用「想像」來練習，也能跟「實際」練習一樣？意象訓練是怎麼做到的？

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

感同身受真的存在嗎？

有些人在看到卡爾．梅（Karl May）的小說拍成的電影裡溫尼圖（Winnetou）死去的那一刻掉下淚來；有些人為電影《油炸綠番茄》裡蘿絲（Roth）的死而哭；還有一些人在看到小說《哈利波特》裡鄧不利多（Dumbledore）教授被殺時流淚。

我們在看悲傷的電影或書的時候會哭，是因為我們設身處地去想像故事裡那些英雄們的感覺，彷彿他們的痛苦就是我們自己切身的痛苦一般；我們跟著笑，我們也為影片中的怪物和心理變態情節感到害怕，就好像他們威脅到了我們一樣。

這些是每個人都有過的經驗，但它們是如何產生的呢？為什麼我們能夠了解他人的感覺？為什麼我們會在電影院裡起雞皮疙瘩，雖然在那裡一點也不危險？為什麼他人的感覺會感染到我身上呢？

答案很簡單：我們能夠感同身受，是因為他人（在現實世界或電影裡）的感覺喚起了我們心中相同的感覺；而這很可能不僅存在於人類。

根據德瓦爾在麥迪森研究中心的觀察，母獼猴法恩的姊姊顯然也感覺到法恩的痛苦和恐懼。然而，即使能與他人「感同身受」或「心有戚戚焉」是如此理所當然，對科學界來說，直到近幾年，這仍是個完全無解的謎。令人驚訝的是，第一位提出具有科學說服力的學者，在其所屬的專業領域之外仍然鮮為人知。

腦部研究的佼佼者：賈科莫．里佐拉蒂

賈科莫．里佐拉蒂（Giacomo Rizzolatti）經常被人們和愛因斯坦相提並論：蓬亂的白髮、嘴上同樣蓄著的白鬍子，以及臉上狡黠的微笑。不過他們的相似處不僅止於外表。

對許多腦部學者來說，這位活潑開朗的義大利人是學界裡的佼佼者；他將腦部研究推向一個新的層次。不過，他的研究領域並不是最熱門的。里佐拉蒂探究控制行為的神經細胞，即所謂的行為神經元，已經超過 20 年了。

這個比較無趣的領域，因為啟動行為的「運動皮質」始終被視為比較遲鈍的腦區。大部分的學者都想：如果我們能夠研究像語言、智力或感覺等複雜的領域，又何必對簡單的肢體動作感興趣呢？

看來似乎是如此。不過，情況在 1992 年有所轉變，而且這個轉變令大家都跌破眼鏡。里佐拉蒂工作的所在地帕瑪（Parma）是歐洲最古老的大學，位於城市邊緣的醫學院卻是個非常前衛的雪白色建築樓群。

1990 年代初期，里佐拉蒂身邊的腦部學者從事一項很不尋常的研究。他們知道，特定的行為具有「傳染」的效果，發笑、打哈欠、甚至談話者的身體姿勢，都能立刻引起對方的模仿。在某些猿猴也出現相同的現象，某些種類甚至以喜歡模仿聞名。

不過研究人員偏偏決定以一種一般來說不會模仿同伴的豬尾獼猴作為研究對象。里佐拉蒂和幾位較年輕的同事伽列賽（Gallese）、佛格西（Fogassi）和迪派勒吉諾（di Pellegrino），將電極接到一隻豬尾獼猴的腦部，然後把一粒核桃放在地上，並觀察當猴子快速伸手抓取核桃時某個行為神經元如何反應。

鏡像神經元的發現

至此一切都算正常，不過，這時驚人的情況發生了：研究人員把同一隻猴子放到一片玻璃後方，這次牠抓不到核桃了，只能眼睜睜看著里佐拉蒂的助手伸手抓取核桃。這時猴子的腦部發生了什麼現象呢？ 當牠注視別人拿牠的核桃時，相同的神經元產生反應，就像牠之前自己伸手去抓核桃一樣，雖然牠的手並沒有移動，牠的精神卻想像了這個動作。

科學家們無法相信自己所看到的：無論猴子是親手完成某個動作，亦或只是精神想像了訓練師所做的動作，其神經細胞都做了完全一樣的工作。

在此之前，從未有人觀察腦部如何模擬現實裡沒有發生的動作，而李奧那多．佛格西（Leonardo Fogassi）則是第一人。不過成功應該是屬於整個團隊的。里佐拉蒂發明一個新的概念，他把這個在被動想像時卻如真實行為般於腦部引發相同反應的神經細胞稱為「鏡像神經元」，一個新的神奇術語就此誕生了。

「親身經歷」和「感同身受」的差別

首先是義大利，接著是全世界大學和研究中心的腦部學者，都立刻投入鏡像神經元的研究行列。如果人的腦部對於我們的「親身經歷」和只是「認真觀察並感同身受」的反應沒有差別的話，那麼這不正是了解我們社會行為的關鍵嗎？

