0

0
0

文字

分享

0
0
0

讓生物學家可以小偷懶的Uno Life生物晶片

劉珈均
・2016/03/26 ・2175字 ・閱讀時間約 4 分鐘 ・SR值 596 ・九年級

-----廣告,請繼續往下閱讀-----

DSC_3724 crop
晶片上下兩層微孔陣列各有470個微孔,下層的篩選微孔尺寸接近單細胞大小,可有效抓取單細胞;抓取後翻轉,上層較大的培養微孔可進行長時間單株培養。圖/張浩禎提供

對科學家而言,實驗室基本配備如同書桌上的文具,這些簡單物品算不上劃時代發明,但舉足輕重,幫助科學家思考與創造,國家衛生研究院實驗室的「Uno Life」生物晶片就是一款給科學家的實用工具。

生技醫藥領域約有六成以上的研究需要提取單細胞,如細胞異質性研究、癌症抗藥性、藥物篩選等。然而,傳統抓取方式繁瑣且效率差,國家衛生研究院生醫工程與奈米醫學研究所許佳賢博士帶領團隊研發一款生物晶片(註1),操作簡單、低成本,且抓取單細胞的效率從兩三成提升至近八成。

研發成員林璟輝博士笑著說:「一開始是想要偷懶地做事情。」Uno Life生物晶片設計相當簡單,點狀微孔分成上下雙層,中間為流道。注入細胞懸浮液之後,靜置一兩分鐘,細胞會平均沉降至下層的篩選微孔,接著將晶片翻面,讓單細胞移轉至相對應的大孔洞中就成了。整個過程只約十分鐘,且成功抓取單細胞的效率將近80%,後續就讓單細胞留在大孔洞中進行單株培養。

相較於此款生物晶片,傳統提取單細胞的方式相當繁複:將細胞懸浮液分注在96孔培養盤,靜置待細胞沉澱,再用顯微鏡確認盤上96個微孔中有多少個成功抓取到「一個」細胞。顯微鏡的視野塞不下單個孔洞,所以研究人員得反覆挪移盤子,如此重覆確認近百次。

-----廣告,請繼續往下閱讀-----

這傳統的「序列稀釋法」耗時、累人且效率不佳,實務上「一個」孔洞成功獲得「一個」細胞的機率通常只有10%~20%,換句話說,96孔盤最終可能只成功提取510顆細胞。若要蒐集一千個單細胞,就得重複製作上百盤才能提取所需的量;一般實驗也要製作二三十盤才足夠。

「細胞生長時會分泌一些生長因子,單顆細胞若感受不到旁邊有細胞同伴,其實比較容易死掉。」晶片上培養單細胞的微孔雖然比傳統培養空間小,但其抓取率高,單細胞彼此像是住在同宿舍的鄰居,生長情況反而較好。

IMG_4911
Uno Life生物晶片的研發團隊,左起為指導教授許佳賢、林璟暉、張浩禎。圖/劉珈均攝

林璟暉解釋單細胞研究的用途,即便來自相同組織或器官,每一顆細胞其實不太一樣,必須把細胞分開看,個別研究特性。「像罹患癌症,吃藥後有的癌細胞會死、有的不會,就是因為存在異質性。」另一大用途是製作專一性佳的「單株抗體藥物」,主要用於抗發炎與癌症治療,根據統計,去年全球銷售前十大藥物中有六項即為單抗藥物(註2)

團隊的實驗室長期研究微流體晶片,許佳賢說:「希望這塊晶片可以成為醫學基礎研究重要的一部分!」研發成員張浩禎則分享,起初有人覺得這不像一般印象中的生物晶片,因為功能太樸實了,沒有電流或電磁等華麗功能,但正因為它的樸實,適合做成產品量產。

-----廣告,請繼續往下閱讀-----

「他不需要繁複的操作技術,很容易上手!」林璟暉說。這款生物晶片能與既有的針筒幫浦、組織培養箱、顯微鏡等常用器材配合,與大部分生物實驗室的配備「相容」,也大幅節省成本與耗材。

已有不少人看到這塊生物晶片的潛力,此晶片研發成果登上英國皇家化學學會發行的期刊《實驗室晶片》(Lab on a Chip),正在申請相關專利。團隊已與清大、國衛院等簽署合作備忘錄,也有美國知名大學前來探問,2015年參加科技部新創業競賽更進入前20強,天使創投也表達投資意願,可望成立新創公司

晶片規格小檔案
晶片大小:12.75 x 20.25mm²
下層篩選微孔:直徑25微米、深度26及30微米
上層培養微孔:直徑285及485微米、深度300微米

 

註:

-----廣告,請繼續往下閱讀-----
  1. 生物晶片可分為「DNA 核酸探針晶片」及「實驗室晶片」兩類。前者是在小面積上安置核酸探針,檢測以獲得基因序列的豐富資訊;實驗室晶片又稱微流體晶片,為近代生物科技一大革命,傳統實驗室的複雜流程就濃縮在一塊數公分大小的晶片上。它利用微機電系統技術,將傳統生化分析中所需的微閥門、微過濾器、微管道、微感測器等元件集中在晶片上,只要一塊晶片以及微小液量,便能進行樣品前處理、樣品分離、試劑傳送、偵測等工作。微流體生物晶片用處廣泛,新藥開發、血液篩檢、感染病原檢測、基因表現分析、法醫辨識鑑定、環境及食品檢測等皆可見其應用。
  2. 2014年全球銷售前十名藥品中,六項單株抗體藥物為:RemicadeEnbrelHumira(此三者治療類風濕性關節炎)Rituxan AvastinHerceptin(此三者適應症分別為淋巴癌、大腸直腸癌、乳癌)

參考資料:

  • 林璟暉、莊堵安、張浩禎、葉鵑鳳、邱英明、許佳賢。2015。高通量單細胞篩選與細胞單株化培養之雙微孔微流晶片。科儀新知,204,35-47
  • Lin, Ching-Hui, et al. “A Microfluidic Dual-well Device for High-throughput Single-Cell Capture and Culture.” Lab on a Chip (2015).
  • 李國賓。2005。下一波生物晶片:微流體生醫晶片。科學發展,385,72-77
-----廣告,請繼續往下閱讀-----
文章難易度
劉珈均
35 篇文章 ・ 1 位粉絲
PanSci 特約記者。大學時期主修新聞,嚮往能上山下海跑採訪,因緣際會接觸科學新聞後就不想離開了。生活總是在熬夜,不是趕稿就是在屋頂看星星,一邊想像是否有外星人也朝著地球方向看過來。

0

1
0

文字

分享

0
1
0
數智驅動未來:從信任到執行,AI 為企業創新賦能
鳥苷三磷酸 (PanSci Promo)_96
・2025/01/13 ・4938字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

本文由 鼎新數智 與 泛科學 共同規劃與製作

你有沒有想過,當 AI 根據病歷與 X 光片就能幫你診斷病症,或者決定是否批准貸款,甚至從無人機發射飛彈時,它的每一步「決策」是怎麼來的?如果我們不能知道 AI 的每一個想法步驟,對於那些 AI 輔助的診斷和判斷,要我們如何放心呢?

馬斯克與 OpenAI 的奧特曼鬧翻後,創立了新 AI 公司 xAI,並推出名為 Grok 的產品。他宣稱目標是以開源和可解釋性 AI 挑戰其他模型,而 xAI 另一個意思是 Explainable AI 也就是「可解釋性 AI」。

如今,AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?

-----廣告,請繼續往下閱讀-----
AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?圖/pexels

黑盒子模型背後的隱藏秘密

無法解釋的 AI 究竟會帶來多少問題?試想,現在許多銀行和貸款機構已經使用 AI 評估借貸申請者的信用風險,但這些模型往往如同黑箱操作。有人貸款被拒,卻完全不知原因,感覺就像被分手卻不告訴理由。更嚴重的是,AI 可能擅自根據你的住所位置或社會經濟背景給出負面評價,這些與信用風險真的相關嗎?這種不透明性只會讓弱勢群體更難融入金融體系,加劇貧富差距。這種不透明性,會讓原本就已經很難融入金融體系的弱勢群體,更加難以取得貸款,讓貧富差距越來越大,雪上加霜。

AI 不僅影響貸款,還可能影響司法公正性。美國部分法院自 2016 年起使用「替代性制裁犯罪矯正管理剖析軟體」 COMPAS 這款 AI 工具來協助量刑,試圖預測嫌犯再犯風險。然而,這些工具被發現對有色人種特別不友好,往往給出偏高的再犯風險評估,導致更重的刑罰和更嚴苛的保釋條件。更令人擔憂的是,這些決策缺乏透明度,AI 做出的決策根本沒法解釋,這讓嫌犯和律師無法查明問題根源,結果司法公正性就這麼被悄悄削弱了。

此外,AI 在醫療、社交媒體、自駕車等領域的應用,也充滿類似挑戰。例如,AI 協助診斷疾病,但若原因報告無法被解釋,醫生和患者又怎能放心?同樣地,社群媒體或是 YouTube 已經大量使用 AI 自動審查,以及智慧家居或工廠中的黑盒子問題,都像是一場越來越複雜的魔術秀——我們只看到結果,卻無法理解過程。這樣的情況下,對 AI 的信任感就成為了一個巨大的挑戰。

為什麼人類設計的 AI 工具,自己卻無法理解?

原因有二。首先,深度學習模型結構複雜,擁有數百萬參數,人類要追蹤每個輸入特徵如何影響最終決策結果,難度極高。例如,ChatGPT 中的 Transformer 模型,利用注意力機制(Attention Mechanism)根據不同詞之間的重要性進行特徵加權計算,因為機制本身涉及大量的矩陣運算和加權計算,這些數學操作使得整個模型更加抽象、不好理解。

-----廣告,請繼續往下閱讀-----

其次,深度學習模型會會從資料中學習某些「特徵」,你可以當作 AI 是用畫重點的方式在學習,人類劃重點目的是幫助我們加速理解。AI 的特徵雖然也能幫助 AI 學習,但這些特徵往往對人類來說過於抽象。例如在影像辨識中,人類習慣用眼睛、嘴巴的相對位置,或是手指數量等特徵來解讀一張圖。深度學習模型卻可能會學習到一些抽象的形狀或紋理特徵,而這些特徵難以用人類語言描述。

深度學習模型通常採用分佈式表示(Distributed Representation)來編碼特徵,意思是將一個特徵表示為一個高維向量,每個維度代表特徵的不同方面。假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。對 AI 而言,這是理解世界的方式,但對人類來說,卻如同墨跡測驗般難以解讀。

假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。圖/unsplash

試想,AI 協助診斷疾病時,若理由是基於醫生都無法理解的邏輯,患者即使獲得正確診斷,也會感到不安。畢竟,人們更相信能被理解的東西。

打開黑盒子:可解釋 AI 如何運作?我們要如何教育 AI?

首先,可以利用熱圖(heatmap)或注意力圖這類可視化技術,讓 AI 的「思維」有跡可循。這就像行銷中分析消費者的視線停留在哪裡,來推測他們的興趣一樣。在卷積神經網絡和 Diffusion Models 中 ,當 AI 判斷這張照片裡是「貓」還是「狗」時,我需要它向我們展示在哪些地方「盯得最緊」,像是耳朵的形狀還是毛色的分布。

-----廣告,請繼續往下閱讀-----

其次是局部解釋,LIME 和 SHAP 是兩個用來發展可解釋 AI 的局部解釋技術。

SHAP 的概念來自博弈,它將每個特徵看作「玩家」,而模型的預測結果則像「收益」。SHAP 會計算每個玩家對「收益」的貢獻,讓我們可以了解各個特徵如何影響最終結果。並且,SHAP 不僅能透過「局部解釋」了解單一個結果是怎麼來的,還能透過「全局解釋」理解模型整體的運作中,哪些特徵最重要。

以實際的情景來說,SHAP 可以讓 AI 診斷出你有某種疾病風險時,指出年齡、體重等各個特徵的影響。

LIME 的運作方式則有些不同,會針對單一個案建立一個簡單的模型,來近似原始複雜模型的行為,目的是為了快速了解「局部」範圍內的操作。比如當 AI 拒絕你的貸款申請時,LIME 可以解釋是「收入不穩定」還是「信用紀錄有問題」導致拒絕。這種解釋在 Transformer 和 NLP 應用中廣泛使用,一大優勢是靈活且計算速度快,適合臨時分析不同情境下的 AI 判斷。比方說在醫療場景,LIME 可以幫助醫生理解 AI 為何推薦某種治療方案,並說明幾個主要原因,這樣醫生不僅能更快做出決策,也能增加患者的信任感。

-----廣告,請繼續往下閱讀-----

第三是反事實解釋:如果改變一點點,會怎麼樣?

如果 AI 告訴你:「這家銀行不會貸款給你」,這時你可能會想知道:是收入不夠,還是年齡因素?這時你就可以問 AI:「如果我年輕五歲,或者多一份工作,結果會怎樣?」反事實解釋會模擬這些變化對結果的影響,讓我們可以了解模型究竟是如何「權衡利弊」。

最後則是模型內部特徵的重要性排序。這種方法能顯示哪些輸入特徵對最終結果影響最大,就像揭示一道菜中,哪些調味料是味道的關鍵。例如在金融風險預測中,模型可能指出「收入」影響了 40%,「消費習慣」占了 30%,「年齡」占了 20%。不過如果要應用在像是 Transformer 模型等複雜結構時,還需要搭配前面提到的 SHAP 或 LIME 以及可視化技術,才能達到更完整的解釋效果。

講到這裡,你可能會問:我們距離能完全信任 AI 還有多遠?又或者,我們真的應該完全相信它嗎?

-----廣告,請繼續往下閱讀-----

我們終究是想解決人與 AI 的信任問題

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。因此,AI 既要「可解釋」,也要「能代理」。

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。圖/unsplash

舉例來說,當一家公司要做一個看似「簡單」的決策時,背後的過程其實可能極為複雜。例如,快時尚品牌決定是否推出新一季服裝,不僅需要考慮過去的銷售數據,還得追蹤熱門設計趨勢、天氣預測,甚至觀察社群媒體上的流行話題。像是暖冬來臨,厚外套可能賣不動;或消費者是否因某位明星愛上一種顏色,這些細節都可能影響決策。

這些數據來自不同部門和來源,龐大的資料量與錯綜關聯使企業判斷變得困難。於是,企業常希望有個像經營大師的 AI 代理人,能吸收數據、快速分析,並在做決定時不僅給出答案,還能告訴你「為什麼要這麼做」。

傳統 AI 像個黑盒子,而可解釋 AI (XAI)則清楚解釋其判斷依據。例如,為什麼不建議推出厚外套?可能理由是:「根據天氣預測,今年暖冬概率 80%,過去三年數據顯示暖冬時厚外套銷量下降 20%。」這種透明解釋讓企業更信任 AI 的決策。

-----廣告,請繼續往下閱讀-----

但會解釋還不夠,AI 還需能真正執行。這時,就需要另一位「 AI 代理人」上場。想像這位 AI 代理人是一位「智慧產品經理」,大腦裝滿公司規則、條件與行動邏輯。當客戶要求變更產品設計時,這位產品經理不會手忙腳亂,而是按以下步驟行動:

  1. 檢查倉庫物料:庫存夠不夠?有沒有替代料可用?
  2. 評估交期影響:如果需要新物料,供應商多快能送到?
  3. 計算成本變化:用新料會不會超出成本預算?
  4. 做出最優判斷,並自動生成變更單、工單和採購單,通知各部門配合執行。

這位 AI 代理人不僅能自動處理每個環節,還會記錄每次決策結果,學習如何變得更高效。隨時間推移,這位「智慧產品經理」的判斷將更聰明、決策速度更快,幾乎不需人工干預。更重要的是,這些判斷是基於「以終為始」的原則,為企業成長目標(如 Q4 業績增長 10%)進行連續且動態地自我回饋,而非傳統系統僅月度檢核。

這兩位 AI 代理人的合作,讓企業決策流程不僅透明,還能自動執行。這正是數智驅動的核心,不僅依靠數據驅動決策,還要能解釋每一個選擇,並自動行動。這個過程可簡化為 SUPA,即「感知(Sensing)→ 理解(Understanding)→ 規劃(Planning)→ 行動(Acting)」的閉環流程,隨著數據的變化不斷進化。

偉勝乾燥工業為例,他們面臨高度客製化與訂單頻繁變更的挑戰。導入鼎新 METIS 平台後,偉勝成功將數智驅動融入業務與產品開發,專案準時率因此提升至 80%。他們更將烤箱技術與搬運機器人結合,開發出新形態智慧化設備,成功打入半導體產業,帶動業績大幅成長,創造下一個企業的增長曲線。

-----廣告,請繼續往下閱讀-----

值得一提的是,數智驅動不僅帶動業務增長,還讓員工擺脫繁瑣工作,讓工作更輕鬆高效。

數智驅動的成功不僅依賴技術,還要與企業的商業策略緊密結合。為了讓數智驅動真正發揮作用,企業首先要確保它服務於具體的業務需求,而不是為了技術而技術。

這種轉型需要有策略、文化和具體應用場景的支撐,才能讓數智驅動真正成為企業持續增長的動力。

還在猶豫數智驅動的威力?免費上手企業 AI 助理!👉 企業 AI 體驗
現在使用專屬邀請碼《 KP05 》註冊就享知:https://lihi.cc/EDUk4
訂閱泛科學獨家知識頻道,深入科技趨勢與議題內容。

👉立即免費加入

-----廣告,請繼續往下閱讀-----
文章難易度
鳥苷三磷酸 (PanSci Promo)_96
222 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
解密離岸風電政策環評:從審查標準到執行成效,一次看懂
鳥苷三磷酸 (PanSci Promo)_96
・2024/12/21 ・3546字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

本文由 環境部 委託,泛科學企劃執行。 

政策環評是什麼,跟一般環評差在哪?

隨著公共建設的規模越來越大,傳統的環境影響評估(EIA),難以應對當今層層疊疊的環境議題。當我們評估一項重大政策時,只看「單一開發案」已經不夠,就像評估一棵樹,卻忽略了整片森林。因此,政策環境影響評估(SEA)應運而生,它看樹,也看森林,從政策的角度進行更全面的考量與評估。

與只專注於「單一開發案」的個案環評不同,政策環評更像是一場全面性的檢視,強調兩個核心重點:「整合評估」與「儘早評估」。簡單來說,這不再是逐案評估的模式,而是要求政府在制定政策時,就先全面分析可能帶來的影響,從單一行為的侷限中跳脫,轉而聚焦在整體影響的視角。無論是環境的整體變化,還是多項行為累計起來的長期影響,政策環評的目的就是讓這些潛在問題能儘早浮現、儘早解決。

除此之外,政策環評還像是一個大型的協商平台,以永續發展為最高指導原則,公開整合來自不同利益團體、民眾與各機關的意見。這裡,決策單位不再只是單純的「評分者」,而是轉為「協調者」或「仲裁者」,協調各方的意見看法在這裡得到整合,讓過程更具包容性。

-----廣告,請繼續往下閱讀-----

政策環評並沒有所謂的「否決權」,而是側重意見的蒐集與整合,讓行政機關在政策推動時,能更全面地掌握各方意見。政策環評旨在建立系統化、彈性的決策評估程序(包含量化、特徵化等評估方式),也廣納社會面或民眾滿意度等影響因子,把正式與非正式的作法一併考量進去。再來,決策程序中能層層檢討、隨時修正,也建立了追蹤機制和成效評估標準(如環境殘餘效應、累積效應等),透過學習來強化決策品質與嚴謹度。就像一場球賽,隨時根據變化、調整策略。

這樣的制度設計,就非常適合離岸風電這類規模大、跨區域、影響層面廣泛的能源政策評估,讓我們可以在政策推動初期就想到整個工程對環境、產業發展與社會的諸多影響,也為後續政策執行奠定更穩固的基礎。

政策環評並沒有否決權,而是重在整合各方意見、量化影響以及建立追蹤與修正機制,這樣的制度設計便適用於離岸風電等大型政策評估。圖/envato

離岸風電為何需要的是政策環評?

離岸風電是能源轉型的重要策略之一,但這不是只在某塊空地上架幾個風車,而是要在廣闊的大海中進行大規模建設,牽涉的不僅是發電,還涉及海洋保育、航空交通、水下文化資產等議題,更與當地漁民的權益息息相關。

這樣的大型離岸風電工程,因海洋環境的風險和不確定性極高,很容易讓人擔心生態影響。如何在海洋生態保護和綠能發展之間找到平衡點?這就需要政策環評的把關,從多方檢視這些複雜的挑戰,確保政策推行既能穩妥,又能達成發電目標。

-----廣告,請繼續往下閱讀-----

2016 年 3 月,經濟部自願提出「離岸風電區塊開發政策評估說明書」,是臺灣首次針對再生能源政策所進行的政策環評。根據這份評估說明書,政府將採分期公告、逐年檢討的方式,每三年開放 0.5~1 百萬瓩(GW)的電量額度鼓勵業者投入開發。當時環保署(現為環境部)歷經九個月召開 2 次意見徵詢會議,蒐集環評委員、專家學者、相關機關、民眾等意見,最終於同年 12 月的環評委員會作出徵詢意見。這些協商和檢討的過程,讓政策「名正言順」,得以充分顧及各方利益與生態平衡。

共通性環境議題與因應對策

在「離岸風電區塊開發政策評估說明書」中,環評會議盤點了開發過程中共通的環境議題。

首先,對於海洋生態保育的重點,特別是對中華白海豚的保護。環評會要求風機基座必須距離白海豚棲地1公里以上,以減少對其生態的干擾。實際上,這項規範在後續的實務執行中更為嚴格,例如,福海二期示範風場已退縮到 2.5 公里外,臺電二期風場甚至退到 4.2 公里外,顯示政策環評確實發揮了實質作用。此外,針對施工期間的聲音干擾,要求施工需有 30 分鐘以上的打樁緩啟動時間,並限制聲量不得超過 180 分貝等。

針對鳥類保育,政策環評也訂立了具體規範。其中,包括風機之間必須留設 500 公尺以上的鳥類穿行廊道,並在施工期間避開每年 11 月至隔年 3 月的候鳥過境期。同時,為確保這些措施確實生效,工程方也被要求設置「鳥類活動監測系統」,持續追蹤、評估風場對鳥類的影響。

-----廣告,請繼續往下閱讀-----

此外,環評會也確立了「先遠後近」的開發原則,要求優先開發較單純的航道外側區塊,待累積足夠經驗及相關資料後,再進行近岸區域的開發。這項原則考量了近海生態系的複雜性,也顧到養殖漁業的漁民權益,展現出政策環評在平衡發展需求與環境保護上的價值。

新一代的審查機制:達成能源轉型及環境保護雙贏

為提升環評效率並確保審查品質,環境部參考過去離岸風電審查經驗,制定「風力發電離岸系統開發行為環境影響評估初審作業要點」,建立了全新的二階段審查機制。

環境部推動二階段審查機制,提升離岸風電環評效率與審查品質。圖/envato

這套新機制分為兩個階段。第一階段,就像「初步檢查」,由環境部依照檢核表進行初審,並由環評審查委員會執行秘書邀集 2-5 位環評委員進行初審,通過第一階段初審之業者,可取得經濟部遴選資格,其初審結果有效期為兩年,必要時可申請展延一年。接著進入「第二階段」,開發單位檢附目的事業主管機關核配的容量證明文件等資料,提供更詳細的環境影響說明書以進行實質審查。

檢核表明確規範了 15 大項審查事項、112 項檢核項目,涵蓋開發案的全生命週期。

-----廣告,請繼續往下閱讀-----

工程面,包含風機及海上變電站基礎設置、海域電纜路線規劃、陸域設施工程等硬體設施的規範。其中,風機基礎設置必須避開海岸保護區、河口、潮間帶等環境敏感區域,且須進行地震危害度分析。海域電纜部分,除特殊情形外,埋設深度至少須達 1.5 公尺,且不得跨越中華電信海底電纜 1 公里的範圍。

環境保護上,檢核表則對施工噪音管制訂立了明確標準。舉例來說,打樁期間警戒區 750 公尺範圍內的水下噪音不得超過 160 分貝,且必須全程採用最佳噪音防制工法。同時,每個開發案或聯席審查的風場,同一時間內只能進行一支基樁施作,而日落前一小時到日出前也不得啟動新的打樁作業。

環境監測計畫更是檢核表中的重點,分為「施工前、施工期間、營運期間」三階段,每個階段都規定了詳細的監測要求(包括海域底質監測、水下噪音監測、鯨豚目視監測等)。以鯨豚監測為例,每年需執行20趟次,四季中每季至少執行 2 趟次。此外,所有監測數據都必須上傳至環境部「環保專案成果倉儲系統」(https://epaw.moenv.gov.tw/)供各界查閱。

這套標準化的審查機制不僅解決了「同一風場可能有多家廠商重複調查或審查」的資源浪費,也透過明確的檢核項目,讓開發單位在規劃階段就能掌握更具體的環境保護要求。不僅如此,該機制亦確保了環境保護標準前後一致,避免不同案件之間標準不一。

-----廣告,請繼續往下閱讀-----

結語

透過新的審查機制,環境部正積極推動再生能源開發案的環評審查作業,在提升行政效率之餘,也確保環境影響評估的品質,支持臺灣的離岸風電開發及國家能源轉型政策,也做好把關。藉由標準化檢核表和二階段審查制度,期待能在推動能源轉型的同時落實環境保護。

為確保制度能持續精進,環境部每半年至一年會進行制度檢討,並持續公開所有環評書件於「環評書件查詢系統」(https://eiadoc.moenv.gov.tw/eiaweb/)。此外,環評會議召開前一週,也必須在指定網站公布開會訊息,讓民眾能申請列席旁聽或發表意見。透明化措施一方面展現了政府推動永續發展的決心,另一方面也確保全民能共同參與監督離岸風電的發展過程。未來,這套制度將在各界的檢視與建議中持續完善,為臺灣的永續發展貢獻心力,發揮環評作業的最大效益。

-----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
222 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

1

17
13

文字

分享

1
17
13
2021 年《Science》年度十大科學突破
PanSci_96
・2021/12/29 ・5289字 ・閱讀時間約 11 分鐘

-----廣告,請繼續往下閱讀-----

轉眼就來到 2021 年的尾聲。今年,《Science》雜誌評選的「年度十大科學突破」橫跨眾多領域,包括 AI、天文、物理、生物、醫學,以及備受矚目的能源議題,趕快來看看究竟是哪十項突破吧!

十大突破之首——利用 AI 預測蛋白質結構

AI 預測兩種蛋白質如何在酵母菌中形成參與修復 DNA 的複合物。圖/SCIENCE

蛋白質是組成生物體不可或缺的分子。在 1950 年代,科學家透過分析 X 射線繪製蛋白質結構。然而,既有的方法在繪製成本上過於高昂,往往得耗費數年時間,因此在 1970 年代,科學家開始運用計算機建模,預測蛋白質的折疊方式。直到 2018 年,Google 旗下的 DeepMind 團隊開發了 AI 軟體「阿爾法摺疊」(AlphaFold),使得該領域研究取得突破性進展。

多虧這項 AI 技術,科學家得以精準、快速、大量繪製蛋白質結構。今年 7 月,DeepMind 團隊宣布他們成功分析了 350,000 種人體蛋白質,佔所有已知人體蛋白質的 44%,更預計在明年發布所有已知物種的蛋白質結構,約莫 1 億個。團隊也正在進行更進一步的研究,預測這些蛋白質如何在生物體內相互作用,用來製作新型抗病毒藥物。

在這 COVID-19 肆虐的大疫之年,科學家更利用阿爾法摺疊模擬 Omicron 變種病毒,研究棘蛋白突變帶來的影響,試圖找出中和抗體失效的原因。AI 預測蛋白質結構的技術不僅徹底革新分子生物學領域,也勢必在醫學領域大放異彩!

探勘古代洞穴,解鎖 DNA 寶庫

在墨西哥 Chiquihuite 洞穴記錄沉積物樣本的研究員。圖/SCIENCE

誰說沒有化石就不能研究古生物?科學家今年踏足古代洞穴,採集土壤裡的人類細胞核 DNA,藉此重建古代生態系,釐清世界各地穴居人的身份。在美國,Satsurblia 洞穴存有尼安德塔人未知譜系的女性 DNA;在西班牙,Estatuas 洞穴中的土壤 DNA 揭露 8 萬至 11.3 萬年前人類的遺傳特徵,證實在 10 萬年前的冰河時期結束後,某個尼安德塔人譜系取代了其他眾多人類譜系。

-----廣告,請繼續往下閱讀-----

除了人類以外,這種研究方法還可以運用在其他生物上,比如在墨西哥 Chiquihuite 洞穴中,有研究員採集到 1.2 萬年前的黑熊 DNA。與現代熊 DNA 比對後,科學家發現黑熊在上個冰河時期結束後,向北遷徙到阿拉斯加。

「核融合反應」的歷史性突破

192 道雷射光聚在微小的燃料芯塊周圍,準備進行融合反應。圖/SCIENCE

太陽之所以能發光發熱,供給地球能量,都要歸功於太陽內部不斷進行著的核融合反應。長期以來,科學家為了解決地球能源不足的問題,不斷嘗試人工進行核融合反應,可是要達到足夠產生融合反應的壓力和溫度非常困難(請參考:融合能量增益因子/維基百科)。今年,美國國家點火設施(NIF)運用 1.9 兆焦耳的雷射脈衝,壓縮胡椒粒大小的氘(氫的同位素),產出 1.35 兆焦耳的能量,遠高於先前實驗獲得的 17 萬焦耳。

目前,NIF 仍持續進行實驗,試圖藉由更換燃料或調整雷射脈衝數值來提高能量產出,找出能夠最大化能量轉換比例的組合。未來,或許融合反應能夠成為供給地球能源的主流方法!

COVID-19 口服藥「莫納皮拉韋」問世

默克藥廠研發的 COVID-19 口服藥「莫納皮拉韋」。圖/SCIENCE

COVID-19 口服藥終於問世啦!今年秋季,美國默克(Merck)藥廠發布數據,證明其研發的 COVID-19 口服藥「莫納皮拉韋」(Molnupiravir)可將未接種疫苗者的重症和死亡率降低 30%;如果在出現症狀的 3 日內服用輝瑞開發的口服藥 PF-07321332,則可降低 89% 住院率。

-----廣告,請繼續往下閱讀-----

雖然口服藥無法取代疫苗接種,卻扮演非常關鍵的角色。若是 Omicron 變異株造成大量突破性感染,或許口服藥就能接棒,防堵病毒擴散。

創傷後壓力症候群的新興療法——搖頭丸

正在進行 MDMA 治療的創傷後壓力症候群患者。圖/SCIENCE

什麼?搖頭丸還能治病?沒錯!這份發表在《Nature Medicine》的研究證實搖頭丸的主要成分「3,4-亞甲基二氧基甲基苯丙胺」(MDMA)可以減輕創傷後壓力症候群(PTSD)患者的症狀,而且效果十分顯著。該研究將 76 名受試者分成 MDMA 組和安慰劑組,接受 3 次療程,發現 MDMA 組有 67% 的病患試後不再符合 PTSD 的診斷標準,而安慰劑組僅有 32%。

可是這項結果也引起了對於雙盲實驗的質疑,因為試後有高達 90% 的受試者表示他們其實知道自己的組別,這可能大幅影響症狀改善的機率。目前正在進行更大型的實驗,若實驗結果確定 MDMA 能治療 PTSD,預計將在 2023 年提交美國食品藥物管理局(FDA)批准上市。

開發單株抗體,對抗各類傳染性疾病

單株抗體(紅色和藍色)對抗 COVID-19 病毒(紫色球狀物)假想圖。圖/SCIENCE

單株抗體(mAb,簡稱單抗)是融合腫瘤細胞與免疫細胞製造而成的人工抗體,不但有腫瘤細胞不斷分裂的能力,也有免疫細胞產生抗體的能力——簡單來說,單抗可以大量製造相同的抗體,更有效地打擊病毒。除了往年的伊波拉病毒、炭疽病、狂犬病單抗以外,今年也順利合成了瘧疾、愛滋病和呼吸道合胞病毒(RSV)的單抗。目前,科學家正在積極開發更多種類的單抗,首要目標是打擊流感、茲卡病毒和巨細胞病毒(CMV),使得這項新技術有望成為打擊傳染病的「標配」。

-----廣告,請繼續往下閱讀-----

「洞察號」揭密火星內部結構

地震波顯示火星有一層薄薄的地殼、地函和液態核心。圖/SCIENCE

自 2018 年「洞察號」(InSight)登陸火星至今,科學家蒐集 35 筆地震數據,藉以估計火星的地殼厚度、地函結構和地核大小。今年的數據分析結果出爐後,發現這顆紅色行星的平均地殼厚度不到 40 公里,地函非常淺,而且只有一層(不像地球有上、下兩層地函),地核特別巨大,佔了火星體積一半,主要組成元素是低密度的液態鐵和液態鎳,以及硫、氧、碳和氫等較輕元素。這是人類首次使用地震數據探測其他行星的內部結構,也是探索神秘火星的一大步。

改寫粒子物理學模型的繆子實驗

繆子在美國費米實驗室的磁場中旋轉。圖/SCIENCE

在 1960 年代,粒子物理學家提出理論解釋強核力、弱核力和電磁力,這三種理論被稱為標準模型。然而,科學家今年發現「繆子」(Muon)——一種比電子更重、更不穩定的粒子——其實際測得的 g 值(自旋角動量與磁性大小之間的關係)比標準模型所預測的還要大,且兩者的誤差範圍沒有交集。

目前,眾多科學家正在美國費米實驗室(FNAL)進一步分析實驗數據。假如繆子實驗沒有任何閃失,這樣的結果將撼動物理學界,徹底改寫擁有 50 年歷史的標準模型。

CRISPR 基因編輯——確實能在體內發揮療效!

RNA(藍色)將 DNA 切割酶(白色)引導至目標(橙色)。圖/SCIENCE

去年,科學家運用 CRISPR 基因編輯技術,在實驗室修改造血幹細胞,治癒鐮刀型貧血和乙型(β 型)地中海貧血。今年,科學家更大膽了,直接在人體內部署 CRISPR!研究結果顯示,這種基因編輯技術可以有效減少一種有毒的肝臟蛋白質數量,甚至改善遺傳性失明患者的視力,讓兩名幾乎完全失明的患者能夠感覺到光線,並且在昏暗的光線下避開障礙物。

-----廣告,請繼續往下閱讀-----

體外胚胎培養——研究生命體早期發育歷程

在罐中成長的小鼠胚胎可以幫助科學家更了解人類發育的早期階段。圖/SCIENCE

透過研究胚胎,科學家得以找出先天性缺陷和流產的原因,但礙於倫理學和法律規範,目前對於體外胚胎培養的了解並不多。今年,有團隊利用誘導性多能幹細胞(Induced pluripotent stem cell,簡稱 iPS 細胞)成功複製人類的囊胚(受精後準備孵化及著床的胚胎),另外有團隊發現皮膚細胞經 iPS 細胞誘導、轉化後,也可以產生類似囊胚的結構,作為體外胚胎實驗的替代品。

除了十大科學突破以外……

《SCIENCE》今年也特別列出三項影響科學發展的重大阻礙,包括難解的氣候議題、備受爭議的癌症新藥,以及在疫情之下遭受猛烈砲火抨擊的科學家。

越來越熱!減碳目標恐難以達成

這座位於德國博克斯貝格(Boxberg)的燃煤電廠預計 2038 年才會關閉。圖/SCIENCE

自從工業革命以來,全球氣溫升幅達到了 1.2°C,近年極端氣候事件更是層出不窮。對此,今年的聯合國氣候變遷大會(COP26)達成多項協議,包括將全球氣溫升幅限制在 1.5°C 以內、確立碳交易市場架構,以及減少碳排放量。然而,全球經濟現在依然大幅仰賴化石燃料,況且聯合國協議不具約束力,是否能達成減碳目標,必須取決於各國政策制訂。

充滿爭議的阿茲海默症新藥「Aduhelm」

正子斷層掃描(PET)顯示 Aduhelm 能有效清除 β 類澱粉蛋白斑塊。圖/SCIENCE

美國食品藥物管理局(FDA)近 20 年來首次核准阿茲海默症藥物,即百健(Biogen)藥廠開發的 Aduhelm。經臨床實驗證實,這種藥物能清除異常堆積在患者腦內的「β 類澱粉蛋白斑塊」,也就是失智症發病和惡化的原因。照理說,這是患者和家屬期盼以久的好消息,卻被不少大型醫院和醫學中心拒絕採用,因為在兩項大型臨床實驗中,只有一項實驗證明其改善認知功能的療效勝過安慰劑,卻沒有證據顯示 Aduhelm 有顯著的改善效果。

當疫情碰上政治形態——夾縫中求生存的科學家

比利時病毒學家範蘭斯特(Marc Van Ranst)收到來自極右派狙擊手柯寧斯(Jürgen Conings)的死亡威脅後躲避自保。圖/SCIENCE

長期以來,科學家遭受攻擊的事件層出不窮,但在今年,對於 COVID-19 的政治分歧引發大眾對科學家前所未有的敵意,包括各種形式的恐嚇、抗議和死亡威脅。遭受威脅的有美國首席防疫專家佛奇(Anthony Fauci)、英國首席醫療官惠提(Chris Whitty),以及世界各地的學者和防疫工作者。

-----廣告,請繼續往下閱讀-----

《Nature》訪問 321 名研究人員,發現有超過 50% 的人信譽受到攻擊,15% 的人收到死亡威脅,甚至有許多人從此辭去他們熱愛的研究工作。

-----廣告,請繼續往下閱讀-----
所有討論 1
PanSci_96
1262 篇文章 ・ 2394 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。