遲來的十月新番盤點！藍色時期、古見同學是溝通魯蛇、陰陽眼見子…（上集）

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

什麼？不需要拍攝團隊與剪輯師，一句話就可以生成短片？！

OpenAI 近來發布的短影片生成器——Sora，能依據各種「咒語」生成難分真偽的流暢影片。

是什麼技術讓它如此強大？讓我們來一探究竟吧！

你被 Sora 了嗎？這幾天 Sora 佔據了各大版面，大家都在說 OpenAI 放大絕，不止 YouTuber，連好萊塢都要崩潰啊啊啊！

但真有這麼神嗎？我認真看了下 Sora 的官方說明以及參考資料，發現這東西，還真的挺神的！這東西根本不是 AI 取代人或單一產業，而是 AI 變成人，根本是通用型人工智慧 AGI 發展的里程碑啊！

別怕，要讓 Sora 為你所用，就先來搞懂到底是什麼神奇的訓練方法讓 Sora 變得那麼神，這就要從官網說明中唯一的斜體字——diffusion transformer 說起了。

這集我們要來回答三個問題，第一，Sora 跟過去我們產圖的 Midjourney、Dall-E，有什麼不同？第二，Diffusion transformer 是啥？第三，為什麼 Diffusion transformer 可以做出這麼絲滑的動畫？

最後，我想說說我的感想，為什麼我會覺得 Sora 很神，不只是取代坐在我旁邊的剪接師，而是 AI 變人的里程碑。

我們已經很習慣用 Midjourney、Dall-E 這些 Diffusion 模型產圖了，從 logo 到寫真集都能代勞，他的原理我們在泛科學的這裡，有深入的解說，簡單來說就像是逐格放大後，補上圖面細節的過程。不過如果你要讓 Diffusion 產影片，那後果往往是慘不忍睹，就像這個威爾史密斯吃麵的影片，每一格影格的連續性不見得相符，看起來就超級惡趣味。

要影格連續性看來合理……咦？像是 GPT-4 這種 tranformer 模型，不是就很擅長文字接龍，找關聯性嗎？要是讓 transformer 模型來監督 Diffusion 做影片，撒尿蝦加上牛丸，一切不就迎刃而解了嗎？

沒錯，OpenAI 也是這樣想的，因此才把 Sora 模型稱為「Diffusion transformer」，還在網站上用斜體字特別標示起來。

但說是這樣說啦，但 transformer 就只會讀文本，做文字接龍，看不懂影片啊，看不懂是要怎麼給建議？於是，一個能讓 transformer 看懂圖片的方式——patch 就誕生啦！

ChatGPT 理解內容的最小單位是 token，token 類似單詞的文字語意，ChatGPT 用 token 玩文字接龍，產生有連續性且有意義句子和文章。

那 Patch 呢？其實就是圖片版的 token，讓 ChatGPT 可以用圖片玩接龍，玩出有連貫性的圖片。

Sora 官方提供的訓練說明圖上，最後所形成的那些方塊就是 patch，這些 patch 是包含時間在內的 4D 立體拼圖，可以針對畫面與時間的連續性進行計算。

那這個 patch 要怎麼做呢？以 Sora 提供的參考文獻 15 來說明會比較容易懂，patch 是將影像切成一樣等大的區塊後，進行編碼、壓縮，產生類似 ChatGPT 能分析的文字語意 token。

有了這些 patch 後，Transformer 就可以計算 patch 之間的關聯性形成序列，例如論文中被分割在中上與右上的兩塊藍天，就會被分類在天空，之後算圖的時候，就會知道這兩塊 patch 是一組的，必須一起算才行。

也就是說，畫面上的這塊天空已經被鎖定，必須一起動。

雖然這篇論文只提圖片，但影片的處理只要再加上 patch 間的先後順序，這樣就能讓 transformer 理解隨時間改變的演化。

同樣是上面被鎖定的天空，多了先後順序，就相當於是增加了前一個影格與後一個影格限制條件，讓這塊天空在畫面中移動時，被限縮在一定範圍內，運動軌跡看起來更加合理。

而他的成果，就是在 Sora 官網上看到的驚人影片，那種絲滑的高畫質、毫無遲滯且高度合理、具有空間與時間一致性的動作與運鏡，甚至可以輕易合成跟分割影片。

不過啊，能把 Sora 模型訓練到這個程度，依舊是符合 OpenAI 大力出奇跡的硬道理，肯定是用了非常驚人的訓練量，要是我是 Runway 或 Pika 這兩家小公司的人，現在應該還在咬著牙流著血淚吧。別哭，我相信很多人還是想要看威爾史密斯繼續吃義大利麵的。

在訓練過程中，Sora 從提取影像特徵，到形成有意義的 patch，到最後串聯成序列，如果你接觸過認知心理學，你會發現這其過程就跟認知心理學描述人類處理訊息的過程如出一轍。都是擷取特徵、幫特徵編碼形成意義、最後組合長期記憶形成序列，可以說 Sora 已經接近複製人類認知過程的程度。

這邊是我的推測，影片中那些逼真的物理效果，不是有特定的物理模型或遊戲引擎在輔助，而是在 patch 的訓練與序列推理中，就讓 Sora 理解到要讓物體這樣動，看起來才會是真實的，這跟 GPT-4 並不需要文法引擎是一樣的，只要玩文字接龍，就能生成流暢又有邏輯的文字跟代碼。但這也是為什麼，GPT 依舊很會胡說八道，產生幻覺。如果不是這樣，我很難想像 Sora 會算出這種影片。

Sora 能理解並產生人類眼睛能接收的視覺影片，同樣的技術若能做出聽覺、觸覺等其他人類感官，這樣我們被 AI 豢養的時刻是不是就越來越近了呢？

後 Sora 時代到底會發生什麼事，老實講我不知道，上面提到的 diffusion transformer 或 patch，都是近一年，甚至是幾個月前才有研究成果的東西。

臉書母公司 Meta 的首席人工智慧科學家 Yann Lecun 也在他自己的臉書公開抨擊 Sora 這種基於像素預測的技術註定失敗，但這篇感覺比較像是對自己的老闆 Zuckerberg 喊話：「欸這沒戲，不要叫我學 Sora，拿寶貴的運算資源去搞你的元宇宙。」是說今年初就有新聞說祖老闆 2024 年預計買超過 35 萬顆 H100 處理器，這明顯就是要搞一波大的吧，這就是我想要的血流成河。

而且，從去年 ChatGPT 出來開始，我感覺就已經不是討論 AI 會怎麼發展，而是要接受 AI 必定會發展得越來越快，我們要怎麼面對 AI 帶來的機會與衝擊。

我們去年成立泛科學院，就是希望跟大家一起，透過簡單易懂的教學影片，把對 AI 的陌生跟恐慌，變成好奇與駕馭自如。Sora 或類似的模型應該可以協助我把這件事做得更好，可惜的的是目前 OpenAI 僅開放 Sora 給內部的 AI 安全團隊評估工具可能帶來的危害與風險，另外就是與少數外部特定的藝術家、設計師跟電影製片人確保模型用於創意專業領域的實際應用，若有新消息，我會再即時更新。

最後也想問問你，若能用上 Sora，你最想拿來幹嘛呢？歡迎留言跟我們分享。喜歡這支影片的話，也別忘了按讚、訂閱，加入會員，下集再見～掰！

更多、更完整的內容，歡迎上泛科學院的 youtube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

泛泛泛科學Podcast這裡聽：

遲來的十月新番終於登場！本集 y 編、Ａ 編聯手出擊，暢聊令人遙想起求學時光的《藍色時期》，劇中描述追夢的掙扎與不甘，讓兩位編輯都頗有感觸；同時，更盤點 《大正處女御伽話》、《古見同學是溝通魯蛇》、《前輩很煩》等「狗糧番」新作讓人小鹿亂撞的看點。

十月的兩部「陰陽眼」題材新作《陰陽眼見子》、《三角窗外是黑夜》，有哪些「男性向福利」讓人大飽眼福？《特斯拉筆記》、《進化果實》等乍看科學題材的作品，又有哪些點值得吐槽？忙於年末工作、期中考的你，也來不及追上月新番的話，這集一次讓你趕上進度！

• 03:17 獻給藝術追夢者的《藍色時期》

本次的「十月新番」推薦，y 編、Ａ 編主推改編自講談社漫畫的動畫《藍色時期》，描述主角矢口八虎外表雖如不良少年，但實際上是品學兼優的高校生，卻為空乏的校園生活感到焦慮。一日，卻在看見森學姊的美麗油畫後，動念想執起畫筆，考取國立東京藝術大學。原作漫畫作者山口飛翔即是該校畢業生，因此漫畫畫風十分精緻，y 編、Ａ 編也讚許動畫的還原度很高，尤其劇中啟發主角轉變人生方向的油畫畫作，也表現得十分擬真而精細。

• 07:48 兩位編輯也做過「美術夢」

如同《藍色時期》主角八虎，兩位編輯也都在求學時有過「美術夢」。A 編高中熱愛畫漫畫，曾在班上連載班刊，曾思索想考取藝術相關大學，但因家裡不支持，最終轉而就讀物理系；y 編則受愛畫畫的父親影響，國中考取美術班卻失利。她也提及曾為泛科學創作「泛科娘」的好友，也因對畫畫有高度熱情，從生技公司離職成為全職的創作者。如今已是「大叔年齡」的兩位編輯，更對劇中台詞：「把喜歡的事物當成興趣是大人考慮的事。」心有戚戚焉。

• 13:14 難以投射「人生勝利組」主角的心境？

兩位編輯在觀賞《藍色時期》，也回想起許多求學時經歷的糾結，與對未來的恐慌不安。y 編亦表示，主角八虎有時太像「人生勝利組」，其餘角色反而比較好理解，例如：八虎的同學高橋世田介，極有美術天份卻認為自己僅是凡人，但又礙於才華過於耀眼，而無法成為真正的自己；又或者喜愛男扮女裝的美術社成員鮎川龍二，呈現在社會壓迫下，創作者努力表現自我、追逐自由的面向。

• 16:48 《大正處女御伽話》廢物也能獲得真愛

十月有多部討論熱度高的「狗糧番」新作，包含 《大正處女御伽話》。劇情設定於大正時期，少爺珠彥歷劫車禍，不僅失去母親、右手癱瘓，更被父親拋棄於深山別墅，同時也邂逅父親「買」來讓他作為未婚妻的少女夕月，兩人日久生情，令珠彥重拾對人生的希望。編輯們把此動畫，推薦給有少女心、對大正時期文化感興趣的聽眾，A 編也將主角形容如《文豪野犬》的主角太宰治，有該時代人物內心空虛、對時局絕望的特性。

• 21:00《古見同學是溝通魯蛇》與「鄧巴數」的關聯性

《古見同學是溝通魯蛇》描繪美少女古見硝子外冷內熱，有溝通障礙而難以與他人社交，希望結交到 100 位朋友，藉以破除心魔。y 編聯想到由英國學者 Robin Dunbar 提出的「鄧巴數」（Dunbar’s number），指出人類社會由層層人際網絡構成，每層網絡代表不同程度的友誼，彼此環環相扣。Dunbar也假設，每人皆會有 1、2 個最交心的朋友或伴侶、5 個較為親密的朋友、15 個好的朋友、50 個朋友、150 個點頭之交，並認定 150 段關係即是人際關係的上限。

延伸閱讀：阿宅哪有這麼懂 social！開始由科學切入人際吧 ——《人類使用說明書》推薦序

• 28:30 最萌身高差的職場浪漫作《前輩很煩》

 《前輩很煩》描述個頭嬌小的主角五十嵐進入職場，卻被性格粗獷的前輩武田誤認為是中學生，導致五十嵐對前輩印象不佳，兩人卻也在日後密切互動下，展開職場之戀。A 編開玩笑形容兩角色的配對，就外型上猶如「猩猩配上松鼠」，劇情中規中矩，推薦給喜歡身高差、反差萌的聽眾，可作為生活中的精神糧食。

• 30:13 《陰陽眼見子》動畫多了「男性向福利」

上月難得有兩部「陰陽眼題材」動畫同時登場，其中一部為《陰陽眼見子》。劇情敘述女高中生見子，有天突然開「陰陽眼」看見鬼怪，面對一夕之間改變的人生，她選擇佯裝「視而不見」，繼續維持其日常生活。A 編意外表示，漫畫原作並無太多「男性向福利」，但動畫裡卻是滿滿的福利。

延伸閱讀：靈魂有多重？如何研究鬼魂？鬧鬼又是怎麼一回事？──《活見鬼》從科學角度討論超自然研究

• 32:33 《三角窗外是黑夜》的「偽BL」共感接觸

另一部陰陽眼新作則是 《三角窗外是黑夜》，描述能看見靈體的書店店員三角，意外發覺自己的特殊體質，便加入除靈師冷川理人的事務所成為助手，協助調查連續殺人事件。兩位編輯認為，劇中除靈師、靈媒感知靈體的方式各有不同十分有趣，不過當兩位主角聯合「共感」接觸靈體時，會有許多「偽 BL 」的對話與動作，令毫無防備的 A 編觀賞時，不免感到一陣驚慌。

• 38:23 根據《空之境界》能寫出小論文？

過去，y 編也曾根據動畫《空之境界》內容，寫過「陰陽眼」題材的小論文。主角橙子具有「直死之魔眼」，動畫中曾形容此技能就像「切換到不同頻道」，因此看到的事物與一般人不同。y 編也形容《陰陽眼見子》、 《三角窗外是黑夜》具陰陽眼的主角，更像「無法轉換頻道」，才會持續看到靈體。雖然科學界目前能證實陰陽眼存在與否，相關研究也甚少，但仍不妨礙我們觀賞相關作品。

• 42:12 《特斯拉筆記》＆《進化果實》的吐槽時間

十月亦有兩部科學題材動畫，讓編輯們忍不住「吐槽」其設定。《特斯拉筆記》描繪主角們組隊，試圖回收天才發明家特斯拉的遺產，藉此影響時空，但 Ａ 編對突兀的忍者主角設定頗感困惑。《進化果實》則描繪外型其貌不揚、具有體臭的主角，吃下「進化果實」變為帥哥，而愛上主角的母猩猩吃下果實，亦「進化」為人類。 y 編則對此糾正，猩猩與人類的連結在於有共同祖先，經長年演化變為兩種相異物種，因此「猩猩並不會進化為人類」。

延伸閱讀：人與黑猩猩究竟有什麼差異？

下集節目，y 編與 Ａ 編會再傾囊相授，介紹他們這一季還看了哪些動漫，也會回應各位聽眾們熱情的回覆！

一名英國女子失蹤了，警方展開搜索。事件發生前，曾與該女子一同出現的男人，不僅在她失蹤隔天購買地毯，新地毯的下面還殘留血跡。經 DNA 鑑定，是她的血液無誤。於是這個男人和他的夥伴，被以綁架及謀殺的罪嫌逮捕。^[1]

接著，警方從兩個相互間隔 25 公尺的棄屍處，找到用黑色塑膠袋包裹的人類遺骸。屍體看起來曾遭火燒，而且可能被動物碰過。當地的醫院初步驗屍，發現缺少胸部、左腿與左腳掌。所幸這些部位於二週後，在上述棄屍地點附近被尋獲。警方將所有屍塊蒐集起來，委託給英國 Warwick 大學的數位掃描與 3D 列印鑑識中心（Forensic Centre for Digital Scanning and 3D Printing），希望他們深入研究。^[1]

女子的屍體被兇手碎屍萬段，其中 12 塊帶有骨頭，警方與醫院把後者裝進密封的塑膠盒中，送去大學的鑑識中心。鑑識團隊決定以顯微電腦斷層掃描（micro-computed tomography，簡稱 micro-CT），錄存其未受侵入性檢驗的原貌。^[1]一般電腦斷層掃描（簡稱 CT）是用不同角度的平面X光攝影，來產出立體的影像；而 micro-CT，則是特別設計來研究直徑 1 mm 到 20 cm 物件的高畫質 CT。^[2]

鑑識團隊辨別各屍塊的骨骼部位，例如：顱骨或是頸椎第幾節等；將它們逐一編號；記錄掃描所使用的機器型號、影像處理軟體以及立體像素；並以視覺呈現的方式，描述屍體創傷的位置、尺寸和類型，好比：刮痕或切割等。^[1]特別是被害人骨骸的幾個支解點附近，共有 14 處被反覆割傷的痕跡，^[1]正是兇手分屍決心的展現。^[3]這些都被納入鑑識報告。^[1]

Micro-CT 有許多優點：

1. 在數位檢驗的過程中，能有效率地排除與謀殺、分屍等無關的傷害。^[1]比方說，如果有個人在被殺害前，曾經自己意外摔斷腿，骨折的舊傷不應被判讀為兇案證據。
2. 以 X 光為基礎，包含 micro-CT 在內的技術，能夠分別物質密度。因此，可以用來過濾骨頭上軟組織的影像。檢驗人員沒必要花數週，用物理浸漬法（physical maceration），^[1]戴乳膠手套，拿鑷子、手術刀和絲瓜布等工具，剝除骨頭上的組織，並用水清洗。^[4]這回團隊僅佔用遺體4天，然後就把它送去殯儀館，明顯減少家屬等候領屍的時間。^[1]此外，物理浸漬法有不小心破壞證據的風險，^[4]能避免絕對是好事。
3. 雖然此案屍體的身份是經由 DNA 鑑定，但將來若有其他屍體的 DNA 已遭破壞，依然能經由 micro-CT 的影像比對，拼湊形狀吻合的遺骸碎片。^[1]
4. 在家屬同意下，可將未經侵入性檢驗的屍骨影像完整保存，集中建立資料庫，以便未來研究時搜尋。^[1]

不過，沒有一種科技是完美的，micro-CT 仍有其限制：

1. 從掃描、分析到製作法庭上要用的簡報，團隊還是耗費了大約 10 個小時，而且要訓練過的專業人員才有辦法操作。^[1]
2. 龐大的數據、專業的軟體，以及安全的資料儲存，都得要高階的電腦設備配合。這次的案子之所以有此機會，是基於警方和學術圈緊密的合作關係。換句話說，其他行政區的警政單位，未必能複製此經驗。^[1]

這份報告若僅是警方辦案的根據也罷，然而要定二名兇嫌的罪，還必須讓沒有鑑識背景的陪審團理解證據。鑑識團隊為此準備了一組能從各個角度觀看創傷，而且不被其他身體部位遮蔽的 micro-CT 動畫，安插在投影片裡，方便檢方在法庭上，搭配鑑識病理學家的證詞做簡報。相較於直接展示原始的碎屍照片，這種方法既可減輕陪審團的心理負擔，又不至於犧牲關鍵資訊。^[1]

最後，在檢警與鑑識團隊合作無間的努力下，二名加害人被以謀殺罪名，判處終身監禁。^[1]

1. MSc KA, Norman DG, Baier W, et al. (2022) ‘Advantages of micro-CT in the case of a complex dismemberment’. Journal of Forensic Sciences, 67, 3, pp. 1258-1266.
2. Jay Black. ‘Micro-Computed Tomography’. University of Melbourne. (Accessed on 13 SEP 2022)
3. Symes SA, Chapman EN, Rainwater CW, et al. (DEC 2010) ‘Knife and Saw Toolmark Analysis in Bone: A Manual Designed for the Examination of Criminal Mutilation and Dismemberment’. The U.S. Department of Justice.
4. Couse T & Connor M. (2015) ‘A Comparison of Maceration Techniques for Use in Forensic Skeletal Preparations’. Journal of Forensic Investigation, 3 (1): 6.

泛泛泛科學Podcast這裡聽：

遲來的十月新番終於登場！本集 y 編、Ａ 編聯手出擊，暢聊令人遙想起求學時光的《藍色時期》，劇中描述追夢的掙扎與不甘，讓兩位編輯都頗有感觸；同時，更盤點 《大正處女御伽話》、《古見同學是溝通魯蛇》、《前輩很煩》等「狗糧番」新作讓人小鹿亂撞的看點。

十月的兩部「陰陽眼」題材新作《陰陽眼見子》、《三角窗外是黑夜》，有哪些「男性向福利」讓人大飽眼福？《特斯拉筆記》、《進化果實》等乍看科學題材的作品，又有哪些點值得吐槽？忙於年末工作、期中考的你，也來不及追上月新番的話，這集一次讓你趕上進度！

• 03:17 獻給藝術追夢者的《藍色時期》

本次的「十月新番」推薦，y 編、Ａ 編主推改編自講談社漫畫的動畫《藍色時期》，描述主角矢口八虎外表雖如不良少年，但實際上是品學兼優的高校生，卻為空乏的校園生活感到焦慮。一日，卻在看見森學姊的美麗油畫後，動念想執起畫筆，考取國立東京藝術大學。原作漫畫作者山口飛翔即是該校畢業生，因此漫畫畫風十分精緻，y 編、Ａ 編也讚許動畫的還原度很高，尤其劇中啟發主角轉變人生方向的油畫畫作，也表現得十分擬真而精細。

• 07:48 兩位編輯也做過「美術夢」

如同《藍色時期》主角八虎，兩位編輯也都在求學時有過「美術夢」。A 編高中熱愛畫漫畫，曾在班上連載班刊，曾思索想考取藝術相關大學，但因家裡不支持，最終轉而就讀物理系；y 編則受愛畫畫的父親影響，國中考取美術班卻失利。她也提及曾為泛科學創作「泛科娘」的好友，也因對畫畫有高度熱情，從生技公司離職成為全職的創作者。如今已是「大叔年齡」的兩位編輯，更對劇中台詞：「把喜歡的事物當成興趣是大人考慮的事。」心有戚戚焉。

• 13:14 難以投射「人生勝利組」主角的心境？

兩位編輯在觀賞《藍色時期》，也回想起許多求學時經歷的糾結，與對未來的恐慌不安。y 編亦表示，主角八虎有時太像「人生勝利組」，其餘角色反而比較好理解，例如：八虎的同學高橋世田介，極有美術天份卻認為自己僅是凡人，但又礙於才華過於耀眼，而無法成為真正的自己；又或者喜愛男扮女裝的美術社成員鮎川龍二，呈現在社會壓迫下，創作者努力表現自我、追逐自由的面向。

• 16:48 《大正處女御伽話》廢物也能獲得真愛

十月有多部討論熱度高的「狗糧番」新作，包含 《大正處女御伽話》。劇情設定於大正時期，少爺珠彥歷劫車禍，不僅失去母親、右手癱瘓，更被父親拋棄於深山別墅，同時也邂逅父親「買」來讓他作為未婚妻的少女夕月，兩人日久生情，令珠彥重拾對人生的希望。編輯們把此動畫，推薦給有少女心、對大正時期文化感興趣的聽眾，A 編也將主角形容如《文豪野犬》的主角太宰治，有該時代人物內心空虛、對時局絕望的特性。

• 21:00《古見同學是溝通魯蛇》與「鄧巴數」的關聯性

《古見同學是溝通魯蛇》描繪美少女古見硝子外冷內熱，有溝通障礙而難以與他人社交，希望結交到 100 位朋友，藉以破除心魔。y 編聯想到由英國學者 Robin Dunbar 提出的「鄧巴數」（Dunbar’s number），指出人類社會由層層人際網絡構成，每層網絡代表不同程度的友誼，彼此環環相扣。Dunbar也假設，每人皆會有 1、2 個最交心的朋友或伴侶、5 個較為親密的朋友、15 個好的朋友、50 個朋友、150 個點頭之交，並認定 150 段關係即是人際關係的上限。

延伸閱讀：阿宅哪有這麼懂 social！開始由科學切入人際吧 ——《人類使用說明書》推薦序

• 28:30 最萌身高差的職場浪漫作《前輩很煩》

 《前輩很煩》描述個頭嬌小的主角五十嵐進入職場，卻被性格粗獷的前輩武田誤認為是中學生，導致五十嵐對前輩印象不佳，兩人卻也在日後密切互動下，展開職場之戀。A 編開玩笑形容兩角色的配對，就外型上猶如「猩猩配上松鼠」，劇情中規中矩，推薦給喜歡身高差、反差萌的聽眾，可作為生活中的精神糧食。

• 30:13 《陰陽眼見子》動畫多了「男性向福利」

上月難得有兩部「陰陽眼題材」動畫同時登場，其中一部為《陰陽眼見子》。劇情敘述女高中生見子，有天突然開「陰陽眼」看見鬼怪，面對一夕之間改變的人生，她選擇佯裝「視而不見」，繼續維持其日常生活。A 編意外表示，漫畫原作並無太多「男性向福利」，但動畫裡卻是滿滿的福利。

延伸閱讀：靈魂有多重？如何研究鬼魂？鬧鬼又是怎麼一回事？──《活見鬼》從科學角度討論超自然研究

• 32:33 《三角窗外是黑夜》的「偽BL」共感接觸

另一部陰陽眼新作則是 《三角窗外是黑夜》，描述能看見靈體的書店店員三角，意外發覺自己的特殊體質，便加入除靈師冷川理人的事務所成為助手，協助調查連續殺人事件。兩位編輯認為，劇中除靈師、靈媒感知靈體的方式各有不同十分有趣，不過當兩位主角聯合「共感」接觸靈體時，會有許多「偽 BL 」的對話與動作，令毫無防備的 A 編觀賞時，不免感到一陣驚慌。

• 38:23 根據《空之境界》能寫出小論文？

過去，y 編也曾根據動畫《空之境界》內容，寫過「陰陽眼」題材的小論文。主角橙子具有「直死之魔眼」，動畫中曾形容此技能就像「切換到不同頻道」，因此看到的事物與一般人不同。y 編也形容《陰陽眼見子》、 《三角窗外是黑夜》具陰陽眼的主角，更像「無法轉換頻道」，才會持續看到靈體。雖然科學界目前能證實陰陽眼存在與否，相關研究也甚少，但仍不妨礙我們觀賞相關作品。

• 42:12 《特斯拉筆記》＆《進化果實》的吐槽時間

十月亦有兩部科學題材動畫，讓編輯們忍不住「吐槽」其設定。《特斯拉筆記》描繪主角們組隊，試圖回收天才發明家特斯拉的遺產，藉此影響時空，但 Ａ 編對突兀的忍者主角設定頗感困惑。《進化果實》則描繪外型其貌不揚、具有體臭的主角，吃下「進化果實」變為帥哥，而愛上主角的母猩猩吃下果實，亦「進化」為人類。 y 編則對此糾正，猩猩與人類的連結在於有共同祖先，經長年演化變為兩種相異物種，因此「猩猩並不會進化為人類」。

延伸閱讀：人與黑猩猩究竟有什麼差異？

下集節目，y 編與 Ａ 編會再傾囊相授，介紹他們這一季還看了哪些動漫，也會回應各位聽眾們熱情的回覆！