勇敢踏出科普寫作的第一步

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

前有唐綺陽國師，後有理科太太，在知識傳播上，這些「明星」總是一浪接一浪地帶來超高流量，將無數的泛科作者打趴在沙灘上──可‧‧‧‧‧‧可惡，說什麼「我們的流量總和輸給一個 youtuber」、「沒流量為什麼還要一直寫文章」或是「為什麼這群寫字的不是 youtuber」未免也太小看人了吧！你以為這就是全部了嗎？

本次知識節特地邀請了十六位講者，各以 100 秒的超短時間回答主持人辛辣且意圖使人入坑的問題──既留下自己的科普心法，也大吐 youtube 時代對知識經濟的苦水（？），到底最後這些作者是不是留下一句：「真香！」呢？

你是誰？怎麼不當 youtuber？有賺到「知識經濟」嗎？

程威銓：科的層面、普的實踐，兩者的距離值得玩味

近期「理科旋風」橫掃科普圈，先發登場的科普心理作家海苔熊（程威銓）認為，有別於泛科作者多將重點擺在「科」的層面，理科太太更在意的是「普」的實踐，而由市場給予的反饋可知，在兩種策略之間，勢必還有更多值得玩味之處。

當主持人廖英凱問道，程威銓其實相當早期便開始經營臉書粉專，同時也跟唐國師合作過，在傳播科學文章時有沒有經營需要注意之處，或者另有秘訣呢？對此，程威銓認為：最重要的莫過於「你相信什麼價值觀？」這也包含了科學的價值觀在內。雖然價值觀會隨著時間變遷，但作者自己要知道自己在做些什麼？作品是否與受眾產生關聯？否則便容易侷限在自己的世界內。

黃貞祥：「科」是文章的核心概念

身為清華大學助理教授的黃貞祥老師笑稱，自己的夢想便是複製侏儸紀公園，而現在正在路上呢！至於為什麼不當 youtuber 呢？老師則是自謙顏質不高，且製作影片相當耗時、成功者也少──不過當主持人提議如果另有團隊能協助處理影片，作者只要解說自己的想法就可以時，老師卻相當爽快地答應了！

話雖如此，但在老師眼中「影片」與「文章」仍是取向截然不同的媒材，難以說換便換。以影片而言，「普」是其重心所在，需要同時兼顧娛樂；但就文章來說，「科」才是核心概念，娛樂反而是輔助了。

曾文宣：即時回饋，讓作者更有感覺

號稱「視覺系科普作家」的曾文宣，自述從開始寫文章之後，顏質與身材便漸漸走樣。而由於他的興趣在動物生殖學，所以外號又稱「陰莖王」、「乳頭王」──這別緻的稱號倒引起眾人好奇，這些知識都從哪裡來的？曾文宣解釋，其實學校所學跟科普內容關係較少，更多的是靠自己的興趣鑽研網路資源而來。

而同時經營臉書社團、粉絲專頁與在泛科學都有產出的曾文宣，免不了遭主持人提問經營三者有何不同？曾文宣笑說，作為科普寫手，當「文章出不去」的時候最是痛苦了，因此泛科學較長的編輯與審理時間較容易讓人卻步，而在臉書發表文章則有人提供即時回應，會比較有感覺。至於粉專與社團的部分，則是一個發表鱷魚相關內容，另一邊則提供演化文章分享。

陳俊堯：希望科學家成為 youtuber 的後盾

慈濟大學生科系最近才剛出版《細菌好朋友》一書的陳俊堯老師，被問及此書時直言：「細菌很可愛，請大家愛上細菌！」

至於為什麼是用寫書，而非當一個 youtuber 呢？陳俊堯則戲稱自己的臉不夠好看、也不夠好笑，而且製作影片會花上許多時間。陳俊堯老師認為，youtube 影片需要很多資訊，身為科學家應該成為 youtuber 的後勤，提供資訊來讓他們轉換。

