永別了，伊曼：馬來西亞最後一隻蘇門答臘犀牛病故

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

莫三比克共和國（Republic of Mozambique），位在非洲東部接鄰印度洋，再往東跨過莫三比克海峽，就是馬達加斯加。從地圖上來看，莫三比克的形狀有點像是個右邊落筆太重的ｙ字型。東非大裂谷（Great Rift Valley）的南端，從ｙ字型中間劃過然後入海。而曾經以豐富的野生動物生態受人矚目的「哥隆戈薩國家公園」（Gorongosa National Park），就座落在東非大裂谷的南端、莫三比克境內。

哥隆戈薩國家公園所在處，在 1960 年代曾經以觀光業為主，全世界各地的遊客為了該處成群的獅子、大象和水牛去到莫三比克。1970 年代，莫三比克的發展目標是將這個國家公園，變成一個遠勝非洲其他地方的自然保留區。

內戰結束後，「無齒之象」比例遽增？

令生態學家與野生動物愛好者趨之若鶩的好景並沒有持續太久，戰爭來了。1977 年，莫三比克脫離葡萄牙的殖民後沒有幾年，就開啟了內戰。大約有 100 萬人死於戰爭與饑荒，500 萬人被迫離開家園。莫三比克內戰持續 15 年後，於 1992 年結束。位在莫三比克中心的哥隆戈薩國家公園成為戰場，而公園中的野生動物，也成為征戰雙方果腹的獵物。

內戰其間，大型草食動物數量銳減 90%，整個生態系統都遭到了嚴重的破壞。漫步在哥隆戈薩國家公園，最大的危險不再是肉食性的掠食者，而是埋藏在地下的地雷。

而其中的一個轉變，引起了演化生物學家的注意：這個公園內的母象，沒有長牙的「無齒之象」比例非常高。

相較於只有公象才會長出明顯長象牙的亞洲象，一般來說，非洲象不論公母，都會有一對長牙。生物學家根據內戰前後的歷史照片、影片進行統計，發現到內戰之前沒有象牙的母象只佔了族群的五分之一不到（18.5%）^[註1]；但 2000 年，也就是戰爭結束後 8 年的資料卻顯示，沒有長牙的母象卻高達一半以上（50.9%）。

戰爭使得大象族群數量減少了 90%，統計模擬也支持，哥隆戈薩國家公園內「無齒之象」^[註2]比例大幅增加，這樣的變化，不可能是隨機發生的；「無齒之象」比例遽增，顯示整個族群經過了強烈的選擇壓力。

有象牙的慘遭獵殺，讓「無齒基因」在族群內擴大

追本溯源，價值不菲的象牙，在內戰期間自然也成為籌措軍費的重要來源；而且在乏人管理的情況下，內戰結束了，盜獵可沒有。而大象因為象牙承受了強大的狩獵壓力，「無齒之象」的基因型自然在種族間擴大、脫穎而出。

其實這個狀況與傳統的育種相當相似：人類特意留下跑得最快、體型最壯碩的馬匹做為種馬來生小馬。後代雖然會有變異，但長時間累積下來，那些會造成馬跑得「不夠快」的基因，自然會越來越少。家禽家畜的育種是在長時間、人類密切的關注之下，「人擇」留下人類偏好的特性。而在大象的情況下，可以說野外的大小也遭到狩獵者的「育種」，只不過這裡存活下來的，是沒有長牙的大象。

下一個觀察重點是，這樣「無齒」的特性，似乎只出現在母象身上。除了後天的因素外，哥隆戈薩國家公園公象幾乎都還是有長牙。^[註3]

科學家仔細檢視發現，無齒母象生出的小象，大多也是小母象，佔了 65.7%；而小象如果是母象的話，長大後沒有長牙的比例大約是 1:1。看起來，似乎有某些因素，讓「無齒基因」沒能遺傳給小公象。

大多數可以遺傳的性狀變化基本上都可以連結到基因的表現，差別是有些特徵比較複雜、也可能交互受到環境的影響，像是身高、膚色等；也有一些比較單純只由單因基因控制，像是國中課本經典的美人尖、ABO 血型。

原本要確認是哪組基因與長牙的產生有關，需要掃描大象的全基因組，可謂工程浩大。但是，「無齒之象」都是母象、幾乎沒有公象，這讓科學家可以作出一個合理的推測：這個「無齒基因」很有可能是性聯顯性遺傳。而更進一步，如果小公象遺傳到無齒基因，則無法存活，則可以解釋，無齒母象的小象，為何會有個明顯的的性別比落差。

促成母象「無齒」的關鍵：AMELX 基因

因此，科學家掃描無齒大象的 X 染色體基因組序列，來找出到底是哪些組基因與無齒有關，而且還真的找到了。無齒大象的 AMELX 基因位置都有出現了一些變異，這個位置的基因，根據目前的理解推測，會參與構成牙齒最外堅硬部位的琺瑯質形成的蛋白。

這部分的基因人類與大象屬於同源，在人類身上，AMELX 的基因如果有突變，就有可能會影響琺瑯質的礦化、造成牙齒容易脆化。AMELX 位於染色體的位置有些特殊，這部分的基因如果有嚴重的缺失，除了影響牙齒，遺傳到的男性會死亡，女性則會出現嚴重的頭骨異常，像是小齒或是上頷發育缺陷。

而除了與 X 染色體連鎖的 AMELX 基因有變異，科學家還發現到無齒大象還有個共同的基因表現：位在第一染色體的 MEP1a。MEP1a 這也是會影響牙齒發育的基因。在小鼠身上，MEP1a 的變異會顯著影響牙齒象牙質的骨質密度，造成象牙質發育不良、牙根畸形或是提早掉牙。^[註4]

缺牙問題在於基因？顯然「人類」才是大問題！

總結一下，哥隆戈薩國家公園的大象族群遭受到巨大的選汰壓力──擁有象牙的成象成為人類狩獵的主要目標，因而使得擁有無齒基因 AMELX 與 MEP1a 的母象在族群中逐漸佔據優勢、比例提高。但同時，AMELX 屬於顯性遺傳的性聯基因，獲得此遺傳的小公象會因此而死，因此無齒母象的後裔明顯母象較多。

某種程度來說，無齒基因在原本的象群間，可以視作某種遺傳疾病或基因缺陷，會自然受到天擇的壓力而受限、不會在族群中持續擴增；但在人類大規模獵取象牙的極端的情境之下，反而成為有利的演化特徵。

但大象缺少了長牙，受影響的，並不只是大象的外觀。非洲象使用長牙有點像馬蓋仙的瑞士刀──什麼都能做──牠們用長牙進行挖掘、推倒樹木剝取樹皮、獲取地下食物與水源。失去了象牙，大象的行為自然會有所改變。而象群在生態系中的一舉一動，都會擾動該地的微氣候。

舉例來說，當大象為了食用樹皮推倒一顆大樹，就有無數種子能夠透過新產生的林隙發芽，以嫩葉、草類為主食的草食動物因此獲得更多的食物來源。這是生態系統中關鍵擾動的微妙變化：當人們為了象牙獵取大象，當倖存下來的大象不再長出長象牙，後續的生態系統，也就失去了伴隨關鍵物種擾動而引出的種種變化。

一半的母象沒有了長牙，會有什麼影響？這個，沒有人說得準。我們只知道，勢必會有一些蝴蝶效應悄悄地發生。

後記：

好消息是，隨著內戰結束，陸續有人投入哥隆戈薩國家公園的保育工作，試圖恢復當地的野生動物族群與野生動物觀光產業。而隨著當地國家公園開始進行執法管制、大象數量逐漸增加，後面的世代裡，是不是有機會讓更多帶著長牙的大象可以繁衍生息，讓象群「恢復原貌」？戰後第一個世代的母象無齒的比例為 33%，這個比例會有機會隨著人們的保育工作，再度減少嗎？我們只能繼續看下去。

註解

1. 有一個說法認為非洲象一般族群無長牙的比例約為 2%，因此哥隆戈薩國家公園內戰前就已達 18.3%，有可能是已經承受狩獵壓力的結果。
2. 「無齒」在此代稱沒有長象牙，不是真的全部沒有牙齒（人家還是要吃飯的）
3. 這裡的討論省略了還有一個小比例（內戰前後均小於 10%）的大象只長出了單邊的象牙。
4. 目前的資料顯示 AMELX、MEP1a 這兩個基因跟母象沒有長牙有明確的關聯，但詳細是否會影響其他牙齒發育之類的，尚無進一步研究討論。

• Campbell-Staton, S. C., Arnold, B. J., Gonçalves, D., Granli, P., Poole, J., Long, R. A., & Pringle, R. M. (2021). Ivory poaching and the rapid evolution of tusklessness in African elephants. Science, 374(6566), 483-487.
• Ivory hunting drives evolution of tuskless elephants (nature.com)
• 讓大象、獅子與水牛重生──荒蕪的國家公園，需要什麼才能復活？ ｜ 西恩．卡羅爾（Sean B. Carroll） ／ 獨評讀好書 ｜ 獨立評論 (cw.com.tw)
• Female African Elephants Evolved Toward Being Tuskless Amid Poaching (businessinsider.com)

本文由海洋保育署廣告企劃，泛科學為宣傳推廣執行單位。

• 作者：採訪撰稿 ∕ 謝育哲 ∕ 本刊主編

大海中美麗的珊瑚礁是許多海洋生物的棲地，但由於海洋環境汙染及氣候變遷等問題，珊瑚的生存不斷受到壓迫，珊瑚白化問題更是屢見不鮮。為了讓一般大眾也能保育珊瑚，由海科館陳麗淑博士帶領的團隊從澳洲引進「珊瑚觀測」，用簡單色卡上的顏色與觀測珊瑚進行比對，就能評估該珊瑚的健康狀況。此外，海科館及海保署也進行更多的計畫與推廣，讓全民一起守護海底美麗的珊瑚。

海中有著形形色色的生物，如果要挑選出一種外觀最令人印象深刻的，肯定是色彩斑斕綺麗的珊瑚了！許多人常會誤認珊瑚是一種植物，但牠其實是不折不扣的動物。事實上，珊瑚是由許許多多的珊瑚蟲（coral polyps）所形成的群體。目前全世界共有超過 800 多種的珊瑚，而由珊瑚組成的珊瑚礁（coral reef）更是許多海洋魚類生存的家園。

但由於珊瑚生長速度極慢，且十分脆弱，近年來又因氣候變遷與海洋汙染等問題，造成珊瑚的生存出現危機。因此，保護珊瑚人人有責，但身為一般人的我們又該如何保育這些美麗又珍貴的海洋生物呢？本次《科學月刊》專訪了國立海洋科技博物館（以下簡稱海科館）的研究員陳麗淑博士，看看有哪些保護珊瑚的方式，以及介紹從澳洲引進的珊瑚觀測（coral watch）方法吧！

珊瑚遇到了什麼危機？

關於珊瑚，我們最常聽到的是「珊瑚白化」（coral bleaching）。但珊瑚白化代表什麼？又是什麼造成了珊瑚白化呢？

由於珊瑚對於生存環境的溫度十分敏感，一般來說，對珊瑚而言最自在的水溫環境為 23～28℃，而生存的極限溫度範圍則為 18～32℃，若超過這個溫度區間，對珊瑚來說即為太冷或太熱的環境。陳麗淑表示，一但海水溫度超過 32℃，珊瑚就會出現白化現象。當然不是所有的珊瑚都會同時白化，各種珊瑚因生長速度不同，白化現象發生的情形也會有所差異。一般來說，生長速度較快的枝狀珊瑚比較容易白化，而團塊狀珊瑚則比較有抵抗力。

不過珊瑚到底是怎麼「變白」的？其實珊瑚白化詳細原因，是因為當環境溫度出現劇烈變化時，珊瑚內部的共生藻數量就會下降。由於共生藻是珊瑚繽紛色彩的來源，因此在珊瑚內部的共生藻數量多時，顏色就會飽滿鮮豔，而當共生藻離開珊瑚後，珊瑚的顏色便會越變越淡，最後白化，若後續沒有適當保護與處置，珊瑚就可能會因而死亡。所幸珊瑚白化並不是不可逆的，只要海水溫度回到適合珊瑚生存的溫度，珊瑚就會逐漸穿上牠美麗的彩衣，恢復原本繽紛的色彩。

過去臺灣周遭海域曾出現過多次珊瑚大量白化的現象，陳麗淑表示，珊瑚大規模的白化的情形主要集中發生在夏季，甚至在去（2020）年夏季就曾發生珊瑚大量白化的現象，由於當時的海水溫度偏高，且維持時間較長，使得臺灣各地出現珊瑚白化的情形。不過好消息是，根據調查，今（2021）年還未發生大規模的珊瑚白化，且時節已進入秋季，海水溫度下降，至少目前珊瑚不會面臨溫度升高的生存壓力。不過，陳麗淑也語重心長地提醒：「近年來海水溫度過高的發生頻率相較以往提高了不少。」令人擔心的是，若海水溫度升高頻繁，將可能嚴重衝擊珊瑚的生存。因此，我們必須想辦法保護珊瑚。

一般人該怎麼保護珊瑚？平易近人的「珊瑚觀測」

對一般大眾來說，並不是所有人都具備珊瑚的相關知識，對此，陳麗淑一直在思考該用什麼方法，才能讓沒有專業知識背景的大眾能參與保育珊瑚的活動呢？在公民科學領域中，有個名為「珊瑚礁體檢」（reef check）的珊瑚監測計畫。但由於珊瑚礁體檢的入門門檻較高，需要先經過一定時數的課程訓練，且所費不貲，因此這並不是一項適合所有人的方法。

這時陳麗淑想到了「珊瑚觀測」。事實上，珊瑚觀測約莫在 2009 年就已有人引進臺灣，但當時並未受到大量關注。直到 2018 年，陳麗淑帶領的團隊開始重新研究珊瑚觀測的方式，發現其背後的科學大有學問，也可簡化成任何人都能理解並運用的珊瑚監測方式。

珊瑚觀測主要是透過一張卡片，上頭有 4 種由淺至深的色調。陳麗淑表示，這些色調涵蓋了約 70～80％ 的珊瑚種類，即使無法囊括其他特殊顏色的珊瑚，但卡片上的設計對普通人來說已是綽綽有餘。而觀測方法也很簡單，任何人只要帶著這張卡片潛水至珊瑚旁，將卡片上的顏色與想觀察的珊瑚顏色進行比對與拍照即可。如果是前往水深 6 公尺以上的區域，則建議觀測時攜帶光源，以避免色差造成的誤判。前文有提到，珊瑚的顏色代表其內部共生藻的數量，當共生藻數量越多，珊瑚顏色越深，也就代表越健康；反之，若顏色越淡則代表珊瑚的健康可能出現狀況了。

陳麗淑說明，珊瑚觀測背後的科學基礎十分紮實。這套由澳洲昆士蘭大學（The University of Queensland）學者馬歇爾（Justin Marshall）等人組成的團隊研發設計。團隊將珊瑚搬至實驗室中進行一系列實驗，觀察在各溫度區段中，不同溫度會如何影響珊瑚中的共生藻數量，並記錄珊瑚的顏色變化。在經過嚴謹的科學實驗後，馬歇爾團隊將其簡化並歸納成珊瑚觀測的色卡。陳麗淑表示，這套化繁為簡的觀測方式在經過推廣後，許多保育團體對於珊瑚觀測的接受度都非常高，能進而達到推廣珊瑚保育目的。

