Loading [MathJax]/extensions/tex2jax.js

2

0
0

文字

分享

2
0
0

用大砲打小鳥

timd_huang
・2011/06/06 ・7900字 ・閱讀時間約 16 分鐘 ・SR值 553 ・八年級

-----廣告,請繼續往下閱讀-----

「用大砲打小鳥」這句成語,大家都聽過,它和「殺雞用牛刀」,略有一些共同的味道,都是指著使用太過龐大的工具,進行細小的工作,顯得不是那麼恰當,甚至有些礙手礙腳,糗狀百出,在正常人的狀況,應該盡量避開,免得招惹旁人的笑話;不過,人生的無奈,有時候明明知道,可是卻不得不如此,在此就是一個例子,寫下來作為「我也幹過此等傻事」的人生記錄;按:本文內用諸多如「啥鳥蛋」的字詞,絕無任何壞念頭,請不要想歪了,哈哈。

言歸正傳,為何我這次真的是「用大砲打小鳥」呢?簡單來說,我用了應該是全國最大的儀器裝置,在新竹的國家同步輻射研究中心的設備,透過它諸多的先進儀器,分析研究我手頭上的一些有趣的化石,探討這些大約兩億和六億年前古生物化石的奧祕;有關國家同步輻射研究中心的簡介,我從他們網站抄錄這些介紹:

同步加速器光源是二十世紀以來科技研究最重要的光源之一,已廣泛應用在材料、生物、醫藥、物理、化學、化工、地質、考古、環保、能源、電子、微機械、奈米元件等基礎與應用科學研究,因而被稱為現代的「科學神燈」。目前全球供實驗用的同步加速器光源設施超過七十座,同步加速器光源設施的建造已成為各國高科技能力的指標之一。

台灣的科學神燈–國家同步輻射研究中心位於新竹科學工業園區內,設立的宗旨為有效運轉及利用同步加速器光源設施,執行相關尖端基礎與應用研究,提升我國科學研究之水準及國際地位。本中心的同步加速器由國人設計建造完成,於 1993 年 10 月正式啟用,為亞洲第一座完成的第三代同步輻射設施。自 1994 年 4 月起開放光源供國內外學術科技界使用,隨著近幾年周邊實驗設施逐漸興建完成,國內外研究人員使用本中心光源的人次快速增加,研究成果在質與量上亦呈現大幅成長,各領域已做出數量可觀的世界一流科學實驗。

電子束由電子槍產生後,經過直線加速器加速至能量為五千萬電子伏特,電子束進入周長為七十二 (72) 公尺的增能環後,繼續增加能量至十五億電子伏特,速度非常接近光速(0.99999995 倍 );注射器產生的電子束經由傳輸線進入儲存環,傳輸線的長度為七十 (70) 公尺。

電子束進入六邊形設計、周長為一百二十 (120) 公尺的儲存環後,環內一系列磁鐵導引電子束偏轉並維持在軌道上,如此一來,電子束便能於每一圈的運行中在偏轉磁鐵切線方向或插件磁鐵下游放出同步輻射光。由於電子會因輻射而損失能量,因此環內裝置高頻系統,用來補充電子的能量。

請注意官網所描述的同步輻射器的大小,最前端有個 72 公尺的增能環,透過 70 公尺的傳輸線,進入 120 公尺的儲存環,最後才把光束分到各個工作站,總共跑了 262 公尺;如此龐大的設備,難道還不足以稱之為「大砲」嗎?絕對是的。

每單次掃描所得的照片,請注意看左下角尺標。

在每工作站所分析的標靶面積,實在小得不能再小,每次的掃描範圍,所能「看」到的地方,以我所用到的來說,只有 16×16 μm2 而已,這麼丁點大的面積,或說 16 μm 到底有多小?我們一般尋常百姓人家,往往難以想像體會,拿我們凡人生活中的實例來說:10 張 80 磅影印紙堆起來的厚度,大約為 1.2 mm,也就是說每一張紙的厚度為 0.12 mm,換算成為 120 μm,亦即,每一張紙的厚度,是每次掃描長度或寬度的 7.5 倍,一張我們認為是已經很薄很薄的紙,在此還是厚如泰山,它的厚度方向,必須分成 8 次掃描才能完成;也就是說,拿這邊的設備來看我們的化石,可以看到非常非常小的細微結構;當今有些恐龍學者說,恐龍就是鳥,鳥也是恐龍(兩者的關係很密切難分),故此,把我要做的恐龍稱之為「小鳥」、恐龍蛋叫做「鳥蛋」,也沒有過份到那裡去;我用同步輻射的設備來看很小的小恐龍–世界上最古老、1.92 億年前還沒有孵化出來的恐龍胚胎,總稱之為「用大砲打小鳥」並不離譜,絕對不誇張,哈哈!

