0

0
0

文字

分享

0
0
0

Eugene Goostman 程式真的通過了圖靈測試嗎?

程式人雜誌
・2014/06/11 ・2966字 ・閱讀時間約 6 分鐘 ・SR值 572 ・九年級

SN7TvUG

前言

2014 年 6 月 9 日,我看到 inside 網站中有人發布了一個訊息 「電腦首度通過圖靈測試(36kr.com)」。 我的直覺反應是,這件事情勢必有假,於是一路追了下去。

Inside 的訊息其實是轉貼自 36氪這個來自中國的網站, 36氪網站的文章標是 「计算机首次通过图灵测试」

不仔細看文章的人,很可能會被誤導,認為電腦已經可以成功得欺騙人類,讓人以為他是一個真人,而且比率達到和真人一樣的水準,也就是「人類已經無法正確區分文字交談的對象到底是電腦還是人類了」。

但是、這樣的想法是錯的,文章中所說的 Eugene Goostman 這個軟體其實並沒有達到「完全能欺騙人類」的水準,因為他們所說的圖靈測試,和我所認知的圖靈測試,根本就是不同的東西。

圖靈測試是甚麼?

36氪文章中所說的 「图灵测试」 ,其實有連結到百度百科。百度百科裏對圖靈測試的描述如下:

图灵测试是测试人在与被测试者(一个人和一台机器)隔开的情况下,通过一些装置(如键盘)向被测试者随意提问。问过一些问题后,如果被测试者超过30%的答复不能使测试人确认出哪个是人、哪个是机器的回答,那么这台机器就通过了测试,并被认为具有人类智能。

但是、我所認知的圖靈測試,並不是採用 30% 誤判率為基準的,而是應該達到「和人類被誤判為電腦」一樣的水準。換句話說,假如程式偽裝的和真人一樣好的話,那麼應該要符合下列的表格要求。

判斷者的決定 交談對象為人類 交談對象為電腦程式
判斷為人 比率為 P (正確判斷) 比率大於或等於為 P (欺騙成功)
判斷為電腦 比率為 1-P (誤判人為電腦) 比率小於或等於為 1-P (欺騙失敗)

因此、對於上述新聞中所說的,「计算机首次通过图灵测试」 這件事情,其實是採用 30% 的欺騙成功率,這是我們認為該宣稱有問題的關鍵原因。

但是、為甚麼測試單位「英國雷丁大學」要採用 30% 做為圖靈測試是否通過的標準呢?我想原因應該來自於「圖靈」本人在那篇名為 「COMPUTING MACHINERY AND INTELLIGENCE 」的文章中所提到的一個預估,原文如下:

I believe that in about fifty years’ time it will be possible to programme computers, with a storage capacity of about 10^9, to make them play the imitation game so well that an average interrogator will not have more than 70 percent chance of making the right identification after five minutes of questioning. … I believe that at the end of the century the use of words and general educated opinion will have altered so much that one will be able to speak of machines thinking without expecting to be contradicted.

在上文當中「圖靈」預估 50 年後,一個一般的詢問者經過5分鐘的詢問之後,只有不到70%的機率能正確指認被詢問者是電腦還是人。於是「英國雷丁大學」就把這個預估當成圖靈測試的基準了。

但是、這只是圖靈的一個預估,並不代表圖靈測試就應該定為成功的欺騙過 30% 的人啊! (而且這也不是學術界對圖靈測試的一個共識)。

測試單位的英文公告

36氪的 「计算机首次通过图灵测试」 一文中指出了訊息來源為「英國雷丁大學的新聞稿」,連結如下:

TURING TEST SUCCESS MARKS MILESTONE IN COMPUTING HISTORY

該新聞稿提到 Eugene Goostman 這個程式通過圖靈測試的語句如下:

The 65 year-old iconic Turing Test was passed for the very first time by supercomputer Eugene Goostman during Turing Test 2014 held at the renowned Royal Society in London on Saturday.

但新聞稿的後面有寫出測試方法的描述:

  1. Simultaneous tests as specified by Alan Turing
  2. Each judge was involved in five parallel tests – so 10 conversations
  3. 30 judges took part
  4. In total 300 conversations
  5. In each five minutes a judge was communicating with both a human and a machine
  6. Each of the five machines took part in 30 tests
  7. To ensure accuracy of results, Test was independently adjudicated by Professor John Barnden, University of Birmingham, formerly head of British AI Society

我對這個測試方法的解讀如下:

  1. 圖靈測試:電腦程式是否能成功的透過文字交談欺騙人類,偽裝自己是個人。
  2. 每個「判斷者」都會分別判斷五組「人+電腦」的配對,也就是總共進行 10 次的對話。
  3. 總共有 30 位判斷者參與。
  4. 總共有 30*10=300 場的交談。
  5. 在五分鐘內,「判斷者」會與一組「人和機器」分別交談。
  6. 五組「電腦程式」都會與 30 位「判斷者」談過一次。
  7. 為了確認「判斷者」判斷結果為正確或錯誤, John Barnden 教授會監控並確認結果。

問題在哪裡?

我認為「英國雷丁大學發布的新聞稿」用詞有欠妥當,主要是因為下列語句實在是太過強烈:

The 65 year-old iconic Turing Test was passed for the very first time by supercomputer Eugene Goostman during Turing Test 2014 held at the renowned Royal Society in London on Saturday.

雖然新聞稿後面有交代 Eugene Goostman 程式成功的欺騙過 33% 的判斷者,但是沒有看完全文的人還是很容易被誤導的。

If a computer is mistaken for a human more than 30% of the time during a series of five minute keyboard conversations it passes the test. No computer has ever achieved this, until now. Eugene managed to convince 33% of the human judges (30 judges took part – see more details below) that it was human.

而 36氪網站直接把 「计算机首次通过图灵测试」 拿來當標題,則是進一步的誤導了大家, 雖然 36氪有超連結指向 百度的圖靈測試定義 ,但是這個定義顯然與一般人的認知不同,應該要強調一下才對,不應該企圖用聳動性的標題吸引目光。

最後、 inside 的轉載 「電腦首度通過圖靈測試(36kr.com)」 這篇,雖然有指出來源的 36氪網站文章,不過我想轉貼的人或許沒有仔細想過到底文章中的「通過圖靈測試」到底是甚麼意義,也沒想過這樣可能會誤導讀者,造成錯誤科學訊息的傳播問題。

以前的程式表現如何?

事實上、能夠成功欺騙人類,讓某些人認為對方是真人的交談程式,在人工智慧的歷史上很早就出現過了。

遠在 1966 年時,Joseph Weizenbaum 就曾經創造出一個稱為 ELIZA 的程式,該程式採用了非常簡單的字串比對方法,結果竟然讓不少交談者認為 ELIZA 是個真人,以下是維基百科對 Eliza 程式的描述網址:

http://en.wikipedia.org/wiki/ELIZA

在 2013 年 8 月號的程式人雜誌當中,筆者也在文章中展示了一個自己寫的「中文版 Eliza 聊天程式」,有興趣的朋友也可以閱讀該文章順便瞭解這種程式是怎麼做的。

JavaScript (8) – 中文版 Eliza 聊天程式

另外、在 2011 年時有一個稱為 Cleverbot 的程式 曾經創造過成功欺騙 60% 判斷者的紀錄,這個紀錄比這次比賽第一名的 Eugene Goostman 程式還要高。因此我們真的很難用「電腦首度通過圖靈測試」這樣的語句來描述這次比賽的結果,甚至這次比賽到底是否有創了什麼記錄都是很難確定的。

所以、我真的覺得這樣的訊息是過於聳動了,因此特別寫了這篇文章來提醒大家,避免很多人會被這些訊息誤導。

我的感想

從這個案例中,我們可以看到在網路訊息發達的今天,要能夠不被誤導,恐怕必須要有很強的判斷力與追根究柢的精神,但是在這個訊息多如牛毛的世界中,錯誤與聳動的訊息往往傳播的特別快,這恐怕是網路世界亟待解決的問題之一啊!

