原來我們一直在吃基改蕃薯？！

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

本文由 Arm 委託，泛科學企劃執行。

Arm（安謀）是一家來自英國提供處理器 IP 架構設計的矽智財公司，你可能不清楚 Arm 在做什麼？但你可能在最近的新聞中聽過它，而且，你可能每天都在使用他們的產品！

實際上，90% 的智慧型手機使用的 CPU 晶片，其指令架構集（ISA）都是採用 Arm 架構，例如部分蘋果產品所使用的晶片、Android 手機常見的驍龍系列，以及聯發科技推出的天璣系列晶片，Arm 都是這些處理器架構的主要供應商。

不過這個指令架構集（ISA）到底是什麼？為什麼每台手機甚至電腦都要有呢？

什麼是指令架構集（ISA）？

指令集架構（ISA）是電腦抽象模型的一部分，它定義了 CPU 如何被軟體控制。ISA 作為硬體和軟體之間的介面，既規定了處理器能夠執行的任務，又規定了如何執行這些任務。ISA 提供了使用者與硬體互動的唯一途徑。ISA 可以被視為程式設計師的手冊，透過 ISA，組合語言程式設計師、編譯器編寫者和應用程式程式設計師方能與機器溝通。

處理器的構建和設計稱為微架構(micro-architecture)，微架構告訴您特定處理器的工作原理，例如，Arm Cortex-A53 和 Cortex-A73 都是 Armv8-A 架構的實現，這意味著它們具有相同的架構，但它們具有不同的微架構。

目前常見的 ISA 有用於電腦的 Intel/AMD x86_64 架構，以及在行動裝置是主流的 Arm 架構。而 Arm 本身不製造晶片只授權其架構給各個合作夥伴，授權的架構也被稱為「矽智財」（Semiconductor intellectual property core，簡稱 IP），並由合作夥伴依據規格打造合規的矽晶片。

Arm 成為全球關注的焦點

今年九月，Arm 在美國紐約那斯達克交易所掛牌上市，吸引大量投資者的目光，除了節能的設計，Arm 持續提升產品效能，使得 Arm 架構具有強大的競爭優勢，讓 Arm 的技術和產品，除了在行動裝置與物聯網應用佔據了重要地位，也在後續發展的其他產品持續協助產業推動技術革命。

最早，Arm 架構是為了依靠電池運作的產品而設計的，隨著這十多年來的轉變，行動裝置成為主流，而 Arm 架構也成為了行動裝置的首選。

除了 Arm 原本行動裝置的通用 CPU 領域，Arm 亦著手開發專用 CPU 的架構，這些專用 CPU 的使用情境包含雲端基礎設施、車用和物聯網（IoT）。

現在 Arm 除了在手機處理器上有超過 90 % 的市占率外，在物聯網與嵌入式應用上有 65% 的市占率，目前車用晶片也逐步轉向由軟體來定義汽車的電子電氣架構，這凸顯了軟體在未來汽車架構的重要性。「嵌入式邊緣裝置使用的可擴充開放架構 (Scalable Open Architecture for Embedded Edge；SOAFEE) 」建立以雲原生的系統架構，透過雲端先行開發軟體，協助汽車產業業者在產品正式商品化前，能在基於 Arm 架構的晶片上進行虛擬環境測試，目前 Arm 在車用晶片上，市佔率超過四成。

在雲端運算上，Arm 也推出了 Arm Neoverse 技術平台來協助雲端伺服器的晶片設計，並配合新推出的 Arm Neoverse 運算子系統（CSS），來簡化專用晶片的設計複雜性，減少晶片設計花費的時間。

在 Arm 日益完整的產品組合下，透過與廣大生態系合作，能為市場提供許多軟硬體解決方案。首先，在行動裝置上，Arm 近乎霸占市場。而在 AI 發展與網路速度持續提升的趨勢下，許多運算都可以在雲端完成，最近的實例為 Nvidia 的 GeForce Now，只需一台文書機，就能暢玩 3A 大作，或是 Google 的 Colab，讓 AI 能在文書機上完成運算，造福了沒有高級顯卡的使用者。

未來，邊緣運算將陸續解開雲端運算的束縛，而 Arm 也在前期投入了雲端基礎開發，配合行動裝置的市占率，無論如何 Arm 都將在未來科技業占有一席之地。

Arm Tech Symposia 將在 11 / 1 與 11 / 2 盛大舉辦

2023 Arm 科技論壇（Arm Tech Symposia）即將在 11/1 台北萬豪酒店，11/2 新竹國賓飯店盛大舉辦！這是 Arm 每年最重要的實體活動之一，以【Arm is Building the Future of Computing】為主軸，探討在 AI 時代來臨之際，Arm 最新的技術如何驅動創新科技，為次世代的智慧運算、沉浸式視覺、AI 應用、自主體驗等帶來更多可能性。 

