實驗有做，假說就能被驗證嗎？太天真了！——《「科學的思考」九堂課》

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

在某個燠熱難耐的夏日午後，你打開電風扇，卻發現吹出來的風好像比印象中來得小。你眉頭一皺，覺得案情並不單純。就在走近電風扇的那幾步裡，好幾種可能性閃過心頭：

「會不會是按錯按鈕了？」、「會不會是扇葉太髒了？」、「會不會是轉軸黏住了？」、「會不會是⋯⋯？」這些猜想背後，都是根據你對電風扇原理的一些些認識才會做出的假設。

在提出疑問和假設之後，尋找問題的答案

靠近電扇之後，你看到按鈕確實是按下了「強」。接著你切斷風扇電源，看了看扇葉，發現確實有點髒，於是把電風扇拆洗後裝回去，再按下按鈕。結果風吹起來，就如同你印象中的那麼涼了。這證實了你的第二個猜想，並且解決你所關心的問題。

上述這樣的過程，其實就是「察覺差異，提出問題」、「根據理論，連結現象」、「提出假設，進行驗證」、「預測結果」等等的探究過程。

再舉個例子。

我有一天走在馬路上，看到白色分隔標線的一端閃著黃色的光。我心想：「難道馬路地上埋了一顆黃色的燈？是要作為交通警示用途嗎？」

我覺得奇怪，記得前幾天沒看到這裡有燈。接著我把視野放大，往左往右看了看周圍。發現有一台車停在遠處，車頭開啟方向燈，燈是黃色的，而且還在閃爍。然後我馬上注意到，兩者閃爍的頻率是相同的。

於是我有了新的猜想：「地上的神祕閃光，非常可能來自於汽車閃爍的方向燈的反光。」

但是柏油路面怎麼會反光呢？

仔細一看，地上似乎有一小灘水。汽車的方向燈發出來的光，剛好通過那一小灘水的反光進到我眼睛，讓我覺得地面在發光。接著馬上一台車經過，就擋在方向燈和積水的中間。我看到的亮光馬上消失，證實我的第二個猜想是正確的。

「哪裡怪怪的」這個念頭，會帶領我們尋找答案

像這樣的心智活動，在我們的生活中無時無刻都在進行著。只要我們發現「哪裡怪怪的」，腦袋幾乎就會立刻啟動探究的機制：

• 廚房怎麼那麼多螞蟻？（察覺問題）
• 是不是有食物殘渣沒有清理乾淨？（根據理論提出假設）
• 仔細觀察一下，發現⋯⋯（得到結論）

既然這些能力是我們原本就自然會的，那又為什麼要學呢？因為我們雖然很習慣對於意料之外的事情展開探索，但是以直覺來進行思考及解決問題的方式，往往並不太科學。

古人說的「地牛翻身」，其實也是一種探究的精神

古人在觀察自然現象的時候，會提出自己的解釋。例如面對地震的時候，台灣民俗的說法是「地牛翻身」，日本民俗的說法則是「棲息在地底的大鯰魚搖動身體」；至於日食在中國的傳說中是「天上的狗把太陽吃掉了」。

於是後人也會根據這些「理論」來規劃解決問題的方法。例如，綠島人認為地牛不只一隻，還會彼此打架，所以地震時要敲打金屬臉盆來分開牠們；同樣的，古時候的中國人看到日食，也會敲鑼打鼓、放鞭炮來趕走天狗。

有趣的是，根據這些「理論」採取的「實驗」，還真的每一次都會成功喔！一代又一代的人反覆進行著下圖這樣的實驗，所以千年來人們始終對這些「理論」深信不疑。

如果你是一位受過基礎科學教育的公民，這時候可能就會提出質疑，認為這樣的實驗並沒有對照組。

例如下一次出現日食的時候，如果不要敲鑼、打鼓、放鞭炮，日食是不是也會結束？如果不這麼做，日食仍然會結束的話，那麼用敲鑼打鼓的方式趕走天狗的假說就會受到挑戰了。

當然，在一個深信天狗傳說的社會中，沒有人會膽敢拒絕敲鑼打鼓，不然萬一太陽真的就被吃掉而永遠消失了，這責任誰負擔得起？用這個角度來看會發現，有時候要突破傳統，其實是一件非常困難的事情。

