Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

大學科系選擇難題該怎麼解?背景知識、線索蒐集與獨立思考是你的最佳武器!

活躍星系核_96
・2020/03/14 ・4853字 ・閱讀時間約 10 分鐘 ・SR值 511 ・六年級

-----廣告,請繼續往下閱讀-----

  • 作者/蘇士銓

我不確定這篇文章是否有用,也許大部分學生根本不需要其他人來建議他們如何選科系。

但我高三下時確實思考過這個問題,而且也是從高三下才開始思考,我大學應該選什麼科系?

我明白並非所有學生都是茫然的,一定有那些早在高一、甚至是國中,就已經確定並期許自己長大後的樣子會是什麼,並朝之邁前努力。不過也有高三下才開始思考這個問題的人存在。十八年的讀書時間,視線幾乎放在「國英社數自」,沒有看過其他東西。可能直到高三下,才注意到這個問題。

而這個時候,網路與現實就如雨後春筍般出現一大堆與之相關的提問與回答。如果你正在思考這個問題,不妨往下看看我的解法。

-----廣告,請繼續往下閱讀-----
茫然無助的學生有如於汪洋大海中,似乎只要遲疑片刻就會沉入永不見底的深海裡。圖/GIPHY

讀了 18 年的書,付出了那麼多,興致勃勃地,國中拚過會考選擇了高中,拚過學測選擇了大學,只因為在高三下沒有好好花時間做出抉擇,四年於社會上成為個興致缺缺的人,回過頭來不會後悔嗎?

如果當時能夠更聽從自己心中的聲音,思考更多,未來會不會更好?

如果當時能夠更聽從自己心中的聲音,未來會不會更好?圖/GIPHY

我讀過一本名為《學生為什麼不喜歡上學?》的書,它是一本認知、教育及學習方面的心理學書籍,講解大腦是如何思考的。書中提到一個有趣的東西叫作「背景知識」,大概意思是說我們所知道的任何東西都能被稱作為背景知識,再透過它來理解「抽象概念」。

舉例來說,你解了一道「5cm × 10cm」手帕面積問題後,它會化成背景知識儲存在你腦裡。當你未來在計算「3km × 5km」居住地面積問題時,你之前所學的「背景知識:手帕面積」就能協助你解決這道題目,並使你了解「抽象概念:面積」。

-----廣告,請繼續往下閱讀-----

既然如此,那為什麼我們不能運用高中所學之物,來解「大學科系選擇」這道題目?用自己這段時間讀的書,來替自己做決定呢?

從更多角度來看待,避免衝動下決定

不如就把選擇科系當作解題目吧。

解題目需要做到:仔細閱讀題目、尋找線索、整理線索、思考有沒有什麼「公式」可以套進去、開始計算、得到一個自己滿意的答案……

這樣做,哪怕你未來就讀那個科系可能會懊惱,但至少後悔的感覺會少了一點──因為那是你思考後選出來的。而非那種憑感覺哪間大學好就選擇哪間大學、父母老師建議什麼科系好就直接去讀什麼科系。

我們能運用高中所學之物,來解「大學科系選擇」這道題目。圖/GIPHY

自己多思考、多參與、查資料、與父母師長討論,然後選出來的科系,哪怕將來發現自己不太適合,感覺也能好上許多。若是你憑一個老師/家長的意見就決定讀什麼,上大學後卻發現不太喜歡這個科系時,感覺恐怕不太好受。甚至可能把怨念投射在給你意見的那個人身上。

-----廣告,請繼續往下閱讀-----

因此,我們得多思考、多和他人交談、獲取更多資料。

哪裡可以獲取線索及資料?哪些是我能用的

師長、父母、親戚、網路文章、學校網站、學長姐分享……

在這部分請容許我分享一下公視的「假新聞出沒! 破解 媒體與牠們的產地」,只是個七分鐘的影片,你們可以看一下。

 