這次 Arm 科技論壇將圍繞在車用、物聯網、基礎設施、終端產品等熱門 AI 應用領域，並邀請台積公司、Cadence、瑞薩電子、新思科技、CoAsia 擎亞半導體等各領域專家，帶來產業第一手趨勢洞察。

其次，也會分享 Arm 的新技術在 AI 的應用，包含如何透過軟體定義汽車降低汽車電子系統核心 EUC 整合的複雜性，同時維持汽車資安；以及介紹專為特定工作負載而設計的運算方式，如何讓企業不受外在環境與技術影響，處理更大規模的數據。

今年 11/1 在台北場的座談會，主題為 Edge computing on AI，探討邊緣運算在人工智慧上的應用，以及人工智慧對於半導體產業以及晶片研發帶來的影響，邀請 iKala 共同創辦人暨執行長程世嘉、聯發科技執行副總經理暨技術長周漁君，以及 Arm 台灣總裁曾志光與會。

11/2 在新竹場的座談會主題為 The Keys of Automotive Transformation，探討汽車產業的轉型趨勢，邀請 Anchor Taiwan 執行長邱懷萱、友達光電執行長暨總經理/達擎董事長柯富仁、波士頓顧問公司董事總經理暨資深合夥人徐瑞廷，以及 Arm 台灣總裁曾志光與會。

無論你是硬體工程師、軟體開發人員、晶圓代工、晶片設計商、OEM/ODM 還是相關產業人士，都能在這場論壇中互相交流，充實自己。

2023 Arm 科技論壇報名連結

活動結束後填寫問卷的朋友，還有機會現場抽中 iPhone 15 Pro、 iRobot Roomba j7+ 掃地機器人、Sony WH-1000XM5 無線耳機、Dyson Purifier Big+Quiet Formaldehyde 空氣清淨機等精美好禮喔！

報名截止倒數中，現在就立刻報名吧！

• 文／新興科技媒體中心博士後研究員　陳璽尹
• 本文轉載自新興科技媒體中心《英國研究如何成為報紙頭條（五）信念？或科學證據？》

編按：充斥在新聞媒體或社群上的偽科學謠言，或似是而非的「新發現」，通常都以誇張聳動的標題吸引讀者的目光，並讓多數人深信不疑。誰能擔任這個破除迷思的角色，成為科學家與媒體傳播間的橋樑，為閱聽者導正視聽呢？這一系列文章，將介紹英國科學媒體中心（SMC）如何運作，打擊新聞上的偽科學、假訊息。

2012 年，法國的分子生物學家吉爾烈 ── 艾希．席哈理倪（Gilles-Eric Séralini）在《食品和化學毒理學》（Food and Chemical Toxicology）期刊上發表研究，其中宣稱，食用「耐年年春除草劑基因改造玉米」（以下簡稱 NK603 基改玉米）的大鼠，與對照組的大鼠相比，長出較多腫瘤且多重器官衰竭。^[1] 席哈理倪透過記者會所公布的長了腫瘤的實驗鼠照片，在當天就以最快的速度傳播出去。

實驗期為2年，著重「長期」影響的研究引注目

這項研究當然不是無中生有，也理應喚醒眾多基因研究的科學家，更審慎面對基因改造作物可能帶來的風險。尤其席哈理倪這篇研究的特殊之處，在於他的研究著重在「長期」的影響。

根據經濟合作暨發展組織（OECD），以及其他國際組織如歐洲食品安全局（European Food Safety Authority，簡稱 EFSA）、聯合國農糧組織（Food and Agriculture Organization，簡稱 FAO）、世界衛生組織（World Health Organization，簡稱 WHO）等機構的標準，關於基改作物的健康安全評估，在商業化之前的最後階段審核，都是基於為期 90 天的研究結果。

實驗期間的長短差異，的確讓席哈理倪的研究獲得公眾矚目，因為席哈理倪 2012 年的實驗是以 2 年為期，來觀察大鼠食用 NK603 基改玉米所帶來的健康影響。而這篇文章所要呼籲的，即是當時對基改作物的安全性評估不夠確實，以致讓有癌症風險的 NK603 基改玉米上市、供人食用。

選用的實驗大鼠天生易長腫瘤，研究遭質疑

同一年，歐盟執行委員會（European Commission）就要求歐洲食品安全局重新檢視席哈理倪的研究；9 月，歐洲食品安全局做出的回應與其他批評者的觀點大多一致：實驗設計不良、樣本不足，沒有足夠證據能支持這篇研究所做之結論。^[2]

最主要的爭點在於，其實驗所用的「史一道二氏大鼠」（Sprague-Dawley rat）僅適用於短期實驗，因這品系的大鼠相較於另一種常用的實驗大鼠維斯塔漢（Wistar Han），在 1 歲之後更容易產生腫瘤。^[3] 另一個爭點是，實驗樣本和對照組樣本不足。

席哈理倪的實驗中，每一實驗組只有 10 隻大鼠，然而依照經濟合作暨發展組織所制定國際通用的研究標準，若是研究化學毒性，那麼每一實驗組需要 20 隻大鼠（雌雄各半）；若是研究致癌性，每一實驗組需 100 隻大鼠（雌雄各半）。且每一實驗組，都應有一對照組作為比較標準。

然而，在席哈理倪的實驗設計中， 9 組實驗組僅有一組對照組。這兩項爭點，是主要的研究缺陷。因為實驗設計不嚴謹，無法排除大鼠隨機產生腫瘤的可能性，更無法獲知史一道二氏大鼠的腫瘤，是否因食用 NK603 基改玉米所致。^[4]

質疑批評者受基改公司收買，研究者未正面回應爭議點

然而，針對歐洲食品安全局提出的疑問，席哈理倪不僅沒有提供更多證據，反倒另外發表了一篇針對各種批評的回應文章。^[5] 內容主要認為 NK603 基改玉米缺乏長期致癌性研究，並且也質疑歐洲食品安全局的雙重標準，像是他所使用的大鼠品系和孟山都（Monsanto）提交研究所使用的品系相同（實驗期間 90 日），前者通過審核、他的研究卻受批評，以及這份研究並非「致癌性」研究，所以並不適用經濟合作暨發展組織對於樣本數所設立的實驗標準。

甚至，他在文章中質疑這些批評他的人，是因為在爭取基改作物的專利又或是受孟山都收買，從而質疑他的研究成果。

其實這篇文章的回覆，如果仔細檢視說法，並對應兩方批評與各自的證據，不難發現雙方都有部分論點站得住腳。

舉例來說，的確，在當時的規範，基改作物從實驗室到田間，從田間到餐桌，雖然做了環境評估與健康評估，的確忽略了較長期的健康影響研究，這點是席哈理倪的呼籲有理。而他的研究，就專業的科學評斷標準來看，既是處處缺失，也禁不起科學檢驗，而擁有如此缺陷的科學研究，並不值得引起國際社會的恐慌。

以當時各界留下的資料與紀錄，席哈理倪恐是早早有意引起這場爭戰。

科學研究最難的就是：反覆辯證、自我更新

科學界的研究要獲得公眾賞識並不容易，因為單一科學研究的解釋力有限，要從各國各地的實驗室在不斷實驗失敗、成功、發表，再經由下一組人驗證、失敗、再發表，一路走到公眾有感，那是一段非常遙遠的路程。少至 10 年，更多是數以萬計的科學人在實驗室中漫長的研究歲月。

這類反覆辯證、建立、推翻，又再重頭來過的科學進程，雖然緩慢，但在現代科學的同儕審查和科學檢證之下，有其必要。能在規範之下自我更新，是科學研究最為難能之處。

有多神秘？記者拿研究文章竟要簽「保密協定」

席哈理倪在 2012 年發表這份研究之前，^[6] 與其他任何一次的科學研究發表一樣，寄出了採訪邀請，但邀請中卻無研究細節與內容，記者無從在記者會之前，預先拿到資料以做準備。如果記者要求預先拿到研究文章，必須簽署保密協定：不得依此聯繫任何其他的科學研究者。

席哈理倪延宕了研究文章的發表時間，直到確定他的團隊所製作的影片《我們都是實驗鼠嗎？》（Are we all guinea pigs?）能及時發表。

相反地，他的回應中，把矛頭指向基因改造作物的跨國企業孟山都，讓自己的研究「不當」沾染道德色彩，更將所屬的研究團隊以被迫害之姿與大眾連結。

恐懼蔓延！爭議研究影響各國基改作物進口政策

席哈理倪用聳動的方式呈現研究，意有所指某個事件內含著不公義，再包裹著科學糖衣來宣傳自我意識形態，可悲的是，這些招數都非常有效 。

若要說，透過現代媒體技術並操弄民眾心理，最成功行銷研究的例子非席哈里倪莫屬 。有人認為，在這起「新聞事件」之後，啟發了法國運動者在同一年破壞了基改黃豆的寄售店，俄國和哈薩克禁止席哈理倪研究中的基改玉米進口，肯亞全面禁止基改作物進口，秘魯則是禁止了接下來 10 年的基改作物進口。^[8] 而至今，基改作物有致癌疑慮的恐懼，仍深深烙印在世界各地的民眾心裡。

歐盟科學界對席哈理倪研究的回應，是在 2014 年同時啟動三個計畫，依照最嚴謹的實驗規格，重做席哈理倪的實驗，用相同的基改玉米、一樣的兩年時程，足夠的樣本數，耗費 4 年時間，想要找出一個真正可予公憑而非心證的科學答案。這三個計畫分別稱為「基改作物風險評估和證據溝通」（GRACE）、「基改作物 90+」（GMO90plus）和「基改作物兩年期安全測試」（G-TwYST）。^[9] 且所有的原始資料都全面公開，讓有意重複驗證的研究者能自由取用。

歐盟科學界重做同樣實驗，結論大不相同

「基改作物 90+」的成果於 2018 年 12 月發表，使用實驗長度是原本的 90 天標準。結果發現，席哈理倪的研究結果，在此研究中未被證實。^[10] 今（2019）年，「基改作物兩年期安全測試」成果發表，席哈理倪的研究結果再一次未被證實。^[11]

席哈理倪在自己架設的網站上，駁斥這兩份駁斥他研究成果的研究，同時發布新聞稿。^[12] 他攻擊的其中一個重點是 ，大鼠品系不同。他認為，他的研究所使用的史一道二氏大鼠對致癌物質較為「敏感」（sensitive），而歐盟科學家使用的維斯塔漢大鼠對致癌物質「較不敏感」。巧言令色地迴避了自己遭受的質疑，而將嚴謹的實驗設計扣上了不實指控。

試想，如果實驗選用原本就易得腫瘤的大鼠，該如何得知 NK603 基改玉米是否會對人體健康產生影響？這樣的詭辯，仍獲得一定程度的媒體曝光量。

面對爭議話題，科學家如何與著急的民眾對話？

「科學界的爭辯」在各種簡化之後，被呈現在媒體上，吸引了大眾目光。一份禁不起科學檢驗的研究報告，如同謠傳麻疹腮腺炎德國麻疹混合( MMR ) 疫苗會導致自閉症的偽科學資訊，傳遞至世界各個角落，再利用民眾的直覺想像與恐慌，透過社群網路散播出去。

事實上，無論是支持基改作物，又或反對基改作物的雙方論述，不僅需要公眾辯論，更需要雙方支持者願意理解與溝通。善用大眾語言一向不是多數科學家的專長，理解公眾的擔憂與科學研究之間存在著鴻溝，而如此鴻溝必須被回應，更是多數科學家仍然需要再進修的課題。

英國科學媒體中心（Science Media Centre，簡稱SMC）紮紮實實打了基改作物這場仗，至於成效如何，請待下一篇文章再來爬梳英國的科學家，是如何在 SMC 的協助之下，進入大眾溝通的媒體場域。而基改作物的支持者與反對者，屏除席哈理倪無法被重複驗證的科學研究與話術之外，又是根據何種理由繼續論辯。

註釋

1. 該篇研究引起社會重視後，在 2012 年因歐盟食品安全局重新評估該研究，並認為其實驗設計與數據，難以達成該研究宣稱的結論，而於 2013 年遭到期刊撤回，2014 年又由《歐洲環境科學期刊》（Environmental Sciences Europe）重新刊登。
2. EFSA (2012). “Statement of EFSA. Final review of the Séralini et al. (2012a) publication on a 2-year rodent feeding study with glyphosate formulations and GM maize NK603 as published online on 19 September 2012 in Food and Chemical Toxicology.”EFSA Journal 10(11): 2986.
3. Weber K. (2017). “Differences in types and incidence of neoplasms in Wistar Han and Sprague–Dawley rats.” Toxicol Pathol 5:64–75.
4. 同前引註 2。
5. Seralini, G. E.,Mesnage, R.,Defarge, N., Gress, S., Hennequin, D., Clair E, Malatesta, M., and Vendômois, J.S. ( 2013) “Answers to critics: why there is a long term toxicity due to NK603 Roundup-tolerant genetically modified maize and to a Roundup herbicide.” Food and Chemical Toxicology 53: 461–468.
6. Gerasimova, K. 2018. Advocacy science: Explaining the term with case studies from biotechnology. Sci Eng Ethics 24:455–477. Accessed: 2018-10-14.
7. 同前引註。
8. 同前引註。
9. G-TwYST (2014). “About G-TwYST.” 2019/07/26 檢閱。
10. Coumoul, X. et al. (2018). “The GMO90+ project: absence of evidence for biologically meaningful effects of genetically modified maize-based diets on Wister rats after 6-months feeding comparative trial.” The Journal of Toxicological Sciences 168(2): 315–338.
11. Steinberg, P. et al. (2019). “Lack of adverse effects in subchronic and chronic toxicity/carcinogenicity studies on the glyphosate-resistant genetically modified maize NK603 in Wistar Han RCC rats” Archives of Toxicology 93(4): 1095-1139.
12. GMOSeralini (2018) “EU Funded Rat Feeding Studies Do Not Refute the Séralini Study.” 2019/07/26 檢閱。

• 本文轉載自新興科技媒體中心《英國研究如何成為報紙頭條？(五) 信念？或科學證據？》。