Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

未來很近,過去很遠:時間感的都卜勒效應

Jacky Hsieh
・2013/03/19 ・1300字 ・閱讀時間約 2 分鐘 ・SR值 537 ・八年級
相關標籤: 時間感 (2)

Photo by Werner Kunz from Flickr

都卜勒效應指的是,當聲波波源與觀察者相對運動時,因為兩者距離改變造成頻率改變的現象。例如救護車往你的身邊開來,聲音變尖(頻率變高、波長變短),開走時聲音變低(頻率變低、波長變長)。我們說快樂時光過得特別快,痛苦的時光則格外漫長,時間感與感受經驗有關。芝加哥大學的研究者Eugene Caruso一篇發表在最新的《Psychological Science的研究指出,甚至是我們在空間中移動,也影響到對時間的感受。

Caruso說,「似乎心理學家忽略了一個重要的事實,我們每天的生活經驗就可以發現,我們評估衡量過去與未來的標準是不同的。」

在過去空間感知的實驗中,我們已知受試者對於移往自己方向的物件,比起離開自己方向的物件感覺比較近,即使物件的起始/離開距離相對於受試者是等長的。在許多形容時間的詞彙像是「時光飛逝」、「時代的巨輪推往……」或是物理學上的「時間之箭」都清楚的說明時間的「移動」與「方向」,這也表達了我們對時間的感知是建立在空間移動經驗,所以Caruso便假設空間感知同樣的效果也會發生在時間感知上,稱之為「時間感的都卜勒效應」。他們用幾個實驗來驗證這個假說。

首先,他們到波士頓的火車站對大學生與通勤者做調查,要受試者回憶過去(或未來)一個月(或一年)的那一天,在你心中的距離感用1~10標示,結果未來時間的距離比起過去的來得近。

-----廣告,請繼續往下閱讀-----

接著,類似的問題,他們用線上問卷問受試者,一組人在情人節八天前做問卷(未來),一組人在情人節七天後做問卷(過去),用-3~3標示情人節離你近或者是遠。三百多人的問卷結果也得到了一樣的結果,未來時間比起過去時間的心理感受近。

這兩個問卷調查暗示著在空間移動與時間感知之間的關係。不過要真正找出兩者間的關聯,他們用虛擬實境來進行實驗。

受試者帶著頭戴式的顯示裝置,視線被顯示螢幕包裹,看到的畫面是雙線道,道路兩旁有種樹、有路燈、有建築物,有些受試者看到的畫面是正走往道路的終點──噴水池,有些則是看到一步步地遠離噴水池,接著讓受試者回答三周前或三周後的那一天,用1-9回答對他們而言距離多遠。

結果發現,只有看到走往噴水池的受試者,感覺未來比過去近;而空間感覺與時間方向不一致時(例如:看到向後移動畫面,但被問三周後未來那一天的時間距離感)則沒有時間感的都卜勒效應。

-----廣告,請繼續往下閱讀-----

這個結果驗證了他們的假說,而我們感覺未來比較近,因為我們感覺正往未來大步向前。

Caruso的研究團隊主張,我們往未來前行不僅只是一個感知上的藉口,他們相信這扮演著重要角色。人類還沒有成功的駕馭時光旅行,我們還沒有能力改變過去,但可以準備未來。對於未來時間感比較近,可能是心理機制幫助我們向前,然後避免或用其他方式面對遭遇到的困難。

Caruso也強調這個研究的重要性,「心理距離,是心理學每個子領域──社會,發展,認知,臨床──的理論與研究中心;但目前都有一個內含的假設:過去和未來的距離是一樣的。」哲學家可能會辯論時間的方向性,而這個實驗結果便說明我們的主觀時間感受是有方向性的。

資料來源:The Temporal Doppler Effect──Psychological Sience[Mar.8 2013]
參考報導:Events in the Future Seem Closer Than Those in the Past──Science Daily [Mar.13 2013]

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
Jacky Hsieh
57 篇文章 ・ 0 位粉絲
中大認知所碩士。使用者經驗工程師。喜歡寫東西分享。

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

0
0

文字

分享

0
0
0
歡樂的時光總是過得特別快?
呂明峻
・2012/09/29 ・1323字 ・閱讀時間約 2 分鐘 ・SR值 522 ・七年級

-----廣告,請繼續往下閱讀-----

Credit: CC by Kerb 汪@Flickr

譯/呂明峻

雖然時鐘上的秒針每次都走固定的距離,但我們對時間的感受卻是一點也不一致。當我們在排隊,或身處一場無聊的會議時,時間似乎總是過得特別慢。而當我們的注意力被引人入勝的事物(例如讓人欲罷不能的恐怖電影)吸引時,我們就會完全失去時間感。

那過得特別快的歡樂時光呢?《心理科學》的新研究指出,「時光飛逝」這句話可能沒錯,前提是:當我們享受的事物是目標導向的(goal-motivated)。

-----廣告,請繼續往下閱讀-----

現存的研究顯示,經歷到正向的情感或狀態,會讓我們覺得時間過得比經歷負向情感及狀態時還要快。但是,隨著研究人員的觀察發現,不是所有的正向狀態都有相同的效果。有時候我們感到滿足或平靜。這些感覺是正向的,但是它們卻不能引起相當高的「趨向動機」(approach motivation)──它們不會讓人想要起身追求或做某些事情。另一方面,渴望或興奮就能引起很高的趨向動機──它們會驅使我們做出行動來獲取某些東西。

阿拉巴馬大學(the University of Alabama)的心理學家 Philip Gable 和 Bryan Poole 提出假設:那些能夠引起高度趨向動機的特定心理狀況,會我們感到時間過得飛快。他們決定以一系列的實驗來驗證他們的假說,實驗結果發布在由「心理科學協會」(Association for Psychological Science)所發行的期刊《心理科學》(Psychological Science) 2012 年 8 月的議題中。

在其中一個實驗裡,有兩張圖會呈現出來,其中一張顯示的時間比較短(持續 400 毫秒),另一張則持續比較久(1600 毫秒),受試者要回報兩張圖片的差異。受試者會看到一些中性的圖片(幾何圖形)、正向但引起較低趨向動機的圖片(例如:花朵),或是正向且能引起高度趨向動機的圖片(美食)。受試者要指出圖片的顯示時間是短還是長(每一張都要)。

如同研究人員所假設的,受試者知覺到美食圖片顯示的時間比幾何或花朵圖形都來得短。

-----廣告,請繼續往下閱讀-----

研究人員還發現,知覺到美食圖片的時間長度和受試者當天吃的東西有相關。最近吃過圖片上美食的受試者(對該食物的趨向動機已經降低)所回報的圖片顯示時間,比最近沒吃過該美食的受試者還來得低。這些發現也被第二個研究證實,當該研究的受試者看著美食圖片,並預期他們稍後能吃到那些美食,他們就會感覺時間過得比較快,這也暗示著:趨向動機的確會使時間過得更快。

看來,使我們感到時間變得更短是由我們的渴望所造成的,而不是普遍認為由注意力集中或生理喚起(physiological arousal)所導致的。在第三個研究當中,研究人員發現,觀看會令人引起高度不悅情緒、讓人更警覺的圖片,並不會縮短人知覺到時間的長度。

Gable 和 Poole 表示,能引起高度趨向動機的情況,讓我們覺得時間過得很快,這是因為它們限制了我們的記憶和注意力過程,使我們驅逐不相關的想法和感覺。這種知覺到時間縮短的情況,可以使我們長時間持續追求重要的適應目標,包括食物、水和友誼。

Gable 說:「雖然我們容易認為時光飛逝是因為我們過得很愉快,但這些研究指出,那些快樂的時光的細節才是造成時間過得快的原因。」「真正關鍵的,似乎是尋求某些目標或是成就導向的(achievement-directed)行為。單單感到滿足或滿意可能不會讓時間飛逝,但是感到興奮或積極追求令人渴望的東西可以。」

-----廣告,請繼續往下閱讀-----

 

資料來源:
Association for Psychological Science (2012, August 21). Time Flies When You’re Having Goal-Motivated Fun.

-----廣告,請繼續往下閱讀-----