0

10
3

文字

分享

0
10
3

水面艦如何找到潛水艇?潛水艇如何隱藏自己?——潛艦與反潛的捉迷藏

PanSci_96
・2023/11/25 ・5953字 ・閱讀時間約 12 分鐘

-----廣告,請繼續往下閱讀-----

潛水艇到底有多重要?

最近關於潛水艇的新聞可不少,首艘國造潛艦「海鯤號」下水典禮、中國 093 潛艇「疑似」失事、前陣子還有烏克蘭使用導彈與無人機成功襲擊俄羅斯基洛級潛艇的新聞,潛水艇的關注度一時間高了不少。

但是你一定好奇,潛水艇對國防來說,真的很重要嗎?還有,現代觀測技術那麼發達,在這些儀器的眼皮之下,潛艇真的還能保持隱形嗎?

反潛方怎麼找到藏匿海中的潛艦?

潛水艇以安靜、隱蔽著稱,有著極重要的戰略價值,不僅可以水下布雷、隱蔽投送兵力與物資;它難以被發現的特性,更是打擊水面艦的刺客,往往能讓敵人不敢越雷池一步。

-----廣告,請繼續往下閱讀-----

當然,要造一艘能潛在水下的潛艇肯定不簡單,畢竟如果在水面下出事了,很難立即取得救援,安全的要求遠高於其他載具。另一方面,以隱蔽為最高原則的潛艦,從引擎、外型、武器到主動聲納,都需要新科技的改進,來讓自己發出的聲音降到最低。

但潛艦與反潛就像臥虎捉藏龍,如果能隨時掌握這隻水中蛟龍的動向,潛艦的威懾力就會大幅降低,甚至能將其一網打盡。因此相對地,隱蔽的技術進步時,反潛的技術也有所突破,透過光學、聲學、磁場等技術,要讓潛艦原形畢露。

潛艦與反潛就像臥虎捉藏龍。圖/imdb

既然我們知道潛艦的隱蔽性是最高考量,現在我們就站在反潛方,來看看如何抓出一艘潛水艇。
主動偵查其實跟「通訊」很像,都是傳送一個訊息到目標物,再接收傳回來的訊號。只是通訊的訊號是對方主動回傳回來的。主動偵查呢,則是訊號碰到目標物再反射回來被我們接收。沒錯,這跟蝙蝠的回聲定位很像,只是一個在水面上,一個在水裡。

為什麼水中使用的是「聲納」而非「雷達」?

現代遠距無線傳輸的方式主要有兩種,電磁波通訊與聲波通訊。在水面以上,我們通常以電磁波傳輸,因為在空氣中這麼做最有效率,因此不論是無線通訊還是手機微波訊號,多是以電磁波的形式在傳輸。
可惜這個方法到水中就不管用了,為什麼呢?電磁波穿過水的時候會因為兩個原因,讓強度快速衰減。一是電磁波容易被水吸收,二是電磁波與水分子碰撞會產生散射,舉例來說,太陽光也是電磁波的一種,而太陽光就會因為在海水中散射,而讓海看起來是藍色。

-----廣告,請繼續往下閱讀-----
太陽光就會因為在海水中散射,而讓海看起來是藍色。圖/unsplash

這種電磁波衰減的程度有多少呢?具體來說,在最清澈的海水中,可見光每前進 1 公尺,亮度就會衰減 4% 。如果想使用無線電通訊,以一個頻率 1000 赫茲的電磁波來說,每向前進一千碼(大約 900 公尺),訊號強度就會減少 1300 分貝。這邊說明一下,「分貝 dB 」不只是聲音音量的單位,而是可以用在各種需要表達強度比例的單位。

電磁波每減少 10 分貝,就意味能量減小 10 倍。圖/PanSci YouTube

舉例來說,電磁波每減少 10 分貝,就意味能量減小 10 倍。在前進一千碼時減少 1300 分貝,就意味能量會衰退 10 的 130 次方倍,小到等於沒有。在實務上,通常電磁波的極限穿透距離就只有幾十到幾百公尺而已。相比之下,如果從電磁波換成低頻聲波,每一千碼的損失約為 0.01 分貝,跟電磁波相比起來可以說是幾乎沒有損失。

