科技想要什麼？

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

• 作者 / 芭芭拉‧奈特森－赫洛維茲 (Barbara Natterson-Horowitz)、凱瑟琳．鮑爾斯 (Kathryn Bowers)
• 譯者 / 嚴麗娟

結盟的力量

青少年遭到霸凌不一定會憂鬱。有些青少年比其他個體更有抗壓性。以人類來說，支持者和朋友是很重要的緩解因素。亞娜．尤馮南（Jaana Juvonen）是研究青少年霸凌的專家，任職於加州大學洛杉磯分校，根據她的說法：「朋友的力量真的令人難以置信。小孩只要有一個朋友，就能直接降低成為受害者和被霸凌的風險。此外，受害者只要有那個朋友在身旁，就能減輕痛苦。」

霍納證實，同樣的道理也適用於鬣狗。「朋友的數目能確保你的社會地位。」他說。史靈克在幼年時期就居於劣勢，但在觀察史靈克和公共巢穴裡其他鬣狗的互動後，霍納與他的研究小組看到一件很有趣的事。史靈克特別擅長「社交聯盟步行」，就像人類會找朋友喝咖啡或打籃球。鬣狗這種迷人的行為還有更口語的說法，稱做「與朋友散步」。

霍納向我們描述，「兩隻雄鬣狗可能一碰面就決定，『一起去走走吧。』」他語帶愛意地笑著說。霍納還告訴我們，史靈克會接近其他雄性，接著兩隻鬣狗一起快步走，身體不時接觸，尾巴自信地高高舉起。每走幾公尺，史靈克跟朋友就會停下來仔細聞聞草莖，即使一切看似稀鬆平常，沒什麼好留意的。一邊與朋友散步，一邊嗅嗅聞聞，是鬣狗的溝通方式，就像人們會為了交際談論天氣、體育賽事或政治。散步可能持續好幾個小時，兩隻鬣狗會不時停下來，東聞西嗅。

成年鬣狗也會有這種行為——事實上，這是成年鬣狗維持社交連結的主要方式。而像史靈克這樣，在青少年時期多和朋友出去散步，也會讓牠在長大之後比較容易投入社交圈。

對史靈克來說，擅長與其他鬣狗建立友誼，並且有能力也願意邀請其他鬣狗建立關係，對牠很有幫助。霍納並未研究為什麼對某些動物來說，這種行為就是比較容易，這或許和個性、氣質或機會有關。但在野莽期學會吸引朋友和維繫友誼顯然非常重要，而且並非理所當然。青少年必須練習交朋友，透過不斷接受和付出來建立關係。尤其同儕之間的關係不像家人那麼緊密。青少年會透過玩耍互相練習，來磨練自己。

玩耍時的地位

大自然是座巨大的遊樂場，從魚兒和爬蟲類，到鳥兒和哺乳類，年輕的動物在河川、草原、海洋和天空中跑跳嬉戲。德國哲學家和心理學家卡爾．谷魯司（Karl Groos）在一八九八年的著作中指出，「我們不能因為動物年輕、在打鬧，就說牠們在玩，而要考慮到……這些都是為了……讓他們能應付未來生活中的考驗。」

谷魯司的說法的確降低了玩耍的趣味，但「應付未來生活考驗」的能力，確實就藏在許多動物和人類的玩耍行為中。年輕的掠食者得模仿打獵動作，練習偷襲、猛撲和撕抓，將來才能自行覓食。一般來說，親代會送「玩具」給子女，幫助牠們學習：例如小豹斑海豹得到受傷的企鵝，小狐獴得到無法動彈的蠍子。

動物行為學家戈登．伯格哈特（Gordon Burghardt）說，藪貓（一種野生的非洲貓科動物）會玩「釣魚遊戲」。牠們會讓「抓到的小老鼠和大老鼠逃進大樹殘幹或地洞裡，再用前腳掌把牠們抓回來……藪貓會小心地抓住獵物背上的毛髮，把牠們抓到裂縫附近並放開。如果獵物沒有逃進洞裡，藪貓通常會用前腳掌把牠們趕進去，再把牠們撈出來。」

青少年時期的虎鯨會故意到淺灘嬉戲，模仿成年虎鯨乘著浪花到海灘上，迅速抓住獵物，再溜回海裡。青少年時期接受過這種訓練的虎鯨，成年後的掠食能力似乎更強，技巧也進步得比較快。

同樣地，人類青少年也該早點學習怎麼談戀愛（我們將在本書第三部詳細說明），長大後才能成功找到對象，並跟伴侶有適當的互動。白頭海雕交配前會進行一段非常可怕，也可能致命的空中舞蹈儀式，稱做「死亡螺旋」。青少年白頭海雕玩耍時，會朝向彼此飛去，互碰利爪—同時，在飛行中練習瞄準和抓物，準備在某一個時間點勾住伴侶的腳，把對方猛甩出去。

最明顯的玩耍行為就是打鬥遊戲，例如袋鼠有模有樣地相互揮拳，或年輕公羊用頭互撞。澳洲的袋熊和袋鼬會彼此追逐、跟蹤和扭打。紅頸袋鼠有二十一種不同的打鬧方式，包括蹦跳、抓扒、拍打、出拳和踢腿。

從人類的角度來看，打鬥遊戲就像在為將來抵禦掠食者做準備。乍看是為了保障安全，事實上自我防衛跟打鬥遊戲不一樣。後者是讓年輕的動物學習不同的戰鬥類型，以爭取在群體內的階級。要注意，不論是天竺鼠還是捲尾猴，小時候常跟同儕混戰的年輕動物並不會變成好鬥的仇敵，而會變成更好的朋友。牠們成年後的社會階級較高。透過打鬧，年輕的動物可以試著不傷害彼此來協調衝突。此外，低階動物如果不喜歡優勢動物的作為，也可以藉由玩耍來學習怎麼溝通。

麻州大學阿默斯特校區（University of Massachusetts Amherst）的生物學家茱蒂絲．古迪納夫（Judith Goodenough）說，「沒占過上風，年輕的猴子在成長過程中會過度服從；不曾居於下位，長大後可能只會霸凌他人。遊戲也可以幫助年輕動物學習理解其他動物的意圖。對手是否在虛張聲勢？對方有多積極？這些社交和認知技能或許比身體能力更為重要。」

我們問霍納，史靈克是否也有學到這些？他說，所有鬣狗都必須學習面對遊戲後的輸贏—就算是稱后的雌鬣狗也一樣。他說，女王有時候會闖入其他家族的地盤，變為侵入者的她就必須順從領域中的其他居民。「鬣狗都懂得如何服從。這是存活的關鍵，否則你會被揍得很慘。」他說。而這些服從行為多半是在野莽期早期，跟同儕們玩耍時學來的。

年輕的雄性白尾鹿會跟不同年齡的同類一起度過夏天，基本上就是從「玩耍」當中學習和重新學習團體生活的規則。

每到夏天，所有雄鹿的鹿角會脫落。這時，群體行動能有更多雙眼睛和耳朵保護這些少了鹿角、比較容易被攻擊的個體抵禦掠食者。這相當於鹿將防身武器放在門口。沒有武器後，鹿隻也不容易因為玩打架遊戲而受傷。

跟很多動物一樣，這些雄鹿打鬧不只是為了練習打退掠食者，或彼此競爭資源或伴侶，而是有個隱而未宣的目的：學習如何「避免」互相打架。因為穩定的動物群體不會彼此爭鬥。打架遊戲能訓練年輕動物理解社會階級中的不同位置，讓牠們成為更靈活、更成功的領袖，或在群體裡成為更有生產力、更可靠的成員。

對社會性動物來說，這類訓練非常重要、不可或缺。人類青少年跟年輕人有很多方式可以練習階級制度中頻頻發生的分級和重整。在健全的體育、戲劇和音樂體系中，人們能藉由特殊技能在可靠的環境裡改變自身地位—而不用靠外表、體型、力量或家族人脈來獲取優勢。這使青少年能在階級制度裡移動，也能對現況有些許主控權。聰明的教練、編舞家和指揮家會讓參與者有機會當主角，也有機會當配角。

有個絕佳的策略能讓人類青少年在分級的戰爭中存活下來：在大的階級制度裡創造出規模較小的階級制度。在群體中擔任地位較低的角色是個體非常重要的成長經驗。例如，擔任實習生和學徒，或者是夾在九年級生和十二年級生的同儕領導關係之間。但在不同的群體裡享受較高的地位也能讓人有所收穫。加入學校、在地社區的不同團體或甚至多個線上社群，都能達到兩個同等重要的目的：青少年可以一面累積社交技能，一面學習接受這個階段的挑戰變得更具抗壓性。

