Loading [MathJax]/extensions/tex2jax.js

0

1
0

文字

分享

0
1
0

七夕分手潮:我們還能當朋友嗎?

海苔熊
・2014/08/04 ・5153字 ・閱讀時間約 10 分鐘 ・SR值 479 ・五年級

「我想了很久,我知道我很自私,可是我真的沒有辦法再這樣騙自己,也無法再騙你……」她把湯匙放在桌上,抬起頭看我,我們隔壁的幾桌,都是快樂過七夕的情侶。我試著假裝鎮定,壓抑心裡的情緒。可是,卻有一種無以名狀的悶,卡在胸口。

「他是誰?」我問她,空氣凝結得很複雜。

「什麼他是誰?你不要想太多,我只是很累了,很累於每天都要講電話、跟你報報備三餐,很累於每天要提心吊膽,你的漏接電話,很累於很多事情。我想要過過,一個人的生活。」她說,我的心跳像遠方高速公路的車,急促而悶熱。

「那為什麼,你今天還答應要跟我出來?為什麼還跟我去蘭嶼?為什麼直到剛剛,還要跟我牽手?為什麼不先跟我討論?為什麼……」我問,忍著激動的情緒。她沒有回答,我們之間尷尬得可以聽見手錶的滴答。

-----廣告,請繼續往下閱讀-----

不知道過了多久,她終於開口。

「我只是想找個機會好好跟你說。而且,我們還是可以當好朋友,雖然我知道,短時間內可能……總之,我還是很在意你」她說,我心裡持續冒出好多問號,已經讀過這麼多paper,但在自己面臨失去的時候,卻還是一樣無能為力。我不懂,已經說得這麼絕,為什麼還是要加上那句「我還是很在意你」?

我突然想起村上春樹在《挪威的森林》裡的話:

「不管你擁有什麼樣的真理都無法治癒失去所愛的哀傷。不管什麼樣的真理、什麼樣的誠實、什麼樣的堅強、什麼樣的溫柔,都無法治療那哀傷。我們只能走過那哀傷才能脫離哀傷,從其中學到些什麼,而所學到的這什麼,對於下一個預期不到的哀傷來臨時,仍然也毫不能派上用場。」

Source:Morse, K. A., & Neuberg, S. L. (2004). How do holidays influence relationship processes and outcomes? Examining the instigating and catalytic effects of Valentine’s Day. Personal Relationships, 11(4), 509-527.

傷心七夕情人節

我已經忘記哪天,我是如何踉蹌地走回家,也忘記那時候的我抱著枕頭哭了多少眼淚,我只記得在她轉身離開,並堅持不讓我送她之前,我強顏歡笑地說:「好諷刺,別人都在慶祝在一起,我們卻在談分離。」她苦笑了一陣,擺了擺手,一條寂寞的路便展向兩頭了,或者說,只有展向我這頭吧?

-----廣告,請繼續往下閱讀-----

直到多年以後,我才明白,那時的我並不孤單。

雖然老外不過七夕,但Morse與Neuber多年前進行的一項追蹤研究指出,西洋情人節2/14前一週與當週的分手率是平常的2.5倍<1>,在情人節參加實驗的受試者,更容易分手。在二月參加實驗的人,有13%的人分手,四月的參加者有7.4%的人分手(或許是因為愚人劫效應),而9月和10月的參加者,分手率是4.2%和5.1% [1]。

等等,根本不合邏輯吧?好,就算知道情人節前後是高危險期,但為什麼會這樣呢?我們沒有理由相信,情人節「使」我們分手,你總不能在提分手的時候跟另一半說:「嘿,寶貝,這不是我們的錯,這段關係裡面,我們都有成長,也都有悲傷;可是、可是(肆一語氣),淒美的愛情總禁不起時間,如果要怪,或許只能怪情人節吧。嘿,寶貝,你知道嗎,情人節的分手率是平常的2.5倍噢。正所謂完美的戀愛並不存在,就像完美的絕望並不存在一樣(村上春樹語氣)。」

我想還沒說完這段,就會被揍飛了吧。不論是二月十四或是七夕,都不能當做分手的理由,所以我們跟該去思考的是:這些「情人系」<2>的日子裡發生了一些什麼,讓我們更容易分手?或者,這效果真的如此「全面性」嗎?還是只是「某些人」在這段時間容易分手呢?

