Loading [MathJax]/jax/output/HTML-CSS/config.js

1

7
0

文字

分享

1
7
0

韋伯太空望遠鏡運作滿週年,它看到了什麼?

PanSci_96
・2023/09/02 ・3306字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

古老星系中發現有機分子?我們離第三類接觸還有多遠?

韋伯正式展開拍攝任務已經屆滿週年,最近也傳回來許多過去難以拍攝到的照片。六月初,天文學家在《自然》期刊上發表了這張照片,在藍色核心外,環繞著一圈橘黃色的光環。

這是一個星系規模的甜甜圈?這是一個傳送門?還是外星文明的戴森環?

——都不是!其實,這是一個含有有機物多環芳香烴的古老星系,其名為 SPT0418-47。因為名字很長,以下我們就簡稱為 SPT0418 吧!

-----廣告,請繼續往下閱讀-----

這個觀測結果有什麼特殊意義?這代表我們發現外星生命了嗎?

SPT0418 是怎麼被拍到的?扭曲時空的重力透鏡!

一年前,在韋伯望遠鏡傳回第一組令人震撼的照片時,我們製作了兩期節目來介紹韋伯望遠鏡,和它在天文觀測史上跨時代的重要意義。在那之後,也有不少泛糰敲碗,希望我們可以再繼續介紹韋伯望遠鏡的後續發展。

這次在週年前夕公開的這張 SPT0418 照片,是一張標標準準因為重力透鏡而形成的美麗照片。「重力透鏡 Gravitational Lensing」這個概念,相信有在關注天文物理的泛糰們,應該都有聽過。愛因斯坦的廣義相對論告訴我們,星系與星系團的龐大質量會扭曲它們周圍的時空,就像一面星系尺度的超級放大鏡一樣,可以在光線通過時改變它們的走向,從而扭曲背景星系的影像。而如果背景星系與前方的前景星系剛好前後對齊的話,重力透鏡效應還能將背景星系扭曲成美麗的環型,這個環型被稱為「愛因斯坦環 Einstein Ring」。

背景星系從黑洞後面經過時的重力透鏡效應模擬影像。圖/Wikimedia

乍聽之下,重力透鏡會扭曲背景星系影像,好像會干擾觀察,是個缺點。但實際上重力透鏡在扭曲影像的同時,也會聚焦背景星系發出的光,從而讓背景星系變得更加明亮而容易觀測,讓天文學家可以看到更遠或更暗的天體。因此雖然扭曲的影像會增加分析上的麻煩,但天文學家其實非常喜歡觀測這些受重力透鏡效應影響的天體們。甚至會專門安排觀測計畫,拍攝這些受重力透鏡效應影響的區域。這次的主角 SPT0418,正是韋伯太空望遠鏡針對重力透鏡效應開展的「TEMPLATES 」觀測計畫的其中一個觀察對象。

-----廣告,請繼續往下閱讀-----

SPT0418 是一個位於時鐘座(Horologium)方向,距離地球約 123 億光年遠的古老星系。最早在南極望遠鏡(SPT)的觀測資料中被發現,並在後續以阿塔卡瑪大型毫米及次毫米波陣列 ALMA 進行的觀測中,確認了它是一個富含大量塵埃,而且正在以每年約 350 個太陽質量的超高速率生成恆星的星系。

在我們與 SPT0418 之間,還存在著一個前景星系。正是這個前景星系的質量扭曲了周圍的時空,像一片巨大的放大鏡一樣將背後的 SPT0418 扭成了漂亮的愛因斯坦環。

當觀察者、前景星系和背景星系在同一直線上時,就可以透過重力透鏡效應觀測到愛因斯坦環。圖/PanSci YouTube

在這張經過調色的照片中,中間的藍色部分就是前景星系,旁邊的橘色環則是因為重力透鏡而扭曲的 SPT0418 。得益於這個重力透鏡,SPT0418 的影像被增亮了三十倍以上,非常適合讓天文學家一窺早期宇宙中星系的狀態,因此被選為韋伯的觀測目標。

韋伯望遠鏡藉由重力透鏡效應拍攝到的扭曲的古老星系 SPT0418-47。圖/J. Spilker/S. Doyle, NASA, ESA, CSA

那麼,這次的觀測又有什麼重要意義呢?

-----廣告,請繼續往下閱讀-----

多環芳香烴是什麼?看見它代表什麼意義?

這次的拍攝結果不能完全說是意外,因為在這個研究中,韋伯的目標非常明確,就是要尋找古老星系中的多環芳香烴。

在天文學上,多環芳香烴通常指兩個以上的苯環所組成的有機化合物的統稱,人們一般以它的簡稱「PAH」來稱呼它。

發現有機分子,難道這代表有生命存在於古老星系中嗎?其實不能這麼快下定論。

因為 PAH 廣泛存在於各式各樣的星系中,與其他由碳和矽組成的塵埃顆粒,同屬於星際塵埃的一部分。甚至在彗星、小行星、隕石中,都能發現各式各樣的 PAH。目前認為,宇宙中可能有超過 20% 的碳原子,都是以 PAH 的方式存在,只是環數不盡相同。

-----廣告,請繼續往下閱讀-----
圖中右側的黑色暗帶為星際塵埃。圖/NASA, ESA, and the LEGUS team

所以,雖然科學家認為,宇宙中的生命誕生,可能與這些這些遍布其中的有機分子有關。但發現 PAH,不能直接與發現生命劃上等號。

過去數十年的天文觀測結果也顯示,PAH 確實廣泛存在於星系之中,但是天文學家對於這些分子究竟如何形成?又是什麼時候形成的?目前還沒有共識。因此迫切需要更多觀測,例如這次的目標 SPT0418 是個距離我們非常遙遠的古老星系,對於研究宇宙早期星系以及 PAH 的起源就很有幫助。

觀察 PAH 的困難及韋伯望遠鏡的重大突破

然而,要觀察 PAH 卻不太容易。原因是這些 PAH 發出的光,波長主要都集中在幾微米到十幾微米的近紅外與中紅外線波段。這個波段的光線受到大氣層的吸收非常嚴重,幾乎無法從地面觀測,因此過去我們很難取得相關數據。想要尋找 PAH 的蹤跡,勢必得使用紅外線太空望遠鏡才行。

這時,就是韋伯大展身手的時候了。比起同樣專注於紅外光譜的前輩史匹哲太空望遠鏡,韋伯的鏡片直徑大了超過七倍,集光面積更是大了將近六十倍,這不僅讓韋伯能夠拍攝遠比史匹哲更清晰的影像,更可以在更短的時間內拍攝到更暗的目標。

-----廣告,請繼續往下閱讀-----

得益於韋伯強大的觀測能力,在這個研究中它僅僅對著 SPT0418 曝光了不到一個小時的時間,就在 3.3 微米的波段找到了清晰的 PAH 發射譜線,確認了PAH的存在的同時,也打破了觀測到最遠的 PAH 訊號的紀錄。

此外天文學家也發現,韋伯所拍攝到的 SPT0418 與前幾年使用 ALMA 觀測到的影像並不全然相同。

由於觀測波段不同,不同的望遠鏡拍攝同一天體的亮部分布會產生差異。圖/PanSci Youtube

由於韋伯拍攝的是 PAH 發出的近紅外光,而 ALMA 拍攝到的則是毫米尺寸的大顆粒塵埃所發出的遠紅外線,因此這可能代表 SPT0418 這個星系的不同部分,有著不同的塵埃組成。為甚麼會這樣呢?天文學家目前也沒有肯定的答案,需要更多的觀測來進一步釐清。

任務還在繼續!TEMPLATES 計畫持續追蹤 PAH 足跡

韋伯對 SPT0418 拍攝的照片,不僅打破了人類探測過離太陽系最遠的 PAH 訊號紀錄,更展示了在重力透鏡加韋伯的攜手合作下,能大幅拓展人類觀測遙遠星系的能力。除了 SPT0418 之外,天文學家還預計觀測另外三個被重力透鏡放大的星系,尋找並研究其中 PAH 的足跡,以解開星系與星際塵埃的演化之謎。

-----廣告,請繼續往下閱讀-----
韋伯望遠鏡的「TEMPLATES 」計畫預計觀測四個被重力透鏡效應放大的天體。圖/JWST ERS Program TEMPLATES

雖然還有許多未解之謎,但韋伯傳回來的每張相片,都能讓我們能更了解這個宇宙一點點。最後想問問大家,韋伯望遠鏡正式展開拍攝工作屆滿一年,你最喜歡,或最希望我們繼續來講解的照片是哪一張呢?

  1. 土星、天王星和海王星的行星環高清照
  2. 大爆炸後 3.2 億年就誕生的的古老星系
  3. 即將蛻變為超新星的恆星照
  4. 更多你覺得美麗的照片,分享給我們吧

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-----
文章難易度
所有討論 1
PanSci_96
1262 篇文章 ・ 2400 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

0
0

文字

分享

0
0
0
E10 低碳汽油:台灣減碳新契機,為何我們應該接受?
鳥苷三磷酸 (PanSci Promo)_96
・2025/01/17 ・3468字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

本文與美國穀物協會合作,泛科學企劃執行。

台灣將在 2040 年禁售燃油車。但別急,現在路上開的舊有車款不會馬上報廢消失,因為舊有的車輛會繼續開到年限結束。根據計算,當禁售燃油車的那一天來臨時,還有大約 60% 的車輛是燃油車。這時,在多數交通工具還是燃油的情況下,美國、歐盟等國已經開始使用酒精燃料來減少碳排放,那麼,台灣也能做到嗎?

你聽過 E3、E10 汽油嗎?

這是指在汽油中加入酒精,E3 代表有 3% 的汽油被酒精取代,而 E10 則是 10% 的汽油換成酒精。酒精是一種抗爆震性能更好的燃料,且比化石燃料更環保,因為它可以來自生質燃料,碳排放也較低。即便算上運輸和加工的碳足跡,用玉米製造的乙醇仍比傳統汽油的碳排放低了 43%。其實,在美國、歐洲、澳洲等地,E10 或更高比例的酒精汽油早已廣泛使用,這在我們之前的影片中也有提過。

現在,台灣有 14 間加油站可以加到 E3 汽油,而中油也正積極促使相關部門開放 E10 汽油的銷售。

-----廣告,請繼續往下閱讀-----

不過,在推動這項改變之前,仍有許多民眾對酒精汽油有疑慮。大家最關心的問題是,把不是汽油的燃料放到引擎中,到底會不會對車輛引擎造成不良影響?例如會不會影響引擎運行,甚至影響里程數?
其實,換燃料確實會對引擎有影響,因為不同燃料燃燒後所產生的能量與副產物都不一樣。但別擔心,根據我們之前的討論,2011 年以後生產的所有汽車,還有大部分 1990 年代後期生產的汽機車,都能直接相容 E10 汽油。換句話說,除了少數舊車或特殊車型,約 95% 的汽機車都不需要擔心這個相容性問題。

2011 年以後生產的所有汽車,還有大部分 1990 年代後期生產的汽機車,都能直接相容 E10 汽油。圖 / 美國穀物協會提供

E10 汽油在效能上的表現,會不會受到影響?

學過化學的人都知道,燃燒其實是一種氧化反應,可以用化學式表達。也就是只要汽缸的大小是固定的,就能算出空氣中能參與氧化反應的氧氣分子有多少,進而推算出每次汽缸燃燒時,應該搭配多少的燃料。

當引擎運作時,汽缸內的氧氣分子會與燃料反應,產生動力。為了最佳化效能,引擎的噴油嘴會精準控制每次的進油量,確保空氣和燃料的比例,稱為「空燃比」。接著調整噴油嘴的設定,讓出油量符合我們的需求。

每當空氣成分改變,燃料量或燃料的種類更換時,空燃比就會產生變化。在燃料相對空氣來說比較多時,我們通常稱為「富油」;相反的,如果燃料相比空氣來的少,就稱為「貧油」。如果我們把汽油換成百分之百的酒精,因為酒精每單位體積所需要的氧氣比較少,而且熱值比較低,因此會產生貧油現象,推力感受起來自然也會比較低。

要解決這個問題,方法其實不難,只要增加燃料量即可。而巴西早已證明,使用 E100 汽油是可行的。巴西近 50 年來推動 E85、E100 燃料車輛,並展示了彈性燃料引擎的優勢。

而巴西早已證明,使用 E100 汽油是可行的。巴西近 50 年來推動 E85、E100 燃料車輛,並展示了彈性燃料引擎的優勢。圖/美國穀物協會

這類交通工具被稱為彈性燃料引擎,顧名思義,能很彈性的使用汽油、E100 酒精汽油、或是任何比例的甲醇、乙醇、汽油的混合物。彈性燃料引擎跟一般引擎最大的差別,就是內建了「燃料成分感測器」。能透過判斷燃料的種類與比例,調整噴油嘴的出油量設定以及點火正時,讓引擎的輸出動力維持在最佳狀態,確保引擎效能不受影響。

-----廣告,請繼續往下閱讀-----

所謂的點火正時,指的是火星塞點火的時機。不同的燃料,化學反應的速度與膨脹的體積不同,當然會對應不同的點火時機。

但是 E100 其實也不是純酒精?

大家都知道,蒸餾酒需要經過多次反覆蒸餾,為什麼不能只蒸餾一次就好呢?原因在於,酒精與水的沸點雖然不同,但它們不完全互斥,會產生交互作用。在蒸餾過程中,即使酒精的沸點較低,水仍然會在加熱的過程中,隨著酒精部分蒸發進入容器中。

事實上,當酒精濃度達到 95.63% 時,不論再怎麼蒸餾,濃度也不會再上升。這是因為當酒精濃度接近這個比例時,酒精與水的沸點非常接近,這種現象稱為「共沸」,意思是酒精和水的混合物會一起沸騰,無法再進一步蒸餾分離。

共沸現象的結果,就是為什麼市面上銷售的藥用酒精,濃度最高都是 95%,而非 100%。因為更高濃度就必須使用脫水劑等方式處理,成本會提高,或是因為有添加物而不符合藥用標準。所以當然,E100 汽油裡面,實際上使用的也是濃度 95% 的酒精,而不是 100%。

-----廣告,請繼續往下閱讀-----
E100 汽油裡面,實際上使用的也是濃度 95% 的酒精,而不是 100%。 圖 / 美國穀物協會提供

解決迷思:酒精汽油是否容易因吸收水分,而產生油水分離?

事實上,酒精和水是高度互溶的,這使得高比例的酒精在汽油中有更高的水分耐受性。簡單來說,進入油箱的水氣,會溶在酒精汽油中而不會產生油水分離。

根據美國國家可再生能源實驗室的研究,即使在高溫高濕的極端環境下,E10 酒精汽油也需要經過三個月才會出現明顯的油水分離。而三個月也是一般汽油建議最長的保存時間,因為汽油放太久就會氧化。

也就是說,酒精與水混和物的特性,不是把酒精和水的相加除以二那麼簡單,它們的交互作用更加複雜。

一篇刊登在《國際能源研究期刊》的研究指出,在可變壓縮比引擎中的實驗結果,加入酒精後,引擎的功率會逐漸升高,在 E10 酒精時為最佳比例效果。

-----廣告,請繼續往下閱讀-----

當然,實際情況和實驗室當然不能直接類比。大多數汽車和機車並未專門為酒精汽油做調整,那這樣會有多大影響呢?根據英國政府的官方結論,直接使用 E10 汽油與一般汽油相比,每公升的里程數大約會降低 1%,但在日常駕駛中,這個差異幾乎不會被察覺。實際上,載貨量和駕駛習慣對油耗的影響,遠遠大於是否使用 E10 汽油的影響。

更好的一點是,酒精其實是一種常見的工業用品,以每美國為例,在過去一年中,酒精的離岸價格實際上都比汽油還低,因此不用擔心酒精會讓油價變貴。

此外,經過調校的引擎也不必擔心推力問題。事實上,F1 賽車從 2022 年開始使用 E10 作為燃料,納斯卡賽車更早在 2011 年就採用了 E15 燃料,運行上沒有太大問題。

F1 賽車從 2022 年開始使用 E10 作為燃料,納斯卡賽車更早在 2011 年就採用了 E15 燃料,運行上沒有太大問題。圖/unsplash

最重要的是,使用 E10 燃料的好處明顯更多。由於酒精和烷類燃料的分子式不一樣,酒精分子式中多了一個氧原子,這使得燃燒過程中反應會更完全,能夠產生更多二氧化碳而非有毒的一氧化碳,同時降低一氧化氮和二氧化氮等氮氧化物的產生。

-----廣告,請繼續往下閱讀-----

最關鍵的一點,酒精與化石燃料相比,能夠更快速地幫助減碳。只要確保使用永續農法、不與糧食競爭土地的前提下,所製造的玉米乙醇,碳排量就是比化石燃料還要低。

E10 低碳汽油是填補減碳缺口的最快方案,挑戰只在接受度

英國引入 E10 後,每年減碳 75 萬噸,相當於減少 35 萬輛汽車的碳排量。而台灣呢?目前根據政策規劃,台灣 2040 年起將新售的汽機車全面電動化。依照這個目標進程,在 2025 年將達成減碳 288.6 萬噸的目標。然而,這距離運輸部門須減少 487 萬噸碳排量目標,還差 198 萬噸。

如果燃油車全面改用 E10 低碳汽油,則能減碳 202 萬噸,幾乎能完全彌補缺口。這項方案的優勢在於,E10 與一般汽油性質相近,不需更換新的引擎設計或架設特規加油站,執行門檻低。

實際上,目前推動低碳汽油最大的瓶頸,大概就是民眾對於這個新燃料的接受度了吧!如果接受度提升,購買量上升,成本也有機會進一步再下降。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
鳥苷三磷酸 (PanSci Promo)_96
222 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

1
0

文字

分享

0
1
0
數智驅動未來:從信任到執行,AI 為企業創新賦能
鳥苷三磷酸 (PanSci Promo)_96
・2025/01/13 ・4938字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

本文由 鼎新數智 與 泛科學 共同規劃與製作

你有沒有想過,當 AI 根據病歷與 X 光片就能幫你診斷病症,或者決定是否批准貸款,甚至從無人機發射飛彈時,它的每一步「決策」是怎麼來的?如果我們不能知道 AI 的每一個想法步驟,對於那些 AI 輔助的診斷和判斷,要我們如何放心呢?

馬斯克與 OpenAI 的奧特曼鬧翻後,創立了新 AI 公司 xAI,並推出名為 Grok 的產品。他宣稱目標是以開源和可解釋性 AI 挑戰其他模型,而 xAI 另一個意思是 Explainable AI 也就是「可解釋性 AI」。

如今,AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?

-----廣告,請繼續往下閱讀-----
AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?圖/pexels

黑盒子模型背後的隱藏秘密

無法解釋的 AI 究竟會帶來多少問題?試想,現在許多銀行和貸款機構已經使用 AI 評估借貸申請者的信用風險,但這些模型往往如同黑箱操作。有人貸款被拒,卻完全不知原因,感覺就像被分手卻不告訴理由。更嚴重的是,AI 可能擅自根據你的住所位置或社會經濟背景給出負面評價,這些與信用風險真的相關嗎?這種不透明性只會讓弱勢群體更難融入金融體系,加劇貧富差距。這種不透明性,會讓原本就已經很難融入金融體系的弱勢群體,更加難以取得貸款,讓貧富差距越來越大,雪上加霜。

AI 不僅影響貸款,還可能影響司法公正性。美國部分法院自 2016 年起使用「替代性制裁犯罪矯正管理剖析軟體」 COMPAS 這款 AI 工具來協助量刑,試圖預測嫌犯再犯風險。然而,這些工具被發現對有色人種特別不友好,往往給出偏高的再犯風險評估,導致更重的刑罰和更嚴苛的保釋條件。更令人擔憂的是,這些決策缺乏透明度,AI 做出的決策根本沒法解釋,這讓嫌犯和律師無法查明問題根源,結果司法公正性就這麼被悄悄削弱了。

此外,AI 在醫療、社交媒體、自駕車等領域的應用,也充滿類似挑戰。例如,AI 協助診斷疾病,但若原因報告無法被解釋,醫生和患者又怎能放心?同樣地,社群媒體或是 YouTube 已經大量使用 AI 自動審查,以及智慧家居或工廠中的黑盒子問題,都像是一場越來越複雜的魔術秀——我們只看到結果,卻無法理解過程。這樣的情況下,對 AI 的信任感就成為了一個巨大的挑戰。

為什麼人類設計的 AI 工具,自己卻無法理解?

原因有二。首先,深度學習模型結構複雜,擁有數百萬參數,人類要追蹤每個輸入特徵如何影響最終決策結果,難度極高。例如,ChatGPT 中的 Transformer 模型,利用注意力機制(Attention Mechanism)根據不同詞之間的重要性進行特徵加權計算,因為機制本身涉及大量的矩陣運算和加權計算,這些數學操作使得整個模型更加抽象、不好理解。

-----廣告,請繼續往下閱讀-----

其次,深度學習模型會會從資料中學習某些「特徵」,你可以當作 AI 是用畫重點的方式在學習,人類劃重點目的是幫助我們加速理解。AI 的特徵雖然也能幫助 AI 學習,但這些特徵往往對人類來說過於抽象。例如在影像辨識中,人類習慣用眼睛、嘴巴的相對位置,或是手指數量等特徵來解讀一張圖。深度學習模型卻可能會學習到一些抽象的形狀或紋理特徵,而這些特徵難以用人類語言描述。

深度學習模型通常採用分佈式表示(Distributed Representation)來編碼特徵,意思是將一個特徵表示為一個高維向量,每個維度代表特徵的不同方面。假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。對 AI 而言,這是理解世界的方式,但對人類來說,卻如同墨跡測驗般難以解讀。

假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。圖/unsplash

試想,AI 協助診斷疾病時,若理由是基於醫生都無法理解的邏輯,患者即使獲得正確診斷,也會感到不安。畢竟,人們更相信能被理解的東西。

打開黑盒子:可解釋 AI 如何運作?我們要如何教育 AI?

首先,可以利用熱圖(heatmap)或注意力圖這類可視化技術,讓 AI 的「思維」有跡可循。這就像行銷中分析消費者的視線停留在哪裡,來推測他們的興趣一樣。在卷積神經網絡和 Diffusion Models 中 ,當 AI 判斷這張照片裡是「貓」還是「狗」時,我需要它向我們展示在哪些地方「盯得最緊」,像是耳朵的形狀還是毛色的分布。

-----廣告,請繼續往下閱讀-----

其次是局部解釋,LIME 和 SHAP 是兩個用來發展可解釋 AI 的局部解釋技術。

SHAP 的概念來自博弈,它將每個特徵看作「玩家」,而模型的預測結果則像「收益」。SHAP 會計算每個玩家對「收益」的貢獻,讓我們可以了解各個特徵如何影響最終結果。並且,SHAP 不僅能透過「局部解釋」了解單一個結果是怎麼來的,還能透過「全局解釋」理解模型整體的運作中,哪些特徵最重要。

以實際的情景來說,SHAP 可以讓 AI 診斷出你有某種疾病風險時,指出年齡、體重等各個特徵的影響。

LIME 的運作方式則有些不同,會針對單一個案建立一個簡單的模型,來近似原始複雜模型的行為,目的是為了快速了解「局部」範圍內的操作。比如當 AI 拒絕你的貸款申請時,LIME 可以解釋是「收入不穩定」還是「信用紀錄有問題」導致拒絕。這種解釋在 Transformer 和 NLP 應用中廣泛使用,一大優勢是靈活且計算速度快,適合臨時分析不同情境下的 AI 判斷。比方說在醫療場景,LIME 可以幫助醫生理解 AI 為何推薦某種治療方案,並說明幾個主要原因,這樣醫生不僅能更快做出決策,也能增加患者的信任感。

-----廣告,請繼續往下閱讀-----

第三是反事實解釋:如果改變一點點,會怎麼樣?

如果 AI 告訴你:「這家銀行不會貸款給你」,這時你可能會想知道:是收入不夠,還是年齡因素?這時你就可以問 AI:「如果我年輕五歲,或者多一份工作,結果會怎樣?」反事實解釋會模擬這些變化對結果的影響,讓我們可以了解模型究竟是如何「權衡利弊」。

最後則是模型內部特徵的重要性排序。這種方法能顯示哪些輸入特徵對最終結果影響最大,就像揭示一道菜中,哪些調味料是味道的關鍵。例如在金融風險預測中,模型可能指出「收入」影響了 40%,「消費習慣」占了 30%,「年齡」占了 20%。不過如果要應用在像是 Transformer 模型等複雜結構時,還需要搭配前面提到的 SHAP 或 LIME 以及可視化技術,才能達到更完整的解釋效果。

講到這裡,你可能會問:我們距離能完全信任 AI 還有多遠?又或者,我們真的應該完全相信它嗎?

-----廣告,請繼續往下閱讀-----

我們終究是想解決人與 AI 的信任問題

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。因此,AI 既要「可解釋」,也要「能代理」。

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。圖/unsplash

舉例來說,當一家公司要做一個看似「簡單」的決策時,背後的過程其實可能極為複雜。例如,快時尚品牌決定是否推出新一季服裝,不僅需要考慮過去的銷售數據,還得追蹤熱門設計趨勢、天氣預測,甚至觀察社群媒體上的流行話題。像是暖冬來臨,厚外套可能賣不動;或消費者是否因某位明星愛上一種顏色,這些細節都可能影響決策。

這些數據來自不同部門和來源,龐大的資料量與錯綜關聯使企業判斷變得困難。於是,企業常希望有個像經營大師的 AI 代理人,能吸收數據、快速分析,並在做決定時不僅給出答案,還能告訴你「為什麼要這麼做」。

傳統 AI 像個黑盒子,而可解釋 AI (XAI)則清楚解釋其判斷依據。例如,為什麼不建議推出厚外套?可能理由是:「根據天氣預測,今年暖冬概率 80%,過去三年數據顯示暖冬時厚外套銷量下降 20%。」這種透明解釋讓企業更信任 AI 的決策。

-----廣告,請繼續往下閱讀-----

但會解釋還不夠,AI 還需能真正執行。這時,就需要另一位「 AI 代理人」上場。想像這位 AI 代理人是一位「智慧產品經理」,大腦裝滿公司規則、條件與行動邏輯。當客戶要求變更產品設計時,這位產品經理不會手忙腳亂,而是按以下步驟行動:

  1. 檢查倉庫物料:庫存夠不夠?有沒有替代料可用?
  2. 評估交期影響:如果需要新物料,供應商多快能送到?
  3. 計算成本變化:用新料會不會超出成本預算?
  4. 做出最優判斷,並自動生成變更單、工單和採購單,通知各部門配合執行。

這位 AI 代理人不僅能自動處理每個環節,還會記錄每次決策結果,學習如何變得更高效。隨時間推移,這位「智慧產品經理」的判斷將更聰明、決策速度更快,幾乎不需人工干預。更重要的是,這些判斷是基於「以終為始」的原則,為企業成長目標(如 Q4 業績增長 10%)進行連續且動態地自我回饋,而非傳統系統僅月度檢核。

這兩位 AI 代理人的合作,讓企業決策流程不僅透明,還能自動執行。這正是數智驅動的核心,不僅依靠數據驅動決策,還要能解釋每一個選擇,並自動行動。這個過程可簡化為 SUPA,即「感知(Sensing)→ 理解(Understanding)→ 規劃(Planning)→ 行動(Acting)」的閉環流程,隨著數據的變化不斷進化。

偉勝乾燥工業為例,他們面臨高度客製化與訂單頻繁變更的挑戰。導入鼎新 METIS 平台後,偉勝成功將數智驅動融入業務與產品開發,專案準時率因此提升至 80%。他們更將烤箱技術與搬運機器人結合,開發出新形態智慧化設備,成功打入半導體產業,帶動業績大幅成長,創造下一個企業的增長曲線。

-----廣告,請繼續往下閱讀-----

值得一提的是,數智驅動不僅帶動業務增長,還讓員工擺脫繁瑣工作,讓工作更輕鬆高效。

數智驅動的成功不僅依賴技術,還要與企業的商業策略緊密結合。為了讓數智驅動真正發揮作用,企業首先要確保它服務於具體的業務需求,而不是為了技術而技術。

這種轉型需要有策略、文化和具體應用場景的支撐,才能讓數智驅動真正成為企業持續增長的動力。

還在猶豫數智驅動的威力?免費上手企業 AI 助理!👉 企業 AI 體驗
現在使用專屬邀請碼《 KP05 》註冊就享知:https://lihi.cc/EDUk4
訂閱泛科學獨家知識頻道,深入科技趨勢與議題內容。

👉立即免費加入

-----廣告,請繼續往下閱讀-----
鳥苷三磷酸 (PanSci Promo)_96
222 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

2
1

文字

分享

0
2
1
用科學定義左邊:當宇稱對稱被顛覆時,物理學如何重新書寫規律?
PanSci_96
・2024/12/16 ・1888字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

揭開宇宙的對稱之謎

如果有人問你:「什麼是左邊?」你可能會說:「左手那邊就是左邊。」但如果對方問:「左手是哪一隻?」你可能回答:「心臟那邊的手就是左手。」這樣的回答對人類來說很容易理解,但如果對方是一個從未見過人類的外星人,該怎麼解釋呢?

這個問題看似簡單,實際上涉及了物理學中的深奧話題。1956 年,三位華人科學家楊振寧、李政道和吳健雄,通過實驗揭示了一個驚人的事實:我們的宇宙對「左」與「右」其實並不完全對稱。這一發現推翻了人類長期以來對對稱性的認識。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

宇稱對稱性:鏡子中的世界會一樣嗎?

要了解這個發現,我們需要先認識「宇稱」的概念。宇稱(Parity)是物理學中用來描述對稱性的一種方法。它的意思是,如果我們把空間中的座標 (x, y, z) 反轉成 (-x, -y, -z),自然界的規律應該還是一樣的。例如,當一顆蘋果從樹上掉下來,我們用鏡子看時,蘋果還是會掉向地面,而不是飛向天空。這說明鏡像中的世界和真實世界是對稱的。

很長一段時間裡,科學家認為這種對稱性適用於所有自然現象,無論是在宏觀還是微觀世界。然而,到了 1950 年代,一些基本粒子的行為挑戰了這種觀點。

-----廣告,請繼續往下閱讀-----

宇稱不守恆:弱交互作用的例外

在物理學中,有四種基本交互作用:重力、電磁力、強交互作用和弱交互作用。弱交互作用是描述粒子衰變的力量,比如中子會通過弱交互作用衰變成質子、電子和一個反微中子。

1956 年,楊振寧和李政道提出一個大膽的假設:在弱交互作用中,宇稱對稱性可能並不成立。他們指出,雖然大多數物理現象在鏡像中是對稱的,但弱交互作用的某些過程可能偏好「左手性」。

楊振寧與李政道提出一個大膽的假設,指出在弱交互作用中可能破壞宇稱對稱性。圖/envato

為了驗證這個假設,他們邀請吳健雄設計了一個關鍵實驗,這就是後來著名的「吳氏實驗」。

吳氏實驗:揭示宇宙偏愛左手性

吳健雄選擇使用鈷-60 原子的 β 衰變作為實驗對象。鈷-60 是一種不穩定的同位素,會釋放出電子和反微中子。她將這些原子冷卻到極低溫,並用強磁場讓它們的自旋方向統一。

-----廣告,請繼續往下閱讀-----

實驗的關鍵是觀察電子的發射方向。如果宇稱守恆,那麼電子應該會均勻地向各個方向發射。然而,吳健雄的實驗結果卻顯示,電子有明顯的偏向,總是傾向於與原子自旋方向相反的方向發射。

這一結果證明,在弱交互作用中,鏡像世界與真實世界並不對稱,宇稱不守恆。而且,它表明自然界偏好「左手性」,或者說弱交互作用是一個「左撇子」。

為什麼這個發現重要?

宇稱不守恆的發現改變了我們對宇宙基本規律的理解。物理學家過去認為自然界的規律應該是完全對稱的,但這一發現表明,在某些情況下,對稱性會被打破。

這項研究還引發了更多的問題。例如,為什麼宇宙會偏愛「左手性」?是否還有其他交互作用也會破壞對稱性?隨後的研究顯示,如果將宇稱(P 對稱)和電荷共軛(C 對稱)結合在一起,則可以恢復某種對稱性,這被稱為「CP 對稱」。

-----廣告,請繼續往下閱讀-----

然而,1964 年的實驗又發現,CP 對稱在某些情況下也會被打破,這進一步推動了對基本物理規律的研究。特別是 CP 對稱破壞可能與宇宙中物質多於反物質的原因有關,這是當代物理學的一個重要課題。

CP 對稱破壞揭示了宇宙偏愛「左手性」與物質多於反物質的可能原因。圖/envato

用科學解釋左與右

回到最初的問題:如果我們需要向外星人解釋「左邊」的概念,該怎麼做呢?現在我們知道,可以通過像吳氏實驗這樣的方法,用弱交互作用來區分左與右。簡單地說,只要觀察粒子的衰變方向,就能定義出哪一邊是「左」。

這個發現讓我們更深入地理解了自然界的基本規律。它不僅是一次物理學的重大突破,也讓我們重新認識到宇宙的奇妙與複雜。

歡迎訂閱 Pansci Youtube 頻道 鎖定每一個科學大事件!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

PanSci_96
1262 篇文章 ・ 2400 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。