Loading [MathJax]/extensions/tex2jax.js

0

1
1

文字

分享

0
1
1

如何用CRISPR 技術,揭開螞蟻複雜社會行為之謎?——《科學月刊》

科學月刊_96
・2017/05/16 ・3958字 ・閱讀時間約 8 分鐘 ・SR值 548 ・八年級

文/林翰佐|銘傳大學生物科技學系副教授,科學月刊副總編輯。

複雜的社會行為

螞蟻分工合作的行為。圖/By Kasi Metcalf @ flickr, CC BY-NC-ND 2.0

雖然有許多人不喜歡螞蟻,但大多數的人還是會承認,螞蟻是一種神奇的動物。螞蟻似乎有些靈性,可以預知災難的來臨,所以古人會藉由觀察螞蟻搬家的現象來趨吉避凶。生物學家越深入對螞蟻的研究,就益發地對螞蟻的種種感到不可思議,包括螞蟻與蚜蟲(aphids)的共生關係、不同蟻窩之間會發生的部族戰鬥以及彼此掠奪幼蟲與蛹的偷盜行為等。在這些自然發生的現象裡,螞蟻展現了猶如人類般複雜的社會行為(social behavior),令人嘆為觀止。科學家們甚至於以「超個體(super-organism)」(註 1)一詞來形容螞蟻群,盛讚這樣群體協同能力猶如一生物個體。

在獵人蟻王篇中出現的虛擬生物「嵌合蟻」,其特性也部分利用了螞蟻的習性。source:東立

那,螞蟻是如何辦到的呢?長久以來科學家們一直相信,即便昆蟲的社會行為與人類看來相近,但兩者仍然有著根本上的不同。從生物觀點上來說,人類的社會行為是一種群體意志的展現,涉及一些源自動物根底的本能,還有人類之所以為人的人性。雖然複雜,但是其中的一個重要因素是修正的潛能;行為本身可以透過教育訓練,生活經驗進行改變。

而螞蟻的社會行為看起來更像是一種演化後的既定行為模式,是一種無法經過學習產生改變的必然結果。即便信者言之鑿鑿,科學家們似乎一直無法拿出明確而直接的證據來證明這個想法的正確性,再則,就算螞蟻的社會行為真如科學家們所預測的那樣一板一眼,光是想了解螞蟻如何能執行這樣精緻複雜的社會行為,以及演化的過程當中螞蟻如何發展出這樣精緻的社會行為,都是生命科學研究上的重要命題。

-----廣告,請繼續往下閱讀-----
圖/By Susanne Nilsson @ flickr, CC BY-SA 2.0

基因體修編技術的應用

先前我們曾經提過 CRISPR 這樣一個劃時代,新興的生物基因體編修(gene editing)技術。透過轉染(transfer)一段人工合成的質體(plasmid)片段進入受精卵當中,科學家們便能導引酵素的攻擊,在特定基因序列的位置上誘發 DNA 的雙股斷裂(double strand break),然後造成基因實質上的剔除。即便 CRISPR 技術在實驗上仍有著不確定的模糊地帶,但因為對研究物種的限制低、實驗成本低廉等優點下,目前這樣的技術已經廣泛應用在各種動植物的研究上,以用來了解特定基因以及它的蛋白質產物在生理上所扮演的多元角色。

CRISPR 技術特別適用於具有豐沛子代的物種當中,像是果蠅(drosophila)、斑馬魚(zebrafish)等模式動物的研究,所以用來解答螞蟻社會行為的演化之謎,看來是個相當可行的方法。

source:Wikimedia

意外地困難重重

在英雄所見略同的狀況下,世界上頂尖的螞蟻研究團隊相繼的投入利用基因體編修技術來研究螞蟻,但很快的,這些團隊便發現事情沒有想像中的來得容易。在嘗試的過程當中,科學家們發現螞蟻蛋是一種非常敏感的東西,在顯微注射(microinjection)的操作中很容易就弄死了這些脆弱的蛋,就算通過考驗,成功的在蟻蛋的基因體上完成編修,缺乏工蟻們的照顧,螞蟻的蛋也很難孵化存活,想要生產「一整窩」基因改造的螞蟻其實具有相當的難度。

在多數的生物學研究當中,研究上的瓶頸大多受限於高端分子生物技術上的限制,但這一次,科學家們似乎在培養螞蟻這樣的基本議題中就被困住了。

-----廣告,請繼續往下閱讀-----

聰明的選擇露出研究曙光

生命科學研究上的趣味性也許就在這裡,當你覺得在一頭撞入死胡同之際,巷子裡的某些角落裡也許另有一扇為你而開的窗口,提供一條脫困之路。變更研究中所使用的實驗物種有時候也是一個好的研究策略。美國紐約洛克斐勒大學(Rockefeller University)的康勞爾博士(Daniel Kronauer)以及他所領導的團隊在看待這樣的研究議題時,有智慧的選擇了一種特別的螞蟻作為他們的研究材料。

這種螞蟻名為畢氏粗角蟻(Ooceraea biroi),是一種侵略性強,有強烈掠奪行為的突擊蟻(raider ants)。在生殖上,畢氏粗角蟻的族群當中並沒有專司生育的蟻后,每一隻雌性均具有生育的能力,可以自行的孕育自己的後代,比起其他高度分工的螞蟻物種,在人工繁殖上會容易許多。

在生殖上,畢氏粗角蟻的族群當中並沒有專司生育的蟻后,每一隻雌性均具有生育的能力。圖/Ooceraea biroi(Forel, 1907)畢氏粗角蟻《臺灣生物多樣性資訊網-TaiBIF》。

不過,實際的研究工作仍然遠比想像中得來的複雜。在為期 2 年的研究當中,研究團隊致力於研究畢氏粗角蟻卵中的一種可以抑制其他成蟻下蛋的費洛蒙機制。他們相信透過了解這樣的機制,除了可以秣馬厲兵,建立相關分子生物技術研究上的平台之外,透過控制費洛蒙的抑制機轉,才能實現大量生產研究中所需要的「一整窩」螞蟻,為未來的研究鋪上康莊大道。

為了實現這樣的夢想,團隊進行著一系列的分子生物學前置作業研究,挑選適當的目標基因,並將包含這些目標基因以及引發 CRISPR 剔除作用所需之 DNA 序列訊息的質體注射入螞蟻蛋中,靜候基因體修編現象的發生。根據文獻中的描述,光是這部分的研究,團隊就進行了近萬次的顯微注射嘗試;研究者必須小心翼翼的收集這些完好無暇的螞蟻蛋,讓它們整整齊齊的排列在玻璃片上,然後透過顯微注射的方式將適當的 DNA 片段分別的注射到這些蛋裡面,然後個別的進行近 3 個月的培養。

-----廣告,請繼續往下閱讀-----

研究的結果如何呢?文章中提到有關 orco 基因被破壞後的實驗成果。orco 基因,是記錄著螞蟻觸角上一種構成嗅覺受器神經元(odorant receptor neuron)的蛋白質,與螞蟻執行嗅覺的功能有關。在昆蟲的世界裡,螞蟻是著名的「好鼻師」,根據現今的研究,在螞蟻的觸角上至少有 350 種不同種類的嗅覺受器神經元,而大多數的昆蟲則跟果蠅的數量比較接近,大概只有 46 種左右。康勞爾博士以及其他螞蟻學專家們都相信,複雜的嗅覺感官提供了螞蟻執行深度溝通的基礎。

