102秒內火速發佈！臺灣第一個地震速報系統的誕生──《地震：火環帶上的臺灣》

本文由 交通部氣象局 委託，泛科學企劃執行。

• 文／陳儀珈

經過中學地科課程的薰陶，大部分的人都知道臺灣位於環太平洋地震帶上，是菲律賓海板塊與歐亞板塊的碰撞交界處，因此地震非常、非常地頻繁。

然而，這個頻繁到底是多頻繁呢？

據統計，臺灣每年偵測到的地震平均達 3 萬多次，每天平均約發生 100 多次地震，約 2 天多出現 1 次規模 4.0 ~ 5.0 的地震，規模 5.0 至 6.0 的週期大約是 2 個星期左右，每年平均出現 3 次規模 6.0 以上的地震。

影片說明：

每一天都有這麼多地震在這塊島嶼底下悄然發動，什麼時候又會有如 921 般的大地震突然重創臺灣？

為了更了解這塊土地和潛在的危機，中央氣象局地震測報中心（以下簡稱地震中心）一肩擔起監測臺灣地震的重任，不斷提升地震測報的效能，努力降低未來可能的地震災害。

33 年內，進化了 5 次的「強地動觀測」計畫

自日本政府在臺北測候所設置了臺灣史上第一座地震儀至今，已經有 125 年的歷史了。這麼多年來，臺灣的地震儀和地震觀測網，有了哪些翻天覆地的變化呢？

國民政府接手臺灣後，改由中央氣象局負責臺灣的地球科學相關測報業務，並在 1989 年成立了「地震測報中心」，擴大編制，走上地震觀測現代化之路。

自成立至今，地震中心投入了巨大的資源和心力在「加強地震測報建立地震觀測網計畫」和「強地動觀測」的長程計畫中，其中強地動觀測每 6 年一期，致力於建置地震觀測資料的蒐集與應用，目前已完成共 5 期的計畫。

經過地震中心 33 年來的努力，從都會區到山區、從陸地到海上、從地表到井下、從 16 位元到 24 位元，地震測站的儀器越來越好，也漸漸拓展至臺灣各個地方。

截至 2022 年 7 月為止，包含中央氣象局地震觀測網（CWBSN）和臺灣強地動觀測網（TSMIP）在內，全臺已經建置了超過 700 個地震測站，是全世界測站密度最高的地震觀測網，平均不到 10 公里就有 1 個地震站！

蒐集了震波資料，然後呢？

除了監測地震活動之外，這些測站蒐集到的強震資料，不僅可以成為學術研究的養分，讓地震學家更了解這塊土地下的構造和祕密，在民生防災上，更有著極為關鍵的貢獻！

「地震」，是臺灣人自出生以來就與之共存，甚至習以為常的自然災害。不過，地震到底有多可怕？

對於成年人們來說，傷痛與恐懼可能會被逐漸淡忘，而對於那些沒有經歷過 921 集集大地震、1999 年以後出生的孩子們，更是毫無具體的想像和實際感受。

臺灣史上傷亡最慘重的1935年新竹-臺中（關刀山附近）地震，帶走了約 3000 人的生命；2018 年 2 月的花蓮地震，震毀了 4 棟大樓；日本 311 大地震和海嘯，奪去了 1.5 萬條生魂；震撼半個亞洲的中國汶川大地震，有將近 7 萬人罹難，受災人口高達 4600 萬多人。

因此，對於地震中心來說，如何「應用」這些地震資料，發展出更先進的預警系統，協助制定建築物耐震設計規範，以及配合其他政府單位規劃救災計畫，更是中心業務的一大重點。

30 秒→10秒→5秒！越來越強大的強震即時警報

「建置強震速報系統」是強地動觀測第 2 期計畫的主要目標，致力於提升地震測報的計算能力、縮短向其他單位通報的時間。

在 921 地震期間，雖然當時的地震速報系統只是雛形，卻成功在地震後 102 秒對外發布地震報告，這樣的速度，備受國際重視與肯定。

到了第 3 期計畫，「強震即時警報系統」已經可以在 30 秒內自動推估出初步的地震規模與震央位置，搶在破壞性地震波（S波、表面波）抵達前，將地震的訊息傳達給防災、救災相關單位。

除了大家最熟悉的、會讓手機響起震耳欲聾警報聲的災防告警系統（PWS）外，地震中心也和各防救災單位、公共設施、各級學校以及電視臺合作，一旦強震即時警報偵測到符合條件的地震，就會馬上傳遞地震消息，讓各單位進行緊急應變。

時至 2020 年 4 月，隨著地震觀測網的擴大和更新，以及不斷進步的通訊技術，地震中心已經可以在地震後約 10 秒內發出地震預警訊息，為國人爭取更多避難的黃金時間。

• 延伸閱讀：關鍵時刻能救命，與時間賽跑的地震預警系統發展史

下一步，地震中心將投入前瞻基礎建設 2.0「都會區強震預警精進計畫」，除了持續擴建井下地震觀測網、發客製化地震預警系統作業模組之外，也預計在 4 年內，讓都會區可以在 7 秒內收到地震預警。

在更久遠的未來，地震中心期許可以順利的應用 AI 技術，建置新一代的地震預警作業系統，進一步將發布時間縮短到 5 秒以內！

地震前兆：有辦法抓住強震前的蛛絲馬跡，然後「預測」嗎？

由於地震是在板塊彼此的作用之下，岩層不斷累積應變能量後斷裂錯動而成，不斷累積能量的同時，地底的岩石有可能會產生許多微小的裂隙和變形，並間接影響其他環境參數，改變地下水位、地球磁場、大地電場的數據。

以 921 大地震為例，在車籠埔斷層附近，地球科學家就曾經觀察到地下水水位出現了「同震」的變化！

地球科學家推測，有可能是當地的岩層受到應力的影響後，產生了許多微小的裂隙，因此改變了岩層的孔隙率、滲透率，進而產生地下水位的變化。

如果每一次大地震之前，地球科學家都可以掌握到這些細微的現象，就有可能發展出成熟的地震前兆研究和技術，甚至走上「地震預測」之路。

因此，地震中心除了建置地震站的觀測網之外，也大力推動地震前兆的研究，自 921 大地震後開始設置「臺灣地球物理觀測網」（TGNS）：

• 「全球導航衛星系統」（GNSS）可以進行大地測量，建立臺灣大地變形的資料庫，藉此監測斷層、火山活動，以及地層下陷或滑動等現象。
• 「地下水」測站能夠連續記錄大氣壓力、雨量與地下水位的相關性。
• 「地球磁場」測站用以監測地球磁場擾動的現象。
• 「大地電場」測站可以蒐集大地電場的觀測資料，並推估與大地震之間的關係。

可惜的是，雖然地球物理的資料和分析已經逐漸制度化，但在地震前兆的研究上，成功案例仍然遠遠不足！

不僅是臺灣在地震前兆上遭受挫折，其他國家在這個領域的研究也長路漫漫。地球科學家還沒有辦法歸納出地震前的行為並取得共識，更別說是地震預測這個更遙遠的夢想了。

幸好，現有的難關無法阻擋地球科學家的好奇心，中央氣象局地震中心也持續投注心力在地震前兆研究中，期許未來有破解祕密的一天！

起死回生的火山、仍然未知的海嘯威脅，地震中心也緊盯不放！

根據噴發紀錄和火山地震波等證據，在中央研究院林正洪研究員的努力下，中研院於 2016 年提出大屯火山群岩漿庫存在的證據，同時也在龜山島附近發現同樣的現象。

隨著地球科學家不斷提出新的證據，經濟部中央地質調查所蒐集相關的研究成果後，在 2019 年 9 月 24 日召開了「火山活動專家諮詢會議」。在各方學者的討論下，讓大屯火山群「起死回生」，將原本公認是死火山的大屯火山群和龜山島，重新被認定為「活火山」。

