不希望高壓強制也不想養出小霸王？做孩子的溫柔教練

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

臺灣早餐店的阿姨總是見人就稱「帥哥」、「美女」，帶給顧客一天的好心情。阿姨們的日行一善，其實潛藏誤判性別，冒犯對方，甚至引發衝突的職業風險。在現今擁抱多元性別的臺灣社會，性別氣質不僅豐富了文化樣貌，也提升了選擇稱謂的難度。在禮貌地詢問該如何稱呼之前，您通常會怎麼臆測對方的生理（sex）或社會性別（gender）？

辨識性別的指標

有一群義大利科學家以嚴肅的態度，研究辨識社會性別（gender）的問題，其結果登上了2021年的《性行為檔案》（Archives of Sexual Behavior）期刊。當時他們得到的結論是：圖片裡的人物只要有陰莖，便有86%的機會被判定為男性；但若有陰戶，則僅67%的可能被視為女性。^[1]

科學家對此現象的解釋，是每當遇到雌雄莫辨的情況，人們寧可不小心「把女性當成男性」，也不要「將男性誤作女性」。因為比起女性，「一般男性生理上多半較強壯，且更具侵犯性」，與他們社交要冒較高的風險。如此的誤判傾向，有助於人類的生存。^[1]

總之，生死攸關的社交安全指標，被簡化成一根「陰莖」。

給成人的生理／社會性別歸因測試

後來，該篇論文的其中二位作者和另兩個人重組團隊，再次確認上述結論是否屬實，並將新的內容發表於2022年5月17日的《科學報告》（Scientific Reports）期刊。他們重複使用上回研究中「給成人的生理／社會性別歸因測試」（Sex/Gender Attribution Test for Adult），其圖片裡的男女各有傳統二元性別的六大特徵：^[2]

• 男性－短髮、男性臉龐、胸膛、窄臀、陰莖與體毛。
• 女性－長髮、女性臉龐、乳房、寬臀、陰戶，還有缺乏體毛。

用這些特徵，加上或去除衣物，排列組合成的120張圖片，大致上分為下列幾類：^[2]

• 一絲不掛，展露出六大特徵。
• 沒穿牛仔褲，但有T恤；看不到乳房或胸膛。
• 穿牛仔褲，但無T恤；看不到陰戶或陰莖。
• 穿牛仔褲和T恤，所以乳房、胸膛、陰戶、陰莖與臀部都看不到。

實驗設計

運用這些圖片，科學家們做了三個實驗：^[2]

• 【實驗一】：請一票義大利人來決定圖片裡人物的社會性別。基本上跟之前的研究相同，只是受試者的人數更多。
• 【實驗二】：也許對陰莖特別執著的不只義大利人，於是，華人（Chinese participants）就被拖了下水…^[備註]科學家們邀第一次出國留學，只懂基本英文，且幾乎不會義大利文的華人學生來測試。
• 【實驗三】：科學家們假設文化刻板印象或成見，是演化出來的生存技能。也就是說，人類會極盡所能地，避免與既危險又憤怒的成年男性互動。他們測量受試者做決定的速度，並預期判定圖片人物是男性所花的時間，應該會比判定為女性時短。

實驗結果

陰莖、男臉，無人能敵

三個實驗做完之後，義大利科學家發現，女性特徵只會在男性特徵不存在時，明顯發揮作用。凡是男性特徵存在，圖片中的人物就不太會被指認為女性。其中最能左右受試者決策的特徵，一如預期地是陰莖，其次則為男性臉龐。二者同時出現時，就更所向無敵，使得全部女性特徵黯然失色。^[2]

「認知努力」對抗「認知偏誤」的速度

至於猜測社會性別的速度，也還真的吻合義大利科學家們的假設。整體來說，人物設定愈符合二元性別概念，愈能縮短臆測的時間。充滿陽剛特質的人物，造就最迅速的反應；而中性的外表，會令受試者最慢做出決策。^[2]

曾有團隊做過類似的研究，同時追蹤受試者的視線。他們察覺：如果要將一個有陰莖的人物視為女性，受試者通常會盯著圖片良久；但若要把有陰戶者當作男性，他們便相對快速。這表示忽略陰莖的存在，得耗費較多的「認知努力」（cognitive efforts），頗傷心神。換句話說，要把可能是男性的人物，指認為女性，就要謹慎、奮力地專注於決策過程，來對抗人類天生傾向於男性的「認知偏誤」（cognitive bias）機制。^[2]

超越文化藩籬

那麼文化背景為何沒有影響到結果呢？義大利科學家雖然找來了剛進入西方社會的華人學生，但也承認後者並不能代表整個華人文化圈。論文中引用香港學者周華山探討同性戀的著作，認為生活在全球化世界的千禧世代華人，透過許多管道接觸西方文化。但是科學家們仍然相信華人學生與義大利受試者反應雷同，並非因為受到西方影響；而是基於超越種族文化，由演化發展而來的普遍現象。^[2]

擁抱多元性別的社交禮儀

從義大利科學家的二個研究，我們學習到人類猜測他人性別，主要的根據是有無陰莖。然而，理論與實作的差異，就在於極少人會亮著性器逛大街，更何況您的假設也未必符合對方的自我認同。所以，下次遇到性別光譜上趨於中性，或是認同比較非傳統的個體時，不妨參考「臺灣同志諮詢熱線協會」的建議，直接開口：「請問怎麼稱呼？」^[3]或許才是最友善且安全的現代社交禮儀。

備註

原文沒有明確定義「Chinese」，所以無從得知這些華人受試者，是來自同婚合法化的臺灣、國際貿易城市香港、網路長城封鎖的中華人民共和國內陸，還是其他泛華人文化圈的國家與地區。

1. Federici, S., Lepri, A. & D’Urzo, E. (2021) ‘Sex/Gender Attribution: When the Penis Makes the Difference’, Archives of Sexual Behavior.
2. Federici, S., Lepri, A., Bacci, S. et al. (2022) ‘Male recognition bias in sex assignment based on visual stimuli’, Scientific Reports, 12 (8156).
3. 認識跨性別！（臺灣同志諮詢熱線協會，2020）

A 編按：對我來說，陰謀論是一種「幻想文」，不該被人們採信，但現實中，卻有為數不少的人，將陰謀論奉為真理。「合乎理性必定是現實，現實也必定是合乎理性。」這不是要討論黑格爾的哲學，而是想藉這句話反思陰謀論的存在，我們不該嘲笑它的荒謬，而忽略支撐起這荒謬現實的理性是什麼？

《一切都是泛科學的陰謀》專題從科學研究，剖析陰謀論的成因與影響。獨特性需求（need for uniqueness）是指個人會透過擁有某些物品（或概念），來表現個人獨特形象的需求。而獨特性需求較高的人，可能更容易相信陰謀論喔！

「這是民主黨人虐待和性侵兒童的基地，我要去拯救他們。」28 歲男子韋爾奇 (Edgar Welch) 深信流傳在社群媒體中的陰謀論，結果他真的持槍，跑到謠傳為性侵兒童基地的比薩店「彗星乒乓」，對店內進行掃射。韋爾奇被逮捕時，仍堅稱自己「正在查案」。

這是在 2016 年美國大選前夕，發生的披薩門 (Pizzagate) 事件。由假訊息形成的陰謀論，最終演變成真槍擊案。

當然常見的陰謀論敘述還有「氣候變遷是假的、新冠肺炎疫情也是假的，這些都是政府的陰謀。」或許，你可能會覺得怎麼有人相信邏輯不通，還有點荒唐的陰謀論述，但事實就是真的有人相信。

可是你有想過具備哪種特質的人，更容易相信陰謀論嗎？這個問題深深吸引英法兩國的心理學家蘭丁 (Anthony Lantian)^[1]等人的注意。為了驗證「對自身『獨特性需求』高的人，更有可能相信陰謀論」的假設，他們進行一連串的實驗。

因為擁有「某種信念」，也會讓人覺得自己更特別！

看到這裡，你一定會覺得奇怪，為什麼相信陰謀論和「獨特性需求」有關係？我們先來定義獨特性需求，根據 Lynn＆Snyder^[2]它是用來區分自身和他人的需求。

我們天生有希望和他人不同的獨特性需求。因此，我們會透過消費稀有商品來展現自己的獨特性外，像是穿戴精品來表示自己特別的身分和地位。而 Snyder and Fromkin^[3]則提出人也會透過「獲得、保持某種信念或經驗」，來表達自身的獨特性。

順著這個脈絡，研究者假設獨特性需求高的人，應該會比其他人更容易認同陰謀論。主要是陰謀論代表某種「稀有性」、「非常規」的訊息。就像前述的披薩門事件，通常只有在特定社群內的成員，才會知道這類訊息。

透過假新聞實驗，測看看大家會不會相信陰謀論？

為了驗證假設，蘭丁和同事進行一系列的實驗。其中比較有趣的實驗是，研究者先把參與者分成兩類，並要求他們閱讀假新聞，再請他們回答相關問題。一類的參與者是對摩爾多瓦（東歐的內陸國家）具有基本知識的，另一類則是對摩爾多瓦毫無概念的人。

研究者捏造一起發生在摩爾多瓦公車車禍的假新聞，造成 45 人死亡，其中有 8 名反對黨的政治人物。並故意設計很像陰謀論的劇情。（像是儘管許多政治人物喪命，但卻沒有來自執政黨的；或是，有位罹難的政治人物曾撰寫一本揭露執政黨的醜聞的書）。

接著，參與者要回答四個問題。其中兩題是陰謀論的解釋（像是該車禍是該國當局故意策劃的等），另兩題則是反陰謀論的解釋（像是惡劣天氣、機械故障等無法控制的因素）。最後，再請參與者填寫「獨特性需求量表」量表。

儘管實驗結果只達到略顯顯著 (marginally significant)，但還是說明認同、相信陰謀的傾向，可能會受到獨特性需求的影響。

這項研究提供很多證據，來說明相信陰謀論的人，可能是滿足自身獨特性需求的一種方式。而對長期希望和他人不同，或認為獨特性是重要特徵的人來說，傾向相信陰謀論來展現自己的獨特性，是更有吸引力的。

不過，蘭丁也指出這份研究的結果，不易類推到個人主義文化外的國家。過去研究就指出，獨特性需求在個人主義文化中獲得重視，因為它代表獨立的特徵和自由的展現。

而在強調維持群體和諧，盛行集體主義文化的東亞國家，由於個人在團體中要保持低調和謙卑等，因此獨特性需求在集體主義的脈絡下，可能會有完全不同的詮釋。在 2014 年的文化比較研究中^[4]，也指出在某些情況（像是美國），高獨特性需求有助於發展自己獨特的「賣點」，並有更多機會在社會上取得成功。反之，高獨特性需求的人在強調集體主義文化的社會中（像是日本），可能就存在被排斥的風險。

因此，在集體主義文化下，會比較少見有高獨特性需求的人。主要是因為和當地文化期待不同，恐遭來排擠等負面影響。而身處集體主義文化的人，是否會如研究結果所言，藉由相信陰謀論來展現自身獨特性，目前尚未有結論。

1. Lantian, A., Muller, D., Nurra, C., & Douglas, K. M. (2017). “I know things they don’t know!”: The role of need for uniqueness in belief in conspiracy theories. Social Psychology, 48(3), 160–173. 
2. Lynn, M., & Snyder, C. R. (2002). Uniqueness seeking. In C. R. Snyder, S. J. Lopez and Eds., Handbook of positive psychology (pp. 395–419). New York, NY: Oxford University Press.
3. Snyder, C. R., & Fromkin, H. L. (1980). Uniqueness: The pursuit of human difference. New York, NY: Springer.
4. Takemura, K. (2014). Being different leads to being connected: On the adaptive function of uniqueness in “open” societies. Journal of Cross-Cultural Psychology, 45(10), 1579–1593.
5. Markus, H. R., & Kitayama, S. (1991). Culture and the self: Implications for cognition, emotion, and motivation. Psychological Review, 98, 224–253.