0

0
0

文字

分享

0
0
0

鴿子、網路、跟科學的意義

Write Science
・2012/01/14 ・2871字 ・閱讀時間約 5 分鐘 ・SR值 501 ・六年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

作者:Shane L. Larson

愛因斯坦有句話非常有名,他說這宇宙間最難以理解的事情,就是宇宙居然是我們可以理解的。我們用來窺探世間奧妙、瞭解世界如何運行的小小孔隙,就稱為科學。我們觀察世界、整合知識經驗,歸結出看似有邏輯、有意義的科學模式,再以這些模式去預測未來、解釋過去。

不過,在我看來,現今社會有個極為不妥的傾向,就是好像只把以科學工作當作職業的人視為「科學家」。這就跟認定「廚師」一定是在餐廳裡工作同樣沒道理;如果你是在家裡下廚,不論是煮給自己還是煮給全家吃、不論是因為有煮飯的必要還是純粹出於興趣,大部分的人都會同意你是個廚師。那如果「科學家」這個稱呼也同樣適用這麼簡單的標準呢?我很確定我的同行中,有些頑固不化、眼界狹隘的科學家聽到這話就怒不可遏了。但對我來說這樣的標準很好,因為這關係到你對「科學家」的定義是什麼!

科學,就是用以瞭解這世界的學問。這是一段人類自己開始的發現之旅,就我們所知,也只有人類在致力於瞭解科學,而這純粹是出於好奇心和瞭解事物的渴望。科學,就是我們渴望瞭解一切事物的證明!我們從哪裡來?水為什麼往下流?昆蟲的翅膀為什麼有時看起來是透明的,有時卻閃著虹光?我們為什麼需要睡眠?我們的孩子為什麼跟我們如此相像,卻又這麼地不同?為什麼樹木不會像人類一樣衰老、死亡?章魚是如何學會噴墨汁?金桔怎麼這麼好吃?土星為什麼有行星環?金屬為什麼不是透明的?還有數也數不盡的其他問題,人類都盼望透過科學獲得解答。由此說來,「科學家」的關鍵,應該是好奇心。據我觀察,每個人都會對某些事情抱有好奇心,也就是說,每個人都是科學家。

當然這其中還是有程度之別,就像廚師也分高下一樣。我不可能走進丹麥頂級餐廳Noma去跟大廚雷瑞皮(Rene Redzepi)單挑廚藝,但我還是可以在家裡做出一道美味的義大利千層麵,讓前來晚餐的客人大快朵頤。同樣地,若要和諾貝爾物理學獎得主卡爾威曼(Carl Wieman)辯論玻色-愛因斯坦凝聚的原理,大多數人都應付不來,但我敢打賭,你一定曾用微波爐實驗該怎麼加熱才能讓巧克力馬芬吃起來恰到好處。

發揮你的好奇心,Google一下「draw a scientist」(畫個科學家)看看吧。結果大概不出所料,你會看到一堆瘋狂科學家,身上穿著實驗衣、手裡拿著燒杯,可能也有卡通《飛哥與小佛》裡面神經質的邪惡科學家杜芬舒斯;你還會不時看到一張張手繪的小孩自畫像,上面就只寫著「我」。孩子對探索這件事情比任何人都瞭解,甚至比專業的科學家更懂。孩子在這世界上不斷實驗、解讀、又重複試驗,他們整個生活的中心就在於發現事物、瞭解世界,他們會放下所有顧慮,懷抱著熱情、興奮、還有對新鮮事的熱愛,讓永不饜足的好奇心帶他們體驗一件又一件事物。以科學家的定義來說,孩子就是小小科學家他們探究世界不是為了什麼目的,純粹只是想要知道而已。他們累積實際經驗,藉由觀察,改變他們對世界的想法。通常孩子的探索除了讓他們對世界的認知增加以外,不太有什麼實際的作用,但有時他們也會因此學到一些以後可以用到的事情,像是把毛衣放在太陽下晾曬,穿起來就會特別溫暖(這是我女兒最近跟我說的)。

還有另一個故事,也是關於一段不會帶來什麼結果的探索過程,但背後隱含著深遠的科學寓意,我偶然從兩件顯然毫無交集的事情中推導出這個心得,且讓我娓娓道來。第一,我住在猶他州鄉間,緊鄰洛磯山脈南端的凱許山谷;那裡的天空大多很暗,因為路燈之間距離很遠,但這也意味著很難享受到穩定的寬頻連線服務。第二,我有個朋友住在科羅拉多州,她和她的孩子最近帶了一隻信鴿回家,然後將鴿子放飛,讓牠飛回牠原本棲息的丹佛自然歷史博物館。看到這裡,你可能正搔著頭想:「這兩件事有什麼相關?」然後開始考慮是不是該就此打住不必讀下去了,上Youtube找找有沒有好看的影片還比較有趣。

