Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

SciStarter:參與科學,玩轉世界

cbug
・2012/07/24 ・1593字 ・閱讀時間約 3 分鐘 ・SR值 528 ・七年級

SciStarter,或許會讓你立即聯想到國外知名的創意專案網路募資平台 Kickstarter,而且從字面上看來,大概就可以猜想到,這可能就是 Kickstarter 的「科學版」。近來像這樣的群眾集資(crowdfunding)網路平台越來越多,如國外獨立製片計畫募資平台 IndieGoGo、以及台灣甫成立不久的調查報導公眾委製平台 weReport,都是運用網路進行群眾集資來完成既定目標或計畫的實際案例。在這波新興浪潮之下,就算出現了一個科學版,好像也不太讓人意外,不過,蠻有意思的是,SciStarter 的主要功用不只在於徵募資金,它更是一個讓科學人與公眾連結、對話與互動的管道。而這對於科學與科技創新來說,又可能帶來什麼樣的幫助呢?

與科學與科技創新相關的這類國外平台還有 FundaGeekTechMoolaRocketHub,以及#SciFund Challenge,雖然在這些平台進行的計畫,有些是因應國家研發經費縮減,須從民間找經費來源,所以才出現在募資平台上,不過換個角度思考,募資只是其中一種可能的面向而已,對 SciStarter 而言,集結眾人之力所能做到的事情,其實可以有更多的想像。

圖片來源:截自 SciStarter

總的來說,SciStarter 的主要任務,是將全世界的公民科學家匯集起來,邀請各方研究者、研究機構或業界在上頭提出徵募計畫,提供相關資源、產品或服務資訊,鼓勵人們透過非正式的休閒活動或正式研究成果來學習、參與並協助科學發展。

科學家也能與有興趣協助運作研究計畫或從中學習的人們相互交流,了解更多人對自己計劃的想法,並思考如何讓自己的研究與訊息更具吸引力、與人們的生活更為切身相關。更重要的是,SciStarter 也希望藉此提升公眾對科學的關注與理解,用簡單、有趣的方式吸引大家跳進來「弄髒自己的雙手」。

-----廣告,請繼續往下閱讀-----

除此之外,SciStarter 也與重要的科學雜誌《發現》(DISCOVER)雜誌合作,希望讓這些訊息獲得更好的曝光,《發現》會定期報導 SciStarter 上頭的提案,邀請讀者關注或參與這些科學或科研計畫。《發現》雜誌主編 Corey S. Powell 指出,讀者常常告訴他們,自己對於學習與探索這個世界有很大的熱忱,但往往不知道該從何開始,SciStarter 這個平台便提供了一個很好的管道,讓有志者或愛好者直接接觸與參與這些計畫。

舉例來說,由康乃爾大學鳥類實驗室主導、NSF 資助的一項公民科學計畫 DEVISE,就在 SciStarter 上以問卷方式廣徵眾人從事科學活動的經驗,希望從這些回饋中,建構出評估公民科學活動成果的工具,協助確保、提升往後的成果品質。

DEVISE 計畫邀請公民科學家分享從事科學活動的經驗,希望從這些經驗中萃取出評估的工具或標準。圖片來源:截自 SciStarter

leafsnap.com 提出的 Leafsnap 計畫也很有趣,隨著行動裝置的風行,他們提供免費的行動 App,邀請大家用這款 App 拍下你生活周遭的樹葉,協助這些公民科學家們辨識、定位樹種的分布,進而描繪出完整圖像,促進對世界各地生物多樣性樣貌的理解。這與先前介紹過的諾亞計畫有些相似,一人一拍匯集起來的成果想必相當可觀。另一個 The Snake Count 計畫也是基於這樣的概念而來,雖然沒有提供特定的 App,但也是希望公民協助紀錄,藉以了解北美洲蛇類的分布狀況。

目前 SciStarter 網站上已經有許多有趣好玩的計畫,你可以針對自己有興趣的類型進行搜尋。SciStarter 已經粗略地為各式各樣的科學活動預設分類,像是「地點」(適合學校、家中或戶外)、主題(自然、海洋、天文、生物等)、「對象」(適合孩子或學生)等類目,或是依據所需費用進行分類,讓你自由選擇要參與免費或需支付小額報名費的活動,端看你的興趣與需求。當然,你也可以試試看直接下關鍵字來挖寶,或許會遇到你意想不到或尋覓已久的有趣計畫也說不定!

-----廣告,請繼續往下閱讀-----

參考資料

SciStarter – science we can do together
Crowdfunding: A New Opportunity for Science and Innovation—todaysengineer.org [2012-06-12]

-----廣告,請繼續往下閱讀-----
文章難易度
cbug
22 篇文章 ・ 0 位粉絲
各位先進大家好,很高興加入PanSci。希望專欄 Nutrition Buiscuits 能如其名,跟大家分享小份量卻高營養的文章。

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

7
1

文字

分享

0
7
1
審議民主線上會議,讓公民參與不再是未來式
鳥苷三磷酸 (PanSci Promo)_96
・2021/03/29 ・714字 ・閱讀時間約 1 分鐘 ・SR值 582 ・九年級

本特輯由 教育部青年發展署 委託,泛科學企劃執行

「審議民主」目的是促成公眾對政策進行知情而理性的討論,而為因應疫情發展,線上審議被認為更加切合時代趨勢,教育部青年發展署透過優化線上審議民主的過程,期望未來參與公共事務不再受到疫情或地域的影響與限制。

自疫情開始以來,促使人們生活型態轉變,更凸顯數位治理、網路社會、創新應用的重要性,然而線上審議之相關研究不足仍需深入探討。因此,以線上審議之可行性及具體操作模式為背景,透過「109 年 Let’s Talk 討論議題」及「如何透過數位方式(「小校聯盟」、「數位學伴」)改善偏鄉教育資源?」為主題,共辦理 5 場,每場 2 小時的審議民主線上會議,邀集審議公民及主持人共 14 至 16 位,另安排 5 位審議觀察員,總共 88 位民眾參與,運用數位會議工具、即時通訊軟體,不僅帶動民眾參與線上審議的風氣,也為線上審議增添寶貴的研究成果,形塑青年公共參與文化並實踐數位民主。有關研究結果將在 4 月底前,於青年署官方網站公開,歡迎有興趣的民眾點閱。

此外,為因應線上審議推展,青年署以電玩、打怪等元素,策劃「青年打通關!審議來闖關」免費線上課程,讓學習可以不受時間、空間的限制,輕鬆累積知識,課程教材已於「e 等公務園+學習平臺」、青年署「超牆青年 E 學院」、YouTube 頻道以及泛科學院等網路平臺上架。

-----廣告,請繼續往下閱讀-----

除了線上課程,審議民主實體培訓也即將於 5 月 1 日至 2 日在臺北舉辦,有興趣的青年夥伴,只要符合報名資格(18 至 35 歲),趕緊在 4 月 18 日前至報名網頁報名。

-----廣告,請繼續往下閱讀-----

0

0
0

文字

分享

0
0
0
燒毀基地台防堵新冠疫情?科學素養當道下的省思
科學月刊_96
・2020/07/08 ・2619字 ・閱讀時間約 5 分鐘 ・SR值 605 ・十年級

-----廣告,請繼續往下閱讀-----

  • 廖英凱/非典型的不務正業者、興致使然地從事科普工作、科學教育與科技政策研究。對資訊與真相有詭異的渴望與執著,夢想能做出鋼鐵人或心理史學。

2019 冠狀病毒疾病和 5G基地台等新興科學與技術議題,除涉及知識鴻溝和價值差異外,也涉及當代科學的不確定性,不確定性既可來自科學發展中與事實有關的未知謎題,也可涉及與價值有關的選擇與判斷。

圖/af.mil

今(2020)年初始,2019 冠狀病毒疾病(Coronavirus disease 2019, COVID-19)自中國武漢往世界蔓延。

面對來得又急又快的新型病毒,世界各地也因不同的文化與教育程度,催生出了各種謠言或假訊息。而在各種真假訊息之中,令人匪夷所思的是隨著 5G 網路(5th generation mobile networks)的陸續商轉,4 月初在英格蘭與荷蘭,即發生民眾誤信 5G 網路會散布新冠病毒(SARS-CoV-2),或認為 5G 網路會損害免疫系統,而聚眾焚毀基地台。

-----廣告,請繼續往下閱讀-----

若將時間拉回到 16~17 世紀,歐洲各地正處於「獵巫」審判的最高峰,彼時人們認為巫術信仰與厄運、疾病和死亡有關,相信與巫術信仰有關的巫師或女巫及其屍首會帶來災禍,必須要以火刑淨化。事證的檢視與刑罰的判定,多在世俗法庭而非宗教審判所,也欠缺神學與法律的嚴謹基礎。

歷經 4、500 年後,人們已不再將疾病導因於巫術與巫師,但對於新興疾病的未知特性,卻歸咎給了基地台、電磁波和當代新興科技。荒誕的燒毀基地台辟瘟,似乎也頗有千年傳統再次感受的味道。啟蒙時代(Age of Enlightenment)至今三百載,人類自詡進步之路上,似乎還出了點什麼問題……。

電磁恐慌?主流科學難以撼動的經典傳言

恐懼電磁波、電場和磁場對身體帶來危害一直是部份環境和公衛等倡議人士關注的焦點。在臺灣十餘年來,舉凡如行動通訊基地台、雷達站、變電所、高鐵車廂與電子產品等,都曾遭遇過抗議或要求電磁強度標示或管制等倡議。

許多環境倡議者強調新興科技對健康的疑慮。圖/pixnio

-----廣告,請繼續往下閱讀-----

這類議題也不斷重演著少數環境倡議者與科學家的論戰。此類論戰大致可化約理解為環境倡議者多強調新興科技對健康的疑慮、主張環境電磁波的總量管制和警語標示,可視為一種持守「預警性原則」的保守心態。但科學社群則多強調電磁場的物理性質、人造電磁場與地球環境電磁場的相比、大規模公衛研究的成果及原分子尺度的因果研究,可說是一種基於「科學實證」的進取態度。

這兩類迥異態度的拉鋸,是有助於科技政策制定中的事實認定和價值判斷釐清的必要爭論,政策制定與溝通正是在兩種態度的權衡中尋求符合在地情境的最佳解。然而,兩種態度的爭論,呈現於一般傳媒、利害關係民眾所接受到的訊息時,往往僅存片面、造成恐慌與偽科學的資訊。最終演變成倡議者對抗科學霸權的血淚控訴,與科學社群對民眾科學素養低落的失落無策。

走向科學?先天不足後天失調的崎嶇路

對於追求前沿知識的科學社群,當中的科學研究體制成熟且穩定發展。但對於不屬研究者的一般公眾,科學知識在日常生活的取得、理解與應用,仍屬陌生且艱難。特別是對於涉及科學的社會議題,受到科學知識發展高度分化的影響,一般公眾幾無餘力充分理解議題中所蘊含的科學知識,難以在專業知識層次上與該領域專家平等對談,而往往仰賴受信賴的專家論點與指引。科學議題也可能受到來自利益和不當理念驅動的惡意倡議,使科學內容受到誤解、扭曲或偽造。

此外,如 2019 冠狀病毒疾病和 5G 基地台等新興科學與技術議題,除涉及知識鴻溝和價值差異外,也涉及當代科學的不確定性,不確定性既可來自科學發展中與事實有關的未知謎題,也可涉及與價值有關的選擇與判斷。這使得從公眾的角度看待科學時,科學並非也不該總是呈現對錯分明的樣貌,而是具有多元解讀、結論模糊的特色,而仰賴眾研究者勇踏前人未知之境的恆常努力。

-----廣告,請繼續往下閱讀-----

人們自覺關乎自己時,才會有所行動。圖/giphy

當科學議題與風險有關,而仰賴公眾權衡輕重時,內在於公眾的心智機制,也不利於科學議題的判斷。舉凡疫苗、基改、公共衛生、能源與環保等諸多涉及科學的社會議題中,人類對風險判斷過程的損益權衡,常有不一致或矛盾的判斷標準,甚至可受到修辭的影響。例如特維爾斯基(Amos Tversky) 和卡尼曼(Daniel Kahneman)在 1981 年提出的研究發現,當一個議題被描述為 30% 人死亡或描述為 70% 人存活,對於公眾就會產生迥異的情緒感知進而得到不同的決策或判斷。

這種認知上的特色,使得人類感受到的風險與實際帶來的風險並沒有正相關。而當風險事件引發情緒時,人類容易讓情緒感覺驅動行為決策,例如使人過度害怕愛滋病毒卻輕忽肥胖,過度害怕焚化爐空汙卻輕忽菸害,更有甚者,會傾向於詆毀新科技的問世。

因此,若要細究焚毀基地台防疫民眾的動機,可能並非單純的科學知識缺乏或誤信錯假訊息。還跟外在於公眾──科學發展的複雜與不確定性,及內在於公眾──風險判斷的心智認知有關。

-----廣告,請繼續往下閱讀-----

內化科學?知識傳遞的百年窠臼

科學議題判斷的困難,促使廣義的科學界肩負起「撥亂反正」的責任。然而,時至今日,無論體制外的科學傳播或體制內的科學教育,既難堪稱知識傳播的主流於回應真實世界的科學議題,也常有相當距離。儘管近年科學傳播理論已開始轉向具有雙向溝通、參與真實社會議題的「公眾參與科學」,或導入宏觀「科學素養」的科學教育理念。

但多數科學傳播文本或形式,仍屬將科技新知、艱難知識轉化並報導給目標受眾,多維持單方向知識傳遞的「公眾理解科學」階段,較少理解公眾因應科學議題的脈絡,而略難呼應真實社會的科學爭議。科學傳播者雖作為科學知識和公眾之間的「中介者」,但如《科學月刊》前總編輯林基興博士等,直接涉入爭議科學議題的溝通或決策場域也屬罕見。

林基興博士在泛科學的專欄文章。圖/截圖自泛科學

回首臺灣的情境,雖然沒有誇張到燒毀基地台,但也曾有抗議氣象雷達站與阻擋海底電纜的社會爭議,迄今也有現任立委因顧慮電磁波危害,在選前提出反對雷達站、各式基地台和海底電纜等主張。

-----廣告,請繼續往下閱讀-----

形塑科學文化的使命,不僅止於教化與啟迪,更在爭議科學議題的辯證之間。

延伸閱讀

  • Gawande, A., The mistrust of science, The New Yorker, 2016/6/10.

 

 

〈本文選自《科學月刊》2020年7月號〉

科學月刊∕在一個資訊不值錢的時代中,試圖緊握那知識餘溫外,也不忘科學事實和自由價值至上的科普雜誌。

-----廣告,請繼續往下閱讀-----
科學月刊_96
249 篇文章 ・ 3741 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。