海洋公民科學知識報你知

※珊瑚觀測

珊瑚觀測是一項由澳洲昆士蘭大學學者所辦理的非營利全球珊瑚礁監測計畫，將珊瑚的顏色變化標準化後，製作成珊瑚健康色卡，提供一種簡單的方法用以評估珊瑚健康，並為 CoralWatch 的全球數據庫做出貢獻。大家可以使用這些色卡協助科學家收及數據，支持珊瑚礁監測工作。

另外，珊瑚觀察也透過與世界各地的志願者合作，包括了潛水中心、科學家、學校團體、遊客參與其中，讓大眾更加了解珊瑚礁白化、氣候變化對於珊瑚礁的影響。

保育珊瑚面臨哪些困境？

雖然保育珊瑚是許多人的共識，但過程中依然面臨到許多的挑戰及困難。目前最常見的是海洋垃圾問題。由於珊瑚本身不會移動，當海洋垃圾在海中漂浮時不慎卡在珊瑚上，若沒有人為協助清理，則非常有可能造成珊瑚死亡。

陳麗淑舉例說明，由於今年 5 月起爆發 2019 冠狀病毒疾病（COVID-19）的本土疫情，位於基隆的潮境公園也為了防疫而禁止一般人下水。但當研究人員下水觀察後發現，因為沒人下水協助清理海洋垃圾，許多卡在珊瑚上的垃圾無法被及時移除，發現的當下已有許多珊瑚出現白化現象，這些珊瑚後續花了約一個月才慢慢恢復正常。

對此，陳麗淑曾與中研院學者邵廣昭等人討論，若保育區都沒有人進入可能並不是件好事，尤其當海洋汙染嚴重，垃圾很多的情況下，還是必須定期有人去協助清理。因此，保育區在人為管理的情況下或許才是保育珊瑚好方法。

你我都可以為珊瑚盡一份心力

我們還有什麼方法可以保護珊瑚呢？陳麗淑表示，如果你是一個會下水觀測的人，使用珊瑚觀測是個好選擇。無須再多帶任何設備，只要準備珊瑚觀測的卡片，攜帶相機與光源，就可以拍攝並記錄珊瑚的健康狀況。不過若是沒有相關潛水經驗或半路出家的遊客，反而可能在潛水的過程中不慎踢到或傷害珊瑚，因此潛水者必須要具備一定的潛水技術。

海洋保育署（以下簡稱海保署）為推廣友善珊瑚礁生態旅遊，提出「珊瑚礁區你該注意的 8 件事」，包含不踩踏、不揚沙、合格玩家、保持適當距離、使用海洋友善防曬、不餵魚、不吃珊瑚礁魚、減塑行動。

即便沒有下水，在岸上也有許多可以保護珊瑚的方法。舉例來說，在我們常用的防曬乳中，多數含有可能傷害珊瑚的成份，因此在選購時可以優先考慮「海洋友善防曬」。此外，由於珊瑚礁魚類可以協助清理珊瑚礁之中的藻類，讓珊瑚順利生長，我們應盡量避免食用珊瑚礁魚類。所以最重要的，是希望大家一起落實節能減碳，全球暖化是影響珊瑚生存的主要原因之一，若減碳能從個人做起，也是保育珊瑚的積極作為。

出書、展覽、辦活動 海科館邀你一起守護珊瑚

除了上述的個人保育行為外，海科館也辦理了一系列保育珊瑚計畫。陳麗淑表示，海科館的研究人員會定期前往珊瑚礁進行監測，還會前往各地宣傳及教導大家如何使用珊瑚觀測。

至於在珊瑚復育方面，海科館內也有養殖珊瑚，研究人員會把這些珊瑚移植到野外，或是使用不同的材質，測試珊瑚附著生長的情形等。未來希望透過這些方法，協助加速珊瑚的生長。

在教育方面，去年海科館與行政院環境保護署及科技部等單位，共同主辦的「2020 海洋公民科學家行動計畫」中，包含了「珊瑚保育監測」的主題。對此，海科館團隊舉辦了一系列的「針織珊瑚」活動。「針織珊瑚」主要是前往各地的小學，除了教導珊瑚的知識，以及倡導珊瑚保育外，讓小朋友們藉由織毛線的方式，訴說一則關於珊瑚的故事。每所國小的作品都有自己的主題，也讓小朋友在織毛線的過程中，思考珊瑚對於生態的重要性，從小扎根珊瑚保育知識。並在後續收集作品後，舉辦「陸上造礁——針織珊瑚計畫特展」。

此外，海科館也曾於 2019 年出版《珊瑚很有事：珊瑚保育×環境藝術×手作針織×珊瑚教案》一書，並榮獲第 44 屆金鼎獎。今年更在海科館官網建置「海科館悠遊數位海洋行動學堂懶人包」，整合科普電子書、電子繪本、數位課程學習平台、海洋知識、動畫學習、影片等。陳麗淑表示，透過這些教材與教案的持續推廣，希望能讓更多人利用這些資源，一起守護海洋中的美麗珊瑚。

海洋保育署與臺灣珊瑚保育

海保署於今年透過「臺灣珊瑚監測交流網絡建立與保育策略規劃」計畫，建立珊瑚監測與保育示範點，以及珊瑚監測交流網絡，選訂全臺灣共 32 個地點進行水下珊瑚礁調查。調查結果截至今年 9 月底，澎湖、恆春半島、東部、北部珊瑚覆蓋率多呈現穩定狀態，但小琉球珊瑚礁卻多數已衰退，可見除了受到全球暖化影響，不當的遊憩踩踏行為也對珊瑚礁造成嚴重衝擊。

此外，海保署也與行政院農業委員會水產試驗所共同合作，針對澎湖池東淺坪海域的棲地環境現況進行調查及珊瑚復育，增加棲地多樣性。截至今年 9 月底，珊瑚移植面積已達到 100 平方公尺，其中珊瑚礁魚類包含青嘴龍占（Lethrinus nebulosus）、鸚哥魚（Scaridae）、隆頭魚（Labridae）等也逐漸聚集在移植區域，豐富當地生態。

此外，有鑒於目前許多單位都在進行珊瑚保育及復育相關工作，海保署今年度與海生館合作成立珊瑚保育專案辦公室，除了作為各單位資料蒐集整合中心，提供數據科學家分析資料外，還能進一步轉化為資訊呈現給大眾，使珊瑚礁相關專家學者、單位，以及一般民眾等，都可藉由此互相交流，同時兼具諮詢、推廣功能，協助提供珊瑚保（復）育相關標準作業方式及技術指導。並設立臺灣珊瑚礁水質採樣點及進行水樣分析，了解水質狀態，以作為後續珊瑚復育棲地及規畫保育方式選擇的依據。

為了鼓勵更多在地民間團隊參與，海保署亦透過辦理「海洋保育在地守護計畫」，支持在地團體進行公民科學、清除珊瑚礁覆網及珊瑚復植，希望能夠結合在地生活方式及資源提出具體保育策略，發揮社會影響力，促進在地參與珊瑚保育及復育作業，並提高民眾對海洋保育的參與及投入。

從政策面、科學面，再到行動面，海保署將持續呼籲全民共同守護臺灣珍貴的珊瑚資源。

海洋委員會海洋保育署正在舉辦 海有問題 我來分析 | 第一屆海洋公民科學家數據松！為臺灣周遭的海洋生態盡一份心力吧！