-----廣告,請繼續往下閱讀-----

好了,既然我手中有「小鳥」等化石,也有機會利用國家「大砲」級的研究儀器,當然就不能客氣,就該好好「用大砲打小鳥」,如果還打不出什麼名堂來,真的應該好好打屁股了,沒有任何推托的藉口;於是,當被通知先去做樣本的準備切割之前,我就花了一番心思和時間,把想要做的 24 個幾類項目確定下來,選好每一類的化石樣本,還遵照宋博士所教導的,先把樣本埋在環氧樹脂(俗稱 AB 膠、哥倆好)、直徑約 2~3 公分的餅塊中,以便切割機切成所需要的薄片(厚度 30μm 以下),然後花了幾天的時間,從新店家到新竹去「上班」,開始進行來日用大砲打小鳥的樣本準備(Sample Preparation) 切片。

5x5張單次掃描所組成的一張馬賽克。

為了切割機能精密的切出所要的厚度,化石樣本必須先用環氧樹脂包起來,我還特地買了一公斤裝大罐的 AB 膠,又買了好多小朋友吃的果凍,勉強逼自己把那時候不知道有沒有含有毒塑化劑的果凍吃掉,拿果凍塑膠殼來當模子;這部份操作不算困難,只要抓住幾個要點:混和均勻、手腳快、抓好硬化時間只有五分鐘,把化石包埋起來,不算大問題;不過,在後來的切割中,發現當樣本要切得這麼薄的時候,如果環氧樹脂當中有氣泡,會嚴重地破壞切割效果,所以啊,以後我會在環氧樹脂硬化的過程中,用家裡的吸塵器加以抽真空,把樹脂起化學反應過程中所產生的氣泡消吸掉–不經一事,不長一智。

哼,不要以為上面短短幾句話的描述,說起來那麼簡單,實際做起來,卻是有些麻煩,最主要的關鍵是,每個切片的厚度要切到 30μm 以下,也就是說只是影印紙厚度的四分之一,要控制每個樣本都如此,真不容易;加上在這麼薄的情況下,當初用環氧樹脂時,沒想到裡面有好些小氣泡,切片時會捲起來,把那麼薄的樣本撕裂成無數的碎塊,要得到一片可用的樣本,可真是個大考驗;不過,在看著珍貴樣本在眼前粉碎成塵、心痛一兩次之後,馬上就想起了一個救急的方法,馬上在樣本上方,塗一點三秒膠,等三秒膠硬化之後,靠著三秒膠把樣本固著起來(其實貼上防水膠布也可以)–但是,如果樣本要拿去做有機分析(如弗立業轉換紅外線光譜,FTIR),用這些有機的膠水來包裹固定化石樣本,那就會自討苦吃。

總之,忙了一兩天,終於有了幾片勉強可用的,接下來,我們所申請的光束時間 (Beam Time) 還沒輪到,幸好,宋博士剛好有一點點空檔先給我,就把幾個樣本,先轉換到有如古代的銅錢(外園內方)的樣本框裡面,約略估計所要掃描的位置,放到樣本夾內,樣本夾中間有一條長度約 2 cm 的開縫,只有 1mm 寬度,圓心正中央的地方,有個 2mm 的圓孔,所要掃描的樣本,要大略對準樣本夾開縫的位置,並先在樣本準備室裡的定位儀拍照、測定出所要掃描的位置數據,然後放進 X 光透視顯微鏡 (TXM, Transmisstion X-ray Microscope) 去掃描;這些和接下來作業過程,承蒙該中心的宋、王兩博士的協助,衷心感激,沒有多久之後,在電腦螢幕上,就開始看到掃描的影像了,真是令人興奮。

-----廣告,請繼續往下閱讀-----

前面說過,實際每單次掃描的區域,只有 16×16 μm2 而已,實在是很(太)小,所以通常會做相鄰的 5×5(或 5×15)次範圍的馬賽克 (Mosaic);即便如此,整個畫面影像的範圍,也只是 80×80 μm2 而已,以前面紙張的厚度來說,80 μm 只有 2/3 的紙張厚度!雖然一張馬賽克大小有 80×80 μm2,畢竟還是太小,所以,經常需要往上往下或往左往右,掃描多張馬賽克,以拼湊出較大範圍的影像:如此一來,時間很快地飛逝過去,幾個小時,算得什麼一回事情,一抬頭,已夜深人靜,匆忙趕著最後的一班車回家,累得呼呼大睡。

次日,把幾張相鄰的馬賽克拼在一起,成為一張比較大的照片,整體看看,發現似乎先前所做的樣本切片,並沒有切得夠薄,除了邊邊的一小區域之外,大部份地方的影像,並不是很清楚,所以,為了做三維的掃描,只能挑選樣本最邊邊,而且有明顯突出之處,也就是尖尖的地方,剛開始的時候,我搞不懂,為何要挑最尖凸出的地方,以此樣本來說,有這麼明顯的稜角,就是典型的方解石結晶形狀,正好是我所不想做成三維模型之處,我要看的是化石裡面的組織細胞結構,而不是礦物方解石的填充,那有啥好看的?

