夫朗和斐誕辰｜科學史上的今天：3/6

近年來，在新課綱推行之下，「素養」這個詞成為熱門關鍵字，「對我來說，素養就是面對世界的行為模式，在面臨問題時，一個人會抱著什麼樣的態度去解決問題。而科學素養就是『像科學家一樣思考』」LIS 科學情境教材（台灣線上教育發展協會）創辦人嚴天浩這麼說。

嚴天浩在大學時開始製作教學影片，最初的動機來自上大學後體會到城鄉差距、資源落差，想藉由線上教材擴大影響力，然而觀看次數卻不如預期。

2013 年起，嚴天浩和夥伴到台東，向「孩子的書屋」負責人陳爸（陳俊朗）請益，並長期蹲點接觸孩子，發現學生們面臨最大的問題不在於「學什麼」，而在於「為什麼要學」，因此意識到若要改變孩子的學習狀態，不能只是單方面灌輸「老師想教的」，而要從學生的需求出發，了解「孩子想學什麼」。

七年來，LIS 拍攝超過 100 支線上科學影片，包括將科學家的思想歷程、時代背景融入角色劇情的科學史，以及結合時事、生活情境的科學實驗，目前已經超過 250 萬觀看人次，也成為全台許多中小學的教材。

這次，LIS 歷時三年研發出一套科學實境解謎遊戲，不只在玩遊戲的過程中學科學，也引導孩子練習「像科學家一樣思考」。

什麼是「像科學家一樣思考」？

過去，我們在國中課本裡學到的科學方法「觀察、提出假說、進行實驗、得到結論」，然而許多學生能對步驟琅琅上口，卻不見得理解背後的邏輯。LIS 分析百位科學家的思考歷程以及參考教育學者的理論，設計出適合培養國小學生科學思維的「科學推理階梯」，共有四個步驟，包括「發現問題」、「聯想原因」、「大膽假設」、「實際驗證」。

嚴天浩坦言，對於國小的孩子來說，他認為最難的在於——第一步「發現問題」，這取決於孩子過去是否累積足夠的觀察經驗，因此，如何訓練孩子觀察是培養探究學習的重點。然而，在沒有老師的引導下，要怎麼讓孩子能聚焦在實驗的現象上，成為開發遊戲過程中的一大考驗，後來，團隊想出了運用 RPG 中的角色對話，設計句子讓玩家將注意力集中在現象上的差異，「當孩子觀察到的與他原本的認知有所不同，產生衝突時才會進而發現問題。」嚴天浩說。

有適當的引導，才能從問題中學習

在發現問題之後，還須激發玩家思索問題的意願，因此在遊戲中便成為一個個解謎關卡，玩家為了破關、練等會主動尋找答案，在玩完遊戲後得到的成就感，會讓孩子對科學產生動機，在未來有自信用這樣的方式去思考、面對問題。

嚴天浩說：「大學時我修過教育學的課，設計課程的第一步往往是『引起動機』，但我們認為應該從遊戲開始到結束的每一個動作，都需要一個『引起動機』，目前玩過這套遊戲的孩子有持續玩過兩個小時以上，玩得越久代表引起的學習動機越強烈。」

了解背後的意義才是學科學

然而，有時在做完實驗後，學生只會記得當時看到的實驗結果或現象，卻沒有把背後的邏輯和原理帶走，關於這部分，嚴天浩分享，「玩實驗」和「學科學」最大的差別在於，是否了解每個步驟的意義，如同以往「食譜式實驗」，照著課本一步一步做，卻不知道為什麼這麼做。

因此，他們把演示型實驗設計成遊戲，將探究歷程拆分成關卡，透過與 NPC 對話帶領玩家思考，並預想玩家可能卡關的地方，就像是在蓋房子時的鷹架，一層層建構、支持，逐漸將學習的責任放回孩子身上，傳統課堂中搭鷹架的角色可能是老師，而在這個遊戲裡，是精心設計過的關卡提示。

讀到這裡，或許你會想問，在探究式的學習中，真的能夠學會「像科學家一樣思考」嗎？

「我認為探究學習中，知識其實只是附帶的。」嚴天浩解釋：「我們想告訴孩子的是，科學家最厲害的並不是他成功發現了什麼，而是他在失敗了那麼多次之後，還是願意繼續努力。」

如果現在的台灣是二十年前教育的結果，那麼 LIS 正在改變的是二十年後的台灣，那時的每個人在面對問題時都能有邏輯地看待、抱著自信的態度去解決，這是 LIS 的憧憬，也是我們對於台灣未來世代的期盼。

• 科學實驗解謎遊戲 募資計畫｜https://bit.ly/3zqyXCR
• LIS情境科學教材 官網｜https://official.lis.org.tw
• LIS情境科學教材 FB｜https://www.facebook.com/Learningissharing
• LIS情境科學教材 YouTube｜https://goo.gl/WCtXjA

國民法官生存指南：用足夠的智識面對法庭裡的一切。

• 本文轉載自科技大觀園，原文為《反演水深、判釋水稻田　福衛五號影像多元應用》
• 劉珈均｜泛科學

「透視」海底，用福五影像逆推東沙環礁水底地形

中央大學太空及遙測中心的副教授黃智遠、副教授任玄及副教授曾國欣選定東沙環礁，測試福衛五號影像反演水底地形的能力。成果顯示，在訓練資料品質佳的情況下，以福五影像建置水底地形的精度與超高解析度衛星影像的成果相當，可協助內政部產製電子航行圖、環境監測、生物棲地研究等。 

傳統常以船隻搭載聲納，或飛機搭載光達的方式量測水深，這兩種方式皆須現地量測，精度高，但成本也高，且淺海與爭議水區的量測會受限。多光譜光學衛星影像能穿透約 20 公尺深的潔淨水體，成為廣泛調查淺水域的潛力方式。

要以衛星光譜影像反演水深，仍需收集訓練資料（例如地形的現地量測資訊）當作「教材」，讓電腦建立正確的模式參數。「沒有太多人為擾動影響、卻又要有高品質的訓練資料 ，同時符合這兩個條件的就選東沙環礁了！」東沙環礁有精密的光達測深資料，還有海水潔淨、淺水域面積廣大等優點。

此項技術的訓練方式是，輸入衛星影像各波段數值（主要為透水較佳的綠光波段）及其對應的實際水深訓練網路，網路模式訓練完成之後，輸入目標區域的衛星影像數值，就能推算出每個像素對應的水深資訊。

為了衡量福五影像的表現，團隊也拿超高解析度商用衛星 WorldView2 的影像反演水深，比較兩者成果。福五反演的水深成果精度達 1.62 公尺，雖略遜於 WorldView2 的 1.26 公尺，但相差不遠。

黃智遠解釋，相較於房屋、橋梁等地物地貌，水下自然地形的局部變化通常較小，所以對於衛星影像空間解析度的要求也較低。在反演水深的應用上，使用福五或超高解析度衛星的差異不大，福五反演僅局部區域比實際地形略深。

光譜反演的挑戰在於訓練資料蒐集困難，不過，透過衛星影像產製水深還有另一種稱為「立體對測量」的方法。福衛五號可以對地「立體取像」——人的視覺因左右眼視角差異而能感知立體，資料也能整合不同角度的衛星影像產生視差，萃取出目標物的數值地形模型，再以此當作訓練資料，進行模式訓練、反演水底地形。

過去團隊與內政部合作，在東海南海的許多島礁進行水深反演，已累積起一套決策樹，考量目標區域具備的資料庫、資料品質、成本等，可為不同地區挑選、整合不同的水深產製方式。

雙衛星搭檔，提高水稻田判釋精度！

水稻田分佈判釋是行政院農委會農糧署年度重要工作項目，農糧署與臺灣大學理學院空間資訊研究中心教授朱子豪、遙測及資料加值組組長張家豪合作，以福衛五號影像結合合成孔徑雷達衛星影像判釋水稻田，正確性達 92%，大幅提高偵測精度。 

由於雲林有充足的基礎資料可供驗證與訓練模型，研究團隊選定雲林做為研究區域，試驗福五的影像用在水稻田判釋可達多少能力。 

團隊使用福衛五號影像，搭配 22 組歐洲太空總署合成孔徑雷達衛星「Sentinel-1」的開放資料，並試驗了三種方法：僅使用福五（光學）影像、僅用雷達影像、兩者相互搭配。結果顯示，整合兩者的效果最好，判釋正確性最高可達到 92%，高於單用光學或雷達影像的 90%、80%。

「光學衛星最大的限制就是雲！」雲會遮擋目標、影響判釋，而農作物判釋的取像時機又相當關鍵，取像時有雲就沒輒了；合成孔徑雷達衛星會主動發射微波到地面再接收反射波，可穿透雲層，不受雲覆與日照影響，可補強不同時期影像，取得水稻田從插秧、成長、結穗的時序變化資訊。

本研究的突破在於，只用了單一分類器全自動判別的條件下，偵測精度大幅提升，更是首度只用一個時間點、單張光學影像就達到了。團隊對此也相當興奮，「可能因為福五當時在 11 月取像，剛好是水稻結穗時，影像特徵與其他作物差異較大。」張家豪解釋。 

推測了面積，可以進一步推估產量嗎？「一公頃稻作能收成 1,000 公斤或 4,000 公斤，有太多因素影響了。」朱子豪說。溫度、溼度、施肥、天災、病蟲害等都會影響收成，此類研究在平遂的情況下可大致估產，尚難達成精確估產。

掌握物候特徵是判釋關鍵

未來若要擴大範圍，判釋全國水稻田面積，由於各地農民栽種時序、田間管理多變，如何選擇適合的取像時間會是一大挑戰；若要擴展到判釋其他作物，則得視其生長特徵進行更多的分析比對。

張家豪舉例，判別柑橘類的常年果樹、葉菜類極困難，果樹在光學影像上看起永遠是綠色一片，也無足夠的栽種方式差異、生長週期特徵和其他特性可區辨；檳榔、椰子、香蕉從空中看都是放射狀葉片，雖可參考栽種密度與高度，但影像的空間解析度也得提高至 60 公分才能精確判別；蔥、蒜皆屬旱作，需要空間解析度優於 60 公分的影像，搭配如地區性栽種時序、田埂排列鮮明的地表特徵，有機會判釋成功，「但要是田裡混作個青江菜，就分不出來了。」

梅樹是另個成功案例，它在 12 月下旬會落葉，隔年 2 月開花長葉結果。團隊曾執行判釋南投水里梅樹的研究，標定幾個時間取像，「若有某個區域在十月是綠葉、入冬出現裸露地特徵、然後變得白白的（開花）、四月又出現綠葉，那就很可能是梅樹！」但李子與梅樹的影像呈現類似，生長期也相近，要是沒在生長期重疊前順利取像，就會混淆兩者。

以衛星影像判釋作物不光是直白的「看照片」或分析光譜，掌握作物的「物候特徵」才是關鍵。

國民法官生存指南：用足夠的智識面對法庭裡的一切。

隨機性，在許多領域都扮演了不可或缺的角色。例如電腦信息的加密，還有模擬複雜物理系統等技術，都需要用到巨量的亂數資料。不過，這些隨機是怎麼來的呢？

當電腦計算 1+1 是多少時，它可以遵從既定的程序算出正確答案；但如果叫電腦隨便給你一個數字，它肯定不知道該怎麼辦。畢竟電腦不像人，可以隨便「想到」一個數字。電腦只能根據你的命令，算出你要的結果。

要得到「真正的隨機」並不如想像中簡單。當我們到廟裡擲筊，或是玩桌遊時丟骰子，得到的結果看似沒有規律，但其實不然。它們可以用簡單的電腦計算來預測，像是丟硬幣的結果，便早已被研究透徹。只要對初始條件有足夠良好的掌握（像是丟出的速度與角度等等），這類物品的行為都能用兩百年前確立的力學定律來精準預測，因此稱不上是「真正」的隨機；另外一個缺點在於，這類方法產生隨機結果的速度實在太慢，跟不上現代社會對於隨機資料的龐大需求。

至於使用電腦計算的結果呢？常見像是串流平台的隨機播放功能，以及粉專抽獎會用的亂數產生器，它們所呈現的隨機是演算法算出來的。隨機播放功能利用特殊的演算法，排列出一個讓你聽起來很隨興的歌單；一般的電腦亂數，只是將特定的「種子」數字丟進一個超複雜的算式，算出成串毫無規律的數字。這些方法雖然快速又實用，但終究是可以預期的。當亂數數量夠多時，往往可以發現某些規律；而可被預期的亂數若是用於加密或認證，便會成為駭客眼中的肥羊。

由量子世界尋求真正的隨機！

既然手邊的物品和電腦都不管用，科學家於是轉向微觀的量子世界。量子物理對世界的描述本身就是機率性的，因此物理學家可以從實際測量結果中汲取「正港的」隨機亂數。像是物質的放射性衰變或電路中的雜訊，都是常見的選項。這類過程雖然可以確保隨機性，但效率還是稍嫌太差，相關的實驗架設也相當費工。

不過就在今年二月，研究人員利用半導體雷射技術，打造出有史以來最快的亂數產生器：每秒 250 TB 的隨機位元，比先前的紀錄高出一百多倍。

雷射的產生牽涉到原子內的「電子躍遷」。在一般狀態下，大部分原子中的電子會按照高中化學課本中提到的「電子軌域」排列，這種排列方式稱為「基態」，代表原子中的所有電子，都處在最低能量狀態。

在原子接收一定的能量後，會有部分電子跳入高能量的軌域中，變成「激發態」，這時原子內的電子組態不穩定，電子會跳回低能量軌域中回到「基態」，並以光（輻射）的形式放出能量。

而這些跳回的電子，如果都從同一個激發態回到基態，就會釋放出特定「頻率」與「能量大小」的光，以愛因斯坦的說法，從相同的激發態回到基態，會得到固定的「光子」，這是舊量子論的重要發現之一。提供原子特定的能量，讓原子放出光子，就可以激發出雷射。

利用電子躍遷的隨機性

但這件事情跟隨機性有什麼關係呢？電子躍遷本身就是具有隨機性的。

要激發雷射，其實事情並沒有那麼簡單，需要克服這個機率性。讓我們回頭看上面的敘述，「『大部分』原子中的電子會按照……」、「在原子接收一定的能量後，『有部分』電子跳入高能量的軌域中」，這些「大部分」、「有部分」，使得我們就算給原子固定能量，也未必能平穩釋放出特定光子，讓雷射光的強弱不穩定，也不會朝同方向射出。

因此雷射技術的重點之一，就是「光學共振腔」，將激發光子的物質放在共振腔中，放出的光子會在共振腔中來回游走，再次激發原子放出更多的光子，來增強雷射強度，並讓雷射光往特定方向射出。

但是，「光學共振腔」強化雷射強度以及方向，但實際上雷射光的強度，仍然是由量子力學的隨機性所決定！如果我們能用感光元件捕捉雷射光線起伏不定的強度，再轉換為數位訊號，就能獲取珍貴且無法破解的隨機亂數。

蝴蝶結狀「光學共振腔」

這種想法雖有十幾年的歷史，不過由於技術上的限制，產率一直相當有限。而且一般方形共振腔產生的雷射，容易讓光強度陷入特定的規律，產生的隨機性也較低。為了解決這個問題，研究人員將共振腔的形狀改良為蝴蝶結狀。如此一來，在其中反彈的雷射光便能保有其當初紊亂的特性，且往特定方向射出。

隨機的雷射光源被 254 像素的高速攝影機拍下，每個像素受到的光強度也被證實為相互獨立，因此成就了 254 條同步生產線，一同產出隨機亂數，使效率遠遠勝過以往一次只能記錄一個像素的做法，創下每秒 250 TB 的紀錄。

現今電腦運作的時間尺度最快不超過幾 GHz，因此這次的 250 THz 創舉難以發揮全部的實力。如果犧牲一些效率，用較簡單的偵測裝置來取代高速攝影機，可以讓整個裝置變得更加輕巧，提升實用性。在不久的將來，史上最速的亂數產生機制，或許可以直接容納於單一晶片之上。

參考資料：

• Kim, K., Bittner, S., Zeng, Y., Guazzotti, S., Hess, O., Wang, Q. J., & Cao, H. (2021). Massively parallel ultrafast random bit generation with a chip-scale laser. Science, 371(6532), 948-952.
• https://www.nature.com/articles/d41586-021-00562-6
• https://cointelegraph.com/news/lack-of-randomness-why-hackers-love-it