Loading [MathJax]/extensions/tex2jax.js

1

6
1

文字

分享

1
6
1

布爾與邏輯--《科學月刊》

科學月刊_96
・2015/12/12 ・5223字 ・閱讀時間約 10 分鐘 ・SR值 560 ・八年級

董世平/中原大學應用數學系教授,美國伊利諾大學數學博士,專長數理邏輯,曾任符號邏輯協會東亞委員會委員九年。

布爾追尋真理的熱忱,導引他發現思想的法則。他以代數的手法將思想法則表現為後人所稱的布爾代數,不僅成為電腦硬體設計的基礎理論,更開創了數理邏輯學的深刻發展。

天上的星星,依照牛頓所發現的「萬有引力定律」而運動;而人的思想,也有它運作的法則嗎?1854年,布爾出版了他的著作《思想法則之探討》,在這本書中,布爾給了上述問題的答案:人的思想是有法則可循的。不僅如此,我們可用數學的方式來描述這些法則。這本書出版之時,能明瞭的人甚少,但這本書對人類影響之大,絕對是當時的人,甚至布爾本人都難以想像的。

理性是人行事的基礎,如巴斯卡(Blaise Pascal, 1623~1662)所說:「人是會思考的蘆葦。」我們也說:「物有本末,事有先後。知所先後,則近道矣。」雖然人人做事都有其背後的邏輯,但意識到邏輯本身,應是後來的事,正如人人都呼吸,但意識到呼吸,乃至知道空氣的存在,都是相當後來的事了。一個人沒學過邏輯,甚至沒聽過邏輯,並不表示這人做事沒有邏輯,或不需要邏輯。

-----廣告,請繼續往下閱讀-----
01
巴斯卡。 Source: shutterstock

邏輯學門的發展

02
亞里士多德(左)與他的學生亞歷山大。Source: shutterstock

一般來說,把邏輯或理則學當作一門系統知識來學習,是從亞里士多德開始,故傳統邏輯被稱為亞里士多德邏輯,大家最熟悉的即所謂的「三段論」。

大前提:人會死
小前提:蘇格拉底是人
結論:蘇格拉底會死

當我們從所知或已知的事物而得到結論時,這個思考或邏輯過程,皆使用三段論。人會犯錯,也會犯邏輯的錯誤,有可能是前提錯,即他的認知就是錯的,但也常發生的是,推論的過程產生錯誤:

大前提:人會死
小前提:蘇格拉底死了
結論:蘇格拉底是人

我們也許會說這種錯誤太不應該了,但犯這種錯誤的人比比皆是,在報章雜誌及電視上不時可見這些錯誤的推論。因這些人的心態是先有結論,再為結論找理由,也難怪會犯這種錯誤。希望我們能如孟子所說:「淫辭知其所陷」,而不為其所陷。邏輯在希臘哲學時期的建立,也就是為了分辨辯士在辯論時,何者是講理,何者是狡辯,進而使個人能合理的思考,正確的判斷。

邏輯不僅在希臘發展,在同時期的中國亦現其蹤跡。春秋戰國時期的名家及墨家的論述中也都有「邏輯詭論」,或如莊子所說:「一尺之杖,日取其半,萬世不竭。」;在希臘有完全相同的說法,如「飛矢不動」,也與「阿基里斯詭論」有相通之處。但可惜的是,中國的邏輯後來未有系統性的發展,僅留下了「矛盾」這個有趣的典故:楚人有鬻盾與矛者,譽之曰:「吾盾之堅,物莫能陷之。」以譽其矛曰:「吾矛之利,於物無不陷也。」或曰:「以子之矛陷子之盾,何如?」其人弗能應也。夫不可陷之盾與無不陷之矛,不可同世而立。」─《韓非子》。

-----廣告,請繼續往下閱讀-----

邏輯數學化

人類用亞里士多德的方式學習邏輯,至今已2500 年了。然而,我們必須用「理性」,才能得到邏輯正確的結果嗎?唯有「理性」,才能知道「理」之「則」嗎?

