0

1
1

文字

分享

0
1
1

仿生:向自然取經的智慧與藝術

Gilver
・2014/04/15 ・3739字 ・閱讀時間約 7 分鐘 ・SR值 537 ・八年級

MIC20_original

記錄 / Gilver

人類早從遙遠的史前時代就已經開始取之於自然。隨著歷史更迭和科技革新,工業製程逐漸成為主流,但發展至今卻面臨成本漸高的困境,人類也因此付出環境破壞的代價。於是人們再一次師法自然-近15年來,由基礎科學研究衍生而來的「仿生學」,應用大自然的經驗來解決問題,人們得以追求更好的性能、更低的能源消耗、更少的廢料、更低的毒性、更低的價格。說了這麼多,那麼目前科學界有哪些是當紅的仿生題材呢?另一方面,你是否想過仿生和藝術結合的可能性?今晚M.I.C. 第20場,即以仿生為題,由清大材料科學工程系助理教授陳柏宇、和MakerBar Taipei創辦人闞凱宇共同開講,且讓我們看看仿生材料和仿生藝術,能夠激盪出甚麼樣的火花!

OLYMPUS DIGITAL CAMERA

仿生:來自大自然的靈感

陳柏宇老師目前任職於清華大學材料科學工程系,是首位國際著名學術期刊《科學》邀請撰文的臺灣學者,他的專長研究領域即為仿生材料。陳老師認為,「仿生」不僅只是模仿生物而已,更以生物作為啟發靈感的來源,因此觀察力非常重要。今晚他想和聽眾們分享幾個有趣的仿生研究。

在可取得的材料中,天然的材料相較於人造材料較為有限,像是礦物質、蛋白質和多醣類,它們和傳統的「製造」條件不一樣,需要在穩定的環境下花費時間「生長」,此外生物體的天然材料還具有自我修復、以及複雜階層結構的特性。例如以蛋白質和礦物質這兩種材料,前者的特性是軟而韌,後者則是硬而脆,若將兩者的特性各取其優,便有機會創造出更輕、更強且更韌的複合材料;而在未來,人造材料的發展也將面臨製造昂貴或是傷害環境的困境,未來有期以生物材料解決這些問題,比如說從自然界尋找新的材質,例如纖維素、幾丁質或是木頭,盡量減少毒物使用量的環保製程來取代傳統工業製程。

仿生的例子,比比皆是

OLYMPUS DIGITAL CAMERA

天然材料雖然有限,但有無限的可能。陳老師曾經為了研究韌而輕的結構性生物材料,就曾以鹿角、貝殼、蟹殼和海綿為研究題材。蜘蛛絲是另一個輕而韌的例子,以單位密度來說,蜘蛛絲相當的強韌,但蜘蛛結網時卻不能讓整張網都強韌過頭,網上也要有能夠吸收昆蟲撞擊的部分,否則送上門的獵物可能反而會被彈走,故蜘蛛利用調整蛋白質的結晶形式、吐出不同強度的絲,讓整張網不同的部分各自發揮其效用。

接下來,陳老師顛覆了聽眾對玻璃的印象。矽藻是一群原始的單細胞藻類,卻有著繁複樣式的多孔矽質外殼,對仿生學家來說,矽藻們就好像是蒐羅各種工具的博物館。一般而言,以二氧化矽為主成分的玻璃是易碎的,但類似的材質在海綿的矽質針狀骨中,卻成為韌性良好、不易斷裂,堪稱是不會碎的天然玻璃,它的秘密在於具有孔洞的多層微觀結構,能夠阻擋微小的裂縫擴大。仿生學將之應用到大樓設計中。

鮑魚殼的內側閃耀著珍珠光澤的「珍珠層」,則是強韌的天然陶瓷材料,其主成分為碳酸鈣。它的殼壁組成好比是微米級的磚牆,以碳酸鈣為磚塊、有機層作為交界面砌成,透過研究觀察,鮑魚殼從巨觀到微觀都有著提升韌性的結構特性。而在陳老師的實驗室,即是將陶瓷材料加上些許高分子層狀材料,便可做出模擬鮑魚殼、具有韌性的陶瓷;除了從材質下手,也可以用冷凍鑄造法做出一種特殊的陶瓷,來模仿鮑魚殼的結構。

輕還不夠,機能性嘛要顧

OLYMPUS DIGITAL CAMERA

而在輕而強的複合材料面向,則可以師法卡通裡常見的巨嘴鳥。雖然巨嘴鳥的嘴,卻非常的輕,其秘密在於鳥喙的角質層外殼內部是完全中空的封閉腔室,裡面是有機薄膜包覆的骨架,使得巨嘴鳥的鳥喙重量輕、又具有機械強度。「就好像是你拿很輕的多孔性海綿,塞入同樣很輕、又可以折彎變形的吸管,就能使得它不容易被壓扁,也不容易被折彎。」 陳老師以模型示範說道。 羽毛也是同樣很輕的生物材料,僅憑肉眼就可以觀察到它具有一些孔洞。但羽毛可是別有洞天,洞裡還有洞!羽毛的內壁也是中空的,可減輕重量並兼顧機械強度。鳥類的骨骼也是類似的輕量化設計,骨骼壁薄且內有支架。

OLYMPUS DIGITAL CAMERA

抗彎折的輕複合材料,例如豪豬的尖刺和某些熱帶植物的莖和葉柄,也同樣是利用一層殼包覆住輕質的結構達成。輕量化的設計當然還可以應用到新型飛機,但新型飛機的仿生設計已不滿足於變得更輕,它還可以朝著模仿鯊魚低阻抗的表面、蝴蝶和飛鳥的羽翼形狀、貓頭鷹的無聲飛行和高效能的老鷹飛行……等等為面向更「進化」。

最後,來討論自然界的吸附機制,其中壁虎、鮑魚和樹蛙都是佼佼者。壁虎利用腳掌的奈米纖毛產生的凡德瓦力吸附牆面,鮑魚的腹足也有類似的結構。樹蛙的腳過去以為只是吸盤,但後來發現它也有奈米結構,使樹蛙特別能在粗糙的表面移動。類似的結構還有臺灣高山急流區的生物,擁有能夠吸附、又能移動的適應現象。 雖然目前還沒有具體的產業專門做仿生材料,但它可以應用到生活周遭,像是衣服、汽車到推動節能、生醫技術的發展。陳老師和其他學者共同撰寫的《Biological Materials Science》也已經出版,是第一本仿生學的教科書。

仿生衍藝:數位時代的仿生藝術

闞凱宇先生是設計公司「衍象設計 FABRAFT DESIGN LAB」和3D列印工作空間「MakerBar Taipei」的創辦人,今晚他將以「仿生衍藝」為例,分享設計師如何利用仿生思維進行創作。

「仿生衍藝」(Parametric Vine)是闞凱宇2013年和國立臺灣美術館合作的工作坊。若說陳柏宇老師是研究仿生的科學,闞先生就是將仿生當成藝術設計的創作元素。仿生(Biomimicry)就是模仿生物的造型和機能,透過觀察、分析生物的生長邏輯,歸納出一套演算法,將仿生元素的優點融入設計思維之中。過去的設計多是平面繪圖的形式,而未來透過程式模擬,將能夠把設計更進一步帶到更高程度的仿生境界。

以工作坊中使用的Diffusion-limited aggregation(DLA)為例,它是一種模擬植物生長型態的演算法,能夠產生如樹枝般生長、擴張的圖形。在活動中,設計師能夠以程式語言給軟體下達指令,再加上沒有相關背景的學員的參與,共同利用這套演算法,設計出一千多個造型不同的單元體,最後在3D列印技術的助力下,組成長達六公尺、如巨型帷幕的數位藝術品。

數位時代的仿生未來

OLYMPUS DIGITAL CAMERA

歸功於電腦的運算和3D列印的技術,我們能夠短時間內大量製造出不同造型的仿生設計作品,突破傳統製造方式的侷限、增幅客製化物件的效率。再加入每個人獨特的思考模式,最後加以組合,所產出的就是集結數位製作、程式語言和民眾參與的結晶。 數位製造有賴於精準的數位設計,也就是程式語言。無論是生物的仿生或是幾何的邏輯,都要想辦法讓電腦看得懂。以骨骼仿生的建築師在設計建材和結構時,也是透過演算法達成。