林大利：龜毛，是科學寫作的美德

林大利以三句話簡潔地「科普」了一下自己──在特生中心當助理研究員、在澳洲當博士生、家裡開漫畫店。林大利認為，做科普最重要的就是龜毛，這也是科學寫作的美德，有任何不妥的地方都應該修正過來；至於 youtuber… 則因為自己有全職工作，還有兩個小孩要帶，也就沒有時間與金錢來當 youtuber 了。

同時在翻譯方面也有所長的林大利被問及，與翻譯相比，自己創作需要的能力是否有差別？哪一種比較累呢？林大利解釋，寫作需要對知識的全面理解才能寫，翻譯則只需要傳達意思就好──但後者其實也經常發現作者的錯誤。

作答尾聲時被問到「對碩士生而言，既有文獻閱讀能力又有寫作能力，應該先接觸科普寫作還是翻譯呢？」林大利妙答：「先拿到畢業證書。」

寒波：更喜歡文字的表達方式

經營粉絲專頁與同名部落格《盲眼的尼安德塔石器匠》的寒波，對於為什麼不做 youtuber 的問題倒是回答得相當直接，除了技術方面的問題之外，實際上由於文字與影音表達的方式不同，自己較為習慣前者，因此對於 youtuber 這條路興趣缺缺。

張瑞棋：想用喜劇做科普，大家快一起加入！

今天張瑞棋顯然是有備而來，被問到為什麼不當 youtuber 時竟然隨口就來上一段 rap，與主持人站在了同一個立場，力推眾作者跳坑。

而就在這段精彩的 rap 表演後，主持人打蛇隨棍上地問道，以 rap 當作科普媒介在國外早有先例，張瑞棋有想過要這樣做嗎？張瑞棋馬上答覆道：「這樣格局太小了。」比起做 rap 科普，他更希望弄一個情境喜劇，在其中就能夠涵蓋許多表演形式；至於自己呢？比較希望當製作人或者編劇，希望大家能一起加入！

江松樺：想成功跨域？多爬文、多提問

江松樺不僅經營臉書粉專《遠古巨獸與他們的傳奇》，也博曉許多古生物知識，但幾乎沒有人知道他原是心理學研究出身，是後來接觸到許多喜歡恐龍的小朋友，從而開始研究恐龍，才走上了古脊椎生物的領域。

但跨了這麼大一個領域是怎麼成功的？江松樺答道，其實研究的方法及概念是差不多的，至於生物相關的知識則要靠自己慢慢爬文，此外，與專業人士當朋友、多請教，慢慢就知道了。但為什麼小朋友會喜歡恐龍呢？江松樺想，可能小朋友喜歡新奇事物，對日常沒接觸過的東西會抱有好奇心吧。

林希陶：想要自在，不扛偶包

作為心理師的林希陶一上來便先回答了剛剛江松樺遇到的問題──為什麼小朋友會喜歡恐龍呢？其實有些小朋友喜歡特別的分類或動物構造，這些小孩可能有一些亞斯特質，但感興趣的也未必是恐龍，例如有些人可能喜歡陰莖跟奶頭（？）

當提到為什麼不當 youtuber 的時候，林希陶則說，考量到背後所需要付出的心力，自己本身也另有正職，再加上還要帶小孩；同時也希望自己可以自在一點，沒有公眾人物的包袱，因此就暫不考慮當 youtuber 了。

林宇軒：「科」不成問題，「普」較需練習

林宇軒說到，自從某次跟泛科學合作之後，便開始寫食安與農藥相關的文章了。會想要從事科學傳播的原因，主要是自己沒有那麼愛做實驗，科普傳播做起來開心許多。

不過，科普還是會遇到讀者沒有點開網站、沒有點讚等問題，同時，要推廣給許多人也有一定難度──對於科學背景的人而言，「科」不成問題，反倒是「普」較需要練習。至於不當 youtuber 的原因，還是因為自己不愛拋頭露面、比較喜歡在幕後，更希望某日可以當上編劇。

蔣維倫：沒人沒錢沒時間，與 youtuber 真無緣

說起要不要當 youtuber 這件事，蔣維倫表示因為沒人沒錢，後製剪接還需要大量時間；除此之外，就算是直播，有些東西如醫學史或醫學相關內容，沒有畫面也很難呈現，因此暫無計畫。

有趣的是，蔣維倫本身供稿的單位相當多元，為什麼會出沒在如此多的媒體呢？蔣維倫表示，一開始進入泛科學也是單純翻譯國外的新聞稿或者論文，後來覺得這樣做好無聊，因此想要來寫自己的東西，況且自己感興趣的事物在中文世界往往沒有出現過呢。除此之外，像是《鳴人堂》則是朱家安找上門來；而自己對某些社會議題看不慣，也就有投稿發表。

Shark： 策展是趨勢，實際來展場聊聊吧！

身為作者中少數具策展經驗的 Shark，談起從事科普的契機是源於 2016 年的知識節，自那時起入坑寫作，寫著寫著便有人找上門來邀請策展。倒不是說是因為寫作而策展，而是因為自己本身便有在做數學藝術品，剛好藉著寫作得到這麼一個策展機會。此外，Shark 去年也剛申請到了國家文化藝術基金會的經費參展。

在台灣做科學藝術展覽算是小眾嗎？Shark 表示，其實科學藝術展覽並不少見，在文章中也多有提及。另一方面，自己也是因為寫過論文，感到單純用寫的好像有點無聊，因此才把它實際做出來。林家妤也認為，現在策展是一種趨勢，自己更偏好正面對決，邀請大家實際到展場來聊聊。

潘昌志：想突破文字同溫層？或許可試試影像和漫畫

不落張瑞棋後的他，一上台便開始唱起歌來。

經營粉絲專頁《震識：那些你想知道的震事》的潘昌志，自己本身是寫地球科學為主，而現在多著墨在地震方面的文章。雖然說從前不曾有過當 youtuber 的構想，但近年來確實有在考慮：如何可以讓科普傳播有更多效果？

潘昌志認為，寫字的時候會將個人的性格隱藏起來，在影像、歌唱或純文字的表現形式比對裡，雖然沒有特別的數據支持，不過影像與漫畫可以穿透文字的同溫層，接觸到不同的人。

廖英凱：單純與人講話，容易得多

麥克風終於交回到主持人手上，富有廣播經驗的廖英凱面對「為什麼不當 youtuber」的問題答道，自己可能沒辦法做到像是啾啾鞋或者理科太太的程度，因為看著鏡頭對自己來說比較困難；相反的，單純與人講話還容易得多。

至於許多創作者都會面臨到的「業配」問題，廖英凱說，撰稿與主持會有相應費用，至於業配則需要看內容物才能斷定，不希望自己在賣弄科學招牌。要如何像理科太太一般有個說故事的手法，既能獲得生意，又能不違背科學，還是有學問在的。

雷雅淇：想讓科普平台更穩定，推動創作者前行

身為泛科學的總編輯，面對「理科旋風」則有不同的看法。雷雅淇認為，單一、兩個人走紅確實有些象徵意涵，但個人發現這件事可行的做法，應該是讓這個平台更加穩定，因此，她想要做的事是去「推」這些創作者，而不是當衝在最前面的人。

而說泛科學看似沒有搭上這波風潮，倒也不那麼完全。過去兩年泛科學確實持續有在開直播、做動畫，不過在商業、推廣與科學間的界線，要抓得好也沒有那麼容易便是。

余海峯：乘風而行，未嘗不好

從香港遠道而來的余海峯老師自然是逃不過主持人的麥克風了。余海峯老師過去在臉書、部落格都發表過文章，對於科學傳播要改以 youtube、唱歌或漫畫之類的其他方式，認為比起文章會有更多人看、能接觸到更廣泛的族群。雖然這些媒材未必跟科普有關係，但要是能順風搭上也很好呢。

