一首歌的時間就能變形的「變形蛙」

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

• 作者／胡立德；譯者／羅亞琪
• 編按：本篇沒有蟑螂圖片，請安心服用！

黎明時分，柏克萊生物系的學生高什克‧賈拉雅姆 (Kaushik Jarayam) 聽見蟑螂竄走的聲音，他正坐在生命科學系館的階梯上吃貝果，就跟每天早晨一樣。貝果的屑屑掉落在水泥階梯上， 竄走的聲音愈來愈大，甚至演變成窸窣聲，同時，附近山茱萸樹下的落葉堆也開始出現動靜。

他看見灌木叢中冒出兩根長長的觸角，接著是一抹褐色物體朝他的腳衝來。高什克本能地站起身，胡亂踩踏了幾下，大部分只踩到水泥地，但其中一下踩到了一個小生物，發出壓扁的聲音。那個生物迅速逃跑，衝進他剛剛坐著的階梯上的一個小縫隙。

那是似乎天下無敵的美洲蟑螂 (Periplaneta americana)，即使鞋子踩中了牠，牠卻還逃得了，高什克不禁感到好奇：蟑螂怎麼有辦法活過這樣的重擊？在進行縝密的實驗後，高什克將會發現這些動物看起來很堅硬，實際上卻很柔軟。在研究的歷程中，他將發明一種可被輾壓的機器人，會變形，但不會碎裂。

以柔克剛，軟一點才有存活的可能

高什克正在攻讀生物學博士學位，但是他從未上過任何一堂生物學的課程。他在印度的邦加羅爾長大，這個地方在他小時候還是個小鎮，但後來發展成一座繁忙的都市，有許多資訊科技人才湧入。他曾就讀印度理工學院孟買校區，專攻機械工程，特別是製造領域。

在我們的世界，隨處可見製造的痕跡，例如加工成型的塑膠或鑄造的金屬，這當中大部分的成品都是堅硬的。高什克將開始了解，製造業的發展前沿不再是如何讓機器和裝置更加堅硬，而是如何把這些東西變得更柔軟。

高什克對製造產生興趣時，正值四軸飛行器剛被開發出來。四軸飛行器有四個各自獨立的旋翼，如同正方形的四個象限般排列。旋翼的數量使四軸飛行器非常具有機動性，可以定點旋轉、俯衝、懸停以及隨飛隨停。

早期的四軸飛行器有一個問題，那就是它們的性能遠超過存活能力，它們飛行的速度太快了， 如果撞到東西，便直接碎屍萬段。因此，工程師開始在飛行器外圍包覆一種類似倉鼠滾輪的保護裝置，倘若發生碰撞，保護裝置會先被壓碎，以便保護裡頭的旋翼。

於是，高什克便開始研究蟑螂的運動，因為牠似乎無論受到什麼樣的撞擊都似乎無法被摧毀。

跟蟑螂學習如何「完整地」活下來

從蟑螂的角度來看，這種能力是必需的，因為牠們一直處在被掠食者吃掉的危險當中，蜥蜴、貓、鳥等動物都很樂意大啖蟑螂這種具有豐富蛋白質與脂肪的營養來源。一旦被抓住，蟑螂很快就會遭到嚼食吞嚥， 因此能存活的唯一機會就是加速逃跑，愈快愈好。

蟑螂隨時準備逃命，牠們可以在 $\frac{1}{50}$ 秒的時間內做出反應，比人類快上 10 倍；牠們能以每秒 25 倍體長的速度奔跑，相當於一輛車以每小時 450 公里的速度前進。

速度是蟑螂生存的關鍵，因為太重要了，所以蟑螂沒有時間閃躲物體，只能直直一頭撞上。

如果你把這個動作用高速攝影機拍下，接著慢速播放，就會看見蟑螂是衝撞牆壁，回彈，接著才直爬上牆。如果牆壁下方有小縫隙，牠會以最快的速度把身體擠進去，這個行為可以讓牠在體型大上許多的掠食者面前消失無蹤，牠們通常是僥倖成功的。

蒙大拿州的生物學家塔拉‧馬吉尼斯 (Tara Maginnis) 曾對野外昆蟲進行一次普查。昆蟲生來會有六隻腳，但在野外捕獲的昆蟲之中，腳的平均數目卻是五隻，這些五腳昆蟲算是幸運的了，牠們勉強成功逃脫，可以再多橫行一天。

