2020年國際科展現場直擊3：視覺中的鬼影是哪來的？讓未來的機器人幫忙搬家！

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

本文由 Epson 委託，泛科學企劃執行。

元宇宙狂潮來襲，數位互動娛樂發展越來越多元！相信大家對 VR 眼鏡並不陌生，但是要人手一台卻還是有難度，反倒是 AR 科技越來越蓬勃發展！例如博物館將 AR 眼鏡結合手上的裝置做互動整合，讓展示的恐龍標本活生生活在你眼前；又或者是去兩廳院看劇，專屬的 AR 字幕體驗讓不同國家的觀眾朋友都能即時享受與深度導覽。

這種近在眼前的數位娛樂——智慧眼鏡到底是如何演進的？又有哪些技術關卡需要去突破呢？首先，需要先了解 VR、AR 甚至是更高深的 MR 跟 XR 是什麼？這些差異點又在哪呢？

AR、VR、MR、XR 傻傻分不清楚？

其實目前為止，大家所聽到的 AR、VR 和 MR，通通都屬於 XR（Extended Reality）「擴展實境」這個大概念下，只要這個設備或軟體能讓你體驗現實以外的資訊，甚至與之互動回饋，就都屬於 XR 唷！

近幾年，因 Meta 執行長祖克伯誓師進軍元宇宙而大紅的 VR（Virtual Reality）「虛擬實境」強調沉浸式體驗，只要戴上 VR 眼鏡，不論是在家或者前往 VR 虛擬實境遊樂園都可以讓你體驗到與哥吉拉對戰或是到虛擬鬼屋探險等有趣體驗。

然而，戴上 VR 眼鏡需要完全的感官遮蔽，以及高昂的售價與電腦運算，甚至是配戴上的重量不適、操作上的空間需求……等都是不容易克服的缺點，目前仍有待市場檢驗。

相較之下，AR（Augmented Reality）「擴增實境」就親近許多，早在 90 年代鳥山明的經典作品《七龍珠》作品中他就用了「戰鬥力探測器」這個裝置讓我們體會到甚麼叫做 AR，而現實世界中的戰鬥力探測器更是就在你眼前，例如：開車玻璃板上顯示速度的 HUD 就算是一種把虛擬資訊投影到現實物體，這就是標準的 AR 技術呀！

而談起 AR 就一定要提到，2016 年遊戲公司 Niantic 推出這款名為 Pokemon Go 遊戲，就在全球掀起了在各地抓寶可夢的熱潮，這股熱潮至今不減，也體現出了 AR 真正強勢之處：與現實環境結合。

而這些年來，在許多自拍濾鏡或觀光集章活動也都是利用了 AR 科技，以現實環境的背景中呈現虛擬元素的特性，而這僅需要你我都有的智慧型手機就可以操作和看見虛擬的角色或頭飾，入門檻遠低於 VR，軟體開發的成本也比必須打造一個世界的元宇宙輕鬆不少。

既然 AR 都能把虛擬的資訊投影在現實的場域中，我們自然會更加貪心的想要和這些虛擬的角色互動，甚至是像阿湯哥《關鍵報告》中的技術一樣作為一個浮空的操控介面來使用，這時候我們需要的就不只是AR了，而是需要 MR（Mixed Reality）「混合實境」。

在 MR 技術中不僅有現實世界和虛擬世界的疊加，更強調虛擬元素可以和現實環境互相作用，例如：虛擬的車子可以偵測到你現實的桌子的邊緣而剎車，甚至你伸手碰觸虛擬元件會產生互動或是抓取效果，而這些技術恐怕就不是一支手機就能輕易辦到的了。要讓 AR 進入 MR，除了手機以外，還需要一個能擷取外部資訊的設備——AR 眼鏡。其實多年來 AR 眼鏡主要面對的難題是「畫面要清楚」、「顏色要飽和」、「不能對現實視線有太多干擾」同時還須具備「輕量化」與「舒適」等特點。

投影技術的演進突破，替智慧眼鏡帶來新的轉機

目前主流的 AR 眼鏡採用的是「全反射稜鏡」和「微投影迷你投影機」這兩個關鍵技術。AR 眼鏡上的「全反射稜鏡」針對眼球的折射率經過精密的計算和調整，可以完美在人的視網膜上呈現最清楚的影像，同時這種「全反射稜鏡」本身的光線通透度也高，因此仍能看到「全反射稜鏡」以外的現實世界景色，讓 AR 眼鏡提供的清晰影像與現實世界重疊在一起。

而要談到 AR 眼鏡另一個核心技術「微型化投影」，就不得不提到發展出最具實用與潛力的 AR 眼鏡——Epson 投影機廠商，在了解「微型化投影」技術前就必須先回顧 Epson 從 1989 年鑽研的投影技術發展至今的變化。

Epson 一開始製作的投影機採用的是 LCD，和螢幕最大的不同是它每一個投影畫素都使用了 3 片 LCD 之多，原來是因為光學原理上只要有藍紅綠三色，就可以組合出各種顏色，也就是 3LCD 投影技術。使用 3LCD 技術的投影機必須把背景燈泡的白光源先濾成三色光之後，再利用三片獨立的 LCD 調整各色彩的比例作調變，最後才把三色光合併成影像，再投影出來。

如此麻煩的反射流程，所需要的空間自然不小，而且經過這樣的折射和濾光以後，成色的飽和度和對比總會低一階，甚至會產生近看醜醜的紗門效應（SDE），這就是為什麼早期的投影機投出來的簡報往往不如電腦螢幕上預演的好看。當然投影機廠商也早就注意到這問題，因此也隨著手機螢幕一起從 LCD 演進到 OLED（有機發光二極體），帶來新的顯示革命！

OLED 又有甚麼厲害的呢？如果說 LCD 的液晶主要的功能是調色，那 OLED 厲害的就是「它自己會發光」！和傳統 LCD 面板需要一個光源與背板來反射光線進入濾光階段不同，LED 燈泡經過多位科學家的努力，甚至包含榮獲 2014 諾貝爾獎的三位日本科學家赤崎勇（Isamu Akasaki）、天野浩（Hiroshi Amano）、中村修二（Shuji Nakamura）研發出最後一個「藍光 LED」後，終於達成發出三原色的成就，自此螢幕和投影技術不再需要多餘的濾光和反射步驟，於是面板可以變得更薄，同時又有更好的對比度。而隨之而來的 OLED 技術讓面板脫離了對玻璃的依賴，並改用塑料底板，讓有如科幻道具的摺疊式手機和曲面螢幕能夠成真。

OLED 技術簡化了整個流程，成色還比原本的各種投影方式鮮豔飽和，很快地就大幅縮減了投影機的內部空間，成為露營狂熱者人手一機的便攜型投影機風潮。

但是問題來了！當投影機要放到眼鏡上時，其難度更是超越便攜投影機許多，再追求微型化的道路上「只有更小沒有最小」。而 Epson 早在 2011 就推出第一支 AR 眼鏡 BT-100，不斷朝輕量化與功能性研發，在 2016 年則推出了採用矽基有機發光二極體 Si-OLED 微投影技術的 BT-300，各家廠商也紛紛投入 micro OLED 投影的研發上，相信不久的將來又會有更厲害的 AR 眼鏡推出。

現在可以看到照片中最新款的「次視代智慧眼鏡 Moverio BT-40」，這款 AR 眼鏡主打的最大特色就是提供可隨身攜帶的「專屬於你的 120 吋大畫面」，這麼大的畫面顯示卻只投影在你眼前，不僅擁有「高隱私」的特性，在長程旅行中，不管是搭飛機或是搭高鐵，只要戴上這個眼鏡就能直接把影片從手機投影到你眼前，解放雙手不用在手疼拿著平板啦，可以舒服自在的追劇或看電子書、讀期刊論文也行。

除了大尺吋觀影體驗之外，這款眼鏡更在博物館教育上大放異彩，如博物館把這款眼鏡結合接駁車，讓搭車的你也不無聊，虛擬博物館館長擔任導覽員為你解說各館區的歷史，進館後更能看到展示的恐龍標本在你面前復活，豐富了各種逛展體驗！

而 AR 眼鏡還有另一個好處就是個人化體驗，例如看電影或演唱會時，戴上 AR 眼鏡就可以看到自己專屬的字幕相關資訊，這樣的虛實整合字幕體驗，在劇院已經導入 Epson BT-40 眼鏡和 AR 眼鏡字幕系統，表演字幕可以即時傳送到正在戲劇院觀看表演的觀眾 AR 眼鏡中，觀眾可以選取語言還能調整位置和大小，甚至幫助聽障朋友們理解演出，下次有機會去看表演時，若有提供這樣的服務不妨租借嘗試看看喔！

從上兩篇國際科展研究介紹，能看出中學生對生活、自然界的重視。源於對生活的熱情，行為與社會科學科和電腦科學與資訊工程科的學生們也從人類習性的角度切入，產出有趣的主題。所謂科技來自人性，科展主題也來自對生活的探索與對自身的好奇。

【行為與社會科】：視覺中的鬼影是哪來的？

臺北麗山高中周芷語、謝宜薰在看到《國家地理》雜誌探討視覺的文章，對自己視覺中所產生的鬼影感到驚奇。赫曼方格是因人體視網膜的「側抑制作用」而造成的，在某些視覺刺激較強時，接收到周圍較弱訊號的細胞會被覆蓋。在赫曼方格的例子中，黑方格與白線條中會有錯覺造成的灰點。

兩人疑惑赫曼方格會讓人感覺黑色方格間白色線條的交會處出現暗點，但一般穿著的格子衫卻很少會出現這個狀況，萌生出想進一步研究的想法。他們的作品獲得本次大會獎二等獎。

研究中針對三種視錯覺中生理錯覺的赫曼方格來探討，他們將赫曼方格套入不同配色，以 RGB 色法去定義對比色、互換色和相近色，再將這些方格設計為格子衫，讓受試者觀看並探討消費行為。

由於傳統的赫曼方格（黑白配色）所受到的側抑制較明顯，較易產生生理錯覺，並且在黑白色互換後因眼球較激烈的顫動（saccade）使得閃爍程度上升，導致眼睛易感到疲憊。不同顏色的赫曼方格則會受到視桿與視錐細胞的影響，導致我們看到不同的生理錯覺。例如看著紅綠格子衫時，正常視覺下鬼影的出現和灰點閃爍程度皆為零，然而紅綠色盲的受試者卻會看到鬼影——這樣的差異，就會影響到受試者是否較有意願購買這種配色的衣服。

提及未來的研究方向時，周芷語、謝宜薰提及應該要再修改問卷設計，並且未來進行實驗時，期望能運用眼動儀和腦波儀來使實驗結果更精確。

【電腦科學與資訊工程科】運用空間物品記憶裝置建構搬運機器人

台北內湖高中廖子游、邵明諒、林禹丞表示，先前於全國科展時，他們研發 AR的相關軟體，希望能經由環境物體辨識和定位，導航出指定物品的正確位置。延伸功能若能夠套用在機器人身上，能使機器人與人之間有更良好的互動，且能更合乎我們的訴求。

團隊研發一款 AR 記憶眼鏡，能在日常生活中建構整個空間，並利用特徵點建構平面並辨識物體，標記出這個物品在空間中的地點。即使被記憶的物品是放在抽屜中，或是剛好在記憶眼鏡視野的正後方，也能夠藉由記憶中的方位與距離正確引導出物品的所在位置。如果能進一步將這樣的記憶資訊傳達搬運機器人，擁有空間記憶的機器人就可以正確找到尋找的物件，並做出妥善的處理。舉例來說，我們吃糕點時常一不小心就掉屑屑，此時若人類配戴 AR 記憶眼鏡，可以迅速讓掃地機器人趕到現場進行清掃。

關於自己出色的設計，他們表示就高中生而言能運用的經費有限，無法購得實質的 AR 眼鏡。不過，三人藉由手機裝載自製 app，再將手機放入 AR 眼鏡殼來模擬 AR 眼鏡的畫面，並以有線耳機上的音量鍵作為操作眼鏡的控制器。真正的挑戰是物件識別的整合、數據資料的處理，以及要讓程式計算出正確的物件方位和距離。

儘管年紀尚輕，這些充滿創意的中學生們身上已散發著渾厚的科學家氣息。無論是對於周遭未知的問題窮追不捨，又或者能從簡單原理發想新的創意。雖然有時會受限資源不足，他們都細心地對此進行嚴謹的研究，即使挫敗也不輕易言棄。這樣願意親自深究，挖出未知背後的真相，正是研究學者所應具備的精神。

期許未來能有更多同學能運用課堂中的知識，在科展中一顯身手，明年我們在科教館不見不散！

「屏東縣跨域數位爭霸戰實戰競賽」頒獎典禮暨成果展於11月19號完美落幕。為培育屏東青年數位能力，屏東縣政府特別推動「跨域數位人才培育計畫」，主題包含「AVR 應用」、「數位光影技術」、「智慧物聯」、「自媒體影音串流」及「數位媒體應用」五大類，以透過學習數位工具提升履歷競爭力。更延伸計畫辦理「屏東縣跨域數位爭霸戰實戰競賽」，參賽隊伍都是在屏東就學或就業之青年報名，提供競賽總獎金30萬元，鼓勵與培育屏東的數位人才發揮創意，將屏東的故事透過數位方式展現出來。

本次參賽作品精采多元，展現屏東青年設計的創意及數位能量。包括影片拍攝屏東美食美景的「屏安米樂」及「做伙憩屏東」，利用線上展覽介紹屏東單車路線的「屏東單車旅遊趣」，以及獲得潛力獎的團隊「Animation Pingtung」、「斯卡羅」及「禁忌之戀」，第三名則是由透過線上迷宮遊戲的模式融入屏東各個區域的特產、美食的「屏藏物語」，第二名則是製作了年底即將啟動的屏東數位青創中心外牆，運用非常吸睛的光雕影像結合屏東元素的「光點屏東∞斑雕共構」，第一名殊榮則由屏東科技大學餐旅管理系的「鐵橋記」獲得，同學們運用實境解謎搭配Line機器人，透過遊戲方式介紹高屏溪的歷史。

每個團隊皆發揮獨特創造力，在課程中從0到1扎根數位技能、從無到有創造屬於自己的成果，屏東青年人才有目共睹，展現屏東縣政府陪伴青年，提供良好的創業環境與資源，有望未來提升屏東競爭力！