Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

失去的可不只是牙齒,還有心智能力?

cleo
・2012/08/19 ・1060字 ・閱讀時間約 2 分鐘 ・SR值 498 ・六年級

一個看牙醫的好理由 或許沒牙齒的人比較笨的這個刻板印象是有些根據的。根據一組日本科學家的研究,擁有較少的牙齒等於擁有較差的記憶力。時間也會影響,成為無齒之徒的時間愈長,愈有可能出現認知退化的現象。現在,可能是聽醫生建議,好好剔牙的大好時機。

Nozomi Okamoto跟他的團隊想要解讀出哪些特徵可以預測隨著年紀增長而出現的記憶衰退。第一眼看來,牙床跟腦部作用似乎沒什麼關係,但過去的研究指出牙周病與失智症的發展有關連。在鼠類研究中,移除齧齒類的牙齒會造成咀嚼次數減少,但特別的是,也造成海馬迴中的腦神經,及腦部化學物質乙醯膽鹼(acetylcholine)的減少,此兩種現象為老年癡呆症的現象。

有些研究指出,由牙床疾病產生的發炎物質可能會造成腦部發炎。口腔健康有可能代表心智能力嗎?

Okamoto從日本奈良地區(京都南端)找來了4000位超過65歲的實驗參與者。Okamoto評估了實驗參與者是否有輕度記憶障礙(Mild Memory Impairment)的現象,此為失智症的臨床前階段。他也請了2位牙醫計算實驗參與者的剩餘牙齒數,及無齒的參與者,沒有牙齒的狀態持續多久了。

-----廣告,請繼續往下閱讀-----

為了解釋其它可能影響記憶能力的說法,Okamoto也測試了憂鬱程度、典型的酒精飲用、抽煙習慣、生活方式、教育程度,及病史。 即使在其它因素(如教育程度、生活方式)被控制的狀態下,較少牙齒的人,顯然在記憶測驗中表現較差,且較常出現輕度記憶障礙的現象。沒有牙齒達15年的實驗參與者,發展出輕度記憶障礙現象的機率是有牙齒的人的3倍高。現在我們知道為什麼它們叫智慧之齒了。

但這些研究結果存有一些疑慮。Okamoto只有與實驗參與者碰面幾個月,但與老化相關的實驗需要研究人員追蹤實驗參與者多年,才能確定之間的關係究竟因果關係或只是一個普通的關結。較少的牙齒或許與心智能力有關,但我們不知道發生的先後順序。這可能是個先有雞還是先有蛋的問題。舉例來說,Okamoto也沒有審視基因關連,像是可能是導致落齒及認知退化的失智症基因ApoE4。 落齒及記憶的關連或許是不佳的口腔健康。牙周病會對牙床及牙齒的支持組織造成嚴重的發炎現象,但這個影響可不限於口腔。不健康的牙床與心臟疾病和中風也有相關,原因可能是因為導致口腔發炎的細菌,進入血管中造成牙菌斑在身體其它部位聚積,其中包括了腦部。

另一個可能的解釋是落齒使得感覺的輸入減少,而造成大腦皮層的退化。在鼠類實驗中,愈多牙齒被拔掉,愈多海馬迴中(與記憶形成相關)的細胞就會喪失。 或許這個研究的結果會對你下次看牙醫造成某些影響。照顧好你的牙齒可能會是幫你的心智好好剔個牙。誰會不同意呢?

資料來源:Losing Your Teeth, and Your Mind? [13 APRIL 2011]

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
cleo
49 篇文章 ・ 1 位粉絲
是個標準的文科生,最喜歡讀的卻是科學雜誌。一天可以問上十萬個為什麼。

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。

-----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。

0

2
0

文字

分享

0
2
0
掌控注意力與動機:終結找不到東西的困擾!——《記憶決定你是誰》
天下文化_96
・2024/08/03 ・1563字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

為什麼我們總是找不到鑰匙?

