Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

從藝術到科技--水下機械生物「水之械」

馥林文化_96
・2013/07/24 ・4148字 ・閱讀時間約 8 分鐘 ・SR值 520 ・七年級

-----廣告,請繼續往下閱讀-----

採訪/黃渝婷、謝瑩霖
攝影/張裕民
圖片提供/舒靜珉

將藝術與科技結合,可以激發出什麼樣的火花?工研院的舒靜珉開發設計出具有娛樂、美觀、具發展性的水下機器人「水之械」。目前「水之械」已有五代, 每一代都有不同的設計構想,雖然都有著以魚為設計概念的仿生外觀設計,但每代獨特的研發技術卻創造出不同的差異性。科技與藝術相結合,將為我們的未來世界 添加更多的美感。

跨界藝術家

目前在工研院服科中心的舒靜珉經理,與團隊設計出水下機器人「水之械」,這是工研院從2005 年開始的專案計劃, 這項專案計劃延續了幾年,製作出了共五代的「水之械」成品。團隊的主要負責人舒靜珉卻不是我們想像中的機械電機專業出身的理工科人, 反而是不折不扣的美術藝術家。

相信很多人都會有這樣的疑問:「『水之械』明明就是機器人,裡面有很多東西是要專業人士才能想到的吧?一個非機械相關科系出身的人要怎麼設計出來呢?」

-----廣告,請繼續往下閱讀-----

但舒靜珉就是有這樣的能耐,撇開他本身的美術底子不說,也因為他擁有很高的學習動力。他為了完成這個計劃,花了一個多月時間把工程師丟給他的相當於 電子學教科書的檔案讀完,完全自學電子電路的基礎。雖然沒辦法跟一路唸機械電子上來的工程師比, 但舒靜珉說:「懂了一些基礎後,我在設計跟溝通上就比較有概念,像在設計時我可以把機械跟電子的構造和所需空間一併設計進去。而有了共通的語言,在與工程 師溝通時也快很多。」舒靜珉也堅持自己動手做,自己想辦法克服困難點。他說:「剛做第一代時很多東西都是第一次,所以碰上許多需要解決的問題。像是我們想 到了用絲襪來製模,以及用針筒來抓漏。這些都是非常簡單但是需要自己實際動手才能想到的,實際去執行後你就會發現問題在哪裡,然後想辦法解決它。」

針筒抓漏法。

「水之械」的開發

不同於一般由內部往外部開發的設計順序,「水之械」採用由外而內的開發方式,先繪製2D 平面圖再利用3D繪圖軟體做出實際的樣子,接著安排機構位置,並用圖像讓上司與技術團隊能清楚了解設計方向。因此開發與提案的速度都大幅提升。「水之械」 開發到現在已有五代,而由於舒靜珉喜歡水中生物,因此每一代的外觀都採仿生的設計,有的像魟魚,有的像座頭鯨,提供給使用者更容易親近的感覺,另外它們的 外觀皆無凸出的零組件,這讓移動的過程中不會產生鉤扯的狀況,使移動的流暢性更為提高。而「水之械」更有著許多特殊的專利設計,這些都是在一次又一次的測試中所得到的成果,也因為這些特殊設計, 使得「水之械」與過往的表演型機器人比較起來差異性較大,也激發了許多新的機器人設計觀點。

內部程式撰寫方面,舒靜珉採用常應用於底層硬體操作且自由度高執行速度快的組合語言,另外因為機器人機身較小,需採用單晶片來做為核心,使用組合語言較容易與單晶片產生搭配效應。

手繪草稿。

發展再創造

看到「水之械」的第一眼,並不會覺得這是一款機器人,反倒像是做工精細的模型玩具,可是實際上它卻是具有許多特殊設計的互動型機器人,由於舒靜珉的美術背景,讓「水之械」不會淪於外表冰冷堅硬的一般機器人,而是流露著一股柔性的藝術美。結合藝術與科技兩個領域是舒靜珉的特色,與其說他做的是機器人,不如說他做的是一項藝術品。

-----廣告,請繼續往下閱讀-----

舒靜珉也希望現代的人在思考或是學習上可以有結合不同領域的概念,不要為自己設限。從他身上我們可以看到結合不同領域可以做出令人為之一亮的產品, 讓科技不再那麼無趣,也讓藝術品不再只是裝飾用的東西。

他也表示非常感謝一路走來各級長官的支持,及院內外所有合作夥伴的努力!

