Loading [MathJax]/extensions/tex2jax.js

0

1
2

文字

分享

0
1
2

是天分還是努力?專業音樂人怎麼養成的?──《好音樂的科學》

PanSci_96
・2018/12/01 ・4712字 ・閱讀時間約 9 分鐘 ・SR值 518 ・六年級

很多人因為熱愛音樂而想學音樂,但卻因自認沒有天分而卻步。這樣其實很可惜,因為本章接下來要說明的,就是這類「我沒有天分」的顧慮,其實是不必要的。事實是,大多數的專業樂手,也並非與生俱來就有天分。

「天分」這個詞有好幾種用法,但最常見的兩種是:

  1. 對他人的技能抱持無害的驕傲態度。(「是的,我太太跟我對小女獵海豹的天分,感到無比驕傲。這間俱樂部,就是我們送給她做為八歲生日的禮物。」)
  2. 一種大家不時對於人生的不公平,所產生某種摻雜了傲慢、懶惰以及怨恨的奇特感受。(「不,我並沒有被球隊選上,是我那懶散的哥哥入選了──不過是因為他有天分罷了。」)

在以上兩個例子中,天分都被認為是一種與生俱來的天賦。這些人也許值得讚賞,但不能過譽,因為他們只是運氣好而已。就像有的人生來就是捲髮一樣,有的人不過是天生就具有冰雕的才華罷了。

顯然沒有人一出生就是音樂好手。圖/pxhere

關於音樂天份的好消息與壞消息

在音樂界中,「天分」是個常常被人討論的字眼:世界上充滿了「有天分」的小提琴家、指揮家、以及搖滾吉他手。但顯然沒有人一生下來就會拉小提琴,天才就跟一般人一樣,也得要學習怎麼彈奏樂器。然而普遍的看法都是,那些有天分的人在學音樂的時候,要比可憐的平庸大眾學起來更快、更容易,也出色得多。

-----廣告,請繼續往下閱讀-----

關於這點嘛,我有好消息,也有壞消息。

好消息是,天分多半是種迷思。因此現在,你大可為自己的偶像或是兒女,感到更驕傲一些,因為他們可能並非生來就特別有才能。

壞消息是,天分多半是種迷思。因此現在,你不用再拿「我沒有音樂天分」做為藉口,自認學鋼琴根本是徒勞,而不去嘗試。

但我憑什麼能這麼說呢?某些人在音樂上的表現,的確要比其他人出色。要是他們沒有天分的話,又該怎麼解釋這一點呢?

且讓我先說個故事給你聽。

遇到挫折時難免會懷疑自己是否適合學習某項技能。圖/pixabay

一九九二年,有個英國研究團隊決定針對音樂天分這件事,進行一項嚴謹的研究。約翰‧斯洛博達教授和他的團隊,調查了二百五十七位年輕樂手,這些人從只學過幾個月樂器就放棄,到正在認真接受專業訓練的都有。

-----廣告,請繼續往下閱讀-----

而研究人員很幸運,能直接取得這些研究對象在一項精確的能力評量,亦即英國等級評量系統(UK grade system)上所獲得的成績。如果你在英國境內學音樂的話,就能參加每年的級數測驗,直到達到最高等級,也就是第八級為止。一旦到達這個程度,就表示你演奏樂器的技巧很高明,而且還有能力舉辦演奏會,或是在妹妹的婚禮上演奏,而不會讓所有人尷尬。這同時也是就讀音樂學院所需的條件。

因此,研究人員不但知道這二百五十七位年輕樂手,過去各等級的音樂教育成績,而且還知道他們何時通過各等級的測驗,如此一來就能比較所有人的優劣了。

他們將這些研究對象分成下列五組:

  • 最頂尖的一組樂手透過參加比賽,已取得了就讀某所高級音樂學院的資格。這些人都受過專業樂手的訓練,因此我們稱這一組為「A 組」。
  • B 組學生也很不錯,但由於他們的比賽成績不盡理想,因此無法進入音樂學院就讀。
  • C 組學生很認真地學習音樂,並曾考慮申請音樂學院,但終究決定不參加比賽。
  • D 組學生學音樂只是玩票性質,自己或他人都不認為適合進音樂學院深造。
  • E 組學生則曾經學過音樂,但後來放棄了。

