洪蘭的自由意志

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

你應該看過一些圖，例如「旋轉的舞者」或「前進的騎士」，聽說這些圖可以判斷你是左腦人還是右腦人。

然而這些傳聞可能純屬謠言，或說是偽科學。因為一來，僅要你判斷舞者或騎士方向，無法確認你擅長用左腦還是右腦；二來不管你進行的是理性的思考，還是感性的創意，兩側的大腦都要同時使用。不管科不科學，所謂的左腦右腦開發，恐怕是史上最廣為流傳的心理學迷思吧！

正常人左右腦之間，會透過胼胝體（corpus callosum）來溝通訊息。可是，在醫療倫理未像今天這樣良好建立的時代，神經外科醫師會為癲癇病患進行一種手術，把胼胝體咔嚓切掉，讓大腦不正常的同步放電侷限在一個腦半球，減輕癲癇發作時的症狀。

胼胝體被咔嚓掉的病患，日常生活裡的人格、認知和心理，似乎沒啥重大改變，直到加州理工學院的羅傑．斯佩里（Roger W. Sperry，1913－1994）和他的學生找來裂腦人進行一系列設計巧妙的實驗，發現阻斷左右腦之間的互通有無、讓左右腦不知道另一個腦半球在想啥，會產生不少有趣的實驗結果，也揭露出腦功能側化（Lateralization of brain function）的發現。

當左右腦不能溝通，會發生什麼事？

羅傑．斯佩里因裂腦人的研究榮獲 1981 年諾貝爾生理醫學獎，當時功勞最大的學生是葛詹尼加（Michael S. Gazzaniga），他們共同在加州理工設計一系列實驗，探討裂腦人在語言、視覺和運動上的變化，透過那些實驗，他們發現一些神經認知過程，有左右腦功能側化的現象，也就是主要會由一個腦半球掌管。

此外，他們也發現左腦主要負責說話和語言能力，右腦主要掌管空間和面部辨識。在裂腦人左右腦無法溝通的情況下，研究人員分別讓左右眼觀看不同圖像，實驗者居然可以掰出自以為合理的解釋，例如給右腦看一個雪鏟，左腦看雞爪，實驗者分別用左手指著雪鏟、右手指著雞爪，說鏟子是用來清雞糞的。

裂腦研究的啟示是，大腦並不像學界曾經認定的同質化處理信息，相反的，腦組織會特化成不同模組和迴路來進行特化功能。

這個啟示是個典範轉移，因為當時美國心理學界主導的是行為主義，主張心理學應該研究「可以被觀察和直接測量的行為」，反對研究「沒有科學根據的意識」。

可是葛詹尼加創意的認知神經科學，卻開啟了對意識的科學研究，也因為認識到腦是由不同模組和迴路組成的，葛詹尼加在《我們真的有自由意志嗎？》（Who’s in Charge？: Free Will and the Science of the Brain）一書中主張：腦中沒有一個主導的命令中心，「自我」和「自由意志」都是幻覺，意識是腦整體平行而分散地運作下由「解譯器」產生的（詳情請參見《我們真的有自由意志嗎？》）。

一窺腦科學家的科學與人性面

《切開左右腦：葛詹尼加的腦科學人生》（Tales from Both Sides of the Brain: A Life in Neuroscience）是羅傑．斯佩里高徒葛詹尼加的自傳。葛詹尼加除了是位優異的學者，也相信科學家必須和社會大眾溝通，所以也寫了《大腦、演化、人》（Human: The Science behind What Makes Us Unique）、《社交大腦》（The Social Brain）、《心智問題》（Mind Matters）、《自然界的心智》（Nature’s Mind）、《倫理的腦》（The Ethical Brain）、《我們真的有自由意志嗎？》等科普書。

葛詹尼加的教職經歷很豐富，曾兩度在他的母校達特茅斯學院（Dartmouth College）任教，也兩度待過加州大學聖塔巴巴拉分校，還有在筆者我的母校加州大學戴維斯分校創立的神經科學研究中心，中間還待過紐約大學、紐約州立大學石溪分校、康乃爾大學醫學院等。此外，他創辦了《認知神經科學期刊》，還創建了認知神經科學學會。

《切開左右腦》中，葛詹尼加描述他們研究的進行過程以及科學上的意義。他一開始主要的研究是透過裂腦人進行，隨著技術的進步，他們可以利用更先進的儀器探討大腦功能，如 CT、fMRI、PET、SPECT、MEG 等等，非專家的讀者不見得需要知道這些縮寫的詳細內容，但這般在技術上與時俱進，對科學研究而言是非常重要的。

他也談到生活中相關的決定，如搬家、婚姻、旅行等等，在《切開左右腦》中讓人見識到頂尖科學家的人性層面；另外還有在團隊、期刊、學會、研討會和研究單位創建等過程中，他如何和許多學者、甚至是媒體人及政治家建立了深厚友誼，以及受到許多貴人的相助，可以看出科學研究不是單打獨鬥，人緣好也是很重要的。

整本書，完全沒有談到 KPI、SCI 和期刊論文點數，只有對研究旺盛強烈的好奇心，不像今天亞洲多國學者在政府搞不清楚狀況下，被套牢在拚論文篇數和點數的困境裡；何況從書中葛詹尼加多次在不同大學院校擔任主管、和上層應對打交道的經驗來看，愈有效率的方式往往是愈有彈性的，被一大堆規定綁死、疲於和官僚打交道，只會扼殺一流的創意、製造二流的成果。

如果你對腦科學和神經科學感興趣，《切開左右腦》是本必讀讀物。而如果是想要獻身科學研究或者只想要瞭解相關工作，《切開左右腦》同樣是本很好的參考讀物！

本文原刊登於閱讀最前線【GENE 思書軒】，並同步刊登於 The Sky of Gene。

或許你聽過棉花糖實驗，但是身為成人或青少年，棉花糖恐怕不算啥誘惑了，不過如果是金錢、榮耀、高富帥／白富美、高熱量食物、電動遊戲……呢？我們目前能抗拒誘惑，是否只是心中真正想得到的東西還未出現，又或者真是自己自制力真的特強？

棉花糖的實驗，如何討論自制力？

廣為人知的史丹佛棉花糖實驗（Stanford Marshmallow Experiment），是 1966 年到 1970 年代早期，史丹佛大學心理學家沃爾特．米歇爾在幼兒園進行的一系列關於自制力的心理學經典實驗。心理學家召集六百多名四歲兒童進行了一場簡單的實驗。每位孩子在房間裡獨處十五分鐘，面對桌上一顆棉花糖，如果研究人員回來時棉花糖還在桌上，這位孩子會多得到一塊棉花糖作為獎勵。然而若他們吃掉了棉花糖，實驗就此結束，他們也拿不到多一塊棉花糖。如果孩子沒吃掉棉花糖，則會得到第二塊。十五分鐘的等待換得報酬率百分之百的投資，對四歲孩子來說是個很不錯的交易。

不少小孩忍不住把棉花糖吃了，約有三分之一的小孩撐過了十五分鐘，得到了第二塊棉花糖的獎勵。後續的追蹤研究發現，四歲時能忍著沒吃第一塊棉花糖的孩子，長大後學業表現較佳。他們與老師、同學、父母互動較好，收入也較高而且身體也較健康等等。

簡單來說，棉花糖實驗顯示有自制力抗拒誘惑延遲滿足的人，可能在事業和人生有比較好的成就。然而，如果無法忍著不吃棉花糖，是否就注定了未來一事無成？ 有人天生自制力就較強，就像肌肉一樣，有人天生肌肉發達。但自制力能鍛鍊，也像肌肉一樣會痠痛疲憊，；如果自制力可能比智商更重要，那麼我們對下一代的教育，是否更該重視自制力養成？德國著名的神經科學家和科普作家阿希姆‧鮑爾（Joachim Bauer）的《棉花糖的誘惑：從腦神經科學看自制力》（Selbststeuerung: die Wiederentdeckung des freien Willens）談的就是這個問題。

真正的自由意志，來自於「自制」？

《棉花糖的誘惑》的寫作風格和英美科普書不同，很有德式冷靜的論證風格。阿希姆．鮑爾第一章就從哲學、神經科學及心理學的角度抨擊主張人沒有自由意志的神經科學研究和主張。

我在此專欄中介紹過這個主張，包括《我們真的有自由意志嗎？：意識、抉擇與背後的大腦科學》（Who’s in Charge? : Free Will and the Science of the Brain）和《我即我腦：從子宮孕育到阿茲海默症，大腦決定我是誰》（Wij Zijn Ons Brein），都有提到神經科學研究推翻了自由意志等等，證據是在我們的意識作出反應前的些微片刻，下意識（或稱潛意識或無意識）就先有了決定。

但是阿希姆．鮑爾認為如此解讀是個嚴重的誤解，他主要論點是我們的精神活動中，有意識的相對之下僅是一小部分，但意識和潛意識並非單向溝通、而是互相滲透的，潛意識並非自由意志的敵人。

阿希姆．鮑爾主張，真正的自由來自自制，這和千古以來哲人大德的主張一樣。只要我們能夠靜下心來思考，比較不同狀況中各個選項的利弊得失，繼而做出選擇，我們就擁有「自由意志」。他接著論證，人類天生就具有習得自制的能力，前額葉皮質裡的神經網絡是自制力的神經生物基礎，兩歲以前的教養，教導小孩不衝動行事，對妥善自制力的養成格外重要。

如果自由意志也是教育問題，社會經驗會影響大腦發育，那下一代小孩的自制力教育，大人責無旁貸，畢竟如果大人都不可靠，那怎麼奢言要小孩自我節制？阿希姆．鮑爾強調，自制力並不違背人類的真實天性，長久以來都是我們的一大生物功能，使我們在滿足立即需求與達成長期目標之間，取得健康的平衡。的確，人類相較其他靈長類親戚最大的差異之一，就是人類較發達的前額葉皮質，讓人類能夠有理性決策的能力。

如今西方國家邁向成癮社會，讓阿希姆．鮑爾感到擔憂。他探討了德國人的自我節制能力，認為無法抗拒菸酒和飲食習慣的誘惑，造就了一大批不健康的國民。他同時也批評現代媒體的過度使用，讓小孩沉迷網路世界，逃避了真實世界中更多的樂趣。

能抵抗棉花糖誘惑的小孩，長大後也比較健康。因此阿希姆．鮑爾主張，優良的醫學不應僅止於提供患者藥物、手術及療程，而應幫助患者增強心理上的自制潛能，啟動病患生理上的自癒能力；對於病人，他認為疾病的挑戰促使我們重新探索人生，若能藉此強化自我力量的覺醒，就能化危機為轉機，激發對抗阿茲海默症及癌症等重大疾病的潛能。

中庸之道：適度體會誘惑，同理並掌握自制

儘管自制力真的很重要，但《棉花糖的誘惑》的作者是德國人，而東亞社會卻有許多狀況和歐洲文化不同。如東亞社會傳統上極為強調的溫良恭儉讓，就是自制力的不同面向。我們的應試教育，除了考智商，不就是強迫小孩學習延後滿足嗎？在整個教育過程，要求小孩對抗遊樂和兩性交往的誘惑，強迫他們把滿足時間延後十幾廿年到出社會後，然後屆時才責備孩子沒有社交和兩性交往的能力。

另外，自制力應用到了極致，塑造的可能不是人，而是「超理性」的怪物，沒有同理心，無法享受生活的樂趣。一切所作所為都不是為了樂趣，全都是一項又一項的利害算計。其實這樣的人，歷史上不少，如阿道夫．希特勒，就是個野心勃勃、自制力超強的人，難道他對人類造成的苦痛會太少嗎？

因此我認為，要作為一個有同理心的人，中庸之道不是用自制力去抗拒排斥所有誘惑，而該適時適度地體驗一下誘惑的樂趣吧？

本文原刊登於閱讀‧最前線【GENE思書軒】，並同步刊登於The Sky of Gene。