Loading [MathJax]/extensions/tex2jax.js

0

1
0

文字

分享

0
1
0

抽絲剝繭的果樹學,19世紀的進步與藝術──《馴果記》

臉譜出版_96
・2022/06/25 ・1811字 ・閱讀時間約 3 分鐘

16 世紀,植物學先驅開始將植物分類成科和種,為記錄和研究植被的龐大工作奠定基礎。幸運的是,他們與當時的藝術家密切合作,為植物和果實創作無數描繪。這些圖像代表植物學插圖極盛時期,益形增加的精確度和美麗的形式,讓人感受到植物分類學在不同國家激發的熱情。

果樹學(種植水果的科學)在 19 世紀早期發展成為一門學科,並帶來了對不同類型水果的全新思考方式。這種新的系統研究還產生有趣的追溯效應:儘管「pomologist」(果樹學家)這個詞剛被創造出來,它似乎突然在歷史上有了許多適用的對象。

果樹學前輩的隊伍從泰奧弗拉斯托斯一直延伸到哈里斯(Richard Harris,在 16 世紀創立了英格蘭第一個商業苗圃),再到奈特(Tomas Andrew Knight, 1759–1838,倫敦園藝學會主席)等人。

托馬斯·安德魯·奈特,所羅門·科爾繪。圖/Wikipedia

奈特支持當時流行的一種理論,即所有果樹品種都有預先確定的壽命,當其終點到來時,就會腐爛和死亡。

雖然這種想法完全錯誤,但確實激發人們依當時最先進的科學方法栽培出大量新品種櫻桃(雞心﹝Black Eagle﹞、艾爾頓﹝Elton﹞和滑鐵盧﹝Waterloo﹞等品種)、蘋果、梨、李和其他水果,藉此確保這些水果在未來的供應。

-----廣告,請繼續往下閱讀-----

奈特最知名的著作是1811 年出版的《赫里福德郡的水果女神波莫娜》(Pomona Herefordensis)。

野生酸蘋果是我們喜愛的栽培蘋果的祖先,20世紀早期。圖/《馴果記

從那時起,果樹學作為植物學分支的地位就牢固地確立下來。

18 世紀末和 19 世紀初,大多數試圖為各種水果類型建立規範的人都不是專職的科學家,而是牧師、醫生、藥劑師和教師。他們收集標本、繪圖,並比較他們的發現。

平版印刷術出現後——而且很快就有了彩色平版印刷——更可以用相對較少的費用複製出水果圖像。

-----廣告,請繼續往下閱讀-----

《大英水果百科;或這個國家目前栽培的最受珍視水果集》(Pomona Britannica; or, A Collection of the Most Esteemed Fruits at Present Cultivated in This Country)這部作品就利用了這種新技術,該書由製圖師暨雕刻師布魯克紹(George Brookshaw, 1751–1823)於 1812 年初版。

布魯克紹的書收錄許多整頁插圖,這些令人印象深刻的插圖展現當時英國果園的豐收成果——十五種水果的兩百五十六個品種。這些圖像非常逼眞,即使在今日也會讓人口水直流。

隨後的幾十年間,更多作者創作了關於水果的重要作品,包括倫敦《園藝期刊》(Journal of Horticulture)編輯霍格(Robert Hogg, 1818–1897)。霍格的作品《水果手冊》(The Fruit Manual, 1860)曾多次再版。

同一時期,大英果樹學會(British Pomological Society)成立,其宗旨在於:

-----廣告,請繼續往下閱讀-----

在英國領地推廣水果文化,特別要注意水果新品種的生產,審查並報告其優點,並努力對大不列顛、歐洲大陸和美洲的水果進行分類。

收穫季節的花園,德國,19世紀晚期。圖/《馴果記

為什麼水果品種的世界一開始就像是一張糾結的網?

雖然水果種植者自中世紀以來就知道嫁接技術,但並不總是遵守規則,反而是在需要新樹時,自己去取隨機發芽的蘋果、梨、櫻桃或李的樹苗。如果他們喜歡這些植物,就會把它們用作下一次嫁接的接穗。

假使想像這個過程在許多不同地方一次又一次發生,就能想像出各地不同水果類型怎麼出現的。大多數地方的品種不會被記錄在果樹學概要中。

法國和德國是果樹學先驅,北美地區對水果類型的深入研究直到 19 世紀中期才開始。很長一段時間,品種的產生多少出於偶然。有目的性的水果育種,亦即刻意用父本植株的花粉讓母本植株的柱頭授粉,一直到 20 世紀才實踐。

-----廣告,請繼續往下閱讀-----

——本書摘自《馴果記》,2022 年 6 月,臉譜,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----
文章難易度
臉譜出版_96
88 篇文章 ・ 255 位粉絲
臉譜出版有著多種樣貌—商業。文學。人文。科普。藝術。生活。希望每個人都能找到他要的書,每本書都能找到讀它的人,讀書可以僅是一種樂趣,甚或一個最尋常的生活習慣。

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。

0

6
0

文字

分享

0
6
0
草莓是果實還是種子?又或者……以上皆非?——「112年會考自然科考題」
椀濘_96
・2023/09/22 ・858字 ・閱讀時間約 1 分鐘

112 會考甫結束,自然考科中有題非常令人印象深刻……。

自然科第 35 題。圖/國立臺灣師範大學心理與教育測驗研究發展中心

原來我們吃的草莓不是以為的「果實」,那個紅紅的果肉是其實是草莓的花托,而上面黑色的點點也不是「種子」,而是果實本人!至於真正的種子呢?當然是在那些黑黑的果實裡啦~

這似乎顛覆我們的印象,以為日常生活中所吃的水果果肉就是植物的果實,究竟這當中又藏著什麼奧秘呢?若想進一步完整理解草莓,就得從果實的構造及分類說起。

果實為被子植物的生殖器官之一,當雌蕊中的胚珠完成受精作用後,子房便逐漸發育為果實,胚珠則發育成種子。有些植物的花托、苞片、花萼等構造會與子房外壁癒合,並隨之生長而膨大,成為果實的一部分;例如這次的主角——草莓。

-----廣告,請繼續往下閱讀-----

接著我們談談果實的分類。可依據發育、構造、型態的不同,分為:橘子的「柑果」、水蜜桃為「核果」、杏仁屬於「堅果」等等,至於草莓則被歸類在「瘦果」及「聚合果」。

花的解剖構造。圖/維基百科

現在我們要先將草莓紅紅的果肉剔除,只剩下單獨一粒粒黑黑小小的果實。「瘦果」(achene)顧名思義,型態硬而細小,其內僅有一粒種子,除了草莓外,常見的如愛玉子、向日葵的瓜子。

屬於「聚合果」(又稱「聚心皮果」,為複合果實的一種)的植物則是一朵花中有多個(兩個以上)離生的雌蕊,花的萼片(花萼)、花托一同參與了果實的發育,最終膨大癒合形成肉質果肉;另外,其果實被分類在聚合果的植物,常見的有釋迦、覆盆莓。

其實除了草莓還有許多我們意想不到,所吃的水果果肉並非單單只有果實本人,例如鳳梨、桑葚、香蕉、無花果……等等;它們也都和草莓一樣,由於果實發育的方式,所造就了如此特別、豐富型態,等著我們一一去認識!

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
椀濘_96
12 篇文章 ・ 20 位粉絲
喜歡探索浪漫的事物; 比如宇宙、生命、文字, 還有你。(嘿嘿 _ 每天都過著甜甜的小日子♡(*’ー’*)

0

3
0

文字

分享

0
3
0
【成語科學】移花接木:「三十六計」之一竟然來自農務經驗?
張之傑_96
・2023/08/02 ・1028字 ・閱讀時間約 2 分鐘

-----廣告,請繼續往下閱讀-----

這個成語得自園藝上的經驗,在民間流傳已久,成為「三十六計」之一,比喻暗中使用手段,以甲替換乙。明代小說家淩濛初,在其短篇小說集《二刻拍案驚奇》中,首次使用這個成語,作為其中一篇的篇目「同窗友認假作真,女秀才移花接木」。

這篇小說的大意是說,有位聞小姐女扮男裝到學校讀書,和同學魏撰之、杜子中感情最好,但心中屬意杜子中。有位景小姐卻看中女扮男裝的聞小姐。後來魏、杜二人得知聞小姐的真實身份,都想娶她。聞小姐施出移花接木之計,將景小姐介紹給魏撰之,自己和杜子中結為夫婦。

談到這裡,小朋友可能還是懵懵懂懂,那就造兩個句吧。

這篇得獎的作品已被人檢舉,是將某小說家的作品改頭換面、移花接木而成。

這張老虎照片雖是移花接木之作,但電腦合成手段高明,連專家都沒看出來。

按照往例,接下去該談談這個成語的科學意義。移花接木,指得就是嫁接。果樹因發生突變,有時結得果實特別好吃、或特別大。農民發現這樣的果樹,就會留下它的種子,希望子代結的果實和親代一樣好吃、或一樣大。如果播種後不如預期,農民還有一招,就是插枝,如果可以插活,所結的果實絕對可以「掛保證」,我們常吃的葡萄,就是用插枝繁殖的。

-----廣告,請繼續往下閱讀-----
插枝(扦插)技術。圖/wikimedia

然而,有些果樹插枝根本就插不活;靠播種嘛,子代結的果實不能保持親代的優良特性。薔薇科的蘋果、梨、桃、李子、櫻桃就屬於這一類。嫁接技術還沒發明前,這類果樹如有一棵結的果實特別好吃、或特別大,那麼就只有這一棵,無法衍生出很多棵。

中國人幾千年前就發明了嫁接技術。農民一旦發現某一棵果樹結的果實特別好吃、或特別大,就割下一小段枝條,接在另一棵的樹枝(砧木)上。當嫁接的枝條和砧木結為一體,「嫁」到砧木上的枝條就可以繼續生長,結出和親本一樣好吃、或一樣大的果實。

嫁接技術。圖/wikimedia

嫁接廣泛用在果樹、花卉等園藝上。美國著名人類學家戴蒙在他的名著《槍砲、病菌與鋼鐵》裡說:「這些果樹(蘋果等)得靠複雜的農業科技——嫁接,中國在農業起源不久,就發展出這項科技。」戴蒙認為,嫁接是不斷實驗的結果,絕對不是偶然的運氣。

-----廣告,請繼續往下閱讀-----
張之傑_96
103 篇文章 ・ 224 位粉絲
張之傑,字百器,出入文理,著述多樣,其中以科普和科學史較為人知。