｜給自己一次機會，睡眠是多重要的事｜

在睡眠上
我用盡全力讓自己能睡得更好
好的床單、好的睡衣
好的床墊、好的枕頭
淺眠的我只想著
到底我還能多做些什麼？

當收到Philip Stein的邀約時
為了睡眠的我毫不猶豫的便答應
這品牌除了深受眾多歐美明星喜愛外（歐普拉、瑪丹娜等）

想試試看是否真的能夠幫助睡眠
淺眠真的是種折磨常常幻聽孩子哭嚇醒
一點風吹草動嚇醒還就要花1-2小時再睡回去

當我戴了半個月左右
我發現睡起來全身不再不舒服
然後儘管半夜有起來也馬上能再睡回去

某天/
先生：我看你每天都戴耶！真的那麼有效嗎？
我：現在不能沒有它覺得睡得好舒服喔！

其實在我們家
這一路來孩子半夜醒來哭鬧時大多是我第一個起床去安撫的
有時候覺得是媽媽的責任感作祟
但有時候就是真的因為我很淺眠
老公是很需要睡覺的人
他偶而都會欽佩的說『你都不用睡嗎』
我當然需要啊plsss....累到情緒來就會覺得
『誒～是怎樣！淺眠的人就活該嗎？』（是不是）
但其實我也經常很疲憊好嗎（拜託～）

#改變
開始使用的時候剛好民俗月
兒子在民俗月很常半夜哭鬧
戴了Nano睡眠手錶睡真的睡得超沉
很容易入睡、睡眠過程中真的覺得很舒服
都變成老公去處理弟弟半夜哭鬧
有幾次我知道時是他安撫完弟弟
有時候是隔天早上他才告訴我的
因為我真的真的睡得超級沉完全沒聽到兒子哭（笑）
睡得好起床後也不會覺得腰痠背痛

#PhilipSteinnano睡眠手錶
Philip Stein 的專利研究在自然頻率技術(NFT)磁盤上
NFT是充分利用人體和地球和諧的自然頻率
想像這塊NFT是天線開始在接收
設定好的地球自然頻率進而透過共振原理與「人類腦波」進行諧振
進而改善壓力、睡眠品質跟整體健康
Philip Stein正在研究人類因為自身的生物磁場引起的問題
人體頻率跟自然共振可以說話生物磁場

我當時只想一探究竟
究竟一塊小磁盤戴在手腕上會幫助
如何透過它來增加人體內褪黑激素
因此體驗到一夜好眠與舒服的舒醒

Philip Stein 在美國是許多臨床研究認證證明是有效
而且透過NFT磁盤能有效增加褪黑激素20%
睡眠是人體中最重要的部分
睡得好改善健康、情緒耐性也好
重量也能控制、專注力也能提升
聽起來睡眠真的跟生活環環相扣

#實際的問題改善
先來說說我本來身體的狀況
淺眠、長期左手不適需高舉過頭才有辦法睡
說實話我也不知道是什麼原因但就非常不舒服怎麼睡都不是
這段時間戴與沒戴差別除了熟睡以外
我身體不適半夜醒來的改善最明顯
肩頸不適因爲睡好也終於解套
現在我睡覺一定會戴nano睡眠手環❤️❤️❤️
真的試過了我才知道那麼神奇

Philip Stein Taiwan

官網：https://www.philipstein.com.tw/

#PhilipStein #助你好眠 #nano睡眠手環

迎接終端AI新時代：讓運算更靠近資料所在

作者 : Andrew Brown，Strategy Analytics
2021-03-03

資料/數據(data)成長的速度越來越快。據估計，人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長，現在我們也真正目睹物聯網(IoT)的成長，未來連網的裝置數量將遠遠超越地球的人口。

這包括種類繁多的不同裝置，像是智慧感測器與致動器，它們可以監控從震動、語音到視覺等所有的東西，以及幾乎大家可以想像到的所有東西。這些裝置無所不在，從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物，它們的數量將持續爆炸性成長。

資料爆量成長，讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質，在成本與資源效率、彈性與便利性有它的優點，但也有一些缺點。由於運算與儲存在遠端進行，來自終端、也就是那些在網路最邊緣裝置的資料，需要從起始點經過網際網路或其他網路，來到集中式的資料中心(例如雲端)，然後在這裡處理與儲存，最後再傳回給用戶。

對於一些傳統的應用，這種方式雖然還可以接受，但越來越多的使用場景就是無法承受終端與雲端之間，資訊被接力傳遞產生的延遲。我們必須即時做出決策，網路延遲要越小越好。基於這些原因，開始有人轉向終端運算；越來越多人轉而使用智慧終端，而去中心化的程度也越來越高。此外，在這些即時應用中產生的龐大資料量，意味著處理與智慧必須在本地以分散的方式進行。

與資料成長連袂而來的，是人工智慧與機器學習(ML)也朝終端移動，並且越來越朝終端本身移動。大量來自真實世界的資訊，需要用ML的方式來進行詮釋與採取行動。透過AI與ML，是以最小的延遲分析影像、動作、影片或數量龐大的資料，唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作，在未來還將會直接在終端裝置上進行。

資料正在帶動從集中化到分散化的轉變

隨著資訊科技市場逐漸發展與成熟，網路的設計以及在其運作的所有裝置，也都跟著進化。全盛時期從服務數千個小型客戶端的主機，一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能，基礎架構持續重組與最佳化，以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存，以及資料處理的需求。

智慧型手機與其他行動裝置的爆炸性成長，加上物聯網的快速成長，促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素，包括網路的可用性、安全性、裝置的運算力，以及把資料從終端傳送到儲存設備的相關費用，近來也已轉向使用分散式的運算模型。

從邊緣到終端：AI與ML改變終端典範

在成本、資源效率、彈性與便利性等方面，雲端有它的優點，裝置數量的急遽增加(如圖2)，將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的，這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸，而且從能源、頻寬與運算力角度來看，相當沒有效率。

在終端執行進階處理與分析的能力，可協助為關鍵應用降低延遲、減少對雲端的依賴，並且更好地管理物聯網產出的巨量資料。

終端AI：感測、推論與行動

在終端部署更多智慧的主要原因之一，是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方，可以更快與更準確地做出回應，同時免除不必要的資料傳輸、延遲與資料移動中的安全風險，可以節省費用。

處理能力與神經網路的重大進展，正協助帶動終端裝置的新能力，另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下，對近乎即時回應的需求。這是一個三道步驟的程序：傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作)，以及採取行動(如物件是披薩，冰箱的壓縮機發出正常範圍外的聲音，因此發出警告)。

感測

處理器、微控制器與感測器產生的資料量相當龐大。例如，自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化，並且與以往相比，會搜集更多的資料。

它們搜集到的資料極具價值，但每次都從各個終端節點把資料推回給雲端，數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行，就可以大幅提升效率。

推論

終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時，就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜，機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作，這對體積越來越小的裝置，極為關鍵。

例如，圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具，訓練高效能的意法半導體(ST)微控制器(MCU)，以轉換成最佳化的程式碼，讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像，而且準確度相當高，而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣，轉移到在終端運作的MCU本身。

行動

資料一旦完成感測與推論後，結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉)，或針對應用情況進行最佳化(戴耳機的人正在移動中，因此會針對穩定度而非音質進行最佳化)，或是回饋迴路(根據裝置訓練取得的機器學習，輸送帶若發出聲音，顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧，因為這些能力提升後，運算力也會因此增加。在我們使用新的機器學習工具後，一些之前在雲端或終端完成的關鍵功能，將可以移到終端本身的內部進行。

終端 AI：千里之行始於足下

從智慧型手機到車輛，今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務，從最簡單到最複雜，並需要各式各樣的能力。例如，應用處理器是高階處理器，它們是為行動運算、智慧型手機與伺服器設計；即時處理器是為例如硬碟控制、汽車動力傳動系統，與無線通訊的基頻控制使用的非常高效能的處理器，至於微控制器處理器的矽晶圓面積則小了許多，能源效率也高出很多，同時擁有特定的功能。

這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作，之前必須透過威力更強大的元件才能完成，但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能，例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。

隨著更多功能在較小型的終端進行，這將可以省下資源，包括資料傳輸費用與能源費用，同時也會產生極大的環境衝擊，特別是考量到全球目前已有超過200億台連網裝置，以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。

TinyML、MCU與人工智慧

根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示：「令人相當興奮的是，我還不知道我們將如何使用這些全新的裝置，特別是它們後面代表的科技是如此的吸引人，我無法想像那些即將出現的全新應用。」

微型機器學習(TinyML)的崛起，已經催化嵌入式系統與機器學習結合，而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型，過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型，耗電量只有數毫瓦。

物聯網環境中有數十億個微型裝置，可以為各個產業提供更多的洞察與效率，包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持，可望改變我們處理物聯網資料的方式。

受惠於TinyML，微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別)，以及動作(例如震動、溫度波動等)。啟用這些功能後，準確度與安全性更高，但電池的續航力卻不會打折扣，同時也考量到各種更微妙的應用。

儘管之前提到的雲端神經網路框架工具，是取用這個公用程式最常用的方法，但把AI函式庫整合進MCU，然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式，然後從中建立模型，例如預測性維護能力。

如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU)，利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性，讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要，原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。

AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能，我們可以把其精華歸納至我們簡稱為「3V」的三大領域：語音(Voice，如自然語言處理)、視覺(Vision，如影像處理)以及震動(Vibration，如處理來自多種感測器的資料，包括從加速計到溫度感測器，或是來自馬達的電氣訊號)。

終端智慧對「3V」至關重要

多數的物聯網應用聚焦在一些特定的領域：基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何？)，以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。

Strategy Analytics的研究顯示，許多已經完成部署或將要部署的物聯網B2B應用，仍然只需要相對簡單的指令，如基本的開/關，以及對設備與環境狀態的監控。在消費性物聯網領域中，智慧音箱的語音控制AI已經出現爆炸性成長，成為智慧家庭指令的中樞，包括智慧插座、智慧照明、智慧攝影機、智慧門鈴，以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能，可以依據地點與環境，在音質優先與穩定度優先之間自動切換。

如同我們檢視的結果，終端AI可以在「3V」核心領域提供價值，而它觸及的許多物聯網領域，遍及B2B與B2C的應用：

震動：包含來自多種感測器資料的處理，從加速計感測器到溫度感測器，或來自馬達的電氣訊號。
視覺：影像與影片辨識；分析與識別靜止影像或影片內物件的能力。
語音：包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力，以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景：

震動

可以用來把智慧帶進MCU中的終端AI的進展，有各式各樣的不同應用領域，對於成本與物聯網裝置與應用的效用，都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域，包括：

溫度監控；
壓力監控；
溼度監控；
物理動作，包括滑倒與跌倒偵測；
物質檢測(漏水、瓦斯漏氣等) ；
磁通量(如鄰近感測器與流量監控) ；
感測器融合(見圖7)；
電場變化。

一如我們將在使用場景單元中檢視的，這些能力有許多可以應用在各種被普遍部署的物聯網應用中。

語音

語音是進化的產物，也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令，也不令人意外；聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見，例如智慧音箱，而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞，如電視、遊戲主機與其他新的電器。

在工業環境中，供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因，有離線語音處理的需求，因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作，並從機器手冊與工廠文件，立即取用資訊。

語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統，進行大量投資。語音有潛力成為最安全的輸入模式，因為它可以讓駕駛的眼睛持續盯著道路，而雙手仍持續握著方向盤。

對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務，語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集，以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。

視覺

正如我們之前已經檢視過，終端 AI 提供視覺領域全新的機會，特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵，以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用，例如依據大小與品質為農產品分級。

曳引機裝上機器視覺攝影機後，我們幾乎可以即時檢測出雜草。雜草冒出後，AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草，並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用，並找出農地中仍具抗藥性的殘餘雜草。

使用場景

預測性維護工具已經從擷取與比較震動的量測資料，進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體，我們也可能做到遠端監控。

震動分析

這種類型的預測性維護在旋轉型機器密集的製造工廠裡，相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如，把震動計量器接上靠近選煤廠離心泵浦內部承軸處，就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動，可能顯示滾珠軸承出現鬆動，需要更換。

磁感測器融合

磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器，測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器，它與附近平面的磁鐵一起作動，與這個磁鐵相對應的感測器也會移動。

聲學分析(聲音)

與震動分析相似，聲測方位分析也是供潤滑技師使用，主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損，否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時，承軸會因為潤滑不足或錯位出現故障，可能造成整個生產流程的中斷。

聲學分析(超音波)

聲音聲學分析雖然可以用來進行主動與預測性維護，超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音，並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比，更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高，但終端 AI 的進展可以促成這種細微層級的聲學檢測，大幅降低部署的費用。

熱顯影

熱顯影利用紅外線影像來監控互動機器零件的溫度，讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置，可以長期檢測微細的變化。與其他對事故敏感的監視器一樣，它們會觸發排程系統，自動採取適當的行動來預防零件故障。

消費者與智慧家庭

將語音運用在消費者與智慧家庭，是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置，例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置，可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長，說明消費者對於可接收與提供語音互動等現有裝置的強勁需求，與日俱增。

消費者基於各種理由使用智慧音箱，最常見的使用場景為：

聽音樂；
控制如照明等智慧家庭裝置；
取得新聞與天氣預報的更新；
建立購物與待辦事項清單。

除了像智慧音箱與智慧電視等消費裝置，智慧家庭裝置語音的使用，也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購，它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器，裝置在偵測到煙霧或一氧化碳時，可以發出語音警告。

終端 AI 為強化這些能力提供了全新機會，而且常常結合震動(動作)、視覺與語音控制。例如，增加姿態辨識來控制例如電視等家電，或是把語音控制嵌入白色家電，即是以最低成本強化功能性最直接的方式。

健康照護

用來發現醫護資訊的 AI 驅動終端裝置的應用，將為病況的治療與診斷，提供更多的價值。這種資訊可能是資料，也可能是影像、影片以及說出的話，我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法，為整個產業節省成本。受惠於終端 AI 的進展，像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作，也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用，也可以把 AI 用在第一線的病人診斷，然後再由醫師接手提供諮詢。

其他健康照護實例包括像 Wewalk5 等物件，這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件，並搭配 Google Maps 與 Amazon Alexa 等 app，方便使用者提出問題。

結論

由於連網的終端裝置數量越來越多，這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個，而微控制器的數量也超過 2,500 億，每年還會增加約 300 億個。越來越多的程序開始進行自動化，不過，把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用，意味著許多全新、令人興奮且引人矚目的物聯網使用場景，可能無法開花結果。

解決這些挑戰的答案，並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助，但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。

儘管為終端裝置增添先進的運算能力在十年前仍不可行，TinyML 技術近來的提升，已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力，可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升，在源頭掌握情境化與具關聯性的資料，具有極大的價值，並將開啟全新的使用場景與營收機會。

終端裝置的機器學習，可以促成全新的終端 AI 世界。新的應用場景正在崛起，甚至跳過傳送大量資料的需求，因而紓解資料傳輸的瓶頸與延遲，並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界，其中還有很多我們現在想像不到的機會。

附圖：圖1：從集中式到分散式運算的轉變。
(資料來源：《The End of Cloud Computing》，by Peter Levine，Andreessen Horowitz)
圖2：全球上網裝置安裝量。
(資料來源：Strategy Analytics)
圖3：深度學習流程。
圖4：MCU的視覺、震動與語音。
(資料來源：意法半導體)
圖5：AI 工具集執行模型轉換，以便在MCU上執行經最佳化的神經網路推論。
(資料來源：意法半導體)
圖6：物聯網企業對企業應用的使用-目前與未來。
(資料來源：Strategy Analytics)
圖7：促成情境感知的感測器融合。
(資料來源：恩智浦半導體)

資料來源：https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI

【費曼102歲誕辰】兩年前費曼百歲誕辰時，我寫了這篇文章，內容全靠我自己多年重讀N次所有費曼的書和傳記而寫成（加上後來一點fact check）。我大致把他最有趣和最有意義的生平事跡都寫過了，我想暫時也難再寫另一篇了。

立場link：http://thestandnews.com/cosmos/百年華誕紀念-繼續鬧吧-費曼先生/

／／一百年前今天，理查．費曼 (Richard Feynman, 1918–1988) 在美國紐約出生。他的父親梅爾維爾．費曼 (Melville Feynman) 移民自白俄羅斯猶太家庭；母親露西樂．菲利普 (Lucille Phillips) 則來自波蘭猶太家庭。費曼五歲時，父母誕下了第二個兒子。不幸地，這個孩子在四週大時夭折。費曼的妹妹喬安．費曼 (Joan Feynman) 在他九歲時出生。

費曼是誰？他是理論物理學家、諾貝爾奬得主、開創量子電動力學、發明費曼圖；他亦傳奇無數，曾偷偷打開放有原子彈機密的夾萬、為脫衣舞廳老闆出庭作證、在皇室面前邊抽煙邊講爛笑話、身為物理系教授跑到生物系與學生一起上課做功課、飛到巴西參加音樂表演等。費曼從不介意別人目光，他甚至寫自傳細說這些離經叛道的行徑，使他可能成為物理學界裡比愛因斯坦更有名的物理學家。

父親啟蒙費曼踏上科學路

費曼與愛因斯坦一樣，很遲才開口說話。費曼從不認為自己是天才，他把對科學的啟蒙與熱情歸於他的父親。費曼憶述，雖然他父親是個賣制服的商人，但他從父親處學到了如何學習。有一天，費曼在玩一輛玩具貨車。他在玩具貨車上放了一個球，然後他發現當他把玩具貨車向前拉時，球會向後滾。

費曼覺得很奇怪，為什麼玩具貨車明明向前跑，但球卻向後滾？他跑去問父親，父親對他說，「其實球並沒有向後滾，你試試水平看著玩具貨車，就會發現這只是錯覺。」費曼照做，果真發現球其實是向前滾的。他再問父親，為什麼？父親的答案影響他一生往後看待宇宙萬物的態度：「那是個神秘的現象，沒有人知道為什麼。普遍的原理是，運動中的東西會繼續運動，靜止的東西會繼續靜止。科學家們叫這做慣性，但事實上，沒有人知道為什麼有慣性。這只是一個稱呼。」費曼的父親教會費曼「知道東西的名字 (Know-what) 」和「知道東西 (Know-how) 」的分別。費曼的父親雖不是科學家，但他有科學家的態度：誠實地說不知道。

