Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

洗手能讓人更樂觀?

cleo
・2013/10/27 ・658字 ・閱讀時間約 1 分鐘 ・SR值 542 ・八年級

Washing-Hands

一項新的德國研究發現,像洗手這些簡單的清潔行為,可以幫助我們處理失敗及挫折。

科隆大學的Kai Kaspar博士檢視了人們歷經失敗後,清潔身體所產生的益處,及這個行為是否會讓人更樂觀。結果顯示,在試驗後進行洗手清潔行為的實驗對象,會比未洗手的人更加樂觀,但這行為也降低了他們之後對同領域試驗的表現。此研究刊登於Social Psychological and Personality Science期刊。

此研究中,Kaspar將98個實驗對象分成三個組。在第一部分實驗,其中兩組的實驗對象,必須解決一項不可能解決的任務。在嘗試失敗後洗手及未洗手組都感到樂觀,並且認為他們在第二次試驗中會做得更好。然而其中洗過手的群體感到樂觀的程度,遠超過未洗手的群體。

一般的結果是樂觀會導致較好的表現,但在本實驗中卻得到相反的結果。沒洗手的人比洗過手的人表現更為優秀。而如果第三個群體的人沒有經歷過挫折,且只參加第二個試驗,洗過手的人的表現則會在水平之上。

-----廣告,請繼續往下閱讀-----

Kaspar表示,從實驗結果看來,經歷失敗、挫折後的身體清潔,或許能夠消除負面感覺,但它同時也降低了在新的試驗中努力恢復「我是有能力的」的感知的動機。因此,身體清潔似乎能讓人以較佳的心態調適失敗。

專家們則相信這個研究能讓更多人注意,日常清潔是如何影響人類行為的心理層面。

資料來源:科隆大學
原文來源:Can Washing Your Hands Enhance Optimism?– PSYCH CENTERAL [25 OCTOBER 2013]

Hand Washing Makes You Happy 編按:請讓你的模擬市民經常洗澡、沐浴和洗手來保持清潔。開心度才會++噢!

-----廣告,請繼續往下閱讀-----

-----廣告,請繼續往下閱讀-----
文章難易度
cleo
49 篇文章 ・ 1 位粉絲
是個標準的文科生,最喜歡讀的卻是科學雜誌。一天可以問上十萬個為什麼。

0

1
0

文字

分享

0
1
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。

0

1
2

文字

分享

0
1
2
當人們對細菌一無所知、當醫生不洗手:生產,就像是去鬼門關前走一趟──《厲害了,我的生物》
聚光文創_96
・2022/09/13 ・1767字 ・閱讀時間約 3 分鐘

無知的代價:產褥熱

故事說到這裡,此時此刻,人們依然只能透過顯微鏡、放大鏡等工具,追尋微生物的芳蹤。當然啦,發現微生物是一回事,要確認這些微生物與特定疾病的相關性,並且證實它們的致病性與致病機制,則完全又是另一回事。

在那個對微生物一無所知的年代,該有多可怕?圖/envatoelements

然而,產業救星巴斯德先生在拔了一根草、測了測風向以後,敏銳的發現,風向是會改變的。在與微生物和疾病的永恆戰鬥中,人類也不會永遠的屈居下風。

巴斯德的重心,逐漸從化學轉移到微生物之上。他雖然不是醫生,也不是婦女,卻對婦女的生死大關特別有興趣。

在十八世紀到十九世紀之間,有多達百分之三十的婦女,會在生產後的「產褥期」,受到細菌感染而持續發燒,稱為「產褥熱」(puerperal fever)。

-----廣告,請繼續往下閱讀-----

當時,產褥熱的致死率相當高,一旦受到感染,有百分之七十五的產婦可能會挺不過去,一手接生一手送死,悲傷的故事在醫院裡不斷上演。

被忽視的警告:「不要碰完屍體去接生!」

一八四三年,美國醫生霍姆斯(O. W. Holmes)在論文中提到,不少醫生會在解剖完屍體之後,再為產婦進行接生,這些產婦中,染上產褥熱的比例也偏高。

但是,當時的醫學界並不認同霍姆斯的觀點,將他的提醒當成了耳邊風。

進產房前,別忘了先寫遺囑!圖/聚光文創

與此同時,在著名的維也納大學醫學院中,匈牙利醫師塞麥爾維斯(Ignaz Philipp Semmelweis),正為了附屬醫院中,遲遲無法下降的產婦死亡率而苦惱著。

-----廣告,請繼續往下閱讀-----

即使進行了詳細的大體解剖,塞麥爾維斯也無法找出產褥熱的原因,只能眼睜睜的看著產婦一邊期待著新生命的降臨,一害怕著死神將揮舞著鐮刀,收割她們的性命。

心痛的塞麥爾維斯,於是將目光轉向產房細節。他注意到,如果產婦居住在解剖室旁的產房,產褥熱的比例更居高不下;反觀助產士教學病房裡的產婦,死亡率就明顯較低。

塞麥爾維斯於是推測,或許在屍體中帶有某種毒素,經由負責解剖的醫生、實習生的雙手,在接生或產檢之際進入產房,造成了產婦的死亡。

只是洗個手,死亡率剩下原本的 1/4

一八四七年,塞麥爾維斯決定,要求產科裡所有醫生、實習生,特別是那些剛進行過大體解剖的小夥伴們,在為產婦接生或檢查之前,務必要用肥皂與漂白水浸泡、清洗雙手,並澈底刷洗指甲底下的汙垢。

-----廣告,請繼續往下閱讀-----

果不其然,一個簡簡單單的洗手動作,就讓院內產婦的死亡率,從百分之十二下降到百分之三!可喜可賀!

即使塞麥爾維斯發現「洗手」就可以降低產婦的死亡率,但它的發現並未被醫界重視。圖/envatoelements

按照常理思考,我們可以大膽推測,接下來的劇情發展應該是:「塞麥爾維斯被譽為英雄,他所推行的洗手習慣,立刻被全世界廣泛採用……」

NO~NO~NO,塞麥爾維斯拿到的,可不是這麼簡潔、老生常談的劇本,故事尚未劇終,本章節依然未完待續。

事實上,他的重要發現並沒有受到醫學界的認可,連病房主任也說,死亡率的下降,是醫護同仁們用心禱告的結果,跟洗不洗手什麼沒啥關係。

-----廣告,請繼續往下閱讀-----

不僅論點違背主流風向,許多醫生甚至覺得,塞麥爾維斯的說法,根本就是在說「醫生手很髒」或「病從醫生來」,對此,他們表達強烈的不憤怒與不滿。

讀到這裡,我們或許會覺得,只是洗個手,有那麼痛苦那麼難嗎?殊不知,即便是疫情當前的今日,對於這個倡導手部衛生的建議,依然有人會感到不滿與抗拒。

如此一想,一百多年前的醫生們不想洗手,好像不是多麼不可思議的事情了。

沒想到竟然連醫生都會不想洗手!圖/聚光文創

──本文摘自《厲害了,我的生物》,2022 年 8 月,聚光文創,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
聚光文創_96
6 篇文章 ・ 6 位粉絲
據說三人出版社就算得上中型規模,也許是島嶼南方太過溫暖,我們對出版業的寒冬始終抱持著浪漫與天真。 作者們說,出版市場很艱困,但我們依然想在翻譯領軍的文學市場中,為本土的作者、原創故事發聲。 喜歡做為升學孩子減輕壓力的書,不要厚重百科類型、沒有艱澀的專有名詞,很多重大發現的背後故事更值得我們好好品味。

1

7
3

文字

分享

1
7
3
防止空氣傳染要訣:避免群聚、室內通風、加上口罩輔助
寒波_96
・2021/05/28 ・4272字 ・閱讀時間約 8 分鐘

過去一年半來 COVID-19(武漢肺炎、新冠肺炎)席捲世界,其病原體 SARS 二世冠狀病毒(SARS-CoV-2)的傳染力可以很強。這種全新的傳染病怎麼傳染,該如何預防,我們的認識不斷翻新。

如今知道常見口號「戴口罩、勤洗手」對防疫有用,卻不是最重要的事;更關鍵的是減少接觸、避免群聚,尤其「長期不通風的室內」,可謂傳播病毒的溫床。

除了戴口罩、勤洗手,也要注意減少接觸、避免群聚。圖 / 熊本縣提供

阻止空氣傳染:從防範飛沫到重視氣膠

SARS 二世冠狀病毒主要由空中傳播(airborne),可以想像成空軍,落到地面便威力大減,因此防空是第一要務。有時學術上有些混淆,一般人不計較數字的話,簡單說可以分為兩類:

較大的飛沫、較小的氣膠。

飛沫分子大,離開感染者的身體後,飛行不遠就會墜毀,空中停留時間短。「社交距離」就是為了防止這類傳播:把距離拉開,不直接被飛沫擊中。即使仍有機會觸摸落到表面的病毒,只要搭配洗手和清潔,便能有效阻絕傳染大部份的可能性。

-----廣告,請繼續往下閱讀-----

氣膠(aerosol)分子小,正常的呼吸、講話都會產生不少。離開身體後由於比較輕,漂浮距離遠,可以存在空氣中一段時間。因此應付飛沫的手段:拉開社交距離和洗手,對於由氣膠輸送病毒的空氣傳染,效果有限。口罩在此展現價值,卻又引起許多爭議。

拉開社交距離可以防止飛沫傳染,對氣膠傳染卻效果有限。圖/取自 臺北市勞動力重建運用處

許多台灣人嘲笑洋人不戴口罩,但事實上過去正確的衛生教育並不建議口罩。有病的人戴口罩可以減少感冒病毒外傳機會,但是沒有病的人「戴口罩想防範呼吸道傳染病」,這即使不是邪道,也是「缺乏正確知識」的旁門左道。

如今會從防範飛沫演變為重視氣膠,來自科技的進步。畢竟氣膠分子很小,不容易觀測,最近利用尖端科技的結晶偵測與追蹤氣膠,才更加認識過去被忽略的這塊「空氣傳染」。

這也讓我們深刻體驗,科學知識並非不可撼動的權威,必需根據新證據與時俱進。比起擺出知識權威的派頭教訓草民,科學家更應該時時警惕,自我心靈拷問還有哪裡不足。

漏掉一半空氣,為什麼口罩還會有用?

先不管其他傳染病,如果目的是防範 SARS 二世冠狀病毒,戴一般的醫療口罩有用嗎?這個攸關生死的問題,沒有錯誤的回答是:有時候有用、有時候沒用。

-----廣告,請繼續往下閱讀-----

是否正確配戴口罩是技術問題,戴不好跟沒戴一樣,本來就無法發揮口罩該有的效果。這兒的心靈拷問是:如果口罩能發揮「該有的效果」,效果會有多好?

圖/取自 Bex Glendining

顯而易見的事實是,口罩的漏洞很多。2020 年 6 月一篇討論口罩效果的短文中,提出一個想像:攜帶病毒的氣膠顆粒,大小應該和香菸類似;因此病毒的空氣傳播,或許接近香菸燃燒的傳播,假如聞得到菸味,便意謂病毒有入侵機會。

但是普通的醫療口罩,再怎麼正確使用,還是不可能完全阻擋菸味!難道這表示口罩都是騙人的?

的確,就算台灣也有戴口罩還是被傳染的案例(例如看病時被傳染的 908 號確診者),有些人還懷疑是未知的接觸,實在是輕視空氣傳染的威力。可是也有大量實例支持口罩的防疫效果,矛盾何解?

-----廣告,請繼續往下閱讀-----

根據已知資訊最合理的解釋是:

空氣中的病毒量不同,口罩的阻絕效果,在病毒量不多時足夠、超過一定量則不夠。

傳染能否成功,取決於空氣中的病毒量。量不多時口罩效果很好,超過一定量以後風險大增,口罩也難以發揮作用。圖/取自 Face masks effectively limit the probability of SARS-CoV-2 transmission.

避免群聚、室內通風,口罩在病毒不多時才有效

實測指出一個人在 30 分鐘間,大概可以排放 600 萬個氣膠顆粒,可以想見更多人、更長時間、活動更激烈,累積的數量會更多。而醫療口罩大約能阻擋 30% 到 70% 的顆粒,假如每個顆粒上頭都有病毒,將會有大量病毒穿越口罩。所幸,攜帶病毒的顆粒,比例非常低。

一系列實測、量化、模擬得到結論的大意是:如果空氣中的病毒有限,即使少數能穿透,口罩仍然有足夠的隔離效果;但是當病毒累積超過一定的量,口罩將變得毫無幫助。

可想而知,環境的影響非常非常大。

-----廣告,請繼續往下閱讀-----

空氣流通的室外,正常空氣流動便能分散具有病毒的顆粒,另外像紫外線、高溫、濕度等因素,都會摧毀離開人體的病毒。空中的病毒不容易累積,傳染風險便不高。

相對地,密閉的室內,一旦病毒隨著氣膠進入空中,難以排除之下,容易長期漂浮,時間一長將大幅增加傳染的風險。

室外空氣相對流通,風險大減。但是即使在室外,群聚還是有風險的。圖/取自 新北板橋500例淪重災區 華江黃昏市場一張圖曝「恐怖群聚」

完全免於人與人的接觸不切實際,不過仍然可以避免群聚,這有好幾個作用。一方面是,假如其中存在傳染源,與其接觸的人愈少愈好;另一方面是如果傳染源不只一個,而是兩個,風險不單純只有兩倍,而是更高。

空中病毒量的累積,和傳染風險並非線性關係,一旦超過臨界值,風險會大幅提升。一些案例便是密閉空間中,幾個傳染源傳染給一大群人。

口罩的防疫效果是雙向的,對於沒有感染的多數人,口罩可以防止病毒入侵,但是如上所述,只有在病毒量低的時候有效。

另一個方向是,正在感染病毒,成為傳染源的少數人,戴口罩也能減少病毒輸出,減低傳染給別人的機率;而且減少輸出的效果,比防止輸入更大。

-----廣告,請繼續往下閱讀-----

雙方都戴口罩,減少病毒輸出加上降低輸入,效果最佳。但是只要接觸傳染源,就有被病毒入侵的機會。因此減少接觸、避免群聚,把不通風的場所變得通風、不要久留密閉空間,比戴口罩更重要。

口罩減少空氣傳染的各種效果。圖/取自 Reducing transmission of SARS-CoV-2

這是一場空戰,防空!防空!防空!

綜合已知情報,SARS 二世冠狀病毒是空軍,雖然仍須留意來自地面的少量威脅,主要戰場還是在空中,防空!防空!防空!

以空戰想像,可以想成人是飛機,口罩是防護罩,感染者是發射飛彈的敵機,病毒是敵軍飛彈。防護罩在飛彈不多的時候,大部分能擋下來。但是第一要務是避免進入飛彈密集的領空,否則防護罩遲早會被打穿。

群聚的敵機愈多,飛彈密度愈高,在密閉領空中停留時間愈長,防護罩被打穿的風險愈高。保持通風讓空氣流通,即使有飛彈升空,也能迅速減少飛彈的密度,降低風險。

第一要務是避免進入飛彈密集的領空,否則防護罩遲早被打穿。圖/取自 Most infrastructure issuers insulated against pandemic impact

飛彈一旦落到地面,大部分會很快自爆,只要不在附近被一起炸到就沒事。不過少數比較慢爆炸,還是要注意一下,這就是洗手和清潔希望達到的效果。

至於大面積噴灑表面消毒之類的手段,對付某些病原體有效,對於 SARS 二世冠狀病毒的傳染,意義不大。話說回來,化學兵只會噴藥,不可能升級變空軍,像是對馬路大範圍噴藥這種事,即使防疫上沒什麼用,也是他們只能做的事。

作戰要贏,講的是效果實在。比起不切實際的花招和花腔,如茶道一般的消毒表演,個人防疫最重要的是防空,以及避免進入飛彈密集的領空。

-----廣告,請繼續往下閱讀-----
馬路上大面積噴灑消毒,對 SARS二世冠狀病毒的防疫效果很有限。圖/取自 Zhai Yujia/China News Service via Getty

承受飛彈不多時,防護罩可以有效保護,但是來襲飛彈太多,防護罩即使再強,時間一久也受不了。何況口罩仍有一定機率被病毒穿透,不要想說有防護罩,就傻傻地衝進飛彈海中找死。

日常環境本來是不通風的危險區,盡力將其變成通風的安全區。盡量避免進入飛彈密集的範圍,萬一非得進入,務必正確使用防護罩,也不要在不通風的危險區久留。

SARS 二世冠狀病毒全球廣傳下,也大幅增加空氣傳染的知識。和透過水源、食物傳播的傳染途徑相比,過去對空氣傳染沒那麼重視,這回也付出慘痛的代價。從各層面防止空氣傳染,例如設計建築時,更注意室內通風的問題,將是未來可以改善的方向。

延伸閱讀

參考資料

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 1
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》。