醫師的預言

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

• 文／鍵盤婦產科——威廉氏後人

新朋友中有許多備孕新手，對於人工生殖的這幾個作法常常傻傻分不清楚。其實也不只是患者們搞不清楚，常常其他科的醫師會診時，也搞不清楚。

今天，就讓我一次完整說明這幾個類似的名詞吧！

你說的「人工」不等於他說的「人工」——人工生殖技術 (ART)

所有現代西醫科技介入的方法，都可以列入人工生殖的範圍，這是一個統稱。

主要就分兩大類：1. 人工授精 (IUI) 2. 試管嬰兒 (IVF)

不過呢，大部分的人常常說：我做過幾次「人工」，或者說：我這胎是「植入」懷孕的。往往患者自己也搞不清楚自己是做了什麼。這時候其實醫生們在意的是，到底是做過幾次「人工授精」、幾次「試管嬰兒」、「植入」的究竟是什麼？

這兩種做法、效果、成功率、都完全不同，做過三次人工授精失敗跟做過三次試管嬰兒失敗，對我們醫生來說是完全不同的概念。

所以慢慢的，這些名詞不斷地被大部分人所誤用，你說的「人工」不等於他說的「人工」的情形反覆出現，也才會出現連其他科醫師都搞不清楚的情況發生。再重複一次，人工生殖 (ART)：也就是所有西醫科技介入的方法都算，主要分為「人工授精」和「試管嬰兒」兩種。

「精」銳部隊產地直送進子宮及輸卵管內——人工授精 (IUI) aka. 人工受孕

所謂的人工授精，也有許多人稱作人工受孕，這是一個從古代幫種馬配種時代就存在的一個古老技術。這個作法是把處理過的「精子」，直接注射進子宮腔及輸卵管內。

所以人工授精植入的是「精子」！！！

精子的取出很容易嘛，我相信大部分的男生女生都懂怎麼回事。從青春期時代，很多人可能就看過很多外國語言的影片做示範，這這裡就不多贅述。

然後呢，把自行取出來的精子經過處理，取其精銳部隊，產地直送，送進女方的子宮及輸卵管內守著，等卵子從卵巢排出的那一刻。

也就是說人工授精，只有「先生取精」、「精子處理」、以及 「植入精子」三個步驟，沒有取卵、沒有胚胎培養、沒有胚胎切片、也沒有什麼卵子冷凍的問題。

當然啦，為了增加成功率，在做人工授精之前通常會給女方吃排卵藥或打排卵針等等，讓這一次的週期卵多一點，可以有效地增加人工授精的成功率。先生自己取精的部分就多說了，當然也可以請太太幫忙取。總之醫院是不會有人幫你先生取精的，請不要再從取精室打電話到生殖中心來詢問怎麼還沒人來幫你取精，不會有人過去的，麻煩您自己努力吧。

精子處理的部分道理很簡單，就是利用不同的溶劑與離心，篩選出活動力好的精子，不好的就讓它隨著雜質一同沉沒吧。

最後，醫生會拿一個又細又長的管子，直接把處理過的「精兵」，直接送進子宮和輸卵管。這樣的好處在於省去精子千里長征的過程，女生的子宮頸到輸卵管雖然只有 10 公分，但對一隻精子來說如果按身高等比例放大來算，就好像一個成人要游泳七站捷運這麼遠。

讓精銳的精子，省去舟車勞頓，直接在輸卵管裡等卵子排出。但問題是這樣的方法還是不能保證精子鑽得進去卵殼裡面，也就是「卵子是否受精」這個問題，無法得知。

另外，要做人工受精至少要有一條可以通的輸卵管，以及至少要有還算足夠的精蟲可以經過洗滌後才能植入，所以兩條輸卵管都有問題，或者精蟲少到無法經過洗滌，就只能做試管嬰兒了。

再重複一次，人工授精 (IUI) = 人工受孕：就是將篩選過的「精子」，直接注入子宮。

沒有取出卵子，沒有進行體外受精，沒有進行胚胎培養，因此相對單純，費用也較低 （加上藥費通常在 2 萬元左右） 。

人工授精因為單純、簡單、對精子處理環境要求不高，所以衛福部並沒有特別設立太多的規範去管控，所以很多不是人工生殖機構的醫院或診所也都可以進行人工授精。

快狠準地抓起一隻動的激烈的精蟲，直直的刺進卵子之中——試管嬰兒 (IVF)

試管嬰兒大部分人比較不會講錯，反正簡稱「試管」的也就一個意思。

試管嬰兒的作法是女生經過排卵刺激、吃藥、打針、微刺激、全刺激、標準刺激、自然週期⋯⋯各種刺激方法都有。反正就是讓女生這一個週期內，長出越多、品質越好、成熟度越好、懷孕率越高的卵子就對了，這些藥物用下去之後，接著會進行「取卵手術」。

取卵手術是用一隻長長的針，藉由超音波瞄準經過肚皮或陰道，刺進卵巢裡把每一顆卵吸出來。這些取出來的卵子呢，再透過現在的科技放在試管裡和精子混在一起，讓它們自然發生受精，但因為這次受精在體外、在試管裡並不在身體裡，所以叫做體外受精 (IVF) 也稱試管嬰兒。

完成受精的卵子變成胚胎，也就是一個試管寶寶、人生的第一天，我們會在實驗室的培養皿裡面養到第二天、第三天、第五天，然後再放回去子宮裡。當然也可以先冷凍起來，下一次解凍後，再放進子宮裡。這些取出的卵、體外受精的過程可以自然發生，也可以人為強迫發生。

胚胎師快狠準地抓起一隻動的激烈的精蟲，直直的刺進卵子之中，強迫天雷勾動地火就是俗稱的單一精蟲顯微注射。形成胚胎以後，可以新鮮的胚胎就直接放回子宮，也可以經過冷凍、再解凍的過程後，再放回子宮；也可以給這個胚胎進行切片，確定切片結果後，再放回子宮，這幾種方法都很常用。

由於試管嬰兒療程極其複雜，包括排卵刺激階段、取卵階段、受精階段、胚胎培養階段、和胚胎植入階段，過程嚴格且耗材眾多，畢竟這是要培養的是「人的胚胎」。所有的培養環境，包括培養液、培養氣體、光度、溫度、濕度、全部都受到嚴格管控，所以收費較高，通常在 15 萬左右。衛福部也有專門的規範，每年嚴格的審查這些生殖機構，目前全台合格的人工生殖機構共 85 家，國健署網站上都有可供查詢。

所以「試管嬰兒」跟「人工授精」雖然都屬於「人工生殖」的範圍，但試管嬰兒植入的是「胚胎」，人工授精植入的是「精子」，所以是完全不同的兩個過程。俗稱的「人工」，通常是指人工授精，而俗稱的「試管」，也就是指試管嬰兒。

至於說會不會痛，需不需要麻醉的問題？

通常人工授精一定不需要麻醉，只是把一個細長管子放入子宮腔內並不會痛，所以不需要麻醉。至於試管嬰兒，取卵的過程可以麻醉也可以不麻醉。要看卵子的數目、患者的身體狀況而定。卵子少的通常不需要麻醉也沒關係，大概就像抽血、打針那樣刺一兩針就沒事了。

而試管嬰兒的胚胎植入部分就如同人工授精一樣，也是使用一根細長的管子放入子宮腔內，只是這次植入的是胚胎過程幾乎完全一樣，所以也一樣不會疼痛並不需要麻醉。

這些，大概就是人工生殖的一個概論，希望經過了這一篇文章的說明，對於備孕新手的妳來說可以清楚了解到大家常說的人工、試管究竟是怎麼回事。也比較不會對它的過程因為未知而感到恐懼。

以上，一點淺見提供參考。

我特別喜歡幫我自己做成功的患者接生，每次看到這些小孩，就會想起他們還在精子跟卵子的階段，我就在照顧他們了。

• 本文改編自作者《一次搞懂人工生殖、人工授精、人工受孕、試管嬰兒》一文

1. Jaideep Malhotra (2015). Practical Tips for Infertility Management: The Rainbow Protocols. New Delhi: Jaypee Brothers Medical Publishers Private Limited.
2. 衛生福利部國民健康署 – 人工生殖機構許可通過名單

• 作者／理查‧克拉克（Richard A. Clarke）、R. P.艾迪（R. P. Eddy）；譯者／吳國卿

我們當中有些人能預見未來，他們經常高聲疾呼想吸引我們注意，但也經常遭人忽視。我們有理由輕忽大多數預言家，然而當某些災難的正確警告未受到應得的注意時，卻可能引發可怕的結果。許多人因為我們無法區別先知和吹牛者而犧牲性命。

本書嘗試尋找那些能預見未來的奇人，檢視他們能正確地辨識災難迫近的遠見。

從神話到現實的災難預言

卡珊德拉（Cassandra）是特洛伊城（Troy）一位遭到阿波羅神詛咒的美麗公主。他賜給卡珊德拉預見即將來臨的災難的能力，但卻不給她說服人們相信她的能力。

她可以穿越空間和時間看到未來的能力，讓她預知她心愛的城市將在大火中淪陷，但特洛伊的民眾卻取笑並忽視她的警告。最後她陷於瘋狂，成為她所預見悲劇的犧牲者之一。

今日我們之中是否有一些卡珊德拉警告大難即將臨頭，但人們卻對他們的預言充耳不聞？我們是否可能找出這些預言家是誰？我們能否穿越虛假的警告，發現那些正確的預言，進而拯救數百萬人的生命和省下龐大的金錢？

這個問題與希臘神話無關，而是攸關今日我們作為一個國家、一個國際社會是否有能力察覺即將發生的災難，並及時採取行動以避開它，或至少減輕損害。

埋藏在數十億篇部落格貼文和推文、學術研究和政府報告的卡珊德拉向我們呼喊，警告災禍即將到來。她通常引不起注意，甚至沒有人聽見。她往往只得到敷衍的反應，或被貶斥為傻瓜或騙子。她的故事是那麼不可置信、那麼聞所未聞，讓我們難以接受或相信它們，更不用說據以採取行動。

當然，重點在於卡珊德拉的預言是正確的，而忽視她的人可能因此付出自身性命和國家衰亡的代價。

不只是古希臘人有這種預言家被忽視並招致悲劇的神話，聖經上也敘述希伯來先知但以理（Daniel）的故事。

先知但以理能解讀出現在巴比倫國王伯沙撤（Belshazzar）喧鬧的盛宴牆上的神祕文字「彌尼，彌尼，提客勒，烏法珥新（阿拉姆文mene, mene, tekel, upharsin；譯為「數算、數算、以天平稱、分裂」），除了他之外，無人能解其奧祕。

但以理警告國王，這些文字預告了他王國的敗亡。根據那則故事，伯沙撤幾個小時後就在一場政變中遭殺害。但以理預見了「牆上的字」（譬喻為不祥之兆）。

今日當有人被形容為卡珊德拉時，往往意指他們過度擔心、是宿命論者、過度悲觀，或太偏執於不可能發生的壞事，他們是杞人憂天而非先知。如果我們查考最早的希臘神話，卡珊德拉應該是我們要珍惜的人物，我們應該接受她的警告並據以行動。不過，我們很少這麼做。

我們很少會相信那些預測有任何獨特之處，我們不但無法了解他們對未來的真知灼見與我們的看法有何不同，他們的處方也無法說服我們立即採取行動、斷然改變我們行事的方法。

警覺力與災難預防

古典希臘人稱為卡珊德拉的行為，被今日的一些社會科學家描述為警哨智力（sentinel intelligence）或警哨行為，意即在別人未看見前就從警訊察覺危險的能力。

這種行為可以從許多種動物觀察到，而我們相信其中也包括人類。具有警哨智力的人能清楚看見迷霧中的跡象，然後警告同伴。在其他動物中，群體的基因似乎已設定好會對他們的警哨聲做出迅速的反應。但在人類，這種能力開發得較不完全。

我們是本書作者理查．克拉克和 R．P．艾迪，彼此認識和共事超過二十年，曾進入、然後又離開政府單位，曾研究過包括凱達組織（Al Qaeda）以及伊斯蘭國（ISIS）的崛起、核子與生化武器擴散、伊波拉與人類免疫不全病毒（HIV）等致命病毒興起、網路威脅的肇始，以及從伊拉克到波士尼亞和阿富汗等戰爭的許多主題。

我們既非悲觀論者，也不執迷於末日理論。事實上我們是樂觀主義者，深信我們正處於科技大躍進的高峰，並將為人類生活帶來莫大的福祉。不過，從我們認識彼此以來的大部分時候，新聞報導總是充斥著一連串原本可以避免或減輕的災難。它們包括九一一恐怖攻擊、大衰退（Great Recession）、卡翠娜颶風（Katrina）、第二次伊拉克戰爭，和伊斯蘭國的崛起。

茫茫人海中，誰才是我們的卡珊德拉？

我們直接研究許多這類主題，且親身受到部分主題的影響。它們在我們彼此討論—通常邊啜飲著單一純麥威士忌—之際逐漸迫近，而經常重複出現的一個問題是：我們該如何避免這類災難或做更充分的準備？

我們注意到幾乎所有這些事件發生後緊接著就是調查和交相指責、追究災難的過失和挫敗的責任，以至於讓情勢更加惡化。不過，在許多例子中，似乎有一位專家或一個專家團隊曾扮演卡珊德拉的角色，正確地預測過後來發生的事。但他們往往遭人忽視，他們的警告受到詆毀，或只得到不夠適當的敷衍反應。

我們開始思索是否有一些模式可以發現有先見之明、但遭到忽視的警告。我們可不可能找到方法在災難發生前辨識這些正確、但未被注意的警告？如果未被注意、但事後證明正確的警告確實是一種頻繁出現的現象，那麼找出預先察覺並確認這些警告的方法將可以拯救許多生命、避免痛苦和減少財務的損失。

我們發現，任何時候都有許許多多的災難預測，它們大部分會因為沒有價值而被人忽視。

做這類預測的人多半只是突發奇想，沒有經驗的支持或現實的依據。有些警告會引起注意，但後來發生的事證明警告只是虛驚一場。不過，一些學有專精、真正的專家適時發出的警告卻也經常遭到輕忽，或只獲得冷淡的敷衍對待。

我們開始稱呼這類事件為卡珊德拉事件（Cassandra Events）。這引導我們開始探究過去的卡珊德拉事件，是否有某些線索可以幫助我們辨識能做出正確警告的當代預言家。我們問朋友、同事、合作夥伴和世界一流的專家，他們對這種卡珊德拉現象有什麼看法。

卡珊德拉現象的問題不只是如何穿透雜音聽到可能正確的預測，也包括在辨識之後如何善加處理它們。

我們開始了解到，要想安然度過卡珊德拉事件，一個組織或社會必須經歷幾個階段。首先我們必須聽到預測，然後相信它，最後則是據以採取行動。

¹在實務上，每個個別的步驟都是挑戰。此外，執行所有三個程序往往都很困難。特別是當預測與常規、過去、我們的經驗，或與我們對未來應該如何發展的根深柢固信念大不相同時，能正確地執行這些步驟將十分罕見。若加上因應警告需要耗費龐大的財務成本，往往使採取行動的機率降到接近於零。不過，如果我們忽視真正的卡珊德拉，不採取行動的成本通常會遠超過及早因應問題的成本。

因此，本書將尋求解答這些問題：我們如何在無數專家中辨識真正的卡珊德拉？如果有方法的話，什麼方法可用來更正確地辨識和傾聽這些先知的警告？有沒有方法可以從四周的雜音中萃取最凶險的預測，並貫注我們的注意力於它們？或者卡珊德拉注定永遠得哭泣著眼見她心愛的特洛伊城焚毀？

為了回答這些問題，我們先從簡短的案例研究著手，這些案例都是當代的真實人物，他們對一些重要問題有類似卡珊德拉的預測能力，而且像那位神話公主一樣遭人輕忽。

本書將不嘗試對我們檢討的任何災難做決定性的研究，而是專注於這些卡珊德拉本身和他們的故事。我們將嘗試判斷他們如何知道別人不知道的事、他們為什麼遭到輕忽，以及情況可能如何改變以使他們的警告受到注意。

註解：

1. 美國軍方稱他們的決策程序為「OODA回路」（OODA loop）：觀察、方向、決定、行動。辨識卡珊德拉的挑戰在於第一要正確地觀察，然後做明智的決定。

——本文摘自《Warnings！：AI、基因編輯、瘟疫、駭客、暖化……全球災難警告，用科學方法洞悉真相》，2019 年 9 月，聯經出版

翻開世界的歷史，從有文字記載以來，各式各樣的「預言」就充斥在我們的生活裡。

聖經裡有「彌賽亞」的預言，認為上帝會派他來拯救我們，成為人類的救主，雖然基督教主張「拿撒勒人耶穌就是彌賽亞，因為耶穌的出現，應驗了許多舊約聖經中的預言」，但猶太教信徒則予以否認；十二世紀愛爾蘭的多馬總主教聖馬拉奇（Saint Malachy），據傳在訪問羅馬期間，預言了在最後審判前的112位教宗，而且在其微言大義留下的蛛絲馬跡中，竟然可以讓人推敲出種種的關聯；而在中國歷史的預言裡，諸如推背圖、燒餅歌、黃蘗禪師詩等等，更可以說是琳琅滿目，不勝枚舉。

在許許多多的預言裡，我比較感興趣的是有關「末日」的預言。

在電影《2012》的推波助瀾下，馬雅人的曆法被有心人誤解，宣傳2012年12月21號是世界末日的說法，確實也造成了某種程度的震撼。據新聞報導，在靠近這一天的前個星期，美國太空總署（NASA）的電話和電子郵件信箱被驚慌的民眾塞爆了。不過，事後證明2012年12月21號和其他的「末日預言」一樣，都是個空包彈，讓人虛驚一場罷了，倒是世界上有些人藉此發了場「末日財」。至於這天對臺灣人來說，「冬至」似乎比「世界末日」重要，因為吃了湯圓又多了一歲。

有人對「世界末日」的預言做過統計，前前後後大概有八十幾個版本，其中最早的版本是「諾亞方舟」的傳說，這大概也是所有預言的基石，但是很多的預言，大多可以看出宗教和星象的影響。

例如，曾有人預測1666年是世界末日，因為在於聖經的啟示錄中，666是代表魔鬼的數字，不過那一年，世界上除了倫敦暴發大瘟疫，還有一場奪走數百人性命的大火外，世界上其他國度都平安度過了這個「末日」；還有，在1910年，哈雷彗星造訪地球，也引起恐慌，法國天文學家弗萊馬里恩（Camille Flammarion）在《天啟》中寫道，哈雷彗星的彗尾含有破壞大氣層的氣體，可能吞噬地球上的所有生命，結果它和2000年5月5日，水星、金星、火星、木星和土星與太陽和月球連成一線時， 預言家所稱「行星連珠將會導致整個世界被冰吞噬」的恫嚇性言論一樣，也是「雷聲大雨點小。」

不過這些預測中，個人覺得還是愈早年代的人愈聰明。

譬如在公元五世紀左右，喀納斯預言用「科學」推斷世界將在公元500年前消失，贏得了眾多信徒的支持，喀納斯在自己預言的「末日」之前就去世了，但是在臨終前，他重新推算了一次時間，稱末日真正來臨的日子是公元800年。但是300年過去後，事實證明他還是錯了，不過相信和他同世代沒有人敢指出喀納斯這個投機份子的錯誤，因為三百年後的事誰也說不準。

身為醫師的我，覺得醫師也是正常人，是否和其他的預言學家一樣，也有人會對未來做預測？看了一些歷史書籍之後，我發現答案是肯定的，而且其中也不乏某些後世崇敬的大師所做的預測，結果當然也是經不起時間的考驗，像是腸胃道外科手術治療的先軀西奧多·比爾羅特（Theodor Billroth）醫師即是一例。

西奧多·比爾羅特醫師生於十九世紀的奧地利，而在當時還稱為普魯士的德國習醫，在柏林成為外科大師卡爾·藍吉巴哈（Carl Langenbuch）的弟子。經過了八年，西奧多·比爾羅特醫師成為了瑞士蘇黎世大學（Universität Zürich）的教授，成為其附屬醫院的外科主任。

他對自己的要求甚是嚴格，而且利用科學與邏輯的方法探討外科手術的結果及其改進的方針。在那裡三年之後，也就是1963年，他出版了一本書－《一般外科的病理發現及其治療》（General Surgical Pathology and Therapy），書中誠實地發表了自己所施行過的手術，不論結果是好是壞，他探討其中死亡及併發症的病例，尋求改進的方針。

這可比在世界上公認，首先提倡外科醫師舉辦「死亡及併發症病例討論會」的美國卡德曼（Codman）醫師，還要提早了半個世紀。

所以，也無怪乎西奧多·比爾羅特醫師完成世界第一例的食道切除手術，以及咽喉切除手術。更重要是，他為了治療胃癌所提出的Billroth I 及Billroth II 的手術方法，除了獨領後世近百年的風騷之外，迄今仍影響了消化外科的醫師們。

不過在1880年左右，試著縫合心臟的西奧多·比爾羅特醫師，寫下了這段話，警告著後世的醫師們：

「那些縫補心臟的醫師，註定失去同儕對他的尊敬。」

一百多年過去了，由於體外循環技術的進步，不要說是縫補心臟，就連剪去原來病變的心臟，移植另一個捐贈者的心臟，對心臟外科的醫師也不成問題了，大師級西奧多·比爾羅特的預言現在看起來和那些末日大師一樣可笑。

以玩遊戲的心情看了這樣多預言，大抵上心情是快樂和輕鬆的，即使是聽起來很扯的預測，還可以一笑置之，但對於下一則醫師對自己未來執業者的預言，聼起來卻又止不住傷感。

2012年5月16號，立法院衛生環境委員會特別邀請衛生署邱署長報告「婦產科醫師荒原因與解決方案」，與會的醫師對於台灣少子化持續惡化、民眾生養意願低落，而且婦產科醫師又不堪醫療糾紛煎熬，人力快速流失的現象感到憂心，認這些問題將是壓垮台灣生育率的最後一根稻草。

有人直言指出，若層出不窮的醫療糾紛問題不解決，不僅可能如日本般出現孕產婦成醫療人球，釀成母嬰死傷悲劇；或者像是發生在法國，一位母親在來不及到達婦產科醫院，就在高速公路上生產，造成新生兒不幸死亡的事件。

誠如臺灣婦產科醫學會人力委員會召集人葉光芃指出，根據該協會統計，臺灣婦產科人力早已負成長，是各科最慘，也是唯一。因為全臺各鄉鎮，四成三沒有婦產科醫師，六成找不到婦產科醫師接生。

而雪上加霜的情況是，國人日漸晚婚，三十五歲以上高齡產婦快速成長，生產併發症機率更高，更易衍生醫糾風險，恐加速婦產科醫師流失，所以立委田秋堇才會說，高齡與高危險妊娠產婦，才真的快找不到醫師接生。

所以，北部某位醫學中心的主任才會大膽預言：「十年內臺灣的婦產科就會崩盤。」

十年後的臺灣，真的會如同上述的醫師所預測的一樣嗎？我不敢想，只能靜待歷史的考驗和執政者的智慧了。