令人難以置信的大陸漂移說–魏格納誕辰｜科學史上的今天：11/1

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

• 作者：陳竹亭

雅典娜的智慧與暴力：地圈

不時變動的地殼，就像希臘神話中兼具智慧與暴力的雅典娜（Athena），是她一體的兩面，從出生時就驚動了大地之母蓋婭，長成後卻又聰明地藉其暴力之美形塑、震撼了大地。

地球的陸地地景十分多樣，有高山峽谷，有平原沙漠；地表並不平靜，事實上是活力十足，有火山、熔岩，有地震，有風暴⋯⋯與無聲無息的寧靜月球形成強烈的對比。

地球屬於石質行星，「地圈」指的是地球外部固體的部分，包括地殼（crust）和上部地函（mantle）。地球中央是由地核（core）組成，這種不連續的分層結構，表示行星在形成過程中可能發生過化學凝析作用（chemical condensation），也就是從一種勻相經由溫度變化分成不同相的過程。重的元素以凝態往地心下沈，輕的物質向地表上升，甚至形成氣體。

地球半徑約 6,380 公里，有分層的結構及磁場分布。地震波（seismic wave） 顯示地下 2,900 公里處有不連續面。2,900 公里以上壓縮波（compression wave）和剪切波（shear wave）均可穿透，屬於固態結構。2,900 公里以下只有壓縮波能穿過， 且波速慢， 表示是液態物質。所以分層顯示 2,900 公里以上是鎂矽酸鹽地質，2,900 公里以下則是高壓熔融鐵，密度大的鐵核可能從熔融的矽酸鹽沉入地心。新的震波探測還顯示地核可能有液態、軟結構和硬結構，相關研究仍在進行中。

鐵元素在地球上的分布， 包括地核中有 1.87×10⁹ 兆噸，地函中有 4.11×10⁹ 兆噸，地殼及海洋中約為 0.01×10⁹ 兆噸。從岩漿的分析來看，鐵佔了 8%，但是佔地球 1/3 的液態鐵是集中在地核，可能是吸收了週期表中相鄰或附近的貴重金屬元素，而下沉至地核中，所以地表存量反而較為稀少。

地殼的成分

從地質化學的觀點，鐵、鎂、矽、氧組成的礦石主要有氧化鐵、橄欖石和輝石，這些礦石的含鐵量依次遞減。不含金屬的氧化矽晶體就是石英。鐵元素不僅形成地核，也改變了地函礦物的種類，同時也影響微量金屬的分布及地殼的成分。

地質學上，根據特定元素及放射性同位素存量的比例，可估計地核及地函形成的時間。目前科學家相信：如果地球是獨自形成，地球的分層，大約是發生在地球形成約 1 億年以內的最初期。

地球的上部地函，就是地球地殼至外核之間的部分，約在地殼以下到深度 400 公里處， 包含部分岩石圈（lithosphere）及軟流圈（asthenosphere）。岩石圈部分厚約 100 公里。地球內部放射性元素的衰變，應當是重要的能源之一。這種高溫可能使地函成為一個富彈性、易變形的半凝固地質，能夠產生對流。

海洋地殼（ocean crust）是玄武岩岩石層，也就是沉積岩，由密度較大的矽鎂質的岩石構成，矽酸鹽成分較少，偏鹼性。現存海洋地殼年齡都在 200 百萬年之內，相對而言十分年輕。

編按：內文誤植，玄武岩岩石層，應為火成岩，而非沉積岩。

陸地的花崗岩（continental crust）即為火成岩，是岩石圈的一部分，由岩漿冷卻形成花崗岩石。結晶性高，和海洋地殼共同成為地球的最外層，主要由含較輕之矽鋁質的岩石，富鋁、鈉和鉀。鐵和鎂反而較少，偏酸性。密度較海洋地殼小。

變動的地殼：分裂的大西洋脊與大陸飄移

大陸地殼浮在地函之上，厚度在 20 至 80 公里之間，約有 38 億年的壽命。地殼的變動是海洋隱沒帶（subduction zone）延伸入大陸地殼下方，沉積物帶入地函，變質、分解釋出二氧化碳，讓海洋生物可以再利用。

中大西洋洋脊（mid-Atlantic ridge）是一個縱切大西洋及北冰洋、大部分位於海底的活火山山脈。由北緯 87 度縱貫延伸至南緯 54 度，恰好是地質板塊邊界（plate boundary）的交會處。

地球內部放出的熱，對地表溫度幾乎沒有影響，但是地函的對流能使地表沉積物拉入地函中，再分解出二氧化碳，最後由火山噴出。熔岩與火山顯示地函的溫度應該仍然非常高，超過 1000 ℃，岩漿的運動提供了地球表面「建造」地殼的活力。自然界地表的地質傾軋與角力，可能是地球生機乍現的起點。

「海底擴張」（oceanic spreading）的活動，主要是由中洋脊的地底火山自海底的地殼中央噴射而出，形成了新地殼。地殼向東西兩側邊延伸，每年以 40-90 毫米（mm/yr）的速率擴展，至今仍然在持續進行，這也是大陸飄移理論最好的證據。

1915 年， 德國的偉格納（Alfred Lothar Wegener, 1880-1930）提出「大陸漂移說」（continental drift theory），認為大陸地塊會隨地質年代而漂移，這個假說在當時很少人真正給予重視。直到 1950-60 年代，放射性定年法的技術大為改進，才使得研究地球古岩石或沉積磁性的古地磁學異軍突起。

1959 年， 美國地質調查局（USGS） 和澳洲國立大學（ANU）的科學家競相發表大西洋脊兩側海底沈積岩對稱的註記了過去世代的「地磁反轉」（geomagnetic reversal）尺標。地球磁場在地球歷史中，南北極有非週期性的變換現象，可由大西洋海底地殼的磁性隨地質年代的變化獲得。地磁反轉的清晰磁條可以準確地推算出地質年代，再測量其到中洋脊心的距離，就可以估計當時海洋擴展的速率。

1963 年，英國的維尼（Frederick John Vine, 1939-）和馬太（Drummond Hoyle Mathews, 1931-1997）結合了地磁反轉和海洋擴張來支持大陸漂移說（continental drift theory）。加拿大的莫雷（Lawrence Whitaker Morley, 1920-2013）也同時獨立發表了相同的學說，但他提出發表的論文遭到拒絕，數年後才正式出版。

根據大陸漂移的理論，上部地函及地殼的岩圈分裂成幾塊「板塊」，這些板塊相互的傾軋運動，決定了地殼板塊邊緣的聚合或分離、造山運動或是海溝形成（trench formation）、還有轉形斷層（transformation fault）、地震或是火山活動。這些現象必然都和地函的對流運動之動力變化有關，但是理論有很多種，研究也都還在進行中。

宏觀來看，不僅地圈的一顰一動都與陸地生命體息息相關。地圈、水圈與氣圈的對流層也緊緊地和生物圈結合在一起，其構成多樣多姿的行星生命世界，是最令人屏息的宇宙景象。

台灣島的生成

台灣島正好地處於地質活躍帶上，西為歐亞板塊、東北是琉球板塊、東鄰菲律賓板塊及南方的巽他板塊的交界處。是世界上最頻繁的地震活動地區之一。台灣島的中央山脈主要是由 600 萬年前的蓬萊造山運動—菲律賓板塊向西擠壓歐亞大陸板塊而形成。至今，菲律賓板塊仍以每年 8.2 公分的超高速度持續向西北移動。

相對於 46 億年的地球，600 萬年的台灣是非常年輕的島嶼，那時古猿人才剛在非洲大陸出現呢。我們身在這個蓊鬱之島上，不能不知道和她有關的地質、地理與自然生態，當然還有人文、歷史及社會的形成過程。

——本文摘自《丈量人類世：從宇宙大霹靂到人類文明的科學世界觀》，2022 年 9 月，商周出版，未經同意請勿轉載。

• 周碩君｜國立中央大學地球科學學系四年級

居住在這顆藍色的星球這麼久，身為人類的我們自然而然、習以為常地生活在陸地上。

然而，為什麼世界分成七大洲？七大洲從哪裡來？我們為何需要遠渡重洋才能到達彼方呢？

這些問題的答案，直到近百年科技發達，使得地球科學有了很大的進展，科學家才逐漸了解在岩石與海水之下那個隱藏著支撐我們家園的秘密——板塊。

國、高中時，我們都學過「板塊構造學說」，主張地球最外層由十幾個大小不一的板塊拼湊而成，而身為臺灣人的我們，也都知道臺灣位處在歐亞板塊與菲律賓海板塊之間，島上的陡峭山脈來自於板塊的碰撞。