-----廣告,請繼續往下閱讀-----

為了回答這些問題,Morse與Neube回顧了文獻,提出兩個假說:

(1)煽動假說(instigator hypothesis):情人節是一種「社會比較性」(Social comparison)的節日,在比較之中「煽動」了分手。這幾天之中,你有更多的機會看到別的情侶互餵吃飯飯,撞見路人甲和他的閃光在街頭擁吻,看見伯朗大道上的(偽)金城武幫他女朋友擦汗奉茶,甚至姊妹淘在聊天時,「不小心」聽到某人的男友又送她多名貴的限量包包。這樣一比較下來,很多事情都變得鮮明起來[2],當他不夠體貼、不夠了解、準備的禮物你不喜歡、甚至餵你吃飯的時候沒有疊字地說「飯飯、麵麵」,都會促使你去想:他真的愛我嗎?他是不是變了?

(2)催化假說(catalyst hypothesis):情人節只是催化了情侶之間「比較明顯」的部份。情侶間的連結強弱,本來就是會隨著衝突、信念、自我揭露、各種大小事件而起伏[3],那些本來就幸福穩定的關係,受情人節影響不大,真正該小心的是那些原先就岌岌可危,浪濤洶湧,暗藏許多不滿和委屈的關係。

所以,到底哪個說法對呢?就Morse與Neube的追蹤研究來說,比較支持「催化假說」。那些原先就問題重重的關係,更容易在情人節後分手。

-----廣告,請繼續往下閱讀-----

但是知道這個,並不能讓你通往任何地方,只是一種「衰世之學」;如果他說要分手,你還能說什麼?

我們,還是朋友嗎?

那天,回到家之後我就立刻傳簡訊給她,弱弱地問了一個很孬的問題:「那我們還是朋友吧?」接著忐忑地握著3310等待她的回應(如果你知道什麼是3310就暴露年紀了)。她只回了簡短的三個字「當然囉」,沒有句號,沒有貼圖(廢話,那時當然不會有),只留下我無止盡的猜測:究竟是「當然可以」,還是「當然不行」?厚,多打兩個字是會死膩!

這世界上有兩種人渴望「還能當朋友」,一種是失戀後心有不甘的人,另一種是表白失敗,想退守台灣的人(疑)。第二種人在被發卡後要「繼續友誼」的方法在這篇已經有討論過了,這裡我們來看看第一種人的下場:

Ursinus College的Brent Mattingly回顧了過去分手的研究指出,儘管60%的人在分手之後<3>,和對方的聯絡漸漸便少了[4],還是有六種人在分手之後,比較可能當朋友。

-----廣告,請繼續往下閱讀-----
  1. 在一起之前是朋友的人。Sandra Metts和他的同事多前就想知道分手後還不能當朋友[5],結果發現「之前就是朋友」,是重要的條件。此外,如果你越是覺得「被利用」或表現得很「退縮」(例如人間蒸發),分手後的友誼(post-disengagement friendship,PDF)也不會太好。
  2. 分手是共同提出的,畢竟繼續待在這段關係裡,兩個人都不快樂。另外,Charles T. Hill多年前調查了103對婚前分手的情侶[6],發現雖然女性總是比較敏於發現關係問題與提分手的人,但男人提分手比女人提分手更容易維繫PDF,或許不是因為男人愛面子,而是因為被甩的男人不太會因應「被拒絕」的感覺。
  3. 還對彼此有感覺的情侶。因為對他們來說,當朋友只是一種退守,其實兩人都想著有一天能夠重然舊愛。Stephen P. Banks與他的夥伴調查310個人的分手經驗[7],發現還相互吸引的人與使用「退而求其次」(de-escalation tactics)策略的人(我想要一個人安靜一陣子、一段時間之後我們再看看適不適合、我們都該對自己誠實……)比較可能繼續PDF。而嘗試去辯證(Justification)這場分手(我覺得我變了,在這段關係裡我並不快樂、沒有成長)、逃避躲藏不見面的(Avoidance)人比較難繼續PDF。當然,如果變成好友萬萬睡(Friends With Benefits,FWB)或是溜溜球式戀愛(On-Again/Off-Again Dating Relationships)[8-10],那又是另一回事了。
  4. 兩個人在一起的時候很快樂滿意。這點很直覺(朱家安語氣),而且以前也寫過,這裡不贅述[11]。
  5. 家人或朋友支持[12]。這點以前也談過了,同樣不多說(再混嘛你!)。
  6. 同性戀。嗯,這是新的!一項研究調查了60位女同,37位男同,45位女異性戀與39位男異性戀,發現同性戀者更可能維繫PDF[13]。這並不是說,如果你想要分手後還是朋友,就找一個同性來愛,畢竟性傾向是不能勉強的<4>,同性戀之所以較有可能繼續聯絡,是因為他們共同屬於一個「被壓迫的團體」(oppressed group),而有緊密的連結。

如果你想知道究竟能不能在和他當朋友,可以回顧一下這六大條件,從朋友開始的戀情、協議分手、彼此仍有感覺、在一起時很快樂、身邊的人支持與同性戀。你滿足了幾個呢?你覺得勝算大嗎?

如果有些關係無法繼續

在寫這篇文章的時候,我一直在想一個問題:兩年前的我就寫過類似的問題了,這兩年來,我究竟多懂了一些什麼呢?

當我重新去看這些分手的文獻,我終於發現那年七夕,她說的那句「我還是很在意你」,或許只是一種安撫。這是Stephen P. Banks研究中的「肯定」技巧(Positive Tone)。那些「我很對不起你」、「我真的很在乎」與「或許有一天我會後悔吧」,都只是一種感受的傳達,至於能不能再當朋友,跟這些話本身根本沒有關係[7]。

然後,我想帶著這些跟我有類似經歷的朋友,一起思考一些事情。

-----廣告,請繼續往下閱讀-----

過了幾年,或許你會想起這些日子的傷痛與淚水。想起你們曾經這麼親密卻又走向分別,想起某些遺憾,想起最後還是沒能和他當回朋友,想起某些失落,想起一些被拒絕、否定的時候,但你也會想起這些日子的開心與瘋狂,想起他和你一起脫下鞋子追逐的夕陽,想起他在你懷裡哭泣時的臉龐,想起某個夜晚你們徹夜聊到天亮,想起那些牽手、擁抱和歡笑,只要想起這些,在脆弱和難過的時候,好像就有力量,可以再努力一點點。

我曾經是很害怕失去的人。因為我總覺得,只要有相聚,就會有分離。既然要分離,當初何必創造,那些過分美好的記憶?

一直到很後來我才發現,真正的永恆,並不是從現在開始的延伸,而是每一個開心難過,腦洞落淚的瞬間。

一直到很後來我才發現,擁有並不是失去的開始。而是在每一份的擁有中,我們可以學著如何珍惜這些真情,珍惜這些瘋狂與交心,然後在揮手道別以後,轉化成能量,勇敢地迎風向前。

-----廣告,請繼續往下閱讀-----

一直以來我們都想反了,所謂「依戀」(Attachment)並不是要你找一個人黏在他身邊,而是去學會「離開」[14]。離開並不一定帶來傷害,相反地,正是因為有天可能離開,我們才更懂得去擁抱身邊的人,懂得懷念。

此去經年,或許你會忘記跟他相處時的腦殘與白痴,或許你會忘記那時候自己是多麼傻地等他兩個多小時,多麼焦急地等他的回應,但永遠不要忘記,曾經年少的你,如此的脆弱,如此害怕受傷,卻也同時願意相信,願意付出熱誠,願意嘗試別人口中的不可能,因為能「去承擔受傷」,也代表著「有能力堅強」<5>。

勇敢地擁抱,這個原本、就真誠而美好的你。勇敢地記得,這個生命中的曾經。

勇敢地,去愛<6>。

<註解>

  1. Morse的研究是這樣做的,他跟受試者說,他們想記錄一年當中情侶感情的變化,而在二、四、九、十月是最容易變化的轉捩點,所以才會在不同的時間點請他們來參加實驗,這樣做是希望二月參加的受試者不要覺得他們很「特別」而產生受試者期望效應。追蹤一年之後,也就是在下一年的情人節以及其他四、九、十月(他們平均在一起18個月,與過去我們在台灣做的研究平均值相仿),發現二月在一起的人,分手的比率是其他月份的2.55倍;如果控制了「戀愛經驗」(Past number of relationships)、「交往時間」(Length of relationship)與「第一年參加實驗的關係品質」(Initial relationship quality),再用邏輯迴歸分析(logistic regression)算出控制這些變項之後的「相對倖存率」,二月份分手的比率是其他月份的5.49倍。
  2. 情侶一年可以過8個「情人系」節日西洋情人節、白色情人節、七夕情人節、在一起紀念日、雙方生日(這通常要算兩天,除非同一天生)、聖誕節與跨年夜。
  3. 簡單說是減少聯絡,其實比想像中複雜。Kellas等人的原文用的是「關係性消退」(Relational Decline),意思是對彼此的承諾感越來越低。另外,在他的樣本中有5%的人在一段時間的分手後關係(post-dissolutional relationships)之後,不再有任何聯絡。
  4.  同性戀研究懶人包
  5. 對這個概念有興趣的人,可以參考Brene Brown脆弱的力量
  6. 改寫自我給畢業孩子的話
  7. 另外補充一個根本無直接相關的數據:研究親密關係多年的 Benjamin Le的一想調查找了超過1000名美國人,發現有47%的男人期待情人節可以上床,但只有23%的女人這樣想。想了解更多,可以點這裡
  8. 看板娘為万虹萱

[參考資料]

  1. Morse, K.A. and S.L. Neuberg, How do holidays influence relationship processes and outcomes? Examining the instigating and catalytic effects of Valentine’s Day. Personal Relationships, 2004. 11(4): p. 509-527.
  2. Buunk, B.P., F.L. Oldersma, and C.K.W. de Dreu, Enhancing Satisfaction through Downward Comparison: The Role of Relational Discontent and Individual Differences in Social Comparison Orientation. Journal of Experimental Social Psychology, 2001. 37(6): p. 452-467.
  3. Surra, C.A. and D.K. Hughes, Commitment processes in accounts of the development of premarital relationships. Journal of Marriage and the Family, 1997: p. 5-21.
  4. Kellas, J.K., et al., The ex-files: Trajectories, turning points, and adjustment in the development of post-dissolutional relationships. Journal of Social and Personal Relationships, 2008. 25(1): p. 23-50.
  5. Metts, S., W.R. Cupach, and R.A. Bejlovec, `I Love You Too Much to Ever Start Liking You’: Redefining Romantic Relationships. Journal of Social and Personal Relationships, 1989. 6(3): p. 259-274.
  6. Hill, C.T., Z. Rubin, and L.A. Peplau, Breakups before marriage: The end of 103 affairs. Journal of Social Issues, 1976. 32(1): p. 147-168.
  7. Banks, S.P., et al., An examination of relationship disengagement: Perceptions, breakup strategies and outcomes. Western Journal of Speech Communication, 1987. 51(1): p. 19-41.
  8. Dailey, R.M., et al., On-Again/Off-Again Dating Relationships: What Keeps Partners Coming Back? Journal of Social Psychology, 2011. 151(4): p. 417-440.
  9. Dailey, R.M., et al., A qualitative analysis of on-again/off-again romantic relationships: “It’s up and down, all around”. Journal of Social and Personal Relationships, 2009. 26(4): p. 443-466.
  10. Dailey, R.M., et al., On-again/off-again dating relationships: How are they different from other dating relationships? Personal Relationships, 2009. 16(1): p. 23-47.
  11. Bullock, M., et al., Can We Be (and Stay) Friends? Remaining Friends After Dissolution of a Romantic Relationship. Journal of Social Psychology, 2011. 151(5): p. 662-666.
  12. Busboom, A.L., et al., Can we still be friends? Resources and barriers to friendship quality after romantic relationship dissolution. Personal Relationships, 2002. 9(2): p. 215-223.
  13. Harkless, L.E. and B.J. Fowers, Similarities and differences in relational boundaries among heterosexuals, gay men, and lesbians. Psychology of Women Quarterly, 2005. 29(2): p. 167-176.
  14. Ein-Dor, T., et al., The Attachment Paradox: How Can So Many of Us (the Insecure Ones) Have No Adaptive Advantages? Perspectives on Psychological Science, 2010. 5(2): p. 123-141.
-----廣告,請繼續往下閱讀-----
文章難易度
海苔熊
70 篇文章 ・ 473 位粉絲
在多次受傷之後,我們數度懷疑自己是否失去了愛人的能力,殊不知我們真正失去的,是重新認識與接納自己的勇氣。 經歷了幾段感情,念了一些書籍,發現了解與頓悟總在分手後,希望藉由這個平台分享一些自己的想法與閱讀心得整理,幫助(?)一些跟我一樣曾經或正在感情世界迷網的夥伴,用更健康的觀點看待愛情,學著從喜歡自己開始,到敏感於周遭的重要他人,最後能用自己的雙手溫暖世界。 研究領域主要在親密關係,包括愛情風格相似性,遠距離戀愛的可能性,與不安全依戀者在網誌或書寫中所透露出的訊息。 P.s.照片中是我的設計師好友Joy et Joséphine

