用Google預警茲卡病毒疫情？

• 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？

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。

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：

• 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

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？

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。

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？

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?

（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）或。

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。

2023 年 3 月 intel 跟微軟共同發布了 AI PC 定義。

定義需要用 intel 的 Core Ultra 處理器，要有微軟系統內建 的Copilot AI，鍵盤上還需要有一個實體 copilot 按鍵，才算是一台 AI PC。

這個 AJ 看到後，發現案情並不單純，定義 AI PC 這件事情，遠比你想得還要重要！

所以今天呢，我們就來回答三個問題：

1. AI PC 是什麼？
2. AI PC 強在哪？
3. 有哪些公司跟 AI PC 有關？

最後再跟大家分享是否要買 AI PC 的建議。

好啦，本集我們整理了整個 AI PC 的脈絡，我把懶人包放在這裡，有需要的可以暫停看一下。

最後來給買 AI PC 的建議吧，如果你主要用桌上型電腦，4090 獨立顯卡直接給他買下去，因為桌上型的處理器至少到目前為止，都還沒看到內建 NPU 的規劃，所以所有的平行運算都還是靠顯示卡 GPU 來處理。

筆記型電腦方面，各家網購平台都已經推出 AI 筆電專區，最低三萬元左右就可以買到最新的 AI PC。

或許你還沒體驗到 AI 工具帶來的工作流程改變，不過潮流已經出現，據說到 2025 年，將出貨超過一億台AI PC，各家軟硬體廠商在這個全新的賽道上，只會不斷推出各種基於 AI PC 架構的應用與服務，畢竟，你如果不做，你的競爭對手可是不會等你。

有點離題了，在可遇見的未來，我們勢必會發現自己的電腦擁有更多基於 AI 技術的功能，

也許，你可以再等一會，等桌上型電腦也內建 NPU 之後，再來買真正的 AI 「PC」，不過要問我的話，如果是購買筆電的需求，選擇適合 Intel Evo 認證的筆電是值得推薦的選擇。

如果有其他想看的 AI 工具測試或相關問題，也可以留言發問，如果喜歡這支影片的話，也別忘了按讚、訂閱，加入會員，我們下集再見～掰！

更多、更完整的內容，歡迎上泛科學院的 youtube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

超誇張，只要貼上網址，Google Bard AI 把網頁內容變成簡報，這這這我還能不變心嗎？

之前有一支影片分享了 ChatGPT 結合 Power Point 的簡報製作技巧。

在 Bard 大更新之後，運用網頁瀏覽的功能，不管是線上期刊還是論文，轉換成簡報更加的方便，根據我自己的測試，只要五分鐘，從一篇網路上的論文就可以快速的變成一份漂亮的簡報，這真是懶人救星啊！

今天簡單的分享了 Bard 支援連接網路之後的論文摘要功能，並且回應之前影片網友遇到的內容大綱轉簡報的製作問題，希望這支影片能解決你的問題

看完影片之後你覺得 Bard 的哪個功能最讓你驚艷或驚嚇呢？

1. 拳打 ChatGPT 的連網功能
2. 腳踢 ChatGPT 的內容準確性
3. 豪奪網站的資訊內容
4. 巧取生成錯誤資訊魚目混珠

如果你有更多的想法與問題，歡迎加入泛科學 AI 的 Discord 論壇，我把連結放在影片下方資訊欄。

如果這支影片對你有幫助的話，請幫我在影片下方點個喜歡，或是透過超級感謝展現你的心意，讓我製作更多實用有趣的 AI 教學影片，最後別忘了訂閱泛科學院的頻道，我們下支影片再見囉。

更多、更完整的內容，歡迎上泛科學院的 youtube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

「有證據了！茲卡病毒真的會導致胎兒畸形！」——美國疾管署（2016/04/13） [1]

難以預警的疫情

2015 年年初，茲卡病毒在巴西爆發大流行，由於疾病的症狀不嚴重，僅有輕微地紅疹、結膜炎、關節痛等 [2]，所以沒有引起太多注意。沒想到數個月後，多名曾感染茲卡病毒的孕婦產下畸形兒，全球的科學家才赫然發現，這個乘著埃及斑蚊而來的病毒，將是人類未曾想像過的殺手……

病徵不顯著，卻有無法承擔的併發症

不明顯的病徵，使得患者可能會忽視病況、選擇在家休息而不去就醫，導致政府無法監控疫情。而蚊蟲更加速了疫情的擴散，南美洲的疫情自 2015 年年初至今，推測已超過 1 百萬人感染 [3, 4]。種種的因素加總，導致南美洲的疫情嚴重度，完全出乎所有人的預料 [5, 6] [註1]。

