Loading [MathJax]/extensions/tex2jax.js

0

4
2

文字

分享

0
4
2

看電影學統計:「多重宇宙」與統計學「隨機變異」的概念

林澤民_96
・2023/03/15 ・2854字 ・閱讀時間約 5 分鐘

「多重宇宙」是我教統計時常用到的名詞,我用它來解釋隨機變異(stochastic variation)的概念:

例如民調抽得一個樣本,此樣本的受訪者固然是一群特定人士,但理論上我們可以抽出許多許多樣本,這些樣本之間雖然會有隨機變異,但樣本彼此的宏觀性質仍會相近。這些不同的隨機樣本,可以以「多重宇宙」一詞來形容。即使事實上只有一個樣本(一個宇宙),我們可以想像在多重宇宙的每個宇宙裡,都有一個微觀上隨機變異的樣本存在。

一個樣本(一個宇宙),在多重宇宙裡,每個宇宙都有一個微觀上隨機變異的樣本存在。 圖/IMDb

什麼是隨機樣本?

其實,數理統計學中「隨機樣本」(random sample)的概念指的是「一組獨立且同一分布的隨機變數」(a set of independently and identically distributed random variables)

在這個定義之下,樣本的每一個單位(資料點)都不是固定不變的數值,而是一個依循某機率分布的隨機變數。「隨機樣本」的要求是樣本所有的 N 個單位不但要互相獨立,而且要依循同一的機率分布。

我們可以想像我們平常所謂「一個樣本」的 N 個觀察值,每一個觀察值背後都有一個產生這個數值的隨機變數,也可以說所謂「一個樣本」其實只是這「一組獨立且同一分布的隨機變數」的一個「實現」(realization)。那麼,不同的樣本就是這「一組獨立且同一分布的隨機變數」的不同「實現」。這樣了解之下的不同樣本、不同「實現」,我喜歡把它們稱為「多重宇宙」。

-----廣告,請繼續往下閱讀-----

多重宇宙中的隨機變異,是我們在分析一個樣本的資料時必須作統計推論的原因。

比如我們分析本屆所有 113 位立委的議事行為,既然立委一共只有 113 人,我們分析的對象不就是立委的母體嗎?那是不是就不必做統計推論?

不是!原因是我們仍然可以想像有多重宇宙存在,每個宇宙都有 113 位立委,而同一位立委在不同的宇宙裡其議事行為會有隨機變異。正是因為這隨機變異的緣故,我們即使分析的是所謂「母體」,我們仍然要做統計推論。

圖/IMDb

「多重宇宙」的概念可以說就是「假如我們可以重來」的反事實思想實驗。被分析的單位不是在時間中重來一次,而是在多重宇宙的空間中展現「假如我們可以重來」的隨機變異的可能性。

名為 Monday 的這集 X 檔案電視劇中,主角的夢境不斷重複,每次夢境的結構大致類似,但細節卻有所不同,這正是「多重宇宙—隨機變異」概念的戲劇化。

-----廣告,請繼續往下閱讀-----

【媽的多重宇宙】(Everything Everywhere All at Once)也是。

「看,這是你的宇宙,一個漂浮在存在宇宙泡沫中的泡泡。周圍的每個氣泡都有細微的變化。但你離你的宇宙越遠,差異就越大。」——【媽的多重宇宙】對白

這是說:變異程度越小的是離你越近的宇宙,程度越大的是離你越遠的宇宙。這裡所謂變異的程度,在統計學裡可以用誤差機率分布的標準差來衡量。

什麼是隨機變異?

關於「隨機變異」這個概念,我最喜歡的例子是研究所入學申請的評審。

例如有 120 人申請入學,我詳細閱讀每人投遞的申請資料(包括性別、年齡等個人特質還有 SOP、大學成績單、GRE 分數、推薦信等),然後打一個 Y=0~100 的分數。全部評閱完畢,我便得到一份 N=120 的資料。這個資料包括了所有的申請者,那麼它是樣本呢?還是母體?

-----廣告,請繼續往下閱讀-----

如果我要分析我自己評分的決定因素,我會把分數 Y 回歸到性別、年齡等個人特質以及資料中可以量化的變數,例如大學成績平均分數(GPA)和 GRE 分數。跑這個迴歸時,需不需要做統計推論,看迴歸係數是不是有統計的顯著性?

我的看法是這份 N=120 的資料是樣本而不是母體,做迴歸分析當然要做統計推論。

那麼我資料的母體是什麼?

迴歸分析資料的母體其實是所謂「母體迴歸函數」(population regression function),也就是通常所說的「資料產生過程」(data generating process, DGP)。

這個 DGP 就是我在評閱每份資料時腦海中的思考機制,它考量了許多量化和質化的變數,賦予不同的權重,然後加總起來產生 Y。

分析資料的母體,也就是常說的「資料產生過程」。 圖/envato.elements

量化變數的權重就是母體迴歸函數的係數,質化變數則是母體迴歸函數的係數的誤差項。如果有很多質化變數攏總納入誤差項,我們通常可以根據中央極限定理,假設誤差項是呈現常態分布的隨機變數。這個誤差項就是「隨機變異」的來源。

評審入學申請,我通常只把所有資料評閱一次。這一次評審結果,會有幾家歡樂幾家愁,這便構成了一個「宇宙」。如果我第二天又把所有 120 份資料重新評分一遍,得到第二個樣本。因為我腦中的「資料產生過程」包括隨機變數,這個新樣本保證跟第一個樣本會有差異。用白話說:我的評分機制不精確,我自己甚至不知道我給每個量化變數多少權重,而且第二次評閱所用的權重也會跟第一次不盡相同,更不用說質化變數如何影響我的評分了。

-----廣告,請繼續往下閱讀-----

這第二個樣本,申請者的排比不會跟第一個樣本一樣,雖然也是幾家歡樂幾家愁,歡樂與愁悶的人也可能不一樣。這是第二個宇宙。依此類推,我們可以想像同樣的120位申請者,因為我「資料產生過程」的隨機變異,活在多重宇宙裡。

這些宇宙有的差異不大,根據【媽的多重宇宙】的說法,它們的泡泡互相之間的距離就較近,差異較大的宇宙,距離就較遠。如果申請者可以像電影所述那樣做宇宙跳躍,他們會看到自己在不同宇宙裡的命運。

我擔任德州大學政府系的研究部主任時,常耽心有申請者拿我們入學評審委員的評分資料去做迴歸分析。如果分析結果顯示種族、性別等變數有統計顯著性,說不定會被拿去控告我違反所謂「平權行動」(affirmative action)的相關法律。如果沒有顯著性,我就不耽心了。

多重宇宙之間會不會有「蝴蝶效應」?也就是宇宙跳躍時,隨機變異產生的微小差異,會不會造成新舊宇宙生命路徑的決然不同?

-----廣告,請繼續往下閱讀-----

在【媽的多重宇宙】中,伊芙琳只要當初做了一個不同的決定,以後的生命便可能跟現世(home universe)有很不一樣的命運。這在統計學也不是不可能。時間序列分析中,有些非線性模式只要初始值稍微改變,其後在時間中的路徑便會與原來的路徑發散開來。

你做時間序列分析時,會不會想想:時間序列資料究竟是樣本還是母體?如果你的研究興趣就只限於資料期間,那要不要做統計推論?當然要的,因為隨機變異的緣故。

如果你今年申請外國研究所不順利,也許在另一個宇宙裡,你不但獲名校錄取,得到鉅額獎學金,而且你的人生旅途將自此一路順遂,事業婚姻兩得意呢。

-----廣告,請繼續往下閱讀-----
文章難易度
林澤民_96
37 篇文章 ・ 245 位粉絲
台大電機系畢業,美國明尼蘇達大學政治學博士, 現任教於美國德州大學奧斯汀校區政府系。 林教授每年均參與中央研究院政治學研究所及政大選研中心 「政治學計量方法研習營」(Institute for Political Methodology)的教學工作, 並每兩年5-6月在台大政治系開授「理性行為分析專論」密集課程。 林教授的中文部落格多為文學、藝術、政治、社會、及文化評論。

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

1
0

文字

分享

0
1
0
多重宇宙真的存在?艾弗雷特三世(Hugh Everett III)的多世界詮釋
PanSci_96
・2024/07/28 ・2651字 ・閱讀時間約 5 分鐘

在前一篇我們聊到,為了反駁量子力學的機率詮釋和疊加態的說法,薛丁格提出著名的思想實驗:「薛丁格的貓」。既然貓在現實中不可能既生又死,所以量子理論一定有不夠完備的地方。

延伸閱讀:物理學四大神獸「薛丁格的貓」,其實是在嘲諷量子力學?物理學家對波函數機率詮釋的爭辯

然而,真的是這樣嗎?有沒有既符合量子理論又能解釋這個實驗的說法呢?

測量問題:量子系統的確定性

在量子力學中,量子系統的狀態在被測量前是不可確定的,所有可能狀態以機率的形式共存,這時系統處於所有狀態的疊加態。只有當我們進行測量時,系統才會變成某個特定狀態。

-----廣告,請繼續往下閱讀-----

例如,原子裡的電子並沒有一個確定的位置,它可能出現在任意地方,像波一樣散佈於空間中。當你測量它,它有一定機率出現在某處。愛因斯坦曾問:「是不是只有當你在看它的時候,月亮才在那兒呢?」對他而言,月亮不管有沒有人在看,都懸掛在天上,他認為量子系統應該也是如此,總是有個確定的狀態,只是我們還沒搞清楚而已。

而薛丁格在與愛因斯坦討論後提出「薛丁格的貓」思想實驗。薛丁格利用貓不可能處於既生又死的疊加態來質疑量子理論,雖然引起了話題,但並未成功反駁量子理論。

量子力學的理解不斷累積,我們知道了許多愛因斯坦和薛丁格當時不知道的事情,因此在某種程度上,回應他們的質疑已經不再是問題。

多世界詮釋:分岔的宇宙

1957 年,美國普林斯頓大學的博士生艾弗雷特三世(Hugh Everett III)提出了一個大膽的想法。他認為,宇宙的一切可以由單一個宇宙波函數(universal wave function)來描述,遵循量子力學的波動方程式。當我們進行測量時,例如檢查「薛丁格的貓」實驗結果,不同的子系統(如貓、毒藥瓶和測量者)會在交互作用下彼此連動,呈現出兩組狀態:貓死亡、毒藥瓶打破、測量者看到貓死亡,或貓活著、毒藥瓶沒破、測量者看到貓活著。

-----廣告,請繼續往下閱讀-----
艾弗雷特三世(Hugh Everett III)提出的多世界詮釋,之後成為許多科幻題材的靈感來源。圖/wikimedia

延伸閱讀:首創平行世界理論,艾弗雷特三世誕辰|科學史上的今天:11/11

測量會讓宇宙波函數分岔出兩個不同的分支,或說兩個平行世界。在其中一個宇宙,貓會活著;另一個宇宙,貓則會死亡。兩個宇宙都真實存在,沒有貓既死又活的事情。

在艾弗雷特的詮釋中,宇宙波函數隨著時間演化,就像一株大樹,每當有測量發生,就會分出不同的枝幹。每個枝幹代表一個獨立的平行世界或平行歷史,這就是著名的多世界詮釋(many-worlds interpretation)。歷史上每次的測量或選擇都會分裂出不同的世界,產生超級龐大的平行世界數量,彼此之間無法溝通或交換資訊。

雖然我們在這個世界買樂透沒中獎,但在另一個平行世界裡,我們可能是中頭獎的大富翁。多世界詮釋的優點是,它與量子理論沒有矛盾,能解決薛丁格的貓等悖論。

然而,儘管有人曾提出過驗證多世界詮釋的方式,現今的科技無法做到。艾弗雷特的博士論文沒有受到學界的多大關注,他之後改從事與物理研究無關的工作。直到1970年代,多世界詮釋才開始受到注意,並在艾弗雷特於1982年去世後,變得越來越受歡迎,甚至被科幻作品挪用。

-----廣告,請繼續往下閱讀-----

量子去相干:量子特性的喪失

量子去相干(quantum decoherence)是另一種解決方法。在雙狹縫干涉實驗中,同一波源的波從兩個狹縫出來並產生干涉條紋,代表它們存在相干性(相互干涉的性質)。若對其中一道狹縫的光波進行干擾,相干性會消失,干涉條紋不會出現,這就是去相干。

在量子力學裡,微觀粒子具有波的特性,也會發生相互干涉。波函數隨外在環境存在許多不同可能狀態,彼此相干。在電子的雙狹縫實驗中,電子以波的形式通過兩個狹縫,接著彼此干涉,形成干涉條紋。當我們測量電子的路徑,就會讓系統不同可能狀態的相干性消失,這就是量子去相干。

只要一個量子系統沒有完全孤立,與外界有交互作用,就算是干擾。想像將熱水和冷水倒在一起,熱水分子和冷水分子會互相作用,交換熱能和動量,最終達到平衡——一杯溫水。原本的每個熱水分子和冷水分子可以視為孤立系統,但當它們互相作用,改變狀態,就必須將整杯水視為整體。

量子系統的測量就像這個例子,測量者和量子系統之間的交互作用會導致量子系統與外界交換資訊,無法再用原本的波函數描述,最終逐漸喪失量子特性。

-----廣告,請繼續往下閱讀-----

現實中的量子去相干

在電子的雙狹縫干涉實驗中,若要知道電子通過雙狹縫時的確切位置和路徑,就必須偵測它,與之產生交互作用,導致量子去相干,干涉條紋消失。量子去相干的概念下,測量是一種交互作用,會引起量子去相干現象。隨著交互作用程度不同,量子系統會逐漸失去量子特性。

在現實世界中,所有量子系統都不可能完全孤立,與外界互動後,時間久了必然去相干。現實生活中的所有物體,雖然由量子系統組成,但當原子構築成更大的結構,會因彼此的交互作用喪失量子特性。因此,愛因斯坦問的「是不是只有當你在看它的時候,月亮才在那兒呢?」我們可以回答:「並不是這樣。」因為月亮已經不是量子系統。

薛丁格的貓不可能存在?

在「薛丁格的貓」實驗中,當作為量子系統的不穩定原子核被偵測到衰變後,交互作用就完成了,量子系統的狀態就確定了,貓也就死定了。此外,貓自身因量子去相干的關係,不會是量子系統,不可能同時處於生和死的狀態。

目前量子相關科技,如量子電腦、量子通訊等,在研發上遇到的困難,部分來自於量子去相干現象。量子電腦使用的量子位元必須保持在隔絕於外界、不受干擾的環境中,才能維持在量子態。一旦有風吹草動,量子位元可能出錯。隨著量子位元數目變多,要同時維持全部的量子態也變得更加困難,這些就是當前技術需要克服的挑戰了。

-----廣告,請繼續往下閱讀-----
歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

2
1

文字

分享

0
2
1
「倘若那天……」平行時空的你過得怎麼樣?——《超次元.聖戰.多重宇宙》
2046出版
・2024/02/10 ・1920字 ・閱讀時間約 4 分鐘

從無法逆轉的抉擇,到平行時空

但人總喜愛想像,現實世界中無法「重頭來過」,但小說和電影的虛擬世界當然可以。在好萊塢電影《今天暫時停止》(Groundhog Day, 1993;港譯:《偷天情緣》)之中,男主角最先猶如惡夢般不斷在同一天的清晨醒來,後來卻利用這個機會不斷改善他的追求技倆(不但 take two,更take three、take four……),最後贏得美人歸。

電影為觀眾帶來了美滿的結局。但筆者最早領略「如果」作為小說創作中的奇思妙想,卻令我傷感不已。話說筆者自初中已經愛上科幻小說。大概是中三、四那年,我在公共圖書館借了一本英文的短篇科幻小說集,其中一個以「如果」為題的故事(名稱早已忘記)令我畢生難忘。

故事中,一對恩愛的小夫妻駕車外出,丈夫有點兒不適所以改由太太開車。不幸途中遇上車禍,坐在司機位的太太重傷身亡。丈夫悲痛不已終日借酒澆愁,揮之不去的自責是「如果我那天沒有跟她對調位置……」。

一天,他在拾理太太的遺物時,竟然發現她的日記簿中有新的記事!讀將下來,原來在另一時空裡,兩人當天的確沒有對調位置,所以因車禍去世的是他而不是愛妻!

-----廣告,請繼續往下閱讀-----

這兩個「平行時空」原本不會重疊,卻不知怎的透過這本日記簿接通了。結果,「陰陽相隔」的倆人藉著日記互訴衷情。

圖/envato

這本已是十分淒美的情節,但後來日記中的字樣變得愈來愈模糊,最後完全消失,表示兩個「平行宇宙」最終分離而回到互不相通的狀態。筆者當年雖然只有十五、六歲,被觸動的哀愁卻是久久不能平復……。

年少的我已經深深感受到,人生中充滿了無數偶然的變數,而一個簡單的決定,足以改變一生。

多年後,我看到另一部電影《雙面情人》(Sliding Doors, 1998;港譯:《緣分兩面睇》),發覺也是用上了同一意念:女主角每天搭地鐵上班,但某天因事遲了一點而趕不上平日搭的那班車。電影基於「趕得及」和「趕不及」兩種情況,描述了女主角往後出現的兩種截然不同的人生。(我後來才知道,這乃改編自一部一九八一年的波蘭電影。)

-----廣告,請繼續往下閱讀-----

歷年來,運用這類意念創作的小說和電影可謂不少,近年流行的好萊塢「超級英雄」電影中,《奇異博士》(Doctor Strange, 2016)和它的續集《奇異博士 2:失控多重宇宙 》(Doctor Strange in the Multiverse of Madness, 2022;港譯:《奇異博士 2:失控多元宇宙》)更將「平行時空」的意念延伸為「多重宇宙」(Multiverse)。陣容更為龐大的《復仇者聯盟 3:無限之戰》(Avengers 3: theInfinity War, 2018)和《復仇者聯盟 4:終局之戰》(Avengers 4: Endgame, 2019)皆以同樣的意念作為故事主軸。當然,這些電影都由漫畫改編,亦即這些意念的出現時間比電影還要早得多。

《媽的多重宇宙》將平行時空的意念發揮得淋漓盡致。圖/giphy

但將這個意念發揮至極的,毫無疑問是二○二三年橫掃奧斯卡最佳電影、最佳導演、最佳編劇多項大獎的「怪雞」1 電影《媽的多重宇宙》(Everything, Everywhere All At Once,縮寫是 EEAAO;港譯:《神奇女俠玩救宇宙》)。華裔演員楊紫瓊(1962-)更因此而封后(最佳女演員);同樣是華裔的關繼威(1971-)以及潔美.李.寇蒂斯(Jamie Lee Curtis, 1958-)則分別獲得最佳男、女配角的殊榮。電影由兩位導演掌舵,雖然兩個都叫 Daniel,但一個是香港人關家永(Daniel M. Kwan, 1988-),一個是美國人丹尼爾.舒奈特(Daniel Scheinert, 1987-)。2 囊括了這麼多大獎,電影的風頭可謂一時無兩。由於有這麼多華人參與其間,全球絕大部分華人皆感到與有榮焉。

外國的評論幾乎一面倒地對這部電影讚譽有加,包括其中所包含的深刻人生哲理、愛情與理想之間的抉擇、亞裔移民在美國所遇到的生活困難、世代之間的價值矛盾、同性戀(非主流性取向)的社會認同問題,以及貫穿電影的、最重要的母、女之情。不少網友更留言說看至結局時感動流涕。反倒在華人世界,包括不少筆者所認識的朋友,皆對電影甚有保留,認為它寫情的部分毫無新意,而「科幻」的主題和情節則過於胡鬧不知云。(一些更認為電影被大肆吹捧,是近年席捲西方的「政治正確主義」的結果。他們更為另一位最佳女主角競逐者凱特.布蘭琪(Cate Blanchett, 1969-)不值。但那是另一篇文章的主題,暫且按下不表。)

註解

  1. 粵語,意指奇怪、荒謬。
  2. 因二人名字皆為「Daniel」,而被合稱為「Daniels」。

——本文摘自《超次元.聖戰.多重宇宙》,2023 年 11 月,二○四六出版,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。