Loading [MathJax]/extensions/tex2jax.js

0

1
1

文字

分享

0
1
1

召喚幽靈的旋桌術,法拉第怎麼設計實驗破解?—《怪咖心理學3》

azothbooks_96
・2017/02/12 ・2641字 ・閱讀時間約 5 分鐘 ・SR值 484 ・五年級

  • 【科科愛看書】《怪咖心理學》的作者、心理學博士李察.韋斯曼,在第三集中要帶著讀者挑戰與破解種種超自然現象。不管是心電感應、預知夢、撞鬼,還是靈魂出竅,這些難以解釋的神秘現象可能發生在你身上,或你曾聽別人說過,但這一次科學家們用實驗結果告訴你,到底這是怎麼回事?

讓愛因斯坦也佩服的邁克.法拉第(Michael Faraday),在 1852 年集合了一群值得信賴又會旋桌術的人,執行一個巧妙的三階段實驗計畫,這計畫至今仍是教大家如何探索靈異現象的典型教材。

邁可.法拉第肖像。圖/Thomas Phillips, 1842, public domain, wikimedia commons.

法拉第生於 1791 年倫敦南部,家境清寒,從小就對科學很感興趣。他的勤奮和求知欲很快引起頂尖科學家漢弗萊.戴維(Humphry Davy)的關注,所以法拉第年僅 21 歲就進入倫敦著名的皇家學會任職。法拉第終其一生都在皇家學會工作,探索多元的主題。他發明全球聞名的本生燈,發現煤塵是導致礦坑爆炸的主因,建議英國國家畫廊清潔藝術收藏品的最佳方法,針對燃燒蠟燭的科學做了一系列熱門的演講(「思考蠟燭燃燒的物理現象,是探究物理學的最佳方法」)。

他最為人知的開創性成就,或許是探索上帝和電力及磁力等神祕力量之間的關係。法拉第花好幾個小時實驗多種儀器後,把一條電線彎進線圈裡,讓磁鐵在線圈的中央移動,意外發現磁鐵的移動會感應電線裡的電流。這個簡單的實驗顯現了電力和磁力之間的基本關連,為現代的電磁理論奠定了基礎。

愛因斯坦對法拉第的研究相當佩服,在研究室牆上掛著他的照片,作為靈感的來源。法拉第一向相當務實,發現電磁感應之後,他馬上接著探索它的可能應用,最後發明了現代發電機的前身。當英國財政大臣威廉.格拉斯通( William Gladstone)聽聞這個新奇的裝置時,他詢問法拉第電力的實用價值,法拉第給了他一個知名的答覆:「有朝一日,您可以課稅。」

第一部發電機:法拉利圓盤。圖/Émile Alglave, public domain, wikimedia commons.

法拉第也很重視宗教,他在蘇格蘭長老教會的分支「桑德曼教派」( Sandemanians)證道,他的教會身分讓他婉拒了英國皇家學會的會長一職及爵位,他提出的理由是,他覺得耶穌不會接受那樣的榮譽。政府要求他為克里米亞戰爭製造毒氣時,他也以不道德為由加以回絕。他不買保險,因為他覺得那是不信教的舉動。他的宗教信仰可能是促使他發現電磁的主因,他認為上帝掌控全世界,深信自然中的一切必定相互關連,包括電力和磁力之間看似無關的力量。

-----廣告,請繼續往下閱讀-----

召喚幽靈的旋桌術

旋桌術,又稱為桌靈轉。圖/擷取自YouTube影片

由於法拉第擅長掌控無形的力量,又對宗教事物很感興趣,他受旋桌術的吸引並不足為奇。1852 年,他集合一群值得信賴又會旋桌術的人,執行一個巧妙的三階段實驗計畫,這計畫至今仍是教大家如何探索靈異現象的典型教材。

在第一階段的探索中,法拉第把一組奇怪的材質黏在一起,包括砂紙、玻璃、濕黏土、錫箔、黏著劑、紙板、橡膠和木材,把它固定在桌上。接著,他請參試者把手放在那東西的上面,開始召喚幽靈。結果桌子很容易就動了,顯然這些材質並不影響幽靈的運作,這實驗讓法拉第得以在第二階段任意使用這些材質的組合。

