Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

為了帝國而戰 —《風中的瑪利亞》

PanSci_96
・2015/01/28 ・2684字 ・閱讀時間約 5 分鐘 ・SR值 490 ・五年級

Vespa mandarinia
Vespa mandarinia, credit: photo pin

(本文摘自《風中的瑪利亞》,春天出版社出版)

帝國以十萬火急的速度,為新女王蜂建造大型的房室。每次造好新的房室,「偉大之母」便會在裡頭產卵。從這些卵中孵化出的,全是「新女王蜂」。

整個帝國都為了新世代而開始運作起來。能親眼見證這個時代,令瑪利亞感到喜不自勝。那是當初建造帝國的基礎、鞠躬盡瘁的姊姊們無法親眼見識的「新時代」。瑪利亞懷著更加強烈的使命感出外狩獵,但昆蟲正極速從森林和原野中消失。儘管如此,因為工蜂姊妹們數量增加的緣故,她們還是得以養活幼蟲們。

如今帝國已即將達到顛峰,工蜂數量直逼三百隻,也靜靜地持續進行著世代交替。原本活躍於第一線的姊姊們,走下舞台,將位子讓給了妹妹們。工蜂很少會在巢內壽終正寢,大部分是在出外狩獵或拾取築巢材料時,就此一去不返。

-----廣告,請繼續往下閱讀-----

現在的瑪利亞在工蜂中的力量、資歷及豐富的經驗,已是足以代表帝國的獵人,妹妹們都對她無比敬重。但金龜子和天牛幾乎已從雜樹林中絕跡,使得瑪利亞的狩獵成果每況愈下,情況嚴重時,飛了近兩小時卻連一隻蟲子也找不到。

她來到了東邊草原。明知道此舉有風險,但瑪利亞還是想進入草叢中試試運氣。她藉著蟋蟀的叫聲展開搜索,將全身神經專注在觸角,並在草叢上展開警戒飛行。這時,她發現前方麒麟草上停著一隻小型蜻蜓,秋赤蜻,鮮紅的身體特別醒目。

蜻蜓的視野幾乎沒有死角,唯有正後方下面無法掌握。瑪利亞小心不發出振翅聲,悄悄從秋赤蜻正後方下面逼近。等接近後,她一口氣加快速度,襲向秋赤蜻,以銳爪捉住他的身軀,一口咬向他胸部。秋赤蜻振動翅膀,用力掙扎,但瑪利亞的利牙深深刺進他胸部裡,秋赤蜻就此喪命。

瑪利亞在麒麟草上方替秋赤蜻解體--就在這時,秋赤蜻的身體被人奪走。仔細一看,原來是在同一株麒麟草上有一隻大螳螂以鐮刀捉走了秋赤蜻。

-----廣告,請繼續往下閱讀-----

「那是我的。」瑪利亞說。「請妳別用搶的好嗎?」

「我在妳之前就已經鎖定他了。這是我的獵物。」大螳螂如此說道,便開始吃起了秋赤蜻,啃得卡滋作響。

「妳要是再不放手,小心有你苦頭好吃。」瑪利亞百出戰鬥姿勢說道。

「惡名昭彰的虎頭蜂一族在向我下命令是嗎?」

-----廣告,請繼續往下閱讀-----

「說到惡名昭彰,我們彼此彼此。」

瑪利亞仔細打量對方的體格,在過去見過的大螳螂中,算是體型最大的一隻。身長是瑪麗亞的兩倍多,長逾十公分,光鐮刀的長度就比瑪利亞還長。瑪利亞雖曾和大螳螂及寬腹螳螂對戰過,但她還不曾與如此巨大的傢伙交手。

大螳螂自信滿滿地望著瑪利亞,神色自若地啃食著秋赤蜻。「打從我出生到現在,可是身經百戰呢。」

「我也是。」瑪利亞此話一出,感覺大螳螂全身怒氣勃發。

-----廣告,請繼續往下閱讀-----

「不,不對!」大螳螂語帶不屑地說道。

「妳們出生時有母親。而且由強大帝國裡的姊姊們養育長大,可以無險地成為成蟲。但我們出生時,沒有母親保護,和好幾百隻同伴一起,帶著小得可憐的身體誕生在這世上。打從一出生就置身戰場,遭遇螞蟻大軍的襲擊,我許多兄弟姊妹就這樣被拖進螞蟻巢穴裡。我們就是那麼弱小,連小小的螞蟻都能收拾我們。在那樣的困境下,我們努力地存活下來。蜘蛛、蜂、蜻蜓、蚱蜢,所有肉食性昆蟲都是我們的敵人,其中長腳蜂尤其恐怖。當初一起出生的同伴們,幾乎都來不及長大就死了。我一直不斷地戰鬥,遠比妳經歷的還要嚴峻,我戰勝了每一場戰役,有時也會吃自己的同伴,才長成現在的樣子。」

「或許是吧,不過這種事沒什麼好得意的。所有昆蟲為了求生,都是卯足了全力在戰鬥。」

「不會對我保持敬意的,就只有妳們虎頭蜂一族。哼。妳以為妳贏得了我對吧,夏末時,我可是逮住過大虎頭蜂的女王蜂,她正在吸食樹液,我當場便吃了她。她體格比妳大多了。」

-----廣告,請繼續往下閱讀-----

瑪利亞心想,那隻女王蜂恐怕是處女女王蜂吧。活到了夏末,大限將至。既不築巢,也不排卵,最後進了螳螂的肚子裡。

「也該動手了。」大螳螂如此說道,掄起她的鐮刀,緩緩朝瑪利亞逼近。螳螂的鐮刀只要一碰到物體便會往內折,將對方拉向自己。要是被她那兩把鐮刀逮著,肯定無法脫身。瑪利亞全神貫注地與她保持距離。

這時,大螳螂的眼睛動了一下,那把鐮刀以迅雷之速橫掃而來。在千鈞一髮之際,瑪利亞側身閃過。正當瑪利亞想往前飛撲時,鐮刀再度展開攻勢。瑪利亞同樣扭身避開。

「挺厲害的嘛。」大螳螂道。

-----廣告,請繼續往下閱讀-----

風中的瑪利亞瑪利亞明白這敵人不好對付。她那對鐮刀的速度無與倫比,而且擅長遠距離攻擊。她是身經百戰的強手,站在她面前會有危險。瑪利亞飛向空中,在大螳螂頭頂盤旋。大螳螂的正面無懈可擊,她的弱點在於纖細的脖子。最好的做法,就是從鐮刀搆不到的後方展開攻擊,在脖子咬上一口,就能贏了。瑪利亞在空中飛行,繞到她身後,看準脖子。

大螳螂雖然體格巨大,卻以驚人的俐落動作改變方向,對瑪利亞展開迎擊。鐮刀以驚人的速杜揮出,上面有鋸齒狀的利刃,多次劃中瑪利亞的身軀,在她身上留下多道傷痕。瑪利亞在麒麟草上盤旋,找尋對手的破綻,但大螳螂始終守得滴水不漏。

這時一陣風吹來,麒麟草一陣搖晃,大螳螂就此失去平衡。瑪利亞馬上朝大螳螂的喉部咬下,但咬得太淺,沒造成致命傷。

大螳螂以鐮刀將瑪利亞甩開,從麒麟草上躍下。她看出在草上戰鬥對她不利,便想引誘瑪利亞到地面展開肉搏戰。地面四周都是濃密的雜草,無法展開瑪利亞擅長的空戰,但瑪利亞仍降落地面,接受對方的肉搏挑釁。

-----廣告,請繼續往下閱讀-----

「看我宰了妳。就算是最強的虎頭蜂,一旦沒辦法飛,力量馬上減弱一半。」她說得沒錯。在草叢裡,實在難以欺近大螳螂背後,只能從正面肉搏中找活路。

脖子負傷的大螳螂高舉鐮刀一揮。瑪利亞沉身避開,同時衝向她,張口大咬她的右鐮刀根部。大虎頭蜂的利牙,擁有連堅硬的青剛櫟樹皮也能咬下的力量。她將利牙嵌進鐮刀根部後,使勁一把扯下大螳螂的鐮刀。

贏了!正當瑪利亞腦中閃過這個念頭時,她的身體被大螳螂剩下的左臂鐮刀逮住。瑪利亞想甩開它,但鐮刀緊緊扣住她的身體,無法撼動分毫。儘管只剩一臂,大螳螂依然力大無窮。

「我要把妳生吞活剝!」大螳螂咬向瑪利亞柔軟的腹部。

瑪利亞轉以大顎咬向緊扣住她的鐮刀,使出渾身力氣,嵌入利牙。只聽見啪擦一聲。鐮刀硬聲折斷。瑪利亞從中脫身,撲向大螳螂,以兩腳抓住她胸膛,張口再咬她的脖子。大螳螂以斷掉的左鐮刀夾住瑪利亞,但她不予理會,以利牙一再朝大螳螂脖子狂咬。大螳螂的脖子一陣搖晃,鐮刀的力量就此洩去。

「我輸了。當初被我殺掉的那些傢伙,也都是這種死法對吧。」這是大螳螂最後說的話,而瑪利亞沒有回答。

本文摘自《風中的瑪利亞》,春天出版社出版。

-----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

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。