除了葉黃素，想保養眼睛還能吃什麼？常見護眼營養成分盤點

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

當秋風吹起，樹木們便開始褪去辛苦製造養分的夏天之綠，露出隱藏在葉片之間的枝頭。楓紅可說是樹木結束一年勞動後展開的慶典。樹木是靠光照生存的生命體，而在入秋後舉行的色彩慶典則是展示這一點的美麗佐證。

秋風一吹，從春天到夏天一路靠光照生存下來的樹木會先結果，雖然結得緩慢，結出來的果實卻比一年中任何時候都飽滿、結實。此時所有樹木都會長出纍纍果實。果實的顏色會根據秋天的腳步快速變化。從黃到紅，或是從晶瑩的紫色到漆黑的黑色，樹木們用各自的色彩結果。儘管大部分尚未熟透的果實多和樹葉一樣呈綠色，但之後會徐徐轉變成美麗又成熟的顏色。

楓紅不是只有紅色

比果實更早改變顏色的是葉子，也就是紅葉。提到「紅葉」，大家最先想起的應該是紅色的楓樹吧。當然，「丹」意指紅色＊，但楓紅不是只有紅色，看到變黃的銀杏葉，我們也會說它「染成了紅葉」。歸根結柢，我們稱的「紅葉」泛指在秋天變換的所有顏色，英語國家稱紅葉為「Autumn color」（秋天的顏色），也是基於此因。

隨著秋風透進，倉促之間，葉子上浮出了數不勝數、五花八門的顏色。銀杏葉轉黃，槲櫟葉和栓皮櫟葉呈現明顯的紅褐色，掌葉槭的葉子則變得鮮紅。每種樹各有各的秋色。

也有樹木雖屬同種，紅葉顏色卻各不相同，代表性例子當屬櫸樹。櫸樹就算站在一起，紅葉的顏色也不一樣，這是櫸樹與眾不同的特點。也就是說，有染紅葉的櫸樹，也有以亮褐色度過秋天的櫸樹。

產生離層進入冬眠

對樹木來說，秋天到底是個忙碌的時期，而且忙碌程度不亞於其他季節，因為必須為冬天這受苦受難的季節做好萬全準備。如果秋天活得太過鬆散，就無法抵擋即將面臨的北風寒雪，甚至可能喪命。為了在冬天放長假，樹木必須做很多事前準備。這是世世代代、戰勝了數千年冬天的樹木的過秋策略。

感受到秋天氣息的樹木本能地最先做的第一件事，就是在連接葉子和樹枝的葉柄基部形成新組織「離層」（因為是葉子掉落的地方，因此也稱「脫落區域」）。離層雖然細微，但能養出結實的體格。之所以用離層阻擋生命的通道，讓水不被拉上來，是因為樹木有信心，就算不再靠光合作用製造養分也能繼續結果實。懷著對一年持續下來的勞動和收尾的自信，樹木如同其他動物，準備進入冬眠。

最終，葉柄基部形成的離層會完全阻擋水和養分進出的通道。水本來順著樹皮的管道上下流動，樹皮對於樹身外部的氣溫變化最敏感，離層既然擋住了水的流動通道，水就再也無法從根部上來。這個策略是為了減去殘留在管道裡的水分，若水結成了冰，管道就會爆裂，稍有不慎還可能死亡，因此在氣溫降到攝氏零下之前，樹木必須把水清除乾淨。

落葉的防蟲效果

葉子一片又一片枯萎，需要陽光、二氧化碳與水才能進行的光合作用如今無法運作，負責行光合作用的綠色葉綠素失去活力而倒下，輪到楓紅展開色彩慶典了。

由於每棵樹成分不同，葉子因之呈現黃色、紅色或褐色等五顏六色的色彩。像銀杏或刺槐一樣轉成強烈黃色的樹木含有類胡蘿蔔素的成分；像掌葉槭或衛矛等染成華麗紅色的樹木是因為內含許多花青素；像美國梧桐或櫟屬類一樣染成褐色的樹木成分中則有許多單寧。樹木們一整年下來不停地製造養分，養活這片土地上的生命，如今它們放下勞動的辛勞，準備進入冬眠。樹葉染上的顏色，是生命在苦日子之後製造出來的絢麗生命慶典。

