夏威夷最冷、最難的工作

• 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。

• 文／玄冥
  曾經做過 Radio Astronomy，現在叛逃去 Structure Formation 了，但也許有天會再回去。喜歡的動物是樹懶。

1946 年 2 月的某個清晨，澳洲東海岸的一群無線電科學家嚴陣以待，將電波接收器對向海的彼岸。如果是幾年前，他們會膽顫心驚地觀察日軍戰機的動向，但是今天不一樣，他們滿懷期待地等著日出。因為科學家們知道，他們正將原本用於國家間內鬥的利器 —— 電波干涉術（Radio Interferometry），用於人類探索太空的共同嚮往。

電波干涉術原先是二戰時用來提高電波觀測準確度的技術，如果說大家對電波干涉術不熟悉的話，那麼對人類拍攝的第一張黑洞影像應該記憶猶新（圖一）。這張黑洞影像的成像原理便是電波干涉術，拍攝這張照片的電波干涉儀則是遍佈全球的「事件視界望遠鏡（EHT）」（圖二）。

大家聽到「電波干涉儀」時，腦海中浮出的想像，可能都是如圖二中的碟狀接收器。然而實際上，電波干涉儀最初的樣貌是非常簡單的（圖三），以下這篇文章會分別介紹電波和干涉術，再介紹兩者結合的原理，一步步帶大家了解電波干涉儀的原型機是如何被設計出來的。

什麼是無線電波？

無線電波（Radio wave，簡稱電波）是一種電磁波，它充斥於我們現代生活的各個角落。例如手機產生的信號、衛星轉播，以及藍牙、WIFI 等等。電波與可見光是唯二能在地球大氣中自由穿行的電磁波波段，因此大多數地面望遠鏡都以觀測可見光跟電波為主。重要的是，相對於可見光波，電波波長更長（約 1 mm 以上），較容易穿過障礙物，讓它更便於觀測藏在宇宙塵埃後的物體（如原恆星）。然而，能穿透障礙物的代價是，在相同的望遠鏡口徑下，電波望遠鏡的「角解析度（Angular resolution）」比較低。

角解析度（或稱角分辨率）是探知物體細微移動或分辨兩個鄰近物體的能力，白話的說就是它能看得多「清楚」。角解析度正比於望遠鏡的直徑，但反比於所觀測的電磁波波長。做一個誇張的比喻，如果我們的眼睛能看到的是波長較長的電波而不是可見光的話，我們需要有一顆直徑約一棟樓高的眼睛，才能看得跟現實中一樣清楚。有限的角解析度，是電波天文台在 1930 年代剛出現時所面臨的主要困境之一。這個問題一直到二戰時期才得到解方 —— 干涉技術。

光的干涉，相信大家在高中的物理實驗中都見過。在實驗中，我們將光源對準布幕，並將切有兩條平行狹縫的一塊紙板隔在光源與布幕之間。此時通過兩條狹縫的光，便會在布幕上產生黑白相間的干涉條紋。這些條紋，源自光通過不同狹縫抵達布幕所需的距離不同，因此不同狹縫發出的光波到達布幕時的震動方向會有所不同。如果兩道光波震動方向相反，會造成相消干涉而形成暗紋；若抵達布幕時震動方向相同，則造成相長干涉而形成亮紋。

利用動畫可能更好理解一些（見圖四、五）。從實驗設備的上方俯視，藍色的點代表光源，紅色的點則是紙板上的狹縫位置，圖片底端是布幕，白色與黑色的部分即為光波的亮紋和暗紋。從圖四我們發現，當狹縫間距越遠，布幕上亮紋就越細緻，而從圖五則可以看見，當光源橫向移動時，布幕上的亮紋及暗紋亦會大幅移動。結合這兩張圖可以看出，越細緻的亮紋對光源的移動就越敏感，電波作為一種波亦有相同的特性。