3x3張(5X5)馬賽克所組成的大照片,大小為240X240µm2。

宋博士很耐心地解釋說,一則這個樣本做得太厚,大部份區域的影像已經不是很清楚了,想要做成三維模型,效果會更糟糕,再者,這個設備做三維掃描的方式,和一般的電腦斷層掃描不一樣,它是以平面影像的縱軸為中心,把樣本往左和往右旋轉,最多到 90度,然後透過專用的軟體,把這些照片(最多 181 張)組合成為三維模型,也是因為它需要做如此的旋轉,哈!我終於明白了,為什麼樣本夾中央會有那一條開口,就是要讓 X 光能打到樣本上,也瞭解了想做成三維模型的部位,為何需要挑選尖端凸出之處,而非任何想要的部位,要不然,當樣本旋轉到大角度的時候,標靶兩邊的樣本部份,就會遮住標靶區,無法得到所要的相片;〔按:一般的電腦斷層掃描,是平行式的,有如用刀子切小黃瓜片。〕

哼!這一下子,以後就必須好好考慮如何做樣本的準備,不只是把樣本切磨得夠薄,也必須找出方法,能把從前端掃描看到想做三維模型的部份切下來,安裝在玻璃針尖上,避免被鄰近區域擋住;在實際的操作上來說,這有相當的高困難度,因為所要的樣本大小,必須小於16 μm2,想把這麼小的東西好好切下來,實際操作上非常困難,到底要用什麼樣的切割工具?在什麼樣的顯微放大之下才能做到?在在都是問題,接下來,把所切下的微米樣本安裝到針尖上,功夫可沒那麼簡單;當然,有一招碰運氣,我把它戲稱之為「散彈打鳥法」,以時間換取空間的「偷吃步」,那就是把樣本研磨成粉狀,在高倍光學顯微鏡之下,把一顆粉粒黏到一根針尖頂端,因為磨成粉之後,不知道那顆粉粒才是所要的,只能多多做一些樣本,一個個拿去掃描,米粒夠多的話,青瞑雞也會啄到米,把時間耗下去撒出天羅地網,總會找到一個可用的樣本,產生所要的三維模型。

-----廣告,請繼續往下閱讀-----

說到這裡,或許對於這篇文章的題目「用大砲打小鳥」,該有比較多的瞭解,至少知道我是拿 262 公尺、8-11 keV 的 X 光「大砲」,打只有 16×16 μm2 的「小鳥」﹔現在來算看看,到底放大的倍率有多少?我們就不拿 262 公尺與 16 μm 來算是多少倍,這樣子除出來的數字,沒有意思﹔所要的是,到底用如此龐大的設備拍攝,可以拍出多麼細小的東西,也就是說,它可解析到什麼程度(尺寸)?據宋博士告知,她們這台穿透式 X 光顯微鏡的成像器,縱橫兩個方向,各有 1,024 個像素,各涵蓋 16 μm,所以,每個感光成像像素,對應於 0.015625 μm2,也就是大約 16 nm2 (奈米)平方的拍攝範圍,所要看的物件,只要大於 16 奈米平方,就可以解析出來﹔當然,如果把影像列印出來,可以列印大一些,也可以列印小一些,要算到底放大了多少倍,就要看列印的尺寸了。

從原始相片做出來(假色)的三滴模型, 最底下那一大片平滑亮面,是方解石,不是所要的, 上方那些密密麻麻孔孔洞洞才是所要的,但是看不出啥鳥蛋。

話說另一頭,因為初次樣本製作不是很好,這次用大砲打小鳥的效果,有一點俗語說的「烏龜吃大麥,糟蹋糧食」,不管是二滴(平面)或是三滴(立體)的,都不是很清楚,再加上,我對於到底這個樣本裡面會有啥米碗糕,到底我要看啥「鳥」,自己也根本不知道,所以該中心的王博士幫我做出的三滴影片,和自己手中列印出來的二滴馬賽克相片等,看來看去, 一直都沒有看出啥「鳥蛋」,一堆麻麻花花的黑白點,真的有看沒有懂。

從四月底拿到這些原始數據之後,不知道花了多少時間和心神,想要看出這些二滴和三滴的照片裡面所隱藏的奧祕,明明就在我眼前,怎麼會有看沒有給我懂出來?在漫長的一個多月的時間內,我不知道花了多少時間和精力,反覆了多少遍,使用各種影像處理的軟體,有二滴的,也有三滴的,斟過來看過去,就是有看沒有懂,有看沒有出來,我用人家那麼先進的大砲,到底有沒有打到了什麼鳥蛋?如果有打到,那又是打到什麼東東?這些相片裡面,到底隱藏了什麼奧祕?一直解不開謎底,真是沮喪,無形的心理壓力,也逐日累增,幾乎要爆炸了,同時也覺得非常對不起人家那麼熱心幫忙,此時只能怪自己有眼無珠,恨自己笨蛋到極點。

花了好大的力氣,把原來的三滴檔案放到OsiriX上後製作, 所得到的結果,還是花花花,有看沒有懂。

不知道什麼原因,王博士在處理製作成三滴影片的過程中,就是無法除去(橫切面看)最外圍的那層假的圓圈殼,我請他將檔案轉換成醫學斷層掃描用的 DICOM 格式,然後我在麥金塔上用免費的電腦斷層掃描軟體 OsiriX 做進一步的後處理,終於把蒙蔽內部的那層假殼去除掉,也輸出了新的三滴模型為蘋果公司的快時虛擬實境 (QTVR, QuickTime Virtual Reality) 格式,以便我在(也是免費的)快時播放器 (QuickTime Player) 7 版中,可以隨心所欲把模型放大縮小旋轉到任何角度,讓我從各種不同的方位,好好瞧瞧﹔不過,花了那麼多的時間和心血之後,還是沒看出什麼鳥蛋,真是洩氣,晚上睡覺都會做惡夢。

-----廣告,請繼續往下閱讀-----

過了好幾個禮拜如此痛苦的日子,一直都得不到解決,這裡面的一個關鍵點在於:我真的不知道到底要看什麼?或說,我想要看的目標,到底長得什麼樣子,從來沒有人看過,也幾乎沒有人能請教,或找到相關的文獻參考,真是求助無門啊!這塊樣本是埃迪卡拉紀黃楊清蓮體終端的實體化石 (Body Fossil),據目前的資料顯示,到現在為止,我這埃迪卡拉紀實體化石的發現,乃為世界首見,全世界從未發現過,過去文獻上所發表的埃迪卡拉紀化石,都是鑄模 (Casts/Imprints) 化石,所以不可能看到埃迪卡拉紀生物體內已經變成化石的細胞結構﹔我面臨的窘況,用比喻來說就容易瞭解明白:醫學院的學生,無法拿灌鑄出來的人形公仔(銅像、石膏像)來做大體解剖實習,必須使用真人的屍體才可以﹔到我發現這些樣本之前,所有的埃迪卡拉紀化石,都是 5.4 億年(寒武紀)以前的「公仔」,研究學者無法探討這些古生物體內的結構奧祕–根本沒有適當的研究材料,想要做埃迪卡拉紀生物的大體解剖,只有我手頭上才有真正的埃迪卡拉紀生物屍體,這同時也就是說,從來沒有人看過埃迪卡拉紀生物的細胞結構,沒有人知道它們長得什麼樣子,再者,因為埃迪卡拉紀的生物分類(界門綱目科屬種),到目前為止它們到底屬於那個生物界 (Kingdom) 也還難以定論,所以這些細胞會比較類似於植物細胞、或動物細胞、或原核細胞、或真核細胞?誰也說不準,誰也不知道,搞不好,它們有另外一套遊戲規則,因為它們有可能是一個或多個已經完全滅絕的生物界。

說到這裡,我也不怕被人家笑,說我是自己被自己的幻想春藥灌醉了,七老八十了,還活在一個毫無經濟利益可言的虛幻世界﹔可是、如果、萬一、「不幸」、走狗屎運、…、死也不死,真的被我透過研究這些死傢伙,找到了已經滅絕五六億年、從來未曾被發現過的「新」生物界,給我機會對全世界宣告:The Lost Kingdom Found,人生不就很夠本了嗎?我們凡人一輩子,能有幾次如此的機會?

從M1-08單張照片(左)上,我把橢圓形的結構標示出來(右)。

5 月 20 日,對我來說,總統就職三週年,根本沒有任何的意義,只是尋常百姓人家很平凡的一天,不過,在我研究埃迪卡拉紀實體化石的過程中,這可是一個大日子,非常關鍵的一天﹔這一天下午三點多,我正忙著修理老爺摩托車,突然接到研究同僚謝博士的電話,他到台北來,即將搭高鐵回台南,希望能在火車站和我碰個面聊聊,討論研究進展,於是我匆忙地搭捷運趕過去,在捷運車上看人家美女打瞌睡很無聊,就把這些化石的馬賽克照片拿出來再斟酌,或許是車子搖晃,加上剛好的光線強度和角度,照片上面似乎「跳」出好多橢圓形的圈圈,這裡一個,那裡一個,到處都是,每一張馬賽克上面都滿滿地一大堆,它們的長軸直徑,大約都在 5~20μm(細胞大小)之間,哇塞!這些是啥玩意?摘下眼鏡,揉揉眼睛再看,果真到處都是橢圓圈圈耶!我沒有老人家眼花撩亂吧?打一下自己的頭,我沒有做白日夢啊!照著剛才電光石火剎那間的直覺,抓住了那個難以文字描述的要領,原來,雖然我先前的樣本準備不夠好,導致掃瞄出來的相片不是很清楚,花了這麼久的時間,都不得要領看不出眉目來,但在這一刻這一剎那,終於開始看到了一些「東西」了,謝謝謝博士喊我去碰面,要不是如此,這堆照片還可能要躺很久,至少要等到下一次的光束時間以較薄樣本重新掃描出來之後,或許,如果幸運的話,才能看出名堂來!在台北火車站短短的碰面中,我迫不急待地指給謝博士看,他終於也看出來,也同意這些 TXM 馬賽克照片裡面,的確有好多好多的橢圓圈圈,加上它們的長軸直徑 5~20μm,也符合細胞的直徑〔按:紅血球細胞直徑大約 10μm〕,尤力卡!

好了,既然在平面二滴的馬賽克相片上有看到不好計數的橢圓圈圈,如果以同樣的要訣重新檢驗那個三滴立體模型,理論上應該可以看到這些我認為是黃楊清蓮體細胞橢圓圈圈的三滴結構,也就是這個大約 5.65 億年前古生物的立體細胞形狀﹔於是乎,又歷經了好多輾轉反側難以入眠的夜晚,硬著頭皮好好用幾個免費從網路抓下來的醫學用立體渲染 (Volume Rendering) 應用軟體,如 OsiriX,VR-Render 等等,一面學,一面用,能做多少算多少,只要能讓我看出這些橢圓圈圈的三滴結構,在此階段,我就很滿足了。

-----廣告,請繼續往下閱讀-----
埃迪卡拉紀黃楊清蓮體終端的立體細胞結構。

我沒錢買專業用的軟體,只能從網路下載免費軟體(Freeware),經過無數次的程式撞毀 (Program Crash),心理早就有準備,程式撞毀是必然的結果,總之,跌跌撞撞,東搞搞西摸摸,終於「切入」了前面的三滴模型,從立體的角度看到這些細胞的結構:右邊這張圖很清楚的顯現,這些外型如橄欖球細胞的四分 (Quadrant) 形狀。

什麼?你還是看不出來?那裡有立體的細胞結構?一堆黃色棕色黑色的點罷了﹔好吧,送佛就要送到西天,好人做到底,接下來的這張,我把此立體柱狀體的幾個交界線(總共 12 條)用綠色的虛線標示(7 條,另有 5 條被擋住看不見)出來,再把兩個部份細胞的位置,再分別以白色和藍色線標示出來;這個白色線所標示的細胞,其實只有(大約)整個外形如橄欖球細胞的四分之一,也就是說,想像你拿個橄欖球,像剖西瓜那樣,沿著長軸一刀切下去,切成兩半,這時候,你會看到一個橢圓的圈圈,接著,再從垂直於此剖面、同時也垂直於橢圓長軸的方向又切一刀,就會得到類似如此的四分切片,穿越此白橢圓圈圈的綠色虛線,就是長方立體柱的交界線,這就是這張圖所顯示的;說了這麼清楚,你還看不出來,那就是你的眼睛該去檢查一下囉!

三滴的埃迪卡拉紀黃楊清蓮體終端標示圖。

最後,來做個小階段的檢討算帳:我「 用大砲打小鳥」,有沒有打到東西?答案絕對是肯定的;有沒有打到很多「 小鳥 」?有,打到很多,沒有好好去算有多少個,也不必去算;那麼,到底打到了什麼「鳥蛋」?嗯,這個,這個,(我講話開始啼啼吐吐了)目前只能說,應該是外型如橄欖球狀的細胞結構;能確定是細胞的形態嗎?嗚,嗚,應該是吧!整個結構的長度,也符合細胞的長度,在 5~20μm 之間;那麼,假設真的找到了 5.65 億年前埃迪卡拉紀黃楊清蓮體的細胞,這些細胞裡面的結構又如何?啊,啊,莫宰羊,從目前的相片和三滴模型,還不夠精確,加上我根本沒有細胞組織學 (Cellular Histology) 的訓練,實在沒辦法置一詞,只能等下次光束時間重新掃描,取得更好的解析效果,並找到在這方面專精的學者專家,如謝博士等人,一起來研究,我們團隊應該可以提出更詳盡的報告來。

順便一提:我這個研究課題,絕對很有趣,對於地球生命演化,絕對重要,在此,我廣發武林英雄帖,誠心邀請能者跳到擂台上來,加入我的團隊,讓我們一起來幹一件驚動武林轟動萬教傻事。

-----廣告,請繼續往下閱讀-----

現在,端午節到了,我要吃粽子去了!

本文同步發表於催眠恐龍[2011-06-06]

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 2
timd_huang
24 篇文章 ・ 0 位粉絲
跟我玩恐龍去!

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

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
1

文字

分享

0
2
1
從一片荒蕪到綠色星球:細菌與光合作用如何重塑地球——《你的身體怎麼來的?》
商周出版_96
・2025/01/27 ・3861字 ・閱讀時間約 8 分鐘

喜出望外

海中糟粕化為盎然綠意

這個星球現在仰仗光合作用運轉。

──史緹耶可.戈盧比奇(Stjepko Golubic)

四十億年前,地球的陸塊相當單調,黑色、褐色、灰色的岩石上一片荒蕪,火山朝著無氧的大氣噴發毒素,人類乘坐時光機回到那時間點會立刻窒息。當時地球上僅有的生命形態是細菌,以及比英文句號還小得多的單細胞生物。然而若往前快轉幾十億年,來到距今僅三億五千萬年前後,會發現大氣中氧含量接近人類已經習慣了的百分之二十一,這是個很奢華的數字。

那個年代,海洋中滿是巨大生物四處洄游,植物入侵陸地並為人類的演化鋪路。地球從無法居住的荒土蛻變為藍綠色的生命樂園,這麼戲劇性的轉折是什麼力量在背後推動?

種種因素之中有一項特別醒目:直到一九六〇年代人類才開始意識到光合作用的力量不下於各種地質學事件,改造這顆星球的手段神祕且驚奇,非常難以想像。

地球從荒土到生命樂園的蛻變,歸功於光合作用的出現。圖 / unsplash

改造過程中,光合作用或許曾經引發大規模生物滅絕。科學家一度認為其威力能夠與核戰浩劫相提並論,使這顆行星被寒冰覆蓋化作巨型雪球。但同時光合作用又輔助、甚至促成「不可能」的演化捷徑,進而提高生命多樣性,最終使植物甚至人類得以存在。科學家如何研究太古時代的自然變動?而光合作用又如何將地球鬧得天翻地覆?

-----廣告,請繼續往下閱讀-----

疊層石背後的生命故事

十九世紀末期,有人找到能夠追溯光合作用悠久歷史的第一條線索。那時候沒有任何證據指向距今大約五億五千萬年的寒武紀之前有生命存在,然而一八八二年冬天美國大峽谷深處名叫查爾斯.沃爾科特(Charles Walcott)的岩石收藏家改變了一切,後來還當上史密森尼學會的主席。

沃爾科特的故鄉是化石天堂紐約州由提卡市(Utica)。小時候他生得瘦瘦高高,喜歡在父母的農場以及附近未來岳父擁有的採石場內找化石,十八歲離開校園之後先去五金行當店員,卻自己閱讀教科書、研究化石並撰寫論文、與著名地質學家通信來維繫心中熱情。他曾經蒐集古代海洋生物三葉蟲的化石標本,品質在全世界而言也是數一數二,後來慷慨出售給了哈佛大學。

沃爾科特的勘探技巧十分高明,也藉此就職於新成立的美國地質調查局。一八八二年十一月,地質調查局局長、同時自己也是探險家的約翰.威斯利.鮑威爾(John Wesley Powell)要求沃爾科特勘測迄今為止無法進入的大峽谷深處。

鮑威爾之前嘗試過,但只能乘坐小木舟趁漂流時稍微觀察最底層岩石,後來他就在偶爾有「刺骨寒霧、雪花飛旋」的地方紮營監督,帶人修建一條從峽谷邊緣延伸到下方三千英尺(約九百一十四公尺)處溫暖地帶的陡峭馬徑,並且讓時年三十三歲的沃爾科特帶著三名工人和足夠支撐三個月的食物、九匹上鞍的騾子沿著那條臨時小徑進入谷底。

-----廣告,請繼續往下閱讀-----

「高原之後就會積滿雪,」鮑威爾告訴他:「春天之前你和搬運工無法離開峽谷。希望這段時間裡,你能好好研究地層序列,盡量收集化石。祝好運!」

對沃爾科特而言,這是千載難逢的機會。他已經發現一些已知的最古老化石,例如神似甲殼類但奇形怪狀的三葉蟲。此外,達爾文發表《物種起源》不過四十年前,但因為缺乏最原始的動植物或細菌化石而遭到很多抨擊。批評者仗著沒有化石這點堅稱所有物種都是神造,懷疑論者也要求達爾文證明古代有過更單純的生物,可惜他只能委婉表示若生物體很小就不容易留下化石,希望有朝一日會出現。

充滿驚喜的山谷

沃爾科特深知達爾文的窘境。他沿著陡峭原始小徑下降到幾乎沒有生命跡象的大峽谷谷底,然後用心觀察周遭環境。山谷、懸崖,除了石頭還是石頭,但這一隅紅色天地很得他喜愛,不過同行的化石收集家、廚師和馱獸管理員就未必能夠分享那份悸動了。

他們沿著八百英尺(約兩百四十四公尺)峭壁吃力前行,其中一段就是現在的南科維山徑(NankoweapTrail),一般認為是大峽谷裡最危險的路線,河流地形坡陡水急即使沿岸也難以行走,有時候不得不自己開路以求深入。後來一頭騾子死亡、另外兩頭受傷。旅程中至少一次,沃爾科特筆中的墨水結凍了,但又必須在篝火邊融冰為水給騾子飲用。但最可怕的其實是死寂與孤獨,才三個星期就導致那位化石收集家夥伴憂鬱求去。但沃爾科特不同,能來到谷底他太興奮了,堅持了七十二天才踏上歸途。

-----廣告,請繼續往下閱讀-----

有一天他爬上爬下,對部分岩石中層層線條感到好奇,乍看很像切開的包心菜。這些圖案極不尋常,所以沃爾科特認定是生物,後來將其命名為藍綠菌(最初曾視為藻類)。他還聯想到自己在紐約州看過來自寒武紀時期的類似化石,取「隱含生命」的含義命名為隱藻化石(Cryptozoön)。然而大峽谷的情況有點不同,這些化石明顯可見,卻又位於更古老的岩層內,因此歷史比任何其他已發現的化石都久遠。

沃爾科特在大峽谷的古老岩層中發現了類似藍綠菌的化石,命名為隱藻化石,揭示比已知更古老的生命存在。圖 / unsplash

沃爾科特後來在蒙大拿州等地持續發現同樣古老的隱藻化石,接著其他古生物學家也在前寒武紀岩石內察覺到疑似化石的特殊圖案,種種線索指向最原始生命形式的證據可能保存在寒武紀前的石頭裡。即便如此懷疑論調不斷,尤其某個長期存在爭議的標本被證明了並非化石,而是火山石灰岩經過壓力和高溫形成獨特的礦物沉積。

隱藻化石的爭議:解鎖前寒武紀生命的證據

一九三〇年代,沃爾科特去世的四年後,劍橋大學最具影響力的古植物學家蘇厄德(Albert Charles Seward)決定加入辯論,卻在後來被古生物學家肖普夫(William Schopf)形容是「讓煮熟的鴨子飛了」。蘇厄德在史稱「隱藻化石爭議」的事件中嚴格審視前寒武紀化石證據,得出結論認為這完全是一廂情願,所謂的化石與現存物種之間沒有明顯關係,大型結構並未顯示出由較小細胞組成的特徵。

