高階硬骨魚主要由正真骨魚亞組所組成。隨著演化的腳步，古代魚原本水平的胸鰭開始往上移動，並且逐漸轉為垂直；腹鰭則逐步往前，朝向原本胸鰭的位置移動。這樣的相對位置讓魚類有更強的水體控制力，可以緩慢游動、靜止不動，或是倒車。由於高階硬骨魚的胸鰭與體軸成垂直，因此行動較為緩慢的魚類，其胸鰭通常會呈現寬闊或舌片狀；反之速度較快的魚類胸鰭則會成線條狀或是鐮刀狀。
血鸚鵡是由臺灣的業者在意外中將橘色雙冠麗魚(Amphilophus citrinellus)和紫紅火口(Cichlasoma synspilum)雜交而成的人工魚種。但牠的尾鰭付之闕如，脊椎連續彎曲，與我們熟知的正常魚體並不相同。不過由於其胖胖的身軀與可愛的三角嘴讓牠們身受民眾的歡迎。而近年來血鸚鵡被更近一步的將外觀培育成愛心形的外型，來滿足魚迷的喜好。
 |
血鸚鵡 Bloody parrot│3公分 為人工繁殖出來的雜交魚種 且不具生殖能力 |
摘自《透視．魚》，時報出版
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。
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！
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。
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。
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。
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。
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。
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
討論功能關閉中。
海洋是生命的發源地，其環境複雜多樣，孕育出多種多樣的海洋生物。在漫長的演化過程魚類發展出多樣適應環境的機制，包括物理性、化學性及生物性的調適，其中刺毒（venoms）屬於較為複雜的化學性防禦機制。
然而具有尖刺的魚類就等於是刺毒魚類嗎？答案是「否」的。
刺毒魚類的硬棘上附有毒腺，除了能為掠食者帶來物理性（刺傷）傷害以外，並會造成化學性（毒液）的二次傷害，毒腺所分泌的毒液會使傷口產生更為強烈的疼痛感，是一種特殊的防禦機制。
全世界的魚類約有 30,000 多種，曾被報導過的刺毒魚類約有 2,500 多種（表 1），約占所有魚類的 8%，其主要可分為四大類，分別為：
(一)軟骨魚類中的銀鮫目（Chimaeriformes）、異齒鯊科（Heterodontidae）、角鯊科（Squalidae）
(二)軟骨魚類中的燕魟亞目（Myliobatoidei）
(三)硬骨魚類中的鯰形目（Siluriformes）
(四)硬骨魚類中的鰭棘魚類（Acanthomorphs）(Smith and Wheeler 2006；邵廣昭 2021)。
第一類刺毒軟骨魚類的毒刺主要分布於背鰭上，數量 1 至 2 根。
第二類為魟類，現生種類約 200 多種，毒刺分布於尾柄上（Nelson et al. 2016），當其尾柄上的毒刺擊中掠食者後，毒液會經由外皮鞘（integumentary sheath）的破壞而全數釋出（Fenner 2004）。著名的電視節目主持人鱷魚先生 Steve Irwin 就是被大型魟類尾部的毒刺傷及心臟而喪命的。
第三類為鯰形目魚類，大多為淡水種類，其中有毒的種類大約為 1,500 種，毒刺分布於胸鰭及背鰭（Wright 2009），其毒刺外緣具鋸齒（圖 1A）。
鯰形目魚類在美洲具較高的多樣性，占所有種類的 60%（Nelson 2006）。臺灣產12種，淡水的種類有鈍頭鮠科（Amblycipitidae）1 種、鯰科（Siluridae）1 種、鬍鯰科（Clariidae）2 種、鱨科（Bagridae）2 種，鱨科的種類因背鰭（1 根毒刺）、胸鰭（2 根毒刺）具毒刺，故俗稱為三角姑；
海水的種類有鰻鯰科（Plotosidae）1 種，及海鯰科（Ariidae）5 種，兩者的俗稱分別為沙毛及成仔丁，毒刺的位置與鱨科一致。