「水之械」一代∼五代介紹

一代:由外而內開發出的第一臺水下機器人
第一代的「水之械」, 舒靜珉以魟魚為仿生對象,設計成稍有弧度外觀,內部採用七顆高速馬達,每顆馬達分別控制兩個噴水孔,因此在機器人的表面共有14 個噴水孔, 透過程式的微調讓「水之械」在水裡不管水平或是直立都能自由活動。而由於是首次開發,光是在塑模的過程中就花費相當大的心力。

首先要利用3D 繪圖軟體輸出模具的輪廓,再將一片片的模板雷射切割出來,像製作燈籠一樣,將木桿穿過模板串起來製成骨架,再用絲襪將這些組件包覆起來。補土做出子模再開出母模,有了母模就能直接開模做出原型,以土法煉鋼的方式做出第一臺「水之械」。設計採整臺包覆,但仍有孔洞,因此會有漏水問題,此時舒靜珉想到使用醫療用的注射針筒插入機器人尾端的孔洞,透過擠壓空氣進入機體,藉由溢出的氣泡位置,便可測試出哪些地方有漏水,而在後來的每一代都會在尾端預留漏水偵測尾管裝置,讓之後的除錯速度提升不少。但百密必有一疏,漏水只能減量不能完全避免,而少量的水加上內部核心的溫度,又多了一個鏡頭會起霧的問題,但舒靜珉說:「一直在想著如何將核心溫度降低,反而無法避免起霧,將溫度拉得愈高愈好,內部起霧問題便迎刃而解。」

-----廣告,請繼續往下閱讀-----

之後舒靜珉更將一代機器人外觀變形,將左右兩邊側翼切開,讓部分動力機構外露,也讓水流入部分機體,核心一樣透過特殊防水技術將水隔離在外。另外由於機體分開代表外殼須分開設計,也衍生出下一代可已更換外殼的設計。
二代:固定機器人核心與可更換的外殼

在一代的後期,由於讓水流入部分機體內,衍生出將機器核心與外殼分開設計的念頭。一代在關於浮沉方面的設計,舒靜珉刻意將機身比重設計成與水相近,因此可以擺放在水中任何一個位置,再採用噴射高壓水柱來直接推動機體,但速度不快且效率不佳。而在某次的因緣際會下,他運用跟魚膘類似的原理控制浮沉(魚膘是可改變魚體比重的器官)經過不斷的嘗試,製作出微型薄膜浮沉系統,並且榮獲美國(臺灣)設計專利。

薄膜浮沉系統。

另外由於一代機身重量較重且機體大,舒靜珉在二代做了大幅度的變化,將機身縮小至一個巴掌大,並將動力裝置由高壓噴水孔換成直流馬達控制螺旋槳,大大地減少機器人的馬達用量,重量也減輕許多;再搭配薄膜浮沉系統,較小機體能更快速且靈敏的變更水下的位置。但縮小化的設計也出現了不少缺點,因為機體較小,能放置的元件有限,使得機器人功能性稍稍下降。

另外, 開發出控制的互動對戰系統,就算是小機體也能有大樂趣。此種設計就像現今的七年級生小時候曾玩過的怪獸對打機一樣,不過不需要看著點陣排列的黑白螢幕,而是真實的機器人,也可能開發出更大的商業模式。

