Loading [MathJax]/extensions/tex2jax.js

0

2
0

文字

分享

0
2
0

大科學人專訪|許奶爸:站在孩子的角度找到適合的學習方法

LIS_96
・2022/11/18 ・2043字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

在桌遊界走跳的朋友一定都聽過致力於親子桌遊推廣的「許奶爸」。他曾是一位照三餐罵小孩的爸爸,沒想到在他現在的教養觀念中「成績不再是罵小孩的理由」。幾年前,許奶爸因為孩子接觸了桌遊,無意間開啟了自身興趣,為此他也改變照三餐責罵孩子的教養觀念,開啟他將親職教養技巧融合陪伴孩子玩桌遊的動機。

關於許奶爸引導孩子學習動機的方法以及教育觀點,邀請你一起往下閱讀 >>>

找到適合自己的學習方法是關鍵

許奶爸回憶過往的求學歷程,為了拼數學考試拼到凌晨,「像之前數學怎麼考,我上課認真聽,晚上拼到凌晨,數學、物理、化學的成績怎麼樣都好不起來,從來沒有及格過,每一科都是不及格(笑)」。

許奶爸補充自己成績不理想並不是學校老師教得不好,「我覺得是方法,不管以前學習的狀況是怎麼樣,重點是要找到適合你的方法,有好方法學習才會事半功倍。」許奶爸提到過去沒有這麼多的學習資源和教材,以前大人教我們怎麼做就怎麼做,一樣都是參考書、課本、聽講,但這些內容大部分看了只會想睡覺,提不起勁。

-----廣告,請繼續往下閱讀-----

不論是學校體制教育還是一般自學家庭,許奶爸相信:當你能找到適合自己的有效方法,便會提起學習動機和內在動機。「方法好了自然會有成績的效益出來,聽進去知道在講什麼,就會內化到自己的身上,也許會透過自己考試的成績展現,提升自己的自信心。」

創造好的學習環境引導孩子找到學習動機,家長是孩子的學習引導者

家長是孩子學習道路上的引導人,找到「適合小孩的方式」是關鍵。圖/Pexels

家庭教育很重要,許奶爸是孩子們學習道路上的啟蒙老師,如果家長認為英文能力很重要,那就從小為孩子創造英文的學習環境,讓孩子從小自然喜歡英文,從小在生活中學習英文。

「我們每一天在車上,每一天眼睛張開醒著就放英文 CD,兒子兩歲我們會念一些英文繪本,一起親子共讀,英文是這樣從小培養的。」

許奶爸提到引導小朋友的方式有兩種,一是要趁孩子還不了解時就讓他去接觸,並且要能站在孩子的角度,用他覺得有趣的方式接觸。第二種方式是給予孩子多方嘗試的機會,在過程中與孩子溝通核對,讓孩子願意嘗試、自己做決定是很重要的!

-----廣告,請繼續往下閱讀-----

「看 LIS 的教材也是一樣的概念,我們先找到 LIS 的影片讓孩子看,之後問他覺得怎麼樣,很有趣就繼續看,自由選擇你要看有什麼內容,有問題就找其他方法來補強。」家長很重要,家長是引導人,家長去找到「適合小孩的方式」,而不是大人自以為的方法,這是許奶爸想提醒大家的關鍵。

拿掉考試,科學的重要性和意義是什麼

「我個人不注重成績,才會在小孩六年級之前沒有補習。但我不得不說,學校的考試成績會反映出孩子現在學習的狀態怎麼樣。」許奶爸提到家長應當關注孩子的學習狀態,我們要去注意到的不是成績,成績是反映學習的程度,家長要做的是協助他找到他的問題點,不是去追究他怎麼會考得那麼差,而是挖掘背後的原因。

許奶爸在協助孩子找到問題點後,會再找到另一個方法來解決這個問題,「我個人尊重考試制度,很多家長把考試成績看的很重,但忘記成績對孩子的意義是什麼」。

好奇心是開啟科學領域大門的金鑰

好奇心是開啟科學大門的金鑰。圖/GIPHY

日常中,許奶爸會透過「刻意的動作」培養孩子們的好奇心,「像我們騎摩托車過去,我就問孩子說:你知道我剛剛為什麼做這個動作嗎?你再想想看剛剛我們發生什麼事情,騎車開車都會偶爾問上幾句,從生活中問他一些事情,跟他一起對話。」最後,許奶爸也提到讓孩子「多方嘗試」是很重要的,「有嘗試總比沒有嘗試的好,試試看才能知道好不好,好當然很好,不好當成學習的經驗,累積豐富生命的土壤。」

-----廣告,請繼續往下閱讀-----

響應本次「LIS 第二季大科學計劃」, 許奶爸分享給我們的大科學人宣言:
❛❛ 好奇心,是開啟科學領域大門的金鑰 ❜❜ ——許奶爸

這也體現了 LIS 的願景和使命感,讓孩子能像科學家一樣思考,讓孩子擁有實踐夢想的勇氣和能力。

現在,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】|

❛ 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! ❜
每月小額捐款,就能支持全台十萬名孩子都期待的科學教材:https://bit.ly/3EOSaVa

-----廣告,請繼續往下閱讀-----
文章難易度
LIS_96
22 篇文章 ・ 11 位粉絲
LIS ( Learning in Science )情境科學教材,成立於2013年7月,是一個非營利組織,致力於為國中小自然教師及學生,設計有別於填鴨教育的科學教材,協助教師進行STEAM和科學素養導向的教學,讓教師更簡單地進行教學創新,幫助更多孩子找回對科學的學習動機,並培養解決問題的能力。 在 Youtube 頻道【LIS情境科學教材】上,我們會即時更新所有LIS教材的影片,而完整的教案、學習單,亦同步上傳於【LIS教材平台網】歡迎您前往瀏覽完整內容。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

2
0

文字

分享

0
2
0
掌控注意力與動機:終結找不到東西的困擾!——《記憶決定你是誰》
天下文化_96
・2024/08/03 ・1563字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

為什麼我們總是找不到鑰匙?

讓我們想像一個日常中會發生的情況。你下班回家,用手機確認電子郵件,同時把鑰匙插入鑰匙孔,打開大門。你踏入家中,家裡那隻不久前才認養、還沒訓練好規矩的好動小狗撲過來,纏著你跳來跳去,搞得你身上沾滿狗兒的口水。

你聽到女兒的房間大聲傳出卡加咕咕樂團(Kajagoogoo)的歌曲,一小段極易琅琅上口的重低音合成流行音樂鑽進你的腦門。你疲憊的走進廚房,裡面有股腐臭味,告訴你昨晚忘記把垃圾拿出去。然後,忽然一個抽痛,提醒你要冰敷幾週前扭傷的腳踝。

現在,不要轉頭,試著回想你把鑰匙放在哪裡。如果你想起自己把鑰匙留在鎖孔上,那很好,但如果實在想不起來,你也並不孤單。你可能只是被太多事情轉移了注意力,一旦有一大堆訊息襲來,我們對單一事件的記憶會變得混亂。

有時候就是無法想起自己將物品放在哪裡。 圖/envato

更糟的是,當我們試圖回想自己最後把鑰匙放在哪裡時,會一一過濾各式記憶,包括自己以前曾放置鑰匙的所有地方,以及我們把鑰匙放在各個地方的各種不同情況,不管那些事件是發生在昨晚、上個星期,甚至去年。會有很多這樣的干擾,所以諸如鑰匙、手機、眼鏡、皮夾,甚至車子等常用的東西,我們經常忘記它放在哪裡。競爭的記憶那麼多,能夠記住這些東西放在哪裡才奇怪。

-----廣告,請繼續往下閱讀-----

破解記憶混亂:注意力如何幫助你記住重要細節

試著把記憶想像成一張桌子,上面雜亂的放滿皺皺的紙片。如果你把網路銀行的密碼隨手抄在這種紙片上,要重新找到這張紙片,不僅需要耗費一番努力和運氣,同時也在挑戰你的記憶力。這類經驗就像艾賓浩斯努力背誦的無意義三字母組,要找到當下所需的正確記憶,難度會不成比例的增加。

但如果你把密碼寫在一張亮眼的桃紅色便利貼,要找到就變得格外容易,因為桃紅色便利貼會從桌上所有其他紙片之中凸顯出來。記憶以同樣的方式運作。愈特殊的經驗愈容易記得,因為它會從所有其他記憶裡凸顯出來。

愈特殊的經驗愈容易記得,就像一張亮眼的便條紙。 圖/envato

那麼,要如何使記憶從我們堆滿雜亂事物的腦袋中凸顯出來呢?答案是「注意力」和「動機」。利用注意力,大腦能把我們看到、聽到、想到的事情提高優先順序。我們隨時都可能把注意力放在四周的諸多事物上,而環境裡發生的事情常常會吸引我們注意。

在前面描述的假想情況中,你的注意力可能短暫的放在鑰匙上,接著注意力就被門打開後遇到的許多事情給轉移。即使你留意著應該記住的重要事物(一小時後得去機場接妻子,你需要那串鑰匙,否則會遲到),也不見得能幫你建立特殊的記憶,足以對抗各式各樣吸引你注意的干擾(好動的狗、廚房裡的垃圾臭氣,或女兒房間傳出的樂團聲音)。

-----廣告,請繼續往下閱讀-----

這就是「動機」登場的時候了。你需要利用動機來引導注意力,讓注意力鎖定在某個特定的事物上,好製造一個之後能找得到的記憶。下次你放下鑰匙這類經常找不到的東西時,花一點時間專注在當時和當地的某個獨特事物,例如檯面的顏色,或鑰匙旁邊那疊未拆封的信件。只要一點點專心的動機,就能對抗大腦忽略日常事件的天性,建立較為明顯的記憶,如此便有機會戰勝那些干擾的喧囂。

——本文摘自《記憶決定你是誰:探索心智基礎,學習如何記憶》,2024 年 7 月,天下文化,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

天下文化_96
142 篇文章 ・ 624 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。

0

1
1

文字

分享

0
1
1
「科學」能有價值觀嗎?堅持「客觀」反而讓民眾失去信任?——《為何信任科學》
貓頭鷹出版社_96
・2024/05/26 ・3357字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

科學這門事業並非價值中立,個別科學家也不是。沒有任何人可以真正做到價值中立,當科學家這樣講自己,人們會覺得他們虛偽,因為那是不可能的。除非他們是白痴學者或超級天真,不然就是不誠實。然而誠實、開放和透明又被認為是科學研究的核心價值。科學家怎麼可能同時做到誠實,又說他們沒有自己的價值觀?如果科學家要堅守誠信,同時卻讓大眾誤解他們的角色(就算不是故意的),這會讓他們的事業出現根本的矛盾。

可能有人會反駁,科學家並不是說他們沒有自己的價值觀,只是不會允許這些價值觀影響到科學工作。這種論述不可能證明對或錯,但社會科學研究和一般常識都顯示這不太可能。這就把我們帶到下一個問題,不知為何長久以來都沒有人認真討論一件事,但它卻是許多美國人不信任科學的核心因素:要說科學是價值中立的,多少是在說它沒有價值,至少除了創造知識以外沒有其他價值,而這很容易就變成在說科學家沒有價值信念。當然不是這樣,但如果科學家不願意討論他們的價值觀,就會給人一種印象,認為他們的價值觀有問題,所以才需要遮遮掩掩,或認為他們根本就沒有價值信念。你會相信一個沒有價值信念的人嗎?

我在第二章提出了一個問題:忽視科學主張但最終發現它是對的,風險是什麼?相比之下,相信一個錯誤的科學主張,風險又是什麼?回答這個問題必須仰賴價值。我和康威合著的《販賣懷疑的人》提到,氣候科學所引起的爭辯,幾乎都是價值上的爭辯。很多有影響力的人物在一九八○和一九九○年代相信,政府干預市場的政治風險是如此之大,超越了氣候變遷的風險,因此他們懷疑、蔑視,甚至否認後者的科學證據。這些立場由自由主義智庫繼承,得到共和黨支持,演變成共和黨支持者很多都否認氣候變遷,只是有些積極、有些消極;然後再演變成很多質疑「大政府」的人都懷疑氣候變遷,包括商人、長者、福音派基督徒、住在美國鄉下的人。

即使氣候變遷的證據不斷累積,懷疑論者還是堅稱,就算氣候真的有在變遷,情況也不會太嚴重,或者不是「我們造成的」。因為如果事情真的很嚴重而且是我們造成的,那我們就應該採取行動,可能需要政府以某種方式管制。如此一來,否認氣候變遷逐漸變成美式生活的常態,先是否認證據,最終否認事實。這個問題非常嚴重,但是對於氣候變遷否認者秉持的價值,不能一網打盡說是錯的。

-----廣告,請繼續往下閱讀-----
共和黨支持者很多都否認氣候變遷。圖/giphy

我們可以討論大政府和小政府的優缺、市場管制不足或過度管制的風險,但任何這類討論都(至少在某種程度上)是從價值出發。如果要開誠布公討論這個話題,就必須討論我們的價值觀。不同的人面對同樣的風險,可能有不同的想法,不代表他們就是愚笨或腐敗。人為氣候變遷的科學證據很清楚,疫苗不會導致自閉症很清楚,使用牙線有益健康也很清楚。但價值觀導致許多人拒絕接受證據指出的事情。

回到剛才的問題:你會相信一個沒有價值信念的人嗎?答案當然是不會,這種人是反社會人格。你也不會相信那些擁抱你所厭惡的價值的人。但如果你認為,某個人的價值觀起碼部分與你相似,就算不盡相同,你可能就比較願意聽聽他的想法,接受他說法的一部分。因此,無論價值中立是否能讓一個主張在知識論上比較站得住腳,可以確定的是它在現實中沒有用,不能以此確保溝通、建立信任的連結

科學寫作的主流寫法不只試圖隱藏作者的價值觀,也把他們的人性一同抹煞了。價值觀隱藏、情緒不得伸張、避免使用形容詞,甚至連「我」這個字都無形中禁止了,即便論文只有單一作者也一樣。理想的科學論文寫得好像作者沒有價值觀或感覺,甚至好像作者根本不是人,這都是為了表現出客觀。

圖/envato

科學家可能覺得根本沒辦法讓否認氣候變遷和相信地球年紀是 6000 年的人相信他們。或許這是真的。我曾經公開表示對於要如何跟千禧世代交流感到非常絕望,他們之中有些人聽信末世論,認為世界就要毀滅了,幹麻還擔心氣候變遷?但當我陷入絕望,隔天幾位記者就告訴我怎樣才能透過基督教價值和教導打動這些人。他們建議我從價值觀下手,社會科學研究也支持這種想法。

-----廣告,請繼續往下閱讀-----

結論

科學家壓抑自己的價值觀,堅持科學是價值中立的,這是一條歧路。他們認為人們如果相信科學沒有價值觀,就會相信他們,但這是錯的。

墨頓顯然這樣想,但他可能是錯的,或許反過來才是對的。原因如下:

政治與社會觀念保守的基督徒、自由主義者、共和黨人拒絕相信演化論和人為氣候變遷,大部分分析都聚焦在科學家與這些人之間的價值衝突。但我相信,驅動大多數科學家的價值觀,還是和大多數美國人的價值觀有重疊之處,包括多數的保守派和宗教信徒。近來有一些科學家開始公開聲明他們的價值觀,我認為部分原因是,他們深信這些價值觀確實得到廣泛接納,可以作為信任連結的基礎。 我認為他們是對的。

我認識的大部分科學家都想要預防疾病、促進人類健康、透過創新和發現來強化經濟、保護美國與全世界美麗的大自然。前共和黨議員殷格利斯講得很有說服力,他談到他和海洋生物學家一同造訪大堡礁,他們肩並肩站著,欣賞珊瑚礁周邊生物撼人的美麗。殷格利斯了解到一件事:他看到「創造」,科學家看到「生物多樣性」,但他們實際上看到的、在意的、珍惜的,是同一件事。

-----廣告,請繼續往下閱讀-----

我好喜歡這個故事,因為多數人至少都在某方面珍愛自然。不同背景的美國人都曾造訪國家公園和森林,去健行、釣魚、露營、開車、攝影、漫遊、抱怨,雖然從事不同活動,但美景與體驗帶來了共同的喜悅。儘管如此,我們對人類與自然世界的關係,確實有不一樣的想法。有些人想要在冬日的黃石公園騎雪上摩托車,有些人想要安靜休養。幾乎所有美國人都說他們相信自由,然而我們對這個詞的理解卻嚴重分歧,也很難同意該把哪一類自由看得最重要。柏林有句名言:狼的自由可能代表羊的死亡。同意「自由」這個詞意義並不大。

宗教歷史學家普羅特勞指出,猶太人、天主教徒和新教教徒都相信十誡,但是版本差距之大,令人吃驚。例如天主教放棄了不可崇拜偶像,而猶太教與新教徒堅守此道。天主教因此少了一條戒律,只剩九條很奇怪,於是他們把最後一條一分為二,變成第九條是不可貪圖鄰人之妻,第十條是不可貪圖其他東西。儘管如此,美國人中超過 70% 都信奉這三個宗教,他們都還是認同不可殺人、偷竊、通姦或做偽證,也相信我們應該崇拜唯一真神、不可妄稱神的名、守安息日、孝敬父母。伊斯蘭教也同意這些,只是比這三個宗教更加強調慈善:課(zakat),也就是施捨,是五大支柱之一。不過,看看 zakat 這個字和希伯來文中的 tzedakah 多麼相似,tzedakah 代表慈善施予,是猶太生活的道德義務。慈善也是基督教的核心價值,虔誠的摩門教徒會繳納什一奉獻。

在很多政治議題上我們意見相左,但我們的核心價值大部分都重疊。釐清這些我們都同意的部分,並解釋它們和科學研究的關聯,我們就有機會克服盛行的懷疑論與對科學的不信任,尤其是因價值受到衝擊而產生的不信任。

We have been authorized by Princeton University Press to use this conten. 該內容由普林斯頓大學出版社授權使用

——本文摘自《為何信任科學:科學的歷史、哲學、政治與社會學觀點》,2024 年 04 月,貓頭鷹出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

貓頭鷹出版社_96
65 篇文章 ・ 26 位粉絲
貓頭鷹自 1992 年創立,初期以單卷式主題工具書為出版重心,逐步成為各類知識的展演舞台,尤其著力於科學科技、歷史人文與整理台灣物種等非虛構主題。以下分四項簡介:一、引介國際知名經典作品如西蒙.德.波娃《第二性》(法文譯家邱瑞鑾全文翻譯)、達爾文傳世經典《物種源始》、國際科技趨勢大師KK凱文.凱利《科技想要什麼》《必然》與《釋控》、法國史學大師巴森《從黎明到衰頹》、瑞典漢學家林西莉《漢字的故事》等。二、開發優秀中文創作品如腦科學家謝伯讓《大腦簡史》、羅一鈞《心之谷》、張隆志組織新生代未來史家撰寫《跨越世紀的信號》大系、婦運先驅顧燕翎《女性主義經典選讀》、翁佳音暨曹銘宗合著《吃的台灣史》等。三、也售出版權及翻譯稿至全世界。四、同時長期投入資源整理台灣物種,並以圖鑑形式陸續出版,如《台灣原生植物全圖鑑》計八卷九巨冊、《台灣蛇類圖鑑》、《台灣行道樹圖鑑》等,叫好又叫座。冀望讀者在愉悅中閱讀並感受知識的美好是貓頭鷹永續經營的宗旨。