Loading [MathJax]/extensions/tex2jax.js

0

1
1

文字

分享

0
1
1

風調雨順是盼望,超前部署才能在鬼門關前阻擋 ── 深訪水土保持局局長李鎮洋

鄭國威 Portnoy_96
・2020/08/05 ・7897字 ・閱讀時間約 16 分鐘 ・SR值 546 ・八年級

行政院農業委員會水土保持局。
圖/wikipedia

中興新村我熟得很,週末若想出門散心又不知去哪,住在臺中近南投的我,十之七八會帶著家人開著車,到這個被暫停的時空,貪婪地享受陽光下綠得刺眼的樹木跟草地,到麵館吃碗外省口味牛肉麵、吞一盤滷牛腱,再數數靜巷裡有多少貓主子。

縱使來過中興新村多次,我卻不知也沒注意到,原來農委會水土保持局(以下簡稱水保局)就在這。外觀不起眼的水保局建築只有兩層樓,中間有個大大的中庭,牆上貼著紅底黑字的春聯,「風調雨順」四個字掛在這再中肯不過了。看見牆上的壁掛式電風扇、四周的綠植盆栽,感覺像是到了農村四合院與小學的綜合體。這次公部門 X 科學傳播專題,我們來到中興新村請教水保局的李鎮洋局長,在面對大大小小的災害、形形色色的開發,身為臺灣 74% 土地總面積,也就是所有山坡地的重要管理機關,覺得該怎樣做科學傳播、與民溝通?

水保局局長李鎮洋接受泛科學專訪

「以前讀科學的,或是像我們這種水跟土加起來是泥巴的,所謂的工程人員,都比較踏實樸實,有什麼說什麼,比較不會包裝,但跟大眾溝通不得不做調整。」畢業於臺灣大學土木工程學研究所的李鎮洋,自 104 年起擔任局長,雖然以工程人員自稱,但受訪時語速不低,最近還在水保局官方 Instagram 開張的影片裡現身,戴著粉紅色口罩跟小編(應該是局裡的同事)用輕鬆的方式介紹水保局如何做防災整備。

李鎮洋說,水保局起初的任務就是負責平衡山坡地範圍內的開發跟保育。民國 83 年水土保持法誕生後,則更偏向保育。然而,此前山坡地上早已處處開發,有壓力,也有各方勢力。「對水保局來講,我們希望(山坡地)合法開發利用。合法包含土地的合法、程序的合法,不會造成保育的壓力,也就不會造成災害,造成下游的損失等等。」他說。

理想是這樣,但做得到嗎?

李鎮洋表示,在開發過程中,水保局扮演整合協調者,所以開發案成不成功的壓力不會落在水保局上,但水保局的確面臨來自環保團體的壓力。「比如我們為了要保護環境,可能不得不去做一些野溪整治或邊坡處裡。(環保團體)常常會覺得我們在破壞。」

野溪整治的 101 道難題

難道不是破壞嗎?我自己屢屢親眼或在臉書上看到被「整治」的野溪照片,都心疼到有點麻木。

然而李鎮洋覺得這是欠缺溝通跟對野溪不夠理解。「什麼叫野溪?野溪是平常沒水,只有颱風豪雨才有水,這個時候,你說魚怎麼游上去、怎麼保護那個魚?平常都沒有魚呀。」李鎮洋解釋。

他接著說明野溪裡的確有深潭跟淺灘,深潭裡長年有水,魚在野溪有水時可能會往上游,所以會保留深潭,淺灘則盡量。但其他部分若不施作保護,山坡一崩滑,土方就會將深潭覆蓋,結果更糟。

「(環保團體認為野溪)本來看起來非常自然,那你現在把它變成有護岸、中間有攔沙壩等等,他覺得這個動物上不去。這個其實我們各分局也跟環保團體溝通,溝通的結果是,他們也能體諒我們不得不做,有一些還是很堅持,這個持續溝通。」李鎮洋表示所謂的破壞,事實上是為了保護而不能免的措施,而且實施時間很短,通常半年、一年內就完成,對動植物來說衝擊的時間很短,一個工程做完之後不到三個月,全部都恢復。

真的嗎?李鎮洋表示許多環保人士不相信,水保局便請生態專家調查,結果的確如此。「過程最重要的就是建立信任感,我們的數據他信不信任?我們的說法他信不信任?我們說不會破壞或者破壞是有限的,他信不信任?有些人可以接受我們的說法、有些人不能接受,我們要持續地建立信任感,一直提出不間斷的科學證據或科學調查。」(註:我無法為水保局背書,但在這次專訪盡所能忠實呈現局長觀點。後續會收集各方觀點,也歡迎大家提供意見。)

「當同仁到現場接受立法委員、地方民代、縣市政府或是民眾建議,說有崩塌或崩塌風險,要趕快執行工程,我們憑什麼說這個案子可不可以做、會不會影響生態、有沒有什麼動植物以這裡為重要棲地,是不能碰的?以前沒有人知道,只有做了。後來環保團體出來了,已經來不及了。也許真的做錯了,因為我們不知道,他也認為『你怎麼不知道,你政府耶!政府應該是萬能的。』」李鎮洋表示,以前的確許多時候是不知道。

於是水保局不斷擴大建立生態檢核系統。從民國 96 年開始,先就石門水庫集水區內的工程做生態檢核,累積成果後,持續增加涵蓋範圍。民國 103 年底,水保局制定了「環境友善措施標準作業書」,將生態檢核納入工務流程,2,000 萬元以上且位於高度敏感區的工程為主要適用範圍。接著,行政院公共工程委員會則於民國 106 年訂定「公共工程生態檢核機制」,要求新建公共工程都需要辦理生態檢核(除了災後緊急處理、搶修、原地復建等)。

然而水保工程每年大大小小超過 2,000 件,分佈全臺、工期較短,生態團隊也看顧不來,李鎮洋為了讓同仁清楚工程對生態的影響,於前年(107)建立了「集水區友善環境生態資料庫」,收集來自林務局、特有生物保育中心,以及國內研究學者的發表,把生態跟重要生物的範圍標註起來,「再來是環保團體曾經關注的、媒體報導過的,只要是能收集得到的,我們就放在圖說裡面。」

「集水區友善環境生態資料庫」示意圖。
圖/「集水區友善環境生態資料庫」系統(民眾版)

(可參見 109 年 3 月 農委會出版《農政與農情》期刊之〈掌握生態情報,強化生態檢核〉)

李鎮洋表示,該資料庫現已收集超過 20 萬筆,為全臺灣最大的生態資料庫,讓同仁避免踩到地雷,衝突情形就慢慢越來越少,「除非什麼東西是沒有人看過、沒有人知道,那當然我們也不知道,那就沒辦法。」綜整各方情報分析之後,水保局區分出一級跟二級檢核區,一級檢核區內的工程由生態團隊全程協助、執行生態評估分析,與工程執行機關、設計監造、施工單位密切討論方案後才執行,確保棲地不受過度干擾、能迅速恢復;一級以外皆屬於二級,由工程單位按照資料庫的生態情報研擬生態友善對策。若你有興趣,可以到「坡地環境共同服務平臺」看看,點選地圖的不同圖層。

「坡地環境共同服務平臺」示意圖。
圖/「坡地環境共同服務平臺」

水保局平時也會上網蒐集輿情,若是發表在臉書上的批評,水保局通常會主動留言,說明工程的理由跟考慮。「如果做不夠好,我們也會改進。比如說也許可以採取更好的方式,我們去問他建議用什麼樣的方式,如果方式還不錯,這個個案可以馬上改,我們就改了。如果不能改,我們下次在別的案子裡面當作案例。」李鎮洋說水保局的治理組專門負責到六個分局宣導案例、網友批評的意見、以及未來該怎麼做。(我發現最近臺東就有個案例

有批評檢討,也有自豪案例。納入生態檢核十多年來,水保局在阿里山鄉的「頓阿巴娜野溪整治五期工程」、臺中東勢區的「四角林野溪整治工程」分別得過國家永續發展獎跟公共工程品質金質獎。大家不妨搜尋看看相關資訊,或是親自前往踏查一番,我自己就打算有空去看看。

若要舉一個面臨各方需求跟壓力,最終達成多贏的案例,李鎮洋認為大肚山上的中部科學園區算是。他表示當初中央希望在山坡地上大規模的開發,因此依照水土保持法,要設多座能防洪的滯洪沉砂池,才能在颱風豪雨時調節流量,蓄積雨水再安全排放至下游。不過臺中市政府考量園區鄰近市區,因此要求大幅提高滯洪設施的規格,隨之加大了量體;與此同時,當地居民則希望滯洪沉砂池能作為運動休閒公園,業主則通常不希望能用的土地因此縮減,環保團體也有許多意見……。

「還好那案子算成功,因為開發業者是科技部的中科管理局,中央政府比較好談,做個調整,把滯洪沉砂池變大、變緩和一點,上面就可以設運動設施、網球場、羽球場等。」水保局為此修正了相關規範,李鎮洋說,既然這樣做,固定設施也得盡量減少,讓水、砂可以很快消退恢復,也不會造成災害往下沖,需要相關配套,整合於水保計畫審查過程裡。後來各方都同意,如今八座滯洪公園被譽為水保示範工地,成了地方社區、園區員工舒展身心的樂園,豐富的濕地生態還讓台積電的員工成立生態保育團體,紀錄出沒的鳥類有哪些。

李鎮洋說:「我們不像環境影響評估可以直接駁掉(開發),因為水土保持計畫審核已經是在整個過程的後面了。前面都許可,環境影響評估都過了,最後才是(水土保持計畫審核)。我們怎麼再去駁掉前面的?只能盡量減少衝擊,用工程、植栽、園藝等各種方法,讓大家的利益整合。」

「以前老師跟我們講:『知道水土保持學系是什麼嗎?你們是醫生知道嗎?』」李鎮洋表示,如何讓河川溪流不氾濫,山坡地不崩塌,就像維持身體血管組織健康一樣,因此水保人員一直自許為大地的醫生。就如現在醫生會遇到病人、家屬、藥廠、老齡少子化、健保核刪、醫院內政治、或突如其來的疫情等各式各樣的挑戰,在開發與保育、工程技術與網路輿論之間,大地醫生也必須時刻警醒、應變,對多變的環境保持謙遜。

水保防災意識的超前植入

大地醫生可不能只等疾患纏身才治病。為了讓全民更了解水土保持的目的跟重要性,水保局大力投入宣導。從印書、發摺頁,話劇演講、徵文徵圖,再到現在的 AR/VR。「你可以從老鷹的視角去看為什麼會崩塌,可能是因為被違法開發、沒做水土保持,體感座椅會跟著動,如同自己正在飛。」李鎮洋很驕傲地說水保局將 VR 結合宣導是全臺第一,學生很好奇也很喜歡,坐一次不夠還要坐第二次。

為了扎根,水保局針對小學生製作的內容還分為低中高年級、有/無注音版、書還做成立體書,每週兩次透過行動書車送到偏鄉學校,用夜市會有的簡單遊戲如套圈圈來寓教於樂。「我們現在建立了 102 個水土保持酷學校,提供很多水土保持教具圖書,當學校的環境教育教材,然後把附近學校、社區也能納進來。」李鎮洋說。

想要成為酷學校也不容易,水保局接到學校申請後,會評估學校是否能融入課程、老師是否做足準備讓學生參與。李鎮洋以新竹關西東光國小為績優典範,該校校長積極規劃,與水保局長期合作,加上位在山區,學生家可能就位於開發的山坡地,家長也可能從事相關行業,更需要面對水保議題。聽了局長描述,聽得讓我也想去參觀拜訪。

不過校園宣導好像都針對國中小,高中呢?李鎮洋局長坦白說:「高中生有升學壓力,不考試是不會看的啦!」

針對成人的部分,水保局除了提供一般的科普資訊跟防災訊息,李鎮洋表示「土石流防災專員」的招募與培訓特別關鍵。

防災專員?老實說要不是來採訪前做了一些研究,之前我從沒聽過。李鎮洋話說從頭:早期雨量測站大部分屬於氣象局,一部份則屬於臺電或水利署,大多位於平地,理由是平地人口多,但容易有土石流災害的山區反而少有測站。「這個社區在這裡,但監測站在那裡,太遠,這邊有下雨,那邊沒下雨,發布警訊就會不精準。」李鎮洋說。

為了改善這種狀況,水保局便將簡易雨量筒提供給山區的村里長,教他們觀測跟回報。不久後敏督利颱風(民國 93 年)來襲,造成中臺灣嚴重災情,尤其是大甲溪沿岸的松鶴部落。事後調查發現儘管當地發生嚴重土石流,六十戶受災,卻只有一人死亡,雖然不幸,卻也是大幸。當地居民在調查訪問時表示,就是因為一個多月前水保局同仁帶著雨量筒請村里長幫忙監測雨量、溝通自主疏散避難,讓他們對雨量產生警覺,才會在政府發出警報之前就行動,保住了大多數人生命。

是痛定思痛,也為了超前部署,從隔年起,水保局開始招募跟訓練防災專員,至今已達 3132 人(歷年總培訓人數)。招募對象以土石流防災保全區裡的村里長優先,有興趣者也都歡迎,經過訓練跟檢定,就會被授予資格。由於防災專員需要協助公務,面臨風雨衝擊、得上山下谷,水保局也提供保險跟裝備,並開發系統,讓他們利用手機簡訊、LINE 通訊軟體及土石流防災資訊網 APP 傳送雨量資料、通報災情及接收土石流警戒訊息。

李鎮洋接連說了多個防災專員即時撤離住戶,救了許多人性命的案例,不免激動。

「防災專員第一是幫我們觀測傳遞雨量。第二是當發布黃色警戒、紅色警戒,幫我們傳遞給當地人。第三,如果發生災害要通報我們。第四,要幫助疏散避難,協助鄉鎮公所或軍方警察消防,跟我們保持密切聯繫。」李鎮洋表示,這樣的社區叫做自主防災社區,平時有輔導團隊協助辨識社區風險,例如環境裡哪些地方可能崩塌、發生土石流、多少戶有危險、高風險的有幾個人、他們的姓名電話住址……並提供資料跟教學,將居民統合為自主防災組織。「例如你年輕有車,接到警訊要疏散,你就載你的阿公阿嬤叔叔伯伯,你顧誰、顧幾個、車怎麼走哪條路安全,哪裡是庇護所……大部分是活動中心、消防所或者學校的禮堂。」

民國 98 年莫拉克來襲,除了小林村的悲劇,當時臺灣中南部、東部也都嚴重受創,但培訓出的防災專員挽救了不少人命。李鎮洋以當時南投水里鄉新山村為例,林美玲村長跟先生黃明達都是防災專員,見雨勢驚人、超過警戒,但很多居民不想離開,兩人便熬夜巡邏到凌晨兩點,發現出入的壽山橋斷了,趕快挨家挨戶敲門警告溪旁的村民,然而 135 位村民中,有 19 人當下不願撤離,村長只好通報消防隊,把人硬拉走,同時也通報水保局的土石流災害緊急應變小組,在清晨 6 點前讓全村都安全撤離。「隔天一看,有二十幾間房子被沖到水裡面去。如果沒叫起來,六十幾個人就走了。」李鎮洋接連說了多個防災專員即時撤離住戶,救了許多人性命的案例,不免激動。

「這些土石流防災專員經過訓練,就會比他的爸爸媽媽有感覺。以前我們在疏散,阿公阿嬤最常罵我們了,說你們年輕人不知道,我們從什麼時候就住在這裡了,你們讀書人不知道,隨便講講的。」然而經過幾次經驗,現在只要一發布警訊,山區居民都會配合撤離。李鎮洋認為防災專員與自主防災社區功不可沒。至今,防災專員疏散超過上萬人次,減少了 2,000 人以上的傷亡。

用科技替臺灣山地聽診把脈

防災專員展現出人的能量跟重要性,但要超前防災減災,更得靠科學研究、善用新科技。

「我想把水土保持局建立成打造『智慧防災坡地環境』的單位。」李鎮洋說,大家不希望有違規開發的情事,但怎麼掌握違規開發的事實?以前靠人現場查報,人情包袱卸不下、山區又遼闊,效果當然不好。從民國 87 年開始,水保局啟用衛星影像主動監測。減少人情世故、而且速度飛快。監測頻率則從先前每兩個月一次,今年開始改成一個月一次。「怪手開挖兩個月跟一個月差很多」,這樣就能及早阻止破壞,李鎮洋說。

由於雜訊、雲霧遮蔽、圖層位移等狀況,在電腦判釋之外,水保局也加入人工檢核,若發現違法開發,水保局就會把衛星影像結合地籍系統,發到縣市政府鄉鎮公所,再到現場拍照調查,加快處分。

除了違規開發,氣候變遷造成的超集中雨量也是水保局關注焦點。下一個可能發生小林村事件的地方在哪裡?能不能先找出來呢?水保局為了降低類似的大規模崩塌危害,利用經濟部中央地質調查所對全臺的光達(Lidar)掃描資料,製作出極為精準的地形圖,再請地質專家判斷高風險地點,確認周遭有沒有居民與聚落。

李鎮洋表示水保局積極利用科技打造山地防災減災網絡,努力的成果與經驗已經能夠外銷,傳授給同樣面對類似風險的國家。

「從 106 年開始,我們開始第一期的大規模崩塌防減災計畫。全臺灣可能發生大規模崩塌的,大概有一萬多處,但有保全對象的,目前篩選出來 186 處。我們再做風險評估,大規模崩塌指面積要達到十公頃,深度要十公尺,土方要十萬立方公尺,其中滿足一個條件,就列為大規模崩塌的潛在區域。比較危險的是 34 個。」李鎮洋說,這項計畫的第一期經費是 34 億元,而明年即將開始第二期的計畫經費為 50 億元。若完成後,可以大幅提高防護能力,降低至少 200 億元農損。

為了要了解一塊潛在崩塌地、地滑地目前的危險性,如崩塌大概多深、範圍多大,得找出滑動面,為此則要鑽探以監測地下水位、目前滑動量和速度等等基礎調查數據。然而,「這麼多資料,用什麼基準做為未來防災標準?如果要啟動預警疏散避難,要用什麼基準?是水位高、還是滑動距離?這要找專家來討論,因為全世界目前沒有像臺灣做這麼快。」

李鎮洋表示他蒐集全世界各地針對大規模崩塌的觀測資料,而且後來真的發生崩塌的可驗證案例,至今只找到義大利瓦伊昂大壩 1963 年的案例

「水越過壩頂,拱壩新蓋好,很堅固,壩沒壞,水往下游沖,七個村莊兩千人全都不見了。義大利政府就為了七個村莊蓋紀念館,我去參觀這個紀念館買了影片、書,看到書裡有監測資料,我覺得這資料很珍貴,目前也只收集到這個。」李鎮洋說。

儘管數據還不足,臺灣也不能等著災害發生。李鎮洋知道,任何預測都可能太保守或太樂觀,但他決定先請學者根據現有資料建立模型,如雨量,滑動速度跟加速度,加上現場觀測跟即時儀器監測,訂出應變啟動標準。

「鑽探很花錢、觀測儀器很花錢,觀測儀器還必須隨時都 ready,不能要用的時候沒電、故障。」李鎮洋回想起自己還是學生的時候,是以月為週期被老師吩咐去拿監測結果,但根本緩不濟急,因此要求水保局做到即時觀測、即時傳回,即時分析、即時反應,這樣才有用。目前水保局已建置了 21 座固定式、3 座行動式(全球首創),以及 17 座簡易式土石流觀測站,配有 CCD 攝影機、雨量計、水位計、土壤含水量感測器、鋼索檢知器及地聲檢知器,透過穩定的衛星訊號傳輸,即時傳入土石流防災資訊網,供防災人員跟我們所有人查詢。

大規模的研究計畫,水保局無法只靠自己,因此委託了臺大、成大、中興、屏科大等多所學校共同參與。目前在宜蘭大同鄉,水保局也正在進行「蘭台大規模崩塌潛勢示範區觀測科技整合研究」,由暨南國際大學團隊帶隊,結合更多研究單位,包括中央研究院。

「這個出來老實說,全世界第一套,最 top 的,日本都還沒這樣做。」李鎮洋很有自信地說:「因為臺灣人不能等,政治反應非常快速,就像你說的『有壓力』,讓我們要用更有效的方式。」

這個「更有效的方式」,甚至還能外銷。李鎮洋說水保局已經開始輸出臺灣經驗到東南亞,亦透過國合會等管道初步接觸非洲跟中南美洲。以泰國為例,透過臺泰農業合作會議的平台,水保局將水土保持教室整套帶到泰國,提供當地農業主管機關與農民友善環境、減災防災的開發方式。臺灣也與越南透過第三方簽訂合作備忘錄,傳授監測土石流的技術,協助分析資料,還提供軟硬體。

一個插曲或許展示了為何臺灣經驗適合移植。李鎮洋說前陣子越南方回報莫名的資料遺失問題,水保局馬上請他們派人到現場巡邏,看是否被偷接電。而結果的確如此。「因為他們山區比較偏遠,有電很不容易,百姓就自己偷接了。我們為什麼會知道?就是臺灣曾經發生過。」李鎮洋笑說,日本等國的方案太先進了,需要很多基礎建設,但我們這條路剛走過,所以可以一步一步幫助越南等國向前走,面對各階段的壓力測試。

就跟臺灣這片土地面臨板塊擠壓、颱風侵襲、旱澇交替,進行了百萬年的壓力測試一樣,21 世紀的水保局為了負起保育國土的責任,也面對各種壓力,但我想局長與水保局的同仁大概會說工程人員扛習慣了,是吧?

文章難易度

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。

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)」!

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。

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)。

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。

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

文章難易度

討論功能關閉中。

0

1
0

文字

分享

0
1
0
深海發現大型礦場和「暗氧」!是能源危機的希望還是潘朵拉之盒?
PanSci_96
・2024/09/21 ・2334字 ・閱讀時間約 4 分鐘

深海的暗氧:無光環境中的神秘氧氣生成

深海,被譽為地球最後的未開發疆域,隱藏著許多不為人知的奧秘。數千公尺深的海底沉積了數量龐大的多金屬結核,這些礦物因含有大量珍貴金屬,對現代技術,尤其是能源轉型,至關重要。然而,科學家在探索這些結核的過程中意外地發現了一種神秘的現象:暗氧,即在無光的深海環境中生成氧氣的過程。這一發現不僅可能改變我們對海洋生態系統的理解,還可能重新定義地球早期生命起源的故事。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

長期以來,科學界普遍認為氧氣的生成依賴於光合作用。光合作用是植物、藻類及一些細菌透過陽光將水和二氧化碳轉化為有機物並釋放氧氣的過程。這一過程主要發生在地球表層和淺水區域,是維持大氣和海洋中氧氣含量的核心機制。根據這一觀點,只有在陽光能夠到達的區域,氧氣才能被生成。因此,對於深達數千公尺的深海區域,我們的認識是,氧氣主要來自於表層水透過洋流輸送到深處。

然而,深海中缺乏光源,光合作用無法進行,這意味著氧氣在深海中的供應受到限制。雖然洋流能夠在一定程度上將氧氣輸送到深海,但這一過程極其緩慢,往往需要數百年甚至上千年才能完成一次循環。因此,科學家一直認為深海是一個缺氧的環境。

多金屬結核的發現,是新能源的關鍵,還是海洋生態的災難?

在這樣的背景下,科學家對深海進行了更深入的探索,並發現了錳結核(英語:Manganese nodules),又被稱為多金屬結核這一珍貴資源。多金屬結核是富含金屬的岩石,其主要成分包括鈷、錳和鎳等金屬。這些結核廣泛分佈於全球深海區域,尤其是太平洋海域,儲量高達數兆噸。這些金屬對綠色能源技術,如電池生產,具有極高的價值,吸引了全球各國的關注。

然而,這些結核不僅是地球資源的寶藏,它們還隱藏著另一個重要的發現。2013 年,科學家安德魯·斯威特曼(Andrew Sweetman)在太平洋克拉里昂-克里珀頓區域進行深海研究時,意外地發現,在封閉的深海水域中,氧氣濃度竟然有所增加。這一現象引發了科學界的極大關注。

科學家探索深海的多金屬結核時,意外發現「暗氧」的存在。 圖/envato

暗氧的生成機制

斯威特曼的研究團隊推測,深海中的多金屬結核可能在某些化學條件下,充當了天然電池。這些結核通過電化學反應將水分解為氧氣和氫氣,從而在無光的環境中產生了氧氣。為了驗證這一假設,團隊在實驗室中模擬了深海環境,並確實觀察到氧氣從結核生成的現象。

不過,這一過程並非如想像中簡單。根據實驗數據,某些海底結核表面的電壓僅為 0.95 伏特,卻能夠生成氧氣,這與理論上需要的 1.6 伏特電壓不符。研究團隊進一步推測,這可能與結核的成分有關,例如含鎳的錳氧化物可能起到了催化作用,降低了反應所需的能量。此外,結核表面的不規則排列及空隙可能也促進了電子轉移和水的分解。

暗氧的發現挑戰了我們對氧氣生成的傳統理解。過去我們認為,地球上的氧氣主要來自於光合作用,但這一現象表明,甚至在無光的深海環境中,氧氣也能通過無機物的電化學反應生成。這意味著,我們對於地球早期氧氣循環及生命演化的認識可能存在重大疏漏。

尤其值得注意的是,多金屬結核的形成需要氧氣,而這些結核大量出現在深海中,是否表明早期地球上就已經存在非光合作用的氧氣生成機制?如果是這樣,暗氧是否可能推動了地球上生命的起源?這一問題仍然未有定論,但暗氧的發現無疑為生命起源的研究開闢了一條新的途徑。

未來的挑戰:開採深海資源還是守護地球最後的「淨土」?

除了科學研究的價值,多金屬結核也吸引了全球對於深海資源開採的興趣。這些結核富含稀有金屬,特別是對電池生產至關重要的鎳和鈷。然而,大規模的深海開採可能會對海洋生態系統造成嚴重破壞。

對於發現的深海資源,是要開採?還是選擇守護海洋生態? 圖/envato

首先,深海採礦可能導致噪音和光污染,破壞深海生物的棲息地。此外,採礦過程中產生的懸浮物可能對海洋生物,尤其是水母等生物造成生理負擔。研究顯示,水母在模擬的採礦環境中會因應對懸浮物而消耗大量能量,這可能削弱其免疫系統並降低生存率。

因此,雖然深海資源的開採看似能解決當前的能源危機,但國際間對此議題的爭議仍然持續。全球已有32個國家支持暫停或禁止深海採礦,呼籲進行更多的生態影響研究以確保環境保護。

暗氧的發現,不僅為科學研究帶來新的挑戰,也為深海資源的開採提出了更高的要求。在能源危機與生態保護之間,我們需要尋找平衡點。未來的技術或許能夠在不破壞環境的情況下,模擬自然過程生成多金屬結核,從而實現可持續的資源開採。

此外,暗氧現象的發現也為探索外星生命提供了新的思路。當我們在其他行星上發現氧氣時,不一定意味著那裡存在光合作用生物,可能是類似多金屬結核的無機反應在默默進行。這一發現或許將改變我們對地外生命的定義與尋找方式。

深海的秘密仍在不斷被揭開。從暗氧的發現到多金屬結核的開採,這片未開發的疆域將在未來的科學探索與資源爭奪中扮演至關重要的角色。無論是能源危機的解決還是生態系統的保護,我們都應以謹慎且負責任的態度面對這一未知的領域,避免打開潘朵拉之盒。

討論功能關閉中。

0

2
2

文字

分享

0
2
2
地震教育大會考!你有辦法逃出地牛翻身的魔掌嗎?
鳥苷三磷酸 (PanSci Promo)_96
・2023/12/16 ・2882字 ・閱讀時間約 6 分鐘

本文由 交通部中央氣象署 委託,泛科學企劃執行。

  • 文/陳儀珈

網路上不乏有外國人來臺灣旅遊時,巧遇地震而大驚失色的影片紀錄;比起驚慌失措的外國旅客,畫面中的臺灣人總是顯得游刃有餘、不驚不躁。

畢竟,對於自家就在環太平洋地震帶的臺灣人來說,地震可以說是家常便飯,除非是國家級警報大響,多數臺灣人仍然都能在談笑風生間,平靜地度過地震的搖晃。

然而,這真的就代表你我真的更懂地震、更懂得如何逃命嗎?接下來,不妨來測試看看自己對地震有多了解吧!

問:地震來了,要趕快尋找「黃金三角」躲起來?

921 大地震後,「黃金三角」的理論突然在臺灣瘋傳。這個理論假設當建築物倒塌的時候,會在大型家具旁邊形成一個讓人們存活下來三角空間,藉此呼籲大家躲在大型家具的旁邊來保命。如果這個家具越大、越堅硬,因為家具不容易變形或損壞,人們生存下來的機率就越大。

看到這裡,你覺得這個理論正確嗎?

這是一個在臺灣流傳多年的地震逃難說法,乍聽下來或許合理,但大家仔細想想,應該就可以發現它的嚴重漏洞:地震來襲時,你覺得人們是被崩塌的房屋壓死的機率比較高,還是比較有可能被掉落物砸傷呢?

當然是後者!

因此,黃金三角理論最嚴重的錯誤之一,就是它假定建築物都會被地震「震毀」,讓屋樑、柱子倒塌,並且只關注於如何在崩塌的梁柱中尋找求生空間。但如此一來,就忽略了我們在地震期間更容易面對的非結構性的威脅,例如掉落的電燈、傾倒的衣櫃、震碎的窗戶玻璃。

除此之外,要在短短幾分鐘內找出黃金三角的位置,甚至奔跑到你認定的生存空間,也是非常不切實際的想像。在大地震來襲時,我們不讓自己跌倒都很困難了,更別說是跑向特定位置了,那是天方夜譚啊!

答:錯誤!請遵守趴下、 掩護、穩住三步驟

因此,比起尋找可能不存在的黃金三角,請盡快趴下,並尋找掩護物抓緊桌腳,盡量穩住自己的身體,才是相對安全的保命行動唷!

地震時,「趴下、掩護、穩住」才是王道!

許多專家指出,房屋搖晃時,可能造成大型家具移位,甚至是物品掉落砸傷人。
我們無法判斷家具倒下的方向,因此躲在旁邊反而可能因此被壓住。

問:不用太緊張啦~反正地震來之前,國家級警報都會提醒我?

在現行的地震預警系統技術中,地震發生後,氣象署可以使用短短數秒地震波,搭配過往地震資料和地形效應形成的經驗公式,快速計算出該次地震的預估規模和預估震度。

當氣象署預估該次地震的規模超過 5 時,會透過通訊技術,將警報傳送到預估震度大於 4 級的地區民眾手機上,讓民眾可以在地震波傳到之前,聽到震耳欲聾的警報,掌握黃金的幾秒鐘避難。

然而,這不代表每一次大地震前,你我都可以提早收到地震警報!

為什麼呢?

屏除手機的硬體限制,或是設定錯誤等狀況,仍有許多原因導致我們無法提早接收預警。其中,目前尚難以 100% 克服、也最常見的原因是「預警盲區」。

當我們距離震央太近時,即使氣象署已經花費極少時間完成運算、發布警報了,也有可能跟不上地震波傳遞的速度,使得地震波傳播到我們腳下之後,手機才開始警鈴大作,因此發生「震完才響」或是「邊震邊響」的狀況。

答:錯誤!警報是震後預警,不一定可以在震前警告大家唷~

擁有地震預警技術和國家級警報,並不等於臺灣民眾永遠的保命符!

地震預警並非地震預測,無法保證在地震之前警告所有民眾撤離,而且礙於地震科學和地震觀測的歷史太年輕,人類的經驗公式、對地球的了解都尚未成熟,當震源位於外海或是震源太深時,都有可能影響預警的準確性。

即使地震預警技術已經是目前人類最有效的防震減災方法之一,大家仍然不可忘記做好地震避難演練,日常就必須做好各式防震的措施和準備唷!

​問:臺灣有可能發生規模大於 10 的地震嗎?

回顧 20 幾年前在臺灣造成最嚴重震災的「921 大地震」,車籠埔斷層的劇烈錯動,造成了規模 7.3 的大地震,在千萬臺灣人民的心中烙下不可抹滅的傷痛。

規模 7.3 就造成如此可怕的傷亡,如果哪天臺灣發生規模 10,甚至是規模 20 的地震,那該會有多可怕?在思考類似這類型「What if」的問題之前,我們首先要討論的是,發生這種情況的機率,到底高不高!

所謂的「規模」,是我們人類為了描述地震能量大小所發展出的單位,地震學界也發展出許多不同計算規模的方式,例如我們臺灣人最熟悉的芮氏規模,還有地震矩規模、表面波規模、體波規模等等。

為了方便大家理解,本文將使用「地震矩規模」的計算方式來想像:如果臺灣發生規模 12 的地震,到底會發生什麼事情?

根據地震科學家的研究顯示,若斷層的面積越大、滑移量越長,會造成規模更大的地震,因此,在地震矩規模的公式原理中,即是透過斷層的面積和滑移量來描述地震的能量大小。

以歷史上赫赫有名的地震為例,2004 年的印尼蘇門答臘地震規模 9.3,斷層面積為 1,300 公里乘上 200 公里,滑移量為 11 公尺;1906 年的美國舊金山地震規模 7.8,斷層面積為 470 公里乘以 20 公里,滑移量為 4 公尺;臺灣人的惡夢—— 921大地震中,車籠埔斷層造成了規模 7.3 的地震,面積為 2,000 平方公里,滑移量為 3 公尺。

歷史地震斷層面積比一比!

若要催生出規模 12 的地震,以面積為 2,000 平方公里的車籠埔斷層為例,
大概需要造成 0.2 兆公里的錯移量!拜託~地球的圓周長也不過 4 萬多公里呢!

答:錯誤!根據臺灣的地體構造,形成規模 8 以上地震的機率不高

由此可知,雖然根據人類的定義,可以描述出規模 12 的大地震,但我們必須考量地球各處的地體構造條件。在現實生活中,無論是斷層的面積還是滑移量,都不可能無限大!

地函深處的溫度非常高,因此隨著岩層越往地函深處移動,岩石也會變得越來越「不脆」,無法累積應力、產生地震,就像是我們難以在黏土上造成劇烈的震動一樣。

熟悉不等於理解,理解不等於會行動!

臺灣每天都能偵測到 100 次左右的地震,然而,並不代表熟悉地震的我們,都懂得如何與地震共存、不被網路謠言煽動。

即使面對錯誤的說法有一定的抗性,理解了地震的原理和避難守則,事到臨頭時,也不一定能夠及時反應。

因此,防震、防災的演練和教育必須從生活做起!每年 9 月 21 日國家防災日時,請大家務必落實地震避難演練行動,平日備好地震包、檢查家中家具的擺放位置,針對老屋建築進行防震補強。如此一來,才能在地震頻頻的島嶼上,保護好你我的生命財產安全唷!

討論功能關閉中。