提出科學「典範轉移」：孔恩誕辰 │ 科學史上的今天：07/18

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

醫學論文造假事件

去年醫學論文造假事件鬧到最鬧烘烘時，很多圈內的朋友也都不約而同做了很多相同的夢，內容非常真實又刺激，曲折離奇到說出夢境都絕對要發表不自殺聲明。

毫不例外的，現實當然也要比很多影視作品還更變態，狗血狂灑到編劇都嚇到吃手手，不信看看從造假後一路走來，台灣高等教育和學術圈在面對愈來愈嚴峻的國際競爭壓力下，各種明爭暗鬥、扯後腿、落井下石，真是令人眼花撩亂，難怪台灣書市的大眾小說幾乎全都變小眾了，因為讀報紙就比大眾小說精彩。

醫學論文造假事件後，除了造成有學校沒有校長，很多新同事和助理、學生要去上所謂的學術倫理課，以及信箱不時收到誠信電子報，在制度和體制上幾乎沒有任何改變。相信再來一次，同樣的戲碼又不會不再重演一遍，然後更多無辜的人要逼得寫作文，或小說。

讓科學界莘莘學子重新點燃希望

這是一個很難讓人樂觀的年代，不過在這個現實虛構顛三倒四的惡質現狀下，慶幸的是有部優異的作品橫空出世了！在紛紛擾擾的環境中，這本小說卻很瘋刺的比讀報紙才知道的事情還來得更像是真實的！

在一系列造假事件中，學術圈內異常的安靜，就連我夢中在醫院裡工作的線民，都回報說醫院內所有人上班時都完全不像聽說任何事一樣，在茶餘飯後都完全沒人想要提到這件事，一整個河蟹到可怕，據說膽敢要說八卦的話，都要作夢跑離院外好幾公里外才行，果然比台日版的《白色巨塔》（白い巨塔）還變態，還好是作夢夢到的。學術圈內的大佬也沒人敢出來批評什麼，只有個位數學者敢在媒體上大量投書。

就在那幾位膽敢大量投書媒體的人物中，最突出的就是國立宜蘭大學生物機電工程學系特聘教授 ──《科學月刊》、《科技報導》前總編輯蔡孟利老師，以專業證據、實際訪談為基礎，提出強力的質疑，是極少數的正義之聲。據說他母校已有很多師生及校友感到 ⋯⋯ 因此，台灣就平添了一位優異的小說家！

龍困淺灘，不死也傷！

科學的價值、教育的價值、大學的價值，在純粹的名利追逐下，無形中崩壞！有人還敢說在學者和官員的這些作為下，能帶給社會正面的力量，以及給予莘莘學子追求和現實夢想的勇氣嗎？！難怪人才加速流失。好棒棒，沒有關係，很可以，我們還有小說《死了一個研究生以後》。

在「死了一個研究生以後」 ……

在細胞培養室裡無預警地開了一氧化碳自殺，然後她就死掉了。讓一個宅男在十幾天中步向人生中，比做實驗追求知識更真實的探索之旅，探索學姐的死因、探索人生中的其他面向、探索愛情。科學研究，原本就是要犧牲一個人很多很多青春和精力的，可是換來的不是高尚的理念，而是成了追名逐利下被吃掉也不痛不癢的小棋子，都不知大人要怎麼教小孩了。

原本以為，《死了一個研究生以後》只是一本人物對白簡單的爆料驚悚小說，可是沒想到這卻是一本文學性頗強的小說，甚至讓人忘了真實世界中的論文造假事件，即使真實的世界的夢境中，真的死了人。

我相信，沒讀過《死了一個研究生以後》的朋友遠超過讀過的，因為讀過的朋友見面時都不約而同問對方讀過了沒，即使不是生科人，也讀得津津有味。很難想像理工宅的處女作，就交織出複雜的劇情、深厚的感情、合理的線索，讓讀者跟著一位宅男抽絲剝繭，並且在宅了很多年的象牙塔脫困後在現實世界中遭遇各種逃避過的衝撞，簡直就是本宅男的異想世界，宅得很精彩！

《死了一個研究生以後》中的命案把一自以為投身科學研究的宅男搞得七葷八素，現實中更多阿宅的故事只恐怕更杯具。《死了一個研究生以後》把一個宅男的生活和心理刻畫得入木三分，包括對正妹們的諸多性幻想。我雖然一點也不宅，但看看周遭的宅男們，也感到好親切和熟悉。

作為一部傳說中的推理小說，《死了一個研究生以後》是有些不足，就是壞人實在太善良了，果然學界大佬都還是吃素的，讓結尾對照整本小說而言顯然不夠緊張刺激。連邪惡的老闆也只能拿科學哲學大師孔恩 (Thomas S. Kuhn，1922－1996)《科學革命的結構》(The Structure of Scientific Revolutions) 的典範論來打打嘴炮，讓我真想巴他兩下，用力打臉說他怎麼知道他的典範不會被轉移掉，造個屁假啦。然而，瑕不掩瑜，近年台灣已少有這麼優異的小說問世了！

泛科學現在推了個泛科幻獎，徵求短篇和中短篇科幻小說。我已想好兩部科幻推理小說的題目了：《死了一個大學校長以後》，以及其續集《死了一個教育部長以後》，請大家拭目以待，期待都能在夢中讀到這兩部劃時代的巨著！

最後，本人在此特地聲明：

本人樂觀開朗，身體健康，無任何使我困擾之慢性病或心理疾病，故絕不可能做出任何看似自殺之行為。

本人從無睡眠困擾，故不需服用安眠藥。

本人不酗酒亦不吸毒，也絕不會接近下列地點：
1. 開放性水域
2. 無救生員之游泳池
3. 有高壓、危險氣體，或密閉式未經抽氣處理之地下室、蓄水池、水桶等
4. 無安全護欄之任何高處
5. 任何施工地點（拆政府除外），包括製作消波塊之工地
6. 任何以上未提及但為一般人正常不會前往之地點

本人恪遵下列事項：
1. 車輛上路前會檢查煞車部件、油門線等，並會在加油前關閉車輛電源與行動電話。
2. 絕不擅搶黃燈、闖紅燈。
3. 乘坐任何軌道類交通工具一定退到警戒線後一步以上，直到車輛停妥。
4. 騎乘機車必戴安全帽；乘車必繫安全帶。
5. 絕不接近任何會放射對人體有立即危害的輻射之場所（如核電廠）或設備。
6. 颱風天不登山、不觀浪。

本人將盡可能注意電器、瓦斯、火源之使用。

本人居住之房屋均使用符合法規之電路電線，絕無電線走火之可能；也絕未在家中放置過量可燃性氣體或液體。浴室中除該有之照明外，不放置任何電器用品，並在睡覺前關閉除電燈、冰箱、電扇外之所有電器開關。

本人絕不會與隨機的不明人士起衝突，並盡可能保護自我人身安全。

所以若網友在看完此聲明之後，近期或將來發現此帳號不再上線，請幫我討回公道，謝謝。

本文原刊登於 The Sky of Gene。

大家都覺得很重要，但希格斯玻色子到底是什麼？

2012 年粒子物理學家正式宣佈發現希格斯玻色子，這件事馬上變成國際頭條，《紐約時報》寫道「希格斯玻色子的發現，代表科學的進步，能對現代文明提供最好的解決方案。」每個人都像發現大秘寶一樣興奮，不過清楚知道自己在興奮什麼的人應該不多……不信的話我們先來做個小測驗好了！

希格斯小測驗

一、在「希格斯玻色子」這個名字用來命名粒子之前，它最為人所知的是：

1. 兒童最愛的電視小丑
2. 中情局最危險的間諜代碼
3. 在「星際大戰」中，天行者路克的兒時玩伴
4. 你朋友在「龍與地下城」中的角色

二、對或錯：如果直接吞下去，希格斯玻色子比超火辣口味「奇多」更容易上癮。

三、對或錯：希格斯玻色子是希格斯和玻色這兩位理論家所預測的粒子。

看完文章後在附註中核對你的答案，看看你知道多少：）^註1

認真來說，找到希格斯玻色子是科學的一大勝利。它給了我們一個最佳展現，那就是：尋找模式是了解宇宙的良好方針。

希格斯玻色子可能存在的想法，來自於研究傳遞作用力的粒子模式，以及關於它們質量的問題，這些粒子是光子、W玻色子和 Z玻色子。物理學家問：「為什麼它們其中的光子沒有質量，但是其他粒子（W及Z）的質量非常大？」就一個我們稱為質量的標籤來說，這種有些力場粒子質量是零，但有些不是零的特殊情況，實在是太奇怪、太莫名其妙了。

希格斯和其他幾位粒子物理學家關注了這個問題一段時間，就決定這樣找出答案：把質量做出來吧。

真的，他們就是這樣做的！如果你再添加一個粒子（希格斯玻色子）和它的場（希格斯場）到方程式裡，那麼把質量視為粒子標籤（以及某些粒子為何有更多質量）的想法，就開始有了意義。

大致說來，這個理論可以如此陳述：

希格斯場可以想像成一個瀰漫整個宇宙的場。它可以做其他場不能做的事：既非吸引力也非排斥力，而是讓粒子寸步難行或是速度減緩。希格斯場能讓粒子達到與擁有慣性質量般的相同效果。

希格斯場與粒子之間的交互作用愈多，粒子看起來擁有的慣性（或是質量）就愈大。這進一步暗示，粒子與希格斯場交互作用所產生的慣性，就是粒子的質量。這就是粒子「擁有質量」的定義。

一些粒子非常強烈的感覺到希格斯場，代表它們需要很大的力量來加速或減速：這些粒子有很大的質量。其他粒子幾乎感覺不到希格斯場，所以它們只需要很小的力量來加速或減速：這些粒子幾乎沒有質量。

讓我們花點時間思考一下。希格斯場的發明，是一個典範轉移的見解，同時也是一個明顯無趣的聲明。

希格斯場是一個典範轉移， 因為它給了你對於「質量是什麼？」這個問題，一個全新的思考方式，這是不得了的成就。但是，希格斯場的論述也是沒什麼大用的，一旦你接受了粒子質量不過是神祕的量子標籤，而不是粒子的內含物。

事實上， 它沒有解決最重要的問題：「為什麼粒子有不同的質量？」 所有的理論都是把一個問題變成另一個不同的問題：「為什麼所有物質粒子對希格斯場的感覺都不一樣？」

根據希格斯理論，物質粒子的質量大小並沒有特別的理由。質量大小就好像是隨機選擇一樣，也可以有完全不同的數值。即使你改變質量，也不會打破任何理論，現有的物理定律仍然照樣運行。

希格斯理論確實解釋了為什麼作用力粒子（光子、W 和 Z）具有現有的質量，但是不能通盤解釋物質粒子為什麼具有不同質量（為什麼有些與希格斯場交互作用多，而有些卻很少）。質量大小可能有種模式，但是到目前為止，最好的宇宙理論只將物質粒子的質量列為任意數目。

重力質量

我們來到了有關質量奧祕的最後一片拼圖。

當我們之前思考如何測量某物的質量時，你很可能也想到了一個不同於發泡膠子彈玩具槍的精確方法：何不用磅秤！

磅秤能測量物體的重量，也就是測量地球對物體施加的重力拉力。這與質量密切相關，因為擁有更多的質量，受到地球的拉力愈大。在一個粒子的情況下，你也可以把重力質量看成「重力荷」。當兩個粒子有電荷時，它們彼此感覺到電力，電力與電荷成正比。以同樣的方式，當兩個粒子具有質量時，它們感受到與自身質量成比例的重力吸引力。

兩種質量是一樣的嗎？

重力質量與我們前幾頁談論的慣性質量相同嗎？可以說是，也可以說不是。

說它不是，因為我們所謂的「重力質量」，似乎決定了施加在物體上的重力，而且我們使用不同於慣性質量的技術（磅秤）來測量它^註2。

說它是，因為我們可以用兩種方式來測量質量，到目前為止，我們從未觀察到物體的重力質量和慣性質量之間的差異。

這多麼令人匪夷所思。沒有真正的直觀原因有說明，兩種質量應該一樣。它們其中一個（慣性質量）是描述如何抵抗運動，另一個（重力質量）是描述有多想被重力拉動。

以我們現在的物理學架構來看，我們不知道為何如此。我們只是假設兩種質量是一樣的，而這個等效性假設，是愛因斯坦廣義相對論的核心。廣義相對論用非常不同的方式看待重力。它不是把重力視為：作用於附著在粒子和能量背後的任意「荷」，而是把重力描繪為質量和能量周圍時空的彎曲或扭曲。

所以，愛因斯坦的理論讓兩種質量的聯繫更加自然，不過它還是沒有告訴我們「為什麼是這樣」。除了相對論之外，我們的粒子物理學理論把重力質量和慣性質量視為不同的概念，但實驗上我們看到，它們是一樣的。這非常強烈的表明，兩種質量有極深刻的聯結。

• 註1：如果你真的試圖回答任何一個問題，代表你應該有好好閱讀這一章，但還是一頭霧水，對吧？這就是作者想要表達的感覺ＸＤ
• 註2：這是牛頓的重力觀。往後，我們會學到廣義相對論的版本，在廣義相對論裡，重力不是作用力，把重力視為質量造成的時空扭曲會更加合理。

本文摘自《這世界難捉摸：霍金也想懂的95%未知宇宙》，遠見天下文化出版。