Loading [MathJax]/extensions/tex2jax.js

1

8
3

文字

分享

1
8
3

阿茲海默症靠吃藥效果有限?關鍵基因找到了!

PanSci_96
・2023/08/13 ・5061字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

你身邊有人罹患失智症嗎?失智症和其他破壞身體的疾病很不一樣,它攻陷和摧毀心智,使我們最愛的人變成陌生人。其中,有六到七成的失智症患者都患有阿茲海默症,2023 年 5 月,對抗阿茲海默症的護腦基因研究出爐,有機會打破幾乎束手無策的現狀,催生出治病的新藥和新策略。而且,這是 6000 人、跨越 30 多年用他們的人生教給我們的一堂課。

為什麼整個世紀阿茲海默症都沒藥醫?

1906年德國一位醫師阿茲海默(Alois Alzheimer)發表一個病例,這名女性患者在生前接受治療的期間答非所問、時間感混亂,也不知道自己身在何處,這種導致大腦病變的疾病後來就稱為阿茲海默症(Alzheimer’s disease)。

這位病患過世後,阿茲海默醫師解剖她的大腦,發現腦部嚴重萎縮,而且腦組織的切片經過銀染色後,可以看到布滿許多斑塊,神經細胞也扭曲變形,這兩種腦部的變化到現在還是診斷阿茲海默症的重要依據。

後來的科學家接棒研究,檢驗出這些斑塊是由一類叫做類澱粉蛋白質(amyloids)的不可溶蛋白質所形成,這些蛋白質會沉澱在神經細胞外面,部分研究者猜想這些斑塊或許是導致神經細胞活性衰減或死亡的兇手。而這些異常蛋白質跟食物裡的澱粉沒有關係,只是因為染色以後看起來和澱粉染色類似,澱粉的拉丁語是 amylum,所以早期的科學家就把它叫做類澱粉蛋白質 amyloid,一直延用到今天。

-----廣告,請繼續往下閱讀-----
異常蛋白質染色以後看起來和澱粉染色類似。圖/PanSci YouTube

神經細胞的扭曲變形則是因為神經細胞裡面冒出了大量的 Tau 蛋白質,這種蛋白質會在細胞內部聚集成雜亂糾結的纖維狀結構,也可能因此造成神經細胞沒辦法正常運作。

抓到大腦異狀的可疑元凶了,離找到解藥就不遠了吧?沒想到焦急的病患和家人們這一等,就等了快要 90 年。

第一個阿茲海默症的藥一直到 1993 年才推出,而且只能延緩心智瓦解的速度,沒辦法逆轉病程。1993 到 2003 年之間,一共有 5 種藥上市,其中 4 種的功效是提高神經傳導物質乙醯膽鹼的濃度,使神經訊號能順利傳送;另一種藥作用在神經細胞膜上的 NMDA 受體(N-methyl-D-aspartate receptor),這種受體分布在腦部多個區域,可以接收神經訊號,和認知學習有關。打個比方,這些藥都像是給瀕臨油盡燈枯的腦神經細胞打強心針,再盡可能多傳遞一些訊號,只能暫時減輕症狀,沒辦法解除病因。

目前全球失智症患者估計已經超過五千五百萬人,估計 2050 年時會膨脹到將近一億四千萬人;臺灣更是現在進行式,推估 80 歲以上每 5 個人就有 1 個人失智。一個影響如此之大的疾病,卻只有少得可憐的解方。綜觀整部醫療史,這種山窮水盡的情況其實很少見,其他的病再怎樣難纏,或多或少總可以想出一些辦法,就算是萬病之王癌症,人類還是不斷做出新藥、新療法,不會落到這種兩手一攤無計可施的地步。

-----廣告,請繼續往下閱讀-----
臺灣五歲分年齡層失智症盛行率。圖/台灣失智症協會

2003 年以後又是一大段空白,到了 2021 年——距離發現阿茲海默症已經有 115 年之久——終於有新藥 Aducanumab 問世,它是第一種直接針對可能病因的藥物,鎖定的目標是清除類澱粉蛋白質。

爭議藥物強行通關,FDA委員憤而辭職

然而這款藥飽受爭議。大致來說,它最大的問題是雖然能減少類澱粉斑塊,但是只有部分受試患者的認知功能稍有改善。當時美國食品及藥物管理局(FDA)諮詢委員會的 11 名委員中 1 人棄權、10 個人投下反對票,可見得專家並不認同這款藥達到上市標準,但是 FDA 還是在病患人數多、有迫切醫療需求等等考量下強行核准過關。事後陸續有 3 名專家憤而辭職,掀起醫界不小的波瀾。

2023 年 1 月,第二種新藥 Lecanemab 推出,治療過程中可以把認知功能退化速度減少約四分之一;5 月上旬,第三種藥 Donanemab 公布第三期人體臨床試驗結果,減少認知退化速度約三分之一。兩種藥也都針對類澱粉斑塊,療效比第一種藥 Aducanumab 好了不少,但是使用上有限制,例如 Lecanemab 建議在疾病早期使用,效果可能比較好,然而很多阿茲海默症患者確診時已經是中晚期。兩種藥也有副作用,例如用藥後部分患者發生腦水腫或腦出血。

換句話說,現在寥寥無幾的藥都還有無法忽視的缺陷。找藥已經找到焦頭爛額的科學家,靈光一閃,另闢蹊徑從基因下手。而且,真的在陰霾中找到了一線亮光。

-----廣告,請繼續往下閱讀-----

害腦基因 VS. 護腦基因,腦部小宇宙裡的戰爭

過去兩三個世代的科學家費盡心思,上山下海去搜索和阿茲海默症罹病風險相關的基因,他們決定直球對決:想辦法抑制或清除掉致病基因產生的壞東西,大腦自然就沒事了。

比如說,第一型早老素(PSEN1)、第二型早老素(PSEN2),以及 APOE 脂蛋白(Apolipoprotein E)基因等等。早老素顧名思義,被認為和腦神經功能衰退相關;APOE 則是和人體代謝膽固醇及三酸甘油酯有關,也會影響腦部類澱粉蛋白質的沉積過程。

有會傷害大腦的基因,那有沒有能保護大腦的基因呢?

但是也有科學家偏要和別人逆向,他們問的問題很簡單:既然有會毒害大腦的基因,那有沒有能保護大腦的基因呢?他們認為,只要弄清楚這些基因是用什麼方式為腦細胞穿上金鐘罩鐵布衫,人類就可以效仿了。

但是這種研究非常困難。原因是如果要找壞基因,可以藉由比對病人和健康人的 DNA,先勾勒出一個模糊的輪廓。就好像拿癌細胞和健康細胞來互相比較,可以挖到深埋在 DNA 裡的致癌基因。但是要找護腦基因,卻沒有對照組可以當成參考的基準點。也因為這個主要障礙,這類研究推進得相當龜速。

-----廣告,請繼續往下閱讀-----

為什麼沒有對照組呢?因為最理想的受測者必須滿足三項條件。第一,他體內要攜帶能保護腦的基因,雖然科學家這時候還不知道這些基因是什麼;第二,他同時也帶有會傷害腦的基因;還有關鍵的第三點,那就是要可以觀察到護腦基因發功,壓過傷腦基因的破壞力道。

天啊,這也太困難了!不過科學家找到了理想的試驗對象,或許更精確的形容詞是,終於讓他們「等」到了。

尋找阿茲海默症致病基因——阿茲海默症家族

在南美洲哥倫比亞,有一個被早發型阿茲海默症魔咒纏身的大家族,人數約有 6 千人,其中許多人通常在 40 到 50 歲間就發病,遠比一般人早,病情惡化速度也更快。科學家追蹤這個家族 30 多年,鑑別出和腦部退化相關的多個遺傳因素。

2023 年 5 月,研究團隊在《Nature Medicine》發表成果,他們分析了大約一千兩百位帶有早發型致病基因的家族成員,從中找到一名特殊個案,這個男性首次接受認知功能測試的時候是 67 歲,已經超過發病年齡中位數 20 多年,但是卻只有輕度的認知障礙,沒有惡化成失智。

-----廣告,請繼續往下閱讀-----

之後,科學家掃描這個人的大腦,發現腦部堆積大量的類澱粉斑塊,還有 Tau 蛋白質造成的神經細胞纖維糾結,簡單來說,他的大腦就像一個嚴重失智病人的腦。不過,其中有一塊名叫內嗅皮質(entorhinal cortex)的腦區,只有少少的 Tau 蛋白質。

內嗅皮質緊貼著掌管記憶形成過程的海馬迴(hippocampus),它的角色有點像海馬迴的守門人,能把遠處腦區傳來的電訊號接力送進海馬迴,先前已知內嗅皮質和記憶及空間定位能力有關。

2014 年諾貝爾生醫獎得主歐基輔和穆瑟夫婦,因為發現動物利用腦中一組排列成六角形網格狀的特殊細胞來記住地圖和認路,因而獲得殊榮,網格細胞就是位在內嗅皮質。阿茲海默症患者的內嗅皮質通常在疾病早期就遭到破壞,因此導致頻繁迷路、出得了門回不了家的症狀。或許我們該幫索隆檢查一下內嗅皮質?

常常迷路的索隆。圖/tenor

研究團隊進一步分析這個男性的基因,發現他有一個稱為 RELN 的基因發生突變。RELN 基因已知和思覺失調症、躁鬱症等腦部變化有關聯,但科學家以往對這個基因和阿茲海默症的關聯了解得不多。

-----廣告,請繼續往下閱讀-----

RELN 基因和阿茲海默症的關聯

為了瞭解這種突變會觸發什麼後續效果,研究者改造小鼠的基因,試驗結果發現,突變 RELN 基因轉譯出來的蛋白質,會促使 Tau 蛋白質發生化學修飾,降低了某些腦區裡 Tau 蛋白質聚集形成纖維糾結的能力。

這項研究其實是史上第二例基因突變大幅延緩早發型阿茲海默症病程的報告,第一例是同一個家族的一位女性,2019 年發表在《Nature Medicine》,她比同家族人晚了將近 30 年才發病,不過她發生突變的地方是在 APOE 基因,突變後 APOE 脂蛋白的致病力減弱,比較難以造成腦部病變。

阿茲海默的新假設與新挑戰

這兩份研究報告帶出了一個假設,以及一個挑戰。新的假設是,用人為方式加強 RELN 的護腦效果,或是削弱 APOE 的傷腦能力,對於開發新藥和新療法來說可能是更好的目標。

不過,持平來說,目前這類護腦基因突變僅僅發現兩例,還太少了,只能用試驗結果建立假說,也不能確定是不是適用於所有患者,必須累積更多調查和試驗數據才能判斷。

-----廣告,請繼續往下閱讀-----

提出的新挑戰則是,現在 FDA 核准的藥物都是鎖定類澱粉蛋白質為目標,還有一大堆同類的藥正在燒鈔票試驗中,但是新研究對於類澱粉斑塊致病假說是一記強而有力的警鐘。或許 Tau 蛋白質的角色一直被誤解了,它才是真正的幕後黑手?又或許根本不需要保護整個腦,只要想辦法保住關鍵腦區或必要的神經元通道,就可以對抗阿茲海默症?這些問題都是接下來研究的重點。

腦真的是類澱粉蛋白質殺的?阿茲海默症研究風向轉變中

類澱粉蛋白質是主要致病元兇的說法在近幾年已經受到不少質疑。原因有好幾個,概略來說,主因是科學家陸陸續續看到一些當事人大腦裡有類澱粉斑塊沉積,但是心智沒有明顯受影響的案例;還有,長久以來全球許多研究團隊把類澱粉蛋白質當作開發藥物的目標,結果失敗率幾乎是 100%,也讓人對這個假說起疑。

就在 2022 年,阿茲海默症醫療史上一樁惡名昭彰的醜聞爆發,更把致病原因的爭議推上最高點。

事件導火線是一位神經科學家揭露 2006 年發表在《Nature》的一篇阿茲海默症經典論文涉嫌造假,這篇報告以及它後續的研究,提出某個類型的類澱粉蛋白質可能導致阿茲海默症的看法。2022 年 7 月《Science》刊出長篇報導,指出科學界調查認為有數百張論文圖片疑似有問題。

2006 年發表在《Nature》的一篇阿茲海默症經典論文涉嫌造假,調查認為有數百張論文圖片疑似有問題。圖/PanSci YouTube

這把火最直接燒出來的問題是,會不會整整十六年來大家都被誤導了?白白浪費了大批科學家的時間,連帶燒掉幾千萬甚至幾億美元。這裡我們沒辦法再多講細節,如果你想更詳細瞭解這場「阿茲海默之亂」和後續影響,想知道研發阿茲海默藥物的百年崎嶇路和未來進程的更多新知,或是想跟上失智症的其他最新研究,歡迎加入我們的頻道會員來投票喔!

不過,這並不是說類澱粉斑塊假說就此被一竿子打翻,畢竟很多患者大腦有明確的斑塊沉積是事實,而且醜聞裡牽涉到的只是類澱粉蛋白質之中的特定類型;再加上 2023 年針對類澱粉斑塊的 Lecanemab 和 Donanemab 兩款新藥的確有療效,也是有力的佐證。

目前生物醫學界的看法,逐漸轉向認為阿茲海默症很可能不是單一種疾病,而是應該再切分出多種亞型,類澱粉蛋白質斑塊是部分患者的病因但不是全部。打個比方,就好像同樣是肺癌,按照基因差異和疾病進程不同,醫師和科學家可以把患者再分成多個小群,每一群都有相對更適合的療法。

阿茲海默症很可能不是單一種疾病,而是應該再切分出多種亞型。圖/PanSci YouTube

舉例來說,前面說到的從阿茲海默症家族發現的傷腦和護腦基因,以及關鍵腦區有沒有受損,或許就有機會成為打開分型治療之門的幾把鑰匙。

如果這個多亞型的新觀點成立的話,那麼要怎麼樣為患者分型?有哪些生物標記可以用?每種亞型要怎麼治療?這些一連串問題勢必會變成接下來研究的重點,我們也可以想像得到,阿茲海默症的醫療即將出現百花齊放的局面,不過呢,這又是另一個故事了。如果你身邊有人也對這個議題好奇,歡迎分享給他,如果你就是阿茲海默症的患者跟照顧者,在此跟你說聲辛苦了。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
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
1

文字

分享

0
1
1
伺服器過熱危機!液冷與 3D VC 技術如何拯救高效運算?
鳥苷三磷酸 (PanSci Promo)_96
・2025/04/11 ・3194字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

本文與 高柏科技 合作,泛科學企劃執行。

當我們談論能擊敗輝達(NVIDIA)、Google、微軟,甚至是 Meta 的存在,究竟是什麼?答案或許並非更強大的 AI,也不是更高速的晶片,而是你看不見、卻能瞬間讓伺服器崩潰的「熱」。

 2024 年底至 2025 年初,搭載 Blackwell 晶片的輝達伺服器接連遭遇過熱危機,傳聞 Meta、Google、微軟的訂單也因此受到影響。儘管輝達已經透過調整機櫃設計來解決問題,但這場「科技 vs. 熱」的對決,才剛剛開始。 

不僅僅是輝達,微軟甚至嘗試將伺服器完全埋入海水中,希望藉由洋流降溫;而更激進的做法,則是直接將伺服器浸泡在冷卻液中,來一場「浸沒式冷卻」的實驗。

-----廣告,請繼續往下閱讀-----

但這些方法真的有效嗎?安全嗎?從大型數據中心到你手上的手機,散熱已經成為科技業最棘手的難題。本文將帶各位跟著全球散熱專家 高柏科技,一同看看如何用科學破解這場高溫危機!

運算=發熱?為何電腦必然會發熱?

為什麼電腦在運算時溫度會升高呢? 圖/unsplash

這並非新問題,1961年物理學家蘭道爾在任職於IBM時,就提出了「蘭道爾原理」(Landauer Principle),他根據熱力學提出,當進行計算或訊息處理時,即便是理論上最有效率的電腦,還是會產生某些形式的能量損耗。因為在計算時只要有訊息流失,系統的熵就會上升,而隨著熵的增加,也會產生熱能。

換句話說,當計算是不可逆的時候,就像產品無法回收再利用,而是進到垃圾場燒掉一樣,會產生許多廢熱。

要解決問題,得用科學方法。在一個系統中,我們通常以「熱設計功耗」(TDP,Thermal Design Power)來衡量電子元件在正常運行條件下產生的熱量。一般來說,TDP 指的是一個處理器或晶片運作時可能會產生的最大熱量,通常以瓦特(W)為單位。也就是說,TDP 應該作為這個系統散熱的最低標準。每個廠商都會公布自家產品的 TDP,例如AMD的CPU 9950X,TDP是170W,GeForce RTX 5090則高達575W,伺服器用的晶片,則可能動輒千瓦以上。

-----廣告,請繼續往下閱讀-----

散熱不僅是AI伺服器的問題,電動車、儲能設備、甚至低軌衛星,都需要高效散熱技術,這正是高柏科技的專長。

「導熱介面材料(TIM)」:提升散熱效率的關鍵角色

在電腦世界裡,散熱的關鍵就是把熱量「交給」導熱效率高的材料,而這個角色通常是金屬散熱片。但散熱並不是簡單地把金屬片貼在晶片上就能搞定。

現實中,晶片表面和散熱片之間並不會完美貼合,表面多少會有細微間隙,而這些縫隙如果藏了空氣,就會變成「隔熱層」,阻礙熱傳導。

為了解決這個問題,需要一種關鍵材料,導熱介面材料(TIM,Thermal Interface Material)。它的任務就是填補這些縫隙,讓熱可以更加順暢傳遞出去。可以把TIM想像成散熱高速公路的「匝道」,即使主線有再多車道,如果匝道堵住了,車流還是無法順利進入高速公路。同樣地,如果 TIM 的導熱效果不好,熱量就會卡在晶片與散熱片之間,導致散熱效率下降。

-----廣告,請繼續往下閱讀-----

那麼,要怎麼提升 TIM 的效能呢?很直覺的做法是增加導熱金屬粉的比例。目前最常見且穩定的選擇是氧化鋅或氧化鋁,若要更高效的散熱材料,則有氮化鋁、六方氮化硼、立方氮化硼等更高級的選項。

典型的 TIM 是由兩個成分組成:高導熱粉末(如金屬或陶瓷粉末)與聚合物基質。大部分散熱膏的特點是流動性好,盡可能地貼合表面、填補縫隙。但也因為太「軟」了,受熱受力後容易向外「溢流」。或是造成基質和熱源過分接觸,高分子在高溫下發生熱裂解。這也是為什麼有些導熱膏使用一段時間後,會出現乾裂或表面變硬。

為了解決這個問題,高柏科技推出了凝膠狀的「導熱凝膠」,說是凝膠,但感覺起來更像黏土。保留了可塑性、但更有彈性、更像固體。因此不容易被擠壓成超薄,比較不會熱裂解、壽命也比較長。

OK,到這裡,「匝道」的問題解決了,接下來的問題是:這條散熱高速公路該怎麼設計?你會選擇氣冷、水冷,還是更先進的浸沒式散熱呢?

-----廣告,請繼續往下閱讀-----

液冷與 3D VC 散熱技術:未來高效散熱方案解析

除了風扇之外,目前還有哪些方法可以幫助電腦快速散熱呢?圖/unsplash

傳統的散熱方式是透過風扇帶動空氣經過散熱片來移除熱量,也就是所謂的「氣冷」。但單純的氣冷已經達到散熱效率的極限,因此現在的散熱技術有兩大發展方向。

其中一個方向是液冷,熱量在經過 TIM 後進入水冷頭,水冷頭內的不斷流動的液體能迅速帶走熱量。這種散熱方式效率好,且增加的體積不大。唯一需要注意的是,萬一元件損壞,可能會因為漏液而損害其他元件,且系統的成本較高。如果你對成本有顧慮,可以考慮另一種方案,「3D VC」。

3D VC 的原理很像是氣冷加液冷的結合。3D VC 顧名思義,就是把均溫板層層疊起來,變成3D結構。雖然均溫板長得也像是一塊金屬板,原理其實跟散熱片不太一樣。如果看英文原文的「Vapor Chamber」,直接翻譯是「蒸氣腔室」。

在均溫板中,會放入容易汽化的工作流體,當流體在熱源處吸收熱量後就會汽化,當熱量被帶走,汽化的流體會被冷卻成液體並回流。這種利用液體、氣體兩種不同狀態進行熱交換的方法,最大的特點是:導熱速度甚至比金屬的熱傳導還要更快、熱量的分配也更均勻,不會有熱都聚集在入口(熱源處)的情況,能更有效降溫。

-----廣告,請繼續往下閱讀-----

整個 3DVC 的設計,是包含垂直的熱導管和水平均溫板的 3D 結構。熱導管和均溫板都是採用氣、液兩向轉換的方式傳遞熱量。導熱管是電梯,能快速把散熱工作帶到每一層。均溫板再接手將所有熱量消化掉。最後當空氣通過 3DVC,就能用最高的效率帶走熱量。3DVC 跟水冷最大的差異是,工作流體移動的過程經過設計,因此不用插電,成本僅有水冷的十分之一。但相對的,因為是被動式散熱,其散熱模組的體積相對水冷會更大。

從 TIM 到 3D VC,高柏科技一直致力於不斷創新,並多次獲得國際專利。為了進一步提升 3D VC 的散熱效率並縮小模組體積,高柏科技開發了6項專利技術,涵蓋系統設計、材料改良及結構技術等方面。經過設計強化後,均溫板不僅保有高導熱性,還增強了結構強度,顯著提升均溫速度及耐用性。

隨著散熱技術不斷進步,有人提出將整個晶片組或伺服器浸泡在冷卻液中的「浸沒式冷卻」技術,將主機板和零件完全泡在不導電的特殊液體中,許多冷卻液會選擇沸點較低的物質,因此就像均溫板一樣,可以透過汽化來吸收掉大量的熱,形成泡泡向上浮,達到快速散熱的效果。

然而,因為水會導電,因此替代方案之一是氟化物。雖然效率差了一些,但至少可以用。然而氟化物的生產或廢棄時,很容易產生全氟/多氟烷基物質 PFAS,這是一種永久污染物,會對環境產生長時間影響。目前各家廠商都還在試驗新的冷卻液,例如礦物油、其他油品,又或是在既有的液體中添加奈米碳管等特殊材質。

-----廣告,請繼續往下閱讀-----

另外,把整個主機都泡在液體裡面的散熱邏輯也與原本的方式大相逕庭。如何重新設計液體對流的路線、如何讓氣泡可以順利上浮、甚至是研究氣泡的出現會不會影響元件壽命等等,都還需要時間來驗證。

高柏科技目前已將自家產品提供給各大廠商進行相容性驗證,相信很快就能推出更強大的散熱模組。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
224 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

1
0

文字

分享

0
1
0
E10 低碳汽油:台灣減碳新契機,為何我們應該接受?
鳥苷三磷酸 (PanSci Promo)_96
・2025/01/17 ・3468字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

本文與美國穀物協會合作,泛科學企劃執行。

台灣將在 2040 年禁售燃油車。但別急,現在路上開的舊有車款不會馬上報廢消失,因為舊有的車輛會繼續開到年限結束。根據計算,當禁售燃油車的那一天來臨時,還有大約 60% 的車輛是燃油車。這時,在多數交通工具還是燃油的情況下,美國、歐盟等國已經開始使用酒精燃料來減少碳排放,那麼,台灣也能做到嗎?

你聽過 E3、E10 汽油嗎?

這是指在汽油中加入酒精,E3 代表有 3% 的汽油被酒精取代,而 E10 則是 10% 的汽油換成酒精。酒精是一種抗爆震性能更好的燃料,且比化石燃料更環保,因為它可以來自生質燃料,碳排放也較低。即便算上運輸和加工的碳足跡,用玉米製造的乙醇仍比傳統汽油的碳排放低了 43%。其實,在美國、歐洲、澳洲等地,E10 或更高比例的酒精汽油早已廣泛使用,這在我們之前的影片中也有提過。

現在,台灣有 14 間加油站可以加到 E3 汽油,而中油也正積極促使相關部門開放 E10 汽油的銷售。

-----廣告,請繼續往下閱讀-----

不過,在推動這項改變之前,仍有許多民眾對酒精汽油有疑慮。大家最關心的問題是,把不是汽油的燃料放到引擎中,到底會不會對車輛引擎造成不良影響?例如會不會影響引擎運行,甚至影響里程數?
其實,換燃料確實會對引擎有影響,因為不同燃料燃燒後所產生的能量與副產物都不一樣。但別擔心,根據我們之前的討論,2011 年以後生產的所有汽車,還有大部分 1990 年代後期生產的汽機車,都能直接相容 E10 汽油。換句話說,除了少數舊車或特殊車型,約 95% 的汽機車都不需要擔心這個相容性問題。

2011 年以後生產的所有汽車,還有大部分 1990 年代後期生產的汽機車,都能直接相容 E10 汽油。圖 / 美國穀物協會提供

E10 汽油在效能上的表現,會不會受到影響?

學過化學的人都知道,燃燒其實是一種氧化反應,可以用化學式表達。也就是只要汽缸的大小是固定的,就能算出空氣中能參與氧化反應的氧氣分子有多少,進而推算出每次汽缸燃燒時,應該搭配多少的燃料。

當引擎運作時,汽缸內的氧氣分子會與燃料反應,產生動力。為了最佳化效能,引擎的噴油嘴會精準控制每次的進油量,確保空氣和燃料的比例,稱為「空燃比」。接著調整噴油嘴的設定,讓出油量符合我們的需求。

每當空氣成分改變,燃料量或燃料的種類更換時,空燃比就會產生變化。在燃料相對空氣來說比較多時,我們通常稱為「富油」;相反的,如果燃料相比空氣來的少,就稱為「貧油」。如果我們把汽油換成百分之百的酒精,因為酒精每單位體積所需要的氧氣比較少,而且熱值比較低,因此會產生貧油現象,推力感受起來自然也會比較低。

要解決這個問題,方法其實不難,只要增加燃料量即可。而巴西早已證明,使用 E100 汽油是可行的。巴西近 50 年來推動 E85、E100 燃料車輛,並展示了彈性燃料引擎的優勢。

而巴西早已證明,使用 E100 汽油是可行的。巴西近 50 年來推動 E85、E100 燃料車輛,並展示了彈性燃料引擎的優勢。圖/美國穀物協會

這類交通工具被稱為彈性燃料引擎,顧名思義,能很彈性的使用汽油、E100 酒精汽油、或是任何比例的甲醇、乙醇、汽油的混合物。彈性燃料引擎跟一般引擎最大的差別,就是內建了「燃料成分感測器」。能透過判斷燃料的種類與比例,調整噴油嘴的出油量設定以及點火正時,讓引擎的輸出動力維持在最佳狀態,確保引擎效能不受影響。

-----廣告,請繼續往下閱讀-----

所謂的點火正時,指的是火星塞點火的時機。不同的燃料,化學反應的速度與膨脹的體積不同,當然會對應不同的點火時機。

但是 E100 其實也不是純酒精?

大家都知道,蒸餾酒需要經過多次反覆蒸餾,為什麼不能只蒸餾一次就好呢?原因在於,酒精與水的沸點雖然不同,但它們不完全互斥,會產生交互作用。在蒸餾過程中,即使酒精的沸點較低,水仍然會在加熱的過程中,隨著酒精部分蒸發進入容器中。

事實上,當酒精濃度達到 95.63% 時,不論再怎麼蒸餾,濃度也不會再上升。這是因為當酒精濃度接近這個比例時,酒精與水的沸點非常接近,這種現象稱為「共沸」,意思是酒精和水的混合物會一起沸騰,無法再進一步蒸餾分離。

共沸現象的結果,就是為什麼市面上銷售的藥用酒精,濃度最高都是 95%,而非 100%。因為更高濃度就必須使用脫水劑等方式處理,成本會提高,或是因為有添加物而不符合藥用標準。所以當然,E100 汽油裡面,實際上使用的也是濃度 95% 的酒精,而不是 100%。

-----廣告,請繼續往下閱讀-----
E100 汽油裡面,實際上使用的也是濃度 95% 的酒精,而不是 100%。 圖 / 美國穀物協會提供

解決迷思:酒精汽油是否容易因吸收水分,而產生油水分離?

事實上,酒精和水是高度互溶的,這使得高比例的酒精在汽油中有更高的水分耐受性。簡單來說,進入油箱的水氣,會溶在酒精汽油中而不會產生油水分離。

根據美國國家可再生能源實驗室的研究,即使在高溫高濕的極端環境下,E10 酒精汽油也需要經過三個月才會出現明顯的油水分離。而三個月也是一般汽油建議最長的保存時間,因為汽油放太久就會氧化。

也就是說,酒精與水混和物的特性,不是把酒精和水的相加除以二那麼簡單,它們的交互作用更加複雜。

一篇刊登在《國際能源研究期刊》的研究指出,在可變壓縮比引擎中的實驗結果,加入酒精後,引擎的功率會逐漸升高,在 E10 酒精時為最佳比例效果。

-----廣告,請繼續往下閱讀-----

當然,實際情況和實驗室當然不能直接類比。大多數汽車和機車並未專門為酒精汽油做調整,那這樣會有多大影響呢?根據英國政府的官方結論,直接使用 E10 汽油與一般汽油相比,每公升的里程數大約會降低 1%,但在日常駕駛中,這個差異幾乎不會被察覺。實際上,載貨量和駕駛習慣對油耗的影響,遠遠大於是否使用 E10 汽油的影響。

更好的一點是,酒精其實是一種常見的工業用品,以每美國為例,在過去一年中,酒精的離岸價格實際上都比汽油還低,因此不用擔心酒精會讓油價變貴。

此外,經過調校的引擎也不必擔心推力問題。事實上,F1 賽車從 2022 年開始使用 E10 作為燃料,納斯卡賽車更早在 2011 年就採用了 E15 燃料,運行上沒有太大問題。

F1 賽車從 2022 年開始使用 E10 作為燃料,納斯卡賽車更早在 2011 年就採用了 E15 燃料,運行上沒有太大問題。圖/unsplash

最重要的是,使用 E10 燃料的好處明顯更多。由於酒精和烷類燃料的分子式不一樣,酒精分子式中多了一個氧原子,這使得燃燒過程中反應會更完全,能夠產生更多二氧化碳而非有毒的一氧化碳,同時降低一氧化氮和二氧化氮等氮氧化物的產生。

-----廣告,請繼續往下閱讀-----

最關鍵的一點,酒精與化石燃料相比,能夠更快速地幫助減碳。只要確保使用永續農法、不與糧食競爭土地的前提下,所製造的玉米乙醇,碳排量就是比化石燃料還要低。

E10 低碳汽油是填補減碳缺口的最快方案,挑戰只在接受度

英國引入 E10 後,每年減碳 75 萬噸,相當於減少 35 萬輛汽車的碳排量。而台灣呢?目前根據政策規劃,台灣 2040 年起將新售的汽機車全面電動化。依照這個目標進程,在 2025 年將達成減碳 288.6 萬噸的目標。然而,這距離運輸部門須減少 487 萬噸碳排量目標,還差 198 萬噸。

如果燃油車全面改用 E10 低碳汽油,則能減碳 202 萬噸,幾乎能完全彌補缺口。這項方案的優勢在於,E10 與一般汽油性質相近,不需更換新的引擎設計或架設特規加油站,執行門檻低。

實際上,目前推動低碳汽油最大的瓶頸,大概就是民眾對於這個新燃料的接受度了吧!如果接受度提升,購買量上升,成本也有機會進一步再下降。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
鳥苷三磷酸 (PanSci Promo)_96
224 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

1
0

文字

分享

0
1
0
數智驅動未來:從信任到執行,AI 為企業創新賦能
鳥苷三磷酸 (PanSci Promo)_96
・2025/01/13 ・4938字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

本文由 鼎新數智 與 泛科學 共同規劃與製作

你有沒有想過,當 AI 根據病歷與 X 光片就能幫你診斷病症,或者決定是否批准貸款,甚至從無人機發射飛彈時,它的每一步「決策」是怎麼來的?如果我們不能知道 AI 的每一個想法步驟,對於那些 AI 輔助的診斷和判斷,要我們如何放心呢?

馬斯克與 OpenAI 的奧特曼鬧翻後,創立了新 AI 公司 xAI,並推出名為 Grok 的產品。他宣稱目標是以開源和可解釋性 AI 挑戰其他模型,而 xAI 另一個意思是 Explainable AI 也就是「可解釋性 AI」。

如今,AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?

-----廣告,請繼續往下閱讀-----
AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?圖/pexels

黑盒子模型背後的隱藏秘密

無法解釋的 AI 究竟會帶來多少問題?試想,現在許多銀行和貸款機構已經使用 AI 評估借貸申請者的信用風險,但這些模型往往如同黑箱操作。有人貸款被拒,卻完全不知原因,感覺就像被分手卻不告訴理由。更嚴重的是,AI 可能擅自根據你的住所位置或社會經濟背景給出負面評價,這些與信用風險真的相關嗎?這種不透明性只會讓弱勢群體更難融入金融體系,加劇貧富差距。這種不透明性,會讓原本就已經很難融入金融體系的弱勢群體,更加難以取得貸款,讓貧富差距越來越大,雪上加霜。

AI 不僅影響貸款,還可能影響司法公正性。美國部分法院自 2016 年起使用「替代性制裁犯罪矯正管理剖析軟體」 COMPAS 這款 AI 工具來協助量刑,試圖預測嫌犯再犯風險。然而,這些工具被發現對有色人種特別不友好,往往給出偏高的再犯風險評估,導致更重的刑罰和更嚴苛的保釋條件。更令人擔憂的是,這些決策缺乏透明度,AI 做出的決策根本沒法解釋,這讓嫌犯和律師無法查明問題根源,結果司法公正性就這麼被悄悄削弱了。

此外,AI 在醫療、社交媒體、自駕車等領域的應用,也充滿類似挑戰。例如,AI 協助診斷疾病,但若原因報告無法被解釋,醫生和患者又怎能放心?同樣地,社群媒體或是 YouTube 已經大量使用 AI 自動審查,以及智慧家居或工廠中的黑盒子問題,都像是一場越來越複雜的魔術秀——我們只看到結果,卻無法理解過程。這樣的情況下,對 AI 的信任感就成為了一個巨大的挑戰。

為什麼人類設計的 AI 工具,自己卻無法理解?

原因有二。首先,深度學習模型結構複雜,擁有數百萬參數,人類要追蹤每個輸入特徵如何影響最終決策結果,難度極高。例如,ChatGPT 中的 Transformer 模型,利用注意力機制(Attention Mechanism)根據不同詞之間的重要性進行特徵加權計算,因為機制本身涉及大量的矩陣運算和加權計算,這些數學操作使得整個模型更加抽象、不好理解。

-----廣告,請繼續往下閱讀-----

其次,深度學習模型會會從資料中學習某些「特徵」,你可以當作 AI 是用畫重點的方式在學習,人類劃重點目的是幫助我們加速理解。AI 的特徵雖然也能幫助 AI 學習,但這些特徵往往對人類來說過於抽象。例如在影像辨識中,人類習慣用眼睛、嘴巴的相對位置,或是手指數量等特徵來解讀一張圖。深度學習模型卻可能會學習到一些抽象的形狀或紋理特徵,而這些特徵難以用人類語言描述。

深度學習模型通常採用分佈式表示(Distributed Representation)來編碼特徵,意思是將一個特徵表示為一個高維向量,每個維度代表特徵的不同方面。假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。對 AI 而言,這是理解世界的方式,但對人類來說,卻如同墨跡測驗般難以解讀。

假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。圖/unsplash

試想,AI 協助診斷疾病時,若理由是基於醫生都無法理解的邏輯,患者即使獲得正確診斷,也會感到不安。畢竟,人們更相信能被理解的東西。

打開黑盒子:可解釋 AI 如何運作?我們要如何教育 AI?

首先,可以利用熱圖(heatmap)或注意力圖這類可視化技術,讓 AI 的「思維」有跡可循。這就像行銷中分析消費者的視線停留在哪裡,來推測他們的興趣一樣。在卷積神經網絡和 Diffusion Models 中 ,當 AI 判斷這張照片裡是「貓」還是「狗」時,我需要它向我們展示在哪些地方「盯得最緊」,像是耳朵的形狀還是毛色的分布。

-----廣告,請繼續往下閱讀-----

其次是局部解釋,LIME 和 SHAP 是兩個用來發展可解釋 AI 的局部解釋技術。

SHAP 的概念來自博弈,它將每個特徵看作「玩家」,而模型的預測結果則像「收益」。SHAP 會計算每個玩家對「收益」的貢獻,讓我們可以了解各個特徵如何影響最終結果。並且,SHAP 不僅能透過「局部解釋」了解單一個結果是怎麼來的,還能透過「全局解釋」理解模型整體的運作中,哪些特徵最重要。

以實際的情景來說,SHAP 可以讓 AI 診斷出你有某種疾病風險時,指出年齡、體重等各個特徵的影響。

LIME 的運作方式則有些不同,會針對單一個案建立一個簡單的模型,來近似原始複雜模型的行為,目的是為了快速了解「局部」範圍內的操作。比如當 AI 拒絕你的貸款申請時,LIME 可以解釋是「收入不穩定」還是「信用紀錄有問題」導致拒絕。這種解釋在 Transformer 和 NLP 應用中廣泛使用,一大優勢是靈活且計算速度快,適合臨時分析不同情境下的 AI 判斷。比方說在醫療場景,LIME 可以幫助醫生理解 AI 為何推薦某種治療方案,並說明幾個主要原因,這樣醫生不僅能更快做出決策,也能增加患者的信任感。

-----廣告,請繼續往下閱讀-----

第三是反事實解釋:如果改變一點點,會怎麼樣?

如果 AI 告訴你:「這家銀行不會貸款給你」,這時你可能會想知道:是收入不夠,還是年齡因素?這時你就可以問 AI:「如果我年輕五歲,或者多一份工作,結果會怎樣?」反事實解釋會模擬這些變化對結果的影響,讓我們可以了解模型究竟是如何「權衡利弊」。

最後則是模型內部特徵的重要性排序。這種方法能顯示哪些輸入特徵對最終結果影響最大,就像揭示一道菜中,哪些調味料是味道的關鍵。例如在金融風險預測中,模型可能指出「收入」影響了 40%,「消費習慣」占了 30%,「年齡」占了 20%。不過如果要應用在像是 Transformer 模型等複雜結構時,還需要搭配前面提到的 SHAP 或 LIME 以及可視化技術,才能達到更完整的解釋效果。

講到這裡,你可能會問:我們距離能完全信任 AI 還有多遠?又或者,我們真的應該完全相信它嗎?

-----廣告,請繼續往下閱讀-----

我們終究是想解決人與 AI 的信任問題

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。因此,AI 既要「可解釋」,也要「能代理」。

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。圖/unsplash

舉例來說,當一家公司要做一個看似「簡單」的決策時,背後的過程其實可能極為複雜。例如,快時尚品牌決定是否推出新一季服裝,不僅需要考慮過去的銷售數據,還得追蹤熱門設計趨勢、天氣預測,甚至觀察社群媒體上的流行話題。像是暖冬來臨,厚外套可能賣不動;或消費者是否因某位明星愛上一種顏色,這些細節都可能影響決策。

這些數據來自不同部門和來源,龐大的資料量與錯綜關聯使企業判斷變得困難。於是,企業常希望有個像經營大師的 AI 代理人,能吸收數據、快速分析,並在做決定時不僅給出答案,還能告訴你「為什麼要這麼做」。

傳統 AI 像個黑盒子,而可解釋 AI (XAI)則清楚解釋其判斷依據。例如,為什麼不建議推出厚外套?可能理由是:「根據天氣預測,今年暖冬概率 80%,過去三年數據顯示暖冬時厚外套銷量下降 20%。」這種透明解釋讓企業更信任 AI 的決策。

-----廣告,請繼續往下閱讀-----

但會解釋還不夠,AI 還需能真正執行。這時,就需要另一位「 AI 代理人」上場。想像這位 AI 代理人是一位「智慧產品經理」,大腦裝滿公司規則、條件與行動邏輯。當客戶要求變更產品設計時,這位產品經理不會手忙腳亂,而是按以下步驟行動:

  1. 檢查倉庫物料:庫存夠不夠?有沒有替代料可用?
  2. 評估交期影響:如果需要新物料,供應商多快能送到?
  3. 計算成本變化:用新料會不會超出成本預算?
  4. 做出最優判斷,並自動生成變更單、工單和採購單,通知各部門配合執行。

這位 AI 代理人不僅能自動處理每個環節,還會記錄每次決策結果,學習如何變得更高效。隨時間推移,這位「智慧產品經理」的判斷將更聰明、決策速度更快,幾乎不需人工干預。更重要的是,這些判斷是基於「以終為始」的原則,為企業成長目標(如 Q4 業績增長 10%)進行連續且動態地自我回饋,而非傳統系統僅月度檢核。

這兩位 AI 代理人的合作,讓企業決策流程不僅透明,還能自動執行。這正是數智驅動的核心,不僅依靠數據驅動決策,還要能解釋每一個選擇,並自動行動。這個過程可簡化為 SUPA,即「感知(Sensing)→ 理解(Understanding)→ 規劃(Planning)→ 行動(Acting)」的閉環流程,隨著數據的變化不斷進化。

偉勝乾燥工業為例,他們面臨高度客製化與訂單頻繁變更的挑戰。導入鼎新 METIS 平台後,偉勝成功將數智驅動融入業務與產品開發,專案準時率因此提升至 80%。他們更將烤箱技術與搬運機器人結合,開發出新形態智慧化設備,成功打入半導體產業,帶動業績大幅成長,創造下一個企業的增長曲線。

-----廣告,請繼續往下閱讀-----

值得一提的是,數智驅動不僅帶動業務增長,還讓員工擺脫繁瑣工作,讓工作更輕鬆高效。

數智驅動的成功不僅依賴技術,還要與企業的商業策略緊密結合。為了讓數智驅動真正發揮作用,企業首先要確保它服務於具體的業務需求,而不是為了技術而技術。

這種轉型需要有策略、文化和具體應用場景的支撐,才能讓數智驅動真正成為企業持續增長的動力。

還在猶豫數智驅動的威力?免費上手企業 AI 助理!👉 企業 AI 體驗
現在使用專屬邀請碼《 KP05 》註冊就享知:https://lihi.cc/EDUk4
訂閱泛科學獨家知識頻道,深入科技趨勢與議題內容。

👉立即免費加入

-----廣告,請繼續往下閱讀-----
鳥苷三磷酸 (PanSci Promo)_96
224 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia