油品精煉不是煉金呀！談現代食用油品的精煉

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／照護線上編輯部
• 本文轉載自 Care Online 照護線上《美味當前要小「心」，飲食陷阱愛注意》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔！

台灣的美食多、花樣多，然而這許多美食卻經常藏著健康陷阱，大飽口福時務必多加留意。

台南市立安南醫院心血管中心副院長李聰明教授提醒道，我們常吃的食物裡面的鈉含量其實都不少，根據衛福部公布的資料，水餃一顆鈉含量 75 毫克，換算成鹽巴約 0.18 公克，如果吃十顆水餃一餐吃進的食鹽的含量就 2 公克。

鍋貼一顆鈉含量 60 毫克，換算成鹽巴約 0.15 公克。

肉粽一顆 250 公克，鈉含量 850 毫克，換算成鹽巴超過 2 公克。

小籠包一顆鈉含量 60 毫克，換算成鹽巴約 0.15 公克。

沾醬含量更高， 10 公克沾醬鈉含量 300 毫克，換算成鹽巴接近 0.8 公克。

味增湯一碗鈉含量 600 毫克，換算成鹽巴約 1.5 公克。

千萬要曉得，這些餐桌上的常客，鈉含量其實都很高！

鹽巴吃太多，健康問題多

李聰明教授指出，心臟衰竭有不同的嚴重度，從第一級到第四級，第一級是比較輕微的心臟衰竭，第四級是比較嚴重的心臟衰竭，當然愈嚴重的患者鹽巴限制會愈嚴格。

鹽巴進到體內後，會把水份留在體內，心臟衰竭患者沒辦法迅速將水分排出體外，所以吃愈多鹽，留在體內的水愈多，心臟的負擔也愈重，容易導致病情惡化。

我們建議要限鹽、限水，每日鹽巴攝取量在健康成年人希望能夠小於 6 公克，在輕微心臟衰竭患者希望能夠小於 5 公克，在嚴重心臟衰竭患者要小於 3 公克。

要怎麼控制在 5 公克以下？最簡單的就是跟病患講，煮菜時都不要加鹽巴，一天就秤 5 公克食鹽，吃東西時就用這 5 公克食鹽搭配。這作法當然很嚴格，然而心臟功能不好的患者就必須這樣嚴格限制。

至於喝水量，一般人一天喝水量大約是 2000 毫升，心臟衰竭患者一天只能攝取 1000 至 1500 毫升的水。這裡指的「水」，並非只有直接喝的水，還要包括食物中的水，因為米要加水才能煮，米飯裡約 50 % 是水，稀飯裡約 80 % 是水，青菜、水果的含水量高，喝的湯全都是水。

假如一天限制 1500 毫升的水，是很嚴格的限制。關於一天要喝多少水，很多患者都會誤解，所以額外喝 1500 毫升的水，這樣喝進去不得了，一天恐怕超過 3000 毫升。這需要跟病患做很好的衛教。

口很乾怎麼辦？通常會建議用棉棒沾水含一下就好，千萬不要吞下去。如果喝了太多水，可能會喘，腳會水腫，晚上沒辦法平躺睡覺，還有一個更簡單的評估方法，就是每天測量體重看有沒有上升。

可以使用低鈉鹽嗎？鉀離子對身體有什麼影響？要注意什麼？

李聰明教授表示，心臟衰竭、高血壓都跟過量的鈉離子攝取有關，所以有人會使用低鈉鹽，但是使用低鈉鹽時有幾件事情要特別注意。

一般的食鹽是氯化鈉，低鈉鹽則是氯化鉀。心臟衰竭病患通常腎功能也不會太好，腎功能不好的病患排鉀能力會下降，所以鉀離子可能累積在體內。鉀離子在體內的濃度有非常嚴格的範圍，鉀離子過高的時候可能會心律不整，甚至心臟停止跳動。

另外，有些藥物會干擾鉀離子的排除，例如有些利尿劑能留住鉀離子，導致體內鉀離子濃度上升，使用低鈉鹽便要非常小心。若使用低鈉鹽，一定要告訴醫師。

在脂肪攝取方面，建議使用哪種油？每日攝取量？

過度的脂肪攝取常常會造成動脈粥狀硬化，約有一半心臟衰竭病患都是因為心臟血管阻塞造成，所以要留意脂肪攝取。

脂肪分成三大類，飽和脂肪酸、單元不飽和脂肪酸、多元不飽和脂肪酸。

「飽和脂肪酸」在豬油、牛油等動物油和紅肉的比例較高，另外椰子油、棕櫚油也含有高比例飽和脂肪酸，飽和脂肪酸比較耐高溫。

「單元不飽和脂肪酸」在橄欖油、芥花油、花生油、芝麻油等植物油裡的比例較高。單元不飽和脂肪酸對人體而言是相當不錯的油，因為它可以降低低密度膽固醇，可以提高高密度膽固醇，本身具有抗氧化的效果，但是這種油有個弱點，就是不耐高溫，經過高溫烹調容易受到破壞，破壞之後會產生大量自由基，所以這種油比較適合涼拌或低溫拌炒，不適合高溫煎炸。

「多元不飽和脂肪酸」在大豆油、玉米油、葡萄子油、葵花子油中的比例較高。大家熟悉的魚油，也是多元不飽和脂肪酸。多元不飽和脂肪酸在高溫下亦容易裂解，產生自由基，對人體有害，不適合高溫烹調。

該選擇哪種油？要看烹調方式，若是低溫烹飪可以選擇單元不飽和脂肪酸、多元不飽和脂肪酸，對人體來講是比較好；若是高溫油炸，選擇飽和脂肪酸會比較理想。

美國心臟學會有建議，攝取油脂要適量，我們每天的能量來源，來自於油脂的能量最好小於 30 % 。平常使用的油最好 75 % 來自於不飽和脂肪酸，只有 25 % 左右來自於飽和脂肪酸。

反式脂肪對心臟會有哪種危害？

從二十世紀初期開始，人們為了讓油脂更耐高溫、增加穩定性，而將油氫化，但是在加工過程中可能產生反式脂肪。

李聰明教授解釋道，反式脂肪會增加低密度膽固醇，造成動脈粥狀硬化，還會降低高密度膽固醇，長期使用容易產生心血管疾病，並使人變胖，變胖容易產生胰島素抗性，而導致糖尿病。此外還可能傷害記憶力，或影響生育。

大家要多看成分標示，若標示含有標精緻植物油、氫化植物油、半氫化植物油等，都可能含有反式脂肪，要盡量避免。

美國、台灣皆已禁止在食品製造過程中使用人工反式脂肪。

體重剛剛好，對心臟最好！

李聰明教授指出，體重過重，心臟的負擔愈大，對心臟不利；體重過輕對心臟衰竭也沒有好處，我們最擔心的就是病人吃不下， BMI 值愈來愈低，這種病患的死亡風險較高。比較嚴重的稱做「心臟惡質病」，病患什麼都吃不下、營養不良，瘦成皮包骨。

BMI 值跟心臟衰竭死亡率是呈現 U 字型，過低、過高時的死亡率都偏高，在理想 BMI 值的死亡率才會是最低，理想的 BMI 值一般認為是在 18-24 間最理想。

心臟衰竭事實上死亡率非常高，第四期的心臟衰竭每年死亡率可高達 50 % ，甚至比部分癌症還更可怕。現在治療心臟衰竭的藥物、技術都有進步，但是患者也要積極配合，包括控制血壓、控制血糖、控制膽固醇、戒菸、運動、飲食控制等，醫病共同努力才有辦法獲得更好的治療結果。

• 本文轉載自 Care Online 照護線上《美味當前要小「心」，飲食陷阱愛注意》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔！
• 加入照護線上LINE官方帳號，健康資訊不漏接！
  https://line.me/R/ti/p/%40careonline

「食用油裡有可怕的有機溶劑！」；「大學教授教你用嗅覺分辨有機蔬菜！」；「輕鬆驗出水中的氯分子」，似真似假的言論在網路上源源不絕，如果能夠集結這些謠言的力量，恐怕足以讓一架空中巴士A380升空。讓我們暫時將那些娛樂性十足的偽科學放下。究竟，食品和藥品產業界中的「檢驗」，是怎麼一回事呢？

