0

0
0

文字

分享

0
0
0

凝固點能否作為鑑定地溝油的根據?

果殼網_96
・2014/09/04 ・1711字 ・閱讀時間約 3 分鐘 ・SR值 481 ・五年級

credit: CC by  Michael May@flickr
credit: CC by Michael May@flickr

文 / 云無心

消息:京華時報信息。上海向明中學高二學生發明出家庭簡易鑑別地溝油方法:地溝油因反覆使用,其中動物油含量高,相比植物油,其黏度冰點不同。橄欖油零下十多度才凝結,普通植物油也要零度,而地溝油在8攝氏度即凝結。將自家購買的食用油放進溫度8度左右的冰箱,如凝結,即為地溝油。

真相:這是微博上的一條消息 [1],描述了一個鑑別地溝油的方法。不過,只是將其放入冰箱,好像不能算是一個發明。

從京華時報的報導 [2]來看,高中學生的發明是根據檢測油的凝固點來判斷它是不是地溝油。實際的裝置是利用半導體製冷片來對油進行降溫。半導體製冷片是一種片狀元件,通電時一面制熱一面製冷。藉由溫度傳感器建立反饋迴路,可以精確控制製冷面的溫度。

從科學原理的角度來說,這位高中生的解決問題的思路是對的。「地溝油」和正常食用油在物理性質方面有許多差異,凝固點是其中之一。如果一種油的凝固點比它「應該」的凝固點相差很大,那麼其中肯定有鬼。許多地溝油確實含有許多動物油,導致在 8℃ 甚至更高的溫度下凝固。這樣的油,用這位發明者的方法來檢測,確實可以被判斷為地溝油。

不過,作為一個「檢測方法」,它是否靠譜需要考慮兩個問題:一、有沒有正常的食用油在 8℃ 下凝固?如果有,這樣的正常油就會被「冤枉」;二、有沒有地溝油在 8℃ 下依然不凝固?如果有,就會導致這樣的油「漏網」。

食用油的凝固點主要由油中的飽和脂肪與不飽和脂肪的比例來決定。植物油以不飽和脂肪為主,凝固點較低,比如大豆油、葵花籽油、菜籽油的凝固點都在 -10℃ 以下,花生油和棉籽油相對高一些,也是在 0℃ 附近。而動物油中的飽和脂肪含量高,凝固點就比較高,通常在室溫下都以固態存在。不過,植物油中也有飽和脂肪含量高因而凝固點很高的種類,比如棕櫚油和椰子油,凝固點都在 25℃ 以上。此外,油的凝固點也不是一個確定的溫度,而是一個範圍。一方面,它會從某一個溫度開始出現固體,溫度降低也不見得全部凝固。另一方面,即使是同一種 植物的油,組成也不可能完全一樣,其凝固特性也會有一定差異。現在,市場上還有「調和油」,它們的凝固溫度會由被混合的油的品種和比例來決定。顯而易見, 棕櫚油、椰子油之類的植物油會被這種檢測方法直接「冤殺」。如果調和油中含有棕櫚油或者椰子油等凝固點很高的油,那麼也可能導致「調和油」的凝固點大大升 高而「含冤而死」。

出於「寧可錯殺,不可放過」的原則,第一個問題還不是那麼關鍵。如果真是地溝油「矇混過關」,被當作「正常油」,才是更大的問題。所謂的「地溝油」,並不是一個「標準」的商品——正常的油有相對一致的指標,而「地溝油」則「地溝」得各不相同。地溝油中,飽和脂肪含量的升高主要取決於混入了多少動物脂肪。如果是只炸過薯片或者油條的廢油,那麼飽和脂肪的含量與「新鮮油」相比並不會明顯增加。要知道反覆的使用並不會將大量地不飽和脂肪轉化成飽和脂肪 ——不飽和脂肪的加氫飽和是要在催化劑的幫助下才能有效發生。如果是混入了大量的火鍋廢料或者其他肥肉殘湯的地溝油,那麼動物油的含量才會高得多。也就是 說,地溝油的凝固點並不一定都是在 7-8℃ ,從稍高於「正常油」到十幾度都有可能。此外,如果把 7℃ 或者 8℃ 凝固作為「地溝油」的判斷指標,不法商販完全可以把通不過這一檢測的地溝油用正常油稀釋,把它的凝固點降低到「判斷指標」以下。

結論: 這種「簡易鑑別法」能夠「判斷出」一些地溝油。但是,作為一種檢測方法,它既可能「冤枉」好油,也可能「放過」壞油。對於那些能夠用這種方法「檢測」出來 的地溝油,可能粘度等其他指標差異已經大到肉眼可以識別的地步了。其實,利用這個方法也用不著專門的裝置來實現——如果你買了 精煉的低熔點油 ,比如大豆油、葵花籽油、菜籽油、玉米油等,可以在冰箱保鮮層(一般是 4℃ 左右)中放一段時間。如果凝固了,說明有問題。但是,需要記住的是:沒凝固並不意味著就沒有問題。而花生油的凝固點就在那附近,凝不凝固都說明不了什麼問題。

參考資料:

  1. 微博
  2. 京華時報:地溝油鑑別術首進發明大賽

原刊載於果殼網

文章難易度
果殼網_96
108 篇文章 ・ 9 位粉絲
果殼傳媒是一家致力於面向公眾倡導科技理念、傳播科技內容的企業。2010年11月,公司推出果殼網(Guokr.com) 。在創始人兼CEO姬十三帶領的專業團隊努力下,果殼傳媒已成為中國領先的科技傳媒機構,還致力於為企業量身打造面向公眾的科技品牌傳播方案。

0

1
2

文字

分享

0
1
2
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

-----廣告,請繼續往下閱讀-----

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 54 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

0
0

文字

分享

0
0
0
餿水油,恐怖呦?—陳炳輝教授專訪
PanSci_96
・2014/09/12 ・2127字 ・閱讀時間約 4 分鐘 ・SR值 556 ・八年級

Credit: ksikeptuve via Flickr
Credit: ksikeptuve via Flickr

文/ L編

中秋連假本是全家團圓的好日子,不料在這美好的節慶前卻爆出黑心豬油的壞消息,讓皎潔明月頓時矇上一層烏雲。我們吃著月餅瀏覽新聞,發現除了原料來源和責任追查,對於餿水油的危害程度卻沒有統一的結論。毒物科醫師說,餿水油一滴都不能吃[新聞來源]!食品科學教授又說,吃一點點的傷害微乎其微[新聞來源],媒體甚至說在大陸有人「五臟六腑都被細菌吃掉了[新聞來源]!」先撇除媒體的說法,學者們都是根據相同證據表達意見,為何論點會大相逕庭?我們在相信或反駁專家言論的同時,對餿水油的瞭解又有多少?泛科學訪問長期研究食用油和食品安全的陳炳輝老師,從科學家的角度為大家提供一些食用油安全性的看法。

餿水油有多可怕?

假設本次黑心食用油的來源是餿水中的回收油,沒有皮革油或其他可疑來源,餿水油能再製成豬油流入市面的可能方法有二:以餿水油混入新鮮豬油,稀釋其中有害成分和氣味;或是經過精煉,加入氫氧化鈉中和餿水油中的游離脂肪酸,加入活性炭或皂土脫色,若有更完整的設備,也可經過高溫、高真空進行脫臭。如此一來,餿水油就能搖身一變,以全統香豬油的身份強勢回歸,矇騙消費者和法規的檢驗。

-----廣告,請繼續往下閱讀-----

然而檢測合格的油,就是安全無虞嗎?這麼安全的話,是否真能回收餐飲廢油再製成食用油?陳炳輝教授語重心長的說:「食用油沒有這麼簡單啊……」食用油成分複雜,其安全需建立在良好的原料品質,雖然科學家可以推測油脂在加熱過程中發生的反應和產物,但沒有人知道餿水油原料所歷經的加熱次數和條件,無法精準推測反應產物,加熱產生的有害物質在精煉過程也不一定會被去除。所以,即使成品重金屬、酸價和最具代表性的苯駢芘皆低於限制量,也不代表未檢測的其他多環芳香族碳氫化合物(不含苯駢芘)、醛類、氧化膽固醇等有害成分都在安全範圍內,就算各個項目都符合標準,但所有成分的相乘效應可能比想像中還高,因此無法就這些檢測結果推論餿水油的安全,更何況檢驗項目的代表性還有待加強。

該怎麼檢驗才對呢?

食藥署的檢測項目有酸價、總極性物質、重金屬、苯駢芘和黃麴毒素等。酸價高代表油品已不再新鮮,可能經過高溫處理或存放條件不佳導致三酸甘油酯分解成游離脂肪酸;總極性物質代表油品在高溫中裂解產生的醛、酸、醇、酮等極性產物,總極性物質高代表油的品質下降,其中的醛類也是致癌物;而苯駢芘的五環結構,是油品高溫裂解時較難形成的產物,若測出超量的苯駢芘,就可以推測油品中也存在其他較易形成的致癌物,因此被當作檢驗的指標。

檢測酸價只能得知游離脂肪酸的含量,卻無法顯示有多少致癌物,更何況游離脂肪酸可能在精煉過程中被去除,我們也無法經由成品的酸價推測致癌成分。餿水油原料比單獨加熱的油品還要複雜,因為其中除了油脂裂解產物,也有食材在高溫下反應的產物,所以應該要增加其他檢測項目,才能加強可信度。陳教授建議增加的檢驗項目為膽固醇氧化物及雜環胺,前者係豬油中的膽固醇於加熱過程中形成,後者係高量蛋白質含量的食品於油炸過程中形成。此外,亦可考慮檢測丙烯醯胺,此化合物於油炸高澱粉含量的食品中較易形成。此三種產物對人體有致癌性和致突變性,是肉類油炸後的產物,可能因為烹煮過程而存在餿水油中。陳教授補充道:「檢驗餿水油的黃麴毒素其實沒有太大意義,因為黃麴毒素通常只存在豆類或花生等原料。」

1
資料來源:衛生福利部食品藥物管理署

-----廣告,請繼續往下閱讀-----

科學家該怎麼說?

無論提醒民眾餿水油危害的醫生,或想要平息大眾恐慌的學者,都自認是摸著良心表達專業立場,然而陳教授認為,科學家應該依證據判斷是非,有幾分證據才講幾分話,現在食藥署只公布了五項檢驗結果,雖然全統香豬油的酸價和苯駢芘的濃度低於限制量,但如上文所說,其他有害成分種類和含量還未知,科學家不能就這些證據為餿水油背書。

既然知道了餿水油不是完全無害,那大家最關心的致癌物質危害程度呢?由於食品成分相當複雜,科學家只能從檢驗結果判斷餿水油是否有害,但無法單單依據這幾個成分的含量推斷這些餿水油的危害程度。科學家需要做長期的追蹤研究,或是拿餿水油進行動物實驗,判斷致癌程度,以及由血液生化值等結果,推測其對人體的危害後,才能告知民眾事情的嚴重性。說到這,陳教授語帶憤慨的補充:「若對事件還不瞭解就大放厥詞,真的很不負責任!」

除了事件爆發後的處理,學界平常就在進行食品安全的教育,除了進行食品安全的科學研究外,衛生福利部跟台灣食品科技學會也合作舉辦了食品安全與生活座談會,全國巡迴向民眾推廣食品添加物、食用油安全等相關資訊,建立民眾對食品安全的正確觀念。

學界在進行研究和推廣教育的同時,也對政府提出建議方針,陳老師認為,本次事件是政府失責,防範食安問題的方法要從法律和制度做起,加強預防式管理,掌握食品原料品質,同時對夜市攤販進行安全衛生的輔導,並且修訂特別法對黑心商人速審速決,祭出重罰絕不寬待,希望能有效遏止黑心食品的產出。最後陳老師無奈的說:「黑心食品防不勝防,消費者自己也要提高警覺,謹慎挑選食材的品質。」

-----廣告,請繼續往下閱讀-----