為什麼大家聽到臉書改名都笑了？綜觀科學界的一個 Meta 各自表述！

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

2 月 15 日 OpenAI 發佈 Sora，隔一周後 Stable diffusion 3 隨後推出，以前人家都說有圖有真相，現在眼見不實的時代要來臨了，你說？還有什麼可以相信的？

AI 生成的影像到底有沒有方法可以辨識出來？今天，我們來談談近期關於辨識 AI 生成，找出 AI 生成的破綻！

先說結論，理論上可以！但現實很困難，很容易被破解，這集我們回答三個問題：

1. AI 生成影像有什麼破綻？
2. 還有哪些方法可以辨別 AI 生成的影像？
3. 最後來談談這些辨識方法，在現實中會遇到什麼問題？

回到最基礎的問題眼見不再為憑，接下來只會越來越多，不會越來越少，謠言進化成謠圖跟謠影片，現在還真的沒有其他武器，來辨識 AI 生成的內容，說到底還是得回歸自身的媒體識讀、確認訊息來源！

更多、更完整的內容，歡迎上泛科學院的 youtube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文｜田偲妤
• 美術設計｜蔡宛潔

南島語族的起源與變遷

南島語族發源自何方？是學界長期探索的焦點，在眾多研究領域中，語言學界為分布在南太平洋與印度洋諸島的族群確立關係，分類命名為南島語族（Austronesian-speaking peoples） 。除此之外，還有許多語言證據指出，南島語族可能是從臺灣擴散出去。中央研究院「研之有物」專訪院內語言學研究所張永利研究員，為我們深入分析，臺灣南島語保存哪些其他南島語「丟失的現象」，可以藉此重建南島語族的發展源頭與遷徙路徑。

南島語族的發源地究竟在何方？目前已有越來越多證據指出，南島語族可能是從臺灣出發，遷徙至廣大的南太平洋與印度洋島嶼開枝散葉。

考古學家在臺灣、呂宋島、大洋洲等地出土相似的陶器碎片，經年代鑑定後發現，最早的繩紋紅陶陶器來自 5、6 千年前的臺灣大坌坑文化。植物學家則對各地的構樹樣本進行分子親緣分析，發現南太平洋島嶼的構樹應源自臺灣，推測先民帶著樹皮衣材料構樹，自臺灣遷徙至南太平洋諸島。

除了上述證據，還有一樣活在生活周遭的非物質遺產，能作為南島語族「出臺灣說」的有力證據，那就是臺灣原住民族正在使用的「語言」！

中研院語言學研究所是研究與推廣「臺灣南島語」的重要基地，走進語言所典藏豐富研究著作的展覽室，投身臺灣南島語研究近 30 年的張永利研究員，與我們熱情分享語言學家的工作。

各地南島語言的特徵與變遷，是語言學家長期探索的問題，多年來一位位研究者深入原住民族部落，用羅馬拼音一字一句記錄部落長者的口語發音，經由比較臺灣與其他地區南島語言的關連與特徵，南島語族的發展源頭與遷徙路徑就在歷代語言學家的重建下現形。

如何確定臺灣南島語更接近原始南島語？同源詞繁簡成線索

南島語族是總人口數近 4 億人的龐大族群，其分布範圍北到臺灣、南到紐西蘭、東到復活節島、西到馬達加斯加。臺灣是南島語族分布的最北界，目前官方認定的原住民族共有 16 族，每個族群都有自己的語言，在整個南島語族 10 個主要語言分支中，臺灣南島語就佔了 9 個分支，其語言多樣性與存古性為世界少見。

「曾有外國學者讚嘆：南島語言是上帝送給臺灣的禮物！」張永利逐步分析臺灣南島語的珍貴之處：「考古和語言證據推估，臺灣南島語至少有 5 千年歷史，而麻六甲海峽附近國家使用的馬來語只有 2 千多年而已。此外，臺灣南島語還保留一些其他語言丟失的現象。」

所謂「丟失的現象」正是語言學家證實臺灣南島語較古老、可能是南島語族早期祖居地的關鍵證據。藉由歷史語言學方法比較南島語言之間的親緣關係與發展先後，丟失的現象慢慢浮現，成為值得研究的案例。

首先，語言學家特別構擬出一套「原始南島語」作為比較標準，音韻、構詞、句法越接近原始南島語者，就越有可能是族群發源地。

要構擬出原始南島語並不簡單，語言學家無法穿越時空回到 5 千年前，必須集結全球語言學家的力量，深入各個南島語族聚落採集語言材料，再從中找出語音、語意相似的「同源詞」做比較。由於語言變化的過程經常發生「由繁趨簡」現象，因此發音越複雜的語言通常越古老，語言學家再從較古老的語言構擬出原始南島語。

張永利舉同源詞「眼睛」為例，說明臺灣南島語較為古老的原因。眼睛的原始南島語是「maCa」（大 C 的發音為 ts 複合音，同注音符號ㄗ），而臺灣的排灣語是「maca」，其發音與原始南島語相同。

再看看馬來語的眼睛是「mata」，ts 複合音明顯簡化成 t，發生語言「由繁趨簡」的現象，證明臺灣南島語比馬來語更古老。

張永利進一步解釋，為何「由繁趨簡」現象可看出語言發展的先後順序：「有人可能會質疑，為什麼語言不是從簡單變複雜，發音由 t 變成 ts？如果是這樣你要解釋，多出來的 s 音是怎麼無中生有。這就如同人類社會的變遷，從複雜變簡單通常有跡可循，但無中生有需要創新的力量，從來不是簡單的事。」

這些語言有畫面！從同源詞推測千年前的生活型態

同源詞還可以重建南島語族原初的生活環境。根據語言學家的觀察，能成為同源詞的單字通常是日常使用的基本詞彙，例如爸爸、媽媽等親屬稱呼、數字 1 到 10，或是眼睛、頭、手、腳等身體部位。

因此，如果還能發現動物、植物、生活器具的同源詞，代表這些事物是曾經長時間存在的文化，才得以跨越千年時空在語言中留下印記，成為一窺南島語族原初生活環境的線索。

語言學家從原始南島語、原始排灣語、原始泰雅語、原始鄒語彙整出 100 個基本同源詞，當中包含許多指稱農作物、野生動植物、生活日用品的字詞：

從上述同源詞可推測，原始南島語族應該是以稻作維生，擅長紡織與編織技藝，生活周遭可見「露兜樹、甘蔗、藤」、「河鰻、田鼠、蒼蠅」等主要分布在亞熱帶地區的動植物。這些同源詞所反映的自然與文化特徵，對解答南島語族發源地問題具有相當大的啟發。

此外，從某些同源詞的語意轉變還可看出指稱的是外來事物。例如鄒語的「水牛」叫作「’ua chumu」，「chumu」是指「水」，但「’ua」最初並不是指「牛」，其真正的意思是「鹿」。換句話說，水牛應該是外來物種，推測鄒族先民看到外來的牛，跟鹿一樣都是四隻腳的大型哺乳類動物，因而發生「指鹿為牛」的情形。

講話講重點！第一個字就表明重點的「焦點系統」

除了從同源詞可以證明臺灣南島語較接近原始南島語，語言學家還發現，比起其他地方的南島語言，臺灣南島語保存最完整的「焦點系統」。這是一種非常古老的文法，在世界其他語言中並不常見。

焦點系統是用來凸顯一句話中想要強調的焦點，主要分成主事、受事、處所、工具共 4 種焦點，每種焦點都有相對應的動詞詞綴變化，並會在重點字詞前方加上格位標記 a。

由於南島語言習慣將動詞置於句首，等於你聽到第一個字就知道說話者想強調什麼。以下為 4 種焦點在排灣語的使用方式：

古老的修飾用語：副動詞

最後一個臺灣南島語較為古老的證據在於，其詞類相當有限，主要是動詞、名詞的應用，沒有真正的副詞、形容詞等修飾詞。但是當有需要用到修飾用語時該怎麼辦？這就輪到特殊的「副動詞」登場！

副動詞顧名思義是指：具副詞作用的動詞，是臺灣南島語經常使用的詞類。張永利秀出排灣語和馬來語的句子，進一步說明副動詞與一般副詞的不同：

排灣語的「g<em>alju」就是一個副動詞，意思是「慢」，之所以看出它是一種動詞，關鍵在於它跟後頭表示「吃」的動詞「k<em>an」有一樣的詞綴變化「em」。而中間的連繫詞 a 亦可應證「g<em>alju」與「k<em>an」應同屬於動詞。此外，「g<em>alju」的後面連接附著代詞「aken」表示「我」的意思，附著代詞一般會貼在動詞上。

值得注意的是，古老的副動詞在臺灣南島語言普遍保留下來，但是在臺灣之外的南島語言，如馬來語，卻通常都已經丟失。

綜上所述，從同源詞複雜度、焦點系統完整性、使用詞類有限等語言證據可知，臺灣南島語在目前已知的上千種南島語中，其古老排名可說名列前茅，也代表臺灣可能是南島語族早期的祖居地。

張永利表示：「綜合歸納現在的語言和考古證據，我們可以畫出南島語族遷徙路徑，基本上是從臺灣遷徙出去，先遷往菲律賓群島，再往南到婆羅州一帶，隨後一分為二，分別往東方太平洋和西方印度洋遷徙。」

用「說」的文化資產——母語

對張永利來說，越深入研究就越能體會，臺灣南島語真的是臺灣千年不墜的國寶！除了持續在學界發表臺灣南島語的概念運用規則，張永利也會到原住民部落推廣族語，多年來也跟國內語言學家一起編寫鄒語、噶瑪蘭語、賽德克語等族語教科書。

在與族人互動的過程中，張永利發現，年輕族人為了溝通方便，有簡化族語的傾向，以致某些傳統用語漸漸流失。

以鄒語為例，傳統上在說 11 這個數字時，老人家會講 maskx veiya ucni，「maskx」是 10、「ucni」是 1，中間的「veiya」是「回來」的意思，翻譯成中文就是「10 回 1」，可見鄒族會使用十進位來算數，可是現在的年輕人通常會省略「veiya」的用法。

另外名字的說法也發生簡化現象，例如有一位鄒族人的名字是 Pasuya、家族名是 Tiakiana，老人家會講 Pasu’e Tiakiana，大致的意思是「來自 Tiakiana 家族的 Pasuya」。但是現在的年輕人就直接講 Pasuya Tiakiana，身分證上的名字也這樣登記。

面對日漸普遍的族語簡化現象，張永利有感而發的說：「年輕人覺得只要聽得懂就好，但我會跟他們說，語言也是文化的一部分，而且很多說法只存在特定族群中，想復振傳統文化就要講道地的族語。」

一般人常將語言視為溝通工具，認為只要能有效溝通就好，然而深諳語言奧妙的張永利卻有不同看法：

語言也是一種文化資產，不論是臺灣南島語、華語、臺語或客語都有其文化特色，具有身分識別作用。

「母語能留著就是你的寶藏，現在『特色』就是你最重要的資產！」母語是臺語的張永利不僅在學術場域研究語言，更在日常生活中透過多使用母語來保存語言資產。「語言不是只寫在教科書、或在課堂上唸，一定要積極使用，這樣語言才能真的活起來！」

千年以來，臺灣這座南島語族的原鄉發展出眾多語言文化各具特色的族群，如今在族人及語言學家的努力下，族語的復振工作正如火如荼進行，許多正名成功的族群紛紛從族語找回身分認同，找回值得守護的南島語族寶藏。