另一位文獻學者佩卡姆(Morse Peckham)把各個版本匯集成《物種起源》的「集注本」,於一九五九年這本書的百年紀念日出版。從佩卡姆的集注本可以看到,在首版大賣之後、摩雷催促下完成的第二版當中,句子刪除了九個,添加了三十個,並作了四百八十三個修補。在一八六一年的第三版中,達爾文附上「物種起源概念的近代進展沿革」(An Historical Sketch of the Recent Progress of Opinion on the Origin of Species),列出之前有哪些前輩提出相似的概念,來回應對於他竊取前人智慧的指控。達爾文把這段文字當作序言,裡頭提到拉馬克、聖蒂萊爾、愛丁堡時期的良師益友葛蘭特、始終不知姓名的《遺痕》作者、解剖學家歐文、寫造船木料的冷門作家派崔克.馬修(Patrick Matthew,他堅持自己在一八三一年提過同樣的自然汰擇概念,對這本書造成的轟動出於嫉妒而怒火交熾),以及他的祖父伊拉斯莫等人的早期觀點。
史賓塞(Herbert Spencer):最適者存活(the Survival of the Fittest)。圖/wikimedia
在一八六六年的第四版中,達爾文追加了兩頁的歷史沿革,並補充了百分之十的內容,包括加寫了胚胎學與發育生物學的段落。到了第五版,達爾文首度引用史賓塞(Herbert Spencer)的名句「最適者存活(the Survival of the Fittest)」作為自然汰擇約略的同義詞。後來的版本裡頭出現更多支持理論的事實與證據,有些是採用其他科學家的論點。《物種起源》就像是拋出的磚頭,引回寶玉來,其他科學家從中得到靈感,發展出各自的論述,於是各家各派的演化理論彼此回饋。《物種起源》回應所激起的爭議,內容也不斷演化與適應。達爾文在第六版中加寫了一章「各方異議」(Miscellaneous Objections),針對詞鋒最犀利的評論一一作答,達爾文也從這個版本開始將「論」字從標題摘掉,所以《論自然汰擇形成的物種起源》從此之後精簡為琅琅上口的《物種起源》。
因此筆者建議別理會那些後來的想法,別理會重刷的第六版平裝書,別相信任何一個版本。在你購買或閱讀之前,檢查一下前面「注意事項」(Note on the Text)底下的小印刷體字,或扉頁對面不引人注意的日期。不管你是將《物種起源》當作科學書或文史書,幫幫你自己和達爾文一個忙:找一本第一版的重刷本(最好是直接複印的重刷本,有原本的印刷字體和頁碼),那本書才刊載了所有最大膽創新的想法與尚未修飾的缺點,才是造成四百年內人類思想最大劇變的奇書。
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
一些短語之所以膾炙人口、廣為人知,就是因為聽起來簡單、說起來順口、想想又覺得合理,「適者生存」(survival of the fittest)就是其中之一。不過,若只使用適者生存描述演化論,或許並不完整。
誰最先提出「適者生存」?
英國博物學家達爾文(Charles Darwin)的《物種起源》(On the Origin of Species)自 1859 年發行第一版以來,第四章的標題一直是〈自然選擇〉(Natural Selection),但到了 1869 年的第五版時,他卻將這一章的標題改為〈自然選擇;或適者生存〉(Natural Selection; or The Survival of the Fittest),並一直沿用到 1872 年的最後一版(第六版)。人們都以為「適者生存」是達爾文說的,但其實不是!
適者生存其實是由達爾文當代最具影響力的英國學者史賓賽(Herbert Spencer,圖一)所創。史賓賽也支持生物演化理論,還曾抨擊當時盛行的生物創造論,可是他崇尚的卻是半個世紀前的拉馬克主義(Lamarckism),也就是以「用進廢退」原則(principle of use and disuse)搭上後天形質遺傳(inheritance of acquired characteristics)的演化理論。
因此史賓賽心目中的演化會帶來進步,而且演化不只在生物上,也可以發生在地質、心理等範疇,他甚至把心目中的進步式演化應用到社會和政治層面,催生出社會達爾文主義(social Darwinism)和優生學(eugenics)。但史賓賽的想法跟達爾文所主張——以後代漸變(descent with modification)為軸心的自然選擇(常譯作天擇)不同,甚至是兩回事。
-----廣告,請繼續往下閱讀-----
圖一、(上)38 歲的史賓塞(攝於 1858 年)和(右)六年後出版的《生物學原理》的扉頁。圖/Public Domain, Wikimedia Commons; Public Domain, British Library
史賓賽在 1864 年出版的《生物學原理》(Principles of Biology)中用「survival of the fittest」定義達爾文演化論的自然選擇,這完美地反映出他心目中的進步式演化觀,當中「fittest」是英文「fit」(適合)的形容詞比較級裡的最高級,是「最適合」的意思(survival of the fittest 應當譯為「最適者生存」)。由於史賓賽的影響力,再加上「survival of the fittest」一詞簡潔有力、琅琅上口,立刻像個口號一樣在英語世界裡「夯」起來。
達爾文看到適者生存那麼流行,於是接受華萊士的勸說,也就在 1868 年出版的《育種變異》(Variation Under Domestication,又譯《人工培育》)裡首次引用史賓賽的說法表達自然選擇的意涵,並在次年出版的《物種起源》第五版時修改第四章的標題。但達爾文萬萬沒料到,他可能已親手種下一個對演化論的謬誤。
二、有些性狀並不是因為適應而留下,可能只是另一項適應性狀的副產物,其中也不能否認幸運與機遇也有微妙的作用,即是「幸者生存」(survival of the luckiest)。美國科普雜誌《科學美國人》(Scientific American)在2008年就有一篇以「幸者生存」為題的文章討論恐龍的滅絕。
三、很多導致生理疾病的基因也會在世代中被保留下去,也就是「病者生存」(survival of the sickest)。2007年就有一本以「病者生存」為書名的科普書籍,以演化醫學(evolutionary medicine)的角度討論各種人類疾病的演化意義,該書繁體中文版為《最衰者生存》(Survival of the Sickest)。
英文的最高級形容詞 fittest 跟名詞 fitness(適應度)發音相似,而偏偏 fitness 的另一個字義跟身體健壯有關,例如 fitness center(健身中心)、fitness equipment(健身器材),那麼就有人將 survival of the fittest(最適者生存)揶揄成 survival of the fitness(健壯者生存)。人們也潛意識地認同強者理當會生存下來,這就給演化論蒙上難以洗脫的不白之冤。