1

2
1

文字

分享

1
2
1

呼叫外星生命!如果外星人主動聯絡,我們到底要不要回應?——《關於夜空的 362 個問題》

PanSci_96
・2019/07/25 ・3003字 ・閱讀時間約 6 分鐘 ・SR值 491 ・五年級

編按:本文摘自《關於夜空的 362 個問題》,蒐集了英國最長壽科普節目《仰望星空》的觀眾提問。所有你對太空宇宙會有的疑問,都將在本書中為你解答。本節討論的是「呼叫所有生命形式……」。

我們把訊號從地球送出去已經超過五十年了,在接收端的那一頭如果有其他文明,會不會偵測到這些訊號呢?

我們的無線電訊號洩漏到太空中已經大約六十年了,最早傳出去的無線電波已經前進了六十光年。不過,隨著訊號愈來愈遠,它們也會愈來愈分散,更加難偵測。大部分的訊號也受限在很窄的無線電波頻率範圍內,所以它們會和大部分的自然天文訊號有所區別。

先鋒鍍金鋁板,是指安裝在兩艘無人駕駛太空探測器-先鋒 10 號及先鋒 11 號上,一塊載有由人類發出的訊息的鍍金鋁板。圖/wikipedia

當我們尋找外星文明的訊號時,目標是找到與我們相似類型的傳輸,因為那就是我們發射出去的東西,可是誰說外星文明和我們使用的技術是相同的呢?也許他們會用 X 光通訊,而且一直都在發射 X 光束到太空中。如果他們和我們的想法一樣,可能也一直在尋找從其他行星放射出的 X 光,而我們根本沒有大量放射出這種東西。

在地球無線電訊號發射的範圍內,有沒有任何星系裡出現「適居帶」裡存在行星的跡象呢?

我們假設地球已經散發出六十年的無線電波了,這當中有奇怪的、特意發出的訊號,也有來自地面的電視與收音機傳輸時無意間「洩漏」出去的訊號。最早的無線電波以光速前進,所以已經達到了六十光年之外,我們知道在這個範圍內有大約一百顆行星。其中大部分都是氣態巨行星,而且和它們的母星公轉距離都非常接近,不過還是有幾顆距離母星比較遙遠。

-----廣告,請繼續往下閱讀-----

「適居帶」一般的定義是在恆星周邊,液態水能夠存在的區域。相對於比較大、比較亮的恆星,比較小、比較黯淡的恆星的適居帶會比較接近母星。

而液態水是否存在,則要靠行星的大氣層決定,一般來說有大氣層會稍微增加行星表面的溫度。

值得一提的一個星系是巨蟹座 55,這裡有五個行星是我們知道的。這顆恆星本身比太陽略小,以名義上適居帶會比較靠近恆星一點。在這五個已知的行星當中,有三個的公轉位置比較接近恆星,第四個比較遠一點。從適居帶的角度來看是很可惜的,因為其中一顆比較靠內的行星稱為「超級地球」,只比地球的質量大八倍多,直徑大約是兩倍。

藝術家筆下的巨蟹座 55e。圖/wikipedia

可惜巨蟹座 55e 這個行星距離母星的公轉距離只有兩百萬公里,公轉一圈不到十八小時,所以可能會被燒成煤炭渣。不過有一個比較大的行星公轉的位置,大約像金星和太陽之間的距離。它所繞行的恆星比較冷一點,就位在接近適居帶的地點,可是這顆行星是一個氣體巨行星,質量大約在海王星與土星之間。如果它有比較大的衛星,而且大氣層夠厚,那麼也許是個可以居住的地方。可惜我們還不能偵測到外太陽系行星的衛星是否存在,所以必須等待進一步的推測。

-----廣告,請繼續往下閱讀-----

第二個很有意思的例子是繞著 HD 85512 恆星公轉的行星,距離我們大約三十五光年。這顆恆星比太陽略冷一些,不過這顆行星公轉的位置比較近,大約比水星繞著太陽公轉位置再近一些。這顆行星的質量比地球大幾倍,所以可能是岩石型的。行星表面的溫度會依照覆蓋其上的雲量而定,不過可以大約推測一下。利用一系列的假設,比方說這裡的大氣層和我們的大氣層,組成成分不會相去太遠等,我們可以計算出這裡的表面溫度,確實適合液態水存在。不過這些只是很概略的計算,要到我們真的能研究直接來自這顆行星大氣層的光,才能夠確定。

巨蟹座 55e(右)與地球(左)的大小比較。圖/wikipedia

這個領域的研究進展快得驚人,所以很有可能等你讀到這裡的時候,我們已經在鄰近的恆星的適居帶裡發現了一顆像地球的行星。在二○一一年十月播出的《仰望夜空》裡,我們邀請任職於歐洲太空總署以及倫敦大學學院的泰提妮博士,猜猜看我們再過多久會發現這種行星,而她打賭在一年之內,人類就會發現一顆像地球的行星了!

針對「如果外星生物聯絡我們,我們應不應該回應?」這個問題,有沒有任何科學上的研究呢?

關於這個問題的討論,通常圍繞著「一開始到底為什麼要聯絡?」也許外星生物想要分享它們的知識,讓大家對宇宙的了解更為透徹,這樣的話,真誠與坦白的對話,是對於雙方都有益處的。但是也有可能外星種族是在尋找征服的目標,也許是為了開採地球的資源,或者只是要把人類打包到自己的午餐盒裡。如果是這樣的話,我們可能最好不要回應,不過等到我們了解這一點時,可能也太晚了。如果這種溝通看起來是特別針對地球的,那麼可能他們已經發現了我們的存在,也可能已經在路上了!

