為什麼雞雞長這樣？──讀《下流科學》

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

前一陣子，在網路上看到了一篇新聞，標題是〈交友軟體真的可以找到對的人嗎？研究曝 1 種人最容易暈船，越玩反而越痛苦〉，裡面在談的是焦慮依附玩交友軟體，是一件不好的事情。

這一篇新聞裡指出，焦慮依附在交友軟體上，是最難從中受益的一群人，而新聞的最後，則建議焦慮依附者接受心理治療。

對於這樣的新聞，我是不贊同的，一來是依附風格本身其實是難以改變的，二來是心理治療並不是一個便宜的療程，且依附風格難以輕易被改變。這樣的新聞，好像讓焦慮依附者陷入了一個永遠無法解決的困境深淵當中，而改變卻是非常困難的。

因此，這一篇文章，我想要來談談，焦慮依附的人應該如何妥善地使用交友軟體，如何讓交友軟體成為有助於自己成長的工具，而非陷入缺乏安全感的無盡回缺之中。

什麼是焦慮依附？什麼是逃避依附？

雖然在過去，我寫過非常多依附風格的文章，想閱讀更多的人可以看看這兩篇（依附理論的起源：我們為什麼會依賴別人──依附理論系列（一）、依附傾向：我對你的依附沒有絕對分類──依附理論系列（二）），但在這篇文章的一開始，我還是要談談什麼是依附風格。

在依附風格的定義上，是一個兩軸四象限的概念。依附可以分成四種類型，分別是安全、焦慮、逃避、矛盾等四種依附。

先來談談焦慮的特質。所謂焦慮依附，指得是在關係中容易感覺到對方沒有自己想像中那麼親近自己，因而容易覺得患得患失、想要不斷確認關係的特質。而所謂的逃避依附，則是在關係中害怕與別人親近，在親近的同時容易感覺到喘不過氣，希望與愛人保持距離的一群人。

安全依附的人，就是焦慮跟逃避兩個特質都低的人，他們不容易感覺到別人要拋棄自己，也不容易感覺到難以和他人親近；而矛盾依附則是，時而會感覺到對方與自己不夠親近、害怕對方拋棄自己，又時而會感覺到對方和自己太過親近，覺得不舒服而想拉開距離的人。

交友軟體上，到底是怎麼樣的人居多？

那麼，交友軟體上，到底是怎麼樣的人居多呢？根據師大的碩士生陳姵如在她的畢業論文蒐集到的資料指出，台灣的交友軟體上，「焦慮依附」佔總人數 38.33%，「安全依附」佔總人數 25.83%^[1]。不過因為她使用的量表，和國際上普遍使用的量表有一些學理上的爭議，因此我無法將逃避依附和矛盾依附的比例進行呈現。不過簡單來說，焦慮依附在交友軟體上，佔了將近四成的人數，而安全依附也有1/4的人數。

那麼，焦慮依附的人，到底為什麼會在交友軟體上佔這麼大的比例呢？他們使用交友軟體，又是為了什麼呢？

過去的研究指出，焦慮依附的人渴望與人親密的特質，會讓他們渴望與人在社交上來往，同時害怕被拒絕^[2]。在這樣的情況下，交友軟體確實提供了一個很適合焦慮依附社交的場合。

在一般的生活中，我們的社交，並不一定是為了獲得對方的喜歡而做的。工作上必須要和老闆社交、和同事社交，是為了讓工作順利進行下去而做的；而且在這些情境之下，我們並不知道對方到底對我們有沒有私領域上的興趣。

然而，交友軟體的設計上，讓我們一開始就能夠設定自己要尋找朋友、短期交往關係、長期交往關係、結婚為前提的關係等等，對於焦慮依附這些想尋求深刻而緊密的關係的人而言，其實是相對友善的環境。

過去的研究曾經指出，一旦一個人意識到彼此相互吸引^[3]，彼此的互動模式會有所改變，而交友軟體提供了互相喜歡才能配對的機制，讓使用者透過意識到自己跟一些人成功配對，而感覺到自己是一個具有吸引力的人^[4]。

焦慮依附在交友軟體上的危險，以及我們該如何克服

不過，焦慮依附傾向越高的人，在使用交友軟體上，確實也有一些風險存在。根據一份研究指出，焦慮程度越高的人，確實越有可能使用交友軟體，也會在交友軟體上花費較多的時間。

