0

1
0

文字

分享

0
1
0

什麼是「土壤液化」?它真的很可怕嗎?——真正可怕的是你我都忽略的事

阿樹_96
・2016/02/18 ・6101字 ・閱讀時間約 12 分鐘 ・SR值 541 ・八年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

土壤液化不是指土為水,而是你我腳下土地平衡的破壞

在美濃地震後,台南部分地區出現大量「土壤液化」災情。這四個字個別都看得懂但合在一起卻又有點陌生;也或許這個災害在過往的天然災害中並不算常見,即使能輕易的就能從 google或一些研究機構的說明文件查到相關資訊的介紹(譬如國震中心的網頁:安全耐震的家),仍有些民眾或是民意代表對此一知半解。

從有民意代表誤會成液化災區的土壤特別軟、一戳就凹之類的誤解,就可知道不懂的人或許真的還很多。雖然這樣的舉動會讓多數地質人的理智線斷裂,但我們還是要把事情說清楚講明白,看清楚問題的所在,才是探討土壤液化更重要的事吧?

液化一點也不簡單。感謝pansci作者廖英凱賜圖。
液化一點也不簡單。感謝pansci作者廖英凱賜圖。

什麼是土壤液化?讓我們從頭開始說明

字面上的意思雖然很直觀,但實際上土壤液化並不是土變軟或是土變水的土盾或水盾忍術。在過程中土量、水量都沒有變化,本身微觀的性質也沒有什麼變化,變化的是排列方式和受力程度。土壤的排列其實十分鬆散,無論巨觀上看起來有多扎實,都有可能裡面藏著很多「孔隙」,講到孔隙就必需借用一下國震中心的圖片了:

孔隙率的計算方式示意,圖中灰色的地方是土壤,藍色的地方就是孔隙。圖來源:安全耐震的家。
孔隙率的計算方式示意,圖中灰色的地方是土壤,藍色的地方就是孔隙。圖來源:安全耐震的家。

大多數的情況下,土壤不會堆的很好,那些孔隙也是不規則的樣貌,但基本上砂土的顆粒和顆粒之間是有互相接觸的。有接觸就有力和反作用力的作用(工程術語叫有效應力,但為簡化說法請容許我改變一下形容方式)。一般來說這些力達到平衡時,大家會乖乖排好不會亂動,也不會有沉陷的問題發生。

但水開始進來後(多半是地下水),又是不同的情況了(跟惡魔果實能力者一樣泡在裡面會變弱),因為水會多了一個類似浮力效果的作用(孔隙水壓),感覺就像較上層的顆粒被抬起來了,對下方顆粒的作用力減少,反作用力自然也較少,強度會下降。

但是平常我們看到的情況,即使有地下水,底下還是維持著平衡的狀態,當然在建築時也常需要把水排掉,讓地質較穩固也是有的現象。但地震來時(尤其是大地震),震波的搖晃會破壞平衡,然後孔隙水壓本來就大的地方,會有以下兩種作用:

重新堆疊,排出水分,大概的情況就像下面這張圖一樣:

地震後重新排列後的土壤,排出了多餘水分。圖來源:安全耐震的家。
地震後重新排列後的土壤,排出了多餘水分。圖來源:安全耐震的家。

不過這個過程中,還有一個過渡狀態,就是土顆粒們反應不及,還浮在水中的時候,此時此地的土壤就會變成像液態般的行為,上方如果有些地方重、有些地方輕,就會有不同的沉陷方式,所以有建物的地方會垮下去也是正常的,而地震波帶來的搖晃加上建物房屋本來就不均質的關係,也會讓建物出現傾斜或地坪破壞的現象。

就像下圖的狀態(想像成地震時的瞬間快照)

筆者自繪說明土壤正在發生液化過程的圖。
筆者自繪說明土壤正在發生液化過程的圖。

啊多出來水咧?往下沒地方去(液體的不可壓縮性),當然就是往上跑,水往上跑的時候往往就會帶著泥沙噴出來,所以這次震後常見到噴砂、甚至是泥火山的現象。

以下的影片可以快速看到這兩種現象,沉陷+噴砂(深色那個推測應該是染色標記的色砂而已)

  • 實驗設計者:臺大土木系翁作新教授

土壤液化若在有坡度的地方或是河岸邊,就會出現「側潰」的現象,簡言之就是有點像小規模山崩的樣子,像台南高爾夫球場的崩塌的樣貌,就有點像是類似側潰的現象(但因筆者未實際走訪,實際原因仍保留,但新聞照片看起來的確較像表面崩塌而非斷層,加上球場多以填土方式製造坡度,若底下含水量高時,遇到地震確容易發生側潰)。

快速總結一下,地震引發土壤液化的條件就是:

  • 1.粒徑組成在某個範圍內的土
  • 2.地下水面以下的土
  • 3.夠大的地震製造擾動

土壤液化好像很可怕!怎麼辦啊?

