三個指標一片藥 ——郵輪上的醫學講座│環球科學札記(11)

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

大家對歷史科目的想像是什麼呢？對於臺灣很多學生而言，無窮盡地背誦人名、地名及事件，似乎是我們對於歷史的共同記憶。但其實，歷史不該與我們的現實生活脫鉤，應該從更切實或更趣味的方式切入，才能對我們的人生發揮意義。泛科學的「M.I.C 講座：早知道」邀請到兩位講者從不同的角度談論歷史，分別是：臺大歷史系助理教授呂世浩老師，以及前貓頭鷹出版社社長陳穎青先生，來談談應該「早知道」這樣學歷史的方式。

從思辨學歷史

講者：呂世浩｜國立臺灣大學歷史學系專任助理教授

呂世浩老師新書主題是秦始皇，他提到這本書的緣起，始於在臺大開設的秦始皇課程。針對這本書的內容，呂老師直接點出：重點並不在秦始皇本人的傳記，而是應該聚焦在與他互動的周遭歷史人物。這些歷史角色所交織出的故事，才是提供我們後世反省與思辨的重要關鍵。

讀歷史有什麼用？

古人都說歷史有用，常說「以古鑑今」。現代人聽到歷史，卻覺得好像一點用都沒有，這是為什麼？更進一步地說，現代人的閱讀量比古人大且多，那為什麼只有古人才能體會學歷史的好處，而現代人卻不能？

這些問題，源自於現代人們學習歷史的刻板方法。歷史教育總是關注在記憶及背誦，卻不曾提醒應該如何思考。

現代教育的風格是以培養工匠為目的，這始於工業革命對於勞工的需求所致。在接受知識教育的過程中，大部份的知識並不關注人們如何面對自己的人生，也不在意人們怎樣完滿自己的人格。而歷史也在這樣的風氣下，形成強調經濟、文化、政治、法律層面等等的一門學科。

相反地，傳統史學在意的是「人」，也就是人應該如何在時代中因應問題，於是可以看到本紀與列傳的書籍。簡而言之，古人以思辨看歷史，而今人以背誦看歷史。兩種方式，形成古今迥然不同的價值。

不能只背誦課本的知識，不要放棄思辨

臺灣人到底有多倚賴課本的知識？以木蘭詩中的「唧唧復唧唧，木蘭當戶織」的古詩為例，「唧唧」在以往國文課本的註釋中均作「織布機所發出的聲音」，但更深刻的思考應該是作「嘆息聲」。這個答案藏在下一句：「不聞機杼聲，唯聞女嘆息」。既然只聽見女生的嘆息，那「唧唧」怎麼會是機杼的聲響？

古人學歷史的方式：關鍵處，把書蓋上！

訓練思考，可以從思辨歷史開始。該怎麼做？試著在歷史最關鍵處，學著把書闔上，看古人的決定與自己的決定差距在哪裡，反覆磨練。宋朝呂祖謙與清代左宗棠均使用這種方法練習思考。

以秦始皇的大兒子扶蘇為例，當他接到秦始皇的詔書要求自盡時，可以先闔起書本，想像如果自己是當時握有龐大軍力的扶蘇，下一步的決定是什麼。翻開書本，我們發現扶蘇二話不說馬上自盡，完全沒有質疑詔書的真偽，這是為什麼？我們甚至可以更進一步地想，如果換成李世民會這樣做嗎？換成重耳會這樣做嗎？

儘管古人與今人所處環境大相徑庭，但古人與今人所面對的人生課題卻不會差別太大。也就是說，無論古今，眾人所遇到的困境一定十分類似。目前所面對的困境，在久遠的過去，一定也有人經歷過。學習他們如何處理這些問題，學習不同的人面對事物的態度。當認知這點時，歷史學才會對人生發生意義。

歷史學的價值

歷史學是一門很特別的學問。相較於其他學科需透過推演或推斷得出結論的方式，歷史學驗證歷史的方式是時間與事實的考驗，只有存在某項道理，歷史才會予以保留。學習歷史的過程中要記住：不要成為知識的奴僕，應該成為知識的主人。也就是，不要依循以往的刻板背誦方法看歷史。

甲骨文－封藏三千年的時空囊

講者：老貓（本名陳穎青）｜資深出版人

https://www.youtube.com/watch?v=lgm8Mv9DU9w

老貓先生一上場先向全場觀眾致歉，由於前兩個禮拜摔傷，導致負傷演講。語畢，進入主講主題－甲骨文。

存在三千年的文字：甲骨文

存在三千多年的甲骨文，是商朝人所使用的占卜文字，主要雕刻在龜甲牛骨上。目前已出土約十五萬片，其上的單字超過五千，因辨識困難，當中可識別文字約只一千字。甲骨文在周朝時已不見使用。以時代推斷，武王克商是西元前1046年，而王懿榮發現甲骨文是西元1899年。這之間空窗了三千年，沒有人知道甲骨文的存在。

研究甲骨文的三位人士

第一位研究甲骨文的人是清末國子監祭酒王懿榮，他於西元1899年發現甲骨文字。當時他因病需以龍骨入藥，因此偶然發現龍骨上的文字筆畫，與自己所學的青銅器金文筆畫非常類似。但不幸，隔年八國聯軍攻入，王懿榮自殺。之後他的兒子將其收藏的甲骨片轉賣給劉鶚，劉鶚根據自己的研究，出版《鐵雲藏龜》，這是第二位對於甲骨文研究作出貢獻的人士。第三位是民國初年的王國維先生。他利用甲骨片上所記錄的時間，證實了司馬遷於史記所記錄的商朝年代更替是確實存在的。

說甲骨，解甲骨

以時間體系為例，甲骨文中的「日」是模擬太陽的形狀，以一個近似圓圈的造型出現。而「月」，雖然有滿月的圓形形象，但因為圓形已被「日」借用，因此模擬其陰晴圓缺的造型。

甲骨文中的「旬」，原本是代表「十日」。在當時，甲骨文視作為占卜的文字。商人迷信至每十天就會進行一次占卜，以得知未來十天的命運。「旬」字也成為時間的名詞。另外，商朝亦確立了「年」與天干地支系統的文字。

在神鬼秩序上，如同「祭」的古字，左邊是肉，右邊是手，表示「手捧著肉」的行為。這暗示了祭祀時需要牲禮的行為。商朝人很喜祭祀，在幾個字上都能看到端倪，如「天」、「帝」、「且」、「示」、「祖」、「宗」等都能看到祭祀活動對於商朝的重要性。

從甲骨文中，也能夠得知商朝好戰的個性。如「族」字，是弓箭手與旗幟的組合。代表擁有武器的一方是我族類的概念。這樣與武力相關的概念也包含在「我」、「弓」、「矢」、「彘」、「疾」。

從甲骨文也可以推斷商朝的生活脈絡。例如「女」字，甲骨文的形象是女性跪坐。相同地，「飲」字也是一個人字跪坐地上做飲用動作。可以猜想，商朝當時並不存在椅子，與人相處多為跪坐姿態。

Q & A 時間

Q：老貓為什麼投入甲骨文研究？有沒有什麼工具推薦給對甲骨文有興趣的朋友？

A：因為我退休了，退休總要找點事情做（眾人笑）。我自己很喜歡文字，我發現甲骨文是大眾最陌生的文字形式。所以雖然沒有專業背景，但是我可以依靠自己對文字的熱愛，把它轉化成一般大眾可以接受的知識內容。遺憾的是，台灣擁有豐富的甲骨文遺跡，目前收藏在南港中研院的史語所，但北台灣卻沒有甲骨文相關的課程。目前大部份的知識內容，都是靠前人的研究或是自己另外買書累積起來的。

Q：請問老貓，解甲骨文時，怎麼確認自己的解讀正確？

A：學者的解讀很重要。甲骨文與金文之間有深厚的關聯。王懿榮也是因為憑藉對金文的認識，才發現龍骨上的甲骨文字。中國的文字有變化的過程，從甲骨文、金文，逐漸演變成近代的楷體。古文字學者會藉由青銅器的金文筆畫，來確認甲骨文的部分，逐字推敲，以確認各部分的意涵。

Q：甲骨文佐證太史公的史記，但是我們怎麼確認歷史是真的？

A：（呂世浩老師回答）我想這個問題可以分成兩個層次：

1. 考古學與歷史學的分別在哪裡？
2. 歷史是真的嗎？

針對第一個問題，考古學是第一手資料，放在地底的東西很少，被我們挖出來的東西更少。也就是，我們其實是用一小部分的物件來猜測那個朝代的全貌。考古是實物，但也是猜測，會與事實有落差。歷史學雖然是第二手資料，但它是經由後人整理出一件事情或是一個朝代的全貌。我會認為，這兩者不能兼廢。

那這樣的確就會衍生出第二個問題：歷史是真的嗎？這個人的解讀是對的嗎？如果是這樣，我會想問：「那什麼是真的？」如果不是當事人寫的就不可信；那，當事人所寫的回憶錄可信嗎？我們的記憶可信嗎？即便是錄音、錄影，都只能補捉一小部分。如果能夠把一個人的一生記錄下來，我們要相對地花一輩子的時間去了解這個人嗎？

在我的想法：沒有真實的歷史，但有歷史的真實。在歷史學當中，會不斷地利用各種證據，來考究、來逼近最真實的歷史。如果你認為這樣的歷史不夠真實，就必須提出更可信的資料來推翻。如同科學一般。如果不承認現有資料，也不提出證據，使用這樣的論點來說明學歷史是無用的。這樣幾近等同於人文學的崩盤了。因為人文學的所有基礎，就建立在這套歷史上。

【關於 M. I. C.】

M. I. C.（Micro Idea Collider，M. I. C.）微型點子對撞機是 PanSci 定期舉辦的小規模科學聚會，約一個月一場，為便於交流討論，人數設定於三十人上下，活動的主要形式是找兩位來自不同領域的講者，針對同一主題，各自在 14 分鐘內與大家分享相關科學知識或有趣的想法，並讓所有人都能參與討論，加速對撞激盪出好點子。請務必認知：參加者被(推入火坑)邀請成為之後場次講者的機率非常的高！

本場演講由科技部「科普資源整合運用推廣計畫」支持，PanSci泛科學與國家高速網路與計算中心共同舉辦。感謝平安文化支持科普好書 秦始皇︰一場歷史的思辨之旅。歡迎大家到科技大觀園閱讀更多科學內容。

• 文／張之傑

和平號是艘平民化的郵輪，船上沒有賭場和舞廳，飲食僅限三餐及兩次點心時間，喝酒得刷卡付費。既然是艘平民化郵輪，和平號停靠的港口較少，郵輪的港口停泊所費不貲。

我們此行（一Ο一回）只停靠二十三個港口，其中從檳城到埃及賽得港十四天，從聖米格爾島至紐約七天，從巴布亞新幾內亞拉包爾到橫濱八天……漫漫長途，總得讓乘客有些事做啊！

和平號每天出版一張《船內新聞》，有英文、日文、中文三個版本。晚餐前後出版，發佈翌日的各項活動。尺寸 A3 大小，雙面印刷，一面報導上午活動，一面報導下午活動。頁面的縱軸是時間，橫軸是場地。

活動分為：文化教室、領航人企劃、和平號企劃、自主企劃、Japan Grace 企劃、GET（Global English-Espanio Training）企劃等，在海上期間，每天都有七、八十項，不啻是所海上社區大學。只要有心學習，可忙得很呢。

限於篇幅，本篇只介紹領航人企劃。所謂領航人，是指特邀專家學者，他們隨船走一段路，中途下船。和平號負責來回程機票，在船上期間供給食宿，不付薪酬。

郵輪上的外籍領航人——袁群醫師

船上聘的領航人以日本人為主，也有少數外籍的，袁群醫師就是其中之一。袁醫師五月二日從檳城上船，五月十六日在埃及賽得港下船，在船上待了十四天，作過十場演講，華語和日語各五場。他的五場華語演講我都聽了。

袁群醫師的第一場華語演講是五月六日。這天內人上完莎莎舞回來，說有個領航人企劃「海上健康法」，四時開始，應該早點去，晚了可能沒有位子。我們來到八樓的星光廳，立牌上寫著：演講者袁群，北京第一中西醫結合醫院內分泌科主任、日本東北大學醫學博士。船上的華人有兩百多人，幾乎到齊。

袁醫師秀出投影片，講題卻是「健康長壽的秘訣：三個指標一片藥」。三個指標是：血糖、血壓、血脂，後者主要指低密度膽固醇（俗稱壞的膽固醇），一片藥是指一百毫克的阿斯匹靈。

袁醫師說，人的死亡百分之七十五和循環系統（心血管）疾病有關。高血壓、糖尿病、肥胖、抽菸以及低密度膽固醇高等，都是心血管疾病的危險因子。因此每年檢測兩次血糖、血壓、血脂，如果有點問題的話，每天服用一顆阿斯匹靈，就可以降低風險。（編按：此說法尚有爭議）

至於高密度膽固醇，俗稱好的膽固醇，可以清除血管壁過多的膽固醇，將其帶回肝臟，經由膽汁與腸道排出體外。因此，血液中的高密度膽固醇高，就能夠保持血管暢通，增加血液流量。

生活作息中，肥胖、抽菸或少運動，都會降低高密度膽固醇。相反的，減肥、戒菸以及運動，則可提升高密度膽固醇。多吃魚類、水果、蔬菜、全麥、豆類，少吃碳水化合物和紅肉、油脂，也可以提高高密度膽固醇。

袁醫師年約四旬，身形高瘦，演講十分風趣。演講完畢，我趨前向他祝賀，他笑著說：｢科普嘛，就是讓人聽得懂，感到有趣。」袁醫師可謂深得科普三昧。

袁群醫師船內演講，從日本見聞談到科學養生

五月九日下午四時，袁群醫師在星光廳作第二場華語演講「日本漫步」。袁醫師在日本求學五年、工作三年，根據他的見聞介紹日本文化。記憶最深刻的是日本的婚禮習俗，紅包只有日幣一萬、三萬、五萬三種。喜宴結束，各自根據其禮金，扣除自己的餐費，再補送你一些日用品，如此兩不相欠。

五月十日下午四時，袁醫師在星光廳作第三場華語演講，講題「中醫與西醫」。演講的主旨是：中西醫是兩個不同的系統。他建議有病時先看西醫，弄清楚是什麼病，再決定找中醫還是西醫。袁醫師說，中醫重視預防醫學。中國大陸上的中醫醫院一般都設有「未病科」，即在未發病前先做預防性施治，三伏貼就是個例子。

五月十一日上午十一時十五分至十二時十五分，袁醫師在星光廳作第四場演講，《船內新聞》公佈的題目是「教教我，身體在意的地方」，秀出的投影片卻是「辨體識質，科學養生」。

中國大陸中醫界訂出平和型、氣虛型、陽虛型、陰虛型、痰濕型、濕熱型、血瘀型、特稟型等八種體質，並訂出各自的判定表。他帶來「中醫體質分類與判定表」，供我們自己評量，還留下電郵，讓我們把評量結果寄給他判讀。可惜船上只給印五十份，只有少數人拿到。

五月十三日，下午一點半至兩點半在星光廳聽袁醫師的第五場華語演講，《船內新聞》公布的是「你是屬於什麼樣的體質」，實際上是「健康檢查指數的秘密」，教人如何看健康檢查表上的數值，受用良多。

這演講主要想要回答：為什麼到目前為止，人們雖然有很多腦部神經科學的實驗數據資料，可是卻缺乏對整體大腦的理論了解。他的論點是，人們用錯誤的觀點去看待智慧，認為智慧是接受各種輸入而做出各種行為的黑盒子，可這種框架無法引導腦部認知理論的發展。

他提出來的是，應該將腦看做是一個持續記憶跟持續根據記憶做預測的機器，行為是被這些記憶跟預測所影響，而非每次做複雜的運算來得到合適的行為。Treo 的發明者 Jeff Hawkins 除了建議學者們從另一個角度去研究大腦外，也預測這樣的新的大腦研究方式所得到的智慧理論，會有助於開發各種智慧系統。

本文原發表於科學影像Scimage 演講[2010-06-10]