他主張沃爾科特在隱藻化石找到的環狀圖案可能是海底富含鈣質的淤泥沉積,人類本來就不該期望細菌這樣微小的生物會被保存在化石,最後又語重心長告誡科學家:有些尋找化石的人太過一頭熱,他們宣稱找到特別古老的標本時不能輕信。

-----廣告,請繼續往下閱讀-----

地位如此卓著的人物提出警告,導致地質學家不願再從岩石尋找距今約五億年以上的化石,畢竟找到的機率幾乎等於零。久而久之許多人認定了生命在地球上的歷史很短,這顆星球的前面四十億年、其歷史的九成之中根本沒有生命存在。微生物學家史緹耶可.戈盧比奇指出許多科學家以「前寒武紀」一詞指稱生命尚未問世的太古時期,其實這是陷入「現有工具檢測不到就代表不存在」的思考偏誤,將缺乏證據直接視為否定證據了。

時間來到二十年後的一九五〇年代中期,澳洲年輕研究生布萊恩.洛根(Brian Logan)隨地質學教授菲利普.普萊福德(Philip Playford)探索了位置偏遠的鯊魚灣,也就是澳洲西北海岸一片孤立的鹹水潟湖。站在這兒的海灘,淺藍色海水退潮時會露出如夢似幻的奇景:數百顆三英尺(約九十一公分)高的圓柱狀岩石林立,彼此間距很小,彷彿堅硬粗糙如石塊的蘑菇聚集叢生。

兩人詳細調查了這片怪異石陣,然後意識到理解沃爾科特隱藻化石的關鍵。眼前這些不僅是活化石,還能回答一個經典謎語:什麼東西既死又活?石頭表面曾經活著,是藍綠菌累積起來形成網罩般的構造。海水進出時,這層菌網會捕捉沉積物。而藍綠菌死亡後,沉積物固定在原位如海綿狀的石塔,於是又有新的細菌附著其上、形成新的一層網罩。

細菌以同樣方式在太古海洋中創造出沃爾科特的隱藻化石,現在稱為疊層石,語源是希臘文stroma(層)和lithos(岩)。目前只有鯊魚灣等少數幾個地方能找到疊層石,環境對其他多數生物過於鹹澀無法生存。但另一方面,已經化石化的古老疊層石則在世界各地皆有發現。

-----廣告,請繼續往下閱讀-----

澳洲地質學家偶然發現還活著的疊層石,同時美國兩位地質學家史坦利.泰勒(Stanley Tyler)和埃爾索.巴洪(Elso Barghoorn)也宣布找到了蘇厄德口中不存在的化石標本,其中微生物有單細胞也有多細胞,藍綠菌絲也包括在內,而且這些化石都有大約二十億年歷史。「許多人很震驚的,」戈盧比奇表示:「原本以為生命在寒武紀才爆發,之前什麼都沒有。寒武紀應該是起點才對。」但現在普遍接受最古老的疊層石化石上微生物活在三十五億年前,依舊是地球誕生的十億年之後。達爾文和沃爾科特應該很欣慰。

哪種細菌造出最古老的疊層石?無法確定是已經會行光合作用的藍綠菌,抑或是它們的祖先。不過藍綠菌至少二十四億年前已經存在於海洋。

——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-----

討論功能關閉中。

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。

0

1
0

文字

分享

0
1
0
台灣有恐龍嗎?化石學家帶你探索島嶼的古老秘密——《好久・不見》
麥田出版_96
・2024/11/02 ・2579字 ・閱讀時間約 5 分鐘

台灣的地理位置與化石形成

台灣也有化石嗎?台灣也有恐龍嗎?

世界地圖攤開一看,台灣陸地上的面積看來是不大,但其面對的太平洋,不只在我的想像中、在我多年搭著飛機到世界各地檢視相關的標本,試著拼湊出鯨魚們在數千萬年間演化歷程的經驗中,我知道也相信台灣的地底下,必定蘊涵著能跟我們講出帶有全球視野的化石標本。

同時,台灣除了被海洋包圍之外,那平均深度只有六、七十公尺深的台灣海峽,也清楚的意味著,當更新世的冰河時期讓海平面下降幅度來到或超過這個臨界點時,台灣就會成為歐亞大陸最東南邊的一角。

相信在台灣的不少人都常聽過,台灣在冰河時期會和中國大陸連在一起,但我在跟大家解釋這樣的環境變遷與古生物演化時,總是會特別強調我不想泛政治化,但世界地圖清楚的標示出台灣的地理位置應該是可以、也該要放在更大的版圖:歐亞大陸的板塊底下來討論,而不是只有限縮在與中國大陸連結的關係。

畢竟,當我們像是讚嘆著非洲地區的陸生大型哺乳動物,能在以年為單位的時間軸來進行長距離的移動時,基本上是用「萬年」以上的尺度來探討生物演化、移動的古生物學,處於歐亞大陸東岸的台灣上的大型脊椎動物,要橫跨歐亞大陸到西邊、或是反方向的來到台灣,大概都會是稀鬆平常的移動距離。

-----廣告,請繼續往下閱讀-----

建立起這樣的思維模式後,當然就是需要有最直接的化石證據來驗證這樣的想法,或深入討論其化石標本的背後,隱藏了怎樣的大尺度演化事件。

大型脊椎動物跨越歐亞大陸到台灣,在古生物學的長時尺度下是平常現象。圖/envato

早坂一郎的開創性研究與犀牛化石

二○一八年一月底從日本的筑波搬到台北後,一邊重新改造所接手的退休丘臺生教授的實驗室、一邊開始準備新學期的上課內容;除此之外,很重要、也是主要的工作內容,就是要開始到野外和各個單位的收藏庫裡尋找、檢視相關的化石標本,試著解讀其背後所帶有的古生物學、演化學上的意義。

有趣、但不令人意外的是,知道我開始要在台灣從事大型脊椎動物化石研究的人,第一個反應通常都會是:台灣也有化石嗎?台灣也有恐龍嗎?這樣之類的疑問。

要回答台灣有沒有化石紀錄的出現,我在日本的工作經驗,和剛好不小心娶了日本太太,讓我能從搬到日本工作前還不會五十音的狀態,到現在能有一定用日文溝通和閱讀日文文獻的基礎能力,幫了很大的忙。

-----廣告,請繼續往下閱讀-----

因為,台灣的古生物研究歷史,基本上就是從日治時期展開並奠下根基。也因此,有一定的日文能力和在日本古生物學界中遊走的經驗,確實是對於一些細微的狀況,更能推敲或掌握。

舉例來說,我目前所服務的台灣大學於一九二八年創立時的前身:日治時期的台北帝國大學,一開始創校時就加入的早坂一郎教授,可以說就是在研究台灣大型脊椎動物化石的先驅,也就不意外為什麼一九八四年在台灣所發現、並被命名為一個新亞種的犀牛化石,會以早坂為名(犀牛的故事書寫在第四話)。

延伸閱讀:從放牛學生到震驚世界:左鎮犀牛化石背後的傳奇——《好久・不見》

台灣有化石的出沒,對生物多樣性、生命演化等議題有些敏感度的人來說,大概不會太意外。但台灣有沒有令許多人為之瘋狂的恐龍,聽起來就是一個棘手許多的疑問。

或許出乎大多數人的意外,台灣不只有貨真價實的恐龍,還有台灣才有的特有種恐龍!

-----廣告,請繼續往下閱讀-----

一九九三年上映的《侏羅紀公園》(Jurassic Park),可以說是徹底的激發了全世界對於恐龍的狂熱與追逐。即使到了二○二四年的今天,恐龍的形象,對於大多數的人來說,似乎就是古生物學研究的全部了。

《侏羅紀公園》激發全球恐龍熱潮,至今在大眾心中恐龍仍象徵著古生物學。圖/wikimedia

但恐龍有如此的代表性,可不是只有形象般的讓人摸不著邊際,而是有全世界各地的古生物學家用一生的精力,和政府、私人所挹注的大量資源,來試著一點一滴揭開恐龍那引人入勝的演化歷程。

舉一個比較可以讓大多數人理解到我們對於恐龍知識是如何持續的累積、建構起來的例子:我正在書寫這段文字的當下是二○二○年的五月中旬,這年從一月一日到這個時間點,已經有二十種,先前完全未知、生存於中生代的恐龍們被古生物學家發現,並且正式的命名為新物種、發表在國際間相關的古生物學研究期刊中—平均不到一個禮拜,全世界就又會多了一種中生代的恐龍在我們的知識體系中!

台灣的鳥類恐龍故事:恐龍演化新視角

藉由這樣的研究能量,我們現在不只清楚的知道所有現生鳥類都是貨真價實的恐龍,連我上課在談論恐龍演化所使用的教科書,所提到恐龍定義裡的其中一個主角,即有我們幾乎每天都會見到面的麻雀:

-----廣告,請繼續往下閱讀-----

恐龍包含了滅絕的三角龍和現生的麻雀最近的共同祖先,以及從這共同祖先開始的所有後代,都是恐龍。沒有被包含在三角龍和麻雀最近的共同祖先裡的後代,都不是恐龍。

大部分隨口問我台灣到底有沒有恐龍的人,我基本上都很難有足夠的時間用上述簡短的內容來說明,因為可以感覺得出來,大部分的人,真的都只是隨口問問,大概也沒有打算真的想要了解恐龍、或是古生物學的研究工作到底是怎麼一回事,背後又有什麼重要的意涵。所以我一般都只會簡短的回應著像是,台灣當然有恐龍,因為所有的鳥類都是恐龍,不只如此,我們每天也都在吃著貨真價實的恐龍肉!

——本文摘自《好久・不見:露脊鯨、劍齒虎、古菱齒象、鱷魚公主、鳥類恐龍⋯⋯跟著「古生物偵探」重返遠古台灣,尋訪神祕化石,訴說在地生命的演化故事》,2024 年 9 月,麥田出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

麥田出版_96
27 篇文章 ・ 15 位粉絲
1992,麥田裡播下了種籽…… 耕耘多年,麥田在摸索中成長,然後努力使自己成為一個以人文精神為主軸的出版體。從第一本文學小說到人文、歷史、軍事、生活。麥田繼續生存、繼續成長,希圖得到眾多讀者對麥田出版的堅持認同,並成為讀者閱讀生活裡的一個重要部分。