從過往的災例來看,土壤液化使樓房傾斜損壞的災情多半是財損大於人損,對人命的安全較無立即性的危害,直接倒塌多半還是本身建物抗震能力不足所致。甚至土壤含水較高時,晃動程度還會比鬆軟但含水少的土壤小一點,大概是液體的抗剪能力強,剪力波的能量難以穿透,簡言之就是還有部分吸收地震能量的效果,所以土壤液化其實並不是那麼可怕的東西。

當然,它還是很討厭,因為發生後還是得處理,傾斜的房屋需要補強地基、地基有損毀的房屋也要花一筆錢、噴砂的現象還是得清理乾淨,還是天外飛來一筆橫禍。而且即使能修,屋主內心的陰影創傷也難以抺滅…像是下面的災情:

台南新市三民街受0206地震土壤液化影響的房子,主要結構未損壞,但地坪隆起、磚牆破裂。鍾令和博士提供。
台南新市三民街受0206地震土壤液化影響的房子,主要結構未損壞,但地坪隆起、磚牆破裂。鍾令和博士提供。
新化當地居民提供的噴砂照片。by「鄉民地震災害學」相簿
新化當地居民提供的噴砂照片。by「鄉民地震災害學」相簿

那麼預防的方式呢?一般來說如果是「高土壤液化潛勢區」(等一下再介紹這是什麼)的地質環境,會有一些建議的施工方式,像是基盤改良、打較深的椿穿過液化潛勢區,或者直接把土壤夯實(就是叫浩克來踩一踩把孔隙變小)一點(下面幾張國震中心繪的圖也借用一下說明)。

不過這邊要特別提一點很重要的事,不是這樣做了就一定不會液化或者是房子鐵定不會受影響,只是相對起來有預防至少可以避免相關災情發生,也讓房子較為穩固,減少因地震引發的土壤液化而被破壞

打基椿的土壤液化防治工法,即使打不到岩盤深度,夠深的話還是有一定的防治效果。圖來源:安全耐震的家。更多工法請見http://www.ncree.org/SafeHome/ncr02/ncr3.htm
打基椿的土壤液化防治工法,即使打不到岩盤深度,夠深的話還是有一定的防治效果。圖來源:安全耐震的家。更多工法請見這裡
地盤改良的灌漿工法,簡單來說就是把液化潛勢區的地方變成不可能會液化的水泥,並且連接到房子的地基。圖來源:安全耐震的家。
地盤改良的灌漿工法,簡單來說就是把液化潛勢區的地方變成不可能會液化的水泥,並且連接到房子的地基。圖來源:安全耐震的家。

另外,修復方式也是根據類似的原理來復原,如果房屋的主要結構未受破壞,也是可以繼續修復的,但如果破壞的太嚴重,也只得砍掉重練,當然這些還是得請專業的來判斷。

用頂升和灌漿的方式修復液化傾斜的房子。圖來源:安全耐震的家。
用頂升和灌漿的方式修復液化傾斜的房子。圖來源:安全耐震的家。

土壤液化潛勢區公布後,房價會受影響?

那麼最近一直在說要公布的「土壤液化潛勢圖」,為什麼不早公布?難道政府是圖利財團,不想要讓房價跌?在我看來這是個假議題(至於為什麼等等會提),應該先回歸到「液化潛勢的意義是什麼?」來看,至少我們得先了解這個圖怎麼做出來的,又要怎麼解讀才正確?因為不當的解讀反而不易達到原先預想防災效果,只會徒增恐慌和讓不肖建商有更多增加建築成本的說法。

那我們先來看看何謂「土壤液化潛勢區」。工程上有一些計算的方式,在此為免事情複雜化以致篇幅過長,先從原理面談起。從前面提到土壤液化的原理可以發現不外乎就是三個主要因子:

  • 土:各種性質和粒徑
  • 水:地下水
  • 地震:外在擾動

接著我們再來拆開看,地下水高度、土壤大致上可以從鑽井資料得知,只是會有一個問題就是:取樣偏差。一般來說不會隨便就鑽工程地質鑽井,多半是重大建設或是一些研究需求時才會進行鑽井,這樣沒井的地方怎麼辦?實際上也只能用內插法了,雖然一般工程界不會用很笨的線性內插(這樣會變超不準),而會另外有一些學理上的法則,但實際上沒data的地方就是沒data,我認為還是存在一定誤差。

一般來說,沙質土壤越粗,孔隙越大,水比較容易逃離,而較細的土壤就不好排水,地震來時裡面的孔隙水壓就會比較大,液化的程度會較嚴重,但如果細到黏土程度,或是有黏土填滿砂的孔隙時,這些黏土會讓透水能力變差,裡面的孔隙水壓也不易因擾動而變化,所以鑽井的分析內容大致上是作粒徑、強度以及成分之類,這些都還算蠻基礎的分析(也就是幾乎都會做的)。

至於地震,還沒發生地震怎麼會知道地震有多大呢?這也只能仰賴地震方面的研究,從世界各地過去幾次的大地震引發土壤液化的經驗來看(最早比較開始重視是1964阿拉斯加地震和同年的日本新潟地震,近年的大概就屬921地震和日本311地震),用在探討是否是潛勢區的時候,就會給定一個合理的地震規模和地表加速度值,代入評估的經驗公式來計算(目前筆者看過有使用規模7的、也有用規模7.5來評估的研究,主要應該是依房屋設計耐震規範,小弟的背景偏向地質,故這部分有待指正)。

接著把各個鑽井求出的土壤特性、地下水面高度、地震參數利用經驗公式與統計的方式來評估,就有一個叫「液化潛能指數PL」的參數,之後就把觀測點的資料圖像化,加上一些內插法補點,我想大概就是未來要公布的圖了,而目前會公布的是20公尺以內的資料。

