和外星人的第五類接觸！《三體》中的微中子通訊是真的？

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

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！

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。

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。）

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。

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。

不要回答！不要回答！不要回答！

Netflix 版「三體」終於上線了，你覺得與外星人接觸是安全的，還是冒險的？

其實啊，人類早就多次嘗試與外星文明接觸，三體中的「那個」技術，甚至也已經驗證成功了？到底誰能先與外星人取得聯繫？是中國還是美國？

接下來的討論可能會暴雷原版小說的設定，但應該不會暴雷 Netflix 版的劇情。

如果你也有一點想跟外星人接觸，那就來看看人類到底已經跟外星人搭訕到什麼程度了吧！

我們與外星文明接觸過了嗎？

對於是否要與外星文明接觸，每個人都有不同想法。三體小說作者劉慈欣在小說中提出一種觀點，那就是人類太弱小，最好避免與外星文明接觸，以免招致不必要的風險。

但是回到現實世界，如果我們真的身處在三體的世界的話，那人類可真的是不停作死啊。早在 1974 年，科學家就利用阿雷西博天文台，向武仙座的 M13 球狀星團發射了一條著名的訊息，也就是「阿雷西博訊息」。這個目標距離地球不算遠，星星又多，被認為是潛在的外星文明所在。阿雷西博訊息中，則包含人類的 DNA 結構、太陽與九大行星、人類的姿態等資訊。每次想到總覺得是新開的炸雞排在發傳單攬客。

除了無實體的電波訊息，人類還向太空中發送了實體的「信件」。1977 年，航海家探測器載著「航海家金唱片」進入太空。唱片中收錄了包含台語在內，55 種語言的問候語、大自然與鳥獸的聲音、115 張圖像、還用 14 顆銀河系內已知的脈衝星來標示出太陽系的位置。是一封向宇宙表達人類文明與友好意圖的信件。恩，如果接收到這個訊息的外星人不是很友善的話，那麼……。

好吧，就算現在說應該要謹慎考慮接觸外星文明的風險，或許已經來不及了。對方是善還是惡，怎麼定義善或惡，會不會突然對我們發動攻擊，我們也只能聽天由命了。

反過來說，過了這麼久，我們收到外星文明的來信了嗎？

要確定有沒有外星文明，接收訊號當然跟發送訊號同等重要甚至更重要。1960 年，天文學家法蘭克．德雷克，就曾通過奧茲瑪計畫，使用直徑 26 公尺的電波望遠鏡，觀察可能有外星文明的天苑四和天倉五兩個恆星系統，標誌著「尋找外星智慧計畫」（the Search for Extraterrestrial Intelligence, SETI）的誕生。可惜，累積了超過 150 小時的訊息，都沒有搜尋到可辨識的訊號。

比較近的則是 1995 年的鳳凰計畫，要研究來自太陽附近一千個恆星所發出的一千兩百到三千百萬赫的無線電波。由於有經費支持，SETI 每年可以花五百萬美元，掃描一千多個恆星，但是目前還沒有任何發現。

中間有一個小插曲是，1967 年 10 月，英國劍橋大學的研究生喬絲琳．貝爾發現無線電望遠鏡收到了一個非常規律的脈衝訊號，訊號周期約為 1.34 秒，每次脈衝持續時間 0.04 秒。因為有可能是來自外星文明的訊號，因此訊號被開玩笑地取為 Little Green Man 1（LGM-1 號）。但後來他們又發現了多個類似的脈衝信號，最後證實這些脈衝是來自高速自轉的中子星，而非某個文明正在傳遞訊息。

在中國也有探索外星生命的計畫，大家最關注的貴州天眼望遠鏡，直徑達五百公尺，是地球上最大的單一口徑電波望遠鏡。天眼望遠鏡在探索外星生命這件事，並不只是傳聞而已。2016 年 9 月天眼正式啟用後，也宣布加入 SETI 計畫。現在貴州天眼的六大任務之一，就包含探測星際通訊，希望能捕捉到來自其他星際文明的訊號。

而背負著地球最大單一口徑望遠鏡的名號，自然也引起不少關注。從 2016 年啟用到現在，就陸續出現不少檢測到可疑訊號的新聞。然而，這些訊號還需要經過檢驗，確定不是其他來自地面或地球附近的干擾源，或是我們過去難以發現的輻射源。可以確定的是，目前官方還未正式聲明找到外星文明訊號。

會不會是我們的通訊方法都選擇錯誤了？

即使電磁波用光速傳遞訊息，太陽系的直徑約 2 光年、銀河系直徑約 10 萬光年。或許我們的訊息還需要花很多時間才回得來，更別提那些被拋入太空的實體信件。航海家 1 號曾是世界上移動速度最快的人造物，現在仍以大約時速 6 萬公里的速度遠離地球，大約只有光速的一萬八千分之一倍。就算朝著最近的恆星——比鄰星飛去，最少也需要大約 7 萬 6 千年的時間才會到。

如果用電磁波傳遞訊息，又容易因為穿越星塵、行星、恆星等天體而被阻擋或吸收。不論是人類還是外星文明，都必須找到一個既快速，又不容易衰退的訊號，最好就是能以光速穿越任何障礙物的方式。

在三體小說中，就給出了一個關鍵方法：微中子通訊。

微中子通訊是什麼？

微中子（Neutrino），中國通常翻譯為中微子，是一種基本粒子。也就是說它是物質的最基本組成單位，無法被進一步分割。這種粒子引起了廣泛關注，因為它與其他物質的交互作用極弱，並且以極高的速度運動。微中子能夠輕易穿過大部分物質，通過時幾乎不受阻礙，因此難以檢測。

在宇宙中，微中子的數量僅次於光子，是宇宙中第二多的粒子。有多多呢？地球上面向太陽的方向，每平方公分的面積，大約是你的手指指尖，每秒鐘都會被大約 650 億個來自太陽的微中子穿過，就是這麼多。但是因為微中子與物質的反應真的是太弱了，例如在純水中，它們平均需要向前走 250 光年，才會與水產生一次交互作用，以至於我們幾乎不會發現它們的存在。

但是對物理學家來說，更特別的是微中子展示出三種不同的「味」（flavor），也就是三種樣貌，電子微中子，渺子微中子和濤微中子，分別對應到不同的物理特性。 在粒子物理學裏，有個「標準模型」來描述強力、弱力及電磁力這三種基本力，以及所有基本粒子。在這個標準模型中，微中子是不具備質量的。 然而，當科學家發現微中子竟然有三種味，而且能透過微中子振盪，在三種「味」之間相互轉換，證明了微中子必須具有質量，推翻了標準模型中預測微中子是無質量的假設，表示標準模型還不完備。

微中子在物理界是個非常有研究價值的對象，值得我們花上一整集來好好介紹，這邊就先點到為止。如果你對微中子或其他基本粒子很感興趣，歡迎在留言催促我們。

我們現在只要知道，微中子不僅推翻了標準模型。宇宙中含量第二多的粒子竟然有質量這件事情，更可能更新我們對宇宙的理解，以及增加對暗物質的了解。

但回到我們的問題，如果微中子幾乎不與其他粒子交互作用，我們要怎麼接收來自外星文明的微中子通訊呢？

要如何接收微中子？

Netflix 版《三體》預告片中，這個一閃而過，充滿金色圓球，帶有點宗教與科幻風格的大水缸，就是其中的關鍵。

這個小說中沒有特別提到，但相信觀眾中也有人一眼就看出來。這就是位在日本岐阜縣飛驒市，地表 1,000 公尺之下，由廢棄礦坑改建而成的大型微中子探測器「神岡探測器」。

探測器的主要結構是一個高 41.4 米、直徑 39.3 米的巨大圓柱形的容器。容器的內壁上安裝有 11200 個光電倍增管，用於捕捉微小的訊號。水缸中則需灌滿 5 萬噸的超純水。捕捉微中子的方式是等待微中子穿過整座探測器時，微中子和水中的氫原子和氧原子發生交互作用，產生淡藍色的光芒。這與我們在核電系列中提到，核燃料池中會發出淡藍色光芒的原理一樣，是當粒子在水中超越介質光速時，產生類似音爆的「契忍可夫輻射」。

也就是說，科學家準備一個超大的水缸來與微中子產生反應，並且用超過一萬個光電倍增管，來捕捉微小的契忍可夫輻射訊號。

但這樣的設計十分值得，前面提到的微中子可以在三種「味」中互相轉換，就是在這個水槽中被證實的。

這座「神岡探測器」在建成後 40 幾年來，讓日本孕育出了 5 位的諾貝爾物理獎得主。

三體影集選在這邊拍攝，真的要說，選得好啊。

話說回來，有了微中子的捕捉方法之後，現實中還真的有人研究起了微中子通訊！

微中子通訊是怎麼做到的？

來自羅徹斯特大學與北卡羅來納州立大學的團隊，在 2012 年發表了一篇文章，說明它們已成功使用微中子，以接近光速的速度將訊息穿過 1 公里的距離，其中有 240 公尺是堅硬的岩石。訊息的內容是「Neutrino」，也就是微中子。

這套設備準備起來也不簡單，用來發射微中子的，是一部強大的粒子加速器 NuMI。質子在加速繞行一個周長 3.3 公里的軌道之後，與一個碳標靶相撞，發出高強度的微中子射束。

用來接收微中子的則是邊長約 1.7 公尺，長 5 公尺的六角柱探測器 MINERvA，一樣身處於地底 100 公尺的洞穴中。

當然，這兩套設備的重點都是拿來研究微中子特性，而不是為了通訊設計的。團隊只是趁著主要任務之間的空檔，花了兩小時驗證通訊的可能性。

但微中子那麼難測量，要怎麼拿來通訊呢？團隊換了一個思維，目標只要能傳出０跟１就好，而這裡的０就是沒有發射微中子，而１則是發出微中子，而且是一大堆微中子。多到即使每百億個微中子只有一個會被 MINERvA 偵測到，只要靠著數量暴力，探測器就一定能接收到微中子。最後的實驗結果，平均一秒可以傳 0.1 個位元的訊息，錯誤率 1%。

看起來效率並不實用，卻是一個好的開始。

因為微中子「幾乎能穿透所有物體」的特性，即便我們還沒有其他外星文明可以通訊，或許還是有其他作用。例如潛水艇的通訊、或是與礦坑深處的通訊。進一步說，他幾乎可以在地球上的任一兩點建立點對點的直線通訊，完全不用擔心中間的阻礙。而對於現在最夯的太空競賽來說，月球背面的通訊問題，微中子也可以完美解決。

那麼，在微中子的研究上，各國的進度如何了呢？

除了前面提到的超級神岡，世界上還有幾個有趣的微中子探測器，例如位於加拿大的薩德伯里微中子觀測站（SNO），它有特殊的球體設計並且改為填充重水，專門用來觀測來自太陽的微中子。

而位於南極的冰立方微中子觀測站，則是將探測器直接埋在南極 1450 到 2450 公尺的冰層底下，將上方的冰層直接作為捕捉微中子的水。非常聰明的設計，這也讓冰立方成為地球上最大的微中子探測器。

除了已經在使用的這幾個探測器之外，美、中、日也即將打造更先進、更強大的探測器。

預計在美國打造的國際計畫——地下深處微中子實驗（Deep Underground Neutrino Experiment），預計成為世界上最大的低溫粒子偵測器。接收器位於南達科他州的地底一公里深處，用作研究的微中子訊號源則來自 1300 公里外的費米實驗室，百萬瓦等級的質子加速器，將產生有史以來最強的微中子束。這台地下深處微中子實驗（Deep Underground Neutrino Experiment）的縮寫非常有趣，就是 DUNE，沙丘。

中國呢，則預計在廣東的江門市，用 2 萬支 51 公分光電倍增管和 2 萬 5000 支 7.6 公分光電倍增管，在地底 700 公尺深處，打造巨大球形的微中子探測器－江門中微子實驗室，內部可以填充兩萬噸的純水。最新的消息是預計 2024 年就能啟用。

最後，經典的超級神岡探測器也不會就此原地踏步，日本預計打造更大的超巨型神岡探測器。容積將提升 5.2 倍、光電管從 11200 個變成 4 萬個，進一步研究微中子與反微中子之間的震盪。

結論

這些微中子探測器的研究目標必然是微中子本身的特性。但既然微中子通訊是有可能的，在任務之餘研究一下這個可能性，也不是說不行吧。

雖然我們現在還沒連繫上我們的好鄰居，但很難說明天就有哪個外星文明終於接收到我們對外宣傳的訊息，發出微中子通訊問候，甚至按圖索驥跑來地球。

至於那時我們應該怎麼辦呢？我們的網站上有幾篇文章，包括介紹黑暗森林法則，以及從《異星入境》看我們要如何與語言不通的外星文明溝通。有興趣的朋友，可以點擊資訊欄的連結觀看。在外星人降臨之前，也不妨參考我們的科學小物哦。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

延伸閱讀

• 《3 體》| 正式預告 | Netflix  
• https://case.ntu.edu.tw/blog/?p=40773
• https://pb.ps-taiwan.org/modules/news…
• https://www.digitimes.com.tw/col/arti…
• https://astrobiology.com/2016/10/nati…
• https://web.archive.org/web/201911180…
• https://pansci.asia/archives/80656
• https://arxiv.org/abs/1203.2847
• https://ar5iv.labs.arxiv.org/html/150…
• https://pansci.asia/archives/149105
• https://www.dunescience.org/
• https://www.ourchinastory.com/zh/3608…
• https://www-sk.icrr.u-tokyo.ac.jp/hk/…

• 作者／劉柏宏
  • 勤益科技大學基礎通識教育中心教授

• Take Home Message
  • 電影《奧本海默》中，對於幾位匈牙利數學家如馮紐曼、波利亞等人的描述篇幅較少，但他們其實對科學界影響深遠。
  • 馮紐曼在曼哈頓計畫中建議以內爆透鏡設計原子彈，不僅所需的裂變材料較少，又可以防止原子彈過早引爆，達成更對稱與高效的爆炸。
  • 波利亞提出以「捷思法」等強調歸納實驗的方式思考數學問題，例如觀察找出數學公式的形成，此法也掀起了數學教育革命。

遊艇緩緩流動在分隔布達區（Buda）與佩斯區（Pest）的多瑙河上，絲絨般的水波、柔棉沁涼的河風，兼容哥德式與文藝復興建築風格的匈牙利國會大廈（Hungarian Parliament Building）圓頂，在夕陽的烘托之下宛如紅寶石般璀璨，流瀉出昔日奧匈帝國的風華。

筆者來到此地，終於可以想像為何 100 年前這條河的兩岸能夠孕育出一批改變科學面貌，甚至改變人類歷史的數學家與科學家。趁著今（2023）年暑假到布達佩斯開會之便，筆者也試著踏尋這些科學家的足跡。

回臺灣之後恰逢電影《奧本海默》（Oppenheimer）上映，儘管許多人聚焦在主角奧本海默（Julius Oppenheimer）的內心世界，不過筆者更關心的是幾位被火星人遺留在地球上的匈牙利數學家。

地球上的火星遺民

20 世紀初歐美科學圈流傳著一個神祕的傳說，記錄下這傳說的是匈牙利物理學家馬克思（György Marx），但傳說起源卻得從義大利物理學家費米（Enrico Fermi）說起。

1950 年某個夏日午後，費米在美國原子彈曼哈頓計畫（Manhattan Project）的基地——洛斯阿拉莫斯國家實驗室（Los Alamos National Laboratory），和幾位科學家聊到當時有關幽浮的報導時，提出了一個問題：

「宇宙如此浩瀚，包含無數恆星，許多恆星和太陽沒什麼差別，也有行星圍繞著它們旋轉。一部分的行星地表也會有水和空氣，而來自恆星的能量將促使有機化合物合成。

這些化學物質將相互結合產生一個自我複製系統。最簡單的生物會通過自然選擇繁殖、進化並變得更加複雜，直到最終出現活躍的、會思考的生物，文明、科學和科技隨之而來。

由於對美麗新世界的渴求，他們會旅行到附近行星，然後到另一個恆星的行星。他們最終應該遍布整個銀河系。這些非凡和傑出的人很難忽視像地球這樣美麗的地方。

所以，如果真是如此，他們必定來過這裡。那麼，他們到底在哪裡？」

關於這個「費米問題」，匈牙利物理學家西拉德（Leo Szilard）的回應是：「他們就在我們身邊啊！只是他們自稱匈牙利人！」（They are among us, but they call themselves Hungarians.）。

西拉德的高級幽默，點燃匈牙利人是火星遺民的想像，各種附和的說法紛紛出籠。有一種說法是 19 世紀末至 20 世紀初，一艘來自火星的太空船降落在地球，由於發現匈牙利的女子美麗又性感因而定居下來，繼而繁衍後代。

後來太空船要返回火星時超重，不得不將一些人留下，這些人包括建議當時美國總統羅斯福（Franklin Roosevelt）發展原子彈的信函主要起草人西拉德、協助潤稿的泰勒（Edward Teller）和諾貝爾物理學獎得主維格納（Eugene Wigner），還有化學獎得主歐拉（George Olah）與波拉尼（John Polanyi）、經濟獎得主哈薩尼（John Harsanyi）；以及數學家艾迪胥（Paul Erds）、波利亞（George Pólya）、馮紐曼（John von Neumann）、哈爾默斯（Paul Halmos）、拉克斯（Peter Lax）等人。

這幾位科學界的火星遺民有許多共同點：他們都出生於匈牙利。

除了喜歡雲遊四海的艾迪胥外，他們後來都移居並任教於美國的大學；他們思考問題時都喜歡來回踱步；另有一個最不可思議的共同點——他們都是猶太人。

至於為何火星人特別鍾情猶太人？這可能又是另一個「費米問題」。

《奧本海默》的最大遺珠——馮紐曼

筆者本次開會的地點在羅蘭大學（Eötvös Loránd University），該校在過去不同時期曾名為布達佩斯大學（University of Budapest）、帕茲馬尼－彼得大學（Pázmány Péter Catholic University）。

該校培育出不少數學家與科學家，而馮紐曼是箇中翹楚。

馮紐曼出身於布達佩斯的富裕猶太家庭，父親是位對他有很深期待的銀行家，希望兒子能往化學工程發展，但馮紐曼卻對數學情有獨鍾。有許多關於他的數學傳奇事蹟，例如 6 歲能心算八位數除法，8 歲熟悉微積分，15 歲開始學高等微積分，19 歲已經發表兩篇數學論文。

最後馮紐曼不違父願也無逆己志，不僅在蘇黎世理工學院（Eidgenössische Technische Hochschule Zürich, ETH）讀化工，同時也在帕茲馬尼－彼得大學研修數學博士。

有鑑於在 19 世紀末和 20 世紀初，德國數學家康托爾（Georg Cantor）的集合論導致某些推論會產生矛盾難題，即使在當時產生的矛盾並非集合論的核心，但在嚴格檢驗非核心的部分時，邏輯上還是會發現一些瑕疵，因此馮紐曼選定了與集合論基礎有關的內容深入研究。

他的博士論題目為〈一般集合論的公理化構造〉（Az általános halmazelmélet axiomatikus felépítése），並於 1926 年同時取得兩所大學的博士學位。

而後在洛克菲勒基金會（Rockefeller Foundation）的資助下，他前往德國哥廷根大學（University of Göttingen），師從德國數學家希爾伯特（David Hilbert）。

1933 年為逃避納粹對猶太人的迫害，馮紐曼應聘前往美國普林斯頓高等研究院（Institute for Advanced Study），在那裡開始專研計算機科學，同時也結識了奧本海默。

建議原子彈採用「內爆式」設計的馮紐曼

由於馮紐曼的博學與優異數學計算能力，奧本海默聘請他作為曼哈頓計畫的顧問，主要負責兩項任務：一是研究內爆透鏡的概念和設計，二是負責預估炸彈爆炸的規模、死亡人數，以及炸彈爆炸的離地距離以達到最大效果。

什麼是內爆透鏡？當時曼哈頓計畫考慮的核分裂方式有兩種，一種是「槍式核分裂」（gun-type fission）設計，另一種則是「內爆透鏡」（implosion lens）的設計。

槍式核分裂設計是仿造子彈的射擊方式，利用常規炸藥將一塊次臨界物質射向另一塊可裂變物質，使可裂變物質達到臨界質量（圖一）。

槍式核分裂使用鈾（uranium, U）作為裂變材料，二戰時投擲於日本廣島的「小男孩」（Little Boy）就是採用槍式設計。但由於當時鈾的存量並不足夠，因此必須發展另一種形式的原子彈，也就是內爆透鏡設計。

內爆透鏡設計以鈽（plutonium, Pu）作為裂變材料，在空心的球狀空間內放置鈽，並在球形鈽彈周圍放置炸藥。這些炸藥爆炸同時產生的強大內推壓力將會擠壓球形鈽彈，引發連鎖反應造成核爆（圖二）。

馮紐曼評估之後，認為「內爆式」設計優於「槍式」設計，且內爆型原子彈所需的裂變材料較少，又可以防止過早引爆以達成更為對稱與高效的爆炸，因此建議奧本海默改發展內爆式核彈，這就是二戰時被投放到日本長崎的原子彈——「胖子」（Fat Man）。馮紐曼在曼哈頓計畫中的角色如此關鍵卻被電影所忽略，確實令許多人不平。

馮紐曼從小嶄露他的優異天賦且記憶力驚人，除數學領域之外在諸多科學分支也有所涉獵且精通。他的聰慧早已獲得同儕的認同與讚譽，常被稱為數學界最後一位通才。有一個流傳甚廣的傳說是某次宴會中女主人問馮紐曼一個問題：

「兩列相距 200 英里的火車正在相向行駛，每輛火車的行駛速度均為每小時 50 英里。一隻蒼蠅從其中一列火車的前面出發，以每小時 75 英里的速度在火車之間來回飛行，直到火車相撞並將蒼蠅壓死為止。蒼蠅在這段期間總共飛行了多少距離？」

一般人解這一題可能是先算第一段時間蒼蠅飛行的距離，再算第二段時間蒼蠅飛行的距離，由於蒼蠅來回飛行無限多次，距離愈來愈短，可以用無窮等比級數求和的方法得出解，但這樣的計算相當繁複。有一個更快捷的技巧是直接算出兩輛火車將於兩小時後相撞，因此得知蒼蠅總共飛行 150 英里。

馮紐曼聽完問題不一會兒就答出 150 英里，女主人對於馮紐曼沒有陷入計算無窮等比級數的陷阱感到失望，但馮紐曼竟回答：「我是用求和的啊！」若此傳說當真，顯見他驚人的計算能力。

1963 年諾貝爾物理學獎得主維格納表示，他認識當代許多頂尖科學家，包含德國理論物理學家普朗克（Max Planck）、英國理論物理學家狄拉克（Paul Dirac）、西拉德、泰勒、愛因斯坦，但沒有一個人像馮紐曼般才思敏捷。曾有人問維格納為什麼匈牙利出現這麼多天才，維格納的回答是：「真正的天才只有馮紐曼一人。」

引發數學教育革命的波利亞

本文要介紹的第二位匈牙利數學家是波利亞。1912 年，他於布達佩斯大學取得數學博士學位後，便前往德國哥廷根大學從事博士後研究。他在哥廷根大學結識許多當代最傑出的數學家，例如希爾伯特和克萊因（Felix Klein），之後便到蘇黎世理工學院任教。相較於一般嚴謹木訥的數學家，波利亞相當擅長說故事，包含數學家的軼事和「說數學」的功力。

馮紐曼在蘇黎世理工學院修讀博士時，也曾上過波利亞的書報討論課。有次波利亞提到一個尚未解決的數學問題，他認為要證明這問題很困難，沒想到五分鐘之後馮紐曼舉手，然後在黑板上寫下證明，從此之後馮紐曼變成他最敬畏的學生。

另外，波利亞也曾談論有關希爾伯特的故事。在德國盛傳一個傳說，深受德國人敬愛的皇帝腓特烈一世（Friedrich I）沒有死亡、只是沉睡，等到德國需要他時他就會挺身而出。因此便有人問希爾伯特：「你若在死後 500 年復活，你會做什麼事？」希爾伯特說：「我會問是否有人證明了黎曼猜想（Riemann hypothesis）？」

黎曼猜想與質數分布具有密切的關係，是希爾伯特於 1900 年提出的 23 個最重要數學問題之一。有些數學家將證明黎曼猜想形容為「數學界的聖杯」，因此它的重要性可見一斑。2018 年 9 月 24 日，英國數學家阿蒂亞（Michael Francis Atiyah）宣稱他證明了黎曼猜想，此事件也曾轟動一時。

但阿蒂亞的證明還來不及得到同儕認證，便不幸於 2019 年 1 月 11 離世，截至目前為止數學界仍對阿蒂亞的證明有所質疑。所以如果希爾伯特現在真的死而復活，那他恐怕要失望了。

波利亞於 1945 年出版《怎樣解題》（How To Solve It）一書，展現他「說數學」的功力。他常強調數學有兩面，數學結果的呈現方式有如歐幾里得（Euclid）幾何學般的演繹論證形式，但數學知識發展過程卻更像是一門實驗歸納的科學。書中提倡以捷思法（heuristic）思考數學問題，例如高中時老師通常教學生如何證明 13＋23＋33＋43＋⋯＋n3＝，但卻很少說明究竟如何得到此公式。

波利亞則要學生先做探索觀察。例如從圖三可以發現前五個自然數的立方恰好都等於另一個自然數的平方，這樣的特殊性可以推廣為「前 n 個自然數的立方和等於某個自然數的平方嗎？」若可以推廣，某個自然數到底是哪個數？我們進一步觀察可以得到：1＝1, 3＝1＋2, 6＝1＋2＋3, 10＝1＋2＋3＋4, 15＝1＋2＋3＋4＋5，將這觀察和圖三結合就得到圖四中令人驚訝的結果。

這麼美麗的結果應該不會只是巧合，所以一個合理的臆測也因此誕生：「前n個自然數的立方和等於前n個自然數和的平方」，也就是 1³＋2³＋3³＋4³＋⋯＋n³＝（1＋2＋3＋4＋⋯＋n）²。由於 1＋2＋3＋4＋⋯＋n＝，所以得到 1³＋2³＋3³＋4³＋⋯＋n³＝這個「合理的」公式，接著就可以證明此結果的正確性。

由此我們看到捷思法可以展現一個數學公式形成的過程，如同在《奧本海默》電影中丹麥物理學家波耳（Niels Bohr）建議奧本海默改到哥廷根大學跟從玻恩（Max Born）學習理論物理。

波耳問奧本海默數學程度如何，並提醒他：「代數就像一本樂譜，重點不是你能否讀懂音樂，而是能否聽懂音樂。」（Algebra is like a sheet music. The important thing isn’t if you can read music; it’s if you can hear it.），波利亞的捷思法就是教我們如何聽懂音樂而不光是讀懂音樂。

在 1960 年代，美國由於憂慮太空競賽落後蘇聯，因而發起所謂「新數學」的中學數學課程改革，強調數學的抽象性，試圖讓學生早一點熟悉數學邏輯的演繹過程，但這種罔顧知識發展脈絡的改革註定以失敗告終。

1980 年代，波利亞強調歸納實驗思考過程的捷思法逐漸受到重視，掀起一波「數學問題解決」（mathematical problem-solving）的浪潮，而這股浪潮的影響也猶如核分裂的連鎖反應，持續至今。

• 〈本文選自《科學月刊》2023 年 11 月號〉
• 科學月刊／在一個資訊不值錢的時代中，試圖緊握那知識餘溫外，也不忘科學事實和自由價值至上的科普雜誌。