0

1
0

文字

分享

0
1
0

傻傻分不清的黑鳥?-《烏鴉的教科書》

PanSci_96
・2015/12/02 ・2198字 ・閱讀時間約 4 分鐘 ・SR值 465 ・五年級

-----廣告,請繼續往下閱讀-----

我曾經在大學裡的鳥類相關講座當過兼任講師。在那種時候,我通常會為了了解狀況而問學生:「你們知道哪些鳥類?」雖然他們並不會像小學生一樣舉手回答,不過只要我列舉出像是「麻雀?燕子?烏鴉?鴿子?」般的鳥名時,他們就會「嗯嗯」的點頭回應。啊啊,真是老實啊,就這樣直接掉進我的陷阱裡。於是我會邊露出獰笑邊這樣說下去。「對,差不多就是這樣。話說回來,沒有名叫烏鴉的鳥。也沒有稱為鴿子的鳥。」

當然這只不過是文字遊戲。但是在生物學上並沒有「烏鴉」這個物種,全都是像些「短嘴鴉(Corvus brachyrhynchos)」、「細嘴烏鴉(Corvus enca)」、「非洲白頸鴉(Corvus albus)」等的「○○鴉」。這是跟「燕子」、「麻雀」最大的不同。因為在日本的燕子是指Hirundo rustica(家燕)這個物種,麻雀則是指Passer montanus 這個物種的標準和名[1]。比較麻煩的是「燕子」有時是指燕科的所有鳥類,有時卻是指「雖然是燕科,卻不知道是哪個種」,於是賞鳥者會說「不是金腰燕也不是灰沙燕,而是家燕」。不過在日文中為了要分清楚,還會稱家燕為「普通燕子」。否則就會發生還在討論「啊,燕子!」「什麼燕子?」「不是,就是燕子啊。欸,不是金腰,就是普通的那種名字前面什麼別的描述也沒有的燕子」時,鳥已經飛到不知道哪裡去了的狀況。

烏鴉,PanSci

以烏鴉來說,並沒有「普通烏鴉」這種鳥。萬一不小心在烏鴉研究者前面脫口說出「啊,烏鴉!」的話,一定會被追問:「什麼烏鴉?粗的(巨嘴)?細的(小嘴)?」沒錯,在附近出沒的烏鴉,其實不只一種。雖然沒有一個名為烏鴉的物種,不過烏鴉的同類卻出乎意料的多。從分類上來看,在鳥類的雀形目鴉科鴉屬中,有四十種左右是「長得一副烏鴉樣」的烏鴉。雀形目?牠們跟麻雀是親戚?你可能會感到疑惑,但是全世界一萬種左右的鳥類當中有六千多種是屬於雀形目,所以不用太在意這件事情。看到鳥只要說牠是雀形目,答對的機率可是在二分之一以上呢。

鴉屬以外的鴉科鳥類有七十多種。含在這裡面的鳥類有松鴉、喜鵲、紅嘴藍鵲等。台灣國鳥台灣藍鵲[2](全身為鈷藍色,喙部跟腳是紅色)、在關東常見的灰喜鵲、分布於高山帶的星鴉也都包含在這之中。鴉科鳥類除了南極與紐西蘭以外,全世界都有分布(聽說紐西蘭不知道為什麼有禿鼻鴉,不過那應該是歐洲人帶進去的)。只不過在南美洲雖然有絨冠藍鴉(Cyanocorax chrysops)或是白喉鵲鴉(Calocitta formosa),但是鴉科的形象略顯淡薄。

-----廣告,請繼續往下閱讀-----

在鴉屬中一眼就看得出來是烏鴉親戚的鳥類,在南美洲是完全沒有的。在南美占據烏鴉棲位[3]的是黑美洲鷲(Coragyps atratus)或紅頭美洲鷲(Cathartes aura)。我聽在祕魯研究考古學的同事說,這些鳥在那邊郊外的垃圾場很常見,似乎被稱為Gajinaso(山裡的雞)等等。雖然並不清楚沒有烏鴉的理由,但是可以亂猜可能是當牠們從鴉類的故鄉大洋洲分散出來抵達南美的時候,已經沒有烏鴉的容身之處了(但這也無法說明紐西蘭為什麼沒有烏鴉)。除此以外的場所,不管是維也納的宮殿、凡爾賽宮的庭園、孟買的街道上、喜馬拉雅的山中、非洲的乾草原、洛磯山脈、猶他州沙漠的漢堡店後面、緬因州的森林、菲律賓或馬來西亞的叢林、澳洲的大平原、京都和東京,全部都是烏鴉的住處。

烏鴉,PanSci

話說回來,在全世界約有四十種的鴉屬之中,在日本被記錄到的為七種。這裡面最為普通常見的是巨嘴鴉和小嘴烏鴉。由於這兩種是全年都可以在日本看見,也在附近繁殖的,所以在日本只要說到烏鴉,就一定是這兩種之一。前面寫到的「粗的?細的?」也就是指「巨」嘴鴉或是「小」嘴烏鴉。嘴就是喙部,巨嘴鴉的喙部很粗呈弧狀,小嘴烏鴉的喙部稍細又直。此外,小嘴烏鴉在沖繩原本是冬候鳥,但是近年來好像愈來愈少見了。

另外還有冬候鳥的禿鼻鴉,時節一到就可以在全國的農耕地看見。禿鼻鴉的體型比小嘴烏鴉稍小,成鳥的喙部基部是白色的。年輕個體跟小嘴烏鴉很難區分,經常成群活動,通常都是在田地或農地裡用細長的喙部勤奮的啄著什麼。有時還會發出「喀啦啦啦」的叫聲一同飛起,在電線上面停成一排。牠們是鄉村派,不會到街上來。

假如在禿鼻鴉群中,有體型很小很可愛的個體混雜,那就是東方寒鴉。牠們的喙部短,體型也比較圓。叫聲也是「Kyu」、「Kyun」般的跟灰椋鳥一樣。禿鼻鴉的色彩多型,有全黑的黑色型,也有黑白的淡色型。淡色型像大貓熊一樣,格外可愛。再說到渡鴉。牠們是非常稀有的冬候鳥,在日本基本上只有北海道道東地區的知床能夠看到牠們,數量又非常少。雖然近年來好像有增加,但據說整個北海道也只有一百隻左右。

-----廣告,請繼續往下閱讀-----

[1]審訂注:生物的日文俗名(和名わめい)中,容易有同物多名的現象,為了避免混淆,日本的學界訂定了標準化的日文俗名,稱為「標準和名」,以便與學名能夠一對一對應。
[2]譯注:台灣藍鵲是台北市市鳥、雲林縣縣鳥。國鳥是於二○○七年由高雄縣觀鳥學會舉辦的投票活動選出,並非全面性被認同的。
[3]審訂注:棲位(niche),生態棲位(ecological niche)的簡稱,指最適合某生物生存並發揮其生態地位的環境抽象空間。這樣的空間受到許多因素的限制,包含溫度、雨量、棲地類型、食物來源等。不同物種的生物棲位不會完全相同。

烏鴉,PanSci本文摘自《都市裡的動物行為學:烏鴉的教科書》,由貓頭鷹出版。

延伸閱讀:

都市鳥類的行為可能造成物種分化

-----廣告,請繼續往下閱讀-----

文章難易度
PanSci_96
1226 篇文章 ・ 2337 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

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

  • 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。

1

3
2

文字

分享

1
3
2
福島核污水是什麼?我們還能安心吃海鮮嗎?核污水全解析!
PanSci_96
・2023/10/01 ・4897字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

福島核污水正式排放入海了!食鹽要屯多少?海鮮還能吃嗎?哥吉拉要誕生了嗎?

核廢水是怎麼來的?

2011 年 3 月 11 日,一場海嘯衝擊了在福島海邊的第一核電廠,破壞了核電廠中做為緊急電源設備的發電機,在備用電池電力耗盡後,冷卻系統完全失效。然而反應爐內的連鎖反應還在持續,最後溫度不斷竄高,高溫水蒸氣與燃料護套中的鋯合金,發生鋯水反應並產生大量易燃的氫氣,最終與空氣中的氧氣作用導致爆炸。

在事故發生前後,日本政府灌入大量海水來為反應爐進行冷卻,而這些直接接觸熔融燃料棒的污水,就被稱為核污水,日文則稱為「汚染水」。至於當時的決策細節與失誤,大家可以看今年上映的日劇《核災日月》複習一下。而既然事件已經發生了,我們就重點討論核污水。

《核災日月》圖/IMDb

現在儲存在福島的核污水不只有冷卻水,其實還有受污染的降雨與地下水。事故發生後,東京電力公司在第一核電廠加裝擋水牆,阻擋因為降雨流經 1、2、3 號機組的污染水流入海洋。並且設置凍土牆隔絕地下水,同時挖水井抽出污染的地下水,讓廠區內的地下水水位下降,因此地下水只會從外部滲入,內部的污染水則不會滲到外面。不論是降雨還是抽出的地下水,都屬於污染水,平均每天都會增加 92 立方公尺的污染水。直至本集影片上架,當地已經存有 134 萬噸的汚染水,而且還會持續增加,你可以自己打開 Google Map,鳥瞰這密密麻麻的眾多大型儲槽,別忘了,核反應爐本體才是日本更迫切的問題,要是污水不先處理,要是下一個天災來襲,麻煩又會疊加。因此日本政府在 2016 年就展開討論,準備要處理掉這些污水。

-----廣告,請繼續往下閱讀-----
福島第一核電廠。圖/Google Map

為何決定排放入海?

為何核污水的最終處置決定是排放入海呢?其實 2016 年提出的方案有五種:稀釋入海、蒸發至大氣、電解水釋放氫氣、深層地質注水、以及水泥固化並地下處置。很快,電解水因為還需要相關技術研發而被否決,這個我們在氫能那集講過。深層地質注水和水泥固化並地下處置,則有選址與法規問題,無法立即實現。這部分則等同於核電使用國都面臨的核廢料處置問題,我們之前花過好幾集介紹過,歡迎前往複習。

最後僅剩稀釋入海和蒸發至大氣兩種方法,最後日本認為海洋的擴散行為更容易追蹤,最重要的是成本僅有蒸發的十分之一,因此選用了這個方法。至於有些人說,既然東電跟日本政府都保證安全,何不做成瓶裝水拿去賣?之類的建議在這我們不多討論,就請大家用理智來看待。

核廢水如何被處理?

根據日本政府的規劃,在這些污染水排放入海前,會先進行淨化處理成為處理水。首先,污染水會經過「銫吸附裝置」,除去銫(Cs)和鍶(Sr)。接著再經過淡水化裝置除去水中的鹽分後,成為「鍶處理水」。這種鍶處理水,可以作為 1, 2, 3, 4 號機組的冷卻水再次循環利用。

最後,大部分的鍶處理水,會被送到「ALPS多核種除去設備」,將 63 種放射性核種中的 62 種放射性核種去除。「ALPS多核種除去設備」唯一不能去除的放射性核種,就是氚(H-3)。但其實啊還有一個碳-14 無法被過濾,但濃度低到可以忽視。經過「ALPS多核種除去設備」處理過後的「鍶處理水」,就稱為「含氚處理水」。

-----廣告,請繼續往下閱讀-----
根據日本政府的規劃,在這些污染水排放入海前,會先進行淨化處理成為處理水。圖/PanSci YouTube

含氚處理水中的氚,指的是氫的同位素的一種,在自然界中就存在。半衰期為 12.43 年,衰變時會進行 β 衰變,放出一顆電子並成為氦-3。β 衰變對人體的穿透距離僅限於皮膚,不會對內臟器官產生傷害。
如要能危害人體,需要長期大量攝取由氚構成的重水。關於攝取過多重水對動植物的影響,我們網站上有文章詳細說明過。

簡單來說,綜合自然界中跟福島即將排放的氚,以及我們的生活型態來看,遠遠達不到可能產生危害的程度。知道劑量決定毒性,就像我們每天都吃下不少「有害」物質,例如殘留農藥、油炸致癌物、過多的精製糖等等,但攝取的多寡,對你的健康影響差異很大。那麼重點來了,福島排放的處理水,真的有合乎標準嗎?

處理水符合標準嗎?

這個問題,我們在今年六月的核廢料主題中有提到,國際原子能總署 (IAEA) 在五月底公布了第一階段的調查結果,針對「日本的核種監控能力」進行第三方驗證。結果認為,日本的檢測標準跟分析方法沒問題,調查結果是可信任的。報告中除了氚以外,其他放射性核種的活度也都遠低於排放限值。例如鍶-90 為每公升 0.4 貝克、銫-137 為每公升 0.5 貝克,以臺灣的「食品」標準,銫-137 為每公升 100 貝克以下,雖然鍶-90 還沒有定下標準,但是依國際食品法典委員會的標準,也是在每公升 100 貝克以下。目前的排放值都遠小於標準。

國際原子能總署(IAEA)公布第一階段的調查結果。圖/PanSci YouTube

除了各單一核種的活度以外,所有水中核種加起來的「告示濃度限度比」也低於日本國家標準的每年 1 毫西弗(mSv/year), 1 毫西弗大約是多少呢?大約是一般民眾一年會接收到的輻射劑量。

-----廣告,請繼續往下閱讀-----

至於無法被 ALPS 處理的氚,因為海洋中的水中就廣泛存在,日本將透過海水稀釋後排放入海。目前世界衛生組織對於飲用水的氚含量標準訂為每公升 1 萬貝克,台灣的標準嚴格了許多,是每公升 740 貝克。東電公司的處理水是每公升 14 萬貝克,在排放前會稀釋 740 倍,以每公升 190 貝克的氚濃度排放,低於台灣的飲用水標準。

那麼食鹽呢?我們需要搶購嗎?這就更不用擔心,因為食鹽中不含水,自然也不含氚。或是更進一步可以參考東海大學應用物理系的粉專,他們計算,根據國家標準,食鹽含水量若為 3% 以下,需要每天吃超過 400 公斤的食鹽才會攝取氚超標。真的,別吃那麼鹹啊。

每天吃超過 400 公斤的食鹽才會攝取氚超標。圖/pixabay

那麼,我們就真的兩手一攤,為這件事劃下結論,核輻射只是庸人自擾嗎?

我們該如何看待排放的處理水?

當然不是,就像許多人擔心的,就算科學上告訴你沒問題,但前提是,這些數據得是沒問題的。而且不用說周邊國家,連日本自家民眾也多次抗議處理水的排放。

-----廣告,請繼續往下閱讀-----

目前在 IAEA 架設的網站上,可以看到整個排水計畫的各種即時監測資料。其中就包括出水口的輻射數值監測。

為了驗證處理水不會對海洋生物產生影響,東京電力甚至從去年 9 月開始,就開始進行海洋生物飼養實驗,並且全程公開直播放在他們的YouTube頻道上。不過這頻道訂閱人數跟觀看次數都有點低迷,有興趣的話不妨訂閱,開啟小鈴鐺。

那麼我們能下定論了嗎?在科學上,我們確實能說,在符合規範下,這些排放入海的處理水是沒問題的,食鹽、海鮮也都能照吃,把注重食安與健康的努力分配到其他危害更大、風險更高的事情上,對處理水保持健康而非病態的質疑,對個人來說應該效益更高。

臺灣從去年到今年 6 月,曾 3 次組團赴日考察,並於 8/24 公佈報告書,包含跟日方的問答內容,還有福島核廢水排放設施的照片。海委會表示,專家觀察團評估日方排放相關作業的安全性,跟國際原子能總署評估的結果一致。然而是否選擇相信日本以及 IAEA 給出的數據,如今看來成了國際政治問題。

-----廣告,請繼續往下閱讀-----

另外,在 IAEA 的小組成員中,包含周邊國家:中國、美國、韓國、越南、澳洲、加拿大、法國、俄羅斯、英國、阿根廷、馬紹爾群島,並不包含台灣。如果台灣也能以任何形式加入團隊,或得以取得樣水複測,讓我們知道,日本以及 IAEA 給出的數值是可信的,想必都能更進一步降低民眾的擔憂。

最後,也問問大家,對於這次的處理水排放事件,你會擔心我們的海鮮或食鹽受到影響嗎?

  1. 不擔心,跟人類對海洋的其他污染相比,根本小巫見大巫。
  2. 擔心,等我親眼見到泛科學到現場實測我才相信。機票我出!

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

參考資料

所有討論 1

0

0
0

文字

分享

0
0
0
不為人知的鳥秘密?全都藏在羽毛裡——《五感之外的世界》
臉譜出版_96
・2023/09/19 ・2471字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

比孔雀還要顯眼、高調的鳥類並不多,但如果可以的話,我想請各位先忽略牠那華麗又色彩斑斕的尾羽。我們要將關注焦點放在孔雀頭上形成冠羽的那些硬挺羽毛。

細節藏在羽毛的「振盪頻率」裡

這些長得像鍋鏟的羽毛雖然也很醒目,卻常常被忽略。蘇珊.阿瑪德.康恩(Suzanne Amador Kane)從專門繁殖鳥類的鳥舍與飼養員那裡找來了一些孔雀,再加上一隻來自動物園、曾經不小心飛進北極熊圍欄裡的倒霉孔雀,想要研究孔雀冠羽的用途。

她的學生丹尼爾.凡.貝爾倫(Daniel Van Beveren)在孔雀冠羽上裝設了機械振盪器,並且觀察冠羽的擺動。當機器的振盪頻率為二十六赫茲時──也就是一秒振盪二十六次──冠羽擺動得特別劇烈。這是會令孔雀冠羽產生共鳴的頻率,也正好是雄孔雀求偶時擺動尾羽的頻率,因此康恩對我說:「這不可能只是巧合。」

孔雀冠羽產生共鳴的頻率,正好是雄孔雀求偶時擺動尾羽的頻率。圖/pexels

凡.貝爾倫對著架設好儀器的孔雀冠羽播放各種錄音,假如播出的是真正的孔雀搖動尾羽的聲音,冠羽就會產生共鳴;若是播放其他聲音,例如 Bee Gees 的〈Staying Alive〉,就沒有這種效果。

-----廣告,請繼續往下閱讀-----

該研究結果顯示,站在求偶的雄孔雀面前的雌孔雀或許真的能夠感知到雄孔雀尾羽製造出的氣流。除了看見雄孔雀賣力的求偶動作以外,雌孔雀或許也能感覺到這一番努力。(這種現象也會反過來,有時候雌孔雀也會對雄孔雀展現自己。)

康恩想要拍攝真實的孔雀求偶時冠羽的模樣,觀察牠們擺動冠羽的頻率是否真和尾羽相同,藉此證明她的論點。假如真是如此,就表示孔雀求偶的過程中除了有浮誇的視覺效果以外,其實還存在著人類一直以來都沒注意到的元素;而我們會忽略這些細節,是因為缺少適當的配備。

假如連大自然中如此耀眼浮誇的行為展演中,都有被我們忽視的環節,我們到底還錯失了多少東西?

孔雀細小的纖羽會告訴我們答案

從孔雀冠羽底部細小的纖羽(filoplume)就能找出線索。纖羽的樣子就像一根尖端為簇狀的茅,還能做為機械性受體之用。

-----廣告,請繼續往下閱讀-----

當空氣流動擾動了冠羽,便會擠壓到纖羽,進而觸發神經。大部分的鳥類都有纖羽,而且幾乎都會伴隨其他羽毛一起發揮作用。

鳥類可以透過纖羽掌控羽毛的狀態,因此或許能夠在鳥羽澎亂時即時整理羽毛,重整態勢。不過纖羽還有一項最重要的功用──幫助鳥類飛行。

從孔雀冠羽底部細小的纖羽就能找出線索。圖/pexels

避免失速墜落技巧

鳥飛行的樣子看起來是如此地輕鬆自在,因此我們很可能根本想不到那是一件多費力的事。為了維持在空中飛行,鳥必須一直調整翅膀的型態與角度。如果一切都對了,氣流就能順著翅膀流動,鳥類的身體也就能順利抬升至空中。

然而如果鳥的翅膀角度太大,原本順暢的氣流會形成擾流,抬升的力量也就隨之消失,這種現象叫做失速(stalling)。一旦鳥無法避免這種狀態產生或即時修正,就會從天上掉下來。不過這不常發生,一部分原因是因為纖羽能為鳥類提供必要資訊,因此能夠因應各種情況快速調整翅膀的狀態,避免不幸。

-----廣告,請繼續往下閱讀-----

老實說,這種能力實在相當驚人。我記得有次站在船上看著一隻海鷗緊跟船身飛行;那天風很大,而我們──也就是我坐的船和那隻海鷗──都在高速移動。當我伸出手感受從手上與指間吹過的風時,不禁讚嘆海鷗的翅膀竟然也能產生同樣的作用,讓鳥類能夠在天空中飛翔。

如果一切都對了,氣流就能順著翅膀流動,鳥類的身體也就能順利抬升至空中。圖/pexels

然而我當時我根本不知道鳥類還會運用纖羽判讀氣流,在飛行時不斷微調姿態。法國的眼科醫師安德烈.羅尚-杜維尼奧(André Rochon-Duvigneaud)曾描述鳥是「一對靠雙眼引導方向的翅膀」,不過這個說法還不夠正確──鳥的翅膀其實會為自己找到方向。

蝙蝠翅膀長得不一樣,功能卻一點都不差

蝙蝠的翅膀也是如此。牠們翅膀的薄膜雖與鳥羽構造大不相同,敏感度卻不相上下。蝙蝠的翅膀薄膜上布滿有敏銳觸覺的毛髮,這些毛髮從小小的半圓球狀上凸出,並且連接著機械性受體。

蘇珊.斯德賓發現這些毛髮大多數只會對來自蝙蝠背後往前吹拂的氣流有反應,而這種現象通常在蝙蝠快要失速時才會出現。因此蝙蝠其實就跟鳥類一樣,都能感覺出快要失速的狀態,也能夠及時採取行動修正。

-----廣告,請繼續往下閱讀-----

多虧這些毛髮,蝙蝠能以陡峭的角度飛行、在空中盤旋和後空翻,捕捉在尾巴附近的昆蟲,甚至還能以頭下腳上的姿態降落。當斯德賓以除毛膏去除蝙蝠翅膀上的毛髮,並讓牠們飛過障礙物後,可以發現毛髮消失對牠們產生的影響非常明顯。

蝙蝠翅膀的薄膜雖與鳥羽構造大不相同,敏感度卻不相上下。圖/pexels

牠們雖然不會墜落,卻會選擇與周邊的物體保持相當的距離,轉彎的角度也比平常更大,姿態更笨拙;反之,假如牠們翅膀上的毛髮完好無缺,就能夠以離物體僅僅幾公分的姿態飛行,還能做出過髮夾彎一般的飛行動作。

對牠們來說,氣流感受器的存在與否決定了牠們只能用一般方式飛行,還是能夠進一步做出各種飛行特技。

對於其他動物來說,這些感受器的存在很可能更是存亡與否的關鍵。這或許就是為什麼它們會演變為這世上數一數二敏感的器官。

-----廣告,請繼續往下閱讀-----

——本文摘自《五感之外的世界:認識動物神奇的感知系統,探見人類感官無法觸及的大自然》,2023 年 8 月,臉譜出版,未經同意請勿轉載。

臉譜出版_96
88 篇文章 ・ 255 位粉絲
臉譜出版有著多種樣貌—商業。文學。人文。科普。藝術。生活。希望每個人都能找到他要的書,每本書都能找到讀它的人,讀書可以僅是一種樂趣,甚或一個最尋常的生活習慣。