3

6
0

文字

分享

3
6
0

Deepfake 辨偽技術如何在魔高一尺時,能道高一丈呢?——成大統計所許志仲專訪

A編
・2022/01/26 ・3499字 ・閱讀時間約 7 分鐘

2021年末,小玉的「Deepfake 換臉事件」讓大眾正視 Deepfake 技術的濫用問題。  Deepfake 發展至今不只有造假技術在進步,辨偽也是:目前任職於成大統計所的許志仲老師,從 2018 年開始便在這個主題中專研,並於 2020 年發表相關研究結果,該篇文章起今已有超過 50 次的引用次數。「以這篇論文發表的期刊影響指數(Impact Factor,簡稱IF值)來說,這個引用數相對來說是高的,這代表 Deepfake 辨偽的議題開始變得重要,但研究的人可能沒那麼多。」

許志仲坦言,自己 2018 年研究 Deepfake 辨偽時,Deepfake 影片品質並沒有特別好。沒想到短短兩三年的時間,Deepfake 的效果就已經好到可能會造成問題了。

雙面刃的 Deepfake

Deepfake 技術起初是希望能藉由電腦產生各種不同的逼真圖片或影片,來因應特效製作或老照片修復之類的工作,而要產生逼真圖片或影片,有許多不同的方法都能達成這個目的,目前 Deepfake 最常使用的方法為 2014 年提出的「生成對抗網路(Generative Adversarial Network, 簡稱 GAN)」,透過生成網路與判別網路的對抗,產生逼真的圖片或影片,因此說到 DeepFake,通常都會說起 GAN。

「我們會說 Deepfake 就是 GAN,是因為就目前生成技術還是以 GAN 最好,當然也有新的方法正在發展,所以未來未必還是以 GAN 作為主體,可能用別的方法偽造,也能做得很漂亮。」

許志仲也表示,Deepfake 的發展目標是正面的,技術本身是中立的,但使用者怎麼使用這項技術,就成了重要問題。而在不能確保使用者心態的情況下,辨偽技術成了這項技術的最後一道防線。而 Deepfake 辨識的主要問題,可以分為偏向研究的「偽造特徵不固定」,以及偏向實務面的「辨偽系統的使用情境差異」兩個面向。

Deepfake 辨識的研究困難:偽造特徵不固定

現在已經有可以辨識貓狗、車牌等物體的影像辨識系統,這些辨識系統也相當成熟可靠,直覺來說,要做出一套辨識 Deepfake 的辨識系統,應該也不會太困難吧?

但實際上卻並非如此,過往辨識系統的做法是抓取容易辨別的特徵,例如貓與狗兩者在形態上就有明顯的差異,只要給電腦夠多的訓練資料,就能有一組精確區分貓與狗的判別式,且能用到各種需要分辨貓與狗的情況下。

貓跟狗的形態差異很大,所以電腦能輕易辨別這兩種物種。圖/envato elements

先不談分辨人臉真假,就人臉辨識本身來說,就是個值得研究的問題,每個人的臉都長得差不多,差異在於五官的相對位置、形狀或大小有微小的差異,這使人臉辨識本身就難有通則可以去分辨。而不同方法生成相似的 Deepfake 圖片,並不一定具有相同的偽造特徵,從人臉特徵到偽造特徵都不固定,使得 Deepfake 辨識具有一定的困難度。

此外,即便用同一種方法製作同樣的 Deepfake 圖片,也會因為當初給的資料不同,使得偽造特徵出現差異,這讓「一組判別式就能判斷是否為 Deepfake」成為近乎不可能實現的夢。

也許,偽造特徵根本不在人臉上!?

面對 Deepfake 辨識的棘手問題,許志仲說:「要辨識的特徵太多元。我們覺得倒不如去尋找有什麼線索是 GAN 一致會產生的,這線索也許是我們眼睛看不到的,但是電腦可以透過學習的方式去挖掘,所以我就用了這種學習機制去抓出,會不會大部分的這種生成系統,都可能有共同的瑕疵。」

一張 Deepfake 照片並不只有人臉與五官,也包含了背景。而許志仲的論文指出,Deepfake 的偽造特徵,經常出現在背景,或是背景與人臉的交界處:

