Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

被商業高牆鎖住的科研成果:談學術文章的付費巨牆

科學月刊_96
・2019/12/11 ・2867字 ・閱讀時間約 5 分鐘 ・SR值 589 ・九年級

  • 文/甘偵蓉|成功大學人文社會科學中心助理研究學者。

科研新知應受商業行為的制約,還是開放給人們閱讀討論?在這個網路普及的時代,研究工作者苦心經營的成果,仍難以直接與社會大眾對話。此外,學術商業出版的大手卡在其中,看似維持學術文章品質,實則為牟財利使科學裹足不前。在商用與開放的拉扯之中,作為學術出版小眾的臺灣,或許更有機會以小搏大。

被商業高牆鎖住的科研成果

「科學不應鎖在付費牆後 (no science should be locked behind paywalls)」,這句話出自歐洲地區發起、加速研究出版全面開放取用 (open access) 的 Plan S ,目的不僅是反對付費才能閱讀學術期刊文章的邏輯,更揭示既然科學能促進人類社會進步,就該視為公共財,不應被用來買賣,甚至成為企業大肆牟利的工具。

為何反對「付費才能看」這套在學界已運作百年歷史的學術出版制度?因為研究者在期刊上所發表的學術研究成果,多來自政府或政府資助的研究機構所提供的研究經費,而發表之前所需通過的學術同儕審查,通常由其他研究人員免費提供,但是學術商業出版商把文章製成期刊發行後,作者多不能隨意公開分享文章給自己的學術同儕、師生、親友或有興趣者,因為出版商多會要求作者必須完全讓渡文章版權給期刊。接著,出版商不但訂定單篇文章索價新臺幣 300~1200 元的付費購買機制,還將旗下期刊製作成電子資料庫,再以每年百萬甚至上億元臺幣的期刊訂閱費高價賣給研究機構的圖書館,以便該機構所屬研究人員及師生下載閱讀。

高牆之下,阻礙學術交流的出版收費設計。圖/pixabay

冗長且收費不合理的學術出版過程

需高價購買的單篇期刊文章,別說都沒有提供閱讀不滿意或內容不符所需的「鑑賞期退費機制」,也完全不符合研究就是需大量搜集及閱讀文獻的特性;文章內容本身,即使當初文章投稿過程再順利,等到期刊登出,最快也都是半年到一年前,過程不順的話還可能是兩到三年前的研究,實在與今日數位時代的資訊傳播速度大相徑庭。更糟的是,期刊資料庫的訂閱方式,因為自選組合的費用高到令人瞠目結舌,圖書館通常只能接受出版商把想訂和不想訂的期刊混在一起合售的資料庫,且被要求簽訂不能透露訂閱價格的保密協議,以至於訂閱價格近 20 年來一路高漲到幾乎沒有圖書館可負荷的地步。

-----廣告,請繼續往下閱讀-----

在這一連串的學術發表過程中,學術商業出版商除了支付文章編輯、電子資料庫製作及宣傳等費用外,發行期刊是一門幾乎無本的生意,且在文字與圖表製作、出版和傳播等成本皆大幅下降的數位時代,更是高利潤的事業。無怪乎全球最大的學術商業出版商愛思唯爾 (Elsevier) 的年獲利率,遠超過臉書 (Facebook) 等全球知名企業。若想更深入了解現在學術出版模式的問題、成因及學術界如何抵制及因應,建議觀看由美國克拉克森大學 (Clarkson University) 史密特 (Jason Schmitt) 教授在去 (2018) 年 9 月所拍的紀錄片《付費巨牆:學術商業體系》(Paywall: The Business of Scholarship)。

不過,或許是因為這部紀錄片的主要抨擊對象為全球學術最大商業期刊出版商愛思唯爾,且所訪談人員多是國際知名的大學圖書館員或開放取用運動 (open access movement) 倡議人士,以致於影評或國內討論焦點,多放在如何反制出版商所構築的付費巨牆,像是如何持續推動已經有近 20 年歷史的學術文章開放取用運動。再不就是針對為反制付費牆所應運而生的開放取用期刊或(訂閱與開放)混合制的商業期刊,在需維持營運又得彌補沒向讀者收取文章下載費及圖書館訂閱費的情況下,而改向文章作者收取平均約新臺幣三千至九萬元不等的文章處理費 (article processing charge, APC) 問題。

學術商業出版商多會要求作者必須完全讓渡文章版權給期刊,並以高價出售期刊文章,形成「付費才能看」的出版制度。圖/pixabay

知識建構與傳播方式被數位時代改變了

然而,仍有許多學術文章鎖在付費巨牆裡的問題,其實還凸顯學界長久以來所忽視的兩件事。

一是數位時代的知識管道建構、檢視及修正,其實不再僅限於專業同儕,而是可能來自專業社群以外的專家甚至一般民眾。若學界迄今仍容許學術文章多數都鎖在付費牆內,意味著學界對於來自學術圈外的檢視、批評與修正,其實並未保持開放心態,甚至態度傾向不友善與拒絕。

-----廣告,請繼續往下閱讀-----

另一件事是數位時代的知識傳播方式,所謂上網、立即、自由、全文取用、分享和永存等就是王道,而這正是「開放取用」的核心意涵。若學界迄今仍容許付費牆可嚴重阻礙學術知識的傳播,要不意味著如前所述,其實並不歡迎來自學術圈外對相關專業知識的檢視、批評與修正,故以付費牆阻礙只是剛好而已。或者這意味著,學界很習慣搜尋學術文章,就是得登入自己研究機構的圖書館才能獲取,即搜尋上得過五關斬六將,並無法像維基百科那樣如此便利的一鍵獲取。

是知識普及的推手,還是阻撓資訊傳遞的枷鎖?

但真是這樣嗎?全球知名學術期刊文章下載海盜網站 Sci-Hub ,它的文章下載率不但逐年快速成長,且使用最高的地區並不僅限於經濟資源較為貧乏的開發中國家,而是連已開發國家如美國,尤其學術研究密度越高的學校,下載率更是不遑多讓。這表示阻礙學術期刊文章難被獲取的,不只是商業付費牆,還有期刊資料庫繁瑣的搜尋介面。換言之,正是這兩因素讓學界以外的人很難在網路上獲取及閱讀嚴謹的學術文章,即使目前國內外都有不少科學普及雜誌與網站,致力於將科學研究成果轉譯給社會大眾。但轉譯畢竟不若直接獲取及閱讀來得迅速,並無法以「反正學界門外漢也看不懂學術文章,不易獲取也無妨」為藉口,輕易地辯解帶過。

容許學術付費及技術巨牆矗立高築,正好映照出學界一直未深刻體認到,數位時代的專業知識建構、檢視、批評、修正與傳播方式,不再是從上到下或從內往外的單向建構,也可能是從下往上或從外往內的反向建構,也就是從學界專家向外擴展至不具學者身份的專家甚至一般民眾。而以付費及技術巨牆把想了解嚴謹的科學成果但無足夠金錢或技術的人阻擋在外,就是學界遷就學術出版商而未善盡「致力讓不普遍的知識變得普遍 (making uncommon knowledge common)」的社會責任。而諷刺地是,這句話是愛思唯爾的企業精神,也是在《付費巨牆》一片中訪問到 Sci-Hub 建置者爾巴克揚 (Alexandra Elbakyan) 時,被她拿來調侃愛思唯爾的一席話。

Sci-Hub 網站的標語: 移除科學道路上的所有阻礙 (To remove all barriers in the way of science)。圖/Sci-Hub 網站截圖

開放取用應作為臺灣的學術戰略

臺灣作為國際學術出版的小眾,其實更有必要關切目前在國際學界如火如荼進行的學術文章開放取用運動。這麼做,不只是為了提升臺灣學術研究成果的國際影響力,更是不被國際學界邊緣化的學術戰略!再加上臺灣又是使用繁體中文作為母語,面對萬倍的簡體中文學術發表量,若臺灣學者也希望研究成果在中文世界能發揮一些影響力,更唯有讓繁體中文期刊都容易在網路上查找、自由閱讀全文、免費分享及使用一途,才能在國際上有被看見的機會。

-----廣告,請繼續往下閱讀-----

 

〈本文選自《科學月刊》2019 年 12 月號〉

在一個資訊不值錢的時代中,試圖緊握那知識餘溫外,也不忘科學事實和自由價值至上的科普雜誌。

-----廣告,請繼續往下閱讀-----
文章難易度
科學月刊_96
249 篇文章 ・ 3741 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。

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

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。