然而,所謂的仿生並不僅只是模仿生物的造型,生物體的機能才是仿生的精神所在,在此提供一個網站 AskNature.org,它以線上問答的方式提供豐富的仿生知識,給設計師參考。 Nervous System也是一支以演算法模擬神經網路模式進行創作的設計團隊,讓人印象深刻。除了演算法,仿生思維還可以融入傳統的設計模式,做出一些特別的物件,像是蒲公英球和沙漠甲蟲儲水瓶。

問與答:關於蜘蛛人的科幻夢,科學家想說的是……

OLYMPUS DIGITAL CAMERA

陳老師表示,構成蜘蛛網的絲分成兩種:強韌的「牽引絲」和具有黏性、能吸震的「網狀絲」。兩種絲的本質都是蛋白質,但結晶的程度不同,受到蜘蛛吐絲器官精密的控制。如果科學家能夠控制高分子材料的結晶方式,或許可以做出更為強韌、機械性更高的纖維。不過,蜘蛛的吐絲器官極為精密,是目前的機械所比不上的;而且目前也沒辦法透過飼養蜘蛛來大量產絲,因為蜘蛛飼養不易,牠們不喜歡被養在一起,會互相吞食。所以蜘蛛人的夢想,可能還要再等等!

仿生,有時也有意外

仿生一定會成功嗎?會不會有跟預想完全不一樣的結果出現? 陳老師說,他研究的其中一項主題—「超親水表面」,即是以豬籠草為題。豬籠草的捕蟲籠唇部原本具有親水性,在雨露沾濕的情形下,覆上水膜使得它變成了超親水表面,讓昆蟲一失足即成千古恨。陳老師的研究團隊用翻模的方法想模擬豬籠草超親水表面,但受制於高分子材質的性質,它反而變成疏水了;可是,我們用電漿表面處理,它又變成親水了! 雖然做研究的過程中,我們會預設研究的材料有一個預設的功能,但不要忽略那些出乎意料的發現,因為它們可能就是讓材料變成多功能的契機。

OLYMPUS DIGITAL CAMERA

 

【關於 M. I. C.】
M. I. C.(Micro Idea Collider,M. I. C.)微型點子對撞機是 PanSci 定期舉辦的小規模科學聚會,約一個月一場,為便於交流討論,人數設定於三十人上下,活動的主要形式是找兩位來自不同領域的講者,針對同一主題,各自在 14 分鐘內與大家分享相關科學知識或有趣的想法,並讓所有人都能參與討論,加速對撞激盪出好點子。請務必認知:參加者被(推入火坑)邀請成為之後場次講者的機率非常的高!

本場演講由「科普資源整合運用推廣計畫」科技部科技大觀園的支持。PanSci泛科學與國家高速網路與計算中心共同舉辦,感謝時報出版贊助好書《大黃蜂飛得比波音747還快?》

文章難易度
Gilver
28 篇文章 ・ 3 位粉絲
畢業於人人唱衰的生科系,但堅信生命會自己找出路,走過的路都是養份,重要的是過程。

0

2
2

文字

分享

0
2
2
乳房重建新科技: 3D列印 + 自體移植
胡中行_96
・2022/08/11 ・2305字 ・閱讀時間約 4 分鐘

國小高年級科普文,素養閱讀就從今天就開始!!

許多乳癌患者會在切除乳房後,選擇接受重建手術。常見的做法,包括:塞鹽水或矽膠囊袋的「人工乳房植入」、類似剪貼概念的「游離皮瓣重建」,以及猶如把奶油灌進泡芙的「自體脂肪移植」,都是採用填補替代物的手段,而非讓身體的組織重新生長出來。這些方法有時會出現囊袋收縮、組織捐贈部位併發症,或是不均勻的脂肪再吸收等問題,而且不是每個病患都適合。[1] 為此科學家正在利用 3D 列印可生物降解的人工結構,加上病患的自體組織,企圖開發造型美觀,且觸感自然的重建乳房。

植入可生物降解的(藍色)模架,允許結締組織和(紅色)血管生長,再注入病患的(黃色)自體脂肪。圖/參考資料 6 ,Figure 1(CC BY)

3D 列印乳房重建的步驟

目前不少研究團隊嘗試重建乳房的方向雷同,大致上得經過下列幾個步驟:首先,搶在乳癌病患尚未動手術之前,先做 3D 掃描,記錄先天乳房的樣貌。澳洲 Translational Research Institute (簡稱 TRI )的團隊特別聲明,他們使用的技術沒有放射線,不會增加療程風險。接著,根據掃描的結果,在電腦裡客製化想要重建的乳房尺寸與形狀。然後將設計圖傳輸到 3D 印表機,準備列印。[1]

葡萄牙科學家用水凝膠列印層疊的網格結構。圖/Barros da Silva P, Coelho M, Bidarra SJ, et al. (2020) ‘Reshaping in vitro Models of Breast Tissue: Integration of Stromal and Parenchymal Compartments in 3D Printed Hydrogels’. Frontiers in Bioengineering and Biotechnology, 8, 494.(CC BY)
2017 年澳洲Translational Research Institute展示 3D 列印聚己內酯乳房模架。來源:Translational Research Institute on YouTube

塑造乳房形狀的彈性結構,講求可生物降解,例如:法國 Healshape 公司採用水凝膠;以色列 CollPlant 公司從菸葉中萃取膠原蛋白;[2] 而澳洲 Metro North Health 和昆士蘭科技大學,則都偏好製做可吸收縫線的聚己內酯。[3-5] 無論是什麼材質,目的都是建構讓組織順著長成後,能被身體吸收的模架(scaffolds)。法國 Lattice Medical 公司把造型設計得像個網面空心罩杯,方便盛裝填充物;[2]澳洲的 TRI 和 Metro North Health 以及法國的 Healshape 等團隊,則把它印成網格層疊的實心半球,有助身體組織攀附。[1-3] 模架做好之後,就可以開刀將它放進胸部,再放置或注入填充物,例如:帶血管的脂肪組織或自體脂肪幹細胞等。[1, 2] 相較於傳統的自體脂肪移植,模架能夠防止脂肪再吸收,免得好不容易做好的新乳房又消下去。[3]

乳房重建解說動畫:從3D列印模架植入,到自體脂肪填充的過程。來源:ABC News on YouTube

2016 年《科學報告》期刊上,有個動物實驗的照片和圖說,把上述的程序介紹得一目瞭然。當時研究團隊抓了兩隻母的迷你豬,來頂替女性人類。想看看在牠們身上,建立人工乳房的效果。[6]

  

ヽ(゚Д ゚; )ノ***血腥畫面警告***血腥畫面警告***血腥畫面警告***ヽ(゚Д ゚; )ノ

  ヽ(゚Д ゚; )ノ***血腥畫面警告***血腥畫面警告***血腥畫面警告***ヽ(゚Д ゚; )ノ

    ヽ(゚Д ゚; )ノ***血腥畫面警告***血腥畫面警告***血腥畫面警告***ヽ(゚Д ゚; )ノ

  

a. 從乳房模架的局部放大圖,可見網狀結構盤根錯節,但中間留有孔洞。[6]

b. 從迷你豬的腹部抽脂。[6]

(c. 和 d. 展示該結構有無灌入填充物的差別,[6] 但在實際手術中,應該是發生於病患體內,不可能看得到。)

e. 正在將迷你豬的自體脂肪,灌進早已植入牠體內的模架。[6]

f. 研究團隊自認傷口縫合後,照片中的成品像個相當自然的乳房。[6]

圖/參考資料6,Figure 2(CC BY)

手術完成 24 週後,研究團隊又把該模架拔出來觀察。[6] 由於畫面更加血腥,這裡便不再分享了。當然若是在人體裡的可生物降解模架,植入後是不用取出來檢查的。依照使用的技術不同,快則 6 到 9 個月,慢則 1.5 至 2 年,理論上模架結構便會完全消失,體內徒存新長出來的組織。[2, 3]

法國 Healshape 公司用緊湊激昂的配樂,襯托 3D 列印乳房重建技術的介紹影片。來源:Healshape on YouTube

3D 列印乳房重建的發展進度

2016 年的時候,就已經有科學家嘗試植入模架,引導乳房組織重生。不過,當時的材質無法生物降解,而且成功率僅五分之一。現在這種可以被身體吸收的模架,算是重大進展,雖然還不清楚患者實際的感受如何。[2] 從媒體報導和政府發佈的新聞稿來看,不少相關研究計劃都在 2022 年 7 月,剛進入人體試驗階段。[2-4] 澳洲 Metro North Health 的團隊,號稱全球第一個完成此手術,但目前也只有 1 名受試者。假使一切順利,他們期望未來能招募 15 至 20 名女性,參與正式的第一期臨床試驗。[3]

  

參考資料

  1. Advancing Breast Tissue Engineering into Clinical Practice Utilising 3-Dimensional Scanning And Bioprinting Techniques (Translational Research Institute, accessed on 04 AUG 2022)
  2. Goodbye silicone? A new era of breast reconstruction is on the horizon (The Guardian, 03 JUL 2022)
  3. World-first breast implant trial in Australia aims to provide safer alternative to silicone (ABC News, 04 AUG 2022)
  4. Metro North Health delivers world-first breast scaffold surgery (Queensland Government, 04 AUG 2022)
  5. Cometta S, Bock N, Suresh S, et al. (2021) ‘Antibacterial Albumin-Tannic Acid Coatings for Scaffold-Guided Breast Reconstruction’. Frontiers in Bioengineering and Biotechnology, 9, 638577.
  6. Chhaya, M., Balmayor, E., Hutmacher, D. et al. (2016) ‘Transformation of Breast Reconstruction via Additive Biomanufacturing’. Scientific Reports, 6, 28030.
胡中行_96
48 篇文章 ・ 16 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。

0

4
3

文字

分享

0
4
3
從「工人智慧」到「人工智慧」——《普林斯頓最熱門的電腦通識課》
商業周刊
・2022/03/13 ・3569字 ・閱讀時間約 7 分鐘

  • 作者/ 布萊恩·柯尼罕( Brian W. Kernighan)
  • 譯者/ 李芳齡

人工智慧的開端

在電腦發展之初的二十世紀中期,人們開始思考可以如何用電腦來執行通常只有人類才能做到的事情,一個明顯的目標是玩西洋跳棋和西洋棋之類的棋盤遊戲,因為這領域有個優點,那就是有完全明確的規則,並有一大群感興趣且有資格稱為專家的人。

另一個目標是把一種語言翻譯成另一種語言,這顯然困難得多,但更為重要,例如,在冷戰時期,從俄文到英文的機器翻譯是很要緊的事。其他的應用包括語音辨識與生成,數學與邏輯推理,做決策,及學習過程。

這些主題的研究很容易取得資助,通常是來自美國國防部之類的政府機構。我們已經在前文中看到,美國國防部對早期網路研究的資助有多珍貴,它引領出網際網路的發展。人工智慧的研究也同樣受到激勵及慷慨資助。

我認為,把 1950 年代及 1960 年代的人工智慧研究形容為「天真的樂觀」,應該是公允的。當時的科學家覺得突破就快到來,再過個五或十年,電腦就能正確地翻譯語言,在西洋棋比賽中擊敗最優的人類棋手。

我當時只是個大學生,但我著迷於這個領域和潛在成果,大四時的畢業論文就以人工智慧為主題。可惜,那篇論文早已被我搞丟了,我也想不起當年的我是否也抱持相同於當時普遍的樂觀態度。

但是,事實證明,幾乎每個人工智慧的應用領域都遠比設想的要困難得多,「再過個五或十年」總是一次又一次被端出來。成果很貧乏,資金用罄了,這領域休耕了一、二十年,那段期間被稱為「人工智慧之冬」。

網際網路發展成未來趨勢。圖/Pexels

把專家的判斷規則,直接寫成一堆判斷式的「工人智慧」階段

到了 1980 年代和1990年代,這個領域開始用一種不同的方法復耕了,這方法名為專家系統(expert systems)或規則式系統(rule-based systems)。

專家系統是由領域專家寫出很多規則,程式設計師把這些規則轉化為程式,讓電腦應用它們來執行某個工作。醫療診斷系統就是一個著名的應用領域,醫生制定研判一名病患有何問題的規則,讓程式去執行診斷、支援、補充,或理論上甚至取代醫生。

MYCIN 系統是早期的一個例子,用於診斷血液感染,它使用約 600 條規則,成效至少跟一般醫生一樣好。這系統是由專家系統先驅愛德華.費根鮑姆(Edward Feigenbaum)發展出來的,他因為在人工智慧領域的貢獻,於 1994 年獲頒圖靈獎。

專家系統有一些實質性的成功,包括顧客支援系統、機械維修系統以及其他焦點領域,但最終看來也有重大限制。

實務上,難以彙集一套完整的規則,而且有太多例外情況。這種方法未順利擴大應用於大量主題或新問題領域,需要隨著情況變化或了解的改進,更新規則,舉例而言,想想看,在 2020 年遇上一名體溫升高、喉嚨痛、劇烈咳嗽的病患時,診斷規則該如何改變?這些原本是一般感冒的症狀,或許有輕微的併發症,但很可能是新冠肺炎,具有高傳染性,且對病患本身及醫療人員都非常危險。

擺脫「工人智慧」,讓電腦能自學——機器學習的基本概念

機器學習的基本概念是對一種演算法給予大量的例子,讓它自行學習,不給它一套規則,也不明確地編程讓它去解決特定問題。

最簡單的形式是,我們為程式提供一個標記了正確值的訓練集(training set),例如,我們不試圖建立如何辨識手寫數字的規則,而是用一個大樣本的手寫數字去訓練一套學習演算法,我們對每個訓練資料標記其數值,這演算法使用它在辨識訓練資料時的成功及失敗來學習如何結合這些訓練資料的特徵,得出最佳辨識結果。

當然,所謂的「最佳」,並不是確定的:機器學習演算法盡力去提高得出好結果的機率,但不保證完美。訓練之後,演算法根據它從訓練集學到的,對新的資料進行分類,或是預測它們的值。

監督式學習——人類教電腦看見特徵,由演算法來算出規則

使用有標記的資料(labeled data/tagged data)來學習,此稱為監督式學習(supervised learning)。大多數監督式學習演算法有一個共通的架構,它們處理大量標記了正確類別(正確值)的例子,例如,這文本是不是垃圾郵件,或者,這照片中的動物是哪種動物,或者,一棟房子的可能價格。演算法根據這個訓練集,研判能讓它得出最佳分類或做出最佳預測的參數值;其實就是讓它學習如何從例子做出推斷。

我們仍然得告訴演算法,哪些「特徵」能幫助做出正確研判,但我們不對這些特徵給予權值或把它們結合起來。舉例而言,若我們試圖訓練演算法去過濾郵件,我們需要與垃圾郵件內容有關的特徵,例如類似郵件用詞(「免費!」)、已知的垃圾郵件主題、怪異字符、拼字錯誤、不正確的文法等等。

這些特徵單獨來看,並不能研判一份郵件就是垃圾郵件,但給予足夠的標記資料,演算法就能開始區別垃圾郵件與非垃圾郵件——至少,在濫發垃圾郵件者做出進一步調整之前,這演算法具有此過濾成效。

手寫數字辨識是一個眾所周知的問題,美國國家標準與技術研究院(National Institute of Standards and Technology,NIST)提供一公開測試組,有 60,000 個訓練圖像集和 10,000 個測試圖像集,<圖表>是其中一個小樣本。機器學習系統對此資料的辨識成效很好,在公開競賽中,錯誤率低於 0.25%,亦即平均 400 個字符中只有一個錯誤。

機器學習演算法可能因種種因素而失敗,例如,「過度擬合」(over-fitting),演算法對其訓練資料的表現很好,但對新資料的表現遠遠較差。或者,我們可能沒有足夠的訓練資料,或是我們提供了錯誤的特徵集,或者,演算法產生的結果可能確證了訓練集內含偏誤。

這在刑事司法應用系統(例如判刑或預測再犯)中是特別敏感的問題,但在使用演算法來對人們做出研判的任何情況,也會造成問題,例如信用評等、房貸申請、履歷表篩選。

垃圾郵件偵測及數位辨識系統是分類型演算法(classification algorithms)的例子:對資料項做出正確分類。

預測型演算法(prediction algorithms)則是試圖預測一數值,例如房子價格、運動比賽得分、股市趨勢。

舉例而言,我們可能試圖根據位置、年齡、客廳面積與房間數等主要特徵來預測房子價格,更複雜的模型——例如 Zillow 使用的模型——會加入其他特徵,例如相似房屋之前的售價、社區特色、房地產稅、當地學校素質。

非監督式學習——讓電腦自己找出特徵與規則

不同於監視式學習,非監督式學習(unsupervised learning)使用未加入標記的訓練資料,亦即沒有對資料加上任何標記或標籤。非監督式學習演算法試圖在資料中找出型態或結構,根據資料項的特徵,把它們分組。有一種盛行的演算法名為「k 群集分析」(k-means clustering),演算法盡力把資料分成 k 群,讓每一群中的資料項相似性最大化,並且各群之間的相似性最小化。

舉例而言,為研判文件的作者,我們可能假設有兩名作者,我們選擇可能的關聯性特徵,例如句子的長度、詞彙量、標點符號風格等等,然後讓分群演算法(clustering algorithm)盡它所能地把文件區分成兩群。

非監督式學習也適用於在一群資料項中辨識離群項(outliers),若大多數資料項以某種明顯方式群集,但有一些資料項不能如此群集,可能代表必須進一步檢視這些資料項。

舉例而言,設若<圖表>中的人工資料代表信用卡使用情形的某個層面,多數資料點分別群集於兩大群之一,但有一些資料點無法群集於這兩群中的任何一群,或許,這些資料點沒什麼問題——群集分析不需要做到完美,但它們也可能是詐欺或錯誤的情況。

群集分析以辨識異常值。圖/普林斯頓最熱門的電腦通識課

非監督式學習的優點是不需要做可能滿花錢的訓練資料標記工作,但它不能應用於所有情況。使用非監督式學習,必須思考出與各群集相關的一些可用的特徵,當然,對於可能有多少個分群,也需有一個起碼的概念。

我曾經做過一個實驗,使用一個標準的 k 群集分析演算法來把約 5,000 個臉孔影像區分為兩群,我天真地期望這演算法或許能區分出性別。結果是,它的正確率約 90%,我不知道它是根據什麼來下結論的,我也無法從那些錯誤的情況中看出什麼明顯型態。

——摘自《普林斯頓最熱門的電腦通識課》,2022 年 2 月,商業周刊

商業周刊
8 篇文章 ・ 2 位粉絲

0

6
2

文字

分享

0
6
2
神啊!請給我一台「聽得見」的 3D 列印機!——找回聽力的 3D 列印應用
雅文兒童聽語文教基金會_96
・2022/02/16 ・2370字 ・閱讀時間約 4 分鐘

國小高年級科普文,素養閱讀就從今天就開始!!

  • 文/蔡宜欣|雅文基金會聽語科學研究中心

從「我的眼鏡是依照我的臉型 3D 列印的」的流行話題到「3D 列印房子熱潮席捲全球,讓大家都買得起房」的居住議題,不難發現 3D 列印(3D Printing)技術不再只侷限於玩具模型,而是能應用在任何可以想像得到的地方。現在甚至還能重新建構聽力組織器官,幫助聽力受損者重拾聽力。

3D 列印不需開模就可印出設計圖。圖/Pexels

從二維走向三維的印刷技術

在 3D 列印出現以前,工業生產往往需要開發模具才能進行製造,這對於時常推陳出新的產業而言,耗費了許多時間與生產成本。1980 年代,以快速原型(Rapid Prototyping)為概念的機器被發明, 而 3D 列印便是其中一種技術,能快速製造產品。

3D 列印技術又稱為積層製造(Additive Manufacturing),生產過程先於電腦中描繪和設計物品的 3D 樣貌,再劃分成無數個 2D 平面,最後印製每層 2D 平面,慢慢堆疊累積後完成物品。常見的 3D 列印方法大致有三種:表面常有一層層堆疊紋理的熱融沉積成型(Fused Deposition Modeling, FDM)、成品表面呈現霧化、細緻磨砂質感,較少堆積紋理的選擇性雷射燒結(Selective Laser Sintering, SLS),以及光固化成型(Stereo Lithography Apparatus, SLA),其成品表面光滑、精細,但製作成本相對較高 [1-4]。3D 列印集結了節省人力、製作時間、客製化等優點於一身,因此也被運用於需要依據聽損者耳型個別化打造的助聽器上。

量身訂製耳模,跟悶塞感說掰掰

常見的助聽器可以分為耳掛型助聽器、耳內型、耳道型助聽器等。耳掛型助聽器的組成首先需要一塊貼合耳道的耳模(earmold),幫助助聽器固定在耳朵上,聲音處理裝置會將接收到的聲音進行處理,並通過一根小管,將聲音傳送到聽損者的耳中;耳內型的助聽器則是直接將聲音處理裝置放在一個貼合耳道的機殼中。不論是耳模或機殼,若與耳道不夠貼合,就容易出現尖銳刺耳的回饋音,也容易鬆脫掉落 [5-8]

