Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

對不起!你吃的藥其實只有安慰效果!──《科倫醫生吐真言:醫學爭議教我們的二三事》

左岸文化_96
・2016/04/22 ・5394字 ・閱讀時間約 11 分鐘 ・SR值 525 ・七年級

安慰劑效應是虛構的嗎?

至少從一九五○年代起,現代醫學就認為安慰劑效應在科學上已經成立。研究顯示如果施予安慰劑的話,大約有百分之二十到百分之七十不等的病人似乎可以由此受益。其中或許最讓人驚訝的是安慰劑外科手術:適當地麻醉病人、切開皮膚,但實際上卻沒有接受有意義的手術;根據報導這樣的手術高度有效。有時候假的手術甚至似乎比真的手術還更有效。例如,它似乎對某些種類的胸痛和背痛有效。一九九○年代中期的研究顯示,這對膝關節炎有效;只把病人的膝蓋切開,其治療效果和那些對膝關節進行刮搔沖洗的效果一樣好;而一般認為後者是膝關節炎高度有效的標準療法。

medicine
我們平常吃的藥真的有用嗎?安慰的效用遠大於療效?圖/wikipedia

不幸的是,這些看來很簡潔明瞭的發現還是引起爭論。現在我們必須穿越另一個更為扭曲的哈哈鏡廳堂:身體不適的人即便沒有接受任何治療也有可能痊癒,而接受安慰劑治療的病人和接受大量醫學介入的病人,同樣可能都是以大略相同的速率自行痊癒。換句話說,接受安慰劑治療的病人,可能不是由於安慰劑效應而有所改善,而是自行痊癒的;而醫學治療也同樣無效,接受外科治療的病人其實也是自行痊癒的。在這樣的情況下,並不是安慰劑效應和真正的外科手術一樣好,而是安慰劑效應並不比真正的外科手術好兩者同樣都是無效的

要了解是否真的有安慰劑效應,必須做另外一種實驗:把接受安慰劑的一組,和完全沒有接受安慰劑的另一組拿來做比較。在這種情況下,如果有安慰劑效應的話,接受安慰劑的病人的治療狀況,必須要比沒有接受治療的病人好。

兩位丹麥醫師(Hrobjartsson and Gotzsche)蒐集對接受安慰劑治療與沒有接受治療之病人進行比較的研究論文,並在二○○一年進行分析。在這一百一十四個試驗當中,只有少數實驗是直接設計來測試安慰劑;其餘大多數狀況是醫生檢查了三組病人:接受醫學治療的病人、接受安慰劑治療的病人,以及完全沒有接受治療的病人。他們發現就治療狀況的改善而言,接受安慰劑的病人和沒有接受治療的病人,兩組並沒有顯著的差別。

-----廣告,請繼續往下閱讀-----

這聽起來像是個決定性的研究,丹麥醫師的報告乍看之下很有說服力。他們分析的研究數量以及病人數目都很大。此一研究似乎推翻了一個重大的成見。但如果仔細檢視論文最後謹慎的但書的話,就會發現其結論並不是那麼地牢不可破。

首先,資料顯示安慰劑對於疼痛的經驗有小的效應,此外安慰劑有可能對一小部分病人或某些疾病有相當大的效應,雖然並非對所有病人或所有疾病都有效應。丹麥研究所使用的統計分析方法,很容易掩蓋掉這些輕微的效應和少數的疾病與病人。更讓人憂心的是下面所要討論的複雜邏輯,要說明此一邏輯,在句子結尾必須使用越來越多的驚嘆號。

不管是安慰劑或其他的療法,是無法以盲目的方式和沒有治療的狀況做比較!病人和治療者都會知道誰沒有接受治療;事實上,沒有接受治療這件事情是無法隱瞞的,否則這就不是「沒有接受治療」,而是接受安慰劑。

