【2018年諾貝爾物理學獎】劃開時代的雷射物理工具

本文與 BRITA 合作，泛科學企劃執行。

你確定你喝的水真的乾淨嗎？

如果你回到兩百年前，試圖喝一口當時世界上最大城市的飲用水，可能會立刻放下杯子——那水的顏色帶點黃褐，氣味刺鼻，甚至還飄著肉眼可見的雜質。十九世紀倫敦泰晤士河的水，被戲稱為「流動的污水」，當時的人們雖然知道水不乾淨，但卻無力改變，導致霍亂和傷寒等疾病肆虐。

幸運的是，現代自來水處理系統已經讓我們喝不到這種「肉眼可見」的污染物，但問題可還沒徹底解決。面對 21 世紀的飲水挑戰，哪些技術真正有效？

濾水技術：從霍亂危機到高效濾芯

19 世紀的歐洲因為城市人口膨脹與工業發展，面臨了前所未有的水污染挑戰。當時多數城市的供水系統仍然依賴河流、湖泊，甚至未經處理的地下水，導致傳染病肆虐。

1854 年，英國醫生約翰·斯諾（John Snow）透過流行病學調查，發現倫敦某口公共水井與霍亂爆發直接相關，這是歷史上首次確立「飲水與疾病傳播的關聯」。這項發現徹底改變了各國政府對供水系統的態度，促使公衛政策改革，加速了濾水與消毒技術的發展。到了 20 世紀初，英國、美國等國開始在自來水中加入氯消毒，成功降低霍亂、傷寒等水媒傳染病的發生率，這一技術迅速普及，成為現代供水安全的基石。    

 19 世紀末的台灣同樣深受傳染病困擾，尤其是鼠疫肆虐。1895 年割讓給日本後，惡劣的衛生條件成為殖民政府最棘手的問題之一。1896 年，後藤新平出任民政長官，他本人曾參與東京自來水與下水道系統的規劃建設，對公共衛生系統有深厚理解。為改善台灣水源與防疫問題，他邀請了曾參與東京水道工程的英籍技師 W.K. 巴爾頓（William Kinnimond Burton） 來台，規劃現代化的供水設施。在雙方合作下，台灣陸續建立起結合過濾、消毒、儲水與送水功能的設施。到 1917 年，全台已有 16 座現代水廠，有效改善公共衛生，為台灣城市化奠定關鍵基礎。

進入 20 世紀，人們已經可以喝到看起來乾淨的水，但問題真的解決了嗎？ 科學家如今發現，水裡仍然可能殘留奈米塑膠、重金屬、農藥、藥物代謝物，甚至微量的內分泌干擾物，這些看不見、嚐不出的隱形污染，正在成為21世紀的飲水挑戰。也因此，濾水技術迎來了一波科技革新，活性碳吸附、離子交換樹脂、微濾、逆滲透（RO）等技術相繼問世，各有其專長：

• 活性碳吸附：去除氯氣、異味與部分有機污染物

• 離子交換樹脂：軟化水質，去除鈣鎂離子，減少水垢

• 微濾技術、逆滲透（RO）技術：攔截細菌與部分微生物，過濾重金屬與污染物等

這些技術相互搭配，能夠大幅提升飲水安全，然而，無論技術如何進步，濾芯始終是濾水設備的核心。一個設計優良的濾芯，決定了水質能否真正被淨化，而現代濾水器的競爭，正是圍繞著「如何打造更高效、更耐用、更智能的濾芯」展開的。於是，最關鍵的問題就在於到底該如何確保濾芯的效能？

濾芯的壽命與更換頻率：濾水效能的關鍵時刻濾芯，雖然是濾水器中看不見的內部構件，卻是決定水質純淨度的核心。以德國濾水品牌 BRITA 為例，其濾芯技術結合椰殼活性碳和離子交換樹脂，能有效去除水中的氯、除草劑、殺蟲劑及藥物殘留等化學物質，並過濾鉛、銅等重金屬，同時軟化水質，提升口感。

然而，隨著市場需求的增長，非原廠濾芯也悄然湧現，這不僅影響濾水效果，更可能帶來健康風險。據消費者反映，同一網路賣場內便可輕易購得真假 BRITA 濾芯，顯示問題日益嚴重。為確保飲水安全，建議消費者僅在實體官方授權通路或網路官方直營旗艦店購買濾芯，避免誤用來路不明的濾芯產品讓自己的身體當過濾器。

辨識濾芯其實並不難——正品 BRITA 濾芯的紙盒下方應有「台灣碧然德」的進口商貼紙，正面則可看到 BRITA 商標，以及「4週換放芯喝」的標誌。塑膠袋外包裝上同樣印有 BRITA 商標。濾芯本體的上方會有兩個浮雕的 BRITA 字樣，並且沒有拉環設計，底部則標示著創新科技過濾結構。購買時仔細留意這些細節，才能確保濾芯發揮最佳過濾效果，讓每一口水都能保證潔淨安全。

不過，即便是正品濾芯，其效能也非永久不變。隨著使用時間增加，濾芯的孔隙會逐漸被污染物堵塞，導致過濾效果減弱，濾水速度也可能變慢。而且，濾芯在拆封後便接觸到空氣，潮濕的環境可能會成為細菌滋生的溫床。如果長期不更換濾芯，不僅會影響過濾效能，還可能讓積累的微小污染物反過來影響水質，形成「過濾器悖論」（Filter Paradox）：本應淨化水質的裝置，反而成為污染源。為此，BRITA 建議每四週更換一次濾芯，以維持穩定的濾水效果。

為了解決使用者容易忽略更換時機的問題，BRITA 推出了三大智慧提醒機制，確保濾芯不會因過期使用而影響水質：

1. Memo 或 LED 智慧濾芯指示燈：即時監測濾芯狀況，顯示剩餘效能，讓使用者掌握最佳更換時間。

2. QR Code 掃碼電子日曆提醒：掃描包裝外盒上的 QR Code 記錄濾芯的使用時間，自動提醒何時該更換，減少遺漏。

3. LINE 官方帳號自動通知：透過 LINE 推送更換提醒，確保用戶不會因忙碌而錯過更換時機。

在濾水技術日新月異的今天，濾芯已不僅僅是過濾裝置，更是智慧監控的一部分。如何挑選最適合自己需求的濾水設備，成為了健康生活的關鍵。

濾水技術：不僅是進步，更是守護未來

人類對潔淨飲用水的追求，從未停止。19世紀，隨著城市化與工業化發展，水污染問題加劇並引發霍亂等疾病，促使濾水技術迅速發展。20世紀，氯消毒技術普及，進一步保障了水質安全。隨著科技進步，現代濾水技術透過活性碳、離子交換等技術，去除水中的污染物，讓每一口水更加潔淨與安全。

今天，消費者不再單純依賴公共供水系統，而是能根據自身需求選擇適合的濾水設備。例如，BRITA 提供的「純淨全效型濾芯」與「去水垢專家濾芯」可針對不同需求，從去除餘氯、過濾重金屬到改善水質硬度等問題，去水垢專家濾芯的去水垢能力較純淨全效型濾芯提升50%，並通過 SGS 檢測，通過國家標準水質檢測「可生飲」，讓消費者能安心直飲。

然而，隨著環境污染問題的加劇，真正的挑戰在於如何減少水污染，並確保每個人都能擁有乾淨水源。科技不僅是解決問題的工具，更應該成為守護未來的承諾。濾水器不僅是家用設備，它象徵著人類與自然的對話，提醒我們水的純淨不僅是技術的勝利，更是社會的責任和對未來世代的承諾。

*符合濾(淨)水器飲用水水質檢測技術規範所列9項「金屬元素」及15項「揮發性有機物」測試
*僅限使用合格自來水源，且住宅之儲水設備至少每6-12個月標準清洗且無受汙染之虞

即使再怎麼模仿，AI 終究無法以與生物相同的方式思考吧？畢竟電腦的電子元件和我們大腦中的神經細胞結構截然不同。再怎麼模仿，AI 終究無法以與生物相同的方式思考吧？

錯，可以。

2024 年諾貝爾物理學獎跌破所有專家的眼鏡，頒給了兩位研究機器學習的科學家——約翰·霍普菲爾德（John Hopfield）和傑佛瑞·辛頓（Geoffrey Hinton）。他們以「人工」的方法打造了類神經網路，最終模擬出生物的「智慧」，奠定了當代深度學習的基礎。

為什麼解決人工智慧發展瓶頸的，竟然會是物理學？物理要怎麼讓 AI 更像人類？

從巴甫洛夫的狗到赫布理論：理解學習的基礎

為了解答這個疑問，我們需要一些背景知識。

20 世紀初，俄羅斯心理學家巴甫洛夫發現，狗在食物還沒入口前，就會開始分泌唾液。他進行了一系列實驗，改變食物出現前的環境，比如讓狗習慣在聽到鈴聲後馬上得到食物。久而久之，狗只要聽到鈴聲，就會開始分泌唾液。

大約 50 年後，神經科學家赫布（Donald Hebb）提出了一個假說：大腦中相近的神經元，因為經常同時放電，會產生更強的連結。這種解釋稱為「赫布理論」，不僅奠定了神經心理學的發展，更成為現代深度學習的基礎。

然而，赫布理論雖然描述了鄰近神經元的關係，卻無法解釋大腦如何建構出如此複雜的聯想網路。

霍普菲爾德網路：物理學家對神經網路的貢獻

然而，赫布理論雖能描述神經元之間的關係，卻缺乏數學模型。物理學家約翰·霍普菲爾德從數學家約翰·康威（John Conway）的「生命遊戲」（Game of Life）中獲得靈感，試圖建立一個可以在電腦上運行的記憶系統。

「生命遊戲」由數學家康威（John Conway）發明，玩家開始時有一個棋盤，每個格子代表一個細胞，細胞可以是「活」或「死」的狀態。根據特定規則，細胞會根據鄰居的狀態決定下一次的生存狀態。康威的目的是展示複雜的系統不一定需要複雜的規則。

霍普菲爾德發現，這個遊戲與赫布理論有強大的關聯性。大腦中的大量神經元，在出生時處於初始狀態，經過刺激後，神經元間的連結會產生或斷裂，形成強大的記憶系統。他希望利用這些理論，創造一個能在電腦上運行的記憶系統。

然而，他面臨一個難題：赫布理論沒有明確的數學模型來決定神經元連結的規則。而在電腦上運行，必須要有明確的數學規則。

物理學的啟發：易辛模型

霍普菲爾德從物理學的研究中找到了類似的模型：易辛模型（Ising Model）。這個模型用於解釋鐵磁性物質的磁性特性。

在鐵磁性物質中，電子具有「自旋」，自旋產生磁矩。電子的自旋方向只有「向上」或「向下」，這就像生命遊戲中細胞的「生」或「死」。鄰近的電子會影響彼此的自旋方向，類似於細胞之間的互動。

易辛模型能用數學描述電子間的相互影響，並通過計算系統能量，得出自旋狀態的分佈。霍普菲爾德借用了這個概念，將神經元的互動視為電子自旋的互動。

他結合了康威生命遊戲的時間演化概念、易辛模型的能量計算，以及赫布理論的動態連結，創造了「霍普菲爾德網路」。這讓電腦能夠模擬生物大腦的學習過程。

突破瓶頸：辛頓與波茲曼機

然而，霍普菲爾德網路並非完美。它容易陷入「局部最小值」的問題，無法找到系統的全局最優解。為了解決這個問題，加拿大計算機科學家傑佛瑞·辛頓（Geoffrey Hinton）提出了「波茲曼機」（Boltzmann Machine）。

辛頓將「模擬退火」的概念引入神經網路，允許系統以一定的機率跳出局部最小值，尋找全局最優解。他還引入了「隱藏層」的概念，將神經元分為「可見層」和「隱藏層」，提高了網路的學習能力。

受限波茲曼機（Restricted Boltzmann Machine）進一步簡化了模型，成為深度學習的基礎結構之一。這些創新使得 AI 能夠更有效地模擬人類的思維和學習過程。

AI 的未來：跨學科的融合

霍普菲爾德和辛頓的工作，將物理學的概念成功應用於人工智慧。他們的研究不僅解決了 AI 發展的瓶頸，還奠定了深度學習的基礎，對現代 AI 技術產生了深遠的影響。因此，2024 年諾貝爾物理學獎頒給他們，並非意外，而是對他們在跨學科領域的重大貢獻的肯定。

AI 的發展，離不開物理學、生物學、數學等多學科的融合。霍普菲爾德和辛頓的工作，正是這種融合的典範。未來，隨著科學技術的進步，我們有理由相信，AI 將越來越接近人類的思維方式，甚至可能超越我們的想像。

本文轉載自顯微觀點

2018 年，陽明大學生醫光電研究所教授高甫仁在台北的「未來科技展」上，展示出一種直徑遠小於市面產品的內視鏡，只有不到 0.5 公厘。「內視鏡就像是帶著車頭燈的攝影機。」高甫仁說。這種小型攝影機像是條細長的電線，能夠透過微創手術深入人體內部，檢查呼吸道、腸胃系統或各種器官，藉由鏡頭前端的光源看見病灶影像。

「可是你會發現，光源沒有辦法做得更小。」內視鏡受限於發光二極體（LED）的體積，似乎難以再改良。然而，高甫仁利用比頭髮更細的光纖導入雷射，取代 LED 作為光源，大大減少內視鏡體積。如此一來，就能進一步縮小手術傷口，加快恢復時間。而且只需要一至兩根光纖，亮度就會超過好幾顆 LED。

雷射是一種能量集中的光束，再加上亮度高的特性，常被應用在光學儀器上。事實上，這已經不是第一次高甫仁利用雷射作為光學儀器的光源。鑽研雷射超過 20 年的他，深知這項技術所具備的潛力。

超快雷射結合顯微技術

其中一項重要的應用領域便是超快雷射，這種雷射的持續時間極短，甚至可達到飛秒（10-15秒）的程度，能夠形成瞬間能量極強的光，「超快雷射能夠達到的能量密度，可能是一般雷射的百萬倍以上。」高甫仁解釋。

1990 年代，超快雷射技術崛起，開始應用在各種科學場域上。當時高甫仁正在美國康乃爾大學攻讀博士班，主要研究的領域是固態物理，例如探討原子或分子間的交互作用，讓他也有機會學習使用與架設超快雷射。

然而固態物理的實驗十分昂貴，常常需要在超低溫、高磁場、超高真空等環境下進行。因此當高甫仁從美國回到台灣從事研究工作時，便面臨到經費不足的困境，「太空實驗、高能物理都不是一個人或一個團隊能夠負擔的，因此我思考，是不是能透過個人創意，在比較簡單的實驗室就能做出特別的東西。」

超快雷射除了應用在固態物理，也逐漸在顯微領域上嶄露頭角。因此高甫仁認為，若超快雷射能夠與光學顯微鏡結合，就有機會做出一番成果。於是在陽明大學的近代光學實驗室裡，高甫仁成功自製出應用超快雷射作為光源的雙光子顯微鏡，「很多以前只是在教科書上看到的非線性光學效應，跟顯微鏡結合後，居然真的實現了；本來看不到的東西，現在直接就看得到。」

一般使用傳統的螢光顯微鏡時，會採用較高能量、短波長的光子照射樣品，使螢光分子發出低能量、長波長的光子。若使用超快雷射作為光源，就能夠將能量低的光子轉換為高能量的光子，「就像用兩個五塊錢換一個十塊錢，可是兩個五塊錢要在同一時間打到同一個點，普通光源做不到這件事。」雙光子顯微鏡讓研究者可以觀測到深層組織，並降低雜訊干擾。

能量高、亮度高的超快雷射，還可以用來捕捉快速發生的自然現象，就像我們使用單眼相機拍照時，可以調控快門速度來清楚拍攝物體，「機械快門通常可達千分之一秒，電子快門可達萬分之一秒，但如果想要更快的快門，就得從光源下手，例如使用特殊的閃光燈，在百萬分之一秒內凍結影像。」若使用超快雷射，就能抓住兆分之一秒的瞬間。

「我一直對顯微鏡很著迷，做科學不是只有數據，而是能看到很漂亮的圖像、看到想要的東西。」高甫仁真切地說，「如果有一幅影像全世界沒有人拍過，而我是全世界第一個做出來的，就會感到非常振奮。」他說，二十多年前，他第一次看到氮化鎵（gallium nitride）所形成的光電流影像，當下的感覺無可比擬。

科學與藝術

「顯微鏡需要最尖端的科技，呈現的影像又具有藝術性，很少有領域同時具有這樣的特性。」高甫仁認為，顯微鏡所呈現的影像，就像哈伯天文望遠鏡所觀測的宇宙般令人驚豔，即使兩種科技的尺度天差地別，但都是透過光學成像技術映照出前所未見的世界。

從生物樣品到半導體元件等各種樣本，高甫仁都曾用顯微鏡觀察過，對於光學成像已有自己的一套心得，「所有的光學成像離不開三個原則：挑選與使用光源、如何用光學元件成像，以及如何偵測影像。」

高甫仁也提及，隨著人工智慧（AI）的普及，顯微鏡也已開始採用 AI。現階段顯微攝影已具備快速拍攝大量影像的技術，然而如何分析與處理影像，成為當前各研究人員急欲解決的問題，「AI的運算能力加上深度學習技術，可以分析上千張影像之間的關聯性。」高甫仁認為透過 AI，將能夠補足傳統光學顯微術的不足之處。

此外，高甫仁表示，未來還可能會出現量子光學，掀起另一波的顯微技術革命。「利用量子狀態的相關性，可以讓取像時間大幅縮短。」就像量子電腦可以利用量子位元提升運算速度，解決當前棘手的問題，「利用量子光學，只需要更少的光子，就達到同樣的精準度。」

高甫仁認為，「顯微鏡的目的，就是透過影像連結尖端科學。」影像裡所述說的故事，以及所負載的科學意義，將會持續推動科學家鑽研更新的技術，發現更多前所未見的世界。

查看原始文章