很顯然地,曾贏得比賽,且最後走上專業訓練之路的 A 組學生,平均而言要比 B 組學生更有天分,而 B 組則又比 C 組更有天分,以此類推。因此斯洛博達教授及其同僚打開電腦穿上實驗袍,想看看這些有天分的學生,相較於天分不高的其他組別,晉級的速度有多快。

-----廣告,請繼續往下閱讀-----
當然也有人的晉級速度飛快。圖/pixabay

當他們檢視數據,並訪談這些學生及其家長時,發現結果一如預期:這些佼佼者的確要比其他人更快晉級。在學了三年半的音樂後,A 組學生平均都能達到第三級,而在同樣學了三年半後,C 組學生卻只達到了第二級。

但在這些學者進一步深究後,他們卻開始質疑,成功的關鍵或許並不在於天分。數據顯示,A 組學生平均需要花費跟其他組別一樣多的時間來練習,才能通過下一個級數測驗。不論是哪一組學生,若想從第一級升到第二級的話,平均需要投入練習的時間都是兩百小時,而從第六級升到第七級則平均約需練習八百小時。每一位學生從初學者到第八級,平均所需的總練習時數,剛好是三千多小時(當然,並不是所有人都能達到第八級)。

結論很簡單:你練習得愈多,就愈快成為優秀的樂手。A 組學生唯一擁有的「天分」,就是勤奮──他們不但一開始投入練習的時間就比其他組多,並且還逐年增加練習時間。此組學生第一年從每天練習半個小時開始,到了第四年則增加到一個多小時。而級別較低的學生則從不足半小時開始,之後亦並未增加太多練習時間。例如,D 組一開始每天只練習十五分鐘,並在最初四年期間,只增加到令人昏倒的二十分鐘。

平均而言,A 組學生並不特別有天分,他們只不過是每個禮拜練習的時間較多罷了。

-----廣告,請繼續往下閱讀-----

一萬小時的刻意練習

另一組由心理學家所組成的研究團隊,在一九九○年代初期,針對柏林音樂學生所進行的一份研究,也證實了斯洛博達教授的發現。研究人員請西柏林音樂學院(Music Academy of West Berlin)的老師,將自己的學生分成三個等級,我們姑且稱之為「優等組」、「良好組」和「普通組」。接著,研究人員以小時為單位,分析所有學生每小時都做些了什麼,並檢視他們過去學習音樂的情況。研究人員發現,學生們在很多地方都大同小異──他們大多都在八歲時開始學音樂,並且每週都花費大約五十小時,從事音樂相關活動。

不能否認的是反覆練習的重要性。圖/pixabay

各組間最大的差異,則是他們過去單獨練習的時間有多長。優等組的學生到了十八歲時,平均已投入了七千四百一十小時在練習上,而良好組的學生是五千三百零一小時,普通組則是三千四百二十小時。這些數據相當符合一般認知的法則,也就是從建築學到動物學,幾乎所有技能,只要投入一萬小時的練習時間,任何人都能達到專業程度(要是想知道一萬小時究竟是多久的話,它大約相當於每天四小時,共需時七年)。

如果你是那種很相信天分,但對成就多半來自簡單枯燥的練習的觀念深感不滿的人,別忘了,這種觀念反而會讓有成就的人更受人尊敬,而非相反。

當做父母的驕傲地述說心肝寶貝的音樂天分與潛能時,其實他們並不知道,自己述說的,其實是子女們在學習樂器上有了長足的進步。這些父母並不會在孩子將小髒手放在小提琴上前,就說「我兒子說不定會成為傑出的提琴家」。他們其實會等到孩子學會了某項技能,並能夠演奏〈我有一隻小毛驢〉或「Smoke on the Water」後,才宣稱自己的孩子有天分。此時,他們似乎已將那一次次勉強通過測驗的日子,以及為此所付出的一切努力,都拋諸腦後了。

-----廣告,請繼續往下閱讀-----

擁有高超音樂技能的關鍵,就是所謂的刻意練習。愈是刻意練習,技巧就愈好,這道理適用於任何一種需要技巧的活動。但刻意練習跟一般練習不同,後者通常指的是單純重複已相當熟練的事。而刻意練習則相反,它表示你正準備更上一層樓。你所練習的是對你來說困難的事,一旦能成功予以掌握,就離精通此項技能更近一步。刻意練習的特性之一,就是它並不是一件有趣的事—這也正是為何傑出的人有如鳳毛麟角的原因。

越是努力,越有天份

知名電影製片山姆‧戈德文(Sam Goldwyn)曾說過一句名言:「我愈是努力,就愈幸運。」* 對從事音樂的人來說,這句話可以改成「我愈是努力,就愈有天分。」

  • 戈德文向來以創造許多名言著稱,像是「include me out」(別把我算進去),以及「A verbal contract isn’t worth the paper it’s written on」(口頭約定連張紙都不如)等。但這句關於努力和幸運的名言,並非完全由他原創,而是改編自美國第三任總統湯瑪斯‧傑弗遜(Thomas Jefferson)的名言「我堅信運氣,而且我發現自己愈努力,運氣也就愈好。」

但事情並非僅止於此。

天分與練習時間究竟是成正比,還是成反比呢。圖/pxhere

你大概注意到了,我目前只提到了各組別的平均表現,但其中有某些學生的表現,是遠高於所屬組別的平均值的。他們花在練習上的時間,要比該組平均練習時數多出許多,而某些人即使練習時間少了許多,卻依然能夠成功。這項調查最有意思的結果之一,就是在每一組中都有「少數特例」,這些特例即使投入練習的時間,較該組平均值少了五分之一,卻仍然能成功地通過級數測驗。倘若世上真的有天分這回事,必定跟這部分有很大關聯。

-----廣告,請繼續往下閱讀-----

但這些人的天分究竟是什麼?他們是有音樂方面的天分?還是在有效的練習上特別有天分?而且,既然他們這麼有天分,為何有的人沒被分到 A 組?

我們也許可以嚴苛地說,他們不過是比較懂得練習罷了。可能他們就是有本事在每一百小時的練習中,能達到九十小時的刻意練習效果,而其他人卻只能達到三十小時。又或者他們很喜歡刻意練習的高難度挑戰,也就是不厭其煩地重複困難的部分,直到能快速流暢地彈奏為止。但若果真如此,這難道不是另一種對天分的定義嗎?一般對這個字眼的定義是「與生俱來的能力」,而且人們還能輕易地將這種能力,運用在相關的事務上。

斯洛博達教授及其團隊還探討了這些學生在孩提時期,第一位音樂老師對他們所產生的影響。他們發現最終能達到專業演奏等級的重要因素之一,就是學生的第一位老師是否風趣又親切。雖然,在之後的學習過程中,老師是否風趣,並沒有老師是否專業來得重要,但很顯然,在學習的最初階段,小朋友會很努力地取悅自己喜歡的老師。反之亦然:我看過許多在小時候便放棄學音樂的人,都是因為教他們的老師有如缺乏感情的法西斯祕密警察,在家執行勤務一樣。

但其實,每個人對於天分的想法並不都相同。圖/imdb

二○○三年,心理學家蘇珊‧海拉姆和凡娜莎‧普林斯(Vanessa Prince)邀請了一百多位專業音樂人,就這一句「音樂技能是……」來造句,並發現絕大多數答案中的用詞,都以「經過學習」以及「經過養成」為主。而請非專業音樂人作答時,則較傾向使用暗示這件事涉及某種天賦的詞彙。

-----廣告,請繼續往下閱讀-----

不論我們如何定義天分,顯然就是有一些人具有音樂天分,但卻猶如鳳毛麟角,即使是在專業音樂人的圈子裡也一樣。斯洛博達教授的研究結果認為,一百個交響樂團的團員中,只有大約十位真的具備天分。這表示在大多數情況下,這些有天分的樂手能在練習時間少很多的情況下,達到跟其他同僚一樣高明的演奏層次。不過,在這群人中又有極少數的人,會投入跟同僚一樣多的練習時間,以成為擔綱獨奏的台柱。

那其餘百分之九十傑出樂手的驕傲父母,大概都會說自己的孩子有天分,但這種說法是錯誤的。針對他們所有的努力,給予他們應得的肯定,才是較為正確的做法。

而從另一個極端角度誤用「天分」這個字眼的人,則是那些不實地宣稱自己是「音癡」的人。對真正的音癡來說,這的確是一大問題,或至少是音樂方面的缺陷,但幸好相當罕見。

本文摘自《好音樂的科學 II:從古典旋律到搖滾詩篇──看美妙樂曲如何改寫思維、療癒人心》大寫出版,2018 年 4 月。

-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----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)」!

-----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。

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。

-----廣告,請繼續往下閱讀-----

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。

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。

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。

-----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?

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。

-----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

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

3
0

文字

分享

0
3
0
迴盪在耳際的聲音——迴響與聆聽知多少!
雅文兒童聽語文教基金會_96
・2023/06/28 ・2048字 ・閱讀時間約 4 分鐘

  • 文/樊家欣|雅文基金會聽語科學研究中心 助理研究員 

P. LEAGUE 最大咖球星林書豪加盟鋼鐵人隊,帶領鋼鐵人打出新氣象,並獲選為籃球單月最有價值球員「三連霸」,堪稱史上第一人!你,也愛打籃球嗎?當你在體育館時,是否有察覺到周圍的聲音跟平常不太一樣呢? 

迴響,能讓聲音隔空變魔術!

體育館一般有挑高的設計以及較大的室內容積,當其中有聲音產生,傳遞到周圍較硬的介質表面「反射」回來,而產生延遲和失真的現象,稱為「迴響(Reverberation)」。由於空間容積與迴響時間成正比,空間越大,迴響時間隨之延長。沒有進行吸音處理的體育館,運球聲、腳步聲、群眾吆喝聲等人造聲音將迴盪在空間中,聲音必須經過更長的時間才會完全消失,使人在體育館倍感喧騰。

 聲音傳遞出去遇到牆面,反射回來形成迴響。圖/shutterstock

善用設計,打造餘音繞樑的迴響聲學空間 

迴響在不同的空間,會因周圍反射的材質,展現不同的聲景樣貌,例如:音樂廳就是利用各種不同的「形狀」「材質」來平衡聲音,再將之導向聽眾。

早期音樂廳的「形狀」只有鞋盒式,台北國家音樂廳就是歐洲數百年經典傳統鞋盒式音樂廳,平面觀眾席的聲響很好,但是後面的眺望台座位,由於天花板空間被擋住,與前面造成相異聲場,聲音就顯得不夠飽滿;而高雄衛武營音樂廳,其內部設計柏林愛樂廳一樣,採用的是葡萄園式音響設計,所有觀眾皆處在同一個屋簷下,觀眾席如同葡萄園般由舞台四周錯落展開,享受相同的音場,因此聲響均等優美。

-----廣告,請繼續往下閱讀-----

從細部來看,「材質」平坦而堅硬的表面能反彈聲音、柔軟的表面可吸收聲音,粗糙的表面則會將入射的聲波散射。在牆壁和天花板上裝設經特別設計的嵌板,就能使聲音在抵達你的耳朵之前,先被調整並優化[3]。藉由空間整體的設計,能讓迴響成為小精靈,締造優美的聲學空間。

打造餘音繞樑的音樂廳。圖/shutterstock

迴響時間過長,對聆聽語音是個壞消息⋯⋯

美國國家標準協會(American National Standards Institutes, ANSI)於 2002 年建議迴響時間(Reverberation Time)少於 600 毫秒(= 0.6 秒)有最佳的語音理解和學習。在安靜的情境中,如果反射回來的語音較早抵達聽者的耳朵,則原聲和迴響會在聽覺系統裡整合,可能提升語音辨識度(Speech Recognition);而較晚抵達的迴響,則不會與原聲有加成的作用,反而會遮蔽或模糊原本的聲音,而使語音辨識表現下降。除了語音辨識度之外,也可能因聲音的失真,而使聆聽變得費力。

聆聽費力度(Listening Effort)為一更敏感的指標,在一些迴響時間過長的情境中,即使語音辨識度沒有下降,但聆聽者可能因著迴響,而使聆聽造成負擔,或進一步使記憶或理解力下降[5],相關文章可以參考連結。因此,迴響時間過長,會提高語音辨識的難度和增加聆聽費力度。

善用科技,讓聽損者輕鬆聽清楚

一般人在有迴響的地方聽講可能會覺得比較不清楚或費力,而對於有聽力損失的人來說,會更容易受到迴響的不利影響[4] [6]。因此,許多配戴助聽器或人工電子耳的聽損者,在聽講或聲音環境較為複雜的地方會搭配使用輔助聆聽裝置(Assistive Listening Device),如T線圈(Telecoil,又稱 T-coil)、藍芽及數位遠端麥克風等。此類裝置可將聲音訊號轉換,以無線的方式傳輸至助聽器/人工電子耳,來克服環境中迴響的干擾或距離因素,幫助聽損者聽得更清楚也更輕鬆[1] [2],相關文章也可參考連結

-----廣告,請繼續往下閱讀-----

綜言之,迴響在不同的聲學空間會產生不同的效應:在設計不良的空間會產生聽覺上的干擾,而在好的聲學空間則能使聆聽成為一種享受;另外,藉著輔助聆聽裝置也能幫助我們克服迴響等外部因素而有好的聆聽

  1. 吳彥玢(2019)。助聽器使用者使用數位遠端無線麥克風系統與動態調頻系統之比較〔未出版之碩士論文〕。國立台北護理健康大學語言治療與聽力研究所。
  2. 林郡儀、張秀雯(2016)。校園聽覺環境及聽覺輔具之應用發展。輔具之友,39,29-34。
  3. 凌美雪(2018年08月14日)。鞋盒式或葡萄園式、柏林愛樂黃金之音怎麼聽?自由時報。ltn.com.tw
  4. Brennan, M. A., McCreery, R. W., Massey, J. (2021). Influence of Audibility and Distortion on Recognition of Reverberant Speech for Children and Adults with Hearing Aid Amplification. Journal of the American Academy of Audiology, 33, 170-180. Doi: 10.1055/a-1678-3381.
  5. Picou, E. M., Gordon, J., Ricketts, T. A. (2016). The Effects of Noise and Reverberation on Listening Effort in Adults With Normal Hearing. Ear and Hearing,37(1), 1-13. Doi: 10.1097/AUD.0000000000000222.
  6. Xu, L., Luo, J., Xie, D., Chao, X., Wang, R., Zahorik, P., Luo, X. (2022). Reverberation Degrades Pitch Perception but Not Mandarin Tone and Vowel Recognition of Cochlear Implant Users. Ear and Hearing, 43(4), 1139-1150. Doi: 10.1097/AUD.0000000000001173.
-----廣告,請繼續往下閱讀-----
雅文兒童聽語文教基金會_96
61 篇文章 ・ 223 位粉絲
雅文基金會提供聽損兒早期療育服務,近年來更致力分享親子教養資訊、推動聽損兒童融合教育,並普及聽力保健知識,期盼在家庭、學校和社會埋下良善的種子,替聽損者營造更加友善的環境。

0

2
0

文字

分享

0
2
0
沒有樂器,也可以有音樂!人類與音樂的悠久故事——《傾聽地球的聲音》
商周出版_96
・2022/12/14 ・3239字 ・閱讀時間約 6 分鐘

人類的音樂比任何樂器都古老

早在我們雕刻象牙或骨頭之前許久,肯定已經使用聲音戲耍出旋律、和聲與節奏。現代人類所有族群都會唱歌、演奏樂器和舞蹈。

這種普遍性意味著我們的祖先早在發明樂器以前,已經是音樂的愛好者。如今所有已知的人類文化之中,音樂都出現在類似情境裡,比如愛情、搖籃曲、治療和舞蹈。這麼說來,人類的社會行為通常少不了音樂。

如今所有已知的人類文化之中,音樂都出現在類似情境裡,例如搖籃曲。圖/pixabay

化石證據同樣顯示,五十萬年前的人類已經擁有能發出現代口語和歌聲的舌骨。因此,在我們製造樂器之前幾十萬年,人類的喉嚨就已經能夠說或唱出語句或歌詞。

口語和音樂何者先出現,目前還無從確定。其他物種也具有感知語言和音樂所需的神經組織,顯示我們的語言和音樂能力只是原有能力的精緻化。

-----廣告,請繼續往下閱讀-----

左右腦的劃分

人類以左腦處理口說語言(其他哺乳類或許也是在同樣的部位處理同類的聲音),其他聲音則是傳送到負責處理音樂的右腦。或許左右腦共同處理,左腦利用聲音在不同時間呈現的細微差異理解語義和語法,右腦則用音頻的差異來捕捉旋律和音色等細節。

但這個劃分並非絕對,顯示語言和音樂之間沒有明確的分隔線。語言的抑揚頓挫和音韻會啟動右腦,歌曲的語義內容卻是點亮左腦,那麼,歌曲和詩文讓我們左右腦的運作相互交織。

所有的人類文化都有這種現象,都將文字融入歌曲裡,而口說語言的意義有一部分來自語言本身的音樂性。在嬰兒時期,我們根據母親聲音的速度和音頻辨識她。成年以後,我們用音頻、拍子、力度、音質和音調傳情表意。

在文化的層面,我們結合音樂和語言,將最珍貴的知識傳遞下去:澳洲的歌行(song line);中東與歐洲的禱文吟誦、聖歌和詩篇;桑族(San)入神舞的「呼喊敘事」;以及全世界不同族群各異其趣的詠唱方式。

-----廣告,請繼續往下閱讀-----
在文化的層面,我們結合音樂和語言,將最珍貴的知識傳遞下去。圖/pixabay

這麼說來,器樂(instrumental music)性質特殊,跟歌曲和口語有所區分。它是一種完全脫離語言的音樂。最早的製笛師也許研究出如何創造超越語言特性的音樂。在這方面,他們或許跟其他動物找到了共通性。

動物們也有音樂和語言

昆蟲、鳥類、蛙類和其他物種的聲音也許有自己的文法和句式,卻肯定不屬於人類語言的範疇。如果器樂確實讓我們感受到超越語言或先於語言的聲音,那麼這是一種矛盾的體驗。

人類對工具的使用為時不久又獨一無二,透過這樣的活動,我們超越語言,體驗到聲音的含義與細節。我們的動物親族或許仍然這樣體驗聲音,演化成為人類之前的祖先肯定也是。器樂或許帶領我們的感官回到工具和語言出現之前的體驗。

打擊樂的出現可能也早於口語或歌曲。由於鼓的材質多半是生活中常見的皮革或木頭,不耐久存、容易腐朽,考古學上的證據因此相當稀少。已知最早的鼓只有六千年歷史,出現在中國,但人類打鼓的歷史應該久遠得多。

-----廣告,請繼續往下閱讀-----

在非洲,野生黑猩猩、倭黑猩猩和大黑猩猩都使用鼓聲做為社交信號。這些猩猩表親使用雙手、雙腳和石頭敲擊身體、地面或樹木的板根。

這意味著我們的祖先可能會擊鼓,或許用來傳達身分或領域訊息,在此同時凝聚成團結合作、節奏一致的群體。相較於其他類人猿,人類鼓聲的節拍更有規律,也更精準。有趣的是,對許多黑猩猩族群而言,用石塊敲擊樹木可說是一種儀式。

黑猩猩會選擇特定樹木,在選定的每個地點疊出石堆。牠們不但把石頭存放起來,還會將它們拋或扔向樹木,發出砰或喀嗒聲。牠們敲擊樹木時,通常一面發出洪亮的「噓喘」,一面用手腳擊打樹幹。那麼,黑猩猩和人類都會將敲擊聲、嗓音、社會展演和儀式結合在一起。

黑猩猩和人類都會將敲擊聲、嗓音、社會展演和儀式結合在一起。圖/pixabay

這個現象告訴我們,人類音樂的這些元素,歷史比我們的物種更悠久。

-----廣告,請繼續往下閱讀-----

最古老的緣起仍成謎

人類音樂最古老的根源究竟從什麼時間點開始,目前還是個謎,器樂與其他藝術形態之間的關係卻比較清楚。世上已知最古老的樂器,就埋葬在已知最古老的具象雕像旁,二者都來自洞穴裡人類遺跡的最底層。

它們底下的沉積層已經看不到人類的痕跡,而後,在更深處是尼安德塔人的工具。在地球上的這個位置,器樂和具象藝術同時出現,就在解剖學意義上的現代人最早抵達歐洲冰雪大地的時刻。

樂器與具象雕刻品有個共通概念,那就是物質經過三度空間的修改,可以變成活動的物件,刺激我們的感官、心靈和情感,如今我們稱之為「藝術的體驗」。笛子與雕像的並置告訴我們,在奧瑞納文化時期,人類的創意不只展現在單一活動或功能上。工匠的技藝、音樂的創新與具象派藝術彼此連結。

最早期的人類藝術也為藝術形式之間的相關性提供佐證。已知最早的繪畫是抽象的,而非具象。這些繪畫來自七萬三千年前,掩埋在南非布隆伯斯洞窟(Blombos Cave)的沉積層裡。在那個洞穴裡,有人用赭石筆在易碎的岩石上畫出交叉陰影圖案。這個圖案所在的沉積層還有其他創意作品存在,比如貝殼珠子、骨錐、矛頭和赭石鐫刻的作品。

-----廣告,請繼續往下閱讀-----
布隆伯斯洞窟的貝殼珠。圖/wikipedia

只是,現階段的紀錄顯示,德國南部洞穴立體藝術品製作工藝發展的速度,可能與使用顏料的具象藝術不一樣。笛子和小雕像似乎沒有經過刻意著色,它們所在的洞穴也沒有壁畫裝飾。在這個地區,要等到更後期的馬格達連文化(Magdalenian,大約這些笛子出現後再經過兩萬年),才有明顯以赭色顏料塗畫的岩石裝飾。

馬格達林洞穴壁畫。圖/wikipedia

歐洲另一個奧瑞納文化遺址、西班牙北部的埃爾卡斯蒂洞窟(El Castillo),發展軌跡卻是不同。洞穴裡的圓盤壁畫時間超過四萬年,在同一面牆壁上有個三萬七千年前的手掌圖案。不過,據我們目前所知,這個時期在這個地區並沒有立體藝術創作。

同樣的,蘇拉威西洞穴的具象壁畫也跟任何已知雕刻作品無關。這些差異透露的,是考古紀錄有欠完整,而不是人類藝術的發展歷程。目前看來,立體藝術作品(雕像與笛子)最早發展的時間和地點似乎與繪畫不同。

見證音樂的悠久歷史

這段悠久的歷史重塑我們對更近期藝術的體驗。望著舊石器時代的笛子和小雕像,我想到大英博物館、紐約大都會藝術博物館和羅浮宮的人潮。有時我們會排隊幾小時,只為了看一眼人類藝術與文化的重要時刻。但在德國鄉間這座小博物館裡,我們見識到藝術更深遠的根源。

-----廣告,請繼續往下閱讀-----

我張開雙臂。假設我雙手之間的距離是已知人類音樂與具象藝術存在的時間,冰河期的笛子和雕刻品的位置會在我左手指尖,跟蘇拉威西的洞穴壁畫一起。各大博物館裡的主要藝術品的位置則在我右手伸直的指尖,是過去一千年來的產物。

這絕不代表過去幾百年來的藝術創作不重要,相反的,紀錄遠古人類精湛藝術的遺址和博物館既與更近期的作品相得益彰,也為人類的藝術創作尋根溯源。藝術在與每個地區的動物和環境的關係中誕生,又藉著舊石器時代人類的高超技藝與想像力向上提升。

—本文摘自《傾聽地球之聲》,2022 年 11 月,商周出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
商周出版_96
123 篇文章 ・ 364 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商周出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。