為了進入冬眠，樹木還剩下一些事情需要收尾，那就是將美豔的紅葉落到地上，用乾枯的紅葉覆蓋根部附近的區域。各種顏色的楓紅當中，由花青素製造出來的紅葉們的策略最令人詫異。掉下來覆蓋住根部土壤的紅色落葉不久後就會變成灰褐色，因先前染到葉子上的紅色花青素滲入了樹根附近的土壤。花青素是一種抗氧化劑，具有強烈的抗氧化效果，在阻擋蚜蟲等害蟲侵襲方面也相當卓越。也就是說，樹木會中斷生命活動，像動物一樣進入冬眠，並在進入冬眠的無防備狀態下，將防治害蟲的成分落到根部附近，進行自我保護。

樹木一整年默默的生活就這樣結束，終於來到靜靜睡覺的時候了。樹木必須獨自在風雪交加的原野上戰勝寒風，這是它的宿命。雖然看似寧靜，但這一覺不能有一絲鬆懈。

世上所有生命都有各自的風采和美麗，在那份美麗之中，少不了生存的迫切。花、果實和紅葉，都是樹木做為一個生命，在這塊土地上為了生存而展開的吶喊。到了秋天，我們都應該走進染得紅通通的樹蔭下，久久地傾聽樹木演唱的生命之歌。

——本文摘自《樹葉物語》，2023 年 5 月，時報出版，未經同意請勿轉載。

2023 年聖派翠克節（3月17日）前後 4 天，雪梨的愛爾蘭人於岩石區（the Rocks）聚集歡慶。最後一天（19日）早上，遊行隊伍由州訂古蹟駐防教堂（Garrison Church）出發，走至第一艦隊公園（First Fleet Park），然後在那裏唱歌、跳舞、辦市集。^{[1, 2]}從表演服飾、面部彩繪、冰涼飲料到周邊商品，滿園綠意。筆者不僅去現場湊熱鬧，也想親手製作應景料理，卻在網路上找到用紫甘藍汁，染出綠煎蛋的非傳統食譜。^{[3, 4]}

花青素

乍看之下，或許難以理解。畢竟多數聖派翠克節創意料理的成份，都是青翠的蔬果或食用色素；極少強調用紫色食材，渲染出綠色效果。秉持著實事求是，追根究柢的精神，筆者在下廚之前，先唸了相關的科學資料，並在此分享摘要：

花青素（anthocyanins）是一種水溶性的醣基化（glycosylated）酚類化合物（phenolic compounds），不僅帶給諸多植物繽紛的色彩，也能作為天然的食用色素。其顏色和穩定度，會受酸鹼值、光線、溫度和化學結構等影響。常見含有花青素的植物，以紅、紫和藍色為主，例如：^[5]

• 紅：紅葡萄、紅扶桑、紅玫瑰、紅菽草、粉紅櫻花，以及鳳梨鼠尾草的紅花等。^[5]
• 紫：黑蘿蔔、黑醋栗、紫薯、紫甘藍、紫羅蘭、薰衣草和紫鼠尾草等。^[5]
• 藍：藍莓、矢車菊，還有菊苣與迷迭香藍色的花等。^[5]

酸鹼值

下圖是從紫甘藍萃取出來的花青素，在不同酸鹼值的水溶液中，所呈現的顏色：當 pH 值介於 1 到 3 之間是為紅色；pH值約 4 至 6 時偏紫色；pH值 7 和 8 差不多都是藍色；到了 pH 值 9 以上，就轉為綠色。換句話說，隨著酸鹼值的改變，顏色會由酸性時的紅或紫，逐漸變成中性的藍，再過渡到鹼性的綠。^[6]

在聖派翠克節的煎蛋食譜中，要利用紫甘藍汁把雞蛋染綠，必須考量到後者的酸鹼值。整體而言，雞的全蛋酸鹼值趨近中性。然而，如果分開來看，蛋白的 pH 值會從雞蛋剛被生下來時的 7.6，隨時間逐漸上升，可達9.2左右。至於蛋黃，則是從6.0，一路增加到6.4至6.9之間。^[7]因此製作綠蛋的過程中，得把蛋白與蛋黃分開處理，降低後者阻止花青素變綠的機會。在筆者的實測中，紫甘藍汁與全蛋混合的效果，的確不理想，雖然不曉得是否也與蛋黃本身的顏色有關。