軍隊如何利用電波干涉偵測敵軍？

讓我們將焦點拉回二戰時期。當時的英國軍隊為了能預警敵機，通常會將電波接收器對準海平面，隨時觀察敵機的位置。圖六和圖七是電波接收器（紅點）跟敵機（藍點）以及海面（黑色區域）的相對位置圖，此時敵機發出的電波會從兩條不同路徑抵達電波接收器，其中較短的電波是從敵機直達接收器，而較長的則是經海面反射後抵達接收器，這兩條路徑的電波會互相干涉並形成明暗相間的條紋。

這些干涉條紋如同雙狹縫干涉所產生的條紋一樣，對波源的移動非常敏感（圖六），因此可以非常準確的判斷出敵機的位置；而如圖七所示，當電波接收器與海平面之間的高度差愈大，干涉條紋愈細緻，這表示電波接收器的海拔高度正比於其角解析度。實際上，如果將電波接收器放在濱海的峭壁上，其影像的清晰度約為一台口徑為兩倍峭壁高度的電波接收器，這便是「電波干涉儀」最初的樣子——也就是圖三那一台在峭壁上的電波接收器。

隨著二戰結束，許多軍事科技被轉為民用或科研用途，電波干涉儀也不例外。對於研究太陽黑子的天文學家們來說，電波干涉儀在這一年轉為民用更是生逢其時，因為隔年恰好迎來了百年內規模最大的太陽極大期。

太陽活動通常以 9~14 年為週期。在太陽活動最旺盛的時候，往往會伴隨著許多太陽黑子的出現、以及被磁場束縛住的日冕物質所迸發的強電波。然而過去受限於電波觀測的低角解析度，人們只知道電波的強度與太陽黑子數量呈正相關，卻並不知道電波具體源自太陽的何處。隨著電波干涉儀的出現，天文學家得以精確地觀測出電波強度的分佈，其範圍比太陽小、且位置與太陽黑子高度重疊，這為此後的太陽黑子研究以及電波通訊應用提供了不少幫助。^(1)(2)(3)

使用電波干涉儀探索宇宙吧！

銀河系和太陽，是天空中兩個最亮的電波源，因此是天文學家最先望向的目標。但天文學家們也注意到，較弱的電波源其實散佈於天空各個角落。這些電波源在沒有干涉儀的時代，因低角解析度以及來自銀河系的電波干擾而遲遲無法精確定位，而這一情況在電波干涉儀出現後得到改善。

二戰後，澳洲海軍負責雷達設備的軍官 John Bolton 以及他的助手，在澳洲沿海各處搭建了電波干涉儀，以觀測來自天鵝座的電波。他們將該電波源的位置精確度，由先前透過一般電波望遠鏡量測的五度推進至七角分（約 1/10 度），也得知這個天體的大小在八角分以下。

然而弔詭的是，如果量測到的電波源自於這八角分不到的天體，這個天體所蘊含的能量密度將遠超出任何已知的天體！更令人驚訝的是，該天體並沒有對應到任何可見光影像中的恆星，於是他們將這個只出現在電波影像的天體稱為天鵝座 A⁽⁴⁾ 。隨後他們用電波干涉儀掃瞄了南方的天空，陸續發現了許多類似天鵝座 A 的天體。

在後續技術發展下，天文學家終於找出這些電波天體在可見光的真身 —— 電波星系⁽⁵⁾（圖八、九）。電波星系在可見光波段的影像如同一般星系，然而在電波望遠鏡下，時常能看見噴流從電波星系中心噴湧而出，噴流的痕跡可達星系本體的數倍。現在我們知道，噴流是在星系中心大質量黑洞進食（吸積）時所噴出的強烈電漿流，其中的帶電粒子在噴流磁場的加速下會發出強電波，從而被電波干涉儀接收。

這些噴流能夠改變星系的氣體與能量分佈，因此對星系演化有著至關重要的影響，今日人們也在透過更先進的電波望遠鏡了解這些星系。

時過境遷，如今的電波干涉儀，已經能夠將遍布全球各地多個電波接收器收到的電波進行干涉，不再是依託於大海的孤立接收器；干涉儀技術的改良，立基於全世界探索宇宙深空的好奇與嚮往，而非國家間互相對抗的戰火。