「臉通常都合成的很漂亮,但是背景跟臉的交界處會不自然。通常在髮絲的地方,髮絲的地方會糊掉這是一種,或是眉毛或者是額頭中的髮線也會有明顯差異。另外就是背景,會明顯看不出背景是什麼東西。大家都忽略看這裡(背景)很正常,而實驗結果也確實看到這些部分具有相對好的辨識度。」

使用 GAN 生成的 Deepfake 人臉。圖/This Person Does Not Exist

然而,即便該篇論文是近期發布的,許志仲也不敢肯定這套辨識方式是否能套用在目前的狀況下,他表示目前每半年,GAN 生成的 Deepfake 影像的逼真度,就會有顯著的突破,且沒有消退的趨勢。

Deepfake 辨識的實務困難:辨偽系統的使用情境差異

在實務上,許志仲認為目前還有更為棘手的問題需要解決,那就是辨偽系統的使用情境差異。以一段 Deepfake 影片上傳 Youtube 平台為例,上傳的時候 YouTube 就會先對影片進行壓縮,這時原有的 Deepfake 偽造特徵很可能會因為壓縮而被破壞,許志仲解釋:「有些人會故意加上一些雜訊、加一些後處理,比方說整個畫面做類似美肌之類的處理,這些都會破壞掉偽造的線索,我們發現這些狀況十分常見,而且很難克服。這也是為什麼現在幾乎沒有軟體或網站,提供 Deepfake 辨識服務。」

DeepFake 的歐巴馬與演員的解析度就不同。

在實驗室裡,我們可以拿到 GAN 生成的原始影像去做分析,但在網路世界裡,每一個影像都可能像上述的情況一樣,做了各種後處理才放到網路上,就算現在有研究指出某種辨認方式是有效的,也未必真的能應對網路上的複雜情況。

許志仲表示,目前看到有希望突破壓縮這個問題的辨認方式,是去抓人臉在一段影片中的五官變化是否足夠自然,這個線索可以克服壓縮的一點點問題,因爲是藉由五官相對位置的變化來偵測,這就跟壓縮沒太大關係。但正如前面提到的,人臉辨識是困難的,人臉的五官定位本身就無法做到精準,真要使用這套方法辨識 Deepfake,還需要更多研究來確認可行性。

也有研究者認為 GAN 理論雖然看似完美無瑕,但在產出 Deepfake 過程中仍可能會出現某些關鍵操作,只要藉由偵測畫面中是否有經歷這些操作,就能間接推測這個畫面是否為 Deepfake,不過這個做法的缺點也很明顯,那就是這些關鍵操作,也很可能只是正常的影片後製造成的,並造成不是 Deepfake 的影像也被歸類到 Deepfake 中。

情境逐個突破,讓研究能落地使用

說到這裡,許志仲語重心長地說:「我們研究做了這麼多偵測 Deepfake 的方法,但都不一定能在真實世界使用,這讓我非常意外,而上述的這些情境,也只是冰山一角。」

其實大家都在研究差不多的特徵,像是五官的落差,說話的時候嘴巴的動態變化會比較小或模糊之類的,但這些特徵面在真實的使用情境中,還能有多少辨識度,就真的是未知數。考量到真實情境的複雜度,目前許志仲認為逐個突破不同的情境下它們適合的辨偽方式,才是比較實實際的。

「我們必須先確認好問題是正確的,才能找到正確的答案。」許志仲說,要在實驗室裡做出一套數據漂亮的辨識系統並不困難,但要做出實際能用的辨識系統卻非常不簡單。

許志仲也嘗試將自己的研究成果運用在實際情境中,但面對製作公司精心製作的 Deepfake 影片,許志仲換了好幾套模型,也只有一套能判別出來,也呼應了「使用情境差異」才是辨識 Deepfake 無法落地的最大問題。

辨識系統在實驗室中可以使用、但在現實生活中卻不一定。圖/envato elements

各界都在防範 Deepfake 影響生活

GAN 要能生成以假亂真的 Deepfake 圖像,必須建構在有訓練完善的生成模型上,而一個訓練完善的生成模型,並不是隨便餵幾筆資料給 GAN 就會跑出來的,必須要有足夠算力的電腦,配合大量的資料才能完成。除了像 Google 或 Facebook 這種規模的公司有能力製作外,也只有部分研究單位,能做出這種以假亂真的生成模型。

