蚊子為什麼不會被雨滴打死？：《破解動物忍術》導讀——2021 台積電盃 青年尬科學／「科普書籍閱讀寫作競賽」優選導讀文

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

你有想過可以透過腦波，研究人類的同理心是怎麼運作的嗎？

小時候老師常說，「人之初，性本善」，這件事的真假可以透過科學驗證嗎？（摸摸自己的良心，就問你怕不怕）

讓我們從「社會認知神經科學（Social Neuroscience）」出發，或許可以給你一個想像不到的答案。

什麼是「社會認知神經科學」？

2000 年，美國心理學家 John Cacioppo 開始研究人類的「寂寞感（loneliness）」，專注於討論寂寞感對人身心健康的影響。「社會神經科學（Social Neuroscience）」、「社會認知神經科學（Social Cognitive Neuroscience）」一詞也因此誕生，一個嶄新的研究領域，就此展開。

近似於認知神經科學（ Cognitive Neuroscience），都是研究人類的心智，惟社會認知神經科學特別聚焦於「社會（social）」上，探討社交互動時人類心智的運作。

因為社會互動的複雜性，這也是一門跨領域的學科，範圍包括社會心理學、發展心理學、哲學，或甚至數學或醫學等。

如何看到「同理心」？同理心研究的起源

人類對於同理心的好奇心一直沒有停過，但同情心沒有實體，他深藏在我們的內心，科學家要如何才能測量跟觀察呢？ 2004 年，德國心理學家 Tania Singer，想到透過功能性磁振造影（fMRI）來「看」同理心。

有別於以往用問卷去蒐集相關的資料，為了要有明顯的實驗標的，研究團隊選擇用「痛（pain）」這個刺激，並找來他們認為同理心最強的實驗人選——大學裡熱戀中的女生。他們請受試者躺在 fMRI 裡，先想像自己被電，再來看著幾何圖形想像自己的男朋友被電。

Tania Singer 等人觀察到，受試者想像自己被電，與想像男友被電時，腦中有部分重複產生反應的區域，前腦島（anterior insula）與前扣帶皮層（anterior cingulate cortex），她認為那就是人類的「同理心」。

但是他們也同時發現，當受試者想像他人被電時，大腦中感覺皮質，並沒有像自己被電時一樣產生反應。因此他們認為，當我們面對他人疼痛時，只能同理他的難過感受，並沒有辦法同理他的疼痛強度。

雖然這樣的結論，還有很多待討埨的地方，但  Tania Singer  用「痛」做的研究成為了一個很好的範例。科學家們受到啟發後，開始進行各種觀察自我疼痛與他人疼痛之間大腦反應的實驗（開始到處戳人）。

編按：之後，發表在《Nature Neuroscience》的義大利的團隊，利用穿顱磁刺激儀（TMS，Transcranial magnetic stimulation）重新去驗證看見他人疼痛時，感覺皮質是否真的不會參與？

這次他們直接讓受試者看到別人被針扎，以及被棉花棒碰一下。結果發現當受試者看到別人被針扎時，大腦的感覺皮質產生的電位下降比較大，相對于棉花棒，電位變化就沒有那麼大。代表我們對於他人的疼痛程度，還是可以同理的。

導致兩個實驗結果不同的影響原因，有可能是 Tania Singer 是請受試者看著符號想像別人被電，而並非真實到看被刺痛的影像。

這些看到他人疼痛，就會產生反應的腦區，就是人類平常處理同情心的地方嗎？但我們的大腦中，其實並沒有特定的區塊專門處理同理心。

大部分人都會直覺性的認為，大腦的每個部分都有特定的作用，各司其職，但可惜事實往往沒有想像中那麼簡單。

首先因為實驗中大部分都是用痛覺的刺激來做實驗，所以研究人員也就不約而同看到這些位置。這背後代表了，這些區域的工作可能也包含了我們對痛覺的反應與處理。

再者，人類的大腦功能多樣，但大小有限，所以每個腦區其實都是多工的。因此在研究中也會發現，這個腦區可能同時處理社交互動、決策，或者情緒之類的。

除了以上這 2 個原因之外，或許我們還需要問問「同理心是什麼？」

共感=同理心嗎？「情感同理心」與「認知同理心」

2006 年，有科學家發表了鏡像神經元（Mirror neurons）這個詞 ，表示大腦中的前運動皮質與頂下小葉（Inferior parietal lobule）這兩塊偏管理動作的腦區，在看到別人做動作的時候也會有反應，就像兩個小朋友在玩模仿遊戲（Mirror game）一樣。

