0

11
3

文字

分享

0
11
3

叫醒他的不是鬧鐘,是地震,還有讓預警系統更好的夢想——專訪氣象局地震測報中心陳國昌

鄭國威 Portnoy_96
・2021/08/23 ・6850字 ・閱讀時間約 14 分鐘

氣象局地震測報中心大部分同仁得 24 小時待命,主任陳國昌對此指出,「壓力比較大啦!」圖/劉志恒攝

「我不是花蓮人,但我也是每天被地震叫醒。」氣象局地震測報中心主任陳國昌在接受我們遠距採訪時笑著說。

這不是開玩笑,而是職業需要!包括陳國昌在內,地震測報中心大部分同仁手機 24 小時不能關,要隨時待命。不過說到緊盯老天爺臉色這件事,整個氣象局不都是如此?他說,如颱風等劇烈氣象變化,在來臨時的確需要動員整備,持續報告與預測,但地震卻沒有時間可以準備,因此相較於其他氣象局同仁,地震測報中心就得隨時在線。

「壓力比較大啦!」他一樣微笑著說,中心平時要有三組人負責核心作業,分別是「餘震監測作業」、「發布作業」、「預警作業」,要是發生規模 6.0 以上的大地震,十多位同仁會立即回到崗位,回應來自媒體與民眾的大量資訊需求。

對陳國昌來說,氣象與地震測報就是他整個人生。地球科學系畢業後,研究所也接著念地球物理,在大學教了兩年書,之後他就進入氣象局從基層做起,每個職位都歷練過。「我們也不敢講說自己多重要。一個工作既然接了,就想辦法做好。」他說。

-----廣告,請繼續往下閱讀-----
陳國昌在接受遠距採訪時表示:「我不是花蓮人,但我也是每天被地震叫醒。」圖/劉志恒攝

地震預警,還能更快?

這次採訪陳主任,是想了解「地震預警」的下一階段發展。臺灣的地震預警發展始自 1990 年,如今已足以出口技術到世界各國,可說是臺灣驕傲。然而對大多數民眾來說,最有感也最好奇的,還是偶爾傳來(或就是不傳來)的「國家級警報」。

國家級警報屬於災防告警系統的一環,預設開啟且無法關閉,因此多數人初次收到演練訊息時都會非常驚訝。

延伸閱讀:可看公視P#新聞實驗室的介紹國家災害防救科技中心針對災防告警細胞廣播訊息的說明

有不少朋友可能收過地震以外的告警訊息,例如交通部公路總局會針對道路崩塌等因素,發布「公路封閉警戒」、經濟部水利署在水庫要洩洪時會發布「放水警戒」、農委會水土保持局也會在土石流警戒區發布警戒。不過在各類告警訊息中,只有氣象局的地震速報,以及內政部警政署與國防部負責的飛彈空襲警報屬於「國家級警報」。由於目前沒有防空警報,因此會收到國家級警報就只有在大地震發生的時候了。

預警跟預測有什麼不同?簡單來說,「預測」是地震還沒發生,就能夠告知民眾地震要來了,包括在哪個位置、有多大、發生在什麼時間點?目前科學只能針對地震可能的前兆,提供一個範圍內的機率,例如某個地區在 10 年內可能會有規模多大的地震,這無法讓民眾馬上根據資訊來避災,只能種下防災觀念的種子。

-----廣告,請繼續往下閱讀-----

預警是在地震發生後,利用密集的測站、快速的計算,得到地震可能影響的範圍,然後在範圍內用「跑得比地震波快」的電訊號,針對有可能發生災損的地區發出警報。能夠爭取的時間並不多,短至 2-3 秒,長至 10 秒以上,但只要能爭取到多一些時間,生命財產就可以增加多一分保障。陳國昌坦言,與其寄望於不知何時有成果的「預測」,「預警」就顯得更重要。

陳國昌坦言,與其寄望於不知何時有成果的地震「預測」,「預警」就顯得更重要。圖/劉志恒攝

預警爭取到的逃生時間彌足珍貴,但能否順利逃生也受其他因素影響。陳國昌表示,針對地震發生當下的行為,國際上有很多研究,重點結論是:在民眾有接受逃生訓練的前提下,在地震來臨前接獲預警可有效降低人命損失。以日本來說,只要有兩秒鐘的時間讓民眾提前預警,就能減少 25% 的死亡人數;而能有如此成效,是因為「防災大國」日本不只演習頻繁,民眾的防災意識也高。東京大學的研究更顯示,若有超過 10 秒的時間,超過 8 成以上原本可能死去的人可以活下來。當然,保住一命並不代表完全沒事,或許仍負輕重傷,但總是留得青山在。

一份中國的研究則顯示,如果有五秒預警,可以減少 17% 的死亡人數。可見除了逃生秒數的長短外,不同國家的地震逃生率不但與人民的防災教育有關,也與普遍的房屋結構有關。例如日本住家多半是木質構造,因此相對耐震,但火災及颱風豪雨的抗性就較低。反之,臺灣的住家多半是鋼筋水泥打造,大地震一來損害會相對嚴重,因此營建署也不斷提高耐震標準

精進都會區的強震預警、並將現有的地震防災預警服務智慧化,被列為 109 年通過的「前瞻基礎建設計畫」(前瞻 2.0)重點項目。然而預警也不只是偵測到 P 波然後發個訊號到手機那麼單純。首先,測站得要夠密集,不然收到 P 波也來不及傳播;再來,偵測到的訊號得夠清晰,不能受到太多環境變數影響,那麼就得要多個測站收到後再來演算,才比較能掌握地震的規模、位置及可能影響的區域。接下來還得立即傳到正確的基地台、再傳到我們的手機上——以上動作都需要在區區幾秒內完成,而且正確率還要高,才不會產生「狼來了」效應。

-----廣告,請繼續往下閱讀-----

要突破目前的極限,陳國昌表示突破口就在於整合「區域型」跟「現地型」系統。(我:是合體技啊!)

氣象局主要做的是區域型地震預警,例如花蓮外海若發生大地震,靠近震央的幾個測站就會快速解算地震參數,趁著地震波侵襲遠方之前,發送警報到位於臺中的我的手機上,這就是「區域型」系統。去年氣象局已經將 10 秒地震預警系統上線,就是說,如果地震發生在陸地(本島或沿海),氣象局在地震發生後 10 秒內就可以把預警資訊傳到臺灣各地。

你肯定發現了問題:這對震央附近的當地人來說不就沒用?由於破壞力比較大的 S 波每秒約走3.5-3.6 公里,10 秒就是 35-36 公里,因此產生了「盲區」。所以就需要「現地型」地震預警來幫忙囉!當現地的地震儀偵測到 P 波後,便立即判斷會不會有強烈震波跟著來襲,3-4 秒就可以快速反應。如果在盲區內有很多重要單位,像是學校、醫院,車站等人口密集的地方,現地型預警就能補位,讓盲區盡量縮小,但也容易受到環境的雜訊影響(蓋房子做工程啊、大卡車經過啊之類的),造成假警報。

陳國昌表示,在地震預警科學中沒有十全十美的東西,要準就得容忍時間花得多、要快就得容忍誤差比較大。兩種預警各有優缺點,也因此可以互補。氣象局的現階段目標是要在北部都會區把 10 秒減少到 7 秒,並且不增加誤差,就得靠這兩型合體。

但要怎麼做到呢?陳國昌娓娓道來:首先要在都會地區及鄰近地區擴建 32 座井下地震儀觀測站(也稱「深井站」)、更新現有深井站的儀器設備、升級都會區周邊的 96 處強震站。由於從深井站收到的訊號品質較好,原本需要鄰近 6 個強震站回傳參數,可以減少為 4 個站或更少,一個個小作業平台化便能夠更快完成精準度夠的預估,實際上就是現地型+區域型的複合型。對雙北大都會來說,會造成影響的地震多半從宜蘭或花蓮外海來,像 921 這樣從臺中來的也有。

-----廣告,請繼續往下閱讀-----

陳國昌透露,把反應時間壓縮到 7 秒內是目標,甚至 6 秒內也是有可能。不過這需要未來多年的努力。「今年都在鑽井,程式的開發也平行在做。原則上會先以大臺北地區來測試,接著逐年在不同的都會區展開。」

