人道主義開放源軟體Ushahidi

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

• 導讀 / 耿一偉（台北藝術大學戲劇系兼任助理教授）
• 書籍作者 / 阿爾貝·卡繆 (Albert Camus)；譯者 / 陳素麗

文學作為一道反抗災難的陽光

二戰時期，法國被納粹佔領，他們的軍服是褐色，所以法國人稱納粹為褐色瘟疫（la peste brune）。當小說《瘟疫》於一九四七年六月出版，戰爭才剛結束不到三年，大眾很容易將書中提到的瘟疫解讀成是納粹主義，而卡繆也不否認這一點。只是在一九五五年，正在崛起的評論家羅蘭巴特（Roland Barthes）發表一篇名為「《瘟疫》：一部傳染病史冊還是孤獨之小說」（La Peste, annales d’une épidémie ou roman de la solitude?），批評《瘟疫》作為一種抵抗納粹的象徵作品，缺乏足夠的歷史化脈絡時，卡繆則回應：「對《瘟疫》的解讀應該是多樣的。」

二０二０年適逢卡繆逝世六十周年，本來就有不少紀念活動與書籍出版，恰巧碰到新冠肺炎的肆虐，一下子人們對《瘟疫》的興趣又高漲了起來。不少讀者都意識到小說中的諸多情節，幾乎是對當下疫情狀態的一種預言。像紐約時報、英國 BBC 廣播電台等重要媒體都有專文，探討如何解讀《瘟疫》與新冠肺炎的關係。被稱為法國 CNN 的法蘭西 24 台（France 24），也於二０二０年的十二月二十二號，播出一個關於卡繆的特別節目，邀請書店經營者、評論家等，一同討論卡繆再度熱銷的現象，以及如何在這個時代重讀《瘟疫》。

《瘟疫》述說了歐蘭（Oran）這座城市在發生瘟疫的近一年間，所發生的故事。歐蘭是真實存在的地點，它是阿爾及利亞的第二大城，面向地中海。卡繆成長於首都阿爾及爾（Alger），但是一九四一年到四二年前半的大部分時光，他都居住在歐蘭。一九四一年七月，阿爾及利亞爆發大規模傷寒傳染病，同年十月，卡繆始閱讀瘟疫的相關歷史與文學資料，包括英國小說家笛福（Daniel Defoe）的《大疫年紀事》，而《瘟疫》最開頭引用的那段話，就是出自笛福。我們可以在《卡繆札記》裡，發現相關線索，比如一九四一年一月的札記裡，當時已住在歐蘭的卡繆提到：「小老頭從陽臺上把報紙撕碎，丟下去吸引貓兒的注意。然後他朝他們吐痰。要是吐中了，他便笑了起來。」這段情節也在本書中出現好幾次。

我們可以把鏡頭拉遠一點，小說《異鄉人》完成於一九四０年，哲學論文《薛西弗斯的神話》則是一九四一年。這兩部作品代表了卡繆的荒謬主義階段。《瘟疫》則是他從一切偶然皆無意義的虛無主義出發，轉向充滿道德感的人道主義，而小說所搭配的論述，是一九五一年出版的《反抗者》。

小說主角李爾醫生即是這種具有人道主義的人格者。李爾不相信上帝，無法解釋為何瘟疫會降臨這個世界，雖然經常感覺到孤單與疲憊，他依舊堅持每天工作二十小時，對他人充滿包容。小說中經常被評論者提到的一個高潮場面，是神父潘尼魯在佈道大會上強調，瘟疫的出現背後有著上帝意旨。可是當神父與醫生在面對一位小孩因瘟疫而死亡的痛苦場面後，李爾說：「我對愛有不同看法。我到死都絕不會接受這個連孩子都要折磨的創世主及其世界。」

我們應該留意卡繆的阿爾及利亞背景，作為一位法國殖民者的後代，從小生長在貧民區的卡繆讚嘆北非的陽光與海洋，強烈的身體存在感，讓他懂得愛當下這個世界。年輕時的隨筆集《反與正》（1937）於一九五八年再版時，剛獲得諾貝爾文學獎的卡繆於再版前言寫道：「每個藝術家都在自己內在保存某種獨一無二的泉源……在那個我曾經長久生活過的貧困與陽光並存的養分裡。」。

