Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

怪怪可愛生物:小鎧鼴

ntucase_96
・2014/05/15 ・1120字 ・閱讀時間約 2 分鐘 ・SR值 446 ・四年級

犰狳科之下包含了9屬21種,其中有1屬1種已滅絕。樣子長得很像烏龜,是唯一有殼的哺乳類動物,大多生活在中、南美洲和美國南部地區。常聽到的種類包含鎧鼴、裸尾犰狳、南美小犰狳、毛犰狳等,今天我們要介紹的是稀有的小鎧鼴。

編譯|廖容英

C
小鎧鼴大約手掌大小,非常容易緊張,除非你是科學家,否則請不要輕易嘗試把牠們放在手上。 圖片來源|Superina/Paul Vogt

一般對於犰狳的印象可能是其貌不揚、愛破壞草皮,不過生長在阿根廷沙漠的傳奇生物小鎧鼴可愛多了。小鎧鼴(Chlamyphorus truncatus)身長大約 5 英寸 (約 12.7 公分),重約 0.25 磅 (約 113 公克),鱗甲是淺粉紅色,底下長著白色的細毛。牠的體型在犰狳中最小,終其一生都在挖地道,以無脊椎動物與植物為食。

我們對小鎧鼴所知非常少,根據阿根廷國家科技研究會保育生物學家瑪麗耶拉.蘇博瑞那 (Mariella Superina) 的說法,她在小鎧鼴的棲息地研究了 13 年,從來沒有在野外看到牠,當地人也不知道該怎麼找,她能看到的只有受傷被送來、或是從豢養飼主手中救出來的個體。

Pink-fairy-armadillo_MSuperina
大爪子可以讓牠們在挖掘的時候很有利。但也因為太大了,反而讓牠們在堅硬的地面上窒礙難行。圖片來源|Mariella Superina

小鎧鼴鱗甲的粉紅色其實是底下血管的顏色,牠的鱗甲跟其他犰狳不同:其他犰狳的很厚實,與身體相連,小鎧鼴的比較薄,與脊椎之間隔著一層膜。薄薄的鱗甲能幫助體內熱循環,在不同的溫度有不同色調,顯示血流量增加或減少。

-----廣告,請繼續往下閱讀-----

或許你會覺得奇怪:粉紅色是適合沙漠的保護色嗎?小鎧鼴其實很少出現在地面上,牠們已經非常適應地底的環境,前肢特化專門用於挖掘,在平面上行走都有困難。牠的尾巴則扮演「第五隻腳」的功能,末端是平的,能夠平衡身體,也能撥開挖出的土堆,騰出空間。

但即便是這麼高明的小小挖土機,也有「挖」到鐵板的時候。橫越馬路的小鎧鼴可能當場死亡或是被人類撿起來;如果遇到暴雨,地道會被雨水淹沒,濕掉的細毛也會阻礙熱循環,牠們就會逃到陸地上。幸運一點的會被送到蘇博瑞那這裡來,如果被當成寵物飼養,牠們會非常焦慮,而且無法適應非自然的食物。根據估計,95% 的小鎧鼴豢養八天內就會死亡。

結論是我們似乎只能繼續期待小鎧鼴罕見的蹤跡,牠們實在太罕見,即使是蘇博瑞那與其他科學家也無法斷定牠們有沒有絕種危機。牠們可能因為人類擴張、威脅棲地而瀕臨絕種,也可能正在地底下快樂地生活著,瓜瓞綿綿。

https://www.youtube.com/watch?v=SLq9yF66BBk
研究出處:Absurd Creature of the Week: Pink Fairy Armadillo Crawls Out of the Desert and Into Your Heart
譯者:廖容英 科教中心特約寫手,從事科普文章編譯。
責任編輯:Kerina Huang

-----廣告,請繼續往下閱讀-----

 

原刊載於台大科教中心 CASE press

-----廣告,請繼續往下閱讀-----
文章難易度
ntucase_96
30 篇文章 ・ 1483 位粉絲
CASE的全名是 Center for the Advancement of Science Education,也就是台灣大學科學教育發展中心。創立於2008年10月,成立的宗旨是透過台大的自然科學學術資源,奠立全國基礎科學教育的優質文化與環境。

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。

0

0
1

文字

分享

0
0
1
案情並不單純!甲龍化石為何總是呈現四腳朝天的離奇死狀?
江松樺
・2019/02/01 ・2078字 ・閱讀時間約 4 分鐘 ・SR值 588 ・九年級

白堊紀的重戰車

全身覆滿厚重裝甲般的甲龍類 (Ankylosauria) 是白堊紀非常具代表性的一群植食性恐龍,牠們最早的化石紀錄出現在侏羅紀早期,並且生存到白堊紀的最末期。雖然大多數甲龍類化石是在亞洲和北美洲發現的,但其足跡遍及全球,就連南極大陸都有牠們的蹤跡。

電影:侏儸紀世界。圖/IMDb

除了身上厚重的骨板作為防禦之外,一些甲龍類更演化出棒狀的尾槌以擊退可能來犯的掠食者。由於背上的骨板相當厚實,甲龍類同時也具有寬闊的骨盆結構以支撐額外的重量;低矮而厚實的四肢顯示牠們很可能以靠近地面的植物作為主食。除了柔軟的腹部之外,這些恐龍幾乎無堅不摧。連電影《侏羅紀世界 Jurassic World 》中虛構的帝王暴龍都需要奮力將牠們翻覆,讓牠們四腳朝天露出腹部,才能有效攻擊牠們的要害。

像電影演的一樣是被翻過來的?並不是!

古生物學家在研究甲龍時,就發現他們的化石幾乎都以四腳朝天的方式埋藏。圖/Royal Tyrrell Museum

-----廣告,請繼續往下閱讀-----

現實有時與虛構同樣神奇。長久以來在野地工作的古生物學家很早就注意到一個離奇的現象,那就是這些甲龍類被挖掘出土時,幾乎總是以四腳朝天的姿勢埋藏在地層中!這些遺骸是因為像霸王龍 (Tyrannosaurus rex這樣的大型掠食動物如同電影中將甲龍翻過來所造成的現象嗎?

早在近百年前諾普查男爵 (Franz Nopcsa) 研究東歐出土的甲龍類化石時,便提出了這樣的想法。也許一些大型的掠食者確實有能耐將其中一些體型較小的個體弄翻,但在面對體型較大的成年個體時似乎有些難度;同時這些出土的甲龍類並未留下被肉食動物啃咬過後的齒痕,因此這樣的想法顯然並不成立。

由於這個神祕的現象一直以來從未被科學界正式研究和解釋,於是兩位好奇的加拿大古生物學家便找來了瓦多斯塔州立大學 (Valdosta State University) 的犰狳專家,試圖解開這個上古謎團。

身為哺乳動物的犰狳,雖然不是甲龍類的近親,但體態與甲龍有些相似。圖/pixabay

-----廣告,請繼續往下閱讀-----

身為哺乳動物的犰狳,雖然稱不上是甲龍類的近親,不過同樣身披鱗甲的犰狳,體態與甲龍仍然有些相似。犰狳的鱗甲與甲龍一樣是由骨化的鱗片所構成,而不像穿山甲是由皮膚角質形成的;同時,犰狳也和甲龍一樣,腹部僅有皮毛覆蓋而缺乏額外的防護。所以研究人員假設外型與甲龍相當類似的犰狳死後,腹腔內的氣體發酵後會撐開較柔軟的腹部,導致犰狳死後翻覆也呈現四腳朝天的樣貌。

那麼從那些因路殺而死亡的犰狳身上或許能找出我們尋求的解答吧?然而根據研究團隊在三個月內蒐集到的訊息,這些犰狳並未如同沉積在岩層中的甲龍一般,經常出現四腳朝天的模樣。如果連觀察犰狳死亡的姿態都無法解釋甲龍的情況,那又該如何解釋這樣的現象呢?

死後水中翻覆,一個可能的解釋

於是研究團隊只好從其他線索試圖解釋這些甲龍滑稽的「死樣子」。既然陸生的犰狳在地面上無法重現翻覆的死狀,是否可以假設事發現場並非在陸地上呢?根據過去史登伯格 (Charles Mortram Sternberg) 的假說,這些甲龍類死後可能被洪水沖刷帶到河道底層或海床中沉積。理論上,背部由骨質鱗甲組成的骨板密度較大,所以在被水流帶著走的情況下,確實可能比較容易產生腹部朝上的模樣。如果屍體是在水下呈現腫脹,那麼這樣的假說是不是有可能成立呢?

以模型數據計算甲龍翻覆的可能性。圖/Mallon, J. C. et al

-----廣告,請繼續往下閱讀-----

事實上,古生物學家確實從一些海相沉積地層中找到保存良好的甲龍類標本。其中千禧礦場 (Millennium Mine) 清水組 (Clearwater Formation) 令人驚豔的恐龍木乃伊-北盾龍 (Borealopelta即為這種典型的案例。研究團隊以真板頭龍 (Euoplocephalus和蜥結龍 (Sauropelta分別做為甲龍科 (Ankylosauridae) 與結節龍科 (Nodosauridae) 兩種甲龍類的典型,導入牠們身體結構各項的密度與估算其體腔內部容積等參數後發現:真板頭龍等甲龍科的物種在水流中只要腫脹到一定的程度就會翻覆;而屬於結節龍科的蜥節龍不論屍體腫脹與否,只要稍稍傾斜就會整個翻覆!

 

真板頭龍。圖/wikimedia

真板頭龍。圖/wikimedia

蜥結龍。圖/wikimedia

-----廣告,請繼續往下閱讀-----

蜥結龍。圖/wikimedia

雖然這解釋並不能套用到所有狀況,但這個在水中漂浮腫脹的假說的確提供一個可能的答案,同時更有助於我們推估古地層中生物沉積或還原古代環境可能的樣貌。甲龍翻覆的上古謎團恐怕還有更多細節有待眾人抽絲剝繭。

  1. Sternberg, C. M. (1970). Comments on dinosaurian preservation in the Cretaceous of Alberta and Wyoming. Ottawa: National Museums of Canada.
  2. Arbour, V. M., Zanno, L. E., & Gates, T. (2016). Ankylosaurian dinosaur palaeoenvironmental associations were influenced by extirpation, sea-level fluctuation, and geodispersal. Palaeogeography, Palaeoclimatology, Palaeoecology, 449, 289-299.
  3. Mallon, J. C., Henderson, D. M., McDonough, C. M., & Loughry, W. J. (2018). A ‘bloat-and-float’ taphonomic model best explains the upside-down preservation of ankylosaurs. Palaeogeography, Palaeoclimatology, Palaeoecology, 497, 117-127.
  • 文字編輯/蔡雨辰
-----廣告,請繼續往下閱讀-----