黑洞照片不是拍出来的，是四个互不通气的团队算出来的
2019 年那张 M87 黑洞照片，四个图像团队被隔离作业、互相欺骗，用 Frosty the Snowman 当测试图，只为证明他们没把想看到的东西算进数据里。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
想懂知识怎么传递，先看它怎么被挡住
Galison 说他研究保密不是为了保密本身，而是把它当成反证法：要理解一辆车，得知道赛车条纹和轮胎颜色不影响功能，但拔掉火花塞车就不动了。他举 Freud 的例子——Freud 关于潜意识压抑与审查的理论，直接来自一战维也纳的实物审查技术：俄国审查官用他们称为 caviar 的厚黑墨水涂掉段落，德国人则重新排版让人看不出哪里被删。这些具体的阻断技术，回响成了 Freud 关于心灵如何压抑创伤经验的理论。
— Peter Galison看到图像那一刻是双重恐慌
团队在正式发布前将近一年就看到了图像，兴奋之外是两种恐慌。一种是怕消息走漏、立刻失去控制；另一种更根本——科学史上被撤回的宣称太多了。他提到本地有过一次看似确认暴胀宇宙、后来不得不撤回的经历，以及 60、70 年代几十次「发现引力波」最后都被撤回，直到 LIGO 在 2015 年真正测到。Galison 的博士论文就叫 How Experiments End，主题正是人如何区分伪影与真实效应，所以接下来那一年全在问：如果它是这个呢？如果它是那个呢？
— Peter Galison四个团队被隔离，还被互相欺骗
图像制作组内部有四个团队，工作时彼此不许交谈，各自把窗户遮起来，甚至对彼此在做什么略有欺骗。流程是：先给每个团队一批练习图，不告诉他们是什么，让他们各自用最好的方法忠实复现。这些图里有些是从网上随机抓的，有些是天文学图像，有些是黑洞模拟，其中一张是 Frosty the Snowman——因为没人可能预料到。只有当四个团队都能准确复现一张自己不知道内容的测试图，才把真实数据发给他们；随后四个团队给出了非常相似的结果，这是他们第一次真正希望这个图像是可靠的。
— Peter Galison没有中心的协作才构成实验
相机本身就是一个合成物：六处站点的八台望远镜，只有组合起来才能合成一台地球大小的望远镜，获得足够分辨率。Galison 强调这不是「很多人做同一件事」——不是一群人一起数河里的鱼再加总，而是不同人在不同地方做非常不同的事，协调活动本身构成了实验。他拿 CERN 作对比：CERN 有一个可以走进去见总干事的办公室，而 EHT 有主任，但资金分散、望远镜分散、工作分散，没有人会同意这个实验有单一中心。
— Peter Galison两种成像方法，各有各的自恋风险
四个团队用了两类技术。两个团队用天文学家钟爱的老方法 clean：把图像看成一群点源，把模糊亮斑还原成星点，好处是能看见原本看不见的东西。另两个用更现代的贝叶斯或前向方法：预设物体有边缘、是凸的、大致在画面某处，用参数偏离来构造代价函数，好处是能从噪声里提取本会丢失的信号——手机拍照就是这么干的。危险在于：假设太多，你就会得到你正在找的东西，像那喀索斯看着泉水看见自己的倒影。所以他们最怕的就是：知道想看到什么，于是真的看到了它。
— Peter Galison让计算机自己找参数，再拿真数据试
为了排除四个团队共享同一套预期偏见，他们又加了一层：让计算机在测试图上自己搜索最能复现的参数组，再把找到的设置用到真实数据上。Galison 说这更接近 machine learning 而非今天意义上的 AI——层数不多，可追溯性没有完全失控，按今天的标准相当简单。他把这一年形容为「活得很危险」，不断想新办法去挑战这张图像。
— Peter Galison三个认识论阶段，被倒着走了一遍
在《Objectivity》里，Daston 和 Galison 区分了科学图像功能的三个时代：18 世纪起的理想化（要看理想的骨架，不是我的或你的骨架）、机械客观性（尽可能自我抹除，让自然自己在纸面上书写）、以及专家判断（不是天才的统觉，而是可训练的判断力，比如从肌电图上分辨不同种类的癫痫发作）。黑洞成像把这三步倒着走了一遍：先让四个团队各自用专家判断，再让计算机机械地搜参数，最后用平均图像回到理想化。
— Peter Galison平均图像是一场吵出来的妥协
关于要不要发布平均图像，协作组内部大吵过。支持者说这样没有哪个团队能说「这是我们的图像」，但 Galison 觉得这个理由太甜腻、认识论上没说服力；更有力的理由是：如果各图一致（它们确实都在南侧有亮新月），平均图里就会显现出来，而且可以拿平均图与各图比对。他给了一个反例：如果金刚开始把帝国大厦在地上砸出一个完全同形的洞，把两者平均，结果会是一片平坦，既不像塔也不像洞。反对者则说，平均图不对应任何真实存在的数据。最终他们决定平均——保守、强调共性、淡化个性，这张图在 2019 年 4 月 10 日发布。
— Peter Galison图像的价值在于它能让你意外
Galison 说，如果你想找一种罕见效应，通常要设计一台装置把它从噪声里挑出来——但那是你在设计着去找某个东西。图像是反过来的：自然可以通过图像向我们展示我们没预料到的东西。这就是图像制作最终极的惊喜——你能找到不在你预期结果菜单上的东西。这也是为什么他们把 Frosty the Snowman 发下去：要确保连这么意外的虚构角色也能显形。
— Peter Galison原话 · 已逐字校验
Well, for me to understand something like how knowledge is transmitted, I want to know how it's blocked. And if I understand how it's blocked, then I understand better how knowledge works.
对我来说，要理解知识如何传递，我就想知道它是如何被阻断的。如果我理解了它如何被阻断，我就能更好地理解知识是如何运作的。
Peter Galison12:11
And then with with black holes, they're the ultimate invisible object. They're the objects that reflect no light. They emit no light. They seem impossible, right?
然后是黑洞，它们是最极致的不可见物体。它们不反射任何光，不发射任何光。它们看起来不可能存在，对吧？
Peter Galison15:12
One of them was a Frosty the Snowman because we figured nobody could have anticipated that.
其中一张是 Frosty the Snowman（雪人弗罗斯蒂），因为我们觉得没人可能预料到那个。
Peter Galison24:23
It's not just a lot of people doing the same thing. It's the coordinative activity itself that constituted the experiment.
这不只是一大群人在做同一件事。是协调活动本身构成了这个实验。
Peter Galison26:25
The danger is if you assume too much you get what you are looking for and you end up like narcissists looking at the spring and seeing his own reflection.
危险在于，如果你假设得太多，你就会得到你正在寻找的东西，最终像那喀索斯看着泉水，看见自己的倒影。
Peter Galison29:26
Images are the other way around. They're nature can show us things that we had not anticipated. And I think that is the ultimate surprise that image making holds for us.
图像是反过来的。自然可以通过图像向我们展示我们未曾预料到的东西。我认为这就是图像制作带给我们的终极惊喜。
Peter Galison39:37
So sometimes things that seem not even real become real, fundamental and practical.
所以有时候，那些看起来甚至不真实的东西，会变得真实、根本且实用。
Peter Galison43:38
数字与实体
| EHT 图像团队人数（2019 年图像完成时） | 约 200 人 | 19:16 |
| 图像制作组内部独立团队数 | 4 个 | 23:23 |
| 望远镜站点与台数 | 6 个站点、8 台望远镜 | 25:24 |
| 望远镜海拔 | 13,000 英尺 | 25:24 |
| M87 黑洞图像发布日期 | 2019 年 4 月 10 日 | 33:30 |
| LIGO 真正探测到引力波的年份 | 2015 年 | 20:17 |
| 爱因斯坦广义相对论提出年份 | 1915 年 | 42:37 |
术语
- cleanCLEAN 算法
- 天文学老牌去卷积算法，把模糊亮斑还原成点状星源。
- Bayesian / forward methods贝叶斯／前向方法
- 预设物体特征（有边缘、凸性等），用参数偏离构造代价函数来成像。
- mechanical objectivity机械客观性
- Daston 与 Galison 提出的图像认识论阶段，主张自我抹除、让自然自行书写。
- tacit knowledge默会知识
- Polanyi 的概念，指难以明言、靠个人传授与手感获得的知识。
- photon ring光子环
- 黑洞周围光线绕行形成的细环，是下一代望远镜想分辨的目标。
收听指南
对科学知识如何被「制造」和「验证」感兴趣的工程师与研究者，尤其是做大规模分布式协作、数据管线或机器学习可解释性的人。
开头 0:00–11:00 的学术生涯与 HPS 学科史回忆可跳过。