圖/needpix

很多人都提出意見,認為我們不應該與外星人聯絡,因為他們可能是來毀滅我們的。可是也有人會認為,如果他們成功做到了星際間的通訊,並且來到這裡,那麼他們可能不僅僅是為了毀滅與戰爭而來。不過如果他們的科技都比我們先進呢?我們眼中的他們,可能就像牛羊眼中的我們,那麼他們會不會穿著人類的毛皮,用香草和香料搭配我們的肉食用呢?

-----廣告,請繼續往下閱讀-----

如果我們真的接到來自其他地方的通訊,那麼比較立即需要克服的問題是:

誰要代表我們發言?我們會希望像許多的科幻電影那樣,讓美國來主導對話嗎?

在國際間已經有這樣的討論,比方說聯合國就討論過在這個情況下要怎麼做,包括該怎麼回應,以及我們該說什麼。這樣的決定有時候彷彿可以當作科幻的領域而一笑置之,不過如果來自外星生物的通訊真的來了,到那時候再來想可能就真的太晚了。在此同時,一般的共識傾向我們既然無法把自己的存在隱藏起來,那麼應該不要太大肆宣揚自己,等到我們已經決定好一旦收到回應時該怎麼做,再改變做法。

利用低頻電波陣列(LOFAR)進行「尋找外星智慧計畫」(SETI)是否合理與值得?

低頻電波陣列是建造在歐洲各地的一個巨大無線電波望遠鏡,當中有一個站就在漢普夏的奇爾波頓。不過這個陣列並不是由我們所熟悉的無線電波望遠鏡所組成的,而是一個由無線電天線組成的網絡。

-----廣告,請繼續往下閱讀-----
低頻電波陣列是建造在歐洲各地的一個巨大無線電波望遠鏡。圖/wikimedia

它們的作用類似電視與收音機的天線,會同步收集來自廣大天空中的訊號。低頻電波陣列的強大之處在於可以同時集合來自大量天線的訊號,使天文學家能詳盡地觀測任何一個特定的位置。既然結合訊號是由電腦分析所進行,所以基本上低頻電波陣列是可以同時研究各個方向的訊號的。

感覺起來,這對於尋找外星智慧計畫是非常理想的工具,不過這個望遠鏡其實還要符合很多其他目的需求。當然囉,沒有什麼能阻止人們從低頻電波陣列中取得資料,並且加以過濾,找出人造的訊號。

——本文摘自《關於夜空的 362 個問題:從天文觀測、太陽系的組成到宇宙的奧祕,了解天文學的入門書》,2019 年 4 月,貓頭鷹出版

文章難易度
所有討論 1
PanSci_96
1226 篇文章 ・ 2337 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

-----廣告,請繼續往下閱讀-----

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

2
0

文字

分享

0
2
0
從 3G 到 6G:行動通信的進化之路
數感實驗室_96
・2024/06/20 ・825字 ・閱讀時間約 1 分鐘

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

摩斯發明電報和貝爾發明電話,這些似乎是上古時代的科技,其實都發生在過去兩百年內。而手機,作為近五十年來的產物,又經歷了怎樣的演變呢?

讓我們來探討行動通信是如何從 3G 發展到 6G 的。

1989 年,一張名為《The Great Radio Controversy》的搖滾專輯發布,迅速走紅,登上告示牌熱門榜。雖然專輯的歌詞與通信無關,但它的名字「偉大的無線電爭議」確實讓人聯想到無線通信的歷史。而這張專輯的樂團名為 Tesla,沒錯,這正是向那位傳奇的天才科學家特斯拉致敬。特斯拉對無線通信的貢獻可謂奠基石般的重要,而從 3G 到 6G,行動通信技術又經歷了哪些突破和變革呢?讓我們一起深入了解。

-----廣告,請繼續往下閱讀-----

行動通信的歷史雖然只有短短幾十年,但其中包含的豐富內容實在說不完。從精彩的發明故事到商業競爭,再到行動通信所帶來的社會變革,每一個環節都值得深入探討。而在這集影片中,我們僅僅觸及了冰山一角。

下一集將深入探討 WiMAX 那成功的哥哥——Wi-Fi,也就是大家熟悉的無線區域網路技術。讓我們繼續探索這些改變世界的科技!

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

參考資料

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 49 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/

0

1
1

文字

分享

0
1
1
電磁波全揭秘:了解頻帶、頻寬、頻率和通信技術的基礎知識
數感實驗室_96
・2024/06/13 ・672字 ・閱讀時間約 1 分鐘

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

先前我們介紹了多位為通信科技發展做出貢獻的科學家。現在,我們要深入探討無線通信的技術層面。

無線通信,顧名思義不像傳統的電話或電報那樣需要一條實體的線路來傳遞信號。但這些信號並非憑空傳遞,它們依賴的正是電磁波。

電磁波在現代社會無處不在,從微波爐、手機到基地台,這些設備都會發射電磁波。但其實即使沒有這些科技裝置,電磁波依然存在於我們周圍。什麼意思呢?答案就是:當我們白天走到戶外,看到的光,它其實也是電磁波的一種。

-----廣告,請繼續往下閱讀-----

希望大家掌握了這些電磁波、頻帶、頻寬等基礎知識後,未來在閱讀相關的電信新聞時更加了解他們提到的術語,以及各種縮寫。以後無論是科技發展的動態還是市場新技術,都能更有概念地理解。

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

參考資料

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 49 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/