難怪要害羞？會氣噗噗放屁的含羞草

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

放屁和打嗝居然有共同點？

為什麼放屁會臭？因為大腸裡的細菌分解食物，產生硫醇和硫化氫等臭味氣體。硫化氫被形容是「有如臭雞蛋」，這也是溫泉飄著臭味的原因。對於細菌來說，這種作用是生存的必要活動。

有了這方面的常識，很容易會誤以為「屁是腸子裡產生氣體」，但並非如此，屁大半是從嘴巴吃進去的空氣。

我們在吃東西的時候，會把空氣一起吃進肚子。進入胃的空氣，一部分會逆流從嘴巴排出，一般稱之為「打嗝」，醫學上稱之為「噯（ㄞˋ）氣」；剩下的空氣就和食物一起到小腸，藉由腸蠕動不斷往下，最後連同大腸內的臭味氣體一起從肛門排出，這就是屁。

吃東西又急又快，就很容易吃進空氣。吃下去的空氣量多，當然打嗝和放屁的次數也會增加。雖說如此，進食時也不可能完全都不吃進空氣。

進行腹部斷層掃描時，每個人的腸道裡一定都有空氣。量的多寡因人而異，有人多、有人少。但是以健康的人來說，腸道內完全拍不到空氣是不可能的。不管吃東西時多慎重，一定會吃到空氣。

肚子咕嚕咕嚕叫不一定是肚子餓？

空腹時肚子會叫，大家一定都會有這樣的經驗。但是其實不限於空腹，肚子其實經常會「叫」。證據就是拿聽診器聽腹部的時候，只要是健康的人，聽起來都會咕嚕作響。我們覺得「肚子在叫」時，是只有「聲音大到不用聽診器也聽得到」。

肚子的聲音主要是腸道（大腸和小腸）搬運食物所發出的聲音。腸子隨時都在蠕動，但主要還是有二種模式，一是空腹時的「空腹期收縮」，另一種是進食後的「進食期收縮」。

腸道的收縮力在空腹時更大，從胃、十二指腸開始的收縮會一路傳到小腸末端，這是為了要讓腸道內殘留的胃液和腸液往下游送出，為下一餐做準備。這也是為什麼空腹時比較容易聽到腹鳴的理由。

當然，在肚子不餓時也可以聽到腹鳴，這是腸道不斷在運動的緣故，不需要大驚小怪。腸道運動活潑，代表很健康。

進行腹部手術的時候，打開腹部就會直接看到腸子，此時腸道蠕動聲真是非同小可。平常都是隔著腹部聽到的聲音，沒有遮蔽物後變大聲很正常，而且是整個手術室都聽得到的大音量。

大家可能認為聽診器都是拿來聽胸部，但像我這樣的消化器官專科醫師，拿聽診器來聽肚子的機會更多。

食物又不會偷跑，為什麼總是「剛吃飽」就想大便？

吃完飯後沒多久一定會有便意，你也有這種經驗嗎？

很多人都是在家吃了早餐後，上完大號才去上班。但應該也有本來沒有便意所以直接出門，結果走著走著卻便意襲來而後悔不已的經驗吧？

午餐後也一樣。我經營的醫療資訊網站有解說排便相關的文章，點閱率非常明顯的集中在平日中午十二點到下午一點的時候。這個時間帶排便的人很多，想當然耳搜尋「腹瀉」、「血便」也會增加。

「用餐後就想大便」乍看之下理所當然，但仔細想想卻很不可思議，因為食物不可能那麼快就變成糞便。

慢慢地消化，經過腸道運動往下運送，也要一到兩天才會排出糞便，不可能像削鉛筆機那樣，把積存在腸道內的糞便推出去。

如前所述，食物會在胃裡稍作停留，然後才徐徐進入十二指腸。也就是說進食後感到便意而去上廁所的時間點，食物大部分還在胃裡。

那麼為什麼進食後會有便意？事實上是因為「食物進入胃部會促進大腸蠕動」，這稱為「胃結腸反射」，也就是吃東西的時候，大腸內積留的糞便就會反射性地往下運送，所以會感到便意。

當然，這還是會有個體差。平常便祕的人可能會想，如果能這麼容易有便意就好了。每個人對胃結腸反射的反應不盡相同。

——本文摘自《了不起的人體：如此精妙，如此有趣，說不定還能救你一命》，2022 年 7 月，如何出版，未經同意請勿轉載。

• 作者／湯姆．巴特勒－鮑登（Tom Butler-Bowdon）；譯者／王曼璇

在《一次讀懂哲學經典》這本書中，作者湯姆•巴特勒－鮑登想要透過五十本哲學經典，帶領讀者認識哲學世界中啟發不同世代人們的各種觀點和思想。本文中我們轉載了關於《鬼扯連篇》的介紹。

二〇〇五年，一本只有六十七頁的書意外躍上暢銷書之列，它似乎挖掘出美國及英國發動第二次波斯灣戰爭中大眾對此的恐慌，而它的訊息也在特定事件之外得到共鳴。

哈里．法蘭克福，一名普林斯頓大學的道德哲學教授說，我們周遭圍繞著屁話，但我們看不出這是什麼，所以我們需要一個放屁理論。

放屁與欺騙哪裡不一樣？

法蘭克福問，是否放屁就和「鬼扯」一樣。

一九八五年馬克斯．布萊克（Max Black）所著之《鬼扯連篇》（The prevalence of Humbug），定義鬼扯是「欺騙的錯誤陳述，欺騙的成分較少，主要是裝腔作勢的話語或舉動，大多是某人自己的想法、感覺、態度。」

放屁與鬼扯相似，都是故意誤導的企圖，但沒有徹底的謊言。

放屁也是一種裝腔作勢，是有意識地扭曲人看清情勢的錯誤陳述。

因此，鬼扯與放屁都是意圖創造我正在思考或相信某事的印象，即使我沒有站出來實際地說出口。在這個差距中，即使我沒有說謊，不信任感也會出現。鬼扯的主要目的不是透過改變「事實」，創造不同的現實，而是讓別人對說話者有不同的看法。

舉例來說，大型政治演說的目的不是述說世界實際的樣貌，真正的目的是讓演說者看起來就像個愛國、高尚的人，甚至是道德捍衛者。

法蘭克福的結論是，鬼扯並沒有捕捉到放屁的真正本質。他引用美國詩人朗費羅（Longfellow）的詩句解釋：「藝術的往昔時光／工匠無不細心雕琢／每分每秒無微不至／因為上帝無所不在」，一個固守舊風的工匠不會做出讓人印象深刻的事？恰恰相反，他們會確保每個細節都是精確的，沒有人可以找出他們工作的痕跡。反之，粗製濫造的物品都是放屁，過程中沒有顧慮到時間、工匠、照護的細節，一切都希望得到短期效應，只有製造者因此受惠，品質和耐久性都不在考量之內。

法蘭克福提到一段費妮雅．帕斯卡（Fania Pascal）與他的朋友維根斯坦的回憶，費妮雅在醫院進行扁桃腺手術時，維根斯坦打電話給她，她對維根斯坦說，手術後她覺得自己就像「被車輾過的狗」，維根斯坦不以為然地說：「妳根本不知道被車輾過的狗是什麼感覺。」維根斯坦的重點並不是狗的感覺，而是一個語言分析學者認為帕斯卡並沒有善用語言，她既沒有好好地陳述自己的感覺，也不能知道狗的感覺。雖然維根斯坦的反應的確太大，法蘭克福卻運用這個故事，更新他的放屁定義：這不是單純徹底的謊言，經常也不是謊言，而是不關心事物是否為真。

騙子跟屁話藝術家的不同在「公牛時段」中（一群男人聚在一起談論女人、政治、運動或車子等等），目的並不是為了揭露或陳述任何偉大的真理，談論這些只是為了開心，就像這個動詞「說屁話」，可以只是顯露一個人個性的方式（遠離對某個主題下結論或承諾的世界）。這或許是個聰明的方法，然而，這種自我意識的桌邊對談，沒有人關心真理，就成為一個人存在的方式。想要好好地生活，我們就需要真相，有些人光說不練時，我們就會被激怒。

法蘭克福說：「說謊是極端專注的行為。」這種行為可與工藝元素相關，因為我們必須對所知的事實及公認的道德創造不信任。因此，騙子「為了發明謊言，讓我們認為他知道的是真相」。

反之，一個人想要在生活中透過說屁話的方式擁有更多的自由，他們不需要根據事實編造謊言，比起「建構一個故事」，他們說出來的話甚至不需要與事實或虛構有關。他們有更多的創造力，比較恰當的比喻是藝術，而不是工藝。屁話藝術家不需扭曲或改變事實，因為他們支持或證明自己要做的事，以自己的方式編撰自己，成為自己的主人，不像騙子或誠實的人，說屁話的人一點都不關心事實，事實只有在能幫助他們「逃脫懲罰」時才變得重要。有鑑於此，法蘭克福說：「比起謊言，屁話才是真實的最大敵人。」

哪來這麼多屁話啊？

法蘭克福承認，我們無法說現在的屁話是否比以前多，但肯定的是現在的屁話「不可否認地多」。其中一個原因是，我們許多人被迫談論所知不多的事。民主政體中，我們被期待對各種政治議題有自己的意見，所以我們建議大家避免說「不知道」。此外，我們活在相對的世界中，可以辨別及孤立真理的信念本身就很可疑，揭露什麼是正確的理想，已被真誠的理想取代：

「個人已不是將尋求一般世界的精確表達為首要目標，反而轉為嘗試提供自己的誠實表述，確信現實沒有與生俱來的天性，人們希望辨別事物的真相，而致力於讓自己的本性成為真實。」

雖然法蘭克福並沒有提到他，但我們可以說這種特殊的廢話起源於哲學家蒙田，蒙田非常坦然地說，事實上他對世界所知甚少，所以只好回頭檢視他確實知道的事物：自己。法蘭克福指出這個觀點中的瑕疵：我們不能一邊說我們有對自己正確、真實的觀點，同時又說其他事情沒什麼可說的。反之，我們是越了解這個世界，越可能揭露自身的真相。

總評

謊言會讓人震驚或驚呼，但我們會接受它，畢竟它與人類的本性一致。然而屁話，特別是它從個體擴展到組織、政府，就是不正當的行為，是人性的腐敗。拒絕「真理的權威」，接受販售或編織故事會導致如希特勒、柬埔寨共產主義者波布（Pol Pots）這類狂人崛起，他們渲染歷史，讓它看起來如此迷人，因而吸引百萬追隨者。

屁話很重要，所以才發展為放屁論，法蘭克福為哲學做出重大貢獻。當然，也有人以別種方式寫作這類主題：例如說，哲學家沙特給我們「本真性」概念，但這是另一本冗長、艱澀的書中提到的概念。如果有更多哲學家可以用通俗的用語，寫一本非常簡潔的書，例如《放屁》，他們對一般人的影響力必會增加許多。

哲學家──哈里．法蘭克福

法蘭克福出生於一九二九年，一九五四年在約翰．霍普斯金大學（Johns Hopkins University）取得博士學位。先在耶魯大學（Yale University）、洛克菲勒大學（Rockefeller University）任教，後在普林斯頓大學取得教職，在該校擔任道德哲學教授直到二〇〇二年。他的學術興趣領域包括笛卡爾哲學中的理性及真理、自由意志決定論議題（特別是對道德責任的暗示）、同理心及愛。其他著作包括一九八八年《事關己者》（The Importance of What We Care About）、二〇〇四年《愛的理由》（The Reasons of Love）、二〇〇六年《真話》（On Truth）、二〇〇六年《認真待己、好好做人》（Taking Ourselves Seriously and Getting It Right）。《放屁》最早出版於一九八六年文學季刊《拉里坦》中。

——本文摘自《一次讀懂哲學經典》，2019 年 6 月，時報出版