Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

教育-《富足:解決人類生存難題的重大科技創新》

商周出版_96
・2013/08/11 ・4279字 ・閱讀時間約 8 分鐘 ・SR值 493 ・六年級

-----廣告,請繼續往下閱讀-----

鑿壁上網

富足-封面+書腰一九九九年,印度物理學家沙加達.米特拉(Sugata Mitra)對教育產生了濃厚的興趣。他知道世界上有些地方沒有學校,世界上也有些地方,是好老師不會願意到那裡任教的。他的問題是:他可以為那些地方的孩子們做些什麼。自主學習是可能的解決方法;然而,生活在貧民窟的孩子們能夠掌握自我決策嗎?

當時,米特拉是印度新德里尖端電腦軟體及開發公司NIIT科技(NIIT Technologies)研發部主管。緊靠他那時髦的二十一世紀辦公室旁,正是一個城市貧民窟,兩者間僅一道高牆之隔。因此,米特拉設計了一個簡單的實驗:他在牆上挖了一個不會帶來盜竊問題的洞,並在上頭安裝了一台電腦和一個觸控面板。他把螢幕和觸控面板朝向貧民窟,讓電腦連上網際網路,並安裝網路瀏覽器,然後他就走開了。

住在貧民窟的孩子不會說英語,也不知道如何使用電腦,更從沒聽說過什麼是網際網路;但是,他們很好奇。在幾分鐘之內,他們已想出如何指向和點擊。第一天結束時,他們已經懂得如何上網─更重要的是,互相教導其他孩子如何上網。這結果提出而非回答了更多的問題。是真的嗎?這些孩子真的可以自己學會如何使用這台電腦?還是有人在沒有被米特拉的隱藏鏡頭拍到的情況下,教這些孩子如何上網?

所以,米特拉把實驗搬到希沃布里(Shivpuri)的貧民窟,他說那個地方是:「所有人都向我保證那裡從來沒有人教任何人任何東西。」他在那裡也得到了類似的結果。接下來,他又把實驗移植到一個偏遠村莊,得到的同樣是類似的結果。從那時起,他們便在印度以及世界各地複製這個實驗,也總是得到相同的實驗結果:一小群沒受到監督與任何正式訓練的孩子,一樣可以非常迅速地學會使用電腦,並且非常熟練。

-----廣告,請繼續往下閱讀-----

這誘發米特拉不斷擴大一系列實驗:孩子們可以自己學會些什麼。當中較雄心勃勃的實驗之一,是在印度南部的加利庫培(Kalikkuppam)的小村落進行。這一次,米特拉決心看看這裡貧困且只會說泰米爾語的十二歲孩子,是否能學會使用他們之前從未見過的網際網路,或自學他們從未聽過的科目生物科技,或是學會他們當中沒有人會說的英語。「我所做的只有一件事:告訴他們,這台電腦之中有一些非常困難的資料,他們很可能完全看不懂。但幾個月後,我會再回來測驗他們。」

兩個月後,他回來了,問學生們是否看懂了那些資料。一個年輕女孩子舉起手,答:「除了去氧核糖核酸不正常複製會引致遺傳病這個事實之外,其他的我們都不理解。」然而,情況其實不盡如此。當米特拉對他們進行測驗,孩子們的分數平均約為三十分(滿分一百分)。在兩個月內在沒有任何正式指導的情況下,從零分達到三十分已是相當顯著的成果,但還是沒好到可以通過標準考試。因此,米特拉找來救兵,從村裡招募了一個年齡稍大的女孩擔任導師。她完全不懂生物科技,但米拉特教她使用「老奶奶法」:只是站在孩子們後面,並給予鼓勵:「啊,好酷!真是棒極了,再多教我些別的吧!」又過了兩個月,米特拉回來了。這一次,測驗的平均成績已躍升至五十分,而在新德里一流學校學習生物科技的高中生平均也拿到這樣的成績。

接下來,米特拉開始把方法進階。他在學校設置電腦中心,但是這次他並未丟給學生們一個如生物科技這樣的科廣泛科目,而是向學生提出特定的問題,如:「二次世界大戰是好事還是壞事?」同學們可以利用一切可得的資源來回答這問題,但是米特拉向學校提出了一個要求─四個學生必須共用一台電腦。因為正如麥特.瑞德里在《華爾街日報》所寫:「一個孩子在電腦前所能學到的東西很有限;但四個孩子一同討論和辯論,就會學到很多東西。」當他們之後再進行測驗(在不使用電腦的情況下),平均分數達七十六分。這成績固然令人印象深刻;然而,問題是究竟學生們的實際學習深度有多少?所以,米特拉兩個月後又再回來重新測驗學生,也得到了相同的結果。這些孩子不但達到了深度學習,更前所未有將資訊記到了腦海裡。

從那時起,米特拉就來到英國新堡大學研究教育科技,並在該處開發他稱之為「最少侵略性教育」(Minimally Invasive Education)的新型小學教育模式。為此,他在世界各地創立了「自助學習環境」(self-organized learning environments,SOLES)。所謂的自助學習環境其實不過是電腦工作站,且每台電腦前都設有一張四人座的長椅。由於這些工作站也設在無法找到好老師的地方,因此每台電腦都會連接到米特拉形容為「老奶奶雲端教學」的網絡─實際上就是招募自英國各地的一群老奶奶,她們答應每星期貢獻一小時的時間,透過Skype輔導來到工作站的孩子。他發現平均而言,「老奶奶雲端教學」可以提高學生的考試成績百分之二十五。

-----廣告,請繼續往下閱讀-----

綜合上述結果,這樣的教學方式徹底改變了現有的教學模式。有別於上對下的指導,自助學習環境是由下而上的;有別於孩子們自行學習,自助學習環境是師生共同協作的;有別於正規的在校學習環境,這種「鑿壁上網法」採用的是遊樂場般的環境。最重要的是,最少侵略性教育不需要老師。目前,預計在未來十年,全球將缺乏一千八百萬名教師。印度需要另外一百二十萬名教師;美國則需要二百三十萬名;撒哈拉以南非洲地區需要的則是一個奇蹟。正如聯合國教育助理總幹事彼得.史密斯(Peter Smith)最近解釋:「識字問題涉及的是蘇丹西部達佛地區孩子們的未來。我們必須發明新的解決方案,否則我們就等於扼殺了這個世代的孩子。」

但米特拉發現,其實我們已有解決方案。如果我們真正需要的是沒受過特別訓練的學生、沒受過特別訓練的老奶奶,以及每四個學生一台接連網際網路的電腦,那麼我們其實無需擔心達佛地區的識字問題。顯然,我們其實已有充足的學生與老奶奶。無線網路目前已覆蓋全球百分之五十地區,並且正在迅速延伸到餘下的角落。那麼可以負擔得來的電腦呢?好,這時就該請尼古拉斯.尼葛洛龐帝(Nicholas Negroponte)上場了。

每個孩子都有一部平板電腦

最早看出電腦教育潛能的人之一,是西摩爾.派普特(Seymour Papert)。他原本是數學家,在去到麻省理工學院之前,曾與著名兒童心理學家尚.皮亞傑(Jean Piaget)共事多年。他和馬文.閔斯基(Marvin Minsky)在麻省理工學院共同創建了人工智慧實驗室(Artificial Intelligence Lab)。派普特於一九七○年發表了現在非常著名的文章:〈教孩子思考〉(Teaching Children Thinking)。他在文中討論,孩子的最佳學習方法不是透過「指導」,而是「建設」。也就是說,從實做中學習,尤其是利用電腦。

當時是自製電腦俱樂部成立前五年,很多人聽到派普特的想法都不禁訕笑起來。那時的電腦既龐大又昂貴,他們要如何把電腦交到孩子手中?但是,一位名叫尼古拉斯.尼葛洛龐帝的建築師卻認真對待派普特的想法。尼葛洛龐帝今天被視為資訊時代(Information Age)開國元勳之一,亦是麻省理工學院建築機械小組(MIT’s Architecture Machine Group)創辦人以及麻省理工學院媒體實驗室(MIT Media Lab)共同創辦人之一。他也認為電腦或許能為目前世界上百分之二十三沒有上學的兒童帶來有品質的教育。

-----廣告,請繼續往下閱讀-----

為此,一九八二年,派普特和尼葛洛龐帝為塞內加爾首都達卡的學童帶來了蘋果II電腦,再次證實米特拉之前已確認的:偏遠農村的貧困兒童對電腦的上手速度,與其他所有孩子一樣快。幾年後,他們倆在媒體實驗室創建了「未來學校」(School of the Future)。他們把電腦帶進教室,作為想法的測試場地。一九九九年,尼葛洛龐帝帶這些想法帶到國外測試,開始在柬埔寨設立學校,每名學生都獲提供一台筆電,並且能夠上網。他們還學會了人生第一個英語單字:Google。

這實驗是非常具力量的。尼葛洛龐帝帶著兩個堅定的信念離開柬埔寨。第一,世界各地的兒童都喜歡上網。第二,當時市場對於生產低成本電腦並不特別感興趣,尤其是價格低到發展中世界足以入手的電腦,而這些國家當地每名孩子的年度教育預算可能低至二十美元。二○○五年,他開始著手「每童一機」(One Laptop Per Child,OLPC)8的解決方案,此行動旨在為地球上的每一個孩子提供堅固耐用、低成本、低電量需求、能夠上網的筆記型電腦。

雖然傳說中每部電腦售價一百美元的目標尚未實現(目前約為一百八十美元),每童一機計畫已經把筆記型電腦交到世界各地共三百萬名兒童手中。由於這計畫是以從實做中學習的教育模型為基礎,因此以死記硬背為基礎的測驗或其他傳統的學力測驗方式都不適用這計畫。但他們已經找到可行的測驗方法。「我所找到這個計畫確實有效、最令人信服的證據,」尼葛洛龐帝說:「就是我們到達的每一處,逃學率都降到零。有個地方的孩子逃學率高達三成,但我們去到那兒之後,數字卻突然跌至零。」

逃學並非第三世界的專利。平均來說,美國公立學校的學生只有三分之二完成高中學業,這是工業化國家之中的最低畢業率。在一些地區,輟學率超過百分之五十;在美國印第安人社區,數字更高逾百分之八十。許多人認為這些學生離開學校,是因為他們無法達至要求的學業表現,但由蓋茲基金會所進行的研究發現情況並不是這樣。哈佛改變領袖能力小組(Harvard’s Change Leadership Group)聯合總監東尼.瓦格納(Tony Wagner)在其著作《全球成就鴻溝:為何連最好的學校也不教我們的孩子所需的新生存技能─而我們又能做些什麼》(The Global Achievement Gap: Why Even Our Best Schools Don’t Teach the New Survival Skills Our Children Need—And What We Can Do About It)寫道:「一項研究國內各地近五百名輟學生的全國性調查指出,約有一半的輟學生說他們離開學校,是因為課堂枯燥且無助於他們的人生或職涯發展。大多數受訪者還表示,學校並沒有激發他們想認真讀書的心。逾半數輟學者只要再花兩年或更短的時間就能拿到高中文憑,百分之八十八的受訪者在輟學時其實成績是及格的;將近四分之三的受訪者說,如果他們想,他們是可以畢業的。」

-----廣告,請繼續往下閱讀-----

究竟每童一機計畫能否在美國發揮同樣的影響力,這個問答有待回答(北美版在二○○八年才推出),但是它對全球的影響力卻持續增長。烏拉圭已把每童一機計畫設為小學教育的骨幹,而其他國家也開始跟進。二○一○年四月,該組織與東非團體合作,為肯亞、烏干達、坦尚尼亞、盧安達和蒲隆地的兒童送上一千五百萬台筆記型電腦。

每童一機計畫最近從製造出一百美元的筆記型電腦轉向製造七十五美元的平板電腦,此舉可進一步協助實現尼葛洛龐帝的願景。當然,諾基亞目前正努力開發五十美元的智慧型手機─這目標最有可能帶來自然有機的擴散,而且無需依賴政府大規模投資。若是如此,確實會引發另一個問題:「那麼我們何必費力做改變?」但尼葛洛龐帝認為,智慧型手機並不是合適的教育設備;反之,他認為平板電腦能夠提供他所謂的「書本經驗」,他認為是這才是學習的基礎。考慮到媒體實驗室在機械與人類界面的優秀表現,不考慮尼葛洛龐帝的意見將使我們顯得愚昧。只要每個孩子都能獲得受教育的機會,即使智慧型手機真的成為明天最受歡迎的平台,那又何妨?

 

摘自PanSci 2013年8月選書《富足:解決人類生存難題的重大科技創新,由商周出版。

-----廣告,請繼續往下閱讀-----
文章難易度
商周出版_96
123 篇文章 ・ 364 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商周出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。

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

-----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

2
0

文字

分享

0
2
0
掌控注意力與動機:終結找不到東西的困擾!——《記憶決定你是誰》
天下文化_96
・2024/08/03 ・1563字 ・閱讀時間約 3 分鐘

為什麼我們總是找不到鑰匙?

讓我們想像一個日常中會發生的情況。你下班回家,用手機確認電子郵件,同時把鑰匙插入鑰匙孔,打開大門。你踏入家中,家裡那隻不久前才認養、還沒訓練好規矩的好動小狗撲過來,纏著你跳來跳去,搞得你身上沾滿狗兒的口水。

你聽到女兒的房間大聲傳出卡加咕咕樂團(Kajagoogoo)的歌曲,一小段極易琅琅上口的重低音合成流行音樂鑽進你的腦門。你疲憊的走進廚房,裡面有股腐臭味,告訴你昨晚忘記把垃圾拿出去。然後,忽然一個抽痛,提醒你要冰敷幾週前扭傷的腳踝。

現在,不要轉頭,試著回想你把鑰匙放在哪裡。如果你想起自己把鑰匙留在鎖孔上,那很好,但如果實在想不起來,你也並不孤單。你可能只是被太多事情轉移了注意力,一旦有一大堆訊息襲來,我們對單一事件的記憶會變得混亂。

有時候就是無法想起自己將物品放在哪裡。 圖/envato

更糟的是,當我們試圖回想自己最後把鑰匙放在哪裡時,會一一過濾各式記憶,包括自己以前曾放置鑰匙的所有地方,以及我們把鑰匙放在各個地方的各種不同情況,不管那些事件是發生在昨晚、上個星期,甚至去年。會有很多這樣的干擾,所以諸如鑰匙、手機、眼鏡、皮夾,甚至車子等常用的東西,我們經常忘記它放在哪裡。競爭的記憶那麼多,能夠記住這些東西放在哪裡才奇怪。

-----廣告,請繼續往下閱讀-----

破解記憶混亂:注意力如何幫助你記住重要細節

試著把記憶想像成一張桌子,上面雜亂的放滿皺皺的紙片。如果你把網路銀行的密碼隨手抄在這種紙片上,要重新找到這張紙片,不僅需要耗費一番努力和運氣,同時也在挑戰你的記憶力。這類經驗就像艾賓浩斯努力背誦的無意義三字母組,要找到當下所需的正確記憶,難度會不成比例的增加。

但如果你把密碼寫在一張亮眼的桃紅色便利貼,要找到就變得格外容易,因為桃紅色便利貼會從桌上所有其他紙片之中凸顯出來。記憶以同樣的方式運作。愈特殊的經驗愈容易記得,因為它會從所有其他記憶裡凸顯出來。

愈特殊的經驗愈容易記得,就像一張亮眼的便條紙。 圖/envato

那麼,要如何使記憶從我們堆滿雜亂事物的腦袋中凸顯出來呢?答案是「注意力」和「動機」。利用注意力,大腦能把我們看到、聽到、想到的事情提高優先順序。我們隨時都可能把注意力放在四周的諸多事物上,而環境裡發生的事情常常會吸引我們注意。

在前面描述的假想情況中,你的注意力可能短暫的放在鑰匙上,接著注意力就被門打開後遇到的許多事情給轉移。即使你留意著應該記住的重要事物(一小時後得去機場接妻子,你需要那串鑰匙,否則會遲到),也不見得能幫你建立特殊的記憶,足以對抗各式各樣吸引你注意的干擾(好動的狗、廚房裡的垃圾臭氣,或女兒房間傳出的樂團聲音)。

-----廣告,請繼續往下閱讀-----

這就是「動機」登場的時候了。你需要利用動機來引導注意力,讓注意力鎖定在某個特定的事物上,好製造一個之後能找得到的記憶。下次你放下鑰匙這類經常找不到的東西時,花一點時間專注在當時和當地的某個獨特事物,例如檯面的顏色,或鑰匙旁邊那疊未拆封的信件。只要一點點專心的動機,就能對抗大腦忽略日常事件的天性,建立較為明顯的記憶,如此便有機會戰勝那些干擾的喧囂。

——本文摘自《記憶決定你是誰:探索心智基礎,學習如何記憶》,2024 年 7 月,天下文化,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

天下文化_96
142 篇文章 ・ 624 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。

0

1
0

文字

分享

0
1
0
解密 Wi-Fi、WLAN、802.11:網路通信的差異與演進
數感實驗室_96
・2024/06/21 ・774字 ・閱讀時間約 1 分鐘

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

在現代社會,如果我們到咖啡廳或其他公共場所,打開筆電坐下來後,通常的第一句話都是「請問這裡有 Wi-Fi 嗎?」。

沒除了 4G、5G 行動通信以外,Wi-Fi 是我們日常生活中常用的上網方式。那麼,Wi-Fi 到底有什麼特點呢?

首先,來解釋一下幾個常見的名詞:Wi-Fi、WLAN、802.11。

-----廣告,請繼續往下閱讀-----

你或許都聽過這些詞,特別是 Wi-Fi,但它們之間有什麼差別呢?

LAN 是 Local Area Network,區域網路的意思。通常指的是像一間網咖這樣的範圍。而 WLAN 就是 Wireless LAN,無線區域網路,這是現在的主流用法。而 802.11,則是專門針對區域網路中無線部分的技術標準。而 Wi-Fi 呢,則可以看作是 802.11 這個技術標準的口語化說法。而 Wi-Fi 的 logo 一黑一白,與太極圖非常相似並非巧合,其 logo 衍生自太極圖,就是想取其相容於任何設備、平台,不管在哪裡都能順利連上網的意象。

有人說 Wi-Fi 在現代已經像空氣、陽光、水和電一樣,成為不可或缺的基本需求。

除了 Wi-Fi 我們還介紹 MIMO 這個關鍵技術,如果對更多技術細節感興趣,或是想聽聽像 Bluetooth 是以國王名字命名的科技小故事,都歡迎在留言告訴我們,期待與你們繼續分享更多有趣的科技知識!

-----廣告,請繼續往下閱讀-----

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

參考資料

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 50 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/