面對這個反轉，全臺如臨大敵，畢竟人口眾多的天母、北投與士林就在大屯火山群的山腳下，不但核電廠鄰近，總統府和 101 大樓也都距離它不到 20 公里！

我們對這些火山的了解和掌控，又到了哪一步呢？

藉由氣體、溫度、地表變形和地震波等資料，地球科學家可以判斷出大屯火山是否瀕臨爆發的狀態，而早在 2011 年，內政部與國家科學及技術委員會成立大屯火山觀測站 (TVO)，並整合中央地質調查所、中央氣象局、中央研究院及國內各大學分析研究成果，建立多項火山監測系統及平台，同步監測大屯火山活動並進行研究。

除了來自大屯火山觀測站的 10 個地震站之外，也包含氣象局設置在北部的地震站，藉此協助研究人員獲得幾乎即時的火山地震資訊。

當前我國政府已在 2018 年5 月 25 日正式將火山災害列管於「災害防救法」，隔年中央氣象局也制定了火山活動等級與預警發布機制，後於 2020 年 9 月 14 日公布「火山噴發訊息發布作業要點」，一旦大屯火山有任何不對勁，就會立即啟動火山預警發布機制！

除了來自大屯火山的威脅外，地震中心也負責海嘯的監測和警報發布，並在短短的幾分鐘內，就能解算出海嘯的抵達時間、預估浪高。

倘若太平洋海嘯警報中心（PTWC）預估海嘯可能在 3 小時內到達臺灣，或是臺灣近海發生規模 7 以上、震源深度小於 35 公里的地震時，地震中心即會發布海嘯警報，籲請沿岸居民因應海嘯侵襲。

臺灣的地震防災教育，地震中心也當仁不讓！

除了地震、火山和海嘯測報等核心業務之外，地震中心也致力於地震和防災教育，提供無數科普資源，讓社會大眾學習和運用。

在網路上，有中央氣象局建置的「中央氣象局數位科普網」、回答你關於地震大大小小疑惑的「地震百問」、地震中心官方 Facebook 粉絲專頁「報地震－中央氣象局」等等，各式各樣的線上科普內容。

在實體場域，中央氣象局也設置了幾個展示空間：中央氣象局本部、臺灣南區氣象中心、田中氣象站、竹子湖氣象站-火山監測教育展示室等地（目前因疫情暫停開放），讓有興趣的民眾或學校機關，都可以實際前往觀摩，親眼見證地球科學家和氣象局人員的工作場域和聆聽解說。

畢竟，若想達成真正意義上的「防災」，單單只是完善測報工作、防災工程與避難措施並不足夠。更重要的是，必須讓所有臺灣人都有正確的防災觀念，才能有效提升整體社會的抗災能力。

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪撰文│林承勳
• 美術設計│林洵安

自動化音樂展演的可能性

人工智慧（簡稱 AI）技術日新月異，不只打敗人類圍棋高手，現在更用在醫療、交通、金融、資安各領域，遍佈了你我的日常生活。中央研究院資訊科學研究所副研究員蘇黎讓 AI 又多了一項新技能：自動化音樂展演。「虛擬音樂家系統」創造出具有動畫形象的虛擬人物，配合真人一同演出，而且演奏動畫和音樂伴奏皆可自動產生。未來，經營 VTuber（虛擬 YouTuber）背後可能不再需要龐大製作團隊，只要專注在企劃和劇本，其他讓 AI 幫你一鍵生成！

真實與虛擬合奏的貝多芬小提琴奏鳴曲

虛擬音樂家系統，這是蘇黎與其團隊最近的研究成果，他將 AI 應用到音樂表演現場，並試圖推展到整個多媒體產業。這套系統已實際在舞台演示，並與多個音樂展演團隊合作，包括：沛思文教基金會、清大 AI 樂團、長笛家林怡君、口口實驗室等。

以近年蘇黎舉辦的音樂會為例，主要可分為兩部分，一個是台上親手彈奏著貝多芬〈春〉第一樂章伴奏部分的真人鋼琴家；另一個，即為該場演奏的特別之處：正在螢幕裡演奏主旋律的虛擬小提琴音樂家。這場表演是人類與「虛擬音樂家系統」的巧妙組合，真人鋼琴家彈奏的過程中，虛擬音樂家系統除了負責合奏，同時還要生成螢幕上虛擬演奏者的動畫身影。

