司法中的科學與偽科學：十個有用小指標幫你辨識偽科學（三）

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

• 文／雞湯來了王韻捷
  校稿／雞湯來了陳世芃、張芷晴
  製圖／雞湯來了黃珮甄
  編輯／雞湯來了蕭子喬

翹課的糖糖和同學在校園中直播跳舞，和教官玩追逐戰……彷彿與大人作對，試圖證明自己可以不受大人控制。

《糖糖Online》講述著幾個青少年各自碰到的人生議題，有的在管教非常嚴謹的家庭中長大，有的在非常開放自由的家庭中成長。

儘管他們成長背景非常不同，但我們深入去看，可以發現他們有一個共通點：都是青少年——對於關係、社會、自我都還處於探索階段的年紀。

他們對自我的好奇，讓站在大人視角的我們產生許多無法理解的行為。面對無數的頭痛、失眠的夜，我們可以從心理與社會的角度來看看，這群青少年到底發生什麼事。

青少年最重要的發展—自我認同的建立

自我概念發展

心理學家 Erik Erikson 將人生視為一個連續不斷的人格發展歷程，強調心理社會發展是連續累積的，且在此同時，發展是具有次序性、階段性的，也就是說各個階段都有某些特定其需要完成的發展任務。這些任務需要藉由經歷衝突、危機事件，個體才得以發展，而所謂的成長就是學習突破危機的種種過程。

青少年（12-18 歲）的個體發展任務是「發展自我認同」以及「角色認同」。此階段的青少年藉由對自我的省思與體悟，開始建立自我在團體中的社會地位，希望能在不違背自己的需要、價值觀的情況下調整自我，以增加對社會的適應性。

就像《糖糖online》劇中，欣恬面對酸民的冷嘲熱諷，仍對自己的自我價值有所確立，她呈現了一種自我概念完整後的堅定感；而小文年僅 15 歲，資質優異，通過跳級考試的她進入高中二年級的班級裡，儘管成績表現優良，但不難發現小文對自我的發展仍感到有所不足，大部份時候是需要糖糖照顧的。

同儕關係

進入青少年期最大的特徵就是和同儕相處的時間大幅增加，和家長的相處時間減少。青少年在此時期為了融入團體、尋求被認同感，會追求自己在社交群體中的地位。

其實，類似的需求也在成人世界當中有同樣的運作方式：例如繼續接受教育、賺取財富等來得到社會的認同。

若家長可以看見孩子也有這份需求，也就更能理解「自己的孩子需要在群體之中獲得歸屬感」而有的種種「想和朋友待在一起的行為」。

家庭關係

在青少年發展自我的過程之中，會漸漸的和父母轉變為「類同儕」之關係，也就是說希望和爸媽像朋友，能夠參與更多家庭事務的討論與決策，對於生活有選擇和可控制感。

也因為青少年孩子心理狀態逐漸朝向獨立、成熟，與父母的價值觀產生落差，就容易發生衝突。（延伸閱讀：有人的地方就有江湖，青少年如何應對衝突？）

家長如何與青少年子女一起成長

青少年是人生發展中的重要轉捩點，個體將由不成熟轉至成熟，若我們能試著理解此階段的孩子需要一點空間、養分好好長大，不僅能將心中的焦慮放下，也讓青少年多些自己的空間得以好好發展。

此外，時代的改變也是現代家長需要正視的一項因素。現代社會變遷的速度已快到無法想像，當家長以自身的角度去看待孩子的問題時，有可能無法讓孩子吸收到父母想要表達的內容，反而推開了與孩子的距離。

如在《糖糖Online》劇中，面對網路的世界，父母也從未接觸過，就無法以過來人的心態給出建議，但家長能給予的或許是一種陪伴。

身為家長，或許我們可以試著這麼做：

1. 調整心態：

   試著理解這些處於青少年的孩子們正逢一項人生自我探索的危機中，他們也正在努力的長出自我，或許家長們會覺得：我的小孩不再是過去那個順從、聽話乖巧的小寶貝了，但父母需要適時的理解這些是人生成長的一部分，孩子們有自己的路需要拓展。

2. 釐清界線，嘗試放手：

   理解孩子的狀態後，可以慢慢思考哪些事是可以放手讓孩子自己獨立完成的，哪些事情仍然無法，透過與孩子清楚的溝通也是重新調整關係的最佳方式。

3. 多傾聽：

   當孩子正試著表達自我時，可以先試著以開放的心態、詢問的角度去和孩子互動，再慢慢的和孩子說明該如何適當的表達自己的想法，而不侵犯他人。

1. 洪光遠、連廷嘉（譯）（2018）。青少年心理學：發展、關係與文化（原作者：F. Philip Rice 、 Kim Gale Dolgin）。學富文化，台北。

本文與雞湯來了 同步刊登，原文標題 「吾家子女初長成」－ 從《糖糖online》看青少年的成長變化

本文由民視《科學再發現》贊助，泛科學獨立製作

文 / Casual

當你與一群好友們聚餐時，你是否有過隱藏自己真正的想法，然後點跟同伴們類似的食物呢？

如果有，請不要覺得自己奇怪，因為根據一份新的研究發現……會這麼做的人其實還滿常見的。

過去就有「社會規範會決定人們飲食行為」的假設，這篇發表在《營養飲食協會期刊》（Journal of the Academy of Nutrition and Dietetics）上的回顧研究就是想確認這個假設是不是真的。結果發現同儕的影響，確實會左右你對食物的選擇，還有吃下肚子的份量。比如說你本來是小鳥胃，但認識了一群大胃王，為了維持這段得來不易的友誼，你的食量就會在不知不覺中慢慢強大起來！

該研究的研究者分析了 15 篇發表在不同期刊上的研究。當中有 8 篇分析人們在食物的選擇上如何被飲食規範給影響；另外 7 篇則把重點放在處於這些規則下的人們會如何去選擇食物。

當你告知研究參與者說：其他的人在吃低卡路里或是高卡路里飲食時，參與者會傾向選擇跟其他人一樣的食物。此外，這份研究回顧也指出同儕之間如何影響彼此對食物的選擇。

研究發現，人們對食物的選擇顯然會受他們的社會認同（Social identity）影響，而這個影響甚至在當事人沒有察覺下發揮作用，即使他們獨自吃飯亦然。

所以呢！從這個研究裡我們能學到什麼呢？

人們的飲食選擇不僅會被他人影響，他人也有可能受到我們的飲食行為而有所變化。當我們從自身去建立良好的飲食習慣，漸漸地影響周遭人們的飲食行為，讓大家都吃得健康一點。

資料來源：Peer Pressure May Influence Your Food Choices

研究文獻：Robinson, E., Thomas, J., Aveyard, P., & Higgs, S. (2013). What everyone else is eating: a systematic review and meta-analysis of the effect of informational eating norms on eating behavior. Journal of the Academy of Nutrition and Dietetics.

轉載自營養共筆

—————————–

延伸科學再發現@科技大觀園：

• 人體奧秘系列（一）：大腦地圖
• 學習的密碼
• 科學的100堂課：一筆一劃是學問 左右腦並用貫通
• 環境與學習成效

更多內容也可以上科技大觀園搜尋「學習」，或每週六上午8點收看民視53台科學再發現。

（續上篇）

指標2. 迴避同儕審查。

在科學領域當中，假說、理論或者實驗的結果，接受同領域同儕審查（無論是透過理論檢驗或者實驗再現的方式），是相當重要的特色，也是科學承認與面對假說不完美或錯誤之處的修正方法。

美國聯邦證據法從 Frye 所建立的同儕普遍接受 General Acceptance 法則，乃至於在 Daubert 一案進一步擴張的聯邦證據法有關科學證據驗真的的五項基本標準，其原理便在於：同儕審查或許不是驗真的完美機制，但通不過同儕審查的研究，往往都不完美。

但偽科學往往會透過各種方式，迴避同儕審查。

例如：試圖透過筆跡分析來決定一個人的個性以及是否具備心理病態特質的這種偵查科學，也曾經風行一時（Beyerstein & Beyerstein, 1992）。

這一類的研究或意見發表時，多半不愛以正統學術論文的方式經過審查，而喜歡以出書著作，也欠缺引用科學證據的方式來立論。若偶爾引了證據，往往也是自己的「著作」或者同樣是「筆跡分析學」領域的著作。但日後若有科學家將這類著作的「案例」拿來加以調查，則常會發現：統計上根本就沒有發現這些筆跡特徵跟病態人格的任何關聯性。

指標3. 欠缺自我修正機制。

原則上，科學各領域都具備自我修正的機制：在不斷提出的主張、假說、理論當中，後來者會不斷檢視先前存在者，然後透過證據加以修正或排除。因此，在科學領域當中，理論或者假說模型的快速修正與變遷，幾乎可以說是常態，也是科學演進的必然。

但偽科學，就沒有這種自我修正的機制。回到一開始的例子：占星術號稱在人類歷史存在的期間超過四千年以上，影響了許多人的生活。但四千年來這個古老的智慧在理論上修正的多少？幾乎沒有。連行星系統正式將冥王星除名，以及十二星座之外又加入「蛇夫座」的時候，也沒有。這正是偽科學的特色之一。

在司法系統中，最能彰顯此一指標的莫過於使用吐真劑（誠實藥水）讓被告講實話這件事。一般人以為吐真劑（基本上多屬於barbiturate或者benzodiazepine類型藥的變化）可以讓被施藥者無力抗拒而講出心中的秘密。但臨床實證研究早早就證明了這些「吐真劑」，根本上效果跟灌酒或施用鎮靜劑沒兩樣，只是會降低自我抑制機制而已。至於講的內容？當然是真偽難分。（莫非你也相信「酒後吐真言」？不如洗洗睡…）

但問題是，從吐真劑誤打誤撞在20世紀初被搞出來向情報機關騙取專案經費，到21世紀初的現在，還是有眾多的情報機關與法務機關寧可信其有，就不去想想：將近一百年了，如果真的已經發現可以逼人說實話的藥水的話，以科學修正與進化的速度，怎麼到今天還沒有正式推出上市，或者立法作為偵訊工具？會不會是人類說謊話的機制根本就沒有辦法被外力干預？

（續下篇）