0

0
0

文字

分享

0
0
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

1
0

文字

分享

0
1
0
賭博與愛情公式:用數學擬定你的擇偶策略——《數盲、詐騙與偽科學》
大牌出版.出版大牌_96
・2024/01/06 ・2486字 ・閱讀時間約 5 分鐘

理解期望值,有助於分析賭場裡的大部分賭局,以及美國中西部和英國的嘉年華會中,常有人玩、但一般人比較不熟悉的賭法:骰子擲好運(chuck-a-luck)。

招攬人來玩「骰子擲好運」的說詞極具說服力:你從 1 到 6 挑一個號碼,莊家一次擲三顆骰子,如果三個骰子都擲出你挑的號碼,莊家付你 3 美元。要是三個骰子裡出現兩個你挑的號碼,莊家付你 2 美元。

假如三個骰子裡只出現一個你挑的號碼,莊家付你 1 美元。如果你挑的號碼一個也沒有出現,那你要付莊家 1 美元。賽局用三個不同的骰子,你有三次機會贏,而且,有時候你還不只贏 1 美元,最多也不過輸 1 美元。

我們可以套用名主持人瓊安.李維絲(Joan Rivers)的名言(按:她的名言是:「我們能聊一聊嗎?」),問一句:「我們能算一算嗎?」(如果你寧願不算,可以跳過這一節。)不管你選哪個號碼,贏的機率顯然都一樣。不過,為了讓計算更明確易懂,假設你永遠都選 4。骰子是獨立的,三個骰子都出現 4 點的機率是 1/6×1/6×1/6=1/216,你約有 1/216 的機率會贏得 3 美元。

-----廣告,請繼續往下閱讀-----

僅有兩個骰子出現 4 點的機率,會難算一點。但你可以使用第 1 章提到的二項機率分布,我會在這裡再導一遍。三個骰子中出現兩個 4,有三種彼此互斥的情況:X44、4X4 或 44X,其中 X 代表任何非 4 的點數。而第一種的機率是 5/6×1/6×1/6=5/216,第二種和第三種的結果也是這樣。三者相加,可得出三個骰子裡出現兩個 4 點的機率為 15/216,你有這樣的機率會贏得 2 美元。

圖/envato

同樣的,要算出三個骰子裡只出現一個 4 點的機率,也是要將事件分解成三種互斥的情況。得出 4XX 的機率為 1/6×5/6×5/6=25/216,得到 X4X 和 XX4 的機率亦同,三者相加,得出 75/216。這是三個骰子裡僅出現一個 4 點的機率,因此也是你贏得 1 美元的機率。

