【智活星期二】曾仁杰：「不同領域碰撞，產生的就是價值」

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

任何通盤的氣候計畫都必須借助許多不同領域的力量。氣候科學能說明我們需要處理這個問題的「原因」，卻告訴不了我們處理的「方法」。為此，我們需要結合生物學、化學、物理學、政治學、經濟學、工程學等領域。

創新不只是技術革新

就能源、軟體等領域來說，不能只是從嚴格的技術角度來思考創新。創新不僅僅是發明一台新機器或新製程，還包括對商業模式、供應鏈、市場和政策提出新穎觀點，以協助新發明問世、達到全球規模。

創新既代表全新的工具，也代表全新的做事方式。

考量到上述種種前提，我把計畫中的不同內容分為兩大類。其中一類是擴大創新的供給，實驗大量的新穎想法；另一類是加速對創新的需求。兩者攜手並進。如果沒有創新需求，發明家和決策者就不會有任何動力推出新想法；如果沒有穩定的創新供給，消費者就無法取得全球亟需的環保產品，來實現零排放。

擴大創新的供給

第一階段的工作是典型的研究與開發，即偉大的科學家和工程師發想出我們需要的技術。儘管今天有許多低成本的低碳解決方案，卻仍然沒有掌握實現全球零排放所需的一切技術。為了盡快備妥這些技術來發揮影響力，各國政府需要做到以下幾點：

未來10年內，對清潔能源與氣候相關的研發投入增加五倍

對研發的直接公共投資，是我們因應氣候變遷的重要方式，但政府在這方面的投入遠遠不足。

我們應該花多少錢呢？我認為美國國家衛生研究院（NIH）提供很棒的比較基準。NIH 每年預算約為 370億美元，成功研發許多救命藥物和治療方法，對美國人與世界各地的民眾來說不可或缺。

這正是絕佳的例子，也是我們因應氣候變遷所需決心的典範。雖然將研發預算變五倍聽起來是天文數字，但與當前挑戰的難度相比，顯得微不足道，而且強力反映了政府對此問題的重視程度。

加大投資高風險、高回報的研發計畫

這不僅僅攸關政府砸了多少經費，更攸關政府是否把經費花在刀口上。

各國政府曾因為投資清潔能源而引火上身。決策者不想讓人覺得自己在浪費納稅人的錢，這當然可以理解，但因為恐懼失敗，反而造成對於研發的投資短視近利，傾向找更為安全的投資目標，而且最好交由私部門出資。政府主導研發的真正價值在於，可以冒險嘗試那些可能失敗或不會立即獲益的大膽理念。

我們需要政府承諾資助能推動清潔能源科學發展的超大規模計畫（數億或數十億美元）。政府也得承諾長期資助這些計畫，這樣研究人員就會曉得來年都會固定得到補助。

研發呼應最大需求

實用價值尚不明顯的「藍天研究」（blue-sky research，又稱基礎研究）與科學發現的實際應用（即所謂的應用研究或轉譯研究）兩者有明顯區別。雖然是不同的概念，但如果凡事都要講究正統，認為基礎科學不應該被商業考量給汙染，毋寧大錯特錯。

那些優異的發明之所以問世，是因為科學家在研究之初就考慮到最終用途。我們需要更多的政府計畫，整合亟需突破領域中的基礎研究和應用研究。

一開始就與產業界合作

我還遇過另一項人為的區分，即初期的創新是為政府服務，而後期的創新是為產業服務。但在現實中不該如此區分，我們在能源領域面臨的艱難技術挑戰尤其不能如此簡化，因為想法成功與否最重要的衡量標準，就是能否遍及全國、甚至全球的規模。

初期的合夥關係會吸引懂得達標的內行人。政府和產業界需要共同努力，才能克服障礙、加快創新循環。企業可以幫忙製作新技術的原型，提供市場方面的洞見，並且共同投資計畫。當然，他們負責把技術商業化，所以理應要盡早讓他們參與。

——本文摘自《如何避免氣候災難：結合科技與商業的奇蹟，全面啟動淨零轉型新經濟》，2023 年 ３ 月，天下雜誌出版，未經同意請勿轉載。

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位

• 採訪編輯｜王怡蓁、美術編輯｜張語辰

老科技的全球史

一般所認為的「科技」，多指重大的發明、或最新的技術。而關於「科技史」，也多以強調重大發明的方式書寫。然而，中研院歷史語言研究所的李尚仁研究員，翻譯《老科技的全球史》一書提出不尋常的觀點：日常生活中「被大量使用」的物品，更是科技。

2017 年 11 月，《老科技的全球史》作者大衛・艾傑頓 （David Edgerton） 應邀來台進行系列演講，本文摘錄部分演講內容，並專訪此書的翻譯者李尚仁，聊聊持續不斷使用的老科技，在歷史上是如何改變生活。

書中導論一開始指出，大多數的科技史是為了特定族群所寫，在上位者宣揚著某種特定的科技理念，將科技與創新綁在一起。大衛甚至在書的一開始便反問讀者：「保險套是否比飛機還重要？」，以不同尋常的科技史詮釋，促進讀者腦筋高速轉動。

在演講的開始，大衛以原子彈舉例，他認為原子彈是可怕的，象徵性地標示第二次世界大戰，但並非同一般所想的是結束戰爭的原因。儘管焦點都放在「創新毀滅性武器」，但事實上那些舊的、廣泛使用的武器：步槍、火炮、坦克，在二次大戰殺死的人數，遠大於轟炸機與原子彈。

當今最危險的兩件事，莫過於我們自以為知道答案，以及政府自以為知道什麼是最重要的發明。

大衛演講現場再次問大家：「洗衣機是否比核子反應爐重要呢？」他明白這是很難回答的問題，因為不可能有兩三樣發明就足以改變社會，但卻是世上普遍存在的政策與經濟迷思。

他透過這個提問，點出迷思：「更多的創新，將帶來更多的權力與進步嗎？」這聽起來很合理，然而從書中的實際數據來看，許多致力創新的國家，經濟成長的程度與創新的發展卻不成正比。例如力求創新的美國從 1920 年代至今，經濟發展速度已經不是最快的，現今反而是中國取得頭籌。這現象也來自於，發展中的國家可以模仿已開發國家的創新，所以就算不投入創新也可以快速成長。這正是科技史給我們強而有力的警告。

大衛認為人們要做到兩件事：首先是拒絕企業與政府餵養給我們的全盤創新說法，但不是拒絕進步，而是要「勇於質疑」；第二，科技需符合人們的「使用需求」，創新的神話常灌輸人們對於未來是沒有選擇的，很多問題只能透過創新解決，但其實我們有選擇，也有許多運用現行科技就能採取的解方。

20 世紀的生產力毫無疑問是增加了，但科技究竟在其中發揮怎樣的作用，依舊是個謎。接下來透過《老科技的全球史》譯者李尚仁的問答梳理，以書中大衛的角度來觀看老科技的重要性。

我們鮮少關注科技與歷史的關係，科技史的重要性在哪裡？

改變社會的，往往不一定是最知名的科技，像是我們日常衣服食物的廉價大量生產，其普遍供應足以改變社會，就是很重要的科技成果，但大家不會覺得這些生產科技的改良很有名，甚至不會將這些日常現象與「科技」直接產生連結。

我們大多談論的是像奈米、超導體等研發技術，但與生活密切相關的卻很少拿來討論。2017 年 8 月 15 日全台大停電，我們才會發現「供電系統」的技術其實很複雜，才會去討論電力系統的問題，但平常並不會注意到。