雖然如今板塊構造學說人人都能琅琅上口，但自 20 世紀初期以來，它可是歷經了千辛萬苦才得以引起近代科學家的注意，耗費三十年，才逐漸壯大為地球科學的知名理論。

在板塊構造學說的誕生故事前，有一位至關重要的科學家——魏格納。

魏格納玩的拼圖遊戲，是一個整個地球

魏格納 (Alfred Lothar Wegener) 是一位德國地球物理學家、氣象學家和天文學家。 1908 年魏格納被馬爾堡大學聘為氣象學、天文學和宇宙物理學應用講師。

任教期間，魏格納留意到世界地圖上，非洲大陸西岸和南美洲東岸，也就是大西洋兩側的海岸線輪廓很相似，就像是兩片可拼起的拼圖邊緣：一凹一凸，彼此密合。因此，魏格納想像兩邊陸地原本可能相連，開啟了關於大陸漂移的研究，也是往後地球物理學與地質學的重要基礎。

1911年，魏格納在馬爾堡大學圖書館，讀到一篇奧地利地質學家修斯 (Eduard Suess, 1885) 有關岡瓦那大陸 (Gondwanaland) ¹ 的文章，內容提到根據南半球各大陸上有相似的地質沉積岩層和古代動植物化石，假設在南半球曾經存在過一個統一的大陸。

魏格納是一位氣象學家，利用影響全球氣候帶分布控制因素的專業知識，判斷這些反應古氣候的沉積物證據，與當時全球氣候分布不相符。經過全球古生物化石和沉積地層的資料分析，獲得不符合現今緯度的證據，於是魏格納不僅可以支持修斯的假說，更進一步認知到大陸可能會漂移。

我們曾經都黏在一起？大陸漂移學說

1915 年魏格納正式出版《大陸與海洋的起源》²一書，以多面向的證據解釋「大陸漂移理論」。在這本書裡，魏格納主張大約在二億年前，地表有一塊「盤古大陸」稱作「泛蓋婭」 (Pangaea) ³，經過分裂變成兩個陸塊，再繼續分裂與漂移，直到形成今日的樣貌。

魏格納以古生物的資料作為證據，將目前幾個分離的大陸：南美洲、非洲、印度、南極洲、澳洲接合起來，如圖三所示⁴。這四種古生物，皆不能跨越海洋，到其他陸地生存，所以能支持這些陸塊曾經連在一起的理論，呈現帶狀且連續的動植物分布範圍。

在二疊石炭紀時期冰川中，也可以找到關於古氣候的證據。冰磧遺跡中的苔原植物很矮小、貼近地面生長，會利用陽光照射地表空氣和土壤的溫度存活，生長期更長，應該分布在高緯度、甚至極地地區。這些古苔原植物能在現今南半球各大陸發現，就可以作為這些板塊，從原先高緯度環境，慢慢移動到現在中低緯度的證據。

雖然魏格納提出了大陸漂移的種種證據，但因為沒有辦法解釋移動的機制，加上他並非地理學或地質學出身的學者，使得當時學界對他的想法嗤之以鼻。

戰爭埋葬了生命，也催生了偉大的新科技

他的研究被世人遺忘了三十年，直到世界大戰，人們發明許多新科技，地球科學的研究才再次嶄露曙光。

第一次世界大戰為了探測潛水艇而發明聲納觀測，這項發明可以用來測繪海底地形。當探勘船發出聲波、從海面向海底傳播後，探測員就可以利用從海床反彈的聲波的時間差來計算海底深度，借此測繪出海底地形，此時，人們也因此發現了大西洋中部的海底山脈——大西洋中洋脊。

到了第二次世界大戰，磁力儀誕生了，磁力儀原先是運用於戰爭的利器，軍方將其裝置在飛機並偵查海底下的潛艇，而科學家綜合以上兩項技術、岩漿冷卻成岩石的磁性特徵⁵之後，他們發現：

以中洋脊為中心，兩側海底岩石的磁力分布對稱，而且，磁極正反交錯呈現條紋狀分布，就像是超商每樣商品上條碼的樣子，記錄了過去地球磁場方向的每次反轉。

為什麼海底岩石的磁力會這樣分布呢？科學家海斯 (Harry H. Hess) 與狄茲 (Robert S. Dietz) 在 1960 年代利用同位素定年法⁶推斷：由中洋脊冒出的岩漿，生成出海洋地殼並不斷擴張，到了海溝⁷再隱沒到地球內部，像是輸送帶一樣運轉。海斯和狄茲順利解釋了海洋地殼的誕生與消逝，形成「海底擴張學說」。

