Loading [MathJax]/extensions/tex2jax.js

23

30
4

文字

分享

23
30
4

你會因為名人推薦而買書嗎?為什麼?|【科科齊打交】

活躍星系核_96
・2021/01/21 ・1035字 ・閱讀時間約 2 分鐘 ・SR值 395 ・三年級

S編按:【科科齊打交】是我們希望可以與大家一起進行的對話形式。泛科學編輯部會盡力蒐集資料,提供可以協助討論的科學內容,期待能夠塑造一個開放與理性討論的空間。

這一次想特別和愛書的科夥伴們一同聊聊:大家究竟會不會因為名人推薦而買書呢?你買書的依據又是什麼呢?

現在,我們想邀請你,在閱讀完相關內容後,在此文底下留言,與我們分享你的想法!

名人一推薦,就上排行榜?

事情是這樣的,話說 1 月 13 日時,YouTube 頻道「老高與小茉 Mr & Mrs Gao」所推出的影片中,談到了尼采的著作《查拉圖斯特拉如是說》。

挾帶著 300 多萬訂閱的高人氣與 200 多萬的影片瀏覽量,兩日後,這本經典成功登上了博客來即時排行榜第二名,而尼采的精裝版三冊套書也一路飆升至即時榜第六名。

這樣的氣勢與後續效應引發了不少正反面討論,相關內容歡迎大家敲碗,我們下次再做一集齊打交給大家講解。

所以說,大大到底看了哪些書?

名人推薦書單或談論書籍從不是新鮮事,像是比爾蓋茲年年都會公布自己的夏季與冬季書單,許多通路都會設立專區分享相關資訊。

-----廣告,請繼續往下閱讀-----
博客來公布2020比爾蓋茲的冬季選書。圖/博客來網頁截圖
誠品也有公布。圖/誠品網頁截圖

除了比爾蓋茲之外,歐巴馬、歐普拉等等名人也都有推薦書籍的習慣。

大家真的會根據名人建議來買書嗎?

不過,名人書單這麼多,推不推薦真的會是購書指標嗎?

根據 SmartM 世紀智庫所進行的「2017台灣閱讀習慣大調查」,透過兩千多份問卷發現,大多數人會逛網路/實體自行選購書籍 (62.5%),名人分享與推薦則約三成 (28.3%),部分人則會透過廣告與出版社通知了解書訊並購書。(為複選題會重複計算)

那科夥伴們呢?你們選書屬於哪一派?

A. 名人推薦就是讚,跟著大老準沒錯!

B. 相信自己的判斷,我自有套選擇法!

C. 看心情,還在猶豫買不買的時候,會想看看是否有名人推薦

D. 其他

歡迎大家留言分享!

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 23
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

0
0

文字

分享

0
0
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。

1

2
1

文字

分享

1
2
1
如何提升學生閱讀能力?臺師大宋曜廷副校長專訪
PanSci_96
・2022/07/07 ・4422字 ・閱讀時間約 9 分鐘

  • 採訪編輯|陳儀珈
有些孩子一看到文章,就一個頭兩個大。 圖/envato

關於「臺灣學生閱讀能力退步」的說法,早已不是新聞了,但這現象真的存在嗎?就算存在,怪罪社群媒體、影音平台,然後多讓學生們多讀幾本經典名著就能解決問題嗎?如果不是,還能怎麼做?

現代問題要有現代手段,國立臺灣師範大學教育心理與輔導學系講座教授,同時也是該校副校長的宋曜廷帶領研究團隊,先用科學方法研究學生的閱讀能力,接著透過評量,逐步找出解方。

臺師大宋曜廷副校長。

「考試領導教學」一直是臺灣教育的硬傷,在當今臺灣「應試教育」的體制下,無論是什麼內容或教學方式,只要你是名師,在補習界永遠都可以有一席之地,然而,閱讀習慣這件事,沒有辦法透過應試導向的「補習」補起來。

