Loading [MathJax]/extensions/tex2jax.js

1

9
3

文字

分享

1
9
3

傳入歐洲的阿拉伯數字推動代數改革──《無限的力量》

PanSci_96
・2020/11/28 ・3331字 ・閱讀時間約 6 分鐘 ・SR值 580 ・九年級

崛起於東方的代數學

雖然微積分的確是在歐洲達到頂峰,但這支數學的根基其實是從別的地方開始的。比如說代數學,它起源於亞洲和中東地區。代數的英文名稱來自於阿拉伯文 al-jabr,原意為「修復」或「碎片重聚」,這是在平衡一道方程式並求解時所需的操作。舉例而言,在處理方程式時,我們經常將一個數字從等號的某一邊移除並加到另一邊,這便是一種先將方程式的一部分拆下再重新修復的過程。

另外,如同我們之前提過的,幾何學事實上源自於埃及。據傳,希臘的幾何學之父泰利斯(Thales)便是在埃及學到這門學問的。還有,幾何學中最著名的一個理論——「畢氏定理」實際上也不是畢達哥拉斯首先發現的;早在公元前 1800 年前的美索不達米亞泥板上就已經存在,證明巴比倫人知道這個定理的時間點比畢達哥拉斯早了至少一千年。

公元前 1800 年的巴比倫石板上,早已刻有畢氏三元數組。圖/Wikipedia

同時必須要注意的是,當我們提到古希臘時,其實是指一個遠超過雅典(Athens)和斯巴達(Sparta)的超廣大領土。在面積最遼闊的時候,它的南方邊界延伸到了埃及、西至義大利與西西里島、而東邊更是橫跨了地中海至土耳其、中東、中亞、甚至是部分的巴基斯坦與印度。畢達哥拉斯是在薩摩斯島(Samos)出生的,這是一座位於安納托利亞(Asia Minor;屬於今日的土耳其)西部海岸線之外的島嶼。阿基米德生活於敘拉古,它位在西西里島的東南方。而歐幾里得則在亞歷山大城附近活動,這是一座位於埃及尼羅河口的巨大港口,並且是當時的學術重鎮。

但在羅馬攻佔了希臘,特別是當位於亞歷山大城的圖書館被燒毀,以及西羅馬帝國隕落以後,數學研究的中心就又回到了東方。阿基米德、歐幾里得、托勒密、亞里斯多德和柏拉圖的作品都被翻譯成了阿拉伯文,並且被當時的學者和抄寫員流傳了下來。這些人同時也在過去的理論中添加了許多嶄新的想法。

-----廣告,請繼續往下閱讀-----

代數如何興起,幾何又為何衰落?

在代數降臨前的幾個世紀,幾何學的進展就已經陷入了龜速慢爬時期。在阿基米德於公元前 212 年去世以後,似乎就沒有人能在這個領域超越他的成就。喔,抱歉,應該說「幾乎」沒有人可以超越。大約在公元 250 年,中國的幾何學者劉徽對阿基米德計算圓周率的方法做了改良。兩個世紀以後,祖沖之(公元 429 – 500 年,南北朝時代)使用劉徽的方法及一個 24,576 條邊的多邊形做計算,並在經過一段想必非常史詩級的算術處理後,成功將 π 值限制在以下的兩個數字之間:

3.1415926 < π < 3.1415927

祖沖之對 π 值的計算成功達到小數點後第六位正確。圖/pixabay

又過了五個世紀,進步再度來臨,這一次是由一位名為哈桑‧本‧海什木(Al-Hasan Ibn al-Haytham;在歐洲通常寫作 Alhazen)的人完成。他於約公元 965 年時出生在伊拉克(Iraq)的巴斯拉(Basra),在進入伊斯蘭黃金時代後,他來到開羅(Cairo)從事包括神學、哲學、天文、醫學等各式各樣的研究。在海什木的幾何著作中,他思考一種阿基米德從未想過的立體圖形,並嘗試計算它的面積。與這個發現本身同樣令人吃驚的是,關於幾何學的重大進展也就這些了,且中間竟然花了十二個世紀的時間。

而就在這段時間裡,代數與算術正在經歷快速且重大的發展。來自印度的數學家發明了「零」這個概念,並創造了十進制系統。另外,關於如何解方程式的代數技巧也在埃及、伊拉克、波斯和中國遍地開花。這些進展大多源自於解決真實世界中的問題,例如:遺產繼承規則、納稅評估、商業活動、計帳、利息計算、以及其它可能用到數字與方程式的主題。

