0

0
0

文字

分享

0
0
0

互踢皮球的美國食安管理│食安簡史12:培訓中心的秘辛

miss9_96
・2019/08/26 ・2189字 ・閱讀時間約 4 分鐘 ・SR值 580 ・九年級

-----廣告,請繼續往下閱讀-----

食品安全近年引發許多焦慮,臺灣的食安政策究竟該如何制訂,才能讓大家吃得安心放心呢?本系列以歐盟、英國、美國、加拿大、中國等國為例,整理歸納系列文章,邀請大家破關點技,點好點滿成為食安鬥士。

美國的食安管理:碎片化的多元組織

沒有哪個國家的管理方式是 100% 完美的。

美國食品安全雖然為國際所稱道,但長期以來,仍有許多困境有待改善。首先是多元食安管理組織設計所造成的「碎片化」,美國幅員遼闊,人口龐大,除聯邦外又細分為各州。由於執行單位眾多,令出多門,亦有職權重合、資源浪費和缺乏協調的問題。

而在聯邦等級的衛生與公眾服務部的食品藥物管理局 (FDA) 和農業部的食品安全檢驗局 (FSIS) 兩者之間,也有預算和人力分配不均的問題。大部份的食安預算和人力都集中在 FSIS 裡,但預算、人力較少的 FDA 卻負擔了美國 80% 左右的食品安全。

加上現代食品的複雜度越來越高,使得當年依「食物品項」做為多元監管的美國制度,也越來越無法適應現代食品科技的變化,如下表:美國農業部管理養雞場,但 FDA 卻管理雞飼料;而海鮮歸屬 FDA 管轄,但淡水鯰魚卻又隸屬農業部的管理。可見在食品越來越複雜的未來,美國的區分制度將會受到更多的挑戰。

-----廣告,請繼續往下閱讀-----
美國農業部和FDA的職權分別2。表/作者提供

因此除了推動《美國食品安全現代化法案-Food Safety Modernization Act, FSMA》之外,美國也有人認為應該要成立單一的食品安全局 (Food Safety Administration) 和成立跨州、聯邦的食品安全領導委員會 (Food Safety Leadership Council) ……等,來解決組織設計碎片化的問題1。可以發現,在層層體制的管理架構裡,不論是美國或是台灣,都有機構間互相踢皮球溝通協調的問題存在。

而《美國食品安全現代化法案》在 2011 年的簽署,或多或少地補強了一些既有的問題。首先是該法案擴張了 FDA 的權力,讓 FDA 能從食品源頭監管產品,更能在懷疑食物有危害時就執行回收。同時也賦予了 FDA 將美國的食安管理精神傳遞給商業貿易夥伴的任務,讓跨國的食品鏈更安全。

而《美國食品安全現代化法案》也保障了員工舉報的權益,此點非常重要,由於第一線員工才能發現最細微的線索,而許多食品詐欺的罪行也得要仰賴員工的舉報,因此保障員工的工作權,就是保障美國民眾食品的安全3

但話又說回來,沒有任何一條法案是完美的。

-----廣告,請繼續往下閱讀-----

《美國食品安全現代化法案》背後的問題

雖然我一直陳述《美國食品安全現代化法案》所帶來的好處,但事實上該法案也暴露出了一些根本上的問題。首先《美國食品安全現代化法案》雖提升了 FDA 的權力,但事實上美國掌管食安的尚有農業部的 FSIS 和美國國家環境保護局 (Environmental Protection Agency, EPA) ……等單位,也就是此法案僅加強了 FDA 的權力和責任,但卻未顧及其他的主責單位3

僅管《美國食品安全現代化法案》提高了 FDA 的權力,但卻沒有相對應的經費支持。據估計,執行此的前五年需花費 14 億美金,但 FDA 在 2014 年的總預算僅有 1.4 億美金,顯示 FDA 預算明顯不足。如何籌措經費來彌補缺口?未來肯定也會是美國政府一個相當頭痛的問題2

再者,雖然法案加強了企業對食品的責任,但也提高了監督、控管等成本。據我國行政院農業委員會的資訊認為,小型農場需將收入的一半進行投資,才符合規定,而新創的農場企業可能更沒有資本去添購相關的機具和人力。因此現代化法案反而成了農業新創者巨大的障礙4

