蘭嶼夜間賞鳥的不當行為

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

近日天氣漸暖，時序進入春天，正是蘭嶼的達悟人開始捕捉飛魚的季節。每年三月，飛魚隨著溫暖的黑潮北上，迴游到蘭嶼附近的海域，達悟人便會舉行著名的招魚祭（Mivanuwa），此後，十人大船下水，正式宣告飛魚季的展開。

飛魚季大約從每年的二月開始，一路持續到八、九月，也就是從可以開始捕捉飛魚，到停止吃食飛魚為止，一共七、八個月的時間。這段期間，達悟人會舉辦多個祭典，如「招魚祭」、「十人大船下水儀式」、「單人與雙人拼板舟下水儀式」、「舀水祭」、「螃蟹祭」、「小米祭」、「豐收祭」、「飛魚終食祭」等等。

在飛魚季期間，達悟人必須遵守許多禁忌，然而在飛魚季以外的時間，達悟人們要遵守的禁忌也不少。這些禁忌有些看似不合理，背後卻有相當科學的解釋，然而在深入了解這些禁忌之前，你是否好奇，這些禁忌究竟所謂何來？

黑翅膀的傳說

傳說，達悟人曾將飛魚和其他魚貝類一同煮食，生了奇癢無比的惡瘡。夜晚，一名老人便夢到一隻有著黑翅膀的飛魚，對他說：「我是飛魚們的頭目，黑翅膀飛魚，特地前來告訴你，你們不可將飛魚和其它的魚、蟹、貝類一起煮食。這樣做不只你們自己會生惡瘡浮腫，飛魚群也因此生了大病。為了要讓你們熟悉捕食飛魚的時間和規則，明天早上到海岸邊來找我。」

第二天清晨，老人依約前往海邊，果然見到一條巨大的黑翅膀飛魚，只見牠雙鰭趴在大石頭上，身後還有各個種類的飛魚。牠開口道：「像我這樣的黑翅飛魚（mavaheng so panid）量最少，是飛魚中的貴族，最有聲望。你們必須晚上火漁，白天舟釣，不可用火烤來吃，否則會生瘡。紅翅飛魚（saliliyan）量最多，白天舟釣，夜間火漁，而且要用牲畜的血祭它們。白翅飛魚（sosowoen） 量少，最先到達蘭嶼島，只能夜間火漁，不能白日舟釣。Kakalaw 沒有什麼用處，多半在  Pikaokaod（達悟曆三月，約國曆四月）下旬，才隨紅翅飛魚一起到，體型較小，給小孩子吃剛剛好，不需曬成魚乾，捕回來直接下鍋煮。晚上火漁，它們不吃餌（也就是不能舟釣）。Loklok 不會成群游到，是鬼頭刀（arayo）最愛吃的魚，可以用來釣鬼頭刀。小孩子不能吃，老人可以吃，可火漁。Sanisi，不能吃，可用來釣鬼頭刀。」（註1）（註2）

之後，黑翅膀飛魚又教導了老人一些關於祭祀和殺魚的方法，說完便帶著其他飛魚成群離開了。從此，達悟人謹遵黑翅膀飛魚的教誨，維持這些禁忌直到今天，這便是飛魚季的由來。

好魚和壞魚

黑翅膀對飛魚的分類，後來也延續到達悟人對一般魚種吃食的禁忌上。有到過蘭嶼觀光或是喜愛收看臺灣行腳類節目的朋友，一定聽過將魚分成「好魚」和「壞魚」，又或者是「男人魚」、「女人魚」、「老人魚」這樣的說法吧？

達悟人認為，「好魚」（或稱「真魚」，oyad）是所有人都能吃的魚，又被稱為「女人魚」；「壞魚」（rahet）因為味道較腥，只適合男人食用，被稱為「男人魚」；而味道更腥的魚，則被認為只有祖父級的老者才能食用，是為「老人魚」。（老人魚是壞魚下面的細分，也就是說老人魚一定是壞魚，但壞魚卻未必是老人魚。）

而根據性別和階級，又有些魚適合孕婦食用、有些適合哺育幼兒的婦女、妻子懷孕的丈夫、有哺乳兒的父親、男童、女童等等經歷不同生命階段的人們，然而大抵上便是根據好魚壞魚的分類變化而來。簡單來說，一個祖父級的男子可以吃食所有的魚，而祖母級的女子則可以吃食所有的好魚。

「好魚」的肉質一般較細，體色較鮮艷，「壞魚」的肉質則較粗、味道較腥，體色較樸素，不過兩者之間的分野並不清楚。曾有學者指出幾種分類的標準，如名稱吉不吉利、味道好不好吃、外觀的美醜、會不會傷人等等，然而美醜和味道是相當主觀的，一條魚究竟是因為本身的因素，或者是被分類後才對其產生嫌惡感，孰因孰果其實相當難辨，至於名稱就更是分不清因果了。

比如蝴蝶魚是一種體色相當豔麗的熱帶魚，時常作為觀賞用魚飼養，據說肉質相當鮮美，然而大多數能夠食用的蝴蝶魚，都被分類為老人魚。好魚壞魚的分類標準，目前學者還沒有一個明確的定論。

值得一提的是，老人魚也並非所有成為祖父的男子都能吃，若是成為祖父的男子父親仍然健在，也會將食用老人魚當成禁忌，否則「吃了好像父親已經不在了」；而有時就算並非祖父，到了一定年紀的鰥夫也能吃食。老人魚能否食用的標準，有時也是相當憑感覺。

達悟人的一餐

至於要了解將魚分成好魚壞魚有什麼好處，就不能不先了解達悟人是如何張羅一天的餐食。傳統上，達悟人的正餐通常是兩餐，早餐和晚餐，而早餐通常都是昨夜晚餐的剩食重新料理而成，只有節慶或因故如天候不佳、拜訪友人等等，才會在家中用午餐。

正餐必須包含兩類食物，「主食」（kanen）和「副食」（yakan），前者也被簡單地稱作「飯」，後者則稱「菜」，僅有一樣的都被稱為點心。主食主要是芋頭、甘藷等塊根作物，而因為受到臺灣本島的影響，稻米也逐漸為人接受。副食則種類繁多，如海中的各種魚類、軟體動物、蟹類、貝類、藻類、各種山野採集到的動植物等等非主食類的食材都包含其中。豬羊雞等牲畜則較為特別，只有節慶或儀式時才會宰殺。

雖然副食的種類如此繁多，四面環海的蘭嶼，自然是以魚類最為重要，若節慶時沒有豬羊雞可宰殺，也常以魚類充數。達悟人的社會分工相當明確，「女人拿飯，男人找菜」這句話，便囊括了達悟人一天的行程。

禁忌背後的科學

由於捕魚的收穫風險高，空手而回是相當有可能的事，自然會想多捕一些容易捕捉的魚。若是這樣，較好捕捉的魚大概沒過幾年便被捕光，造成嚴重的生態浩劫。然而達悟人的食魚禁忌，讓這樣的浩劫得以避免。

一般而言，好魚（女人魚）較容易受到驚嚇，不好捕捉，壞魚（男人魚）則行動遲緩或極易上鉤。例如蝴蝶魚與單棘魨是相當容易捕捉的魚，後者更因為行動遲緩而被稱為「懶惰魚」（註3），但因為蝴蝶魚是老人魚，單棘魨是壞魚，達悟男人為了養活一家人，對這種魚的捕殺只能適可而止，必須付出額外的努力去捕捉其他女人能夠吃的好魚才行。無形之中也保障了壞魚的生存，達成一定的生態平衡。

此外對於達悟人來說，迴游魚類如飛魚、鮪魚、鬼頭刀等等是神聖的，他們認為這些洄游魚平時與天神同住在天上，只有春天時候會被放出來，來到蘭嶼供達悟人捕撈。飛魚季的開始，讓這些洄游魚類成為達悟男人準備副食的主要目標，減少了一般平時對礁岸魚類的捕捉，而飛魚季從二月至八月的這段期間，正是這些珊瑚礁魚類的繁殖期。如此交替，讓這些礁岸魚類得以休養生息，達成生態永續的目的。

除了生態上的科學之外，一些禁忌本身也相當科學。如「在飛魚終食祭後，須將所有未食完的飛魚全部丟掉」，就是因為早期的達悟人除了曬魚外沒有其他的保存技術，怕放久腐壞；而在黑翅膀傳說裡提到，「飛魚不可與其他魚貝類混煮」，或許便是因為食物混煮，煮熟的時間不同，可能造成生食的情況；詳細版本的黑翅膀傳說中提到，「宰殺飛魚時，必須放在 zezeteban 上，而不要放在 amongan，因為前者是用來放生的飛魚，後者是用來放煮熟的飛魚」也是相當有概念的「生熟食分離」；而「飛魚的眼珠和膽必須挖出放在 mamatan 上，用以生吃，魚卵則必須煮熟」（註4），或許便是害怕煮熟後破壞了眼珠和膽汁的營養，才如此言明規定。

結語

當然，並非所有禁忌背後都有科學解釋，有些禁忌本身或許沒有什麼道理，卻能達到維持社會秩序的功能。例如飛魚季期間，不可以罵髒話或亂說話，也不可對游進的飛魚指指點點；捕魚時的魚團也有種種規定，例如返回共宿屋時，不可經過其他魚團慣常經過的道路，而除了同團男子有懷孕的妻子可以來到共宿屋之外，孕婦不可進入共宿屋，否則會帶來霉運。又或者，別人家曬飛魚的架子不能隨意走過；甚至連飛魚的處理方法，哪邊應該割幾刀都有嚴格的規定，否則就要全部丟掉。

正是因為全然的相信，禁忌才具有約束力，若是沒有了禁忌，傳統社會的秩序便難以維持，無以為繼。然而在科技與知識發達的現在，從前的禁忌也正逐漸消失。譬如「飛魚終食祭」後，必須丟掉所有飛魚的傳統，也因為冰箱的出現，被認為太過浪費，漸漸無人遵守。機動船的出現，也使得許多與拼板舟相關的禁忌漸漸被人遺忘。此外，飛魚的烹煮方法曾有著嚴格的規定，如必須以生水加入些許海水的方式烹煮，不添加調味料──也因為現今的年輕人追求口味變化，僅存耆老還恪守這樣的禁忌。

傳統的改變並非不是好事，民俗本該與時俱進。如今的達悟人們，因為科技和知識有了獨立思考的能力，禁忌的約束力雖然逐漸消失，某些基本價值卻不應改變。該做的，或許便是了解這些禁忌產生的原因，即使不再畏懼禁忌，也能讓好幾個世代守護的達悟文化和蘭嶼生態，繼續永續下去。

• 註釋：
• 註1：
  黑翅飛魚，又名青翼鬚唇飛魚，學名：Cheilopogon cyanopterus。
  紅翅飛魚，又名紫斑鰭飛魚，學名：Cheilopogon spilonotopterus。
  白翅飛魚，又名白鰭鬚唇飛魚，學名：Cheilopogon unicolor。
  鬼頭刀，又名鯕鰍、三保公魚、飛虎，學名：Coryphaena hippurus。
• 註2：在不同的文獻中，黑翅膀提到的飛魚種類有多有少，此處僅引用陳玉美小姐纂修之《台東縣史雅美族篇》內之記載。
• 註3：此說法引自余光宏先生所撰《雅美人食物的分類及其社會文化意義》內容。
• 註4：
  zezeteban，放飛魚的盤子。
  amongan，飛魚盤。
  mamatan，放飛魚眼的碗。

• 參考資料
• 黑翅膀飛魚的傳說
  《雅美文化故事》，鍾鳳娣主編
  《台東縣史雅美族篇》，陳玉美纂修
• 食魚禁忌和歲時祭儀
  《雅美人食物的分類及其社會文化意義》，余光宏
  《雅美族漁人部落──歲時祭儀》，董森永

楊海彥／小波

畢業於台灣大學生化科技學系，而後就讀實踐大學工業設計所，沒念完就跑出來開工作室。目前專注於把台灣文史和民俗元素轉化為故事，設計實境遊戲、桌遊和小說。
嗜讀奇幻文學，喜愛電影，比起咖啡更喜歡茶，卻養一隻以咖啡為名的貓。

由於我是用鳥來做實驗，無可避免的，就會被問到和禽流感等等有關的問題。其實我自己也不是專家。很多問題，還是去請教專家比較好，例如來讀這本《鳥的命運就是人的命運：如何從鳥類預知人類健康與自然生態受到的威脅》（Their Fate Is Our Fate: How Birds Foretell Threats to Our Health and Our World）。

《鳥的命運就是人的命運》作者彼得．杜赫提（Peter Doherty），是諾貝爾獎得主，他是澳洲墨爾本大學微生物及免疫學系教授，兼美國田納西州孟斐斯市聖猶達兒童研究醫院的生物醫學研究譚莫講座（Michael F. Tamer Chair）。他在免疫學上的先驅研究讓他與辛克納傑（Rolf M. Zinkernagel）共同獲得了1996年的諾貝爾生理或醫學獎；次年，他被選為澳大利亞年度風雲人物（Australian of the Year），並獲頒澳大利亞最高榮譽勳章（Companion of the Order of Australia）。

杜赫提榮獲諾貝爾獎的工作是他發現T細胞如何利用主要組織相容性複合體（major histocompatibility complex，MHC）來辨識抗原。他和分享諾貝爾獎的Rolf Zinkernagel發現，如果T細胞要認出受病毒感染的細胞，需要利用T細胞受器來辨認出兩種分子，除了病毒的抗原外，還要有MHC。原本MHC之前已知的功能和器官移植的組織相容有關，他們的發現讓我們瞭解到，MHC也和對抗病毒有關。

晚年愛上賞鳥的杜赫提在《鳥的命運就是人的命運》指出，鳥就像哨兵，是人類健康與地球生態的預警系統，就像過去礦工會帶著金絲雀一起進到礦坑工作，因為金絲雀對有毒氣體非常敏感，周遭空氣稍不對勁便會鳴叫甚至死亡。

牠們會對空氣、海洋、森林及草原進行取樣，如果自然環境遭到危害，頭一個明顯受到影響的就是鳥類的健康與數量。在這本討論人、鳥、病毒與環境的疾病生態學的書中，專業科學家杜赫提倡導公民科學的方法來守護鳥類和人類的健康。

杜赫提在《鳥的命運就是人的命運》的前幾章介紹了基礎的鳥類生物學，然後探討各種對鳥類健康造成重大影響的病毒，例如西尼羅病毒和禽流感病毒等等。除了病毒，《鳥的命運就是人的命運》的後半部還介紹了更複雜的鳥類病原，例如鸚鵡熱、瘧疾，甚至癌症。最後幾章，杜赫提探討了人類如何影響鳥類的族群和健康。對鳥類而言，人類可能是更可怕的病原，因為人類不僅會製造汙染，還會濫捕濫獵。

可是我們人類和鳥類只能坐以待斃嗎？《鳥的命運就是人的命運》最後讓我們瞭解到公民科學活動的意義，利用群眾的力量監控鳥類族群的一舉一動，以期及時得到警訊。國外最著名的公民科學活動就是eBird。在此計畫中，成千上萬業餘賞鳥者現在成為了該實驗室所謂的「生物感測者」（biological sensors），記錄並報告他們所見鳥類的地點、時間、數目和種類，將其所見聞轉換為寶貴的科學資料。

雖然每個賞鳥者觀察到的都是微量資訊，但是聚沙成塔，眾包已為科學家打造出的全球鳥類種群即時觀測圖。鳥類種群的相關資訊能夠幫助科學家認識大自然其他方面的變化，是整體生物多樣性健康程度的指標。不過鳥類計數相當困難，因為記錄特定區域內鳥的種類和數量，無法利用感測器而只能靠人力進行。

eBird於2002年開始蒐集全球的資料，雖然在美國也有其他賞鳥計數活動，能夠號召全美各地的許多人在同一天賞鳥，而且也有一定的科學價值，但還是和eBird有所區別，因為它們無法提供全年度的完整資料。eBird每天的鳥類活動觀察已經產生了可觀的資料，eBird已經積累了1.41億份報告，而且還在以每年40%的速度成長。截至今年五月，eBird破紀錄地從169個國家收集了560萬份新資料。

為了儘可能解決業餘賞鳥者判斷準確度的問題，康乃爾鳥類學實驗室僱用了頂級觀鳥達人，讓他們週遊列國，給予業餘賞鳥者方法上的指導。還有500名專家志工為資料的精確性把關，約2%的資料會被過濾掉。珍稀鳥類的目擊報告還會得到特殊審查。

台灣的特有生物研究保育中心幾年前也開始公民科學的利用，特生中心的鳥類研究團隊，這幾年有重要方向有「BBS TAIWAN台灣繁殖鳥類大調查」、「MAPS TAIWAN台灣鳥類繁殖力與生產力監測」、「AIS STOP外來鳥種監測網」等等，希望採用公民科學的機制，把台灣鳥類多樣性的監測系統組織架構起來。

以鳥類觀測為例，目前全國約有一千名公民科學家，正在推動「台灣繁殖鳥類大調查」（Taiwan Breeding Bird Survey ，簡稱BBS）的，以台灣本島的常見繁殖鳥類（包括留鳥與夏候鳥）為對象，利用定時、定量、定點的標準化調查方法，來長期記錄掌握繁殖鳥類分布及數量狀況，可以對整體生態環境的變動取得明確的側寫。除了學術研究的價值，所獲得的資訊也可以用作保育決策的重要參考，或用以評斷生物多樣性保育政策的效能與進度。

現在愈來愈多科學家發現野生動物和人類公共衛生之間攸關存亡的重大關係，除了《鳥的命運就是人的命運》，另一本不可多得的好書《共病時代：醫師、獸醫師、生態學家如何合力對抗新世代的健康難題》（Zoobiquity: The Astonishing Connection Between Human and Animal Health）更廣泛地探討了對野生動物的研究，如何能夠解決一些人類健康的重要問題（請參見〈人獸同源的共病時代〉）。要確保人類在地球上的繁衍，甚至存亡，我們不能再漠視野生動物的福祉，現在肆虐非洲的伊波拉病毒，就是從野生的大猿傳染到人類身上的！

人類就算再文明，也還是大自然的一份子，不可能和大自然隔絕，大自然的一舉一動，仍然攸關我們這個物種的興盛存亡！

本文原刊登於The Sky of Gene。