聊天機器人會回答錯誤資訊已不是新聞，但唯有會進到人們記憶中的錯誤資訊才會影響人們的決策。

文章來源：台灣科技媒體中心

議題背景：

台灣大學心理系黃從仁教授研究團隊今年11月20日在《美國心理學家》（American Psychologist）期刊發表最新的聊天機器人研究。研究發現，對話機器人的訊息中有77％的錯誤詞彙（misinformed word）成為參與者的記憶。研究也發現一次性的警語無法減少錯誤的記憶。即使相對頻繁、針對特定項目的預先警告參與者，也無法阻止特定項目錯誤資訊被參與者記憶。

這項研究使用人工可編輯程式的人形機器人RoBoHoN（夏普公司所研發）與台灣大學生對話，檢查機器人提供情感和價值中立但內容錯誤的訊息中，是否有預告的警語（例如，警告參與者要對錯誤資訊持保留的態度），以及檢查這些訊息中有多少比例會在之後的認知測驗中，變成一個人記憶的錯誤資訊。

台灣科技媒體中心邀請研究假訊息影響記憶與推理，以及研究對話式人工智慧的專家，依據自身研究經驗發表看法。專家認為，研究結果提醒了我們可以對社群媒體保持一份懷疑，或許就可以增加一些對假消息的免疫力，保持懷疑的態度是指不要盲目的什麼都接受，而非每件大小事都疑神疑鬼。專家說，最起碼在聽到某個新聞或消息時，不要立刻接受，而是在選擇相信之前多看看其它人對同一消息的評論和看法。

• 研究原文：

Huang, T.-R., Cheng, Y.-L., & Rajaram, S. (2023). Unavoidable social contagion of false memory from robots to humans. American Psychologist.

專家怎麼說？

【研究作者：黃從仁】【楊立行】【陳縕儂】

2023年10月04日
台灣大學心理系副教授 黃從仁 （本篇研究作者之一）

1. 這份研究為什麼重要？

聊天機器人會回答錯誤資訊已不是新聞，但唯有會進到人們記憶中的錯誤資訊才會影響人們的決策。此研究透過兩組實驗，在文獻中首次證實：(1)機器人提供的錯誤資訊中，有七、八成會變成人們的記憶；(2)即便機器人在提供錯誤資訊前已抱持自我懷疑並提出警告，但這些警告只能增加人們的戒心，並無法真正避免錯誤資訊成為記憶。

2. 研究有哪些推論上的限制？

我們雖然以RoBoHoN人型機器人進行此研究，但任何我們信任的聊天機器人應都會導致類似的情況。當初我們沒有使用ChatGPT進行研究，一來是它不具有精密行為實驗所需要的可控制性，二來是此研究完成在ChatGPT誕生之前。

3. 若要避免或減少錯誤資訊仍被記憶的問題，能夠發展出加強的技術讓聊天機器人提供來源更可信的資訊，以及減少提供錯誤內容的資訊嗎？

根據此研究的結果，無論有無形體的聊天機器人應儘量不要輸出錯誤的資訊。要達成此目標，技術上有幾種不同的實作方式，例如透過人工檢核的方式剔除學習資料中的錯誤資訊，或是讓聊天機器人透過網路搜尋，先對答案進行事實查核。若機器人無法確認自己答案的真確性，應該直接回答不知道。

4. 根據這篇研究結果，您建議我們如何看待對話機器人的科技進展，以及它提供的資訊？使用對話機器人、聊天機器人時需要注意什麼？

在ChatGPT聊天介面中出現的小字「ChatGPT may produce inaccurate information about people, places, or facts.」實為脫責但無效的警語。我們應對聊天機器人的輸出內容保持適度懷疑，不要照單全收。

2023年09月09日
政治大學心理學系暨心理研究所副教授 楊立行

1. 這份研究為什麼重要？

這份研究的規模並不大，只有兩個實驗，而且實驗的程序與手法也不算複雜，卻觸及許多心理學、資訊科學、傳播學等領域中重要的議題。心理學家很早就發現人們除了會遺忘之外，還可能會有錯誤記憶（false memory），即是學習階段明明沒學過的項目，卻誤將它們認為是之前學習過的。

這篇研究使用的是心理學中常見的「再認記憶作業」測驗，開始時第一階段會請受試者先記下一串詞彙，而後再請受試者逐一判斷在第三階段中出現的詞彙（通常一半是之前出現過的一半是新的），是不是之前學習過的。此研究特別的是，作者很有創意安插第二階段的合作回憶作業（collaborative recall task）方式，讓真正的參與者相信另一位參與者（其實是主試者的同夥）要跟他一起完成回憶作業，並安排同夥在回憶時回報出未曾學習過的項目，誘使參與者將這些項目當作是曾經學習過的，於是生成錯誤記憶。

作者同時發現儘管事先警告參與者，或者警告參與者某個特定項目可能不是剛才出現過的，都無法阻止參與者形成錯誤的記憶。甚至，就算同夥換成了對話機器人，上述現象依舊存在。這種錯誤的記憶因為人與人社交互動而互相影響的情況，也重現了人們在社群媒體上受到假消息影響自身記憶的現象。作者發現，愈不信任同夥的參與者愈少出現錯誤記憶，這個結果提醒了我們可以對社群媒體保持一份懷疑，或許就可以增加一些對假消息的免疫力。保持懷疑的態度是指不要盲目的什麼都接受，而非每件大小事都疑神疑鬼。最起碼，在聽到某個新聞或消息時，不要立刻接受，而是在選擇相信之前多看看其它人對同一消息的評論和看法。

2. 研究有哪些推論上的限制？

參與者在實驗室中很清楚知道自己要記下學習的項目，但在日常生活中，卻未必有此心理準備，而未必會出現如研究一般清晰的錯誤記憶。

3. 我們要怎麼知道跟對話機器人聊天的參與者，是記得對話的資訊但不知道是錯的？還是記得它是錯誤的資訊？

在第三階段測驗中，參與者被要求判斷眼前的詞彙是否為第一階段中曾經學過的，所以，當參與者將錯誤訊息判斷為曾經學過的項目，就表示他認為這是曾經學過的，即他不知道這是錯的。

4. 根據這篇研究結果，您建議我們如何看待對話機器人的科技進展，以及它提供的資訊？使用對話機器人、聊天機器人時需要注意什麼？

對話機器人一如Chat GPT都是在學習人類創造出的資訊，可以當它是部百科全書，只是裏面的知識並未都經過科學機構的驗證。事實上，不論是對真人還是機器人，當我們在接收他（它）們提供的訊息時，我們都應該像一個科學家一樣保持一定程度的懷疑精神，儘量參考多個不同來源，交叉比對才能作出比較正確的判斷。

2023年09月26日
台灣大學資訊工程學系副教授 陳縕儂

1. 這份研究為什麼重要？

現今生成式AI越來越普遍，而生成式AI系統在與使用者互動時，不可避免的會產生錯誤的腦補資訊來回答使用者。
這種機器生成帶有錯誤資訊的內容，是否會在人機互動中潛移默化的影響使用者，是規範當代AI產品非常重要的考量。此研究探討了人類不可避免的會受到機器產生的錯誤資訊影響，即使透過預先警示，也無法完全避免此狀況。這份研究發現可以提供未來AI技術產品發展的指引，也可以讓法規透過此結論制定合適的規範策略。

2. 研究有哪些推論上的限制？

此研究中，使用者被要求記憶資訊，而後回憶相關內容。在錯誤資訊之引導下，可能就會將錯誤訊息記在腦中。然而，現今許多資訊皆可以較容易的在當下被記錄起來（透過影片、聲音、筆記等不同方式），現在有些人較依賴被存取下來的資訊來回憶內容，而非依靠腦中的記憶，故此研究可能無法推論較為實務的場景。

另外，在生成式AI技術越來越熱門時，使用者們開始發現AI常常會生成錯誤內容，故可能會較過去更加小心內容的正確性，而成為錯誤記憶的機會就漸漸變低了。

3. 若要避免或減少錯誤資訊仍被記憶的問題，能夠發展出加強的技術讓聊天機器人提供來源更可信的資訊，以及減少提供錯誤內容的資訊嗎？

在學術研究領域，確實有很多相關的研究致力於提升內容的可信度。舉例來說，在提供回答時，同時也提供相關的佐證以支持其內容。然而，這情況很難完全避免，因為不同應用情境可能會對創造力有不同的需求，該如何在創造力與資訊正確性拿捏得當，是目前研究者們努力的方向。

4. 根據這篇研究結果，您建議我們如何看待對話機器人的科技進展，以及它提供的資訊？使用對話機器人、聊天機器人時需要注意什麼？

在現在這個AI時代，我們同時享受AI系統帶來的便利性（資訊取得、資訊統整變得更加容易），也要同時小心這些技術帶來的隱憂。在此研究中，只探討了「錯誤資訊」造成的影響，然而「偏頗資訊」的影響力可能更大，因為偏頗之訊息可能並非錯誤，故使用者更難經由事實查核，驗證資訊正確性。我們在使用這些對話機器人時，需要對機器提供的資訊抱持懷疑，也需要具備自己的思辨能力與查核力，做出自我的最終判斷，才能夠避免AI機器影響人類想法言論，最終變成一言堂。

這篇文章 你會不會記住AI機器人的錯誤訊息？聽聽專家怎麼說｜專家論點【台灣科技媒體中心】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

文章來源：台灣科技媒體中心 議題背景： 2023年6月17日國際期刊《有害物質期刊》發布台灣團隊的最新研究〈使 …

文章來源：台灣科技媒體中心

議題背景：

2023年6月17日國際期刊《有害物質期刊》發布台灣團隊的最新研究〈使用以新型地理人工智慧為基礎的集成混合空間模型估算台灣戴奧辛的日平均變化〉。研究使用「集成混合空間模型」預估台灣全島的日平均戴奧辛濃度變化。並驗證發現這個新式預估模型的解釋力達到87%，高於過去的模型。未來可能為空氣污染控制，以及流行病學研究的提供更準確的估算。

研究文獻：

• Hsu, Chin-Yu, et. al. (2023). “Estimating the Daily Average Concentration Variations of PCDD/Fs in Taiwan Using a Novel Geo-AI Based Ensemble Mixed Spatial Model.” Journal of Hazardous Materials.

專家怎麼說？

2023年06月19日
國立成功大學電機工程學系教授 解巽評

Q1. 您認為這一篇研究，最重要的發現是什麼？有了這個空間模型，我們就能用來預估所有的空氣污染物嗎？

這份研究開發了一個Geo-AI「集成混合空間模型」，整合不同機器學習演算法的特性，用於預估台灣全島的日平均戴奧辛濃度變化。這個模型在時間和空間實驗中均有不錯的效果，並且能夠準確預測未來的戴奧辛濃度。這個模型的優勢在於它運用人工智慧技術來結合了天氣因素、地區特性、土地使用、地理資訊甚至是煙囪位置、焚化爐焚燒量和工廠位置，能夠準確地捕捉和預測空氣污染物的變化趨勢。然而，這個研究僅針對戴奧辛濃度開發了預測模型，我們無法確定這個模型是否適用於預測所有的空氣污染物。不同的污染物可能受到不同的影響因素和變化模式的影響，因此需要進一步的研究和驗證來確定這個模型的適用範圍。

Q2. 您認為這篇研究的限制是什麼？

這份研究的限制是，研究中雖然捕捉到了一些與戴奧辛高濃度排放有關的變數，如煙囪位置、焚化爐焚燒量和工廠位置，但由於在台灣缺乏更詳細與戴奧辛濃度相關的細部數據，例如焚化爐、電弧爐、燃煤和燒結廠的排放率、排放操作以及這些代表性工廠的位置等詳細資料，因此模型可能還有提升效能的進步空間。 

另一個限制是雖然研究中驗證了模型預測戴奧辛濃度的準確率是87%，但未能有效反應此模型遇到異常的環境變化時，預測的不確定性。應考量AI模型遇到異常環境變化時，模型預測是否可靠和應用的範圍，AI不可能完全不出錯，但重要的是要給使用者判斷的依據以及信心指數，以免使用者過於相信AI而誤用其錯誤推估結果。除此之外，此研究的集成模型多為較傳統的機器學習方法，近年來已經有許多深度學習方法推陳出新，可以比機器學習更深入考量多個影響戴奧辛濃度的因素、計算更多排列組合，期待未來應該可以加入時下最新的深度學習方法以提供準確度和可解釋性。

Q3.您認為這項空間模型，未來可以怎麼應用，以協助預防或監測空污？

這個模型可以達到以下應用：

1. 空污的時空間趨勢呈現：這個模型可以用於預測城市之中各地區未來的空氣品質分布，並搭配運用APP或動態網站呈現空污地圖，幫助政府和公眾即時瞭解未來的空氣品質狀況，更可以幫助人們採取必要的措施來保護自己的健康，例如減少戶外活動或佩戴口罩。

2. 污染源識別與控制：這個模型可以用於預測空污濃度的空間分佈和變化。若搭配煙囪或工廠位置等相關變數，模型將有助於政府和相關環保機構追蹤污染源並採取相應的措施來減少污染物的排放。

3. 數據與AI治理：該模型可以為政府和相關環保機構提供決策支持，幫助制定和優化空污治理策略。甚至透過此模型的預測和分析，來評估不同措施對環境的影響力，並協助選擇最有效的措施來減少空污的排放和傳播。

2023年06月20日
國立成功大學測量及空間資訊學系副教授 吳治達（本研究通訊作者）

Q1. 您認為這一篇研究，最重要的發現是什麼？有了這個空間模型，我們就能用來預估所有的空氣污染物嗎？

1. 戴奧辛是一種具有高度毒性的環境污染物，除了食物鏈的傳遞外，燃燒含氯塑膠之廢棄物時亦可能產生戴奧辛，並透過空氣傳播至各地，然而戴奧辛的監測與分析所費頗巨，故不易進行大範圍、長時間的污染監測。本研究提出的地理人工智慧模型，可在相對較低人力物力成本下，很準確且細緻的模擬台灣全島戴奧辛濃度的濃度變化情形，解決監測站數量有限的限制。
2. 本研究的集成混合空間模型亦已實際應用於細懸浮微粒、臭氧及苯等空氣污染物之模擬上，頗具應用性。

Q2. 您認為這篇研究的限制是什麼？

目前環保署公開的戴奧辛監測數據僅至2016年，已是7年前的數據，與當前環境中的濃度可能已有差異，同時也限制了本研究模型在時間跨度上的推估能力。另一方面，受限於東部地區監測站的數目甚少，例如花蓮、台東幾乎各只有一個測站，這也會某種程度提高模型預測在東部的不確定性。

Q3.您認為這項空間模型，未來可以怎麼應用，以協助預防或監測空污？

本研究成果可以細緻的指示出2006年至2016年間台灣全島戴奧辛高濃度的熱點區域；變數選擇的成果亦發現，PM2.5污染與戴奧辛具有高度關聯。這些資訊可做為未來環保單位加稽查管理及監測的依據。

版權聲明

本文歡迎媒體轉載使用，惟需附上資料來源，請註明台灣科技媒體中心。

這篇文章 讓人工智慧幫我們監測「世紀之毒」戴奧辛｜專家論點【台灣科技媒體中心】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

臺灣預計9月提出「人工智慧基本法」草案，目前行政院初步可能納管廣播電視、有線廣播、衛星廣播等媒體及頻道業者使用生成式AI如ChatGPT來產生內容。全球也已有一些近期監管AI的重大方向與作為可參考。

文章來源：台灣科技媒體中心

議題背景：

臺灣預計9月提出「人工智慧基本法」草案，目前行政院初步可能納管廣播電視、有線廣播、衛星廣播等媒體及頻道業者使用生成式AI如ChatGPT來產生內容。全球也已有一些近期監管AI的重大方向與作為可參考。台灣科技媒體中心整理幾個近期重要資訊如下。

• 歐洲：歐洲議會（European Parliament）於5月11日核准一份人工智慧（AI）監管法案，已於6月14日通過草案，成為全球首個監管AI的法案。 Google也主動與歐盟主管機關商討AI法規，接下來將繼續修正成為正式法案。根據歐洲議會新聞稿，此草案是為了確保人工智慧系統受到人的監督，確保人工智慧是安全、透明、可追溯、不會有歧視，且是友善環境的。草案中提及應禁止人工智慧生物辨識、情緒辨識的技術用於監控、應禁止預測性警察活動的技術，以及應量身訂製常用AI模型例如ChatGPT的相關規範。
• 美國：美國參議院司法委員會於5月16日舉辦監管AI的聽證會，會議上OpenAI執行長阿特曼（Sam Altman）提出建議監管AI的層面包含，建立專責的機構以許可AI的相關證明、制定AI模型的安全標準，以及尋求專家根據指標來審查AI模型的表現。
• 國際會議：在日本廣島舉行的七大工業國組織高峰會議（G7）中，與會代表於5月20日聲明，各個會員國家可能是用不同的方法和目標發展可信賴的AI技術，但共識都是讓監管數位科技如AI的法規，符合彼此共享的民主價值。G7會員國代表同意將在今年底召開論壇，討論生成式AI帶來的問題，例如版權和錯假訊息。
• 澳洲：澳大利亞工業科學資源部於6月1日發布一份討論文件〈澳大利亞安全與負責任的人工智慧〉（Safe and responsible AI in Australia）支持負責任的人工智慧，這份討論文件著重在治理人工智慧的機制，確保在澳洲可以安全使用AI、負責任的開發AI。這些機制包含管理的規定、標準、工具、框架、原則，以及商業應用。這份文件內容是以最近澳洲國家科學技術委員會的首席科學家辦公室（Chief Scientist）發布的另一份報告（Rapid Response Information Report: Generative AI）為基礎。

由於監管與規範人工智慧將影響學術研究，台灣科技媒體中心邀請臺灣研究人工智慧的專家依據自身研究經驗發表看法，藉此次機會讓更多人看見研究人工智慧的科學家們的專業意見，有助於促進基於科學觀點的公眾討論，也讓相關制定規範或法案的單位有更多機會採納多元的意見。