溫度與微波

食材保存、運送與烹調的溫度，也會影響最終的成果。文獻指出，儘管控制 pH 值，花青素若被植物本身的多酚氧化酶（又稱「多酚氧化酵素」；polyphenol oxidase）氧化，顏色仍會轉變。^[5]不過，加溫能破壞多酚氧化酶的活性，用 50 至 70°C 之間的溫度煮熱，或是透過 70°C 以上的微波及其電場作用，最為有效。^[8]之後花青素的顏色，便不再受氧化改變。^[5]所以照著食譜微波，應該多少有助控制顏色。倒是事前冷藏雞蛋，其實會減緩 pH 值的變化。^[7]這方面筆者還沒有實際比較室溫與冷藏的差別。想說從產地至超市，再到買回家，雞蛋歷經千山萬水，時光流逝，蛋白的 pH 值大概夠高了，就隨手從冰箱抓出來煮。

綠蛋食譜

原理講半天，終於來到重點了。為了減少實驗的變因，這個食譜使用的材料非常陽春。沒有涵蓋到的調味和配料，還請讀者自行發揮。不愛吃蛋或覺得慘綠有礙食慾的人，也能嘗試以少量檸檬汁或小蘇打調節 pH 值，來幫麵條或其他食物染上各種顏色。^{[9, 10]}

材料

洗淨且切成小片的紫甘藍葉 1 小碗、分開蛋白和蛋黃的雞蛋 2 顆，以及任何適於煎蛋的油。

作法

1. 將紫甘藍葉微波 1 至 2 分鐘，或是加熱到生出 10 毫升左右的菜汁即可。少量的染色效果就頗強，而且不會害得煎蛋有菜味。
2. 吃掉菜葉有益健康，留下菜汁放涼備用。等降溫再做下個步驟，不然蛋還沒煮就半熟了。
3. 均勻混合蛋白和菜汁。打出氣泡的話，會增添稍後成品的詭異感。
4. 開中火熱油。鍋內的溫度，能使一滴汁液冒泡時，倒入剛才混合的所有汁液。
5. 趁汁液半熟，趕快把蛋黃放在上面，讓它們在加熱的過程中黏起來。
6. 轉小火，蓋鍋蓋，持續加熱。依個人喜好決定熟度，然後就起鍋擺盤囉！

1. ‘Sydney St. Patrick’s Day Parade & Festival’. Sydney St Patrick’s Day Organisation. (Accessed on 19 MAR 2023)
2. ‘Garrison Anglican Church Precinct’. Heritage NSW. (Accessed on 19 MAR 2023)
3. Helmenstine AM. (03 JUL 2019) ‘Fried Green Egg Food Science Project’. ThoughtCo.
4. Mikeasaurus. ‘Real Green Eggs (and Ham)’. Autodesk Instructables. (Accessed on 19 MAR 2023)
5. Khoo HE, Azlan A, Tang ST, et al. (2017) ‘Anthocyanidins and anthocyanins: colored pigments as food, pharmaceutical ingredients, and the potential health benefits’. Food & Nutrition Research, 61(1):1361779.
6. V TV, Dang TH, Chen BH. (2019) ‘Synthesis of Intelligent pH Indicative Films from Chitosan/Poly(vinyl alcohol)/Anthocyanin Extracted from Red Cabbage’. Polymers, 11(7):1088.
7. American Egg Board. ‘pH Stability’. The Incredible Egg. (Accessed on 19 MAR 2023)
8. Bulhões Bezerra Cavalcante TA, Santos Funcia ED, Wilhelms Gut JA. (2021) ‘Inactivation of polyphenol oxidase by microwave and conventional heating: Investigation of thermal and non-thermal effects of focused microwaves’. Food Chemistry, 340: 127911.
9. Helmenstine AM. (24 JAN 2020) “How to Make a Red Cabbage pH Indicator.” ThoughtCo.
10. Tollette J. (14 JUN 2019) ‘How to make naturally-dyed rainbow pasta’. Thanksgiving & Co.