泡泡堆的物理

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

林俊傑《江南》：「相信愛一天，抵過永遠，在這一剎那凍結了時間」

這一剎那持續了多久？這出自佛經的時間單位有多個解讀，其中最短，可以對應的國際單位制是阿秒。 1 阿秒又有多快呢？ 1 阿秒等於一百萬兆分之一秒，是已經短到不行的飛秒的千分之一。在這段時間，別說是談戀愛了，連世界上行動最快的光，也只能移動一顆原子直徑的距離。

在阿秒的時間尺度裡，連光都得停下腳步，過去我們認為捉摸不定的電子，也終於將在我們眼前現身。 2023 年的諾貝爾物理學獎，正是頒給了三位帶領人類進入阿秒領域，探索全新世界的科學家。而這項技術，還可能讓電腦的運算速度加快一萬倍！

就讓我們一起來進入阿秒的領域吧，領域展開！

什麼是阿秒脈衝雷射？

今年諾貝爾物理學獎的三位得主分別是 Pierre Agostini 、 Ferenc Krausz 、和 Anne L’Huillier ，表彰他們對阿秒脈衝雷射實驗技術的貢獻。

所謂的阿秒脈衝雷射，指的是持續時間僅有數十到數百阿秒的雷射。當我們能使用脈衝雷射來觀察目標，就好比使用快門時間極短的相機對目標拍照，能捕捉到瞬間的畫面。

2018 年的諾貝爾物理學獎，就頒給了極短脈衝雷射的研究。短短 5 年後，雷射領域再次得獎，但這次是更快的阿秒雷射，能捕捉到電子運動的超快脈衝雷射。

世界上沒有東西能真正的觸碰彼此？看見電子能帶來什麼突破？

為什麼看見電子的運動那麼重要呢？我們複習一下原子的基本構造，在原子核之外，帶有微小負電荷的電子，被帶正電的原子核束縛住。量子力學告訴我們電子沒有確切的位置，而是以特定的機率分布在原子核周圍的不同地方，也就是所謂的電子雲。

雖然電子的體積比原子核小很多，但電子雲的範圍，卻占了原子體積的絕大部分。在物理或化學反應中，真正和其他原子產生交互作用的，幾乎都是這些外面的電子。在電影《奧本海默》中，當男女主角手心貼著手心，奧本海默這時卻說：「世界上沒有東西能真正的觸碰彼此，因為我們觸摸到的物體，都只是其中原子的電子雲和我們手上的電子雲產生的斥力。」

對了，這種話也只有奧本海默跟五條悟可以講，一般人請不要隨便亂牽別人的手。

除了和心儀的他牽手，不同的電子排列狀態也會直接影響物質的化學活性、材料的導電導熱等基本性質，各種化學和物理過程都和電子息息相關。從非常實際的層面來說，電子可以說是物質世界最重要的基本單位。所以不難想像，如果我們能看見電子，甚至獲得可以操縱個別電子排列與能量的技術，我們能真正成為材料的創世神，許多不可能都將化為可能，是相當重大的突破。

捕捉電子運動有多困難？

但要操縱電子可不是什麼簡單的事，不只是因為電子非常小，更重要的是他們動得非常快。具體來說，電子在原子周圍跳動的週期時間尺度大約是十的負十八次方秒，也就是一阿秒。一顆原子的大小約是十的負十次方公尺，速度等於距離除以週期，換算下來，電子雲差不多是以光速等級的速度在原子核周圍跳動。

如果要捕捉到阿秒尺度的電子運動，就必須將實驗的時間解析度也提升到阿秒等級，否則就會像是用長曝光鏡頭拍攝亞運競速滑冰比賽一樣，只能拍到一團糊糊的影像，而沒辦法分出勝負。

可是，在 1980 年代，脈衝雷射最快只能達到十的負十五次方左右，還只有飛秒等級。而且光靠當時的技術和材料優化，已經沒辦法再縮短脈衝時間了，因此這時候，就要從原理上重新打造一套方法了。

如何製造更快的脈衝？

首先，要製造更快的脈衝並不是用頻率更高的電磁波就好。你想，我們在拍照時，想要讓曝光時間更短，要改善的不是把室內光源從可見光改成頻率更高的紫外光，而是調快快門的開闔速度，讓光一段一段進入感光元件中，變成影片一幀一幀的畫面。而這一段一段進入像機的光訊號，就像是我們的脈衝。

不論是皮秒雷射、飛秒雷射還是阿秒雷射，一直以來在做的都是同一件事，在整體輸出功率不變的情況下，讓每一次脈衝的持續時間更短，同時單一次的功率也會更高。簡單來說，就是要從無數次的普通攻擊，變成每一次都是集氣後再攻擊。

但要怎麼為光集氣呢？光和其他波動一樣，可以和其他波動疊加。把不同頻率的光疊加在一起，波峰和波谷會抵消，波峰遇上波峰則會增強。只要用特定的比例組合許多不同頻率的光，就可以在整體總能量不變的情況下，產生一個超級窄的波峰，其他地方全部抵銷。

1987 年，本次諾貝爾獎得主之一的 Anne L’Huillier 教授發現，當紅外線雷射穿過惰性氣體時，氣體會被激發放出整數倍頻的光。也就是氣體放出許多不同頻率的光，而這些頻率都是原本光源頻率的整數倍，從兩倍三倍到三十幾倍以上的高倍頻光都有。而橫跨這麼大頻率範圍的光，就能組合出時間長度很短的脈衝光。

不過這聽起來未免也太好康了，真的有那麼簡單嗎？

這個看似魔法的實驗背後其實有著相當簡潔的物理圖像。電子原本是被電磁力束縛在原子中，當一道強度夠強的雷射通過氣體原子，原本抓住電子的電位能被雷射削弱。

雖然這道牆只是矮了一些可是還是存在，但此時，在電子的大小尺度下，量子力學發揮了作用。調皮的電子有機會透過量子穿隧現象，穿過這道束縛，暫時逃離原子核的掌控。關於量子穿隧效應的介紹，我們近期也會再做一集節目來專門介紹。

但電子還來不及逃遠，雷射光已經從波谷翻到波峰。電磁波的波谷與波峰，不是指能量的高和低，而是指方向相反。因此在相反的電磁場方向下，不幸的電子被推回原子核附近，再度被原子核捕獲。但在這欲擒故縱、七擒七縱的過程後，電子並非一無所獲，他所得到的動能會以光的形式重新放出。

而因為這些能量最早都來自雷射，因此電子放出的光波長，也剛好會是雷射的整數倍。再說的細一些，你可以理解為這些電子在吸收一顆顆光子後，一口氣釋放這些能量，所以能量都是一開始光子的整數倍。

在 1990 年代，科學家已經掌握了這個現象背後的原理。但一直到千禧年過後。這次諾貝爾獎得主之一 Pierre Agostini 教授和他的研究團隊才終於在適當的實驗條件之下，利用高倍頻光打造出了一連串寬度只有 250 阿秒的脈衝。同時第三位得主 Ferenc Krausz 也使用不同方法，分離出 650 阿秒的脈衝。

最後，獲得阿秒脈衝這個祕密武器之後，我們的世界將迎來哪些變化呢？

阿秒脈衝在各領域的應用

其實啊，有在關注諾貝爾獎都知道，諾貝爾獎通常不會頒給時下正夯的新興研究，前面講的研究，實際上都已經是二十多年前的往事了，而這些辛苦的科學家會在這麼多年後拿下諾貝爾獎的榮耀，正是因為阿秒雷射的發明經過了時間的考驗，成為非常普及的實驗技術，而且被大家公認為重要的科學貢獻。

當然，今年生醫獎的 mRNA 是個超快例外，有興趣的話，別忘了點擊下方影片，看看編劇都編不出來的 mRNA 研究歷程。

說了那麼多，阿秒雷射究竟對人類生活有什麼幫助呢？當然，它能讓我們更深刻了解物質還有光的本質，但是除了幫電子拍下美美的照片放在期刊的封面上，阿秒雷射可以用來做什麼？

在過去這二十年，許多研究已經找到了相當有潛力的應用。

舉例來說，在醫療方面，阿秒雷射可以用來分析血液或尿液樣本。控制良好的超短脈衝可以精準的刺激生物樣本中的各種有機分子，讓這些分子震動並放出紅外線訊號。如果使用的脈衝長度太長，分子釋放的訊號就很容易和原本施加刺激的雷射混在一起，造成量測的困難。唯有阿秒等級的超短脈衝能夠實現這樣的量測。

這些紅外線光譜就像是質譜儀一樣，能幫助我們快速分析血液中的蛋白質、脂質、核酸等重點物質的關鍵官能基狀態。並透過機器學習的方式整合，成為個人化的健康狀態報表，或是做為診斷的依據，將精準醫療提升到全新的層次。

不只如此，發送超短脈衝的技術也可能革新當今的電腦運算。電腦運作的方式就是利用電晶體這種微小的開關，不斷的開開關關去發送一跟零的訊號，所以開關電流的速度便決定了你的運算速度。以半導體為基礎的電晶體，工作頻率通常不超過上百 GHz ，在時間上也就是十的負十一次方秒。

自從阿秒雷射技術普及之後，就有科學家想到：既然雷射脈衝的速度更快，那不如就別用半導體了，改用光學脈衝來控制電流作為運算的媒介。這個概念叫做光學電晶體（Optical Transistor）。

今年初，亞利桑那大學的團隊便發展示了如何利用小於十的負十五次方秒的超短雷射脈衝，來開關電流並傳送一與零的位元，這個頻率比現有半導體電晶體快了一萬倍以上。這顯示了光學方法的操作頻率可以有多快，或許能讓我們突破訊號處理和運算上的速度瓶頸。

看完這些便可以理解，阿秒等級的超快雷射脈衝的確是相當近代的一個科學里程碑。就像是科學革命時望遠鏡和顯微鏡的發明，讓人們看見那些最遠和最小的事物，超快脈衝用最快的時間解析度，讓我們看到許多人類從未看過的景象。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

參考資料

• https://www.nobelprize.org/prizes/phy…
• Announcement of the 2023 Nobel Prize …  
• “This breakthrough opens the world of…  
• https://www.nature.com/articles/d4158…
• https://www.kva.se/en/news/the-nobel-…
• https://www.rp-photonics.com/mode_loc…
• https://dop.nycu.edu.tw/ch/page.html?…
• https://www.science.org/doi/10.1126/s…
• https://www.science.org/doi/10.1126/s…
• https://www.attoworld.de/news/cover-s…
• https://www.attoworld.de/bird/our-res…

由德、日鑑識專家組成的研究團隊，於 2021 年的《國際法醫期刊》（International Journal of Legal Medicine）上，說他們採用網路流傳的偽裸照修圖技巧，設計出比較不嚇人的「泡泡認屍法」（the “bubbling” procedure）。然後順帶奉上一張照片，以時任德國總理的梅克爾（Angela D. Merkel）女士，作為範例。^[1]

認屍

某些命案發生後，家屬必須前往停屍間，或是透過照片指認死者身份。屍體可能事先經過重建或防腐處理，並且在法醫動刀解剖前進行。最好未卸妝，也不取下首飾，完整保留生前的打扮。儘管這個鑑識程序有時的確無法避免，但是其失誤率高達 50%，而且會造成家屬的心理衝擊。若是遇到不知該找誰認領的無名屍，媒體還得四處散佈照片，觸及的人數勢必更多。研究團隊於是以移除創傷影像為目的，開發新的認屍方式。^[1]

知覺填補

假設這裡有個電子圖檔，畫面上主角穿著泳裝之類的清涼衣著。首先，以常見的影像編輯軟體，例如： Photoshop、Paintshop 或 GIMP，開啟檔案。接著，用圓圈框選髮膚暴露處，並刪除衣物等剩餘區塊，就會得到一張狀似被泡泡網覆蓋的照片。此時，觀者會因為知覺填補（perceptual filling-in）機制，無視消失的部份，自動把影像腦補成裸照。根據該論文的說法，上述居心不良的修圖技巧，在網路論壇上相當風行。且不論研究團隊平常都在逛什麼網站，而如此熟悉這種不入流的勾當；他們想說的是，同樣的招數可以輔助認屍。^[1]

泡泡認屍照

現在把編輯的影像主角，從活人改為死者。先用大泡泡選取無創傷的廣大面積，再以小泡泡保存細節，並塗去其他部位。過程中，盡可能留下眼、鼻、耳和髮線等特徵。等能蓋的都蓋掉了，如果剩餘的區域，有屍斑、瘀青、腐化等情形，看了還是怵目驚心，那就降低整體畫面的彩度，或者套用灰階效果。^[1]

泡泡辨識實驗

為了瞭解辨識的準確度，研究團隊在德國洪堡（Homburg）及匈牙利布達佩斯（Budapest），分別招募 38 與 15 名學生。請這些為數不多的受試者，指認經過「泡泡」處理的 10 張照片。裏頭可能出現的名人，包括：德國的球星 Lothar Matthäus、主持人 Inka Bause、超模 Heidi Klum 和政治人物 Frauke Petry；歐盟執委會主席 Ursula von der Leyen、匈牙利總理 Viktor Orbán、瑞典環保倡議人士 Greta Thunberg、教宗方濟各；以及演藝明星李小龍、Tom Cruise 與 Rihanna。另外，學生認識的教師跟絕對沒見過的陌生人，也各有一張，作為對照。全部辨識完後，受試者會看到沒有「泡泡」的版本，確定是否真的不知道某人。^[1]

實驗結果顯示，這些學生認得 72.1% 的人物；而其中 66.8% 的照片，蓋上「泡泡」後，依然能被準確指認。研究團隊頗滿意此成功率，並覺得這個方法簡單、經濟又快速。不過，死者的臉部創傷若是太大，就不適合以「泡泡」遮掩，畢竟觀者腦補的能力有其極限。在那種情況下，他們建議改採臉部重建等其他繪圖技術。^[1]

參考資料

1. Potente S, Ramsthaler F, Kettner M, et al. (2021) ‘Application of the “bubbling” procedure to dead body portraits in forensic identification’. International Journal of Legal Medicine, 135, 1655–1659.