0

3
0

文字

分享

0
3
0

有圖沒真相!?GAN 人工智慧系統的發展與未來——《AI 製造商沒說的祕密》

時報出版_96
・2023/01/31 ・4731字 ・閱讀時間約 9 分鐘

醉後成為 GAN 之父

2013年秋天,伊恩.古德費洛(Ian Goodfellow)與大學實驗室夥伴在酒吧舉行歡送派對。大家就座,開始猛灌精釀啤酒。酒過三巡,古德費洛已有些微醺,這群研究員開始爭論什麼才是製造能夠自我創造相片寫實影像的機器之最佳途徑。

他們知道可以訓練一套神經網路來辨識影像,然後逆向操作,使其產生影像。但它只能產生一些精細、有如相片的影像,這樣的結果實在難以令人信服。

不過古德費洛的夥伴們有一個主意。他們可以對神經網路產生的影像進行統計分析──辨識特定像素的頻率、亮度,以及與其他像素間的關係。

然後將這些分析結果與真正的相片進行比對,這樣就可以顯示神經網路哪裡出錯了。問題是他們不知道該如何將這些資料編碼輸入他們的系統之中──這可能需要數十億的統計次數。

-----廣告,請繼續往下閱讀-----

古德費洛提出一個完全不同的解決之道。他解釋,他們應該做的是建立一套能夠向另一套神經網路學習的神經網路。第一套神經網路製造影像,企圖欺騙第二套神經網路認為這是真的。第二套會指出第一套的錯誤,第一套於是繼續嘗試欺騙,就這樣周而復始。他表示,如果這兩套相互對抗的神經網路對峙得夠久,他們就能製作出寫實的影像。

但是古德費洛的夥伴們並不認同。他們說這主意甚至比他們的還爛。同時,若非他已有些醉了,古德費洛可能也有同感。

「要訓練一套神經網路已經夠難了,」清醒時的古德費洛可能會這麼說,「你不可能在正在學習演算法的神經網路中訓練另一套神經網路。」不過他在當時完全相信可以做到。

當天晚上他返回公寓,他摸黑坐在床邊的桌前,仍然有些微醺,筆記型電腦螢幕的光反射在他臉上。「我的朋友是錯的!」他不斷告訴自己,同時用其他計畫的舊編碼來拼湊他所說的兩套對抗的神經網路,並且開始以數百張相片來訓練這套新裝置。

-----廣告,請繼續往下閱讀-----

幾個小時後,它開始顯現他所預期的效能。生成的影像很小,和一片指甲一樣,而且還有一些模糊。不過它們看來就和相片一樣。他後來表示,他完全是運氣來了。

「如果它不成功,我可能就會放棄了。」他後來在發表此一概念的論文中將它稱作「生成對抗網路」(generative adversarial networks,GANs)。自此之後,他成為全球人工智慧研究圈口中的「GAN之父」。

生成對抗網路的蓬勃發展

2014年夏天,他正式加入谷歌,當時他已在積極推廣GAN,強調這有助於加速人工智慧的研發。他在說明概念時,往往會以理查.費曼為例。費曼曾在教室黑板上寫道:「我創造不出來的東西,我就不了解。」

古德費洛相信費曼此一名言除了人類之外,也可以適用於機器:人工智慧創造不出來的東西,它就不了解。他們指出,創造,能夠幫助機器了解周遭的世界。

-----廣告,請繼續往下閱讀-----
GAN使人工智慧互相訓練與學習。圖/envatoelements

「如果人工智慧可以用逼真的細節去想像世界──能夠學習如何想像逼真的影像與逼真的聲音──這樣可以鼓勵人工智慧學習現實存在的世界結構,」古德費洛說道,「它能幫助人工智慧了解所看到的影像與所聽到的聲音。」如同語音、影像辨識與機器翻譯,GAN代表深度學習又向前邁進一大步。或者,至少深度學習的研究人員是這麼認為。

臉書人工智慧研究中心主任楊立昆(Yann LeCun)在2016年盛讚GAN「是深度學習近二十年來最酷的概念」。古德費洛的成就激發出許多圍繞其概念的計畫,有的是加以改進,有的是據此進一步發展,有的則是發起挑戰。

懷俄明大學的研究人員建造一套系統,能夠產生細小但是完美的影像,包括昆蟲、教堂、火山、餐廳、峽谷與宴會廳。輝達(NVIDIA)的一個研究團隊則是建造一套神經網路,可以將一幅顯示炎炎夏日的相片影像轉變成死氣沉沉的冬日。

加州大學柏克萊分校的研究小組則設計出一套系統,能夠將馬匹的影像轉變成斑馬,把莫內的畫變成梵谷的畫。這些都是科技界與學界最受人矚目與最有趣味的研發計畫。

-----廣告,請繼續往下閱讀-----

可是,就在這時,世界發生劇變。2016年11月,唐納.川普贏得美國總統大選。美國生活與國際政局隨之出現天翻地覆的變化,人工智慧也難以倖免。幾乎是立即出現的衝擊,政府開始打壓移民引發人才流動的憂慮。

美國排外政策造成 AI 產業衝擊

在美國就讀的國際學生已在減少之中,如今更是大幅銳減,對外國人才依賴甚重的美國科學與數學界也因此開始受創。「我們是開槍打自己的腦袋,」西雅圖著名的艾倫人工智慧研究所(Allen Institute for Artificial Intelligence)的執行長說,「我們不是打在腳上,是腦袋。」

一些大企業已在擴張他們的海外研發作業。臉書分別在蒙特婁與楊立昆的家鄉巴黎設立實驗室。川普政府移民政策所帶來的威脅在2017年4月就已顯現,距離他上任不過三個月。

與此同時,「深度學習運動之父」傑弗瑞.辛頓(Geoffrey Hinton)幫助成立向量人工智慧研究所(Vector Institute for Artificial Intelligence)。這是多倫多的一所研發育成機構,設立資金達一億三千萬美元,其中包括美國科技巨擘如谷歌與輝達的挹注。

-----廣告,請繼續往下閱讀-----

此外,加拿大總理賈斯汀.杜魯道(Justin Trudeau)也承諾以九千三百萬美元來扶持在多倫多、蒙特婁與愛德蒙頓的人工智慧研發中心。年輕的研究員莎拉.薩波爾(Sara Sabour)是辛頓一位關鍵性的合作夥伴,她的事業歷程足以說明人工智慧圈內的國際色彩是多麼容易受到政治影響。

2013年,在伊朗的謝里夫理工大學(Sharif University of Technology)完成電腦科學的學業之後,薩波爾申請到華盛頓大學深造,攻讀電腦視覺與其他方面的人工智慧,校方接受了她的申請。但是美國政府卻拒絕給予簽證,顯然是因為她在伊朗長大與就學的關係,而且她所要攻讀的領域,電腦視覺,也是潛在的軍事與安全科技。第二年,她成功進入多倫多大學,之後追隨辛頓加入谷歌。

在此同時,川普政府持續阻擋移民進入美國。「現在看來是美國企業獲益,」亞當.席格(Adam Segal)說道,他是美國外交關係協會(Council on Foreign Relations)有關新興科技與國家安全的專家,「但是就長期來看,科技與就業機會都不會在美國實現。」

2016年川普當選美國總統,開始打壓外國移民。圖,/wikipedia

人工智慧等技術讓製造假訊息變得更容易

但是人才的遷移還不是川普入主白宮所造成的最大變化。自選舉一結束,國內媒體就開始質疑網上假訊息對選舉結果的影響,引發社會大眾對「假新聞」的憂慮。

-----廣告,請繼續往下閱讀-----

起初祖克柏試圖消除這樣的關切,他在選舉的幾天後於矽谷的一個公開場合,輕描淡寫地表示,選民受假新聞左右是一個「相當瘋狂的想法」。但是許多記者、立法者、名嘴與公民都不予苟同。

事實上此一問題在選舉期間十分猖獗,尤其在臉書的社交網路,有數以萬計,甚至可能是百萬計的網民,分享一些虛假編造的故事,這些故事的標題例如「涉嫌希拉蕊電郵洩密案的聯邦調查局人員被發現死亡,顯為謀殺後自殺」或是「教宗方濟各支持川普競選總統震驚世界」。

臉書後來揭露有一家與克里姆林宮關係甚密的俄羅斯公司,花了超過十萬美元向470個假帳戶與頁面買網路廣告,散播有關種族、槍枝管制、同性戀權利與移民等方面的假訊息,此一事件使得公眾更感關切。

與此同時,社會大眾的憂慮也投射到GAN與其他相關的科技上,使它們以完全不同於過去的面貌成為世人焦點:這些科技看來是產生假新聞的管道。

-----廣告,請繼續往下閱讀-----
人工智慧讓假新聞更容易。圖/envatoelements

然而人工智慧科學家當時的研究卻完全是在助長這種看法。華盛頓大學的一支團隊,利用神經網路製作出一段冒用歐巴馬說話的影片。中國一家新創企業的工程師則利用相同的科技讓川普說中文。

其實偽造的影像並不是新玩意兒。自照相術發明以來,人們就開始利用技術來偽造相片。不過由於新式的深度學習可以自我學習這些工作──或者至少部分的工作──它們使得這樣的編輯變得更容易。

政治人物與活動、民族國家、社會運動人士、不滿分子往後不需要僱用大批人手來製造與散播假圖片和假影片,他們只要建造一套神經網路就能自動完成這些工作。

在美國總統大選期間,人工智慧的圖像操作潛能距離完全發揮仍有幾個月的時間。當時GAN只能產生如指甲大小的圖像,而要將字句置入政治人物的口中仍需要罕有的專業技能,更別說其他一些費力的工作了。

不過,在川普勝選一週年時,輝達在芬蘭實驗室的一支團隊開發出新款GAN,稱作「漸進式GAN」,可以利用對抗式的神經網路製造出實際尺寸的圖像,包括植物、馬匹、巴士與自行車,而且幾可亂真。

圖像不再能代表證據

不過這項科技最受矚目的是它能夠製造人臉。在分析數千張名人照片後,輝達這套系統可以製造出看來像是某位名人,但其實並不是的人臉圖像──一張看來像是珍妮佛.安妮斯頓(Jennifer Aniston)或席琳娜.戈梅茲(Selena Gomez)的臉孔,而實際上並非真人。這些被製造出來的臉孔看來都像真人,有他們自己的皺紋、毛孔、暗影,甚至個性。

「這項科技的進步速度太快,」菲利浦.艾索拉(Phillip Isola)說道,他是幫助開發此類科技的麻省理工學院教授,「剛開始時是這樣的,『好吧,這是一項有趣的學術性問題,你不可能用來製造假新聞,它只能產生一些略顯模糊的東西。』結果卻演變成『噢,你真的可以製作出像照片一樣逼真的臉孔。』」

在輝達宣布此一新科技的幾天後,古德費洛在波士頓一間小會議室發表演說,演說的幾分鐘前,一位記者問他該科技的意義何在。他指出他知道其實任何人都早已可以用 Photoshop 來製造假圖像,不過他也強調,重點是使得這項工作更為容易。「我們是促使已經具有可能性的事情加速實現。」他說道。

他解釋,隨著這些方法的改進,「有圖有真相」的時代也將結束。

「從歷史來看,這其實有些僥倖,我們能夠依賴影片作為事情曾經發生過的證據,」他說道,「我們過去常常是根據誰說的、誰有動機這麼說、誰有可信度、誰又沒有可信度,來看一件事情。現在看來我們又要回到那個時代。」

可是中間會有一段很艱難的過渡期。「遺憾的是現今世人不太會批判性思考。同時大家對於誰有可信度與誰沒有可信度都比較傾向於從族群意識去思考。」這也代表至少會有一段調整期。

「人工智慧為我們打開了許多我們不曾打開的門。我們都不知道在門的另一邊會有什麼東西,」他說道,「然而在此一科技方面,卻更像是人工智慧關閉了我們這一代人已經習慣打開的門。」

人們若不具有批判性思考的能力,就會容易被假圖像欺騙。圖/envatoelements。

調整期幾乎是立即展開,某人自稱為「深度偽造」(Deepfakes),開始將一些名人的頭像剪接至色情影片中,然後再上傳至網路。這個匿名的惡作劇者後來把能搞出這些花樣的應用程式公開,這類影片立刻大量出現在討論板、社交網路與如 YouTube 的影音網站。

如 Pornhub、Reddit 與推特等平台趕忙禁止這種行為,但是此一操作與相關概念已滲透進入主流媒體。「深度偽造」也變成一個專有名詞,意指任何以人工智慧偽造,並在線上散播的影片。

——本文摘自《AI製造商沒說的祕密: 企業巨頭的搶才大戰如何改寫我們的世界?》,2022 年 8 月,時報出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
文章難易度
時報出版_96
174 篇文章 ・ 38 位粉絲
出版品包括文學、人文社科、商業、生活、科普、漫畫、趨勢、心理勵志等,活躍於書市中,累積出版品五千多種,獲得國內外專家讀者、各種獎項的肯定,打造出無數的暢銷傳奇及和重量級作者,在台灣引爆一波波的閱讀議題及風潮。

0

0
1

文字

分享

0
0
1
不是不會髒,而是更難沾:耐污馬桶的表面科學
鳥苷三磷酸 (PanSci Promo)_96
・2026/09/22 ・3364字 ・閱讀時間約 7 分鐘

本文與 Panasonic 合作,泛科學撰文 

●以下科學研究內容作為知識分享,不直接與Panasonic A La Uno全自動洗淨馬桶產品功能連結

在做家務的痛苦排行榜上,「刷馬桶」絕對名列前茅。明明天天都在沖水,但過不了幾天,馬桶內壁邊角總會浮現黃黃的水垢、角落發黑的霉斑,甚至是那些刷掉又長出來的粉紅色污垢(黏質沙雷氏菌)。

許多市售衛浴設備常標榜「神奇抗污」或「永久不沾」,讓人誤以為安裝後便能永保潔淨。然而從材料科學的角度來看,世上並無能使污垢憑空消失的魔法。所謂「耐污」的實質機制,並非打造完全不沾染髒污的材質,而是調整表面的物理與化學屬性,使水垢和微生物難以強力附著。一旦降低了污垢與內壁之間的附著力,透過日常水流沖刷,便能輕易地將髒污帶走。

-----廣告,請繼續往下閱讀-----

為什麼污垢「黏不住」? 

要搞懂為什麼某些特殊表面能做到「耐污」,我們得先像偵探一樣,拆解馬桶裡的髒污究竟是怎麼「抓緊」材料表面的。馬桶內壁的污垢主要有兩大難纏的元兇:

  1. 水垢與礦物沉積*1:我們日常使用的自來水中含有鈣、鎂等金屬離子。當水滴在表面經歷反覆的濕潤與蒸發乾燥循環時,這些離子會逐漸結晶析出,變成硬度極高、緊緊「卡」在微觀縫隙裡的礦物質水垢。
  2. 生物膜與有機物*2:包含尿液中的無機鹽、油脂殘留,以及細菌入侵後分泌出像超強膠水一般的聚合物,所組成的黏滑防禦大本營。
關鍵不是沖水,而是「這些污垢如何抓住表面」

這兩大類污垢想要在材料上「落腳」,前提是它們必須能在表面找到足夠的附著點與黏合力。那麼,材料科學家是如何讓這些髒污「站不穩」的呢?答案就藏在「表面能(Surface Energy)」與「濕潤性(Wettability)」這兩個核心概念中。

當我們把水滴在某個表面上時,水滴會聚成一顆圓滾滾的水珠,還是迅速攤平開來?這取決於表面的特性:

  • 疏水路線(Hydrophobic)*1:具備低表面能的疏水表面,能顯著減少水分子或污染物與表面之間的極性作用力與氫鍵。水滴在這種表面上會因為表面張力而收縮成水珠,當水珠滾動滑落時,就能順便把表面的灰塵與礦物質顆粒帶走,這就是著名的「自清潔效應」。
  • 親水路線(Hydrophilic / Superhydrophilic)*2:相反地,極度親水的超親水表面則會強烈地吸引水分子,在材料最外層形成一層薄薄的「水化層(Hydration Layer)」。這層水化層就像是實體的液體盾牌,讓油污、蛋白質或細菌無法直接接觸到材料基底,只能漂浮在水膜上方。

如果要用攀岩來比喻:傳統粗糙的表面就像是有許多凹槽的攀岩牆,髒污就像攀岩者,需要找到落腳點並用力撐住才能攀附;而我們做的是抽掉把手點,或是在把手上塗上潤滑油,讓髒污找不到施力點,自然難以停留。

-----廣告,請繼續往下閱讀-----
材料科學的核心:想辦法讓污垢「抓不住」

不給細菌「握手」的機會

解決了水垢,下一個更棘手的對手是「細菌」。

馬桶內壁那些黑黑粉粉、摸起來滑滑的污垢,在微生物學中被稱為「生物膜(Biofilm)」。細菌並不是孤立生長的,當單顆細菌落在表面後,如果覺得環境舒適,它就會開始分泌胞外聚合物(EPS),這是一種天然的超強膠水。細菌們用這種膠水把自己與同伴緊緊黏在一起,並築起堅固的防禦堡壘,這時一般的沖水就很難把它們沖洗乾淨了。

根據《Nature Communications》與《Microsystems & Nanoengineering》的學術期刊研究指出,要阻止生物膜形成,除了化學上的抗菌,材料的「表面微幾何結構」扮演了至關重要的角色。

材料科學領域中有一個著名的「附著點理論(Attachment Point Theory)」:

-----廣告,請繼續往下閱讀-----
  1. 粗糙與微孔洞表面:如果材料表面存在許多微小的裂縫、氣孔或微米級凹洞,細菌(體積通常約 1 到 3 微米)就會興高采烈地鑽進這些小凹槽裡。這些凹槽不僅提供了極佳的機械咬合支點,還能幫細菌擋掉水流的沖刷。
  2. 極致平滑與微結構表面:相反地,如果材料表面做到極致平滑,完全沒有微米級的缺陷;或者反過來設計出尺寸遠小於細菌的奈米結構,細菌的足跡構造(如鞭毛或纖毛)就無法在表面找到穩固的「接觸附著點(Contact Points)」。

當細菌發現自己在這個表面上連「手都握不緊」、隨時會被水流吹走時,它就無法順利定殖並分泌膠水築巢。此外,現代衛浴結構在設計時,也越來越強調「一體成形」與「無接縫工藝」。消除接縫與死角,等於直接拔除了細菌與水垢最喜歡的避風港。

阻止細菌、生物膜找不到「落腳點」

當材料、結構與流體科技組隊聯防 

了解了材料化學與微觀幾何,我們就能勾勒出一座現代耐污馬桶的完整防禦體系:【材料層(低附著力)】+【結構層(無縫平滑)】+【動態流體層(泡沫與水流剪切力)】= 高效清潔!

以市面上備受矚目的 Panasonic A La Uno 全自動洗淨馬桶為例,就是將材料科學、結構工程與流體力學發揮到極致的典型代表:

1. 材料層:有機玻璃系新素材

A La Uno 全自動洗淨馬桶採新開發的「有機玻璃系新素材」(以壓克力高分子為基礎研發的衛浴專用材料,這類高分子成形技術亦被廣泛運用於大型水族館高壓觀景窗與飛機機艙罩)。這種材料表面具備極佳的疏水性與耐水垢特性,水滴不易長時間攤平停留;材質堅固、不易破裂,耐刮、不易造成細小傷痕。通過實驗測試,這種素材配合泡沫洗淨,在沖洗後能有效沖刷掉高達 99.99% 的大腸桿菌,從源頭阻斷細菌定殖。

-----廣告,請繼續往下閱讀-----

2. 結構層:無接縫工藝與三重防濺防護

在宏觀結構上,A La Uno 全自動洗淨馬桶採用無水箱沖水與便器、溫水洗淨便座一體成型設計,減少傳統水箱與座體之間的結構層次及接縫,並搭配可動迴轉式排水系統完成沖洗。更貼心的是其「三重防護」設計:

  • 泡沫防護:在水面上製造一層充沛的泡沫緩衝層,有效抑制男性站立小便時的尿液與污水飛濺;
  • 外圍防護:馬桶邊界特別設計了高約 3mm 的水檔,防止液體延著外壁滴落至地板;
  • 測漏防護:便座與馬桶本體採用不外露的防護設計,避免液體從縫隙飛濺滲漏。
Panasonic A La Uno 全自動洗淨馬桶

3. 動態流體層:雙效泡沫洗淨、漩渦水流與 nanoe™ X

當污垢降落在馬桶內壁時,A La Uno全自動洗淨馬桶 的動態流體科技便接手進行徹底打掃。其「雙效泡沫洗淨」會先釋放直徑約 5mm 的「毫米泡沫」包裹並帶走大塊髒污,再透過直徑約 60微米的「微米泡沫」深入微觀縫隙,徹底溶解殘餘的油脂與細微污垢。接著,配合高度清潔力的「漩渦型強力水流」,利用旋轉產生的流體剪切力,一口氣將附著力已被削弱的污垢剝離並沖走。此外,Panasonic A La Uno 全自動洗淨馬桶還搭襯了 nanoe™ X 健康科技,釋放氫氧離子有效抑制異味與髒污,維持空氣與內壁的良好衛生狀態。

科技讓生活變輕鬆,但物理法則依然誠實

從材料化學的低表面能設計,到微觀幾何的附著點控制,再到流體力學的水流沖刷,一座現代抗污馬桶的演進,縮影了人類如何運用基礎科學來解決日常生活痛點的智慧。

我們習慣將衛生清潔想像成一場與細菌髒污的硬碰硬死鬥。然而,A La Uno全自動洗淨馬桶 等現代衛浴技術的突破,展示了材料科學的另一種聰明思維:不靠強酸強鹼硬打,而是透過物理與化學邏輯,將「污垢固著」的機率降到最低。

-----廣告,請繼續往下閱讀-----

當材料科學與現代衛浴技術結合,刷馬桶不再是一件令人頭痛的辛苦瑣事。透過這些前沿科技的加持,我們得以從繁重的家務勞動中解放,享受更加乾淨、舒適且有品質的日常生活。

*1 參考論文:A metallic anti-biofouling surface with a hierarchical topography containing nanostructures on curved micro-riblets

*2 參考論文:Brushing up functional materials

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
252 篇文章 ・ 322 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

0
0

文字

分享

0
0
0
脂肪肝不只靠減肥!AI 看臉揪出風險,瘦瘦針與新藥能逆轉肝纖維化?
PanSci_96
・2026/11/07 ・1997字 ・閱讀時間約 4 分鐘

本文由 AI 協助生成,內容經編輯審閱。

你相信嗎?未來可能只要拍一張照片,AI 就能看出你的肝臟有沒有問題!這一集,就讓挺健康鄭丁靚醫師帶我們看懂,為什麼明明是肝臟的問題,卻會寫在臉上?而且,當大家還以為脂肪肝只能靠「少吃多動」來改善時,醫學界其實已經有了突破性的進展,就連大家熟知的「瘦瘦針」也成為治療肝病的新星。讓我們一起來了解脂肪肝的最新科學發展吧!

為什麼肝臟生病,會「寫在臉上」?

2026 年《Cell Reports Medicine》發表了一項涵蓋超過 1.1 萬人的研究,團隊開發出一套名為 3D-FAICE 的 AI 系統,透過分析受試者的三維臉部影像特徵,竟然能辨識出罹患脂肪肝的風險。

你可能會想,難道古人說的「印堂發黑」真有科學根據,還是 AI 學會了看面相?其實都不是。研究團隊進一步比對受試者的血液代謝物後發現,AI 算出的風險分數,和人體內的醣類、脂質及胺基酸代謝途徑息息相關。換句話說,AI 看到的並不是「脂肪肝長在臉上」,而是全身代謝失衡後,反映在臉部脂肪分布、組織型態等肉眼難以察覺的細微變化。

這也點出了一個核心觀念:脂肪肝從來不只是肝臟關起門來自己的問題,它更像是全身代謝系統拉警報時,浮現出來的一個強烈訊號。

-----廣告,請繼續往下閱讀-----

一樣都是脂肪肝,為什麼有人沒事,有人卻會肝硬化?

許多人在健檢報告上看到「脂肪肝」,可能會覺得:「不就是肝裡油太多嘛,少吃一點、多運動,明年再看看吧!」但這種「佛系」心態,很可能會讓你錯失治療的黃金期。

脂肪肝的進程是從「單純脂肪堆積」開始的。如果代謝異常持續,肝細胞會因為脂質毒性、氧化壓力而開始發炎,演變成「代謝性脂肪性肝炎(MASH)」。當肝臟反覆發炎、受傷,身體就會啟動修復機制,留下疤痕組織,這在醫學上稱為「肝纖維化」。

醫學上將肝纖維化分為 F0(無纖維化)到 F4(肝硬化)。所以,現在醫師看脂肪肝,已經不再只關心「脂肪有沒有變少」,而是更在意「肝臟有沒有持續發炎?纖維化到了什麼程度?」因為一旦肝臟長出疤痕,未來惡化成肝硬化、肝癌的風險就會大幅增加。

治療重大突破:新藥與「瘦瘦針」也能治肝?

過去面對已經開始纖維化的肝臟,醫師除了勸患者減重、運動外,並沒有太多直接針對肝臟修復的藥物。但近年來,脂肪肝的治療迎來了重大突破。

-----廣告,請繼續往下閱讀-----

2024 年,美國 FDA 核准了首款專門針對脂肪性肝炎的新藥「Resmetirom(Rezdiffra)」。它的機制非常特別,主要鎖定肝臟中的甲狀腺素受體 β(THR-β)。你可以把它想像成是在優化肝臟這座工廠的「內部產線」,讓肝臟更有效率地處理脂質,幫助減少脂肪堆積並減輕發炎傷害。臨床試驗顯示,有超過四分之一使用高劑量藥物的患者,肝纖維化獲得了至少一個等級的改善。

緊接著在 2025 年,大家熟知的「瘦瘦針」——Semaglutide(Wegovy 的主要成分)也正式取得了治療脂肪性肝炎的適應症。Semaglutide 是一款 GLP-1 受體促效劑,原本用來減重和控血糖。當患者體重下降、胰島素阻抗改善,送進肝臟的代謝負荷自然減輕。研究發現,接受治療的患者中,約有 63% 達到脂肪性肝炎緩解。這意味著,瘦瘦針的價值不再只限於減肥,對符合條件的肝病患者來說,它還能帶來肝臟組織實質的改善。

如何知道自己的脂肪肝走到哪一步?

既然有了治療新武器,我們要如何知道自己的脂肪肝只是「單純堆油」,還是已經「發炎長疤」了呢?

雖然肝臟切片最準確,但畢竟是侵入性檢查;而大家最常做的腹部超音波,雖然能看出肝臟有沒有脂肪,卻難以精準判斷纖維化的程度。因此,臨床上現在更強調「風險分層」。

-----廣告,請繼續往下閱讀-----

其實,你可以利用手邊的健檢報告,自己做初步的風險評估。例如利用「FIB-4」指數,只要套入你的年齡、AST、ALT(兩項肝指數)以及血小板數量,就能初步計算出肝纖維化的風險。如果算出來屬於中高風險,醫師就會建議進一步安排「肝臟彈性掃描(FibroScan)」,利用超音波震動來測量肝臟到底有多「硬」,作為後續治療決策的重要參考。

結語:長壽醫學觀點,別等出事才處理

從長壽醫學的角度來看,脂肪肝是一個提醒我們全身代謝出問題的警報。一旦發現脂肪肝,除了關注肝臟本身,更要同時檢視自己的血糖、血壓、血脂與胰島素阻抗。現在我們有了更進步的 AI 篩檢概念,以及能夠逆轉肝臟疤痕的新藥,我們更不應該等到肝硬化才來想辦法。及早評估、積極應對,才能為自己的健康後半場,保留更多美好的選擇。


延伸閱讀|實證醫學專欄|循證長壽、失智預防、更年期、睡眠科學|叮噹醫師
以同儕評審論文為根據的長壽科學深度解析。睡眠科學、光線生物學、更年期醫學、認知儲備、失智早期檢測。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

PanSci_96
1306 篇文章 ・ 2685 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
0
AI 伺服器晶片大又貴,萬一焊接失敗還有救嗎?
宜特科技_96
・2026/09/18 ・3984字 ・閱讀時間約 8 分鐘

本文轉載自宜特小學堂〈CoWoS, EMIB, SoIC等先進封裝如何精準貼裝且順利重焊(Rework)?〉,如果您對半導體產業新知有興趣,歡迎按下右邊的追蹤,就不會錯過宜特科技的最新文章!

隨著 ChatGPT、生成式 AI 與大語言模型(LLM)的爆發,輝達(NVIDIA)的 Blackwell(如 B200)、Ultra系列,以及 AMD、英特爾(Intel)的高階伺服器晶片,都高度依賴 2.5D / 3D 異質整合先進封裝技術。

為了追求運算極限,晶片不再只是單一矽晶圓,而是 CPU、GPU 和好幾顆 HBM(高頻寬記憶體)用先進封裝「拼貼」在一起。這導致整個封裝完的晶片尺寸變得奇大無比,隨便就突破 90 X90 mm的尺寸,這在以前的消費性電子,例如手機晶片頂多 15 X15 mm,是難以想像的大小。

-----廣告,請繼續往下閱讀-----

一顆高階 AI 晶片的報價動輒幾萬美金,如果在最後打上印刷電路板(PCBA)時,才因為焊接不良(如冷焊、橋接)導致測試失敗,若要整顆報廢,所費不貲。這時,就是「返修系統」上場的時候!如何完美地拆下這顆昂貴的晶片、清理乾淨電路板,再精確地焊回去,是極高難度的維修門檻。

面對晶片巨大化的硬體挑戰,業界普遍遵循的 IPC-9701 規範(焊接性能與可靠度實驗標準)也更加嚴格。從組裝到 Rework(重工)都是重要環節;所謂 Rework,就是將已組裝的元件拆下、修復或更換後再重新組裝,尤其適用於高價值元件的修復與再利用,也是確保 AI 伺服器在高溫、高負載環境下維持可靠度的關鍵。

本文將探討在 AI 算力大爆發的時代下,如何提供一套能跨越物理限制、確保高良率與高可靠度的「大尺寸晶片貼裝與自動返修關鍵解決方案」,協助AI供應鏈上下游克服硬體演進的最後一哩路。

一、AI伺服器晶片巨大化帶來的製程痛點

近期業界最常面臨的痛點是:「現在的大尺寸晶片可能達到 150x150mm,能用什麼工具貼裝?晶片重工維修時又該如何確保品質?」

-----廣告,請繼續往下閱讀-----

(一) 現有設備的尺寸限制:

現行普遍的貼片設備(Pick and Place, P&P)受到物理限制,最大僅能支持邊長約 90×90 mm 的元件,面對現今尺寸動輒超過 90×90 mm 的巨型晶片,已完全無法滿足對位與貼裝的需求。

(二) 手工返修帶來的重工風險:

當大尺寸晶片需要進行重工(Rework)或維修時,若使用傳統人工或非專用設備加熱,容易導致以下缺陷:

1. PCB剝離(Peeling):因加熱不均勻或過熱,導致印刷電路板層壓結構受損。

2. 零件燒焦與冷焊(Cold Solder):溫控不精準導致元件表面燒焦,或是錫膏未完全熔化而形成冷焊,嚴重影響焊接品質。

由左至右是傳統人工除錫製程中,易因溫控不準確,導致爆版、燒焦或冷焊(焊接不良)。圖/宜特科技

3. 焊墊缺陷:傳統人工除錫製程中,容易因物理接觸刮傷或拉扯,造成電路板焊墊(Pad)損壞。

傳統手工除錫常見的缺陷:左圖造成BGA焊墊損傷,右圖為人工除錫後高度不均的現象。圖/宜特科技

二、解密「晶片手術」:高階返修與自動除錫技術

從上面的案例可以了解,在面對大型 AI 晶片的貼裝與返修,真正的挑戰不只是「拆下來再焊回去」,而是如何在不傷害晶片與電路板的前提下,精準完成拆除、除錫、對位與重焊。要完成這場高難度的晶片手術,尺寸、精度、溫控與除錫,每個環節都是關鍵。


因此,專為大型晶片開發的「高精度返修系統解決方案」誕生了!透過精準的溫控技術與光學對準功能,確保BGA元件的可靠拆裝與高效返修,避免因焊接不良導致的損毀。

(一)超大尺寸晶片的也能拆裝:

現行普遍的貼片設備(Pick and Place, P&P)受到物理限制,最大僅能支持邊長約 90×90 mm 的元件,面對現今尺寸動輒超過 90×90 mm 的巨型晶片,已完全無法滿足對位與貼裝的需求。

-----廣告,請繼續往下閱讀-----

(二)高精度光學對位控制更精準:

晶片拆下後,要重新對準電路板上的焊點並不容易。透過高解析彩色相機與光學影像重疊技術,可微調 Theta 角與 X/Y 軸,將對位精度控制在 ±25 μm 以內,降低貼裝偏移的風險。

(三) 複合溫控提升受熱均勻度:

大型晶片若局部溫差過大,可能造成基板翹曲甚至損傷,採用大功率紅外線(IR)結合熱風循環複合加熱,並配備即時監控系統,確保大面積基板受熱均勻,避免板材翹曲或損傷。

結合大功率底座紅外線(Dynamic IR)與頂部熱風循環(Hot Air)的精密加熱架構示意。圖/Kurtz ersa,宜特科技重製

(四) 不傷板清理殘留焊錫:

晶片移除後,電路板上仍會留下殘錫,傳統人工除錫可能增加焊墊受損的風險。自動吸錫技術則能以完全不接觸 PCBA 的方式,自動把殘錫吸取乾淨,徹底杜絕手工除錫帶來的焊墊損壞缺陷 。

三、實際案例分享

宜特經常收到客戶緊急送修、搭載大型 AI晶片的高價伺服器主機板。為了兼顧「高精準貼裝」與「無損維修」,以下是我們將核心技術應用在真實案例的分享。

-----廣告,請繼續往下閱讀-----

案例一:大尺寸晶片(> 90 X 90 mm)光學對位貼裝

客戶研發出一款全新的超大尺寸AI晶片,常規SMT(表面黏著)產線根本無法精準貼裝,也會擔心焊接過程溫度不均,導致高價晶片損壞,而以下是我們針對大型晶片的貼裝流程建議。

大尺寸晶片(> 90mm x 90mm)貼裝流程。圖/宜特科技

1. 精密光學重疊對位(Optical Superposition):
在實機對位時,系統配置了5 MP GigE高解析彩色相機,利用光學影像重疊技術,將晶片接腳(下圖的橘點)與電路板焊墊(下圖中的綠方塊)的影像同時呈現在螢幕上。
工程師就能非常直覺地在畫面上進行Theta角度微調(旋轉修正與 X-Y 軸向微對齊,將貼裝精度控制在極精準的±25 μm以內。當對位完成,真空吸嘴便會自動放開,安全地將元件放到極其精準的座標上。

高精度光學影像重疊(Optical Superposition)對位原理,是系統利用分光鏡(Beam Splitter)與雙LED光源,同時捕捉上方晶片接腳(橘點)與下方電路板焊墊(綠方塊)的影像,將兩者即時重疊於螢幕中,協助工程師進行極其直覺且精準的對位微調。圖/Kurtz ersa,宜特科技重製
IC對位微調補償機制(Alignment Correction)。系統在影像重疊後進行兩階段修正:1. Theta軸向調整(Theta adjustment),旋轉校正晶片角度偏差;2. X-Y 軸向調整(X-Y adjustment),進行前後左右的水平線性對齊,確保晶片錫球與PCB焊墊達到精密接合。圖/Kurtz ersa,宜特科技重製

2. 即時溫控多點監控(Real-time Profile):
在焊接階段,系統採用大功率紅外線(IR)與熱風循環複合加熱。我們在電路板上拉出多達7個位置的溫度感測線(熱電偶),在螢幕上即時繪製動態溫度Profile曲線。此技術能確保這顆超大晶片的每一處受熱都完美均勻,徹底杜絕了傳統加熱不良導致的翹曲(Warpage)、零件損壞或焊接問題。

實機運作時,透過多達7組熱電偶拉線進行的Real-time Profile即時溫度曲線監控,確保巨型基板受熱完全均勻、避免板翹。圖/Kurtz ersa

案例二:高價大尺寸 BGA 元件無損重工返修(Rework)

當客戶測試完的 AI 伺服器主機板上的大尺寸晶片,因焊接不良需要更換。此時最擔心的是拆下舊晶片後,人工清理電路板殘錫可能會刮傷、扯斷脆弱的焊墊(Pad),導致整片百萬級主機板報廢。
針對此案例,我們以自動無接觸的除錫手法解除了人工除錫可能刮傷焊墊的問題,將焊墊損傷機率降為零,讓後續重新貼裝(Remount)的新晶片能夠再次擁有完美的焊接基底。

-----廣告,請繼續往下閱讀-----
晶片重工返修流程。圖/宜特科技

四、自動無接觸除錫技術(Auto Scavenger):

當系統自動將舊晶片安全解焊並移除後,電路板上留下了參差不齊的殘錫。此時,「Auto Scavenger 自動吸錫模組」立即啟動。這是一個完全獨立的智慧模組,不需要操作人員費時設定。吸嘴會自動下降至板材上方,在「完全不與PCBA發生物理接觸」的前提下,自動、快速地將殘留焊料吸取乾淨。

(從左到右)顯示了從開始拆拔BGA到焊料吸取,再到完全去除殘留焊料的過程。圖/宜特科技

隨著 2.5D/3D 先進封裝技術發展,AI 晶片越做越大、成本也越來越高,一旦焊接出問題,直接報廢的代價可不小。如何在不傷害晶片與電路板的情況下完成返修,並確保後續使用的穩定與可靠,也成為 AI 晶片製程中越來越重要的一環。

本文出自 www.istgroup.com

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

宜特科技_96
28 篇文章 ・ 6 位粉絲
我們了解你想要的不只是服務,而是一個更好的自己:) iST宜特自1994年起,以專業獨家技術,為電子產業的上中下游客戶, 提供故障分析、可靠度實驗、材料分析和訊號測試之第三方公正實驗室
繁 简