恐懼源自於未知：想消除恐懼，需要探究未知

人對於未解的現象，往往會用隨意的想像與歸因來尋求解釋，用很直覺的方式來建立對自然現象的理解，也是人類天生的習慣。

直到距今兩千六百多年前，古希臘哲學家泰利斯才撥開直覺的迷霧，主張應該拒絕再用人格化的神祇來解釋自然現象，而是要藉由理性的假說來理解和解釋自然現象。但即使西方在兩千六百多年前已經出現這樣的思想，但近代科學真正臻至蓬勃發展，還是近半個世紀內的事情。

正由於科學的研究和思考方法並不直覺、並不符合人類的天生習慣，所以必須透過後天的教育與訓練，才能慢慢熟練並妥善運用在生活之中。

雖然探究是我們的天性，但是具有科學素養的探究卻不是天性，無法一蹴可幾。就像科學家需要訓練有素的探究技術，才能做好自己的研究。

一般公民也需要具備科學探究的素養，來幫助自己在面對生活中諸多不熟悉的現象時，能運用一套思考和研究的方式來做判斷，特別是幫助我們更加注意到生活中不尋常的現象，能對許多直覺、缺乏事實支持的歸因有更高的警覺。

正因為我們的生活離不開探究，所以更應該透過學習來提升探究品質。這正是國民教育自然課程中所應教會每個公民的事情。

——本文摘自《教出科學探究力》，2021 年 8 月，親子天下 ，未經同意請勿轉載。

• 文／nerdy｜半吊子的科學狂熱者，投稿是種消遣。

我們週遭是否都有這麼一位怎麼吃都吃不胖的朋友，每當你問他為什麼吃不胖，他總會一臉無奈的說：

「我也不想啊～」

「這不是我能控制的啊～」

這時請先壓抑你內心油然而生的怒火，因為最近的研究發現，吃不胖的體質確實與特定基因有關，傳說中的「瘦子基因」真的存在！

曾經的致癌因子，展露出不為人知的一面

近年來，不少研究指出，我們的體重與遺傳變異有關，但這些研究大多針對「肥胖」有關的特定基因。

其中，少數針對「纖瘦」體型的研究，卻又常常缺少與人類基因直接相關的證據。¹

最近，藉由「全基因組關聯分析」（GWASs）、果蠅與小鼠的實驗，英屬哥倫比亞大學的研究團隊證實人體存在一種「瘦子基因變異」，這項研究成果已被刊登在國際期刊 Cell  。

首先，研究人員對 BMI 值極低（<18 kg/m² ）的人及 BMI 值位於 30 ~ 50 百分位數的控制組進行全基因組關聯分析後，發現有數種基因都與纖瘦體型有關，其中一種基因稱作「Anaplastic Lymphoma Kinase（ALK）」。

由於 ALK 基因容易突變引發癌症，過往都只被視為一個重要的致癌因子，因此，我們對於 ALK 基因在生理學上所扮演的角色仍是一知半解，在這次全基因組關聯分析後，研究團隊將 ALK 基因列為瘦子基因的「候選人」。

