星洲網
星洲網
星洲網 登入
Newsletter|星洲網 Newsletter 聯絡我們|星洲網 聯絡我們 登廣告|星洲網 登廣告 關於我們|星洲網 關於我們 活動|星洲網 活動

ADVERTISEMENT

ADVERTISEMENT

丁源森

11月前
有一天,我們團隊裡一名博士後在Slack群裡用ChatGPT發了一首“歌頌AI老大千秋萬載”的頌詞。他自嘲說,如果有一天AI真的統治世界,他就用這首詩投靠AI,以求保命。雖然他是在開玩笑,但這讓我意識到,對於“天網”式的AI統治,確實有不少人是真的感到恐懼的。 正因為很多人對AI和機器學習持悲觀態度,我在之前的文章中也努力向大家展示其正面影響,儘量以務實和樂觀的角度來論述。但讚美之餘,我們也不能掉以輕心,忽視其潛在問題。老子說,“禍兮福所倚,福兮禍所伏”,因此,這個系列的最後一篇,要全面探討一下AI的好與壞。只有全面、理性地探討,我們在問題出現時才不會亂了方寸。 AI在基礎科學研究中的多面作用:不僅僅是效率 目前的AI在多個方面都給了我們保持樂觀態度的理由。它在各領域解決了一些長期困擾我們的“瓶頸”問題。 在生物科技這個領域,AI幫助我們更快、更低成本地瞭解蛋白質是如何摺疊的,這對於發現新藥至關重要。藉助AI,我們能夠快速從大量的基因序列中推測分子結構和屬性,無需耗費大量資金進行生化實驗。這不僅大幅降低了生產成本,也顯著提高了研發效率。值得一提的是,目前AI在這一領域的表現已遠超傳統技術。 除了生物科技,物理學也因為AI的加持而得到了重大突破,特別是在核聚變研究方面。如果您還記得我們在〈黑洞與鹹煎餅〉中的討論,您就知道核聚變理論上並不是難以克服的難題——太陽就是一個天然的核聚變反應器。然而,在地球上模擬這一過程的主要挑戰在於,我們很難精準地控制電離子以實現全方位的均勻施力。藉助強化學習,也就是AlphaGo等軟件所使用的技術,現在我們能夠實時預測和調整各個不均勻的部分。這也使得核聚變首次實現了能量輸出大於能量輸入。而如果核聚變能夠成功實現商業化,它將成為一種極度環保的能源選擇。與核裂變不同,核聚變不僅是一種乾淨的能源形式,還不存在失控的風險。 又比如在我的研究領域——天文學,AI也具有巨大的潛力。您可能在疫情期間看過Netflix的電影《不要抬頭》(Don’t Look Up),它講述小行星即將撞擊地球的故事。儘管這個主題有些老套,但在現實生活中,從海量數據中識別對地球潛在威脅的小行星,確實是一項極其複雜的任務。我和我的同事們也正在利用電腦視覺技術——類似於監控系統的人體追蹤技術,來尋找這些小行星。 當AI被不當使用的潛在危害 儘管機器學習在多個方面都正在推動我們社會的發展,但並非所有影響都是正面的。雖然我之前一直強調AI的積極潛力,但我們也必須警覺於它可能帶來的風險。 在馬來西亞,我們普遍存在一個誤區,感覺大家好像認為機器學習是一個高端且難以觸及的領域,我們也只能嗑瓜子,看著中美競爭就好了。然而,事實上,機器學習的入門門檻其實相對低。儘管有些研究確實需要大量資金,但普通學生甚至高中生也能理解其中的基礎概念。據我所知,像新加坡就正在全球以高額獎學金吸引電腦科學博士生。如果我們馬來西亞不開始重視AI和機器學習,那麼我們將面臨嚴重的全球競爭劣勢。我們需要讓年輕人知道,機器學習並不是高不可攀,反而是未來發展的必備技能。 而正因為機器學習的門檻相對較低,這也為不懷好意的人提供了更多可乘之機。我們常說人工智能正在變得越來越“智能”,但這種智能不是說有意識,而是它可以用少量的樣本做到泛化。以人類來說,我們能夠僅憑几句話就識別出說話的人,這是一種高度的泛化能力。而當前的人工智能技術也越來越能在少量樣本的基礎上進行泛化。這樣的進步當然帶來潛在的社會風險,比如通過簡短的語音樣本就能模仿某人的聲音。但是這種問題,我覺得所謂“魔高一丈,道高一尺”,最後我們社會也會慢慢適應。 說到壞人用AI做壞事,其實還有更令人擔憂的潛在問題。我曾與一位專門使用AI進行蛋白質摺疊研究的同事討論過這個問題。他最擔心的是,這種低成本的“製藥”技術具有雙刃劍的性質:一方面具有製藥的潛力,另一方面則可能利用AI來設計病毒,而且成本不高。我自己當時聽的時候也是嚇出了一身冷汗。 這讓我回到了文章的開頭,我覺得我們有時在討論AI時會失焦。像大量失業和“天網”式的自我意識機器人的出現確實有些過於想像,但我們應記住,人類最大的威脅往往還是來自人類自身。 勇往直前,在風險與機會中尋求平衡 有人可能會問,既然有這麼多不確定因素,為什麼不直接限制這些技術的發展呢?這當然是一個值得深思的問題,美國等國家也在頻繁討論這一點。但核心問題在於,即使我們限制大型模型的發展,問題本質並未解決。小型模型同樣有可能造成巨大的破壞,特別是考慮到這一領域的入門門檻相對較低。 另一方面,我們面臨許多緊迫和複雜的問題,從應對氣候變化和尋找可持續能源,到治療癌症,甚至應對不可預見但極其嚴重的問題如小行星威脅。在所有這些方面,機器學習都是我們人類現在唯一的希望。因此,我們不能因為某些潛在的風險而因噎廢食。 然而,不管大家覺得我們是因噎廢食還是飲鳩止渴,事實是這個大門已經被敲開了。我們現在能做的最好的事情,就是每個人更深入瞭解這些新興技術,並形成自己的見解,而不是隨波逐流。 不確定的未來的確會令人不安,不過我覺得人類發展總是像在高空的鋼索上行走,永遠都具有風險和不確定性。但停滯不前不是選項,我們唯有勇往直前才能保持平衡。 更多相關文章: 【代碼之外】丁源森/AI在天文上的神助攻 【代碼之外】丁源森/做AI時代裡的 六邊形戰士 【代碼之外】丁源森/論AI的養成與黯然銷魂飯 【代碼之外】丁源森/AI、ChatGPT與我媽的掃地機器人
1年前
當OpenAI發佈了ChatGPT,那個月簡直不要太瘋狂。事實上,業內早有大型語言模型在測試中,但都等待著一個先行者。OpenAI勇敢地走在了前列,行業巨頭如谷歌都hold不住了,緊隨其後發佈了自家的Bard模型。 在Bard的示範中,它回答了這樣一個問題:“如何向我的9歲孩子解釋詹姆士·韋伯望遠鏡的某個發現?”Bard說:“韋伯望遠鏡拍下了第一張太陽系外行星的照片。”雖然聽起來感覺沒問題,但如果Bard讀過《星洲日報》的專欄,就會知道這是錯的。儘管韋伯望遠鏡主要用來研究太陽系外的行星和它們的大氣,並擁有高清成像功能,但首張行星照片的記錄其實是20年前的事。(20年前,“自適應光學”Adaptive Optics開始在天文領域流行,尤其應用在8-10公尺的大望遠鏡上。這技術為望遠鏡提供了“降噪”功能,通過調整鏡片消除大氣擾動,使我們能更清楚地觀測遠方的行星。) 當Bard的這一錯誤被揭露後,資本市場對谷歌這類大模型的信心大受打擊,谷歌市值蒸發了千億。 深入機器學習:訓練大型語言模型的機制 那麼,為何Bard會犯下這種“幻想”(即一本正經胡說八道)的錯誤呢?要理解這一點,我們首先得了解這些模型的訓練機制。前文曾經提過,機器學習和傳統編程不同的地方在於:我們不再逐個給機器下命令,而是讓機器自己從數據中發現規律。 實際上,機器學習語言的方式跟我們小學的文字遊戲很像,即從網絡上的大量文本中挖掉一些詞,然後嘗試填補空白。例如,“(某某)是馬來西亞的第十任首相”,或“(某某)是馬來西亞的傳統美食”。在這過程中,每個句子裡的關鍵詞都有可能被隱藏,模型的任務就是要猜測這些空格的內容。有時候,一個空格可能有多個合適的答案,因此機器不僅要給出答案,還要給出各種答案的可能性。 看起來簡單,但是模型可以通過這種方式學習到很多東西。就像我們小時候在各種科目做的填空題,雖然填空,但每門課教給我們的東西是不同的,比如語文教我們語法;歷史教史實;數學教邏輯。同樣的,機器也在大量數據中努力學習,彷彿不停地刷題。 大型語言模型就像雲頂高原的老虎機,每次“搖動”都產生不同的輸出。通過大數據訓練,我們就像在老虎機上作弊,使得它的輸出更符合我們的預期。 超越ChatGPT:開源模型的多樣化應用 瞭解這個概念後,你就能明白為什麼Bard突然短路了。詹姆士·韋伯望遠鏡有很多“第一”,它確實重點研究太陽系外行星並擁有先進的成像技術,但把這些信息組合起來卻反而不對,這就像有人問你在馬來西亞應該吃什麼,你回答“Roti Canai夾榴槤配 Laksa。” 雖然當前的AI仍然會犯一些低級錯誤,但是大語言模型的應用不僅僅侷限於簡單地使用ChatGPT,要知道ChatGPT只是眾多大型語言模型中的其中一個。雖然OpenAI已經不再 Open(開源),但眾多模型包括臉書Meta的LLaMa模型系列仍是開源的,而這些開源的模型允許我們在這些訓練模型的基礎上進行微調,進而釋放更多潛力。 這好比你已經有一群優秀的大學畢業生,雖然他們不一定會有特定領域的專長,比如說天體物理的一些特定知識,但如果可以讓這些模型再“進修”,那麼它就可以發揮更大的能量。 這正是我的研究團隊正在探索的其中一個方向。 讓AI看懂30萬篇天文論文 最近我們的團隊對這些開源模型進行了微調,利用過去30年天文科學期刊發佈的大約30萬篇文章對其進行訓練,訓練方法和上述說的文字填空和接龍是一樣的。當然,這裡對於模型的訓練還包括我們的一些小巧思。比如說讓兩個語言模型“對戰”,其中一個模型扮演學生回答天文問題,另一個則扮演教授點評學生的答案,兩者互相競爭。(這裡就不談技術細節了) 其實我們一開始也沒底,就覺得可以試一試。模型的表現確實讓大家很震驚,比如說我們嘗試用AI生成天文學博士論文的研究方向,並請天文物理學家評分。評分結果顯示,AI生成的論文題目在專家眼中甚至優於一般天文物理博士生能夠提出的論文方向,一些同事不禁戲稱:“真的不能讓你繼續搞下去,不然我們都失業了。” 必須說明的是,我們的目標並非取代人類工作,但我們必須接受的是,在這個新的時代裡,AI生成的答案已儼然成為了評價的基線,只有超越AI的答案才被視為有價值。雖然這麼說感覺有點殘忍,但這未嘗不是好事,因為AI把所有人的基準能力都拔高了一個緯度。要知道每個人都有自己的特長,而這些特長大概率還是比目前的模型更好,但是模型卻可以補足每個人在其他方面的短板。 比方說,我以前覺得自己做研究還可以,但比較苦惱的是如果要我用英文寫期刊文章,我就覺得對我這種非英語母語的人特別吃虧。雖然現在的模型不見得能寫出媲美狄更生和王爾德的大作,但我卻可以享受著類似用母語寫作的暢快。 AI:平等的橋樑與公正的裁判 從宏觀角度來看,我樂觀地認為無論是回顧歷史還是展望未來,這些AI模型將促進人與人之間的平等,併為弱勢群體創造更多機會。 比如說,以前我們時常依賴某些指標,例如論文的被引用次數來評估一個人對於某個領域的貢獻,但學術界其實並非完全公正。有時候,一些普通的論文莫名火起來,而其他有價值的論文卻可能因為種種原因被埋沒,所以這些指標往往並不能很公平地去評斷一篇學術論文的價值。而我們的研究團隊正在研究的其中一個方向,就是用我們微調後的模型去讀遍所有論文,忽略人為的主觀評價,客觀地分析所有文章,從而找出任何一個能推進這個領域的真正先驅。 至於展望未來的部分,AI也只會讓科技更加平等與開放。以天體物理為例,這是一個高投資的研究領域,可惜絕大部分的人再有才識也可能只屈就於一些崗位上,找不到人去交流。但微調後的大型模型可以獨當一面,能力未必比各個領域的博士們差,可以成為弱勢研究者的研究夥伴,不讓個人際遇妨礙他們的成就。這也是我們團隊做這項研究的最大初衷,而我們的團隊也逐步在網上公開所有AI生成的天體物理博士論文方向。 還記得IBM的深藍嗎? 有人說,AI的出現是人類的消亡,可是要知道這種論述在歷史上從來沒有斷過,但是也從來沒有預言成真過。 還記得IBM的超級電腦深藍曾經擊敗國際象棋大師卡斯帕羅夫嗎?當時有人悲觀地認為國際象棋已經結束了,但在二十多年後的今天,人們反而可以在任何地方、任何時間和AI對弈及學習,我們看見的是國際象棋更加昌盛,在很多非傳統強國也是遍地開花。 更多相關文章: 【代碼之外】丁源森/做AI時代裡的 六邊形戰士 【代碼之外】丁源森/論AI的養成與黯然銷魂飯  【代碼之外】丁源森/AI、ChatGPT與我媽的掃地機器人
1年前
1年前
  小時候,網絡還未普及,每逢農曆新年,我總被TV2“逼迫”著再看一次星爺的《食神》。片中最後他和反派來一場廚藝battle,反派做出了精緻且食材豐盛的佛跳牆,但星爺卻用內功做出了簡樸無華的叉燒飯,名叫黯然銷魂飯。無招勝有招,最終,黯然銷魂飯大獲全勝,評委薛家燕和司儀羅家英都流下了感動的眼淚。 讓我們從黯然銷魂飯開始,談談AI是如何養成的。 傳統編程的侷限 首先,我們來了解傳統計算機編程。傳統編程中,計算機的功能是復刻所有人類設定的明確指令。以超市收銀機為例,其指令非常明確:見到泰國龍珠香米,收費X令吉;見到賓賓米果,收費Y令吉。這也可能是大家比較熟知的計算機功能,它可以熟練地重複執行某些特定的指令。 照本宣科,就像孩子把一本課本從頭到尾的死背硬記,但這種方式是有巨大的侷限性的:第一,這種傳統編程方式在處理大量或複雜數據時往往力不從心,就像一鍋佛跳牆,雖然食材種類繁多,但最終能加入的調料和步驟都是固定的,即使面對更豐富的食材,如果你只按照固定的食譜來烹調,最後出來的還是同樣一道佛跳牆;第二,許多數據裡並沒有像剛才這個收費清單的簡單情況,即 A(貨物)和 B (價錢) 這樣一對一的對應關係。例如YouTube視頻,其內部知識大多是隱性的,難以設定明確指令。 機器學習(Machine Learning,也俗稱為AI)應運而生,其核心是在沒有對計算機下特定的指令識別數據的規律。實際上,計算機學習的這些核心思想並不新鮮,早在上世紀中葉,包括計算機之父圖靈在內的人,就已經開始對這方面探索。 “Laksa-檳城+怡保” 我小時候,媽媽怕我讀書太辛苦,帶我去一個關於訓練記憶力的補習班。我依稀記得裡面核心的思想可以分成兩個部分:第一,不要死背硬記,要把知識點壓縮成知識圖譜 (mindmap);第二,大量運用聯想,從而對很多知識點進行整理。 現代機器學習的思路與之相似,計算機學習在很大程度上是內建自己的一個知識圖譜,把海量的信息簡化成自己的一套關係鏈,並通過這些內建關係實現泛化(即一通百通,舉一反三)的能力。 這裡比較經典的一個例子是,比如說你在ChatGPT裡輸入:國王(King)減掉男人(Man)加上女人(Woman)。ChatGPT給你的回答會是女王(Queen)。這展示了機器不是簡單地記住詞彙,而是理解了其內在關係。例如,它把“國王”解構成“權利+男人”,所以當你減去男人再加上女人的時候,那這時是“權利+女人”,所以可以對應的是女王。 看官也可以試試在ChatGPT上輸入“Laksa-檳城+怡保”,回答是河粉。 知識圖譜與認知過程 電腦學習在某種程度上是對世間萬物信息的一種內建壓縮。正因為這種內建的知識結構,機器學習才表現出了所謂的“智能”。這與人類的認知過程頗為相似。 很多人錯誤地認為眼睛就像照相機,完整複製進入視野的所有信息。但實際上,如果我們的眼睛真的每一秒都要完整成像,那會對我們的能量造成巨大的消耗。正如計算機的學習模式,我們的大腦接收的信息其實是非常碎片化的。而是根據大腦內建的世界認知,在大腦中用部分信息自動重塑整體。 正因為我們的感覺器官都在重塑信息,我們會被一些光學幻覺所欺騙。比如,兩個實際身高相同的人在某種背景下,可能看起來一個比另一個高。這是因為,我們大腦運用了我們對於世間的內建規律去補全信息。當你刻意去打破這些規律時,重塑起來的成像就會偏離原型。 大家可能還記得AlphaGo與李世石的圍棋比賽。儘管人類在多數情況下都潰敗了,但在第四局中,李世石下了一步意想不到的棋。這像光學幻覺一樣,超出了AlphaGo的內建知識圖譜的範圍,導致它連續走了若干“臭棋”,從而讓人類扳回一局。其中的道理也是一樣的。 超越棋局:機器學習的變革 如何構建知識圖譜一直是電腦學習的6關鍵,但這也是我們長久以來的盲區。 在深度學習興起之前,比如在國際象棋方面,我們人類對我們從經驗得來的方法論是非常自信的,所以大部分的下棋機器,都有一堆我們人類的經驗規則。儘管機器裡面有“學習”的成分,但是這就有點像做佛跳牆。我們一開始就決定了要用哪一些食材,認為這些食材和食譜上的方式必然就是最好的。 計算機學習界的權威人物瑞奇·薩頓(Rich Sutton)在其“苦痛的教訓”博客中深入批評了這種自以為是的態度。我們經常認為自己對這個世界的解讀方式是最佳的,但多次的失敗證明這種思維方式是短視的。 過去10年裡,計算機學習領域的大部分突破,無論是AlphaGo的升級版AlphaZero還是現有的ChatGPT,都採取了一種更自然的“黯然銷魂飯”的做法,即讓機器在儘可能少的人為干預下自主學習如何從數據中發現規律。而瑞奇·薩頓認為,鑑於計算機的計算能力將會持續指數增長(也就是所謂的摩爾定律),讓機器自我學習才是最佳選擇。 寫到最後,我還是擔心這種計算機“自我”學習的描述可能會讓一些人感到不安。但是,還是接我們上一篇聊到的,這種自主其實和我們認知中的“自主意識”是完全不同的概念。 還是那句,這些機器學習模型僅僅是對大量信息進行解析、分類和抽象鏈接——就像那個國王的例子一樣。當我們使用Google搜索或瀏覽抖音推薦時,這種信息解構和分類的概念早已融入我們的生活中。 與其毫無根據地感到擔憂,不如靜下心來享受一頓美味的黯然銷魂叉燒飯。 作者簡介: 吉隆坡中華獨中畢業生,2017年美國哈佛大學畢業,2019年獲得美國NASA哈勃獎學金,於美國普林斯頓高級研究院(IAS)研究天體物理,現任澳洲國立大學電機系和天體物理系副教授,專注於利用機器學習技術研究天文大數據的統計推理。 更多相關文章: 【代碼之外】丁源森/AI、ChatGPT與我媽的掃地機器人
2年前
韋伯是什麼? 如果你是天文學迷的話,你一定還記得去年的盛事,那就是韋伯望遠鏡成功升空,成為天文界最新的寵兒。比起勤勤懇懇工作數十載的哈勃望遠鏡,韋伯望遠鏡更具優勢,筆者也就不跟大家哈拉,上來直接給你們硬核的。 韋伯的半徑是哈勃的3倍。因為採光的速率和鏡面的面積成正比,所以韋伯的效率約為哈勃望遠鏡的10倍,即一個哈勃需要花10年去幹的活,韋伯只需要一年就“搞定”。更重要的是,哈勃主要的觀測波段是紫外線和可見光,而韋伯觀測波長較長的紅外線。韋伯當初設計時採取紅外觀測的主要考量,就包括了目前天文界比較火爆的兩個課題——尋找太陽系外的生命,和尋找最古老的星系。 尋找系外生命 關於前者,天文界尋找外星文明的主要手段是仔細刻畫太陽系外行星(簡稱系外行星)的大氣——看看那些類似地球的行星中有沒有一些有機氣體和水分。而韋伯在這裡發揮的作用是巨大的。要知道水分在大氣中主要“發光”的波段為紅外線,但是地球的大氣水分同時也大量地吸收紅外線,所以地球上的天文儀器很難去捕捉系外行星紅外的波段。由於韋伯發射在地球之外,不會被地球大氣所“矇蔽”,因此也成為了少數可以去研究系外行星大氣的儀器。 而現在實測下來也確實如此。要知道當初韋伯的第一次成果發表會,NASA發了5個結果 “秀秀肌肉”,就展示了韋伯能夠精確無誤探測到系外行星的水氣。當然了,那個結果並不意外,因為我們之前就通過一些手段知道該行星是有水分的,不過因為那個行星並不在適合生命發生的宜居帶,所以這個結果也只是實測一下韋伯的能力。但即便如此,筆者當初在線上觀看這個“直播”時也是被震掉了一個下巴。依韋伯的這個實力,估計找到在宜居帶且有水分和有機氣體的行星也就是10年以內的事了。 尋找最古老的星系 不過除了尋找系外生命,韋伯的另一個主要突破點,如上所說,是尋找宇宙中最古老的星系。這裡請跟隨筆者一個比較繞的邏輯鏈。宇宙裡最古老的星系也是離我們最遠的星系,這是因為光“只能”以光速傳播。比如說,太陽離我們有大概8“光分”,即光需要8分鐘才能從太陽抵達地球。但是換一個說法,我們現在看到的太陽並不是現在的太陽,而是8分鐘前的太陽(是的,如果太陽現在爆炸了,你還有8分鐘能活)。 以此類推,如果一個星系離我們130億光年,它們的光在宇宙中傳播了約130億年(這裡稍微不準確,應為精確的算法還需要涉及宇宙的膨脹)才抵達我們,也就是說我們現在接受到的關於這些星系的照片,是宇宙130億年前的情況。簡單扼要地說,只要找到越遠的星系,他們對應的也是最古老的星系。 可是如何找到這些遙遠的星系呢?這裡,宇宙的膨脹又幫上了一個大忙。由於宇宙一直在膨脹,因此當光運行的時候,它們也會不斷地被時空拉長——可見光會被“拉扯”成紅外線。而因為越遙遠的星系的光要運行得更久,一般的星系發射的光大部分都在可見光的波段,所以如果它們是遙遠的星系,它們現在就會呈現成一個主要在紅外波段發光的天體。 筆者繞了九轉十八彎,簡單扼要地說,只要我們能找到在韋伯(紅外線)能觀測到,而比如說哈勃(可見光)又看不見的星系,這些都有可能是最古老星系。 韋伯的意外發現 在韋伯還沒發射前,透過哈勃我們知道的最古老的星系約為宇宙大爆炸後4億年的星系,而且就只有一個。而韋伯發射後,天文圈的“考古隊”真是內卷得不可開交。就一兩週的時間,多個團隊陸續發表已搜索到“一打”比5億年還年輕的星系,而且刷新了之前的紀錄。現在最古老的星系約為3億年。筆者的一些同事都是沒日沒夜地卷。 這樣刷榜可能看起來沒什麼營養,但其實不然。這個發現可以說是天文界的一個震撼彈,筆者這裡震掉的就不止一個下巴了。 天文圈之前雖然知道韋伯必然能超越哈勃找到更古老的星系,但這個成群的發現其實是遠超乎預期的,主要因為宇宙這麼早期就出現“星系嬰兒潮”實際上違背天文其他的一些觀測,比如說所謂的宇宙再電離現象。簡單說,如果有大量的早期星系,他們的輻射應該會將宇宙早期的氣體(比諾蘭更高級的“Intergalactic” medium) 造成一定的影響,而這個和現在對於再電離的研究還是有點分歧的,因此韋伯前幾個月的觀測迫使了天文學家再次審視關於星系形成和演化的理論。 韋伯真的要來了 說到這裡,就要回到筆者的標題黨。不說你不知道,一說你嚇一跳。 筆者將在吉隆坡(2月6日到10日)組織第一次,由國際天文學聯合會(International Astronomical Union, IAU)冠名的天文會議(詳情瀏覽 jwstmalaysia.com)。這項會議將迎來許多天文界國際大腕,重點討論韋伯的發現和關於古老星系的形成,屆時將有八十多個演講和170個與會者。這項會議也是IAU第一次在馬來西亞的會議,上一次IAU在東南亞的會議還得追溯到30年前在印尼的會議了。 雖然這個會議的對象是天文界的科研工作者,不過為了讓民眾共襄盛舉,我們也特別邀請3位天文界大腕在2月8日(星期三)下午兩點半,在馬來亞大學公開演講,這場活動免費且完全對外公開,不管你是男女老少,懂不懂天文,愛不愛天文,都歡迎前來感受天文的美。有興趣的人請到jwstmalaysia.com點擊“Public Talk” 登記。 號外 筆者兩年前還常常在星洲日報《活力副刊》和大家聊天文,本以為休息一段時間後再執筆,可是這兩年一直都擱著,因為工作確實比較忙,要帶十多人的科研小組,還要寫企劃書找經費寫得頭頂冒煙,以及組織這個會議(其實還有一個同其他大馬天文學家組織的2023年全球大馬天文學家大會GMAC),搞得筆者這兩年都一直處在爆肝狀態,所以就沒更新專欄。 不過,如果這次在吉隆坡的天文會議能夠點燃大家對於大自然的興趣,那已足矣。 作者丁源森現任澳洲國立大學天文系與電腦科學系副教授,主要研究方向為人工智能在天文中的應用。他是吉隆坡中華獨中校友,2017年哈佛大學天文系博士畢業,後為NASA哈勃學者、普林斯頓大學及普利斯頓高等研究院博士後研究員。   更多文章: 【研究故事】利用真菌修復被汙染的土壤 2青年為少數民族室內設計奪金獎 2022年USAHA TEGAS文化遺產美術賽:學生結合經驗及想法,畫出獨有文遺創作 繪畫,是21歲的她在俗世中唯一念想
2年前
詹姆斯·韋伯望遠鏡將是歷史上最大的太空望遠鏡(6.5米)。這個面積可是比目前的哈勃望遠鏡的面積要大了個6倍。什麼概念?這個望遠鏡大到沒有火箭能直接裝上它,而必須透過日式褶紙的概念,先把它“褶”起來,等到了太空再機械地“打開”。 2020年這麼晦氣,到了年末的最後一期,我們今天來說說天文界2021年有什麼好值得期待的事。 學術裡的《我是歌手》 這幾年上班族流行一個詞“996”,即每天從9點工作到9點,一週6天。最近和同學吃飯,我的同學就開玩笑說,11月這種非常時候,做學術怎麼可能“996”,基本都“007”了。作者本身必須說明,學術是一個非常需要想像力的工作,所以生活和工作確實需要拿捏一個平衡點,所以不鼓吹996或007。就像運動員一樣,一直盲目練習沒有意義,可是11月真心忙。忙什麼?忙著寫企劃書唄。 [nonvip_content_start] 這裡就要解釋一下教授除了教書,更多時候都在幹什麼呢?一般上,比如說在美國(其他國家都大同小異),政府會固定撥款給國家科學基金會(National Science Foundation,簡稱NSF)和NASA 。要知道大學給的錢,一般就是教授本身的薪水,但是這不足以支撐他的科研團隊。這時候學校的科研人員就必須寫企劃書向NSF和NASA要錢做研究。而審核的過程裡,NSF和NASA會邀請其他外面的科研人員對這些企劃書進行雙盲的評估(即雙方都是匿名的,確保完全公正公平)。但問題是全球對於科學的投入最近幾十年都乏善可陳。雖然每次科研人員都需要洋洋灑灑寫數十頁的企劃書,不過真正能拿到錢的企劃書大概就是15至20%。這個比起比如1990年代的40至50%,差別是顯而易見的。 雖然說15至20%聽起來感覺還可以,但是要知道投這些企劃書的都是相關領域的萬里挑一佼佼者。簡單來說就像中國湖南衛視的《歌手》(之前又名《我是歌手》)。作者也常擔任審核人員,所以對這情況也略知一二。大部分時候其實很多科研對於人類的福祉作用是顯而易見的,但政府撥給科研的錢就這麼多,評審有時候確實也就只可以“挑刺”。在《歌手》的語境就是“嗯,這個歌手唱得挺好的,可是就是沒有打動我”,或是“嗯,有那麼一個句子,pitch有點不準” 。 詹姆斯·韋伯望遠鏡要發射了 除了申請研究經費(主要用來付學生的薪水),天文科研工作者寫的企劃書常常是為了申請大望遠鏡的時間。要知道世界最前沿的望遠鏡其實就那麼幾臺,一年卻只有365天,所以大家都搶破頭,希望每年能分到一兩天的時間。而這個秋季,更是出大事情了,因為千呼萬喚的詹姆斯·韋伯太空望遠鏡(James Webb Space Telescope)終於要在明年底發射了,所以詹姆斯·韋伯太空望遠鏡在今年11月首次招募了第一輪的企劃書(也是雙盲評選),很多人11月於是都在忙這個企劃書。 詹姆斯·韋伯太空望遠鏡主要的任務是替代已經運行了30年的哈勃太空望遠鏡。簡單來說,就是等了30年,天文界終於要搬新家咯!然而,不是每個人都能馬上入住新家,要知道申請哈勃望遠鏡的時間本來就比申請研究經費還難,一般成功率也就10至15%左右。而詹姆斯·韋伯望遠鏡,作者估測成功率大概是5至7%。什麼概念?百分之五相當於電影 《飢餓遊戲》裡的主角存活率,而且還不是第一季的存活率,是第三季的情況。這些“參賽者”之前都是從一波人中脫穎而出的佼佼者,然後再放在一起死磕。 詹姆斯·韋伯太空望遠鏡 那為什麼大家都想要爭取詹姆斯·韋伯太空望遠鏡的時間呢?簡單的說,就是詹姆斯·韋伯望遠鏡將是歷史上最大的太空望遠鏡(6.5米)。這個面積可是比目前的哈勃望遠鏡的面積要大了個6倍。什麼概念?這個望遠鏡大到沒有火箭能直接裝上它,而必須透過日式褶紙的概念,先把它“褶”起來,等到了太空再機械地“打開”。這裡先解釋幾個概念。 一、為什麼要建大望遠鏡呢? 這個其實很好理解。請想像天空中下著微雨,宇宙裡的光就像這些雨滴。你有越大的桶,同時間裡就能盛到更多的雨水。而詹姆斯·韋伯就是一個6倍大的大桶,所以收集光的能力和速度將是原本哈勃望遠鏡的6倍。以前要看10年的東西,現在不到兩年就可以完成。而有越大的望遠鏡就能看到越暗的天體,同理也能看到越遠的天體。 二、可能大家又要問了,為什麼要花這麼大的力氣把望遠鏡發射到太空裡?好好地在地球上建望遠鏡不是很好嗎? 當然,地上的大望遠鏡也很重要,而且確實也大得多,目前地球上建的光學望遠鏡最大是30米左右(等於半個足球場),這個以後再說,但是太空望遠鏡重要的地方有兩點,而這兩點都和地球那“該死”的大氣層有關。首先,大氣會使得光線變得模糊,這也是為什麼從地面上看星星,星星會“眨眼”。而有些天文觀測需要非常精準的定位和追蹤,比如說前幾期聊到的那種可以跨過一個南中國海看一根頭髮的晃動,就只能在太空裡實現。其次,地球大氣當然是個好東西。大氣擋住大部分有害的紫外線、X—射線等,但是也因為這樣,地球的大氣也“過濾”掉了很多有用的信息,導致地面上的望遠鏡只看到能透過大氣的光。比如說除了看不見的紫外線,地球的水氣也吸收了部分的紅外線。 你看到的太陽是8分鐘之前的? 那詹姆斯·韋伯望遠鏡能給天文帶來什麼突破呢?這裡可從以上的兩點來展開。關於第一點,即能看到更遠的東西,這裡就要說到其實宇宙本身就是一個時光機。怎麼說?光的速度是有限的(約30萬公里每秒)。比如說太陽的光從太陽發射到地球需要約8分鐘。也就是說,我們現在看到的太陽,並不是當前的太陽,而是太陽8分鐘前的影像。要知道宇宙的寬廣可要比這個距離大得太多。而天體物理一個很重要的分支就是去看一些非常遙遠的星系,這些星系非常遠,它們的光是經過幾百萬億年才跨過宇宙到達地球。 就好像說,你給自己寄一封信,如果這封信需要20年後才收到,那你20年後收到的時候,就可以透過信件瞭解到20年前的自己。這也是為什麼,我們常常說我們可以瞭解宇宙早期的情況。因為宇宙大到,只要我們可以看得更遠,這些“信件”都是百億年前“寄出的”。詹姆斯·韋伯望遠鏡能夠做到的,就是比哈勃望遠鏡看得更遠,收集一些更久遠的早期宇宙給地球人捎來的信件,所以也就讓我們更能窺探到宇宙早期的情況。 而關於第二點,能看到一些其他波段的光,那就要說到另一個天文的熱點,也就是尋找太陽系以外的外星文明。要知道天文從業員都不是直接去“找”外星人(因為太遠,臣妾真心做不到),所有的努力都是在找一些有類似與地球大氣一樣的行星。可以想像一下,如果外星人要發現地球,最好的方式還真不是電影裡那些開著飛船亂闖的笨蛋外星人。最佳的方式,是看看比如說太陽的光透過地球以後,有沒有一部分的光被地球的大氣吸收掉。而通過了解這些被吸收掉的光,就可以推算地球大氣的成分,進而知道這個行星存不存在生命體徵。而這也是詹姆斯·韋伯望遠鏡的一個重點,看看有沒有一些星星的光透過他們的行星時,有這些被水分(和其他有機氣體)吸收過的痕跡。 暫時說再見 詹姆斯·韋伯望遠鏡明年發射固然是科學界的一大盛事(如果萬一發射失敗,天文要往前進步恐怕就要再等個30年),不過另一方面我們這30年來還一直用著老舊的哈勃望遠鏡卻側面的反映了一個問題。常常別人會問為什麼要花錢在基礎科學上,可是大家可能比較不知道的是,科研的經費相對於政府其他花錢的領域簡直是九牛一毛。政府以外,隨便一個跨國企業的財力如果願意在指縫中漏一點給科研人員,就可以讓科學上有質的飛躍(大家可以腦洞一下,如果我們的疫苗科技比現在強個10倍,也許我們就不會有今天的窘況)。但是在目前的嚴峻情況下,當政府要砍經費,科學往往就首當其衝。 這結果是一個無限往下墜的死循環。科研人員花了好大力氣申請一些可能其他領域都看不上的經費,但竭盡全力掙扎求存卻也導致認真做科研的人,再也沒有力氣去和大眾做交流。缺乏交流導致大眾對於科學意興闌珊,也導致居心不良的人有機可乘。而這之後,政府就更覺得可以向科學經費開刀,然後這個惡性循環就造成了今天很多科研的種種困境。而這一點也是作者這麼多期以來希望能盡一點微薄之力改變的現狀。 當初【新教育】找上我的時候,我一直想,我作為一個理工男,文筆上想當然非常一般,說起科學來也肯定沒有那些職業做科普的YouTube達人說得清楚(我自己很喜歡看的頻道叫Veritasium,向大家推薦一下)。不過唯一可以提供作為參考的就是我作為一個科研從業員的所思所想,不只分享一些科研的樂,也希望大家看到科研的苦。 最後,由於最近被申請經費,兼顧科研,同時帶學生做研究搞得身心俱疲,所以會休筆一段時間。期待往後有機會再與大家分享。 更多文章:丁源森 | 黑洞與鹹煎餅丁源森 | 吐槽一下好萊塢科幻電影丁源森 | 聊一聊暗物質
4年前
肯定的是,你、我和黑洞都是星星的孩子。而我們之所以研究黑洞其實也是在研究我們地球上的元素,乃至我們本身,到底從何而來,而我們將往哪裡去。 最近幾年,黑洞可以說是頻頻刷屏,其中包括在2015年,因一對約30倍太陽質量的黑洞合併而探測到的引力波信號。當時這兩個黑洞不僅僅在時空裡泛起了漣漪,更是在科學界掀起大地震。就在探測到引力波的短短兩年內,諾貝爾科學委員會就以極其罕有的速度,在2017年頒發諾貝爾物理學獎給這方面的3個先驅。而去年2019年,我們和黑洞的那個酷似甜甜圈的首次親密“照相”,再次引爆了朋友圈。都還來不及反應過來,就在這篇稿發表的前夕,黑洞又在今年諾貝爾物理學獎再下一城。(作者注:作者段位太低,並沒有諾貝爾獎的任何小道消息。純屬巧合。) 來自星星的你(和黑洞) 黑洞聽起來感覺很玄乎,其實簡單來說就是星星們的“殘骸”。雖然2019年那張照片的黑洞看起來像個甜甜圈,但其實黑洞的生成過程更像是個“鹹煎餅”。既然說黑洞是星星們的墳墓,那麼要了解黑洞就繞不過我來嘮叨一下到底什麼是星星了。 [nonvip_content_start] 宇宙初期原是空無一物,主要成分也就只有氫氣和氦氣而已。但是由於引力(就是地心引力的引力),這些簡單的氣體會慢慢聚集起來。這時候如果沒有相對應的抗力,萬事萬物就會因互相吸引而無止境的坍塌。這個過程會一直持續到星星的形成。而星星的形成,就是當氣體坍塌到了一定的程度時,氣體在壓縮中被誘發了“核聚變”。 核聚變是物理過程。在這過程中,小的元素會“合併”形成大的元素,就像買了一包棉花糖,我們可以取出多個棉花糖揉成任意的大小。 這裡重點來了,這個“揉”的過程常常會“掉渣”,而這些星星丟失部分的質量就會轉換成能量。這也是愛因斯坦那出名的方程E=mc^2,簡單來說,就是星星在揉“氫氣”的過程中“賣掉”了一點質量,然後“兌現”了一些新能量。而這新能量也是為什麼星星們(比如說太陽)之所以能發光的原因,同時這能量也暫停了星星自身氣體的坍塌。這就像把鹹煎餅的麵糰丟到油裡去炸,由於額外的熱量,所以鹹煎餅會發胖發脹。 當然了,星星能進行核聚變的原料是有限的。當能源耗盡“熄火”後,鹹煎餅再也沒有能量去抵禦引力的誘惑,星星內的氣體就會繼續坍塌。而這結局有兩個。質量較小的星星,本身的一些內在潛能其實還是可以hold得住的,這些星星就成為了所謂的白矮星。白矮星就像把木材燒完後的灰燼,這些灰燼會在持續很長的一段時間裡繼續在宇宙中發出微弱的光芒,直到餘溫慢慢褪去。但是一些質量較大的星星在熄火後是完全hold不住的。 星星引爆的結果是鏡像 在極速的坍塌下,這些星星被引爆了。爆炸中星星們擠出了之前通過核聚變生成的元素(大棉花糖),且在這爆炸的高熱中也加工生成了其他的元素。這就像鹹煎餅在被擠壓下,餡料被擠得到處都是。這就包含了我們呼吸的氧和地球組成的主要成分,比如鎂(magnesium)、硅(silicon)等等。同時星星的核心則坍塌成了黑洞(有的也成了“中子星”,不過這裡就不細分了)。星星引爆的結果是一個鏡像,往內一面是無底的黑洞深淵,但是往外的一面卻促成了一個更絢麗和終於擁有不同元素的宇宙,這些元素一部分後來就形成了地球。肯定的是,你、我和黑洞都是星星的孩子。而我們之所以研究黑洞其實也是在研究我們地球上的元素,乃至我們本身,到底從何而來,而我們將往哪裡去。 黑洞的研究和展望 既然黑洞不外乎是星星的殘骸,就不難估算在銀河系裡理應有上億個黑洞。那問題來了:它們都在哪裡呢? 黑洞確實是在天體物理中一直讓人比較一籌莫展的問題,畢竟黑洞最為人熟知的就是它的引力大到連光都逃不出去。既然黑洞本身不發光,所以是不可能被直接觀測的。儘管如此,側面研究和印證黑洞的方式還是有的。比如說,黑洞在形成後會依然吸積周圍(比如說鄰近的星星)的氣體。而這些氣體在被黑洞“吸魂大法”後會被加熱到非常高溫,並輻射出X-射線,這就是我們研究黑洞的主要途徑之一。通過探測X-射線,其實在引力波之前,就早已找到了二十來個黑洞。 這裡插個小細節。說了這麼多,我們只是聊到了個體星星坍塌成的黑洞,但除了這種不到數十個太陽質量的“恆星黑洞”外,每個星系的中心都有所謂的“超大質量黑洞”, 例如我們銀河系中心就有個比太陽重400百萬倍的黑洞(其發現就是今年的諾貝爾物理獎其中兩個得主得獎的工作)!與其把這種超大質量黑洞想像成是星星的殘骸,不如把每個星系的中心都想像成有個大型的“亂葬崗”是比較恰當的比喻(雖然它們的形成還沒有定論)。2019年照相拍到的是黑洞“亂葬崗”(約數十億倍太陽的質量),而2015年引力波探測到的是黑洞“殘骸”(30倍太陽質量),不能混為一談。簡單的說 2017 年諾貝爾物理學獎頒給了小黑洞,今年的諾貝爾獎頒給了大黑洞。 黑洞有星星“粉絲” 比起恆星黑洞,超大質量黑洞是比較好觀測的。所以對於它們的研究在這二三十年一直都是如火如荼,但是與之不同的是恆星黑洞的研究才剛剛起步。除了文章開頭說到的引力波,我們上幾期聊到的那個能同時追蹤數十億顆星星的Gaia探測器,也將產生巨大作用。雖然黑洞自己不發光,但往往有一些普通的星星“粉絲”伴隨它們。這有點像是在一個不開燈的探戈舞會里,只要其中一個舞伴是熒光的,即使另一個舞伴一身漆黑,我們也可以通過熒光舞伴的舞步英姿得知另一個人的存在。而伴隨著對於引力波的探索和對於銀河系大量星星的監控,恆星黑洞終於拉開帷幕,估計未來10年還會不斷刷屏,習慣就好。(作者再注:真是說時遲那時快,小夥伴們的臉書估計要被今年諾貝爾物理學獎刷屏了。) 最後要說的是,不說你不知道,一說可能就要嚇一跳了。很多天文數據是完全公開的,Gaia在往後幾年也會把那數億顆星星的具體“舞步”完全對外公開,意思是隻要你有足夠的物理知識,在家上網也可以找黑洞。 研究天體有用嗎? 現在又到本專欄固有的悶騷環節。常常有人問我:“天體研究有用嗎?”這問題我確實答不上來(注:就是拿諾貝爾拿到手軟),不過我覺得其他事情其實也挺沒用的。宇宙形成之初本來空無一物,而結局也會是如此。在遙遠的未來,當所有宇宙的能源都被耗盡後,剩下的就是無數黑洞和一些燭火殘存的白矮星。而那又有誰能定義何為有用呢?也許人類唯一能做的就是《三體》的那句“給歲月以文明”吧。 作者簡介:丁源森是吉隆坡中華獨中畢業生,2017年從美國哈佛大學畢業,2018年獲得美國NASA哈勃獎學金,現於美國普林斯頓高等研究院(IAS)研究天體物理。 本文英文版鏈接:Black holes and souffles 更多文章:丁源森 | 吐槽一下好萊塢科幻電影丁源森 | 聊一聊暗物質丁源森 | 一個世界 兩個夜空,科技背後的摺疊星空
4年前
不過,我不能認同一些好萊塢大片,漠視博物館的壯闊與歷史,隨手挑了個耀眼的小圖騰,把其放大特寫,再加特效,然後還硬要說這圖騰是博物館的精華。 想像一下,你繼承了曾祖母嘔心瀝血的畫作,你窮極心思把它修復好了,並放在博物館裡展示。有一天,有個導演說要給這幅畫拍個特輯,但他來到博物館後二話不說,就只盯著畫上的一個圖騰拍局部特寫,隻字不提這幅畫的壯闊與歷史。 大話星際穿越 作為天體物理學家,我是不折不扣的科幻迷。2014年,大導演諾蘭(Christopher Nolan)有一部有口皆碑的好萊塢大片——《星際穿越》(Interstellar),作為諾蘭老粉的我,那時可是盼星星、盼月亮地期待這部電影上映。然而,盼到電影,卻也盼到失望。話說在電影裡,女主角的老爸掉進了黑洞,並意外獲得操作時空的能力。當女主角嘆到“啊,原來愛就是第五緯度”的時候,此處理應要熱淚盈眶,可是不知道為什麼我卻一秒出戏。 [nonvip_content_start] 我是個科幻迷,所以瞭解科幻源於創作,不能事事較真。我後來也檢討了一下,畢竟諾蘭的《盜夢空間》(Inception)是同等的不科學,卻是我最喜愛的電影之一。而我小時候更是喜歡金庸的武俠小說,對於武俠的騰雲駕霧,也不會戲謔這不符合牛頓力學,所以常反思自己對於好萊塢星際大片的一些偏見。 星際類型電影的困境 一直覺得所有文學的創作,包括電影,是作者和受眾的一份契約。大家約定在一兩個小時內,進入作者與受眾達到共識的虛擬空間。而星際科幻的難點恰恰在於,常常星際科幻都是標榜著那虛幻空間是“在不太久遠的將來”。這裡問題就來了:既然標榜的是可能發生的將來,這份契約和武俠小說是截然不同的,畢竟大多數人不會認為武俠是可以在現實發生的,而星際的契約潛臺詞卻是這是有可能發生的。所以當女主角說“愛是第五緯度”的時候,這句牛頭不對馬嘴的話,又如何叫人不覺得違和呢? 那有沒有好的星際科幻呢?我自己就非常推崇劉慈欣的《三體》(據說奧巴馬也愛看),這是第一部以華文寫作並獲得雨果獎的小說,它棒的地方不在於科學上無可挑剔,而是在於它嘗試把視角放高,縱觀宇宙,不拘泥於濫情。 3塊大鋼板的故事 說到視角,就要說到我最常被別人問及的問題之一——“作為天文學家,宇宙這麼大,你會不會覺得人生觀變得很‘豁達’?”而我一般都笑答:“才不呢。” 這樣被問其實無可厚非,畢竟地球萬物在宇宙都是滄海一粟,我做學術報告時,所有天體的時間單位都是以百萬年為基數。 我所在的普林斯頓大學天體物理系,系外有個美國極簡雕塑大師裡查·塞拉(Richard Serra)的作品。作品名叫《刺蝟與狐狸》(The Hedgehog and The Fox),我們系裡的同事都笑稱那是“3塊大鋼板”。實際上,那作品確實就是豎著3塊4米乘25米的大鋼板(人家“極簡”大師也不是浪得虛名的)。有趣的是,3塊鋼板外面是寬敞的,但是隻要到了裡面,視野立馬就變得非常侷限。 古希臘詩人阿爾基羅庫斯(Archilochus)這麼說到:“狐狸諸事皆知,刺蝟僅知一要事(A fox knows many things, but a hedgehog one important thing)。對照這句話,這個雕塑設在舉世聞名的普林斯頓理論物理系、天體物理系和數學系的中心位置,用意也就昭然若揭。做學術的悖論恰恰在於,你越往深處研究,你越是坐井觀天。 這雕塑一直是我對本身工作的一份警惕。天體物理學沒有想像中的這麼高大上,我更加願意把我的工作比喻成博物館裡其中一幅畫的修復師。確實,對於很多做學術的,我們都是窮其一生研究一個課題。我們汲汲營營地工作,為自己最感興趣的一幅破損古畫進行最大努力的修復。然後,把這幅畫裱好,再進行最詳細的註解。 在這偌大的博物館裡,流淌這麼多人的心血,而每一幅畫的個體都是微不足道的,但是放在一起,那感覺就對了。有人會問,我會不會在意別人參觀博物館時不太留意註解,其實真的不會,因為總有人會像劉慈欣一樣,受到這宇宙博物館的感召而產生了創作的靈感,也有人會在宇宙博物館沉思,並獲得心靈的洗滌。 不過,我不能認同一些好萊塢大片,漠視博物館的壯闊與歷史,隨手挑了個耀眼的小圖騰,把其放大特寫,再加特效,然後還硬要說這圖騰是博物館的精華。 堂堂好萊塢,何以把偌大的宇宙拍小了。 本文英文版鏈接:Hollywood science fiction: Lost in Space 更多文章:丁源森 | 聊一聊暗物質丁源森 | 一個世界 兩個夜空,科技背後的摺疊星空丁源森 | 黑洞與鹹煎餅
4年前
暗物質到底是什麼呢?這裡是要讓大家遺憾了。雖然現在我們知道它無所不在,方方面面地影響著天體的運作,不過它具體是由什麼組成的目前還是個未解之謎。 從小到大我都是一個不愛說話的小孩,所以平常交友會特別彆扭。一般實況如下: “我是個會計,你呢?” “呃,我是個天體物理學家。” 一般說到這裡,雙方都可以感覺到氣溫驟降,空氣凝固。所幸,作為天體物理學家的我有“破冰”三寶——外星人、黑洞、暗物質。在這千鈞一髮的時候,我一般都會使出殺手鐧,一舉扭轉了整個局面。 “你有聽說過暗物質嗎?” 今天我們就先來聊聊暗物質。 [nonvip_content_start] 表象與本質 駭客任務(The Matrix)是我最喜歡的電影之一。故事的大綱是主角尼歐(Neo)在壞人電腦為了馴服人類而生成的虛擬空間中,察覺到了事物的矛盾,從而看穿了感官的表象,進而認識到了現實的本質。電影裡的慢動作打鬥畫面固然讓人津津樂道,但駭客任務之所以能成為經典估計還是要歸功於其所投影出的哲思。而與這哲思遙相呼應的是古希臘哲學家柏拉圖的洞穴比喻。 柏拉圖在洞穴比喻裡描繪了一群囚徒被困在一個黑漆漆的山洞裡。他們的頸部和身體俱被鐐銬在洞穴的一面牆上。而這面牆上的背後上方是洞穴的出口。雖然出口是明亮的,時而也有小動物路過,但是由於囚徒們的視野有限,只能看到小動物的投影,因此大部分囚徒都默認他們看到的影子即是現實,直到有像尼歐一樣的囚犯打開了思想的枷鎖,認識到了影子只是現實的表象,從而發掘了背後的廣闊天地。 而這,也是我們如何發現暗物質的。 暗物質的發現 話說約在1970年,天文望遠鏡開始能比較好地探測到星系裡星星和氣體的移動。而這科技的突破,對於天體物理學家來說是夢寐以求的。由於星星是受星系重力的影響,通過研究它們的軌跡,理論上就可以給星系量個“體重”。那時候大家的認知是,越在外圍的星星,由於星系的重量開始下降,那麼其運行的速度理應會比在內部的星星來得緩慢。這就如我們太陽系裡,越往外的行星,比如說天王星等,繞太陽的速度都會比地球緩慢。可是那時候天體物學家卻驚然發現,觀測數據與理論預期剛好相反,外圍的星星依然以飛速在繞行! 星系含大量暗物質 要知道這有點像在玩旋轉木馬,如果要轉得飛快而不發生意外,那麼安全繩就必須非常牢固。而在星系裡,這安全繩就是星系的重力,只是讓大家不得其解的是,這星星高速移動所需要的安全繩,可是要比在星系裡可見的物質的總重量還要大上個10倍!也就是說,星系明明看起來是個瘦小子,但稱起來卻是一個大胖子!而這表象的矛盾,迫使我們重新認清了事物本質。而唯一合理的解釋就是星系裡除了有可見的物質外,還必須有大量我們看不見的物質。而這就是所謂的暗物質。 雖然說暗物質可以解釋星星的運行,但科學精神要求的是如果暗物質是確確實實的存在,那它必須可以經得起推敲。而在目前龐大的天文研究體系中,無論是宇宙大爆炸裡各元素的生成,還是星系的具體分佈等,暗物質都已被反覆證明是不可或缺的樞紐,它的存在是板上釘釘的事,我這裡就不一一闡述這些其他實驗。 暗物質是個好幫手 不過要說這其中比較有趣的,就必須說到暗物質的“引力透鏡”效應。簡單來說,愛因斯坦的廣義相對論說明,當觀察某星系時,如果這視野中剛好穿過一團大量的暗物質,那暗物質的巨大重力會引起時空扭曲,導致這星系在觀測時變形且被放大。這有點像是透過一個玻璃瓶的底部去看一個光源,那光源透過玻璃的折射會產生變形。雖然說這種超大團的暗物質不常見,不過這有趣的現象也是經過哈勃望遠鏡反覆核實,側面再次印證了暗物質。 更重要的是這透鏡效應在研究宇宙裡一些很古老的星系特別重要。一些非常古老的星系由於離我們太遠,一般都是無法直接去研究的。而這時候暗物質偶爾會跑了個龍套,客串了一下放大鏡,無心插柳地幫助了天體物理學家,從而讓我們能窺探宇宙早期的情況。 暗物質仍是個謎 說了這麼多,暗物質到底是什麼呢?這裡是要讓大家遺憾了。雖然現在我們知道它無所不在,方方面面地影響著天體的運作,不過它具體是由什麼組成的目前還是個未解之謎。 但也許留個遺憾也不是什麼壞事。這警惕著我們的渺小,像極了柏拉圖筆下那一群被困在地球的囚徒。但是人類了不起的地方恰恰是,即使被束縛著,還是能透過無限的想像力不斷竊取宇宙的秘密。 我們是囚徒,也是尼歐。 本文英文版鏈接:The Matrix, Plato and dark matter 更多文章:丁源森 | 吐槽一下好萊塢科幻電影丁源森 | 一個世界 兩個夜空,科技背後的摺疊星空丁源森 | 黑洞與鹹煎餅
4年前
由於星星的運動是受銀河系重力的影響,只要能測得星星的運動和軌跡,我們就可以窺探銀河系的點點滴滴。 話說在1994年,美國加利福尼亞州發生大地震,引發了洛杉磯全城大停電。當時人們驚慌失色地走到屋外,仰頭一看,頓時震驚,簡直不能相信自己的眼睛。 驚慌中,有人打電話給鄰近天文臺,氣喘吁吁地問:“先生,請您告訴我,那天上劃過的大片銀光,該不是什麼噩耗吧?”電話另一頭的天體物理學家,被這一問可是樂開了懷,然後緩緩說道:“不,先生,那是銀河系,我們太陽所在的星系,它一直都在。” 有沒有想像過,在沒有電燈之前,是一個什麼樣的世界? [nonvip_content_start] 我是一位天體物理學家,主要研究對象是我們太陽所在的星系——銀河系。這事說來其實有一點奇葩,在吉隆坡長大的我,小時候所意識的夜空是黑壓壓的,什麼都沒有。即使回到了家鄉詩巫,也只能非常零星地看到幾個最亮的星座。天空有什麼好研究的?不是都說什麼“黑夜給了我黑色的眼睛”嗎?我心裡嘀咕著,說這話的詩人顧城一開口就暴露了自己是個現代人。 我們往往只看到科技給人們帶來了城市的絢麗,卻忽略了光害也給天空潑上了永久揮之不去的黑漆。科技當然是個好東西,無需為之辯駁,但科技的飛速發展也確實使我們常忘了,這電光石火的發展史其實還不到150年。也就是說,在漫漫人類的歷史長河中,看見燦爛星空是常態,也就是到了近100年,夜空才被光害吞沒,迎來了真正的黑暗。 當然了,都說上帝把一扇門關了,還是會為你留一扇窗。想看到真正的星空,其實也不是不可能的事。但現在大多數的天文望遠鏡都是建在最荒無人煙的地方,而作為天文學家,這還真是有夠折騰的。我每次前往智利阿他加馬沙漠的天文臺觀測,從美國東岸普林斯頓的家出發都要轉上3趟飛機,再加上兩三個小時在沙漠中顛簸的車程才能到達。但即使如此,每每我看到那劃過天際的銀河系,一切都顯得那麼值得。 我總是在想,人類有文字記載的歷史就這麼幾千年。但是在沒有文字,甚至沒有語言的幾十萬年間,到底有多少人曾經住在山洞裡,看著同一片天? 測星星軌跡 窺探銀河系 在古希臘神話中,銀河是希拉女神的母乳,所以也有了銀河系的英文名The Milky Way這個說法。但是我們現在知道這片銀河其實不是什麼神仙母乳,而是由我們太陽和它的星星鄰居們所一起構成的。 話說太陽其實也就是一顆貌不驚人的星星,而在銀河系裡就住著約一萬億顆這樣的星星。要知道這星星的數量可比在地球上所存在過的人(把祖宗十八代都算上)還要再多個10倍。另外,銀河系的跨度也是驚人的,從銀河系的一端到另一端的距離約為10萬光年,也就是說如果從銀河系的一端發射一束光,這束光可要在10萬年後才到達另一端(光一秒就可以在地球上繞7.5圈)。 那天體物理學家又是怎麼知道這些的呢?這其實又要算到科技的頭上了。要給銀河系量個“腰圍”、稱個重,理論上也不是什麼難事。雖然我們夠不著太陽,但是由於地球和其他行星的運行速度是受到太陽重力所吸引,所以只要能測得行星的運動軌跡,自然就能知道太陽的重量。同理的,由於星星的運動是受銀河系重力的影響,只要能測得星星的運動和軌跡,我們就可以窺探銀河系的點點滴滴。 話雖如此,要測星星的運動軌跡可不是個易事。打個比喻,我小時候常愣愣地看飛機在天上緩緩地移動,要知道飛機飛行的速度可是比高速公路的限速還要快個10倍,那目測的緩慢主要是由於飛機離我們很遠,所以即使它在高速的移動,在天空劃過的投影距離還是微小的。而天體物理學要測的卻是離我們好幾千乃至好幾萬光年的星星的運動,那擾動更是微乎極微。 超厲害的Gaia望遠鏡 但是,就如美國前總統肯尼迪在〈我們選擇登月〉的演講所說,我們所做的事情“並非它們輕而易舉,而正是因為它們困難重重……因為這個挑戰我們樂於接受。”而恰恰就是為了瞭解銀河系,歐洲太空總署在2013年發射了Gaia望遠鏡。你可能會問這Gaia有多厲害?要知道Gaia望遠鏡能分辨的精準度,相當於在吉隆坡隔著南中國海看詩巫一個阿伯其中一根頭髮的晃動。而Gaia的細緻使得我們可探測到銀河系10億顆星星的運動與距離,從而永久地改變了我們對銀河系的認知。 當然了,這只是冰山一角,我們現在有的銀河系數據不止於Gaia,也不限於給銀河系量腰稱重這麼“膚淺”。能做的事情多的是,而銀河系的研究這幾年更是紅紅火火。這些由於文章長度有限,我就不贅述,以後若有機會再聊。 後記:我住在離紐約不遠的普林斯頓。這裡和地球大部分的地方一樣,看不到銀河系,但是現代天文學所做之事,畢竟早已超越了我們所有的五官,甚至是想像力能及的地方。 科技背後分化出的是兩個夜空。一個,光害籠罩,大多數人都不會特意抬頭去看一看的“黑”夜;另一個卻是超越五官,不可肉眼觀看的夜空。而我又何其榮幸能在這兩個夜空中穿梭。 Yuan-Sen Ting: One world, two skies: The bifurcation of the sky by technology 更多文章:丁源森 | 吐槽一下好萊塢科幻電影丁源森 | 聊一聊暗物質丁源森 | 黑洞與鹹煎餅
4年前