Loading [MathJax]/extensions/MathMenu.js

3

0
0

文字

分享

3
0
0

對政府科專計畫的正確認識:回應「投資一百賠九十 經濟部科專計畫年燒142億給官方研究機構」一文

活躍星系核_96
・2012/04/28 ・2569字 ・閱讀時間約 5 分鐘 ・SR值 555 ・八年級

-----廣告,請繼續往下閱讀-----

文 / 張中一

在知名科普網站PANSCI上看到一篇討論經濟部科專與政府投資效益回報的討論文章。也討論到對政府科技投資的一些批評。做為一個工業技術研究院的前員工,同時也長期關注政府科專計畫的業餘研究者。我想我有必要提出一點說明。免得因為少數偏頗的觀點與別有私心導致整體國家科技研發競爭力的下滑。

在整個文章開始以前,我有必要介紹一下我的背景。方便各位瞭解一下我為何會對這問題感興趣。我是工業技術研究院資訊與通訊研究所(簡稱資通所)的前員工(工號:910212),我在2002年至2009年間於資通所N組服務。其間主要是負責網路通訊產品的開發、海外援助計畫的資訊系統規劃(國合會中南美洲資訊系統建置計畫,工研院資通所是最早的開路先鋒與凌網科技合作建置了我們好幾個友邦的e化政府系統,該系統後續也由凌網科技為了台灣的形象與外交持續不計成本維護中)、組部專利輔導(我是資通所N組的智權代表)。

我離開資通所,到西班牙的IE BUSINESS SCHOOL(www.ie.edu;2012年英國金融時報全球MBA評比第8)取得MBA學位。在西班牙期間,與Paolo Quattrone教授針對中華民國政府的法人科專計畫做過案例研究,專注於法人科專管理制度的特性與法人科專鮮為人知隱藏投資利益。回國後任職於圓剛科技(2011年03月~2011年12月)。現任職於可取國際(20122月迄今)。在圓剛任職期間,我主要負責圓剛的業界科專計畫「可上傳影音高畫質P2P Connected TV整體解決技術開發計畫:電視盒、平台與體驗技術計畫」,本計畫是2011年經濟部政策性科專計畫的獲選計畫,總金額約八千萬,獲政府補助三千餘萬。我是這個計畫的主筆人與主要規劃者之一。這個業界科專計畫能通過是圓剛全體上下努力不懈外加輔導單位工研院資通所N組努力的結果。我這樣的資歷,我想對於這篇評論我有一點說話的資格。

-----廣告,請繼續往下閱讀-----

事實上,政府法人有許多不同屬性的組織。,很難一概而論,但我可以就我很清楚的工業技術研究院證明該文謬誤甚多。要瞭解該篇文章的問題,首先必須瞭解該文作者犯的幾個錯誤。

  1. 誤解了科專的目的。
  2. 對於法人的收入結構的認知錯誤。
  3. 對於專利對一個企業收入佔比有錯誤的認知。
  4. 對於法人機構在臺灣全球智慧競爭力的關鍵地位有惡意的扭曲。

這篇文章的作者,首先誤解了科專計畫的目的。以工研院所屬的法人科專為例,他的目的主要有進行風險性前瞻研發計畫的投資、開發業界可用的新技術、開發符合政策性需要的技術,以及培育人才。這就是為什麼,雖然技術轉移收入(後簡稱技轉收入)是法人科專計畫很重要的評量指標,但不是唯一的評量指標。以工研院為例,因為不作客製化,所以我們的心力可以全部專注在研發新技術。這很重要,因為台灣產業特性的關係,客製化佔掉很大的研發資源,包括HTC在內也無法避免。可是工研院不需要負擔這一塊,自然可以做比較新技術的研發。以我所屬的部門為例,我以前的部門同事幾乎現在全部都在聯發科或瑞昱。這兩間公司可不是傻子,不會用不好用的人才。因此用傳統的獲利概念,來看科專計畫,本身就是錯誤的角度。

再來就是法人的收入結構。法人的收入中,除了技術暨專利移轉總收入以外還有委託案及工業服務。委託案與工業服務能進行靠的就是科專計畫培養出的技術力。而委託案與工業服務佔工研院的收入也有40%或更高的地步。因此拿技轉收入當作科專計畫唯一的投資成果,這也是一個完全疏於觀照全局的比較。一個最明顯的例子是,拿2010年工研院的決算書來看。工研院總收入是195億(包含科專經費),而科專經費只有其中90億。因此拿技轉收入10億當作工研院整體產出,難免有看到光看到腿就誤以為看到了大象的毛病。

該文的兩位作者因為對於科專計畫的收入定義有所誤解,所以認為技術移轉暨專利轉移就代表工研院透過專利獲得的收入。可是這是錯誤的。該文兩位作者讚美自行車中心專利產出高達總科專投注經費80幾%。可是事實上自行車中心大部分的收入來源是技術轉移,而且總技轉金額含專利授權金額只有淒涼的6百多萬,其中屬於專利收入只有1百多萬,(我所屬的資通所N組一年的業績就要超過數億)。我真的不知道自行車中心這樣的表現有什麼好讚美的。

-----廣告,請繼續往下閱讀-----

更重要的是,除了專利蟑螂公司以及已經失去競爭力只能靠打官司維生的公司外以外,沒有公司拿專利作為主要收入來源的。該文兩位作者拿專利收入做為研發單位表現是一個徹底錯誤的觀念。鴻海前法務長周延鵬教授就曾經指出,很多人都只看到IBM每年獲取大筆的專利授權收入,可是卻不知道這些收入連專利授權收入拿來填補這些專利研發與申請的費用都不夠。專利是很有用的競爭武器,但不是一個正常企業獲利的主要工具。

該文作者,又抨擊政府法人研發的專利成果少得可憐,又都是國內專利。坦白說我非常詫異。這篇文章是北美智權股份有限公司網頁上的專欄文章。發文者是該公司的編輯部成員。該公司宣稱是「以電子送件、管理服務的全方位的專利申請公司」。既然是一個專利申請為主的公司,應該對台灣在美國專利獲證的數量與各重要公司的比例要非常清楚才對。而2009年台灣只有兩個單位擠進美國專利申請前50名。分別是鴻海的第14名與工研院的第49名。在全球研發機構中,工研院甚至排行美國專利獲證數量的全球第1。工研院在2009年全球申請了2330個專利。我不曉得這樣的成果,該文兩篇作者是憑什麼說政府法人機構的研發專利成果少得可憐?又都是國內專利?

我是資通所智權代表之一,除了技術研發以外還負責內部專利評審的工作。基本上除了特殊案例以外,資通所的專利沒有只申請台灣案的例子。至少我沒經手過。請問該文兩位作者認定法人機構都是申請國內專利依據何在?

科專計畫不是完美無缺的,政府法人機構包含工研院在內也不是完美無缺的。都有討論的空間,可是討論要依據事實。毫無事實根據,連財務結構都弄不清楚要怎麼評論法人科專?事實上法人科專最大的問題就在於,有太多人要求要獲利要自負盈虧,導致法人機構人力越來越少,要做的雜事越來越多,反而無法專注在好的技術的發展。要求公家研究機構要有獲利與自負盈虧本來就是錯誤的觀念。美國國家衛生研究院(NIH)是美國最重要的研究機構之一,各位能想像NIH如果變成自負盈虧、卯起來賺錢的藥商,美國的生物研究會變成什麼樣嗎?、

-----廣告,請繼續往下閱讀-----

政府的法人機構可以更有效率,但是那是建立在正確的績效評估指標、有效而兼顧長短其的評估機制、更專注於對國家長遠的利益上。錯誤的評估機制只會毀掉政府法人研究機構對國家競爭力的發展與浪擲國家經費。

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 3
活躍星系核_96
778 篇文章 ・ 127 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia

0

1
0

文字

分享

0
1
0
數智驅動未來:從信任到執行,AI 為企業創新賦能
鳥苷三磷酸 (PanSci Promo)_96
・2025/01/13 ・4938字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

本文由 鼎新數智 與 泛科學 共同規劃與製作

你有沒有想過,當 AI 根據病歷與 X 光片就能幫你診斷病症,或者決定是否批准貸款,甚至從無人機發射飛彈時,它的每一步「決策」是怎麼來的?如果我們不能知道 AI 的每一個想法步驟,對於那些 AI 輔助的診斷和判斷,要我們如何放心呢?

馬斯克與 OpenAI 的奧特曼鬧翻後,創立了新 AI 公司 xAI,並推出名為 Grok 的產品。他宣稱目標是以開源和可解釋性 AI 挑戰其他模型,而 xAI 另一個意思是 Explainable AI 也就是「可解釋性 AI」。

如今,AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?

-----廣告,請繼續往下閱讀-----
AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?圖/pexels

黑盒子模型背後的隱藏秘密

無法解釋的 AI 究竟會帶來多少問題?試想,現在許多銀行和貸款機構已經使用 AI 評估借貸申請者的信用風險,但這些模型往往如同黑箱操作。有人貸款被拒,卻完全不知原因,感覺就像被分手卻不告訴理由。更嚴重的是,AI 可能擅自根據你的住所位置或社會經濟背景給出負面評價,這些與信用風險真的相關嗎?這種不透明性只會讓弱勢群體更難融入金融體系,加劇貧富差距。這種不透明性,會讓原本就已經很難融入金融體系的弱勢群體,更加難以取得貸款,讓貧富差距越來越大,雪上加霜。

AI 不僅影響貸款,還可能影響司法公正性。美國部分法院自 2016 年起使用「替代性制裁犯罪矯正管理剖析軟體」 COMPAS 這款 AI 工具來協助量刑,試圖預測嫌犯再犯風險。然而,這些工具被發現對有色人種特別不友好,往往給出偏高的再犯風險評估,導致更重的刑罰和更嚴苛的保釋條件。更令人擔憂的是,這些決策缺乏透明度,AI 做出的決策根本沒法解釋,這讓嫌犯和律師無法查明問題根源,結果司法公正性就這麼被悄悄削弱了。

此外,AI 在醫療、社交媒體、自駕車等領域的應用,也充滿類似挑戰。例如,AI 協助診斷疾病,但若原因報告無法被解釋,醫生和患者又怎能放心?同樣地,社群媒體或是 YouTube 已經大量使用 AI 自動審查,以及智慧家居或工廠中的黑盒子問題,都像是一場越來越複雜的魔術秀——我們只看到結果,卻無法理解過程。這樣的情況下,對 AI 的信任感就成為了一個巨大的挑戰。

為什麼人類設計的 AI 工具,自己卻無法理解?

原因有二。首先,深度學習模型結構複雜,擁有數百萬參數,人類要追蹤每個輸入特徵如何影響最終決策結果,難度極高。例如,ChatGPT 中的 Transformer 模型,利用注意力機制(Attention Mechanism)根據不同詞之間的重要性進行特徵加權計算,因為機制本身涉及大量的矩陣運算和加權計算,這些數學操作使得整個模型更加抽象、不好理解。

-----廣告,請繼續往下閱讀-----

其次,深度學習模型會會從資料中學習某些「特徵」,你可以當作 AI 是用畫重點的方式在學習,人類劃重點目的是幫助我們加速理解。AI 的特徵雖然也能幫助 AI 學習,但這些特徵往往對人類來說過於抽象。例如在影像辨識中,人類習慣用眼睛、嘴巴的相對位置,或是手指數量等特徵來解讀一張圖。深度學習模型卻可能會學習到一些抽象的形狀或紋理特徵,而這些特徵難以用人類語言描述。

深度學習模型通常採用分佈式表示(Distributed Representation)來編碼特徵,意思是將一個特徵表示為一個高維向量,每個維度代表特徵的不同方面。假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。對 AI 而言,這是理解世界的方式,但對人類來說,卻如同墨跡測驗般難以解讀。

假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。圖/unsplash

試想,AI 協助診斷疾病時,若理由是基於醫生都無法理解的邏輯,患者即使獲得正確診斷,也會感到不安。畢竟,人們更相信能被理解的東西。

打開黑盒子:可解釋 AI 如何運作?我們要如何教育 AI?

首先,可以利用熱圖(heatmap)或注意力圖這類可視化技術,讓 AI 的「思維」有跡可循。這就像行銷中分析消費者的視線停留在哪裡,來推測他們的興趣一樣。在卷積神經網絡和 Diffusion Models 中 ,當 AI 判斷這張照片裡是「貓」還是「狗」時,我需要它向我們展示在哪些地方「盯得最緊」,像是耳朵的形狀還是毛色的分布。

-----廣告,請繼續往下閱讀-----

其次是局部解釋,LIME 和 SHAP 是兩個用來發展可解釋 AI 的局部解釋技術。

SHAP 的概念來自博弈,它將每個特徵看作「玩家」,而模型的預測結果則像「收益」。SHAP 會計算每個玩家對「收益」的貢獻,讓我們可以了解各個特徵如何影響最終結果。並且,SHAP 不僅能透過「局部解釋」了解單一個結果是怎麼來的,還能透過「全局解釋」理解模型整體的運作中,哪些特徵最重要。

以實際的情景來說,SHAP 可以讓 AI 診斷出你有某種疾病風險時,指出年齡、體重等各個特徵的影響。

LIME 的運作方式則有些不同,會針對單一個案建立一個簡單的模型,來近似原始複雜模型的行為,目的是為了快速了解「局部」範圍內的操作。比如當 AI 拒絕你的貸款申請時,LIME 可以解釋是「收入不穩定」還是「信用紀錄有問題」導致拒絕。這種解釋在 Transformer 和 NLP 應用中廣泛使用,一大優勢是靈活且計算速度快,適合臨時分析不同情境下的 AI 判斷。比方說在醫療場景,LIME 可以幫助醫生理解 AI 為何推薦某種治療方案,並說明幾個主要原因,這樣醫生不僅能更快做出決策,也能增加患者的信任感。

-----廣告,請繼續往下閱讀-----

第三是反事實解釋:如果改變一點點,會怎麼樣?

如果 AI 告訴你:「這家銀行不會貸款給你」,這時你可能會想知道:是收入不夠,還是年齡因素?這時你就可以問 AI:「如果我年輕五歲,或者多一份工作,結果會怎樣?」反事實解釋會模擬這些變化對結果的影響,讓我們可以了解模型究竟是如何「權衡利弊」。

最後則是模型內部特徵的重要性排序。這種方法能顯示哪些輸入特徵對最終結果影響最大,就像揭示一道菜中,哪些調味料是味道的關鍵。例如在金融風險預測中,模型可能指出「收入」影響了 40%,「消費習慣」占了 30%,「年齡」占了 20%。不過如果要應用在像是 Transformer 模型等複雜結構時,還需要搭配前面提到的 SHAP 或 LIME 以及可視化技術,才能達到更完整的解釋效果。

講到這裡,你可能會問:我們距離能完全信任 AI 還有多遠?又或者,我們真的應該完全相信它嗎?