其次，在決定基因優先次序（Prioritization）的實驗中，研究人員發現，當他們降低果蠅體內 ALK 基因的功能後，果蠅的三酸甘油脂明顯下降。

研究人員更進一步整合其他資料庫進行分析，篩選出與纖瘦體型、BMI、脂質及葡萄糖平衡等新陳代謝特性有關的遺傳變異，然後發現，這個遺傳變異就是出自於 ALK 基因。

開始老鼠們的「減肥」實驗！

只做果蠅的實驗還不夠！接下來，研究人員將剔除（Knockout）掉 ALK 基因的實驗組（Alk^-/-鼠）與控制組（Alk^+/+鼠）相互比較。

在身心理狀態及其他外在條件都相同的情況下，研究人員發現：

1. 五個禮拜後，實驗組鼠的體重明顯比較輕（圖一）

2. MRI 的檢測結果也顯示，實驗鼠脂肪細胞^註1的質量、體積明顯都比控制組還要少（圖二、圖三）

3. 實驗組鼠的血糖濃度比較低
4. 處於人類熱中性溫度（thermalneutrality）^註2時，比起控制組，實驗組鼠增加比較少的重量

而且，兩者的食量、腸道吸收狀況及日常活動量都沒什麼差別。

這些在具有 ALK 基因變異的實驗鼠身上所觀察到的表現都與人類基因組分析所得到的結果一致。

為了確認實驗組鼠（Alk^-/-）是否真的比較吃不胖，研究人員讓他們進行了一場為期 16 周的「垃圾食物挑戰」。

令人驚訝的是，在這個既幸福又折磨的挑戰過後，從外觀、體重、脂肪細胞質量及體積來比較，結果都顯示剔除 ALK 基因的實驗組鼠真的比較吃不胖！

吃不胖的關鍵？就在「中樞神經系統」

為什麼缺少ALK基因的老鼠比較吃不胖呢？

研究人員在老鼠進行 16 周垃圾食物挑戰後，測量出實驗組與控制組的餵食效率（單位熱量的增重量，mg/kcal）及能量消耗（單位時間的熱量消耗，kcal/h）後，結果顯示，實驗組鼠具有較低的餵食效率及較高的能量消耗。

研究人員透過實驗進一步發現， ALK 基因的 mRNA 大量存在於小腦、皮質及下視丘等中樞神經系統，也就是說， 這個基因在中樞神經系統有著高度的表現，實驗數據也顯示 ALK 基因對於中樞神經的作用確實會影響體重。

那 ALK 基因又是如何影響體重呢？

研究人員發現，實驗組鼠的脂肪細胞中含有高濃度的去甲基腎上腺素（Norepinephrine ，NE）。

去甲基腎上腺素是一種由交感神經終末釋放的神經傳遞物，會促使脂肪組織分解，而在其他臨床研究中，那些纖瘦受試者的脂肪細胞中也同樣發現高濃度的去甲基腎上腺素。

最後，研究人員也藉由實驗證實 ALK 基因於下視丘室旁核（paraventricular nucleus，PVN）神經元的表現會減緩交感神經張力（sympathetic tone）及脂肪分解。

發現了瘦子基因，然後呢？

研究人員表示，有了這個新發現，抑制 ALK 基因將為肥胖治療帶來一道曙光，而由於用以治療癌症的 ALK 標靶藥物早已問世，代表ALK 基因可適用於標靶治療。

「也許未來的某一天，我們真的能開發出所謂的瘦身藥丸呢 !」研究人員 Josef Penninger 這樣說道。²  

然而，面對充滿無限可能的將來，大家也不要太心存僥倖了！畢竟，體型胖瘦不單單只受基因調控影響，也與環境、生活、飲食習慣息息相關。

也許你會覺得老生常談，但無論是現在還是未來，「均衡的飲食、規律的運動」永遠都是維持健康體態的不二法門！

備註

註1：此處指白色脂肪組織（White Adipose Tissue，WAT）

註2：熱中性溫度（thermalneutrality），約30°C，動物在此環境溫度範圍具有最低代謝率，且不受環境溫度變化所影響。

1. Orthofer et al., (2020). Identification of ALK in Thinness. Cell, 181(6), 1246–1262.e22. https://doi.org/10.1016/j.cell.2020.04.034
2. Scientific American Podcast〈Skinny Genes Tell Fat to Burn〉

• 責任編輯／儀珈