Loading [MathJax]/extensions/tex2jax.js

0

1
0

文字

分享

0
1
0

看進骨頭內恐龍胚胎學--《科學月刊》

科學月刊_96
・2015/09/24 ・3791字 ・閱讀時間約 7 分鐘 ・SR值 531 ・七年級

-----廣告,請繼續往下閱讀-----

作者/黃大一(美國俄亥俄州立大學生藥學博士班,中興大學客座教授,曾任蘋果公司中文電腦研發顧問、中華玩石家地科協會創始人理事長、天龍科普國際基金會亞太總監)

對於本文的讀者來說,這篇文章可能有些另類,因為我不打算照著學術界的傳統論文方式,言必孔孟那樣硬梆梆、引用好多其它論文註解等等,反而是從科普的角度來著筆,加上自己的實戰經驗,一方面介紹我這些年來所著迷瘋狂的恐龍研究,另一方面也記錄些許個人的心路歷程,如果出現筆鋒帶著感情嘻笑怒罵的言詞,也只好敬請多多海涵我的臭屁,我的「陰謀/陽謀」其實很單純:如果能因而激發後浪超越前浪,那我的人生就很值得了。

bone
各種孵化階段的恐龍胚胎大腿骨中央橫切面。(作者提供)

「恐龍胚胎學」的建立

2013年4月11日,五個臺灣學者專家的恐龍胚胎論文被刊登於國際頂尖期刊Nature,又榮獲為當期封面論文,這是臺灣從未有過的紀錄,然而,這項成果的開端,必須回朔到十年前的偶然。2003年,玩石家地科協會到中國雲南舉辦「百戰天龍」活動,那時我在中央電視臺的採訪過程中,無意間撿到一個恐龍胚胎化石。

strangestone
這塊2003年無意間撿到的怪石頭,就是改變人們對於恐龍認知的「始作俑者」。 (作者提供)

後來在2009年初,這個化石被證明是世界最古老的恐龍胚胎化石。透過這樣的契機,「恐龍胚胎學」因而成為恐龍學範疇中的一個新領域。 我們能夠有幸首先創立「恐龍胚胎學」,透過以下所述「看進骨頭內」的研究方針,藉由各種先進的科研儀器設備和方法,我們將深入瞭解為什麼恐龍胚胎發育過程會如此快速?恐龍為什麼會長那麼大?部分問題的答案,已經在2013年的Nature封面論文內敘述,而目前我們正在進行幾個很有趣的課題,以充實「恐龍胚胎學」的內涵。

-----廣告,請繼續往下閱讀-----

在研究世界最古老的恐龍胚胎過程中,「看進骨頭內」是我與國際兩岸聯合團隊,考量臺灣過去沒有好好培養古生物學專家,而不得不「異想天開」所提出來給臺灣科研界的一條新路,為臺灣學者們打開了一個新思維領域。臺灣從光復以來未曾培養過古生物學者,以我個人來說,在視蒼蒼髮茫茫而齒牙動搖的年紀,想要重頭去學習古生物學已經太晚了。

所以,我乾脆放棄傳統古生物學那種「看骨頭外表(系統型態描述)」的作法,把這些看骨頭外面的事項,交給團隊裡諸多世界頂尖的科班古生物學者,他們才是訓練有素的學者專家,在這方面,我還沒進幼稚園呢!雖然如此,臺灣學者們也不能妄自菲薄,透過我這個「看進骨頭內」的思維,我們來探看恐龍骨頭裡面到底是怎麼回事?

皇天不負苦心人,我們還是能在全球古生物界,做出領先傲人的成果來。我們團隊所發表的Nature封面論文,就是五位臺灣學者專家以「看進骨頭內」的方式所完成。這五位專家沒有一位是科班的古生物學者,甚至有好幾位剛開始的時候,老是搞不清楚「古生物學」和「考古學」的差異,經常考古來考古去,鬧了不少笑話。

challenge
五個臺灣學者專家的恐龍胚胎論文被刊登於Nature期刊,又同時榮獲為封面論文,是台灣從未有過的紀錄。

恐龍胚胎的福與禍

從恐龍學的角度來說,平均每個禮拜都會有新的恐龍被發現,而科幻電影如《侏羅紀世界》等,長期以來對於普羅大眾的灌輸,使得恐龍議題一直維持在相當高的熱度,從來沒有其它的古生物(如三葉蟲、菊石等)能有此榮幸。但是,在這麼多的科學論文和普羅新聞當中,有關於恐龍胚胎的,相當稀少,而且如果有的話,絕大部份都是中晚白堊紀的恐龍胚胎,年齡才七、八千萬年的「晚輩」!我們這個是1.95億年前、最早期恐龍的胚胎。

-----廣告,請繼續往下閱讀-----

再者,過去所發現的恐龍胚胎,「死相」都太漂亮了,完整或幾乎完整的恐龍胚胎捲曲在恐龍蛋裡面,漂亮得很。可是從另一個角度來說,如此的樣本,同時兼具「福」與「禍」,「福」是這麼可愛罕見,「禍」呢?因為太完整漂亮,斷絕了進行深入骨頭內研究的路,誰會讓你我拔出某根骨頭來切割,看到骨頭裡面去?於是,只能做到傳統古生物學的型態描述。進一步想,完整絞合的恐龍胚胎樣本所提供的資訊,只是該孵化中恐龍蛋被掩埋的那個剎那,在剎那之前和之後的恐龍胚胎發育,完全無法提供任何資訊,所以這些「死相」完美的恐龍胚胎樣本,一方面是福氣,同時也是詛咒。

clashbone
這些零散的骨頭樣本,提供了我們絕對的機會,讓我們進行「看進骨頭內」。(作者提供)

相對的,在我所發現的恐龍胚胎地點,除了上一段提到的那顆怪石頭有比較完整的樣本之外,我們還撿拾到很多非絞合(Disarticulate)的零散骨頭,從完整度來 說,可說是完全沒有漂亮完整的「死相」。但是從另外的角度來說,這個「禍」才是真正的「福」,因為它們提供了比完整恐龍胚胎更多的資訊,如透過測量股骨的 長度和直徑,我們分析出在這個採集點的恐龍胚胎,至少有三個不同孵化的階段,有可能是來自三個恐龍蛋的窩,或該地點曾經有三次淹水事件。

相對於其它完整絞合的恐龍胚胎樣本只能提供孵化過程中某瞬間的狀態,我們的材料讓我們研究恐龍胚胎的某一段期間,有如片段的視訊,而非單獨一張拍立得照片。又因為這些數量 不少的胚胎骨頭都是零散的,我們可以選擇某些來「犧牲」,做成切片,藉由各種先進的科研設備儀器,仔細觀察其內部構造,進行「看進骨頭內」的研究,揭開更 多恐龍寶貝的奧祕。

從小骨頭看見大世界

透過這些毫不起眼的零散骨頭,提供一個絕無僅有的好機會,讓我們建立恐龍胚胎學,利用同一物種的恐龍胚胎化石來研究,探討(至少在此物種的範疇)恐龍胚胎的孵化發育成長過程。這種機緣,是那些完美死相恐龍胚胎化石所無法提供的。我們認為恐龍胚胎學,至少囊括「化石生物學(PaleoBiology)」、「化石生理學(PaleoPhysiology)」、「化石化學(PaleoChemistry)」等三個主要學科領域。

-----廣告,請繼續往下閱讀-----

深入研究恐龍胚胎學,可以提供或解答很多恐龍的奧祕,比方說,祿豐龍在牠的時代,是地球上體型最大的動物,體長達12公尺!這個世界最古老的祿豐龍胚胎,我估計孵化出來的時候,大約只有20公分,那麼,牠們如何快速成長到12公尺這麼大?早期侏羅紀原蜥腳類至中晚期侏羅紀的後代蜥腳類恐龍,如梁龍、馬門溪龍、泰坦龍等等吃素的龐然怪獸,體長可達五、六十公尺,體重上百公噸,牠們是地球從古到今最大的動物,如此龐大現象(Gigantism),到底怎麼一回事?

說來我們臺灣有點悲哀,光復以後,為了求溫飽,好多基礎科學被忽略了,沒有培養古生物學者。從我個人的角度來說,這剛好是「福」與「禍」攪和在一起。在這項重大發現的研究中,因為我本身沒有古生物的專業訓練,在臺灣也找不到適當的人選幫忙,只好另外打開一條路,以「看進骨頭內」來帶著臺灣的其它學者參與這項研究,我們從上述的諸多骨頭,透過必須使用極端破壞性的幾種同步輻射設備,觀測到一些很有趣的恐龍胚胎化石內涵:如圖四,將直徑只有0.846釐米的大洼祿豐龍胚胎肋骨,切磨成15微米的薄片,並用國家同步輻射的穿透式X光顯微掃描後,把諸多的單格掃描組合成右方的馬賽克,可以看到以前從未有人看過的資訊,提供很有用的胚胎發育骨頭成長訊息。

boneslide
左為大洼祿豐龍胚胎肋骨剖面,利用同步輻射穿透式X光顯微鏡掃描後,可看到胚胎發育階段中小肋骨內的結構(右)。左方照片內的綠色框標示掃描區域為寬0.16釐米,長0.846釐米。(作者提供)

在國家同步輻射研究中心,我們也利用同步輻射傅立葉快速轉換紅外光譜顯微鏡(Synchrotron Radiation FTIR Microscopy),掃描這些快兩億年前的恐龍胚胎股骨切片,在骨質和諸多原始管狀空間(Primary Tubular Cavity)交界處,看到了有機殘留物的波峰。但當時我們在論文中也僅保守地說,我們找到了保存有機殘留物的證據。

發現有機物

近日的後續分析,我們終於可說這些有機殘留物,就是第一種膠原蛋白(Collagen I)與其分解物。對於提出「看進骨頭內」的我來說,這個結果證明了我的引導思維沒錯,我們團隊走在正確的道路上。

-----廣告,請繼續往下閱讀-----

有趣的是,我們原本投遞到Nature論文的題目,被期刊主編做了修改,新的標題總共有兩行,其中第二行:「帶著保存有機殘留物的證據(with evidence of preserved organic remains)」特別強調在這些快兩億年前的胚胎化石內,還保存著原本胚胎骨頭內的有機物,這不就是給我們臺灣團隊最大的肯定嗎?更也是「看進骨頭內」的一個有力支撐,同時也給傳統型態描述的古生物學,打開了另外一扇門,通往另外一個更高更寬廣的新古生物學範疇。

一般來說,通常認為化石是古代的生物已經變「化」成「石」頭,石頭是無機的礦物,因此在化石裡面,不應該或說不可能還保存著有機物,我們的成果,除了提出這是化石內保存有機物的最古老證據之外,更徹底推翻了這個「化石裡面不可能保存著有機物」的錯誤認知,這是一個抽地毯式的影響。

200〈本文選自《科學月刊》2015年9月號〉

延伸閱讀:
有恐龍的血就能重現恐龍?
與古人類學大師的初次相遇─肯亞李奇會館

-----廣告,請繼續往下閱讀-----

什麼?!你還不知道《科學月刊》,我們46歲囉!
入不惑之年還是可以
當個科青

-----廣告,請繼續往下閱讀-----
文章難易度
科學月刊_96
249 篇文章 ・ 3741 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。

0

0
0

文字

分享

0
0
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

-----廣告,請繼續往下閱讀-----

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。

鳥苷三磷酸 (PanSci Promo)_96
225 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

1
0

文字

分享

0
1
0
台灣有恐龍嗎?化石學家帶你探索島嶼的古老秘密——《好久・不見》
麥田出版_96
・2024/11/02 ・2579字 ・閱讀時間約 5 分鐘

台灣的地理位置與化石形成

台灣也有化石嗎?台灣也有恐龍嗎?

世界地圖攤開一看,台灣陸地上的面積看來是不大,但其面對的太平洋,不只在我的想像中、在我多年搭著飛機到世界各地檢視相關的標本,試著拼湊出鯨魚們在數千萬年間演化歷程的經驗中,我知道也相信台灣的地底下,必定蘊涵著能跟我們講出帶有全球視野的化石標本。

同時,台灣除了被海洋包圍之外,那平均深度只有六、七十公尺深的台灣海峽,也清楚的意味著,當更新世的冰河時期讓海平面下降幅度來到或超過這個臨界點時,台灣就會成為歐亞大陸最東南邊的一角。

相信在台灣的不少人都常聽過,台灣在冰河時期會和中國大陸連在一起,但我在跟大家解釋這樣的環境變遷與古生物演化時,總是會特別強調我不想泛政治化,但世界地圖清楚的標示出台灣的地理位置應該是可以、也該要放在更大的版圖:歐亞大陸的板塊底下來討論,而不是只有限縮在與中國大陸連結的關係。

畢竟,當我們像是讚嘆著非洲地區的陸生大型哺乳動物,能在以年為單位的時間軸來進行長距離的移動時,基本上是用「萬年」以上的尺度來探討生物演化、移動的古生物學,處於歐亞大陸東岸的台灣上的大型脊椎動物,要橫跨歐亞大陸到西邊、或是反方向的來到台灣,大概都會是稀鬆平常的移動距離。

-----廣告,請繼續往下閱讀-----

建立起這樣的思維模式後,當然就是需要有最直接的化石證據來驗證這樣的想法,或深入討論其化石標本的背後,隱藏了怎樣的大尺度演化事件。

大型脊椎動物跨越歐亞大陸到台灣,在古生物學的長時尺度下是平常現象。圖/envato

早坂一郎的開創性研究與犀牛化石

二○一八年一月底從日本的筑波搬到台北後,一邊重新改造所接手的退休丘臺生教授的實驗室、一邊開始準備新學期的上課內容;除此之外,很重要、也是主要的工作內容,就是要開始到野外和各個單位的收藏庫裡尋找、檢視相關的化石標本,試著解讀其背後所帶有的古生物學、演化學上的意義。

有趣、但不令人意外的是,知道我開始要在台灣從事大型脊椎動物化石研究的人,第一個反應通常都會是:台灣也有化石嗎?台灣也有恐龍嗎?這樣之類的疑問。

要回答台灣有沒有化石紀錄的出現,我在日本的工作經驗,和剛好不小心娶了日本太太,讓我能從搬到日本工作前還不會五十音的狀態,到現在能有一定用日文溝通和閱讀日文文獻的基礎能力,幫了很大的忙。

-----廣告,請繼續往下閱讀-----

因為,台灣的古生物研究歷史,基本上就是從日治時期展開並奠下根基。也因此,有一定的日文能力和在日本古生物學界中遊走的經驗,確實是對於一些細微的狀況,更能推敲或掌握。

舉例來說,我目前所服務的台灣大學於一九二八年創立時的前身:日治時期的台北帝國大學,一開始創校時就加入的早坂一郎教授,可以說就是在研究台灣大型脊椎動物化石的先驅,也就不意外為什麼一九八四年在台灣所發現、並被命名為一個新亞種的犀牛化石,會以早坂為名(犀牛的故事書寫在第四話)。

延伸閱讀:從放牛學生到震驚世界:左鎮犀牛化石背後的傳奇——《好久・不見》

台灣有化石的出沒,對生物多樣性、生命演化等議題有些敏感度的人來說,大概不會太意外。但台灣有沒有令許多人為之瘋狂的恐龍,聽起來就是一個棘手許多的疑問。

或許出乎大多數人的意外,台灣不只有貨真價實的恐龍,還有台灣才有的特有種恐龍!

-----廣告,請繼續往下閱讀-----

一九九三年上映的《侏羅紀公園》(Jurassic Park),可以說是徹底的激發了全世界對於恐龍的狂熱與追逐。即使到了二○二四年的今天,恐龍的形象,對於大多數的人來說,似乎就是古生物學研究的全部了。

《侏羅紀公園》激發全球恐龍熱潮,至今在大眾心中恐龍仍象徵著古生物學。圖/wikimedia

但恐龍有如此的代表性,可不是只有形象般的讓人摸不著邊際,而是有全世界各地的古生物學家用一生的精力,和政府、私人所挹注的大量資源,來試著一點一滴揭開恐龍那引人入勝的演化歷程。

舉一個比較可以讓大多數人理解到我們對於恐龍知識是如何持續的累積、建構起來的例子:我正在書寫這段文字的當下是二○二○年的五月中旬,這年從一月一日到這個時間點,已經有二十種,先前完全未知、生存於中生代的恐龍們被古生物學家發現,並且正式的命名為新物種、發表在國際間相關的古生物學研究期刊中—平均不到一個禮拜,全世界就又會多了一種中生代的恐龍在我們的知識體系中!

台灣的鳥類恐龍故事:恐龍演化新視角

藉由這樣的研究能量,我們現在不只清楚的知道所有現生鳥類都是貨真價實的恐龍,連我上課在談論恐龍演化所使用的教科書,所提到恐龍定義裡的其中一個主角,即有我們幾乎每天都會見到面的麻雀:

-----廣告,請繼續往下閱讀-----

恐龍包含了滅絕的三角龍和現生的麻雀最近的共同祖先,以及從這共同祖先開始的所有後代,都是恐龍。沒有被包含在三角龍和麻雀最近的共同祖先裡的後代,都不是恐龍。

大部分隨口問我台灣到底有沒有恐龍的人,我基本上都很難有足夠的時間用上述簡短的內容來說明,因為可以感覺得出來,大部分的人,真的都只是隨口問問,大概也沒有打算真的想要了解恐龍、或是古生物學的研究工作到底是怎麼一回事,背後又有什麼重要的意涵。所以我一般都只會簡短的回應著像是,台灣當然有恐龍,因為所有的鳥類都是恐龍,不只如此,我們每天也都在吃著貨真價實的恐龍肉!

——本文摘自《好久・不見:露脊鯨、劍齒虎、古菱齒象、鱷魚公主、鳥類恐龍⋯⋯跟著「古生物偵探」重返遠古台灣,尋訪神祕化石,訴說在地生命的演化故事》,2024 年 9 月,麥田出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

麥田出版_96
27 篇文章 ・ 15 位粉絲
1992,麥田裡播下了種籽…… 耕耘多年,麥田在摸索中成長,然後努力使自己成為一個以人文精神為主軸的出版體。從第一本文學小說到人文、歷史、軍事、生活。麥田繼續生存、繼續成長,希圖得到眾多讀者對麥田出版的堅持認同,並成為讀者閱讀生活裡的一個重要部分。

0

1
1

文字

分享

0
1
1
穿越時空的地球階梯:從深海生物到滅亡的恐龍,旅程永不停止——《地球的階梯》
悅知文化
・2024/10/01 ・808字 ・閱讀時間約 1 分鐘

來自悅知文化的編按:
城市中突然出現了一扇門, 門內是一條通往下方的樓梯!啊!原來這是一個「地球的階梯」。每下一層階梯,都將迎來不同時期的生物與環境,透過松岡老師精美的繪圖,孩子們得以加深每一層的印象。另外,書中還有位地球博士,適時地補充該時期的生物與環境等知識內容,你將發現原來鳥曾經是恐龍!生命的起源,竟是在有毒的水中誕生!
當你以為已經走向地球深處時,沒想到仍只來到 7000 萬年前……別停下來,旅程還很長,地球階梯繼續延伸,和我們一起洞悉地球生命歷史吧!

【本書特別邀請國立臺灣大學生命科學系.蔡政修副教授協助審定】

6600 萬年前

大約在 6600 萬年前,宇宙中有一顆小行星撞擊到地球,導致地球被大量的灰塵覆蓋著。灰塵遮蔽了太陽光,包含恐龍在內的緒多生物,都因此而滅亡。

7000 萬年前|白堊紀

在「白堊紀」末期,地球變得越來越寒冷。因此,有些科學家認為,暴龍的部分身體,可能覆蓋著跟鳥一樣的羽毛。

3 億 7000 萬年前|泥盆紀

從這裡開始,我們必須潛到海底,所以請穿上潛水服。請不要懷疑,狗狗也要穿。遠古時代的海洋,真是相當精彩呢!

魚石螈的體長大約 1 公尺,是一種兩棲類動物。牠類似現代的山椒魚(Salamander),卻有 7 根指頭。

-----廣告,請繼續往下閱讀-----

——本文摘自《地球的階梯》,2024 年 9 月,悅知文化,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

悅知文化
1 篇文章 ・ 1 位粉絲