Loading [MathJax]/extensions/tex2jax.js

0

1
1

文字

分享

0
1
1

願原力與你同在 ——原力鎖喉、閃電、心靈力量的空想科學

廖英凱
・2016/01/07 ・5909字 ・閱讀時間約 12 分鐘 ・SR值 574 ・九年級

文/海苔熊、廖英凱

光劍與原力,是維繫星際大戰世界中兩個關鍵又迷人的元素。隨著科技的進展,有越來越多的科學家們已經在討論與構思光劍的實踐。但對於更具神秘感甚至頗有一絲哲理的原力,卻仍充滿著種種的謎團。雖然絕對可以指責說「原力」不過只是個電影中虛構出來的黑科技或特異功能。但對於狂熱粉絲來說,除了拿起光劍來決鬥以外,選擇性地忽略這個不浪漫的指責,然後繼續探討思考原力揪~竟是什麼,才是洞悉宇宙真理邁向絕地聖殿的修練正道嘛 (喂)!

source:David Bokeh
source:David Bokeh

所以我說,那個原力呢?

我的原力是黑暗原力,就是來自憤怒、仇恨與恐懼等情緒,純粹負面的黑暗面藉由西斯板教條的引導後,其力量立即倍增,搭配原力鎖喉與原力閃電的技巧使用,威力更是妙不可言,跟原力的巧妙組合,正是黑暗勢力的精華所在。

source:Scott Smith
source:Scott Smith

原力是什麼?它看起來像什麼?在今天的人類世界中又有什麼跟它有點類似?要讓原力能真正實踐前,或許可以從電影中曾出現過的這些原力特徵來想想:

  1. 隔空鎖喉、移動物體
  2. 放閃電
  3. 心靈控制與光影對立
  4. 預知、心電感應
    註:其實相關電玩中還有吸血、治癒、狂暴、隱身等技能……

1. 隔空取物:超距作用

無論是達斯維德的原力鎖喉,或是格鬥時利用原力操控物體攻擊敵人,原力似乎有一種可以隔空操作、不須介質、又能瞬時影響的神祕威力。這和過去中學課本會提到「超距力」,例如萬有引力和電磁力1,也似乎有一點點相似的感覺。

-----廣告,請繼續往下閱讀-----
file_5472e61c448b7
一位仙姑正在施展「超距作用」的原力。  source: 電影《與龍共舞》

不過,隨著物理學的進展,超距力這個概念其實並不是那麼精確,僅能作為初學物理時建立直觀的一種分類方式。在電磁學的建立過程中,法拉第與馬克士威先後建立與利用了「場」的概念來思考超距力運作的機制。例如電荷會在周圍生成電場,而其他電荷會感受到這個帶有能量與動量的電場而作用。萬有引力在經過廣義相對論的解釋後,也有著相似的機制,也就是物質與能量造成了時空的扭曲,而物體在這個扭曲時空中運動的最短路徑,在三維空間中看起來就像是受到質量與能量所產生的引力影響。說了這麼多,那麼,我們可能利用超距力來隔空取物嗎?這樣藉由建立「場」來達到作用力的超距方式,可以達到光速的影響速度,且作用的範圍是無窮遠。但會有兩個困難:

  1. 利用控制或製造出電磁力或萬有引力來操控物體恐怕不太可能。除了作用力的大小會和距離平方成反比以外,我們也沒有辦法在指定空間憑空製造出大量電荷或重力來吸引或排斥物體。
  2. 而就算能憑空製造出電磁力或重力,所影響到的也會是整個空間而非單一物體。

因此,想要實踐原力鎖喉與隔空取物等技巧,恐怕還在天方夜譚之際。

2. 原力閃電:生物電流

不過,達斯西帝的Boss招式:原力閃電,大自然倒提供了一些成功的實踐案例,例如可以放電擊暈獵物的電鰻。在牠的體內有數千個肌肉細胞擁有微量放電的能力,每個細胞約可放出0.1伏特的電。經由高度特化的神經系統,使得這些細胞會在極短的時間內被活化2。又因這些具有放電能力細胞的排列一致,如同上千個排列整齊的電池,再藉由串聯增加電壓、並聯增加電流的細胞連結,使電鰻可以在2毫秒間輸出約500伏特1安培的電力。

對於電鰻來說,這樣的瞬間發電已經足以電暈身旁的獵物,但若要能做出長達數公尺的電弧閃電,我們恐怕只能玩流亡黯道了還需要多上數倍的功率。以一個國外知名的電弧藝術團體「Dr. MegaVolt」為例。他們用來製造電弧的特斯拉線圈,所需要的電源供應規格是240V與150A3。若是比照電鰻換算成1安培的電流,這樣也需要輸出36000伏特的超高電壓。恩… 這樣算起來,要弄出原力閃電,只要符合下面2個條件:

-----廣告,請繼續往下閱讀-----
  1. 只要(用『火星異種』裡面的逆天移植科技)讓人體裡能夠移植或基改72倍的電鰻發電細胞……
  2. 克服觸電的問題。例如在心臟周圍長出足夠厚的脂肪,讓脂肪的高電阻來降低流經心臟的電流;或是讓放電的指尖能變成能導電但又不用擔心高溫高熱的結締組織……

看起來,要練成原力閃電似乎也沒有想像中的困難嘛……(誤)

qw
2011年,科博館孫維新館長編導的舞台劇「讓世界動起來!法拉第的一生」,邀請了表演團體「 Dr.MegaVolt」現場演示特斯拉線圈的電弧效果。
這不是原力閃電

3. 心靈控制與光影對立:催眠與陰影

(本段感恩海苔熊跨界相挺)

除了攻擊技能以外,原力也有許多防禦系或輔助系的技能,例如絕地大師們用來迷惑小兵的心靈控制。這樣的心靈控制有點類似催眠的方式,透過暗示就能指示操控他人。在許多影視劇本中,偶爾也可見到這樣催眠術的敘述與應用。不過催眠術真的有辦法做到這種地步嗎?

KONICA MINOLTA DIGITAL CAMERA
KONICA MINOLTA DIGITAL CAMERA

事實上近代催眠的研究大多聚焦在治療、疼痛或壓力減輕上,而不是「控制」4567。話雖這麼說,某些層面上原力對人的使用,還真的跟催眠有些神似。如果要用一句話搞懂催眠,就是「注意力局部化」的過程:讓受催者放鬆到只接受語音訊息,然後運用暗示讓你的潛意識浮現(好吧,這句話好像還是太長又難以理解)。我們還是來看蔡宗晃與朱秀琴的整理8

-----廣告,請繼續往下閱讀-----
  1. 吸收(absorption):窄化認知注意力,只聚焦在聽覺上吸收訊息。
  2. 解離(dissociation):在意識層面上,和自己的認同分解(這就是為什麼有些人可以扮演別的角色)。
  3. 暗示性(suggestibility):對其他刺激無反應,只對催眠者的語言暗示有回應。

當然,對於催眠還需要許多實証研究說明機制(如果你還是很懷疑有些人怎麼可以被催眠,你可以想想邪教洗腦的例子),不過我們這裡想談的是原力,我自己覺得心理學上比較接近的概念是榮格的陰影(Shadow)尤其是這集《星際大戰7:原力覺醒》。

我所理解的星戰七核心信念是:

那些好的、壞的、光明的、黑暗的,都是你。真正強大的絕地武士不是尊崇光明、鄙棄黑暗,而是接納那些陰影(shadow)也是他的一部分。

source:http://img10.deviantart.net
source:http://img10.deviantart.net

根據榮格的觀點,我們都有集體潛意識(collective unconscious),對某些詞也有共同的象徵概念,稱之為「原型」(archetype,例如「阿嬷」的意象)9,當你能夠與黑暗同在(而不是把它放逐),潛意識的力量就會湧現出來。雖然很不科學,但你在很多電影中都會看到榮格與陰影的「影子」:哈例波特與佛地魔10、少年pi的老虎與兩個版本的故事11、神隱少女的湯婆婆與錢婆婆等等12──如果有一天你能看見那些你所討厭的(例如總是「讓」你加班的老闆),其實是你的投射(Projection),甚或是內在兩股力量的拉扯(例如你對成功固然渴望,但對休息也同樣渴望),屬於你的原力就會長出來。

榮格曾說:「我寧願成為整體的人,不光只是個好人。」

雖然我們還是不知道這麼不科學的原力要如何透過不科學的潛意識去操控風暴白兵,但我們至少可以知道,當你願意接納自己的陰影,這樣的自性化(individuation,或譯個體化)過程,就足以讓你踏上追尋自己原力的旅程。

-----廣告,請繼續往下閱讀-----

4. 心電感應:氣功、神通、信息場(?)

