Loading [MathJax]/extensions/tex2jax.js

0

1
0

文字

分享

0
1
0

屋頂上的氣象先生 守望彰化天氣30年

劉珈均
・2015/09/18 ・4777字 ・閱讀時間約 9 分鐘 ・SR值 498 ・六年級

銀星氣象站
呂權恩在自家屋頂上蓋的簡易觀測平台。圖/呂權恩提供。

民國66年七月底、八月初,中颱賽洛瑪(Thelma)和強颱薇拉(Vera)一北一南,相繼橫掃基隆和台北。颱風的災情景況震懾了當時年僅十歲的呂權恩,從此對變幻莫測的氣象深深著迷,一頭栽入就超過30年,他在自家房子屋頂架設儀器,成立觀測站,忠實記錄彰化數據。

他的「銀星氣象站」取得中央氣象局登記證,為民間唯一氣象站(現在則為暫停狀態),也曾是彰化雲林一帶唯一的「氣象站」(註1)。他曾因故停止觀測十年,儀器也已難以滿足量測需求,他希望能募資重建像樣的觀測站,成為推廣氣象知識的據點。

彰化和美鎮的尋常巷子裡,一棟透天厝門口掛著「銀星研究氣象站」藍色牌子,說是研究站,其實相當克難,自搬家過後,呂權恩的儀器只能分散擺在住家角落。「自記虹吸雨量儀」、風速風向儀(今年八月中被蘇迪勒颱風吹壞了)設置於鐵皮屋頂的簡易平台,「自記氣壓計」則在神明廳的櫃子上滴答作響,曬衣場空間的一方桌板擺著紀錄本,一箱箱紙本天氣圖資料堆疊在鐵櫃上,櫃裡則堆滿氣象相關書籍與資料。

IMG_2698
呂權恩的儀器分散在屋頂、頂樓空位。他面前的儀器為「自記風向風速儀」,蘇迪勒颱風打壞的風扇就擱置儀器旁。圖/劉珈均攝

每天清晨五六點,呂權恩便起床調校儀器、記錄自家數據、看看中央氣象局的資料和圖表,接著出外到工廠上班,數十年如一日,記錄和美地區的地面數據。現在多了預報中部在地天氣的服務,趁空檔在FB預告雨訊。 他認為,大家對於天氣資訊的需求相當單純,就是想知道當天是否會下雨、要如何安排行程。

-----廣告,請繼續往下閱讀-----

此次訪問開始前,他說待會可能會下大雨,不一會兒窗外果真下起傾盆大雨,呂權恩也不時滑著手機回覆網友提問(每天約有幾十人提問,在地人、國中生、附近廟宇等都是常客),或是看看雷達回波圖,預告下一波陣雨,訪問就在一陣陣雨聲中進行。

一人觀測站 氣象工作像星星一樣無法窮盡

這「一人氣象站」的誕生可以追溯到呂權恩13歲時,起初他只是用簡單符號記錄天氣陰晴,漸漸地加入溫度、風向風級、雨量等項目。當兵時呂權恩努力存錢,購置自記溫濕度儀和自計氣壓儀,一個簡單但項目完整的氣象觀測站於是成形。

呂權恩並向氣象局申請登記證,因為場地不夠正規,持續申請了六七年,氣象局在79年「破例」發放證照給呂權恩,他也按月傳回觀測數據給氣象局。將測站取名為「銀星」是因為,研究氣象是不能停歇、無止盡的工作,就像天上星星無法數清,綿久恆長。

IMG_2849
氣象局發給銀星氣象站的登記證(呂銀山為呂權恩舊名)。圖/劉珈均攝

因為家貧,呂權恩國中畢業後就出社會工作,他曾北上求職,擔任電視台撰寫氣象資訊的幕後人員,後來回鄉任職於各式工廠,工時冗長,一天只有一兩小時得以自由運用,他的氣象知識皆靠自修而來,有問題就寫信給氣象局、索取資料。

-----廣告,請繼續往下閱讀-----

早年資訊不發達,研究天氣是相當孤獨的工作,呂權恩都靠撥打氣象專線166獲取氣象資訊,遇颱風或特殊氣象時,常得緊密盯著天氣變化,跟著氣象人員一起「加班」。近年在女兒建議下,呂權恩開設了FB粉絲頁與社團「彰化天氣搶先報」,即時預報中部地區的天氣和雨況,最快幾點、最慢幾點下雨。他說,今年梅雨季的陣雨估算地準,還曾有網友對他說:「雨是你說下就下的嗎!」但也有雲進來就突然消散,預測失準的情況。

天氣圖與颱風警報單的故事

IMG_2818
民國70年代的天氣圖。圖/劉珈均攝

他從民國73年開始,一口氣訂了50年份的天氣圖,「兩三天寄一次,有時候也會漏掉。」呂權恩足足累積了30年份的天氣圖,後來各項資訊上網後轉由網路下載。早年天氣圖為手繪,密集的字跡、數字與曲線是氣象員每日不懈的觀測成果。逢特殊天氣時,圖上的曲線就像被擾動的漣漪,標誌著這些遠洋而來的颱風或鋒面,呂權恩翻著這些天氣圖,信手拈來背後故事。

有張雙颱衛星雲圖被呂權恩稱為鎮台之寶,南北半球各一個強烈颱風,旋轉方向相反,在衛星雲圖上幾乎對稱,宛如兩個相互牽引的星系,「雙颱本來就罕見,像這樣對稱的更是絕無僅有!」呂權恩說。當時報載,北半球的羅拉(Lola)在海面上消散,南半球的南姆(Namu)卻造成所羅門群島幾萬人無家可歸、百人以上死亡或失蹤的災情,那年正逢哈雷彗星回歸,有民眾因此穿鑿附會是「掃把星」帶來麻煩。

1083_001(1)
呂權恩稱為鎮台之寶的雙颱衛星雲圖。75年5月,北半球的羅拉(Lola)與南半球的南姆(Namu)被媒體形容為兇神惡煞的巨眼。圖/呂權恩提供

收藏裡有份泛黃的颱風警報單,那是民國52年的強颱葛樂禮(Gloria),當時台灣省氣象所(中央氣象局前身)認為颱風會北轉,不會侵台,民眾可以安心睡覺,結果颱風又轉回來,路徑變為西北颱,造成台北嚴重水患、300多人傷亡或失蹤等災情,氣象所所長鄭子政更因此下台、移送法辦。

-----廣告,請繼續往下閱讀-----

讓呂權恩印象最深刻的,莫過於民國75年八月的韋恩颱風(Wayne)。韋恩颱風是台灣氣象史上第一次由中部登陸的颱風,造成台灣中部重大災情。它的生命週期長達20天,期間它登陸台灣兩次,讓中央氣象局3度發布海上及陸上颱風警報,路徑錯綜複雜,更有一度減弱成熱帶性低氣壓後又起死回生,再度發展成颱風。

當時呂權恩每隔兩三小時便撥打氣象專線166,半夜亦然,「當時預報間隔跟資訊項目跟現在差不多,就差在形式用電話或電視。」中央氣象局發佈海上警報後,每3小時更新一報;發佈陸警後,每小時加發最新颱風位置。 他從電話聽取預報資訊,自己手繪警報單,貼在住家附近橋樑的電線杆上,也帶到公司給同事看,「看的人也不多,但我還是貼。」他笑著說。他對韋恩從濁水溪登陸那天記憶猶新,大清早他聽完預報後,直接打電話給老闆,堅決告知他當天不去上班了,不久風雨立驟,雨勢猛烈,狂風掀起路樹和屋瓦,先前視他反應過度的左鄰右舍也紛紛轉變態度。

圖片2
(左)民國52年葛樂禮颱風警報單;(右)今年天鵝颱風警報單。圖/劉珈均攝
Wayne_1986_track
韋恩路徑圖。圖/取自wiki

暫停觀測十年後 今日重啟未竟藍圖

氣象站建立後,如常運行了十幾年,不過,和美鎮鄰近海邊,在海風吹拂下,儀器日漸損壞,加上經濟拮据,有些耗材也缺乏補給,到民國90年代逐步停止部分項目,僅持續測量氣壓和雨量。後因忙於生計和家庭,觀測工作不得不暫停,這一停就是十年,至去年才恢復記錄雨量、氣壓、風速。

為什麼暫停許久後又恢復觀測,甚至嘗試募資? 有什麼好理由讓大家資助一個民間測站?

-----廣告,請繼續往下閱讀-----

他回答:「就興趣啊!」他不想放棄繼續研究天氣的可能性,並戲稱:「我沒有背景,只有背影。」因此報著開放心情嘗試群眾募資這新穎方式。他說,現在申請參訪氣象局或測站有一定難度,他想成立一個開放性、教育性質的氣象站。

他比劃著,描述理想中的氣象站要設在空曠場地,佔地十幾坪,白色圓塔頂樓擺儀器、太陽能發電和風力發電機,下面樓層則有觀測室和展覽室,戶外有觀測坪。氣象站會提供資料服務,並對外開放,讓一般人或學生有親民的氣象站可以參訪。

不過,現實因素是一大挑戰,這願景需要新台幣百萬以上的經費才能實現,若「折衷」在屋頂上蓋個堅固的觀測平台,也需要二三十萬。 他去年兩度於flyingV募資網提案,只募到兩萬元,「只能有多少錢,做多少事。」他說,觀測儀器都要幾萬元起跳,專用記錄紙、記錄筆等耗材也需要經費。為了省錢,自計氣壓計的記錄紙原為一天用,他調整氣壓計的發條,讓一張記錄紙可以記錄一周的資訊。

呂權恩的成果曾寫成《台灣的天氣》一書、編進彰化縣的鄉土教材,和美鎮誌、消防員、建築商也曾向他請教在地天氣資訊。「氣象資訊是很在地的東西。」他說,以前沒有儀器的時代,人們口耳相傳經驗,累積為地方諺語,科學數據則能有根據地累積,讓往後回顧、研究時有所依循。

-----廣告,請繼續往下閱讀-----
IMG_2712
爬上兩道鐵梯才能上屋頂的簡易觀測站。圖/劉珈均攝
圖片1
(左上)自記氣壓計;(左下)今年蘇迪勒颱風的氣壓記錄,呂權恩說這是他量測過最低的氣壓;(右)自記風速風向儀是他僅存不多的儀器之一。圖/劉珈均攝

氣象局組長:「喔我記得那位小朋友的故事!」

早年呂權恩常連絡預報中心,詢問問題或分享自身觀測成果,氣象局第二組組長李育棋在氣象局服務30幾年,剛入氣象局時就在預報中心服務,聽記者詢問銀星氣象站,他說:「喔我記得那位小朋友的故事!」李育棋說,早年通訊不發達,加上處於戒嚴時期,氣象資料有國防敏感性,一般人不易取得,經內部查詢,當時氣象局發證照給銀星氣象站其實鼓勵研究的性質居多,並未嚴格查驗儀器或數據。(P.S.聊了一下,組長才發現自己和呂權恩不過相差十歲)

「弄一個完善的百葉箱就需要四五十萬了。」李育棋說:「建立一個嚴謹的氣象站起碼大概需要新台幣兩百萬。」加上後續維運、保養等也需要資金,一般民間或私人單位無力負擔運作一個測站的成本。

氣象法修正後,有限度放寬民間參與預報(註2),測站也由許可制改為報備制。李育棋說,在許可制時期,除了氣象局,只有各縣市水利署、農田水利會等單位會為了農業研究目的而成立測站、向氣象局登記;現今有些校園等「教育單位」會設立測站,目前尚未有民間或私人所有的測站。在這層意義上,銀星的確是「民間」唯一氣象站。

氣象局不會干涉同好之間交流知識、科普教育,或是環境評估等為特定用途而進行的氣象觀測,不過,氣象資料運用有其界線,若要拿私自測量的數據當作憑據甚至預報,就涉及專業和法規問題。

-----廣告,請繼續往下閱讀-----

要公開發佈氣象消息,或成為氣象局採納數據的「專用站」,須經一套嚴謹的申請與審核流程,氣象局會勘查場地、校驗儀器、審核觀測數據和儀器保養等,「作好環境控制,才能確保那些數據是在相同標準下產生和可信度。」若審核通過,氣象局才會採納該測站的數據,收錄進資料庫,作為日後預報或研究參考。 1086_001

圖片3
民國70年代的手繪天氣圖,一張約為月曆般大,手繪而成。圖/陳亭瑋攝。
圖片7
民國80年代天氣圖改為粉色(左為內頁,右為封面),對折後約A4大小,開始使用電腦打字。圖/陳亭瑋攝

 

註:

  1. 依據「專用觀測站認可辦法」,氣象觀測站依用途和觀測項目分成13個種類。早年彰化和雲林一帶只有「雨量站」和「農業氣象站」,沒有全面觀測氣象資訊的站點。
  2. 氣象法於民國73年制定,92年及104年修正。第一次修正時,許可其他機關、學校、團體或個人可以發布氣象或海象預報,但禁止災害性天氣預報;第二次修正再放寬,除了不得發佈災害性天氣中的颱風、豪雨,其他如大雨、雷電、乾旱、濃霧、寒潮、冰雹、龍捲風、強風、低溫、海水倒灌等,都可開放發佈,但須同時註明中央氣象局的資訊。

參考資料:颱風資料庫氣象法修正QA中央氣象局知識特輯Scimu「屋頂上的氣象先生」募資案

-----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

1
1

文字

分享

0
1
1
說好的颱風呢?!氣象預報不準?要準確預測天氣有多難?
PanSci_96
・2023/09/12 ・4646字 ・閱讀時間約 9 分鐘

小心啊,打雷囉,下雨收衣服啊!

氣象報告說好是晴天的,怎麼一踏出門就開始下雨了?

昨天都說要直撲的颱風,怎麼又彎出去了?

多麼希望天氣預報能做到百分之百正確,只要出門前問一下手機,就能確定今天是出大太陽還是午後雷陣雨,是幾點幾分在哪裡?又或是最重要的,颱風到底會不會來?

-----廣告,請繼續往下閱讀-----

但你知道,現在的氣象預報,已經動用全球最強的超級電腦們了嗎?既然如此,我們現在的氣象預報能力到底有多準?我們什麼時候能徹底掌握這顆蔚藍星球上發生的所有天氣現象?

天氣預報有多困難?

雖然我們常常嫌說氣象預報不準、颱風路徑不準、預測失靈等等。但我們現在的實力如何呢?

目前美國國家海洋暨大氣總署的數據分析,對西太平洋颱風的 24 小時預測,誤差平均值約 50 英哩,也就是一天內的路徑誤差,大約是 80 公里。其他國家的氣象局,24 小時的誤差也約在 50 到 120 公里之間。台灣呢?根據中央氣象局到 2010 年的統計,誤差大約在 100 公里內。也就是臺灣對颱風的預測,沒有落後其他先進單位。

現在只要打開手機隨便開個 APP,就能問到今天的天氣概況,甚至是小區域或是短時間區間內的天氣預報。但在過去沒有電腦的時代,要預測天氣根本可以不可能(諸葛孔明:哪泥?)。

-----廣告,請繼續往下閱讀-----

近代且稱得上科學的天氣預測可追溯回 1854 年,那個只能靠人工觀測的年代,英國氣象學家為了保護漁民出海的安危,利用電報傳遞來蒐集各地居民的觀察,並進行風暴預報。後來演變成天氣預報後,卻因為有時預報不準,預報員承受了輿論與國會批判的巨大壓力,最後甚至鬱鬱離世。

19 世紀的氣象學家為了保護漁民出海的安危,會利用電報蒐集各地居民的觀察進行風暴預報。圖/Giphy

在電腦還在用打洞卡進行運算的年代,一台電腦比一個房間還大。氣象局要預測天氣,甚至判斷颱風動向,得要依賴專家對天氣系統、氣候型態的認知。因此在模擬預測非主流的年代,我們可以看到氣象局在進行預測時,會拿著一個圓盤,依據量測到的大氣壓力、風速等氣象值,進行專家分析。

當時全球的氣象系統,則是透過全球約一千個氣象站,共同在 UTC 時間(舊稱格林威治時間)的零零時施放高空探測氣球,透過聯合國的「World Weather Watch」計畫來共享天氣資料,用以分析。關於氣象氣球,我們之前也介紹過,歡迎看看這集喔。

也就是說,以前的颱風預測就是專家依靠自身的學理與經驗,來預測颱風的動向,但是,大氣系統極其複雜,先不說大氣系統受到擾動就會有所變化,行星風系、科氏力、地形、氣壓系統這些系統間互相影響,都會造成預測上的失準,更遑論模擬整個大氣系統需要的電腦資源,是非常巨大的。

-----廣告,請繼續往下閱讀-----

那麼,有了現代電腦科技加持的我們,又距離全知還有多遠呢?是不是只要有夠強的超級電腦,我們就能無所不知呢?

有了電腦科技加持,我們的預報更準了嗎?

當然,有更強的電腦,我們就能算得更快。才不會出現花了三天計算,卻只能算出一個小時後天氣預報的窘況。但除了更強悍的超級電腦,也要更先進的預測模型與方法。現在的氣候氣象模擬,會先給一個初始值,像是溫度、壓力、初始風場等等,接著就讓這個數學模型開始跑。

接著我們會得到一個答案,這還不是我們真正要的解,而是一種逼近真實的解,我們還必須告訴模型,我容許的誤差值是多少。什麼意思呢?因為複雜模型算出來的數值不會是整數,而是拖著一堆小數點的複雜數字。我們則要選擇取用數值小數點後 8 位還是後 12 位等等,端看我們的電腦能處理到多少位,以及我們想算多快。時間久了,誤差的累積也越多,預測就有可能失準。沒錯,這就是著名的蝴蝶效應,美國數學暨氣象學家 Edward Norton Lorenz 過去的演講題目「蝴蝶在巴西揮動了翅膀,會不會在德州造成了龍捲風?」就是在講這件事。

回到颱風預報,大家有沒有發現,我們看到的颱風路徑圖,颱風的圈怎麼一定會越變越大,難道颱風就像戶愚呂一樣會從 30% 變成 100% 力量狀態嗎?

-----廣告,請繼續往下閱讀-----
輕颱鴛鴦的颱風路徑潛勢圖。圖/中央氣象局

其實那不是颱風的暴風圈大小,而是颱風的路徑預測範圍,也就是常聽到的颱風路徑潛勢圖,​是未來 1 至 3 天的颱風可能位置,颱風中心可能走的區域​顯示為潛勢圖中的紅圈,機率為 70%,所以圈圈越大,代表不確定性越大。​

1990 年後,中央氣象局開始使用高速電腦,並且使用美國國家大氣研究中心 (NCAR) 為首開發的 Weather Research and Forecasting 模型做數值運算,利用系集式方法,藉由不同的物理模式或參數改變,模擬出如同「蝴蝶效應」的結果,運算出多種颱風的可能行進路線。預測時間拉長後,誤差累積也更多,行進路徑的可能性當然也會越廣。

「真鍋模型」用物理建模模擬更真實的地球氣候!

大氣模擬不是只要有電腦就能做,其背後的物理複雜度,也是一大考驗。因此,發展與地球物理相關的研究變得非常重要。

2021 年的諾貝爾物理學獎,就是頒給發展氣候模型的真鍋淑郎。他所開發的地表模式,在這六十年間,從一個沒考慮地表植物的簡單模型,經各家發展,變成現在更為複雜、更為真實的模型。其中的參數涵蓋過去沒有的植物反應、地下水流動、氮碳化合反應等等,增強了氣候氣象模型的真實性。

-----廣告,請繼續往下閱讀-----
2021 年的諾貝爾物理學獎得主真鍋淑郎。圖/wikimedia

當然,越複雜的模型、越短的時間區間、越高的空間精細度,需要更強大的超級電腦,還有更精準的觀測數據,才能預測接下來半日至五日的氣象情況。

世界上前百大的超級電腦,都已被用來做大氣科學模擬。各大氣象中心通常也配有自己的超級電腦,才能做出每日預測。那麼,除了等待更加強大的超級電腦問世,我們還有什麼辦法可以提升預報的準度呢?

天氣預報到底要怎樣才能做得準?

有了電腦,人類可以紀錄一切得到的數據;有了衛星,人類則可以觀察整個地球,對地球科學領域的人來說,可以拿這些現實資訊來校正模擬或預測時的誤差,利用數學方法將觀測到的單點資料,乃至衛星資料,融合至一整個數值模型之中,將各種資料加以比對,進一步提升精準度,這種方法叫做「資料同化 (Data Assimilation)」。例如日本曾使用當時日本最強的超級電腦「京」,做過空間解析度 100 公尺的水平距離「局部」超高解析氣象預測,除了用上最強的電腦,也利用了衛星資料做資料同化。除了日本以外,歐洲中程氣象預測中心 (ECMWF),或是美國大氣暨海洋研究中心 (NOAA),也都早在使用這些技術。

臺灣這幾年升空的福衛系列衛星,和將要升空的獵風者等氣象衛星,也將在未來幫助氣象學家取得更精準的資料,藉由「資料同化」來協助模擬,達到更精準的預測分析。

-----廣告,請繼續往下閱讀-----

如果想要進一步提升預報準度呢?不用擔心,我們還有好幾個招式。

人海戰術!用更多的天氣模型來統計出機率的「概率性模擬」

首先,如果覺得一個模型不夠準,那就來 100 個吧!這是什麼意思?當我們只用一種物理模型來做預測時,我們總是會追求「準」,這種「準確」模型做的模擬預測,稱為「決定性模擬」,需要的是精確的參數、公式,與數值方法。就跟遇上完美的夢中情人共度完美的約會一樣,雖然值得追求,但你可能會先變成控制狂,而且失敗機率極高。

「準確」的模型就跟遇上完美情人共度完美約會一樣,雖然值得追求,但失敗機率極高。圖/Giphy

不如換個角度,改做「概率性模擬」,利用系集模擬,模擬出一大堆可能的交往對象,啊不對,是天氣模型,再根據一定數量的模擬結果,我們就可以統計出一個概率,來分析颱風路徑或是降雨機率,讓成功配對成功預測的機率更高。

製造一個虛擬地球模擬氣象?

再來,在物理層面上,目前各國正摩拳擦掌準備進行等同「數位攣生 (Digital Twin) 」的高階模擬,簡單來說,就是造出一個數位虛擬地球,來進行 1 公里水平長度網格的全球「超高」解析度模擬計算。等等,前面不是說日本可以算到 100 公尺的水平距離,為什麼 1 公里叫做超高解析度?

-----廣告,請繼續往下閱讀-----

因為 500 公尺到 1 公里的網格大小也是地表模式的物理適用最小單位,在這樣的解析度下,科學家相信,可以減少數值模型中被簡化的地方,產生更真實的模擬結果。

電腦要怎麼負荷這麼大的計算量?交給電腦科學家!

當然,這樣的計算非常挑戰,除了需要大量的電腦資源,還需要有穩定的超級電腦,以及幾個 Petabyte,也就是 10 的 15 次方個位元組的儲存設備來存放產出的資料。

不用為了天氣捐贈你的 D 槽,就交給電腦科學家接棒上場吧。從 CPU、GPU 間的通訊、使用 GPU 來做計算加速或是作為主要運算元件、到改寫符合新架構的軟體程式、以及資料壓縮與讀寫 (I/O)。同時還要加上「資料同化」時所需的衛星或是全球量測資料。明明是做氣象預報,卻需要等同發展 AI 的電腦科技做輔助,任務十分龐大。對這部分有興趣的朋友可以參考我們之前的這一集喔!

結語

這一切的挑戰,是為了追求更精確的計算結果,也是為了推估大魔王:氣候變遷所造成的影響必須獲得的實力。想要計算幾年,甚至百年後的氣候狀態,氣象與氣候學家就非得克服上面所提到的問題才行。

一百年來,氣候氣象預測已從專家推估,變成了利用龐大電腦系統,耗費百萬瓦的能量來進行運算。所有更強大、更精準的氣象運算,都是為了減少人類的經濟與生命損失。

對於伴隨氣候變遷到來的極端天氣,人類對於這些變化的認知還是有所不足。2021 年的德國洪水,帶走了數十條人命,但是身為歐洲氣象中心的 ECMWF,當時也只能用叢集式系統算出 1% 的豪大雨概率,甚至這個模擬出的豪大雨也並沒有達到實際量測值。

我們期待我們對氣候了解和應對的速度,能追上氣候變遷的腳步,也由衷希望,有更多人才投入地球科學領域,幫助大家更了解我們所處的這顆藍色星球。

也想問問大家,你覺得目前的氣象預報表現得如何?你覺得它夠準嗎?

  1. 夭壽準,我出門都會看預報,說下雨就是會下雨。
  2. 有待加強,預報當參考,自己的經驗才是最準的。
  3. 等科學家開發出天候棒吧,那才是我要的準。更多想法,分享給我們吧

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----

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-----