0

0
0

文字

分享

0
0
0

水、清潔劑、時間:洗東西要怎麼能省則省?

黃誠熙(Sky Huang)
・2015/05/20 ・2977字 ・閱讀時間約 6 分鐘 ・SR值 516 ・六年級

source:Sippanont Samchai
source:Sippanont Samchai

文/黃誠熙(Sky Huang),目前為UCLA材料系博士候選人

在生活中我們常常洗東西:洗碗、洗杯子、洗衣服…等等,可是怎麼洗東西才最有效率呢?讓我們先來想像一下洗東西的過程中發生了甚麼事情:我們在容器中注入水,髒東西會溶解到水中形成水溶液;接著我們把水倒掉,此時雖然大部分的東西都進入了下水道,但仍有一部分的水溶液留在容器中,他們或許存在杯壁上(例如洗過後的杯子放置一陣子底部會累積杯壁上受重力吸引而滑落的水),或是洗衣服時殘留在衣服中怎樣也扭不乾,而這些水溶液就是我們無法洗淨東西的原因。

那到底要怎樣洗東西才會清潔溜溜又省水、省時間,有效率到讓 CP 值破表呢?

1.洗衣服要沖幾次水才會乾淨?-單次清洗的水量固定時,沖洗次數和殘留的關係

先來考慮洗衣服的情況。洗衣服時會先放入洗衣精洗淨衣物,接著再注入水把洗衣精沖掉。我們是否有時候會擔心洗衣精殘留呢?到底沖洗一次和兩次和三次殘留洗衣精的量的差別是什麼呢?

-----廣告,請繼續往下閱讀-----

首先,先帶入一些變量:

  • x:倒入的洗衣精的重量(克)
  • W:裝滿洗衣機的水溶液的體積(公升)
  • L:排水以後還殘餘的水溶液的體積(公升)

可以計算,洗過一次以後,剩餘的洗衣精的量是螢幕截圖 2015-05-17 23.04.12克。因為在此問題中,螢幕截圖 2015-05-18 03.07.35為一個常數,因此我們帶入一個常數C=螢幕截圖 2015-05-18 03.07.35。則我們可以計算重複加水再排水這個步驟三次,殘餘的洗衣精的重量為xC3。因此,在洗滌n次之後,殘留洗衣精的關係式為:

殘留洗衣精  2015-05-18_154139      (1)

結論:殘餘的洗衣精會隨著清洗次數指數下降,假如C是0.1,那洗一次殘存10%,洗兩次殘存1%,洗三次殘存0.1%,以此類推。

-----廣告,請繼續往下閱讀-----

2.手滑加了太多清潔劑怎麼辦?-固定的清洗過程,加入的清潔劑重量和殘留的關係

有的時候我們會不小心手滑加太多洗衣精,或是因為衣服比較髒而加入較多的洗衣精。這時候你可能會想,那之後會不會殘留大量的洗衣精而影響健康呢?

我們可以再次使用方程式(1)來了解這個問題。在這次的問題中,因為是固定清洗過程,所以洗衣機的水體積固定,排水後殘留在洗衣機和衣服中的水溶液體積固定,清洗次數也固定,因此,在方程式(1)後面的C為常數,殘留的洗衣精重量也就取決於一開始加入的洗衣精重量x。這意思是說,假設我們不小心手殘倒了兩倍的洗衣精進洗衣機裡,事實上最後衣服上殘留的洗衣精的量也只是正常沒有手殘的兩倍,似乎,好像也不用太擔心呢(?)

結論:殘留的洗衣精的量直接正比於一開始倒入洗衣機的重量

15871136194_ff25c47882_z
source:Apionid

 

3.碗要怎麼洗會比較乾淨?-總水量固定時,清洗次數和殘留的關係

接著讓我們看看如何洗碗。想像有時候我們想要節省水,譬如出外露營,攜帶的水有限;又或是想節省時間,像是,一邊洗碗一邊發現電視中球賽快要開始了。這時我們就會想知道最有效率的洗碗法,可以洗得快又乾淨!因此,這邊想討論:在固定水量(假若水龍頭水流量固定,亦為固定時間)的情況下,哪一種方式洗滌會洗的最乾淨;是一次把水用完呢,還是分兩次但是每一次只有一半的水,或是分四次?是否有一個”魔法數字”可以得到最佳的洗滌效果呢?

-----廣告,請繼續往下閱讀-----

推導過程如下:同樣令髒東西一開始有x克,我們可以使用的總水量是W公升,在分n次洗滌的情況下,每次倒入2015-05-18_152857公升的水清洗器具後倒掉,進行n次,而每次倒掉之後殘餘的水溶液為L公升。我們先來看幾個例子;若是我們一次用完全部的水量W,則殘留髒東西的重量為螢幕截圖 2015-05-17 23.04.12;若是兩次用完,每次使用水量為2015-05-18_153532,則為2015-05-18_153642。因此,我們可以寫下殘留的髒東西的量為:

殘留髒東西  2015-05-18_153844      (2)(註1)

其中和上面一樣,為固定的值螢幕截圖 2015-05-18 03.07.35,我們把它令成常數C。我們想要知道的就是,甚麼樣的n可以讓y有最小值,但是這個方程式是個有點複雜的方程式,因此我們嘗試使用數值解(註2),也就是畫出y和n的關係式,使用肉眼來找出y的最小值。下圖是數個不同的C的值y隨著n的變化情況:

2015-05-18_155219

在這邊我只畫出合理的n的範圍(應該不會有人想要重複洗一個東西洗超過10次吧?),可以發現不同的C值會有不同的趨勢。當C=1%時,只要持續增加n就可以大幅降低殘留的比例,C=5%也是;然而當C=20%或是更高時,就會在1~3之間出現最小值。

-----廣告,請繼續往下閱讀-----

結論:如果洗一些殘留溶液不會很大的東西,例如說磁器杯、碗,這種表面光滑的東西時,必須要分越多次洗越乾淨;而當洗一些殘留溶液較大的東西,譬如說衣物、地毯…等等會吸水的東西時,則可以考慮分較少次數洗。

從這個結論我們也可以知道,有時候清洗可樂空瓶(2L空瓶)時,我們裝了半滿的水就會懶惰的蓋起瓶蓋搖晃,然後再裝半滿水再搖晃,其實是比裝滿水以後倒掉來的有效率的做法。

故事說到這邊,或許有些眼尖的讀者可以發現一個bug!那就是,無論加入多少溶質(清潔劑、髒污),水都可以瞬間把他們全部溶解,沒有溶解的上限,也沒有溶解速率的問題。沒錯,為了讓問題比較好處理,我們假設所有的溶質是完全可溶,而且是在飽和溶解度以下的情況。但是在上面的推導中可以看到當我們分多次清洗,水的量變少時,例如說只裝20mL的水進入,或許x公克的髒東西就不能完全溶解。

另外一個問題是:上面考慮的是平衡的情況,也就是我們想像當加入足夠多的水時,溶質會立刻被水溶解,但是真實情況是,水加進去不一定會一瞬間就把溶質溶解,就好像喝咖啡加糖,一開始糖也溶不開,洗碗也會遇到這種非平衡的情況(而且我們不會等到他全部溶解,太浪費時間)。在此情況下,就會變得較為複雜而難以使用理論來研究(請看註3初步的理論),此時,就必須倚賴各位的觀察來決定清洗次數囉!

-----廣告,請繼續往下閱讀-----
  • 註1:這個方程式成立的條件為:被清洗的容器容量要大於2015-05-18_152857,否則我們就無法把這麼多的水裝進容器中,而也就無法用這種方式清洗了
  • 註2: 事實上我們可以將y微分,解 2015-05-18_155842=0,並且確認找到的極值為最小值,即可”解析解”這個問題;也就是解 2015-05-18_155842=[ln(nC)+1](nC)n=0
  • 註3:如果沖水一次溶解溶質的量是溶質總質量以及沖水的量的函數F(x,t),也就是假如在某一次沖水前溶質的量為x,而我們沖水沖了t時間,則最後被水帶走的溶質質量為F(x,t)*C(C為L/W,與內文相同)。在這種情況下,假若剛開始髒東西為m克,每次沖水的時間T,第一次清洗後帶走的髒東西量是:C*F(m,T),殘留1-C*F(m,T),第二次為:F(1-C*F(m,T),T),殘留1-F(1-C*F(m,T),T),以此類推,為一遞迴函數。
文章難易度
黃誠熙(Sky Huang)
5 篇文章 ・ 0 位粉絲
黃誠熙(Sky Huang), 目前為UCLA博士候選人。

