大坑 9 號步道有泰國眼鏡蛇？——並沒有！是台灣本土的「舟山眼鏡蛇」

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪撰文／田偲妤
• 美術設計／蔡宛潔

AI 的誕生，文理缺一不可

人工智慧（Artificial Intelligence，簡稱 AI）在 21 世紀的今日已大量運用在生活當中，近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等，都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維，除了仰賴工程師的先進技術，更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員，帶大家釐清什麼是 AI？文科人與工程師合作時，需具備什麼基本 AI 知識？AI 如何應用在人文社會領域的工作當中？

詩詞大對決：人與 AI 誰獲勝？

一場緊張刺激的詩詞對決在線上展開！人類代表是有「AI 界李白」稱號的蔡宗翰研究員，AI 代表則是能秒速成詩的北京清華九歌寫詩機器人，兩位以「人工智慧」、「類神經」為命題創作七言絕句，猜猜看以下兩首詩各是誰的創作？你比較喜歡哪一首詩呢？

答案揭曉！A 詩是蔡宗翰研究員的創作，B 詩是寫詩機器人的創作。細細賞讀可發覺，A 詩的內容充滿巧思，為了符合格律，將「類神經」改成「類審經」；詩中的「福落天赦」是「天赦福落」的倒裝，多念幾次會發現，原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯；而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯，整首詩創意十足，充滿令人會心一笑的魅力！

相較之下，B 詩雖然有將「人工」兩字穿插引用在詩中，但整體內容並沒有呼應命題，只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝！

由此可見，當前的 AI 缺乏創作所需的感受力與想像力，無法做出超越預先設定的創意行為。然而，在不久的將來，AI 是否會逐漸產生情感，演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人？

AI 其實沒有想像中聰明？

近期有一則新聞「AI 有情感像 8 歲孩童？Google 工程師爆驚人對話遭停職」，讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示：「當前的 AI 還是要看過資料、或是看過怎麼判讀資料，經過對應問題與答案的訓練才能夠運作。換而言之，AI 無法超越程式，做它沒看過的事情，更無法替人類主宰一切！」

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言，多半是因為我們對 AI 的訓練流程認識不足，也缺乏實際使用 AI 工具的經驗，因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上，更延伸到文科人與理科人的合作溝通上，因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識，不僅能讓跨領域的合作更加順利，還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是，由於文科人不了解 AI 的訓練流程，因此對 AI 產生錯誤的期待，認為辛苦標注的上千筆資料，應該下個月就能看到成果，結果還是錯誤百出，準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚，兩方就會陷入僵局，導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議：

如果文科人了解基本的 AI 訓練流程，並在每個訓練階段協助分析：錯誤偏向哪些面向？AI 是否看過這方面資料？文科人就可以補充缺少的資料，讓 AI 再進行更完善的訓練。

史上最認真的學生：AI

認識 AI 的第一步，我們先從分辨什麼是 AI 做起。現在的數位工具五花八門，究竟什麼才是 AI 的應用？真正的 AI 有什麼樣的特徵？

基本上，有「預測」功能的才是 AI，你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現，而且人類手工操作就辦得到，那就不是 AI。

蔡宗翰研究員以今日常見的語音辨識系統為例，大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話，你會發現自己無法事先知曉將產生什麼文字或回應，結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同：AI 無法百分之百正確！

因此，AI 的運作需建立在不斷訓練、測試與調整的基礎上，盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段，工程師彷彿化身老師，必須設計一套學習方法，提供有助學習的豐富教材。而 AI 則是史上最認真的學生，可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI，讓其根據工程師所定義的資料相似度算法，逐漸學會將相似資料分在同一堆，再由人類檢視並標注每堆資料對應的類別，進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI，讓其逐漸學會將任意資料對應到正確答案。

學習到一定階段後，工程師會出試題，測試 AI 的學習狀況，如果成績只有 60、70 分，AI 會針對答錯的地方調整自己的觀念，而工程師也應該與專門領域專家一起討論，想想是否需補充什麼教材，讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作，也可能因為時事與技術的推陳出新，導致準確率下降。這時，AI 就要定時進修，針對使用者回報的錯誤進行修正，不斷補充新的學習內容，讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後，蔡宗翰研究員建議：文科人可以看一些視覺化的操作影片，加深對訓練過程的認識，並實際參與檢視與標注資料的過程。現在網路上也有很多 playground，可以讓初學者練習怎麼訓練 AI，有了上述基本概念與實務經驗，就可以跟工程師溝通無礙了。

