Loading [MathJax]/extensions/tex2jax.js

0

1
0

文字

分享

0
1
0

偽草根運動與假象工廠-《老虎、蛇和牧羊人的背後》

PanSci_96
・2015/01/20 ・3358字 ・閱讀時間約 6 分鐘 ・SR值 522 ・七年級

當然,人們假裝成別人來愚弄我們,並不是什麼新鮮事。還記得莎士比亞的經典故事嗎?在《凱撒大帝》(Julius Caesar)第二幕第一景,布魯特斯(Brutus)走來走去,他睡不著,心裡擱著太多事—人們擔心凱撒把羅馬變成獨裁政體,他應該參加友人卡西烏斯(Cassius)的陰謀,刺殺凱撒嗎?正當布魯特斯猶豫不決時,他讀到眾多匿名公民投書的其中一封,這些投書要他起身反抗凱撒。布魯特斯相信民意站在自己這邊,於是下了決定:他要參加刺殺陰謀。讀完這封信後,他說: 「噢,羅馬!我向汝承諾。」

事實上,那份投書並不代表羅馬公民的觀點,而是卡西烏斯為了說服布魯特斯參加密謀而寫的信。卡西烏斯「用不同筆跡」寫了很多封信,就好像那是多位公民所寫的一樣。[1]這項手法雖然成功,卻是原始的「一人」伎倆。來到今日,有一整個產業的任務,就是專門在數位時代「用不同筆跡寫信」,在論壇、社群網站、社群媒體上發表假心得與假評論。在網路上,造假是門大生意。


這個故事的現代網路版本,是所謂的「偽草根運動」(astroturfing),這個詞彙出現在一九八五年,發明者是長期擔任德州參議員的勞埃德•本特森(Lloyd Bentsen)。現在,大家最記得他曾是民主黨副總統候選人,他在一九八八年告訴共和黨參選人丹•奎爾(Dan Quayle),自己「不是傑克•甘迺迪(Jack Kennedy)。」他的文件盒裡有一疊反對當時保險立法的卡片與來信,那顯然是保險業者自己寫的,本特森評論那些信說: 「德州人分辨得出草根與偽草根,這是『被製造』出來的信。」[2]

在網路時代,偽草根運動變得愈來愈狡猾,愈來愈難以發現。你怎麼知道亞馬遜上的評論,或你在TripAdvisor看到的推薦是不是假的?愛達荷州的喬伊,真的是他自稱的那個人嗎?他真的住過東京那間飯店嗎?如果你有偏頭痛,你怎麼知道網路上那個說自己也有偏頭痛並給你意見的人,是真的有偏頭痛的問題?仔細想想,這其實是相當奇怪的一件事,我們在遇到重大的個人決定時,居然如此相信未曾謀面、無法確認是否可信的人。

-----廣告,請繼續往下閱讀-----

我們有七成相信網路上的顧客評論,但外頭到處都有造假者,不只是一、兩個被抓到替自己的作品說好話、給對手差評的作者而已。[3]現在有系統化、高度組織的業者為了金錢利益,大量產出帶有偏見的資訊。網路的「假象工廠」付很多錢請人寫正面心得,比方說,美國創業者陶德•傑森•路瑟弗(Todd Jason Rutherford)靠網站GettingBookReviews.com,在短短一個月內就賺到兩萬八千美元。

自助出版的作家付他錢,以「量產」的規模幫自己的作品寫四或五顆星的書評。[4]分類廣告網站Craigslist.com上,有廣告承諾付錢給正面評論。[5]英國《泰晤士報》(The Times)二○一一年六月一項調查披露,飯店業者付一萬英鎊給專門公司,聘請寫手團隊刊登數百則假心得。[6]目前已經關站的postingonlygoodreviews.com,甚至還提供寫一千則正面評價的服務,一個月只要花費九百英鎊。[7]

在今天,這種「生意」落實到行銷活動時,通常不是那麼引人注目,但「偽草根」依舊是一門有利可圖的行業。伊利諾大學(University of Illinois)的劉兵教授,是資料探勘(data mining)的專家,他估計在今日所有的網路顧客評論中,有三分之一是假的。[8]其他人提出的數字比較低,介於五%至十%,但依舊令人擔憂。事實上,所有大型的使用者推薦網站,包含亞馬遜網路書店、TripAdvisor、專門推薦商家的Yelp等,幾乎都曾被指控刊出假評論。[9]

這股潮流很可能會持續下去,儘管美國聯邦貿易委員會(US Federal Trade Commission)最近提出,每則假評論最高可罰款一萬六千美元。[10]事實上,大家對「在地」專家評論的信任度愈超過傳統專家,對公民記者的信任度愈超過傳統的專業評論員,網路假造市場就愈可能茁壯成長。因為看了假書評而買了錯誤的書很討厭,但這不是什麼大事。跑去 TripAdvisor 上被推薦得像城堡的地方度蜜月,結果是個非常破爛的地方,雖然令人很生氣;但如果你因為造假的正面評論,不幸落到無德醫生的手上(今日幾乎什麼東西都有好評推薦,包括不少醫生),則可能會有災難性的後果。

-----廣告,請繼續往下閱讀-----

因此,在你依據 healthgrades.com 上的說法選擇外科醫師之前,或是依據TripAdvisor上的精選評論挑選蜜月地點之前,不要只考慮發文者的品味是否與你類似,以及前幾個步驟提過的其他重點。你甚至還要考慮寫心得的人可能根本不存在,或是他寫心得可能可以拿到錢。偽草根運動的範圍,不只有因為假評論而誤導的產品或服務,問題不只是你可能依據這樣的錯誤資訊,選擇購買錯誤的產品,或請教錯誤的專家。這類網路造假的活動,正在滲透愈來愈多的領域,就連世界各國的政治人物也在加入這場遊戲。

五毛黨與網路殭屍

據說,中國政府雇用了二十八萬人,在聊天室、新聞評論區與社群網站,寫下支持政府的評論,引導人們停止討論敏感議題。這些人被稱為「五毛黨」,因為他們每發表一篇文章,可以拿到○•五元人民幣。[11]與美國政府合作的安全科技公司HBGary聯邦(HBGary Federal),二○一一年被不明團體駭入,結果發現美國政府也預備投資偽草根運動,規模可能更大。華盛頓似乎正在找人投標,預備研發「人員管理」(persona management)軟體,以幫助偽草根者建立社群媒體「殭屍」(bot)大軍,貼出支持政府的評論。[12]

這類特殊的評論造假者,不僅高度複雜,也具有高度的欺騙性。HBGary聯邦的假草根軟體替新帳號製造歷史,不只會自動製造背景故事,還會產生網路生活,更有完整的假社群朋友與聯絡人,應有盡有,你很難分辨真人與網路殭屍。事實上,所有真人可能擁有的網路資料,這種軟體都可以製造,包含姓名、電子郵件、臉書與推特帳號,要什麼有什麼。如果你點進那個帳號,看起來會像一個真人活了好幾年正常網路生活。[13]

雖然HBGary聯邦從未拿到美國政府的合約(大概是因為那次的駭客事件),我們能否確認美國聯邦機構不曾透過不同包商,部署類似「以假亂真」的網路殭屍?這些網路機器人的習慣愈來愈「真」後,它們愚弄我們的能力將大幅增強。有些網路機器人現在能夠「回應」即時事件,遵守正常的睡眠/清醒循環,可以依據你所預期的真人作息時間與事件主題,發表推文。不用花太多腦力,就可以想像公司、組織,甚至是個人可以如何利用這樣的科技,製造出網路上的「聊天」。「哇!我正在非洲旅行。這台Nikon相機超棒的!」旁邊還附了一張非洲熱帶草原的照片。[14]電視才剛播出,卡麥隆在選舉辯論上的傑出表現就被貼出來。

-----廣告,請繼續往下閱讀-----

這個問題可能愈演愈烈。臉書最近公布,七%的整體臉書使用者是假帳號和分身,也就是說光是在那個媒體上,就有八三○九萬可能的網路機器人。[15]雖然這些帳號可能很多還是真人,只是害怕資料可能被蒐集販售,因此選擇匿名或用假名申請臉書帳號,不是刻意造假,然而這些殭屍帳號可能代表誰的利益?那些為了錢發文章的人是在替誰做事?它們可能希望將你引向何處?某個特定產品、政黨或意識形態?它們可能希望左右你哪些決定?


老虎和蛇立體書迷你

本文摘錄自《老虎、蛇和牧羊人的背後》,大塊文化出版

參考資料:

  1. Shakespeare, W. (1599). Julius Caesar, I, ii, lines 315-316. First Folio.
  2. US Congressional Senate Committee on Finance (1986). Tax Reform Proposals: People Below the Poverty Line, p.85; Barrett, G. (ed.) (2004). Hatchet Jobs and Hardball: The Oxford Dictionary of American Political Slang. Oxford University Press, New York, NY, p.34; Washington Post (1985). That Import Surcharge.
  3. Nielsen Report (2012). Global Trust in Advertising and Brand Messages 2012; Flood, A. (2012). Sock puppetry and fake reviews: publish and be damned. Guardian. http://www.guardian.co.uk/books/2012/sep/04/ sock-puppetry-publish-be-damned.
  4. Streitfeld, D. (2012). The Best Book Reviews Money Can Buy. New York Times. http://www.nytimes.com/2012/08/26/business/book-reviewers-for-hire-meet-a-demand-for-online-raves.html.
  5. 參見Huffington Post (2013). Craigslist Yelp Ad Offers Money in Exchange for Good New York Restaurant Reviews. http://www.huffingtonpost.com/2013/05/14/craigslist-yelp-money-restaurant-reviews_n_3271982.html。
  6. 19 Kenber, B. (2011). Yours for a price – a better reputation online. The Times, 2 June 2011.
  7. 參見 Starmer-Smith, C. (2010). Tripadvisor Reviews: Can we trust them. http://www.telegraph.co.uk/travel/hotels/8050127/Tripadvisor- reviews-can-we-trust-them.html; http://postingpositivereviews.blogspot.co.uk; http://www.ripoffreport.com/Search/748386.aspx。
  8. Liu, B., Mukherjee, A. & Glance, N. (2012). Spotting Fake Reviewer Groups in Consumer Reviews. International World Wide Web Conference Committee. http://www.cs.uic.edu/~liub/publications/WWW-2012-group-spam-camera-final.pdf.
  9. 參見Richards, K. (2009). Yelp and the business of extortion 2.0. East Bay Express. http://www.eastbayexpress.com/oakland/yelp-and-the-business-of-extortion-20/Content?oid=1176635&showFullText=true。這個連結有Yelp被指控的案件:http://www.wired.com/images_blogs/threatlevel/2010/02/yelp-cpt-filed.pdf。事件曝光後,相關訴訟在二○一一年被駁回,因為此事「僅提出Yelp假造或操縱內容的可能性。」Fowler, G. (2011). Judge Dismisses Suit Against Yelp. Wall Street Journal. http://online.wsj.com/article/SB10001424052970204505304577002170423750412.html. 關於亞馬遜網路書店的案例,請參見 Flood, A. (2012). Sock puppetry and fake reviews: publish and be damned. Guardian. http://www.guardian.co.uk/books/2012/sep/04/sock-puppetry-publish-be-damned。關於TripAdvisor的案例,請參見Starmer-Smith, C. (2010). Fake Tripadvisor reviewers face legal action. Telegraph. http://www.telegraph.co.uk/travel/travelnews/8079786/Fake-Tripadvisor-reviewers-face-legal-action.html。
  10. Federal Trade Commission (2010). In the Matter of Reverb Communications Inc. et al. http://www.ftc.gov/os/caselist/0923199/index.shtm.
  11. MacKinnon, R. (2010). Testimony at the hearing ‘China, the Internet, and Google’. http://rconversation.blogs.com/MacKinnonCECC_Mar1.pdf; Bandurski, D. (2008). China’s Guerrilla War for the Web. Far Eastern Economic Review, July 2008. www.upf.edu/materials/fhuma/xiin/mat/guerrilla_war1.pdf.
  12. Jakobsson, M. (2012). The Death of the Internet. John Wiley, Hoboken, NJ, p.234.
  13. Doctorow, C. (2011). HBGary’s High Volume Astroturfing Technology and the Feds Who Requested It. Boing Boing. http://boingboing.net/2011/02/18/hbgarys-high-volume.html.
  14. Hwang, T., Pearce, I. & Nanis, M. (2012). Socialbots: Voices from the Front. Interactions. http://www.gm.fh-koeln.de/~hk/lehre/sgmci/ss2012/material/Socialbots_VoicesFromTheFront.pdf; Ehrenberg, R. (2012). Social Media Sway. Science News. http://www.sciencenews.org/index.php/issue/view/feature/id/345532/title/Social_Media_Sway.
  15. Eaton, E. (2012). There are more ‘Fake’ People on Facebook than Real Ones on Instagram. Fast Company.
-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

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

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
言語的強大力量-《老虎、蛇和牧羊人的背後》
PanSci_96
・2015/01/13 ・1976字 ・閱讀時間約 4 分鐘 ・SR值 549 ・八年級

-----廣告,請繼續往下閱讀-----

讓我們來剖析一下小布希總統(George W. Bush)二○○三年的國情咨文(State of the Union
address),一小段就好,當時美國政治圈正在「討論」是否對伊拉克開戰。

化學藥劑、致命病毒、潛伏在暗處的恐怖分子網絡不容易抑制。想像一下,那十九個帶著其他武器和計劃的劫持者,這次由海珊(Saddam Hussein)協助武裝。只要一小瓶、一小罐、一個箱子被偷運進這個國家,就會帶給我們史無前例的恐怖之日。

不過幾行字,你很難忽視其中的大量修辭。布希是在令人聯想起九一一事件,他將那個恐怖之日與海珊連結在一起。他用了「想像一下」這個廣告人士熱愛的字詞,事實證明這幾個字能讓消費者暫時放下懷疑。在短短幾秒鐘之內,布希並列使用「化學」、「病毒」、「潛伏暗處」、「恐怖分子」、「一小瓶」、「恐怖」幾個字詞。只要再加上「希特勒」與「共產主義」兩個字詞,然後再加上幾次「他們」與「我們」(布希接下來的確這麼做了),美國政治學家塞繆爾•杭廷頓(Samuel Huntington)的「文明衝突論」(The Clash of Civilisations),就活生生在我們的客廳中上演。

圖片來源:Quasic@flickr, by CC 2.0

這場演講過後,由《華盛頓郵報》(The Washington Post)和美國廣播公司新聞台(ABC News)公布的第一個民調,顯示出布希遣詞用字的力量。布希當局得到有史以來與伊拉克開戰的最高支持度:六六%的受訪者支持軍事行動,兩週前的支持率則是五七%。雖然布希的演講缺乏事實,極度缺乏讓一個國家參戰的合理證據,但許多民眾被敘事方式與令人恐懼的關鍵字動搖。很多美國人在這項議題上做決定時,依據的不是大量有效的資訊,而是情緒性語言。這是個淵遠流長的技巧,幾世紀以來的領袖都用過,而且的確有用—再一次,我們臣服於精心雕琢的語言之下,無論是在超市或投票所中。

-----廣告,請繼續往下閱讀-----

看過這幾個例子之後,你現在對於高度修飾的字詞可能會比較有戒心了。然而要小心,不一定要一連串的字詞才能動搖我們,幾個簡單的形容詞可能也同樣有力。某項研究請受測者為兩盤菜打分數,一盤的菜名是「鮮嫩多汁義式魚排」,另一盤是普通常見的「鮮魚排」,結果「鮮嫩多汁」那盤得到比較高的分數,儘管兩盤其實是一模一樣的東西。

同樣地,一樣的雞肉,一道命名為「烤雞」,另一道則命名為「香嫩炭烤雞肉」,後者被評論為比較好吃、比較齒頰留香。[1]只不過是幾個精心挑選的簡單字詞,彷彿就能改變我們的味蕾體驗,真是令人驚奇。下次你在速食餐廳排隊時,不妨記住這件事。

你可能也會想留意最近的一項研究:履歷用字如何影響工作應徵。結果顯示,相較於用第一人稱條列式呈現履歷的應徵者,例如「我負責和全球客戶溝通」或「我管理大型部門」,以第三人稱條列式呈現履歷的應徵者,例如「負責國際業務」或「管理大型部門」,通常被視為更可靠、更不像在自誇、更適合團隊工作的適任應徵者,雖然這兩種履歷的職務內容基本上一模一樣。[2]

再來看看史丹佛大學(Stanford University)最近的一項實驗,這項實驗提到一個充滿犯罪的美國假想城市艾迪遜(Addison),要求兩組受測者提出打擊犯罪的建議,兩組受測者拿到的是一模一樣的文字:

-----廣告,請繼續往下閱讀-----

五年前,艾迪遜市情況良好,沒有明顯弱點。不幸的是,在過去五年間,這座城市的防禦體系被削弱,犯罪開始橫行。現在,每年有五萬五千起以上的犯罪事件,每年多出一萬多起。市民擔心,如果這座城市不快點振作,可能會發生比現在甚至更嚴重的問題。

不過,這兩組受測者拿到的報告標題有點不同,第一組拿到的是〈犯罪這頭野獸,正在蹂躪艾迪遜市〉,第二組拿到的是〈犯罪這個病毒,正在蹂躪艾迪遜市〉。雖然只有一個詞彙不同,卻有巨大的影響力。拿到標題是「犯罪這頭野獸」的受測者,提議「圍捕」策略的比例高出許多—雇用更多警力、建造更多監獄等。拿到標題是「犯罪這個病毒」的受測者,不成比例地傾向「治癒」的遏止法—採取犯罪防制策略,或是進行教育改造或社會改造。

這和受測者是民主黨或共和黨無關,也和他們是保守/自由心態或男女老少無關;此外,絕大多數的受測者完全沒有發現,「病毒」與「野獸」的隱喻框架影響著他們的決定。當他們被問及該報告中哪個部分對決策過程有著最大的影響,只有三%的人正確指出關鍵是標題的隱喻。[3]

這實在令人難以置信,原來我們在形成意見與做決定時,這麼容易受到語言細微末節的影響。原來這些小地方這麼具有說服力,但我們渾然不知,一而再再而三地受到影響。此外,還有一些貌似沒什麼的微小語義轉換,也對我們的決策起了重大影響。


老虎和蛇立體書迷你本文節錄自《老虎、蛇和牧羊人的背後》,大塊文化出版

-----廣告,請繼續往下閱讀-----

 

參考資料:

  1. Wansink, B. et al. (2005). How Descriptive Food Names Bias Sensory Perception in Restaurants. Food Quality and Preference. Science Direct, 16, 5, 393-400.
  2. Kliger, D., Kudryavtsev, A., Puhan, T., Vogel, R. & Tal Or, N. (2012). The HeUristic: First-Body vs. Third-Body Presentation Impression Effect on Employment Decisions. Unpublished manuscript.
  3. Thibodeau, P.H. & Boroditsky, L. (2011). Metaphors we think with: The role of metaphor in reasoning. PLoS ONE, 6, 20, 1-11. http://www.plosone.org/article/infopercent3Adoipercent2F10.1371percent2Fjournal.pone.0016782.
-----廣告,請繼續往下閱讀-----