0

0
0

文字

分享

0
0
0

原來我們一直在吃基改蕃薯?!

葉綠舒
・2015/05/13 ・1912字 ・閱讀時間約 3 分鐘 ・SR值 528 ・七年級

基改作物(Genetically modified organism,GMO)在過去這些年一直被追打,當然有一部份原因是因為生技公司硬推,堅持GMO是安全的,不需要額外的檢驗來確認其安全性等等;另一部份則是有些民眾與專家堅持GMO是「把細菌的基因放在植物裡」,是不自然的。

筆者認為基改作物還是需要審慎的檢驗,畢竟雖然天然的食物也有人對它過敏,但過敏的人有權利不去食用會產生過敏的食物,而食品中也都會列出這些可能的過敏原(如花生、核桃等)。以目前有些國家容許食品可不列出含有基改成分,其實是不安全也罔顧消費者的權利的。

農桿菌(Agrobacterium tumefaciens) credit:wiki
農桿菌(Agrobacterium tumefaciens)
credit:wiki

但是細菌的基因出現在植物中,真的就不自然嗎?別忘了農桿菌(Agrobacterium tumefaciensAgrobacterium rhizogenes)本來就是植物的病原菌喔!

農桿菌平常生活在土壤中,當植物的表皮出現傷口時,農桿菌很容易便隨著風被帶到傷口,而後便開始感染、繁殖(過程可參考「農桿菌的不確定性」一文)。由於農桿菌的感染需要將自己質體上的一段基因(即T-DNA)插入到宿主的基因體中,而一旦插入便不會移出,這段DNA便永久地留在植物的基因體中了。

-----廣告,請繼續往下閱讀-----

可能有讀者問,如果是這樣,為何過去沒有在植物中發現農桿菌的序列呢?

這是因為,農桿菌感染的只是一小部分植物的細胞,而這些細胞是「體細胞」,所以不會遺傳下來。現代生物科技製作基改作物,雖然也是感染體細胞,但接下來的篩選卻會將不帶有農桿菌基因的體細胞給去掉。

怎麼去掉的呢?原來科學家們為了方便篩選,在轉殖基因中加入了抗生素耐受性標籤(ARM,antibiotics resistant marker)。因此,在轉殖完成後,接下來只要把植物組織放在有抗生素的培養基上培養,便可以殺死沒有接受到轉殖基因的植物細胞了!

當然,在自然界,當農桿菌感染植物時,並不會帶有ARM基因。所以,我們只能以植物是否長瘤來做為辨別這株植物是否受到農桿菌感染;因為農桿菌插入植物的T-DNA中含有可以製造更多的生長素(auxin,包括吲哚乙酸等)以及細胞分裂素(cytokinin),使得帶有T-DNA的植物細胞可以加速分裂增生。當局部的植物細胞分裂速度比其他細胞要快得多結果當然就是長瘤囉!而T-DNA還帶有合成農桿菌的食物的基因,所以這些植物的瘤其實就是農桿菌的殖民地,農桿菌在此建立農場,生產他們需要的食物、繁衍子孫呢!

-----廣告,請繼續往下閱讀-----

不過,如果植物在被農桿菌感染後,在某個時間點農桿菌消失了(不要問我怎麼消失的),而所有的細胞還是都帶有T-DNA,因為大家都長得一樣快,所以就不會看到長瘤的現象囉!

講了這麼多,其實是因為最近華盛頓大學(University of Washington, Seattle)在進行蕃薯(Ipomoea batatas)的RNA定序時發現了一些與農桿菌非常相似的序列。接著他們便進行基因體的定序,結果發現了更多農桿菌的基因:包括了合成生長素的酵素基因等等。

而後續的實驗也證明了這些農桿菌的基因確實是位於蕃薯上,而且也有表現出來。這些農桿菌基因分成兩段,其中第一段在研究團隊偵測的291個蕃薯的栽培種中都可以找到,但在野生種中沒有發現;第二段則分佈得較不廣泛,在217個蕃薯品種(包括栽培種與野生種)中,只有45個找到。

這些好吃的蕃薯,原來也都是「基改」作物? credit:農委會
這些好吃的蕃薯,原來也都是「基改」作物?
credit:農委會

為什麼第一段農桿菌基因不出現在野生種中呢?筆者認為,由於第一段農桿菌基因中包括了製作生長素的酵素基因,這可能會使蕃薯長得很快,但是在野地裡因為土壤的養分不可能一直都很充足,長得快當然也意味著需要更多養分,這可能會使得這些蕃薯在自然界反而競爭不過他們長得慢一點的兄弟們。但是長得快卻是人類喜歡的特點,於是就在選種中被特意地留下來了。第二段農桿菌基因可能因為與生長速度無關,但也與蕃薯本身的生存競爭力無關,所以雖然還存在於野生種與栽培種中但分佈的並不十分廣泛。

-----廣告,請繼續往下閱讀-----

基改作物的定義是什麼?如果以「帶有農桿菌序列」來做為標準,那麼我們已經吃天然基改蕃薯數千年(臺灣大約在明清時接觸到蕃薯,所以應該是五六百年);而這些蕃薯因為帶有農桿菌的基因,所以長得特別快,也受到人類的喜愛而在選種的過程中被保留了下來。

筆者無意為基改作物辯解,也不是基改作物的擁護者;只是覺得這個例子可以讓我們再思考一下。在漫長的人類演化過程中,我們一直在嘗試新的事物/食物;有些對大部分的人都有害,有些則對大部分的人有好處。在二十一世紀,每天都有新事物被發明出來的時刻,我們除了立法規範外,是否應該用較為開放的心胸去評斷這些新事物呢?

原刊轉載自作者部落格

參考文獻:

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
葉綠舒
262 篇文章 ・ 9 位粉絲
做人一定要讀書(主動學習),將來才會有出息。

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

1
0

文字

分享

0
1
0
驅動未來科技創新的運算平台領導廠商—Arm
鳥苷三磷酸 (PanSci Promo)_96
・2023/10/26 ・2594字 ・閱讀時間約 5 分鐘

本文由 Arm 委託,泛科學企劃執行。

Arm(安謀)是一家來自英國提供處理器 IP 架構設計的矽智財公司,你可能不清楚 Arm 在做什麼?但你可能在最近的新聞中聽過它,而且,你可能每天都在使用他們的產品!

實際上,90% 的智慧型手機使用的 CPU 晶片,其指令架構集(ISA)都是採用 Arm 架構,例如部分蘋果產品所使用的晶片、Android 手機常見的驍龍系列,以及聯發科技推出的天璣系列晶片,Arm 都是這些處理器架構的主要供應商。

每片 CPU 上,都有 ISA。圖/pixabay

不過這個指令架構集(ISA)到底是什麼?為什麼每台手機甚至電腦都要有呢?

-----廣告,請繼續往下閱讀-----

什麼是指令架構集(ISA)?

指令集架構(ISA)是電腦抽象模型的一部分,它定義了 CPU 如何被軟體控制。ISA 作為硬體和軟體之間的介面,既規定了處理器能夠執行的任務,又規定了如何執行這些任務。ISA 提供了使用者與硬體互動的唯一途徑。ISA 可以被視為程式設計師的手冊,透過 ISA,組合語言程式設計師、編譯器編寫者和應用程式程式設計師方能與機器溝通。

處理器的構建和設計稱為微架構(micro-architecture),微架構告訴您特定處理器的工作原理,例如,Arm Cortex-A53 和 Cortex-A73 都是 Armv8-A 架構的實現,這意味著它們具有相同的架構,但它們具有不同的微架構。

目前常見的 ISA 有用於電腦的 Intel/AMD x86_64 架構,以及在行動裝置是主流的 Arm 架構。而 Arm 本身不製造晶片只授權其架構給各個合作夥伴,授權的架構也被稱為「矽智財」(Semiconductor intellectual property core,簡稱 IP),並由合作夥伴依據規格打造合規的矽晶片。

Arm 成為全球關注的焦點

今年九月,Arm 在美國紐約那斯達克交易所掛牌上市,吸引大量投資者的目光,除了節能的設計,Arm 持續提升產品效能,使得 Arm 架構具有強大的競爭優勢,讓 Arm 的技術和產品,除了在行動裝置與物聯網應用佔據了重要地位,也在後續發展的其他產品持續協助產業推動技術革命。

-----廣告,請繼續往下閱讀-----

最早,Arm 架構是為了依靠電池運作的產品而設計的,隨著這十多年來的轉變,行動裝置成為主流,而 Arm 架構也成為了行動裝置的首選。

除了 Arm 原本行動裝置的通用 CPU 領域,Arm 亦著手開發專用 CPU 的架構,這些專用 CPU 的使用情境包含雲端基礎設施、車用和物聯網(IoT)。

現在 Arm 除了在手機處理器上有超過 90 % 的市占率外,在物聯網與嵌入式應用上有 65% 的市占率,目前車用晶片也逐步轉向由軟體來定義汽車的電子電氣架構,這凸顯了軟體在未來汽車架構的重要性。「嵌入式邊緣裝置使用的可擴充開放架構 (Scalable Open Architecture for Embedded Edge;SOAFEE) 」建立以雲原生的系統架構,透過雲端先行開發軟體,協助汽車產業業者在產品正式商品化前,能在基於 Arm 架構的晶片上進行虛擬環境測試,目前 Arm 在車用晶片上,市佔率超過四成。

由感測器至智慧製造系統設計,Arm 與生態系密切合作,推動技術創新

在雲端運算上,Arm 也推出了 Arm Neoverse 技術平台來協助雲端伺服器的晶片設計,並配合新推出的 Arm Neoverse 運算子系統(CSS),來簡化專用晶片的設計複雜性,減少晶片設計花費的時間。

-----廣告,請繼續往下閱讀-----

在 Arm 日益完整的產品組合下,透過與廣大生態系合作,能為市場提供許多軟硬體解決方案。首先,在行動裝置上,Arm 近乎霸占市場。而在 AI 發展與網路速度持續提升的趨勢下,許多運算都可以在雲端完成,最近的實例為 Nvidia 的 GeForce Now,只需一台文書機,就能暢玩 3A 大作,或是 Google 的 Colab,讓 AI 能在文書機上完成運算,造福了沒有高級顯卡的使用者。

未來,邊緣運算將陸續解開雲端運算的束縛,而 Arm 也在前期投入了雲端基礎開發,配合行動裝置的市占率,無論如何 Arm 都將在未來科技業占有一席之地。

Arm Tech Symposia 將在 11 / 1 與 11 / 2 盛大舉辦

2023 Arm 科技論壇(Arm Tech Symposia)即將在 11/1 台北萬豪酒店,11/2 新竹國賓飯店盛大舉辦!這是 Arm 每年最重要的實體活動之一,以【Arm is Building the Future of Computing】為主軸,探討在 AI 時代來臨之際,Arm 最新的技術如何驅動創新科技,為次世代的智慧運算、沉浸式視覺、AI 應用、自主體驗等帶來更多可能性。 

這次 Arm 科技論壇將圍繞在車用、物聯網、基礎設施、終端產品等熱門 AI 應用領域,並邀請台積公司、Cadence、瑞薩電子、新思科技、CoAsia 擎亞半導體等各領域專家,帶來產業第一手趨勢洞察。

-----廣告,請繼續往下閱讀-----

其次,也會分享 Arm 的新技術在 AI 的應用,包含如何透過軟體定義汽車降低汽車電子系統核心 EUC 整合的複雜性,同時維持汽車資安;以及介紹專為特定工作負載而設計的運算方式,如何讓企業不受外在環境與技術影響,處理更大規模的數據。

今年 11/1 在台北場的座談會,主題為 Edge computing on AI,探討邊緣運算在人工智慧上的應用,以及人工智慧對於半導體產業以及晶片研發帶來的影響,邀請 iKala 共同創辦人暨執行長程世嘉、聯發科技執行副總經理暨技術長周漁君,以及 Arm 台灣總裁曾志光與會。

Arm 科技論壇 11 月 1 日台北萬豪酒店。 圖 / Arm 

11/2 在新竹場的座談會主題為 The Keys of Automotive Transformation,探討汽車產業的轉型趨勢,邀請 Anchor Taiwan 執行長邱懷萱、友達光電執行長暨總經理/達擎董事長柯富仁、波士頓顧問公司董事總經理暨資深合夥人徐瑞廷,以及 Arm 台灣總裁曾志光與會。

Arm科技論壇 11月 2 日新竹國賓飯店。 圖 / Arm 

無論你是硬體工程師、軟體開發人員、晶圓代工、晶片設計商、OEM/ODM 還是相關產業人士,都能在這場論壇中互相交流,充實自己。

-----廣告,請繼續往下閱讀-----

2023 Arm 科技論壇報名連結

活動結束後填寫問卷的朋友,還有機會現場抽中 iPhone 15 Pro、 iRobot Roomba j7+ 掃地機器人、Sony WH-1000XM5 無線耳機、Dyson Purifier Big+Quiet Formaldehyde 空氣清淨機等精美好禮喔!

報名截止倒數中,現在就立刻報名吧!

-----廣告,請繼續往下閱讀-----

0

4
0

文字

分享

0
4
0
看過這張腫瘤照嗎?經不起驗證的基改研究,成功用恐懼搏版面│科學家與媒體的橋樑(五)
台灣科技媒體中心_96
・2020/09/14 ・4447字 ・閱讀時間約 9 分鐘 ・SR值 569 ・九年級

編按:充斥在新聞媒體或社群上的偽科學謠言,或似是而非的「新發現」,通常都以誇張聳動的標題吸引讀者的目光,並讓多數人深信不疑。誰能擔任這個破除迷思的角色,成為科學家與媒體傳播間的橋樑,為閱聽者導正視聽呢?這一系列文章,將介紹英國科學媒體中心(SMC)如何運作,打擊新聞上的偽科學、假訊息。

2012 年,法國的分子生物學家吉爾烈 ── 艾希.席哈理倪(Gilles-Eric Séralini)在《食品和化學毒理學》(Food and Chemical Toxicology)期刊上發表研究,其中宣稱,食用「耐年年春除草劑基因改造玉米」(以下簡稱 NK603 基改玉米)的大鼠,與對照組的大鼠相比,長出較多腫瘤且多重器官衰竭。[1] 席哈理倪透過記者會所公布的長了腫瘤的實驗鼠照片,在當天就以最快的速度傳播出去。

圖/原論文

實驗期為2年,著重「長期」影響的研究引注目

這項研究當然不是無中生有,也理應喚醒眾多基因研究的科學家,更審慎面對基因改造作物可能帶來的風險。尤其席哈理倪這篇研究的特殊之處,在於他的研究著重在「長期」的影響。

根據經濟合作暨發展組織(OECD),以及其他國際組織如歐洲食品安全局(European Food Safety Authority,簡稱 EFSA)、聯合國農糧組織(Food and Agriculture Organization,簡稱 FAO)、世界衛生組織(World Health Organization,簡稱 WHO)等機構的標準,關於基改作物的健康安全評估,在商業化之前的最後階段審核,都是基於為期 90 天的研究結果。

實驗期間的長短差異,的確讓席哈理倪的研究獲得公眾矚目,因為席哈理倪 2012 年的實驗是以 2 年為期,來觀察大鼠食用 NK603 基改玉米所帶來的健康影響。而這篇文章所要呼籲的,即是當時對基改作物的安全性評估不夠確實,以致讓有癌症風險的 NK603 基改玉米上市、供人食用。

-----廣告,請繼續往下閱讀-----

選用的實驗大鼠天生易長腫瘤,研究遭質疑

同一年,歐盟執行委員會(European Commission)就要求歐洲食品安全局重新檢視席哈理倪的研究;9 月,歐洲食品安全局做出的回應與其他批評者的觀點大多一致:實驗設計不良、樣本不足,沒有足夠證據能支持這篇研究所做之結論。[2]

最主要的爭點在於,其實驗所用的「史一道二氏大鼠」(Sprague-Dawley rat)僅適用於短期實驗,因這品系的大鼠相較於另一種常用的實驗大鼠維斯塔漢(Wistar Han),在 1 歲之後更容易產生腫瘤。[3] 另一個爭點是,實驗樣本和對照組樣本不足。

席哈理倪的實驗中,每一實驗組只有 10 隻大鼠,然而依照經濟合作暨發展組織所制定國際通用的研究標準,若是研究化學毒性,那麼每一實驗組需要 20 隻大鼠(雌雄各半);若是研究致癌性,每一實驗組需 100 隻大鼠(雌雄各半)。且每一實驗組,都應有一對照組作為比較標準。

然而,在席哈理倪的實驗設計中, 9 組實驗組僅有一組對照組。這兩項爭點,是主要的研究缺陷。因為實驗設計不嚴謹,無法排除大鼠隨機產生腫瘤的可能性,更無法獲知史一道二氏大鼠的腫瘤,是否因食用 NK603 基改玉米所致。[4]

-----廣告,請繼續往下閱讀-----
史一道二氏大鼠。
圖/wikimedia

質疑批評者受基改公司收買,研究者未正面回應爭議點

然而,針對歐洲食品安全局提出的疑問,席哈理倪不僅沒有提供更多證據,反倒另外發表了一篇針對各種批評的回應文章。[5] 內容主要認為 NK603 基改玉米缺乏長期致癌性研究,並且也質疑歐洲食品安全局的雙重標準,像是他所使用的大鼠品系和孟山都(Monsanto)提交研究所使用的品系相同(實驗期間 90 日),前者通過審核、他的研究卻受批評,以及這份研究並非「致癌性」研究,所以並不適用經濟合作暨發展組織對於樣本數所設立的實驗標準。

甚至,他在文章中質疑這些批評他的人,是因為在爭取基改作物的專利又或是受孟山都收買,從而質疑他的研究成果。

其實這篇文章的回覆,如果仔細檢視說法,並對應兩方批評與各自的證據,不難發現雙方都有部分論點站得住腳。

舉例來說,的確,在當時的規範,基改作物從實驗室到田間,從田間到餐桌,雖然做了環境評估與健康評估,的確忽略了較長期的健康影響研究,這點是席哈理倪的呼籲有理。而他的研究,就專業的科學評斷標準來看,既是處處缺失,也禁不起科學檢驗,而擁有如此缺陷的科學研究,並不值得引起國際社會的恐慌。

-----廣告,請繼續往下閱讀-----

以當時各界留下的資料與紀錄,席哈理倪恐是早早有意引起這場爭戰。

科學研究最難的就是:反覆辯證、自我更新

科學界的研究要獲得公眾賞識並不容易,因為單一科學研究的解釋力有限,要從各國各地的實驗室在不斷實驗失敗、成功、發表,再經由下一組人驗證、失敗、再發表,一路走到公眾有感,那是一段非常遙遠的路程。少至 10 年,更多是數以萬計的科學人在實驗室中漫長的研究歲月。

這類反覆辯證、建立、推翻,又再重頭來過的科學進程,雖然緩慢,但在現代科學的同儕審查和科學檢證之下,有其必要。能在規範之下自我更新,是科學研究最為難能之處。

有多神秘?記者拿研究文章竟要簽「保密協定」

席哈理倪在 2012 年發表這份研究之前,[6] 與其他任何一次的科學研究發表一樣,寄出了採訪邀請,但邀請中卻無研究細節與內容,記者無從在記者會之前,預先拿到資料以做準備。如果記者要求預先拿到研究文章,必須簽署保密協定:不得依此聯繫任何其他的科學研究者

-----廣告,請繼續往下閱讀-----

席哈理倪延宕了研究文章的發表時間,直到確定他的團隊所製作的影片《我們都是實驗鼠嗎?》(Are we all guinea pigs?)能及時發表。


各家媒體在不一定讀過研究內容,就算讀過也無從查證的狀況之下,接受這支影片的洗禮。而遠遠在這之前,席哈理倪就撰寫了數本書,陳述基改作物之惡。[7] 當時他的研究以及後續處理,都不正面回應實驗設計的缺失,包括樣本數遠遠不足以支撐研究結論,和使用不適宜研究設計的大鼠、讓結果無論如何傾向有利自己的論述。

相反地,他的回應中,把矛頭指向基因改造作物的跨國企業孟山都,讓自己的研究「不當」沾染道德色彩,更將所屬的研究團隊以被迫害之姿與大眾連結。

孟山都公司。
圖/wikimedia

恐懼蔓延!爭議研究影響各國基改作物進口政策

席哈理倪用聳動的方式呈現研究,意有所指某個事件內含著不公義,再包裹著科學糖衣來宣傳自我意識形態,可悲的是,這些招數都非常有效 。

若要說,透過現代媒體技術並操弄民眾心理,最成功行銷研究的例子非席哈里倪莫屬 。有人認為,在這起「新聞事件」之後,啟發了法國運動者在同一年破壞了基改黃豆的寄售店,俄國和哈薩克禁止席哈理倪研究中的基改玉米進口,肯亞全面禁止基改作物進口,秘魯則是禁止了接下來 10 年的基改作物進口。[8] 而至今,基改作物有致癌疑慮的恐懼,仍深深烙印在世界各地的民眾心裡。

-----廣告,請繼續往下閱讀-----

歐盟科學界對席哈理倪研究的回應,是在 2014 年同時啟動三個計畫,依照最嚴謹的實驗規格,重做席哈理倪的實驗,用相同的基改玉米、一樣的兩年時程,足夠的樣本數,耗費 4 年時間,想要找出一個真正可予公憑而非心證的科學答案。這三個計畫分別稱為「基改作物風險評估和證據溝通」(GRACE)、「基改作物 90+」(GMO90plus)和「基改作物兩年期安全測試」(G-TwYST)[9] 且所有的原始資料都全面公開,讓有意重複驗證的研究者能自由取用。

歐盟科學界重做同樣實驗,結論大不相同

「基改作物 90+」的成果於 2018 年 12 月發表,使用實驗長度是原本的 90 天標準。結果發現,席哈理倪的研究結果,在此研究中未被證實[10] 今(2019)年,「基改作物兩年期安全測試」成果發表,席哈理倪的研究結果再一次未被證實。[11]

席哈理倪在自己架設的網站上,駁斥這兩份駁斥他研究成果的研究,同時發布新聞稿。[12] 他攻擊的其中一個重點是 ,大鼠品系不同。他認為,他的研究所使用的史一道二氏大鼠對致癌物質較為「敏感」(sensitive),而歐盟科學家使用的維斯塔漢大鼠對致癌物質「較不敏感」。巧言令色地迴避了自己遭受的質疑,而將嚴謹的實驗設計扣上了不實指控。

試想,如果實驗選用原本就易得腫瘤的大鼠,該如何得知 NK603 基改玉米是否會對人體健康產生影響?這樣的詭辯,仍獲得一定程度的媒體曝光量。

-----廣告,請繼續往下閱讀-----

面對爭議話題,科學家如何與著急的民眾對話?

「科學界的爭辯」在各種簡化之後,被呈現在媒體上,吸引了大眾目光。一份禁不起科學檢驗的研究報告,如同謠傳麻疹腮腺炎德國麻疹混合( MMR ) 疫苗會導致自閉症的偽科學資訊,傳遞至世界各個角落,再利用民眾的直覺想像與恐慌,透過社群網路散播出去。

事實上,無論是支持基改作物,又或反對基改作物的雙方論述,不僅需要公眾辯論,更需要雙方支持者願意理解與溝通。善用大眾語言一向不是多數科學家的專長,理解公眾的擔憂與科學研究之間存在著鴻溝,而如此鴻溝必須被回應,更是多數科學家仍然需要再進修的課題。

英國科學媒體中心(Science Media Centre,簡稱SMC)紮紮實實打了基改作物這場仗,至於成效如何,請待下一篇文章再來爬梳英國的科學家,是如何在 SMC 的協助之下,進入大眾溝通的媒體場域。而基改作物的支持者與反對者,屏除席哈理倪無法被重複驗證的科學研究與話術之外,又是根據何種理由繼續論辯。

註釋

  1. 該篇研究引起社會重視後,在 2012 年因歐盟食品安全局重新評估該研究,並認為其實驗設計與數據,難以達成該研究宣稱的結論,而於 2013 年遭到期刊撤回,2014 年又由《歐洲環境科學期刊》(Environmental Sciences Europe)重新刊登。
  2. EFSA (2012). “Statement of EFSA. Final review of the Séralini et al. (2012a) publication on a 2-year rodent feeding study with glyphosate formulations and GM maize NK603 as published online on 19 September 2012 in Food and Chemical Toxicology.”EFSA Journal 10(11): 2986.
  3. Weber K. (2017). “Differences in types and incidence of neoplasms in Wistar Han and Sprague–Dawley rats.” Toxicol Pathol 5:64–75.
  4. 同前引註 2。
  5. Seralini, G. E.,Mesnage, R.,Defarge, N., Gress, S., Hennequin, D., Clair E, Malatesta, M., and Vendômois, J.S. ( 2013) “Answers to critics: why there is a long term toxicity due to NK603 Roundup-tolerant genetically modified maize and to a Roundup herbicide.” Food and Chemical Toxicology 53: 461–468.
  6. Gerasimova, K. 2018. Advocacy science: Explaining the term with case studies from biotechnology. Sci Eng Ethics 24:455–477. Accessed: 2018-10-14.
  7. 同前引註。
  8. 同前引註。
  9. G-TwYST (2014). “About G-TwYST.” 2019/07/26 檢閱。
  10. Coumoul, X. et al. (2018). “The GMO90+ project: absence of evidence for biologically meaningful effects of genetically modified maize-based diets on Wister rats after 6-months feeding comparative trial.” The Journal of Toxicological Sciences 168(2): 315–338.
  11. Steinberg, P. et al. (2019). “Lack of adverse effects in subchronic and chronic toxicity/carcinogenicity studies on the glyphosate-resistant genetically modified maize NK603 in Wistar Han RCC rats” Archives of Toxicology 93(4): 1095-1139.
  12. GMOSeralini (2018) “EU Funded Rat Feeding Studies Do Not Refute the Séralini Study.” 2019/07/26 檢閱。
-----廣告,請繼續往下閱讀-----
台灣科技媒體中心_96
46 篇文章 ・ 328 位粉絲
台灣科技媒體中心希望架構一個具跨領域溝通性質的科學新聞平台,提供正確的科學新聞素材與科學新聞專題探討。