模型能不能重建殖民疾病史？澳洲 1789 天花研究重新測試傳播路徑，但「真相」不能只剩一條模擬曲線

# 模型能不能重建殖民疾病史？澳洲 1789 天花研究重新測試傳播路徑，但「真相」不能只剩一條模擬曲線

歷史研究最困難的時刻，往往不是「完全沒有資料」，而是資料很多，卻來自權力極不對等的世界。1789 年澳洲東南部爆發天花，造成原住民族社群巨大死亡，但兩百多年後，疾病究竟從何而來、沿什麼路徑擴散、影響範圍有多大，仍牽涉殖民檔案、人口估計、口述歷史與不同學術假說。2026 年刊於《Nature Human Behaviour》的研究試圖以隨機流行病模型重新測試這段歷史，讓一個重要問題浮上檯面：數學模型能幫我們重建殖民疾病史，但它能不能等同於歷史真相？

研究團隊將不同的傳入假說放進多區域傳播模型，並結合歷史與人口資料，檢驗疾病若從澳洲北方接觸網絡傳入，或從東南部殖民接觸區出發，哪一種情境更符合當時記錄的時間與空間分布。研究結果支持東南部來源的情境，也不支持把 1789 年疫情理解成一開始就同步席捲整個澳洲。依研究採用的人口與致死率假設，受影響區域的死亡規模可能極為巨大。這些結果具有歷史意義，但研究者也承認，模型必須建立在不完整資料與多項假設之上。

這正是我們需要把「模型」和「真相」分開的原因。模型不是一台輸入資料就吐出歷史真相的機器，而是一個用來測試假說的形式化框架。它可以回答：若人口密度是這樣、接觸率是那樣、疾病傳播速度落在某個區間，某條傳播路徑是否可能產生已知的時空現象？它可以排除某些非常不合理的組合，也可以指出過去被忽略的連結。但是模型無法自動判斷檔案為何缺漏、殖民官員記錄了誰而忽略了誰，也不會自己知道一個地方名稱背後的族群遷徙、親屬關係或文化禁忌。

對原住民族歷史研究而言，這個限制不是小問題。殖民時期的文字檔案常由殖民者、傳教士、行政人員或後來的研究者製作；大量原住民族經驗沒有以同樣方式進入官方檔案。若今日再把這些既有檔案轉成資料欄位，餵給模型計算，很容易出現第二次消音：第一次是當時沒有被寫進檔案，第二次是今天因為「沒有資料」而在模型裡變成空白。數據化並不自動等於客觀，反而可能把舊的不平等包裝成新的精確度。

因此，AIATSIS 的研究倫理框架對這類研究格外重要。原住民族研究不能只問研究者「可不可以取得資料」，還要處理自決、文化安全、利益回饋、持續關係與社群參與等問題。若模型研究直接涉及某些社群的祖先死亡與歷史創傷，研究問題怎麼設定、哪些口述資料能否被數位化、結果如何解釋與公開，都不應只由外部研究團隊單方面決定。

這也是「雙向知識」真正可以工作的地方。雙向知識不是把口述歷史當成補足西方資料庫缺漏的素材，更不是把模型結果拿來裁判地方記憶「對不對」。更成熟的做法，是承認不同證據系統有不同的權威範圍。數理模型擅長檢查傳播速度、人口網絡與時間尺度的相容性；歷史檔案能提供特定時點的文字記錄；原住民族口述歷史、家族記憶、地名、遷徙敘事與土地關係，則可能保存殖民檔案沒有記下的因果脈絡。三者應該互相質疑、互相限制，而不是最後被壓成一條看似確定的曲線。

更重要的是，模型的「不確定性」必須被保留下來。媒體報導最容易抓住一個死亡數字或一條傳播路徑，轉成「科學終於證明」。但若正式研究本身建立在多項人口估計與疾病參數之上，公共溝通就應清楚區分：哪些是史料直接支持的，哪些是模型推估，哪些仍有爭論。這不是削弱科學，而是讓科學保持誠實。

對台灣的原住民族研究也有直接提醒。未來我們愈來愈可能利用 AI、GIS、語意分析與數位人文方法，重建部落遷徙、災害、疾病、土地使用與殖民行政史。技術會讓我們得到更密集的地圖與關聯，但每一次資料整合都要問：資料是誰留下的？誰沒有被記錄？不同年代的地名可以直接對齊嗎？模型是否把行政邊界錯當成文化邊界？某些家族知識是否根本不應公開？

如果這些問題沒有先處理，模型愈漂亮，反而愈可能製造「唯一版本的歷史」。相反地，若把模型定位成可被社群檢視與修正的假說工具，它就可能成為真相修復的一部分：不是替社群說話，而是讓被壓縮的證據重新被看見。

1789 年天花研究最重要的價值，或許因此不在於它是否替兩百年前的爭論畫下句點，而在於它迫使我們面對一個 AI 時代更大的問題：當演算法有能力把破碎史料拼成一條非常流暢的故事時，我們是否還記得，流暢不等於完整，精確的數字也不等於正義。歷史真相需要模型，但真相不能只剩模型。

延伸來看，這類研究也提醒媒體在報導新科技時，必須把「研究已證明什麼」、「尚未證明什麼」與「如果未來要落地還缺什麼」分開。真正有公共價值的科技報導，不是把原始研究翻成更聳動的句子，而是替讀者保留尺度、條件與不確定性。當研究進入原鄉、教育或公共服務場域，更應把地方使用者放到問題定義的前端，讓技術選擇接受真實情境檢驗。這也是原傳媒AI持續強調的方向：不是為了把每一個新科技都套上原住民族標籤，而是在適合的地方追問不同知識系統如何共同決策，以及誰有權界定「有效」、「安全」與「值得」。

延伸來看，這類研究也提醒媒體在報導新科技時，必須把「研究已證明什麼」、「尚未證明什麼」與「如果未來要落地還缺什麼」分開。真正有公共價值的科技報導，不是把原始研究翻成更聳動的句子，而是替讀者保留尺度、條件與不確定性。當研究進入原鄉、教育或公共服務場域，更應把地方使用者放到問題定義的前端，讓技術選擇接受真實情境檢驗。這也是原傳媒AI持續強調的方向：不是為了把每一個新科技都套上原住民族標籤，而是在適合的地方追問不同知識系統如何共同決策，以及誰有權界定「有效」、「安全」與「值得」。

延伸來看，這類研究也提醒媒體在報導新科技時，必須把「研究已證明什麼」、「尚未證明什麼」與「如果未來要落地還缺什麼」分開。真正有公共價值的科技報導，不是把原始研究翻成更聳動的句子，而是替讀者保留尺度、條件與不確定性。當研究進入原鄉、教育或公共服務場域，更應把地方使用者放到問題定義的前端，讓技術選擇接受真實情境檢驗。這也是原傳媒AI持續強調的方向：不是為了把每一個新科技都套上原住民族標籤，而是在適合的地方追問不同知識系統如何共同決策，以及誰有權界定「有效」、「安全」與「值得」。

延伸來看，這類研究也提醒媒體在報導新科技時，必須把「研究已證明什麼」、「尚未證明什麼」與「如果未來要落地還缺什麼」分開。真正有公共價值的科技報導，不是把原始研究翻成更聳動的句子，而是替讀者保留尺度、條件與不確定性。當研究進入原鄉、教育或公共服務場域，更應把地方使用者放到問題定義的前端，讓技術選擇接受真實情境檢驗。這也是原傳媒AI持續強調的方向：不是為了把每一個新科技都套上原住民族標籤，而是在適合的地方追問不同知識系統如何共同決策，以及誰有權界定「有效」、「安全」與「值得」。

可靠來源

• Nature Human Behaviour｜Stochastic models indicate rapid smallpox spread and mass mortality of Indigenous Australians after colonial exposure
• AIATSIS｜Code of Ethics for Aboriginal and Torres Strait Islander Research
• AIATSIS｜Research Ethics Framework
• WHO｜Smallpox