0

1
0

文字

分享

0
1
0

由泰利斯、畢達哥拉斯到亞里斯多德,古希臘如何開展科學思維——《月球之書》

時報出版_96
・2020/02/04 ・3327字 ・閱讀時間約 6 分鐘 ・SR值 544 ・八年級

  • 作者/大衛.翁弗拉許;譯者/林柏宏

科學的起源:以真實性質的角度來理解自然

二十世紀物理學家理查. 費曼(Richard Feynman,1918-1988)認為,當代物理學奠基於巴比倫人的數學方法,他們會以數學的方式來闡述問題,這種經驗能夠讓人學會歸納,進而發現自然原理。歐幾里得(Euclid ofAlexandria,西元前三世紀中期到西元前 285 年)的治學方法則與此相對,這位希臘思想家運用基本的邏輯規則,從我們稱為公設的基礎事實推導出更多複雜的定理。

製作於十九世紀晚期的古希臘地圖。圖/時報出版提供

在大約西元前三百年時,歐幾里得的方法很流行,而他的演繹法發源於更早的幾世紀前,當時的希臘思想家剛開始大膽地以真實性質的角度來理解自然。

對於月亮、太陽與眾行星性質的了解要真正有所進展,希臘的天文學家就得接受量化的方法。他們會需要巴比倫人研究天文的方法,包含實際數學運算,以及從單調的天象觀測中蒐集大量資料。他們的研究必須將這些資料融合希臘文化特有的、探討本質的思維。這種思維是從西元前六世紀的愛奧尼亞人社群開始的。

愛奧尼亞地區位於今日土耳其西部沿岸的城市與島嶼,最早開始推斷大自然是可探究、可預測的希臘人都來自這一帶,他們認為大自然的運作與眾神的意志無關。這種去除神祕面紗的世界觀由米利都的泰利斯起頭,從而解放了愛奧尼亞人的思考,開始為自然現象提出物理學的解釋模型,對科學的進步發揮了重要作用。

然而,希臘世界另一邊的哲學家都反對泰利斯的論點,這些哲學家的根據地是位於南義大利的希臘殖民地─大希臘(Magna Grecia)。

在這場論爭裡,一些大希臘區的哲學家其實是最早發現月亮是球形而非一圓盤的人,有一批大希臘的人還引進了會讓希臘天文學突飛猛進的數學知識。但是,大希臘區並無科學思維,這裡的人高張神祕主義,鄙視實證精神,影響力最大的神祕主義團體還掩蓋、打壓與其主張相左的新發現。

-----廣告,請繼續往下閱讀-----

諷刺的是,這個神祕主義勢力團體的創始人,出生於愛奧尼亞區中心地帶薩摩斯島(Samos)的畢達哥拉斯(Pythagoras,約西元前 570-495),其實就學於泰利斯門下,並由此展開他的學術之路。

泰利斯預測日食,阻止戰爭

要是西元前二千六百年就有諾貝爾和平獎,肯定會頒發給米利都的泰利斯。

他出生時,正是巴比倫文明崛起,催生出前所未有的知識創發活躍期,他也漸漸愛上數學與天文學。愛奧尼亞隸屬於呂底亞王國(Lydian),不過泰利斯或許去過巴比倫,不然就是取得了巴比倫的天文學文獻。不管是哪種情形,泰利斯都認識到日食與月食的沙羅週期,這與他的想法不謀而合,他本來就認為神明與自然無涉。

泰利斯畫像。描繪這位希臘天文學家的是荷蘭次畫家兼版畫家雅各·德·葛恩(Jacob de Gheyn),這是他 1616 年完成的作品。十七世紀時,荷蘭的鏡片磨製技術領先全球,因此這幅畫時空錯亂地讓泰利斯帶著一副眼鏡,泰利斯預測了西元前 585 年的一場日食。圖/時報出版提供

當時呂底亞正與其敵對國之一,米迪亞(Media)交戰,泰利斯知道雙方指揮官都是迷信的人,便提出警告說,眾神要求他們休兵,並且會在西元前五百八十五年春季的某一天使太陽暗下來,以表明神意,其實泰利斯根據沙羅週期進行計算後,已經得知這一天應該會發生日食。

儘管泰利斯自己未察覺,但當他如此運用沙羅週期時,實際上計算的正是月球在太陽前方的移動。總之,日食確實出現了,戰事也平息了,泰利斯在愛奧尼亞聲名大噪,想向他學習自然研究的人蜂擁而至,其中一位就是從薩摩斯島搭船前來的畢達哥拉斯。

-----廣告,請繼續往下閱讀-----

當時的米利都是個富庶的港口城市,當地的希臘居民不願向帝國統治者效忠,他們獨立自主,擁抱新知,或許是因為常從各地的航海貿易商口中得知新觀念,長此以往,泰利斯與其他米利都人的思考方式開始變得新穎激進。

比方說,他們認為地震是由於海中巨浪擊打陸地,土地陸塊是來自海水淤積堆造而成。這些關於自然的解釋終究會被證明並不正確,但重要的是,當時他們的想法和其他地方的人不一樣,他們的想法是可以接受驗證、有可能被否證推翻的,與那些虛無縹緲的神明無關。

泰利斯和在他之後的愛奧尼亞人之所以與眾不同,乃在於他們斷定,認識自然是可行的,可以接受觀察與分析─ 而且,對於他們之中某些人而言,也能透過試驗實證。

為封口無理數的發現而殺人的畢達哥拉斯

薩摩斯的畢達哥拉斯是目前已知世上最早指出月亮是球狀的第一人,他會這麼想或許一開始源自觀察的結果,例如發現月球明暗分界線(lunarterminator)是彎曲的,這道線區分了月球被照亮與未被照亮的兩部分。

-----廣告,請繼續往下閱讀-----

畢達哥拉斯畢竟是泰利斯的學生,而且比同時代的人更早認出晨星(the MorningStar)與暮星(the Evening Star)是同一顆物體─ 金星。這種認知來自於觀察,雖然畢達哥拉斯後來排斥觀測,轉而堅持藉由純粹的思索即可了解宇宙。

繪有畢達哥拉斯的十八世紀蝕刻畫,以義大利畫家拉斐爾(Raphael,1483-1520)在〈雅典學院〉(The School of Athens,1511)一畫中對這位希臘思想家模樣的詮釋為摹本。圖/時報出版提供

旅居埃及多年,又去了巴比倫之後,畢達哥拉斯帶來了一項定理,直角三角形斜邊圍成的正方形面積,等於兩短邊各自圍成正方形的面積和。這不是他自己想出來的,埃及人與巴比倫人早將這觀念實際運用在生活中好幾百年了,巴比倫甚至發展出三角學這門數學。無論如何,由於畢達哥拉斯將這個定理引介給希臘人,未來幾世代探究大自然所需的數學知識才有機會出現。

但對畢達哥拉斯而言,數學不僅是工具,而是宗教信仰。

球狀月亮的想法只是畢達哥拉斯兄弟會神祕思想的一部分,畢達哥拉斯在位於義大利的克羅敦殖民地(the Croton colony)創立了這支教派。畢達哥拉斯教徒主張天界的「星球和諧」,認為月亮與其他星體不只是球形,而且是完美球形,繞著絕對的圓旋轉,每顆星球會產生特定的音符。再加上畢達哥拉斯輕視觀測法,凡是和其完美和諧觀念牴觸的新發現都一貫打壓。

其中一例是他的學生發現數字 2 開平方根會得到無理數,也就是無法化作分數,不能以兩個整數做為分子與分母來表示。謠傳畢達哥拉斯為了封口,謀殺了那個學生。

-----廣告,請繼續往下閱讀-----

但他並不需要依靠暴力來提倡自己的學說。不久後,柏拉圖(Plato,約西元前 427-347)將熱心採納畢達哥拉斯的神祕主義,包含那些完美球形、圓形軌道、對觀察實測的輕蔑,以及阻撓接下來幾世紀科學進展的一切花俏玩意兒。

採納實證主義的亞里斯多德

和他的老師柏拉圖比起來,亞里斯多德比較有科學精神。

雖然兩人的出發點都是想將畢達哥拉斯、巴門尼德提倡的這類神祕主義哲學與愛奧尼亞人的自然主義整合在一起,柏拉圖終究傾向了神祕主義,亞里斯多德則對愛奧尼亞思維更有好感。若提到愛奧尼亞的實證主義(empiricism)── 主張知識必須透過感官作用的經驗才能取得,兩人的分歧會特別明顯。

