科學寶可夢 #126、136 火伊布、鴨嘴火龍：燙也該有個限度

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

善用工具烹飪的原始人

既然黑猩猩會用石頭打碎、敲爛食物，當然不難想像遠古人類也會做同樣的事，而且可能還做得更頻繁、更有效率。

我們知道遠古人類會拿石頭當作錘子敲擊另一塊石頭，敲出銳利的石頭碎片、還有除去碎片之後剩下來的核心部位。石頭的核心可經進一步修飾，做成一種稱為｢手斧」﹙hand axe﹚的工具﹙但這種工具的實際用途至今仍爭論不休﹚。遠古人類有可能利用銳利的石頭碎片切割食物、並用比較鈍的石頭和石頭底部敲爛食物。把肉切成小塊，特別是鳥類和哺乳類的肉，使其較易消化。

遠古人類切肉的行為，本質上也許就是把石製工具當作比牙齒更有力、更尖銳、且更易替換的替代品。最初的遠古人類出現的時候﹙距今約一百九十萬年前﹚，他們已經累積了長達一百四十萬年使用工具的歷史。

歷經這段漫長歲月，遠古人類可能已經將切割技術掌握得得心應手，也可能像多數的狩獵採集者和某些黑猩猩族群一樣，學會了捶打食物。跟切割一樣，捶打的動作不僅能去除食物的外殼、還能幫助研磨食物，釋出細胞中更多的營養和熱量供人利用。用來捶打食物的石頭，再次成了牙齒的化身。

除了切割捶打食物之外，最初的遠古人類可能也已經會發酵食物。發酵跟切割捶打是相似的原理，也能讓食物變得更好咀嚼、更易消化。發酵能將熱量變得更易吸收，而且如果處理得當，還具有殺死潛在病原菌的額外好處。不只如此，在疆肉類和植物根莖類發酵的過程中，還能增添原本食材沒有的營養素。

有些細菌能製造維生素B12，有些細菌能吸取空氣中的氮氣、並將其轉化為胺基酸。可惜的是，考古紀錄並沒有辦法證實遠古人類是否曾經利用發酵技術處理食物。在西北大學﹙Northwestern  University﹚任教的靈長類學家凱蒂．亞瑪托﹙Katie Amato﹚， 不久前舉出有力的證據，主張最初的人類物種可能已經會發酵食物，但是事實上是否真的如此，至今還是未知數。

再接下來，就是已知用火的威力了。

人類用火煮食的理由？

靈長類學家理查．蘭翰姆﹙Richard Wrangham﹚在他的著作《生火： 烹飪如何造就人》﹙Catching Fire : How Cooking Made US Human﹚中主張，生火煮食的行為是早期遠古人類的演化歷程中獨特、關鍵的特徵。

蘭翰姆推測，人類祖先是因為食用熟食，才得以獲得足夠熱量、演化出更大的腦部。如果煮食要能成為影響早期人類演化的關鍵驅動力，最晚必須要在一百九十萬年前就已經發展出來才行。但是目前我們比較確知的、人類最早開始控制火源煮食的證據，發現的年代都還要晚很多。

平心而論，就連人類在早於一百九十萬年前開始進行發酵、採集蜂蜜、更常切割捶打肉類或根莖類、或更常食用海產等等行為的證據，至今也都還沒有發現。

但是不論蘭翰姆這個爭議十足、關於人類用火的重大猜想是否正確，其中蘊含了另一項假說，是我們認為爭議小很多的。這個假說無關乎用火是否左右了人類祖先的演化，而是關乎人類祖先最初發明新飲食方法的動機。這個假說不只與用火有關，還牽涉到切割、磨碎以及發酵食物等種種行為。

蘭翰姆在他的書中不時提到：他認為人類祖先開始用火的動機，是因為熟食比較好吃——起碼比生食好吃。沒錯，用火煮食讓人們更易取得食物中的熱量，甚至可能讓人們有更多空閒時間做其他事情，像是發明語言、用石頭製作工具等等。但人們並不是為了計畫要做這些事情才開始用火的。很少有動物是基於長期的利益而選擇進行某一行為， 現代人類也不例外。

蘭翰姆主張：人類祖先開始煮東西吃的理由無他，單純是因為煮過的食物比生食更好吃。讓我們好好思量一下蘭翰姆這項主張所代表的意義。火帶給我們溫暖、指引我們方向；火受人們馴服並幫我們加熱爐子裡的食物；火最終帶來了內燃機、現代城市、現代戰爭、網際網路等等無數技術革新。但人們最初開始用火，就只是為了讓食物更好吃。

我們來給蘭翰姆的這項假說取個名字吧，這樣比較好記：不如就稱為｢尋味者假說」好了。不論用火技術最早是在何時開始，我們都可以利用尋味者假說來說明用火的功能。不管蘭翰姆所另外提出的、關於用火對早期人類演化的重要性的假說正不正確，尋味者假說都有可能成立。

這個假說單純認為：人類開始用火最初、最主要的動機，是因為用火煮過的食物比沒煮過的食物風味更豐富、吃起來更享受。這個假說不只適用於火而已。尋味者假說可以套用在黑猩猩的飲食傳統和料理方法上：黑猩猩製作並使用工具，是為了追求更豐富的風味，而牠們使用哪些工具，一部分與環境有關、一部分與傳統有關。

尋味者假說或許也可以解釋為何人類祖先開始利用其他技術處理食物， 不管那些技術源自哪個年代。但是尋味者假說有一個重大前提：它預設人類祖先運用新工具和新技術所獲得的食物，實際上真的比原本的食物好吃。幸好，大部分的證據都顯示確實如此。

——本文摘自《舌尖上的演化》，2022 年 12 月，商周出版出版，未經同意請勿轉載。

身為一名訓練師，你真的了解你的寶貝們嗎？寶可夢圖鑑讀熟了沒？

其實圖鑑告訴你的比想像中的還多喔！跟著泛科空想寫手 Rock 一起來上一門訓練師的科學課吧！來跟大家分析這些寶可夢的戰鬥是多麼的「科學」。

骨紋巨聲鱷：火焰溫度新紀錄

啊~火焰！

幻想世界中骨灰級的攻擊武器，也是空想科學寫作時常遇到的對手。

在過去的【科學寶可夢】中，火焰已經不是第一次出現了。第二篇關於噴火龍的科學中就有稍微提到，後來因為鴨嘴火龍和火伊布的圖鑑敘述都有提到他們火焰的溫度，所以在同一篇一起分析過，但那已經是第一世代寶可夢的事了~ 現在圖鑑都來到 900 號了，事情果然很不一樣。

「溫柔的歌聲能治癒聽者的靈魂，會使用攝氏 3000 度的火焰把敵人燒成灰燼。」——骨紋巨聲鱷紫版敘述^註1

骨紋巨聲鱷的敘述很直接，就是直接說出了牠噴出的火焰溫度，這簡直是一個福音，這樣我們就不需要到處拼湊，可以直接地將這個數字與過去的幾個得到的火焰溫度做比較。

噴火龍：至少 1400 ℃

鴨嘴火龍：1200 ℃

火伊布：1650 ℃

火爆獸：800℃

骨紋巨聲鱷：3000℃

這也太高了吧！？先別說生物怎麼有辦法產生這種高溫^註2，真的要把人燒成灰燼哪裡需要 3000℃ 啦！

一般把屍體燒成骨灰的火葬場，溫度只需要 1000℃ 就夠了，3000℃ 根本是大材小用，而你知道這個溫度能夠辦到什麼事嗎？

絕大部分我們知道的物質在這種溫度下都會熔化或者汽化，能夠倖存的元素大概只有鎢、錸、鋨這幾個金屬還有一些特殊的聚合物了；如果燒的是人的話，別說是燒成灰，整個身體一定在一陣白光下消失的無影無蹤……因為在這種溫度下，火焰不會是正常的橘紅色，而是白色的。

這時如果骨紋巨聲鱷的訓練師就直接站在它旁邊，就算不是被直接擊中，他那超過岩漿溫度兩倍的 3000℃ 火焰所散發出的熱氣和輻射熱^註3，應該足以讓訓練師瞬間嚴重灼傷，再加上強光，這絕對是不支倒地然後變成逐漸變成焦屍，然後跟四周的花草樹木付之一炬。

所以如果要叫你的骨紋巨聲鱷使出噴射火焰的話，記得先閃的非常非常遠，放招後遠距離收回寶可夢，然後趕快離開被焚化、整個燒得亂七八糟的現場。

狂歡浪舞鴨：這到底是哪一國的超強踢腿舞啊？

如果要說格鬥系的寶可夢要怎麼在圖鑑中誇耀他們的力量，最常用的方式就是：把東西丟出去或弄壞。

在以前的的腕力+豪力+怪力的文章中，我們可以看到各種誇耀寶可夢力氣的方式，例如、「能夠跟 100 個成年人角力把他們摔出去」、「可以用一隻指頭舉起相撲選手」、「有辦法舉起一台垃圾車」、「把人打飛到地平線彼端」……等。

而這次，我們的狂歡浪舞鴨的特技是能夠踢翻一台卡車。

「只要一腳就能踢翻卡車的強韌腳力，展現充滿異國風情的舞蹈。」——狂歡浪舞鴨朱版敘述^註4

要計算這有多誇張，我們需要知道一個非常重要的資訊……究竟是哪一種卡車呢？

卡車這種交通工具有非常非常多的規格，最輕的例如小皮卡只有 2~2.5 公噸，最重的可以達到 15 公噸，甚至在某些重工業地區可以找到更重的運貨卡車。

寶可夢朱／紫據稱是參考西班牙為藍本設計的，經過一番搜尋之後，筆者得知西班牙地區是全歐洲輕型卡車比例最高的地方^註5，這類卡車本身重大概介於 3~4 公噸之間，如果滿載貨物的話，重量可以達到 10 公噸以上，我們這邊就大概取個平均值 7 公噸好了。

然後我們還得先定義踢翻卡車這件事情：我們就假設狂歡浪舞鴨用腳朝卡車的側面一半高的地方踢下去，然後車子會以一邊的車輪為支點翻過去，側面著地。

經過一些力矩的計算，我們可以知道要把一台 7 公噸重的卡車踢翻，需要從從中間給予大約 68600 牛頓的力……這可比一台小汽車引擎全力輸出時的力道還要強啊~

但是最誇張的還在後面！

最後一步，我們想要知道狂歡浪舞鴨的這一腿到底有多快！要得到這個結果，筆者需要知道此鴨的整隻腳重量為何，因為畢竟是腳在對卡車施力的。

圖鑑上寫說狂歡浪舞鴨體重為 62 公斤，而牠的外貌滿接近人形生物的，所以我們先參考人體結構來預估。人類的一整支腳平均占全身體重的 16~18% 左右，我們的狂歡浪舞鴨看起來腿略長，而且既然是格鬥系的，那牠的腿應該很壯，我們就假設牠的整隻腿重量占比更多，大概是全身的 25%，重量的話就是差不多 15.5 公斤。

要計算牠這腿速度多少，我們最後剩下需要的假設的就是假設腿和卡車的接觸時間，依照之前的經驗，就姑且設定為 0.1 秒接觸，然後腿踢中之後立刻停下，再加上很不合理的力道 100% 轉換假設，但是相信我~不這麼做的話答案只會更扯。

套入牛頓第二運動定律的公式，我們可以知道這腿在停下來之前，速度高達秒速 443 公尺，也就是音速的 1.3 倍，這也太快了吧！你的腳怎麼沒有被音爆撕裂啊？相較之下，泰拳高手秒速 17 公尺的踢擊根本是個笑話，如果被狂歡浪舞鴨的這一腳踢到，我看大部分的寶可夢應該是內臟破裂死亡了。

這真是太恐怖了，但狂歡浪舞鴨你為什麼無聊要去踢卡車啊？這種腳力你應該要去踢足球啊！還有這到底是哪一國的舞蹈會有如此的訓練呢？真想知道~

註解:

1. 骨紋巨聲鱷的另一版敘述是「可以透過歌聲改變外形的火鳥，據說是靈魂寄宿在頭上的火球所形成的。」，從這個敘述我們知道牠的火焰跟某種靈魂力量有關，這大概就是為什麼火焰溫度能達到 3000 度的秘訣吧？話說筆者很確定是這裡的溫度是說攝氏，因為英文版的敘述中有寫是 5400 華氏。
2. 也有可能……骨紋巨聲鱷根本不是生物！畢竟牠有幽靈屬性，但這表示牠的出現根本不是進化，而是死亡呢？
3. 這裡我們因為 3000℃ 的火焰而傷透腦筋，但你知道嗎？這還不是寶可夢圖鑑裡最扯的，有兩隻寶可夢：熔岩蝸牛 和 噴火駝，他們的圖鑑敘述都寫到牠們能夠產生 1 萬度 ℃ 的高溫，前者是體溫，後者是噴出的岩漿，這確定不是多寫一個0嗎? 目前科學家有辦法產出最高的溫度只有 4990℃ 而已啊~
4. 狂歡浪舞鴨另一版的敘述是「會用充滿異國情調的舞蹈迷倒看到的對手，然後揮舞以水構成的羽飾將其劈裂。」為什麼羽飾是用水構成的啊？這是怎麼辦到的？這跟強力水刀差在哪裡？
5. 幸好這代寶可夢不是參考德國，因為這是歐洲重型卡車比例最高的地方，如果狂歡浪舞鴨源自這裡，他這一腳一定超出天際。