Loading [MathJax]/jax/output/HTML-CSS/config.js

0

4
0

文字

分享

0
4
0

挑戰稻米達人

Gene Ng_96
・2013/05/04 ・1763字 ・閱讀時間約 3 分鐘 ・SR值 487 ・五年級

先說兩則趣事。

大學的某一年,我們高中校友會在嘉義的國立中正大學辦運動會,我奉命帶清大的高中學妹過去。我也沒到過中正大學,在嘉義搭車的時候,學妹就問了路人要在哪下車。公車走了一陣轉了彎後,學妹在我還在狀況外時,就按了鈴然後很高興地下了車,我反應過來後也只好跟著跳下車,然後我們才發現原來還有好幾公里才到中正大學。

於是就只好走過去,在四周都是綠油油的稻田邊走著走著,學妹突然間問我說,為什麼台灣的草都種得那麼整齊?我當場笑翻了XD 原來學妹所謂整齊的草,是稻田裡的秧苗Orz 後來這個「整齊的草」,被我笑了她好幾年。

上個月,有幾位高中同學,還有其中一位同學的妹妹來台灣旅遊。我趁週末帶她們去宜蘭玩,住在一家四周都是稻田的民宿(注1)。我看著四周翠綠的稻田,告訴了她們這個笑話。結果同學的妹妹突然露出尷尬表情,接著說她其實也想問我,為什麼台灣的草皮都泡了水Orz

-----廣告,請繼續往下閱讀-----

看來她們都是不折不扣的城市小孩啊 XD 不過想一想,在馬來西亞,從來沒見過稻田的人可能還不少吧。尤其是我們那個州,大規模種植的農作物,不是橡膠樹就是油棕樹。要不是我媽娘家是種稻的,我搞 不好來台灣前也不見得會見過稻田。來到台灣後,其中一項讓我大開眼界的是,台灣農田到處都可見到,連台北市的關渡平原都有稻田。在馬來西亞,甭說首都內會有稻田,方圓好幾十公里都只有工商業區和住宅區吧。

在台灣,幾乎每個縣市都有稻田,稻田覆蓋率之高,真是世界罕見,尤其是台灣已經是高度工業化了!我們外國人來台灣,對台灣最讚嘆的就是台灣濃濃的人情味,這是農村社會留下來的優良傳統!

台灣受稻米文化的影響非常的深。就連台灣的高工時,搞不好也是稻米文化的深刻影響之一,雖然高工時主要出在的是在工商業。麥爾坎.葛拉威爾(Malcolm Gladwell)在其暢銷的《異數》Outliers: The Story of Success)中,舉了一個極為有趣的理論,那就是稻米文化和數學能力的關係。

稻米,基本上是一種在種植過程中,需要投入大量心力和勞力的糧食作物。稻米在種植過程中,從育苗基肥、整地、灌溉、施基肥、插秧、病蟲害防治、除草、追肥、斷水、曬田、施穗肥、輪灌、排水到收割,一天都不得閒,要付出極大的體力心力照顧稻田。

-----廣告,請繼續往下閱讀-----

不過種植稻米的好處是, 付出和收獲常常是成正比的,不像種植小麥,常常需要看天吃飯。所以種植稻米的中國農村古諺,就比高緯度種植小麥的地區還正面,例如中國古諺既云:「一分耕耘,一分收獲」。葛拉威爾指出,數學能力的培養,正需要學生不斷地努力做練習,所以稻米文化鼓勵人們努力用功的文化,能夠促進數學能力的培養。

雖然我在〈如何成為超凡的異數?〉中 指出,稻米文化和數學能力不見得真的相關。不過,稻米文化所倡導的辛勤,有可能是華人、韓國人和日本人能夠忍受高工時的主因之一。在工業化之後,日本、韓 國、台灣、新加坡、香港和中國沿海省分能夠眾心一致地拚經濟,也很可能是受過去稻米種植時需要全村村民同心協力收割的文化影響。

稻米也造就了中華文化的興盛。在工業革命以前,人口能夠突破百萬的城市,就只有吳哥、北京和江戶。這幾個大城市都不同程度地以稻米為主食,而且都能夠有效 利用水路來運送糧食。歐洲在工業革命以前,城市人口難以突破百萬的最主要原因是,利用獸力運送小麥等糧食非常耗能,在鐵路發明以前,偏遠的小麥運送到大城 市的能源成本完全不划算。可是吳哥城有完整的運河和灌溉系統,中國有大運河作漕運,江戶有東京灣可做水運。加上稻米保存容易、營養均衡,能夠餵養百萬人口 (注2)。稻米不啻是舊大陸最優良的糧食作物!

稻米達人大挑戰:稻田生態及稻米知識問答集既然稻米不僅是我們最重要的主食之一,對我們的歷史和文化還有這麼深遠的影響,我們是不是更應該更加深入地瞭解稻米呢?去年底出版的這本《稻米達人大挑戰:稻田生態及稻米知識問答集》是不錯的選擇。我們可以透過這本書精彩、生動的實景照片、插畫與圖表,深入淺出地瞭解稻田生態、米食營養、稻米與米食文化、優良國產米食等的相關知識。《稻米達人大挑戰》也提供了台灣各地稻米相關的文物館及體驗活動的精彩資訊,鼓勵大家、親子一同親近稻田,體驗稻米文化。

-----廣告,請繼續往下閱讀-----

閱讀全文:
挑戰稻米達人

-----廣告,請繼續往下閱讀-----
文章難易度
Gene Ng_96
295 篇文章 ・ 32 位粉絲
來自馬來西亞,畢業於台灣國立清華大學生命科學系學士暨碩士班,以及美國加州大學戴維斯分校(University of California at Davis)遺傳學博士班,從事果蠅演化遺傳學研究。曾於台灣中央研究院生物多樣性研究中心擔任博士後研究員,現任教於國立清華大學分子與細胞生物學研究所,從事鳥類的演化遺傳學、基因體學及演化發育生物學研究。過去曾長期擔任中文科學新聞網站「科景」(Sciscape.org)總編輯,現任台大科教中心CASE特約寫手Readmoo部落格【GENE思書軒】關鍵評論網專欄作家;個人部落格:The Sky of Gene;臉書粉絲頁:GENE思書齋

0

0
0

文字

分享

0
0
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

-----廣告,請繼續往下閱讀-----

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。

鳥苷三磷酸 (PanSci Promo)_96
225 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
深海發現大型礦場和「暗氧」!是能源危機的希望還是潘朵拉之盒?
PanSci_96
・2024/09/21 ・2334字 ・閱讀時間約 4 分鐘

深海的暗氧:無光環境中的神秘氧氣生成

深海,被譽為地球最後的未開發疆域,隱藏著許多不為人知的奧秘。數千公尺深的海底沉積了數量龐大的多金屬結核,這些礦物因含有大量珍貴金屬,對現代技術,尤其是能源轉型,至關重要。然而,科學家在探索這些結核的過程中意外地發現了一種神秘的現象:暗氧,即在無光的深海環境中生成氧氣的過程。這一發現不僅可能改變我們對海洋生態系統的理解,還可能重新定義地球早期生命起源的故事。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

長期以來,科學界普遍認為氧氣的生成依賴於光合作用。光合作用是植物、藻類及一些細菌透過陽光將水和二氧化碳轉化為有機物並釋放氧氣的過程。這一過程主要發生在地球表層和淺水區域,是維持大氣和海洋中氧氣含量的核心機制。根據這一觀點,只有在陽光能夠到達的區域,氧氣才能被生成。因此,對於深達數千公尺的深海區域,我們的認識是,氧氣主要來自於表層水透過洋流輸送到深處。

然而,深海中缺乏光源,光合作用無法進行,這意味著氧氣在深海中的供應受到限制。雖然洋流能夠在一定程度上將氧氣輸送到深海,但這一過程極其緩慢,往往需要數百年甚至上千年才能完成一次循環。因此,科學家一直認為深海是一個缺氧的環境。

多金屬結核的發現,是新能源的關鍵,還是海洋生態的災難?

在這樣的背景下,科學家對深海進行了更深入的探索,並發現了錳結核(英語:Manganese nodules),又被稱為多金屬結核這一珍貴資源。多金屬結核是富含金屬的岩石,其主要成分包括鈷、錳和鎳等金屬。這些結核廣泛分佈於全球深海區域,尤其是太平洋海域,儲量高達數兆噸。這些金屬對綠色能源技術,如電池生產,具有極高的價值,吸引了全球各國的關注。

-----廣告,請繼續往下閱讀-----

然而,這些結核不僅是地球資源的寶藏,它們還隱藏著另一個重要的發現。2013 年,科學家安德魯·斯威特曼(Andrew Sweetman)在太平洋克拉里昂-克里珀頓區域進行深海研究時,意外地發現,在封閉的深海水域中,氧氣濃度竟然有所增加。這一現象引發了科學界的極大關注。

科學家探索深海的多金屬結核時,意外發現「暗氧」的存在。 圖/envato

暗氧的生成機制

斯威特曼的研究團隊推測,深海中的多金屬結核可能在某些化學條件下,充當了天然電池。這些結核通過電化學反應將水分解為氧氣和氫氣,從而在無光的環境中產生了氧氣。為了驗證這一假設,團隊在實驗室中模擬了深海環境,並確實觀察到氧氣從結核生成的現象。

不過,這一過程並非如想像中簡單。根據實驗數據,某些海底結核表面的電壓僅為 0.95 伏特,卻能夠生成氧氣,這與理論上需要的 1.6 伏特電壓不符。研究團隊進一步推測,這可能與結核的成分有關,例如含鎳的錳氧化物可能起到了催化作用,降低了反應所需的能量。此外,結核表面的不規則排列及空隙可能也促進了電子轉移和水的分解。

暗氧的發現挑戰了我們對氧氣生成的傳統理解。過去我們認為,地球上的氧氣主要來自於光合作用,但這一現象表明,甚至在無光的深海環境中,氧氣也能通過無機物的電化學反應生成。這意味著,我們對於地球早期氧氣循環及生命演化的認識可能存在重大疏漏。

-----廣告,請繼續往下閱讀-----

尤其值得注意的是,多金屬結核的形成需要氧氣,而這些結核大量出現在深海中,是否表明早期地球上就已經存在非光合作用的氧氣生成機制?如果是這樣,暗氧是否可能推動了地球上生命的起源?這一問題仍然未有定論,但暗氧的發現無疑為生命起源的研究開闢了一條新的途徑。

未來的挑戰:開採深海資源還是守護地球最後的「淨土」?

除了科學研究的價值,多金屬結核也吸引了全球對於深海資源開採的興趣。這些結核富含稀有金屬,特別是對電池生產至關重要的鎳和鈷。然而,大規模的深海開採可能會對海洋生態系統造成嚴重破壞。

對於發現的深海資源,是要開採?還是選擇守護海洋生態? 圖/envato

首先,深海採礦可能導致噪音和光污染,破壞深海生物的棲息地。此外,採礦過程中產生的懸浮物可能對海洋生物,尤其是水母等生物造成生理負擔。研究顯示,水母在模擬的採礦環境中會因應對懸浮物而消耗大量能量,這可能削弱其免疫系統並降低生存率。

因此,雖然深海資源的開採看似能解決當前的能源危機,但國際間對此議題的爭議仍然持續。全球已有32個國家支持暫停或禁止深海採礦,呼籲進行更多的生態影響研究以確保環境保護。

-----廣告,請繼續往下閱讀-----

暗氧的發現,不僅為科學研究帶來新的挑戰,也為深海資源的開採提出了更高的要求。在能源危機與生態保護之間,我們需要尋找平衡點。未來的技術或許能夠在不破壞環境的情況下,模擬自然過程生成多金屬結核,從而實現可持續的資源開採。

此外,暗氧現象的發現也為探索外星生命提供了新的思路。當我們在其他行星上發現氧氣時,不一定意味著那裡存在光合作用生物,可能是類似多金屬結核的無機反應在默默進行。這一發現或許將改變我們對地外生命的定義與尋找方式。

深海的秘密仍在不斷被揭開。從暗氧的發現到多金屬結核的開採,這片未開發的疆域將在未來的科學探索與資源爭奪中扮演至關重要的角色。無論是能源危機的解決還是生態系統的保護,我們都應以謹慎且負責任的態度面對這一未知的領域,避免打開潘朵拉之盒。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

2

1
0

文字

分享

2
1
0
越南兩千年古早味咖哩?香料的食慾流動
寒波_96
・2023/09/06 ・3133字 ・閱讀時間約 6 分鐘

大多數台灣人對東南亞、南亞風格的香料不陌生,甚至有些常見的香料,不特別查詢還不知道起源於東南亞。

一項 2023 年問世的研究,調查將近兩千年前,越南南部的遺址,見到多款香料植物的蹤跡。證實那個時候已經有多款香料,從南亞或東南亞外海的島嶼,傳播到東南亞大陸。

很多香料,搭配是魔法。圖/參考資料3

越南兩千年古早味咖哩?

讀者們對咖哩(curry)想必都很熟悉,不過還是要先解釋一下。現今咖哩的定義範疇很廣,南亞、東南亞等地存在風味各異的香料混合料理,都能算是「咖哩」。此一名詞的讀音轉化自印度南部的泰米爾語,源自大英帝國對南亞的殖民,不過混合使用香料的料理,歷史當然更加悠久。

由澳洲國立大學的洪曉純率領的考古調查,地點位於越南南部的喔㕭(Oc Eo)遺址。這兒在公元一到七世紀,是「扶南國」的重要城市。這個政權以湄公河三角洲為中心,統治東南亞大陸的南部;柬埔寨的吳哥波雷(Angkor Borei)與喔㕭,為扶南國最重要的兩處遺址。

-----廣告,請繼續往下閱讀-----
東南亞大陸南部的喔㕭,與延伸的地理格局。圖/參考資料1

喔㕭地處湄公河三角洲的西南部,離海 25 公里。這兒一到八世紀有過不少人活動,四到六世紀最興盛。遺址中出土的 12 件工具,外型看來相當類似年代更早,南亞用於處理食物的工具。

進一步分析發現,工具上總共保存著 717 個澱粉顆粒,大部分年代可能介於距今 1600 到 1900 年左右的數百年間。不同植物產生的澱粉形狀有別,有時候可以用於識別物種,近年常用於考古學。

喔㕭遺址出土的研磨工具。圖/參考資料1

這批澱粉中有 604 個可以分辨物種,作為糧食的稻以外,還有八種常用於香料的植物,以薑科植物(Zingiberaceae)的存在感最高,包括五種:薑黃、薑、高良薑、凹唇薑、山奈;還有今日依然常見的丁香、肉豆蔻、肉桂。

解讀這些材料時必需注意,出土工具上能見到的澱粉,只是當年的一小部分,不能直接代表古代使用的比例,只能證明確實有過那些種類。

-----廣告,請繼續往下閱讀-----
越南南部,曾經相當繁榮的喔㕭遺址遠眺。圖/參考資料1

來自亞洲大陸:薑黃、薑、高良薑、凹唇姜、山奈

喔㕭遺址中出土數目最多的是薑黃(turmeric,學名 Curcuma longa)。薑黃的家鄉應該在南亞,早於四千年前的哈拉帕遺址中已經存在;後來薑黃向各地傳播,遠渡至地中海地區。這項發現則是東南亞大陸最早的紀錄。

台灣人大概對薑(ginger,學名 Zingiber officinale)更熟悉,薑可能起源於東亞與南亞,一路向西傳到歐洲。台灣飲食習慣中,薑不只是特定用途的香料,從海鮮湯中的薑絲,到餃子肉餡的蔥薑水與薑末,可謂無所不在的添加物(對!薑默默躲在很多食物中)。

另外三種比較少見的薑科植物,如今東南亞都有種植,包括高良薑(galangal,學名 Alpinia galanga)、凹唇姜(fingerroot,學名 Boesenbergia rotunda)、山奈(sand ginger,學名 Kaempferia galanga,也叫沙薑)。

香料考古的世界觀。圖/參考資料1

來自亞洲海島:丁香、肉豆蔻、肉桂

三種不屬於薑科的香料,如今台灣也都不陌生。肉豆蔻(nutmeg,學名 Myristica fragrans)原產於摩鹿加群島南部的班達群島。摩鹿加群島就是大航海時代歐洲人稱呼的「香料群島」,雖然算是東南亞外海的島嶼,不過靠近新幾內亞,和東南亞大陸有相當距離。

-----廣告,請繼續往下閱讀-----

丁香(clove,學名 Syzygium aromaticum)也原產於摩鹿加群島,早在公元前便已經傳播到歐亞大陸。越南南部的丁香應該是進口產品,不過無法判斷原本種在哪兒,是摩鹿加群島或更西邊的爪哇。

肉桂(cinnamon,學名 Cinnamomum sp.)可能源自好幾個物種,這回光靠澱粉無法準確判斷。不過從其餘植物遺骸看,喔㕭人使用的肉桂,大概是原產於斯里蘭卡,印度外海島嶼上的錫蘭肉桂(Ceylon cinnamon,學名 Cinnamomum verum)。

跨越空間,貫穿時間,香料的食慾流動

喔㕭出土的研磨器具上,除了澱粉還有另一種植物遺骸:植物矽酸體(phytolith),根據型態差異,也能用於植物的分門別類。棕梠、香蕉屬(Musa)植物的矽酸體,見證當時利用的植物種類相當多樣。

公元 1870 年,印度南部泰米爾的留影。 越南南部出土的工具,與她們使用的極為相似。圖/參考資料1

儘管缺乏直接證據,不過以常理推敲,東南亞大陸南部的喔㕭人,使用源於南亞的道具,研磨多款外地引進到當地種植,或是直接進口的香料植物,可能的一項目的,就是製作混合香料的咖哩料理。

-----廣告,請繼續往下閱讀-----

喔㕭遺址也保存許多稻米的碳化穀粒遺骸,稻米飯應該是當時菜單中的重要組成。我猜,當時的人會吃咖哩飯。

越南等地,香料搭配的魔法,顯然將近兩千年前已經存在惹。時至今日,和出土古物超過 87% 相似的研磨器具,依然有人使用。食慾流動的慾望,跨越空間,貫穿時間。

延伸閱讀

參考資料

  1. Wang, W., Nguyen, K. T. K., Zhao, C., & Hung, H. C. (2023). Earliest curry in Southeast Asia and the global spice trade 2000 years ago. Science Advances, 9(29), eadh5517.
  2. Researchers find evidence of a 2,000-year-old curry, the oldest ever found in Southeast Asia
  3. Curry may have landed in Southeast Asia 2000 years ago

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁

-----廣告,請繼續往下閱讀-----
所有討論 2
寒波_96
193 篇文章 ・ 1090 位粉絲
生命科學碩士、文學與電影愛好者、戳樂黨員,主要興趣為演化,希望把好東西介紹給大家。部落格《盲眼的尼安德塔石器匠》、同名粉絲團《盲眼的尼安德塔石器匠》。