Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

鄉民的30公分可以用尺量,那陰道長度該怎麼量?

活躍星系核_96
・2016/01/20 ・3121字 ・閱讀時間約 6 分鐘 ・SR值 538 ・八年級

文章轉載自PTT〈婦產科醫生,ptt ID:ShayGiven〉

男性的陰莖長度可以用尺量,但是女生的陰道不像男生的陰莖是外露,那要怎麼量陰道的長度?難道是用陰莖勃起長度,並且把勃起的陰莖塞進陰道,塞好塞滿去換算的嗎?究竟陰道到底要如何測量呢?

Confused-Woman
Source: lipstickalley

_______________防雷線________________

編按:本篇文章雖然是認真的科學文,但仍不免有些跟性愛有關的敘述,如果你未滿18歲或是害羞臉紅紅後會見笑轉生氣的話,建議左轉按上一頁離開,謝謝。

陰道的高度彈性

首先是女性的陰道本來就是一個高度彈性的組織,一般人認為陰道不會因為要做愛而增加深度,這是完全錯誤的認知。

事實上,在研究上就連有無使用鴨嘴(speculum)、MRI或超音波測量出來的女性陰道長度寬度都會有差異。Reeves, Belovicz, Molter, and White(1996) 發現在使用鴨嘴(但沒有施力撐開,就是將鴨嘴放進陰道內保持讓受試女性沒有壓力狀態)的狀況下,使用超音波為量測工具,未生育女性(nulliparous)的一般狀況(baseline)陰道(這時陰道形狀可視為筒狀(tube))平均長度會從7~8公分增加為 8~9公分 平均寬度則從2公分增加為3~4公分。

性興奮狀態(Arousal)的陰道則會有tenting的現象,陰道裡面三分之一的地方會擴張成類似帳篷狀,因此平均長度會從9.5~10.5公分增加為 11~12公分,最大寬度(內三分之一的最大徑)則從5.75~6.25公分增加為6.75~7.25公分。

h9991605_001
Source: webmd

事實證明:

  1. 即使是鴨嘴的進入也能讓陰道本身產生反應而主動擴張
  2. 性高潮對陰道的效應非常明顯

請注意這裡對於性高潮狀態的陰道量測方法,只是請受測女性閱聽咸認為會引發性高潮的影片(內容包括接吻,撫摸,性器進入等 ,但力求不會引發受測女性的反感或恐懼情緒而干擾研究),然後使用超音波量測她們的陰道長度。

許多受測女性會表示,在她們真正性高潮(愛侶的性器進入)時,她們覺得自己能被進入的深度遠比上面的數字還要大(當然,由於醫學倫理,目前根本無法進行類似「女性和伴侶真正做愛時的陰道長度」這樣的測量,所以只是「覺得」)。

但是在日本,我的老師的團隊有一項低調的研究沒有發布在醫學期刊上,是日本某婦女團體為了希望了解動輒12~3公分的各種性愛玩具或是A片中性愛機器的假陽具,會不會對女優的陰道造成永久傷害做的研究方法,不甚嚴謹(所以當然無法登大雅之堂)只是要求同意的受試者(大部分是女優或性工作者)騎木驢[註1],使用該婦女團體認為對生殖器最可能有永久傷害的騎乘位性愛機器,使用一分鐘後測量受試者的陰道長度及寬度。

結果是發現在受試者同意及事先做好準備(ex:自我刺激、放鬆氛圍等方法)下,陰道的平均長度可以到達13.55~14.35公分,寬度可以到達6.83~7.16公分(請注意這是東方人的數據),該婦女團體的擔心才被化解。

婦女團體的顧慮被化解的原因

首先要有以下的認知:

女性陰道可擴張的長度和寬度,和有無自然產有絕對的關係, 而和該女性的身高,體型,骨盆腔形狀,性行為次數沒有絕對相關。

會有這樣的關聯性是由於胎兒產出時經過陰道時,會對陰道壁富有彈性的結締組織造成永久性的拉長塑形。所以並不會有「酒店小姐的小穴已經是大老闆的形狀,會比較鬆」、「AV女優被大X男優一起睡過,所以對30cm會比較能承受」這種事情,就此角度看來,該婦女團體的顧慮合情合理,畢竟大部分該產業從事者應該未曾生育。在這裡要定義一下用超音波量測「陰道長度的起始點和終點」,終點當然是子宮頸的外開口(External orifice),而起點則是和尿道開口在通一個縱切面的陰道開口。

但實務上不論是男性陽具或是性愛機器上的假陽具,插入時有小陰唇的存在,都不可能精準地將「基座平面」剛好位在陰道開口的位置,因此有效插入長度大約會比表定長度少大約0.6~1公分。以前述的日本案例為例,拍攝用的假陽具基座到頂端的長度是14公分,換算一下就可以知道其實相當安全。(實務上女優也不會讓假陽具在抽插時整隻沒入自己身體)

後子宮穹窿

至於A片裡面,那些一般標準是17公分甚至有到20公分的假陽具呢?大家其實不太需要擔心西洋女優的人身安全。首先「sex machine」這個概念,其實是歸因於一個1990年代之後盛行的理論:

後子宮穹窿在適當刺激的情形下是非常重要的性刺激帶,女性性交時觸及到此區域,會引發出不同於陰蒂高潮的快感。

後子宮穹窿的位置

一開始有人注意到有許多女性(因為其他問題前來婦科門診)提及她們的性經驗時, 會有下面的陳述:

被「頂到底」時有一種下身酸麻的感覺,伴隨子宮被觸動的快感,順著脊背往 上如雷電般達到全身。

這群女性大多是身形中等或嬌小的未生育年輕女性,而事後取得同意的狀況下測量她們的陰道長度,也的確是數值在平均以下的一群。 就連美國女性,也有大多數人誤以為子宮頸是自己陰道可以到達的最深處「頂到底」是子宮頸被陽具碰到了。實際上那是性交時陽具偶然觸動後子宮穹窿所造成的高潮,由於後子宮穹窿處負責連接子宮至體壁的子宮韌帶較鬆,所以穹窿被偶爾打擊時子宮也會隨之極輕微的晃動,對女性而言極為刺激,同時後子宮穹窿的後壁處有一個對壓覺受體密度非常高的神經末梢集中處,有許多女性會覺得這塊區域被碰到的感覺非常舒服。

這也是為何大部分長這樣的 sex machine 會要使用者(女優也大部分是用這樣的姿勢使用)趴在床上以自己最能放鬆的姿勢,然後緩緩將假陽具套入,將身體往後移動,直到觸及到最舒服的位置,當然如果藝高人膽大或是嫌陽具不夠長頂不到後穹窿,也是可以慢慢把兩腳打開,讓骨盆腔內的器官相對位置更接近陽具的頂端。

(編按:以下文章跟文字很害羞,深吸一口氣再點開來看吧。)
oQFnpSH

最後我們來看看美國AV女星Tori Black是怎樣順利將8.5 inch(21.5公分)的東西放進她的陰道裡:

  • 「我會在大約一個小時前先大號,並且用浣腸器清除宿便,吃一點巧克力和牛奶讓身體和心情放鬆,然後看一些影帶,用手指讓我的小妹妹調整習慣」
  • 「當時我蠻焦慮的,我之前拍攝時用的尺寸大部分是6吋或6.5吋,這次用的是8″5,而且必須整隻插進去…所以我除了Solaxin外還吃了inderal以放鬆焦慮感,平常時就算是6吋的機器,我也會先吃solaxin,那讓我全身的肌肉不要那麼緊繃,而且插入時不太會不舒服。」
  • 「拍攝之前,我們會有充分的時間調整陽具在身體裡的狀態,我會趴在斜向後下的床上,屁股向後把陰戶對準陽具的頭慢慢套下去,會有女助理幫我注意。這時候往往是我最緊張的時候,弄不好我會因此受傷,我會先塗大量的潤滑劑在假陽具上面,所以一開始進入時會比較順利,一下子就滑進去了,但是接下來是最困難的部分,會先頂到我的子宮頸,接下來我會稍微往前傾,助理則把我的屁股往下壓,讓陽具可以進入到我子宮頸後面的那塊空間,這樣才能完全容納,最後我會慢慢把腳張開,放在床旁邊站腳的位子,調整到機器動起來時我覺得最舒服的位子。」
  • 「被整個塞滿的感覺其實蠻不舒服的,雖然我事先整過腸,但是那根假陽具的角度讓我一直很有便意。」
  • 「機器動起來之後,感覺有比較好一點,但是因為尺寸太大了,我覺得衝擊有時候很舒服有時候又怪怪的,並且讓我緊張得想小號,雖然我不舒服隨時可以喊暫停,但是還是有點奇怪。」
  • 註1:騎木驢在學理上是安全可行的。(誤)

本文經原作者同意轉錄後編輯刊登。

原文:

文章難易度

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。

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)」!

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。

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)。

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。

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

文章難易度

討論功能關閉中。