Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

聽說紅鳳菜含有生物鹼、具有毒性,這是真的嗎?

活躍星系核_96
・2017/07/31 ・2727字 ・閱讀時間約 5 分鐘 ・SR值 546 ・八年級

作者 / 林慶順教授    編輯 / 沙珮琦、雷雅淇

2017 / 7 / 11 一位好友寄來電郵,要我查證一則網路流言的真假。該流言的內容如下:

中科院植物研究所博士劉夙在微博上稱,紅鳳菜含有吡咯裡西啶生物鹼。具有肝毒性,建議大家不要食用這種野菜。他介紹,紅鳳菜在分類學上屬於菊科、千里光族、菊三七屬。上世紀,化學家就發現千里光族植物普遍含有吡咯裡西啶類生物鹼(PA),在動物身上做過了大量 PA 的毒性實驗,證明它有強烈的肝毒性,可以導致肝硬化。
此外,它還有致癌、致畸性,並可導致原發性肺高壓。專家研究表明紅鳳菜的地上部分具有最強的肝毒性。因此,建議市民最好不要食用紅鳳菜。

紅鳳、紅莧,本是一家親?

在我分析這個流言的真假之前,一定要先搞清楚「紅鳳菜」和「紅莧菜」有何不同。

紅鳳菜的植物學名為 Gynura bicolor,而紅莧菜的植物學名則為 Amaranthus tricolor。也就是說,它們在分類學上是屬於不同屬。就外觀而言,紅鳳菜的葉子是正面綠色,背面紅紫色,而紅莧菜的葉子是周邊綠色,中心紅紫色,正反兩面都一樣。

紅鳳菜與紅莧菜比較圖。

一般來說,紅鳳菜用麻油薑絲炒熟,作為一種進補的菜(口感脆硬滑),而紅莧菜則是和小魚乾一起炒熟,作為配飯的菜餚(口感軟爛澀)。紅莧菜似乎沒有什麼毒不毒的爭議。至於紅鳳菜,就請看下面的分析。

-----廣告,請繼續往下閱讀-----

博士、博士,你究竟是何方神聖?

首先,我們來看流言所說的「中科院植物研究所博士劉夙」是否真有其人。

百度百科是這麼說:
劉夙,男,1982 年 7 月生於山西省太原市。2004 年本科畢業於北京大學化學與分子工程學院。2007 年畢業於北京大學歷史學系,獲碩士學位。現為中國科學院植物研究所博士研究生。研究方向為植物學文獻和植物學史。業餘從事科普寫作和科學傳播活動,現為互動百科新知社植物組專家成員,為「自然之友」植物組指導老師和科普雜誌《新知客》專欄作者,並在《新京報》、《牛頓科學世界》等雜誌上發表科普文章數十篇。

劉夙在微博的網頁是這麼說:
1982 年 7 月 29 日出生,畢業於北京大學,是上海辰山植物園工程師,果殼網作者、微博簽約自媒體。

由於我沒有微博帳號,所以無法進一步查證劉夙是否真的有在微博談論紅鳳菜有毒。但是,有關劉夙與紅鳳菜的消息是首次出現在一篇 2013 年 8 月 13 日的四川在線文章。該文章的標題是網傳食用血皮菜可致肝癌 調查:成都菜場很好銷,第一段是:

-----廣告,請繼續往下閱讀-----

進入夏季後,野菜血皮菜 (也叫紅鳳菜)逐漸在成都菜市場上出現,不少市民以為這種野菜能夠補血,常買回家涼拌或炒豬肝吃。近日,中科院植物研究所的博士劉夙在微博上稱,血皮菜含有吡咯裡西啶生物鹼,具有肝毒性,建議大家不要食用這種野菜。

也就是說,早在 4 年前,就有有關紅鳳菜有毒的傳聞。但是,就是不知道為什麼,這個傳聞近幾日又熱絡起來。

紅鳳菜。圖/By Hakkatw @ wikipedia commons

維持多元飲食,不怕紅鳳菜有毒

不管如何,的確是有文獻說紅鳳菜含有吡咯里西啶生物鹼,而此一生物鹼的確具有肝毒性。譬如,一篇今年 1 月 21 日發表的研究調查報告就是這麼說,而它是出自於中國的科學院植物研究所。但是,反過來說,一篇 2015 年出自於長庚大學的報告卻說紅鳳菜沒有任何毒性。

還有,台灣癌症基金會的一篇文章完全沒提到紅鳳菜有毒,反而說它:

  1. 富含維生素 A 及 β 胡蘿蔔素
  2. 含鐵量高
  3. 抗發炎
  4. 有助降血壓
  5. 富含花青素

事實上,香港的食物安全中心有一份日期標示為 2017 年 1 月的「風險評估研究第 56 號報告書」,而其標題就是食物中的吡咯里西啶類生物鹼。我把其中的重點整理如下:

-----廣告,請繼續往下閱讀-----

 1. 目前已從 6000 多種植物中發現超過 660 多種吡咯里西啶類生物鹼及其相應的氮氧化衍生物。吡咯里西啶類生物鹼是分布最廣的天然毒素,有報告指出,人類會因使用了有毒的植物品種所配製的草本茶或傳統藥物,以及進食了被含有吡咯里西啶類生物鹼的種子所污染的穀物或穀物製品(麵粉或麵包)而中毒。海外研究顯示,人類進食蜂蜜、茶、奶類、蛋類和動物內臟,亦會攝入吡咯里西啶類生物鹼;不過,現時並沒有這些膳食來源導致人類中毒個案的報告。

 2. 經分析 234 個樣本後,其中有 118 個(50%)驗出含有至少一種「 1,2-不飽和吡咯里西啶類生物鹼」。在這 118 個樣本當中,大部分(91 個)屬於「乾製香料」、「蜂蜜」和「茶葉(已沖泡)」食物組別。至於其他驗出含吡咯里西啶類生物鹼的食品,還有小麥、黑麥麵粉、鴨蛋、乳酪、芝士、茶飲料等。

 3. 就不同食物組別的吡咯里西啶類生物鹼含量而言,以「乾製香料」的 1,2-不飽和吡咯里西啶類生物鹼總量最高,其次是「蜂蜜」和「茶葉(已沖泡)」。

「乾製香料」的 1,2-不飽和吡咯里西啶類生物鹼總量最高。圖/Stux @ Pixabay, CC0 Public Domain

 4. 「茶葉(已沖泡)」是市民攝入吡咯里西啶類生物鹼總量的主要來源,佔總攝入量達 3%(即攝入量下限為每日每公斤體重0.00016微克)。

-----廣告,請繼續往下閱讀-----

 5. 到目前為止,尚無人類流行病學資料顯示,攝入吡咯里西啶類生物鹼與人類患癌有關。

 6. 一般而言,根據動物研究建立的基準劑量可信限下限,計算所得的暴露限值若 ≥10000,從公眾健康角度觀之,值得關注的程度不高,並無採取風險管理措施的急切需要。

 7. 根據這次研究從膳食攝入吡咯里西啶類生物鹼總量的結果,並無充分理據建議市民改變基本的健康飲食習慣。市民應保持均衡和多元化的飲食,包括進食多種蔬果,避免因偏食某幾類食物而攝入任何過量的污染物。

從上面所列的重點可以得知,吡咯里西啶類生物鹼並不是紅鳳菜特有的,而就攝取自食物而言,並無證據顯示它真的具有風險。所以,我給讀者的建議就跟第七點一樣:只要保持均衡和多元化的飲食,就無需擔心紅鳳菜是否有毒。

-----廣告,請繼續往下閱讀-----

參考文獻:

 

-----廣告,請繼續往下閱讀-----
文章難易度
活躍星系核_96
778 篇文章 ・ 128 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia

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

-----廣告,請繼續往下閱讀-----

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。