要愛不要暴！終結家暴的方法面面觀【科科聊聊 EP64】 ft. 現代婦女基金會督導何雨威

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

在荷蘭有一隻 3 歲半的母西施犬，曾經結紮過，平常有按時打預防針，除了 8 個月前拔掉幾顆牙，病歷上無其他重要紀錄。3 個月前牠去寵物旅館住了 10 天，回來後開始打噴嚏。現在身體虛弱，側躺就呼吸窘迫，偶爾甚至張口換氣。飼主帶牠去看病時，還說牠食慾不振，體重下降。獸醫則認為牠不僅營養不良；有牙結石和牙齦炎等口腔衛生問題；呼吸時的鳴喘，在投以消炎藥和抗生素後，也依然無法改善。於是，這隻西施犬就被抓去拍了幾張醫療影像，結果相當出乎意料。^[1]

獸醫告知飼主，西施犬有 2 支肋骨斷裂，並建議聯絡寵物旅館，以瞭解詳情。沒想到飼主情緒激動地說：「幸好只是骨折，而非心臟病。」然後拒絕行動。認為事有蹊蹺的獸醫，拜託同事去多問幾句。後者問完，更感到不對勁，便建議該獸醫去請教動物鑑識專家中心（Veterinary Forensic Expert Centre）。^[1]

荷蘭的動物鑑識專家中心，是一個類似家暴防治部門的存在。^{[1, 2]}其設立的目的，首先是協助獸醫處理疑似虐待動物的案件。讓他們上傳影像和文字，再由該中心的專科獸醫，以及在荷蘭鑑識組織（Dutch Forensic Institute）負責人類案件的法醫，分析這些資訊，並在 48 小時內回覆。假若判定為虐待，原獸醫可以將案件轉交警察偵辦。同時，動物鑑識專家中心還有其他功能，例如：科學研究，以及教育獸醫、一般醫師、心理師、社工與普通民眾，虐待動物其實是家暴的潛在徵兆，二者的關係密不可分。^[2]

該中心受理西施犬的案件後，派出由 1 位歐洲獸醫診斷影像學院（European College of Veterinary Diagnostic Imaging）的代表和 2 名法醫，所組成的調查小組。儘管原獸醫提供的醫療影像，不是非常清晰，小組成員還是在已知部份以外，發現了至少 5 支以上的肋骨骨折，以及輕微雞胸（pectus carinatum），也就是胸骨略為凸出。值得注意的是，這些癒合程度不一的肋骨，加上斷裂的位置，都讓他們懷疑飼主虐待動物。 ^[1]

不過，調查小組從顱骨的影像，看到這隻西施犬有骨質缺乏（osteopenia）以及浮動齒（floating teeth）等問題。^[1]前者是指骨質流失，但不到骨質疏鬆（osteoporosis）的程度；^[3]後者則是因根部受損，而在影像上看起來猶如會浮動的牙齒。^[4]這兩點都是犬隻腎功能異常，導致次發性副甲狀腺亢進（secondary hyperparathyroidism）的徵兆。換句話說，骨折應該是源於腎臟問題，而非虐待。正當他們考慮還給飼主一個清白；獸醫為西施犬驗血的結果，也顯示牠的腎病嚴重。^[1]

真相好不容易水落石出，該西施犬卻病入膏肓。飼主決定將牠安樂死，並且同意驗屍。透過死後的電腦斷層掃描與解剖，研究人員找到另外 10 支骨折的肋骨、鈣化點遍佈且塌陷的肺臟、腫大的副甲狀腺，以及 2 顆發炎、縮小並局部性纖維化的腎臟等病變器官。^[1]

慢性腎衰竭（chronic renal failure）以及併發的次發性副甲狀腺亢進，都是犬隻常見的疾病。腎病嚴重時，體內的鈣和磷會失衡，造成轉移性鈣化（metastatic calcification）。此時，副甲狀腺為了維持血液中鈣的濃度，會大量分泌副甲狀腺素，刺激骨骼釋放鈣質，卻也使得骨折的風險提高。這隻西施犬發炎的腎臟、鈣化的肺部、腫大的副甲狀腺和斷裂的肋骨，便是如此接連出事，兵敗如山倒。骨牌效應最後一路影響到呼吸，所以才會被帶去看病。^[1]幸好動物鑑識專家明察秋毫，否則好心的飼主差點就被誤會成虐待動物的罪犯。

延伸閱讀

貓的痛，AI懂？——貓臉疼痛辨識技術

我們的失眠和喜鵲的失眠有什麼地方不一樣？

砰！栽落地面的澳洲鸚鵡醉了嗎？

狂吐白沫的竟是雨後的尤加利樹，而非飲鴆止渴的無尾熊？！

在被澳洲喜鵲猛烈攻擊前，跪求交友！

1. van Bruggen LWL, Marrero JPD, Grinwis GCM, et al. (2022) ‘Renal secondary hyperparathyroidism should be considered a differential diagnosis in forensic cases where animal abuse is suspected’. Forensic Science, Medicine, and Pathology.
2. Endenburg N, Rodenburg B, García Pinillos R, et al. (2021) ‘The Veterinary Forensic Expert Centre In The Netherlands’. In Proceedings Book One Welfare World Conference. One Welfare CIC.
3. ‘Osteopenia’. (29 SEP 2021) Cleveland Clinic.
4. Bickle I. (12 MAY 2021) ‘Floating teeth’. Radiopaedia.

泛泛泛科學 Podcast 這裡聽：

當家中小朋友問你「煮雞與烤雞有何差別」，或者吵著為何不能常吃鹹酥雞，種種飲食問題你知道該如何解答嗎？《神廚賽恩師》有感於台灣大小朋友缺乏「食物教育」，而從蒸、煮、炒、炸等「料理單字」，為大家解惑料理背後的科學，探究我們每天吃的美食到底如何製成？

本集我們邀請節目製作人鄭佳華、主持人史達魯（祝福另位主持人納豆早日康復 QQ）聊聊《神廚賽恩師》的誕生過程。節目成形竟是因為製作人小孩害怕「吃雞」？中華料理繁多的料理方式，要如何以科學辨認其差異？認識「鮮味」竟是烹飪及點菜的小撇步？節目第二季還會教你煮泡麵、水餃更好吃的妙招？本集讓我們和神廚，一同暢遊「料理賽恩思」的世界！

• 02:21 節目起源於小孩怕吃「蛀蟲雞」？

《神廚賽恩師》自 2020 年於公視開播，從華人生活中重要的飲食文化為切入點，讓孩童從中獲得科學知識。製作人鄭佳華認為生活常遇上的問題，用「科學」來解決最快，因此也曾製作《非常有藝思》、《成語賽恩思》等將文藝與科學結合的節目。由於她曾聽家中孩童發問「煮雞與烤雞有何差別？」，甚至認為「雞的毛孔是被蟲蛀過」，深深感到台灣「飲食教育」不足，才動念想出《神廚賽恩師》的節目企劃。

• 07:47 從「蒸煮炒炸」認識料理的科學原理

製作人鄭佳華有感於不論孩童或大人，我們對「飲食」的食材來源、烹煮歷經的化學變化或食物內含的營養成分都不大熟悉。因此當她回頭查找資料時，發覺「中華料理」的菜名，如：清蒸鱸魚、紅燒豆腐，便已解釋該菜的烹調方式，而動念以蒸、煮、炒、炸等「料理單字」作為每集主題，由主持人納豆扮演學徒，帶領一群孩童「小學徒」，​​向另一位主持人、廚師史達魯請教美食烹調概念，探索廚藝背後的科學道理。

延伸閱讀：

料理的美味其實來自於科學原理—「Pansci Talk：嚐識」

• 10:15 阿宅廚師的「debug」料理精神

廚師史達魯過去為科學相關科系畢業，曾以電腦工程師為業，廚藝則完全是「自學」無師自通。他以工程「阿宅」角度來看，寫程式與做料理都是「debug」，以除錯的心態來解決問題，例如：發現炸雞皮脆肉不熟時，可先把雞肉放在水中煮熟，再裹粉去炸外皮，便可達到「皮脆且肉熟」的結果。近期，他還突發奇想，效仿製作魚露的發酵過程，試圖實驗把牛肉製成鮮美「牛肉露」；或把製作豆腐乳的「菌絲」炸來吃，沒想到吃起來還頗有「豆漿味」。

• 16:44 節目會不會知識量太爆炸？

2020 年第一季《神廚賽恩師》播出後，鄭佳華收到許多反應不俗的觀眾回饋，包含：孩童願意效仿節目，在家中自行操作「料理實驗」，由於實驗可在自家廚房進行，家長也較能從旁監督而感到放心。製作節目時，他們也盡可能不讓知識量「爆炸」，而是讓內容越拓越廣，讓節目更貼近生活。史達魯提及到臺北醫學大學兼課時，曾把節目提供學生當補充教材，甚至有學生藉此買下生平「第一瓶醬油」，只為實驗節目中提及的「梅納反應」，讓史達魯印象深刻。

延伸閱讀：

回不去的醬油？「致癌」兩個字可能跟你想的不一樣！

• 21:40 台灣人「三句不離吃」一定會看節目

《神廚賽恩師》節目包含多個環節：藉由棚內烹調實拍，解釋料理背後科學原理；並以故事動畫，介紹名菜的發展歷史；最後再至外景拍攝業內師傅、名廚做菜。鄭佳華認為台灣人重視飲食，談話內容「三句不離吃」，顯示大眾很願意從文化、科學方面理解「吃」，因此做飲食節目必定能吸引觀眾。

• 24:05 以科學區分料理方式差異

鄭佳華提及，許多烹調字詞如炸、炒，可從其象形文字看出其料理方式。籌備節目時，他們還發現有「伙房 28 法」細分各式烹調方式，許多料理方式連史達魯都未必知曉如何解釋，經過研究、向老師傅請教才知道箇中差異。另外，眾多相近的烹調方式，確實可用「科學」來解釋差異，如同：煮、燉、汆燙等水煮烹飪法，便是因為用水溫度高低、烹調時間長短不同，才讓成品的風味有所分別。

• 30:02 「食育」不淪為說教要親身體驗

近年，日本推行「食育」，培養孩童從小認識食物來源、接觸烹飪過程，介紹飲食對環境的影響，強調在地飲食觀念。《神廚賽恩師》也以節目推廣「食育」，藉由外景拍攝讓觀眾認識食物原產地，安排主持人及孩童親自採集、烹調食材，體驗料理的產製過程。孩童能藉此瞭解哪些料理營養，哪些則不健康應該少吃，例如：油炸的鹹酥雞，讓「食育」不淪為說教。史達魯還藉節目拍攝，認識「天然愛玉」竟可耐高溫不會融化，讓他而後運用於分子料理中。

延伸閱讀：

丙烯醯胺是如何生成的？哪些食物含量最多？——丙烯醯胺大揭密（上）

為什麼愛玉籽洗一洗就會「結凍」？——從國民美食到生醫材料

• 34:01 大人也要看的烹飪與點菜秘笈

《神廚賽恩師》把主持人納豆設定為「想當廚師但不會做菜」的學徒，希望孩童藉由他的角色，進而了解廚藝科學。然而，史達魯認為節目給大人收看，知識量也十分足夠，例如：談論「燒」的集數，請到資深范添美師傅，呈現料理東坡肉的神技；「醬」的集數中，提及「鮮味」的協同效應，解釋當兩種食材混合烹調時，游離胺基酸加上核苷酸起化學反應，能產生超過兩種以上的鮮味，像是日式高湯中的昆布與柴魚。觀眾除了藉此更知道如何烹飪，至餐廳點菜時也更知道如何搭配菜色。

延伸閱讀：

【Gene思書齋】鮮味的科學の祕密

• 39:41 《神廚賽恩師》本身就是一次科學研究

鄭佳華形容《神廚賽恩師》精緻、多樣化的節目橋段，就像是一次科學研究。先由棚內「試吃」環節介紹該集主題，實際烹調食物理解料理的科學原理，再從動畫介紹名菜歷史，追溯背後的文化源頭，最後則請名廚「實作」該道料理。從食材源頭、烹煮原理到烹煮過程，皆於完整於節目中呈現，也是相當完整的一堂「食育」課。

• 43:24 失敗料理「加糖」就能補救？

今年播出的第二季節目，除了將延續先前「伙房 28 法」的烹調方式外，「酸甜苦辣」等味覺也將成為主軸。節目也驗證「失敗的料理加糖就能補救」的都市傳說，確實有其道理，藉此介紹各式味蕾的厲害。目前尚在規劃的第三季，也希望從食材如何轉變為食物切入，例如：黃豆能製作出豆腐、醬油等，讓觀眾能從更多元的角度認識飲食。

延伸閱讀：

這杯重水喝起來甜甜的，我可以再來一杯嗎？

• 51:07 看第二季偷學煮泡麵、水餃小撇步

第二季將於 3/11 起，每集於週五晚間 6 點於公視主頻道、7 點於公視 3 台首播，並且會同步在公視 + 影音平台上架。鄭佳華與史達魯再次推薦，《神廚賽恩師》雖是兒少節目，但大人小孩皆適合觀賞，可藉此更認識廚藝科學與飲食文化，也預告本季中將會透露煮泡麵、水餃更好吃的妙招。若想知道這些烹調小撇步，每週鎖定節目必定能有所收穫！