Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

《柳葉刀》2011「全球精神衛生」專號(第三篇):包含精神衛生的全球視界

東海 科學新報會
・2011/11/18 ・2298字 ・閱讀時間約 4 分鐘 ・SR值 586 ・九年級

作者:Giuseppe Raviola, Anne E Becker, Paul Farmer(哈佛醫學院全球衛生與社會醫學系全球精神衛生和社會變遷計畫)

前所未有的,為了世界上最不受照顧的人口,促成一個卓越且公平的衛生照護遞送的機會,就看我們了!成功降低傳染病傳遞與死亡率的計畫,鼓舞了健康人權的論述,也造就了全面衛生計畫——提供照護給數百萬正同時面臨貧窮與慢性疾病人們——的可行平台。〔引用資料1〕實際上,過去十年來,已看到第一個這類平台的引介,策劃來處理從愛滋病到糖尿病等這類難以治癒的疾病。快速的科學進步和衛生體系的改善,都幫助我們理解並改進健康不佳的生物社會學根基,並發展診斷方法、治療方法及其散布、執行的技術及基礎結構,並允諾擴增非傳染疾病領域的照護遞送的益處。

然而,和其他服務相比,在低資源環境的精神衛生服務遞送,呈現了難以接受也極不公平的情況。神經精神醫學疾病包括了疾病相關負擔與殘障中相當的份額——憂鬱症以幾近14%的比例領先全球所有的殘障主因——但只接受了不成比例的低資源配置:低於各國平均總體健康照護預算的4%以下。〔引用資料2, 3〕精神衛生研究的資源也很稀少,知識鴻溝依然持續。〔引用資料4〕伴隨著訓練有素的精神衛生專業人才的短缺,這些不足正成了在低收入國家神經精神疾患者令人困窘的處遇缺口——有超過75%的病人並未得到任何治療。〔引用資料5, 6〕即使是這些令人沮喪的指數,都不能完全傳達這般無良知的忽視、社會的歧視,和精神病人經常忍受的虐待,〔引用資料7〕這種處境適切地說,就是:「人性的失敗」!〔引用資料8〕

毋庸置疑,無論是需求目錄或由國王學院Prince教授和其同儕所共同提出的「沒有精神衛生就沒有衛生」的計畫口號——這開啟了《柳葉刀》2007年一系列探討全球精神衛生專號——都未被買單。這個信息如何能更進一步地增強,得以轉換全球忽視的論述,實在是很困難想像的。

-----廣告,請繼續往下閱讀-----

額外結構的(大部分是經濟的)及文化的障礙困住了提供給低資源環境的精神失序者更多有效且可接近的照護的努力。〔引用資料9〕然而,這些障礙既防止病人尋求協助亦妨礙提供給精神失序者的照護——例如:病人和照護提供者的功能損傷、社會污名、低衛生知識——這些在其他疾患上早已遭遇過並已克服,例如對抗HIV/AIDS運動的成功所示。值得注意的是,這項全球衛生平等的勝利得以達致,乃是透過新金融機制的創造,結合了預防及高品質的照護。〔引用資料10, 11〕雖然還有許多等著我們去做,在世界較窮困地區成功的方案實現成就,將可作為其他衛生照護領域的照護遞送模式,包括精神衛生在內,就如同全球精神衛生運動聯盟所宣稱的一樣。

閉合低收入地區精神衛生資源缺口的策略,就在眼前。達成目標的研究議程已就位,新協定也已備妥。〔引用資料13, 14〕2010年,世界衛生組織(WHO)發表了眾所矚目的mhGAP介入綱領(Mental Health Gap Action Programme,消除差別行動綱領),支持在初級照護衛生環境中精神、神經、物質濫用者的處遇實施。〔引用資料15〕若深思熟慮地構想一般精神衛生失序的基礎處遇計畫,這樣一來可用低預算支出就能改進低收入及中等收入國家的關鍵服務遞送。〔引用資料16-18〕簡單明瞭的處遇演算法及創新的任務移轉機制——建立完備後還可適用於其他情況——可在可行範圍內提供負擔得起,並且有效的精神衛生照護,同時亦可產生潛在巨大的衛生和社會受益。

然而,一個僅基於成本效益的論點是不聰明的,假如它促成的只是在其他預算下有個狹隘的衛生議程部門。所需的投資意不在競爭,而是建立起新創平台用以預防和治療其他慢性疾病。聚焦在HIV/AIDS預防和照護方案的廣大衛生收益上,顯示出好的精神衛生照護並不會削弱基本的衛生照護,而是可以加強它。〔引用資料10, 11〕統一要求衛生照護遞送有整合的、綜合的模式,包括非傳染性疾病及精神失序在內,將是必要的。

九月聯合國大會非傳染性疾病高階會議只是第二次特別會議,集合了衛生相關的議題。〔引用資料20〕之前的樂觀可確認,但倘若全球衛生提倡者、科學家和從業者集體追求的目標是促成社會和經濟權利,以及平等地接近為所有人提供的以證據為基礎的衛生服務,我們就必須解釋並促成全球衛生乃是包含了衛生領域的全球視界。

-----廣告,請繼續往下閱讀-----

我們加入呼籲將精神衛生納入全球最貧窮人口的全面衛生議程當中。〔引用資料21〕務實的及道德要求不證自明:沒有精神衛生照護,就沒有正義。方法就握在手上,主張已經動起來了,所有的信息理當統一行動。

References(引用資料) 

1 Farmer P. Challenging orthodoxies: the road ahead for health and human rights. Health Hum Rights 2008; 10: 5-19uu. CrossRef | PubMed

2 Prince M, Patel V, Saxena S, et al. No health without mental health. Lancet 2007; 370: 859-877. Summary | Full Text | PDF(233KB) | CrossRef | PubMed

-----廣告,請繼續往下閱讀-----

3 Saxena S, Thornicroft G, Knapp M, Whiteford H. Resources for mental health: scarcity, inequity, and inefficiency. Lancet 2007; 370: 878-889. Summary | Full Text | PDF(2502KB) | CrossRef | PubMed

4 Razzouk D, Sharan P, Gallo C, et alfor the WHO-Global Forum for Health Research Mental Health Research Mapping Project Group. Scarcity and inequity of mental health research resources in low-and-middle income countries: a global survey. Health Policy 2010; 94: 211-220. CrossRef | PubMed

5 Meyer AC, Dua T, Ma J, Saxena S, Birbeck G. Global disparities in the epilepsy treatment gap: a systematic review. Bull World Health Organ 2010; 88: 260-266. CrossRef | PubMed

6 Demyttenaere K, Bruffaerts R, Posada-Villa J, et alfor the WHO World Mental Health Survey Consortium. Prevalence, severity, and unmet need for treatment of mental disorders in the World Health Organization World Mental Health Surveys. JAMA 2004; 291: 2581-2590. CrossRef | PubMed

-----廣告,請繼續往下閱讀-----

7 Burns JK. Mental health and inequity: a human rights approach to inequality, discrimination, and mental disability. Health Hum Rights 2009; 11: 19-31. PubMed

8 Kleinman A. Global mental health: a failure of humanity. Lancet 2009; 374: 603-604. Full Text | PDF(379KB) | CrossRef | PubMed

9 Desjarlais R, Eisenberg L, Good B, Kleinman A. World mental health: problems and priorities in low-income countries. Oxford, UK: Oxford University Press, 1995.

10 Walton DA, Farmer PE, Lambert W, Léandre F, Koenig SP, Mukherjee LS. Integrated HIV prevention and care strengthens primary health care: lessons from rural Haiti. J Public Health Policy 2004; 25: 137-158. CrossRef | PubMed

-----廣告,請繼續往下閱讀-----

11 Koenig S, Ivers LC, Pace S, et al. Successes and challenges of HIV treatment programs in Haiti: aftermath of the earthquake. HIV Ther 2010; 4: 145-160. PubMed

12 Patel V, Collins PY, Copeland J, et al. The movement for global mental health. Br J Psychiatry 2011; 198: 88-90. CrossRef | PubMed

13 Tomlinson M, Rudan I, Saxena S, Swartz L, Tsai AC, Patel V. Setting priorities for global mental health research. Bull World Health Organ 2009; 87: 438-446. CrossRef | PubMed

14 Grand Challenges in Global Mental Health. Overview and definitions.http://grandchallengesgmh.nimh.nih.gov/about.shtml#overview. (accessed May 17, 2011).

-----廣告,請繼續往下閱讀-----

15 WHO. mhGAP intervention guide for mental, neurological and substance use disorders in non-specialized health settings: mental health Gap Action Programme (mhGAP). Geneva: World Health Organization, 2010.

16 Patel V, Simon G, Chowdhary N, Kaaya S, Araya R. Packages of care for depression in low- and middle-income countries. PLoS Med 2009; 6: e1000159. CrossRef | PubMed

17 Patel V, Prince M. Global mental health: a new global health field comes of age. JAMA 2010; 303: 1976-1977. CrossRef | PubMed

18 Chisholm D, Lund C, Saxena S. The cost of scaling up mental health care in low- and middle-income countries. Br J Psychiatry 2007; 191: 528-535. CrossRef | PubMed

-----廣告,請繼續往下閱讀-----

19 Ivers LC, Jerome J-G, Cullen KA, et al. Task-shifting in HIV care: a case study of nurse-centered community-based care in rural Haiti. PLoS One 2011; 6: e19276. CrossRef | PubMed

20 Lee PT, Henderson M, Patel V. A UN summit on global mental health. Lancet 2010; 376: 516. Full Text | PDF(89KB) | CrossRef | PubMed

21 WHO. Moscow Declaration: commitment to action, way forward. http://www.who.int/nmh/events/moscow_ncds_2011/conference_documents/en.  (accessed June 27, 2011).

出處:A global scope for global health—including mental health, The Lancet, Early Online Publication, 17 October 2011

譯者:Huimin Chen

-----廣告,請繼續往下閱讀-----
文章難易度
東海 科學新報會
22 篇文章 ・ 0 位粉絲
東海大學博雅書院與PanSci U+計劃合作,帶動東海博雅書院的科學、人文、社會普及知識的閱讀風氣。歡迎東海大學學生參加!http://www.facebook.com/groups/261351137219147/

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。

鳥苷三磷酸 (PanSci Promo)_96
225 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

2
0

文字

分享

0
2
0
住在大城市的人走路真的比較快嗎?為什麼?——《走路的科學》
八旗文化_96
・2020/03/04 ・3051字 ・閱讀時間約 6 分鐘 ・SR值 543 ・八年級

  • 作者/謝恩・歐馬洛(Shane O’mara);譯者/謝雯伃

每個城市的步調都不太一樣

一般來說,一個城市越大、越富裕,特別是經濟成長率越高,居民就走得越快。

1974 年,心理學家博恩斯坦夫婦(Bornstein and Bornstein)測量了歐洲、亞洲以及北美 15 個城市行人的步行速度,結果發現日常步調會隨著當地人口多寡而不同,獨立於特定文化之外。

所以到底為何要走這麼快呢?圖/pixabay

一般來說,無論哪個國家或哪個文化,較大城市中的行人走得較快。以這些基本觀察為基礎,這些實驗後來又重覆做了數次,用來觀察城市居民的走路速度是否會因為城市的獎勵密度較大(更多餐廳,或火車、公車上更多座位等等),而這些獎勵的競爭也較大,導致日常步調加快?

地理學家吉姆.瓦萊斯萊(JimWalmsley)和加里思.路易斯(Gareth Lewis)在 1989 年提出:「有效率使用時間的需求變得更迫切,生活越來越匆忙」,這都是因為收入以及生活成本增加,導致都會居民的時間價值變得更高。這反映出,對於資源的競爭許多方面細微地改變了我們的行為。我們加快步行速度,無意識地與尋求同樣資源的人競爭。

-----廣告,請繼續往下閱讀-----

我們加快步伐,全是為了與他人競爭資源?

博恩斯坦夫婦的論文深受好評,也被廣為引用,但這並非事情全貌。

據推測,有些都市因為特有的因素,影響了人們的走路速度。舉例來說,像孟買這個人口密度特別高的城市,人們走路速度實際上很慢,純粹因為要避開與他人相撞的風險。

我們同樣可以想像在某些特定地方,人們的步行速度可能很快。舉例而言,在某些特別炎熱或寒冷的城市中,人們可能為了要避開高溫酷熱或低溫酷寒,而快步行走於汽車以及建築之間。

影響走路速度的原因不一定只有資源的競爭。圖/GIPHY

生物學家彼得.沃茲(Peter Wirtz)和葛利格.雷斯(Gregor Ries)認為,博恩斯坦夫婦之所以得出這樣的結論,是因為未將他們研究城市鄉鎮人們的年齡或性別組成考慮進去。

換句話說,在其他條件都相同的情況下,城市人口往往較年輕,而較年輕族群平均行走速度會比年長者快。同樣地,男性平均來說比女性走得快;而城市或較小型鄉鎮之間的明顯差異,可能反應出城市裡較年輕、走路較快的男性比小型城鎮或鄉村裡的多。

-----廣告,請繼續往下閱讀-----

沃茲和雷斯也做了一系列樣本數更大且將性別以及預計年齡列入考慮的研究,結果得出:都會居民的平均行走速度,事實上並不比鄉村或城鎮居民更快。

但這並不是結論,這個想法持續被研究者測試。

看來加上年齡與性別組成因素還不夠!

1999 年,一項史上最大的日常生活步調研究,利用了來自 31 個國家最大城市的數據展開調查。該研究檢驗了人口組成以外會造成日常步調差異的各種因素,以及日常步調對於都會居民的哪些福祉會產生影響。該研究檢驗了三個可用來預測步調快慢的不同概念。

  • 第一個是經濟活力。經濟成長率越高,經濟就越有活力,而居民日常步調就可能越快。
  • 第二個是平均來說,越熱的城市居民往往會是較慢的步行者。
  • 第三個則是,在個人主義文化相對盛行的國家,居民的日常步調會比集體主義國家的步調快。

造成不同城市步調差異的原因會是什麼呢?圖/pixabay

研究者把焦點放在都柏林、香港以及聖薩爾瓦多等分歧性極大的城市,測量了這幾個城市中居民的行走速度(在兩個市中心區域間行走 60 英呎要花多少時間)、寄信速度(你多快能走到郵局去買郵票)以及時鐘準確度。

-----廣告,請繼續往下閱讀-----

他們也從氣候、經濟指標、個人主義量表、人群大小、冠狀動脈疾病、抽菸比例以及個別健康等其他公開數據搜集資訊。整合這些資訊後,他們算出整體性的日常步調指數。

根據這項研究,瑞士的日常步調最快,愛爾蘭緊追在後(那時正處在為期十多年的大規模經濟成長中期),然後是德國以及日本(義大利、英格蘭、瑞典、奧地利、荷蘭以及香港依序占前十席),墨西哥敬陪末座。

以更大的全球規模來看,日本以及非前蘇聯區的西歐國家日常步調最快,愛爾蘭則是個人行走速度最快的國家。瑞士則符合他們給人的刻板印象,在時鐘準確度上排名第一。

這些研究無法完全解決的一個議題是人口總數以及人口密度如何影響行走速度。

倫敦的牛津圓環在尖峰時刻交通異常繁忙,極難穿越。然而再過幾條街口,人們就能相對輕鬆地移動。開發新時代的智慧型手機計步器及健康應用程式,應該有助於解決這個問題——找出走路速度可以達到最大的最佳人群密度,只要超過這個密度,走路速度就會降低。

-----廣告,請繼續往下閱讀-----

那麼就讓我們先接受城市中的日常步調確實比較快,這情況與人口分布關係較少,與經濟活力以及人口密度較相關。

轉換到不同情境中,步調也會有所改變嗎?

我們在不同情境中,會改變原先的步調嗎?像是在電扶梯上行走?(母湯)圖/GIPHY

那麼我們做為個人,當我們從一個情境(比如安靜的鄉鎮)轉換到另一個情境(比如繁忙的城市)時,我們會改變我們的走路速度嗎?

研究者認為,這取決於城市中既存的經濟獎勵。

假設我們接受大腦會計算「付出與回饋」的觀點(這並非沒有道理),就代表大腦會試圖在努力以及回報之間達到平衡,即以最少努力達到最大的回報。這就出現了一個問題,那就是大腦是如何計算有多少回報,以及付出多少努力才有成果的問題呢?

試想一下街邊那家不能事先預約的熱門新餐廳,為了去那裡,你會走得更快,還因為與其他想得到同樣獎勵(可能是最好的桌位或是僅剩的桌位)的人競爭,再走得快一點。如果你有兩個選擇,你可能會選擇更具獎勵性的選擇,或那個需要最少努力的選擇。

-----廣告,請繼續往下閱讀-----

我們在城市裡似乎會走得更快一點,這可能是因為城市裡有許多資源與獎勵,但我們也在與其他人競爭這些獎勵。我們在日常生活中會有不同類型的努力,無論是尋找什麼,或是走向某件事。然而,無論是哪種類型的努力,為了達成某個目標所花的能量總會在達到某個最大值之後降下來

神經科學家瑞查.沙德梅爾(Reza Shadmehr)要我們想像自己站在機場的入境大廳尋覓著某個旅客的臉。當你看到一張又一張臉孔時,你看到了你在等的那個人。現在問問你自己,那人的身分為何會讓你走快點去迎接他呢?他是你的同事,還是你的孩子?

當然是與孩子相見的內在獎勵較大囉~圖/pixabay

答案很明顯。與你孩子相見的內在獎勵特別大,而這個內在獎勵直接調整了你的走路速度,你會想更快接到你的孩子。有更大獎勵時,我們會走得快些。努力以及對於獎勵的期待如此加成在一起。

現在,我們對我們的步行速度為何在不同城市中有所不同有了基本理解。可能的情況是,城市中的豐富資源讓人們願意付出努力去得到它們;與此同時,這些獎勵的競爭也增加了——我們不只要快速走到那間很棒的新餐廳,還要比其他人更快到。

-----廣告,請繼續往下閱讀-----

因此,控制努力的大腦系統與預估可能獎勵的大腦系統之間存在著緊密連結。努力越多,預期從這個努力中獲得的獎勵也會越多。若一個事物帶來的回報較少,我們走向它的速度就會較慢,反之亦然。

這就是我們在城市中的現況:我們走得快,才能得到火車上的座位或是餐廳的用餐保留時間,因為我們在與其他人競爭城市提供的獎勵。

——本文摘自《走路的科學》,2019 年 9 月,八旗文化

-----廣告,請繼續往下閱讀-----
八旗文化_96
34 篇文章 ・ 20 位粉絲
外部視野,在地思索, 在分眾人文領域,和你一起定義、詮釋和對話。

0

0
0

文字

分享

0
0
0
#快訊【2018年經濟學獎】想打造自強不息的經濟成長,別忽略知識和自然的力量
PanSci_96
・2018/10/08 ・1322字 ・閱讀時間約 2 分鐘 ・SR值 548 ・八年級

今年的經濟學獎項頒給了 William D. Nordhaus 和 Paul M. Romer,他們藉由擴大經濟分析的範圍,分別針對經濟與自然、經濟與知識之間的互動關係做出了解釋。

所謂「經濟」的核心,其實就在探討資源的利用;自然資源決定了經濟成長的限制,而我們所擁有的知識則能決定我們如何在這些限制下充分地使用資源。

想拚經濟?那你得關心下氣候變遷

經濟學認為,在沒有外部性的情況下,市場力量會決定資源的最佳配置。如果有外部性,市場看不見的手則會失效,這時候就要想辦法將外部性內部化。Nordhaus 探討的是負的外部性對經濟成長的影響,而 Romer 討論的則是正的外部性對經濟成長的影響。通常,負的外部性會用課稅的方式來達成內部化,而正的外部性則是透過補貼的方式。

Nordhaus 在總體經濟學的分析中,納入了「氣候變遷」這項變因。他從 1970 年代開始嘗試了解社會和自然間的關係,那正是科學家開始對全球暖化日漸焦慮的時候。在 1990 年代中期,他率先做出了量化模型,去解釋全球經濟與氣候之間的相互作用。

-----廣告,請繼續往下閱讀-----

Nordhaus 認為全球暖化跟經濟成長息息相關。圖/By TheDigitalArtist @pixabay

他的模型整合了物理學、化學和經濟學的理論以及實證結果,現今已廣為流傳,並被用以模擬經濟和氣候究竟是如何共同發展的。另一方面,他提出的模型也被用來檢查氣候政策干預(例:碳稅)的後果。

知識創造經濟、經濟增加知識

Romer 則在宏觀分析中採用了創新的技術,分析「知識」是如何驅動長期的經濟發展。

以往談到經濟成長時,通常會提到 Solow 的新古典成長模型,但是該模型只考慮人口成長與資本累積,而沒有關於人力資本、技術成長方面的探討,在該模型下,發展比較落後的國家經濟成長會比已開發國家來得高,長期來看,所有國家會達到一樣的經濟成長,稱之為所得收斂。

-----廣告,請繼續往下閱讀-----

然而,實證研究發現這跟實際情況有出入,所以 Romer(跟他老師 Robert Lucas) 以人力資本跟知識創新的概念來解釋長期經濟成長。他展示出經濟是如何影響人們的意願,促使公司產出新的想法和革新。他提出了內生增長理論 (Endogenous growth theory),其核心思想是認為經濟能夠不依賴外力推動實現持續增長,內在的技術進步是保證經濟持續增長的決定因素。

知識是如何推動經濟成長的呢?圖/By qimono @pixabay

這個理論既概念又實用,他解釋了創意和其他經濟物品的相異之處,在於創意需要特定條件才能在市場中茁壯成長。他的理論也推動了大量研究去進一步了解那些鼓勵創新思想和長期繁榮的法規政策。

這兩位經濟學獎的得主都使用了方法論的角度,提供我們有關技術創新和氣候變化因果的重要見解。雖然他們沒有提供明確答案,但他們的研究將能幫助我們回答如何實現持續而永續的全球經濟成長。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。