你的「時間」跟我不一樣？維多利亞時代的英國，令人眼花繚亂的計時方式——《時鐘在說謊》

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

本文轉載自顯微觀點

攝影之前的顯微傳播

在顯微鏡已是博物學家必備工具的 19 世紀中葉，銀版攝影技術才剛發明不久，結合兩者的顯微攝影（photomicrograph）隨之邁出第一步。但顯微攝影直到 19 世紀末才真正普及化、以客觀與速度成為自然科學研究的技術。

在此之前，由繪圖師在顯微鏡前臨摹描繪是顯微影像 200 年來的記錄與傳播方法，從休閒式的顯微圖鑑，到科學界的分類學文獻，都有賴精細可信的顯微繪圖。當時的分類學家或解剖學家經常培養出顯微繪圖能力，但與顯微繪圖師分工可以提升效率與美學。儘管有投影描繪器（camera lucida）可作為素描輔助，每個顯微繪圖師的筆觸還是會呈現鮮明的技巧與個人風格差異。

韋斯特（Tuffen West）是維多利亞時代最為人稱道的顯微繪圖師之一，職業生涯長達四十年，以精美版畫將成千上萬種生物型態傳達讀者眼前。他的顯微繪圖可見於醫學、動植物與微生物的科學著作與期刊，並在後世被評論為藝術品，盛年時往往受到最負盛名的博物學家與科普作家雇用。同時，他也是積極的博物學家和顯微技術推廣者。

失去聽力 放大視覺

1823 年，韋斯特出生於英格蘭約克郡。父親是個熱衷化學實驗的藥師，在不列顛科學促進會 ( British Association for Advancements of Science ) 位居要職。韋斯特從小就展現對自然與博物學的興趣，他一面按照父親的安排習醫，一面維持蒐集動植物標本的愛好，他 19 歲時發表的鳥類比較解剖學論文贏得了一筆可觀的獎金。

韋斯特 22 歲那年，他的醫學生涯戛然而止。他在父親的化學實驗室遭遇爆炸，幾乎完全失聰，失去行醫的基本能力。但他繼續使用顯微鏡觀察樣本，並開始練習版畫技術；在 25 歲時完成第一幅署名的版畫，並在 27 歲受女王學院雇用，為矽藻進行一系列顯微繪圖。

石版印刷：科普浪潮的技術基礎

韋斯特的弟弟威廉（William West）是在倫敦執業的版畫家及印刷匠，曾為達爾文繪製《物種起源》第一版的物種樹狀圖（也是該版唯一的圖片）。兄弟兩人經常合作為醫學著作繪畫製版，通常是韋斯特繪畫，威廉製版。儘管最後韋斯特的科學繪圖作品豐碩許多，但他最初的版畫技術很可能是由威廉傳授。

這對兄弟對版畫內容的志趣可能不同，但對美學有著共同的堅持。他們經常在作品下方註明，使用彩色平版印刷（Chromolithography）技術，而非新穎的技術競爭對手—石板淡彩畫（Lithotint）。

1796 年發明的石版印刷，在新世紀成為廣受歐洲各國歡迎的大量圖片複製技術，科學刊物中的印刷版畫，無不經過「繪圖、製版、印刷」三道工序。其中製版的工藝關乎圖畫如何呈現在出版物上，對美感與技術的需求不下於繪製原圖。

19 世紀早期流行的彩色平版印刷中，每一種顏色需要一塊獨立的石板，每一塊石板的圖案必須精準對齊，以繁複的工藝堆疊出豐富亮眼的色澤。而石板淡彩畫每一幅圖畫則只需一塊石板，效率高、成本低，但能表現的顏色有限。韋斯特兄弟堅持較費工夫，色彩美感更為豐厚的彩色平版印刷。

醫學與公衛潮流中嶄露頭角

韋斯特在解剖學繪圖成名的一系列作品也源自其家族成員，他的連襟、口腔醫學之父哈欽森（J. Hutchinson）。哈欽森出版的眾多創新醫學著作包含壁蝨、梅毒、豬囊蟲感染病徵的顯微圖像，都由韋斯特兄弟繪製。他們持續為哈欽森創立的新希德南協會（New Sydenham Society）出版物作畫，合作直到威廉過世。

透過著重翻譯歐陸醫學文獻的新希德南協會，韋斯特兄弟得以觀察、繪製當時嶄新的顯微解剖構造。例如，荷蘭精神疾病與癲癇研究奠基者：施洛德范德柯克（J. Schroeder van der Kolk）涵蓋脊髓到延腦的解剖學報告。韋斯特兄弟的工藝描繪出繁複寫實的神經細胞、腦葉解剖圖，將歐陸最新醫學知識帶到英國讀者眼前。

韋斯特的生涯起步階段深受 19 世紀英國的重大瘟疫與食安議題影響。他曾參與公衛先驅哈索爾（A. H. Hassall）的病源調查任務，在 1855 年倫敦霍亂疫情後，出版檢驗市內民生用水的《各處水質顯微檢驗》。

水質檢驗報告中生動的微生物繪圖，皆由繪圖師前輩米勒（H. Miller）作畫，韋斯特製版。透過精細均衡的版畫成品和大眾對水質的關注，韋斯特奠定了技術細膩的名聲。

後來，哈索爾以《刺胳針》期刊曝光當時常見的食品摻假惡行時，持續與小有名氣的韋斯特合作繪圖，以寫實顯微圖像向大眾呈現來自倫敦四處商販的食品樣本。

直到食品摻假報告集結成冊，哈索爾才在序言說明，他多年前的醫學成名作《人體的顯微解剖：疾病與健康》也包含許多韋斯特的畫作，那是韋斯特參與的第一個科學顯微繪圖作品，合作期間哈索爾還讓初出茅廬的韋斯特住在自己家裡，在充沛的支援下工作。可惜的是，哈索爾的主要著作中，多數顯微繪圖都沒有畫家署名，因此無法判斷哪些繪圖是由韋斯特繪圖或製版。

畫筆風靡大洋兩岸

醫學領域以外，韋斯特也用鮮明精密的畫風描繪博物學圖像。史密斯（W. Smith）所著《不列顛矽藻概要》裡面層次豐富、色彩飽滿的顯微繪圖，使韋斯特作品在博物學家、科普讀者間一時洛陽紙貴。

韋斯特因此受到海洋生物學先驅、水族館創始人葛斯（P. H. Gosse）邀請，合作出版科普讀物。身為博物學家的葛斯具備出眾的顯微繪畫技能，甚至比 19 世紀末聞名歐洲的博物學兼繪畫家海克爾（E. Haeckel）更具聲望。受到葛斯邀請繪圖，表示韋斯特已躋身當時最傑出的顯微繪圖師行列。

葛斯的著作《顯微鏡前的夜晚》 是當年大西洋兩岸最受歡迎的科普著作。書中以創造論解釋生物型態多樣性的宗教觀念、鮮明多樣的生物插圖廣受歐美讀者歡迎。韋斯特與著名的解剖學家兼科學畫家福特（G. H. Ford）合作為本書繪圖，但兩人都沒有署名，難以分辨書中精湛的繪圖分屬哪位作者。

韋斯特也曾為當時最熱門科普作家伍德（J. G. Wood）巨著《博物學》作畫。伍德的作品包含從藻類、草履蟲到寵物犬等生物萬象，他的文字和韋斯特的繪圖深刻影響讀者對生物多樣性與人類起源的想像。當時知名文學家如馬克．吐溫和柯南．道爾都曾在小說中引用伍德的科普內容。

離開顯微鏡，韋斯特的巨觀博物學繪圖依然出色，尤其是針對節肢動物。蛛形動物學開拓者，布萊克沃（J. Blackwall）的《不列顛與愛爾蘭蜘蛛史》、維多利亞時代罕見的女性昆蟲學家史戴維利（E.F. Staveley）的《不列顛蜘蛛》都由韋斯特繪製版畫。栩栩如生的細節、緊密的版面，彰顯了韋斯特博物學繪圖的特色。

韋斯特受雇進行顯微繪圖時，通常由博物學家郵寄為他特製的顯微玻片，讓他自行細細觀察、從容描繪。令人好奇的是，韋斯特的蜘蛛博物學版畫上，總是註明 ”sc. ad nat.” 表示他觀察自然樣本（after nature）進行描繪，而非臨摹他人作品。或許，這些蜘蛛也是由郵差送到韋斯特手上的。

圖文交織，拓展微觀

除了陸地生物，韋斯特為專書、期刊描繪的主題包括有孔蟲、單細胞動物、從海葵到鯨豚等海洋生物，栩栩如生的彩色圖畫拓展了大眾對博物學的興趣。

其中一群可能受彩色圖畫吸引而親近博物學的目標讀者，就是維多利亞時代的中上階層女性。她們雖曾受高等教育、具備社會地位與經濟資本，卻無法加入學會，也罕有機會研究自然、從事博物學相關職位。

例如，倫敦雅典娜俱樂部（The Athenaeum Club），這個以希臘女神為名、服從英國女王的組織，在19世紀初成立時，已經是科學、藝文、法政菁英紳士踴躍參與的知性俱樂部，卻直到2002年才開放女性成為會員。當年俱樂部中的動物學家如瓊斯（T. R. Jones）就強調利用「女性感興趣的」的自然題材、韋斯特栩栩如生的繪圖來吸引維多利亞時代女性讀者。

在林奈學會記錄中，韋斯特謙稱自己是顯微繪圖師，博物學只是業餘愛好。但是他在顯微技術推廣的成果，遠遠超出單純繪圖師的工作範疇。

韋斯特曾推出一系列的顯微知識專欄文章，分享自己的研究心得。1860年代在《休閒科學》（Recreative Science）上著重於他早期對矽藻的蒐集與觀察。1880至1890年代的〈顯微鏡前的一小時〉〈顯微鏡前的30分鐘〉（專欄命名顯然是模仿暢銷書《顯微鏡前的半小時》）則大幅擴展，包含微生物、種子、昆蟲器官的顯微素描以及顯微鏡操作技巧等。

經常以郵件接收顯微樣本的韋斯特在 1875 年成為「郵政顯微協會」（Postal Microscopical Society）主席。該組織建立各地顯微愛好者交流樣本與知識的平台，並在月刊上評析會員們郵寄分享的最新玻片。韋斯特對樣本的縝密觀察與評論，是當時會員們最為珍視的回饋。

全能的科學傳播者

推廣顯微知識的行動中，韋斯特不僅從事評析或繪圖。在他參與的兩本暢銷科普讀物《顯微鏡前的半小時》《顯微鏡下的常見物體》中，他負責篩選樣本、精工製圖，科普作家再以這些顯微繪圖為核心寫作。韋斯特的選樣和繪圖決定了整本書的走向。

《顯微鏡前的半小時》文字作者蘭卡斯特（E. Lankester）在第二版序文中，感謝韋斯特精采的顯微版畫，搭配「作者」的後續著述介紹，在市場上大受歡迎。蘭卡斯特認為韋斯特佔據首要功勞。

與科普作家伍德合著《顯微鏡下的常見物體》時，韋斯特不僅擔任挑選顯微樣本、繪製版畫（此步驟決定了後續文字的走向），也負責印刷的校樣，責任比文字作者更加吃重。此書獲得讀者們熱愛，持續再版直到20世紀。

主導了兩本堪稱史上最受歡迎的顯微科普書，韋斯特卻不曾以作者名義出版專書。他曾在科學期刊發表數篇博物學論文，涵蓋植物、昆蟲、矽藻的顯微構造，採樣與觀察、寫作與繪圖都由他一手包辦。

據佚名資料，蒼蠅足部型態的比較形態學研究是韋斯特最得意之作。韋斯特在 1860 年代發表的矽藻博物學與蒼蠅足部論文，在西元 2020 年後依然有科學家引用。

在《顯微鏡下的常見物體》的出版過程中位居要角的韋斯特，在初版書名頁與印刷者並列，重要性僅次於作者伍德。但隨著版本演進，在 1949 年的再版中，韋斯特的名字已完全消失了。

同樣熱銷的科普圖書《顯微鏡前的半小時》出版歷程中，韋斯特也遭逢一樣的命運。儘管文字作者蘭卡斯特曾表示韋斯特的貢獻最為重要，但是他的名字卻在 1876 年及其後的各版本付之闕如，此時韋斯特的顯微繪圖與科學寫作工作也幾乎停擺。

空白與堅持

韋斯特在 1864 年前後，以及整個 1870 年代都遭遇生產力低落的問題，問世的畫作與文章寥寥無幾。直到 1882 年後，韋斯特才穩定地為期刊作畫並刊載科普專欄，但再也沒有產出研究論文或專書版畫。

創作死寂的階段，正是韋斯特頻繁進出精神療養院的歲月。他的症狀缺少明確醫療記錄，但研究者認為，頻繁的住院符合躁鬱症的週期特徵。

1862 年起，壯年的韋斯特病況不斷起伏，不時住院。即使到他退休後，依然無法逃脫精神症狀的折磨，1879 到 1883 年間，花甲之年的韋斯特在精神療養院裡度過了 31 個月。從首次入院到 1891 年過世，他在療養院居住的時間總和超過 60 個月。

韋斯特在逝世前 6 年寄信給林奈學會，表示自己受困於健康狀況，無法進行科學活動，只能滿懷遺憾地自請退出。

在文明劇烈變遷的 19 世紀後半葉，不少知名藝術家深受精神症狀所苦。梵谷（V. van Gogh）、孟克（E. Munch）和韋斯特的同胞，愛貓畫家韋恩（L. Wain）。這些藝術家的精神症狀影響繪畫風格，但並未阻止他們繼續創作，甚至成就他們名留青史的傑作。

可惜的是，定位自己為「顯微藝術家」（microscopic artist）而非傳統藝術家的韋斯特，沒能找到精神失調與繪畫結合的創作出口。

繪圖與研究的生產力遠非韋斯特失去的最重要事物，他在即將成為醫師時失去聽力；他在新婚三年後（1860年）不幸喪妻，並在不久後開始進出精神療養院；在 1875 年，他青春期的兒子離開人世。

造化弄人的是，韋斯特分別在喪妻與喪子的年份，獲選為林奈學會成員與郵政顯微協會主席。遭遇精神疾病之後，他的科學繪圖產量從未恢復，但也不曾放棄推廣顯微科學，直到 1891 年逝世前，他仍在持續整理、刊登過去的顯微素描與筆記。

玻片之後的隱形人

58 歲就自稱退休的韋斯特留下不到 1000 件署名作品，沒有水彩畫展、自畫像的紀錄。以當時顯微版畫行情來看，韋斯特很難平衡他的家庭開支，但他留下 500 英鎊的遺產，表示他的報酬可能高出其他顯微繪圖師甚多，或者他還有許多未署名的畫作在維多利亞時代流傳。

如同韋斯特的貢獻在解剖學教科書出版多年後才被哈索爾公布，或是在科普暢銷書的再版生命中逐漸湮沒，功勞被忽略似乎是維多利亞時代顯微繪圖師的常態。隨著科技演進，顯微繪圖這個職業在 20 世紀初不可避免地被顯微攝影取代。

從 19 世紀的博物學到現代學術工作，在科學上得到信賴、美學上得到讚賞的顯微影像，都由許多人的技術與心力交織而成。當精彩的顯微影像映入眼簾，不妨也看看研究主持者之外，還有哪些猶如現代顯微繪圖師的影像技術人員隱藏在這幅微觀風景之後。

參考資料

• Dolan, J. R. (2021). Tuffen West FLS, FRMS (1823-1891): artist of the microscopic, naturalist, and populiser of microscopy. Arts et sciences, 5(1).
• Paisley, P (2015).The Tuffen you probably missed, and some you’ve never seen. microscopy-uk.org
• Paisley, P (2016). More Tuffen you possibly didn’t notice. microscopy-uk.org

查看原始文章

時間不再絕對？牛頓與愛因斯坦的時間觀差異

川村老師，請用簡單的方式告訴我「相對論」是什麼？

老師：狹義相對論源自相對性原理（Principle of relativity，指物理定律〔Physical law〕適用於所有以等速直線運動的物體） 與光速恆定原理。根據這個理論，時間是相對的，依不同觀察者而有所差異。牛頓力學中的時間是絕對的，愛因斯坦則認為，可依不同的觀察者位置對時間進行不同定義。

老師：之前在討論「力」時，也提過離心力。離心力是「慣性力」的一種，慣性力指物體在加速運動時感受到的與加速方向相反的力。置身在沒有窗戶的電梯中，當電梯向上加速，電梯內的人會受到向下的慣性力（譯注：因看不到外面，使得他無法判斷電梯的運動情況）。若加速度為 g，物體質量為 m，則物體所受慣性力為 mg，與在地面所受的重力 mg 相同。愛因斯坦無法區別這兩種 mg 的差異，所以視為等效。但無論慣性力的方向為何，物體都會往向量合成後的視重力場方向掉落。

時間在任何地方都固定不變嗎？

世界上最快的速度是光速。物體的移動速度若接近光速，它的時間進程就會變慢。也就是說，在接近光速的太空船上，時間會變得悠長。而且，接近光速的物體長度會朝行進方向收縮。

物體只要具有質量，即使在靜止狀態依然擁有能量（其能量 E ＝ mc²），稱為靜止能量（Rest energy）。

提到光的運動，我們已經知道光的路徑會彎曲。

1919 年，天文學家觀測到恆星發出的光線在經過太陽附近時被偏折，這種現象稱為「重力透鏡效應」（Gravitational lens），有助於了解黑洞等宇宙中質量分布的情況。此外，天體物理學家也觀測到時間的延遲。簡而言之，接近地面的時鐘行進速度會比高處的時鐘慢，GPS 也是依據這種效應來進行校正。

時間

牛頓力學中的「時間」（也就是我們一般理解的時間）和相對論中的時間大異其趣。牛頓在《自然哲學的數學原理》（Philosophiæ Naturalis Principia Mathematica，1687）中，假設空間是均勻平坦的；從過去到未來，在任何地方都平均延伸。在牛頓力學中，全宇宙的時間一致。

但相對論否定了這一點。

光速恆定原理指出，光的速度是固定不變的。這種狀況下，空間中不同地點發生的兩件事，對某個觀測者來說是同時發生，但對另一參考系的觀測者而言則非同時發生。也就是說，時間的前進速度並非在任何地方都相同。因此，時間和空間不能視為各自獨立的兩回事，應該一體化，視為四維空間（時空，Spacetime）。

不過，這是指物體移動速度接近光速時的情況。日常生活中，使用過去的時間觀不會有任何問題。

黑洞

黑洞（Black hole）是一種天體，因為密度極高，重力極強， 不只物質，連光都會被吸進去，無法逃逸。天體是宇宙中所有物體的總稱，具體來說，指太陽、恆星、行星、星團、星雲等。從相對論來看，黑洞周圍空間是扭曲的。照以下方式想像應該會比較容易理解：

把重物放在一大塊展開的薄橡皮布上，放置處就會凹下去，而這塊凹陷會影響到周圍。同樣的，黑洞所在之處會發生猛烈的空間扭曲，經過附近的天體會被極強的重力吸引，落入其中，連光也難逃魔掌。

銀河系有許多黑洞，但具體數字不詳。2019 年，一個跨國研究計畫團隊首次拍攝到黑洞的「影子」，掀起一陣討論熱潮。

——本文摘自《物理角色圖鑑：用35個萌角色掌握最重要的物理觀念，秒懂生活中的科普知識》，2024 年 9 月，漫遊者文化，未經同意請勿轉載。