只是公布出來,潛勢高的地方房價會跌嗎?我認為這個問題問太快了,應該先考慮另一件事:住在液化潛勢高地區的人,該怎麼辦?政府該做什麼?民眾自己能做什麼?在看了近期的新聞,幾乎沒有報導提及液化潛勢區的意義,甚至連最重要的一件事也沒有說到:

液化潛勢區的分布圖只能告訴你哪邊「較有可能發生液化」,不代表「真實災情分布」。

液化潛勢區的分布圖只能告訴你哪邊「較有可能發生液化」,不代表「真實災情分布」。

液化潛勢區的分布圖只能告訴你哪邊「較有可能發生液化」,不代表「真實災情分布」。

為什麼?看看這次台南的災區和高液化潛勢分布吧:

來源:國家災害防救科技中心
來源:國家災害防救科技中心

目前安南區並無顯著災情(不知會不會更新),但實際上一堆噴砂和液化導致地表變形的地區散布在各地,反而高潛勢區少有災情。這絕不是因為研究人員亂做亂畫,而是台灣島的侵蝕沉積速率極快,沖積層厚度厚且年輕(年輕等於鬆軟,平原和各處盆地都是這樣),雖然國際上大地工程對液化範圍調查的規範約是 20至 25公尺深,理由是從經驗上含再深一點的深度較不常發生液化的現象,這是有明定規範的規定。

雖然從臺灣的地質角度看總會覺得有點不安,不過畢竟也是由一段時間的研究累積出來的規範,我想還是相信大地工程專業,但我覺得大眾要留給這些研究一點空間,這些規範在早年都還沒訂(沒研究),未來仍有可能會有變動。

再者鑽井處不夠密、鑽井的資料老舊(土和水都會因天然或人為活動有變動),加上前述的取樣偏差與內插法的誤差等等,我們拿到的液化潛勢圖仍會有一定的誤差,因此在行政上若要做出配套政策來因應,就會產生許多難處,譬如要如何定罰則處罰沒有依法施工預防液化的建商,或是如果圖上沒標出卻發生液化的地區是否需要國賠等等,就是我較擔心的層面。在我看來,難以公布的因素不單是政治問題,而是這東西的使用上本來就要仰賴專業解析,這並不容易。日前看了中央大學黃俊鴻教授的臉書PO文,也有提到上述的問題。

source:wikimedia
source:wikimedia

但其實我也贊同透明公開資訊,最理想化是未來再花時間更新補足現有不足的部分,讓公布的圖有一定的精度,或是增加宣導與說明,讓民眾真正理解土壤液化,並從這些防災資訊建立防災意識,才會真正發揮效果。否則徒以房價為理由,焦點又會從防災轉到其它議題,到最後又被說「沒有防災頭腦」,誰願意呢?

在此忍不住提一下,其實液化區域早有人做(譬如這個參考連結),但能怎麼用也是一直沒有人提,這樣的資訊也是無用武之地的。

最後,在液化戳土事件新聞中,似乎又有一項被忽略的事……

《災害防救法》的修法連署

仔細看過災害防救法,就會發現,裡面沒有土壤液化這項災害,而它也算是地震伴隨的災害,理應也要併入來處理。但就新聞得到的資訊,有民代提出受液化影響的災民無法得到補助我實在查不到真假)。不過,災害防救法和一般的法令最大不同的地方,就是它是一個因應天災人災而生的法令,而經常會有大規模的災害發生後,我們才會來檢視法令不足之處。

日本的災害對策基本法來說,裡面涵蓋了非常大的範圍,也有許多「防災」的作為,而我們的《災害防救法》,即使已修改多次,仍有許多不足之處,目前看來也是「救災」的層面為主,較少防災作為,也希望能藉由這個契機,讓防災能更落實。

參考資料與延伸閱讀:

文章難易度
阿樹_96
73 篇文章 ・ 18 位粉絲
地球科學的科普專門家,白天在需要低調的單位上班,地球人如果有需要科普時時會跑到《震識:那些你想知道的震事》擔任副總編輯撰寫地震科普與故事,並同時在《地球故事書》、《泛科學》、《國語日報》等專欄分享地科大小事。著有親子天下出版《地震100問》。

1

133
3

文字

分享

1
133
3
AI 是理科「主場」? AI 也可以成為文科人的助力!
研之有物│中央研究院_96
・2022/08/13 ・5646字 ・閱讀時間約 11 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/田偲妤
  • 美術設計/蔡宛潔

AI 的誕生,文理缺一不可

人工智慧(Artificial Intelligence,簡稱 AI)在 21 世紀的今日已大量運用在生活當中,近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等,都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維,除了仰賴工程師的先進技術,更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員,帶大家釐清什麼是 AI?文科人與工程師合作時,需具備什麼基本 AI 知識?AI 如何應用在人文社會領域的工作當中?

中央研究院人文社會科學研究中心蔡宗翰研究員。圖/研之有物

詩詞大對決:人與 AI 誰獲勝?

一場緊張刺激的詩詞對決在線上展開!人類代表是有「AI 界李白」稱號的蔡宗翰研究員,AI 代表則是能秒速成詩的北京清華九歌寫詩機器人,兩位以「人工智慧」、「類神經」為命題創作七言絕句,猜猜看以下兩首詩各是誰的創作?你比較喜歡哪一首詩呢?

猜猜哪首詩是 AI 做的?哪首詩是人類做的?圖/研之有物

答案揭曉!A 詩是蔡宗翰研究員的創作,B 詩是寫詩機器人的創作。細細賞讀可發覺,A 詩的內容充滿巧思,為了符合格律,將「類神經」改成「類審經」;詩中的「福落天赦」是「天赦福落」的倒裝,多念幾次會發現,原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯;而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯,整首詩創意十足,充滿令人會心一笑的魅力!

相較之下,B 詩雖然有將「人工」兩字穿插引用在詩中,但整體內容並沒有呼應命題,只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝!

由此可見,當前的 AI 缺乏創作所需的感受力與想像力,無法做出超越預先設定的創意行為。然而,在不久的將來,AI 是否會逐漸產生情感,演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人?

AI 其實沒有想像中聰明?

近期有一則新聞「AI 有情感像 8 歲孩童?Google 工程師爆驚人對話遭停職」,讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示:「當前的 AI 還是要看過資料、或是看過怎麼判讀資料,經過對應問題與答案的訓練才能夠運作。換而言之,AI 無法超越程式,做它沒看過的事情,更無法替人類主宰一切!

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言,多半是因為我們對 AI 的訓練流程認識不足,也缺乏實際使用 AI 工具的經驗,因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上,更延伸到文科人與理科人的合作溝通上,因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識,不僅能讓跨領域的合作更加順利,還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是,由於文科人不了解 AI 的訓練流程,因此對 AI 產生錯誤的期待,認為辛苦標注的上千筆資料,應該下個月就能看到成果,結果還是錯誤百出,準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚,兩方就會陷入僵局,導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議:

如果文科人了解基本的 AI 訓練流程,並在每個訓練階段協助分析:錯誤偏向哪些面向?AI 是否看過這方面資料?文科人就可以補充缺少的資料,讓 AI 再進行更完善的訓練。

史上最認真的學生:AI

認識 AI 的第一步,我們先從分辨什麼是 AI 做起。現在的數位工具五花八門,究竟什麼才是 AI 的應用?真正的 AI 有什麼樣的特徵?

基本上,有「預測」功能的才是 AI,你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現,而且人類手工操作就辦得到,那就不是 AI。

數位化到 AI 自動化作業的進程與舉例。圖/研之有物

蔡宗翰研究員以今日常見的語音辨識系統為例,大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話,你會發現自己無法事先知曉將產生什麼文字或回應,結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同:AI 無法百分之百正確!

因此,AI 的運作需建立在不斷訓練、測試與調整的基礎上,盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段,工程師彷彿化身老師,必須設計一套學習方法,提供有助學習的豐富教材。而 AI 則是史上最認真的學生,可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI,讓其根據工程師所定義的資料相似度算法,逐漸學會將相似資料分在同一堆,再由人類檢視並標注每堆資料對應的類別,進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI,讓其逐漸學會將任意資料對應到正確答案。

圖/研之有物

學習到一定階段後,工程師會出試題,測試 AI 的學習狀況,如果成績只有 60、70 分,AI 會針對答錯的地方調整自己的觀念,而工程師也應該與專門領域專家一起討論,想想是否需補充什麼教材,讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作,也可能因為時事與技術的推陳出新,導致準確率下降。這時,AI 就要定時進修,針對使用者回報的錯誤進行修正,不斷補充新的學習內容,讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後,蔡宗翰研究員建議:文科人可以看一些視覺化的操作影片,加深對訓練過程的認識,並實際參與檢視與標注資料的過程。現在網路上也有很多 playground,可以讓初學者練習怎麼訓練 AI,有了上述基本概念與實務經驗,就可以跟工程師溝通無礙了。

AI 能騙過人類,全靠「自然語言處理」

AI 的應用領域相當廣泛,而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因,他充滿自信地回答:因為自然語言處理是「AI 皇冠上的明珠」!這顆明珠開創 AI 發展的諸多可能性,可以快速讀過並分類所有資料,整理出能快速檢索的結構化內容,也可以如同真人般與人類溝通。

著名的「圖靈測試」(Turing Test)便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代,傳奇電腦科學家艾倫・圖靈(Alan Turing)設計了一個實驗,用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好,並派一個人操作終端機,再找一個第三者來進行對話,判斷從終端機傳入的訊息是來自 AI 或真人,如果第三者無法判斷,代表 AI 通過測試。

圖靈測試:AI(A)與真人(B)同時傳訊息給第三者(C),如果 C 分不出訊息來自 A 或 B,代表 AI 通過實驗。圖/研之有物

換而言之,AI 必須擁有一定的智力,才可能成功騙過人類,讓人類不覺得自己在跟機器對話,而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在:人文研究文本分析、新聞真偽查核,更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料,追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化,而大量數位化的經典更被主動分享到「Chinese Text Project」平台,讓 AI 自然語言處理有豐富的文本資料可以分析,包含一字不漏地快速閱讀大量文本,進一步畫出重點、分門別類、比較相似之處等功能,既節省整理文本的時間,更能橫跨大範圍的文本、時間、空間,擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的?就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋,由鎮江、杭州一帶的說書人所創作,著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉,才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素,接著用這批標記好的語料來訓練 BERT 等序列標注模型,以便將「文本向量化」,進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現,白蛇傳的原型可追溯自印度教的那伽蛇族故事,傳說那伽龍王的三女兒轉化成佛、輔佐觀世音,或許與白蛇誤食舍利成精的概念有所關連,推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外,故事的雛型可能早從唐代便開始醞釀,晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事,而法海和尚、金山寺等關鍵人物與景點皆真實存在,金山寺最初就是由唐宣宗時期的高僧法海所建。

