0

1
1

文字

分享

0
1
1

讓手機成為專業光譜儀/分光光度計: 科學 Maker 社群的科學台灣計畫!

Scimage
・2015/09/12 ・2784字 ・閱讀時間約 5 分鐘 ・SR值 493 ・六年級

以下要說一個手機怎麼變身專業光譜儀跟分光光度計的故事,這是科學Maker社群繼設計手機顯微鏡一年多後,繼續希望讓台灣各處變成小實驗室的努力,也希望改變台灣的科學學習跟研究環境,歡迎更多對科學有興趣的朋友一起來參與完成~

光譜儀是很多科學研究跟探索自然的必備工具,凡舉分子特性的分辨,濃度的量測,物質的鑑定,天體光譜的量測等,很多精密的實驗也都需要光譜儀的協助。但是光譜儀是昂貴的儀器,最便宜的要數萬起跳,更別提高感度高精密度的研究光譜儀或是分光光度計。

以往有一些方式可以 DIY光譜儀,常用方式是在黑色的紙箱子中放進一片光碟做為光柵,設置一狹縫,然後在相對的角度上用眼睛觀測或是用相機拍攝,但是其中有不少問題,如光譜彎曲,雜訊高,不管是因為遮光不全,光徑設置不良,或是內部反射的多次傳播干擾,最後都造成對比不足,解析度不高,加上一般只能直接手持,使用上不穩定,讓這樣的工具僅止於初步對光源的觀察,難以進一步的使用。另一類的光譜儀使用網路攝影機的感光元件作為核心,以 USB連接電腦,只有解決觀測的不穩定,卻又造成光學鏡片不佳與感測器解析度低等問題,解析度有限。

下二圖為一般自製黑色紙筒光譜儀的觀察,左方為自製,右方為中研院物理所印行切割之設計。(感謝 科學Maker 社群 St Kao 黃奕杰 提供觀察結果。)

-----廣告,請繼續往下閱讀-----
圖片1
一般自製黑色紙筒光譜儀的觀察,左方為自製,右方為中研院物理所印行切割之設計 。

為了實現讓手機變成光譜儀,讓更多人可以擁有及使用研究等級的光譜儀,科學Maker社群即將製作的手機光譜儀,在本體設計上,重新根據光學成像與繞射原理,規畫垂直式短光徑設計,可同時提升光強與解析度。在光柵的設計上,使用特殊製作之高效率光柵,與新光路*結合後不僅光效率提高為研究用等級,可以免除一般自製儀器光譜彎曲的問題。(*光路就是光學儀器中光學元件的排列擺放位置的總稱)

 

3
SciView手機光譜儀。

為了達成專業儀器的效果,在改善噪訊比上,使用了所需最小傳播光徑設計,免除任何非預期的光線傳播,也使用全密封的黑色壓克力隔絕外部任何光線的干擾,另外在內部配合特殊的表面抗反射黑色微粒層,讓訊號之外的光幾乎完全都被吸收與遮蔽,來實現高對比與準確的強度顯示,免除耀光雜訊的影響。

以下為以手機螢光燈光譜的直接量測,可以看出對比與解析度皆大幅改進,不僅解析度可以提升,亮度也能準確呈現。

4

為了驗證手機光譜儀的強度的正確性與光譜的解析性,將所獲得的螢光燈光譜圖以 ImageJ軟體 直接對強度做圖並與文獻比較,可以看出汞譜線與相對強度都能忠實呈現,表示非光譜噪訊已經被有效控制。上圖為文獻中飛利浦螢光燈的譜線,下圖為手機光譜儀的量測結果。

5
手機光譜儀的量測結果,點擊看大圖。

在構件設計上,手機光譜儀的特點為可與手機顯微鏡鏡座結合,使用載物台直接調整固定,使得手機只要直接水平放置就可以穩定跟光譜儀結合,變成穩定的手機光譜儀,在光譜儀前端設計可換式狹縫的螺絲,可以依照所需的亮度與解析度,更換相對應的狹縫,在低光照下可以選擇較大的狹縫,而需要高解析度時可選擇較窄的狹縫,滿足不同需求。以下為與手機顯微鏡台結合後量測LED燈的量測構造圖,只要放下手機就能穩定量測。6

另外前端的螺絲擴充設計也可直接鎖上分光光度計模組中放置比色管的裝置,來完成分光光度計的量測功能。下方為分光光度計模中前端擴充的樣子,中間有一對狹縫保證光線的直進,左右兩個孔為螺絲孔,放置在中間的為與專業分光光度計相同的比色管,可以直接量測或是校正吸光度。

7
分光光度計模中前端擴充。

在分光光量測上,需面臨強度的正確性與否,以下是測試手機光譜儀的分光光度計量測功能來直接獲得吸收光譜圖,結果符合,這表示在合理的亮度範圍內,手機可以勝任分光光度計,顏色與白平衡在相對量測值下無大影響。樣本是一片綠色的小壓克力。同時量測有穿(上方光譜)跟沒有穿過壓克力的光(下方光譜),然後直接做影像計算,亮度相減除以沒有濾片的亮度,然後算出穿透率 。

8
經測試後,只要在合理的亮度範圍內,手機應該可以勝任分光光度計使用。

另外在研究上高效率的光譜儀也可以用來做螢光光譜儀的核心,可以用來檢測例如不同油品的添加,為了測試這可能性,以下圖片是Rodamine B 的稀薄溶液,跟用紫光LED激發,用手機光譜儀拍的螢光光譜。

-----廣告,請繼續往下閱讀-----
圖片2
Rodamine B 的稀薄溶液跟用紫光LED激發的螢光光譜。

新設計的手機光譜儀我已取了名字,叫做 SciView,取這名字是希望可以從小小的觀景窗讓更多人看到動人的科學視野,非常輕巧簡潔的設計,除了喜歡這種質感,不論在科學上,使用上或是整體外觀結構上,也是我心中最好的設計了。

經由這工具,想像有一天在台灣的課堂,化學老師帶著學生邊看光譜,邊跟學生說明化學反應中分子怎麼重新組合,物理老師當著全班的面看著一條條光譜說明量子理論發展的由來,指著不同顏色的光跟出現的位置說明繞射跟光柵結構的關係,地科老師可以照著星體跟礦物,說很多關於地科的故事,生物老師可以培養細菌,用光度計量測生長曲線給學生看,說明生命最基本的動態,或是量著葉子說明能量怎麼被生命給擷取利用。

而在台灣對科學有興趣的同學,不用再去大學實驗室,就能在家還是在自己學校完成想做的科展,不僅能觀察顯微的世界,也能做定量定性的量測,不再是有關係的或有辦法去實驗室的人才能做。一些假東西還是汙染的東西一驗光譜就會原形畢露,投鼠忌器,或許黑心商人也會變少。

SciView手機光譜儀與分光光度計模組,即將要在科學Maker 社群登記製作,依照過去的科學儀器製作計畫,會讓參與的朋友一起做或是自由贊助來獲得,歡迎各位對科學有興趣的朋友加入科學Maker來一起完成!

-----廣告,請繼續往下閱讀-----

本文經原作者同意後轉載自《科學影像 scimage/ 科學Maker

 

-----廣告,請繼續往下閱讀-----
文章難易度
Scimage
113 篇文章 ・ 4 位粉絲
每日介紹科學新知, 科普知識與實際實驗影片-歡迎每一顆好奇的心 @_@!

0

0
0

文字

分享

0
0
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

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

2
0

文字

分享

0
2
0
從 3G 到 6G:行動通信的進化之路
數感實驗室_96
・2024/06/20 ・825字 ・閱讀時間約 1 分鐘

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

摩斯發明電報和貝爾發明電話,這些似乎是上古時代的科技,其實都發生在過去兩百年內。而手機,作為近五十年來的產物,又經歷了怎樣的演變呢?

讓我們來探討行動通信是如何從 3G 發展到 6G 的。

1989 年,一張名為《The Great Radio Controversy》的搖滾專輯發布,迅速走紅,登上告示牌熱門榜。雖然專輯的歌詞與通信無關,但它的名字「偉大的無線電爭議」確實讓人聯想到無線通信的歷史。而這張專輯的樂團名為 Tesla,沒錯,這正是向那位傳奇的天才科學家特斯拉致敬。特斯拉對無線通信的貢獻可謂奠基石般的重要,而從 3G 到 6G,行動通信技術又經歷了哪些突破和變革呢?讓我們一起深入了解。

-----廣告,請繼續往下閱讀-----

行動通信的歷史雖然只有短短幾十年,但其中包含的豐富內容實在說不完。從精彩的發明故事到商業競爭,再到行動通信所帶來的社會變革,每一個環節都值得深入探討。而在這集影片中,我們僅僅觸及了冰山一角。

下一集將深入探討 WiMAX 那成功的哥哥——Wi-Fi,也就是大家熟悉的無線區域網路技術。讓我們繼續探索這些改變世界的科技!

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

參考資料

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 50 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/

0

1
0

文字

分享

0
1
0
改變世界的通訊革命:電話發明家亞歷山大.貝爾(Alexander Bell)
數感實驗室_96
・2024/05/28 ・582字 ・閱讀時間約 1 分鐘

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

你多久沒有用手機打電話了呢?現代人大多將手機當作上網的工具,每天接到最多的電話應該也是快遞、推銷跟詐騙吧。但其實以前電話可以說是最重要的溝通方式。畢竟比起電報只能傳遞幾個字,能一口氣說出想傳遞的內容,不是方便許多了嗎?

 這樣在通訊史上扮演著舉足輕重的角色,他的發明改變了人們的生活方式,也開啟了全新的溝通時代。今天我們就來介紹,讓大家能說話的那位關鍵科學家,亞歷山大.貝爾(Alexander Bell)。

貝爾不僅是一位發明家,他同時也是一位教育家,他擔任私人家教時曾教導過海倫凱勒。海倫凱勒與貝爾一生保持聯繫,她在回憶錄中寫道,貝爾全心投入於聾啞教育,做出了許多貢獻,卻從不以此自豪。

-----廣告,請繼續往下閱讀-----

亞歷山大.貝爾最了不起的地方是他既擁有卓越的科技發明能力,又持續關心著聾啞教育。也許正是因為他如此關心人,才能發現各種尚未被滿足的需求,從而成為他發明的靈感來源。

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 50 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/