Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

【科科雞年到】雞頭為什麼可以「防震」?

果殼網_96
・2017/01/24 ・1781字 ・閱讀時間約 3 分鐘 ・SR值 484 ・五年級

在攝影領域,人們為了「防震」可是沒少下功夫:不僅攝影師們要練就「鐵腕」,人們還開發出了各種專門的防震設備。

然而,無論面對多麼高科技的人工防震技術,人們總還是會想出一些新奇的解決方案。它返璞歸真、純天然、低成本、操作簡單、效果拔群……對,那就是——綁雞頭上。

就算屁股再怎麼扭,我的頭就是不動。
就算屁股再怎麼扭,我的頭就是不動。

在那些傳遍網路的動圖中,穩如泰山的雞頭總會占有一席之地。甚至還真有網友對「雞頭攝影」的穩定性進行了評測。比起人手持和頭戴攝像機,雞頭拍下的畫面確實更穩定,不過無法控制雞往哪邊看成了這套設備的致命傷……

2u9lprq6suixlqvixiwlz3bmvyk0mrgyxplva3n9xdv0aqaabqeaaedj
從左到右:裝在人頭上,裝在雞頭上,手持。影片來自:jeremiahjw

雞頭為什麼能防震?這種「種族天賦」有多厲害呢?

-----廣告,請繼續往下閱讀-----

鳥頭防震有多厲害?

在鳥類當中,頭部「防震」是非常普通存在的現象。除了雞頭,鳥頭「防震」的例子還有很多,比如那些一邊行走一邊「點頭」的鴿子。它們可不是為了走出最搖擺的節奏感,而是要讓自己的頭部在行進中大部分時間都保持穩定,然後再咻地一下換到下一個位置。(更多閱讀:鳥類行走的點頭問題

v8r8_tcnqg5p-_rzvdoi7gxyullkkv3mwrbdbre-uj4uagaacgeaaepq
鴿子行走時的頭部運動。圖/參考文獻1

鳥類對於空間變化的感知很敏感,只要頭部發生了微小的位移,它們就能夠通過視野中物體相對位置的變化感知出來,從而做出相應的調整。行走中的鴿子頭部在「穩定期」的位移能控制在 0.5 毫米以內[1],而那些特別依賴空間判斷的鳥類物種,比如蜂鳥、翠鳥以及茶隼,它們的「防震性能」還會更高。

視覺防震?其實你也行

一般認為,鳥類穩定的頭部是為了保持穩定的視線,在動物界,這其實是非常普遍的現象。當動物個體處於某種視覺環境中時,它們往往都會本能地將自己的視野中心鎖定在某個點,或某一個物體上。如果你試試左右轉頭,也會發現自己的視線多半不會跟隨著頭部徐徐移動,而是從穩定的點跳到下一個點。

保持視線穩定對動物的生存很有好處,因為消除視線晃動的干擾,就可以更容易地分辨出真正在移動的目標——這些目標可能是一頓午飯,一位不懷好意的競爭對手,或者一位來勢洶洶的捕食者。我們其實也一樣有調節視線穩定的機制,只不過人類的「視覺防震」更多依靠靈活轉動的眼球。因為飛行對視覺的依賴性,鳥類的眼球十分發達,以至於幾乎擠占了眼眶內所有的空間,而與此同時,它們的眼球運動則會受到限制。所以當鳥類想要調整視線時,它們就要依靠靈活的脖子了。

-----廣告,請繼續往下閱讀-----
ide58xs-tjdtrul48chk_1tletbka1llmr-o6wt_njb0aqaagqeaaedj
靠脖子來盡可能維持視覺穩定,這招人類也用得上——看看那些轉圈的舞蹈演員吧。

此外,也有一些科學家認為,鳥類行走時頭部「一頓一頓」的模式還可以產生運動視差,幫助提供物體深度和距離的信息。這個解釋看起來很合理,不過它還未得到直接證實。

為了實現視野的穩定,視覺系統和平衡系統都會在其中參與調節。研究也發現,像蜂鳥這樣格外擅長保持空中穩定的鳥類,它們也擁有比其他鳥類更大的相關腦區。

跟著鳥類學防震

直接在雞頭上綁照相機並不是什麼好主意,不過從鳥類身上,研究者們確實能找到提升防震性能的靈感。

2015 年時,史丹福大學的工程師們就用高速攝影機記錄下了天鵝飛過湖面時頭頸部的動作[2]。在撲動雙翼時,天鵝們的身體上下搖擺,但在頸部的調整之下,頭部卻能保持相當平穩的狀態。一些無人機偵察機也採用了撲翼的設計,把鳥類飛行中調整頭部的過程記錄下來,並建立模型來模擬它,這樣的成果用在無人機上,拍攝到的畫面也就能變得更加清晰了。

-----廣告,請繼續往下閱讀-----
4ijacgaslmvtc8olaljbekwz2pzjpjyy3dxx6qaiiib-aqaa5aeaaepq
把「鳥頭防震」變成物理模型。圖/參考文獻 2

