要說遭殃，也不全對，畢竟在這個實驗裡頭，作為實驗對象的成年雄兔們可說是享盡豔福。這篇研究2010年發表在國際性無能研究期刊(International Journal of Impotence Research)上–竟然有這種期刊！–之前雖然有其他研究探討人類跟其他動物的睪丸，若接近手機會有什麼反應，但這篇論文則是首次直接針對性行為下手。研究一開始，先找來一堆年輕氣盛的雄兔，每隻雄兔都可以盡情跟眼前的雌兔大戰三分鐘，三分鐘一到就休息三分鐘，然後轉檯換下一隻雌兔，然後連續六次…這樣的狂歡每週一次，連續三週…目的是為了要確定雄兔的性能力正常(很遺憾，沒有辦法做人體實驗..Orz)。
不過即使找到了這個應該注意的發現，Salamat等人卻說：「這可能是因為動物未能勃起或射精」(This may be attributed to failure of the animals to attain an erection or accomplish ejaculation)…這還要你說嗎？而且還是可能？那不就是猜的嗎？研究結論也怪怪地，竟然一下子就導向「氧化應激」(Oxidative Stress)，而且還是腦組織裡頭的氧化應激，可是整個研究從頭到尾也沒有調查腦，更沒有調查氧化應激XD，而且就算手機輻射真的對兔子腦發生影響，那也很難說對人類會造成類似影響，畢竟(應該)沒有人每天連續講手機8小時長達12個禮拜啊。
Salama, N., Kishimoto, T., Kanayama, H., & Kagawa, S. (2009). Effects of exposure to a mobile phone on sexual behavior in adult male rabbit: an observational study International Journal of Impotence Research, 22 (2), 127-133 DOI: 10.1038/ijir.2009.57
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。
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。
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？
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
1989 年，一張名為《The Great Radio Controversy》的搖滾專輯發布，迅速走紅，登上告示牌熱門榜。雖然專輯的歌詞與通信無關，但它的名字「偉大的無線電爭議」確實讓人聯想到無線通信的歷史。而這張專輯的樂團名為 Tesla，沒錯，這正是向那位傳奇的天才科學家特斯拉致敬。特斯拉對無線通信的貢獻可謂奠基石般的重要，而從 3G 到 6G，行動通信技術又經歷了哪些突破和變革呢？讓我們一起深入了解。
比較有趣的是，從上圖中可以發現，第2隻雌兔讓所有雄兔都彷彿變回國中生那般血氣方剛，但除此之外，每隻雌兔都成功吸引了雄兔。研究的另外一個算是發現的發現，是射精次數。
MP這組，也就是實驗組的兔子，不管面對哪支雌兔，在射精次數上顯著低於其他兩組控制組，這就讓人有點擔心了。下圖則是各組交配次數跟射精次數的圓餅圖，可以明顯看出MP這組交配次數最多，但是射精次數比例最少。
s