至少鏡像神經元是其中一個重要部分。它位於額葉的前額葉皮質，一個稱為「腦島」的區域。然而這個腦島卻不同於「社會中心」，也就是到目前為止所說的「腹側區」。

其中的差別也很清楚，因為鏡像神經元雖然和無意識的「移情作用」有關，卻和更大範圍的計畫、決定或意願無關。到目前為止，我們還不很清楚這些腦區如何交互作用。

里佐拉蒂於 6 年前以圖像程序說明，人類的鏡像神經元顯然也位於負責語言的兩個腦區之一（布羅卡區）附近，這使得學界特別振奮。

荷蘭格羅寧根（Groningen）大學的腦部學者不久前在「聽到聲響」和「鏡像神經元發出信號」之間發現了有趣的關聯。當人聽到開飲料罐氣泡冒出的聲音時，腦中的反應就跟他自己開飲料罐完全一樣；也就是說，單憑聲音就足以讓人經歷到整個情況。

——本文摘自《我是誰：對自我意識與「生而為人」的哲學思考》，2022 年 10 月，啟示出版，未經同意請勿轉載。

泳壇的傳奇人物——「飛魚」費爾普斯

美國游泳健將麥可．費爾普斯（Michael Phelps）擁有二十八枚獎牌（其中二十三枚是金牌），至今仍然是最多榮譽獎牌的奧運選手。

費爾普斯的能力似乎超越了人體的極限，一些記者質疑他驚人的表現實在是「好到令人難以置信」。然而，費爾普斯在職業生涯中自願參加許多禁藥測試，也都全部通過。

也許他驚人的比賽成就可以用另一個異乎尋常的優勢來清楚地解釋，亦即他非凡的觀想能力。

在訓練期間、或為重大比賽做賽前準備時，他會想像一場完美的比賽。

他在《夢想，沒有極限》（No Limits）的自傳中寫道：「我能看到起點、游泳姿勢、蹬牆、轉身、終點、策略等所有細節。一切的想像，就像我在腦海中規畫了一場比賽，而這種規畫有時似乎讓比賽結果一如我所預期的」。他認為，正是這種能力幫助他成為最偉大的奧運選手，而不是純粹的身體能力。

激發想像力、強化運動表現

科學實驗已經證實，觀想的效果是深遠的，對職業運動員和休閒鍛鍊者來說都是如此，最引人注目和驚人的影響在於人的肌肉力量。

在一項研究中，科學家在進行某種形式的心理訓練之前，測量了參與者的前臂力量。這項任務很無趣，但是很簡單：他們必須每天花十五分鐘，每週五天，想像自己在用前臂舉重物，例如一張桌子。

一些人被要求從內在觀想來做這件事，想像自己在舉重的動作；另一些人被要求從外在觀想來做這件事，就像他們從自己身體外面看自己一樣。對照組則完全沒有進行任何練習。

六週後，結果令人驚訝，運用自我內在觀想的人，力量新增了 11%——儘管這組人沒有任何實際的舉重練習。那些運用外在觀想的人顯示大約 5% 微幅的改善（但研究人員無法確定這具有統計顯著性），而對照組實際上似乎稍微弱一些。

與其他改善健康的心理技巧一樣，如果體力完全只是由肌肉質量決定，將會無法解釋這些發現。然而，根據心理生物學新的運動觀點，這一切是很有道理的。

請記住，運動表現取決於大腦對身體能達到的目標和運動強度的預期，然後再藉此規畫肌肉的力量和疲勞程度。

心理意象可以讓你有意識地完善這些預測、並提高身體對自身能力的感知、增強發送給肌肉的訊號，並改善運動協調性。

正如諾克斯的研究，即使在運動極度疲勞時，運動員通常也沒有運用到大部分的肌肉纖維，但這些心理意象可能會鼓勵身體召喚更多沒用到的肌肉纖維。

針對運動員對於賽事進行生動觀想的腦部掃描顯示，對身體運動的想像會啟動大腦內部主要的運動皮層和基底神經節的區域，這些區域通常涉及運動的規畫和執行，讓大腦準確地計算出需要刺激哪些肌肉、以及對身體的影響。而這些增強的預期心理將轉化為真正的表現提升。

根據這個理論，內在想像比外在想像更成功，因為能夠更詳細地預測你在運動期間的感受，進而使身體能夠更有效地執行動作。

注意！想像不能讓你變超人，僅僅是運動的輔助工具

當然，心理訓練不能、也不應該取代身體訓練，但卻可以讓運動員充分利用休息時間，以及避免受傷後力量流失。

例如，當人的四肢被打上石膏時，身體肌肉通常會變弱，但俄亥俄大學（Ohio University）的科學家發現，每天幾分鐘的心理練習可以將這些損失降低一半。

對於一般人來說，心理訓練應該只是另一種工具，藉此強化運動的好處。

如果你覺得上健身房是一種壓力，想要改變你對運動的心態，那麼定期想像運動的好處可以使你更享受整個過程。如今，針對青少年、中年和老年人參與者的各種研究已證明，每週有規律地練習幾分鐘的運動想像，可提高人的動機、對運動的享受、以及運動表現。

當你親自測試這一點，在想像你的表現時不要好高騖遠。

你不想讓自己失望，這會降低你的動力，或是要小心過度勞累導致受傷（如果沒有持續的體能鍛鍊，身心合一的效果也是有限的）。當你在想像運動時，試著把注意力集中在過程中希望感受到的積極感：例如，充滿活力和興奮的感覺，而不是疲勞或倦怠。

就像費爾普斯一樣，你將會「重新規畫」身心合一，讓自己克服任何可能妨礙表現的心理限制，如此一來，運動就不再是一個無法克服的挑戰。

——本文摘自《心念的力量：運用大腦的期望效應，找到扭轉人生的開關》，2022 年 7 月，商業週刊。