不管怎麼說,鳥頭確實是視覺系統穩定性的一個讓人印象深刻的例子。或許有一天,我們手中的相機也會像它們一樣穩如泰山呢。

本文來源於果殼網(微信公眾號:Guokr42),編輯:窗敲雨。本文禁止二次轉載,如需轉載請聯繫 sns@guokr.com

參考資料

  1. Barrie J. Frostemai. Bird head stabilization. Current Biology, Volume 19, Issue 8, pR315–R316, 28 April 2009. DOI: http://dx.doi.org/10.1016/j.cub.2009.02.002
  2. Ashley E. Pete, Daniel Kress, Marina A. Dimitrov, et al. The role of passive avian head stabilization in flapping flight. Interface, September 2015 Volume: 12 Issue: 110. DOI: 10.1098/rsif.2015.0508
  3. Iwaniuk, A.N., and Wylie, D.R. (2007). Neural specialization for hovering in hummingbirds: Hypertrophy of the pretectal nucleus lentiformis mesencephali. J. Comp. Neurol. 500, 211.
-----廣告,請繼續往下閱讀-----
文章難易度
果殼網_96
108 篇文章 ・ 9 位粉絲
果殼傳媒是一家致力於面向公眾倡導科技理念、傳播科技內容的企業。2010年11月,公司推出果殼網(Guokr.com) 。在創始人兼CEO姬十三帶領的專業團隊努力下,果殼傳媒已成為中國領先的科技傳媒機構,還致力於為企業量身打造面向公眾的科技品牌傳播方案。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

6
4

文字

分享

0
6
4
除了蚯蚓、地震魚和民間達人,那些常見的臺灣地震預測謠言
鳥苷三磷酸 (PanSci Promo)_96
・2024/02/29 ・2747字 ・閱讀時間約 5 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

皇帶魚。圖/wikimedia

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?

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

20101023 聯合報 B2 版 南投竹山竄出蚯蚓群爬滿路上。

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?

-----廣告,請繼續往下閱讀-----

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!

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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!

-----廣告,請繼續往下閱讀-----

​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

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

2

11
5

文字

分享

2
11
5
小鳥為什麼不走路要用彈跳的?——《鴿子為什麼要邊走邊搖頭?》
晨星出版
・2023/10/25 ・1493字 ・閱讀時間約 3 分鐘

彈跳的鳥類

用雙腳移動時,只有鳥類會使用而人類不會用的動作,那就是彈跳。這種名為彈跳的運動既困難又麻煩,為什麼鳥要這樣子彈跳呢?其實到現在我們還無從得知。

如同前述,彈跳是兩腳幾乎同時一起跳的運動方式。我們常見的鳥,像是麻雀和日菲繡眼這種小鳥就是用彈跳的(圖一),而烏鴉在急的時候也會彈跳。

麻雀是兩腳並用一起跳,但也有兩腳稍微錯開來彈跳的物種。例如巨嘴鴉之類的鳥類身體會微微傾斜,左右腳些微錯開,用「噠噠、噠噠」這樣的節奏來彈跳。這兩種本質上的差異目前還不清楚,不如說彈跳跟跑步的差異也還不清楚,所以步行研究者目前也是束手無策。

圖一、麻雀的彈跳,左右腳微微錯開著地(照片 ③ 中偏差大約是 1/120 秒)

歐亞喜鵲這種鳥同時會彈跳也會跑步,但比較兩者的研究顯示,在跑步與彈跳中,腳的運動方式跟肌肉動作幾乎一樣。彈跳跟跑步一樣,是高速移動的方式,活用肌腱像是彈簧的功能來轉換動能跟彈性位能。然後,兩種的差別只有「雙腳交互動作」或是「幾乎一起動作」而已。

-----廣告,請繼續往下閱讀-----

彈跳和跑步除了腳動的時機以外沒有什麼不同,那為什麼只有一部分的鳥是用彈跳的呢?

這個問題,很遺憾現在的科學還沒有解開,現階段一致贊同的只有:一般認為會彈跳的鳥是相對小型的種類,以及常待樹上的種類。看了許多鳥以後,會發現確實小型的鳥很常彈跳。另外,喜歡待在樹上的鳥則是常用兩腳一起從一根樹枝跳到另一根樹枝上,所以在地上也同樣會用兩腳一起跳躍,這樣說來可能就會覺得可以理解。

但是在樹上彈跳,在地上也還是可以步行不是嗎?不這樣區分移動方式,應該是因為有什麼身體構造或生理學上的理由才對,但這問題至今仍然是謎。

-----廣告,請繼續往下閱讀-----
圖/giphy

另一方面,小型的鳥喜歡彈跳的理由,如果用「彈跳適合用來高速移動」,可以解釋一部分的疑問。比起小型鳥,大型鳥的步幅更大,一般步行速度也比較快。如果小型鳥想跟大型鳥用同樣速度移動的話,就需要走得很快。像是人類,也很常在路上看到小孩要小跑步拚命跟上大人的走路速度。跟那個狀況相同,小型鳥有使用相對身體尺寸的高速進行移動的必要性。

想像看看會啄食掉落在地面的種子的鴿子和麻雀,如果用同樣密度灑餌,鴿子只要數步就能抵達下一個餌也說不定,但小型的麻雀需要移動相對更遠的距離才能拿到餌(圖二)。這樣一來就需要比較急著移動,這麼解釋或許也很合理。

圖二、假設在距離鴿子兩個身體遠的地方放餌,對體型較小的麻雀來說,同距離就需要移動六個身體的長度,不移動更遠的距離就沒辦法拿到餌。

但是彈跳和跑步如果是同樣的運動,那為什麼不能用跑的呢?「小型鳥比較需要快速移動」這種說明,很遺憾地似乎不能完全解釋為什麼要選擇彈跳。

但這麼簡單的問題,21世紀的科學還無法解釋,真是令人驚訝。

-----廣告,請繼續往下閱讀-----

——本文摘自《鴿子為什麼要邊走邊搖頭?》,2023 年 8 月,晨星出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
所有討論 2