為植入式醫療裝置充電：照光而非更換電池

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？

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？

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。

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。

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。

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。

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」

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。

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

• 蔡宗翰（2022）。寫給中學生看的 AI 課：AI 生態系需要文理兼具的未來人才。三采文化出版。
• Tulsulkar, G., Mishra, N., Thalmann, N.M. et al (2021). Can a humanoid social robot stimulate the interactivity of cognitively impaired elderly? A thorough study based on computer vision methods. Vis Comput 37, 3019–3038.

時事話題

NEWS｜在課堂介紹電磁波概念時，有位同學佳琦舉手提問筆者：「老師，用悠遊卡刷進捷運站非常方便，那個背後的原理和電磁波有關嗎？」另一位同學婕妤回答：「應該是悠遊卡會發出電磁波，傳遞訊息到門閘的感應器吧？」

悠遊卡如今早已融入臺灣大都會的生活中，不論是捷運、超商、購物或搭乘公車，悠遊卡在手，便利許多。然而，悠遊卡內並無電池，也不需要插入讀卡機，為何能夠溝通而傳遞資訊呢？

為何沒裝電池的悠遊卡可以產生電流？

悠遊卡系統主要是應用法拉第電磁感應定律來辨識與傳遞資訊，此與無接觸感應技術有關，該技術稱為「無線射頻辨識系統」（radio frequency identification，RFID）。完整的一套無線射頻辨識系統，是由讀卡機（reader）、電子標籤（tag）和應用程式資料庫電腦系統部分所組成。

運作過程先由讀卡機發射一特定頻率的無線電波能量給電子標籤，藉此驅動標籤內建電路，輸送內部的身分代碼，以開啟溝通之路。

若以法拉第電磁感應的物理概念解釋，讀卡機產生變動磁場， 同步提供電子標籤變動磁場，驅動電子標籤產生感應電流，也就是讓悠遊卡內部迴路產生感應電流，並讓電子標籤發送身分代碼訊息給讀卡機，也即驅動內部晶片能夠發送訊號，讀卡機依序接收資訊、解讀此身分代碼，再透過應用程式資料庫系統讀取悠遊卡內的晶片資料，完整達成溝通與解讀任務。

每一張悠遊卡都有獨立的電子標籤，當卡片靠近悠遊卡標誌的磁場感應範圍內，即可透過電磁感應的原理，驅使電子標籤內的線圈產生感應電流，此電流供應電子標籤傳送資訊至讀卡機，以解讀晶片資料。

或許讀者會好奇，沒有電池的悠遊卡怎麼產生電流呢？這個問題也需要以法拉第電磁感應定律說明。

依法拉第電磁感應定律，悠遊卡的線圈迴路會因為磁場強弱的變化，以及通過的面積區域、角度變化而產生類似電池驅動電流功能的「感應電動勢」，或稱為感應電壓。此感應電壓大小與線圈匝數及每匝線圈中磁場隨時間的變化率有關。匝數愈多，磁場變化率愈大，悠遊卡迴路中的感應電壓愈大，產生的感應電流就愈大。

因此，悠遊卡雖然沒有內建電池，但可以透過電磁波的應用，採用無線射頻辨識系統，在運作時，讀卡機持續發出電磁波，當卡片接近時，其內部線圈產生感應電動勢，再進一步驅動感應電流。此感應電流讓卡片內的晶片發出電磁波，回傳必要的資訊給讀卡機，完成感應過閘的流程。

以臺北、臺中和高雄的悠遊卡來說，採用的是無線射頻辨識系統模式，屬於比較低頻率的電磁波，卡片必須距離讀卡機約 14 公分內，才能讀取卡片的晶片資料。因此若將悠遊卡裝在比較厚的皮夾或兩張磁卡疊在一起，可能無法第一時間完成讀卡，而形成「卡片無法讀取」的「卡卡」現象，建議單純使用悠遊卡過閘，較能順暢通過閘門。

其他如進出家門的感應磁扣、停車場的票卡、信用卡感應支付、國道收費系統 ETC 等，皆是應用無線射頻辨識系統 RFID 的技術，只不過國道收費系統 ETC 的感應器的感應距離約需 60 公尺內，才能順利讀取通過車輛的相關資訊。

物理小教室

• 手機行動支付的物理學原理

手機支付的運作原理也是基於 RFID 發展而出的近場通訊（near-field communication，NFC） 技術。目前近場通訊技術採用頻率為 13.56 MHz 的電磁波，以 106 kbit/s、212 kbit/s 或 424 kbit/s 這 3 種速率傳輸資料，bit 翻譯為位元，是電腦資料的最小單位。

利用手機支付時，須靠近刷卡機約 4 公分距離內，此時可藉由電磁波傳遞相關資訊，完成付款手續。近場通訊技術不只有用在手機支付， 也可運用傳輸文字、照片、音樂檔案，是目前手機常見的內建功能。

• 電磁感應的進階說明

電動勢（electromotive force, emf）可以驅動導體內的電荷移動， 產生電流。電池因為內部材料的屬性，會在正負極產生固定的電位差或電壓。電動勢是電池正負極間的電位差，也常稱為電壓，其國際單位制（SI）單位為伏特（V）。

導體內的電流與電壓成正比，假設導線的電阻及電池的內電阻都可略去不計，電路中流動的電流是電壓與電阻相除後的數值。可知電池的電動勢，可以驅動迴路上的電流，讓燈泡發光發熱。

然而，一個未接電源的迴路導線圈，可不可能產生電流？可以。若是通過迴路導線圈的磁場變化或磁通量改變，也會產生感應電流，這是發電機的原理，也是物理學家法拉第和冷次的電磁感應概念。

電磁爐和捷運列車的磁煞車也是運用電磁感應的概念。電磁爐內部的主要構造是由絕緣體包覆的導線環繞的線圈，當交流電通過線圈時， 電磁爐表面就會產生隨時間改變的磁場，這個磁場的變化會同時在鍋子底面產生應電流，再透過電流熱效應加熱鍋子，也加熱食物。

——本文摘自《我們的生活比你想的還物理》，2022 年 11 月，商周出版，未經同意請勿轉載。

• 本文轉載自科技大觀園，原文為《近場光學顯微術，開啟奈米世界大門》
• 作者／簡靖航｜科技大觀園特約編輯

傳統光學顯微技術發展幾個世紀之後，從 20 世紀後半⾄今，突破光學繞射極限成為顯微技術的重要課題。繞射極限是光波所能聚焦的最⼩尺寸（約為光波長的⼀半，以可⾒光來說約 200-350 nm），仍遠⼤於分⼦和奈米材料。顯微鏡的發明是進入微觀世界的⾥程碑，⽽突破光學繞射極限後就能開啟進入奈米世界的可能性。 

突破光學繞射極限的超⾼解析度顯微技術⼤致上可以分為遠場（far field）與近場（near field）兩⼤類，這兩者的差別在於是否利⽤探針在靠近樣品距離遠⼩於⼀個波長（約數⼗奈米）處進⾏量測，若有則為近場，其餘則屬於遠場。⽽遠場顯微技術若要達到奈米級別的超⾼解析度， 需要以特殊螢光標定加上大量電腦計算來輔助。 

中央研究院應⽤科學研究中⼼研究員陳祺，專攻近場光學顯微術，屬於探針掃描顯微術（Scanning probe microscopy, SPM）中與光學相結合的分⽀。 

探針掃描顯微術，家族成員眾多 

探針掃描顯微術泛指使⽤探針來掃描樣品的顯微技術，依照原理的差別再細分成多個類別。在整個探針掃描顯微術家族中，最早的成員為 1981 年問世的掃描穿隧顯微鏡（Scanning tunneling microscope, STM），其主要機制是偵測探針與待測物表⾯間的量⼦穿隧電流（註1），作為回饋訊號來控制針尖與待測物的距離，⽽得到待測物表⾯次原⼦級別的高低起伏。1986 年發明的原⼦⼒顯微鏡（Atomic force microscope, AFM）則是⽬前最廣為應⽤的探針顯微技術，其以針尖接觸（contact）或輕敲（tapping）物體，藉由偵測針尖和物體表⾯間之凡得瓦⼒，得知物體表⾯的高低起伏。 

在探針掃描顯微術中，控制針尖與物體的相對距離是重要的課題，STM 可控制距離在一奈米以下，AFM 則可在一奈米到數十奈米間變化。此外，要在奈米世界「移動」並不是⼀件簡單的事。因為⼀般以機械⽅式的「移動」，其尺度都會在微米級別以上，這就像是我們沒有辦法要求⼤象邁出螞蟻的⼀⼩步⼀樣。所幸 1880 年居禮兄弟發現壓電材料會因為外加電場，⽽導致晶格長度的伸長或者收縮，即可造成奈米級別的「移動」。⽬前所有的探針顯微術都是以壓電效應達成對針尖或樣品「移動」的控制。 

近場光學顯微術，探針加上光 

依 STM/AFM 控制針尖的技術基礎，外加光源於針尖上，即為近場光學顯微術（Scanning near-field optical microscopy, SNOM），依照光源形式的不同可區分為兩⼤類： 

1. 微孔式近場光學顯微術（aperture SNOM，簡稱 a-SNOM） 
2. 散射式近場光學顯微術（scattering SNOM，簡稱 s-SNOM）

a-SNOM 是利用透明的 AFM 針尖，先鍍上⼀層⾦屬薄膜，並打上⼩洞，讓光從⼤約 50-100nm 左右的⼩洞穿出，得到⼩於光學繞射極限的光訊號。s-SNOM 則是外加雷射光源聚焦於針尖上，並量測散射後的光訊號。其中，針尖增強拉曼散射光譜顯微鏡（Tip-enhanced Raman spectroscopy, TERS）是屬於 s-SNOM 的⼀種特殊近場光學模式，主要為量測拉曼散射光譜，即可識別分⼦鍵結的種類。由於拉曼訊號相對微弱，透過探針鍍上⾦屬薄膜，即可利⽤針尖端局域電場的放⼤效果，來增強待測物的拉曼訊號，並利用針尖的移動來得到奈米級空間解析度的拉曼成像。 

陳祺的研究歷程與觀點

在陳祺就讀博士期間，其研究領域主要為結合低溫超高真空 STM 的單分子光學量測，需要極度精進探針掃描顯微鏡的穩定與解析度。畢業之後將⽬標轉向室溫室壓下的探針掃描顯微術與光學的結合，用以量測更多種類和不導電樣品。

陳祺在博⼠後期間的⼯作以 TERS 為主，曾發表解析度⾼達 2 奈米以下的成果，維基百科的 TERS 條⽬，也引⽤了陳祺當時發表在《Nature Communication》的論⽂。回國進入中研院之後，陳祺也開始 a-SNOM 的研究。

無論 TERS 或 a-SNOM，兩者的實驗設計都是建構在 AFM 上，因此陳祺會⾃⾏架設更精準的 AFM，以達成近場光學顯微術更佳的穩定性。 

近場光學實驗操作上的困難除了針尖的製作之外，穩定的 AFM 掃描其實也相當不容易，是維持針尖品質的關鍵。傳統上 a-SNOM 都是以接觸式（contact mode）的 AFM 方式掃描，以防止輕敲式（tapping mode）起伏會干擾光訊號，代價就是 AFM 的解析度極差。陳祺將⾃架的近場光學實驗放進⼿套箱裡，能讓針尖在輕敲式時維持極⼩的振幅（在⼀個奈米以下），可以大幅提高 AFM 的形貌解析度，也幾乎不損傷針尖。由於陳祺有非常豐富⾃架儀器的經驗，才能很⼤程度突破⼀般商⽤儀器的限制。 

⼀般認為 TERS 有較佳的解析度，但由於 TERS 在散射訊號影像上有很大程度的不確定性，經常導致假訊號或假解析度的發生。近年來陳祺反⽽把研究的主軸轉向 a-SNOM，因為她更看重是否能由 AFM 得到的材料結構和高度，來解釋近場光學所量測的結果，以期研究材料背後的物理或化學現象。

另外，陳祺近期最重要的突破是在⽔中完成 a-SNOM 的量測，將針尖與光學元件整合在自製的腔體（cage system）之中，得以在保持生物樣品的活性之下得到超高解析度的影像，這將是開啟利用近場光學研究⽣物課題的重要⾥程碑。

最後，⾝為擁有兩個孩⼦的女性研究員，「如何兼顧⼯作與家庭」或許是⼀般新聞媒體會問的問題。然⽽，陳祺分享⾃⼰的⼼得：「是不可能兼顧的啦！先集中精神做好⼀件事，等另⼀件要爆掉的時候再去救它。」可能坦承⾃⼰沒有辦法做好每件事， 反⽽讓陳祺在實驗上永遠能找到促使⾃⼰改進的動⼒。 

註解

註 1：量⼦穿隧電流：在量⼦世界中，物質同時具有波動和粒⼦的特性。因具有波動的性質， 當電⼦撞擊⼀層很薄的障礙物時，有不為零的機率穿過去，並產⽣穿隧電流（tunneling current ）。穿隧電流與障礙物厚度成指數函數遞減，因此可藉由量測穿隧電流強度計算出待測物表⾯極微⼩的⾼低起伏。