義大利文藝復興時期畫家拉斐爾在〈雅典學院〉(1511)一畫中描繪了古典時期眾多知識界巨星。正中央兩位面對面的人是柏拉圖(左)與亞里斯多德(右)圖/時報出版提供

愛奧尼亞人泰利斯觀察尼羅河的沉積土層後,做出了假設,認為全世界的大塊陸地都是經由類似過程,從一原始大洋中形成的。而泰利斯的學生、米利都的阿那克西曼德(Anaximander of Miletus,西元前 610-545)觀察幼魚和人類的差異,並在看過化石骨骼後,構想出早期版本的生物演化假說。綜合他們的所見所聞,愛奧尼亞人了解到,大自然不停地在變動。

亞里斯多德在研究如生物這一類地球上的物質時,大致上採納愛奧尼亞式的實證主義與變化觀念,可是一旦主題來到天象,他就表現出神祕主義的遺緒。畢達哥拉斯有個很妙的想法,認為天上的星體都是繞著正圓形軌道轉的完美球形,亞里斯多德深受此思想荼毒,同時還採用巴門尼德的主張,認為萬物恆定不變,結果形成了以下觀點:

-----廣告,請繼續往下閱讀-----

星星、太陽與行星都是恆久不變的,有永遠固定的幾何形狀,地球是墮落不潔的,也因此不完美。違背這完美理念的還有月球表面的暗黑地貌,亞里斯多德對此的解釋是,月球和地球走太近了,太靠近存在於地表上的汙染,指的就是人類和其他生命形式。

——本文摘自《月球之書》,2019 年 9 月,時報出版

 

文章難易度
時報出版_96
174 篇文章 ・ 35 位粉絲
出版品包括文學、人文社科、商業、生活、科普、漫畫、趨勢、心理勵志等,活躍於書市中,累積出版品五千多種,獲得國內外專家讀者、各種獎項的肯定,打造出無數的暢銷傳奇及和重量級作者,在台灣引爆一波波的閱讀議題及風潮。

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

5
3

文字

分享

0
5
3
除了蚯蚓、地震魚和民間達人,那些常見的臺灣地震預測謠言
鳥苷三磷酸 (PanSci Promo)_96
・2024/02/29 ・2747字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

本文由 交通部中央氣象署 委託,泛科學企劃執行。

  • 文/陳儀珈

災害性大地震在臺灣留下無數淚水和難以抹滅的傷痕,921 大地震甚至直接奪走了 2,400 人的生命。既有這等末日級的災難記憶,又位處於板塊交界處的地震帶,「大地震!」三個字,總是能挑動臺灣人最脆弱又敏感的神經。

因此,當我們發現臺灣被各式各樣的地震傳說壟罩,像是地震魚、地震雲、蚯蚓警兆、下雨地震說,甚至民間地震預測達人,似乎也是合情合理的現象?

今日,我們就要來破解這些常見的地震預測謠言。

-----廣告,請繼續往下閱讀-----

漁民捕獲罕見的深海皇帶魚,恐有大地震?

說到在坊間訛傳的地震謠言,許多人第一個想到的,可能是盛行於日本、臺灣的「地震魚」傳說。

在亞熱帶海域中,漁民將「皇帶魚」暱稱為地震魚,由於皇帶魚身型較為扁平,生活於深海中,魚形特殊且捕獲量稀少,因此流傳著,是因為海底的地形改變,才驚擾了棲息在深海的皇帶魚,並因此游上淺水讓人們得以看見。

皇帶魚。圖/wikimedia

因此,民間盛傳,若漁民捕撈到這種極為稀罕的深海魚類,就是大型地震即將發生的警兆。

然而,日本科學家認真蒐集了目擊深海魚類的相關新聞和學術報告,他們想知道,這種看似異常的動物行為,究竟有沒有機會拿來當作災前的預警,抑或只是無稽之談?

-----廣告,請繼續往下閱讀-----

可惜的是,科學家認為,地震魚與地震並沒有明顯的關聯。當日本媒體報導捕撈深海魚的 10 天內,均沒有發生規模大於 6 的地震,規模 7 的地震前後,甚至完全沒有深海魚出現的紀錄!

所以,在科學家眼中,地震魚僅僅是一種流傳於民間的「迷信」(superstition)。

透過動物來推斷地震消息的風俗並不新穎,美國地質調查局(USGS)指出,早在西元前 373 年的古希臘,就有透過動物異常行為來猜測地震的紀錄!

人們普遍認為,比起遲鈍的人類,敏感的動物可以偵測到更多來自大自然的訊號,因此在大地震來臨前,會「舉家遷徙」逃離原本的棲息地。

-----廣告,請繼續往下閱讀-----

當臺灣 1999 年發生集集大地震前後,由於部分地區出現了大量蚯蚓,因此,臺灣也盛傳著「蚯蚓」是地震警訊的說法。

20101023 聯合報 B2 版 南投竹山竄出蚯蚓群爬滿路上。

新聞年年報的「蚯蚓」上街,真的是地震警訊嗎?

​當街道上出現一大群蚯蚓時,密密麻麻的畫面,不只讓人嚇一跳,也往往讓人感到困惑:為何牠們接連地湧向地表?難道,這真的是動物們在向我們預警天災嗎?動物們看似不尋常的行為,總是能引發人們的好奇與不安情緒。

如此怵目驚心的畫面,也經常成為新聞界的熱門素材,每年幾乎都會看到類似的標題:「蚯蚓大軍又出沒 網友憂:要地震了嗎」,甚至直接將蚯蚓與剛發生的地震連結起來,發布成快訊「昨突竄大量蚯蚓!台東今早地牛翻身…最大震度4級」,讓人留下蚯蚓預言成功的錯覺。

然而,這些蚯蚓大軍,真的與即將來臨的天災有直接關聯嗎?

-----廣告,請繼續往下閱讀-----

蚯蚓與地震有關的傳聞,被學者認為起源於 1999 年的 921 大地震後,在此前,臺灣少有流傳地震與蚯蚓之間的相關報導。

雖然曾有日本學者研究模擬出,與地震相關的電流有機會刺激蚯蚓離開洞穴,但在現實環境中,有太多因素都會影響蚯蚓的行為了,而造成蚯蚓大軍浮現地表的原因,往往都是氣象因素,像是溫度、濕度、日照時間、氣壓等等,都可能促使蚯蚓爬出地表。

大家不妨觀察看看,白日蚯蚓大軍的新聞,比較常出現在天氣剛轉涼的秋季。

因此,下次若再看到蚯蚓大軍湧現地表的現象,請先別慌張呀!

-----廣告,請繼續往下閱讀-----

事實上,除了地震魚和蚯蚓外,鳥類、老鼠、黃鼠狼、蛇、蜈蚣、昆蟲、貓咪到我們最熟悉的小狗,都曾經被流傳為地震預測的動物專家。

但可惜的是,會影響動物行為的因素實在是太多了,科學家仍然沒有找到動物異常行為和地震之間的關聯或機制。

遍地開花的地震預測粉專和社團

這座每天發生超過 100 次地震的小島上,擁有破萬成員的地震討論臉書社團、隨處可見的地震預測粉專或 IG 帳號,似乎並不奇怪。

國內有許多「憂國憂民」的神通大師,這些號稱能夠預測地震的奇妙人士,有些人會用身體感應,有人熱愛分析雲層畫面,有的人甚至號稱自行建製科學儀器,購買到比氣象署更精密的機械,偵測到更準確的地震。

-----廣告,請繼續往下閱讀-----

然而,若認真想一想就會發現,臺灣地震頻率極高,約 2 天多就會發生 1 次規模 4.0 至 5.0 的地震, 2 星期多就可能出現一次規模 5.0 至 6.0 的地震,若是有心想要捏造地震預言,真的不難。 

在學界,一個真正的地震預測必須包含地震三要素:明確的時間、 地點和規模,預測結果也必須來自學界認可的觀測資料。然而這些坊間貼文的預測資訊不僅空泛,也並未交代統計數據或訊號來源。

作為閱聽者,看到如此毫無科學根據的預測言論,請先冷靜下來,不要留言也不要分享,不妨先上網搜尋相關資料和事實查核。切勿輕信,更不要隨意散播,以免造成社會大眾的不安。

此外,大家也千萬不要隨意發表地震預測、觀測的資訊,若號稱有科學根據或使用相關資料,不僅違反氣象法,也有違反社會秩序之相關法令之虞唷!

-----廣告,請繼續往下閱讀-----

​地震預測行不行?還差得遠呢!

由於地底的環境太過複雜未知,即使科學家們已經致力於研究地震前兆和地震之間的關聯,目前地球科學界,仍然無法發展出成熟的地震預測技術。

與其奢望能提前 3 天知道地震的預告,不如日常就做好各種地震災害的防範,購買符合防震規範的家宅、固定好家具,做好防震防災演練。在國家級警報響起來時,熟練地執行避震保命三步驟「趴下、掩護、穩住」,才是身為臺灣人最關鍵的保命之策。

延伸閱讀

討論功能關閉中。

1

0
1

文字

分享

1
0
1
秋季星空中一抹光亮:北落師門殘屑盤的觀測史——《科學月刊》
科學月刊_96
・2024/01/19 ・4118字 ・閱讀時間約 8 分鐘

  • 謝承安/ EASY 天文地科團隊成員,因喜愛動畫《戀愛中的小行星》開始研究小行星,現就讀臺大物理系。
  • 林彥興/清大天文所碩士, EASY 天文地科團隊總編輯,努力在陰溝中仰望繁星。
  • Take Home Message
    • 殘屑盤是恆星周遭的盤狀結構,由於北落師門殘屑盤離地球僅 25 光年,數十年來天文學家時常會藉由觀測它以了解殘屑盤的特性。
    • 去(2023)年韋伯望遠鏡的觀測結果與過去不同,顯示北落師門殘屑盤其實分成多個部分,更讓他們相信北落師門中有多個行星環繞。
    • 韋伯望遠鏡提供的影像還揭露許多來源未知的構造及現象,例如內側殘屑盤與內側裂縫等,都有待繼續探索。

北落師門(Fomalhaut)又稱南魚座 α 星,是秋季星空中著名的亮星之一。去年 5 月,以美國亞利桑那大學(University of Arizona)天文學家加斯帕(András Gáspár)為首的研究團隊在《自然天文學》(Nature Astronomy)期刊上發表,他們藉由詹姆士.韋伯太空望遠鏡(James Webb Space Telescope, JWST,簡稱韋伯望遠鏡),在北落師門周圍殘屑盤(debris disk)中首次發現了「系外小行星帶」的存在。韋伯望遠鏡拍下美麗的照片,也瞬間席捲各大科學與科普媒體的版面(圖一)。

圖一:韋伯望遠鏡在波長約 25 微米(μm)的中紅外線拍攝的北落師門影像,首次呈現北落師門殘屑盤中的三層結構。(NASA, ESA, CSA, A. Pagan (STScI), A. Gáspár (University of Arizona))

天文學家選擇北落師門作為目標並非偶然。半個世紀以來,北落師門一直是天文學家研究殘屑盤時的首選目標之一。韋伯望遠鏡的新影像為我們帶來什麼新發現?過去與現在的觀測方式又有什麼差異?本文將帶著大家一起回顧北落師門殘屑盤的觀測史。

行星相互碰撞後的殘屑盤

殘屑盤是環繞在恆星周遭,由顆粒大小不一的塵埃所組成的盤狀結構。如果讀者們聽過行星形成的故事,也知道行星是從恆星四周、由氣體與塵埃組成的「原行星盤」(protoplanetary disk)中誕生,那你或許會認為殘屑盤可能就是行星形成後剩下的塵埃。但實際上並非如此,在恆星形成初期的數百萬年間,原行星盤中的氣體和塵埃會被恆星吸積或是吸收恆星輻射的能量後蒸發,同時也會聚集成小型天體或行星,這些原因都會使原行星盤消散。而殘屑盤則是由盤面上的小行星等天體們互相碰撞後,產生的第二代塵埃組成(圖二)。

圖二:殘屑盤想像圖(NASA/JPL-Caltech)

這些塵埃發光的機制主要有兩種。第一,塵埃本身可以散射來自母恆星的星光,從而讓天文學家能在可見光與近紅外波段看到它們。第二,塵埃在吸收來自恆星的星光之後,以熱輻射的形式將這些能量重新釋放。由於恆星的光強度與距離成平方反比,愈靠近恆星,塵埃的溫度就愈高,因此發出的輻射以近紅外線為主;反之,愈是遠離恆星,塵埃的溫度就愈低,發出的光就以中遠紅外線為主。

-----廣告,請繼續往下閱讀-----

觀測目標:北落師門

北落師門殘屑盤的觀測始於 1983 年。當時,美國國家航空暨太空總署(National Aeronautics and Space Administration, NASA)的紅外線天文衛星(Infrared Astronomical Satellite, IRAS)發現北落師門在紅外線波段的亮度異常高,代表周圍很可能有殘屑盤圍繞。由於北落師門離地球僅約 25 光年,這項發現引起眾多天文學家的關注,並在未來數十年前仆後繼地拿出各波段最好的望遠鏡,希望藉此深入了解殘屑盤的特性。其中,哈伯太空望遠鏡(Hubble Space Telescope, HST,簡稱哈伯望遠鏡)、阿塔卡瑪大型毫米及次毫米波陣列(Atacama Large Millimeter/submillimeter Array, ALMA)與韋伯望遠鏡擁有非常好的空間解析度,因此能夠清楚地觀測殘屑盤的結構。

● 哈伯的觀測

2008 年, NASA 公布哈伯望遠鏡在 2004 與 2006 年對北落師門的觀測結果(圖三),讓天文學家首次清晰地看到北落師門殘屑盤的影像。這張照片是哈伯望遠鏡以日冕儀(coronagraph)在 600 奈米(nm)的可見光波段下拍攝,中間的白點代表北落師門的位置,而周圍的環狀亮帶正是因散射的北落師門星光而發亮的殘屑盤,放射狀的條紋則是日冕儀沒能完全消除的恆星散射光。除此之外,天文學家還發現有一個亮點正圍繞著北落師門運行,並認為此亮點可能是一顆圍繞北落師門的行星,於是將它命名為「北落師門 b 」。很可惜在往後的觀測中,天文學家發現北落師門 b 漸漸膨脹消散,到 2014 年時就已經完全看不見了。因此它很可能只是一團塵埃,而非真正的行星。

圖三:哈伯望遠鏡於 2008 年公布的北落師門。中間白點代表北落師門的位置,周圍環狀亮帶是因散射北落師門的星光而發亮的殘屑盤,放射狀條紋則是沒完全消除的恆星散射光。右下角亮點當時被認為是圍繞北落師門的行星,但很可能只是塵埃。(Ruffnax (Crew of STS-125);NASA, ESA, P. Kalas, J. Graham, E. Chiang, and E. Kite (University of California, Berkeley), M. Clampin (NASA Goddard Space Flight Center, Greenbelt, Md.), M. Fitzgerald (Lawrence Livermore National Laboratory, Livermore, Calif.), and K. Stapelfeldt and J. Krist (NASA Jet Propulsion Laboratory, Pasadena, Calif.)

● ALMA 的觀測

ALMA 對北落師門的完整觀測於 2017 年亮相,他們展示出更加清晰漂亮的環狀結構,且位置與哈伯望遠鏡的觀測吻合。正如前面提到,殘屑盤中的塵埃溫度愈低,放出的輻射波長就愈長。因此 ALMA 在 1.3 毫米(mm)波段觀測到的影像,主要來自離殘屑盤中恆星最遠、最冷的部分。

圖四: ALMA 於 2017 年拍攝的北落師門殘屑盤,展示出清晰漂亮的環狀結構。(Sergio Otárola|ALMA (ESO/NAOJ/NRAO);M. MacGregor)

● 韋伯望遠鏡的觀測

最後則要來看去年韋伯望遠鏡所使用中紅外線儀(mid-infrared instrument, MIRI)拍攝的影像(圖五)。與之前的觀測不同,這次的影像顯示北落師門的殘屑盤其實分成幾個部分:

-----廣告,請繼續往下閱讀-----
圖五:韋伯望遠鏡在 25 微米波段觀測到的北落師門殘屑盤。(NASA GSFC/CIL/Adriana Manrique Gutierrez;NASA, ESA, CSA, A. Pagan (STScI), A. Gáspár (University of Arizona))

首先,哈伯望遠鏡與 ALMA 之前就已觀測到的塵埃環,它的半徑約 136~150 天文單位(AU)、寬約 20~25 AU,而溫度則落在約 50~60 K,與太陽系的古柏帶(Kuiper belt)十分相似,因此被稱為「類古柏帶環」(KBA ring)。雖然在觀測上的溫度相似,但其實此塵埃環與北落師門的距離是古柏帶到太陽的四倍;不過北落師門光度約為太陽的 16 倍,根據前述提及的平方反比關係,才導致兩者的溫度相近。此外,在更外層名為「暈」(halo)的黯淡結構則對應古柏帶外圍天體密度較低的區域。

再來,韋伯望遠鏡還發現了更多未解的謎團:內側殘屑盤(inner disk)與中間環(intermediate ring)。其實早在本次韋伯望遠鏡的觀測之前,天文學家就已經從北落師門的光譜推測,北落師門的殘屑盤中除了存在前面提過的類古柏帶環之外,應該還有另一批更靠近恆星、溫度更高的塵埃,溫度與大小對應太陽系中的環狀小行星帶。但當韋伯望遠鏡實際觀測後,卻發現與太陽系的環狀小行星帶相比,北落師門有著相當瀰散的內側殘屑盤。為什麼會有這樣的不同呢?目前天文學家也不清楚,仍待進一步研究。

最後,在類古柏帶環與內側殘屑盤之間,還存在著一個半長軸約 104 AU 的「中間環」,在太陽系中則沒有對應的結構,這項新發現也需要進一步的研究來了解它的來源。

此外,雖然北落師門 b 最終被證實並不是一顆行星,但這並不代表北落師門旁沒有行星環繞。最初,殘屑盤的形成原因是由小行星等天體不斷碰撞所產生,經過不斷地碰撞合併,其實就有可能已經產生直徑數百到數千公里的行星。從北落師門的殘屑盤還可以推論,在內側殘屑盤與中間環之間可能有一顆海王星質量以上的行星,它就像鏟雪車般清除軌道上的塵埃,從而產生「內側裂縫」(inner gap)的結構。

-----廣告,請繼續往下閱讀-----

另一方面,天文學家也藉由數值模擬發現,如果僅考慮來自北落師門的重力影響,類古柏帶環應該要比觀測到的更寬才對。因此他們推測,很可能在類古柏帶環內外兩側有兩顆行星,像控制羊群的牧羊犬一樣以自身的重力限制塵埃移動,才產生了這麼細的塵埃環。

● 更多的殘屑盤觀測

北落師門雖然是一顆年齡僅4.4億年的年輕恆星,卻已經是一個擁有殘屑盤、形成行星的成熟恆星系統。而來自韋伯望遠鏡的最新觀測結果,無疑讓天文學家更深入地認識殘屑盤中複雜的結構,也更令他們相信北落師門系統中有多個行星環繞。

不過,北落師門系統仍舊有許多未解之謎。例如為什麼太陽系有著環狀的小行星帶,北落師門卻是瀰散的內側殘屑盤?在無數的恆星中,究竟是太陽系還是北落師門的殘屑盤構造比較常見?殘屑盤中是否有行星存在?如果有,在北落師門的演化歷史中又扮演著怎樣的角色呢?這些問題都有待更多的觀測與理論模擬來解答。

在北落師門之後,觀測團隊預計將韋伯望遠鏡指向天琴座的織女星(α Lyr, Vega),以及位於波江座的天苑四(ε Eri),兩者都是離地球非常近且擁有殘屑盤的恆星。其中織女星的溫度與質量比北落師門更大,而天苑四的質量與溫度雖然比太陽小,卻有強烈的磁場活動。藉由觀測不同系統中殘屑盤的性質差異,並與太陽系進行對比,不僅能更加認識殘屑盤的起源、與行星的交互作用,更能理解我們自己的恆星系中,數百萬顆的太陽系小天體從何而來。

-----廣告,請繼續往下閱讀-----

JWST 原始資料的處理過程影片介紹,非常值得一看!

  • 〈本文選自《科學月刊》2024 年 01 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。

延伸閱讀

  1. Galicher, R. et al. (2013). Fomalhaut b: Independent analysis of the Hubble space telescope public archive data. The Astrophysical Journal, 769(1), 42.
  2. MacGregor, M. A. et al. (2017). A complete ALMA map of the Fomalhaut debris disk. The Astrophysical Journal, 842(1), 8.
  3. Gáspár, A. et al. (2023). Spatially resolved imaging of the inner Fomalhaut disk using JWST/MIRI. Nature Astronomy, 1–9.
所有討論 1
科學月刊_96
249 篇文章 ・ 3653 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。