車諾比核電廠事件與三哩島核電廠事故

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？

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。

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。

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。

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。

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？

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」。

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。

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。

以偉勝乾燥工業為例，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。

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

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。

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。

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。

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。

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。

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。

在工程面，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。

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。

• 作者／張郁婕
  • 日本大阪大學人間科學研究科、清大工科系畢
  • 現為國際新聞編譯

• Take Home Message
  • 自 2011 年福島第一核電廠發生事故後，為了冷卻反應爐和防範地下水受汙染而每天產生核廢水，目前儲水空間即將不足。
  • 雖然經處理過後的核廢水含有放射性物質，不過濃度低於排放標準，日本政府將核廢水排放到海洋的做法獲得國際原子能總署背書。
  • 日本漁業業者相當不滿、認為有其他解決方案，臺灣政府僅表達「遺憾與反對」，並無進一步作為。

福島第一核電廠自 2011 年發生事故後，時隔 12 年再次躍上多國新聞版面。但這次不是因為災後核電廠除役與復興、訴訟或是 Netflix 上架的日劇《核災日月》，而是存放在福島第一核電廠廠區內的「核廢水」即將排放大海。福島第一核電廠的「核廢水」從何而來？又為什麼要在這個時間點排入大海？

回到地震發生時的核電廠

時間回到 2011 年 3 月 11 日。當時東日本大地震與隨後而來的海嘯摧毀了福島第一核電廠的電力系統，導致核電廠在停機之後無法持續注入冷卻水，直到反應爐冷卻。因此發生 1、3、4 號機組氫氣爆炸、1～3 號機組爐心熔毀，以及 1 ～ 4 號機組輻射外洩的事件 ^註1。這次事故更被歸類為國際核能事件最高級別（第 7 級）的最嚴重意外事故。

在事故發生後，首當要務就是持續冷卻反應爐，直到反應爐的溫度降低。冷卻反應爐需要水，所以當時曾引進海水作為冷卻水。這些在福島第一核電廠事故當下出現在廠房內、遭到放射性核種汙染的水，就是日後的「核廢水」。加上當地曾遭到海嘯襲擊，因此這些受到輻射汙染的核廢水也含有鹽分。

但廠區內受到輻射汙染的水並不是只有事故發生當下出現在廠房內的水，事故發生後只要雨水剛好落在福島第一核電廠廠房上，或是地下水流經福島第一核電廠房底下，都會受到放射性核種汙染。

保護地下水也會產生核廢水

作為營運福島第一核電廠的東京電力公司，在事故發生後的首要任務就是防止更多乾淨的水遭到輻射汙染，同時也要防止受到輻射汙染的水流出廠房外。所以他們在福島第一核電廠 1～4 號機組外加裝擋水牆，希望隔絕乾淨的地下水流經廠房底下，但這些擋水牆實際上無法有效防止地下水從四面八方流經福島第一核電廠正下方。

再考慮到水的流向，寧可讓乾淨的水流進廠房底下受到輻射汙染、也不能讓受到輻射汙染的水外流，所以東京電力公司必須一直抽取廠房內部受到輻射汙染的水，讓廠房內的地下水位略低於廠房外的水位；但在抽水時又不能使廠房內的水位低太多，否則將會一口氣湧入更大量的地下水、產生更多受到輻射汙染的水。

時至今日，東京電力公司仍每天汲取流經 1～4 號機組的雨水與地下水，使得福島第一核電廠即使到現在，每天都還是會產生核廢水。經過 12 年來的各種嘗試，近年新增的廢水總量已有減少的趨勢，去（2022）年每日平均產生約 90 公噸的核廢水，已是事故發生以來最低的數值。

如何處理核廢水？

受到輻射汙染的水在被排放之前需要經過幾道淨化流程。首先是利用「銫吸附裝置」除去水中一部分的銫（caesium, Cs）和鍶（strontium, Sr），再經過淡水化裝置除去水中的鹽分，否則海水中的鹽分會侵蝕、損害廠房設備。接下來這些水有兩種命運：循環再利用或是成為核廢水。