現在事情變得更複雜。如果醫師和病人知道誰沒有接受治療,我們會預期這將帶來期待效應以及報告效應;如果安慰劑有作用,我們會預期安慰劑組病人和未受治療組病人的差異會更加顯著!換句話說,沒有接受治療的病人應該會對自己的前景感到悲觀,而執行治療的人應該會預期該組病人不會有什麼改善;因此我們會認為,不論施行治療者或接受治療者,都會有很強的報告效應,而且期待效應還會強化這兩者。總而言之,即便沒有安慰劑效應,在這些非盲目的實驗中,由於沒有治療那一組的負面報告偏差期待效應,實驗結果應該會看到有安慰劑效應。在這個愛麗絲夢遊的仙境中,這應該是種永遠不會失敗的實驗!不管有沒有安慰劑效應,結果應該總是看起來會有安慰劑效應的!!

-----廣告,請繼續往下閱讀-----
Doctor_consults_with_patient_(7)
若被實驗者已經知道他不會被治療,反而容易引起一種悲觀的心理,覺得自己無法好起來。圖/wikipedia

現在這些實驗的結果卻是沒有顯著的安慰劑效應,那麼意味著沒有任何的期待效應與報告效應出現在這些實驗中,這顯示這些實驗一定有什麼問題!!!就像孟德爾關於遺傳性徵的著名實驗一樣,實驗結果太漂亮了,使它看來好像一定是造假!

丹麥研究者在回應這些質疑時論稱,由於大多數的實驗有三組病人,而非兩組,因此病人和分析師所在意的都不是安慰劑組和未受治療組的差異,而這點或許減低了報告效應與期待效應。然而這樣的論點看起來仍是很薄弱的。

無論如何,缺乏期待效應和報告效應即便不是決定性因素,也有其他相當不同的理由讓我們不信任這個研究的結論。正如前面所說,沒有接受治療的那一組病人,無可避免地會知道他們並沒有接受治療。如果他們的疾病很嚴重的話,那麼他們可能會覺得既然在這個研究當中沒有接受任何治療,便會自行決定以和此一研究無關的方式尋求其他的治療(參見第四章有關維他命試驗的類似主張)。這點並不適用於安慰劑組,因為這一組的病人以為他們正在接受治療。有無自行治療所帶來的差異,可能導致不同組別的成功率沒有太大的差別。

考量上述兩種反對丹麥研究人員結論的論點,讓我們不知道該採取什麼樣的立場,這種情況經常出現在困難的統計科學中,我們只知道不能像過去那樣把安慰劑效應視為理所當然,但我們仍舊很難確定它並不存在。要解決這個問題,必須在安慰劑組和沒有接受治療組之間進行一場雙盲實驗,然而這在定義上就是不可能的(在這個句子最後不得不加上一個驚嘆號)!

-----廣告,請繼續往下閱讀-----

儘管有這些學術爭論,製藥公司與藥物試驗的執行者乃至製藥公司的批評者,都認為安慰劑效應是真實的。批評者指出,所謂的雙盲通常無法執行,因為如果藥物有昏眩或口乾等副作用的話,病人經常能因此而猜出他們吃的是真藥或是安慰劑。這意味著即便藥物在隨機對照試驗中勝過了安慰劑效應,但也能只是因為由於藥物有副作用,而有了更強的安慰劑效應!

製藥公司和為其執行試驗的單位是如此地重視安慰劑效應的真實性,以致於它們實際上甚至還評估接受試驗的病人對於安慰劑效應的敏感程度,試圖排除掉那些容易受到暗示的病人(隱藏式的心理治療)等等。關於安慰劑效應存在與否的問題,我們可以這樣說:就安慰劑效應如何影響我們對醫學的思考而言,它是真實的

還有一個讓事情變得複雜的因素

設想我們要試驗某種早就知道有效的藥物或療法,像是賀爾蒙替代療法(hormone replacement therapy,HRT )。現在假設我們對其是否安全有了某些懷疑,為了審慎起見,最好再次使用一個新的雙盲對照試驗來測試它的有效性。在進行這樣的試驗時,不管是接受真正藥物的病人或是接受安慰劑的病人,都有很好的理由相信藥物的確證實在生理上是有效的。因此很可能會有很強的安慰劑效應,因為病人對於他們認為是真的藥物,會有很高的期待,因此會有很明顯的效果。

簡言之,病人對於真實藥物之有效性的信心越強,在某種程度上,安慰劑效應的強度也會相對應地更強,而這點也許是來自此種藥物的服用者之長時間經驗。在這樣的情況下,如果試驗顯示安慰劑組與控制組之間沒有差別的話,這也許不是因為真正的藥是無效的,而是因為它的有效性讓服用安慰劑的人產生了很強的期待。在這樣的情況下,任何從負面結果所推導出來的結論,可能都是不正確的。

-----廣告,請繼續往下閱讀-----

安慰劑與本書的三個主題

安慰劑效應確實揭露了現代醫學核心的不確定性。但也帶來一個很吸引人的兩難。如果安慰劑效應有作用的話,為什麼不有系統地使用它呢?

答案之一是很直接明顯的。假設問病人:「你喜歡真正的治療還是安慰劑?」病人必然會說「真正的治療」,因為一旦告訴病人他服用的是安慰劑,那它就不是安慰劑了;結果它也就不再是一種治療了。任何試圖提供選擇的做法都必然失敗(這點在邏輯上和我們上面的論點是互補的:一旦你欺騙病人讓他以為他在接受治療,然而實際上沒有接受治療,那麼這就不是治療了,這是安慰劑!)。然而,醫師也許有時候的確會在瞞著病人的狀況下,秉持善意而開安慰劑。遇見科學上沒有有效舒緩方式的疾病時,一個好醫師應該提供安慰劑,同時別讓病人知道目前並無得到認可的治療方法。不過這種療法的有效性是建立在病人沒有真正的選擇,你不能問病人:「你喜不喜歡這種安慰劑啊?」醫師必須欺騙,而在欺騙的情況下,病人是沒有真正選擇的。這點也適用於任何負責整體人口集體健康的單位;在各種治療方法當中,安慰劑是個有用而重要的部分,但是你沒辦法請人們投票支持「在醫學治療上使用更多的安慰劑」。你能嗎?

doctor
有些時候,面對無法治癒的疾病,安慰劑是一個不得不選的方法。圖/free stock photo

醫學是科學,或是救助?另類醫療與安慰劑效應

另類醫療包含所有那些不受到主流醫學科學體制所承認或支持,或是只有少數人支持的療法;它們有的是傳統療法,有的是新療法。正統醫療和另類醫療的界線很難界定,因為醫學科學的不確定性使得其之間有很大的游移空間。例如相較於數十年前,現在很難對針灸嗤之以鼻(關於另類醫療的討論參見第四章)。幸運的是,現在我們還不需要討論另類醫療在生理上的效力,而為了便於分析安慰劑效應,我們可以假設有某種這類治療在生理上是無效的。其實這不是一個假設──這幾乎必然是真的。這之所以幾乎必然是真的,是因為就連正統療法也有許多是無效的,因此如果所有的另類療法都有效,那真是一件怪事。

那我們把這組在生理上沒有效力的另類醫療稱為「空洞治療」。我們在這裡不會指出它們是哪些療法。重點是即使空洞治療沒有直接生理上的效力,也還是有很多人相信自己因為這些療法而獲益。因此大約有百分之四十二的美國人和百分之二十的英國人使用另類醫療。這些人加起來花了那麼多的錢,除了確定已經竭盡所能地尋找治療之外,可能都沒有得到任何好處;但更可能即便是在最差的情況下,他們也因為安慰劑效應而有所改善,而且其中有些效應該是由真正的生理改變所帶來的。其實如果安慰劑效應有什麼重要性的話,那麼最有可能發揮的地方是另類醫療;另類醫療通常強調「全人」照護與樂觀,而且幾乎從來不會使用見諸正統醫療中那種冰冷而機械的步驟。如果安慰劑效應能夠治好病的話,那麼其最密集而有效的形式,最有可能是出現在另類醫療當中。

-----廣告,請繼續往下閱讀-----
針灸
針灸、拔罐等傳統療法,在西方科學觀禮被歸類為另類醫療。圖/pixabay

然而,另類醫療的效力是來自於安慰劑效應,這種想法受到另類醫療執業者的抗拒。他們就像醫療專業一樣,希望能得到科學與生理學基礎的專業認可。而根據我們上面所描述的理由,他們也必定得這樣堅持;因為一旦宣布一種療法是安慰劑的話,它就不再是安慰劑,也無法構成治療了。讓我們暫時脫離整個辯論,重新溫習這一點,然後想像我們可以達到一個「阿基米德點」,有辦法區分直接的生理效力與安慰劑效應所帶來的生理改變。假設我們從這個點可以看出,不管是西方社會的另類醫療,或是其他社會相對應的醫療,像是巫醫、薩滿、巫毒等等,都沒有直接的生理效力;它們都是空洞療法,但是由於安慰劑效應,它們經常能夠透過間接的生理改變而治療疾病。就「原始」社會而言,當外來者宣稱這樣的儀式沒有直接的生理效力時,對其效力並不會有太大的影響,因為從事治療的靈媒之力量被認定是來自於魔法,而非化學或物質。然而,西方社會大多數人則認為,好的醫療介入必須有化學或物質的基礎。安慰劑效應在我們社會的脆弱程度,和社會接受科學世界觀的程度成正比。

在此,醫學既是科學卻又是救助的緊張關係,以清晰的形式呈現出來。在 西方社會,國家通常傾向支持「醫學就是科學」的面向。例如,今天英國的國民健康服務(National Health Service,NHS)越來越強調所謂的實證醫學(evidence- based medicine)。國民健康服務只會提供經過隨機對照試驗或類似試驗證實有效的藥物或療法。然而,隨機對照試驗這個想法本身,即肯定了以科學為基礎的生活方式,因而實證醫學論述的存在本身,就會減少以安慰劑為基礎之療法的有效性。

本書的作者認為,基於許多超越醫學之外的理由,就社會的層次而言,應該支持科學的世界觀,即便我們得接受至少有某些人的健康在如此情況下會間接受到傷害。這是個人利益集體利益之間緊張關係展現出來的方式。當個人罹患正統醫療無能為力的疾病而拼命尋找救助時,另類醫療雖然沒辦法直接治療,但可以經由安慰劑效應而從空洞療法得到好處。然而,政府或相關單位必須負起培養集體科學世界觀的責任(而我們認為這是這類單位所應該要做的),因此從政府單位這類來源得到幫助的機會就會減少。政府有可能在改善醫學「科學」面的同時傷害了「治療」面,然而政府別無選擇只能這樣做。


 

本書從「安慰劑效應」到「接種疫苗的決定」,共舉出八個例子,說明醫學複雜的面向,並用合理的態度面對醫學得不確定性,改善與醫療專業的互動,《科倫醫生吐真言:醫學爭議教我們的二三事》,左岸文化出版。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
左岸文化_96
39 篇文章 ・ 11 位粉絲
左岸的出版旨趣側重歷史(文明史、政治史、戰爭史、人物史、物質史、醫療史、科學史)、政治時事(中國因素及其周邊,以及左岸專長的獨裁者)、社會學與人類學田野(大賣場、國會、工廠、清潔隊、農漁村、部落、精神病院,哪裡都可以去)、科學普通讀物(數學和演化生物學在這裡,心理諮商和精神分析也在這裡)。

