Loading [MathJax]/extensions/tex2jax.js

1

3
2

文字

分享

1
3
2

大家都知道「地球在動」,但你怎麼知道?

賴昭正_96
・2023/06/19 ・6467字 ・閱讀時間約 13 分鐘

  • 賴昭正/前清大化學系教授、系主任、所長;合創科學月刊

在第一本書中,我將描述球體的所有位置,以及我歸因於地球的運動,因此本書可以說是包含宇宙的一般結構。 在剩餘的書中,我將其它恆星和所有球體之運動與地球的移動性聯繫起來,這樣就可以確定如果歸因於地球的運動,它們的運動和外觀可以保存到什麼程度。

-哥白尼(Nicolaus Copernicus,1473 – 1543)

隨便找個國中生問:「地球是宇宙的中心嗎?」相信他們都會回答說:「不是。地球除了自轉外,還在繞著太陽公轉。」可是如果你緊接著問:「你怎麼知道它在動呢?」相信大部分的國中生(甚至大學生)可能就不知道怎麼回答了:「嗯⋯這?⋯那?⋯??」

這事實上是一個非常難以回答的問題,因此雖然早在公元前 250 年希臘天文數學家阿里斯塔克斯(Aristarchus ,公元前 310 – 230)就曾經提出地球繞日說,但這一理論不但不為大眾所接受,還給他帶來了一生的嘲笑。

而希臘數學家歐多克索斯(蛇床子,Eudoxus of Cnidus,公元前 410 – 347)於公元前 380 年左右提出以不動之地球為中心的宇宙模型則幾乎統領了以後 2000 年的宇宙觀!

你該如何證明地球自轉?圖/envatoelements

1543 年,波蘭哥白尼基於在數學上處理起來比較簡潔,在德國紐倫堡出版六本題為《De Revolutionibus Orbium Coelestium》(論天體運轉)之書,提出日心系統,謂地球不在宇宙中心之特別位置,而是與其它行星一起在圍繞太陽的圓形軌道上運動。

-----廣告,請繼續往下閱讀-----

此後經伽利略(Galileo Galilei,1564 – 1642)、開普勒(Johannes Kepler 1571 – 1630)、及牛頓(Isaac Newton,1643 – 1727)等天文數學家的發展,地球繞日說不但慢慢地為天文學家所接受,也漸漸成為主流的宇宙觀。但這些發展似乎都是紙上談兵而已,並不是真正的觀察實驗結果。

有什麼方法可以證明地球是在動的呢?

加速度運動

相信大部分的讀者都有下面的經驗,那就是坐在平穩(等速)直線行駛的車廂內不會覺得火車在動;如果那個時候旁邊也有一輛類似的火車經過,我們根本無法知道到底是誰在動。

事實上不止不會覺得火車在動,伽利略早在四百多年前就告訴我們:不管在車廂裡做任何實驗都沒有辦法偵測出火車在動的(相對論)。但是如果火車突然加速,我們便可立即警覺到火車在動。

如果坐在等速前進的火車中你不會感受到火車在動。圖/envatoelements

圓周運動因為運動方向一直在改變,所以不是直線運動,而是一種加速度運動。坐遊樂場所裡的旋轉木馬之所以有被往外甩的感覺便是因為加速度造成的。地球的自轉及公轉都是圓周運動,我們不是也應該有被往外甩的感覺嗎?

-----廣告,請繼續往下閱讀-----

高中物理告訴我們圓周運動的加速度 a 為

上式中的 v 為圓周上物體的運動速度,r 為圓半徑。地球自轉運動最厲害的地方在赤道上, 將其值及地球半徑代入上式,得地球自轉在赤道上的加速度為 0.033 m/s2,只有重力加速度 9.8 m/s2 的 300 分之 1 而已。

這加速度需要 14 分鐘才能將車子或火車從零加速到時速 100 公里(「高性能」車子大約只需十秒鐘),我們能感覺出來嗎?此一往外甩的慣性力【常被稱為「離心力」(centrifugal force)與重力方向相反,因此如果有非常精確的體重機,原則上可以讓我們測出赤道上重量減輕,證明地球在自轉的。

將地球公轉的平均速度及半徑代入上式,則得地球公轉的加速度為 0.006 m/s2,與重力加速度一比更是微乎其微。所以想靠地球自轉及公轉的加速度來偵測地球在動顯然是相當困難的。

-----廣告,請繼續往下閱讀-----

恆星視差

坐火車的人都有這一經驗:窗外比較近的東西從眼前飛過,越遠的東西就越不動。所以如果火車是從左往右,當你比較圖一中遠近不同之 A、B 兩點的相對位置時,你將發現中非常遠的 A 點不動;但是比較近的 B 點則會從 A 之右邊 B’ 移到 A 之左邊 B”。事實上這視差與火車動不動無關,而是因 A、B、及觀察者三者的相對位置而異。

圖/作者提供

同樣的道理,因為地球繞太陽公轉,我們可以在兩個不同的軌跡點(例如夏至及冬至兩點)看到這「恆星視差」(stellar parallax)現象(圖一)。1838 年,德國天文學家貝塞爾(Friedrich Bessel)成功測量了天鵝座(Cygni)61 號恆星的視差,證明地球並不是一年四季都在同一個位置。當然,不在同一個位置表示「動過」,所以間接地證明了地球在動。

星光像差

站在大雨筆直而下的大街上時,你只需將雨傘直接舉過頭頂即可保持乾爽。可是當你開始走路時,你便必須將雨傘朝行走方向傾斜以免被淋濕,走得越快,傾斜度就需要越大。如果不知道雨是垂直而下(對地球而言),你將誤以為雨是從前方傾斜而至(對你而言)。

(左)在雨中靜止不動;(右)在雨中往右跑。 圖/作者提供

同樣的道理。當地球繞太陽公轉運動時,我們也可以檢測到與運動速度有關之入射星光的「傾斜」(見圖二)——在天文學上稱為「星光像差」(stellar aberration)。因為地球一年四季的運動速度不同,所以「像差」也將因之而異。。

-----廣告,請繼續往下閱讀-----

1725 年起,英國天文學家布拉德利(James Bradley)及同事一直在努力想測量天龍座伽馬(Gamma Draconis)的視差;他們雖然沒有找到預期的現象,但卻發現天龍座伽馬在三天內往「錯誤」的方向移動了驚人的弧度。在同事去世後不久,布拉德利終於意識到這無法用視差來解釋的現象是:因地球在恆星方向運動速率不同之「光像差」(light aberration)和光速有限所引起的。

布拉德利於 1729 年元月向英國皇家學會宣布此一首次確鑿證明地球在「動」的發現,提供了阿里斯塔克斯、哥白尼、和開普勒理論正確性的觀察證據。巴黎天文台台長德蘭布爾(Jean Delambre)認為這是「(18 世紀)最輝煌、最有用的發現」;在其 1821 年所出版之《18 世紀天文學史》中謂:「正是由於布拉德利的這⋯發現,我們才有了現代天文學的準確性。」 

圖/作者提供

傅科

最能夠直接證明地球每日自轉的實驗是「傅科擺」(Foucault pendulum)。法國人傅科(Léon Foucault,1819 – 1868) 小時候對學校功課沒興趣,喜歡自己在家建造玩具和機器。1839 年進入巴黎醫學院,看到血就昏暈,因此只好放棄從醫。但指導教授多內(Alfred Donné)慧眼識英雄,把他留聘為助手從事研究,兩人於 1845 年合作出版了《顯微鏡課程》(A Course of Microscopy)。

傅科與多內的合作開啟他作為科學傳播者的職業生涯:多內退休後,傅科成為具有影響力之《辯論雜誌》(Journal de Débats ) 的科學編輯,接替了多內向公眾報導最新科學領域發展的角色。透過每週生動地報導巴黎科學院會議,傅科很快引起了公眾和科學精英的注意,包括了法國具有影響力的數學家和政治家阿拉戈(François Arago)。

-----廣告,請繼續往下閱讀-----
圖/作者提供

1850 年傅科突發出奇想:如果能夠設計出一個鐘擺,其頂點雖可以隨地球上的支架移動,但能完全自由轉動(也就是與支架間的旋轉摩擦力為零);那麼鐘擺一旦開始擺動,因為不會跟著地球旋轉,地球將在其下方旋轉——但對地球上觀察者來說,將是擺動平面在旋轉。1851 年元月,傅科在家中地下室成功地建造了這樣一個鐘擺後,阿拉戈要求他在巴黎天文台也裝置一個。

不久後,巴黎的每一位科學家都收到了前往巴黎天文台參觀鐘擺的邀請。在天文台進行實驗證明地球確實在旋轉的 1851 年 2 月 3 日,阿拉戈也向科學院宣讀了現在稱為「傅科擺」的論文。幾週後,傅科在巴黎萬神殿(Panthéon)的圓頂上用一根 67 米長的金屬絲懸掛了一個重 28 公斤的黃銅塗層鉛擺,又復製了一個「傅科擺」(圖三,註 1)。

傅科擺的物理

台灣早期科教館曾經展示過「傅科擺」,現在已經找不到了。但相信許多讀者都曾在世界其它各地(如北京或廣州)看過。如果在北極的正上方掛一個「傅科擺」,我們很容易直覺地了解地球將在其下方以 24 小時的週期旋轉。將鐘擺掛在赤道上某一點的正上方,則它只受到地球自轉的前進推力(見後),筆者還可以了解(看出)地球在其下方不會旋轉;但筆者很難想像掛在台北的上空時,地球如何在其下方旋轉?

在忘寢廢食之苦思後,筆者終於領悟到伽利略 1630 年用來錯誤地「證明」地球在動的例子,事實上正是解釋 1851 年「傅科擺」的最佳工具。一個往東方前進之逆時針方向旋轉輪子,在任何一瞬間,對「一位靜止不動的旁觀者 A」來說(圖四左),最上方那一點的速度應該比中間點慢,最下方那一點則比中間點快(註 2)。

-----廣告,請繼續往下閱讀-----

但是對於與輪子同時前進、但不旋轉之中間觀察者 B 來說(圖四中),兩個向量相減的結果,上方那一點的速度將是往左,下方那一點的速度則是往右,這正是為什麼他只看到輪子在逆時針方向旋轉的原因。對一位隨輪子旋轉及前進之中間觀察者 C 來說,則輪子不轉不動:如果觀察者 B 不是一個數學點的話,將依順時針方向旋轉(圖四右,註 3)!

圖/作者提供

地球自轉造成台北 101 大樓往右的旋轉推力;大樓南方因為旋轉圈子比正上方的中間點大,速度因之比中間點快;反之,大樓北方則因為旋轉圈子較小,速度應比中間點慢(圖五白色箭頭)。所以對旁觀者 A 來說, 101 大樓中間點及南、北方兩點之表面速度如圖四左所示;圖四中則為觀察者 B 所看到的:整個台北(地球表面)在圍他逆時針方向旋轉。

住在地球上的我們當然是隨著台北地球表面旋轉的觀察者 C:整個台北不轉不動,B 在順時針方向旋轉;如果 B 是「傅科擺」(記得掛它的條件嗎?),則是鐘擺平面在順時針方向旋轉!同樣的原理我們可以推論到:「傅科擺面」在北極會順時針方向旋轉(週期 24 小時);在赤道上不旋轉(因南、北方兩點之速度一樣);越北的「傅科擺」週期越短(因南、北方兩點之速度差別越大,註 5)。

結論

在「加速度運動」一節裡,我們談到了地球的自轉及公轉所產生的效應在日常物體的運動中,因與其它力相比太小了,很難偵測到。但在長距離和長時間的大規模運動中(如大氣中之空氣或海洋中之水),它還是可能脫穎而出變得很明顯的,例如海邊高(低)潮之所以每天出現兩次,正是因為地球自轉的關係(註 2)。

-----廣告,請繼續往下閱讀-----

又如時常發生在台灣之熱帶氣旋(颶風)的形成,事實上也正是因地球自轉之故:在北半球產生逆時針的氣旋(註四),在南半球將產生順時針的氣旋。但赤道附近因旋轉太小,不會有颱風的。

除傅科擺外,要證明地球在動的原理似乎都很容易理解,但不容易執行;反之,傅科擺似乎容易製作,卻不容易理解。怪不得雖然早有人懷疑地球在動,但卻必須等了兩千年才能觀測到。即使在科技突飛猛進的今天,要證明地球在動似乎也不是幾個字就可以解釋清楚的,怪不得國中生(甚至大學生)只能支吾以對了。

*************** 猜猜看:旁觀者 A 是誰 ***************

我們在圖四及文中提到了「一位靜止不動的旁觀者 A」;不知讀者是否曾在心中質問「他是誰呢?」牛頓也曾想過這個問題:這位靜止不動的旁觀者在他心中是「絕對空間」——一個永遠存在那裡靜止不動的宇宙背景。

但是與他同時代的德國哲學家、科學家和數學家萊布尼茲(Gottfried Leibniz,1646 -1716)卻認為根本沒有這種空間,空間只是一種幻覺。對愛因斯坦發展廣義相對論有巨大啟發的馬赫(Ernst Mach,1838 -1916,奧地利物理學家兼哲學家)是一位十足的實證派人物,他認為任何可觀察到的現象都是相對於遙遠的恆星(或宇宙中所有的物體),因此從這裡得出地球在旋轉的結論是不合理的:我們怎麼知道不是恆星在旋轉呢?當太空沒有任何物體時,地球是否還在自轉呢?

德國哲學家、科學家兼數學家,萊布尼茲(Gottfried Leibniz,1646 -1716) 圖/wikimedia
奧地利物理學家與哲學家,馬赫(Ernst Mach,1838 -1916) 圖/wikimedia

他認為如果沒有其它物體比較,地球與靜止無異,旋轉沒有任何意義。因此對馬赫來說,加速不是絕對的、也是相對的!所以地球的自旋是相對於這「一位靜止不動的旁觀者」(遙遠的恆星)而言的,是它造成的!讀者相信馬赫的觀點嗎?或者根本沒有這個人(萊布尼茲幻覺空間)?或者還是比較相信牛頓的絕對空間? ⋯⋯甚或是因為我去看它,所以地球才在旋轉的近代量子物理觀?對這些爭論有興趣的讀者請參考《我愛科學》。

註解

  1. 原來之擺錘在 2010 年 4 月 6 日因電纜斷裂損壞無法修復,現在的鉛擺為複製品。
  2. 伽利略錯誤地認為這一快一慢的(地球)速度變化正是造成潮汐現象的原因;依照他這一個理論,海邊高(低)潮每天只出現一次,但事實上我們知道因為地球自轉的關係,高(低)潮每天出現兩次。牛頓正確地解釋了潮汐現象主要是因月球引力造成的。
  3. 如果 B 或 C 向前丟出去一顆石子,則 B 將看到該石子直線前進;但是因為「科氏力」(Coriolis force )的關係,C 將看到該顆石子沿右彎的曲線前進;詳見『「 離心力 」真的存在嗎?』。所以「科氏力」可用來解釋「傅科擺」在地球表面的軌跡(與地點緯度、從什麼地方啟動鐘擺、及鐘擺長度有關;加上鍾擺頂點雖然不隨地面旋轉,但並不是「絕對」靜止不動,而是隨地球自轉及公轉,因此細節上是很複雜的,以至於在網路上可以看到許多不同或不完全正確的軌跡圖)。
  4. 因為註 3 之「科氏力」。在網絡上可以看到不少用同樣的原理來解釋水槽、浴缸、或抽水馬桶排水時,在北半球的水流將是逆時針方向旋轉。筆者家中兩個抽水馬桶排水時都是逆時針旋轉,不知讀者府上是否也是一樣?但筆者覺得像加速度一樣,我們不可能偵測到地球自轉對這麼小之水體影響的,有興趣的讀者可參考英文《科學美國人》 2001 年的『有人終於以解決了「水流下排水管的方向是否會因您所在的半球而異」這個爭論?如果有,為什麼?』。
  5. 我們可以利用微積分來計算圖四中之旋轉速度。如果地球的半徑為 R,該中心點是地球表面緯度 Φ 上的一點,則其地球旋轉半徑應該是 Rcos(Φ),將它乘以地球自轉速率 ė,即得在該點的直線速度。其上下兩點的直線速度微差 dėRcos(Φ) 造成對該點的旋轉(圖四中),將它除以旋轉微半徑 RdΦ 則得附近表面對該點的旋轉速率: 。鐘擺的週期與之成反比;台北的緯度為 25°N,故「傅科擺」的週期為 56.8小時[=(24小時)/sin (25°)]
-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
賴昭正_96
46 篇文章 ・ 59 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,因此獲有「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,IBM顧問研究化學家退休 。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它轉載我的科學月刊上的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」。

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

7
2

文字

分享

0
7
2
水是從哪裡來的?改寫宇宙謎團:科學家揭露地球水源的真正來源!——《你的身體怎麼來的?》
商周出版_96
・2025/01/25 ・2808字 ・閱讀時間約 5 分鐘

彗星送水論?地球的水是從哪來?

想知道古地球如何得到水的行星科學家將矛頭指向大泥球。似乎數十億年前曾有彗星雨落下,為我們帶來大量的水。

但,彗星又來自何方?

科學家長期認為彗星誕生於比火星更遠的寒冷區域。一九九〇年代,學者更進一步認定大部分彗星已經被日益成長的行星吸收。然而荷蘭天文學家揚.歐特(Jan Oort)提出不同見解,主張可以有數以兆計的彗星在太陽系邊緣存活,它們距離行星太遠所以沒被重力拉扯,最終圍繞太陽系形成巨大球形外殼,現在將該區域稱為歐特雲。歐特雲的大量彗星可以填滿地球海洋,問題是它們太遠,是地日距離的數千倍,實在不大可能到得了。

揚·歐特認為彗星圍繞太陽系形成遠距離的歐特雲,雖然數量足夠填滿地球的海洋,但距離遠到不易抵達地球。圖 / unplash

於是又有研究者懷疑部分彗星在太陽系較內側存活,或許是土星軌道外,這樣也比歐特雲近了一千倍。然而僅僅停留在臆測,因為想要在那麼遠的地方找到直徑不過數十英里或更小的彗星太困難,大家沒有傻到去做這種嘗試。

-----廣告,請繼續往下閱讀-----

唯二例外是年輕的麻省理工學院教授戴夫.朱維特(Dave Jewitt)和他的研究生盧珍(Jane Luu)。裘伊特頭頂高聳,笑容可掬,性格充滿英國式幽默,父母是倫敦的工廠工人和電話操作員。童年時偶然在夜空看見流星勾起他對天文學的迷戀。

從天文學觀測到重水比例:揭開水的宇宙密碼

一九八五年,他突發奇想將新的數位型光感測器 CCD(譯按:感光耦合元件)連接到望遠鏡,藉此在太陽系遙遠角落尋找彗星這種小天體。朱維特認為我們看不見不代表不存在,但研究需要資金,只可惜多數人都不相信,所以計畫案一次一次被拒絕。三十多年後,回憶起當初遭受的輕蔑他依舊義憤填膺。「最常得到的回答是『無法證明計畫裡的測量實際可行』,」他說:「我的天,這是什麼蠢邏輯?整個計畫的意義就是去做一些以前沒做過的嘗試。就算最後真的不可行又怎麼樣呢,重點不就是得試試看嗎?」批判他的人可能陷入了「現有工具檢測不到就代表不存在」的認知偏誤,習慣性地假設科學家尚未找到就代表目標處什麼也沒有。

朱維特和盧珍拒絕放棄,偷偷從其他研究案借用望遠鏡時間尋找數十億英里外可疑的微小物體。

很長時間毫無收穫。一年又一年,然後四年五年六年。直到一九九二年夏夜,他們在夏威夷大島茂納凱亞天文臺工作。那時候他們心灰意冷,覺得五年多光陰白費了,卻沒想到忽然發現了非常微弱的光點。察覺這個點微微移動時,朱維特還暗忖「不可能是真的」,但它確實存在。兩人找到的天體位於海王星外的軌道,後來進一步證實那邊還有數百萬顆彗星。該區域被命名為古柏帶,淵源是最早提出此概念的荷蘭天文學家30,他在一九五〇年代就探討了這個可能(諷刺的是他本人不相信)。

-----廣告,請繼續往下閱讀-----

科學家在古柏帶找到大量彗星,人體內的水看似已經確定來源。地球形成後不久,彗星從古柏帶,或許一部分從更遠的歐特雲抵達,送來覆蓋這顆行星表面的水。彗星堪稱飛行的冰山,攜帶的水量確實足以填滿地球海洋。理論很快得到多數人接納及傳播,謎題終於得到解答。

科學家認為古柏帶與歐特雲彗星攜帶的水,可能就是地球水源的來源。圖 / unplash

小行星的貢獻:來自太空岩石的生命之源

真的嗎?一九九五年,波瀾再起。亞利桑那州鳳凰城附近一場觀星派對上,輪到混凝土供應公司零件經理湯瑪斯.博普(Thomas Bopp)借用朋友的望遠鏡,他留意到視野角落有個模糊光點。同一天晚上,新墨西哥州克勞德克羅夫特村天文學家艾倫.海爾在家中發現同樣物體。這顆新發現的彗星,是有史以來見過最亮的,命名為稱為海爾─博普彗星。

翌年,戴夫.朱維特隨學者團隊返回茂納凱亞觀測站,這次以強大的電波望遠鏡觀測海爾─博普彗星。他們在海拔一萬四千英尺(約四千兩百六十七公尺)的稀薄空氣中每十三至十六小時輪班一次測量夜間光譜,試圖比較彗星中一種罕見的水形式比例是否與地球海洋相符。

或許有些人還不知道其實水分子有不同形式。大部分水由氫原子組成,核心只有一個質子。但還有別種水存在,由於重量多出一成所以稱為重水,其氫原子是同位素,核心除質子外還包含一個中子。重水很罕見,在地球海洋中每六千四百個水分子只有一個是重水。因此,茂納凱亞團隊準備測量海爾─博普彗星時原本很有信心會找到相同比例的重水,畢竟地球的水應該來自彗星。

-----廣告,請繼續往下閱讀-----

然而觀測結果並非如此。海爾─博普彗星重水含量是地球海洋兩倍。這就麻煩了,先前天文學家在哈雷彗星發現類似的高比例重水,當初只視為異常案例,然而後來在百武二號彗星又測量到相同數據。三次觀測結果一致成為難以忽視的證據,顯示彗星並不吻合地球海洋的水分子組成。

「天文學家對海爾─博普的觀測結果作何反應?」我問。

「嚇壞了。」朱維特的意思是指數據背後的涵義:「有點像新時代運動31的意識覺醒之類。」他笑了笑又說:「好像不該說這種話才對。」但顯而易見,學界頗受震撼,一夕間又不能靠融化彗星形成海洋了。雖然惠普爾沒說錯,彗星確實充滿水,但海洋來自太陽系其他地方。具體究竟是哪兒?

朱維特和其他許多學者一樣,注意力轉向飄浮在太空中的巨大岩石,即所謂小行星。

-----廣告,請繼續往下閱讀-----

從石頭榨水,乍聽很無稽,但事實上有些岩石確實可以。如果加熱隕石,也就是從小行星落到地球的碎片,困在晶體結構內的水分子就能變成水蒸氣。多年前科學家已經知道小行星含水,這些岩石含水量差異很大。多數靠近太陽形成的小行星幾乎不含水,但在火星之外冰冷區域形成者水分含量則可高達百分之十三。

朱維特等人的想法是:如果撞擊地球的小行星夠大就會帶來豐沛的水。此外,天文學家還知道火星木星之間軌道上有一大群小行星,並將該區域稱為小行星帶。而且,小行星中重水與彗星不同,吻合地球海洋和人體。各種線索指向我們這兒的水應該來自宇宙岩石。

感覺好像結案了,但其實小行星帶距離地球三億英里遠。從那種距離要一桿進洞得有多高明的技術?有足夠數量的小行星算準角度飛向地球以水覆蓋地表,這個現象發生機率有多高?人類又如何進一步理解?

——本文摘自《你的身體怎麼來的?從大霹靂到昨日晚餐,解密人體原子的故事》,2025 年 01 月,商周出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

2
0

文字

分享

0
2
0
地震之島的生存法則!921地震教育園區揭開台灣的防災祕密
鳥苷三磷酸 (PanSci Promo)_96
・2024/09/20 ・4553字 ・閱讀時間約 9 分鐘

為什麼台灣會像坐在搖搖椅上,總是時不時地晃動?這個問題或許有些令人不安,但卻是我們生活在這片土地上的現實。根據氣象署統計,台灣每年有 40,000 次以上的地震,其中有感地震超過 1,000 次。2024年4月3日,花蓮的大地震發生後,台灣就經歷了超過 1,000 次餘震,這些數據被視覺化後形成的圖像,宛如台北101大樓般高聳穿雲,再次引發了全球對台灣地震頻繁性的關注。

地震發生後,許多外國媒體擔心半導體產業會受影響,但更讓他們稱奇的是,台灣竟然能在這麼大的地震之下,將傷害降到這麼低,並迅速恢復。不禁讓人想問,自從 25 年前的 921大地震以來,台灣經歷了哪些改變?哪些地方可能再發生大地震?如果只是遲早,我們該如何做好更萬全的準備?

要找到這些問題的答案,最合適的地點就在一座從地震遺跡中冒出的主題博物館:國立自然科學博物館的 921地震教育園區。

圖:跑道捕捉了地震的瞬間 / 圖片來源:劉志恆/青玥攝影

下一個大地震在哪、何時?先聽斷層說了什麼

1999年9月21日凌晨1點47分,台灣發生了一場規模7.3的大地震,震央在南投縣集集鎮,全台 5 萬棟房子遭震垮,罹難人數超過 2,400 人。其中,台中霧峰光復國中校區因車籠埔斷層通過,地面隆起2.6公尺,多棟校舍損毀。政府決定在此設立921地震教育園區,保留這段震撼人心的歷史,並作為防災教育的重要基地。園區內兩處地震遺跡依特性設置為「車籠埔斷層保存館」和「地震工程教育館」。

-----廣告,請繼續往下閱讀-----

車籠埔斷層保存館建於原操場位置,為了保存地表破裂及巨大抬升,所以整體設計不採用樑柱結構,而是由82根長12公尺、寬2.4公尺、重約10噸的預鑄預力混凝板組成,外觀為曲線造型,技術難度極高,屬國內外首見,並榮獲多項建築獎。而地震工程教育館保留了原光復國中受損校舍,讓民眾親眼見證地震的驚人破壞力,進一步強調建築結構與安全的重要性。毀損教室旁設有由園區與「國家地震工程研究中心」共同策劃的展示館,透過互動展示,讓參觀者親手操作,學習地震工程相關知識。

國立自然科學博物館地質學組研究員蔣正興博士表示,面積上,台灣是一個狹長的小島,卻擁有高達近4000公尺的山脈,彰顯了板塊激烈擠壓、地質活動極為活躍的背景。回顧過去一百年的地震歷史,從1906年的梅山地震、1935年的新竹-台中地震,到1999年的921大地震,都發生在台灣西部,與西部的活動斷層有密切關聯,震源位於淺層,加上人口密度較高,因此對台灣西部造成了嚴重的災情。

而台灣東部是板塊劇烈擠壓的區域,地震震源分佈更廣。與西部相比,雖然東部地震更頻繁,但由於人口密度相對較低,災情相對較少。此外,台灣東北部和外海也是地震多發區,尤其是菲律賓海板塊往北隱沒至歐亞板塊的隱沒地震帶,至沖繩海槽向北延伸,甚至可能影響到台北下方,發生直下型地震,這種地震因震源位於城市正下方,危害特別大,加上台北市房屋非常老舊,若發生直下型地震,災情將非常嚴重。

除了台北市,蔣正興博士指出在台灣西部,我們特別需要關注的就是彰化斷層的影響,該斷層曾於1848年發生巨大錯動。此外,我們也需要留意西南部的地震風險,如 1906 年的梅山地震。此兩條活動斷層距今皆已超過 100 年沒活動了。至於東部,因為存在眾多活動斷層,當然也需要持續注意。

-----廣告,請繼續往下閱讀-----

我們之所以擔心某些斷層,是因為這些區域可能已經累積了相當多的能量,一旦達到臨界點,就會釋放,進而引發地震。地質學家通常會沿著斷層挖掘,尋找過去地震的證據,如受構造擾動沉積物的變化,然後透過定年技術來確定地震發生的時間點,估算出斷層的地震週期,然而,這些數字的計算過程非常複雜,需要綜合大量數據。

挑戰在於,有些斷層的活動時間非常久遠,要找到活動證據並不容易。例如,1906年的梅山地震,即使不算久遠,但挖掘出相關斷層的具體位置仍然困難,更不用說那些數百年才活動一次的斷層,如台北的山腳斷層,因為上頭覆蓋了大量沉積物,要找到並研究這些斷層更加困難。

儘管我們很難預測哪個斷層會再次活動,我們仍然可以預先對這些構造做風險評估,從過往地震事件中找到應變之道。而 921 地震教育園區,就是那個可以發現應變之道的地方。

圖:北棟教室毀損區 / 圖片來源:劉志恆/青玥攝影

921 後的 25 年

在園區服務已 11 年的黃英哲擔任志工輔導員,常代表園區到各地進行地震防災宣導。他細數 921 之後,台灣進行的六大改革。制定災害防救法,取代了總統緊急命令。修訂了建築法規,推動斷層帶禁限建與傳統校舍建築改建。組建災難搜救隊伍,在面對未來災害時能更加自主應對。為保存文化資產,增設了歷史建築類別,確保具有保存價值的建築物得到妥善照料。

-----廣告,請繼續往下閱讀-----

最後,則是推行防災教育。黃英哲表示,除了在學校定期進行防災演練,提升防災意識外,更建立了921地震教育園區,不僅作為教育場所,也是跨部門合作的平台,例如與交通部氣象署、災害防救辦公室、教育部等單位合作,進行全面的防災教育。園區內保留了斷層線的舊址,讓遊客能夠直觀地了解地震的破壞力,最具可看性;然而除此之外,園區也是 921 地震相關文物和資料的重要儲存地,為未來的地震研究提供了寶貴的資源。

堪稱園區元老,在園區服務將近 19 年,主要負責日語解說工作的陳婉茹認為,園區最大的特色是保存了斷層造成的地景變化,如抬升的操場和毀壞的教室場景,讓造訪的每個人直觀地感受地震的威力,尤其是對於年輕的小朋友,即使他們沒有親身經歷過,也能透過這些真實的展示認識到地震帶來的危險與影響。

陳婉茹回憶,之前有爸媽帶著小學低年級的小朋友來參觀,原本小朋友並不認真聽講,到處跑來跑去,但當他看到隆起的操場,立刻大聲說這他在課本看過,後來便聚精會神地聽完 40 分鐘的解說。

圖:陳婉茹在第一線負責解說工作 / 圖片來源:921地震教育園區

除了每看必震撼的地景,園區也透過持續更新策展,邀請大家深入地震跟防災的各個面向。策展人黃惠瑛負責展示設計、活動規劃、教具設計等工作。她提到,去年推出的搜救犬特展和今年的「921震災啓示展」與她的個人經歷息息相關。921 大地震時的她還是一名台中女中的住宿生,當時她儘管驚恐,依舊背著腿軟的學姊下樓,讓她在策劃這些展覽時充滿了反思。

-----廣告,請繼續往下閱讀-----

在地震體驗平臺的設計中,黃惠瑛強調不僅要讓觀眾了解災害的破壞力,更希望觀眾能從中學到防災知識。她與設計師合作,一樓展示區採用了時光機的概念,運用輕鬆、童趣的風格,希望遊客保持積極心態。二樓的地震體驗平臺結合六軸震動臺和影片,讓遊客真實感受921地震的情境。她強調,這次展覽的目標是全民,設計上避免了血腥和悲傷的元素,旨在讓觀眾帶著正向的感受離開,並重視防災意識。

圖:地震體驗劇場 / 圖片來源:921地震教育園區

籌備今年展覽的最大挑戰是緊迫的時間。從五月開始,九月完成,為了迅速而有效地與設計師溝通,黃惠瑛使用了AI工具如ChatGPT與生成圖像工具,來加快與設計師溝通的過程。

圖:黃惠瑛與設計師於文件中討論設計/ 圖片來源:921地震教育園區

蔣正興博士說,當初學界建議在此設立地震教育園區,其中一位重要推手是法國地質學家安朔葉。他曾在台灣指導十位台灣博士生,這些博士後來成為地質研究的中堅力量。1999年921大地震後,安朔葉教授立刻趕到台灣,認為光復國中是全球研究斷層和地震的最佳觀察點,建議必須保存。為紀念園區今年成立20週年,在斷層館的展示更新中,便特別強調安朔葉的貢獻與當時的操場圖。

此外,作為 20 週年的相關活動,今年九月也將與日本野島斷層保存館簽署合作備忘錄(MOU),強化合作並展示台日合作歷史。另一重頭戲則是向日本兵庫縣人與自然博物館主任研究員加藤茂弘致贈感謝狀,感謝他不遺餘力,長期協助園區斷層保存館的剖面展品保存工作。

-----廣告,請繼續往下閱讀-----
右圖:法國巴黎居禮大學安朔葉教授。左圖:兵庫縣立人與自然博物館主任研究員加藤茂弘
/ 圖片來源:921地震教育園區

前事不忘,後事之師

盡力保存斷層跟受創校舍,只因不想再重蹈覆徹。蔣正興博士表示,921地震發生在車籠埔斷層,其錯動形式成為全球地質研究的典範,尤其是在研究斷層帶災害方面。統計數據顯示,距離車籠埔斷層約100公尺內,住在上盤的罹難率約為1%,而下盤則約為0.6%。這說明住在斷層附近,特別是上盤,是非常危險的。由於台灣主要是逆斷層活動,這一數據清楚告訴我們,在上盤區域建設居住區應特別小心。

2018年花蓮米崙斷層地震就是一個例證。

在921地震後,政府在斷層帶兩側劃設了「地質敏感區」。因為斷層活動週期較長,全球大部分地區難以測試劃設敏感區的有效性,但台灣不同,斷層活動十分頻繁。例如 1951 年,米崙斷層造成縱谷地震,規模達 7.3,僅隔 67 年後,在 2018 年再次發生花蓮地震,這在全球是罕見的,也因此 2016 年劃設的地質敏感區,在 2018 年的地震中便發現,的確更容易發生地表破裂與建築受損,驗證了地質敏感區劃設的有效性。

圖:黃英哲表示曾來園區參訪的兒童寄來的問候信,是他認真工作的動力 / 圖片來源:921地震教育園區

在過去的20年裡,921地震教育園區不僅見證了台灣在防災教育上的進步,也承載著無數來訪者的情感與記憶。每一處地震遺跡,每一項展示,都在默默提醒我們,那段傷痛歷史並未走遠。然而,我們對抗自然的力量,並非源自恐懼,而是源自對生命的尊重與守護。當你走進這座園區,感受那因地震而隆起的操場,或是走過曾經遭受重創的教室,你會發現,這不僅僅是歷史的展示,更是我們每一個人的責任與使命。

-----廣告,請繼續往下閱讀-----

來吧,今年九月,走進921地震教育園區,一起在這裡找尋對未來的啓示,為台灣的下一代共同築起一個更堅固、更安全的家園。

圖:今年九月,走進921地震教育園區 / 圖片來源:劉志恆/青玥攝影

延伸閱讀:
高風險? 家踩「斷層帶、地質敏感區」買房留意
「我摸到台灣的心臟!」法國地質學家安朔葉讓「池上斷層」揚名國際
百年驚奇-霧峰九二一地震教育園區|天下雜誌

-----廣告,請繼續往下閱讀-----

討論功能關閉中。