0

0
0

文字

分享

0
0
0

現代生活才會出現的感動:慈母手中 LINE

Desiring Clicks
・2013/01/11 ・1341字 ・閱讀時間約 2 分鐘 ・SR值 462 ・五年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

我們從沒看過自己坐小火車的樣子

有一天我去全聯買東西,先是看到門外有個看起來 60 幾歲的先生小心翼翼地端著手機,對著一個方向;好奇心驅使我順著他對著的方向瞧去,有個 4 歲的小女孩坐在投幣式小火車上,手握著方向盤,笑咪咪地看著「她的阿公」

這時正好一個十塊錢的時間到了,阿公一邊走近拿十元硬幣給她一邊說:「還沒唷還沒唷,阿公還沒準備好喔!」他站回我第一時間看到他的位子,端起手機,穩穩地把心愛孫女放到畫面的正中央,按下開始的按鍵並同時說:「好了!」,小女孩嫩嫩的小手投下硬幣,咚一聲後,投幣式小火車發出那熟悉的童謠聲響 ……。

 

阿嬤的 Skype,Status:上線

這是 12/10 那天,在 Facebook 的最新動態上看到朋友分享的照片:

按讚數不停地增加,下方的討論串更是熱絡,大家又驚又喜、七嘴八舌:我可以跟你阿嬤聊天嗎?是阿嬤自己申請的嗎?你的阿嬤好像比她的孫子聰明 XDD?我想跟阿嬤視訊!後來朋友回應說:「叔叔幫她申請帳號的,現在家裡有一支電話是專門 FOR SKYPE,打過去我阿嬤就會接,超邱的!!!」我這個台客朋友難得溫馨可愛的一面,我還真沒看過。

如果上下班搭車無聊時就能跟阿嬤 Skype 一下,是多麼幸福的事呀。

 

慈母手中 LINE

「吃飯了沒」、「今天會下雨,出門帶傘」、「幫你和弟弟買了外套」、「我和你們老爸下週六跟社區要去旅遊,你們晚一週週末才回家」

我有一位從高雄來到臺北工作的朋友,他說他們一家人感情不差,聚在一起很熱鬧但就是不知道為什麼:講電話時特別容易話不投機,感到尷尬。去年農曆過完年後,他開始收到媽媽的簡訊,都是字數不多的簡短關心。他知道平常都講閩南語的媽媽,不太熟悉注音拼音,再加上手機按鍵上的符號字很小,要寫任何一小則訊息都是很吃力的。自從母親節他們兄弟合送一臺智慧型手機給媽媽後,母子們的情感有了含蓄溫暖的改變。

手機裡的手寫輸入功能完全減輕了媽媽辛苦ㄅㄆㄇ的困擾,她不但可以在晚餐準備好正等先生一起開飯時的空檔 LINE 一下,也很方便在看到新聞氣象預報時就給在外地工作及讀書的兒子們叮嚀一聲要帶雨具或外套。除此之外,我朋友覺得他媽媽最有趣的舉動是很愛用表情符號,總是讓他會心一笑,心想我怎麼從來都不知道我老媽這麼可愛。聽到這裡,在場的我們這群朋友都很羨慕,甚至嚷嚷也要幫爸媽換手機了。

比起一千三百前的母親只能一針一線地為遊子縫上滿滿的愛與不捨,生活在現代的我們真的很幸運,有好多種方式可以給予或得到關心。換句話說,現代的媽咪不必再挑燈密密縫了,取而代之的是手指在手機上比劃比劃就能透露出,母愛。

 

Desiring Clicks 是一個專門介紹使用者介面、使用者經驗、視覺設計、資訊架構和網路行為的網誌。歡迎你一起參與介面設計,讓這個世界變得更美好。

延伸閱讀:

Image via Kheel Center, Cornell University, CC license.

文章難易度
Desiring Clicks
14 篇文章 ・ 1 位粉絲
Desiring Clicks(http://dclick.cc)是一個專門介紹使用者介面、使用者經驗、視覺設計、資訊架構和網路行為的網誌。我們相信任何設計、工程都必須由人的角度出發,更貼近人性與心靈,讓世界更美好!

0

2
1

文字

分享

0
2
1
時時刻刻監測您的「飛行安全」——智慧型手機有潛力作為「大麻檢測器」
帕德波耶特 Pas de poète_96
・2021/10/30 ・3146字 ・閱讀時間約 6 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

智慧型手機的功能日趨全面,幾乎就要包辦日常生活大小事,當然也包含我們的健康。有些人拿它來記錄每天的運動狀況,也有人搭配應用程式,監測自己的心肺功能。

但這還不夠,科學家總是能想到更奇葩的需求:未來,你的手機也有機會變身「大麻檢測器」了!羅格斯大學健康暨健康政策與高齡研究所(Rutgers Institute for Health, Health Care Policy and Aging Research)研究團隊,調查大麻使用者的「嗨度」,並將其與機器學習技術做結合,試圖打造能準確判斷大麻中毒程度的日常小工具。

研究發表於《藥物與酒精依賴》(Drug and Alcohol Dependence)期刊[1]

大麻何以讓人愉悅?

法國喜劇劇集《大麻咖啡館》(Family Business)中,年輕企業家喬瑟夫.亞贊(Joseph Hazan)乘著法國大麻合法化的順風車,決定將老父親傑哈德.亞贊(Gérard Hazan)的肉鋪改造成大麻咖啡館。雖說父親一開始很反對,但在偶像安瑞可.馬西亞斯(Enrico Macias)的循循善誘下,父親最終也體驗了呼麻的快感,並開始積極面對他們的咖啡館事業。

大麻為何能讓人快樂到放棄執著?一個叫四氫大麻酚(Tetrahydrocannabinol, THC)的傢伙扮演著關鍵角色。由於 THC 的化學結構與人體的內源性大麻「花生四烯乙醇胺」(anandamide)十分相似,它能與大麻素受體(cannabinoid receptors)結合,並啟動大腦的獎勵系統,讓我們感到身心愉悅[2]

這不免讓人感到好奇:究竟,人們是如何攝入大麻的呢?

一般來說,大麻被攝取的途徑有二:吸食,或直接拿起來嗑(沒啦,是摻在食物裡面服用)。當人們吸食大麻時,裡頭的化學物質會從肺部進入血液,進而將它們運送到身體各處,包括大腦。但如果是用吃的,由於是透過消化系統吸受,因此大麻所帶來的影響通常會晚個 30 分鐘到 1 小時出現。

製作中的大麻奶油。圖/WIKIPEDIA

大麻中毒將導致「定向感」降低

對大麻使用者來說,它最迷人的地方大概就是使用後欣快的放鬆感受。此外,有些人也會體驗到感官放大的飄忽景象,但也有部分人認為,大麻會讓他們感到焦慮、恐懼、不信任和恐慌。雖然目前較少有因純粹吸食大麻而死亡的案例,然而,若是使用過量,便會引發大麻中毒(cannabis intoxication)[3]

大麻中毒的人,輕則產生飢餓與嗜睡等症狀,嚴重的話,會導致認知與對人事時地物的定向感降低,甚至會出現急性精神病(acute psychosis)[4]。其他典型、可預測的症狀,還包括口乾舌燥、紅眼、短期記憶受損,以及知覺和動作的影響等5

部分大麻中毒者,會因為大麻在精神上的影響,對外界反應時間過慢,造成工作或學校表現低落,甚至在開車、駕駛時形成干擾,最終導致交通事故與傷亡等憾事。

雖說如今有血液、尿液或唾液等測試,能針對大麻中毒進行檢測,但若要實現日常生活中的時刻監測,恐怕還是有些限制的。

過去曾有研究,以現代人形影不離的「智慧型手機」裡的感測器,來探測高風險的飲酒者,準確率高達 90%[6]。有鑑於此,羅格斯大學健康暨健康政策與高齡研究所團隊開始研究,想知道在機器學習模型的協助下,手機是否能發揮檢測「大麻中毒」的作用,即時探測那些可能因大麻中毒引發的危機。

智慧型手機,有潛力作為「大麻中毒」的檢測器。圖/Pexels

如何檢測嗨不嗨?關鍵是「使用後的行為」

團隊首先從美國賓州匹茲堡(Pittsburgh, PA)找來 57 位年齡介在 18~25 歲的年輕人,透過自我報告,得知他們每週至少使用大麻兩次。之後,團隊透過「手機回傳調查」搭配「手機內感測器數據」等方法,每日收集受試者使用大麻的相關數據持續至多 30 天,以掌握他們在大麻中毒後的狀況。