除了上述所提及的經費嚴重不足的問題外,此法也希望 FDA 能每年加倍國外食品工廠查驗的數量,但 FDA 的人力是否能夠勝任日漸繁重的査廠工作,恐怕是非常令人質疑的。同時由於跨國食品鏈越來越複雜,外國的管控品質不一的情況下(如:中國三聚氰胺毒奶粉、英國馬肉假冒高價牛肉、德國受汙染豆芽菜等),法案雖也針對國外食品進口有了更嚴格的査廠和規範。但現實的執行層面上卻有諸多明顯的阻礙!

-----廣告,請繼續往下閱讀-----

外國的文化、語言等鴻溝對 FDA 而言也是難以跨越,在過去的記錄上就曾出現 FDA 的人員誤讀中國食品工廠的名稱,因此前往了錯誤的工廠,也錯失了追溯時效;也曾發生過海外的主管機關包庇違法廠商,通風報信後讓 FDA 撲空的事情。

語言和文化的隔閡,讓 FDA 查廠的成效大打折扣。圖/wikipedia

第三方認證?美國食安法新轉機?

現代科技發展迅速,新興的食品越來越多(如:基因改質、奈米科技等),對 FDA 的查廠人員來說,人力的缺乏、文化的差距,以及新知識的變動也將是美國政府的巨大考驗2

而《美國食品安全現代化法案》雖然也規劃了第三方認證等原則,期許第三方組織的加入來降低 FDA 的負擔,同時提高査廠的能力。但對第三方組織而言,可能會受到當地政府和食品企業的壓力和關說,甚至賄賂等地下活動都是可預期的行為2。外國和美國間文化的落差,在《美國食品安全現代化法案》的推動上,將是一個難以消彌的障礙。

下一篇請見:擺脫官僚:加拿大食品檢驗局│食安簡史13:三轉培訓中心

參考資料

  1. 林麗芳 (2010) 美國食品安全管理機制分析。行政院農業委員會
  2. 林勤富 (2015) 美國食品安全現代化法進口食品管制度設計研究。國立清華大學法律研究所
  3. 周超 (2012) 美国食品安全现代法案对我国食品安全监管的启示。湖南社会科学
  4. 廖鴻仁 (2015) 美國食品安全現代化法執行法規推動現況。行政院農業委員會
-----廣告,請繼續往下閱讀-----
文章難易度
miss9_96
170 篇文章 ・ 1079 位粉絲
蔣維倫。很喜歡貓貓。曾意外地收集到台、清、交三間學校的畢業證書。泛科學作家、科學月刊作家、故事作家、udn鳴人堂作家、前國衛院衛生福利政策研究學者。 商業邀稿:miss9ch@gmail.com 文章作品:http://pansci.asia/archives/author/miss9

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

1

3
2

文字

分享

1
3
2
福島核污水是什麼?我們還能安心吃海鮮嗎?核污水全解析!
PanSci_96
・2023/10/01 ・4897字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

福島核污水正式排放入海了!食鹽要屯多少?海鮮還能吃嗎?哥吉拉要誕生了嗎?

核廢水是怎麼來的?

2011 年 3 月 11 日,一場海嘯衝擊了在福島海邊的第一核電廠,破壞了核電廠中做為緊急電源設備的發電機,在備用電池電力耗盡後,冷卻系統完全失效。然而反應爐內的連鎖反應還在持續,最後溫度不斷竄高,高溫水蒸氣與燃料護套中的鋯合金,發生鋯水反應並產生大量易燃的氫氣,最終與空氣中的氧氣作用導致爆炸。

在事故發生前後,日本政府灌入大量海水來為反應爐進行冷卻,而這些直接接觸熔融燃料棒的污水,就被稱為核污水,日文則稱為「汚染水」。至於當時的決策細節與失誤,大家可以看今年上映的日劇《核災日月》複習一下。而既然事件已經發生了,我們就重點討論核污水。

《核災日月》圖/IMDb

現在儲存在福島的核污水不只有冷卻水,其實還有受污染的降雨與地下水。事故發生後,東京電力公司在第一核電廠加裝擋水牆,阻擋因為降雨流經 1、2、3 號機組的污染水流入海洋。並且設置凍土牆隔絕地下水,同時挖水井抽出污染的地下水,讓廠區內的地下水水位下降,因此地下水只會從外部滲入,內部的污染水則不會滲到外面。不論是降雨還是抽出的地下水,都屬於污染水,平均每天都會增加 92 立方公尺的污染水。直至本集影片上架,當地已經存有 134 萬噸的汚染水,而且還會持續增加,你可以自己打開 Google Map,鳥瞰這密密麻麻的眾多大型儲槽,別忘了,核反應爐本體才是日本更迫切的問題,要是污水不先處理,要是下一個天災來襲,麻煩又會疊加。因此日本政府在 2016 年就展開討論,準備要處理掉這些污水。

-----廣告,請繼續往下閱讀-----
福島第一核電廠。圖/Google Map

為何決定排放入海?

為何核污水的最終處置決定是排放入海呢?其實 2016 年提出的方案有五種:稀釋入海、蒸發至大氣、電解水釋放氫氣、深層地質注水、以及水泥固化並地下處置。很快,電解水因為還需要相關技術研發而被否決,這個我們在氫能那集講過。深層地質注水和水泥固化並地下處置,則有選址與法規問題,無法立即實現。這部分則等同於核電使用國都面臨的核廢料處置問題,我們之前花過好幾集介紹過,歡迎前往複習。

最後僅剩稀釋入海和蒸發至大氣兩種方法,最後日本認為海洋的擴散行為更容易追蹤,最重要的是成本僅有蒸發的十分之一,因此選用了這個方法。至於有些人說,既然東電跟日本政府都保證安全,何不做成瓶裝水拿去賣?之類的建議在這我們不多討論,就請大家用理智來看待。

核廢水如何被處理?

根據日本政府的規劃,在這些污染水排放入海前,會先進行淨化處理成為處理水。首先,污染水會經過「銫吸附裝置」,除去銫(Cs)和鍶(Sr)。接著再經過淡水化裝置除去水中的鹽分後,成為「鍶處理水」。這種鍶處理水,可以作為 1, 2, 3, 4 號機組的冷卻水再次循環利用。

最後,大部分的鍶處理水,會被送到「ALPS多核種除去設備」,將 63 種放射性核種中的 62 種放射性核種去除。「ALPS多核種除去設備」唯一不能去除的放射性核種,就是氚(H-3)。但其實啊還有一個碳-14 無法被過濾,但濃度低到可以忽視。經過「ALPS多核種除去設備」處理過後的「鍶處理水」,就稱為「含氚處理水」。

-----廣告,請繼續往下閱讀-----
根據日本政府的規劃,在這些污染水排放入海前,會先進行淨化處理成為處理水。圖/PanSci YouTube

含氚處理水中的氚,指的是氫的同位素的一種,在自然界中就存在。半衰期為 12.43 年,衰變時會進行 β 衰變,放出一顆電子並成為氦-3。β 衰變對人體的穿透距離僅限於皮膚,不會對內臟器官產生傷害。
如要能危害人體,需要長期大量攝取由氚構成的重水。關於攝取過多重水對動植物的影響,我們網站上有文章詳細說明過。

簡單來說,綜合自然界中跟福島即將排放的氚,以及我們的生活型態來看,遠遠達不到可能產生危害的程度。知道劑量決定毒性,就像我們每天都吃下不少「有害」物質,例如殘留農藥、油炸致癌物、過多的精製糖等等,但攝取的多寡,對你的健康影響差異很大。那麼重點來了,福島排放的處理水,真的有合乎標準嗎?

處理水符合標準嗎?

這個問題,我們在今年六月的核廢料主題中有提到,國際原子能總署 (IAEA) 在五月底公布了第一階段的調查結果,針對「日本的核種監控能力」進行第三方驗證。結果認為,日本的檢測標準跟分析方法沒問題,調查結果是可信任的。報告中除了氚以外,其他放射性核種的活度也都遠低於排放限值。例如鍶-90 為每公升 0.4 貝克、銫-137 為每公升 0.5 貝克,以臺灣的「食品」標準,銫-137 為每公升 100 貝克以下,雖然鍶-90 還沒有定下標準,但是依國際食品法典委員會的標準,也是在每公升 100 貝克以下。目前的排放值都遠小於標準。

國際原子能總署(IAEA)公布第一階段的調查結果。圖/PanSci YouTube

除了各單一核種的活度以外,所有水中核種加起來的「告示濃度限度比」也低於日本國家標準的每年 1 毫西弗(mSv/year), 1 毫西弗大約是多少呢?大約是一般民眾一年會接收到的輻射劑量。

-----廣告,請繼續往下閱讀-----

至於無法被 ALPS 處理的氚,因為海洋中的水中就廣泛存在,日本將透過海水稀釋後排放入海。目前世界衛生組織對於飲用水的氚含量標準訂為每公升 1 萬貝克,台灣的標準嚴格了許多,是每公升 740 貝克。東電公司的處理水是每公升 14 萬貝克,在排放前會稀釋 740 倍,以每公升 190 貝克的氚濃度排放,低於台灣的飲用水標準。

那麼食鹽呢?我們需要搶購嗎?這就更不用擔心,因為食鹽中不含水,自然也不含氚。或是更進一步可以參考東海大學應用物理系的粉專,他們計算,根據國家標準,食鹽含水量若為 3% 以下,需要每天吃超過 400 公斤的食鹽才會攝取氚超標。真的,別吃那麼鹹啊。

每天吃超過 400 公斤的食鹽才會攝取氚超標。圖/pixabay

那麼,我們就真的兩手一攤,為這件事劃下結論,核輻射只是庸人自擾嗎?

我們該如何看待排放的處理水?

當然不是,就像許多人擔心的,就算科學上告訴你沒問題,但前提是,這些數據得是沒問題的。而且不用說周邊國家,連日本自家民眾也多次抗議處理水的排放。

-----廣告,請繼續往下閱讀-----

目前在 IAEA 架設的網站上,可以看到整個排水計畫的各種即時監測資料。其中就包括出水口的輻射數值監測。

為了驗證處理水不會對海洋生物產生影響,東京電力甚至從去年 9 月開始,就開始進行海洋生物飼養實驗,並且全程公開直播放在他們的YouTube頻道上。不過這頻道訂閱人數跟觀看次數都有點低迷,有興趣的話不妨訂閱,開啟小鈴鐺。

那麼我們能下定論了嗎?在科學上,我們確實能說,在符合規範下,這些排放入海的處理水是沒問題的,食鹽、海鮮也都能照吃,把注重食安與健康的努力分配到其他危害更大、風險更高的事情上,對處理水保持健康而非病態的質疑,對個人來說應該效益更高。

臺灣從去年到今年 6 月,曾 3 次組團赴日考察,並於 8/24 公佈報告書,包含跟日方的問答內容,還有福島核廢水排放設施的照片。海委會表示,專家觀察團評估日方排放相關作業的安全性,跟國際原子能總署評估的結果一致。然而是否選擇相信日本以及 IAEA 給出的數據,如今看來成了國際政治問題。

-----廣告,請繼續往下閱讀-----

另外,在 IAEA 的小組成員中,包含周邊國家:中國、美國、韓國、越南、澳洲、加拿大、法國、俄羅斯、英國、阿根廷、馬紹爾群島,並不包含台灣。如果台灣也能以任何形式加入團隊,或得以取得樣水複測,讓我們知道,日本以及 IAEA 給出的數值是可信的,想必都能更進一步降低民眾的擔憂。

最後,也問問大家,對於這次的處理水排放事件,你會擔心我們的海鮮或食鹽受到影響嗎?

  1. 不擔心,跟人類對海洋的其他污染相比,根本小巫見大巫。
  2. 擔心,等我親眼見到泛科學到現場實測我才相信。機票我出!

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

參考資料

-----廣告,請繼續往下閱讀-----
所有討論 1
PanSci_96
1262 篇文章 ・ 2394 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。