《大賣場裡的人類學家:用人文科學搞懂消費者,解決最棘手的商業問題》(The Moment of Clarity: Using the Human Sciences to Solve Your Tougest Business Problems)的中文書名其實一丁點也不名符其實,因為這本書並非討論「人類學家」而已,而是探討人文科學(human sciences)這個對台灣讀者而言應該相當陌生的學科。
《大賣場裡的人類學家》指出,要用現象來描述問題,透過對「使用現象」的描述,細微觀察消費者使用產品或服務時的情境與感受,才能看清消費需求變化的脈絡,而非光憑堆積如山的報表、市場分析和海量資料。雖然研究「現象」的方法,並非量化的方法,看似個很「軟」的學科。然而,《大賣場裡的人類學家》的兩位作者麥茲伯格(Christian Madsbjerg)和拉斯穆森(Mikkel B. Rasmussen)卻認為,這種結合人類學、社會學和心理學,以及藝術、哲學與文學的質化研究比較能夠應付前述「未見過」、「沒理論基礎」的新現象,避免企業界過去慣用的用狹隘觀點、僵固模式來瞭解人類的行為,對人的理解充滿了謬誤,因為人並非一味是可預測且理性的決策者,也沒有一直有效綜合整理個人偏好來做出最佳判斷,而我們的很多「選擇」,大多是在有意識但不自覺的情況下完成的。
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。
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。
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。
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。
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?
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
時間來到二○一四年的劍橋大學。當時的我是該校李約瑟研究所(Needham Research Institute)的博士後研究員,不時會晃到位於自由學院巷(Free School Lane)的科學史與哲學系(Department of History and Philosophy of Science)聽演講。十月二十四日當天,我報名參加了該系主辦的「與科學家喝咖啡」活動,講者又是魯維克。身為該系元老的他,顯然非常重視這回演講。在演講前,他寄給與會者一篇題為 “Fossils and History: Recollections across Two Cultures” 的自傳;在文章開頭,他加了個段落,表示該文是為英國國家學術院(British Academy;魯維克於二○○八年獲選為該院院士)歸檔用,不是為了出版(Not for Publication)。演講當天,當時八十二歲的魯維克教授,開誠佈公、毫不藏私地回答了他反覆被問到的問題:「你是如何、何時以及為何把自己從自然科學家轉為人文學者?」
時間倒推到一九五九年五月七日。魯維克與其他劍橋大學的學生,簇擁在劍橋的評議會大樓(Senate House),聆聽物理學家、小說家與科技官僚查爾斯.史諾(C. P. Snow, 1905-1980)的里德講座(Rede Lecture)。史諾的講題是〈兩種文化與科學革命〉(The Two Cultures and the Scientific Revolution)。在該演講中,史諾認為,在當時的英國,科學與人文的鴻溝已加深擴大,至雙方難以溝通、相互鄙視的程度。就史諾而言,根本原因是,科學與人文係屬「兩種文化」;這是現行英國教育制度的結果,但對於英國未來的發展,並無好處。年輕的魯維克並未對史諾的演講留下深刻印象。日後,當史諾將其演講出版為專書、引發大論戰時,他難以理解,為何如此化約、視科學與人文除了敵對關係外別無其他的見解,竟會有那麼多人買單。為何年輕的魯維克會冷眼看待史諾的語重心長?又為何在將近半世紀後,他會撿起史諾演講的標題,當成是學術生涯的註腳?
魯維克從他的家庭教育談起。生於一九三二年的魯維克,父親為西敏公學(Westminster School)的物理老師,而教父則為中世紀壁畫的權威克萊夫.勞斯(Clive Rouse)。在魯維克小時候,他父親期許他能走上物理研究這條路;然而,一日,魯維克在花園中找到海膽的化石,大感興趣;更讓他感到驚喜的,他鑽研中世紀壁畫的教父勞斯,竟然送給他一盒菊石化石,鼓勵他走上地質學研究的道路。一九四五年,當十三歲的魯維克進入哈羅公學(Harrow School)就讀。他發現,不同於家中多元且開放的學習氛圍,校方竟要求他得在古典(Classical)與現代(Modern)中抉擇。所謂「古典」是以歷史學為主的人文學,而「現代」則為自然科學。魯維克選擇了「現代」,這讓校方頗為失望。因為,按當時英國中學教育的標準,如魯維克這樣傑出的學生,應以「古典」為職志,「現代」是留給那些「次等的心靈」(second-class mind)。即便如此,在求學階段,魯維克遇到一位擁有博士學位的生物學老師道格拉斯.里德(Douglas Reid)。里德除了帶著魯維克閱讀生物學的經典外,還指導他進行端足類(Amphipods)的分類。魯維克花了相當時間,對著圖鑑,兩眼盯著顯微鏡,探究自英國周遭海域採回來的活體標本。魯維克頗為滿意此自主學習的成果,將之寫成論文,發表在《自然史雜誌》(Magazine of Natural History)上—該文也成為魯維克多產之學術生涯中的首篇論文。在高中生涯接近尾聲時,他參加了劍橋大學的入學甄試。他報考了生物、化學與地質學,於地質學的表現最為傑出。一九五○年起,他開始於劍橋大學地質學系就讀。
在劍橋大學,魯維克受益於該校的 Tripos 制度,即在選定專業科目前,可廣泛涉獵相關學科。一趟前往懷特島(Isle of Wight)檢視第三紀之地層構造(the Tertiary strata)的田野經驗讓魯維克對古生態學(palaeo-ecology)感興趣。依他所見,這在當時仍屬新穎的學科,既可結合他對分類學的興趣,也可讓其興趣不至於被傳統分類學限制住,而可進一步探索古生物及其環境的關係。一九五三年,魯維克以第一名畢業,且獲得地質系、三一學院等機構的獎學金,以及政府的研究獎勵,讓他可以三年為期,於劍橋繼續鑽研古生態學。一九五五年,年僅二十三歲的魯維克被聘為劍橋大學地質學系的 “demonstrator”(相當於美國的助理教授),翌年更被選為三一學院的學生院士(junior research fellow)。
接著,魯維克開始對「功能形態學」(functional morphology)感興趣,且把對象設定在雖有大量化石證據、然只有少量物種留存至今日、導致活體實驗與野外觀察幾近不可能的腕族類動物(brachiopods)。當他在標本館中檢視該動物的化石標本,欣賞其結構的對稱、揣摩其可能的功能時,他想起在哈羅公學時曾涉獵的生物學經典:愛德華・羅素(E. S. Russell)的《形式與功能》(Form and Function, 1916),特別是當中論及法國博物學者居維葉(Georges Cuvier, 1769–1832)的段落。
居維葉認為,透過緊密地將結構與功能整合在一起,每類生物得適應(adapt)其特定的生活模式(mode of life)。以此概念為出發點,居維葉大膽地重建他認為已然滅絕的長毛象(mammoth)與乳齒象(mastodon)的化石標本。魯維克認為,居維葉重組這些已滅絕之動物的概念與手法,有助於他對腕足動物之功能形態學的研究。於是,他到圖書館,閱讀居維葉的原典與相關手稿。
他精準掌握了居維葉至當代的功能形態學系譜,再加上三一學院對其研究的支援,魯維克於一九五八年以〈化石腕族類的功能形態學研究〉(Studies in the Functional Morphology of Fossil Brachiopods)一文取得博士學位。翌年,他在深具影響力的《地質學雜誌》(Geological Magazine)上一口氣發表兩篇論文,宣告一名年輕地質學者的誕生,以及一個少為地質學者所知之取向的成熟。在後續七年間,魯維克持續探索化石與現存腕族動物的功能形態學,於一九六五年獲聘為劍橋地質系的講師(University Lecturer)。按當時劍橋的規定,這意味著魯維克已通過終身聘任制(tenure)的考驗,可在其喜愛的領域鑽研,直到退休。
原來,柯廷翰繼承了倫敦地質學會(Geological Society)之創建者與首位會長喬治.格林努格(George Greenough)的手稿。該手稿未經整理,也未有研究者使用過;柯廷翰希望魯維克能幫她整理,並據此撰寫格林努格的傳記。魯維克欣然答應。在整理並閱讀格林努格的手稿與通信的過程中,魯維克發現一落信件,以紅帶繫著,上頭有格林努格的筆跡,寫著「泥盆紀大爭議」(Great Devonian controversy)。在謄寫這批信件的過程中,魯維克得以重訪此當代地質學者已少有人知的爭議,理解科學爭議係如何生成、延燒與閉合。日後(一九八五),運用這批材料,魯維克完成其成名作;書名就叫做《泥盆紀大爭議:紳士專業者中科學知識的形塑》(The Great Devonian Controversy: The Shaping of Scientific Knowledge among Gentlemanly Specialists)。
一九六七年,當周遭的人都認為,這位三十五歲的年輕地質學者,會在自己的專業領域中持續耕耘,同時以歷史為副業或「娛樂」,直至退休,魯維克做了讓人驚駭的決定:他離開了地質系,轉至甫成立的科學史與哲學系任教。按魯維克日後的說法,當時的他,遭逢了中年危機;只是,有中年危機的不是他,而是他在地質學系的同儕。魯維克認為,相較於正在蓬勃發展的美國地質學,劍橋的地質學者似乎都在自己的舒適圈中做研究;當美國地質學界已培育出如古爾德(Stephen Jay Gould, 1941—2002)這樣優秀的新生代時,劍橋地質系顯得格外死氣沉沉。當這個他自一九五○年起便生活其中的系所不能再給予他智識上的刺激,魯維克決定出走。此舉激怒了他在系上的同儕,認為這是難以原諒的的背叛。魯維克不以為意,因為他已在自由學院巷的科學史與哲學系,找到他的新天地。