Loading [MathJax]/extensions/tex2jax.js

0

1
0

文字

分享

0
1
0

鑑識故事系列:嬰兒側睡,會猝死?

胡中行_96
・2022/09/05 ・1949字 ・閱讀時間約 4 分鐘

凌晨 1 點 25 分,女嬰被醫院宣告死亡。[1] 保育員現在若回想起來,可知道做錯了什麼?

傍晚 7 點,女嬰花 40 分鐘的時間,喝了一瓶 120 毫升的配方奶。[1]嬰兒喝奶的時候,會順勢吞下氣泡,搞得滿肚子鼓脹。所以他們有的邊喝邊打嗝;有些餐後才反應;[2]但這名女嬰倒是毫無動靜。[1]嬰兒打嗝,或多或少會吐一點奶出來。[2]保育員心想,要是睡到一半才吐,到時候又把奶水吸入呼吸道,那可就不妙了。於是,特別將女嬰以向右側躺的姿勢,放在嬰兒床上,背後再撐一條摺起來的毯子。[1]

這是女嬰生平第一次入住托嬰中心。家長計劃讓她在此度過一夜,隔天便會來接她返家。晚間 10 點 50 分,保育員巡房,發現那條毯子果然有用,女嬰維持本來的睡姿,絲毫不差。誰知她的靜止不動,竟是連呼吸都沒了?!從這一刻起,保育員火速展開的心肺復甦術,後來也由其他人接力下去,一直到隔天凌晨醫院宣告女嬰死亡。[1]

一具嬌小的遺體,躺在冰冷的驗屍檯上。

-----廣告,請繼續往下閱讀-----

生理女性,七個月大,身高 65.5 公分,體重 7.3 公斤。出生以來所有健康檢查的結果都正常;眼前除了心肺復甦術留下的痕跡之外,身體大致無恙,沒有任何外傷。解剖後可見心臟和周邊血管仍有血液,而呼吸道沒有吸入奶水的現象。死後採樣的血液與尿液中,無酒精或藥物殘留。[1]

甲狀腺(thyroid)、氣管(trachea)和胸腺(thymus)的相對位置。圖/Internet Archive Book Images on Flickr(public domain)

不過,解剖團隊在她甲狀腺與氣管交界處的兩側,看到二個小團塊,一直向下延伸至胸腺:左、右大小分別為 1.8×1.4×1.0 和 2.2×0.6×0.6 公分,加上胸腺共重 45 公克。女嬰的氣管明顯地因為左邊團塊的體積較大,而被朝右邊擠壓。這雙團塊的組織,與一般甲狀腺相同。因此,女嬰被認為患有頸部異位性胸腺瘤(cervical ectopic thymus),[1]一種罕見的兒科病症,通常為良性。[3]此外,她頸部的某些肌肉出血,而且兩片肺臟都嚴重阻塞和水腫。[1]

女嬰頸部異位性胸腺瘤的解剖照片。圖/參考資料1,Figure 2(CC BY 4.0

嬰兒氣管內的軟骨尚未發育完全,[4]如果管壁長期受到外力壓迫,便容易出現氣管軟骨軟化症(tracheomalacia)。[1]以往的文獻中記載的問題來源,包括:周圍血管病變、甲狀腺腫大、囊腫和甲狀腺瘤等;但這個後來被 2022 年《國際鑑識科學:報告》刊登出來的頸部異位性胸腺瘤,很可能是史上頭一遭。或許當保育員將女嬰向右側翻轉,左邊那顆比較大的腫瘤在重力的影響下,更加向身體右側擠壓。此時原本就脆弱的氣管,被嚴重堵塞,終致女嬰窒息。周邊輔助呼吸的肌肉,甚至因為奮力運作而出血。[1]至於肺部水腫,應該是始於氣管封閉時,用力吸氣帶來巨大的壓力,改變了肺部的血液和組織液的流動。[5]

女嬰頸部肌肉出血的情形。圖/參考資料1,Figure 1(CC BY 4.0

總之,女嬰的頸部異位性胸腺瘤,顯然在側臥時壓迫到氣管,引發機械性窒息(mechanical asphyxia),進而導致死亡。[1]換句話說,保育員盡力預防嗆奶,只是人算不如天算,意外在所難免?然而,不管是否患有呼吸道疾病,為了避免嬰兒猝死症候群(sudden infant death syndrome),平躺才是唯一推薦的睡姿;除非嬰兒能夠翻身,側臥或趴睡都被認為是不安全的選擇。[6]在這種情況下,家長如果狀告保育員,難說後者能否完全免責。

-----廣告,請繼續往下閱讀-----

在女童死因中扮演重要角色的胸腺,是淋巴系統的一部份,負責生產免疫所需的T細胞。其實頸部異位性胸腺瘤可以手術移除;[3]而在兒童時期最為活躍的胸腺,青春期後功臣身退,就會逐漸縮小並為脂肪所取代。[7]先天性的氣管軟骨軟化症,一般則會隨著軟骨逐漸強壯,以及氣管的成熟,在 18 到 24 個月大的時候,自然痊癒。[4]

遺憾的是,因為保育員善意的舉動,女嬰永遠等不到那一天。

  

  1. Yatsushiroa M, Katsuyamaa M, Nakamaea T, et al. (2022) ‘Sudden infant death due to mechanical asphyxia caused by a cervical ectopic thymus—An autopsy case’. Forensic Science International: Reports, 6, 100286.
  2. How to breastfeed’. Public Health England. (accessed on 28 AUG 2022)
  3. Chang A, Nataraja RM, Pudel E, et al. (2021) ‘Diagnosis and management of ectopic cervical thymus in children: Systematic review of the literature’. Journal of Pediatric Surgery, 56, 11, pp. 2062-2068.
  4. Tracheomalacia’. Johns Hopkins Medicine. (accessed on 27 AUG 2022)
  5. Mesrati MA, Jaoued O, Mahjoub Y, et al. ‘Postobstructive pulmonary edema: A fatal complication in suicidal near-hanging’. SAGE Open Medical Case Reports.
  6. Sudden infant death syndrome (SIDS)’. (2022) Mayo Clinic.
  7. Thymus’. (15 MAY 2022) Cleveland Clinic.
-----廣告,請繼續往下閱讀-----
文章難易度
胡中行_96
169 篇文章 ・ 67 位粉絲
曾任澳洲臨床試驗研究護理師,以及臺、澳劇場工作者。 西澳大學護理碩士、國立台北藝術大學戲劇學士(主修編劇)。邀稿請洽臉書「荒誕遊牧」,謝謝。

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

2
0

文字

分享

0
2
0
用顯微鏡查「秋毫」 找出破案關鍵
顯微觀點_96
・2024/10/08 ・1865字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

本文轉載自顯微觀點

圖/顯微觀點

用於鑑識科學的比較顯微鏡受到 1929 年的情人節黑幫大屠殺事件影響,有了進一步的發展。但是,除了比較顯微鏡外,還有哪些顯微鏡應用在鑑識科學呢?這篇文章帶你來一探究竟。

通常物證有許多種類和樣式,因此調查中會使用多種類型的顯微鏡和鑑識工具。現場通常使用的簡單放大鏡或低倍率(7-50X)立體顯微鏡,可幫助檢測和收集微量證據。另外,也會針對犯罪現場進行拍照,建立和犯罪行為之間的關聯。

彈道、毛髮、纖維和工具痕跡比較

還記得當時卡爾文‧戈達德(Calvin Goddard)協助調查情人節黑幫大屠殺案件,為了釐清涉案槍枝來源,而開發了識別子彈和彈殼的比較顯微鏡,最後確認槍枝並非來自警方。

-----廣告,請繼續往下閱讀-----

比較顯微鏡是一種可並排分析樣本的設備,由透過光橋連接的兩個顯微鏡組成。樣本被放置在兩個載物台上,並使用連接兩個觀察頭光橋中的內置分割畫面同時觀察、比較可疑和已知的樣本。

用於比較彈道的比較顯微鏡具有長工作距離光學元件,還包括子彈座、鹵素或 LED 照明選項、偏光濾光片、放大倍率轉換器以及用於調整放大倍率和工作距離的輔助鏡頭。由於每支槍管內表面的製造痕跡都不相同,留在彈頭的細微特徵也不會一致。

加上射擊時,從裝填子彈到退出彈殼,彈殼在各步驟因為和槍枝組件的相互作用而留下獨特的痕跡,例如:撞針撞擊底火的撞針痕、火藥爆炸,彈殼向後撞擊槍機面所形成的彈底紋、只有具抓子鈎槍枝才會留下的抓子痕等。因此透過比較顯微鏡的比對鑑定可以用來確認涉案槍枝。

除了彈道比對外,比較顯微鏡還可以透過並排比較來確認簽名真偽,或是在確定歷史日期時使用。

-----廣告,請繼續往下閱讀-----

凡「做過」必留下痕跡

根據法國法醫學家羅卡(Edmond Locard)提出的羅卡定律(Locard exchange principle, 又稱羅卡交換定律):「凡兩個物體接觸,必會產生轉移現象」,也就是犯罪(嫌疑)者必然會帶走一些東西、也會留下一些東西,現場必會留下微量跡證。

因此,犯罪現場除了槍枝、子彈、彈頭和彈殼等物證外,槍擊殘留物(gunshot residues,GSR)或微量跡證(trace evidence)也是破解案件的關鍵。GSR是由槍擊後槍口排出的所有顆粒組成,主要包括炸藥底火、推進劑(火藥)、穩定劑和其他添加劑的燃燒或未燃燒完的顆粒。

GSR 顆粒最常見的特徵是其形狀和化學成分,華萊士(J.S. Wallace)和麥奎蘭(J. McQuillan)發現,所有檢測到的顆粒尺寸均在1微米到12微米之間,呈球形和不規則狀,主要成分為鉛、銻和鋇,可用掃描電子顯微鏡(SEM)配備能量色散X射線光譜偵測器加以檢測鑑定。

GSR通常是從嫌疑槍手的手上或其他物體上收集到,如果嫌疑者手上存在特徵性 GSR,通常會推測此人可能是開槍射擊者、開槍時靠近槍支,或處理被殘留物污染的槍枝或其他物體。

-----廣告,請繼續往下閱讀-----
J.S. Wallace和J. McQuillan使用SEM搭配能量色散X射線光譜偵測器比較K58和Gevelot手槍的GSR。
J.S. Wallace 和 J. McQuillan 使用 SEM 搭配能量色散 X 射線光譜偵測器比較 K58 和 Gevelot 手槍的 GSR。圖/顯微觀點

而在暴力犯罪中,體液是常見的證據。雖然現今常用 DNA分析,但顯微鏡仍發揮其作用。尤其位相差顯微鏡,可將樣品所造成的細微光程差轉變成明顯的光強度對比,能清楚觀察到在明野下透明的樣品,因此常用於自強姦受害者收集的陰道拭子中尋找精子。

另外,土壤也是調查犯罪的重要關鍵。偏光顯微鏡可對土壤顆粒的顏色、形狀和大小,以及當中的礦物質進行分類和分析。因此嫌疑犯鞋子上、屍體運送到埋葬地點的車輛外側或內部的土壤證據,都可能對調查起很大的作用。

土壤鑑測也很重要
土壤鑑測也很重要。圖/Adobe Stock
  • Bullets for my Valentine
  • Lee, H. C. (1998). Applying Microscopy in Forensic Science. Microscopy and Microanalysis4(S2), 490–491
  • Wallace, J.S., & McQuillan, J. (1984). Discharge Residues from Cartridge-operated Industrial Tools. Journal of The Forensic Science Society, 24, 495-508.
  • 孟憲輝(2015)。物證鑑識在槍擊現場偵查上的應用。刑事政策與犯罪研究論文集,18,313-340。
  • Gunshot Residue (GSR)

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

1

1
1

文字

分享

1
1
1
被垃圾科學耽誤的人生:哈沃德的冤獄與平反——《法庭上的偽科學》
商周出版_96
・2024/01/04 ・4615字 ・閱讀時間約 9 分鐘

紐約市沃斯街四十號,無辜計畫

哈沃德的故事:因被冤枉身陷囹圄三十四年

基思.艾倫.哈沃德可以說是一名倖存者。他被維吉尼亞州錯誤定罪,但是逃過死刑執行。而且還是兩次。梅克倫堡矯正中心在一九八四年爆發了所謂的「大逃亡」(The Great Escape)1,那是有六名死囚越獄的空前維安漏洞,哈沃德面對其後的嚴密禁閉也倖存了下來。哈沃德面臨過殘酷的獄警、僅存的希望全被澆熄、父母的死訊,他的身分也被侵蝕到只能淪為 1125797 號罪犯,但是他倖存了下來。

他在維吉尼亞州刑罰體系中所有最嚴酷的監獄裡倖存下來了,先是梅克倫堡,接著是奧古斯塔(Augusta),然後又在蘇塞克斯二監(Sussex II)待了十年,還有現在的諾托韋,他在諾托韋那樣環境惡劣的監獄醫務室裡進行了重大的腸道手術,並且活了下來。雖然很勉強。

圖/unsplash

在被錯誤監禁的三十四年裡,哈沃德排的這條等待救援的隊伍從未向前移動。大量監禁讓他身邊的囚犯如雨後春筍般湧現,因此這條隊伍只會越排越長。他最初因為傑西.佩隆的入室謀殺案和對他妻子特蕾莎.佩隆的性虐待案而被關到梅克倫堡時,維吉尼亞州每十萬名居民中有大約一百五十人遭到監禁。

當我們發現特蕾莎用過的性侵採證套組、把它送去做 DNA 檢驗時,維吉尼亞州的監禁率已經超過每十萬名居民有四百五十多名囚犯,每十萬名黑人居民則是超過兩千四百人。2在那個看不見的國度裡,到底住著多少無辜的 1125797 號囚犯,我們不會知道。但是統計顯示,在維吉尼亞州和全國有數千名無辜的人被關在牢裡;他們大部分人都永遠不會再拿回他們的名字了。

-----廣告,請繼續往下閱讀-----
圖/unsplash

維吉尼亞州剝奪了哈沃德生命中的每一個里程碑。他沒能結婚,沒有小孩,沒有做過除海軍之外的其他職業。他在二十幾歲之後,除了監獄檔案的照片,就只有一張自己的照片。他具有指標意義的生日,三十歲……四十歲……五十歲……六十歲,都是在鐵牢裡度過的,他只是沒死而已。

事情一開始不是這樣的。他也曾經奮鬥過。他從獄中出庭為自己辯護一事,曾經讓他的有罪判決遭到撤銷。為他贏來一次重新審判的機會、再一次讓真相大白的機會。但是當陪審團第二次做出有罪判決、上訴法院也維持這個裁決時,哈沃德體內的鬥志突然被掏空了。他決定放棄,讓餘生都在監獄裡度過。就像他有一次對我說的:「我就待在牢裡等死算了。」

重新審判:不可靠的咬痕證據

就訴訟而言,二○一六年發現了性侵採證套組,州也同意進行檢驗,這使得前進的道路變得清晰。哈沃德和史蒂夫.錢尼不同,他不需要維吉尼亞州法院或是其他法院承認咬痕證據完全不可靠。他不需要新法律或是定罪完善小組就可以重返法庭。也不需要當初把哈沃德的牙齒和特蕾莎.佩隆大腿上的咬痕「配對」的六名牙醫取消他們的證詞。

圖/unsplash

哈沃德很幸運:他有 DNA 。檢測開始之後,就會像是一顆小圓石被丟出來,滾下山坡引起 被壓住的真相一波又一波的雪崩。其規模之大,會讓哈沃德甚至不需要重回法庭。

-----廣告,請繼續往下閱讀-----

他幾乎立刻就被排除在可能的嫌疑人之外,也就是說所有檢驗項目,包括性侵採證套組、凶手蓋在特蕾莎頭上的尿布,以及她被性侵時的沙發墊,上面的生物證據都不可能是他的。

我的辦公室裡傳來更多歡呼聲。這種感覺不同於最初發現物證箱時的那種驚喜。是好消息,但也是預期中的結果。無辜計畫法律團隊的每個人都相信基思.哈沃德是清白的,也都知道他是清白的。

圖/unsplash

之前在訴訟中移交的文件就已經證明了:刑事專家不實宣稱在犯罪現場收集到的血清證據,根據在 DNA 之前的血型技術無法確定。其實在審判之前就可以將哈沃德排除在取樣之外了。後來他又被排除在 DNA 證據之外,就是理所當然的了。

接著,我們得知 DNA 分析人員可以從保存的生物樣本中發展出完整的基因輪廓。這表示除了可以排除哈沃德是 DNA 的來源,甚至還有可能得知到底是誰的 DNA ;不同於史蒂夫.錢尼案中的 DNA 已經受到毀損,只能夠做到排除錢尼。

-----廣告,請繼續往下閱讀-----
圖/unsplash

從每一件證據中提取的 DNA 輪廓都沒有更新的資訊。它們都來自同一名男性,既不是基思.哈沃德,也不是特蕾莎的丈夫傑西。反而是一名陌生人把他的 DNA 留在整個犯罪現場。發現證據的位置和特蕾莎的證詞完全一致,因此顯得更有說服力,這份證據也與哈沃德自己的陳述一致;哈沃德說他從來沒有進過佩隆家。

證人誤認是錯誤定罪一大主因?

這在大多數州就足以推翻有罪判決了。但也還是有可能出現荒謬的「沒被起訴的共同射精者」理論。不過,這個案件中有一名受害者還活著。特蕾莎強忍著痛苦和性侵她的人共度了三小時。她知道那天晚上只有一個入侵者。一名殺了她丈夫的凶手。一個「咬了她的人」。

圖/unsplash

早在 DNA 排除哈沃德之前,特蕾莎本人就為哈沃德的清白提供了最有說服力的證據:她拒絕指認哈沃德。哈沃德是因為咬了他的女朋友而被逮捕,而且還戴著手銬,在這樣容易誤認的情境中,特蕾莎都沒有指認哈沃德就是毀了她家庭的那名水手。

她的這個立場在兩次審判中都沒有絲毫動搖。許多犯罪受害者很可能會接受暗示,或是不論有意或無意,急著指認被警方確信是凶手的那個人。的確,證人指認時的誤認,通常是因為警方的建議而導致的無心之過,是錯誤定罪的一大主因。

-----廣告,請繼續往下閱讀-----

除了咬痕,另外的唯一證據就是駐衛指認了哈沃德。然而,即使在當時,他的證詞也是勉強得來而且不可靠的,我們得知在取得他的證詞時,用了可以「強化」記憶的祕密催眠,因此顯然缺乏可信度。

圖/unsplash

即使用催眠誘導的指認可以相信,不過駐衛也只是說在襲擊案發生當晚,他有看到哈沃德回到基地。是的,他是說那個人穿了血跡斑斑的制服,不過那人其實不是基思.哈沃德,而且在當時的紐波特紐斯,喝醉酒的水手在酒吧跟人打架,然後滿身是血回到船上,也不是什麼罕見的事。歸根究柢,不論證人指認的這番話具有多少分量,它都不代表哈沃德那天晚上有進入佩隆家。只有洛威爾.萊文和阿爾文.凱吉的專家證人證詞明確說出了這一點。而 DNA 也證明了兩位牙醫是錯的。

真正的兇手到底是誰!?

哈沃德的案件已經走向崩解。真正的證據(affirmative evidence)不是指向他有罪,而是指向另一個第三人。無論在哪一州,這個「新發現」的證據應該都對推翻任何一個有罪判決綽綽有餘了,但是維吉尼亞州和大多數州都不一樣。維吉尼亞州是全美國對無罪主張最有敵意的州之一。被判無期徒刑的囚犯很少有活著走出來的。要讓無辜者重獲自由,通常前提是必須破案。

然後「聯合 DNA 索引系統」(CODIS)就找到他了:在訴訟中喊出了「將軍!」

-----廣告,請繼續往下閱讀-----
圖/unsplash

根據美國的 DNA 數據庫「聯合 DNA 索引系統」,確定性侵取證套組、沙發墊和尿布上的 DNA 是來自一名叫做傑里.克羅蒂的人。在這起性侵謀殺案發生時,克羅蒂是卡爾文森號航空母艦的一名水手,這艘航空母艦當時停泊在紐波特紐斯的船塢。

基思.哈沃德也在這艘船上服役。克羅蒂和哈沃德長得有點像,他曾經因為綁架罪而在俄亥俄州的監獄服刑,並在十年前死於獄中。在哈沃德入獄期間,他還犯下其他暴力犯罪,但是都沒有像一九八二年對佩隆一家的暴行那樣殘忍;當然,除非克羅蒂還犯了其他沒有被偵破的案件,或是被以為已經破案的犯罪。

全美國對無罪主張最有敵意的州?

媒體壓力再次升高。但不是像一九八二年那樣,當時行凶的水手逍遙法外,因此有兩名美國參議員敦促要盡速逮捕他;這次的壓力是要推翻多年前因為媒體推波助瀾而造成的有罪判決。

圖/unsplash

弗蘭克.格林(Frank Green)是《里奇蒙時報》(Richmond Times-Dispatch)的記者,他長期以來都對維吉尼亞州對無辜者的敵意有批判性觀察,他詳細報導了哈沃德的故事,從聲請推翻他的有罪判決的那一刻起。連諾托韋裡面的囚犯都注意到了。

-----廣告,請繼續往下閱讀-----

哈沃德在監獄裡的朋友們都為他打氣。他們開始從監獄圖書館的報紙上剪下與哈沃德案件有關的新聞剪報,並保留給他。隨著哈沃德的案件從一團混亂的垃圾科學訴訟,轉變成教科書等級的 DNA 平反案件,格林的報導刊登位置也越來越靠近頭版。當哈沃德的聲請在等待維吉尼亞州最高法院的決定時,他成了頭版新聞,而當 DNA 檢驗證明哈沃德是無辜的時候,他直接登上頭條。

圖/unsplash

既然已經在「聯合 DNA 索引系統」找到符合者了,但凡有一點基本的正當程序概念,都會覺得繼續監禁哈沃德是不可接受的。他顯然是無辜的。任何殘存的反對意見都消失無蹤了。

總檢察長在一場匆忙召開的新聞發布會上,公開承認哈沃德是無罪的,並要求該州高等法院盡速對其聲請做出裁決。維吉尼亞州最高法院在第二天就宣布基思.哈沃德是一個無辜的人。

——本文摘自《法庭上的偽科學》,2023 年 12 月,出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

原文注釋

  1. Bill McKelway, “From the Archives: How the 1984 Escape from Virginia’s Death Row Happened,” Richmond Times-Dispatch, May 30, 2009,瀏覽日期二○二一年七月五日,richmond.com/from-the-archives/from-the-archives-how-the-1984-escapefrom-virginias-death-row-happened/article_19ea1684-9af2-5d24-86ab-5875eaf2068c.html。 ↩︎
  2. Prison Policy Initiative, Virginia profile,瀏覽日期二○二一年七月五日,www.prisonpolicy.org/profiles/VA.html。 ↩︎
-----廣告,請繼續往下閱讀-----
所有討論 1
商周出版_96
123 篇文章 ・ 364 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商周出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。