SciStarter：參與科學，玩轉世界

• 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？

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。

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：

• 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

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？

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。

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？

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?

（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）或。

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。

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。

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。

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 FundaGeek、TechMoola、RocketHub，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。

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」。

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。

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！

參考資料

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

• 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。

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。

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。

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。

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。

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。

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。

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。