2

5
2

文字

分享

2
5
2

太空不是問題,歧視才是距離:凱薩琳.強森如何成為 NASA 的關鍵少數?——《怪奇科學研究所》

時報出版_96
・2020/02/27 ・3776字 ・閱讀時間約 7 分鐘 ・SR值 535 ・七年級

  • 作者/SME

在 2017 年奧斯卡頒獎典禮上出了一件奇怪的事情。當然,這裡說的不是頒錯獎的大烏龍,而是在一堆奔著小金人來的演員中間,卻有一位非裔女數學家混在了其中。原來她就是被奧斯卡提名的電影《關鍵少數》中的原型人物,NASA 的超級女英雄——凱薩琳.強森(Katherine Johnson)。

這部電影主要講述了在那個種族隔離大行其道的 20 世紀 60 年代,三位黑人女性衝破性別和種族的歧視,為「太空競賽」下的美國航空事業做出了巨大貢獻。隨著《關鍵少數》的上映,真正的「隱藏人物」凱薩琳.強森才漸漸走入人們的視野。

凱瑟琳.強森 圖/時報出版提供

在那個沒有電腦的年代,凱薩琳.強森在 NASA 裡擔當著「人肉電腦」的角色。她負責開發各種太空路線,計算各種至關重要的航空軌道參數,是水星計畫、阿波羅登月計畫中不可或缺的角色。但只要稍有差池,整個太空任務就可能完全失敗甚至造成太空人死亡。

從家庭主婦到 NASA 飛行小組成員,凱薩琳.強森經歷過怎樣的不公待遇我們不得而知。但她卻說:「我知道歧視就在那裡,但我選擇不去看它們。」然而,就是這股最純粹的力量,讓她將種族隔離的壁壘和性別歧視的天花板逐一打破,讓她活成了一個傳奇。

從小就愛算數,連教堂的階梯都不放過

1918 年,凱薩琳.強森出生於西維吉尼亞州的一個小鎮。凱薩琳的父親是眾多黑人農民中的一員,還額外從事著一份看守的工作。雖說父親沒什麼文化,但卻有著不一般的數學天賦。當初父親與木材打交道時,只要看一眼便能計算出一棵樹可以加工成多少塊木板,他甚至還能解答出許多讓老師都感到困惑的算術問題。

-----廣告,請繼續往下閱讀-----

凱薩琳也認為自己繼承了老爸的數學天賦,從小就特別迷戀數學。旺盛的求知欲無處釋放時,她就經常去計算各種能數的東西,例如教堂的階梯、洗過的刀叉碗碟她都不放過。在哥哥姐姐都嚷嚷著拒絕上學的時候,她卻迫不及待地想要學習。她還老是偷偷跟著哥哥去學校,弄得老師基本都認識她,還允許她參加暑期學校。

凱薩琳從小就嶄露出她的數學天賦。圖/GIPHY

一到學校,6 歲的凱薩琳便開始碾壓各路同齡學生。老師看她這麼聰明,就直接安排她插班到二年級,一年級就不用讀了。本來就聰明的她在老師的一番指點下,數學天賦逐漸顯露。兩年後,她又連跳了兩級,直接進入六年級。那時,比她大 3 歲的哥哥還在讀五年級。

凱薩琳剛滿 10 歲,就要上高中了。但這也是她第一次因為身分的問題,感受到了來自社會的惡意。凱薩琳所在的小鎮,只向非洲裔的孩子提供到八年級的教育,高中部並不接收他們。

不過幸運的是,凱薩琳的父母雖然沒什麼文化,但是卻非常注重孩子們的教育。他們打探到距老家 200 公里外,有接收非裔學生的高中學校。於是,母親便帶著凱薩琳和哥哥姐姐們搬到學校附近,住在租來的房子裡。而父親則留在小鎮那邊,繼續工作給幾個孩子賺取學費。

-----廣告,請繼續往下閱讀-----

高中畢業後,14 歲的凱薩琳便獲得了全額獎學金進入了西維吉尼亞州立大學,攻讀數學專業。在最喜愛的數學領域中,凱薩琳一口氣就把所有的數學課程學完了,但這些課程遠遠不能滿足她旺盛的求知欲。看著如此聰明和勤奮的凱薩琳,克萊特博士──第三位獲得數學博士學位的非裔美國人,特別禮遇她。

他特地為凱薩琳增設了一門高級數學課程──解析幾何學,而凱薩琳就是唯一的學生。而這門解析幾何,也成了她日後進入 NASA 飛行小組的敲門磚。

夢想與現實之間隔著的是種族與性別的雙重阻礙

1937 年,19 歲的凱薩琳帶著沉甸甸的數學知識完成了大學的學業,還順便多考了一個法語雙學位。如果放到現在,這樣的天才少女恐怕早就有企業搶著要了,出路完全不是問題。但在那個種族隔離的時代,一名黑人女性,她面臨的卻是種族和性別歧視的雙重大山。

進 NASA 工作前,她能展現能力的機會並不多。圖/NASA

想要繼續深造是不可能的了,而她唯一能找到的與數學相關的工作就是到黑人小學教書。在做了一段時間的數學教師之後,凱薩琳的人生出現了轉機。

1938 年的「密蘇里州代表蓋恩斯訴卡納達案」中,美國最高法院做出裁決,如果一個州只設了一所有該專業的學院,則不得根據種族限制只錄取白人。於是,凱薩琳幾乎是見縫插針地成了第一批進入西維吉尼亞大學研究所的黑人學生。

-----廣告,請繼續往下閱讀-----

這第一批黑人學生只有 3 個,而她也是其中唯一的女性。但作為第一批黑人研究生,凱薩琳也受到了前所未有的差別待遇。不到一年,凱薩琳就離開了這所對她充滿惡意的研究所,決定將生活重心放在家庭上。

在之後十幾年裡,凱薩琳也成了擁有 3 個孩子的家庭主婦。但當她自己都以為人生就止步於此的時候,一個好消息卻重新點燃了她的數學夢想。

那時,美國與蘇聯的「太空競賽」開始進入白熱化階段。NACA(即 NASA 的前身)正在緊鑼密鼓地招募數學計算員,重點是,竟然還向黑人女性開放。在丈夫的支持下,他們舉家搬遷到離工作地點近的地方。

經過長達一年的測試,1953 年夏天,凱薩琳正式加入 NASA。

換了新工作,仍受到不平等待遇

時隔十幾年,從家庭中走出來的凱薩琳仍堅信自己能夠勝任 NASA 這份工作。事實也確實如此,她不但能勝任,而且比當時的許多男性同事表現得更加出色。剛開始,凱薩琳和許多黑人婦女一樣在擔任一個職位名稱為「Computer」的工作。

雖說是「Computer」,但是她們手頭卻沒有電腦,全都是用紙和筆來完成枯燥的計算。在那個電腦還未正式投入使用的年代,她們被當作「人肉電腦」來使用,也被稱為「穿裙子的電腦」。

-----廣告,請繼續往下閱讀-----

《關鍵少數》中有色人種的辦公室內,「穿裙子的電腦」們,黑人和白人有不同的餐飲區、工作區和衛生設施,這些非裔女計算員的辦公室就赫然寫著「有色人種計算室」。但凱薩琳只當了兩個星期的「穿裙子的電腦」,便被臨時抽調到一個飛行小組中。

凱薩琳是小組中唯一的特例:唯一的黑人,同時也是唯一的女性。圖/IMDb

當時,這個小組急需一名會解析幾何的計算員,而大學時克萊特博士教給凱薩琳的解析幾何知識派上了大用場。因為凱薩琳實在是「太好用」了,以至於這個臨時抽調的時間一直在延長,大家都不願意把她「還」回去了。

雖說大家都越來越依賴凱薩琳的數學天賦,但在這個全是白人男性工程師的飛行小組,歧視卻一直大行其道。因為她是這個團隊中的一個特例:唯一的黑人,唯一的女性。在辦公室裡凱薩琳一直遭到同事們的白眼和無視。除了無法使用白人的咖啡機外,還只能使用有色人種的廁所。

然而最讓人無法接受的,還是明明是凱薩琳的建議或計算成果,報告上卻只能署上別人的名字。她做著最核心的工作,卻拿著最微薄的薪水,享有最低等的待遇。

-----廣告,請繼續往下閱讀-----

但在受到種種歧視時,凱薩琳在選擇視而不見的同時,卻從未放棄過自己應有的權利。幾乎每一次寫報告,不管遞交成不成功,她都會簽上自己的名字。當遇到不清楚的問題,她一定要刨根問底將其搞懂,也不管其他同事翻了多少個白眼。

不受框架束縛,積極爭取權益!

當時,NASA 的重要會議上幾乎沒有出現過女性,但是凱薩琳為了獲得飛船飛行的第一手消息,她勇敢地向上司提出參加會議的請求。遭到拒絕時,她說:「有法律規定女人不能參加會議嗎?」最後,她確實爭取到了參加會議的資格,成為整個會議室的唯一一位女性。

成為計畫中關鍵角色的凱薩琳。圖/IMDb

此外,她的傑出表現也慢慢受到了上司的重視,報告上也終於出現了自己的名字。她用自己的努力一步一步地獲得他人的尊重和認可,這位黑人女孩成了 NASA 的傳奇人物。後來,每當團隊遇到什麼難題,總會有人說:「問問凱薩琳吧!」

1961 年 5 月 5 日,水星計畫的「自由 7 號」將美國第一位太空人艾倫.雪帕德送上太空,這艘飛船的運行軌跡正是凱薩琳計算的。

隨著「太空競賽」的不斷升溫,凱薩琳的工作也變得越來越複雜了。她從早期的拋物線軌道,算到橢圓軌道,從繞地球飛行軌道,算到繞月飛行軌道。儘管後來電腦已經被應用於軌道的計算,但是 NASA 卻仍不放心,硬要凱薩琳這台「人肉電腦」驗算過才敢起飛。

-----廣告,請繼續往下閱讀-----

1962 年,約翰.葛倫在首次環繞地球的太空飛行中,就指名要求凱薩琳幫忙驗算後才敢上天。他不相信電腦,反而相信凱薩琳,說:「如果那個女孩(the girl,指凱薩琳)說沒有問題了,我才算準備好。」約翰.葛倫完成的飛行任務,也標誌著美國在太空競賽中首次超過了蘇聯,同時也標誌著凱薩琳得到了認可。

凱瑟琳.強森(1918-2020)圖/時報出版提供

從進入 NASA 到 1986 年退休的 33 年間,凱薩琳幾乎參與了每一個重要的航太計畫,為太空探索做出了巨大貢獻。

2015 年,歐巴馬授予凱薩琳總統自由勳章。2016 年,凱薩琳也隨著《關鍵少數》的熱映,進入了大眾眼裡。而 NASA 為她撰寫的傳記的結尾是:「如果沒有你,NASA 不會是今天的模樣。」

凱薩琳用一生告訴我們一個道理:人一出生就帶著各種標籤,但是這些標籤並不是真正阻礙你前進的阻力。在撕毀這些標籤時,革命只能使人們獲得表面的勝利。但真正的尊重,還是需要實力才能贏得。

——《怪奇科學研究所:42個腦洞大開的趣味科學故事》,2020 年 2 月,時報出版

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 2
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

  • 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。

1

1
1

文字

分享

1
1
1
這些太空垃圾會不會阻礙我們太空旅行?太空垃圾怎麼清? 
PanSci_96
・2024/05/29 ・5682字 ・閱讀時間約 11 分鐘

-----廣告,請繼續往下閱讀-----

人類上太空的夢想會被我們親自摧毀嗎?

隨著火箭成本降低,人人都能把衛星丟上太空,現在,當你晚上抬頭看天空,你看到的星星可能不是星星,而是人造衛星。你看到一閃而過的的流星,可能只是墜入大氣的太空垃圾。

這些多到不行的太空垃圾已經成為隱憂,更可怕的是,這些以超音速飛行的太空垃圾可能摧毀其他衛星,在衛星軌道上製造更多不可預期的致命飛彈。有人擔心,人類終有一天會無法穿過這片垃圾雲,天空永遠被自己封閉。 終於,有人提出清理太空垃圾的方法了,但這些方法真的可行嗎?

現在的太空垃圾有多少?

最大的太空垃圾可能是整節火箭!

所有在繞行地球的軌道上失去功能的東西,都會成為太空垃圾,最大的包含壞掉的衛星、和大量運送衛星上太空的第二節推進火箭,例如 1960 年代太空競賽時大量發射的火箭,有許多至今還在宇宙遊蕩,每一個都像公車一樣大。而小東西,則包含太空人在太空漫步時遺忘的東西,或是太空垃圾互相碰撞後產生的碎片,最小可能只有數毫米,小的像隻蚊子。但不論太空垃圾來自哪裡,只要缺乏妥善的管理和追蹤,就可能成為其他運作中設施和儀器的致命血滴子。

-----廣告,請繼續往下閱讀-----
所有在繞行地球的軌道上失去功能的東西,都會成為太空垃圾,最大的包含壞掉的衛星、和大量運送衛星上太空的第二節推進火箭。
圖|PanSci YouTube

為什麼說太空垃圾真的很危險?

為了不被地心引力拉入大氣,墜向地球,在軌道上繞行地球的物體大多都以非常快的速度在移動,包括現在還在運作的衛星與各種設施。舉例來說國際太空站位於距離地球表面四百公里高的近地軌道(Low Earth Orbit),以大約每秒 7 ~ 8 公里的速度高速移動,是地表音速的 20 倍。也就是說,太空上的車禍可嚴重多了,來自不同方向或不同傾角的物體,可能會以超過每秒 10 公里的相對速度發生碰撞。別說公車大小的太空垃圾了,只要直徑超過 1 公分的碎片就足以對太陽能板或玻璃造成損害。更麻煩的是,大小在 10 公分以下的物體,大多還因為尺寸過小難以追蹤。

那麼,我們的頭上有多少太空垃圾呢?

根據歐洲太空總署 ESA 的資料,目前軌道上有 6800 個運作中的衛星,相對的有超過 3 萬 2千個可追蹤的太空垃圾。但如果估計所有無法追蹤的物體,大於 10 公分的物體可能有超過 3 萬 6 千個,介於 1 公分到 10 公分的則高達一百萬個。

根據歐洲太空總署 ESA 的資料,目前軌道上有 6800 個運作中的衛星,相對的有超過 3 萬 2 千個可追蹤的太空垃圾。但如果估計所有無法追蹤的物體,大於 10 公分的物體可能有超過 3 萬 6 千個,介於 1公分到 10 公分的則高達一百萬個。
圖|PanSci YouTube

在這些太空垃圾中,大多數大型太空垃圾就是來自發射衛星後,一起留在太空的第二節推進火箭,小型太空垃圾則來自火箭爆炸或各種大大小小碰撞所產生的碎片。

太空上曾發生過嚴重的太空垃圾碰撞事件?

歷史上比較嚴重的一次撞擊事件發生在 2009 年,銥衛星公司運作中的通訊衛星,重量 700 公斤的 iridium 33,和失效、重 900 公斤的蘇聯軍用衛星 kosmos 2251,在 789 公里的高空,兩台衛星以每秒 11.7 公里的相對速度直接撞上,化成了兩團在軌道上繞行的碎片團。

-----廣告,請繼續往下閱讀-----

NASA 估計,這單一次的碰撞產生了超過 2000 片可追蹤的碎片,雖然許多碎片受地球引力慢慢墜入大氣燒毀,但直到到 2023 年 2 月的統計,大約還有一半,也就是 1000 片碎片留在軌道上。過往也曾經觀察到碎片從距離國際太空站僅 100 多公尺的位置驚險掠過。

如何解決太空垃圾的問題?

太空垃圾又多又危險,真的有辦法清除嗎?

2023 年三月,NASA 發表一篇研究,整理了關於各種清理太空垃圾的方法與成本,包含從地面或太空發射雷射推動垃圾改變軌道,或是直接物理性撞擊改變軌道,還有透過捕捉垃圾,直接在太空將垃圾循環利用,作為燃料或其他用途的再利用等方法。

透過捕捉垃圾,直接在太空將垃圾循環利用,作為燃料或其他用途的再利用。
圖|PanSci YouTube

清理不同大小的物體,要用的方法跟產生的效益也不同,因此他們評估了針對兩種策略。第一種策略將會優先處理目前最大、最具威脅性的 50 個太空垃圾,例如完整的第二節火箭或是失去功能的完整衛星。第二種策略則是優先移除 1 到 10 公分的十萬個小型垃圾。NASA 分別評估處理這兩種目標帶來的效益,恩,所謂的效益,就是預估能減少多少因為太空垃圾碰撞而產生的損失。

要如何移除太空垃圾呢?

移除大型垃圾主要的方法主要是再入大氣層(re-entry),簡單來說就是讓垃圾落入大氣層燒毀。這個方法預計讓運送任務完成的火箭載具,透過剩餘的推進燃料,順手將其他大型垃圾帶下來。移除這 50 個大型垃圾預計總共會花費 10 億美金,但在移除 30 年後所帶來的效益,將會超過花費的成本,非常划算。

-----廣告,請繼續往下閱讀-----

至於小型太空垃圾,主要使用的方法將會是成本較低的雷射。藉由雷射產生的微弱動能來改變垃圾的軌道,將它們送入大氣層或推離常用的軌道。發射雷射的裝置可以設置在地面或是太空中,單純以使用效率來說,設置在太空所需要的能量較低,但是設置在地面維護和管理比較方便。然而這也衍伸了許多爭議,主要圍繞在這個清除垃圾的雷射也可以作為武器使用,例如在戰爭爆發時用雷射攻擊敵國的衛星。不過如果順利設置的話,清除十萬個小型垃圾後大約只要十年就可以達到等同於成本的效益,比移除大型垃圾能更快回收成本。

至於小型太空垃圾,主要使用的方法將會是成本較低的雷射。藉由雷射產生的微弱動能來改變垃圾的軌道,將它們送入大氣層或推離常用的軌道。
圖|PanSci YouTube

方法有了,但我們真的能讓太空再次乾淨嗎?

太空垃圾問題有解嗎?

現在的太空有多擁擠?

如果把歷史發射資料整理出來,會發現近五年人類的衛星發射數量幾乎是直線攀升,2012 年一整年全世界也只發射了 200 多顆衛星,到了 2022 年已經成長到一年 2000 多顆衛星。而且絕大部分都是來自於美國的衛星,想當然很大一部份都來自於 SpaceX 的星鏈計畫。而受益於獵鷹九號的高成功率和可回收造就的低廉成本,也能夠發射更多的中小型衛星,像是我們臺灣也發射了不少自主研發的立方衛星上太空,例如 2021 的「飛鼠」和「玉山」以及最近才剛發射的珍珠號立方衛星。

如果所有的衛星與火箭都會變成太空垃圾,我們清理垃圾的速度又不夠快,還有可能發生凱斯勒現象(Kessler syndrome),也就是碰撞產生的碎片引發連鎖反應,造成更多撞擊和更多碎片,讓不可控的太空垃圾快速增加,直到新的火箭與衛星都難以穿越,我們將無法前往太空,被自己的創造出的人造物封鎖在地球。

-----廣告,請繼續往下閱讀-----
如果所有的衛星與火箭都會變成太空垃圾,我們清理垃圾的速度又不夠快,還有可能發生凱斯勒現象(Kessler syndrome),也就是碰撞產生的碎片引發連鎖反應,造成更多撞擊和更多碎片,讓不可控的太空垃圾快速增加,直到新的火箭與衛星都難以穿越,我們將無法前往太空,被自己的創造出的人造物封鎖在地球。
圖|PanSci YouTube

治標也要治本,我們對於即將發射進太空的人造物能有套管理辦法嗎?

1967 年在聯合國通過並簽署的《關於各國探索和利用包括月球和其他天體的外太空活動所應遵守原則的條約》,簡稱為《外太空條約》。這個條約制定了各國在外太空活動所應該遵守的原則,其中和人造衛星有關的原則主要有三個:

  1. 國家責任原則:各國應對其航太活動承擔國際責任,不管這種活動是由政府部門還是由非政府部門進行的
  2. 對空間物體的管轄權和控制權原則:射入外空的空間物體登記國對其在外空的物體仍保持管轄權和控制權
  3. 外空物體登記原則:凡進行航太活動的國家同意在最大可能和實際可行的範圍內將活動的狀況、地點及結果通知聯合國秘書長

也就是說,雖然各國需要將太空活動回報給聯合國統計,但實際上在制定規範和進行管制的還是各國本身。以美國來說,分別需要和 FAA 聯邦航空總署申報火箭發射和再入大氣層的計畫,以及向 FCC 聯邦通訊委員會申報衛星的通訊規格,至於要如何避免在太空發生碰撞,是發射單位要自己負起責任,公部門只提供有追蹤的物體軌道資料。

如何避免在太空發生碰撞,是發射單位要自己負起責任,公部門只提供有追蹤的物體軌道資料。
圖|PanSci YouTube

不過對於衛星任務結束後的處置,FCC 倒是有相關的規定和罰鍰。因為如果衛星有動力系統,可以在任務結束時就控制墜入大氣層或飛離常用軌道,進到所謂的死亡軌道(Graveyard Orbit),而通常在申請發射衛星時,也需一併提供任務結束後的處置方式。

去年,衛星電視業者 Dish Network 沒有按照它在 2012 年所制定的衛星處置計畫,將衛星從離地 36000 公里的地球同步軌道再往外推 300 公里。這顆衛星在移動的半途中就燃料耗盡失去了動力,只離開原本的軌道 120 公里,FCC 因此對衛星電視業者開罰了 15 萬美元。這起首次針對太空垃圾的開罰,對於太空垃圾的管制具有重大的意義,代表著對太空垃圾危害性的重視,也代表著清理太空垃圾的商機正在逐漸成長。

-----廣告,請繼續往下閱讀-----

清除太空垃圾能有商業價值?

隨著商業化的太空活動逐漸熱絡,如何讓清理太空垃圾不只是空談也成了一個重要的問題。如果軌道上的垃圾減少,受益的會是所有使用軌道的衛星。就與現存的回收與垃圾處理方式一樣,我們可以規定所有衛星的生產者都必須繳交「太空垃圾處理費」,如果在發射的過程中產生額外的太空垃圾,則必須提高費率。相對的,如果一家公司提供清理太空垃圾的服務,則可以獲得這些「太空垃圾權」並換成對應的金額。

我們可以規定所有衛星的生產者都必須繳交「太空垃圾處理費」,如果在發射的過程中產生額外的太空垃圾,則必須提高費率。相對的,如果一家公司提供清理太空垃圾的服務,則可以獲得這些「太空垃圾權」並換成對應的金額。
圖|PanSci YouTube

另外,雖然目前對於在軌道上進行捕捉再回收的直接經濟效益並不突出,但如果未來在太空可以建立起專門的處理設施,或許可以作為一個長期的太空垃圾處理機制,沒想到吧,人類要成為跨行星文明的第一步,竟然是得先成立太空垃圾清潔隊。

不過話說回來,要讓各國政府願意砸大錢在太空垃圾回收產業可能還需要一點時間。畢竟相較於直接影響到生活的全球暖化,太空垃圾的危害並不那麼可怕,大型垃圾的撞擊也可以預測並提前避開,因此短時間內也還不會有明顯的感受,但如果你是需要觀測的天文學家,可能就覺得垃圾好礙眼了。

最後想問問大家,你覺得處理太空垃圾最好的辦法會是什麼呢?

  1. 向所有太空公司徵收處理費,培育回收業者,資本的事情資本解決。
  2. 從技術研發著手,火箭能回收,想必衛星回收技術很快也能做出來。
  3. 都別處理了,就等人類把自己鎖死在地球,宇宙垃圾就不會再增加了!

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

參考資料

所有討論 1

0

0
0

文字

分享

0
0
0
民眾黨是未來台灣政治的樞紐?
林澤民_96
・2024/01/30 ・3382字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

一、前言

選後的立法院三黨不過半,但民眾黨有八席不分區立委,足以與民進黨或國民黨結成多數聯盟,勢將在國會居於樞紐地位。無獨有偶的是:民眾黨主席柯文哲在總統大選得到 26.5% 的選票,屈居第三,但因其獲得部分藍、綠選民的支持,在選民偏好順序組態的基礎上,它卻也同樣地居於樞紐地位。這個地位,將足以讓柯文哲及民眾黨在選後的台灣政壇持續激盪。

二、柯文哲是「孔多塞贏家」?

這次總統大選,誰能脫穎而出並不是一個特別令人殷盼的問題,更值得關心的問題是藍白綠「三跤㧣」在選民偏好順序組態中的消長。台灣總統大選採多數決選制,多數決選制英文叫 first-past-the-post(FPTP),簡單來講就是票多的贏,票少的輸。在 10 月中藍白合破局之後,賴蕭配會贏已經沒有懸念,但這只是選制定規之下的結果,換了另一個選制,同樣的選情可能就會險象環生。

從另一個角度想:選制是人為的,而選情反映的是社會現實。政治學者都知道天下沒有十全十美的選制;既定的選制推出了一位總統,並不代表選情的張力就會成為過眼雲煙。當三股社會勢力在制度的帷幕後繼續激盪,台灣政治將無法因新總統的誕生而趨於穩定。

圖/作者自製

如果在「三跤㧣」選舉之下,選情的激盪從候選人的得票多少看不出來,那要從哪裡看?政治學提供的一個方法是把候選人配對 PK,看是否有一位候選人能在所有的 PK 中取勝。這樣的候選人並不一定存在,如果不存在,那代表有 A 與 B 配對 A 勝,B 與 C 配對 B 勝,C 與 A 配對 C 勝的 A>B>C>A 的情形。這種情形,一般叫做「循環多數」(cyclical majorities),是 18 世紀法國學者孔多塞(Nicolas de Condorcet)首先提出。循環多數的存在意涵選舉結果隱藏了政治動盪。

-----廣告,請繼續往下閱讀-----

另一方面,如果有一位候選人能在配對 PK 時擊敗所有的其他候選人,這樣的候選人稱作「孔多塞贏家」(Condorcet winner),而在配對 PK 時均被擊敗的候選人則稱作「孔多塞輸家」(Condorcet loser)。三角嘟的選舉若無循環多數,則一定會有孔多塞贏家和孔多塞輸家,然而孔多塞贏家不一定即是多數決選制中贏得選舉的候選人,而多數決選制中贏得選舉的候選人卻可能是孔多塞輸家。

如果多數決選制中贏得選舉的候選人不是孔多塞贏家,那與循環多數一樣,意涵選後政治將不會穩定。

那麼,台灣這次總統大選,有沒有孔多塞贏家?如果有,是多數決選制之下當選的賴清德嗎?我根據戴立安先生調查規劃的《美麗島電子報》追蹤民調第 109 波(1 月 11 日至 12 日),也是選前最後民調的估計,得到的結果令人驚訝:得票墊後的柯文哲很可能是孔多塞贏家,而得票最多的賴清德很可能是孔多塞輸家。果然如此,那白色力量將會持續地激盪台灣政治!

我之前根據美麗島封關前第 101 波估計,侯友宜可能是孔多塞贏家,而賴清德是孔多塞輸家。現在得到不同的結果,顯示了封關期間的三股政治力量的消長。本來藍營期望的棄保不但沒有發生,而且柯文哲選前之夜在凱道浩大的造勢活動,還震驚了藍綠陣營。民調樣本估計出的孔多塞贏家本來就不準確,但短期內的改變,很可能反映了選情的激盪,甚至可能反映了循環多數的存在。

-----廣告,請繼續往下閱讀-----

三、如何從民調樣本估計孔多塞贏家

根據這波民調,總樣本 N=1001 位受訪者中,如果當時投票,會支持賴清德的受訪者共 355 人,佔 35.4%;支持侯友宜的受訪者共 247 人,佔 24.7%。支持柯文哲的受訪者共 200 人,佔 19.9%。

美麗島民調續問「最不希望誰當總統,也絕對不會投給他的候選人」,在會投票給三組候選人的 802 位支持者中,一共有 572 位對這個問題給予了明確的回答。《美麗島電子報》在其網站提供了交叉表如圖:

根據這個交叉表,我們可以估計每一位明確回答了續問的受訪者對三組候選人的偏好順序,然後再依這 572 人的偏好順序組態來判定在兩兩 PK 的情形下,候選人之間的輸贏如何。我得到的結果是:

  • 柯文哲 PK 賴清德:311 > 261(54.4% v. 45.6%)
  • 柯文哲 PK 侯友宜:287 > 285(50.2% v. 49.8%)
  • 侯友宜 PK 賴清德:293 > 279(51.2% v. 48.8%)

所以柯文哲是孔多塞贏家,賴清德是孔多塞輸家。當然我們如果考慮抽樣誤差(4.1%),除了柯文哲勝出賴清德具有統計顯著性之外,其他兩組配對可說難分難解。但在這 N=572 的小樣本中,三位候選人的得票率分別是:賴清德 40%,侯友宜 33%,柯文哲 27%,與選舉實際結果幾乎一模一樣。至少在這個反映了選舉結果的樣本中,柯文哲是孔多塞贏家。依多數決選制,孔多塞輸家賴清德當選。

-----廣告,請繼續往下閱讀-----

不過以上的分析有一個問題:各陣營的支持者中,有不少人無法明確回答「最不希望看到誰當總統,也絕對不會投給他做總統」的候選人。最嚴重的是賴清德的支持者,其「無反應率」(nonresponse rate)高達 34.5%。相對而言,侯友宜、柯文哲的支持者則分別只有 24.1%、23.8% 無法明確回答。為什麼賴的支持者有較多人無法指認最討厭的候選人?一個假設是因為藍、白性質相近,對許多綠營選民而言,其候選人的討厭程度可能難分軒輊。反過來說,藍、白陣營的選民大多數會最討厭綠營候選人,因此指認較無困難。無論如何,把無法明確回答偏好順序的受訪者歸為「遺失值」(missing value)而棄置不用總不是很恰當的做法,在這裡尤其可能會造成賴清德支持者數目的低估。

補救的辦法之一是在「無法明確回答等於無法區別」的假設下,把「遺失值」平分給投票對象之外的其他兩位候選人,也就是假設他們各有 1/2 的機會是無反應受訪者最討厭的候選人。這樣處理的結果,得到

  • 柯文哲 PK 賴清德:389 > 413(48.5% v. 51.5%)
  • 柯文哲 PK 侯友宜:396 > 406(49.4% v. 50.6%)
  • 侯友宜 PK 賴清德:376 > 426(46.9% v. 53.1%)

此時賴清德是孔多塞贏家,而柯文哲是孔多塞輸家。在這 N=802 的樣本中,三位候選人的得票率分別是:賴清德 44%,侯友宜 31%,柯文哲 25%。雖然依多數決選制,孔多塞贏家賴清德當選,但賴的得票率超過實際選舉結果(40%)。用無實證的假設來填補遺失值,反而造成賴清德支持者數目的高估。

如果擔心「無法明確回答等於無法區別」的假設太勉強,補救的辦法之二是把「遺失值」依有反應受訪者選擇最討厭對象的同樣比例,分給投票對象之外的其他兩位候選人。這樣處理的結果,得到

-----廣告,請繼續往下閱讀-----
  • 柯文哲 PK 賴清德:409 > 393(51.0% v. 49.0%)
  • 柯文哲 PK 侯友宜:407 > 395(50.8% v. 49.2%)
  • 侯友宜 PK 賴清德:417 > 385(52.0% v. 48.0%)

此時柯文哲又是孔多塞贏家,而賴清德又是孔多塞輸家了。這個樣本也是 N=802,三位候選人的得票率分別是:賴清德 44%,侯友宜 31%,柯文哲 25%,與上面的結果一樣。

以上三種無反應處理方法都不盡完美。第一種把無反應直接當遺失值丟棄,看似最不可取。然而縮小的樣本裡,三位候選人的支持度與實際選舉結果幾乎完全一致。後兩種以不同的假設補足了遺失值,但卻過度膨脹了賴清德的支持度。如果以樣本中候選人支持度與實際結果的比較來判斷遺失值處理方法的效度,我們不能排斥第一種方法及其結果。

無論如何,在缺乏完全資訊的情況下,我們發現的確有可能多數決輸家柯文哲是孔多塞贏家,而多數決贏家賴清德是孔多塞輸家。因為配對 PK 結果缺乏統計顯著性,我們甚至不能排除循環多數的存在。此後四年,多數決選制產生的總統能否在三角嘟力量的激盪下有效維持政治穩定,值得我們持續觀察。

四、結語

柯文哲之所以可以是孔多塞贏家,是因為藍綠選民傾向於最不希望對方的候選人當總統。而白營的中間偏藍位置,讓柯文哲與賴清德 PK 時,能夠得到大多數藍營選民的奧援而勝出。同樣的,當他與侯友宜 PK 時,他也能夠得到一部份綠營選民的奧援。只要他的支持者足夠,他也能夠勝出。反過來看,當賴清德與侯友宜 PK 時,除非他的基本盤夠大,否則從白營得到的奧援不一定足夠讓他勝出。民調 N=572 的樣本中,賴清德得 40%,侯友宜得 33%,柯文哲得 27%。由於柯的支持者討厭賴清德(52.5%)遠遠超過討厭侯友宜(23.7%),賴雖然基本盤較大,能夠從白營得到的奧援卻不多。而侯雖基本盤較小,卻有足夠的奧援。柯文哲之所以成為孔多塞贏家,賴清德之所以成為孔多塞輸家,都是這些因素的數學結果。

-----廣告,請繼續往下閱讀-----

資料來源

討論功能關閉中。

林澤民_96
37 篇文章 ・ 243 位粉絲
台大電機系畢業,美國明尼蘇達大學政治學博士, 現任教於美國德州大學奧斯汀校區政府系。 林教授每年均參與中央研究院政治學研究所及政大選研中心 「政治學計量方法研習營」(Institute for Political Methodology)的教學工作, 並每兩年5-6月在台大政治系開授「理性行為分析專論」密集課程。 林教授的中文部落格多為文學、藝術、政治、社會、及文化評論。