最早的打字機字母排列方式是按照字母順序一直排下來,但隨著打字人員的熟練,快速的打字方式使得打字機故障頻頻,為了要讓這些光速鍵盤手不再因為超快的打字而弄壞打字機,柯提鍵盤首先被發明來取代舊式打字機,因其故意設計成將經常使用的字母們分散於左右兩端,使得打字的速度無論如何都會因為這種設計而減慢;另外值得一提的是,柯提鍵盤也是非對稱鍵盤,從鍵盤中線切開後你會發現,位於右側的字母較少(y, u, i, o, p, h, j, k, l, n, m, 11個),位於左側的字母則較多(q, w, e, r, t, a, s, d, f, g, z, x, c, y, b, 15個)。
原始文獻:
Kyle Jasmin and Daniel Casasanto. 2012. The QWERTY Effect: How typing shapes the meanings of words. PSYCHONOMIC BULLETIN & REVIEW. DOI: 10.3758/s13423-012-0229-7 (Online before publication)
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。
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。
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。
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?
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
研究顯示,比起看電腦螢幕學習,手寫不僅能增強書寫功能區的神經元活動,也會增進初級運動皮質區、影像視覺化區、語言中樞區、閱讀寫作區和海馬迴的神經元活動(Umejima et al., 2021)。也就是說,手寫對於大腦功能區的活化非常全面。從負責記憶和導航的海馬迴到閱讀與寫作功能區,這些都在手寫的當下被活化。因此對大腦而言,手寫可不簡單。從空間動作、記憶回顧、語言反饋、閱讀理解到寫作輸出,都能藉由手寫這個看似簡單的動作得到強化與深化。也因此手寫對於學習的幫助比起使用電子產品更全面。
-----廣告,請繼續往下閱讀-----
手寫會活化大腦皮質的多個功能區。圖/參考資料2
雖然上兩篇提到的研究對象都是成年人,不過研究人員認為,手寫對於孩童的學習應該也有幫助。而根據 2017 年發表在 Current Directions in Psychological Science 上的研究顯示(James et al., 2017),未識字的孩童在手寫學習字母的過程中,大腦中的閱讀與寫作功能區也會活化。雖然該研究並未測試孩童在手寫後的閱讀與寫作能力是否提升,但仍顯示手寫對於孩童學習過程的重要性。
在手寫的同時,孩童大腦中的閱讀與寫作功能區也會同時活化。圖 / 參考資料 4
「家長和教育工作者的問題是,為什麼我們的孩子要花時間練習手寫?如果你練習手寫,你會成為一個更好的手寫者,但既然現代人們手寫的機會少了,那麼還有必要進行嗎?這個提問背後的真正問題是:手寫對於孩子有好處嗎?我們發現答案是肯定的,手寫能增進孩子們的拼寫、閱讀和理解能力。」該研究的高級作者、約翰霍普金斯大學的認知科學家 Brenda Rapp 如此說道。
Wiley RW, Rapp B. The Effects of Handwriting Experience on Literacy Learning. Psychol Sci. 2021 Jun 29:956797621993111.
Umejima K, Ibaraki T, Yamazaki T, Sakai KL. Paper Notebooks vs. Mobile Devices: Brain Activation Differences During Memory Retrieval. Front Behav Neurosci. 2021 Mar 19;15:634158.
James KH. The Importance of Handwriting Experience on the Development of the Literate Brain. Current Directions in Psychological Science. 2017;26(6):502-508
無限猴子理論:如果你給一隻猴子無限的時間敲鍵盤,牠終究會有機會敲出莎士比亞全集……嗎?圖/By New York Zoological Society, via Wikimedia Commons
猴子問題成為機率論裡統計機制的題目,最早是出現在法國數學家埃米爾.博雷爾(Émile Borel)於一九一三年所寫的文章中,題為〈統計機制與不可逆性〉(Mècanique Statistique et Irrèversibilitè)。文中說,如果給定足夠的時間,一隻猴子可以在鍵盤上隨機敲出莎士比亞全集。當然,「足夠的時間」指的可能是無限長。
英國物理學家亞瑟.艾丁頓公爵(Sir Arthur Eddington)對於隨機性的態度則更為開放,他在一九二七年受邀到愛丁堡大學的紀福講座(Gifford Lecture)演講時說:
Les contremaîtres illettrés rassembleraient les feuilles noircies et les relieraient en volumes. Et au bout d’un an, ces volumes se trouveraient renfermer la copie exacte des livres de toute nature et de toutes langues conservés dans les plus riches bibliothèques du monde.
用電腦虛擬的猴子來模擬執行猴子問題。二○○四年八月四日,電腦虛擬的猴子在經過 42162500000 乘以十的十八次方個猴年之後,打出了以下內容「VALENTINE. Cease toIdor:eFLP0FRjWK78aXzVOw- m)-’ ; 8t …… 」驚奇的是,這胡亂敲打出的前十九個字母,正是莎士比亞的劇作《維洛那二紳士》(The Two Gentlemen of Verona)的第一行──VALENTINE: Cease to persuade, my loving Proteus。