7

11
3

文字

分享

7
11
3

大坑 9 號步道有泰國眼鏡蛇?——並沒有!是台灣本土的「舟山眼鏡蛇」

台灣事實查核中心_96
・2021/11/25 ・3965字 ・閱讀時間約 8 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

報告更新

一、專家表示,網傳照片與媒體報導畫面的蛇,是台灣本土的舟山眼鏡蛇,並不是泰國眼鏡蛇或其它外來種眼鏡蛇。

二、醫師指出,對於媒體報導的案例,是以症狀去反推蛇種,且研判是遭台灣本土眼鏡蛇咬傷的機率較高,並非「經血液測試,研判可能是泰國的眼鏡蛇」。

三、專家指出,目前尚未在野外發現外來種眼鏡蛇,且「台灣的野外有外來種眼鏡蛇被放生」之說法並不合理。

綜合以上,傳言搭配照片宣稱「爬大坑 9 號步道請小心,泰國眼鏡蛇毒液很強」、媒體報導「台中大坑有外來種泰國眼鏡蛇咬傷民眾」,為「錯誤」訊息。

報導怎麼說?

2021 年 11 月間,通訊群組流傳一則訊息,宣稱「爬大坑 9 號步道請小心,泰國眼鏡蛇毒液很強」。

另有多家媒體報導「台中大坑有外來種泰國眼鏡蛇咬傷民眾」,搭配影像稱:「這是泰國眼鏡蛇,屬於外來種,毒性非常強,有山友日前在潭子新田步道拍攝到,想不到大坑九號步道也出現了相同毒蛇,當地里長懷疑是宗教團體質疑放生。」

也有報導指出,「有民眾月初在大坑九號步道遭到蛇吻,血液檢測研判是被外來種泰國眼鏡蛇咬傷,毒性比本土高出好幾倍。有民眾提供影片,不只在大坑,潭子新田步道也有,泰國眼鏡蛇豎起有五十公分高,還作勢要攻擊,但怎麼會有外來種呢?山區的居民抱怨是任意放生惹禍」;「有民眾他去最親民的九號步道,結果被毒蛇咬傷,經過了兩次的手術跟五次清創才保住性命,醫院後來進行了血液檢測,發現應該是外來種泰國的眼鏡蛇」等。

圖 1:通訊群組傳言擷圖。
圖 2:社群平台傳言擷圖。
圖 3:媒體報導擷圖。
圖 4:媒體報導擷圖。

查核結果

爭議點一、傳言與報導中的照片與影片,是否為「泰國眼鏡蛇」?

(一)查核中心經過以圖反搜,找到網友在 10 月 29 日發布於社群平台上的貼文,所附的影片與照片,與網傳照片、媒體報導之影片為同一事件。上述貼文指出,這是山友在 10 月底,於潭子新田 1 號步道發現的眼鏡蛇。

圖 5:網傳照片與媒體報導影片,為 10 月底在潭子新田 1 號步道發現的眼鏡蛇。

(二)查核中心採訪宜蘭大學森林暨自然資源學系教授毛俊傑、臺中市野生動物保育學會救援人員林文隆,兩位專家協助檢視網傳照片與影片後,均表示這是台灣本土的舟山眼鏡蛇Naja atra,又名中華眼鏡蛇),並不是外來種眼鏡蛇。

爭議點二、醫院血檢研判,咬人的蛇可能是泰國眼鏡蛇?

查核中心檢視相關報導,事件中的受傷民眾,是送到中國醫藥大學附設醫院醫治。

查核中心採訪中國醫藥大學附設醫院毒物科主任洪東榮,洪東榮表示,此次媒體報導遭蛇咬的民眾,醫院判斷是外來種眼鏡蛇咬傷的機率很低,應是遭台灣本土眼鏡蛇咬傷的機率較高。

洪東榮說明,這次事件中的民眾,局部傷口嚴重,蛇毒濃度高,但沒有肌肉無力、眼皮下垂、呼吸衰竭等神經症狀,由此看來,應該是遭台灣的眼鏡蛇咬傷的可能性較大

洪東榮解釋,雖然坊間常說台灣本土的眼鏡蛇有神經毒,但其實本土眼鏡蛇在臨床上很少造成神經症狀,即使局部傷口嚴重潰爛的個案也少有神經症狀。來自東亞或其它地區的外來種眼鏡蛇,則會造成明顯神經症狀。

洪東榮補充說明,遇到蛇咬傷的病患,是以症狀去反推蛇種。「用血液中的蛇毒證明是不是外來種」並不容易,因為各地眼鏡蛇的的蛇毒雖有不同,但無法當作鑑種指標,就算去驗病人傷口的組織液蛋白質,也難確認是不是外來種。

綜合以上,對於媒體報導的案例,醫生表示,是以症狀去反推蛇種,並非透過血液檢測,且研判是遭台灣本土眼鏡蛇咬傷的機率較高。

爭議點三、媒體與傳言稱「疑外來種眼鏡蛇遭放生」,專家如何解讀?