0

3
3

文字

分享

0
3
3
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 ・ 56 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
1

文字

分享

0
0
1
過了這個數就超標啦!最大殘留容許量是怎麼來的?超標就會中毒嗎?
鳥苷三磷酸 (PanSci Promo)_96
・2019/06/17 ・2609字 ・閱讀時間約 5 分鐘 ・SR值 465 ・五年級

  • 文/文詠萱

這個年頭,有時好好吃頓飯也是件不容易的事兒。

「今天有你最喜歡的香腸,吃飯吧!」兒子剛回家,把書包放好後來到客廳。爸爸從廚房端了最後一道菜出來,並將餐桌上的飯碗拿給兒子。

「好。」兒子一屁股坐下,拿起遙控器打開電視,直勾勾盯著電視,心不在焉地答著,雖然電視播著的是新聞。

爸爸見狀一邊夾了一大口茄子到自己的碗裡,一邊說道:「別顧著看電視,今天煮了茄子,多吃點。」

-----廣告,請繼續往下閱讀-----

這時電視主播換了一則新聞:「衛生局抽驗某超商蔬果,驗出 6 件蔬果農藥超量數百倍,全數下架……。」

兩個人面面相覷。

「……你沒看到剛剛那則新聞嗎?茄子有毒!你還要吃茄子。」兒子瞪了眼爸爸

「什麼叫有毒?它是說有農藥超標,這跟有毒完全兩回事!」爸爸索性再夾兩筷子到飯碗裡。

-----廣告,請繼續往下閱讀-----

「有農藥這種化學物質,怎麼會沒有毒?」兒子還是一臉不可置信的樣子。

茄子茄子,吃還是不吃呢?圖/pixabay

化學物質無所不在,「劑量」才是決定毒性的關鍵

一般人常講這個東西是「化學的」,那個東西是「天然的」,化學物質這幾個字聽起來雖然有點可怕,但其實所有東西都是化學物質,差異只在於該物質是由天然來源取得,或者是由人工的方式合成製造,包含你喝的水、你呼的空氣、你正在吃的飯,都是化學物質!

當你認為水是安全、「沒有毒」的時候,其實也有人會因為喝過量的水而出現所謂「水中毒」的現象。

-----廣告,請繼續往下閱讀-----

一個化學物質到底對人有什麼影響,其實都和「劑量」有關。就像俗話說的「是藥三分毒」只要劑量超過人體可以處理的量,讓你不舒服或是有生命危險,就是中毒。一般我們常說的毒藥,其實就是它造成中毒的劑量很低。

再舉例來說,「鹽巴」也就是「氯化鈉」是調味必須要有的成份,但人人皆知,太多鹽巴不只太鹹難以入口,更還會變成對身體有危害,這就是劑量的概念。

要怎麼知道人吃多少化學物質會中毒?

既然我們知道劑量決定毒性,那要怎麼知道人吃多少會中毒呢?

除了藉由的過去經驗和資料評估化學物質的安全性,現在新研發的化學物質,還會透過做實驗、做研究,無論是食品添加物或農藥,各種生活中很常遇到的化學物質,科學家都是希望他們能夠好好運用,在不危害人體健康的前提下,提升人類生活的品質

-----廣告,請繼續往下閱讀-----

化學物質的安全使用量主要是透過動物實驗,獲得『無明顯不良反應劑量(No-Observed-Adverse-Effect-Level, NOAEL)』,即是沒察覺到不良反應的最大劑量。透過試驗得到的無明顯不良反應劑量,再除上安全係數就是每日容許攝取量,而安全係數會考慮不同物種間的差異性、同物種的個體差異等因素來訂定數值,較常見的數值為一百。

而新聞上常說某種物質「超標XX倍」,難道不會超過每日容許攝取量嗎?其實新聞說的是超過「最大殘留容許量(Maximum Residue Limits, MRL)」,這個標準是針對非刻意添加的殘留物,如飼料、農藥等,設定一個執法標準。這個標準並不會超過就會讓人中毒、生病,而是法律規定若是超過這個值,供應商就會受罰,屬於行政規範。

最大殘留容許量的設定,會參考該物質每日容許攝取量、當地飲食習慣(例如食用的部位、食用的量等)、田間農藥測試及國際標準且還會將自然界中,例如水、空氣或其他來源中,原本就包含這些物質的風險扣除。因此,最大殘留容許量是遠低於每日容許攝取量。所以超標好幾倍不見得就是很危險、會中毒,那只代表在規範下,廠商將會受到懲罰。

政府制定的檢驗標準,為什麼不能一律比照國際標準?

由於各國的飲食習慣不同,規定最大殘留容許量的標準也會不一樣。像是台灣人以米食(水稻)為主,而歐美地區則是以小麥或馬鈴薯等作物為主食。因此在參考國民攝食量而訂定的最大殘留容許量標準亦會不同。

-----廣告,請繼續往下閱讀-----

由於飲食習慣不同,各國的最大殘留容許量標準也不同。圖/pxhere

那麼,前面還提到空氣和水中等環境中,本來可能就包含被檢測的物質含量,那新聞報導、食品廣告中有時候會提到「零檢出」,是不是表示檢查的人在偷懶?

事實上,使用「未檢出」這個詞來取代「零檢出」可能會比較妥當,因為檢測儀器與方式的敏感度不同,導致測量物質最低含量的偵測極限也有不同。很多可能以前驗不出來的物質,會沒有評估標準可以參考,消費者當然會希望所謂「有毒物質」檢測出來為零,但就像前面說的,「劑量」才是決定風險的因素之一。所以現行依據科學資料定明訂適合台灣的檢驗標準的作法,就是希望有效把關。檢驗結果若在法規容許範圍內,理論上是不會對健康造成影響的。

挑選經標章認證的食材,安心買菜吃菜

「哦!原來如此!」經過一連串的資訊轟炸,兒子筷子轉了圈,還是閃過了茄子。

-----廣告,請繼續往下閱讀-----

不過都說了這麼多,爸爸忍不住想把所有的一吐為快。

「但我一向主張,與其事後檢驗,不如事前好好把關。與其擔心吃到的蔬菜水果由農藥殘留,一開始就應該要買可靠的產品。」

「農藥我又看不到,這是要怎麼挑啊?」兒子馬上抱怨。

「看標章啊!現在許多優良農產品都有經過政府認證,甚至有 QR code 或者編號可以讓人追本溯源農產品的產地商家的食材,從前兩年起,台灣的營養午餐食材基本上都已使用『CAS有機農產品標章』、『CAS臺灣優良農產品標章』、『產銷履歷認證標章』,以及『台灣農產生產溯源QR Code』。你若是會擔心,人家標章認證都幫你作好好的,只要認識一下就可以安心買菜啦!」今天的菜大多兒子自個兒挑的,居然看個新聞就不想吃了,爸爸忍不住碎念了一下。

-----廣告,請繼續往下閱讀-----

「是是是,下回買菜肯定認清楚。」不過吃個飯還被上了門化學課,兒子覺得今日有些心累。

「看到類似的新聞不要慌張、不要害怕,秉持科學家的精神,就能看清楚事情的樣貌。」爸爸終於拿起筷子開始吃飯了。

「好吃好吃!爸你快吃!」兒子夾了幾塊茄子,塞到爸爸碗裡。

本文由作物永續協會及泛科學合作企劃執行

參考資料:

  1. 怎麼決定多少「劑量」對人體有害?
  2. 真的能「零檢出」嗎?食品檢驗的四大迷思
  3. 重金屬、農藥「零檢出」,反而成為有機農業的絆腳石?
  4. 要求有害物質「零檢出」,為什麼這麼難?
  5. 化學殘留、疑似致癌物讓人心惶惶?劑量才是關鍵!

延伸閱讀:

化學物質這~麼多,要怎樣才可能成為合格的農藥呢?