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。

0

0
0

文字

分享

0
0
0
批評反而促成發展?科學化中醫和宋朝佛儒交融類似?——《非驢非馬》
左岸文化_96
・2024/04/26 ・3068字 ・閱讀時間約 6 分鐘

「雜種醫」的挑戰

余巖在一九三二年出版《醫學革命論文選》第二版之時,新版序的開場白就敘述了朋友對他的氣憤埋怨。他們說:

近年外面半新半舊非驢非馬的醫說,橫行得了不得。這點狡獪都是你教訓他們的。你若不去向他們攻擊,他們永遠不會變遷。舊的索性舊,新的索性新,倒是界限分明,容易解決。⋯⋯你拚命攻擊舊醫,結果是教訓他們尋出一條生路。

余巖先生像。
圖/wikipedia

在一九二九年的衝突之後,許多批判中醫的人都注意到一個令他們毛骨悚然的現象:一夕之間,出現了一種「非驢非馬」的雜種醫。在很短的時間裡,雜種醫就在醫界大行其道,而之前這種混種現象只盛行於商業界的藥品市場而已。雖然抱持第一與第三立場的人對於中醫科學化的意見相反,但他們都把陸淵雷與譚次仲的方案抨擊為「非驢非馬」。

為何被譯為「雜種醫」?

在此,我想清楚說明為什麼把「非驢非馬醫」翻譯為「雜種醫」(mongrel medicine),而不是聽起來比較正面的「混種醫」(hybrid medicine)。第一,兩者間有一個重要的不同之處,就在於「雜種醫」是當年的歷史行動者所使用的概念。當年批判中醫的人士把「非驢非馬醫」等同於「雜種醫」,因爲他們想強調這種醫療是一個背叛了父母的雜種,是對兩個純種醫學傳統的雙重背叛。

這樣強烈的負面意涵便引出我的第二個論點:作為歷史行動者的概念而言,當年沒有任何中醫師會自我標榜為「非驢非馬」,「非驢非馬」是中醫批評者強加在他們身上的一種貶抑性的標籤。相較於「雜種」與「非驢非馬」所帶有的強烈的負面意涵,「混種性」(hybridity)這個後殖民概念的功能剛好相反,它強調「後殖民文化的混種性是一個優點,而不是弱點。」我想傳達的訊息卻正是混種的負面意涵:對於那些企圖匯通中西醫的人而言,他們必須承受對手加諸己身的羞辱與限制,被對手定義為「雜種」。為了傳達「非驢非馬」一詞的貶抑與羞辱,我決定將其意譯為「雜種醫」。

-----廣告,請繼續往下閱讀-----
對於那些企圖匯通中西醫的人而言,他們必須承受對手加諸己身的羞辱與限制,被對手定義為「雜種」。為了傳達「非驢非馬」一詞的貶抑與羞辱,我決定將其意譯為「雜種醫」。
圖/unsplash

備受罵名,仍要追求中醫科學化的原因為何?

面對來自雙方的攻擊,陸淵雷決定在那份備受爭議的中醫科學化提案當中,將接納雜種醫列為五項前提之一:「故整理國醫藥學術,引用科學原理時,不任受破壞國粹之名。」在此陸淵雷清楚表示不認同將中醫視為「國粹」而保存其本真性(authenticity)。

這是一項重要的證據,顯示至少對陸淵雷而言,國醫運動不當被等同為一種文化民族主義運動。他特別提及儒學與佛教在宋朝(九六○ — 一二七八)成功融合的例子,而主張中醫科學化是性質接近的事業,是以一種大膽而富有創意的方式來融合中國與外國文化。就這個意義上而言,像陸淵雷這樣的人士不僅發動了中醫科學化方案,更心甘情願地承受論敵貼在他們身上的貶抑性標籤,因為他們追求的目標不是保存中醫既有的樣貌,而是要發展出國醫館所揭示的那種新生的混種醫。

陸淵雷提及儒學與佛教在宋朝成功融合的例子,而主張中醫科學化是性質接近的事業,是以一種大膽而富有創意的方式來融合中國與外國文化。
圖/ wikipedia

余巖的友人責怪余巖協助創造了這種雜種醫。他們是對的。雜種醫之所以會興起,就是為了回應余巖和其他中醫批評者所倡議的醫學革命。這並不是說在余巖對中醫提出抨擊之前,不曾有人試圖融合這兩種醫學型態──唐宗海就是一個明顯的先例。重點是,雜種醫之所以突然間變地那麼值得追求、那麼引人痛毀極詆、那麼危機四伏,這一切都源於人們堅持要以科學方法整理中醫──換句話說,就是中醫科學化。有史以來第一次,當中醫師想像中醫與西醫的關係之時,他們無可逃避地必須共同直面科學的概念。

雜種醫與中醫科學化的關係?

雜種醫與中醫科學化之間,有一種相互建構與壓制的辯證關係。這兩者的關係具有相互建構性,因為中醫師會想追求雜種醫這種古怪的東西,完全是因為國民黨國家提倡中醫科學化,並強迫抗爭雙方以其作為停戰條件。正是這個科學化的目標,迫使中醫師在改革中醫時認真看待科學的概念以及相關的現代性論述──例如余巖對於中醫的三分法。就這個意義上而言,他們的改革體現現代性的特徵,因此截然不同於由唐宗海為代表的那種前現代式的匯通中西醫。

-----廣告,請繼續往下閱讀-----

另一方面,這兩者之間的關係也具有壓抑性,因為正是科學的概念使人難以想像中醫與生物醫學之間能夠經由跨種雜交而產生有意義的成果。單純想像把兩種醫學型態混合起來,或許不需要擔心會產生怪物。但若是想像將科學與異己的他者進行跨種雜交,感覺上幾乎是褻瀆神聖。由於大家都覺得這是一個無法想像的作法,無怪乎批評者將這種新式醫學描述為「非驢非馬」。

中醫師會想追求雜種醫這種古怪的東西,完全是因為國民黨國家提倡中醫科學化,並強迫抗爭雙方以其作為停戰條件。正是這個科學化的目標,迫使中醫師在改革中醫時認真看待科學的概念以及相關的現代性論述。
圖/pexels

就像那無法繁殖後代的騾,雜種醫雖然表面上看來充滿活力,卻絕對不可能長久存續,無法成為一個富有生命力的活著的傳統(living tradition)。正因為這種醫學廣受大眾歡迎,反對者覺得必須利用雜種醫這個貶抑性的概念,以提醒眾人逾越界線的危險,使人們產生強烈的負面情緒。總而言之,就是因為論爭雙方都接納中醫科學化方案,是以雜種醫才會變成一個廣受中醫師支持的、值得追求的、卻又沒有希望成功的方案;另一方面,也變成西醫師眼中巨大的威脅。

結論

西醫師為何強烈地偏好「中醫科學化」這句口號,而不是「以科學方法整理中醫」?關鍵就在防止雜種醫。由於這句口號包含了「科學化」這個在地發明的概念,因此也就把我們帶回了本章一開頭提出的那個問題:在一九三○年代初期的中西醫論爭中,中醫科學化方案做為一股關鍵歷史力量,究竟發揮了什麼樣的功能?最直白的答案就是,將科學轉化為一個動詞(科學化),其實是最有效的方式來展示世界上存在著一種同質性的實體叫做科學。

如果科學不能被理解為一種同質性的單一實體,那便難以想像將某個東西「科學化」究竟是什麼意思。更重要的是,當人們習以為常、不假思索地使用「科學化」這個動詞時,大家的行為便預設並且強化了一個想法:科學及其對反(中醫)是兩個可以清楚辨識的實體,就像具體的物品一樣真實。

-----廣告,請繼續往下閱讀-----

——本文摘自《非驢非馬:中醫、西醫與現代中國的相互形塑》,2024 年 02 月,左岸文化出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
左岸文化_96
39 篇文章 ・ 11 位粉絲
左岸的出版旨趣側重歷史(文明史、政治史、戰爭史、人物史、物質史、醫療史、科學史)、政治時事(中國因素及其周邊,以及左岸專長的獨裁者)、社會學與人類學田野(大賣場、國會、工廠、清潔隊、農漁村、部落、精神病院,哪裡都可以去)、科學普通讀物(數學和演化生物學在這裡,心理諮商和精神分析也在這裡)。

1

0
2

文字

分享

1
0
2
科學鑑定並非絕對正確?垃圾科學可能造成冤案?——《法庭上的偽科學》
商周出版_96
・2024/01/03 ・2686字 ・閱讀時間約 5 分鐘

科羅拉多州丹佛市的科羅拉多州會議中心
第六十一屆美國鑑識科學學會科學年會

司法科學可能失誤?垃圾科學害無辜的人被判有罪?

二○○九年二月十九日,美國國家科學院投下了長達三百頁的震撼彈。全世界的頭條新聞都是宣告絕對正確的鑑識神話破滅。這份後來被稱為《 NAS 報告》的《提升美國司法科學:前進之路》(Strengthening Forensic Science in the United States: A Path Forward),讓聚集在丹佛參加美國鑑識科學學會年會的鑑識社群都深受打擊。自從一九六○年代中期的山姆.謝潑德審判以來,無論是法庭或流行文化都一直認為司法科學是萬無一失的。

即使出現了錯誤定罪,也沒有削弱這個被廣泛認同的信念。二○○九年美國鑑識科學學會的「科學會議」議程就反映出對這件事不存在絲毫懷疑。在該年的五百三十六篇發表文章中,只有一篇是討論錯誤定罪,發表人是一名加拿大的辯護律師,而該科學的可靠性則完全沒有成為關注議題。1

圖/unsplash

《 NAS 報告》在一夜之間讓會議議程顯得無關緊要,彷彿是上個世代的產物。垃圾科學害得無辜的人被判有罪,這不能再怪是因為「一粒老鼠屎壞了一鍋粥」。美國國家科學院解釋因 DNA 的平反揭露了「一個令人不安的冤案數量,有些還是死刑案件,並暴露了美國常用的一些鑑定方法的嚴重侷限性」。

即使是在最高法院作成對道伯案的意見之後,糟糕的科學依然在司法制度中占據主導地位。《 NAS 報告》回顧了上個世紀如史詩般的侵權責任之爭,它導致了道伯案這個具有里程碑意義的判決。儘管彼得.胡伯的《伽利略的復仇》一書講述像「中了頭獎」的人身傷害訴訟,讓「現在已眾所周知的『垃圾科學』變得普及,並批評司法制度接受不可靠的專家證詞來支持侵權主張」,但《 NAS 報告》提到的「垃圾科學辯論」幾乎「完全忽略刑事訴訟」。2

-----廣告,請繼續往下閱讀-----

鑑識體制對於《 NAS 報告》反應如何?

鑑識體制中大部分是善意而不習慣接受批評的公務員,對司法科學界來說,美國國家科學院的批評是對個人的一種極大侮辱。大部分從業人員都是跟隨廣受尊敬的導師學習這一行,但現在幾乎所有鑑識行業公認的智慧都遭到駁斥:「訓練應該從學徒式的實務傳承轉向大學等級的教育,並且要根據科學上的有效原則。」該報告總結道:「我們需要的是一個新的、強大而且獨立的單位,要切斷與過去的連結,且它要有權威和資源實施新的作法,解決委員會發現、在本報告討論到的許多問題。」

圖/unsplash

美國鑑識科學學會的議場傳出了鑑識專家們抗議的悲鳴。《鑑識科學期刊》發表過大量經同儕審查的文獻,在過去六十年間,在美國鑑識科學學會的科學會議上也發表了上萬篇經評審的演講和「學術研討會」。全國法院都宣布法醫從業人員是「專家證人」。

現在來了一些統計學家,就想要說我們沒有科學? 我們不知道自己在做什麼? 問問那些教授,他們最後一次從屍體上採下帶血的指紋是什麼時候!

前 FBI 實驗室分析人員馬克斯.胡克回憶道:「每個人都快氣瘋了。」3

醫學領域也發生過類似經歷?為什麼醫學界發生改變,鑑識學界卻難以動搖?

很少人能斷然放棄長期以來的信念,無論反面的事實多麼令人信服。這就是人性,司法科學也絕對不是第一個抗拒新事實的科學領域。一九八○年代中期的醫學就是這樣,歷經了漫長而緩慢的轉變過程,才從「根據大師怎麼說」(依照該領域的領導者傳下來的智慧),轉向實證的治療方法(依據精心設計的研究做出醫學決定)。

-----廣告,請繼續往下閱讀-----

以「萬物的隱藏面」為主題的公共廣播節目《 Freakonomics 》做了一個〈劣藥〉(Bad Medicine)的四集報導,其中便呈現出司法科學社群對《 NAS 報告》的反應,也顯示出它和醫學界對「考科藍協作組織」(Cochrane Collaboration)的反應有著令人驚異的相似之處——考科藍組織所做的事便是對幾世紀以來的醫學文獻進行前所未見的系統性檢視。

圖/unsplash

這份一千五百頁、分成兩冊的報告於八○年代末在該領域造成轟動。如同廣播主持人史蒂芬.都伯納(Stephen Dubner)表示:「考科藍協作組織是第一個將既有醫學問題加以真正系統化、彙編和評估其最佳證據的組織。你會認為這應該得到普世的讚揚,但是就和任何行業中根深柢固的智慧(即使是很不智的智慧)一旦受到挑戰一樣,醫學界並沒有為此感到振奮。」4

考科藍協作組織的共同創辦人伊恩.查爾默斯(Iain Chalmers)爵士描述,當一群局外人告訴醫生應該如何治療病人時得到了什麼反應:「我必須說,醫學界其實對此有很大的敵意。我記得有一次,我同事要出席英國醫學會在當地的一場會議,英國醫學會基本上是叫他去說明實證醫學(evidence-based medicine)是什麼,以及這群統計學家和其他又不是醫生的人,到底跑來這個他們不該亂搞的領域胡鬧什麼。他開車出發前問我:『我應該告訴他們什麼呢?』我說:『如果是病人抱怨實證醫學的目的,我們應該認真對待這些批評。在那之前,就當這主要是既得利益者在尋找出路。』」

實證醫學成為規範作法的主要原因之一,是患者(客戶)提出了要求,最終會迫使醫學界默默地站在數據這一邊,而不是繼續服從該領域的大師。然而垃圾科學在美國刑事司法體系中的主要客戶是檢察官,他們大部分都對現狀感到滿意。

-----廣告,請繼續往下閱讀-----

——本文摘自《法庭上的偽科學》,2023 年 12 月,出版,未經同意請勿轉載。

註解

  1. 二○○九年美國鑑識科學學會的「科學會議」議程,瀏覽日期二○二一年七月五日,aafs.org/common/Uploaded%20files/Resources/Proceedings/2009_Proceedings.pdf。 ↩︎
  2. National Academy of Sciences, Committee on Identifying the Needs of the Forensic Sciences Community, “Strengthening Forensic Science in the United States: a Path Forward,” at 89 (2009) (NAS Report)(省略內文的引用和引述)。 ↩︎
  3. 對胡克的訪談。 ↩︎
  4. “Bad Medicine, Part I: the Story of 98.6,” Freakonomics Radio (Bad Medicine) , 瀏覽日期二○二一年七月五日,freakonomics.com/podcast/bad-medicine-part-1-storyrebroadcast/(節目文字紀錄)。 ↩︎
-----廣告,請繼續往下閱讀-----
所有討論 1
商周出版_96
123 篇文章 ・ 364 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商周出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。