-----廣告,請繼續往下閱讀-----

我們終究是想解決人與 AI 的信任問題

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。因此,AI 既要「可解釋」,也要「能代理」。

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。圖/unsplash

舉例來說,當一家公司要做一個看似「簡單」的決策時,背後的過程其實可能極為複雜。例如,快時尚品牌決定是否推出新一季服裝,不僅需要考慮過去的銷售數據,還得追蹤熱門設計趨勢、天氣預測,甚至觀察社群媒體上的流行話題。像是暖冬來臨,厚外套可能賣不動;或消費者是否因某位明星愛上一種顏色,這些細節都可能影響決策。

這些數據來自不同部門和來源,龐大的資料量與錯綜關聯使企業判斷變得困難。於是,企業常希望有個像經營大師的 AI 代理人,能吸收數據、快速分析,並在做決定時不僅給出答案,還能告訴你「為什麼要這麼做」。

傳統 AI 像個黑盒子,而可解釋 AI (XAI)則清楚解釋其判斷依據。例如,為什麼不建議推出厚外套?可能理由是:「根據天氣預測,今年暖冬概率 80%,過去三年數據顯示暖冬時厚外套銷量下降 20%。」這種透明解釋讓企業更信任 AI 的決策。

-----廣告,請繼續往下閱讀-----

但會解釋還不夠,AI 還需能真正執行。這時,就需要另一位「 AI 代理人」上場。想像這位 AI 代理人是一位「智慧產品經理」,大腦裝滿公司規則、條件與行動邏輯。當客戶要求變更產品設計時,這位產品經理不會手忙腳亂,而是按以下步驟行動:

  1. 檢查倉庫物料:庫存夠不夠?有沒有替代料可用?
  2. 評估交期影響:如果需要新物料,供應商多快能送到?
  3. 計算成本變化:用新料會不會超出成本預算?
  4. 做出最優判斷,並自動生成變更單、工單和採購單,通知各部門配合執行。

這位 AI 代理人不僅能自動處理每個環節,還會記錄每次決策結果,學習如何變得更高效。隨時間推移,這位「智慧產品經理」的判斷將更聰明、決策速度更快,幾乎不需人工干預。更重要的是,這些判斷是基於「以終為始」的原則,為企業成長目標(如 Q4 業績增長 10%)進行連續且動態地自我回饋,而非傳統系統僅月度檢核。

這兩位 AI 代理人的合作,讓企業決策流程不僅透明,還能自動執行。這正是數智驅動的核心,不僅依靠數據驅動決策,還要能解釋每一個選擇,並自動行動。這個過程可簡化為 SUPA,即「感知(Sensing)→ 理解(Understanding)→ 規劃(Planning)→ 行動(Acting)」的閉環流程,隨著數據的變化不斷進化。

偉勝乾燥工業為例,他們面臨高度客製化與訂單頻繁變更的挑戰。導入鼎新 METIS 平台後,偉勝成功將數智驅動融入業務與產品開發,專案準時率因此提升至 80%。他們更將烤箱技術與搬運機器人結合,開發出新形態智慧化設備,成功打入半導體產業,帶動業績大幅成長,創造下一個企業的增長曲線。

-----廣告,請繼續往下閱讀-----

值得一提的是,數智驅動不僅帶動業務增長,還讓員工擺脫繁瑣工作,讓工作更輕鬆高效。

數智驅動的成功不僅依賴技術,還要與企業的商業策略緊密結合。為了讓數智驅動真正發揮作用,企業首先要確保它服務於具體的業務需求,而不是為了技術而技術。

這種轉型需要有策略、文化和具體應用場景的支撐,才能讓數智驅動真正成為企業持續增長的動力。

還在猶豫數智驅動的威力?免費上手企業 AI 助理!👉 企業 AI 體驗
現在使用專屬邀請碼《 KP05 》註冊就享知:https://lihi.cc/EDUk4
訂閱泛科學獨家知識頻道,深入科技趨勢與議題內容。

👉立即免費加入

-----廣告,請繼續往下閱讀-----
文章難易度
鳥苷三磷酸 (PanSci Promo)_96
222 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

1
0

文字

分享

0
1
0
解密離岸風電政策環評:從審查標準到執行成效,一次看懂
鳥苷三磷酸 (PanSci Promo)_96
・2024/12/21 ・3546字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

本文由 環境部 委託,泛科學企劃執行。 

政策環評是什麼,跟一般環評差在哪?

隨著公共建設的規模越來越大,傳統的環境影響評估(EIA),難以應對當今層層疊疊的環境議題。當我們評估一項重大政策時,只看「單一開發案」已經不夠,就像評估一棵樹,卻忽略了整片森林。因此,政策環境影響評估(SEA)應運而生,它看樹,也看森林,從政策的角度進行更全面的考量與評估。

與只專注於「單一開發案」的個案環評不同,政策環評更像是一場全面性的檢視,強調兩個核心重點:「整合評估」與「儘早評估」。簡單來說,這不再是逐案評估的模式,而是要求政府在制定政策時,就先全面分析可能帶來的影響,從單一行為的侷限中跳脫,轉而聚焦在整體影響的視角。無論是環境的整體變化,還是多項行為累計起來的長期影響,政策環評的目的就是讓這些潛在問題能儘早浮現、儘早解決。

除此之外,政策環評還像是一個大型的協商平台,以永續發展為最高指導原則,公開整合來自不同利益團體、民眾與各機關的意見。這裡,決策單位不再只是單純的「評分者」,而是轉為「協調者」或「仲裁者」,協調各方的意見看法在這裡得到整合,讓過程更具包容性。

-----廣告,請繼續往下閱讀-----

政策環評並沒有所謂的「否決權」,而是側重意見的蒐集與整合,讓行政機關在政策推動時,能更全面地掌握各方意見。政策環評旨在建立系統化、彈性的決策評估程序(包含量化、特徵化等評估方式),也廣納社會面或民眾滿意度等影響因子,把正式與非正式的作法一併考量進去。再來,決策程序中能層層檢討、隨時修正,也建立了追蹤機制和成效評估標準(如環境殘餘效應、累積效應等),透過學習來強化決策品質與嚴謹度。就像一場球賽,隨時根據變化、調整策略。

這樣的制度設計,就非常適合離岸風電這類規模大、跨區域、影響層面廣泛的能源政策評估,讓我們可以在政策推動初期就想到整個工程對環境、產業發展與社會的諸多影響,也為後續政策執行奠定更穩固的基礎。

政策環評並沒有否決權,而是重在整合各方意見、量化影響以及建立追蹤與修正機制,這樣的制度設計便適用於離岸風電等大型政策評估。圖/envato

離岸風電為何需要的是政策環評?

離岸風電是能源轉型的重要策略之一,但這不是只在某塊空地上架幾個風車,而是要在廣闊的大海中進行大規模建設,牽涉的不僅是發電,還涉及海洋保育、航空交通、水下文化資產等議題,更與當地漁民的權益息息相關。

這樣的大型離岸風電工程,因海洋環境的風險和不確定性極高,很容易讓人擔心生態影響。如何在海洋生態保護和綠能發展之間找到平衡點?這就需要政策環評的把關,從多方檢視這些複雜的挑戰,確保政策推行既能穩妥,又能達成發電目標。

-----廣告,請繼續往下閱讀-----

2016 年 3 月,經濟部自願提出「離岸風電區塊開發政策評估說明書」,是臺灣首次針對再生能源政策所進行的政策環評。根據這份評估說明書,政府將採分期公告、逐年檢討的方式,每三年開放 0.5~1 百萬瓩(GW)的電量額度鼓勵業者投入開發。當時環保署(現為環境部)歷經九個月召開 2 次意見徵詢會議,蒐集環評委員、專家學者、相關機關、民眾等意見,最終於同年 12 月的環評委員會作出徵詢意見。這些協商和檢討的過程,讓政策「名正言順」,得以充分顧及各方利益與生態平衡。

共通性環境議題與因應對策

在「離岸風電區塊開發政策評估說明書」中,環評會議盤點了開發過程中共通的環境議題。

首先,對於海洋生態保育的重點,特別是對中華白海豚的保護。環評會要求風機基座必須距離白海豚棲地1公里以上,以減少對其生態的干擾。實際上,這項規範在後續的實務執行中更為嚴格,例如,福海二期示範風場已退縮到 2.5 公里外,臺電二期風場甚至退到 4.2 公里外,顯示政策環評確實發揮了實質作用。此外,針對施工期間的聲音干擾,要求施工需有 30 分鐘以上的打樁緩啟動時間,並限制聲量不得超過 180 分貝等。

針對鳥類保育,政策環評也訂立了具體規範。其中,包括風機之間必須留設 500 公尺以上的鳥類穿行廊道,並在施工期間避開每年 11 月至隔年 3 月的候鳥過境期。同時,為確保這些措施確實生效,工程方也被要求設置「鳥類活動監測系統」,持續追蹤、評估風場對鳥類的影響。

-----廣告,請繼續往下閱讀-----

此外,環評會也確立了「先遠後近」的開發原則,要求優先開發較單純的航道外側區塊,待累積足夠經驗及相關資料後,再進行近岸區域的開發。這項原則考量了近海生態系的複雜性,也顧到養殖漁業的漁民權益,展現出政策環評在平衡發展需求與環境保護上的價值。

新一代的審查機制:達成能源轉型及環境保護雙贏

為提升環評效率並確保審查品質,環境部參考過去離岸風電審查經驗,制定「風力發電離岸系統開發行為環境影響評估初審作業要點」,建立了全新的二階段審查機制。

環境部推動二階段審查機制,提升離岸風電環評效率與審查品質。圖/envato

這套新機制分為兩個階段。第一階段,就像「初步檢查」,由環境部依照檢核表進行初審,並由環評審查委員會執行秘書邀集 2-5 位環評委員進行初審,通過第一階段初審之業者,可取得經濟部遴選資格,其初審結果有效期為兩年,必要時可申請展延一年。接著進入「第二階段」,開發單位檢附目的事業主管機關核配的容量證明文件等資料,提供更詳細的環境影響說明書以進行實質審查。

檢核表明確規範了 15 大項審查事項、112 項檢核項目,涵蓋開發案的全生命週期。

-----廣告,請繼續往下閱讀-----

工程面,包含風機及海上變電站基礎設置、海域電纜路線規劃、陸域設施工程等硬體設施的規範。其中,風機基礎設置必須避開海岸保護區、河口、潮間帶等環境敏感區域,且須進行地震危害度分析。海域電纜部分,除特殊情形外,埋設深度至少須達 1.5 公尺,且不得跨越中華電信海底電纜 1 公里的範圍。

環境保護上,檢核表則對施工噪音管制訂立了明確標準。舉例來說,打樁期間警戒區 750 公尺範圍內的水下噪音不得超過 160 分貝,且必須全程採用最佳噪音防制工法。同時,每個開發案或聯席審查的風場,同一時間內只能進行一支基樁施作,而日落前一小時到日出前也不得啟動新的打樁作業。

