古代的權力遊戲—商王如何制霸天下?

本文由 鼎新數智 與 泛科學 共同規劃與製作

你有沒有想過，當 AI 根據病歷與 X 光片就能幫你診斷病症，或者決定是否批准貸款，甚至從無人機發射飛彈時，它的每一步「決策」是怎麼來的？如果我們不能知道 AI 的每一個想法步驟，對於那些 AI 輔助的診斷和判斷，要我們如何放心呢？

馬斯克與 OpenAI 的奧特曼鬧翻後，創立了新 AI 公司 xAI，並推出名為 Grok 的產品。他宣稱目標是以開源和可解釋性 AI 挑戰其他模型，而 xAI 另一個意思是 Explainable AI 也就是「可解釋性 AI」。

如今，AI 已滲透生活各處，而我們對待它的方式卻像求神問卜，缺乏科學精神。如何讓 AI 具備可解釋性，成為當前關鍵問題？

黑盒子模型背後的隱藏秘密

無法解釋的 AI 究竟會帶來多少問題？試想，現在許多銀行和貸款機構已經使用 AI 評估借貸申請者的信用風險，但這些模型往往如同黑箱操作。有人貸款被拒，卻完全不知原因，感覺就像被分手卻不告訴理由。更嚴重的是，AI 可能擅自根據你的住所位置或社會經濟背景給出負面評價，這些與信用風險真的相關嗎？這種不透明性只會讓弱勢群體更難融入金融體系，加劇貧富差距。這種不透明性，會讓原本就已經很難融入金融體系的弱勢群體，更加難以取得貸款，讓貧富差距越來越大，雪上加霜。

AI 不僅影響貸款，還可能影響司法公正性。美國部分法院自 2016 年起使用「替代性制裁犯罪矯正管理剖析軟體」 COMPAS 這款 AI 工具來協助量刑，試圖預測嫌犯再犯風險。然而，這些工具被發現對有色人種特別不友好，往往給出偏高的再犯風險評估，導致更重的刑罰和更嚴苛的保釋條件。更令人擔憂的是，這些決策缺乏透明度，AI 做出的決策根本沒法解釋，這讓嫌犯和律師無法查明問題根源，結果司法公正性就這麼被悄悄削弱了。

此外，AI 在醫療、社交媒體、自駕車等領域的應用，也充滿類似挑戰。例如，AI 協助診斷疾病，但若原因報告無法被解釋，醫生和患者又怎能放心？同樣地，社群媒體或是 YouTube 已經大量使用 AI 自動審查，以及智慧家居或工廠中的黑盒子問題，都像是一場越來越複雜的魔術秀——我們只看到結果，卻無法理解過程。這樣的情況下，對 AI 的信任感就成為了一個巨大的挑戰。

為什麼人類設計的 AI 工具，自己卻無法理解？

原因有二。首先，深度學習模型結構複雜，擁有數百萬參數，人類要追蹤每個輸入特徵如何影響最終決策結果，難度極高。例如，ChatGPT 中的 Transformer 模型，利用注意力機制（Attention Mechanism）根據不同詞之間的重要性進行特徵加權計算，因為機制本身涉及大量的矩陣運算和加權計算，這些數學操作使得整個模型更加抽象、不好理解。

其次，深度學習模型會會從資料中學習某些「特徵」，你可以當作 AI 是用畫重點的方式在學習，人類劃重點目的是幫助我們加速理解。AI 的特徵雖然也能幫助 AI 學習，但這些特徵往往對人類來說過於抽象。例如在影像辨識中，人類習慣用眼睛、嘴巴的相對位置，或是手指數量等特徵來解讀一張圖。深度學習模型卻可能會學習到一些抽象的形狀或紋理特徵，而這些特徵難以用人類語言描述。

深度學習模型通常採用分佈式表示（Distributed Representation）來編碼特徵，意思是將一個特徵表示為一個高維向量，每個維度代表特徵的不同方面。假設你有一個特徵是「顏色」，在傳統的方式下，你可能用一個簡單的詞來表示這個特徵，例如「紅色」或「藍色」。但是在深度學習中，這個「顏色」特徵可能被表示為一個包含許多數字的高維向量，向量中的每個數字表示顏色的不同屬性，比如亮度、色調等多個數值。對 AI 而言，這是理解世界的方式，但對人類來說，卻如同墨跡測驗般難以解讀。

試想，AI 協助診斷疾病時，若理由是基於醫生都無法理解的邏輯，患者即使獲得正確診斷，也會感到不安。畢竟，人們更相信能被理解的東西。

打開黑盒子：可解釋 AI 如何運作？我們要如何教育 AI？

首先，可以利用熱圖（heatmap）或注意力圖這類可視化技術，讓 AI 的「思維」有跡可循。這就像行銷中分析消費者的視線停留在哪裡，來推測他們的興趣一樣。在卷積神經網絡和 Diffusion Models 中 ，當 AI 判斷這張照片裡是「貓」還是「狗」時，我需要它向我們展示在哪些地方「盯得最緊」，像是耳朵的形狀還是毛色的分布。

其次是局部解釋，LIME 和 SHAP 是兩個用來發展可解釋 AI 的局部解釋技術。

SHAP 的概念來自博弈，它將每個特徵看作「玩家」，而模型的預測結果則像「收益」。SHAP 會計算每個玩家對「收益」的貢獻，讓我們可以了解各個特徵如何影響最終結果。並且，SHAP 不僅能透過「局部解釋」了解單一個結果是怎麼來的，還能透過「全局解釋」理解模型整體的運作中，哪些特徵最重要。

以實際的情景來說，SHAP 可以讓 AI 診斷出你有某種疾病風險時，指出年齡、體重等各個特徵的影響。

LIME 的運作方式則有些不同，會針對單一個案建立一個簡單的模型，來近似原始複雜模型的行為，目的是為了快速了解「局部」範圍內的操作。比如當 AI 拒絕你的貸款申請時，LIME 可以解釋是「收入不穩定」還是「信用紀錄有問題」導致拒絕。這種解釋在 Transformer 和 NLP 應用中廣泛使用，一大優勢是靈活且計算速度快，適合臨時分析不同情境下的 AI 判斷。比方說在醫療場景，LIME 可以幫助醫生理解 AI 為何推薦某種治療方案，並說明幾個主要原因，這樣醫生不僅能更快做出決策，也能增加患者的信任感。

第三是反事實解釋：如果改變一點點，會怎麼樣？

如果 AI 告訴你：「這家銀行不會貸款給你」，這時你可能會想知道：是收入不夠，還是年齡因素？這時你就可以問 AI：「如果我年輕五歲，或者多一份工作，結果會怎樣？」反事實解釋會模擬這些變化對結果的影響，讓我們可以了解模型究竟是如何「權衡利弊」。

最後則是模型內部特徵的重要性排序。這種方法能顯示哪些輸入特徵對最終結果影響最大，就像揭示一道菜中，哪些調味料是味道的關鍵。例如在金融風險預測中，模型可能指出「收入」影響了 40%，「消費習慣」占了 30%，「年齡」占了 20%。不過如果要應用在像是 Transformer 模型等複雜結構時，還需要搭配前面提到的 SHAP 或 LIME 以及可視化技術，才能達到更完整的解釋效果。

講到這裡，你可能會問：我們距離能完全信任 AI 還有多遠？又或者，我們真的應該完全相信它嗎？

我們終究是想解決人與 AI 的信任問題

當未來你和 AI 同事深度共事，你自然希望它的決策與行動能讓你認可，幫你省心省力。因此，AI 既要「可解釋」，也要「能代理」。

舉例來說，當一家公司要做一個看似「簡單」的決策時，背後的過程其實可能極為複雜。例如，快時尚品牌決定是否推出新一季服裝，不僅需要考慮過去的銷售數據，還得追蹤熱門設計趨勢、天氣預測，甚至觀察社群媒體上的流行話題。像是暖冬來臨，厚外套可能賣不動；或消費者是否因某位明星愛上一種顏色，這些細節都可能影響決策。

這些數據來自不同部門和來源，龐大的資料量與錯綜關聯使企業判斷變得困難。於是，企業常希望有個像經營大師的 AI 代理人，能吸收數據、快速分析，並在做決定時不僅給出答案，還能告訴你「為什麼要這麼做」。

傳統 AI 像個黑盒子，而可解釋 AI （XAI）則清楚解釋其判斷依據。例如，為什麼不建議推出厚外套？可能理由是：「根據天氣預測，今年暖冬概率 80%，過去三年數據顯示暖冬時厚外套銷量下降 20%。」這種透明解釋讓企業更信任 AI 的決策。

但會解釋還不夠，AI 還需能真正執行。這時，就需要另一位「 AI 代理人」上場。想像這位 AI 代理人是一位「智慧產品經理」，大腦裝滿公司規則、條件與行動邏輯。當客戶要求變更產品設計時，這位產品經理不會手忙腳亂，而是按以下步驟行動：

1. 檢查倉庫物料：庫存夠不夠？有沒有替代料可用？
2. 評估交期影響：如果需要新物料，供應商多快能送到？
3. 計算成本變化：用新料會不會超出成本預算？
4. 做出最優判斷，並自動生成變更單、工單和採購單，通知各部門配合執行。

這位 AI 代理人不僅能自動處理每個環節，還會記錄每次決策結果，學習如何變得更高效。隨時間推移，這位「智慧產品經理」的判斷將更聰明、決策速度更快，幾乎不需人工干預。更重要的是，這些判斷是基於「以終為始」的原則，為企業成長目標（如 Q4 業績增長 10%）進行連續且動態地自我回饋，而非傳統系統僅月度檢核。

這兩位 AI 代理人的合作，讓企業決策流程不僅透明，還能自動執行。這正是數智驅動的核心，不僅依靠數據驅動決策，還要能解釋每一個選擇，並自動行動。這個過程可簡化為 SUPA，即「感知（Sensing）→ 理解（Understanding）→ 規劃（Planning）→ 行動（Acting）」的閉環流程，隨著數據的變化不斷進化。

以偉勝乾燥工業為例，他們面臨高度客製化與訂單頻繁變更的挑戰。導入鼎新 METIS 平台後，偉勝成功將數智驅動融入業務與產品開發，專案準時率因此提升至 80%。他們更將烤箱技術與搬運機器人結合，開發出新形態智慧化設備，成功打入半導體產業，帶動業績大幅成長，創造下一個企業的增長曲線。

值得一提的是，數智驅動不僅帶動業務增長，還讓員工擺脫繁瑣工作，讓工作更輕鬆高效。

數智驅動的成功不僅依賴技術，還要與企業的商業策略緊密結合。為了讓數智驅動真正發揮作用，企業首先要確保它服務於具體的業務需求，而不是為了技術而技術。

這種轉型需要有策略、文化和具體應用場景的支撐，才能讓數智驅動真正成為企業持續增長的動力。

還在猶豫數智驅動的威力？免費上手企業 AI 助理！ 企業 AI 體驗 現在使用專屬邀請碼《 KP05 》註冊就享知：https://lihi.cc/EDUk4 訂閱泛科學獨家知識頻道，深入科技趨勢與議題內容。 立即免費加入

本文由 環境部 委託，泛科學企劃執行。 

政策環評是什麼，跟一般環評差在哪？

隨著公共建設的規模越來越大，傳統的環境影響評估（EIA），難以應對當今層層疊疊的環境議題。當我們評估一項重大政策時，只看「單一開發案」已經不夠，就像評估一棵樹，卻忽略了整片森林。因此，政策環境影響評估（SEA）應運而生，它看樹，也看森林，從政策的角度進行更全面的考量與評估。

與只專注於「單一開發案」的個案環評不同，政策環評更像是一場全面性的檢視，強調兩個核心重點：「整合評估」與「儘早評估」。簡單來說，這不再是逐案評估的模式，而是要求政府在制定政策時，就先全面分析可能帶來的影響，從單一行為的侷限中跳脫，轉而聚焦在整體影響的視角。無論是環境的整體變化，還是多項行為累計起來的長期影響，政策環評的目的就是讓這些潛在問題能儘早浮現、儘早解決。

除此之外，政策環評還像是一個大型的協商平台，以永續發展為最高指導原則，公開整合來自不同利益團體、民眾與各機關的意見。這裡，決策單位不再只是單純的「評分者」，而是轉為「協調者」或「仲裁者」，協調各方的意見看法在這裡得到整合，讓過程更具包容性。

政策環評並沒有所謂的「否決權」，而是側重意見的蒐集與整合，讓行政機關在政策推動時，能更全面地掌握各方意見。政策環評旨在建立系統化、彈性的決策評估程序（包含量化、特徵化等評估方式），也廣納社會面或民眾滿意度等影響因子，把正式與非正式的作法一併考量進去。再來，決策程序中能層層檢討、隨時修正，也建立了追蹤機制和成效評估標準（如環境殘餘效應、累積效應等），透過學習來強化決策品質與嚴謹度。就像一場球賽，隨時根據變化、調整策略。

這樣的制度設計，就非常適合離岸風電這類規模大、跨區域、影響層面廣泛的能源政策評估，讓我們可以在政策推動初期就想到整個工程對環境、產業發展與社會的諸多影響，也為後續政策執行奠定更穩固的基礎。

離岸風電為何需要的是政策環評？

離岸風電是能源轉型的重要策略之一，但這不是只在某塊空地上架幾個風車，而是要在廣闊的大海中進行大規模建設，牽涉的不僅是發電，還涉及海洋保育、航空交通、水下文化資產等議題，更與當地漁民的權益息息相關。

這樣的大型離岸風電工程，因海洋環境的風險和不確定性極高，很容易讓人擔心生態影響。如何在海洋生態保護和綠能發展之間找到平衡點？這就需要政策環評的把關，從多方檢視這些複雜的挑戰，確保政策推行既能穩妥，又能達成發電目標。

2016 年 3 月，經濟部自願提出「離岸風電區塊開發政策評估說明書」，是臺灣首次針對再生能源政策所進行的政策環評。根據這份評估說明書，政府將採分期公告、逐年檢討的方式，每三年開放 0.5~1 百萬瓩（GW）的電量額度鼓勵業者投入開發。當時環保署（現為環境部）歷經九個月召開 2 次意見徵詢會議，蒐集環評委員、專家學者、相關機關、民眾等意見，最終於同年 12 月的環評委員會作出徵詢意見。這些協商和檢討的過程，讓政策「名正言順」，得以充分顧及各方利益與生態平衡。

共通性環境議題與因應對策

在「離岸風電區塊開發政策評估說明書」中，環評會議盤點了開發過程中共通的環境議題。

首先，對於海洋生態保育的重點，特別是對中華白海豚的保護。環評會要求風機基座必須距離白海豚棲地1公里以上，以減少對其生態的干擾。實際上，這項規範在後續的實務執行中更為嚴格，例如，福海二期示範風場已退縮到 2.5 公里外，臺電二期風場甚至退到 4.2 公里外，顯示政策環評確實發揮了實質作用。此外，針對施工期間的聲音干擾，要求施工需有 30 分鐘以上的打樁緩啟動時間，並限制聲量不得超過 180 分貝等。

針對鳥類保育，政策環評也訂立了具體規範。其中，包括風機之間必須留設 500 公尺以上的鳥類穿行廊道，並在施工期間避開每年 11 月至隔年 3 月的候鳥過境期。同時，為確保這些措施確實生效，工程方也被要求設置「鳥類活動監測系統」，持續追蹤、評估風場對鳥類的影響。

此外，環評會也確立了「先遠後近」的開發原則，要求優先開發較單純的航道外側區塊，待累積足夠經驗及相關資料後，再進行近岸區域的開發。這項原則考量了近海生態系的複雜性，也顧到養殖漁業的漁民權益，展現出政策環評在平衡發展需求與環境保護上的價值。

新一代的審查機制：達成能源轉型及環境保護雙贏

為提升環評效率並確保審查品質，環境部參考過去離岸風電審查經驗，制定「風力發電離岸系統開發行為環境影響評估初審作業要點」，建立了全新的二階段審查機制。

這套新機制分為兩個階段。第一階段，就像「初步檢查」，由環境部依照檢核表進行初審，並由環評審查委員會執行秘書邀集 2-5 位環評委員進行初審，通過第一階段初審之業者，可取得經濟部遴選資格，其初審結果有效期為兩年，必要時可申請展延一年。接著進入「第二階段」，開發單位檢附目的事業主管機關核配的容量證明文件等資料，提供更詳細的環境影響說明書以進行實質審查。

檢核表明確規範了 15 大項審查事項、112 項檢核項目，涵蓋開發案的全生命週期。

在工程面，包含風機及海上變電站基礎設置、海域電纜路線規劃、陸域設施工程等硬體設施的規範。其中，風機基礎設置必須避開海岸保護區、河口、潮間帶等環境敏感區域，且須進行地震危害度分析。海域電纜部分，除特殊情形外，埋設深度至少須達 1.5 公尺，且不得跨越中華電信海底電纜 1 公里的範圍。

環境保護上，檢核表則對施工噪音管制訂立了明確標準。舉例來說，打樁期間警戒區 750 公尺範圍內的水下噪音不得超過 160 分貝，且必須全程採用最佳噪音防制工法。同時，每個開發案或聯席審查的風場，同一時間內只能進行一支基樁施作，而日落前一小時到日出前也不得啟動新的打樁作業。

環境監測計畫更是檢核表中的重點，分為「施工前、施工期間、營運期間」三階段，每個階段都規定了詳細的監測要求（包括海域底質監測、水下噪音監測、鯨豚目視監測等）。以鯨豚監測為例，每年需執行20趟次，四季中每季至少執行 2 趟次。此外，所有監測數據都必須上傳至環境部「環保專案成果倉儲系統」（https://epaw.moenv.gov.tw/）供各界查閱。

這套標準化的審查機制不僅解決了「同一風場可能有多家廠商重複調查或審查」的資源浪費，也透過明確的檢核項目，讓開發單位在規劃階段就能掌握更具體的環境保護要求。不僅如此，該機制亦確保了環境保護標準前後一致，避免不同案件之間標準不一。

結語

透過新的審查機制，環境部正積極推動再生能源開發案的環評審查作業，在提升行政效率之餘，也確保環境影響評估的品質，支持臺灣的離岸風電開發及國家能源轉型政策，也做好把關。藉由標準化檢核表和二階段審查制度，期待能在推動能源轉型的同時落實環境保護。

為確保制度能持續精進，環境部每半年至一年會進行制度檢討，並持續公開所有環評書件於「環評書件查詢系統」（https://eiadoc.moenv.gov.tw/eiaweb/）。此外，環評會議召開前一週，也必須在指定網站公布開會訊息，讓民眾能申請列席旁聽或發表意見。透明化措施一方面展現了政府推動永續發展的決心，另一方面也確保全民能共同參與監督離岸風電的發展過程。未來，這套制度將在各界的檢視與建議中持續完善，為臺灣的永續發展貢獻心力，發揮環評作業的最大效益。

• 林百尉　中央研究院民族學研究所
• 柯維盈　中央研究院歷史語言研究所
• 劉致慧　中央研究院歷史語言研究所
• 陳光宇　紐澤西州立羅格斯大學
• 黃銘崇　中央研究院歷史語言研究所

1928 至 1937 年間，中央研究院歷史語言研究所（以下簡稱史語所）於河南安陽小屯村周圍進行 15 次發掘，發現晚商時期的大量遺存，包括宮殿宗廟區的大型建築基址、西北崗的大型王陵、墓葬、祭祀坑等遺跡，以及青銅、陶、玉、骨等遺物，首次在考古學上證實以安陽小屯為中心的區域，是晚商的都城殷墟。除此之外，更發現了兩萬多片甲骨，包括 1936 年發現大量未經擾動的甲骨層、備受學者矚目的 YH127 坑，^[1]目前皆收藏於史語所。

過去學者對甲骨塗色現象多有關注，然而，由於缺乏科學儀器及技術，長期限於肉眼辨識顏色種類，以及推測顏料成分。近年，我們系統性整理史語所藏殷墟甲骨上的塗色現象，並採用拉曼光譜分析其顏料成分，首次揭開甲骨色彩與顏料的神秘面紗。

甲骨塗色現象的肉眼辨識記錄及其限制

甲骨塗色的記錄，始於 1910 年羅振玉《殷商貞卜文字考》記錄甲骨文字塗朱、墨；其後，王襄（1925）、容庚（1933）等著錄皆有提及塗朱、墨的現象。^[2]對史語所發掘甲骨文字所塗顏色的觀察，始於 1929 年董作賓〈新獲卜辭寫本後記〉，將所見塗色分為朱、墨兩種。屈萬里在《殷虛文字甲編考釋》中，更將顏色分為朱、墨、赭、淡紅、黃、紫等色。張秉權對 YH127 坑甲骨進行復原、綴合和考釋，出版《殷墟文字丙編》，以單版甲骨為單位，逐版記錄甲骨文字的塗色與褪色狀況，分成硃、褐、墨三種顏色，並直言其顏料成分有待定性分析。^[3]

除了史語所 1928 至 1937 年發掘的甲骨之外，1950 年後殷墟的考古發掘繼續進行，陸續出土許多甲骨。其中，最有名的兩次發現為 1973 年於小屯南地發現五千餘片甲骨、1991 年於花園莊東地 H3 坑出土 659 件龜腹甲、25 件背甲和 5 件卜骨，分別著錄於《小屯南地甲骨》與《殷墟花園莊東地甲骨》，並有塗朱、塗黑等現象的記錄。^[4]

2014 年，林宏明在檢視大量甲骨彩照之後，認為過去學者所判斷的顏色，可能受到埋藏環境及時間的影響，且無法確定是否為商人所塗原色，因此主張僅以塗朱、塗墨區分即可；而其學生林雅雯則認為褐色與朱、墨有顯著差異，提出甲骨塗色應有朱、墨、褐三色。^[5]

以上對甲骨塗色現象的記錄，皆為肉眼辨識，並未透過科學技術和方法進行顏料成分的定性分析。肉眼辨識的缺點，除了在人對顏色的感知和判斷標準不同之外，甲骨所塗顏料經過多年地下埋藏，可能導致嚴重的褪色，進一步使得今日學者肉眼辨識的顏色，不見得是晚商製作甲骨時所施用的顏色。除此之外，肉眼辨識僅能推測顏料材質，無法予以證實。因此，透過當代科學技術和方法進行顏料成分的定性分析，成為進一步討論甲骨塗色現象及其可能意義的突破點。 

拉曼光譜用於分析甲骨所塗顏料的可行性與突破性

過去使用科學方法檢驗顏料性質的研究，僅有 Benedetti-Pichler 透過傳統濕化學分析法，刮下普林斯頓大學所藏甲骨上的紅色顏料，推測其為硫化汞，存於自然界的硃砂。^[6] 然而，這種侵入式方法不僅方法繁複、造成文物耗損，且僅能測出顏料可能的成分元素，而非分子結構。

目前學界常見的其他分析方法，包括氣相色譜—質譜聯用分析法（GC-MS）、傅里葉轉換紅外光譜分析法（FTIR）、核磁共振法（NMR）以及 X 射線螢光光譜法（XRF）；然而，如學者所指出，這些方法或需進行化學預先處理、或易受不同因素干擾、或無法進行物相分析等。因此，非侵入式、高效的拉曼光譜（Raman Spectra），成為受到重視的分析方法。^[7]

1928 年，印度科學家拉曼（Chandrasekhara Raman）發現，光線穿透透明液體時有散射現象，散射光的波長與原入射光不同，此一現象被稱為拉曼效應。波長改變的數值，反應分子內部的化學鍵振動（包括轉動）與不同能階的間距。因此，入射光與散射光的頻率移動差距，與分子的化學鍵與構成元素，有一定的密切關係。換言之，透過某一特定化合物入射光與拉曼光頻率之差所得光譜，等於該化合物的分子指紋（molecular fingerprint）。  

由於拉曼散射強度僅為入射光的千萬分之一，直到雷射器問世，能提供優質、高強度的單色光，方推進其研究與應用。拉曼光譜儀結合共聚焦顯微鏡及雷射器，形成精準微量取得分子指紋的理想組合，可迅速辨識樣品中的各種化合物。自 2000 年代技術成熟之後，拉曼光譜已被學界大量用於分析考古所出土無機質類（包括陶瓷、玻璃等）、有機質類（包括竹木漆器、紡織品、紙質等）以及複合類（包括壁畫、彩陶等）文物，進行顏料成分鑑定、膠料及有機殘留物鑑定、胎體分析，以及真偽鑑別；其中，顏料成分鑑定被廣泛用於壁畫、紙本手稿、漆器、陶器，以及青銅器等，為學者提供關於古代文物所塗顏料種類、來源、製作方法，以及彩繪復原的重要材料。^[8]

過去學者對甲骨塗色現象多有關注，然而，由於缺乏科學儀器及技術，長期限於肉眼辨識顏色種類，以及推測顏料成分。使用拉曼光譜分析甲骨所塗顏料，不僅具有技術上的可行性，更在相關研究上具有突破性。近年，我們系統性整理史語所藏殷墟甲骨上的塗色現象，由本所文物維護實驗室採用拉曼光譜進行分析。

實驗採用美國 Horiba Jobin Yvon 所出產 iHR320 拉曼光譜儀，採用共焦型—夾縫空間率波法，搭配 Olympus LMPLFLN 50x/0.50 物鏡或 PLL 80x/0.80 物鏡及 CCD 感光元件（1024×256 pixels）偵測儀，搭配 632.8nm 雷射光源約 17mW，物鏡下有效雷射能量約在 1.29-0.11mW 之間，將甲骨直接置於物鏡下進行顯微拉曼分析。此種無損分析方法，不須取樣或事前制樣作業，可針對甲骨刻辭塗色殘留區域進行分析。每件樣本分析前，須以單矽晶片校正光譜。進入分析過程後，先以 10x 物鏡觀察顏料殘留集中區域、避開纖維或汙染物干擾，再以 50x 或 80x 物鏡獲取圖譜分析位置，至少採集 1-5 次拉曼圖譜。條件設定如下：夾縫寬度（front entrance）約 100-400μm、光柵（grating）設定值為 1800 grooves/mm、曝光時間（Exposition）為 2-20 秒（sec）、掃描（Accumulation）次數皆為 1 次，可偵測波長範圍（wavenumber）為 100-4000cm-1。

綜上所述，透過非侵入式的拉曼光譜對甲骨所塗顏料進行成分鑑定，不但不必對甲骨進行任何化學前置處理作業，對甲骨刻槽中大小僅數微米的顏料顆粒，亦能借助顯微鏡，精準、迅速地獲得散射光譜。截至 2021 年，我們已檢測了史語所藏甲骨 48 片，並將所得結果與數據庫對照，確認甲骨所塗顏料的化學成分。^[9]

史語所藏甲骨上的色彩與顏料

本文精選史語所藏甲骨中，肉眼辨識色彩鮮明、具代表性，且經拉曼光譜分析證實，含括硃砂、赤鐵礦、碳黑、針鐵礦等不同顏料成分的 4 片甲骨，針對其形制、塗色分布、塗色刻辭內容，以及實驗分析顏料所得成果，逐片進行介紹。

由於下文將介紹甲骨上的塗色分布，在此先介紹龜腹甲的部位，以便讀者對照文字敘述與甲骨彩照，找到拉曼分析的刻辭位置。我們採用陳夢家《殷墟卜辭綜述》所繪龜腹甲線圖，^[10] 並於其上標示不同部位名稱（圖 1）。以下，針對本文所選 4 片甲骨，逐一進行介紹。

一、R041287（碳黑）

此版為一龜腹甲殘片，左右甲橋、下半部皆殘泐，表面有多處剝蝕，下端有一裂縫；全版長 13.7 公分、寬 12.2 公分。刻辭塗色部分，正面明顯塗黑；背面除左側占辭明顯塗黑，而首甲、中甲卜辭則呈現深褐色。甲骨正面及背面塗黑的刻辭均屬於生育事類，卜問商王武丁的三后之一——婦好分娩的時間和嬰兒性別，而武丁親自觀兆，並於占辭慎重推測丁日或庚日生男，而壬戌日則生女。然而，正問的驗辭「三旬又一日，甲寅娩；不嘉，惟女。」一段，記錄婦好是在 31 天後的甲寅日生出女嬰，生女不嘉，可見商人對於生男有所期待。^[11] 我們透過拉曼光譜分析本段驗辭中，位於正面左首甲和中甲交界處「甲」字（圖 2-1 A），發現其拉曼特徵峰值為 1365.8、1585.3 cm^-1（圖 2-1），為含碳黑顏料的特徵（圖 2-2），故判斷此處塗黑為碳黑。

圖 2-1　R041287 碳黑拉曼分析圖譜。 　　　　A. R041287 正面分析位置。B. 圖 A 紅點區 10x 物鏡下顯微照片。 　　　　C. 圖 A 紅點區 50x 物鏡下顯微照片。

圖 2-2　碳黑顏料樣品拉曼圖譜，拉曼特徵峰值為 1329.7、1581.1cm-1， 　　　　參考標準樣為 Kremer47710-碳黑色粉。

二、R044327（硃砂）

此版為一龜腹甲殘片，甲橋及下半部多有殘泐，長 23.8 公分、寬 20.7 公分。刻辭塗色部分，正面從中甲以降，前甲與後甲部位皆塗紅；正面首甲兆序和背面首甲刻辭同為塗黑，應是同組。塗紅之刻辭皆屬於建築事類，記錄貞人「爭」於壬子日及次日癸丑，卜問上帝是否順祐興築城邑一事，占卜次數高達 35 次；癸丑日亦卜問上帝是否順祐商人遷入此邑，高達 20 次；可見商人對此次「作邑」、「宅邑」之重視。「癸丑卜，爭貞：帝弗若？」一段屬於「宅邑」正反對貞的反問，位於左前、後甲交界，左後甲殘泐之處。我們透過拉曼光譜分析其中橫跨齒紋的「貞」字（圖 3A），發現其拉曼特徵峰值為 200.6、252.8、342.5cm^-1，為硃砂（硫化汞）的特徵峰，故判斷此處塗朱為硃砂（圖 3）。

圖3　R044327硃砂拉曼分析圖譜。比對樣本為Kremer-10620硃砂色粉。 　　　A. R044327拉曼分析位置。B. 紅點區10x物鏡下顯微照片。C. 紅點區50x物鏡下顯微照片。

三、R044358（硃砂、碳黑）

此版為一龜腹甲殘片，下半部殘泐，長 17.5 公分、寬 13.4 公分。刻辭塗色部分，首甲正面、自右向左的刻辭，與位於首甲、中甲背面的驗辭，皆為塗紅；位於左前甲正面邊緣的命辭，與位於左前甲背面邊緣的驗辭，皆為黑色；甲骨背面，中甲下方的卜辭為黑褐色；左右甲橋正面皆為黑褐色。刻辭屬於祭祀、氣象事類；正面塗朱大字的部分，卜問乙巳日酒祭下乙（祖乙），商王判斷該祭恐有禍害，應鑿牲祭祖以避禍。驗辭「乙巳酒，明雨，伐；既雨，咸伐，亦雨。卯鳥星」一段，講述乙巳日天亮時正在下雨，進行酒祭、伐牲一人；酒祭進行時，雨停，酒祭結束後，繼續下雨。當天亦兼用、卯兩種殺牲法祭拜鳥星。我們透過拉曼光譜分析位於正面中甲左半部的「既」字（圖 4-1 A），發現其拉曼特徵峰值為 200.8、254.3、343.4cm^-1，為硃砂（硫化汞）的特徵峰，故判斷此處塗朱為硃砂。位於背面中甲左半部的「戠」字塗朱，亦有相同的特徵峰（圖 4-1 C），顯示此版甲骨正背面大字塗紅均為硃砂（圖 4-1）。

圖 4-1　R044358 硃砂拉曼分析圖譜。比對樣本為 kermer-10620 硃砂色粉。 　　　　A. R044358 正面分析位置。B. 圖 A 紅點區 50x 物鏡下顯微照片。 　　　　C. R044358 背面分析位置。D. 圖 C 紅點區 50x 物鏡下顯微照片。

另外，我們亦分析位於背面左首甲、左前甲的刻辭「九日，甲寅，不酒，雨」，此段驗辭為正面命辭「丙午卜，爭貞：來甲寅，酒大甲」的驗辭，講述於丙午日貞問後九天，即甲寅日，並未酒祭大甲，當天即下了大雨。我們透過拉曼光譜分析其中位於左首甲的「酒」字（圖 4-2 A），發現其拉曼特徵峰值為 1376.7、1580.9 cm^-1，屬於含碳物質的頻帶，故判斷此處塗黑為碳黑（圖 4-2）。

圖4-2　R044358 碳黑拉曼光譜分析。 　　　　A. R044358 分析位置。B. 圖 A 紅點區 10x 物鏡下顯微照片。 　　　　C. 圖 A 紅點區 50x 物鏡下顯微照片。

 四、R044852（針鐵礦、碳黑、赤鐵礦）

此版為一完整龜腹甲，長 20.3 公分、寬 11.7 公分。刻辭塗色部分，正面首甲和左右甲橋上半部以塗黑為主，僅有卜辭「貞」等個別字塗紅；前後甲所刻卜辭以褐色為主，僅卜辭末「年」字塗黃；背面左右前甲到後甲的卜辭和占辭，以及左右尾甲的卜辭，皆塗黑，有些呈現黑褐色。整版刻辭有官吏和農業等事類，而褐色為主，部分塗黃之卜辭屬農業事類。我們分析位於正面左前甲的「丙子卜，韋貞：我不其受年？」，貞人「韋」於丙子日卜問今年是否豐收，此段為該正反對貞的反問。我們透過拉曼光譜分析「年」字黃色筆畫處（圖 5-1 A），發現其拉曼特徵峰值為 300.6、387.3、471.3、547.2、1086.6，與針鐵礦（Goethite，α-FeOOH）的拉曼特徵峰值（299.3、355.1、386.5、551.8、1303.0 cm-1）相近，故判斷此處塗黃為黃色針鐵礦，主要成分為氧化鐵，是常見的天然礦物顏料之一，又稱土黃（Yellow ochre）（圖5-1）。

圖5-1　R044852 針鐵礦拉曼分析圖譜。 　　　　A. R044852 拉曼分析位置。B. 圖 A 紅點區 10x 物鏡下顯微照片。 　　　　C. 圖 A 紅點區 50x 物鏡下顯微照片。

另外，我們亦分析了位於正面左尾甲的刻辭「貞：王其有曰多尹，若？」，此段貞問：商王說過多位尹官，是否吉利順若？我們透過拉曼光譜分析「若」字（圖 5-2 A），發現其拉曼特徵峰值為 227.4、297.9、411.7、1322.4 cm^-1，與赤鐵礦（Hematite，α-Fe ₂O₃）的拉曼特徵峰值（228.25、294.75、299.5、 413.5、1318.37 cm^-1）相近，故判斷此處塗朱為赤鐵礦（圖 5-2）。

圖5-2　R044852 赤鐵礦拉曼分析圖譜。 　　　　A. R044852 塗珠分析位置。B. 圖 A 紅點區 50x 物鏡下顯微照片。 　　　　C. 圖 A 紅點區 80x 物鏡下顯微照片。

最後，我們透過拉曼光譜分析位於背面左前後甲交界、近千里路處的刻字「𡧊」（圖 5-3 A），發現其拉曼特徵峰值為 1369.6、1587.4 cm^-1，與碳黑的拉曼特徵峰值相近（圖 2-2），故判斷此處塗黑應屬於碳黑（圖 5-3）。

圖5-3　R044852 碳黑拉曼分析圖譜。 　　　　A. R044852 背面分析位置。B. 圖 A 紅點區 50x 物鏡下顯微照片。

結語與討論

綜上所述，我們以拉曼光譜分析塗色甲骨所得成果及其價值，主要有三點：

第一，顏料成分的鑑定。過去對甲骨所塗顏料成分的討論，長期停留在透過肉眼辨識進行推測，無法予以證實；以科學方法進行分析者僅有一例，但該分析技術不僅為侵入式，且缺乏效率及準確度。我們團隊透過精準且非侵入式的拉曼光譜，分析不同顏色的顏料成分，得出以下成果：紅色顏料成分為硃砂或赤鐵礦、黑色為碳黑，黃色則為針鐵礦 （見表一），從而解決學界長期懸而未決的顏料定性分析問題。

第二，顏色種類的確定。過去學者對塗色甲骨進行肉眼辨識，所提出的顏色種類，主要為紅色、黑色和褐色。然而，肉眼辨識受限於個人對顏色感知和判斷標準的不同，且甲骨經多年地下埋藏，常有嚴重褪色現象，故肉眼辨識建立的顏色分類，缺乏客觀、準確的科學基礎。透過拉曼光譜分析所得顏料材質，我們得以證實在紅、黑、褐三色之外，必須加上黃色。關於褐色的來源，過去學者多認為其為紅色顏料褪色的結果；然而，經拉曼光譜檢測，我們發現其為黑色顏料褪色的例子更多。除此之外，我們亦發現部分褐色有其獨立的顏料來源，但仍無法確定其成分為何。儘管如此，透過拉曼光譜分析，我們得以建立具有科學分析基礎的顏色分類。  

第三，提供進一步研究甲骨塗色功能及意義的科學基礎及可能性。過去學者基於肉眼辨識建立的顏色分類，認為甲骨塗色的功能及意義，可能有美觀、區分和宗教等。然而，該顏色分類缺乏客觀性及準確性。我們透過拉曼光譜分析成果建立的顏色分類，不僅為學者提供客觀且準確的科學基礎，更增加了新的顏色種類，提供進一步研究塗色功能及其意義的可能性。

值得注意的是，本文所選四片甲骨中，內容相同的正反對貞或選貞卜辭（前辭、命辭、占辭及驗辭），即同組卜辭，所塗顏色大抵相同。R041287 正面卜辭與背面占辭，同為卜問婦好生育之事，且皆塗黑。R044327 正面大字卜辭，卜問興建、遷入城邑之事，左右正反對貞，且皆塗紅。R044358 的刻辭皆為祭祀、氣象事類，正、背面的同組卜辭，皆塗同色，分別為塗紅、黑。R044852 所刻對貞卜辭皆塗同色；其中，正面大字卜辭，卜問當年豐收與否之事，左右正反對貞，皆為褐色、僅尾字為黃色，且兆序多塗有黃色。同組卜辭塗色一致的現象，原因值得學者進一步研究。

綜上所述，透過拉曼光譜分析甲骨塗色現象，我們得以鑑定顏料成分、確定顏色種類，從而解決學界長期懸而未決的顏料定性分析問題，並建立客觀、準確的顏色分類，提供學者進一步討論甲骨塗色之功能及意義的可能性。本文透過精選具代表性的 4 片塗色甲骨，介紹其形制、塗色分布、刻辭內容，以及拉曼光譜對顏料成分的分析結果，將史語所具代表性的藏品，以及相關最新研究成果呈現於本文，以饗讀者。期能拋磚引玉，未來繼續開展對殷墟甲骨塗色現象及其功能與意義的研究。

表一　本文所選甲骨之拉曼光譜儀檢測結果^*　筆者製表

	史語所典藏編號	檢測位置	檢測刻辭	甲骨文字	拉曼光譜波數cm-1	顏料
1	R041287	正面，左首甲和中甲交界處	三旬又一日，甲寅娩；不嘉，惟女。		1365.8、1585.3	碳黑
2	R044327	正面，左前、後甲交界處	癸丑卜，爭貞：帝弗若？		254.0、342.5	硃砂
3	R044358	正面，中甲左半部	乙巳酒，明雨，伐；既雨，咸伐，亦雨。卯鳥星。		200.8、254.3、343.4	硃砂
		背面，中甲左半部	乙巳夕，有戠于西。		200.3、254.5、343.9	硃砂
		背面，左首甲	九日，甲寅，不酒，雨？		1376.7、1580.9	碳黑
4	R044852	正面，左前甲	丙子卜，韋貞：我不其受年？		300.6、387.3、471.3、547.2、1086.6	針鐵礦
		正面，左尾甲	貞：王其有曰多尹，若？		227.4、297.9、411.7、1322.4	赤鐵礦
		背面，左前後甲交界、近千里路處	庚戌卜，𡧊		1369.6、1587.4	碳黑

^* 每版均檢測多個刻字，本表僅舉數例，並使用粗體、畫底線標明被檢測字。

附錄：本文所引各版甲骨之彩照

註腳

• [1] Chi Li, Anyang (Seattle: University of Washington Press, 1977), 3-157.
• [2] 羅振玉，《殷商貞卜文字考》（玉簡齋石印本，1910），頁 31；王襄，《簠室殷契徵文．考釋．第一編》（天津：天津博物院石印本，1925），頁 2；容庚、瞿潤緡，《殷契卜辭》（1933 年），收入氏著《容庚學術著作全集．第一冊》（北京：中華書局，2011），頁 171、245-246。
• [3] 董作賓，〈新獲卜辭寫本後記〉，收入《安陽發掘報告（第一期）》（臺北：中央研究院歷史語言研究所，1929；1996 年景印一版），頁 212；屈萬里，《殷虛文字甲編考釋》（臺北：聯經出版公司，1984）；張秉權，〈序〉，收入氏編著《殷虛文字丙編．上輯（一）》（臺北：中央研究院歷史語言研究所，1957），頁 3-4。
• [4] 中國社會科學院考古研究所編著，《小屯南地甲骨》上、下冊（北京：中華書局，1980、1983）。中國社會科學院考古研究所編著，《殷墟花園莊東地甲骨》（昆明：雲南人民出版社，2003），頁 1575、1683。
• [5] 林宏明，《甲骨文中的塗朱卜辭研究》（科技部補助專題研究計畫成果報告，編號：NSC 102-2410-H-004-172，未出版，2014 年 10 月 30 日），頁 4；林雅雯，〈甲骨塗辭研究：以塗朱甲骨為核心〉（臺北：國立政治大學中國文學系碩士論文，2016），頁 83。
• [6] Anton Alexander Benedetti-Pichler, “Microchemical Analysis of Pigments Used in the Fossae of Incisions of Chinese Oracle Bones,” Industrial and Engineering Chemistry 9, no. 3 (March 1937): 149-152. 同年，白瑞華（Roswell S. Britton）發表文章介紹前者的研究成果，並據此認為甲骨塗朱的顏料即為硃砂。見 Roswell S. Britton, “Oracle-Bone Color Pigments,” Harvard Journal of Asiatic Studies 2, no. 1 (March 1937): 1-3.
• [7] 郭瑞、楊麗琴、楊璐，〈拉曼光譜法在彩繪文物分析中的應用進展〉，《光散射學報》，第 25 卷第 3 期（2013 年），頁 235-242。
• [8] 馮澤陽、張衛紅、鄭穎、朱鐵權、陳建，〈2000 年以來拉曼光譜在考古中的應用〉，《光散射學報》，第 28 卷第 1 期（2016 年），頁 27-41。
• [9] 柯維盈、林百尉、劉致慧、黃銘崇、陳光宇，〈甲骨刻辭之塗色及其意義——以 YH127 坑為例〉，收入《第二十一屆中區文字學學術研討會論文集》（臺中：逢甲大學中文系，2019 年），頁 1-48；陳光宇、劉致慧、柯維盈、林百尉、黃銘崇，〈甲骨刻辭塗色的拉曼光譜分析〉，收入宋鎮豪主編，《甲骨文與殷商史》新十輯（上海：上海古籍出版社，2020），頁 458-474；陳光宇、劉致慧、何毓靈、柯維盈、黃銘崇，〈殷墟出土甲骨、文物、棺土的拉曼光譜分析〉，《古今論衡》，37 期 （2021.12），頁 73-89；Jhih-huei Liu, Weiying Ke, Ming-chorng Hwang, Kuang Yu Chen, “Micro-Raman Spectroscopy of Shang Oracle Bone Inscriptions,” Journal of Archaeological Science: Reports 37 (2021), doi:102910. Available at ScienceDirect.com: https://doi.org/10.1016/j.jasrep.2021.102910. Jhih-huei Liu, Yuling He, Weiying Ke, Ming-chorng Hwang, Kuang Yu Chen, “Cinnabar Use in Anyang of Bronze Age China: Study with Micro-raman Spectroscopy and X-ray Fluorescence,” Journal of Archaeological Science: Reports 43 (2022), doi:103460. Available at ScienceDirect.com: https://doi.org/10.1016/j.jasrep.2022.103460.
• [10] 陳夢家，《殷墟卜辭綜述》（北京：中華書局，2008），插圖一。
• [11] 本文釋文參考張秉權，《殷虛文字丙編考釋》（臺北：中央研究院歷史語言研究所，1972）；朱岐祥，《殷虛文字丙編選讀》（臺北：台灣學生書局，2021）。