誰是科學記者？他們在哪兒？

• 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。

• 作者／新興科技媒體中心博士後研究員 陳璽尹
• 本文轉載自新興科技媒體中心《英國研究如何成為報紙頭條（終篇）走在科學與新聞交集的路上》

這一系列的文章，介紹了 2002 年橫空出世的英國科學媒體中心（Science Media Centre，以下簡稱英國 SMC）和靈魂人物費歐娜．福克斯（Fiona Fox），以及幾場在英國當地發酵的科學爭議事件，像是基因改造作物是否致癌、麻疹腮腺炎德國麻疹混合疫苗（MMR）是否導致自閉症，以及人類活動是否是造成全球暖化主因等科學爭論。這些爭論的影響力甚至擴散至世界各地，佔據媒體版面。英國科學媒體中心當時成立的要務之一，就是協助媒體以更正確的方式陳述科學、寫出報導；也鼓勵科學家，即時發言要比默不作聲，更能影響媒體解讀科學、使用科學，和大眾理解科學的方式。

科學報導看似需要融合兩種天差地別的學門：科學與新聞，而這兩種訓練的過程與目的，其實粗略看來也不盡相同。所謂科學訓練的過程，是不斷定義問題、尋找解答，用特定的方法來做系統性的研究 ，目的是運用觀察與實驗，來描述世界。而新聞訓練的目的，則是使用清楚的敘事提供讀者需要的資訊，讓他們能夠為生活、為社會，甚至為國家做決定。

坦白說，科學不一定需要報導，而報導也不一定需要科學。擁有科學記者這一門專業的人，似乎是記者路線中為數最少的。然而回顧歷史，科學記者實已存在超過一個世紀。20 世紀初期，科學快速進展，為了要報導日新月異、改變世界的新科技給大眾，科學記者應運而生。那個年代，因為世界大戰而發展的國防科技、第一次核彈試爆，乃至於桃莉複製羊這種顛覆人們對世界認知的科學突破，都在科學記者的報導下，為大眾知曉。那時候，科學開始向前飛躍，記者跟上腳步。除了轉譯科學，科學記者當時的功能，就如喬治．威廉．格雷（George W. Gray）所說，是「推廣科學」給讀者，讓「科學方法成為民眾教育不可或缺的一部分，使它變成公民思考的普及要素」。¹這個時期科學記者的任務，是報導石破天驚的最新科技，除了報導戰爭演進，更是展示科技同時宣揚國力。

然而，這一百年來，科學記者的任務和定位也隨著時間轉變。2013 年，倫敦政治經濟學院（London School of Economics and Political Science）發表的全球調查指出²，科學記者大多認為，好的科學記者應該是「訓練良好並報導事實，獨立且中立的」；這份調查在 2009 到 2012 年收集 953 位科學記者的意見，發現科學記者大多受過專業記者訓練，而且，是不是擁有科學背景並非評斷好壞的依據，重要的是他們的報導能不能轉譯複雜的概念給大眾，使大眾理解科學。現在的科學報導，不如戰時為國家服務，也不如電視、電話、清潔劑等新發明出現時為產業服務，甚至不為了宣揚科學如何改變世界，科學新聞不再只是傳遞訊息、建立形象，而是更積極創造不同利害關係人的對話場域。³

若要回顧科學報導目的何時開始質變，很可能是 1962 年《寂靜的春天》（Silent Spring）出版，作者海洋生物學家瑞秋．卡森（Rachel Carson），描述了因為大量使用殺蟲劑而嚴重失衡的生態環境，啟發了一批新的科學記者；他們專注在環境場域，關心社會進步對環境的破壞，而這之中，回顧科學發明的負面效應必不可免。21 世紀的現在，更能看到這一質變的延續：2013 年那份科學記者調查中發現，處理「科學、科技和環境」議題的科學記者佔了最多數，其次的「農業、能源與氣候變遷」也在相同的脈絡下，發展出來。

科學記者的自我認同隨著不同的時空環境而改變，科學報導不再是科學的代言人，多了更多與社會溝通的角色。但是科學報導的難度卻沒有隨著時間而降低，大環境像是科學分科更細、新聞速度愈快的趨勢，後進者幾乎無跡可尋前者腳步，要成功產出質量俱佳的科學報導是難上加難。而科學報導若只關注科學的負面效應、想挖出科學界的失誤、執著在失衡的平衡報導，卻無法真實捕捉複雜艱深的科學事實，也只會更加深科學與報導的鴻溝。

