氟鹽奶粉大誤會！氟怎麼變成我們心底恐懼的「那個人」？

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

本文由 Amway 委託，泛科學企劃執行。 

根據衛福部建議，我國成人每天應該飲用約1500至2000 c.c. 的水，但在日本與歐美許多國家，只要一打開水龍頭，就能馬上擁有一杯能喝下肚的水。臺灣自詡為科技大國，為什麼卻無法擁有讓人安心的 Tap water？

冤有頭債有主，造成我們不敢生飲水的最大原因，其實不在自來水廠。從自來水廠出來的自來水，早已去除水源中的化學有機污染物、有害重金屬及致病性微生物，完全符合「飲用水水質標準」。在非常嚴密的檢驗和監控下，照理來說，你我都能夠非常安心的直接飲用這些自來水。然而，就連對水質信心滿滿的自來水廠，也大力呼籲民眾「不要直接飲用自來水」，這是怎麼一回事？

從水廠到家裡的自來水會經過哪些污染源？

首先，是管線老舊。不只是老舊管線內壁會積聚沉澱物和生物膜，管線本身若有生鏽、腐蝕的情形，還會在水中增加的鐵鏽和金屬離子。

臺灣管線老舊的程度到底有多嚴重呢？根據台水公司108年的資料顯示，我國自來水管線長度超過6萬3千公里，其中超過48%的管線已經超過使用年限。再加上施工、地震、車輛超載等原因，使得管線容易破裂、漏水，進而影響水質。

除了管線品質外，蓄水池與水塔的清潔和維護也是影響自來水品質的重要因素。根據環境部指出，有高達7成以上的自來水污染事件，都是因為住戶疏忽清洗水塔的重要性，導致細菌和泥沙在儲水設施中繁衍和沉積。然而，超過45%的台灣民眾沒有定期清洗蓄水池和水塔的習慣。

這邊也要特別提醒，管線破損與蓄水池的污染，不只會讓飲用水再次受到重金屬與細菌的污染，更讓我們需要當心「新興污染物」的威脅。

什麼是「新興污染物」？

所謂新興污染物，指的是那些對環境有潛在威脅，但還沒有受到國家或國際法律廣泛監管的化學物質總稱。他們來自各種日常化工用品，並且透過城市、工業、家庭廢水進入河川與水體中。

根據聯合國環境署的說明，「符合新興污染物資格的化合物清單很長，而且越來越長」。這些污染物其實離我們並不遠，是我們周遭常見的物質，例如抗生素、止痛藥、消炎藥、類固醇和荷爾蒙等藥物類，驅蟲劑、微塑膠、防腐劑、殺蟲劑、除草劑等環境荷爾蒙類，還有工業化學類的界面活性劑、火焰阻燃劑、工業添加劑、汽油添加劑、PFAS、鐵氟龍等等。

其中的全氟及多氟烷基物質PFAS，因為耐腐蝕、抗高溫，在自然環境中幾乎無法分解，又被稱為「永久性化學物質」。容易在環境及人體內累積，具有生物累積和生物放大性。而且PFAS衍伸的化合物超過一萬種，在防水、防油的紙袋、紡織品、化妝品中都很常看到。

PFAS成員全氟辛酸PFOA在2023年，被聯合國的國際癌症研究機構IARC，從2B級「可能對人類致癌」提升為一級「充分證據顯示對人類致癌」。另一個成員全氟辛烷磺酸PFOS則列為2B級致癌物。而環境部也在2024年，更針對PFOA、PFOS訂定飲用水濃度指引值。

麻煩的是，這些新興污染物在都市中大多還未納入常規監測項目，我們對於他們對環境與人體的影響也還未全盤了解。甚至很多污染物，可能是十年前都還沒出現的。我們也不知道十年後，新興污染物的名單上，還會增加哪些名字。我們能做的事，就是盡量避免再避免。而徹底解決管線破損，與城市污水滲入蓄水池的可能性，我們才能避免這些新興污染物，進入到我們的飲用水中。

使用淨水器過濾，會是淨化水質更好的方法嗎？

淨水器比起單純加熱煮沸，裡面包含了許多科技結晶，確實可以一口氣解決所有問題。但相對的，材料的選用與設計，就會更直接影響水質的好壞。

例如今天要介紹的eSpring益之源淨水器Pro，裡面用的濾材，是很常聽見的「活性碳」。

活性碳的作用是「過濾」，就像麵粉通過篩網，可以篩掉較大的顆粒。活性碳的製備，很多來自木材、椰子殼等高碳含量的原料。在經過高溫碳化，並通過活化劑或化學藥劑處理之後，會形成多孔結構，這些不規則的微小孔隙可以有效過濾水中的污染物。然而，活性碳的作用遠不止如此！其實，活性碳的過濾原理是「吸附」雜質。

有研究透過光譜和密度泛函理論（DFT）分析顯示，活性碳表面的含氧官能團，如羧基（carboxyl groups）和酚基（phenol groups），能夠與鉛離子（Pb(II)）形成穩定的化合物，達到淨水的效果。這意味著活性碳能有效吸附和去除水中的重金屬，如鉛、銅、汞等重金屬，從而保證飲用水的安全性。

也就是說，活性碳不僅通過物理吸附去除水中的懸浮物和大分子，還可以通過化學吸附來處理更複雜的污染物。除了重金屬以外，眾多的有機物、臭味分子甚至是餘氯，也都在活性碳的守備範圍內。一篇發表在《Reviews in Chemical Engineering》的論文也指出，面對日益增加的新興污染物，活性碳也正是一種具有前景的選擇之一，尤其農藥、個人保健與衛生藥(PPCPs)以及內分泌干擾物質(EDC)與活性碳有很強的吸附性，能有效的過濾這些新興污染物。

更進一步，科學家們正在研究各種農業廢棄物和不同的活化方式。他們發現，透過不同的原料和活化方式，活性碳表面官能基和結構的差異可以提高對不同污染物的吸附能力。例如，當使用鷹嘴豆、甜菜甘蔗渣或咖啡渣作為前驅物時，這些活性碳材料展現出對銅離子、鉻離子、染料及其他重金屬和有機污染物的優異吸附能力。

接下來，如果你的淨水器功能只有過濾，能確保的只有有機物與重金屬的去除，細菌可能還是存在。

當我們談論淨水器的功能時，許多人誤以為只要經過過濾就能確保水質的安全。實際上，這樣的理解並不全面。如果淨水器的功能僅限於過濾，它能確保的只有去除水中的有機物質和重金屬，然而，過濾並不能消除所有細菌，因此水中的微生物仍然可能殘留。這就是為什麼，即便過濾器

之外，還需要強效殺菌來進一步保證水質。

紫外線是我們日常生活中常見且高效的殺菌工具，從居家用的烘碗機到手術室、圖書館的空氣或表面消毒，紫外線技術的應用無所不在。在淨水系統中，特別是UV-C 紫外線（波長範圍100-280nm）被證明能夠有效殺滅水中的微生物。許多先進的淨水器配備 UV-C LED ，這種燈能夠針對細菌、病毒進行消毒。

怎樣算是一個合格的淨水器？

美國國家衛生基金會（NSF）制定了一系列針對淨水器的性能、安全性和耐用性的標準，稱為NSF/ANSI標準。

針對台灣飲用水可能遇到的問題：細菌、重金屬、新興污染物、餘氯，各有專門的訂定標準。

eSpring益之源淨水器Pro通過的第一跟二項標準是NSF/ANSI 53和401標準，53項針對的是健康相關的污染物，包含重金屬如鉛、銅、汞等有害金屬離子，還包括一些有機污染物如揮發性有機化合物（VOCs）。401項則是針對來自農藥、藥物等新興的有機污染物，因為在傳統的水處理過程中難以去除，因此特別訂定。

第三項，則是針對UV-C LED紫外線滅菌艙殺菌效果的NSF/ANSI 55標準。這個標準不僅規定了紫外線強度，還包括了水流量和微生物減少效果的測試與持久性，確保淨水器具有足夠的殺菌消毒能力。根據實驗數據，UV-C  LED紫外線能夠有效消滅高達99.9999% 的細菌，99.99% 的病毒，以及99.9% 的囊胞菌，為飲用水提供極高的安全保障。

最後一項標準是NSF/ANSI 42，他針對的餘氯和其他會影響味道與氣味的雜質。也就是像eSpring益之源淨水器Pro有通過第42項標準的，在確保飲用安全的標準之上，還能讓你的水更好喝哦。

這邊也要補充，除了第42、53、以及401項規定的標準，eSpring益之源淨水器Pro還請NSF做了標準之外的各項過濾性能檢測，總共有超過170種污染物的過濾符合標準，包含各種化學物質、重金屬、生物性、農藥、藥物、甚至是近年大家關注的石綿、氡氣與塑膠微粒，都在可被有效過濾的列表之中。這真的很重要，如同一開始我們講的，隨著工業文明的發展，新興污染物的名單只會越來越長而不會減少，多做幾項檢測，絕對是更安心的。如果你的淨水器已經用了很久，但擔心新興污染物沒有在獵捕名單內，可以考慮換成有通過更高標準的淨水器哦。

另外，一些品牌雖然也有NSF認證，但很多都只有零件認證。eSpring益之源淨水器Pro不只針對濾心，還通過「全機認證」，確保從淨水器流出來的每一滴水都符合標準。

進一步了解商品： eSpring益之源淨水器Pro

參考資料:

• 環境部因應全氟化合物(PFAS)管制趨勢，預告修正飲用水水質標準，確保飲用水安全及品質
• https://www.water.gov.tw/ch/Subject/D…
• https://www.ly.gov.tw/Pages/List.aspx…
• https://record.moenv.gov.tw/Epaper/10…
• https://www.moenv.gov.tw/DisplayFile….
• https://enews.moenv.gov.tw/page/3b3c6…
• https://www.unep.org/news-and-stories…
• https://topic.moenv.gov.tw/pops/cp-10…
• https://www.cha.gov.tw/cp-23-6307-129…
• https://www.iarc.who.int/news-events/…
• https://enews.moenv.gov.tw/page/3b3c6…
• https://pansci.asia/archives/130360
• https://pubs.acs.org/doi/10.1021/acs….
• https://www.sciencedirect.com/science…
• https://www.ncbi.nlm.nih.gov/pmc/arti…
• https://www.degruyter.com/document/do…
• https://pansci.asia/archives/325102
• https://www.degruyter.com/document/do…
• https://www.nsf.org/consumer-resource…
• https://www.amway.com.tw/iShare/Month…

前陣子引發瘋狂轉發的文章，談到嬰兒奶粉加氟鹽的劑量問題：奶粉加氟鹽讓嬰兒天天吃、餐餐吃，怎麼可能不累積過量毒素？傷腦、傷骨、傷牙、傷神經系統、易引起肌肉骨骼神經毀損與甲狀腺失衡⋯⋯媽媽們若不提高警覺，豈不讓自己的孩子真的輸在起跑點？

然而，這一切真是天大的誤會！釐清其政策背後的用意，食藥署出於讓消費者具備更多選擇權，要求下列商品必須充分列出內容物成分：1. 奶粉；2. 含氟的食鹽。而非如網路謠言所傳，將嬰兒奶粉混合含氟食鹽販售。[1-3]

相關謠言屢見不鮮且擴散力強的原因 

除了主流媒體頻繁「量產」不經求證的報導，並加以過度渲染以外，讀者即使面對資訊公開、敘述清晰的新聞，仍不免在腦中自行連結，喚起心底深層的恐懼。當恐懼升起，理性判讀的能力自然隨之下降。

恐懼症（phobia）屬於精神官能症精神官能症的一類[4]，患者對某些事物或情境會產生莫名的恐懼，並且時常不是建立在「理性」的基礎之上。多數人較為熟悉的恐懼症包括懼高症（Acrophobia）、幽閉恐懼症（Claustrophobia）、恐同症（Homophobia），或是社交恐懼症（Sociophobia）。但隨著媒體反覆播送同一則訊息，單一意外事件儘管事實上只發生了一次，卻容易帶給人們發生十次以上的錯覺，也因此每個閱聽者的心底深處在不知不覺中被置入了《哈利波特》小說裡不能說出口的「那個人」。