讓我們想像一個日常中會發生的情況。你下班回家,用手機確認電子郵件,同時把鑰匙插入鑰匙孔,打開大門。你踏入家中,家裡那隻不久前才認養、還沒訓練好規矩的好動小狗撲過來,纏著你跳來跳去,搞得你身上沾滿狗兒的口水。

你聽到女兒的房間大聲傳出卡加咕咕樂團(Kajagoogoo)的歌曲,一小段極易琅琅上口的重低音合成流行音樂鑽進你的腦門。你疲憊的走進廚房,裡面有股腐臭味,告訴你昨晚忘記把垃圾拿出去。然後,忽然一個抽痛,提醒你要冰敷幾週前扭傷的腳踝。

現在,不要轉頭,試著回想你把鑰匙放在哪裡。如果你想起自己把鑰匙留在鎖孔上,那很好,但如果實在想不起來,你也並不孤單。你可能只是被太多事情轉移了注意力,一旦有一大堆訊息襲來,我們對單一事件的記憶會變得混亂。

有時候就是無法想起自己將物品放在哪裡。 圖/envato

更糟的是,當我們試圖回想自己最後把鑰匙放在哪裡時,會一一過濾各式記憶,包括自己以前曾放置鑰匙的所有地方,以及我們把鑰匙放在各個地方的各種不同情況,不管那些事件是發生在昨晚、上個星期,甚至去年。會有很多這樣的干擾,所以諸如鑰匙、手機、眼鏡、皮夾,甚至車子等常用的東西,我們經常忘記它放在哪裡。競爭的記憶那麼多,能夠記住這些東西放在哪裡才奇怪。

-----廣告,請繼續往下閱讀-----

破解記憶混亂:注意力如何幫助你記住重要細節

試著把記憶想像成一張桌子,上面雜亂的放滿皺皺的紙片。如果你把網路銀行的密碼隨手抄在這種紙片上,要重新找到這張紙片,不僅需要耗費一番努力和運氣,同時也在挑戰你的記憶力。這類經驗就像艾賓浩斯努力背誦的無意義三字母組,要找到當下所需的正確記憶,難度會不成比例的增加。

但如果你把密碼寫在一張亮眼的桃紅色便利貼,要找到就變得格外容易,因為桃紅色便利貼會從桌上所有其他紙片之中凸顯出來。記憶以同樣的方式運作。愈特殊的經驗愈容易記得,因為它會從所有其他記憶裡凸顯出來。

愈特殊的經驗愈容易記得,就像一張亮眼的便條紙。 圖/envato

那麼,要如何使記憶從我們堆滿雜亂事物的腦袋中凸顯出來呢?答案是「注意力」和「動機」。利用注意力,大腦能把我們看到、聽到、想到的事情提高優先順序。我們隨時都可能把注意力放在四周的諸多事物上,而環境裡發生的事情常常會吸引我們注意。

在前面描述的假想情況中,你的注意力可能短暫的放在鑰匙上,接著注意力就被門打開後遇到的許多事情給轉移。即使你留意著應該記住的重要事物(一小時後得去機場接妻子,你需要那串鑰匙,否則會遲到),也不見得能幫你建立特殊的記憶,足以對抗各式各樣吸引你注意的干擾(好動的狗、廚房裡的垃圾臭氣,或女兒房間傳出的樂團聲音)。

-----廣告,請繼續往下閱讀-----

這就是「動機」登場的時候了。你需要利用動機來引導注意力,讓注意力鎖定在某個特定的事物上,好製造一個之後能找得到的記憶。下次你放下鑰匙這類經常找不到的東西時,花一點時間專注在當時和當地的某個獨特事物,例如檯面的顏色,或鑰匙旁邊那疊未拆封的信件。只要一點點專心的動機,就能對抗大腦忽略日常事件的天性,建立較為明顯的記憶,如此便有機會戰勝那些干擾的喧囂。

——本文摘自《記憶決定你是誰:探索心智基礎,學習如何記憶》,2024 年 7 月,天下文化,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

天下文化_96
142 篇文章 ・ 624 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。

1

1
1

文字

分享

1
1
1
被垃圾科學耽誤的人生:哈沃德的冤獄與平反——《法庭上的偽科學》
商周出版_96
・2024/01/04 ・4615字 ・閱讀時間約 9 分鐘

紐約市沃斯街四十號,無辜計畫

哈沃德的故事:因被冤枉身陷囹圄三十四年

基思.艾倫.哈沃德可以說是一名倖存者。他被維吉尼亞州錯誤定罪,但是逃過死刑執行。而且還是兩次。梅克倫堡矯正中心在一九八四年爆發了所謂的「大逃亡」(The Great Escape)1,那是有六名死囚越獄的空前維安漏洞,哈沃德面對其後的嚴密禁閉也倖存了下來。哈沃德面臨過殘酷的獄警、僅存的希望全被澆熄、父母的死訊,他的身分也被侵蝕到只能淪為 1125797 號罪犯,但是他倖存了下來。

他在維吉尼亞州刑罰體系中所有最嚴酷的監獄裡倖存下來了,先是梅克倫堡,接著是奧古斯塔(Augusta),然後又在蘇塞克斯二監(Sussex II)待了十年,還有現在的諾托韋,他在諾托韋那樣環境惡劣的監獄醫務室裡進行了重大的腸道手術,並且活了下來。雖然很勉強。

圖/unsplash

在被錯誤監禁的三十四年裡,哈沃德排的這條等待救援的隊伍從未向前移動。大量監禁讓他身邊的囚犯如雨後春筍般湧現,因此這條隊伍只會越排越長。他最初因為傑西.佩隆的入室謀殺案和對他妻子特蕾莎.佩隆的性虐待案而被關到梅克倫堡時,維吉尼亞州每十萬名居民中有大約一百五十人遭到監禁。

當我們發現特蕾莎用過的性侵採證套組、把它送去做 DNA 檢驗時,維吉尼亞州的監禁率已經超過每十萬名居民有四百五十多名囚犯,每十萬名黑人居民則是超過兩千四百人。2在那個看不見的國度裡,到底住著多少無辜的 1125797 號囚犯,我們不會知道。但是統計顯示,在維吉尼亞州和全國有數千名無辜的人被關在牢裡;他們大部分人都永遠不會再拿回他們的名字了。

-----廣告,請繼續往下閱讀-----
圖/unsplash

維吉尼亞州剝奪了哈沃德生命中的每一個里程碑。他沒能結婚,沒有小孩,沒有做過除海軍之外的其他職業。他在二十幾歲之後,除了監獄檔案的照片,就只有一張自己的照片。他具有指標意義的生日,三十歲……四十歲……五十歲……六十歲,都是在鐵牢裡度過的,他只是沒死而已。

事情一開始不是這樣的。他也曾經奮鬥過。他從獄中出庭為自己辯護一事,曾經讓他的有罪判決遭到撤銷。為他贏來一次重新審判的機會、再一次讓真相大白的機會。但是當陪審團第二次做出有罪判決、上訴法院也維持這個裁決時,哈沃德體內的鬥志突然被掏空了。他決定放棄,讓餘生都在監獄裡度過。就像他有一次對我說的:「我就待在牢裡等死算了。」

重新審判:不可靠的咬痕證據

就訴訟而言,二○一六年發現了性侵採證套組,州也同意進行檢驗,這使得前進的道路變得清晰。哈沃德和史蒂夫.錢尼不同,他不需要維吉尼亞州法院或是其他法院承認咬痕證據完全不可靠。他不需要新法律或是定罪完善小組就可以重返法庭。也不需要當初把哈沃德的牙齒和特蕾莎.佩隆大腿上的咬痕「配對」的六名牙醫取消他們的證詞。

圖/unsplash

哈沃德很幸運:他有 DNA 。檢測開始之後,就會像是一顆小圓石被丟出來,滾下山坡引起 被壓住的真相一波又一波的雪崩。其規模之大,會讓哈沃德甚至不需要重回法庭。

-----廣告,請繼續往下閱讀-----

他幾乎立刻就被排除在可能的嫌疑人之外,也就是說所有檢驗項目,包括性侵採證套組、凶手蓋在特蕾莎頭上的尿布,以及她被性侵時的沙發墊,上面的生物證據都不可能是他的。

我的辦公室裡傳來更多歡呼聲。這種感覺不同於最初發現物證箱時的那種驚喜。是好消息,但也是預期中的結果。無辜計畫法律團隊的每個人都相信基思.哈沃德是清白的,也都知道他是清白的。

圖/unsplash

之前在訴訟中移交的文件就已經證明了:刑事專家不實宣稱在犯罪現場收集到的血清證據,根據在 DNA 之前的血型技術無法確定。其實在審判之前就可以將哈沃德排除在取樣之外了。後來他又被排除在 DNA 證據之外,就是理所當然的了。

接著,我們得知 DNA 分析人員可以從保存的生物樣本中發展出完整的基因輪廓。這表示除了可以排除哈沃德是 DNA 的來源,甚至還有可能得知到底是誰的 DNA ;不同於史蒂夫.錢尼案中的 DNA 已經受到毀損,只能夠做到排除錢尼。

-----廣告,請繼續往下閱讀-----
圖/unsplash

從每一件證據中提取的 DNA 輪廓都沒有更新的資訊。它們都來自同一名男性,既不是基思.哈沃德,也不是特蕾莎的丈夫傑西。反而是一名陌生人把他的 DNA 留在整個犯罪現場。發現證據的位置和特蕾莎的證詞完全一致,因此顯得更有說服力,這份證據也與哈沃德自己的陳述一致;哈沃德說他從來沒有進過佩隆家。

證人誤認是錯誤定罪一大主因?

這在大多數州就足以推翻有罪判決了。但也還是有可能出現荒謬的「沒被起訴的共同射精者」理論。不過,這個案件中有一名受害者還活著。特蕾莎強忍著痛苦和性侵她的人共度了三小時。她知道那天晚上只有一個入侵者。一名殺了她丈夫的凶手。一個「咬了她的人」。

圖/unsplash

早在 DNA 排除哈沃德之前,特蕾莎本人就為哈沃德的清白提供了最有說服力的證據:她拒絕指認哈沃德。哈沃德是因為咬了他的女朋友而被逮捕,而且還戴著手銬,在這樣容易誤認的情境中,特蕾莎都沒有指認哈沃德就是毀了她家庭的那名水手。

她的這個立場在兩次審判中都沒有絲毫動搖。許多犯罪受害者很可能會接受暗示,或是不論有意或無意,急著指認被警方確信是凶手的那個人。的確,證人指認時的誤認,通常是因為警方的建議而導致的無心之過,是錯誤定罪的一大主因。

-----廣告,請繼續往下閱讀-----

除了咬痕,另外的唯一證據就是駐衛指認了哈沃德。然而,即使在當時,他的證詞也是勉強得來而且不可靠的,我們得知在取得他的證詞時,用了可以「強化」記憶的祕密催眠,因此顯然缺乏可信度。

圖/unsplash

即使用催眠誘導的指認可以相信,不過駐衛也只是說在襲擊案發生當晚,他有看到哈沃德回到基地。是的,他是說那個人穿了血跡斑斑的制服,不過那人其實不是基思.哈沃德,而且在當時的紐波特紐斯,喝醉酒的水手在酒吧跟人打架,然後滿身是血回到船上,也不是什麼罕見的事。歸根究柢,不論證人指認的這番話具有多少分量,它都不代表哈沃德那天晚上有進入佩隆家。只有洛威爾.萊文和阿爾文.凱吉的專家證人證詞明確說出了這一點。而 DNA 也證明了兩位牙醫是錯的。

真正的兇手到底是誰!?

哈沃德的案件已經走向崩解。真正的證據(affirmative evidence)不是指向他有罪,而是指向另一個第三人。無論在哪一州,這個「新發現」的證據應該都對推翻任何一個有罪判決綽綽有餘了,但是維吉尼亞州和大多數州都不一樣。維吉尼亞州是全美國對無罪主張最有敵意的州之一。被判無期徒刑的囚犯很少有活著走出來的。要讓無辜者重獲自由,通常前提是必須破案。

然後「聯合 DNA 索引系統」(CODIS)就找到他了:在訴訟中喊出了「將軍!」

-----廣告,請繼續往下閱讀-----
圖/unsplash

根據美國的 DNA 數據庫「聯合 DNA 索引系統」,確定性侵取證套組、沙發墊和尿布上的 DNA 是來自一名叫做傑里.克羅蒂的人。在這起性侵謀殺案發生時,克羅蒂是卡爾文森號航空母艦的一名水手,這艘航空母艦當時停泊在紐波特紐斯的船塢。

基思.哈沃德也在這艘船上服役。克羅蒂和哈沃德長得有點像,他曾經因為綁架罪而在俄亥俄州的監獄服刑,並在十年前死於獄中。在哈沃德入獄期間,他還犯下其他暴力犯罪,但是都沒有像一九八二年對佩隆一家的暴行那樣殘忍;當然,除非克羅蒂還犯了其他沒有被偵破的案件,或是被以為已經破案的犯罪。

全美國對無罪主張最有敵意的州?

媒體壓力再次升高。但不是像一九八二年那樣,當時行凶的水手逍遙法外,因此有兩名美國參議員敦促要盡速逮捕他;這次的壓力是要推翻多年前因為媒體推波助瀾而造成的有罪判決。

圖/unsplash

弗蘭克.格林(Frank Green)是《里奇蒙時報》(Richmond Times-Dispatch)的記者,他長期以來都對維吉尼亞州對無辜者的敵意有批判性觀察,他詳細報導了哈沃德的故事,從聲請推翻他的有罪判決的那一刻起。連諾托韋裡面的囚犯都注意到了。

-----廣告,請繼續往下閱讀-----

哈沃德在監獄裡的朋友們都為他打氣。他們開始從監獄圖書館的報紙上剪下與哈沃德案件有關的新聞剪報,並保留給他。隨著哈沃德的案件從一團混亂的垃圾科學訴訟,轉變成教科書等級的 DNA 平反案件,格林的報導刊登位置也越來越靠近頭版。當哈沃德的聲請在等待維吉尼亞州最高法院的決定時,他成了頭版新聞,而當 DNA 檢驗證明哈沃德是無辜的時候,他直接登上頭條。

圖/unsplash

既然已經在「聯合 DNA 索引系統」找到符合者了,但凡有一點基本的正當程序概念,都會覺得繼續監禁哈沃德是不可接受的。他顯然是無辜的。任何殘存的反對意見都消失無蹤了。

總檢察長在一場匆忙召開的新聞發布會上,公開承認哈沃德是無罪的,並要求該州高等法院盡速對其聲請做出裁決。維吉尼亞州最高法院在第二天就宣布基思.哈沃德是一個無辜的人。

——本文摘自《法庭上的偽科學》,2023 年 12 月,出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

原文注釋

  1. Bill McKelway, “From the Archives: How the 1984 Escape from Virginia’s Death Row Happened,” Richmond Times-Dispatch, May 30, 2009,瀏覽日期二○二一年七月五日,richmond.com/from-the-archives/from-the-archives-how-the-1984-escapefrom-virginias-death-row-happened/article_19ea1684-9af2-5d24-86ab-5875eaf2068c.html。 ↩︎
  2. Prison Policy Initiative, Virginia profile,瀏覽日期二○二一年七月五日,www.prisonpolicy.org/profiles/VA.html。 ↩︎
-----廣告,請繼續往下閱讀-----
所有討論 1
商周出版_96
123 篇文章 ・ 364 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商周出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。