怎麼知道要驗些什麼？

我們總認為，橄欖油或胃藥等商品上市之前，都應該經過層層的檢視，驗過所有的有毒物質後才能上市。可惜的是，政府和科學家都不是神，無法未卜先知地算出有不肖廠商用棉籽油混充橄欖油，或是百年前開發的氫化油脂技術，所帶來的副產品－反式脂肪，其實會引發心臟病。在真實的世界裡，通常是發生公衛事件後，才了解到需要監控某些物質（如：多氯聯苯/polychlorinated biphenyls），以食品和藥品為例，會受到檢測的物質略分為三種：

• 製程中添加的物質（如：正己烷/hexane；乙醇/ethanol）
• 自然產生的物質（如：游離脂肪酸；細菌內毒素）
• 特定事件而受到關注的物質（如：銅綠葉素；反式脂肪）

已經現身的敵人總是比較好對付。上述前兩類都已被各國列管成冊，所以我國政府會參考他國的規定，「擇優採納」地決定那些物質需要被監控。以藥品為例，食品藥物管理署（以下簡稱「食藥署」）會參照醫藥先進國的藥典（如：美國藥典/United States Pharmacopeia/USP），制訂國內的法規，而食品方面也會參考美國或歐盟等地的規定，制訂適合國內的數值和管理辦法。

那麼不禁要問，如果是連科學家都不清楚的物質呢？

最近在美國引起關注的「反式脂肪」就是很好的例子，一百多年前，油脂的氫化技術由德國研發成功，氫化的油脂能有更久的保存期限，因此被使用在人造奶油的產品中，然而，氫化後的油脂會產生少量的反式脂肪，在發展之初並沒有人知道反式脂肪對人體的影響。

而隨著科學的發展，研究指出反式脂肪的攝取會引發心血管疾病，因此美國食品藥物管理署（Food and Drug Administration/FDA）在2015年7月宣布，將在3年內禁止在食品內添加人工的反式脂肪。而既然都是人類，台灣人的抵抗力應該不會比美國人強大，因此我國也隨著美國的規定，今年7月開始對反式脂肪提出更嚴格的管制措施（強制標示，尚未全面禁止）。

怎麼知道標準該是多少？

有許多的無毒專家，努力不懈地說明食品裡的有機溶劑和農藥是多麼的恐怖，彷彿他們有著超能力，能一眼看穿各種化學物質。但科學檢驗不是作出充滿靈氣的精美蓮花圖，再搭配「無毒專家」四字就能通過食藥署的把關，科學檢驗還要能回答一個很重要的問題－－「濃度是多少？」。

以油品謠言中常見的主角－有機溶劑：正己烷作為範例。在大豆、棉籽及亞麻子等種子油的製程中會加入正己烷，把躲藏在種籽內的油滴趕出來，以達到徹底利用食材的目的。而後續的煉製中會進行加熱（220-250˚C），低沸點（69˚C）的正己烷會揮發殆盡，最終的食用油產品裡並不會殘留正己烷。

Ｑ：「不會殘留」是指多少？

A：在我國的「食品添加物使用範圍及限量暨規格標準」中的規定，正己烷可用於食用油之萃取，但最終產品中不得殘留。而美國FDA的規定，在除去魚類蛋白質食品中的脂肪時，可用正己烷帶走脂肪，但成品需去除殘留溶劑。（FDA，21CFR Sec.172.340）

Ｑ：「不得殘留」就是完全沒有嗎？

A：「不得殘留」或「零檢出」的意思是「以規定的儀器和方法量測，獲得的數值為零」。要檢測食用油中的正己烷，並不是請無毒專家用鼻子一聞就能知道正己烷的濃度，根據食藥署公布的文件，必須要用氣相層析質譜儀（gas chromatograph/mass spectrometer, GC/MS）檢測，而文件也詳載了實驗方法及計算公式等，以確保任何合格的實驗室都能以相同的方式進行檢測。（文件名稱：食用油中正己烷殘留之檢驗方法；文件編號：TFDAO0014.01）而在國家認可的實驗室中，以規定的文件進行檢測後，所得的數值為零，就可被視為「零檢出」。

