淺談伊波拉爭議(2)：如果實驗藥物都可以，那還有什麼藥不行？

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

中國新型冠狀病毒 (SARS-CoV-2) 來得又急又快，在此困境下，醫生們不得不將手上的藥物打出，期許某支藥物，能夠撂倒死神，挽救命懸一線的患者。

2020 年 1 月 19 日，一名 35 歲的美國男子出現在了華盛頓州的急診室。儘管沒有顯著的病徵（體溫 37.2℃、脈搏 110次 / 分鐘、血氧濃度 96%），胸部 X 光也無異常¹。

但病人陳述的武漢旅遊史，讓醫護心中敲響了警鈴，立馬向美國疾病管制中心 (US CDC, Centers for Disease Control and Prevention, 以下簡稱美國 CDC) 報告，同時在 48 小時內進行了所有常見呼吸道病毒的測試^{註1, 2}，結果皆呈陰性。

1 月 20 日，美國 CDC 報告出爐，確診為美國第一例 SARS-CoV-2 感染者！於是一場與皇冠死神拉扯的拔河賽正式開始了。

由此例可以發現幾個特點（非通例，僅就此例觀察）：

• 患者全程症狀和流感極為類似（咳嗽、乏力等）
• 患者感到不舒服時，並未有高燒、胸部 X 光無顯著肺部浸潤；直到感染約 6 天後出現高燒；感染第 9 天胸部 X 光出現肺部浸潤。

若非患者誠實告知旅遊史、醫護人員警覺性高、US CDC 慎重以對，則此例武漢肺炎 (COVID-19) 的病例表徵確實和流感極為類似，恐怕送醫的時間會更晚。

一名誠實的患者、一群遵守流程的醫護團隊

醫護們起初僅提供支持性療法，包含退燒、補充液體等。期間生化檢測發現白血球減少、血小板減少、肝功能指數變化等。

儘管入院時病徵不明顯，但隨著病程加速，病毒侵犯全身組織，各處檢體的病毒量開始提高，甚至在糞便中也能採集到病毒（見下圖）。

而在胸部 X 光檢測裡，入院時肺部顯示正常；但病毒持續在男子體內肆虐，病況急轉直下。

感染第 9 天（1/24, 入院第 5 天）發現左肺下葉肺炎，同時臨床上出現呼吸困難、血氧飽和度值降至 90％（最低應至少 96%）。隔日被迫使用氧氣呼吸和抗生素減緩感染。

然而病況並沒有因此轉好，雙肺惡化出肺炎。此時如無法取得進展，死神即將擊倒醫護團隊、取得最後的勝利。

Remdesivir 聽說能搞定RNA病毒？換你上了

Remdesivir 是模仿 DNA、RNA 的藥物，它能鑲入 RNA 的複製酶 (RNA-dependent RNA polymerase)，阻礙 RNA 鏈持續地延展，進而阻斷病毒的生命^{2, 3}。Remdesivir目前在治療伊波拉出血熱裡取得臨床第三期的成果^註3。

由於患者的情況每況愈下，醫護團隊在感染第 11 天起開始靜脈注射 Remdesivir。

沒想到這個臨場拉來的救援投手展現了強大的壓制力，隔日患者的臨床感受就開始恢復、血氧飽和度值上升到 94-96％，無需額外補充氧氣，直到本研究紀錄截止日 (1/30)，各項情況都持續改善，病人逐漸康復中。

從美國第一例中，可以學到啥？

從美國第一例武漢肺炎的案例，從感染、通報到治療，都有值得學習的地方，個人摘要如下：

• 誠實申報，不因畏懼而隱瞞旅遊史。
• 團隊提高警覺、完整訓練。儘管 X 光、病徵並無呈現急症，但醫護團隊顯然受過良好訓練，才能第一時間上報 US CDC。
• 逐日觀察，定量、定性地公佈醫療數據。因此我們才知道原來糞便也藏有病毒、發燒後數天 X 光才有肺部浸潤的表徵、上吐下瀉也可能是武漢肺炎的病徵之一。
• 大膽使用 Remdesivir，並取得極佳的治療效果，鼓舞了全球。個人建請台灣衛生福利部專案進口該藥物，立即投入實驗。

面對疾病，只有透明、團結、無私才能取得上風。因為病毒是全世界最公平的生物，不因國籍、宗教、性傾向而選擇感染者。

人類會因政治傾向、國籍共識而區分敵我。但病毒對全世界都很公平，只要人類不團結，每個人都是病毒的食物。

註解

1. 包含腺病毒、副流感、A 和 B 型流感、鼻病毒等。
2. 台灣決定一旦發現疑似病例，立刻先使用壓制流感的藥物，借此排除流感的可能性。確實是非常高明的做法，值得大力讚美。
3. Remdesivir 設計上是廣效型的抗 RNA 病毒藥物，並非單純僅抵禦伊波拉病毒。

1. Michelle L. Holshue, M.P.H., Chas DeBolt, M.P.H., Scott Lindquist, M.D., Kathy H. Lofy, M.D., John Wiesman, Dr. P.H., Hollianne Bruce, M.P.H., Christopher Spitters, M.D., Keith Ericson, P.A.-C., Sara Wilkerson, M.N., Ahmet Tural, M.D., George Diaz, M.D., Amanda Cohn, M.D., LeAnne Fox, M.D., Anita Patel, Pharm. D., Susan I. Gerber, M.D., Lindsay Kim, M.D., Suxiang Tong, Ph.D., Xiaoyan Lu, M.S., Steve Lindstrom, Ph.D., Mark A. Pallansch, Ph.D., William C. Weldon, Ph.D., Holly M. Biggs, M.D., Timothy M. Uyeki, M.D., and Satish K. Pillai, M.D. for the Washington State 2019-nCoV Case Investigation Team (2020) First Case of 2019 Novel Coronavirus in the United States. New England Journal of Medicine. DOI: 10.1056/NEJMoa2001191
2. Guangdi Li & Erik De Clercq (2020) Therapeutic options for the 2019 novel coronavirus (2019-nCoV). Nature Reviews Drug Discovery. DOI: 10.1038/d41573-020-00016-0
3. Ariane J.Brown John, J. Won, Rachel L. Graham, Kenneth H. Dinnon III, Amy C. Sims, Joy Y. Feng, Tomas Cihlar, Mark R. Denison, Ralph S. Baric, Timothy P. Sheahan (2019) Broad spectrum antiviral remdesivir inhibits human endemic and zoonotic deltacoronaviruses with a highly divergent RNA dependent RNA polymerase. Antiviral Research. 169. https://doi.org/10.1016/j.antiviral.2019.104541

茲卡病毒肆虐中南美洲，在巴西已傳出超過四千例的新生兒小頭略形病例。一般成人被感染茲卡病毒，主要會出現類似溫和的登革熱症狀（我得過差點痛死人的登革熱），包括發熱、皮疹、結膜炎、肌肉和關節痛、全身乏力、眼窩痛以及頭痛。這些症狀往往較輕，持續兩天至一週。如果是懷孕婦女感染，經由母親傳染給孩子，可能會造成小頭畸形。病毒最早在 1947 年於烏干達的茲卡森林中的獼猴體內分離出來，因而得名。

就像大部分的病毒傳染疾病一樣，公共衛生專家已警告台灣，茲卡病毒有很有可能入侵台灣，因為台灣氣候濕熱，很適合斑蚊（尤其是埃及斑蚊）的傳播，加上交通便利，這讓公共衛生專家如臨大敵。

除了茲卡病毒，前不久西非伊波拉疫情的慘烈，令不少衛生狀況已堪慮的非洲國家大受打擊；從駱駝傳染人的中東呼吸症候群（MERS）也一度令許多國家提高防疫警戒；更早之前的 H1N1，在台灣也造成疫情，我也沒有倖免，在家隔離了五天。以上種種令人聞風喪膽的病毒傳染病有一個共同點：它們都是人畜共通傳染病。

台灣大概在十一、二年前，慘遭 SARS 肆虐，許多人仍印象深刻。我當時也感冒發燒，差點就以為得了 SARS。因為 SARS 的防疫，學校關閉了游泳池，讓瘦骨如材的我，因為不能天天游泳運動，兩個月暴胖十幾公斤，從此身材再也回不去了，這也是人生中最大的痛之一。

SARS 是典型的人畜共通疾病，從啥都能吃的廣東傳出。《下一場人類大瘟疫：跨物種傳染病侵襲人類的致命接觸》（Spillover: Animal Infections and the Next Human Pandemic）這本好書，對 SARS 等等人畜共通疾病肆虐人間的過程，有如推理小說般精彩絕倫的描寫。

我在本專欄中介紹過了《下一場人類大瘟疫》的作者大衛．逵曼（David Quammen）的另一本書《致命伊波拉：它藏在哪裡？下一次大爆發會在何時？我們能遏止它嗎？》（Ebola: The Natural and Human History of a Deadly Virus）（請參見〈進擊的致命伊波拉〉）。《致命伊波拉》有部分內容就是來自《下一場人類大瘟疫》，可是後者的深廣度更令人折服。大衛．逵曼果然是一流的科學作家暨新聞工作者，在《下一場人類大瘟疫》中，他處理各種各樣不同的人畜共同疾病，從病毒到克立次體都有，可是卻能有條不紊，把各種脈絡用故事的方法清晰地呈現。

在過程中，我們隨著大衛．逵曼冒死到中國南方、香港、新加坡、馬來西亞、孟加拉、非洲等地遊歷，過程中他和許多當事人以及專家接觸，頗有觀看國家地理頻道的味道，也順便吸收了病毒學、細菌學、遺傳學、流行病學、演化生物學等的知識。

《下一場人類大瘟疫》第一章〈亨德拉和死神的灰馬〉就很令人驚心動魄，彷彿就像看電影一樣，相當好萊塢，可是其實更恐怖的是，書中述說的卻是血淋淋的真實事件，那是發生在澳洲這個先進國家的病例。亨德拉病毒感染了馬，然後傳給了人，有人不幸喪命；書中另一個案例，是發生在馬來西亞的立百病毒（Nipah virus），會引發立百腦炎，也會造成人類和其他動物（尤其以豬隻為主）交叉感染，嚴重的可引致死亡，致死率達四成。

立百病毒在馬來西亞的立白新村發現，1999 年 3 月馬來西亞爆發豬場及屠宰場工人腦炎死亡病例。1998–1999 年間馬來西亞有 265 人因接觸感染立百病毒的豬隻感染而致病，其中 105 個病例死亡。那次疫情亦造成馬來西亞近 900 個豬場近百萬頭豬遭撲殺，對業界造成相當大的損失。

其他有名的病毒，還有禽流感、西尼羅河病毒、馬堡病毒和狂犬病毒。狂犬病應該是最著的人畜共通傳染病之一，絕大部份通過咬傷傳播。沒有接受疫苗免疫的感染者，會出現暴力行為、不可自制的興奮感、恐水症、部分肢體癱瘓、意識混亂或喪失知覺，病毒大量存在於發病者的腦脊液、唾液和體液中，當神經症狀出現後幾乎必定死亡。台灣原本非狂犬病疫區，可是台大團隊 2013 年在鼬獾身上，驗出絕跡 52 年的狂犬病病毒而死灰復燃。

人畜共通傳染病，病原不是僅有病毒而已，也有造成瘧疾的瘧原蟲，它們是單細胞的原生生物，生活史非常複雜；還有 Q 熱、鸚鵡熱和萊姆病，它們都是細菌造成的傳染病，病原分別是貝納氏立克次體、鸚鵡熱衣原體和伯氏疏螺旋體造成的。

《下一場人類大瘟疫》探討了一個有趣的問題，就是為何許多人畜共通傳染病的病毒致病原，都來自蝙蝠。在美國，蝙蝠則是最常見的狂犬病原因。許多其他病毒在不同動物之間傳來傳去，可是源頭往往可以追溯到蝙蝠身上。蝙蝠為何成為重要的病毒儲存宿主？原因現在學界還在探討，《下一場人類大瘟疫》提到幾位好奇的科學家，原本並非蝙蝠免疫專家，可是卻合作探討出一些合理的原因，例如蝙蝠是哺乳動物古老的一支，有群聚的習慣，又能夠飛翔而長途旅行等等，讓蝙蝠成為病毒的良好宿主。

提到人畜共通疾病，另一本好書《共病時代》也非常值得一讀！我們對蝙蝠和其他動物所知的非常有限，這也導致了我們人類在明，人畜共通傳染病在暗，防不勝防。因此，對其他生物的基礎生物學研究，不是種像是集郵的嗜好，或者只能滿足科學家的好奇心而已，對我們的健康和公共衛生甚至政治經濟也是生死悠關的。

在《下一場人類大瘟疫》中，大衛．逵曼不禁要被問或者問自己，為何要高度關注人畜共通傳染病？他沒有懷疑太多，因為有一個世紀絕症，讓他很肯定關注人畜共通傳染病是很重要的，那就是由 HIV 造成的，俗稱愛滋病（AIDS）的後天免疫缺乏症候群。愛滋病是非常令人聞之色變的，這個不必要詳述了吧？《下一場人類大瘟疫》當然也追蹤了這個上個世紀被視作黑死病的疾病的來源。還好在許許多多科學家的努力之下，愛滋病現在算是有藥可救了。

回到上面提到的 SARS，這個急性呼吸道症候群在中國、香港和台灣都造成了重大的衝擊，不僅許多青壯年病人無預警辭世，還對疲弱的經濟造成打擊，也在社會上產生一定的動盪，那時候在公車或捷運咳兩聲，馬上被白眼，嚴重點的還被怒目而視，只差沒演成全武行。

因為有些病例是從香港傳過來的，香港遊客在台灣備受歧視，連我的華僑口音都能讓人明顯表現出敵意。因為生態的破壞而從其他動物溢出，加上氣候變遷及交通便利，再受到新興傳染疾病應該不是會不會發生的問題，而是什麼時候發生的問題而已，不僅是醫界該準備，整個社會遲早都要面對。

一部好電影《全境擴散》（Contagion）也不容錯過，這部鬼才導演史蒂芬．索德柏（Steven Soderbergh）的超寫實作品，描述了人畜共通的傳染病對人類社會的衝擊，全片中不同角色都有血有肉，基本上就是把 SARS 疫情對社會和人性的衝擊演得活靈活現，毫不煽情地說了個好故事，非常適合配合《下一場人類大瘟疫》這本好書一起享用（請參見〈全境擴散的超寫實〉）。

本文原刊登於閱讀‧最前線【GENE思書軒】，並同步刊登於The Sky of Gene。