許志仲說:「由於 Deepfake 對社會的影響很大,現在他們都只公開自己的程式碼,但不會公開自己的模型,主要就是怕模型被拿去幹壞事。」許志仲也坦承,對於辨偽技術的研究來說,目前的狀況是非常不利的,這代表研究者必須自己用程式碼生出不那麼精良的模型,來製作 Deepfake 圖片測試。

面對未來 Deepfake 是否會無法辨別,許志仲表示就影像上來說,這件事情是做得到的,總會有方法做出不被任何辨識系統偵測,堪稱完美的 Deepfake 影像。但身為防禦方的我們,並不是只能靠圖片辨識真偽,上傳的使用者、社群平台的 meta-data,這些能標示來源的訊息,都可能是我們辨識這部影片是否為 Deepfake 的線索。

影片的上傳者、發布的社群平台等等,都可能是我們辨識這部影片是否為 DeepFake 的線索。圖/envato elements

面對持續進化,仍看不見消退的 Deepfake 技術,許志仲也希望未來能有更多人一同加入 Deepfake 辨偽的研究行列,針對 Deepfake 辨偽系統的使用情境,我們還有非常多的問題等著被解答。


數感宇宙探索課程,現正募資中!

文章難易度
所有討論 3
A編
11 篇文章 ・ 24 位粉絲
PanSci 編輯|讀物理毀三觀的科學宅,喜歡相聲跟脫口秀,因為它們跟我一樣是個笑話。


2

6
3

文字

分享

2
6
3

既是科學家,也是樂團鼓手!──專訪數學物理學家程之寧

研之有物│中央研究院_96
・2022/03/11 ・5978字 ・閱讀時間約 12 分鐘

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|郭雅欣、簡克志
  • 美術設計|林洵安、蔡宛潔

在學術與搖滾的多重維度上行走

還記得美劇《The Big Bang Theory》嗎?劇中常常出現的物理名詞「弦論」,是描述物理世界基本結構的理論。中央研究院「研之有物」專訪院內數學研究所程之寧研究員,她正是研究弦論的科學家,也是熱愛音樂的搖滾樂團鼓手,這種跨領域身份並不衝突,兩邊都需要創造力與紀律。由於天生斜槓的性格,讓程之寧在數學和物理領域大展身手,透過數學的深入探討,她試圖將弦論更往前推進。最近程之寧更跨足到人工智慧領域,為學界提供理論物理上的貢獻。

中研院數學所程之寧研究員,主要研究 K3 曲面(特殊的四維空間)的弦論,她發現模函數和有限對稱群之間有 23 個新的數學關聯,稱之為「伴影月光猜想」(Umbral Moonshine)。圖/研之有物

萬有理論和難以捉摸的「月光」

世界從那裡來呢?物理世界的本質是什麼呢?回答這樣的大哉問,一直是理論物理學家所追求的目標。從牛頓力學(日常應用)、廣義相對論(探討很重的物質)到量子力學(探討很小的物質),隨著物理學不斷發展,我們似乎一步步接近答案,但至今卻還未走到終點。

舉例來說,如果有個東西很重又很小,就像「黑洞」,或是大爆炸時的宇宙,我們要怎麼用數學描述?於是科學家試圖整合廣義相對論和量子力學,找出所謂的「萬有理論」(Theory of Everything)──能完全解釋物理世界基本結構的核心理論。

程之寧研究的「弦論」就企圖發展成這樣一個萬有理論。弦論一如其名的「玄妙」,它設定宇宙所有的粒子都是由一段段「能量弦線」所組成,每一種基本粒子的振動模式不同,產生不同的粒子特性。

「人類一直以來的夢想之一就是,如果能用一句話解釋所有事情,那該有多麼美好。」中研院數學所研究員程之寧說道。

程之寧的研究牽涉到數學上的「月光猜想」(Moonshine)與弦論中 K3 曲面的連結。月光猜想是存在於模函數係數與特殊群之間的數學關聯,程之寧與其研究夥伴共發現了 23 個新的關連,並稱之為「伴影月光猜想」(Umbral Moonshine)。

基於弦論的假設,我們的世界是十維的,除了人們在日常生活中可以感知到的 3+1 維(空間+時間),還有六維是因為尺寸太小而無法用肉眼觀察的,這些看不到的維度影響著物理世界,最終也產生了我們這個物理世界所需的各種條件與特性。

