0

0
1

文字

分享

0
0
1

陳良基:我會跟外星人交朋友

鄭國威 Portnoy_96
・2017/09/08 ・5932字 ・閱讀時間約 12 分鐘 ・SR值 528 ・七年級

陳良基部長接受泛科學訪問。圖/BY 泛科學

1956 年夏季,由約翰·麥卡錫(John McCarthy)、馬文·閔斯基(Marvin Minsky)、克勞德·夏農(Claude Elwood Shannon)等科學家組織的達特茅斯會議(Dartmouth Summer Research Project on Artificial Intelligence)邀集了數十位科學家,花了兩個月時間探討,並確認了「人工智慧」作為一門學門的誕生。就在約略同時,陳良基出生於在雲林縣的新湖村。

61 年之後的現在,陳良基成為科技部成立後第四任部長,上任後力推人工智慧,同時也接手處理諸多棘手挑戰,包括研究誠信爭議、高等人才流失、以及科技部定位模糊等。帶著來自泛科學社群的好奇,我去找了陳部長聊聊。

「僵化啦,就是什麼都動不了!」

一開始就直率到讓我呵呵笑的科技部長陳良基,戴著眼鏡,穿著標準的「教授牌」直條紋白襯衫跟深灰色的西裝褲。在他位於科技大樓的辦公室中,書架上看過去都是專業科研期刊,大大的茶几上放著一個不大的地球儀,除外沒有什麼多餘的擺飾。

直率的科技部長陳良基,戴著眼鏡,穿著標準的「教授牌」直條紋白襯衫跟深灰色的西裝褲。圖/泛科學

下注在年輕科學家身上

對被稱為「點子王」的陳良基來說,公務機關的確沒那麼好施展,那又該怎麼做呢?上任立即拋出研發、創新產業、人才培育三大目標,他強調:

-----廣告,請繼續往下閱讀-----

「小國大戰略,小國不代表沒機會,但要策略精準。」

陳良基認為基礎科學非常重要,基礎科學有突破才能有後續。如果從諾貝爾獎來分析,大部分諾貝爾獎得主的發明與發現是在他們 25 到 37 歲之間完成的,所以若真的要爭取諾貝爾獎,他認為關鍵在於先讓年輕的學者跟學生有好的發展機會,而年輕學者更該是科技部投資的主要標的,因為年輕學者可以帶出優秀的學生。

為此,陳良基要求科技部提出特殊獎勵方案,希望能有一筆專門的經費來養成年輕學者,在基礎科學領域深耕,讓他們的想像力能有機會實現。

方案規劃一年選出五十位年輕學者,以五年為期,給予數百萬等級足夠經費,最重要的審核標準就是想像力跟原創性。「年輕學者的養成,想像力比知識重要,要讓科學家帶領我們」,他稱之為「愛因斯坦計畫」。

陳良基要求科技部提出特殊獎勵方案,希望能有一筆專門的經費來養成年輕學者,在基礎科學領域深耕,讓他們的想像力能有機會實現。圖/BY Weipeng_Lin@Pixabay

除此,陳良基認為台灣的年輕科學家要能離開本地,在國際學術上有地位,於是他另提出與「愛因斯坦計畫」銜接的「哥倫布計畫」,鼓勵 40 歲以下的科學家探索科技新大陸、爭取國際學術地位。這項計畫經費增加到每年千萬等級,五年一期。兩個計畫加起來,預計每年能讓 80 位台灣最優秀的科學家突破既有限制。在四年的前瞻計畫期間內,就可以讓將近 300 位嶄露頭角。後續若效果不錯,陳良基希望能納為年度計畫,讓一代又一代的生力軍一棒接一棒。

-----廣告,請繼續往下閱讀-----

「我們賭在年輕學者上,等他們以後有機會,可以反過來帶領台灣,」他說。

基礎研究由專業主導,專案研究重在地需求

投資在年輕人身上說起來政治正確,不過科學研究領域那麼多那麼雜,要如何平衡發展?

回到小國大戰略的基礎,陳良基認為平衡是假議題,基礎研究不能講求平衡,而是要交由專業來判斷。當然,針對不同的專案,政府還是有考量,畢竟不是每個領域,台灣都要或都能投入大筆經費。例如在地震頻發的台灣,就設有國家地震工程研究中心,他認為像這種特定主題沒有平衡的問題,而是每年都要投入固定經費。陳良基更表示,他一直認為台灣是個海洋國家,在海洋科學上就該投入更多才對。

講到這,就不得不提到目前國內外都大力投入的人工智慧了。陳良基認為人工智慧是台灣產業躍升最重要的一波機會,科技部也將在未來 5 年投入 160 億,推出五大計畫,第一要建立大規模的共用高速運算環境,讓 AI 技術服務公司可以運用,再者則是創設 AI 創新研究中心,形成世界級的研發聚落,培養人才。第三是打造智慧機器人基地,讓軟硬整合。第四要讓台灣的強項半導體結合 AI ,以射月計畫協助半導體產業進入 AI 時代。最後則是帶動社會參與,舉辦科技大擂台,廣邀好手挑戰重大課題,第一波擂台挑戰就是「與 AI 對話」,以電腦的中文聽力理解為競賽主題。

陳良基認為人工智慧是台灣產業躍升最重要的一波機會,科技部也將在未來 5 年投入 160 億,推出五大計畫。圖/BY geralt @ Pixabay

以第四項半導體射月計畫來說,陳良基特別強調「AI Edge」,也就是 AI 在終端的應用。再往五年後、也就是 2022 年去想,到時全面進入物聯網社會,大家使用的設備將會激增,都將具有深度學習能力。要讓這不遠的未來能夠真的實現,現在就要開始開發能源損耗更低、待機時間更長、能讀寫快速及擁有智慧運算能力的記憶體。另一重點就是要做出高效率、高靈敏度的感測器,因為智慧終端裝置要靠這些感測器才能獲取環境中的資訊。

-----廣告,請繼續往下閱讀-----

「大家都說雲端,但台灣沒有太多機會,終端其實對台灣其實比較有優勢。」

陳良基認為科技部是扎根的角色,自己小時候種田,這經驗讓他特別重視「生態系統」,他認為要讓產業邁向前沿,有好環境最重要,因此「要讓養分均勻、好好施肥澆水除草,不是只看開花結果。」

科技部是每個部會的前哨

但等等,聽起來科技部是不是越來越像經濟二部了呢?這樣的批評聲音其實不是最近才出現,從國科會時期就有,陳良基也知道,但他認為真正的關鍵不是讓科技部回歸某種單純的角色,而是要認知「科學、科技、與創新的生態循環速度變得越來越快了」這樣的現實。

陳良基認為科學是為了滿足人類的好奇心而去探索未知,這是第一步;第二步是開發,第三步是交付,也就是成為產品。科學家的嘗試,後來變成社會的常識,就是進步。在以前,這一二三步分得很清楚,如今循環越來越快,雖然分工還在,但不同部會觀察循環時自然會更注意效益,也就是各自的社會使命跟責任。

陳良基直言,大家也不希望資源投入時亂槍打鳥,如果能知道其他部會的目標,方向才準確。他認為科技部的位置還是在最前沿,扮演每個部會的前哨去「面對未知,先搞清楚怎麼做,然後再交給其他部會。」

-----廣告,請繼續往下閱讀-----

陳良基表示,如今變動來的又快又急,科技部身為政府單位在前沿投入,得多想一下可不可能產生什麼效益,但他認為跟經濟部還是很不一樣。

「我以前在大學教創新,重點就是價值鏈。在價值鏈中,每個人貢獻一部分,那誰可以掌握最高的價值?答案是循環最快的才能掌握價值,能夠越快交付,才能掌握整個價值鏈的最大產出。」

這幾年你可能也覺得前沿科學獲得應用,產品化或服務化的速度越來越快。我們不也一直期待政府能夠轉得快一些,別像《動物方城市》裡頭的樹懶那樣慢慢來。只是這轉啊轉的,是不是有什麼東西被甩出去了呢?例如……學術倫理與研究誠信?

陳良基部長認為科技部的位置還是在最前沿,扮演每個部會的前哨去「面對未知,先搞清楚怎麼做,然後再交給其他部會。」圖/泛科學

要讓想用科技騙科技部的錢的人付出代價

台大前陣子發生的論文造假事件餘波盪漾,對與台大有深厚淵源的陳良基來說,他以一貫的工程人思維把問題分成兩類:一是發明,二是發現。發明,也就是做出東西來,當然要確保可以再現,造假的機會少。而發現就比較複雜,有時一位科學家可能是全世界第一個發現某件事的,可是萬一只是「推測」為發現,又急著發表,就會出問題。萬一這個現象不是真的,誰看到算數?大家都說有圖有真相,然而圖片處理技術快速提升,也讓真相撲朔迷離,不過若想抓出造假,也得靠科技。陳良基說:

「我們要對納稅人交代。只要抓到造假,用錢的人跟用錢的單位,就要把所有科技部的錢吐回來。學校拿科技部的錢可能是幾億,這樣壓力很大。嚇阻是為了預防,造假者想得名得利,就要讓他們名利都得不到。」

陳良基認為,科技部設立研究誠信辦公室,重要的工作是跟國際上其他學術倫理單位能對接,國際上風吹草動,台灣要能掌握,但是針對研究有沒有造假,還是要回到各個專業領域來判別,也才符合科技部強調專業的本色。陳良基得知在天文研究領域,因為天文科學研究設備都超級昂貴,所以非常要求資料公開與共享,所有的實驗研究資料,都要登錄到一個單位,由一個獨立法人來管理。他想或許其他領域也可以效法,會請國研院邀請各領域專家來看看是否可行。

-----廣告,請繼續往下閱讀-----

科學傳播是門專業

要是希望民眾對科學界的印象不要被幾樁醜聞給搞壞,或許科學傳播就是關鍵。在今年 7 月 28 日舉辦了一場公聽會,立委黃國書等人針對科學技術基本法修正之後增加的科學普及經費用途跟用法做了討論,包括泛科學在內的諸多台灣科學傳播與教育公司都到了現場提出意見,兩個多小時的溝通,陳良基全程參與。他認為科學普及或科學轉譯是門專業,自己也驚訝於台灣有那麼多人投入科普,他認為科技部應該邀請這些專家來規劃,在專家的想法上往前跑,第一步就從成立諮詢委員會做起。

近來諸多社會爭議都有科學面向,科學家介入解釋的角色吃重,陳良基認為科技部培育了不同領域的科學家,他們若願意,可以對這些議題發聲,不只是自然與應用科學,像是同婚議題就需要社會科學領域專家的意見,讓專家告訴大家,專業對這些議題的想法是什麼。「我們會鼓勵。如果部會需要專家,科技部可以提供名單」,陳良基快速算了一下表示,國內有 48,000 多位教授,科技部每年支持約 30,000 名研究者,這些人都可以提供社會往前邁進所需的知識。

實際上的情況或許沒那麼樂觀。在台灣,科學傳播對教授來說算不上吸引人的差事,儘管科技部的確有科教學門,但升等是由教育部來決定,無法列為升等條件的科學傳播工作對年輕的助理教授或副教授來說甚至有負面影響。陳良基認為,學門經費怎麼用,還是由領域內專家自己決定為妥。如果專家認為科學傳播值得鼓勵,那自然就會列入。專家可以研究科學傳播,或是投入人才培育,不過這都要由專業學者來決定。

那到底誰來決定?不只是科學傳播,科技部計畫的審查制度也不乏批評。陳良基為解決這問題,要求所有科技計畫的審查委員都必須公開,而且要年輕化。

-----廣告,請繼續往下閱讀-----

「我對外說過,當過政務官、大學校長、或掌握過較高權勢的,都不可以再來擔任科技部的審查委員。」

他上任之後要求科技部的審查委員會的審查委員必須有一半以上年紀低於 50 歲。

問題會發生,通常是環境造成,就像田裡的作物長不好,怪在作物上頭沒意義,他認為不該執著於個案,而是要從改變環境著手。

圖/BY lumix2004 @ Pixabay

那又是什麼樣的環境造就了陳良基呢?在他念小學時,兩位華人科學家楊振寧、李政道的成就讓他迷上了科學,從小也喜歡動手自己做,更早早立下了當個工程科學家的志向,如今也貫徹始終地達成了。但如果在另一個平行宇宙有重新選擇的機會,他會希望自己的人生走上別條路、做些別的事情嗎?他想了想:

「我還是喜歡做東西,看到問題,就去想怎麼做個東西來解決掉」。

「所以不改其志囉?」我問。

「不改。」他堅定地說。

但當上科技部長,能夠不改其志嗎?若是非得執行某些政治上有壓力,但是卻「不科學」的任務,該怎麼辦呢?他笑著表示,目前還沒有遇到,但是「如果我有夠清楚的資料,我還是會反應」。

-----廣告,請繼續往下閱讀-----

由於各項任務正在加緊腳步推展,陳良基說每天真的太忙了,沒什麼時間看書,大概就是翻翻《科學人》、《科學發展》,以及專業的科學期刊,許多跟人工智慧有關,因為其實他在台大時就開始研究人工智慧晶片,加上現在推行的任務,都得對研究趨勢有所掌握。

對他來說,做研究是自己喜歡的事,但研究的辛苦還是不在話下,所以當他看到假新聞、偽科學流傳,總忍不住氣憤,覺得自己做研究那麼累,卻總是有人胡說八道,有時在 LINE 上頭收到朋友傳來這類訊息,也覺得頭疼。他開玩笑說還好當部長之後「沒什麼朋友了」(P 編:驚!)。

跟外星人交朋友吧

「網路真的太多錯誤訊息」說到這,還以為他要痛斥某個案例,但他卻接著說「但這也代表大家對於科學議題有好奇心,不然大家也不會被這些偽科學吸引,所以其實可以正面思考。」他認為有些人聳動地說 AI 會讓人沒有工作、甚至毀滅世界,他就不認為這是正確的論述(P 編:Elon Musk ,你攻跨邁?),若他有機會能傳遞更多正面且正確的訊息,一定會把握。

好吧,人工智慧會不會毀滅世界,這問題我們看著辦。

圖/BY SoundTrackUniverse @ Pixabay

但說到世界毀滅的原因,外星高等文明也是選項之一。知名科學家霍金就曾警告人類,別跟外星人聯絡,「閉上嘴巴」,不然可能重蹈哥倫布到達美洲後,美洲原住民曾遭遇的悲劇。而科幻作家劉慈欣在著名小說《三體》中提出的黑暗森林法則,如今也成為對費米悖論的一種主流回答。

「如果部長是全世界唯一一個在地球上發現高等外星生命的,會怎麼做呢?」

訪問到最後,我很跳痛但認真問陳良基這個問題,因為我自己也時常自問會怎麼做:我要趁「他」不注意下手幹掉「他」嗎?我要把「他」囚禁起來嗎?還是跟政府報告把「他」拿去做研究呢?種種殘忍的選項在我腦中始終沒有個結論,我想知道身為科技部長的他會選哪一個殘忍的選項。出乎我意料地,陳良基說:

「我會表達地球人的歡迎之意,表達好客,有閒來坐啦!」

他接著說,

「可能是因為我成長的背景在窮困的鄉下,看到的陌生人都是比我們有錢的,對人家表示歡迎還是比較可以避免侵犯的方式啦!」

嗯,真是個正面思考的部長啊。

文章難易度
鄭國威 Portnoy_96
247 篇文章 ・ 1256 位粉絲
是那種小時候很喜歡看科學讀物,以為自己會成為科學家,但是長大之後因為數理太爛,所以早早放棄科學夢的無數人其中之一。怎知長大後竟然因為諸般因由而重拾科學,與夥伴共同創立泛科學。現為泛科知識公司的知識長。

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

2

1
1

文字

分享

2
1
1
讓 AI 取代真人執法可行嗎?將判斷全交給 AI 可能隱藏什麼危險?——專訪中研院歐美研究所陳弘儒助研究員
研之有物│中央研究院_96
・2024/03/18 ・6292字 ・閱讀時間約 13 分鐘

本文轉載自中央研究院「研之有物」,為「中研院廣告」

  • 採訪撰文|劉韋佐
  • 責任編輯|田偲妤
  • 美術設計|蔡宛潔

人工智慧將改變以人為主的法治領域?

由人工智慧擔任警察,再也不是科幻電影的情節,交通管制常見的科技執法就是應用 AI 辨識闖紅燈、未依規定轉彎、車輛不停讓行人等違規行為。 AI 的客觀、高效率正在挑戰以人為審判主體的法治領域,這樣的轉變會對我們產生什麼影響呢?中央研究院「研之有物」專訪院內歐美研究所陳弘儒助研究員,他將帶我們思考:當 AI 取代人類執法時,將如何改變人們對守法的認知?

交通尖峰時段,後方出現一台救護車,你願意闖紅燈讓道嗎?
圖|iStock

想像有一天你正在尖峰時段開車,車子停在十字路口等紅燈時,後方出現一輛急駛而來的救護車,你為了讓道必須開過停止線。這時你是否願意冒著違規被開罰的風險?還是承擔風險以換取他人盡速就醫?

在上述情境中,針對「要不要闖紅燈」我們經歷了一段價值判斷過程。如果剛好十字路口有真人警察,他的判斷可能是:這是情急之下不得不的行為,並非蓄意違規。

然而,如果負責執法的是「法律人工智慧系統」(Artificially legal intelligent,簡稱 ALI)情況可能截然不同。

-----廣告,請繼續往下閱讀-----

ALI 這個詞源自 Mireille Hildebrandt 的研究,在概念上可區分為兩類:採取傳統程式碼的 IFTTT(if this then that)、運用機器學習的資料驅動。前者是注重法律推理或論證的計算機模型,將法律規範轉為程式碼,藉由程式編寫來執行法律任務。後者則透過大量資料的學習,來預測行為範式,用於再犯率、判決結果預測上有較好的成果。

一般情況下,應用在交通管制的 ALI 會辨識車輛是否超速、闖紅燈等違規行為,不過交通情境千變萬化,ALI 能否做出包含「道德價值的判斷」將是一大挑戰!

中研院歐美研究所陳弘儒助研究員察覺,人工智慧(AI)正在左右人們對守法的價值判斷及背後的因果結構,進而反思當我們將原本由人來判斷的事項,全權交由 AI 來執行時,可能產生哪些潛移默化的影響?

讓我們與陳弘儒展開一場從法哲學出發的對話,探索 AI 與法治價值之間的緊張關係。

-----廣告,請繼續往下閱讀-----
中研院歐美研究所陳弘儒助研究員,從法哲學出發,探索 AI 與法治價值之間的緊張關係。
圖|之有物

問

怎麼會對「人工智慧」(AI)與「法律人工智慧系統」(ALI)產生研究興趣?

會對 AI 感興趣是因為我很早就對電腦有興趣,我原本大學想唸資訊工程,因為高中有些科目沒辦法唸,於是去唸文組,大學進入法律系就讀,研究所考入「基礎法學組」研讀法哲學。

後來我到美國讀書,當時 AlphaGo 的新聞造成很大的轟動,啟發我思考 AI 的應用應該有些法律課題值得探討,於是開始爬梳 AI 與法律的發展脈絡。

AI 這個詞大概在 1950 年代被提出,而 AI 與法律相關的討論則在 1970、80 年代就有學者開始思考:我們能否將法律推理過程電腦程式化,讓電腦做出跟法律人一樣的判斷?

事實上,AI 沒有在做推理,它做的是機率的演算,但法律是一種規範性的判斷,所有判斷必須奠基在法律條文的認識與解釋上,給予受審對象合理的判決理由。

這讓我好奇:如果未來廣泛應用 AI 執法,法律或受法律規範的民眾會怎麼轉變?

-----廣告,請繼續往下閱讀-----

至於真正開始研究「法律人工智慧系統」(ALI)是受到我父親的啟發。有一陣子我經常開車南北往返,有一天我跟父親聊到用區間測速執法的議題。交通部曾在萬里隧道使用區間測速,計算你在隧道裡的平均速率,如果超速就開罰。

父親就問我:「政府有什麼理由用區間測速罰我?如果要開罰就必須解釋是哪一個時間點超速。」依照一般的數學邏輯,你一定有在某個時間點超速,所以平均起來的速率才會超過速限,可是法律判斷涉及規範性,我們必須思考背後的正當性課題,不能只用邏輯解釋,這啟發我逐漸把問題勾勒出來,試圖分析執法背後的規範性意涵。

問

如果將執行法律任務的權限賦予 AI,可能暗藏什麼風險?

我們先來談人類和 AI 在做判斷時的差別。人類無時無刻都在做判斷,判斷的過程通常會先做「區分」,例如在你面前有 A 和 B 兩個選項,在做判斷前必須先把 A 和 B 區分開來,讓選項有「可區別性」。

在資料龐大的情況下,AI 的優勢在於能協助人類快速做好區分,可是做判斷還需經歷一段 AI 難以觸及的複雜過程。人類在成長過程中會發展出一套顧及社會與文化認知的世界觀,做判斷時通常會將要區分的選項放進這個世界觀中,最終做出符合社會或自身考量的抉擇。

-----廣告,請繼續往下閱讀-----

當我們將判斷程序交由 AI 執行,就會涉及「判斷權限移轉」的問題,這經常在日常生活中發生,你只要發現原本自己可以執行的事情,有另外一個對象做的比你好或差不多好,你就會漸漸把判斷的工作交給它,久而久之,你大概會覺得這是很好的做法,因為可以節省大量時間。

自駕車導航系統就是判斷權限移轉的例子,由於導航通常可以找出最佳行車路線,駕駛人幾乎會跟著走,但仍有可能誤入路況不佳或無法通行的地方。
圖|Vladimir Srajber, Pexels

我擔心這種判斷權限移轉會快速且廣泛的發生,因為 AI 的工作效率極高,可以大幅節省人力成本,但是哪一些權限可以放給 AI?哪一些權限人類一定要守住?我們經常沒有充足的討論,等到發生問題再亡羊補牢可能為時已晚。

以讓道給救護車而闖紅燈的情境為例,如果讓 AI 來做交管,可以節省警察人力,又可以快速精準地開罰,卻迫使民眾需額外花時間,證明闖紅燈有正當理由。如果是真人警察來判斷,警察通常會認為你的行為有正當理由而不開罰。這對於受法律規範的民眾來說,會產生兩種全然不同的規範作用。

AI 產生的規範作用會讓民眾擔心事後銷單的麻煩程序,如果無法順利解決,可能會訴諸民意代表或上爆料公社,並漸漸改變民眾對守法的態度。而真人警察產生的規範作用,將使民眾自主展現對法律的高度重視,雖然當下的行為牴觸法律,卻是行為人經過多方權衡後做的判斷,相信法律會支持自己出於同理心的行為。

-----廣告,請繼續往下閱讀-----

問

使用 AI 執法除了看上它的高效率,也是因為和真人相比 AI 不會受私情影響,比較可以做出公正的判斷。如果從法治觀念來看,為何決策權不能全權交由 AI 執行?

我認為法治的核心價值在臺灣並沒有很好的發展,我們常想的是怎麼用處罰促成民眾守法,長久下來可能會得到反效果。當人們養成凡事規避處罰的習慣,一旦哪天不再受法律約束,可能會失去守法的動機。

事實上,法治最根深柢固的價值為:

法律作為一種人類行為規範的展現,促使民眾守法的方式有很多種,關鍵在於尊重人的道德自主性,並向民眾陳述判決理由。

給理由非常重要,可以讓民眾不斷透過理由來跟自己和法律體系溝通。如此也可以形成一種互惠關係,使民眾相信,國家公權力能用適當的理由來制定法律,而制定出的法律是以尊重公民自主性為主。當民眾理解法律對我所處的社會有利,會比較願意自動產生守法的動機。

AI 執法看似比人類「公正無私」,但它的執法方式以處罰為主、缺乏理由陳述,也沒有對具體情境的「敏感性」。人跟人之間的互動經常需要敏感性,這樣才能理解他人到底在想什麼。這種敏感性是要鍛鍊的,真人警察可在執法過程中,透過拿捏不同情境的處理方式來累積經驗。

-----廣告,請繼續往下閱讀-----

例如在交通尖峰時段應該以維持交通順暢為原則,這時警察是否具備判斷的敏感性就很重要,例如看到輕微的違規不一定要大動作開罰,可以吹個警笛給駕駛警示一下就好。

我越來越覺得人類這種互動上的敏感性很重要,我們會在跟他人相處的過程中思考:跟我溝通的對象是什麼樣的人?我在他心中是什麼模樣?然後慢慢微調表現方式,這是人類和 AI 最根本的不同。

行動者受各種法律變項影響的因果圖。上圖是由真人警察執法,對於處罰之可能性有影響力,可依不同情境判斷是否開罰。下圖是由全自動法律人工智慧執法,由 AI 直接將處罰之可能性加諸在行動者身上,缺乏真人警察二次確認,很可能影響行動者對守法與否的衡量。
圖|之有物(資料來源|陳弘儒)

問

相較於法律人工智慧,ChatGPT 等生成式 AI 強大的語言功能似乎更接近理想中的 AI,其發展可能對我們產生哪些影響?

我認為會有更複雜的影響。ChatGPT 是基於大型語言模型的聊天機器人,使用大量自然語言文本進行深度學習,在文本生成、問答對話等任務上都有很好的表現。因此,在與 ChatGPT 互動的過程中,我們容易產生一種錯覺,覺得螢幕後好像有一名很有耐心的真人在跟你對話。

事實上,對於生成式 AI 來說,人類只是刺激它運作的外在環境,人機之間的互動並沒有想像中的對等。

仔細回想一下整個互動過程,每當外在環境(人類)給 ChatGPT 下指令,系統才會開始運作並生成內容,如果我們不滿意,可以再調整指令,系統又會生成更多成果,這跟平常的人際互動方式不太一樣。

-----廣告,請繼續往下閱讀-----
ChatGPT 能讓使用者分辨不出訊息來自 AI 或真人,但事實上 AI 只是接受外在環境(人類)刺激,依指令生成最佳內容,並以獲得正向回饋、提升準確率為目標。
圖|iStock

資工人員可能會用這個理由說明,生成式 AI 只是一種工具,透過學習大量資料的模式和結構,從而生成與原始資料有相似特徵的新資料。

上述想法可能會降低人們對「資料」(Data)的敏感性。由於在做 AI 訓練、測試與調整的過程中,都必須餵給 AI 大量資料,如果不知道資料的生產過程和內部結構,後續可能會產生爭議。

另一個關於資料的疑慮是,生成式 AI 的研發與使用涉及很多權力不對等問題。例如現在主流的人工智慧系統都是由私人公司推出,並往商業或使用者付費的方向發展,代表許多資料都掌握在這些私人公司手中。

資料有一種特性,它可以萃取出「資訊」(Information),誰有管道可以從一大群資料中分析出有價值的資訊,誰就有權力影響資源分配。換句話說,多數人透過輸入資料換取生成式 AI 的服務,可是從資料萃取出的資訊可能在我們不知情的狀況下對我們造成影響。

問

面對勢不可擋的生成式 AI 浪潮,人文社會學者可以做些什麼?

國外對於 AI 的運用開始提出很多法律規範,雖然國外關於價值課題的討論比臺灣多,但並不代表那些討論都很細緻深入,因為目前人類跟 AI 的相遇還沒有很久,大家還在探索哪些議題應該被提出,或賦予這些議題重新認識的架構。

這當中有一個重要課題值得思考:

我們需不需要訓練 AI 學會人類的價值判斷?

我認為訓練 AI 理解人類的價值判斷很可能是未來趨勢,因為 AI 的發展會朝人機互動模式邁進,唯有讓 AI 逐漸理解人類的價值為何,以及人類價值在 AI 運作中的局限,我們才有辦法呈現 AI 所涉及的價值課題。

當前的討論多數還停留在把 AI 當成一項技術,我認為這種觀點將來會出問題,強大的技術如果沒有明確的價值目標,是一件非常危險的事情。實際上,AI 的發展必定有很多價值課題涉入其中,或者在設計上有一些價值導向會隱而不顯,這將影響 AI 的運作與輸出成果。

思考怎麼讓 AI 理解人類價值判斷的同時,也等於在問我們人類:對我們來說哪一些價值是重要的?而這些重要價值的基本內容與歧異為何?

我目前的研究有幾個方向,一個是研究法律推理的計算機模型(Computational models of legal reasoning);另一個是從規範性的層面去探討,怎麼把價值理論、政治道德(Political morality)、政治哲學等想法跟科技界交流。未來也會透過新的視野省視公民不服從議題。

這將有助科技界得知,有很多價值課題需要事先想清楚,影響將擴及工程師怎麼設計人工智慧系統?設計過程面臨哪些局限?哪些局限不應該碰,或怎麼把某些局限展現出來?我覺得這些認識都非常重要!

鐵面無私的 ALI ?人類與人工智慧執法最大的分野是什麼?

陳弘儒的研究室有許多公仔,包括多尊金斯伯格(Ginsburg)公仔,她是美國首位猶太裔女性大法官,畢生為女權進步與性別平權奮鬥。
圖|之有物

陳弘儒是臺灣少數以法哲學理論研究法律人工智慧系統(ALI)的學者,他結合各種現實情境,與我們談論 ALI、生成式 AI 與當代法治價值的緊張關係。

由於 ALI 擅長的資料分類與演算,與人類判斷過程中涉及的世界觀與敏感性思辨,有著根本上的差異;以處罰為主、缺乏理由陳述的判斷方式,也容易影響民眾對公權力的信任。因此陳弘儒認為,目前 ALI 應該以「輔助人類執法」為發展目標,讓人類保有最終的判斷權限

至於現正快速發展的生成式 AI ,根據陳弘儒的觀察,目前仍有待各方專家探索其中的價值課題,包括資料提供與使用的權力不對等、哪些人類價值在訓練 AI 的過程中值得關注等。

在過去多是由人文社會學者提出警告,現在連 AI 領域的權威專家也簽署公開信並呼籲:AI 具有與人類競爭的智慧,這可能給社會和人類帶來巨大風險,應該以相應的關注和資源進行規劃和管理

在訪談過程中,有一件令人印象深刻的小插曲,陳弘儒希望我們不要稱呼他「老師」,因為他從小就畏懼老師、警察等有權威身分的人,希望以更平等的方式進行對話。

假如今天以 AI 進行採訪,整個談話過程或許能不受倫理輩分影響,但這也讓我們意識到,在 AI 的世界裡,許多人際互動特有的敏感性、同理反思都可能不復存在。

陳弘儒的研究讓我們體會,AI 在法治領域的應用不僅是法律問題,背後更包含深刻的哲學、道德與權力課題,也讓我們更了解法治的核心價值:

法律要做的不只是規範人們的行為,而是透過理由陳述與溝通展現對每個人道德自主性的尊重。

所有討論 2
研之有物│中央研究院_96
296 篇文章 ・ 3568 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

0
0

文字

分享

0
0
0
為何電子元件已經做了塗膠防護處理,仍會發生腐蝕甚至導致產品失效?
宜特科技_96
・2023/12/22 ・5635字 ・閱讀時間約 11 分鐘

-----廣告,請繼續往下閱讀-----

電子元件發生腐蝕
圖/宜特科技

像電動車、充電樁使用於車用、工業用與戶外級別的電子產品,因應使用環境電子元件都需要採用三防膠塗佈保護,才能防止污染、腐蝕等問題。但為什麼,產品即便已經做了塗膠防護處理,仍會發生硫化腐蝕最終導致故障呢?原因可能就出在「膠」選得不對!

本文轉載自宜特小學堂〈為何已採用三防膠塗佈的電子產品,仍然發生硫化腐蝕失效〉,如果您對半導體產業新知有興趣,歡迎按下右邊的追蹤,就不會錯過宜特科技的最新文章!

選對三防膠材材有效 影片
點擊圖片收看影片版

近年來,伴隨環保概念提升與綠能意識抬頭,燃油類設備機具減少、電子產品數量增加,生活中最常見的就是電動車和充電樁變得越來越多。由於這類電子硬體設備會長期待在室外環境,加上日趨嚴重的空氣污染威脅,腐蝕性氣體、水分、污染物、懸浮微粒會直接或間接地造成產品中的元件生鏽或腐蝕,就會發生故障影響產品的使用壽命。而三防膠就是為了加強保護電子元件、延長設備壽命、確保安全性與可靠性所誕生的一種塗料。

一、 什麼是三防膠(Conformal Coating)?哪些產品特別需要使用三防膠?

有三防膠塗佈的電路板。圖/百度百科

三防膠又稱三防漆,跟大家概念中的膠或是漆有點像,它是常用於電路板上的一種特殊塗料。三防膠具有良好的耐高低溫特性,經由三防膠塗佈的電路板會產生一層「透明聚合物薄膜」,就能維持電路板外形並保護好電子元件,達到「防濕氣」、「防污」、「防腐蝕」的效果,因此才被稱為「三防」膠。

前面有談到,因應全球環境變化,電子產品卻越來越多元、越來越精密的條件下,現代電子硬體設備不僅擁有高性能,還需要具備抵抗惡劣環境的能力,像是應用在工業、車用、航太、戶外級別的電子產品,例如:資料中心、工業電腦、電動車、儲能站與低軌衛星等等……。

-----廣告,請繼續往下閱讀-----

這些產品比起一般家電的使用環境更加嚴苛,尤其在面對含硫化氣體污染高的環境,特別容易造成「硫化腐蝕現象」,因此在製程中,電子元件必須做好三防膠塗佈處理、提升產品可靠度是非常重要的事。

什麼是「硫化腐蝕」跟「爬行腐蝕」?

硫化腐蝕(Sulfur Corrosion):當空氣污染物中含有豐富的硫化合物,會導致許多工業器件上各種金屬與合金材料的表面產生嚴重的腐蝕現象,若伴隨其他氣體污染物的存在,會導致氣體協同效應進而產生不同硫化腐蝕的特徵與機理。富含硫的氣體,如硫化氫(H2S)、環八硫(S8)與二氧化硫(SO2)就是一般常見造成電子設備發生硫化腐蝕的氣體。

爬行腐蝕(Creep corrosion):爬行腐蝕是屬於硫化腐蝕其中一種的失效機理,典型的案例在印刷電路板與導線架封裝元件最為常見。由於裸露的金屬銅接觸到環境中硫化物的腐蝕性氣體,會進行反應生成硫化亞銅(Cu2S)的腐蝕產物,一旦電子產品表面清潔度不佳或環境有氯氣存在時,其固體腐蝕物將會沿著電路與阻焊層/封裝材料表面遷移生長的過程,導致相鄰焊盤和電路間的電氣短路失效現象,我們稱之為爬行腐蝕的失效模式。

印刷電路的爬行腐蝕
印刷電路的爬行腐蝕。圖/Barry Hindin, Ph.D, Battelle Columbus Operations
導線架封裝元件的爬行腐蝕
導線架封裝元件的爬行腐蝕。圖/Dr. P. Zhao, University of Maryland

當電子產品發生硫化腐蝕,會導致設備發生短路或開路的故障風險,像發生在印刷電路板或導線架封裝的爬行腐蝕(下圖一、圖二、圖三),或是表面貼裝被動元件的硫化腐蝕(下圖四),都是十分常見的案例。

電路板發生爬行腐蝕及硫化腐蝕失效的照片
(1)與(2)為印刷電路板的爬行腐蝕失效,(3)為導線架封裝的爬行腐蝕失效,(4)為表面貼裝晶片電阻的硫化腐蝕特徵照片。圖/宜特科技

二、 電子產品該選擇哪種方式做防護處理?

為了有效地隔絕惡劣環境對電子設備的影響,除了前面提過三防膠(Conformal Coating)的處理手法,一般也會採用灌封(Potting)來處理。下表是灌封與三防膠的差異比較。

方法灌封三防膠
保護性中-優
加工與
重工性
劣(氣泡殘留、重工困難)
品管檢驗劣(外觀不可視)優(外觀可視)
應用性劣(侷限)優(輕薄)
環保
範例
圖/Epoxyset Inc.
圖/Charged EVs
灌封與三防膠處理方法之比較。表/宜特科技

雖然灌封比三防膠保護性更好,但並非所有電子元件都能用灌封處理,灌封在作業前必須考量電子元件,會因為加工的熱應力、固化收縮應力、氣泡殘留等等產生影響,也要評估較多的產品設計條件,包括:尺寸、外殼、重量、熱管理、加工、重工、檢驗、成本與環保等因素,才能確認該產品是否適合做灌封處理。

-----廣告,請繼續往下閱讀-----

而三防膠的加工快速、重工容易與成本較低的優點,既可以提升產品抗腐蝕的能力,又可維持印刷電路板的外形而不影響後續的組裝作業,可以說三防膠的泛用性會比灌封來得更高。

所以當電子設備需要在惡劣的環境運作,或是終端電子設備發生腐蝕失效時,三防膠通常是組裝、系統廠商針對電子產品腐蝕的問題會優先採用的方案,廠商可以直接管控三防膠塗佈製程的品質,能夠針對終端客戶退回產品時進行立即性的改善作業。

三、 原來三防膠有很多種?

目前三防膠的種類主要可分為八大類,包含:Silicone Resin(SR)、Acrylic(AR)、Polyurethane(UR)、Epoxy(ER)、Paraxylylene(XY)、Fluorine-carbon resin(FC)、Ultra-Thin Coatings(UT)與 Styrene Block Co-Polymer(SC)。一般三防膠的種類可依照材質區分種類,然而混合型的三防膠材則是以重量百分比佔高的材質為主,如果三防膠的厚度 ≤12.5um ,膠材將不受材料種類的拘限都被歸類於 UT 型。每一種三防膠都有不同的特性,常見的評估項目有厚度、黏著性、耐溫性、抗化學性、防潮性、加工與重工性、普遍性、疏孔性、耐鹽霧腐蝕性、表面絕緣電阻程度與成本高低等。

四、 為何已經採用三防膠塗佈的電子產品仍發生了硫化腐蝕失效,原因竟是國際規範不足?

一般業界針對三防膠的國際規範,大多是參照國際電子工業聯接協會(Association Connecting Electronics Industries;IPC) 所制定的試驗標準 – IPC-HDBK-830A、IPC-CC-830C 與 IPC-J-STD-001F。這幾項標準都是一般常見於三防膠相關的國際規範,它們定義了三防膠的設計、選擇與應用的準則,用於焊接電氣和電子組件要求,以及用於印製線路組件用電氣絕緣化合物的鑑定及性能。

-----廣告,請繼續往下閱讀-----
常見三防膠相關的國際規範
一般常見三防膠相關的國際規範。圖/IPC-HDBK-830A, IPC-CC830C and IPC-J-STD-001F

而針對三防膠的驗證項目,包括了:種類、厚度、均勻性、缺陷、重工、應用、耐溫溼度環境、耐鹽霧、表面絕緣電阻等。其它與三防膠有關的標準還有 IPC-A-610H、IEC-1086-2、MIL-I-46058C、MIL-STD-202H、Method 106、NASA-STD-8739.1、BS5917、UL94、UL746F 與 SJ 20671……許多的國際規範。

然而在眾多三防膠國際規範的耐腐蝕性項目評估中,卻獨缺了「腐蝕性氣體的試驗」,尤其是在含硫與其化合物相關的腐蝕性氣體。因此,一旦產品的使用環境含有硫或硫化合物相關的腐蝕性氣體,即使電子設備已採用三防膠塗佈,仍會發生硫化腐蝕失效的問題。

此外,電子設備中也不是所有組件皆可以採用三防膠的塗佈,由於膠材具備絕緣的特性,一般均無法塗佈於電性連接、電器接點處,例如:金手指、插槽與連結器等。下圖是有採用與未採用三防膠塗佈的導線架封裝晶片發生與未發生硫化腐蝕的照片。

未採用三防膠塗佈採用三防膠塗佈採用三防膠塗佈
導線架發生嚴重的硫化腐蝕膠材的抗硫化腐蝕能力不足製程的缺陷(氣泡)導致保護不足
導線架發生嚴重的硫化腐蝕膠材的抗硫化腐蝕能力不足製程的缺陷(氣泡)導致保護不足
導線架發生嚴重的硫化腐蝕膠材的抗硫化腐蝕能力優異膠材的抗硫化腐蝕能力優異
導線架發生嚴重的硫化腐蝕膠材的抗硫化腐蝕能力優異未採用三防膠塗佈
採用與未採用三防膠塗佈的導線架封裝晶片發生與未發生硫化腐蝕的照片。圖/宜特科技

五、 不是有塗或是夠厚就好,透過驗證平台選擇出正確的三防膠材才有效!

透過上述的說明可以了解,如果只是按照規範去選擇三防膠材後進行塗佈,可能會遺漏腐蝕性氣體或是其他因素的影響,無法讓產品獲得最完善的保護。為了解決窘境,宜特科技所提供的硫化腐蝕驗證平台,可以協助廠商選擇正確的三防膠材,並針對各種採用三防膠塗佈的電子產品,評估產品抗硫化腐蝕的能力並進行壽命驗證。

-----廣告,請繼續往下閱讀-----
透過宜特實驗室的硫化腐蝕驗證平台評估各種三防膠材搭配不同厚度在硫化腐蝕試驗的耐受性
透過宜特實驗室的硫化腐蝕驗證平台評估各種三防膠材搭配不同厚度在硫化腐蝕試驗的耐受性。
圖/Source: Dem Lee…Et al.,“Evaluation of the Anti-Sulfur Corrosion Capacity for Chip Resistor and Conformal Coating by Way of Flower-of-Sulfur(FoS)Methodology”, International Microsystems, Packaging Assembly and Circuits Technology Conference 2018, Section 28, 2018.

上圖為透過宜特實驗室的硫化腐蝕驗證平台,評估各種三防膠材搭配不同厚度條件在硫化腐蝕試驗的耐受性。其中未經三防膠塗佈的抗硫化晶片電阻樣本(黑色),經歷 25 天的試驗後發生失效,但塗佈膠材 C(綠色)與膠材 D(藍色)的樣本,僅僅經歷 5 到 10 天的試驗就發生了失效。

由此可證,並非所有三防膠材都有具備抗硫化腐蝕的能力,抗腐蝕能力主要取決於膠材本身的材料特性,某些特定膠材非常容易吸附含硫與其化合物相關的腐蝕性氣體,即使提高厚度,也無法有效降低硫化腐蝕的發生,即便電子零件本身有做抗硫化腐蝕的設計,一旦選擇不合適的膠材,反而會加速電子產品發生硫化腐蝕失效的風險。

下表是採用相同樣本搭配不同的三防膠材,經硫化腐蝕試驗後,進行橫切面的掃描式電子顯微鏡分析之比較。可以看到,雖然膠材 B 的塗佈厚度比膠材 A 更厚,但是膠材 B 抗硫化腐蝕的能力卻更差。

三防膠膠材 A膠材 B
厚度<30um>100um
電子顯微鏡照片三防膠材A三防膠材B
抗硫化腐蝕的能力
採用相同樣本搭配不同三防膠材料塗佈經硫化腐蝕試驗後進行橫切面的掃描式電子顯微鏡分析之比較。圖/宜特科技

藉由宜特實驗室的硫化腐蝕驗證平台,不但可以協助選擇正確的膠材,亦可針對採用各種三防膠塗佈的電子產品,依照國際規範標準,並以實際終端環境的腐蝕程度搭配模擬使用年限,透過上述客製化的實驗設計,能夠協助廠商評估產品抵抗硫化腐蝕的壽命驗證。

-----廣告,請繼續往下閱讀-----

本文出自 www.istgroup.com。

討論功能關閉中。

宜特科技_96
5 篇文章 ・ 3 位粉絲
我們了解你想要的不只是服務,而是一個更好的自己:) iST宜特自1994年起,以專業獨家技術,為電子產業的上中下游客戶, 提供故障分析、可靠度實驗、材料分析和訊號測試之第三方公正實驗室