AI 能騙過人類，全靠「自然語言處理」

AI 的應用領域相當廣泛，而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因，他充滿自信地回答：因為自然語言處理是「AI 皇冠上的明珠」！這顆明珠開創 AI 發展的諸多可能性，可以快速讀過並分類所有資料，整理出能快速檢索的結構化內容，也可以如同真人般與人類溝通。

著名的「圖靈測試」（Turing Test）便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代，傳奇電腦科學家艾倫・圖靈（Alan Turing）設計了一個實驗，用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好，並派一個人操作終端機，再找一個第三者來進行對話，判斷從終端機傳入的訊息是來自 AI 或真人，如果第三者無法判斷，代表 AI 通過測試。

換而言之，AI 必須擁有一定的智力，才可能成功騙過人類，讓人類不覺得自己在跟機器對話，而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在：人文研究文本分析、新聞真偽查核，更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料，追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化，而大量數位化的經典更被主動分享到「Chinese Text Project」平台，讓 AI 自然語言處理有豐富的文本資料可以分析，包含一字不漏地快速閱讀大量文本，進一步畫出重點、分門別類、比較相似之處等功能，既節省整理文本的時間，更能橫跨大範圍的文本、時間、空間，擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的？就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋，由鎮江、杭州一帶的說書人所創作，著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉，才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素，接著用這批標記好的語料來訓練 BERT 等序列標注模型，以便將「文本向量化」，進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現，白蛇傳的原型可追溯自印度教的那伽蛇族故事，傳說那伽龍王的三女兒轉化成佛、輔佐觀世音，或許與白蛇誤食舍利成精的概念有所關連，推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外，故事的雛型可能早從唐代便開始醞釀，晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事，而法海和尚、金山寺等關鍵人物與景點皆真實存在，金山寺最初就是由唐宣宗時期的高僧法海所建。

在 AI 的協助之下，我們得以跨時空比較不同文本，了解說書人如何結合印度神話、唐代傳奇、在地的真人真事，創作出流傳千年的白蛇傳經典。

最困難的挑戰：AI 如何判斷假新聞

除了應用在人文研究文本分析，AI 也可以查核新聞真偽，這對假新聞氾濫的當代社會是一大福音，但對 AI 來說可能是最困難的挑戰！蔡宗翰研究員指出 AI 的弱點：

如果是答案和數據很清楚的問題，就比較好訓練 AI。如果問題很複雜、變數很多，對 AI 來說就會很困難！

困難點在於新聞資訊的對錯會變動，可能這個時空是對的，另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器，可輸入當前的新聞讓機器去判讀真假，但過一段時間可能會失準，因為新的資訊源源不絕出現。而且道高一尺、魔高一丈，當 AI 好不容易能分辨出假新聞，製造假新聞的人就會破解偵測，創造出 AI 沒看過的新模式，讓先前的努力功虧一簣。

因此，現在多應用「事實查核法」，原理是讓 AI 模仿人類查核事實的過程，尋找權威資料庫中有無類似的陳述，可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊，致力於建立英文事實查核法模型所能運用的資源，並透過舉辦國際競賽，廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後，也與合作夥伴事實查核中心及資策會討論，正著手建立中文事實查核法模型所需資源。預期在不久的將來，AI 就能幫讀者標出新聞中所有說法的資料來源，節省讀者查證新聞真偽的時間。

AI 的無限可能：專屬於你的療癒「杯麵」

AI 的未來充滿無限可能，不僅可以成為分類與查證資料的得力助手，還能照護並撫慰人類的心靈，這對邁入高齡化社會的臺灣來說格外重要！許多青壯年陷入三明治人（上有老、下有小要照顧）的困境，期待有像動畫《大英雄天團》的「杯麵」（Baymax）機器人出現，幫忙分擔家務、照顧家人，在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式，新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」（Nadine），由感知、處理、互動等三層架構組成，可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境，並將上述資訊發送到處理層。處理層會依據感知層提供的資訊，連結該用戶先前與娜丁互動的記憶，讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象，或對陌生事物感到不安，常選擇靜默不語，需要照護者主動引導。因此，娜丁內建了注視追蹤模型，當偵測到住戶已長時間處於被動狀態，就會自動發起話題。

實驗發現，在娜丁進駐長照機構一段時間後，住戶有一半的天數會去找她互動，而娜丁偵測到的住戶情緒多為微笑和中性，其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

至於未來的改進方向，研究團隊認為「語音辨識系統」仍有很大的改進空間，需要讓機器人能配合老年人緩慢且停頓較長的語速，音量也要能讓重聽者可以清楚聽見，並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人，首要任務就是要開發一套臺灣人專用的 AI 語言模型，包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型，期待政府能整合學界與業界的力量，降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感，但卻可以成為人類大腦的延伸，協助我們節省處理資料的時間，更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨，如何讓自己的行事邏輯跟上 AI 時代，讓 AI 成為自己的助力，是值得你我關注的課題。

延伸閱讀

• 蔡宗翰（2022）。寫給中學生看的 AI 課：AI 生態系需要文理兼具的未來人才。三采文化出版。
• Tulsulkar, G., Mishra, N., Thalmann, N.M. et al (2021). Can a humanoid social robot stimulate the interactivity of cognitively impaired elderly? A thorough study based on computer vision methods. Vis Comput 37, 3019–3038.

近日 COVID-19 高端疫苗議題持續延燒，甚至有謠言直指政府會用吹箭強迫國民中鏢。然而，用吹箭打針是真的有可能嗎？它又是如何做到的呢？

一般人對於吹箭的了解，第一個想到的總是古代暗器、或是原住民狩獵的工具。但事實上，對一名獸醫師而言，吹箭其實是再稀鬆平常不過的日常。

獸醫使用吹箭，主要目的是在一定的距離之外，透過麻醉放倒兇猛或是敏感緊張的動物。舉例而言，野生動物 / 動物園獸醫師會在動物需要健康檢查，或是疑似生病時，透過吹箭放倒動物進行醫療。而動保處的獸醫師，也會透過吹箭來麻倒流浪犬貓，捕捉來進行絕育，以此控制流浪動物數量。

吹箭是如何達到注射效果的？

其實，吹箭的「箭」非常特別，是將一般的注射針巧妙改造後，讓它在刺入身體的同時，釋放出裡面的藥物。所以說，如果用一般的針，就算真的給你射中，藥也沒辦法完全打進去啦！（以為在射飛鏢嗎）

回答這個問題前，不妨先回頭想像一般打藥的狀況：護理師會先用酒精棉擦拭，然後要你深呼吸，再用超快的手速把針戳進去，並把藥推到底。最後，再拿著乾棉花按住傷口，要嚇得臉色蒼白的你自己壓迫止血。

可想而知，要使用吹箭一般沒有閒情逸致事先用酒精消毒。而一段距離外，即使能夠成功刺入，也少了一股注射藥劑進去目標物體內的推力。

因此，改造的第一步在於創造出一個打入身體後才出現的「推力」！簡略地說，透過剪開針筒尾端，並將另一個空針筒的活塞取出，塞入尾羽毛線（像是羽毛球一樣為了在空中穩定！），最後，再將附有毛線的活塞塞入針筒尾端，在這個多出的空間內灌入瓦斯氣後，就創造出了一種壓力！

第二步，是讓藥物不會在打入身體前就不小心噴出來！這裡小巧思是，把針頭開口封起來後，在側邊開一個小開口，並用套子蓋住。這個目的在於，在刺入身體時，套子順勢被推開後，才會顯露出側開口。

此時，加上瓦斯氣的推力，就可以一氣呵成地把藥物打入身體內！

完成了超炫改良注射針後，只要再找一根空心長管子，就準備好吹箭的工具了！雖然簡單說就只是用力吹氣，但其實這是很考驗技巧的一項技術，尤其是在目標會移動的狀態下！而老練的獸醫師，可以神準地在 10 公尺以上的距離準確擊中目標！

其實除了看似土派用吹的吹箭之外，還有很炫的空氣槍可以用科技的力量來取代吹氣的噴射力，但因為屬於管制品，且價位較高，目前還是以傳統吹箭法為主。

通常吹箭會瞄準哪裡？

其實給藥途徑很多，有分成皮內、皮下、肌肉以及血管。而吹箭這種方式主要就是透過肌肉注射，如果是需要打皮內、皮下或是血管的藥物劑型或劑量，則不適合透過吹箭的方式給予。

那一般吹箭會瞄準哪裡的肌肉呢？一般會瞄準肉多的地方！獸醫通常會瞄準動物的臀部、大腿等肉多且面積大的地方，提高出擊的成功率。

網傳要保護手臂跟脖子，老實說這些部位真要射中還真不簡單！不提手是很靈活且擺動幅度大的部位。脖子不但肉不多，更是有豐富血管神經的地方，如果是特意瞄準脖子，根本是想謀殺了吧！

總結而言，利用吹箭的方式打疫苗，理論上絕對是可行的！然而，說政府會用吹箭的方式強迫施打高端疫苗，讓民眾心生恐懼，絕對不是一件對疫情有幫助的事。

參考資料

• 台灣 CDC 疫苗簡介
• Warren, R. J., et al. “A modified blow-gun syringe for remote injection of captive wildlife.” Journal of wildlife diseases 15.4 (1979): 537-541.

2021 年 1 月 1 日夜晚，有許多南部民眾看見一輪又圓又紅的月亮，甚至泛著血紅色的光，如此詭異的顏色讓許多民眾惶惶不安：「元旦當天出現血月，是不是預言 2021 年將是災難的一年呢？」

俗稱「血月」的天象，真的是引起災難的前兆嗎？

事實上，血月與俗稱「天狗食日」的日食一樣，都只是特殊的天文景象罷了，關於月亮的顏色迷思也不只有血月一種，甚至還有所謂的「藍月」。現在，就讓我們一起用地球科學解開血月、藍月的凶兆傳言吧！

那一顆又紅、又圓的血月

為什麼會有血月的發生呢？首先，當天的月相「圓月」，便是造成天上高掛血月的原因之一。

下圖為太陽、地球、月亮三者的相對位置，太陽與其所發出的太陽光來自圖的右側，地球則為在圖的正中間，而在地球外圈圍繞一圈的，即為地球的衛星——月球。

在地球外圍的第一個圓圈為「太陽照射到的月球表面」。

因太陽的體積相對於地球與月球十分龐大，而月球與地球之間的距離也比圖中來的更加遙遠，所以如果以讀者的方位看，太陽光永遠會照到月球的右側。

有趣的是，因為月球的公轉速度與自轉速度相似，所以月球總以同一面面向地球，地球上的人們看到的月球永遠是同一面唷！

最外圍的圓圈為在地球上的「人們抬頭所看到的月相」。

當這三顆星球的相對位置是「地、月、日」時，地球完全無法看到太陽光照亮月球的半面，故當天的月相便是我們時常聽到的「新月」、「朔月」（上圖 3 點鐘方向的月相），時間約在農曆初一前後。

而當它們是「月、地、日」時，地球人可以看到太陽光照亮月球的半面，看起來就是一顆圓圓的月亮，當天的月相即是我們說的「滿月」、「望月」（上圖 9 點鐘方向的月相），滿月的時間約在農曆十五前後。

重要的是，滿月時，因為這三顆星球的相對位置是「月、地、日」，所以大部分太陽光都會「先經過地球，再打到月球」。

民眾所拍下的血月，從月亮的圓缺可以知道當時應該在滿月前後，查閱日曆後，也可以確定元旦當天的農曆日期是十八號。

七彩繽紛的太陽光，由不同波長所組成

光，是電磁波的一種，每種天體都會輻射出不同波長長度的電磁波，當電磁波的波長落在「可見光」的波段時，我們就可以用肉眼看見這些光，而不同波長的光，會呈現出不同的顏色。

而太陽光主要放出的電磁波段就是可見光的波段，在可見光的波段中，包含了波長較長的紅光，到波長較短的紫光等七種顏色，也就是我們熟悉的彩虹七顏色。

當我們的眼睛接收到波長比較長的光時，看到的顏色就會偏向紅、橘色，反之短波長的光，即偏向藍、紫色。

被大氣層「改造」的太陽光！

當陽光經過地球大氣層時，會被大氣層中的空氣分子吸收、散射，而不同波長被散射的程度不一樣，短波長（藍光）的電磁波段比較容易被散射，使得大量藍光散射到天空中，天空佈滿著被散射的藍光，才形成我們所看到的藍天。

以上此種空氣分子造成的散射現象稱為「瑞利散射」¹。

滿月時，因為許多陽光都會經過地球大氣再照射到月球表面，在這個過程中，大部分藍光都會散射於地球大氣層，剩下長波長的紅光繼續前進，最終剩下紅光折射到月球表面，就會使得月球表面看起來偏紅色。這，就是血月的成因。

由此可知其實每一次的滿月多多少少都會被比較多的紅光照射，只是在不同的情況下，有時紅色很明顯、有時又會不太明顯。

例如，出現月全食時，因為幾乎所有的太陽光都會被地球擋住，只剩下波長較長的紅光可以從大氣層折射到月球表面，容易使月亮呈現明顯的紅色。

總而言之，血月並非災難要發生的前兆，而僅僅是正常的自然現象！

不是滿月的血月、越來越紅的夕陽

雖然血月多出現在滿月、月食的時候，但仍有其他情況會影響月亮表面的顏色。

若月亮的仰角較低時，可見光會穿過更厚的大氣層，使藍光更容易散射到大氣中，便更有可能在地平面附近看到紅色的月球，抑或是當空氣中的微粒過多時，也有可能在天空中看到偏紅色的月亮，

但無論是哪一種情況，「散射」都是使月亮呈現紅色最主要的原因！

平日看到的橙色夕陽也是差不多的道理！當太陽越來越接近地平線，陽光穿過的越大氣層也會更厚、散射更多藍光，使得陽光越靠近地平線而變得更紅了。

如果當時的大氣中除了空氣粒子外，還有其他粒徑較小的微粒，較小微粒越多，散射作用越強烈，微粒大量反射紅光與橙光，也會使天空出現美麗的彩霞。

藍月才不是藍色的月亮！

除了血月，我們也偶爾會聽到「藍月」。

每當藍月出現，媒體或是社群網站都會爭相報導，並且在旁邊加上大大的藍色月亮照片，使不少民眾都會期待在天空看到藍色的月亮。

殊不知，藍月根本就不是「藍色的月亮」！藍月指的是一個月當中連續出現「第二次滿月」的現象。

我們習慣將月球繞地球公轉一圈的時間視為一個月，大月有 31 天，小月有 30 天，但事實上，月球繞地球公轉一圈的週期是 29.5303 天，每個月完整的天數與實際天數的時間差大約為 0.5303 天。

隨著兩者的時間差逐漸累積，每隔 2 到 3 年後，便會使得某個月會多出一次滿月，而這額外多出現一次的滿月即稱做「藍月」。

火山爆發，讓你看見真正的藍色月亮

雖然平常新聞所報導的藍月並不是指「藍色的月亮」，但在很偶爾的偶爾，我們其實真的可以看到稍微偏藍色的月亮。

在劇烈的火山噴發或是森林大火發生時，空氣會充滿火山或是大火產生的懸浮微粒，而這些懸浮微粒的粒徑較大、數量也比平時更多，當它們充滿大氣時，就會使波長較長的紅光、橙光、黃光產生大量散射，而我們稱這種散射稱為「米氏散射」²。

隨著長波長的光被大量散射，就會使當時的月亮呈現偏藍色，在 1980 年聖海倫火山與 1991 年皮納圖博火山噴發時，人們都在夜空中看到了真正的藍色月亮。

血月、藍月，有哪些特殊意涵？

無論是血月或是藍月，都因非常罕見而被人們賦予特殊的意義，不同的文化對於它們也有許多不同的詮釋。

多數文化都認為紅色月亮擁有著不祥的意義，認為當血月出現時，便會有血光之災發生，也因此當民眾看到血月高掛於天上時，才會將其與災難聯想在一起。

藍月出現的次數較為稀少，所以國外時常會以「Once in a blue moon」來形容較不容易或是不常發生的事件。

• 編按：如果到 Google 搜尋「once in a blue moon」，會得到藍月出現的頻率： 1.16699016×10-8赫茲。

希望大家再聽到新聞提及血月或是藍月時，可以想起他們的真正成因，別再把人家醜化成凶兆和災難的象徵啦！讓我們的生活處處都充滿著地球科學吧！

備註

1. 瑞利散射：當微粒粒徑小於 1/10 波長產生的散射現象，例如空氣分子與可見光波段。
2. 米氏散射：當微粒粒徑等於或大於波長產生的散射現象，例如水滴、汙染物等與可見光波段。