他回到實驗室,開始製作幾個奇怪的組合。每個組合都包含五張明信片大小的紙板,中間夾著特殊調製的黏合顆粒,那些顆粒「有足夠的黏度穩固紙板的位置,但是在持續的作用力下,也會逐漸失去黏著力。」法拉第小心地把這些組合放在桌子的周邊,牢牢地把每個組合的最底層黏在桌面上,在紙板邊緣用鉛筆從上而下劃一條細線。準備就緒後,實驗開始。他請每位參試者各自把手放在每個組合的上方,然後請幽靈把桌子移往左邊。不久,桌子開始移動,法拉第只要看他設計的組合,就可以破解旋桌術的謎底。

那概念很簡單。他推論,如果真的有神祕力量推動桌子,桌子應該會比參試者的手先移動。那會導致每個組合的下層開始偏離上層,使鉛筆線變成由左斜向右。相反的,如果是參試者的手讓桌子移動,組合的上層會比下層先移動,使鉛筆線由右斜向左。法拉第檢查鉛筆線時,答案顯而易見。每條線都是由右斜向左,證明參試者的手比桌子先移動。這些參試者似乎是自己想像桌子在動,卻沒意識到這點,他們自己做出讓想法成真的手部微動。由於這些動作完全是無意識的,他們因此對桌子的扭動感到意外,而把桌子的移動歸因於幽靈所致。

-----廣告,請繼續往下閱讀-----
  • 旋桌術大概像這樣

法拉第認為自己已經解開旋桌術之謎,但是他知道招靈教的信徒會反駁;雖然那是桌邊人士無意識的動作造成的現象,幽靈仍在這移動中扮演微妙但重要的腳色。如果要測試這個想法,唯一的方式是移除手的動作,看桌子還會不會動。顯然,法拉第不能直接要求參事者別推動桌子,因為他們本來就不知道自己在推動桌子,這需要換一種新的實驗方式。

法拉第回到實驗室,創造第二種巧妙的組合,這次他改用兩個明信片大小的板子,中間隔著四個平放的玻璃棒,讓上層可以隨意轉動。這種「上層板—玻璃棒—下層板」的夾心組合,是以兩條橡皮筋綁在一起。他把每個組合的底層固定在桌面上,接著在上層與下層紙板的邊緣插入小金屬針。最後,把三十八公分長的草稈垂直黏在組合上,下層紙板插一針,上層紙板也插一針。

使用這種瘋狂的設計是有道理的。法拉第的設計是把草稈當成槓桿,上面的針是槓桿的支點。上層板有任何側向的移動時,即使動作很小,也會讓草稈產生明顯的大幅移動。那組合是有效放大參試者手部微動的簡單設計,只要請參試者維持草稈垂直,就可以確定他們的手沒動。法拉第再次把這群朋友找來,請他們把手指放在上層板上,並請幽靈移動桌子,但是要一直維持草稈垂直不動。這樣一來,不管他們再怎麼努力,都無法讓桌子移動。法拉第因此正確推論,桌子移動完全是由他們無意識的動作所造成的,根本不需要幽靈發功。

1853 年他在《科學協會》(Athenaeum)雜誌上發表這個研究結果,引起招靈教的強烈反彈,很多人宣稱他們不需要碰桌子也可以讓桌子移動。不過,怪的是,他們都不願到法拉第的實驗室,在受控的情況下表演。

-----廣告,請繼續往下閱讀-----

《怪咖心理學 3 》書封

 

本文摘自《 怪咖心理學(3):明明沒有,為什麼看得見?當超自然現象遇上心理學 》漫遊者文化出版。

-----廣告,請繼續往下閱讀-----
文章難易度
azothbooks_96
55 篇文章 ・ 21 位粉絲
漫遊也許有原因,卻沒有目的。 漫遊者的原因就是自由。文學、人文、藝術、商業、學習、生活雜學,以及問題解決的實用學,這些都是「漫遊者」的範疇,「漫遊者」希望在其中找到未來的閱讀形式,尋找新的面貌,為出版文化找尋新風景。

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。