Loading [MathJax]/jax/output/HTML-CSS/config.js

0

0
0

文字

分享

0
0
0

鋼鐵人的弧形反應器事實上超大

活躍星系核_96
・2013/09/10 ・1138字 ・閱讀時間約 2 分鐘 ・SR值 574 ・九年級

credit: CC by xenopaul@flickr
credit: CC by xenopaul@flickr

文 / Ng-san

能量來源是鋼鐵人裝備中做重要的一環。應該不會有人質疑這句話吧!畢竟拯救地球不是件輕鬆的事。但若是有人說,他的研究對象是弧形反應器,也許百分之七十以上會被當作阿宅,剩下的百分三十來源是鄰座同學和學弟。

鋼鐵人胸口的核反應器的確存在,只是尺寸大到無法鑲在鋼鐵人的胸口,更別提戴著他拯救地球。實際存在的原子核反應爐像是一顆附有超大變壓器的甜甜圈 ── 托卡馬克 (Tokamak)!?

托卡馬克 (Tokamak)
托卡馬克 (Tokamak)

重力場的大小與場源質量成正比。太陽的質量( 1.6 × 1030 kg)所產生的重力場,不僅能夠撕裂彗星,還能夠啟動核融合反應。[1]太陽以重力拘束電漿,即使氫核和氫核之間碰撞產生核融合反應的機率微乎其微,但是在拘束時間可視為無限長的條件下,仍然可以維持核融合反應。然而太陽的質量是地球的106倍,而目前人類尚未有能力控制重力。欲啟動和維持核融合反應得另尋他途。[2]

-----廣告,請繼續往下閱讀-----
credit: public by NASA/SDO (AIA) ,2010 Aug19 太陽上正持續進行著核融合反應,表面活動的能倆也源自於此。
credit: public by NASA/SDO (AIA) ,2010 Aug19
太陽上正持續進行著核融合反應,表面活動的能倆也源自於此。

沿著磁力線因勞侖茲力(Lorentz force)以螺旋的方式移動是帶電粒子的特性之一。[3]前蘇聯的物理學家和工程學家發明了附有超大變壓器的甜甜圈 ── 托卡馬克,以變壓器提供環形的磁場源,磁力線首尾相接,理想中電漿便永遠被困在托卡馬克中。很明顯地,為了保護反應爐的秘密,電影中的鋼鐵人還是以電弧作為障眼法。

太陽上的電漿成因於核融合釋出的高能,托卡馬克選用電漿的目的是絕熱。加熱電漿的目的是增加核與核之間互相碰撞的機率。以氘(Deuterium)-氚(Tritium)的反應為例,在100keV時有最大的碰撞截面積。幸好實際上粒子溫度的分布曲線呈現常態分佈,所以只要將電漿加熱到10keV就有部分粒子具備足夠的能量進行核融合反應。即使如此任務難度仍然非常高,因為10keV大約相當於攝氏一億度!若是以固態靶材,加熱至靶材的能量則因為彈性碰撞而散失。理想的磁拘束電漿在托卡馬克裡會沿著磁力線螺旋運動,就像懸浮在托卡馬克中。[3][4]

credit: CC by Dstrozzi@wiki ,
加熱電漿的主要目的是增加反應速率,目前在TOKAMAK中採用 D 與 T 為燃料,而非氫的主要原因是氫在自然狀態下,核與核碰撞後發生核融合反應的機率為微乎其微。相較於現今任何一種發電方式,核融合一單位燃料產出的電量是非常可觀的,但是D 在地球上的存量也是有限的。若不改善能源的需求,也許某天人類得上太空去採礦 。

References

  1. D. R. Williams. Sun fact sheet. NASA., 2013.
  2. E. Bohm-Vitense and E. Bohm-Vitense. Introduction to Stellar Astrophysics:. Introduction to Stellar Astrophysics. Cambridge University Press,1989.
  3. Kenro Miyamoto. Fundamentals of Plasma Physics and Controlled Fusion. NIFS PROC: Kakuyugo-Kagaku-Kenkyusho. National Institute for Fusion Science, 2011.
  4. J. Wesson. Tokamaks. International Series of Monographs on Physics. Oxford, 2011
-----廣告,請繼續往下閱讀-----
文章難易度
活躍星系核_96
778 篇文章 ・ 128 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia

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

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。

2

7
0

文字

分享

2
7
0
用 coding 寫出《鋼鐵人》的 AI 助理 Jarvis 有多難?——專訪臺大資工系陳縕儂副教授
科技大觀園_96
・2022/01/04 ・3527字 ・閱讀時間約 7 分鐘

近年來因為人工智慧、大數據、區塊鏈等應用科技快速發展,以及 Google 等科技公司大舉來到臺灣進駐並招聘大量軟體工程師,臺灣頂大的資工科系成為超熱門志願。不過大家對資工系的印象就是要學寫程式,也就是俗稱的 coding,但 coding 在解決什麼問題?今天我們訪問了臺大資工系的陳縕儂副教授,從老師的專業「自然語言處理」(Natural Language Processing,縮寫 NLP)做切入,來帶大家了解資工系究竟在解決什麼問題。

讓 AI 聽得懂人話,就是「自然語言處理」

陳縕儂老師的機器智慧與理解實驗室,主要是針對語言處理及對話系統相關技術進行研發,藉由機器學習技術,透過資料讓機器自動學習,理解人類語言並且進行適當的互動,目標是希望能讓機器的智能比肩人類,甚至超越人類。

陳縕儂教授與實驗室今年參加 Amazon Alexa Prize Taskbot 競賽的研究生們合影。(圖/陳縕儂提供)

「自然語言處理」是資工領域中的一個分支,名字聽起來很抽象,但其實這項學門的目標就是讓電腦可以「聽懂」人類說的話、「理解」語意並給予「回應」,就像鋼鐵人電影中的 AI 助理 Jarvis,鋼鐵人只要說如常說話就可以下達指令,讓 Jarvis 協助生活中各種大小事。

不過理想很飽滿現實卻很骨感,要做到像 Jarvis 這樣有求必應的 AI 助理並不容易,目前市面上的智慧助理如 Apple Siri、Google Assistant 及 Amazon Alexa 都已經隨著 3C 產品普及化了,但很多時候它們仍會說:「很抱歉,我聽不懂你的意思。」可見,從 Siri 到到 Jarvis 仍有很長的一段路要走,但為什麼這是條漫漫長路?——歡迎來到「自然語言處理」的思考領域。

-----廣告,請繼續往下閱讀-----

從「聽懂」到「回應」,AI 必須克服多項關卡

大家可以想像一下,今天要跟一個 AI 互動,通常是透過語音或者文字來下達指令,接著 AI 就會協助我們完成特定的任務,並解決特定的問題。

在這個過程中,有四個主要的環節必須克服,分別是語音辨識 (Automatic Speech Recognition; ASR)、語意理解 (Natural Language Understanding; NLU)、對話決策 (Dialogue Management)、以及語言生成 (Natural Language Generation; NLG),說的白話一點,就是接收你講的話、翻譯成 AI 能理解的指令、要如何處理指令,以及怎麼把回應翻譯成人類能聽懂的聲音或文字。

在這四個環節裡都有相當複雜的問題需要去解決,譬如語音辨識,在技術上通常是將語音訊號直接轉換成文字,讓 AI 去理解,但在將音訊輸入的過程中,就必須要排除掉我們口語中會用的「嗯」、「啊」、「喔」等贅字或不自然的停頓,又或者是新創的流行語、方言、口音……等等的問題必須先解決,才能讓 AI 真的能聽懂人類的自然語言。

在「語意理解」上,要讓 AI 去分析語言或文字的脈絡、理解關鍵字,再找出對應的資料(搜尋資料庫);而「對話決策」更是困難,前面理解了人類的語言或文字表意後,AI 應該要如何回應?可能使用者給的資訊不完整,AI 要追問使用者以釐清問題?又或者在語意理解上有聽不懂的字,得要再次詢問並確認?

-----廣告,請繼續往下閱讀-----

這還只是 AI 面對人類自然語言時,其中幾個回應的選項,真實的對話情境可能更加複雜,而且整個對話過程只要有一個環節正確度不夠高,那 AI 後續也很難準確的回應,只要有一步錯了,就會對後續對話體驗造成負面影響。

不過好消息是,現在的深度學習技術已經相當成熟,只要餵資料給電腦時,告訴他怎麼樣是對、怎麼樣是錯,基本上電腦都可以不斷修正(餵的資料也要夠多),再加上現行語言代表模型的優化,智慧 AI 在特定領域的應用上都有蠻不錯的成果。

AI 處理語音指令的過程。圖/陳縕儂提供

Jarvis 仍遙遠,AI 的新突破是精準翻譯

聊到這幾年 AI 的重要突破,老師提到三年前 Google 所開發的語言代表模型 BERT(Bidirectional Encoder Representations from Transformers),當時 BERT 一出現市面上所有自然語言處理的模型都改採用了它的運作邏輯。相較於過去的語言模型,通常都是餵指定任務的文字來訓練電腦,BERT 是在給電腦任務前,先餵它吃很多的文章或書,接著再提供任務給它。

以翻譯為例,這就好像讓一般人翻譯,跟讀過很多書的人來翻譯一樣,讀過很多書的人懂得字彙跟用法,自然翻譯出來的成品更流暢。

-----廣告,請繼續往下閱讀-----

而 BERT 的技術確實也得到相當好的成效,所以擊敗了當時許多正在開發的語言模型,成為了當前語言模型的基礎。有趣的是,BERT 的前身是一個名為 ELMo(Embeddings from Language Models,與芝麻街角色名字相同)的語言模型,所以 BERT 的開發者們就用芝麻街的角色,來為他們開發出來的語言模型命名。

當前 AI 發展的目標,為它建立「人的常識」

雖然說 NLP 領域在商業與學術上都有相當大的發展空間,但陳老師認為,目前要達到人的「common sense(常識)」對 AI 來說還是非常困難,舉例來說,今天我們跟智慧助理說我今天要跟某某人吃晚餐,這個時候如果是人類的助理,我們可能會聯想到「吃什麼」、「要不要聯絡某某人」、「交通方式是?」……等等與飯局相關的問題,但 AI 目前並沒有辦法執行這麼複雜的互動,還得必須跟 AI 說「幫我訂位」、「幫我叫車」,仍在一個指令一個動作的狀態,這種 AI「common sense」的建立,可說是目前非常有挑戰性的項目。

AI 的開發方向——人類的工作輔具

身為 AI 的設計者,陳縕儂老師認為 AI 會成為輔助人類的一部分,雖然說現階段許多人對於 AI 可以執行我們的工作感到彆扭,但實際上 AI 正在減輕我們的工作量,舉例來說,像是目前醫院已經有在使用協助診斷的 AI,但這樣的 AI 並不會取代醫生的工作,因為 AI 只是提供醫生診斷的相關依據,實務上對於病患的判斷最終還是得由醫生來做。

雖然 AI 已在產業中被廣泛利用,但基本上仍以「人機協作」為大宗,雖然能取代部分人力,但像是創造類型的工作 AI 就幾乎無法獨自完成。至於大家想像中,AI 恐對人類造成威脅的情節,基本上不會發生,因為 AI 是不會憑空出現意識的,AI 威脅人類的可能,比較會是人類不當利用造成的風險,所以在未來 AI 的開發上,基本上會往輔助人類的方向去做應用。

-----廣告,請繼續往下閱讀-----
身為 AI 的設計者,陳縕儂老師認為 AI 會成為輔助人類的一部分。圖/Pixabay

資工領域瞬息萬變,「喜歡新知」很關鍵

談到什麼特質適合來讀資工系,陳縕儂老師認為,數學或是邏輯只是基礎,重要的是「喜歡接受新知」的特質,因為在資工領域瞬息萬變,資訊更新的相當快速,隨時都會有新東西出來,如果不喜歡吸收新知識,讀資工系可能會比較痛苦一點。另外,資工在應用上時常會和不同領域的人做合作,你必須了解對方的需求跟他們的條件,才能設計出能夠幫別人解決問題的方法,而這也是資工有趣的地方。

陳縕儂老師也和我們分享了在他眼中臺灣學生和外國學生的差異,他認為臺灣學生應用網路資源自學的能力非常強,而外國學生則是勇於在課堂上和老師提問並討論,各有各的優點,不過教授也認為由於臺灣學生擅長自己找答案,所以在協作與表達上的可能相較於外國會比較弱一些,但如果這一塊能做到加強,臺灣的學生其實是非常有競爭力的。

陳縕儂副教授認為,臺灣學生在協作與表達上相較於外國學生較弱一些,但若能加強這一塊能力,臺灣學生非常有競爭力。圖/呂元弘攝

最後老師還告訴我們,當初大學時機器學習與 NLP 領域並不是資工領域的主流,一開始只是選擇了自己有興趣的領域,也沒想到近幾年 NLP 會變成現在的顯學,他認為自己真的非常幸運,可以一路延續自己熱愛的主題。

最後的最後,陳縕儂老師建議有意投入資工領域的學員們,可以先了解這個領域需要的先備知識,像是 coding 要用到的程式語言、跟 AI 相關的內容則會牽涉到數學,最後當然就是對知識的熱情和態度,了解之後才比較能判斷這個領域適不適合你,千萬不要因為從眾而選擇。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
所有討論 2
科技大觀園_96
82 篇文章 ・ 1126 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。

0

0
0

文字

分享

0
0
0
變身超級英雄:科技就是你的超能力──《知識大圖解》
知識大圖解_96
・2016/01/28 ・4017字 ・閱讀時間約 8 分鐘 ・SR值 515 ・六年級

iron-man-1049412_640

如果你是一個動漫迷,一定曾經夢想變身超級英雄,但這似乎終究只能是幻想──直到科技把想像化為現實。

隨著科技快速演進,人類終於可以製造出模擬各種超能力的裝備,像是讓上班族變身蜘蛛人的攀牆手套、只比超人視力差一點的千里眼隱形眼鏡等,擁有超能力不再是癡人說夢。

不過,這些裝備的發明並非如同漫畫情節:由億萬富翁為了懲奸除惡而打造;而是科學家和醫學專家為改善人類生活而研發。舉例來說,專家研發出能夠加速人體組織再生的植入體,雖然不可能像金鋼狼一樣迅速讓傷口癒合,卻可降低感染機率和醫療成本;另外還有能夠偵測周遭障礙物的特製服裝,用處不在增加超級英雄的第六感,而是為了幫助視障人士安全地行走。

這些新奇科技有些仍在研發階段,但也有一些已經實際問世。美國國防承包商雷神公司(Raytheon)已經交貨給美國陸軍一套讓士兵力大無窮的鋼鐵人裝;許多造船廠也用類似概念的外骨骼機械裝,協助工人操作重型機具。如果你有興趣,甚至可以在家自己拼裝超能力裝備。紐約羅徹斯特大學的學生,就運用唾手可得的現成材料,打造出一具隱形透視鏡。

-----廣告,請繼續往下閱讀-----

雖然目前的科技還無法讓每個人都穿上紅色披風飛天入地,但透過本期為你介紹的高科技裝置,我們或許可以窺知未來擁有類似超能力的世界,甚至預先規劃好自己的超級英雄祕密基地。

蜘蛛人攀牆術

黏性手套的靈感來自壁虎的腳。

如果可以像蜘蛛人一樣發射蜘蛛絲,徒手攀爬辦公大樓,一定會讓上班變得更有趣。不過這套都市輕功服和蜘蛛的關係不大,是從壁虎的四隻腳得到靈感而發明出來的。spiderman-515215_640

史丹佛大學學生模擬壁虎腳上的細微毛髮,開發出特製的乾式黏性手套,讓普通人透過類似的黏著原理來垂直爬行。然而,技術上的困難在於壁虎只有幾公克重,若要支撐體型相對龐大的人類,得另有對策。研發團隊利用加裝特殊簧片來平均分散人施加在手套上的重量,讓整組裝置可以承受高達91公斤的成人體重。另一方面,人類的上半身不像壁虎那樣強而有力,因此還需要一組活動式繩梯,將部分攀爬作用力轉移至雙腳,以減輕雙臂負荷。這副手套的初步測試相當順利,目前學生們正與美國航太總署噴射推進實驗室(Jet Propulsion Lab)合作,評估是否能把相關技術應用到太空船的機械手臂,以回收太空垃圾。

-----廣告,請繼續往下閱讀-----

27
本圖出自《How It Works知識大圖解 國際中文版》第16期(2016年1月號),全見版請點擊圖片放大。

 

蜘蛛人超感應

對超級英雄來說,預知壞蛋來襲是必備的能力之一,而如今我們只要穿上感應裝,也能具備相同的能力。雖然就造型而言,它沒有緊身蜘蛛裝那麼酷,但這套「蜘蛛感應裝」卻能感應方圓152公分內的障礙物或接近的人,並向穿戴者發出警告。整套裝備包含多項感測模組,由一個測距儀和一具伺服馬達所構成。測距儀會不斷發射聲納波,當聲納波遇到物體反彈回來,便可由感測器計算出距離。一發現障礙物,伺服馬達──即遙控飛機上常見的那種馬達──便啟動推桿,對穿戴者的皮膚施加壓力。越接近障礙物,推桿壓力會越大,藉此讓使用者判斷物體遠近、作出反應。發明者維克托.麥特維席(Victor Mateevitsi)表示,開發這項技術的目的是希望造福視障人士;此外在昏暗環境下,像是濃煙密布的火場,也可以用來確保消防人員的安全。

超級戰鬥裝

披風和小褲褲不夠看,真正的超級英雄都穿外骨骼機械裝。

鋼鐵人的超能力不是因為被輻射蜘蛛咬到,也不是被伽瑪射線照到而突變;鋼鐵人裝說穿了,就是透過精密的工程設計──加上很多的錢──所打造出來的。既然如此,當然我們也可以如法炮製,事實上,現在已經有業者開發出類似的裝備了。

-----廣告,請繼續往下閱讀-----

國防製造商雷神替美軍研發了一款超強外骨骼機械裝(Robot Exoskeleton)。士兵只要穿上這套裝備,就能在高液壓系統的輔助下,大幅提升力量、靈敏度和持久作戰能力,即使進行劇烈活動也不至於疲勞和受傷。雖然目前的版本必須連接到內燃液壓引擎以作為動力來源,但未來可望在2020年推出不需要外接線路的獨立外骨骼機械裝。

不只軍方需要外骨骼機械裝,洛克希德.馬丁公司也設計了一款專供重機械操作員使用的機械裝FORTIS,它可以承載大部分的機具重量,讓操作人員可以長時間作業,減少因為肌肉疲勞所需的休息時間和次數。

28
本圖出自《How It Works知識大圖解 國際中文版》第16期(2016年1月號),全見版請點擊圖片放大。

自製隱形斗篷:讓你看穿物體的簡單透鏡組

隱形和透視都是相當熱門的超能力,但你可能不知道,這兩種能力早已經成為現實,而且一般人在家裡就能辦到。羅徹斯特大學的學生利用市面上現有的便宜材料,設計出一組遮蔽裝置,可以讓光線繞過物體,製造出物體憑空消失的神奇效果。要製造出這種錯覺,需要四組焦距不同的透鏡,並將透鏡相隔特定距離擺設。當光線進入第一組透鏡時,會先聚焦,然後發散,因而繞過位於遮蔽區的物體。但此時後方景象是顛倒的,所以還需要另外一組透鏡,再把影像翻轉回來。這套裝置的遮蔽能力不限特定視角,也就是說不管從透鏡的任何角度看過去,都能清楚呈現物體後方的景象。

-----廣告,請繼續往下閱讀-----

這套簡單裝置的遮蔽範圍其實只有透鏡內部,亦即類似甜甜圈的環狀區域內。不過研究團隊也研發出了另一套更為複雜的透鏡裝置,可以達到完全遮蔽的效果。

研發團隊希望這套「羅徹斯特斗篷」(Rochester Cloak)可以在醫療領域發揮作用,讓外科醫生在手術時,能更清楚地看到開刀部位,或是協助卡車司機繞過車輛的死角,察覺周遭狀況。

30
本圖出自《How It Works知識大圖解 國際中文版》第16期(2016年1月號),全見版請點擊圖片放大。

磁性第六感

這種彈性極佳的人造皮膚能感應地球磁場,讓路癡也不迷路。

-----廣告,請繼續往下閱讀-----

鳥和鯊魚沒有GPS也能找到方向,但許多超級英雄仍需輔助裝置,才能正確且即時地找到壞蛋巢穴。科學家現在發明了一種電子皮膚,能夠透過偵測地球磁場來協助指認方向,讓衛星導航和Google地圖都成為過去式。

這種人造皮膚是一層鈷和銅的金屬薄膜,在磁場環境下可以感應電阻的變化。只要測量電阻差異,就可以計算出磁場距離,再把這個資料傳送到液晶顯示幕上,就能清楚判斷方位和距離。

科學家把磁場感測材料黏在PET軟性膠膜上──類似透明投影片的材質──然後再將它貼以彈性膠帶,好讓人造皮膚可以自由伸縮。一平方公尺的感測膠膜只有不到3公克的重量,厚度僅兩微米,比人髮的十分之一還要細,因此人造皮膚可以貼附在人體上,甚至植入皮膚下方,而不至於造成不適。

