1

6
0

文字

分享

1
6
0

「千足蟲」馬陸,真的有 1000 隻腳嗎?

李鍾旻_96
・2022/02/02 ・3083字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

每個人應該都見過馬陸,但肯定幾乎沒有人會願意去細數馬陸共有多少隻腳。

「馬陸」指的是倍足綱的節肢動物,我們在山區潮濕的環境、落葉堆裡、石頭下,都有可能會發現這群外表細長圓筒狀的動物。

比如說,你若在台灣北部的郊山健行遊玩,便常有機會遇到福爾摩沙山蛩(Spirobolus formosae formosae)這種馬陸。福爾摩沙山蛩屬於本土馬陸中的「大傢伙」,體長可達 10 公分,並且牠們的數量不少,是相當容易引人注目的種類。

福爾摩沙山蛩,台灣北部低海拔山區常見的大型馬陸,多棲息在森林邊緣。體色黑且體表具有許多紅色環紋,有時可發現牠們在樹幹、枯木或潮濕的地面活動。圖/作者提供

全世界已知的馬陸至少有 10000 種,壽命一般介於 1~10 年之間。大部分的種類行動遲緩,喜歡棲息在潮濕陰暗的隱蔽環境,但也有少部分種類能適應較乾燥的環境。

馬陸通常會在土壤表面穿梭,以死亡的植物殘骸、落葉等腐敗的植物性成分為食。部分種類的馬陸還能取食真菌、吸食植物汁液,而世界上也有少數雜食性的馬陸會取食動物殘骸。

-----廣告,請繼續往下閱讀-----

有些馬陸偶爾也出現在我們的生活中。像是擬旋刺馬陸(Pseudospirobolellus avernus)這種體長小於 3 公分的馬陸,有時便會沿著門縫、窗縫爬進潮濕的地下室或低樓層的住家。我們所栽種的盆栽,或者花市買來的培養土也可能因夾帶了特定馬陸的卵而導致牠們出現在室內。

擬旋刺馬陸,外觀紅褐至深紫色,分布台灣平地及低海拔地區,多棲息於土壤表面,有時會經由門窗縫隙爬進建築物內。圖/作者提供

名符其實的「千足蟲」?

馬陸是節肢動物中,足的數目最多的一群。或許部分人對馬陸這類「腳太多」的生物總有莫名恐懼感,特別是體型較大的種類,一些人見到牠們會感到心裡不太舒服。

但是關於馬陸的「腳」,確實是很有意思的一件事。應該很多人都聽過,馬陸又有「千足蟲」之稱。馬陸的英文名稱 millipede 源自拉丁文,其中milli 意指「千」,而 pede 則意指「足」。但牠們真有 1000 隻腳嗎?還是說,只是個誇大的形容而已?

先來認識一下馬陸身體的基本組成。馬陸的軀幹擁有眾多的體節,大部分的馬陸,體節數目一般在 20~100 之間。除了身體前端及末端的少數特定幾節外,大部分的體節,每節均長有 2 對纖細的腳。

-----廣告,請繼續往下閱讀-----

馬陸的軀幹確實長有非常多腳,然而大部分的馬陸,腳的數量大約介於 40~200 對之間。也就是說,許多馬陸其實只有 80~400 隻腳。以往人類的認知裡,僅有極少數的物種,會擁有超過 700 隻腳。

舉例來說,產於非洲的非洲巨馬陸(Archispirostreptus gigas),這種馬陸被認為是體型最大的馬陸,體長可達 30 公分,牠身上的腳總計大約在 256 隻上下。由此可見,體型與腳的數目未必是成正比的。

非洲巨馬陸體長約20~30公分,是目前全世界已知體型最大的馬陸,分布肯亞、坦尚尼亞等國家。圖/Wikipedia

直到 2020 年時,澳洲的生物學家在澳洲西部地下 15~60 公尺處的礦區,發現了一種前所未有,腳的數量「破紀錄」的馬陸,牠亦讓「千足蟲」的名號不再是言過其實!

這種馬陸身體纖細而無眼,學名被命名為 Eumillipes persephone。在採集到的樣本中,其中一隻體型最大雌性個體體長約 9.5 公分,身上具有 330 個體節,1306 隻腳(653 對腳),被證實為目前地球上擁有最多腳的物種。而學名中 Eumillipes 的涵義便是「真正的千足蟲」,persephone 則指的是希臘神話中的冥后波賽芙妮(Persephone),象徵這個物種長期棲息在地下深處。

-----廣告,請繼續往下閱讀-----

目前推測,這種馬陸細長的身體比例可能有利於在地底環境活動。並且,由於馬陸這類動物的身體體節並非終生固定,體節及足的數目往往會隨著蛻皮成長而持續增加,因此 1306 這個數字很可能還不是這種馬陸足數目的上限值。

澳洲發現的馬陸 Eumillipes persephone,體色淺,牠不僅身為腳最多的馬陸,更是目前地球上已知腳最多的動物。圖/WIikipedia

當馬陸在鐵軌上橫行

雖然馬陸往往行動緩慢又棲身在暗處,然而在某些地區,馬陸的數量與行為曾造成災難般的問題。相當有名的例子就是阻礙交通!

日本有一種會週期性大發生,俗稱「火車馬陸」(Parafontaria laminata armigera,キシャヤスデ)的種類,當這種馬陸數量多時,曾一度大量群聚在日本中部鐵路,導致鐵軌幾乎被淹沒,更迫使火車班次延後或停駛。

日本新聞台對火車馬路的報導。

澳洲過去也曾發生過相似的案例,在當地屬外來入侵種的葡萄牙黑馬陸(Ommatoiulus moreleti)也會爬上鐵軌。當火車輾過大量的馬陸,牠們流出的黏稠體液便有可能引發出軌事故,使得部分列車班次必須緊急取消。當然,數量龐大的牠們,有時也會爬進房屋,造成人們生活上的困擾。

-----廣告,請繼續往下閱讀-----

在台灣,常見的粗直形馬陸(Orthomorpha coarctata),在戶外有時能觀察到多達數百隻個體聚集的壯觀現象。幸好,牠們一般只在潮濕的土壤環境出沒,偶爾可能在建築物周圍活動,目前沒有發生過影響交通安全的重大事件。

粗直形馬陸,外觀深褐至黑色,身體側方具凸出的黃色板片。台灣平地及低海拔地區常見,有時會在一些潮濕地表環境成群出現。圖/作者提供

還是分不清馬陸跟蜈蚣嗎?

有些人或許會把倍足綱的馬陸,與分類上屬於唇足綱的蜈蚣混淆,但兩者之間其實有很大的不同,特別是足的數量。馬陸大部分體節各有 2 對足,蜈蚣則是大部分體節各有 1 對足。蜈蚣足的數量一般介於 21~23 對之間,數目也遠低於馬陸。另外,馬陸身體大多呈圓筒形,蜈蚣則身體較扁平。

馬陸不像蜈蚣那樣具有能用於攻擊的鉤狀毒鉤,因此幾乎不具危險性。但是當馬陸受到驚擾時,通常身體會捲曲成近似圓盤狀或球狀,並分泌出有異味或具刺激性的化學物質,藉以保護自己。除了部分馬陸的分泌物可能對人的皮膚造成刺激感,大部分常見的馬陸屬於無害的動物。

圖為護卵中的蜈蚣。可以觀察到蜈蚣大部分體節各有 1 對足, 且第一對足進化成鉤狀的毒鉤 。 圖/WIKIPEDIA

事實上,也有一些體型大或外觀特別的馬陸在市場上流通,為特定大眾眼中受歡迎的珍奇寵物。體型碩大且飼養難度不高的非洲巨馬陸,便是相當受人喜愛的種類。人為飼養下,非洲巨馬陸可存活約 5~10 年。

-----廣告,請繼續往下閱讀-----

另外像是福爾摩沙山蛩、琉球帶馬陸(Riukiaria sp.)等具有特殊體色或花紋的種類,因為被認為具有觀賞價值,也有不少人飼養。

琉球帶馬陸,外觀淡黃色,可發現於台灣中低海拔的森林環境。圖/作者提供
  1. First-Ever ‘True’ Millipede With 1,306 Legs Discovered Deep Underground in Australia
  2. The first true millipede—1306 legs long
  3. Every 8 Years, Swarms of Millipedes Stop Trains in Japan. Scientists Finally Know Why
  4. Amy Stewart. 2011. Wicked Bugs: The Louse That Conquered Napoleon’s Army & Other Diabolical Insects. Algonquin Books.
  5. 何淑鈴、王淑玉。2009。《馬陸 停看聽》。台北市教師研習中心。
-----廣告,請繼續往下閱讀-----
文章難易度
李鍾旻_96
7 篇文章 ・ 8 位粉絲
目前大部分時間都在觀察、寫作和拍照,曾獲金鼎獎兒童及少年圖書獎、世界華人科普新秀獎、人與自然科普寫作桂冠獎等。著作:《台灣常見室內節肢動物圖鑑》(2021)、《自然老師沒教的事6:都市昆蟲記》(2015)。

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。