科學家利用加速演化法產生防禦神經毒氣的酵素

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。

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。

台灣知名科學家：翁啟惠院長

如果問民眾「臺灣有哪些知名的科學家？」翁啟惠肯定是經常出現的答案。翁啟惠是國際知名醣化學家，曾擔任兩屆中央研究院院長，任期內積極將基礎科學與生醫產業串連起來。另一方面，翁啟惠也是投身研究 50 年的資深學者與好老師，共培養超過 500 位優秀弟子；他同時也是中研院、美國國家科學院的院士，更獲得沃爾夫化學獎、威爾許化學獎、四面體化學獎等榮譽。中研院「研之有物」專訪院內基因體研究中心合聘特聘研究員翁啟惠院士，向讀者介紹他一路走來的心路歷程。

從臺大、中研院到 MIT的化學之旅

翁啟惠學術能量依舊飽滿，他是斯克里普斯研究院（Scripps Research）與中研院合聘的研究人員，兩邊各自都有實驗室和學生，受訪當天他本人在美國加州，透過視訊與「研之有物」團隊連線。

至今已 74 歲的醣化學大師翁啟惠，他是嘉義出生的子弟，初中考上臺南一中，高中三年級本已保送清華大學化學系，不過因為想挑戰臺大醫學系而赴考，可惜生物不好，加上自己喜歡化學，便進了第二志願臺大農業化學系。大學畢業，退伍後他隨即投身於科學研究，算算日子，已經是漫長的 50 年時光。

翁啟惠原本就喜歡研究，他退伍後跟著恩師臺大化學系王光燦教授擔任助教一年後，再跟王教授來到中研院擔任助理，當時（1972 年）正值中研院生物化學研究所草創時期。後來翁啟惠升任「助理研究員」（類似大學的講師，目前已無此職位），前後服務長達 8 年，期間於 1977 年在職獲得碩士學位，碩論主要為臺灣蛇毒蛋白的合成，是翁啟惠多年來的研究成果。

儘管翁啟惠出國前已發表超過 30 篇論文，小有所成，他依然希望更上層樓，因此 1979 年前往美國的麻省理工學院深造，接受恩師化學系教授喬治·懷特賽茲（George M. Whitesides）的指導。翁啟惠回憶，自己後來教育學生的理念與作法，多源自懷特賽茲的啟發。具備相當基礎之下，翁啟惠花費 3 年取得有機化學博士學位，又經歷 1 年哈佛大學的博士後研究，1983 年他就成為德州農工大學（Texas A&M University）的助理教授。

冷門且困難的「醣化學」

翁啟惠擅長的領域是「酵素化學」與「醣化學」，醣化學是什麼呢？翁啟惠解釋，維繫生命的蛋白質、核酸、脂質、醣類這些物質，以醣類最為複雜。除了材料化學的應用之外，翁啟惠選擇探索醣分子在生物醫學方面的應用。

醣類的結構變化多端，而且不容易人工合成。而翁啟惠的過人之處，正是出色的醣類合成能力！後來讓他奠定宗師地位的一鍋式酵素合成法、程式化一鍋合成法、醣晶片，到最近的廣效去醣化疫苗等研究主題，都歸功於他堅強的化學合成基礎。

我們已經知道翁啟惠是醣化學的先驅，不過其實到博士畢業前，他大部分仍著重於蛋白質的合成，直到獨當一面後，才正式投身醣類。因為在當時的學界，核酸、蛋白質才是顯學，醣化學是非常冷門的領域，即便今日也不算太熱門，更是難以想像應用於研究疾病。

因此，翁啟惠早期在美國當助理教授時，曾經無法申請到研究經費，甚至有計畫評審認為他誤入歧途，所幸他的前瞻理念於 1986 年受到美國總統年青化學家獎（Presidential Young Investigator in Chemistry）的賞識，支持他站穩腳步，1987 年升任教授，才有後來的持續突破。

使用「酵素」來合成醣類

過去醣類研究不但冷門，而且難以合成，翁啟惠為什麼有勇氣選擇如此困難的題材？他的信心來自「酵素」 ，也就是生物用來催化反應的特殊蛋白質。傳統化學手段難以合成的複雜產物，有機會利用酵素來克服。

翁啟惠提到，1970 年代分子生物學興起，新問世的基因改造潛力無窮，人造胰島素開啟生技產業的濫觴；但是 1980 年代時，化學家多半仍很少接觸基因重組技術。他算是首波使用基因重組酵素，實現醣分子的化學合成。

翁啟惠強調，很多新聞報導說他是生物醫學或生物科技專家，但其實他本質上一直是化學家，探索分子層次的操作，研究醣分子與醣蛋白的有機合成，只是醣化學研究的應用涉及生物醫學領域，介於化學和生物的交界。

做出過人成績後，翁啟惠成為各大研究機構爭邀合作的化學人才，本來預備前往加州的史丹佛大學。不過同樣在加州的斯克里普斯研究院（Scripps Research）半途冒出，院長勒納（Richer Lerner）親自邀請他過去瞧瞧。當時擅長生醫的 Scripps 想拓展至化學領域，正在招募人才，而涉足生物的化學專家翁啟惠正是合適人選。

Scripps 研究院是世界最好的研究機構之一，只收博士生，不僅有多位諾貝爾獎得主，更培育出不計其數的人才。翁啟惠回憶，他原本也對 Scripps 研究院不熟，Scripps 當時還沒有化學部門，但沒想到相談甚歡，1989 年他受邀擔任新成立的化學系講座教授，一做就做到 2006 年。現在，Scripps 研究院在化學生物領域是全美第一。

Scripps 研究院不僅環境怡人，學術資源也豐沛，讓翁啟惠能專注研究，而不必為經費擔憂。如今，他再度成為 Scripps 研究院的講座教授（Chair Professor），美國講座教授會有一筆來自民間的捐助基金，有充裕的學術資源可供自由運用。翁啟惠感慨地說，臺灣的學術捐款多為建造大樓等硬體，可是支持人才更重要， 這是未來臺灣值得學習的方向。

醣化學原本是乏人問津的領域，然而翁啟惠開創了醣分子的有機合成方法，讓醣化學逐漸受到重視，他也獲得一系列耀眼成就。翁啟惠 2002 年當選美國國家科學院的院士，接著又榮獲多項化學領域的一級大獎：2014 年得到沃爾夫獎（The Wolf Prize），2021 年是威爾許獎（Welch Award），2022 年又獲頒四面體獎（Tetrahedron Prize）。

翁啟惠近年在化學領域不斷獲獎，也讓許多人好奇，再來會是諾貝爾化學獎嗎？

對於這個問題，翁啟惠認為可遇不可求，得獎也講究機運。不過每次獲獎，他都覺得是很好的鼓勵，激勵他繼續往前走。更重要的是，翁啟惠不是單打獨鬥，每次獎項表揚的成就，背後都是整個團隊的努力，因此這些榮譽正是對他整個團隊的肯定。

教師之夢：遍布全世界的學生

說到培養人才，這也是翁啟惠的強項，可惜過去媒體報導翁啟惠時卻很少觸及教育。談論如何作育英才的心得，翁啟惠眼睛炯炯有神，隔著太平洋都能感受到湧出螢幕的教育熱情。

翁啟惠表示他小學時就想當老師，也是一輩子的志願。看到學生有成就，就會覺得很欣慰。他至今指導過的學生與博士後超過 500 位，遍及世界各地，包含美國、日本、韓國、英國、法國、德國、比利時等國家。儘管他自嘲也不是全世界都有，像是北韓就沒有學生。

翁啟惠對教學的想法，奠基於博士班老師懷特賽茲和自己長年的實踐經驗。談到臺灣學生，他特別指出必須加強兩點訓練：獨立思考與表達能力。

表達為什麼重要？試想，一個人花費多年辛苦取得學位，去應徵工作，卻只有幾分鐘能夠展現。善於表達，才能讓人覺得你的工作重要，呈現意圖以實現目標。而翁老師的第一課，總是在他與學生第一次碰面立刻開始：「為什麼找我當指導教授？」。給他滿意的回答，才能成為他的學生，成績並非最優先的考量。

培養學生獨立思考與研究的能力

翁啟惠的指導理念是「指示不要太詳細」，讓學生自己想問題、找資料、設計實驗。他只負責給大方向、從旁協助。因為講的太過具體，反而會限制學生獨立發展的空間。

翁啟惠更精闢地剖析： 由學生獨立完成的成果，才會認為是自己的成績。否則即使成果再好，學生也可能覺得那是老師的東西，不是自己的成就。當學生獲得成功經驗，對自己有信心，此後便能更加獨立，建立正向循環。

另一方面，由於學生有大片空白可以填補，所以想法和能力不會受到過去積習所影響。翁啟惠提到，他有很多超乎預期的重要研究，是來自學生自己的嘗試。例如，研發出自動化一鍋式合成醣分子的歐曼（Ian Ollmann），原本在博士班四年級仍苦無突破，翁啟惠建議他發揮寫程式的專長，果然順利完成發表，後來甚至還轉戰高科技龍頭蘋果公司，至今已工作超過 20 年。

不過，讓學生自己摸索，失敗怎麼辦？翁啟惠認為失敗為成功之基礎，學生經歷失敗，才能培養耐心，累積應付挫折的經驗，打下未來成功的基礎。做研究的關鍵在於興趣，只要保持興趣，失敗也能學到新東西，而成功則能增強信心，有利於繼續成功。翁啟惠也鼓勵學生，與其等待老師指導，不如勇於嘗試、放手去做。

研究院院長時期：積極推動產學交流與合作

翁啟惠任職 Scripps 研究院的期間，茁壯為世界第一流學者，各國爭相合作。如此耀眼的旅外人才，自然也受到當時中研院院長李遠哲賞識，促成翁啟惠於 2003 年回到臺灣，並在 2006 年到 2016 年擔任了兩屆院長。

翁啟惠除了提升中研院的學術水準，他最重要的任務莫過於推動生物科技產業。因為翁啟惠認為產學互利共生很重要，有好的產業才能吸收廣泛的人才，例如臺灣的半導體產業，可以讓理工科系學生不愁出路，產生正向循環。

但另一方面，生物科技已成為各個科技大國的明星產業，臺灣每年有大批醫藥、生技的人才，卻沒有相應規模的產業，無法人盡其才。

為了推動生技產業，法規制度與產學合作園區都不可或缺。翁啟惠參考美國 1980 年的拜杜法案（Bayh-Dole Act），與專家合作完成臺灣版本的法規，將產學合作、技術轉移制度化。

法規的主要精神，就是由政府補助學術研究，做出初步成果後，再技術轉移給業者尋求商業化，後續再回饋給學術形成正向循環。園區方面，國家生技研究園區、中研院南部院區，都隨著翁啟惠的規劃步上軌道，讓基礎研究和產業創新能夠連結。

當然，產學間的轉換並不總是那麼順利。不過翁啟惠認為，如果學者發表的論文成果，同時也能促進產業，讓社會一同受益更好。這倒不是說所有學者都要投入產學合作，而是要慢慢建立起產學合作的文化，將研發成果回饋給社會。

往好處看，臺灣的生技產業與產值都持續進步中，而這條路依然任重而道遠。

產學合作的新潛力

翁啟惠是純學術研究出身，為什麼後來卻相當熟悉產學合作呢？時光要回溯到 1985 年。那時翁啟惠獲頒席艾勒學者生物醫學獎（Searle Scholar Award in Biomedical Sciences）——這是他少數獲得的生醫獎項之一，加上總統年青化學家獎，使他在美國學術界站穩腳步，也讓他有擔任企業顧問的機會。

從杜邦公司開始，初出茅廬的翁啟惠自認什麼都不懂，跟著前輩們邊看邊學，解決一家又一家企業的疑難雜症，而業界的顧問經驗同時也支持著自己想做的研究。翁啟惠逐漸累積產業經驗後，發現產學目標很不一樣，學者要優先發表論文，企業則是產品導向，講究解決問題。

訪談之中，翁啟惠回顧幾件很有意思的顧問經驗。例如，有公司希望解決可樂中代糖「阿斯巴甜」（Aspartame）在高溫下產生甲醇毒素的問題。也有公司想要改良汽車外層鍍膜，避免鳥糞腐蝕。

另外還有一個香菸公司的邀請讓翁啟惠印象深刻，那時很多重度菸癮者抽到頭痛，產品只能先緊急下架，菸商損失慘重；後來查明是製菸的紙漿中存在微量有害物質，若短時間抽很多根菸，大量攝取下會有立即危害。

這些顧問工作，很多都和翁啟惠醣化學的本業無關，卻帶給他開闊的視野與企業經驗。我們也可以注意到，美國政府與產業界相當有心培育有潛力的人才，即便尚無業界經驗，也願意讓新人去嘗試擔任顧問。

翁啟惠提到，美國東岸的新英格蘭周邊，是產業歷史最悠久的地區，也分佈許多老牌大企業；西岸的加州則不同，主要是新創小公司。不同地方各有特色，衍生出多變的產學文化。

相比之下，臺灣也具備潛力，就看經營出什麼文化。翁啟惠認為，我們已經建立民主自由的社會，若要更上層樓，臺灣萬萬不可孤立，要主動與國際交流，並發展自己的特色。

有交流，創意的火花才有可能碰撞，或許那個坐在你隔壁的人，就是未來的合作夥伴！翁啟惠提到，總部位於加州聖地牙哥，以基因定序闖出名號，至今仍蓬勃發展的因美納（Illumina）公司，其共同創辦人沃特（David Walt），正是他在麻省理工學院實驗室的同儕！有次邀請沃特到 Scripps 演講，剛好聽眾中有兩位感興趣的投資者，演講結束之後，沃特便與兩位投資者私下討論，就創辦了 Illumina 公司。

醣無所不在！未解的謎題還等著研究

儘管投身學術研究 50 年，醣化學將近 40 年，翁啟惠絲毫沒有停下腳步的意思。當訪問到「醣化學還有什麼潛力？」，一如談教育時的熱情，翁啟惠又展現出科學家對研究的熱愛。

在翁啟惠眼中，醣類有太多謎團等待解答。生物基因以 DNA 承載遺傳訊息，製作蛋白質行使功能，但是時常還要加上醣的參與，偏偏醣類不像核酸、蛋白質容易摸索。醣分子無法複製，只能用化學合成，細胞表面佈滿的醣分子結構不對，功能就不同。

以抗體為例，抗體是一種醣蛋白，我們知道抗體靠著專一性辨識去附著目標，消滅病毒。相對卻少有人意識到，抗體的一端附著目標後，另一端還要連接免疫細胞轉入後續反應才能消滅病毒，這步正是依靠醣分子，因此醣類會影響抗體的免疫功能。

相對的，病毒需要依賴宿主細胞以便大量複製。不同細胞會賦予蛋白質產物不同的醣化修飾。研究發現即使遺傳物質相同的病毒，假如病毒外頭的醣化修飾不同，也會影響感染能力及免疫反應。由上呼吸道細胞產生的新冠病毒，感染力就比其他細胞更強。

對於開發疫苗，翁啟惠近年投入不少心血。疫苗刺激產生的抗體講究專一性，研發者要想辦法針對病毒結構來調整抗體及 T 細胞反應。翁啟惠與研究團隊的思路卻是另闢蹊徑，並非將病毒露出來的表面設為目標，而是要去掉病毒外層的「醣」衣，也就是「去醣化疫苗」。

因為病毒暴露在外的部分會持續改變，躲避特定抗體，但是被醣基包裹的位置不太會變，或許是人體免疫記憶更好的訓練對象。以此概念製成的蛋白質或 mRNA 疫苗，若是成功，便有機會成為所謂的「廣效疫苗」，接種一款疫苗就能應付病毒的多型變化，特別是難纏多變的流感病毒、冠狀病毒（例如 SARS-CoV-2）。

除此之外，翁啟惠團隊也持續開發廣效癌症疫苗。用抗體對付癌症的想法十分誘人，其難處在於，疫苗刺激產生抗體，辨識外來入侵的異物加以攻擊；但是癌細胞是人體細胞變異産生，上頭存在的成分正常細胞常常也有，設定癌細胞打擊，反而會造成自體免疫的悲劇。

好消息是，癌細胞外頭有些醣化修飾，不同於正常細胞。翁啟惠的隊伍尋獲 Globo H 等幾個醣類分子，適合作為疫苗針對的目標。相關技術已經轉移給業者，正在進行第三期人體臨床試驗。這些圍繞醣分子作文章的創新疫苗令人期待，最終是否能投入實戰，仍有待分曉。

關於醣化學，翁啟惠將持續探究細胞表面醣分子所扮演的角色，以及醣分子和疾病的關係。

給年輕學生的話：「興趣是研究的動力」

翁啟惠語重心長地提到，醣化學領域如今的樣貌取決於他們這些開拓者，未來則要看能否引發年輕人的興趣，因為未來是年輕人的。

現今教育強調跨領域，翁啟惠自己無疑也是跨領域的知名化學家，但是他提醒年輕人，跨領域絕對不等於什麼都要學、都要會。基礎還是要打好，跨領域的關鍵是有能力與其他領域的人互動合作。

翁啟惠近期便以國家生技醫療產業策進會會長的角色，積極促進醫界與電子業的對話。因為醫界知道市場需求，但不懂得製造；電子業擅長製造，但是對醫療需求沒有深刻理解。他希望營造合作交流的環境，創造新的可能性。

最後，翁啟惠提醒學生，做研究一定要長期投入，深入鑽研，若是短短幾年就轉換領域，只會愈來愈迷茫。興趣對研究生涯最重要，有興趣才有動力，而興趣的培養則來自日常的自我探索。