Loading [MathJax]/extensions/tex2jax.js

0

1
0

文字

分享

0
1
0

鯨豚的水下聊天室,與鐵達尼號最後的求救──《茶杯裡的風暴》

三采文化集團_96
・2017/08/19 ・3799字 ・閱讀時間約 7 分鐘 ・SR值 547 ・八年級

-----廣告,請繼續往下閱讀-----

在墨西哥西北方的海岸與太平洋之間,有一個長達一千多公里的加利福尼亞灣,向南連接太平洋。海灣內的海域受到兩側高聳山脈的保護,而這些山區大多仍維持原始的狀態。

許多海洋生物在遷徙的過程中,都會進入這個區域休息與覓食。這裡的海象較為安穩,漁夫也可以乘著小船悠閒地捕魚。白天的陽光讓藍色的海面波光瀲灩,漁船受到海浪的搖晃而吱吱作響,這是平靜大海上唯一的聲音。忽然,一隻海豚從一望無際的海面一躍而出,然後伴隨飛濺的水花回到海中,水面上的世界很快地恢復如常的平靜,但實際上,海面下卻一直是個喧鬧的生態系統。

每隻海豚都可以透過前額的組織發出尖銳的聲音。圖/Pixabay

鯨豚的水中廣播聊天室

海豚潛入水中時,會開始發出高頻的口哨聲(whistle)來識別身分,並利用脈衝式的聲音(clicks)與海豚群交談。每隻海豚都可以透過前額的組織發出尖銳的聲音,這些聲音會藉由海水傳遞到其他海豚的身上,而海豚的下顎骨則會收集聲音,然後傳到內部的中耳產生聽覺。

海豚不斷發出的口哨聲、脈衝式的聲音和啁啾聲(chirps),會形成一個吵雜的環境,但是這些聲音不只幫助海豚溝通,還可以用來感測周圍的環境。海豚群時常在海面附近玩耍與呼吸,但是往往在忽然之間,牠們就會整群開始下潛,進入海洋更深更藍之處,因為牠們要執行一項重要的任務:狩獵。

-----廣告,請繼續往下閱讀-----

海面上充斥的陽光到了海下會迅速被吸收,因此光可以傳達的訊息非常有限;換句話說,視覺在海面下越深的地方就越沒有用處。雖然海豚擁有視覺,可以在淺層的海水中和跳出海面時使用,但對於光線的感知能力卻相當有限,無法區分顏色。這是因為在海中,顏色幾乎沒有變化,因此牠們的眼睛在演化上就不會出現對應的需求。雖然鯨魚身處在一個湛藍的世界中,不過牠們無法感受到藍色,海水對他們而言相當灰暗。可是鯨魚仍能看到魚身上反射的閃爍光點,這也證明動物之所以看到什麼,完全是依照牠們的需求演化而來。

海水的表面就像一面《愛麗絲夢遊仙境》的鏡子,雖然我們要穿過它不難,但是對於波來說,它卻隔開了兩個世界。海面上的聲波大部分不會進入海水裡,會從表面反彈回空氣中,至於海洋中的聲音也會留在海裡。空氣中的光波傳遞,往往有效而快速,但是光波到了海中就很容易被吸收;因此如果你在海中要獲得關於周圍環境的訊息,聲音是比光更好的選擇,除非是在海面附近,並且是觀察近距離的東西。

雖然海豚擁有視覺,可以在淺層的海水中和跳出海面時使用,但對於光線的感知能力卻相當有限,無法區分顏色。圖/Pixabay

海洋當中的聲音非常豐富。海豚能夠發出人耳聽不見的超音波,頻率是我們聽覺極限的 10 倍,而發出與接收這些短波長(高頻率)的聲波,意味著海豚可以利用回聲來獲得精確的定位,並感知到物體的細節。但是高頻率的聲音無法傳遞太遠,因此在一段距離之外,就不會聽到海豚群喋喋不休的聲音。不過若是頻率較低的聲音,就能傳遞得比較遠,例如一艘遠洋漁船引擎發出的轟轟聲,或是槍蝦(snapping shrimp)發出的衝擊聲,以及深海中一些低頻聲音,只是這些對於海豚來說都是聽不見的。

鬚鯨需要與遠距離的鯨魚溝通,衰減緩慢的低頻聲音是更好的選擇。圖/Roderick Eime@Flickr

低頻而遠播的鯨魚頻道

不過也有另外一群海洋動物會使用較低頻的頻道來溝通,牠們就是鯨魚,發出的聲音可以傳到數十公里外。此外,因為鯨魚不需要使用回音定位(echolocation),也就不會像海豚一樣發出高頻的聲音。於是,例如鬚鯨(baleen whales)需要與遠距離的鯨魚溝通,衰減緩慢的低頻聲音是更好的選擇。鯨魚聽不到海豚的高頻聲音,海豚聽不到低頻的鯨歌,但這些都發生在海洋當中,因此海洋生物透過選擇不同的頻段,發出或接收屬於自己族群的豐富訊息,可以生活在相近的區域,卻又不會彼此干擾。

-----廣告,請繼續往下閱讀-----

即使海洋中有光波也有聲波,但是不同於海面上或陸地上的世界,聲音是在海中傳遞訊息最重要的方式,因此鯨魚與海豚都是色盲,畢竟在海裡的光線已經缺乏細節,深一點的地方甚至是漆黑一片。

然而海洋內的聲波與大氣中的光波,還是有相似之處。一如波長越長的聲波可以長途傳遞訊息,波長較長的光波也可以在大氣內傳遞相當遠的距離,不會快速衰減。就在一百多年前,人類開始利用波長非常長的無線電波通訊,因為我們生活在大氣中,光波傳遞的效率遠比聲波來得好。無線電波最早用於橫跨大洋的通訊,當年的鐵達尼號要是可以善用這套系統,接收並重視另外一艘船發出的警告訊息,也許就不會沉沒了。

圖/WikimediaCommons

曾經的海上巨人,成為最有名的船難悲劇

1912 年 4 月15 日的凌晨,就在鐵達尼號撞擊冰山後一個小時內,北大西洋的海面上有少數無線電波的圓形脈衝,間歇性地往外擴張,越往外就越弱,並逐漸消失。有些波紋抵達遠處的接收天線,訊息就成功地傳遞到遠方。其中最強烈的波紋,是位於加拿大紐芬蘭南方650 公里處,來自電報員傑克.菲利浦(Jack Phillips)的求救訊號。

傑克利用當時最強大的海上無線電發報機,不斷向周邊的船隻發送訊息,告訴他們世界上最大的船--鐵達尼號正在下沉,並且請求救援。傑克藉由發報機送出的電子脈衝訊號,從甲板上的漏斗狀電線引導到上方的天線,而高高橫掛在空中的天線藉由振盪的電流放出強烈的無線電波,因此在廣大區域內的船隻,藉由船上的天線都能收到訊號,並且解讀訊號中的訊息。

-----廣告,請繼續往下閱讀-----

電報之所以能夠發送出去,是因為無線電在天線上產生後,會朝四面八方擴散出去, 因此你不需要知道接收者所在的位置,所有在周邊的天線都能接收到無線電訊號。鐵達尼號發出的無線電波,可以傳達數百公里遠,在這範圍內的許多船隻,例如卡柏西亞號(Carpathia)、波羅的號(Baltic)、奧林匹克號(Olympic)等等,接收到求救訊號之後即刻前往救援。雖然電報所能夠傳達的訊息相當有限,以今日的角度看起來非常原始,但這是人類最早的海上通訊方式。如果鐵達尼號的悲劇提早二十年發生,那麼這場災難將會無聲無息地沒入冰冷的海水內,而在一週之後,人們才知道這艘船消失了。

沉沒的鐵達尼號。圖/Wikipedia

事實上,鐵達尼號航行的前十年,人類才第一次將無線電應用在橫跨海洋的通訊。只是那個發生在凌晨的恐怖船難,即使附近的船隻盡力救援,但現場黑暗而混亂,許多救援的船也只能無奈地看著悲劇發生。

這些像鋼琴斷音彈奏的電報,並不是隨機的訊號,而是先藉由固定模式編排,以此代表一連串的訊息。當電報員將安排過的訊息,藉由一些裝置讓天線產生無線電波後,它就會以光速往外傳播出去。人類從此進入大量無線電通訊的時代。

迴響天空的求救電波

鐵達尼號的嚴重船難之所以有名,有一部分是因為它發生在一個新時代的開端,顯示出無線電波的巨大通訊潛力,能夠發出求救訊號,讓卡柏西亞號在兩個小時後趕來救援,及時挽救許多人的性命,但同時也暴露出當時的無線電系統有著巨大的瑕疵。電報傳遞的訊息往往會互相干擾,鐵達尼號在出事之前曾經收到另外一艘船的冰山警告,當時鐵達尼號正在與另一方通訊,使得同時間還有其他訊號混雜在其中,造成聽報、發報混淆的狀況,因此有些訊息的片段就會遺失,或是根本沒聽到。

-----廣告,請繼續往下閱讀-----

在當時,發送電報必須要透過其他方式通知對方打開收報機,而且船上發報的系統實際上只是一個開關,藉由開開關關的方式傳遞訊息,再者所有船上的無線電報系統都共用一個頻道。鐵達尼號並非只有透過無線電求救,同時也發射求救照明彈(distress flares),當時鄰近的加州人號(Californian)曾試圖以摩斯信號燈(Morse lamps)與其聯繫。

無線電通訊還有一個方式可以讓它傳遞更遠--當無線電進入大氣層上方(電離層的位置)時,會像遇到鏡子一般地反射回來,因此鐵達尼號的求救訊號不只在海面上向外擴散、掠過,還會藉由反射而傳遞到更遠的地方(因為地球的表面是曲面,如果不經由大氣層的反射,那麼直線傳播的無線電波,將使得在水平線的另外一方無法接收到訊息),達成無線電跨越大洋的通訊。藉由電離層這片「鏡子」,無線電波得以從高空反射到地平線的另外一端,但是對於波長較短的可見光而言,電離層不再是一面鏡子,因此傳遞的距離相當有限。

夜空中充滿電報員傑克發送的無線電波,試圖向所有正打開收報機的船隻傳達求救訊號與鐵達尼號的位置,直到最後,海水淹入電報室、而他也隨之殉職為止。由於無線電的通訊,趕來救援的船隻得以讓載滿 2223 人的鐵達尼號在沉沒時,能有 706 人倖存,這些因為無線電而獲救的人,也見證了往後無線電通訊的發展,從沉默無聲到滿天喧囂,透過這些看不見的波,讓人類的通訊發生史無前例的變革。如今,無線電訊號覆蓋地球所有的角落,人類彼此的通訊達到歷史上從未有過的便利。

 


 

 

本文摘自泛科學2017年8月《茶杯裡的風暴:丟掉公式,從一杯茶開始看見科學的巧妙與奧祕》,三采文化出版。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
三采文化集團_96
25 篇文章 ・ 8 位粉絲
閱讀在生活中不曾改變, 它讓我們看見一句話的力量,足以撼動你我的人生。而產生一本書的力量,更足以改變全世界

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

2
0

文字

分享

0
2
0
從 3G 到 6G:行動通信的進化之路
數感實驗室_96
・2024/06/20 ・825字 ・閱讀時間約 1 分鐘

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

摩斯發明電報和貝爾發明電話,這些似乎是上古時代的科技,其實都發生在過去兩百年內。而手機,作為近五十年來的產物,又經歷了怎樣的演變呢?

讓我們來探討行動通信是如何從 3G 發展到 6G 的。

1989 年,一張名為《The Great Radio Controversy》的搖滾專輯發布,迅速走紅,登上告示牌熱門榜。雖然專輯的歌詞與通信無關,但它的名字「偉大的無線電爭議」確實讓人聯想到無線通信的歷史。而這張專輯的樂團名為 Tesla,沒錯,這正是向那位傳奇的天才科學家特斯拉致敬。特斯拉對無線通信的貢獻可謂奠基石般的重要,而從 3G 到 6G,行動通信技術又經歷了哪些突破和變革呢?讓我們一起深入了解。

-----廣告,請繼續往下閱讀-----

行動通信的歷史雖然只有短短幾十年,但其中包含的豐富內容實在說不完。從精彩的發明故事到商業競爭,再到行動通信所帶來的社會變革,每一個環節都值得深入探討。而在這集影片中,我們僅僅觸及了冰山一角。

下一集將深入探討 WiMAX 那成功的哥哥——Wi-Fi,也就是大家熟悉的無線區域網路技術。讓我們繼續探索這些改變世界的科技!

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

參考資料

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 50 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/

0

1
1

文字

分享

0
1
1
電磁波全揭秘:了解頻帶、頻寬、頻率和通信技術的基礎知識
數感實驗室_96
・2024/06/13 ・672字 ・閱讀時間約 1 分鐘

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

先前我們介紹了多位為通信科技發展做出貢獻的科學家。現在,我們要深入探討無線通信的技術層面。

無線通信,顧名思義不像傳統的電話或電報那樣需要一條實體的線路來傳遞信號。但這些信號並非憑空傳遞,它們依賴的正是電磁波。

電磁波在現代社會無處不在,從微波爐、手機到基地台,這些設備都會發射電磁波。但其實即使沒有這些科技裝置,電磁波依然存在於我們周圍。什麼意思呢?答案就是:當我們白天走到戶外,看到的光,它其實也是電磁波的一種。

-----廣告,請繼續往下閱讀-----

希望大家掌握了這些電磁波、頻帶、頻寬等基礎知識後,未來在閱讀相關的電信新聞時更加了解他們提到的術語,以及各種縮寫。以後無論是科技發展的動態還是市場新技術,都能更有概念地理解。

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 50 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/