被揮之不去的負面想法困住了嗎？把它們「丟掉」就沒事了！

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

• 作者 / 梅林．謝德瑞克
• 譯者 / 周沛郁

研究關係的學問可能令人困惑，幾乎一概含糊不明。是切葉蟻馴養了牠們所依賴的真菌，還是真菌馴養了切葉蟻？是植物栽培了共同生活的菌根菌，還是菌根菌栽培了植物？箭頭究竟指向哪一方？這種不確定性其實很合理。

我有位教授叫奧利佛．拉克姆（Oliver Rackham），是生態學家兼歷史學家，研究數千年來生態系如何受到人類文化塑造、如何塑造人類文化。他帶我們到附近的森林，解讀老櫟樹分枝的扭曲與裂縫、觀察蕁麻在哪裡特別茂密、注意樹籬裡有哪些植物、沒有哪些植物，由此告訴我們這些地方和人類居民的歷史。在拉克姆的影響下，我想像中區分「自然」與「文化」的明確界線開始模糊了。

之後，在巴拿馬做田野調查時，我見識了許多田野生物學家和他們研究對象之間的複雜關係。我跟蝙蝠學者開玩笑說，他們整夜醒著、白天睡覺，是在學蝙蝠的習性。他們問我，真菌怎麼把自己銘印在我身上。我至今還不知道。但我仍然納悶，我們這麼依賴真菌（真菌是我們的再生者、回收者、鏈接者，把這世界拼湊在一起），受真菌擺布的頻繁程度如何超出我們的想像。

即使有，也很容易忘記。我常常出神，把土壤看作抽象的地方，是概略化互動的模糊場域。我和同事會說這類的話：「某某某報告了一個乾季到下一個溼季之間，土壤碳大約增加了百分之二十五。」這也是情有可原吧？我們無從體驗土壤裡的荒野，以及其中生氣勃勃的無數生物。

我利用僅有的工具嘗試過了。我的數千個樣本通過昂貴的儀器，攪拌、用放射線照射、轟炸，把試管的內容物變成一串串數字。我花了整整好幾個月盯著一具顯微鏡，沉浸在充滿蜿蜒菌絲的根景；這些菌絲被凍結在它們和植物細胞交流的曖昧行為中。但我能看到的真菌仍然沒有生命，經過防腐處理，染上不真實的顏色。我覺得自己像笨手笨腳的偵探。在我蹲了幾星期，把泥巴刮進小試管的當兒，巨嘴鳥呱呱叫，吼猴咆哮，藤本植物糾纏，食蟻獸舔來舔去。微生物（尤其是埋在土裡的）不像活潑又迷人的地表大型世界那麼容易接近。要讓我的發現變得生動，讓這些發現加強、貢獻整體的了解，其實需要想像力。沒別的辦法。

在科學界，想像力通常稱作臆測，令人半信半疑；出版時，通常會強制附加健康警語。詳細記錄研究的一個要點，是徹底去除奔放的想像、過場劇情，以及上千遍促成一丁點發現的失敗嘗試。不是所有閱讀研究報告的人，都想辛苦嚼完這些小題大作的內容。何況科學家必須顯得可靠。溜到後臺，可能發現大家不大那麼像樣。即使在後臺，我和同事分享最深夜的沉思時，也很少深談我們如何想像（偶然或刻意的想像）我們研究的生物，不論是魚、鳳梨科植物、藤本植物、真菌或是細菌。承認我們一團混亂的想像、隱喻和沒根據的臆測，可能幫忙塑造了我們的研究，其實有點難為情。儘管如此，想像仍然是日常探究的一部分。科學並不是無情理性的活動。科學是（而且一向是）有情感、有創意、直覺式的，關乎全人類，而且對一個世界提出問題，這世界從來不是存在來給人編目、系統化的。每次我問這些真菌在做什麼，設計研究來試圖了解真菌的行為時，我不可避免要想像真菌。

