Loading [MathJax]/extensions/tex2jax.js

0

1
0

文字

分享

0
1
0

著床即開啟的恆久忍耐:胚胎如何逃過母體免疫系統追殺?

活躍星系核_96
・2020/07/02 ・3770字 ・閱讀時間約 7 分鐘 ・SR值 515 ・六年級

-----廣告,請繼續往下閱讀-----

  • 文/林翊庭│中國醫藥大學醫學系一年級,SLEK編輯部主編

「我真的受夠了!」聽著媽媽不停嘮叨早就知道的防疫觀念,無意間咕噥了幾句氣話,卻因此落得沒收手機、扣零用錢的悲慘下場。但在你抱怨媽媽之前,不妨將心比心:你知道媽媽從你著床時就開始「忍受」你了嗎?

「你是媽媽的禮物」,真的假的?

你可能常聽到媽媽形容「你的誕生是上天賜予的禮物」,但胚胎從受精到著床的過程,可不像送子鳥的故事情節那般親切,反而更像是「敵人」一連串侵入、佔領和擴張的誇張情節。以下故事曲折離奇,強烈推薦與插圖一起服用。

受精卵形成後就開始快速的增殖並特化,約在第 5 天形成以滋養細胞(Trophoblast)包住內層胚細胞的囊胚;母體的子宮內膜(Endometrium)也發生改變,形成基蛻膜(Stratum basalis)與富含養分的蛻膜功能層(Stratum functionalis)。

接著,錯綜複雜而崩壞的童話故事便開始了。就像所有童話故事都有精美插圖,這次也不例外。「著床」,就是個崩壞的童話故事。

-----廣告,請繼續往下閱讀-----

當囊胚準備著床時,外層的滋養細胞會特化出:細胞滋養細胞(Cytotrophoblast)、合體滋養細胞(Syncytiotrophoblast)。

合體滋養細胞負責向外分解子宮中蛻膜功能層的組織,並侵入母體的血管,確保氧氣與養分的供應。細胞滋養細胞則形成胎兒用來和母體交換養分的絨毛膜

接著,細胞滋養細胞開始快速生長,入侵基蛻膜以固定絨毛以及胚胎,形成我們熟悉的胎盤(Placenta),同時逐漸取代母體血管中的內皮細胞,以確保胚胎有充足的母體血液可以交換養分和排除廢物。

在絨毛膜最外層與基蛻膜相連的細胞滋養細胞特化為絨毛膜外滋養細胞(Extra-Villous Cytotrophoblast, EVT)。經過這一切,你——包含胎盤和胚胎本身——終於安頓好,準備發育了。

-----廣告,請繼續往下閱讀-----

如果你配合附圖,重複閱讀這曲折離奇的故事約五次以上,那你可能已經發現了:

胎盤中的絨毛膜外滋養細胞會和母體的基蛻膜細胞直接接觸,在胎盤形成一側為基蛻膜細胞,另一側為絨毛膜外滋養細胞的母胎介面(Maternal-fetal interface)。

乍看之下,細胞互相接觸似乎沒什麼稀奇,待我們解釋母胎介面中的其他角色後,你就會發現事有蹊蹺。

人類身體就像個高度戒備隨時「查驗身份」的都市

如果母體是一座高度警戒的城市,那體細胞就像居住在其中,接受免疫細胞的保護。勇猛的免疫細胞如毒殺型 T 細胞(Cytotoxic T cell)註1、自然殺手細胞(Natural Killer cell, NK cell),就像是警備隊員,需要有辦法可以分辨哪些是外來入侵者、應該排除哪些細胞。

就如同警察臨檢會需要身分證件,而免疫細胞也會查驗細胞的「身分證」,在此處查驗的是人類白血球抗原(英語:human leukocyte antigen,縮寫 HLA),以下簡稱 HLA。

-----廣告,請繼續往下閱讀-----

母體蛻膜中的警衛——毒殺型 T 細胞——用自己細胞膜上的受體和蛻膜中細胞的 HLA 結合,藉此來「查驗」這個細胞是否為自身體內的細胞。當有外來個體或自身細胞受到外來病原感染時,細胞上就會呈現出不同 HLA 或入侵病原的蛋白質片段。

媽,這個叔叔好可怕(咦怎麼沒人理我)(原來免疫系統不存在母愛 RRR)。圖/imdb

此時就好像是出示非自身細胞證件或竄改了細胞身分證上的內容,警衛——毒殺型T細胞——就會誘導外來細胞或受感染的自身細胞凋亡(Apoptosis)以排除病原。這時出現了兩個問題:

第一,如果警衛誤認都市內的居民是外來的入侵者呢?

