Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

《大哉問:為何常識會說謊?》

EverDark
・2012/01/15 ・3715字 ・閱讀時間約 7 分鐘 ・SR值 568 ・九年級

Uploaded from the Photobucket Android App

講話極端辛辣的經濟學家(數學家)藍思博又推出新作啦!

事實上他的《公平賽局》我一直很想找時間寫專文推薦,不過不知為什麼地這件事始終一直擱置。(真是沒有說服力。)
這次我可要好好把握這股衝動了。呼。

與作者之前總是以經濟學為主軸的著作不同,這本《大哉問》是內容涉獵廣闊的泛知識思想作,議題包羅萬象,從無神論、經濟模型的簡化、到歌德爾不完備、海森堡測不準定理;談(反)宗教、談存在、談邏輯辯證、談因果關係、也談是非道德,這真的就是上天下海的一趟科普狂旅!且從本書的目錄構成就能對它的「泛知識」傾向有所了解,讓我們來看看——

引言 旅程的起始

-----廣告,請繼續往下閱讀-----

第一部 真實與虛幻
第一章 宇宙是一種數學存在——萬事萬物都是數學結構
第二章 補充說明——建構「不切實際」的經濟模型
第三章 理查.道金斯的謬誤——對上帝說不

第二部 信念的真偽
第四章 不求甚解——為什麼聲波不起漣漪?
第五章 補充說明——色決機制與貿易保護主義的弊害
第六章 找不到真信徒——不信卻說信
第七章 扭曲事實——否定自由意志與超感知覺
第八章 不誠實的真相尋求者——鑑識洩密間諜

第三部 知識的起源
第九章 「為真」不等於「可證明」——歌德爾不完備定理
第十章 補充說明——海格利斯對戰九頭蛇怪
十一章 不完備的思考——人腦vs.電腦棋逢敵手
十二章 推導純邏輯知識——守身如玉反助長愛滋病的傳播?
十三章 建立證據證明因果關係——上網路越高,性犯罪越少?
十四章 知識的緊箍咒——神祕莫測的電子
十五章 補充說明——量子糾結

第四部 是非對錯
十六章 判斷善惡——一命抵十億人的頭痛
十七章 經濟學家的黃金準則——蓋茲用一萬美元買窮鄰居們的一夜好眠
十八章 「經濟學家的黃金準則」行為指南——律師、小丑與奧運選手,誰的社會貢獻度更高?
十九章 不做缺德鬼——反移民的荒謬與造福後代子孫
二十章 兒童遊戲場上的經濟學家——九大公平遊戲規則
廿一章 補充說明——《塔木德》遺產分配法

-----廣告,請繼續往下閱讀-----

第五部 心智的運作
廿二章 如何思考?——九要訣建立清晰思維
廿三章 選對科系——給大學生的忠告

這種看似亂槍打鳥式的知識思想啟蒙,意外地非常有趣。雖然《大哉問》書中各部章節內容大致獨立,不過背後支持它們的體系仍是一脈相承:
以人文關懷為最終訴求的邏輯思考。藍思博出身芝加哥大學數學博士,這本書堪稱就是表露他內在世界觀的一部「數學哲學」的思想著作。

(關於數學哲學——我很喜歡使用類似用詞,好比牛頓寫《自然哲學的數學原理》那樣。)

任何人大概都無法完全被他所說服,遑論他那辛辣到近乎攻訐的冰冷幽默,很容易招致多餘的反感,但我很喜歡。事實上,我也沒有同意他書中的所有觀點,比方說藍思博對「自由意志」的堅定信念,絲毫沒有動搖近來深植我心的懷疑種子,他那看似措辭強烈實則輕描淡寫的論述,也完全無法說服我倒戈。

-----廣告,請繼續往下閱讀-----

上面是個反例,書中大部分針對其他議題的觀點在我看來都很有力道,也讓我產生許多正向的思想回饋,獲益良多!以下我就簡單挑選幾個書中涵蓋的議題,來推銷這本值得一讀的好書。每個議題我都會嘗試引用書中藍思博的話語,我想把這位經濟學家骨子裡尖酸刻薄式的幽默或多或少地也染進這篇專文推薦的色彩裡,覺得這才更能凸顯本書那些「知識外娛樂」的附加價值。(笑)

(各位完全可以從我挑選議題的方向來察覺我個人對某些議題甚至是其背後結論的偏好。)

不過,還是先寫在前頭——
在我看來,人類的思想大地一直都處於戰國時代,從來不曾和平。而這本書(乃至於試圖推銷這本書的這篇文章)很可能使一些人極度反感、或者被大大地激怒,而且這是合理而可以預期的,所以它才夠格被稱之為一本思想作品。

而且,
我喜歡從最刺激的開始。

-----廣告,請繼續往下閱讀-----

談談道德吧!

『……其實我們一直在現實生活中贊成隨機殺人。我們明知開車、興建游泳池、使用疏通劑、喝龍舌蘭酒,會導致一些人死亡,但仍繼續這樣做。為了讓其他人能開車到歌劇院,已經有人為此喪命。』

——史蒂夫.藍思博《大哉問》第215頁

道德的哲學觀點從最粗略的角度出發起碼可以劃分為「義務論」與「結果論」兩種看法,前者認為某些行為是絕對錯誤,後者認為行為招致的後果決定行為是否錯誤。

這之間確實存在模糊地帶。
有時候我們從結果論的角度看待議題,有時候似乎又轉換成義務論。
我們談善意的謊言,顯然說謊不完全是不道德。
那麼殺人呢?
究竟有沒有善意的殺人這檔子事?
這背後顯然就大有文章了。

『任憑一個人死於腎臟疾病是可以接受的,
而從他的抽屜裡竊取一毛錢卻是不對的,
這究竟是怎麼一回事?』

——史蒂夫.藍思博《大哉問》第218頁

偷竊是不對的。
帶著一顆多餘的腎臟而無視那些需要器官捐贈的病人,則是可以接受的。
我們的價值觀倍受挑戰,但我們顯然是寧可裝作不知道。

-----廣告,請繼續往下閱讀-----

拜「正義:一場思辨之旅」在網路上竄紅的討論之賜,現在很少人沒聽過電車問題的道德兩難困境了吧!我簡直懶得重述其內容。人們對於親手推一個無辜的胖子墜落軌道藉以拯救可能被電車撞死的五個人,這樣的行為,本能上有所抗拒——其抗拒程度遠超越如果你只是按下一個開關讓電車軌道改變,而還是使得電車撞死另一條軌道上的一個人。

整件事情以結果論的角度能呈現明顯的輪廓:犧牲一人救了五人。那我們到底在抗拒什麼?這個兩難議題點出一個存在腦科學基礎的關鍵,就是我們對道德的判斷存在基本的情緒因子。而這個因子又是從演化而來。在認知神經科學家葛詹尼加的大作《大腦、演化、人》中曾經相當深入地探討這種「道德羅盤」的內涵,此外,喬納.雷勒的《大腦決策手冊》裡也有一整個專章介紹道德的神經科學基礎。

(其實我真該另開專文推薦《大腦決策手冊》這本書,不過也還有堆積如山的其他腦科學科普書同樣值得推薦卻有待本人的惰性瓦解……)

我們的大腦有一個接近義務論哲學觀的道德本能,對某些事物存在天生的反感。更具體地說,科學家發現大腦腹內側皮質受損者對於電車問題的兩個方案表現出毫無掙扎的「冷漠」。他們會推那個胖子下去。

-----廣告,請繼續往下閱讀-----

那麼想想以下這個:

十億人正遭受相當輕微的頭痛困擾,只要殺死一個無辜的人,所有人的頭痛立刻停止,否則將再持續痛一個小時。殺掉那個無辜的人,可以嗎?

可以嗎?
這裡所謂的可以,
我們是在問:這麼做是道德的嗎?

諾貝爾經濟學獎得主約翰.海薩尼提出「失憶症原則」,認為關乎道德判斷的決策需要人們將自身利益與之脫鉤。所以當窮人讚成徵富人稅,我們有理由懷疑背後的利己思維。如果一個人做判斷是根據失憶症原則——他不知道自己的實際處境——接下來才是道德問題。有趣的是此時人們依然以相當程度的利己思維來面對問題,「我有六分之一的機率成為那個被推下去的替死鬼」,但這個利己思維由於失憶症原則的運作而使得「一為全、全為一」,我們實質上變成從所有人的利益點出發。

-----廣告,請繼續往下閱讀-----

如果說道德來自一顆演化的腦,我們是否應該盲從它?
關於這個問題的答案我有一個很強烈的見解。誠如我們對數字分析的能力也來自這顆演化的腦,而這項能力真是糟得無以復加(在此我沒有更多篇幅可以談這個了),所以顯然我們在某些情況下會希望能夠透過學習來補強演化結果的不足。

殺掉那個無辜的人,可以嗎?

再來談談相關與因果吧!

知識的傳播不斷在進展,我相信隨著時代演進有越來越多的人可以很直覺地判斷出相關現象不等於因果連結。絕大多數時候都不是這麼一回事。這卻帶來一個潛在的災難,就是出現一群人宣稱因果關係從來無法在以相關性下手的理論分析中得到證明。

這是錯的。

『當我把自己對於肯德爾教授的研究心得發表在《石板》雜誌上時,我遭受到了一群半吊子海參的電子郵件圍攻。他們一本正經地解釋說,他們認為這類知識根本不可能成立,因為相關性不代表因果關係,因此因果關係永不可能確立。對這些人來說,生活到底是怎麼一回事呢?難道他們一直假裝不知道,他們的汽車停下來是因為沒油了?』

——史蒂夫.藍思博《大哉問》第172頁

所以肯德爾的研究是什麼?
上網率的提升有助於降低強暴犯罪率。
在《大哉問》第十三章中針對實證經濟計量學家如何從相關性議題中處理因果辯證有很好的詮釋。做為一位經濟學的學者(基本上也是擁護者),我感受到一股強烈的義務要把這部分引介給廣大讀者。

在書中,藍思博很簡明扼要地介紹了「自然實驗」與「工具變數」的概念。它幫助無法在控制實驗環境下處理議題的經濟學家分析許多有趣而且重要的問題。我們在乎因果,但整個社會充斥的是相關現象。極端的懷疑論者不認為相關現象之中能夠看見因果,但事實上只要我們具有良好的數學理論基礎,我們確實有可能看清深藏在社會現象背後的因果關係。

上網之所以降低性犯罪率,是因為有額外的管道可以讓潛在犯罪者發洩他們的性慾。這聽起來只是一種說法,但經濟計量學企圖以數學邏輯挑戰證明。在這個部落格上過去我介紹過不少實證經濟學文獻,他們幾乎都在利用這樣的工具嘗試回答常人難以回答的重要問題。

對於那些太過忙碌而總是無法完整翻閱一本好書的讀者,我會特別建議在書店中把這個章節拿起來玩味看看。這不需要幾十分鐘,但帶來的思想激盪可謂是不對稱地巨大而有意義。同理,本書第二章針對經濟模型為何不切實際也有精湛的詮釋,值得一讀。

雖然接下來我還想談談本書中對於宗教信仰的看法,不過覺得本文篇幅已經太超過,所以就把樂趣留給大家吧!

喔,絕對不是因為我害怕內容會過份辛辣。

*本文原文發表於Alienatio.

-----廣告,請繼續往下閱讀-----
文章難易度
EverDark
15 篇文章 ・ 0 位粉絲

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

1
1

文字

分享

0
1
1
比起文字,人類更傾向透過聲音來理解並記憶語言——《大腦這樣「聽」》
天下文化_96
・2023/02/12 ・1436字 ・閱讀時間約 2 分鐘

-----廣告,請繼續往下閱讀-----

我們正在逐步瞭解語言學習策略如何改善腦中的聲音處理過程。

語言學習策略與大腦處理聲音的過程息息相關。圖/Envato Elements

以聲音來強化語言能力

如果,我們能在孩子蹣跚學步時,就藉由瞭解他們的聽覺神經系統來預測他們七歲時的閱讀能力,那麼我們就能預先採取行動,避免負面結果發生。

海德公園日校所使用的輔助性聽覺裝置是其中一種方法,普羅維登斯採用的穿戴式計字科技產品是另一種,默澤尼克和塔拉爾開發的聽覺訓練遊戲,以及貝納西奇研發的寶寶玩具則是提供了額外的有效途徑。

對聲音和語言之間的關係有更多瞭解之後,我們就能找出更好的方法幫助孩子發展語言能力,幫助我們可以聽得更好的科技正在蓬勃發展。

了解更多聲音和語言之間的關係,就能找出幫助孩子發展語言能力更好的方法。圖/Envato Elements

我希望看見它們成為主流,而非僅限於像海德公園日校這樣的少數地方。我有位學生是語言障礙人士,我在教學時會戴上有如項鍊的麥克風,而她所戴的輔助性聽覺裝置可以接收來自麥克風的訊號。

-----廣告,請繼續往下閱讀-----

某天下課後,我跟她交換裝置,結果令我印象深刻:她站在演講廳的另一頭說話時,我可以清楚聽見她的聲音。我能想像,在嘈雜的環境中每個人都能因這項科技而受惠,如果可以發展出更強的語言能力對每個人都有幫助。

聽覺、閱讀、有聲書

身為一個對聲音有著各種琢磨的人,我想知道體驗聲音的新方式會對我們的聽覺神經系統產生什麼影響。我之前曾提過,我結束一天的方式大部分是由我先生唸書給我聽;但我沒有提到的是,我也會聽有聲書。這對我的聲音意識會有什麼影響?我的閱讀、說話和思考方式會有什麼變化?就理解和記憶的層面而言,聽文本和讀文本的效果似乎相差不遠。

有時候,用聽的效果可能更好。

我就發現莎士比亞筆下那些古文,比起閱讀,用聽的更能讓我理解;演員在聲音中加入諷刺、幽默或其他線索,可以幫助我們對所聽到的內容有更全面的理解。

莎士比亞浪漫喜劇〈仲夏夜之夢〉(A Midsummer Night’s Dream)。圖/GIPHY

大聲朗讀也可以提升你對所讀內容的記憶程度,我認為人類的天性更傾向於透過聲音來理解並記憶語言,而不是透過文本;因為在我們開始讀跟寫之前,聽覺是幾百萬年就演化出來的能力。

-----廣告,請繼續往下閱讀-----

有聲書擴大了我們可以閱讀的環境,聽有聲書時我會戴上耳塞式耳機,一方面聆聽內容,一方面同時隔絕了我在烹飪(滋滋作響的洋蔥)、健身或搭火車時的背景噪音。

我期待進一步探究聽文本和讀文本的生物學基礎,以及個體之間的差異;我想要知道聆聽有聲書會對聲音意識的演化產生何種影響。

——本文摘自《大腦這樣「聽」:大腦如何處理聲音,並影響你對世界的認識》,2022 年 12 月,天下文化出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
天下文化_96
142 篇文章 ・ 624 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。

1

2
1

文字

分享

1
2
1
人類的閱讀能力並非與生俱來?聽覺與閱讀的關係比你想像中大——《大腦這樣「聽」》
天下文化_96
・2023/02/11 ・1834字 ・閱讀時間約 3 分鐘

我們的腦中並沒有專門處理閱讀相關行為的神經中樞。

閱讀並非與生俱來

人類開始閱讀的時間不過短短幾千年。圖/Envato Elements

研究失讀症的學者沃爾夫(Maryanne Wolf)曾寫道:「閱讀從來就不是人類與生俱來的能力。」人類開始閱讀的時間不過短短幾千年,生物演化的速度沒有這麼快。也許,在很久很久以後,我們的後代腦中會有處理閱讀的神經中樞,但據我所知,二十一世紀的人類腦中沒有[1]

但是我們確實會閱讀,這其實是借用了其他腦區來完成閱讀任務,尤其是借用了聽覺神經系統,視覺神經系統當然也跟閱讀有關,但跟聽覺有關的腦區(包括掌管說話和理解口語的腦區)發揮了極大的作用。

常有人問我:「聲音跟閱讀有什麼關係?」聲音和閱讀之間的關聯並非顯而易見。

我們通常都是安靜地、無聲地閱讀,但聲音是語言的根本,而語言是閱讀的根本;透過大聲朗讀可以明確建立聲音和其書寫方式的關聯。學習閱讀時,我們必須在語言的聲音以及用來表示它們的字母之間建立連結;閱讀能力差的讀者在處理聲音時會遭遇困難[2],而聽覺處理是他們在面對閱讀時最大的挑戰之一。

-----廣告,請繼續往下閱讀-----
閱讀時通常是安靜無聲的。圖 /Envato Elements

聽覺與語言

語言學習有賴我們辨別不同聲音模式的能力,聽到一個句子時,我們很自然地知道字跟字之間的斷點在哪裡,下一個字的起點在哪裡;但從聲學的角度來看,字與字之間並沒有明顯的間隙。

音素(phoneme)融入音節(syllable)之中,音節又融入字詞(word)之中,如此一來,字詞之間無聲的間隔不見得會比連續語言中單一個字詞裡的無聲間隔(譯注:指單一字詞中音節與音節之間的間隔)來得長(通常更短)。

不過,有些線索可以幫助我們,舉例來說,在英語中很少出現「mt」這樣字母/聲音的組合,所以,聽到一段包含「Sam took」在內的語句時,我們直覺地知道這並不是一個新字「samtook」。

我們在很小的時候——兩天大的時候!——就學會了這些跟英語有關的技巧。威斯康辛大學的教授薩弗蘭(Jenny Saffran)發現八個月大的嬰兒在接觸一種虛構的語言僅僅兩分鐘後,就學會了其中的聲音規則。

-----廣告,請繼續往下閱讀-----
嬰兒在接觸一種語言兩分鐘後,就學會了聲音規則!圖/GIPHY

在神經處理聲音的過程中,可以很明顯地看出神經系統得以學會辨識特定的聲音型態(pattern learning)。Brainvolts 的研究生史苟(Erika Skoe)發現,一旦受試者對虛構語言所蘊含的聲音型態感到熟悉,神經系統便會加強對泛音的處理。同樣地,當一個語言的音節在規律的序列中出現,而不是隨機出現在一串不同的音節當中時,泛音的處理也會受到強化。

然而,有語言障礙的兒童無法學會擷取這些隱含在語言中的規則,類似的情況也發生在聽力損失的兒童身上,他們面對需要辨識語言中特定聲音型態相關的語言任務會有困難;此外,自閉兒在接觸這類人工語言時,腦中活動會出現與一般人不同的獨特模式。

另一方面,雙語及音樂訓練則可以強化對聲音中特定型態的處理。

註解

  1. 西元前四世紀的人腦中也沒有處理閱讀行為的神經中樞,當時柏拉圖對印刷術抱持懷疑態度,他擔心這會妨礙記憶:「如果人們學會了這個(指文字符號的書寫),就會在靈魂中植入健忘,他們將停止鍛鍊記憶,因為他們將依賴書面文字,不再從自身內在召喚記憶,而是靠外在的符號。」
  2. 閱讀跟視覺有關(或觸覺,如點字印刷),這一點無庸置疑。造成讀寫障礙的原因,在視覺上主要是對動作、時間變化訊息的掌握有缺陷,而不是顏色或空間感知出了問題。讀寫障礙人士比一般人更容易發生眼睛疲勞或視覺扭曲的問題。然而,儘管閱讀和視覺有明顯的關聯,但聲音處理似乎跟閱讀有更大的關係。

 

-----廣告,請繼續往下閱讀-----

——本文摘自《大腦這樣「聽」:大腦如何處理聲音,並影響你對世界的認識》,2022 年 12 月,天下文化出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
天下文化_96
142 篇文章 ・ 624 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。