災難，然後（三）：遷村的思維

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

採訪編輯 / 陳妤寧

本文由科技部補助，泛科學獨立製作

當全球暖化無法回頭，海平面上升的問題正威脅全世界的島國居民，而荷蘭跟英國相繼發明與水共生的「兩棲屋」，引起台灣人的一陣欣羨。究竟台灣的河川氾濫和沿海地層下陷地區，是否有引進這項發明的可能？台灣的建築技術，有可能發展出自己的防洪建築嗎？這次專題邀請到銘傳大學建築系的王价巨老師，和我們分享他對於國內外防洪建築以及各地地理條件的觀察和體認。

超級比一比：荷蘭和英國的「兩棲屋」差在哪裡？

荷蘭是個低地國，是發展防洪建築中的始祖。由設計師 Koen Oltuls 率先挑戰的兩棲屋（Amphibious House）是歐洲第一座浮動住宅，每一棟兩棲屋都可以跟其他兩棲屋相互連結，當水漫進來時，互相鏈結扣合的兩棲屋彼此順著水安全地漂浮，與船屋的概念異曲同工。

英國的兩棲屋也隨後跟上，與荷蘭不同，英國的兩棲屋建築座落在穴地之中，平常像是停放在船塢內，當基地開始淹水時，透過油壓加壓方式將房屋往上推，因此必須為輕量建築，大多為木構。而英國的兩棲屋整體造價也較高昂。

王价巨老師分析，台灣由於山高水急的地理環境，荷式的水平漂浮兩棲屋並不舒適，同樣在急流環境下創造出的英國兩棲屋則和台灣條件較為貼近。然而在成本效益上，台灣的都市區域尚無建造的迫切性，地層下陷的沿海地區雖然可能需要，但偏鄉地區更難以負擔這等「豪宅」造價。各種建築技術從可行性評估、規劃設計、營造施工到使用管理，成本都需要隨著技術發展普及，才能下降至多數人可負擔的價格。

不管是哪一種兩棲屋，其實最重要的是回到當地自然條件的考量，舉例來說，美國幅員廣大，各州面對的天災類型不一，加州基本上以地震為主、德州以颶風為主。但在台灣，七成以上的人同時面對三種以上的潛在災害，九成以上的人同時面對兩種以上的潛在災害。因此，屬於複合性災害地區的台灣在設計防災建築時，必須同時考量全方位的災害類型，以一度引起熱議的防洪高腳屋為例，就必須考慮到地震來臨時的「軟腳效應」問題。

建築技術背後，基地的先天條件檢查？

在鑽研更進步的建築技術之前，更重要的其實是評估建築基地的先天環境條件。如果基地位處「多災多難」的地域，建築技術做再多的努力都是「孤臣無力可回天」。王价巨老師強調，台灣其實擁有十分豐富的災害潛勢圖資，例如在負責水災的水利署、負責土石流的水保局、負責震災的消防署的官網上，都可下載災害潛勢地圖。然而台灣的相關規劃卻未能和這些研究結果相連結，偏重以人口作為規劃依據。

理想的災害管理應上拉到國土規劃、都市規劃、社區規劃、最後才是建築本體。在國土規劃的層級，國家應整合出各種環境承載力、脆弱度與災害潛勢的綜合分析，釐清各類災害易發區域，做為指導後續計畫的依據；都市規劃的層級應進一步規範出哪些地點可以開發、哪些位置應禁限建，或規劃為滯洪區、公園等可以與災害相容的土地使用分區；社區規劃則以街廓為單位，以更精細的尺度，規劃水流路徑和可以停留的位置、建築物該留設的緩衝空間等。到了災害管理鏈中最末端的建築，已經是在無法改變的基地上進行開發的階段，可行的措施包含可吸收水氣的綠屋頂、垂直綠化，以及蓄水的透水鋪面或雨水園，一求「下滲」涵養地下水，二求「貯留」降水在城市空間後加以利用。

如果再降到社區管委會或是家戶的個人層級，能夠做的便是添設雨水撲滿或定期水管健檢；然而這些都必須建立在大眾對於防災觀念的基礎上。王价巨老師說：「有些大樓原本有很不錯的低地可以規劃成具有滯洪功能的公共遊憩空間，但社區管委會一方面考慮到維護成本，另一方面也無滯洪儲水的觀念，往往就會選擇直接將低地填補起來。」

從排水到蓄水，防災貯水一兼二顧

在近年推廣「海綿城市」的觀念之前，台灣人的觀念總是想方設法的不讓水流進來、或是務求儘快排出去；然而台灣是個缺水的國家，如果建築物能夠善加利用地勢儲水，不但可以減輕城市下水道負擔、減輕淹水災情，更可進一步加以利用這些水資源。然而在相關法規尚未完善之前，建商通常只會一味將地基加高，讓水往街道流；這種狀況甚至在公園的建造上也不例外。於是面臨水災時，就只能採取堆沙包、水閘門等消極因應的做法。

以桃園的埤塘為例，埤塘和水圳的連結可以調洪而不外漫淹水。但隨著越來越多埤塘被填掉，桃園台地近年來淹水情況也正在惡化了。其實，防災建築在氣候變遷的未來會更為重要，諸如海平面上升等問題，都需要在規劃的基礎上，進而借助防災建築在技術上的協助、以及更突破框架的未來城市思維。從災害的類別、頻率和強度的不同，台灣需要發展一套屬於自己與水災風險共存的方式。

呼應前面提到的災害潛勢圖和規劃的結合問題，王价巨老師表示這項基礎建設必須仰賴政府由上而下的規劃和指導，輔以更為完善的法令，私部門的開發商和建築師才有可遵循的依據，否則仍會回到容積率或建蔽率導向的開發，忽略環境承載力的問題。

建築是生活的容器：我們居住在建築中、在建築內上班辦公、連通勤時所搭乘的公共運輸系統，也屬於另一種建築空間形式。因此，我們格外關心建築工程的防災能力。這次專訪中王价巨老師提供了一個更為廣闊的思考角度，帶領我們思考整個台灣社會的防災思維、以及公部門和私部門在防災上的權責角色。在建築背後的基地條件和用地規劃，是一般市民平時難以碰觸的領域，卻是學者專家和政府部門的責任，也需要公民的關注和監督，才能讓台灣的防災建設再向前一步。（本文由科技部補助｢新媒體科普傳播實作計畫─重大天然災害之防救災科普知識教育推廣）執行團隊撰稿）

本文原發表於行政院科技部-科技大觀園「專題報導」。歡迎大家到科技大觀園的網站看更多精彩又紮實的科學資訊，也有臉書喔！

責任編輯：鄭國威｜元智大學資訊社會研究所

建築與防災系列專題：

文 / 陳妤寧

從 2001 年的九一一事件、2005 年重創紐奧良的卡崔娜颶風、一直到 2013 年的波士頓馬拉松爆炸案，美國的防救災發展階段從自然災害，擴展到了人為恐怖攻擊的各種「緊急」事件，也在防救災產業上帶來許多轉捩點。

美國東南方的喬治亞州在 2012 年出現了全世界規模最大的第一個私營「模擬災難」訓練場地：守護者中心（Guardian Centers）。這裡可以模擬各種規模的各種災難現場，包括被洪水淹沒的民房、因地震而倒塌的建築物、在立體停車場中被壓扁的汽車、遭到毒氣攻擊的地鐵隧道及車廂……這裡的災難場景應有盡有，並且二十四小時全年開放。

守護者中心佔地約 3.3 平方公里，其中 1.4 平方公里充滿了各類型的「斷垣殘壁」，以最逼真的方式提供救難隊實境訓練的機會。除此之外還有校舍、幼稚園、餐廳、商店，可說是以一個模擬城市的規模，進行救災的全方位訓練。救難隊在此除了進行破門而入、傷員鑑別分類等狹義搜救行動之外，也能從全局模擬指揮一整場災難行動的牽涉到的各種面向。舉例來說，守護者中心有一條 1.6 公里長的四線道模擬高速公路。演習時上面可能被破損的車輛和大批的傷患演員所堵塞。救難隊在這個「救災劇本」中甚至無法直接進入災難現場，他們必須先進行道路淨空，並且權衡他們行動的優先次序以及人力分配。

以「仿真」為最高考量的各種災難場景設計

在這座模擬災難城市中，模傚了西雅圖的大都市路網設計，如果獨自站在街道中，彷彿可以體驗地球上最後一個倖存者的感受。倒塌的屋舍是根據紐西蘭基督城在 2011 年地震的坍塌建築所打造的。此外還有可以用鉸鍊和起重機調整樓板坍塌角度的立體停車場，這樣的設計精神使得學員每次來到守護者中心參加的災難現場都能有所不同，而沒有所謂的「駕輕就熟」。現場還有300輛雪佛蘭在 2012 年珊迪颶風之中損壞的汽車，這些車子原本預計被送到汽車回收場報廢，不過雪佛蘭選擇捐到守護者中心，作為救援模擬的道具車。

守護者中心的模擬地鐵包含了五百多公尺長的雙軌道地鐵隧道、8輛從華盛頓地鐵站運來的退役車廂、以及一個地鐵月台，可重現 2004 年馬德里地鐵的恐怖攻擊。「救難隊平時如果希望可以在真正的地鐵站進行演習，勢必需要在地鐵系統因維護而對外關閉時進行，這種作法在實務上不但難以預約場地，成本上也難以負擔。」守護者中心的隧道環境的亮度、溫度都可以調整，也可以增加淹水、煙霧、火花甚至噪音等「聲光效果」。

守護者中心還複製了卡崔娜颶風下受創最重的紐奧良第九區淹水景況，8棟含後院的平房被設計為一個小社區，而這個容量超過2,000萬公升的大水池，可以將房子淹到將近 2.5 公尺深。演習時的災民扮演者可能會被困在屋頂上，也可能被困在閣樓之中，等待救難隊划船過來並破門救出他們。這些住家的室內裝潢與擺設也有別於市區建築，當救難者進入時，首當其衝的很可能是滿室漂浮的衣服和玩具。這些細心的細部設計創造了最貼近現實的災難現場。

防災是門好產業？私營救災中心顯示出的場地需求

像守護者中心這樣的「模擬災難城市」其實並非先例，德州農工大學的災難城市（Disaster City）也提供了世界各地的搜救人員進行實境演練的場地。不過守護者中心的其中一個特別之處，在於他完全由私人出資設立。作為一個民間投資成立的巨型訓練場地，守護者中心的優勢在於有很大的彈性可以因應客戶的需求，開發新的功能設備或服務，包括各種客製化的「救災劇本」。例如來自太平洋西北地區的救難隊，可以要求地面增加積水，來模擬當地多雨的氣候情境。

創辦人喬夫伯卡特（Geoff Burkart）過去是飛機技師，在卡崔娜颶風期間，他日以繼夜的指揮公司的飛機到各地進行電信系統的搶修，幾個月下來後，「成立像守護者中心這種場地的想法漸漸在我心中成形，我希望可以做出更多改變。」伯卡特決定離職，並開始花費自己的積蓄四處拜訪救援相關團體，除了消防單位之外，他還諮詢了聯邦國土安全部和國防部，討論他們在訓練設施上的需求。「他們告訴我，相關單位都缺乏能夠同時容納大量救援人員進行大規模救災演習的場地。」

然後喬夫伯卡特花了 18 個月，尋找全國潛在的投資人、向他們做簡報、爭取 5000 萬美元的預算。儘管他過去完全沒有相關的經營經驗，而這塊業務過去也沒人嘗試過，「沒人認為這是個壞點子，他們只是需要先評估成本。」伯卡特說。最後，守護者中心在喬治亞州一塊閒置的飛彈工廠預定地上動工了，現在的守護者中心一次可容納七千人進行訓練，但喬夫伯卡特認為這樣的設備需求在美國還有持續發展的空間，他計畫在國內至少再增設三個訓練據點。

守護者中心的經營現況

這個中心粗估將為它所在的培里市帶來估計每年 7500 萬的周邊經濟效益。守護者中心正在推動他們的「廣告看板」業務。「企業或商家可以在建築物外部漆上他們的品牌和廣告，這也讓我們的模擬城市更加逼真，是項互利共生的雙贏方案。」「我們和通用汽車和雪佛蘭汽車進行的企業捐贈計畫，也是我們努力的發展方向之一。」

此外，有些前來進行訓練的救難隊開始希望可以直接在中心租借防護衣或其他設備，會較自行運送更為便利。「我們未來也會考慮和附近的設備租借商合作。」

守護者中心從 2012 年 12 月開始正式對外開放，已經和不少救援單位合作，包括美國海軍陸戰隊生化事故反應部隊、喬治亞州緊急事務管理署、喬治亞州調查局、喬治亞州搜救隊等等，不過守護者中心在外界仍尚未廣為打開知名度。（本文由科技部補助｢新媒體科普傳播實作計畫─重大天然災害之防救災科普知識教育推廣｣執行團隊撰稿）

責任編輯：鄭國威｜元智大學資訊社會研究所

本文原發表於行政院科技部-科技大觀園「科技新知」。歡迎大家到科技大觀園的網站看更多精彩又紮實的科學資訊，也有臉書喔！