Loading [MathJax]/extensions/tex2jax.js

0

2
0

文字

分享

0
2
0

證據會說謊嗎?台灣爭議法醫鑑定案例(下)

活躍星系核_96
・2015/06/29 ・3211字 ・閱讀時間約 6 分鐘 ・SR值 563 ・九年級

文/林雨蒼(現為民間司法改革基金會執行秘書。)

大家應該都有聽過,「證據不會說謊」,很多刑案透過法醫的鑑識,就能了解犯罪的方式,進而找到犯人。 可是,證據真的不會說謊嗎?以下是台灣幾個在法醫鑑定上有所爭議的案例。(上集傳送門

source:Wiki
source:Wiki

四、鄭性澤案死亡時間鑑定錯誤

鄭性澤案的爭議在於不治身亡的蘇姓員警係遭誰開槍,而法院認定另一名死者羅武雄不可能開槍之關鍵,在於當羅武雄左胸中第一槍之後,是否仍有意識及能力,繼續開槍擊中蘇姓員警。

許倬憲法醫表示羅武雄沒有意識、能力,會「當場斃命」。然而,吳木榮法醫接受監院諮詢時,便提出法醫學文獻指出「即使當心臟或主要血管被攻擊之後,被攻擊者可能還有數秒到數分鐘的時間不受此攻擊影響」。過去也有台南警員心臟中彈後仍開槍反擊之例。因此,不能僅以此認羅武雄於蘇憲丕中彈前已無反擊能力。

-----廣告,請繼續往下閱讀-----

監察院報告最後指出,「重要器官中槍,立即失去行動力」的陳述沒有醫學根據鄭性澤最後被判決死刑,隨時都可能被執行,還在等待救援。

五、后豐大橋墜橋案死亡原因鑑定錯誤

后豐大橋墜橋案發生於2002年12月6日,台中女教師陳某在后豐大橋墜橋身亡,她的男友王淇政和其朋友洪世緯被控是謀殺她的兇手。許倬憲法醫於后豐大橋案,僅草率稱以死者兩手腕對稱性骨折,死者是不想死

依據這個邏輯,自殺的人如果留下掙扎痕跡,代表當事人不想死,不算自殺。中山醫學大學外科學教授周明智博士在「法律與科學的交會」研討會中說明,高處墜落的死者如出現手關節處骨折的現象,代表死者跌落時有撐地的現象,這是屬於人的反射動作,不能判定死者跌落後想死或不想死,只能判定死者落下時有無意識。

有無骨折並不可能判斷死者的想法,監察院調查報告指出,「原審採認法醫許倬憲超越法醫師法第二章規定法醫師之專業為檢驗與解剖屍體之專業,所為不具『證據能力』之證詞,背離採證法則,違反刑事訴訟法。

-----廣告,請繼續往下閱讀-----

兩名被告王淇政、洪世緯仍被判有罪,入獄服刑,等待平反。

六、呂金鎧案,一灘神奇的液體

1993年12月22號,范姓女大學生應徵教遭到性侵殺害,嫌犯呂金鎧陳錫卿數度被判決死刑,但誰也沒料到,慘案發生21年後,呂金鎧要向臺灣司法喊冤。回顧1993年12月,當時呂金鎧在中和一家麵包店工作,陳錫卿出獄一周,暫時借住在呂金鎧宿舍。

陳錫卿自白,他打電話謊稱應徵家教,誘騙女學生,並在呂金鎧的協助下性侵,將女學生勒斃。但呂金鎧說,當天他在上班,絕對沒有共謀犯案。案發現場有一灘液體,混和了犯人精液及被害人血液,法醫蕭開平以目測方式預估約20cc的液體,並未以其他更為客觀、科學之方式來進行研判。法院已知這20cc的數量是由目測這種不精確的方式得知,加上20cc並非全是精液,卻仍舊認為一般台灣男性的精液量為2-6cc,所以,兩人便是4-12cc,以數量而言,並無矛盾之處,宣判呂金鎧20年徒刑。

2006年,刑事局以最新科技重新鑑定,結果發現,當年檢體並沒有呂金鎧DNA,但此時他已經判刑20年定讞,無法再度上訴。2012年底,呂金鎧服完20年的刑期,獲得釋放。

-----廣告,請繼續往下閱讀-----

監察院怎麼看?

以上的前五個案件,司改會曾行文至監察院,要求監察院調查相關法醫的疏失。監察院怎麼回應呢?監察院今年三月回應,江國慶案、蘇建和案,已經過10年懲戒時效。徐自強、鄭性澤、后豐大橋案仍在訴訟程序中,不能調查。

問題是,就算超過時效,監察院還是可以對機關提出糾正。一旦提出,機關就應該要查看這個法醫的相關案例,在他還沒有能力鑑定之前暫停執業,並且施以適當教育訓練。

監察院的理由也有很多問題。按公務人員懲戒法第25條第1項第3款,懲戒的時效是「自違法失職行為終了之日起,至移送公務員懲戒委員會之日止,已逾十年者」,因此時效是從「行為終了之日」起算。在第二個蘇建和案中,蕭開平最後一次做證是在2012年7月16日開庭的時候。所以明顯還在10年追訴期中。

蕭開平於2012年7月16日之開庭記錄。

再來,對於鄭性澤、后豐大橋兩案,目前都沒有開啟重審,等於未進入司法偵審程序,監察院卻聲稱這兩案還在訴訟程序中,非常奇怪。徐自強的確是在審判當中,但蕭開平法醫的錯誤鑑定已經在更七審的時候排除證據能力。調查蕭開平的過失,並不會影響徐自強案的判決

-----廣告,請繼續往下閱讀-----

更重要的是,監察院收受人民書狀及處理辦法第12條:「左列人民書狀為不予調查之處理。但如被訴人有瀆職或重大違法失職嫌疑需要即予調查者,仍應調查。…二、已進入司法或軍法偵審程序者。」只要被陳訴人有瀆職或重大違法失職嫌疑,就算已經進入司法偵審程序,還是要調查。這些法醫的疏失害人背上冤罪、死刑,難道還不算重大違法疏失嗎?

在美國,法醫如果發生疏失,是很嚴重的事情。2004年,美國聯邦調查局在馬德里爆炸案指紋鑑定錯誤,造成當事人被冤枉羈押二週,美國政府即由司法部組專案小組調查。之後,聯邦調查局道歉,外聘之專家不再續聘,並對局內鑑定人員採取四項處置:

  1. 立刻停止鑑定工作
  2. 重新審查其所有做過之鑑定案件
  3. 進行能力驗證

再教育同時,美國政府也賠償200萬美元給被冤枉的無辜被告。

可是,在台灣,這些歡樂法醫從來沒有受到懲處、或是彈劾。制度上,法醫研究所是隸屬於偵查機關的法務部,自然容易失去獨立性與中立性,做出對檢察機關有利的鑑定。所以,尤美女立委之前才會要求相關部會,應研議建立國家級之獨立鑑識中心。但是,歷次提案相關單位均無具體辦法,甚至回覆無此必。這次,監察院甚至用似是而非的理由搪塞,拒絕調查這些案件。

-----廣告,請繼續往下閱讀-----

曾有法醫李俊億出來批評法醫在江國慶案上的鑑定錯誤,結果卻遭到法醫研究所提告,說他「嚴重影響法務部團結一體形象與本局聲譽」。這些歡樂法醫依然在法醫的位置上進行鑑定。也就是說,稍一不注意,我們都可能是歡樂法醫的受害者。

我們能做什麼?其實我也不知道。明(18)日下午,民間司改會還會再去監察院進行陳情,但結果如何真的不知道。只能請大家看到法醫的鑑定,還是要抱持懷疑的心,因為在台灣,證據會說謊。

本文章由林雨蒼(現為民間司法改革基金會執行秘書。)撰寫原文在此,其他案例請見上集

延伸閱讀:

-----廣告,請繼續往下閱讀-----
  1. 證據為何會說謊?改革鑑定制度、究責失職人員~刑事鑑定制度改革記者會
  2. 抗議「錯誤鑑定害人命,監院放任不處理」記者會
  3. 編出來的故事-邱和順案

工商服務:徐自強案更九審即將在今年九月宣判,7/8、7/15司改會誠摯邀請大家一起來法庭旁聽,了解司法!其他詳情請見民間司改會網站粉絲頁

-----廣告,請繼續往下閱讀-----
文章難易度
活躍星系核_96
778 篇文章 ・ 128 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia

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。