11 May
這篇于 2020-04-06 在臉書發表
不談病毒疫情。
昨天在電視前按來按去，看了一段『哥斯拉』，Godzilla，和一段『金剛骷：髏島』，Kong: Skull Island。
哥斯拉身高每一集都不一樣，眼前這集是 108.2 米高。金剛站在它身邊變成侏儒，只有 30 米高。
地球有可能出現這樣大的生物嗎？來算看看。
不要弄到太複雜，把生物體型假設成圓形（好像小時候所看到的洋服店黑白招牌，永遠戴著高帽叼著雪茄，挺著一個像球一樣圓的肚子），便於計算。
霍金教授，Professor Stephen Hawking，在他『時間簡史』，The Brief History of Time，這本書內提到，書中的每一條公式會導致一半的讀者流失，所以我也依樣畫葫蘆不在本來就令人昏昏欲睡的文章裡加入這些公式。。背後原因當然是懶惰。
假設哥斯拉跟金剛都是跟地球生物一樣的有機生物，也就是碳跟氫的化合物（關於這個又是另一篇文章），肌肉骨骼成份也一樣，所以體積跟體重成正比。
假設人的平均高度為 1.5 米，體重 50 公斤。那麼金剛的體高是人的 20 倍，哥斯拉的體高是人類的 72 倍（忽略小數點）。計算機上按按，金剛的體重是400 公噸，哥斯拉的體重為18,662.4 公噸。
要支撐這個體積的是腿部受力的面積，也就是大腿骨骼的面積。長話短說，大腿骨骼受力度跟比例成正比。也就是說金剛的大腿受到的壓力增加 20 倍，哥斯拉 72 倍。想像在你身上疊 20 或 72 個跟你同樣體積的人，別說走動了，站都有問題。
地球目前所知最大的陸地動物是泰坦龍，Titanosaur，重量達60 噸，但跟金剛比起來像嬰兒，跟哥斯拉比起來像老鼠。即便是泰坦龍，也需要四條很粗的腿站著，行走緩慢，更何況體型大它 6 倍以上的金剛跟 300 倍的哥斯拉。
地球上最大的動物不是滅絕了的恐龍家族，而是現今還存在的藍鯨。它體長達到 30 米，體重 150 噸。像這樣的動物只能活在水中，讓水的浮力支撐它的體重。一上岸，它自身的重量就會坍塌把自己壓死。所以你在海邊看到的巨型鯨魚不是缺水而死的，是臃腫而死的。
再來看看體溫，哥斯拉應該算是爬蟲類，屬於變溫動物，雖然最近有研究顯示恐龍或許也有恆溫的種類。金剛是恆溫動物，像人類一樣需要調節體溫，把多餘的熱量散發出來。如何散熱？通過皮膚表面散熱，包括流汗來降溫。跳過數學，越大的物體散熱面積相對的小，所以體積越大的人越容易流汗不是沒有原因的，他需要大量的汗來幫助快速降溫。金剛肯定天天發熱氣，因為體內熱氣囤積散發不出來。
而事實上，熱帶地方的物種體型都比溫帶寒帶地區來得小，基本上就是這個原因。體積小可以很快調節溫度。而溫帶寒帶因為需要儲存能源，體積大不但儲存多，也能保溫。所以，金剛出現在熱帶地區的剛果更是不可能中的不可能。
總括來說，地球上是不可能出現體型那樣大的物種。那它們是外星生物呢？物理在外星同樣成立。能出現這樣龐大體型物種，只有當該星球的地心引力小過地球很多倍。假設真的有那樣的星球存在，星球上的生物構造骨骼也不需要這樣堅固。這樣的生物來到地球會感受到比它們星球強上數十倍的地心引力，早都被壓扁了，怎麼可能還能飛天遁地。
誰家有小朋友的，讓他們計算看看文章內所提到的數學吧。
11 May
這篇于 2020-04-05 在臉書發表
其實上一篇關於數據的東拉西扯沒有談到重點，不過反正不是學校考試，沒有人會給我零分。
數據預測的準確度最主要來自數據源，data source，的準確度與相關性。
但是你所看到的數據源並不一定就是最初的數據，通常的情況下它也是另一組數據中的平均值。
打個比方，電子溫度計測量體溫不像傳統水銀溫度計那樣能直接標出讀數。首先它必須選用對溫度非常敏感的金屬物質，而且必須是穩定的，這些物質統稱為熱敏電阻，thermistor。微小溫度的變化會改變物質的內阻，這種內阻變化能用電子儀器轉換成我們熟知的攝氏，Celsius，或華氏，Fahrenheit，溫度。
可是熱敏電阻跟溫度的對比並不是線性，linear，的，而是呈一個未知的曲線，直到今天科學家還是解不出這個內阻-溫度之間的方程式。不過在1968 年，兩位很厲害的科學家 John S. Steinhart and Stanley R. Hart （不知道他們的中文名），倒是導出了一組非常接近熱敏電阻曲線的複雜方程式組，程式中還有三組看起來就像亂碼的常數，constants。
重點來了，『非常接近』，而不是『絕對』。所以方程式內的三組常數，必須重複數千數萬甚至數十萬次的實驗來採取平均值。這樣所有所製造的電子溫度計測量的結果才不會有太大的誤差，errors。所以當我們說人體平均溫度為36.8 度時，我們不僅採用溫度計讀數的平均數，也採用溫度計內部所有電子零件的平均數、實驗本身的準確度、實驗設備的精確度，等等。在這種環環相扣的情況下，如果有一組的數據是錯的，整個後續數據都會變成垃圾。
好像又離題了。
11 May
這篇于 2020-04-23 在臉書發表
因為新冠病毒，所以有了這篇。
數據，data，準確嗎？這裡面最主要的關鍵詞是『機率』，probability，（或『幾率』，中國大陸用詞）。我比較偏向用『機率』，一方面是先入為主，另一方面這『機』字包含了『隨機』，random，這個含義，而『機率』就是建立在隨機數上。
數據不是『只是一組數字』而已。
先來談談隨機數。
骰子有六面，每一次扔骰子的結果都不能預測，除非是灌了鉛的。但是扔上數千次的時候，你會發現所有的數字出現的機率都近乎相等，就是六分之一，或 1.666… 。但是你不能因為有一個數字出現的機率少於 1.666..，就認為下一個開的機率就會比較大 。那麼容易的話大家發財了。
骰子無聊，用你感興趣的萬能大馬彩多多萬字。有人收集了過去幾十年的的號碼來分析下一期的號碼，結果。。那麼容易的話大家發財了。
所以，數據的準確性基本上是建立在很大的採樣量，sample size，上，越大的採樣量，數據就越準確，所以才有『大數據』這個概念。
人們很早就用數據解決問題，可是不知覺。就像草藥，都是大家吃啊吃的，慢慢就知道某些草藥能治這個那個，老人家說這是經驗，而科學是把它們記錄下來，變成數據。
2018 年 509 大選的時候，我曾經做過一個很無聊的統計，利用谷歌輸入“support BN”跟“support PR”，不去管搜索內容，只看兩者出現的搜索結果出現的數量，有趣的是結果為 49:51，跟選舉結果一樣，而且距離選舉日期越近，出現的數量越精確，由 61:39 的比例到 49:51的比例。你可以嗤之以鼻說這是過於簡單、毫無根據，但大數據往往只看結果，裡面固然有原因，可是複雜程度遠遠超越目前的計算能力。
同理，我們能預測氣候，climate，可是不能預測天氣，weather。我們能說十二月多雨，卻不能預測明天會不會下雨。因為氣候是大數據，天氣還不夠數。
更深一點，那個聽起來就是外星科學的量子論，它的基礎是建立在『波粒二象』，wave-particle duality，性質上。簡單來說就是我們認為的『粒子』，particle，有時不能用我們熟知的物質粒子的特性來解釋，也就是說不能把它看成像一粒鋼珠式的物質，只能用波動性質來解釋，像水波、聲波、電磁波。科學家做了無數次的實驗，數據上證明了這個特性，可是解釋不來，只有接受。而建立在這個奇怪理論上的科技有電腦、行動電話、衛星定位，核磁共振掃描，MRI，等等。如果數據不准確，這篇文章只能在阿公打字機上打出來。
還有那個歐洲核子研究組織，CERN，所建的、橫跨法國跟瑞士邊界，圓周總長27公里的大型強子對撞機，Large Hardon Collider，所做的實驗。。。這裡就不提這種昏昏欲睡的話題了。
大數據很多時候在不能解釋的前提下解決了很多目前利用計算解決不了的問題，這就是我們常說的『科學解釋不了』。但很多人把這句『科學解釋不了』亂用在宗教或偽科學上，往往一句『科學解釋不了』就把問題強掃入地壇地下。鬼魂為甚麽有衣穿？難道衣服也有靈魂？科學解釋不了！
『科學解釋不了』還是需要數據的支撐。
11 May
這篇于 2020-03-30 在臉書發表
最近有很多過去的影片被人翻出來搬上網，有一套甚至還成為海盜灣的十大下載影片之一，皆因影片裡面神準的預測了新冠病毒的發生。其中一個是韓國影片。
來探討一下這韓國影片神準預測背後令陰謀論者失望的原因。
首先，影片中提到了『冠狀病毒』，Coronovirus。這個名詞刺激到了很多人的敏感神經線，因為它目前帶來的影響頗大，所以這影片才會被注意。但是『冠狀病毒』不是『新冠病毒』的專有名詞，而是病毒分類學的其中一科。冠狀病毒科下包含了我們所知的普通感冒（Common flu）、嚴重綜合呼吸症（SARS）、中東呼吸綜合症（MERS）、以及這個新冠病毒（COVID-19）。之所以稱『冠狀』是因為它的觸角在顯微鏡下看來長得像皇冠，就這麼簡單。
SARS 發生在 2002 年，MERS 發生在 2012 年，影片自然是在這些疫情之後拍的。當一個編輯也要做功課，不能過於天馬行空，藉一些著名實際歷史事件可以讓影片更貼近觀眾，所以用冠狀病毒 Coronavirus 並非神準預測。
但影片中百分之九十的死亡率，90% mortality rate，就一點都不準，可是沒有人去理他（人總是有選擇性注意力）而把注意力放在二到十四天的發病期，但有誰去找一找看看發現到SARS 的發病期也是二到十四天，MERS 是二到七天。即使普通感冒一般也需要四到十天。
然後裡面七竅流血也是一點都不實際，但也被忽略過去，只把『新冠病毒也一樣很恐怖』這個感覺放大。
影片其它傳播媒介等等都是所有病毒的基本傳播方式，沒甚麽好說的。那麼危險的病毒是人造生化武器當然只是影片橋段，不要太過陰謀論。
不要向我要影片，因為我不推崇陰謀論跟偽科學。
Recent Comments