為何明明是唸科學學位，卻成了哲學博士（Ph.D.）呢？——《物理雙月刊》

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

• 作者 / 陳瑞麟｜中正大學哲學系教授，對於理解我們生存的自然與社會世界有高度的興趣，相信理解世界最好的方式是結合哲學與科學。

什麼是「科學哲學」？哲學家心中的科學哲學，與科學家心中的科學哲學是一樣的嗎？想了解科學哲學，首要的問題就是「科學是什麼」，為此我們需要一個分類人類活動的認知理論，再建立一個科學哲學理論，才能完整地回答這個問題。而在 19 世紀前，科學和哲學尚未分家，科學就是自然哲學；到了 20 世紀後，也仍有許多科學家對哲學深感興趣，並將其科學／自然哲學思考寫入科普著作中，展現他們的科學哲學思考。

筆者是個科學哲學的專業研究者，每年都會在哲學系開設相關課程，也經常有理工與社會科學系的同學來選修。根據經驗，歷來修過這堂課程的同學大致有兩種反應：一種在課業表現上優於哲學系同學；另一種則逐漸地消失在課堂上。

我沒有機會調查後者的反應，但我猜測可能是教學內容與他們預先期待的有所落差，也許他們心目中的科學哲學不是哲學系課堂所授的模樣？

你心中的科學哲學是什麼？

或許科學哲學有兩種？一種是哲學家的科學哲學，另一種是科學家的科學哲學。兩者的思想並非截然不同，而是密切相關，只是關注的重點略有不同。

科學家透過測量、觀察、實驗、數學、模擬、計算等各種科學方法，發現自然的定律或機制，並建立科學假說與理論來認識與理解我們生存的世界。

然而，這些科學方法通常運作在抽象符號或數量上，它們表示什麼意義？揭示了什麼樣的世界實況 （reality）？科學家必須提供說明與詮釋，而他們的詮釋構成自然哲學的傳統。

哲學家一方面想認識與理解我們生存的世界，另一方面則對科學家的活動與詮釋深感好奇，雙重興趣使他們採取比較迂迴的路線。

那便是透過閱讀、分析、反思，比較過去與現在科學家的種種理論、思想、活動來了解科學，從而認識、理解並反思科學所揭示與詮釋的世界，甚至進一步建立哲學家自己的世界觀，形成了今天所謂的「科學哲學」。

哲學家的科學哲學

科學哲學的首要問題是「科學是什麼」，其反面則是「科學不是什麼」，兩者共同蘊涵了「科學與非科學」的區分。

很多科學家十分在意非科學的從業者，例如占星者或算命者，偽稱自己的行業是科學，因此如何分辨科學與偽科學就成了科學哲學的一個核心任務。

哲學家波普（Karl Popper） 用「可否證性」 （falsifiability） 來定義「科學性」，主張能被否證的理論或假設才有資格成為科學。

但我們又該如何否證一個科學假設呢？只要找到一個反例就行了，例如「所有生物體都由細胞構成」的假設，會被一個「不是由細胞構成的生物體」否證。

然而，做為科學性定義的「可否證性」本身會不會有反例？就像我們似乎無法找到反例，以否證宇宙起源的大霹靂 （Big Bang） 假說？反過來說，如果現代占星家承認自己的預測可以否證，是否就可以被列入「科學」的行列之內？

事實上，我們很難透過一個簡單的定義來回答「科學是什麼」。

回答任何「 X 是什麼」的問題總是免不了分類系統的建立，例如在科學上我們想回答「現代智人 （homo sapiens） 是什麼」就得了解關於「人種、人屬、人科」的分類與相關理論。

回答「科學是什麼」的問題亦然，我們甚至需要一個「分類人類活動的認知理論」，並建立一個科學哲學理論，才能完整地回答這個問題。波普的可否證性也不是一個簡單的定義，而是一個系統性的否證論。

科學進展到現在已經發展出一個龐大的系統，包含大量形形色色的知識，諸如假說、理論、定律、模型等，以及產生那些知識的種種方法和工具，還有建立與應用知識的活動或實作，概括了探索、說明、解釋、預測、實驗、模擬、干預、控制、改造等，並構成一個複雜而長遠的歷史，發生過革命性的變遷。

如果我們想徹底了解「科學是什麼」，就得探討上述各個主題，也就是科學知識的本質、科學方法的本質、各種科學活動的特性、科學的歷史演變等，其相應的名目就是「科學方法學」、「科學知識論」、「科學實作的哲學」、「科學史的哲學」等，這一切構成了「科學哲學」這門領域的內容。在這方面，國內已經有不少紙本書籍與線上文章能供讀者參考，可見文末的資訊欄。

進行哲學思考的科學家

在 19 世紀之前，科學和哲學尚未分家，科學就是自然哲學。

專業的科學哲學也是建立在 19 世紀末如馬赫 （Ernst Mach） 、龐加萊 （Henri Poincaré） 、杜恩 （Pierre Duhem） 等科學家手上，然後在 20 世紀上半葉發展成一門專業，至今已有 100 多年的歷史。

雖然今日多數在思考、談論、教學、研究科學哲學的人是哲學家，但這並不意味科學家沒有貢獻。 20 世紀之後仍有許多科學家對哲學深感興趣，他們經常將自己的科學／自然哲學思考寫在其科普著作中，形成一個深厚的傳統，例如：

• 海森堡 （Werner Heisenberg） 的《物理學與哲學》（Physics and Philosophy: The Revolution in Modern Science）
• 薛丁格 （Erwin Schrödinger） 的《生命是什麼？》（What Is Life?）
• 莫納德 （Jacques Monod） 的《偶然與必然》（Chance and Necessity: Essay on the Natural Philosophy of Modern Biology）
• 道金斯 （Richard Dawkins） 《自私的基因》（The Selfish Gene）
• 維爾澤克 （Frank Wilczek） 《萬物皆數》（A Beautiful Question: Finding Nature’s Deep Design）和《物質之輕》（The Lightness of Being: Mass, Ether, and the Unification of Forces）
• 葛林 （Brian Greene） 的《眺望時間的盡頭》（Until the End of Time: Mind, Matter, and Our Search for Meaning in an Evolving Universe）

然而對於專業科學家來說，他們更感興趣的是「世界的起源」、「物質的起源」、「生命的起源」、「心智／意識的起源」、「語言的起源」、「宗教信仰的起源」等在傳統上屬於形上學 （metaphysics）^[註]的問題，他們企圖透過各個相關的科學理論推論並回答。

不管答案的依據是什麼，他們的思想和論述都超出了科學的界限，進入哲學的層次，換言之，科學家此時在作科學哲學、科學形上學。

臺灣的科學哲學

其實臺灣同樣也有科學家在進行哲學書寫，例如天下出版社「科學文化」書系的幾位策劃人林和、李國偉、周成功等寫作的科普譯書導讀，又如物理學家高涌泉的《科學人：非物理不可》與他在《科學人》雜誌中的長期專欄「形上集」，以及免疫學家楊倍昌更偏向學術性的科學哲學作品《變遷：生醫實驗室的知識拼圖》，並與臺灣的科學哲學家對話。

筆者相信這些臺灣的科學家，在「科學家的科學哲學」上，已經提供可資學習的典範，期待透過《科學月刊》的引介，臺灣未來有年輕一代的科學家走上哲思之道，持續發展本土科學家的科學哲學。

註解

• 哲學的核心部門，研究最根本與最抽象的「存在」、「實在」、「世界」、「時空」、「範疇」、「物質」、「心智」、「個體」、「共性」等概念的哲學。

尋找更多科學哲學的資訊

筆者已經在網路上刊過一些介紹性的文章，以下分成三部分提供資訊，希望有興趣的讀者能按圖索驥，以探索更多科學哲學內容。

一、關於科學與偽科學的區分問題

• 陳瑞麟，〈【科哲絮語】占星學的巫術性與科學性〉，《想想副刊》， 2018 年 4 月 29 日。
• 陳瑞麟，〈【科哲絮語】怎樣才算是科學？或者，一門學問的科學性程度有多高？〉，《想想副刊》， 2018 年 11 月 4 日。
• 陳瑞麟，〈第三問  如何寫自然哲學與科學史？科學編史方法學的問題〉，《人類怎樣質問大自然》，八旗文化， 2020 年。

二、科學哲學的理論與歷史：

• 陳瑞麟，《科學哲學：理論與歷史》，群學， 2010 年。
• 陳瑞麟，《科學哲學：假設的推理》，五南， 2017 年。
• 陳瑞麟，《人類怎樣質問大自然》，八旗文化， 2020 年。
• 陳瑞麟，〈當代科學哲學的發展〉，哲學新媒體， 2021 年。
• 線上《華文哲學百科》「科學哲學」部分現有的每個詞條。

三、科學家的科學哲學：

• 陳瑞麟，〈科學家的哲學思考，探討世界起源的科普書寫──《眺望時間的盡頭》〉，故事 StoryStudio ， 2021 年。
• 林義宏，〈科普能改變文化？中正陳瑞麟破解科普書籍暢銷秘訣〉，人文・島嶼， 2021 年。

• 〈本文選自《科學月刊》2021 年 8 月號〉
• 科學月刊／在一個資訊不值錢的時代中，試圖緊握那知識餘溫外，也不忘科學事實和自由價值至上的科普雜誌。

文／洪廣冀｜臺灣大學地理環境資源學系

《大自然的藝術：圖說世界博物學三百年》是本「很好看」的書。說這本書好看，並不只是因為作者朱蒂絲．瑪吉讓人折服的生花妙筆，也不只是因為該書收錄的上百幅活靈活現的博物學插畫──更重要的，我認為，這是一本把「看」──或者說「觀察」（observation）──當成全書核心的書。

科學與藝術的一線之隔？

正如瑪吉所說的，「雖然博物學插畫家在繪製標本時，總是盡可能力求逼真，但是，成為描繪題材的對象，總是經過精挑細選的。不同程度的比例更動，操控描繪題材以符合設計，將描繪題材與其他沒有自然關聯的動植物並置，以及將藝術家本身對其他不同地域的植物相、動物相、景觀、人民的先入之見投射在描繪題材上，都無可避免地影響了博物學的展現方式」。

「博物學藝術可以說是一種從歐洲人的觀點來觀看自然世界的方式」，瑪吉強調，「而且其所揭露的，不只是它所描繪的博物學而已，同時也展示出了歐洲的文化史」。

就初次接觸到博物學（natural history）此詞彙的讀者而言，對瑪吉這段描述或許會感到驚訝。難道「博物學插畫家」的工作不就是把所見事物如實地「複寫」到圖紙上嗎？

如果說「博物學藝術」反映的是「歐洲人的觀點來觀看自然的方式」，那麼，這樣帶有觀點的博物學是不是一點都不「客觀」？更不用說是種「科學」了。更進一步，當各位翻閱瑪吉悉心挑選的圖片，在讚嘆其精美與精準度之餘，會不會油然而生一類慨嘆：在攝影技術如此普及的今日，這樣講求精準與精確、卻無可避免地帶有特定觀點的「博物學藝術」，想必早已式微、成為收藏在博物館中、等待如瑪吉這樣的專家方能揭露其過去的「藝術品」了吧？

從科學史的角度，諸如此類的驚訝與慨嘆其實涉及一個更根本的問題：到底以觀察、分類與描述為基礎的博物學在什麼程度上算作一種科學？長期任職於倫敦自然史博物館、且出版數本叫好又叫座之科學史著作的瑪吉，實際上已在書中提供了一個非常科學史的答案──只是，由於《大自然的藝術》是以亞洲、非洲、美洲這樣的地理區域來劃分，讀者不見得能夠從瑪吉提供的眾多細節中拼湊出博物學在十七至十九世紀這三百年間的發展軌跡。有鑒於此，這篇導讀希望能協助讀者著手如此拼湊的動作。

博物館學發展軌跡　實驗哲學的重要性

讓我們先回到瑪吉所稱的博物學插畫「開始大量出現」的十八世紀。當時的博物學者，在努力栽培來自世界各地的奇花異草、編纂各地的植物誌與動物誌，從而發展一種完全奠基於自然、無人為主觀因素涉入的「自然分類法」之餘，不時得運起全身功力抵禦著來自「自然哲學家」的批評。為什麼呢？因為，從自然哲學家的眼光看來，「博物學」這學科不過就是採集、觀察與記錄，其得到的知識是破碎的，難以放諸四海皆準；與幾何學──少數為當時自然哲學家認可的知識形態──強調的演繹、推理、證明等方法相較，博物學完全沒有資格被稱為自然哲學的一支。

不過，正所謂「敵人的敵人就是我的朋友」──第一代的博物學者們，與其花時間跟這些眼中只有數字與證明的自然哲學家們打交道，選擇了與當時正逐漸挑戰傳統自然哲學之正當性的另一門哲學：「實驗哲學」。

所謂的實驗哲學，正如英國自然哲學家波義耳（Robert Boyle, 1627-1691；波義耳定律的發現人）主張的，即研究的目的與價值並不只是透過推理與證明來獲得放諸四海皆準、顛仆不破的普遍知識而已。在實驗室中孜孜矻矻地做實驗，儘管實驗器材常出狀況、做了十次實驗只有七次結果相互一致諸如此類的問題，透過實驗得到的知識──或者說「事實」（matter of fact）──本身還是有其價值。因為大自然是一個精巧的機械，要了解此機械的運作機制，除了做實驗一途外，別無其他。更重要的，如果說做實驗是理解自然此精巧機械的唯一手段的話，那麼，實驗室便是一扇重要的窗，讓研究者得以窺見此機械的打造者──或者說造物者──的心靈。

這樣在科學史中會被歸為「機械論」或「自然神學」的立場，在很大程度上成為十八世紀博物學得以興起、且在歐美社會誘發出一陣陣採集熱的「理論基礎」。正如十八世紀著名的自然神學家佩利（William Paley, 1743-1805）所說的，如果你在路上看到一個錶，你絕不會認為這個錶是憑空冒出來的──你一定會假設某個鐘錶匠製造了這個錶，然後將它遺留在路上的。同樣的，當你看到自然界中的種種構造精妙的生物及其對環境的完美適應，你必得假設自然界中存在個鐘錶匠（watchmaker）。

換句話說，就十八世紀博物學者的角度，當他們漫步在野地採集蕨類、在海邊收集貝殼、與駐守博物館的學者們通信、與同好交換標本的時候，這些狀似瑣碎的「實作」之所以有意義，便是因為他們相信，這世界是設計過的，只要你依循一定的準則，你就可以逐步發現隱藏在大自然背後的藍圖。

林奈分類法為何能廣為人知？

教導世人如何發現這大自然藍圖的關鍵人物為瑞典博物學家林奈（Carl Linnaeus, 1707-1778）。眾所週知，林奈以其在命名學（nomenclature）與分類學（taxonomy）上的貢獻聞名於世──較少為人知的是，林奈之所以能做出這些貢獻，關鍵或許不是他提出一個完全客觀、放諸四海皆準（或說讓四海心悅誠服）的分類體系。

科學史家已經告訴我們，林奈的成功其實仰賴特定的「書面技術」，才得以讓其倡議的以花朵（或說植物的生殖器官）為中心的「性分類體系」（sexual system of classification）得以為大眾所接受。在解說由美國採集家威廉．巴特蘭（William Bartram, 1739-1823）繪製的富蘭克林茶（Franklinia alatamaha）時，瑪吉提供了一個極佳的案例，說明林奈的「書面技術」到底是什麼回事。

「這一幅描繪富蘭克林茶的畫作」，瑪吉寫道，「完全符合一幅植物插畫所應具備的所有必要條件。這樣一種繪畫風格，通常被稱作林奈繪圖法（Linnaean method），或者說，是一種繪製插畫的習慣性做法──在這些插畫中，就如同約瑟夫．班克斯所言，『每張圖都試著回答植物學家就植物的形態結構而想問的問題。』」。

另一讓林奈分類法得以廣為人知的作品為羅伯特．桑頓（Robert Thornton）於一七九九年至一八〇七年出版的《佛洛拉之神殿》（The Temple of Flora）。佛洛拉為神話中掌管植物的女神，而林奈則將之引申為「植物相」的代名詞。

之所以做如此的引申，按照林奈的觀點，某地的植物相為造物者按照該地的自然環境所打造，而研究植物相的目的便是彰顯造物者在撮合植物與其生育地間時的「完美設計」。為了闡明這樣的觀點，正如瑪吉指出的，桑頓精心繪製了「將近三十幅大型的花卉彩色版畫，它們是首度擺置在描繪植物之自然棲息地的景致中的花卉插畫」。

的確，在這些版畫中，我們看到的不僅是關於「花」這個生殖器的細緻描寫，也可體會該植物與環境間的一種和諧、靜謐甚至超然的氛圍。簡言之，不論巴特蘭，抑或桑頓，他們關心的與其說是要「如實地」呈現這些植物於自然中的模樣，倒不如說它是一幅地圖。

想像你來到一個陌生的地鐵站，你覺得自己被困在熙攘的人群中而手足無措。這時你會怎麼做？一個選項便是找到該車站的示意圖，從確定自己的相對位置出發，按圖索驥地找到你鎖定的出口。同樣的，十八世紀的博物學採集者或藝術家之所以要大費周章地繪製插圖或製作版畫，目的之一便在於推廣甚至是「標準化」（standardize）一種「看的方式」，讓有志於從事自然採集或觀察的民眾不會迷失在大自然彷彿無窮無盡的細節中。大自然有其藍圖，十八世紀的博物學者與他們的粉絲告訴我們，但它不會自然而然地浮現在眼前。

浪漫主義：用身體丈量的洪堡式科學

這樣建構在機械論與自然神學上的博物學與博物學藝術並不乏批評者。十九世紀上半葉，對機械論有所不滿的博物學者逐漸集結在一個以歌德（Johann Wolfgang von Goethe, 1749-1832）、席勒（Friedrich Schiller, 1759-1805）為中心的知識傳統下：浪漫主義（Romanticism）。

為了反對機械論者把自然視為造物者打造的精密機械，浪漫主義者堅稱必然有種帶有神性的能量，於自然中自然而然地流動；為了反對機械論者主張的、探究自然意味著把自然拆解開來、以各類儀器一一剖析，浪漫主義者主張整體必然有其獨立、不可化約為部分之加總的性質。我們得把自己想像成一顆「透明的眼球」（transparent eyeball），浪漫主義者主張，因為身體是萬物的尺度。

瑪吉引用了德國探險家與自然哲學家洪堡（Alexander von Humboldt, 1769-1859）的一段話來說明浪漫主義者試圖以身體來「丈量世界」的企圖：「他『受到一種未知的渴望所驅策，一種對於遙遠與未知事物的渴望，一種對於可以激發我所想像之事物的渴望：在海上遭遇的危險、對冒險的渴望，以及從一個無趣的日常生活轉換至一個奇妙、不可思議的世界的可能性』」。

的確，如果說林奈是十八世紀博物學的教主，十九世紀的博物學便是由洪堡獨領風騷，其在科學界與社會大眾間的影響力甚至還高過達爾文。同樣的，洪堡的影響力仰賴特定的「書面技術」。對此，瑪吉挑選了收錄在洪堡《自然圖像》（Tableaux de la Nature）中的插圖。與前述巴特蘭與桑頓的植物圖相較，我們可看出，讓洪堡關切的，與其說是個別植物與其生育地的關係，倒不如說是這些植物構成的群體（或說「植群」）與緯度、生育地海拔等自然條件間的關係。

精準地分類與描述自然界中的個別物種儘管重要，洪堡告訴他的讀者，更重要的是超越以物種為單位的分析取向，以身為度地掌握自然界整體的性質。這樣被科學史家稱為「洪堡式科學」（Humboldtian science）影響了一整代的博物學者，包括在洪堡過世的一八五九出版《物種原始》（On the Origin of Species）的達爾文，乃至於自稱為達爾文之天擇（natural selection）的信徒、其對自然的態度卻更接近法國自然哲學家拉馬克（Jean-Baptiste Lamarck, 1744-1829）之「用進廢退說」的海克爾（Ernst Haeckel, 1834-1919）。

瑪吉的分析即停在海克爾，特別聚焦在其以形式（form）為主要關懷的博物學與書面技術。當然，這並不意味著博物學與其多樣的書面表現便自此成為科學史中的一頁。或許在當今的學術分類中已沒有博物學存在，而是分化為植物學、動物學、生理學、演化學等學科，但強調觀察、分類與描繪的博物學傳統，以及讓該傳統得以成為一門嚴肅學問的書面技術，於今日的科學研究中依然強勁──光看晚近台灣生醫界因圖像的重置、重製與修正衍生的巨大爭議便可略知一二。

當然，在這個圖像表現的方式、手法與媒介均與十八、十九世紀大有不同的今日，到底出現在科學論文中的圖像是如何「揭露」自然界背後的藍圖，乃至於此揭露手法反映何種視覺文化，就是另一個故事了。

隱形的技師與繪畫的觀看者

說《大自然的藝術》是本「很好看」的書還涉及另一個層次：到底誰在執行這些「看」的動作？的確，瑪吉提及了一些在科學史中大名鼎鼎的人物，像是林奈、洪堡、達爾文、華萊士與海克爾等人，但瑪吉的興趣其實是放在如巴特蘭、桑頓這些名不見經傳的採集者、畫師或藝術家（事實上，即便瑪吉的確提及達爾文這樣的科學明星，焦點往往放在他們出道前的經歷）。就科學史的角度，這樣視角的調整實為過去二、三十年來研究與寫作上的重要突破。

正如科學史大家史蒂芬．謝平於〈隱形的技師〉（invisible technician）一文中指出的，長久以來，科學史研究者花費大量心神分析科學家如何自實驗數據或標本中提煉出關於大自然的理論，卻對協助科學家從事實驗的「技師」視而不見。不過，謝平指出，這樣對技師的忽略也不見得是科學史研究者的錯：畢竟，證諸已出版的科學著作，這些技師如果不是被抹去其臉孔、成為論文謝詞中的一個名字，便是被「被戴上」一張張不在意酬勞、一心只想獻身科學、散發著小天使般聖潔光輝的面具。謝平認為，這樣將技師予以缺席的科學寫作與十八世紀興起的「紳士科學」（gentlemanly science）息息相關。

如前所述，當時的實驗科學家，為了要應付來自自然哲學家的批評，主張「眼見為憑」的「事實」應為科學研究的核心。但所謂的「眼見為憑」到底是誰說了算呢？答案是被當時社會認為最可信賴的「紳士」。不過，你或許會問，除了信賴度以外，有沒有什麼更具體的判準，讓人們可以一眼鑒別誰是紳士、誰只是尋常的販夫走卒？

有的。如果你的家境富裕，讓你可在閒暇時刻全心投入研究工作、而不用靠研究謀生的話，你就有更高的機會會被認定為言而有信、知行合一的紳士科學家。在這樣的氛圍下，無怪在實驗室工作中的技師──或者以十八世紀的術語，以其在研究中的勞動投入換取工資的「僕役」──沒有在科學著作中的一席之地。

不難理解，如謝平描述的現象也同樣出現在十八世紀以降的博物學研究中。正如瑪吉所說的，「沒有哪一個時期的藝術家，可以比十八世紀的藝術家更有希望藉由描繪大自然來為自己謀取生存的機會」，這一方面意味著隨著博物學研究的風行、懷有一身絕技卻往往身無分文的藝術家可勉強維持水準以上的生活；另方面，相較於洪堡、達爾文這樣家境富裕的「紳士博物學家」，這些希望透過博物學藝術求得溫飽的藝術家，在博物學研究中取得一席之地之餘，相當弔詭的，他們的身影往往在博物學史寫作中遭到抹去。就如同謝平於〈隱形的技師〉中試著為實驗室中工作的技師翻案，瑪吉的《大自然的藝術》為結合大量史料、讓博物學藝術家可以與他們的作品一同現身的傑出作品。

《大自然的藝術》是本很好看的書──希望這篇導讀能提供一些線索，讓讀者可按圖索驥，摸索一套方法來看這本很好看的書。最後，還是要提醒各位，瑪吉試圖描繪的年代並沒有離我們遠去。當我們戲謔地在朋友的臉書發文下留下「發文不附圖，此舉不可取」等文字，當我們煞費苦心地搜索圖片、為即將來臨的口頭報告配圖，當我們努力地調整身體與手機間的角度、以嘟嘴與小臉的自拍留下「到此一遊」的證據時，我們仍然活在那個眼見為憑的世界。

正如瑪吉所說的，「文字可能是抽象的、模擬兩可的，而且容易誤解或誤譯，相對地，憑藉純熟技巧與高超精準度所繪製的圖像，卻可以描繪出與所有人息息相關的現實。圖像提供了親眼可見的事實，因此可以主張，文字將會成為圖像的附屬品」。

本文摘自《大自然的藝術：圖說世界博物學三百年》，暖暖書屋出版。