科學解析「蒙娜麗莎微笑」的祕密

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

飛行的物理學

「觀察在稀薄高空中飛翔的老鷹，牠的翅膀是如何鼓動著空氣，讓沉重的身體得到支撐。物體對空氣施加的力量，等於空氣對物體施加的力量。」15 世紀末，達文西在筆記本如此寫道。達文西僅憑觀察，就掌握飛行的原理了。

飛行的原理讓達文西深深為之著迷。他發明人力驅動的飛行器，試圖證明人類能否飛上天，還設計人類可以操縱的翅膀。他仔細研究飛行中的鳥，並且提出飛行的假說：「鳥類張開寬寬的翅膀，加上短短的尾巴，準備起飛，」他接著寫道，「鳥類必須用力抬起翅膀，然後放下翅膀拍動下方的空氣。」

上圖的金鵰比空氣重，但是翅膀造形卻能善用空氣分子，讓身體起飛與降落。金鵰飛行的時候，你認為氣流通過翅膀上方與下方時，哪邊的速度較快？量量看， 1 公尺有多長，是金鵰身體的長度；再量量看 23 公尺有多長？這是牠的翅膀展開的長度！再想像一下：金鵰拍動翅膀、凌空起飛的模樣。你認為翅膀上方還是下方的氣壓比較大？可以解釋原因嗎？

上圖的字跡與插圖，出自達文西的《鳥類飛行手稿》 (Codex on the Flight Of Birds)。他的研究，造福許多後世的科學家，包括丹尼爾•白努利 (Daniel Bernoulli)。他在 1738 年解釋了空氣流動的科學原理。

白努利認為：鳥類飛行時， 因為翅膀結構的關係，空氣通過翅膀上方的速度較快， 使得氣壓較低，而空氣通過翅膀下方的速度較，使得氣壓較高。翅膀上方與下方的壓力差，進而造成了升力。

編按：解釋飛機能升空飛行的物理概念，除了白努利概念外，尚有其他因素，例如飛行時的角度、飛機造形和其他效應等。

飛機為什麼可以在天上飛？

開始調查吧！

我們蒐集資訊，一起設計翅膀，就跟達文西一樣！我們將蒐集涵蓋翅膀形狀、空氣與運動方面的資訊，也跟達文西一樣，提出許多問題。

問題：淚珠的形狀，和飛行有什麼關係?

下圖的形狀，好像淚珠的一側。看到這種形狀，是否讓你聯想到它與飛行的關係呢？

答案：這就是翼型。

淚珠的形狀，我們稱為「翼型」。這樣的造形，可能讓你想起噴射機的機翼或鳥翼的形狀。翼型的前端是較厚的圓弧，後端則逐漸變薄、變窄。

飛行中的翼型向前挺進，空氣分子往上也朝下移動。翼型下方的空氣分子，移動的速度慢於上方滑過的空氣分子。空氣分子移動速度較慢，造成的氣壓就比較大。想像一下：翼型下方的空氣，等於處在被壓縮的狀態，翼型下方，較強的氣壓向上推，造成的力量稱為「升力」。

受到鳥類的啟發

看到鳥翼的切面，居然就是翼型，你是否大吃一驚呢？說穿了，航太工程師就是從飛行中的鳥類得到靈感。移動的翼型會切過空氣，與周圍的空氣產生了力的作用。空氣分子——渺小不可見卻能施展強大的力量，從四面八方擠壓著翼型。翼型向前移動的時候，因為與空氣產生了交互作用而起飛。

將書本平放在桌上一隻手塞到書本下方，然後把書托起來。你的手在書下施展的壓力，就像慢速通過翼型下方的高壓。另一方面，通過翅膀上方的空氣，移動速度較快，形成了較低的氣壓。

空氣分子在機翼上的賽跑

讓我們進一步調查

問題：通過翼型上方的空氣，是否因為空氣要通過的距離較長，因此速度才會變快？

答案：根據美國的國家太空總署 (NASA) 工程師分析，機翼上方空氣的速度很快，只是為了比下方空氣更早抵達機翼後方，而不是因為距離較長。機翼上方的低壓空氣，其實速度更快！

畫出你的翼型

畫出屬於你自己的翼型，請標示以下項目

和達文西一起賞鳥

達文西不只觀察飛行中的鳥，他也細看鳥的各種狀態，而且反覆觀看。他寫下筆一三己，問自己問題，例如：鳥類用什麼樣的方式使用翅膀？然後想辦法找出解答。以上這些行為，就是「觀察」。

當個自然觀察家吧！住家附近就可以好好賞鳥。不管你住在哪裡，都有機會走出家門，觀察鳥類百態及其飛行方式。記得帶著筆記本、鉛筆、色鉛筆與望遠鏡，可能的話帶一台相機，現在就抽出時間邁向戶外吧！

你的觀察記錄將充滿獨一無二的個人風格。看到小鳥，先用肉眼觀察。接著，以素描記錄觀察到的現象：畫出鳥類的輪廓，有沒有值得注意的花紋或樣式？先畫下外形，然後加上顏色：鳥喙是什麼顏色？腳呢？也花點精力注意體型大小：和其他鳥類相較，有多大或多小呢？有沒有攝食？歌聲或叫聲怎麼描述呢？鳥類如何起飛？如何降落？鳥類會順風起飛嗎？其他數據、記錄地點、天氣與賞鳥的時段，都要記錄下來。

以飛機工程師的方式來思考！

用另一種角度來看翼型。機翼後緣窄窄的後翼往上或往下，會有怎樣的效果呢？飛機工程師設計噴射機的時候，讓機翼的後緣可以伸展或彎折，透過這樣的方式讓空氣分子流動，達成特殊目的。如下圖所示請利用本小節的訊息，預測這樣設計的目的，並把假說寫在筆記本裡。

下圖是根據達文西的設計而重建的機械翅膀。翅膀的形狀不像翼型，但是從喇叭似的形狀看來，功能就是壓下空氣分子，以產生向上的升力。這款翅膀有沒有讓你想起某種哺乳動物呢？

一起動手玩：創造一個翼型

實驗材料：影印紙、膠帶、30 公分長的直尺、鉛筆（最好是六角鉛筆）、吹風機

實驗步驟

1. 輕輕彎折紙張，以垂直方向對摺。這時紙張會有淺淺的摺線，並且出現翼型般的曲面。
2. 把紙張轉成水平方向，曲面朝下。將上半張紙的邊緣往後移 1.27 公分，用膠帶固定。
3. 把直尺伸到紙張底下，在 5 公分處用膠帶把尺和紙黏在一起；紙張的邊緣也要和直尺黏合。

4. 把鉛筆放在距離直尺 12.7 公分處，和直尺垂直擺放，並以膠帶黏和。

5. 將吹風機設定最小風量模式，待會對著翼型的吹端吹。你認為吹風機啟動後，會發生怎樣的現象？請先寫出假說。

6. 現在測試你的實驗設計與假說。找個夥伴握住鉛筆兩端，翼型曲面朝向你。這時再啟動吹風機的小風量模式，直尺會怎樣？你感到翼型的升力了嗎？

實驗背後的科學

如同你所認知，通過翼型上方的空氣，移動的速度比翼型下方的空氣快。翼型下方的空氣分子在較高的壓力下受到擠壓。氣壓較高的空氣分子，向上推擠。翼型下方的高壓及上方的低壓，組合起來造成了升力！

達文西被譽為世紀天才，除了留下很多達文西密碼外，他最為人熟知的，便是《蒙娜麗莎的微笑》、《最後的晚餐》等等美好細膩的畫作。不過，你知道他除了在藝術方面有卓著貢獻外，也是個超級斜槓的科學愛好者嗎？

這位文藝復興時代的英才，對於很多事物都有著強烈的好奇心。不同於咱們凡人的三分鐘熱度，但凡是這位大大想要研究的東西，他都會努力鑽研，因此，他在音樂、土木工程、數學幾何、生理解剖、動物植物，乃至於氣象與地質，都有涉獵，在當年可謂是「上知天文、下知地理」，完勝同時代的其他畫家。

東解西剖，揭開人體的秘密

達文西很早就開始接觸人體解剖學，在他的刀下，男人、女人、青年、老人，都無所遁形，他一生中解剖了 30 具左右的屍體。而牛、熊、蛙、鳥，也都是他研究的對象。

他曾與托爾醫生 (dottore Marcantonio della Torre) 合作進行解剖工作，並畫了 200 多篇畫作，並在死後將這些圖畫集結成《繪畫論》出版。（想想當年買的人心裡會有多驚嚇，你以為你買了一本在談繪畫的書，結果裡面充滿了屍體……）

這些解剖讓他深入了解人體的肌肉、骨骼，乃至於血管和神經系統。達文西不僅針對生殖系統、臟器和大腦都做了詳細記錄、描繪視神經在眼球和大腦間的連結，更第一次畫出了子宮內的胎兒。

而你我都很有印象、也被無限惡搞的《維特魯威人》，這幅畫的名稱，來自於達文西很喜歡的一位古羅馬建築師。藉由維特魯威在《建築十書》中的敘述，達文西創作了這幅畫作，在其中也藏了許多數學的概念。

我們可以從圖片看出來，人體分別嵌進一個圓形和矩形中，這是怎麼做到的呢？維特魯威認為，如果以人的肚臍為圓心，可以描出一個圓形，而此人的手指和腳趾將與圓周接觸。另一方面，人們雙臂打直的長度約等於人的身高，因此，我們也可以將人放進正方形中。如此一來，你就可以得到一個又正又圓的人囉！（並不是）

一步～兩步～摩擦～有了力學天黑都不怕

達文西對於各種機械、力學都非常著迷，而他的研究成果，都藏在筆記中。幾年前，有人藉由研究他的手稿，發現達文西早在數百年前，便對摩擦力有了史上第一次系統性的研究。

研究人員認為，「達文西知道兩個滑動表面間的摩擦力與正向力有關，而與兩個表面間的接觸面積無關。」

而他對摩擦力的認識，也有助於各種機械的設計、發明。他曾經擔任軍事工程師，根據紀錄，他曾設計過弩箭、機關槍、降落傘、潛水裝和武裝坦克車等等機具。此外，他也設計過齒輪、腳踏車等等物品。

我在天上飛！達文西的飛行夢

除了地上跑的各種機械，達文西對天上飛的東西也充滿興趣。他用了很長的時間觀察鳥類飛行，藉由觀察牠們拍翅的動作，發明出各式「飛行器撲翼機」(ornithopter)。

想要操作這樣的機器，首先呢，你需要一位飛行員，他要非常忙碌地以手腳操作滑輪組、槓桿，再加上踏板。同時，達文西也貼心地裝上了落地架，要是飛得累了，可以伸縮支架以便安全落地。可惜的是，他進行的幾次試驗都失敗了。

而另一個看上去十分酷炫的「空中螺旋器」(aerial screw)，則是用螺絲起子般的葉片來壓縮空氣、輔助起飛。恩……但是這樣的設計讓機身過於笨重，所以螺旋器還是只能留在地上轉轉轉了。

…..這麼說，達文西也沒這麼聰明嘛？欸欸，可別小看人家啊，像他發明的三角形降落傘雖然看上去很神秘，卻是十分厲害的呢！曾有人在 2000 年時利用他的設計草圖打造原型機，結果完美通過測試，可以讓人隨風飄搖。

天才之星，始終閃耀

也正是因為達文西在各領域都給了我們很多啟發，大家很喜歡用他來命名各種東西，比如說，美國天文學家 Schelte J. Bus 於 1981 年發現新的小行星時，便以達文西為其命名，稱之為「小行星 3000 李奧納多」。

近幾年引起許多關注的「微創手術」中，也可以見到達文西的名字。發明這種「達文西手術系統」(Da Vinci Surgical System) 的研發公司透露，這種器械的靈感來源便是達文西設計過的機器人。

即便過了五百年，達文西的靈光仍是讓人讚嘆。對於你來說，最吸引你的是達文西哪個部份呢？

• 達文西的《维特鲁威人》數學 – 詹姆士．厄爾
• 橫跨科學與人文藝術的天才──達文西誕辰│科學史上的今天：4/15
• Engineer Finds a Huge Physics Discovery in Da Vinci’s ‘Irrelevant Scribbles’
• Codex on the Flight of Birds
• 達文西的飛行夢 －《知識大圖解》
• Da Vinci’s parachute flies
• “Leonardo da Vinci’s studies of the heart” Mohammadali M.Shoja, Paul S.Agutter, Marios Loukas, Brion Benninger, Ghaffar Shokouhi, Husain Namdara, Kamyar Ghabilia, Majid Khalilih, R. Shane Tubbsb International Journal of Cardiology
• Volume 167, Issue 4, 20 August 2013, Pages 1126-1133 https://doi.org/10.1016/j.ijcard.2012.09.078
• “Leonardo da Vinci׳s studies of friction” Ian M.Hutchings Wear Volumes 360–361, 15 August 2016, Pages 51-66 https://doi.org/10.1016/j.wear.2016.04.019
• 《開膛史》蘇上豪著  時報出版

《達文西傳》（達文西逝世500周年紀念版）泛科市集 79 折優惠中！

編輯 Wei-Chiao Chang 報導

美國神經生物學家於「蒙娜麗莎的微笑」畫中，發現了達文西巨匠慧心的秘密。

笑，是世界共通的語言，楊貴妃的回眸一笑百媚生、妲己的開懷一笑，民不聊生、陳圓圓的會心一笑，傾國傾城。而達文西的藝術傑作「蒙娜麗莎的微笑」，不但價值連城，更是法國羅浮宮的鎮館之寶，百年來，不知多少藝術家為之傾倒、醉心。

美國哈佛大學神經生物學家於這幅肖像畫中，發現了達文西巨匠慧心的秘密，這個理論已於2003年二月丹佛舉行的美國科學促進協會年會（annual meeting of the American Association for the Advancement of Science）中提出。Margaret Livingstone教授發現，如果欣賞該畫時，將視線完全集中在蒙娜麗莎的臉上，蒙娜麗莎的微笑會奇妙地消失。然而，若有把視線轉移到這肖像畫的其他區域時，反而可以感覺到蒙娜麗莎的微笑。

Margaret Livingstone教授指出，人的視覺可分為小窩視覺（foveal vision）與周邊視覺兩類。小窩視覺又稱直接視覺，適宜辨識影像與色彩資訊的細節，卻不適合辨識陰影。但是，周邊視覺則負責陰影的辨識。如果專注地凝視一件物體，隨著時間增長，周邊視覺的作用就漸漸減少。舉例子來說，當越來越專注地注視著印滿字的信上一個字時，相反地，其他的字就會顯得越來越模糊。

有趣地是，蒙娜麗莎的微笑幾乎都是利用陰影加以表現，因此，當觀眾欣賞畫作時，自然地會專注地看著肖像畫人物的眼睛區域，此時的周邊視覺便落在蒙娜麗莎的嘴巴附近區域。由於周邊視覺不善於辨識細節，但善於解析陰影，觀眾便自然地意識到蒙娜麗莎微笑的存在。反之，若直接注視著蒙娜麗莎的嘴巴區域，因為直接視覺不善於解析陰影，所以觀眾反而無法得到蒙娜麗莎微笑的青睞。

君子之交淡如水是一種完美的人際關係，距離增加了美感，彼此心神交會，就如同淡淡的清茶一般，雖無香氣撲鼻、滿口生香，卻也神清氣爽，精神百倍。旁觀者清，當局者迷，看畫如此，待人接物又何嘗不是如此！

參考來源：

• eurekalert.org: From da Vinci to Monet: Understanding how artists can manipu
• BBC NEWS/2003/02/18–Mona Lisa smile secrets revealed

本文版權聲明與轉載授權資訊：

• 本文採用書面授權轉載模式，詳細著作權聲明與轉載規定請見 http://sciscape.org/copyright.php。

Original publish date:Mar 17, 2003