不知道、不理解科學常識，該被責怪嗎？不然呢？

• 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。

本文由 交通部中央氣象署 委託，泛科學企劃執行。

• 文／陳儀珈

災害性大地震在臺灣留下無數淚水和難以抹滅的傷痕，921 大地震甚至直接奪走了 2,400 人的生命。既有這等末日級的災難記憶，又位處於板塊交界處的地震帶，「大地震！」三個字，總是能挑動臺灣人最脆弱又敏感的神經。

因此，當我們發現臺灣被各式各樣的地震傳說壟罩，像是地震魚、地震雲、蚯蚓警兆、下雨地震說，甚至民間地震預測達人，似乎也是合情合理的現象？

今日，我們就要來破解這些常見的地震預測謠言。

漁民捕獲罕見的深海皇帶魚，恐有大地震？

說到在坊間訛傳的地震謠言，許多人第一個想到的，可能是盛行於日本、臺灣的「地震魚」傳說。

在亞熱帶海域中，漁民將「皇帶魚」暱稱為地震魚，由於皇帶魚身型較為扁平，生活於深海中，魚形特殊且捕獲量稀少，因此流傳著，是因為海底的地形改變，才驚擾了棲息在深海的皇帶魚，並因此游上淺水讓人們得以看見。

因此，民間盛傳，若漁民捕撈到這種極為稀罕的深海魚類，就是大型地震即將發生的警兆。

然而，日本科學家認真蒐集了目擊深海魚類的相關新聞和學術報告，他們想知道，這種看似異常的動物行為，究竟有沒有機會拿來當作災前的預警，抑或只是無稽之談？

可惜的是，科學家認為，地震魚與地震並沒有明顯的關聯。當日本媒體報導捕撈深海魚的 10 天內，均沒有發生規模大於 6 的地震，規模 7 的地震前後，甚至完全沒有深海魚出現的紀錄！

所以，在科學家眼中，地震魚僅僅是一種流傳於民間的「迷信」（superstition）。

透過動物來推斷地震消息的風俗並不新穎，美國地質調查局（USGS）指出，早在西元前 373 年的古希臘，就有透過動物異常行為來猜測地震的紀錄！

人們普遍認為，比起遲鈍的人類，敏感的動物可以偵測到更多來自大自然的訊號，因此在大地震來臨前，會「舉家遷徙」逃離原本的棲息地。

當臺灣 1999 年發生集集大地震前後，由於部分地區出現了大量蚯蚓，因此，臺灣也盛傳著「蚯蚓」是地震警訊的說法。

新聞年年報的「蚯蚓」上街，真的是地震警訊嗎？

​當街道上出現一大群蚯蚓時，密密麻麻的畫面，不只讓人嚇一跳，也往往讓人感到困惑：為何牠們接連地湧向地表？難道，這真的是動物們在向我們預警天災嗎？動物們看似不尋常的行為，總是能引發人們的好奇與不安情緒。

如此怵目驚心的畫面，也經常成為新聞界的熱門素材，每年幾乎都會看到類似的標題：「蚯蚓大軍又出沒 網友憂：要地震了嗎」，甚至直接將蚯蚓與剛發生的地震連結起來，發布成快訊「昨突竄大量蚯蚓！台東今早地牛翻身…最大震度4級」，讓人留下蚯蚓預言成功的錯覺。

然而，這些蚯蚓大軍，真的與即將來臨的天災有直接關聯嗎？

蚯蚓與地震有關的傳聞，被學者認為起源於 1999 年的 921 大地震後，在此前，臺灣少有流傳地震與蚯蚓之間的相關報導。

雖然曾有日本學者研究模擬出，與地震相關的電流有機會刺激蚯蚓離開洞穴，但在現實環境中，有太多因素都會影響蚯蚓的行為了，而造成蚯蚓大軍浮現地表的原因，往往都是氣象因素，像是溫度、濕度、日照時間、氣壓等等，都可能促使蚯蚓爬出地表。

大家不妨觀察看看，白日蚯蚓大軍的新聞，比較常出現在天氣剛轉涼的秋季。

因此，下次若再看到蚯蚓大軍湧現地表的現象，請先別慌張呀！

事實上，除了地震魚和蚯蚓外，鳥類、老鼠、黃鼠狼、蛇、蜈蚣、昆蟲、貓咪到我們最熟悉的小狗，都曾經被流傳為地震預測的動物專家。

但可惜的是，會影響動物行為的因素實在是太多了，科學家仍然沒有找到動物異常行為和地震之間的關聯或機制。

遍地開花的地震預測粉專和社團

這座每天發生超過 100 次地震的小島上，擁有破萬成員的地震討論臉書社團、隨處可見的地震預測粉專或 IG 帳號，似乎並不奇怪。

國內有許多「憂國憂民」的神通大師，這些號稱能夠預測地震的奇妙人士，有些人會用身體感應，有人熱愛分析雲層畫面，有的人甚至號稱自行建製科學儀器，購買到比氣象署更精密的機械，偵測到更準確的地震。

