從自由女神到登陸月球：開放募資，讓科學更開放

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

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文｜田偲妤
• 美術設計｜蔡宛潔

為什麼「特別」＝不正常？

回想求學過程中，你是否曾煩惱特立獨行的行為會成為老師和同學眼中的「異類」？當社會慣用同一套標準檢視每個人，你我都可能被貼上「污名標籤」。中央研究院「研之有物」專訪院內社會學研究所曾凡慈副研究員，她長期投入「醫療社會學」研究，探討社會如何建構正常性與異常性，特別在臺灣的教育現場，有一群「注意力不足／過動症」（ADHD）學童，經常被貼上社會加諸的「疾病污名標籤」。一起來認識 ADHD ，聽聽成人患者、家長與老師們的親身經歷，了解他們如何面對污名？怎麼看待正常與異常的界線？

ADHD 學童與教育者會遇到哪些困境？

就讀小學五年級的小曉，外表與一般小女孩無異，卻經常坐立不安、注意力難集中，甚至瞬間情緒崩潰。在班上不只被同學霸凌孤立，還被其他家長視為問題兒童，責備小曉的父母沒有善盡教養義務。

小曉的父親長年在國外工作，導致養育責任、就醫治療的重擔全落在母親薇芳身上。面對女兒一天到晚闖禍，在家又不按時吃藥，母女兩人經常爆發衝突。龐大的身心壓力讓薇芳不禁心想：「如果沒有妳，我是不是能做自己？」

從香港來的新老師保羅試圖幫助小曉融入學校生活、緩解薇芳的壓力，成為母女兩人的避風港，也背負是否因特殊原因而關照小曉的質疑。

電影《小曉》道盡「注意力不足／過動症」（Attention Deficit/ Hyperactivity Disorder，簡稱 ADHD ）學童在臺灣教育環境經常發生的狀況，以及家長與老師面臨的教養與照護困境。

究竟 ADHD 在兒童間的盛行率有多少？根據美國精神醫學會 2022 年發行的《精神疾病診斷與統計手冊》顯示， ADHD 在全球兒童中的盛行率推估為 7.2 % 。臺灣 2019 年對全國中小學生進行的抽樣調查研究則發現，符合美國精神醫學會 ADHD 診斷準則（DSM-5）的學生比例高達 10 % 。

換言之，每 100 名學生中約有 10 名有明顯的 ADHD 症狀。面對這麼高的比例，社會大眾對 ADHD 的認識卻不夠普及。究竟 ADHD 有什麼樣的表現？如何協助孩子調整身心狀況、應對治療伴隨的疾病污名標籤？家長、老師等照護者需要什麼樣的支持？

容易被污名化的「隱性障礙」！

中研院社會學研究所曾凡慈副研究員長期投入「醫療社會學」研究，試圖理解社會如何建構正常性與異常性。近年來持續探討 ADHD 等「隱性障礙」在教育場域如何被醫療化、標籤化，以及親職角色面臨的各種教養難題。

所謂「隱性障礙」是指：病況模糊、有爭議或不可見，需要精神藥物、心理與特殊教育介入，從而為家長帶來尋求診斷與治療的複雜挑戰。

ADHD 即是一種隱性障礙，對生活的影響通常反映在人際互動與學習表現上，詳細診斷標準可參考臺大神經部衛教說明，主要症狀整理如下：

由於 ADHD 的行為樣態多元、表現程度不一，而且可能隨著成長過程而改善或惡化，讓位在教學第一線的老師經常面對的難題是：究竟孩子只是不夠努力，還是真的無法控制自己？

這種判斷困難常出現在孩子重新分班、需適應新環境時。大部分老師會先觀察半學期至一學期，如果孩子的行為一直沒有改善，就會試著與家長溝通，評估是否帶孩子就醫檢查。因此，求學階段通常是孩子被診斷出 ADHD 的高峰期。

由於臺灣社會長期缺乏隱性障礙的觀念，孩子在學校表現不好會認為是小孩天性調皮，只要嚴加管教就會慢慢改善，並不會直接想到看醫生，而且民眾普遍對看精神科有不好的觀感。

因此，當老師提議帶孩子就醫，多數家長一時之間可能難以接受，再加上每個家庭具備的文化與經濟資本不同，對親職角色的焦慮程度不一，也進而影響家長選擇的回應方式。

為了深入了解隱性障礙對親職造成的挑戰，曾凡慈訪談了 50 位家中有隱性障礙學童的家長，分別具備不同教育程度、家庭型態、社經地位等條件，並藉由發展「道德工作」概念來考察這種獨特的親職任務。什麼是「道德工作」呢？

道德工作指的是：人們在日常生活中如何判斷哪些目標值得追求？怎樣的做法比較適當？又應該相信什麼、感受什麼與做什麼，才算善盡職責？

這對一般父母來說絕非易事，應該讓孩子養成乖巧懂事還是自由自在？要努力培養未來競爭力還是享受快樂童年？一道道選擇題已夠令人煩惱，如果孩子的氣質特殊，情緒行為不符合大部分孩子的常態時，將更難仰賴一套明確的價值指引行事，因此需要透過更加複雜的道德工作來幫自己和孩子應付日常難題。

對孩子有隱性障礙的家長來說，道德工作要處理的問題通常包括：該不該用「病」的框架來解釋孩子的違常行為？如果能治療，什麼才是「應該的」目的？要讓孩子擁有公開的障礙身分，還是盡量隱瞞以避免污名？面對孩子持續表現出失序的狀態，該體諒包容還是嚴格要求？

一起來看看與 ADHD 孩童朝夕相處的家長與老師們做出什麼樣的抉擇。

ADHD 學童與其家長面臨哪些選擇？

曾凡慈發現，從親職的角度考量，家長首先須設法釐清問題屬性：究竟孩子的行為是個性、環境或病理所致？才能決定該往什麼方向努力。

承認孩子可能患有 ADHD 是家長要克服的首要難題，尤其在臺灣想獲得特殊教育資源，或讓學校接受孩子的差異、提供相應的對待，通常得先取得醫療診斷，使得就醫並接受藥物治療成為某些家長維護孩子受教權的策略。

緊接著家長要摸索的是，怎麼教導孩子看待吃藥行為可能帶來的「污名標籤」。例如有孩子因為吃藥而被同學取笑，與同學發生紛爭時也常被問「今天是不是沒吃藥」。如果沒有妥善處理，診斷用藥將增加孩子被歧視的風險，也會降低孩子配合治療的意願。

某些家長則教孩子以「尋常化」的態度看待用藥。例如告訴孩子「每個人身上都有一點病，像是阿公也每天在吃糖尿病的藥」。或者說吃的是「聰明藥」、「專心藥」，吃藥不代表「有病」，而是能在學校表現的更好。

也有部分家長採取「以醫療模式轉移污名」的策略，讓孩子相信只要「治好」就不會發生污名問題。

例如有的孩子主要是注意力不足（ ADHD 的一種次類型），家長引用醫生的說法向孩子強調「你是注意力不足不是過動」。每當孩子接受積極治療、在學校的表現明顯進步時，家長也會藉此培養孩子有自信的應對方式，下次再被同學取笑時可以勇敢回覆：「我只是注意力不足」、「我現在都好了」。

當然也有比較特殊的案例，曾凡慈訪談的家長中，有位媽媽教孩子不要主動挑釁他人，可是一旦別人欺負到你頭上，就一定要捍衛自己。

例如有人罵孩子吃藥就是神經病，她要孩子大力反擊：「你才有病！又不是你要吃藥，關你什麼事？」雖然這麼做無法改善孩子的人際關係，但曾凡慈指出，我們的社會存在一種奇怪的權力，自以為「正常」的人能隨便對被視為「異常」的人指指點點，這種權力應該被揭露和挑戰：

教養方式沒有絕對好壞，教孩子言語反擊，看似在破壞社會互動秩序，實際上是讓孩子正面回擊污名化背後的權力關係。

環境、家庭、教育現場不同會造成什麼差異？

從事隱性障礙的道德工作時，另一值得注意的是，家長的教養方式可能因不同的文化和經濟資本而產生差異，這將影響家長與老師的溝通，以及孩子可得到的教育與醫療資源。

例如某些家長比較有能力與老師對等討論，一起摸索出適合孩子的學習方式，也比較有能力爭取醫療資源、進行污名管理。課餘時間還會陪孩子完成課業、調整情緒行為，甚至自費取得其他輔助資源。

其中一位有教育學博士學位的家長令曾凡慈印象深刻。這位母親為了讓患有 ADHD 的孩子得到最佳照護，自行創辦了幼兒園，過程中投入的金錢與時間精力，超乎一般家長所能想像！

然而，並非每位家長都有能力為孩子做那麼多，許多家長可能因工作繁忙、手頭不寬裕，或對 ADHD 等隱性障礙缺乏認知，因而無法長期陪伴孩子、或與老師密切溝通，也沒有餘裕定期請假帶孩子回診。

如果老師跟家長的溝通卡關，又正好遇到老師的教學標準較高，可能會認為只要家長不願帶孩子就醫，就沒有立場對疑似有 ADHD 症狀的學生進行個別調整或導入特教資源，這將導致各方關係陷入惡性循環。

近期曾凡慈也開始訪問教過 ADHD 學生的老師，希望了解他們遇到的教學難題與處理經驗。

老師的壓力之大在於，既要在教學上符合全班學生對「公平性」的期待，又要對有特殊需求的學生進行「彈性調整」。如果家長不願讓學生接受診斷，面對看似 ADHD 的學生，究竟要用平常標準要求還是寬容對待？如何避免其他人抱怨老師沒有一視同仁？都將陷老師於左右為難的境地。

面對教育現場因不同理念而產生的紛爭，老師非常需要家長與專家的支持，也需要額外人力幫忙分擔並改善孩子在學校的狀況，否則老師疲於應付、教學品質也難以維持。

曾凡慈訪談的老師們也分享了有助增進教學知能的資源，例如現在的教師研習會將 ADHD 等隱性障礙的基本知識與教學策略納入課程，參加教學互助社群也有助交流在教學現場可應用的實務技巧。

此外，老師們也希望有彈性的人力調度，能適時支援臨時狀況。例如孩子坐不住、或行為失控需要拉開距離時，可以有行政體系的老師陪孩子出去走走、緩和情緒。如何讓專業資源與輔助人力能及時支援教育現場，是日後值得關注的課題。

「可不可以讓我們的差異變成獨特？」

未來曾凡慈也將持續訪談成人 ADHD 患者，了解他們怎麼走過求學與治療階段，怎麼看待自己的身心狀態。訪談過程中發現，雖然成長過程有其艱辛之處，但也出現正向看待 ADHD 的社群。

許多在童年時期被診斷出 ADHD 的孩子已長大成人，並開始透過聚會重新思考 ADHD 對自己的意義，致力推動社會大眾以正向心態看待 ADHD，甚至語帶自信地以「A 咖」自稱！

曾凡慈非常樂見創造正向標籤的行動能延續下去。例如「 A 咖」社群中有人認為 ADHD 就是一種個人特質，有天馬行空的創意、勇於跳脫常軌，擅長抓住大方向且不拘小節。此外，「怕無聊」的個性讓他們幾乎終其一生都在尋求新鮮挑戰，過著樂在學習的精彩人生。

然而，曾凡慈也注意到，部分 A 咖仍需要藥物及諮商資源，協助他們應付大學生活，以及工作職場上更加嚴峻的挑戰。有些人很需要心理師擔任一對一的「 ADHD 教練」，訓練人際相處應對、生活安排與工作規畫，或調適因外在刺激而累積的壓力。

然而，目前心理諮商或治療都所費不貲，如果不住在大都市，相關資源將更難取得，導致他們只能靠自助或社群互助，慢慢摸索自我調適策略，比一般同齡人更加辛苦。

因此，有些成年患者會為了使用校內免費的心理諮商服務，選擇延畢或繼續念研究所，導致出社會的時間往後拖延、影響職涯發展。

我們不能否認病症會為患者帶來應付生活的困難，但隨著隱性障礙逐漸被視為人類行為多元光譜的一環，我們也看到了改變的契機。

曾凡慈期許：「我們不該只想著指認孩子的內在缺失，甚至期待醫師將他們治癒，使他們能適應主流環境。」更該轉向思考的是：

如何支持個別差異，發展有利於所有人的教育文化與社會體系。

雖然很少有學生小學畢業後還不懂乘法表，但有很多人確實不會算，如果一個人開車的速度是每小時 56 公里，開了 4 小時之後，他就開了 224 公里。要是每公克花生賣 40 美分，而 1 袋花生賣 2.2 美元，那麼，這袋花生裡就有 5.5 公克花生。假如全世界人口中有 1/4 是中國人，其餘的 1/5 是印度人，那麼，印度人在全世界的人口中就占了 3/20，或說是 15％。當然，要理解這些問題，並不像學會算 35×4＝140、（2.2）/（0.4）＝5.5、1/5×（1–1/4）＝3/20＝0.15＝15％ 這麼簡單。對很多小學生來說，這不是自然而然就會的東西，要靠做很多很實用、或是純屬想像的問題，才能進一步學會。

至於估計，學校裡除了教一些四捨五入之外，通常也沒有別的了。四捨五入和合理的估計與真實人生大有關係，但課堂上很少串起這樣的連結。學校不會帶著小學生估計學校砌一面牆要用掉多少塊磚、班上跑最快的人速度多快、班上同學爸爸是禿頭的比例多高、一個人的頭圍與身高之比是多少、要堆出一座高度和帝國大廈等高的塔需要幾枚 5 美分硬幣，還有他們的教室能否容納這些 5 美分硬幣。

幾乎也沒人教歸納推理，也不會用猜測相關性質和規則的角度，來研究數學現象。在小學數學課裡談到非形式邏輯（informal logic）的機率，就跟講到冰島傳說一樣高。當然，也不會有人提到難題、遊戲和謎語。我相信，這是因為很多時候，聰明的 10 歲小孩輕輕鬆鬆就能打敗老師。

數學科普作家葛登能最不遺餘力探索數學和這些遊戲之間的密切關係。他寫了很多極有吸引力的書，也在《科學美國人》撰寫專欄，而這些都是會讓高中生或大學生感到很刺激的課外讀物（前提是有人指定他們去讀的話）。此外，數學家喬治．波利亞（George Polya）的《怎樣解題》（How to Solve It）和《數學與合情判讀》（Mathematics and Plausible Reasoning），或許也屬於這一類。有一本帶有這些人的文風、但屬於較初階的有趣好書，是瑪瑞琳．伯恩斯（Marilyn Burns）所寫的《我恨數學》（The I Hate Mathematics! Book），書裡有很多啟發性的提示，帶領讀者解題與發想各種奇思異想，是小學數學課本裡罕見的內容。

有太多教科書仍列出太多人名和術語，就算有說明解析，也很少。比方說，教科書上會說加法是一種結合律運算（associative operation），因為（a + b）+ c＝a +（b + c）。但很少人會提到非結合律運算，因此，充其量來說，結合律運算的定義是畫蛇添足。不管是結合律或非結合律，你知道了這些資訊之後要怎麼應用？書上還會介紹到其他術語，但除了用粗體字印在書頁中間的小框框裡，看起來很了不起之外，也沒什麼值得提的理由。這些術語滿足了很多人認為，知識就好比一門普通植物學，每種學問都可以在體系中，找到自己的類別和位置。相比之下，把數學當成有用的工具、思維方式或是獲得樂趣的途徑，在多數小學教育課綱中都是很陌生的概念（即使教科書內容不錯也一樣）。

或許有人會認為，在小學階段，可以用電腦軟體，來幫助學生掌握基本的算數原理及相關應用（應用題、估計等等）。可惜的是，目前可用的程式通常是從教科書上擷取無趣的例行練習，轉化成電腦螢幕版本而已。我不知道有任何軟體可用整合、一致且有效的方法，來教算術與解題應用。

小學階段的數學教學品質普遍不佳，最終必會有人怪罪於老師能力不足，而且對數學沒什麼興趣、或不懂欣賞數學。我認為，這當中有一部分又要歸咎於大專院校的師資培養課程中，很少或根本不強調數學。以我自己的教學經驗來說，我教過的學生中，表現最差的是中學生，而不是大學主修數學的學生。準小學老師的數學背景也很糟，很多時候甚至根本沒有相關的數學教學經歷。

而每所小學聘用一、兩位數學專才，在學校裡每天分別到不同班級輔導（或教授）數學，或許可以解決部分問題。有時我認為，如果大學數學教授和小學老師每年可以交換個幾星期，會是個好方法。同樣的，把主修數學的大學生和研究生交到小學老師手裡，不會造成傷害（事實上，後者或許能從前者身上學到一些東西）。而三、四、五年級的小學生則可以在完全適任的老師教導下，接觸到數學謎題與遊戲，將可大大獲益。

稍微打個岔，謎題與數學之間很有關係，而且相關性會一直延續到大學與研究階段的數學。當然，把謎題換成幽默也通。我在《數學與幽默》（Mathematics and Humor）書中試著說明，數學和幽默都是某種益智遊戲，與猜謎、解題、遊戲和悖論多有共通之處。

數學和幽默都是把概念組合、拆開再拼回來，然後從中得到樂趣。慣用的手法包括並列、歸納、迭代和倒向（比方說「aixelsyd」就是把「dyslexia」﹝閱讀障礙﹞的字序倒過來）。那麼，如果我放寬這個條件，但緊縮另一個條件會怎樣？某一個領域的概念（像是綁辮子），和另一個看來完全不同領域的概念（如某些幾何圖形的對稱性）有什麼共通點？當然，即便不是數盲，可能也不熟悉數學這個面向，因為你必須要先具備一定程度的數學概念，才可以拿來耍弄。其他像獨創性、不協調感以及精簡的表達，對於數學和幽默來說也都同樣重要。

可能有人說過，因為所受訓練之故，數學家有一種特殊的幽默感。他們往往會接受字面意義，但字面上的解讀又常和標準用法的意義不同，因此很好笑。比方說，哪種運動比賽時要蓋臉？答案是，冰上曲棍球以及痲瘋病人拳擊（按：原文「Which two sports have face-offs」，「face-off」其中一個字面意義為「蓋臉」，而這也是冰上曲棍球常用的術語，意指「爭奪球權」）。他們也很沉溺於歸謬法（reductio ad absurdum），或設定極端前提條件然後做邏輯演練，以及各式各樣的字組遊戲。

如果可以透過小學、中學或大學階段的正式數學教育，或是非正式的數學科普書籍，傳達數學有趣的面向。我認為，數盲就不會像現在這麼普遍。

——本書摘自《數盲、詐騙與偽科學》，2023 年 11 月，大牌出版，未經同意請勿轉載。