LSD，迫使我凝視科學想像的更深處

有個實驗迫使我凝視科學想像的更深處。我報名參與一個臨床研究，調查 LSD 對科學家、工程師、數學家解決問題的能力有什麼影響。迷幻藥的潛能尚未開發，科學和醫學對這些潛能的興趣正在廣泛地復甦，而這研究正是其中之一。研究者想知道 LSD 能不能讓科學家進入專業的無意識中，幫助他們從不同的角度處理熟悉的問題。我們的想像力通常受到忽略，但應當成為臺上的主角、受到觀察的現象，甚至可能需要測量。全國各地科學系所的海報招募了一群兼容並蓄的年輕研究者（「你有個有意義的問題需要解決嗎？」）。這是很大膽的研究。有創意的突破不論在哪都很難促成，更不用說在醫院的臨床藥物實驗部門了。

進行實驗的研究者在牆上掛上迷幻的掛畫，設置音響系統播放音樂，讓房間亮著「月光」色的光。他們試圖去除場景的診所特質，卻讓那裡顯得更人工──承認了他們（科學家）可能對他們的主題內容造成的影響。這樣的布置凸顯了許多研究者天天要面對合理的不安全感。要是所有生物學實驗的受試者都能得到適合的情境光線和放鬆音樂，他們的行為會有多大的不同。

護士確保我早上九點準時喝下 LSD。他們仔細看著我，直到我吞下所有液體；液體兑入了一小酒杯的水。我躺在醫院房間的床上，護士從我前臂的留置針抽了一管血液樣本。三小時後，我達到「巡航高度」時，我的實驗助理溫和地鼓勵我開始思考「和工作有關的問題」。開始前，有一系列的心理測量測驗和人格評估，要求我們盡可能詳盡地描述我們的問題──我們探索過程中可能辛苦拆解的打結難題。把那些結浸在 LSD 裡，或許能讓結鬆脫。我所有的研究問題都和真菌有關，想到 LSD 最初是從糧食作物中的真菌裡萃取出來，我就覺得欣慰；那是我真菌問題的一個真菌答案。會發生什麼事呢？

——本文摘自《真菌微宇宙：看生態煉金師如何驅動世界、推展生命，連結地球萬物》，2021 年 8 月，果力文化。

編譯/蘇怡安(Amy Su)

「丟」掉負面想法

如果你想要把一些揮之不去的負面想法拋去，沒問題，直接把它們寫在紙上、丟進廢紙簍裡，最新的心理學實驗證實，當你把把這張紙丟棄時，你的心理負擔也同時被丟掉囉！

相反地，當做重大抉擇時，把想法寫下來，並好好地保存這張紙，對於想法的實行也有顯著的效果。

俄亥俄州立大學心理學系教授Richard Petty說：「某程度而言，這聽起來滿傻的！但我們真的發現這個方法有效！當你實際上丟掉或好好保存寫下你想法的紙張時，你的行為將影響你如何付諸實行紙上的想法。但光用想的是沒有用的，你必須實際去實行。而你如何對待你的紙張影響著你如何對待你寫在紙張上的想法。」

該心理學實驗研究由Richard Petty和西班牙馬德里自治大學的Pablo Briñol、Margarita Gascó和Javier Horcajo共同合作執行，由美國科學研究院及西班牙同等學術機構贊助，研究結果最近發表於《Psychological Science》數位版，未來也將會刊載於該期刊紙本版。

(Richard Petty, co-author of the study and professor of psychology at Ohio State University)

把抽象化為具象

該研究假設當人們把「抽象的想法」化為「具象而實體的物質」時，「一些物理性的舉動讓我們對於自己的想法感到更貼近現實。」Petty說。

為了證實他們的假設，研究者設計了三個實驗：

第一個實驗中，研究者們邀請了93位西班牙高中生，請他們參與一個關於「身材形象」的實驗。每一位學生必須在三分鐘內寫下他們對於自己身材的評價(正面或負面皆可)。三分鐘後，所有的學生被要求重新回顧一次他們所寫的內容。研究者要求一半的學生在看完後，把書寫的紙張丟到教室裡的垃圾桶，另外一半的學生則是在看完後，檢查看看他們書寫的內容有沒有文法或拼字錯誤。

接著，研究者請所有的學生填了一份關於身體滿意度的九點自評量表(好的─壞的、吸引人的─不吸引人的、喜歡的─不喜歡的)。

研究結果顯示，對於檢查文法或拼字錯誤的高中生們，他們在第一部分寫下的內容影響了他們第二部分的量表結果。也就是說，在第一部分對自己的身材有正向評價的學生，也會在第二部分的量表填答中顯示出相同的結果。

但反觀那些把紙張丟掉的學生們，無論他們在第一部分對於自己的評價如何、不論是正向還是負向，皆不影響他們在第二部分填量表的結果。

「當這些學生把紙張扔掉時，他們就再也不去想紙張上寫些什麼了，不管紙上寫的是正向的還是負向的。」Petty說。

接著，第二個實驗中，研究者擴大了他們的研究規模，邀請284位學生參與類似的實驗。只是這次，學生們要評價的對象是個大部分人會認為是正向的概念：地中海型飲食(一種強調大量攝取蔬果、堅果類、糙米麥食物及橄欖油的健康飲食概念)。

學生寫完後被分為三組，第一組把紙張扔掉、第一組把紙張留在他們的書桌上、第一組則是把這張紙放在他們的皮夾、口袋或身上。接著，填寫一份關於地中海型飲食評價和會不會採用這種飲食方式的的量表。

結果發現，把紙放在書桌上的影響力比起扔掉紙張對於學生的影響力來得更大。但，把紙放在皮夾、口袋或身上對學生的影響力又遠高於把紙留在書桌上。

換句話說，那些一開始就對於地中海型飲食較有正向評價的學生會更願意去嘗試地中海型飲食，如果他們是把這張紙帶在身上而不是放在桌子上的話。相反地，如果一開始就對地中海型飲食不是那麼喜愛的學生，效果就恰好相反。

「所以把『想法』放進隨身帶著走的皮夾或皮包中可以增強『想法』的力量，並且紙上的想法會變得對你而言更加重要。」

「丟」到垃圾桶 = 「拖曳」至資源回收桶

最後，研究者設計了一組電腦實驗來測試：究竟物理性的舉動，諸如把想法放進口袋中或把想法丟到垃圾桶裡，對於一個想法的實際效果會有多大的影響力呢？

在第三個實驗中，研究者邀請78位西班牙大學生用文字編輯軟體把他們的想法以打字的方式記錄下來。完成後，一組人把檔案拖曳到資源回收桶資料夾中，另一組人則是把檔案存入儲存資料夾中。

和第二個實驗相同，對於持有負向評價的學生而言，把檔案拖曳到資源回收桶資料夾中比起把檔案存入儲存資料夾中對他們帶來的負向影響較小。結果顯示，無論是物理性實際上或是電腦鍵盤上的舉動，會帶來一樣的效果。

用想的沒有用

最後，研究者要求一組對照組學生僅用想像力想像他們把自己想法丟入垃圾筒中或留在桌上，但結果顯示，這對他們後來的判斷並沒有任何影響。

「當一個人越相信這些想法是真的消失時，效果就越成功。但如果只是用想像的，就一點效果都沒有。當然，當你把這些想法丟入垃圾桶或拖曳至資源回收桶資料夾時，這些想法並未全部消失，你還是可以讓這些想法重新復活。不過，他們的象徵意義已經不見了，至少暫時地，可以幫助你比較容易不去想它們。」

Petty說，他們的研究計劃正在試著讓這個技巧應用在幫助一些被負面想法困住的人身上，例如剛失去了摯愛的人們。

「通常這些想法是非常難排除的。我們希望可以找到一種讓這些想法消失的方法，至少如果可以，讓他們消失得久一點。」

外電來源：Bothered by Negative, Unwanted Thoughts? Just Throw Them Away. Science Daily [Nov. 26, 2012]