然而，若認真想一想就會發現，臺灣地震頻率極高，約 2 天多就會發生 1 次規模 4.0 至 5.0 的地震， 2 星期多就可能出現一次規模 5.0 至 6.0 的地震，若是有心想要捏造地震預言，真的不難。 

在學界，一個真正的地震預測必須包含地震三要素：明確的時間、 地點和規模，預測結果也必須來自學界認可的觀測資料。然而這些坊間貼文的預測資訊不僅空泛，也並未交代統計數據或訊號來源。

作為閱聽者，看到如此毫無科學根據的預測言論，請先冷靜下來，不要留言也不要分享，不妨先上網搜尋相關資料和事實查核。切勿輕信，更不要隨意散播，以免造成社會大眾的不安。

此外，大家也千萬不要隨意發表地震預測、觀測的資訊，若號稱有科學根據或使用相關資料，不僅違反氣象法，也有違反社會秩序之相關法令之虞唷！

​地震預測行不行？還差得遠呢！

由於地底的環境太過複雜未知，即使科學家們已經致力於研究地震前兆和地震之間的關聯，目前地球科學界，仍然無法發展出成熟的地震預測技術。

與其奢望能提前 3 天知道地震的預告，不如日常就做好各種地震災害的防範，購買符合防震規範的家宅、固定好家具，做好防震防災演練。在國家級警報響起來時，熟練地執行避震保命三步驟「趴下、掩護、穩住」，才是身為臺灣人最關鍵的保命之策。

延伸閱讀

• 廖光正，李明進（2002）。集集大地震後蚯蚓大量爬出現象之解析。特有生物研究，4（1），41－51。https://bit.ly/3zF8OD8
• 離人心上秋意濃，清晨地上蚯蚓多：為何秋天經常有大量蚯蚓出沒？跟地震有關嗎？
  http://bit.ly/3DYNMSG
• Orihara, Y., Kamogawa, M., Noda, Y., & Nagao, T. (2019). Is Japanese folklore concerning deep‐sea fish appearance a real precursor of earthquakes?. Bulletin of the Seismological Society of America, 109(4), 1556-1562.
  https://pubs.geoscienceworld.org/ssa/bssa/article-abstract/109/4/1556/571628/Is-Japanese-Folklore-Concerning-Deep-Sea-Fish

• 撰文／詹遠至｜臺灣邏輯、方法論、科學與科技哲學學會助理、臺灣大學哲學系碩士生
• 校對／陳樂知｜臺灣大學哲學系副教授、臺大傳統與科學形上學研究中心執行長、臺灣邏輯、方法論、科學與科技哲學學會秘書長

我們所處的二十一世紀已是科學的時代，科學理論被視為宇宙的終極答案。在這個「科學至上」的時代，人文探求還如何可能？人文如何可以與科學攜手並進？以「人文」與「科學」之間的對話為主軸，臺灣邏輯、方法論、科學與科技哲學學會（LMPST Taiwan）於 2022 年 11 月 19 日在臺灣大學主辦了一場以《科學內外的人文可能》為題的論壇，邀請了國內哲學學者以及科學普及界的資深工作者擔任講者。

本活動主持人由鄭會穎教授（政治大學哲學系助理教授、政大現象學研究中心主任）擔任，受邀講者則包括陳竹亭教授（臺灣大學化學系名譽教授）、陳樂知教授（臺灣大學哲學系副教授、臺大傳統與科學形上學研究中心執行長、LMPST Taiwan 秘書長）、鄭國威先生（PanSci 泛科學知識長）與嚴如玉教授（陽明交通大學心智哲學研究所副教授兼所長）。

本論壇屬於 LMPST Taiwan 長期舉辦的《種種意識論壇》系列。除 LMPST Taiwan 以外，這一系列的論壇由政治大學現象學研究中心、清華大學實作哲學中心、臺灣大學哲學系、臺灣跨校意識社群、PHEDO 台灣高中哲學教育推廣學會、沃草公民學院共同合辦；贊助單位則為順奕有限公司。

科學為人文帶來危機？先論科學主義與自然主義

主持人鄭會穎教授點出了本論壇的核心議題後，陳樂知教授（臺灣大學哲學系副教授、臺大傳統與科學形上學研究中心執行長、LMPST Taiwan 秘書長）發表了他的觀點。

陳教授想要討論的是「就其理論本質而言，科學是否威脅人文」這個問題。陳教授首先談到一些人持有「科學主義（scientism）」的世界觀。科學主義認為，科學是唯一可以讓我們獲得知識的可靠方法。陳教授認為科學主義是一種自相矛盾的世界觀；原因在於科學主義本身並不是科學，並未被科學方法證明，它只是一個哲學理論。因此，科學主義身為一個哲學理論，它本身就是自己會排斥的對象。

回到核心問題，科學是否帶來了人文危機？陳教授的答案是否定的。他認為科學所帶來的其實不是科學主義，而是「自然主義（naturalism）」。自然主義認為，這個世界最根本、基礎的組成，就是自然科學理論認為存在的那些事物，例如粒子、力場、化學反應等。

陳教授認為科學所帶來的自然主義是現代世界觀的基礎；即使一些特定人士因為宗教背景等理由而不同意自然主義，其實也應該要同意例外情況相當有限。如果我們接受「自然主義」，而非「科學主義」，那麼科學本身根本就不會帶來人文危機。這是因為，自然主義只認為世界最根本的組成是科學所談論的事物，但是它並不認為我們只能透過科學方法來認識這些事物。

事實上，從科學世界觀的角度來說，人類也是自然的一員。人類作為一種自然生命體，出於其演化而來的結構，與生俱來就有各種世界互動、認識世界的方式，不限於科學方法。就此而言，人類會發展出的人文也是一種自然現象。因此，雖然人類後來發展出了「科學方法」這種較為優化的認識途徑，我們依然不能否定「人文方法」也是一種認識世界的可靠方法。

接著，陳教授提及羅素（Bertrand Russell）對「熟知知識（knowledge by acquaintance）」以及「描述知識（knowledge by description）」的區分。熟知知識指的是我們透過直接的感受、互動與掌握所獲得的知識，描述知識則是理論性的知識。

陳教授認為熟知知識與描述知識不可被截然二分，兩者之間是程度上的差別。而人文學門的一些觀念就較為接近熟知知識，因為它們重視同理及感受。雖然如此，這一切都符合腦神經科學的描述，人文仍然是自然現象。另一方面，人文因此仍然是科學可以研究的對象，也需要科學的補充。人文學門自己也必須要了解，自己所研究的熟知知識其實也是自然現象，有其組成基礎與運作原理。

因此，科學可以幫助人文把熟知知識轉換為更精確的描述知識，並且為人文提供更精密的研究方法，以及協助其排除錯誤，比如排除人類先天認知系統的偏誤、漏洞等等。總結來說，科學與人文其實研究的是同一個自然界；科學非但不應帶來人文危機，還可以幫助人文研究走得更加長遠。

跨科際合作的需求，兼論「人類世」中的人文與科學走向

不同於陳樂知教授從哲學觀點出發，陳竹亭教授（臺灣大學化學系名譽教授）帶來的是他在教育方面的經驗。首先，陳教授介紹了他為台灣教育部主持的「科學人文跨科際人才培育計畫」，簡稱「SHS（Society-Humanities-Science）計畫」。

由於現代社會中的問題包含人文以及科學的面向，因此 SHS 計畫的主軸在於推動「跨科際教育（trans-disciplinary education）」。以往的教育先是學科主義，然後衍生出「多領域（multi-disciplinary）」或是「跨領域（inter-disciplinary）」，也就是由各學科各自探究共同問題，或是由兩個學科進行合作。

跨科際教育則有所不同，它以「真實世界的共同問題」為核心，直接打破學科之間的界線。只要是對解決真實世界的問題有幫助的知識，參與的學科，甚至政府、產業、民間的 NPO 或利害關係人都擔責分工合作進行知識生產、解決問題。

由於現代社會中的問題愈趨複雜、多元，且多樣，社會對科學界的要求也跟以往有所不同。科學家開始被要求具備社會意識及社會參與的能力，還有溝通與對話的能力；這些能力都是傳統的科學界非常缺乏的。有鑑於此，陳教授所主持的 SHS 計畫積極推動「問題導向的學習」、「系統思考」、以及「實用方法論上的創新」。他也提到，SHS 計畫的推動非常有賴於大學對本身社會角色的自覺與復興。

陳教授參與的另一個國科會計畫是「以社會需求為核心的跨領域研究計畫」。與 SHS 計畫相同，這個計畫也非常重視跨科際教育，並且認知到單靠科學知識無法解決真實世界的複雜問題。

那麼，人文究竟該扮演什麼樣的角色呢？陳教授討論到他撰寫的新書《丈量人類世》中的「人類世（anthropocene）」這個概念。「人類世」指的是一個新的地質紀元。在工業革命之後，人類文明成為影響地球環境與生態變遷的關鍵角色。因此，部分學者認為地球已經進入「人類世」這個地質紀元。

在人類世中，全球有非常多的變遷趨勢，其中一個就是：科學發展帶動理性價值的昂揚，其他的人性價值卻被輕忽。陳教授說，我們培養出了許多「職業科學家」。可是，在科技急速發展的同時，人類的科技文明卻缺乏方向感：我們正面臨物質文明與精神文明之間極大的不均衡。總而言之，他認為「人類的智能尚未學會如何掌舵文明巨輪的方向」。

最後，針對人文與科學應該要如何在人類世中發展，陳教授提出了他本人的看法。首先，科學研究的同儕審核程序需要人文專業學者的投入，也就是科學家不能閉門造車。再來，婦女應該要積極加入科學與科技事業的陣容，因為科學發展不能只由男性思維主導。

最後，未來教育的趨勢必須往跨科際的方向邁進，也就是人文與科學必須並重。如此一來，陳教授強調：「人文的啟發價值和社會重大需求必須挺身而出，為人類文明的永續承擔文明指南針的角色，與科學共同尋求世紀困境的解方。」

「科學實作哲學」帶來人文與科學的合作新可能

繼陳竹亭教授分享了跨科際教育發展的大方向後，嚴如玉教授（陽明交通大學心智哲學研究所副教授兼所長）則分享了她在科學人文互動的個案經驗。嚴教授身為一個哲學學者，卻在因緣際會下，走上了不同於普通學者每天關在辦公室做研究的路。她為了提升生醫背景的學生對哲學的興趣，也為了把哲學帶到課堂之外，推動了青銀共學。

嚴教授把社區中的長輩們請到大學的哲學課堂上，與大學生一起進行小組報告。這些生醫背景的學生們未來大多會從醫；因此，對未來將要在醫療院所工作的他們來說，與長輩互動是很好的練習。

嚴教授也針對與學生們未來在醫療場域會遇到的一些價值性思考，與哲學作出連結，讓學生們學習哲學能夠學以致用，對醫療過程有所幫助。舉例來說，她會帶領學生討論如何面對死亡、以及照護倫理等哲學議題。她認為，在學生未來的臨床工作上，這些哲學議題將派得上用場。

除了青銀共學外，嚴教授還以非常不同於傳統學者的方式，進行她個人的哲學研究。傳統哲學學者往往是埋首於書堆中，發展自己的理論；她則是親自到醫療院所中進行田野調查，去訪問醫生、護理師等第一線的人員。藉由直接了解醫療工作者在實作上遇到的困難，她試圖讓哲學能夠真正被實用。

嚴教授說，這樣的研究方法被稱為「科學實作哲學」。科學實作哲學作為一種研究方法，其實不單單適用於人文學門，也同樣適用於科學。非常理論性、艱深的基礎科學如果能夠走出象牙塔，了解社會的真實需求，便有機會與人文接軌。因此，不論是科學或人文學門，若研究者可以調整研究方法，從研究對象在實作上的細節出發，再轉而調整自己的理論，那麼科學與人文的互動、合作並非不可能。

科學素養對現代社會的重要性

最後進行分享的是科普媒體《PanSci 泛科學》的知識長鄭國威先生。鄭知識長首先釐清了「人文」的定義：他認為，「人文主義」認為人類可以靠自身的能力認識這個世界，而「人文學科」正是培養這種能力的學科。從這個定義來看，人文與科學根本就不是分開的；畢竟科學也是人類靠自身能力認識世界的方式之一。

鄭知識長提到，台灣的學生在國際學生能力評量計畫（PISA）中表現非常優異，世界排名名列前茅。然而，台灣的學生卻普遍缺乏自信，在失敗時容易產生自我質疑。

在學習的過程中，我們大致可以把人分為兩種：具有「定型心態」與具有「成長心態」的人。前者只重視結果、學習態度較消極，且容易受挫折打擊；後者則重視過程、學習態度較積極，且勇於面對挑戰。鄭知識長指出，具有定型心態的台灣學生似乎占多數。

鄭知識長在高中時也面臨相同的困境，他那時非常厭惡數學和理化，完全沒有學習他們的熱忱。他後來發現不止他是如此，有許多人也在學生階段就放棄了對科學的學習；這對台灣社會是個嚴重的現象。舉例來說，公投的題目許多都牽涉科學知識，放棄學習科學的公民要如何在這種公投中作出正確的判斷？這樣的考量促使他後來創辦 PanSci 泛科學。

鄭知識長認為，獲得成長心態最簡單的方式就是學會科學原則與方法，也就是用科學方法來面對日常生活中遇到的問題。而培養科學素養則需要承認自己對許多事的無知，且需要身處一個好的素養集體之中。最後，鄭知識長勉勵大家一起培養出「科學思辨力」，為本次的論壇畫下一個強而有力的句點。