你想分享很多有趣的科學知識嗎？

你可能是自然組高中生、念自然科學相關科系的大學生、研究生，總是想告訴大家科學有多好玩，卻發現別人都聽不懂自己在說什麼QQ

科學知識這麼複雜又難懂，怎樣才能用淺顯文字好好傳播、讓讚數多多呢？《2019 泛知識節》邀請到慈濟大學生命科學系，江湖上人稱「細菌人」的陳俊堯教授，來聊聊寫科學故事的三大心法，講個「非專業人士願意聽的科學故事」。

從前從前，與科普文的初相見

科普文章這麼難寫，怎麼有傻瓜要做這種事？根據陳俊堯的觀察，總結了以下幾種接觸科普文的起點：

1. 老闆交代的任務：「阿就單位要做科普推廣，長官想要發新聞稿，打知名度，所以被要求的。」（無奈貌）

2. 想分享所學：聽到有趣好玩的新知，想把所學跟別人分享。「我覺得這東西太棒了，我想要全世界的人都知道！」

3. 做筆記反思自爽：還有一種人，是為了做筆記反思用的。像是創部落格來記錄自己的學習筆記，除了怕十年後的自己忘記之外，也為了「逼迫自己搞懂」。當真的自己思考、重組過後，才是真的懂了，也才有辦法講一個完整的故事給別人聽。「我寫東西是為了讓自己更懂，你們看不看跟我沒有關係！」

「因此，我們得證，大學生、研究生都應該交科普文當各科作業，占百分之五十不然就全部當掉！」（陳俊堯，2019）

什麼科學故事才吸眼球？把握說故事的 4C 原則！

不管你是被老闆推下坑，或是想告訴全天下你的新發現，還是為了反芻筆記寫爽的，要怎麼寫吸引人的科學故事呢？請參照寫故事的 4C 原則：

1. Causality（因果關係）
2. Conflict（衝突）
3. Complication（複雜難題）
4. Character （主角）

仔細想想，一篇科學研究論文就包含其中三個奧義：有清楚的因果關係，有要解決的研究問題（故事中的「衝突點」），也有研究意料之外的發展（複雜難題）。

「你看，研究論文裡，好故事的條件四項有三項都符合！你不覺得這就是天生最好的素材可以讓你練習寫科普文嗎！」陳俊堯老師眼睛閃閃發亮地說。可是，研究論文中有一大堆專有名詞，一個研究裡面又有好多複雜概念，該怎麼起筆才好呢？

今天就要來公開科普寫作的三大秘辛：話不能省、料不能多、深埋爆點。

話不能省：訓練有素的科學家們，請多講點廢話

陳俊堯分享，科學家過去的科學訓練總是要求「精簡」，但是寫科普文時，是要寫給非專業人士看的，為了預防讀者腦子轉不過來，勢必要把事情解釋清楚。「任何別人可能會不知道的背景科學知識都要講清楚。不要只講重點、不要只講結論，過程描述清楚，那才是吸引人的地方。」陳俊堯說。

除了避免過於精簡，科學家更要避免掉進「專有名詞的詛咒」。進行科學寫作時，留下和科學故事最相關的專有名詞，把它還原成一般人的語言，好好解釋，至於不重要的名詞，就跳過它吧！

舉例來說，如果你想說：「Bacteroides thetaiotaomicron 屬於腸道裡的優勢菌群，可在大腸分解食物裡的多醣，如纖維素。」

不如改成：「Bacteroides thetaiotaomicron 是我們腸子裡最多的細菌，我們先叫它 Bt 菌。我們吃的菜裡有不能被消化的纖維。Bt 菌本事高強，可以吃這些纖維長大。」

當專有名詞被轉換之後，讀者認知上的負擔就減少了！如果能再跟生活結合：「纖維就是你昨天吃的那個菜裡面，咬不爛的東西。」那讀者對於科學新知的恐懼感就會下降。

同樣的，我們也可以「善用比喻」來消滅專有名詞。舉例來說：「運用次世代 DNA 定序技術對土壤樣本進行大量平行定序。」就可以用「幫泥土裡的細菌點名」來類比。

最後，陳俊堯在批改科學家文稿的過程中發現：科學家們看了很多研究論文，寫出來的文章就容易變成「英文文法的中文」。因此寫科普文章時，切記不要被英文綁架了，不要倒裝、不要雙重否定、砍掉贅字！

料不能多：太多想講的重點，讀者會拉肚子的！

雖說寫科普文章時，話不能省、廢話多說一些，但一定要記得「料不能多」，別給讀者太多硬科學知識，若是用知識淹死讀者，可是會嚇跑人的！萬一想說的重點一集講不完，還可以有續集嘛～

為了讓一集科學故事的知識份量剛剛好，陳俊堯建議科學家使用「派大星揮一拳結構」：「試試看每個故事只上三道菜，也就是破題之後只講三件事情。第一和第二件事是為了鋪陳第三個重點，資訊量不用太多；第三個才是超級無敵大重點，要仔細、認真講！」

另外，包裝「料1、料2、料3」的破題跟收尾要怎麼寫呢？陳俊堯說：「破題是把讀者從人間拐進來」也就是先聊生活上的例子，讓讀者知道接下來要講的科學知識跟他們的生活有什麼關係。收尾也要記得把讀者送回人間，就算真的跟生活很無關，不管怎麼樣一定都要牽拖到，讓讀者感覺到回到人間。

而若要將讀者送回人間，可別忘記來點「調味」、加一點人的味道，試著放入能夠引起讀者情緒的內容，像是自己的生活經驗。「有人味的科普文章，人家才會想讀！」

深埋爆點：把驚奇埋在最後引爆

我們說，每個故事只上三道菜，第一和第二道菜，是為了第三道料理的出現。也就是說，寫科普文章時，要慢慢引導大家去嚐嚐第三道菜──就是你深埋在最後的爆點！

那要怎麼做呢？陳俊堯說，「讀者是被拉著走的，他唯一接受到的訊息是你給的文字。請用文字去引導讀者，先把問號塞進讀者腦袋裡，讓讀者在心中產生疑問，最後再把謎底揭曉！」

另外，科普寫作也可以耍點小心機！為了要抓住讀者的注意力，也可以在文章前段刻意誤導讀者，給讀者很多歪掉的資訊，文末再拉回來解釋到底正確答案是什麼，將正解深埋在最後引爆。

教練，我想寫科普文！別急，熟悉主題、設定觀眾再開始

「話不能省、料不能多、深埋爆點」，領會科普寫作的三大秘訣之後，今天回家就可以動筆開寫科普文啦！不過在打開 Word 檔之前，陳俊堯老師還有幾點想提醒大家。

首先，在動筆之前，請先設定對象，想想「你想對誰講故事？」是高中自然組學生、國中生、還是小學五年級的小朋友？

設定好觀眾群之後，記得針對讀者們的知識背景來調整用字，用他們懂的、覺得有興趣的梗來舉例或比喻。萬一忘了針對讀者群調整用字，讀者可能會覺得：「會用這個字一定是老人家，我才不要看這個東西！」因此動筆之前，試著想想自己想要吸引怎樣的人來看文章，寫作的時候，時時把這群人的形象放在心裡。

再者，寫特定主題的科普文章之前，必須確定自己已經完全搞懂這個主題。「就像各大內容農場或媒體翻譯的科學報導，在對該主題一知半解的情況下，可能會寫出很奇怪的東西。」

如果你都已經準備好了，那就快接受陳俊堯的推坑吧：「今天回家就可以把一篇研究論文寫成 1000 字上下的科普文了！」