不放槍、不搶拍的自動伴奏系統

虛擬音樂家系統的「自動伴奏」，不同於卡拉 OK 的機器伴奏，演奏者不需配合伴唱音樂，而是程式控制伴唱音樂以配合演奏者，讓演奏者自由詮釋樂曲。但因為要配合真人演出的現場發揮與不確定性，自動伴奏的運算必須又快又準。蘇黎指出，這也是研究中比較具有挑戰性的部分。

自動伴奏系統的音樂偵測器、音樂追蹤器與位置估算單元，讓虛擬音樂家精準掌握真人演奏實況。

舉例來說，想要跟人合奏，首先要確定能同步開始，這個重責大任就由自動伴奏系統中的「音樂偵測器」擔綱。「音樂偵測器是偵測音樂什麼時候發出，但現場會有其他聲音，不可以讓機器聽到雜音就以為演奏開始了。」蘇黎說，因此團隊會先將整個樂譜，輸入到虛擬音樂家的自動伴奏系統中，並在演奏會場早早就讓系統持續待命，只要音樂偵測器偵測到樂譜的第一個音，伴奏隨即啟動。

自動伴奏系統在確認演奏開始之後，馬上又有另一項任務：追蹤音樂進度。因為每位音樂家會有自己的演奏風格，而且真人不管如何熟練，都還是有可能出現搶拍或延遲等變數。追蹤音樂進度的這項任務，便由自動伴奏系統中的「音樂追蹤器」和「位置估算單元」來執行。

「音樂追蹤器採用多執行緒線上動態時間校正（online dynamic time warping）演算法，每一個執行緒在最短時間內各自計算並取平均值，以找出最貼近該音樂家當下演奏速度的數值。」蘇黎解釋，追蹤器抓到現場演奏速度後拿來跟參考音樂檔案比對，就能推測多久後會演奏下一個音。至於位置估算單元，則是用來估計當下已演奏到整個樂譜的哪個位置。

虛擬音樂家系統藉由上述的自動伴奏技術，追蹤真人演奏進度，並自動觸發並演奏相應的聲部。目前團隊已經將偵測到觸發伴奏的平均延遲控制在 0.1 秒左右，但蘇黎的目標是要降低到「0.01」秒內。蘇黎表示，音樂心理學已證實，就算是沒有經過專業訓練的一般人，0.1 秒的誤差聽起來仍非常明顯，「延遲 0.01 秒可以勉強不引起業餘人士的注意；但面對專業音樂家時，延遲可能要到 0.001 秒左右才能過關。」

訓練 AI 自動生成虛擬音樂家動畫形象

現場音樂表演是影音的雙重享受，所以虛擬音樂家除了擁有自動伴奏的「聲音」，還需要擁有將表演動作形象化的動畫「影像」。

真人音樂家演奏時，不論是情感的表達、與其他合奏者及觀眾互動、還有操作樂器的動作等，都存在個人差異，沒有一套固定標準。例如拉琴的手勢，10 個音樂家可以有 10 種不同的習慣。因此蘇黎與研究團隊採取的方法是：取得大量影音資料，讓 AI 學習如何製造虛擬音樂家的肢體動作。

首先，徵求多位專業小提琴演奏者，穿上有標記點的特殊衣服，站在有動態捕捉裝置的空間中，演奏不同風格曲目。蘇黎使用的 3D 動作偵測技術，會偵測音樂家全身骨骼的關節點，作為虛擬音樂家動畫生成的訓練資料，並在訓練動畫生成模型的過程中，重點關注持弓的右手如何移動。

透過 U 型網路、自注意力機制等核心技術，來輸出虛擬音樂家動態肢體影像。

在訓練 AI 與生成動畫影像的過程中，需要卷積神經網路來協助完成工作。蘇黎團隊採用的模型是 U 型網路（U-net），負責圖像之間的轉換，由編碼圖層傳到解碼圖層。它的優點是速度快，而且輸入輸出格式相對容易設計，能一次輸出大量資料點。「 U-net 可以一次輸出單一時間的所有肢體骨架點，而非一個一個骨架點逐步輸出。」蘇黎說。

除此之外，還有自注意力（self-attention）機制，讓 AI 學習判斷肢體動作與音樂的相關性。因為肢體動作跟音樂都是序列形式，有時間上的關聯性，假設真人音樂家某個動作在大鼓響起時一直出現，就會判定兩者存在關聯。之後自注意力機制在虛擬動作生成過程中，只要聽到該音樂的大鼓聲出現，就會發出明顯訊號，認為此時要搭配相應的肢體動作。

簡單來說，想要自動化生出虛擬小提琴家，不僅聲音要到位，動畫也要足夠精準。音樂需要自動伴奏系統，即時追蹤真人演奏者的進度並觸發伴奏；而相應的肢體動作，則有賴透過 U 型網路與自注意力機制，讓 AI 在音樂現場了解此時要搭配何種動作。

進階挑戰：由聽覺到視覺的跨感官轉換

自動生成聲音和影像後，研究團隊還有一個更進階的目標。「我們想讓機器聽到某一首歌，就聯想到一幅畫。但坦白講，這種音樂到視覺風格轉換（music-to-visual style transfer）非常困難。」蘇黎說。當初有學生向他提出這個構想，想要訓練 AI 將音樂與畫面連結。只是這設定一開始就困難重重，因為最重要的訓練資料幾乎是無法取得。

AI 並非無中生有，機器學習有賴龐大、高品質的資料。

想要讓 AI 學習聽音樂聯想畫面，就必須要有真人示範，聆聽音樂並畫出心中所浮現的畫面來當作訓練資料。找人聽音樂不難，但找來的人未必善於繪畫；即使花大錢請畫家參與實驗，人少沒有代表性，人多則風格又可能大相逕庭。「演奏動作還有跡可循，但大家聽音樂腦補的畫面都不一樣，這樣是沒辦法當作訓練素材的。」蘇黎點出其中關鍵。

研究團隊決定退而求其次，改成在一組音樂跟一組影像資料庫，透過兩者之間共享的語義標註（labels），試圖建立起對應關係。就像是電腦在連連看，如果配對起來共通點還算合理就成功。此時問題又來了，所謂「合理」實在難以界定，於是執行標準只好再一次降低，音樂與畫面的共同標註越簡單越好。

「雖然這跟當初想像中的差距非常大，但目前我們也只能用創作年代來當標註。」蘇黎說，經由創作年代這個共同標註，電腦聽到 1800 年的樂曲就會連到同樣年代的圖畫。即使不符原本理想，模型建立起來後，在虛擬音樂家系統裡還是可以發揮一些功能，像是為演奏會搭配符合音樂年代的背景畫面，或色彩效果。

如何成為音樂資訊研究者？

在虛擬音樂家系統之前，蘇黎與實驗室團隊（音樂與文化科技實驗室）在自動音樂採譜方面的研究已經有豐厚成果，他們研發出開源工具《Omnizart》。

《Omnizart》是音樂與文化科技實驗室研究成果集大成的實用開源工具。

它具備當前全世界最多樣樂器組合的分析功能，只要輸入一段音樂，不管是鋼琴獨奏、多重樂器、打擊樂，還是和弦辨識、節拍偵測，甚至是困難的人聲處理，都會幫你分析。

「像鋼琴這類樂器的話，是音樂進去《Omnizart》，生出 MIDI；而人聲進去會輸出成供電腦判讀的數位資料。」蘇黎解釋，透過這些數字化的音訊數據能了解每一瞬間的音高變化，或是泛音、抖音等手法。研究自動採譜 AI 是因為，蘇黎想探究如蕭邦的夜曲等，這些百年來不斷被重複演奏超過千百次的古典樂，在不同時代、風格迥異的音樂家手中究竟是如何被詮釋。

而這次蘇黎用 AI 創造虛擬音樂家系統，同樣也是源於本身對音樂的喜愛與好奇。不是科班出身的他能彈奏鋼琴、吉他，會吹小號，喜歡聽經典的古典樂。對蘇黎來說，興趣是驅使研究向前的一大動力，他認為身為研究者必須要時常探索新的領域，因此常會要求自己不斷接觸世界各國的在地歌謠。

蘇黎的下一步，是以現有虛擬音樂家系統為基礎，加入更多細膩動作（例如臉部表情）的虛擬多人樂團。他也坦言目前自動伴奏系統、肢體生成還有風格轉換這三項技術，都還有很大的進步空間。想訓練電腦產生出更貼近真人演奏者動作的虛擬音樂家，必須花大量人力取得更多影片資料。「民眾常以為不用多做什麼 AI 就會自己學習，但真相是沒有夠好的資料什麼都不用談。」蘇黎解釋，AI 研究者的時間幾乎都耗在蒐集資料上。

同時，研究室也在規劃下一場發表。蘇黎認為，實體演奏會是考驗研究品質最好的方式。除了訓練好模型，現場還有很多要克服的變數，像是很多音樂廳沒有網路，團隊必須將整場演奏會所需的模型，事先設計成用一台筆電就能執行。「總不可能演奏到一半，資料量太大電腦跑不動，然後要跑出去連網路吧。」蘇黎笑著說，音樂會現場要面對很多做研究時不曾碰到的狀況，是很刺激、有挑戰性的任務。

AI 將是未來主流，是好、是壞終究取決於人心。

AI 出現之後，自然也面臨許多批判，例如工作是否會被 AI 取代，甚至以 AI 操控虛假言論或用在軍事用途，但蘇黎覺得，主導權終究還是躲在背後操作的「人」。同樣，隨著虛擬音樂家系統日漸完善，真人音樂家是否擔心未來飯碗被搶走？令人意外的是，蘇黎說身邊最期待這個系統的反而就是與他合作的藝術家，「別小看他們，藝術家可是一群勇敢、期待新事物、信仰未來的人。」

延伸閱讀：

• 蘇黎（2021）。〈我們與機器的距離：與人類互動的虛擬音樂家系統〉，《中研院訊》。
• 張凱鈞（2017）。〈天才莫札特的傳說很狂？現在只要一鍵就做得到！〉，《研之有物》。
• 音樂與文化科技實驗室，《Omnizart: Music Transcription Made Easy》。
• Wu, Y. T., Chen, B., & Su, L. (2020). Multi-Instrument Automatic Music Transcription With Self-Attention-Based Instance Segmentation.IEEE/ACM Transactions on Audio, Speech, and Language Processing, 28, 2796–2809.

地震來時，除了收「國家級警報」簡訊外，更該遵守趴下、掩護、穩住這三項避難原則！不過，你知道隱藏在地震背後的「地震預警系統」是什麼嗎？就讓我們說給你聽！

• 00:37 臺灣一年的地震有幾個？
• 03:34 地震測報中心平時的工作內容是什麼？
• 07:50 即時站是什麼？
• 14:29 會透過觀察動物行為來研究地震嗎？
• 16:48 氣象局在地震預警系統上做了許多努力
• 23:56 透過人工電腦可以比較好達到預測嗎？
• 25:10 日本與中國的研究
• 29:30 臺灣選用建材的改變
• 32:21 地震預警時間有可能再提前嗎？
• 40:49 新計畫的效果如何
• 41:25 理想中的地震預警秒數
• 50:57 小地震準大地震不準？
• 53:57 地震測報中心的願景是什麼？
• 58:36 地震來時該做什麼？

＊2021 年「國家防災日」將在 9 月 17 日舉辦，藉由災防告警訊息服務（PWS），於當天早上 9:21 進行「地震速報」測試；9:25 進行「海嘯警報」測試，科夥伴們收到簡訊請不要驚慌，記得遵照「趴下、掩護、穩住」的基本原則，配合演練進行唷！

延伸閱讀：叫醒他的不是鬧鐘，是地震，還有讓預警系統更好的夢想