-----廣告,請繼續往下閱讀-----

三代:透過互動裝置,不用碰水也可以撫摸「水之械」

三代特殊之處在於利用UWB(Ultra-Wide Band ,超頻寬)來感測人體的心跳頻率, 透過UWB 打出的超音波撞擊到人體心臟時,可因心跳頻率不同而回傳不同的訊息給機器人,使機器人作出相對的互動反應,再透過程式撰寫許多動作設定給Dummy互動裝置。每當Dummy 辨識到不同手勢時,就會傳送訊號給機器人,機器人再依照相對應的動作設定來做出動作。如此一來,就可以在不用碰觸到水的情況下,使機器人收到等同於實際撫摸的訊息,進一步進行互動行為。

可與「水之械」互動的裝置Dummy 。

舒靜珉分享到:「在三代開發時有個小插曲,因為每一代在開發過程中,都要先用3D 軟體繪製出外型的模擬圖,但在實際開模做出機器人後,卻發現外型與模擬圖有明顯差異。」這是因為在3D 原型設計時, 所採用的廣角鏡產生變形之誤判所致,因此後來便會先進行一些細部調整來確保整體美感。

四代:黃綠紅開發水下新視界

-----廣告,請繼續往下閱讀-----

由於小型機體可做的事情有限,到第四代時為了開發水下視覺這塊領域,舒靜珉又將機體變大以利於加入攝影機鏡頭及傳送數據資料的裝置。

另外,在水下傳送數據容易被水影響而傳送效率不佳,因此開發了三臺分別為綠、黃、紅的機器人,透過攝影鏡頭, 利用RGB 影像辨識讓彼此在水中保持固定的距離, 因此而能夠在水中保持固定的影像傳輸距離。影像拍攝及傳送順序方面,先由裝有攝影機綠色機來拍攝影像,再將影像資料透過630MHz 的頻段將數據資料傳送到作為中繼站的黃色機,接著使用730MHz 的頻段將數據資料傳輸到紅色機,而紅色機則裝有較大頻段(2.4GHz)的無線影像傳輸裝置,可將影像數據傳輸到水面上距離較遠的電腦中。

RGB 定位畫面。

舒靜珉也開發新的外部機構快拆裝置,如此一來當機器人內部電路故障時,可輕鬆打開外殼檢查機體內部電路。此外由於機體較大,原本的薄膜浮沉系統效能降低,因此以2 個60cc針筒製作出浮沉平衡器系統,並修正電路,以確保大型機體進行浮沉時能更為順暢。

五代:只要摸水族箱就可以直接互動

-----廣告,請繼續往下閱讀-----

直到五代, 舒靜珉又想回歸先前三代的互動控制,但這次已經不需要手上的Dummy 了, 只要觸摸水族箱就可以直接與機器人互動,也無須透過UWB 感測人體心跳速率,只要透過碰觸水族箱前方的觸控薄膜薄膜就能傳輸訊息給機器人,機器人還可自己作出生氣、開心等動作,並且擁有前面四代的特色,這樣的一 臺水下機器人,誰會不感興趣呢?可惜的是「水之械」進行到了第五代計劃就宣告結束,沒能繼續研發出更新奇多元的水下機器人,看著舒靜珉介紹自己手繪的設計圖並感慨地說:「想做的事情實在太多了,只可惜時間太少,而經費也是另一個考量,只好將這個計劃暫時停掉。」

文章原文刊載於《ROBOCON》國際中文版2013/7月號

-----廣告,請繼續往下閱讀-----
文章難易度
馥林文化_96
54 篇文章 ・ 5 位粉絲
馥林文化是由泰電電業股份有限公司於2002年成立的出版部門,有鑒於21世紀將是數位、科技、人文融合互動的世代,馥林亦出版科技機械類雜誌及相關書籍。馥林文化出版書籍http://www.fullon.com.tw/

0

0
0

文字

分享

0
0
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

-----廣告,請繼續往下閱讀-----

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

3
0

文字

分享

0
3
0
藝術與科學的詩性相遇:《匯聚:從自然到社會的藝術探索》國際交流展
PanSci_96
・2024/06/04 ・3873字 ・閱讀時間約 8 分鐘

本文由策展人紀柏豪提供

想享受一場同時兼具科技與藝術的饗宴嗎?來《匯聚:從自然到社會的藝術探索》國際交流展看看吧!

在當代社會中,藝術的角色正持續演進——它創造了一種新的美學,與社會、科學以及技術變革緊密相連。當社會面臨的挑戰因其複雜性而難以僅靠單一學科解決時,藝術研究因其跨越、融合不同知識領域的能力而具有新的意義。今日,許多創作者和機構採用跨學科方法,將藝術與自然、科學與感性、想像力與現實結合,創造嶄新的經驗、知識和美學。

在藝術與科學這兩個看似迥異的領域中,存在著一個共通的追求——深入理解我們所處的世界。這一追求不僅體現了人類對知識渴望的本能,也反映了我們對於更高層次的自我認知和宇宙認識的探索。藝術家透過創作,探索人類經驗的多樣性和情感的複雜性,用畫筆、雕塑、數位媒介來表達對世界的主觀理解。這種理解可能源於個人感受,也可能反映了廣泛的社會和文化現象。

藝術提供了一種通過感知和情感來接觸和理解世界的方式,使我們能夠透過個別經驗來抵達普遍的真理。科學則通過觀察、實驗和分析來探究自然界的法則和現象,尋求對世界的客觀理解。科學方法使我們能夠系統地收集資料、建立理論並驗證假設,從而深化對物理世界的認識。不僅解答了關於自然界的問題,也幫助我們理解了人類自身在這個宇宙中的位置和作用。

-----廣告,請繼續往下閱讀-----

儘管藝術和科學在方法和目的上有所不同,但它們都反映了人類對於更加全面和深刻理解世界的共同願望。藝術讓我們透過感受和想像來擴展對世界的認識,而科學則通過理性和證據來揭示秩序和結構。由國科會指導、國家實驗研究院主辦的《匯聚:從自然到社會的藝術探索》國際交流展,邀請觀眾一同探索藝術與科學的交會,體驗它們如何共同塑造我們對世界的認識和感知,並反思這一過程如何豐富我們的文化與知識視野。

展覽單元介紹

宇宙共生 —— 科技與宇宙的多維依存

當你仰望星空,有沒有想過我們與宇宙的關係?「宇宙共生」單元展示了科技如何將人類感性延伸至浩瀚的宇宙空間。麻省理工學院媒體實驗室的太空探索倡議小組(MIT Media Lab Space Exploration Initiative)帶來了在極端環境下的實地太空模擬,研究生存策略和科技應用。與之並置的《與細菌混了三千年》(3000 Years Among Microbes)則從微生物的角度重新審視太空探索中的殖民語言,帶來全新的太空想像。藝術家利用極端地貌與顯微影像並置,模糊人與微生物的分野,探討共生體概念在星際生態系中的應用。

感官賦能 ——透過科技重塑環境感知

「感官賦能」單元探索藝術家如何通過科技媒介重塑我們對環境的感知。兩位智利藝術家妮可·拉希利耶(Nicole L’Huillier)與派翠西亞·多明格斯(Patricia Domínguez)的《全像乳糜》(Leche Holográfica)是一場冥想式祈願,透過與不同元素的共鳴和諧,讓我們得以在螺旋時空中構想未來。

值得一提的是,藝術家妮可·拉希利耶與派翠西亞·多明格斯曾透過智利與歐盟的合作,在歐洲核子研究組織(CERN)進行藝術駐村計畫,並在那裡發展她們的作品。CERN 以其在粒子物理學上的重大科研成果而聞名,但即使是最前沿的科學研究,也需要藝術家的啟發。這樣的跨域合作不僅揭示了科學現象的美麗與複雜,更為科學研究注入了新的靈感和視角。藝術家的創意與想像力,能夠以不同於科學的方法來詮釋數據與實驗結果,從而開拓更廣泛的理解和應用。

-----廣告,請繼續往下閱讀-----

拉脫維亞藝術家羅莎‧史密特(Rasa Smite)和萊提斯‧史密茨(Raitis Smits)的《深度感知》(Deep Sensing),通過拉脫維亞伊爾本(Irbene) RT-32電波望遠鏡的歷史敘事,象徵性地橋接了技術的過去與現在,探問「為何擁有地球還不足以滿足人類?」該望遠鏡被前蘇聯遺棄,而藝術家們重返此地,探索這個巨大天線在當代的價值。虛擬點雲天線追蹤從太陽到地球的宇宙粒子流動,創造出沉浸式的視覺和聲音景觀,讓觀眾更易於理解氣候變遷的影響。

羅莎‧史密特和萊提斯‧史密茨是里加RIXC新媒體文化中心的共同創辦人,他們的作品結合科學數據、聲音化和視覺化、人工智慧和擴增實境技術,創造出前瞻性的網絡藝術。他們的作品曾在威尼斯建築雙年展、拉脫維亞國家藝術博物館等地展出,並獲得多項國際獎項。

網絡交織 —— 科技與社會的複雜關係

「網絡交織」單元深入探討科技如何影響我們的社會結構和人際關係。瑪麗莎·莫蘭·賈恩(Marisa Morán Jahn)的《銅色景觀》(Copperscapes)展示了銅在全球化勞動中的角色,揭示了這一自然元素如何影響我們的日常生活。她的作品以銅色眼睛作為見證,表現出礦區社區所承受的「身體負擔」,並在影片《銅的私處史》中探討礦物經濟的複雜性,突顯採礦活動對身體及地球主權的影響。

瑪麗莎·莫蘭·賈恩是具有厄瓜多和中國血統的藝術家,其作品致力於重新分配權力,展示藝術作為社會實踐的可能性。她的作品曾在歐巴馬時期的白宮、威尼斯建築雙年展、古根漢美術館等地展出,並獲得聖丹斯電影節和創意資本等獎項。

-----廣告,請繼續往下閱讀-----

李紫彤與孫詠怡的《岔經濟》(Forkonomy)利用區塊鏈技術,重新構想財產與國家之間的連結,探討擁有權背後的政治意義。這個藝術與社會運動計畫,通過工作坊和數位契約,探討如何購買或擁有一毫升的南海,並質疑現有的性別勞動分工和所有權制度。

李紫彤是台灣的藝術家兼策展人,作品結合人類學研究與政治行動,曾在國內外多個知名展覽中展出。孫詠怡是出生於香港的藝術家和程式撰寫者,專注於數位基礎設施的文化意義及廣泛權力的不對等問題,作品曾獲得林茲電子藝術節金尼卡獎等多項國際獎項。

印度藝術家艾蒂·桑德爾(Aarti Sunder)的《深海節點故事》(Nodal Narratives of the Deep Sea)將海底電纜這一隱藏基礎設施帶入視野,探討其與現代化項目、資本主義擴張及殖民主義的關聯。她的作品通過繪畫、物件和影片,展示了數據傳輸的路徑及其對生態系統的影響。

艾蒂·桑德爾的創作涉及影像、寫作與繪畫,專注於探討科技政治和基礎設施相關議題。她的作品曾在柏林藝術學院、新加坡雙年展、世界文化之家等國際場所展出。

-----廣告,請繼續往下閱讀-----

科藝匯聚 —— 跨學科的創新邊界

「科藝匯聚」單元彰顯了藝術與科學共同探索未知領域的力量。國家太空中心的《來自遙遠的訊息》管絃樂曲選粹、麻省理工學院前衛視覺研究中心(CAVS)的歷史檔案,以及臺灣共演化研究隊的「邊界測繪學」年度計畫成果,展示了藝術家與科學家跨域合作的豐富成果和未來潛能。

跨域交流與活動

在展覽期間,策展團隊與台灣致力於促進科學家與藝術家合作的「共演化研究隊」規劃了一系列精彩的跨域交流活動,讓大家能近距離與藝術家、科學家們交流,體驗科技與藝術如何共同作用於當代社會。

活動包括圓桌論壇、藝術家講座和放映會,涵蓋了多個有趣且深入的主題。例如,在「宇宙共生」週末,觀眾可以參與討論極地科學與藝術實踐的圓桌論壇,聆聽來自麻省理工學院媒體實驗室「太空探索倡議」的成員分享他們在極端地貌探索的經驗。另一活動是國家太空中心委託製作的管弦樂曲《來自遙遠的訊息》放映會,由作曲家趙菁文進行演前導聆,帶領觀眾進入一場視覺與聽覺的雙重盛宴。

在「網絡交織」週末,藝術家李紫彤與孫詠怡將帶來一場關於區塊鏈技術應用於南海議題的討論,這場圓桌論壇將探討技術如何影響社會結構和資源分配。印度藝術家艾蒂·桑德爾則會在線上分享她對於海洋及網路基礎設施的研究與創作,揭示隱藏在我們日常生活背後的複雜科技網絡。

-----廣告,請繼續往下閱讀-----

「感官賦能」週末將邀請拉脫維亞藝術家羅莎‧史密特和萊提斯‧史密茨現場分享他們的作品《深度感知》,並探討電波望遠鏡的技術敘事,展示如何通過藝術手段使抽象的科學數據變得可以感知。這不僅讓觀眾更易於理解氣候變遷的影響,也體現了藝術在科學溝通中的重要角色。他們將分享長期研究「自然廣播」的概念,以及每年舉辦「藝術科學節」的經驗。

在「科藝匯聚」週末,觀眾可以參與科學家與藝術家的提案室,直接感受跨領域合作的火花。這些活動將展示跨學科合作如何激發創新,促進我們對世界更深層次的理解。此外,拍攝麻省理工學院前衛視覺研究中心創始人故事的紀錄片將在台灣首映,導演並將與觀眾進行映後座談,分享創作背後的故事和啟發。

藝術與科學的相互啟發,不僅僅是知識和美學的結合,更是對創新與理解的共同追求。在這個亟需跨學科解決方案的時代,這樣的合作顯得尤為重要,為我們探索未知領域提供了無限可能。這次展覽通過多樣的跨域交流活動,讓觀眾能夠親身體驗並參與其中,進一步體會到藝術與科學融合所帶來的豐富成果和未來潛力。

展覽資訊

  • 展覽名稱:《匯聚:從自然到社會的藝術探索 | 國際交流展》
  • 日期:2024/5/10 至 2024/8/10
  • 時間:週一至週五 09:00-18:00(國定假日休)
  • 地點:科技大樓一樓大廳(臺北市大安區和平東路二段106號)
  • 指導單位:國家科學及技術委員會
  • 主辦單位:國家實驗研究院
  • 策展人:紀柏豪
  • 執行單位:融聲創意
  • 協力單位:共演化研究隊
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

4
1

文字

分享

0
4
1
鑑識故事系列:手錶會「記錄」死亡時間?!
胡中行_96
・2022/08/29 ・2476字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

時年 26 歲[1] 的 Caroline Dela Rose Nilsson 手腳被緊縛,[2] 嘴巴堵塞著,神色極度焦慮,[1]在自家的車道上呻吟。[3, 4] 鄰居見狀快速通報警察。[1]

事情發生在 2016 年 9 月 30 日,[4] 晚間 10 點 10 分,[1] 南澳阿德雷東北市郊的 Valley View 地區。[1, 3] Caroline 的三個孩子當時在家,他們分別為 1、3 和 5 歲;[2] 而她 57 歲的婆婆 Myrna Nilsson 早已被重擊致死,陳屍於洗衣間。[5] 稍後,員警在屋裡的走廊找到眼神渙散,面容哀戚的男孩;他的兩個姊妹則是面部朝下,趴在床上哭泣。員警讓孩子們同自己坐在警車裡,但卻什麼也問不出來。[5]

另一邊,當死者的兒子 Mark ,也就是 Caroline 的丈夫,得知母親死了。 Mark 詢問警方, Caroline 是否受傷,然後平靜地以實事求是的口吻說:「我不懂怎麼會有這種事情,您是說意外嗎?」由於警方不願意透漏細節,在完全不知道來龍去脈的情況下, Mark 又問是不是有人闖入家中。[5][註1]

澳洲國產霍登皮卡車的模型。圖/Andrew Bone on Flickr(CC BY 2.0

根據 Caroline 的說法,當天有 2、3 名開著皮卡車的男性,跟蹤她的婆婆 Myrna 回家。他們與 Myrna 在屋外爭執了約 20 分鐘,但殺害她的時候, Caroline 碰巧在關著門的廚房裡,所以什麼也沒聽到。[1] 這幾個「看起來像粗工」的人,後來也攻擊 Caroline 。[2, 5] 問題是,如果三個孩子徹頭徹尾都在屋裡,為何會安靜到沒被捲進來?

-----廣告,請繼續往下閱讀-----

檢方拿 3 個孩子的頭髮樣本,去做藥物檢測,其中 2 個結果顯示有Tramadol殘留。[2] 在澳洲屬於四級管制藥物的 Tramadol ,需要有處方籤才能取得,是一種會抑制呼吸且具有鎮定作用的止痛劑,一般不得施予 12 歲以下的兒童。[6] 更啟人疑竇的是,屋裡既沒有外人入侵的 DNA 證據,附近的鄰居也沒注意到一輛皮卡車進出。[7] 這令檢警不太採信 Caroline 的說辭。[1]

此外,負債澳幣 4,000 元(時值約新臺幣 10 萬元)的 Caroline ,每半個月還得跟丈夫共同支付婆婆 Myrna 澳幣 1,000 元的房租。[註2]相較之下,Myrna 經濟優渥,不僅擁有汽車,在澳洲和菲律賓置產,曾赴歐洲旅遊,還給年幼的孫子買車買房。Mark 是獨子,若 Myrna 過世,他們夫婦便可順勢繼承財產,謀財害命的動機充足。[8]

檢警因此把 Caroline 列為頭號嫌疑犯,卻始終沒有以謀殺罪名逮捕她。直到 2018 年 3 月,他們取得關鍵證據。[1]

蘋果智慧型手錶示意圖,非當事證物。圖/Adam Kovacs on Unsplash

Myrna Nilsson 慘遭殺害的時候,戴著一只蘋果智慧型手錶。[1]

從智慧型手錶判讀死亡時間

Myrna 的智慧錶記錄到她人生末了的重要數據:她在返抵自家的 47 秒內開始遭受猛烈攻擊,[4]其中有短短 39 秒的長度,出現 65 次倉皇的動作,然後她的心跳就停止了。時間約莫是傍晚 6 點 41、42 分。[2, 4] 15 分鐘後, Caroline 用手機傳訊息給丈夫,還留下在臉書和 eBay 的使用紀錄。[4] 從這個時間點到她的鄰居報案,中間相差三個小時。此情形讓 Caroline 的陳述顯得不合理,因而遭檢察官起訴。[3]

-----廣告,請繼續往下閱讀-----

從傳統手錶推測死亡時間

智慧型手錶進入人類生活已有一段時日,不過有些人仍然會戴其他類型的手錶。它們雖然不會追蹤使用者的生命徵象,但有時也能提供警方估計死亡時間的線索。以下是 2022 年《國際鑑識科學》(Forensic Science International)期刊,介紹的二個例子:

一名八旬老翁俯臥於公寓的地板上,毫無生命跡象。他最後一次被人看見還活著,已經是 5 天前的事情了,對縮小死亡時間範圍的幫助有限。死者左手戴著一只持續運作的自動機械錶,錶面顯示的時間準確無誤。此種手錶仰賴使用者手部的活動帶動發條。老翁戴的這款每次帶動之後,可以撐上 44 至 48 小時,而且它在警方展開調查後 18 小時才停止運轉。所以用 48 減掉 18 ,得知老翁或許在被發現前的 30 小時左右身亡。[9]

期刊介紹的另一起案件,死者右手戴的是太陽能石英錶。某年12月在丹麥的沼澤,有個獵人撞見一具屍骨。當下右手骨頭上的錶還在走,不過時間快了 1 小時,而日期則晚了 3 天。該國的日光節約通常始於 3 月,終於 10 月,也就是說死者的手錶在 10 月之後,沒有被調回標準時間。至於少掉的 3 天,則是因為 6、9 和 11 月都只有 30 天。若未手動跳過 31 日,手錶的日期就會在這段期間,每個月各晚 1 天。由此推估,死者可能是在 5 月 1 日到 6 月 30 日之間身亡。[9]

死亡時間與判決

死者配戴的各種手錶,留給警察辦案的線索。然而是否能破案,並將罪犯繩之以法,仍受到其他因素的影響。2016 年 Myrna Nilsson 被害身亡;2018 年她的媳婦 Caroline ,遭警方以智慧錶的紀錄為證據逮捕。[1] 2020 年在 8 週的審理後,陪審團無法達成共識。 2021 年又經歷 6 週的法律攻防, Caroline 最後被無罪釋放。[3] 而直至 2022 年的今天,警方仍未捕獲她口中,謀殺婆婆的那幾個粗工。

-----廣告,請繼續往下閱讀-----

  

備註

  1. 筆者找到的新聞資料,好像都沒有明確解釋,事發當下 Mark Nilsson 身在何處。
  2. 有一篇報導說 Caroline 跟 Mark 給婆婆房租,一家三代同堂,她卻連自己的房間也沒有。Caroline 得跟兩個女兒睡;兒子則是和婆婆同寢。該文沒提到 Mark 睡哪。[8]
  1. Rebecca Opie. (29 MAR 2018) ‘Smartwatch data helped police make arrest in Adelaide murder case, court hears’. ABC News.
  2. Dillon M, Carter M. (13 DEC 2021) ‘Caroline Nilsson murder trial returns hung jury over death of mother-in-law captured on an Apple Watch’. ABC News.
  3. Mahalia Carter. (26 OCT 2021) ‘Caroline Nilsson found not guilty of murdering mother-in-law after smart watch case retrial’. ABC News.
  4. Kathryn Bermingham. (15 OCT 2020) ‘Prosecutors close case against woman charged with murdering her mother-in-law in 2016’. The Weekend Australian.
  5. Mahalia Carter. (13 DEC 2021) ‘Alleged murder victim’s son was ‘matter-of-fact’ when told of death, court hears.’ ABC News.
  6. APO-Tramadol’. (01 March 2022) NPS MedicineWise
  7. Rebecca Opie. (3 MAY 2018) ‘Son of alleged murder victim Myrna Nilsson urges court to release wife on bail’. ABC News.
  8. Meagan Dillon. (13 DEC 2021) ‘Alleged killer Caroline Dela Rose Nilsson had ‘no motive’ to kill, despite financial pressures, court hears.’ ABC News.
  9. Busch JR, Hansen SH. (2022) ‘The wristwatch – A supplemental tool for determining time of death’. Forensic Science International, 335, 111283.
-----廣告,請繼續往下閱讀-----
胡中行_96
169 篇文章 ・ 67 位粉絲
曾任澳洲臨床試驗研究護理師,以及臺、澳劇場工作者。 西澳大學護理碩士、國立台北藝術大學戲劇學士(主修編劇)。邀稿請洽臉書「荒誕遊牧」,謝謝。