【成語科學】望梅止渴：梅子真的可以解渴嗎？竟然跟巴夫洛夫的制約實驗有關！

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

第四屆諾貝爾生理學／醫學獎，於 1904 年頒給了俄羅斯生理學家伊凡‧帕夫洛夫（Ivan Pavlov）。頒獎理由在於他消化系統上的研究工作打下了重要的生理學知識基礎，同時被廣泛轉化、應用在其他領域學科上。

劃時代研究：神經如何調控消化系統

1897年，在累積了12年研究工作成果後，帕夫洛夫發表了名為《The Work of the Digestive Glands》（消化腺功能）一書。

帕夫洛夫厚積薄發，在這一本書裡一口氣發表許多具有劃時代意義的研究結果，同時提出很多具有突破性的理論。

該書一共有十三章，涵蓋包括實驗（手術）方法、消化腺功能、消化腺的神經系統、理化刺激對消化腺的影響、食物經過消化道過程、和臨床經驗與治療結合等等， 內容豐富同時具有前瞻性。筆者在此不會一一詳述帕夫洛夫的所有實驗過程，只想針對帕夫洛夫提出的幾個我認為比較重要的觀念或方法進行概述。

首先，帕夫洛夫通過對消化腺的傳入／傳出神經干預，證明了神經系統對消化系統的重要調控功能。在此之前，醫學界還無法確定神經系統對消化系統是否存在影響。其次，帕夫洛夫建立了假飼（fictitious feeding）模型：他通過外科手術成功讓狗將食物吃進嘴裡，但在食物進入胃之前，就從人造瘻管排出，並以此證明了「嘴裡的食物對胃消化液分泌也存在調控機制」。同時，他提出了所謂「精神因素所致消化腺分泌」（psychic secretion）的理論。他發現不光是食物在嘴裡會引起胃液分泌，看到、聞到食物也會，甚至同一研究人員的在場、腳步聲、談話聲等等這些過去認為「和消化系統一點關係也沒有的因素」對胃液和其他消化液分泌也都有影響。

最後，帕夫洛夫發現當他在每次餵食前發出固定某種聲音（比如鈴聲），經過一段時間以後，狗只要聽到鈴聲，消化液分泌量就會開始增加。

這一發現，成為日後古典制約（classical conditioning）理論的基礎。所謂古典制約，就是通過反覆人為干預，在原本不存在關聯的兩個事件（一為條件刺激，一為生理反應）之間建立起聯繫。

對人類理論學科的震撼彈：古典制約

古典制約理論的建立，不光是對醫學界產生了重大影響，毫不誇張地說，它在整個人類社會各個不同領域、層面的理論學科中，投下了一顆震撼彈。其中又以對心理學、精神科學、教育學等等影響最大。

「生物（包括人在內）可以通過人為干預被制約」的理論自此成為猶如「1+1=2」的數學公式一般紮根在所有相關學科裡，甚至成為許多政治、社會理論的基礎，也是無數小說、電影和其他形式藝術創作的靈感來源。

赫胥黎的經典名著《美麗新世界》（Brave New World）即是以極端經典制約下的人類社會作為大時代背景。

帕夫洛夫在他的著作裡還提到了許多非常重要的生理學發現，比如不同食物對消化液分泌的影響、消化液對彼此量和濃度的影響等等，實驗內容豐富而細膩。同時，我想要特別指出，其實在帕夫洛夫實驗進行的同時有許多其他研究團體也在進行類似工作，但是帕夫洛夫的實驗成果優於大部分競爭對手，因為帕夫洛夫的實驗方法很成功。他的手術技術高超，取得實驗數據（消化液量和濃度）的方法精良，建立動物模型的成功率也高。由此可見，除了有好的實驗構想以外，有可靠又實際的方法技術也同樣重要。

對帕夫洛夫的研究細節有興趣的朋友，可以到以下網站找到其著作英譯版。

最後以一張輕鬆的漫畫作為結束：

當我們在制約別人的同時，自己不也正處在被制約的過程中嗎？

順帶一提：我所在的比利時魯汶大學（KU Leuven）的心理系系酒吧（faqbar，每個系都有自己的專屬酒吧供系上教職員工和學生交流），名字就是Pavlov。想要被酒精和心理學家同時制約，去那兒就對了～

參考資料：

• Pavlov, Ivan Petrovich, and William Henry Thompson. The work of the digestive glands. Charles Griffin, 1902.（此為1902年英譯版）

• 備註：文中圖片作者不具有版權。如有侵犯版權／著作產權之行為，請即刻與作者聯繫。
  I do not own the copyrights to the images in this article. If you believe any content appearing constitutes a copyright infringement of another party’s right, please contact me immediately to notify of this infringement.

此原文轉載自原作者部落格，原文標題《巴甫洛夫的狗：1904年第四屆諾貝爾生理學醫學獎得主Ivan Pavlov的文章回顧》

• 【科科愛看書】你覺得自己是明辨是非、智慧超群的科青，但面對五花八門的商品就是無法割捨？購物車裡總是堆滿待買清單、每到月底就感到扼腕……這到底是什麼疾病啊啊啊！還請各位莫急莫慌莫害怕，容《用大腦行為科學玩行銷：操控潛意識，顧客不自覺掏錢買單，賣什麼都暢銷》向你道出決策之後的腦科學，相信在了解潛意識的力量之後，無論你是消費者或是行銷人，都能夠荷包滿滿、財源滾滾來呀～

當我們在消費購物時，大腦的決策過程會有三種「評估價值」系統，究竟是哪三種？以下就來一一解說。當然也可以分得更為精細，但大致分類的這三種獨立系統，實際上可以同時運作，進行價值的評估。另外，這些系統的運作方法或影響當然會因狀況或因人而異。

令你無意識反射的巴夫洛夫型系統

第一種是「巴夫洛夫型系統」。如果餵狗吃飼料時，總是讓牠聽到鈴聲，之後狗一聽到鈴聲，就會開始分泌唾液，這就是所謂的巴夫洛夫的條件反射，相信很多人都曾聽過這類例子。與此相同，巴夫洛夫型系統指的就是行動之後，在沒有意識下反射產生結果。

雖然大多出現在與生俱來的事物上，但也有經由學習而來的例子。將盛裝在盤子內的食物全部吃光，或是看到酸梅就開始分泌大量口水，都是巴夫洛夫型系統的典型反應。

食品、飲料之類感覺含有脂肪、鹽分或糖分的食物很美味，總是不小心就吃進這些食物，這也是巴夫洛夫型系統所造成的影響。

如果攝取過多的脂肪、鹽分或糖分，會導致肥胖或生活習慣病，因此這些成分現在被視為敵人，但如同前面所描述的，原本這些成分是人類生存上所不可或缺的。因此，人們會積極地想要吸收積蓄這些成分，並且在攝取之後會產生愉快情感起伏，進而引起想要攝取更多的實際行動。

多巴胺讓你學會習慣型系統

第二種是「習慣型系統」。這是某種透過學習而形成習慣性運作的系統。由於需要不斷嘗試並從失敗中學習，因此比起巴夫洛夫型，習慣型會需要更多時間。

像是每天早上開始工作前會想要喝咖啡、吃飽後會想來根菸、運動後要來杯冰涼的啤酒等等。一般來說，不論咖啡、啤酒或香菸，相信很多人在第一次嘗試時都會感覺「味道怎麼這麼糟」吧。要養成這些習慣，需要花費時間。然而一旦成為習慣之後，如果不進行這些行為，可能會覺得焦躁不安。

這些習慣化的過程，和腦內分泌物「多巴胺」有極大關係。咖啡因、酒精或尼古丁等，比起其他物質可以透過化學反應讓大腦分泌更多的多巴胺，因此容易讓人變成習慣。當然，即使並未含有這些化學物質，可以習慣化的事物有很多，比如說有人早餐一定會吃麵包和牛奶，有些人則喜歡白飯配味噌湯。

習慣化之後，雖然報酬預測誤差比較小，但由於親近性提高，因此容易因為改變而產生不安或異樣感等不快情感起伏。比如說，每天早上習慣吃麵包的人，某天餐桌上突然擺了白飯，應該會覺得奇怪，也就是產生了不快情感起伏。

棒球選手鈴木一朗在比賽的日子，早上一定會吃咖哩飯，每天進行同樣的訓練，並且已經持續十年以上，這是許多人都曾聽過的事情。這項行為，也正是為了不要產生不快情感起伏，以免在比賽時感到異樣。

可以很簡單地說這是一流人物所講究堅持的地方。但如果是專業的商務人士，要如何準備出容易引起顧客愉快情感起伏的狀況，又能避免不快情感起伏，連一些細微末節的地方都仔細考慮是非常重要的。

為了減肥，來養成目的指向型系統吧

第三種則是「目的指向型系統」。這是超越行動當下所產生的結果，是意識著某個目的所運轉的系統。前面的兩項系統是以腦部低階功能為主的系統，是在瞬間內所運轉；目的指向型系統則是以腦中主要掌控理性的部位為中心的系統，較前面兩項需要更多的時間進行決策。

具體的例子如為了健康每天攝取保健食品；為了減肥而吃卡路里低的食物，或是開始慢跑等等。這是最容易發生不快情感起伏及相應行動的類型。人會在潛意識中避免不好吃的食物或痛苦的事情，要消去這份不快情感起伏，並非以引起強烈的愉快情感起伏來解決，而是建立起即使小小的、少少的也沒關係，能夠每天產生達成感這種愉快情感起伏的架構。

這樣的連續情感起伏會連結到習慣型系統。為了養成習慣，建立起每天記錄，或是有時候一個鼓勵、問候的郵件或電話，有這樣協助本人的架構，會更加有效。不論如何，只要有個架構多少可以持續減輕不快情感起伏，目的指向型系統便能發揮很好的作用。

符合價值評估系統，商品自然暢銷

身為製作、銷售商品的一方，在製作商品時，像這樣確認對於這幾種消費者的價值評估系統，能應對到何種程度，或許是不錯的。消費者的需求時時刻刻都在變化，可以說消費者所尋求的就是符合這三種價值評估系統的商品。

拿可口可樂來舉例說明。可口可樂發售時，應該是定位於要滿足與生俱來的欲求，當然會重視味道這一個要素。同時，由於裝在瓶子內，可以很輕鬆地飲用，因此也可以應對習慣型需求。從玻璃瓶改為罐裝之後，重量更為減輕，更加方便，也更容易在自動販賣機銷售。

而瓶蓋可以關緊的寶特瓶出現，使得不論何時何地都能以便宜的價格飲用到可樂，這就更容易培養起習慣。順帶一提，可以用十杯的價錢喝到十一杯咖啡的咖啡券，也是「促進習慣化」的一種方式。

對現在的消費者來說，美味已經變成理所當然的事情；而且在便利商店或自動販賣機就可以輕易買到商品，也不需考量易得性，因而進一步希望從食品或飲料的消費行為中追求健康。因此，現在流行的零卡路里、低脂可樂，就是提供給注重健康的人能夠飲用的美味可樂。

今後，消費者所希望、需要的是，廠商可以提供消費者自己本身也沒有察覺，或是可以協助消費者達成潛意識裡所設定目標的商品，並且經由這些商品能夠真正滿足消費者的需求。

而消費者所沒有察覺到的目標，或是消費者雖有所意識但還未尋求的商品，又或者該如何接近消費者未期待的目標，就是今後的發展重點。就像無酒精啤酒這項商品即是相同的方向。

這裡所說的目標，當然不只是健康走向而已。高級品牌、安全、自我實現、社會貢獻或溝通交流等等，有許多不同的目標。如何尋找大腦在潛意識之下所預想的目標，在當中放入商品，喚起對於這項目標的意識，就是重要關鍵。

本文摘自《用大腦行為科學玩行銷：操控潛意識，顧客不自覺掏錢買單，賣什麼都暢銷》，方言文化出版。