阿爾及利亞的緯度與台灣相當，都處在北回歸線上，而且阿爾及爾與歐蘭都靠海。卡繆所訴諸的道德感，是來自他所謂的地中海精神，這種精神與寒冷歐洲的思辨精神不一樣，充滿了身體的直覺與自信，也反映在卡繆對足球與游泳的喜愛上（同樣也滲入《瘟疫》當中）。他在《反抗者》最後一章〈地中海思想〉（La pensée de midi）強調：「歷史的專制主義儘管節節取勝，卻始終不斷地遇到人類本性不可征服的要求，而地中海保存著它們的祕密，在那裡，熾熱的陽光伴隨著智慧。」

為了幫這個新譯本寫導論，我開始重讀這部大學畢業之後就沒再讀過的小說。才開始沒幾頁，我就有一個強烈的感受，覺得書中對歐蘭的描述好像也可適用於台灣，畢竟我們也被殖民過，有著類似的大海與陽光，如同小說一開始提到：「我們的市民工作勤奮，但都是為了賺大錢……而我們這個坦率、和善且充滿活力的民眾，總是讓旅行者對我們留下不錯的印象。」

《瘟疫》採取某種報導文學的形式，呈現了不同人物對瘟疫與封城的看法，這位敘述者強調內容都出自他的調查，而他的真實身分，要到小說最後才會揭曉。紀實報導的風格，脫離不了卡繆於一九三八年起擔任《阿爾及爾共和報》的記者，以及一九四三年底起加入抵抗運動地下刊物《戰鬥報》的經歷。卡繆總是喜歡將真實經驗融入小說中，比如他母親的堅毅形象就深深烙印在對主角李爾的母親的描述上。

如果說《瘟疫》與當下全球疫情有何不同？那就是網路的存在，使得原本小說中因封城所產生的疏離感，以及疫情威脅下對親情與友誼的渴望，都被大量媒體訊息與各種新開發的社交軟體所沖淡。死亡變成舉無輕重的新聞數字，so close, far away。我們在現實已看不到真實，一切都是破碎的，這時候只能靠閱讀小說，發現對真實的深刻理解。

不論是瘟疫或納粹，都是能造成大規模死亡的無差別力量。《瘟疫》作為一部經典，在於可以隨著時代變化而有新的解讀。《瘟疫》描繪因災難所造成的大規模孤立狀態，在未來有可能以生態危機或是恐怖主義的形式再度造訪，而那時，讀者依舊能從中找回反抗的力量。

數感實驗室／朱倍玉

我們經常會為天才貼上各種標籤，例如：小學就會解聯立方程式、跳級錄取大學、破解幾百年來無人能解世紀大難題等。還有一種天才，他們靈巧地穿梭在多種不同領域間，提出讓世人眼睛為之一亮的發現。

今天要介紹的是一位靈巧穿梭在物理、數學、計算機科學、教育的男人：戴克斯特拉（Edsger. W. Dijkstra, 1930-2002）。

戴克斯特拉出生於荷蘭，父親是化學家，母親是數學家。儘管成長在濃厚的理科氛圍中，他高中時卻想成為律師，期待有一天能代表荷蘭出席聯合國。不過這個夢想在畢業考時被迫中止，理由不是常見的「沒考上自己的第一志願」，而是戴克斯特拉在數學、物理、化學與生物都拿到滿分，促使老師和父母力勸他往自然科學方面發展。

某種程度上，就像許多原本對文科有興趣的學生，卻因為理科表現太好而選擇唸理工科系。有些人遇到這個狀況會選擇抗議，或之後適應不良，但戴克斯特拉沒有這些問題，順利進入萊頓大學的理論物理系。而後，戴克斯特拉的父親再次提供建議，鼓勵他去參加「程式設計」課程，順服的戴克斯特拉開始學習程式設計。這項能力幫助他獲得第一份工作──在阿姆斯特丹數學中心擔任程式設計師。

也因為多會了程式設計，戴克斯特拉開始思考下一步該往哪裡走，他認為程式設計和理論物理學不容易結合，請教了阿姆斯特丹數學中心的上司，同時也是阿姆斯特丹大學資訊工程學系的教授韋恩加登（A. van Wijngaarden）。韋恩加登相當看好戴克斯特拉，認為他有程式設計的天份，將來搞不好會成為計算機科學領域的關鍵人物，大力鼓勵戴克斯特拉。事後證明韋恩加登不僅眼光正確，他也是一位很好的說服者。

這場改變戴克拉斯特一生的會談，多年後回憶起來，記憶猶新。

「就在離開他的研究室之後的幾個小時內，我感覺到自己完全是另一個人了。」

於是，在父親與長官的鼓勵下，他決定不再研究理論物理，進入阿姆斯特丹大學攻讀資工博士學位，正式走上計算機科學這條路。

不只是程式設計專家，也是一位數學家

戴克斯特拉在程式設計、演算法等領域中提出許多創新概念，對計算機科學有著巨大的影響。這些貢獻讓他在 1972 年獲得了有計算機科學界諾貝爾獎之稱的圖靈獎（ACM Turing Award）。這個領域的朋友對他絕對不陌生，沒錯，鼎鼎大名的 Dijkstra 演算法正是以他命名的。

戴克斯特拉被認為是計算機科學的先驅之一。他的回憶錄裡有這麼一個小插曲：他博班第一年時結婚，辦理手續時必須說明自己的職業，戴克斯特拉說自己是「程式設計師」。然而，當時這個職業類別在荷蘭尚未受到認可，幾乎沒有人靠寫程式維生，當局因此駁回。最終註記在計算機科學大師的結婚證書上的職業，依然是「理論物理學家」。

戴克斯特拉的第二份工作是埃因霍溫科技大學的數學系教授。他認為，數學邏輯與程式設計相輔相成，唯有明確的邏輯思路與數學分析能力，才能在程式設計中清楚思考出每個步驟。

戴克斯特拉說過許多名言，其中包括：

「計算時，我們容易搞砸一切。數學的簡潔與精確不是可有可無的奢侈品，是生死攸關的大事。

（In the practice of computing, where we have so much latitude for making a mess of it, mathematical elegance is not a dispensable luxury, but a matter of life and death.）。」

從這句話讓人充分感受到讓人充分感受到，「他不只是程式設計專家，也是一位數學家」

在數學系教書的 11 年裡，戴克斯特拉致力於融合程式編寫與數學研究，將數學分析帶進程式編寫的環節中，讓數學與程式設計不再只是兩個獨立的學科，而是關係緊密的孿生領域。

戴克斯特拉在 1984 年，58 歲時離開荷蘭，越洋來到美國，在陌生環境重回熟悉的領域，擔任德州大學奧斯汀分校資工系教授。如果你以為他只是重新回到電腦前面研究程式碼的話，那就錯了！他開始與其他學者共同撰寫謂詞演算^註1的書，倡導透過方程式真假值的計算來證明定理，用數學運算來推理程式語言。同時，他把研究觸角伸到更多的數學領域，如座標幾何、線性代數、圖論等。

不論在數學系或資工系教書，戴克斯特拉都緊緊將兩個領域交織在一起。

在研究手稿中窺見作育英才的熱情

作為一位教授，戴克斯特拉最為人所知的是他相當喜歡以手寫文書當作記錄，甚至是學術界公認文筆好，用字遣詞簡潔又清楚的「作家」。他親筆記下多數的研究成果，幫自己的研究手稿逐一編號。他喜歡手寫的程度，讓他連課程大綱也手寫。

為了讓更多人可以接觸到戴克斯特拉的研究，德州大學建立一個網站^註2，裡面整理了他的手稿，除了課程大綱之外，還有不少手稿是論文的前身。這個網站就像是一座倉庫的大門，打開這扇門就可以看到知識被整齊地堆疊在裡頭。

以 1995 年他開設的微積分課程為例（手稿編號：EWD1213），細讀這篇課程簡介，你可以完全感受到戴克斯特拉不只是數學家、計算機科學家，還是一位充滿人文氣質的教育家。

他告訴他的學生，上課不是為了「傳授知識」，因為如果僅僅是那樣，學生很快就會忘記了。他希望能給學生帶來可觀的、不可逆的改變。他要讓學生感受到數學的效益，讓他們知道優美的證明不是靠反覆嘗試錯誤，而是奠基在精巧的應用經過設計的數學準則。他想提升每一位學生對自己的標準。

他這麼說：「我的意思是：如果從現在起的 10 年內，當你貪圖快速、想方便行事的時候，你會忽然彷彿看見我在替你擔憂，你會提醒自己『戴克斯特拉不會喜歡我這樣做。』如果真的能這樣，那對我來說一切都值得了。」

投身教育超過 25 年，戴克斯特拉教學生如何腳踏實地追求知識。計算機科學界也好，數學界也好，不管從什麼角度來看，戴克斯特拉都是那個時代不可抹去的光輝。

註釋

1. 謂詞演算（或稱述詞演算）：以邏輯述句進行表示及推理的基本記法。把命題看作整體，分析命題的各部結構，使成主詞與述詞的邏輯形式。
2. the manuscripts of Edsger W. Dijkstra 1930–2002

參考資料

1. In Memoriam Edsger Wybe Dijkstra (1930–2002)
2. A.M. TURING AWARD
3. EDSGER W. DIJKSTRA: BRILLIANT, COLOURFUL, AND OPINIONATED
4. Edsger Wybe Dijstra (1930–2002): a portrait of a genius

Original publish date:Sep 04, 2010

編輯 HCC 報導

MIT Technology Review 雜誌2010年8月公佈評選的35位青年創新先行者﹝TR35﹞，其中之一的David Kobia開發了人道主義開放源軟體─Ushahidi。

2007年肯亞總統大選期間暴亂紛起，時任總統的Mwai Kibaki對媒體實施管制，網路成為唯一的開放通訊管道。當時David Kobia遠在美國擔任網頁開發人員，接到朋友詢問，是否能對Google map進行程式設計，以追蹤肯亞暴力與破壞的發生蹤跡，兩天後Kobia完成了Ushahidi程式設計並上線使用。

Ushahidi的初始版本很簡單，僅為一張地圖與表格，讓使用者說明看到的事故，選擇離發生地點最接近的城鎮，紀錄位置、日期與時間。之後此套緊急事件通報平台引起了廣泛的注意。

至今，Ushahidi﹝非洲肯亞土語：證言﹞在全球危機反應協調處理上扮演了重要角色。Kobia經由許多程式開發者的協助，繼續擴展原始的簡約型線上申請應用程式，成為可下載的開放源平台，平台包含了時間軸、發展行動裝置應用的API、 經由外掛程式增加功能的架構等。

超過30個國家使用此套平台，絕大部份應用於基層救濟與監督組織，軟體直接援助特定地點的人員，以文件証明發生中的貪瀆腐敗，並以時間與空間記錄方式追蹤複雜事件。

Ushahid開放平台計畫將群眾網路創作﹝crowd¬sourcing﹞與人們面臨的危急情勢相結合，使用者在面臨災難或衝突時，可以利用手機、Twitter、電子郵件、網站Facebook等，發布目擊訊息給Ushahidi，平台蒐集到的訊息經過證實之後，能以視化方式呈現在地圖或時間軸上。

當正常消息與公眾訊息來源中斷時，Ushahidi提供使用者分享訊息、形成政治觀點、指引救援者或共用資源。Ushahidi被用來監督蘇丹選舉、紀錄加薩暴動、追蹤BP石油洩漏、協助海地進行地震復原。台灣有網友將之應用於莫拉克風災救援、整理台北花博災情。

部落格網全球之聲﹝blog network Global Voices﹞共同創辦人、哈佛網路與社會研究Berkman中心資深研究員Ethan Zuckerman認為，“Ushahidi為最全球化的重要技術計畫之一”，“Ushahidi建構在開放標準上，接收來自網頁以及行動裝置的訊息，這是能全球化參予的關鍵特徵。Ushahidi從每個軟體下載點開始發展，形成一個系統，在各種環境下能聚集、地圖化與鑑別來自網路的眾多訊息。”

Ushahidi於本年獲得第六屆德國之聲部落格大賽跨語類別最佳部落格獎；同時Ushahidi以人道主義開放源軟體創新性，被MIT Technology Review評選為2010年最具創新力的50家企業之一。

參考來源：

• MIT Technology Review: Software that helps populations cope with crises