回首過往，人們在戰爭中其實並未忘記對宇宙的嚮往，因此當硝煙散去，人們便互相合作，將戰時的科技化作探索太空的利器，揭開宇宙奧秘、滿足人類的好奇。如今，我們擁有更強大的科技，希望人們能夠繼承這份嚮往，一同探索更多宇宙的未知。

延伸閱讀

1. 毀滅與新生：超大質量黑洞觸發的恆星形成- PanSci 泛科學
2. 黑洞甜甜圈之後：宇宙噴火槍3C 279 黑洞噴流影像現蹤跡！——《科學月刊》 – PanSci 泛科學
3. 黑洞攝影怎麼拍？七個問答來解謎——《黑洞捕手》 – PanSci 泛科學
4. 仰望宇宙的好據點，大國爭相來插旗：「白山」毛納基亞——《黑洞捕手》
5. 太陽升起前，把握最後的永夜！與時間賽跑的組裝任務——《黑洞捕手》 – PanSci 泛科學
6. 人類史上首張黑洞近照：這張動員全球、沖洗兩年的照片是怎麼來的？ – PanSci 泛科學

參考資料

1. Some Highlights of Interferometry in early Radio Astronomy, Woodruff T. Sullivan III (2016)
2. Pawsey, J. L., Payne-Soott, R., & McCready, L. L. (1946). Radio-frequency energy from the Sun. Nature, 157(3980), 158-159.
3. McCready, L. L., Pawsey, J. L., & Payne-Scott, R. (1947). Solar radiation at radio frequencies and its relation to sunspots. Proceedings of the Royal Society of London. Series A. Mathematical and Physical Sciences, 190(1022), 357-375.
4. Bolton, J. G., & Stanley, G. J. (1948). Variable source of radio frequency radiation in the constellation of Cygnus. Nature, 161(4087), 312-313.
5. Bolton, J. G., Stanley, G. J., & Slee, O. B. (1949). Positions of three discrete sources of galactic radio-frequency radiation. In Classics in Radio Astronomy (pp. 239-241). Springer, Dordrecht.

• 文／陳子翔（現就讀師大地球科學系，EASY 天文地科團隊創辦者）

「WTF！這是什麼鬼？」大概就是不久前一群天文學家在電波觀測資料中發現下圖物體的反應。

圖片中央用藍綠色表示的圓形天體就是用電波望遠鏡拍攝的 ORC1，背景中的星系則是用可見光望遠鏡拍攝，並將影像疊合而成此圖。

天文學家表示，圖中可以觀察到 ORC1 中央有一個橘色的星系，但目前無法確認此星系與 ORC1 是實際上相關的天體，還是是兩個距離相差很遠的天體單純在視覺上疊在一起。

讓天文學家摸不著頭緒的怪東西

事情是這樣的，2019 年底，天文學家們在電波望遠鏡的觀測影像中，發現了一個神祕的環形物體，更有趣的是，經過仔細檢視比對與討論後，這群天文學家對於這個奇怪的物體究竟是什麼卻仍然摸不著頭緒，在困惑驚訝之餘就將它特別標示起來，還留下了「WTF」的註記。

不僅如此，經過檢視更多的觀測資料，他們還發現了好幾個類似的物體，代表這個身分不明的怪東西並不是絕無僅有的特殊案例！而天文學家也暫時將它們命名為「Odd Radio Circles」或縮寫成「ORCs」，也就是「奇怪電波圓圈」的意思。

找到未知神秘天體的興奮

想像一下，當一群天文學家，或是任何領域的科學家找到了某種未知的新東西，會有什麼反應呢？第一個反應大概就是「我好興奮呀！」而ORCs 的發現也不例外。「這真的是任何一個天文學家的夢想：在你的職涯中找到從來沒有人發現過的東西。」ORCs 發現團隊中一位天文學家在受訪時說道。

發現了暫時無法解釋的新東西，那是不是代表這群天文學家可以像阿基米德一樣大喊一聲「Eureka」，然後向大家宣布這就是一種全新天體了呢？等等，事情可沒這麼簡單呀！

網路上有「假訊息」，電波天文影像可能有「假訊號」？

要釐清 ORCs 可能是什麼，就像是面對選項超多的選擇題，當對於正確答案沒有頭緒時，至少可以先刪除比較不可能的選項，同樣的在「了解 ORCs 應該是什麼」之前，天文學家們也得先從「ORCs 應該不是什麼」下手。

首先第一個要檢視的是，這些在影像中的東西是「真的」嗎？

咦？啊不是都已經在影像中看到了，眼見為憑還可能是「假的」嗎？

沒有錯，其實要得到一張電波望遠鏡拍出的影像，並不是像我們平時拍照一樣按個快門就馬上可以看到照片的，電波望遠鏡在接收訊號後所得到的觀測資料並不是直接可用的影像資料，因此天文學家拿到一手的資料後，還必須透過電腦進行相當複雜的處理程序，而處理程序中天文學家也必須輸入適合的各項參數讓電腦進行運算，最後才能得到影像成果。

也由於望遠鏡接收到的訊號需要到電腦進行最後運算，這些過程中只要有什麼步驟出了問題，或是在軟體上出現的 Bug，都可能造成最後得到的影像不正確，也因此可能跑出「假訊號」。

為了避免假訊號的錯誤判讀，電波天文學家常常會利用「將同一筆資料給不同團隊處理」以及「用不同的電波望遠鏡，觀測同樣的天體」，交叉比對就可以大大降低誤判假訊號的可能性。例如家喻戶曉的 M87 黑洞影像，就是分別將觀測資料交由三支不同的團隊來處理喔！

而在這次 ORCs 的案例中，這支團隊也已經使用三個不同的電波望遠鏡陣列進行觀測，結果都觀測到了 ORCs 的存在，也因此能初步排除「假訊號」的可能性了。

抽絲剝繭調查ORCs的真面目，結果帶來的是更多的疑問

排除掉假訊號的可能後，下一個可以著手的就是確認 ORCs 有沒有可能是某種已知種類的天體。

ORCs 有幾項特徵，首先，它們的形狀是接近圓形或環形的，而且像是某種星雲。此外它目前只在電波觀測資料中被看見，也就是說像是哈伯太空望遠鏡這種以可見光或紅外線、紫外線等等波段的望遠鏡，目前是沒有觀測到 ORCs 的。在位置的分布上，ORCs 則主要分布在銀河盤面外（恆星數量較少）的位置。

而根據這些特徵天文學家就可以列出並檢視 ORCs 可能是什麼的候選者。例如超新星爆炸後的殘骸、恆星誕生速率超高的「星爆星系」(Starburst Galaxies)中，恆星集團產生的電波輻射，以及因前方大質量天體扭曲後方天體光線路徑產生的「愛因斯坦環」(Einstein rings)，都是可能的選項，但這些選項目前也都已經根據 ORCs 的各項特徵被初步排除掉了。

還有另外一個令天文學家難以判斷 ORCs 成因的因素，是目前我們還不知道這些 ORCs 的距離有多遠。而無法知道距離就無法知道 ORCs 實際在宇宙中倒底有多大。如果ORCs是銀河系內的東西，那它們可能數直徑數光年大的天體，但如果 ORCs 是存在於銀河系外其它星系的周邊，則 ORCs 就會是直徑數十萬光年大的天體，這大小可差了十萬倍呀！

總之，目前我們還是不知道 ORCs 到底是何方神聖，雖然天文學家們已經初步刪去了許多可能的選項，但對於 ORCs 的成因推測也還沒有收斂的明確方向。而 ORCs 究竟會是什麼？而它們的發現又有沒有可能在未來改變一些我們對宇宙的認識呢？就讓我們抱著好奇的心繼續看下去吧！

參考資料

1. ‘’WTF?’: newly discovered ghostly circles in the sky can’t be explained by current theories, and astronomers are excited
2. Norris, Ray P.; et al. (26 June 2020). “Unexpected Circular Radio Objects at High Galactic Latitude”
3. First M87 Event Horizon Telescope Results. IV. Imaging the Central Supermassive Black Hole