科學報導可列出四項難題：

• 第一，科學領域廣博，內行知識艱深，若不是長期浸淫在這個領域的人，很難在短時間內摸清楚概況。
• 第二，科學家通常不是好的發言人。科學語言和大眾語言大不相同，長期接受科學訓練的科學家因為深入鑽研特定的領域，容易與大眾語言脫節，不是說科學家不善溝通，更精確來說，是不善在特定領域之外的場域溝通。科學家關心的是行內各種突破、發現與進展，但大眾關心的是，這樣的科學突破對我的生活乃至於對社會，有什麼意義？
• 第三，科學具備不確定性。科學家與記者或大眾所認知的科學不確定性可能不同，前者認為不確定性恆常存在，只要實驗得宜，確認解讀數據的邊界，那就不是大問題；但後者卻可能將科學不確定性理解為科學界沒有共識，認為科學只要具備不確定性，就降低了可信度。以至於，科學家可能更不願意談論科學的不確定性，或也不知道如何談才不致被誤會，使得記者或讀者愈無從理解科學能解釋與不能解釋的範圍。
• 第四，當科學事件的份量滿足了登上報紙頭條的要件，記者要如何才能在最短的時間內摸清科學議題，又找到專家回應？

英國科學媒體中心，當初就是希望能解決這些難題而成立。英國 SMC 舉辦的背景說明會（background briefing），邀請科學家簡要卻深入點出科學議題的脈絡，讓記者在著手準備科學報導時，有明確的方向與背景知識。英國 SMC 也為科學家籌備媒體課程、受訪指引手冊，精進科學家與行外人的溝通技術，讓科學家理解媒體的運作與需求，不致讓科學家受訪時花了很多力氣準備的資料，卻根本無法為媒體所用。英國 SMC 希望所有科學家受訪時都能對科學不確定性侃侃而談，所有科學研究都一定有它的限制，包括了單一研究方法的侷限，與研究結果能推論的範圍。「只有當大眾相信科學家會說實話，會承認錯誤，也對科學不確定性保持開放的態度，」福克斯說，「我們才有可能以科學贏得論戰。」⁴當他們認為科學事件可能變成頭條新聞，英國 SMC 便即時召開記者會，第一時間找到首屈一指的科學家發言，望能有效緩解記者面對科學頭條事件的焦慮。

十八年來，英國 SMC 所累積的成果結實纍纍，某個程度來說，在永遠填不滿的網路新聞世界裡，英國 SMC 的存在稍微減少了專業科學記者的工作負荷，讓他們持續產出質量均衡的科學新聞。但是英國 SMC 也因為積極站在科學事件的前沿，被攻擊是跨國大企業的打手（如，基改事件裡的孟山都），被抨擊是危言聳聽的氣候變遷論者（climate alarmists），甚至被認為是科學機構的公關部門。對於這些指控，福克斯在〈麻煩的真相〉（Inconvenient Truths）⁵中說道，「我常常問自己，如果當時那篇直指基改作物會致癌的論文是篇好研究，現在的情況又會是如何呢？」對福克斯來說，英國 SMC 在這些議題上並非立場先擇，只是這些研究的結果剛好都指向了一致的方向，「如果有好的科學研究提出了相反的證據，我們會毫不遲疑發布出去。」

英國 SMC 的積極行動，讓他們樹立的敵人比交到的朋友多。雖然不至於毀譽參半，但在科學與新聞中間，英國 SMC 的確撐起了有效的溝通平台，讓科學家發言，為科學記者釋疑。然而，英國 SMC 的「成功模式」到底能不能為其他國家複製？英國成立 SMC 的時空背景，有英國皇家科學院的背書，和世界頂尖科學家的支持，那時的媒體環境還是紙本報紙為主，留有百年前就存在的科學記者專業，而英國民情對於非政府組織和各種慈善研究機構的捐款，也因為歷史因素而相對流通與開放。⁶這十幾年間，世界已漸漸長成了全然不同的樣貌。網路時代的人們對資訊上癮的程度只增不減，除了網路新聞逐漸取代紙本，各種串流平台興起，假新聞與謠言侵門踏戶成了新時代的日常風景。科學論文的產量爆炸，相較於二戰後科學論文的產量以 2% 至 3% 的速度成長，到 2010 年為止的估算，成長幅度約在 8% 至 9% 之間⁷，這不僅是資訊超載的時代，媒體環境和科學界的變化，在在都顯示了科學記者的生存條件只是愈趨艱困。

英國 SMC 要怎麼應對這些新的挑戰，也許就如同福克斯最新寫完成的文章⁸，文中談的是面對新冠肺炎的心態，但是以此總結英國 SMC 一直以來坦白而無畏的作為，或也饒富詩意。她說，「當我們還有這麼多事情需要學習，我認為最適合為公眾服務的方式，是承認我們所有人（在應對這個病毒時）所面臨到的，是獨特且空前的挑戰，也承認我們需要去了解這個不斷變化的情勢所存在的複雜性。」也唯有這般為未知保留開放與接受的心胸，才能繼續走在科學與新聞交集的路上。

註釋及參考文獻

1. Rensberger, B. (2009). “Science journalism: Too close for comfort.”Nature, 459(7250), 1055-1056.
2. Bauer, Martin W. and Howard, Susan and Romo Ramos, Yulye Jessica and Massarani, Luisa and Amorim, Luis (2013). Global science journalism report: working conditions & practices, professional ethos and future expectations. Our learning series, Science and Development Network, London, UK. ISBN 9781909528024.
3. Nisbet, M. C. (2009). “The ethics of framing science.”In Elliott, R. (eds.), Communicating biological sciences: Ethical and metaphorical dimensions, 51-73. London: Routledge.
4. Science Media Centre (2017). “Inconvenient truths.” Retrieval Date:2020/05/27
5. 同註4
6. Science Media Centre (2002).“Funding.”Retrieval Date:2020/05/27 編註：英國 SMC 收取捐款的原則在成立時已建立規範，每年都會更新發布外界捐款的情況。
7. Bornmann, L., & Mutz, R. (2015).“Growth rates of modern science: A bibliometric analysis based on the number of publications and cited references. ” Journal of the Association for Information Science and Technology, 66(11), 2215-2222.
8. Fiona Fox. (2020).“Does COVID-19 need a different kind of journalism?”Retrieval Date:2020/05/27

• 文／蔡旻諭、羅尹悅

你曾經跟爸媽解釋你在做什麼科學研究嗎？是不是覺得要講到對方聽懂有點困難？如果你是科學界的專家，要把你的研究成果講得清楚、明白又有趣，難度可比登天。好像摸摸鼻子回去寫科技部計畫還比較實際。

寫完一份新的科技部計畫，頭髮都白了，為什麼還要跟非相同專業領域的人，說明自己的研究內容？這是科學家的責任嗎？

來自德國由利希研究中心 (Jülich Research Center) 神經科學與醫學研究所的 Hans Peter Peters 說了，科學知識為社會帶來便利及創新的科技，同時為政策制定者提供建議。正因為科學知識如此重要，科學和大眾之間密不可分，也因此建立大眾對科學的信任很。重。要。當社會大眾不相信科學，便認為科學於己無關，不僅民眾不會把科學知識應用於生活中，整個社會也不會支持科學研究進行。

• 延伸閱讀：誰在乎科學新聞？德國教授 Hans Peter：科學傳播不只新知，更是科技治理與民主政治的關鍵

科學家都喜歡怎麼講科學？

既然和大眾聊科學這麼重要，那我們來檢查一下，現在的科學家都怎麼把科學知識散播出去。是每個科學家都想要和大眾溝通嗎？科學家又都喜歡用什麼管道和大家聊聊自己的研究？

世新大學傳播管理學系教授羅尹悅在 2016 年的研究中，訪談科學家偏好使用哪種方式與大眾溝通。這些方式包含：

1. 透過科學記者與大眾溝通
2. 自己寫科學知識網站、部落格、或社群媒體
3. 直接與大眾面對面聊科學
4. 其他方式
5. 我對與大眾溝通沒有興趣

從研究結果我們可以看到，不管是德國、美國或台灣的科學家，都最偏好以「面對面」的方式與大眾進行對話。

好的科學傳播，應該長甚麼樣子？

除了以「面對面」的方式來聊科學、寫部落格、經營臉書跟 Youtube、或找記者來幫忙，這些都可以把科學家想說的話告訴民眾。不過，到底用什麼方式才能很好地跟大眾聊科學呢？

當大家被填滿科學知識，就會「因理解而相愛」？

當前科學知識的傳播模式，學界大致歸類為兩種不同的取向：

1. 缺失模型 (deficit model)
2. 公眾參與模型 (public engagement model)

「缺失模型」的主要假設，認為民眾對科學的不信任，是因為「缺乏」科學知識所導致，如果民眾能夠更了解科學，他們就會愛上科學。因此增加大眾的科學知識水平，就能讓大家更相信科學。

缺失模型最常遇到的抨擊是「知識傳遞關係的不對等」：公眾在這個模型中被當作對科學知識一無所知，而科學家的角色就像是課堂中的老師，以為我講你乖乖聽就好。此外，這個模型假設民眾對科學，會「因為了解而相愛」，後來也被證明是想太多。

在 80、90 年代，也就是缺失模型盛行的時代，核能電廠的危機、基改食物的出現、狂牛病的失控，讓民眾越來越不相信科學。於是社會與科學之間，是不是因為更多的科學知識而互相了解我們不清楚，但是我們知道他們沒有因此更相愛，不然也不會出現後來的「公眾參與模型」。

大眾和科學家是平等對話的好夥伴

公眾參與模型強調「平等對話」，自然是希望以不同的方式重新取得大眾的信任。理想的公眾參與模型中，公眾不是科學家的學生，而是科學家的夥伴，透過對話與溝通取得共識，同時科學和科技發展也因為民眾的參與，而更有落實的可能。

但是，以上只是理想。

Peters 教授指出，公眾參與模型在實際落實時，仍舊不脫缺失模型的核心：知識傳遞，打著「對話」的名堂，其實只是想要說服民眾接受科技。而他也質疑，不同專業之間（公眾與科學家）如果沒有基本的知識基礎、共同語言，真的能夠產生有效對話嗎？

他認為，科學傳播的目的，不應侷限在知識傳遞，溝通原本就是民主中的一個環節；而溝通的目的也不應該是「增加信任」，因為這樣傳播的本質就會淪為話術的包裝。信任的建立，在於專業結果的展現。

科學研究給記者寫就好了，幹嘛需要科學家出馬？

多數科學家喜歡以「面對面」的方式與民眾對話，在 Lo (2016) 的調查中排名第二位的方式，則是與記者對話。不過以臺灣的情況，我們也許需要更多想像。

Peters 教授引用英國機構 Wellcome Trust 2018 年的調查結果，比較臺灣、中國、美國和德國，公眾對科學家、政府機構和記者的信任程度。

從研究結果發現，台灣民眾對科學家的信任程度，比中國、美國與德國等國家少一點。而對政府的信任，（除了不能問中國人民這個問題 XD）台灣也比其他國家少一些。而臺灣對記者的信任比起其他國家少非常多。

從三張圖的比較看來，科學家非常受到民眾信任，尤其在台灣，民眾對科學家的信任程度，比對政府及記者的信任程度大得多。雖然 Peters 教授認為，對於具有較深厚的科學記者基礎的德國而言，記者能夠以「超脫科學」的客觀觀點、公眾角度來看科學；但是在台灣人對記者的信任程度相較其他國家低落許多的情形來看，由科學家擔任科學傳播的角色，似乎比其他國家來的更重要了。

誰都不能少之科學家的投入

結論之此，比起科學家，臺灣的記者朋友們也許才是最需要重新贏得社會大眾信任的族群（突然開始檢討別人了）。但是不可否認的是，缺少了「健康的媒體」，臺灣的科學傳播發展會一直跛腳。於是，在有一個健康的媒體之前，極須科學家們的投入去填補這一塊空缺。

回歸「溝通作為民主」中的一環，科技部計畫是科學家的專業發展，在計畫寫作與研究執行中深化專業，希望用專業結果打造科學研究的聲望；而與公眾對話，則是科學家對於民主社會實際投入，民主社會追求的多元價值與創造力，需要科學家的知識分享才得已持續發展。