Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

「如果要變成一種海洋生物,想變成哪種?」海生館館長王維賢博士表示……

PanSci_96
・2012/12/03 ・4207字 ・閱讀時間約 8 分鐘 ・SR值 481 ・五年級

11/14結束在屏東來義高中的PanSci TALK 360 第二場後,小編P跟Z,加上胖卡計畫的AJ三人,並沒有離開屏東,而是滿心歡喜地摸魚去……

▲超遠的!!

▲開車開到天都暗了……

透過海生館的陳勇輝主任(也是PanSci的台柱作者)引介,我們來到台灣五大科教展館中人氣最旺的屏東國立海洋生物博物館。跟位於基隆的海科館同期展開籌備作業的海生館,進度比海科館快很多。自2000年8月「台灣水域館」開館以來,創下許多博物館界的記錄,也是第一個以BOT方式成功經營的社教館所。在豔陽始終高照的國境之南,館長王維賢博士接受了PanSci小編的專訪:

-----廣告,請繼續往下閱讀-----

P:為何離開教職,成為海生館的館長?

王:那時候從UC San Diego(加州大學聖地雅各分校)拿到博士學位之後回國,在中山大學海資所(海洋資源所)任教。前任的方館長要退休的時候,就找了我,問我有沒有意願。當時我在中山大學擔任副校長,在跟校長及其他同仁討論過後,大家都很支持,於是我就從一個很繁忙的工作換到另一個更繁忙的工作,今年是我到任的第六年。

P:如果要變成一種海洋生物,想變成哪種?

王:(驚!)(思考很久……)我還真沒想過這問題……我不知道,但我肯定想當野生生物。我還真不知道牠們在想什麼(編:大家都不知道呀…除了…),如果可以的話,我想變成跟人類比較近的野生海洋生物,像是海洋哺乳類-鯨豚類的,感覺比較有智慧,似乎能懂人類的思考。

-----廣告,請繼續往下閱讀-----

P:海生館對周圍在地社區的影響是什麼?

王:我自己就是屏東人,剛調到海生館的時候我都跟同事說,以前我在中山大學,家在高屏溪的另一邊,我終於過河了(眾人笑)。雖然我家不在海生館附近,但是小時候常常放假的時候就到車城一帶玩,其實海生館周圍對我來說很親切。

屏東雖然有墾丁、南灣,但是離開了熱門景點,其實社區的發展都很慢,城鄉差距很大,社區的成員也相對是社會上弱勢的族群。我擔任館長之後,跟同仁有個共識,就是除了海洋生物研究、展示之外,還要幫助周圍的社區;另一方面也是因為海生館算是社會教育單位,和周圍社區的互動也是功能之一。教育部前陣子也提出一個概念,希望能以各博物館為圓心,向周圍擴散影響力。所以我們海生館希望能盡量和社區結合在一起。

像是我們同仁在元宵節的時候,就辦過海洋生物的猜燈謎;還辦過新移民姊妹的研習活動,幫她們能熟悉台灣文化,比較知道怎樣和長輩互動。附近有幾間民宿很積極學習新的東西,海生館就會輔導他們規劃生態旅遊,或是傳授自然解說教育。這些或許跟原本的博物館業務關係比較遠,但我們的同仁都很願意做,我也認為應該要持續。

-----廣告,請繼續往下閱讀-----

海生館在推動很多事情的時候,我們第一個想到的會是恆春在地。像是我們後場(編:指非遊客進入的研究區或水族養殖區)一開放,第一個邀來參觀的就是附近的中小學。

另外,前陣子海生館拿到美國博物館協會的獎-2012博物館連結獎助計畫「Museums Connect」,全球只有十座博物館得獎(編:掌聲鼓勵!!)。所以接下來海生館會與一間美國的博物館合作,兩地的博物館各自選定附近的一所中學,規劃兩邊的交流,我們這邊會集合恆春國中跟車城國中的學生。對方的中學叫做「High Tech High School」,我們一開始聽到名稱還以為弄錯了!後來才弄清楚那是一所位在科技園區的中學,學生家長很多都是高知識分子,學生資質也不錯。不過一般來說,台灣學生數理表現比較美國學生平均還好,所以交流比較不會有太大的落差。

指向光電建築的王館長

預計明年暑假要啟用的光電館會成為海生館跟後面社區的連接點。後面的社區是後灣,社區營造做得非常好,我們館內同仁也有參與。光電館之後會變成海生館的展館之一,不過特別的是它是一個開放空間(編:哦?怎麼說);它不需要經過收票亭,與社區直接相通,而且有動線能直接進到海生館。因為人潮來來往往,所以那裡也很適合辦一些開放的教育活動,BOT的廠商也覺得很好,因為能吸引更多人參觀。

P:海生館的未來方向是?

-----廣告,請繼續往下閱讀-----

王:我希望海生館成為世界一流的博物館!雖然路還很遙遠,但是期待有一天能像史密斯桑尼(Smithsonian)一樣,只要提到這個博物館,大家就馬上想到在展示、典藏及研究的傑出表現。

現在海生館除了展示、教育以外,還有很多研究計畫,還有些養殖的專利跟海洋生物的相關技術轉移。最令人驕傲的就是珊瑚繁殖技術;我們可自行繁殖的珊瑚大概有一百多種。有時候我們會被問到館內展出的許多美麗珊瑚是不是我們直接從海裡取得的,(編:還有人會這樣懷疑呀?)最好的方式就是帶他去看我們的後場。 除提供展場展示供遊客參觀外,還可以供珊瑚相關研究,減少野外採集的壓力,也可以應付海域珊瑚復育的需求。

P:目前海生館經營最辛苦的部分在哪?最喜歡跟討厭的又是哪個部分?

王:海生館在籌備的時候政府就規劃以部分委外經營的方式來運作,這顯示當時政府就預見未來的財政已經無法負荷一個這麼大的博物館了。對民間業者來說,營利是最重要的,要是沒賺錢,就不會經營下去。另一方面,公部門也要監督業者的營運是否符合海生館的教育宗旨,比方我們就堅持不能賣活體生物,像是很多地方都在販賣的小魚、水母、小海葵之類的,這就和我們推動生態保育的宗旨不符。我們也要求展示品質;舉例來說,如果有個投影設備老舊了,我們要請業者更換,但這對業者來說就是開銷、成本啊。所以同仁花蠻多心力在和業者溝通,這需要很多技巧、不容易,我就很佩服同仁;業者可能也覺得這筆生意難作呀,我們意見這麼多(笑)。

-----廣告,請繼續往下閱讀-----

海生館的編制小,比較扁平化,要推動事情的時候比較有效率。我很喜歡整個館都動起來的樣子。

P:海生館有打算要展示深海生物嗎?

王:不太容易。館內只有深海生物標本,沒有活體展示。第三館世界海域館有針對深海的主題,不過是以動畫的方式呈現,算是蠻大膽的嘗試,因為一般水族館都是有水的展示,而我們的概念是無水的水族館。世界上少數水族館有深海生物的活體展示,不過維護很辛苦,而且展示效果不太理想,因為深海生物棲息的環境都是黑漆漆的,不太適合觀察。

P:您專長在海洋化學、環境荷爾蒙,怎樣將自己的專業跟海洋生物連結?

-----廣告,請繼續往下閱讀-----

王:我回國之後就在中山的海洋資源系。聽系名就知道領域很廣,除了生物之外,還有像是海洋化學、海洋地質、海洋物理等都包含在內。我自己專長是環境化學,特別是環境荷爾蒙。在系上服務是蠻愉快的經驗,可以跟不同領域的教授交流,很有趣。海洋科學是一門綜合科學,許多議題需要從不同角度切入,跟不同專家合作。在很多計劃中,跟我互動最多就是生物學家,雖然我不懂生物,但是在他們(生物領域的老師)的薰陶之下,多少有了些生物學的概念。舉例,若是環境荷爾蒙的議題,我負責研究這些物質在海洋中的來源、怎樣作用,然後讓生物專家來研究對生物的影響。

P:對現在國內的環境議題的看法如何?有什麼是我們可以做的?

王:我覺得台灣這十幾年來進步很快,民眾比以前還更關心公共議題,或許也是地方不大,所以訊息傳遞很快。我剛回台灣的時候,國內剛好環保意識抬頭,環境運動很盛。後來很多明顯的環境問題大多都受到控制,像是排黑煙的煙囪跟各種顏色都有的廢水都少了。一些比較深入的問題,像是環境荷爾蒙,還是存在,但是反應的速度比以前快很多,很快就會有檢驗、規範來解決,公民的聲音也比較容易被聽見。我想我們做研究可以把一些環境問題點出來,讓民眾可以重視,也能督促政府單位解決。

當然環境問題會一直發生,不過整個來說我是樂觀看待。

-----廣告,請繼續往下閱讀-----

P:遇到動物保護人士批評活體展示,您會怎麼回應?

王:這問題是所有水族類博物館、動物園的「宿命」。活體展示其中一個目的就是為了教育,親眼看到這些生物的感覺就是很強烈,跟在書上、螢幕上看的感覺不同。比如說今天你不會莫名其妙說要保育北極熊吧?但如果親眼看過牠們,感覺牠們很可愛、有靈性、也許是游泳的姿態很美……怎樣的,才會對牠們的處境有同情。

我想,我們在跟飼養的生物相處時,最重要的是盡到照顧的責任。這些生物是在「犧牲奉獻」,所以我們在專業上,我們都盡量提供最好的照顧,像是最好的水質、餌料,如果有生物生病,其實我們都很擔心。

我們很感謝關心動物福利的人士,因為他們的關心,所以我們才會思考怎樣去改進。比方像小白鯨的展示,其實博物館不能做動物表演,但是還是有一些圈養的訓練是必要的,例如為了要健康檢查,此外,牠們在自然環境中也有一些行為本來就存在;所以我們在訓練的時候,會順便加入一些解說教育,例如當白鯨將訓練員從水中頂上來的時候,其實這跟他們在原始環境中會頂冰塊的行為是一致的。對我們來說,我們不認為這樣算是表演,但不免遭受到質疑,我們討論很久,最後決定就不這樣做,只是開放讓民眾參觀白鯨的定期健康檢查還有平常訓練,旁邊加上解說員解說。長期看起來是個不錯的結果。

左邊展示的是國內廠商取海葵意象設計出的精品燈飾,主要外銷歐洲。

落山風超人,出發!

海生館真的好大。採訪完之後,P、Z、AJ三人各自分頭到各處參觀,但是因為時間有限,實在看不完,加上摸魚摸到有點心理不安,所以又很宅地在海生館拿出筆電開始工作…

不過因為海生館實在太多寶可以挖了,所以之後肯定還要再來囉~

最後一個問題,一樣要來反問各位了:你到過海生館嗎?你記憶最深刻的是哪個部份呢?對海生館有哪些想法呢?請跟我們分享吧!我們會再轉達給王館長喔!

-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

0
0

文字

分享

0
0
0
螃蟹有痛感嗎?我們是怎麼知道的?
F 編_96
・2025/01/16 ・1669字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

F 編按:本文編譯自 Live science

螃蟹一直是海鮮美食中的明星,從油炸軟殼蟹到清蒸螃蟹,餐桌上經常見到牠們的身影。有地方也習慣直接將活螃蟹丟沸水煮熟,認為這能保留最多的鮮味。過去人們認為甲殼類缺乏複雜神經結構,不會感受到痛苦,因此不必過度憂心道德問題。但近年來,越來越多研究開始挑戰此一想法,指出螃蟹與龍蝦等甲殼動物可能具備類似疼痛的神經機制。

以前大家相信甲殼類缺乏複雜神經結構,但近期這一認知逐漸受到質疑。 圖 / unsplash

甲殼類是否能感覺到痛?

人類長期習慣以哺乳類的神經構造作為痛覺判斷依據,由於螃蟹沒有哺乳動物那樣的大腦腦區,便被認為只憑簡單反射行動,談不上真正「痛」。然而,新興科學證據顯示包括螃蟹、龍蝦在內的甲殼類,除了可能存在被稱為「nociceptors」的神經末梢,更在行為上展現自我防禦模式。這些研究結果顯示,螃蟹對強烈刺激不僅是本能抽搐,還有可能進行風險評估或逃避策略,暗示牠們的認知或感受方式比我們想像更精緻。

關鍵證據:nociceptors 與自我保護行為

近期實驗在歐洲岸蟹(Carcinus maenas)中觀察到,當研究人員以刺針或醋等刺激手段測量神經反應,牠們顯示與痛覺反應類似的神經興奮;若只是海水或無害操作,則無此現象。此外,透過行為實驗也可看出,寄居蟹在受到電擊時,會毅然捨棄原本的殼子逃離電源,但若同時存在掠食者味道,牠們會猶豫要不要冒著風險離開殼子。這些結果使科學家認為,螃蟹並非單純反射,而可能有對於痛感的判斷。若只是「低等反射」,牠們不會考慮掠食風險等外在因素。

痛覺與保護:實驗結果引發的道德思考

以上發現已在科學界引發廣泛關注,因為餐飲業與漁業中常見「活煮」或「刺穿」處理螃蟹方式,如今看來很可能讓牠們承受相當程度的不適或疼痛。瑞士、挪威與紐西蘭等國已開始禁止活煮龍蝦或螃蟹,要求先以電擊或機械方法使其失去意識,試圖減少痛苦。英國也曾討論是否將甲殼類納入動物福利法保護範圍,最後暫時擱置,但此爭議仍在延燒。

-----廣告,請繼續往下閱讀-----
英國對於是否將甲殼類列入動物福利法的保護範圍,有所爭議。 圖 / unsplash

部分學者保持保留態度,認為雖然甲殼類展現疑似痛覺的行為與神經反應,但與哺乳類相同的「主觀痛感」仍需更多研究證明。大腦與神經系統結構畢竟存在很大差異,有些反射也可能是進化而來的自衛機制,而非真正意義上的感受。然而,科學家普遍同意,既然相關證據已經累積到一定程度,毋寧先採取更謹慎與人道的處理模式,而非輕易推卸為「牠們不會痛」。

海洋生物福利:未來的規範與影響

如果螃蟹被證實擁有痛覺,將牽動更廣泛的海洋生物福利議題,包括鎖管、章魚或多種貝類也可能具有類似神經機制。人類一直以來習慣將無脊椎動物視為「低等生物」,未必給予與哺乳類相同的法律或倫理關注。但若更多實驗持續指出,牠們同樣對嚴重刺激展開避痛行為,社會或終將呼籲修訂漁業與餐飲相關法規。未來可能要求業者在捕撈與宰殺前使用電擊或麻醉,並限制活煮等方式。這勢必對漁業流程與餐廳文化造成衝擊,也引發經濟與文化折衷的爭議。

龐大的實驗數據雖已暗示螃蟹「會痛」,但確鑿的最終定論仍需更多嚴謹研究支持,包括更深入的大腦活動成像與突觸路徑分析。同時,落實到實際操作也需追問:是否存在更快、更人道的宰殺或料理方式?能否維持食材鮮度同時保障動物福利?這種思維轉變既考驗科學進程,也考驗人類對自然資源的態度。也許未來,既然我們仍會食用海產,就該以最小痛苦的方式對待那些可能感受痛苦的生物,為牠們提供基本尊重。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

F 編_96
20 篇文章 ・ 1 位粉絲
一個不小心闖入霍格華茲(科普)的麻瓜(文組).原泛科學編輯.現任家庭小精靈,至今仍潛伏在魔法世界中💃

0

1
0

文字

分享

0
1
0
深海發現大型礦場和「暗氧」!是能源危機的希望還是潘朵拉之盒?
PanSci_96
・2024/09/21 ・2334字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

深海的暗氧:無光環境中的神秘氧氣生成

深海,被譽為地球最後的未開發疆域,隱藏著許多不為人知的奧秘。數千公尺深的海底沉積了數量龐大的多金屬結核,這些礦物因含有大量珍貴金屬,對現代技術,尤其是能源轉型,至關重要。然而,科學家在探索這些結核的過程中意外地發現了一種神秘的現象:暗氧,即在無光的深海環境中生成氧氣的過程。這一發現不僅可能改變我們對海洋生態系統的理解,還可能重新定義地球早期生命起源的故事。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

長期以來,科學界普遍認為氧氣的生成依賴於光合作用。光合作用是植物、藻類及一些細菌透過陽光將水和二氧化碳轉化為有機物並釋放氧氣的過程。這一過程主要發生在地球表層和淺水區域,是維持大氣和海洋中氧氣含量的核心機制。根據這一觀點,只有在陽光能夠到達的區域,氧氣才能被生成。因此,對於深達數千公尺的深海區域,我們的認識是,氧氣主要來自於表層水透過洋流輸送到深處。

然而,深海中缺乏光源,光合作用無法進行,這意味著氧氣在深海中的供應受到限制。雖然洋流能夠在一定程度上將氧氣輸送到深海,但這一過程極其緩慢,往往需要數百年甚至上千年才能完成一次循環。因此,科學家一直認為深海是一個缺氧的環境。

多金屬結核的發現,是新能源的關鍵,還是海洋生態的災難?

在這樣的背景下,科學家對深海進行了更深入的探索,並發現了錳結核(英語:Manganese nodules),又被稱為多金屬結核這一珍貴資源。多金屬結核是富含金屬的岩石,其主要成分包括鈷、錳和鎳等金屬。這些結核廣泛分佈於全球深海區域,尤其是太平洋海域,儲量高達數兆噸。這些金屬對綠色能源技術,如電池生產,具有極高的價值,吸引了全球各國的關注。

-----廣告,請繼續往下閱讀-----

然而,這些結核不僅是地球資源的寶藏,它們還隱藏著另一個重要的發現。2013 年,科學家安德魯·斯威特曼(Andrew Sweetman)在太平洋克拉里昂-克里珀頓區域進行深海研究時,意外地發現,在封閉的深海水域中,氧氣濃度竟然有所增加。這一現象引發了科學界的極大關注。

科學家探索深海的多金屬結核時,意外發現「暗氧」的存在。 圖/envato

暗氧的生成機制

斯威特曼的研究團隊推測,深海中的多金屬結核可能在某些化學條件下,充當了天然電池。這些結核通過電化學反應將水分解為氧氣和氫氣,從而在無光的環境中產生了氧氣。為了驗證這一假設,團隊在實驗室中模擬了深海環境,並確實觀察到氧氣從結核生成的現象。

不過,這一過程並非如想像中簡單。根據實驗數據,某些海底結核表面的電壓僅為 0.95 伏特,卻能夠生成氧氣,這與理論上需要的 1.6 伏特電壓不符。研究團隊進一步推測,這可能與結核的成分有關,例如含鎳的錳氧化物可能起到了催化作用,降低了反應所需的能量。此外,結核表面的不規則排列及空隙可能也促進了電子轉移和水的分解。

暗氧的發現挑戰了我們對氧氣生成的傳統理解。過去我們認為,地球上的氧氣主要來自於光合作用,但這一現象表明,甚至在無光的深海環境中,氧氣也能通過無機物的電化學反應生成。這意味著,我們對於地球早期氧氣循環及生命演化的認識可能存在重大疏漏。

-----廣告,請繼續往下閱讀-----

尤其值得注意的是,多金屬結核的形成需要氧氣,而這些結核大量出現在深海中,是否表明早期地球上就已經存在非光合作用的氧氣生成機制?如果是這樣,暗氧是否可能推動了地球上生命的起源?這一問題仍然未有定論,但暗氧的發現無疑為生命起源的研究開闢了一條新的途徑。

未來的挑戰:開採深海資源還是守護地球最後的「淨土」?

除了科學研究的價值,多金屬結核也吸引了全球對於深海資源開採的興趣。這些結核富含稀有金屬,特別是對電池生產至關重要的鎳和鈷。然而,大規模的深海開採可能會對海洋生態系統造成嚴重破壞。

對於發現的深海資源,是要開採?還是選擇守護海洋生態? 圖/envato

首先,深海採礦可能導致噪音和光污染,破壞深海生物的棲息地。此外,採礦過程中產生的懸浮物可能對海洋生物,尤其是水母等生物造成生理負擔。研究顯示,水母在模擬的採礦環境中會因應對懸浮物而消耗大量能量,這可能削弱其免疫系統並降低生存率。

因此,雖然深海資源的開採看似能解決當前的能源危機,但國際間對此議題的爭議仍然持續。全球已有32個國家支持暫停或禁止深海採礦,呼籲進行更多的生態影響研究以確保環境保護。

-----廣告,請繼續往下閱讀-----

暗氧的發現,不僅為科學研究帶來新的挑戰,也為深海資源的開採提出了更高的要求。在能源危機與生態保護之間,我們需要尋找平衡點。未來的技術或許能夠在不破壞環境的情況下,模擬自然過程生成多金屬結核,從而實現可持續的資源開採。

此外,暗氧現象的發現也為探索外星生命提供了新的思路。當我們在其他行星上發現氧氣時,不一定意味著那裡存在光合作用生物,可能是類似多金屬結核的無機反應在默默進行。這一發現或許將改變我們對地外生命的定義與尋找方式。

深海的秘密仍在不斷被揭開。從暗氧的發現到多金屬結核的開採,這片未開發的疆域將在未來的科學探索與資源爭奪中扮演至關重要的角色。無論是能源危機的解決還是生態系統的保護,我們都應以謹慎且負責任的態度面對這一未知的領域,避免打開潘朵拉之盒。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。