-----廣告,請繼續往下閱讀-----
別忘了,阿拉伯數字可是印度人發明的喔!圖/pixabay

代數在當時仍是用文字敘述,也因此這些問題的解決方法都被寫成類似處方箋一樣的東西,上面包含了如何一步步得到答案的文字指引。其中一本著名的教科書是由穆罕默德‧伊本‧穆薩‧花拉子米(Muhammad Ibn Musa al-Khwarizmi;公元 780 – 850 年)所編寫的,因此作者的姓氏被用來泛指所有透過一系列步驟達成目的的程序,也就是演算法(algorithm,即 al-Khwarizmi 的拉丁文譯名)這個字的由來。最終,貿易商和探險家把這種以文字敘述為基礎的代數、以及從印度與阿拉伯發源的十進制帶往了歐洲,與此同時,人們也開始將阿拉伯文的文獻轉譯成拉丁文。

到了文藝復興時期的歐洲,除了應用層面的探索以外,將代數學符號化的研究也開始盛行起來,並且在 1500 年代達到頂峰。於是,方程式的樣貌開始類似於我們現今看到的樣子,也就是用字母來取代數字的形式。1591 年時,法國的弗朗索瓦‧韋達(François Viète)以母音字母(如:A 和 E)來代表未知值,並用子音字母(如:B 和 G)來代表常數。而如今我們用 x、y、z 表示未知值;a、b、c 表示常數的的習慣則源自於約五十年後出現的笛卡兒。這種使用符號與字母來取代文字敘述的作法,使得方程式的推導與求解更為容易。

在算術上也有同樣重大的突破,那就是來自荷蘭的西蒙‧斯蒂文(Simon Stevin)將阿拉伯十進制數字從整數擴大運用到了小數上,並藉此成功消除了亞里斯多德思想中關於數字(即今天的整數,兩相鄰整數間沒有更小的單位存在)與大小(一種連續的數量,可以被分割成無限小的單位)之間的差異。

西蒙‧斯蒂文(Simon Stevin)對小數的運用讓算數有了重大的突破。圖/Wikipedia

在斯蒂文以前,十進制只適用於整數上,而任何小於一單位的數就用分數來表示;但在斯蒂文的新方法中,一個單位的整數可被切割成更小的單位,也就是小數。這對於今天的我們來說是理所當然的事,但在那時卻是一項革命性的想法。當整數具有可分割性,則整數、分數或無理數便可以被整合到一個被稱為「實數」的大家庭中,這給了微積分描述連續空間、時間、運動與變化一項強大而必需的工具。

此圖展示「芝諾悖論」中的「阿基里斯與烏龜」,當缺乏小數帶來的「連續性」與無限帶來的「極限」概念時,會出現跑比較快的阿基里斯永遠追不上烏龜的奇怪解釋。圖/Wikipedia

就在幾何學即將與代數合而為一的前夕,阿基米德所用的舊幾何學方法還有最後一次成功的應用:克卜勒將帶有弧度的物體(如:酒桶和甜甜圈形狀的物體)在腦中切成無限多片且無限薄的圓盤,並藉此計算它們的體積;另外,伽利略與他的學生埃萬傑利斯塔‧托里切利(Evangelista Torricelli)、博納文圖拉‧卡瓦列里(Bonaventura Cavalieri)也是透過將物體視為無限多條線或面的堆疊來求得面積、體積或重心。

-----廣告,請繼續往下閱讀-----

然而,這些人在對待「無限大」或「無限小」的概念時可以說是漫不經心,因此他們的方法雖然有力且直覺,卻一點兒也不嚴謹。儘管如此,由於這些方法能比窮盡法更容易且更快速地找到答案,所以也不失為一項讓人感到興奮的進步(當然,如今我們已經知道阿基米德早就使用過這種技巧了,他在關於「方法」的論述裡早就提過相同的點子,只不過當時這些敘述被深埋在一本收藏於修道院的祈禱書之中,直到 1899 年才被人發現)。

無論如何,雖然那些新阿基米德派的做法在當時看上去相當有效,但它們卻不足以應付未來的挑戰。而符號代數此時已經蓄勢待發,與之相關的兩支強大分支,即解析幾何與微分,也已如春芽一般呼之欲出。

──本文摘自《無限的力量》,旗標出版,2020 年 09 月 09 日
-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
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

1
0

文字

分享

0
1
0
【科學說文解字】才不是白色情人節!是 π DAY!公式裡常見的符號到底該怎麼寫、怎麼唸?
PanSci_96
・2024/03/14 ・779字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

各位觀眾~今天是什麼節日呢?

什麼?情人節?

嘖嘖嘖,只知道這個的話就膚淺了。

今天可是圓周率日、愛因斯坦的生日、霍金的忌日……是巧合嗎?我可不這麼認為!總之,對於科學界來說,3 月 14 日不僅僅是白色情人節,而是一個意義非凡的日子!

-----廣告,請繼續往下閱讀-----

那圓周率又有什麼酷酷的地方讓科學家如此著迷,甚至有一個專門的節日呢?快點進影片,一探究竟吧!

除了 π(pi)之外,你還認得哪些希臘字母呢?從國中就認識的朋友——代表波長的 λ(lambda):

還是代表頻率,長得很像 v,常常害小編認錯的 ν(nu)?

在高中認識的 μ(mu),除了用於微米、代表摩擦係數,它還有什麼意思呢?

-----廣告,請繼續往下閱讀-----

快動動你的指頭搜尋一下吧!

最後這個像蛇的符號是什麼啊?長得有點像 Z 的書寫體?

沒錯!拉丁字母的 Z 就是從 ζ(zeta)來的。

而數學上有許多 ζ 函數,其中,最為知名的便是發現質數規律的黎曼 ζ 函數。

-----廣告,請繼續往下閱讀-----

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

0
0

文字

分享

0
0
0
【成語科學】水漲船高:浮力是什麼?為什麼蘇伊士運河會「大排長榮」?
張之傑_96
・2023/10/11 ・1096字 ・閱讀時間約 2 分鐘

-----廣告,請繼續往下閱讀-----

根據教育部編《國語辭典》,這成語的解釋是:「比喻人或事物,隨著憑藉者的地位提升而升高。」你覺得拗口是不是?其實這成語是說,水位高了,水裡的船跟著升高,造兩個句你就更明白了。

油價一漲,民生用品水漲船高,人們的生活開支就增加了。

最近老師教得認真,結果水漲船高,段考成績普遍提高了。

如果水位變低了呢?水裡的船當然跟著降低。當水位低於船隻沒入水中的部份(稱為吃水),船隻就會擱淺。談到這裡,就得談談浮力原理了。

這原理的發現還有個小故事呢!相傳某希臘國王,做了一頂純金王冠。有人密報,金冠攙假。然而秤一下重量,又和當初交給金匠的純金一樣重。國王還是不放心,就請科學家阿基米德鑑定。

阿基米德苦思多日,想不出辦法。一天,他在家裡洗澡,當他進入澡盆時,看見水往外溢,突然悟出:「可以用測定固體在水中排水量的辦法,來確定金冠的比重啊!」他興奮地跳出澡盆,大聲喊著:「尤里卡,尤里卡!」(尤里卡,就是「發現了」的意思)。

-----廣告,請繼續往下閱讀-----
阿基米德驚呼「尤里卡!」。圖/wikimedia

阿基米德把王冠和同等重量的純金,放在兩個容量相同、盛滿水的盆子裡,發現放王冠的盆子,溢出的水比另一盆多些。說明王冠的體積,比相同重量的純金的體積大,證明了王冠並非純金製的,揭露了金匠欺君之罪。

阿基米德因此發現了浮力原理(又稱阿基米德原理):物體在水(液體)中所獲得的浮力,等於物體所排出(開)液體的重量。根據浮力原理,只要水夠深,幾萬噸的船都能浮在水上,因為它排開的水,比船還要重啊!

章老師曾搭乘郵輪經過蘇伊士運河。這條運河寬 205-225 公尺,深 23-24 公尺,所以只要船隻吃水的部份不超過 20 公尺,保證可以通行。章老師搭乘的是艘中小型郵輪,只有 3.5 萬噸,加上 1000 名乘客和 400 位工作人員,吃水可能不到 10 公尺。走在我們前面的,是艘 10 萬噸級的貨輪,也行駛得十分順當。查一下資料,這條運河可以浮起 24 萬噸的船呢!

卡在蘇伊士運河中,造成「大排長榮」的長賜號。圖/wikimedia

那麼 2021 年 3 月間怎會發生蘇伊士運河事件?發生事故的長賜號,總噸位 220,940 噸,寬 58.8 公尺,都在安全值之下。可是運河水深 23-24 公尺,是指中央的航道,靠近岸邊就沒那麼深了。長賜號被強風吹離航道,在岸邊擱淺。這還不說,長賜號全長 399.94 公尺,擱淺時斜著卡在運河中,把整條運河堵住了。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
張之傑_96
103 篇文章 ・ 224 位粉絲
張之傑,字百器,出入文理,著述多樣,其中以科普和科學史較為人知。