化學災害的幕後英雄：化學技術特工出動！（下）

• 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。

• 文／雅文基金會聽力師 張晏銘 

絕大多數的人都曾有這樣的經驗，在吵雜的捷運車廂內戴起耳機，不自覺調大音量，讓自己全然沉浸在音樂／影片／Podcast／Clubhouse 的世界裡；又或是前一天晚上參加演唱會、派對，與朋友在 KTV 盡情高歌，隔天卻出現耳鳴、耳悶、聽不清楚，通常不用理會過個幾天就沒事了，但是真的⋯⋯沒事嗎？

神不知鬼不覺的噪音風險

乍看之下這似乎不是一個大問題，但隨醫療科技進步，從 2006 年開始便有學者發現，在噪音出現的當下神經便可能直接產生「神經毒性」，進而出現不可逆的傷害，即使隨著時間對聲音的敏銳度看似已經恢復如常，但對聽力早已造成潛在損害^[2][3]。

從物理學的角度來看，聲音是一種能量，它會傷害耳朵有三個原因：

1. 音量大小
2. 暴露時間的長短
3. 距離聲音的遠近。

如果能控制暴露音量、時長及距離，便可將傷害的可能降低。

被動式降噪抵抗高頻噪音

在過往從聽力「防護」的角度出發，一般耳鼻喉科醫生、聽力師或聽語相關專業人員，都會建議大家在挑選耳機時，宜優先挑選具有降低噪音功能的耳機，而耳機採用的降噪技術，一般會分為主動式降噪及被動式降噪。

被動式降噪（passive noise cancellation, PNC），又稱為物理性降噪。與其說是降噪，更貼切的說法是「抗噪」。因為這類型耳機的工作原理，是通過外在材料／器具，對我們的耳朵進行物理性的「隔音」而非消除噪音或降低噪音。一般來說就是透過高密度的耳罩或耳塞材料（如高密度海綿等）阻隔外噪環境，防止噪音進入耳朵。被動抗噪耳機可以有效阻隔能量較小、傳遞能力較差的高頻噪音，像是口哨聲、塑膠袋摩擦聲等。 

在耳機材料相同的情況下，可以遮住耳殼及耳道的耳罩式耳機的被動抗噪效果最好，其次是可以密合耳道的入耳式耳機；而貼耳式耳機則因密合度最差而效果最不理想^[4][5]。 

圖示
耳機類別	耳罩式	入耳式	貼耳式
抗噪能力	最佳	中等	最差

利用反向聲波的主動式降噪

主動式降噪（Active noise cancellation, ANC）與被動式降噪在原理上大不相同，它並非是把噪音「阻擋在外」，而是透過耳機麥克風分析外界持續性噪音（例如冷氣聲、捷運引擎聲等）後，運用內建晶片進行處理並產生一個與噪音相同但振幅卻完全相反（相位相反）的聲波來做抵銷（圖二）。當兩個信號大小完全相同卻處於反向（相位相反）時，便會產生完全破壞性干涉，使兩個信號相互抵消。此時聲波便不再產生，我們自然就聽不到噪音了^[6]。

 主動式降噪耳機的「副作用」？  

在網路上搜尋主動式降噪耳機的使用心得，有些使用者反應「配戴主動式降噪耳機後，會出現耳鳴、耳悶或頭暈的現象」，因此難免會有主動式降噪耳機會傷害聽力的疑慮，但事實上主動式降噪耳機最早是為了幫助飛行員降低「飛機引擎聲」造成的噪音傷害而研發的，因此從技術層面上來說，它本身並不具有危害性，甚至從另一個角度來說，它可以降低使用者因「噪音導致的身心健康問題」，那耳悶跟耳鳴又是怎麼產生的？

耳悶感 

很多人都有坐飛機的經驗，當飛機爬升時會有耳悶的感覺，這是因為耳內外壓力改變，中耳腔的鼓膜處緊繃狀態，同時緊繃的鼓膜也讓低頻聲音難以進入耳朵。主動式降噪耳機 主要在抵消低頻噪音，因此部分使用者的大腦可能會誤判現在是「壓力產生變化」，進而產生頭痛和耳悶感^[7]。

 耳鳴 

耳鳴產生的原因非常多，且好發於各年齡層，但由於多數人耳鳴狀況不嚴重，也並非 24 小時都會耳鳴，因此很難在一般生活情境下察覺耳鳴的狀況；然而，當我們戴上抗噪耳機、耳塞或在一個非常安靜的環境下，原本很小聲的耳鳴便容易被凸顯出來，導致使用者覺得耳鳴的狀況增加。 

 只有小孩才做選擇，享受和健康都兼顧

降噪耳機讓聆聽者能更清楚接收音樂，避免音量過度放大^[8]。此外，聆聽的時間長度也十分重要；近年來有些耳機有所謂的「自動音量控制」系統，透過耳機本身或相對應的 App，來監控使用者的使用時間。一旦發現使用過久，便會進一步限制使用者可聆聽的音量，讓音量漸漸變小。

不管是被動式抗噪、主動式降噪或音量時長控制，都可以有效幫助我們留意及監控使用習慣，因此在挑選耳機時，除了音質及蓄電量考量，我們也應該著重挑選具有上述功能的耳機，當然，若能上述三者兼具，那對耳朵能起到的防護作用自然會最大。 

參考資料 

1. World Health Organization. (2020年3月1日). Deafness and hearing loss. 擷取自 World Health Organization: https://www.who.int/news-room/fact-sheets/detail/deafness-and-hearing-loss
2. Fernandez, K. A., Jeffers, P. W., Lall, K., Liberman, M. C., & Kujawa, S. G. (2015). Aging after noise exposure: acceleration of cochlear synaptopathy in “recovered” ears. Journal of Neuroscience, 35(19), 7509-7520.
3. Liberman, L. D., & Liberman, M. C. (2015). Dynamics of cochlear synaptopathy after acoustic overexposure. Journal of the Association for Research in Otolaryngology, 16(2), 205-219.
4. Hodgetts, W. E., Rieger, J. M., & Szarko, R. A. (2007). The effects of listening environment and earphone style on preferred listening levels of normal hearing adults using an MP3 player. Ear and hearing, 28(3), 290-297.
5. Kuo, S. M., Chen, Y. R., Chang, C. Y., & Lai, C. W. (2018). Development and evaluation of light-weight active noise cancellation earphones. Applied Sciences, 8(7), 1178.
6. Harris, W. (2008). How Noise-canceling Headphones Work. How Stuff Works, https://electronics. howstuffworks. com/gadgets/audio-music/noise-canceling-headphone3. htm.
7. Andy G.(2021年1月28日). Are Noise-Canceling Headphones Safe? 擷取自 HEADPHONESTY : https://www.headphonesty.com/2020/09/are-noise-canceling-headphones-safe/
8. Liang, M., Zhao, F., French, D., & Zheng, Y. (2012). Characteristics of noise-canceling headphones to reduce the hearing hazard for MP3 users. The Journal of the Acoustical Society of America, 131(6), 4526-4534.

文 / 粒腺體、亞坦尼斯

近日社群上出現了違法進口中國製口罩，和台灣製口罩的送檢報告，引起了一番「 CNS14775 不是醫療級口罩的標準！」、「為什麼不測阻擋病毒的效率？」的論戰。

BUT 這其中的觀點充滿了迷思，恐怕只會越吵越混亂。那麼，這些爭論中有那些迷思呢？

我們先把結果摘要在這裡：

• 迷思 1：「口罩應該測阻擋病毒的效率，而不是阻擋細菌的效率！？」
• 回應：

1. 臺灣醫用口罩規範 (CNS14774) 中，對所有等級的醫用口罩都不用針對阻擋病毒的效率進行評估。為什麼呢？我們下一點說明。
2. 因為病毒會附著在口水、飛沫上，所以實務上應該要量測阻擋該類型粒子的能力，而非病毒本體；所以口罩其實不需要測阻擋病毒的效率。

• 迷思 2：「CNS14775 不是醫療級口罩的標準，CNS14774 才是？」
• 回應： CNS14774 是醫用口罩標準的總綱，等同於一篇文章的摘要，其中包含實驗方法、細項分類等。而 CNS14775 是其中一項實驗方法。換言之， CNS14774 是評斷醫用口罩的摘要、開場白； CNS14775 是教導廠商如何評斷醫用口罩的實驗方法； CNS14774、CNS14775 都可算是醫用口罩的標準文件。

那到底醫用口罩的規範是什麼？明明也需要阻擋病毒的口罩為何不測病毒阻擋效率呢？除了過濾效率，你知道一片合格的口罩還需要注意哪些事嗎？看到這裡還沒離開相信你是很有耐心的智人，那就聽我們娓娓道來吧！

口罩檢驗怎麼做？

臺灣對於醫用口罩的規範說明文件是什麼？答案是 CNS14774（醫用面（口）罩 Medical face masks），其中提及合格的醫用面（口）罩，須通過：

• 抗合成血液穿透性（阻擋血液噴濺，沾染到口、鼻腔等）
• 細菌過濾效率（阻擋細菌等）
• 次微米粒子防護效率 （阻擋比細菌更小的東西，如氣溶膠等）
• 壓差（測量流體在口罩兩側的流通性；換言之，確保戴了口罩後，還能呼吸）
• 防焰性

當然，檢驗也不能亂做，經濟部標檢局也附了各項檢驗的操作 SOP ，如：細菌過濾效率須遵循 CNS14775 的步驟。

CNS14775 是醫用口罩的實驗方法之一，該文件將說明實驗該如何操作、使用什麼菌株、器材該如何架設等，以確保合格的廠商都用相同的實驗進行評估。

換言之，依台灣的標準 (CNS14774) ，合格的一般醫用面（口）罩，僅要求：

• 細菌過濾效率
• 壓差

若是更高等級的外科手術用（口）罩，還會加上阻擋血液噴濺等要求。

BUT，此時也許你的心中會有個小疑問——怎麼沒有阻擋病毒的評估呢？因為病毒的傳播，是靠口水噴濺的啊！

防細菌，不防病毒？

為什麼口罩的標準中，未撰明須檢測「阻擋病毒」的能力呢？生活場景中，我們臉上的口罩是直接擋住病毒、還是含有病毒的口水？

其實就呼吸道疾病傳染的角度來看：幾乎都是透過帶有病毒的口水飛沫，噴濺到物品或健康人的身上，他們再觸摸口鼻而感染。

換言之，阻擋口水大小的顆粒，是較符合真實世界的需求。而2009年在美國就實際量測人體產生的飛沫顆粒發現，絕大多數的飛沫都大於1微米 (μm)（大於 4μm 佔 46% 、 1~4μm 佔 49% ）[感染控制雜誌，2009]。

而針對現在流行的冠狀病毒瘟疫 (COVID-19) 或過往的流行性感冒，科學界都普遍認可配戴口罩能阻擋口水飛沫的傳播 [Fennelly, K. P., 2020]。

換言之，不論從科學的推論，或是真實感染控制的層面裡，現行口罩的規範（主要針對微米 (μm) 等級的過濾能力）已足以抵禦透過飛沫傳染的疾病（現行的冠狀病毒瘟疫 (COVID-19) 或流行性感冒傳染）；無須強調冠狀病毒的顆粒尺寸來要求口罩的規範。

題外話，倘若要抵禦的是血／體液傳播的傳染病，如：伊波拉出血熱，那麼醫用口罩的規範可能要特別針對血液的防浸透能力了。

口罩只要注意過濾效率就好了嗎？

當然不是。

如果阻擋能力高到連呼吸都有困難，那擋住病毒前，不就悶死了嗎？

所以合格的醫用口罩，不是只看微生物的過濾效率，也要看透氣的能力！所以單就過濾效率來評斷某廠牌的口罩較佳或較差，證據上恐怕不足。

一般而言，阻擋外物的效果越強，口罩兩側的壓力差距越大，口罩的通氣性也越差。如前述圖 (CNS14774) 的敘述中可看到，台灣標檢局對於「壓差」都有規範，其須維持在一定的範圍內，以確保口罩能阻擋外物之餘，使用者仍可正常呼吸。

數字的背後，科學的極限

回顧本次議題在輿論上的爭議，有人看到進口口罩的過濾率比國產口罩高，而認為更應該要買進口口罩；有人看到進口口罩的細菌過濾率較高，而質疑應該要檢驗病毒而非細菌。

經過上述研究與法規的整理回顧，我們認為這次送檢的兩份口罩，確實因進口口罩的過濾率較高，有可能帶來更好的防護效果，但兩則口罩的檢驗結果均符合我國國家標準CNS的要求，足以達到醫用口罩必須有的防護效果。

儘管如此，在此例中網友自發性的送檢口罩，仍須留意取樣偏差的問題。在工業製程上，生產線的可靠度，往往就是取決於良率高低與品質是否一致，若要判斷產線優劣，應基於具統計意義的隨機抽樣調查。

因此縱然網友送檢的口罩有過濾率的高下之分，基於單一個案的檢驗結果的證據力，也遠不足以能推估到整體國家或公司生產口罩品質的優劣，而認定進口口罩的品質較好而值得購買。

然而網友自行送檢的結果，也並非毫不可取而無法採信。許多促成社會變遷的「公民科學」發展，常始於少數熱心公民自發性地發起科學研究、量測環境數值、自費檢驗有興趣的物品。

如美國1970年代起，民眾自發量測水質、送檢兒童玩具成分，而促成了美國環保署與食藥署的法規更迭與管制精進。若願意正面看待網友的送檢結果，這也是可以是個優化「口罩國家隊」的契機，畢竟「國家隊」的對手是病毒，舞台是世界。

當然，無論品質優劣，無論商業或科學，誠信是做人的基本而已。

參考資料

1. 感染控制雜誌編輯部 (2009)。在高風險單位配戴外科口罩以控制流感病毒的傳播。感染控制雜誌 ； 19卷4期， P261 – 263
2. 賴全裕。外科手術面罩相關標準與效能要求。
3. 國家標準 (CNS) 網路服務系統
4. ASTM F2101-19, Standard Test Method for Evaluating the Bacterial Filtration Efficiency (BFE) of Medical Face Mask Materials, Using a Biological Aerosol of Staphylococcus aureus, ASTM International, West Conshohocken, PA, 2019, www.astm.org
5. Leung, N.H.L., Chu, D.K.W., Shiu, E.Y.C. et al. Respiratory virus shedding in exhaled breath and efficacy of face masks. Nat Med 26, 676–680 (2020).
6. Jayaweera, M., Perera, H., Gunawardana, B., & Manatunge, J. (2020). Transmission of COVID-19 virus by droplets and aerosols: A critical review on the unresolved dichotomy. Environmental research, 188, 109819.
7. Fennelly, K. P. (2020). Particle sizes of infectious aerosols: implications for infection control. The Lancet Respiratory Medicine.