其中,回傳調查每日三次,包含開始與結束使用大麻的時間、用量,以及主觀感受的自我評分——依據「嗨」的程度,評分標準為 1~10分,其中 10 分為「敲級嗨」。後來回傳的 451 起大麻使用事件中,平均「嗨度」為 3.77 分。

而手機則搭配應用程式,收集了 102 種手機感測器的數據,如 GPS、加速度計(accelerometer)、撥出的電話數量以及平均移動距離等。有些人聽到這裡可能坐不住了。等等⋯⋯GPS 這類定位工具與加速度計,到底能做什麼?是這樣的,GPS 可用來偵測大麻使用者陷入「自我陶醉」時的行進範圍(travel boundary),而加速度計則是用來監測他們的步態與身體活動量。

在對照受試者的回傳調查及手機數據後發現,當使用者回報他們「正嗨」時,透過 GPS 的數據分析可知,他們的移動範圍並不遠。另外,此時加速度計的資料也顯示,主觀報告大麻中毒者,雖然活動多樣性下降,但身體的活動程度卻比較劇烈。

考慮時間點的監測,精確度大提升!

最後,他們在演算法的幫助下[7][註1],盼能瞭解上述方法,是否能區別無中毒和中毒(輕度或中度)的情形。透過各種中毒時的行為特徵,加上機器學習技術的檢核,智慧型手機就可以變成如假包換的「大麻使用監測器」啦!

為了探究這個組合的準確性,團隊企圖在不同的時間點(例如:一周中的某一天,或是某一天的幾點幾分)下做排查,找出與大麻使用行為與特定時間點的關係,以進一步確認大麻中毒的具體指標。

結果顯示,僅出動手機內的感測器偵測這群人是否使用大麻,準確度為 67 %;但若結合「個人呼麻時間點」與 GPS 和加速度計等資料,則準確度高達 90%

經乾燥過後的大麻示意圖。圖/Pexels

用手機偵測大麻使用?得再等等⋯⋯

面對如此結果,研究團隊認為,以手機結合機器學習預測大麻中毒程度,是相當可行的。不過,未來還需要加入更多資料,以完備這項工具。

首先,由於該研究對大麻中毒的判定,主要建立在「受試者主觀判斷和自我(ㄕㄡˇ)報告」的基礎上,因此在物質使用和生理反應的識別上,不如執法部門的檢驗工具那般客觀。此外,像是大麻使用者的使用史、攝入身體的途徑、劑量,以及使用者對大麻的耐受性,都會影響他們報告身體狀況的結果。

不僅如此,像是不常使用大麻者在中毒時,他們的行為與身體反應和那些「老司機」們相比,是否有明顯差異?該研究受試者多為白人,其他人種在同劑量的條件下,會不會產生相應的數據?這裡不是要戰種族,但光是「喝酒」這件事,每個人種的反應也多少帶有一些差異,像亞洲人普遍就很難代謝酒精[8]

以上種種,都是這個工具可能被泛用的關鍵。最後,假設這個大麻偵測小工具,有朝一日被推到應用程式的市場上,你會想下載嗎?又,我們是否能因為大麻使用者的敏感身份與風險,而逕自對他們搜集資料、加以監控?作為一旁拍手叫好等待好用產品問世的小老百姓,在引頸期盼的同時,也必須深思這樣的問題。

註解

  • 註 1:該研究所使用的技術為「Light Gradient Boosting Machine」,是微軟公司以「決策數演算法」(decision tree algorithms)為基礎,於二〇一七年釋出 LightGBM 演算法,用於排序、分類和其它機器學習的任務。

參考文獻

  1.  Sang Won Bae et al. (2021) Mobile phone sensor-based detection of subjective cannabis intoxication in young adults: A feasibility study in real-world settings. Drug and Alcohol Dependence
  2.  How does marijuana produce its effects? National Institute on Drug Abuse, 2020.
  3.  What are marijuana’s effects? National Institute on Drug Abuse, 2020.
  4.  Helen Okoye. Cannabis Intoxication DSM-5 292.89 (F12.12). Theravive.
  5.  Marijuana intoxication. U.S. National Library of Medicine.
  6.  Bae et al. (2018) Mobile phone sensors and supervised machine learning to identify alcohol use events in young adults: Implications for just-in-time adaptive interventions. Addictive Behaviors
  7.   LightGBM. Wikipedia.
  8.  Hui Li et al. (2009) Refined Geographic Distribution of the Oriental ALDH2*504Lys (nee 487Lys) Variant. Annals of Human Genetics.
帕德波耶特 Pas de poète_96
4 篇文章 ・ 3 位粉絲
嗜酒如命的平靜份子,逃離醫療工作後,在一連串荒謬的經歷下,成了文字與音樂工作者。

0

1
0

文字

分享

0
1
0
講話太難語音助理聽不懂?利用互動設計讓人講「機器話」
人機共生你我它_96
・2020/07/27 ・2309字 ・閱讀時間約 4 分鐘 ・SR值 536 ・七年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

「這段時間,我們一直納悶控制的方法在哪裡……」
「沒想到就是我們自己。」

——《人生複本》 Blake Crouch

有沒有注意自己的日常用語會跟自己經常接觸的朋友們越趨接近?像是辦公室有人開始講:「是在哈囉?」身旁會也越來越多人在不經意間說出:「是在哈囉?」我們跟某個朋友聊天時,如果對方原本都沒有在用貼圖,但是突然有一天他/她開始用了貼圖,我們也開始跟著用貼圖來回應對方。

用語上的一致性 (lexical alignment / lexical entrainment)能夠讓人跟人之間距離更靠近,增加彼此的信任感。不僅在語言上,行為上一致性(姿勢、動作等)也能在兩個溝通越來越順暢的人們身上觀察到,而且人們在沒有察覺的情況下,對於那些語言與行為跟自己一致的人也展現較多好感。

大家下次在外面吃飯時,不妨觀察隔壁桌的兩人是否會輪流用手托腮。圖/Unsplash

語言一致性的涵蓋範圍廣泛,包含用詞選擇、腔調、語速,甚至是修辭結構。

舉例來說,當我們在跟朋友描述自己所在的位置時:「我在地下室一樓」此時,對方比較有可能回應「我在地下室二樓」,而不是「我在 B2」。

但人與人之間對話時的用語一致性跟語音助理設計有什麼關係呢?

無論與人或電腦對話,我們都會配合對方的用語

我們可以透過瞭解人跟電腦對話的時候,是否也會出現這樣的用語一致性。在這個實驗當中,研究者們會讓使用者分別跟三個不同的角色語音對話對話,分別是:

  • 真人
  • 較舊版本的電腦
  • 較新版本的電腦

而且使用者們會明確地被告知即將對話者的身分。如果是舊版電腦,就會看到一個螢幕開機畫面上寫著是 1987 年的作業系統版本;如果對話的是新版電腦,就會在螢幕上看到 2003 年的作業系統版本。

圖/pickpik

接著,請使用者在實驗過程中分別跟三個不同的角色互相看著圖片描述一個物品,例如:看一張電燈的圖片。不過「電燈」的另一個稱呼也可以是「檯燈」,這時候研究者就讓他們輪流向對方說出照片裡的物品,進而讓研究者們分析使用者會不會因為對方用了某個詞彙,後續再看到同樣的圖片時也用同樣的詞彙。

結果發現,是的!使用者不但會配合另一個人的用詞方式,也會配合電腦的用詞。

即便使用者知道自己在跟電腦對話,當電腦一直用固定的詞彙描述圖中物品時,使用者的描述用詞也會配合電腦,就如同配合人一樣,用同樣的詞彙來描述物品。

但是這種用同樣詞彙的配合程度不同,當使用者知道自己在跟一個舊版本的電腦對話時,配合的程度就高於最新版本的電腦或是人類。也就是說,當我們知道電腦可能「比較笨」的時候,我們就更容易去配合它的用語。而這個效果透過很表面的知覺操弄就可以做到,就像實驗中讓使用者看到不同版本作業系統就會達到配合程度不同的效果。

不只用詞,在句子結構上也會配合語音助理

除了看字彙選擇是不是會有一致性,研究者們也發現當請使用者分別跟另一個真人、另一個發出機器音的語音助理、另一個擬人聲的語音助理對話,無論和誰對話,使用者自己的句子結構都會有配合對方的傾向。

圖/Unsplash

研究者們邀請使用者向三個不同的角色互相描述圖片中的畫面,從中我們可以發現兩個不同的描述方式:

  • 左圖:「大明給小王一張卡片」=「大明把卡片給小王」;
  • 右圖:「一個藍色的圓圈」=「一個圓圈是藍色的」。

接著讓使用者分別跟三個角色輪流描述多長不同的圖片給對方聽。結果發現,如果對方一直用「A 把(物品)給 B」或是「形容詞 + 名詞」這種結構來描述圖片的話,自己後續描述圖片的方式也會趨向這個方式。

所以,無論跟自己對話的是人,或是機器音的語音助理,還是擬人聲的語音助理都有同樣的效果。

利用人們「一致性」本能,互動設計讓語音助理更好用

從我們與語音助理的互動經驗中可以發現,只要語音助理無法辨識我們說出來的內容,就無法給出符合期待的回應,所以自然語言處理(Natural language processing, NLP)的專家們持續發展語音辨識的技術。然而在新技術尚未推出之前,我們其實可以從人機互動的角度來修正語音助理的設計。

以本次回顧的系列研究的結論來說,人會隨著溝通對象而改變語言使用習慣,包含用語、句構。尤其當人認為電腦越不聰明時,配合程度越強。因此,設計師們不妨根據現有技術,先讓語音助理講出一些簡單的句子結構來開啟對話,再引導使用者也使用相似的簡單結構來回覆,而不是一定要專注在設計出能夠進行複雜對話的語音助理。

例如:當我們透過 Hey, bot 喚醒語音助理後,先讓語音助理說出:「嗨,下指令」這個簡單的句子結構,進而引導使用者說出:「好,播音樂」。

從系統設計角度來看,這麼做能在一開始就讓使用者在不知不覺中說出系統比較容易辨識的指令。就像我們在跟小小孩對話的時候,當他對我們說:「我要車車~」的時候,自己也會很自然的回應:「車車給你~」。

如此一來,使用者就不會因語音助理辨識錯誤而太失望了,不是嗎?

圖/unsplash

延伸閱讀

感謝沈奕超、張元嘉提供編輯建議

參考資料

  1. Cowan, B. R., Branigan, H. P., Obregón, M., Bugis, E., & Beale, R. (2015). Voice anthropomorphism, interlocutor modeling and alignment effects on syntactic choices in human-computer dialogue. International Journal of Human-Computer Studies, 83, 27-42.
  2. Branigan, H. P., Pickering, M. J., Pearson, J., McLean, J. F., & Brown, A. (2011). The role of beliefs in lexical alignment: Evidence from dialogs with humans and computers. Cognition, 121(1), 41-57.
人機共生你我它_96
12 篇文章 ・ 3 位粉絲
由致力於人機互動研究(HCI, Human-Computer Interaction)的研究者與實務工作者所創立,我們定期發表人機互動相關文章,與讀者一起思考科技對社會生活帶來的好處與限制。

0

0
0

文字

分享

0
0
0
一樣的月亮,為什麼我們拍的不一樣?——《這麼做就對了!最ㄎ一ㄤ的生活科學指南》
天下文化_96
・2020/02/19 ・2519字 ・閱讀時間約 5 分鐘 ・SR值 468 ・五年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

  • 作者/蘭德爾‧門羅(Randall Munroe);譯者/黃靜雅

我們常常以為眼睛有如一對照相機,但是人類的視覺系統比任何照相機都要精密複雜得太多了,因為視覺是自然而然發生的,所以我們很容易忽略其複雜性。我們看到景象,腦海中出現畫面,但我們並沒有意識到,要有多少的處理、分析和交互作用才能產生那樣的畫面。

照相機通常是用大致相同的解析度來看影像的每個部分。如果用手機相機拍下現在閱讀的頁面,照片中央的字與邊緣附近的字會由大約相同數量的像素組成。但是,眼睛並不是那樣運作的。

眼睛在視野中央看到的細節,和在邊緣看到的細節有很大的差別。眼睛實際的「像素網格」(pixel grid)看起來很奇怪:

圖/天下文化提供

我們沒有注意到解析度差異很大,是因為我們的大腦已經習慣了。我們的視覺系統處理影像,給我們的整體印象是:我們看到的就是現場的樣子,和照相機看到的是一樣的東西。這樣行得通⋯⋯直到我們開始比較腦海中的畫面和真實照相機產生的畫面,才發現大腦私底下一直在幫我們調整很多的變量。

照相機和眼睛在各方面都有差異,其中之一是它們的視野(field of view)。攝影學上的許多困惑都是視野引起的,而且視野對於自拍有特別顯著的影響。

當你拿起照相機靠近自己的臉拍攝時,你的五官看起來會不太一樣。想要明白為什麼(以及這如何影響各種照片),我們先來談談超級月亮(supermoons)。

圖/天下文化提供

你的月亮不是我的月亮?

網路報導三不五時就會輪番瘋傳,針對一些即將到來的天文事件散播聳動的言論。

圖/天下文化提供

這些報導偶爾會附上天際線後方的「超級月亮」照片,如下。

圖/天下文化提供

然而,當人們去外面拍攝月亮照片時,拍到的卻是這個樣子:

圖/天下文化提供

到底是怎麼回事?第一張照片是假的嗎?可能是,但通常不是。

相反的,這是利用望遠鏡頭、以非常窄的視角所拍攝的照片。每張照片都顯示某種視野。寬的視野看得到兩邊的東西,窄的視野只看得到鏡頭正前方的物體。

圖/天下文化提供

「變焦放大」(zoom in)的意思是窄化視野。

我們很容易認為變焦放大是「靠近」主體,因為放大使小的主體變大、充滿整個畫面。但「變焦放大」與「靠近」不太一樣。當你靠近主體時,照片中的主體變大了,但遠處的背景維持同樣的大小。當你變焦放大時,主體和背景都變大了。

圖/天下文化提供

人們被這種差異給搞混了,原因在於我們的眼睛只有一個視野。

我們可以將注意力集中在視野中央的事物上,但眼睛涵蓋的總面積維持不變。視野特別寬或特別窄的照片可能會令人嚇一跳。

幾十年來, 攝影師的經驗法則向來是:50 毫米全畫幅鏡頭產生的影像,在人們眼中看起來很「自然」,不太寬也不太窄。令人意外的是,這種「自然的」鏡頭產生的視野很窄,視角大約 40 度而已,和「手拿精裝書、離自己的臉大約 30 公分所涵蓋的範圍」差不多。

圖/天下文化提供

突破傳統攝影的智慧型手機

但是智慧型手機可能正在改變這一切,因為手機鏡頭的視野比舊式的 50 毫米鏡頭寬很多。

舉例來說,iPhone X 具有 65 度的水平視野,使用者不必後退,便可將較寬的景象納入鏡頭(然而,這對某種常見的攝影主題來說還不夠寬:彩虹。彩虹在天空的涵蓋角度是 83 度,有點太寬了,以致 iPhone 的鏡頭容納不下)。

這些廣角鏡頭已經變得愈來愈普遍,因為使用智慧型手機的人想要拍攝看起來很自然的生活照,或可同時拍到很多人的自拍照。

傳統的 50 毫米相機很難拿在一臂之長的距離自拍,而手機在拍完後很容易就能裁剪影像,所以出現兩邊「太寬」的差錯也無所謂,使用者再進行縮放和裁剪就行了。

但是,廣角視野是有代價的:當你用廣角鏡頭拍攝小型或遠處主體的照片時,拍出來的可能並不是你預期的樣子。

對人類來說,月亮很吸睛。即使我們沒有真的用眼睛「放大」,也會將注意力集中在月亮身上。我們利用自己的高解析度視覺,專挑月亮的細部來看,無視於月亮周圍相對較無趣的天空。

但是智慧型手機不知道如何像大腦那樣「集中注意力」。月亮只不過是它的超廣角鏡頭裡的另一團像素而已。要拍攝好看的月亮照片,你需要變焦放大,而智慧型手機在這方面的功能有限。

圖/天下文化提供

如果你的照相機真的可以變焦放大,你想包含在照片中的所有其他東西(比如周圍的建築物和樹木),鏡頭裡就再也容納不下了。從你站的地方看起來,那些東西比月亮還要大,儘管它們顯然並不是這樣(除非你們城市的土地區劃法特別寬鬆)。

圖/天下文化提供

如果你想要物體相對於月亮顯得較小,你就必須離得夠遠,使物體占據天空的一小角。以建築物來說,此距離可能相當遠。為了拍攝「巨大無比的月亮在城市天際線後方」之類的照片,攝影師通常需要站在距離城市幾公里遠的地方。那張漂亮的照片,大概是花了好大一番工夫與規劃才拍到的。

圖/天下文化提供

為什麼在普通的照片裡,建築物看起來那麼大、月亮看起來那麼小?因為建築物比月亮近多了。說到這裡,我們再回過頭來談自拍照。

——本文摘自泛科學 2020 年 2 月選書《這麼做就對了!:最ㄎ一ㄤ的生活科學指南》,2020 年 1 月,天下文化

天下文化_96
110 篇文章 ・ 597 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。