(一)毛俊傑說,「台灣野外有國外來的外來種眼鏡蛇被宗教團體放生」的說法,是令相關學者不勝其擾的傳言。過往此類傳言中,最常被指稱的是「眼鏡王蛇」,但眼鏡王蛇其實不是眼鏡蛇,且眼鏡王蛇是以蛇類為主食,偶爾捕食巨蜥,成體體重約為 8 至 16 公斤,據文獻上資料推估,眼鏡王蛇每次捕食的食量約為自身體重的二到四成,也就是一隻 8 公斤重的眼鏡王蛇,一週至少要吃 1.6 到 3.2 公斤左右的蛇或巨蜥,但台灣的生態系根本無法提供像這樣的物種,在野外基本生存的條件

至於這次媒體報導提到的「泰國眼鏡蛇」,毛俊傑表示,並不確定其所指的是暹羅眼鏡蛇(Naja siamensis)還是孟加拉眼鏡蛇(Naja kaouthia,又名單眼紋眼鏡蛇),不過至少目前他在野外看到的眼鏡蛇,都是本土的眼鏡蛇,偶爾看到型態花紋比較特異的,進一步確認後,也都還是台灣本土的眼鏡蛇。

毛俊傑補充,很多民眾看到立起來、脹脖子的蛇,就以為是眼鏡蛇,但其實很多類群的蛇都會這麼做,例如台灣的史丹吉氏斜鱗蛇(Pseudoxenodon stejnegeri)即是其中之一。

(二)林文隆表示,以台中市的野生動物救援、捕捉流程來說,所有委外廠商抓到蛇,都會交由農業局去做專業檢核,目前沒有發現外來種眼鏡蛇的個案,例如 2020 年處理的蛇類案件有四千多件,2021 年目前有三千多件,其中眼鏡蛇佔了 22% 左右,全部都是台灣本土的眼鏡蛇。

林文隆說明,關於坊間流傳「外來種眼鏡蛇被放生」的說法,不僅沒有證據支持,還有諸多違反常理之處。首先,坊間流傳的「外來種眼鏡蛇」包括金剛眼鏡蛇、泰國眼鏡蛇等,這些都是受 CITES(瀕危野生動植物國際貿易公約,又稱為華盛頓公約)保護的物種,限制貿易,就算走私賣進來,單價會很高,且量也不大,既然量不大,在野外遇到的可能性就不高。

第二,坊間流傳的故事中,常描述放生團體「用倒的」,如果使用麻布袋裝置眼鏡蛇,以台灣眼鏡蛇的體積與市面上的麻布袋大小來說,一袋能裝 40 隻蛇,但底部的蛇很有可能被壓死,被倒出的蛇屍應會成為證據,大量留在現場;若是以蛇籠裝置,則無法用傾倒的方式將蛇倒出來,而需要用手將蛇抓出。

綜合以上,專家指出,目前尚未在野外發現外來種眼鏡蛇,且「台灣的野外有外來種眼鏡蛇被放生」之說法並不合理。

結論:大坑有「泰國眼鏡蛇」為錯誤訊息

【報告將隨時更新 2021/11/24版】

一、專家表示,網傳照片與媒體報導畫面的蛇,是台灣本土的舟山眼鏡蛇,並不是泰國眼鏡蛇或其它外來種眼鏡蛇。

二、醫師指出,對於媒體報導的案例,是以症狀去反推蛇種,且研判是遭台灣本土眼鏡蛇咬傷的機率較高,並非「經血液測試,研判可能是泰國的眼鏡蛇」。

三、專家指出,目前尚未在野外發現外來種眼鏡蛇,且「台灣的野外有外來種眼鏡蛇被放生」之說法並不合理。

綜合以上,傳言搭配照片宣稱「爬大坑 9 號步道請小心,泰國眼鏡蛇毒液很強」、媒體報導「台中大坑有外來種泰國眼鏡蛇咬傷民眾」,為「錯誤」訊息。

補充資料

一、民眾在野外遇到蛇,如何自我保護?

