藏到哪裡去了咧？

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

躲貓貓，又叫做捉迷藏，是大多數人的童年回憶，這個看似簡單的遊戲，事實上參與者需要一定程度的心智能力才能進行。在 2019 年 9 月的一篇科學文章中，一群科學家們發表了他們如何透過實驗，發現老鼠竟然也懂得玩捉迷藏，甚至看起來樂在其中。

看影片找靈感，玩捉迷藏發論文

德國洪堡大學(Humboldt university) 的神經科學家 Michael Brecht，某一天看了一則飼主跟寵物鼠玩捉迷藏的影片，這讓他開始好奇這個影片是否只是個誤會，又或者是老鼠真的會玩捉迷藏？

Brecht看的不是youtube，是科學。

於是他和團隊設計了一個 30 平方公尺大的房間，並且利用厚紙板和來製造遮蔽，放置了數個透明或不透明的盒子。他們一共製作了七個藏匿地點給老鼠，以及三個藏匿地點給學生 Reinhold。

當老鼠當鬼時，Reinhold 會把老鼠放進盒子後蓋起來，接著跑去躲起來，再利用遙控器將蓋子打開。經過訓練後，老鼠開始知道蓋子打開是代表可以去尋找 Reinhold 的信號，當老鼠找到她之後便會收到獎勵。

老鼠當鬼尋找 Reinhold，找到後獲得獎勵

換 Reinhold 當鬼時，她會打開盒子並蹲在旁邊，等待老鼠跳出盒子並躲到藏匿處，老鼠被找到後一樣會獲得獎勵。和一般動物訓練不一樣的是，實驗中用搔癢和撫摸作為獎勵而非給予食物。

經過兩周的訓練，六隻老鼠中共有五隻學會玩捉迷藏，不會在遊戲途中混淆或變更角色。

為了瞭解老鼠在玩捉迷藏的狀態，他們在老鼠的腦中植入了可攜帶的裝置，在主導記憶學習的前額葉皮質區域，紀錄了 180 個神經元的電子訊號。當 Reinhold 關起盒蓋，提示老鼠誰要當鬼時，有大約三分之一的細胞開始產生訊號。Brecht 表示這些現象代表這些區域可能對於學習規則相當敏感。

不只會玩，老鼠還會為了娛樂而玩

除了對遊戲的基本認知的，實驗中有幾隻老鼠甚至表現出意料外的能力，當 Reinhold 搜尋房間時，老鼠會偷偷移動到它已經看過的地點，彷彿它們推測這些地方不會再次被搜尋。另外在躲藏時，老鼠也更喜歡躲在不透明的盒子中並且保持安靜，好讓自己較不容易被發現。Brecht 認為這些行為都顯示老鼠有能力從其他生物的角度去思考，表示老鼠比想像中來得聰明。

而另一件令人好奇的是，老鼠玩遊戲是為了娛樂或是獎勵。

Brecht指出實驗中老鼠有好幾個行為都顯示它們是為了娛樂而玩，例如當老鼠發現研究者時，會展現出快樂的跳躍 (freudensprung)。這個動作在哺乳類動物中很常見，兔子、羊和人類都有類似的行為來表達開心。老鼠被發現後，也常常不接受獎勵，而是會跑去其他地點躲藏，似乎不想讓遊戲結束。（跟熬夜刷首勝的我有點像？）

我們與鼠的距離

這項研究最重要的貢獻是證明了老鼠具有足夠的心智能力，包括了決策、位置導航、理解規則和角色設定來進行捉迷藏遊戲。除了被搔癢會發笑²，為了夥伴可以放棄巧克力之外³，科學家又找到了我們之間新的共同點。

另外實驗其實還有第二階段，研究者要讓四隻以上的老鼠一起玩捉迷藏，進而觀察老鼠們的互動，看看是否會有更意外的行為出現，就讓我們一起拭目以待之後的結果吧。（好了快去報名搞笑諾貝爾獎。）

看完文章，你是否準備好想要和你的寵物進行一局 science 等級的實驗了呢？如果沒有寵物的話，也不要太難過，或許遊戲早就開始了，只是你不知道而已，吱吱！ ψ(｀∇´)ψ

參考資料

1. Reinhold, A. S., Sanguinetti-Scheck, J. I., Hartmann, K., & Brecht, M. (2019). Behavioral and neural correlates of hide-and-seek in rats. Science, 365(6458), 1180-1183.
2. Ishiyama, S., & Brecht, M. (2016). Neural correlates of ticklishness in the rat somatosensory cortex. Science, 354(6313), 757-760.
3. Sato, N., Tan, L., Tate, K., & Okada, M. (2015). Rats demonstrate helping behavior toward a soaked conspecific. Animal cognition, 18(5), 1039-1047.