有許多人也認為，鏡像神經元的機制可以完美的解釋，為什麼人可以理解另外一個人，甚至人與人之間是因此才有辦法進行社交互動。

但也有另一派人認為不是如此，他們太小看人類了，人沒有那麼簡單，同理心也應該是更為複雜的機制。

因此目前世界對於同理心的解讀分成了兩派，一個就是傳統上的「情感同理心」，或者稱之為共情。另外一派則認為同理心的機制應該更加複雜，在情感同理心之外，應該還有「認知同理心」參與，幫助人類設身處地推論、解讀他人的狀態，這背後也隱含了心智理論（Theory of Mind，縮寫為 ToM），對方的行為、意圖與心理都是理解的範圍。

同理心的機制，真的就是上面這樣了嗎？鄭雅薇教授的研究提出了另一個答案。

醫護人員的「同理心」比較弱？

一開始，鄭雅薇教授找來了針灸科醫師為實驗對象——一個常常在扎人與看別人被扎的職業，她發現當受試者在工作時，他的前腦島與前扣帶皮層都沒有太大的反應，有反應的反而是負責控制的前額葉。

這代表醫療人員比較冷血，沒有同理心嗎？

其實並沒有，因為醫生填同理心的自評量表結果，與控制組是一模一樣的。這表明醫療人員也是充滿同理心的，只是他在面對專業時，必須收起自己的同理心。

所以，「同理心是我們可以控制的嗎？」從這個問題出發，鄭雅薇教授發現了在腦神經網絡中，也就是認知同理心與情感同理心之間存在一套調控機制。

為了更深入了解同理心的調節機制，鄭雅薇教授將研究對象的範圍擴大，從針灸科醫師延伸到護理師，發現了環境是一重要影響因素。當在醫院工作時，共情反應通常較低，但回到家後，共情的反應比較大。

鄭雅薇教授認為，認知同理心會去控制我們，在面對不同環境、不同對象的情況下，表現出不同的同理心的反應。比如當護理師在幫病人打針時，為了不讓自己過度共感而妨礙工作，她必須要把同理心收起來。同樣的，當外科醫師在幫病人開刀時，要是太過同理對方的感受，手術刀會更難劃下去。

相反的，若是病人在恢復室內，還沒有完全恢復，如果醫師沒有設身處地去理解他可能哪裡有狀況，有時候就會忽略掉身體出現的一些狀況。或者是身心科醫師，如果他沒有十足的同理心，會很難偵發掘到病人非常微細的一些變化。

由此可見，同理心並不是一種單純的反射，背後隱藏一串複雜的調控機制。

但既然同情心如此複雜，需要認知同理心與情感同理心互相配合，那如果有人缺少其中一項會怎麼樣呢？

情感同理心是天生，但認知同理心是後天養成

從發展的角度，鏡像神經或者是情感同理心那一塊，我們一出生就有了。比如說，醫院的育嬰室如果有一個小孩哭，很快其他小孩也會哭成一片。但認知同理心的發展比較慢，因為其中還包含了心智理論，所以通常在 3 歲後才會慢慢發展成熟，有時候甚至到 10 歲才能趨於發展成熟。

過去有許多人認為自閉症就是缺乏情感同理心，因此社交能力不好，眼睛也會不看人，或是目光接觸時會非常閃爍。鄭雅薇教授為此研究，結果發現自閉症患者是有情感同理心的，反而甚至有點太過。

跟健康組比起來，自閉症的情感同理心沒有什麼不同，但相對他的認知同理心是有困難的，所以他才會刻意去迴避別人的情感與眼神，因為少了認知同理心的調控，他人的情感對他而言會是無法承受之重。

既然缺乏認知同理心，會產生類似自閉症患者的反應。那缺乏情感同理心呢？

如精神變態、冷血殺手（psychopathy），是他無法將對方的痛苦與自己的痛苦連結，因此他對他人的遭遇比較冷感。在情感同理心缺乏的情況下，他們在認知同理心往往表現的很好。等於他雖然無法同理你的感受，卻能清楚知道你的處境。這也導致他們冷血，在傷害別人甚至是犯罪時，冷血，難以產生罪惡感。

但這不代表對痛覺比較不敏感的人，或者情感同理心較低的人就會缺乏同理心。有研究團隊就針對天生沒有痛覺的人實驗，發現他們的情感同理心反應雖然比較低，但在認知同理心上反應比較高。這也代表，情感同理心並非是認知同理心的基礎，這之間互相機制相當複雜。

透過腦波看一看，原來同情心這麼複雜

從整個同情心的運作機制來看，並不是只有「看到你哭，所以我哭」這麼簡單，後面其實還隱藏著一套後天發展的心智理論存在。情感同理心與認知同理心的相互作用，才是形塑我們同情心的核心，也才能讓我們在感知這個世界的同時做出回應。

「台積電盃青年尬科學」是臺灣大學科學教育發展中心於 2012 年主辦「青年尬科學」競賽，自 2013 年起獲得台積電文教基金會贊助。期望藉由競賽提升 15 至 18 歲、國三到高三青年的科普表達能力。

本文為 2021 台積電盃青年尬科學／「科普書籍閱讀寫作競賽」優選導讀文，為盡量完整呈現學生之作品樣貌，本文除首圖及標點符號、錯字之外並未進行其他大幅度編修。

• 撰文：葉至宸｜國立羅東高中

科學的原動力——好奇心

科學出於好奇，想必多數人都曾聽過這句話，最近在新聞上，看到搞笑諾貝爾獎的得獎者名單。裡面不乏是些看似荒謬、可笑的題目。從人與貓之間的語言交流，到用倒掛的方式運送犀牛。每個獎項都頒給了大眾可能嗤之以鼻、不以為然的主題。但正如搞笑諾貝爾獎的宗旨：「乍看之下令人發笑，之後發人深省」，一個看似可笑的題目，背後常令人深思。用倒掛的方式運送犀牛可能早就行之有年，但從沒有人想過該以何種方式才會使犀牛的身體承受最低的負荷。同理，在本書中也可看到許多類似的故事，像是已經獲得此項殊榮的「21 秒排尿原則」，或是「蚊子怎麼能在雨中飛」，都是些看似令人發笑，但深入了解後卻會有「原來是這樣啊」的感嘆。

尿尿的黃金秒數

在前面提到的 21 秒排尿原則一文，可以看到作者從發現問題到開始研究，到最後完成研究，其中的心路歷程。明明這不是甚麼難發現的現象，但作者不僅是紀錄下了觀察到的現象，而是透過動物解剖學的知識，再加上簡單的帕斯卡原理。最後發現因為尿道的長度生長異於其他身體器官的異速生長尺度，它的異速生長尺度是等速生長，而根據作者的猜測，21 秒的原因可能是在演化的過程中「夠好即可」，21 秒應該已經夠短而不使動物在排尿時承受過大的風險。而如果要更短的時間，則尿道要變更長，使動物生活不便，或是變得更寬，使寄生蟲容易進駐。

昆蟲身上的智慧

而在蚊子怎麼能在雨中飛一文，作者使用高速攝影機觀測實際生活中，蚊子被雨滴打到之後的行動，他們發現，這就像是用一隻手嘗試殺死一隻蚊子，不可能使其死亡，實際上只是在推動牠。而他們也發現了熊蜂與胡蜂在翅膀中的翅脈與「褶皺緩衝區」，藉由實驗測試後，他們推測了這塊區域的功能類似於避震器。而令人驚豔的，這塊區域可以承受高達 40 萬次的撞擊而不會使該個體無法移動，原因來自於它的材質──節肢彈性蛋白，因為這種材料的彈性，如果使用這種材質來取代人類的肌腱，我們所踏出的每一步將能多出 10% 的距離。

蟻群是流體還是固體？眾所皆知，螞蟻是一種社會性動物，在許多狀況下表現出來的都是群體而不是個體，像是渡過水面時，牠們會形成蟻筏，一隻隻的螞蟻連結在一起，這時若有外力衝擊，使蟻筏斷裂，牠們可以以最快的速度重新連結，在人類世界，這就稱為自我修復。而若可以模擬螞蟻的這種行為，那就可以達成許多現在科技還無法做到的事，本文提及的是利用演算法模擬蟻群行為，並操縱模組機器人，使其能在許多環境下發揮功用。

近年來仿生學的應用越來越廣，從上山到下海，從救災到提升人類生活品質，從前幾篇文章中不難發現，仿生學的進步往往出自於人類的好奇心，不管是古怪的抑或是令人發笑的，在經過縝密的科學觀察以及實驗之下，常會有意想不到的功效，也許原本蟻群的群體智慧會被拿去救災，也許在昆蟲身上的節肢彈性蛋白將來會取代我們身體的一部分。而這本書就提供了許多這類的想法，而在本書之中不僅有許多有趣的小故事，也有科學家們在仿生的過程中，遇到了哪些困難與如何解決，如果對仿生學有興趣的話，這本書將會是一個良好的媒介。

作品評語

文章中規中矩，能從簡介書籍內容，論述科學研究的價值與潛在貢獻。

• 書名：破解動物忍術：如何水上行走與飛簷走壁？動物運動與未來的機器人
• 作者：胡立德（David L. Hu）
• 譯者：羅亞琪
• 出版社：三民書局
• 出版年：2020

• 本文轉載自 LIS情境科學教材

他是葉丙成，台大電機教授，也是線上遊戲學習平台 PaGamO 和實驗教育機構「無界塾」的創辦人，葉丙成老師的求學經歷建中、台大、留美、當教授，完美符合了傳統價值對於菁英人才的期待，而直到葉丙成到美國求學、當上台大教授後，他才一再體會到著眼「好成績」將錯失生命許多彌足珍貴的探索機會，於是他展開中年叛逆，成為力推台灣「翻轉教育」的先行者，讓更多台灣孩子有機會比他更早一步擁抱不被成績綁架、有所熱情的人生。

葉丙成的人生故事和教育觀點，邀請你一起往下閱讀>>>

成為病態的考試機器，失去對世界的好奇心

Ｑ：可以和我們分享葉丙成老師自己的求學歷程嗎？

我從小在教授宿舍長大，唸的是台科大後面的公館國小，除了去美國讀書之外，建中是我讀過最遠的學校。

在我們居住的環境裡大多都是教授父母，大家難免會比較小孩的成績，我從小就一直在「因著成績被肯定」的狀態長大，成績很好但我完全沒有學習的熱忱和好奇心，我知道自己是在應付考試，也很會應付考試，那其實是一種很病態的價值觀，我差不多在高中就已經失去對世界的好奇心，看到新東西、沒碰過的東西，我反而會覺得很煩又要花時間去搞懂。

考贏別人得到師長的肯定是唯一的追求，但到了美國唸博士之後發現其實根本沒有人在 care 考試和成績排名，在派對上面我只能用傅立葉（專業知識）跟同學開話題，根本沒人想鳥我，我才看見自己的貧乏。

現在在台大教書，看到這些孩子，也常常覺得成績好、會應付考試，某種程度是背負一種詛咒，不是因為成績好選擇更多，而是在追求成績的過程，我們根本不知道自己要什麼，看不到自己真的有熱情的地方，時間就一直流掉，焦慮就一直擴大，變得沒有靈魂。

非結構化學習才能培養孩子面對未知世界的能力

Ｑ：有了前述的反思，現在葉丙成老師怎麼帶自己的兩個兒子 ？

對我而言我完全不在意他們的成績，只要他們保有對世界的好奇心、熱情，有個人特質的魅力，願意去探索任何事我都是支持。

有些爸媽會因為小孩數學考 98 分而打小孩，罵小孩怎麼能因粗心而少那 2 分，但沒有什麼應不應該，說真的數學考 100 分也不代表他長大就會變成人才，數學只要懂就好，考 80 分和 100 分其實沒有差，最怕的是他不懂。

我比較在意的是孩子有沒有「非結構化學習」（unstructured learning）的能力，當孩子對一件事情感興趣，願意花時間蒐集資料，把來龍去脈搞清楚，最後建構出他對這件事情的知識體系，這就是非結構化學習。這個能力是非常重要的訓練，未來不管他做什麼，都可以很快的進入狀況。

從小到大，我們在學校學的都是結構化的學習（structured learning）有課本和教材，非結構化學習的能力很難訓練，只能靠常常實作來建構，但我們通常很少有機會鍛鍊孩子這個能力。

有一次我家兒子他晚上 11 、 12 點還不睡，我問他在幹什麼，他說很喜歡老師養的貓咪，想做一張貓吉拉吃人的卡片送老師，所以在學 Photoshop 看能怎麼做出來，我沒有阻止他，繼續忙自己的事情，沒想到忙一忙凌晨 3 點兒子還沒睡，但他已經用 Photoshop 做出一張還滿漂亮的卡片了！通常遇上這種情況，大部分的爸媽可能會質問孩子為何浪費時間弄一隻貓，但對我而言能自己學會而且做出來比考 100 分來得更重要。

讓孩子贏在十八歲之前，卻犧牲時間養成足以面對未來的關鍵能力

Ｑ：葉丙成老師覺得什麼是學習過程中應該具備的關鍵能力？

108 課綱在講的就是培養台灣小孩變成終生學習者，有自主學習能力的人，過去台灣教育把學生訓練成「搜尋引擎」，孩子不斷地寫評量和考古題，考試考很高的分數，但遇到不同的題型就不知道怎麼辦，如果下一代都不敢創新，只想著搜尋既有的解法，那台灣的未來很令人擔憂。

素養就是「運用知識解決真實世界問題的能力和態度」，「知識」、「能力」、「態度」三者加在一起才會擁有素養。台灣教育過分強調學習知識，孩子可能很會解困難的數學題，但你請他們在生活中利用簡單的數學解決問題，他不一定可以解決真實世界的問題，這些知識只是拿來考試用而已。

我很歡 LIS 創辦人嚴天浩說的一句話，意思大概是：「科學教育的本體不是科學的知識；科學是一種思考的方式。」這句話太精彩，一語道破許多人對科學的錯誤看法！

我們小時候常看到的「十萬個為什麼」這類的書，那是最糟糕的。爸媽買這種書給孩子，孩子博學強記，結果大人問什麼科學問題，孩子都能快速講出答案，爸媽就覺得自己孩子是小天才。孩子也以為知道所有科學相關問題的為什麼、能快速回答各種關於科學的問題，就是學科學，這簡直錯得離譜！

就像天浩說的，學科學真正重要的，是學會科學家面對問題的思考方式：如何觀察、如何提出假設、如何設計實驗來驗證假設、如何修正自己的假說……，這一連串的過程，才是科學教育最重要的，人家問什麼都能快速答得出來 Google 網站就做得到了。

期待台灣教育成為亞洲國家的教育典範

Ｑ：葉丙成老師對台灣教育的建議與期待？

很多孩子在教育上遇到的狀況，是家長選擇造成的結果，只要放過自己的小孩，讓他快快樂樂的長大，我覺得就已經會減少很多問題，很多孩子壓抑自己的七情六慾，變得膽小慎微，失去創造性。

我最近跟一些高中生在聊，雖然他們也很想跟我聊，但我們唯一能約的時間是禮拜五晚上的十點，因為六日他們要補習，平日晚上補到九點多要回家準備明天上學，你看這個社會把孩子逼到這個樣子。

我希望我們這些對教育很有熱情的人，比方說家長、中小學高中大學、體制內教育和體制外教育的老師，看可以怎麼把各個不同領域的力量串起來，更加速改變整個台灣社會對教育的看法。讓台灣的小孩能夠在亞洲有相對開放鬆綁的教育，我認為是很有機會的，這是接下來十年想和大家一起努力的目標！

響應本次「LIS 第二季大科學計劃」，葉丙成老師分享給我們的大科學人宣言：

❛❛ 有科學的思維，才能看出誰在胡扯  ❜❜  —— 葉丙成

邀請您一同成為各行各業中的大科學人，您的捐款將支持「科學公益教材」的穩定開發，一起 支持台灣科學教育，讓孩子從小開始像「科學家一樣思考」，帶著自信長大成為各行各業中「 永保好奇」、「邏輯思辨」的大科學人！

【LIS 大科學計畫 ✦ 第二季】｜暖心上線 ▸▸▸▸▸▸▸
❛ 教育不只是老師的事，這是我們的任務，下一個世代的科學史，現在就得開始寫起！ ❜
募資倒數 30 天，尚缺 60 萬元定期定額製作啟動金
每月 523 小額捐款，支持全台十萬名孩子都期待的科學教材 https://bit.ly/3VbX9Eb
＃參與募資成為大科學人，＃解鎖泛科學贈送的神祕好禮
關注 LIS 最新消息歡迎加入 FB 社團「LIS大科學人製造所」

「台積電盃青年尬科學」是臺灣大學科學教育發展中心於 2012 年主辦「青年尬科學」競賽，自 2013 年起獲得台積電文教基金會贊助。期望藉由競賽提升 15 至 18 歲、國三到高三青年的科普表達能力。

本文為 2021 台積電盃青年尬科學／「科普書籍閱讀寫作競賽」優選導讀文，為盡量完整呈現學生之作品樣貌，本文除首圖及標點符號、錯字之外並未進行其他大幅度編修。

• 撰文：葉至宸｜國立羅東高中

科學的原動力——好奇心

科學出於好奇，想必多數人都曾聽過這句話，最近在新聞上，看到搞笑諾貝爾獎的得獎者名單。裡面不乏是些看似荒謬、可笑的題目。從人與貓之間的語言交流，到用倒掛的方式運送犀牛。每個獎項都頒給了大眾可能嗤之以鼻、不以為然的主題。但正如搞笑諾貝爾獎的宗旨：「乍看之下令人發笑，之後發人深省」，一個看似可笑的題目，背後常令人深思。用倒掛的方式運送犀牛可能早就行之有年，但從沒有人想過該以何種方式才會使犀牛的身體承受最低的負荷。同理，在本書中也可看到許多類似的故事，像是已經獲得此項殊榮的「21 秒排尿原則」，或是「蚊子怎麼能在雨中飛」，都是些看似令人發笑，但深入了解後卻會有「原來是這樣啊」的感嘆。

尿尿的黃金秒數

在前面提到的 21 秒排尿原則一文，可以看到作者從發現問題到開始研究，到最後完成研究，其中的心路歷程。明明這不是甚麼難發現的現象，但作者不僅是紀錄下了觀察到的現象，而是透過動物解剖學的知識，再加上簡單的帕斯卡原理。最後發現因為尿道的長度生長異於其他身體器官的異速生長尺度，它的異速生長尺度是等速生長，而根據作者的猜測，21 秒的原因可能是在演化的過程中「夠好即可」，21 秒應該已經夠短而不使動物在排尿時承受過大的風險。而如果要更短的時間，則尿道要變更長，使動物生活不便，或是變得更寬，使寄生蟲容易進駐。

昆蟲身上的智慧

而在蚊子怎麼能在雨中飛一文，作者使用高速攝影機觀測實際生活中，蚊子被雨滴打到之後的行動，他們發現，這就像是用一隻手嘗試殺死一隻蚊子，不可能使其死亡，實際上只是在推動牠。而他們也發現了熊蜂與胡蜂在翅膀中的翅脈與「褶皺緩衝區」，藉由實驗測試後，他們推測了這塊區域的功能類似於避震器。而令人驚豔的，這塊區域可以承受高達 40 萬次的撞擊而不會使該個體無法移動，原因來自於它的材質──節肢彈性蛋白，因為這種材料的彈性，如果使用這種材質來取代人類的肌腱，我們所踏出的每一步將能多出 10% 的距離。

蟻群是流體還是固體？眾所皆知，螞蟻是一種社會性動物，在許多狀況下表現出來的都是群體而不是個體，像是渡過水面時，牠們會形成蟻筏，一隻隻的螞蟻連結在一起，這時若有外力衝擊，使蟻筏斷裂，牠們可以以最快的速度重新連結，在人類世界，這就稱為自我修復。而若可以模擬螞蟻的這種行為，那就可以達成許多現在科技還無法做到的事，本文提及的是利用演算法模擬蟻群行為，並操縱模組機器人，使其能在許多環境下發揮功用。

近年來仿生學的應用越來越廣，從上山到下海，從救災到提升人類生活品質，從前幾篇文章中不難發現，仿生學的進步往往出自於人類的好奇心，不管是古怪的抑或是令人發笑的，在經過縝密的科學觀察以及實驗之下，常會有意想不到的功效，也許原本蟻群的群體智慧會被拿去救災，也許在昆蟲身上的節肢彈性蛋白將來會取代我們身體的一部分。而這本書就提供了許多這類的想法，而在本書之中不僅有許多有趣的小故事，也有科學家們在仿生的過程中，遇到了哪些困難與如何解決，如果對仿生學有興趣的話，這本書將會是一個良好的媒介。

作品評語

文章中規中矩，能從簡介書籍內容，論述科學研究的價值與潛在貢獻。

• 書名：破解動物忍術：如何水上行走與飛簷走壁？動物運動與未來的機器人
• 作者：胡立德（David L. Hu）
• 譯者：羅亞琪
• 出版社：三民書局
• 出版年：2020