由於每個人的耳型不同,上述提到幾種常見助聽器的耳模和機殼,皆需依每位聽損者量身訂做。

一般傳統的熔模鑄造(Investment casting)方法,是將黏性大的材料(如 AB 黏土)擠入耳中,等待固化後取出,也就是耳樣(下圖左);再透過翻模技術製作耳樣熔模,並於完成後,將矽膠或壓克力等液態材料倒入用耳樣熔模,等待固化後才能完成耳模(下圖右)。而機殼則是在內部固化前會將材料倒出,僅留下外殼,最後再將電子組件放入其中[8]

近幾年出現 3D 列印耳模的方法,只要透過雷射掃描耳朵或耳樣的方式,取得耳型的數據資料,並透過電腦確認細節或電子組件擺放的位置,即可印製。由於助聽器需要長時間配戴,因此 3D 列印方式是採取表面相對光滑、配戴舒適感較高的 SLA 或 SLS。

相較於熔模鑄造,3D 列印取代傳統翻模製程,減少造成的誤差;此外,3D 列印方式不僅耗費較少的人力成本和製作時間,甚至可以依據自己喜歡的顏色、圖案進行外觀客製化。預先從電腦中確認成品的樣貌後再製作,也能使成品更為精準,減少手工製作的誤差。再者,數據化的資料還可以存放在電腦中,便於日後再製[8-15]

重建聽小骨,讓聲音傳遞不斷線

此外,有一種類型的聽損者是由於外耳或中耳構造受傷、缺陷,造成聲音受阻,無法正常傳遞至耳中,這類型聽損者有一部分無法透過助聽器改善聽力,甚至需要進行耳部手術。

在南非,有專家針對這樣的聽損者,研發以生物相容性材料製作的中耳聽小骨,透過 3D 列印,順利移植到患者身上,幫助他們重拾聽力。3D 列印技術不僅能確保聽小骨尺寸吻合患者耳形,增加重建手術的成功率,也減少了傳統手術花費的時間與風險[16-18]

從客製化製作助聽器耳模、機殼到聽小骨義肢,3D 列印幫助聽損者們更快速找回聽力。或許 3D 列印技術不會完全取代現有的生產和製造方法,但無疑為我們創造了新的可能與選擇。期望未來能發展更多新的醫療技術,讓所有聽損者都能聽見世界的聲音!

參考文獻

  1. 【3D列印知識】新手入門:五種常見3D列印技術比較及原理​
  2. 3D Printing Technology Comparison: FDM vs. SLA vs. SLS
  3. 3D Printed Glasses: Trends in the eyewear industry in 2021
  4. Formlabs
  5. Hearing aid types and styles
  6. 助聽器是尊貴的象徵?從聲學椅到聲學拐杖,為了聽清楚的怪招式還真多
  7. 注意!原來「耳模」這麼重要
  8. Harvey Dillon(2019). 助听器:第二版(胡向阳)。北京:华夏出版社(原著於2012出版)
  9. Chung, K. (2004). Challenges and recent developments in hearing aids: Part II. Feedback and occlusion effect reduction strategies, laser shell manufacturing processes, and other signal processing technologies. Trends in Amplification8(4), 125-164.
  10. 3D列印技術在醫療輔具的應用與挑戰
  11. How 3D Printed Hearing Aids Silently Took Over The World
  12. How Personalization Has Changed the Hearing Aid Industry for the Better
  13. 3D printing technology for improved hearing
  14. Morear
  15. 助聽器展現酷炫動漫風 3D列印多彩耳模讓聽損兒自由配
  16. 3D Medical Printing Can Help Correct Hearing Loss
  17. A Life Changing Procedure for Those with Conductive Hearing Loss
  18. University of Pretoria prof performs first 3D printed ear bone transplant
雅文兒童聽語文教基金會_96
38 篇文章 ・ 198 位粉絲
雅文基金會提供聽損兒早期療育服務,近年來更致力分享親子教養資訊、推動聽損兒童融合教育,並普及聽力保健知識,期盼在家庭、學校和社會埋下良善的種子,替聽損者營造更加友善的環境。