比起白頭山，台北更有可能遭遇浩劫！？大屯火山到底會不會爆發？

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

古人類學研究中，如果挖掘現場同時出土石器和化石，多半會判斷石器的製造者，就是化石所屬的古人類。公元 2023 年發表的一項研究，卻讓智人們都很猶豫，因為與石器一起出土的死人骨頭竟然不是「人」，而是 Homo 的近親：傍人。究竟誰才是人之初的石器匠？

最早的奧都萬石器

空間上，遺址地點位於肯亞西部的 Nyayanga，非洲東部有多個大湖，這兒也是維多利亞湖的東北角，古時候算是適宜人居的優質地段。

時間上，年代不是那麼清楚。論文寫法是距今 259.5 到 303.2 萬年前之間，意思不是說延續 40 萬年那麼久，而是這段期間的某個時間點，或是某幾段時間，無法精確區分。如果簡單說一個大概年份，可以採取 290 萬年。

年代的判斷方式不只一種。原理為放射性元素的鈾釷／氦定年法（(U-Th)/He dating）得到將近 300 萬年的數字，地磁反轉則判斷早於 258 萬年。地球的地磁曾經不定期反轉過好幾次，假如確認地層早於 258 萬年前的反轉，便能推測樣本比 258 萬年更早。

遺址總共出土 330 件人造物，195 件在地表撿到，135 件在遺址內挖到。石器數量不少，材質是當地不難取得的石英和流紋岩（rhyolite）。從形貌看來，確實是人為製作的工具，已經可以視為成熟的奧都萬（Oldowan）風格。

奧都萬石器最早於 1930 年代在坦尚尼亞出土，研究領導者正是上古神獸：路易斯．李奇（Louis Leakey）。2019 年的論文報告，衣索比亞的 Bokol Dora 1 出土的石器，比 258 萬年前的地磁反轉更早一些；這回肯亞的遺址年代似乎更早，也就是最早的奧都萬石器。

• 延伸閱讀：比258萬年更早，最古早的奧都萬石器

東非草原，多用途的工具

過往知道超過 200 萬年的奧都萬產品，大部分位於衣索比亞的阿法地區（就是命名「阿法南猿 Australopithecus afarensis」的那個地名阿法），距離這回的遺址超過 1300 公里。看來初期奧都萬使用者，分佈範圍不小。

討論這些古人類學的議題時，我們習慣統稱作「東非」，不過東非概念類似東亞，相關地區的面積實際上很大，有時候距離可能超級遠。

儘管相距甚遠，遺址當年似乎都是 C4 植物為主的草地，夾雜一些樹木，也就是如今常見的東非草原地形。這應該就是奧都萬使用者喜歡的環境。

石器是工具，做什麼用呢？根據磨痕等資訊判斷，有些石器曾接觸過堅硬的植物部位，如樹幹，也有些處理過軟的植物部位；另外還切割、砍砸過動物的骨頭與肉肉。

遺址出土的動物骨頭不少，能確定遭到石器迫害過的有河馬和牛科動物（包括各款式的牛、羊），石器使用者藉此取得肉肉和骨髓，可謂充分發揮石器的作用。動物未必是擊殺，也可能是撿屍取得。

據此判斷奧都萬最初的使用者，會用石器處理各種材料，不限於植物或動物。他們不只是熟練的石器匠，也是手巧的用戶。

石器與化石的演化史

製造與使用石器的人是誰？出土石器的遺址，不少沒有死人骨頭。Nyayanga 遺址倒是有化石，可是卻不是 Homo，而是 2 個「傍人」的牙齒。

這些名詞的關係有點複雜，先來解釋人的部分。傍人（Paranthropus）是何許人也？人類演化史上，300 到 400 萬年前是南猿（Australopithecus）的時代，傍人、Homo 應該都是南猿的衍生型號。

直立人、智人、尼安德塔人所屬的 Homo，和傍人、南猿是近親，都算是古人類；至於「人」是否包含傍人與南猿，看狀況。

再結合石器與年代的資訊，已知最早有 Homo 特徵的化石（無疑的「人」）為 280 萬年，最早的石器不是奧都萬，而是作工更簡陋的拉米關（Lomekwian），存在 330 萬年前的肯亞。所以最早的石器匠不是 Homo，想來也不意外。

按照之前的資訊推敲，最早的拉米關石器早於 Homo，接著 Homo 距今 280 萬年誕生，260 萬年左右研發出奧都萬石器，看似井然有序。

可是 Nyayanga 遺址的年代十分曖昧，剛好卡在 Homo 最初誕生的階段。至今缺乏直接證據，證明那時已經有 Homo 存在，有的話卻也不意外，符合奧都萬最早製造者的時程。

然而，最早的奧都萬石器，卻與傍人化石一起出土，莫非最早的奧都萬是傍人手筆嗎？

傍人或 Homo，誰是製造工具的石器匠？

傍人的外貌更加粗壯，或許也有更猛的咬合力。以前推測傍人的適應主要在肉體和生理，Homo 則是製作工具的行為。此前缺乏明確證據，支持傍人也使用石器，所以這回即使傍人和石器一同出土，依然不敢認定傍人就是使用者。

倘若某些南猿，已經摸索出最初的石器奧義，那麼身為南猿後裔的傍人也會操弄石頭，似乎沒那麼意外。

可是其他遺址也見到過，傍人和南猿與 Homo 住在附近；所以也可能是遺址當年同時住著沒有石器的傍人，以及使用石器的 Homo，後來卻只有傍人留下化石。總之，目前難以判斷誰是石器匠。

還有個黑暗的可能性：與石器一同出土的傍人，搞不好是被石器處理的對象？

• 延伸閱讀：200萬年前最早的直立人，有泉源南猿和粗壯傍人鄰居

最早的傍人

我們對傍人的認識不多，這項研究儘管無法判斷傍人是否會使用石器，依然獲得重要的新知。

傍人一度被歸類於南猿旗下，比較粗壯的南猿，後來才另立新屬 Paranthropus；para 意思是旁邊（beside 或 near），anthropus 是人。目前可分為 3 個物種，這項研究沒有斷言是哪個物種。

以前知道最早的傍人化石距今 260 萬年，出土於衣索比亞的 Omo Kibish，被歸類為衣索比亞傍人（Paranthropus aethiopicus）。

這項研究沒有特別討論，有趣的是，如果年代估計無誤，曾經於肯亞 Nyayanga 出沒的傍人極可能早於 260 萬年，那麼這就不只是最早的奧都萬石器，也是最早的傍人。距離最近的傍人化石 230 公里，也拓展了傍人的分佈範圍。

劃重點：

• 最早的傍人及奧都萬石器，在肯亞出土，年代超過 260 萬年，可能有 300 萬年。
• 東非草原環境中，石器剛出現，用途就很廣。
• 那時可能已經有 Homo 存在，但是石器與傍人一同出土，不確定誰是石器匠。

延伸閱讀

• 肯亞330萬年前的史上最早石器
• 北非240萬年最早石器，可能當地獨立研發？
• 短篇  奧都萬與阿舍利石器，非洲直立人全都要
• 最早的人屬在280萬年前衣索比亞出現
• 南非180萬年前粗壯傍人，比200萬年前更壯
• 理查．李奇 Richard Leakey (1944-2022)：我希望自己是有用的
• 莫維斯線與竹子假說：東方真的比較落後嗎？

參考資料

1. Plummer, T. W., Oliver, J. S., Finestone, E. M., Ditchfield, P. W., Bishop, L. C., Blumenthal, S. A., … & Potts, R. (2023). Expanded geographic distribution and dietary strategies of the earliest Oldowan hominins and Paranthropus. Science, 379(6632), 561-566.
2. Stone Age discovery fuels mystery of who made early tools
3. 2.9-million-year-old butchery site reopens case of who made first stone tools
4. We found 2.9-million-year-old stone tools used to butcher ancient hippos – but likely not by our ancestors
5. Did more than one ancient human relative use early stone tools?
6. Ancient stone tools suggest early humans dined on hippo
7. The “Robust” Australopiths
8. de la Torre, I. (2019). Searching for the emergence of stone tool making in eastern Africa. Proceedings of the National Academy of Sciences, 116(24), 11567-11569.
9. Harmand, S., Lewis, J. E., Feibel, C. S., Lepre, C. J., Prat, S., Lenoble, A., … & Roche, H. (2015). 3.3-million-year-old stone tools from Lomekwi 3, West Turkana, Kenya. Nature, 521(7552), 310-315.
10. Villmoare, B., Kimbel, W. H., Seyoum, C., Campisano, C. J., DiMaggio, E. N., Rowan, J., … & Reed, K. E. (2015). Early Homo at 2.8 Ma from Ledi-Geraru, Afar, Ethiopia. Science, 347(6228), 1352-1355.

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。

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。