模擬野外環境，觀察蟑螂的荒野逃生

由於蟑螂速度太快，在野外很難觀察，高什克便在實驗室裡做了一個障礙訓練場。

蟑螂喜歡生活在散落著枯枝落葉的林地上，在這樣的環境中，其褐黑相間的體色有助完美偽裝。高什克建了一個開放的走道，末端是一個隧道入口，隧道屋頂只有兩枚硬幣疊起來的高度，是蟑螂站立時高度的 $\frac{1}{4}$。當蟑螂要進入隧道時，就會像黃金獵犬要把身體擠進信箱一樣。

高什克用高速攝影機拍攝蟑螂進入隧道的動作，從遠方看， 這隧道口就像是個小縫隙。在進入隧道前，蟑螂會先把長長的觸角伸進去，探索完裡面的空間之後，牠會短暫停頓，接著再把頭塞進縫隙，瞧瞧裡面。有時，牠得硬塞好幾次，頭才進得去。

蟑螂高 1.2 公分，是縫隙高度的 4 倍，為了擠進洞裡，牠用前腳往前走。縫隙很低，因此當牠把頭塞進去時，身體會往上傾斜 45 度，導致後腳在半空中亂踢。蟑螂處變不驚，繼續用前腳把身體拉進縫隙，短短 1 秒鐘，整隻蟑螂已經進到縫隙中，從掠食者的角度看，蟑螂就像是憑空消失了。

高什克用玻璃排成隧道的牆壁，這樣就能看到裡面。蟑螂幾乎把自己擠壓到完全扁平，牠在站立時，腳通常是位在身體下方，但現在卻像螃蟹一樣水平攤開。高什克拿一根棒子往隧道裡戳，模仿貓把爪子伸進去的動作。令人驚訝的是，蟑螂竟以螃蟹走路的方式遠離棒子。

他又多戳了幾下，蟑螂加快速度並開始跑了起來，雖然這時身體仍處在被壓平的狀態。被壓扁的動物還能夠全速衝刺，令高什克十分訝異。我們在開車經過狹窄巷弄時，並不會全速行進，若全速行進的話，車子很容易就會損壞到無以修復的地步。

穿戴盔甲的蟑螂，天生就有被壓扁的潛能？

雖然蟑螂看起來全身覆蓋著閃亮的盔甲，但牠們其實有許多柔軟的關節，讓身體能極度靈活地形變。例如，蟑螂腳上的每一個關節都是由柔軟可形變的半透明膜所組成，就如中世紀騎士的盔甲在膝蓋和肩膀部位有著互相重疊的甲片一般。蟑螂的腹部也覆滿了百葉窗般互相重疊的甲片，高什克認為，這些重疊的甲片允許蟑螂的身體在壓平時往側邊擴展。蟑螂天生就是可以被壓扁的。

為了測試蟑螂的極限，他把蟑螂放在機械式壓機裡，四面都有透明牆壁，以防蟑螂脫逃。接著，他施加等同於蟑螂體重 900 倍大的力在牠身上，相當於把人壓在一間單房公寓底下。

此時腹部甲片輕輕擴張，讓蟑螂柔軟的內臟得以透過柔軟的透明膜被推出。蟑螂的體內大部分是液體，因此當身體受到向下的壓力時，也就意謂體液必需從某處流出，而流出的地方就在甲片之間。當外力消除後，這些透明膜會把蟑螂推回正常的形狀。

蟑螂在承受這麼大的外力後，仍能毫髮無傷地走開，牠們就像一顆裝有馬達的壓力水球，縱使被壓扁到認不出原貌，仍能繼續行走。蟑螂可以承受多大的下壓力而不死亡，就要看牠的外骨骼能承受多大的體內液壓了。

然而，機器人就不會有這樣的限制，它們互相連結的部位可以是空氣，而不必是液體，就跟紙鶴一樣，機器人具有被壓成一張紙後仍可繼續運作的潛力。高什克受到蟑螂承受輾壓的能力所啟發，決定製作一個人造版本。

• 下篇《小強求生術（下）：人類有辦法打造跟蟑螂一樣「抗壓」的機器人嗎？》帶大家來看看，在參考天造的蟑螂之後，人造的版本可以達成哪些功能。

——本文摘自泛科學 2020 年 3 月選書《破解動物忍術：如何水上行走與飛簷走壁？動物運動與未來的機器人》，2020 年 1 月，三民出版。

• 文／文詠萱

編按：單身長達 10 年的「世上最孤單青蛙」都已經找到伴侶，那__呢？

一人一點錢，救救單身蛙

2008 年時，科學家們在野外發現了一隻瑟溫卡斯水蛙 (Sehuencas water frog，Telmatobius yuracare)，他們將之命名為「羅密歐」，並養在玻利維亞科恰班巴自然歷史博物館 (Bolivia’s Cochabamba Natural History Museum) 的水族館裡。

沒想到，整整 10 年過去了，在 2008~2019 年間，人們居然都沒有在牠的棲息地發現其他野生個體。這讓玻利維亞的環境保護人員非常緊張，因為這很可能代表羅密歐是世界上最後一隻瑟溫卡斯水蛙，假設牠翹辮子了，那這種青蛙也就要絕種了。更慘的是，這種青蛙的平均壽命為 15 年，要是不加緊腳步，可能就來不及了。

為了避免絕種危機，保育人員們積極地在野外尋找雌性的瑟溫卡斯水蛙，同時建立了人工繁殖計畫。但這還不夠，保育團隊甚至在 2018 年為羅密歐建立了一個個人網站，為牠填寫了詳細的交友檔案，並發起募款活動，希望能喚起大眾的注意，讓民眾、科學家、探險家能在野外棲地尋找雌性水蛙個體，讓羅密歐脫離滅絕危機，繼續繁衍下去。

除了上述種種，保育人員還做了許多努力，包括：訪問玻利維亞雲霧森林 (Bolivian cloud forest) 中曾見過此物種的居民，以建立瑟溫卡斯水蛙的足跡地圖；研究棲地水體中物種環境 DNA 及其滅絕原因，並找出方法保護那些留在野外的物種；建立該地區水蛙生物資料庫等等。

真命天女出現啦！

令人慶幸的是，2019 年 1 月，一支探險隊在探索玻利維亞雲霧森林時，竟在溪流中發現了五隻瑟溫卡斯水蛙！分別為三隻雌蛙、兩隻雄蛙，其中一隻雌蛙更正值生育年紀。經過多年等待，羅密歐終於找到他的「茱麗葉」了嗚嗚。

探險隊領導者 Teresa Camacho Badani 對於兩者間的未來十分樂觀，她深信異性相吸的道理。「羅密歐的個性有點害羞，他目前相當健康，喜歡吃東西；而這隻茱麗葉的個性截然不同，她精力充沛，時常游泳，有時候會試圖逃跑。」

危機未解除，兩棲動物陷困境

這些被帶回來的水蛙們將會進行健康檢查，以防止弧菌、真菌傳染病，當然也要讓羅密歐與茱麗葉見面，想辦法創造宇宙繼起之生命，繁衍出未來可以回到自然棲息地的後代。

在過去，瑟溫卡斯水蛙曾在玻利維亞雲霧森林內的溪流、河流與池塘等不到 10 個地點被發現。這些棲地曾有豐富的水生蛙生態，然而，目前玻利維亞、厄瓜多及秘魯的水蛙正在迅速減少，牠們面臨到各種威脅，包含氣候變遷、棲地破壞以及外來種鱒魚等。

全球野生動物保護組織的 Chris Jordan 表示：「將動物帶回圈養是有風險的，但由於野外青蛙數量太少，目前無法長期確保會持續繁殖，不得不帶回人工繁殖。」相關團隊表示會盡力恢復玻利維亞森林特有種青蛙，並將相關寶貴經驗提供給目前正面臨絕種的類似物種。

羅密歐找伴的故事引起了人們對於兩生類動物困境的關注，雖然故事有了好的發展，但人員並未在找到茱麗葉的溪流附近發現其他水蛙，這讓他們對於生態系的健康仍然十分擔憂。

• World’s ‘loneliest’ frog gets a date. bbc 2019.01.15