通常電磁波的極限穿透距離就只有幾十到幾百公尺而已。相比之下,低頻聲波可以說是幾乎沒有損失。圖/PanSci YouTube

因此在水中,大家聽到的不會是什麼「雷達」,因為雷達(RADAR)的全名是 Radio Detection and Ranging ,是使用電磁波偵查的技術。在水裡我們用的是「聲納」,是利用聲音當傳輸訊息與探知物體的手段。

此時蝙蝠的回聲定位使漆黑水底頓時明亮起來,聲波在海裡的傳播速度約為每秒 1500 公尺,只要計算我們發出的聲波與接收到聲波的時間差,我們就能辨別物體的距離。例如我們在聲波發出後的 10 秒後接收到反彈的訊號,就代表聲波來回走了 10 秒共 1 萬 5 千公尺的距離,我們和目標物就是這個距離的一半,也就是 7 千 5 百公尺。

-----廣告,請繼續往下閱讀-----

聲納裝載潛水艇上可以成為潛水艇的眼睛,裝在水面艦上,可以成為抓出潛水艇的掃描儀。潛水艇沒有聲納,姑且可以靠海圖小心航行,水面艦沒有聲納,面對潛水艇就只能海底撈針。

潛艦與反潛技術的發展

潛水艇在第一次世界大戰中開始展現出重要的戰略價值,其中最著名的潛艇戰就是德國的 U 艇和德國實施的「無限制潛艇戰」。當時德國的對手英國是個島國,因此便想到利用潛艦封鎖英國,無論是軍艦或商船一律擊沉,希望能拖垮英國的經濟。雖然德國最後未取得戰爭勝利,但潛水艇也確實擊沉了多艘協約國的船艦,立下的戰績是有目共睹。

最著名的潛艇戰就是德國的 U 艇和德國實施的「無限制潛艇戰」。圖/wikipedia

有鑑於此,反潛聲納的技術由此萌芽。第一個主動式聲納在第一次世界大戰期間,被著名物理學家朗之萬發明。 1915 年,第一個潛艇探測器「ASDIC」開始在英國海軍的艦艇上被運用。 1931 年,美國也發明了潛艇偵測裝置,並稱它為「SONAR」,顯然這名字取得比較好,也成為現在最常稱呼這種技術的名稱,聲納。

第一個主動式聲納在第一次世界大戰期間,被著名物理學家朗之萬發明。圖/PanSci YouTube

至此,水面艦就像開了白眼一樣,潛水艇終於無所遁形⋯⋯真的嗎?聲納既然已經發明了百年,為何潛水艇至今似乎仍保有隱蔽優勢呢?在科技發達的現代,聲納為何還是無法抓出所有潛艇?

-----廣告,請繼續往下閱讀-----

很可惜,事情沒有那麼簡單。當大家帶著最新科技和設備準備挑戰潛水艇這個可敬對手,卻突然被隱藏 BOSS 跳出來狠狠地打了臉,他就是:物理。

什麼是「陰影區」?潛艦能夠躲藏的位置?

讓我們回到大家都做過的實驗,準備一個透明杯子裝水,把筷子插入水中。因為光線在穿過不同介質的介面時,會因為速度改變而轉彎,所以筷子插到水杯中會出現偏折,水面上跟下呈現不同角度,看起來就像是被折彎了。

光線在穿過不同介質的介面時,會因為速度改變而轉彎,聲音也是。圖/wikipedia

聲音跟光一樣都是「波」的一種,因此在穿過不同密度的介質時也會產生折射,路徑出現偏折。你說道理我都懂,但海裡面只有水,哪來的不同介質?

還真的有,那就是隨著經緯度與深度變化,鹽分、水溫、密度都不同的海水。鹽分、水溫、密度的升高,都會導致聲速變快。而這三者在海中的各處都不會是固定的。例如在不同深度的海水中,深度 1000 公尺內上層海域的斜溫層,當深度越深離海面越遠,海水越得不到太陽的加溫,因此海溫快速驟減,而海溫的降低也會導致聲速降低。深度超過 1000 公尺以後的深海等溫層,溫度、鹽分的變化趨緩,此時壓力會隨著深度增加而增加,海水密度開始小幅度上升,因此聲速緩慢增加。

-----廣告,請繼續往下閱讀-----
每一處海水根據鹽分、水溫、密度不同,都會影響聲速。圖/PanSci YouTube

每一層有不同聲速的海水,就等於是不同的介質,聲波會在不同層的海水之間產生折射。類似的現象也發生在空氣中。在炙熱的沙漠或是天氣熱的柏油路面,偶而會因為空氣的密度分布不均,光線在不同密度的空氣間產生偏折,出現影像在空中出現的錯覺,也就是海市蜃樓的現象。

重點來了,在海裡的折射會是怎麼樣的呢?假設我們有一艘潛的足夠深的潛艇,海面附近的聲納發出一道聲音斜向海洋深處前進,根據決定折射角度的斯乃爾定律,當聲速上升,聲音會偏離介面的法線,偏向兩個液體的交界面。在海中的實際表現,就是聲音產生偏折,漸漸與海平面平行,當偏折的角度超過 90 度,最後甚至會向上偏折,產生全反射。

而斯乃爾定律也告訴我們,偏折的程度跟入射角有關,當角度超過臨界角時,才會產生全反射。根據這些聲波行進路線畫出來的圖,可以看到一塊聲波永遠到達不了的地方,這就是陰影區(shadow zone)。如果潛艇躲藏在這個位置,那麼水面上的敵人就永遠也無法透過主動聲納發現你。

根據這些聲波行進路線畫出來的圖,可以看到一塊聲波永遠到達不了的地方,這就是陰影區(shadow zone)。圖/PanSci YouTube

除此之外,從聲納路徑圖可以看得出來,在水中聲納走的路徑像是 U 字型一樣,會不斷在海面反射,在海中全反射。而線與線之間的空白處,是聲波不會經過的地方,也屬於陰影區。因此實際從水面偵測潛艦時,只有在碰到這些線的時候會收到該點的訊號,如果要抓出敵人,就要在獲知訊號時抓緊時間。

-----廣告,請繼續往下閱讀-----

如何減少陰影區範圍?

為了減少這些陰影區死角的範圍,也有一些有趣但複雜的想法,例如使用拖曳式陣列聲納,一個點不夠,那我就拉一排,減少盲區。或是透過小角度的海底反射,來覆蓋近距離內的更多範圍。然而這也不會只是畫一張圖那麼簡單,平常聲納就要過濾來自自身引擎的噪音,或是因為海底等非目標物的環境反射。多一次反射,就意味會多一道訊號反射到聲納中,要如何將這些訊號區分開來,判斷哪些是海床訊號,哪些是敵艦訊號,就各憑本事。

沒錯,就算有了聲納系統還不夠,海底資訊的掌握度和後期運算更是兵家相爭的關鍵。你想想,就算你知道聲音會隨著密度轉彎,但你知道眼前海域每個深度的實際密度嗎?如果你不知道這些資料,就算接收到訊號,你真的算得出敵艦的位置嗎?

舉例來說,冬天和夏天的海溫不同,聲音偏折的角度不同,能探查的範圍與死角就不相同。當你在不同緯度,不同海域作戰時,所需要的資料也不相同。

冬天和夏天的海溫不同,聲音偏折的角度不同,能探查的範圍與死角就不相同。圖/PanSci YouTube

台灣冬夏兩季分別受東北季風與西南季風吹拂,周圍又有黑潮、中國沿岸流等洋流影響,各層水溫隨季節變化影響劇烈,台灣海峽又因地形原因海流複雜,被稱為黑水溝。在此之上,能掌握好周圍的海流活動,除了能兼顧潛艦的航行安全外,也有助於提升潛艦的隱蔽性。

-----廣告,請繼續往下閱讀-----

潛艦與反潛的無數過招?

海洋的複雜性,構成了潛艦至今仍能維持隱蔽優勢的原因。而這場臥虎捉藏龍的對決到此還沒有結束,我們只介紹了第一招,後面大概還有 99 種招式等待要過招。例如潛艦關掉主動聲納後,如何靠被動聲納安全航行並鎖定目標?

除了透過聲納,搭載磁性探測儀的反潛機怎麼從異常磁場訊號中辨別海底的金屬潛艇?又或是水面上的聲納會被全反射,那麼改變深度的話是不是就能解決了?實際上,既然在海面上聽不見,反過來把聲納放進海中,放在海水密度最低的「深海聲道通道軸」這個如同光纖般的區域,就能清楚聽到來自遠方的聲音。

諸如此類的軍事科技對弈,就像其他科技一樣,對決永遠不會結束。如果你還有那些想了解的面向,不論是潛艦或是其他軍事科技,也歡迎留言告訴我們。

最後也想問問大家,你覺得潛水艇最大的戰略價值是什麼呢?

  1. 多一種隱蔽武器,多一種威嚇,提升敵人的作戰成本
  2. 突破封鎖線,在關鍵時刻打擊敵人的大型艦艇
  3. 間諜作戰,深入敵後蒐集電訊號與艦艇聲譜特徵,偷偷獲取情報

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
PanSci_96
1262 篇文章 ・ 2408 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
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
0

文字

分享

0
2
0
從門得列夫到 118 種元素:元素週期表是怎麼出現的?
F 編_96
・2025/01/04 ・2302字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

F 編按:本文編譯自 Live Science

「氫鋰鈉鉀銣銫砝、铍鎂鈣鍶鋇镭…」相信很多人離開高中很多年,都還朗朗上口。

列著 118 種已知化學元素的「元素週期表」(Periodic Table),雖然唸起來像咒文,但有了它之後便能夠快速查詢原子序(proton number)、價電子(valence electrons)數量,以及元素可能的化學性質,成為各領域科學家與工程師設計實驗、預測物質反應必不可少的工具。

有趣的是,元素週期表並非一蹴可及。縱觀歷史,化學家們歷經數世紀的摸索、爭論與資料整理,才在 19 世紀後半葉逐漸確立。

我們現在看到的元素週期表,是在 19 世紀後半才逐漸確定。 圖/unsplash

週期表之父:門得列夫的突破

19 世紀中葉,已知的化學元素約有 63 種,許多化學家嘗試找出元素間的共同點,卻苦無系統性整理。當時能區分「金屬」與「非金屬」,或利用價電子概念將一些元素歸類,但要涵蓋大多數元素仍顯不足。俄國化學家門得列夫在撰寫《化學原理》教科書時,因接觸各元素的資料而產生新思路。他索性把已知元素各種性質寫在紙卡上,再一一比對它們的原子量(類似當今的原子量或原子序概念)與化學性質。

-----廣告,請繼續往下閱讀-----

確切的靈光乍現時刻,如今已無從完全重現,但我們知道門得列夫最後觀察到:「如果按照原子量(或後來的原子序)由小到大排列,某些化學性質就會呈週期性重複。」進一步來看,元素的價電子數量通常也會對應到表格的「欄位」或「族群」。於是,在 1869 年,他將研究結果發表,提出了第一版週期表的雛形,更大膽預言了尚未被發現的元素「eka-aluminium」(後來證實即鎵 gallium)及其他四種元素的性質。

讀懂週期表:原子序、符號與原子量

今日的週期表之所以能快速讓人獲得豐富資訊,關鍵在於三個核心欄位:

  1. 原子序(Atomic Number)
    代表該元素核內所含質子數。如果一原子核有 6 顆質子,就必定是碳(C),無論其他中子或電子數如何。此序號由上而下、由左而右遞增,貫穿整張表格。
  2. 元素符號(Atomic Symbol)
    多為一至兩字母縮寫,如碳(C)、氫(H)、氧(O)。但也有如鎢(W,因「Wolfram」得名)或金(Au,取自拉丁文「Aurum」)等較不直覺的符號。
  3. 原子量(Atomic Mass)
    表示該元素在自然界中各同位素的加權平均值,故通常是帶小數的數字。對合成元素則標示最常見或最穩定同位素的質量,但由於這些元素壽命極短,數值往往會被不斷修正。

舉例來說,硒(Se)在週期表中顯示原子序 34,屬於第 4 週期、第 6A 族,表示它有四層電子軌域,其中最外層(價電子層)有 6 顆電子。有了這些資訊,科學家可快速判斷硒的化學傾向、可形成何種化合物,乃至於在生物或工業應用中可能扮演的角色。

週期表的內部結構:週期、族與軌域

門得列夫最初按照原子量遞增排列元素,現代則依靠原子序(即質子數)來分類。橫向稱為「週期」(Period),從第 1 週期到第 7 週期;縱向稱為「族」(Group),目前總共有 18 組。週期數量在於顯示該元素電子軌域有幾層;而同一族則代表外層價電子數相同,故有相似化學性質。

-----廣告,請繼續往下閱讀-----

例如,第 18 族常被稱作「貴氣體」或「惰性氣體」,如氦(He)、氖(Ne)、氬(Ar)等皆不易與其他元素起反應。另一個顯著群體是位於第一族的鹼金屬(Alkali Metals),如鋰(Li)、鈉(Na)等,因外層只有 1 顆電子,極容易失去該電子而形成帶 +1 價的陽離子,故與水猛烈反應。

此外,在表格中央有一塊「過渡元素」(Transition Metals)區域,包括鐵(Fe)、銅(Cu)、鎳(Ni)、金(Au)、銀(Ag)等。它們具有部分填充的 d 軌域,使得該區域的元素呈現多樣性質,例如具有金屬光澤、可塑性或導電性等,被廣泛應用於工業及工程領域。

同一族的外層價電子數相同,因此大多有著相似化學性質。圖/unsplash

再進化:從 63 種到 118 種

當門得列夫在 1869 年發表週期表時,已知元素只有 63 種,表格中甚至留有空白以預留「未來或存在尚未發現的元素」。他果然預測到了鎵(Ga)以及日後證實的日耳曼ium(Ge)等新元素性質,贏得舉世矚目。隨後,有越來越多元素透過科學發展,尤其是光譜分析與放射性研究而被發現,例如鐳(Ra)和氡(Rn)等。

到 20 世紀後期,隨著粒子加速器的誕生,人類可以合成更重的超鈾元素(Atomic Number > 92)。這些人工合成元素往往極度不穩定,壽命僅能以毫秒或微秒計,但仍證實存在、並填補週期表後段空白。如今,週期表已收錄到第 118 號元素「鿆(Og,Oganesson)」,但科學家預測或許還能繼續向上延伸;只要能合成更重、更穩定的原子核,我們就能拓展週期表的新邊境。

-----廣告,請繼續往下閱讀-----

一般認為,隨原子序遞增,原子核內部的質子數目激增,原子愈趨不穩,往往在極短時間內衰變成較輕元素。然而,一些理論物理學家提出「島狀穩定性」(Island of Stability)的概念:也許在某特定質子與中子數量組合下,能出現意外長壽的「穩定」重元素。

是否真能在表格上方再增添「第八週期」甚至更高週期的列,仍有待更多實驗來驗證。但無法否認的是,週期表一直是科學家檢驗自然規律的試驗場,也見證了人類探索未知的無盡熱情。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

F 編_96
22 篇文章 ・ 1 位粉絲
一個不小心闖入霍格華茲(科普)的麻瓜(文組).原泛科學編輯.現任家庭小精靈,至今仍潛伏在魔法世界中💃