線索是資訊的一種,而判別資訊可不止在媒體識讀上才會用到。看完這個影片我們可以將其化作「背景知識」儲存起來後,然後拿著它所提供的「抽象概念」運用在這件事。

師長&家長提供的線索

你也許和某個老師關係最好,你是他的小老師或他是你的班導,當你困惑時第一直覺通常也會找他/她。

-----廣告,請繼續往下閱讀-----

但你得注意你是否找到正確的人,比如去找英語文學系畢業並擔任英文老師問「資訊工程學系現況如何?」便是不恰當的,即使那個英文老師帶過好幾屆學生,期中大部分都去讀資工系,那也不是老師去讀,因此找錯人提問是愚蠢的。

對的人,對的問題,才能挖掘出有用的線索。圖/mentatdgt@Pexels

因此你得思考:你要問誰?他是這個系畢業的嗎?畢業幾年了?給的資訊會不會過期?他是否了解其他系?問他其他較為相近的科系問題是否合宜?他對其他科系了解多少?問「英語文學系」畢業的人「應用英語學系」相關問題可以嗎?問「英語文學系」的人「日語文學系」相關問題可以嗎?

學長姐提供的線索

如果是問學長姐,你甚至可以再想想:他是幾年級的?大一學長姐分享的內容可以相信的嗎,會不會偏向片面之詞?大四學長姐是不是了解更多?他在系上過得如何?學業成績九十和成績六十的學長對於同個科系的觀感會不會不同?

網路文章提供的線索

網路上的資料同樣如此,注意文章發佈的時間點,資訊會不會過期?注意該平台或網站背後的公司是否值得信賴,注意寫這篇文章的作者是不是有相關學經歷。

-----廣告,請繼續往下閱讀-----

大學網站提供的線索

如果你是注重學校的,你可以去大專校院校務資訊公開平台上查你想要的消息:國際合作與交流、圖書館收藏統計、每學生平均經費、師生比……甚至是去大學學系的網站上查,看它們對於課程的介紹、課程表,師資陣容。

另外,我建議各位可以看一下學分表、教學計畫、授課計畫……總之就是希望你們找到你們關注的那個學系的課表,哪間大學的都可以,重點是學系課表,有大概了解後,再拿去找師長學長姐問問題:「這科系會學什麼」、「這大學學系網站上的課表裡有一堂課我很在意,你知道這堂課主要是在學什麼嗎?」做好功課後再去詢問他人意見還是比較恰當的。

當然,做好功課後再去詢問他人意見還是比較恰當的。圖/Freepik

整理,然後計算

拿一張有一面空白的廢紙,或是 excel 表格開起來,把你搜尋到的資料照類別打上去:師生比、交通距離、宿舍、境外交流數量……然後對比不同學校。

若是科系的部分:未來出路、薪資……甚至可以把你搜尋到的課程表內容打上去,對於你即將所學的內容,依你興趣或你感覺有多少實用性來進行評分。

-----廣告,請繼續往下閱讀-----

在這部分,我想再提到「背景知識」、「抽象概念」這兩件事。先前我有提到,你所學之物將會化成「背景知識」儲存起來,並轉換成抽象概念,將來遇見類似的問題時能化成「抽象概念」來協助你理解、解題。

而在這個部分,若你在十八年的時間有讀一點點課外書、或是了解某領域相關知識,儲存一些「背景知識」進去你的腦海裡。那我非常建議你去看你所關注的科系的「課程表」,一定會有所收穫與了解,這會比你去聽某個學長姐的分享還要有用。

舉例來說,當你了解「骨科」「治療」這兩個詞與它們背後的含意時,那麼當你看見某科系課程表內有「骨科物理治療學」這一堂課,那你大概會了解這堂課會是在教什麼。

甚至你腦海中會浮現出「噢我曾經在 YouTube 上看過三個字有介紹過哪個籃球員做了什麼導致拉傷什麼肌肉」,哪怕你腦海所浮現的與課堂所教的相關性非常小,但在你學習時還是會有幫助──畢竟,那是一棵種子。在你未來四年學習時,說不定能幫助到你。

-----廣告,請繼續往下閱讀-----

第二個則是可以用來比對,比如把「物理治療學系」「職能治療學系」的必修課程複製到 excel,刪掉實習、把課程(一)(二)(三)……刪掉,只保留(一),感覺相近的放一起,相異的分開,看看兩科系之間的差別。

物理治療學系與職能治療學系的科系比較圖。

左欄與右欄為「物治」與「職治」的課表,我把它從學系網站複製下來放到 excel 上重新排列過的。從課程內容上我們能明白哪些是相同課程、相異課程。這對你選科系時應該會有不小幫助。

你也可以把相近的科系複製到excel來比較,比如「英語學系」和「應用英語學系」。不過在那之前,我建議你先把課程表複製到word上,用「選取與取代」來整理一下。

最後,便是做決定

笨,就是得多讀書、多思考。

不要懶惰,只聽信他人之詞「XX 大學經費較多,比較好,你可以去讀」「OO 大學好像負債過多,別去讀」「這家大學老師比較好」……這些都比不上你上網去公開平台查,甚至是點進去那所大學那所科系的網站看資料。

然後去問第一、第二個老師、親戚、學長姐。然後自己在思考,整理,做表格,然後決定,替你未來抉擇。不要因為這幾個禮拜,而後悔四年。

哪怕你說做錯決定,那就轉系、轉學。但那又何談容易,你能因這數禮拜而怠惰、選自己不滿意的科系。那轉學轉系又能好起來嗎,轉到自己滿意的?不如多找資料,多思考,拓展你的資料來源的管道。

盲目地聽從某一個觀點,而不聽或看其他有悖於這個觀點的言輪與資料,就直接下決定,我不知道有沒有什麼比這個還可怕。

我們時常提到獨立思考,甚至於 108 課綱也一遍又一遍不厭其煩地提到,但獨立思考這件事,並非什麼特別的思考方式,而是一個很簡單的防止跟風及盲從。

我文中提到兩次「背景知識」,也是要靠閱讀來獲得的。如果你的「背景知識」儲存量足夠多的話,那麼在閱讀大學課程表時就能夠隱約猜到這堂課會教什麼。在未來就讀這科系四年時會有幫助。甚至是現在對比其他科系資料時就有幫助了。

最後最後,不管最後選擇了什麼科系,都要保持獨立思考的能力。我們終究會離開校園,但不應該離開閱讀。

背景知識都是要靠閱讀來獲得的。圖/GIPHY

除了認真學習課內選修內容外,也希望大家能多閱讀。泛科學上的文章、報導者上的文章、故事、法律白話文運動……這些都可以,甚至找幾本書來看,比如提到「背景知識」「抽象概念」的《學生為什麼不喜歡上學》,如果看完覺得不錯,還能看《萬萬沒想到:用理科思維理解世界》,如果你覺得這些偏理科都太硬,那麼試試《正義:一場思辯之旅》,探討社會各種議題,這些都能夠增加你的「背景知識」。

如果看選修課內書再加上課外書會讓你太累的話,也可以先從網路上的 YouTube 短影片開始看起,比如志祺七七、台灣吧、超級歪……盡量增加自己的「背景知識」儲存量。

奧美集團有過這麼一則廣告,廣告部分內容如下:

「我害怕閱讀的人,在他們面前,我就像一個透明的人,蒼白的腦袋無法隱藏。

我所擁有的內涵是什麼?不就是人人都能脫口而出、遊蕩在空氣中最通俗的認知嗎?就像心臟在身體的左邊,春天之後是夏天,美國總統是世界上最有權力的人。

而閱讀的人在知識裡遨遊,能從食譜學論及至管理學,八卦週刊講到社會趨勢,甚至一隻空中躍下的貓,都能讓他們對物理學侃侃而談註1

我害怕閱讀的人,他們的生命毫不封閉,不缺朋友的忠實,不缺安慰者的的溫柔,甚至連相互較勁的對手,都不缺乏。

他們翻開書,便時而讚歎、時而激辯、有時會獲得勸導與慰藉。一本一本的書,就像一節一節的脊椎,穩穩支持著他們。

我害怕閱讀的人,我祈禱他們不知道我的不安,免得他們更容易地擊垮我,甚至連打敗我的意願都沒有。

我害怕閱讀的人,他們知道無知在小孩身上才可愛,而我已經是大人了。

我害怕閱讀的人,他們懂得生命太短,而人總是聰明得太晚。

我害怕閱讀的人,他們的一小時,就是我的一生。

我害怕閱讀的人,尤其是──還在閱讀的人。」

願我們保持獨立思考,不盲從不跟風,能夠畫出一條屬於自己的線,走上屬於自己的道路,長成自己想長的樣子。

延伸閱讀:

  1. 如何擁有好棒棒記憶力?背景知識是關鍵——《學生為什麼不喜歡上學?》
  2. 大腦動不起來,是因為你不知道該如何思考! ——《學生為什麼不喜歡上學?》
  3. 你以為你在推理?背景知識是思考運作的源頭——《學生為什麼不喜歡上學?》

註解

  1. 原廣告內容為「一支空中躍下的貓,都能讓他們對建築防震理論侃侃而談」,我把它修改成「對物理學侃侃而談」。

參考資料

  1. 《學生為什麼不喜歡上學?:認知心理學家解開大腦學習的運作結構,原來大腦喜歡這樣學》
  2. 假新聞出沒!破解媒體與牠們的產地
  3. 大專校院校務資料公開平台
-----廣告,請繼續往下閱讀-----
文章難易度
活躍星系核_96
778 篇文章 ・ 128 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia

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。

0

0
1

文字

分享

0
0
1
備審卡關、筆記好難整理?國高中生必學,一個 prompt 讓 AI 幫你做科系探索!
泛科學院_96
・2024/04/13 ・450字 ・閱讀時間少於 1 分鐘

這集來分享學生必學的 AI 工具與操作!

本來是想做寫作業的 AI prompt,但肯定會被罵翻……因此這次聚焦在如何用 AI 協助整理筆記、職涯探索、製作歷程檔案等事情上。

廢話不多說,讓我們開始吧 !

最後,附上本支影片的學習懶人包:

如果你有更多想要學習的操作技巧,歡迎在下面留言跟我們敲碗~有其他想要看的 AI 測試或相關問題,也可以留言分享喔!

更多、更完整的內容,歡迎上科學院的 youtube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

泛科學院_96
44 篇文章 ・ 53 位粉絲
我是泛科學院的AJ,有15年的軟體測試與電腦教育經驗,善於協助偏鄉NPO提升資訊能力,以Maker角度用發明解決身邊大小問題。與你分享人工智慧相關應用,每週更新兩集,讓我們帶你進入科技與創新的奇妙世界,為未來開啟無限可能!

0

0
0

文字

分享

0
0
0
NCC 公民培力課程 邀您一同打造數位時代的媒體素養
鳥苷三磷酸 (PanSci Promo)_96
・2023/11/15 ・530字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

本文為 國家通訊傳播委員會廣告

國家通訊傳播委員會(NCC)因應數位匯流發展,為促進通訊傳播產業健全發展,保障消費者及尊重弱勢權益,持續推動「公民培力推廣計畫」,鼓勵廣電媒體及公民團體運用既有資源,協力推動全民媒體素養,以串連其影響力至閱聽眾端,並於今(112)年度規劃「認識媒體」、「防制假訊息」、「性別平權」及「公民新媒體內容產製」等議題,增進社會大眾對於通訊傳播產業的認識。

今年度藉由與廣電媒體、公民團體等合作,包括公視、法律白話文運動、正聲廣播、新聲廣播、鳳鳴廣播、陽明山電視和全聯電視等單位,於今(112)年 7 月至 12 月在北、中、南、東部地區舉辦 19 場媒體識讀活動,包括防制假訊息相聲演出、媒體素養營隊、參訪公視等,針對不同年齡層及族群設計互動課程,將媒體素養教育的種子向下扎根,提高全民媒體素養,打造更優質的社會環境。NCC 誠摯邀請銀髮族、兒少、身心障礙者、新住民及社會大眾一起參加,培養正確閱聽習慣及獨立思考能力,提升公民素養,進而創造更健全的媒體環境,報名方式及活動內容詳見活動網站

-----廣告,請繼續往下閱讀-----
鳥苷三磷酸 (PanSci Promo)_96
225 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia