Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

樹幹甲蟲(Stenopelmus rufinasus)大戰滿江紅(azolla)

葉綠舒
・2011/10/07 ・1399字 ・閱讀時間約 2 分鐘 ・SR值 485 ・五年級

引進外來植物有很多理由,可能是為了庭園造景、或是為了增加農產、也有為了消滅有害的生物、或是實驗用(8);但是外來植物到了本地,究竟能不能適應,或是會不會成為強勢的入侵物種(invasive species),這就很難說了。

滿江紅(azolla,俗名fairy fern)是一種蕨類,他的葉片原來是綠色的,到了天氣冷的時候會轉為紅色,煞是好看(2),所以在1840年代,英國有人從北美引進了它;原來的用意是作為庭園造景用(1)。

圖片來源:花蓮縣政府農業局知卡宣森林遊樂園

但是後來開始失控了。滿江紅在天氣溫暖時生長快速,大約每四到五天就會增加一倍。它不但可以靠孢子繁殖,更厲害的是還可以無性繁殖,舉凡母株出芽或是由斷裂的枝條長出新芽對它來說都易如反掌。

由於民眾會把不想要的動植物丟棄在野外(3),於是滿江紅開始佔據英國的河流,其中以Till河最嚴重;當一個區域的水面上蓋滿了滿江紅時,由於它的厚度可達15-30公分,造成下方的動、植物都得不到光線跟空氣,於是那個區域的水體就會變成一灘死水;而且它也會對建築物造成破壞、干擾船舶航行。

-----廣告,請繼續往下閱讀-----

英國政府通常都是要求河流沿岸的居民要負起清理滿江紅的責任,但是今年英國的天氣溫暖而乾燥,助長了滿江紅的生長,竟然在這條河流上滿滿的覆蓋了將近4公里長的一段!於是英國的環保局只好介入清理。

圖片連結網址:BBC News

英國環保局在今年(2011)六月已經清理過一次,但是今年的天氣實在太適合滿江紅了,轉眼又蓋滿了Till河,於是這次英國環保局決定要用生物防治法。

他們請出樹幹甲蟲(Stenopelmus rufinasus, North America Azolla weevil),樹幹甲蟲專門以滿江紅為食物,而且繁殖力相當強:一隻雌樹幹甲蟲在牠的一生(55天)中可以產下325個子代(4)。

樹幹甲蟲(Stenopelmus rufinasus) 圖片來源:BBC網站

英國環保局在十月初放下8,000隻樹幹甲蟲,如果一切順利的話,在一兩週內他會增加到幾百萬隻,同時也會吃掉非常多的滿江紅。

-----廣告,請繼續往下閱讀-----

同樣的方法在2004年也試過(5),但是筆者沒有查到效果如何;倒是在另一個網站(6)上查到的資料顯示,樹幹甲蟲可以吃掉八成的滿江紅,讓河水重見天日。這樣的效果當然很棒,不過如果河流沿岸的居民沒有持之以恆的照顧他們的河流(除草),給滿江紅一些時間,他們還是可以重新收復「失土」的。

在英國,每年要花費1.7億英鎊(約80.1億新台幣)在防治入侵物種上;反觀台灣對於所謂的十大入侵物種,還停留在鼓勵民眾自行清理的層面上,編列的經費從2008年自然生態保育協會的資料(7)上看來,與英國相比真可說是九牛一毛,也就難怪到處都可以看見小花蔓澤蘭了。

參考資料:
1. BBC News. 2011/10/6. Weevils tackle invasive water fern on the River Till.
2. 花蓮市中原國民小學網站。滿江紅
3. Environment Agency. 2011/10/3. Voracious weed-eating weevils invited to free lunch.
4. Hill M.P. 1998. Life history and laboratory host range of Strenopelums rufinasus, a natural enemy of Azolla  filiculoides in South Africa. Biocontrol. 43(2): 215-224
5. BBC News. 2004/9/29. Weed-eating weevils go into canal.
6. SE-EPPC (Southeast Exotic Pest Plant Concil) 網站
7. 中華民國自然生態保育協會.2008. 瞭解國家保育政策-消滅外來入侵種.
8. 環境資訊中心.外來種與放生問題.

-----廣告,請繼續往下閱讀-----
文章難易度
葉綠舒
262 篇文章 ・ 9 位粉絲
做人一定要讀書(主動學習),將來才會有出息。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

1

2
2

文字

分享

1
2
2
原住民祖先見過明亮的南方之星?傳說是真的,而且超過一萬年!
寒波_96
・2023/11/08 ・2777字 ・閱讀時間約 5 分鐘

有些故事代代相傳之下,經歷非常漫長的時光。過去很久以後,五百年、三千年或一萬年,都已經是「很久很久以前」,難以判斷到底多久。2023 年發表的一項研究認為,澳洲南方的塔斯馬尼亞島,有個故事似乎能追溯到超過一萬年前。

塔斯馬尼亞的祖傳故事

大英帝國的調查隊抵達塔斯馬尼亞初期,估計島上約六千到八千位居民;原住民們統稱為「palawa」,不過又能分成多個有所區別的族群。英國人在公元 1803 年建立第一個殖民地,然後,不意外地起爭議。

走訪塔斯馬尼亞各地,留下許多紀錄的英國人魯賓遜先生(George Augustus Robinson)。圖/參考資料3

走訪塔斯馬尼亞各地,留下許多紀錄的英國人魯賓遜先生(George Augustus Robinson)。圖/參考資料3

殖民者與原住民的衝突加劇後,1823 到 1832 年間導致約兩百位殖民者及九百位原住民身亡。有些英國人希望能和平解決問題,最終勸誘加上強迫,1829 到 1835 年間將島上的原住民,都成功遷移到位於塔斯馬尼亞和澳洲之間,巴斯海峽的弗林德斯島(Flinders)。

-----廣告,請繼續往下閱讀-----

英國人認為這是一次「友善」的轉移任務。以當時狀況而言,確實算是相對和平的收場,但是慘遭強制搬遷的原住民依然損失慘重,人口以外,他們脫離原本的家園「Lutruwita」,文化、語言幾乎喪失殆盡。

遷徙計畫中,英國人魯賓遜先生(George Augustus Robinson)可謂關鍵角色。他走訪塔斯馬尼亞各地,說服原住民搬家,也對當地風俗文化非常好奇,留下大量紀錄。

這些 1830 年代的紀錄,就像塔斯馬尼亞傳統文化的切片。後來有些原住民重返塔斯馬尼亞,試圖擺脫殖民時,英國殖民者當初搜集原汁原味的資料,也成為重建傳統的材料之一。

魯賓遜等人搜集的紀錄來自多位原住民的說法,其中一個故事相當費解,至少當年魯賓遜無法理解,新問世的論文總算揭開奧秘。

-----廣告,請繼續往下閱讀-----

情節湊不上,是因為發生在太久之前

祖先的遷徙故事,提到他們來自一片大陸;後來大陸被海水淹沒,當時岸邊附近有冰山漂浮。那時望向南方的天空,可以見到一顆很亮的星。

塔斯馬尼亞與澳洲之間的地形。兩地之間原本存在陸橋,海水上升後形成巴斯海峽。圖/參考資料1

塔斯馬尼亞原住民一代一代仰望星空,也建立一些自己的天文學知識,被魯賓遜忠實收錄。那顆南方大星星卻令人費解,因為星空中根本沒有符合描述的那顆星。最可能的對象是老人星(Canopus),也稱為船底座α(α Carinae)。

星空中最亮的是天狼星,第二就是老人星,顯然它非常顯眼,可是位置明顯有差。是原住民唬爛,還是魯賓遜唬爛,或是魯賓遜紀錄錯誤呢?新的分析指出,他們都是正確的,因為一萬兩千年前的星空,老人星確實處於故事中的那個位置。

-----廣告,請繼續往下閱讀-----

首先,故事提到祖先前來的道路被大海淹沒,冰山在岸邊漂浮。對照現代科學知識,能輕易推論這講的是冰河時期結束,海平面上升,淹沒澳洲與塔斯馬尼亞之間的陸橋,形成巴斯海峽,讓塔斯馬尼亞成為一個四面環海的島。

接著是星空為什麼不同?從地球表面仰望夜空,星星的分布位置會由於「歲差」緩慢改變。回溯調整成一萬多年前的星空,老人星的確就在那兒。

地表很多位置都能見到南方明亮的老人星,不同民族、文化各有自己的想像。台灣人即使沒有親眼注意過,也肯定知道老人星,因為這就是福祿壽中的「壽星」,形象化叫作南極仙翁。

有趣的是,中文名字叫老人星,英文名字 Canopus 則來自特洛伊戰爭傳說中的一位年輕人,他是航海家,後來不幸在埃及被毒蛇咬死……所以中國想像這顆星是老人,歐洲卻想像是年輕小夥。

-----廣告,請繼續往下閱讀-----

回溯塔斯馬尼亞 1831 年 8 月 1 日,凌晨 5 點時的星空。圖/參考資料1

難以理解的時候,先忠實紀錄

考慮到魯賓遜紀錄的日期是 1830 年代,更加深故事的真實感,因為當時英國人還不知道「冰河時期結束導致海面上升」。阿加西(Louis Agassiz)首度宣稱冰川歷史的想法要等到 1837 年,更多年後取得較多支持,十九世紀後期才廣為人知。

魯賓遜等歐洲人對聽到的故事內容難以理解,他們或許會聯想到聖經的大洪水,但是完全想像不到冰河時期。所以這些內容,大概更能免於印象或偏好影響,反映忠實的紀錄。

據此推敲,塔斯馬尼亞祖傳故事講的是:「大約 1.2 萬年前海水上升之際,明亮的老人星在那個位置」。如果推論正確,這便是傳承 1.2 萬年的口述歷史,堪稱全人類罕見的文化遺產。

-----廣告,請繼續往下閱讀-----

有人或許會好奇,一些研究認為早在四萬年前,已經有人穿過澳洲,抵達塔斯馬尼亞。可是島上原住民的祖先故事,卻是一萬多年前?

我想可能是因為,記憶對於愈久遠的事情常常會愈壓縮,把更早發生的事情疊加到比較近期,印象很深的事件中。或許原住民的祖先很早就過去,但是海水上升淹沒陸橋令人印象太過深刻,就變成故事的素材。

另一件啟示是,世界上不知道的事情太多了,當你不太理解聽到什麼的時候,不要試著腦補,就照聽到的忠實紀錄下來!

延伸閱讀

參考資料

  1. Hamacher, D., Nunn, P., Gantevoort, M., Taylor, R., Lehman, G., Law, K. H. A., & Miles, M. (2023). The archaeology of orality: Dating Tasmanian Aboriginal oral traditions to the Late Pleistocene. Journal of Archaeological Science, 105819.
  2. Rising seas and a great southern star: Aboriginal oral traditions stretch back more than 12,000 years
  3. GEORGE AUGUSTUS ROBINSON
  4. 老人星名字來源神話人物 Canopus 維基百科

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
所有討論 1
寒波_96
193 篇文章 ・ 1090 位粉絲
生命科學碩士、文學與電影愛好者、戳樂黨員,主要興趣為演化,希望把好東西介紹給大家。部落格《盲眼的尼安德塔石器匠》、同名粉絲團《盲眼的尼安德塔石器匠》。

0

2
1

文字

分享

0
2
1
福爾摩斯碰上古人類化石,可是日期不太對勁?
寒波_96
・2023/03/08 ・2782字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

虛構人物福爾摩斯,就是偵探的代名詞。英國小說家柯南道爾創作的這位名偵探,活躍於 19 世紀晚期到 20 世紀初期,那時古人類學已經起步,博學多聞的福爾摩斯應該有機會知道某些化石。奇妙的是,他竟然還見過尚未出土的死人骨頭?

請注意,本文包含古人類遺骸的圖像。

圖/參考資料

福爾摩斯遇見古人類化石

柯南道爾的故事設定中,福爾摩斯是存在於現實歷史的虛構人物。例如故事中公元 1896 年發生的事件,現實中也應該在這個時候上演,而 1899 年更晚的事情還沒有發生。

短篇小說《三名同姓之人(The Three Garridebs)》,以一個罕見姓氏 Garridebs 導引出簡短卻高潮起伏的探案。故事中有一位角色喜歡收藏古物,也包括幾件人類化石。

華生醫師第一人稱的描述是:

-----廣告,請繼續往下閱讀-----

「當我環顧四周,我驚訝於此人興趣之廣。這兒是一箱古錢幣。那兒有一櫃子的燧石工具。中間桌子後方是個裝著化石骨頭的大櫃子,裡頭擺著一排石膏頭骨,有尼安德塔人(Neanderthal)、海德堡人(Heidelberg)、克羅馬儂人(Cro-Magnon)等名字標示。很顯然他是許多主題的學習者。」

「As I glanced round I was surprised at the universality of the man’s interests. Here was a case of ancient coins. There was a cabinet of flint instruments. Behind his central table was a large cupboard of fossil bones. Above was a line of plaster skulls with such names as “Neanderthal,” “Heidelberg,” “Cro-Magnon” printed beneath them. It was clear that he was a student of many subjects. 」

故事中這位角色有哪些收藏品並不影響劇情,不過敘述這般瑣碎的細節,有助於強化真實感,算是一項創作技巧。這些頭骨化石不是原件,而是石膏複製品(plaster skulls),也證實角色自稱家中藏品沒什麼值得偷竊的價值。

可是故事開頭,華生醫師十分明確表示此案發生在 1902 年:

「那日期我記得特別熟,因為福爾摩斯在同一個月,拒絕一項也許有一天會講出來的爵位。……然而我重申,這使我能夠確定日期,亦即 1902 年 6 月下旬,南非戰爭結束後不久。」

「I remember the date very well, for it was in the same month that Holmes refused a knighthood for services which may perhaps some day be described…… I repeat, however, that this enables me to fix the date, which was the latter end of June, 1902, shortly after the conclusion of the South African War. 」

這兒提到 1902 年結束的南非戰爭是「第二次波耳戰爭」。真實歷史中,那時柯南道爾已經靠著福爾摩斯成為知名作家;他以醫師的本行親自參戰,擔任軍醫而受封爵士,也是柯南道爾爵士(Sir Arthur Ignatius Conan Doyle)名號中「爵士(Sir)」的由來。

對照如此明確的日期,令人愈想愈不對勁。與尼安德塔人並列的「Heidelberg」顯然指的是 Homo heidelbergensis ,但是第一件海德堡人化石要等到 1907 年才在德國出土,更早的 1902 年絕不可能存在石膏複製品,被福爾摩斯與華生見到。

-----廣告,請繼續往下閱讀-----
1907 年在德國出土的海德堡人下顎化石「Mauer 1 」。圖/Radiometric dating of the type-site for Homo heidelbergensis at Mauer, Germany

容易起爭議的海德堡人

解開此一謎題大概不需要福爾摩斯的推理能力。《三名同姓之人》於 1924 年發表,那時海德堡人大概已經有點名氣,被取材用於偵探故事中增添血肉。柯南道爾與編輯卻沒有注意到 1902 年之際,海德堡人仍不存在。

另一方面,即使是故事發表的 1924 年,「海德堡人」也應該還沒有頭骨,不會有石膏複製品。1907 年出土,隔年公開的化石 Mauer 1 只有下顎,沒有頭骨。

1921 年在非洲南部 Kabwe 出土的化石包括頭骨,但是當時將其分類為羅德西亞人(Homo rhodesiensis),多年後才歸入海德堡人旗下。這條消息或許影響過柯南道爾 1924 年發表的創作,詳情不得而知。

1921 年在尚比亞出土的頭骨化石「Kabwe 1 」,早期被分類為羅德西亞人,後來也被歸類為海德堡人。圖/史密森尼學會(Smithsonian)教育網站

Kabwe 在 1921 年屬於大英帝國的北羅德西亞(Northern Rhodesia)殖民地,現在則是尚比亞的疆域。有人主張這群死人骨頭算是非洲的海德堡人,也有人認為是不同的羅德西亞人,還有人提出應該歸於波多人(Homo bodoensis)……反正一百多年來,海德堡人的爭議持續不休,即使配備福爾摩斯的智謀,大概也無法解開這些難題。

-----廣告,請繼續往下閱讀-----

故事中海德堡人以外的兩款化石,尼安德塔人最初問世於 1856 年,克羅馬儂人則是 1868 年。到 1902 年都已經是特定圈子內普及的知識,也買得到石膏頭骨複製品,可謂有血有肉的安排。

大英帝國的榮耀

古人類化石中,1924 年的柯南道爾想必也知道皮爾當人(Piltdown Man)。這是英國人 1912 年偽造的化石,由紅毛猩猩和數百年前的智人骨頭加工而成,但是要等到 1953 年才證實造假。

圖/參考資料

捏造的皮爾當人被不少英國人認同,也騙過不少專家,讀過《三名同姓之人》好像能稍加體會時代背景。

故事中那位收藏家以史隆(Hans Sloan,1753 年去世後他的收藏催生出大英博物館)為楷模,實則相當平凡。他的藏品應該能代表當時對人類化石的普遍印象,也就是說,德國出土的尼安德塔人、海德堡人,以及法國出土的克羅馬儂人……榮耀的大英帝國豈能忍受!

-----廣告,請繼續往下閱讀-----

可惜 1910 年代以後,福爾摩斯便退隱江湖不再辦案。否則以他的才智展開調查,哪需要等 40 多年才確認皮爾當人造假!

不追究那些死人骨頭,《三名同姓之人》也相當有意思。故事雖短,卻發生壞人打槍、華生流血,福爾摩斯激動、華生興奮、福爾摩斯用小刀割開華生褲子等情節,鐵與血的糾葛、靈與肉的碰撞,亂七八糟的 ❤️

延伸閱讀

參考資料

  1. 《三名同姓之人》小說原文:THE THREE GARRIDEBS

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

-----廣告,請繼續往下閱讀-----
寒波_96
193 篇文章 ・ 1090 位粉絲
生命科學碩士、文學與電影愛好者、戳樂黨員,主要興趣為演化,希望把好東西介紹給大家。部落格《盲眼的尼安德塔石器匠》、同名粉絲團《盲眼的尼安德塔石器匠》。