綜觀程之寧的研究,橫跨了物理與數學兩個領域,她笑稱自己「天生斜槓」。在學術上,程之寧原先喜歡文學,之後卻走上數理研究的道路;在音樂上,程之寧喜愛搖滾樂,至今仍在自己的樂團裡擔任鼓手。

她如何看待自己一路走來的各種轉折?游徜在數學與物理之間,她又對這兩個領域的連結有怎樣的體會?在與「研之有物」的訪談中,程之寧侃侃而談她的經歷、想法,以及對學術研究的熱忱所在。

在弦論的設定中,宇宙所有的粒子都是由一段段「能量弦線」所組成,每一種基本粒子的振動模式不同,產生不同的粒子特性。圖/iStock
  • 請問您是如何對數學及物理產生興趣?從何時開始?

一開始考大學時,其實我想去念中文系(笑)。不過,因為我高中是選理組,而且只念了一兩年,對文科考試比較沒把握,加上對工程科系沒興趣,最後就選擇臺大物理系就讀。

後來發生兩個轉折,第一個是我很認真的去修了大學中文系的課,結果發現真的沒有想像中容易。第二個就是我發現物理系的課還蠻有趣的,像量子力學和相對論,讓我覺得還想再多學一點、多知道一點。

我開始覺得如果念完臺大物理系就停下來,好像有一種小說沒讀完的感覺,所以就想繼續讀碩士班。那時還沒有覺得自己會走上學術研究的路,單純抱著想把故事看完的想法。

  • 後來是如何接觸到弦論?弦論是如何引起您的興趣?

後來我去荷蘭念碩士,指導教授是諾貝爾物理獎得主 Gerard ’t Hooft。他其實蠻不認同弦論,但他對於如何處理量子力學與相對論很有興趣。

當時 ’t Hooft 教授在建議我碩士題目時就說:「你也知道我不太認為弦論是一條正確的道路,不過聽說弦論最近真的在量子重力這一塊有一些成果。不如妳去讀一讀,看看是不是真的有一些東西在那裡,也可以比較一下其他量子重力理論。」

在我很認真的比較各個量子重力理論之後,就變成弦論派了(笑)。’t Hooft 教授對此也保持開放態度,他有幾個不錯的博士生後來也變成弦論學家,之後我在 Erik Verlinde 的指導下念博士時,就完全以弦論為研究主題了。

  • 研究理論物理會影響您對現實世界的理解嗎?

蠻多人會問我說,妳學了量子力學,是不是就會比較了解這個世界不是非黑即白?或問我量子力學跟宗教是不是有關?可是我覺得我分得很開,我不會去做這樣的連結,我還是活在現實裡,走路時大部分都在專注於自己不要跌倒之類的。

如果真的要講,我蠻感激我們的存在,因為我所學的東西讓我知道這是沒有必然性的。我們能這樣以一種人形的很奇怪的生物的形式存在,然後在這樣一個環境過一輩子,是機率很低的事情,而且我還蠻開心我是當人,而不是奇怪的阿米巴蟲或外星生物!有些人會從這裡連結到宗教或轉世,但我不會,我就停在這裡。

  • 來談談您的研究,伴影月光猜想與 K3 曲面弦論之間是什麼關係?

弦論中有很多的可能性,我們可以挑選特定的四維,然後假設這四維空間是個 K3 曲面。例如說,我們可以把兩個甜甜圈乘起來,在上面做特殊的奇異點,來製造出一個 K3 曲面。這個曲面有一些很有趣的對稱性。從弦論的角度來講,我們可以透過這個過程,找出一個解釋為何有伴影月光猜想的框架。

「把維度乘起來」這個概念很難想像,但這在數學上是成立的。我舉例一個我們能想像的「乘起來」:如果有一個空間是一條線,另一個空間是一個圓,乘起來就變成一個圓柱形,從一個方向剖面可以切出圓,另一個方向則切出線。而在數學上,不管幾維,能不能在紙上畫的出來,都可以這樣操作。

程之寧向「研之有物」採訪團隊解釋「把維度乘起來」的概念。圖/研之有物
  • 如何透過計算,發現捉摸不定的「月光」?

