Loading [MathJax]/extensions/tex2jax.js

0

1
0

文字

分享

0
1
0

徐壽誕辰|科學史上的今天:2/26

張瑞棋_96
・2015/02/26 ・1088字 ・閱讀時間約 2 分鐘 ・SR值 560 ・八年級

同治元年(1862 年)春,已是中年的徐壽偕同小他十五歲的同鄉青年華蘅芳來到兩江總督曾國藩營中。一年多前英法聯軍才打進北京,火燒圓明園,「師夷長技以制夷」的洋務運動已刻不容緩。他們兩人因一起研究西學、仿製西方器械而頗有盛名,因而以「才能之士,能通曉制造與格致之事者」的資格,受到曾國藩的保舉任用。

徐壽。圖/wikimedia

面對曾國藩的讚揚與期許,徐壽感慨萬千。一方面,他為父母雙雙早逝,無緣親見他未經科舉考試卻仍能獲得朝廷重用而感到遺憾,另一方面,卻又感到心虛,因為他當初放棄傳統仕途,潛心研究西學,可不是有什麼深謀遠見或救國抱負,純粹是因為對科學的興趣罷了。

他一開始就深受中國歷代的科技典籍所吸引,舉凡算術、天文、曆法、音律、礦學等等,他無一不感興趣。接觸明末清初由傳教士引進的西方科學翻譯著作後,發現其內容有條有理,詳述基本原理與推演過程,更令他大為傾心,於是轉而全心研究西學,不僅吸收其中的科學知識,還按圖索驥,動手實作書中的科學實驗。例如他會特地到上海購買器材來做書中的化學實驗;也曾將水晶印章磨製成三稜鏡,以驗證光的折射實驗;還買來洋槍,與華蘅芳兩人一起研究拋物線運動。

靠著這樣的研究態度,徐壽對於所接觸的科學知識不僅知其然,還知其所以然。因為掌握了背後的原理,徐壽在仔細觀察過實物後,就能做出同樣的器械,例如複雜的自鳴鐘。來到曾國藩的麾下後,他也不負所望,在三年內就成功打造出中國第一艘蒸汽輪船「黃鵠號」。這艘輪船的設計與建造完全沒有假手外人,徐壽也因此獲頒「天下第一巧匠」的匾額。

-----廣告,請繼續往下閱讀-----

但徐壽更在意的始終是基本的科學原理,而非巧技。經過幾年的造船任務後,徐壽終於如願在 1868 年設立翻譯館,專責翻譯西方的科學書籍。他親自與英國人傅蘭雅 (J. Fryer) 合譯《化學鑑原》一書;除了金、銀、銅、鐵等等已有慣用名稱之外,針對其它尚無譯名的元素,他們首創將元素英文名稱的第一音節或次音節譯為漢字後,再依元素的類別冠以不同部首。鋰、鈉、鎂、鎳、硒、碘、鈣、鈹、……等 24 個元素即為他們所命名,而他們發明的化學元素命名方式也沿用至今。

徐壽深感科學教育的重要,又在 1876 年開辦了「格致書院」,專門培養科技人才;並於同年支持傅蘭雅出版《格致匯編》科技期刊,介紹西方的科學技術。徐壽晚年即搬入格致書院的寓所,最後亦病逝於此,他的努力終究來不及挽回中國的傾頹。

本文同時收錄於《科學史上的今天:歷史的瞬間,改變世界的起點》,由究竟出版社出版。

-----廣告,請繼續往下閱讀-----
文章難易度
張瑞棋_96
423 篇文章 ・ 1028 位粉絲
1987年清華大學工業工程系畢業,1992年取得美國西北大學工業工程碩士。浮沉科技業近二十載後,退休賦閒在家,當了中年大叔才開始寫作,成為泛科學專欄作者。著有《科學史上的今天》一書;個人臉書粉絲頁《科學棋談》。

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

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。

鳥苷三磷酸 (PanSci Promo)_96
225 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

2
0

文字

分享

0
2
0
從門得列夫到 118 種元素:元素週期表是怎麼出現的?
F 編_96
・2025/01/04 ・2302字 ・閱讀時間約 4 分鐘

F 編按:本文編譯自 Live Science

「氫鋰鈉鉀銣銫砝、铍鎂鈣鍶鋇镭…」相信很多人離開高中很多年,都還朗朗上口。

列著 118 種已知化學元素的「元素週期表」(Periodic Table),雖然唸起來像咒文,但有了它之後便能夠快速查詢原子序(proton number)、價電子(valence electrons)數量,以及元素可能的化學性質,成為各領域科學家與工程師設計實驗、預測物質反應必不可少的工具。

有趣的是,元素週期表並非一蹴可及。縱觀歷史,化學家們歷經數世紀的摸索、爭論與資料整理,才在 19 世紀後半葉逐漸確立。

我們現在看到的元素週期表,是在 19 世紀後半才逐漸確定。 圖/unsplash

週期表之父:門得列夫的突破

19 世紀中葉,已知的化學元素約有 63 種,許多化學家嘗試找出元素間的共同點,卻苦無系統性整理。當時能區分「金屬」與「非金屬」,或利用價電子概念將一些元素歸類,但要涵蓋大多數元素仍顯不足。俄國化學家門得列夫在撰寫《化學原理》教科書時,因接觸各元素的資料而產生新思路。他索性把已知元素各種性質寫在紙卡上,再一一比對它們的原子量(類似當今的原子量或原子序概念)與化學性質。

-----廣告,請繼續往下閱讀-----

確切的靈光乍現時刻,如今已無從完全重現,但我們知道門得列夫最後觀察到:「如果按照原子量(或後來的原子序)由小到大排列,某些化學性質就會呈週期性重複。」進一步來看,元素的價電子數量通常也會對應到表格的「欄位」或「族群」。於是,在 1869 年,他將研究結果發表,提出了第一版週期表的雛形,更大膽預言了尚未被發現的元素「eka-aluminium」(後來證實即鎵 gallium)及其他四種元素的性質。

讀懂週期表:原子序、符號與原子量

今日的週期表之所以能快速讓人獲得豐富資訊,關鍵在於三個核心欄位:

  1. 原子序(Atomic Number)
    代表該元素核內所含質子數。如果一原子核有 6 顆質子,就必定是碳(C),無論其他中子或電子數如何。此序號由上而下、由左而右遞增,貫穿整張表格。
  2. 元素符號(Atomic Symbol)
    多為一至兩字母縮寫,如碳(C)、氫(H)、氧(O)。但也有如鎢(W,因「Wolfram」得名)或金(Au,取自拉丁文「Aurum」)等較不直覺的符號。
  3. 原子量(Atomic Mass)
    表示該元素在自然界中各同位素的加權平均值,故通常是帶小數的數字。對合成元素則標示最常見或最穩定同位素的質量,但由於這些元素壽命極短,數值往往會被不斷修正。

舉例來說,硒(Se)在週期表中顯示原子序 34,屬於第 4 週期、第 6A 族,表示它有四層電子軌域,其中最外層(價電子層)有 6 顆電子。有了這些資訊,科學家可快速判斷硒的化學傾向、可形成何種化合物,乃至於在生物或工業應用中可能扮演的角色。

週期表的內部結構:週期、族與軌域

門得列夫最初按照原子量遞增排列元素,現代則依靠原子序(即質子數)來分類。橫向稱為「週期」(Period),從第 1 週期到第 7 週期;縱向稱為「族」(Group),目前總共有 18 組。週期數量在於顯示該元素電子軌域有幾層;而同一族則代表外層價電子數相同,故有相似化學性質。

-----廣告,請繼續往下閱讀-----

例如,第 18 族常被稱作「貴氣體」或「惰性氣體」,如氦(He)、氖(Ne)、氬(Ar)等皆不易與其他元素起反應。另一個顯著群體是位於第一族的鹼金屬(Alkali Metals),如鋰(Li)、鈉(Na)等,因外層只有 1 顆電子,極容易失去該電子而形成帶 +1 價的陽離子,故與水猛烈反應。

此外,在表格中央有一塊「過渡元素」(Transition Metals)區域,包括鐵(Fe)、銅(Cu)、鎳(Ni)、金(Au)、銀(Ag)等。它們具有部分填充的 d 軌域,使得該區域的元素呈現多樣性質,例如具有金屬光澤、可塑性或導電性等,被廣泛應用於工業及工程領域。

同一族的外層價電子數相同,因此大多有著相似化學性質。圖/unsplash

再進化:從 63 種到 118 種

當門得列夫在 1869 年發表週期表時,已知元素只有 63 種,表格中甚至留有空白以預留「未來或存在尚未發現的元素」。他果然預測到了鎵(Ga)以及日後證實的日耳曼ium(Ge)等新元素性質,贏得舉世矚目。隨後,有越來越多元素透過科學發展,尤其是光譜分析與放射性研究而被發現,例如鐳(Ra)和氡(Rn)等。

到 20 世紀後期,隨著粒子加速器的誕生,人類可以合成更重的超鈾元素(Atomic Number > 92)。這些人工合成元素往往極度不穩定,壽命僅能以毫秒或微秒計,但仍證實存在、並填補週期表後段空白。如今,週期表已收錄到第 118 號元素「鿆(Og,Oganesson)」,但科學家預測或許還能繼續向上延伸;只要能合成更重、更穩定的原子核,我們就能拓展週期表的新邊境。

-----廣告,請繼續往下閱讀-----

一般認為,隨原子序遞增,原子核內部的質子數目激增,原子愈趨不穩,往往在極短時間內衰變成較輕元素。然而,一些理論物理學家提出「島狀穩定性」(Island of Stability)的概念:也許在某特定質子與中子數量組合下,能出現意外長壽的「穩定」重元素。

是否真能在表格上方再增添「第八週期」甚至更高週期的列,仍有待更多實驗來驗證。但無法否認的是,週期表一直是科學家檢驗自然規律的試驗場,也見證了人類探索未知的無盡熱情。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

F 編_96
20 篇文章 ・ 1 位粉絲
一個不小心闖入霍格華茲(科普)的麻瓜(文組).原泛科學編輯.現任家庭小精靈,至今仍潛伏在魔法世界中💃

0

1
1

文字

分享

0
1
1
「科學」能有價值觀嗎?堅持「客觀」反而讓民眾失去信任?——《為何信任科學》
貓頭鷹出版社_96
・2024/05/26 ・3357字 ・閱讀時間約 6 分鐘

科學這門事業並非價值中立,個別科學家也不是。沒有任何人可以真正做到價值中立,當科學家這樣講自己,人們會覺得他們虛偽,因為那是不可能的。除非他們是白痴學者或超級天真,不然就是不誠實。然而誠實、開放和透明又被認為是科學研究的核心價值。科學家怎麼可能同時做到誠實,又說他們沒有自己的價值觀?如果科學家要堅守誠信,同時卻讓大眾誤解他們的角色(就算不是故意的),這會讓他們的事業出現根本的矛盾。

可能有人會反駁,科學家並不是說他們沒有自己的價值觀,只是不會允許這些價值觀影響到科學工作。這種論述不可能證明對或錯,但社會科學研究和一般常識都顯示這不太可能。這就把我們帶到下一個問題,不知為何長久以來都沒有人認真討論一件事,但它卻是許多美國人不信任科學的核心因素:要說科學是價值中立的,多少是在說它沒有價值,至少除了創造知識以外沒有其他價值,而這很容易就變成在說科學家沒有價值信念。當然不是這樣,但如果科學家不願意討論他們的價值觀,就會給人一種印象,認為他們的價值觀有問題,所以才需要遮遮掩掩,或認為他們根本就沒有價值信念。你會相信一個沒有價值信念的人嗎?

我在第二章提出了一個問題:忽視科學主張但最終發現它是對的,風險是什麼?相比之下,相信一個錯誤的科學主張,風險又是什麼?回答這個問題必須仰賴價值。我和康威合著的《販賣懷疑的人》提到,氣候科學所引起的爭辯,幾乎都是價值上的爭辯。很多有影響力的人物在一九八○和一九九○年代相信,政府干預市場的政治風險是如此之大,超越了氣候變遷的風險,因此他們懷疑、蔑視,甚至否認後者的科學證據。這些立場由自由主義智庫繼承,得到共和黨支持,演變成共和黨支持者很多都否認氣候變遷,只是有些積極、有些消極;然後再演變成很多質疑「大政府」的人都懷疑氣候變遷,包括商人、長者、福音派基督徒、住在美國鄉下的人。

即使氣候變遷的證據不斷累積,懷疑論者還是堅稱,就算氣候真的有在變遷,情況也不會太嚴重,或者不是「我們造成的」。因為如果事情真的很嚴重而且是我們造成的,那我們就應該採取行動,可能需要政府以某種方式管制。如此一來,否認氣候變遷逐漸變成美式生活的常態,先是否認證據,最終否認事實。這個問題非常嚴重,但是對於氣候變遷否認者秉持的價值,不能一網打盡說是錯的。

-----廣告,請繼續往下閱讀-----
共和黨支持者很多都否認氣候變遷。圖/giphy

我們可以討論大政府和小政府的優缺、市場管制不足或過度管制的風險,但任何這類討論都(至少在某種程度上)是從價值出發。如果要開誠布公討論這個話題,就必須討論我們的價值觀。不同的人面對同樣的風險,可能有不同的想法,不代表他們就是愚笨或腐敗。人為氣候變遷的科學證據很清楚,疫苗不會導致自閉症很清楚,使用牙線有益健康也很清楚。但價值觀導致許多人拒絕接受證據指出的事情。

回到剛才的問題:你會相信一個沒有價值信念的人嗎?答案當然是不會,這種人是反社會人格。你也不會相信那些擁抱你所厭惡的價值的人。但如果你認為,某個人的價值觀起碼部分與你相似,就算不盡相同,你可能就比較願意聽聽他的想法,接受他說法的一部分。因此,無論價值中立是否能讓一個主張在知識論上比較站得住腳,可以確定的是它在現實中沒有用,不能以此確保溝通、建立信任的連結

科學寫作的主流寫法不只試圖隱藏作者的價值觀,也把他們的人性一同抹煞了。價值觀隱藏、情緒不得伸張、避免使用形容詞,甚至連「我」這個字都無形中禁止了,即便論文只有單一作者也一樣。理想的科學論文寫得好像作者沒有價值觀或感覺,甚至好像作者根本不是人,這都是為了表現出客觀。

圖/envato

科學家可能覺得根本沒辦法讓否認氣候變遷和相信地球年紀是 6000 年的人相信他們。或許這是真的。我曾經公開表示對於要如何跟千禧世代交流感到非常絕望,他們之中有些人聽信末世論,認為世界就要毀滅了,幹麻還擔心氣候變遷?但當我陷入絕望,隔天幾位記者就告訴我怎樣才能透過基督教價值和教導打動這些人。他們建議我從價值觀下手,社會科學研究也支持這種想法。

-----廣告,請繼續往下閱讀-----

結論

科學家壓抑自己的價值觀,堅持科學是價值中立的,這是一條歧路。他們認為人們如果相信科學沒有價值觀,就會相信他們,但這是錯的。

墨頓顯然這樣想,但他可能是錯的,或許反過來才是對的。原因如下:

政治與社會觀念保守的基督徒、自由主義者、共和黨人拒絕相信演化論和人為氣候變遷,大部分分析都聚焦在科學家與這些人之間的價值衝突。但我相信,驅動大多數科學家的價值觀,還是和大多數美國人的價值觀有重疊之處,包括多數的保守派和宗教信徒。近來有一些科學家開始公開聲明他們的價值觀,我認為部分原因是,他們深信這些價值觀確實得到廣泛接納,可以作為信任連結的基礎。 我認為他們是對的。

我認識的大部分科學家都想要預防疾病、促進人類健康、透過創新和發現來強化經濟、保護美國與全世界美麗的大自然。前共和黨議員殷格利斯講得很有說服力,他談到他和海洋生物學家一同造訪大堡礁,他們肩並肩站著,欣賞珊瑚礁周邊生物撼人的美麗。殷格利斯了解到一件事:他看到「創造」,科學家看到「生物多樣性」,但他們實際上看到的、在意的、珍惜的,是同一件事。

-----廣告,請繼續往下閱讀-----

我好喜歡這個故事,因為多數人至少都在某方面珍愛自然。不同背景的美國人都曾造訪國家公園和森林,去健行、釣魚、露營、開車、攝影、漫遊、抱怨,雖然從事不同活動,但美景與體驗帶來了共同的喜悅。儘管如此,我們對人類與自然世界的關係,確實有不一樣的想法。有些人想要在冬日的黃石公園騎雪上摩托車,有些人想要安靜休養。幾乎所有美國人都說他們相信自由,然而我們對這個詞的理解卻嚴重分歧,也很難同意該把哪一類自由看得最重要。柏林有句名言:狼的自由可能代表羊的死亡。同意「自由」這個詞意義並不大。

宗教歷史學家普羅特勞指出,猶太人、天主教徒和新教教徒都相信十誡,但是版本差距之大,令人吃驚。例如天主教放棄了不可崇拜偶像,而猶太教與新教徒堅守此道。天主教因此少了一條戒律,只剩九條很奇怪,於是他們把最後一條一分為二,變成第九條是不可貪圖鄰人之妻,第十條是不可貪圖其他東西。儘管如此,美國人中超過 70% 都信奉這三個宗教,他們都還是認同不可殺人、偷竊、通姦或做偽證,也相信我們應該崇拜唯一真神、不可妄稱神的名、守安息日、孝敬父母。伊斯蘭教也同意這些,只是比這三個宗教更加強調慈善:課(zakat),也就是施捨,是五大支柱之一。不過,看看 zakat 這個字和希伯來文中的 tzedakah 多麼相似,tzedakah 代表慈善施予,是猶太生活的道德義務。慈善也是基督教的核心價值,虔誠的摩門教徒會繳納什一奉獻。

在很多政治議題上我們意見相左,但我們的核心價值大部分都重疊。釐清這些我們都同意的部分,並解釋它們和科學研究的關聯,我們就有機會克服盛行的懷疑論與對科學的不信任,尤其是因價值受到衝擊而產生的不信任。

We have been authorized by Princeton University Press to use this conten. 該內容由普林斯頓大學出版社授權使用

——本文摘自《為何信任科學:科學的歷史、哲學、政治與社會學觀點》,2024 年 04 月,貓頭鷹出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

貓頭鷹出版社_96
65 篇文章 ・ 26 位粉絲
貓頭鷹自 1992 年創立,初期以單卷式主題工具書為出版重心,逐步成為各類知識的展演舞台,尤其著力於科學科技、歷史人文與整理台灣物種等非虛構主題。以下分四項簡介:一、引介國際知名經典作品如西蒙.德.波娃《第二性》(法文譯家邱瑞鑾全文翻譯)、達爾文傳世經典《物種源始》、國際科技趨勢大師KK凱文.凱利《科技想要什麼》《必然》與《釋控》、法國史學大師巴森《從黎明到衰頹》、瑞典漢學家林西莉《漢字的故事》等。二、開發優秀中文創作品如腦科學家謝伯讓《大腦簡史》、羅一鈞《心之谷》、張隆志組織新生代未來史家撰寫《跨越世紀的信號》大系、婦運先驅顧燕翎《女性主義經典選讀》、翁佳音暨曹銘宗合著《吃的台灣史》等。三、也售出版權及翻譯稿至全世界。四、同時長期投入資源整理台灣物種,並以圖鑑形式陸續出版,如《台灣原生植物全圖鑑》計八卷九巨冊、《台灣蛇類圖鑑》、《台灣行道樹圖鑑》等,叫好又叫座。冀望讀者在愉悅中閱讀並感受知識的美好是貓頭鷹永續經營的宗旨。