其中近來最為普遍的恐懼症莫過於「化學恐懼症」[5]——對任何「化學製品」的過度恐懼。這類的恐懼主要源自情緒，而非明確的科學證據。風險認知顧問大衛．洛佩克（David Ropeik）提及：「雖然有些人認為凡事寧可謹慎為上，但非理性的恐懼反而會給身體健康帶來負面影響。」

為什麼「化學恐懼症」的渲染力格外強大？

理由很簡單，佛地魔都怕死，一般人當然也怕死。既然下肚的化學製品和我們的身體息息相關，不會有人願意拿自己或自己的孩子當白老鼠，所以民眾自行解讀時事、加以腦補的案例便屢見不鮮了。

洛佩克進一步指出：證據顯示，人類普遍害怕「人造」的東西，偏好「自然」。正因如此，許多人擔心 WiFi 訊號的輻射量，卻願意在沒有塗抹防曬乳的情況下享受日光浴——殊不知，紫外線照射是皮膚癌的重要誘因，而各種實驗都未能證明 WiFi 訊號會對人體構成持續傷害。

氟的爭議持續延燒

回到上述奶粉混合含氟食鹽的一場誤會，其實不全然算是危言聳聽，直到目前為止，關於氟對人體的影響仍未有定論。

2013 年，歐洲食品安全局 （European Food Safety Authority, EFSA）接受歐盟執委會委託，研究氟的安全性並據此制訂攝取量。而根據期研究結果，由於氟並非人體必須物質，因此無法訂出「最適攝取量」，僅能訂出符合人體安全的最低有效劑量 。而 EFSA 的論文說明：

a. 攝取適量含氟飲用水或含氟食品可有效抑制蛀牙

b. 氟攝取量需達到每日 0.05 mg/kg（按個體的體重計算，例如，體重 60 公斤重的成人，氟攝取量需達 3 mg）才能發揮預防蛀牙的功能，且此劑量適用於小孩與成人（含孕婦及哺乳期婦女）。[6]

既然有爭議，許多專家仍支持飲用水添加氟的理由何在？

簡單來說，我們居住的環境中，含氟牙膏唾手可得，兒童牙醫診所也四處林立，但貧富差距大的地區卻完全不是這番景象。另一篇含氟飲用水的研究明確指出，對 5～12 歲乳齒脫落正值換牙期的孩童而言，氟飲用水可降低齲齒、缺牙的風險，有益恆齒健康的成長。因此，基於公共衛生的平等福利，飲用水中添加氟可消弭不同階級牙齒醫療水準的差異。[7]

由此可知，與科學研究相比，衛生政策的制訂遠比大家想像得更為困難。個人自由和公共利益的衝突，在歐美及世界各地不時上演。以疫苗施打為例，在美國，相當多的民眾畏懼施打疫苗，深恐疫苗裡的化學物質會傷害人體，但矛盾的是，反對自己小孩接受疫苗的雙親卻無懼於傳染病的威脅。其中公開宣導此事的名人就是演員金凱瑞，以及現今的美國總統候選人川普了。然而，事實證明，美國醫界在 1989 年引進新型的麻疹疫苗後，全美麻疹病例已從每年超過五萬的感染人數，下降至每年一百人以下。而由於經過多年的潛沉，麻疹流行又在 2014 年美國加州迪士尼爆發。這次的麻疹流行在美國政界引起廣泛討論——施打疫苗究竟是個人選擇，還是必須以防疫作戰觀點納入公權力的一環呢？[8-10]。

飲用水是否應該添加氟，與施打疫苗防疫的爭議具異曲同工之妙。如同各式各樣的科學問題一般，儘管我們充分理解了最新的科研證據，並克服非理性的恐懼，也並不代表我們就獲得了不容質疑的「正解」。它背後牽涉的社會脈絡、政策考量往往包含其他深意，以及每一個閱聽者不該輕易放棄理性的判斷力與選擇權。

本文感謝專欄作者蔣維倫的大力協助及審訂

1. <105年7月起上路的食品安全管理新制!> 食品藥物管理署新聞
2. <食藥署7月新制 氟鹽嬰兒奶粉標示入列> 中央通訊社
3. <食藥7月新制 嬰兒奶粉、含氟鹽標示> 中時電子報
4. <Figuring out phobia: Researchers are using neuroimaging techniques to delve into the neurobiological underpinnings of phobias, with a view to improving treatments.>
5. <讓我們忽視真正危險的「化學恐懼症」> BBC新聞網
6.  <Scientific Opinion on Dietary Reference Values for fluoride> 歐洲食品安全局
7.  Adding fluoride to water supplies, the BMJ, 335, 2007, doi: http://dx.doi.org/10.1136/bmj.39318.562951.BE
8. Measles outbreak: How bad is it? CNN news
9. What Travelers Need to Know About Measles. The New York Times
10. 美國麻疹「死灰復燃」 1月已有102例恐爆發大流行. 關鍵評論網

本文由 交通部中央氣象署 委託，泛科學企劃執行。

• 文／陳儀珈

災害性大地震在臺灣留下無數淚水和難以抹滅的傷痕，921 大地震甚至直接奪走了 2,400 人的生命。既有這等末日級的災難記憶，又位處於板塊交界處的地震帶，「大地震！」三個字，總是能挑動臺灣人最脆弱又敏感的神經。

因此，當我們發現臺灣被各式各樣的地震傳說壟罩，像是地震魚、地震雲、蚯蚓警兆、下雨地震說，甚至民間地震預測達人，似乎也是合情合理的現象？

今日，我們就要來破解這些常見的地震預測謠言。

漁民捕獲罕見的深海皇帶魚，恐有大地震？

說到在坊間訛傳的地震謠言，許多人第一個想到的，可能是盛行於日本、臺灣的「地震魚」傳說。

在亞熱帶海域中，漁民將「皇帶魚」暱稱為地震魚，由於皇帶魚身型較為扁平，生活於深海中，魚形特殊且捕獲量稀少，因此流傳著，是因為海底的地形改變，才驚擾了棲息在深海的皇帶魚，並因此游上淺水讓人們得以看見。

因此，民間盛傳，若漁民捕撈到這種極為稀罕的深海魚類，就是大型地震即將發生的警兆。

然而，日本科學家認真蒐集了目擊深海魚類的相關新聞和學術報告，他們想知道，這種看似異常的動物行為，究竟有沒有機會拿來當作災前的預警，抑或只是無稽之談？

可惜的是，科學家認為，地震魚與地震並沒有明顯的關聯。當日本媒體報導捕撈深海魚的 10 天內，均沒有發生規模大於 6 的地震，規模 7 的地震前後，甚至完全沒有深海魚出現的紀錄！

所以，在科學家眼中，地震魚僅僅是一種流傳於民間的「迷信」（superstition）。

透過動物來推斷地震消息的風俗並不新穎，美國地質調查局（USGS）指出，早在西元前 373 年的古希臘，就有透過動物異常行為來猜測地震的紀錄！

人們普遍認為，比起遲鈍的人類，敏感的動物可以偵測到更多來自大自然的訊號，因此在大地震來臨前，會「舉家遷徙」逃離原本的棲息地。

當臺灣 1999 年發生集集大地震前後，由於部分地區出現了大量蚯蚓，因此，臺灣也盛傳著「蚯蚓」是地震警訊的說法。

新聞年年報的「蚯蚓」上街，真的是地震警訊嗎？

​當街道上出現一大群蚯蚓時，密密麻麻的畫面，不只讓人嚇一跳，也往往讓人感到困惑：為何牠們接連地湧向地表？難道，這真的是動物們在向我們預警天災嗎？動物們看似不尋常的行為，總是能引發人們的好奇與不安情緒。

如此怵目驚心的畫面，也經常成為新聞界的熱門素材，每年幾乎都會看到類似的標題：「蚯蚓大軍又出沒 網友憂：要地震了嗎」，甚至直接將蚯蚓與剛發生的地震連結起來，發布成快訊「昨突竄大量蚯蚓！台東今早地牛翻身…最大震度4級」，讓人留下蚯蚓預言成功的錯覺。

然而，這些蚯蚓大軍，真的與即將來臨的天災有直接關聯嗎？

蚯蚓與地震有關的傳聞，被學者認為起源於 1999 年的 921 大地震後，在此前，臺灣少有流傳地震與蚯蚓之間的相關報導。

雖然曾有日本學者研究模擬出，與地震相關的電流有機會刺激蚯蚓離開洞穴，但在現實環境中，有太多因素都會影響蚯蚓的行為了，而造成蚯蚓大軍浮現地表的原因，往往都是氣象因素，像是溫度、濕度、日照時間、氣壓等等，都可能促使蚯蚓爬出地表。

大家不妨觀察看看，白日蚯蚓大軍的新聞，比較常出現在天氣剛轉涼的秋季。

因此，下次若再看到蚯蚓大軍湧現地表的現象，請先別慌張呀！

事實上，除了地震魚和蚯蚓外，鳥類、老鼠、黃鼠狼、蛇、蜈蚣、昆蟲、貓咪到我們最熟悉的小狗，都曾經被流傳為地震預測的動物專家。

但可惜的是，會影響動物行為的因素實在是太多了，科學家仍然沒有找到動物異常行為和地震之間的關聯或機制。

遍地開花的地震預測粉專和社團

這座每天發生超過 100 次地震的小島上，擁有破萬成員的地震討論臉書社團、隨處可見的地震預測粉專或 IG 帳號，似乎並不奇怪。

國內有許多「憂國憂民」的神通大師，這些號稱能夠預測地震的奇妙人士，有些人會用身體感應，有人熱愛分析雲層畫面，有的人甚至號稱自行建製科學儀器，購買到比氣象署更精密的機械，偵測到更準確的地震。

然而，若認真想一想就會發現，臺灣地震頻率極高，約 2 天多就會發生 1 次規模 4.0 至 5.0 的地震， 2 星期多就可能出現一次規模 5.0 至 6.0 的地震，若是有心想要捏造地震預言，真的不難。 

在學界，一個真正的地震預測必須包含地震三要素：明確的時間、 地點和規模，預測結果也必須來自學界認可的觀測資料。然而這些坊間貼文的預測資訊不僅空泛，也並未交代統計數據或訊號來源。

作為閱聽者，看到如此毫無科學根據的預測言論，請先冷靜下來，不要留言也不要分享，不妨先上網搜尋相關資料和事實查核。切勿輕信，更不要隨意散播，以免造成社會大眾的不安。

此外，大家也千萬不要隨意發表地震預測、觀測的資訊，若號稱有科學根據或使用相關資料，不僅違反氣象法，也有違反社會秩序之相關法令之虞唷！

​地震預測行不行？還差得遠呢！

由於地底的環境太過複雜未知，即使科學家們已經致力於研究地震前兆和地震之間的關聯，目前地球科學界，仍然無法發展出成熟的地震預測技術。

與其奢望能提前 3 天知道地震的預告，不如日常就做好各種地震災害的防範，購買符合防震規範的家宅、固定好家具，做好防震防災演練。在國家級警報響起來時，熟練地執行避震保命三步驟「趴下、掩護、穩住」，才是身為臺灣人最關鍵的保命之策。

延伸閱讀

• 廖光正，李明進（2002）。集集大地震後蚯蚓大量爬出現象之解析。特有生物研究，4（1），41－51。https://bit.ly/3zF8OD8
• 離人心上秋意濃，清晨地上蚯蚓多：為何秋天經常有大量蚯蚓出沒？跟地震有關嗎？
  http://bit.ly/3DYNMSG
• Orihara, Y., Kamogawa, M., Noda, Y., & Nagao, T. (2019). Is Japanese folklore concerning deep‐sea fish appearance a real precursor of earthquakes?. Bulletin of the Seismological Society of America, 109(4), 1556-1562.
  https://pubs.geoscienceworld.org/ssa/bssa/article-abstract/109/4/1556/571628/Is-Japanese-Folklore-Concerning-Deep-Sea-Fish