有時候這看似湊巧,一個數學上的函數正好就是弦論某個問題的答案。但其實並不是真的那麼巧,弦論看起來很有彈性,好像什麼都可以解釋,但它其實有非常多結構及限制。

當我在計算一個弦論理論時,它的內部結構可能原本就具有某些特定的性質,然後我再去觀察數學中,有這樣性質的函數可能就只有一兩個,只要再初步算一下,就能知道哪一個是答案。弦論學家日常的計算常常是這樣的,所以這是巧合嗎?是也不是。

  • 您曾經發現 23 個新的伴影月光猜想,您對這類題目特別有興趣嗎?

我覺得數學有兩種,有些數學家喜歡系統性的事情,就像蓋房子一樣,在數學裡建造一個很美麗、非常有系統性的結構,可以把很多事情都放入這個結構來理解。

另一種比較少數的,就是喜歡獵奇,去收集分類奇奇怪怪的特殊東西,例如有這些性質的函數在哪裡?可能你算出來就是 5 個,你也不知道為什麼。月光猜想很明顯就屬於這一類。

兩種的樂趣感覺是不一樣的,我覺得應該都很棒,但我可能是屬於偏好獵奇的這種。

  • 您的研究連結了物理上的弦論與數學上的月光猜想,您怎麼看待這兩個知識體系的互動?

弦論是一個需要很多數學理論配合的物理理論,它是一個有點繁複的框架,我們什麼都要會一些,才能看懂這個理論。當你把許多不一樣的學門的知識加起來,有時候就會在某一個學門──例如幾何──有意想不到的收穫。

弦論在數學上也扮演探索與找尋新方向的角色,讓數學家有新的發現。雖然最後數學定理的證明還是得仰賴傳統數學方法,但在這二三十年間,我們一直從弦論身上找尋數學研究的新方向或有趣的猜想,看到了弦論與數學之間的互動。

數學家有兩種,一種人喜歡建立美麗又有系統性的結構,另一種人喜歡尋找和收集奇怪特殊的數學物件(比如函數),程之寧表示自己屬於後者。圖/研之有物
  • 剛才一開始提到,您高中只念了一兩年,是因為對學校沒有興趣嗎?

其實我一直都覺得上學很無聊。我小時候臺灣教育和現在很不一樣,一班 50 幾個人,老師必須盡量軍事化管理,大家最好都一模一樣,比較好管理。我和學校一直處於互相磨合的狀況,我自認已經努力配合學校,但學校一直覺得我在反抗,這可能是一個認知上的差別。

舉例來說,我小學的時候不想睡午覺,可是老師說大家都一定要睡午覺,不睡午覺的人要罰抄課文,所以我早上到學校時就會把已經抄好的課文交給老師。我覺得我這樣做是在配合老師的規定,可是以老師的立場會覺得我在反抗,學校教育中我遇到了很多類似的情況。

還有就是不喜歡高中的升學氛圍,同學和老師好像都只有一個活著的目標,就是「考大學」。我當時無法習慣升學氛圍,感覺好像活在平行宇宙一樣。

  • 高中休學後,您去唱片行工作,可否談談當時的想法?

我國中開始聽音樂,這是我除了看書之外的重要興趣,我也很快就喜歡上了搖滾樂。高中休學的時候,我唯一的謀生技能可能就是我對音樂的各類知識吧!所以我就去了唱片行,這是唯一一個我會做又有興趣的工作,還好那時候還有很多唱片行(笑)。

  • 對音樂的熱忱,讓您與朋友共組了樂團,並擔任鼓手。您是否比較過樂團生活和學術研究之間的異同之處?

有些人覺得我這樣很跳 tone,但我自己覺得還好。音樂和學術都是我發自內心覺得好玩的東西,兩者也有相同之處,例如它們都需要創造性,也都有需要了解的框架。數學需要嚴謹的證明,音樂演奏也需要遵循結構,例如不能掉拍。

音樂領域還有一點和數學類似──玩樂團的圈子也是以男性為主。我們樂團則是只有一個男生,其他都是女生,可能我真的天生對框架有點遲鈍,玩團之後才發現:「怎麼大家都是男生?」

程之寧表示,學術界仍有許多性別不平等問題未受重視。圖/研之有物
  • 也就是說,目前數學學術圈仍是男性主導,在研究路上,您有因為性別而感受到一些衝擊或眼光嗎?您怎麼面對?

