0

0
1

文字

分享

0
0
1

酵母的身世之謎:不要問我從哪裡來,我的故鄉在遠方—《酒的科學》

商周出版_96
・2016/12/12 ・4602字 ・閱讀時間約 9 分鐘 ・SR值 549 ・八年級

  • 自有了文明以來,人類花了一萬年的歲月,欲罷不能地提煉著一種「元素」,那是儀式及慶典中不可或缺的一部分。人類與酒精的關係,在發酵、蒸餾、熟陳和品嘗的過程中不斷不斷循環。認識了酒製作過程,像是重新認識了人類歷史上的一個環節。在這篇文章中,將從酒的靈魂——酵母談起,人類終於發現將糖份變成酒精的背後有這樣的一群肉眼看不見的生物催化……

了解酵母菌是促成發酵的幕後推手後,思考的方向開始有所改變,也引起了不同的疑問:為什麼發酵的結果有好有壞? 哪種酵母最好用?到了 1880 年初期,酵母引發的爭論已然接近尾聲,但尚未結束。

此時,羅伯.科霍(Robert Koch)正專注於細菌的研究。他率先使用大量創新的實驗方式,並以瓊脂做為培養基液,讓細菌在培養皿中繁殖生長。這個作法在今天的業界習以為常,在當時卻是非常先進的技術,而科霍更藉此締造了包括分離出炭疽菌和肺結核菌等許多偉大的成就。接著,科霍進一步制定了一系列沿襲至今的推論法則,用來驗證各種疾病的致病微生物。

啤酒發酵過程中產生的氣泡。為什麼發酵的結果有好有壞? 哪種酵母最好用?圖 / By Ildar Sagdejev, GFDL, wikimedia commons
啤酒發酵過程中產生的氣泡。為什麼發酵的結果有好有壞? 哪種酵母最好用?圖 / By Ildar Sagdejev, GFDL, wikimedia commons

愛彌兒克里斯提安韓森(Emil Christian Hansen)是丹麥的微生物學家,他在 1882 年秋天拜訪了科霍的實驗室。韓森當時任職於嘉士伯釀酒廠(Carlsberg Brewery),這是一家經典拉格啤酒(lager,淡啤酒)的供應商,可是生產的啤酒不但口感太苦而且還有異味。

韓森認為科霍的方法可以用來處理啤酒中的微生物,於是著手進行研究,最後得以運用科霍的技術分別培養出酒廠釀造中使用的四種不同酵母菌種。韓森逐一檢驗並排除每個菌種,終於找到問題的癥結;事實上,他發現只有「嘉士伯一號底層酵母」可以用來釀造出優良的啤酒。於是,酒廠開始使用此單一菌種來釀造啤酒;韓森並在 1908 年將該菌種命名為「嘉士伯釀酒酵母菌種」(S. carlsbergensis。(生物學家格外在乎命名;早在基因定序法出現之前,生物分類學者們便為每一種真菌的細微特徵及行為爭論其歸屬。韓森認為自己發現的不是一個相似菌株,而是一種完全不同的酵母菌種,所以必須與懸浮於釀液表面、比較像是用來製造濃稠愛爾啤酒的釀酒酵母有所區別。)嘉士伯菌株,或是乾脆認同韓森的分類,稱之為「菌種」,是一種拉格啤酒的釀造酵母,在釀製過程中會沉積於釀液底部。

-----廣告,請繼續往下閱讀-----

為什麼釀造過程有些酵母菌會懸浮,有些會沉積?

某些酵母在釀造過程中會凝結並下沉──稱為「絮凝作用」,其實這在今天仍然是釀酒商與研究人員面對的問題之一。愛爾啤酒的酵母不太容易凝聚,所以會懸浮於發酵物的頂層;而拉格啤酒的酵母凝聚性很強,往往會凝結並沉積於底部。當使用酵母來研究癌症或人體新陳代謝時,絮凝作用會是令人頭痛的問題。高黏度的酵母使用起來並不方便,但是在釀造特別口味的啤酒,或打算釀造完成後回收酵母,你便會希望能夠掌握這些凝聚物的位置。

我們知道,頂層發酵的酵母菌細胞壁是水分難以穿透的,理論上比較容易附著於二氧化碳氣泡而隨之浮起。底層發酵的酵母菌表面會形成糖蛋白複合物的枝芽,使得它們能夠發揮「魔鬼氈」一般的效果彼此沾黏。酵母菌經過攪拌器處理後,表面的髮狀枝芽(業界稱為「菌毛」〔fimbriae〕)會被剝離,如此一來,原本的絮凝體也就不再絮凝了。

釀造拉格啤酒使用的底層發酵酵母,例如韓森的嘉士伯釀酒酵母菌種(目前又稱為巴氏酵母〔S. pastorianus〕,在命名上更加混亂了),已經成為全球釀酒業使用的主要酵母菌種。然而,啤酒及葡萄酒的釀酒師們並不在意絮凝作用,因為酵母將糖全部分解後,保持絮凝狀態比較容易移除。這或許可以說明,為何經過幾個世紀的菌種篩選,釀造者使用的菌種會產生絮凝作用,野生菌種則往往不會。不過,巴氏酵母是靠著人類才能長存茁壯,它只存在於釀酒的世界。沒人知道它從何而來,也沒人真正曉得任何一種酵母是如何來到人類的世界──它們的原生起源為何?另外,人類又是怎麼發現這些可以用來做出可口麵包和啤酒的酵母菌呢?

5476411596_a8367dcc0e_z
人類是怎麼發現這些可以用來做出可口麵包和啤酒的酵母菌呢?圖 / By Katrin Gilger @ flickr, CC BY-SA 2.0

我們馴化了酵母菌?

這些問題引起了遺傳學家賈斯汀費伊(Justin Fay)的興趣。他從 2000 年初便開始向人們收集各種酵母菌樣本,在轉任至華盛頓大學進行研究工作後,他發現可以利用基因定序技術來找到一些答案。

-----廣告,請繼續往下閱讀-----

「儘管來自實驗室有關釀酒酵母的資訊多到目不暇給,我們卻真的不太清楚酵母菌是從哪兒來的,」費伊說,「而人們取得的樣本,大多來自麵包店、釀酒廠與葡萄酒莊。所以,當時的想法是,酵母菌有點像是人類飼育的狗或牛,是一種經過馴化的物種。」不過後來人們開始送來更多的樣本,或將它們存放在如英國酵母菌種中心這類活體資料庫中;在這些樣本的採集地,酵母菌都沒有為人類服務過,其中有許多來自樹木或醫院。「問題是,」費伊說道,「它們是否跟流浪狗一樣,是從葡萄酒莊逃出來的?還是確實擁有野生菌種祖先的身分呢?」

酵母菌:不要問我從哪裡來(我自己也不知道......。圖/By Bob Blaylock - Own work, CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php?curid=11456513
酵母菌:不要問我從哪裡來(我自己也不知道……)。圖/By Bob Blaylock – Own work, CC BY-SA 3.0, wikimedia commons

費伊所謂的馴化,指的是將某個野生物種馴服的過程。其實,費伊還提出一個更恰當的說法:「按照我們的需要,對一個物種進行特別的改造,使它可以替我們從事特定的工作。」這就不僅是訓練一隻動物那麼簡單了。馴化代表要在馴服過程中,從基因上做出改變、培育產生某些特性,以便能夠世代相傳下去。舉例來說,牛就是經過馴化的物種,人類食用牠的肉、飲用牠的乳汁,但是從來沒人見過野生的乳牛。農場上的母豬是生不出野豬的(差別在野豬的獠牙及凶暴的個性)。

對於某些物種,科學家們就比較清楚,或至少能夠判斷牠/它們被馴服的時點,這要歸功於基因定序技術。如同費伊想用在酵母菌上的方法,科學家們能夠從馴化的物種和它們現存野生遠親的基因中找到差異。由於基因隨著時間發生變異的速率是可以推算的,差異愈大就代表兩者發生分歧的年代愈久遠。

為了說明野生物種與其馴化品種之間的差異,可以用一個經典實驗來描述,而且會比任何其他方法都來得清楚。1958 年,西伯利亞前蘇聯細胞及遺傳學研究中心的生物學家狄米崔貝爾耶夫(Dimitry Belyaev)做了一個研究,探討狼如何在 15,000 年前演化成狗。他帶著他的學生與同事,從附近的獸皮養殖場中收集了 130 隻銀狐,然後選擇那些最友善的──那些在餵食的時候不會畏縮在籠中,而會主動接近飼養員的(也包括那些不會咬人的)來進行繁殖培育。貝爾耶夫選來培育的銀狐只經過九代就成為溫馴的小狗。牠們看起來已像是狗──毛色多樣、耳朵鬆軟,如幼犬般下垂。這些狐狸在外觀上,其外顯型(phenotype)的生物特徵,都和所有馴化的動物雷同,而且牠們性好嬉戲,非常親人。

-----廣告,請繼續往下閱讀-----
銀狐。圖/By Zefram - Own work (own photography), CC BY 2.0 de, https://commons.wikimedia.org/w/index.php?curid=4377035
銀狐。圖/By Zefram – Own work (own photography), CC BY 2.0 de, wikimedia commons.

貝爾耶夫的實驗仍在繼續進行著。為了用於對照,實驗室同時在一個像是平行空間的區域裡,放養一批刻意未經馴化的狐狸,牠們露出利牙、咆哮嗥叫,野性似乎比其野生遠親還強。多年以來,西伯利亞的研究者還對貂類與鼠類做了類似實驗,結果也大同小異,而就在最近,遺傳學家已開始對這些狐狸採樣,嘗試將其表現型別連結到基因型別(genotype)──這是一種難以掌握的生物特徵比對,面對擁有複雜行為的生物則更加艱鉅。

從這些實驗,我們「只能」看到在人類主導下刻意造成的馴化,並無法說明人類與微生物長久以來微妙共存的關係,一種偶然之間形成的合作關係。不過,已有其他研究者付出心力。幾位匈牙利的生物學家在 2003 年發表了文獻,描述他們所做的一個類似貝爾耶夫的實驗。他們將一些剛出生的幼狼與幼犬放在一起親手餵養,長大後的狼與狗一般乖巧、同樣聰明。接著,他們在試探這些動物的群體合作表現時發現,狗兒們會向飼養者求助,狼則堅定的獨立作業。研究者宣稱,那些狗兒並非本能地認為已與人類成為群體,不過牠們就是會指望人類伸出援手。

當狼第一次脫離狼群,加入當時以狩獵採集維生的人類,以及開始試著打滾裝可愛討好人類,並了解到只要不吃人類孩童,便可睡在火邊取暖、不勞而獲吃到人類贈予的食物時,是不是已經成為《黑奴籲天錄》中的「狼科(Canis lupus)版湯姆叔叔」?說不定牠們還更加精明?當人們以為自己正在馴服牠們,其實牠們正在馴服人類

對微生物也可以進行同樣的實驗,而且實際上更為簡單。費伊手上有種稱為「奇異酵母」(S. paradoxus)的活樣本,是與啤酒酵母相近的菌種,尚未用於釀酒或實驗。奇異酵母生長在橡樹上,通常存活於樹皮或「分泌物」,即樹的汁液。它和釀酒酵母一樣也吃糖,排放乙醇。

-----廣告,請繼續往下閱讀-----

費伊協同另一位研究者,約瑟夫班那維第斯(Joseph Benavides),盡可能地收集他們可以找到的各種酵母樣本──總共 81 種。大部分樣本來自葡萄酒莊,但是費伊及班那維第斯也取得了一些製造清酒(日本米酒)的酵母,以及蒸餾後的燒酒。樣本中還包括非洲棕櫚酒(棕櫚樹汁製成)、印尼發糕(ragi,一種發酵米糕),以及一種蘋果酒。其中共有十九件菌株來自橡樹,或是免疫系統受到破壞的醫院患者。

費伊從中隨意揀選五種基因,結果出現大約 180 種基因多形現象,亦即同種菌株的基因組出現的微小差異。經過比對之後,他發現這些菌株中最接近奇異酵母的(也就是最接近原始性狀的),是那些源於非洲及北美洲橡樹汁液中的菌株,以及來自診所的樣本。而在那些用來釀酒的菌株中,則以採自非洲的樣本最原始,接下來是葡萄酒莊和清酒用的酵母菌株,變異程度也低於其他樣本。

5358717417_eb7f70da43_z
大約 180 種基因多形現象,亦即同種菌株的基因組出現的微小差異。葡萄酒莊和清酒用的酵母菌株,變異程度低於其他樣本。圖 / By Denise Mattox @ flickr, CC BY-ND 2.0

費伊認為,這些結果顯示以下論點:大約在 11,900 年前,人類將非洲酵母馴化為釀酒酵母;清酒麴系出同源,出現在3,800年前;2,700 年前又衍生出葡萄酒莊使用的菌株。然而,費伊覺得自己的推斷仍欠理想,因為在計算過程中,他無法掌握一個酵母世代存續(從出生到繁衍)的確切時間,而人們在估算時動輒便以十年為單位。不過大致上,費伊推敲的數字與考古學家標註在人類最早的釀酒、清酒古物上的時間表吻合

「我們可以從中確定的是,酵母的族譜相當龐大,就像很多其他馴化的微生物與物種一樣,」費伊表示,「用來釀造葡萄酒的酵母菌形成一個族群;用來釀製清酒的酵母菌也構成一個基因相近的家族。每種不同用途的酵母,都各自對應到自己的基因模式。」

-----廣告,請繼續往下閱讀-----

列印

 

本文摘自《酒的科學:從發酵、蒸餾、熟練至品酩的醉人之旅》,商周出版。

-----廣告,請繼續往下閱讀-----
文章難易度
商周出版_96
123 篇文章 ・ 364 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商周出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。

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

2
3

文字

分享

0
2
3
每次呼吸都會吸入十個孢子?一朵菇如何形成?無所不在的真菌生命循環!——《真菌大未來》
積木文化
・2024/02/21 ・3532字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

真菌的生命週期

一切始於一顆孢子

孢子是真菌生命週期的開始,也是結束。這些單細胞單元裡,包含著新真菌個體的繁衍密碼。面對無數微生物競爭者和惡劣的環境條件,孢子萌芽的機率極低,因此真菌釋放出數萬億個孢子來提高生存機會。孢子維持在一個暫停於生死之間的狀態,密切留意周遭世界並尋找適合落腳的地方。孢子很微小,無處不在,所以根本無法躲避它們,以我們自己而言,每次的呼吸都會吸入十個孢子。

孢子是真菌生命週期的開始,也是結束。圖/unsplash

被稱為「胚種假說」(Panspermia)的生命起源論甚至認為:生命的藍圖被包裹在一顆孢子當中,並在太空中旅行,在宇宙中尋找適合落腳的家園。儘管對此假說爭論不休,但我們確實知道孢子可以耐受極端溫度、抗輻射,甚至可以在真空狀態的太空中存活。 1988 年,和平號空間站(mir)的俄羅斯太空人就注意到,他們的鈦石英窗外有「東西」在生長,而且正在漸漸「啃穿」鈦石英。後來證實,這個「東西」就是一種真菌。1

就像植物一樣,大多數真菌也都採用「紮根在土壤當中」這種耗時的繁殖方式:它們利用菌絲體生長,或透過孢子飄散到新的棲息地。在渴望繁衍其 DNA 的動力下,有些真菌採取巧妙的策略,確保其孢子在新環境中得以繁殖。

擁有誘人香氣的美食佳餚黑松露(Tuber melanosporum)就是一個很好的例子。這種跟黃金一樣珍貴的真菌生長在地底下,隨著孢子成熟,其所散發出的香氣會吸引動物、松露獵人和來自世界各地的美食家。松露的孢子不易被消化,所以最終會安全通過有幸一飽口福者的消化道;在理想狀況下,孢子應已遠離原來被採集到松露的位置。

-----廣告,請繼續往下閱讀-----
擁有誘人香氣的美食佳餚黑松露就是一個很好的例子,松露的孢子不易被消化,所以最終會安全通過有幸一飽口福者的消化道。圖/pexels

在地面上,圓形的巨型馬勃(Calvatia gigantea)子實體保護著數以百萬在內部熟成的孢子。有趣的是,只要戳一下成熟的馬勃,它就會噴出一股煙霧狀的孢子粉,讓風帶走飄散的孢子。

生長在糞便之中的水玉黴菌屬(Pilobolus)真菌,藉由分泌水分充滿泡囊增加壓力,最後像水槍一樣排射出泡囊頂部的孢子囊。有研究經計算發現,孢子囊能以至少 20,000 g (重力)的速率被噴射出去。相較之下,訓練有素的美國國家航空暨太空總署(NASA)太空人在太空船中穿著抗重力服(G-Suit)所承受的重力是 3 g ,而子彈是以 9,000 g 的加速度行進的。

生長在糞便之中的水玉黴菌屬真菌,藉由分泌水分充滿泡囊增加壓力,最後像水槍一樣排射出泡囊頂部的孢子囊。圖/wikipedia

還有能在黑暗中發光的真菌,光線會吸引昆蟲將它們的孢子散布到森林底層。例如,加德納臍菇(Neonothopanus gardneri,俗稱椰子花)就受到晝夜節律的調節,在夜間會發出明亮的光。 2所有這些演化而來的調整,都是為了確保繁殖能夠延續。

為菌絲找到一個家

當孢子落在一個溫度適中、靠近食物和水的地方時,它就會萌芽。孢子經由細胞壁吸收水分,並長出一種稱為菌絲的線狀管。當菌絲在營養基質上生長,就會分支出更多菌絲並形成一條細線。原本的菌絲繼續利用可能是木頭、昆蟲或土壤的基質,由尖端處長出更多菌絲。菌絲間開始融合相連,形成一個相互連接、被稱為菌絲體的物質。

-----廣告,請繼續往下閱讀-----
當孢子落在一個溫度適中、靠近食物和水的地方時,它就會萌芽。圖/wikipedia

每條菌絲的生長都結合了物理力量和化學策略。菌絲會分泌出作用相當於強力消化酸的酵素來分解物質。這個分泌酵素的作用,讓真菌能穿透最堅硬的基質:先將營養物質萃取出來,再經由菌絲體吸收。就像我們唾液中的酵素一樣,很快就可以將口中的麵包變成濕糊狀。

數英里的菌絲體,也許再來一朵菇

菌絲體如同漣漪一般,從孢子萌芽之處輻射向外生長。附近有營養物質出現時,菌絲體就會以圓形的方式使其表面積最大化,朝營養來源方向生長。當一個區域的食物來源耗盡,菌絲體中心處的舊菌絲就會被自己消化掉。殘存在被消化舊菌絲當中的可用資源,則會被重新傳送到菌絲體最外圈,供生長正旺盛的菌絲所用。

最後,菌絲體會長成一個廣大的空心環,也就是有時我們在草地上看見的「仙女環」。隨著資源被重新傳送到菌絲體生長的外緣,中心會逐漸消失,環的周長則逐漸增加。只要有養分和水,菌絲體就可以持續以這種方式不斷地生長下去。

菌絲體會長成一個廣大的空心環,也就是有時我們在草地上看見的「仙女環」。圖/wikipedia

在此階段,除了酵母菌以外的真菌就能由菌絲形成孢子,進行無性生殖。黴菌、銹病和粉狀黴菌等微型真菌總是以這種方式繁殖,例如麵包上所見的黴菌黑點就含有超過五萬個孢子。

-----廣告,請繼續往下閱讀-----

然而,屬於單細胞微型真菌的酵母菌,則採取不同於絲狀真菌的方式進行無性生殖。酵母菌利用分裂產生複製體進行無性生殖,雖然這種方法很有效率,但卻因此錯過了可以經由有性生殖確保遺傳多樣性的樂趣。3

除了透過無性生殖的方式繁殖,若環境條件惡劣(通常情況就是這樣),大型真菌也可以進行有性生殖。當兩個有性生殖相容的菌絲體相遇,它們就會進行融合並形成更大的團塊。

融合後已經具備遺傳多樣性的新菌絲體,等待著合適的環境條件到來,就會聚集它的菌絲、吸收水分膨脹,並形成被稱為原基(primordium)的菇蕾。幾天後,原基逐漸伸長菌柄,將菌傘推出基質表面。最後,菌傘打開就變成了一個完全成熟的菇。菇類的顏色、質地和形狀會因種類而異。

最後,菌傘打開就變成了一個完全成熟的菇。菇類的顏色、質地和形狀會因種類而異。圖/unsplash

根據菇類產生和釋放孢子的方式,可以將大型真菌分成兩群:一群是在封閉囊內產生孢子的子囊菌(asomycota),另一群是從菌褶中形成並釋放孢子的擔子菌(basidiomycota)。擔子菌的菌褶有一層菌膜保護,隨著菇的成熟,該菌膜就會剝落。

-----廣告,請繼續往下閱讀-----

菇的本身可以說就是一個慶典,慶祝擁有數萬億待釋放新世代真菌(孢子)的出現。孢子將再次進入那已經持續循環數十億年的過程之中。自然不會多愁善感,所以慶典終將結束;菇類在完成產生孢子的工作之後,就會開始腐爛消失。

菇的本身可以說就是一個慶典,菇類的出現是真菌生命循環的最美麗時刻。圖/unsplash

它們已經達成自然所交付的任務,而且也不吝讓我們一窺正大自然發自內在的美。菇類的出現是真菌生命循環的最美麗時刻,也許因為這樣,菇類才會如此受到歡迎。

註解

  1. Matthew Phelan, ‘Why fungi adapt so well to life in space’, Scienceline, 7 March 2018, . ↩︎
  2. Anderson G Oliveira, Cassius V Stevani, Hans E Waldenmaier, Vadim Viviani Jillian M Emerson, Jennifer J Loros and Jay C Dunlap, ‘Circadian control sheds light on fungal bioluminescence’, Current Biology, vol. 25, issue 7, 2015, . ↩︎
  3. 譯注:酵母菌也會進行有性生殖,遺傳物質亦會重新洗牌。 ↩︎

——本文摘自《真菌大未來:不斷改變世界樣貌的全能生物,從食品、醫藥、建築、環保到迷幻》,2023 年 12 月,積木文化出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

0

1
0

文字

分享

0
1
0
印地安人和他們的馬
寒波_96
・2023/06/02 ・2714字 ・閱讀時間約 5 分鐘

在歐亞大陸,馴化馬對歷史的影響很大,但是美洲大陸的漫長歷史中,大部分時光不知道馬的存在。最近幾百年,美洲原住民卻和歐洲人引進的馬一見如故,不同族群發展出各異的人、馬文化。2023 年發表的一項研究,探索美洲原住民和馴化馬的交流歷史。

描繪馬與騎士的壁畫,地點為懷俄明州,年代可能為 17 世紀。應該和 Comanche 與 Shoshone 族人的祖先有關。圖/參考資料3

馬在北美洲流傳,早於歐洲勢力深入

依照現有證據推敲,馴化馬的祖先來自美洲,距今 4000 多年前在亞洲馴化。美洲野馬大部份在一萬年前就消失了,不過根據沉積物的古代 DNA 分析,也許仍有少數成員一直延續到 5700 年前。

北美洲的原住民,也就是印地安人,他們的馬都是歐洲人帶來的嗎?為了摸索馴化馬進入美洲的歷史,研究隊伍從北美洲各地獲得 33 個樣本,29 個得知年代,27 個取得古代基因組,除 1 驢,其餘皆為馬。

依照現有證據整理,馬的大歷史。圖/參考資料3

過往認為,1680 年「普韋布洛起義(Pueblo Revolt)」對馬的傳播很重要。西班牙殖民隊伍 16 世紀首先抵達中美洲,要再往北美洲前進,會先接觸北美洲的西南部,也就是廣義普韋布洛族群的地盤。

-----廣告,請繼續往下閱讀-----

雙方 1680 年在現今的新墨西哥州爆發衝突,原住民擊敗外來殖民者,應該也收穫不少馬。有歷史學家認為,這促進馬在原住民網絡的傳播。

然而這回研究指出,至少有四處地點的馬骨年代比 1680 年更早,包括懷俄明州的 Blacks Fork、堪薩斯州的 Kaw River、新墨西哥州的 Paa’ko、愛達荷州的 American Falls Reservoir。這表示歐洲殖民者受挫以前,馬已經進入印地安人的世界,傳播到更遠的地點。

早於原住民與殖民者衝突的 1680 年普韋布洛起義,馬已經深入殖民者尚未抵達的地區。圖/參考資料1

至少在 17 世紀中期時,馬已經傳播到北美洲西半部的廣大範圍。那時殖民者尚未深入到大平原一帶(現今的科羅拉多、堪薩斯、德克薩斯、懷俄明等州),不過殖民者帶來的馬,已經融入一些印地安部族的生活,透過原住民原本的交流網絡迅速傳播。

人與馬建立新關係

印地安人的學習與適應能力很強,美國西北部的愛達荷(講波特蘭、西雅圖的東方,台灣人應該比較熟),17 世紀初期就存在馬銜等裝備,死馬骨頭也有被照顧的痕跡。當時與殖民者還沒什麼接觸的的原住民,已經懂得養馬,也會騎馬。

-----廣告,請繼續往下閱讀-----
不同年代、地點,遺址中馬的分佈狀況。圖/參考資料1

北美洲各地的原住民們,環境條件、生活方式都不太一樣。這也反映在人與馬的關係,17 世紀起衍生出多變的人馬文化。原住民和馬的相處時光雖然不長,卻深刻到成為不少族群的傳統,受到強烈打壓下,馬總是夥伴。

馬骨取得的古代 DNA 分析指出,所有原住民的馬都和更早的美洲馬群無關。維京人曾經抵達美洲,或許有帶馬,但是沒有在美洲留下遺傳紀錄。

顯然美洲原住民的馬,都來自西班牙開始的歐洲殖民者。遺傳上 17 到 18 世紀的馬最接近西班牙,後來卻更像英國,看來歐洲不同勢力前來的順序,也對馬產生影響。

考古學家 William Taylor 在實驗室中研究馬骨。圖/參考資料3

馬的新國度

印地安人指稱馬的名稱很多。像是 Pawnee 族人稱呼馬為「新狗」,Blackfeet 叫作「麋鹿狗(elk)」,Comanche 稱為「魔術狗(magic)」,Assiniboine 則是「偉大狗(great)」。

-----廣告,請繼續往下閱讀-----

美洲原住民的祖先移民到美洲時,與馴化狗一起。長期以來,狗狗是美洲人最親密的動物。上述幾族的邏輯,是將原本熟悉的人狗關係,拓展用於理解馬。

拉科達蘇族騎士 1899 年留影。那時受到殖民勢力連年壓迫,光景已經大不如前。圖/Lakota, Dakota, Nakota – The Great Sioux Nation

拉科達(Lakota)族人心目中,馬的地位更高。拉科達文化中無所謂馴化、野馬之分,也不會特別飼養馬匹,馬屬於「馬國(Horse Nation)」的子民,族語 Šungwakaŋ,和拉科達人就像同盟國一般。

眾多印地安族群中,拉科達人相當出名。公元 1876 年拉柯達蘇族的聯軍,在蒙大拿的小大角擊潰來犯的美軍,轟動一時。領袖「瘋馬」、「坐牛」都成為歷史名人,當中 Šungwakaŋ 的貢獻也可想而知。

延伸閱讀

參考資料

  1. Taylor, W. T. T., Librado, P., Hunska Tašunke Icu, M., Shield Chief Gover, C., Arterberry, J., Luta Wiƞ, A., … & Orlando, L. (2023). Early dispersal of domestic horses into the Great Plains and northern Rockies. Science, 379(6639), 1316-1323.
  2. The untold history of the horse in the American Plains: A new future for the world
  3. Horse nations: Animal began transforming Native American life startlingly early

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
寒波_96
193 篇文章 ・ 1090 位粉絲
生命科學碩士、文學與電影愛好者、戳樂黨員,主要興趣為演化,希望把好東西介紹給大家。部落格《盲眼的尼安德塔石器匠》、同名粉絲團《盲眼的尼安德塔石器匠》。