看完《天氣之子》後，你可能會想知識+一下的那些事

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

新海誠，對大家來說是這五年高品質動畫電影的代表，不管是《你的名字》、《天氣之子》，都讓大家耳熟能詳，而其中的災害主題則扣住了他的愛情主題，不論隕石來時的避難，或是氣候異常的降雨，都是非常值得討論的主題。

筆者做為大氣科學從業人員，本篇文章，想要從《天氣之子》來討論極端氣候，因為極端氣候不僅是聯合國《永續發展目標 (Sustainable Development Goals)》的主要議題，也在近年來深深地影響人們生活。

天氣之子的氣候狀況

這次新海誠用了一個很大膽的主題，也就是主角再也不是為了地球飛去宇宙深處作戰的女高中生（《星之聲》），也不是挽救過去將被隕石毀滅的村子的男高中生（《你的名字》），而是在犯罪邊緣的少年少女，而他們並未為了日本跟地球，而犧牲自己成為人柱。

從某個角度來說，人都有年輕不懂事過，為了愛犧牲理性也非意想不到，但是主角在「拯救世界」與「拯救戀人」之間，選擇戀人而放棄世界，也算是少有的故事情節，因此開映之後，的確造成了一些話題性。

不過，筆者比較有興趣的，是其中的降雨情節。日本降雨從 2021 年持續到 2024 年，的確是不可能的，除了要有足夠的水氣，以及足夠的對流將氣團推往較冷的高空外，還須要足夠的氣溶膠來形成足夠大的水滴，才有機會造成降雨。

如果電影中的「神」希望靠物理作用，讓日本持續下雨三年，那我想這不會是對流造成的雨：因為在連續降雨而缺乏晴天的日本，潛熱（單純的水蒸發與植物的發散作用）與顯熱（因為地表與空氣溫差造成的熱量傳播）都將成歷史。在夏天時，缺乏地面形成低氣壓的情況下，也無法產生梅雨所需要的對流作用。

所以最有可能的，就是在太平洋上，生成一個熱帶性低氣壓造成的風暴，但又因為氣壓帶的影響，讓此風暴持續盤旋在日本外海，替日本帶來大量的水氣。

這樣的風暴若持續一整年不停歇，即使粗估每小時不到 2mm 的降雨量，一年下來也會帶給日本超過 10000mm 的降雨。日本年均降雨約在 1500mm 到 1800mm 左右，此風暴將造成四到五倍的年降雨量，這可能會對日本造成破壞力僅次於《日本沉沒》的最大自然災害。也就是說，光是一直下雨，的確有可能淹沒整個日本的都會區。實際上，2021 年的夏天，德國西部與比利時東部大小城鎮，就在低氣壓氣旋 Bernd^[1] 帶來的豪雨下，受到了重大的打擊。

但可惜的是新海誠對於日本淹沒這個概念有點誇大，在影片結尾，日本的「彩虹大橋」被淹沒，彩虹大橋塔高 126 公尺^[2]，動畫中大約被淹沒超過一半，這邊就先估僅 63 公尺高。

這應該是天氣之子的Bug，因為要淹到 63 公尺的高度，唯一合理的解釋只有全球氣候異常，造成冰河融解。在《自然》科學期刊中，Gregory & Oerlemans (1998) 估算在全球暖化的影響下，考量到冰河區的融化量，海平面到 2100 年將會上升「數公尺」；而美國地理調查所( USGS) 在網頁簡略提到，如果全球冰層溶解，大約會是 76 公尺高^[3]。

也就是說，在《天氣之子》中，全球極度暖化，導致海平面上升 63 公尺，這已經是勘比《2012》的世紀災難了。

另外一點，兩年半中經歷氣候變化（真的如主角講的：「我們改變了世界」）後的日本，在海平面上升 63 公尺的情況下，造成將近有 17.41% 的國土面積喪失，而情況最嚴重的則在大東京都地區。

豪雨造成的問題

豪雨可以說是地球上最容易觸發災難的關鍵氣象要素。相較於需要板塊交界的地震、需要大氣運動才能造成的颱風／颶風，以及只有高緯度地區才有的雪災，任何地方只要「會下雨」，就有可能豪雨成災。對土木界而言，水一直是問題也是重點防治對象之一。

