冥王星可能有隱藏的海洋嗎？

• 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。

• 文 胡潔曦｜黑潮海洋文教基金會 鯨豚保育研究員
• 本文轉載自黑潮海洋文化基金會《海洋盛宴——抹香鯨落》，歡迎喜歡這篇文章的朋友訂閱支持黑潮喔！

編按：本文主要內容與圖片摘錄、翻譯自文獻Three-year investigations into sperm whale-fall ecosystems in Japan，期望在頻繁目擊抹香鯨的 7 月，跟大家分享抹香鯨落的研究。

生存在深海中並非容易的事，由於深海裡缺乏陽光與有機物質，許多生物是藉著海水表層落入深海的有機物質維生。當鯨豚死亡後沉入海底，這段過程、遺體以及過程中所形成的生態系均可被稱為「鯨落」。鯨落可以說是生命的延續之源，而這些殞落至海底的鯨豚有如「金山銀山」，不僅能提供大量的有機物，同時也將許多硫化物帶入海底，造福許多海洋生命，因此也有一句話說：「鯨落，萬物生」。這篇文章透過閱讀國外文獻與整理，希望跟大家分享抹香鯨死亡之後的貢獻！

故事的開始——集體擱淺在日本的抹香鯨

在 2002 年 1 月，日本的西南海岸發生了一起集體擱淺，共發現了 14 隻抹香鯨，而其中 12 隻抹香鯨被綁上水泥塊後，被當地政府沉入了 Nomamisaki 岬角周邊深度大約兩、三百公尺的海裡，形成了多座人工鯨落。當時有許多學者對於抹香鯨落感到好奇，究竟牠們會吸引來哪些生物？而抹香鯨龐大的遺體會需要花費多長時間分解呢？透過這項研究，或許能讓人們對大型齒鯨落的分解過程更加瞭解。

事實上，在 2002 年以前，多數的鯨落研究出自於美國的加利福尼亞州外海，並以鬚鯨為主要研究對象，而這些鯨落的深度幾乎都落在一、兩千公尺深，比起這次抹香鯨落群的深度深了非常多。而這次大量出現在日本西南海域的多座人工鯨落有著種種獨特性，包含了：深度淺、是大型齒鯨的鯨落等等，也讓學者們充滿好奇心。

究竟要如何長期觀察抹香鯨落呢？

閱讀至此，不知道讀者們是否有一項疑問？在兩三百公尺深的海裡，既缺乏可見光，同時也承受著數十倍的大氣壓，在這樣的條件下到底要如何觀察抹香鯨落呢？「ROV——水下探測載具」即是這個研究的一大助手，能夠幫助科學家們突破這些困難，不僅能在深海中蒐集珍貴的影像，也可以完成採集的工作。而在團隊耗費了 3 年運用水下載具追蹤其中的五隻抹香鯨後，他們也有了些有趣的收穫，透過圖四可以看到這段時間抹香鯨的外觀變化。

經過數年的追蹤後，研究團隊發現，抹香鯨落歷經分解的速度堪稱飛快！根據 2003 年的鯨落研究，學者將鯨豚分解的過程定義為下述四個階段（Smith and Baco 2003），而第一個階段到最後階段可能會歷時數年甚至到數十年，當鯨豚的遺體越大，可能耗時越長：

1. 移動清道夫階段（Mobile-scavenger）：生物會快速消耗掉鯨豚體表上的肉與脂肪。
2. 機會主義者階段（Enrichment opportunist）：生物開始進駐鯨豚裸露的骨頭及周邊富含營養的底層泥沙上。
3. 化能自養階段（Sulphophilic）：骨骼釋放硫化物，供養海洋中依靠硫化物維生的生物。
4. 骨礁階段（Reef）：在所有有機物質被消耗之後，即會進入骨礁的階段。

註解：上述中文名詞翻譯參考自國家地理頻道及國立海洋科技博物館 鯨落展區。

鯨落最快被消耗掉的部分是身上的肉跟脂肪，而這份文獻研究的 5 座抹香鯨落，肉跟脂肪在經過 1 年之後已幾乎被消耗殆盡；經過 1.5 年之後，抹香鯨落已進入化能自養階段，骨骼開始釋放硫化物質；有些大型鯨落從化能自養階段轉為骨礁期要歷經數十年，根據這項研究發現，部分抹香鯨落竟在 3 年後就能夠進入骨礁期，身上所有的有機質都被消耗殆盡，而這樣的進度相較於過去鬚鯨落的研究是非常快的！研究人員初步推測，可能是因為此處的平均水溫相較其他鯨落研究的海域高，生物分解的速度比較快。

抹香鯨落上意想不到的生物多樣性

這次的研究共有發現超過百種生物聚集在抹香鯨落周邊，包含軟體動物門、多毛綱與甲殼綱的生物等，在 1.5 年後，貽貝是抹香鯨骨骼上最為豐富的生物類群（圖五）。而抹香鯨落整體的生物多樣性在到達 3.5 年時來到高峰，紀錄中共有八十多種生物出現。

除了確認抹香鯨的腐化速度之外，研究人員也會在探測載具每次下海時採集底部的泥沙，經分析發現，抹香鯨身體下方泥沙中的硫化物濃度，隨著鯨落分解的時間越久，濃度也會逐漸提高，並吸引來大量仰賴硫化物生存的生物。為了進一步確認周遭環境的生物是否與抹香鯨身上的有差異，研究人員也將抹香鯨 10 米以內與外的生物做了比較，發現鯨落 10 米以外的物種與鯨落上的生物完全沒有重疊，也證明了鯨落的出現確實吸引來許多的生物。

鯨落，萬物生

鯨落的各個分解階段吸引了許多生物造訪，肉與脂肪等在幾個月內快速地被消耗掉，有機碎屑也能讓周邊海底的富含養分，而抹香鯨骨能釋放硫化物數年，部分大型鯨甚至可能長達數十年。「鯨落，萬物生」，在鯨豚生命的最後一章，牠們的身體緩緩沉入海底，成為了大量生物的食物來源。至 2022 年為止，目前世界已知鯨落共有約 160 座，也希望隨科技進步，人們能更深入認識鯨落為環境帶來的影響。

影片分享：美國於2019年在NOAA保護區發現的深海鯨落。

參考資料

1. Fujiwara, Y., Kawato, M., Yamamoto, T., Yamanaka, T., Sato-Okoshi, W., Noda, C., Tsuchida, S., Komai, T., Cubelio, S.S., Sasaki, T., Jacobsen, K., Kubokawa, K., Fujikura, K., Maruyama, T., Furushima, Y., Okoshi, K., Miyake, H., Miyazaki, M., Nogi, Y., Yatabe, A. and Okutani, T. (2007), Three-year investigations into sperm whale-fall ecosystems in Japan. Marine Ecology, 28: 219-232.
   https://doi.org/10.1111/j.1439-0485.2007.00150.x
2. Li Q, Liu Y, Li G, Wang Z, Zheng Z, Sun Y, Lei N, Li Q and Zhang W (2022) Review of the Impact of Whale Fall on Biodiversity in Deep-Sea Ecosystems. Front. Ecol. Evol. 10:885572. doi: 10.3389/fevo.2022.885572
3. https://oceanservice.noaa.gov/facts/whale-fall.html
4. https://natgeomedia.com/environment/article/content-6001.html
5. https://www.soest.hawaii.edu/oceanography/faculty/csmith/Files/Smith%20and%20Baco%202003.pdf
6. http://hi.people.com.cn/BIG5/n2/2020/0409/c228872-33936490.html

• 潘康嫻／中研院環境變遷研究中心博士後研究員

地球上有一群人總喜歡抬著頭，看著夜空中點亮大地的星燈，這些星光夾藏著宇宙的祕密，穿透無數個光年，抵達藍色的星球。除了欣賞夜色之美，這一群人更試圖從中看出點端倪，這些熠熠星光是怎麼來的？宇宙是什麼樣子？為什麼會有地球？生命從何而來？還有其他如地球般的星球嗎？那裡也有文明嗎？好多個「為什麼」是大自然帶來的啟發，而人類尋找答案的行動，卻是宇宙裡不可思議的精彩。

向遙遠的星系發送信號 尋找未知的外星文明

人類的世界觀從曾經的地球放眼到太陽系，隨著科學與科技的進步，二十世紀的物理學開創宇宙論的發展，至二十一世紀天文觀測的黃金年代，不停歇地向深邃的星空探索，走出新的視野。近二十多年的諾貝爾物理獎，多達三分之一肯定天文學的貢獻，例如 2019 年獲獎的三位學者，一位建構宇宙大霹靂理論模型，另兩位發現一顆繞著另個太陽類型恆星公轉的系外行星。宏觀的宇宙視野，加上相對微觀的行星視角，近代的天文學一再刷新人類對宇宙演化及地球定位的認知。

天文望遠鏡和太空科技的進展，讓現代的天文學家得以挖掘宇宙暗藏的驚奇，透過紅外線觀測，我們看到隱藏在可見光背後恆星誕生的搖籃，也發現了宇宙考古學的線索。2019 年諾貝爾物理學獎得主之一詹姆士・皮博斯（James Peebles）花費大半輩子，帶領我們梳理宇宙 137 億年演化的歷程，如今我們知曉實質物體的總質量佔宇宙的 5%（其餘為 68% 的暗能量，與 27% 的暗物質）。在這 5% 的質量中，粗略估計大大小小星系中的星點，加總起來約略有 10²⁷ 顆恆星。假使每顆恆星誕生時也伴隨著行星系統的發展，在如此龐大的總數下，是否也有另一顆適合生命發展的星球？

放眼望去，茫茫星海，僅吾唯一？以地球人的角度思考外星生命的可能性，德雷克公式（Drake equation）將文字的問號轉成可運算的概念，考慮環境因素和發展文明的可能性，估計銀河系中存在著少則一千，多則一億的文明數量。但這些年，沒有人聯絡我們，我們也沒有找到對方，費米悖論提醒了估算與現實的落差。天文學家藉著太空科技的發展得以主動探尋，1972 年的先鋒號和 1977 年的航海家，帶著人類寫給外星人的科學密碼信函，至今持續在星際間航行。除了寫信，還可以像發電報一樣，1974 年的阿雷西波訊息（Arecibo message），對著遠在 25,000 光年外的 M13 球狀星團發送訊號，寄望能在高齡星團中找到找到高智慧文明存在的可能性。然而，這一去一回，收到回音得等上五萬年，已不知道是人類幾代以後的事了。

一如 15 至 17 世紀的大航海時代，歐洲船隊面對大海，莫不引頸期盼能在望遠鏡裡看到遠方的陸地。行星猶如當時的目標，由於行星不會自行發光，尋找行星的難度如同在千里之外的明亮燈塔旁邊瞧見一隻蚊子，然而技術的困難並未讓人退卻，科學的精彩就在於想辦法突圍。

更清晰地遙望遠方 用太空望遠鏡在地球上一起遨遊宇宙

1995 年米歇爾・麥耶（Michel Mayor）與迪迪爾・奎洛茲（Didier Queloz）藉由分析恆星光譜中的都卜勒效應（目標物遠離觀測者時，其光譜會往長波方向拉長稱作紅移，反之靠近則往短波壓縮稱之藍移），在飛馬座找到繞著太陽類型的恆星公轉的第一顆系外行星飛馬座 51b（51 Pegasi b），為系外行星大發現時代展開序幕，也讓他們在 2019 年共享諾貝爾物理獎的殊榮。至今近 25 年觀測資料的累積，尤其有了克卜勒太空望遠鏡和接續的凌日法系外行星巡天衛星（Transiting Exoplanet Survey Satellite，TESS），系外行星數量自 2014 年開始大幅增加，截至今年 2023 年 6 月統計，約有 5,500 顆系外行星，依據型態將系外行星分成四類：氣體巨行星（又稱熱木星）、類海王星、超級地球、類地行星。天文學家從統計數量和行星形成動力學模型中獲得豐富的訊息，也讓太陽系的形成與演化有了更進一步的認識。以一個系統中的行星質量做序列可以分成四種：由小至大（太陽系即為此類）、由大至小、混合、和大小相似，科學家發現像太陽系八大行星的排序反而非常稀有，像 TRAPPIST-1 系統中七顆行星大小雷同的類型倒是常見，人們才驚覺原來太陽系與其八大行星的組合是如此與眾不同。這個獨特也包含太陽系的氣體行星木星，有顆大質量的木星在外，像吸塵器一樣讓闖入太陽系的天體轉向（例如 1994 年的舒梅克－李維彗星撞擊木星事件），減少外來者體撞擊內太陽系的機會，使得位在適居帶的地球有足夠安全的環境與時間孕育生命。原來要有機會誕生生命，先決條件也要天時地利「星」和。

有沒有一種可能，其實有外星訊號，只是現今的科技還無法察覺和解讀？ 二十一世紀的新視野多來自百年前科學家所闢的路，例如愛因斯坦在廣義相對論提出對重力的新見解，物體質量造成的空間扭曲，只是改變的幅度之小不易測量，直至 2015 年天文學家終於在絞盡腦汁精細設計之下，成功打造觀測重力波的天文望遠鏡（Laser Interferometer Gravitational-Wave Observatory，LIGO），2017 年人類首次觀測到雙中子合併事件，解開化學元素週期表上的重金屬形成之謎。在天文學的領域，一個計畫從靈感發想、規劃藍圖、開工建造、出發觀測、收集資料到計畫結束，從開始到最後的時間跨度，往往超過科學家本身的職業生涯。科學家年輕時的構思，常須藉由後生晚輩接棒執行，有生之年不一定看得到科學成果，而這一路上牽起了一代又一代的傳承，一起讓科學的進展跑得更遠，跑向遠在未來的新發現。本篇文章談及的計畫，在筆者的學生時代，早已如火如荼地展開，伴隨著計畫的執行和觀測資料的回傳與分析，是前輩們的堅持與努力，也是帶給新生代天文學家的禮物和邀請：現在的成果來自於我們過去的努力，而未來要由現在的你們來開創。

太空望遠鏡的升空協助天文學家得以更清晰地遙望遠方，讓系外行星的發現轉為低風險的冒險之旅，安全地帶著大家想像另一個世界的雛形，正當書中的主角，天文生物學家拜恩教授，為兒子羅賓說起異星見聞時，好似向星空開啟一扇扇門，父子倆得以一起遨遊宇宙。

穿越都市的水泥叢林，遠離學校與人群，當我讀到書中拜恩教授帶著羅賓前往國家公園露營，徜徉在大自然的聲音與光影，兩個人在星光下深度傾聽彼此，為人生的焦慮與困惑尋找方向，令我不禁想起，曾經只是為了想看星星，所以去登山的自己，無意間在山林尋回自己的心。臺灣的山勢陡峭地形多變，得要十分專注在腳下的步伐與眼前的山徑，此刻陪伴自己的只有呼吸和心跳。踩著吃力的腳步，一瞬間，世界難得寧靜，只聽得見自己的聲音，「離目標還有些距離，繼續是前進，回頭是放棄。若是堅持，不知還有多少難關？若是放棄，我能接受放棄的自己嗎？難道是走錯路或迷路，所以才這麼難行，那麼路又在何方？」為一睹繁星，在光害日趨嚴重的情況下只得越走越深山，不只用腳感受臺灣地貌的鬼斧神工，還要感官全開地觀察瞬息萬變的天氣，多認識她才能做出適當的應變確保登山安全。白天的路上觀察自然的氣息，與重建內在的自己，晚上終見美麗的星空，走在一條條的山岳路線，整頓人生朝著目標向前行。

回首看看我們腳下的地球

天文學總是背對著地球往外尋找新的未知，試圖解讀新收到的觀測資料與訊息，然而來自腳下的訊號呢？地球也是行星，是離我們最近的行星，她孕育了這世界的美好，但她的語言，我們真的懂了嗎？羅賓對外界的反應多來自於他所觀察到的地球，作為父親的拜恩教授要怎麼回應孩子呢？

當我們汲汲營營想向外拓展新知識、新世界時，可曾留意腳下正在發燙？若將地球的呼喊換成人類的語言，環境變遷的種種跡象就是地球發燒的訊號。以往科幻災難片當中的賣座奇觀，漸漸成為生活新聞，熱浪、野火、水災旱災、劇烈天氣變化，讓全球不只要解決眼下的困境，也要未雨綢繆地做永續經營的規劃，即刻採取行動已是迫在眉睫。

2021 年，聯合國政府間氣候變遷專門委員會（IPCC）公布第六回的全球氣候變遷評估報告，提及全球暖化現象在冰河面積、海平面上升、全球氣溫，及海洋酸化等等的科學研究報告中，出現許多令人擔憂的新紀錄，並指出二氧化碳與溫室氣體排放量的關聯性，巨變的環境讓各類生物物種面臨生存威脅。因應這場危機，全球達成共識目標於二十一世紀的地球平均氣溫，相比十九世紀最多僅能上升攝氏 1.5 度，並且在 2050 年達成全球淨零碳排放。今日世界各國包含臺灣正積極發展替代能源減少碳排放，同時開發技術增加碳匯，企圖集結眾人的力量把大氣中的碳存回大地。但我們能在有限的時間內力挽狂瀾嗎？假使目標如期達成，是否就高枕無憂了呢？地球和我們的日子就美好了嗎？

從人類張開眼睛認識日月星辰，建立了神話、曆法和文明，發展農耕，再到科學與工業革命，一路解析宇宙和地球的起源、歷史、環境、命運。星星帶給人類的啟發，讓人類的足跡已從地球走向太陽系，從更高的視野回頭凝視地球那令人屏息的湛藍，離開地球的探索，讓我們重新看見地球。文化藝術與科技文明的發展一直以來與大自然息息相關，進步固然帶給人類生活和思維的改變，然而過度的開發讓環境失衡，讓現在的我們必須啟動地球生命保衛戰，永續經營之前要先理解，如何理解則引發更多的提問，解答提問的過程中人類將深刻感受地球的脈動，為身為地球人感到驕傲。BE-WILD-ER-MENT 的故事在過去已開始，現在的行動是創造機會、還是命運？未來，讓我們和這顆有心跳的藍色星球一起來回答吧。

——本文摘自《困惑的心》，2023 年 7 月，時報出版，未經同意請勿轉載。