在「應試」體制下的臺灣教育

針對臺灣學生的閱讀能力,宋曜廷的研究團隊發現,臺灣學生整體閱讀能力的確退步得很顯著,但學校端遲遲無法提出積極、有效改善閱讀教育的作為,家長也無法得到外界的有效支援。

-----廣告,請繼續往下閱讀-----

以應試導向作為教育主軸,或許在臺灣和部分亞洲國家是可行的、能創造亮眼成績的,但這只是現在,而不是未來,更不是全球的趨勢。這個資訊爆炸的時代,應試取向的教育並非長久之計,新的學習觀念和教育研究都顯示,應試教育將會被「素養教育」所取代。

應試教育並非未來的學習趨勢,而是會被素養教育給取代。圖/envato

為了解決上述問題,宋曜廷藉由語言學、心理學、人工智慧技術,成功研發出「適性閱讀系統 SmartReading」平台,不僅能夠診斷學生的閱讀能力、客觀分析文本的難易度,也可以推薦適合學生程度的書籍,結合適性測驗、文本難度測驗,達到最好的學習和教學效果。

找到適合不同程度閱讀能力的文本

讓低年級的孩子讀《盲眼鐘錶匠:解讀生命史的奧祕》、《沙灘上的薛丁格,生活中的量子力學》等有一定難度的書籍,不是訓練,而是一種折磨。那要怎麼才可以選對書,讓學生讀到難度適中的文本呢?

以英語為例,「Lexile 藍思」是全世界最知名、最有公信力之一的英語閱讀程度指標,有無數的老師、家長和書商,甚至是美國教育部,都大力推廣使用 Lexile 藍思來增進孩子的英文閱讀能力,並追蹤學習的狀況。

-----廣告,請繼續往下閱讀-----
如何替學生選到合適的閱讀書籍?圖/envato

那麼臺灣呢?宋曜廷表示,其實我們早就做出來了!畢竟臺灣學生的知識背景、典型的知識空間,是很簡單就可以整理出來的。

為了讓人們更精準、客觀地了解文本的難易度,宋曜廷結合閱讀心理學、語言學及機器學習,研發出「中文文本可讀性指標自動化分析技術」(Chinese Readability Index Explorer, CRIE),分析文本中的五大客觀指標(基本層次、字詞層次、句法層次、語意層次、以及凝聚類層次),以評估文章的用字遣詞及文章結構。

除了上述語言特徵外,宋曜廷的研究團隊更整合不同特定領域的知識,以評估文章中「專業知識」的難度,最終開發出通用型的文本可讀性模型,可用來量化不同領域書籍或文章的「SR 值」及「適讀年級」。

其中 SR 值為文本的難度值,若 SR 值愈大,則代表這篇文章或書籍的難度愈高。

-----廣告,請繼續往下閱讀-----

若是好奇 CRIE 的分級成果,歡迎大家前往適性閱讀系統 SmartReading 的「閱讀分級書庫查詢系統」,該網站已收錄了「金鼎獎」、「中小學生讀物選介」、「兒童文學牧笛獎」等超過兩萬筆優良書目的得獎好書,並公布各個書籍的難度分級,提供大眾作為閱讀選書的參考依據。

踢走閱讀教育的絆腳石:太難懂、不適合和不深刻

除了書籍本身的難易程度,學生的閱讀能力,也會影響閱讀的成效和訓練。

因此,宋曜廷以閱讀心理學、閱讀能力發展歷程理論為基礎,參酌國際重要閱讀能力評量(PISA & PIRLS)與美國國家教育進步評量(NAEP)後,研發「中文閱讀能力診斷評量」(Diagnostic Assessment of Chinese Competence, DACC),藉由線上測驗,檢測出學生的閱讀能力。

根據認知發展理論,DACC 將學生的閱讀能力分為五大向度,分別為「字詞辨識」、「表層文意理解」、「文意統整」、「推論理解」以及「分析評鑑」。

-----廣告,請繼續往下閱讀-----

適性閱讀系統 SmartReading 結合了能夠判斷書籍難易程度的 CRIE 技術,以及診斷學生五大向度閱讀能力的  DACC 評量,結合「書」與「人」的兩種指標,提供一組符合孩子閱讀能力的推薦書單,並讓學生自由選擇有興趣的書籍。

透過五大向度的評量,推薦孩子閱讀書單。圖/envato

然而,匹配到適合的好書還不夠!研究團隊指出,臺灣學生缺乏的是「較高層次的知識整合與闡釋的能力」,因此一個培養閱讀習慣的好系統,還必須訓練學生「規劃閱讀計畫、評估閱讀成效、調整閱讀技巧」,讓孩子讀書讀得夠深刻。

適性閱讀系統 SmartReading 不僅有「讀後評量」、「閱讀計畫」的功能,更開發出評量學生摘要、心得的技術,並自動給予評分,是目前全世界第一且唯一的中文閱讀心得自動評分技術!

讀得多不等於讀得好,看 YouTuber 說書也不等於讀書

以往似乎會認為,只要孩子的閱讀量越大,就代表閱讀能力好、閱讀的效果也會好,但宋曜廷指出,這是很有爭議的說法,在教育學與心理學上,仍然無法證實閱讀量與閱讀力的有相關。

-----廣告,請繼續往下閱讀-----

光是如何評估「閱讀量」,就有許多討論的空間。閱讀量等於文字量嗎?這些文字的品質如何?看了這麼多,究竟讀了什麼?有深入反省和批判嗎,抑或只是囫圇吞棗呢?

由於「認真讀」和「隨便讀」展現出來的成果、文字解構能力是完全不一樣,因此,在適性閱讀系統 SmartReading 中,會用相當嚴謹的平台互動、閱讀評量和讀後心得來檢驗閱讀的整體成效。

「閱讀力」與閱讀量不一定有關,也不容易評測。圖/envato

此外,若只單論閱讀能力的話,那就太「認知」了,在閱讀教育上,宋曜廷同樣看重的是閱讀的動機以及興趣。

孩子到底有沒有越來越喜歡閱讀?

宋曜廷指出,有許多人在進行閱讀教育時只在乎認知面,而忽略了情意面,尤其是「閱讀習慣」這一塊,更是難以被客觀測驗,而必須追蹤長達數年,才可以判斷孩子究竟有沒有持續的愛閱讀。

-----廣告,請繼續往下閱讀-----

隨著時代數位化,除了紙本的閱讀,學生更多了電子書,甚至是有聲書、影片說書的選擇,然而,這到底算不算是一種「真正的閱讀」呢?

宋曜廷認為,「文字」的閱讀是不可取代的。除了文字是更深入、更有效率和效果的知識擷取外,在大腦處理資訊的過程,文字與影像進入記憶的機制是完全不一樣的,因此影像式的閱讀是另一個面向,無法真正取代傳統的文字式閱讀。

對大腦來說,輸入文字資訊與影像資訊是不同的記憶機制。圖/envato

對於宋曜廷而言,YouTube 更適合作為一個引子,導引我們進入文字、發掘更深入的閱讀,也許當今影像的開發性、可能性比較高,也可以傳達更細膩的細節,但這幾千年來,人類對於文字的心領神會,是無可取代的。

在影視媒體的大舉進攻之下,若長篇文字(例如:書籍)的閱讀已經式微,像泛科學這種以「單篇文章」來乘載知識的方式,也許是值得推薦的。這種單篇、組合式的閱讀,只要足夠震撼、精煉,不僅維持文字原有的穿透性,也能「擾動」讀者去閱讀更多知識,作為一種閱讀的敲門磚。

-----廣告,請繼續往下閱讀-----

從賣書的變成讀書的,再變成教書的!

宋曜廷感慨道,五十年前他小時候是個沒有書可以念的時代,在那個資源匱乏的社會,只有成績好的學生,才可以得到老師獎勵的一本書,考不到前三名,就沒有書可以看,《國語日報》更是許多人愛不釋手的寶藏。

回想起《國語日報》和當年的光景,宋曜廷也相當的懷念,「沒想到《萬能車》真的實現了!」

然而,隨著科技與網路技術的崛起,對於現在的學生而言,不僅書本唾手可得,還有著其他無限多的內容:遊戲、電影、動漫畫、網路影音等在搶奪人們的注意力,曾經輝煌、風光無限的出版業,如今卻變得灰頭土臉。

出版業遇到各種新型資訊載體的衝擊。圖/envato

在科技狂潮下,數位化時代對出版業帶來巨大的衝擊,讀者閱讀習慣的轉變,更讓出版業面臨轉型的危機。

面對出版環境的驟變,傳統的大型出版社和書商,究竟該如何因應?中游的電商、科技學習或線上學習公司,可以怎麼協助相關的電商工作並擴展市場?在茫茫書海中,學生到底要怎麼選到正確的好書?

宋曜廷的研究團隊靠智慧型閱讀系統 SmartReading 平台打造「智慧型閱讀小聯盟」,集結了志同道合、願意推廣閱讀教育的聯盟會員,一起讓孩子喜歡讀書。加入聯盟後,作為上游的出版社與圖書銷售業,可以獲得前文所提及的  CRIE 自動分級技術,隨後由中游的電商與行銷單位利用 SmartReading 平台,將上游會員的書籍和文本推廣給有需求的下游會員,營造適性化閱讀的環境,讓家長和老師協助培養學生的自主閱讀習慣和能力。

「將出版業從賣書的,變成讀書的,再變成教書的!教書不是教真正的內容和知識,而是讓孩子對閱讀有興趣,因讀書而滿足。」宋曜廷這麼說道。

透過聯盟將閱讀的上中下游串連了起來,讓出版社不只是出版社、學生也不僅僅是只能接收知識的讀者,如此一來也才有機會讓「閱讀的生態系」能夠生生不息。

-----廣告,請繼續往下閱讀-----
所有討論 1
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

1

6
4

文字

分享

1
6
4
Deepfake 不一定是問題,不知道才是大問題!關於 Deepfake,你需要知道的是⋯⋯?
TingWei
・2022/01/24 ・3489字 ・閱讀時間約 7 分鐘

編按:你的理智知道「眼見不為憑」,但你的眼睛還是會背叛你的理智,不自覺得被眼前的影像所吸引,儘管你真的、真的知道他是假的。Youtuber 小玉於2021年底涉嫌利用 Deepfake 技術,偽造多位名人的色情影音內容並販售的事件,既不是第一起、也不是唯一、更不會是最後一個利用「深偽技術」進行科技犯罪的事件。

當科技在走,社會和法律該如何跟上甚至超前部署呢?本次 Deepfake 專題,由泛科學和法律白話文合作,從Deepfake 技術與辨偽技術、到法律如何因應,讓我們一起全方位解析Deepfake!

第一篇,讓我們就 Deepfake 技術做一基礎的介紹,那我們就開始囉!

什麼是 Deepfake?

深偽技術 Deepfake 於 2017 年陸續開始進入大眾的目光中。原文 Deepfake 源自於英文「deep learning」(深度學習)和「fake」(偽造)組合,主要意指應用人工智慧深度學習的技術,合成某個(不一定存在的)人的圖像或影片、甚至聲音。最常見的應用,就是將影片中的人臉替換為另一張臉(常是名人),讓指定的臉在影片中做出自己從未說過或做過的事情。

利用深度學習技術合成或是置換人臉的技術,都是屬於Deepfake。圖 / stephenwolfram

現今談到 Deepfake,大多數人想到的可能是偽造的成人影片,就如前述 Youtuber 小玉的事件,Deepfake 一開始受到關注,主要與名人或明星的臉部影像被合成到成人影片有關,然而,Deepfake 的功能遠不僅於此,相關的技術使用還包括了替換表情、合成一整張臉、合成語音等等。