地震中心與學界的合作也正在進行中,目標是未來能做到 5 秒內發出預警。目前兵分二路,一組與中研院馬國鳳特聘研究員團隊合作,另一組是臺科大金台齡教授團隊合作。馬國鳳是國際一流的地震研究專家,而金台齡是 AI 與機器學習的專家,兩個團隊分別從地球科學與電腦科學的角度切入地震預警,光是想像我就興奮了起來。

但陳國昌強調:地震預警雖爭取到寶貴的逃生時間,但更重要的是大家平常要提高防災敏感度。「有事沒事在心裡想一下」。他也知道,絕大部分的人遇到地震的當下會愣個幾秒等著搖,因此防災意識跟防災動作需要深植人心,思慮要鎮靜、行為要確實,爭取來的時間才不會浪費掉。

陳國昌強調,比地震預警更重要的是提高防災敏感度,「有事沒事在心裡想一下」。圖/劉志恒攝

國家級邊緣人的成因:為何搖很大卻沒收到預警?

國家級警報作為全臺最強簡訊發送機,難免招惹民怨。有時民眾抱怨沒收到訊息、有時則抱怨收到很多訊息,陳國昌坦言,今年 2 月初,很多民眾收到多重警報,的確是個該避免的錯誤,程式已經立刻修改,不會再發生。更常被問的是:明明地震,怎麼沒有收到?

-----廣告,請繼續往下閱讀-----

既然是針對大地震的警報,必然有門檻。目前設定是當預警系統預估發生規模 5.0 以上地震,會對預估震度可能達 4 級以上的地區發送。

接著來說說細節:所謂「預估」震度達 4 級,如果預估該地區會遭遇 4 級震度,那麼該地區就會收到警報,由於是「預估」,因此就算該地區的某些地方規模不到 4 級,也還是會收到警報。反之,有時候該地區「預估」震度不到 4 級,因此整個地區都會收部到警報,但該地區可能有較靠近震央的地方震度達 4 級以上,民眾就會覺得「明明搖晃得很厲害,為什麼沒有收到?」加上民眾後續看到地震報告,發現自己所在位置的確是 4 級,「國家邊緣人」的感覺就會油然而生。

第二種狀況跟電信公司有關。陳國昌說,地震預警系統會把所有該發預警的地區送到 NCDR 國家災害科技研究中心的平台,再發送給不同的電信業者,轉給該發訊息的基地台。有一些基地台並不穩定,可能故障或當機,或是剛好停運。基地台如果發生問題,附近的民眾就收不到訊息,一樣會納悶怎麼沒有收到。

第三種狀況是訊息發送的時候,民眾剛好在講電話,訊息進來雖然有聲音,但是因為他正在講電話所以沒注意。而且國家級訊息跟一般簡訊不一樣,過一段時間會消失,所以等電話講完才納悶怎麼沒收到警報。

-----廣告,請繼續往下閱讀-----

還有一些原因跟手機有關。有一些手機並沒有保留災防警報頻道,例如舊型的手機或是水貨。之所以能定義出上述這些狀況,有時也要感謝沒收到訊息的民眾抱怨,才能查出背後原因。「我們能做的盡量做,也會反映給主管的單位來解決。以縣市政府為參考點的方式,的確有缺點,畢竟有的縣市比較狹長,因此我們已經開始多找幾個參考點來加入預估,總之得持續改進。」陳國昌說。

所以我說,那個地震預測呢?

既然「地震預警」可以隨著研究跟技術改進而提升,「地震預測」難道只能是空中樓閣嗎?說到關於地震前兆的預測研究,陳國昌說世界各國都在做,中國做得最多、也做得很早,但做了幾十年發現太艱難,近年也換軌改走預警研究。

據他所知,中國歷來觀測的前兆項目有 30-40 種,包括從衛星透過紅外線監測地表溫度,到觀測鸚鵡的行為,需要龐大的人力、物力、財力。臺灣則把焦點放在地震活動本身,一來是本就該觀測,二來這也是重要的前兆。

以 921 大地震來說,在 921 發生之前完全沒有跡象,但是地震頻率降低了兩三年,然後突然發生大地震。2018 年 2 月 6 日發生在花蓮的米崙斷層錯動就完全不同,2 月 4 日先有規模 5.89 的前震,爾後一直有密集餘震,衰減慢而且規模都在 4 以上,持續一天多之後,然後發生規模 6.26 的主震。

-----廣告,請繼續往下閱讀-----

「我們以為前面規模 5.89 的是主震,後來發生規模 6.26 的地震,表示 2 月 4 日的地震是前震,這個規模 6.26 的才是真的主震,之後又有一個多月的餘震。花蓮 0206 地震 相當複雜,到現在還有學者專家在研究當時的狀況。」雖然地表上看到的是米崙斷層錯動,陳國昌說實際上非常多構造在那段時間都發生了活動,影響範圍非常廣。

日本 311 地震時也有類似狀況。前震規模 7.3 已經非常大,大家便以為是主震,過兩天竟然發生 9.0 的主震,中間也有密集餘震。

相較中國投入大量資源研究地震預測,陳國昌指出,臺灣把焦點放在地震活動本身,一來是本就該觀測,二來這也是重要的前兆。圖/劉志恒攝

就那麼巧,訪問當天是 7 月 16 日,正好遇到花蓮一連串的群震跟餘震。陳國昌表示 7 月 7 日到 8 日 的群震過了之後,「我們覺得應該沒事了」,而且接下來一週只有四次規模 3 點多的餘震;但到了 14 日早上突然爆發一個規模 5.2 的餘震,接著更是一波一波,到採訪當下已經 70 多起。

「因此前幾天我們非常注意,餘震非常密集,超過 40 個,我們就想說後面可能會有更大的地震,所以非常嚴密地監測,同仁都加班一直在看⋯⋯但今天早上這波又更密集,50 分鐘內有 15 個,其中有兩個規模 4.7 的,因此一早我們也非常緊張,想說後面是不是還會有。」陳國昌謹慎地說:「但我們看餘震都在規模 4 以下,我們就比較放心了。」

也就是說,規模大的餘震是一個重要的指標,如果大規模餘震越多,後面有更大地震的機率就越大,但陳國昌表示這還不算是預測,只能說是經驗。

除了地震活動本身,歸納而言,研究預測者在想的,不外乎「地震若發生,應該會怎樣?」的方向去觀測。例如,地震可能會影響地下水,那麼地下水位的變化或水質中稀有元素的變化,就是一個可觀測的指標。同樣的,若大地震要發生,科學家也猜測應該會先有小的破裂產生,破裂就可能產生一些電子、離子,不就可能量測到電流跟電壓的變化?而電在動,就會產生磁,於是也要監測磁場變化。

「我們在理論上想『應該可能會產生的現象』,就去觀測。但那麼多的地震前兆,我們一直找不到一個必要的、大地震發生前一定會發生的現象。」陳國昌說,如果在每次大地震發生前,皆能確認有特定物理現象存在,那預測就可行了,但那麼多前兆觀測的結果還是找不到這樣的關係。

不過也不用灰心,失敗本來就是科學研究結果的絕大部分。長期觀測對地震前兆研究來說是必要的,先把資料記錄下來,以後若找到關係也可以回溯驗證。就像是現在熱門的物聯網或工廠 4.0,得完整記錄數據,再搭配人工智慧,之後就能預測機械運作的情況,例如多久之後哪顆螺絲會鬆、哪根皮帶會斷裂。

地震前兆研究難以突破,對此陳國昌樂觀表示,「先把資料記錄下來,以後若找到關係也可以回溯驗證。」圖/劉志恒攝

但麻煩的是,不少「地震奇人」不講科學,抓著一些虛無飄渺的證據就聲稱可以預測地震,為了要駁斥這些人,氣象局也需要準備好科學證據。

「早期有很多『預測達人』,這些達人說自己聽到叫聲,然後沒多久就會有地震;或是身體哪裡會痛,接著就會有地震。」陳國昌苦笑著說,這之間關聯沒有科學性,久了大家也不信了。但江山代有奇人出,有些民間預測者學聰明了,明白自己的說法得跟科學有點關係,加點科學感,人們才會相信,於是開始拿低頻地磁的分佈圖,說哪些地方異常,或用各種專有名詞替自己的故事加料。這樣的「一番道理」對一些人來說夠有說服力了,許多達人賺得一票虔誠的追隨者。

「這些都是牛頭對馬嘴,我們觀測跟公開這些數據目的不是為了地震預測,但是他們卻拿來做錯誤的解讀,話術也很先進,通常講得模模糊糊,範圍很大,如果錯了,就說『能量轉移了』。」陳國昌說,因為臺灣地震很多包含無感地震在內,每年有 2 萬到 4 萬多起地震),如果「達人」本來預測說地震會發生在花蓮,但後來發生在宜蘭、屏東,甚至是菲律賓、印尼,他們也都可以給出一番頭頭是道的解釋。

這樣的胡說八道沒事就算了,要是出事或有人從中斂財詐騙,不就糟糕了嗎?陳國昌說氣象法雖然可以開罰,但門檻很高,更不是過了門檻就可以罰。除了符合所有要素,還要先規勸、警告、糾正,最後才能開罰。通常這些達人會在臉書上說一句「之前可能太武斷了」之類的,就算是反省抵銷了;然而接下來他又可以再次如法炮製,讓氣象局不勝其擾,只能說這些達人的確很懂得如何轉移處罰的能量。

「這些預測達人對於科學觀測的解釋都是錯誤的,希望他們的粉絲不要再誤信了。」陳國昌說畢竟人是聰明的,他期望大家都會學到教訓。

只是我想就算這些奇人大師錯再多次,信者大概還是只注意說中的那一次。不管信不信,手機收到警報,請大家還是趕緊「趴下」、「掩護」、「穩住」!而我也要對自己說:地震來的時候別總想著發地震文了,留給地震測報中心專業的「報地震」粉絲專頁發吧!

針對訪間「地震達人」頻頻「預測」地震,陳國昌表示,希望他們的粉絲不要再誤信了。圖/劉志恒攝
文章難易度
鄭國威 Portnoy_96
247 篇文章 ・ 1256 位粉絲
是那種小時候很喜歡看科學讀物,以為自己會成為科學家,但是長大之後因為數理太爛,所以早早放棄科學夢的無數人其中之一。怎知長大後竟然因為諸般因由而重拾科學,與夥伴共同創立泛科學。現為泛科知識公司的知識長。

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

-----廣告,請繼續往下閱讀-----

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

5
3

文字

分享

0
5
3
除了蚯蚓、地震魚和民間達人,那些常見的臺灣地震預測謠言
鳥苷三磷酸 (PanSci Promo)_96
・2024/02/29 ・2747字 ・閱讀時間約 5 分鐘

本文由 交通部中央氣象署 委託,泛科學企劃執行。

  • 文/陳儀珈

災害性大地震在臺灣留下無數淚水和難以抹滅的傷痕,921 大地震甚至直接奪走了 2,400 人的生命。既有這等末日級的災難記憶,又位處於板塊交界處的地震帶,「大地震!」三個字,總是能挑動臺灣人最脆弱又敏感的神經。

因此,當我們發現臺灣被各式各樣的地震傳說壟罩,像是地震魚、地震雲、蚯蚓警兆、下雨地震說,甚至民間地震預測達人,似乎也是合情合理的現象?

今日,我們就要來破解這些常見的地震預測謠言。

-----廣告,請繼續往下閱讀-----

漁民捕獲罕見的深海皇帶魚,恐有大地震?

說到在坊間訛傳的地震謠言,許多人第一個想到的,可能是盛行於日本、臺灣的「地震魚」傳說。

在亞熱帶海域中,漁民將「皇帶魚」暱稱為地震魚,由於皇帶魚身型較為扁平,生活於深海中,魚形特殊且捕獲量稀少,因此流傳著,是因為海底的地形改變,才驚擾了棲息在深海的皇帶魚,並因此游上淺水讓人們得以看見。

皇帶魚。圖/wikimedia

因此,民間盛傳,若漁民捕撈到這種極為稀罕的深海魚類,就是大型地震即將發生的警兆。

然而,日本科學家認真蒐集了目擊深海魚類的相關新聞和學術報告,他們想知道,這種看似異常的動物行為,究竟有沒有機會拿來當作災前的預警,抑或只是無稽之談?

-----廣告,請繼續往下閱讀-----

可惜的是,科學家認為,地震魚與地震並沒有明顯的關聯。當日本媒體報導捕撈深海魚的 10 天內,均沒有發生規模大於 6 的地震,規模 7 的地震前後,甚至完全沒有深海魚出現的紀錄!

所以,在科學家眼中,地震魚僅僅是一種流傳於民間的「迷信」(superstition)。

透過動物來推斷地震消息的風俗並不新穎,美國地質調查局(USGS)指出,早在西元前 373 年的古希臘,就有透過動物異常行為來猜測地震的紀錄!

人們普遍認為,比起遲鈍的人類,敏感的動物可以偵測到更多來自大自然的訊號,因此在大地震來臨前,會「舉家遷徙」逃離原本的棲息地。

-----廣告,請繼續往下閱讀-----

當臺灣 1999 年發生集集大地震前後,由於部分地區出現了大量蚯蚓,因此,臺灣也盛傳著「蚯蚓」是地震警訊的說法。

20101023 聯合報 B2 版 南投竹山竄出蚯蚓群爬滿路上。

新聞年年報的「蚯蚓」上街,真的是地震警訊嗎?

​當街道上出現一大群蚯蚓時,密密麻麻的畫面,不只讓人嚇一跳,也往往讓人感到困惑:為何牠們接連地湧向地表?難道,這真的是動物們在向我們預警天災嗎?動物們看似不尋常的行為,總是能引發人們的好奇與不安情緒。

如此怵目驚心的畫面,也經常成為新聞界的熱門素材,每年幾乎都會看到類似的標題:「蚯蚓大軍又出沒 網友憂:要地震了嗎」,甚至直接將蚯蚓與剛發生的地震連結起來,發布成快訊「昨突竄大量蚯蚓!台東今早地牛翻身…最大震度4級」,讓人留下蚯蚓預言成功的錯覺。

然而,這些蚯蚓大軍,真的與即將來臨的天災有直接關聯嗎?

-----廣告,請繼續往下閱讀-----

蚯蚓與地震有關的傳聞,被學者認為起源於 1999 年的 921 大地震後,在此前,臺灣少有流傳地震與蚯蚓之間的相關報導。

雖然曾有日本學者研究模擬出,與地震相關的電流有機會刺激蚯蚓離開洞穴,但在現實環境中,有太多因素都會影響蚯蚓的行為了,而造成蚯蚓大軍浮現地表的原因,往往都是氣象因素,像是溫度、濕度、日照時間、氣壓等等,都可能促使蚯蚓爬出地表。

大家不妨觀察看看,白日蚯蚓大軍的新聞,比較常出現在天氣剛轉涼的秋季。

因此,下次若再看到蚯蚓大軍湧現地表的現象,請先別慌張呀!

-----廣告,請繼續往下閱讀-----

事實上,除了地震魚和蚯蚓外,鳥類、老鼠、黃鼠狼、蛇、蜈蚣、昆蟲、貓咪到我們最熟悉的小狗,都曾經被流傳為地震預測的動物專家。

但可惜的是,會影響動物行為的因素實在是太多了,科學家仍然沒有找到動物異常行為和地震之間的關聯或機制。

遍地開花的地震預測粉專和社團

這座每天發生超過 100 次地震的小島上,擁有破萬成員的地震討論臉書社團、隨處可見的地震預測粉專或 IG 帳號,似乎並不奇怪。

國內有許多「憂國憂民」的神通大師,這些號稱能夠預測地震的奇妙人士,有些人會用身體感應,有人熱愛分析雲層畫面,有的人甚至號稱自行建製科學儀器,購買到比氣象署更精密的機械,偵測到更準確的地震。

-----廣告,請繼續往下閱讀-----

然而,若認真想一想就會發現,臺灣地震頻率極高,約 2 天多就會發生 1 次規模 4.0 至 5.0 的地震, 2 星期多就可能出現一次規模 5.0 至 6.0 的地震,若是有心想要捏造地震預言,真的不難。 

在學界,一個真正的地震預測必須包含地震三要素:明確的時間、 地點和規模,預測結果也必須來自學界認可的觀測資料。然而這些坊間貼文的預測資訊不僅空泛,也並未交代統計數據或訊號來源。

作為閱聽者,看到如此毫無科學根據的預測言論,請先冷靜下來,不要留言也不要分享,不妨先上網搜尋相關資料和事實查核。切勿輕信,更不要隨意散播,以免造成社會大眾的不安。

此外,大家也千萬不要隨意發表地震預測、觀測的資訊,若號稱有科學根據或使用相關資料,不僅違反氣象法,也有違反社會秩序之相關法令之虞唷!

-----廣告,請繼續往下閱讀-----

​地震預測行不行?還差得遠呢!

由於地底的環境太過複雜未知,即使科學家們已經致力於研究地震前兆和地震之間的關聯,目前地球科學界,仍然無法發展出成熟的地震預測技術。

與其奢望能提前 3 天知道地震的預告,不如日常就做好各種地震災害的防範,購買符合防震規範的家宅、固定好家具,做好防震防災演練。在國家級警報響起來時,熟練地執行避震保命三步驟「趴下、掩護、穩住」,才是身為臺灣人最關鍵的保命之策。

延伸閱讀

討論功能關閉中。

0

9
3

文字

分享

0
9
3
快!還要更快!讓國家級地震警報更好用的「都會區強震預警精進計畫」
鳥苷三磷酸 (PanSci Promo)_96
・2024/01/21 ・2584字 ・閱讀時間約 5 分鐘

本文由 交通部中央氣象署 委託,泛科學企劃執行。

  • 文/陳儀珈

從地震儀感應到地震的震動,到我們的手機響起國家級警報,大約需要多少時間?

臺灣從 1991 年開始大量增建地震測站;1999 年臺灣爆發了 921 大地震,當時的地震速報系統約在震後 102 秒完成地震定位;2014 年正式對公眾推播強震即時警報;到了 2020 年 4 月,隨著技術不斷革新,當時交通部中央氣象局地震測報中心(以下簡稱為地震中心)僅需 10 秒,就可以發出地震預警訊息!

然而,地震中心並未因此而自滿,而是持續擴建地震觀測網,開發新技術。近年來,地震中心執行前瞻基礎建設 2.0「都會區強震預警精進計畫」,預計讓臺灣的地震預警系統邁入下一個新紀元!

-----廣告,請繼續往下閱讀-----

連上網路吧!用建設與技術,換取獲得地震資料的時間

「都會區強震預警精進計畫」起源於「民生公共物聯網數據應用及產業開展計畫」,該計畫致力於跨部會、跨單位合作,由 11 個執行單位共同策畫,致力於優化我國環境與防災治理,並建置資料開放平台。

看到這裡,或許你還沒反應過來地震預警系統跟物聯網(Internet of Things,IoT)有什麼關係,嘿嘿,那可大有關係啦!

當我們將各種實體物品透過網路連結起來,建立彼此與裝置的通訊後,成為了所謂的物聯網。在我國的地震預警系統中,即是透過將地震儀的資料即時傳輸到聯網系統,並進行運算,實現了對地震活動的即時監測和預警。

地震中心在臺灣架設了 700 多個強震監測站,但能夠和地震中心即時連線的,只有其中 500 個,藉由這項計畫,地震中心將致力增加可連線的強震監測站數量,並優化原有強震監測站的聯網品質。

-----廣告,請繼續往下閱讀-----

在地震中心的評估中,可以連線的強震監測站大約可在 113 年時,從原有的 500 個增加至 600 個,並且更新現有監測站的軟體與硬體設備,藉此提升地震預警系統的效能。

由此可知,倘若地震儀沒有了聯網的功能,我們也形同完全失去了地震預警系統的一切。

把地震儀放到井下後,有什麼好處?

除了加強地震儀的聯網功能外,把地震儀「放到地下」,也是提升地震預警系統效能的關鍵做法。

為什麼要把地震儀放到地底下?用日常生活來比喻的話,就像是買屋子時,要選擇鬧中取靜的社區,才不會讓吵雜的環境影響自己在房間聆聽優美的音樂;看星星時,要選擇光害比較不嚴重的山區,才能看清楚一閃又一閃的美麗星空。

-----廣告,請繼續往下閱讀-----

地表有太多、太多的環境雜訊了,因此當地震儀被安裝在地表時,想要從混亂的「噪音」之中找出關鍵的地震波,就像是在搖滾演唱會裡聽電話一樣困難,無論是電腦或研究人員,都需要花費比較多的時間,才能判讀來自地震的波形。

這些環境雜訊都是從哪裡來的?基本上,只要是你想得到的人為震動,對地震儀來說,都有可能是「噪音」!

當地震儀靠近工地或馬路時,一輛輛大卡車框啷、框啷地經過測站,是噪音;大稻埕夏日節放起絢麗的煙火,隨著煙花在天空上一個一個的炸開,也是噪音;台北捷運行經軌道的摩擦與震動,那也是噪音;有好奇的路人經過測站,推了推踢了下測站時,那也是不可忽視的噪音。

因此,井下地震儀(Borehole seismometer)的主要目的,就是盡量讓地震儀「遠離塵囂」,記錄到更清楚、雜訊更少的地震波!​無論是微震、強震,還是來自遠方的地震,井下地震儀都能提供遠比地表地震儀更高品質的訊號。

-----廣告,請繼續往下閱讀-----

地震中心於 2008 年展開建置井下地震儀觀測站的行動,根據不同測站底下的地質條件,​將井下地震儀放置在深達 30~500 公尺的乾井深處。​除了地震儀外,站房內也會備有資料收錄器、網路傳輸設備、不斷電設備與電池,讓測站可以儲存、傳送資料。

既然井下地震儀這麼強大,為什麼無法大規模建造測站呢?簡單來說,這一切可以歸咎於技術和成本問題。

安裝井下地震儀需要鑽井,然而鑽井的深度、難度均會提高時間、技術與金錢成本,因此,即使井下地震儀的訊號再好,若非有國家建設計畫的支援,也難以大量建置。

人口聚集,震災好嚴重?建立「客製化」的地震預警系統!

臺灣人口主要聚集於西半部,然而此區的震源深度較淺,再加上密集的人口與建築,容易造成相當重大的災害。

-----廣告,請繼續往下閱讀-----

許多都會區的建築老舊且密集,當屋齡超過 50 歲時,它很有可能是在沒有耐震規範的背景下建造而成的的,若是超過 25 年左右的房屋,也有可能不符合最新的耐震規範,並未具備現今標準下足夠的耐震能力。 

延伸閱讀:

在地震界有句名言「地震不會殺人,但建築物會」,因此,若建築物的結構不符合地震規範,地震發生時,在同一面積下越密集的老屋,有可能造成越多的傷亡。

因此,對於發生在都會區的直下型地震,預警時間的要求更高,需求也更迫切。

-----廣告,請繼續往下閱讀-----

地震中心著手於人口密集之都會區開發「客製化」的強震預警系統,目標針對都會區直下型淺層地震,可以在「震後 7 秒內」發布地震警報,將地震預警盲區縮小為 25 公里。

111 年起,地震中心已先後完成大臺北地區、桃園市客製化作業模組,並開始上線測試,當前正致力於臺南市的模組,未來的目標為高雄市與臺中市。

永不停歇的防災宣導行動、地震預警技術研發

地震預警系統僅能在地震來臨時警示民眾避難,無法主動保護民眾的生命安全,若人民沒有搭配正確的防震防災觀念,即使地震警報再快,也無法達到有效的防災效果。

因此除了不斷革新地震預警系統的技術,地震中心也積極投入於地震的宣導活動和教育管道,經營 Facebook 粉絲專頁「報地震 – 中央氣象署」、跨部會舉辦《地震島大冒險》特展、《震守家園 — 民生公共物聯網主題展》,讓民眾了解正確的避難行為與應變作為,充分發揮地震警報的效果。

-----廣告,請繼續往下閱讀-----

此外,雖然地震中心預計於 114 年將都會區的預警費時縮減為 7 秒,研發新技術的腳步不會停止;未來,他們將應用 AI 技術,持續強化地震預警系統的效能,降低地震對臺灣人民的威脅程度,保障你我生命財產安全。

討論功能關閉中。