A. 線紋鰻鯰（Plotosus lineatus）胸鰭硬棘。 B. 瞻星魚（Uranoscopus sp.）匙骨上的棘。C. 褐臭肚魚（Siganus fuscescens）背鰭硬棘。 D. 托爾逆鈎鰺（Scomberoides tol）背鰭硬棘。縮寫：gr，groove 溝槽。
第四類為鰭棘魚類，由六個類群所組成，分別為蟾魚目（Batrachoidiformes）、鮋亞目（Scorpaenoidei）、刺尾魚亞目（Acanthuroidei）、䲁亞目（Blennioidei）、逆溝鰺亞科（Scomeroidinae）及鱷亞目（Trachinoidei），雖然僅有 585 至 650 種，但相對於前面的三個大類群，毒刺的形態則顯得更為多樣化，毒腺可發現於牙齒、主鰓蓋骨（opercle）、匙骨（cleithrum） （圖 1B）、背鰭、腹鰭和臀鰭多個部位（Smith and Wheeler 2006）。
A. 中華鬼鮋(Inimicus sinensis )背鰭硬棘。 B. 魔鬼簑鮋(Pterois volitans )背鰭硬棘。C. 眉鬚鱗頭鮋（Sebastapistes strongia）背鰭硬棘。 D. 眉鬚鱗頭鮋頭部的棘。縮寫：gr, groove 溝槽；vg, venom gland 毒腺。
在海岸活動頻繁的臺灣，亦不乏關於刺毒魚類的諺語：一魟、二虎、三沙毛、四斑五、五象耳、六倒吊，或者是四臭肚、五變身苦；四變身苦、五成仔丁。
不管何種版本，「魟、虎、沙毛」均是刺毒危險程度的前三名。
諺語中的魟，是泛指所有尾部具有毒刺結構的燕魟亞目魚類，身體呈圓盤形，大部分種類尾巴為細長的鞭狀，依不同種類尾部毒刺的數量可達 2 根或以上，大部分漁民在捕獲後，均會把尾部的毒刺去除。多數的魟類為底棲性魚類，部分種類更具潛藏於沙中的習性，因此在沙灘嬉水遊玩時，須多加注意腳下情況以免誤踩而被其刺傷。
沙毛指的是線紋鰻鯰（Plotosus lineatus），廣泛分布於臺灣沿海並常被釣獲，其體表光滑無鱗不易被抓住，故處理時須多加注意以免被刺傷；其幼魚常成聚集成群，被稱為鯰球。
虎魚泛指臺灣產鮋亞目（Scorpaenoidei）的種類，其英文俗名有 scorpionfishes、stonefishes 、 waspfishes 等，有關 scorpionfishes 名稱的由來，或許命名者對其毒刺如蝎子螫到的觸感有著很深刻的體會。
除了虎魚這俗名外，石狗公、石頭魚亦為牠們常見的中文俗稱，因其偽裝（camouflage，一些種類會利用特化的皮瓣偽裝成礁石及表面的生物）或保護色，致使體態、體色與棲地環境極為相似而得名。
該類群是著名且危險的刺毒魚類，毒刺十分發達（圖 2），雖然鮋亞目魚類的頭部具有不少的棘（圖 2D），但具毒腺的部位僅為背鰭、腹鰭及臀鰭之硬棘（圖 2A-C） （Nelson et al. 2016），為海洋刺毒魚類的最大宗（Low et al. 1993；Church and Hodgson 2002；Vetrano et al. 2002；Fenner 2004），臺灣大約有 42 屬 100種（邵廣昭 2021）。
多數種類為底棲性魚類，棲息於沿海岩礁地形，行動緩慢並常靜止於礁石上，即使靠近之亦不動如山，其體色與環境十分相似不易被察覺，因此在潮間帶或岩礁海岸活動時，稍一不慎則有可能誤踩而遭其刺傷。目前被刺傷的個案僅國外有報導，被刺傷者大部分為漁業從事人員（Haddad et al. 2003），臺灣雖暫無相關學術文章報導，但大部分地區的海洋活動亦相對頻繁，相信有不少被刺傷的個案。
鮋亞目魚類毒素均為蛋白質（Kiriake et al. 2013），結構並不穩定，遇熱後因蛋白質變性而失去毒性（伍漢霖 2006），亦有研究顯示斑點鮋（Scorpaena guttata）的毒素在 50°C 的條件下處理，短期內即失去活性（Schaeffer et al. 1971），表示魚肉在加熱煮熟後可食用。
俗稱獅子魚（Lionfish, Turkeyfish）的危險刺毒魚類亦同屬於鮋亞目家族的成員（簑鮋類 Pteroini），但與石狗公、石頭魚的不同之處在於其十分花枝招展的外觀，平常毫不躲藏、並徐徐地遊弋於礁石間。
因其華麗的外觀而常見於觀賞魚市場，亦因此經由水族觀賞魚途徑被棄養放生（Hamner et al. 2007;Betancur et al. 2011;Johnson et al. 2016），魔鬼簑鮋（Pterois volitans）自 1980 年起現踪於佛羅里達（Florida） （Freshwater et al. 2009），延長及發達的毒刺使其在當地幾乎沒有天敵，並逐漸擴張遍布整個大西洋西岸形成穩定的族群（Betancur et al. 2011；Ferreira et al. 2015；Johnson et al. 2016），而其驚人的食量對當地魚類族群造成極大的威脅，與另一種獅子魚—斑鰭簑鮋（P. miles）為知名的入侵物種。
刺毒魚類的毒刺結構可發現於胸鰭、腹鰭、背鰭、臀鰭、尾柄、牙齒、主鰓蓋骨、肩帶上的匙骨等部位。大部分毒刺均由硬棘（spine）、溝槽（groove）及毒腺（venom gland）所組成。刺毒魚類這類用毒動物不同於河魨，其毒素由自體產生（河魨毒素由食物累積於體內），經毒腺分泌，藉由硬棘導引或注射到防禦對象身上（Bulaj et al. 2003；Fenner 2004；Smith and Wheeler 2006）。
毒腺附著於硬棘上，硬棘具溝槽。毒液的釋放是一種被動形式,並不能主動發射，當毒腺受壓迫時，毒液釋出並沿著溝槽導流至防禦對象的傷口上。被刺後傷口附近立刻產生劇烈疼痛感，隨後延伸擴散,會伴隨噁心、嘔吐、呼吸困難等症狀（伍漢霖 2006）。疼痛感可持續數小時之久，過敏體質者更會休克、甚至死亡。
刺毒魚類並不會主動利用毒刺進行攻擊，因此進行海岸活動或沿海作業時，應注意隨時週遭環境並穿戴相關保護措施（如手套、涉水鞋等）避免身體裸露、降低被刺傷的機會；若在必要情況下須接觸具尖刺且種類不明的魚類時，應避免徒手直接捕捉並藉由工具謹慎處理之。
刺毒魚類另一個對人類造成危害的地方，在於其造成的傷口可能會因為細菌感染而產生二次傷害，嚴重者會導致局部組織壞死、敗血症，甚至感染創傷弧菌（Vibrio vulnificus），而創傷弧菌感染後惡化快速，其所引致的併發症通常具較高的死亡率。
刺毒魚類的毒性依種類及釋放量而有所不同，而毒素主要為蛋白質，其結構不穩定,易受熱、酸鹼所破壞而失去毒性。遭刺傷後應盡快移除毒刺，在適當的條件下擠出毒液，使用熱、酸、鹼條件處理傷口，破壞毒素的活性，並做好傷口的清潔及消毒的工作，防止細菌的感染。
刺毒魚類所造成的傷害反應因人而異，經過現場初步處理後，應盡早送醫處理。
刺毒魚類約占所有魚類的 8%。牠們形態多樣，彼此並非姐妹群關係，亦即起源於多個祖先，換言之，刺毒機制是多次獨立演化出來的，刺毒魚類一共可分為四個大類群，軟骨魚和硬骨魚各占兩大類，包括軟骨魚中的：（一）銀鮫目、異齒鯊科、角鯊科，（二）燕魟亞目；以及硬骨魚類中的(三)鯰形目，(四)鰭棘魚類。毒刺結構可發現於多個部位，如胸鰭、腹鰭、背鰭、臀鰭、尾柄、牙齒、主鰓蓋骨、肩帶上的匙骨等。
因為臺灣為海島地形，海岸線曲折漫長，周邊海域均有刺毒魚類的分布，民眾於海域進行經濟或休閒活動時均有機會接觸到刺毒魚類。雖然刺毒多為被動的防禦機制，並不是主動攻擊的手段，但部分刺毒魚類具備十分良好的偽裝能力，在靜止的狀態下難以被察覺，因此在野外活動時應隨時注意周遭環境是否存在刺毒魚類，並穿戴相關防護衣物、鞋子，避免誤觸而受傷，增加海域活動的安全性。
若不幸被刺毒魚類刺傷，在現場進行緊急處理後，應盡早求醫，以策安全。
觀察生物骨骼的方法有很多種，一般主要以製作乾製骨骼標本、拍攝X光與製作透明染色生物骨骼為主。乾製骨骼標本製作為比較解剖學上重要的方法之一，分離後的骨頭可提供分類、演化等研究之運用。但此方法在製作過程中，常會導致部分生物骨骼組織的溶解。因此，當骨骼需要重新再組合作其他應用時，常會發生組裝不易的情形，甚至發生組裝上的錯誤。而利用X光拍攝骨骼時，雖然囿於生物體型態大小而有較多的限制，但卻能夠在不破壞生物外觀下進行體內骨骼的觀察。另外，因為影像是平面圖像，要獲得立體之相對位置必須多方位拍攝才行。而且X光的設備安全需求較高，人員也需通過證照考試，加上經費的需求較高，常讓一般的實驗室卻步。
本書所利用的透明骨骼染色法，是利用特殊藥品將生物體的肌肉組織透明化後，再利用特殊染劑將骨骼進行二重染色，讓生物標本依骨骼成分呈現不同的紅藍兩色。此方法不但能夠避免了在製作過程中骨骼遺失與錯位的問題；費用方面也較X光照射法來得便宜許多，同時亦提供了立體的標本觀察角度。
藥品：
|
作業器材：
|
摘自《透視．魚》，時報出版