信鴿的故事促使我做了一件現代科技世界中非常常見的事情:我查了所有關於信鴿的資料,還有維基百科上的「信鴿」條目。這舉動不出所料地帶我進入一連串檢索的洪流,正如所謂的「知識之樹」無限衍伸(有人說這是「維基百科的問題」,請見http://xkcd.com/214/),直到我偶然看到一則非常不得了、令人肅然起敬的消息:把信鴿用來做為網路傳輸的方式。「鳥類IP通訊」是在兩地間傳輸封包的通訊協定,一開始是1990年4月1日出現的惡搞;但對於願意接受新想法的人來說,許多事情都有更深的核心關鍵,這個鳥類IP通訊協定也不例外。想想看,讓信鴿攜帶一張記憶卡,以今日的技術可以裝載超過10G的資料,而信鴿一小時可以飛越大約30英哩(約48公里),輕輕鬆鬆就能擊敗大部分寬頻連線的傳輸速度!

為證明這個論點,南非一家電信公司2009年舉辦了一場競賽,參賽者是電信公司豢養的鴿子溫斯頓、以及當地一家寬頻系統供應商。溫斯頓帶著一張4GB的microSD記憶卡飛行60公里,花費了2小時6分鐘57秒,這其中包括了在起點與終點裝卸記憶卡的時間。溫斯頓獲得壓倒性勝利,因為在牠完成傳輸任務時,寬頻只傳輸了4%的內容。溫斯頓現在以科技網路界英雄的身分,過著巨星級的生活(就像這樣吧:

「鴿子比網路更快」這個實驗,能讓我們學到什麼?我想會學到三件事情。第一:實行這個實驗的人很怪,但絕對是英雄。他們應該是每個人的英雄,因為他們對生活和知識抱有好奇心和熱情,不以求知為恥,是我們效仿的表率。第二:自然本身就具備了各種能力,像是將資訊傳輸到另一個地方,而我們則始終在試圖趕上、達到這樣的成果。我們應該觀察、模仿,努力達到和自然界同等的效率、簡約、和美感。第三:想出這種超酷實驗的那些怪人,就是科學家。你也是科學家,每個人都是科學家。表面上看來,讓信鴿和寬頻網路競速毫無必要,但就有人敢於實驗、樂於求知。也因此,我們在一些小地方有了新的領悟和瞭解,而這可能也正是我們應該注意的地方。

每次你抬頭看天空、用過往經驗來預測天氣,就是在解決氣象學上的複雜難題;每次你調整加熱馬芬蛋糕的時間,就是在進行熱力學實驗;每次你在洗衣間的門下塞木片、在食品櫃裡給架子加上支架,你就是以建設公司的設計為基礎,在為你的房子進行改良工程。難道這就代表你要去設計橋樑、去瑞士建造強子對撞器嗎?應該不是,因為那需要多年訓練以及你還不具備的技術,但這並不代表你沒辦法研究科學,不代表你沒辦法發掘新的事物,不代表你不能深入瞭解你周圍的世界。

學學你的孩子吧。現在就出門去,探索、實驗、好好瞭解你周圍的世界!發掘一點新鮮事,在後院做點彈道實驗(先讀讀William Gurstelle的後院彈道學 “Backyard Ballistics”),也可以研發下一款人人必備的生活小道具(就像能讓咖啡降溫速度變快、保溫時間變長的魔豆Coffee Joulies),或者就只是拿起雙筒望遠鏡,好好看看宇宙深處的奇幻奧妙,也是科學生活的一部分。除了這些以外,請記得你也是人類發現之旅的一份子,就像一部盪氣迴腸的史詩,訴說著數千年以來人類的自我發現。就是現在,喚醒沉睡在你心裡的那個科學家吧!

就寫到這裡了,我也要離開你們來做點實驗啦。我有一張SD卡,而我家附近有隻貓在遊蕩……

本文原文為Pigeons, the Internet, and the Meaning of Science[2011-12-17],經作者同意後翻譯並發表於PanSci。

文章難易度
Write Science
17 篇文章 ・ 0 位粉絲
A collaborative project to practice the craft of communicating scientific ideas.

1

133
3

文字

分享

1
133
3
AI 是理科「主場」? AI 也可以成為文科人的助力!
研之有物│中央研究院_96
・2022/08/13 ・5646字 ・閱讀時間約 11 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/田偲妤
  • 美術設計/蔡宛潔

AI 的誕生,文理缺一不可

人工智慧(Artificial Intelligence,簡稱 AI)在 21 世紀的今日已大量運用在生活當中,近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等,都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維,除了仰賴工程師的先進技術,更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員,帶大家釐清什麼是 AI?文科人與工程師合作時,需具備什麼基本 AI 知識?AI 如何應用在人文社會領域的工作當中?