(一)林文隆表示,首先要請民眾注意腳邊、提高警覺。第二是穿著合適的衣著,包括長褲與合適的鞋子。第三,一般民眾去爬山都是在白天,白天會遇到的蛇,通常就是眼鏡蛇,而眼鏡蛇要經人逗弄才會立起來示警,若是民眾定點不動,蛇主動攻擊人的機率極低,若民眾轉身離開,蛇也不會主動追擊,因此遇到眼鏡蛇,請勿逗弄,並保持距離。

林文隆補充,蛇攻擊人的距離,大約是其體長的三分之一,民眾可利用登山杖或可取得的樹棍,與蛇保持一個登山杖的安全距離。

(二)毛俊傑說明,民眾在野外活動,在草長或視界不佳的活動環境,可利用手杖或登山棍適度的「打草驚蛇」,一般當蛇感覺到有威脅時,多半會盡快會離去。唯獨眼鏡蛇的行為比較明顯一點,如果被驚嚇到,很容易立起來,這是一種防禦、警示的行為,是虛張聲勢也是提醒,不是攻擊,此時民眾繞開即可,眼鏡蛇並不會追上前來攻擊。

毛俊傑進一步說明,以網傳影片中的眼鏡蛇來說,雖然牠頭部晃動,但仔細看牠的身體,其實它是有一個固定的支點,也就是說牠只是定在原地晃動頭部並發出噴氣聲,來威嚇對牠可能產生威脅的人,並不是真的要攻擊、追人。

一對, 休閒, 嗜好 的 免費圖庫相片
踏青時穿著長褲與鞋子比較安全,登山杖可以作為「打草驚蛇」的工具。圖/Pexels

二、民眾在野外遭蛇咬傷,應如何處置?

洪東榮表示,在野外被蛇咬,第一步是保持冷靜、不要慌亂,如果看得到蛇,就看清楚蛇的花色,如果來得及,可先拍照。第二步儘量休息、不亂動,如果咬到的部位是手,應將手垂下,不要讓患部比心臟高,如果被咬到的是腳,應坐著休息,不要亂走。第三步是請打 119,並在原地等人來救援。

洪東榮說,台灣常見的六種毒蛇中,較容易造成嚴重危害的是雨傘節,被雨傘節咬會有呼吸衰竭的症狀,需要儘速給氧,在野外比較難進一步急救,但如果沒有亂動,可爭取到一些急救時間,也能儘量降低蛇毒帶來的傷害。

文章難易度
所有討論 7
台灣事實查核中心_96
1 篇文章 ・ 4 位粉絲
看見真實,才能打造美好的台灣!本中心參考國外具代表性的事實查核機制,並輔以我國的傳播生態需求,依循專業、透明、公正的原則,執行公共事務相關訊息之事實查核。期能抑制不實資訊的負面影響,提升公眾的資訊素養,裨益台灣的民主發展。

1

133
3

文字

分享

1
133
3
AI 是理科「主場」? AI 也可以成為文科人的助力!
研之有物│中央研究院_96
・2022/08/13 ・5646字 ・閱讀時間約 11 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

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。

  • 採訪撰文/田偲妤
  • 美術設計/蔡宛潔

AI 的誕生,文理缺一不可

人工智慧(Artificial Intelligence,簡稱 AI)在 21 世紀的今日已大量運用在生活當中,近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等,都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維,除了仰賴工程師的先進技術,更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員,帶大家釐清什麼是 AI?文科人與工程師合作時,需具備什麼基本 AI 知識?AI 如何應用在人文社會領域的工作當中?

中央研究院人文社會科學研究中心蔡宗翰研究員。圖/研之有物

詩詞大對決:人與 AI 誰獲勝?

一場緊張刺激的詩詞對決在線上展開!人類代表是有「AI 界李白」稱號的蔡宗翰研究員,AI 代表則是能秒速成詩的北京清華九歌寫詩機器人,兩位以「人工智慧」、「類神經」為命題創作七言絕句,猜猜看以下兩首詩各是誰的創作?你比較喜歡哪一首詩呢?

猜猜哪首詩是 AI 做的?哪首詩是人類做的?圖/研之有物

答案揭曉!A 詩是蔡宗翰研究員的創作,B 詩是寫詩機器人的創作。細細賞讀可發覺,A 詩的內容充滿巧思,為了符合格律,將「類神經」改成「類審經」;詩中的「福落天赦」是「天赦福落」的倒裝,多念幾次會發現,原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯;而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯,整首詩創意十足,充滿令人會心一笑的魅力!

相較之下,B 詩雖然有將「人工」兩字穿插引用在詩中,但整體內容並沒有呼應命題,只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝!

由此可見,當前的 AI 缺乏創作所需的感受力與想像力,無法做出超越預先設定的創意行為。然而,在不久的將來,AI 是否會逐漸產生情感,演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人?

AI 其實沒有想像中聰明?

近期有一則新聞「AI 有情感像 8 歲孩童?Google 工程師爆驚人對話遭停職」,讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示:「當前的 AI 還是要看過資料、或是看過怎麼判讀資料,經過對應問題與答案的訓練才能夠運作。換而言之,AI 無法超越程式,做它沒看過的事情,更無法替人類主宰一切!

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言,多半是因為我們對 AI 的訓練流程認識不足,也缺乏實際使用 AI 工具的經驗,因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上,更延伸到文科人與理科人的合作溝通上,因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識,不僅能讓跨領域的合作更加順利,還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是,由於文科人不了解 AI 的訓練流程,因此對 AI 產生錯誤的期待,認為辛苦標注的上千筆資料,應該下個月就能看到成果,結果還是錯誤百出,準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚,兩方就會陷入僵局,導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議:

如果文科人了解基本的 AI 訓練流程,並在每個訓練階段協助分析:錯誤偏向哪些面向?AI 是否看過這方面資料?文科人就可以補充缺少的資料,讓 AI 再進行更完善的訓練。

史上最認真的學生:AI

認識 AI 的第一步,我們先從分辨什麼是 AI 做起。現在的數位工具五花八門,究竟什麼才是 AI 的應用?真正的 AI 有什麼樣的特徵?

基本上,有「預測」功能的才是 AI,你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現,而且人類手工操作就辦得到,那就不是 AI。

數位化到 AI 自動化作業的進程與舉例。圖/研之有物

蔡宗翰研究員以今日常見的語音辨識系統為例,大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話,你會發現自己無法事先知曉將產生什麼文字或回應,結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同:AI 無法百分之百正確!

因此,AI 的運作需建立在不斷訓練、測試與調整的基礎上,盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段,工程師彷彿化身老師,必須設計一套學習方法,提供有助學習的豐富教材。而 AI 則是史上最認真的學生,可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI,讓其根據工程師所定義的資料相似度算法,逐漸學會將相似資料分在同一堆,再由人類檢視並標注每堆資料對應的類別,進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI,讓其逐漸學會將任意資料對應到正確答案。

圖/研之有物

學習到一定階段後,工程師會出試題,測試 AI 的學習狀況,如果成績只有 60、70 分,AI 會針對答錯的地方調整自己的觀念,而工程師也應該與專門領域專家一起討論,想想是否需補充什麼教材,讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作,也可能因為時事與技術的推陳出新,導致準確率下降。這時,AI 就要定時進修,針對使用者回報的錯誤進行修正,不斷補充新的學習內容,讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後,蔡宗翰研究員建議:文科人可以看一些視覺化的操作影片,加深對訓練過程的認識,並實際參與檢視與標注資料的過程。現在網路上也有很多 playground,可以讓初學者練習怎麼訓練 AI,有了上述基本概念與實務經驗,就可以跟工程師溝通無礙了。

AI 能騙過人類,全靠「自然語言處理」

AI 的應用領域相當廣泛,而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因,他充滿自信地回答:因為自然語言處理是「AI 皇冠上的明珠」!這顆明珠開創 AI 發展的諸多可能性,可以快速讀過並分類所有資料,整理出能快速檢索的結構化內容,也可以如同真人般與人類溝通。

著名的「圖靈測試」(Turing Test)便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代,傳奇電腦科學家艾倫・圖靈(Alan Turing)設計了一個實驗,用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好,並派一個人操作終端機,再找一個第三者來進行對話,判斷從終端機傳入的訊息是來自 AI 或真人,如果第三者無法判斷,代表 AI 通過測試。

圖靈測試:AI(A)與真人(B)同時傳訊息給第三者(C),如果 C 分不出訊息來自 A 或 B,代表 AI 通過實驗。圖/研之有物

換而言之,AI 必須擁有一定的智力,才可能成功騙過人類,讓人類不覺得自己在跟機器對話,而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在:人文研究文本分析、新聞真偽查核,更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料,追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化,而大量數位化的經典更被主動分享到「Chinese Text Project」平台,讓 AI 自然語言處理有豐富的文本資料可以分析,包含一字不漏地快速閱讀大量文本,進一步畫出重點、分門別類、比較相似之處等功能,既節省整理文本的時間,更能橫跨大範圍的文本、時間、空間,擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的?就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋,由鎮江、杭州一帶的說書人所創作,著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉,才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素,接著用這批標記好的語料來訓練 BERT 等序列標注模型,以便將「文本向量化」,進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現,白蛇傳的原型可追溯自印度教的那伽蛇族故事,傳說那伽龍王的三女兒轉化成佛、輔佐觀世音,或許與白蛇誤食舍利成精的概念有所關連,推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外,故事的雛型可能早從唐代便開始醞釀,晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事,而法海和尚、金山寺等關鍵人物與景點皆真實存在,金山寺最初就是由唐宣宗時期的高僧法海所建。

白蛇傳中鎮壓白娘子的雷峰塔。最早為五代吳越王錢俶於 972 年建造,北宋宣和二年(1120 年)曾因戰亂倒塌,大致為故事雛形到元素齊全的時期。照片中雷峰塔為 21 世紀重建。圖/Wikimedia

在 AI 的協助之下,我們得以跨時空比較不同文本,了解說書人如何結合印度神話、唐代傳奇、在地的真人真事,創作出流傳千年的白蛇傳經典。

最困難的挑戰:AI 如何判斷假新聞

除了應用在人文研究文本分析,AI 也可以查核新聞真偽,這對假新聞氾濫的當代社會是一大福音,但對 AI 來說可能是最困難的挑戰!蔡宗翰研究員指出 AI 的弱點:

如果是答案和數據很清楚的問題,就比較好訓練 AI。如果問題很複雜、變數很多,對 AI 來說就會很困難!

困難點在於新聞資訊的對錯會變動,可能這個時空是對的,另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器,可輸入當前的新聞讓機器去判讀真假,但過一段時間可能會失準,因為新的資訊源源不絕出現。而且道高一尺、魔高一丈,當 AI 好不容易能分辨出假新聞,製造假新聞的人就會破解偵測,創造出 AI 沒看過的新模式,讓先前的努力功虧一簣。

因此,現在多應用「事實查核法」,原理是讓 AI 模仿人類查核事實的過程,尋找權威資料庫中有無類似的陳述,可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊,致力於建立英文事實查核法模型所能運用的資源,並透過舉辦國際競賽,廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後,也與合作夥伴事實查核中心及資策會討論,正著手建立中文事實查核法模型所需資源。預期在不久的將來,AI 就能幫讀者標出新聞中所有說法的資料來源,節省讀者查證新聞真偽的時間。

AI 的無限可能:專屬於你的療癒「杯麵」

想像與 AI 共存的未來,蔡宗翰研究員驚嘆於 AI 的學習能力,只要提供夠好、夠多的資料,幾乎都可以訓練到讓人驚訝的地步!圖/研之有物

AI 的未來充滿無限可能,不僅可以成為分類與查證資料的得力助手,還能照護並撫慰人類的心靈,這對邁入高齡化社會的臺灣來說格外重要!許多青壯年陷入三明治人(上有老、下有小要照顧)的困境,期待有像動畫《大英雄天團》的「杯麵」(Baymax)機器人出現,幫忙分擔家務、照顧家人,在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式,新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」(Nadine),由感知、處理、互動等三層架構組成,可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境,並將上述資訊發送到處理層。處理層會依據感知層提供的資訊,連結該用戶先前與娜丁互動的記憶,讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象,或對陌生事物感到不安,常選擇靜默不語,需要照護者主動引導。因此,娜丁內建了注視追蹤模型,當偵測到住戶已長時間處於被動狀態,就會自動發起話題。

實驗發現,在娜丁進駐長照機構一段時間後,住戶有一半的天數會去找她互動,而娜丁偵測到的住戶情緒多為微笑和中性,其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

照護機器人娜丁的運作架構。圖/研之有物

至於未來的改進方向,研究團隊認為「語音辨識系統」仍有很大的改進空間,需要讓機器人能配合老年人緩慢且停頓較長的語速,音量也要能讓重聽者可以清楚聽見,並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人,首要任務就是要開發一套臺灣人專用的 AI 語言模型,包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型,期待政府能整合學界與業界的力量,降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感,但卻可以成為人類大腦的延伸,協助我們節省處理資料的時間,更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨,如何讓自己的行事邏輯跟上 AI 時代,讓 AI 成為自己的助力,是值得你我關注的課題。

延伸閱讀

文章難易度
所有討論 1
研之有物│中央研究院_96
253 篇文章 ・ 2221 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

2

6
0

文字

分享

2
6
0
暗箭難防!被「吹箭」注射高端疫苗有可能嗎?——從獸醫角度探討吹箭的原理與應用
安之_96
・2021/08/24 ・1782字 ・閱讀時間約 3 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

近日 COVID-19 高端疫苗議題持續延燒,甚至有謠言直指政府會用吹箭強迫國民中鏢。然而,用吹箭打針是真的有可能嗎?它又是如何做到的呢?

一般人對於吹箭的了解,第一個想到的總是古代暗器、或是原住民狩獵的工具。但事實上,對一名獸醫師而言,吹箭其實是再稀鬆平常不過的日常。

獸醫使用吹箭,主要目的是在一定的距離之外,透過麻醉放倒兇猛或是敏感緊張的動物。舉例而言,野生動物 / 動物園獸醫師會在動物需要健康檢查,或是疑似生病時,透過吹箭放倒動物進行醫療。而動保處的獸醫師,也會透過吹箭來麻倒流浪犬貓,捕捉來進行絕育,以此控制流浪動物數量。

吹箭除了是暗器、原住民狩獵的工具,在日本忍術中也有其應用。圖/維基百科

吹箭是如何達到注射效果的?

其實,吹箭的「箭」非常特別,是將一般的注射針巧妙改造後,讓它在刺入身體的同時,釋放出裡面的藥物。所以說,如果用一般的針,就算真的給你射中,藥也沒辦法完全打進去啦!(以為在射飛鏢嗎)

回答這個問題前,不妨先回頭想像一般打藥的狀況:護理師會先用酒精棉擦拭,然後要你深呼吸,再用超快的手速把針戳進去,並把藥推到底。最後,再拿著乾棉花按住傷口,要嚇得臉色蒼白的你自己壓迫止血。

可想而知,要使用吹箭一般沒有閒情逸致事先用酒精消毒。而一段距離外,即使能夠成功刺入,也少了一股注射藥劑進去目標物體內的推力。

因此,改造的第一步在於創造出一個打入身體後才出現的「推力」!簡略地說,透過剪開針筒尾端,並將另一個空針筒的活塞取出,塞入尾羽毛線(像是羽毛球一樣為了在空中穩定!),最後,再將附有毛線的活塞塞入針筒尾端,在這個多出的空間內灌入瓦斯氣後,就創造出了一種壓力!

第二步,是讓藥物不會在打入身體前就不小心噴出來!這裡小巧思是,把針頭開口封起來後,在側邊開一個小開口,並用套子蓋住。這個目的在於,在刺入身體時,套子順勢被推開後,才會顯露出側開口。

此時,加上瓦斯氣的推力,就可以一氣呵成地把藥物打入身體內!

改造後的「吹箭」。圖/DAN-INJECT

完成了超炫改良注射針後,只要再找一根空心長管子,就準備好吹箭的工具了!雖然簡單說就只是用力吹氣,但其實這是很考驗技巧的一項技術,尤其是在目標會移動的狀態下!而老練的獸醫師,可以神準地在 10 公尺以上的距離準確擊中目標!

獸醫體驗營中的吹箭練習畫面。圖/台北市立動物園

其實除了看似土派用吹的吹箭之外,還有很炫的空氣槍可以用科技的力量來取代吹氣的噴射力,但因為屬於管制品,且價位較高,目前還是以傳統吹箭法為主。

吹箭運動中的慢動作畫面。

通常吹箭會瞄準哪裡?

其實給藥途徑很多,有分成皮內、皮下、肌肉以及血管。而吹箭這種方式主要就是透過肌肉注射,如果是需要打皮內、皮下或是血管的藥物劑型或劑量,則不適合透過吹箭的方式給予。

那一般吹箭會瞄準哪裡的肌肉呢?一般會瞄準肉多的地方!獸醫通常會瞄準動物的臀部、大腿等肉多且面積大的地方,提高出擊的成功率。

網傳要保護手臂跟脖子,老實說這些部位真要射中還真不簡單!不提手是很靈活且擺動幅度大的部位。脖子不但肉不多,更是有豐富血管神經的地方,如果是特意瞄準脖子,根本是想謀殺了吧!

總結而言,利用吹箭的方式打疫苗,理論上絕對是可行的!然而,說政府會用吹箭的方式強迫施打高端疫苗,讓民眾心生恐懼,絕對不是一件對疫情有幫助的事。

參考資料

所有討論 2

6

35
5

文字

分享

6
35
5
元旦驚現詭異「血月」,2021年注定是災難的一年?用科學打破凶兆預言!
Mia_96
・2021/01/08 ・3601字 ・閱讀時間約 7 分鐘 ・SR值 490 ・五年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

2021 年 1 月 1 日夜晚,有許多南部民眾看見一輪又圓又紅的月亮,甚至泛著血紅色的光,如此詭異的顏色讓許多民眾惶惶不安:「元旦當天出現血月,是不是預言 2021 年將是災難的一年呢?」

俗稱「血月」的天象,真的是引起災難的前兆嗎?

事實上,血月與俗稱「天狗食日」的日食一樣,都只是特殊的天文景象罷了,關於月亮的顏色迷思也不只有血月一種,甚至還有所謂的「藍月」。現在,就讓我們一起用地球科學解開血月、藍月的凶兆傳言吧!

那一顆又紅、又圓的血月

為什麼會有血月的發生呢?首先,當天的月相「圓月」,便是造成天上高掛血月的原因之一。

下圖為太陽、地球、月亮三者的相對位置,太陽與其所發出的太陽光來自圖的右側,地球則為在圖的正中間,而在地球外圈圍繞一圈的,即為地球的衛星——月球。

太陽、地球、月亮的相對位置,以及我們所看見的月相。圖/Wikipedia

在地球外圍的第一個圓圈為「太陽照射到的月球表面」。

因太陽的體積相對於地球與月球十分龐大,而月球與地球之間的距離也比圖中來的更加遙遠,所以如果以讀者的方位看,太陽光永遠會照到月球的右側

有趣的是,因為月球的公轉速度與自轉速度相似,所以月球總以同一面面向地球,地球上的人們看到的月球永遠是同一面唷

最外圍的圓圈為在地球上的「人們抬頭所看到的月相」。

當這三顆星球的相對位置是「地、月、日」時,地球完全無法看到太陽光照亮月球的半面,故當天的月相便是我們時常聽到的「新月」、「朔月」(上圖 3 點鐘方向的月相),時間約在農曆初一前後。

而當它們是「月、地、日」時,地球人可以看到太陽光照亮月球的半面,看起來就是一顆圓圓的月亮,當天的月相即是我們說的「滿月」、「望月」(上圖 9 點鐘方向的月相),滿月的時間約在農曆十五前後。

顏色逐漸變化的月亮。圖/wikipedia

重要的是,滿月時,因為這三顆星球的相對位置是「月、地、日」,所以大部分太陽光都會「先經過地球,再打到月球」。

民眾所拍下的血月,從月亮的圓缺可以知道當時應該在滿月前後,查閱日曆後,也可以確定元旦當天的農曆日期是十八號。

七彩繽紛的太陽光,由不同波長所組成

光,是電磁波的一種,每種天體都會輻射出不同波長長度的電磁波,當電磁波的波長落在「可見光」的波段時,我們就可以用肉眼看見這些光,而不同波長的光,會呈現出不同的顏色。

而太陽光主要放出的電磁波段就是可見光的波段,在可見光的波段中,包含了波長較長的紅光,到波長較短的紫光等七種顏色,也就是我們熟悉的彩虹七顏色。

可見光於電磁波波譜的位置。圖/wikipedia

當我們的眼睛接收到波長比較長的光時,看到的顏色就會偏向紅、橘色,反之短波長的光,即偏向藍、紫色。

被大氣層「改造」的太陽光!

當陽光經過地球大氣層時,會被大氣層中的空氣分子吸收、散射,而不同波長被散射的程度不一樣,短波長(藍光)的電磁波段比較容易被散射,使得大量藍光散射到天空中,天空佈滿著被散射的藍光,才形成我們所看到的藍天。

以上此種空氣分子造成的散射現象稱為「瑞利散射」1

滿月時,因為許多陽光都會經過地球大氣再照射到月球表面,在這個過程中,大部分藍光都會散射於地球大氣層,剩下長波長的紅光繼續前進,最終剩下紅光折射到月球表面,就會使得月球表面看起來偏紅色。這,就是血月的成因。

由此可知其實每一次的滿月多多少少都會被比較多的紅光照射,只是在不同的情況下,有時紅色很明顯、有時又會不太明顯。

例如,出現月全食時,因為幾乎所有的太陽光都會被地球擋住,只剩下波長較長的紅光可以從大氣層折射到月球表面,容易使月亮呈現明顯的紅色。

總而言之,血月並非災難要發生的前兆,而僅僅是正常的自然現象!

在本影區為月全食,地球會遮住所有來自太陽的直射光,出現只剩下紅光可以折射到月球表面,呈現紅色月亮;在半影區,只有部分的陽光被遮住,即為月偏食或半影月食。圖/wikipedia

不是滿月的血月、越來越紅的夕陽

雖然血月多出現在滿月、月食的時候,但仍有其他情況會影響月亮表面的顏色。

若月亮的仰角較低時,可見光會穿過更厚的大氣層,使藍光更容易散射到大氣中,便更有可能在地平面附近看到紅色的月球,抑或是當空氣中的微粒過多時,也有可能在天空中看到偏紅色的月亮,

但無論是哪一種情況,「散射」都是使月亮呈現紅色最主要的原因!

平日看到的橙色夕陽也是差不多的道理!當太陽越來越接近地平線,陽光穿過的越大氣層也會更厚、散射更多藍光,使得陽光越靠近地平線而變得更紅了。

美麗的夕陽,也是來自散射!圖/Pixabay

如果當時的大氣中除了空氣粒子外,還有其他粒徑較小的微粒,較小微粒越多,散射作用越強烈,微粒大量反射紅光與橙光,也會使天空出現美麗的彩霞。

藍月才不是藍色的月亮!

除了血月,我們也偶爾會聽到「藍月」。

每當藍月出現,媒體或是社群網站都會爭相報導,並且在旁邊加上大大的藍色月亮照片,使不少民眾都會期待在天空看到藍色的月亮。

殊不知,藍月根本就不是「藍色的月亮」!藍月指的是一個月當中連續出現「第二次滿月」的現象。

我們習慣將月球繞地球公轉一圈的時間視為一個月,大月有 31 天,小月有 30 天,但事實上,月球繞地球公轉一圈的週期是 29.5303 天,每個月完整的天數與實際天數的時間差大約為 0.5303 天。

隨著兩者的時間差逐漸累積,每隔 2 到 3 年後,便會使得某個月會多出一次滿月,而這額外多出現一次的滿月即稱做「藍月」。

火山爆發,讓你看見真正的藍色月亮

雖然平常新聞所報導的藍月並不是指「藍色的月亮」,但在很偶爾的偶爾,我們其實真的可以看到稍微偏藍色的月亮。

在劇烈的火山噴發或是森林大火發生時,空氣會充滿火山或是大火產生的懸浮微粒,而這些懸浮微粒的粒徑較大、數量也比平時更多,當它們充滿大氣時,就會使波長較長的紅光、橙光、黃光產生大量散射,而我們稱這種散射稱為「米氏散射」2

聖海倫火山美國華盛頓州,曾於 1980 年 5 月 18 日爆發。圖/wikipedia

隨著長波長的光被大量散射,就會使當時的月亮呈現偏藍色,在 1980 年聖海倫火山與 1991 年皮納圖博火山噴發時,人們都在夜空中看到了真正的藍色月亮。

血月、藍月,有哪些特殊意涵?

無論是血月或是藍月,都因非常罕見而被人們賦予特殊的意義,不同的文化對於它們也有許多不同的詮釋。

多數文化都認為紅色月亮擁有著不祥的意義,認為當血月出現時,便會有血光之災發生,也因此當民眾看到血月高掛於天上時,才會將其與災難聯想在一起。

藍月出現的次數較為稀少,所以國外時常會以「Once in a blue moon」來形容較不容易或是不常發生的事件。

  • 編按:如果到 Google 搜尋「once in a blue moon」,會得到藍月出現的頻率: 1.16699016×10-8赫茲。
搜尋「once in a blue moon」的結果。

希望大家再聽到新聞提及血月或是藍月時,可以想起他們的真正成因,別再把人家醜化成凶兆和災難的象徵啦!讓我們的生活處處都充滿著地球科學吧!

備註

  1. 瑞利散射:當微粒粒徑小於 1/10 波長產生的散射現象,例如空氣分子與可見光波段。
  2. 米氏散射:當微粒粒徑等於或大於波長產生的散射現象,例如水滴、汙染物等與可見光波段。
所有討論 6