除了像是讓過去或現在的名人在影片中「栩栩如生」做出使用者想要的表情與動作,之前在社群媒體上曾有好幾款 APP一度風靡,包括上傳一張照片就可以看看「變老」「變性」自己的 FaceApp,甚至於讓自己的臉在經典電影中講上一段台詞的「去演」APP,這類的功能也是應用前述 Deepfake 的技術。

雖然有些線索顯示這類 APP 常有潛在的資安疑慮[註],但好歹技術的成果多屬搏君一燦自娛娛人,尚可視為無傷大雅。

-----廣告,請繼續往下閱讀-----
「栩栩如生」的愛因斯坦

而過往電影的影音產業要仿造人臉需要應用許多複雜、耗時、昂貴的電腦模擬,有了 Deepfake 相關的技術,也使得許多只能抱憾放棄的事情出現了彌補的空間。最有名的應用應是好萊塢電影《玩命關頭7》與《星際大戰》系列。《玩命關頭7》拍攝期間主角保羅・沃克(Paul William Walker IV)意外身亡,剩下的戲份後來由弟弟擔綱演出,劇組再以 Deepfake 的技術讓哥哥弟弟連戲,整部電影才得以殺青上映。

Weta Digital 說明如何讓保羅・沃克的弟弟 Brian O’Conner 能透過 Deefake 的技術,繼續協助 保羅・沃克演完《玩命關頭7》

Deepfake 讓「變臉」變得太容易了?

想想過去的電影如《魔戒》中的咕嚕、或是 2008 年布萊德・彼特主演的《班傑明的奇幻旅程》,將影片或照片中人物「換臉」「變老」的修圖或 CG 技術,在 Deepfake 出世之前就已經存在了。Deepfake 受到關注的核心關鍵在於,應用 AI 的深度學習的演算法,加上越來越強大的電腦與手機運算能力,讓「影片換臉」這件事情變得越來越隨手可得、並且天衣無縫。

利用CG技術把布萊德・彼特「變老」。 圖 / © 2008 – Paramount Pictures

過往電影中採用的 CG 技術要花好幾個月由專業人士進行後製,才能取得難辨真偽的影像效果,而應用了 AI 演算法,只需要一台桌上型電腦甚或是手機,上網就可以取得軟體、有機會獲得差強人意的結果了。

進一步,傳統軟體演算法主要依靠工程師的持續修改調整,而如 Deepfake 這類技術,內部的演算法會經過訓練持續進化。有許多技術被應用於提高 Deepfake 的偽造效果,其中最常見的一個作法被稱為「生成對抗網路(Generative Adversarial Network, GAN)」,這裡面包含了兩組神經網路「生成器(Generator)」和「辨識器(Discriminator)」。

-----廣告,請繼續往下閱讀-----

在投入訓練資料之後,這兩組神經網路會相互學習訓練,有點像是坐在主人頭上的小天使與小惡魔會互相吐槽、口才越來越好、想出更好的點子;在練習的過程中,「生成器」會持續生成偽造的影像,而「辨識器」則負責評分,反覆訓練下來,偽造生成的技術進步,辨識偽造的技術也得以進步。

舉例來說,This Person Does Not Exist 這個網站就充滿了使用 GAN 架構建構的人臉,這個網站中的人臉看上去非常真實,實際上都是 AI 製造出來的「假臉」。

This Person Does Not Exist 裡的「假臉」。

Deepfake 影片不一定是問題,不知道是 Deepfake 才是問題

現今的 Deepfake 技術得以持續進步、騙過人眼是許多人努力的成果,也不見得都是壞事。像是《星際大戰:俠盜一號》片尾,年輕的萊婭公主出面驚鴻一瞥,就帶給許多老粉絲驚喜。這項技術應用癥結在於,相關演算法輕易就能取得,除了讓有心人可以藉以產製色情影片(這類影片佔了Deepfake濫用的半數以上),Deepfake 製造的影片在人們不知情的情況下,很有可能成為虛假訊息的載體、心理戰的武器,甚至於影響選戰與輿情。

因此,Deepfake 弄假似真不是問題,閱聽者因此「不辨真假」才將是最大的問題所在。

-----廣告,請繼續往下閱讀-----
歐巴馬的 Deepfake 影片

相關的研究人員歸納了幾個這類「變臉」影片常見的特徵,可以用來初步辨識眼前的影片是不是偽造的。

首先,由於 AI 尚無法非常細緻的處理一些動作細節,因此其眨眼、視線變化或臉部抽蓄的動作會較不自然。其次,通常在邊緣處,如髮絲、臉的邊緣線、耳環等區域會出現不連貫的狀況。最後,在一些結構細節會出現不合理的陰影瑕疵,像是嘴角的角度位置等。

由於現階段的 Deepfake 通常需要大量的訓練資料(影像或影片)才能達到理想的偽造成果,因此會遭到「換臉」的受害者,主要集中在影像資源豐富的名人,如電影明星、Youtuber、政治人物等。需要注意的是,如果有人意圖使用 Deepfake 技術製造假消息,其所製造的影片不見得需要非常完美,有可能反而降低解析度、非常粗糙,一般人如用手機瀏覽往往難辨真假。

人眼已經難辨真假,那麼以子之矛攻彼之盾,以 AI 技術辨識找出 Deepfake 的成品,有沒有機會呢?隨著 Deepfake 逐漸成為熱門的議題,有許多團隊也開始試圖藉由深度學習技術,辨識偽造影像。2020 年臉書與微軟開始舉辦的「換臉偵測大賽」(Deepfake Detection Challenge)就提供高額獎金,徵求能夠辨識造假影片的技術。然而成果只能說是差強人意,面對從未接觸過的影片,第一名辨識的準確率僅為 65.18%。

-----廣告,請繼續往下閱讀-----
「換臉偵測大賽」(Deepfake Detection Challenge)的辨識素材。圖/MetaAi

對於 Deepfake 可能遭到的濫用,某部分我們可以寄望技術的發展未來終將「道高一尺」,讓社群平台上的影像不致於毫無遮攔、照單全收;然而技術持續「魔高一丈」讓防範的科技追著跑,也是顯而易見的。

社群網路 FB 在 2020 年宣布全面禁止 Deepfake 產生的影片,一旦有確認者立即刪除,twitter 則強制註記影片為造假影片。Deepfake 僅僅是未來面對 AI 浪潮,科技社會所需要應對的其中一項議題,法律、社會規範如何跟上?如何解決箇中的著作權與倫理問題?這些都將是需要經過層層討論與驗證的重要課題。

至少大家應該心知肚明,過往的網路流行語:「有圖有真相」已經過去,接下來即將面臨的,是一個「有影片也難有真相」的網路世界了。

  • 註解:推出 FaceApp 與「去演」的兩家公司其軟體皆要求註冊,且對於上傳資料之後續處理交代不清,被認為有侵犯使用者隱私權之疑慮。

參考資料

-----廣告,請繼續往下閱讀-----
  1. Deepfakes and the New AI-Generated Fake Media Creation-Detection Arms Race – Scientific American
  2. What To Do About Deepfakes | March 2021 | Communications of the ACM
  3. Tolosana, R., Vera-Rodriguez, R., Fierrez, J., Morales, A., & Ortega-Garcia, J. (2020). Deepfakes and beyond: A survey of face manipulation and fake detection. Information Fusion, 64, 131-148.
  4. Deepfake 深偽技術的技術濫用與道德困境,大眾正要開始面對 | TechNews 科技新報
  5. 台灣團隊研究辨識Deep Fake影片 深偽技術的正邪之戰開打 | 台灣事實查核中心 (tfc-taiwan.org.tw)

-----廣告,請繼續往下閱讀-----
所有討論 1