——本文摘自《動物們的青春》，2021 年 5 月，臉譜。

文/ Gilver

你知道嗎？不只吃的東西裡面可能有餿水油，連你看的新聞可能都有毒！當人們開始仰賴媒體做為獲取知識及生活資訊的管道時，若不小心攝入混入此毒的新聞資訊，雖不會造成立即傷害，卻可能會損壞你的思考能力，甚至不小心變成別人的笑柄。

當Z編問起大家最有印象的科學偽新聞，馬上就可以聽到「英國研究」和「關X時刻」兩個答案。雖然，這些新聞節目帶給我們不少茶餘飯後的話題，可若這些新聞沒有實驗基礎，或者為了吸引觀眾的眼球而亂下標題、甚至吹牛，那可就不是科學普及的成功，而是偽新聞的知識浩劫啦。

本次微型點子對撞機M.I.C.邀請到《別輕易相信！你必須知道的科學偽新聞》作者黃俊儒老師，以及《哲學哲學雞蛋糕》作者朱家安，帶大家從媒體傳播、邏輯思辨，重新檢視生活中的科學偽新聞，一起來為各位「解毒」！

 朱家安：媒體、言論自由與新聞錯誤

http://youtu.be/3PS4O2vXyQ0

朱家安是簡單哲學實驗室創辦人，經營全台灣髒話最多的哲學部落格「哲學哲學雞蛋糕」；是泛科學專欄作者之一，也和泛科學Z編另外主持簡報設計團隊 Anchr。對於「哲學」，朱家安認為它和科學有些相似，著重於邏輯、分析生活中的瑣碎概念，能作為通往偉大研究的基礎，但常讓人覺得不知道為什麼要研究這種東西。他覺得如果一般人看不懂哲學家的話語，那是哲學家出了問題！這樣的信念使得朱家安投身於哲學推廣，希望能把哲學用大家聽得懂的形式傳播出去。

言論自由：真理是否真的越辯越明？

廣為人知的英國哲學家John Mill，是著名的效率主義者，他研究人們習以為常的生活價值並給予辯護，其中一個例子就是言論自由。在當代，詆毀教會或貴族，可是會被處刑的事！「當大家都可以說話的時候，真理更有機會浮上檯面。言論自由是為了促進討論、累積可靠的知識。」錯誤必須能被指正，擁有正確知識的人得有機會發言。然而他話鋒一轉，「正身處網路時代的各位在看過網路筆戰之後，想必會覺得John Mill太樂觀了！」

當每個人都有言論自由時，是不是有些人的言論，比其他人更自由呢? 「像是辦公室面對主管，就算他講錯也無法輕易出言糾正，糾正也不一定有用。」言論自由衍生的問題常來自社會背景，朱家安舉出一個雜誌裡營養食品研究的例子：它乍看之下好像是篇客觀的報導，玄機卻藏在左上角……在不起眼的角落，寫著「廣告企劃部製作」。「財團能運用投資人給他的資金來讓他的聲音更大、更容易深入人心。」朱家安另外舉苗栗大埔徵收為例，當時縣政府有錢買下四大報頭版，但其他持有議題資訊的人卻沒有足夠的錢這麼做，頂多只能社群媒體PO文。

冰山之一角：媒體的操弄你真的都有辦法辨認嗎?

媒體的新聞操弄術有很多種，朱家安形容它是一座泰半體積隱沒於海水之下的冰山，容易辨認得少，不易辨認得多。美食新聞即是常見的一種，它迎著時下話題見縫插針，譬如像是五月底粽子貴了，改吃茄子的新聞，這種比較容易辨認。但接下來的新聞就比較難了，例如，有一個公關公司架設的免費網站 ProfNet (專家網)，能引介專家來為你的藥廠廣告背書！這個網站透過限制、決定客戶跟專家有哪些互動選項，從而抽成、獲利，所以你就會看到有專家背書的新聞，但不確定可信度有多少。

滅火用的八卦新聞雖然沒什麼營養，但它能在一些重要的時刻把閱聽人的注意力從重大事件身上轉開；再來，一些扭曲事實的新聞例子特多，有個特別誇張的是有電視節目在立法院佔領期間把國內組織「零時政府」(g0v) 扭曲成「臨時政府」，藉以誤導僅靠傳統媒體的閱聽人。更誇張的，某些新聞被媒體刻意不報導，除非從其他資訊來源得到消息，否則這些事件對閱聽人來說，就變得「根本不存在」了。

為什麼會這樣？談談「第四權」

媒體和民眾是互相養成的。媒體是第四權，促成民眾「知」的權利。問題在於，媒體餵養給民眾資訊時，要考慮到那些資訊是民眾願意看的。那麼，人民是否真的對於那些對他們真的重要的事情感興趣呢？不見得。

民眾最需要知道的消息，通常不會是最有趣、最便宜的消息。目前最便宜的報導「周刊王」即是媒體商業化下的產物，它大量製造有趣、吸睛的報導，卻同時把你的目光從最重要的消息身上移開。人民雖有知的權利，但問題在於要知道些什麼？ 縱使名模的緋聞跟我們其實無關，我們對它的興趣卻比政府官員貪污案、環境被破壞來得更多。媒體娛樂化的濫觴，莫過於明明知道哪裡有瘋狗咬人才重要，卻選擇去報人咬狗這種和民眾福祉不相關的娛樂性話題。

媒體會影響民眾的認知。舉北捷隨機殺人案為例，媒體描述個案的手法容易講得罪證確鑿，如果在案情尚未明瞭的時候未審先判，將會影響到人們後續的想法！用看完一則新聞之後的心情，來判斷嫌疑犯的清白與否，這樣的作法並不公正。法國哲學家笛卡兒曾提問：如果我所處的世界是惡魔在欺騙我，身處幻覺的我是否會發現？同樣的，如果看到一則偽新聞，我有沒有辦法判斷出來？如果無法確定，那對於它的真實性就應該要存疑。

批判思考: 揪出新聞的錯誤

對於偽新聞，朱家安建議大家可以有以下的檢驗方式來揪錯：

1. 謹慎看待嘲弄型的論證 ：一個人對於社會議題所提出的意見，並不應個人操守來判斷他說得有沒有道理，又稱為「人身攻擊的謬誤」。
2. 挽救機制 ：如果某媒體報導了一篇錯誤的新聞被糾正而道歉，它的道歉也應該要附在最原始的那篇新聞後面，而不是另外發一篇道歉文章就算了。另外， 零時政府g0v推出的外掛程式 新聞小幫手，也能夠協助使用者揪出新聞的錯誤。
3. 多元來源 ：獨立媒體 (可參考列表)，或稱小資媒體，他們沒有財團當靠山，這代表他們還不夠譁眾取寵，以至於賺錢的地步，從而讓人覺得它們的新聞是有保障的，不會為了賺點閱率、服務廣告商而搞大量置入性行銷。
4. 論點整合 ：主流媒體上論點攻防不會被呈現出來，更不會被整理。在網路時代，我們容易找到志同道合的夥伴，整合判斷意見的攻防，進行議題的完整討論。

注意力經濟：一個注意力比內容還要貴的時代

不管媒體丟出什麼樣的內容，最終目的是要吸引你的注意力。不要把時間浪費在你不真的想要的事物上。我們都是媒體，除了不要浪費自己的注意力，也避免未讀先推、奇文共賞，或中了「意氣曝光」 (透過網路投票激起雙方的討論賺取點閱率)的下懷。「在每個人都是守門人的時代，有多大的能力就有多大的義務。」朱家安以這句話做結。

黃俊儒: 你必須知道的科學偽新聞

在「閱毒新聞」的上半段，朱家安跟大家談了媒體的本質，接下來《別輕易相信！你必須知道的科學偽新聞》作者黃俊儒老師，則聚焦在台灣媒體詮釋科學的新聞套路。

http://youtu.be/Ts-v7ZwWJHY

黃俊儒形容，科學和科技的討論像一顆被包裝在核心的糖果，而只有在古早時代，才有辦法直接從罐子裡面拿到糖吃。現在的糖果都有包裝紙，要是好開便罷，有的還是黏得緊緊的糯米紙，讓你懶得把它撕掉就直接下肚了！有的糯米紙，甚至還有味道呢。「這就是我對台灣科學報導現況的感受。你得要知道你吃的糖果，外面包裹了幾層！」黃老師說道。

層層包裝的科學新聞

科學議題外包裹著科學語言，更外層則是媒體的語言。例如這則十大恐怖熱量外食的新聞，一看就讓黃老師懷疑是科學的問題還是媒體的問題。它有營養師的分析，但也只有那麼一位在記者會上的營養師被訪問。查了以後發現事情是這樣的：這名「美女營養師」，在一場設宴的高級記者會中，先是洋洋灑灑的列了十大熱量外食排名，接著用科學語言說明熱量高低如何比較，最後表示：為了健康，最好喝蜆精。關鍵詞這就出來了！那你還要相信這個排行榜嗎？

黃老師說，每當他覺得某則科學新聞怪怪的時候，就會試圖從「科學的問題」跟「媒體的問題」去懷疑，懷疑了十幾年、蒐集相當的新聞數目後，他嘗試把國內科學新聞常見錯誤歸納出十種類型。在今晚這場演講裡他僅介紹五種，其他的請參考書裡的內容。

 理論錯誤：車是停了，但傷亡必定慘重！

理論錯誤的科學新聞是我們普遍最能想像得到的案例，記者把科學知識寫錯了。黃老師認為，這和現在媒體從業人員的培養管道是有關聯的。例如這則新聞，台灣高鐵在地震模擬演練的表現，被拿來跟日本的新幹線相比，結果竟然如此寫道：日本的新幹線能在三秒就緊急煞車！用時速三百公里的高鐵來算，若只靠三秒就能煞住，那將會發生更為嚴重的事故。稍微計算一下，高鐵車廂若是真的煞住，那將會產生2.83倍的重力加速度，比你打開窗戶跳下去的加速度還猛烈，車就算煞住了，恐怕也沒人能生還。

其實若檢視一下它的來源，稍微想一下：誰希望高鐵通車順利？誰希望它不順利？當時的執政黨是民進黨，這個新聞是聯合報爆出來的，大概就可以猜到個所以然。可是這樣的新聞還是活生生地出現在我們重要的媒體之上。

關係錯置：「零檢出」的意義

關係錯置的科學新聞比較難判讀，但發生的機會也很高。例如「有毒物質真的可以『零驗出』嗎？」這個問題，它可以這樣子破解：用什麼東西去量、可以得出零檢出？想像一下，人假如近視了，他能否看清楚一個物體，和他佩戴的眼鏡度數直接相關的。不去問配的度數夠不夠、只問你視力好不好，那個意義就是很有限了！

關係錯置大致上有幾個類型。第一種是「倍數的錯置」，這在歷年食安危機時都可以看到，例如這則：多洗五分鐘的熱水澡，致癌風險多五倍。用來當成被乘數的風險值若是極微量，那麼談論極微風險的五倍有沒有意義呢？它這樣算沒有錯，但它的風險在你心中會膨脹得很大。這也可以說成是種「數據性民粹」。

另一種類型叫做「數據黑箱」，科學的過程被忽略、不被討論，只看到東西放進去、數據就跑出來了！如果你捨棄靈敏的機器不用、選擇一台很鈍的機器去測量，那當然什麼都可以零檢出。

第三種類型就是「因果錯置」。例如塑化劑風波，雖然有研究指出它會影響男性生殖器發育，但家屬難以此為理由求償；另一個案例，吃多一些巧克力的國家就會得比較多諾貝爾獎、人民比較聰明嗎？我們不妨這樣想，吃巧克力代表著國民的經濟消費能力較好，相對來說能創造出比較好的環境，就比較容易培養出諾貝爾獎得主。那麼巧克力指的是它的營養成分的關聯性，還是經濟上面的關聯性呢？這就值得多想一下了。

要談科學，不可不懂保留

我們的科技本身就是處於存在風險的狀況，但政治人物有時會對於科技風險打包票、不懂得語帶保留，例如核電廠的安全、蘭嶼核廢料存放爭議都是例子。其他還有基因改造食品，兩位出身背景不同的博士對同一個科技提出分歧的看法。其實，有很多科學科技議題原本就不是yes or no的問題，它需要大量的辯證。

除了科技本身的風險，還有「未檢驗」的問題—在化工用的三聚氰胺被加到牛奶前，沒有人想到牛奶裡面會有這樣東西，自然就不會去驗；基因改造的大豆沒有驗嘉磷塞這種農藥，也是類似的原因。油品安全也是。

多重災難的科學新聞：一連串的曲解

多重災難的科學新聞，例如民國100年時聯合報以美國FBI證實外星人存在為題下了頭版，結果後來被踢爆為假。就黃老師的觀察，台灣在翻譯國外新聞的時候，常經歷一串這樣的流程：國外有一則原始研究發表了，有數家國外媒體去採訪，但我們的媒體偏偏就去找國外文字淺白、圖片吸睛的八卦小報來做編譯，尤其是英國的八卦小報媒體「每日郵報」(Daily Mail) 更是台灣編譯的最愛。如此一連串的錯誤累積下來，就大大偏離原始研究的結論了。

讓我們來看一個標題變化的實例吧。原始研究標題為「女性理想的腰臀比例活化男性神經回饋中樞」，每日郵報把它報成「觀看曲線優美的女性可以帶給男性如同烈酒或藥物般的興奮感」；到了聯合報，就變成「看豐滿女人，男人如喝酒嗑藥」。

再來看兩個經典案例。「每天看美女，男生可以多活五年？」這則我把它歸類成忽略過程的科學新聞，跟數據黑箱是一樣的。其實若你去追蹤科學新聞的編譯來源，可以發現國外報導的篇幅總是比國內的來得長。記者看不懂的就不翻，看起來就輕薄短小，如果要充剩下的版面，反而是去找國內的醫生或專家來補稿子。另一種思考的方向是：你回到研究並稍微想一下，你如何找到兩百個人，對他們進行嚴密的實驗控制，還要五年，還要看到壽命延長，這實驗要怎麼做？太依賴懶人包而不去推敲，是我們現代人容易犯的通病。

還有一個，標題是「美國研究睪丸越小父愛越濃」。研究團隊用核磁共振仔細的去測量受試者睪丸的大小，依尺寸分組後，給各個組的父親看自己小孩的照片，去測量腦波的反應區域，藉以推敲雄性激素睪固酮和父愛有沒有關聯。這是個很有意思的研究，但在台灣新聞版面看起來就只像在搞笑。

至於今天沒有提到的其他五類有：態度不一的「忽冷忽熱」、灑狗血的「便宜行事」、「官商互惠」、下驚悚標題的「名不符實」、科學家的花邊新聞「戲劇效果」等，可以參見書中的內容。

黃老師送給大家一句話，做為今天講題的結尾。「科學是一個很長的故事，但是媒體要的只是快門的一瞬間。」它們是兩個非常衝突的概念，要報導科學新聞得好得付出更多的努力，而閱聽人也要有更多的自覺。

Q & A

在最後的Q&A時間，在場的聽眾發言非常踴躍。過程中，大家一起回顧了過去幾個品質不佳的新聞，例如黃老師提到先前台電失言風波，記者一下標就讓我們付出了社會成本；社群網站上面錯誤的訊息捲土重來，同樣也是叫人遺憾的事情。若要遏止偽新聞，朱家安認為除了民眾和媒體，政治人物也應該要避免官腔、正視民眾與之溝通；黃老師則認為政府單位應要找到能讓科學變得有趣的人才，讓科學能被講得正確、講得能懂、講得有吸引力，才足以引起閱聽人的反思。

而在今晚的參與者中，更有跑科學線的記者前來一吐苦水。他表示，科學新聞的記者常遇到字數限制、又要國中畢業程度能看得懂的困難；而且除非是國內科學家得獎或花邊故事，不然科學新聞通常沒機會佔到一整個版面。另外，黃老師所提到科學新聞的風險問題，如果寫新聞沒有找梗延伸到跟民眾切身相關，就不容易吸引到民眾的目光，會遇到這些問題。

對此，黃老師提出他對國內科學新聞生產的看法：(1) 有時候其實是編輯給好記者的報導文章下了過分誇大的標題。(2) 在教育體系和記者背景篩選上，有些科學相關領域的就已經在排除在挑選範圍之外了。若編輯是政治嗅覺的動物，就容易讓科學新聞的正確性失準，科學新聞只剩妝點新聞門面的功用。

黃老師說，我們的目標不只在於改變媒體的結構，還有改變閱聽人、從消費端反饋到生產端的態度。讀者為什麼永遠不想看？為什麼科學不能賣錢？我們生產科學新聞的態度和方法有沒有改變？是不是我們台灣人已經自認為支撐不起這麼優質的文化？至於風險的部分，其實「風險」的概念所代表的是「不確定性」，而媒體往往要的是災難，才會有這樣的結果！

【關於 M. I. C.】 M. I. C.（Micro Idea Collider）微型點子對撞機是 PanSci 定期舉辦的小規模科學聚會，約一個月一場，為便於交流討論，人數設定於三十人上下，活動的主要形式是找兩位來自不同領域的講者，針對同一主題，各自在 14 分鐘內與大家分享相關科學知識或有趣的想法，並讓所有人都能參與討論，加速對撞激盪出好點子。請務必認知：參加者被(推入火坑)邀請成為之後場次講者的機率非常的高！