0

0
0

文字

分享

0
0
0

宣揚禱告的效能,就得跟科學過不去嗎?

科學新聞解剖室_96
・2016/11/11 ・3454字 ・閱讀時間約 7 分鐘 ・SR值 580 ・九年級

科學新聞解剖室—案件編號 18

案情

每年的 7 月到 10 月是颱風生成的頻繁季節,在這段時間裡,常見的颱風新聞內容不外乎颱風強度、路徑、影響範圍、會不會放假、災情、究責等等,光是後面幾項就可以吵翻天;但是,2016 年 10 年 19 日《基督教今日報》上一篇標題為〈禱告有大能!海馬南移了,將對台灣影響降低 請持續警醒守望〉的報導卻引起了另類的軒然大波,這篇報導內容指出:

為防颱風再次肆虐,昨日各界開始更積極發動代禱聲浪,求主挪去海馬的威脋……經氣象局觀測後宣布,海馬路徑比原先預期的稍微「偏南」,對台灣發布海上警報的機率降低,並可能對台灣影響不大,讓看到此消息的不少牧者及弟兄姊妹都紛紛說:「禱告是有用的」、「神憐憫台灣」、「主保守,阿們!」、「禱告是大有能力的」……等讚美!……

基督今日報-強颱南移
圖/基督教今日報(左:莎莉佳颱風;右:海馬颱風

這篇報導裡面有許多一眼就可以認出的科學邏輯謬誤,解剖員知道有許多科學家也是虔誠的教徒,科學和信仰之間原本就不衝突,而且認真說來,西方科學的發展也與宗教有很密切的關係。所以一個以宣揚宗教關懷作為出發點的媒體,如果發生嚴重的科學邏輯謬誤,這樣難道可以在科學歸科學,宗教歸宗教的保護傘下就逃脫應該擔負的社會責任嗎?這個出發點讓解剖員認為這一個議題有必要被抽絲剝繭地討論。

解剖

一、禱告是否有大能?

關於《基督教今日報》報導中標題劈頭就講到的「禱告有大能」,到底是什麼樣的大能?關於禱告的效能,過去曾有一篇有意思的研究報導,探討由陌生人代為禱告是否有助於患者的病情。研究團隊將 1800 名患者分成三組,告知前兩組患者可能被代為禱告,第一組實際沒有被代為禱告,第二組實際有被代為禱告,而第三組則是明確被告知有人會代為禱告。研究結果顯示,第一、二組沒有明顯差別,但是第三組患者多了 14% 的併發症,推測也許得知有人正在為自己禱告,讓患者因而擔憂,認為自己的狀況不佳,反而影響了病情。

source:Kjersti Brennsæter
圖/Kjersti Brennsæter

從這個研究來看,禱告似乎對於病情沒有幫助;但是針對這樣的研究也有反對者認為,禱告對許多人而言是非常重要的心理歷程,這並不需要科學家透過科學方法來證明禱告是否有效,因為這是「有損宗教經驗」的。顯然對於禱告進行物質性的科學探討,原本就有「設定錯議題」之虞,並且顯然禱告的功能也不在於企求這種物質性的獲得。如同基督教長老教會的盧俊義牧師在《這種基督教信仰令人痛心到極點》一文中所提及的:「真正的基督教信仰不是這樣子表達的,而是應該向上帝祈求賞賜給我們有堅忍的生命力,即使是面對災難來臨,也不會懼怕,而是有更大的勇氣和智慧可以承受生命的苦難……」

所以禱告對於虔誠信徒來說,肯定有大能。只是這個大能不在於萬能地趨吉避凶或躲避風災等物質性的效果,而在於禱告者身心靈上的自持。作為一個傳送福音的宗教新聞平台,應該要瞭解這樣的道理,不該無限制地擴張禱告的效能,最終曲解了禱告的真義。

二、宗教平台不能提供科學的想像嗎?

宗教所辦理的新聞媒體,當然是以服務自己的信仰作為主要的依歸,但是卻也不免需要跟其它不同領域所發生的事情有所關連,例如在颱風新聞的發佈上,終究會碰觸到科學領域的問題。在這個過程中,如果報導者僅是一味地以強化自己的信念作為出發點,而罔顧基本的邏輯與內在一致性,不僅只是幫自己的讀者創造出更多與世隔絕的同溫層,更會陷多數的虔誠教友於不義。就像這一篇報導一經披露之後,引來了大量輿論的撻伐,該報很快地在就 19 小時之後,又刊出了一篇題為〈颱風繼續走,禱告不能停! 為菲律賓、陸港代禱〉的報導,這樣的修正其實僅停留在一個自己內部危機處理的概念,並沒有真正解決相關報導在內在邏輯上的衝突。信仰可以被堅持,但卻不必然需要把理智跟著陪葬。

在這一篇報導中,存在著許多顯而易見的邏輯錯誤,例如透過禱告讓颱風南移,然後去掃到菲律賓,那對於菲律賓的教徒而言又該作何感想呢?這麼明顯的邏輯謬誤讓解剖員不得不進一步想,在宣揚禱告大能的過程中,不能同時帶有科學的想像嗎?為了瞭解這個問題,解剖員特別請教了中正大學地球與環境科學系的鍾令和博士後研究員,他就提示了在這一個案例中,幾個可以在禱告中夾帶的科學思維內容:

(一)在禱告中融入聖嬰現象[1]的想像

例如在過去中央氣象局的相關研究資料中,就曾指出聖嬰現象會影響西北太平洋颱風的生成位置,當發生聖嬰現象時,颱風生成的位置離台灣比較遠,反聖嬰現象時則離台灣比較近[2]。當颱風生成位置離台灣較遠的時候,它在海面上行走的時間就會比較久,吸收的水氣會越來越多,形成強颱的可能性也更大,因此,在聖嬰年的時候,侵襲台灣的「強颱」可能性也會提高。因此媒體的報導中,如果能提示教徒有關聖嬰現象的情形,禱告的內容必然會更加具體。

(二)在禱告文中融入能量強度的想像

能量越大的颱風越可能造成重大的傷亡及破壞,所以能夠分散能量,就比較有機會減低傷害。例如如果颱風成形了,可以期待颱風早點脫離海面,越早登陸越好,趁能量聚集尚不足時就讓它受到陸地地形影響而瓦解、破碎;或是,期待颱風早早形成、個數增加,藉由次數來分化颱風生成區的熱量,就像頻繁地震來釋放能量一樣,以免蓄積能量後一次大爆發。所以如果報導中可以提示民眾對於能量的想像,就不會出現像這一次如此自利的禱告內容。

前述的這些說法當然僅在提供一種超展開的可能性想像,禱告原本的目的就不在於提供一種物質性的避難保證,但是在針對這種自然現象的禱告文中,適度地融入科學的思維,並不影響禱告自身的威信,卻能引導信徒更清明地看待世界,也讓禱告的內涵更加的理性踏實。

三、宗教平台不該成為理智上的化外之地

《基督教今日報》的這一篇報導其實引起了許多的質疑與討論,但是這樣的宣稱真的符合每位基督教徒的心聲嗎?盧俊義牧師在文章中指出「我必須很嚴肅的提出:這樣的祈禱對嗎?這是基督教信仰應該有的祈禱態度嗎?」,可見這樣的宣稱即便是在宗教團體的內部,都存在反對的聲音及見解。

在《基督教今日報》的粉絲專頁中有一段對於自我定位的聲明:「『基督教今日報』秉持『信、望、愛』原則,報導『純淨、活潑、正向』的新聞,建立「客觀、豐富、專業」的網路新聞平台,矢志成為一個具正面影響力的基督教網路新聞媒體…」。『客觀、豐富、專業』這是一個多麼令人懷念與景仰的媒體價值,但是從這一系列的新聞內容及處理態度中,我們看見的何等的客觀?如何的豐富?啥樣的專業?

在人類的文明中,宗教絕對有其無可抹滅的價值,只是宗教在現實世界的體現中卻也呈現出一道光譜,在光譜的最極端恐怕已有與迷信發生混淆之虞。作為一個以傳遞福音作為主要職責的宗教媒體平台,理應更需要秉持專業的原則來維護自身信仰的正道,而不是藉信仰之名將信眾讀者往更極化的端點去推移,而成為許多媒體監督的化外之地。

總結

這則來自宗教媒體的新聞內容裡,對遭受颱風的侵襲與災害的台東地區感到不捨,企求經由祈禱,別讓台東再次遭受風災的苦難,充滿對世人的關愛與祝福。解剖員雖然感同身受,但如果我們想要更理智地看待這個現象,也許理解祈禱的真義,輔以認識颱風的各項背景知識,讓信仰也能科學,應該會是更好的選擇。據此,本解剖室給這一則新聞報導評以如下評價(12顆骷髏頭):

綜合剖析評比-科學偽新聞指數(滿分五顆)

「理論錯誤」指數:☠☠☠☠☠

「關係錯置」指數:☠☠☠☠☠

「戲劇效果」指數:☠☠

參考資料:

  • [1]聖嬰現象 (ENSO),是指赤道太平洋東部海水每隔數年就會異常升溫的現象;反聖嬰現象 則是該區域海水異常變冷的情況。聖嬰現象雖然主要發生在赤道太平洋附近,但所造成的氣候異常對全球各地的氣候都會造成影響而引起災害。雖然台灣不在聖嬰事件主要影響的區域內,但仍然會受到影響,例如發生強聖嬰事件(指標超過1.5℃)時的冬天,台灣容易出現暖冬;而強反聖嬰事件(指標超過-1.5℃)時的冬天,台灣則是容易出現冷冬。中央氣象局分析過去50年來西北太平洋發生颱風的數量和侵襲台灣的颱風個數發現,雖然聖嬰和反聖嬰現象與當年颱風生成個數及襲台個數沒有明顯的相關性,但值得注意的是,聖嬰現象會影響西北太平洋颱風的生成位置。
  • [2]詳參ENSO與西北太平洋颱風

(策劃/寫作:黃俊儒、賴雁蓉;科學專家:鍾令和)

-----廣告,請繼續往下閱讀-----

-----廣告,請繼續往下閱讀-----
文章難易度
科學新聞解剖室_96
37 篇文章 ・ 12 位粉絲
「科學新聞解剖室」是由中正大學科學傳播教育研究室所成立的科學新聞監督平台,這個平台結合許多不同領域的科學解剖專家及義工,以台灣科學新聞最容易犯下的10種錯誤類型作為基礎,要讓「科學偽新聞」無所遁形。已出版《新時代判讀力:教你一眼看穿科學新聞的真偽》《新生活判讀力:別讓科學偽新聞誤導你的人生》(有關10種錯誤的內涵,請參見《別輕易相信!你必須知道的科學偽新聞》一書)。

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。

0

1
1

文字

分享

0
1
1
說好的颱風呢?!氣象預報不準?要準確預測天氣有多難?
PanSci_96
・2023/09/12 ・4646字 ・閱讀時間約 9 分鐘

小心啊,打雷囉,下雨收衣服啊!

氣象報告說好是晴天的,怎麼一踏出門就開始下雨了?

昨天都說要直撲的颱風,怎麼又彎出去了?

多麼希望天氣預報能做到百分之百正確,只要出門前問一下手機,就能確定今天是出大太陽還是午後雷陣雨,是幾點幾分在哪裡?又或是最重要的,颱風到底會不會來?

-----廣告,請繼續往下閱讀-----

但你知道,現在的氣象預報,已經動用全球最強的超級電腦們了嗎?既然如此,我們現在的氣象預報能力到底有多準?我們什麼時候能徹底掌握這顆蔚藍星球上發生的所有天氣現象?

天氣預報有多困難?

雖然我們常常嫌說氣象預報不準、颱風路徑不準、預測失靈等等。但我們現在的實力如何呢?

目前美國國家海洋暨大氣總署的數據分析,對西太平洋颱風的 24 小時預測,誤差平均值約 50 英哩,也就是一天內的路徑誤差,大約是 80 公里。其他國家的氣象局,24 小時的誤差也約在 50 到 120 公里之間。台灣呢?根據中央氣象局到 2010 年的統計,誤差大約在 100 公里內。也就是臺灣對颱風的預測,沒有落後其他先進單位。

現在只要打開手機隨便開個 APP,就能問到今天的天氣概況,甚至是小區域或是短時間區間內的天氣預報。但在過去沒有電腦的時代,要預測天氣根本可以不可能(諸葛孔明:哪泥?)。

-----廣告,請繼續往下閱讀-----

近代且稱得上科學的天氣預測可追溯回 1854 年,那個只能靠人工觀測的年代,英國氣象學家為了保護漁民出海的安危,利用電報傳遞來蒐集各地居民的觀察,並進行風暴預報。後來演變成天氣預報後,卻因為有時預報不準,預報員承受了輿論與國會批判的巨大壓力,最後甚至鬱鬱離世。

19 世紀的氣象學家為了保護漁民出海的安危,會利用電報蒐集各地居民的觀察進行風暴預報。圖/Giphy

在電腦還在用打洞卡進行運算的年代,一台電腦比一個房間還大。氣象局要預測天氣,甚至判斷颱風動向,得要依賴專家對天氣系統、氣候型態的認知。因此在模擬預測非主流的年代,我們可以看到氣象局在進行預測時,會拿著一個圓盤,依據量測到的大氣壓力、風速等氣象值,進行專家分析。

當時全球的氣象系統,則是透過全球約一千個氣象站,共同在 UTC 時間(舊稱格林威治時間)的零零時施放高空探測氣球,透過聯合國的「World Weather Watch」計畫來共享天氣資料,用以分析。關於氣象氣球,我們之前也介紹過,歡迎看看這集喔。

也就是說,以前的颱風預測就是專家依靠自身的學理與經驗,來預測颱風的動向,但是,大氣系統極其複雜,先不說大氣系統受到擾動就會有所變化,行星風系、科氏力、地形、氣壓系統這些系統間互相影響,都會造成預測上的失準,更遑論模擬整個大氣系統需要的電腦資源,是非常巨大的。

-----廣告,請繼續往下閱讀-----

那麼,有了現代電腦科技加持的我們,又距離全知還有多遠呢?是不是只要有夠強的超級電腦,我們就能無所不知呢?

有了電腦科技加持,我們的預報更準了嗎?

當然,有更強的電腦,我們就能算得更快。才不會出現花了三天計算,卻只能算出一個小時後天氣預報的窘況。但除了更強悍的超級電腦,也要更先進的預測模型與方法。現在的氣候氣象模擬,會先給一個初始值,像是溫度、壓力、初始風場等等,接著就讓這個數學模型開始跑。

接著我們會得到一個答案,這還不是我們真正要的解,而是一種逼近真實的解,我們還必須告訴模型,我容許的誤差值是多少。什麼意思呢?因為複雜模型算出來的數值不會是整數,而是拖著一堆小數點的複雜數字。我們則要選擇取用數值小數點後 8 位還是後 12 位等等,端看我們的電腦能處理到多少位,以及我們想算多快。時間久了,誤差的累積也越多,預測就有可能失準。沒錯,這就是著名的蝴蝶效應,美國數學暨氣象學家 Edward Norton Lorenz 過去的演講題目「蝴蝶在巴西揮動了翅膀,會不會在德州造成了龍捲風?」就是在講這件事。

回到颱風預報,大家有沒有發現,我們看到的颱風路徑圖,颱風的圈怎麼一定會越變越大,難道颱風就像戶愚呂一樣會從 30% 變成 100% 力量狀態嗎?

-----廣告,請繼續往下閱讀-----
輕颱鴛鴦的颱風路徑潛勢圖。圖/中央氣象局

其實那不是颱風的暴風圈大小,而是颱風的路徑預測範圍,也就是常聽到的颱風路徑潛勢圖,​是未來 1 至 3 天的颱風可能位置,颱風中心可能走的區域​顯示為潛勢圖中的紅圈,機率為 70%,所以圈圈越大,代表不確定性越大。​

1990 年後,中央氣象局開始使用高速電腦,並且使用美國國家大氣研究中心 (NCAR) 為首開發的 Weather Research and Forecasting 模型做數值運算,利用系集式方法,藉由不同的物理模式或參數改變,模擬出如同「蝴蝶效應」的結果,運算出多種颱風的可能行進路線。預測時間拉長後,誤差累積也更多,行進路徑的可能性當然也會越廣。

「真鍋模型」用物理建模模擬更真實的地球氣候!

大氣模擬不是只要有電腦就能做,其背後的物理複雜度,也是一大考驗。因此,發展與地球物理相關的研究變得非常重要。

2021 年的諾貝爾物理學獎,就是頒給發展氣候模型的真鍋淑郎。他所開發的地表模式,在這六十年間,從一個沒考慮地表植物的簡單模型,經各家發展,變成現在更為複雜、更為真實的模型。其中的參數涵蓋過去沒有的植物反應、地下水流動、氮碳化合反應等等,增強了氣候氣象模型的真實性。

-----廣告,請繼續往下閱讀-----
2021 年的諾貝爾物理學獎得主真鍋淑郎。圖/wikimedia

當然,越複雜的模型、越短的時間區間、越高的空間精細度,需要更強大的超級電腦,還有更精準的觀測數據,才能預測接下來半日至五日的氣象情況。

世界上前百大的超級電腦,都已被用來做大氣科學模擬。各大氣象中心通常也配有自己的超級電腦,才能做出每日預測。那麼,除了等待更加強大的超級電腦問世,我們還有什麼辦法可以提升預報的準度呢?

天氣預報到底要怎樣才能做得準?

有了電腦,人類可以紀錄一切得到的數據;有了衛星,人類則可以觀察整個地球,對地球科學領域的人來說,可以拿這些現實資訊來校正模擬或預測時的誤差,利用數學方法將觀測到的單點資料,乃至衛星資料,融合至一整個數值模型之中,將各種資料加以比對,進一步提升精準度,這種方法叫做「資料同化 (Data Assimilation)」。例如日本曾使用當時日本最強的超級電腦「京」,做過空間解析度 100 公尺的水平距離「局部」超高解析氣象預測,除了用上最強的電腦,也利用了衛星資料做資料同化。除了日本以外,歐洲中程氣象預測中心 (ECMWF),或是美國大氣暨海洋研究中心 (NOAA),也都早在使用這些技術。

臺灣這幾年升空的福衛系列衛星,和將要升空的獵風者等氣象衛星,也將在未來幫助氣象學家取得更精準的資料,藉由「資料同化」來協助模擬,達到更精準的預測分析。

-----廣告,請繼續往下閱讀-----

如果想要進一步提升預報準度呢?不用擔心,我們還有好幾個招式。

人海戰術!用更多的天氣模型來統計出機率的「概率性模擬」

首先,如果覺得一個模型不夠準,那就來 100 個吧!這是什麼意思?當我們只用一種物理模型來做預測時,我們總是會追求「準」,這種「準確」模型做的模擬預測,稱為「決定性模擬」,需要的是精確的參數、公式,與數值方法。就跟遇上完美的夢中情人共度完美的約會一樣,雖然值得追求,但你可能會先變成控制狂,而且失敗機率極高。

「準確」的模型就跟遇上完美情人共度完美約會一樣,雖然值得追求,但失敗機率極高。圖/Giphy

不如換個角度,改做「概率性模擬」,利用系集模擬,模擬出一大堆可能的交往對象,啊不對,是天氣模型,再根據一定數量的模擬結果,我們就可以統計出一個概率,來分析颱風路徑或是降雨機率,讓成功配對成功預測的機率更高。

製造一個虛擬地球模擬氣象?

再來,在物理層面上,目前各國正摩拳擦掌準備進行等同「數位攣生 (Digital Twin) 」的高階模擬,簡單來說,就是造出一個數位虛擬地球,來進行 1 公里水平長度網格的全球「超高」解析度模擬計算。等等,前面不是說日本可以算到 100 公尺的水平距離,為什麼 1 公里叫做超高解析度?

-----廣告,請繼續往下閱讀-----

因為 500 公尺到 1 公里的網格大小也是地表模式的物理適用最小單位,在這樣的解析度下,科學家相信,可以減少數值模型中被簡化的地方,產生更真實的模擬結果。

電腦要怎麼負荷這麼大的計算量?交給電腦科學家!

當然,這樣的計算非常挑戰,除了需要大量的電腦資源,還需要有穩定的超級電腦,以及幾個 Petabyte,也就是 10 的 15 次方個位元組的儲存設備來存放產出的資料。

不用為了天氣捐贈你的 D 槽,就交給電腦科學家接棒上場吧。從 CPU、GPU 間的通訊、使用 GPU 來做計算加速或是作為主要運算元件、到改寫符合新架構的軟體程式、以及資料壓縮與讀寫 (I/O)。同時還要加上「資料同化」時所需的衛星或是全球量測資料。明明是做氣象預報,卻需要等同發展 AI 的電腦科技做輔助,任務十分龐大。對這部分有興趣的朋友可以參考我們之前的這一集喔!

結語

這一切的挑戰,是為了追求更精確的計算結果,也是為了推估大魔王:氣候變遷所造成的影響必須獲得的實力。想要計算幾年,甚至百年後的氣候狀態,氣象與氣候學家就非得克服上面所提到的問題才行。

一百年來,氣候氣象預測已從專家推估,變成了利用龐大電腦系統,耗費百萬瓦的能量來進行運算。所有更強大、更精準的氣象運算,都是為了減少人類的經濟與生命損失。

對於伴隨氣候變遷到來的極端天氣,人類對於這些變化的認知還是有所不足。2021 年的德國洪水,帶走了數十條人命,但是身為歐洲氣象中心的 ECMWF,當時也只能用叢集式系統算出 1% 的豪大雨概率,甚至這個模擬出的豪大雨也並沒有達到實際量測值。

我們期待我們對氣候了解和應對的速度,能追上氣候變遷的腳步,也由衷希望,有更多人才投入地球科學領域,幫助大家更了解我們所處的這顆藍色星球。

也想問問大家,你覺得目前的氣象預報表現得如何?你覺得它夠準嗎?

  1. 夭壽準,我出門都會看預報,說下雨就是會下雨。
  2. 有待加強,預報當參考,自己的經驗才是最準的。
  3. 等科學家開發出天候棒吧,那才是我要的準。更多想法,分享給我們吧

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----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。

2

4
3

文字

分享

2
4
3
精準預測氣象的「掩星技術」,讓你知道颱風放不放假!
科技大觀園_96
・2021/11/16 ・2380字 ・閱讀時間約 4 分鐘

新颱風生成後,大家最關心的就是颱風的路徑、帶來的風雨大不大,以及——到底放不放颱風假?要能預測和評估颱風的走向影響,可靠的氣象觀測資料是不可或缺的。這就不得不提,在我們頭頂上認真執行觀測任務的人造衛星,以及它們身懷測知氣象變化的絕技!

每次颱風來襲,大家都關心會不會放颱風假。圖/pixabay

貢獻全球氣象資料,福爾摩沙衛星功不可沒

過去福爾摩沙衛星三號(福三)執勤十年,為全世界多個氣象中心與研究單位提供無以計數的資料,可謂台灣在國際氣象上的外交大使,於減少天氣預報誤差的貢獻度上,更曾被評為全球前五。福三榮退後,接棒的福爾摩沙衛星七號(福七)也在今年二月完成任務軌道的全部部署。福三和福七都不只有一枚衛星,而是由各 6 枚衛星組成的衛星星系(constellation)。每一枚衛星就像在不同位置巡守、收集氣象情報並互相通報的將士,使得觀測範圍可以覆蓋地球各個區域,提供即時而完整的三維觀測數據。

福衛七號結構示意圖。圖/國家太空中心

但福七與行經南北極的「繞極衛星」福三不同的是,它在南北緯 50 度間軌道繞行,主攻台灣、赤道與中低緯度颱風盛行區的觀測。因此福七可以提供密集度更高、更多的溫度、壓力、水氣等氣象資料。國家太空中心推估,它可提升氣象預報準度 10% ——以颱風為例,可以讓 72 小時的路徑誤差改善 10%,協助我們更精準地評估氣象變化與預防災害。

每日可提供 4000 點大氣垂直剖線資料、大幅提升全球氣象預報準確度的福七,究竟是怎麽辦到的?答案就是掩星技術 (Radio Occultation) 。

掩星技術,讓衛星成為太空中最精準的溫度計!

在天文學上,「掩星」指的是一個天體,在另一個天體與觀測者之間通過,產生的遮蔽現象。但英文中的「Occultation」,也可以指前景中的物體,阻擋遮蔽背景中任何物體的情形。而所謂的「掩星技術」,就是利用電磁波訊號在經過大氣層時,會因穿透不同溫度、壓力或濕度的空氣層,被「遮蔽」而產生轉向、變慢、減弱等的特性,來反演出地球上空之溫度、氣壓和濕度。

-----廣告,請繼續往下閱讀-----

衛星與衛星之間,本來因為地球的阻隔看不到彼此,但可以接受來自彼此的電磁波訊號。福七的主要酬載儀器——全球衛星導航系統無線電訊號接收儀」(TGRS),可以接受美國全球定位系統(GPS) 和俄羅斯全球導航衛星系統(GLONASS)全球定位衛星通過大氣與電離層的折射訊號。接著,通過計算電波訊號的偏折程度,就可以反演出大氣與電離層中的溫度、水氣、壓力、電子密度等數據。

掩星技術在 1995 年才開始投入應用,而從 2006 年的福三,到如今福七計劃中積累的研究經驗,使台灣成為這項新穎技術領域的佼佼者。掩星技術所得到的資料具備高準確度和解析度,也擁有不需要大量接收訊號的衛星,就可以得到大範圍數據、降低成本的優勢,不僅可以用作氣象預報,更能幫助我們監控和增進對氣候變遷的瞭解。

衛星加上同位素的助攻,可以使天氣預報更精準

另一方面,除了改善觀測一般氣象資料如溫度、濕度、大氣壓力等參數的準確度,在氣象觀測中新增測定不一樣的參數——如大氣水分子的同位素,也可以讓我們的天氣預報更精準!

過去礙於資料的取得有限,同位素分析在氣象觀測與預報中常被忽略。但近年來人造衛星技術的發展,為氣象科學推開新的一扇窗。來自歐洲太空總署、搭載光譜分析儀的衛星 IASI ( Infrared Atmospheric Sounding Interferometer ),讓東京大學的研究團隊,可以利用其所搜集到的大氣水氣資訊,在氣象預報的模型中,第一次嘗試納入同位素資訊的考量來做分析。

-----廣告,請繼續往下閱讀-----

我們都知道,擁有相同質子數、不同中子數的氫與氧元素之同位素,會讓個別水分子的重量變得更重或輕一些。水分子同位素對氣相和液相轉換相當敏感,與一般的水分子 H2O 相比,較重的水分子如 H2HO 或H218O 會更傾向於凝結成水珠,或更難蒸發。因此蒸發與降雨過程等大氣運動,便會影響不同同位素水氣分子的分佈。追蹤它們的行跡,能增進我們對氣象系統的瞭解。

研究團隊以 2013 年在日本發生的低壓事件作為參照,發現納入同位素的數據之後,氣象模型能更好地模擬這次事件的整體氣壓情形。而在全球的尺度,尤其是中緯度及北半球地區,融合同位素資訊後,氣象預報如氣溫及濕度預測的準確度,也都有所提高。雖然這只是初步的探究,但科學家期許,未來進一步完善氣象觀測衛星對同位素資料的收集,能使人類更往精準氣象預測的目標邁進。

人造衛星就像是科學家的千里眼,能觀測千里之外的風雲變化。發展衛星技術,不僅能讓我們更精準預測氣象,在全球化的現代,也能在國際上發揮「Taiwan Can Help」及互助的精神;各國對航太技術的投入與數據資源共享,更是科研工作與人類社會的一大福音。

福爾摩沙衛星拍攝的美麗福爾摩沙島。圖/國家太空中心

參考文獻

-----廣告,請繼續往下閱讀-----
所有討論 2
科技大觀園_96
82 篇文章 ・ 1126 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。