中央研究院人文社會科學研究中心蔡宗翰研究員。圖/研之有物

詩詞大對決:人與 AI 誰獲勝?

一場緊張刺激的詩詞對決在線上展開!人類代表是有「AI 界李白」稱號的蔡宗翰研究員,AI 代表則是能秒速成詩的北京清華九歌寫詩機器人,兩位以「人工智慧」、「類神經」為命題創作七言絕句,猜猜看以下兩首詩各是誰的創作?你比較喜歡哪一首詩呢?

猜猜哪首詩是 AI 做的?哪首詩是人類做的?圖/研之有物

答案揭曉!A 詩是蔡宗翰研究員的創作,B 詩是寫詩機器人的創作。細細賞讀可發覺,A 詩的內容充滿巧思,為了符合格律,將「類神經」改成「類審經」;詩中的「福落天赦」是「天赦福落」的倒裝,多念幾次會發現,原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯;而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯,整首詩創意十足,充滿令人會心一笑的魅力!

相較之下,B 詩雖然有將「人工」兩字穿插引用在詩中,但整體內容並沒有呼應命題,只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝!

由此可見,當前的 AI 缺乏創作所需的感受力與想像力,無法做出超越預先設定的創意行為。然而,在不久的將來,AI 是否會逐漸產生情感,演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人?

AI 其實沒有想像中聰明?

近期有一則新聞「AI 有情感像 8 歲孩童?Google 工程師爆驚人對話遭停職」,讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示:「當前的 AI 還是要看過資料、或是看過怎麼判讀資料,經過對應問題與答案的訓練才能夠運作。換而言之,AI 無法超越程式,做它沒看過的事情,更無法替人類主宰一切!

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言,多半是因為我們對 AI 的訓練流程認識不足,也缺乏實際使用 AI 工具的經驗,因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上,更延伸到文科人與理科人的合作溝通上,因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識,不僅能讓跨領域的合作更加順利,還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是,由於文科人不了解 AI 的訓練流程,因此對 AI 產生錯誤的期待,認為辛苦標注的上千筆資料,應該下個月就能看到成果,結果還是錯誤百出,準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚,兩方就會陷入僵局,導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議:

如果文科人了解基本的 AI 訓練流程,並在每個訓練階段協助分析:錯誤偏向哪些面向?AI 是否看過這方面資料?文科人就可以補充缺少的資料,讓 AI 再進行更完善的訓練。

史上最認真的學生:AI

認識 AI 的第一步,我們先從分辨什麼是 AI 做起。現在的數位工具五花八門,究竟什麼才是 AI 的應用?真正的 AI 有什麼樣的特徵?

基本上,有「預測」功能的才是 AI,你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現,而且人類手工操作就辦得到,那就不是 AI。

數位化到 AI 自動化作業的進程與舉例。圖/研之有物

蔡宗翰研究員以今日常見的語音辨識系統為例,大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話,你會發現自己無法事先知曉將產生什麼文字或回應,結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同:AI 無法百分之百正確!

因此,AI 的運作需建立在不斷訓練、測試與調整的基礎上,盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段,工程師彷彿化身老師,必須設計一套學習方法,提供有助學習的豐富教材。而 AI 則是史上最認真的學生,可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI,讓其根據工程師所定義的資料相似度算法,逐漸學會將相似資料分在同一堆,再由人類檢視並標注每堆資料對應的類別,進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI,讓其逐漸學會將任意資料對應到正確答案。

圖/研之有物

學習到一定階段後,工程師會出試題,測試 AI 的學習狀況,如果成績只有 60、70 分,AI 會針對答錯的地方調整自己的觀念,而工程師也應該與專門領域專家一起討論,想想是否需補充什麼教材,讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作,也可能因為時事與技術的推陳出新,導致準確率下降。這時,AI 就要定時進修,針對使用者回報的錯誤進行修正,不斷補充新的學習內容,讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後,蔡宗翰研究員建議:文科人可以看一些視覺化的操作影片,加深對訓練過程的認識,並實際參與檢視與標注資料的過程。現在網路上也有很多 playground,可以讓初學者練習怎麼訓練 AI,有了上述基本概念與實務經驗,就可以跟工程師溝通無礙了。

AI 能騙過人類,全靠「自然語言處理」

AI 的應用領域相當廣泛,而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因,他充滿自信地回答:因為自然語言處理是「AI 皇冠上的明珠」!這顆明珠開創 AI 發展的諸多可能性,可以快速讀過並分類所有資料,整理出能快速檢索的結構化內容,也可以如同真人般與人類溝通。

著名的「圖靈測試」(Turing Test)便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代,傳奇電腦科學家艾倫・圖靈(Alan Turing)設計了一個實驗,用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好,並派一個人操作終端機,再找一個第三者來進行對話,判斷從終端機傳入的訊息是來自 AI 或真人,如果第三者無法判斷,代表 AI 通過測試。

圖靈測試:AI(A)與真人(B)同時傳訊息給第三者(C),如果 C 分不出訊息來自 A 或 B,代表 AI 通過實驗。圖/研之有物

換而言之,AI 必須擁有一定的智力,才可能成功騙過人類,讓人類不覺得自己在跟機器對話,而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在:人文研究文本分析、新聞真偽查核,更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料,追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化,而大量數位化的經典更被主動分享到「Chinese Text Project」平台,讓 AI 自然語言處理有豐富的文本資料可以分析,包含一字不漏地快速閱讀大量文本,進一步畫出重點、分門別類、比較相似之處等功能,既節省整理文本的時間,更能橫跨大範圍的文本、時間、空間,擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的?就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋,由鎮江、杭州一帶的說書人所創作,著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉,才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素,接著用這批標記好的語料來訓練 BERT 等序列標注模型,以便將「文本向量化」,進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現,白蛇傳的原型可追溯自印度教的那伽蛇族故事,傳說那伽龍王的三女兒轉化成佛、輔佐觀世音,或許與白蛇誤食舍利成精的概念有所關連,推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外,故事的雛型可能早從唐代便開始醞釀,晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事,而法海和尚、金山寺等關鍵人物與景點皆真實存在,金山寺最初就是由唐宣宗時期的高僧法海所建。

白蛇傳中鎮壓白娘子的雷峰塔。最早為五代吳越王錢俶於 972 年建造,北宋宣和二年(1120 年)曾因戰亂倒塌,大致為故事雛形到元素齊全的時期。照片中雷峰塔為 21 世紀重建。圖/Wikimedia

在 AI 的協助之下,我們得以跨時空比較不同文本,了解說書人如何結合印度神話、唐代傳奇、在地的真人真事,創作出流傳千年的白蛇傳經典。

最困難的挑戰:AI 如何判斷假新聞

除了應用在人文研究文本分析,AI 也可以查核新聞真偽,這對假新聞氾濫的當代社會是一大福音,但對 AI 來說可能是最困難的挑戰!蔡宗翰研究員指出 AI 的弱點:

如果是答案和數據很清楚的問題,就比較好訓練 AI。如果問題很複雜、變數很多,對 AI 來說就會很困難!

困難點在於新聞資訊的對錯會變動,可能這個時空是對的,另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器,可輸入當前的新聞讓機器去判讀真假,但過一段時間可能會失準,因為新的資訊源源不絕出現。而且道高一尺、魔高一丈,當 AI 好不容易能分辨出假新聞,製造假新聞的人就會破解偵測,創造出 AI 沒看過的新模式,讓先前的努力功虧一簣。

因此,現在多應用「事實查核法」,原理是讓 AI 模仿人類查核事實的過程,尋找權威資料庫中有無類似的陳述,可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊,致力於建立英文事實查核法模型所能運用的資源,並透過舉辦國際競賽,廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後,也與合作夥伴事實查核中心及資策會討論,正著手建立中文事實查核法模型所需資源。預期在不久的將來,AI 就能幫讀者標出新聞中所有說法的資料來源,節省讀者查證新聞真偽的時間。

AI 的無限可能:專屬於你的療癒「杯麵」

想像與 AI 共存的未來,蔡宗翰研究員驚嘆於 AI 的學習能力,只要提供夠好、夠多的資料,幾乎都可以訓練到讓人驚訝的地步!圖/研之有物

AI 的未來充滿無限可能,不僅可以成為分類與查證資料的得力助手,還能照護並撫慰人類的心靈,這對邁入高齡化社會的臺灣來說格外重要!許多青壯年陷入三明治人(上有老、下有小要照顧)的困境,期待有像動畫《大英雄天團》的「杯麵」(Baymax)機器人出現,幫忙分擔家務、照顧家人,在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式,新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」(Nadine),由感知、處理、互動等三層架構組成,可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境,並將上述資訊發送到處理層。處理層會依據感知層提供的資訊,連結該用戶先前與娜丁互動的記憶,讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象,或對陌生事物感到不安,常選擇靜默不語,需要照護者主動引導。因此,娜丁內建了注視追蹤模型,當偵測到住戶已長時間處於被動狀態,就會自動發起話題。

實驗發現,在娜丁進駐長照機構一段時間後,住戶有一半的天數會去找她互動,而娜丁偵測到的住戶情緒多為微笑和中性,其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

照護機器人娜丁的運作架構。圖/研之有物

至於未來的改進方向,研究團隊認為「語音辨識系統」仍有很大的改進空間,需要讓機器人能配合老年人緩慢且停頓較長的語速,音量也要能讓重聽者可以清楚聽見,並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人,首要任務就是要開發一套臺灣人專用的 AI 語言模型,包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型,期待政府能整合學界與業界的力量,降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感,但卻可以成為人類大腦的延伸,協助我們節省處理資料的時間,更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨,如何讓自己的行事邏輯跟上 AI 時代,讓 AI 成為自己的助力,是值得你我關注的課題。

延伸閱讀

文章難易度
所有討論 1
研之有物│中央研究院_96
253 篇文章 ・ 2221 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

2
0

文字

分享

0
2
0
大科學人專訪|許奶爸:站在孩子的角度找到適合的學習方法
LIS_96
・2022/11/18 ・2002字 ・閱讀時間約 4 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

在桌遊界走跳的朋友一定都聽過致力於親子桌遊推廣的「許奶爸」。他曾是一位照三餐罵小孩的爸爸,沒想到在他現在的教養觀念中「成績不再是罵小孩的理由」。幾年前,許奶爸因為孩子接觸了桌遊,無意間開啟了自身興趣,為此他也改變照三餐責罵孩子的教養觀念,開啟他將親職教養技巧融合陪伴孩子玩桌遊的動機。

關於許奶爸引導孩子學習動機的方法以及教育觀點,邀請你一起往下閱讀 >>>

找到適合自己的學習方法是關鍵

許奶爸回憶過往的求學歷程,為了拼數學考試拼到凌晨,「像之前數學怎麼考,我上課認真聽,晚上拼到凌晨,數學、物理、化學的成績怎麼樣都好不起來,從來沒有及格過,每一科都是不及格(笑)」。

許奶爸補充自己成績不理想並不是學校老師教得不好,「我覺得是方法,不管以前學習的狀況是怎麼樣,重點是要找到適合你的方法,有好方法學習才會事半功倍。」許奶爸提到過去沒有這麼多的學習資源和教材,以前大人教我們怎麼做就怎麼做,一樣都是參考書、課本、聽講,但這些內容大部分看了只會想睡覺,提不起勁。

不論是學校體制教育還是一般自學家庭,許奶爸相信:當你能找到適合自己的有效方法,便會提起學習動機和內在動機。「方法好了自然會有成績的效益出來,聽進去知道在講什麼,就會內化到自己的身上,也許會透過自己考試的成績展現,提升自己的自信心。」

創造好的學習環境引導孩子找到學習動機,家長是孩子的學習引導者

家長是孩子學習道路上的引導人,找到「適合小孩的方式」是關鍵。圖/Pexels

家庭教育很重要,許奶爸是孩子們學習道路上的啟蒙老師,如果家長認為英文能力很重要,那就從小為孩子創造英文的學習環境,讓孩子從小自然喜歡英文,從小在生活中學習英文。

「我們每一天在車上,每一天眼睛張開醒著就放英文 CD,兒子兩歲我們會念一些英文繪本,一起親子共讀,英文是這樣從小培養的。」

許奶爸提到引導小朋友的方式有兩種,一是要趁孩子還不了解時就讓他去接觸,並且要能站在孩子的角度,用他覺得有趣的方式接觸。第二種方式是給予孩子多方嘗試的機會,在過程中與孩子溝通核對,讓孩子願意嘗試、自己做決定是很重要的!

「看 LIS 的教材也是一樣的概念,我們先找到 LIS 的影片讓孩子看,之後問他覺得怎麼樣,很有趣就繼續看,自由選擇你要看有什麼內容,有問題就找其他方法來補強。」家長很重要,家長是引導人,家長去找到「適合小孩的方式」,而不是大人自以為的方法,這是許奶爸想提醒大家的關鍵。

拿掉考試,科學的重要性和意義是什麼

「我個人不注重成績,才會在小孩六年級之前沒有補習。但我不得不說,學校的考試成績會反映出孩子現在學習的狀態怎麼樣。」許奶爸提到家長應當關注孩子的學習狀態,我們要去注意到的不是成績,成績是反映學習的程度,家長要做的是協助他找到他的問題點,不是去追究他怎麼會考得那麼差,而是挖掘背後的原因。

許奶爸在協助孩子找到問題點後,會再找到另一個方法來解決這個問題,「我個人尊重考試制度,很多家長把考試成績看的很重,但忘記成績對孩子的意義是什麼」。

好奇心是開啟科學領域大門的金鑰

好奇心是開啟科學大門的金鑰。圖/GIPHY

日常中,許奶爸會透過「刻意的動作」培養孩子們的好奇心,「像我們騎摩托車過去,我就問孩子說:你知道我剛剛為什麼做這個動作嗎?你再想想看剛剛我們發生什麼事情,騎車開車都會偶爾問上幾句,從生活中問他一些事情,跟他一起對話。」最後,許奶爸也提到讓孩子「多方嘗試」是很重要的,「有嘗試總比沒有嘗試的好,試試看才能知道好不好,好當然很好,不好當成學習的經驗,累積豐富生命的土壤。」

響應本次「LIS 第二季大科學計劃」, 許奶爸分享給我們的大科學人宣言:
❛❛ 好奇心,是開啟科學領域大門的金鑰 ❜❜ ——許奶爸

這也體現了 LIS 的願景和使命感,讓孩子能像科學家一樣思考,讓孩子擁有實踐夢想的勇氣和能力。

現在,邀請您一同成為各行各業中的大科學人,您的捐款將支持「科學公益教材」的穩定開發,一起支持台灣科學教育,讓孩子從小開始像「科學家一樣思考」,帶著自信長大成為各行各業中「永保好奇」、「邏輯思辨」的大科學人!

【LIS 大科學計畫 ✦ 第二季】|

❛ 教育不只是老師的事,這是我們的任務,下一個世代的科學史,現在就得開始寫起! ❜
每月小額捐款,就能支持全台十萬名孩子都期待的科學教材:https://bit.ly/3EOSaVa

LIS_96
19 篇文章 ・ 5 位粉絲
LIS ( Learning in Science )情境科學教材,成立於2013年7月,是一個非營利組織,致力於為國中小自然教師及學生,設計有別於填鴨教育的科學教材,協助教師進行STEAM和科學素養導向的教學,讓教師更簡單地進行教學創新,幫助更多孩子找回對科學的學習動機,並培養解決問題的能力。 在 Youtube 頻道【LIS情境科學教材】上,我們會即時更新所有LIS教材的影片,而完整的教案、學習單,亦同步上傳於【LIS教材平台網】歡迎您前往瀏覽完整內容。

1

6
5

文字

分享

1
6
5
雨後天空總是特別清澈,是什麼汙染了我們的天空?科學家化身「空污偵探」,把它們通通寫上名單!
研之有物│中央研究院_96
・2022/09/04 ・4755字 ・閱讀時間約 9 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文|陳儀珈
  • 責任編輯|簡克志
  • 美術設計|蔡宛潔

空污從哪來?我們又要如何追查它的行蹤?

陽光、空氣和水是生存的三大要素,而空氣品質在工業快速發展過程中,逐漸受到世界各國重視。空氣污染中的懸浮微粒(particulate matter, PM),已被國際癌症研究署(International Agency for Research on Cancer, IARC)列為第一級致癌物。人體長期暴露在高污染的環境中,將可能增加罹患肺癌風險。空污從哪來?如何追蹤污染流向?中央研究院「研之有物」專訪院內環境變遷研究中心研究員兼空氣品質專題中心執行長周崇光,看科學家如何捕捉空氣污染物的行蹤。

把污染通通寫下來!每三年更新一次的「空氣污染排放清冊」

如果要瞭解並管制空氣污染,必須先知道:到底是什麼污染了空氣?

每隔三年,環境保護署會公布最新的「臺灣空氣污染物排放量清冊」(Taiwan Emission Data System, TEDS),收錄全國各種來源的空氣污染物排放,而中研院環變中心的空氣品質專題中心任務之一,就是持續發展新的技術,獨立驗證這個排放清冊,進而提供環保署做為改善的基礎。

空氣污染排放清冊將排放量數據分為四大類。圖/研之有物(資料來源:空氣品質改善維護資訊網

周崇光提到,空氣污染源在排放清冊中分為「點源」、「線源」、「面源」和「生物源」,這四類來源的監測、管制辦法都不同。

點源,例如工廠的煙囪、通風口等;線源,如道路交通工具的機車、汽車等;面源則像是火災、農業活動、河川揚塵、大陸沙塵暴等一整面的污染源;生物源,是指植物排放的揮發性有機物,例如大家很喜歡的芬多精,其實是反應性非常強的一大群化學物質,很容易在空氣中發生化學反應並衍生出臭氧或是懸浮微粒

空氣要如何計算?空氣被污染了多少算的出來嗎?

以點源為例,若我們想知道點源的污染排放量,最精準可靠的方式就是「直接量」。

例如,研究人員可以直接在火力發電廠的煙囪上裝設偵測器,長期或定期監測氮氧化物的排放量,獲得最準確的排放量數據。

可惜的是,許多污染物的排放量沒辦法用儀器直接測,例如火力發電廠的煙囪中,明明二氧化硫、氮氧化物都可以直接測,但我們卻無法準確測得細懸浮微粒(粒徑小於或等於 2.5 µm 的懸浮微粒,又稱 PM2.5) 的數據。

周崇光說,電廠煙囪內部環境相當嚴苛,水氣高、溫度也高,礙於當前儀器的技術, PM2.5 的偵測器非常難以在攝氏溫度高達 100 多度的煙囪中穩定地運作,也因此造成 PM2.5 監測資料的不足。

倘若沒有辦法直接監測,周崇光提到,研究人員可以算出「排放係數」,藉此推估多少的原料會產生多少的污染物,例如燃燒一公噸的煤,會產生多少公斤的懸浮微粒。

再退而求其次的話,則可以透過「質量平衡法」,以揮發性有機污染物為例,利用製程或化學反應式計算反應物的質量、能量進出,推估出污染物的大致排放量。

從直接的監測資料到質量平衡法,依照排放量的可靠度被列等為 A 級至 D 級,並將排放來源不明確的資料列為 U 級。

空氣污染排放清冊中,除了將排放分為點源、線源、面源和生物源以外,又可依照數據的可靠度,細分為 A、B、C、D、U 五類,A 數據可靠度最高,B 次之,以此類推。圖為臺灣空氣污染物排放量清冊(TEDS)第 11 版的點源排放量分布。圖/研之有物

在上圖第 11 版的臺灣空氣污染物排放數據中,屬於點源的總懸浮微粒(TSP)僅有極少的資料是直接且連續的監測數據,有 43% 左右的數據來自定期的管道檢測、56% 來自質量平衡法的推估。

由此可知,總懸浮微粒的數據背後具有一定的誤差,而相對的,硫氧化物(SOx)有三分之一的數據來自直接量測,較為精準。

從排放量的計算和推估中,其實可以看得出來,礙於技術和環境條件,空氣污染排放清冊存在不小的誤差。因此,當前科學家不斷致力改善儀器,或用其他可靠方式驗證這些排放量資料。

「看到了!」,用衛星捕捉污染物的流向!

空品專題中心的「臺灣中西部空氣污染之診斷與歸因研究」,為中央研究院 110 年度的關鍵突破研究計畫之一,在周崇光的帶領下,團隊致力破解中西部的空污謎題。此計畫中的其中一項子計畫,即是透過人造衛星的遙測技術,來協助驗證排放量和推估關鍵污染源。

衛星數據為 2021 年臺灣上空的二氧化氮(NO2)年平均柱密度(column density),表示單位面積懸浮在臺灣上空的 NO2 總量。圖/研之有物

研究團隊使用歐洲太空總署(ESA)發射的哨兵 5 號衛星的儀器,藉由分子光譜的特徵描繪出二氧化氮在臺灣的空間分布。

過往衛星對這些污染物的解析度僅有 20 x 20 公里左右,在這樣的解析度下,根本難以確認如火力發電廠般污染源的影響程度,但哨兵 5 號上的大氣觀測儀器(The TROPOspheric Monitoring Instrument,簡稱為 TROPOMI) 已經可以做到 7 x 3.5 公里的高解析圖像,讓研究人員得以大致推估出這些關鍵污染源的影響力。

由於衛星是從太空望向地球,因此單靠分析分子光譜只能獲得垂直的、像是柱子一樣的濃度數據,研究人員必須透過大氣方程式並考量化學反應的狀況「回推」,一個一個網格計算出二氧化氮的分布。

歐洲太空總署的哨兵 5 號衛星與下方展開的大氣觀測儀器 TROPOMI。圖/ESA/ATG medialab

排放清冊的排放量,是研究人員到各個污染源收資料、整理工廠申報資料,全部加總後,再算出空污排放量,是一種像是金字塔般的「bottom-up」(由下而上)作法。

而人造衛星與「到處收資料」的方式不同,衛星觀測是一種「top-down」(從上到下)作法,先從觀測了解某處增加了多少空氣污染物,再想辦法去回推污染源和各地參數的互動關係。

結合「top-down」和「bottom-up」,科學家可以將兩者相互搭配並驗證資料,確認空氣污染物的排放量與傳播途徑。

周崇光提到,以工業區或港口碼頭為例,柴油貨車每年進出的次數高達數萬趟,排放出大量的交通廢氣,但礙於技術,目前仍然沒有辦法精準定量這些污染並申報給環保署,推估排放量和真實污染量之間可能存在很大的誤差。因此,若能搭配人造衛星這種獨立且不受影響的偵測技術,就能夠更公正、更準確的驗證排放資料是否有誤。

最快的了解就是融入!特務 F 混入電廠的煙囪,破解空污來源

除了檢視排放量,了解空氣污染物「怎麼飛」,也是非常重要的課題。

為了找出空氣污染物的傳輸路徑,周崇光帶領的團隊曾經在 2018 年的時候和德國布萊梅大學的 EMeRGe-Asia 團隊合作,透過研究飛機「HALO」和特殊追蹤劑,調查臺中火力發電廠污染物的傳播途徑。

在一般的大氣環境中,即使研究人員確定了某地點的污染物濃度非常高,他們也很難判斷當地污染物的來源,到底是來自隔壁 A 工廠?還是從 B 電廠飄過來?

再來,其實研究人員也很難隨時掌握空氣污染源的流向,例如火力發電廠煙囪排出的污染物到底飄去哪裡了?

因此,在這次的跨國合作中,研究團隊使用了「全氟甲基環己烷」(Perfluoromethylcyclohexane, PMCH) 當作「追蹤劑」,就像是空氣污染物中的特務 F,被放入臺中火力發電廠的煙囪中,隨著煙囪中的空氣污染物一起被噴向天空、隨風飄散。

由於 PMCH 無論在自然環境或是工業污染中均相當少見,環境的背景濃度非常低,加上全氟化合物有不容易和其它物質反應的化學惰性,又可以在實驗室進行極低濃度偵測,因此非常適合當追蹤劑。

當時研究團隊在臺中火力發電廠的煙囪中投入了 10 公斤的 PMCH 後,分別以研究飛機和地面採樣站進行觀測,並跟著煙流的可能路徑針對不同的污染物進行採樣,調查中火污染煙流的傳輸路徑。

圖為德國航太中心的大氣研究飛機「HALO」(High Altitude and LOng Range Research Aircraft)。圖/flickr

研究結果發現:當東北季風盛行時,由臺中火力發電廠煙囪排出的空氣污染物主要會向南飄散,空氣樣品中 PMCH 、氮氧化物、二氧化碳和一氧化碳濃度同步的變化(見下圖),證實了大氣模式所描繪的污染路徑。

但可惜的是,這種研究方法只能當作一種「逼不得已的手段」,畢竟任何特殊的化學品都可以被視為一種污染,尤其全氟化合物吸收紅外線的能力非常強,是屬於國際公約列出的主要溫室氣體之一,因此只能在非常必要的時刻下使用。

周崇光表示,臺中火力發電廠的煙囪高達 250 公尺,加上排氣的動能和熱浮力,空氣污染物可以很快地上升到 500 公尺,甚至更高的空中,然後隨著大氣環流擴散和稀釋,傳統的高煙囪策略就是以此降低工業污染對鄰近地區空氣品質的衝擊。

然而在這次的調查中,研究團隊卻發現,臺灣附近的大氣環流非常不利於污染物擴散,以致於上午排出的污染物到下午還滯留在中南部的空中,許多原本預期會向外飄散的污染物最終仍然下沉,並對中南部的空氣品質造成衝擊。這次的實驗結果讓周崇光團隊獲得啟發,更加投入對臺灣邊界層環流的調查研究。

同時周崇光也強調,中研院空品專題中心非常感謝臺中火力發電廠協助這次的實驗,這個空污滯留現象是整個西南部區域的大氣特性,只是在這次研究藉由臺中火力發電廠案例表現出來。這表示臺灣西南部的大氣條件不利擴散,使得我們面對空氣污染的衝擊格外地脆弱。

2018 年周崇光團隊和 EMeRGe-Asia 團隊合作,使用研究飛機和追蹤劑 PMCH,調查臺中火力發電廠污染煙流的傳輸路徑,圖中可看到 PMCH 從臺中擴散到整個中南部的濃度趨勢,地點 1 為布袋附近,地點 2 為北港附近。從地點 2 的污染物數據,可看到 PMCH 、氮氧化物、二氧化碳和一氧化碳濃度有相同的變化趨勢。
圖/研之有物

以上,中研院空品專題中心致力解決臺灣空氣污染防制的瓶頸,首要第一步就是持續驗證空氣污染物排放清單。由於技術和環境限制,排放清單資料有一定誤差;因此需要透過衛星觀測做交叉檢驗,確認污染物的排放量與傳播途徑。有了排放清單的基礎之後,下一步就是研究造成臺灣西南部空氣擴散不佳的根本原因,以及深入探討都市區空污的主角「衍生型 PM2.5」。

延伸閱讀

所有討論 1
研之有物│中央研究院_96
253 篇文章 ・ 2221 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook