由《我們共同的未來》到《格羅 ‧ 布倫特蘭獎》 ──「永續發展教母」格羅 • 布倫特蘭的貢獻與傳承

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

本文由 環境部 委託，泛科學企劃執行。 

無論是在立法院的質詢臺，還是網路媒體或社論上，你應該經常聽到「環評」這個詞吧？它的核心理念其實很簡單，就是要在「經濟發展」和「環境保護」之間取得平衡。不管是建設重金屬冶煉廠、台積電進駐，還是打通山壁開闢新道路，都必須經過像動手術前的詳細檢查一樣，透過環評的嚴謹審查程序，確保這些開發不會對環境造成過度或無法挽回的損害。

 環評的概念起源於 70、80 年代，當時大規模開發導致嚴重的環境破壞，人們開始反思，發現單靠法規和污染處理技術不足以應對這些問題，環境惡化越來越嚴重，於是「事前預防」的想法應運而生。

我國的環評制度是借鑒美國的經驗，但並不是所有開發案都需要環評，只有那些可能對環境產生較大影響的開發行為，才需要在開發前進行環評。環評其實是開發許可的一部分，環保機關負責審查環評報告，並擁有否決權。但即便環評通過，並不代表開發案就能立即進行，最終的開發許可還是需由相關主管機關綜合考量政治、經濟、環境等多方面因素後，才能做出決定。

環評到底在忙什麼？

環評的全名為「環境影響評估」（Environmental Impact Assessment, EIA）。就像動手術會有術前檢查、術後定期追蹤及按時服藥，健康的把關需要仰賴定期進廠維修，同樣在開發行為實施前，我們需要評估其可能對環境造成的影響，提出相應的預防或減輕措施，施工中或營運後也需要由目的事業主管機關來進行追蹤，並由環保機關進行監督，確保不會進一步損害環境品質。

雖然「環評」這個名字大家耳熟能詳，但實際上它的評估過程可一點也不簡單，就像醫療檢查一樣，科學、客觀且精密，評估項目可不只侷限在空氣品質、水質或土壤是否受農藥或化肥影響、生態景觀與棲地等和自然環境切身相關的議題。根據環評法第 4 條規定，評估還涵蓋了社會、經濟、文化等多個層面。

環評就像是開發案的「術前檢查」，確保開發行為不會對環境造成不必要的風險和破壞。那麼，大家常聽說環評要耗費很長時間，那它到底在忙什麼呢？其實，環評的目的是要求開發單位對開發可能帶來的環境影響進行詳細調查和分析，這些調查結果會寫成報告，並進行公開，讓社會大眾了解並參與討論。最後，由專家組成的委員會審查，只有通過審查的案子，才有機會繼續進行開發，從而保護我們共同的生活環境。

誰應該接受環評的「考驗」？

根據環評法的立法精神，不是所有的開發案都需要進行環評，環評主要是針對那些可能對環境造成不良影響的開發行為。那麼，哪些開發案需要環評呢？環境部依法訂定了「開發行為應實施環境影響評估細目及範圍認定標準」（簡稱「認定標準」），這些標準主要是根據開發案可能帶來的影響程度、所在的敏感區域（如國家公園、重要濕地、野生動物棲息地等），以及開發的規模（如面積、處理量）來判斷是否需要進行環評。

舉例來說，像高速鐵路、大眾捷運、機場、離岸風力發電系統等這些建設，不論它們的規模或地點，都必須經過環評。而像科學園區、高爾夫球場的建設，若位於國家公園、重要濕地或野生動物棲息地，也需要辦理環評；至於太陽能光電設施，則是當它位於重要濕地時，才需要進行環評。

宛如開發前的「術前檢查」！淺談環評流程

我國的環評審查採取專家審查機制，環評主管機關依法成立環評審查委員會。委員會的成員包括政府機關的代表和專家學者，其中專家學者的比例不得少於總人數的三分之二。以環境部為例，環境部的環評審查委員會共有 21 位委員，其中 14 位是來自不同專業領域的專家學者，這些專家分別在生活環境、自然環境、社會環境等方面進行把關，確保審查過程的專業性與公正性。

臺灣的環評制度通常分為兩個階段。一階環評是透過報告書撰寫前的公開意見蒐集，開發單位將意見回應情形納入報告書後由專業的環評審查委員進行審查，若經審查後認為開發後對環境有重大影響之虞，則應對症下藥，進入二階環評，這個階段的審查更為嚴謹，並且依法規定進行範疇界定，篩選出環境關鍵項目與因子。整個環評流程大致包括以下幾個重要步驟，讓開發案能夠更透明、公開地接受環境影響的評估與檢驗。

STEP 1 資料填寫：開發行為規劃

這就像醫生在手術前，先為病患制定計畫，並在檢查前登錄好病患的個人資料，例如身分訊息、健康問題、藥物過敏或病史等。同樣地，環評也是這樣運作的。開發單位首先要擬定開發案的規劃，並且將這些內容在網路上公開蒐集意見 20 天，同時也會舉行公開會議，讓大眾參與討論。

接著，開發單位需要編寫環境影響說明書的主要章節，並且決定是否自願進入二階環評。這個階段開發單位會進行初步的計畫，確認開發的目標與範圍，並評估這個開發案可能對環境產生的潛在影響。這些步驟都是為了確保開發行為在開始前，能夠徹底評估可能的風險和影響

STEP 2 初步評估：編製環境影響說明書

就像術前檢查結果會匯集成一份醫療報告，在這個階段，開發單位也需要把他們的調查結果、預測和分析整理成一份「環境影響說明書」（簡稱環說書），環說書會說明如何預防或減少對環境的負面影響。

開發單位需要根據作業準則製作環說書，交給目的事業主管機關，確認無非屬主管機關所主管法規之爭點後，再轉請主管機關審查；主管機關確認沒有需要補正的地方（例如：沒有檢具環境保護對策與替代方案、執行評估的人忘了簽名等），環保主管機關所設的「環境影響評估審查委員會」則會著手進入審查階段。

STEP 3 手術可行與必要嗎：審查與結論

這部分就像醫療團隊評估手術的風險。環保機關會審查這份環境影響說明書，專家委員會會進行詳細的審查，並在一定的時間內做出結論。如果所有的環保問題都能得到妥善解決，開發案就能獲得初步通過並公告審查結論，告訴你這個「手術」（開發項目）可不可以做、在甚麼條件下做比較安全，或是可能要再做更進一步的檢查等等。以離岸風電開發為例，可能就會要求開發商調整風機位置，以避開白海豚的棲地。

對應環評法施行細則裡的審查結論，除了通過審查、不應開發等結果，也可能會出現「有條件通過審查」或「進行第二階段審查評估」的狀態。

STEP 4 完善的手術方案：進入二階環評

就像術前檢查發現可能有重大問題或可能帶來影響的副作用時，醫生可能會要求進行更詳細的檢驗及評估更好的治療方案，環評也是如此。如果第一階段的環評顯示這個開發案可能對環境造成較大的影響，那麼它就必須進入「二階環評」。

進入二階環評的開發案，意味著要進行更加深入的分析與評估。就像醫生要進行更精密的檢查來了解手術風險。除了基本的環評程序，開發單位還需要舉辦公開說明會與範疇界定會議、編製更複雜的「環境影響評估報告書初稿」送目的事業主管機關，目的事業主管機關收到初稿後需進行現場勘查與公聽會，讓當地居民或關心這個開發案的人可以參與，了解開發案的影響，並提出意見。

同時，開發單位也要依據這些意見，編製更詳細的「環境影響評估報告書」，將所有的調查、分析結果都納入評估報告書中，才能由目的事業主管機關轉送環保主管機關審查。而如果在審查過程中發現需要修改或補充資料，就像醫生建議調整手術計畫一樣，開發單位會進行修正，並重新提交補正及取得定稿備查。只有在所有問題解決後，開發案才是真正通過環評審查並進入下一階段。

如果在你生活周遭環境的開發案正好遇到環評的爭議，或者你關心的案件正在環評階段，你可以隨時上「環境部環評書件查詢系統」（https://eiadoc.moenv.gov.tw/eiaweb/）查詢相關的最新資訊。不僅如此，環評審查委員會的會議還有線上直播，讓大家能夠親自參與，為國內的開發案共同把關！

整個環評流程耗時多久？

環評法第 7 條規定，主管機關在收到環境影響說明書後，必須在 50 天內完成審查並公告結果，並通知相關主管機關和開發單位。如果遇到特殊情況，最多可以再延長 50 天。

根據環評法施行細則第 15 條，這個審查期限是從開發單位備妥所有資料，並繳交審查費後開始計算。但是有一些情況是不計入這個審查時間的，包括：

1. 開發單位補充資料所花的時間。
2. 請目的事業主管機關就法規進行釋疑，且不超過 60 天的時間。
3. 其他不可歸責於主管機關的可扣除天數。

因此，整個環評流程的時間會因為不同情況有所變動，但主管機關的基本審查時間是 50 天內，特殊情況最多延長至 100 天。

然而，實際所需要的時間，可能會根據開發案的複雜程度而有所不同。就像去放射科拍攝X光可能只要一、兩分鐘，但如果要做電腦斷層，可能就需要半個小時左右。

同樣地，根據環評法的規定，環境影響說明書的審查通常在收到資料後的 50 天內完成，若是進入二階環評，審查時間則是 60 天。聽起來似乎不算太久，通常三、四個月就能有結果。

但實際上，環評過程常常會因各種原因延長時間。環境部目前也正在進行環評總體檢，蒐集各界的意見，逐步檢視現行制度，並作為未來修正相關法規的參考依據。

環評帶來的效益是全方位的，它不僅幫助我們在追求經濟發展的同時，兼顧環境的永續。透過環評，開發行為的潛在風險可以提前被識別，並且在問題發生前採取預防和減輕措施。這樣的過程不僅讓開發行為更具透明度，減少未來可能面臨的環境爭議和成本，還能促進社會對環境議題的關注與參與。期待隨著法規的修正與完善，未來的環評制度在效率、透明度與公眾參與等方面有望取得更大進展，為可持續發展提供更有力的保障。這不僅是對環境的保護，更能促進經濟發展和社會福祉，實現政府、企業和民眾三贏的局面，讓我們共同打造一個更健康、更永續的未來。

本文轉載自顯微觀點

顯微鏡後的女性科學家系列

他像是一艘船在河中航行；四處遇到阻礙，唯獨一面通暢；在那，所有的障礙都消失了，他徐徐地穿越著深深的航道，進入無盡的海洋。

——愛默生

埃凡斯在動物工業局的研究興趣集中到一種致流產的傳染性微生物。

丹麥獸醫伯納．班（Bernhard Bang） 在 19 世紀末發現了一種導致乳牛流產的病菌，而這種病菌多年來已知存在於受感染的乳牛乳房中。

而農業工業局病理部的施洛德（Schroeder） 和卡登（Cotton）在 1911 年從看似健康的牛隻的牛奶樣本中分離出這種病菌；幾乎同時，另一組研究人員史密斯（Theobeld Smith）和費比恩（Febyen）也在 1912 年從牛奶中分離出同樣的病菌。因此埃凡斯開始思索這類致牛隻流產的病菌是否也會導致人類生病。

與此同時，蘇格蘭病理學家布魯斯（David Bruce）分離出了會使人類發燒和肌肉疼痛的波浪熱（或稱馬爾他熱，Malta fever）的病菌，且發現可透過羊奶傳染給人類。

當時的科學家都認為透過羊奶傳染給人和導致牛流產的是不同的病菌。透過羊奶傳染馬爾他熱的是羊微球菌；引起牛流產的則是流產芽孢桿菌。

但埃凡斯透過觀察，認為這兩種來源的細菌形態相似：這些細胞呈桿狀，但有不同的長度；有些細胞很短，在顯微鏡下看起來呈球形。

經過細菌鑑定以及將病菌接種在動物身上的對比試驗，埃凡斯推斷這兩者其實是同一種桿菌，並將這些發現於 1917 年 12 月在美國細菌學家協會（the Society of American Bacteriologists）年會上報告，並發表於 1918 年 7 月的《傳染病雜誌》（The Journal of Infectious Diseases）。而後來為紀念首先研究這病症的布魯斯，這個病原菌被定名為「布氏桿菌」（Brucella abortus）。

同時埃凡斯基於研究發現也提出質疑：「我們是否確信，人類不會因為飲用生牛奶而偶爾發生腺熱（glandular fever）、流產或可能的呼吸道疾病？」

避免人畜傳染 推動牛奶滅菌

1864 年，法國生物、化學家．巴斯德（Louis Pasteur）描述了如何透過加熱保存液體的系統，也就是巴氏殺菌。但當時這樣的滅菌法應用於葡萄酒或啤酒，而不是牛奶，因為人們認為牛奶只要不被污染就是安全的。

當時牛奶的問題在於變質的速度。過去，有些乳牛場為了解決變質，會建在城市，以縮短生產和消費之間的時間；而有些則使用摻假物，例如碳酸氫鹽、糖、糖蜜甚至粉筆，來掩蓋乳品腐敗的狀況。

對於埃凡斯提出喝生牛乳可能致病的質疑，不但未被採納，還遭到其他科學家、醫師和酪農業等各界的批判。

一來是科學家普遍相信發現結核菌的德國生物學家柯霍（Heinrich Hermann Robert Koch）所提出的觀點：同一種病菌會同時造成動物與人類的共同疾病。

柯霍曾在 1901 年提出儘管結核病是牛隻常見的疾病，產出的牛奶含有大量的「結核菌」，但這種牛型結核病不會傳染給人。

他說，如果牛結核桿菌能夠感染人類，就會出現很多病例，尤其是脆弱的兒童；但大多數醫護人員認為案例數並不多並非如此。他甚至認為，採取措施保護人類免受牛結核病的侵害是不明智的。

二來是科學家們不相信埃凡斯這樣沒有博士學位的女性，能提出如此「重大的發現」。對酪農和乳製品業而言，埃凡斯則被認為在圖利巴氏殺菌設備。

所幸，埃凡斯的發現在 1920 年後陸續得到梅耶（Karl Friedrich Meyer）等人的研究支持，被認為是可信的科學發現。 美國衛生局（USPHS）也從 1924 年開始制定了一項名為《標準牛奶條例》（Standard Milk Ordinance）的示範法規，由州和地方掌控乳製業機構自願採用。之後又陸續頒布行政和技術細節，修改成 A 級巴氏滅菌牛奶條例（Grade A Pasteurized Milk Ordinance），提供全國統一的牛奶衛生標準。

重要貢獻鼓勵後進女科學家

為了表彰埃凡斯的成就，美國細菌學家協會（現為美國微生物學會，the American Society for Microbiology，ASM）於 1928 年推舉她成為首位女性主席。

然而儘管有豐富的實驗室經驗以及預防措施，但埃凡斯仍在 1922 年感染布氏桿菌，並在往後幾年反覆發作。她曾在回憶錄中提到，「完全喪失能力和康復的時期交替出現，最後一次致殘的病情惡化發生在 1943 年夏天，距感染之日已近 21 年」。

更慘的是，當時對疾病沒有夠多的認識，因此她和其他布氏桿菌患者一樣，被診斷為「神經衰弱」，認為這些症狀是被幻想出來的，被誤解為騙子，是在「詐病」。但埃凡斯說，慢性症狀方面的經歷使她有機會親眼觀察這種疾病及其影響。

不過她也漸漸將研究目光轉向溶血性鏈球菌，一直致力於此直到 1945 年退休。1975 年 9 月 5 日埃凡斯於維吉尼亞州亞歷山大市逝世，享年 94 歲。她的墓誌銘刻著：：「溫柔的獵人，追趕並馴服她的獵物，穿越到了新的家園」。

雖然埃凡斯並未取得博士學位，又曾因女性身分導致科學發現不被認可。但美國微生物學會於1983年為表彰埃凡斯在微生物學領域的參與以及傑出貢獻，設立了「埃凡斯獎」（The Alice C. Evans Award），以表揚後進致力於微生物科學領域的女性。

查看原始文章

• MEMOIRS. Alice C. Evans, 1963
• Alice Evans, A Pioneer for Women in Microbiology
• Alice Catherine Evans, the Pioneer of Safe Milk
• Scientific Criteria and Performance Standards to Control Hazards in Dairy Products

推薦閱讀

顯微鏡後的女性科學家：甘居配角仍不減貢獻 微生物學家安娜‧威廉斯