布爾提出兩個突破性觀念:其一,用符號表示邏輯命題;其二,可用代數作符號運算。總體來說,我們可先用符號代表命題,用公理表示邏輯的規則,再以代數的方式運算。在運算的過程中,不需考慮符號本身及運算的意義,運算完畢,將符號再帶回原本的命題,即為邏輯正確的結果。至此,推論的過程完全被公式的運算取代,不僅大大增加處理命題的能力,完全避免人有意無意的錯誤,藉著公理的選擇,可發現命題之間的關聯,亦可清楚看見邏輯的本質,其好處不勝枚舉,更有許多後世才發現的益處。

布爾在他著作中未曾提出一套完整的公理系統,也因此現今我們有許多種不同的布爾代數系統,本文僅列出一個較簡潔的系統,我們藉此來討論布爾將邏輯符號化及代數化的意義。

在討論符號化的意義之前,我們先引用布爾在他1847年所出版《邏輯之數學分析》中所說的:「認識現今符號代數情形的人都明瞭,分析過程的正確性並非建立在對符號所用的解釋,而是在它們組合的定律上。」使用符號不僅為方便表示,亦使我們不再受限於特定的解釋,因此可擴展應用的範圍,也才有現今各樣的數位產品。

-----廣告,請繼續往下閱讀-----

我們藉由布爾曾用的交換律b+a=a+b 來說明。你可把ab視為兩個集合,+為聯集,=為集合相同;亦可把ab視為整數,+為加法,=為數字相等;亦可把ab視為命題,+視為邏輯連辭「或」,而=視為意義相等。在應用時我們固然需要對這些符號賦予特定的意義,但在推導性質時,我們只需按著他們組合的定律來做,如交換律,如此所得的性質可用在集合、數字或命題及其他可能的解釋上。

03

對於邏輯的數學化,我們可用布爾所用的另一個例子來說明:

x2 = x xx2 = 0 → x(1-x)=0

這個過程相信是任何學過解方程式的人都明白的,當把0視為空集合,1視為包含所有個體的宇集(universalclass),1-x為包含所有不在集合x內個體的集合,x2=x 則意義為「具性質P 且具性質P 的集合,即為具性質P的集合」,因此布爾用上述的代數過程得到了古典邏輯中集合的「矛盾原則」,即不可能有一個集合同時具有性質P及性質非P,亞里士多德視矛盾原則為邏輯的基礎公理,但布爾則用數學方法顯示矛盾原則可由另一個看來更直觀的x2=x 公理所導出。

-----廣告,請繼續往下閱讀-----

邏輯的符號化及數學化並非始自布爾,有不少的先驅者,最著名的當是萊布尼茲(Gottfried Wilhelm Leibniz,1646~1716),較布爾早生了約170 年。萊布尼茲曾期望當兩個人辯論時,兩個人能坐下來說:「我們算一算。」也就是用數學方法來解決爭論。符號化及數學化的威力已為現今所認知,但這兩者也意謂著抽象化,離人的直觀與經驗越來越遠。這似乎為認識事物本質所必要的,我們亦見此於物理的發展。由布爾的成就我們亦可見,透過抽象化,我們可更清楚認識及了解「思想」這個原本極為抽象的概念。

04
萊布尼茲。Source: shutterstock

范氏圖與真值表

邏輯在布爾之後有極迅速的發展,現今常用兩種工具:范氏圖及真值表。由前列布爾代數公理,我們可見「集合代數」是一個布爾代數。史東(Marshall H. Stone, 1903~1989)亦證明了任一布爾代數可用一「集合代數」表示。范氏圖即為我們常用來表示集合關係的一個視覺化工具,而視覺化表示亦為布爾使用符號所希望能達到的目標,使人有更直觀的認知,但使用視覺化工具須注意其侷限性。

范氏圖用圓表示集合,1、2、3個圓交疊後,分別可得2、4、8個區域,每一個區域代表每一個集合僅使用一次可得交集的情形,在3個圓交疊的情形下,區域2為,區域為。那4 個圓交疊可得幾個區域呢?我們也許會猜21=2、22=4、23=8、24=16,16個區域,但我們若認真的去畫,我們會發現最多只能畫出14個區域。

然而,4個集合實際上應該有16個區域,所以范氏圖無法表示n ≥ 4個集合所有可能的情形,用n個圓最多可畫出多少個不同的區域?這個例子告訴我們,用歸納法一開始所得的歸納結果有可能是錯的,有興趣的讀者可嘗試用歸納法得到正確的公式,再用數學歸納法證明公式是正確的。

-----廣告,請繼續往下閱讀-----

另一個有用的工具則是真值表。它用P、Q代表命題,∧(且)、∨(或)、¬(非)、→(若⋯,則)、→(若且唯若)、T(真)、F(假),我們有下列定義:

05

我們可看見P → Q 和¬Q → ¬P 及¬P ∨ Q 對應的真假值完全一樣,即此三者為邏輯等價,當我們要證明「若P則Q」(P→ Q) 時, 我們證明「若Q為假,則P為假」(¬Q → ¬P),則「若P 則Q」得證,此即為「歸謬證法」或「矛盾證法」的本質,同理,若我們能證¬P ∨ Q 為真,我們亦證明了「若P 則Q」。

布爾之後的邏輯

邏輯非自布爾而始,亦非自布爾而終,但邏輯自布爾後,就再也不一樣了。我們也許可以如此比擬:克卜勒藉著對行星運動的觀察數據,以計算及歸納得到了「克卜勒行星運動定律」。牛頓依此發現了「萬有引力定律」,如此不僅可解釋「克卜勒行星運動定律」,我們亦可藉此定律計算出物體的運動軌跡。同樣的,亞里士多德歸納出正確思想應該遵守的規則,而布爾用代數的方法解釋了正確思想的規則,我們便可藉著他的發現,計算出正確思想應得的結論。

布爾的觀念及符號就留在現今數學裡,因為他使用符號的方式來處理邏輯,我們也就有了「符號邏輯」這個名詞。現今邏輯界最重要的學會,即「符號邏輯協會」(The Association for Symbolic Logic),而它所出版的代表期刊即名為《符號邏輯期刊》(The Journal of Symbolic Logic)。當代對邏輯的研究主要來自數學、哲學與計算機領域,對布爾代數本身的研究亦極活躍,蒙克(Donald Monk)主編了共三冊的《布爾代數手冊》(Handbook of Boolean Algebras),從其中包含的多樣主題,即可見布爾在數學的影響之廣。

-----廣告,請繼續往下閱讀-----

現今一些較熱門的題目也和布爾邏輯有所關聯,例如,哲學界所研究的「非古典邏輯」,其研究的方式多為先將布爾代數用不同的公理表示,再將其中一些公理,基於哲學方面的考量加以弱化,如此可得如直觀邏輯(Intuitive Logic),模態邏輯(Modal Logic)等等不同的邏輯。

人工智慧

人工智慧則是一個常被討論的題目:機器能有智慧嗎?布爾告訴我們,機器藉由代數推導後,可得到正確的結論。在命題邏輯不考慮計算複雜度(computational complexity)的前提下,人所能做到的,機器都可做到。但在一階邏輯時,筆者認為由「哥德爾不完備定理」可知,機器所能做的無法跟人一樣,這也是潘洛斯(Roger Penrose)在《皇帝新腦》(Emperor’s New Mind)書中所用的論證,這仍是人工智慧學者一個爭論不休的問題。

乏晰邏輯

-----廣告,請繼續往下閱讀-----

乏晰邏輯(Fuzzy Logic)在工業界已有許多的應用,其特點是,一個命題的真假值可為一個介於0 與1 之間的實數p,亦可視為[0, p] 區間;而傳統邏輯下,一個命題的真假值限定為假與真,或布爾所用的0 與1 表示。

1960 年代, 邏輯學者逐漸發展出布爾值模型(booleanvalued model),其命題的真假值對應至一個布爾代數,並以此將柯亨(Paul J. Cohen, 1934~2007)的結果( 註) 給予一個相對簡潔的證明。此處須特別強調「無法證明是對的」和「錯的」其意義是不相同的。由布爾值模型後,又發展出布爾值分析(boolean-valued analysis),並由此得到數學上有意義的成果,乏晰邏輯可說是布爾值模型另一個有用的特例。

註:此結果得到數學最大獎菲爾茲獎,其敘述在使用一般通用的集合論公設時,無法證明選擇公設(Axiom of Choice)和連續統假說(Continuum Hypothesis)是對的。

量子邏輯

另一個著名的非古典邏輯為「量子邏輯」,由量子邏輯可衍伸出「量子計算機」。其使用量子演算法,可在多項式時間內做「因數分解」,這是一般計算機與圖靈機(Turing machine)至今仍無法得到的結果。但量子計算機與圖靈機所能計算的函數總體是相同的,量子計算機與現今使用的計算機相較,或許其計算複雜度有差別,但從可計算性(computability)來看,兩者並無不同。

06
英國科學家潘洛斯,在物理、數學等領域有卓越貢獻。他曾撰寫過一系列探討人類意識與物理之間關係的書籍,如1989 年出版的《皇帝新腦》。Source: Festival della Scienza

綜合上述,我們可說現今邏輯與計算的發展,都是建立在布爾的基礎上,我們是沿著他給我們的方向繼續前進,而他的影響不僅遍及數學各領域,亦延伸至其他領域,如哲學、計算機科學、語言學等。

對真理的追求

我們不禁要問:為什麼布爾能有如此偉大的成就?當然他一定是個天才,但他的成就並非憑空而來,他也經過時間的醞釀,使他的思想日漸成熟。也由於這些成就,使他對符號的能力有更清楚的認識。他先前出版的《邏輯之數學分析》不僅不成熟也包含謬誤。在思考的過程中,他也曾面對失敗與挫折,但他不放棄,因此得以出版《思想法則之探討》。另外他勇氣過人,他敢思想「思想」,這個極端抽象卻又最根本的問題,大名鼎鼎的萊布尼茲嘗試過、努力過,但無特別的成果,而布爾不畏艱難,終於有所成。

最後,因布爾具有「對真理追求的真誠」(It is integrity in pursuit of the truth),在他寫給好友笛摩根的信中,他先說笛摩根具有這個特質,而他在這一點並不會輸給笛摩根,他甚至寫了下面的話:「我不認為任何人比我寫那本書時的心智,曾充滿更熱烈的渴望,僅為了要發現並說出真理,而不為其他。(I don’t think any man’s mind ever was imbued with a more earnest desire to find out the truth and say it and nothing else, than mine was while writing that book.)」就是這種真誠讓布爾發現了「思想」的法則,這個發現也改變了人類。

front本文選自《科學月刊》2015年11月號

延伸閱讀:
喬治.布爾─自學成大器的數學家
布爾與電腦

什麼?!你還不知道《科學月刊》,我們46歲囉!

入不惑之年還是可以當個科青

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
科學月刊_96
249 篇文章 ・ 3741 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。

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

-----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

0
0

文字

分享

0
0
0
通信三本柱:通信模型大解密
數感實驗室_96
・2024/06/30 ・654字 ・閱讀時間約 1 分鐘

想像一下,你和朋友在咖啡廳聊天。這看似簡單的互動,其實包含一個基本的通信模型喔。你是傳輸端(transmitter),朋友是接收端(receiver),而環境中的其他聲音則構成了通道(channel)。這三者共同組成了基本的通信模型。在接下來的文章中,我們將深入探討這個模型的每一個部分,並了解它們如何影響我們日常的通信體驗。

以上就是數位通信系統的三大支柱:傳輸端、通道和接收端的簡單介紹。實際上,它們的功能遠不止於此,整個通信系統的複雜程度超乎想像。除了數位物理層的演算法和電路設計外,還涉及類比電路、網路層等不同面向,真的是一門博大精深的領域。

通信技術致力於解決全球數十億人每天遇到的實際問題。如果你對於挑戰高難度的數學、物理、演算法問題感興趣,這將是一個充滿寶藏的領域。成功解決這些挑戰,不僅具備巨大的商業價值,更能推動通信科技的進步,提升全人類的通信體驗。你是否已經躍躍欲試了呢?

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/

0

1
1

文字

分享

0
1
1
替晶片打造數學工具的喬治.布爾(George Boole)
數感實驗室_96
・2024/06/01 ・561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。 

煮湯時看到調理包背面寫著「加水且加入鹽巴或味精,就大功告成了」。

這句話該怎麼解讀呢?邏輯思維好的人可能很快就能反應過來,意思是加水是必須的,鹽巴和味精至少要加一個。當然,兩者都加也行,但似乎不太健康。

你可能會說:「煮湯時誰會想那麼多?這太哲學了!」其實,19 世紀有位數學家將邏輯建立在數學而非哲學之上,他的貢獻深深影響了現代電腦的運算。他就是我們今天的主角——喬治.布爾(George Boole)。

-----廣告,請繼續往下閱讀-----

在工作會議中,清晰的邏輯思維能幫助我們有條理地表達觀點,並迅速理解他人的意見;程式設計中,邏輯是核心,透過布林代數和邏輯運算,電腦能根據條件執行不同的任務,在智慧家電中利用邏輯閘判斷多個輸入條件來控制輸出結果。

因此,布爾提出的這一套邏輯思維與布林代數,不僅在學術領域至關重要,更是日常生活中不可或缺的工具。

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/