病房隔間再進化—互動式屏幕從你的心裡照顧起—《康寧創星家》競賽報導

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

過去十年是人類史上最熱的日子，且全球海平面上升速度加快至原來的近 3 倍 ^[1]，氣候變遷不是未來式，而是現正「熱」映中。

若地球再升溫攝氏 1.5 度，氣候的變化可能變得無法挽回，而且上升的海平面將會入侵沿海城市與人口稠密的平原區，人類生存將會面臨很大的挑戰，為了避免如此巨大的災難，IPCC 訂定了全球行動基準：2030 年前，全球碳排放量需減半^[2]，時限只有不到十年的時間。

可是人類的所有的活動，都會或多或少造成二氧化碳排放，難道真的要靠薩諾斯彈個手指消滅一半的人類嗎？粗暴的行為 duck 不必！我們只需要將「碳中和」的概念貫徹於生活中就可以了。

先談談什麼是「碳中和」

碳中和（carbon neutrality），是指通過使用低碳能源取代化石燃料、植樹造林、節能減排等方法，抵銷各種產品或活動造成的二氧化碳排放，實現正負抵消，達到相對「零排放」的做法。

一般常見的做法有兩種：

• 建立碳補償系統。例如：透過植樹造林、購買再生能源憑證^[註1] ，從大氣中移除因為某項產品或活動造成的碳排放量。
• 使用低碳或零碳排的技術。例如使用再生能源（如風能和太陽能），而非化石燃料，以避免因燃燒化石燃料而排放二氧化碳到大氣中。

但無論是碳補償系統或是再生能源產業，都還需要花很長的時間來建設，那麼，有什麼是我們在日常生活中可以落實的？——有的！那就是玻璃回收。

玻璃：完全可再生利用的材質

玻璃是將石英（SiO2，砂的主要成分）混合了定量的碳酸鈉與碳酸鉀後，在 1,500 °C 熔煉爐中燒製而成的，是一種透明、高硬度的材料，具有成分安定的特性，所以許多化學會使用玻璃瓶來盛裝。

但也是因為不易腐化的特性，如果將廢玻璃作為垃圾處理，無論是掩埋或是焚化，都無法很有效的處理廢玻璃，玻璃碎片將成為土壤中難以分解的物質。

但這也不是什麼難解的問題，因為玻璃是一種可以完全再利用及再生的材質，可以被再製成各類玻璃產品或玻璃原料，具有一定的回收價值。

玻璃主要回收方式有兩種：

• 原型利用：將使用過的玻璃容器或產品直接回收再利用，不經由粉碎等過程，常見於玻璃容器回收。
• 粉碎玻璃粒料再利用：將使用過的玻璃產品，回收後經由清洗、粉碎、去除雜質後，製成可供再次熔煉的玻璃粒料，常見於平板玻璃的回收。

其中「原型利用」是最簡單又最能有效減碳的再利用模式，像是台灣菸酒公司及台灣青島啤酒公司針對其所使用的啤酒瓶等容器，透過回收瓶費制度及逆向回收系統，將收回的玻璃酒瓶經清洗與高溫消毒處理後，就可以重複裝填啤酒等產品。

生產新玻璃，加熱原料「碳排量」極高

若是生產全新的玻璃瓶，在加熱原料時需要燃燒天然氣來達到高溫，這個步驟佔玻璃製造碳排放量的 75% 至 85%，其他的排放量大多是來自於原料之間化學反應的副產物^[3]。與之相比起來，「原型利用」幾乎是零碳排的作法，也是最節省成本與材料資源的好方法。

即使是難以直接再利用的平板玻璃，粉碎後重新煉製成玻璃也能大量減少碳排放量，因為融化碎玻璃所需要的溫度較低，能減少燃料的使用，而且碎玻璃融化時，不會像石英沙等原材料釋放二氧化碳，從而減少碳排放量。

根據歐洲容器玻璃聯盟 (FEVE) 的說法，與完全由原材料製造玻璃相比，熔爐中每使用 10% 的回收碎玻璃，可減少 5% 二氧化碳排放量^[3]，若再參照我國行政院環境保護署網站資訊，台灣的玻璃製造廠使用的原料中，回收碎玻璃約佔 50％^[4]，換算下來約能減少 25% 的碳排量。

除此之外，粉碎玻璃粒料還可以作為玻璃瀝青、透水磚等環保建材的材料。然而這種回收難度不高、用途又廣泛的材料，在大多數國家卻仍當作垃圾掩埋，為什麼？

美國玻璃回收率僅 31%，算是放牛班

歐洲是少數妥善回收玻璃的地區，也是全球回收玻璃的領頭羊，所有 27 個歐盟成員國以及英國，已經回收了境內四分之三的容器玻璃，並且每個新的玻璃製品使用了約 52% 的回收材料，而且他們還希望做到更好，當地的玻璃容器業有一個宏大的願景：希望能在 2030 年以前將容器玻璃收率達到 90%。

與歐洲相比，美國的消費習慣與環保概念仍十分落後，根據美國國家環境保護局（Resources in Traditional Chinese Language）的數據，僅 2018 年美國就把 700 萬噸玻璃當作垃圾掩埋了，佔所有固體城市垃圾的 5.2%，僅有 31% 的玻璃容器被回收。

幸好，還是有部分區域自發性的在為玻璃回收做出貢獻，像是有美國維吉尼亞州阿靈頓郡的玻璃包裝協會，他們正努力趕在 2030 年前將玻璃容器回收比例提高到 50%；而南非的玻璃回收公司（Glass Recycling Company），成功將整個南非的玻璃回收率從 2005-06 年的 18% 提高到 2018-19 年的 42%。

但在其他開發中國家——例如在中國、巴西或印度，沒有公佈明確的回收現況報告或者未來的計畫，然而這些國家也有著巨大的生產力與消費力，環保永續的未來必須要大家一同參與，否則是對寶貴資源的巨大浪費。

玻璃是透明的，但不能視而不見地埋起來

從工業革命開始，人類不斷的使用石化燃料、排放溫室氣體，未來十年內，二氧化碳就會達到足以改變氣候的濃度，放縱的消費習慣是該懸崖勒馬了。

玻璃是必不可少的材料，我們當然可以繼續使用，只需要確保它被正確地回收再利用，而不是被埋進垃圾場裡，就能大大減少製造過程所產生的二氧化碳，邁向循環永續的綠色供應鏈。

就讓我們從玻璃回收再利用開始做起，讓回收玻璃成為「碳中合未來」的敲門磚！

註解

註 1：再生能源憑證是再生能源電力生產的證明，通常以度或千度電量為單位，在憑證上會紀錄這批電力的發電方式、生產地點及生產時間，並透過國家認可的第三方認證，證明你買到的是純綠電，也稱綠電憑證。造成碳排的一方可以購買再生能源憑證，等於是將自己產出的碳排放量交由再生能源業者回收。

1. 聯合國氣候變遷最新報告顯示全球氣溫上升速度快過預期
2. 碳中和
3. Nature : Glass is the hidden gem in a carbon-neutral future
4. 行政院環境保護署 生活廢棄物質管理資訊系統
5. IPCC https://www.ipcc.ch/sr15/
6. 認識再生能源憑證
7. 永續發展從哪裡來能往哪裡去？減碳還不夠，下一站是「碳中和」
8. 資源回收網- 材質專區
9. 升溫逼近關鍵的1.5度，IPCC釋出最新氣候報告
10. 氣候變化：九張圖看懂全球變暖和你我的關係
11. 維基百科 玻璃

• 文／王齡敏，獸醫師，社團法人台灣猛禽研究會猛禽救傷站主任。

全球各地的大城市當中，因建築的玻璃與鏡子等設計，經常會發生鳥類飛行時錯認這些是可飛行的路徑，導致撞上而造成傷亡的「窗殺」事件。窗殺可歸納為日間撞擊與夜間撞擊，兩者成因不同。

窗殺事件層出不窮，臺灣也該正視此問題，並研擬出相關的預防措施。

世界各國的窗殺事件

有一種人為的無心傷害，造成每年上億隻野鳥死亡。

這種因撞擊玻璃或建物而導致的傷害稱為窗殺 (bird-building collisions 或 bird-window collisions)。世界各地每年都有多起窗殺案例，舉例來說，美國約有 3 億 6500 萬 ~ 9 億 8800 萬起案例、加拿大約 1600 ~ 4200 萬起及南韓每年約 800 多萬隻野鳥死亡。

雖然北美對野鳥窗殺議題已研究 30 多年，但在臺灣卻很少被提及與討論，相關的研究甚至付之闕如。

回歸到窗殺的發生原因，為何鳥類特別容易撞玻璃呢？

• 首先，鳥類（或大部分的動物）無法將玻璃辨識為隔離物或障礙物；
• 第二，鳥類雖具有翅膀可飛翔並來去自如，但也容易誤判如高樓的玻璃反射影像而撞上。

北美研究窗殺議題多年，美國明尼蘇達州奧杜邦學會 (Audubon Minnesota) 於 2010 年 5 月出版的《鳥類安全之建築指南》(Bird-Safe Building Guidelines)，大致將窗殺歸納為日間撞擊與夜間撞擊。

日間撞擊原因有二：

• 一為玻璃具有穿透性，因此玻璃帷幕或隔音牆等建物，若是位於鳥類可能穿越的路徑上，便會導致窗殺；
• 二為玻璃的鏡像反射效應，即使透明的玻璃也可能會產生鏡像的效果，更遑論貼有隔熱紙或特別設計為單向透視的鏡面玻璃。

甚至一些半戶外環境，如公廁或游泳池等設立的鏡子，鏡像效果導致鳥類無法分辨影像真偽，以為反射的遠景或山林影像可以飛過，因此一頭撞上，嗚呼哀哉。

夜間撞擊的原因則為燈塔效應 (beacon effect)，當夜間空氣濕度較高，或有霧氣或霧霾時，建築物的燈光會吸引遷徙中的鳥類，導致鳥類迷航而誤撞建物。

明尼蘇達的窗殺案例

筆者曾於 2013~2015 年間服務於美國明尼蘇達大學猛禽中心 (The Raptor Center, University of Minnesota)，當時聽聞明尼亞波利斯 (Minneapolis) 市中心將興建美國合眾銀行體育場 (U.S. Bank Stadium)，並計畫採用大面積的玻璃作為建築設計。

筆者在當地工作期間曾數次路過該體育館改建前的休伯特‧漢弗萊體育場 (Hubert H. Humphrey Metrodome)，由於當時對窗殺涉入不深，是無意間與一名猛禽中心的志工聊天而討論到此事，他表示很擔心這棟建築未來對於當地鳥類的衝擊。

而在筆者先前擔任野生動物獸醫師的職涯中，不時會接獲窗殺案例，但由於占傷病原因的比例並不高，所以過去筆者認為這只是不常見的偶發傷害。直到回國後，於 2017 年起在台灣猛禽研究會（以下簡稱猛禽會）進行猛禽救傷，發現為數不少的猛禽因撞窗而癱瘓，才逐漸意識到窗殺對於野鳥的衝擊。

後來明尼亞波利斯的新體育場於 2016 年落成，當地的研究人員蒐集並分析 2017 ~ 2018 年間的野鳥撞玻璃案例，他們除了合眾銀行體育場外，還監測當地其它 20 棟具窗殺風險的建築。

調查期間共蒐集 1000 多起的鳥類窗擊案例，發現合眾銀行體育場窗擊事件占所有 21 棟建築的第二高位（225 ~ 229 件），其中包括 42 種鳥類（該研究調查到的窗殺鳥種共 75 種）。

報告中指出窗殺會因季節不同而有所變化，秋季明顯高於春、夏二季（冬季因當地過去研究窗殺機率低，故此研究未將其納入），秋過境期的窗殺比率為春過境期四倍，而候鳥遭窗殺的數量則較高，前五名物種皆是候鳥，分別為白喉帶鵐 (Zonotrichia albicollis)、黃喉蟲森鶯 (Leiothlypis ruficapilla)、橙頂灶鶯 (Seiurus aurocapilla)、黃喉地鶯 (Geothlypis trichas) 與灰綠叢森鶯 (Leiothlypis peregrina)，占此研究窗殺比例近 50％。

臺灣也該正視鳥類窗殺事件！

北美許多地區都有類似的研究報告與長期監測活動，但臺灣對窗殺的系統性研究目前仍未開啟，頂多只有一些零星的撞玻璃傷亡鳥類的花邊新聞報導。

筆者於去 (2019) 年起設立臉書社群「野鳥撞玻璃回報」，希望藉由網友的力量蒐集國內關於野鳥窗殺資料。另外，猛禽會也於去年獲得聯華電子主辦的「綠獎」青睞，計畫今 (2020) 年於臺灣北部地區執行野鳥窗殺調查與友善鳥類玻璃教育推廣，希望引起社會大眾、企業與政府對於野鳥窗殺的重視。

該如何避免窗殺？

看到這裡，或許讀者會急著想知道到底如何防止野鳥窗殺。其實江湖一點訣，說破不值錢，原理就在於想辦法讓鳥能「看到」或「看懂」眼前的玻璃（無論窗戶、鏡子或隔音牆等）是無法通過的阻隔物。

因此，凡是改善玻璃材質，如霧面、雕花或蝕刻圖案等；玻璃上裝飾，如貼或畫上密集圖案或大面積圖案等；與玻璃外布置，如掛上許多垂墜物、植生牆、圍欄和隱形鐵窗等，都有防治效果。

但依筆者經驗，最常見的錯誤防治法就是在面積不小的玻璃上只貼一張猛禽貼紙或鷹眼貼紙，認為鷹的形象可以嚇阻鳥兒不接近，但最後卻發現效果不彰。

其實，這就如同在農田設立稻草人，鳥類會判斷環境中的威脅者，當牠發現貼在玻璃的飛鷹不會動，會判定沒有威脅，自然不當一回事，反而想從沒貼貼紙的玻璃處飛去而導致窗殺。

因此美國奧杜邦學會曾做過研究，想知道到底要布置多密，野鳥才不會飛撞玻璃。實驗結果顯示，寬 5 公分 × 長 10 公分（約 2 英寸 × 4 英寸）的布置間隔可以防止 90％ 以上的窗殺，或許讀者們可以參考，做為野鳥窗擊風險玻璃的改善準則。

延伸閱讀

1. Bird-Safe Building Guidelines
2. 野鳥撞玻璃回報 （Reports on Bird-Glass Collisions）
3. Birds Striking Building Windows Final 032014

〈本文選自《科學月刊》2020 年 3 月號〉

在一個資訊不值錢的時代中，試圖緊握那知識餘溫外，也不忘科學事實和自由價值至上的科普雜誌。