Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

跟星空賽跑! 天文馬拉松第十年

劉珈均
・2015/04/02 ・4111字 ・閱讀時間約 8 分鐘 ・SR值 516 ・六年級

-----廣告,請繼續往下閱讀-----

墾丁梅西爾(劉紀忠攝)
貓鼻頭公園的梅西爾馬拉松現場。圖/劉紀忠攝。

夜晚行駛於墾丁的縣道上,左轉拐進往貓鼻頭公園的小路,會瞬間撞進一團漆黑──以及滿天星空!今年春分晚上,天文圈的盛事「梅西爾馬拉松」(Messier Marathon )就在這低調展開,十幾位天文迷通宵達旦,自力查星圖尋找星體,挑戰用一晚的時間觀測「梅西爾星表」上全部110個深空天體。

這任務並不簡單,多數梅西爾星體並非肉眼可見,必須透過大口徑望遠鏡觀測,參賽者從入夜時分到隔天清晨,一晚觀測110個天體,相當於一小時看十來個,平均5至6分鐘就要找到一個。不過,觀星節奏也是有區間的,星星隨時間遞移,有其觀測順序,參賽者黃冠夫說:「會稱做馬拉松就是因為你無法一口氣跑完全部,必須等它慢慢出來。」

台北市天文協會總幹事劉志安在雲南二度達成觀測全部星體的挑戰,屏東市唐榮國小校長施世治與嘉義高中地科老師黃冠夫在墾丁受天氣影響,分別觀測到102與101個。

舉辦梅西爾馬拉松有重重條件,首先是緯度,其次為時間、月相與天氣。現任台北市天文協會常務理事、十年前發起台灣梅馬的陶蕃麟說,北緯20至30度之間的地區最適合舉辦梅馬,過了這區域就無法於一晚之內觀測到全部星體;3月下旬至4月初的時間點最適當,否則部分星體會淹沒於暮光或曙光,活動也得盡量選在朔月以避開月亮這大光害;氣象就得看運氣了,台灣屬海洋型氣候,參賽者常常得在時間與雲氣的縫隙中抓住天體。

-----廣告,請繼續往下閱讀-----

18世紀彗星獵人的「詐騙集團目錄」

梅西爾(Charles Messier)是18世紀的法國天文學家,畢生致力搜尋新彗星,有些星體看起來是雲霧狀的模糊團塊,易與彗星混淆,梅西爾追蹤了幾個月才發現不是彗星,備感困擾。為了避免浪費時間在這些冒牌傢伙身上,他將之列成一份目錄以區分這些「詐騙集團」(星體編號的M即為梅西爾首字母)。

當年,梅西爾用的只是口徑5公分的小望遠鏡,解析力不佳,當時對天體的認識也不如今天,所以最初的星表包含了現今所知的星雲、星團和星系,還有一對雙星。梅西爾初衷是為了方便搜尋彗星,但此「梅西爾星表」反而變成梅西爾最廣為人知的成果,也成為今日天文迷觀測深空天體的入門表單(好啦,平衡一下,梅西爾一生觀測過44顆彗星,其中13顆是新發現的。而那年代總共僅有50顆彗星曾被觀測過)。

最初梅西爾馬拉松由美國一批業餘天文學家於70年代發起。1976年美國賓州的霍弗德(Tom Hoffelder)和瑞藍(Tom Reiland)兩人注意到,三月下旬到四月初這段期間,由天黑至黎明,梅西爾天體會全部依序出現,從M77開始至M30結束,可在一夜之間瀏覽完畢。

1977年兩人首度嘗試,但均未成功,1993年亞利桑那州的「巨人柱天文俱樂部」(Saguaro Astronomy Club)舉辦全州的梅馬,開始推動這項觀測競賽,其他地區也有天文迷跟進,梅西爾馬拉松才漸漸推廣到其他地區與國家如西班牙、印度北部,而目前梅馬最活躍的地方仍是美國。

-----廣告,請繼續往下閱讀-----

快!不能輸在起跑點!

剛入夜與晨曦時分很關鍵,觀星者必須與時間賽跑,M77、M74、M32、M110等很快就沉入地平線了;相反的,M30、M55、M75等星體則出現於東方泛白之時,不久便被晨光淹沒。最有挑戰性的是室女座區域由一連串星體組成的「馬卡萊恩長鍊(Markarian’s Chain)」以及后髮座附近,這些區域的天體又多又雜,十來個天體集中在一起,附近也沒亮星,一旦「迷路」,尋星路徑可能就得重來一次,考驗選手對夜空的熟悉度。

IMG_3918
傍晚時墾丁雲層厚重,讓參賽者錯失了M31、M32、M110、M52。圖/邵意翔攝。
IMG_3914(2)
參賽者正在調整望遠鏡,使尋星鏡中心和主鏡畫面一致。圖/邵意翔攝。

比賽採榮譽制,何謂「看見」是自由心證,參賽者找到天體後自行於大會發放的表格填入觀測時間,會後再交由大會統計成績。活動禁止使用追蹤或自動尋星設備(如進階赤道儀有「Goto」功能,只需要輸入目標天體編號,望遠鏡就會自動對準該星體),只能自力查圖表找天體。不過,天文迷之間流傳著一份「秘笈」,上有各星體亮度、找尋哪顆參考星、建議觀測順序等實用資訊。

黃冠夫自第二屆就開始參加,已是個梅馬老手,前兩年達成109與108個,逼近達標。他號稱十秒就能找到一個天體,還被其他人譽為「人體GOTO」。只見他拿著平板電腦,熟練的查看星圖軟體,鎖定方向,抓過口徑40公分的望遠鏡,目標天體已出現在目鏡視野裡了。一旁選手也忍不住表示:「他真的很扯!我們找了十幾分鐘的星體他一下子就找到了!」只可惜天氣不夠完美,有雲氣阻擋,「今年能破100就不錯了。」黃冠夫說。

他先找到一顆附近的亮星作為參考星,再參考星圖,對照視野裡與星圖中的星星排列形狀,將望遠鏡的圓形「視野」一步步朝目標方向靠近。有些位在偏遠暗處的星體附近完全沒亮星,要移十幾步才找的到。

-----廣告,請繼續往下閱讀-----

他解釋,人的大腦有內建「自動疊圖功能」,會將兩眼視覺合成為一個畫面,就像一邊看著顯微鏡一邊繪圖,視覺上會覺得物體上方似乎鋪了描圖紙,自己只是照著描;同樣的,以慣用眼看著夜空中的星星,另一眼望進尋星鏡一邊調整望遠鏡角度,會發現有兩顆星星想要疊合在一起,善用這技巧就能快速將望遠鏡瞄準參考星。

除了星體繁雜的區域需要一鼓作氣不間斷的觀測,黃冠夫口中的「發霉的星星」也是具挑戰性的對象,有些星系如M109,其型態沒有明亮的點狀核心,視覺上看起來是霧霧的團塊,「很多人不是看不到,而是看到了也不知道。必須靠星圖才會知道這霧霧的亮點不正常,是個星系(而不是一般星星)。」

「我老婆說我看到星星時,聲音就會高八度。」施世治身兼屏東天文協會會長,過去最好的戰果是觀測到105個天體,他笑著說:「那次前面沒抓到,後面睡著了。」有感於資源落差,他長期在屏東的小學推廣天文活動,帶小朋友看星星,去年還發起「天文聯盟學校」,逢天文奇景時會在網路直播。

DSC04444_副本
許多參賽者於黑暗中就著紅光查找星表資料。圖/邵意翔攝。
DSC04445
參賽者找到天體後自行在大會發的表格記錄下觀測時間,會後交由大會統計成績。圖/楊偉攝。

梅西爾馬拉松場地沒有路燈,即便相距不到一公尺,仍看不清對方的臉,黑暗中只見一盞盞來自於腳架末端或觀星者頭燈的微小紅光,幾副桌椅上擺滿星表資料。雖然這不是氣喘吁吁跑步的馬拉松,但通宵整晚也相當考驗體力,夜越來越深,有時觀星告一段落,參賽者會邀請其他人一起用望遠鏡看木星、土星等別的星體,或趁機休息一下,到車上或帳篷打個盹。

-----廣告,請繼續往下閱讀-----

除了正式的參賽者,19所高雄市高中天文社組成的「高雄天文幫」與一些天文迷也在現場徹夜觀星,累了就以天為被就地而眠,伴著幾種蟲鳴、海浪聲、快門線嗶嗶聲、望遠鏡尋星的聲音(天文攝影使用)。

「看久了就會跟星星很熟」 十年來僅劉志安達成挑戰

截至2014年,全球只有87個人次達成梅西爾馬拉松的挑戰,其中不乏重覆達標的人,如梅馬創始人之一麥克赫茲(Don Machholz)就完成了六次。而台灣舉辦梅馬十年以來只有劉志安一人於前年達成,只是他是賽後一個禮拜到昆陽觀星時自力挑戰,所以沒列入正式登記,今年他與陶蕃麟代表協會到雲南協辦活動,劉志安也再度成功觀測到110個星體。

DSC04403
劉志安觀測前調整望遠鏡。高美古天文台海拔3200公尺,為乾燥的大陸高原型氣候,適於觀星,但溫差相當大,白天20℃,入夜後降到0℃左右,不過這對常上山觀測的劉志安而言不是問題:「感覺跟在武嶺停車場差不多。」圖/楊偉攝。

他自第一屆梅馬就開始參與,對當時情況仍記憶猶新,主辦單位因陣雨中止比賽,他與朋友將箱型車的後車箱蓋拉起,作為遮雨棚躲雨,雲飄動得很快,陣雨結束,他們繼續在雲氣縫隙尋找星體,克難之下也看到了52個,「感覺像在玩打地鼠一樣!」

問及觀星技巧,劉志安說:「看星星久了就會跟星星很熟!」他自第一屆梅馬舉行前就常常上山看星星、自己找目標觀測,累積了十幾二十年,他現在可以不靠星圖就找到六成以上的梅西爾星體。參賽者之間流傳的必備觀星「秘笈」作者也正是劉志安,他謙虛的解釋,那是為演講或授課而製的講義,不知怎地就傳開了。

-----廣告,請繼續往下閱讀-----

劉志安向來被視為第一位完成梅馬的亞洲人,不過,他說近日結識了馬來西亞華僑林香耀,他在2001年參加亞利桑那州的梅馬就完成110個天體觀測,算起來他才是第一位完成梅馬的亞洲人。他與林香耀相約明年挑戰最高境界的「記憶梅西爾馬拉松賽」(Messier Memory Marathon, MMM),也就是完全不靠星圖,單憑記憶搜尋梅西爾天體!

台灣梅馬第十年 同步跨點到雲南

回顧台灣過去活動歷程充滿不少波折,第一年天氣不佳,還下起陣雨,主辦單位決定中止競賽,三位選手在風雨中繼續奮戰;有一年與春吶活動撞場地,只好臨時移換陣地,在夜遊遊客與聲光干擾下進行;前年天氣晴朗,整晚星光燦爛,唯獨日出前東方一片雲朵遮擋了最後一個目標M30,使得兩位好手劉志安與黃冠夫以109個天體飲恨。

自2006年起,台北市立天文協會已主辦了十年的梅西爾馬拉松,天文協會今年還與雲南高美古天文台合作,協辦中國第一屆梅馬。陶蕃麟述說當時發起梅馬的契機:「看星座只是初階入門,要進階就要導入目標觀測。」台灣業餘天文活動多以星空觀賞或天文攝影為主,而梅馬可讓參賽者熟悉望遠鏡操作,提升業餘觀測程度,從較容易的明亮目標進入星雲、星團、星系等暗弱天體的領域,進而培力參與月掩星、小行星掩星等更高階且需要大量業餘人士參與的觀測活動。

IMG_6544
雲南高美古天文台梅馬現場的星軌。圖/楊偉攝。
Startrails.2
貓鼻頭公園梅馬現場的星軌,來自墾丁的光害襲上了北邊夜空,有四五年參賽經驗的莊宗憲說今年光害特別嚴重。圖/邵意翔、劉珈均攝。
DSC04432
在貓鼻頭公園時,身旁有人這麼說:「看到遠方天體在眼前閃動,幾億年前的光就這麼砸在你眼睛上,不覺得很感動嗎?」。照片為雲南高美古天文台的梅馬現場。圖/楊偉攝。

延伸閱讀:

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
劉珈均
35 篇文章 ・ 1 位粉絲
PanSci 特約記者。大學時期主修新聞,嚮往能上山下海跑採訪,因緣際會接觸科學新聞後就不想離開了。生活總是在熬夜,不是趕稿就是在屋頂看星星,一邊想像是否有外星人也朝著地球方向看過來。

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。

0

3
1

文字

分享

0
3
1
【成語科學】斗轉星移:中國古代的天體觀測
張之傑_96
・2023/06/23 ・1118字 ・閱讀時間約 2 分鐘

唐代的王勃是個神童。他 14 歲時路過南昌,州牧(地方首長)重修滕王閣竣工,舉辦盛大宴會,他也參加了。州牧提議寫篇文章,正在你推我讓的時候,王勃已揮筆完成,這就是著名的〈滕王閣賦〉。

文末繫一首詩,其中有兩句「閒雲潭影日悠悠,物轉星移幾度秋。」

詩中的物轉星移,已成為成語。有人改成物換星移,或斗轉星移,也都是成語。這三個成語的意思完全一樣,都用來形容時光流逝,或歲月變遷。讓我們以斗轉星移作例子,來造個句吧。

  • 斗轉星移,海峽兩岸已從武裝對峙,變成可以互相往來了。
  • 歷經斗轉星移,同學們都已老邁,不禁令人感嘆時光無情。

斗轉星移的「斗」,指北斗七星,位於天球的北方,是很容易辨認,且四季都能看到的一組星星。北斗七星斗杓的指向,會隨著季節改變:春季時斗杓指向東,夏季指向南,秋季指向西,冬季指向北。這就是「斗轉」的由來。

北斗七星容易辨認,且一年四季都能觀賞到。圖/Envato Elements

古代的天文學家假想「天」是個球體——天球。天球是以地球為中心,向外擴充而成的球面。由於地球自轉,我們覺得天球在轉,天球上的星星和太陽、月亮一樣,都是逆時針運行,每小時約轉動 15 度。因為整個天球都在轉動,所以恆星在天球上的相對位置固定不變,只有太陽、月亮、八大行星(肉眼只能看到 5 顆)、小行星、彗星的相對位置會變。

-----廣告,請繼續往下閱讀-----

無論哪個民族,都會將肉眼看得清的星星分組,每組之間作一些連線,然後比附成人物、動物、器物等等。這種分組,有利於天文觀測。以北斗七星來說,連起來很像古代的舀酒器——斗。因為位於天球的北方,所以稱為北斗。

同樣的星空,中西各有一套觀測體系。星座,是西方發展出的觀測體系,總共有 88 個,大家所熟悉的黃道十二宮,就是其中的 12 個。星宿,是中國古代發展出的觀測體系,總共有 283 個。

同樣的星空,東、西方各有一套觀測體系。圖/Envato Elements

星座和星宿分屬兩個系統。以斗宿(北斗七星)來說,就是大熊座「大熊」的臀部和尾部。大熊座肉眼看得到的有 17 顆星,中國的斗宿是其中的 7 顆。

由於地球公轉,每天星空昇起的時間會差幾分鐘。其結果是:不同的季節,天球上的星空各不相同。一年之後的同一天,才能看到完全相同的星空。

-----廣告,請繼續往下閱讀-----

古人早已觀察到星空的週而復始變化,也觀察到,斗宿的指向隨著季節發生變化。成語斗轉星移,就是從這兩個天文現象衍生而來的。

-----廣告,請繼續往下閱讀-----
張之傑_96
103 篇文章 ・ 224 位粉絲
張之傑,字百器,出入文理,著述多樣,其中以科普和科學史較為人知。

0

4
1

文字

分享

0
4
1
走高山只為預測颱風,臺灣氣象學開拓者——近藤久次郎
PanSci_96
・2023/02/10 ・3388字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

  • 作者/廖子萱

蕞爾臺灣島,地跨熱帶與副熱帶季風氣候區、四面環海,縱貫的百岳更加深了氣候的複雜程度。

在這樣的地理條件下,即便當今借助氣象衛星進行天氣分析,預報仍偶見差之毫釐、失之千里。一百年前,人們對於山岳、海洋與其相生的自然現象往往常處於未知,而至今日手機隨手可得及時的氣象預報,在短短一百年間,臺灣氣象科學從無到有,蓬勃發展。這背後的功臣包括了中央氣象局、高山氣象站、地震觀測站,這些單位的前身與發展,皆與近藤久次郎有關。

圖1. 1897 年臺北測候所。圖/交通部中央氣象局〈台灣氣象憶往之ㄧ〉

近藤久次郎(Kondo Kyujiro ,1858 – 1926)是臺灣首任總督府測候所技手兼所長,也是臺北測候所所長(現中央氣象局)。 1896 至 1924 年在臺期間,近藤引領總督府測候所設立了七座地方測候所,並協調地方基層治理單位,建構氣象觀測方法和資料搜集的網絡。他更推動高山觀測方法,以進行颱風預測、推動高山與地震觀測系統的建置,為臺灣氣象科學翻開了嶄新的一頁。

臺灣近代氣象觀測的發展

臺灣近代氣象觀測發展可追溯於清朝,光緒年間的1883年,清廷聘請杜伯克博士(Dr. William Doberck)赴香港擔任首任天文司(天文台台長),並在沿海稅關和燈塔裝置觀測設備,進行氣象觀察。臺灣基隆、淡水、安平、打狗四港的稅關,以及漁翁島(澎湖)、南岬(鵝鑾鼻)也陸續在 1885 年前後,展開十餘年的氣象記錄。然而,1895 年清廷與日本簽訂馬關條約割讓臺灣,氣象觀測工作就此停擺,多數的觀測儀器與記錄更在政權交替期間散失。

日本統治臺灣之後,由於當時國際航海安全多仰賴氣象資料,在英法強權的施壓下,臺灣總督府於1896年發布第 97 號敕令,以「台灣總督府測候所官制」編制氣象觀測單位,而日本中央氣象台則選派本文主角,技手(技士)近藤久次郎來臺勘查、策劃氣象觀測站。同年,總督府也在民政局通信部海事課增設「氣象掛」一單位,統理全島氣象事務,如氣象觀測、天氣調查、颱風警報、地震檢測等工作。

-----廣告,請繼續往下閱讀-----

1896 年四月至六月間,近藤久次郎與民政局通信部海事課課長遠藤可一翻山越嶺、走訪各地,行跡遠至鵝鑾鼻。根據兩人的調查基礎,臺灣總督府先後於臺北、臺中、臺南、恆春和澎湖設置測候所(後三為 1987 年設立),近藤也在日本中央氣象台台長中村精男(Nakamura Kiyoo)的任命下擔任臺北測候所所長,開始逐步搭建全島的氣象觀測網絡。

在各地氣候觀測所選址的條件上,近藤久次郎配合日本政府在農業、工業、航海與公共衛生等發展項目的資料需求,為詳實觀測各區域氣候根據相對距離由北至南畫設臺北、臺中、臺南、恆春測候所 。此外,還參考了夏季與秋季的颱風路徑設立澎湖測候所,用以觀察自香港與馬尼拉而來的颱風。

除了本島的氣象觀測,近藤還曾於1897年,帶著晴雨計、寒暖針遠赴火燒嶼(綠島)、紅頭嶼(蘭嶼)進行氣象觀測、測量山頂高度,策劃設立觀測站。而後隨著總督府逐步克服東部地區交通和電信的限制, 1900 年、1910 年臺東和花蓮測候所分別建設完成,時至 1924 年近藤久次郎卸任前,全臺共設有七座「一般測候所」。

十九世紀末的觀測所主要沿用清朝遺留的官廳或民房,屋頂簡單設有的風力與風向儀,室內則作為辦公之用。一般測候所以風力塔為主要的觀測設施、可測量風向、風速、風壓、日照和日射;辦公室外設置氣象觀測坪以測量氣溫、雨量、地面溫度等;測候所外另設有提供執勤人員進駐的官舍。

-----廣告,請繼續往下閱讀-----

而在時間方面,位於政治中心的臺北觀測所實施 24 小時氣象觀測;其他測候則每四個小時實施觀測、每日六次,用於地區性天氣預報,並將資料匯報予臺北測候所以利發布臨時颱風警報、氣候月報和年報,進一步進行總體性的氣象分析。

擴大氣象觀測網路,發佈氣象預報歷史頁面

為了擴大氣象觀測網絡,總督府會同官廳、派出所、郵局等單位協助蒐集雨量和氣溫資料,並於 1896 年 7 月以「民通 151 號」公報始建立暴風警報通報流程,命令各官廳、海關、郵局、燈塔,將通信部海事課所轉發的暴風警報公布予地方民眾,九座燈塔更奉「總督府訓」兼任氣象觀測的任務,協助測量氣溫、氣壓、風、雲與雨量。

1897 年 9 月,近藤領導的臺北測候所開始發佈每日三次的氣象預報,並與琉球、九州南部測候所,以及徐家匯、香港、馬尼拉等地的氣象台交換氣象報告。 依循著新展開的天氣觀測模式,總督府府報開設「觀象」專欄,刊登臺北測候所撰寫的天氣預報(「本島氣象天氣豫報び天氣概況及暴風警報等」),開啟了臺灣天氣預報歷史性的一頁。直到1905年,全臺各地的雨量觀測網絡已達78處,涵蓋燈塔、支廳、派岀所、學校、郵局、農業試驗所、自來水廠等單位,各處配備簡易的氣溫觀測工具以協助記錄天候狀況。

很快地,日本在臺短短10年內,近藤久次郎已為氣象觀測網打下綿密的基礎。

不只是天氣預報,開啟高山觀測與地震研究先河

1900 年,近藤久次郎附議天文學者一戶直藏提出的新高山(今玉山北峰)報告(新高山ニ關スル研究報告),近藤提到:「新高山山頂是天然絕佳的天文觀測與氣象學研究位置」,他認為高山觀測有助於天文和氣象研究,可藉由研究大氣動力上升的過程進行天氣預測,尤其臺灣每逢夏季,颱風挾帶滂沱大雨常引發災情,若能在台灣百岳中設置幾處高山觀測所,定有助於颱風警戒和天候預設。

-----廣告,請繼續往下閱讀-----

於是, 1911 年近藤久次郎與一戶直藏率先提出「新高山觀測所設置計畫」,向總督府倡議在玉山、阿里山興建高山觀測所和天文台,間接促成玉山觀測站(1943 年始建造)與阿里山觀測站(1932年建造)的設置。

近藤久次郎除了推動高山氣象、天文與航空研究,也曾與臺北測候所同仁積極推動與地震和火山相關的研究: 1896 年,臺北臨時測候所首次藉由人體感受進行地震觀測; 1897 年正式落成的臺北測候所,引進格雷-米爾恩型地震儀(Gray-Milne Seismograph); 1900 年,由被譽為日本地震之父的大森房吉所改良的大森式水平地震儀(Omori horizontal pendulum seismograph)以及強震儀(Strong motion seismograph)裝設於臺北測候所。

這些地震觀測儀也在 1906 年 3 月 17 日的「嘉義梅山地震」發揮了記錄地震波形與餘震數據的作用,獲得的數據使大森房吉找出梅山地震與斷層的關係,並將之命名為「梅仔坑斷層」(後更名梅山斷層)。而後,大森房吉還將研究與近藤所著的說明書刊登於報紙,傳遞地震成因與餘震的科學知識,緩解民間傳說帶來的社會不安。時至1907年,在近藤的協助推動下,全臺共有七所測候所兼做地震觀測,當時的紀錄,也成為現代地震研究珍貴的早期觀測資料。

1924 年,近藤久次郎因病去職返回日本,1926年因胃癌而逝世。 1896 至 1924 年,近藤來臺近將三十年,他在擔任總督府測候所與臺北測候所所長期間,建制氣候所與觀測網絡、編輯並彙整氣象資料;開啟暴風雨警報、颱風預測等重要的氣象預報機制;也協助推動高山氣候觀測、天文觀測與地震研究,著實是臺灣近代氣象科學研究的先河。

-----廣告,請繼續往下閱讀-----

註解

  • 註 1:然而,由於當時日本與臺灣之間並無定期班船和通訊設備可供交通和信息的傳遞,使得測候所無法如期配備氣象觀測儀器並興建正式氣候站,故先以既有房舍作為臨時氣候所。而後各地氣候所材陸續興建並增添觀測設備:臺北測候所於 1897 年 12 月 19 日遷入臺北城內南門街三丁目;臺中測候所於 1901 年 5 月 20 日遷入臺中城內藍興堡台中街;台南測候所於 1898 年 3 月 1 日遷入台南城內太平境街第 216 號官有家敷地;恆春測候所於 1901 年 11 月 24 日遷入恆春縣前街四番地;澎湖測候所於 1898 年 3 月 1 日遷入澎湖島媽公城內西町。(資料來源:中央氣象局委由財團法人成大研究發展基金會、國立成功大學單位研究之《台灣氣象建築史料調查研究》, 2001 年 2 月出版。)
  • 註 2:資料參考徐明同〈台灣氣象業務簡史〉
-----廣告,請繼續往下閱讀-----