Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

【Gene思書齋】丈量世界的雄心壯志

Gene Ng_96
・2014/01/14 ・3408字 ・閱讀時間約 7 分鐘 ・SR值 538 ・八年級

634920211486841819Die Vermessung der Welt

 

《丈量世界》Die Vermessung der Welt)是部很不好分類的書,因為它即不是傳記,也非科學小說。是少數竟敢以科學家為主題,結合真實的歷史事件,然後還膽敢大賣的小說!單單在德國就售出兩百卅萬冊!去年還拍成了電影:

《丈量世界》是說,18世紀末,兩位德國青年分別以自己的方式「丈量世界」。一位是亞歷山大·封·洪堡(Friedrich Wilhelm Heinrich Alexander von Humboldt,1768-1859),雖然他貴為貴族,可是卻不辭勞苦地著迷於科學冒險,不僅強迫僕人電爆他,還上山下海地親赴原始森林、大草原,深 入南美洲的奧利諾科河(Río Orinoco),探勘洞穴、攀登火山,經歷千驚萬險;另一位是數學家暨天文學家卡爾·費德烈·高斯(Johann Karl Friedrich Gauß,1777-1855),他被認為是歷史上最重要的數學家之一,並有「數學王子」的美譽。和幾乎對女人完全沒有慾望而且終生未娶的洪堡不同的, 《丈量世界》裡的高斯少了女人就活不下去。1828年,兩人都已上了年紀,可是也已名滿天下,兩人首次在柏林碰面,展開《丈量世界》裡一章高斯、一章洪堡的的故事。

洪堡出生於普魯士(Preußen)首都柏林(Berlin),出身於一個地方貴族家庭,自幼受到良好的教育,曾任礦區的檢查員和主任。1799年至 1804年間曾和老法邦普蘭(Aimé Bonpland,1773–1858)前往拉丁美洲旅行探險,就當地自然環境包括洞穴、火山、海洋、植物、礦產、氣候、水文等各方面都進行科學研究與分析,並在當地發現許多新物種。隨後曾於美國、西伯利亞和中亞進行科學考察。他於1804年回到歐洲,從1808年起留居巴黎整理資料,先後長達21年。他 在巴黎出版不少著作,例如探險的成果收錄在卅卷巨著《新大陸熱帶地區旅行記》(Le voyage aux régions equinoxiales du Nouveau Continent, fait en 1799–1804, par Alexandre de Humboldt et Aimé Bonpland)。晚年著有五卷本的《宇宙》(Kosmos)五卷,是他描述地球自然地理的著作。

哥倫布為歐洲人發現了美洲,洪堡為他們瞭解了美洲!世界上以洪堡的名字命名的地名有澳洲、紐西蘭的山脈,美國的湖泊與河流,甚至月亮上的山等;他所涉獵的 科目非常廣泛,包過天文學、地理學、生物學、地質學等,並在每個領域都有重大貢獻;他最先確定了等溫線(isotherm)與等壓線(isobar)的概念,並繪制了全球等溫線圖,使同緯度各地的氣候得以互相比較,大陸氣候和海洋氣候的差別才因此得以顯示;他也是研究動植物群落與地球環境關系的先驅,而且把植被依景觀的不同而把全世界分為16個區;在對火山的考察中,他認識到了岩石水成論(Neptunism)的侷限。他也是近代氣候學、地貌學、火山學、 植物地理學、地球物理學的創始人之一!

-----廣告,請繼續往下閱讀-----

他和哥哥威廉·封·洪堡(Friedrich Wilhelm Christian Carl Ferdinand von Humboldt,1767-1835)創立了柏林洪堡大學(Humboldt-Universität zu Berlin,HU Berlin),是第一所新制的大學,擁有十分輝煌的歷史,對於歐洲乃至於全世界都有相當深遠影響。柏林洪堡大學於2012年6月入選為11所德國「精英大學」之一。威廉的主要研究對象是文化科學,如教育學、國家理論、語言、文學和文化的分析。他是普魯士的教育改革的推動者,同時也是普魯士的外交官。

和出身貴族世家的洪堡不同的,高斯是布倫瑞克(Braunschweig)一對普通夫婦的兒子,幼時家境貧困,但聰敏異常,受卡爾·威廉·斐迪南大公 (Karl Wilhelm Ferdinand, Fürst und Herzog von Braunschweig-Wolfenbüttel,1735–1806)資助才進學校受教育。據說高斯三歲時便能夠糾正他父親的借債帳目。他曾表示, 他能夠在腦袋中進行複雜的計算。

高斯九歲時利用很短的時間就計算出了小學老師提出的問題:自然數從1到100的求和。他所使用的方法是:對50對構造成和101的數列求和(1+100,2+99,3+98……),同時得到結果:5050。這個天才的結果在《丈量世界》裡讓他的老師興奮得痛扁他一頓XD

當他16歲時,預測在歐氏幾何(Euclidean geometry)之外必然會產生一門完全不同的幾何學,即非歐幾里德幾何學(Non-Euclidean geometry);他導出了二項式定理(binomial theorem)的一般形式,將其成功的運用在無窮級數,並發展了高級微積分(advanced calculus)的理論;18歲時,高斯轉入哥廷根大學(Georg-August-Universität Göttingen)學習。在他19歲時,首次成功的用尺規構造出了規則的正17邊形,解決了兩千年來懸而未決的難題;在他21歲出版的經典著作《算術研 究》 (Disquisitiones Arithmeticae)中,作出了二次互反律 (law of Quadratic Reciprocity)的證明,成為數論(Number theory)繼續發展的重要基礎。在《算術研究》中,他也導出了三角形全等定理的概念;他也發現了最小二乘法(least squares),並猜測了質數定理(prime number theorem)。

-----廣告,請繼續往下閱讀-----

一般上,數學家的主要成就在廿幾歲就差不多完成了,高斯也不例外,所以他轉向往對數學家來說,和乾淨的純數學相比,髒兮兮的天文學、大地測量和物理學發展,持續作出重要的貢獻!

1807年高斯成為哥廷根大學的教授和當地天文台的台長直到逝世為止。高斯應用了最小二乘法基礎上創立的測量平差理論,測算天體的運行軌跡。用這種方法, 成功測算出了小行星穀神星 (Ceres)的運行軌跡。穀神星於1801年被義大利天文學家皮亞齊 (Giuseppe Piazzi,1746-1826)發現,但他因病耽誤了觀測,就再也找不到穀神星的軌跡。皮亞齊把以前觀測的數據發表出來,希望全球的天文學家共襄盛舉 一起尋找。奧地利天文學家海因里希·歐伯斯(Heinrich Olbers,1758-1840)根據高斯計算出的軌道成功地再發現了穀神星。

高斯發現通過對足夠多的測量數據的處理後,可以得到一個機率性質的測量結果,他隨後專注於曲面與曲線的計算,他提出的函數被命名為標準常態分佈 〔normal distribution,或高斯分布(Gaussian distribution)〕,並在機率計算中大量使用。

1818年至1826年間,高斯主導了漢諾威公國(Königreich Hannover)的大地測量(geodesic survey)工作。為此,他發明了日光反射儀(heliotrope)。就像《丈量世界》中描寫的那樣,高斯親自參加測量工作。他白天觀測,夜晚計算, 五六年來,親自計算過的大地測量數據超過百萬個。當觀測走上正軌後,他集中精力到處理數據上,發表了近廿篇對現代大地測量學具有重大意義的論文。為了利用 橢圓在球面上的正形投影理論以解決大地測量中出現的問題,高斯從事的曲面和投影的理論,成為了微分幾何(differential geometry)的重要基礎。

-----廣告,請繼續往下閱讀-----

1831年,高斯開始與小他27歲的韋伯 (Wilhelm E. Weber,1804-1891) 以亦師亦友的身份,在電磁學領域共同工作。1833年,高斯發明了磁強計( magnetometer)。通過受電磁影響的羅盤指針,他向韋伯發送出電報,是世界首個電話電報系統,儘管線路才八公里長。1840年,他們畫出了世界 第一張地球磁場圖,並且定出了地球磁南極和磁北極的位置。他的姓--高斯(Gauss),後來甚至正式成為磁感應強度的單位。

雖然高斯在數個領域進行的研究只發表了155篇論文,只把他把認為已經成熟的理論發表出來,他拒絕發布他不認為完整和無懈可擊的作品。他經常吐槽同事說, 他們的發現自己早就證明過了,只是因為基礎理論的不完備而沒有發表,讓人批評他愛搶出風頭。他過世後,廿部紀錄著他的研究結果和想法的筆記被發現,證明高 斯並非打嘴砲。