 科技史就是討論科技如何形塑人們的生活，並不是去講哪些發明有多麽偉大。

大衛提到多數人把科技視為發明，在台灣也是，為什麼會這樣？

這與教育中如何敘事、還有國族主義有關係。課本或大眾媒體的發明故事，看起來總是比較動人，藉由「戲劇性的發明」來說故事比較吸引人，尤其是發明家從小如何努力奮鬥。

而科技史的寫作，又與塑造民族英雄有關，更能進一步強化國族主義，彰顯該國有哪些偉大的發明以及聰明的人物。

歷史課本介紹了中國三大發明：火藥、指南針與印刷術，但我們卻很少知道火藥從古至今的流變，造紙技術在科技史領域也不是熱門的研究題目，這些題材可能會變成產業史、博物館史，而非科技史。

如何讓大眾認識科技史，就是要讓大眾先看看自己生活周遭的技術。

像是遇到停電，就會想到發電系統，而去關心電力是如何傳輸，有時甚至是透過爭議才會讓大家關心這些議題，例如反核、擁核的論述；火力發電、風力發電跟其他再生能源發電的不同。

另一個例子是我們生病常用到的盤尼西林 （Penicillin）。

盤尼西林的戲劇性故事發生於 1928 年的英國，發明者弗萊明在未洗乾淨、長滿細菌的培養皿中意外發現盤尼西林，在對其治療細菌感染的性質有所了解後，卻無法大量生產。真正大量生產是到了二戰初期的美國。但大家對於盤尼西林的認識，多止於最初如何戲劇性地發現，而在美國如何達成大量生產的過程與努力卻少為人知。大量生產的技術是什麼？在什麼背景下被大量製造？這些其實都是重要的問題。

《老科技的全球史》提醒我們要警惕科技國族主義，應該盡量自行研發所需科技是個迷思。大衛提醒我們看看生活周遭的產品，絕大多數都是其他國家所發明。發明的共享是普遍的歷史現象，也是件好事。

此外，他也認為自給自足的想法常有害社會福祉。大衛這個論點看似違反常理，但我們可以想想今天的汽車、電腦或智慧型手機如何被製造與運輸，這些產品的組裝與製造所需的元件與工具往往來自不同國家。這是為何英國汽車工業將深受脫歐所帶來的負面影響，因為不同的汽車零件來自外國，脫歐後進出口的關稅將大幅增加。

我們生活中其實有許多物品不會被視為科技，我的朋友林崇熙教授研究的「台灣農村拼裝車」便是一個例子。拼裝車在農村有許多用途，但大多人只會覺得拼裝車游走在違法邊緣，甚至是登不了檯面的物品，但其實拼裝車作為一項科技產物，它在台灣農村有許多用途、發揮不少重要功能。

醫學上也有不常被注意的科技嗎？

我本業從事醫學史研究，因此特別有興趣的部分在於醫療技術。在傳教醫療史中，有些醫師因地制宜在中國改良手術台，過去並未受到注意。另外還有「麻醉技術」非常快速地傳入中國，當時第一位來華的傳教士在廣州使用了麻醉技術，雖然中國人第一次看到很訝異，但也很有興趣、並不抗拒。所以我想了解當時中國人接受麻醉技術的原因，會不會與過去的傳說故事或相關藥物有關。我想了解當醫療技術傳入不同文化與國家，為何有些很快被採用，有些卻受到排斥。

我也從事熱帶醫學史的研究，當中有關於「瘧疾」的調查，我想知道他們怎麼研究這些蚊子、怎麼評估這些蚊子，怎麼抓到、怎麼觀察，這些都是很簡單的技術，只是必須知道他們怎麼使用，例如使用什麼圖表紀錄分析。這是我很感興趣的部分，也是接下來會繼續進行的研究。

使用 vs. 創新，這兩種科技有何不同？

「使用中」的科技通常代表「大量使用」，科技必須要被大量使用，才會對社會產生重大影響。如果一項科技被發明後，沒什麼人用，很難產生影響力。

而且通常大量使用的科技，是需要一段時間來流傳、改良。

像是蒸汽機，我們都知道 18 世紀瓦特改良蒸汽機，但蒸汽機在 19 世紀才在人類社會改良地更好用、更重要，但一般的科技史不太會去強調 19 世紀的蒸汽機如何進步。

大多數「創新」的科技發明產物，其實不會被民眾廣泛地使用，因為幾乎每個科技都有替代物品。例如傳輸訊號可以用光纖、也可以用衛星；記帳可以用紙筆，也可以用電腦、手機。被人們最大量使用的科技，可能是稍微好用一點、或是稍微便宜一些。

最創新的科技不一定會被使用，也有些因素是文化或歷史導致。例如台灣地狹人稠的城市，以能源或交通安全層面，使用公共軌道運輸會比每個人開一台車、騎一台機車更有效率。但是，當初先蓋了許多道路，現在突然叫大家不要騎車開車，我們來蓋軌道，就會遭到很多困難與阻力。

最早受到青睞的科技不見得是最適合特定社會的科技，某個科技一旦先有許多人使用，往往讓社會陷入比較不好的科技選擇而難以自拔。

大衛提倡要大家抗拒「創新的迷思」，應如何做到？

《老科技的全球史》作者大衛，他不是抗拒創新，而是提醒不要相信會有創新的科技可以解決所有問題。

「創新的科技可以解決所有問題」，有時這樣的說法是讓人不去面對真正的問題。

例如，有人提出未來一定會有創新的科技可以解決全球暖化的問題，例如碳捕捉技術，但這樣的宣稱，有時反而會阻礙現今不當行為的改變。現在就能做的是共同減碳，提高能源效率、減少私人交通工具、多搭乘大眾運輸，但這樣的改變可能會帶來些不方便，也會跟產業利益相衝突，所以把「創新科技」作為拖延的藉口，把問題留給未來。

翻譯此書的契機？

我跟大衛其實是師生關係，我在英國唸碩班的期間，修了大衛的科技史課程。大衛的想法很特別，不是以「創新」的科技為主，而且指定讀本中有許多經典，像是韋伯、馬克思等社會科學，或是博物館史、文化產業等。主修科技與經濟的大衛很重視「計量」，但通常歷史學科較重視「質性」研究。

大衛自認是個左派，也常刊登文章在《新左評論》，但並不是那種教條式的左派，也會重視右派的意見。他指出左派的人有些幻覺，覺得自己掌握歷史的真理與智慧，右派只是有權勢但蒙昧反動。但他認為右派往往很有創新能力，左派若對此無知而活在自以為獨佔智慧的幻象中，會付出慘痛代價。

會擔任這本書的翻譯是因緣，大衛在 2012 年接受清華大學的邀請訪台，他後來將他的思想寫在一篇史學論文《從創新到使用》，但其用字較為艱澀縝密，讀起來較不容易，後來他便以大眾導向寫了《老科技的全球史》這本書。出版後，上海的出版社有簡體翻譯，但刪除了許多與中國有關的內容，像是大躍進的部分，許多註解也被拿掉。

我認為這本書在台灣特別有參考價值，因為台灣不是以「發明」為名的國家，但卻有許多「使用」的科技。

像我小時候看到介紹十大發明家的書，沒有一個是台灣人，但若從「使用」的角度來看，台灣的拼裝車也是一種代表性的科技。因此，我想翻譯這本書，將「使用」的科技史介紹給台灣的讀者。

延伸閱讀

• 李尚仁的個人網頁
• 現代世界的物質史：《老科技的全球史》中譯本導言
• 〈給大衛．艾傑頓的一些問題〉──大衛．艾傑頓專訪翻譯
• 熱帶的病媒蟲，是如何被發現？一段從英國到廈門的醫學史

本文轉載自中央研究院研之有物，原文為保險套是否比飛機更重要？專訪《老科技的全球史》譯者李尚仁，泛科學為宣傳推廣執行單位

http://www.youtube.com/watch?v=zY2OiiDkydc

文/林俞佐

「『智活文創』分別代表的是：『智慧、生活、文化、創新』」任教於交大土木系的曾仁杰教授，也是台灣智活文創聯盟計畫主持人，他在首場與PanSci泛科學合辦的「智活星期二」活動中，開宗明義地說明智活文創的架構跟精神。

「台灣智活文創產業跨校教學聯盟」的目的，是要將大學課程裡尋常的科技教育與文創結合。「我們希望可以將大學的課程中融入一些文創和科技的元素，並將這些領域碰撞、教學的經驗散播出去。」曾教授並接著問道：「如果要使挑食的小孩吃蔬菜水果最好的辦法是什麼？」答案很簡單，「把食物裝在麥當勞的紙袋裡。」開頭的投影片問答讓人驚覺價值包裝的魔力所在。(註：我曾經很喜歡喝麥當勞的大杯可樂，就是因為那個紙杯的包裝啊…)

科技的價值，是以有人「利用」來作為前提。曾老師分享一則故事：在二戰時期，偽畫專家Meegeren原本被批判責怪為叛國賊，但當他坦承自己其實是將荷蘭國寶畫家的畫作「偽造」後，再賣給德國納粹，反而成為保護國寶的國家英雄。這樣的評判驟然翻轉出自於立意是否良善，可這樣的說詞著實讓那些分辨不出真偽的藝術家跟收藏家臉上無光。同樣的情形也發生在近年，一位著名小提琴家Joshua Bell提著價值400萬美元的小提琴在地鐵站演奏45分鐘，這個與華盛頓郵報合作的實驗揭露人們可能太過於忙碌無法駐足欣賞，也可能真的無法去辨別美好的事物。(最後Joshua Bell獲得約32美元的施捨報酬，其中20元還是認出他來的民眾給的><)

創新是不同領域或特質的融合、突顯、與轉向，這些創新方式在烹飪、建築、與日常用品中都大放異彩，例如在紐約結合不同飲食文化的廚師Marcus Samuelsson是融合式創新、在杜拜整棟建築外觀就是一個QR Code的QR Code建築是突顯式創新、不再只是單純交通工具的腳踏車就是轉向式創新。這些都是以想像力為本設計、創造出來的文創產物。各種實例早已遍布在我們日常生活中。另一個案例是位在美國舊金山，每次要價美金60元的美食深度之旅Avital Food Tour，純裝飾用的無鏡片眼鏡（或著該說，鏡架）、益發複雜跟精良的機械式手表等，看似在功能上早該被淘汰，但都在原本的用途外，因為附加了新的價值而更熱門。

每當特殊節日或是科學名家的誕辰、偉大發明的創造日，Google就不再只是單純的商標或圖案，這樣的巧思創造，讓科技披上更人文、具有溫度的外衣。這是不同領域之間合作、磨合產生的價值，也讓各領域的知識有交流的可能。(小編透過這個認識了英國廣播劇作家Douglas Adams，最近的本草綱目李時珍也是蠻厲害的阿！)

此外，日本藝術團體teamLab運用科技技術表現藝術人文主題、glass keyboard結合光學感應與設計研發。

teamLab的瀑心圖

曾仁杰老師是智活文創聯盟的主持人，可本身的專業是土木，不免會讓人好奇曾老師跨領域的初衷或勇氣？「剛開始是被陷害的」(XD) 但曾老師表示，其實只要邊做邊學，不要侷限自己，過程中收獲還蠻多的。像所帶的學生中有文組跟理組的學生，他們難免會有些溝通磨擦，對同一主題的想法不同，「吵架在所難免」，然而價值就在之中誕生。回到曾老師開頭的故事，我們是否具備審視真正價值所在的眼睛呢？「物質的價值不在物質本身，而在人們對他的認知。」或許磨擦就是驅動未來進步的熱能！