最後、我上 g0v 的新聞小幫手 去檢舉了這個新聞,希望能讓誤導的情況稍微降低一下,檢舉網址如下:

http://newshelper.g0v.tw/index/log/1819

參考文獻

轉載自程式人雜誌

文章難易度
程式人雜誌
9 篇文章 ・ 1 位粉絲
程式人雜誌是一個結合「開放原始碼與公益捐款活動」的雜誌,簡稱「開放公益雜誌」。開放公益雜誌本著「讀書做善事、寫書做公益」的精神,我們非常歡迎程式人認養專欄、或者捐出您的網誌。

1

2
0

文字

分享

1
2
0
你覺得 AI 會思考嗎?從圖靈測驗到 AlphaGo ,持續進步的人工智慧——《 AI 世代與我們的未來》
聯經出版_96
・2022/12/26 ・2373字 ・閱讀時間約 4 分鐘

原本人類就對機器有些好奇:機器會思考嗎?機器有智力嗎?機器會有智力嗎?

這些問題本來還不急著回答,但是當研究人員在一九四三年創造出第一台現代電腦,也就是電子、數位、可編寫程式的機器之後,這些問題就顯得急迫了。

這些問題看來格外費解,因為智力的本質一直都沒有答案。

機器有智力嗎?會思考嗎?圖/Pexels

機器人有智力嗎?圖靈測試出現

數學家與解碼專家亞倫.圖靈(Alan Turing)在一九五○年提出解決方案,他的文章標題相當謙和,他在〈計算機器與智力〉一文中建議完全擱置機器智力的問題。圖靈認為真正重要的不是機制,而是智力的展現;他解釋說,因為其他生物的內在生命仍不可知,所以我們衡量智力的唯一方法就是觀察外部行為。圖靈用這個觀點避開長達數世紀的哲學辯論,不去討論智力的本質。

他所推出的「模仿遊戲」就是讓一台機器操作熟練到觀察者無法區別機器和人類的行為,屆時,這台機器就可以貼上「擁有智力」的標籤。

圖靈測試就出現了。

很多人望文生義,從字面解釋圖靈測試,想像著機器人符合條件的話就會和人一樣(如果真有其事的話)。實際應用上,在遊戲或競賽等定義明確、狀況設定清楚的活動中,圖靈測試可有效衡量「有智力的」機器表現如何。圖靈測試並不要求機器做到和人類完全無法區分的地步,而是要判斷機器的表現是不是像人;在這過程中,圖靈測試著重於表現,而非過程。

這樣的產生器算人工智慧,倒不是因為的模型細節符合什麼標準,而是因為他們寫出來的訊息很接近人類寫出來的訊息,能通過測試是因為這模型經過訓練,運用大量線上資訊。

電影《模仿遊戲》改編 自圖靈於二戰期間,幫助破譯納粹軍事密碼的真實故事。圖/IMDb

人工智慧怎麼「學習」?

一九五六年,科學家約翰.麥卡錫(John McCarthy)進一步定義了人工智慧:

若機器可執行「需要人類智力才能進行的工作」,即具備人工智慧。

圖靈和麥卡錫對人工智慧的評估自此形成基準,將我們的焦點從智力的定義轉移到表現(看似有智的行為)的評估上,不再聚焦於人工智慧這個詞在更深奧的哲學、認知與神經科學層面。

過去的半個世紀以來,機器幾乎都無法呈現這種智力,這條死路好像已經走到底了。電腦在精確定義的程式基礎上運作數十年,但因為電腦既靜態且僵化,所以電腦分析也受到局限;傳統的程式可以組織大量資料,執行複雜的計算,可是卻無法辨識類似物品的圖片,或適應不準確的輸入項目。

人類思想不精確又模糊,確實是人工智慧發展過程中難以排除的障礙。然而,過去的十年內,創新的運算方式已經創造出新的人工智慧,模稜兩可的程度可和人類相提並論。人工智慧也不精確、恆動、隨機應變,並且能夠「學習」。

人工智慧「學習」的方式就是先消化資料,然後從資料中觀察,得出結論。

過去的系統需要精確地輸入和輸出項目,不精確的功能人工智慧就不需要。人工智慧在翻譯的時候,不會把每個字都替換掉,而是會找出模式和慣用語,因此翻出來的譯文也會一直變化,因為人工智慧會隨著環境變遷而進化,還能辨識出對人類很新奇的解決方案。在機器領域裡,這四種特質都具有革命性。

以前需仰賴專業棋士,將棋路編寫為程式。圖/Pexels

以阿爾法元在西洋棋世界的突破來說,以前的西洋棋程式要倚賴人類的專業,把人類的棋路編寫為程式;但阿爾法元的技巧是自己和自己對戰數百萬場後磨練出來的,軟體從對戰過程中自己發現了模式。

飛快進步的演算法

這些「學習」技巧的基石是演算法,而演算法就是一連串的步驟,把輸入項目(例如遊戲規則或棋子的走法)翻譯成可重複的輸出項目(例如獲勝)。經典演算法例如長除法等計算,必須精準、可預測,機器學習演算法則不用;經典演算法有許多步驟,分別產出精準的結果,機器學習演算法則一步一步改善不精準的結果。

這些技巧目前進步飛快,以航空來說,很快地,人工智慧就能成為各種飛行器的正駕駛或副駕駛了。在美國國防部高等研究計劃署(DARPA)的專案「阿爾法纏鬥」(Alpha Dogfight)中,人工智慧戰機飛行員在模擬戰鬥中的表現超越了人類飛行員;不管是要操縱噴射機參戰或操縱無人機送貨,人工智慧都會劇烈影響軍事與民用航空。

人工智慧能成為各種飛行器的駕駛。圖/Pexels

儘管我們現在看到的創新還只是開端,但這些變化已經微妙地改變了人類體驗的紋理,在接下來的數十年內,這趨勢只會愈來愈快。

驅動人工智慧轉型的科技概念很複雜也很重要,所以本章會特別解釋機器學習的演化、現況與應用,說明儘管機器學習強大到讓人害怕,但也有自身的限制。

我們必須先簡介機器學習的架構、能力和限制,才能理解機器學習將帶來的社會、文化和政治變化。

——本文摘自《 AI 世代與我們的未來:人工智慧如何改變生活,甚至是世界?》,2022 年 12 月,聯經出版公司,未經同意請勿轉載。

所有討論 1
聯經出版_96
27 篇文章 ・ 16 位粉絲
聯經出版公司創立於1974年5月4日,是一個綜合性的出版公司,為聯合報系關係企業之一。 三十多年來已經累積了近六千餘種圖書, 範圍包括人文、社會科學、科技以及小說、藝術、傳記、商業、工具書、保健、旅遊、兒童讀物等。

0

1
0

文字

分享

0
1
0
將數學具象化!從複雜數學世界中看見規則——《大自然的數學遊戲》
天下文化_96
・2022/12/24 ・2696字 ・閱讀時間約 5 分鐘

國民法官生存指南:用足夠的智識面對法庭裡的一切。

我還有另一個夢想。

我的第一個夢想「虛擬幻境機」只是個科技產物,它能幫助我們將抽象的數學視覺化,促使我們建立新的直覺,讓我們得以忽略數學問題中冗長沉悶的數字結構。

尤其重要的是,它能使數學家對心靈世界的探索變得更容易。但是,由於數學家在數學園地流連忘返時,偶爾也會創造出新景觀,因此虛擬幻境機也可扮演創造性的角色。

事實上,虛擬幻境機或者類似的產品,很快就會問世。

將數學的複雜運作歸類成簡單的模式

我將第二個夢想稱為「形態數學」(morphomatics),它並不是一種科技,而是思考方式。就創造性而言,形態數學具有極為重大的意義。但我卻不知道它是否真會出現,甚至不知道是否有此可能。

我希望答案是肯定的,因為我們都需要它。

上一章的三個例子「液滴、狐與兔、花瓣」彼此間的結構有很大的差異,可是對於這個宇宙如何運作,它們都顯示了相同的哲學觀。它們不像運動定律導出行星橢圓軌道那樣,能直接從簡單的定律導出簡單的模式。相反的,它們貫穿枝葉茂密的複雜性巨樹,最後在適當的尺度下,才終於陷縮成相當簡單的模式。

「水龍頭滴水」這個簡單的敘述,伴隨著極端複雜而不可思議的一連串變遷。

雖然我們已有了電腦模擬的證據,我們還是不知道從流體定律中「為何」會導致這些變遷。這是個簡單的結果,可是起因卻不單純。

在狐狸、兔子與草地構成的數學電腦遊戲中,則包含了許多複雜而隨機的規則。然而,這個人工生態的重要特徵,卻能以四個變數的動力系統來表現,精確度高達百分之九十四。

花瓣的數目是所有原基進行複雜交互作用的結果,但是藉著黃金角,這些作用卻剛好導致各種費布納西數。費布納西數是每位數學福爾摩斯的線索,而不是躲在幕後的元兇。在這個問題中,數學莫里亞提(Moriarty,譯注:福爾摩斯的死對頭)並非費布納西,而是動力學;是自然界的機制,而不是「自然界的數」。

花瓣的數目剛好是費布納西數。圖/envatoelements

在這三個數學故事中,蘊含著一個共同的訊息:自然界的模式都是「突現的現象」,它們從複雜性海洋中突然冒出來,就像波提且利(Sandro Botticelli, 1445-1510)的維納斯乍現於貝殼中,毫無預兆,而且超越了母體。

它們不是自然律的深層單純性帶來的直接結果,那些自然律在這個層級並不適用。它們無疑是從自然界的深層單純性間接衍生而來,但由於因果之間的路徑太過複雜,以致沒有人能夠追尋每一步足跡。

創造一種嶄新的數學

如果我們真想掌握模式的突現,首先需要擁有一個嶄新的科學方法,它要能跟重視定律與方程式的傳統方法並駕齊驅。電腦模擬就是其中一環,可是我們還需要更多。僅由電腦告訴我們某個模式存在,這樣並不能令人滿意,我們還想知道「為什麼」。

這就代表我們必須建立一種新的數學,這種數學能將模式當作模式處理,而不會僅視為細微尺度交互作用的偶然結果。

我並不想改變現存的科學思考方式,它已經帶我們走了很長、很長的一段路,我呼籲的是建立另一個與它相輔相成的體系。

晚近數學最驚人的特色之一,就是開始注重一般性原則與抽象的結構,重心已由定量問題轉移到了定性問題。偉大的物理學家拉塞福(Ernest Rutherford,1871-1937)曾經說過:「定性是差勁的定量描述」,但是這種心態現在已經沒什麼道理。

拉塞福的名言剛好應該倒過來說:定量是差勁的定性描述。因為,能幫助我們了解並描述自然的數學性質種類繁多,數字只不過是其中一種。我們若想將所有的自由度都擠進局限的數值體系,就絕對無法了解樹木的生長或沙丘的形成。

建立一種新數學的時機業已成熟。拉塞福對定性推理的批評,主要在於失之草率;而這種新數學則擁有相當的嚴密性,卻又包含了更多觀念上的靈活性。

我們的確需要一種研究模式的有效數學理論,這就是我將我的夢想稱為「形態數學」的原因。令人遺憾的是,科學的許多分支如今正朝相反方向發展。

舉例來說,DNA常被視為生物體形態與模式的唯一解答,然而當今的生物發育理論,卻不足以解釋為何有機與無機世界分享了那麼多的數學模式。或許,DNA是將動力學規則編入了密碼,而非僅僅控制發育完成的模式。假如真是這樣,當今理論顯然忽視了發育過程的許多關鍵步驟。

建立適當的自然數學體系

數學與自然形態有密切關聯的想法源自湯普生,事實上,還可以遠溯到古希臘人,甚至巴比倫人。然而,直到最近這些年,我們才開始發展堪稱適當的數學。

過去的數學體系本身都太死板,都是為了遷就鉛筆與紙張的限制而創製的。

比如說,湯普生注意到,有多種生物體的形狀與流體的形態極為相似,可是如果想要模擬生物體,當今的流體力學使用的方程式卻嫌簡單得過分。

如果我們在顯微鏡下觀察一個單細胞生物,最不可思議的就是它的運動顯得有明確的目的,看來好像真的知道該往哪裡走。事實上,它是以一種非常特殊的方式,對周遭的環境與內在的狀態做出回應。

生物學家正逐步揭開細胞運動機制的神祕面紗,這些機制比起傳統的流體力學可要複雜許多。細胞最重要的特色之一,是擁有所謂的「細胞骨架」(cytoskeleton),它是某種互相糾纏的管狀網絡,看起來就像一捆稻草,功能是做為細胞內部的剛性支架。

細胞骨架具有驚人的靈活性與動態結構,在某些化學物質的影響下,它可以完全消失無蹤;而不論任何地方需要支撐,又都可以在該處生長。

細胞質中的微管。圖/wikipedia

其實,細胞運動所憑藉的,就是拆卸某些骨架而改搭在另一處。

細胞骨架的主要成分是微管,在討論對稱時我曾經提到它。我在那一章說過,這種不尋常的分子呈長管狀,是由兩種單元:α─微管蛋白與β─微管蛋白組成的,兩者排列成如同西洋棋盤的黑白相間圖樣。

微管可藉增加新單元而生長,也能像香蕉皮那樣從頂端向後捲縮。它的捲縮速率遠大於生長速率,但這兩種傾向都可用適當的化學物質來刺激產生。

——本文摘自《大自然的數學遊戲 》,2022 年 11 月,天下文化出版,未經同意請勿轉載。

天下文化_96
116 篇文章 ・ 600 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。

0

2
1

文字

分享

0
2
1
半導體以前的半導體:從礦石收音機到電晶體——《圖解半導體》
台灣東販
・2022/11/21 ・3430字 ・閱讀時間約 7 分鐘

國民法官生存指南:用足夠的智識面對法庭裡的一切。

從礦石收音機到電晶體

直到 1947 年末,美國發明電晶體後,人類才正式開始使用半導體。不過在這之前,人類已經在使用類似半導體的東西,礦石檢波器就是其中的代表。

日本從 1925 年開始放送廣播,最早的收音機使用的是礦石檢波器。檢波器是一種可以接收電波,並從中提取出聲音與音樂等資訊訊號的元件。使用天然存在之礦石製作出來的檢波器,就叫做礦石檢波器。

礦石檢波器。圖/東販

圖 1-1 是礦石檢波器的原理。檢波器的構造是以金屬製的針碰觸著方鉛礦這種特殊礦石(圖 1-1(a))。

電流容易從金屬針流向礦石,卻很難從礦石流向金屬針(圖 1-1(b))。這種特殊的性質稱為整流性,也是半導體的特性。

對於擁有整流性的物質來說,容易讓電流通過的方向稱為順向,不容易讓電流通過的方向則稱為逆向

換言之,順向的電阻較低,逆向的電阻較高。之後會說明理由,總之有這種特性的元件,可用於製作檢波器。而順向與逆向的電阻比值愈大,可以製成愈靈敏的礦石檢波器。

礦石檢波器的原料是天然礦石,所以品質並不固定。針的接觸位置不同時,靈敏度也不一樣。所以製作礦石檢波器時,必須試著尋找能夠使針的敏感度達到最佳的特定位置。雖然品質不穩定,但製作簡便又便宜,也不用消耗電力,所以早期的收音機常會使用礦石檢波器。

當時的收音機少年也熱中於用礦石檢波器,自己動手製作礦石收音機。以前筆者(井上)年紀還小的時候,就曾自己製作礦石收音機。調整好礦石檢波器後,就可以清楚聽到廣播電台的聲音,讓人相當興奮。為了盡可能提高接收電波時的靈敏度,我當時也下了不少工夫。

這裡就來簡單說明用檢波器,從電波中提取出資訊訊號的原理吧。

訊號的接收與提取

接收無線電波訊號。圖/東販

如圖 1-2 所示,欲以無線電波傳送聲音、音樂等頻率較低的波時,需先將其轉變成頻率較高的波才行。

這個操作稱為調變。圖中,以調變器混合資訊訊號波(同圖①)與頻率較高的載波(同圖②)後,可以得到同圖③般的波,然後再發送這種無線電波(同圖④)。

檢波器接收到這種無線電波(同圖⑤)後,由於只會讓正向的調變波通過,故可得到同圖⑥般的波。這種波含有頻率較低的訊號波與頻率較高的載波,所以需再通過低通濾波器(只讓低頻率的波通過的濾波器),抽取出訊號波(同圖⑦)。

在真空管收音機盛行起來之後,人們便不再使用礦石檢波器。不過,在第二次世界大戰時,礦石檢波器又起死回生。使用礦石檢波器的雷達,在第二次世界大戰相當活躍。

雷達的原理。圖/東販

雷達如圖 1-3 所示,可透過指向性高的天線,朝特定對象發射高頻率電波脈衝,再接收由該對象反射回來的電波,並計算時間差,以測量出與該對象的距離與方向。之所以要使用高頻率電波,是因為頻率愈高,愈能正確識別出細小的物體。

這種雷達使用的無線電波叫做微波,頻率在 3GHz~10GHz 左右。若要用真空管檢波器,從頻率那麼高的無線電波中檢出訊號,必須使用體積很大、電容量很大的真空管才行,所以真空管不適用於高頻率的檢波器。

重出江湖的礦石檢波器

此時就輪到礦石檢波器重出江湖了。使用礦石檢波器時,針與礦石只要有一個接觸點就行了,電容量很小,在高頻率時也能正常運作。

如前所述,礦石檢波器的運作並不穩定,無法直接用於戰爭。於是歐美國家便紛紛投入研發性能更好、能夠取代礦石檢波器的新型檢波器,最後得到的就是矽晶(半導體)與鎢針的組合。

矽晶是由人工製成的均質結晶,所以不需要像使用礦石時那樣,用金屬針尋找、調整最佳的接觸位置。

而且,隨著雷達矽檢波器的研究持續發展,科學家們也發現了矽晶是相當典型的半導體。

為了提高結晶的純度,矽晶的精製技術也跟著進步,這和戰後電晶體的發明也有一定關聯。而且,因為製造出高性能的檢波器,所以人們也開始使用像是微波這類過去幾乎不用的高頻率無線電波。相關技術在戰後開放給民間使用,於是電視與微波通訊也開始使用這些無線電波。

雖然我並沒有要肯定戰爭行為,但戰爭確實也有促進科學技術發展的一面。

戰爭確實也有促進科學技術發展的一面。圖/pexels

半導體就是這種東西—溫度與雜質可提高電導率

接著就讓我們進一步說明,半導體究竟是什麼東西吧。

所有物質大致上可依導電性質分為兩類,分別是可導電的「導體」,以及不能導電的「絕緣體」。

導體的電阻較低,電流容易通過,譬如金、銀、銅等金屬皆屬於導體。另一方面,絕緣體的電阻較高,電流難以通過,橡膠、玻璃、瓷器皆屬於絕緣體。

我們可以用電阻率 ρ(rho:希臘字母)來描述物質的電阻大小。電阻率的單位是〔Ω・m〕,電阻率愈大,電阻就愈大。

導體、半導體、絕緣體的分類。圖/東販

如圖 1-4 所示,雖然沒有明確的定義,不過導體指的通常是電阻率在 10-6Ω・m 以下的物質,絕緣體指的則是電阻率在 107Ω・m 以上的物質。

相對於電阻率,有時會用電導率 σ(sigma:希臘字母)來描述物質的電阻大小。電導率為電阻率的倒數(σ=1∕ρ),單位為〔Ω-1・m-1〕。與電阻率相反,電導率愈大,電阻就愈小。

相對於此,半導體如名所示,性質介於導體與絕緣體之間;電阻率也介於導體及絕緣體之間,即 10-6〜107Ω・m。代表性的半導體如矽(Si)與鍺(Ge)。

半導體的特徵不僅在於電阻率的大小,更有趣的是,隨著溫度與微量雜質濃度的不同,半導體的電阻率數值也會有很大的變化。圖 1-5 為溫度對半導體電阻率的影響示意圖。圖中縱軸寫的是電導率 σ,但要注意的是,縱軸的 σ 值其實是對數尺度。

溫度對半導體電阻率的影響。圖/東販

由這個圖可以看出,一般而言,隨著溫度的上升,金屬的電導率會下降(電阻率上升);但半導體則相反,在 200℃ 以下的範圍內,溫度上升時,半導體的電導率會跟著上升(電阻率下降)。

1839 年,法拉第在硫化銀 Ag2S 上首次發現了這種隨著溫度的上升,電導率會跟著上升的奇妙現象。雖然他不知道為何會如此,不過,這確實是人類首次發現半導體性質的例子。

電流是電子的流動,所以電導率提升,就代表半導體內的電子數變多了。電子原本被半導體原子的+電荷束縛著,無法自由移動。不過當溫度上升,獲得熱能後,電子就能脫離原子的束縛自由移動了。

這種能自由移動的電子(自由電子)數目增加後,會變得較容易導電,電導率跟著上升。這就是半導體的一大特徵。

高純度的半導體結晶在室溫下熱能不足,幾乎不存在自由電子,所以可視為絕緣體。

不過,如果在半導體結晶內添加極微量的特定元素雜質(Ge 與 Si 以外的某些元素),便可大幅降低電流通過半導體的難度。這也是半導體的一大特徵(詳情將在 1-5 節中說明)。

半導體的自由電子,也可以透過光能觸發。

英國的史密斯於 1873 年時發現了這種現象。他用光照射擁有半導體性質的硒(Se)時,發現硒的電阻變小了(內光電效應)。

1907 年,英國的朗德對碳化矽(SiC)結晶施加電壓賦予能量時,發現結晶會發光。這種能讓光與電能互相變換的特性,也是半導體的特徵。

——本文摘自《圖解半導體:從設計、製程、應用一窺產業現況與展望》,2022 年 11 月,台灣東販出版,未經同意請勿轉載。

台灣東販
5 篇文章 ・ 1 位粉絲
台灣東販股份有限公司是在台灣第1家獲許投資的國外出版公司。 本公司翻譯各類日本書籍,並且發行。 近年來致力於雜誌、流行文化作品與本土原創作品的出版開發,積極拓展商品的類別,期朝全面化,多元化,專業化之目標邁進。