“100,000:1”? 銀河系有這麼多行星唱著浪人之歌?

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

• 本文轉載自臺北天文館，《臺北星空》第 99 期。
• 文／歐陽亮：天文愛好者，曾獲 2001 年尊親天文獎第二等一行獎，擔任 2009 全球天文年特展解說員

最近天空中有兩顆星總是靠得很近，上個月甚至快要貼在一起， 不小心抬頭看到的人也許會驚訝不已、開始猜想它們在暗示什麼？夢中情人快出現了嗎？於是趕緊低頭繼續滑手機，考慮要先上天文網站瞭解一下、還是直接到占星網站看看大師怎麼說？沒手機的古人看到的話，是否會湧起一陣莫名恐慌？

「星星可以預示人的命運」這種想法，早在四千年前的早期文明就已經開始萌芽，不管是東方還是西方，都曾經拿星星來占卜國家大事¹，所以嚴格說來，占星真的改變過許多人的命運！不過這是因為統治者的想法如同悲劇「伊底帕斯王」一樣被占卜所左右，造成其決策影響了平民百姓，並非因為星象真的顯露了什麼天機。

這種神秘的國家級占星術雖然與常見的八字算命、紫微斗數或十二星座這些預測個人命運的命理學完全不同²，但也沒有像倪匡小說所描寫的那樣戲劇化：彼此相距遙遠的恆星竟可放出特殊細長星芒匯聚在一起、暗示地球某處即將滅亡。不過天象若能對君王做出預兆或警告，這對於一般人來說，已非常地驚心動魄、宛如宇宙怪譚了。正史還曾記載諸葛亮死前「有星赤而芒角，自東北西南流，投于亮營，三投再還，往大還小，俄而亮卒」，由於他的個人命運關係到國家危亡，所以這種描述也可視為同類型的占星術。

要運用星象來連結到人間與世道，必須有個天、人對應的規則或感應方法。用重力？電磁波？但古代沒有這些物理概念。不然用「氣」？還是外星生命的未知力量？其實都不是，古人只是簡單地用人間事物來為天上星星取名，再用它們類比到地上，天上發生異象後，就暗示著地面同名者的異動。

另外古人也用「分野」的方法來判斷異象所對應的地理範圍，找出哪裡會出代誌。把天空與地面配對的方式有很多種，包括用二十八宿、十二次、十二月、天干地支、北斗七星或五大行星，配上分封國名、州名³或山名⁴等（圖 2）。還有人整理出古今七種分野起源說法⁵，如唐代一行法師認為是由黃河與長江對應銀河而劃分的⁶。不過古人眼中的蠻夷之地就不夠格讓天象顯示⁷，因此，誰是正統就能用應驗地區來判斷⁸。然而隨著歷代版圖的擴張，這種對應也得隨之變化。於是，原本在明代仍屬海外地的台灣，到清朝時才擁有分野歸屬，但是不同時期的府志卻有不同看法⁹。

有趣的是，分野之說傳到日本後，為了能在當地實際應用，就被擅自改為他們自己的地名了¹⁰（圖3） 。另外，古印度也有類似的分野思想，不過他們是把二十八星宿對應到不同階級或不同職業的人¹¹，其中甚至包括音樂家與小偷。

這種占星術當然不可能真的「實用」，就像古天文裡最有名的「熒惑守心」事件一樣，天象只是被人拿來當做藉口進行想做的事。

編按：熒惑守心即火星（古稱熒惑）在心宿（二十八宿之一）發生「留」——由順行轉向逆行或逆行轉為順行的現象。

剛開始也許只是一次偶然玄奇的星象剛好與最近發生的事件時間相吻合（前後三年內都算應驗¹²），就被天文官記下來成為僵化的範例，但沒人關注日後是否每一次都應驗，也不曾把多次未應驗的加以排除。難怪古天文占辭在唐宋時期就開始流於龐雜且矛盾百出，更不用說其他許多牽強之處，諸如認錯星星、造假迎合、天文官筆誤、 歷代星官變化等。改朝換代時也常被附會出現過「五星聚」，但大多經不起科學回推驗證¹³。直到清代的《明史‧天文志》才寫道：「歷代史志凌犯多繫以事應，非附會即偶中爾…比事以觀，其有驗者，十無一二。」

讓我們來看看正史是怎樣描述木星的：「歲星所在，國不可伐，可以伐人¹⁴」，這簡直就像獲得雅典娜的保佑或得到通關外掛一樣。那麼最近發生的木星接近土星在古天文裡象徵什麼意義呢？《史記‧天官書》說：「木星與土合，為內亂，饑」（圖 4）。但現代這個國際化的世界裡，內亂與饑荒隨時都在某一國發生，分野也未曾對應到全球各地，所以我們已經無法再把亂源牽扯到星星頭上了。

這一次極為特別的木星合土星在 2020 年 12 月 21 日最接近，相距僅 6.5 角分左右，是月亮的五分之一、北斗「開陽雙星」的一半而已！視力好的人才能在 21 日黃昏看出那是兩顆星黏在一起，且亮度達負 2 等與 0.6 等，遠高於開陽雙星的 2 等與 4 等。這兩個互有特色的行星相聚，形成一個相當有意思的畫面：兩顆大星星各自帶領一群衛星小嘍囉擠在一個狹窄區域裡。相信已有許多人拍下這樣難得的大合照吧？

為何是歲星犯填星，而不是填星犯歲星？

這次的木星合土星在古代如何稱呼？通常，一個運動中或新出現的天體逼近另一個天體時，被古人稱為「犯」¹⁵，需相距一度之內¹⁶，否則僅能稱之為合。木星在古代被命名為「歲星」之時應該就已經知道它週期約十二年，而且跑得比土星快，所以這次的超近密合可稱為「歲星犯填星（或鎮星）」。但是木星一定比土星快嗎？在木星順逆行轉換的前後幾天（稱為留或守），若此時土星剛好在附近移動，不就像龜兔賽跑的烏龜一樣快？真的只用行走遲疾來判斷誰主動犯誰嗎？還是會採用亮度來決定？

查閱古籍所有木星與土星相犯的十多筆資料裡，大多是寫為「歲星犯填星」¹⁷，但也有三筆「填星犯歲星」、「鎮星犯歲星」的記錄，但歸納起來，其發生時間都相同，故僅一筆。這個例外就是「光熙元年（306年）九月己亥，填星守房、心，又犯歲星¹⁸」，但實際上木星此時並不在附近，火星則離土星二度多，有可能是因簡稱謄寫轉換到正史時誤認火為木。另外，記載兩星「相犯」的記錄也很少¹⁹。然而《舊五代史》竟然有奇特的「歲星犯月」²⁰，當時木星距月球表面僅 17 角分，後來還形成月掩木星，但已落入地平線下看不到。木星在視覺上移動速度不可能比月球快，所以這個正史裡唯一的「歲星犯月」應該是寫反了。同樣地，唯一的填星犯歲星也可能是為了接續前一句「守房、心」而顛倒其主從關係²¹。

上一次土木兩星這麼近的超級密合是 1623 年，而 800 年前（1226 年）距離更近到 3 角分以內！雖然彼此衛星們都快要混合在一起了，不過史書卻只寫「寶慶二年正月壬午，太白與歲星、填星合於女」，沒有記下這兩星幾乎快變成一顆星的情形，也許是因天候或其他因素讓天文官沒有觀測到這次特殊天象。

至於木星與其他三行星的凌犯記錄則皆為歲星被犯，因此可排除以「亮度」做為犯的準則。雖然《開元占經》裡也有相反的「歲星犯太白」等占辭²²，但是正史上從未出現過這些記錄²³。

如果從現代天文學角度來看，木星處於順行轉逆行的「留」時（圖 5 之 A 位置），此時地木土三星位置幾乎連成一直線，呈現狹長三角形，土星若在木星西方，則應在逆行遠離木星；若位於其東方且距離也夠近時，則可能已轉逆行且比木星稍快。例如西元 828 年 11 月 21 到 25 日，土星跑了 2.2 角分並向木星接近，而木星只跑了 1 角分，兩星距離約半度（圖 5 上）。但是當月的 5 日到 21 日則明顯是木星順行衝向土星， 21 日之後才變成土星反過來追逐。

若木星位在逆行轉順行的「留」（圖 5 之 B 位置），也會出現類似現象，例如西元710 年 3 月 9 到 12 日，木星只移動 0.3 角分而土星向木星移動了 2 角分（圖 5下）。

但是天文官會每天測量行星精確位置來確認誰犯誰嗎？木星每天移動頂多 0.2 度左右，小於宋元之際測量誤差²⁴、並約略等於清代觀測誤差²⁵ ；土星在上述兩例中雖然較木星快，但三、四天才移動 2 角分，古人根本無法察覺。因此，木星除了留的前後，移動都遠比土星明顯，視覺上視為木犯土的機會較大。

綜合起來，古代凌犯記錄很可能只是依照木星比土星快的印象，直接記為歲星犯填星，並不是根據速度實測。至於 2020 年 12 月 21 日兩星皆處於順行，木星明顯跑得比土星快，依然是歲星犯填星。

除此之外，填星犯某星的記錄也遠少於某星犯填星， 明史稿與明實錄裡的「填星犯太白」到了正史中則被改為「太白犯填星」²⁶，因此可以確定快慢印象應是凌犯的判斷標準。至於其他三個跑得快的行星是怎樣互犯的，就是另一個問題了，以後再談²⁷。

除了行星與月球掩犯之外，彗星、流星、新星甚至極光也都被古人用來當做占卜的工具。這種學問在以前私下偷學還會被政府處罰，現在想學的話雖然不用再冒如此風險，只是也沒幾個人會信了。

占星術曾被認為阻礙了現代天文學發展，不過近年來則出現天文學是被占星學哺育長大的說法²⁸。在分野的體系裡就可以看到，天上星宿與地上州國都必須劃有明確的界線才能實際運用，而度量界線極可能促進了天文數量化的技術²⁹。

倪匡曾在小說中寫過「天文學家用望遠鏡觀察星星，就像在一公里之外觀察一個美女想去了解她一樣，同樣是不可能的事」。如此說來，古代占星術就像是用直覺或瞎猜，現代天文學則是使用推論與計算，依據那位美女的行為與造型來推斷她的氣質或個性。這就是現在天文學家在做的浪漫的事吧？

附註：

1. 江曉原《12 宮與 28 宿：世界歷史上的星占學》，遼寧教育出版社， 2005，頁4、 22。
2. 科學史專家江曉原教授將前者命名為軍國星占學（Judicial Astrology），後者命名為生辰星占學（Horoscope Astrology），詳見江曉原《天學真原》，遼寧教育出版社， 2004，頁 177。
3. 陳遵媯《中國天文學史》第二冊，明文書局，1985，頁 177 ~ 178。
4. 江曉原《12 宮與 28 宿：世界歷史上的星占學》，頁 223、 225。
5. 李勇〈對中國古代恆星分野和分野式盤研究〉，《自然科學史研究》， 1992，頁 22 ~ 31 。
6. 《新唐書》卷三十一天文志：「觀兩河之象，與雲漢之所始終，而分野可知矣。」
7. 《乙巳占》卷第三：或人問曰「…分野獨擅於中華，星次不沾於荒服。至於蠻夷…豈容變化應驗全無？」淳風答之曰：「華夏者，道德、禮樂、忠信之秀氣也。彼四夷者…豈得與中夏皆同日而言哉？…四夷宗中國之驗也。」
8. 《三國志》卷四十三：魏明帝問權：「天下鼎立，當以何地為正？」權對曰：「當以天文為正。往者熒惑守心而文皇帝崩，吳、蜀二主平安，此其徵也。」
9. 明史天文志：「福建布政司所屬皆牛、女分」。台灣府首任知府蔣毓英之《臺灣府志》：「臺灣，遠隔大海，番彝荒島，不入職方，分野之辨，未有定指…按考臺灣地勢，極於南而迤於東；計其道里，當在女、虛之交」。高拱乾《臺灣府志》：「臺自破荒以來，不載版圖、不登太史，星野分屬，何從而辨？然臺係於閩，星野宜從閩」。《重修臺灣府志》與《續修臺灣府志》：「臺灣，禹貢揚州之域；天文牛、女分野」。 欽定授時通考：「臺灣府，古海外地，牛、女分野」。
10. 潘鼐《中國恆星觀測史》，上海學林出版社，2009，頁 514。
11. 周利群〈虎耳譬喻經梵文精校本早期印度星占史料〉，《中國科技史雜誌》 2018 年 01 期，頁 107 ~ 108。
12. 江曉原〈天意與人情：星占文化之前世今生〉 ，《新視線》， 2013 年第 5 期。
13. 江曉原《12宮與28宿：世界歷史上的星占學》，頁267。
14. 《漢書》卷二十六．天文志。
15. 劉次沅《明實錄天象記錄輯校》，三秦出版社， 2019，前言頁 2。
16. 劉次沅《對中國古代月掩犯資料的統計分析》，自然科學史研究第 11 卷第 4 期， 1992，頁 300。但是歷代的凌犯定義其實不太統一，唐瞿曇悉達《開元占經》卷六十四分野略例寫道：「石氏曰：『五星入度，經過宿星，光耀犯之，為犯。』郗萌曰：『五星所犯，木火土水同度，去之七寸，為犯；太白一尺（相當於一度）以內，為犯。』韋昭曰：『自下往觸之，為犯。』…甘氏曰：『在下犯上，為陵。』石氏曰：『在上犯下，為陵。』…甘氏曰：『在下相侵為貫，在傍為刺。』郗萌曰：『直至為抵。星相觸而止，為觸。』甘氏曰：『相切為磨。』石氏曰：『相至為磨。』甘氏曰：『去之寸為靡。星相滅為抵。』」可見有多種形容兩星接近的說法，只是除了「犯」之外的記錄極少。劉次沅《諸史天象記錄考證》（中華書局， 2015，前言頁 11、頁 106）認為2度亦略可稱犯，少數犯的記錄甚至達 5 度（前言頁 17）。 《清史稿》 則定「兩星相距三分以內為凌，月與星相距十七分以內為凌，俱以相距一度以內為犯，相襲為掩。」
17. 記錄包括《宋書》與《晉書》的天文志：咸安二年（372 年） 正月（相距不到 3 角分）、義熙七年（411 年）七月（相距將近一度）、 《魏書》天象志一之四：太和十五年（491 年）三月（約 17 角分）、《新唐書》卷三十三：大和三年（829 年）四月（約 16 角分）、《元史》卷四十八：至元二十二年（1285 年）十二月（約 11 角分）、《清史稿》康熙二十一年（1682 年）九月（不到 16 角分，隔年正月與四月也一樣近但無記載）、乾隆七年（1742 年）八月（約半度）、乾隆四十七年（1782 年）十月（約 45 角分）。以天文模擬軟體Stellarium觀察以上 8 次記錄，皆為木星移動較土星快。
18. 同一記錄載於三處： 《宋書》卷二十四‧天文志二、 《晉書》卷十二‧志第二天文中、 《文獻通考》卷二百九十三下‧象緯考。同一月份也有熒惑守心記錄，但用天文模擬軟體來看，火星只是順行穿過心宿並未停留與逆行。
19. 只有《乾象通鑑》五緯鎮星論：鎮星歲星相犯以及《魏書》天象志一之四「木、土相犯」，但天文軟體顯示兩星距離超過 6 度。
20. 《舊五代史》卷一百三十九：開平二年（908 年）正月。
21. 其實歷史記錄經常出錯，劉次沅《諸史天象記錄考證》已全面彙集相關資料，但 306 年這一筆並未載入，另外諸如宋書永嘉三年正月「熒惑犯紫微」這類明顯錯誤（因火星不可能接近恆顯圈）亦未提及。
22. 另外亦有「填星干木星、 歲星干金星、 歲星干辰星、 歲星干熒惑」，其中「干」是干擾冒犯之意，但容易與「位于某宿」的「于」混淆。正史只有周書卷七「熒惑干房」用過此字，對照前文「大象元年（579 年） 熒惑掩房北頭第一星」（兩星相距不到 4 角分，幾近重合），可知干應是幾近於掩的意思。
23. 但周邊國家的史書或占書如越南（歲星犯太白，兩星相距超過 3 度）、日本（天文要錄：歲星犯辰星）、高麗（歲星犯辰星、歲星犯熒惑，但歲星速度皆較慢）卻有這類記載。
24. 潘鼐《中國恆星觀測史》，頁 246、 287、 297、380。
25. 伊世同《中西對照恆星圖表1950》，科學出版社， 1981，頁 189。
26. 1434 年，兩星相距約 13 角分。
27. 明初的《天元玉曆祥異賦》就記載了五星互犯的各種可能，其中水金火三星互犯的實際記錄散見於正史中，但無辰星犯熒惑；而熒惑犯辰星的記錄在實際上卻皆為水星較快（包括《宋書》義熙三年六月、《晉書》義熙五年四月與六月），為何如此有待考證。
28. 江曉原《12 宮與 28 宿：世界歷史上的星占學》，頁 8。
29. 陳遵媯《中國天文學史》第二冊，頁 184。

• 文／金升光，任職於中央研究院天文及天文物理研究所、國際天文聯合會會員。

「再仔細看一眼那小點吧。那是這兒。那是家。那是我們。
Look again at that dot. That’s here. That’s home. That’s us.

－卡爾．薩根 (Carl Sagan)

翻開相簿，往往能找到幾張自己和親朋好友或家人們的合照，化剎那為永恆。

1990 年 2 月 14 日，航海家 1 號太空船 (Voyager 1) 在距離地球約 60 億公里遠處，為太陽系家族拍下了第一張全家福，迄今剛好 30 年。

而這組太陽與行星的大合照是由 60 幅影像拼接而成，地球的大小在照片中只是未滿一個畫素、不起眼的小點，幾乎淹沒在太陽強光於相機內產生的雜散光之中。

大力推動這次特別任務的美國天文學家薩根稱之為「Pale blue dot」，意思是暗淡藍點、蒼藍小點或淡藍色的小圓點。

現今提到自拍，就是使用左右手、自拍棒、三腳架或高檔的遙控空拍機。而太陽系全家福，只要透過 1977 年發射的最先進太空船，讓相機瞄準適當的角度，按下快門就可以了嗎？每位攝影家總是有自己獨特的眼光；不過，讓我們先從外太空的角度，稍微深入了解一下這次任務。

目標

航海家 1 號的兩大主要目標是木星 (1979 年) 和土星 (1980 年)。太空船上共搭載 11 組的科學儀器，其中的影像科學系統 (Imaging Science System, ISS) 包括兩台相機。窄角相機焦比 F/8.5，焦長約 1500 毫米 (mm)，水平與垂直方向的視角略大於 0.4 度；廣角相機 F/3.5，焦長約 200 毫米，兩方向視角都接近 3.2 度。

換句話說，窄角相機可以一次拍下大部分的滿月（視直徑約 0.5 度），解析度高；廣角相機視野內則可填滿 6 × 6 共 36 個滿月，但解析度較低。

相機的焦平面上使用的自然不是傳統底片，也不是現代常見的固態電子元件¹，而是承襲自先前水手號計畫 (Mariner Program) 改良後的光導攝像管 (vidicon tube)，比較類似早年的陰極射線管。水平與垂直方向各有 800 條掃描線，相當於 800×800 或 64 萬畫素的相機。

拍攝後的影像經過 8 位元的類比數位轉換後可存入磁帶或直接回傳地球。兩台相機都配備了 8 組濾鏡，最後太空船回傳了 39 幅低解析度的單色影像，另外 21 幅高解析度影像分別使用三組濾鏡瞄準行星，合成後可以產生彩色影像。

透過簡單的星空模擬軟體或精確的星曆計算程式，不難重現當年行星排列的概況。

首先，冥王星太暗不在拍攝計畫內、水星太靠近太陽，而火星幾乎背對著鏡頭，在太陽的強光中無法辨識。金星和地球「恰好」在最適合觀測的位置附近，也就是說，行星－太空船（觀測者）－太陽三者所夾的角度接近最大值，受太陽光的影響最小；同時，行星本身不發光，相對於太陽和觀測者的相位如同月亮的圓缺，不同方位看起來也呈現不同的亮度，必須一併考慮。

當年航海家 1 號放棄造訪冥王星的機會，在完成了土星環和土衛六（泰坦）的觀測任務之後，以約 35 度的角度遠離行星繞太陽公轉的平面。60 億公里約相當於地球和太陽平均距離的 40 倍，也就是 40 天文單位 (au)。

換個角度來說，這時從太空船觀測地球和太陽之間的夾角，最大不會超過 1/40 弧度，約等於 1.4 度；而相機看到的太陽依然比地球上看到的天狼星亮 800 萬倍，相差超過 17 個星等。

星點

每 5 星等，亮度相差 100 倍。天狼星是地球夜空中最亮的恆星，視星等約 -1.5 等。

然而，反射陽光的行星有時候看起來比天狼星更亮，這和行星的距離、大小、相對相位、大氣和表面組成都有關係。

地球上看金星最亮時約 -5 等，如果有機會從金星軌道看地球應該比從地球上觀測火星大接近更壯觀。粗略估計，人們可以說地球型的行星亮度大約和太陽相差 10 星等以上，因為直徑就相差兩個數量級；木星直徑約地球的 10 倍大，反射面積增加 100 倍，相當於 5 星等，相對的也比較容易觀測。

經過多年努力，面對不同意見、疑慮和實務上的困難，其實薩根也承認，即使從土星軌道看，地球和幾顆較小的行星仍然只會是照片中的一個星點，不會有太多的科學內涵；但另一方面，這是人類第一次有機會從如此遙遠的太空回頭認識自己的世界。

這也是影像科學系統的最後一組照片：為保留太空船電力等資源進行星際空間研究，ISS 在完成任務後隨即關閉。

從太陽系行星的邊陲地帶以光速行進 5 個多小時才到達地球，而照片在 3 月到 5 月間陸續回傳分析。 NASA 在美東時間 6 月 6 日召開記者會，正式公布這次觀測的結果。

記者會上，同時擁有普立茲獎桂冠的薩根指著照片中的微弱光點，向眾人介紹：這就是我們生活的地方，在一個藍色的小點上。

蒼藍

在 1968 年耶誕節前夕，首度脫離地球引力進入月球軌道的阿波羅 8 號的 3 位太空人，正執行繞月飛行任務為將來的登月做準備。

窗外單調的月球表面和坑洞、漆黑的夜空和繁星，彷彿進入幾乎黑白的世界。當地平線上忽然出現一顆藍色的行星冉冉上升，美麗的景象立即吸引 3 人的目光，放下手邊的工作按下快門，這意外的「地球初升」或「地出 (Earthrise)」也成為史上傳頌最廣的照片之一。

如果把鏡頭拉遠到航海家的軌道或更遠，加上若干比例的雲層反射就成了「蒼藍」。但是，同樣反射陽光的其他太陽系天體為什麼呈現不同的顏色？地球很特別嗎？未來人工智慧程式能夠從萬千個遙遠世界中分辨出具有獨特生命力的光點嗎？

1990 年代初期，太陽系仍是宇宙中所僅知的行星系統。2019 年諾貝爾物理獎頒給了宇宙學理論和類太陽恆星旁系外行星的新發現，是因為他們改變人類對於宇宙演化和地球在宇宙中地位的理解與認知²。近 30 年來，已有數千顆系外行星被發現，然而，能夠偵測到行星大氣吸收譜線或反射光譜的目標仍屬鳳毛麟角。

透過未來更大口徑的望遠鏡和特殊技術，佐以行星物理、大氣化學等分析，科學家有可能分辨出類似地球表面植被和大氣循環特徵等生命存在的可能信號，這正是目前天文生物學 (astrobiology) 熱門的研究主題之一。

也許有一天，比 AlphaGo 更先進的程式會突然暫緩執行中的枯燥任務，轉頭拍下傳世的照片？也許，另個程式能看透來自遙遠宇宙的蒼藍微光，如薩根寫下他對這微光背後人文歷史的關懷？

歷史其實有些弔詭。就在航海家 1 號相機完成終極任務之前不久，1989 年 11 月 9 日，柏林圍牆倒下了；30 年後的今天，人們透過新的科技又豎立起各種有形無形的高牆。持續破紀錄的氣象數字、災難成為常態、環境汙染進入生態循環，大自然並不在乎這些人為的疆界。

就在獅子座編號 HD 100655 的 6 等巨星旁有顆行星叫做「水沙連 (Sazum)」；或許附近軌道上還有一個暗淡藍點，上面有群外星天文學家正在研究著超級先進望遠鏡在寶瓶座方向拍到，一顆 10 等暗星——我們的太陽旁邊的奇異光點。

那是這兒。那是家。那是我們。同一個地球，同一片天空。

註解

1. 詳請參閱《科學月刊》2009 年 12 月諾貝爾物理獎報導—〈奠定現代網路生活的發明〉。
2. 詳請參閱《科學月刊》2019 年 12 月號諾貝爾物理獎報導—〈宇宙學〉與〈系外行星〉。

延伸閱讀

1. 國際天文聯合會 (International Astronomical Union, IAU) 100周年
2. Solar System Portrait – View of the Sun, Earth and Venus, NASA
3. Krissansen-Totton, J. et al., Is the Pale Blue Dot Unique? Optimized Photometric Bands for Identifying Earth-like Exoplanets, Astrophysical Journal, Vol. 817: 31, 2016.

〈本文選自《科學月刊》2020 年 3 月號〉

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。