Loading [MathJax]/extensions/tex2jax.js

1

1
0

文字

分享

1
1
0

這封出處不明的轉寄網路文章是…? 謠言止於(懂得搜尋的)智者

洪朝貴
・2011/12/20 ・3447字 ・閱讀時間約 7 分鐘 ・SR值 539 ・八年級

對不明出處的轉寄文章進行測謊
對不明出處的轉寄文章進行測謊

跟部落格或任何網站比起來, e-mail 是造謠者不具名散佈謠言的絕佳工具。 當然, 這並不表示每封出處不明的轉寄信都是謠言。 收到出處不明的轉寄信時, 「搜尋」 是分辨真假的第一步。 我不時會從 e-mail 裡面收到一些製造仇恨或荒旦不經的出處不明文章。想到轉寄給我的朋友竟然會如此輕易地受騙,就覺得很難過。 這篇文章分享我識破謠言的經驗,希望有助於提高大家分辨真偽的能力。

先不談是否刻意造謠。 未註明出處的資訊本身就值得存疑。 有一位心地善良的友人經常會用 e-mail 寄來一些求救訊息, 例如某人需要骨髓捐贈或是某位小朋友走失等等。 我收到這類 e-mail 的第一個動作, 就是先用標題或一段內文搜尋。 結果好幾次發現其中有些其實是謠言、 惡作劇、 或是過時的資訊 (問題早已解決或遺憾早已造成)。 我把搜尋到的網址 e-mail 給他看, 幾次之後他終於不再輕易受騙。

如果搜尋結果發現這封 e-mail 的內容確實是轉載自某網站, 也並沒有同時發現駁斥該則謠言的網站 (例如 網路追追追), 那麼可信度就提高了一些。 下一個檢驗是: 作者是誰? 並不是說知名網站或知名人士的話才可靠。 任何一位部落客敢在自己的部落格上貼文, 就是以自己的信譽在替那篇文章背書。 儘管在你我眼中這位作者的知名度不一定很高, 一個部落格如果已經經營超過三個月、 貼文超過二三十篇, 那麼它所貼的文章的可信度仍然要遠遠高於一封出處不明的轉寄信。 盡管貼在此處的文章的內容, 你我不一定同意; 但至少 這是個勇於接受公評的意見而不是個出處不明的不負責任謠言。 請從造謠者的角度思考: 一篇造謠文章要如何散佈出去, 又不必接受大眾評論與檢驗? 如何可以說謊又永遠不必接受測謊? 經營部落格或網站太辛苦; 說服部落客或站長代貼文章並不容易; 假裝文章不是自己寫的、 假裝不知文章出處, 一寫完造謠文就直接透過 e-mail 「轉」 寄出去最簡單 — 反正那麼多收件人當中總有一些人會傻傻地不加驗證就再轉寄出去。 事後如果有人駁斥, 也與我不相關。 除了第一批收件人之外 包含第一批收件人在內的所有人, 沒人知道這封信是哪裡來的; 就算有人看了不認同, 也沒有管道可以反駁。 於是不必負責任的謠言就可以毫無阻力的散佈出去。 (如果社會上多數人從來沒有思考過本文所談的問題的話。) 2004 年大選之後, 我得知「周守訓」的「恒等式」騙局, 也是從 e-mail 裡面收到, 而不是在網站上看到的。 姑且撇開道德是非不談, 從造謠成功度的效果來看,選擇 e-mail 而不選擇網站是聰明的; 但具名就是一大敗筆, 因為這傷害了造謠者自己的信譽 — 「曾經造謠」 的事實永遠會回過頭來打擊自己。 當然, 如果理性思考、 數學高於國中程度、懂得上網求證的這些選民並不是他主要訴求的支持對象, 那就比較無所謂。

成功的造謠者不具名、 不談太多事實 (或者只陳列一些令人激昂但彼此之間沒有因果關係的事實) 然後直接跳到結論, 最後用 e-mail 傳出去, 激發收件者的情緒, 讓部落客即使搞不清楚文章出處也樂於替造謠者張貼其傑作。 八八風災時有一篇怪罪文把政客與名嘴的帳算到受災戶頭上, 當時我只覺得這是不理性的遷怒; 現在回想起來這可能是刻意用 亂畫等號 來愚弄讀者、 消滅多元觀點、 製造二元對立的居心叵測文章。 很多知名部落客未搜尋、 未查證就直接轉貼, 於是幫忙成就了為文者分裂社會的陰謀, 卻傷害了部落客自身判斷能力的信譽。

-----廣告,請繼續往下閱讀-----

再下一個測試是: 內文有沒有參考連結? 或是可以拿來搜尋的人名、 專有名詞、 特殊關鍵詞組合? 今年日本311大地震時, 我收到一封中國大陸語氣的 e-mail, 大意是說日本人因為在海底進行核爆實驗而自作自受。 當下我的第一個疑問是: 「如果這是真的, 為何美俄卻都沒有發現、 沒有譴責日本?」 這個問題文中當然沒有解釋。 現在搜尋 「日本 地震 核爆」 或 「日本 試爆」 還是會找到好幾篇內容大同小異、 事件陳述豐富 (從提供搜尋線索的角度來看) 但沒直接具體證據的指控 (1 2 3 45) 就算它的內容陳述事件的部分都是事實, 也不過是間接證據 (circumstantial evidences), 而且作者不明或作者亂植已經讓我失去信心, 所以就懶得進一步研究。 倒是搜尋 「地震 核子試驗」 會看到 科學松鼠會 來自科學部落客 空错 的分析文章, 結論雖然配合他們仇日的大環境曖昧一下, 內容的分析很清楚地指出兩種能量形式大不相同。 然後如果搜尋一下 「japan earthquake weapon」 會發現英語世界對於日本震災的陰謀論指向美國一個叫做 HAARP 的秘密武器實驗。 這類文章有很多連結, 都有明確的作者, 其中包含科學家及知名報社。 認真讀了幾篇, 覺得這還真是一個有可能但沒有直接證據的理論。

如果發現轉寄的文章其實是出自有信譽的網站、 內容含有許多相關參考連結, 那麼大概就可以相信這不是藏鏡人惡意造謠; 只是轉寄者不懂得附上原文連結以提高可信度。 (因為轉寄者也沒想過這篇文章所談的事 :-) 如果該網站或部落格允許留言、 貼網址, 那麼可信度就更高了。 即便這篇文章的論述有問題, 至少它提供了一個公開辯論的舞臺。 事實上如果有善於辯論的部落客發現這篇文章, 又不認同它的論述, 可能還會進一步用類似的標題另寫一文加以駁斥。 例如: 用 「專制狼」 可以找到我對批評者的 反駁 順從; 用 「注意力經濟」 則可以找到別人對我的文章的反駁。 (題外話: 反駁者倒是很成功地因為免費分享而讓自己的文章博得很多注意力, 符合我所說的 「用創意換取注意力」, 蠻有意思的) 到了這個層次, 你不僅可以確認原文不是謠言, 還可以透過搜尋看到不同的觀點。 不論你認同誰, 閱讀這類的辯論文, 對於提升思辨能力是很有幫助的。 到了這個層次, 你會喜歡 Paul Graham 的文章 How to Disagree (翻成中文了嗎? 請留言留下網址) 和網友為這篇文章所畫的示意圖。 (Paul Graham 是一位邏輯超清楚的知名駭客與創業家, 也是 “Hackers & Painters” (讚!) 一書作者。)

How to disagree (Paul Graham)
How to disagree (Paul Graham)
如何辯論 (Paul Graham)
如何辯論 (Paul Graham)

從破除謠言的角度來看, 一封出處不明的轉寄信如果恰好轉到一位 「有能力駁斥」 或 「有能力證明內容為真」 的部落客手中, 如果他願意將轉寄信貼上網、 加以分析、 並且選用原文標題 (或近似標題) 當做張貼標題, 又邀請讀者一起評論, 那麼這對於提升大眾的判斷力將很有幫助。 事實上, 這對於提升他自己的部落格流量可能也會有幫助 — 因為其他收件人可能會用原文標題搜尋到貼在這個部落格的分析文。 越多部落客這麼做, 造謠者也就越難愚弄大眾、 越難製造沒有建設性的紛爭。

不過貴哥必須老實說: 我自己也被愚弄過。 當一個人有預設立場、 有成見的時候, 最容易被愚弄。 「IE 用戶智商比較低」 這其實是一則作假新聞 (hoax)。 當好幾個大站 — 包含 富比士 PC World — 都一起被愚弄時, 我也就跟著上當了 (羞)。 作業: 請找出原作者出面坦承造謠的網頁。

-----廣告,請繼續往下閱讀-----

「搜尋查驗論述的真實性」 其實也適用於其他 「來源不明確」 的資訊。 例如東森的 「關鍵時刻」, 如果只是把它當做一個娛樂節目, 倒也是不錯的消遣; 但如果決定要認真看待其中任何內容, 最好還是先搜尋一下比較保險。 或者建議寶傑兄以後請專家名嘴們多給搜尋關鍵詞, 讓愛質疑如貴哥之類的人士可以自行上網驗證。 另一方面, 如果科學新知才是您的重點, 那麼也許相較之下口味稍嫌平淡的 泛科學 更值得你花時間。 還有, 不知道會不會有一天我們的中學 (還有那些 Office 證照卓越大學) 的電腦課程內容, 可以改用 「搜尋能力」 取代 「幫微軟行銷產品」 的部分? 只怕如果主導資訊課程規畫的人, 一直都是 欠缺追隨強權智慧的資訊教授, 那麼這個強化臺灣公民思考能力的提案, 也許只能是一個不切實際的幻想…

當然, 搜尋引擎並不是真理 — 例如 Yahoo! 自從換了 Bing 作為核心之後, 好像就不太喜歡論述部落格。 Google 不到的東西, 也不見得一定不存在。 不過收到出處不明的轉寄信時, 如果連 「搜尋」這個基本動作都做不到, 那麼他的判斷力的等級比起盡信搜尋引擎的人顯然更是遠遠不及的。 套一句廿世紀的話: 「錢不是萬能, 但沒有錢則是萬萬不能」; 在廿一世紀你可以說: 「搜尋不是萬能; 但不會搜尋則是萬萬不能。」 尤其是面對來路不明、 作者未具名的 e-mail 轉寄文章的時候。

(本文原發表於 資訊人權貴ㄓ疑)

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
洪朝貴
47 篇文章 ・ 1 位粉絲

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

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

1
1

文字

分享

0
1
1
替晶片打造數學工具的喬治.布爾(George Boole)
數感實驗室_96
・2024/06/01 ・561字 ・閱讀時間約 1 分鐘

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

煮湯時看到調理包背面寫著「加水且加入鹽巴或味精,就大功告成了」。

這句話該怎麼解讀呢?邏輯思維好的人可能很快就能反應過來,意思是加水是必須的,鹽巴和味精至少要加一個。當然,兩者都加也行,但似乎不太健康。

你可能會說:「煮湯時誰會想那麼多?這太哲學了!」其實,19 世紀有位數學家將邏輯建立在數學而非哲學之上,他的貢獻深深影響了現代電腦的運算。他就是我們今天的主角——喬治.布爾(George Boole)。

-----廣告,請繼續往下閱讀-----

在工作會議中,清晰的邏輯思維能幫助我們有條理地表達觀點,並迅速理解他人的意見;程式設計中,邏輯是核心,透過布林代數和邏輯運算,電腦能根據條件執行不同的任務,在智慧家電中利用邏輯閘判斷多個輸入條件來控制輸出結果。

因此,布爾提出的這一套邏輯思維與布林代數,不僅在學術領域至關重要,更是日常生活中不可或缺的工具。

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 youtube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 50 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/

0

6
4

文字

分享

0
6
4
除了蚯蚓、地震魚和民間達人,那些常見的臺灣地震預測謠言
鳥苷三磷酸 (PanSci Promo)_96
・2024/02/29 ・2747字 ・閱讀時間約 5 分鐘

本文由 交通部中央氣象署 委託,泛科學企劃執行。

  • 文/陳儀珈

災害性大地震在臺灣留下無數淚水和難以抹滅的傷痕,921 大地震甚至直接奪走了 2,400 人的生命。既有這等末日級的災難記憶,又位處於板塊交界處的地震帶,「大地震!」三個字,總是能挑動臺灣人最脆弱又敏感的神經。

因此,當我們發現臺灣被各式各樣的地震傳說壟罩,像是地震魚、地震雲、蚯蚓警兆、下雨地震說,甚至民間地震預測達人,似乎也是合情合理的現象?

今日,我們就要來破解這些常見的地震預測謠言。

-----廣告,請繼續往下閱讀-----

漁民捕獲罕見的深海皇帶魚,恐有大地震?

說到在坊間訛傳的地震謠言,許多人第一個想到的,可能是盛行於日本、臺灣的「地震魚」傳說。

在亞熱帶海域中,漁民將「皇帶魚」暱稱為地震魚,由於皇帶魚身型較為扁平,生活於深海中,魚形特殊且捕獲量稀少,因此流傳著,是因為海底的地形改變,才驚擾了棲息在深海的皇帶魚,並因此游上淺水讓人們得以看見。

皇帶魚。圖/wikimedia

因此,民間盛傳,若漁民捕撈到這種極為稀罕的深海魚類,就是大型地震即將發生的警兆。

然而,日本科學家認真蒐集了目擊深海魚類的相關新聞和學術報告,他們想知道,這種看似異常的動物行為,究竟有沒有機會拿來當作災前的預警,抑或只是無稽之談?

-----廣告,請繼續往下閱讀-----

可惜的是,科學家認為,地震魚與地震並沒有明顯的關聯。當日本媒體報導捕撈深海魚的 10 天內,均沒有發生規模大於 6 的地震,規模 7 的地震前後,甚至完全沒有深海魚出現的紀錄!

所以,在科學家眼中,地震魚僅僅是一種流傳於民間的「迷信」(superstition)。

透過動物來推斷地震消息的風俗並不新穎,美國地質調查局(USGS)指出,早在西元前 373 年的古希臘,就有透過動物異常行為來猜測地震的紀錄!

人們普遍認為,比起遲鈍的人類,敏感的動物可以偵測到更多來自大自然的訊號,因此在大地震來臨前,會「舉家遷徙」逃離原本的棲息地。

-----廣告,請繼續往下閱讀-----

當臺灣 1999 年發生集集大地震前後,由於部分地區出現了大量蚯蚓,因此,臺灣也盛傳著「蚯蚓」是地震警訊的說法。

20101023 聯合報 B2 版 南投竹山竄出蚯蚓群爬滿路上。

新聞年年報的「蚯蚓」上街,真的是地震警訊嗎?

​當街道上出現一大群蚯蚓時,密密麻麻的畫面,不只讓人嚇一跳,也往往讓人感到困惑:為何牠們接連地湧向地表?難道,這真的是動物們在向我們預警天災嗎?動物們看似不尋常的行為,總是能引發人們的好奇與不安情緒。

如此怵目驚心的畫面,也經常成為新聞界的熱門素材,每年幾乎都會看到類似的標題:「蚯蚓大軍又出沒 網友憂:要地震了嗎」,甚至直接將蚯蚓與剛發生的地震連結起來,發布成快訊「昨突竄大量蚯蚓!台東今早地牛翻身…最大震度4級」,讓人留下蚯蚓預言成功的錯覺。

然而,這些蚯蚓大軍,真的與即將來臨的天災有直接關聯嗎?

-----廣告,請繼續往下閱讀-----

蚯蚓與地震有關的傳聞,被學者認為起源於 1999 年的 921 大地震後,在此前,臺灣少有流傳地震與蚯蚓之間的相關報導。

雖然曾有日本學者研究模擬出,與地震相關的電流有機會刺激蚯蚓離開洞穴,但在現實環境中,有太多因素都會影響蚯蚓的行為了,而造成蚯蚓大軍浮現地表的原因,往往都是氣象因素,像是溫度、濕度、日照時間、氣壓等等,都可能促使蚯蚓爬出地表。

大家不妨觀察看看,白日蚯蚓大軍的新聞,比較常出現在天氣剛轉涼的秋季。

因此,下次若再看到蚯蚓大軍湧現地表的現象,請先別慌張呀!

-----廣告,請繼續往下閱讀-----

事實上,除了地震魚和蚯蚓外,鳥類、老鼠、黃鼠狼、蛇、蜈蚣、昆蟲、貓咪到我們最熟悉的小狗,都曾經被流傳為地震預測的動物專家。

但可惜的是,會影響動物行為的因素實在是太多了,科學家仍然沒有找到動物異常行為和地震之間的關聯或機制。

遍地開花的地震預測粉專和社團

這座每天發生超過 100 次地震的小島上,擁有破萬成員的地震討論臉書社團、隨處可見的地震預測粉專或 IG 帳號,似乎並不奇怪。

國內有許多「憂國憂民」的神通大師,這些號稱能夠預測地震的奇妙人士,有些人會用身體感應,有人熱愛分析雲層畫面,有的人甚至號稱自行建製科學儀器,購買到比氣象署更精密的機械,偵測到更準確的地震。

-----廣告,請繼續往下閱讀-----

然而,若認真想一想就會發現,臺灣地震頻率極高,約 2 天多就會發生 1 次規模 4.0 至 5.0 的地震, 2 星期多就可能出現一次規模 5.0 至 6.0 的地震,若是有心想要捏造地震預言,真的不難。 

在學界,一個真正的地震預測必須包含地震三要素:明確的時間、 地點和規模,預測結果也必須來自學界認可的觀測資料。然而這些坊間貼文的預測資訊不僅空泛,也並未交代統計數據或訊號來源。

作為閱聽者,看到如此毫無科學根據的預測言論,請先冷靜下來,不要留言也不要分享,不妨先上網搜尋相關資料和事實查核。切勿輕信,更不要隨意散播,以免造成社會大眾的不安。

此外,大家也千萬不要隨意發表地震預測、觀測的資訊,若號稱有科學根據或使用相關資料,不僅違反氣象法,也有違反社會秩序之相關法令之虞唷!

-----廣告,請繼續往下閱讀-----

​地震預測行不行?還差得遠呢!

由於地底的環境太過複雜未知,即使科學家們已經致力於研究地震前兆和地震之間的關聯,目前地球科學界,仍然無法發展出成熟的地震預測技術。

與其奢望能提前 3 天知道地震的預告,不如日常就做好各種地震災害的防範,購買符合防震規範的家宅、固定好家具,做好防震防災演練。在國家級警報響起來時,熟練地執行避震保命三步驟「趴下、掩護、穩住」,才是身為臺灣人最關鍵的保命之策。

延伸閱讀

-----廣告,請繼續往下閱讀-----

討論功能關閉中。