Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

集眾智以成博學

Write Science
・2012/12/25 ・4702字 ・閱讀時間約 9 分鐘 ・SR值 516 ・六年級

1970年代初期的某天,一輛黃色計程車徐行在紐約市公園大道上。從各方面看來,這不過是一件尋常的偶然事件,古往今來終日重複數千次。然而,這趟車其實很特別,因為它和人類史上最偉大的條約之一,所謂 《公園大道條約》(Park Avenue Treaty)有關。條約的簽署人是共乘計程車的艾薩克‧阿西莫夫(Isaac Asimov)與亞瑟‧克拉克(Arthur C. Clarke)兩位。阿西莫夫在條約中堅稱克拉克是世上最優秀的科幻小說作家(他個人謙居第二),而克拉克則堅稱阿西莫夫為世上最優秀的科學作家(他個人也謙居第二)。克拉克並在自己的小說《三號星球報告》(Report on Planet Three)獻詞頁上加以引用:「根據克拉克-阿西莫夫條款,世上次優的科學作家,謹將此書獻給世上次優的科學小說作家」。


亞瑟‧克拉克(左)和艾薩克‧阿西莫夫(右),《公園大道條約》的簽署者。

該條約代表了逝去時光裡眾所遺忘的真相之一:阿西莫夫廣被視為最傑出的科學傳播工作者之一,雖然後人最常想起的是他的科幻小說(如果你還沒有讀過《基地三部曲》原著,別上網了吧,快去找小說來讀;這篇文章會一直在這)。蘇聯發射名為史普尼克(Sputnik)的人造衛星幾年後,大眾普遍關注的是美國與他國家間的「科學鴻溝」(可說是當今美國落差日漸明顯的先例),當時的阿西莫夫已是一位造詣高且受歡迎的科普作家。阿西莫夫的作品豐富,接受度高,極受喜愛。庫爾特‧馮內果(Kurt Vonnegut)曾問阿西莫夫,無所不知是什麼感覺。阿西莫夫答,他自己肩負全知之聲望,感到提心吊膽。

儘管態度謙虛,阿西莫夫的盛名實則當之無愧。從各方面看來,他都是一個博學者,擁有出眾的才智與專業,能跨足人類各領域的浩瀚知識。縱觀歷史,我們還能找到更多像這樣的通才,在流行文化中已眾所周知。也許最有名的就屬李奧納多‧達文西(Leonardo da Vinci),他被視為史上最卓越的機械天才和藝術家。年輕時的達文西師從翡冷翠(Firenze)藝術家韋羅基奧(Verrocchio),終日沉浸在藝術與技能培訓裡:畫草圖、製作金屬、素描、雕刻,與繪畫。達文西的精湛技巧在早年便顯露出來,才會有些傳聞軼事,提到達文西在韋羅基奧的指導下學畫,因其繪畫技巧高超,以至韋羅基奧發誓再也不提畫筆。達文西的一生中創作出許多令人驚嘆的藝術作品,至今仍備受崇敬的像是〈蒙娜麗莎〉(Mona Lisa)、〈最後的晚餐〉(The Last Supper),和〈維特魯威人〉(Vitruvian Man)等。我最喜歡的達文西真跡之一,就是他在西元1473年以阿諾河谷為景的首張畫作草圖。他只用了簡單的線條,但不知怎麼卻能捕捉遠方生氣蓬勃的義大利鄉村景致,雖然實際上我本人從沒去過那。

-----廣告,請繼續往下閱讀-----

〈托斯卡尼的景觀〉。阿諾河谷的草圖是現下所知最早期、出自李奧納多‧達文西之手的藝術作品。

在我的腦海裡,我想像年輕的達文西在一片綠草如茵的山坡上席地而坐,有紙筆在手,用快速的線條與色調描繪著他的家鄉景致。隨著阿諾河谷的輪廓,蒙特盧普城堡的城牆在畫紙上浮現,他的心思想必徘徊在想像力的沃土上,盡情探索那些受陽光與美景照拂的創想種籽。達文西是不會輕忽這些種籽的。他的天才和創意無人不曉,不僅創作出幾幅西方文化裡最著名的藝術作品,也開創了許多前衛的奇想,像是對飛行與直升機的構思、使用太陽聚焦的能量、以及地殼表面移動的可能等(即今日地質學家所說的板塊構造)。達文西對任何議題皆感興趣,好奇心從不倦勤。他是真正不折不扣的博學者。

人性中很有趣的一個事實是,我們不贊同的行為,卻經常又是我們看重的。史上最受崇敬的科學家們幾乎個個是博學多聞的人:達文西、伽利略(Galileo)、牛頓(Newton)、惠更斯(Huygens)、費曼(Feynman)、和戴森(Dyson)等。但在學術界,我們並不鼓勵博學多聞。我們鼓勵的,是大學教授們心胸狹窄,把全副注意力與努力都投注於狹隘的科學領域裡故步自封,這樣他們就能在定義嚴格而刻板的知識框架中,繼續當世上首屈一指的專家。然而奇特的是,人類在科學上所運用的非凡想像力,卻是仰賴高度跨學科的專業貢獻,需要五花八門的領域中,數以百計個科學家的前仆後繼。

比薩(Pisa)市郊、離文西城(Vinci)西邊約一小時路程之處,有一當今最偉大的科學奇蹟正在成形。天文學家、物理學家,還有計算機科學家與工程學家、雷射技術專家等人,正在合作建造一個長達好幾公里的巨型雷射干涉儀,名為Virgo (http://goo.gl/maps/CYzrE)。在德國漢諾威(Hannover, Germany)外圍的農田,亦建置完成了一個相似於此、但規模較小的天文台,稱為Geo (http://goo.gl/maps/Ozlco)。日本也正在西部著名的神岡天文台(Kamioka Observatory)底下,建造名為Karga的設施。美國兩個大型天文台,LIGO(全名為雷射干涉重力波天文台),至今亦興建完畢了,一座位在華盛頓州高地沙漠東部,靠近漢福德保護區(Hanford Reservation)(http://goo.gl/maps/C1QEj),另一座則在路易斯安那州翠綠的絲柏樹林裡,靠近利文斯頓(Livingston)(http://goo.gl/maps/pifQn)。

-----廣告,請繼續往下閱讀-----

干涉儀已在物理實驗室裡服役了一個世紀,而,上述這些更為龐大的科學儀器則是干涉儀的同輩,只是增強了4000倍,它們配上全國最先進的雷射裝置、隔震系統、世上最大的真空系統、3萬個環境感測器,並連結了一個最強大的電腦網路好作科學分析。這些天文台的目標,是檢測物理學界裡的終極使命:重力波(Gravitational waves)。

重力波可說是人類觀看宇宙的全新方式,它不是透過光,而是透過重力。事實上,你所知的宇宙,包含你曾被教導的一切、在教科書或電視新聞上所學到的種種,本都是由望遠鏡循光發現的。

哈伯太空望遠鏡(左)深入宇宙、拓展了我們的視野,為我們呈現像這樣的船底座星雲(右)的奇景,及一個秘密的恆星誕生地。

這項悠久傳統,是由另一位偉大的博學者伽利略‧伽利萊(Galileo Galilei)為人類流傳下來的。伽利略在1609年成功製作了一台望遠鏡,並於次年把這個經驗寫進他的知名著作《星際信使》(Sidereus Nuncius)裡。那台大小適中的望遠鏡,正是今日尋常人家在後院使用的望遠鏡前身,也是哈伯太空望遠鏡的濫觴。望遠鏡告訴我們人類在宇宙中的位置;然而隨著觀點的改變,宇宙裡仍有大片新疆界等待探索。對重力波的探測,將徹底改變我們對小型天體物理系統的理解。我們將能直接探測中子星的內部結構(目前所知密度最高的物體),看它們在巨大碰撞間爆炸;我們將能觀賞黑洞的誕生與衰亡,觀察它們的尺寸和旋轉方式;我們將能看見行星墜入混亂的螺旋式軌道,在黑洞周圍揭示其重力場範圍、結構、與形狀。如果我們幸運的話,甚至可以檢測到大爆炸(Big Bang)所引發的重力波回聲,此微弱聲響跨越了漫長的40萬年,遠早在任何望遠鏡發明之前。