中國、東南亞等國是觀察重點

巴西即將在 2016 年迎接奧運，大量的國際旅客可能會把病毒帶往全世界。資料科學家利用巴西各大機場的飛航紀錄進行分析，發現從巴西搭機飛往亞洲的旅客，絕大多數人都是前往中國。此發現顯示中國在夏季來臨之時，將面臨茲卡病毒嚴峻的挑戰 [4]。而鄰近的台灣，該如何預警即將襲來的茲卡病毒呢？

用關鍵字搜尋熱門度預測茲卡疫情？

Google 在數年前即發現，當流感爆發之時，民眾鍵入特定關鍵字（如：發燒）的頻率就會增加。以此現象為基礎，Google 公司和美國疾病管制署合作，設計了以關鍵字搜尋熱門度為基礎的預警模型，其成果甚至於發表在知名學術論文 [7] [註2]。（延伸閱讀：台灣流感疫情也可以問問 Google 大神！）

那麼茲卡疫情，能不能也比照辦理呢？以下是本文的分析條件：

表1：2015 年巴西茲卡疫情分析條件

下圖是刊登在《新興傳染疾病》期刊（Emerging Infectious Diseases journal）的患者趨勢圖，顯示了巴西薩爾瓦多市的疫情變化。從圖中可以明顯地看到，該市在 2/15 出現疑似病例，而在4月第二週時，人數開始上升，並在 5 月第一週時達到高峰 [3, 5, 8-10]。

那麼用葡萄牙語的「紅疹」和「關節痛」的搜尋熱門度變化呢？從下圖中可以看出，「紅疹」的熱門度在 4 月第三週時出現明顯的高峰，早於醫院回報病例的高峰時間（5 月第一週），約提早了一週。這項觀察暗示了相較於醫院逐一回報病例的傳統模式，利用民眾在 Google 搜尋的變化量來監控茲卡疫情，有機會讓衛生單位獲得更多的預警時間！更早地評估當地的疫情趨勢。

而「關節痛」的搜尋熱門度，也相同地出現了顯著的高峰，發生的時間約在 4 月第二週，亦早於醫院回報病例的高峰時間（5 月第一週），約提早了兩週。暗示「關節痛」和「紅疹」關鍵字，都有潛力協助預警、評估巴西茲卡疫情的變化！

用群眾行為模式判斷疫情的優勢和缺點

近年來在金融、影視界裡，觀察群眾行為而作出未來趨勢判斷的例子越來越多（如：Netflix 打造熱門影視「紙牌屋」、巨量數據預測期貨價格）。而從上文中可以發現到，若以 Google 關鍵字搜尋變化作為本次巴西茲卡疫情的預警、評估系統，比起讓醫院逐一回報病例的方式，利用群眾行為來推測流行病，將有機會能夠盡早評估疫情，使政府擁有更多的防疫時間！

但利用 Google 關鍵字搜尋來判斷疫情會有以下的限制：

1) 其它疾病會影響結果，如：感冒也會引起關節疼痛。

2) 無症狀的患者無法追蹤。

3) 不使用 Google 的民眾亦無法追蹤。

雖然有上述的限制，但我認為由於 Google 數據的即時性高、反應快且成本低，未來在台灣的公衛防疫領域上，也許將是一種值得投資的預警模式。

寫在文末：面對茲卡，我們可以怎麼做？

對台灣來說，茲卡病毒是極為陌生的疾病，而該病毒的媒介——埃及斑蚊，卻是南台灣熟悉的老對手。面對既陌生又熟悉的敵人，我認為從中央、地方和民眾都有一些工作可以思考：

【中央】

研發廣效型快篩試劑

目前無法用血清學的方式區分茲卡病毒、登革熱和黃熱病[11]，但換言之，若能研發廣效型的抗體，就能廣效性地辨識此群病毒，將十分有利於將疫情阻隔於台灣海關之外。[註3]（補充：疾管署已在 4/13 宣佈台灣將進口登革熱、茲卡、屈公熱的三合一快篩試劑。）

促進且推廣正確的知識給一般民眾

未知將引起恐懼。政府應和媒體合作，如公信力高的維基百科、泛科學、科學人等；傳播力強的傳統媒體，如：民視、聯合報、蘋果日報等。政府和媒體協同產出科普性強的資訊，並利用網路傳播來確保流通資訊的正確性，避免錯誤的訊息造成恐慌，甚至阻礙政府的防疫措施。

研究台灣過往的病例

美國曾報導特殊的患者，同時被帶有登革熱和茲卡病毒的蚊子叮咬而共同感染，進而出現了近 40 ℃ 的高燒 [10]，和典型的茲卡症狀有很大的差異。上述案例顯示某些患者感染茲卡病毒後，可能產生預料之外的症狀。而台灣民眾有許多獨有的盛行疾病，如：糖尿病、洗腎，若能先從病例中取得資訊，就能達到「多一分準備，少一分害怕」的目標。

研究畸形兒和登革熱之間的關係

由於茲卡病毒能引發畸形兒，而同為黃病毒科的登革熱病毒是否也會引起類似的併發症，將是學界未來可研究的方向。

【地方】

建置疫情模擬系統

利用氣象局的雨量、濕度資料庫，結合市府的城市發展、地籍資料，對於疫情進行模擬和預測。此概念在國內學界，政府單位皆有先例，如「疾管署科技發展計畫」及「中原大學和氣象局合作研究計畫」等。

【民眾】

孕婦或計畫懷孕的女性，避免前往中南美洲

若從疫區返國後產生症狀，務必告知醫師旅遊史的細節

閱讀公信力高的資訊，避免不必要的擔憂

我們天生都會對陌生的事物感到恐懼，而在網路時代裡，恐慌 = 對事件的不瞭解 X 事件的嚴重度。所以除了要努力製造「正確的資訊」，也要強化「正確資訊的流通力」，才能讓身在防疫前線的醫學、公衛專家們，好好地保護我們所愛的台灣！

• 本文感謝衛生福利部台東醫院檢驗科張昱維（Yu-Wei Chang）、UDN 聯合報系媒體創新研發中心研究員陸子鈞及病後人生—一站式服務網站長羅佩琪協助。

註釋：

1. 茲卡病毒和畸形兒的關聯，仍需流行病學的進一步證實。
2. 利用 Google 做為流行病的分析並非首創，請見〈用大數據畫出伊波拉救命地圖：看Big Data如何做疾病預測〉或〈大數據（Big Data）於疾病研究之應用〉。
3. 我並不支持研發疫苗，雖然WHO和部分公司正研發疫苗 [11]，但我認為要找到願意測試疫苗安全性的孕婦，會有很大的困難。

參考文獻：

1.  CDC Concludes Zika Causes Microcephaly and Other Birth Defects. 美國疾管署官方網頁
2. 茲卡病毒感染症。衛生福利部疾病管制署官方網頁。
3.  Zanluca C, de Melo VC, Mosimann AL, Dos Santos GI, Dos Santos CN, Luz K. (2015) First report of autochthonous transmission of Zika virus in Brazil, Memórias do Instituto Oswaldo Cruz, 110(4), 569-572
4. Bogoch II, Brady OJ, Kraemer MU, German M, Creatore MI, Kulkarni MA, Brownstein JS, Mekaru SR, Hay SI, Groot E, Watts A, Khan K. (2016) Anticipating the international spread of Zika virus from Brazil, The Lancet, 387(10016), 335-336
5.  Possible Association Between Zika Virus Infection and Microcephaly — Brazil, 2015. 美國疾病管制署官方網頁。
6. Zika virus epidemic in the Americas: potential association with microcephaly and Guillain-Barré syndrome. 歐洲疾病管制署官方網頁。
7.  Jeremy Ginsberg, Matthew H. Mohebbi, Rajan S. Patel, Lynnette Brammer, Mark S. Smolinski & Larry Brilliant (2009) Detecting influenza epidemics using search engine query data. Nature, 457, 1012-1014
8. Cardoso CW, Paploski IA, Kikuti M, Rodrigues MS, Silva MM, Campos GS, Sardi SI, Kitron U, Reis MG, Ribeiro GS. (2015) Outbreak of Exanthematous Illness Associated with Zika, Chikungunya, and Dengue Viruses, Salvador, Brazil, Emerging Infectious Diseases journal, 21(12), 2274-2276
9. Zika virus. 世界衛生組織官方網頁。
10.  Dupont-Rouzeyrol M, O’Connor O, Calvez E, Daurès M, John M, Grangeon JP, Gourinat AC. (2015) Co-infection with Zika and dengue viruses in 2 patients, New Caledonia, 2014, Emerging Infectious Diseases journal, 21(2), 381-382
11. Bharat Biotech says working on two possible Zika vaccines. REUTURES新聞。