有。那感覺很明顯,日復一日地要去面對,尤其是年紀還比較輕、還必須每一天去證明自己的能力的時候,特別有感。

我遇到時的反應就是,在心裡暗罵一句髒話,然後繼續做我要做的事。我不會想改變別人的想法,感覺那是浪費時間,就算環境給我的阻礙是這樣,我還是繼續去做該做的事。

可是有些事情沒那麼簡單,現在我也當過老師,有時候會看到年輕女生在學術界因為性別而被欺負,或遭到不公平待遇、甚至騷擾。

對此我感到心痛,覺得為何我們學術領域還是這樣的狀況?甚至為什麼性騷擾至今還是一個議題?可以確定的是,學術界許多性別不平等問題未受到重視。

  • 您現在已經有傑出的研究成果,還會因為性別而遭受質疑嗎?

我現在比較會遇到一個狀況反而是來自學生的質疑。我在荷蘭阿姆斯特丹大學教書時,有時候學生會因為我是女教授,而且我的外表在許多歐洲人眼中看起來就像小妹妹,所以比較容易去挑我的毛病。

在課堂上,下面坐的可能都是男學生,只有一兩個女學生,那個氣氛就會變得很奇怪。例如說偶爾會聽到學生評論我的身材或樣貌。

我有和其他一些在歐洲或美國的女性教授聊過這樣的問題,似乎不少人都有類似的不太愉快的經驗。感覺不是很好。

  • 看到您最近的研究和人工智慧(AI)有關,為何會想往這個方向發展?

我有兩個動機。一個就是我真的想深入了解人工智慧。我也可以像普羅大眾,看看 AI 下圍棋,讚嘆「哇!好厲害!」這樣就好,可是我覺得我一定可以真的去理解它,這可能就是數學家的自大吧!

另一方面,我知道對科學研究來說,未來 AI 將會是一個非常重要的工具。這是「在職訓練」的概念,我可能會用到這個新工具,或以後我可能會需要教這樣的課,因為學生是下一代的科學家。因為這些原因,我覺得我需要去訓練自己使用新的工具。在我的領域裡,也有一些有趣的、還沒被解答的科學問題,是 AI 有可能幫得上忙的,我看到了一些潛力。

  • 弦論和 AI 感覺差距很大,AI 也可以應用到弦論的研究嗎?

乍看之下,弦論的確比較抽象,也不像其他許多實驗會產生大量數據。但其實弦論有大量的可能性,我認為使用 AI 來在這些巨量的可能性當中搜尋特別有趣的理論,是一個有潛力能夠加深我們對弦論理解的新的研究方法。

而且 AI 的應用絕不僅限於巨量資料。如果是面對一些比較新的挑戰,在沒有現成的演算法可以用的情形之下,可以自己做出需要的功能嗎?這過程我覺得也非常很有趣,而且應該是會有成果的一條路。這種不是那麼顯而易見的事情,我覺得很有挑戰性,也蠻好玩的。

除了用 AI 來幫助物理跟數學的研究之外,我也試著物理研究當做靈感來源,找出新的 AI 的可能性,我覺得這也是一個很有趣的研究方向。我現在有和 AI 的學者合作,嘗試做出一些創新的演算法,真的還蠻有趣的。

  • AI 對您而言是全新的領域,您如何面對跨領域遇到的門檻?

一開始會覺得真的要去碰這個新的領域嗎?其實現在也還是偶爾會有這樣的懷疑。我在弦論領域可能已經是專家,但去了一個新的領域,我學得不會比二十歲的人快,要怎麼去跟人家競爭?是不是在浪費時間?

但也會想,與其想這麼多,不如先做再說。到目前為止我做了兩年多,感覺還蠻好的,我有學到東西,也有做出小小的貢獻。

其實我還蠻感激有這樣的學習機會。對我來說當科學家最大的好處就是,去搞懂一個新的東西就是工作的一部分。當科學家雖然蠻辛苦,但就結果論來說,我還蠻開心能當一位科學家!

延伸閱讀

  1. Moonshine Master Toys With String Theory | Quanta Magazine
  2. Mathematicians Chase Moonshine’s Shadow | Quanta Magazine
  3. 林正洪教授演講 一 怪物與月光(Monster and Moonshine),《數學傳播》

數感宇宙探索課程,現正募資中!

文章難易度
所有討論 2
研之有物│中央研究院_96
10 篇文章 ・ 8 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook