吃魚、多互動，讓孩子更聰明

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

一月前與妻子分居，30 來歲的東南亞裔英國男子，搬回去跟母親同住。他工作輪班，不時日夜顛倒，喝酒和蠻牛（Red Bull）苦撐。^[1]

飲品所含的酒精以 10 公克為 1 單位，女性每日飲用建議上限為 1 單位，男性則不宜超過 2 單位。^[2]另外，多數能量飲料每毫升約含 0.32 毫克咖啡因，也就是 250 毫升裝的每罐有 80 毫克。^[1]健康成人每日攝取 400 毫克以下，通常還算安全，^[3]而且適量的咖啡因，對情緒、注意力，以及將外來資訊轉為可儲存形式的記憶編碼（memory encoding）都有助益。^{[1, 4]}

男子每天消耗 12 罐 250 毫升的蠻牛，即單日咖啡因攝取量高達 960 毫克。事發當天，他還喝了 7 個單位的酒精飲料。^[1]兩者皆以倍數超標。

被害妄想

咖啡因會促進中樞神經系統的多巴胺活動，過量攝取可能導致焦慮、不安、狂躁，甚至感知錯亂進而發瘋。若在極端壓力下，每日超過 200 毫克，就會增加幻聽的風險。^[1]

果不其然，男子產生被害妄想（delusions of persecution），因持刀及刑事損害遭捕，被押去當地醫院的急診室檢查。醫療人員瞧他外表毫髮無傷，只肌肉注射一針鎮靜劑lorazepam，又把人還給警方。稍後，他以非自願病患的身份，住進精神病房。^[1]

急性腎損傷

毫無相關家族病史的男子，12 年前經歷情緒低潮，並在 1 年後試圖用藥自殺，但未曾這樣鬧事又入院。他在病房裡焦慮躁動，抱怨背疼，可是X光照不出原因。2 天後，男子腹痛嘔吐。以下為他驗血結果的異常項目：^[1]

• 肌酸酐（creatinine；Cr）：肌酸酐是肌肉代謝物，理應由腎臟過濾，隨尿液排出，不會留太多在血液裡。^[5]男子的肌酸酐濃度為 1,205 μmol/L，落在正常範圍 59 – 104μmol/L 之外。^[1]
• 估計腎絲球過濾速率（estimated glomerular filtration rate；eGFR）：eGFR展現腎臟過濾廢棄物的能力，^[6]正常值必須大於90 ml/min。男子的檢測結果是4 mL/min。^[1]
• 肌酸激酶（creatine kinase；CK）：肌酸激酶是骨骼肌、心肌和腦裡面的酵素。上述組織受損時，肌酸激酶會流入血液。^[7]男子的肌酸激酶濃度為 3,336 U/L，超過標準範圍 40-320 U/L 的上限。^[1]
• C反應蛋白（C-reactive protein；CRP）：C 反應蛋白是一種由肝臟製造的蛋白質，身體發炎時，濃度會增加。^[8]正常來說得小於 10mg/L；他的檢驗結果卻為 38.8 mg/L。^[1]

男子顯然得了急性腎損傷（acute kidney injury）。及至此刻為止，他在病房服過抗精神病藥物 olanzapine、止吐劑 cyclizine，以及止痛劑 ibuprofen 和 dihydrocodeine/paracetamol。^[1]雖然其中主要由腎臟代謝的藥物，有機會影響腎功能，但他的藥量不大；^{[1, 9, 10]}而且男子早在被捕後就鮮少排尿，表示當時腎已有毛病。過往有些類似的案例，起因於攝取過量咖啡因；^[1]短時間內灌太多酒，而重挫腎臟的情形，也偶爾可見。^[11]醫師判斷男子的病況，是喝太多能量飲料所致。^[1]

血液透析（洗腎）

精神科將男子轉去急性醫院深入檢查，發現其右腰觸診會痛；靜脈血稍微偏酸；尿液有白血球、過量蛋白質及微量血液；而腹部和骨盆的電腦斷層掃描影像，顯現腎臟問題引發的皮下水腫（subcutaneous oedema）。^[1]他在那裏接受血液透析（俗稱「洗腎」；haemodialysis），用機器過濾腎臟無法處理的髒血。^{[1, 12]}十幾天後，才被送回精神病房。^[1]

男子此時已經沒有脫序的精神症狀，只是亢奮了點。醫師提高抗精神病藥物 olanzapine 的劑量，並加上情緒穩定劑 sodium valproate 長效型。出院時，仍維持這兩種藥物，但劑量更高。不過，隔週男子就自行停藥。^[註]離開醫院 2 個禮拜後，他的肌酸酐濃度，降到略高於標準的 111μmol/L，腎臟功能大致穩定。後續精神科總共追蹤兩次，之間相隔數月。男子的情況良好，表示自己不再喝能量飲料。^[1]

備註

任意停用抗精神病藥物，有使病情惡化的危險。如果想停藥，請務必在醫師的監控下，逐漸減少劑量。^[13]

1. Kelsey D, Berry AJ, Swain RA, et al. (2019) ‘A Case of Psychosis and Renal Failure Associated with Excessive Energy Drink Consumption’. Case Reports in Psychiatry, 3954161.
2. European Commission. (31 MAY 2022) ‘Guidance for alcohol consumption’. Health Promotion and Disease Prevention Knowledge Gateway.
3. ‘Spilling the Beans: How Much Caffeine is Too Much?’ (12 DEC 2018) U.S. Food & Drug Administration.
4. American Psychological Association. ‘Encoding’. APA Dictionary of Psychology. (Accessed on 29 MAY 2023)
5. ‘Creatinine test’. (09 FEB 2023) Mayo Clinic.
6. ‘Estimated Glomerular Filtration Rate (eGFR)’. (17 JUN 2021) Cleveland Clinic.
7. ‘Creatine Kinase (CK)’. (11 APR 2022) Cleveland Clinic.
8. ‘C-reactive protein test’. (22 DEC 2022) Mayo Clinic.
9. Ngo VTH, Bajaj T. ‘Ibuprofen’. (05 JUN 2022) In: StatPearls. Treasure Island (FL): StatPearls Publishing.
10. Thomas K, Saadabadi A. ‘Olanzapine’. (08 SEP 2022) In: StatPearls. Treasure Island (FL): StatPearls Publishing.
11. Cleveland Clinic. (23 JUN 2021) ‘How Alcohol Affects Your Kidney Health’. Health Essentials.
12. ‘Hemodialysis’. (JAN 2018) U.S. National Institute of Diabetes and Digestive and Kidney Diseases.
13. Keks N, Schwartz D, Hope J. (2019) ‘Stopping and switching antipsychotic drugs’. Australian Prescriber, 42:152–7.

高智商成績分數可以用買的！？

當時，在布洛瓦郡鑑別資優生的程序在一、二年級時展開。如果老師判斷一個孩童可能有資格參加資優課程，就會轉介孩子去學校心理師那裡作一個測驗。家長也可以聘請私人心理師來進行測驗。凡是被測出智商在一百三十以上的孩童就會被評估納入資優課程。由於幼年貧困和英語能力有限已經被證明會影響標準化測驗的成績，低收入戶學生以及英語非母語的學生被判定為資優生的門檻比較低，是一百一十五。

可是該郡學生的智商分數看起來很怪。分數並非正常分布，而是在一百二十九分時人數歸零，然後在一百三十分時（亦即被認定為資優的最低門檻）人數驟然升高。而且沒有一個孩子拿到不達門檻的一百二十九分。

後來分析這些數據的經濟學家蘿拉．朱里安諾（Laura Giuliano）帶著冷冷的幽默感告訴我：「高智商分數似乎是有市場的。」私人心理師表面上是被聘請來評估孩子，可是以每次幾百美元的價格，他們實際上是被雇來確保孩子被認定為資優。朱里安諾告訴我，當她自己的孩子接近入學年齡，其他的家長低聲告訴她哪些心理師是「好的」。「好」似乎意味著掌握了「發現」智商一三〇的技巧。

這種買來的智商是理解這種差距的一條線索：大多是白人的富有家長基本上是替子女買到資優生的名額。但是這仍舊無法解釋黑人孩童和拉美裔孩童、英語非母語的孩童、低收入戶孩童被鑑別為資優的人數何以如此之少。就算富有的白人小孩被鑑別為資優的人數超出正常比例，這也不該壓低其他孩童被鑑別為資優的人數。

辨別資優生的新作法——剔除老師和家長的推薦制度

帕克懷疑篩選過程的第一步可能有問題，亦即當老師和家長推薦學生去作測驗。於是在二○○三年十一月，她把那張地圖展示給學校董事會看，並且提出了一種鑑別資優生的新做法。帕克說，關於誰該接受測驗，布洛瓦郡不該仰賴任何人的個別判斷。該郡應該對每一個孩子進行篩選。面對那張凸顯出不平等的閃亮紅色地圖，學校董事會一致投票贊成。

二○○五年，布洛瓦郡展開了全面篩選。員工得到加班費，加班對該郡兩萬名二年級學生進行測驗。由於眾所周知智商測驗和其他標準化測驗都含有偏見，所選用的測驗是一種非語言的認知測驗，把這種風險降到最低。該測驗不依靠與任何特定文化有關的文字或圖像，而是測量解決問題的綜合能力。

在學生作過測驗之後，帕克的團隊就親手把用葡萄牙文、西班牙文和海地克里奧爾語寫成的家長同意書送到每個學校，讓家長能夠同意接下來的步驟。他們有技巧地回答家長的來電，那些家長擔心這張有關「特殊學生」的書面通知乃是表示孩子有行為問題。團隊成員要他們放心，說事情正好相反，說這是個好消息。

等到篩選程序完成，結果很驚人。在全面進行篩選之後，黑人孩童和拉美裔孩童被認定為資優的人數增加為三倍。在接下來那一年裡，有資格參加資優課程的另外數百名孩童中，有八成來自低收入戶或是英語非母語的學生。這些學生當中有許多人的分數明顯高出門檻，這表示即使是資賦特別優異的孩子從前也被排除在資優課程之外。

問題不在於這些孩子的資賦不優異，而在於沒有人費心去把他們找出來。

改變篩選制度與教育環境——不同種族間的成績差距就消失了

改變不僅止於此。布洛瓦郡規定：只要學校裡有資優兒童，哪怕只有一個，該校就必須替這名學生設立一間特殊的「高成就學生教室」，配備有受過特殊訓練的教師和更進階的課程。然後這間教室就會把分數接近門檻的那些學生也收進去──例如，某個年級有四名資優生，而一間「高成就學生教室」可以容納二十四名學生，就表示分數緊跟在後的二十名學生也可以在這間教室學習。

於是這些學生就也能從更快的步調、更豐富的課外活動、更高的教師期望和同儕支持中獲益。朱里安諾及其同事大衛．卡爾德（David Card）發現：在這種特殊教室學習的黑人和拉美裔「高成就學生」在數學和閱讀的成績大幅提升。在被安排進入這些教室之前，這些學生的數學和閱讀成績比不上智商相同的白人學生。在那之後，這個差距消失了。

這些學生當中有更多人變得有資格繼續參加步調加速的課程，使他們走上新的學習道路。事實上，黑人和拉美裔學生的整體數據情況都有了改變。事實證明，在進行普遍篩選之前，這些學生不僅比較不可能被篩選為資優，而且更可能被篩選出有學習障礙。而這種加強篩選反映在智商分數的整體分布上。在進行普遍篩選之後，黑人和拉美裔學生的分數分布圖和白人學生的分數分布圖變得一致。

——本文摘自《隱性偏見》，2022 年 10 月，平安文化出版，未經同意請勿轉載。