碳14測定法│科學史上的今天：5/30

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

科幻作品中，導致世界毀滅原因的榜單上，總少不了「地磁逆轉」。這樣的情節並不只是科幻的危言聳聽，地球磁場就像地球的 AT 力場，可以阻擋來自太空的高能量粒子長驅直入，保護地球上的生靈。

地層中有些礦物可以記錄地磁方向，過去科學家由此得知地球誕生的這 45 億年以來，早已發生過好幾百次的地磁方向南北倒轉。雖然人類沒有紀錄、世界也沒有因此毀滅，但地磁逆轉對當時的生物而言，依然是一場可怕的大浩劫。

最近一次的地磁逆轉，發生在 42000 年前，新的研究告訴我們，當時還有太陽活動的改變，在這樣的共同影響下，引發一連串如末日電影情節的災難性事件：臭氧層被破壞、雷暴肆虐熱帶地區、太陽風產生壯觀的極光、北極冷空氣吹掃北美、冰蓋與冰川蔓延，造成氣候劇烈變化。

搖擺不定的地球磁極

雖然人類以指南針指引南北，但指南針指向的地磁北極，並非乖乖不變的一個定點。因地核運動的緣故，地磁北極會在地理北極——即地球自轉的軸心附近來回搖擺。地球磁極有時會發生更劇烈的變動，即前面所提的「地磁逆轉」，箇中原因科學家未有定論。  

人類首次發現地磁逆轉，就是前述發生在 42000 年前的「拉尚事件」（Laschamps event），也是被研究得最透徹的地磁逆轉。拉尚事件存在的證據散佈世界各地，最新來自澳洲塔斯馬尼亞一個天然冰河湖的沉積物岩芯。但地磁逆轉的發生，究竟會對地球的氣候與生態造成多大程度的影響，一直是科學上待釐清的疑問。來自澳洲新南威爾斯大學 (University of New South Wales) 與南澳博物館 (South Australian Museum) 的科學團隊最新的研究發現，地磁逆轉對地球帶來的衝擊比過去所想象的來得大，其影響範圍遍佈全球。 

解密地磁逆轉的羅塞塔石碑——紐西蘭貝殼杉

 世界上的最好木材之一、可以生長逾千年的紐西蘭貝殼杉（Agathis australis），又名考裏松（毛利語稱為 Kauri），在紐西蘭北部的泥潭沼澤中沉睡超過四萬年也不會腐朽，成為研究拉尚地磁逆轉事件最佳的實驗材料。

研究人員利用碳 14 定年法，分析紐西蘭貝殼杉年輪中的碳 14 比值，重現過去地球大氣層變化的高解析度時間軸。地球上所有的碳 14，都是大氣層中的氮原子，被宇宙輻射中的中子束撞擊後的產物。地球磁場會使宇宙輻射發生偏折，減少來到大氣層的宇宙輻射。因此磁場減弱時，更多的碳 14 就會誕生。結果顯示，過去研究中磁場强度的最低點、地磁逆轉之時，正好與貝殼杉記錄到的大氣層碳 14 高峰相吻合。這一發現幫助科學家建立更精準的新時間軸，突破過去待確定的疑問。

「紐西蘭貝殼杉就像羅塞塔石碑[註]，幫助我們將世界各地其他洞穴、冰芯和沼澤地所留存的環境變化記錄，連接起來。」領導這項研究計劃的 Alan Cooper 博士如此説道。

貝殼杉碳 14 的記錄，成為一個很好的校正基準，確定各個關鍵事件的時間點。地球發生的許多重大變化，如熱帶輻合帶（Intertropical Convergence Zone）和盛行西風帶（South Hemisphere Westerlies）在地磁逆轉時，突然同時改向兩極移動，為部分地區如澳洲帶來乾旱，導致一波古代巨獸的滅絕潮。而在北方，廣袤的勞倫斯冰蓋席捲如今的美國西部和加拿大地區，而歐洲的尼安德塔人也走向滅亡。

建構氣候模型，還原末日時刻

為探究大大弱化的地球磁場，對大氣的電離作用、化學與動態變化之影響，研究團隊也建構了全球尺度的化學與氣候變化關係之模型，同時調查太陽能量的改變。

當時地球磁場的强度減弱到今天的 6% 以下，是羅盤也會找不着北的程度。因此近乎失去磁場的地球，就像在充滿危險高能量粒子的太空中衣不蔽體，宇宙輻射可直接到達大氣層。而與此同時，太陽正經歷好幾次的太陽活動極小期（Grand Solar Minimum），儘管總體而言這時期的太陽活動較不頻繁，但也更不穩定，常常噴發巨大的太陽耀斑，使更强大的宇宙射線襲向地球。模型顯示，更禍不單行的是來自太空和太陽耀斑的宇宙射線，穿透大氣層上層使空氣中的分子帶電，造成一系列的化學反應，讓平流層的臭氧也流失慘重。此時期的地球表面，磁場與臭氧層的保護同時被削弱，對生物有害的宇宙輻射與紫外光比以往更強烈。

向宇宙神秘數字 42 致敬的亞當斯事件

模型所模擬的結果，與在各地觀察到自然氣候與環境改變的歷史記錄一致。氣候劇變下的末日，生物曝露在高强度的紫外線中，尼安德塔人和巨獸被無情淘汰，人類的祖先智人則躲入洞穴中。這也能解釋史前洞穴壁畫，為什麼會在四萬年前突然蓬勃出現。

地磁逆轉造成的極端氣候變遷，與太陽活動極小期，都剛好在 42000 年前同時發生。為紀念和宇宙神秘數字 42 的巧合，研究團隊將這段時間稱為「亞當斯事件」（Adams Event），以向提出這個數字的經典科幻作品《銀河便車指南》作者道格拉斯·亞當斯（Douglas Adams）致敬。數字 42 被喻為指向生命、宇宙和一切的終極答案。這真的是巧合嗎？沒有人知道。

註解

羅塞塔石碑：製作於公元前 196 年，由於刻有古埃及法老王詔書內容的三種不同語言版本（古埃及象形文、埃及草書、古希臘文），讓考古學家得以有機會解讀出失傳千年的埃及象形文字，因此也被喻為破解謎題的關鍵。

1. Earth’s magnetic field broke down 42,000 years ago and caused massive sudden climate change
2. Cooper, A., Turney, C. S., Palmer, J., Hogg, A., McGlone, M., Wilmshurst, J., … & Zech, R. (2021). A global environmental crisis 42,000 years ago. Science, 371(6531), 811-818.
3. Radiocarbon dating considerations

延伸閲讀

1. 地球磁場即將反轉？
2. 跨年夜的捷運改變了地球磁場？那真是比萬磁王還要狂啊！
3. 地球磁場倒轉到底多快？洞穴石筍古地磁紀錄大解密
4.  地磁逆轉與太陽閃焰殺手

（本報訊）2011 年底於馬祖亮島島尾I遺址出土的人骨，經碳14 年代測定為距今 8,200 年的人骨遺骸，並命名為「亮島人」1 號。2012 年 7 月間又在同地點發現「亮島人」2 號，測定為距今 7,590 至 7,530 年。

是的，我們常看到考古學家用碳14 測定法判斷出土骨骸或文物的年代。事實上，除了考古學，包括地質學、生物學，乃至鑑定藝術品真偽都可能用到碳14 測定法。這項神通廣大的工具乃起源於美國化學家李比（Willard F. Libby, 1908－1980）於 1947 年 5 月 30 日在《科學》雜誌上所發表的論文〈來自宇宙輻射的放射性碳〉。

一般我們所稱的碳元素有 6 個質子與 6 個中子，又稱碳 12；而碳 14 則多了 2 個中子，但它可不是由碳 12 變來的。事實上，地球上所有的碳 14 都是來自於宇宙射線中的中子束與大氣層中的氮原子撞擊後的產物。碳14產生後很快就與大氣中的氧原子結合成二氧化碳，因此大氣中的二氧化碳所含的碳原子除了碳 12，還有少量是由碳 14 組成。

碳12 是極為穩定的原子，但碳14 是種放射性元素，它會自動衰變回氮原子。每個碳14 原子衰變的時間都不一定，但一大堆碳14的平均衰變時間就很固定了；這就像學校裡每個學生的跑步速度都不一樣，但是每一班的平均速度都差不多。平均而言，過了 5,730 年碳14 原子就會有一半衰變成氮原子，這 5,730 年就是碳14 的半衰期。而科學家發現碳14 生成與衰變的速率差不多，所以亙古以來，地球上的碳14 與碳12 都維持一定的比例，大約是 1.3 兆分之一沒有改變。

二氧化碳被植物吸收，其中的碳原子經食物鏈進入動物體內後也是維持這樣的比例不變，直到這生物死亡為止。生物死亡之後，體內的碳12 數量維持不變，但碳14 卻會逐漸衰變而越來越少，因此只要測出骨骸中這兩者的比例，就能反推計算出此生物已經死了多少年。這就是李比提出的碳14 測定法，他也因此獲得 1960 年的諾貝爾化學獎。

不過碳14 測定法也有其侷限。如前面所說，碳14 的正常比例只有 1.3兆分之一，經過十次半衰期就只剩一千三百兆分之一，這大約就是現代測量儀器的極限了。因此年份在六萬年以下的生物或物體才適用碳14 測定法，超過六萬年以上的就得利用其它半衰期更長的放射性元素了。所以下次你如果看到電視或電影中說某物品經碳14 測定有數十萬年歷史，就可以好好嘲笑它了。

本文同時收錄於《科學史上的今天：歷史的瞬間，改變世界的起點》，由究竟出版社出版。

• 文／吉川彰浩

廢棄物問題將延續 50 年以上

放射性物質是危險的東西，這是眾所皆知的事，而我們選擇遠離那裡，可以的話，完全不想有任何牽扯，因此對於放射性廢棄物的處理，亦即廢爐一事，只有消極負面的印象而已，這是目前大家都有的感覺吧？

相信也有很多人是因為核電廠事故才這麼想，但若追溯歷史，其實這並不是今天才開始的事。

日本第一座核能發電廠是建於一九六三年十月二十六日、茨城縣東海村的 JPDR（Japan Power Demonstration Reactor）。在這座核電廠開始運轉的同時，如何處理放射性廢棄物的問題也就隨之展開，這可以說是從五十多年前就應該開始思考的問題。

我們經常聽到放射性廢棄物無法進行任何處理的說法。

放射性物質的性質，就是依照種類的不同，只要經過一段時間（= 半衰期）後，量就會剩下一半，變成不會釋出幅射的穩定狀態，達到「無害化」的結果。

雖說放射性物質具有放著不管就會「無害化」的性質，但有一點需要知道的是，半衰期長短依種類不同而有所差異。舉例而言，碘 131 的半衰期約為 8 天， 銫 137 約為 30 年， 鈽 239 約為 2.41 萬年，鈾 238 約為 45 億年。要等到鈽或鈾完全無害，需要極長的時間。核燃料之所以被說成最麻煩的廢棄物，也是因為它是由半衰期長的鈽與鈾所構成。

若從無害化是需要時間的角度來看，「高階放射性廢棄物無法進行任何處理」的說法可以說是正確的。不過，「雖然很難達到真正的無害化，但可以設法在盡量接近無害的狀態下進行保管」，而且「正因為是難以處理的東西，所以更要採取避免繼續增加的對策」，這就是目前核電廠在廢棄物處理上的原則。

無害化狀態下的保管技術已經確立

青森縣六所村有高階放射性廢棄物管理中心與低階放射性廢棄物管理中心這兩個放射性廢棄物的最終處置場。

前者有可以穩定保管用過核燃料的設備，是一種叫玻璃固化體的容器，可於穩定狀態下長時間保管高階輻射廢棄物，貯存量可達二八八〇支玻璃固化體。後者則是將高階放射性廢棄物以外的東西放入大型鋼桶裡保管，貯存量為四十萬個兩百公升的鋼桶，未來預計增加到六十萬個。

或許有人會想，既然已經有最終處置場，技術上又能夠保管，那不就沒有問題了嗎？但是最大的瓶頸是「這邊可以代為貯存，但請先處理成可以被接受的狀態再帶過來」。

各位也是自己做垃圾分類，然後裝到袋子裡拿去丟的吧？這是丟垃圾的人被要求遵守的規定；同理，核電廠也有丟棄放射性廢棄物的規定。如果是用過核燃料的話，就裝在一種叫護箱的容器裡，其他則必須裝在鋼桶裡才能拿去丟棄。

簡單講是裝在鋼桶裡送過去，實際上並沒有這麼單純。因為是放射性物質，所以必須在穩定的狀態下運送才行，例如運送高濃度污水時，要分成水與放射性物質，放射性物質還要經過乾燥處理以減少體積（減容化），粉狀物要用水泥或塑膠等固著成穩定的狀態（固化），才能裝入鋼桶裡運送，必須經過這樣的加工處理才行。

此處的問題是加工的難度，當中也有輻射強度高到人類不宜靠近、沒辦法輕易運送的高階放射性廢棄物。因此才會稍微轉換思考方式，採取暫時保管在發電廠內的作法。

1F 廢爐作業所產生的放射性廢棄物之所以一直保管在廠區內，主要原因就是無法加工到得以安全運出廠外。目前也持續在討論廢棄物適合運輸的狀態為何、該帶到哪，又該如何進行保管。

雖然可能有人會認為，那不是東京電力或核電業界的問題嗎？但考量到半衰期等因素，放射性廢棄物確實也是一個會遺留給下一代的問題。

思考大家都能接受的處理方式

在國外核能相關設施的廢爐用語中，有一個字叫「legacy」，就是「遺產」之意。

正如本文一開始所述，這是一個約從五十年前就開始的問題，令人不禁感嘆我們究竟留下多麼棘手的東西啊，而我們的下一代應該也會有同感吧。

另外，前文也介紹到青森縣六所村的最終處置場，但六所村的居民們是否樂意在當地見到這些設施呢？

在核電廠事故後展開的除污事業中，除污廢棄物的輻射強度雖然大幅低於福島第一核電廠的廢棄物，但包含最終保管方式在內，也引起眾多討論。若將廢爐定位在放射性廢棄物的處理，並將處分方法也納入考量範圍的話，那對我們而言是「切身相關的問題」。然而，明明是切身相關的問題，我們卻始終避之唯恐不及，同時我們也與廢爐現場保持距離。

解決這個問題所需要的並不是技術，真正需要的應該是由投身廢爐工作的人、生活在周圍的我們、地方政府機構、核能相關管制當局等，所有人共同討論並確立一套大家都能夠接受的處理方法。「大家」一起思考並執行有關廢爐的方法，是我們必須留下的遺產。

本文摘自《福島第一核電廠廢爐全紀錄》，臉譜出版，2018 年 9 月出版。