白蛇傳中鎮壓白娘子的雷峰塔。最早為五代吳越王錢俶於 972 年建造,北宋宣和二年(1120 年)曾因戰亂倒塌,大致為故事雛形到元素齊全的時期。照片中雷峰塔為 21 世紀重建。圖/Wikimedia

在 AI 的協助之下,我們得以跨時空比較不同文本,了解說書人如何結合印度神話、唐代傳奇、在地的真人真事,創作出流傳千年的白蛇傳經典。

最困難的挑戰:AI 如何判斷假新聞

除了應用在人文研究文本分析,AI 也可以查核新聞真偽,這對假新聞氾濫的當代社會是一大福音,但對 AI 來說可能是最困難的挑戰!蔡宗翰研究員指出 AI 的弱點:

如果是答案和數據很清楚的問題,就比較好訓練 AI。如果問題很複雜、變數很多,對 AI 來說就會很困難!

困難點在於新聞資訊的對錯會變動,可能這個時空是對的,另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器,可輸入當前的新聞讓機器去判讀真假,但過一段時間可能會失準,因為新的資訊源源不絕出現。而且道高一尺、魔高一丈,當 AI 好不容易能分辨出假新聞,製造假新聞的人就會破解偵測,創造出 AI 沒看過的新模式,讓先前的努力功虧一簣。

因此,現在多應用「事實查核法」,原理是讓 AI 模仿人類查核事實的過程,尋找權威資料庫中有無類似的陳述,可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊,致力於建立英文事實查核法模型所能運用的資源,並透過舉辦國際競賽,廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後,也與合作夥伴事實查核中心及資策會討論,正著手建立中文事實查核法模型所需資源。預期在不久的將來,AI 就能幫讀者標出新聞中所有說法的資料來源,節省讀者查證新聞真偽的時間。

AI 的無限可能:專屬於你的療癒「杯麵」

想像與 AI 共存的未來,蔡宗翰研究員驚嘆於 AI 的學習能力,只要提供夠好、夠多的資料,幾乎都可以訓練到讓人驚訝的地步!圖/研之有物

AI 的未來充滿無限可能,不僅可以成為分類與查證資料的得力助手,還能照護並撫慰人類的心靈,這對邁入高齡化社會的臺灣來說格外重要!許多青壯年陷入三明治人(上有老、下有小要照顧)的困境,期待有像動畫《大英雄天團》的「杯麵」(Baymax)機器人出現,幫忙分擔家務、照顧家人,在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式,新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」(Nadine),由感知、處理、互動等三層架構組成,可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境,並將上述資訊發送到處理層。處理層會依據感知層提供的資訊,連結該用戶先前與娜丁互動的記憶,讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象,或對陌生事物感到不安,常選擇靜默不語,需要照護者主動引導。因此,娜丁內建了注視追蹤模型,當偵測到住戶已長時間處於被動狀態,就會自動發起話題。

實驗發現,在娜丁進駐長照機構一段時間後,住戶有一半的天數會去找她互動,而娜丁偵測到的住戶情緒多為微笑和中性,其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

照護機器人娜丁的運作架構。圖/研之有物

至於未來的改進方向,研究團隊認為「語音辨識系統」仍有很大的改進空間,需要讓機器人能配合老年人緩慢且停頓較長的語速,音量也要能讓重聽者可以清楚聽見,並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人,首要任務就是要開發一套臺灣人專用的 AI 語言模型,包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型,期待政府能整合學界與業界的力量,降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感,但卻可以成為人類大腦的延伸,協助我們節省處理資料的時間,更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨,如何讓自己的行事邏輯跟上 AI 時代,讓 AI 成為自己的助力,是值得你我關注的課題。

延伸閱讀

文章難易度
所有討論 1
研之有物│中央研究院_96
253 篇文章 ・ 2219 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

0
2

文字

分享

0
0
2
日本博多車站大洞是工程神話幻滅?你想太多了!
阿樹_96
・2016/12/21 ・5881字 ・閱讀時間約 12 分鐘 ・SR值 554 ・八年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

2016 年 11 月 8 日清晨,日本福岡的博多車站附近的馬路突然間「破了大洞」,大洞的長寬大約 30 公尺,深達 15 公尺。不僅日本人關注,台灣媒體也大量引用新聞和影片報導。

幾天後,新聞瘋狂神化日本工程界,說什麼一下子就補好修好太神了。不料,再過幾天原地點道路又下陷了幾公分,但這次日媒還沒說,我們便搶著腦補「工程神話破滅」了!

用關鍵字和時間查詢,就會發現令我超白眼的新聞。圖/網路截圖
用關鍵字和時間查詢,就會發現令人超白眼的新聞。圖/網路截圖

當我看到這些報導(尤其是打臉工程神話的部分)時,白眼都快翻到後腦勺了……,於是忍不住跳出來說明白。為什麼這件事情這麼重要?因為無論如何,我們的生活脫離不了工程建設,了解工程地質與災害為什麼會發生很重要。當家裡附近施工時,我們需要當心什麼?災變事故也不一定是豆腐渣工程,與其跟風罵人,不如認真了解。

先來聊聊工程人的惡夢:地下水

地下水層並不是指在那一個地層中只有水沒有其它東西,多數地層中的沙土顆粒都有孔隙,孔隙中不是空氣就是水。當孔隙都是水,我們稱這種地層為「地下水層」,而它的上界就是「地下水面」。

如果你曾到海邊堆過沙堡、做過沙雕,就會知道沙太乾堆不起來,但水太多又會整組壞光光,唯有「剛剛好」的濕潤程度,才能堆出穩固的沙堡。相同的,工程向下挖掘會破壞地層受力平衡,但如果開挖的岩層或土層膠結好、含水量也剛好產生足夠內聚力,就不會一挖洞就坍塌。不過,要是挖到了滿滿的大平……,啊不是,是挖到滿滿的地下水層時,自然就會漫出水來,不但含水層本身可能帶著泥沙一起崩潰,也可能侵蝕、破壞鄰近的地層,如果是發生在道路下方,就會造成常聽到的「路基流失」。

不妨再回顧一下 2016 年初台南地震後廣泛討論的「土壤液化」議題,在看土壤液化發生的潛勢時,其中一個條件就是「地下水」。當地震發生時,飽和地下水會讓地層受力不穩定的狀況更加嚴重,因而發生液化的現象。在工程上,解決方案不外乎是改善地質(譬如灌水泥)、將地基的椿打到更深更穩固的地方、把岩層壓密減少孔隙和地下水含量……,總之這些方式的共通點就是:「避開地下水」。

博多地鐵的工法與選擇

建築和挖隧道工法有很多種,但不是全都適合用來挖地鐵,因篇幅有限,就介紹這次事故的福岡七隈線所用的相關工法。主要運用到明挖法(日文:開削工法)、新奧工法(NATM 工法),以及潛盾工法(日文:シールド工法)。

明挖法

「明挖法」的概念最單純,施工方式也最容易,就直接從地表往下挖到目標深度,做好鋼筋水泥設施後,再把土回填蓋上就可以收工。

即使開挖時可能遇上地下水層,也能在事前先用「連續壁」的方式克服。近年來因為大巨蛋的爭議,民眾對連續壁一詞也可能不太陌生。製作連續壁的方式可細分成許多種,但基本概念大同小異:在大規模開挖前,先用特殊機具挖出一道深溝,並利用鋼筋水泥往地下築一道牆,之後再進行較大規模的開挖工程。

這個工法用來蓋地鐵的最大缺點就是浪費土石、水泥,且需要較大的空間施作,所以比較常用在地鐵線路離地表很近的路段,或者是要興建地下車站、停車場的地點。

地下水層、明挖法中會用到的連續壁、潛盾工法會用到的潛盾機示意。圖/作者繪製
地下水層、明挖法中會用到的連續壁、潛盾工法會用到的潛盾機示意。圖/作者繪製

新奧工法

新奧工法的全名叫「新奧地利隧道工法(The New Austrian Tunneling method, NATM)」,因為它就是在 1960 年代開始在奧地利阿爾卑斯山鑽鑿隧道時使用的工法。

但我就沒聽過「舊奧工法」,又為什麼說它「新」啊?那是因為它改良了傳統鑽炸法建造隧道的方式。傳統蓋隧道的方式很簡單,開挖向前推進一小段之後,趕快先用鋼構、噴水泥上去保護讓頂部不會塌,接著加上防水布、再用水泥做好完整支撐(專業術語叫「襯砌」),完成後就和我們平常看到的隧道一樣。

但從後來發現,隧道的支撐經常會在靠近地面之處往內凹陷變形,才發現早期工程師僅考量隧道上方的岩石荷重,卻忽略了「岩壓」。岩壓就像氣壓和水壓一樣來自四面八方,所以建隧道時也該考慮側向的岩壓。而新奧工法就是用較少的鋼筋支架或鋼網,搭配岩栓(可以想成很大的釘子)插進岩層裡面,這樣一來就能照顧到各個方向的受力,還能減少建材的用量。台灣約在 1980 年代引進這個技術,台鐵東部線的自強隧道,便是以此工法突破工程瓶頸順利挖通隧道。

黑色箭頭代表隧道向上支撐的力,藍色箭頭為岩石荷重示意,而紅色箭頭代表來自四面八方的岩壓。傳統工法僅考量岩石荷重(上方黃色區域),但實際上受到岩壓作用會讓隧道底部變形,新奧工法就是適時運用岩栓來讓周遭岩石成為一個「岩拱」(橘色區域),讓岩石可以承受四面八方的岩壓。
黑色箭頭代表隧道向上支撐的力,藍色箭頭為岩石荷重示意,而紅色箭頭代表來自四面八方的岩壓。傳統工法僅考量岩石荷重(上方黃色區域),但實際上受到岩壓作用會讓隧道底部變形,新奧工法就是適時運用岩栓來讓周遭岩石成為一個「岩拱」(橘色區域),讓岩石可以承受四面八方的岩壓。

潛盾工法

潛盾工法最早在台灣「出名」的點不是用在地下鐵,而是雪山隧道。當時預計開挖雪隧的「全斷面隧導鑽掘機」(TBM,以下簡稱潛盾機),因為隧道湧水量太大而埋了一台。

潛盾機的原理就是利用一個圓盤式的鑽盤,利用油壓和鑽盤上的破壞向前推進,推進之後會用預先作好的鋼筋水泥環片支撐隧道,直接當作襯砌來用,這樣一來推進時油壓設備就有施力點了。台灣的捷運也都曾運用過潛盾工法施作部分路線(台北捷運、高雄捷運、機場捷運),算是軌道路線開挖的利器。只要地質條件單純,用潛盾工法是十分便利的做法。而無論是新奧或是潛盾工法,都可以透過路線設計避開地下水層,或是事先作地質改良讓水體能隔絕,面對地下水的威脅也不成問題。

鑽挖地鐵時利用潛盾機的示意圖。圖/香港分子 @ wiki
鑽挖地鐵時利用潛盾機的示意圖。圖/香港分子 @ wiki

福岡七隈線延伸工程中,明挖法通常用在站體結構處,畢竟車站得通到地表;線路的部分幾乎都採用潛盾工法;只有一個地方(線路接月台處)有用新奧工法,這麼剛好,這次陷落就發生在以新奧工法施工的地方!

事故發生處的剖面示意圖。圖/作者參考福岡市交通局與日経コンストラクショントップ重繪
(點擊看大圖)事故發生處的剖面示意圖。圖/作者參考福岡市交通局與日経コンストラクショントップ重繪

是新奧工法的問題嗎?為什麼不能用另外兩種?

由於新奧工法發明時,人們已經注意到岩壓的問題,因此除了施工方式的變革,同時也以監測、計算岩壓的方式了解岩層的受力情形,而新奧工法最大的特點就是盡可能利用適當的岩栓,讓岩石本身就可以成為支撐隧道的力量。這個方法已經用了數十年,照理說應該不是工法本身的問題,而是其它設計或施工因素。

那麼為什麼不能用另外兩種方法?

前面提過潛盾工法適用於地鐵軌道線路的部分,主要是因為它挖出來的是一個圓形管狀的通道,通常都是因應路線的寬度、高度設計。但如果將挖線路用的的潛盾機拿來挖月台,挖完後還要擴孔增加,屆時還是一樣會用到新奧工法。

明挖法就更難了,看了事故地點不難理解,今天我們要挖出一個站體,最少要吃掉半條道路以上,這地點又正好是交通繁忙、樓房林立的地方,操作困難且影響很大,因此最後還是選擇了新奧工法來開挖這段月台。

看了這麼久,大洞的原因到底是…

目前原因不明(笑)。

事故後雖然工程單位與當地交通局有說明,但實際上需要第三方的調查委員會介入調查,等事故原因和責任釐清後才能復工。不過因為網路公開資訊很詳細,所以我們可以從計畫的說明頁面(包括計畫說明、地質調查、區域調查、環境影響評估等等),加上官方公布的資訊,搭配一點點工程地質的知識,來推敲可能的問題點。

圖中標出各種工法的位置以及地質特性,事故發生的地點用黑色星號表示,岩層 Tr 為古第三紀地層,對於工程而言屬於基盤地層(但還是偏軟的風化頁岩、砂質頁岩)。(註:シールド:潛盾工法)圖/截自地下鐵七隈線的地質調查剖面圖(環境影響評估報告)
圖中標出各種工法的位置以及地質特性,事故發生的地點用黑色星號表示,岩層 Tr 為古第三紀地層,對於工程而言屬於基盤地層(但還是偏軟的風化頁岩、砂質頁岩)。(註:シールド:潛盾工法)圖/截自地下鐵七隈線的地質調查剖面圖(環境影響評估報告)

先來談談地質調查與規畫,我們把地質剖面圖拿來看(因為是開挖地下鐵,所以剖面比地表來得重要)。開挖的位置應該是在古第三紀層的岩盤中,岩盤的主體為風化頁岩、砂岩頁互層,基本上可視為不透水的岩層。照理來說不會太難挖、岩石的強度也應該足夠,甚至還用了監測設備插入前方預計要挖的地方,隨時觀察是否沉陷,準備工作一點也不馬虎。

針對地下鐵七隈線在新奧工法用來監測開挖方向前方地質狀況的儀器,SAA 是用來了解前面有沒有下陷或是斷層等現象,而 T-REX 則是用來了解前方的岩石強度,測量結果可以幫助工程人員規畫開挖方式以及岩栓使用的數量等等。圖/大成建設
針對地下鐵七隈線在新奧工法用來監測開挖方向前方地質狀況的儀器,SAA 是用來了解前面有沒有下陷或是斷層等現象,而 T-REX 則是用來了解前方的岩石強度,測量結果可以幫助工程人員規畫開挖方式以及岩栓使用的數量等等。圖/大成建設

但事件畢竟還是發生了!隧道終究是坍了,就目前的資料來看,岩層應該是出現裂隙,上方的沙土和地下水就一起灌入隧道內埋了坑道。所以我說怎麼會有天外飛來的裂隙呢?

在調查報告出來前,我們先試想幾個可能的原因:

1. 上方的岩層可能沒想像中厚,或是強度沒想像中大:這問題應該會出在地質調查不完善。由於事故點正好在市中心,本來就是個不易直接鑽孔調查的地點,真的好死不死開挖點上方有個原先存在的小裂隙,或是之前蓋房子與鄰近車站時有擾動到的地方也是有可能的。

2. 施工端的問題,可能在挖掘時不慎擾動上方岩層或是沒有計算好應力分布,又或者是打岩栓時真的好死不死打穿了個裂縫都有可能。

3. 或者是上述 1+2 同時發生,因為任何的測量、計算難免都有誤差,所以這也是有可能的。

現階段資料告訴我們什麼?

工程的技術與建築工法是與時俱進的,本來就沒有什麼所謂的工程神話。

要克服先天條件蓋出好的建築設施,需要非常扎實的基礎工夫,包括地質探勘的技術、設計的考量以及確實的施作。或許大家太常看到偷工減料或是設計不良的災變案例,演變成只要一看到出事情,就反射性的聯想到設計不良、人為疏失或是豆腐渣工程。殊不知設計不良的背後原因,除了人為因素,也可能是探勘測量的誤差、科學知識的不足,或是好用的科技還未問世。如同前文中提到的新奧工法,也是從過往的教訓中找到的新方法,因此若能記取「失敗」,便能成為未來的養分。

對了!文中一開始提到回填土後出現的沉陷,那又是怎麼回事呢?又是該 cue 一下土壤液化文章的時候了。當我們回填土時,就算再怎麼仔細的壓密實,在追求時效完成的情況下,難免土壤中都會有一定的孔隙。而就像土壤液化的原理一般,震動會讓土壤顆粒重新排列,即使不是高液化潛勢區(沒事不會有人回填成液化潛勢區)也有可能因而微微下陷。就算沒有發生地震,恢復通車後的地面,難免因為行車的振動傳入地下而使下方土壤受影響。

既然無法百分之百避免,最好的方式就是持續監測,當下陷增加時,就必需要有管制交通與行人等因應方式。(現在在負責的大成建設網頁仍可看到持續監測、注入藥劑改善地質的等報告)

12/22 實況補充:從 22 日起(這篇文章刊出隔天),調查單位就開始進行「追加質調查」,簡單來說就是利用鑽井等方式了解隧道上方的地質狀況。雖然說土都回填了,但我們需要了解的不是回填區,而是緊鄰回填區的地質狀況,因此目前看起來井的位置都是位在非常靠近陷沒區的地方。

土壤液化示意,壓密沉陷也是類似的概念,只是不一定會像土壤液化一般造成嚴重的災情。
土壤液化示意,壓密沉陷也是類似的概念,只是不一定會像土壤液化一般造成嚴重的災情。

最後我們來看看第一次調查結果的事故狀況,將時間倒回大洞形成的那天清晨,當 4:25 開始發現異常,到 4:50 大量湧水出現後,5:00 時工作人員便從地下退回到地面、5:10 地面也拉好封鎖線,接著就發生陷落形成大洞,由於發現得早,因此無人傷亡。當然,這也不是神話,而是長期對於工安謹慎、尊重專業並嚴肅應對的成果。工程所追求的並非人定勝天,我們早就知道科學的不確定性,因此工程該追求的極致應該是如何在不確定的科學下,盡可能鋪設一條最穩健、保險的道路。

事故發生後的狀況。事故後第三方介入調查,預計會開三次會議,這是第一次會議(2016/11/29)後公開的的報告,第二次會議預計在 2017 年 2 月召開。
事故發生後的狀況。事故後第三方介入調查,預計會開三次會議,這是第一次會議(2016/11/29)後公開的的報告,第二次會議預計在 2017 年 2 月召開。



感謝大家耐心看完~~如果對地質地科相關科普有興趣也歡於來阿樹的Blog:地球故事書逛逛哦!

參考資訊與延伸閱讀

日文網頁部分:

中文網頁部分:

阿樹_96
73 篇文章 ・ 18 位粉絲
地球科學的科普專門家,白天在需要低調的單位上班,地球人如果有需要科普時時會跑到《震識:那些你想知道的震事》擔任副總編輯撰寫地震科普與故事,並同時在《地球故事書》、《泛科學》、《國語日報》等專欄分享地科大小事。著有親子天下出版《地震100問》。

0

0
0

文字

分享

0
0
0
搖晃相分離 迪士尼的土壤液化!
Scimage
・2011/03/22 ・370字 ・閱讀時間少於 1 分鐘 ・SR值 446 ・四年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

地震中常常會看到報導「土壤液化」,讓房屋建築塌陷,這次日本的地震後在東京迪士尼樂園也發生一樣的事情,那為什麼地震會讓固體的土地變成像是流體呢?

土壤是由固體、空氣跟水所組成的空隙結構,所以這三種東西的比例結構就控制土壤的力學特性。這影片是介紹搖晃怎麼改變這三者的比例,把水從底部帶到土壤的表面,讓表面的土壤失去承受應力的能力。

實驗是先把大量含水的沙舖好以後,再加上乾的沙,在沒有搖晃的情形下,水會穩定的在下方,所以表面的乾沙可以承載模型屋;當開始搖晃以後, 下部的水因為搖晃引起的壓力而開始跑到表面,讓表面的含水增加,最後變成流體,然後房屋就陷下去了。這種經由搖晃而改變局部組成的方式,就是土壤液化的原因了。

本文原發表於科學影像Scimage

Scimage
113 篇文章 ・ 3 位粉絲
每日介紹科學新知, 科普知識與實際實驗影片-歡迎每一顆好奇的心 @_@!