鑑識故事系列：如何「染出」內臟的鐵？

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

本文轉載自食藥好文網

• 文／黃育琳 食品技師

你喜歡吃香腸嗎？香腸嚐起來不但鹹甜多汁，飄散出來的香氣更是令人口水直流，是日常的菜色之一。

然而，香腸的內部環境容易滋生肉毒桿菌，並產生對人類最強的毒素「肉毒桿菌毒素（botulinum toxin）」，只需要 1 克便能毒死一百萬人。

為了避免吃香腸出人命，則需要在香腸內添加亞硝酸鹽以抑制肉毒桿菌生長，但亞硝酸鹽碰到二級胺（通常不新鮮的肉類或海鮮因產生發酵作用或腐敗而生成）可能會產生致癌物質亞硝胺（nitrosamines），一種經動物實驗結果顯示會導致腫瘤的致癌物質。

天啊！聽起來加與不加，兩邊都很不妙，那我們為什麼還繼續吃下去呢？

這裡忽略了一個很重要的資訊，若導致亞硝酸鹽中毒，需要有一定「劑量」。我們應該去思考，人類如何在不會導致中毒的劑量下，有效運用亞硝酸鹽這個物質 ^[1]？

毒理學中最重要的概念「劑量」

亞硝酸鹽是衛生福利部食品藥物管理署正面表列的合法食品添加物，只要按《食品添加物使用範圍及限量暨規格標準》限量添加（劑量遠低於導致中毒的劑量），那它對人體不但沒有危害，反而能讓我們免於受到肉毒桿菌毒素的威脅。

若是選擇完全不使用亞硝酸鹽，那麼肉毒桿菌毒素中毒的風險則會大大增加。相較之下，使用亞硝酸鹽必然安全許多，既然這樣，世界上還有無毒物質的存在嗎？

毒理學之父 Paracelsus 先生（西元 1493-1541 年）曾說：「所有化學物質都有毒，世界上沒有不毒的化學物質，但依使用劑量的多寡，可區分為毒物或藥物。」這也是毒理學最重要的基礎概念 ^[註]。

所以世界上並不存在完全無毒的食品，只要過量都可能會導致中毒甚至致死，單純用致癌物、有害物質來區分所有物質其實並不正確，而是要注意它的「劑量」。

當然，加工食品也是同樣的道理。

加工食品吃了不好？也是由劑量決定

常聽大家說，常吃加工食品會對人體有害，對健康造成負擔，但是真的完全都不能吃嗎？

適量吃加工食品對身體是不會造危害的，大家所認為天然非加工食品吃太多也一樣會出事。如維繫人體生命的必需物質「水」，這個看似無害的物質，喝太多卻會造成水中毒。

或者是「母乳」這個直接來自人體的物質，也都可能含有微量抗生素、重金屬或塑化劑等，因為人體在長久接觸整個大環境中的污染後，多少會有毒素累積，要完全無毒是不可能的 ^[2]。

許多人說加工食品之所以不好，是因為有部分加工食品，如早餐加糖的穀片、汽水、零食餅乾、罐裝高湯或熱狗等，糖份、鹽份和脂肪含量通常很高，也沒有其它營養價值，吃太多確實會對身體帶來負擔。

另一方面，前面提到的肉毒桿菌毒素，現在已廣泛應用於去除皺紋、瘦臉或瘦腿等醫學美容；人人聞之色變的劇毒「砒霜」，還可以應用在急性前骨髓細胞白血病（APL）的治療 ^[2]。

只要使用正確的「劑量」，毒藥也可以變仙丹。

要如何判別毒性大小？看半數致死劑量

如此重要的劑量該怎麼看呢？在毒理學觀察物質毒性大小時，有一項很常用的工具——半數致死劑量 LD₅₀。

不同用量的化學物質，實驗動物死亡率亦各不相同，通常物質的劑量與實驗動物的死亡率呈現正比。而半數致死劑量（lethal dosage 50%, LD₅₀），指的就是在動物實驗中，使實驗動物產生 50% 死亡率所需要的化學物質之劑量，值愈小表示毒性愈強。

如肉毒桿菌毒素 LD₅₀ 約為 100 ng/kg（毒素重量/實驗動物重量），小白鼠的體重為 0.02 公斤，所以只需要 2 奈克（10^-9 克），就可以使一半的實驗小白鼠死亡；日常生活中的食鹽（氯化鈉） LD₅₀ 約為 40 g/kg，需要 0.8 克才能使一半的實驗小白鼠死亡，兩者的毒性可說是天差地遠 ^[3]。

不過在日常生活中，若要妥善運用食品添加物、農藥等物質，就先得找出不會導致中毒的劑量，也就是「無明顯不良反應劑量（no-observed-adverse-effect-level, NOAEL）」。

它是指在動物實驗中，統計上未觀察到任何不良反應的最大劑量，在後續制定容許量時，NOAEL 是很重要的參考指標 ^[1]。

「每日可接受攝取量」v.s.「最大殘留容許量」或「使用限量」

若是要找出「人」即使長期每天攝取，也不會對健康造成危害的量，科學家們會根據動物實驗，計算出「每日可接受攝取量（acceptable daily intake, ADI），這個數值將作為政府單位作為安全評估的界線，於此界線下會再考量到飲食習慣或田間施藥測試結果，訂定更嚴格的使用限量(如：食品添加物)或最大殘留容許量（maximal residue level, MRL）作為行政執法的依據，超標的廠商將受到懲罰。

但是超標並不代表會中毒，使用限量或 MRL 是依據一般飲食習慣設定，每日的「總曝露量」遠低於 ADI，對人體不會有不良影響。使用限量或 MRL 皆是在科學的基礎下所計算出的管制劑量，對於在管理食品添加物或農藥殘留是非常重要的 ^[1]。

毒物學所熟知的「劑量」，大眾也應瞭解

有了劑量的觀念即可明白，即使不小心喝到一杯某一農藥殘留超標 MRL 5 倍的茶飲料，雖然聽起來很可怕，但其農藥總暴露量可能仍遠低於 ADI，更低於 NOAEL，故不需為此感到恐慌。

當大眾看到不認識的毒物名稱時，很容易被恐懼帶著走。而食品安全無法僅靠科學去維護，也需要消費者、媒體、政府和食品業界一起努力，才能做好安全把關。

因此我們應該了解到食品安全資訊，是需要培養深入認知與討論議題的能力，才能避免流於情緒的宣洩或受到媒體的操弄。

註解

原文為 “All substances are poisons; there is none which is not a poison. The right dose differentiates the poison from a remedy.” ^[3]。

1. 陳亭瑋，2022。這是毒還是藥？先搞懂「每日容許攝取量」和「最大殘留安全容許量」吧！。行政院環境保護署毒物及化學物質局。
2. 李霜茹，2017。怎麼決定多少「劑量」對人體有害？── 「PanSci TALK：食品安全基本功」──「PanSci。食藥好文網 TFDA。
3. Shibamoto, T. and Bjeldanes, L. F. 2009. Introduction to food toxicology.

義大利某山腳下的小村莊裡，67 歲婦人遭火吻的裸屍（照片）躺臥家門內側。胸口平置經書；腹肚擺放念珠；左手肘內側有道 X 型的割痕；四肢周圍則散落靠枕與燒過的纖維碎屑。後頭牆面一抹煙燻；附近的地板扔著一個澆水壺、一張翻倒且失去座板的椅子；稍遠處還有焚毀的物質和不明液體。大門、廚房跟柴棚之間，遍佈滴落（drip）、噴濺（spatter）和塗抹（swipe）等各種樣態的血液，以及人來人往的足跡。警方在柴棚裡，找到沾血的菜刀、半罐聞起來有燃料味的液體，與倒下、椅座部份燒壞，且有滴落血斑的椅子；並於窄小的客廳中，尋獲一只乙醇空瓶。^[1]

背景與筆錄

這名婦人有 3 個兒子：1 個自殺身亡；剩下2個罹患思覺失調症，其一反覆恐嚇家人。根據筆錄，事發當天兩個兒子都在樓上，一個於房間裡休息，另外一個聽著震耳欲聾的音樂。婦人的丈夫發現，她坐在門口耶穌聖像前的椅子上，渾身火舌纏繞，遂大聲呼救，叫沉浸於音樂中的兒子幫忙。在接獲通報的急救人員到場前，一名被請來的神父先行抵達，將經書和念珠放在屍體上。之後，其中一個兒子因為半燒毀的椅子「惹到他」，而在警察尚未趕到時，把該證物移至柴棚。^[1]

驗屍

驗屍團隊針對婦人的屍體，進行了下列檢查：

• 電腦斷層掃描：沒有重大創傷。^[1]
• 外觀相驗：90% 體表二至三度燒傷；頭髮燒焦；左手肘內側的X型割痕邊緣滲血；無自衛或他人造成的傷害。^[1]
• 解剖：呼吸道黏膜泛黑；心臟肥大、冠狀動脈硬化、左心室肥厚。^[1]
• 組織學分析：肺氣腫、肺部鬱血、心肌硬化。^[1]
• 毒理學分析：婦人的血液與尿液裡，有乙醇、抗精神病藥物levomepromazine和抗憂鬱劑sertraline殘留。^[1]

法醫認為婦人原本就有缺血性心臟病和慢性肺氣腫，在大面積燒傷後，導致急性心血管功能不全，休克而死。至於體內乙醇和藥物的濃度，沒有高到會造成死亡。^[1]

重建時序

由於婦人身上沒有抵禦的痕跡，基本上可以推論不是死於他殺。此外，自焚的燒傷面積，通常比被別人縱火來得大，這也符合婦人的情形。然而，她大概沒有事先計劃，單純臨時起意，才會一個方法不行，再試另一個，愈換愈致命，成為手法多元的非典型自殺個案。^[1]

此案複雜的程度，本來就已經令辦案極具挑戰；偏偏死者的家屬和神父又破壞現場；而且警方沒有檢驗可燃液體的成份，這些都讓事情難上加難。不過，在《國際鑑識科學：報告》（Forensic Science International: Reports）期刊上，分析這個案件的作者，還是絞盡腦汁，把整個時序重建出來：^[1]

首先，婦人使用的藥物不是醫師開的，而且她刻意配合大量乙醇服用，自殺意圖明顯。她體內藥物的濃度沒有很高，不過是因為死亡打斷了身體的吸收。再來，手臂嚴重割傷，必定發生在自焚之前，不然應該沒本事劃得那麼整齊，又那麼深。後來火燒的時候，她還活著，而非死後遭人焚屍，所以會吸入濃煙，燻黑呼吸道黏膜。最後，從血斑的型態和方向，則能判斷婦人先持刀傷害自己，接著在公寓的地面層遊蕩，直到進入柴棚取得可燃液體。她可能在那裏或廚房，將液體淋滿全身，再行至門前走道，然後於耶穌像前坐下。該處牆上焚燒的痕跡，跟婦人身形的高度與寬度吻合，即為佐證。^[1]

即使婦人艱困的生活背景，給予她明確的自殺動機，以上推論還是從統合分析多方線索而來。原個案報告作者也強調，遇到如此複雜的命案，務必參考鑑識醫學、毒理學檢驗和醫療影像等資訊，才能做出正確的解讀。^[1]

自殺防治專線：
 衛生福利部安心專線 1925
 生命線協談專線 1995
 張老師輔導專線 1980

1. Terranova C, Massaro L, Angiola F. (2023) ‘An unusual unplanned complex suicide by arm cutting, poisoning, and self-immolation’. Forensic Science International: Reports, 8:100327.