直到此時，「海底擴張學說」配合魏格納的「大陸漂移理論」，再配合許多研究資料（如海溝處地震定位資料）之後，才逐漸發展出你我熟知的「板塊構造學說」。

這顆古老的地球，仍有無數難以參透的秘密

雖然當代地球科學界普遍認可板塊構造學說的概念，但這個理論並非毫無疑點，尚有許多疑惑等待科學家一一挑戰並且破解。

我們藉由魏格納及近代地球科學家的研究成果，了解地球板塊形成的原因。但是利用各種證據方法，推測陸地過去詳細的模樣，追溯到十八億年前就算是極限了，更久以前的地球板塊又是如何分布的呢？

從現實面來說，沒有任何地質學家能親眼觀察地球內部的物質成分和構造。絕不可能像法國小說家凡爾納的《地心歷險記》⁸，主角李登布洛克和他的姪子進入火山，通過地心，看遍地下所有秘密，再從地球的另一端出現，卻毫髮無傷。

或許在未來，科技更加進步，研究儀器的功能更強大，地球科學家能找到更多關於地球板塊變化的證據。到時候，或許能在板塊構造學說的基礎上，發展出合理解釋地球誕生到現在完整演變的學說，更進一步結合其他領域的科學家，預測未來地球的陸地將如何變化。這些發展，我們都可能參與，也值得我們期待。

註釋

1. 「 Gondwana 」是印度的一個地名，在此地發現的岩石相似於南半球其他大陸，修斯以此稱之。
2. 原文「 Die Entstehung der Kontinente und Ozeane 」。
3. 「Pangaea」原文為希臘語「Παγγαία」，是「πᾶν」（全部）和「γαῖα」（陸地）的合字，即「全陸地」。其中 「Γαῖα」也是前面介紹過的大地之母神。
4. 圖三古生物分帶說明：
   • 橙色：犬頜獸屬 (Cynognathus) 是種三疊紀中期的陸生肉食性犬齒獸類，在非洲、南美洲、南極洲可以發現化石。
   • 藍色：中龍屬 (Mesosaurus) 是一種小型水生爬行動物，在二疊紀早期的南美洲和南非地層中可以被發現。
   • 棕色：水龍獸屬 (Lystrosaurus) 為陸生的中型脊椎動物，存活在二疊紀晚期到三疊紀早期，化石分布於南極洲、印度、南非。
   • 綠色：舌羊齒屬 (Glossop-teris) 是一屬已滅絕的種子蕨類，生存於二疊紀至侏羅紀晚期，化石主要分布於南半球及印度。
5. 岩石中的磁鐵礦會記錄當時地球磁場的磁性，與現今地磁場方向一致稱為「正磁極性」，反之則為「反磁極性」。
6. 利用岩石中的元素，其元素包含不穩定的放射性同位素，具有規律的衰變週期，可作為測量地質年代的方法。
7. 簡單來說，為一種海洋地殼與大陸地殼交界的構造，形成深且狹窄的峽谷。
8. 書名原文「Voyage au centre de la Terre」，為法國小說家凡爾納於 1864 年出版的科幻小說。

資料來源

1. 《板塊構造學說紀事》，W. Jacquelyne Kious, Robert I. Tilling，（陳建志、馬家齊譯），五南，2005。
2. 《海陸的起源》，魏格納，（李旭旦譯），北京大學出版社。

作者後記

作者／周碩君

我喜歡閱讀科學家的故事，認識一個人的成長背景，配合其學術成果，讓我體會到科學發展一直與人緊密相關。我很幸運在 2019 年修了一門通識課，由單維彰老師和鄭芳祥老師共同教授的「知識寫作與思考」，每位學生期末成果就是產生一篇屬於自己的知識寫作。非常感謝老師們對我的文章不斷給予建議，還鼓勵我將作業成果投稿。我的作品選擇了自然科學領域，是一篇結合地球科學和歷史的科普文章，期待透過像說故事的內容，能夠讓更多人透過閱讀獲得有趣的地科知識。

• 責任編輯｜儀珈