而貫穿整個星戰世界觀裡,最關鍵也最特別的原力特色,肯定是一個類似「心電感應」的能力了。在電影中,這項感應的能力能察覺到數光年外的動盪悲劇、能在黑暗處感應地形與危險、能察覺視線死角的敵人,還能感受到宇宙間力量的流動與平衡。比起X教授的窺探心靈,這項能力的運用似乎更富有哲理,精於此道的尤達大師更有許多頗有禪機的對白。在Discovery製播的「星際大戰的科學啟發」節目中,也以少林武僧和他們在武術、氣功、思想上的修練作為絕地武士們探究原力的原型藍本。

雖然這些氣功與心靈力量等在各個文化圈中也不斷地被採信與應用。但這些宣稱有神奇功效的神技,卻仍相當欠缺近代科學的實證與主流科學界的共識。不過,在台灣特別值得一提的,是台大前校長李嗣涔教授利用特異人士「手指識字」的方式,建立了「信息場」的理論來解釋神靈、外星文明與心電感應的緣由。

1999年8月,李嗣涔的團隊在手指識字的研究時,發現當受試者觸摸與宗教有關的神聖詞彙時,受試者會看到與平時完全不同的光亮影像。他認為這代表除了我們所熟知的物質世界以外,還有一個「信息場」(俗稱靈界)共存。2000年12月底,更發現透過手指識字的信息場存取會遭到不明力量有意識地干擾,這代表在信息場中有某些高智能信息的存在,有可能就是「神靈」存在的證據。在更進一步的實驗中,研究團隊開始將一些問題請示這些神靈,例如「時間在信息場是否存在?」、「外星人在哪裡?」甚至是預知未來,而且也多有得到不同形式與深度的回應13

再從今日的物理研究在不同尺度的特徵來看,微觀尺度的量子糾纏可以達到訊息傳遞不受空間限制;巨觀尺度的暗質與暗能告訴我們已知科學所了解的能量僅有整個宇宙能量的4%;而中尺度在人體身上,則出現了信息場存取的奇蹟。李教授因此在2014年提出了「複數時空」的理論來作為解釋不同尺度現象的統一架構。亦即宇宙其實是個八度時空,為四度的實數時空與四度的虛數時空。實數時空是人類感官所能體會的時空,而虛數時空則是信息場。兩者如同俗稱的陰陽界,共存但兩隔,藉由無數通道連通,而最小的通道,正是基本粒子的自旋。再進一步探討虛數時空,除了以信息場解釋外,更有可能與意識有關,並以此解釋量子力學中物質波函數的虛數項,就是物質的意識14

-----廣告,請繼續往下閱讀-----

說了這麼多,要如何擁有「心電感應」的能力呢?

在這樣的架構下,如果我們也想如這些特異人士一般,能存取虛數時空(信息場)的資訊來做為跨越時空的心靈感應方式,這需要靠活化與訓練「天眼」來達到。研究團隊利用功能性磁造影(fMRI)的研究發現,當受試者成功手指識字時,位於大腦的後側扣帶迴(posterior cingulate cortex, PCC)會觀察到被活化,這可能就是所謂「天眼」的位置。而當PCC內的液體進入宏觀量子狀態時,生成的複數量子可藉由基本粒子自旋所產生的通道,進入虛數空間來掃描紙上文字的虛象結構15。自1979年起,在中國也有一系列研究指出,兒童與青少年可以透過訓練,來學會手指識字而有統計上的顯著成效16。也因此,從支持相關理論的研究發表,人們似乎找到了一個訓練特異功能,超越時空限制,感應異世界資訊的訓練方法!?

  • 註1:關於李嗣涔教授的研究,除所引用文獻外,主要來自於李嗣涔教授在2015年11月20日於台大星艦學院科幻社之社課17演講內容。筆者可能因無法認同與充分理解李教授的研究內容,而無法做出正確且精確的描述,還請讀者特別嚴格檢視。
  • 註2:李嗣涔教授的研究在多年來爭議不斷,鑒於李教授的研究奠基於少數幾位「特異功能人士」的實驗,李教授在星艦學院演講時表示,目前可輕易找到許多特異人士來重現實驗結果,但受試者唯有真心相信才是實驗成功關鍵。不過一篇刊於Science上的報導認為這系列研究因人類的不一致性而未有穩定實驗結果18,台大物理系楊信男教授亦認為此系列的研究有違學術倫理19,也請讀者特別留意此未解爭議。

探究原力,仍在前人未至之境

原力,問世於電影屏幕,植基於歷史文化與想像,更成為當代文化迷人的一部分。或許今日對原力的想像仍不切實際。但前人種種的幻想,也推動著一代又一代的熱情,讓夢想化為科技而不斷實現。或許,透過科學家們持續不懈的研究探索與誠正而行的自我修正,數個世代後我們也可以帥氣地說:「那些關於原力的故事,都是真的。」

May the force be with you.

May the science be with you.

參考文獻:

-----廣告,請繼續往下閱讀-----
  1. 教育雲-教育大市集. “超距力.”
  2. 陳儀蓁. “電鰻如何發電?為什麼不會電到自己?.” 科學人雜誌   (2006).
  3. Dr.MegaVolt. “Hire”.
  4. 潘世毅, 催眠治療運用於PTSD(創傷後壓力症候群)之初探. 諮商與輔導, 2010(299): p. 38-40+37.
  5. 林育陞, 催眠治療與靈性結合之探討. 諮商與輔導, 2015(356): p. 2-5.
  6. 李建伟, 慢性疼痛的催眠治疗. 山東醫藥, 2010. 50(33): p. 113-114.
  7. 毛燕飞, 李斌本, and 熊源长, 催眠术与疼痛治疗. 第二軍醫大學學報, 2007. 28(5): p. 552-553.
  8. 蔡宗晃 and 朱秀琴, 司法催眠的使用與爭議. 諮商與輔導, 2006(248): p. 2-6.
  9. 李映嫺 and 潘世毅, 榮格心理學與釋夢初探. 諮商與輔導, 2009(288): p. 6-8+5.
  10. 翁力齡, 榮格分析心理學中陰影原型之初探. 諮商與輔導, 2011(311): p. 7-10.
  11. 莊硯涵, 面對陰影的個體化旅程:榮格心理學在電影《少年PI的奇幻漂流》之實踐與啟發. 輔導季刊, 2015. 51(2): p. 53-61.
  12. 吳國葆, 《神隱少女》中「湯婆婆與錢婆婆」之隱喻-以榮格「陰影」與「人格面具」原型初探. 諮商與輔導, 2015(353): p. 31-34.
  13. 李嗣涔. “與信息場對話.”
  14. 李嗣涔. “複數時空-解釋暗質、暗能、意識與特異功能之統一架構.” 佛學與科學   (2014).
  15. 李嗣涔. “一物兩象 – 手指識字與念力的可能生理機制.” 佛學與科學   (2015).
  16. 李嗣涔. “由手指識字實驗辨識特殊關鍵字所觀察到的異象.”   (2015).
  17. 李嗣涔. “臺大星艦學院科幻社 – 帶你穿越時空探索外星文明.”  (2015).
  18. Du, Lei. “New University President Has Links to Paranormal Research.” Science 308 5730 (2005): 1852.
  19. 楊信男. “科學研究的倫理—評李嗣涔的「撓場」〈Torsion Field〉研究.” 科學月刊   (2007).
-----廣告,請繼續往下閱讀-----
文章難易度
廖英凱
30 篇文章 ・ 249 位粉絲
非典型的不務正業者,對資訊與真相有詭異的渴望與執著,夢想能做出鋼鐵人或心靈史學。 https://www.ykliao.tw/

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

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。

2

5
2

文字

分享

2
5
2
從基隆進港的深海活化石中,意外發現新種具足蟲!——專訪國立臺南大學副教授黃銘志
Heidi_96
・2022/11/29 ・3890字 ・閱讀時間約 8 分鐘

新種具足蟲,發現!

2019 年,國立臺南大學生物科技學系副教授 黃銘志 從基隆漁民手中獲得一批具足蟲。為了鑑定這些小傢伙的種類,黃銘志從日本換來兩隻大王具足蟲(B. giganteus),沒想到卻意外發現前所未見的新種——猶加敦具足蟲(B. yucatanensis)!

這到底是怎麼回事呢?別急,在我們看下去前,先告訴你一個具足蟲的小秘密。

具足蟲又稱為深水蝨,是居住在深海的甲殼類活化石。你可能沒聽過這兩個名稱,但如果你看過《風之谷》或是《星際大戰》(Star Wars),肯定對王蟲和黑武士有印象,而他們的原型就是具足蟲!

在宮崎駿動畫《風之谷》中,王蟲是守護腐海的生物。當他們憤怒時,眼睛會由藍轉紅。圖/スタジオジブリ
《星際大戰》系列電影的角色——黑武士的面具原型也是具足蟲!圖/Star Wars

既然不小心撈到了,那就抓來研究吧~

小秘密說完了,讓我們原地跳一下,回到 2019 年看看事情發生的經過。

-----廣告,請繼續往下閱讀-----

當年七月,黃銘志在基隆正濱漁港採集到俗稱「金絲猴」的紅頭龍蝦,登錄為臺灣新記錄種「海神後海螯蝦(Metanephrops neptunus)」。此後,黃銘志就有和當地漁民保持聯繫。

臺灣新記錄種「海神後海螯蝦(Metanephrops neptunus)」。圖/TaiBNET

後來,有船長告訴黃銘志:「我抓到十隻具足蟲,你要不要?」

在基隆,具足蟲的漁獲量並不多,通常是拖網捕蝦附帶的戰利品。雖然東北角有很多販售具足蟲料理的店家,具足蟲吃起來也像龍蝦,但民眾還是喜歡吃真正的蝦子,所以具足蟲銷不出去,黃銘志就整批買了下來。

這時,問題來了!臺灣沒有具足蟲專家,而黃銘志本身也不是分類學家,要怎麼鑑定呢?沒辦法,只好自行摸索。

-----廣告,請繼續往下閱讀-----

於是,黃銘志和日本新江之島水族館交換兩隻大王具足蟲,但這兩隻越看越不對勁,「⋯⋯怎麼其中一隻腰身比較細?難道是牠比較瘦、吃比較少嗎?」

「背景不同的人,就會用不同的視角看事情!」

後來,黃銘志想起赴日深造時,研究魚類基因演化、解析人體基因結構的經驗,就決定分析具足蟲的基因。從黃銘志的專業背景——分子生物學的角度來看,至少要採用兩種分析方法才夠,因為每個基因演化速度都不同,像具足蟲演化得很慢,基因差異不太明顯,就很難區分。

經過細胞色素 c 氧化酶亞基 1(COI)和 16S rRNA 分析後,黃銘志赫然發現很多 DNA 片段都不同。起初還以為是分析出錯,或是樣本破損,但重複試驗多次後的結果都一樣,黃銘志不禁感到困惑:「奇怪了,歐美研究大王具足蟲長達 140 年,有超過 1000 隻樣本,怎麼沒發現裡面可能有基因結構不同的個體?」

細胞色素 c 氧化酶亞基 1(COI)分析結果:第一行是猶加敦具足蟲,第二行是大王具足蟲。圖/Journal of Natural History
 16S rRNA 分析結果:第一行是猶加敦具足蟲,第二行是大王具足蟲。圖/Journal of Natural History

為了進一步梳理這些數據,黃銘志找來兩位分類學家助拳,一位是日本國際螯蝦學會的會長——甲殼類專家川井唯史(Dr. Kawai Tadashi),另一位則是澳洲昆士蘭博物館的無脊椎動物榮譽研究員——具足蟲專家尼爾.布魯斯(Dr. Niel L. Bruce)

-----廣告,請繼續往下閱讀-----

不是這個專業,所以才能做到這件事

在三人正式合作前,黃銘志就大致完成這篇新種具足蟲的論文了,但後來,布魯斯發現了一個天大的錯誤,那就是黃銘志引用了某位印度專家錯誤的研究。

過去,也有中國學者引用這篇印度論文,指出印度洋海域有肯氏具足蟲(B. kensleyi)。黃銘志原先也以為是這樣,畢竟順著前人的研究比較不會有爭議,沒想到卻因此得出錯誤的推論。

第一次研究具足蟲,就要指正其他專家的研究,「老實說,我算哪根蔥?」黃銘志苦笑道。

為了修正錯誤,具足蟲的細部結構就交給布魯斯研究,再讓川井逐一比對、鉅細靡遺地畫下來。具足蟲演化較慢,所以每一種長得都很像,必須仔細觀察才能看出差異,比如鼻子的形狀、尾扇棘刺的數量、身體兩側的彎曲程度等等。

詹姆斯具足蟲(B. jamesi)和猶加敦具足蟲(B.yucatanensis)的身體(a)、頭部(b)、鼻子(c)和頭部側視圖(d)。圖/Journal of Natural History

雖然三人至今都沒有見過彼此,但當初為了辨別出不同的形態,他們互相傳了上千封信討論,才終於達成共識。回想這漫長的過程,黃銘志說:「那些圖都確認過十幾次了,意見不合也是常有的事,比如尾扇棘刺的數量要從哪裡開始數?」

-----廣告,請繼續往下閱讀-----

黃銘志也提到,每種生物都有「種間變異」和「種內變異」。只要有變異,一定有不同的地方,但這些不同的地方可以直接判斷成不同種嗎?假如尾扇棘原本有 13 根,卻因為互相打鬥而斷了一兩根,是不是就要分成不同種?

詹姆斯具足蟲(B. jamesi)和猶加敦具足蟲(B.yucatanensis)的尾扇棘(c)。圖/Journal of Natural History

在這種情況下,由於形態非常接近,按照傳統分類學的做法,其實很容易將一整群可能摻雜不同種的樣本全都混為一類。因此,黃銘志認為最好的做法是從基因著手,用分子生物學的方法鑑定,而不是用個體的外觀差異判斷。

當分類學家多次比對不同樣本的外形,認為這不是大王具足蟲,而基因定序的結果也和資料庫既有的物種都不匹配的時候,就可以確認牠是未經發表的新種。

延伸閱讀:新種形成——秘中之秘

根據論文發表的結果,黃銘志最後將來自新江之島水族館的新種,以發現地墨西哥灣猶加敦半島(Yucatán Peninsula)為依據,命名為猶加敦具足蟲(B.yucatanensis)。

-----廣告,請繼續往下閱讀-----

鑑定深海物種,有助於我們更認識深海

在十八、十九世紀時,科學家非常好奇深海到底有沒有生物,而如今,具足蟲就是活生生的鐵證,因此歐美國家非常重視具足蟲的學術價值。這些深海小傢伙證明了一件事:即使在光線微弱、水壓極高、溫度極低、幾乎沒有食物的環境下,還是有生物存在。

目前,我們對於月球的了解甚至還比深海多。布魯斯表示,陸生生物即使雜交,只要能產生有生殖能力的後代,原則上都可以算是同種,但水生生物並不完全遵循這個原則。

比方說,現在有很多鱘龍魚是雜交種,而且是不同種交配生下的、具有生殖能力的後代,這些不同的後代,都各自稱得上是新物種。按照這個邏輯,海洋時刻都有新物種誕生,是我們探索不完的神秘區域。

本篇論文的第三作者:尼爾.布魯斯。圖/ResearchGate

不過,相對於西方國家多半將具足蟲作為研究用途,東方國家比較在乎的反而是「這可以吃嗎?要怎麼料理才能變得更好吃?」

-----廣告,請繼續往下閱讀-----

在日本,有一種零食就是將具足蟲磨成粉後加進仙貝,讓仙貝吃起來有蝦子的味道。黃銘志笑著說:「這很暢銷!」但也補充道,他在東京大學做研究時,實驗室有個傳統,那就是「當你研究某種生物的時候,你就不吃牠們,代表你對這種生物的敬意。」

關於具足蟲,還有哪些待解之謎?

這份耗時三年的研究,不但指正了前人的研究、改變了具足蟲近百年來的分類,也暗示著既有的「群模式樣本」或許有很大的問題。換句話說,目前已知的具足蟲種類不多,可能是分類錯誤造成的結果,說不定早就有很多種摻雜在其中了!

延伸閱讀:怎麼把牠們當成一樣的物種!物種分類出錯怎麼辦?——分類學家偵探事件簿(三)

在日本,鳥羽水族館有一隻具足蟲長達五年沒進食。目前仍沒有科學家著手細探背後的原因,而牠們的食物來源、繁衍方法,以及牠們如何在極端惡劣的深海環境生存,都是接下來必須進一步探究的課題。

舉例來說,紅色在深海是一種隱性色,而深海的甲殼類生物(比如甜蝦、天使紅蝦)體內通常帶有蝦紅素,使得體表呈現紅色,可以保護牠們不被天敵發現。可是,具足蟲的分布範圍深達數千米,體內卻沒有蝦紅素,煮熟後也不會像蝦子那樣變紅。

-----廣告,請繼續往下閱讀-----

延伸閱讀:煮熟的龍蝦為什麼會變色呢?

此外,透過研究具足蟲,科學家可以更了解全球暖化對深海的影響、陸地上的重金屬和放射性物質沉進深海造成的衝擊,以及這些具足蟲是否可以取代龍蝦,成為新的食物選擇。

最近,南海的船長捕到了 80 幾隻具足蟲,黃銘志買下了形態看起來比較特殊的 10 隻,希望可以篩出更多新種,解開更多有趣的謎底。

延伸閱讀

  1. Huang, M. C., Kawai, T., & Bruce, N. L. (2022). A new species of Bathynomus Milne-Edwards, 1879 (Isopoda: Cirolanidae) from the southern Gulf of Mexico with a redescription of Bathynomus jamesi Kou, Chen and Li, 2017 from off Pratas Island, Taiwan. Journal of Natural History, 56(13-16), 885-921.
  2. 交換日本水族館具足蟲 南大發現深水蝨新物種|生活|中央社 CNA
-----廣告,請繼續往下閱讀-----
所有討論 2

1

6
4

文字

分享

1
6
4
Deepfake 不一定是問題,不知道才是大問題!關於 Deepfake,你需要知道的是⋯⋯?
TingWei
・2022/01/24 ・3489字 ・閱讀時間約 7 分鐘

編按:你的理智知道「眼見不為憑」,但你的眼睛還是會背叛你的理智,不自覺得被眼前的影像所吸引,儘管你真的、真的知道他是假的。Youtuber 小玉於2021年底涉嫌利用 Deepfake 技術,偽造多位名人的色情影音內容並販售的事件,既不是第一起、也不是唯一、更不會是最後一個利用「深偽技術」進行科技犯罪的事件。

當科技在走,社會和法律該如何跟上甚至超前部署呢?本次 Deepfake 專題,由泛科學和法律白話文合作,從Deepfake 技術與辨偽技術、到法律如何因應,讓我們一起全方位解析Deepfake!

第一篇,讓我們就 Deepfake 技術做一基礎的介紹,那我們就開始囉!

什麼是 Deepfake?

深偽技術 Deepfake 於 2017 年陸續開始進入大眾的目光中。原文 Deepfake 源自於英文「deep learning」(深度學習)和「fake」(偽造)組合,主要意指應用人工智慧深度學習的技術,合成某個(不一定存在的)人的圖像或影片、甚至聲音。最常見的應用,就是將影片中的人臉替換為另一張臉(常是名人),讓指定的臉在影片中做出自己從未說過或做過的事情。

利用深度學習技術合成或是置換人臉的技術,都是屬於Deepfake。圖 / stephenwolfram

現今談到 Deepfake,大多數人想到的可能是偽造的成人影片,就如前述 Youtuber 小玉的事件,Deepfake 一開始受到關注,主要與名人或明星的臉部影像被合成到成人影片有關,然而,Deepfake 的功能遠不僅於此,相關的技術使用還包括了替換表情、合成一整張臉、合成語音等等。

除了像是讓過去或現在的名人在影片中「栩栩如生」做出使用者想要的表情與動作,之前在社群媒體上曾有好幾款 APP一度風靡,包括上傳一張照片就可以看看「變老」「變性」自己的 FaceApp,甚至於讓自己的臉在經典電影中講上一段台詞的「去演」APP,這類的功能也是應用前述 Deepfake 的技術。

雖然有些線索顯示這類 APP 常有潛在的資安疑慮[註],但好歹技術的成果多屬搏君一燦自娛娛人,尚可視為無傷大雅。

-----廣告,請繼續往下閱讀-----
「栩栩如生」的愛因斯坦

而過往電影的影音產業要仿造人臉需要應用許多複雜、耗時、昂貴的電腦模擬,有了 Deepfake 相關的技術,也使得許多只能抱憾放棄的事情出現了彌補的空間。最有名的應用應是好萊塢電影《玩命關頭7》與《星際大戰》系列。《玩命關頭7》拍攝期間主角保羅・沃克(Paul William Walker IV)意外身亡,剩下的戲份後來由弟弟擔綱演出,劇組再以 Deepfake 的技術讓哥哥弟弟連戲,整部電影才得以殺青上映。

Weta Digital 說明如何讓保羅・沃克的弟弟 Brian O’Conner 能透過 Deefake 的技術,繼續協助 保羅・沃克演完《玩命關頭7》

Deepfake 讓「變臉」變得太容易了?

想想過去的電影如《魔戒》中的咕嚕、或是 2008 年布萊德・彼特主演的《班傑明的奇幻旅程》,將影片或照片中人物「換臉」「變老」的修圖或 CG 技術,在 Deepfake 出世之前就已經存在了。Deepfake 受到關注的核心關鍵在於,應用 AI 的深度學習的演算法,加上越來越強大的電腦與手機運算能力,讓「影片換臉」這件事情變得越來越隨手可得、並且天衣無縫。

利用CG技術把布萊德・彼特「變老」。 圖 / © 2008 – Paramount Pictures

過往電影中採用的 CG 技術要花好幾個月由專業人士進行後製,才能取得難辨真偽的影像效果,而應用了 AI 演算法,只需要一台桌上型電腦甚或是手機,上網就可以取得軟體、有機會獲得差強人意的結果了。

進一步,傳統軟體演算法主要依靠工程師的持續修改調整,而如 Deepfake 這類技術,內部的演算法會經過訓練持續進化。有許多技術被應用於提高 Deepfake 的偽造效果,其中最常見的一個作法被稱為「生成對抗網路(Generative Adversarial Network, GAN)」,這裡面包含了兩組神經網路「生成器(Generator)」和「辨識器(Discriminator)」。

-----廣告,請繼續往下閱讀-----

在投入訓練資料之後,這兩組神經網路會相互學習訓練,有點像是坐在主人頭上的小天使與小惡魔會互相吐槽、口才越來越好、想出更好的點子;在練習的過程中,「生成器」會持續生成偽造的影像,而「辨識器」則負責評分,反覆訓練下來,偽造生成的技術進步,辨識偽造的技術也得以進步。

舉例來說,This Person Does Not Exist 這個網站就充滿了使用 GAN 架構建構的人臉,這個網站中的人臉看上去非常真實,實際上都是 AI 製造出來的「假臉」。

This Person Does Not Exist 裡的「假臉」。

Deepfake 影片不一定是問題,不知道是 Deepfake 才是問題

現今的 Deepfake 技術得以持續進步、騙過人眼是許多人努力的成果,也不見得都是壞事。像是《星際大戰:俠盜一號》片尾,年輕的萊婭公主出面驚鴻一瞥,就帶給許多老粉絲驚喜。這項技術應用癥結在於,相關演算法輕易就能取得,除了讓有心人可以藉以產製色情影片(這類影片佔了Deepfake濫用的半數以上),Deepfake 製造的影片在人們不知情的情況下,很有可能成為虛假訊息的載體、心理戰的武器,甚至於影響選戰與輿情。

因此,Deepfake 弄假似真不是問題,閱聽者因此「不辨真假」才將是最大的問題所在。

-----廣告,請繼續往下閱讀-----
歐巴馬的 Deepfake 影片

相關的研究人員歸納了幾個這類「變臉」影片常見的特徵,可以用來初步辨識眼前的影片是不是偽造的。

首先,由於 AI 尚無法非常細緻的處理一些動作細節,因此其眨眼、視線變化或臉部抽蓄的動作會較不自然。其次,通常在邊緣處,如髮絲、臉的邊緣線、耳環等區域會出現不連貫的狀況。最後,在一些結構細節會出現不合理的陰影瑕疵,像是嘴角的角度位置等。

由於現階段的 Deepfake 通常需要大量的訓練資料(影像或影片)才能達到理想的偽造成果,因此會遭到「換臉」的受害者,主要集中在影像資源豐富的名人,如電影明星、Youtuber、政治人物等。需要注意的是,如果有人意圖使用 Deepfake 技術製造假消息,其所製造的影片不見得需要非常完美,有可能反而降低解析度、非常粗糙,一般人如用手機瀏覽往往難辨真假。

人眼已經難辨真假,那麼以子之矛攻彼之盾,以 AI 技術辨識找出 Deepfake 的成品,有沒有機會呢?隨著 Deepfake 逐漸成為熱門的議題,有許多團隊也開始試圖藉由深度學習技術,辨識偽造影像。2020 年臉書與微軟開始舉辦的「換臉偵測大賽」(Deepfake Detection Challenge)就提供高額獎金,徵求能夠辨識造假影片的技術。然而成果只能說是差強人意,面對從未接觸過的影片,第一名辨識的準確率僅為 65.18%。

-----廣告,請繼續往下閱讀-----
「換臉偵測大賽」(Deepfake Detection Challenge)的辨識素材。圖/MetaAi

對於 Deepfake 可能遭到的濫用,某部分我們可以寄望技術的發展未來終將「道高一尺」,讓社群平台上的影像不致於毫無遮攔、照單全收;然而技術持續「魔高一丈」讓防範的科技追著跑,也是顯而易見的。

社群網路 FB 在 2020 年宣布全面禁止 Deepfake 產生的影片,一旦有確認者立即刪除,twitter 則強制註記影片為造假影片。Deepfake 僅僅是未來面對 AI 浪潮,科技社會所需要應對的其中一項議題,法律、社會規範如何跟上?如何解決箇中的著作權與倫理問題?這些都將是需要經過層層討論與驗證的重要課題。

至少大家應該心知肚明,過往的網路流行語:「有圖有真相」已經過去,接下來即將面臨的,是一個「有影片也難有真相」的網路世界了。

  • 註解:推出 FaceApp 與「去演」的兩家公司其軟體皆要求註冊,且對於上傳資料之後續處理交代不清,被認為有侵犯使用者隱私權之疑慮。

參考資料

-----廣告,請繼續往下閱讀-----
  1. Deepfakes and the New AI-Generated Fake Media Creation-Detection Arms Race – Scientific American
  2. What To Do About Deepfakes | March 2021 | Communications of the ACM
  3. Tolosana, R., Vera-Rodriguez, R., Fierrez, J., Morales, A., & Ortega-Garcia, J. (2020). Deepfakes and beyond: A survey of face manipulation and fake detection. Information Fusion, 64, 131-148.
  4. Deepfake 深偽技術的技術濫用與道德困境,大眾正要開始面對 | TechNews 科技新報
  5. 台灣團隊研究辨識Deep Fake影片 深偽技術的正邪之戰開打 | 台灣事實查核中心 (tfc-taiwan.org.tw)

-----廣告,請繼續往下閱讀-----
所有討論 1