0

0
0

文字

分享

0
0
0

臉書與大數據 — 《遙測個人時代》

PanSci_96
・2015/03/01 ・1959字 ・閱讀時間約 4 分鐘 ・SR值 507 ・六年級

臉書如何把你變成廣告

1209

如果二○一○年八月十四日到十月四日間你有在用臉書,或許你也成了實驗的一員。臉書把二億五千三百萬名用戶變成感染效應研究的實驗受試者。所謂的感染效應,不是說臉書創辦人馬克.祖克柏(Mark Zuckerberg)放出一堆病毒到自來水裡(他還沒)。臉書資料科學團隊正在監看的感染事件和資訊有關,那就是 URL 以及它們如何透過人們傳開來。

實驗是這樣做的:你被隨機分派到兩群人裡的一群。如果你被放到第一群,則當某位朋友發表一則故事時,你在動態消息看到它的狀況一如往常。如果你在第二群,那個故事在動態消息裡被排更下面的地方,使它更不容易被看見。實驗目的是檢驗用戶在不知道有人已分享過的狀況下,分享新聞、影片、或連結的可能性。臉書對資訊傳染性的興趣不只出於好奇。顧客的朋友的臉書動態,是顧客有多可能拋棄某個公司或品牌、或養成一個新習慣(以及其他事)的指標。

臉書這個實驗的主持人是艾坦. 巴克希(Eytan Bakshy),是資料科學團隊的明星成員。巴克希本人非常年輕,就擁有這樣令人稱羨的工作,能擁有數億用戶供他實驗。他身上帶著電視人物「倫納德」的特質—這個人物是電視喜劇《宅男行不行》(The Big Bang Theory)中,強尼.格萊奇(Johnny Galecki)飾演的實驗物理學家。但巴克希看起來更嚴肅一點…也更聰明一點。

臉書團隊知道,如果他們能證明使用者在沒有朋友分享過某樣東西時分享它的可能性,也就證明了使用者從朋友那裡看到連結再分享的可能性多了多少。促使人們在越來越大的社交網中分享資訊,就是臉書的價值所在。能夠證明臉書動態消息以及其中分享的資訊能造成行為改變,是臉書商業模式極重要的一個功用。巴克希和他的團隊發現,你分享一篇朋友所分享文章的可能性,是沒有社交提示時分享它的七.三七倍。這個實驗也讓臉書看出,一個更困難的問題有個更有賺頭的答案:你和不同人的關係,如何影響你喜歡他們所喜歡東西的可能性。

-----廣告,請繼續往下閱讀-----

由於所謂的同質相吸(homophily)現象,也就是類似的人展現出類似行為的傾向,了解購買行為中誰正在影響誰,是個模糊的問題。如果你和我都上人文學院,都有同樣收入,工作性質類似,又都有一些重疊的人口統計特性,我們就很可能會各自獨立地轉貼一篇《紐約時報》裡的大報導在臉書上。如果這篇文章出現在你的動態之前就出現在我的動態,就不清楚是否我影響了你去轉貼它。你可能只是剛好在我轉貼之後看到那篇文章。資料科學團隊的實驗提供公式來判斷社交網中誰啟發誰分享什麼。但該研究最令人驚訝的發現是,跟你最親近的人對你在網路上行為的影響力,不一定大於那些名義上的朋友、那些跟你在真實世界頂多只泛泛之交的人。

source:ehow
source:ehow

在臉書上找真朋友

事實證明,臉書對於想區分假朋友和真朋友的研究者特別有用。在社會學裡,這兩群人有時被稱為弱連結(weak tie)與強連結(strong tie),這是社會學家馬克.格蘭諾維特(Mark Granovetter)於一九七三年所提出。我們的強連結是我們經常與之互動的人,包括家人、朋友、和我們有許多共通點的人、以及有很多同質性的人。我們的弱連結是不知為何被我們加進朋友名單的人。實體世界中,弱連結包括你偶爾來往的人、在雞尾酒會遇到的印象中挺有趣的女孩(你甚至可能不記得名字了)。在有社群網站之前,這些弱連結可能會維持一陣子,然後就被遺忘了。在臉書上,你的弱連結透過動態保持可見, 即使你和他們鮮少有互動。

這個實驗顯示,弱連結加起來對你的分享行為的影響,甚至比你的朋友和家人更強。他們扮演一個重要角色,把我們平常生活圈外的新聞與刺激介紹給我們。「這些人分享的資訊,是來自我們可能不常接觸的地方。看到這些用戶的分享後,你再次分享出去的機會就倍增。令人意外的是,雖然強連結的個人比較有影響力,但弱連節整體的影響力更大。」巴克希告訴眾人。儘管臉書給人的印象是大家多半都在上面發表小孩、寵物等私人照片,事實上人們分享的大部分連結、文章和其他內容都是來自弱連結。這並不私人,只是些新聞、請求、不爽貓趣味照等別處看來的東西。但巴克希說,它讓臉書更能預測個人用戶會對哪種內容、哪些流行梗、引人爭議的網誌文章、以及其他材料較有反應。證據顯示這個方法有用。儘管臉書近來被說成落伍的社群網站,在一些主要衡量基準上,它仍然是主宰者,或許其中最重要的是上站時間。臉書用戶平均每天花將近一小時上臉書,遠比使用者花在任何其他社群網站更久。不,我們和臉書的關係已經不像過去那樣令人興奮了。但它是穩定的,甚至很像婚姻關係。

這也讓臉書能夠更好地預測你的朋友名單中,不管是真朋友或弱連結,哪些人更能讓你想買某樣東西,以及影響力多大。

-----廣告,請繼續往下閱讀-----

本文摘錄自《遙測個人時代:如何運用大數據算出未來,全面改變你的人生》遠流出版

-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1293 篇文章 ・ 2683 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
AI 可以設計散熱,但誰敢讓它出貨?林唯耕談算力背後的物理現實
鳥苷三磷酸 (PanSci Promo)_96
・2026/08/20 ・2819字 ・閱讀時間約 5 分鐘

本文由 高柏科技 合作,泛科學撰文

林唯耕剛回台灣任教時,曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏,那股刺鼻的氣味瞬間瀰漫整棟大樓,引來眾多師生抗議。

「從此以後,我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中,帶著笑意回憶這段往事。

這段插曲聽來像是一則工程師的寓言:在理論模型中,氨是太空熱控系統的理想介質;但在現實的辦公大樓裡,它首先是逼人逃竄的臭味。公式本身沒有錯,但現實世界永遠比公式更複雜——它包含了人、成本、風險,以及必須為後果負責的工程師。

-----廣告,請繼續往下閱讀-----

高柏科技技術專家、清華大學榮譽退休教授林唯耕 ,曾任職於美國 OAO 工程部熱流組,深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球,他鑽研一輩子的老問題再次被推向科技產業的核心:當晶片運算速度無止境攀升,那股伴隨而生的熱,究竟該往哪裡去?

熱不會讀新品發表會

科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗,彷彿進步毫無邊界。然而,每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化,一旦設備過熱,系統便會降頻保護。在物理現實面前,再動聽的發表會敘事也必須低頭。

晶片會發熱、材料會疲勞老化,一旦設備過熱,系統便會降頻保護 / 圖片:envato

回顧個人電腦發展早期,晶片幾乎不需專屬散熱元件。隨後,鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級,其實更像是對空間的極限勒索:晶片功率翻倍,發熱源的面積卻沒變大,機箱空間也不可能無限擴張。

林唯耕指出,散熱設計的核心只有三要素:功率、熱源面積與空間限制。他舉例,在標準的 1U 機箱中,若發熱面積約為三十乘三十毫米,氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數,而是取決於空間、面積與氣流的動態平衡。最現實的代價在於,風扇轉速提升的背後,是噪音、電力損耗與空間占用。

-----廣告,請繼續往下閱讀-----

因此,「液冷技術」的興起並非單純為了追求酷炫,而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱,卻也將新的挑戰帶入機房:漏液風險、流道堵塞、材料相容性,以及維運時的難度。工程的進步,本質上鮮少是徹底消滅問題,更多時候是選擇一組「比較值得承擔」的新問題。

太空教他的,不是把答案搬回地面

太空熱控工程之所以迷人,是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中,沒有空氣能讓風扇製造對流;受光面溫度破百度,陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射,以及熱管與環路型熱管(LHP)來搬移熱能。

熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱,冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力:在他設定的特定條件下,實心銅塊約能傳導 120 瓦的熱能;但若每秒有一立方公分的水發生蒸發相變,移熱量可瞬間拉升至 2.4 千瓦(kW)。他強調「每秒」的觀念,因為散熱談的是動態流動速率,而非靜態的冷卻魔法。

儘管如此,太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度,偏好無馬達幫浦的被動式設計;但地面 AI 伺服器面臨更高的熱負載與環境溫度,往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒:技術是否「先進」,與它是否「適合」當下的場景,始終是兩回事。

-----廣告,請繼續往下閱讀-----
他強調「每秒」的觀念,因為散熱談的是動態流動速率,而非靜態的冷卻魔法。/圖片:envato

好論文,為什麼仍可能造不出好產品

學術研究致力於證明「可行性」,而工業現場則要求「可重複性」——不僅要能運作,還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據,在產線上往往未必管用。

他從不避談失敗。在高柏科技早期與學界合作時,也曾遇過實驗數據無法複製,或研究方向偏離產業需求。這未必是雙方努力不夠,而是彼此對「成功」的標準不同。為了解決這道鴻溝,高柏科技推動「柏苗啟航創新培育計畫」,每年投入逾千萬資金與成大、中山、台科大等校合作,並指派專業人才在過程中持續微調、校正,確保研發貼近產線現實。

他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測,但由於儀器預設以「水」校正,換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算,卻發現缺乏重複性,數據甚至推導出不合理的蒸發率。最後團隊回歸基本面,改用秤重法搭配能量平衡進行交叉驗證,才讓數據成功收斂。

這個故事真正的價值不在於「產學雙贏」的口號,而在於那段不夠優雅的挫折:假設失效、數據混亂、方法砍掉重練。也正是在這種時刻,企業需要的不只是會算數的人才,而是能洞察研究何時「走鐘」,並有權力喊停、要求重來的關鍵決策者。

-----廣告,請繼續往下閱讀-----

林唯耕坦言,過去在校園裡總認為「技術第一、成本第二」,進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽,卻是產品能否進入市場的殘酷真相。再卓越的散熱設計,若無法穩定生產或贏得客戶信任,也僅止於一份精美的報告。

AI 會給答案,誰來負責出貨?

訪談尾聲,主持人國威提出了一個時代難題:假設 AI 能在彈指間生成散熱架構、材料配方與流道設計,企業該選擇全面擁抱 AI 的速度,還是保留緩慢但穩定的工程驗證,以規避潛在的失效風險?

林唯耕拒絕落入二選一的框架。他的觀點是:兩者並存。AI 擅長處理資訊、生成草案;但工程師仍須實作原型,進行嚴苛的性能與可靠度測試,最終由人決定是否出貨。這並非盲目崇拜人類直覺,而是基於一項事實:AI 的資料庫裡,通常沒記載下一次「意外洩漏」或「材料疲勞」的細節,且模型永遠無法為量產結果擔負法律與商業責任。

在 AI 時代,最稀缺的未必是熟練下指令(Prompt)的人,而是具備這種能力的人:能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來,並且願意為最終的量產品質負起責任。

-----廣告,請繼續往下閱讀-----

大眾習慣將雲端想像成輕盈、無重量的空間。但現實中,雲端是由龐大的機房架構而成,裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張,都會在實體世界留下發熱的足跡。散熱工程師的價值,就是不讓這筆物理帳單,被埋沒在光鮮亮麗的投影片背後。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
249 篇文章 ・ 320 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia