Loading [MathJax]/extensions/tex2jax.js

3

0
0

文字

分享

3
0
0

加國大學發現汞可能與生物滅絕有關

國科會 國際合作簡訊網
・2012/03/06 ・1063字 ・閱讀時間約 2 分鐘 ・SR值 556 ・八年級

科學家們揭露了許多關於2億5千萬年前所發生地球最大規模滅絕的成因,當時快速的氣候變化消滅了幾近全部的海洋物種和大多數的陸上物種,現在他們發現了一個可能牽涉到大滅絕的新禍首,就是大量的汞湧入生態系統。

研究報告於日前發表在《地質》雜誌,報告的共同作者Steve Grasby博士說:「以往從沒有人檢視汞是否為潛在禍因,當時的火山活動是地球歷史上規模最大的,我們目前暸解汞的最大來源是出自於火山爆發,我們估計 當時被釋放出來的汞,其數量可能高出現今火山活動達30倍以上,並獲致非常災難性的結果,Grasby是加拿大自然資源部(Natural Resources Canada)的研究科學家、以及加拿大卡加利大學(University of Calgary)的兼任教授。

卡加利大學地質學教授,同時也是共同作者之一的Benoit Beauchamp博士說:「這項研究的重要性在於這是首次認為汞與發生於二疊紀末期大滅絕的原因有所關連。地質學家們,包括我自己應該記下來,並檢視其餘5大滅絕事件。」

二疊紀晚期,海洋中的自然緩衝系統因為汞的含量超載,使得有95%的海洋生物死亡,報告的主要作者Hamed Sanei博士說:「通常,海藻能像清道夫般,將汞埋在沉積物中,可減輕對海洋的影響,但是在這種情況下,負載實在太大,以致於損害無法阻止。」

-----廣告,請繼續往下閱讀-----

大約在2億5千萬年前,在恐龍主宰地球之前很長一段時間,且當時所有的陸地形成一個大陸,絕大多數海中和陸上的生物幾被消滅,普遍被接受的想法是,火山爆發時造成煤層燃燒,因而釋放出二氧化碳和其他致命的毒素,此一論說的直接證據,在同一批作者於去(2011)年1月發表在《自然地球科學》雜誌的報告中也所描述。

研究人員說,在二疊紀末期的汞沉積速率,與現今人類所造成的排放量相比明顯較高,在某些情況下,二疊紀末期海洋的汞含量,與冶煉廠附近因高度污染,以致水生態系統嚴重受損的池塘相似

Beauchamp博士補充道:「我們因工業排放而持續在增加汞含量,而這項結果是給生活在地球上的我們一個警告。」在減少排放方面,加拿大於國際上扮演著領航的角色,在北美地區,至少已藉由法規規範來控制汞的含量,使之得以逐步下降。

不論發生什麼事,這項研究顯示了生命的堅韌性,Sanei博士說:「這個發現是復甦的故事之一,當海洋的緩衝系統超載而使絕大多數的生物滅絕之後,仍能夠自我清理,而我們得以繼續向下一階段的生命邁進。」

-----廣告,請繼續往下閱讀-----

更多研究資訊請參訪:Earth’s massive extinction: the story gets worse

本文轉載自國科會國際合作簡訊網

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 3
國科會 國際合作簡訊網
47 篇文章 ・ 3 位粉絲

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。

5

10
1

文字

分享

5
10
1
1900 萬年前,鯊鯊神秘大滅絕事件?!
寒波_96
・2021/06/29 ・2792字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

鯊魚的歷史超過 4 億年,可謂非常資深的生物,經歷過好幾次「大滅絕」。我們知道,距今 6600 萬年前導致恐龍消失的大滅絕,帶走了當時 30% 以上的鯊魚。

但是最近新發表的論文更報告,1900 萬年前還有一次之前不知道的事件,使得超過 90% 鯊魚消失,也損失 70% 的型態多樣性。

這麼重大的鯊魚滅絕事件,之前我們竟然毫無所悉,對原因也毫無頭緒?

鯊鯊!圖/envato elements

盾鱗與牙齒,判斷魚類數量和物種

研究古生物的物種、多樣性、增減幅度,相當困難。

如今大部分魚類屬於輻鰭魚(ray-finned fish),去世後最容易成為化石的部位是牙齒;不過鯊魚、鰩魚(例如魟魚)這些屬於板鰓亞綱(elasmobranchii)的魚類,留下牙齒的機率很低,較容易保存的,是皮膚上特化的鱗片「盾鱗(denticle)」。

分析海洋沉積物中,魚類的牙齒、盾鱗的數量和種類,便能判斷海中魚類的數目與物種。

新研究的材料來自2次深海鑽探取得的樣本,分別位於北太平洋與南太平洋,能推論古代大洋的生態狀況。(盾鱗總共 1263 個——北太平洋 465 個、南太平洋 798 個)

-----廣告,請繼續往下閱讀-----
魚類的盾鱗與牙齒。圖/取自 [論文作者 Elizabeth Sibert 介紹影片]

1900 萬年前,鯊魚幾乎不見了!

地質年代上,白堊紀始於 1.45 億年前,延續到大約 6600 萬年前;隨後是到 2300 萬年前結束的古近紀(Paleogene),再來是到 260 萬年前為止的新近纪(Neogene),而其中 533 – 2300 萬年前稱作中新世(Miocene) 。

白堊紀末期的大滅絕,消滅了許多生物,卻創造了輻鰭魚崛起的空間。白堊紀的時候,牙齒和盾鱗的比例約為1比1,整個古近紀到中新世的前 400 萬年,牙齒和盾鱗為5比1,比例能讓我們看出一些端倪。

但是 1900 萬年之後狀況非常不一樣,牙齒盾鱗比變成 100 比 1!即使牙齒和盾鱗的比例,未必直接等於鯊魚和輻鰭魚的數量,也能判斷:

距今 1900 萬年過後,大洋中鯊魚的數量減少很多。和之前相比,在此之後少掉超過 90% 的鯊魚。

鯊魚的盾鱗型態種類,在不同年代的分佈。1900 萬年前過後大幅減少,現在只剩下 20%。圖/取自 [參考資料 1]

不同鯊魚,盾鱗的型態有別,因此可以用盾鱗的型態代表鯊魚的多樣性。

-----廣告,請繼續往下閱讀-----

研究者總共定義出 88 種盾鱗型態,1900 萬年前之後,高達 70% 消失。而且在此之後,不再有任何一種新型態誕生。和當時相比,現存的鯊魚僅存 20% 多樣性。

這次鯊魚大滅絕,很可能是史上規模最大的鯊鯊滅團事件。作為對照,6600 萬年前廣為人知的白堊紀末期大滅絕,消滅當時 30 到 40% 的鯊魚,比例竟然只有 1900 萬年前的一半而已。

鯊魚的兩大類盾鱗,線形和幾何形盾鱗。圖/取自 [參考資料 1]

線形盾鱗和幾何形盾鱗

鯊魚的盾鱗可分為兩大類,線形(linear)和幾何形(geometric)。

現生的鯊魚絕大部分配備線形盾鱗,它比較適合長距離游泳。現代鯊魚共有 18 款線形盾鱗,和全盛時期的 53 款相比,剩下 34%。

線形盾鱗。圖/取自 [參考資料 1]

配備幾何形盾鱗的現生鯊魚非常稀有,主要見於住在深海,小型的伏擊型鯊魚,例如雪茄達摩鯊(Isistius brasiliensis)、佩里烏鯊(Etmopterus perryi)。

-----廣告,請繼續往下閱讀-----

根據新研究的分類,世界上曾經有過 33 款幾何形盾鱗,但現在只剩下 6 款,僅存 18%。鯊鯊大滅絕事件之前,幾何形盾鱗有 35% 的相對存在感,之後慘跌到 3%。

由此看來,不論線形或幾何形盾鱗,在距今 1900 萬年過後都損失慘重,但是配備幾何形盾鱗的鯊魚,打擊更加慘烈。

幾何形盾鱗。圖/取自 [參考資料 1]

鯊魚全面滅團的未解之謎

距今 1900 萬年前的鯊魚大滅絕,影響範圍應該遍及全球,不過遠洋海域的損失似乎較大。在此之後,鯊魚的多樣性再也沒有恢復。

論文指出,根據目前有限的資料判斷,如此劇烈的命運動盪或許只發生在短短的 10 萬年內。

-----廣告,請繼續往下閱讀-----

最不得其解的是,鯊魚全族的滅絕事件如此明確,我們卻對它為什麼發生毫無頭緒。

佩里烏鯊(Etmopterus perryi)的體型非常迷你,配備幾何形盾鱗。圖/取自 wiki

地質史上發生過很多次生物大滅絕或小滅絕,以及更多次的劇烈氣候變遷;可是在 1900 萬年前那個時候,海洋化學紀錄和氣候都沒有明顯的變化,似乎也沒有其他動物大量滅團。

影響較大的已知事件,各發生在之前與之後的數百萬年,都和 1900 萬年前的鯊魚大滅絕沒有直接關係。先發生的是早 400 萬年,距今 2300 萬年的古近紀、新近紀轉換期(Paleogene-Neogene boundary);之後是晚 500 萬年,距今 1400 萬年的中新世中期滅絕事件(Middle Miocene disruption)。

當時海洋中一定發生過什麼我們還不知道的事,才導致幾乎所有鯊魚同時消失,而且再也沒有恢復;也可以肯定 100% 和智人沒有關係。

但是最近的鯊魚滅絕,和智人的直接獵捕、漁業、海洋汙染顯然關係不小。一項研究統計,公元 1970 到 2018 年間,鯊魚減少了 71% 之多。很有可能,鯊鯊再度面臨 1900 萬年未有之大變局。

-----廣告,請繼續往下閱讀-----
1900 萬年後的現在,鯊鯊們是否正在面臨另一次大滅絕?

論文作者 Elizabeth Sibert 介紹影片:

延伸閱讀

參考資料

  1. Sibert, E. C., & Rubin, L. D. (2021). An early Miocene extinction in pelagic sharks. Science, 372(6546), 1105-1107.
  2. Elizabeth Sibert 推特
  3. When sharks nearly disappeared
  4. A shark mystery millions of years in the making

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁

-----廣告,請繼續往下閱讀-----
所有討論 5
寒波_96
193 篇文章 ・ 1090 位粉絲
生命科學碩士、文學與電影愛好者、戳樂黨員,主要興趣為演化,希望把好東西介紹給大家。部落格《盲眼的尼安德塔石器匠》、同名粉絲團《盲眼的尼安德塔石器匠》。

0

0
0

文字

分享

0
0
0
還當氣候變遷是謊言?二氧化碳濃度已跨過警戒線!——《氣候緊急時代來了》
天下雜誌出版_96
・2020/07/02 ・3048字 ・閱讀時間約 6 分鐘 ・SR值 556 ・八年級

  • 作者/大衛‧華勒斯—威爾斯 (David Wallace-Wells);譯者/張靖之

實際情況比你以為的還要糟,而且糟很多。

有人主張氣候變遷是個緩慢的過程,這是個美麗的謊言!就和氣候變遷不存在的論調一樣害人不淺,因為這個主張還造成了幾種錯覺,讓我們以為可以安心。這些錯覺包括

  • 全球暖化是在北極上演的事,離我們尚遠;
  • 只會影響海平面和海岸線,不是鋪天蓋地、每個地方和地球上所有生命都會被徹底改變的全面性危機;
  • 這是自然界災難,不是人類社會的災難,我們今天已經不再倚賴自然界存活,或者說已超越自然界,至少具備抵禦自然力量的能力,不可能無處可逃、毫無招架之力,更何況我們有雄厚財力可以抵禦暖化的破壞;
  • 燃燒化石燃料是維持經濟成長之必要,而伴隨經濟成長而來的科技進步可以拯救環境災難;
  • 在人類漫長的發展史上,絕對找得到同等規模的威脅,我們有信心克服挑戰⋯⋯

這些認知實在錯得離譜,就讓我們先從變遷的速度說起。

氣候變遷的速度有多快?

在我們正身歷其中的這次大滅絕之前,地球曾發生過五次大滅絕,每次都把生命的紀錄抹得幾乎一乾二淨,就像演化上的歸零重來。

冰層在幾個月之間快速融化。圖/giphy(NASA 製)

地球的種系發生樹像一顆肺,一下膨脹、一下塌縮,每隔一段時間重來一次:距今四億五千萬年前,有 86% 的物種滅絕;那之後的七千萬年,有 75% 的物種滅絕;再過一億年後,96% 的物種滅絕;再過五千萬年,80% 的物種滅絕;再過一億五千萬年,75% 的物種滅絕。

-----廣告,請繼續往下閱讀-----

事實上,除了恐龍滅絕那一次,其他四次大滅絕都直接和溫室氣體導致的氣候變遷有關。最嚴重的一次發生在二億五千萬年前,一開始,地球因為大氣中二氧化碳濃度增加,溫度上升了攝氏 5 度,而氣溫上升又導致另一種溫室氣體甲烷大量排放,進一步加速暖化,最後地球上的生命消失殆盡。

現在,我們正以更快的速度排放二氧化碳到大氣中。根據大多數預測,現今的碳排速度至少是地球史上最嚴重大滅絕時期的 10 倍,也是人類史上工業化之前的 100 倍。

目前大氣中的二氧化碳濃度已升破 411ppm,比 1958 年首次觀測到的大氣二氧化碳濃度 316ppm 整整高出 30% 以上,也創下八十萬年來新高,甚至有研究指出,上次大氣中二氧化碳濃度和現在一樣高可能是一千五百萬年前,當時地球還沒有人類,海平面比現在高 30 公尺以上。

全球暖化警戒線失守

到了 2016 年,聯合國因氣候進入緊急狀態,終於簽署了巴黎協定。此時,地球的氣候系統已經走向崩壞,大氣的二氧化碳濃度跨過警戒線 400 ppm。這是多年來環境科學家在我們只顧往前衝的現代工業社會面前,拉起的最後一道防線,上面醒目的紅字寫著:禁止跨越。但我們卻繼續往前衝。

-----廣告,請繼續往下閱讀-----

二氧化碳仍持續排放。圖/giphy

短短兩年後,2018 年 6 月的大氣碳濃度月平均升到 411 ppm,地球空氣中瀰漫著人類的罪孽,和二氧化碳一樣濃,只是我們選擇相信沒有聞到。

長久以來,科學家把比起工業化時代升溫攝氏 2 度,當作地球從宜居走向氣候大災難的臨界點。如今我們正邁向那個臨界點。科學家預估在 2100 年之前,地球溫度將上升超過攝氏 4 度。

根據一些預測,這表示整個非洲、澳洲和美國,加上巴塔哥尼亞以北的南美洲地區,以及西伯利亞以南的亞洲地區,都會因為高溫、沙漠化和淹水變得不再適合居住。其實,不管是這些地區,還是其他許多地區,環境都會變得十分惡劣。

-----廣告,請繼續往下閱讀-----

這就是我們正在前進的道路,也是人類未來的底線。假如地球是在一代人的有生之年被帶到了氣候災難的邊緣,那麼要力挽狂瀾,也要靠一代人來扛起責任。你我對這一代人的有生之年也不陌生,那就是我們自己的有生之年。

人類準備進入「地獄世紀」?

大崩壞的臨界點是升溫 2 度,最近幾項研究結果都顯示,就算我們即刻停止排放二氧化碳,地球仍會在本世紀末達到這個升溫幅度。

不用下地獄也可能體會到下油鍋的熱了 QAQ 圖/giphy

有些研究全球暖化的專家,把接下來的一百年稱為「地獄世紀」。氣候變遷發生得很快,快到我們來不及發現和承認,但其影響也極深遠,遠遠超乎我們能夠想像的。

特別令人擔心的是,最近一項針對地球遠古歷史的研究顯示,目前氣候模型針對 2100 年地球升溫幅度的預測,可能低估了一大半。換句話說,最終的升溫幅度可能比聯合國 IPCC 的預測值高,就算真能如期達到巴黎協定的減排目標,我們仍然要面對 4 度的升溫,這代表撒哈拉沙漠會經常下雨而變得一片蔥綠,熱帶森林則變成野火肆虐的乾草原。

-----廣告,請繼續往下閱讀-----

近期一份研究報告中,學者也認為暖化幅度會比原來預期的更劇烈。就算大幅減排,地球溫度仍會上升 4 到 5 度,整個地球的居住環境都將變得非常險惡,學者形容為「溫室地球」。

不過就升溫幾度,對人類真會有影響?

升高的溫度,手指頭都數得出來,真的有這麼嚴重嗎?圖/giphy

不管是 1 度、2 度、4 度、5 度,這些數字聽起來好像都差不多,讓人很容易忽略之間的差別。畢竟人類的經驗和記憶裡,沒有類似的參考時點,讓我們知道該如何去看待這些臨界點。但就如同世界大戰或癌症復發,你一次都不希望它發生。

升溫 2 度:

  • 冰層就開始崩解,面臨水資源缺乏的人口將多出 4 億。
  • 赤道上的主要城市變得無法住人,即使是接近赤道、緯度較高的地方,每年夏天的熱浪也會導致成千上萬人死亡。
  • 印度的極端熱浪次數會是現在的 32 倍,每次持續時間是目前的 5 倍,波及人數是 93 倍。這還是對未來最好的預測狀況。

升溫 3 度:

  • 南歐會處於永久乾旱,中美洲的旱季會增加 19 個月、加勒比海地區增加 21 個月,北非地區更增加 60 個月,也就是足足五年之久。
  • 每年野火成災的地區,在地中海將是現在的兩倍,美國則是 6 倍以上。

升溫 4 度:

  • 登革熱病例光是在拉丁美洲地區每年就會增加 800 萬例;
  • 全球每年都會發生幾近糧荒的危機,因過熱致死的案例也將增加 9%。
  • 河水暴漲造成的損害,在孟加拉是現在的 30 倍、印度是 20 倍,在英國最糟糕的情況下甚至到 60 倍。
  • 在某些地區,會同時遭遇熱浪、野火、暴洪、颶風、乾旱、海平面上升等六種氣候災難,全球損失可能超過 600 兆美元(目前全球財富總額的兩倍以上),各種衝突和戰爭將更頻繁。

地球正在變得「不宜居」

如果把時間跨度拉更長來看,結果可能更令人絕望:宜居的那一半地球環境愈來愈惡化,人類的時代步入尾聲。

人類在地球上毀滅的場景已經被我們召喚出來,我們應該面對這個問題!圖/giphy

除非一連串錯誤選擇和各種霉運湊在一起,地球應該不至於在我們的有生之年變得不宜居,但卻是我們讓這個惡夢出現在未來的可能之中。這一點大概是近代社會最重要的史實和文化特性,未來的歷史學家會以此檢視與定義我們,這也是我們希望上一代人有多一點遠見去處理的問題。

-----廣告,請繼續往下閱讀-----

不管我們怎麼防止氣候繼續惡化下去,無論我們如何積極作為,減少暖化的損害,都無法改變人類在地球上毀滅的場景已經被我們召喚出來的事實。我們如今已夠接近,可以清楚看見將會是怎樣一幅情景,也知道我們的後代子孫會如何受罪。

事實上,只要願意正視的人,就會發現這場景已經近得讓我們開始感受到它的威力了。

——本文摘自《氣候緊急時代來了》,2020 年 4 月,天下雜誌

-----廣告,請繼續往下閱讀-----
天下雜誌出版_96
24 篇文章 ・ 17 位粉絲
天下雜誌出版持續製作與出版國內外好書,引進新趨勢、新做法,期盼能透過閱讀與活動實做,分享創新觀點、開拓視野、促進管理、領導、職場能力、教養教育、同時促進身心靈的美好生活。

3

0
0

文字

分享

3
0
0
加國大學發現汞可能與生物滅絕有關
國科會 國際合作簡訊網
・2012/03/06 ・1063字 ・閱讀時間約 2 分鐘 ・SR值 556 ・八年級

科學家們揭露了許多關於2億5千萬年前所發生地球最大規模滅絕的成因,當時快速的氣候變化消滅了幾近全部的海洋物種和大多數的陸上物種,現在他們發現了一個可能牽涉到大滅絕的新禍首,就是大量的汞湧入生態系統。

研究報告於日前發表在《地質》雜誌,報告的共同作者Steve Grasby博士說:「以往從沒有人檢視汞是否為潛在禍因,當時的火山活動是地球歷史上規模最大的,我們目前暸解汞的最大來源是出自於火山爆發,我們估計 當時被釋放出來的汞,其數量可能高出現今火山活動達30倍以上,並獲致非常災難性的結果,Grasby是加拿大自然資源部(Natural Resources Canada)的研究科學家、以及加拿大卡加利大學(University of Calgary)的兼任教授。

卡加利大學地質學教授,同時也是共同作者之一的Benoit Beauchamp博士說:「這項研究的重要性在於這是首次認為汞與發生於二疊紀末期大滅絕的原因有所關連。地質學家們,包括我自己應該記下來,並檢視其餘5大滅絕事件。」

二疊紀晚期,海洋中的自然緩衝系統因為汞的含量超載,使得有95%的海洋生物死亡,報告的主要作者Hamed Sanei博士說:「通常,海藻能像清道夫般,將汞埋在沉積物中,可減輕對海洋的影響,但是在這種情況下,負載實在太大,以致於損害無法阻止。」

-----廣告,請繼續往下閱讀-----

大約在2億5千萬年前,在恐龍主宰地球之前很長一段時間,且當時所有的陸地形成一個大陸,絕大多數海中和陸上的生物幾被消滅,普遍被接受的想法是,火山爆發時造成煤層燃燒,因而釋放出二氧化碳和其他致命的毒素,此一論說的直接證據,在同一批作者於去(2011)年1月發表在《自然地球科學》雜誌的報告中也所描述。

研究人員說,在二疊紀末期的汞沉積速率,與現今人類所造成的排放量相比明顯較高,在某些情況下,二疊紀末期海洋的汞含量,與冶煉廠附近因高度污染,以致水生態系統嚴重受損的池塘相似

Beauchamp博士補充道:「我們因工業排放而持續在增加汞含量,而這項結果是給生活在地球上的我們一個警告。」在減少排放方面,加拿大於國際上扮演著領航的角色,在北美地區,至少已藉由法規規範來控制汞的含量,使之得以逐步下降。

不論發生什麼事,這項研究顯示了生命的堅韌性,Sanei博士說:「這個發現是復甦的故事之一,當海洋的緩衝系統超載而使絕大多數的生物滅絕之後,仍能夠自我清理,而我們得以繼續向下一階段的生命邁進。」

-----廣告,請繼續往下閱讀-----

更多研究資訊請參訪:Earth’s massive extinction: the story gets worse

本文轉載自國科會國際合作簡訊網

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 3
國科會 國際合作簡訊網
47 篇文章 ・ 3 位粉絲