【2021 年搞笑諾貝爾：生物獎】鏟屎官們聽令！貓咪如何透過 20 種叫聲支配人類？

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

為什麼貓這麼喜歡貓薄荷呢？

原來是貓薄荷裡的荊芥內脂導致貓咪吸了貓心大悅，不住翻滾、流口水、打呼嚕。

但是，貓薄荷不是對所有貓都有用。不到六個月的小貓似乎不會有反應，而且有的貓喜歡，有的貓不喜歡……咦，這還和遺傳有關係嗎？

想要同時驅蚊，又讓貓貓情不自禁饞你身子嗎？那你一定要試試貓薄荷！

荊芥內脂不只會讓貓咪快樂似神仙，也會活化蚊子體內的受體蛋白，接觸到的蚊子會產生搔癢和刺痛感。哈哈小蚊子，你也來嘗嘗癢癢痛痛的痛苦！

給你的貓貓來點刺激的快樂草吧！

延伸閱讀

人與動物之間的溝通一直是科學界和哲學界十分引人關注的一個議題。傳統觀點認為，人類和其他動物之間的溝通受到生物學和語言能力的限制，因此很難實現真正的互相理解。然而，近年來，科學家們對這個問題的看法已經開始轉變，並且有一些跡象表明跨物種溝通有望成為現實。

為什麼科學家認為跨物種溝通即將成真？從海豚到水豚、從蜘蛛到山豬，人工智慧能成為所有生物的萬能「翻譯蒟蒻」嗎？當人類真的破解了另一物種的溝通方式，未來會發生什麼事呢？

為什麼動物溝通，備「獸」關注？

從古代神話、經典傳說，到熱門動漫影視，都有不少能說人話、化為人形的動物，像是美猴王孫悟空、馴鹿喬巴、還有火箭浣熊，這些擬人化的角色雖然外表參雜獸的特質，卻往往更有人性，故事也著重呈現人與獸人如何從誤解到包容，讓我們為之動容。

在當代台灣的漫畫作品中，許多優秀的新一代漫畫家探討了擬人化動物和人類之間的隔閡、衝突以及理解，呈現了多元化的故事情節。其中，有一些引人入勝的作品，例如《瀕臨絕種團》，故事描述了被路殺後轉生成人類的石虎、黑熊和水獺，當上 YouTuber 還成為高中女生的故事。這個作品提供了獨特的視角，探討了不同物種之間的互動和冒險。

另一部作品是《海巫事務所》，它將魔法元素融入生物學，講述了一個迷茫的廢業青年與擬人化海洋動物相遇並相互療癒的故事。還有一個短篇漫畫《IVE》，通過科幻的方式，描述了某種深海雌鮟鱇的繁殖和誘導機制，卻將目標對象設定為人類男性的謎般生物，及她和科學家之間的異色關係。

這些作品在畫風和故事情節方面都各有特色，無論你是一位一般漫畫愛好者還是偏愛條漫，你都可以在 CCC 追漫台找到它們，享受不同的視覺和情感體驗。

而這幾部作品的共通核心問題就是：如果動物能用人類的語言跟我們溝通，會怎樣？即使牠們能跟我們說話了，我們就能理解彼此嗎？要取得那唯一的真相，除了請出《不可知論偵探》海麟子（也是 CCC 追漫台 上的熱門作品），科學家還有一個辦法：就讓動物自己說話吧！今年 7 月 Science 期刊上發表了一篇觀點文章，標題為《用機器學習解碼動物溝通》表示新方法有望帶來全新的洞見，也有助於保育。不過在打電話給露洽露洽之前，我們得先了解什麼是動物溝通？

什麼是動物溝通？

首先要有一個清楚的認知，那就是人類跟所有其他的動物，都各自受限於自己的感官，活在不同的「環境界」(Umwelt)，這個德文的意思是說每一種生物都活在獨有的感官泡泡裡，所見、所聞、所聽、所嚐、所觸都跟其他生物截然不同。你想想，連人與人之間都會因為家庭背景、生活環境、媒體教育而對同一件事物有天差地遠的詮釋了，對跨物種來說，不同的感官體驗讓彼此如同身處完全不同的世界。

例如，海龜和許多鳥類能感知地球的磁場，藉此進行長距離遷徙；而響尾蛇具有紅外線感覺器官，能夠在黑暗中感知幾公尺外的獵物體溫。蝙蝠則使用回音定位來捕捉飛蛾等獵物，每秒發射兩百次超音波脈衝，並根據百萬分之一秒的時間差距來精準定位目標。斑海豹則依賴其特殊的鬍鬚來察覺魚游過的流體動力，猶如水中留下的軌跡。角蟬使用震動通信，能夠透過植物表面傳遞信息給其他角蟬，即使對人類來說是聽不見的。至於我們的忠實夥伴狗，它們的世界主要由氣味構成，能夠分辨地下埋藏的松露、潛藏的地雷、古蹟、毒品甚至主人身體內的腫瘤等各種氣味。

那麼，海龜要如何跟我們這些沒有磁場感應的人類解釋牠們的感覺呢？蜂鳥又要怎樣才能描述它看到的一億種顏色呢？這真的是雞同鴨講，甚至比牛頭更不對馬嘴！

但有越來越多科學家認為，隨著人工智慧（AI）的快速進步，破譯動物的溝通方式不再是不可能的事情。AI 能幫上什麼忙呢？首先，機器不具備人類的偏見，因此能幫助研究者更理解動物溝通系統的結構和功能，同時辨識我們和動物之間的差異。

其次，機器學習技術能夠辨識那些對於人類難以想像或無法感知的動物感官訊號，這些包括聲音、振動、光線、化學物質等。機器可以幫助分析這些訊號，並幫助我們理解動物想要傳遞的訊息。

最後，AI 還可以基於動物訊號，開發出預測動物行為的模型。例如預測動物的交配行為或遷徙模式，或何時可能需要尋找庇護避免捕食者。

此刻的我們對於深度學習能完美辨識圖像語音，以及 GPT-4 或 PaLM 2 等大型語言模型能生成語言，甚至跟我們交談，完全不覺得奇怪，但可能僅僅 10 年前，這都還像是天方夜譚。那麼將這份能力運用在動物身上，也將變得理所當然……嗎？

現在科學家已經做到什麼程度？破解了哪些動物語言呢？

科學家正在使用人工智慧來解讀各種物種的動物溝通方式。

例如烏鴉：英國聖安德魯斯大學的科學家 Christian Rutz 長期研究南太平洋的新喀里多尼亞烏鴉( New Caledonian Crow )，牠們是少數能夠製造工具的鳥類，會把樹枝的葉子拔掉，做成鉤子來釣蟲，不同群體的作法也有差異。他發現島上不同烏鴉群體有不同的叫聲，可能是文化得以傳播的關鍵。身為烏鴉專家的他加入了 ESP 地球物種計畫，研究二十年前已經野外滅絕，現在只剩圈養個體的夏威夷烏鴉，他們用機器學習來比較圈養跟野生烏鴉的錄音，了解圈養是否改變了烏鴉的詞彙，例如注意威脅、求偶等重要的叫聲，是否已經在圈養環境中失去了，如果我們破譯這些叫聲，可能可以幫助這些烏鴉重新野化。

哺乳類的另一個成員鯨魚更是重點研究對象，2020年成立的 CETI，由 40 多名科學家、跨15 個機構組成，是最受關注的鯨語破譯團隊。他們除了駕船出海用水下麥克風偷聽鯨魚對話，也使用無人機從上方監看，更計畫在加勒比海海底安裝三個監聽站，從遠處捕捉離海岸 12 英里處抹香鯨聊天的喀噠咔嗒聲。以前啊，抹香鯨的聲音被比擬為單純的二進位代碼，但其實更為複雜，而機器學習可以重新辨識這些聲音。圖靈獎得主，加州大學柏克萊分校西蒙斯計算理論研究所所長莎菲·戈德瓦塞爾( Shafi Goldwasser )受訪時就說， CETI 的目標就是要像 ChatGPT 一樣，能預測鯨魚會說什麼，甚至反過來和鯨魚對話。

