芬克島上的大海雀－《第六次大滅絕》

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

第六次大滅絕？

人類引以自傲的科技文明迎來了新的人類世，卻疏忽了人類也正在製造大自然中第六次，也是第一次非自然原因的生物多樣性快速消失！

目前地球上約有 1,000 萬到 1,400 萬的物種，其消失速率大約是自然背景滅絕速率的 100-1,000 倍。

大量快速消失的物種

物種在正常時期的滅絕發生率稱為「背景滅絕率」，這是很不容易估計的工作，必須結合所有的化石資料庫，並且要做長期的追蹤。

每個生物族群的背景滅絕率都不一樣，通常是以每年 100 萬物種當中有多少物種滅絕來表示。以哺乳類為例，大約每年 100 萬物種會發生 0.25 次的滅絕事件。換句話說，世界上大約有 5,500 種哺乳類，背景滅絕率預期每七百年會有一種哺乳類消失，一個人的一生應該很難注意到這種改變。

但是現在有約 28% 的瀕危物種，在 21 世紀結束前，包括全世界的大型哺乳類可能都會面臨危急存亡之秋，這樣的數字不可謂不高。

寇伯特（Elizabeth Kollbert, 1961-）在她 2014 年出版的《第六次大滅絕：不自然的歷史》一書中強調：「如果第六次的滅絕事件發生，極可能是人類造成的。」最可能的因素，還是人類殖民式的生活剝奪、侵犯了其他物種的生存棲息地所致。

海洋酸化

寇伯特的書中記錄了許多生物、生態、地質、考古學家第一手的研究結果。以那不勒斯附近火山口周遭海域的調查為例，顯示藤壺、貽貝、珊瑚藻、顆石藻、龍骨蟲、多種珊瑚、海螺、魁蛤、海綿、鯛魚、海膽等都在減少或消失。尤其是海水酸度達 7.8 的海域，69 種動物、51 種植物中約有 1/3 都不見了。

海洋酸化（ocean acidification）是二氧化碳濃度快速上升的直接結果，人類大量燃燒煤與石油，無疑是將自然蘊藏的碳快速釋放到地表環境中的主因。專家指出：二戰後的二氧化碳排放速率是空前的加速上升。當今人類世的暖化作用，比起上一個更新世每一個冰期後的暖化，起碼快了超過一個數量級。地球已經有上千萬年沒有人類世這麼熱，可能連演化都忘了如何選擇能夠耐熱的基因。如果耐熱的 DNA 已經消失，生命已經不復保有這樣的特質，那對人類世就是真正的噩耗。

海水的 pH 值 7.8 或許是海洋生態的酸度臨界點，超過此臨界點，3/4 的消失物種會是鈣化生物。海洋酸化會嚴重地改變海水及其中的生態，譬如微生物族群的組成；獲得關鍵養分的方便程度；光線穿透海水的透光度影響海藻的生態；當然也影響光合作用；聲音傳播的情形將使得海洋更嘈雜；溶解性的金屬化合物也會改變；鈣化生物如海星、海膽、蛤蜊、牡蠣、藤壺、珊瑚等會因為缺鈣而大受影響，尤其是造礁珊瑚的白化現象——珊瑚蟲集體死亡，會使得依靠珊瑚生存的生物多樣性大幅下降。而珊瑚一旦消失，海中生態系必然崩解。

珊瑚是人類以外也會建造龐大「公共工程」的生命體，例如綿延超過 2,600 公里的大堡礁， 最厚的地方有 150 公尺，這種規模即使是人類最大的工程都望塵莫及。珊瑚礁可能支持了數百萬種海中生命共同生存或賴以捕食的環境，是海洋「撒哈拉沙漠裡的雨林」。這樣的依存關係也許已經存續了許多個地質世代，卻可能在這個世紀慘遭大幅損毀。

大氣科學家考戴拉（Ken Caldeira）是「海洋酸化」一詞的創始人，他認為未來幾個世紀的海洋酸化程度，可能造成超過數億年的影響程度。

實驗還顯示：生活在北極，看起來像是長了翅膀的海螺，以及對海水酸度非常敏感的翼足類海蝴蝶也會瀕臨危機。海蝴蝶是鯡魚、鮭魚、鯨等的重要食物，海水變酸，食物鏈必然受影響。而鈣化生物如笠貝的殼，甚至會出現破洞。此外，1/3 的造礁珊瑚、1/3 的淡水軟體動物、1/3 的鯊魚及魟魚都將消失。而某些增加的物種，譬如超微浮游生物，它們會消耗掉更多養分，使食物鏈上層的生物大受影響，進而使生態結構崩壞。

熱帶雨林的消失

除了海洋外， 嚴重影響生物性下降的原因還有熱帶「雨」「林」的減少。低緯度的雨林是地表生物多樣性最豐富的地方，而亞馬遜雨林因為過度開墾，興起了「破碎森林生物動態研究計畫」（Biological Dynamics of Forest Fragments Project）。這是世界上規模最大、時間最長的實驗之一。

從1970 年代巴西政府開始鼓勵農牧業，就規定亞馬遜區必須維持至少一半的森林維持原狀。洛夫喬伊（Tom Lovejoy）就試圖說服農場主人讓科學家決定哪些樹要留下來。在巴西政府的同意下，許多方塊形的「森林群島」就成為森林保留區，裡面有許多生態研究正在進行蒐集物種數量的變化。

依統計數字來看，地球上沒有冰的 1 億 3 千萬平方公里的陸地，已經開發墾殖了 7 千萬平方公里。真正杳無人跡的「荒地」只有沙漠、西伯利亞、加拿大北部和亞馬遜河流域，總面積只有 3 千萬平方公里，這還沒有考慮到許多人為管線穿越、切割這些「荒地」區域的影響。

「破碎森林生物動態研究計畫」發現：破碎森林的生物多樣性隨著時間不斷下降，儘管叢林的多樣性豐富，但是局部地區滅絕可能演變成區域滅絕，最後成為全球性滅絕。亞馬遜的土地墾伐影響到大氣環流，破壞雨林，不僅造成「林」的消失，也可能導致「雨」的消失。

生物多樣性之父威爾森（E. O. Wilson）和昆蟲學家厄文（Terry Erwin）都曾經估算過，破碎森林中昆蟲的當代滅絕率，可能比自然背景滅絕率高出了 1 萬倍！這個數字令人難以置信，當然統計的結果可能沒有考慮到滅絕發生所需要的時間，昆蟲的滅絕率也可能不同於其他生物的滅絕率。

科學家在全球的研究結果發現，對環境最敏感的兩棲類和昆蟲，如蛙類與蜜蜂，幾乎都在快速消失中。兩棲類在 3 億 7 千萬年前，就從海中率先登陸征服了陸地，生命力十分強悍，但如今兩棲綱可能是世界上瀕臨滅絕危機最嚴重的動物。據估計，兩棲類的滅絕率可能比背景滅絕率高出了 45,000 倍。

此外，很多其他族群的消失減損情形也頗驚人，受到影響的物種包括植物、動物的哺乳類、鳥類、爬蟲類、魚類、無脊椎動物等。1/4 的哺乳類、1/5 的爬蟲類、以及 1/6 的鳥類，也正無奈地踏上人類世的滅絕之路。這些不僅發生在森林中、深海中，更發生在我們居住的城市或後院。

——本文摘自《丈量人類世：從宇宙大霹靂到人類文明的科學世界觀》，2022 年 9 月，商周出版，未經同意請勿轉載。

在大海雀的全盛時期，也就是在人類搞清楚如何找到牠們的巢穴之前，分布範圍從挪威到紐芬蘭、從義大利到美國佛羅里達州，族群數量可能有數百萬隻之多。當第一批移民從斯堪地那維亞來到冰島時，大海雀還很普遍，以致於牠們經常被捉來當晚餐吃，遺骸曾在相當於第十世紀的家庭垃圾中發現。

我在雷克雅維克時，曾訪問一間蓋在廢墟上的博物館，該廢墟據說是冰島最古老的建築之一，是用草皮片蓋成的長屋。博物館中的展示品，除了一對大海雀的骸骨之外，還特別製作影片，重現早年人鳥之間的遭遇（對於中世紀的冰島居民來說，大海雀算是「簡單的獵物」）。影片中，一個朦朧的人影沿著岩岸、躡手躡腳朝著朦朧的海雀身影走去。當他靠得夠近時，人影掏出一根棍子，往動物的頭上狠狠打下去。大海雀回以哭叫聲，大約介於雁鳴聲與豬呼嚕聲之間。我發覺影片冷酷到令人著迷，從頭到尾看了好幾遍。躡手躡腳、痛打一頓、淒厲嘎叫⋯⋯

幾乎可確定的是，大海雀的生活方式和企鵝很像。事實上，大海雀就是原始的企鵝。歐洲水手在北大西洋遇見牠們，稱牠們為penguin—詞源不詳，有可能是來自拉丁文的pinguis，意為「肥胖的」。後來，當後代的水手在南半球遇見顏色相似、不會飛的鳥時，他們也用同樣的名稱，遂導致嚴重的混淆，因為大海雀與企鵝屬於完全不同的科—企鵝自成一科，而大海雀所屬的科還包括海鸚（puffin）及海鳩﹝ guillemot）；基因分析顯示，刀嘴海雀（razorbill）是與大海雀最相近的現存近親[1]。

和企鵝一樣，大海雀也很擅長游泳，大半輩子都生活在海洋裡；目擊者的描述證實大海雀在水裡「速度驚人」[2]。不過在五、六月繁殖季節期間，牠們一搖一擺上岸，數量龐大，此時大海雀便處於劣勢。美洲原住民顯然曾捕獵大海雀（加拿大一處古墓裡有一百多個大海雀的鳥喙），舊石器時代的歐洲人也一樣：許多考古遺址都曾發現大海雀的骸骨[3]，包括丹麥、瑞典、西班牙、義大利與直布羅陀等地。等到第一批移民前往冰島時，大海雀的繁殖地點有很多已遭侵占，分布範圍可能嚴重縮減。接下來便是大規模的屠殺。

十六世紀初，受到豐盛鱈魚漁場的誘惑，歐洲人開始定期航行到紐芬蘭。航行途中，他們遇見一大片粉紅色的花崗岩平臺，突出於海浪中，面積大約有二十公頃。春天時，平臺上滿滿都是鳥類，可以說是並肩而立。這些鳥當中有很多是鰹鳥（gannet）與海鳩，其餘便是大海雀。該平臺距離紐芬蘭東北岸大約六十五公里，後來稱為「鳥之島」，也有人稱為「企鵝島」，如今則稱為芬克島（Funk Island）。

歐洲人橫渡大西洋的漫長航行接近尾聲時，存糧日益減少，新鮮肉類彌足珍貴，他們很快就發現，平臺上的海雀隨手可得。在1534 年的一篇記述中，法國探險家卡蒂亞（Jacques Cartier）寫道，「鳥之島」上的居民有些「像鵝一樣大」:

牠們一直在水裡，無法在空中飛[4]，因為牠們只有很小的翅膀……利用翅膀……牠們在水裡移動，就像其他鳥類在空中飛行同樣迅速。這些鳥如此肥胖，真是不可思議。牠們彷彿一顆顆石頭似的，不到半小時，我們就裝了滿滿兩船大海雀，除了吃新鮮的肉之外，每艘船都用鹽醃了五、六桶大海雀肉。

幾年後，一支英國探險隊登陸這座小島，發現這裡「充滿大禽鳥」。他們將「大量的禽鳥」趕上船，宣稱相當美味，「又好吃又滋補的肉」。1622 年，名為惠特波恩（Richard Whitbourne）的船長描寫大海雀被趕上船，「一次好幾百隻，彷彿上帝故意讓這可憐生物的天真無辜，成為人類覓食的絕妙標的[5]。」接下來的幾十年裡，人們發現大海雀除了「充當食物」之外還有別的用途，一如某位編年史家所述，「芬克島上的大海雀，被人類所能想像出的各種方式剝削得淋漓盡致[6]。」大海雀的肉可當成魚餌、羽毛可當成填塞床墊的原料、油脂還可當成燃料。芬克島上搭起石頭圍欄（如今還看得到這些遺跡），海雀成群給關進圍欄裡，直到某人抽出空來宰殺。或者根本不用殺，根據航行至紐芬蘭的HMS 波士頓號英國船員湯瑪斯（Aaron Thomas）所寫：

如果你要的是牠們的羽毛，根本不用自找麻煩殺死牠們，只要抓來一隻，把最好的羽毛拔掉就行了。然後，你就把毛皮半禿、被扯得皮開肉綻的可憐企鵝放生，讓牠自生自滅。

芬克島上沒有樹木，所有沒有東西可以燒。這下湯瑪斯又有另一項實況可記載：

你隨身帶個煮鍋，裡面放進一、兩隻企鵝，在牠底下點火，這火完全是倒楣的企鵝自己燒出來的。牠們身體的油脂很快便產生火焰。[7]

據估計，歐洲人最初登陸芬克島時[8]，他們發現多達十萬對大海雀在照料十萬顆蛋。大海雀一年大概只生一顆蛋；這些蛋長約十二公分，具有如美國畫家波洛克（Jackson Pollock）的滴畫般的褐黑色斑點。當然，島上的繁殖地一定很大，才能撐過兩個世紀以上的蹂躪。然而，到了十八世紀晚期，大海雀的數量急遽減少。由於羽毛買賣利潤非常豐厚，因此有許多組商隊人馬整個夏天都在芬克島上「燙雀拔毛」。1785 年，英國商人兼探險家卡特萊特（George Cartwright）提到這些商隊：「他們造成的破壞令人難以置信。」[9]如果不趕快停止他們的所作所為，他預言，大海雀很快就會「消失殆盡」。

這些商隊是真的故意將島上的大海雀趕盡殺絕？或者，大量屠殺只是使大海雀族群縮減到某個地步，以致於容易受到其他外力的傷害？真相如何並不清楚。族群密度遞減，可能使剩下的個體更不易存活，這種現象稱為雅里氏效應（Allee effect）。無論如何，一般認為，北美洲大海雀的滅絕日期是在1800 年。

大約三十年後，正在繪製《美國鳥類》圖鑑的畫家奧杜邦（John James Audubon）前往紐芬蘭，想要找尋大海雀來寫生。他卻一隻也找不到，為了畫圖，只好拿倫敦商人從冰島收購的一隻填充海雀湊合著用。根據奧杜邦對大海雀的描述，他寫道，牠們「在紐芬蘭的岸邊很稀有、很意外[10]，」而且牠們「據說在那座島的岩石上繁殖」。這是很奇怪的矛盾說法，因為正在繁殖的鳥不能說成是「很意外」。

一旦芬克島上的海雀遭鹽醃、拔毛、油炸，直到無影無蹤，全世界只剩下一群相當數量的大海雀，住在所謂的「大海雀岩」（Geirfuglasker）小島上，位置大約是在冰島雷克雅內斯半島的西南外海五十公里處。

然而，大海雀禍不單行，1830 年一場火山爆發，摧毀了大海雀岩。這些鳥只剩下唯一的避難所：一丁點大的埃爾德島（Eldey）。到了這時候，大海雀正面臨新的威脅：本身的稀有性。各路紳士不遺餘力尋找毛皮與鳥蛋，好充實他們的收藏，例如拉本伯爵。正是為了應付這股狂熱，1844 年，已知的最後一對大海雀在埃爾德島上遇害。

本文摘自泛科學 2014 十二月選書《第六次大滅絕：不自然的歷史》，天下文化出版。

參考資料：

1. Truls Moum et al.,“Mitochondrial DNA Sequence Evolution and Phylogeny of the Atlantic Alcidae, Including the Extinct Great Auk (Pinguinus impennis),” Molecular Biology and Evolution 19 (2002): 1434-39.
2. Jeremy Gaskell, Who Killed the Great Auk? (Oxford:Oxford University Press, 2000), p. 8.
3. 出處同上，9.
4. Fuller, The Great Auk , 64.
5. Gaskell, Who Killed the Great Auk? , 87.
6. Fuller, The Great Auk , 64.
7. 出處同上，65-66.
8. Tim Birkhead, “How Collectors Killed the Great Auk,” New Scientist 142 (1994): 26.
9. Gaskell, Who Killed the Great Auk?, 109.
10. 出處同上，37. Gaskell also points out the contradiction in Audubon’s description.

鯊魚的歷史超過 4 億年，可謂非常資深的生物，經歷過好幾次「大滅絕」。我們知道，距今 6600 萬年前導致恐龍消失的大滅絕，帶走了當時 30% 以上的鯊魚。

但是最近新發表的論文更報告，1900 萬年前還有一次之前不知道的事件，使得超過 90% 鯊魚消失，也損失 70% 的型態多樣性。

這麼重大的鯊魚滅絕事件，之前我們竟然毫無所悉，對原因也毫無頭緒？

盾鱗與牙齒，判斷魚類數量和物種

研究古生物的物種、多樣性、增減幅度，相當困難。

如今大部分魚類屬於輻鰭魚（ray-finned fish），去世後最容易成為化石的部位是牙齒；不過鯊魚、鰩魚（例如魟魚）這些屬於板鰓亞綱（elasmobranchii）的魚類，留下牙齒的機率很低，較容易保存的，是皮膚上特化的鱗片「盾鱗（denticle）」。

分析海洋沉積物中，魚類的牙齒、盾鱗的數量和種類，便能判斷海中魚類的數目與物種。

新研究的材料來自２次深海鑽探取得的樣本，分別位於北太平洋與南太平洋，能推論古代大洋的生態狀況。（盾鱗總共 1263 個——北太平洋 465 個、南太平洋 798 個）

1900 萬年前，鯊魚幾乎不見了！

地質年代上，白堊紀始於 1.45 億年前，延續到大約 6600 萬年前；隨後是到 2300 萬年前結束的古近紀（Paleogene），再來是到 260 萬年前為止的新近纪（Neogene），而其中 533 – 2300 萬年前稱作中新世（Miocene） 。

白堊紀末期的大滅絕，消滅了許多生物，卻創造了輻鰭魚崛起的空間。白堊紀的時候，牙齒和盾鱗的比例約為１比１，整個古近紀到中新世的前 400 萬年，牙齒和盾鱗為５比１，比例能讓我們看出一些端倪。

但是 1900 萬年之後狀況非常不一樣，牙齒盾鱗比變成 100 比 1！即使牙齒和盾鱗的比例，未必直接等於鯊魚和輻鰭魚的數量，也能判斷：

距今 1900 萬年過後，大洋中鯊魚的數量減少很多。和之前相比，在此之後少掉超過 90% 的鯊魚。

不同鯊魚，盾鱗的型態有別，因此可以用盾鱗的型態代表鯊魚的多樣性。

研究者總共定義出 88 種盾鱗型態，1900 萬年前之後，高達 70% 消失。而且在此之後，不再有任何一種新型態誕生。和當時相比，現存的鯊魚僅存 20% 多樣性。

這次鯊魚大滅絕，很可能是史上規模最大的鯊鯊滅團事件。作為對照，6600 萬年前廣為人知的白堊紀末期大滅絕，消滅當時 30 到 40% 的鯊魚，比例竟然只有 1900 萬年前的一半而已。

線形盾鱗和幾何形盾鱗

鯊魚的盾鱗可分為兩大類，線形（linear）和幾何形（geometric）。

現生的鯊魚絕大部分配備線形盾鱗，它比較適合長距離游泳。現代鯊魚共有 18 款線形盾鱗，和全盛時期的 53 款相比，剩下 34%。

配備幾何形盾鱗的現生鯊魚非常稀有，主要見於住在深海，小型的伏擊型鯊魚，例如雪茄達摩鯊（Isistius brasiliensis）、佩里烏鯊（Etmopterus perryi）。

根據新研究的分類，世界上曾經有過 33 款幾何形盾鱗，但現在只剩下 6 款，僅存 18%。鯊鯊大滅絕事件之前，幾何形盾鱗有 35% 的相對存在感，之後慘跌到 3%。

由此看來，不論線形或幾何形盾鱗，在距今 1900 萬年過後都損失慘重，但是配備幾何形盾鱗的鯊魚，打擊更加慘烈。

鯊魚全面滅團的未解之謎

距今 1900 萬年前的鯊魚大滅絕，影響範圍應該遍及全球，不過遠洋海域的損失似乎較大。在此之後，鯊魚的多樣性再也沒有恢復。

論文指出，根據目前有限的資料判斷，如此劇烈的命運動盪或許只發生在短短的 10 萬年內。

最不得其解的是，鯊魚全族的滅絕事件如此明確，我們卻對它為什麼發生毫無頭緒。

地質史上發生過很多次生物大滅絕或小滅絕，以及更多次的劇烈氣候變遷；可是在 1900 萬年前那個時候，海洋化學紀錄和氣候都沒有明顯的變化，似乎也沒有其他動物大量滅團。

影響較大的已知事件，各發生在之前與之後的數百萬年，都和 1900 萬年前的鯊魚大滅絕沒有直接關係。先發生的是早 400 萬年，距今 2300 萬年的古近紀、新近紀轉換期（Paleogene-Neogene boundary）；之後是晚 500 萬年，距今 1400 萬年的中新世中期滅絕事件（Middle Miocene disruption）。

當時海洋中一定發生過什麼我們還不知道的事，才導致幾乎所有鯊魚同時消失，而且再也沒有恢復；也可以肯定 100% 和智人沒有關係。

但是最近的鯊魚滅絕，和智人的直接獵捕、漁業、海洋汙染顯然關係不小。一項研究統計，公元 1970 到 2018 年間，鯊魚減少了 71% 之多。很有可能，鯊鯊再度面臨 1900 萬年未有之大變局。

論文作者 Elizabeth Sibert 介紹影片：

延伸閱讀

• 短篇 恐龍倒下，魚族崛起
• 寒武紀大爆發為何發生？是因為氧、掠食者亦或是地磁反轉無情的捉弄？
• 吃魚頭常常啃到的那兩顆：魚類「 耳石」在古生物學上的應用
• 耳中乾坤─魚耳石

參考資料

1. Sibert, E. C., & Rubin, L. D. (2021). An early Miocene extinction in pelagic sharks. Science, 372(6546), 1105-1107.
2. Elizabeth Sibert 推特
3. When sharks nearly disappeared
4. A shark mystery millions of years in the making

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。