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
《島之生》成為生物地理學的經典,其深邃與比較的視野會由著名的演化學者、螞蟻專家、生物多樣性概念的提出者以及普立茲獎得主威爾森(E. O. Wilson, 1929-2021)所繼承,並在其與羅伯特.麥克阿瑟(Robert MacArthur)合撰之《島嶼生物地理學之理論》(The Theory of Island Biogeography, 1967)中發揚光大。
虎克(Joseph Dalton Hooker, 1817-1911)為十九世紀下半葉英國最重要的植物學者;一八四七年間,他赴喜馬拉雅山區,展開為期三年的植物學探險。長期主掌皇家邱園(Royal Botanical Gardens at Kew)的他,為達爾文好友,也是演化論得以形成與傳播的重要推手。
威爾森(Ernest Henry Wilson, 1876-1930)同樣是英國人;在邱園受過植物採集的訓練後,於一八九九年被著名的園藝公司 James Veitch & Sons 僱用,前往中國採集,開啟其東亞首屈一指之「植物獵人」的傳奇生涯。從一九〇七年起,他開始為哈佛大學的阿諾德樹木園(Arnold Arboretum)採集,重點仍放在東亞,並於一九一八年時來到臺灣採集,稱臺灣的森林是「東亞最美麗者」(the finest forest in East Asia)。
生涯最為坎坷者則是洛克(Joseph Charles Rock, 1884-1962)。洛克生於奧地利維也納,年少時,不滿家中為其做的職涯規畫,他憤而逃家。在歐陸各國流浪後,他來到美國,又前往夏威夷。一九一七至一九二〇年間,他投入夏威夷的植群研究,其成果引起美國農業部的注意。後續十三年,他前往於雲南及其周邊,為美國農業部(United States Department of Agriculture, USDA)、哈佛大學的阿諾德樹木園及其他機構採集植物。他的興趣也擴延至當地原住民納西族的社會與文化。一九六二年,終身未婚的洛克於夏威夷過世,他是世界首屈一指之中國西南植物相及納西族研究的權威。
當時離達爾文一八五九年出版《物種起源》已過了將近半世紀;就科學社群而言,關心的已不再是物種是否演化,反倒是人類該如何操控演化。隨著遺傳學逐步羽翼豐滿,各種新奇的演化理論紛紛出籠。例如,允為遺傳學奠基者之一的德佛里斯(Hugo de Vries, 1848-1935),主張物種並非如達爾文以為的緩慢且漸進的演化,反倒是以跳躍式的突變(mutation)。
以地理學的術語,在探究臺灣與橫斷山之間的關聯時,旨价當中經歷了所謂的尺度縮放(scaling)。什麼是尺度縮放?各位應當都有使用 google map 的經驗。為了要搞清楚自己的位置,我們會不時調整右下角的尺度,把地圖拉近或拉遠一些,這便是尺度縮放。那麼,尺度縮放與間斷分布有何關聯?如前所述,間斷分布的核心「是相距甚遠的地點可發現相似的物種」,但什麼是相似性呢?各位應該都有類似經驗——當站在遠處端詳一對同卵雙胞胎時,會覺得兩人看起來非常類似;然而一旦靠近些,又會發現當中存有不少差異。換言之,「像不像」的判斷會涉及觀看者到底站多遠,也就是取決於你所採取的尺度。
在《帝國、氣象、科學家:從政權治理到近代大氣科學奠基,奧匈帝國如何利用氣候尺度丈量世界》(Climate in Motion: Science, Empire, and the Problem of Scale)中,環境史家黛博拉.柯恩(Deborah Coen)重探了尺度縮放此地理學概念。她指出,「尺度縮放是一種軀體學習的體驗」,「為了將自己定位於遙遠的地方或是久遠的過去,我們必須依賴他人的知識。這也使得尺度縮放成為一種社會過程,通常以衝突和協調為其特色。」她也提醒讀者,尺度縮放也是個「情感過程」,