0

0
0

文字

分享

0
0
0

公開取閱科學資訊

國科會 國際合作簡訊網
・2012/06/07 ・2872字 ・閱讀時間約 5 分鐘 ・SR值 563 ・九年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

一、摘要

網路發展徹底轉變科學研究訊息的流通,不論是收集、應用或傳播都有不同以往的新方法,社會大眾對資訊公開的要求也相對提高。「公開取閱」(Open Access)可以在網路上提供免費科學電子刊物、可以提供研究資料讓更多人再利用,藉此支持科學研究、創新,提高其對社會的影響力。

圖片來源:POST Note

二、背景

1990 年代全球資訊網(World Wide Web)的突飛猛進開創科學刊物傳播上的新契機,刊物發行者順應潮流投入大筆資金建造網路傳輸,並將既有資訊數據化,目前大約 95% 的刊物都可在網上閱讀。「公開取閱」的概念是要科學相關刊物透過網路免費流通,也希望公家出資贊助的研究能因此更加透明化,獲得最有效的利用,藉此促進研究與創新。

擴展科學刊物及資訊之閱讀管道對廣大社會和經濟有很大助益。2011 年 3 月英國大學科學部部長特別為此召開圓桌會議,承諾未來會將擴展研究刊物及資訊閱讀管道納入「透明化議程」(Transparency Agenda)。「公開取閱」是其中備受矚目的推動方式之一,本專題將分別檢視其優點和推動時可能面臨的挑戰。

三、公開取閱期刊發表

科學期刊是傳遞科學資訊的重要管道,發行者將文章收錄期刊之前會先進行同儕評鑑(peer review),審議過程完成後才開始製造、發送刊物並建檔。

刊物訂閱模式

傳統上,刊物發行者向圖書館和個別讀者收取訂閱費以換取所提供的服務,然近幾十年來,訂閱費漲幅超過通貨膨脹率,加上圖書館預算下降,讀取刊物資訊越發不易。2004 年下議院科技委員會(House of Commons Science and Technology Committee)對此提出建議,目前研究人員、圖書館員、高等教育機構、贊助單位和刊物發行者已聯手合作,希望能改善刊物資訊的取閱管道。雖然情況已有大幅進展,但許多人仍相信訂閱型態可能是科學研究傳遞並發揮影響力的最佳模式。

一些研究人員、贊助單位和高等教育機構認為訂閱費阻礙英國研究社群的發展,許多小型大學研究人員因為資源不足無法獲得同等資訊取閱管道,而人民平均所得較低的國家也可能因為無法負擔昂貴的訂閱費而難以取得相關資訊。刊物發行者對此予以反駁,強調訂閱模式價錢合理、效益高,研究圖書館可節省其他開銷來補足訂閱費,另一方面也表示,為了讓開發中國家能同享資訊,目前網上已特別設立免費或收費低廉的取閱管道供其使用。

2011 年 9 月英國政府成立獨立工作小組探討擴展閱讀管道的最佳方式,預計將於 2012 年春公布結果與建議。許多研究人員、贊助單位和高等教育機構相信「公開取閱」是此中關鍵,也是最能有效提高研究影響力的管道。

公開取閱科學刊物的推動緣由

支持公開取閱概念的人表示,收取公家贊助經費所獲得的研究知識本來就應該免費回饋社會,再者,免費取閱研究資訊還可促進知識轉化性與流通性,對經濟和社會有很大助益。根據最近一項研究數據顯示,公開取閱能大幅提高研究與開發的獲利,以政府、英國全民醫療系統(NHS)、中小企業、公司行號和大學為例,20 年內預計可達 1 億 8 千 4 百萬至 3 億 8 千 6 百萬英鎊之間。

「公開取閱」在英國和世界各地已漸成趨勢。2009 年時平均大約有 20% 的文獻以「公開取閱」模式流通,目前英國也有越來越多贊助單位採納此模式,其中包括:惠康信託基金(Wellcome Trust)、英國研究委員會(Research Councils UK)和許多高等教育機構等,這些贊助單位都已開始要求研究人員將發表的文章放在網上免費流通。許多索取訂閱費的發行者也適度將公開取閱模式納入自己經營的生意型態,協助研究人員達到贊助單位的要求。公開取閱模式現所面臨的最大挑戰在於如何回收刊物發行所需的開銷,尤其是發行前必須通過的同儕評鑑。

公開取閱科學刊物模式

現行「公開取閱」模式大致可分為兩類,一般認為未來會合併為一類與訂閱模式共存。

• 「綠」公開取閱:文章作者將獲准收錄期刊的文章上存於網路指定儲存庫,文章因此得以免費流通於網上。一些索取訂閱費之期刊發行者要求要有一段 6 ~ 48 個月的「網路禁閉期」,該期間內文章只可見於紙本期刊上,藉此確保刊物發行者能透過訂閱費回收投注的發行經費。
• 「金」公開取閱:向期刊發行者繳交一筆「文章行政處理費」(article processing charge,APC)後,文章可即刻免費流通於網路上。這是目前許多索取訂閱費之期刊發行者對旗下發行的一些期刊所採行的混和型「公開取閱」模式。

「公開取閱」意指文章在網路上免費任人閱讀,但深一層來說,這代表的是解除某些著作財產權的限制,允許資訊重新被利用。智慧財產權期刊 Hargreaves Review on Intellectual Property 於 2011 年報告中曾指出,現行與出版有關的智財法在某些層面上有礙經濟成長與創新發展,其中一例為:對「文字探勘」(text-mining)和「資料探勘」(data-mining)的限制。公開取閱則不受限於此。

「綠」模式與「金」模式的可續性

在「綠」模式之下,發行刊物所需的花費仍需由索取訂閱費來承擔,然不論是否訂閱期刊,任何人都可透過網路儲存庫取得刊物文獻。高等教育機構在此模式之下所需負擔的費用較高,除了訂閱費用之外,還須出資贊助網路儲存庫的運行。然而,支持者強調公開取閱在研發上的盈利足以超越這樣的投資。為了取得最大獲利,此模式的「網路禁閉期」必須越短越好,然而索取訂閱費之刊物發行者則無法苟同,擔心這樣的開放模式會造成訂閱數量銳減,影響訂閱收入,最終導致刊物缺乏財力無法發行。許多期刊的訂閱數量已不如以往,但目前尚且無法證實這是否與公開取閱的推動有關。歐盟贊助的研究已深入探討此間關連性。

在「金」公開取閱模式之下,發行刊物所需的花費透過「文章行政處理費」由讀者轉嫁到作者身上,一般這筆費用會由作者的研究贊助單位或學術機構來負擔。相較於「綠」公開取閱模式,英國研究委員會 RCUK 以及一些刊物發行者認為此模式的財務運作較符合商業模式,可行性高。然而,要在英國全面推行「金」公開取閱模式需要一筆高達 7 百萬英鎊的基本費,包含高等教育機構必須因應籌措的「文章行政處理費」預算,以及贊助單位、高等教育機構和刊物發行者之間通行的「文章行政處理費」運作體系。

即便如此,「金」公開取閱模式能否全面推動仍有高度不確定性,除了未來演變方向不易預測之外,整體刊物發行費會隨之增加或減少亦不得而知。高等教育機構在此模式下所需負擔的刊物訂閱費應該會下降,所省下的費用洽可挪用於文章行政處理費。然而,文章行政處理費因刊物不同價差大,開銷的節省與否不易計算。舉例來說:一般文章行政費大約為 1,500 英鎊,但最高也可能達 3,000 英鎊。近來一份報告分析高等教育機構從訂閱模式轉為「金」公開取閱模式可能經歷的開銷變化 ── 當文章行政費平均略低於 2,000 英鎊時,這筆開銷洽可由省下的訂閱費來補足;索費比 2,000 英鎊低廉許多時,機構能省下大筆開銷;但當費用超過 2,000 英鎊時,機構所需承擔的開銷將會比原來的訂閱費高出許多。

索取訂閱費的刊物發行者強調,知名期刊文章行政處理費必須包含處理大量退稿件的開銷;但一些研究贊助單位、圖書館和公開取閱發行機構表示,這些發行者是以目前訂閱模式所得獲利來設定文章行政費,並非真正從處理費用的角度來計算。另有一些研究社群擔心「訂閱 ─ 公開取閱」混合型模式會演變為「雙重收費」 ─ 訂閱費加上文章行政費,造成研究機構的負擔變大。索取訂閱費的發行者回應表示,訂閱費勢必會隨「金」公開取閱模式的廣泛推動而隨之遞減。

[下一頁]

文章難易度
國科會 國際合作簡訊網
47 篇文章 ・ 2 位粉絲

1

133
3

文字

分享

1
133
3
AI 是理科「主場」? AI 也可以成為文科人的助力!
研之有物│中央研究院_96
・2022/08/13 ・5646字 ・閱讀時間約 11 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/田偲妤
  • 美術設計/蔡宛潔

AI 的誕生,文理缺一不可

人工智慧(Artificial Intelligence,簡稱 AI)在 21 世紀的今日已大量運用在生活當中,近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等,都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維,除了仰賴工程師的先進技術,更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員,帶大家釐清什麼是 AI?文科人與工程師合作時,需具備什麼基本 AI 知識?AI 如何應用在人文社會領域的工作當中?

中央研究院人文社會科學研究中心蔡宗翰研究員。圖/研之有物

詩詞大對決:人與 AI 誰獲勝?

一場緊張刺激的詩詞對決在線上展開!人類代表是有「AI 界李白」稱號的蔡宗翰研究員,AI 代表則是能秒速成詩的北京清華九歌寫詩機器人,兩位以「人工智慧」、「類神經」為命題創作七言絕句,猜猜看以下兩首詩各是誰的創作?你比較喜歡哪一首詩呢?

猜猜哪首詩是 AI 做的?哪首詩是人類做的?圖/研之有物

答案揭曉!A 詩是蔡宗翰研究員的創作,B 詩是寫詩機器人的創作。細細賞讀可發覺,A 詩的內容充滿巧思,為了符合格律,將「類神經」改成「類審經」;詩中的「福落天赦」是「天赦福落」的倒裝,多念幾次會發現,原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯;而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯,整首詩創意十足,充滿令人會心一笑的魅力!

相較之下,B 詩雖然有將「人工」兩字穿插引用在詩中,但整體內容並沒有呼應命題,只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝!

由此可見,當前的 AI 缺乏創作所需的感受力與想像力,無法做出超越預先設定的創意行為。然而,在不久的將來,AI 是否會逐漸產生情感,演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人?

AI 其實沒有想像中聰明?

近期有一則新聞「AI 有情感像 8 歲孩童?Google 工程師爆驚人對話遭停職」,讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示:「當前的 AI 還是要看過資料、或是看過怎麼判讀資料,經過對應問題與答案的訓練才能夠運作。換而言之,AI 無法超越程式,做它沒看過的事情,更無法替人類主宰一切!

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言,多半是因為我們對 AI 的訓練流程認識不足,也缺乏實際使用 AI 工具的經驗,因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上,更延伸到文科人與理科人的合作溝通上,因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識,不僅能讓跨領域的合作更加順利,還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是,由於文科人不了解 AI 的訓練流程,因此對 AI 產生錯誤的期待,認為辛苦標注的上千筆資料,應該下個月就能看到成果,結果還是錯誤百出,準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚,兩方就會陷入僵局,導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議:

如果文科人了解基本的 AI 訓練流程,並在每個訓練階段協助分析:錯誤偏向哪些面向?AI 是否看過這方面資料?文科人就可以補充缺少的資料,讓 AI 再進行更完善的訓練。

史上最認真的學生:AI

認識 AI 的第一步,我們先從分辨什麼是 AI 做起。現在的數位工具五花八門,究竟什麼才是 AI 的應用?真正的 AI 有什麼樣的特徵?

基本上,有「預測」功能的才是 AI,你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現,而且人類手工操作就辦得到,那就不是 AI。

數位化到 AI 自動化作業的進程與舉例。圖/研之有物

蔡宗翰研究員以今日常見的語音辨識系統為例,大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話,你會發現自己無法事先知曉將產生什麼文字或回應,結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同:AI 無法百分之百正確!

因此,AI 的運作需建立在不斷訓練、測試與調整的基礎上,盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段,工程師彷彿化身老師,必須設計一套學習方法,提供有助學習的豐富教材。而 AI 則是史上最認真的學生,可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI,讓其根據工程師所定義的資料相似度算法,逐漸學會將相似資料分在同一堆,再由人類檢視並標注每堆資料對應的類別,進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI,讓其逐漸學會將任意資料對應到正確答案。

圖/研之有物

學習到一定階段後,工程師會出試題,測試 AI 的學習狀況,如果成績只有 60、70 分,AI 會針對答錯的地方調整自己的觀念,而工程師也應該與專門領域專家一起討論,想想是否需補充什麼教材,讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作,也可能因為時事與技術的推陳出新,導致準確率下降。這時,AI 就要定時進修,針對使用者回報的錯誤進行修正,不斷補充新的學習內容,讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後,蔡宗翰研究員建議:文科人可以看一些視覺化的操作影片,加深對訓練過程的認識,並實際參與檢視與標注資料的過程。現在網路上也有很多 playground,可以讓初學者練習怎麼訓練 AI,有了上述基本概念與實務經驗,就可以跟工程師溝通無礙了。

AI 能騙過人類,全靠「自然語言處理」

AI 的應用領域相當廣泛,而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因,他充滿自信地回答:因為自然語言處理是「AI 皇冠上的明珠」!這顆明珠開創 AI 發展的諸多可能性,可以快速讀過並分類所有資料,整理出能快速檢索的結構化內容,也可以如同真人般與人類溝通。

著名的「圖靈測試」(Turing Test)便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代,傳奇電腦科學家艾倫・圖靈(Alan Turing)設計了一個實驗,用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好,並派一個人操作終端機,再找一個第三者來進行對話,判斷從終端機傳入的訊息是來自 AI 或真人,如果第三者無法判斷,代表 AI 通過測試。

圖靈測試:AI(A)與真人(B)同時傳訊息給第三者(C),如果 C 分不出訊息來自 A 或 B,代表 AI 通過實驗。圖/研之有物

換而言之,AI 必須擁有一定的智力,才可能成功騙過人類,讓人類不覺得自己在跟機器對話,而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在:人文研究文本分析、新聞真偽查核,更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料,追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化,而大量數位化的經典更被主動分享到「Chinese Text Project」平台,讓 AI 自然語言處理有豐富的文本資料可以分析,包含一字不漏地快速閱讀大量文本,進一步畫出重點、分門別類、比較相似之處等功能,既節省整理文本的時間,更能橫跨大範圍的文本、時間、空間,擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的?就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋,由鎮江、杭州一帶的說書人所創作,著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉,才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素,接著用這批標記好的語料來訓練 BERT 等序列標注模型,以便將「文本向量化」,進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現,白蛇傳的原型可追溯自印度教的那伽蛇族故事,傳說那伽龍王的三女兒轉化成佛、輔佐觀世音,或許與白蛇誤食舍利成精的概念有所關連,推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外,故事的雛型可能早從唐代便開始醞釀,晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事,而法海和尚、金山寺等關鍵人物與景點皆真實存在,金山寺最初就是由唐宣宗時期的高僧法海所建。

白蛇傳中鎮壓白娘子的雷峰塔。最早為五代吳越王錢俶於 972 年建造,北宋宣和二年(1120 年)曾因戰亂倒塌,大致為故事雛形到元素齊全的時期。照片中雷峰塔為 21 世紀重建。圖/Wikimedia

在 AI 的協助之下,我們得以跨時空比較不同文本,了解說書人如何結合印度神話、唐代傳奇、在地的真人真事,創作出流傳千年的白蛇傳經典。

最困難的挑戰:AI 如何判斷假新聞

除了應用在人文研究文本分析,AI 也可以查核新聞真偽,這對假新聞氾濫的當代社會是一大福音,但對 AI 來說可能是最困難的挑戰!蔡宗翰研究員指出 AI 的弱點:

如果是答案和數據很清楚的問題,就比較好訓練 AI。如果問題很複雜、變數很多,對 AI 來說就會很困難!

困難點在於新聞資訊的對錯會變動,可能這個時空是對的,另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器,可輸入當前的新聞讓機器去判讀真假,但過一段時間可能會失準,因為新的資訊源源不絕出現。而且道高一尺、魔高一丈,當 AI 好不容易能分辨出假新聞,製造假新聞的人就會破解偵測,創造出 AI 沒看過的新模式,讓先前的努力功虧一簣。

因此,現在多應用「事實查核法」,原理是讓 AI 模仿人類查核事實的過程,尋找權威資料庫中有無類似的陳述,可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊,致力於建立英文事實查核法模型所能運用的資源,並透過舉辦國際競賽,廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後,也與合作夥伴事實查核中心及資策會討論,正著手建立中文事實查核法模型所需資源。預期在不久的將來,AI 就能幫讀者標出新聞中所有說法的資料來源,節省讀者查證新聞真偽的時間。

AI 的無限可能:專屬於你的療癒「杯麵」

想像與 AI 共存的未來,蔡宗翰研究員驚嘆於 AI 的學習能力,只要提供夠好、夠多的資料,幾乎都可以訓練到讓人驚訝的地步!圖/研之有物

AI 的未來充滿無限可能,不僅可以成為分類與查證資料的得力助手,還能照護並撫慰人類的心靈,這對邁入高齡化社會的臺灣來說格外重要!許多青壯年陷入三明治人(上有老、下有小要照顧)的困境,期待有像動畫《大英雄天團》的「杯麵」(Baymax)機器人出現,幫忙分擔家務、照顧家人,在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式,新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」(Nadine),由感知、處理、互動等三層架構組成,可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境,並將上述資訊發送到處理層。處理層會依據感知層提供的資訊,連結該用戶先前與娜丁互動的記憶,讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象,或對陌生事物感到不安,常選擇靜默不語,需要照護者主動引導。因此,娜丁內建了注視追蹤模型,當偵測到住戶已長時間處於被動狀態,就會自動發起話題。

實驗發現,在娜丁進駐長照機構一段時間後,住戶有一半的天數會去找她互動,而娜丁偵測到的住戶情緒多為微笑和中性,其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

照護機器人娜丁的運作架構。圖/研之有物

至於未來的改進方向,研究團隊認為「語音辨識系統」仍有很大的改進空間,需要讓機器人能配合老年人緩慢且停頓較長的語速,音量也要能讓重聽者可以清楚聽見,並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人,首要任務就是要開發一套臺灣人專用的 AI 語言模型,包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型,期待政府能整合學界與業界的力量,降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感,但卻可以成為人類大腦的延伸,協助我們節省處理資料的時間,更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨,如何讓自己的行事邏輯跟上 AI 時代,讓 AI 成為自己的助力,是值得你我關注的課題。

延伸閱讀

文章難易度
所有討論 1
研之有物│中央研究院_96
253 篇文章 ・ 2220 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

2

3
0

文字

分享

2
3
0
面對新聞媒體,科學家該如何溝通?——《疫苗先鋒》
天下文化_96
・2022/03/27 ・3958字 ・閱讀時間約 8 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

  • 作者/莎拉.吉爾伯特、凱薩琳.格林
  • 譯者/廖建容、郭貞伶

2020 年 7 月 15 日,佩斯頓(Robert Peston)在英國獨立電視台《十點新聞》(News at Ten)報導:「記者最近得知,在製藥界巨頭『阿斯特捷利康』的支持之下,牛津正在進行的疫苗開發工作有了非常重要的消息,同儕審查顯示,我們身上都具備的抗體,以及名為 T 細胞或稱殺手細胞所造成的免疫反應,跟研究者期待的一樣好。所以這是個好消息,是疫苗可能有效的證據……相關人士認為最快在秋天『這款疫苗』就有可能大量生產。」

Robert Peston
羅伯特.佩斯頓現為英國獨立電視台的記者。圖/Nuffield College

我想我真的把紅酒噴了出來。這是在搞啥啊?所有參與這項計畫的人,只要是跟臨床試驗數據沾上一點邊,都會受到嚴格的指示,絕對不能談論它。我們不能在自己的電腦裡保存副本,或是用電子郵件傳送。當然也不能告訴朋友。甚至有些人實際參與疫苗製造,也還未被告知數據是長什麼樣子。但是,佩斯頓卻在推特跟全國新聞上大談特談。

《泰唔士報》(The Times)及《每日電訊報》(Telegraph)上,立刻出現了對他的某些說法照單全收的文章(其他報紙則主要關注我們有必要在三明治連鎖店裡繼續戴口罩)。牛津大學甚至在推特上發推其中一條新聞連結;我們被禁止談論自己的研究發現,但洩密的科學卻可以,這似乎是精神錯亂了。

我不認為我們有人去調查消息從哪裡走漏(對於洩密的源頭為何,充斥著各種猜測:是英國疫苗任務小組的某人說出去的,還是有政府部長想要在那一天曝光一個好消息?)但這讓我們在未來更加小心。如果我們瞭解得還不夠清楚的話,這件事也讓我們更加明白了,當聚光燈照到我們所做的每一件事情上時,燈光是多麽刺眼。

媒體的影響

在我小時候,我夢想著要成名:我會上電視,《每日郵報》(Daily Mail)上會刊登我的照片,所以我決定要成為科學家。以上純屬虛構,並沒有人這麼說過。

一整個 2020 年,團隊裡的每個人都挺身應付自己的人生課題。與此同時,由於事情還沒有難到爆表,我們以很快、有時快到嚇人的速度發展出全新的技能。我們一路走一路解決問題,也因為參與這個「世上獨一無二的故事」,我們學習著如何克服在溝通上所遇到的挑戰。

當人們只想要簡單的答案時,我們試著想出方法讓人們瞭解事情的複雜性。在為病人保密(和避免內線交易)的同時,也要公開透明。要真實地介紹我們的工作,卻又不低估它的價值。既要跟人們討論與數據相關的注意事項、未知數及不確定性,又要能給人們安慰,讓人們信任我們的工作。在維持住個人生活界線的同時,我們也努力促進大眾對科學有更多瞭解。

有時候媒體(傳統媒體和社群媒體)會幫助我們應對這些緊張局面。大部分新聞記者跟我們一樣,都是在艱難的情況下盡力而為,在傳播新興的複雜科學方面,有許多記者做得相當出色。但是在其他時候,媒體似乎也確實造成了緊張狀態。有時候,某些記者有自己的目的,而其他記者根本沒仔細去查證真相,就把這位記者說的話當成事實報導出來,結果訊息被扭曲,或是故意聳人聽聞,讓我們深感挫折。

這同時也是我們的機會,畢竟可以接觸到通常不會對我們的研究感興趣的人群,並將確認過的正確訊息告訴全世界。我們始終清楚,疫苗之父詹納(Edward Jenner)的偉大成就不是發明對抗天花的疫苗。疫苗並非他的創見,他就跟其他科學家一樣,都是在其他人的工作基礎上發展壯大。但是他做到了其他人沒有做到的事,那就是向大眾宣傳他的發現,並呼籲人們廣泛接種疫苗。

1796 年,愛德華.詹納發明人類史上第一支疫苗,用來對抗天花。圖/Wikipedia

媒體像雙面刃一樣,這並不是什麼新鮮事。但我們不是有影響力的人或是皇家成員,所以我想,我們絕大多數的人先前並沒有那麼關心媒體的本質。我們在實驗室裡隱姓埋名的工作,如果我們的最新發現能刊登在高度專業的科學期刊,我們會很高興。可是現在,我們別無選擇,只好拿起這把雙面刃,盡我們所能地揮動。我們的工作很重要,而且人們想要瞭解我們的工作,即使我們不想涉入,也無法置身事外。在 2020 年最初的幾個月,關注、壓力及失言都在逐漸累加。1 月底,全世界開始擔憂疫情,我們收到很多請求,希望我們發表談話。2 月時,我們在研究實驗室首度進行照片拍攝(不是在臨床生物製造機構,畢竟我們正在製造疫苗,我不能冒險讓疫苗製造過程受到汙染或中斷),往後還又進行過好幾次。

讓攝影師及拍攝小組進實驗室,總是會一團混亂。三、四個人在實驗室裡踩來踩去,電線拉來拉去,有讓人絆倒的危險,拍攝小組將工具隨手棄置在實驗室的工作檯上,並要求深感壓力的團隊成員解釋目前正在做什麼,拍攝小組會說再講一次,最後一次,這次真的是最後一次。有時候結局並不愉快,譬如有位工作人員認為原本要進行拍攝的辦公室不合適,會拍到窗外的鷹架,結果他們在免疫學實驗室裡最忙碌的角落拍攝訪談,毀了一整個早上的工作。

到了 3 月,我和團隊成員一直不斷收到媒體的採訪請求。我記得曾跟《每日快報》(Express)的記者做過電話訪談。我跟他談了大約半小時,我以為我有小心仔細地向他描述整個故事:我們如何製造疫苗,如何測試疫苗的安全性,以及對於臨床試驗的計畫。結果當我看到新聞標題時,想像一下我有多麼驚訝:「冠狀病毒疫苗:牛津大學科學家怕英國『把雞蛋全放在一個籃子裡』」。

愚蠢的是,我真的說過這樣的話。就在訪談結束前,他問了我:「妳最擔心什麼?」現在回想起來,這顯然是記者的套話技巧。我們一直在聊天,我覺得很放鬆,所以我沒想太多就回答了。我其實說的是(我的想法埋在文章的字裡行間,文章其實寫得相當好,既清晰又準確),由於我們必須如此快速的工作,吉爾伯特無法先花上好幾年的時間測試不同版本的疫苗,再提出最後的設計,我們只能做出最簡單的選擇,重複之前對抗 MERS 的有效策略。但是標題暗示的跟我所說的並不一樣。上了一課,學到教訓了。

4 月時,聽說校園裡出現了狗仔隊(我想是有人在醫院停車場注意到某人持有長焦鏡頭的照相機)。我們並不習慣這種關注。格拉納托據稱死亡的假新聞所帶出的一連串事件,讓我們清楚的意識到,在跟媒體互動時,我們需要更有策略、更主動掌握局勢。

媒體在許多方面對我們都很有幫助。我們能夠那麼快地招募到臨床試驗志願者,新聞報導很可能是重要關鍵之一,它也提升了我們的知名度,讓注意到的人慷慨捐助我們的計畫。但是現在我們需要保護志願者及臨床試驗過程的隱私及安全性,並給我們自己空間,繼續研究工作。

我們在為疫苗臨床試驗而設立的網站上貼出告示:「我們知道臨床試驗的進展充斥著謠言及不實報導。我們懇請民眾不要相信這些訊息,也不要繼續轉傳。我們不會再提供關於臨床試驗的評論,所有的官方更新都會公布在這個網站上。」

我們也開始將所有來自新聞記者的要求轉給大學的新聞辦公室,他們會代表我們回絕絕大部分的要求。新聞辦公室幫我們安排跟幾位選定的記者做了幾次背景介紹。我們不再做任何形式的評論,而是討論一些一般性議題,譬如,比較兩次不同臨床試驗結果的困難之處,以及我們可能會如何處理;或者在臨床試驗中我們如何測量抗體。除此之外,我們會在有數據要發表以及有話要說時再進行溝通,而不是無話不說。

當然,這並未讓各方不再提出請求。儘管我的推特出了點狀況,相對來說我的私人資訊還是沒那麼公開,但吉爾伯特就得放棄手機了。大學網站上有她的手機號碼,記者不斷打來要她發言,公眾人士想聽她的保證,投資顧問希望得到內線消息,會議籌辦業者想找她當主講人。

吉爾伯特教授不斷收到新聞記者和各方人士的邀約。圖/Pexels

可是吉爾伯特無法放棄電子信箱,因此她的收件箱中充滿了想得到及想不到的釣魚嘗試,企圖誘使她點擊惡意附件,也有人寄來各種訊息,要她放棄研究,採用他們的理論來治癒新冠肺炎,包括吃香蕉/大蒜/水仙花/日本梅精/植物/所有天然成分/複合配方/蜘蛛毒的解毒劑/水及鹽/動物(「我沒有指明什麼動物」)。

大學升級了網路安全防護。有傳言說俄羅斯特工試圖偷竊我們的疫苗數據,我們的資訊人員也遇到一些「不尋常」的問題。不過,無論他們做了什麼,肯定沒有過濾掉所有可能是善意、卻也造成困擾的方法。

我們的新策略其實就是在發表第一篇同儕審查論文之前,繼續埋頭苦幹。這個策略一直還滿順利,直到佩斯頓的洩密文刊出。他讓我們大吃一驚,但還好他的結論是正確的,不像 4 月時我們處理的假新聞。疫苗的表現確實如我們的預期。它讓免疫系統增強對新型冠狀病毒棘蛋白的防禦,並且沒有引起任何有問題的副作用。偶爾會有手臂痠痛,或是發燒的現象,這些副作用很容易用撲熱息痛(paracetamol)治療。

不過就像 4 月時的情況,希望我們做出評論的要求激增,突破新高。這讓我們首度感到相當為難。任何一絲訊息,即使是某人從其他管道洩漏出去的,都會讓我們受到質疑。當我們什麼都不說,會被批評不夠透明化,沒有盡到告知大眾的義務,但要是我們真的說了,批評者又會說我們是在做「新聞稿科學」。

——本文摘自《疫苗先鋒:新冠疫苗的科學戰》,2022 年 2 月,天下文化
所有討論 2
天下文化_96
113 篇文章 ・ 597 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。

0

8
1

文字

分享

0
8
1
雲端是什麼?——《普林斯頓最熱門的電腦通識課》
商業周刊
・2022/03/12 ・3015字 ・閱讀時間約 6 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

  • 作者/ 布萊恩‧柯尼罕( Brian W. Kernighan)
  • 譯者/ 李芳齡

網路的普及

回想第六章中敘述的電腦運算使用模式,你有一台或好幾台個人電腦,你讓個別應用程式執行不同的工作,例如用 Word 製作文件,用 Quicken 或 Excel 做你的個人財務,用 iPhoto 管理你的相片。這些程式雖可能連結網際網路以取得一些服務,但它們在你的電腦上運轉,你可以不時地去下載一個修補了漏洞的新版本應用程式,偶爾可能得購買一個升級版以取得新功能。

這個模式的本質是,程式和資料都在你自己的電腦上。若你在一台電腦上修改了一個檔案,然後在另一台電腦上需要這檔案,你必須自己做轉移。若你在辦公室或外出旅行途中需要一個儲存於你家中一台電腦上的檔案,那就麻煩了。若你需要在一台視窗個人電腦和一台麥金塔電腦(Mac)上都有 Excel 或 PowerPoint,你必須為兩台電腦各買一個程式。上面說的這些情況,還沒把你的手機包含在內哦。

另一種不同的模式是愈來愈普及:使用瀏覽器或手機去存取及操作儲存於網際網路伺服器上的資訊。Gmail 或 Outlook 之類的郵件服務是最普遍的例子,你可以從任何一台電腦或手機存取你的電子郵件,可以上傳一封在本機上撰寫的郵件訊息,或是下載郵件訊息至本機檔案系統,但多數時候,你把資訊留在提供服務的伺服器上。

你不需要做什麼軟體更新,但不時會有新功能出現。你通常是在臉書上跟朋友保持聯繫或觀看他們的照片,但交談及照片儲存在臉書,不是儲存在你自己的電腦上,這些服務是免費的,唯一可見的「成本」是當你閱讀你的郵件或查看你的朋友在做什麼時,你可能會看到廣告。

科技未來趨勢——雲端運算

這種模式通常被稱為「雲端運算」(cloud computing),因為網際網路被比喻為「雲」,沒有特定的實體位置,資訊被儲存於「雲端」的某處。

電子郵件和社交網路是最常見的雲端服務,但還有很多其他的雲端服務,例如多寶箱(Dropbox)、推特、領英、YouTube、線上行事曆等等。資料不是儲存於本機,而是儲存於雲端,亦即雲端服務供應商的伺服器上:你的電子郵件及行事曆儲存於谷歌的伺服器,你的相片儲存於多寶箱(Dropbox)或臉書的伺服器,你的履歷表儲存於領英的伺服器等等。

雲端運算示意圖。圖/Pixabay

雲端運算的問世,得力於多個因素的匯聚。個人電腦變得愈來愈強大的同時,瀏覽器也是,瀏覽器現在能夠有效率地執行顯示要求很高的大程式,儘管使用的程式語言是直譯式的 JavaScript。對多數人而言,現在的頻寬及用戶端與伺服器端之間的延遲(等候時間)遠優於十年前,這使得資料的傳送與接收更快,甚至在你輸入搜尋詞時,當即反應你的鍵擊,在你還未輸入完之前,就列出一些建議的搜尋詞。結果是,以往需要一個單獨的程式去處理的絕大多數使用者介面操作,用瀏覽器就能搞定,在此同時,使用一台伺服器去承載大量資料,執行任何複雜運算。這種組織方式也在手機上運作得很好:不需要再下載一款行動應用程式。

以瀏覽器為基礎(browser-based)的系統的反應速度可以媲美以個別電腦為基礎(desktop-based)的系統,並且讓你可以從任何地方存取資料。

以來自谷歌的雲端「office」工具為例,它提供文書處理器、試算表、以及簡報程式,讓多使用者可以同時存取使用及更新。(譯註:以瀏覽器為基礎的系統又稱為 web-based,或稱「brower-server model」,簡稱 B/S 模式,指的是透過瀏覽器去使用網路上的軟體來執行各種工作;以個別電腦為基礎的系統又稱為 client-based,或稱為「client-server model」,簡稱 C/S 模式,指的是必須在每台電腦上安裝各種軟體來執行各種工作。)

雲端工具的快速崛起

一個受到關心的議題是,這些雲端工具會不會最終運轉得夠好而完全取代以個別電腦為基礎的版本。你大概可以想像得到,微軟非常關心這個,因為 Office 軟體佔該公司營收的相當比重,而 Office 主要在視窗作業系統上執行,微軟的其餘營收大多來自視窗作業系統。以瀏覽器為基礎的文書處理及試算表不需要來自微軟的任何軟體,因此將威脅到微軟的 Offic 及視窗作業系統這兩大核心業務。

目前,谷歌文件(Google Docs)及其他類似的系統還不具備 Word、Excel、及 PowerPoint 的所有功能,但科技進步史中充滿這樣的例子――明顯較差的系統問市,搶走認為此系統已經夠好的新使用者,漸漸侵蝕在位者的市場佔有率,並且持續改進本身的功能。微軟顯然很清楚這問題,實際上,為因應此問題,該公司已經推出雲端版本的 Office 365。

雲端工具的快速崛起。圖/Pixabay

以網路為基礎(web-based,亦即以瀏覽器為基礎)的服務其實對微軟及其他供應商具有吸引力,因為易於採用訂閱收費模式,用戶必須持續付費以取得服務。但是,消費者可能偏好一次性購買軟體,必要時再付費升級。我目前仍然在我的較舊的麥金塔電腦上使用 2008 年版本的 Microsoft Office,它運作得很好(在此應該稱讚微軟),而且,它仍然偶爾獲得安全性更新,因此,我並不急於升級。

雲端運算仰賴用戶端的快速處理及大量記憶體,以及伺服器端的高頻寬。用戶端的程式是用 JavaScript 語言撰寫的,通常錯綜複雜。JavaScript 程式重度要求瀏覽器更新及快速顯示圖形資料,敏捷反應使用者的動作(例如拖曳)及伺服器的動作(例如更新的內容),這已經是夠難了,難上加難的是,瀏覽器版本與 JavaScript 版本之間的不相容性,需要雲端服務供應商找出傳送程式給用戶端的最佳方法。不過,伴隨電腦運算速度愈來愈快,以及更加遵從標準,這些都在進步中。

雲端運算可以在「於何處執行運算」和「處理過程中把資訊寄存於何處」這兩者之間作出取捨,例如,使 JavaScript 程式與特定瀏覽器脫鉤的方法之一是,在程式本身裡頭包含測試,譬如:「若瀏覽器是 Firefox 75 版,就執行這個;若瀏覽器是 Safari 12 版,就執行那個;若為其他瀏覽器版本,執行別的。」這樣的程式比較大,意味的是,需要更多頻寬來把 JavaScript 程式傳送至用戶端,而且,程式中增加的測試可能使瀏覽器運轉得較慢。另一種方法是,伺服器可以詢問用戶使用的是哪種瀏覽器,然後傳送針對這款瀏覽器撰寫的程式,這程式可能更簡潔,執行得更快,不過,對於原本就小的程式,差異可能不大。

網頁內容可以用不壓縮形式傳送,這樣,用戶端及伺服器端需要的處理工作較少,但需要較多的頻寬來傳輸;或者,用壓縮形式來傳送網頁內容,傳輸時需要的頻寬較少,但兩端需要增加處理工作。有時候,只有一端做壓縮處理,大型 JavaScript 程式經常被壓縮,移除所有不必要的空白,讓變數及函式使用一或兩個字母的名稱,壓縮後的程式是人類看不懂的,但用戶端電腦不在意。

儘管有技術性挑戰,若你總是能連上網際網路的話,雲端運算的優點很多。它們供應的軟體總是最新的,資訊儲存於專業管理的、有大容量的伺服器上,客戶資料隨時都有備份,幾乎沒有遺失的可能。一份文件只有一種版本,不會發生同一份文件在不同的電腦上可能有不一致版本的情形,而且,很容易即時共享文件及通力合作。雲端服務的價格很便宜,個人消費者往往可以免費取得,但企業客戶可能得付費。

——本文摘自《普林斯頓最熱門的電腦通識課》,2022 年 2 月,商業周刊