循環再利用

循環再利用是指受到輻射汙染的水經上述淨化處理後，可以回到福島第一核電廠 1～3 號機組，作為反應爐的冷卻水及輻射防護屏障。即便如此，這些受到輻射汙染的總水量遠多於福島第一核電廠 1～3 號機組的需求，所以絕大多數的水被汲取上岸後，都得存放在福島第一核電廠廠房內一桶又一桶的巨大水槽內，成為沒有其他用途的核廢水。

ALPS 處理水

為了降低核廢水的放射性核種濃度，這些存放在巨型水槽內的核廢水會經過專為福島第一核電廠事故設計的多核種除去設備（advanced liquid processing system, ALPS），而經過 ALPS 淨化處理的核廢水又稱「ALPS 處理水」。

「多核種除去設備」，顧名思義利用物理或化學方法，大幅降低 62 種人造放射性核種的濃度 ^註2，但唯獨不能處理氫的同位素——氚（tritium, ³H）。這不是因為多核種除去設備成效不彰，而是即便開發其他設備也很難將氚從水中分離。

由於水分子包含氫原子，而氚和氫是同位素，它們的物理性質和化學性質幾乎一樣，難以使用物理或化學方法將它們分離，因此無法利用 ALPS 或其他方式濾掉氚。

快滿出來的核廢水

事實上，福島第一核電廠以外的一般核電廠所排放的廢水當中就含有氚，不過在一般情況下並不會特別放大檢視核電廠廢水當中的氚濃度。

此外，自然界中本來就含有氚，我們日常在使用或是飲用的水中也含有非常微量的氚。例如臺灣對飲用水中氚的容許濃度標準為每公升 740 貝克（Bq），並沒有要求零檢出，也就是數值低到儀器驗不出來的程度。

但福島第一核電廠的核廢水並不一樣，因為這些是流經福島第一核電廠、遭到人造放射性核種汙染過的水。即使是已處理過的 ALPS 處理水，除了氚之外還是包含低量、因反應爐爐心熔毀而外洩的人造核種，並不能直接排到自然界中。

所以這些水自福島第一核電廠事故以來，被汲取上岸後就一直存放於福島第一核電廠廠區內。

然而福島第一核電廠廠區空間有限，按照它每天產生核廢水的速度來推算，今（2023）年 4 月最新的估計是最快在明（2024）年 2 月以後儲水空間就會不足。該如何為這些存放在廠區內的核廢水找尋新的出路，就成了近年難題。

這個問題在 2013 年討論之初，曾列舉了排放到大海、注入地層、埋到地底下、電解成氫氣後排放到大氣中、轉換成水蒸氣排放到大氣中五種方法。經多年評估、討論後，日本政府在去年決定選用國內、外最常見的核電廠含氚廢水的排放方法，在確保廢水中的放射性核種的濃度符合標準 ^註3、沒有超標的情況下，就能將核廢水稀釋後排放到海洋。

民眾為什麼反對？

早在日本政府確定選擇「排入大海」這個方案前，就有許多反對聲浪。最主要的原因就如前面所說，福島第一核電廠核廢水和一般核電廠的廢水差異在於含有爐心熔毀釋放的人造放射性核種，氚只是這些放射性核種當中的其中一種。

即便福島第一核電廠核廢水在 ALPS 淨化處理後，除了氚以外的放射性核種濃度大幅降低，且符合科學上的排放標準，但和「沒有發生事故」的核電廠廢水相比，內容物組成還是有所不同。

不過國際原子能總署（International Atomic Energy Agency, IAEA）在今年 7 月公布的報告書表示，目前日本提出的方案符合國際安全標準，ALPS 處理水的輻射量也極低，幾乎可以無視輻射對人體或環境的影響，國際水域也幾乎不會因此受到影響。與此同時，IAEA 也會與第三方機構持續監測、分析 ALPS 處理水排放的狀況。

但上述都是關於核廢水放射性物質濃度是否符合目前科學認定的安全標準討論，撇開在科學上是否經得起檢驗、一翻兩瞪眼的檢測問題，民眾願不願意接納這些「科學上的論點」，有時還會有情感方面的考量。

對於福島漁業來說，政府好不容易才在 2021 年解除試驗性捕魚，當地漁業才正準備要復甦。更何況日本政府先前曾承諾在未取得漁業相關業者的理解之前，不會將福島第一核電廠的核廢水排入大海，但現在的態度卻是要趕在福島第一核電廠放不下更多核廢水之前，陸續將核廢水排入大海，讓當地漁業業者相當不滿。

此外，也有一派反對聲浪認為日本政府僅因經濟效益考量，而選定「排入海洋」的解決方案，考慮不夠周全、詳盡。雖然規模不同、在日本也未曾將含氚的廢水先蒸發成水蒸氣後排放，若採用這種做法或許就能大幅降低對海洋生物的危害。

也有民間團體提議，如果認為核廢水太占體積，將 ALPS 處理水混合類似水泥的材質進行固化處理，就能堆疊起來繼續存放於福島第一核電廠廠區內，而不會汙染到廠區外的環境。但上述這些做法仍有實務上的困難之處，例如廢水蒸發會影響到陸域環境、固化處理後仍會繼續消耗存放空間等。

在臺灣的我們會被影響嗎？

福島第一核電廠核廢水排放在即，臺灣行政院原子能委員會（原能會）近年多次重申福島第一核電廠的廢水是核電廠事故後的廢水，不能和一般核電廠排放的含氚廢水混為一談。

也許值得慶幸的是，臺灣和日本的直線距離雖然很近，但洋流方向卻未必如此。福島第一核電廠的核廢水排放後，會因為太平洋的環流系統流向，先往東朝美國加州附近水域擴散，再順時針繞來臺灣。

根據原能會的試算，最快要四年後才會流至臺灣附近海域，屆時放射性物質的濃度已低於儀器偵測極限，濃度低到難以被偵測，不會對臺灣附近海域造成輻射安全上的危害。

但中央研究院環境變遷研究中心研究員吳朝榮以過去觀測的海洋數值模擬，福島第一核電廠的核廢水排放後最快一年內就能抵達臺灣附近海域。

目前原能會已和漁業署、氣象局等跨部會合作監測福島第一核電廠核廢水的擴散狀況並進行漁獲、水產的輻射檢測，相關資訊都公開在「放射性物質海域擴散海洋資訊平台」隨時供民眾查閱。

在臺灣的我們暫時不需要過於擔心福島第一核電廠的核廢水會影響臺灣水域，核廢水排放海洋對環境的衝擊也會遠小於福島第一核電廠事故發生之初的狀態。臺灣方面針對日本食品的輻射檢驗標準仍高於歐、美國家，在現行邊境輻射檢驗標準下毋須過於擔心。

註解

1. 當時 4 號機組處於定期檢修期間，反應爐內並沒有燃料棒，爆炸原因為與 3 號機組共用管線。當 3 號機組爐心熔毀後，放射性物質和氫氣隨著共用管線流入 4 號機組而發生氫氣爆炸。2 號機組雖然免於廠房爆炸，但 2 號機組內部也發生爐心熔毀，當時為了釋放 2 號機組內部壓力避免發生氫氣爆炸，曾將 2 號機組內部含有放射性物質的氣體釋出，造成輻射外洩。
2. 放射性核種指的是會自然釋放輻射的放射性元素，依據這些放射性元素的形成方式，又可分為存在於自然界中的「天然核種」與「人造核種」。核電廠發電過程產生的放射性元素，都屬於人造核種。
3. 目前日本針對福島第一核電廠「核廢水」濃度規範是：
   a.針對所有放射性核種整體的有效輻射劑量須低於每年 1 毫西弗（mSv/year）。
   b.除了氚以外的其他放射性核種實際濃度佔該核種告示濃度的比值總和（稱為「告示限度比」或「告示濃度比總和」）必須＜1。

參考資料

• 行政院原子能委員會，2023 年 6 月 13 日。原能會成立跨部會合作平台，做好日本福島含氚廢水排放因應準備，行政院原子能委員會。
• 台灣科技媒體中心，2023 年 6 月 13 日。「日本將排放含氚核廢水」專家意見，台灣科技媒體中心。

• 〈本文選自《科學月刊》2023 年 9 月號〉
• 科學月刊／在一個資訊不值錢的時代中，試圖緊握那知識餘溫外，也不忘科學事實和自由價值至上的科普雜誌。