而文件的目的是為了讓檢驗結果具備公信力和代表性，換句話說，文件內會規定採樣的方式、取樣的時機、檢驗的儀器、環境，甚至連儀器的廠牌型號都會被明白地寫於文件當中。以取樣的時機為例子，若是要從10萬瓶藥中取樣3000瓶，文件中會規定採樣需要在出貨前、中、後段各取1000瓶，如此的檢驗結果才會具有公信力和代表性。

Ｑ：「檢測值為零」聽起來好不親近，不能保證完全沒有嗎？

A：檢驗報告並不是政治家的選前支票啊。即便科技再怎麼精進，檢驗報告只能記載「檢測值為零」，拍胸脯保證以博得消費者的信賴反而是不負責任的作法。

Ｑ：有使用一定會有殘留！完全不使用化學溶劑的油品才是好棒棒！

A：那就改用豬油吧！如同上文所述，萃取是因為油滴會殘留在植物種子中，如果非常擔心有機溶劑的問題，可以使用動物性油脂。而目前有實驗室在研究利用超流體二氧化碳取代正己烷（原因是正己烷可能會加重溫室效應，而非殘留的問題），也許數十年後，應用此技術的油品將有機會出現在市場上。

當然，如果對任何化學物質和農藥都非常恐懼，那除了要自行熬製豬油和種植蔬果之外，可能還要加蓋巨大的無塵室來避免外界的汙染，但如果要這麼作才能安心的吃上一餐的話，那就已經不是科學技術所能解決的問題了。

超能力嗅覺？綠光雷射筆？論檢驗技術的特性

爆發食安事件後，食品的檢驗技術在媒體上也被熱烈報導，從極為荒謬的用嗅覺聞出農藥，到小學生利用雷射筆檢測橄欖油的真偽，似乎在媒體的標準中，任何檢驗技術，都是再簡單也不過了。

現今在產業界的檢驗實驗室中，每項檢驗技術都具備了「可被追蹤」和「全球適用」的特性。合格的實驗室必須符合Good laboratory practice（GLP）的規範，意即每一個步驟都有詳實的記錄，嚴謹的程度到甚至連取用一瓶水都需要記錄時間、容量和使用人。而儀器也經過設計，使實驗數據無法被竄改或覆蓋，如此嚴謹的GLP實驗室規定，也代表著產出的每項實驗數據，能夠被追蹤和調查。

而「全球適用」的內涵代表的是任何人、任何地點，只要參照規定的儀器和方法，都能夠得到相同的實驗值。這特性突顯了標準文件的重要性，文件內會詳細規範採樣方式、儀器種類、檢驗環境細節（如：溫度、pH值等）等，白紙黑字的規範避免了採樣過程或人為操作疏失，減少A實驗室說：「不合格！」，B實驗室卻說：「鬼扯，我家的檢驗方法才是有公信力的！」這種誤會，同時也說明了任何的檢驗雖然都會發展出快篩產品（如：油品酸價試紙），最終仍需要將樣品送到合格的實驗室進行檢驗，得到的數值才有公信力。

科學檢驗無法解決的事

藥廠的前輩說：「在廠房裡，研發和檢驗的比重大概是1比4」。研發追求創意，而檢驗著重在穩定性，即使重複了百萬次，還是能獲得相同的實驗數值。在消費市場上，必須要「每次」都做出相同的產品，讓消費者在何時、何地都能購買到相同的產品，這就是檢驗人員所追求的最高目標。

科學檢驗發展至今，已經是很成熟的領域，即便是面對未曾處理過的物質，都能在短時間內開發出檢驗方法。但檢驗最大的障礙並不是科學本身，而是不肖的廠商及自我宣稱的無毒專家。在政府的介入和民心撻伐之下，不肖業者也許已經漸漸減少了；但無毒專家們跟著食安風暴興起，卻是越來越多。要如何挽回民眾對食品的信心，避免偽科學的介入，就只能靠教育界和媒體人一起努力了。

參考文獻

• 中華民國食品藥物管理署
• 美國食品藥物管理署
• Riya Ganguly, Grant N. Pierce (2015) The toxicity of dietary trans fats. Food and Chemical Toxicology, 78, 170-176
• Beatrice Alexandra Golomb, Alexis K. Bui (2015) A Fat to Forget: Trans Fat Consumption and Memory, PLoS ONE, DOI: 10.1371/journal.pone.0128129