Loading [MathJax]/extensions/tex2jax.js

0

2
1

文字

分享

0
2
1

種子的樂透之旅──《爬樹的女人》

時報出版_96
・2016/05/25 ・5016字 ・閱讀時間約 10 分鐘 ・SR值 494 ・六年級

文/Margaret D.Lowman

過五關得大獎的種子之旅

雖然我們認為樹冠上的各種變化,大多數都是高高在上,但是森林地表可是生命力萌發的地方。有多少種子是經過不可思議的勝算後,才得以自地面往上長成今日的大樹。在森林的地表,隱藏著這世界上規模最大的樂透彩。每一種有樹冠層的樹種,從種子、幼苗、樹苗、幼樹、到前生樹更新的每一個階段,都會參與樂透競賽,但成功率幾乎微乎其微,只要有點數學頭腦的賭客都不會參加的。據估計,一公頃的雨林每年約有十五萬顆種子發芽,然而只有不到百分之一的幼苗能夠長成大樹。

3475869897_52131e3ea7_z
種子能夠好好成長,猶如中樂透一般難能可貴。圖/Sergey@flickr

我們的雨林樣區,平均每公頃有七百四十八棵大樹(及胸處的樹幹直徑超過十公分),不過有時候一季可能就有兩千多棵種子發芽。種子有沒有辦法增加自己在這個生態賭盤裡的勝算呢?如果可以的話,又是什麼因素讓贏家勝出,順利長成大樹呢?

在這場樂透中,種子首先得落到森林地表,或是土壤縫隙裡,才有機會發芽。從樹頂結實之處,一路到地面,那可是得穿過繁複的樹枝和層層樹葉,旅程非常險峻。如果種子成功到達地面,但沒有落在適合立刻發芽的環境,就得趕緊加入種子庫的行列(也就是在土壤裡保持完好無缺、未腐爛,也沒被生物吃掉),等到日後再發芽。

-----廣告,請繼續往下閱讀-----

種子樂透跟小孩子愛玩的電玩很像,必須要經過層層關卡、過關斬將之後才可以贏得最後勝利。就像任天堂的超級瑪利歐,會不斷遇到障礙,循著不同的路徑,以躲避死亡陷阱。從樹冠頂端出發的種子們,也必須過已下這五關,才有辦法成功獲得「大獎」:

一、安全降落到森林地面。

二、成功發芽。

三、撐過幼苗(或子葉)階段,拿到前期更新的門票。

-----廣告,請繼續往下閱讀-----

四、在樹冠的林蔭底下,繼續處於壓抑的狀態,不斷儲存能量,在冠下層發育成樹(對多數存活下來的樹木而言,這個階段已經是最終的目標了)。

五、最後,因為某個契機獲得大量的陽光,從壓抑狀態中釋放,一路長到樹冠上層,變成大樹。

長成大樹的奇蹟

能夠在林蔭底下發育成樹苗,並持續生存的樹種,稱為耐陰性樹種。根據我們的紀錄,有些耐陰樹種的種子已經在雨林生長三十五年了,卻還是只維持五吋高(約十三公分)。我認為,種子能夠在陰暗的森林地表生存,持續等待孔隙的出現,這種能力根本是植物界的奇蹟。

反過來說,沒有辦法在林蔭底下存活的樹種就稱為不耐陰性樹種,這種種子在陰暗的地表根本沒辦法發芽,但如果落在陽光充足的地點,發芽的速度便會非常地快。不耐陰性樹種常常被稱做「先驅種」或是「拓殖種」,因為它們有辦法在發生干擾後的裸露地上,耐受充足的陽光、順利發芽成長。不過,經過一段時間,耐陰種在林冠下層開始萌發後,通常先驅種就會將之取代。在樹冠層的下一代發展出新的變種,這就是所謂的演替

-----廣告,請繼續往下閱讀-----

森林樂透的第一個階段,就是種子從樹冠頂層到達森林地表的過程。這階段看起來很簡單,不過就是種子利用地心引力,從果子結實的地方,飄落到地表準備發芽。但是這一趟旅程可說是危險重重。也因為如此,大樹們早就已經發展出各種新奇的方式,確保種子旅途安全。每個樹種的種子其大小重量、型態、播種的季節,以及吸引傳播者的方式都不同,就連保護珍貴種子落到地面所分泌的化學物質也不同。

花朵和果實幾乎都生長在活動最茂盛的樹冠層。不過,自然界總是有美妙的例外,例如有種叫做幹生花的植物,就是在樹枝和樹幹上結果的。因為幹生花對早期的探險家來說實在是太罕見了,因此一七五二年一位瑞典植物學家奧斯貝克到爪哇島時第一次發現這種無葉的寄生物時,還以為自己發現新種。他寫道:「這種不到手指長度的小型藥草植物長在樹幹上,非常稀有,之前根本沒人看過。」幹生花並不常見,比較有名的包括澳洲的蔓生金銀花、南非的可可樹、中美洲的砲彈樹等。我的學生不論大人還是小孩,都非常喜歡觀察幹生花,並討論著它們像不像長在樹幹上的花椰菜。

640px-CercisChinensisBuds2
幹生花會直接在樹幹上結果。圖/wikipedia

另外,「種子雨」指的就是種子從樹冠層落到地面。溫帶樹種每年都會固定開花結果,每年秋天橡樹會結滿橡果,春天楓樹則會不斷地灑下翅果,成為溫帶地區的孩子在走路上學途中,源源不絕的玩具直升機。

然而在熱帶地區就不是這麼一回事了,種子什麼時候要落下很難預測。到現在,生物學家對於許多雨林冠層樹種開花結果的季節模式,還是一知半解。研究植物物候學需要好多年的觀察,有些樹種的繁殖物候非常特別,讓科學家驚喜之餘,也進一步促進了其他樹種的保育工作。

-----廣告,請繼續往下閱讀-----

譬如說南極山毛櫸為大年結實的樹種,每五年山毛櫸的樹冠就會開花結果,寒溫帶森林裡便下起了種子雨。而大年結實那年的氣候條件則是山毛櫸種子發芽的關鍵。也因為這種特別的模式,中間沒有結實的年份並不代表山毛櫸的數量正在減少。

我一開始在研究南極山毛櫸時,花了很多時間在澳洲高山雨林裡的山毛櫸底下尋找幼苗,卻徒勞無功。費了多年功夫在山毛櫸樹下數千平方公尺的森林地表勘察,就只找到兩株山毛櫸種苗,而且兩株都是長在倒掉的木羊齒上。木羊齒粗糙的表面,為種子提供了發芽的環境,而且倒掉的樹幹就像海綿一樣,比土壤還濕潤。一開始,我還有點擔心森林裡都沒有山毛櫸的種子,但是二、三十年沒有種子發芽,對可以活上好幾千年的樹來說,似乎並不是什麼大事情。除此之外,山毛櫸的樹幹或是倒掉的山毛櫸也會萌發枝條(或是樹芽),看來這種樹要延續下一代,根本不成問題。

為什麼山毛櫸這種樹,會演化成大年結實呢?每年都結實的話風險不是比較小嗎?答案不只是產出多少顆種子那麼簡單。生物學家發現,如果種子的生產時間沒有規律,這樣的種子比較能夠躲過捕食者的侵害。如果再以能量利用的角度來看,每年都結實的話相當耗能,如此會用掉本來可以幫助長葉或是行光合作用的能量。

三十五年的樹苗觀察記錄

就像青少年的體型有高矮胖瘦的差異,樹的種子也有各種大小不同。如果被中美洲砲彈樹的種子砸到,可能會有生命危險;但也有其他熱帶樹種,如巨大的螫人樹,種子迷你到可以靠風來傳播。種子的大小也是很複雜的屬性,母樹在製造大種子時,消耗的能量雖多,然而每顆種子的存活率卻會因此提高。相反地,生產小顆種子比較不會耗費母樹的能量,但種子掉到森林地表後,也沒有提供可以使用的儲備能量,幫助它們在森林地表上站穩腳步。

-----廣告,請繼續往下閱讀-----
Cannonball_Tree_(Couroupita_guianensis)
砲彈樹也為幹生花,其果實十分堅硬。圖/wikipedia

小種子會發展出子葉(發芽後長出的第一對葉子),在森林的地表上既脆弱又迷你,它們通常是以風為傳播的媒介,因此分布既廣泛且隨機。許多樹種的小種子都會在陽光和水氣都充足的孔隙間發芽,因為種子本身沒有食物庫存,所以得等到條件都備齊了才能生根發芽。

那到底是大種子好還是小種子好呢?整體來說,並沒有所謂的好壞,因為在不同環境之下,大小種子各有自己的優勢。在澳洲雨林的地表上,黑豆樹丹絨樹的大型種子,掉在自己的母樹底下,原本的樹冠層就會逐漸被新生的樹種給取代。換句話說,即新生的同種樹,取代了自己的母樹。有些樹種,像是賽赤楠,豐滿紅豔的果實十分吸引鳥類或是小型哺乳類,因此種子就不會直接落在母樹底下,而是被這些動物帶到森林其他地方。其他更迷你的種子,則是成千上百地乘著風四處傳播。

雨林裡的果實有各種顏色,像是紫色、紅色、橘色、檸檬黃、鮮紅色、白色、黑色、紫紅色、粉紅色、緋紅色、桃紅色,還有許多深淺濃淡的色澤變化。如此鮮豔的顏色為的就是要吸引吃愛果肉的鸚鵡或是其他捕食者,被吃掉的種子進入消化道後會隨著排泄物排出,動物就成了播種者。裸眼鸝就是個很棒的例子,牠們在不同樹冠休息時,會順勢排便在樹杈間。

榕樹會在樹冠頂端發芽,根則開始向下長,直到碰到地面,和一般由下往上長的植物大相逕庭,這種生長模式被稱為「半附生」。生長的初期會以附生植物(空中植物)的形式成長,最後向下生根到達森林地表。榕樹這種由上至下的生長方式,不僅是森林中罕見的特例,我認為這也是歷經不斷演化後最成功的生存方式。如果可以的話,我真想回到十萬年前看看這片雨林!我猜,以如此聰明的方式爭奪陽光、由上至下紮根,榕樹未來一定是森林中的霸主。

-----廣告,請繼續往下閱讀-----
ficus benghalensis
榕樹已半附生的機制,為自己在森林中掙到了一席之地。圖/Romana@flickr

榕樹不僅有自己一套特殊的生存手段,穩固自己在樹冠的一席之地,它們之所以可以繼續生長,也全都靠絞殺宿主樹的能力。一旦它們的根部向下紮進泥土裡,就會開始以攀抱、纏繞等方式,不斷壓迫宿主樹,直至宿主樹死亡、腐爛為止。許多絞殺榕的中間都是空心的,那是因為最初的宿主樹已經腐爛,徒留絞殺榕繼續攀附著空殼成長。

鉅細靡遺的調查

在森林地表研究樹苗時,有件非常累人且需不斷重複的工作,我們這群研究生態樂透的人,把這個工作叫做「匍匐前進」。不過我這個人向來比較樂觀,我把研究樹苗時頻繁地或站或坐或蹲,當作是在上有氧運動課,而且還是不用收錢的呢。

我們花了很多時間,在森林地底上爬行,就是為了尋找、辨識、標記雨林裡的樹苗。這項任務是為了測量我們樣區裡,所有樹種的種子分布狀態以及數量,並在往後數年能持續追蹤。哪些死掉了?哪些減少了?哪些種子發芽了卻無法繼續堅持下去?哪些種子努力求生存卻仍未長大?最後茁壯成樹,加入樹冠層行列的又有哪些?這項工作需要很長的作業時間,也需要很大的耐心去比對非常非常多的迷你個體。

woods-939123_640
研究人員耗費許多心力,只為了調查一株株小幼苗的成長。圖/pixabay

我們用的是永久的鋁製生態標籤(數量已經高達六萬多個),並採用森林地表的網格系統來測繪製新樹苗的位置,並檢查編過號的舊樹苗。這項工程非常浩大,但是卻讓我們培養出堅定的革命情誼。

-----廣告,請繼續往下閱讀-----

我們真的是以龜速在地上爬行,匍匐三十呎後,累了就停下來吃Oreo餅乾或是薄荷糖(這是澳洲人很喜歡的糖果)。因為這項工作必須聚精會神,我的同事有一次居然認真到連水蛭爬到眼睛裡都不知道。我們後來還必須帶他去醫院讓醫生把水蛭弄出來,因為那隻水蛭早就飽餐一頓,胖到爬不出他的眼球。

每年樹苗團隊都會在澳洲勘查四公頃的雨林,經過三十五年後,我們發現不論是種子雨、樹苗發芽,還是熱帶樹種的生長,差異都非常大。大年結實、每年結實,又或是由季節雨、或強光等環境條件引發的種子雨,不管是哪一種結實型態,都是相鄰樹種最成功的生產模式。

有些成年的樹種,在我們觀察的三十五年裡都不曾開花結果。譬如說合蕊林仙屬加勒比海紅木白木蘭屬等樹種,在我們的紀錄中都已經是成年的樹株,但是卻沒有結實的現象。我們猜測,這類的樹種不常開花,或許每五十年、甚至更久才開一次花;又或者,微妙的氣候導致這些樹無法育種。只有繼續耐心的觀察,森林樂透才有被摸透的一天。

自從我進行樹苗研究後,對森林的看法變完全改觀。每個樹種在這幾十年的光陰裡都有其特質。我超怕檫樹下起種子雨,因為這些幼苗成千上百、密密麻麻的。每次看到新的藤蔓,我便會起躊躇不已(因為很難辨識)如果發現罕見的貝殼杉,還有齒狀子葉非常好認的美洲山椒,我都開心得不得了。樹苗的外觀和生長模式不盡相同,但都令人驚艷,其生態習性也都十分獨特。


時報-爬樹的女人-立體書

 

 

 

瑪格麗特‧羅曼懷抱對科學研究的滿腔熱情在田野調查界打拼,不但開啟女性研究熱帶樹冠層的新里程,更被譽為樹冠生態學的拓荒者。隨著本書,我們一窺作者三十多年來投身樹冠研究的有趣經歷,一位不甘於平凡女性的故事。《爬樹的女人》,時報出版

-----廣告,請繼續往下閱讀-----
文章難易度
時報出版_96
174 篇文章 ・ 35 位粉絲
出版品包括文學、人文社科、商業、生活、科普、漫畫、趨勢、心理勵志等,活躍於書市中,累積出版品五千多種,獲得國內外專家讀者、各種獎項的肯定,打造出無數的暢銷傳奇及和重量級作者,在台灣引爆一波波的閱讀議題及風潮。

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

6
0

文字

分享

0
6
0
草莓是果實還是種子?又或者……以上皆非?——「112年會考自然科考題」
椀濘_96
・2023/09/22 ・858字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

112 會考甫結束,自然考科中有題非常令人印象深刻……。

自然科第 35 題。圖/國立臺灣師範大學心理與教育測驗研究發展中心

原來我們吃的草莓不是以為的「果實」,那個紅紅的果肉是其實是草莓的花托,而上面黑色的點點也不是「種子」,而是果實本人!至於真正的種子呢?當然是在那些黑黑的果實裡啦~

這似乎顛覆我們的印象,以為日常生活中所吃的水果果肉就是植物的果實,究竟這當中又藏著什麼奧秘呢?若想進一步完整理解草莓,就得從果實的構造及分類說起。

果實為被子植物的生殖器官之一,當雌蕊中的胚珠完成受精作用後,子房便逐漸發育為果實,胚珠則發育成種子。有些植物的花托、苞片、花萼等構造會與子房外壁癒合,並隨之生長而膨大,成為果實的一部分;例如這次的主角——草莓。

-----廣告,請繼續往下閱讀-----

接著我們談談果實的分類。可依據發育、構造、型態的不同,分為:橘子的「柑果」、水蜜桃為「核果」、杏仁屬於「堅果」等等,至於草莓則被歸類在「瘦果」及「聚合果」。

花的解剖構造。圖/維基百科

現在我們要先將草莓紅紅的果肉剔除,只剩下單獨一粒粒黑黑小小的果實。「瘦果」(achene)顧名思義,型態硬而細小,其內僅有一粒種子,除了草莓外,常見的如愛玉子、向日葵的瓜子。

屬於「聚合果」(又稱「聚心皮果」,為複合果實的一種)的植物則是一朵花中有多個(兩個以上)離生的雌蕊,花的萼片(花萼)、花托一同參與了果實的發育,最終膨大癒合形成肉質果肉;另外,其果實被分類在聚合果的植物,常見的有釋迦、覆盆莓。

其實除了草莓還有許多我們意想不到,所吃的水果果肉並非單單只有果實本人,例如鳳梨、桑葚、香蕉、無花果……等等;它們也都和草莓一樣,由於果實發育的方式,所造就了如此特別、豐富型態,等著我們一一去認識!

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
椀濘_96
12 篇文章 ・ 20 位粉絲
喜歡探索浪漫的事物; 比如宇宙、生命、文字, 還有你。(嘿嘿 _ 每天都過著甜甜的小日子♡(*’ー’*)

1

8
2

文字

分享

1
8
2
分析 2400 年前的「酸沼鞣屍」:圖倫男子的最後一餐與死因有何關聯?
ntucase_96
・2021/11/22 ・2750字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

  • 編譯/江柏毅

本文轉載自 CASE 報科學 《酸沼鞣屍——圖倫男子的最後一餐

請注意,本文包含人類遺骸的圖像。

圖倫男子是 1950 年發現於丹麥的酸沼鞣屍,年代距今約 2400 年,過去研究顯示這名男性死前 12 至 24 小時曾經食用過粥。新近的腸道分析顯示他的飲食內容包含大麥、亞麻子、野草種子和一些魚,從碳化物質推斷這碗粥可能還稍微煮焦了。研究也顯示圖倫男子體內有絛蟲和其他腸道寄生蟲,可能與生食和不乾淨的飲水有關。他的死因不詳,從頸部的革索判斷可能是遭到絞殺,為獻祭下的犧牲。

圖/Creative Commons (已做處理,欲看原圖請點此)

北歐酸沼鞣屍的保存關鍵:高緯度、厭氧、低溫

泥炭(peat)是沼澤形成過程的產物之一,主要來源是泥炭苔(Peat Moss)、泥炭蘚(Sphagnum)或其他有機物。這些有機物質死亡後沉積於沼澤底部,因潮濕且偏酸性的環境而無法完全腐敗分解,便形成所謂的泥炭層。有機物質分解的程度主要是視其組成成分與浸水程度來決定,通常在較潮濕的地方泥炭層的形成比較快,有機物的分解度比較低。在雨量較高的寒冷高地,如充滿泥炭蘚的歐洲北部,泥炭層往往形成面積廣大的酸沼(bog)地貌。

酸沼,酸性泥炭沼澤;為酸性泥炭與死亡植物所積累的濕地。圖/維基百科

高緯度地區的酸沼由於厭氧和低溫特點,有利於有機物質的存留,而泥炭蘚腐敗後轉化而來的腐植酸(humic acids)也能夠抑制微生物生長,將生物的皮膚、軟骨、肌腱、指甲等部位鞣製(tanning)成古銅色保留下來。歐洲北部大面積的酸沼地帶目前發現有近 2000 具的人類遺骸,稱之為酸沼鞣屍(bog body),他們的軟組織大多保存良好,但骨骼因酸性環境,大多已不存在。目前大約有一百多具鞣屍經碳十四進行測年,所屬年代主要分布在公元前 1000 至公元後 250 年之間(跨歐洲的青銅時代晚期、鐵器時代與羅馬時期),而集中於鐵器時代與羅馬時期。丹麥日德蘭半島所發現的圖倫男子(Tullund Man)是其中較為著名的一具,年代距今約 2400 年,屬斯堪地納維亞的前羅馬鐵器時代。

 在西北歐濕地發現上千具鐵器時代人類遺骸。圖/The last meal of Tollund Man: new analyses of his gut content|《Antiquity

圖倫男子的研究分析

圖倫男子是在 1950 年工人挖掘泥炭時意外發現,死亡年齡大約是 40 歲。由於其身體及大部分器官並沒有腐化消失,發現時一度被認為是最近凶殺案的受害者。被發現時身體呈嬰兒胚胎般的蜷曲姿勢,除了頭上由羊皮製成的尖頭毛帽和腰間的皮革腰帶以外全身赤裸,頸部則纏繞著可能是用來絞殺他的皮製絞索。他的面容安詳,應是死後被刻意放置於酸沼中。至於他被絞殺的原因不詳,可能與儀式性獻祭、處刑有關(目前仍有爭議)。歐洲北部上千具的鞣屍的死因不盡相同,較高比例的現象顯示死者身上多有輕微殘疾,如脊椎彎曲、多一根手指、營養不足所導致的發育不良、斷肢外傷、疾病所導致的體態異常等。

-----廣告,請繼續往下閱讀-----
圖倫男子(Tullund Man) 面容安詳,頭部保存得相當完好。圖/維基百科 (已做處裡,欲看原圖點此)

研究人員在發現之初曾對圖倫男子的胃部和消化道進行檢驗,了解到這名男子在死前 12 至 24 小時曾吃過最後一餐,且可能是內含燕麥、大麥、野生植物種子(包含早苗蓼 pale persicaria 、卷莖蓼 black bindweed、野生堇菜、亞麻、藜、大爪草 corn spurrey 和亞麻薺 gold-of-pleasure 等,約有 40 種)的粥。最新由丹麥席克爾堡博物館(Museum Silkeborg)、丹麥國家博物館、歐胡斯博物館(Moesgaard Museum)和奧胡斯大學(Aarhus University)研究人員所組成的團隊進一步分析他的腸道,顯示他所食用的粥由大麥、亞麻籽、野生種子(包含早苗蓼、野生蕎麥、亞麻薺、藜、大爪草、黃鼬瓣花和野生菫菜)和一些魚煮成,另外還含有一些沙。從微小的炭化碎片可知,粥是以陶製鍋具烹煮,而且稍微煮焦了。

A)大麥;B)早苗蓼;C)大麥軸段;D)亞麻;E) 卷莖蓼;F)藜;G)沙;H)黃鼬瓣花;I)亞麻薺;J)大爪草;K)野生堇菜。圖/The last meal of Tollund Man: new analyses of his gut content|《Antiquity

根據過去對 12 具歐洲鐵器時代酸沼鞣屍的分析,這是相當標準的一餐。這些受害者的餐食以穀物為主,有時還有肉和莓果。至於上述內容是否為當時的典型飲食,研究者難以下定論,因為目前歐洲鐵器時代的飲食資料大多來自這些保存良好的酸沼鞣屍,而當時處理遺體的主要方式為火葬。研究團隊也檢視了圖倫男子是否死前曾吃下任何特殊物質,諸如迷幻藥或其他麻醉劑、止痛劑,但最終並沒有找到。腸道內含物分析也顯示他的體內有寄生蟲卵,主要是絛蟲和線蟲,很可能與飲食中包含生肉、未完全煮熟的肉品,或不乾淨的井水有關。上述研究目前已發表於《Antiquity》期刊。

關於圖倫男子的研究已發表於《Antiquity》期刊。圖/ The last meal of Tollund Man: new analyses of his gut content|《Antiquity

糧食短缺、環境惡化、活人獻祭

研究團隊主持人,席克爾堡博物館科學家 Nina Nielsen 表示, 許多酸沼鞣屍的最後一餐都有相似處,且可能具有儀式性意義。數具酸沼鞣屍腹中都有野草種子與脫粒殘渣,其中最引人注目的是早苗蓼。這些野生種子可能反映了當時可能有飢荒危機,這些種子是在糧食短缺的狀況下被刻意加入替代正常飲食的。許多歐洲北部發現的酸沼鞣屍骨骼上都發現有營養不良或疾病所導致的"Harris lines"。 伯明罕大學考古學教授 Henry Chapman 認為,歐洲北部的酸沼地貌可能也掌握著了解這些酸沼鞣屍出現的關鍵。由於當時的酸沼環境顯示氣候正逐漸變濕惡化,反映農地的流失,當地人群可能因環境惡化而逐漸發展出以活人獻祭的習俗。

  1. 2021 07. 22 Bob Yirka, Most detailed study to date of gut contents of Tollund Man, Phys.org 網站
  2. 2021 07. 21 Elizabeth Djinis, Last meal of sacrificial bog body was surprisingly unsurprising, researchers say: A new study of Denmark’s Tollund Man reveals what he ate—and, more importantly, didn’t eat—before his murder 2,400 years ago. National Geographic 網
  3. 2001 Andrew T. Chamberlain & Michael Parker Pearson, Earthly Remains: The history and science of preserved human bodies, pp. 50-54. London: The British Museum Press.
-----廣告,請繼續往下閱讀-----
所有討論 1
ntucase_96
30 篇文章 ・ 1482 位粉絲
CASE的全名是 Center for the Advancement of Science Education,也就是台灣大學科學教育發展中心。創立於2008年10月,成立的宗旨是透過台大的自然科學學術資源,奠立全國基礎科學教育的優質文化與環境。