Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

《赤兔馬看不到的車尾燈––王植電信》————2019數感盃/國中組專題報導類銅獎

數感實驗室_96
・2019/05/21 ・2287字 ・閱讀時間約 4 分鐘 ・SR值 477 ・五年級

-----廣告,請繼續往下閱讀-----

數感盃青少年寫作競賽」提供國中、高中職學生在培養數學素養後,一個絕佳的發揮舞台。本競賽鼓勵學生跨領域學習,運用數學知識,培養及展現邏輯思考與文字撰寫的能力,盼提升臺灣青少年科普寫作的風氣以及對數學的興趣。
本文為 2019數感盃青少年寫作競賽 / 國中組專題報導類銅獎之作品,為盡量完整呈現學生之作品樣貌,本文除首圖及標點符號、錯字之外並未進行其他大幅度編修。

  • 作者:何忻曄、朱詠恩/龍門國中

故事背景

圖/wikimedia

話說劉關張三兄弟今年手牽手去看屏東燈會時,關羽一時被主燈「巨鮪來富」美得目瞪口呆撒了手,與兄弟們被沖散了,說巧不巧被曹操出現收留了他,雖說關羽素來不齒曹操喜歡有人一聊到他就從背後出現偷聽,又舞文弄墨裝文青的為人,但是因為「傳說對決」總是扯兄弟後腿,劉備不給他的手機易付卡辦吃到飽,無奈只好暫時寄人籬下……。

有一天,孫乾帶來劉備在袁紹陣營的消息,關羽大喜,二話不說立馬奪門而出,但偏偏悠遊卡被曹操沒收,只好夜奔而出,奈何關羽是個路痴、赤兔馬有夜盲症,中原又都是曹操的耳目,四野茫茫,四處奔走的關羽為了怕他們用 IG 跟曹操通風報信,迫不得已只好在經過洛陽時右手斬了孟坦、左手順便劈了韓福,無三不成禮的又在汜水關送了卞喜去跟孟坦、韓福作伴,眼見下一個會遇到的就是韓福的親家王植,誰知,王植玩「第五人格」玩通宵,數學段考又考糟,結果被媽媽沒收了手機,此時,王植要如何才能在前面幾個人命殞後別再成為關羽的刀下亡魂呢?究竟是快馬的糾葛,還是飛鴿的安排呢?讓我們繼續看下去……。

探討過程

一、洛陽到滎陽的距離

話說三國時代的洛陽位於河南省洛陽市,滎陽關則是在今滎陽城東北。兩地直線距離約 90 公里,若是走現今道路,約 100 公里。

二、關羽一行人的速度

關羽當時帶著兩位嫂嫂和貼身侍衛,騎著赤兔馬,兩位嫂嫂乘馬車,加上步行的貼身侍衛,帶著一堆拖油瓶,速度肯定不會太快,所以「落跑」速度每小時約 4~5 公里,一天 24 小時,扣掉睡眠時間 7 個小時,再扣掉三餐時間(3小時)共 10 個小時,行軍時間14個小時,4~5 公里乘上 14 個小時,一天大約可以走 56~70 公里。所以約要一天半(36 hr,含睡眠、三餐)的時間才能跟王植「battle」。

-----廣告,請繼續往下閱讀-----

三、傳訊息的方法、速度

王植接收訊息的方法可能有以下幾種:

1.快馬加鞭

馬匹狂奔的速度約是 48km/hr,最多可連續跑 30 公里,一天為 24 小時,若 6:00 出發馬跑了 30 公里後 30km÷48km/hr=0.625hr=37.5min是 6:37,這時馬要休息 30 分鐘,7:07 重新出發,再跑 30 公里,是 7:44,休息半小時,8:14出發,30公里後是8:51,休息30分鐘,9:21開始最後的10公里,10km÷48km/hr≒12min,9:33 到達目的地,總共是 3小時33分鐘=3.55小時。

2.八百里加急

根據《大堂六典》唐朝總共有 1839 個驛站,每 20 里(10 公里)有一驛站,按照唐朝政府規定,要求馬一天為 180 里(90 公里),最快須達到 500 里(250 公里),清朝時有 1785 個驛站,若公文上註明「馬上飛遞」規定一日 300 里(150 公里)最快可以達到一日 800 里(400公里)若以唐朝時代的速度來看,在這 100 公里的路途中有十個驛站,若以馬狂奔的速度來算 48km/hr,10 (km))÷ 時間48 (km/hr)馬從一驛站跑到另一驛站的時間為12.5 分鐘,共有十個驛站,就是 2 小時 5 分鐘≒ 2.1 小時。

3.飛鴿傳書

據《開元天寶遺事‧傳書鴿》記載「張九齡少年時家養群鴿,每與親知書信往來,只以書系鴿足上,依所寄之處飛往投之。九齡目之為『飛奴』。」可見唐朝已明確記載有飛鴿傳書的事實,雖漢朝沒有飛鴿傳書的記載,只有傳說故事,但若以唐朝的方式來看,據《三國志》:「夏四月,公北救延。紹騎將文醜與劉備將五六千騎前後至……。時騎不滿六百,遂縱兵擊,大破之,斬醜、良。醜、良皆紹名將也,再戰,悉禽,紹軍大震。公還軍官渡。紹進保陽武。關羽亡歸劉備。」由此可知,關羽在斬文醜之後,投奔劉備時,估計是夏天,洛陽及滎陽均位於河南省,處華北地區,夏季吹的是東南風,風向及風速的表格如下:

-----廣告,請繼續往下閱讀-----

滎陽位於洛陽的東北方,在夏天時為順風,信鴿的平均速度為 48km/hr,48km/hr+2.3km/hr(風速)=50.3km/hr,位於空中沒有路況的問題,兩地的直線距離為 90 公里,90km÷50.3km/hr=1.79hr ,約為 1 小時 47 分即可到達,但飛鴿傳書是利用鴿子返家能力傳遞訊息,所以只能朝同一方向飛行,若飛鴿傳書要成功,也要韓福及王植有信鴿來往才行。

後話

三種傳訊方式及關羽一行人速度如下:

客倌們,說了半天,其實隨便用哪一種方式都有辦法比關羽赤兔法拉利快(千望別讓關羽知道他的千萬超跑跑不過一隻鳥,到時候他的臉就不只氣到紅了),若要說能逃過一劫,讓媽寶王植有最多的時間來準備的,眼下看來就是放他「鴿子」一途。

話說如果那時有諸葛亮的木牛流馬超跑車,那速度就更快了,裝了 ETC,走現今的高速公路,115 公里中,其中 22.4 公里是我們上學走的一般道路,93.6 公里為高速公路,若怕被開罰單,乖乖依照中國政府規定,普通道路速限 70 公里,就以最快的速度 70km/1hr來算,為 0.32小時(19.2分鐘) 中國高速公路速限 120 公里,以 120km/1hr來算,93.6km÷120km/hr=0.78hr 約為46分鐘,約是 1 小時 5 分鐘。可惜那時沒有跑車,即使有,你說喜歡裝神弄鬼的小器鬼諸葛亮會不會借他呢?但,那又是另一個故事了。

-----廣告,請繼續往下閱讀-----

更多2019數感盃青少年寫作競賽內容,歡迎參考 2019數感盃特輯、數感實驗室官網粉絲頁喔。

-----廣告,請繼續往下閱讀-----
文章難易度
數感實驗室_96
76 篇文章 ・ 50 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/

0

0
0

文字

分享

0
0
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

-----廣告,請繼續往下閱讀-----

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。