花費較多時間上，其實是一把雙面刃。雖然好的部分在於，我在上一段提到，交友軟體讓焦慮依附，比較不必擔心被拋棄、不被喜愛等等的社交線索，但也有研究指出，焦慮依附傾向高的人，在交友軟體上，比較難以實際約到他人碰面^[6]；除此之外，焦慮依附若使用交友軟體和他人約炮，比較難以獲得滿足，同時也會產生許多負面的情緒^[6]。

因此，針對這些部分，我要提供焦慮依附傾向高的人，在使用交友軟體上的一些建議。

第一個建議，就是不要約炮。對於焦慮依附的人來說，大多會希望性行為是一個讓彼此關係更加進展的手段，而非像逃避依附一樣，比較能夠性愛分離。這個部分，我在泛科學上的〈性與愛的矛盾掙扎？不同依附型態對性愛關係的影響──依附理論系列(十七)〉一文中，有過詳細的討論。

正因為焦慮依附希望性愛能讓關係進展，那麼短暫的約炮關係，就容易讓焦慮依附暈船，因為焦慮依附者，雖然名義上同意對方只做愛不交往，但實際上又會希望透過性愛來改變對方的態度，進而跟自己交往。

如果約炮的對象，打從一開始就很堅持彼此不要交往，那麼約炮後，讓焦慮依附者感受到對關係不滿意，並隨之產生許多負面感受，就是很正常的事情了。

因此，如果你的焦慮依附特質高，又真心希望找到一段長久的關係，千萬不要以身試火。

第二個給焦慮依附的建議在於，交友軟體用得多沒關係，但必須要把認識一個人的時間拉長。焦慮依附傾向高的人，大多會希望盡快確認兩個人的關係。但經歷過多場戀愛之後就會發現，有一些關係中自己的期望，以及對方對關係的期望，若未能在交往前做過核對，就容易讓彼此在交往中過得不順利（關於焦慮依附比較容易期待在認識時盡快拉近關係的研究，可以參考〈交往前，讓我們約會吧！三種依附類型怎麼做？──依附理論系列（四）〉）。

當然，我並不贊同感情中不應該改變別人的說法。我覺得戀愛是一個互相滿足、一起成長的過程，但我同時也不認為，希望短時間內改變對方的行事風格或價值觀等等，是一件讓人舒服的事情。

因此，把互動時間拉長，同時和對方討論一些自己的期望和對方的想法之間的落差，或許有助於你篩選掉無法相處的對象，或是打算和對方長久走下去，該如何拿捏彼此的進展速度。

第三個給焦慮依附的建議，則是盡量尋找同時具有「低焦慮」與「低逃避」這兩個特質的人交往，也就是和安全依附交往。安全依附者，相對而言有著較高的安全感，也比較願意對感情抱持著開放的態度。

如果真的找不到安全依附者，我也會建議焦慮依附特質較高的人，避免和「高逃避」的「逃避依附」與「矛盾依附」交往，他們不喜歡與人太過親近，不習慣表達自己的情感，對於情感需求高、希望與人親近的焦慮依附者而言，是一件很痛苦的事情。

當然，我無法提供一種通往幸福的簡單道路，即便我寫過眾多與依附相關的文章，也對依附相對熟悉，但我覺得了解依附，最重要的是了解自己適合和怎麼樣的人交往，不適合和怎麼樣的人交往；同時，你得了解到，哪一些關係，是讓自己容易表達情感，同時不會受傷的關係，而哪一些關係，是讓自己容易受傷，對方是無法接住自己情感需求的關係。

身為焦慮依附者，我不認為自己應該避免使用交友軟體，即便容易暈船，但挑選對象，讓自己暈一個暈下去會安全的人，而不是暈那些會讓自己受傷的人，我覺得才是最重要的。

如果你喜歡我的文章，歡迎追蹤粉專 Psydetective-貓心

1. 陳姵如（2022）交友軟體使用者之人際依附風格、愛情態度與幸福感之相關研究。國立臺灣師範大學教育學院心理與輔導學系碩士在職專班碩士論文。
2. Mikulincer M, Shaver PR. (2007) Attachment in adulthood: structure, dynamics, and change. New York: Guilford.
3. Luo, S., & Zhang, G. (2009). What leads to romantic attraction: Similarity, reciprocity, security, or beauty? Evidence from a speed-dating study. Journal of Personality, 77(4), 933–964. 
4. Alexopoulos C, Timmermans E, McNallie J. Swiping more, committing less: unraveling the links among dating app use, dating app success, and intention to commit infidelity. Computers in Human Behavior 2020; 102:172–180.
5. John K. Coffey, D. Kyle Bond, Jessica A. Stern & Natalie Van Why (2022): Sexual Experiences and Attachment Styles in Online and Offline Dating Contexts, International Journal of Sexual Health, DOI: 10.1080/19317611.2022.2110349\
6. E. Timmermans & C. Alexopoulos(2020) Anxiously Searching for Love (Among Other Things): Attachment Orientation and Mobile Dating Application Users’ Motives and Outcomes. Volume 23, Number 7

COVID-19 疫情趨緩後，各國都敞開大門，迎接國際觀光客。今年雪梨同志狂歡節（Sydney Gay and Lesbian Mardi Gras）的主辦單位，與 InterPride 合作，將活動升級為 2023 雪梨世界驕傲節（Sydney World Pride）。^[1]其中最受矚目的年度大遊行，也於 2 月 25 日晚間，重磅回歸 Oxford 和 Flinders 兩街。^{[2, 3]}

警察的角色

澳洲雪梨一年到頭，觀光活動難以計數。從知名的跨年煙火、國慶典禮、體育賽事、聖誕市集、繽紛雪梨燈光音樂節（Vivid Sydney）到同志狂歡節等，^[4]負責維安的警察早已身經百戰，什麼場面都見過了。如果當天鬧事被逮的人數不多，他們有時還會在事後，透過新聞稿嘉勉群眾幾句。^[5]雖然新南威爾斯州警察，在1978年拘捕同志運動抗爭者；但誰也沒想到他們後來化敵為友，自 1998 年起，竟每屆都組隊參加遊行。^{[6, 7]}

2023 年面對前所未有的人潮挑戰，他們派出 900 多名員警，並與主辦單位、雪梨市政府、科技保全公司，以及州政府的觀光、交通、消防和急救等部門攜手合作。^{[2, 7]}

RAMP分析

根據英國曼徹斯特都會大學（Manchester Metropolitan University）G. Keith Still 教授 30 多年的經驗，規劃大型活動時，要從 RAMP 分析（RAMP Analysis）的 4 個面向，評估群眾安全。^[8]

1. 路線（routes）：進入與離開的方向。^[8]雪梨同志遊行的隊伍，一般不超出 Oxford 和 Flinders 這兩條街。^[2]遊客則必定是從四面八方，逐漸湧入。
2. 區域（areas）：人群聚集的範圍。^[8]當天的交通管制，擴及市中心與市郊的幾條主要幹道。^[9]
3. 動向（movement）：進場及散場的時間。^[8]官網號稱遊行從晚上 6 開始，預計 11 點結束。^[10]實際上，觀眾提早幾個小時佔位，正式開幕的時間為晚上 7 點左右，而結束後不少人仍於附近逗留。各街道的交通管制不同，最早從下午 2 點開始，最晚至隔天凌晨 4 點結束。^[9]
4. 群眾（people）：對參與群眾的了解。^[8]官方預計有 1 萬 2 千 500 人和 200 多輛花車參與遊行。^[10]此外，疫情解封以及世界驕傲節的國際觀光效應，勢必帶來人數龐大，而且類型多元的遊客。

此活動行之有年，遊行的路線、群眾聚集的區域，以及周邊交通管制的規劃等，多少都有參考依據。唯一可能比較難以預測的，是今年會增加的遊客。

群眾與手機

為了精準掌握群眾的情形，這次遊行首度依循跨年和燈光音樂節的模式，請動態群眾測量（Dynamic Crowd Measurement）公司在遊行地點周邊，架設了臨時性的監視攝影機與手機偵測器材。^[2]

1. 監視攝影機：配合相應的軟體，從蒐集到的個體表情，例如：開心、中性、難過、生氣等，分析群眾情緒的平均值。同時，測量他們步行移動的速度。^[2]
2. 手機訊號：現在幾乎人手一機，由手機通訊用的電磁波，便可推估現場人數。接受《雪梨晨鋒報》（Sydney Morning Herald）訪問的專家認為，不仰賴基地臺的技術，可以避免人數過多時，電信網絡的數據失準。動態群眾測量公司在附近店面，安裝臨時性的偵測器材。^[2]

監控軟體的功能

監視攝影機蒐集到的數據，會被上傳雲端，並呈現於動態群眾測量公司設計的軟體。^[11]遊行當天，由主辦單位的工作人員監控，再將必要的資訊報告給警方，以疏導聚眾。^[2]下面是該公司官網，所介紹的軟體特色功能：^[12]

1. 地理空間熱區圖（geospatial heatmap）：地圖以不同顏色，顯示人群的密集程度，並附帶群眾情緒和人流速度等資訊。^[12]
2. 警報程度指標（alert level indicator）：將各區域的危險程度，分級且視覺化，方便監控者一目了然。^[12]
3. 區域監視（zone monitor）：群眾密度、情緒和移動速率的警示程度，各區域可以分開設定。^[12]
4. 數據回放（data playback）：除了即時監控，已經上傳雲端的數據，也能重新調出來檢視。^[12]
5. 通知管理（notifications manager）：客製化群眾密度、情緒平均值，或移動速率等警示，以接收特定的更新資訊通知。^[12]
6. 視覺驗證（visual validator）：將即時影像或地理空間熱區圖，與數據並列比較。^[12]

隱私疑慮

美國喬治城大學法律中心（Georgetown University Law Center）的 Paul Ohm 教授曾說，手機的位置，不該被視為匿名數據。試想一個人幾乎每天在住家與公司之間往返，從手機蒐集到的地理資訊，還真能推測出其身份。^[13]所以，參與雪梨同志遊行的群眾，是否有個人隱私外洩的疑慮？主辦單位的發言人表示，他們單純偵測範圍內的手機數量，不包含任何個人化特徵。另外，監視攝影機不具人臉辨識功能，影像也不留紀錄，只儲存數據，因此大家不用擔心。^[2]

通宵達旦

遊行吸引 30 萬人聚集，^[14]連總理 Anthony Albanese 也親臨現場，成為第一位參加此活動的澳洲現任元首。^[3]整晚狂歡不夠，據報相關的官方派對，還續攤到翌日早晨 8 點。^[14]遊行當天有 4 人遭到逮捕；而衝突過程中，1 名員警似乎斷了鼻子，另個眼睛瘀青。^{[7, 15]}除此之外，賴在地上阻擋花車的國會議員 Lidia Thorpe，被和平勸離，並登上各大媒體。^[16]新南威爾斯州警察在新聞稿中，表示滿意群眾表現，請大家在 2023 雪梨世界驕傲節剩餘的活動裡，繼續關照彼此的安全。^[7]

1. InterPride. ‘Proud to be here – Who we are’. Sydney World Pride 2023. (Accessed on 27 FEB 2023)
2. Grubb B. (24 FEB 2023) ‘How your phone and mood will be tracked at Mardi Gras’. Sydney Morning Herald.
3. ‘Anthony Albanese makes history as first sitting PM to march in Sydney’s Mardi Gras parade’. (26 FEB 2023) SBS News.
4. Destination NSW. ‘Sydney, Australia’. Sydney.com. (Accessed on 26 FEB 2023)
5. ‘Police pleased with behaviour of revellers during 2022 New Year’s Eve celebrations’. (01 JAN 2023) NSW Police Force.
6. The Age & Sydney Morning Herald. (24 FEB 2023) ‘Sydney Mardi Gras – from ’78 to World Pride’. YouTube.
7. ‘45th Mardi Gras celebrated in high spirits and perfect weather’. (26 FEB 2023) NSW Police Force.
8. Still GK. (2019) ‘Crowd Science and Crowd Counting’. Impact, 2019(1): 19-23.
9. InterPride. ‘Sydney Worldpride 2023 Road Closures’. Sydney World Pride 2023.  (Accessed on 01 MAR 2023)
10. InterPride. ‘Mardi Gras Parade’. Sydney World Pride 2023. (Accessed on 26 FEB 2023)
11. Shortstories Media. (28 JUL 2022) ‘DCM/Dynamic Crowd Measurement Explainer Video’. YouTube.
12. ‘DCM Features’. Dynamic Crowd Measurement. (Accessed on 28 FEB 2023)
13. Thompson SA, Warzel C. (19 DEC 2019) ‘Twelve Million Phones, One Dataset, Zero Privacy’. The New York Times.
14. Hyland J, Pearson-Jones B. (26 FEB 2023) ‘The morning after! Mardi Gras revellers finally start heading home as the last official party ends at 8am – and there’ll be some sore heads today’. Daily Mail Australia.
15. Sarkari K, Sciberras A. (26 FEB 2023) ‘Police praise behaviour of Mardi Gras attendees as Anthony Albanese makes history’. 9News.
16. Hildebrandt C. (27 FEB 2023) ‘Federal senator Lidia Thorpe halts Sydney’s Mardi Gras parade with police protest’. ABC News.