環境監測計畫更是檢核表中的重點,分為「施工前、施工期間、營運期間」三階段,每個階段都規定了詳細的監測要求(包括海域底質監測、水下噪音監測、鯨豚目視監測等)。以鯨豚監測為例,每年需執行20趟次,四季中每季至少執行 2 趟次。此外,所有監測數據都必須上傳至環境部「環保專案成果倉儲系統」(https://epaw.moenv.gov.tw/)供各界查閱。

這套標準化的審查機制不僅解決了「同一風場可能有多家廠商重複調查或審查」的資源浪費,也透過明確的檢核項目,讓開發單位在規劃階段就能掌握更具體的環境保護要求。不僅如此,該機制亦確保了環境保護標準前後一致,避免不同案件之間標準不一。

-----廣告,請繼續往下閱讀-----

結語

透過新的審查機制,環境部正積極推動再生能源開發案的環評審查作業,在提升行政效率之餘,也確保環境影響評估的品質,支持臺灣的離岸風電開發及國家能源轉型政策,也做好把關。藉由標準化檢核表和二階段審查制度,期待能在推動能源轉型的同時落實環境保護。

為確保制度能持續精進,環境部每半年至一年會進行制度檢討,並持續公開所有環評書件於「環評書件查詢系統」(https://eiadoc.moenv.gov.tw/eiaweb/)。此外,環評會議召開前一週,也必須在指定網站公布開會訊息,讓民眾能申請列席旁聽或發表意見。透明化措施一方面展現了政府推動永續發展的決心,另一方面也確保全民能共同參與監督離岸風電的發展過程。未來,這套制度將在各界的檢視與建議中持續完善,為臺灣的永續發展貢獻心力,發揮環評作業的最大效益。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
222 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

3

33
5

文字

分享

3
33
5
忘了收培養皿就去度假,回來後發現世上第一個抗生素!
賴昭正_96
・2020/12/23 ・4734字 ・閱讀時間約 9 分鐘 ・SR值 562 ・九年級

-----廣告,請繼續往下閱讀-----

「發現」是看到別人所看到的,但思考著別人所沒想到的。(Discovery is seeing what everybody else has seen, and thinking what nobody else has thought.)

 

Albert von Szent-Györgyi Nagyrápolt——1937 年諾貝爾醫學獎

科學史上那些來自「意外」的大發現

許多謮者可能覺得科學的進展是有條有理的:每年向國科會提出研究計劃,然後按部就班地完成。但事實上科學上的許多大發現可以說大都是「意外」的:例如德國理論物理學家普朗克 (Max Planck) 謂他是靠「幸運的直覺 (lucky intuition) 」而意外地敲響了量子力學革命之鐘聲!一位名不見經傳,任教於東巴基斯坦的講師玻色 (Styendra Bose) 也以一篇 1500 字的論文糊里糊塗地意外開啟了量子統計力學之大門(見「量子統計的先鋒——波思」)!

許多科學上的大發現都是「不小心」的。圖/giphy

除了上面那類「意外」外,科學上還有一種靠天幫忙的「機緣巧合幸運的意外發現」(英文稱為 serendipity )。

例如諾貝爾 (Alfred Nobel) 炸藥之發現,有一傳說是因為儲存的硝化甘油意外泄漏,與用來包裝儲存鐵桶之板狀矽藻土混合,使他想到了試用此板狀矽藻土。經實驗後,他發現兩者相混之固體不但安全可靠(硝化甘油為液體,非常不穩定,一不小心就爆炸),而且還可保持原有之爆炸威力──這不正是他研究甚久而未能找到的「穩定炸藥」嗎(見「量子統計的誕生」)?!

醫學上這類的幸運發現更是層出不窮。例如 1889 年,為了瞭解胰臟的功能,法國兩位外科手術醫生梅倫 (Joseph von Mering) 及明考斯基 (Oskar Minkowski) 將狗的胰臟割除,發現這隻可憐狗整天口渴及隨地小便。

-----廣告,請繼續往下閱讀-----

數日後,一位助手覺得實驗室內的蒼蠅好像突然多了起來⎯⎯尤其是在狗小便過的地板處。分析狗尿及其血液後,梅倫及明考斯基很驚奇地發現裡面充滿了糖份!顯然地,胰臟具調解體內糖份的功能,它一旦受損,將導致糖尿病!就這樣,梅倫及明考斯基無意中發現了「困擾」人類三千多年之糖尿病的病源(見「胰島素與生技產業誕生的故事」)。

兩位外科醫生在小狗身上發現人類糖尿病的成因。圖/Pexels

在「認識病毒全攻略!病毒的發現、與細菌的不同、科赫假說和致病機制」一文裡,筆者提到了抗生素的發現是醫學史上最重要的突破之一。但多少謮者知道英國細菌學家弗萊明 (Alexander Fleming) 是靠機緣巧合及運氣而發現第一個抗生素——盤尼西林( penicillin,或稱「青黴素」)——嗎?

發現青黴素還把專利交給政府的辣個男人

弗萊明 (1881-1955年) 出生於蘇格蘭的洛克菲爾德 (Lochfield) 小城,七歲時父親去世。 弗萊明在當地學校接受了良好的基礎教育,13 歲時跟隨同父異母兄弟前往倫敦,十幾歲的時候就在攝政街理工學院 (Regent Street Polytechnic) 上課。在貨運公司工作了四年後,進入倫敦聖瑪麗醫院醫學院 (St. Mary′s Hospital Medical School)。

弗萊明為發現盤尼西林的研究者。圖/G.cz

原想成為一名外科醫師;但 1906 年在疫苗治療的先驅賴特 (Almroth Wright) 爵士帶領下的研究使他確信他的未來在於細菌學的新領域。他於 1908 年獲得學位後,便留校當講師,直到 1914 年因第一次世界大戰而從軍擔任陸軍醫療隊的上尉。1918 年回到了聖瑪麗醫學院,1928 年昇等為該學院教授,1943 年當選為皇家學會會士 (fellow) ,1948 年當選為倫敦大學細菌學名譽教授,於 1944 年獲封為爵士。 

-----廣告,請繼續往下閱讀-----

1999 年,弗萊明被《時代》雜誌評選為 20 世紀的 100 位最重要人物;2002 年,他在英國廣播公司 (BBC) 的電視民意調查中被選入為 100 個最偉大的英國人。弗萊明爵士不是因為發現了可拯救數百萬生命的抗生素而非常受人尊敬,而是他並沒有因專利成為一個很有錢的人。

弗萊明紀念郵票。圖/Wikimedia common

相反地,他了解青黴素具有克服梅毒、壞疽、和結核病等疾病的潛力,必須將其釋放給世界,以服務更大的群眾。因此在第二次世界大戰前夕,弗萊明將專利移交給了美國和英國政府,使他們能及時大量生產青黴素,救治了那場戰爭中的許多傷員。

在「胰島素與生技產業誕生的故事」一文裡,筆者也提到了發現胰島素之加拿大多倫多大學講師班廷 (Frederick Banting) 也應可賺大錢,但卻在取得胰島素萃取的專利後,將其使用權完全免費地轉給加拿大多倫多大學!這種清高的學術研究,在今日生物研究已成為一場金錢遊戲的社會裡(見「你的基因是別人的專利?生技產業的金錢遊戲由此開啟」)已經幾乎看不到,實在讓筆者非常懷念象牙塔的學府!

粗心致培養皿發霉,竟意外發現盤尼西林

弗萊明是一位粗心的實驗室技術員,1928 年夏在研究葡萄球菌1的某一天,他忘了將含有葡萄球菌培養物的培養皿放在培養箱中,留在實驗室工作台上就匆匆忙忙地離開實驗室去度假。命運就是這樣作弄人:那時室內的溫度及濕度均適合霉菌(mold,或譯「黴菌」)的生長;因此兩個禮拜回來後,弗萊明發現在敞開窗戶旁的培養皿因未加蓋而發霉。

-----廣告,請繼續往下閱讀-----
弗萊明忘了把培養皿收在培養箱裡,留在工作台上就去度假了,回來後發現了一些「驚喜」。圖/Pexels

一般的研究者大多會將這些被霉菌孢子污染的培養皿丟掉;但弗萊明這次卻心血來潮⋯⋯。他回憶說:

基於以前「溶菌酶」的經驗,也像許多細菌學家那樣,我應會把污染的培養皿丟掉,⋯⋯某些細菌學家也有可能(早就)注意到我(那時)看到的相似變化,⋯⋯但是在對天然產生的抗菌物質沒有任何興趣的情況下,都會順手地將培養物丟棄。⋯⋯但(這次)我沒有找個藉口丟掉受污染的培養液,相反地,我做了進一步的探討。

弗萊明細心觀察到:霉菌掉落處周圍的瓊脂凝膠 (agar gel) 被溶解和清除;他隔離霉菌並鑑定其為由「真核細胞」組成的青黴屬成員。進一步研究後他發現抑製或預防細菌生長的不是黴菌本身,而是霉菌產生的某些「黴汁 (mold juice) 」,因為產生它的霉菌為 Penicillium notatum,故將之稱為 Penicillin(盤尼西林);中文因為是由藍綠色黴菌分離出來的黴素,故又稱為「青黴素」。

在隨後的十年中,因在分離和穩定青黴素方面遇到的困難,弗萊明只能專注於青黴素作為傷口和表面感染的局部殺菌劑。

在哈密瓜上發現大量生產青黴素的方法

因之當時弗萊明本人並沒有真正意識到他的發現有多麼重要;而醫學界也很少注意到他發表在《英國實驗病理學雜誌》 (British Journal of Experimental Pathology, 1929 年 6 月) 上的論文。

-----廣告,請繼續往下閱讀-----

1938 年由牛津大學的弗洛里 (Howard  Florey) 和錢恩 (Ernst Chain) 領導的化學家團隊終於分離和純化了青黴素2,生產足夠做臨床試驗的青黴素,於 1940 年證明青黴素可以用作抵抗多種細菌性疾病的治療劑[抗生素 (antibiotic)3]。1945 年,弗萊明、弗洛里、與錢恩因「青黴素的發現及其在各種傳染病中的療效」獲得諾貝爾醫學獎。

起初弗萊明本人和醫學界並沒有意識到這個發現的重要,直到證明青黴素可以抵抗細菌性疾病。圖/flickr

弗萊明後來回憶說:

有時候,人們會發現不是自己在找的東西。我 1928 年 9 月 28 日拂曉後醒來時,當然沒打算通過發現世界上第一個抗生素或細菌殺手來徹底改變所有藥物。 但是我想那正是我(當時)所做的。

早期青黴素無法大量生產,弗萊明實驗室一個月所生產的青黴素,僅能供一個病人治療用,因此如何大量生產青黴素便成為重要關鍵。大量生產之方法的發現事實上也是屬於「機緣巧合意外的發現」。

為了趕上可能救治二次世界大戰傷兵的需求,弗洛里還飛到美國諮詢如何提取及製造青黴素。1943 年的一天,在伊利諾州皮奧里亞 (Peoria) 的農業部北部區域研究實驗室 (NRRL) 工作的亨特 (Mary Hunt) ,無意中在一雜貨店裡發現了一顆表皮長滿漂亮及金色青黴的哈密瓜。

-----廣告,請繼續往下閱讀-----
亨特在雜貨店發現一顆表皮長滿青黴的哈密瓜,並將它帶回實驗室分析。圖/Pexels

將它帶回實驗室,篩選出能大量分泌青黴素的菌株後,她發現該菌株產生的青黴素數量是 notatum 的 200 倍——她因之贏得「發霉瑪麗 (Moldy Mary) 」的綽號。在許多研究團隊紛紛加入菌種及製造方法的改良後,青黴素產量由 1943 年只能醫治不到 1000 人,一下子跳到 1944 年時,已有足夠的青黴素來治療每位需要的士兵,為第二次世界大戰提供了功不可沒的貢獻!也啓動了尋找其他抗生素的研究,開創了醫學的新紀元。

結論

青黴素被稱為是一種「神奇藥物 (wonder drug) 」,而事實也確名副其實: 在發現青黴素之前,今天看起來非常小的傷害和疾病(不管是由被感染的小傷口或是由鏈球菌性咽喉炎等疾病引起的),那時候都可能導致死亡;而梅毒和淋病等性病則更不用說。

因此在二次世界大戰後,青黴素以及其他抗生素的使用成幾何級數地增加,導致細菌耐藥性也以驚人的速度增強。 2019 年,世衛組織因此將細菌耐藥性增強列為對全球健康的十大威脅之一。事實上早在 1945 年,在諾貝爾獎領獎典禮的演講中,弗萊明就已經警告說: 「過度使用青黴素可能會導致細菌耐藥!」

弗萊明意識到自己的發現是偶然與機遇,他因此謙虛地說:「青黴素的故事蘊含著十足的浪漫色彩,有助於說明機遇及命運在一個人職業生涯中所佔有的影響。」

但儘管如此,因為「命運較照顧已有準備的人」4,請不要痴痴地等著機遇及命運來敲門!勸君惜取少年時,多一份準備,免得黃金掉到家門前都不知道!

-----廣告,請繼續往下閱讀-----

註解

  1. 葡萄球菌感染是由葡萄球菌引起的「疾病」;在少數情況下,這些細菌只會導致皮膚感染。但是如果細菌深入到體內,進入血液、關節、骨頭、肺、或心臟,則葡萄球菌感染可能致命。
  2. 牛津大學的 Dorothy Crowfoot Hodgkin 於 1945 年用 X 光晶體繞射確定了青黴素的化學構造(獲 1964 年諾貝爾化學獎);因為合成困難,麻省理工學院的John C. Sheehan 遲至 1957 年才完成了青黴素的首次化學合成。
  3. 早在 19 世紀,人類就已經觀察到某些細菌和黴菌之間的拮抗作用,並且將這種現象稱為「抗生作用 (antibiosis) 」。
  4. 「Fortune favors the prepared mind」出自因接種疫苗、微生物發酵、和巴氏滅菌法原理的發現而聞名的法國生物學家、微生物學家、和化學家巴斯德 (Louis Pasteur) 。

延伸閱讀

  1. 「量子統計的先鋒——波思」、「量子統計的誕生」、及「胰島素與生技產業誕生的故事」的內容,均收錄在《我愛科學》(華騰文化有限公司,2017年12月出版)一書中。
  2. 有關量子力學發展的故事請參考《量子的故事》(第2版,新竹市凡異出版公司, 2005年),及《我愛科學》內的相關物理內容。
  1. Roberts, R. M. (1989). Serendipity: Accidental discoveries in science. Published by Wiley
  2. 賴昭正(1982)。〈量子統計的先鋒——波思〉,收入於《科學月刊》1982 年第 13 卷第 4 期,總卷號 148 期,39頁。
  3. 賴昭正(2015)。〈量子統計的誕生〉,收入於《科學月刊》2015 年第 46 卷第 1 期,總卷號 541 期,73頁。
  4. 發現能治療糖尿病的胰島素——胰島素與生技產業的誕生(上) – PanSci 泛科學
  5. 你的基因是別人的專利?生技產業的金錢遊戲由此開啟 – PanSci 泛科學
  6. 認識病毒全攻略!病毒的發現、與細菌的不同、科赫假說和致病機制 – PanSci 泛科學

-----廣告,請繼續往下閱讀-----
所有討論 3
賴昭正_96
44 篇文章 ・ 58 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。