即使經過正向選擇和負向選擇註3,T 細胞仍然有可能攻擊自己的細胞,這時就需要抑制型 T 細胞(Regulatory T cells)來抑制毒殺型 T 細胞的反應1,避免過度活化的 T 細胞破壞健康的組織。

第二,你可能很疑惑,那如果體細胞不表現 HLA——也就是不出示身份證——那麼 T 細胞不就沒有辦法查驗了嗎?

有趣的是,病毒在感染細胞時也用隱藏 HLA 的方式來逃避免疫系統的檢查,看來你和病毒的想法差不多呢!別擔心,這時就輪到都市中的自然殺手細胞發揮作用了。原來,自然殺手細胞和毒殺型 T 細胞查驗細胞的方式不同:

-----廣告,請繼續往下閱讀-----

正常細胞膜上表現的 HLA 會抑制自然殺手細胞釋放殺死細胞的物質。反之,受感染細胞或腫瘤細胞抑制 HLA 的表現,就會被自然殺手細胞殺死。你可以想像查驗身份時,自然殺手細胞將手中的刀註4架在細胞居民上,如果不出示身分證配合檢查,就視為要排除的危險人物。

在蛻膜和胎盤接觸的介面中,免疫細胞還是一絲不苟的完成戒備和巡邏。看來,媽媽的免疫系統中並不存在「無限的愛可以包容一切」這樣的觀念呢!

「免疫抑制」是胎兒能夠存活的要件

前面「童話故事」中的絨毛膜外滋養細胞是來自胎兒——也就是外來的精子和母體卵子結合的產物,不完全算是母體的細胞,所以其細胞膜表現的 HLA 和母體的細胞可不會一樣。

但來自胎兒的細胞滋養細胞需要入侵母體的基蛻膜,形成胎盤。理論上,屬於入侵者的胚胎應該會遭受免疫系統的攻擊,而造成死亡,但事實卻不是如此。(不然我們都活不下來)

-----廣告,請繼續往下閱讀-----

究竟是什麼機制讓媽媽的免疫系統發揮原本不存在的「無限的愛」呢?讓我來解釋胎盤中的母胎介面究竟發生了什麼事!

原來我從還在母胎介面的時候就在和媽媽玩躲貓貓了呢。圖/flickr

想要在母胎介面中成功維持胎兒的生命,絨毛膜外滋養細胞必須避開免疫細胞的攻擊。其中,你必須知道兩種重要的機制:

1. 逃避身份查驗

首先,絨毛膜外滋養細胞能夠隱藏自己細胞膜上由毒殺型 T 細胞的辨識的 HLA-A 及 HLA-B 分子。並透過獨有的基因序列轉譯出特殊的 HLA-G² 、 HLA-C 和 HLA-E 分子,這一系列特殊的 HLA 分子能阻礙自然殺手細胞的辨識,從而抑制胞殺機制3

如此一來,前者避免了毒殺型 T 細胞的攻擊,又在自然殺手細胞「查驗」時給出了「假的身分證」,就能在母胎介面中存活了。

-----廣告,請繼續往下閱讀-----

2. 降低都市警戒

然而這樣還不夠。科學家更發現,在母胎介面具有相對較高濃度的 IDO(Indoleamine 2,3-Dioxygenase) ,讓環境中缺乏重要的胺基酸——色胺酸(Tryptophan, Trp)3,進而阻礙環境中 T 細胞增生5

同時,抑制型 T 細胞在母胎介面中的數量和種類也增加了4,並發揮其最重要的功能——抑制更多 T 細胞的反應。 IDO 的分泌與抑制型 T 細胞的增生,就像是降低了都市中的警戒程度,讓外來的絨毛膜外滋養細胞能夠存在於母胎介面中。

最後再複習一次:母胎介面的免疫機制。圖/SLEK

如果不是媽媽忍受你,就不會有你

對於媽媽的免疫系統來說,你是個可怕的入侵者:為了獲取養分交換,不僅分化出滋養細胞入侵蛻膜,還侵入血管。然而,你的誕生卻是她珍貴的禮物。於是,媽媽作出了調整——她抑制了母胎介面中 T 細胞的反應,而你透過絨毛膜外滋養細胞的特殊抗原避免自己被攻擊的命運註5

媽,謝謝妳讓我活著。圖/imdb

仔細想想,如果媽媽在懷孕時真的「受夠了」,那結局也許就不只是沒收手機或不給零用錢,而是「你」根本無法順利成形!

-----廣告,請繼續往下閱讀-----

註釋

  1. 本文使用 Cytotoxic T cell 的中文翻譯「毒殺性/型 T 細胞」為台灣碩博士論文之常用翻譯,也是台灣醫師國考考題中統一用語,與高中生物課本使用的中譯「胞毒T細胞」為同種細胞。
  2. 每個真核細胞表面都具有主要組織相容性複合體(Major Histocompatibility Complex, MHC),主要分為 MHC I(紅血球以外細胞皆具有)及MHC II(只有抗原呈現細胞具有)兩種。 MHC I 可以與細胞內被分解的蛋白質片段結合,供免疫細胞辨識。人類的 MHC 又稱為HLA,而屬於 MHC I者為HLA-A、HLA-B、HLA-C 三種。
  3. 為了確認T細胞可以正確分辨自我與非我的細胞,未分化的T細胞需要經過「正向選擇」及「負向選擇」兩個關卡,才能成為成熟的T細胞。正向選擇代表 T 細胞可以辨識「非我」的抗原並攻擊;負向選擇代表 T 細胞可以辨識「自我」的抗原而不攻擊。
  4. 在第 7 集工作細胞中的自然殺手細胞即是用刀對抗變異的癌細胞。
  5. 懷孕過程中,來自母體的細胞也可能透過胎盤的物質交換進入胎兒體內引起免疫反應,而胎兒的免疫系統也有抑制免疫反應的機制。研究顯示,胎兒在發育約 13 週後,可以在胎兒的脾臟、胸腺和淋巴結內發現活化的樹突細胞(Dendritic cell)。胎兒體內的樹突細胞所表現的基因片段和成人的不同,因此也有不同的功能。胎兒體內的樹突細胞可以使抑制型T細胞增生,並藉由分泌精胺酸酶-2(Arginase-2)分解環境中的精胺酸(Arginine)。精胺酸濃度下降會使胎兒 T 細胞分泌的腫瘤壞死因子α (Tumor Necrosis Factor α, TNF-α)減少,由此抑制發炎反應5

參考資料

  1. Strauss, L., Bergmann, C., & Whiteside, T. L. (2009). Human circulating CD4+ CD25highFoxp3+ regulatory T cells kill autologous CD8+ but not CD4+ responder cells by Fas-mediated apoptosis. The Journal of Immunology, 182(3), 1469-1480.
  2. Ferreira, L. M., Meissner, T. B., Tilburgs, T., & Strominger, J. L. (2017). HLA-G: at the interface of maternal–fetal tolerance. Trends in immunology, 38(4), 272-286.
  3. Trowsdale, J., & Betz, A. G. (2006). Mother’s little helpers: mechanisms of maternal-fetal tolerance. Nature immunology, 7(3), 241-246.
  4. apoptosis prior to cell division. Immunology, 107(4), 452-460.
  5. Aluvihare, V. R., Kallikourdis, M., & Betz, A. G. (2004). Regulatory T cells mediate maternal tolerance to the fetus. Nature immunology, 5(3), 266-271.
  6. McGovern, N., Shin, A., Low, G., Low, D., Duan, K., Yao, L. J., … & Soon, E. (2017). Human fetal dendritic cells promote prenatal T-cell immune suppression through arginase-2. Nature, 546(7660), 662-666.

本文轉載自 SLEK,原文標題〈我真的受夠你了——淺談母體對胎兒的免疫抑制

  • SLEK 責任編輯/林翊庭
  • SLEK 核稿編輯/王子維
  • SLEK 審閱/林秋烽教授(臺北醫學大學,微生物及免疫學科主任)
-----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

1
0

文字

分享

0
1
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。

0

1
0

文字

分享

0
1
0
任意添加光學元件 為研究打開大門的無限遠光學系統
顯微觀點_96
・2025/01/30 ・1763字 ・閱讀時間約 3 分鐘

本文轉載自顯微觀點

圖 / 顯微觀點

顯微鏡在科學發展中扮演關鍵的角色,讓人們得以突破肉眼的限制,深入微觀的世界探索。而隨著時間推進,顯微技術也日新月異,其中現代顯微鏡設計了所謂的「無限遠光學系統」(Infinity Optical Systems),更是提升了顯微鏡性能和突破過去的觀察瓶頸。因此主要的顯微鏡製造商現在都改為無限遠校正物鏡,成為顯微鏡的技術「標配」。

1930 年代,相位差顯微技術出現,利用光線在穿過透明的樣品時產生的微小的相位差造成對比,使透明樣本需染色就能更容易被觀察。1950 年左右,則出現使用兩個 Nomarski 稜鏡,將光路分割再合併產生 干涉效應的 DIC 顯微技術,讓透明樣本立體呈現、便於觀察。

在傳統「有限遠系統」中,單純的物鏡凸透鏡構造,會直接將光線聚焦到一個固定距離處,再經過目鏡放大成像。也因此過去顯微鏡的物鏡上通常會標示適用的鏡筒長度,通常以毫米數(160、170、210 等)表示。

-----廣告,請繼續往下閱讀-----

而在過渡到無限遠校正光學元件之前,選用的物鏡和鏡筒長度必須匹配才能獲得最佳影像,且大多數物鏡專門設計為與一組稱為補償目鏡的目鏡一起使用,來幫助消除橫向色差。

但是問題來了!當這些光學配件要添加到固定鏡筒長度的顯微鏡光路中,原本已完美校正的光學系統的有效鏡筒長度大於原先設定,顯微鏡製造商必須增加管長,但可能導致放大倍率增加和光線減少。因此廠商以「無限遠」光學系統來解決這樣的困境。

德國顯微鏡製造商 Reichert 在 1930 年代開始嘗試所謂的無限遠校正光學系統,這項技術隨後被徠卡、蔡司等其他顯微鏡公司採用,但直到 1980 年代才變得普遍。

無限遠系統的核心在於其物鏡光路設計。穿透樣本或是樣本反射的光線透過無限遠校正物鏡,從每個方位角以平行射線的方式射出,將影像投射到無限遠。

-----廣告,請繼續往下閱讀-----
有限遠(上)和無限遠(下)光學系統的光路差別
有限遠(上)和無限遠(下)光學系統的光路差別。圖 / 擷自 Optical microscopy

透過這種方法,當使用者將 DIC 稜鏡等光學配件添加到物鏡、目鏡間鏡筒的「無限空間」中,影像的位置和焦點便不會被改變,也就不會改變成像比例和產生像差,而影響影像品質。

但也因為無限遠系統物鏡將光線平行化,因此這些光線必須再經過套筒透鏡在目鏡前聚焦。有些顯微鏡的鏡筒透鏡是固定的,有些則設計為可更換的光學元件,以根據不同實驗需求更換不同焦距或特性的透鏡。

除了可以安插不同的光學元件到光路中而不影響成像品質外,大多數顯微鏡都有物鏡鼻輪,使用者可以根據所需的放大倍率安裝和旋轉更換不同的物鏡。

傳統上一旦更換物鏡,樣本可能就偏離焦點,而須重新對焦。但在無限遠光學系統的設計中,物鏡到套筒透鏡的光路長度固定,也就意味著無論更換哪個物鏡,只要物鏡設計遵循無限遠系統的標準,光路長度和光學路徑的一致性得以保持。

-----廣告,請繼續往下閱讀-----

因此無限遠光學系統也有助於保持齊焦性,減少焦距偏移。這對需要頻繁切換倍率的實驗操作來說,變得更為便利和具有效率。

不過使用上需要注意的是,每個顯微鏡製造商的無限遠概念都有其專利,混合使用不同製造商的無限遠物鏡可能導致不正確的放大倍率和色差。

改良顯微技術,使研究人員能夠看到更精確的目標;以及如何讓更多光學配件進入無限遠光學系統中的可能性仍然在不斷發展中。但無限遠光學系統的出現已為研究人員打開了大門,可以在不犧牲影像品質的情況下輕鬆連接其他光學設備,獲得更精密的顯微影像。

  1. M. W. Davidson and M. Abramowitz, “Optical microscopy”, Encyclopedia Imag. Sci. Technol., vol. 2, no. 1106, pp. 120, 2002.
  2. C. Greb, “Infinity Optical Systems: From infinity optics to the infinity port,” Opt. Photonik 11(1), 34–37 (2016).
  3. Infinity Optical Systems: From infinity optics to the infinity port
  4. Basic Principle of Infinity Optical Systems
  5. Infinity Optical Systems

延伸閱讀選擇適合物鏡 解析鏡頭上的密碼

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

顯微觀點_96
28 篇文章 ・ 5 位粉絲
從細微的事物出發,關注微觀世界的一切,對肉眼所不能見的事物充滿好奇,發掘蘊藏在微觀影像之下的故事。

0

0
0

文字

分享

0
0
0
螃蟹有痛感嗎?我們是怎麼知道的?
F 編_96
・2025/01/16 ・1669字 ・閱讀時間約 3 分鐘

F 編按:本文編譯自 Live science

螃蟹一直是海鮮美食中的明星,從油炸軟殼蟹到清蒸螃蟹,餐桌上經常見到牠們的身影。有地方也習慣直接將活螃蟹丟沸水煮熟,認為這能保留最多的鮮味。過去人們認為甲殼類缺乏複雜神經結構,不會感受到痛苦,因此不必過度憂心道德問題。但近年來,越來越多研究開始挑戰此一想法,指出螃蟹與龍蝦等甲殼動物可能具備類似疼痛的神經機制。

以前大家相信甲殼類缺乏複雜神經結構,但近期這一認知逐漸受到質疑。 圖 / unsplash

甲殼類是否能感覺到痛?

人類長期習慣以哺乳類的神經構造作為痛覺判斷依據,由於螃蟹沒有哺乳動物那樣的大腦腦區,便被認為只憑簡單反射行動,談不上真正「痛」。然而,新興科學證據顯示包括螃蟹、龍蝦在內的甲殼類,除了可能存在被稱為「nociceptors」的神經末梢,更在行為上展現自我防禦模式。這些研究結果顯示,螃蟹對強烈刺激不僅是本能抽搐,還有可能進行風險評估或逃避策略,暗示牠們的認知或感受方式比我們想像更精緻。

關鍵證據:nociceptors 與自我保護行為

近期實驗在歐洲岸蟹(Carcinus maenas)中觀察到,當研究人員以刺針或醋等刺激手段測量神經反應,牠們顯示與痛覺反應類似的神經興奮;若只是海水或無害操作,則無此現象。此外,透過行為實驗也可看出,寄居蟹在受到電擊時,會毅然捨棄原本的殼子逃離電源,但若同時存在掠食者味道,牠們會猶豫要不要冒著風險離開殼子。這些結果使科學家認為,螃蟹並非單純反射,而可能有對於痛感的判斷。若只是「低等反射」,牠們不會考慮掠食風險等外在因素。

痛覺與保護:實驗結果引發的道德思考

以上發現已在科學界引發廣泛關注,因為餐飲業與漁業中常見「活煮」或「刺穿」處理螃蟹方式,如今看來很可能讓牠們承受相當程度的不適或疼痛。瑞士、挪威與紐西蘭等國已開始禁止活煮龍蝦或螃蟹,要求先以電擊或機械方法使其失去意識,試圖減少痛苦。英國也曾討論是否將甲殼類納入動物福利法保護範圍,最後暫時擱置,但此爭議仍在延燒。

-----廣告,請繼續往下閱讀-----
英國對於是否將甲殼類列入動物福利法的保護範圍,有所爭議。 圖 / unsplash

部分學者保持保留態度,認為雖然甲殼類展現疑似痛覺的行為與神經反應,但與哺乳類相同的「主觀痛感」仍需更多研究證明。大腦與神經系統結構畢竟存在很大差異,有些反射也可能是進化而來的自衛機制,而非真正意義上的感受。然而,科學家普遍同意,既然相關證據已經累積到一定程度,毋寧先採取更謹慎與人道的處理模式,而非輕易推卸為「牠們不會痛」。

海洋生物福利:未來的規範與影響

如果螃蟹被證實擁有痛覺,將牽動更廣泛的海洋生物福利議題,包括鎖管、章魚或多種貝類也可能具有類似神經機制。人類一直以來習慣將無脊椎動物視為「低等生物」,未必給予與哺乳類相同的法律或倫理關注。但若更多實驗持續指出,牠們同樣對嚴重刺激展開避痛行為,社會或終將呼籲修訂漁業與餐飲相關法規。未來可能要求業者在捕撈與宰殺前使用電擊或麻醉,並限制活煮等方式。這勢必對漁業流程與餐廳文化造成衝擊,也引發經濟與文化折衷的爭議。

龐大的實驗數據雖已暗示螃蟹「會痛」,但確鑿的最終定論仍需更多嚴謹研究支持,包括更深入的大腦活動成像與突觸路徑分析。同時,落實到實際操作也需追問:是否存在更快、更人道的宰殺或料理方式?能否維持食材鮮度同時保障動物福利?這種思維轉變既考驗科學進程,也考驗人類對自然資源的態度。也許未來,既然我們仍會食用海產,就該以最小痛苦的方式對待那些可能感受痛苦的生物,為牠們提供基本尊重。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

F 編_96
20 篇文章 ・ 1 位粉絲
一個不小心闖入霍格華茲(科普)的麻瓜(文組).原泛科學編輯.現任家庭小精靈,至今仍潛伏在魔法世界中💃