光是打屁股，竟會讓孩子智商降、更叛逆

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

• 作者： 喬登．彼得森 (Jordan B. Peterson)
  譯者： 劉思潔, 何雪綾

喬登•彼得森是多倫多大學心理學教授、臨床心理學家，前哈佛大學心理學系教授。主要研究異常心理、社會心理，以及人格心理學。《生存的12條法則》討論我們該如何改變現況，建立生命的架構、過得更好。本文摘自 法則 05：別讓孩子做出令你討厭他們的事。

缺乏管教策略，只會導致錯誤懲罰方式

原則一：限制規則的數量。
原則二：最低限度的必要強制力。
原則三：父母應該共同參與。

養兒育女既吃力又耗神，所以父母親很容易犯錯。失眠、飢餓、爭吵的餘波、宿醉、工作不如意等等，只要任一個情況發生，便足以令人變得不可理喻。若是幾件事一起來，則可能製造出一個危險人物。

在這樣的情況下，必須有另一個人在現場觀察、介入與討論，這樣吵鬧挑釁的孩子和忍無可忍的暴躁父母才不會惹火對方，導致不可收拾的後果。父母應該共同參與，新手爸爸才可以照看新手媽媽，免得她因為連續三十天晚上聽到腸絞痛的寶寶從十一點哭到凌晨五點，筋疲力盡之下做出極端的事。

我的意思並不是說我們應該嚴格對待單親媽媽，有很多單親媽媽以無法想像的程度勇敢奮戰著，也有一些人是別無選擇而隻身逃離殘暴的關係，但這不表示我們應該假裝所有家庭型態都同樣可行，事實並不然。

原則四與心理學特別相關：父母應該了解自己可能會變得嚴厲、忿恨、自大、惱怒、生氣、虛偽。

很少有人一開始就打定主意要當差勁的父母，但不適任的父母經常出現，這是因為人不只有時也既凶猛又自私。所以沒有任何一個成年人，沒有任何一隻活在階級制度中、掠奪成性的猿猴，可以真正忍受被一個傲慢無禮的小鬼頭支配，報復終必發生。

父母若因太過慈祥又太有耐心而沒有阻止幼兒在超市當眾鬧脾氣，在十分鐘後孩子興奮跑過來展示最新的成就時，反應將會是冷漠轉過頭去。尷尬、違抗和挑戰權威累積到足夠程度之後，就算最無私的父母，也會心生怨恨，然後開始真正的懲罰。

怨恨滋養報復的欲望，父母對孩子自然流露的關愛會減少，對自己的缺席會有更多辯解，孩子尋求個人發展的機會也會減少。父母開始微妙地把臉轉開，而這只是通往全面家庭大戰的開端，這些戰爭多半在檯面下進行，檯面上則是正常與愛的假象。

這條熱門路徑最好能免則免。如果父母深切意識到自己被激怒時，會變得不太能容忍、處理不當行為，可以認真計畫一套適宜的管教策略。若能由同樣有此覺悟的另一半來監控，效果會更好。千萬別讓事情惡化到出現真正的仇恨，要謹慎當心。傷人的家庭處處可見。

父母親不制定任何規則，也不限制任何不當行為，隨意發火且喜怒無常。孩子生活在那樣的混亂中，若是生性膽怯，會被擊垮；若是性格頑強，則大力反抗，卻適得其反。這很糟，可能會發生致命的憾事。

最後是最通用的原則五。父母親有責任扮演真實世界的代理人，可以仁慈又關愛，但依然是代理人。

這個義務凌駕於任何確保孩子幸福快樂、增進創造力、提升自尊的責任。父母的主要職責是令孩子符合社會期望，這將使孩子得到機會、自愛和安全感，甚至比培養個人自我認同更重要。無論如何，在追尋聖杯之前，必須先培養高度的社會化教養。

盡責的父母了解自己、更帶孩子了解社會化

適度社會化的三歲兒童文雅又可愛，但不會太軟弱。她會引起其他同儕的興趣，也令大人欣賞。別的小孩喜歡她，爭相吸引她注意。大人看到她也很高興，而不是露出虛偽的笑容。大家都樂於向所有人介紹她。比起任何懦弱的父母試圖避免日常衝突和管教，適度社會化對兒童最後形成的個體性更有幫助。

請與伴侶討論你對孩子的好惡。若沒有另一半，就跟朋友討論。不要害怕去喜歡或討厭，你能夠分辨什麼是合宜、什麼是不合宜，也能夠區分好壞。你了解善惡有別。釐清自己的立場。評估自己，看自己是否小氣、傲慢，是否心中有怨。然後採取下一步，讓孩子表現良好。你承擔起管教孩子的責任，也為管教時必然會犯的錯誤負責。當你做錯時，可以道歉，並學習如何做得更好。

畢竟，你愛你的孩子，如果孩子的行為令你討厭，想想他們會給別人怎樣的觀感。別人並不像你這麼愛你的孩子，他們會藉由某種作為或不作為來嚴厲懲罰他們。別讓這種事發生。最好讓你家的小怪獸知道什麼行為可取，什麼不可取，這樣才能讓他們在家庭以外的世界成為有修養的公民。

兒童如果能夠專注而不會分心，如果能夠玩耍而不會哼哼唧唧，如果搞笑有趣而不令人惱怒，如果值得信任，這樣的兒童無論到哪裡都會有朋友。老師喜歡，父母也喜歡。如果他對大人有禮貌，大人就會照顧他，以微笑面對他，而且樂於教導他。在動不動就變得冷漠、無情和充滿敵意的世界中，他將成長茁壯。

清楚的規則造就有安全感的孩子和冷靜理性的父母，明確的管教和懲罰原則平衡了仁慈和公義，促進最大程度的社交發展和心理成熟。

清楚的規則和適當的管教可以幫助孩子、家庭和社會，有助於建立、維持和擴展秩序，保護人類免於地獄的混亂與恐怖，不至於一切都不確定，令人焦慮、絕望和沮喪。稱職盡責又勇敢的父母，會給予孩子最偉大的禮物。

別讓孩子做出令你討厭他們的事。

本文摘自《生存的12條法則：當代最具影響力的公共知識分子，對混亂生活開出的解方》，2019 年 5 月，大家出版

• 文／雞湯來了蕭子喬
• 校稿／雞湯來了張芷晴、陳世芃
• 製圖／雞湯來了黃珮甄
• 編輯／雞湯來了蕭子喬

你的深愛卻成了阻礙，如何才能找到溝通契機？

「為什麼我一定要跟姐姐一樣？」「我不能就只做我自己嗎？」「如果我沒有考上好大學，你還要我嗎？」「你想過我的感覺嗎？」

「我這個人這輩子沒什麼成就，就是希望我的孩子可以有點成就」「媽媽吃過的苦絕對不會讓你再承受第二遍」「我一直都在幫你啊！」

家庭關係的緊繃，並不只出現在戲劇之中。為什麼明明是愛、是好意，最後卻變成了彼此痛苦的根源？如果我們真的希望改變這些「雖是戲劇但再真實不過」的親子枷鎖，或許需要試著從我們對親子關係的觀念著手，接下來，讓我們從台大社會學系教授藍佩嘉的研究，來探討這個議題。

給爸媽：整理自己的過去、反思想要怎樣的家庭

希望孩子不再受苦，提醒爸媽「你的孩子不是你的孩子」就夠了嗎？答案是：不夠！因為爸媽之所以這樣當爸媽，是受到許多社會結構、過往經驗、接受到的訊息等等因素影響後的結果，並不是這樣簡單一句話、一個觀念的輸入就能改變的。

藍佩嘉深入田野訪談與觀察近 60 個家庭，剖析不同階級、情境的家庭的爸媽如何在有限的財力與資源中，盡己所能地「拚教養」。她發現：市面上有許多給予家長的教養書、雜誌、網路訊息，都是較為單一地傳達家長該為孩子做的事情，使得「當爸媽」這件事情變得越來越困難、令人焦慮，也讓容易覺得自己做得不夠多。

此外，在藍佩嘉的研究中，父母如何理解自己的過去（童年經驗、原生家庭）、如何走到現在，形塑了他們對孩子未來的想像與期待，也就影響了他們的教養方式。深根在爸媽腦海中的遺憾、心中深處的害怕、融入骨子裡的過往習慣，都遠遠比表象的教養行為更能解釋爸媽的行徑。

因此，家長要改變作法，比起「你的孩子不是你的孩子」，或許更需要家長深入思考、嘗試釐清自身之所以這樣做的原因，找出具體希望改變的方法，會是更有效的方式。

給孩子：理解爸媽的身不由己、互相溝通

許多的傷痛，都是源於缺乏一個溝通的契機；而有效的溝通，通常需要理解對方的好奇心。在家庭關係中，孩子可以嘗試理解爸媽的焦慮與掙扎的來源。藍佩嘉指出，某種程度而言，爸媽也是結構下的受害者，難以看穿市場販賣給他們的恐懼，不易擺脫成長過程中內化的社會期待，不知不覺讓愛成了焦慮與控制。

藍佩嘉引用當紅名句「你的孩子不是你的孩子」，她說其實「你的爸媽也不是你的爸媽」，也就是說，孩子和爸媽其實需要在親子關係都保有自我，並互相照顧。孩子們別忘了，照護的邏輯不僅限於爸媽照顧孩子，而應該是「彼此照顧的協力團隊」！

孩子可以嘗試理解爸媽也是脆弱的，有屬於他們自己的遺憾與未完期待，如果能互相摸索彼此照應、找出給予對方支持的正確方式，或許更能說出彼此的真心話，親子關係也會減少傷痛。

做彼此最佳的隊友，改變或許便由此開始

除了「你的孩子不是你的孩子」，別忘了「父母有時也不是父母自己的」，讓我們重新定義親子關係：親子，理應做彼此的支持。

讓親子關係成為協力團隊，互相了解彼此的心聲、成長經歷、未來期待等等。如能在關係中開啟真實的理解，或許就是有效溝通、創造改變的契機。

延伸閱讀：

• 台大藍佩嘉教授新書《拚教養》：3大點，找教養焦慮解方
• 工作、家庭兩頭燒怎麼辦？

參考資料

• 藍佩嘉（2014）。做父母、做階級：親職敘事、教養實作與階級不平等。台灣社會學，27， 97-140。
• 藍佩嘉（2019）。拚教養：全球化、親職焦慮與不平等童年。台北：春山出版。
• Lan, P. C. (2014). Compressed modernity and glocal entanglement: The contested transformation of parenting discourses in postwar Taiwan. Current Sociology, 62(4), 531-549.

本文與雞湯來了《你的孩子不是你的孩子》其實，你的爸媽也不是你的爸媽 同步刊登