所以，撇除不合理的海平面上升之外，這邊還可以再淺談一些《天氣之子》中可能會出現的豪雨災害。

在豪雨的侵害下，日本平地的地下水位應該會保持在地面，而山區的地下水水位也可能會偏高，土壤含水量偏高後，不僅會造成土壤重量上升，亦導致側向土壓上升，再加上日本與台灣一樣，是造山運動強烈的地方，所以坡沙土堆積淺，土石流、泥石流的情況將會十分強烈。

在日本持續降水期間，山區會有許多因為崩坍造成的堰塞湖，山區居民應全數徹離以保全生命安全。

山區道路除了會因為坍方造成道路中斷，高水位也會超過道路上擋土牆的設計。擋土牆原本就是根據地區水位做估算與設計，但是在連年降雨下，水位高度將超過一般設計的強度，所以道路上的擋土牆也會有坍塌的危險。

而岩層區也會因為岩隙間的水壓上升、破壞岩體，導致挖穿山間的隧道開始因為水壓，而坍塌阻塞。

由於山區的降水無法被土壤吸收保留，所以大多數的水將會匯流到平地，平地的淹水狀況將比往常更嚴重，都市內的排洪系統將完全失效；而河道的防洪牆雖然阻擋了河道暴漲，但都市內的淹水也將難以排除。

都市中的高樓雖然提供了居民可用的居住環境，但是因為大多數的高樓機房都設在地下層，所以樓房機能將損失殆盡，除了電梯無法使用，污水與糞水也將漂滿都市內部，好在連年下雨，所以這些污水早已成為龐大水體的分子，所以也不是真的很「污染」（但感性上不能接受），另外從山區湧入的人口，可能會因為人口擁擠，造成更大的社會與治安問題。

除此之外，伴隨降雨而來的，還有厚重的雲層。雲層阻擋了陽光，也阻擋了植物進行光合作用，可想而知，日本的農業也會隨之被破壞，菌類養植可以繼續，也就是日本在沒有被核戰爭攻擊的情況下，卻可能必須過著有如《地鐵 (Metro2033)》的生活。

同時，在缺乏陽光的基礎下，人類無法自然產生維他命 D，兒童也將因此生長不良，更惶論因為長期陰天導至人們憂鬱症比例上升。

在豪雨不斷的氣候異常下，原本就存在的極端天氣狀況只會更甚，日本連年降雨，就有可能是某處連年乾旱。在動畫中，日本的異常降雨，代表人類的世界可能只是將更快速地步向滅亡。畢竟現今為了減低溫室效應造成的危機，各國正在提出方法來淨零，但《天氣之子》一口氣就造成了更嚴重的氣候影響。

總而言之，《天氣之子》與其說是放棄日本拯救少女，其實更有可能是放棄全世界整救少女。

當德國遇上「天氣之子」

近年最大的洪災，便發生在 2021 年，從美洲到歐亞洲，各國都遭遇到了前所未見的洪災。

2021 年，當德國還正因為 COVID-19 感染人數下降，逐步微解封之時，七月發生的大水災，造成了人命與財物^[4]的重大損失。除了高達 70 億歐元的保險賠償外，德國西部的 Ahweiler、Erftstadt、Hagen 等城鎮被淹沒、房屋被沖毀，許多河道旁的居民，也在雨災過後丟出許多被洪水泡毀的家具電器，損失慘重。

雖然部份民眾將炮火轉向預警系統的失敗^[5]，但預警系統並非毫無作用。在德國可以裝 NINA app 做為推播使用，某些城市也會有警報廣播系統，但即便已發出手機 app 的警報，以及俗稱 Siren 的警報，民眾不一定會意識到災難的到來並進行疏散，也有民眾忽略警報選擇不避災，甚至有民眾說從未能想像德國發生「有如第三世界」的洪災，但事實上，德國大河（如萊茵河、易北河）在近 10 年內，就有過類似洪災的紀錄。

2016 年時，德國酒鄉之一的阿爾魏勒（Ahweiler），其周邊的阿爾河（Ahr）就氾濫過一次，當年低氣壓帶來連日的綿綿大雨，造成了小部份地區被水淹沒；但是當 2021 年的洪災再次來臨，居民還是覺得很震驚，可見該地區的居民對洪災是缺乏想像的。

2021 年的這場洪災，德國城鎮的管理層級並非沒有作為，筆者居住的小鎮，在洪峰來臨前十二小時就已封閉橋樑，許多志工開始投入疏散河提居民的工作，將居民安置在大賣場，且有志工開車接送。然而，在河水暴漲的岸邊，不僅有路人無視路障通過，有更多人在岸邊拍照，紀錄淹水狀況。受災區域亦同。

但是話說回來，居民與當地警消的這種反應，可能也是非戰之罪，因為許多的測站都遭遇到破紀錄的水位高，如阿爾魏勒的測站阿爾特納爾（Altenahr）在資料中寫下了「最高紀錄」^[6]，但是因為測站毀損，沒有具體數字；有學者則提出，這是 200 年洪災的規模。但是防災等級的提升，也意謂著公共工程經費的支出。如何在兩者間取得共識，一直是防災工程的大哉問。

德國的氣象預警也並非無作為，但並不是所有的預告都能說服人，歐洲中期天氣預報中心 (ECMWF) 的叢集預策系統 (Ensemble Prediction System)利用了氣象模擬中的不確定性，以多重運行結果進行機率預測，來替代傳統的單一運行的單一結果。然而，即便用上機率預測方法，也只能在極端的機率 (第 99 percentile) 下預測到德國西部會有 122mm/day 的最大降雨，而德國氣象中心 (DWD) 的在當日所量測到的是 144mm/day 最大降雨。

嚴格說來 ，即便使用了叢集系統亦無法補捉到雨量的最大值，實屬可惜。所以氣象預報並非完全有效，加上只有 1% 的機率可以達到四分之一的年均雨量，這個機率很難說服一般人馬上進行避險。

這樣一次性的暴雨時期，德國遭受了超過七十億歐元的保險賠償，並有將近 200 人死亡，可見當災難超過預測時，人類的應對是遠遠不足的。同時，德國因為二戰時期與冷戰的陰影，對政府集權相當的反感，也間接導致無法使用如台灣的細胞簡訊的方法，來廣範地疏導民眾。如何增強防民眾對災難的因應意識，有可能將也是德國接下來的課題了。

在極端氣候之下，要更有防災意識

天氣之子因為對治安黑暗面的描寫，以及主角的選擇，造成了不少的爭議，也造成觀影程度與《你的名字》有所相差，雖然對筆者而言，其氣象的狀況算是超現實，且對社會重建的描寫不夠深入，但是在氣候變遷下，人們必須思考並建立對防災的概念與意識，在降雨強度變強、極端溫度更高的情況下，災難是有可能會更嚴重的。

台灣的讀者可以多參考水土保持局的相關防災宣導與資料，建立與更新相關知識，更重要的，應該是隨時有防災意識，才能保護自己，以及保護別人。

• Gregory, J. M., & Oerlemans, J. (1998). Simulated future sea-level rise due to glacier melt based on regionally and seasonally resolved temperature changes. Nature, 391(6666), 474-476.
• [1] 德國Tagesschau 2021-7-14報導:異常困難的狀況(“Außerordentlich schwierige Lage”)
• [2] 日本彩虹橋基本資料
• [3] USGS官網FAQ
• [4] 德國之聲- 德國今夏水災保險損失超預期
• [5] 德國西部洪災嚴重，防災系統哪去了？
• [6] 德國Altenahr水位資料

「人心真的很神奇，就比如說，

早上只要窗外放晴，就變得很有精神，

只因一片晴空，有時就覺得，活著真好！」 （節錄自《天氣之子》台詞）

你是一個心情容易受天氣影響的人嗎？你相信好天氣真能帶給人快樂嗎？

新海誠 2019 上映的動畫電影《天氣之子》中，因母親離世而獨自照顧弟弟的女主角陽菜，擁有操控天氣的能力，可以使局部的大雨馬上放晴，被稱作「100% 晴女」。而男主角帆高則是一位逃家、逃學來到東京求生存的少年，偶然目睹了陽菜的超能力之後，便開始鼓勵陽菜使用這項操控天氣的能力幫助人（賺錢），像是，讓新人在豔陽中完成一生一次的婚禮、讓幼兒園孩子在運動會盡情奔跑、讓眾人期盼的煙火大會順利舉行……。

「是你找到了我存在的意義，我很高興能給別人帶來笑容，所以一直做著晴女的工作，遇見你真是太好了。」身體因「干預自然」而逐漸消失的陽菜，笑著對帆高說。人心與天空的緊密連結、晴女的宿命，延續了數百年。陽菜犧牲自己的未來，那個與帆高、弟弟一起生活的未來，以換來眾人引頸期盼的藍天，值得嗎？

關於是否該犧牲少數人利益以換來大眾利益的問題，想必已有非常多影評討論過了，電影上映到現在約已時過三年，這邊便不再重複劇情的討論（還沒看過的也推薦去找來看！）。然而劇中令我特別印象深的，其實是男主角帆高所說的那句「人心與天空是相連的」。片中「晴天」與「快樂」幾乎是劃上了等號，「晴女」這一角色也是藉由控制天氣、帶給人們希望與幸福的象徵。

我也是個愛看天空的人，甚至買了《雲圖鑑》（田中達也所著）來仔細研究天空的不同樣貌。然而對於現代人來說，有閒能靜下心來欣賞雲的流動，實是個奢侈的享受，就算抬頭望天也僅是目的性地看會不會下雨。人心與天空的連結，是否也隨世代逐漸變遷？對於更仰賴老天臉色生存的古人來說，農作、外出等生活大小事都要看天氣、看季節，天氣好壞會大大地影響他們的生活、幸福感，似乎是非常合情合理。

那對於這個世代的我們呢？首先，建築物、汽車、雨具等的發明，讓我們不像遠古人類一樣，完全拿老天爺的臉色沒辦法，加上現代科技的發展，過去需要仰賴自然的產業，多數也脫離了「靠天吃飯」的狀況，許多農產品都能在非當季生產。在這樣的生活型態中，時刻變化的晴、陰、雨，還能如《天氣之子》所描繪，能馬上決定人們心中的幸福感嗎？

先不論現代人的生活到底多大程度仰賴變化莫測的天氣，直觀來說，好天氣帶來好心情似乎是一件再自然不過的事，我們常聽到的「季節性憂鬱症」也是季節性天氣影響心理，最常被提到的例子^[註1]。晴朗的天空使人心情舒爽；陰雨的日子讓人陰鬱煩悶。若是天氣真能多少影響到我們的心理狀態，影響的範圍有多廣？日常的天氣變化會連帶影響到我們生活的其他面向，例如，工作滿意度上嗎？

近期刊登於 Applied Psychology：An International Review 的一篇德國研究^[1]正是探討了這樣的議題。

日常天氣變化會影響職場上的幸福感 （well-being）？

為釐清日常天氣變化與職場幸福感（well-being）之間是否有關聯，Venz 與 Pundt（2021） ^[1] 邀請了 115 在職人員（47.8% 女性；平均年齡 32.8 歲；平均就業年資 8.8 年）參與實驗，每位受試者在參與研究的連續五天中，每天都必須記錄當日早上的天氣（好天氣定義為大晴天；壞天氣定義為大雨），並於一天工作結束後，填答關於工作方面幸福感 （well-being）的四大面向問題：

• 當日活力狀況（day-specific vigor）：體能上活力的高低
• 當日工作滿意度（day-specific job satisfaction）：對一天的工作是否滿意
• 當下負面情緒（negative affect）：根據十個負面情緒形容詞（例如：緊張）回答一天當中有多常感受到該負面情緒
• 當日過勞程度（day-specific burnout）：尤指情緒上的精疲力竭

為控制個人層面的調節變項，研究人員還測量了參與者的「情感性特質」（trait affectivity）^[註2]，以及自覺對天氣變化的敏感程度（weather sensitivity）。

他們預測，有正向情感性特質（positive affectivity）的人，職場幸福感的四個面向較會受好天氣影響；而有負向情感性特質（negative affectivity）的人，職場幸福感則容易因壞天氣產生波動。此外，研究人員也假定，天氣變化敏感的人，每天的職場幸福感有較大程度取決於當日早上的天氣，反之，對天氣不敏感的人則較不受早上天氣影響。

研究結果顯示，早上天氣好壞確實與一天的「活力」、「工作滿意度」相關，但卻跟一日工作後的「負面情緒」或「過勞程度」無關。

換言之，早晨天氣的好壞，僅在正向層面的職場幸福感（活力、工作滿意度）上造成波動：好天氣伴隨高活力、高工作滿意；壞天氣導致低活力、低工作滿意。

令人有些驚訝的是，早上的天氣並不會對負向層面的幸福感（負面情緒、過勞程度）有所影響：天氣好壞，都與一天工作後的負面情緒與過勞程度無關。

也就是說，我們可以慶幸，壞天氣的日子僅會讓人「不那麼正面」，而非增加更多負面情緒，或使你下班後更加心累、精疲力竭。

此外，Venz 與 Pundt（2021）也發現，正向情感性特質的人確實更會受益於好天氣的影響，但負向情感性特質卻不會因壞天氣而承受更多負面效應，他們推測，擁有負向情感性特質的人，已經經常在感知生活中各種大大小小的負面情緒，也傾向不斷為這些情緒尋找立即可見的可能來源、不斷為負面情緒做出各種歸因，因此，即使天氣狀況對他們的心情有所影響，也不一定會反映在整體的工作幸福感上。

最後，對於天氣變化較敏感的人，他們一天的活力較可能受到早上天氣的影響，也就是說，好天氣活力會較高，壞天氣活力會較低。然而對於天氣敏感度低的人來說，晴天、雨天對於他們工作上的活力都沒有影響。

這樣的研究結果代表什麼？

首先，根據 Venz 與 Pundt（2021）的研究結果，早上起來若是看到晴朗的藍天白雲，我們一天的活力、工作滿意度也會較好，然而就算是雨天也別太擔心，雖然活力與工作滿意度可能會較低，但並不會因此有額外的負面情緒。然而該研究的作者也強調，天氣對心情的影響多半是潛移默化的，即使心情因晴天、雨天而有所轉變，我們仍傾向於將好（壞）心情歸因於當下事件或其他眼前的可能因素^[1]。

至於此研究在學術上的意義，Venz 與 Pundt（2021）認為，在測量職場幸福感時，當日天氣可能是一個混淆變項需要加以控制。

等等，我們可以就此下定論了嗎？

要用此單一研究蓋棺論定天氣與人們心理狀態的關係當然稍嫌過早^[註3]。雖然此研究提供了有參考價值的證據，我們不得不謹記，此研究證據來自於單一國家「德國」，實驗進行於 2013 的四月、資料收集僅維持五天。對此，Venz 與 Pundt（2021）也提醒，他們的研究結果可能受到季節性偏誤。人們在其他季節（例如，較冷的冬天），是否也會因早晨的天氣而有更高或更低的活力？目前尚無法確定。

此外，Venz 與 Pundt（2021）的研究並沒有對受試者的職業性質進行詳細的測量與分析，我們無法得知這些受試者是戶外或是室內工作者，以及此因素是否影響天氣與職場幸福感之間的關聯。最後，對於「好」天氣的定義，個體之間也可能有差異，例如，有人喜歡豔陽高照、有人喜歡陰天、有人喜歡下雨。也許，未來的研究可以進一步探討「主觀定義的好天氣」對於人們心理狀態的影響，而非直接預期晴天為好天氣、會對心理狀態帶來好的影響，雨天為壞天氣、會帶來負面影響。

在類似議題上，其他研究人員也有不一樣的發現，例如，Lee、Gino 以及Staats（2014）^[2]就發現，人們在好天氣時的生產力其實是較低的，因為晴朗的天氣容易讓人想從事戶外活動，在工作上就容易分心，相對地，陰雨天時工作專注力會較高。然而，Lucas 和 Lawless（2013）^[3] 的研究則顯示，天氣與人們的生活滿意度是沒有關聯的，此結果卻與Kämpfer與Mütz（2013）^[4]的研究相斥。在 Kämpfer 與 Mütz 的研究中，晴朗有陽光的日子，人們普遍有較高的生活滿意度。

總地來說，天氣的變化對我們的心理狀態的影響還存在著爭議以及不一致的證據，就算有影響，研究人員也尚未一致認同晴天、雨天具體會對工作方面的心理感受帶來怎樣的影響，因爲有太多可能的混淆因子尚未釐清，例如，實驗實行的季節、地區、受試者個體差異、職業類別、生活型態等等，此議題的探討可能遠比我們想像的要複雜得多。

現代受溫室效應、極端氣候影響著的我們，氣候、天氣等環境因素對人類社會的系統性影響是有相當的研究價值。然而就個人層次上，個體對天氣的感受力、喜好，其實每個人自己是最清楚本身的狀況的，此類研究以「一個特定族群的平均值」之觀點來探究天氣與心理狀態之關聯，當然很難完美預測個別個體的獨特差異。

「天氣本來就是上天的心情。」（《天氣之子》）

就目前研究證據來看，上天的心情對我們的心情似乎沒有絕對性的巨大影響，影響多寡、方向仍取決於我們本身的性格、對天氣的敏感度等等因素。若以正向的觀點來看，晴天或許使我們更有活力、對生活、工作更加積極正面^[1],[4]，然而雨天也正好讓我們能專心於工作、提升生產力^[2]。

就如同在《天氣之子》劇中，男主角帆高不願作為天氣巫女的陽菜獨自成為獻祭、讓異常天氣恢復正常，寧願選擇讓東京陷入連年大雨，淹入大水之中。不管是否真是帆高的選擇造就這樣的結局，不可置否的是，在帆高心中，所愛之人的健在遠比平息災難性的天氣來的重要。

「那時的我、我們兩個，的確改變了世界，是我做出了選擇，我選擇了她、選擇了在這樣的世界一起生存下去！」（《天氣之子》）

天氣，終究只是我們世界中的環境因素之一，那些我們所在意、所愛的人事物，或許才是能驅動心中情感的主要動力。又或者，只要重要的人或事保全了，每個時節都能品味出獨特的美，應運而生，也能日日是好日。

備註

1. 然而季節性天氣變化對憂鬱程度的影響，可能沒有我們想像的那麼嚴重，影響多寡也取決於個人人格特質。詳見「『心情不好都是因為天氣啦』科學家：欸都，甘安捏？」（https://pansci.asia/archives/204128 ）
2. 「情感性特質」(trait affectivity) 意指對不同情緒的感知傾向。正向情感性特質 (positive affectivity) 傾向於知覺到正面的情緒；負向情感性特質 (negative affectivity) 傾向於感受負面的情緒狀態。
3. 延伸閱讀「心理學界的再現性危機，研究數據指出別輕易相信你所看到的『研究數據指出』」（https://pansci.asia/archives/324930 ）

1. Venz, L., & Pundt, A. (2021). Rain, Rain Go Away! A Diary Study on Morning Weather and Affective Well‐Being at Work. Applied Psychology. https://doi.org/10.1111/apps.12299. 
2. Lee, J. J., Gino, F., & Staats, B. R. (2014). Rainmakers: Why bad weather means good productivity. Journal of Applied Psychology, 99(3), 504.
3. Lucas, R. E., & Lawless, N. M. (2013). Does life seem better on a sunny day? Examining the association between daily weather conditions and life satisfaction judgments. Journal of personality and social psychology, 104(5), 872.
4. Kämpfer, S., & Mutz, M. (2013). On the sunny side of life: Sunshine effects on life satisfaction. Social Indicators Research, 110(2), 579-595.