Security theater （維安劇場） 一詞首見於資訊安全專家 Bruce Schneier 2003 年所出版的著作 Beyond Fear： Thinking Sensibly about Security in an Uncertain World [超越恐懼： 理性思考不確定世界當中的安全議題]。 它指的是這樣的作為： 煞有介事地佈置各種道具、 門禁、 安檢關卡， 儼然一付嚴陣以待隨時準備好要應付恐怖攻擊之類危險事件的態勢； 但其實戲劇效果遠大於真正的維安效果。

美國自從 2001 年 9/11 事件之後， 國土安全部 （Department of Homeland Security） 及其下所轄的交通安全局 （Transportation Security Administration） 就不斷推出許多侵犯人權與隱私的 「維安措施」， 在國內引起極大的抗議， 連主流媒體 （ NY Times、 CBS、 ABC） 也都用 “security theater” 來描述兩者的作為。

近日美國宣佈臺灣成為免簽國家。 為了配合美國反恐， 移民署將提昇相關軟硬體設備， 以強化出入境維安工作。 臺灣機場是否即將配合美國 TSA 佈置 「維安劇場」， 而公民的人權與隱私是否也將悄悄地在一片免簽叫好聲中逐漸被侵蝕？

一、 概念

雖然我沒讀過 Beyond Fear 這本書， 但就像任何關心資安新聞的人一樣， 不時會讀到 Schneier 部落格的相關文章。 他是資訊安全界的神人啊！ 以下摘譯封面介紹， 順便幫這本書廣告一下：

1. 讓機長全副武裝有助於航空安全嗎？
2. 電子投票會讓選舉結果變得比較精確嗎？
3. 線上信用卡購物比較不安全嗎？
4. 全國性的身份證系統可以降低恐怖攻擊的風險嗎？

如果你讀新聞或聽名嘴， 可能會認為以上皆是； 但事實可能出人意表。 資訊安全專家 Bruce Schneier 畢生致力於 「安全」 的真實機制 … 本書透視炒作， 直指真正的重點， 解釋我們如何理性面對安全議題。 … Schneier 以他諮商世界級企業和政治人物的豐富經驗闡述： 務實的安全措施其實可能簡單到令人跌破眼鏡 …。

安全並不神秘， 而且也不像大家想像的那麼困難。 最困難的是： 如何區別何者為炒作、 何者是真正重要的事？ …

Schneier 邀請讀者跨越 「恐懼」、 理性思考安全議題。 他解釋為什麼監視錄影器、 警衛、 有相片的證件並不足以保證安全， 為什麼昂貴的科技產品經常反而會掩蓋了真正的安全議題。 他從歷史、 科學、 運動、 電影、 新聞裡面舉例， 列出保護安全的基本思維與行動原則 — 而這些都是每個人自己可以理解也可以實踐的。 Schneier 不亂拉警報； 他推薦的 「運用常識」 的策略可以帶來立即的效益。 你對自己平日所做的安全決策會更加有信心、 對於別人替你決定的安全政策會獲得更深刻的洞見。 …

資訊領域有很多 （小格讀者可能熟悉的） 「維安劇場」 的例子。 臺灣銀行界吹捧 「高安全性網路刷卡驗證碼」， 結果反而害顧客 遭盜刷成冤大頭， 這一點也不令人意外。 從 2010 年初 google 因 ie 漏洞遭駭 到 2011 年中的 中韓潰客入侵行政院 再到上個月發生的 IE 7/8/9 第0日安全漏洞， 我們一再被現實提醒： 資訊安全的首要任務應該是處理 IE-only 的問題， 因為步上雲端的交通工具， 是與外界接觸的第一線， 就像人的皮膚一樣重要。 不幸地是， 除了 玉山銀行 之外， 全臺灣其他銀行卻繼續裝死、 繼續強迫用戶使用 IE； 而 卓越的大學也仍舊不敢談論真正的資安問題 甚至繼續用著 不安全的會計系統。 下一次你再看到銀行與大學 （或是 國科會） 推出最新最炫的資訊安全產品， 最好記得帶著看戲的心情欣賞其 「維安劇場」 的演出， 以免過度期待、 為自己的錢包/隱私/電腦帶來傷害。

上述維安劇場尚且只是推銷無效的產品、 忽略真實的安全； 但 DRM 與實現 “信任運算” 機制的 Windows 8 secure boot 則是更積極地以 「維護安全」 之名加碼剝奪消費者的自主權。

核能安全領域也有案例。 「美國核電廠維安措施只是維安劇場」 的說法， 最近又多了一個例證。 今年七月， 82 歲的修女、 63 歲的園丁、 57 歲的油漆工三人 成功地闖入核電廠 噴漆抗議、 表達反核。

二、 案例

機場維安比較像 DRM 與 Windows 8 secure boot — 「安全」 其實是要你 「棄權」。 首先看看有哪些東西曾經被 TSA 沒收。 請用以下關鍵詞分別跟 TSA 一起搜尋： cupcake （因為她的小蛋糕是膠狀物）、 purse （因為小女孩的錢包上繡有槍枝）、 T-shirt （因為上面有反 TSA 的標語）、 cheese （因為有些爆裂物看起來像起士）、 play-doh （因為有些爆裂物看起來有點像這種類似黏土的玩具）、 lightsaber （因為這是帝國反叛軍絕地武士的武器， 真是太可怖了啊啊啊！） （搜尋範例： 「tsa lightsaber」）

東西被沒收就算了； 隱私被侵犯呢？ 通過美國海關時， 你有兩個選擇： 接受穿透衣服全身看光光的 X 光掃描 （body scan） 或接受海關上下其手全身摸透透 （pat down）。 搜尋 「TSA pat down」 可以看到 孕婦、 坐輪椅的小孩、 受驚嚇的女性、 膀胱癌患者、 … 的故事。 對於 性侵受害者 而言， 這更是可怕的二度傷害。 該文也指出： TSA 刻意要用過度、 侵犯性、 近乎懲罰性的 pat down 逼大家接受 body scan。

但是 body scan 真的有助於找出爆裂物嗎？ 國會一份研究報告顯示： 八千七百萬美元的 Body Scanner 白花了。 其實部落客早就親身證實有方法可以對付 body scanner — 請搜尋 「defeat tsa scanner」。 隱私團體抗議 body scan， 法官要求 TSA 舉辦公聽會， TSA 裝死、 不理會法官判決。

既然效果不佳， 為什麼 TSA 還是堅持要使用 body scanner 呢？ 原來國土安全部前官員 Michael Chertoff 跟廠商關係密切， 到後來甚至不避諱地替 Rapiscan Systems 工作； 而這些廠商也大力金援、 甚至政治獻金加碼兩倍， 要求立法採購機場安檢器材 （ 更詳盡的利益關係）

還有一些人， 連選擇被羞辱換取坐飛機權利的機會都沒有。 禁飛黑名單在一年之內 從1萬人驟增至2萬人 其中包含500名美國人； 但是黑名單不公開、 政府也不會回答你是否在黑名單當中。 只有當你被禁飛時， 才會知道自己可能在黑名單當中 — 就像這位一歲半的小女孩一樣。

另一個爭議是： Body scanner 的幅射劑量是否過高？ 是否危及機場常客的健康？ 但是 DHS 與 TSA 不僅不願意釋出儀器檢測數據， 國土安全部秘書長 Janet Napolitano 甚至 公然說謊， 把國家標準局 「曾檢測一部機器」 的事實扭曲成 「確認這型機器安全」。 DHS 與 TSA 一直不願意處理這個問題， 最先受傷害的恐怕是長期曝露在不明劑量幅射之下的安檢官員自己。

刀子和手槍輕鬆過關、 甚至官員積極協助走私毒品、 TSA 官員順手牽走旅客 iPad、 … 一件又一件的醜聞明白顯示 TSA 真正關心的根本就不是國人的安危， 而是如何無限擴張其權限， 並營造恐懼的氣氛。

三、 有根據的研究以及真實的成效

今年三月， 經濟學人辦了一場三回合的線上辯論， 對打的是主張 「後 9/11 維安措施弊多於利」 的 Bruce Schneier 跟主張要繼續強化維安措施的 TSA 創建人也曾是 TSA 首腦 頭號人物 Kip Hawley。 本節內容如果沒有特別給連結， 主要就是摘要 [以及貴哥風格的略微加味轉述] 自 這場辯論 當中 Bruce Schneier 的發言以及 浮華世界的專題報導。 為什麼我懶得摘要 Kip Hawley 的說法？ 因為 （沒錯， 我主觀認定） 他的論點貧乏、 只想製造民眾的恐懼感。 也請數數看他給了幾個參考連結。 連結數量多並不代表比較可信； 不過 Hawley 如果連三五個有力案例與研究結果都提不出來， 那麼道理在誰那邊就很明顯了。

TSA 自己公告的 「年度十大查獲」 顯示： 沒有一件與恐怖攻擊有關 — 如果有的話， 他們早就開記者會並要求國會提高預算了。 TSA 的作為與維安規定只會回顧過去經驗； 但是當所有警力都在查緝保特瓶跟鞋子的時候， 你想真正的恐怖攻擊者會怎麼做？ 最不可思議的是： TSA 把 「桀傲不馴的態度」 （arrogant） 視為可疑行為 — 這會是恐怖攻擊者保持低調的方式嗎？

把精力鎖定在機場、 鎖定在特定的物品， 是很糟的反恐方式。 恐怖攻擊者總是會避開當前的維安重點、 挑選那些維安警力所忽略的場所 — 到處都有捷運站、 人潮密集的商場、 … — 和維安警力所忽略的物品。 無限上綱提高機場安全檢查並非對付恐怖攻擊的最佳方式； 強化情報、 偵查、 危機處理才是。 從 2007 年的訪談到現在， TSA 一直不願意正面回應問題， 甚至也不曾進行標準的成本分析。

9/11 之後的新措施， 只有三件事真正有助於提高飛安： （1） 隔絕並強化駕駛艙 （2） 確認每件行李的主人都在飛機上 （3） 教導乘客要反擊。 除此之外， 多數侵犯人權的措施都只是 security theater。 學界的分析顯示： 9/11 以來的維安措施並未有效提高機場安全。 最近成功阻止的恐怖事件 （例如內褲炸彈客事件與液體炸彈客事件） 都顯示： 9/11 之後的嚴厲措施一點用也沒有； 真正阻擋炸彈客的， 其實是舊的維安機制及情蒐。

那麼這些強化的維安措施到底成就了什麼？ 2004 年的數據顯示： 每位旅客平均多浪費 19.5 分鐘跟 TSA 打交道， 也可以換算成每年一百億美元的經濟損失。 許多人為了避免跟 TSA 打交道而改選擇開車， 每年因此而車禍死亡的人數增加 500 人。 以上數字都還只把美國人的損失算進去而已。

公民自由的無形傷害更是難以量化估計。 機場儼然成了人權禁區： 身為旅客， 你無權拒絕搜身、 你的財產可能被沒收、 你不能匿名旅行、 你不能穿上抗議 TSA 文句的衣服、 不能開 TSA 的玩笑。 [貴註： 所以只好用隱晦的方式「刺激」安檢人員或在網路上搞笑， 例如 吃了威而鋼再上路 或寫諷刺文 「TSA 搜身太刺激， 男子射精被捕」]

但是如果心存懷疑的記者在安全專家的指導之下， 就可以自己用影像處理軟體跟雷射印表機印出一張假機票闖進登機區， 那麼這一切又所為何來呢？

四、 停止配合恐怖份子製造恐懼

TSA 官員這些 「沒有特定對象、 恣意攔截旅客強行搜身」 的惡行越來越囂張 — 反恐搜身蔓延到火車站跟公車站： 喬治亞 （而且 TSA 還公然說謊）、 北卡、 休士頓、 … 陰謀論者 Al Martin 曾經 指稱： 布希當初聘用 東德國家安全部 Stasi 頭子 Markus Wolf 作為美國 DHS 顧問， 目的就是要建立一個警察國家。 不論陰 Al Martin 的指控是否屬實， TSA 的行為確實越來越像 Stasi。

恐怖主義真正的目標並不是製造墜機、 甚至並不是要製造人員傷亡。 恐怖主義真正的目標是要讓我們的社會陷入恐慌。

TSA 之流的各種行動在人心種下猜忌的種子、 剝奪我們的隱私、 在許多案例裡甚至剝奪我們的尊嚴 （貴註： 哭泣的女子）、 剝奪我們的權利、 用各種沒有原則/講不出道理的規定騷擾我們、 又不斷地提醒我們： 「如果不接受這一切， 就等著死在恐怖份子的手裡吧！」 TSA 的所作所為， 恰恰是照著恐怖份子所寫的劇本演出， 製造社會恐慌。
— Bruce Schneier

我個人認為： 這幾年來美國已經從自由的天堂迅速淪為 [ 靜靜跳舞都會被逮捕 的] 警察國家。 而臺灣多數人卻還不知道美國從 9/11 以來， 反恐與反盜版文宣塑造了什麼氣氛 （當然， 也有可能是因為我國的掌權者樂意配合美國所設下的集權機制） 先有 盜版三振法、 再有 封鎖 pps、 TPP， 現在又在免簽的糖衣底下包藏警察國家的 「維安」 架構， 美國政府意圖實質掌控臺灣的動作頻頻不斷。 至於失去良知[或判斷力]的媒體及數字取代思考的大學， 到現在還是持續配合美國利益團體對大眾智財洗腦。 如果臺灣民眾珍惜我們現在享有的自由民主， 最好能夠從免簽迷湯裡面醒過來， 要趁我們還有言論自由的時候， 站出來引用網路上搜尋易得的事實， 回應一下即將在主流媒體及大學裡上演的反恐洗腦和 「維安劇場」 security theater。

（本文轉載自 資訊人權貴ㄓ疑）

如果你有一筆現金私房錢，你會藏在哪裡？科學家結合虛擬實境，分析成人搜尋和藏匿物品的行為卻意外發現，人們不傾向搜尋他們會藏匿物品的地點，這項研究或許有助於我們防範恐怖分子藏匿炸彈或其他危險物品。

加拿大亞伯達大學（University of Alberta）的比較心理學家艾瑞克里基（Eric Legge）和他的研究團隊，佈置一間有各式家具的房間，並在地板上放置70塊覆板。102位受測者被要求單獨進入房間，兩分鐘內他們必須把三張卡片藏在覆板下，並在另外兩分鐘內找出其他受測者藏匿的三張卡片。

受測者藏匿和搜索物品的策略不同。舉例來說，他們傾向把卡片藏在房間中間，但卻會搜索房間的角落，這結果出乎意料。和其他心理學家一樣，里基也預期人們會搜尋他們最近藏匿物品的地點，但研究結果卻不是如此。

研究團隊還設計了一間虛擬的房間，使他們能夠調整房間裡家具、門、窗的位置，受測者在虛擬房間裡搜尋和藏匿物品的位置還是不同。不過還是有符合研究團隊預期的行為出現，像是受測者會傾向搜索房間陰暗的區域，以及避免將物品藏在靠近門窗的位置。

心理學家仍然不清楚為什麼人們不搜索通常藏匿物品的地方。並未參與這項研究的心理學家Bradley Sturz認為，可能是因為人們藏匿、搜索的行為分別由不同腦區負責。或許在虛擬實境進行測試的同時，可以藉由腦部掃描測試這項推論。

另一方面，因為受測者在現實及虛擬的受測環境下表現沒有差異，或許可以設計更複雜的虛擬空間測試藏匿行為，並將結果應用於開發更先進的掃描系統以偵測戰場、公共場所的炸彈，阻止悲劇發生。此外，許多電玩遊戲讓玩家搜尋某些道具，遊戲設計師收集許多測試員的行為資料後決定道具該藏在哪裡，或許他們現在得重新思考策略了。

資料來源：ScienceNow: Hide-and-Seek Goes Virtual [1 June 2012]