要計算擲三個骰子都沒有出現 4 點的機率,我們只要算出剩下的機率是多少即可。算法是用 1(或是100%)減去(1/216 +15/216 + 75/216),得出的答案是 125/216。所以,平均而言,你每玩 216 次骰子擲好運,就有 125 次要輸 1 美元。

這樣一來,就可以算出你贏的期望值($3×1/216)+($2×15/216)+($1×75/216)+(–$1×125/216)=$(–17/216)=–$0.08。平均來說,你每玩一次這個看起來很有吸引力的賭局,大概就要輸掉 8 美分。

-----廣告,請繼續往下閱讀-----

尋找愛情,有公式?

面對愛情,有人從感性出發,有人以理性去愛。兩種單獨運作時顯然效果都不太好,但加起來⋯⋯也不是很妙。不過,如果善用兩者,成功的機率可能還是大一些。回想舊愛,憑感性去愛的人很可能悲嘆錯失的良緣,並認為自己以後再也不會這麼愛一個人了。而用比較冷靜的態度去愛的人,很可能會對以下的機率結果感興趣。

在我們的模型中,假設女主角——就叫她香桃吧(按:在希臘神話中,香桃木﹝Myrtle﹞是愛神阿芙蘿黛蒂﹝Aphrodite﹞的代表植物,象徵愛與美)有理由相信,在她的「約會生涯」中,會遇到 N 個可能成為配偶的人。對某些女性來說,N 可能等於 2;對另一些人來說,N 也許是 200。香桃思考的問題是:到了什麼時候我就應該接受X先生,不管在他之後可能有某些追求者比他「更好」?我們也假設她是一次遇見一個人,有能力判斷她遇到的人是否適合她,以及,一旦她拒絕了某個人之後,此人就永遠出局。

為了便於說明,假設香桃到目前為止已經見過 6 位男士,她對這些人的排序如下:3—5—1—6—2—4。這是指,在她約過會的這 6 人中,她對見到的第一人的喜歡程度排第 3 名,對第二人的喜歡程度排第 5 名,最喜歡第三個人,以此類推。如果她見了第七個人,她對此人的喜歡程度超過其他人,但第三人仍穩居寶座,那她的更新排序就會變成 4—6—1—7—3—5—2。每見過一個人,她就更新追求者的相對排序。她在想,到底要用什麼樣的規則擇偶,才能讓她最有機會從預估的 N 位追求者中,選出最好的。

圖/envato

要得出最好的策略,要善用條件機率(我們會在下一章介紹條件機率)和一點微積分,但策略本身講起來很簡單。如果有某個人比過去的對象都好,且讓我們把此人稱為真命天子。如果香桃打算和 N 個人碰面,她大概需要拒絕前面的 37%,之後真命天子出現時(如果有的話),就接受。

-----廣告,請繼續往下閱讀-----

舉例來說,假設香桃不是太有魅力,她很可能只會遇見 4 個合格的追求者。我們進一步假設,這 4 個人與她相見的順序,是 24 種可能性中的任何一種(24=4×3×2×1)。

由於 N=4,37% 策略在這個例子中不夠清楚(無法對應到整數),而 37% 介於 25% 與 50% 之間,因此有兩套對應的最佳策略如下:

(A)拒絕第一個對象(4×25%=1),接受後來最佳的對象。

(B)拒絕前兩名追求者(4×50%=2),接受後來最好的求愛者。

如果採取A策略,香桃會在 24 種可能性中的 11 種,選到最好的追求者。採取 B 策略的話,會在 24 種可能性中的 10 種裡擇偶成功。

以下列出所有序列,如同前述,1 代表香桃最偏好的追求者,2 代表她的次佳選擇,以此類推。因此,3—2—1—4 代表她先遇見第三選擇,再來遇見第二選擇,第三次遇到最佳選擇,最後則遇到下下之選。序列後面標示的 A 或 B,代表在這些情況下,採取 A 策略或 B 策略能讓她選到真命天子。

-----廣告,請繼續往下閱讀-----

1234;1243;1324;1342;1423;1432;2134(A);2143(A);2314(A, B);2341(A, B);2413(A, B);2431(A, B);3124(A);3142(A);3214(B);3241(B);3412(A, B);3421;4123(A);4132(A);4213(B);4231(B);4312(B);4321

如果香桃很有魅力,預期可以遇見 25 位追求者,那她的策略是要拒絕前 9 位追求者(25 的 37% 約為 9),接受之後出現的最好對象。我們也可以用類似的表來驗證,但是這個表會變得很龐雜,因此,最好的策略就是接受通用證明。(不用多說,如果要找伴的人是男士而非女士,同樣的分析也成立。)如果 N 的數值很大,那麼,香桃遵循這套 37% 法則擇偶的成功率也約略是 37%。接下來的部分就比較難了:要如何和真命天子相伴相守。話說回來,這個 37% 法則數學模型也衍生出許多版本,其中加上了更合理的戀愛限制條件。

——本書摘自《數盲、詐騙與偽科學》,2023 年 11 月,大牌出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

大牌出版.出版大牌_96
3 篇文章 ・ 0 位粉絲
閱讀的大牌不侷限於單一領域, 視野寬廣,知識豐富,思考獨立。

0

2
1

文字

分享

0
2
1
如果在虛擬實境裡尋找伴侶,真的可以建立舒服的戀愛關係嗎?——《元宇宙超圖解》
azothbooks_96
・2023/09/27 ・983字 ・閱讀時間約 2 分鐘

在元宇宙的世界裡,比較容易和價值觀相近的對象,談一場少摩擦的戀愛。

所謂的「談戀愛」,其實就是彼此價值觀的碰撞。

在價值觀日趨多元、細分的現代社會,實體世界裡的戀愛,情侶之間免不了會發生一些摩擦。

所謂的「談戀愛」,其實就是彼此價值觀的碰撞。圖/pexels

越來越多人在實體社會的戀愛關係中感受不到舒適,大眾認為「談戀愛風險很高」的傾向,更是一年比一年更鮮明。

可見「談戀愛」的魅力,正逐步下降。不論是在元宇宙內或外,都有一套很現代的方法可以解決這個問題,那就是配對服務。

-----廣告,請繼續往下閱讀-----

迴避戀愛和元宇宙

當我們對戀愛的價值觀細分化之後,在生活周遭便很難找到滿足條件的人選;但只要像在社群網站上找興趣相近的同好那樣,從一個規模龐大的母群體當中找出伴侶的話,發生摩擦的狀況,會比不假思索就交往的對象減少許多。

若想找更根本的解決之道,那麼元宇宙上還有一個獨門絕招,就是乾脆把伴侶化為虛擬實境的一部分——因為情侶在元宇宙上會隔著虛擬替身,建立起隔一道防火牆的溝通方式。

有些人會覺得「虛擬替身碰不到、摸不著」,不過,時下認為談戀愛不見得一定要有實體互動或性接觸的人已越來越多,或有些原本潛伏噤聲的族群浮上檯面。

想必今後會有越來越多人願意相信這不是逃避實體戀愛,而是元宇宙上的愛情,比實體更美好。圖/azothbooks

要是這些虛擬替身由 AI 操控的話,還能與另一半建立更舒適的戀愛關係——如果對象是 AI,不論是再怎麼極端的戀愛觀,或是任何性傾向,它應該都會接受吧!

-----廣告,請繼續往下閱讀-----

想必今後會有越來越多人願意相信這不是逃避實體戀愛,而是元宇宙上的愛情,比實體更美好。

——本文摘自《元宇宙超圖解:從刀劍神域到寶可夢,一小時讀懂78個概念,掌握本世紀最大商機》,2023 年 9 月,漫遊者文化出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
azothbooks_96
55 篇文章 ・ 21 位粉絲
漫遊也許有原因,卻沒有目的。 漫遊者的原因就是自由。文學、人文、藝術、商業、學習、生活雜學,以及問題解決的實用學,這些都是「漫遊者」的範疇,「漫遊者」希望在其中找到未來的閱讀形式,尋找新的面貌,為出版文化找尋新風景。