快速自體療癒:讓骨肉再生的智慧型植體

除了全身擁有強化金屬骨骼,以及金鋼爪之外,金鋼狼還有一項特異功能,那就是快速的自體療癒。其實人體本身就已經有不錯的修復功能,但和X戰警第一男主角的再生能力相比,卻是差得遠了。不過現在這個差距,正在逐漸縮小。

-----廣告,請繼續往下閱讀-----

有業者開發出內含大量生長因子的醫療用植體,其中的組織再生分子可以有效提升人體自我療癒的速度。雖然跟金鋼狼的超能力比起來仍舊略遜一籌,不過對於皮膚或骨頭受傷的患者來說,已經能大幅縮短癒合的時間。

除了加速自體療癒,FeyeCon公司所研發的智慧植體還有幾項聰明的特色。首先,它是由可生物分解的材料所製成,因此等到傷口復原後,它會逐漸分解成對人體無害的自然成分;此外,它還可以事先添加抗生素,以減少身體組織排斥外來物質時的發炎機率。目前研究人員仍在微調成分,為的是更適應身體各部位組織,但預估在不久的將來就可以正式推出。

千里望遠鏡:一眨眼就能放大遠方物體的超強眼鏡

32
本圖出自《How It Works知識大圖解 國際中文版》第16期(2016年1月號),全見版請點擊圖片放大。

超人的千里眼可以隨時看見哪裡有麻煩,不過現在普通人也能擁有類似的能力,儘管目的大不相同。老年性黃斑病變是全世界老年人失明的罪魁禍首,而致病的原因是主管視覺敏銳度的黃斑部位細胞受損。

-----廣告,請繼續往下閱讀-----

為了幫助患有此病的老年人提升視物能力,聖地牙哥和瑞士的科學家研發出具有望遠功能的隱形眼鏡,它能將視覺影像放大2.8倍。這種硬式隱形眼鏡比普通隱形眼鏡更大一些,但和過去用來矯正黃斑病患視力的厚重眼鏡相比,已經是一大進步。配戴者仍須戴上由三星3D眼鏡改造而成,且具備精巧操作功能的特製眼鏡。

鏡架上的感測器讓配戴者只須眨動單眼,就能在普通和望遠視力之間切換。眨右眼,便開啟2.8倍放大功能,眨左眼,則會關閉。瑞士聯邦科技學院的研究團隊負責人艾利克.川布雷(Eric Tremblay)表示:「目前這種眼鏡仍處於研究評估階段,但我們期待未來能夠實際生產,嘉惠黃斑部受損的病患。」

念力波動:用腦波控制一切

如果光用念力就能移動物體,確實可以讓生活方便許多,可惜所謂的隔空移物始終只是科幻小說裡的虛構情節。不過,在現代科技的協助下,我們還是可以利用腦波做到很多事情。

真正的腦波控制技術是利用安裝在頭顱上的腦電波感測器(EEG sensor)來偵測大腦活動。當穿戴者專注於某個物體時,額頭後方的大腦前額葉會激發神經元,產生腦電波。這種腦電波足以引起腦波感測器的電位差,再由電腦演算法分析轉譯為電子訊號,下達指令給連接的裝置設備。

透過這個原理,航太技術廠Tekever已經開發出透過腦波操作的無人機。操作員須戴上腦波感測帽,且事先接受訓練,學習透過專注力來讓電腦螢幕上的圖示向上或向下移動,藉以指揮無人機向左或向右轉;當腦波感測器偵測到大腦特定部位的活動後,便可以傳送相對應的指令給無人機。業者希望這套技術未來能夠應用於更大型的飛行器,減少飛行員的工作負荷,或是讓身障人士也能一圓飛行夢。

 

本文節錄自《How It Works知識大圖解 國際中文版》第16期(2016年01月號)

更多精彩內容請上知識大圖解

-----廣告,請繼續往下閱讀-----
知識大圖解_96
76 篇文章 ・ 12 位粉絲
How It Works擅長將複雜的知識轉化為活潑有趣的圖解知識,編輯方式以圖像化百科呈現,精簡易懂、精采動人、深入淺出的圖文編排,讓各年齡層的讀者們都能輕鬆閱讀。