我希望分享另一個關於費曼與父親的故事。話說城鎮裡的家庭都會在暑假期間一起到郊外度假。男人們會在週中回城工作，在週末回到度假區陪伴家庭。一天，費曼與其他小孩一起郊遊，他們發現了一隻特別的鳥。其他孩子就比賽誰知道那隻鳥的名字。他們問費曼，費曼說他不知道。他們就嘲笑費曼：「難道你爸爸什麼都沒教你嗎？」

其實，費曼與父親早就見過同一種鳥。費曼父親當時對他說：「理查，我可以告訴你這隻鳥在世界上每種語言裡的名字。可是，到最後除了世界各地的人如何稱呼牠。關於牠的一切，其實你什麼都不知道。你要觀察這隻鳥，試著理解牠在做什麼。」費曼父親教會他名稱只是人類的創造，與大自然真實的知識毫無關係。

費曼回憶，他父親很喜歡與他一起閱讀大英百科全書 (Encyclopaedia Britannica) 。當他們讀到一個段落，例如恐龍，他父親就會停下來，圖像化地解釋：「暴龍身高二十五尺，頭闊六呎，我們來看看這是什麼意思。這代表如果有一頭暴龍站在窗外，牠能從這裡的二樓窗外看見我們。不過牠的頭太大了，穿不過窗戶。」

這影響了費曼日後做物理研究時，往往喜愛從圖像化方式入手把問題簡化。費曼曾說過，如果我們無法把一個理論簡化至大學一年級的程度，我們就不算真正理解這個理論。他發明的費曼圖，大大簡化了量子力學的計算方式，就是明證。費曼圖幫助費曼推導出光與物質的互動——量子電動力學，費曼因而獲頒 1965 年諾貝爾物理學獎。

厭惡權威的費曼

費曼厭惡權威，這點與愛因斯坦相似。費曼的父親是個制服商人，看盡世上各種制服行業的虛偽。他曾對費曼說：「教宗衣服下的那個人，也只不過與我們一樣，需要吃飯。」後來，當費曼知道他要從瑞典國王手上領取諾貝爾獎，他仍十分抗拒穿上西裝。

費曼不喜歡榮譽。他在學校的時候，被邀請加入了一個叫做「Arista Honor Society」的精英學生團體。費曼說他不喜歡這個團體，因為他們開會時做的唯一事情就是討論「誰有資格加入我們」。當費曼成為了有名的科學家後，他又被選為美國國家科學院 (National Academy of Sciences) 院士。費曼非常反感每次開會都在討論「誰有資格加入我們」。最終，費曼忍受不住這些沒有養份的會議，不得不請辭。此後，費曼再也沒有加入過任何榮譽團體。

費曼母親：不怕炸了整間屋　更怕扼殺了費曼的好奇心

費曼的科學家性格可能培養於學生時代。他曾在家裡建立了一個小實驗室，製作一些電路和做些電學實驗，有時候更會發生一些小意外。費曼的母親邀請朋友來家裡時，朋友們問她，妳不怕費曼炸了整間屋嗎？她回答說，她更怕扼殺了費曼的好奇心。

費曼喜歡把電器拆開，研究內部結構再重組。有一次，鎮上一個人找費曼幫忙修理一部收音機。費曼簡單檢查了一下，就看著收音機沉思，思考解決方法。那人看了，就問費曼為何還不動手？費曼就說：「我正在修！」最後果真給他想出問題根源，修好了收音機。那人就周圍幫費曼宣傳：「他用想的就能修好收音機！」

與妹妹的約定

有一晚半夜時分，費曼把妹妹叫醒，說有東西要給她看。費曼帶她到外面空地，喬安抬頭看到美麗的極光。喬安問費曼，這是什麼？費曼說「這叫極光，但沒有人知道為什麼會出現極光。」喬安覺得極光很有趣，便說日後也要成為科學家，研究極光。他們就約定，費曼可以研究世上任何現象，除了極光要留給她。最終，喬安真的成為了一位天體物理學家，一生都在研究她與哥哥約定的極光。

費曼成名後，有一位物理學家想請教費曼對極光成因的想法。費曼說他是有一點想法的，但是他必須先打一個電話。費曼當場向學校借用電話，「喬安，我可以說我對極光的想法嗎？」然後回頭向那位物理學家說：「對不起，我跟妹妹有個約定，這世上所有現象我都可以研究，除了極光要留給她，所以我不能夠回答你的問題。」

精於數學　自創符號

費曼對數學很感興趣，很早就自學超越學校程度的數學了。他想學習微積分，就去圖書館借相關的教科書。可是，圖書館管理員竟然因為費曼只是個小孩而不借給他。費曼要說謊稱書是幫他父親借的，才能得到他想學習的知識。

由於費曼的數學知識大多靠自學，他自己發明了很多數學符號。他也不喜歡記著科學實驗或理論的名稱，他認為只需要知道內容就可以了。這導致他教導同學、寫筆記和交功課時，有時會不自覺用了自創的符號，以致沒有人明白他在說什麼！他後來笑稱，他父親忘記了告訴他名字是跟其他人溝通的重要工具。費曼的數學功力十分深厚，他於高中最後一年贏得了紐約大學數學冠軍賽。

輕視人文哲學題目　卻愛上素描、邦哥鼓藝術

費曼曾認為「真正的男人不會對詩詞和類似的東西感興趣」，這與他後來沉醉於素描和邦哥鼓等藝術相映成趣。由於中學時代的費曼的人文科目成績不太理想，而且他來自於一個猶太家庭，即使他的數學和物理成績都十分優異，這些都使他在升讀大學時碰到不少困難。他曾經試過考哥倫比亞大學 (Columbia University) 入學試，但並沒有被錄取。最後，麻省理工學院 (Massachusetts Institute of Technology) 錄取了他。

費曼進入麻省理工學院修讀物理學，成績優異。不過，他有時候還是會用了自己發明的數學符號，使他的同學們一頭霧水。費曼很不喜歡人文學科，可是麻省理工要求學生必須修讀人文課程才能畢業，費曼就勉強選了哲學，因為他覺得這是最接近科學的科目了。

在英國文學課裡，教授要求同學們寫一篇文章，費曼絞盡腦汁也寫不出來。最後，費曼把自己正在研究的物理題目亂寫一通，竟然獲得教授稱讚，並在課堂上朗讀出來！這使費曼從此輕視某些人文和哲學題目。

調皮搗蛋的費曼

費曼也愛捉弄人。在大學裡有間房間，很多同學都會在裡面溫習。每當有人進去問問題後，裡面的人都會大叫「請關門！ (Please shut the door!) 」有一天清晨，費曼睡不著，散步經過那房間。他發現兩扇門的其中一扇不見了，只留了一個牌子，寫著「Please shut the door」。

費曼認為應該是有人很煩厭這句話，所以惡作劇拿走了門。費曼覺得很有趣，就偷偷把另一扇門也拿走藏起來。沒有人找到那兩扇門。後來，學生聚餐時就討論該怎麼辦。費曼發言說：「我建議拿走了門的人，可以匿名留下字條，寫出門的藏處。」學生們並未認真考慮費曼的建議。高年級的學長認為事態嚴重，於是對在場的每個人逐一問話：「門是你拿走的嗎？」每個人都說不是。

輪到費曼時，學長問：「門是你拿走的嗎？」費曼回答：「是的，門是我拿走的。」學長就說：「費曼！這是很認真的，不要開玩笑！」然後就去問下一位學生了。之後，門被還回來了。直到幾個月以後，他們才發現原來其中一扇門真是費曼拿走的。他們就很生氣，說費曼不應該說謊。費曼說，可是他明明有誠實回答啊！

別鬧了，費曼先生！

費曼大學畢業後，報考了普林斯頓大學 (Princeton University) 的研究生課程，並在物理入學試中取得滿分。他的數學成績也非常出色，可是英文和歷史科卻考得很差。這令普林斯頓物理系主任非常擔心。不過，原來他並不擔心費曼的成績，而是費曼的猶太人身分。因為歧視，大學分配給猶太人的學位很少。費曼最終被取錄，跟隨約翰．惠勒 (John Wheeler) 進行理論物理學的研究。

費曼第一天進入普林斯頓，去了參加院長的茶會。費曼從未參與過這種社交茶會，不知道原來有很多禮儀。茶會上，院長夫人問費曼：「費曼先生，請問你想要加檸檬或是奶油？」不懂如何選擇的費曼說：「都要。」院長夫人就笑說：「嘻、嘻、嘻、嘻、嘻。別鬧了，費曼先生！」費曼後來才知道，每當院長夫人「嘻、嘻、嘻、嘻、嘻。」地笑，就即是有人犯了社交錯誤。後來，費曼第一本自傳的書名就叫做《別鬧了，費曼先生！（Surely You’re Joking, Mr. Feynman!）》。

費曼打算在他的首個研討會上報告他與惠勒共同研究的一個結合量子力學與電動力學的構想。惠勒竟然邀請了大名鼎鼎的愛因斯坦；現代電腦和博弈論之父、數學家約翰．馮諾曼 (John von Neumann) ；以及提出量子力學效應「鮑利不相容原理 (Pauli Exclusion Principle) 」的華夫岡．鮑利 (Wolfgang Pauli) 等人出席！

知道了這些科學巨人將會來聽自己第一次的研究報告，費曼當然非常緊張。研討會當天，費曼很早就到課室準備。怎料愛因斯坦剛進課室，向費曼說的第一句話是：「請問茶點放在哪裡？」想必費曼當時不會知道，未來自己會成為跟愛因斯坦等人一樣有名的科學巨人吧！結果，當費曼開始講解物理的時候，就完全忘記了聽眾是誰，完全不緊張了。

加入曼哈頓計劃　偷走夾萬文件

1942年，正在寫博士論文的費曼，被羅拔．奧本海默 (Robert Oppenheimer) 招募進入極機密的原子彈研發計劃「曼哈頓計劃 (Manhattan Project) 」。研究部門設於新默墨西哥州洛斯阿拉莫斯 (Los Alamos, New Mexico) ，費曼與其他科學家都必須搬到建於當地的研究所居住。

洛斯阿拉莫斯研究區是軍事重地，保安非常嚴密。進入時必須在入口閘門經過冗長的安全檢查，然而離開卻只需出示證件就可以了。費曼發現圍籬上有個大洞，可以避開安全檢查進入研究所。費曼認為軍隊安全意識不足，然而他愛玩的性格又驅使他不直接報告，而是跟軍隊開個玩笑。費曼利用籬上的洞進入，然後在閘門出示證件離開，如是者不斷地重複進進出出。負責檢查的軍人覺得奇怪，為什麼這同一個人沒有進入過，卻不斷離開？結果他們竟然拘捕了費曼，而不是去正視問題。

大家可能聽說過費曼的開鎖傳奇。研究所內每個人都有自己的夾萬。費曼研究了夾萬運作方式，發現很多人選的密碼都很容易猜到。結果，他練成了能在短時間內打開研究所內任何人夾萬的技術，經常偷走其他人夾萬內的重要文件，放在他們的辦公桌上，希望提高他們的安全意識。每個人都非常害怕費曼，他的開鎖技術連真正的鎖匠也為之景仰。結果，將軍竟然不是要求眾人更改密碼，而是叫所有人提防費曼。

研發平行運算　改變運算方式

研究所訂了一部當年最新的 IBM 打卡式電腦（即是用打有孔的卡片進行計算的最早期的電腦），足足有一個房間那麼大，用來計算提煉鈾元素的方程式。費曼領導一隊從全國挑選出來的精英中學生，要在幾個月內算出結果。由於計算複雜，而人手更換卡片的速度又慢，進度落後很多。最終費曼與學生們發現，如果分開幾隊人手同時計算不同的部分再整合結果，速度會快很多。這使費曼成為平行運算 (parallel computation) 的創始人，而且是在現代電腦被發明出來之前的人力平行運算！

物理學家的愛情故事

費曼第一任妻子叫做阿琳 (Arline Greenbaum) 。他倆從學校讀書時已相識，是對青梅竹馬，而且亦認定對方為終身伴侶。1996 年的電影《無限 (Infinity) 》描述的就是費曼與阿琳的愛情故事。可惜，天意總弄人，正當一切都看似美好時——費曼是物理學界的明日之星，仍未博士畢業就參與了曼哈頓計劃——阿琳被診斷出患有肺癆，當時這是不治之症。阿琳剛出現症狀時，醫生以為阿琳患的是小病。費曼卻不同意，他自己一個在圖書館裡尋找資料，對比阿琳的病徵。最後是他向醫生建議，阿琳患的可能是絕症。多麼動人、又多麼令人心碎。

費曼在普林斯頓的博士奬學金有一附帶條件，就是受獎人不能已婚。1942 年，費曼取得博士學位後，就立刻向阿琳求婚。雖然費曼的父母反對，費曼與阿琳仍然在紐約史丹頓島 (Staten Island) 的市政廳結婚。由於肺癆會透過接吻傳染，費曼只能在婚禮親吻阿琳的臉頰。沒有親人和朋友來他倆的婚禮，只有一對陌生人見證。

因為曼哈頓計劃是機密，阿琳不可以隨費曼搬到洛斯阿拉莫斯的研究所居住。而且，她因病情嚴重，必須廿四小時住院。費曼於奧本海默的協助下，在新默墨西哥州阿布奎基 (Albuquerque) 找到一間療養院供阿琳入住，以便費曼能於週末駕駛幾個小時的車程穿過沙漠去探望她。

費曼和阿琳喜歡以書信通訊。在戰時的軍事重地都有一個不明文規定，軍隊負責人會拆開所有信件，確保軍事機密沒有外洩，而且會擅自刪改內容。為了不讓其他人明白信件內容，費曼和阿琳就發明了一種只有他倆明白的密碼。但亦因為這個原因，他們的信件常常通過不了軍隊審查，因為軍隊想要知道他們的密碼有沒有洩漏機密！不過費曼和阿琳很享受寫這些密碼去刺激軍隊，軍隊花時間解碼後發現密碼內容只是日常購物清單之類！

當時，費曼因為介意其他人對自己的看法而苦惱。阿琳告訴他，不用介意別人的評價，要忠於自己。阿琳在療養院對費曼說：「你管別人怎麼想？ (What do you care what other people think?)」阿琳過世後，費曼寫了兩本自傳（都是他口述然後朋友幫他寫出來）。費曼第二本自傳的書名，就是以這句話命名。

當阿琳快不行的時候，醫院打電話給費曼，叫他快來醫院。費曼就借了朋友的車（他們後來才發現這個借車的朋友是間諜），極速向醫院開去，但在途中車子又壞了幾次，幾經波折才趕到醫院，可惜已經來不及見阿琳最後一面。費曼回憶說，他當時很傷心，可是卻沒有哭出來。他看到阿琳床邊放著阿琳送給他的手錶，錶面時間竟然停在阿琳的死亡時間！費曼初時覺得這是阿琳留給他的訊息，然而理性告訴他這不太可能。這手錶曾經壞過幾次，每次都是費曼把它修好。所以，費曼知道應該是護士拿起手錶記錄阿琳的死亡時間時，不小心再次弄停了它。

費曼回憶說，直到很多個月後，他在街上看見一間時裝店的一條裙，心想阿琳一定會喜歡，終於才淚流不止。阿琳生前很喜歡與費曼寫信。阿琳死後一年半，費曼寫了一封最後的信給他的太太。費曼自己一直收藏著這封信，直到他 1988 年離世後人們才把信打開。信中充滿費曼對阿琳的愛，在最後一句，費曼寫道：「附注：請原諒我沒有把信寄出。我不知道你的新地址啊。」

“PS Please excuse my not mailing this — but I don’t know your new address.”

原子彈試爆

史上第一個原子彈試爆時（試爆計劃代號是「三位一體 (Trinity) 」），所有研究人員都被安排在遠處觀看。由於核反應會釋放出極大量的高能量輻射，包括伽瑪射線、X射線和紫外線，每個人都分配有護目鏡。只有費曼沒有戴上護目鏡，他選擇於車內觀看試爆，因為他知道紫外線並不能穿透車輛的擋風玻璃。試爆成功，所有人都非常興奮，因為他們的研究終於成功了。只有三位一體計劃負責人肯尼．班布里奇 (Kenneth Bainbridge) 對奧本海默說：「現在我們都是婊子養的。 (Now we are all sons of bitches.) 」

費曼回憶道，當日本的廣島和長崎被原子彈毀滅時，他們還未意識到自己究竟做了什麼事。直到後來，興奮感褪去了，費曼才意識到，這將是世界末日的開端。戰後很長一段時間，當費曼看見街上有工人在建設房屋和橋樑時，他都會想：「這些全都沒有意義；這一切都將被摧毀。為什麼還要建設？」的確，當年不少科學家認為世界即將發生第三次世界大戰，而且人類會因核戰而滅絕。

隨心研究　由餐碟擺動到量子電動力學

戰後，費曼在康奈爾大學 (Cornell University) 當物理學教授。他曾有一段時間因為想不出新的物理構思而非常苦惱。費曼覺得自己不值得大學高薪聘請，他走去跟物理系主任說：「我想不到重要的問題去研究。」系主任就跟他說：「別擔心，聘人是我們應該承擔的風險，你儘管做自己感興趣的東西就好。」從此，費曼就真的不管任何人，只做自己感興趣的事。

有一天，費曼在餐廳看到幾個學生在拋餐碟。餐碟上印有學校的標誌。費曼發現標誌旋轉和擺動的頻率似乎有著某個數學關係。他覺得這個現象很有趣，於是立即埋首計算。他把計算結果交給系主任看，主任問他：「這很有趣，可是有什麼用？」費曼回答：「我只是覺得這很有趣，我不管它有什麼用！」

世事難料。費曼在 1965 年獲頒諾貝爾物理學獎，原因是他成功推導出電磁輻射與物質的交互作用的一個完整理論，稱為量子電動力學 (quantum electrodynamics) 。費曼對其中電子自旋的計算靈感就是來自於當年餐碟標誌的計算。

費曼與朝永振一郎 (Shin’itirō Tomonaga) 以及朱利安．施溫格 (Julian Schwinger) 共同獲得 1965 年諾貝爾物理學獎。他們三人各得 1/3 獎金，因為他們各自使用不同方法推導出相同結論。其中，費曼的方法與別不同，他用圖象方法代替繁瑣的代數運算，使整個物理過程能表達得更清晰。我們現在稱之為費曼圖 (Feynman diagram) ，是粒子物理學計算不可或缺的工具。或許費曼擅長把物理問題圖象化，是因為他父親的教導。

有一次，工作人員帶費曼去看巨大的粒子對撞機。費曼問：「這些機器用來做什麼的？」工作人員說：「費曼教授，這些機器是用來驗證你的理論的！」「花了多少錢？」「3 千 7 百萬美元。」費曼笑說：「你們這麼不相信我的理論嗎？」

熱愛邦哥鼓　街頭巡遊表演

費曼的父親在 1946 年離世，費曼因此受抑鬱症狀困擾。也是於同時期，費曼寫了上述給阿琳的最後情信。1951 至 1952 年，費曼使用他的研究休假（sabbatical，研究員可在休假的情況下自由進行研究）到巴西授課。

費曼很愛打邦哥鼓 (bongo) ，他甚至因為作為愛打邦哥鼓的物理學家而為人所識。在巴西，費曼深深受森巴音樂所打動，他學習了一種叫「frigideira」的巴西獨有的樂器。他參加了一個地道樂團，而且更被選拔進入街頭巡遊表演！

表演那天，費曼入住的酒店一個相熟的侍應生知道費曼熱愛森巴音樂，就跟費曼說：「教授，今天街上有森巴音樂巡遊表演，你一定會喜歡！」費曼就說：「今天我有事要做。」結果，當費曼的樂團經過費曼的酒店時，那侍應驚喜地發現費曼竟然是表演者之一！他就大叫：「那是教授！那是教授啊！」費曼在巴西歷險之後，沒有再回到康奈爾大學，轉到加州理工大學 (California Institute of Technology) 任教直到 1988 年離世。

以科學角度欣賞花朵之美

費曼最值得我們學習的地方，可能並非他的科學成就，而是他對知識的態度。費曼的藝術家朋友 Jirayr Zorthian 對他說：「科學拿走了花朵之美，令花朵變得枯燥乏味。」費曼回答道：「我也可以感受到花朵之美。但同時我看到其他人並不一定能立即看出的更深刻的美麗。我能看見花朵之中複雜的互動之美。花是紅色的。這代表花朵演化出顏色去吸引昆蟲嗎？這帶出另一個問題：昆蟲能看見顏色嗎？牠們會審美嗎？如此類推。我看不出研究花朵何以拿走它的美麗。這只會加深。我不明白這如何減少。」

“The beauty that is there for you is also available for me, too. But I see a deeper beauty that isn’t so readily available to others. I can see the complicated interactions of the flower. The color of the flower is red. Does the fact that the plant has color mean that it evolved to attract insects? This adds a further question. Can insects see color? Do they have an aesthetic sense? And so on. I don’t see how studying a flower ever detracts from its beauty. It only adds. I don’t understand how it subtracts.”

費曼認為，世界的美麗是每個人都可以看見的。但透過科學，除了世界外表上的美，我們更可以看見大自然運作的美麗。後來費曼跟 Jirayr 約定，每隔週末輪流教導對方自己擅長的事。這個禮拜，費曼會教他物理學；下個禮拜，他會教費曼畫畫。最終費曼學會了素描，舉辦了（匿名）個人畫展，更有人以高價買他的作品。費曼說， Jirayr 卻學得不太好。

沒有架子的科學巨人　為脫衣俱樂部辯護

費曼從不擺教授的架子。他試過在休假年走到生物學系上課，因為他對生物學感興趣。生物系的教授就說：「你可以跟其他學生一起上課和實習，條件是你要跟他們一樣交齊功課和報告。」結果費曼真的照做了。

費曼喜歡光顧一家脫衣舞酒吧，他會點一支可樂（他在巴西時戒了酒，從此他未有再喝過一滴酒精），然後計算一些物理問題，或是練習素描。酒吧顧客也不乏其他專業人士，有律師、老師等等。後來，這家酒吧被人告上法院，說他們破壞社區形象之類的。酒吧老闆請求常客們幫他辯護，可是那些專業人士們一個也沒答應，除了費曼。費曼想，我喜歡這裡，而且也沒有做什麼違法的事情，怕什麼？費曼就出庭作證了。結果，第二天報紙就刊登了「物理學教授經常光顧脫衣舞酒吧」。

費曼走出失去阿琳的極度傷痛後，曾兩次再婚。他與第二任妻子 Mary Louise Bell 去度蜜月的時候，竟然同時沉迷於破解古馬雅文明的文字，這一點各位男士最好不要學，除非得到了太太的批准……

疼愛子女　遺憾未能見證女兒長大成人

費曼與第三任妻子 Gweneth 於 1962 年誕下了卡爾 (Carl Feynman) ，然後他們於 1968 年領養了米雪 (Michelle Feynman)。費曼曾嘗試使用他父親當年教育他的方式，跟卡爾和米雪一起讀大英百科全書。可是費曼發現這只對卡爾有效。卡爾後來成為了電腦科學系教授，而米雪則成為了著名的攝影師。

費曼很愛他的兩個子女。費曼於 1978 年被診斷出患有脂肪肉瘤（癌症的一種），可能是由於當年曼哈頓計劃時接觸太多放射性物質（他們每天都會用手摸一個放射性物質造成的球）。《費曼的彩虹 (Feynman’s Rainbow) 》作者倫納．姆沃迪瑙 (Leonard Mlodinow) 曾經問費曼有沒有什麼遺憾。姆沃迪瑙本來以為費曼會回答他在理論物理上遇到的難題。然而，費曼眼泛淚光地說：「我最大的遺憾是我可能不能親眼看見我的女兒米雪長大成人。」

關心教育　啟發下一代

費曼也關心教育。他在加州理工學院曾講了一次為期兩年的物理學課程，對象是全校所有新入學的學生。費曼講課生動，深受學生喜愛。結果，很多教授和研究生每堂都會來旁聽，使得座無虛席，連地板和樓梯都坐或站滿了人。這套講義被完整記錄了下來，編成了著名的《費曼物理學講義 (The Feynman Lectures on Physics) 》。這一套三冊紅色硬皮教科書，時至今天依然風行於物理系學生之間。加州理工學院現已把所有《費曼物理學講義》放在網上，使所有人也可以免費讀到費曼教的物理學。

費曼曾經幫助政府審查中學科學和數學課程用的課本。他非常認真的逐書逐頁看完，寫下了很多感想和意見，希望出版社和作者能夠改善。可是根本沒有人理會費曼的意見。費曼也發現，委員之中只有他細心看過這些課本。此後，費曼決定不再幫助政府做任何事。

不以為意諾貝爾獎　發現自然定律便是最大榮譽

費曼並不喜歡諾貝爾獎或任何其他榮譽。他認為榮譽只會為他帶來煩惱。1965 年，當諾貝爾獎委員會於美國半夜時間從斯德哥爾摩打電話給費曼時，他生氣地說：「現在什麼時候？明天早上再打來！」就掛了電話。很多記者一個接一個打電話給費曼，使得他要把電話線拔掉。費曼苦惱地問妻子，他應不應接受這個獎。他妻子就說：「如果你不接受這個獎，你會更加出名。」於是，他無可奈何地就接受了諾貝爾獎。

諾貝爾獎是瑞典國王頒授的，諾貝爾獎得主需要走到台中間從國王手中接過獎項（只有一次例外，就是 2009 年諾貝爾物理學獎得主高錕因患阿茲海默症，瑞典國王親自走到高錕前）。費曼以為離開時不能背著國王，於是就練習倒後行。後來有人告訴他瑞典沒有這個規定，他才鬆一口氣。

費曼在諾貝爾獎晚宴上看見丹麥公主，他就問可否坐在旁邊，公主說：「可以，你不是其中一位得主嗎？你是做什麼領域的？」費曼回答：「我做物理的。」公主就說：「噢！我們不能談論物理，因為那是沒有人明白的領域。」費曼卻說：「正正相反。正是沒有人明白的東西，我們才要去討論。人人都明白的東西，就不需要討論了。」費曼說得雖然很對，但公主眼睜睜地看著他，面上頓時結冰。

費曼認為能夠發現自然定律，就已經是最大的榮譽。他享受找尋大自然定律的樂趣 (the pleasure of finding things out) ，認為成就不應該由獎項去量度。費曼說，他知道其他科學家會運用他的研究結果，就是他的成就。費曼得到諾貝爾獎後，他以前的一個學生 Koichi Mano 寫信祝賀他。費曼回信問 Mano 現在做些什麼研究， Mano 回覆說自己的研究是「卑微」的。費曼看了，就回信說：「那些你能解決、能幫助解決、能夠出力的問題，就是值得花時間研究的問題。……如果我們能夠做些東西，這問題就不小、不瑣碎。你說你名不見經傳？對你妻兒來說，沒有這回事。」

重回政府助調查穿梭機爆炸慘劇

1986 年，美國太空穿梭機挑戰者號 (Challenger) 升空時發生爆炸， 7 名太空人全部罹難。政府邀請費曼成為事故調查委員會的成員，他本來是拒絕的。可是，費曼的妻子對他說：「如果你不去做，就永遠沒有人能夠發現這意外的真相。」最終，費曼調查出了事故原因：升空當天氣溫很低，不幸地穿梭機的 O 型環在低溫下會失去彈性，導致燃料洩漏並引發爆炸。費曼在聽證會上突然公開做實驗，證明 O 型環在低溫下的確會失去彈性。不過，這其實是委員會中的一位軍隊將領故意暗示，引導費曼找出答案。費曼知道後曾一度非常生氣，不過最後他倆成為了好朋友。

費曼公開展示美國太空總署的失誤，不單令全世界嘩然，美國政府對費曼的擅自行動也非常不高興。費曼獨自寫了一篇報告，可是委員會卻不肯把費曼的報告加入到最終要總統簽署的報告書之中。費曼就說，如果不加入我寫的報告，我就不會在報告書上簽名。這樣的話，調查就永遠不能結束。最後雙方妥協，費曼寫的報告被放在報告書附錄裡。費曼在裡面寫的最後一句話，當為所有人引以為鑑：「對於一項成功的技術，真相必須置於公共關係之前，因為大自然是不可能被欺騙的。」

“For a successful technology, reality must take precedence over public relation, for Nature cannot be fooled.”

晚年醉心研究克孜勒文化

費曼晚年時，曾與好友 Ralph Leighton 打賭世界上有個地方叫做唐努‧圖雅 (Tannu Tuva) ，其首府叫做克孜勒 (Kyzyl) 。費曼覺得這個地方一定很有趣，因為這個地方的拼音裡完全沒有響音。圖雅人也有著唱喉音的傳統，費曼非常希望親身去感受這個地方的文化。可是，圖雅是當時蘇聯的一部分，由於美蘇冷戰，一般美國人是很難得到簽證前往蘇聯的。蘇聯政府提出，如果費曼以諾貝爾獎得主身分去蘇聯的大學演講，就可以獲得特權去克孜勒。可是，費曼一生謹記他父親的說話，非常討厭特權，拒絕用這個方法得到簽證。他們花了很長時間研究克孜勒的文化，並以一般人的身分與很多研究圖雅的專家和教授交流。他們在美國舉辦巡迴展覽，介紹圖雅文化，希望以此換取簽證去克孜勒。

1988 年 2 月 18 日，能夠前往圖雅的簽證終於送到了費曼的家。可惜的是，費曼已經在 3 天前與世長辭。費曼清楚知道自己未必能夠等到簽證去完成他這最後心願。可他仍然堅持原則，不使用任何特權。費曼在人生最後的歷險之中學到了圖雅的文化，他已經達到了他的目的了。

不死的好奇心

費曼對世界的看法，很簡單，也很深刻。他接受大自然就是我們觀察到的樣子，無論我們喜不喜歡。他覺得，知道自己並不知道，比起以為自己知道但卻是錯的答案，更有趣。他曾說：「我可以與懷疑、不確定、不知道共存。我覺得比起知道可能是錯的答案，不知道反而更加有趣。」

“I can live with doubt, and uncertainty, and not knowing. I think it is much more interesting to live not knowing than have answers which might be wrong.”

費曼一生都覺得世界是有趣的，以純真的好奇心去看這個宇宙。他臨終前的最後一句說話，也許亦是他這一生歷險的最佳結語：「死亡很沉悶。我會討厭死兩次。」

“I’d hate to die twice. It’s so boring.”

謹以此文紀念費曼。希望在下個 100 週年，費曼的歷險傳奇和科學態度，仍會繼續啟發世界。／／