嗅覺並非是 orco 基因剃除對螞蟻所產生的唯一影響

在orco基因遭到剔除的螞蟻實驗中,研究團隊觀察到一些有趣的行為改變。在正常的狀態下,成長中的粗角蟻顯得安份,在頭一個月會與同窩姊妹待在一起,但基因剔除蟻在剛孵化後便顯得格外的活潑躁動,四處不停的隨處遊走。此外,基因剔除蟻也不具備追蹤由其他螞蟻遺留下來的氣味足跡的能力;這種多數螞蟻皆具備的能力被視為是螞蟻得以團隊合作的基礎。有趣的是,不論在壽命或是生育能力上,這些嗅覺障礙的基因剔除蟻都顯得較為羸弱;正常的畢氏粗角蟻平均每 2 周會生產 6 顆蛋,但基因剔除蟻僅能生產 1 顆蛋。正常的畢氏粗角蟻平均壽命大約 6~8 個月,但是基因剔除蟻的壽命則縮短成 2~3 個月。

更有趣的現象則發生在基因剔除蟻的大腦當中。在正常組織結構當中,同一類型的嗅覺受器神經元的神經纖維末梢在進入大腦之後,會連結成為一個稱為「小球(glomeruli)」的結構,然後再向上連結第二級的神經元細胞。在先前以老鼠所作的 orco 基因剔除研究中顯示,這個名為小球的組織結構會隨著基因的破壞而消失,不過在果蠅身上所作的 orco 基因剔除研究則顯示,小球結構則並未有明顯的改變,暗示著隨著物種的差異,orco 基因所記錄的蛋白質產物扮演著不完全相同的角色。雖然血緣上,螞蟻與果蠅的關係比螞蟻與老鼠間親近了許多,但在畢氏粗角蟻身上所作的實驗結果反而與老鼠相似,小球結構在這些基因剔除蟻的組織並未形成。這個結果是否暗示著,除了嗅覺受器神經元種類的差異之外,螞蟻在嗅覺神經系統的演化上也比它的昆蟲親戚們更趨向如同高等動物般的分化發展?

目前整個研究仍處於開端,但無疑的,這是一個全新知識領域的窗口。同為螞蟻專家,來自伊利諾大學(University of Illinois)的羅賓森(Gene E. Robinson)教授盛讚這是一個「大開眼界的研究(the real eyeopeningresult)」。對我而言,大開眼界的不光是獲得螞蟻相關知識的本身,還有研究團隊為了研究這個議題所付出的努力與堅持。

-----廣告,請繼續往下閱讀-----
螞蟻作為超個體,難以單獨生存。圖/By Susanne Nilsson @ flickr, CC BY-SA 2.0
  • 註 1:超個體,其定義為一群個體能夠協調的進行一致性的活動,由集體來支配的現象,是一種真社會性動物的社會單位,在此社會中個體被高度分工且專業化,強調個體單位通常無法長時間獨自生存,著名的超個體有螞蟻、裸鼴鼠等。

CRISPR 話外音

自從 CRISPR 系統在 2012 年由加州大學伯克利分校(University of California, Berkeley)杜德納(Jennifer Doudna)與其合作者卡彭蒂耶(Emmanuelle Charpentier)首度在試管實驗中發現,並一舉登上 Science 期刊。相隔一年,麻省理工學院(Massachusetts Institute of Technology)以張鋒為首的研究團隊也發表了透過 CRISPR 技術實際應用在動、植物等真核細胞當中,此 CRISPR 系統在科學界掀起一陣波瀾,受到熱烈的討論,也讓卡彭蒂耶、杜德納與張鋒在 2016 年共同獲得了唐獎(Tang Prize)中的生技醫藥獎(Biopharmaceutical Science)。

左至右分別為卡彭蒂耶、杜德納與張鋒。source:唐獎官網

自此之後,CRISPR 技術被運用在各項研究中,許多科學家投入了大量心力,想透過 CRISPR 基因剪輯技術來探討更多的生物生理機制,如本文的研究。然而,最早發現與實際應用的 2 大團隊在近期卻因為 CRISPR 技術專利部分而鬧上法庭,此專利案雖在 3 月初已告一段落,張鋒團隊能夠持續保有已申請通過的 CRISPR 相關專利,而杜德納團隊所申請的專利則與之不相牴觸下持續在美國專利商標局(United States Patent and Trademark Office, USPTO)進行送審。

慶幸的是,在學術的基礎背景下,CRISPR 技術不在專利的收取費用範圍。不過,看著去年 3 位前往臺灣領取獎項及共同進行演講的和樂畫面,或許也是我們當初始料未及的。


〈本文選自《科學月刊》2017 年 4 月號〉

-----廣告,請繼續往下閱讀-----

什麼?!你還不知道《科學月刊》,我們 47 歲囉!

入不惑之年還是可以當個科青

 

 

 

 

 

 

 

 

 

-----廣告,請繼續往下閱讀-----
文章難易度
科學月刊_96
249 篇文章 ・ 3742 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。

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

0
0

文字

分享

0
0
0
找出品酒的「底層邏輯」——我們的身體如何品出酒品的獨特感受?
鳥苷三磷酸 (PanSci Promo)_96
・2023/10/27 ・1234字 ・閱讀時間約 2 分鐘

本文由 財政部國庫署 委託,泛科學企劃執行。

你注意到了嗎?在品酒時,品酒師不會一口乾,而是充分觀察、品嚐後才會下肚。這些動作可不是單純裝模作樣,而是有科學根據的。品酒有五個基本動作:觀察、搖晃、聞、啜飲與漱口、吞嚥,究竟我們的感官跟大腦是怎麼接收酒的訊號呢?

從最簡單的「嗅覺」開始,酒杯湊近口鼻、進入口腔,我們可以聞到「外部」和「內部」的香氣。外部指的就是用鼻子聞到的香氣,是先穿越鼻孔到達嗅上皮組織,形成我們所熟悉的正鼻嗅覺。而內部呢?那些已經在我們嘴巴裡的酒液,會走鼻咽和後鼻孔這條路,最終到達嗅覺粘膜。即使這口酒已經被喝下去,只要輕輕呼口氣,也依然能「聞」到酒味。

圖/giphy

另外,口鼻之間的通道,也就是鼻咽,在吞嚥的過程中會關閉,所以在吞嚥時會有一種「味道好像弱掉了」的錯覺,但其實只是你暫時無法靠鼻間的任何通道呼吸而已。這也是為什麼品酒師會要把酒液含在嘴巴裡漱口,甚至還會打開嘴巴吸一口氣。

-----廣告,請繼續往下閱讀-----

緊接在嗅覺之後的「味覺」,則是重頭戲!食物進到嘴巴,溶解在唾液中,啟動了味覺受器。人類可以透過味蕾的受器感受到「鹹、酸、苦、甜、鮮」五種味道。不過,也有部分的人不喜歡酒的原因,正是因為味覺。美國賓州大學農學院過去研究發現,人體中的苦味受體來自基因 TAS2R13 和 TAS2R38,辣椒素受體則來自基因 TRPV1。因此不同的基因表現,影響著人們對這兩種味道的感受,也決定了他們的攝取喜好。

圖/giphy

講完了嗅覺和味覺,別忘了品酒前的「觀察」。事實上,人們對風味的知覺基礎,來自多重感官的整合。當我們在觀看一杯酒的色澤和濁度時,大腦已經在默默「品嚐」它了。就像是望梅止渴、看到好吃的大餐肚子就先餓了起來。

除上述提到的「身體」感官,其實喝酒的時段、溫度、聲音、順序也會影響我們「心裡」的感受。但話說回來,在品酒前,最重要的應是選擇安全以及衛生的酒品來源,就是要慎選合法的販售業者,並挑選標示內容清晰、完整的酒品。

財政部自 2003 年起委託專業執行機構共同推動「優質酒類認證」制度,從原料、製程、品管、後續追蹤等層層把關,最後通過優質酒類認證技術委員會審查的酒品,才能被授予使用 W 字型認證標誌。因此,選購有 W 認證標誌的優質酒品,可以讓我們在品飲時更加安心!

-----廣告,請繼續往下閱讀-----

 資料來源:財政部國庫署 廣告

-----廣告,請繼續往下閱讀-----

0

3
0

文字

分享

0
3
0
噗!不小心放屁了好尷尬!怎麼辦?——《有點噁的科學》
時報出版_96
・2023/09/24 ・1400字 ・閱讀時間約 2 分鐘

-----廣告,請繼續往下閱讀-----

感官的知覺帶給我們許多體驗

我們對自己身體生理現象感到尷尬,這種感覺的來源就在於感官知覺的運作機制:一套我們大腦與外界之間的中介工具。

最明顯的感官是視覺、觸覺、聽覺、嗅覺和味覺,還有,你也可以感覺到疼痛、冷熱、時間(雖然不太準確)、加速、平穩、血液中的氧氣和二氧化碳濃度以及本體感覺(對於四肢、肌肉的運動和位置的感受)。你能不盯著腳步爬樓梯嗎?那就是本體感覺。

我們得感官帶給我們感覺。圖/pexels

這些感官訊息全都被送到大腦:一個沉默的、謎樣器官,質感和斯帕姆午餐肉一樣。你永遠看不到它,它也永遠看不到你周圍的世界,但它會分析所有這些輸入的訊息,並且創造你對自我、愛戀、快樂、痛苦、羞恥、信任、恐懼、懷疑等完整感覺。

尷尬的感覺是從何而來

在公共場合聽到自己放屁會覺得不好意思?

-----廣告,請繼續往下閱讀-----
在公共場合聽到自己放屁會覺得不好意思?圖/giphy

這種感覺是由大腦的前扣帶迴膝皮層產生的。我們尚不了解其中的機制,但大多數心理學家都認為,羞恥感可能是為了維持社會秩序演化而來的,呈現羞恥的經典反應如臉紅、摸臉、視線向下和強制微笑,這些反應讓我們向其他人傳達訊息,表示自己明白破壞了社會常規且感到自責,因為有這樣的溝通功能進而又加強那些反應。

研究指出,表現出尷尬的人比較容易被喜歡、原諒和信任。這一定是幫助我們這種社群生物進化的有用工具,但我擔心它也會讓我們當個乖乖牌,阻礙個人獨特性發展。

感官小學堂

每個人感知世界的方式都不盡相同。聯覺(synaesthesia)是一種不尋常的感官知覺,它使一些人能夠將音樂、字母或星期幾視為顏色。其他有聯覺的人可能會將某些景象與氣味連結起來或者使某些詞語和味道產生聯繫。有一項研究發現,約 4.4% 的人能體驗聯覺。

更令人著迷的是其他動物擁有的感官,那些我們只能夢想的感知方式。狗能藉著磁感應來感測地球磁場,而且排便時往往習慣將自己的身體沿南北向磁力線對齊,牛也一樣。有些蛇有紅外線視覺,一些蜜蜂、鳥類和魚類的視力超出我們的可見光譜,能夠仔仔細細看到紫外線波頻,這意味著牠們實際上正在體驗我們幾乎無法想像的顏色。像嗑了藥一樣迷幻。

-----廣告,請繼續往下閱讀-----

註解

  • 我們確實知道大腦中不斷有微小的電子訊號滋滋作響,這些訊號透過八百六十億個稱為神經元的神經細胞與一百兆個突觸(神經元之間的連結──每個神經元透過它們與多達一萬個其他神經元相連)、八千五百萬個非神經元神經膠質細胞來進行發送、儲存和分析。大腦每天消耗四百卡路里的熱量(占總能量消耗的20%),有趣的是,無論是全神貫注寫一本科普書籍,還是靜靜凝視燭火發呆空想,這個耗能數值都保持不變。

——本文摘自《有點噁的科學:尷尬又失控的生理現象》,2023 年 8 月,時報出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
時報出版_96
174 篇文章 ・ 35 位粉絲
出版品包括文學、人文社科、商業、生活、科普、漫畫、趨勢、心理勵志等,活躍於書市中,累積出版品五千多種,獲得國內外專家讀者、各種獎項的肯定,打造出無數的暢銷傳奇及和重量級作者,在台灣引爆一波波的閱讀議題及風潮。