娘子，快出來見月亮！

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

一年一度的七夕情人節又來臨了，去死去死團出動囉！不免俗還是要來幫大家複習一下牛郎織女的故事，順便來場科學的浪漫 (?)

在很久很久以前，孤兒牛郎和哥哥嫂嫂一起生活；嫂嫂愛刁難他，給了牛郎九頭牛卻要牛郎帶十頭回來才能回家。經過高人指點的牛郎帶回了一隻其實是被打下凡間的老黃牛。

他悉心照料這隻牛，於是老牛就指點他找到了仙女們下凡洗澡遊玩的地方。他偷偷拿了其中一件衣服，而因為沒有衣服穿就回不去天界的織女，就這樣跟牛郎墜入了愛河。他們經過什麼樣的過程，生育了一對龍鳳胎我們就不贅述了，但這樣觸犯天規的織女要被強行帶回天庭。經歷了一番波折，總而言之牛郎織女每年總算可以在農曆的七月初七在鵲橋相會囉。

農曆七月初七，怎麼會出現滿月？

讓我們搜尋一下牛郎織女相會的畫面……

等等，不是說他們相聚是農曆七月初七嗎？七月初七的月亮應該是這樣啊：

如果我們不要改時間為難一年才能相聚一次的牛郎織女，要怎麼才能讓七夕鵲橋仍然有滿月這樣浪漫的存在呢？

假設一：他們是在外太空

牛郎織女每年七夕在銀河旋臂上相遇，由地球上看到的至少是 6500 年前的牛郎織女，考量到光線傳遞會有時間差，大約有十分之一的機率剛好碰到滿月的畫面。

或者假設牛郎織女並沒有遠在 6500光年之外，對神仙來說，鵲橋高度跟月球軌道一樣，因此視角跟我們凡人不同也是很合理的。

假設二：那根本不是月球

其實仔細看看畫面，你怎麼會認為牛郎織女後面是月球呢？那光明明是 7500K 以上的藍白光恆星，搞不好是天狼星或是參宿增一之類的超大恆星哪~~

假設三：公轉速度改變的平行宇宙

簡單版：有個地球2.0和月球 2.0，各項參數配起來剛好七夕那天就是滿月。

更一個複雜版的平行宇宙：如果月球公轉速率快約一倍、地球公轉速率也快約一倍，地球自轉速率維持不變。可以得到一個月只有約 14.6 天左右，一年只有只有 182~183 天，但一樣一年會有 12 個月，每天仍然是 24 小時，而初七前後就會是滿月，解決！

• 本段內容改寫摘錄自《牛郎織女的背後怎麼會有大大的滿月!?》

牛郎跟織女在天空的真面目其實是……

牛郎與織女和太陽一樣都是恆星，核心核融合反應所產生的光，穿越太空、抵達地球，才能被人們看見。

織女屬於 88 星座中的天琴座，亮度 0.0 等，是全天排名第 5 亮的恆星，顏色呈現藍白色，西文 Vega 或 Wega 乃「俯衝的老鷹」之意。在織女星旁有 4 顆排成菱形的 3、4 等暗星，在東方被視為擅長織布的織女所使用的梭子，在西方則被視為七弦琴的琴弦部分。

牛郎又名「河鼓二」，屬於 88 星座中的天鷹座，亮度 0.8 等，全天排名第 12 亮的恆星，顏色呈現白色。西文 Altair 乃「上升的老鷹」之意，與織女相反。牛郎旁有兩顆 2 等星，分別為河鼓一與河鼓三，這兩顆星幾乎連成一直線，也可以看作牛郎用扁擔帶著一雙兒女。

牛郎和織女在地球上看似只是隔著銀河相望，其實兩者彼此相距約 16 光年之遠，實際上相對的位置並不會因七夕「鵲橋相會」而變得比較近喔！

• 本段內容摘錄自《七夕小常識—牛郎織女的真面目》

傳說是一回事，七夕讓情人相會過得如何呢？

雖然老外不過七夕，但 Morse 與 Neuber 多年前進行的一項追蹤研究指出，西洋情人節 2/14 前一週與當週的分手率是平常的 2.5 倍。在情人節參加實驗的受試者，更容易分手。在二月參加實驗的人，有 13% 的人分手，四月的參加者有 7.4% 的人分手（或許是因為愚人節效應），而 9 月和 10 月的參加者，分手率是 4.2% 和 5.1%。

不論是二月十四或是七夕，都不能當做分手的理由，所以我們跟該去思考的是：這些「情人系」的日子裡發生了一些什麼，讓我們更容易分手？或者，這效果真的如此「全面性」嗎？還是只是「某些人」在這段時間容易分手呢？

為了回答這些問題，Morse 與 Neube 回顧了文獻，提出兩個假說：

1. 煽動假說（instigator hypothesis）：情人節是一種「社會比較性」（Social comparison）的節日，在比較之中「煽動」了分手。這幾天之中，你有更多的機會看到別的情侶互餵吃飯飯，撞見路人甲和他的閃光在街頭擁吻，看見伯朗大道上的（偽）金城武幫他女朋友擦汗奉茶，甚至姊妹淘在聊天時，「不小心」聽到某人的男友又送她多名貴的限量包包。這樣一比較下來，很多事情都變得鮮明起來，當他不夠體貼、不夠了解、準備的禮物你不喜歡、甚至餵你吃飯的時候沒有疊字地說「飯飯、麵麵」，都會促使你去想：他真的愛我嗎？他是不是變了？
2. 催化假說（catalyst hypothesis）：情人節只是催化了情侶之間「比較明顯」的部份。情侶間的連結強弱，本來就是會隨著衝突、信念、自我揭露、各種大小事件而起伏，那些本來就幸福穩定的關係，受情人節影響不大，真正該小心的是那些原先就岌岌可危，浪濤洶湧，暗藏許多不滿和委屈的關係。

所以，到底哪個說法對呢？就 Morse 與 Neube 的追蹤研究來說，比較支持「催化假說」。那些原先就問題重重的關係，更容易在情人節後分手。

• 本段內容摘錄自《七夕分手潮：我們還能當朋友嗎？》

看完七夕的傳說到現實，在此祝福大家不管有情無情，單身交往還是一言難盡，生活都能過得開心順利。

延伸閱讀

• 享受單身，請看《討厭情人節被閃瞎？其實當去死去死團也不錯》
• 想祝福天下有情人終成兄妹，來看這篇《你所不知道的獅子王（1）：獅群篡位稀鬆平常？鬣狗根本雌雄難辨？》
• 準備讓自己迎向未來，請參考：《在七夕之後：不存在的情人》
• 《七夕分手潮：我們還能當朋友嗎？》
• 《牛郎織女的背後怎麼會有大大的滿月!?》
• 《七夕小常識—牛郎織女的真面目》

科學新聞解剖室—案件編號 17

案情

自從全球暖化議題從科學家研究進入日常茶餘飯後的民生話題之後，「氣候變遷」、「氣候異常」似乎變成了一句口頭禪，時時搔動我們的敏感神經。加上近期 PM2.5 的情形每況愈下，灰濛濛的空氣品質真是讓人心情糟透了，就在這樣的氛圍下，日前 LINE 的親友群組又傳來一則驚悚的報導，是中時電子報網站 2016 年 3 月 7 日刊登的〈氣候亂象！霍金：地球最快 2030 年世界末日？〉這篇新聞。是啊是啊，世界末日又來了！（狼來了狼來了狼來了）

新聞首段指出：

…知名宇宙物理學家霍金爆出驚人言論：在未來 15 – 20 年內，太陽將會進入到休眠狀態，太陽的這種變化，將對地球造成毀滅性的影響，難道地球將會在數十年內迎來世界末日，最早 2030 年滅亡嗎？……

噢…..這次竟然是物理大師霍金說的耶！這可不能等閒視之，畢竟霍金是當代極富盛名的大科學家，如果是真的，那解剖員就得好好地為接下來的 20 年打算，如果是假的，那也要還給霍金一個公道。就讓我們拿起隨身攜帶的兩把手術刀，一層一層地來看看事情的原貌。

解剖

科學疑點一：太陽活動減少，世界就會毀滅嗎？

 ……霍金預言說太陽將在 2030 年休眠，這將導致地球氣溫大幅度下降、使得地球步入小冰河期。……由瓦倫蒂娜紮爾科夫教授與團隊研發的太陽活動週期新模型，……預測到太陽活動將在 2030 年左右減少 60%，屆時地球將很有可能進入小冰河期。…

這一段新聞的內容似乎在說明霍金預言 2030 年太陽要「休眠」，而且研究團隊也預測太陽活動在 2030 年會減少 60%。屆時人類就要進入冰天凍地的小冰河期。但值得思考的是，太陽活動真的和地球的氣候變化有關係嗎？科學說明因果關係時要非常謹慎，所以科學家真的有這樣說嗎？

這裡面其實有幾個不同的概念被混淆了，首先，這裡所指的「太陽活動」並不是我們日常生活中看到太陽發光發熱的現象，而是指人類透過天文儀器才能觀察到的太陽表面活動現象，例如太陽黑子（Sunspot，最容易被觀察到的太陽活動）、日珥（Solar prominences）、閃焰（Solar ­flare）等等。地球可以孕育生命，依靠的是太陽核心的核融合反應，再以熱輻射的形式傳送給地球，根據太陽中氫的含量來看，太陽核融合反應還可以維持近 100 億年（噢噢）。因此，「太陽活動減少」似乎不能那麼快地就直接等同於小冰河期的來臨，當然距離「世界末日」就更遙遠了。

再來，「小冰河時期」和太陽的關係其實是很複雜的，過去地球上出現小冰河期的特點之一是冰川迅速擴張，發生的時間約是從 1550 年持續到 1850 年之間。從數據資料來看，其中有三個冰河期高峰是 1650 年、1770 年、1850 年，如果我們再對照圖一的太陽黑子活動狀況來看，除了圖表最左邊的蒙德最小期（Maunder Minimum, 1645-1715）太陽活動不活躍之外，1770 年與 1850 年的太陽活動仍然相當穩定。所以，太陽活動和小冰河期之間的關聯還有待時間提供更多的證明，可別急著就這樣下定論喔。

其實當研究團隊預測 2030 年的太陽活動降低 60% 之後，英國《每日郵報》（Daily mail）刊登報導就指出 2030 年人類會進入小冰河時期。隨後國際天文學協會就立即發佈了一篇新聞稿，說明從 1700 年到現在的太陽活動其實都非常穩定，很難再以太陽活動趨勢來解釋工業革命以後到 20 世紀的氣候變化。從這裡可看出新聞報導對太陽活動有明顯的錯誤認知與解讀，透過種種證據與解剖員的推論，霍金和研究團隊有可能被栽贓了，究竟真相如何，就讓我們繼續看下去。

科學疑點二：霍金到底說了什麼？！黑鍋不是這樣背的……

經過解剖員們繼續搜尋相關資訊、抽絲剝繭之後，蓋章認證霍金根本沒有說過 2030 年地球要進入小冰河期這樣的話，整起新聞報導和霍金根本毫不相干（一腳踢開霍金背上的黑鍋）。那麼為什麼會有霍金會被抓來當發言人呢？

從搜尋的資料顯示，這次最早將霍金和 2030 年世界末日做連結的新聞來自於「中國網東海資訊」，標題是「2030 年太陽休眠 地球傳聞：霍金預言末日說世界末日十大猜想」。這篇新聞有標示是引用自前一天「中國經濟網」的報導，標題是「專家稱 2030 年太陽將”休眠” 地球進入”小冰河期”」。噢？僅僅過了一天，霍金就從科學家變成了末日預言家，這太神奇了！

為什麼這些新聞要找上霍金而不是其他科學家呢？目前最有可能的起點是霍金在 2010 年接受 Bigthink 網站的訪談「Abandon Earth—Or Face Extinction」。訪談中，霍金認為在未來的幾百年內人類將很難避免在地球上發生災難，為了分散風險，他認為人類應該前往太空，而非僅僅守於地球。其中有段話正是對應媒體錯誤轉錄的末日說：“But I’m an optimist. If we can avoid disaster for the next two centuries, our species should be safe, as we spread into space.” 霍金這段話主要是說，如果人類可以撐過接下來兩百年的災難，那是因為人類已經在太空中展開生活。所以這段話的重點不在於說明究竟是哪一種災難，而是在討論未來災難的可能風險，霍金主要是要強調人們必須對科學、風險有基本暸解，才能對未來做出明智的解決策略。顯然媒體不僅畫錯了科學家的重點，還將霍金舉例的兩百年解釋成世界末日，腦補神技令人咋舌。

順道一提，這則新聞中的研究團隊分析近 33 年（1976 – 2008）的觀測資料，終於可以成功預測太陽活動週期，並達到 97% 準確率，而預測結果也連帶顯示 2030 年太陽活動將會下降 60%。由於過去科學家觀測到如此不活躍的太陽活動時期是 1645 – 1715 年間，也就是蒙德極小期，而這段歷史時期只是恰好遇到 1650 年開始的第一個小冰河高峰，我們在前面已經知道無法用太陽活動解釋氣候變化，所以科學家對於 2030 年的預測結果也不代表小冰河的到來，但是如果媒體不去深入瞭解，很容易過度解讀成「太陽活動減少就等於小冰河期的來臨」。然而研究團隊從頭到尾都沒有在預測兩者之間有任何關係，他們發表研究成果的目的並不是要提出世界末日的預警（鄉親啊，請冷靜）。

在這則新聞裡，媒體專挑大咖的科學家來背書，也曲解了研究團隊的內容，集三個黑鍋可以兌獎嗎？！（舉手發問）

接下來看看媒體上的問題：

媒體疑點一：原來打臉一次不夠用？！

初看這則新聞時，發現在報導的文末有註明文章來源是「科技頭條」，解剖員點進去網頁一看，是中國網易網站在 2016 年 3 月 6 日刊登的一篇新聞：〈世界末日說又來了，這次是 2030 年地球滅亡〉，而網易的新聞又標示來源是另一個「科技頭條」。在這個尋找粽子頭的過程中，解剖員赫然發現這可是一則拼貼舊聞的新聞啊（啜茶）。

這一切的起點是英國皇家學會 2015 年 7 月舉辦的天文學會，其中的一篇研究發表，接著英國《每日郵報》以 “Is a mini ICE AGE on the way? Scientists warn the sun will ‘go to sleep’ in 2030 and could cause temperatures to plummet” 為題報導。這麼火熱的議題，竟然馬上延燒到中文世界來。當時事件發生的第一時間，PanSci泛科學和中國果殼網都有撰文說明轉譯報導中對科學研究理解的錯誤，沒想到今年再度捲土重來，不僅把小冰河期置換超級吸睛的世界末日，內文更有兩大段原封不動來自 2015 年「中國日報網」的新聞，更誇張的是硬把霍金推上舞台吸引鎂光燈，太無言了！

解剖員還原一下這篇新聞的生產過程如下圖二，大概就是從過去的發燒議題中抓取片段、重製，然後再登場，媒體不需要檢視、查證，只需動動手指頭轉載就一切搞定。

媒體疑點二：別裝了，你是「類內容農場」！

中時電子報在這篇報導中，在文字的設計上特別用了兩個問號，分別是標題「氣候亂象！霍金：地球最快 2030 年世界末日？」和第一段的最後一句「難道地球將會在數十年內迎來世界末日最早 2030 年滅亡嗎？」用問句保留一點空間，似乎也就可以規避一些責任，但是卻難掩過程中的各種粗糙作法。

其實這篇報導轉載的內容並非原出處，除了已經不知經過多少手的轉處理之外，通篇內容有 90% 以上援用「網易」網站的新聞，品質很值得懷疑。再仔細一看，這篇報導是出自中時電子報網頁的「圖輯區」，圖輯區的每一篇文章都有搭配一張至數張吸引人的圖片以及內容農場式的標題，可以說是圖文並茂，十分吸睛。這篇「世界末日說」的報導為例，截至 3 月 15 日的點擊率是 234,650次，相當驚人呢！只是在這個專區裡面，轉載一些內容農場文章、賺點擊率、拼流量等方式，其實已經是一種主流媒體向內容農場傾斜的作法，我們過去曾介紹過「類內容農場」這個概念，在這裡我們似乎也嗅到了同樣的味道。

媒體疑點三：「世界末日說」──人類共同的鄉愁

這篇新聞第一段劈頭就指出：世界末日說我們經歷了好幾個，其中最厲害的是 2012 世界末日，伴隨著電影使人人心惶惶。「世界末日」這幾個字好像具有一種票房的魔力，很容易能夠抓住人們的目光，尤其在這個變動不安的現代社會裡，似乎是全世界人們共同的鄉愁。

一直以來，我們對這類的新聞不會陌生，例如：〈12 月 21 日 末日預言「馬雅曆沒提」〉、〈傳說中末日，就在今天…末日會來嗎？ NASA 電話被打爆〉、〈天國近了？盤點歷史世界末日 8 大預言〉、〈2016 年成世界末日？5 大災難預言你聽過嗎〉等等，連名為《世界末日》的這部電影的票房都是 1998 年最高，就連維基百科都有一個「末日預言列表」，這些故事已經把我們說得彷彿真的經歷過好多場世界末日。

世界末日、世界第一、史上最慘……等等極端的詞彙，確實很能夠引起我們心裡的共鳴，但它也可能像是在陽春麵裡面灑進太多的胡椒，原本是茶餘飯後的提味用途，卻反過頭來喧賓奪主地壞了整個主餐的味道。有趣的是，這篇報導一邊援用《明天過後》電影來體現十足的災難效果，最後卻不忘非常正經、八股且科學地提醒大家「當務之急還是要減緩暖化」，這句話讓解剖員像是在末日的警鐘中驚醒……然後再跌入另一個更迷惘的末日。

解剖總結

解剖員們最後總結，這篇新聞是一篇拼貼舊聞的報導，媒體不僅便宜取用二手新聞、缺乏查證、便宜行事；此外，對於科學研究的錯誤解讀失真、誇大，混淆視聽。綜合以上分析，本解剖室給這一則新聞報導評以如下評價（13 顆骷髏頭）：

綜合剖析評比-科學偽新聞指數（滿分五顆）

「理論錯誤」指數：☠☠☠☠☠

「便宜行事」指數：☠☠☠☠

「戲劇效果」指數：☠☠☠☠

（策劃/寫作：簡克志、賴雁蓉、黃俊儒）