0

0
0

文字

分享

0
0
0

線上教學的幾個訣竅:遠距教學該如何讓學生投入又有歸屬感?

人機共生你我它_96
・2020/04/10 ・5093字 ・閱讀時間約 10 分鐘 ・SR值 504 ・六年級

-----廣告,請繼續往下閱讀-----

  • 作者/楊期蘭 (感謝沈奕超提供編輯建議)

“We do not learn from experience… we learn from reflecting on experience.”
― John Dewey

圖/Nam Hoang @ Unsplash

近期為了防止近日流行傳染病疫情擴散,各校開始建議老師們以遠距授課,各位突然被授與這任務的老師們在準備過程中是否有點措手不及?

不過別擔心!根據人機互動領域的研究,本篇將分享幾個遠距教學的不同進行訣竅、使用時機與注意事項。幫助各位老師運用不同線上媒體,產生比實體班級授課更有效的教學體驗。

班級的存在感與歸屬感很重要

首先,為了讓學生有動力學習授課內容,班級經營是不可或缺的一個元素但虛擬課堂班級經營時需要多花點心力。虛擬課堂(線上授課)與實體班級其中一個較不同的地方在於,虛擬課程容易缺乏同學的存在感(awareness of others)與班級歸屬感(sense of community)3,使得學生們不容易感覺到自己在一個班級裡與其他師生共學。

在實體班級中,學生可以知道什麼時間要上哪堂課、這個時間旁邊會坐著哪些同學、誰有來上課誰缺席、其他同學對這堂課是不是感興趣、班上同學是不是都很認真吸收老師講的內容、我的問題是不是對其他同學有貢獻、我是不是班級上的一份子等。

-----廣告,請繼續往下閱讀-----

但換到虛擬課堂中,學生們都是獨自在自己房間裡跟大家「虛擬」地聚集在一起(alone together),線上軟體也不全都有提供這些資訊來幫助遠距共學的學生們明確感受到自己並不是孤軍奮戰,因此在虛擬課堂中學生們比較難持續投入 1,3

圖/Mikael Kristenson @ Unsplash_

利用聊天室與社群媒體,讓學生感覺不孤單

為什麼線上共學的歸屬感重要?因為當學生們感受到自己隸屬於某個學習群體時,就會因為各種社交因素讓自己更加投入學習中;而向同儕學習、與同儕討論也對個人學習、理解有幫助1,7

為了讓班上同學在虛擬課堂中感受到更多班級的存在感與歸屬感,進而讓學生線上學習時更加投入、更有動機3,各位老師們可以嘗試制定固定的線上共學時間,其中一個作法是:

開一個線上聊天室讓想要一起自習的同學們在同一時間裡加入聊天室,大家開視訊一起自習,也可以安排 TA、RA 讓學生們問問題。

這個目的主要是讓學生們明確知道彼此現在都一起在學習,就如同考前大家在 K 書中心 K 書的感覺,學生們看到其他人也很認真讀書,自己也會受群體氛圍影響。

-----廣告,請繼續往下閱讀-----

如此一來,除了能夠讓同儕的存在感更明顯,也能隨著時間的累積營造線上班級的歸屬感,因為學生們會在這過程中感受到自己是在跟一個班級裡的某些人一起努力,當學生們在虛擬課堂中能感受到其他同學的存在感與班級歸屬感時,就會更有學習動力。

此外,善用線上數位學習平台(moodle、iLMS  etc)或一些線上社群軟體(slack、 discord、skype etc),讓同學們知道現在班上有誰在線上、幾個人已經繳交作業,讓大家擁有更多社交線索得知自己並不孤單。

圖/ Mimi Thian @ Unsplash

三種虛擬課堂的進行方式

接著,當我們為班級建立好遠距學習的歸屬感後,接著可以根據授課內容需求(概念課、實作課、討論課)、班級規模、課堂設計偏好選擇以下三種不同的虛擬課堂進行方式。

小班教學、小團體討論:透過視訊會議讓師生即時互動

小班教學時,如果老師希望有比較深入的團體討論、並想即時關注每個學生學習狀態的話,可以透過視訊會議的方式直接對談,有許多遠距會議軟體可以運用(Skype、Google hangout、Zoom、Discord etc)。

-----廣告,請繼續往下閱讀-----

執行上,可以先與班上同學確立一套線上溝通模式,例如什麼時候希望沒發言的人先把自己的麥克風靜音、想發言的時候製作明顯的色卡放在螢幕前讓其他人看到、提醒學生在沒有其他背景噪音的環境下加入視訊會議、或是適時在別人發言後給出「嗯」「聽到」等回應,發言的學生有線索知道自己有被聽到。

我想讓學生有更多線上課堂討論,該怎麼做?

如果希望鼓勵學生們線上討論課程內容,可以試著讓學生分成 3–5 人線上小組,並在討論前告訴學生們可以自行協調出一個會議主持人(moderator),讓這個主持人調配大家的發言比例、協調發言順序,避免大家同時講話而聽不清楚。

除此之外,也可以透過額外溝通管道來鼓勵學生分享想法,像是在 Q&A 階段鼓勵大家透過打字的方式分享問題與想法,如此一來大家除了口頭討論外,也可以透過文字多看到不同人的問題與意見。透過文字互動的另一個好處在於當班上不是每個學生都有穩定網路可以視訊時,就可以暫時開啟語音通話就好,透過打字來「插嘴」或是補充想法。

圖/ Edvin Johansson @ Unsplash

大班授課:老師當實況主,單方向直播課程

當一個班級大約20~30人以上時,也許視訊會議就會讓場面太難以控制,這時候可以透過直播教學內容的方式講課,現有許多直播平台可以使用,像是 Microsoft Teams、 Zoom教育版的功能(此軟體近期因資安問題教育部建議停用)、YouTube 直播、Twitch 直播等,或是直接開視訊會議要求其他人以靜音方式加入,透過聊天室打字方式來得到學生的即時回饋。

-----廣告,請繼續往下閱讀-----
畫面擷取自ZOOM官網

直播教學課程困難點在於考驗老師的多工訊息處理能力(這時候就知道實況主不好當啊~),因為需要同時講自己想講的內容、適時分享螢幕、同時看文字聊天室內同學們有沒有問題、回應學生的問題等5

這時候就很需要TA、RA的協助,在直播教學的時候,可以安排 1~2 位 TA 幫忙分享螢幕畫面、整理聊天室裡的問題、安排問問題先後順序、分享相關資訊給同學等,如此一來能讓直播的過程更加順利,也能盡量減少被打斷、互相協調的時間。

除了直播平台提供的文字聊天室外,也可以使用線上問答服務,像是 SlidoPiazza,讓同學們即時在一個線上空間發問,如果大家看到別人問的問題自己也想知道,就可以透過按讚來表示自己也有類似疑問,如此一來可以讓老師更好安排問題回應順序。

圖/ ConvertKit @ Unsplash

翻轉教室:預錄課程,學生自主學習

先自行把講課內容錄下來,讓學生自己觀看就比較像是 MOOCs 現在的進行方式。這種形式對老師的困難點在於,要對著空氣自言自語,對不習慣的老師會因為沒辦法看到聽眾而難以對著電腦講課;另一方面,為了錄影品質也可能需要規劃基本腳本、搭配適當螢幕畫面分享來掌控內容流程,進而吸引學生注意力。

-----廣告,請繼續往下閱讀-----

學生觀看線上課程會遇到最大的障礙在於難以專心投入看完整部影片,因此如何製作出讓學生可以吸收的教學影片需要費不少功夫6

圖/ Hal Gatewood @ Unsplash

針對開放式線上學習平台的研究,研究者整理出了幾種教學影片製作方式,能讓學生比較投入觀看6

  1. 將一大段課程拆成許多小段落,每一個段落小於 6 分鐘。並在段落結束後,搭配簡單測驗、或是引導學生們討論幾分鐘。
  2. 畫面以投影片內容為主時,將老師同步講課的頭像放在畫面小角落,也會讓學生更投入。
  3. 在一個背景看起來較休閒的環境錄影,學生看影片的投入程度會比背景是教室或是太正式的空間來得高。
  4. 透過像可汗學院這種投影平板內容的呈現方式,比單純呈現投影片或是分享程式編譯軟體畫面能夠讓學生投入。
  5. 相較於直接上傳高畫質老師在傳統班級授課的影片,事後剪輯過的分段小短片反而會讓學生更投入。
  6. 當老師語速比較快,又用比較有熱誠的語氣講課的時候,學生觀看影片也會比較投入。
  7. 學生對於講課式與實作式的內容吸收方式不同。研究建議如果課堂類型屬於講課式,影片製作時可著重於觀賞體驗;如果是實作式的,製作時可著重於內容有明確段落可以讓學生重複回放或快速瀏覽。

製作完畢後,如果要讓學生觀看預錄內容,建議可以制定一共同時間讓大家一起在線上觀賞。一來是為了文章開頭提到的共學存在感,學生在學習時,也會同時受身旁的人影響,如果知道朋友看完了什麼課程,自己也會更有動力看完;二來是能在每個小段落結束後帶領學生討論或是讓大家發問,營造討論氛圍也有助於學生投入線上課程的程度。

如何得知學生學習狀態?

最後,老師們該怎麼得知學生在家有沒有學好呢?這時候可以善用線上社群平台經營線上共學社群,像是透過 Moodel, iLMS、 eLearn、Piazza 等數位學習平台,或是 Slack、Facebook group 等線上社群軟體,讓大家有個線上互相問答、分享資訊、課後交流討論的空間。

-----廣告,請繼續往下閱讀-----

在這裡要注意的是,為了讓學生們得知自己主動提出的問題跟想法確實有被看到3,建議老師們與 TA 們可以定期給予學生回饋,像是按讚、回應等,維持線上討論熱度;另外也可以透過共同筆記的形式讓學生們一起做一份線上課堂筆記,運用Google Document、Dropbox paper 等協作功能,讓學生們有和大家一起學習的感覺;同時也能讓老師們在這些筆記中或課後線上問答的過程中觀察學生理解與不懂的地方,進而調整線上教學方式。

圖/ Brooke Cagle @ Unsplash

各位老師們可以趁這個機會建立起自己習慣的一套虛擬課堂流程,觀察哪些類型課程內容適用於文章分享到的三種不同遠距教學模式,也可以根據課程設計混搭不同的遠距教學與遠距師生互動方式。在設計虛擬課堂時,可以試著把握這兩個原則

  1. 經營線上共學的歸屬感3
  2. 讓遠距的每個學生與老師都能了解彼此的活動狀態2,例如現在是否理解、連線是否順利、有沒有話想說、投入程度等。

只要建立起一套師生遠距溝通模式,搭配適當線上媒介(直播軟體、社交媒體、溝通軟體、視訊會議軟體等),也能讓遠距教學達到甚至超越實體課堂教學品質。

把遠距教學或虛擬課堂流程建立起來,除了能讓大家共同度過防疫難關外,也是一個讓台灣加速推廣偏鄉教育的契機。實現文中提到的幾個方式,前提都在於每個學生有足夠軟硬體資源取得線上學習資源,包含網路頻寬、連線穩定度、家中電腦、通話設備、安靜的空間加入虛擬課堂等。希望各位老師們在設計虛擬課堂時也可以留意學生們各自擁有的資源差異,適時提供幫助。

-----廣告,請繼續往下閱讀-----

延伸閱讀:教育部為不同學習階段的學生還有老師整理的線上學習與教學說明

 

參考資料

  1. Kulkarni, C., Cambre, J., Kotturi, Y., Bernstein, M. S., & Klemmer, S. R. (2015, February). Talkabout: Making distance matter with small groups in massive classes. In Proceedings of the 18th ACM Conference on Computer Supported Cooperative Work & Social Computing (pp. 1116–1128).
  2. Neale, D. C., Carroll, J. M., & Rosson, M. B. (2004, November). Evaluating computer-supported cooperative work: models and frameworks. In Proceedings of the 2004 ACM conference on Computer supported cooperative work (pp. 112–121).
  3. Zheng, S., Rosson, M. B., Shih, P. C., & Carroll, J. M. (2015, February). Understanding student motivation, behaviors and perceptions in MOOCs. In Proceedings of the 18th ACM conference on computer supported cooperative work & social computing (pp. 1882–1895).
  4. Zheng, S., Wisniewski, P., Rosson, M. B., & Carroll, J. M. (2016, February). Ask the instructors: Motivations and challenges of teaching massive open online courses. In Proceedings of the 19th ACM Conference on Computer-Supported Cooperative Work & Social Computing (pp. 206–221).
  5. Lu, Z., Heo, S., & Wigdor, D. J. (2018). StreamWiki: Enabling Viewers of Knowledge Sharing Live Streams to Collaboratively Generate Archival Documentation for Effective In-Stream and Post Hoc Learning. Proceedings of the ACM on Human-Computer Interaction, 2(CSCW), 112.
  6. Guo, P. J., Kim, J., & Rubin, R. (2014, March). How video production affects student engagement: An empirical study of MOOC videos. In Proceedings of the first ACM conference on Learning@ scale conference (pp. 41–50).
  7. Menekse, M., & Chi, M. T. (2019). The role of collaborative interactions versus individual construction on students’ learning of engineering concepts. European Journal of Engineering Education, 44(5), 702–725.
  8. 葉家興. (n.d.). 雲端的美麗,數位的哀愁|葉家興/吐露台客|獨立評論. Retrieved from
  9. 【投書】在家隔離也不怕!遠距教學能不能成為防疫功臣?|簡志峰/多元發聲.讀者投書|獨立評論.

本文轉載自人機共生你我它,原文為〈還在為線上教學煩惱嗎?遠距教學怎麼做才能讓學生投入又有共學歸屬感?〉

-----廣告,請繼續往下閱讀-----
文章難易度
人機共生你我它_96
12 篇文章 ・ 4 位粉絲
由致力於人機互動研究(HCI, Human-Computer Interaction)的研究者與實務工作者所創立,我們定期發表人機互動相關文章,與讀者一起思考科技對社會生活帶來的好處與限制。

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

-----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。