雖然高斯身為一位教授,但他並不熱愛教書。儘管如此,他還是有學生成為有影響的數學家,例如後來聞名於世的戴德金(Richard Dedekind,1831-1916年)和黎曼(Bernhard Riemann,1826-1866) 。可惜《丈量世界》對高斯和他學生的關係沒有著墨。

描述兩位偉大科學家的《丈量世界》雖然大受歡迎,可是身為科學工作者,《丈量世界》的筆調實在是輕鬆到過份了XD 不可否認,《丈量世界》的故事頗幽默,而且多處令人莞爾,可是對科學家奮不顧身,不畏世俗眼光而全心全意投身科學研究和知識的探索的心思和心境,描寫得卻 不夠深入,他們倆對後世的巨大貢獻也著墨不夠。雖然科學家也是凡人,可是這兩位偉大科學家的許多行為,在動機、心境和心思不明之下,對外人而言就不過是耍 寶而已Orz 當然,也可能如此,讓許多非科學本科的讀者也能樂在其中,可是對科青而言,就太不夠味了!

-----廣告,請繼續往下閱讀-----

儘管如此,讀者在《丈量世界》應該就能看出,洪堡和高斯和兩種類型極端的科學家,前者熱衷在田野裡四處奔波,拚命收集他所能想到的材料,而後者主要在書房 裡苦思理論,以及在室內做觀察,即使要外出測量也從未想要出國去探險。在許多科學領域,也有這兩種迴然不同的科學家,例如理論物理和實驗物理,田野生物學 如分類學、生態學,以及在實驗室為主的分子生物學、生物化學等等。雖然我不是田野生物學家,不過讀完《丈量世界》,我也想到野外去探險了呢XD

可是無論是何種科學家,科學研究最大的動力就是旺盛的好奇心!同樣是認識世界,有人用行腳天下的方式,有人用科學理論,兩者的結合,就像《丈量世界》兩位不貌似竿子打不著的相遇,卻能激起知性的火花!科學家不僅丈量世界,也改變了世界!

本文原刊登於【GENE思書軒】,並同步刊登於The Sky of Gene

-----廣告,請繼續往下閱讀-----
文章難易度
Gene Ng_96
295 篇文章 ・ 32 位粉絲
來自馬來西亞,畢業於台灣國立清華大學生命科學系學士暨碩士班,以及美國加州大學戴維斯分校(University of California at Davis)遺傳學博士班,從事果蠅演化遺傳學研究。曾於台灣中央研究院生物多樣性研究中心擔任博士後研究員,現任教於國立清華大學分子與細胞生物學研究所,從事鳥類的演化遺傳學、基因體學及演化發育生物學研究。過去曾長期擔任中文科學新聞網站「科景」(Sciscape.org)總編輯,現任台大科教中心CASE特約寫手Readmoo部落格【GENE思書軒】關鍵評論網專欄作家;個人部落格:The Sky of Gene;臉書粉絲頁:GENE思書齋

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。

3

5
4

文字

分享

3
5
4
鑑識故事系列:德國免費電玩,邀玩家扮法醫
胡中行_96
・2023/03/20 ・1664字 ・閱讀時間約 3 分鐘

本系列以往藉由講解真實案件,來分享鑑識科學;這篇則摘要免費電玩的虛構情境,鼓勵讀者親自體驗辦案。2023 年 1 月的《國際法醫期刊》(International Journal of Legal Medicine),介紹了一款德國漢堡開放線上大學(Hamburg Open Online University)的遊戲,名叫「Adventure Legal Medicine」(非官方中譯:法醫歷險)。論文詳述開發過程與教學功能,還強調玩家不管有無醫學知識,皆能輕易上手。[1]

=========微劇情,防雷線=========

想避開遊戲情境簡介的讀者,請跳過圖片後的第一段,謝謝。

電玩《Adventure Legal Medicine》的繪畫風格。圖/參考資料 1,Figure 1(CC BY 4.0)

情境設定

依照學習的領域,此遊戲有下列 5 個故事情境,可供選擇:

-----廣告,請繼續往下閱讀-----
  1. 估計死亡時間(time of death estimation):有人死在公寓裡。玩家必須選取正確的驗屍工具,例如:直腸體溫計(rectal thermometer)或神經反射錘(reflex hammer),來推估死亡時間。[1, 2]
  2. 體外驗屍檢查(external post-mortem examination):河岸上死者的某些身體部位,藏有非自然死亡的線索。[1]像是顱骨和手肘擦傷等,都有待玩家一探究竟。[2]
  3. 鑑識人類學(forensic anthropology):森林裡,散落著人類骨骸。觀察並測量骨頭,以推估年紀、性別和身高。將結果拿去跟失蹤人口的檔案比對,玩家或許就能找出死者的身份。[1]
  4. DNA親子鑑定(DNA analysis/paternity test):不知從哪迸出 4 個人,想繼承情境 2 那名死者的巨額財產。[1]玩家得從唾液樣本,分析他們的 DNA,判斷誰才是真有血親關係的子嗣。[1, 2]
  5. 解剖、酒精與藥物(autopsy/alcohol and drug influence):玩家幫車禍死者體外驗屍;解剖以檢查器官;並進行毒物學分析。最後,判讀以上檢查所得的結果。[1]

開發過程

這個遊戲是鑑識病理學家、鑑識人類學家、心理學家、醫科學生、遊戲工程師和插畫藝術家,共同合作的結晶。類似於商業開發的線上遊戲,產品正式釋出之前,得先找人來封閉測試。2 名分別為 25 和 49 歲的男性;以及 21、25 與 54 歲的 3 名女性,率先嘗試情境 1 和 2 的前期測試版。研發團隊根據他們的感想與建議,改進遊戲,並設計情境 3。接著,請 40 名醫學系的學生,操作情境 1 至 3 的測試版。另外,其他不同教育程度的學生,作為一般大眾的樣本,也受邀試玩。最終統合大家的評論後,團隊設計出情境 4 和 5 的遊戲。[1]

嚴肅遊戲

德國研發團隊將產品定位成「嚴肅遊戲」(serious game),以教學而非娛樂為主要目的,而且在視覺上多採灰階,來保持中性。[1]筆者試玩了一小部份,又觀賞攻略影片,覺得繪圖和音效雖不華麗,但頗為用心。由於遊戲全程都有電子版的課本唾手可得,玩家本身無須具備專業知識。每個階段結束後,還能透過小測驗,了解學習成效。對相關科系而言,也可用於輔助教學或自學。從 2020 年 1 月在 Google Play 上架以來,有數千人下載,並獲得平均 4.5 星的評價;可惜不曉得線上網頁版的使用人次。[1]下面是此遊戲的基本資料、連結與攻略,歡迎讀者分享闖關心得。

Adventure Legal Medicine

  • 名稱:Adventure Legal Medicine[1](英文別名:Forensic Medicine Adventure;德文名稱:Abenteuer Rechtsmedizin)[2]
  • 對象:醫學相關科系的學生及一般愛好者。[1]
  • 語言:英文和德文。[1]英文版的故事敘述,用字不難;但基於辦案的情境,勢必會出現骨骼、基因等,鑑識科學常見的專有名詞。
  • 行動裝置版:僅支援Android系統的平板電腦和手機;沒有 iOS 的版本。請點超連結下載,或上Google Play搜尋「Abenteuer Rechtsmedizin」。[1]
  • 線上網頁版http://elearning.uke.de/HOOU/RechtsmedizinSeriousGame/ (完全載入後,可以按下方代表德文的「DE」,將語言改為英文「EN」。)[1]
電玩《Adventure Legal Medicine》英文版,前 4 個情境的攻略。影/參考資料 2

  

  1. Anders S, Steen A, Müller T, et al. (2023) ‘Adventure Legal Medicine: a free online serious game for supplementary use in undergraduate medical education’. International Journal of Legal Medicine, 137, 545–549.
  2. SLY MobileGaming (15 JAN 2021) ‘Forensic Medicine Adventure Abenteuer Rechtsmedizin | Point and Click Game Walkthrough’. YouTube.
-----廣告,請繼續往下閱讀-----
所有討論 3
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。

1

4
1

文字

分享

1
4
1
華勒斯的演化論與生物地理學,源自亞馬遜的燦爛之火
寒波_96
・2023/02/22 ・3721字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

公元 1823 年華勒斯在英國誕生,於 1913 年以 90 歲高壽去世,今年 2023 年是他誕生 200 年。我們懷念他是因為,他曾經和達爾文聯名發表演化觀點,以及提出解釋東南亞海島間生物分佈差異的「華勒斯線」。

Alfred Russel Wallace 在台灣常翻譯為華萊士,不過如威廉華勒斯等等 Wallace 都翻譯作華勒斯,本文就統一作華勒斯。

達爾文會提出演化論,深受他知名的小獵犬號之行影響。華勒斯的東南亞考察也給予他不少啟示,一如達爾文的加拉巴哥群島等地;然而在此之前,華勒斯已經在亞馬遜有 4 年經歷。為了紀念華勒斯兩百歲生辰,Nature 期刊 2023 年初刊登兩篇文章,緬懷他的亞馬遜之旅。

華勒斯 1860 年代的畫像,當時 40 歲左右。圖/Mondadori Portfolio via Getty

與強者朋友一起前進亞馬遜,然後分道揚鑣

和前輩達爾文相比,華勒斯的家境普通,也沒有受過正規的學術研究訓練。所幸身處文化發達的大英帝國,有志青年仍有不少學習和出人頭地的機會。何況他爸爸是學過法律的自耕農,文化資本其實不算低。

-----廣告,請繼續往下閱讀-----

成年後喜歡生物的華勒斯在 1844 年,21 歲之際遇見小他 2 歲的貝茲(Henry Walter Bates),兩人志同道合;華勒斯也從一般愛好者,升級為有系統的標本搜集者,可謂一隻腳踏入研究領域的門檻。

1848 年,華勒斯 25 歲之際與貝茲一同航向大西洋對岸的亞馬遜。不過兩人大部分時候分開行動,貝茲在亞馬遜南部,華勒斯在北部的尼格羅河(Rio Negro)一帶。

華勒斯年輕時在談笑無鴻儒,往來皆白丁的階段,我猜朋友大概不會只有貝茲一位。不過貝茲後來提出的貝氏擬態(Batesian mimicry)沿用至今,可謂華勒斯的強者我朋友,事後諸葛的我們建構歷史敘事時,也就津津樂道兩人的友誼。

英國病人碰上船難,買保險很重要!

離家萬里的華勒斯,依然透過經紀人與國內保持聯繫,郵寄異鄉產品回英國賺錢。在亞馬遜待了 4 年後他決定返鄉,期間一直被疾病威脅生命,可謂現實意義上的英國病人(The English Patient)。

-----廣告,請繼續往下閱讀-----

最慘的是他弟弟 1849 年遠渡重洋來照顧他,卻自己也感染黃熱病,返國途中不幸病逝。而華勒斯要等到幾個月後才收到消息。

1852 年華勒斯搭乘海倫號(Helen)貨船返國,沒想到出海三個星期後火燒船,使他漂浮在大西洋海面上,眼睜睜看著攜帶的行李大多損毀。最後他耗費 80 天返回英國,比起與貝茲的去程 29 天漫長得多。好在經紀人有買保險,讓華勒斯獲得部分補償,不至於血本無歸。

返回英國的海倫號火燒船事件後,沒有損毀的少數紀錄。圖/The Natural History Museum/Alamy

回到英國的華勒斯將近 30 歲,闖出一些名號,卻沒有受到太多重視。所幸保住生命加上幾年累積的知識,賦予他東山再起的契機。1854 年他得到前往東南亞的機會,1858 年 35 歲時就和達爾文聯名發表歷史巨作。

從亞馬遜參透生命的奧秘:生物地理學

華勒斯僅管在亞馬遜一直生病,也淬煉出不侷限於觀察的科學眼光,從船難撿回一條命回到英國後,展露學術鋒芒。1852 年 12 月 14 日,他在倫敦的動物學會發表研究亞馬遜猴子的論文,主張亞馬遜各地的猴子款式,受到大河形成的地理障礙強烈影響。

-----廣告,請繼續往下閱讀-----

當時華勒斯受到一些批判,後來證明他的論點無誤,而且是生態分佈的普遍現象。現在我們知道更多:亞馬遜的河道歷史上改道多次,導致生物的分佈範圍持續變化。

用現代標準看,前往亞馬遜考察的 4 年差不多等同華勒斯的博士班修行,回國後發表的報告則是他的博士論文。這篇博士級論文中還觸及一個要點,所謂的「亞馬遜雨林」內部其實差異不小,他是首先有意識提及此事的研究者。

華勒斯觀察到亞馬遜的不同地區,物種組成不太一樣。他劃分 4 大區域:幾內亞、厄瓜多、秘魯、巴西,由其間的亞馬遜河、尼格羅河、馬德拉河(Madeira)這些大河分割出不同地區的地理障礙。如今所知更多,還可以切得更細。

具體是觀察到有幾條河分割出幾塊地,超乎其上普世性的生物學道理是,由於地理環境的阻隔,各地會形成不同的「特有種(endemism)」。華勒斯領悟地理障礙會影響生物分佈,可謂生物地理學的先驅。

-----廣告,請繼續往下閱讀-----
華勒斯 1853 年出版書籍中的亞馬遜地圖。圖/Mary Evans/Natural History Museum

自學成才的英國洞觀者

現在的人可能覺得上述觀點都是些普通常識。可是華勒斯是在 1852 年提出,那時演化論尚未問世,跟他同齡的孟德爾,當時也尚未開始種植豌豆。

一百多年後的常識,首度問世時常常是驚天動地的新突破!

年輕的華勒斯沒有受過正規學術訓練,還是需要持續賣標本換錢的月光族,提出的研究成果竟有如此理論性。由此可知亞馬遜之行,確實讓華勒斯從所謂的集郵者,蛻變為具備洞察力的科學家。

法國詩人韓波(Arthur Rimbaud)認為,詩人必需是能看穿事物表面,有洞察力的洞觀者(voyant),我想這也是頂級科學家必需配備的能力,亞馬遜的神秘力量加持過後,華勒斯可謂成功通靈。

-----廣告,請繼續往下閱讀-----

這類自學成才的科學家,當時英國不只華勒斯一位。以時代來說,那時的英國社會有點厲害。後來華勒斯沈迷於「唯靈論(spiritualism )」就是另一個故事了……

華勒斯年輕的南美洲經歷,讓人聯想到更早將近一百年的洪堡(活到很老,1859 年 90 歲時去世)。身為晚輩,華勒斯讀過洪堡作品,他站在洪堡巨人的肩上,觸及到更高的思想境界。

許多人覺得遺憾,遺傳、演化並稱,但是孟德爾提出遺傳學法則後被埋沒超過 30 年,等到 1900 年代才重現於世,因此 1882 年去世的達爾文沒有機會知悉。這方面華勒斯比較幸運,他年紀比孟德爾小半歲,又一直活到 90 歲,有機會見證遺傳學的發揚光大。

華勒斯 1853 年出版書籍中提到的「黑暗中一團燦爛之火(sitting amidst the gloom, shining out like a mass of brilliant flame)」圭亞那動冠傘鳥。圖/Hein Nouwens/Getty

燦爛之火多年以後依舊燃燒

多年在亞馬遜、東南亞走跳的華勒斯,有不少接觸原住民的機會。照文字紀錄看來,他年輕時的思想應該和同時期的普通英國人差距不大,沒有特別進步或反動;不過相比於同時代人,他更尊重在地知識,這也有助於他的成功。

-----廣告,請繼續往下閱讀-----

亞馬遜的生物多樣性如今依然天下第一,世界卻變化不少。尼格羅河盆地的原住民,在華勒斯時代是被觀察者,類似實驗動物的角色,現在漸漸變成主動的研究者,他們用源自不同文化的手法探索自己的世界,成為現代知識體系的一份子。

然而,曾經啟發華勒斯的尼格羅河盆地,至今仍缺乏一流的研究機構,無法培育本土的研究人才,本地學子必需離鄉背井。科學從華勒斯到現代突飛猛進,仍有不少進步空間。

上圖是華勒斯描述為「黑暗中一團燦爛之火」的圭亞那動冠傘鳥(Guianan cock-of-the-rock ,學名 Rupicola rupicola),目前沒有滅團危機,依然在華勒斯探索過的雨林中飛翔。希望燦爛之火永不熄滅,但是不要變成失控的森林大火。

延伸閱讀

參考資料

  1. Alfred Russel Wallace’s first expedition ended in flames
  2. Escaping Darwin’s shadow: how Alfred Russel Wallace inspires Indigenous researchers
  3. Evolution’s red-hot radical

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
所有討論 1
寒波_96
193 篇文章 ・ 1090 位粉絲
生命科學碩士、文學與電影愛好者、戳樂黨員,主要興趣為演化,希望把好東西介紹給大家。部落格《盲眼的尼安德塔石器匠》、同名粉絲團《盲眼的尼安德塔石器匠》。