,今年拜訪臺灣的幾個大颱風,留下了不少破紀錄的風速紀錄,但它有辦法做到和海嘯一樣帶動大石頭的效果嗎?讓我繼續看下去……

為什麼會有「海嘯石」?有沒有實際觀察例子?

海嘯石=海嘯從海底帶上來的石頭,在大海嘯過後,難免會有些東西從海中被打上來。雖然海嘯石不常見,但或許在颱風爆多的臺灣經常看到,每當颱風過後,海邊總會出現一些珊瑚礁岩……既然颱風會帶些石頭上岸,就更不用說海嘯了,光是這世紀數一數二的日本 311 海嘯,就打上了不少海嘯石。

311 東日本大地震後發現的海嘯石,距離當地河口海岸處約 600 公尺遠。圖/由台大地質系特聘講座教授太田陽子提供
311 東日本大地震後發現的海嘯石,距離當地河口海岸處約 600 公尺遠。圖/由台大地質系特聘講座教授太田陽子提供

不過利用海嘯石來研究「古海嘯」,那又是另一層意義了。要是我們已經直接「看」到海嘯打上岸的樣子,自然就不需要海嘯石來間接告訴我們海嘯多大,。只是,我們現在討論的那些古海嘯缺乏目擊證人,只留下海嘯石這間接證據,要想了解古海嘯有多囂張,我們就要懂得推理。反而是地質學家該利用這些近期發生的海嘯,以及它們帶起的海嘯石,試著來了解「多大的海嘯能帶起多大的石頭」。講白了海嘯石在此,就是利用「現今」來「鑑古」的研究素材。

位於沖繩宮古島的東平安名岬的海嘯石遺跡。圖/作者提供
位於沖繩宮古島的東平安名岬的海嘯石遺跡。圖/徐澔德副教授提供

不過說起來容易做起來難,即使發現海嘯石的地方過去有海嘯紀錄,兩者卻未必對得的起來。舉個例來說,1771 年琉球八重山地震造成宮古、石垣等地小受大海嘯侵襲,而現今在宮古島的東平安名岬、佐和田之濱等地也有過去的海嘯石。但實際研究卻發現,真要找到海嘯石所對應的古海嘯,定年的結果並不易支持,有許多岩石年齡遠比 200 多年還老得多,也可能是更早的海嘯帶來的(參見維基百科「津波石」)。畢竟缺乏「歷史本文」,我們需要整理的資訊就相對的片段不完全。

-----廣告,請繼續往下閱讀-----
位於宮古下地島的海嘯石(不一定是1771年海嘯帶來的),與前方1771年海嘯紀錄的「歷史本文」。圖/By Paipateroma - Own work, CC BY 3.0, https://commons.wikimedia.org/w/index.php?curid=9054092
位於宮古下地島的海嘯石(不一定是 1771 年海嘯帶來的),與前方 1771 年海嘯紀錄的「歷史本文」。圖/By Paipateroma – Own work, CC BY 3.0, wikimedia commons.

如果「沒有歷史本文」輔助怎辦呢?

以臺灣來說,我們一樣缺乏古海嘯的文獻紀錄,海嘯研究總是困難重重,但好在這些事都發生在地表,也會因走過而留下痕跡,這時就得靠地質人的「真.表面功夫!」來研究這些事。

功夫一:有效率的找石頭

先簡單聊一下找石頭的方法,拜科技所賜,現在地質學家不再需要為了找石頭,一步一腳印踏遍全台灣,因為可以當海嘯石的石頭通常很大,高解析的衛星或空拍就能拍到了!畢竟「要找就要找最有可能的」,那些等級還沒練到的海嘯石就先不管。(但不用勞煩各位去 Google Earth上找了,因為研究團隊都找完一輪了,結論是可能會是海嘯石的東西,在台灣真的很少!)

功夫二:人工過濾石頭系統

這其實是最重要的一件事,我們都知道海嘯能帶起很大的東西,尺寸要夠大、形狀要「夠不圓」,這樣石頭才能過這關。

用尺寸大小來篩選的用意,就是分辨是颱風帶來的石頭還是海嘯帶來的(Goto, et al. 2010)。海浪雖然也能很大,但 10 公尺高的海浪 vs 10 公尺高的海嘯,完全是 D 級怪和 S 級怪的差距。海浪波長了不起數公尺,但海嘯的波長是數百公尺到公里級,從水體的體積來看,差了有 100 倍!能舉起 100 倍的海水,能量非同小可,故海嘯能舉起的石頭應該遠遠大於颱風風浪能舉起的石頭。至於颱風另一個因素「暴潮」或者是颱風來時正好初一、十五大潮的情況,在機制上仍與海嘯有差;畢竟暴潮或潮汐引發海面上升速度是以數小時來計,而海嘯在數秒至數分鐘就能使海水升到最高點。

-----廣告,請繼續往下閱讀-----
海嘯與海浪的差異。圖/作者提供。
海嘯與海浪的差異。圖/作者提供。

以今年的莫蘭蒂颱風為例,它算是近年來風速最強的颱風,在屏東佳樂水掀起了巨石,但我們循著記者們幫我們找的照片來看,最大的尺寸好像不到 1 立方公尺(最大邊長不到 1 公尺)啊!一般海嘯石會先過濾掉粒徑(長軸長)大致小於 2 公尺的岩石,甚至會拿更大的來當作典型海嘯石,動輒數 10 立方公尺以上。別小看這數字差異,1 立方公尺約莫 3 噸,到了 10 立方公尺就有 30 噸。如果一顆巨石達數十噸至上百噸,那颱風能長距離搬動巨石的可能性就大輻降低了。

海嘯與海浪搬運能力的差異。圖/作者提供。
海嘯與海浪搬運能力的差異。圖/作者提供。
莫蘭蒂颱風過境後,於小琉所攝,可見「中部粽」消波塊被大浪擊落。圖/由鍾令和博士提供。
莫蘭蒂颱風過境後,於小琉所攝,可見「中部粽」消波塊被大浪擊落。圖/鍾令和博士提供。

至於形狀,則是另一個「以防萬一」的參數。試想如果風浪很大,大到都能推動「中部粽」了(莫蘭蒂在小琉球的傑作),那麼要巨大的石頭推一把也不無可能,假如石頭又是圓形或柱形這種好滾動的形狀,經過多次大型颱風的推動……哎呀這可就業障重分不清楚真假了!

但如果大石頭是「扁橢球」的形狀,反能較能排除這樣的可能性,畢竟要讓這種形狀的巨石搬動,比較有可能的機制是海水整個把它「抬」起來往岸上「放」的型式。

上圖為巨石的不同形狀分類,越不容易滾動(扁橢球形),合理解釋為海嘯石的可能性就越高。圖/作者提供。
上圖為巨石的不同形狀分類,越不容易滾動(扁橢球形),合理解釋為海嘯石的可能性就越高。圖/作者提供。

功夫三:真相只有一個,巨石的「不在場證明」!

好啦!第三個就是更進階版的地質訓練了,地質系念這麼久都是在學這些啊!這時我們要找的就是巨石的「不在場證明」,這裡指的是要先證明巨石是別處來的,才比較有可能是海嘯石。

-----廣告,請繼續往下閱讀-----

首先從辦認石頭開始,如果是砂岩,那我們就把它擱一旁先不考慮,畢竟砂岩可是台灣沿岸最常見的岩石之一,而且也很難保它有可能是從鄰近的山上滾下來的……(前幾年基隆才發生一次巨石崩落啊!)。

但如果是「珊瑚礁岩」,那整個不在場證明的強度就提高了。因為礁岩多半是在某個海水深度才會開始形成的產物,如果要在陸地上見到礁岩,除了抬升作用外,就只剩風暴岩或海嘯石了!所以在海嘯石的案發現場,我們要先看看周遭有沒有含珊瑚礁岩層的高位海階(就是位置比海嘯石高的地方)。要是有的話,拍謝!那顆巨石的不在場證明又沒了,因為就和前面那張「中部粽」的照片一樣,無法排除從旁邊掉下來的可能性。總而言之,就是要排除它是被板塊運動、地殼抬升等作用先離開海面才被侵蝕的因素。

考量各種可能性來判定是否為海嘯石的方法。圖/作者提供。
考量各種可能性來判定是否為海嘯石的方法。圖/作者提供。

證明可能是海嘯石,然後呢?

其實經過上述歷程層層篩選,還是沒有辦法 100% 說明某個巨石是海嘯石,因為唯有親眼見過,才是真的~~~~

然而這樣的篩選卻能夠將可能性大幅提高,以目前可觀察的自然的機制來說,除非有比莫蘭蒂的風浪再大上數十倍的超級颱風(可能目前也沒看過),不然要達到舉起上百噸的巨石,好像目前也只剩海嘯這個可能性比較大(起碼看過幾次了),這也是比較合乎科學邏輯的推論。

-----廣告,請繼續往下閱讀-----
2012年天秤颱風在蘭嶼捲上岸的巨石,相對海嘯石而言小了許多。圖/由台大地質徐澔德教授提供
2012 年天秤颱風在蘭嶼捲上岸的巨石,相對海嘯石而言小了許多。圖/徐澔德副教授提供。

用再白話一點的說法是,科學家才不會說「這就是海嘯石」,而會說「這很有可能是海嘯石」。但即使如此,可信度仍是很高的,只是我們需要有幾分證據說幾分話

照理說故事應該到此就可以 End,至少我們清楚論述了海嘯和颱風對於帶動巨石的可能性,還有科學家利用哪些原則來落實海嘯石研究。只是,難道你不會好奇,「台灣有沒有海嘯」嗎?都教了怎麼煮菜,不如就把它煮好來吃了吧!

台灣的海嘯石在哪?最近的一次海嘯發生在何時?

回到正題,以目前台灣的研究來說,有上述研究方式並加上科學期刊「認證」的海嘯石位於兩處:分別在屏東的九棚沿海以及蘭嶼北岸

台灣和日本的地質學者在九棚沿海一共發現了三顆海嘯石(Matta et al. 2013),由於定年的結果顯示它的年代與下方的低位珊瑚礁海階接近,所以研究團隊的想法是,這三顆海嘯石可能是下方的珊瑚礁海階被破壞後,隨海嘯往岸側帶(不過不一定是海嘯破壞的,也有可能是長期侵蝕斷裂掉入海底,之後才隨海嘯帶上來)。而以這個故事來看,如果真有海嘯,其確切的發生時間,仍然不得而知。

-----廣告,請繼續往下閱讀-----
位於屏東九棚的海嘯石。圖/由台大地質系教授徐澔德提供。
位於屏東九棚的海嘯石。圖/徐澔德副教授提供。

至於蘭嶼北岸的故事(Ota et al. 2015),就相對更精彩了!台灣本島因為地質與地形因素,所以很多時候一些海嘯石就先被前述地質學家的「功夫」給排除了,但在相對好判斷的蘭嶼,一下子就找到了 14 顆疑似海嘯石的巨石。理所當然的是要拿來定年一下。

蘭嶼北岸的海嘯石。圖/Ota et al. 2015
蘭嶼北岸的海嘯石。圖/Ota et al. 2015

蘭嶼這邊和九棚的碳 14 定年結果不太一樣,有差不多年代的(約 5 千年前上下)、有更老一點的(7 千年前上下),也有較晚的(距今 500 年前或更近的時間)的石頭。當然,實際上定出珊瑚礁岩的年代和海嘯發生的時間是兩回事,所以即使有這些資訊也還不足以確認海嘯年代。不過值得一提的是這邊幾個礁岩都經過更進一步的鈾釷定年法測定(沈川洲,2015),其結果發現,比較老的石頭還是很老,但較年輕的那些石頭(500~600 年以內的),其重定後的年代約莫為 150 ~200 多年前左右,如果要對應到現有的海嘯紀錄,似乎可以對應到先前提到的 1771 年八重山地震引發的海嘯,只是當初的海嘯波到了蘭嶼還有沒有能力帶起海嘯石,又是另一個值得討論的事。

這樣的結果告訴我們「蘭嶼曾被海嘯侵襲過的機會很大,且最近一次事件有可能距今不到 200 年!」雖然看起來還有一堆細節無法確定,但或許這也暗示我們未來仍不能輕忽海嘯的威脅!

參考資料與文獻

-----廣告,請繼續往下閱讀-----
  1. 加藤祐三,八重山地震津波 (1771) の遡上高 地震 第2輯,1987。 Vol.40, No.3 P377-381
  2. 沈川洲,搭乘鈾釷時光機 重返遠古世界,2015,科學人雜誌157期,遠流出版社。
  3. Goto, K., Miyagi, K., Kawamata, H., Imamura, F., 2010. Discrimination of boulders deposited by tsunamis and storm waves at Ishigaki Island, Japan. Marine Geology, 269, 34-45.
  4. Matta, N., Y. Ota, W. S. Chen, Y. Nishikawa, M. Ando, and L. H. Chung, 2013. Finding of probable tsunami boulders on Jiupeng coast in southeastern Taiwan. Terr. Atmos. Ocean., 24, 159-163.
  5. Ota, Y., Shyu, J.B.H., Wang, C.-C., Lee, H.-C., Chung, L.-H., Shen, C.-C., 2015. Coral boulders along the coast of the Lanyu Island, offshore southeastern Taiwan, as potential paleotsunami records. J. Asian Earth, 114, Part 3, 588-600.
  6. 維基百科:津波石(日文) 條目
-----廣告,請繼續往下閱讀-----
文章難易度
阿樹_96
73 篇文章 ・ 24 位粉絲
地球科學的科普專門家,白天在需要低調的單位上班,地球人如果有需要科普時時會跑到《震識:那些你想知道的震事》擔任副總編輯撰寫地震科普與故事,並同時在《地球故事書》、《泛科學》、《國語日報》等專欄分享地科大小事。著有親子天下出版《地震100問》。

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

-----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。

0

1
0

文字

分享

0
1
0
任意添加光學元件 為研究打開大門的無限遠光學系統
顯微觀點_96
・2025/01/30 ・1763字 ・閱讀時間約 3 分鐘

本文轉載自顯微觀點

圖 / 顯微觀點

顯微鏡在科學發展中扮演關鍵的角色,讓人們得以突破肉眼的限制,深入微觀的世界探索。而隨著時間推進,顯微技術也日新月異,其中現代顯微鏡設計了所謂的「無限遠光學系統」(Infinity Optical Systems),更是提升了顯微鏡性能和突破過去的觀察瓶頸。因此主要的顯微鏡製造商現在都改為無限遠校正物鏡,成為顯微鏡的技術「標配」。

1930 年代,相位差顯微技術出現,利用光線在穿過透明的樣品時產生的微小的相位差造成對比,使透明樣本需染色就能更容易被觀察。1950 年左右,則出現使用兩個 Nomarski 稜鏡,將光路分割再合併產生 干涉效應的 DIC 顯微技術,讓透明樣本立體呈現、便於觀察。

在傳統「有限遠系統」中,單純的物鏡凸透鏡構造,會直接將光線聚焦到一個固定距離處,再經過目鏡放大成像。也因此過去顯微鏡的物鏡上通常會標示適用的鏡筒長度,通常以毫米數(160、170、210 等)表示。

-----廣告,請繼續往下閱讀-----

而在過渡到無限遠校正光學元件之前,選用的物鏡和鏡筒長度必須匹配才能獲得最佳影像,且大多數物鏡專門設計為與一組稱為補償目鏡的目鏡一起使用,來幫助消除橫向色差。

但是問題來了!當這些光學配件要添加到固定鏡筒長度的顯微鏡光路中,原本已完美校正的光學系統的有效鏡筒長度大於原先設定,顯微鏡製造商必須增加管長,但可能導致放大倍率增加和光線減少。因此廠商以「無限遠」光學系統來解決這樣的困境。

德國顯微鏡製造商 Reichert 在 1930 年代開始嘗試所謂的無限遠校正光學系統,這項技術隨後被徠卡、蔡司等其他顯微鏡公司採用,但直到 1980 年代才變得普遍。

無限遠系統的核心在於其物鏡光路設計。穿透樣本或是樣本反射的光線透過無限遠校正物鏡,從每個方位角以平行射線的方式射出,將影像投射到無限遠。

-----廣告,請繼續往下閱讀-----
有限遠(上)和無限遠(下)光學系統的光路差別
有限遠(上)和無限遠(下)光學系統的光路差別。圖 / 擷自 Optical microscopy

透過這種方法,當使用者將 DIC 稜鏡等光學配件添加到物鏡、目鏡間鏡筒的「無限空間」中,影像的位置和焦點便不會被改變,也就不會改變成像比例和產生像差,而影響影像品質。

但也因為無限遠系統物鏡將光線平行化,因此這些光線必須再經過套筒透鏡在目鏡前聚焦。有些顯微鏡的鏡筒透鏡是固定的,有些則設計為可更換的光學元件,以根據不同實驗需求更換不同焦距或特性的透鏡。

除了可以安插不同的光學元件到光路中而不影響成像品質外,大多數顯微鏡都有物鏡鼻輪,使用者可以根據所需的放大倍率安裝和旋轉更換不同的物鏡。

傳統上一旦更換物鏡,樣本可能就偏離焦點,而須重新對焦。但在無限遠光學系統的設計中,物鏡到套筒透鏡的光路長度固定,也就意味著無論更換哪個物鏡,只要物鏡設計遵循無限遠系統的標準,光路長度和光學路徑的一致性得以保持。

-----廣告,請繼續往下閱讀-----

因此無限遠光學系統也有助於保持齊焦性,減少焦距偏移。這對需要頻繁切換倍率的實驗操作來說,變得更為便利和具有效率。

不過使用上需要注意的是,每個顯微鏡製造商的無限遠概念都有其專利,混合使用不同製造商的無限遠物鏡可能導致不正確的放大倍率和色差。

改良顯微技術,使研究人員能夠看到更精確的目標;以及如何讓更多光學配件進入無限遠光學系統中的可能性仍然在不斷發展中。但無限遠光學系統的出現已為研究人員打開了大門,可以在不犧牲影像品質的情況下輕鬆連接其他光學設備,獲得更精密的顯微影像。

  1. M. W. Davidson and M. Abramowitz, “Optical microscopy”, Encyclopedia Imag. Sci. Technol., vol. 2, no. 1106, pp. 120, 2002.
  2. C. Greb, “Infinity Optical Systems: From infinity optics to the infinity port,” Opt. Photonik 11(1), 34–37 (2016).
  3. Infinity Optical Systems: From infinity optics to the infinity port
  4. Basic Principle of Infinity Optical Systems
  5. Infinity Optical Systems

延伸閱讀選擇適合物鏡 解析鏡頭上的密碼

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

0
0

文字

分享

0
0
0
螃蟹有痛感嗎?我們是怎麼知道的?
F 編_96
・2025/01/16 ・1669字 ・閱讀時間約 3 分鐘

F 編按:本文編譯自 Live science

螃蟹一直是海鮮美食中的明星,從油炸軟殼蟹到清蒸螃蟹,餐桌上經常見到牠們的身影。有地方也習慣直接將活螃蟹丟沸水煮熟,認為這能保留最多的鮮味。過去人們認為甲殼類缺乏複雜神經結構,不會感受到痛苦,因此不必過度憂心道德問題。但近年來,越來越多研究開始挑戰此一想法,指出螃蟹與龍蝦等甲殼動物可能具備類似疼痛的神經機制。

以前大家相信甲殼類缺乏複雜神經結構,但近期這一認知逐漸受到質疑。 圖 / unsplash

甲殼類是否能感覺到痛?

人類長期習慣以哺乳類的神經構造作為痛覺判斷依據,由於螃蟹沒有哺乳動物那樣的大腦腦區,便被認為只憑簡單反射行動,談不上真正「痛」。然而,新興科學證據顯示包括螃蟹、龍蝦在內的甲殼類,除了可能存在被稱為「nociceptors」的神經末梢,更在行為上展現自我防禦模式。這些研究結果顯示,螃蟹對強烈刺激不僅是本能抽搐,還有可能進行風險評估或逃避策略,暗示牠們的認知或感受方式比我們想像更精緻。

關鍵證據:nociceptors 與自我保護行為

近期實驗在歐洲岸蟹(Carcinus maenas)中觀察到,當研究人員以刺針或醋等刺激手段測量神經反應,牠們顯示與痛覺反應類似的神經興奮;若只是海水或無害操作,則無此現象。此外,透過行為實驗也可看出,寄居蟹在受到電擊時,會毅然捨棄原本的殼子逃離電源,但若同時存在掠食者味道,牠們會猶豫要不要冒著風險離開殼子。這些結果使科學家認為,螃蟹並非單純反射,而可能有對於痛感的判斷。若只是「低等反射」,牠們不會考慮掠食風險等外在因素。

痛覺與保護:實驗結果引發的道德思考

以上發現已在科學界引發廣泛關注,因為餐飲業與漁業中常見「活煮」或「刺穿」處理螃蟹方式,如今看來很可能讓牠們承受相當程度的不適或疼痛。瑞士、挪威與紐西蘭等國已開始禁止活煮龍蝦或螃蟹,要求先以電擊或機械方法使其失去意識,試圖減少痛苦。英國也曾討論是否將甲殼類納入動物福利法保護範圍,最後暫時擱置,但此爭議仍在延燒。

-----廣告,請繼續往下閱讀-----
英國對於是否將甲殼類列入動物福利法的保護範圍,有所爭議。 圖 / unsplash

部分學者保持保留態度,認為雖然甲殼類展現疑似痛覺的行為與神經反應,但與哺乳類相同的「主觀痛感」仍需更多研究證明。大腦與神經系統結構畢竟存在很大差異,有些反射也可能是進化而來的自衛機制,而非真正意義上的感受。然而,科學家普遍同意,既然相關證據已經累積到一定程度,毋寧先採取更謹慎與人道的處理模式,而非輕易推卸為「牠們不會痛」。

海洋生物福利:未來的規範與影響

如果螃蟹被證實擁有痛覺,將牽動更廣泛的海洋生物福利議題,包括鎖管、章魚或多種貝類也可能具有類似神經機制。人類一直以來習慣將無脊椎動物視為「低等生物」,未必給予與哺乳類相同的法律或倫理關注。但若更多實驗持續指出,牠們同樣對嚴重刺激展開避痛行為,社會或終將呼籲修訂漁業與餐飲相關法規。未來可能要求業者在捕撈與宰殺前使用電擊或麻醉,並限制活煮等方式。這勢必對漁業流程與餐廳文化造成衝擊,也引發經濟與文化折衷的爭議。

龐大的實驗數據雖已暗示螃蟹「會痛」,但確鑿的最終定論仍需更多嚴謹研究支持,包括更深入的大腦活動成像與突觸路徑分析。同時,落實到實際操作也需追問:是否存在更快、更人道的宰殺或料理方式?能否維持食材鮮度同時保障動物福利?這種思維轉變既考驗科學進程,也考驗人類對自然資源的態度。也許未來,既然我們仍會食用海產,就該以最小痛苦的方式對待那些可能感受痛苦的生物,為牠們提供基本尊重。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

F 編_96
20 篇文章 ・ 1 位粉絲
一個不小心闖入霍格華茲(科普)的麻瓜(文組).原泛科學編輯.現任家庭小精靈,至今仍潛伏在魔法世界中💃