從奧寺學姐一般人的角度看《你的名字》：瀧，你是不是有解離性失憶症？

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

2013 年，迦納男子無預警地返鄉。在東北部的家人事先不曉得，於西南部工作的他會回來，兩地相距 877  公里。^[1]男子此前總是無故擔憂，廣泛性焦慮症（generalised anxiety disorder）的症狀，使他工作表現失常。^{[1, 2]}這會兒又為了一趟他毫無印象的旅程，曠職 5 日，慘遭解僱。^[1]

2015 年，男子又丟了工作。家庭經濟重擔，令他夜夜難眠。一天，他突然消失。寄宿墓園二週，衣衫不整，神情疲憊。被送醫的次日，他想起來自己是誰，卻不清楚入院的始末，更別說同死人相依的時光。^[1]

三載過去，2018 年男子再度失業。這回他暫居離家 30 公里外，一個山丘上的社區。兩個月後的某天，他雖然無法說明自己的身份，但是記得姊姊的聯絡方式。於是詢問一名陌生人此處的地名，並打電話求援。^[1]

2022 年，他 39 歲了。幾天前不曉得是第幾度被革職，現下閒著坐在家門口讀小說。然後一如往常，又是失蹤兩週。之後，倒楣的姊姊接到 93 公里外的醫院致電，請她來領人。回到家裡，男子情緒差，睡不好，體重下降，想死。他四處祈神求醫，分別造訪三名心靈醫者（spiritual healers）。他們都覺得男子「被矮人綁架」了。非洲傳說中，遭矮人藏匿幾天到數年的受害者，歸返後會有神奇的魔力。然而，男子沒有得到，只有失去，醫者亦無解方。他從此酗酒助眠。^[1]

精神狀態檢查

當然迦納長老會區域精神健康中心（Presbyterian Regional Mental Health Center）的醫師，抱持迥異的看法。他對男子進行精神狀態檢查（mental state examination，簡稱 MSE），並記錄大部份的項目：^[1]

• 外表（appearance）：乾淨整潔；左心窩處有疤；體重減輕，以致顴骨突出。^{[1, 3, 4]}
• 情緒（mood）：男子表示心情憂鬱低落，特別是自己頻繁失業又失蹤，成為家人的負擔。^{[1, 3, 4]}
• 表情（affect）：^[註]有正常的反應變化。^{[1, 3, 4]}
• 言語（speech）：（原文未說明是語調、速度，還是聲量等）異常。^{[1, 3, 4]}
• 思考（thought）：具輕生的念頭，但無自殺或自殘的計劃。^{[1, 3, 4]}
• 認知（cognition）：在定向能力（orientation）方面，他對人物、時間和地點都有正確認知。此外，注意力和短期記憶也沒問題。唯一麻煩的，就是他回憶不起失蹤的兩週發生什麼事情，還有手機跟裝著證件的皮夾哪去了。^{[1, 3, 4]}
• 判斷力（judgment）與病識感（insight）良好。^[1]

完成 MSE 之後，醫師又為男子做了其他檢測和評估，確定診斷為解離性漫遊（dissociative fugue）、憂鬱症（depression），以及酒精依賴症候群（alcohol dependence syndrome）。^[1]

解離性漫遊

《精神疾病診斷與統計手冊》第五版（DSM-5）將以前曾被視為單獨疾病的解離性漫遊，當作一種症狀。它可能會出現在解離性障礙（dissociative disorders），例如：解離性失憶症（dissociative amnesia）和解離性身份障礙（dissociative identity disorder，昔稱「多重人格」）中。^[5]

• 解離性失憶症：回憶不起經歷過的災難性事件。^[5]
• 解離性身份障礙：童年時受到重大創傷，而發展出多個人格。他們各自有不同的聲音、行為和記憶。^[5]

無論是失去記憶，或擁有數個人格，都是面對龐大心理壓力時的自我保護機制。^[5]解離性漫遊的盛行率約 0.2%，^[1]發病出行短則幾小時，長可達數月，目前沒有預防的方法。投藥治療的同時，得針對問題根源的創傷，協助恢復記憶或整合人格。^[5]

回到迦納男子的個案：他每次工作出狀況，都會暫時喪失部份記憶，導致遠遊期間不像自己。回來之後，恢復原本的人格，反倒忘卻在外地的細節。醫師開了抗憂鬱劑，並安排他參加戒酒療程，接受心理諮商，還有每天回診評估自殺風險。3 個月後，他不漫遊，不喝酒，也不再想自盡；儘管依然稍微陰鬱。失去的手機、錢包和記憶，始終沒找回來。^[1]

備註

精神狀態檢查中，mood 和 affect 的差別，在於前者是個體主觀的情緒感受，像是生氣和難過；後者則為醫護人員觀察到個體情緒的非語言表達，好比大笑或哭泣。^{[3, 4]}病人或許難過卻大笑，所以 mood 與 affect 未必一致（congruent）。^[4]若以國家教育研究院樂詞網為準，mood 可以翻譯成「心情」、「情緒」或「內情」；^[6]affect 為「情感」、「情意」和「性情」。^[7]不過，也有精神科診所將 affect 稱為「外顯表情」。^[8]本文為了方便一般讀者理解，採用「表情」一詞。

1. Daliri DB, Afaya A, Koomson WHF, et al. (2022) ‘Recurrent Episodes of Dissociative Fugue with Comorbid Severe Depression and Alcohol Dependence Syndrome’. Case Reports in Psychiatry, 7362823.
2. ‘Generalized Anxiety Disorder (GAD)’. Johns Hopkins Medicine. (Accessed on 02 DEC 2022)
3. ‘Mental state examination’. (NOV 2018) The Royal Children’s Hospital Melbourne.
4. Voss RM, M Das J. ‘Mental Status Examination’. (12 SEP 2022). In: StatPearls. Treasure Island (FL): StatPearls Publishing.
5. ‘Dissociative Fugue’. (19 APR 2022) Cleveland Clinic.
6. 國家教育研究院「mood」樂詞網（Accessed on 02 DEC 2022）
7. 國家教育研究院「affect」樂詞網（Accessed on 02 DEC 2022）
8. 〈常見的精神症狀有哪些？〉杏語心靈診所（Accessed on 02 DEC 2022）

• 作者／艾德華．布爾摩 (Edward Bullmore)；譯者／高子梅
• 編按：文末寫到的 P 太太為類風濕性關節炎患者，也被作者診斷有憂鬱症的症狀。

在醫學上，憂鬱症比發炎還要古老。我們到羅馬時代才知道發炎的基本病徵，但古希臘時代就已經知道「憂鬱」（melancholia）這回事了。

大約西元前 400 年，在醫學之父希波克拉底（Hippocrates）門下的醫師就意識到憂鬱的兩個面向，我們現在稱作情緒和認知。一方面，他們看到了靈魂的痛苦，拉丁文是 angor animi，這種痛苦會透過恐懼、消沉、悲傷和鬱悶等方式來表現。

另一方面，則是悲觀又不切實際的傾向，拉丁文是 cogitatione defixus，就像古羅馬醫生蓋倫（Galen）的病人「認為自己變成了蝸牛，一定得躲開其他人，身上的殼才不會被踩扁。還有人為肩上扛著世界的神阿特拉斯（Atlas）擔心，想像他可能會愈來愈疲憊，最後消失不見」。

令人憂鬱的黑膽汁

在當時，這些情緒和認知上的症狀被認為是生理毛病，也就是身體功能異常。例如，憂鬱是黑膽汁在脾臟裡累積過多造成的。

根據希波克拉底學派的生理學，黑膽汁是四種體液（humours）之一。這四種體液掌控了病人性格、容不容易生病，以及對治療的反應程度等眾多面向。

黑膽汁、黃膽汁、黏液和血液是體內循環的基本體液。它們彼此間的平衡為臨床上的疾病病徵提供了診斷的解釋。比如說

• 黏液過多會使人變得冷漠，造成風濕和胸腔方面的疾病。
• 黃膽汁過多使人易怒，比較容易出現肝臟問題。
• 血液過多雖會讓人變得樂觀，但可能出現心臟疾病。
• 黑膽汁過多則會讓人憂鬱。

當時的抗憂鬱療法利用食療、運動、通便、放血來減弱黑膽汁所帶來的憂傷，重新平衡體液。

這些古老的觀念如今看來似乎有點可笑，因為我們知道沒有所謂黑膽汁這種東西，但這套理論主宰了歐洲醫學很長一段時間。英格蘭的醫師在 1850 年代以前，仍然普遍遵循希波克拉底學派的傳統。

鞭打刑罰治療憂鬱症，神學也有一套？

對憂鬱症患者來說，用希氏療法來治病儘管不太對症下藥，但至少是從生理學的角度出發，比基於神學的治療好得多。例如，塞爾蘇斯雖然也是古時候的醫師，但他對憂鬱症的看法不屬於希波克拉底學派。

他跟許多之前或之後的人一樣，認為憂鬱症是遭惡魔附身的鐵證，是惡靈俘虜了病人的靈魂，是對曾經做錯事或敗德的病人的懲罰。他建議的療法都相對嚴厲，包括驅魔儀式、鞭打、火刑、單獨監禁，或者用鐵鍊、手銬、腳鐐來限制行動。

從早期到整個中世紀，再到十八世紀的獵巫，無以數計的憂鬱症患者遭處以極刑，人們偏執地認為他們身體無礙，而是靈魂著了魔。

醫學界的新時代：身體機械論

在 1850 年後，醫學界的機械革命（兩百年前笛卡兒一針見血地預告）開始佔盡上風，取代了希波克拉底學派。（醫學的改革腳步總是慢很多。）只不過一直要等到 1950 年代，在笛卡兒之前或二元論之前的古代醫學理論（無論心理還是生理症狀都採同一套致病原因或因子，以體液解釋）才徹底瓦解，由身體機械論的醫學取而代之。

如今，希波克拉底學派的詞彙僅剩一點留在現代的醫學字典裡。melancholia 是目前為止精神科醫師仍然會使用的字，但它指的不再是黑膽汁，而是一種診斷名稱，更正式的說法是「鬱症」（major depressive disorder，簡稱 MDD）。

醫學院學生學到的發炎病徵從古時候到現在都一樣，而現代憂鬱症的症狀也跟兩千年前被診斷成憂鬱症的症狀沒什麼差別。只是發炎的典型特徵已經由全新的免疫科學深入地解析，但憂鬱症的臨床症狀卻沒有同等機械式的了解。

二元論讓憂鬱症只屬「心理」疾病

美國精神醫學會（American Psychiatric Association）出版的《精神疾病診斷與統計手冊》（Diagnostic and Statistical Manual）第五版（簡稱 DSM-5），以勾選清單的方式診斷鬱症，裡頭羅列的症狀連古羅馬醫師蓋倫也會同意，包括缺乏快感（喪失樂趣）和厭食（食欲下降）。

如果一個病人有兩個星期以上、兩年以下的時間，幾乎每天都處於悲傷或開心不起來的狀態，並符合清單上五種症狀的其中四種，就能證明這位病人患有鬱症。DSM 的編纂委員會是由幾位知名的精神科醫師組成，他們制定了這套檢測標準。

檢測過程中不需要血液檢查或身體檢查，也不需要做 X光或 fMRI 掃描。根據 DSM-5 的診斷統計，我們不需要從人體取得任何資訊來幫助我們判別鬱症。事實上，如果血液檢查或 X光顯示病人可能有身體方面的疾病，鬱症的診斷結果就不算數。

照 DSM-5 的規定，如果症狀可能「因另一種疾病的生理作用所造成」，就不算是鬱症。

所以奇怪的是，P 太太可能沒有鬱症。雖然她符合 DSM-5 清單上的所有症狀，但是她的類風溼性關節炎會把鬱症的診斷結果完全否定掉。在二元論的二分法下，憂鬱症被官方孤立在心理那一邊，就像發炎在傳統上被認定在生理那一邊，道理一樣。

——本書摘自《終結憂鬱症：憂鬱症治療大突破》，2020 年 2 月，如果出版社。