-----廣告,請繼續往下閱讀-----

愛因斯坦在1916年發想出重力波的概念,但他自己幾乎即刻拋棄這個想法,因為據他預料,當時我們並無能力檢測這種物理效應。然而,時空快轉到近代,我們能憑靠的不僅是單一技術,而是眾多改良的技術。今日我們用來探測重力波的這些儀器,是匯集眾人之智與各學科人才之大成,才鑄造出來的。

這些干涉儀是由我們最好的建築承包商籌備興建;它們的巨臂長度驚人,連地球的曲率都有影響。整整4公里的儀器臂,是由直徑1公尺的真空管以螺旋方式焊接製成,管壁不得有任何漏洞或縫隙。熱傳工程師必須在射線管上設計更大型的緩衝設備,讓受日升日落照射下的長臂能自然地收縮和膨脹。地震學家、氣象學家、和電機工程師必須做出約3萬個環境感測器組合而成的網絡,用來監測及報告天文台的狀態與環境。隔震工程師必須謹慎地搭建懸架系統,過濾周遭所有震動噪音,包含廊上走過的人聲、地球另一端地面運動造成的回聲震動、以及十英里外的公路上車輪的轟隆聲。

計算機科學家和網絡工程師已設計了一個計算與資料探測系統,用來處理成千上萬個連結,將數據儲存起來且處理,再將處理過的數據發送到世界各地近1000位合作的科學家手中。專業的光學工程師和雷射物理學家亦建造了一個雷射射入控制系統,這個系統在輸入一道紅外雷射線後,會使其在真空射線管裡上下來回400次,循環總計超過1600公里,然後再將雷射光反射回來,最後統一測量其極微小的距離變化;這些變化代表了宇宙遙遠一角傳遞過來的重力波信號。

看看這條達4公里長的機械臂(左),或瞧瞧計算機系統內部的精密儀器如何與錯綜複雜的感測網絡連結,就會知道LIGO是一台了不起的探測器。

-----廣告,請繼續往下閱讀-----

從這壯觀的儀器頂點往下瞭望,視線隨它的手臂延伸至4公里外的探測站,我們很容易為這些科學家與工程師的創造力驚嘆不已。這個大型團隊裡的人持續會面、討論、設計、測試,最終成功地建造出一台人類史上最靈敏的科學儀器。這一池人才一路上殫精竭慮模擬每個可能的問題,並設計解決方案。他們碰過無法預料的困難,查出障礙的原因然後找到了答案;有了這些,才讓我們得以持續在發明這條漫漫長路上邁步向前。這些偉大的機器,以及它們為我們所帶來的發現,是這群人奉獻與毅力的證明,也好比是牛頓,惠更斯,和達文西等輩留給人類後代的餽贈。受惠於這般科學儀器,我們成了另一種博學,這並非單憑一己之智力,而是仰賴一個龐大團隊的能力,將好幾十年的研究成果串連在一起。由於這些努力,我們才能安然地站在巨人的肩膀上,屏氣凝神的期待,理所當然地以我們的科學成就為傲。

從空俯瞰位在漢福德的LIGO干涉儀。

置身LIGO的頂點,不得不因兩件事情而讚嘆不已。第一,眼前這個令人敬畏又鼓舞人心的畫面,是全然經由人類的智慧與毅力所構築而成。像LIGO這樣的儀器,根本上改變了我們看待宇宙的方式,促使人類突破生理感官所強加的偏見與限制,開始聆聽宇宙之中,從未聽聞過的宏偉交響樂。第二,這台機器不僅是天體物理學等學問的開端,新的技術和新的見解更會回流至社會中,以意想不到的方式激勵年輕的一代前進。阿波羅天文探測計畫如此,很多人相信LIGO也是如此。LIGO採用的雷射技術已開啟了碳纖維複合材料的應用大門,可用來測試飛機零件。

Einstein@Home (如它的手足,Seti@Home)是首次集結家用電腦做科學集體計算之用,能將所有因週一足球之夜而閒置的電腦,化為一台世界級超大計算機。LIGO先進的雷射控制系統,展示了當今雷射運用方法的精確,舉凡從雷射焊接、精密的雷射切割技術,到先進的雷射武器系統皆是。事實上,這些都是無心插柳;創意的種籽萌芽於精緻與粗糙並存的環境裡,在兼容並蓄的沃土中成長。是數大之美,造就了今日的博學。

-----廣告,請繼續往下閱讀-----

(註:Einstein@Home「愛因斯坦回你家」計畫由美國LIGO與德國GEO600兩重力波天文台合作,收集宇宙中的數據,以證明愛因斯坦廣義相對論中重力波的確存在。Seti@Home是和Einstein@Home同樣作法的分散式運算計畫,目的是尋找外星智慧。)

駐足在LIGO的頂點凝視機械長臂,成就的喜悅卻讓我們更篤定:我們應當做得更多才是。這世上需要更多的博學通才,無論規模大小。我們應當解放那些受到束縛的年輕科學家,允其心靈流浪至美妙瘋狂的奇想裡,縱情想像未來的模樣。有時很難知道這種自由無拘能帶來什麼好處,尤其是在這經濟災難與政治衝突不斷的艱困時刻。要那些身為先鋒的科學領導者(「灰鬍子」,我如此稱呼他們)鼓勵青年科學家擁有廣闊的思維,更是難上加難,畢竟任何偉大的新發現,都能輕易地掩蓋前者知識看似微薄的貢獻;科學家的自我(儘管外表虛張聲勢)是很脆弱的。但這仍不能改變我們需要更多博學者的事實,這不只是為了要激勵人類去開拓與探索更多疆界,也是為了用更創新的思維、而非狹隘的觀點,來處理具挑戰性的議題。世上問題如此多,唯有創造性思考才能有所作為。

駐足在LIGO的頂點凝視機械長臂,我不知道若達文西此時也在這,他會怎麼想?我能想像他坐在我身側,有羊皮紙與筆在手,正用有力的線條速寫著LIGO的雙臂、華盛頓東部的灌木沙漠林景、與響尾蛇山的遙遠疊影。我任由思緒遊盪,想像著世界上還未發生的所有可能。

作者:Shane L. Larson
譯者:Angela M.H. (現為自由譯者,歡迎聯繫 angela.mh19@gmail.com)

-----廣告,請繼續往下閱讀-----

本文原發表於Write Science[2012-11-4]

-----廣告,請繼續往下閱讀-----
文章難易度
Write Science
17 篇文章 ・ 1 位粉絲
A collaborative project to practice the craft of communicating scientific ideas.

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。

2

12
9

文字

分享

2
12
9
跌入黑洞的瞬間,會發生什麼事?——《高手相對論》
遠流出版_96
・2022/05/01 ・1542字 ・閱讀時間約 3 分鐘

事件視界望遠鏡發佈的第一張黑洞圖片。圖/事件視界望遠鏡, CC BY 4.0

黑洞

根據廣義相對論,一個星體的質量愈大、自身的尺寸愈小,它對周圍空間彎曲的程度就愈厲害。所謂「黑洞」,就是它把周圍空間彎曲得實在是太厲害了,以致連光線都無法從裡面出來。

從外面看,黑洞本身是一個黑黑的洞。但是如果黑洞附近有其他物質,比如星際間的氣體或者帶電的粒子,你會看到它周圍有一個光圈。那些光來自帶電粒子加速度運動產生的輻射。

而普通恆星、質量大體積小的中子星,以及黑洞對時空的彎曲程度都不相同。

與黑洞有關的知識,像史蒂芬.霍金(Stephen Hawking)的《時間簡史》(A Brief History of Time)這類書已講了很多,而你需要知道的只是一個概念:「事件視界」(Event Horizon)。

-----廣告,請繼續往下閱讀-----

所謂事件視界,就是分隔黑洞內外的一條界線。事件視界以外,光至少還可以離開黑洞;而不管什麼東西一旦進入事件視界,就再也不能逃脫黑洞了。

現在,我們來思考一件特別有詩意的事情——掉入黑洞,會是一種什麼樣的體驗?

其他地方可不會帶給你這樣的感受。假設你前往黑洞,我坐在遠處的太空船裡看著你,因為強烈的時間膨脹效應,當你接近黑洞的時候,我會看到你的動作變得愈來愈慢。你會比我老得慢!

接近黑洞不一定就會掉進黑洞裡,事實上,因為黑洞的尺寸往往比較小,想掉進去也不容易。你完全可以把黑洞當作一顆普通的行星,繞著黑洞轉幾圈,你完全是自由落體運動,不會感到任何不適。但是因為黑洞本身的重力場太強,把時空彎曲得太厲害,所以你轉的這幾圈,在我眼中可就太漫長了。如果你轉兩圈再回來找我,可能我已經老死,而你歸來仍是少年。

-----廣告,請繼續往下閱讀-----

但是,如果你覺得在周邊轉兩圈不過癮,想進入事件視界看看黑洞裡面是什麼情況,那可就麻煩了。

跨越事件視界⋯⋯會怎樣?圖/envato elements

在事件視界上,你的時間膨脹將會達到無窮大。

也就是說,當你跌入黑洞的時候,我看到的是你愈走愈慢、愈走愈慢,最後你的身影將永遠停留在事件視界上。

我感覺到你再也不動了,你那一刻的形象永遠都保留在我的世界中。你那一瞬間,是我的永恆。

-----廣告,請繼續往下閱讀-----

但是時間膨脹是相對於我而言的,你自己不會感覺到這一點,你只會自然地跌入黑洞中。經過事件視界的那一刻,你不會有任何異樣的感覺。黑洞並沒有在邊界線上為你舉行歡迎儀式,你看到的黑洞內部也可以有光線,你眼中的事件視界內外沒有什麼差別。

然而這是一條有去無回的路,你將會被黑洞殺死,但你不是撞到什麼地方摔死的,而是黑洞把空間彎曲得太厲害,可能你身體下半部分的重力會比身體上半部分的重力強很多,這個差異會把你撕裂⋯⋯。

我們無法直接觀測到黑洞,但是我們可以從黑洞附近的星體運動方式判斷它的存在。天文學家已經有充分的證據,在宇宙中找到了很多個黑洞。

有關黑洞的知識都是其他物理學家研究出來的,愛因斯坦沒有回頭看相對論帶來的這場爆炸。他只想做最重要的研究,我們下一章再講。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
所有討論 2
遠流出版_96
59 篇文章 ・ 30 位粉絲
遠流出版公司成立於1975年,致力於台灣本土文化的紮根與出版的工作,向以專業的編輯團隊及嚴謹的製作態度著稱,曾獲日本出版之《台灣百科》評為「台灣最具影響力的民營出版社」。遠流以「建立沒有圍牆的學校」、滿足廣大讀者「一生的讀書計畫」自期,積極引進西方新知,開發作家資源,提供全方位、多元化的閱讀生活,矢志將遠流經營成一個「理想與勇氣的實踐之地」。

0

16
2

文字

分享

0
16
2
和鳥類學飛翔,讓人類學會飛行奧秘——《天才達文西的科學教室:像科學家一樣,發明、創造和製作STEAM科展作品》
快樂文化
・2021/01/30 ・3697字 ・閱讀時間約 7 分鐘 ・SR值 512 ・六年級

飛行的物理學

「觀察在稀薄高空中飛翔的老鷹,牠的翅膀是如何鼓動著空氣,讓沉重的身體得到支撐。物體對空氣施加的力量,等於空氣對物體施加的力量。」15 世紀末,達文西在筆記本如此寫道。達文西僅憑觀察,就掌握飛行的原理了。

飛行的原理讓達文西深深為之著迷。他發明人力驅動的飛行器,試圖證明人類能否飛上天,還設計人類可以操縱的翅膀。他仔細研究飛行中的鳥,並且提出飛行的假說:「鳥類張開寬寬的翅膀,加上短短的尾巴,準備起飛,」他接著寫道,「鳥類必須用力抬起翅膀,然後放下翅膀拍動下方的空氣。」

金鵰的翅膀善用空氣分子,身體起飛與降落。圖/天才達文西的科學教室

上圖的金鵰比空氣重,但是翅膀造形卻能善用空氣分子,讓身體起飛與降落。金鵰飛行的時候,你認為氣流通過翅膀上方與下方時,哪邊的速度較快?量量看, 1 公尺有多長,是金鵰身體的長度;再量量看 23 公尺有多長?這是牠的翅膀展開的長度!再想像一下:金鵰拍動翅膀、凌空起飛的模樣。你認為翅膀上方還是下方的氣壓比較大?可以解釋原因嗎?

達文西的《鳥類飛行手稿》。圖/天才達文西的科學教室

上圖的字跡與插圖,出自達文西的《鳥類飛行手稿》 (Codex on the Flight Of Birds)。他的研究,造福許多後世的科學家,包括丹尼爾•白努利 (Daniel Bernoulli)。他在 1738 年解釋了空氣流動的科學原理。

-----廣告,請繼續往下閱讀-----

白努利認為:鳥類飛行時, 因為翅膀結構的關係,空氣通過翅膀上方的速度較快, 使得氣壓較低,而空氣通過翅膀下方的速度較,使得氣壓較高。翅膀上方與下方的壓力差,進而造成了升力。

編按:解釋飛機能升空飛行的物理概念,除了白努利概念外,尚有其他因素,例如飛行時的角度、飛機造形和其他效應等。

有許多物理概念可以解釋飛機能升空的原因。圖/天才達文西的科學教室

飛機為什麼可以在天上飛?

開始調查吧!

我們蒐集資訊,一起設計翅膀,就跟達文西一樣!我們將蒐集涵蓋翅膀形狀、空氣與運動方面的資訊,也跟達文西一樣,提出許多問題。

問題:淚珠的形狀,和飛行有什麼關係?

下圖的形狀,好像淚珠的一側。看到這種形狀,是否讓你聯想到它與飛行的關係呢?

-----廣告,請繼續往下閱讀-----
翼型會聯想到噴射機的機翼或鳥翼的形狀。圖/天才達文西的科學教室

答案:這就是翼型。

淚珠的形狀,我們稱為「翼型」。這樣的造形,可能讓你想起噴射機的機翼或鳥翼的形狀。翼型的前端是較厚的圓弧,後端則逐漸變薄、變窄。

飛行中的翼型向前挺進,空氣分子往上也朝下移動。翼型下方的空氣分子,移動的速度慢於上方滑過的空氣分子。空氣分子移動速度較慢,造成的氣壓就比較大。想像一下:翼型下方的空氣,等於處在被壓縮的狀態,翼型下方,較強的氣壓向上推,造成的力量稱為「升力」

模擬飛行中翼型的空氣分子移動狀態。圖/天才達文西的科學教室

受到鳥類的啟發

看到鳥翼的切面,居然就是翼型,你是否大吃一驚呢?說穿了,航太工程師就是從飛行中的鳥類得到靈感。移動的翼型會切過空氣,與周圍的空氣產生了力的作用。空氣分子——渺小不可見卻能施展強大的力量,從四面八方擠壓著翼型。翼型向前移動的時候,因為與空氣產生了交互作用而起飛。

將書本平放在桌上一隻手塞到書本下方,然後把書托起來。你的手在書下施展的壓力,就像慢速通過翼型下方的高壓。另一方面,通過翅膀上方的空氣,移動速度較快,形成了較低的氣壓。

-----廣告,請繼續往下閱讀-----

空氣分子在機翼上的賽跑

讓我們進一步調查

問題:通過翼型上方的空氣,是否因為空氣要通過的距離較長,因此速度才會變快?

答案:根據美國的國家太空總署 (NASA) 工程師分析,機翼上方空氣的速度很快,只是為了比下方空氣更早抵達機翼後方,而不是因為距離較長。機翼上方的低壓空氣,其實速度更快!

畫出你的翼型

畫出屬於你自己的翼型,請標示以下項目

  • 高壓區
  • 低壓區
  • 快速移動的空氣
  • 慢速移動的空氣
  • 空氣流動的方向
  • 升力的方向
嘗試畫出屬於自己的翼型。圖/天才達文西的科學教室

和達文西一起賞鳥

達文西不只觀察飛行中的鳥,他也細看鳥的各種狀態,而且反覆觀看。他寫下筆一三己,問自己問題,例如:鳥類用什麼樣的方式使用翅膀?然後想辦法找出解答。以上這些行為,就是「觀察」。

當個自然觀察家吧!住家附近就可以好好賞鳥。不管你住在哪裡,都有機會走出家門,觀察鳥類百態及其飛行方式。記得帶著筆記本、鉛筆、色鉛筆與望遠鏡,可能的話帶一台相機,現在就抽出時間邁向戶外吧!

-----廣告,請繼續往下閱讀-----

你的觀察記錄將充滿獨一無二的個人風格。看到小鳥,先用肉眼觀察。接著,以素描記錄觀察到的現象:畫出鳥類的輪廓,有沒有值得注意的花紋或樣式?先畫下外形,然後加上顏色:鳥喙是什麼顏色?腳呢?也花點精力注意體型大小:和其他鳥類相較,有多大或多小呢?有沒有攝食?歌聲或叫聲怎麼描述呢?鳥類如何起飛?如何降落?鳥類會順風起飛嗎?其他數據、記錄地點、天氣與賞鳥的時段,都要記錄下來。

用相機記錄身旁觀察到的現象。圖/Pixabay

以飛機工程師的方式來思考!

用另一種角度來看翼型。機翼後緣窄窄的後翼往上或往下,會有怎樣的效果呢?飛機工程師設計噴射機的時候,讓機翼的後緣可以伸展或彎折,透過這樣的方式讓空氣分子流動,達成特殊目的。如下圖所示請利用本小節的訊息,預測這樣設計的目的,並把假說寫在筆記本裡。

機翼不同構型讓空氣分子流動,達成特殊目的。圖/天才達文西的科學教室

下圖是根據達文西的設計而重建的機械翅膀。翅膀的形狀不像翼型,但是從喇叭似的形狀看來,功能就是壓下空氣分子,以產生向上的升力。這款翅膀有沒有讓你想起某種哺乳動物呢?

根據達文西的設計而重建的機械翅膀。圖/天才達文西的科學教室
根據達文西的設計而重建的機械翅膀很像哺乳動物蝙蝠。圖/天才達文西的科學教室

一起動手玩:創造一個翼型

實驗材料:影印紙、膠帶、30 公分長的直尺、鉛筆(最好是六角鉛筆)、吹風機

實驗步驟

  1. 輕輕彎折紙張,以垂直方向對摺。這時紙張會有淺淺的摺線,並且出現翼型般的曲面。
  2. 把紙張轉成水平方向,曲面朝下。將上半張紙的邊緣往後移 1.27 公分,用膠帶固定。
  3. 把直尺伸到紙張底下,在 5 公分處用膠帶把尺和紙黏在一起;紙張的邊緣也要和直尺黏合。
步驟 1-3 的操作示範。圖/天才達文西的科學教室

4. 把鉛筆放在距離直尺 12.7 公分處,和直尺垂直擺放,並以膠帶黏和。

步驟 4 的操作示範。圖/天才達文西的科學教室

5. 將吹風機設定最小風量模式,待會對著翼型的吹端吹。你認為吹風機啟動後,會發生怎樣的現象?請先寫出假說。

-----廣告,請繼續往下閱讀-----

6. 現在測試你的實驗設計與假說。找個夥伴握住鉛筆兩端,翼型曲面朝向你。這時再啟動吹風機的小風量模式,直尺會怎樣?你感到翼型的升力了嗎?

步驟 5-6 的操作示範。圖/天才達文西的科學教室

實驗背後的科學

如同你所認知,通過翼型上方的空氣,移動的速度比翼型下方的空氣快。翼型下方的空氣分子在較高的壓力下受到擠壓。氣壓較高的空氣分子,向上推擠。翼型下方的高壓及上方的低壓,組合起來造成了升力!

——本文摘自《天才達文西的科學教室:像科學家一樣,發明、創造和製作STEAM科展作品》,2020 年 10 月,快樂文化

-----廣告,請繼續往下閱讀-----