這些只是 AI 解讀的眾多物種中的一部分，其他還有不少鳥類、靈長類、海豚、蜘蛛、螞蟻、蜂類，或與人親近的貓、狗、豬等，也都是目前被科學家認為有機會破譯其「語言」的生物。

如果我們成功解讀出了動物的語言，我們又該從什麼角度與動物溝通？我們所「理解的語言」真的一樣嗎？

就算解讀動物溝通，能避免擬人化的陷阱嗎？

儘管機器學習在許多情況下表現出令人印象深刻的準確性，但動物的聲音、姿態和其他訊號往往具有多義性，也就是同一個訊號可能有多個意思，很難正確解釋它們的含義。此外，機器學習再強，目前也存在限制，特別是我們尚未完全理解的感知機制，如電感、磁感和費洛蒙等。

在漫畫《瀕臨絕種團》跟《海巫事務所》中，動物跟人類除了偶爾吵架之外，基本上相處得極為融洽，這也是我們人類想像中希望的情境，就是能與動物友善地、無惡意地溝通。而在《 IVE 》這部異色科幻作品中，則提出更現實的問題。汪幼海博士認為 IVE 為了與人接觸，如鮟鱇魚一般的餌球竟然為了吸引人類而變成人形，甚至可以與人溝通。雖然令人驚喜，但這也意味 IVE 的目的就是要讓人類成為其血肉的一份子，獲取其基因，因此也使用類似費洛蒙的物質吸引人類男性。對鮟鱇魚或 IVE 來說，這是很自然、毫無惡意的，但對人類來說，就是一種恐懼的殺戮。大自然中本來就有許多「愛」是以殺為結局，包括蜘蛛、螳螂等。人類又要如何在對事物理解前提完全不同的情況下，與動物更深度溝通呢？

在科學研究上，我們情不自禁地把動物擬人化更是個麻煩且不容易解決的問題，要是過於擬人化地認為動物跟人類共享一樣的情感，可能導致研究者在實驗設計和解釋結果時受到情感干擾，使研究不客觀。此外，擬人化也會使研究者更容易面臨到底是該保護動物權益，還是進行實驗研究之間的衝突，陷入倫理的困境。

但若反過來，要是有科學家認為動物跟人類完全不同，因此缺乏同情心，不尊重動物權益，倫理問題只會更嚴重。現在大家對動物福祉很關注，尤其是在涉及動物實驗和野生動物保護的時候，研究人員對動物無感情的態度反而可能導致研究受到質疑。更重要的是，這會讓科學家缺乏共鳴和洞察力，忘記我們也是動物。因此啊，如何拿捏分寸，在過分擬人跟缺乏同情的兩端之間找到適當的位置，也是動物溝通研究者的重要問題。

人類會將破譯動物溝通的能力拿來善用嗎？怎樣算是善用呢？

在石虎、黑熊跟水獺轉生變高中女生、IVE 開始對人類有興趣之前，機器學習的確可幫助我們監控和保護瀕臨絕種的野生物種，透過解讀其溝通方式，更了解牠們的需求和行為，制定更有效的保育策略。也能夠幫助我們理解圈養動物的情感和需求，從而改進在人類照顧下的生活品質。

然而，當播放動物聲音以吸引它們或干擾它們時，會不會對它們的行為產生不可預測的影響？甚至不可逆地改變群體的文化，從而威脅它們的生存和生態系統的平衡？假訊息在人類世界已經夠麻煩的了，想像一下，若連動物世界也都被假訊息入侵時，會發生什麼事呢？

CCC 追漫台是一個臺灣原創漫畫平台

致力於推廣臺灣漫畫，並將臺灣漫畫融入日常生活。這個平台由本土新銳圖文創作者們打造，並結合國家典藏資料素材，以探索臺灣的豐富歷史、民俗、社會和生態等多元議題。

CCC 追漫台的使命是透過原創漫畫作品，傳達臺灣在地精神，讓讀者深入了解這個多元文化的島嶼。通過精心創作的漫畫，平台不僅提供了具娛樂性的閱讀體驗，還擴展了讀者對臺灣文化和歷史的認識。

文章中提及之漫畫皆可在追漫台上閱讀唷。