專家怎麼說？

【許志仲】【林春宏】【謝舒凱】【林守德】

2023年06月29日
國立成功大學數據科學研究所暨敏求智慧運算學院資料科學中心助理教授 許志仲

1. 我們的認知是人工智慧有不同的研究方向、學理、技術，以及產出的應用，您認為哪些性質的人工智慧需要優先監管？

一般來說，人工技術通常分為辨識任務、生成任務、以及輔助（如資料分析或其他）等方向。目前相對較為主流的AI生成模型，可以產生以假亂真的圖片、文字、語音等資料，影響最為明顯，優先監管是必然。舉例來說，常見的 DeepFake 的危害，會導致網路上的多媒體資訊不受信任，甚至影響經濟與社會和諧等。然而，不能忽略的是各種人工智慧模型，只要該模型能介入日常生活，便需要受到監管。舉例來說，有些公司開始採用以人工智慧來分析面試者甚至現職員工的未來表現，以利上位者簡單做出資遣或不聘任的決策，而這些人工智慧方法在訓練過程中是否有所偏頗、分析過程是否合理，都須有相關規範，才能同時達到社會和諧與提高效率的目標。

2. 監管和規範人工智慧，代表無法再繼續發展特定的研究領域，或是研究方向受限嗎？

我認為監管與規範是幫助人工智慧在發展技術的過程中，可以最大化對社會每個個體的效益並最小化風險的一個好方式。比方說，AI for Social Good 是 Google 於 2019 年提出來的策略，其中沒有任何一條是限制研究的發展，相反的，這是給研發 AI 的科學家一種指引，使其研發可以更專注在未來人類社會更有助益的方向。舉例來說，如果很早期就已經制定好生成模型的相關法規，那麼現在網路上看到 DeepFake 的多媒體訊息可能相對少很多，但並不會影響生成模型的研究發展。

3. 臺灣的人工智慧研究或發展，和國際其他國家或區域有何不同之處？若臺灣要參考國際其他國家或區域的人工智慧監管規定，如何制定符合臺灣情況的規範，或設立專責的機構？

我個人認為人工智慧監管有其通用性，全球應設法制定一個通用的準則，各國再依據自身情況加以微調。舉例來說，台灣在於半導體相關產業非常強大，因此，應用於半導體相關人工智慧的監管，可能就要與其他國家不同，並且必須要產業、社會、以及政府三方共同加入法規制定，甚至建立相關專責機構，方能達到最大效益。

利益聲明：無利益無關。

2023年06月29日
國立臺中科技大學 資訊工程系教授 林春宏

1. 我們的認知是人工智慧有不同的研究方向、學理、技術，以及產出的應用，您認為哪些性質的人工智慧需要優先監管？

(1)自主性人工智慧：自主的人工智慧系統需優先監管，以確保合乎倫理和法律。
(2)高風險領域的應用：在高風險領域的學術應用中，優先監管人工智慧，以保障人類的生命、健康和安全。
(3)個人隱私和數據保護：學術領域中的人工智慧處理大量個人敏感信息，需優先監管，確保隱私和數據保護。
(4)偏見和不公平性：需要優先監管可能存在偏見的人工智慧系統，以確保公平和無歧視的應用。
(5)系統安全和韌性：需要優先監管具有高風險應用的人工智慧系統，以確保其安全性、韌性和可靠性。
(6)學術詐騙和不端行為：人工智慧技術的濫用和應用於學術詐騙或不端行為的風險需要受到監管和防範。
(7)知識創作和知識所有權：人工智慧系統在學術領域的應用可能引發知識創作和知識所有權的問題，這需要進一步的監管和探討。

以上監管措施的目的是保護公眾利益、確保人工智慧的應用是安全、負責任和符合道德的，同時促進人工智慧的持續發展和創新。

2. 監管和規範人工智慧，代表無法再繼續發展特定的研究領域，或是研究方向受限嗎？

監管旨在確保人工智慧的安全和負責任使用，減少潛在風險的影響。目標不是完全限制研究方向，而是鼓勵創新和學術自由。監管的目的是確保人工智慧的安全、公平和負責任的應用，以保護人類利益和社會福祉。

3. 臺灣的人工智慧研究或發展，和國際其他國家或區域有何不同之處？

(1) 技術實力：臺灣科技強大，有優秀人才和研發環境，致力於人工智慧技術開發和應用。
(2) 產業應用：臺灣在人工智慧研究和產業應用中緊密結合，尤以智慧製造、物聯網、機器人等領域成就突出。
(3) 政府支持：臺灣政府積極支持人工智慧研發，制定政策、提供資金，促進技術應用。
(4) 國際合作：臺灣積極參與國際人工智慧合作，與其他國家科學家合作、參與國際會議和研究項目。
(5) 法律和倫理規範：臺灣積極制定法規和政策，保護人工智慧的倫理和隱私安全。

4. 若臺灣要參考國際其他國家或區域的人工智慧監管規定，如何制定符合臺灣情況的規範，或設立專責的機構？

(1) 研究和評估：研究評估國際人工智慧監管規定，了解各國法律、政策和監管實踐，特別關注與臺灣相關的方面。
(2) 分析臺灣情況：評估臺灣人工智慧現況、挑戰和需求，並確定特殊監管需求。
(3) 制定適用規範：制定適用臺灣的人工智慧監管規範，包括隱私保護、倫理標準、透明度和責任等。
(4) 法律和政策制定：將人工智慧監管規範納入臺灣的法律體系和政府政策，通過立法或行政命令等程序進行具體化。
(5) 建立專責機構：成立專責機構監管人工智慧，包括合規、風險評估、指導原則、合作溝通和培訓等。有效規範人工智慧發展，促進國際合作。

制定適合臺灣的人工智慧監管規範是一個多方參與的複雜過程，需政府、學界、業界和公眾共同參與，平衡風險與發展。

利益聲明：無利益相關。

2023年06月30日
臺灣大學大語言學研究所副教授 謝舒凱

1. 我們的認知是人工智慧有不同的研究方向、學理、技術，以及產出的應用，您認為哪些性質的人工智慧需要優先監管？

AI 因其側重的應用不同，涉及的規範可能也不盡相同。比較應該優先考量的，可能像是有自主學習與決策能力的系統，以及會紀錄與偵測個人隱私、生理與社會生活資料的系統。目前最熱門的生成式 AI 內容（AIGC），涉及到數位社會最重要的資訊生成、傳播等議題，也是需要優先監管的部分之一。

2. 監管和規範人工智慧，代表無法再繼續發展特定的研究領域，或是研究方向受限嗎？

不盡然如此。較關鍵的可能不是規範的宣示與完備，而在於是否有一個專責的、透明的、有事實與系統成效研究與評測的機構（最好不是全官方組織），能夠在多方衡量的實證基礎下施行與運作。

我個人的經驗是，台灣公部門對於研究信賴這件事比較沒有整體規劃。這可能與法律文化有關。這樣的法規，一旦定調在監管，就是設法設置路障與門檻，以及防止各種可能風險的細節規範。比方說，我們可以有很嚴格的學術倫理法則，但是在實務運作上，卻容易造成研究人員的灰心與阻礙，很大的影響研究推展與投入動機。同樣的，對於 AI 監管議題，如果只是法規跟風，看似國際評比指標不錯，但有很大的機會讓台灣的AI相關研究無法產生極大的動能。

我想強調的是，AI 研究是影響全人類的重要科技，監管法規是用來保護人類尊嚴與價值，這是絕對優先重要的。但是全球競爭，且並不是所有問題皆可以透過科技和知識的進展來解決，監管法規某個角度應該同時是讓研究者照顧研究對象的安全，以及在研究成果透明（讓研究對象知道做什麼用途）之下，可以更放膽去開拓，激發更有創意的應用。從我的角度，監管這個詞彙貶低了這種新法律文類的前瞻性意義。

3. 臺灣的人工智慧研究或發展，和國際其他國家或區域有何不同之處？若臺灣要參考國際其他國家或區域的人工智慧監管規定，如何制定符合臺灣情況的規範，或設立專責的機構？

台灣有急迫的政治生存壓力，又處在國際政經角力下。我覺得需要另外思考，不能只是當成立法的問題，還涉及國防外交、國際政治與經濟等不同層面的規範。

語言，其實是最可怕的武器。摧毀與煽動人心可以不需要高端國防科技，這一點，在我們的社會似乎沒有高度的警覺。特別是前述的 AIGC 已經被極權國家當成武器研發，目前的 AI 發展趨勢之一是可以綜合理解文字、語音、影像、影片的能力，也是生成式 AI 目前的發展方向，虛假文字訊息也會跳脫文本為主的模式潛流在社會各地。我們需要有防堵與反制生成式AI的準備與能力。

制定相關監管法規，可能要跨部會（國防、外交、經濟）來思考。極權國家習慣用民主國家保障的價值來摧毀民主，我認為在此脈絡下，有些規範甚至涉及國家安全機密與價值攻防，有特別安置與保密的設計需要。

利益聲明：無利益相關。

2023年07月06日
臺灣大學資訊工程學系 / 資訊網路與多媒體研究所教授 林守德

1. 我們的認知是人工智慧有不同的研究方向、學理、技術，以及產出的應用，您認為哪些性質的人工智慧需要優先監管？

制訂AI使用規範從出發點而言是合理的，但是從定義面上來看這個草案仍嫌粗糙，還是有許多待釐清之處。筆者覺得應該是以AI的「應用」來定義所謂的危機程度（risk level）。然而，在這個規範中往往應用跟技術混用無法釐清。以「人臉辨識」為例，歐盟監管草案認為人臉辨識是不可接受的風險（unacceptable risk）需要被禁止。然而，筆者認為應該是看人臉辨識這個「技術」被拿來做什麼「應用」。如果是用在解鎖個人手機、公司出入管理，沒有什麼禁止的理由；但是如果是用來監控居民，的確是有可議之處。

2. 監管和規範人工智慧，代表無法再繼續發展特定的研究領域，或是研究方向受限嗎？

歐盟這個規範中限制了AI的使用，然而卻留下許多自相矛盾之處。例如利用AI從事執法（如測試證人的可信度）被認為是高度風險的，然而現在測謊器在許多國家其實都有使用；背後的機制利用生理訊號判斷一個人是否說謊其實也可以當成是一種機器學習的模型。

3. 臺灣的人工智慧研究或發展，和國際其他國家或區域有何不同之處？若臺灣要參考國際其他國家或區域的人工智慧監管規定，如何制定符合臺灣情況的規範，或設立專責的機構？

這樣的規範是否容易付諸實行？筆者認為光是要釐清什麼是AI系統、什麼不是可能，就要花很多心力。例如坊間常常聽到的「智慧型空調系統」其實可能只是對溫度濕度作一些動態的調整，這算不算是AI？這些空調系統如果因為歐盟的AI規範而被禁止，它是否只需要改個名稱就不算AI？它要如何「證明」自己是或不是AI？自駕車大家都覺得是AI，但是飛機的自動駕駛呢？飛機自動駕駛技術遠在AI這個詞彙被發明前就已經在使用了。所以如何定義怎麼樣的產品或是應用應該被這個法規所規範，又是一個很困難的問題。

4. 若臺灣要參考國際其他國家或區域的人工智慧監管規定，如何制定符合臺灣情況的規範，或設立專責的機構？

從新創的角度，這樣的法規有可能扼殺未來AI新創的動力，因為每次開發一項產品就有許多需要「自我證明」的項目需要認證。例如歐盟監管草案它要求大語言模型的建構需要「證明」所有的訓練資料都要符合規範。但是，訓練大語言模型的資料動輒數億甚至兆筆，一般的新創可能沒有資源去驗證這些資料是否合規。筆者的看法是，一個負責任的立法，除了能夠制訂合理規範外，應該也要投入資源去開發相關的數位技術來解決業者可能會遇到的問題。例如如果歐盟可以開發一個能夠驗證訓練資料是否合規的工具，相對也可以緩解對新創的衝擊。

版權聲明

本文歡迎媒體轉載使用，惟需附上資料來源，請註明台灣科技媒體中心。

這篇文章 該怎麼看待即將出爐的「人工智慧基本法」草案？｜專家論點【台灣科技媒體中心】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

7月27日，新聞報導南韓科學家刊登在未經同儕審核的預印本平台上的兩篇研究，宣稱成功找出室溫常壓的超導體，若經驗證後可實際應用，將帶來科技和工業的重大變革，因此引起眾多的關注和討論

文章來源：台灣科技媒體中心

議題背景：

7月27日，新聞報導南韓科學家刊登在未經同儕審核的預印本平台上的兩篇研究，宣稱成功找出室溫常壓的超導體，若經驗證後可實際應用，將帶來科技和工業的重大變革，因此引起眾多的關注和討論。兩篇發布在arXiv預印本平台的研究如下：

• Superconductor showing levitation at room temperature and atmospheric pressure and mechanism
• The First Room-Temperature Ambient-Pressure Superconductor

台灣科技媒體中心邀請臺灣研究超導體的專家依據自身研究經驗發表看法，黃建龍助理教授指出，此結果如果證實為真，商用與消費電子的關鍵元件一旦從半導體換成超導體，「散熱」這個名詞將成為過去式，更能達到永續能源。但王立民教授提醒，仍待進一步更精密的確認在完全零電阻、完全抗磁性的數值。目前南韓團隊研究的樣品裡面所含的超導體比例不高。

• 超導體是什麼？

根據黃建龍助理教授說明，超導體是一種在特定溫度以下具有零電阻和抗磁性的材料，此溫度稱為超導溫度。科學家在1911年發現第一個超導體元素汞。楊敦弘講座教授舉例超導體的應用，在零電阻的情況下，傳輸電能的導線不會發熱、也不會造成能源的傳輸耗損。王立民教授指出，超導體可廣泛應用於能源、醫學、電子、軍事與交通，如磁浮列車等等。

專家怎麼說？

【楊弘敦】【黃建龍】【王立民】【仲崇厚】

2023年07月27日
國立中山大學物理系講座教授 楊弘敦

1. 這次南韓的研究發現為什麼重要，對我們的社會、工業、科技代表了什麼意義？

早年第一次發現的超導現象，都發生在很低溫且需要昂貴液態氦才可能達到的攝氏零下約269度的環境，因此科學家第二個突破目標就是尋找攝氏零下196度的液態氮以上的「高溫」超導體，由於液態氮相對取得容易且較便宜，就可以大幅度的減少成本。

經過約70多年的努力後，真如所願瑞士的科學家們在1986年突破性地發現了高溫超導體，隔年即由華裔科學家發現超越攝氏零下180度的超導體，使瑞士的學者在1987年得到諾貝爾物理獎。可惜的是該類銅氧化物高溫超導體，屬於陶瓷材料，機械性質差、加工不易，應用在工業上的進展緩慢。

因此這次南韓研究團隊發現常壓室溫下超導體的消息一出，受到很大的關注，若能經過證實，真的有可能獲得諾貝爾獎，對物理界及科技產業產生重大的影響。

2. 有許多研究團隊都在找室溫超導體，找到這種特殊的超導體，為什麼困難？最困難的地方是什麼？

產生超導現象的基本物理原理是「量子效應」，由於其間電子的相互作用力相對薄弱，容易受熱擾動（如室溫攝氏25度）的影響甚至破壞超導現象，這也是為什麼難以找到常壓室溫超導體的關鍵。

3. 目前這個預印本的研究結果，有哪些推論和應用上的限制，是我們要謹慎看待的？

從20世紀初，人類第一次發現超導現象以來，尋找室溫超導體，一直是科學家夢寐以求的目標。其實今（2023）年二、三月間美國羅徹斯特大學發表一份研究，宣稱找到在非常高壓下的室溫超導體，而且刊登在國際知名的《自然》期刊上。但至目前為止仍沒有其他團隊可以重複驗證其結果，因此該研究受到極大的質疑與爭議，甚至已被期刊撤稿。

這篇南韓團隊的研究報告也必須經過其他同行的重複驗證，才能確認常壓室溫超導體的發現是真或是假。可幸的是就目前公開的資料來看，製作該材料無需採用特別困難的技術，因此就看未來幾週的時間內能否通過嚴謹地科學驗證及考驗。

4. 超導體是什麼？研究超導體對人類社會最重要的好處是什麼？

超導體有兩個最重要的特性，一個是零電阻，另一個是完全抗磁性。

在零電阻的情況下，傳輸電能的導線不會發熱、也不會造成能源的傳輸耗損。舉例來說，目前最常用的電線導電材料是銅線，在傳輸過程中因有電阻的關係會發熱造成耗損，從台電的數據來看，去年全台平均因輸送電力造成的損失是3.82%（95.79億度）。如果利用超導線就可以大大有效地減少耗損。另外，因零電阻的超導線圈可以通過大電流，而產生高磁場，因此目前實驗或醫學用的核磁共振相關儀器都利用超導磁鐵。

抗磁性則可以產生磁浮現象，用來作為懸空輪軸，以減少摩擦力。雖然現在已經有磁浮列車在商業運轉，但多數仍採用傳統電磁浮技術，若採用超導體來作為磁浮的技術，將可以同時減少能源耗損，並使列車行進時更平穩安靜。

另一個利用超導體薄膜製作的微小器件具有約瑟芬效應，能應用在感測極微小的磁矩信號。可以應用在核磁共振影像儀上，來感測細微的腦波變化。目前功能性核磁共振影像儀，正是研究腦科學的利器。

2023年07月28日
國立成功大學物理學系助理教授 黃建龍

1. 這次南韓的研究發現為什麼重要，對我們的社會、工業、科技代表了什麼意義？

這次南韓的研究團隊所發現的超導體，在室溫常壓下即具有超導性。此結果如果證實為真，將撼動整個人類社會。商用與消費電子的關鍵元件一旦從半導體換成超導體，「散熱」這個名詞將成為過去式，更能達到永續能源。除此之外，超導體的抗磁特性可以讓它排斥磁鐵的磁力而漂浮，這可以應用在建設高速鐵路的軌道（鋪設強力磁鐵）與列車底部（鋪設超導體）之間。當磁浮產生，列車底部不接觸軌道，也就不產生摩擦力，列車可以有效且輕易地高速移動。

2. 有許多研究團隊都在找室溫超導體，找到這種特殊的超導體，為什麼困難？最困難的地方是什麼？

最困難的地方是科學家尚未掌握室溫超導的成因。既然無法解釋，也就無法知道製造出室溫超導體的方法。大部分的時候，科學家們都是意外地發現具有高超導溫度的超導體，絕非按圖索驥而成。

3. 目前這個預印本的研究結果，有哪些推論和應用上的限制，是我們要謹慎看待的？

最要謹慎看待的是其實驗結果是否可在世界上的任何一個角落被複製，若可以實現，理論物理學家將會有很痛苦的未來，因為其機制勢必不簡單。以應用端來看，我覺得唯一的限制是科學家乃至於全體人類的想像力。因為光是超導體零電阻且不耗能的特性，就已經解決了當前IC設計的核心課題，就是發熱。設計電路的方式將全面改變，人類的未來世界也將被重新塑造。

4. 超導體是什麼？研究超導體對人類社會最重要的好處是什麼？

超導體是一種在特定溫度以下具有零電阻和抗磁性的材料，此溫度稱為超導溫度。科學家在1911年發現第一個超導體元素汞，從那時起，全世界的科學家陸續在元素及化合物上找到許多不同的超導體，而絕大部分的這些超導體不是超導的溫度不高，就是超導現象只在極高壓力下才存在，都不適合應用在人類實際生活中。

研究超導體對人類社會最重要的好處在永續能源。舉例來說，現行台電所生成的電力，在傳送到家庭裡牆上的插座時，已經消耗不少功率，原因是因為電力傳輸使用的銅導線具有電阻，電力經過導線時產生熱，因此消耗能量。如果使用超導體替代銅導線，將因為其零電阻的特性，不消耗任何電力。

2023年07月28日
國立臺灣大學物理學系教授 王立民

1. 這次南韓的研究發現為什麼重要，對我們的社會、工業、科技代表了什麼意義？

目前，最高溫的常壓（1大氣壓）下超導體的材料為汞鋇鈣銅氧化物，溫度可在攝氏零下138度（135K），仍遠低於室溫攝氏27度（300Ｋ）。因此，室溫超導體一直為人類追求之夢想。如能實現，代表新一次的工業革命之來臨。

2. 有許多研究團隊都在找室溫超導體，找到這種特殊的超導體，為什麼困難？最困難的地方是什麼？

超導體雖然已歷經百年之研究，然背後之物理機制仍未完全明朗，尤其是在1986年所發現高溫超導的銅氧化合物，其產生之原因仍不明確，這也是難以找到室溫超導的主要原因。值得注意的是，近年來許多宣稱在極高壓（百萬大氣壓）下發現的近室溫超導體，純粹只是在比較誰擁有更強大的加壓工具，不具學術或應用意義。

3. 目前這個預印本的研究結果，有哪些推論和應用上的限制，是我們要謹慎看待的？

近日韓國研究團隊的發現，的確引發科學研究之轟動。目前各國研究團隊，包括我們，已即刻複製、重現他們的實驗，以確認這一重大發現。不過，我們發現在他們的研究報告中，的確呈現室溫超導體的幾個特徵，但仍待進一步更精密的確認完全零電阻、完全抗磁性的數值，特別是從磁性量測的數據推估，南韓團隊研究的樣品裡面所含的超導體比例不高。但無論後續結果如何，他們已帶給人類實現室溫超導體的新契機。

4. 超導體是什麼？研究超導體對人類社會最重要的好處是什麼？

超導體是在1911年由荷蘭物理學家歐尼斯（H. K. Onnes, 1853 - 1926）所發現，第一個超導體是水銀，它展現新奇的物理現象，在低於臨界溫度Tc、磁場與電流的條件下，具有零電阻與完全抗磁性。研究它不僅僅是源自人類好奇心，更是廣泛應用於能源、醫學、電子、軍事與交通，如磁浮列車等等。

2023年07月31日
國立陽明交通大學電子物理系教授 仲崇厚

南韓實驗團隊宣稱發現室溫常壓超導體的研究成果時，我正於美國參加高溫超導體相關的國際會議，和與會專家熱烈討論此研究的正確性。首先南韓研究團隊看到較弱的磁浮現象是否真的來自超導性，因為一些抗磁性強的材料也會有此現象。另外，南韓團隊量測電阻的方式並非常見的方式，而他們的電阻率在「超導溫度」直接斷崖式掉到零，與目前所知的超導體其電阻率是有曲率平滑連續地降至零有所不同。另外，在他們於預印版論文平台（arXiv preprint）上發佈的兩篇論文都有一張關於磁性量測的數據圖，根據萊斯大學物理學教授道格（Doug Natelson）和我的研究團隊都檢視，兩張圖據判斷應來自同一組數據，但兩張圖的y-軸數據值卻差了數千倍。因此，需要其他實驗室更仔細的獨立驗證。我的實驗合作團隊正在重複此一實驗，最近應會有結果。總結，南韓此次研究結果是否為真目前尚言之過早，但的確是有趣的實驗。

版權聲明

本文歡迎媒體轉載使用，惟需附上資料來源，請註明台灣科技媒體中心。

這篇文章 掀起科技圈熱議的「室溫超導體」究竟是什麼？｜專家論點【台灣科技媒體中心】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

文章來源：台灣科技媒體中心 智慧型手機鏡頭加上螢光鏡後的效果。（圖片來源：Glowscopes） 議題背景： …

文章來源：台灣科技媒體中心

議題背景：

今（2023）年3月10日，國際期刊《科學報告》（Scientific Reports）刊登一份由美國維諾納州立大學副教授雅各．海因斯（Dr. Jake Hines）發表的最新研究，利用現今人手一支的智慧型手機，加上花費不到50美元且日常生活中唾手可得的零件，打造出一台作者稱之為「螢光鏡」（Glowscopes）的自製簡易螢光顯微鏡，可以觀察帶有螢光的斑馬魚胚胎心臟節律和中樞神經系統的部分結構，最細可以分辨10微米。

台灣其實也有專家研究此領域，台灣許多偏鄉學校或缺乏經費的機構沒有足夠的螢光顯微鏡，科學教育的主題、普及可能也因此受限，此研究結果可能提供台灣持續開發簡易科學教育器材時的參考，也能幫助公民科學家收集科學數據。

雅各．海因斯副教授因為觀察到專業實驗室研究用的螢光顯微鏡，其成本往往動輒幾千到幾十萬美元，許多實驗室或中小學的科學研究無法負擔如此高的花費購買與後續維護。為了讓學生或對科學研究有興趣的民眾可以更容易接近科學，所以海因斯試著結合生活中各種不同的零組件，透過持續不斷的嘗試與結合，最終自製出效果好且可簡易自製的螢光顯微鏡，並且在研究網站上無償提供所有DIY的組建方法。但也因為受限於成本，沒有辦無法做到如同螢光顯微鏡一樣的高靈敏度和高解析力。

科學與生活可說是密不可分，台灣科技媒體中心除了致力於科學溝通，也希望分享不同科學研究觀點，因此挑選此篇最新研究，並邀請科學教育與顯微鏡研究的學者，說明這項從生活物品在科學運用的研究，可以為人類生活帶來哪些受益。

研究原文：

• Schaefer, M.A., Nelson, H.N., Butrum, J.L. et al. A low-cost smartphone fluorescence microscope for research, life science education, and STEM outreach. Sci Rep 13, 2722 (2023). https://doi.org/10.1038/s41598-023-29182-y

研究影像：螢光鏡（Glowscopes）的介紹

專家怎麼說？

2023年03月10日
國立海洋生物博物館科學教育組助理研究員 吳曜如博士

1. 這篇研究為什麼重要？

在自然科學的教育過程中，通常是從國中階段開始教學生使用顯微鏡，大多都是使用光學複式顯微鏡，但是操作的步驟相對複雜以及上下左右顛倒的成像，常造成學生學習或老師教導的門檻與困難。再加上顯微鏡的維護跟保養也是一筆支出，所以很容易造成學校或教師對操作顯微鏡的教學卻步。然而這篇研究試著用現在人人幾乎都有的智慧型手機去解決這個問題，作者利用手機的鏡頭作為顯微鏡的目鏡，配合一個可固定的玻璃鏡片，對準手機攝影鏡頭的夾子，以周圍的支架架住手機以及可上下調整的置物台，可以讓原本很小的生物（本研究中使用斑馬魚的幼魚，約2~4 mm長），瞬間放大且清楚的呈現在手機螢幕之上，相當方便直接做觀察。

這篇文章最主要的賣點是他成功的利用市面上頭燈或手電筒的LED光源，配合特定波長的攝影用濾光片，放在光源後方或手機鏡頭跟被觀察物的中間，就可以清楚地看到轉殖螢光基因的斑馬魚幼魚，體內特定部位產生的綠色或紅色螢光。

即使是現在科技發達，螢光顯微鏡仍然對於一般實驗室來說是一個貴重的儀器，除了顯微鏡本身要能支援螢光的光源以外，還有價格相對昂貴的汞燈等耗材花費，即使目前可用LED光源取代，但價位仍居高不下。但是此研究製作出來的手機用螢光顯微鏡，其單一組之成本竟然只需要不到50美金（約1500元台幣），與動輒上萬元以上的一般顯微鏡相比，甚至是十萬起跳的螢光顯微鏡，成本真的是非常低廉。現今的手機亦可以直接拍攝高解析度照片，根據論文中提供的圖片，照片的清晰度其實對於一般簡易的螢光觀察，已經相當之足夠，是國高中教師非常值得嘗試的模式。

國內其實也有利用手機顯微鏡進行觀察且行之有年。在臉書上有特定社團在做推廣，也有廠商製作類似的可夾式行動手機顯微鏡，不過台灣目前還沒特別看到可以這麼清楚地看到基因轉殖綠色、紅色螢光蛋白的發光，但是看一些基本的螢光，如葉綠素之紅色螢光倒是可以。

2. 這篇研究有哪些推論的研究限制嗎？

手機當成顯微鏡，這幾年持續有不同的嘗試，本篇文章使用平常即可取得的手機，搭配簡易的鏡片夾具，即可作為一般倍率之顯微鏡使用，非常方便，但仍有一些限制存在。

1. 研究有提到目前最小可拍到10 微米的大小，故拍攝如斑馬魚幼魚之類的物體剛好適合，如果加上一般5倍的摺疊式放大鏡，大約可以拍到2 微米。但對比高級的光學複式顯微鏡，其可觀察到的仍受限於鏡片固定的倍率，且無法簡易的變換放大倍率（如切換物鏡）。
2. 最大的受限應是手機鏡頭的像素感光元件大小，但隨著科技進步，可以拍到的畫面應該就會逐漸提升。也因此本研究指出這個手機顯微鏡的設計，比較適合使用於國小高年級至國中，甚至到大學端的教學，但是要取代真正的螢光顯微鏡，還是有一定的難度。
3. 本研究也提出了一個有趣的情況：不一定較新的手機就可以拍到最好的畫面。在拍攝發出綠色螢光的斑馬魚幼魚後腦（hindbrain）時，研究使用了蘋果、三星、Google以及Motorola等品牌的手機，由於後腦位置與大小的關係，並不容易拍得清楚，但是在各家手機所拍出來的照片中，iPhone XR拍出來的畫面就比起iPhone 12來得更清晰一些。
4. 不同設備組合拍攝還是會影響拍攝或觀察，包括濾光片的組合與光源的選擇。也因此此研究有提到，雖然大多數手機應該都可以拍攝，但是最佳條件可能仍需要依據不同設備選擇最好的組合。例如在不同實驗中，作者其實陸續使用了iPhone 12 pro、iPhone XR以及iPhone 11 pro，所以對於想要複製此用法的教師，可能也需要做一些設備的微調，才能取得較佳的觀察品質。

3. 一般人該如何正確的理解這篇研究？這篇研究可能還需要克服哪些技術層面的問題？

本研究主要是希望可以將此種手機顯微鏡的用法推向不同年級學生的自然觀察課程中，由於價格相對低廉，可以有效地讓更多的學生有親自操作的機會。在本研究中也提出了許多可能性，例如，國小學生重視對自然界的觀察，可以利用此顯微鏡觀察微小生物，像是讓斑馬魚幼魚去吃草履蟲的獵食行為；或是國中學生可以利用觀察斑馬魚子代螢光表現的幼魚數目，去推測親代的基因型，藉此實際體會遺傳或基因相關的課程；而利用不同方向光源的打光方式，也可以看不透光的昆蟲或是其他樣品的表面。在實務上有許多可開發的可能性。

這篇研究也提出還需要克服的問題，包括目前教學現場通常並不鼓勵學生拿出手機，且即使學生都有手機可以拍照，但是不同廠牌其實效果以及鏡頭配置都不太一樣，雖然設計是多數手機應該都可以配合使用，但是無法讓每一個學生都有相同的觀察與體驗結果。不過研究也提到，現在利用平板進行教學課程的學校也逐漸增加，或許未來學生都使用相同裝置的話，就可以有比較好的使用體驗。

研究也有提到選擇觀察的生物可能也是一個關鍵，斑馬魚目前作為實驗動物，算是相對容易飼養與取得，且其幼魚作為此手機顯微鏡的觀察目標，尺寸大小剛好。研究文獻中提到斑馬魚研究社群相對開放（於網站上有不同國家、地區的實驗室位置）、友善與願意提供協助，但是特定部位的螢光品系，在取得與飼養維持上仍需要一定程度的知識，不過國內進行斑馬魚相關研究的單位也很多，甚至國衛院有斑馬魚種源庫，所以對於國內第一線教師想要設計顯微鏡來觀察班馬魚的課程，應該較其他國家地區更容易、方便。

2023年03月10日
清華大學生醫工程與環境科學系助理教授 朱麗安

1. 這篇研究為什麼重要？

解剖顯微鏡已經是普遍國高中學生在課堂上會使用的顯微鏡，因為其架構簡單並且價格較低，很適合拿來觀察肉眼無法看到的微小生物或樣本。但在生物研究當中，基因轉殖螢光進入動物中，特定表達在某一個器官像是血管、神經等，或是利用不同的螢光染劑、螢光奈米量子點等標定特定組織，已經是一個非常成熟的技術，但過去都僅限於大學的實驗室內才能進行相關的探究，追根究底的原因是過去的螢光顯微鏡價格高昂（動輒百萬以上），且維護不易，所以即便目前是基因轉殖技術以及螢光技術百花齊放的時候，往往因為無法取得觀測的工具，而讓非大學研究所以外的學生無法利用這樣的新工具。

本篇研究主要發展一種低價（兩千元以內）、以現在人手一支的手機作為拍攝工具的螢光顯微鏡，並且證明能夠在手機上清楚拍到整隻基因轉殖的斑馬魚，可以非常容易進行斑馬魚的行為記錄，以及觀察如斑馬魚心律變化等功能性影像，再搭配簡易的影像分析模型，可以讓高中以下的學生更接近最新的生物技術發展，是在科學教育系統上很重要的里程碑。

2. 這篇研究有哪些推論的研究限制嗎？

由於螢光基因轉殖的強度仍然有許多變因，例如螢光亮度、螢光表達位置等等，都會因為基因表達選用的基因組等造成改變，所以並不是所有的基因轉殖螢光動物都可以用這樣的手機顯微鏡來拍攝。即便作者選用斑馬魚的幼魚天生就是幾乎透明的狀態，所以在沒有使用科學儀器類的鏡頭狀況下，仍然可以觀察到動物體內的螢光訊號，但如果未來希望偵測斑馬魚的其他組織，可能仍然取決於待測物的螢光強度決定是否能使用此儀器。另外此儀器的光學解析度約在十微米的範疇，所以小於十微米的結構，例如神經細胞，就不容易在這樣的狀況下被觀察。

3. 一般人該如何正確的理解這篇研究？這篇研究可能還需要克服哪些技術層面的問題？

在台灣也有像科學maker這樣的社團，由臺灣大學應用力學所的江宏仁老師主持，一樣有建立手機顯微鏡或是手機螢光顯微鏡模組的類似工具，如果有更多國高中的老師能夠利用這樣的工具，相信對台灣的科學教育會有立即性的正面影響！

版權聲明

本文歡迎媒體轉載使用，惟需附上資料來源，請註明台灣科技媒體中心。

這篇文章 用手機就能打造低成本的螢光顯微鏡｜專家論點【台灣科技媒體中心】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

文章來源：台灣科技媒體中心 議題背景： OpenAI在今（2023）年3月14日正式推出GPT-4，比起先前的 …

文章來源：台灣科技媒體中心

議題背景：

OpenAI在今（2023）年3月14日正式推出GPT-4，比起先前的GPT-3.5回答問題更精準，還可以請GPT-4解讀圖片。OpenAI共同創辦人Greg Brockman也用youtube影片示範GPT-4的特點與限制。

英國的衛報也報導，OpenAI表示GPT-4接受了互聯網上大量資料的訓練，因此改進了很多原本GPT-3的問題並且更有創造力，但用戶在使用語言模型輸出的答案時仍應格外小心，建議再人工檢查過內容。

相關資訊：

• OpenAI GPT-4公開資訊：GPT-4
• OpenAI GPT-4預印本平台的技術報告：GPT-4 Technical Report
• 英國衛報：OpenAI says new model GPT-4 is more creative and less likely to invent facts
• CNN新聞：The technology behind ChatGPT is about to get even more powerful

專家怎麼說？

【蔡宗翰】【李怡志】【蔡炎龍】【曾元顯】

2023年03月16日
國立中央大學資訊電機學院資訊工程學系教授 蔡宗翰

1. GPT-4的優勢和限制分別是什麼？

GPT-4是目前為止最強大的語言模型之一，它的優勢在於，GPT-4現在使用更多的訓練資料和計算資源，能夠更準確地回答問題和生成文字，並減少語言偏見的影響。

此外，GPT-4透過學習大量的文字和圖像資料，獲得更高的創造力和想像力，能生成更有趣和獨特的文字和圖像描述。而且，它也具備解讀圖片的能力，可以從圖像中發掘關鍵資訊並生成相關的文字描述。

值得注意的是，GPT-4必須要有大量的計算資源才能運行和訓練，因此在某些設備上可能會難以實現，且會消耗大量的能源。此外，即使GPT-4的準確性比之前的版本更高，仍有可能出現一些錯誤，因此在使用時需格外小心，並進行進一步的確認。

2. 根據您的研究經驗，GPT-4解讀圖片且生成文字的能力，還可以從哪些方面精進呢？是否需要開發新的演算法，或是給予更多高品質的訓練資料？

目前來看，GPT-4在解讀圖片和生成相關文字方面已經取得了很大的進展。但是，這種技術還存在一些限制和挑戰。例如：

圖像和文字之間的關聯是一個複雜的問題，目前的語言模型在這方面仍存在一定的局限性。為了進一步提高模型的準確性和精確度，需要開發更先進的演算法和技術。

GPT-4在生成文字時可能會編造非事實性的回答，這可能會對使用者造成誤導和負面影響。為了解決這個問題，可以考慮引入更多的事實驗證機制和檢查機制，同時需要給予模型更加高品質的訓練資料。

另外，語言模型的訓練資料可能存在一定的模型偏見，例如性別、種族、文化背景等方面的偏見。為了解決這個問題，需要更加細緻的調整和訓練模型，同時更加嚴格的審查和檢查模型的輸出結果。

總之，為了進一步提高GPT-4的解讀圖片和生成文字的能力，需要進一步探索和研究相關的演算法和技術，同時也需要給予更多高品質的訓練資料和更加細緻的調整和訓練。台灣必須要有資源投入、深耕，以及研究訓練大型語言模型的技術，絕不能只是使用者，才不會在國際AI軍備競賽中落後。遇到有心者利用GPT-4製造假訊息攻擊時，才有能力判別與解讀假訊息。

3. GPT-4讓大眾對人工智慧的期待更高，但也出現許多擔憂，例如人工智慧可能降低造假門檻與成本。您建議我們如何看待最新的AI生成文字技術，以及在使用上有哪些小撇步和注意哪些事項，以降低從GPT-4得到錯誤資訊的機會？

最新的AI生成文字技術，如GPT-4，具有極高的創造力和生成能力，可以幫助我們更快速、更有效地生成各種類型的文字資料。同時，它也存在一些風險和潛在的問題，例如可能會編造非事實性的回答，產生偏見和不當影響，因此在使用上需要特別注意。

以下是我一些建議的小撇步和注意事項，以降低從GPT-4得到錯誤資訊的機會。

檢查輸出結果：使用者在使用GPT-4生成的文字時，應該始終檢查輸出結果，確保其符合事實和正確性。如果有任何不確定或不正確的地方，應該進一步查證和驗證。

確認來源可靠性：如果從網路上獲取資訊，應該確認其來源的可靠性和真實性，避免受到不可靠的資訊和資料的影響。

使用多種來源：為了避免偏見和局限性，使用者應該使用多種來源的資訊，從不同的角度和視角獲取資料，進行綜合分析和判斷。

注意隱私和安全：在使用GPT-4等技術時，需要注意隱私和安全問題，避免個人資料和機密資訊的外洩和損失。

學習和實踐批判思考：最重要的是，使用者應該學習和實踐批判思考，不盲目相信任何一個模型或技術，並且從不同的角度和角色出發進行思考和判斷，確保獲取到的資料和資訊符合事實和真相。

總之，最新的AI生成文字技術，如GPT-4，為我們帶來了許多便利和效率，但也存在一些風險和挑戰。在使用上，我們應該特別注意其限制和潛在問題，並且採取相應的措施和注意事項，確保獲取到的資料和資訊的正確性和可靠性。

2023年03月19日

國立政治大學傳播學院助理教授 李怡志

1. GPT-4讓大眾對人工智慧的期待更高，但也出現許多擔憂，例如人工智慧可能降低造假門檻與成本。您建議我們應如何看待AI生成的文章，以及如何辨別內容的正確性呢？

一般人因為先會使用Google 才會使用ChatGPT，所以常會以 Google 的概念來看 ChatGPT。Google是一個資料索引目錄，你輸入了關鍵字，索引目錄協助你找到資料。ChatGPT則是學習資料後建立模型，你輸入了提示，他會解讀你的提示之後，給你GPT學會的東西。如果我們將這兩個角色擬人化之後，Google是一個圖書館員，它不會告訴你任何東西，只會幫你找東西。ChatGPT是一個會超級多語言的口譯員，它不會幫你找東西，但是很愛幫你「翻譯」或「轉譯」，也很樂於自己補充。簡單來說，前者是用「查」，後者用「翻譯」。

因為ChatGPT / GPT 是根據自己的學習來生成「翻譯」，如果它越像人（工智慧），記憶就可能越不齊全，因為人的記憶不是查資料庫那樣完整，所以我們要假設 ChatGPT 在事實上是可能出錯的，不能完全依賴它完成封閉型（答案只有對錯的，例如「蔡英文的地址」）的事實寫作。

如果我們看到一篇文章，已經註明利用ChatGPT 或人工智慧工具完成或協作，我們就要假設裡面的事實可能有錯、會腦補。但假如沒有註明，那就跟平常看到任何文章一樣，隨時保持注意，保持懷疑，如果對於內容有任何疑慮，就回頭求助圖書館員。

2. 依據您使用ChatGPT的經驗，如何正確運用它，以及使用上有哪些小撇步和注意事項，可以以降低從GPT-4得到錯誤資訊的機會？

ChatGPT是一個口譯員，不是圖書館員，所以一定會出錯，所以我們盡量不讓它獨立產生封閉知識型的內容（例如李白的字、號與祖籍）。使用 ChatGPT 比較好的方式是讓它好好地「翻譯」，讓它提供開放型的內容。也就是說，如果內容有明確的「是非對錯」，最好不要完全依賴它，但如果答案只有「好壞高下」，那麼我們可以開始練習如何使用它。

ChatGPT是一個人工智慧工具，意思是可以理解人話、說人話。但我們也知道，與人溝通向來不簡單，特別是ChatGPT 看不到你的表情，也不知道你提問的脈絡，所以你得講更清楚，特別是規範ChatGPT的產出。

有一個簡單的模型可以讓我們更清楚地協助ChatGPT如何溝通，學者 David Berlo 曾提出 SMCR 模式，將溝通拆解成：傳播者（ Source）、訊息 （Message）、媒體（Channel）及接受者（Receiver）四塊。[1]

例如我想請 ChatGPT 寫一篇文章「介紹如何使用ChatGPT寫一篇文章」（本文不是這樣寫出來的），如果真的這樣問，「轉譯」出的結果可能很普通。但我們重新限制後，可以說：

請以傳播學者的身分（Source），

針對人文社會科學的大學生（Receiver），

寫一篇文章介紹如何使用ChatGPT寫文章，不要太技術性，語氣親切（Message），

刊登台灣科技媒體中心的Facebook上面（Channel）。

這樣清楚的說明，就可以讓 ChatGPT「轉譯」出更好的結果。

2023年03月19日

國立政治大學應用數學系副教授兼學務長 蔡炎龍

1. GPT-4的優勢和限制分別是什麼？

目前看起來，OpenAI訓練GPT-4和GPT-3在文字上應該是運用相同的訓練資料。而GPT-3（ChatGPT）大概「看」了正常人要花超過9,000輩子[註1]才能看完的資訊。也就是說我們讀過的資訊數量遠遠不及GPT-4 讀過的，因此GPT-4和GPT-3都知道比我們更多的資訊。另一方面來說，GPT-4比GPT-3更優秀的是能一次看超過25,000個字，這比GPT-3大約只能看2,048個字好非常多。

之前以GPT-3（更嚴格說是 GPT-3.5）為底的ChatGPT，一次其實不能看那麼多字。於是，長一點的文章，要它作摘要就無法做得那麼好，寫一個報告前後風格有時會有差異，還有在討論事情，方向突然有點改變等等。這主要都是因為GPT-3能看的字數限制。

GPT-4的限制，最主要來自它其實只是「用前一個字預測下一個字」這樣的模型。雖然實際上是用一種叫transformers的架構，我們可以想成是「看完前面若干字，再預測下一個字」的模型。因為前面說到GPT-3一次輸入是2,048個字，所以大概最多看前面兩千多個字，再合理預測下一個字是什麼。

GPT-4只是用神經網路的原理訓練後，計算出文句。只是它真的看過太多資訊，所以可以推出好像非常合理的文句。但其實它沒有意識、沒有情緒，單純是經訓練後算出來的。

2. 根據您的研究經驗，GPT-4解讀圖片且生成文本的能力，還可以從哪些方面精進呢？是否需要開發新的演算法，或是給予更多高品質的訓練資料？

簡單的說，GPT-4的重點不是它還能更強，而是我們現在就可以怎麼使用它。

如前面所說，GPT-4生成文字，只是「前一個字預測下一個字」的模型，使用的是transformers的技術。這種模型其實transformers之前就已經存在，所以GPT-4技術本身不能算是重大突破。反而大家發現，原來這麼「原始」的方式，就能做到這麼多東西。在這之前，AI 專家們曾用各種「高級」的演算法去做許多東西，但現在發現其實沒有GPT-4那麼好。

另一方面來說，這種單純由前面的一些字去預測下一個字的模型，只是依過去訓練的經驗，覺得放哪個字合理，不是真的基於事實。舉例來說，如果是一個名人，GPT-4可能生成的文字會合理一點。但如果不是位名人，比方說請 GPT-4介紹「政治大學應用數學系的蔡炎龍老師」，它會知道政大是在台灣的一所大學，但因關於蔡炎龍的資訊太少，他就會依是應用數學系的老師，「合理」推出一堆文句通順但並非事實的文句。

要改善這樣的問題，基本上是困難的。Microsoft Bing使用的方法是讓 ChatGPT有搜尋的能力，這是其中一個改善的部份。另外其實更合理的是，既然GPT-4最大特點不是說出完全符合真實情況的東西，那為何不由使用者提供呢？我們很容易發現，如果提供基本資訊，ChatGPT就會幫我們生成相當好的文章。很多專家也發現，我們可以和ChatGPT「討論」一些概念，ChatGPT有時說的部份是錯的，你可以糾正它，它就會產生更好的文字。

這件事Microsoft執行長納德拉（Satya Nadella）用了一個很精確的詞，那就是GPT-4這類的模型，是我們的「對話型智慧代理人」（conversational intelligent agents）。這代理人的意思是，它功能多好，其實是我們人類的責任。也就是你越會用它，它就能發揮越多的功能。

3. GPT-4讓大眾對人工智慧的期待更高，但也出現許多擔憂，例如人工智慧可能降低造假門檻與成本。您建議我們如何看待最新的AI生成文本技術，以及在使用上有哪些小撇步和注意哪些事項，以降低從GPT-4得到錯誤資訊的機會？

綜合前面所說，要讓GPT-4產生有用、正確的東西，是使用者的責任。文字生成模型它並不是有意識的提供不正確的資訊，所以刻意要造假消息的，用GPT-4不一定能更快速造出一個人要的假消息。這說不定反而會讓大家更認為，堅持把關文字的媒體、出版社、或知名人物才是值得信賴的。相反的，照片、影片和聲音，反而不會再被大家認為是「有圖有真相」，我們可能要即早思考如何因應。

和文字一樣，或許之後有公信力的人或機構發佈的照片影音等，大家才可以相信。另一個可能是需要讓可以錄影的相機、手機把認證訊息放入照片或影片中，證實真的是直接用這些機器拍下、沒有改造過。

2023年03月20日

國立臺灣師範大學圖書資訊學研究所特聘教授 曾元顯

 1. GPT-4的優勢和限制分別是什麼？

GPT-4是由GPT [1]、GPT-2 [2, 3]、GPT-3 [4]逐漸演化而來的。

GPT是Generative Pre-trained Transformer（生成式預訓練轉換器）的簡稱，其中，「生成式」代表它可生成文字做為輸出的資訊，預訓練代表它經過大量資料的事先訓練，轉換器Transformer則是人工神經網路的一種架構，可以接受一段文字做為輸入，將其轉換成一串數值向量，使得類似的概念，有相似的向量，再進而生成相同主題的文字。

繼2017年Transformer被提出來後，OpenAI公司基於Transformer的神經網路架構以及預測下個字的訓練方式，於2018年6月提出GPT模型。由於成效良好，OpenAI公司將模型加大，於2019年2月提出可以根據人工撰寫的前導文輸出完整文章的GPT-2，2020年5月提出更大型且可依照前導文指示完成多項任務的GPT-3。雖然GPT-3在語言理解與生成方面已屬不凡，但其生成的內容不見得非常符合使用者的意圖，OpenAI遂在2022年1月發表更能符合使用任務的InstructGPT（GPT-3.5）[5]，並於2022年11月底提出可跟使用者對話並依照指示生成回應的ChatGPT [6]，近期則在2023年3月發表除了接受文字指示外也能接受圖片做為輸入的GPT-4模型[7]。

GPT系列的模型越來越大，訓練資料也越來越多，接受的輸入資訊也越來越長。從一開始GPT只使用到數千萬個參數，GPT-2使用15億個參數，到GPT-3使用到1750億個參數，但OpenAI並沒有透露GPT-4的模型大小，推測應該不會比GPT-3更大（因為更大需要更久的推論和執行時間），但可能用更多資料訓練得更久（因為Meta AI的研究指出，較GPT-3小的模型用更多訓練資料、訓練更久，可以得到跟GPT-3類似甚至超越的成效[8]）。

因此，GPT-4的優勢，有幾項：

1. GPT-4可以接受更長的輸入，最長到32K（差不多53頁的文字），比GPT-3長16倍，亦即可以理解更長的文章，回應出更長的文字。
2. GPT-4的文字理解與生成能力更好，特別是在專業與學術領域，比GPT-3更強。例如，GPT-4在模擬的律師考試方面，其成績已達前10%的程度，而GPT-3僅能達到後10%的程度。
3. GPT-4除了可以接受文字的輸入外，也可以同時接受圖片做為輸入，理解後再以文字回應。而GPT-3僅能做到文字輸入與文字輸出。
4. 更具可操縱性（steerability），亦即比前一代更易於有效的規範GPT-4回應的風格與定義GPT-4的任務。

GPT-4的限制跟其前一代一樣，仍舊會有無中生有、推理錯誤、各種偏見（如性別、種族、職業等偏見）、不理解訓練資料之後發生的事物（訓練資料只到2021年9月的網路資料）。因此，在高風險的任務上，使用仍須小心，必須盡力求證。儘管如此，GPT-4回應出事實的能力比其前一代高出40%。

2. 根據您的研究經驗，GPT-4解讀圖片且生成文本的能力，還可以從哪些方面精進呢？

雖然「看圖生文」的研究已經取得不錯的進展，但與大型語言模型如GPT-4的整合仍不多見，而且相關的評測資料較少、主題範圍尚未全面，再加上目前OpenAI釋出的訊息有限，因此難以完整判斷GPT-4解讀圖片後生成文本的能力。

3. 是否需要開發新的演算法，或是給予更多高品質的訓練資料？

編造非事實的回應，是這類大型語言模型難以根除的現況。

GPT系列的神經網路，包含GPT-3、GPT-4，其基礎模型是以自我監督的方式訓練出來的。亦即，只要蒐集品質良好的大量語料，不必進行任何的人工標記與判斷、不需用到文法規則，輸入語料中的每一個文本，如下圖一之輸入：「人之初，性本…」，並將該句子的下個字當作輸出目標，如：「之初，性本善…」，然後要求GPT進行生成預測。

若相對應位置的字詞預測錯誤，就調整參數（以倒傳遞誤差的方式，按梯度下降法調整參數[9]）。

因此，究其內部，GPT這類模型只是上千億個小數點參數，在Transformer 神經網路架構下進行運算，就可以得出人類語言的文字順序，完全沒有用到文法規則，沒有用到符號化的知識庫或是資料庫。

觀察GPT的輸出，它已經能理解語言，甚至具備語感，錯字比人類低，對於讀過的豐富主題，講得頭頭是道，非常神奇。

GPT對文句「移花接木、再加潤飾」的能力超乎常人，但還是會生成錯誤的資訊。大家使用時，仍得謹慎。

純粹的GPT模型裡面，沒有用到任何符號式的知識或是人類寫的離散式的規則。語言文字的知識規則，已經被 GPT 轉化成大量數值計算的連續性規則。這種連續性的知識表達方式，可以非常便捷、有效的內差（interpolate）出各種知識的變化，甚至於外插（extrapolate）擴增GPT從未看過的知識。這種知識表達方式以及其運算的能力，是這一波AI大幅成功的主因之一。

GPT-3.5、GPT-4進一步用到人類導師的導引以及強化學習的方式加以訓練，用以抑制較差的輸出、獎勵較好的回應。但基本上，GPT-4仍有可能輸出無中生有、偏見、甚至錯誤的訊息。試想，我們可以要求ChatGPT、GPT-4依照我們的劇情指示，生成劇本。當這個劇情是天馬行空的想像，甚至要闡明什麼是偏見、謬誤、惡形惡狀時，ChatGPT可以生成這樣的劇情。也就是說，誤導、偏見的資訊並沒有從ChatGPT、GPT-4中刪除，只是被抑制，但仍然可能由某種提示被引導出來。

由上可知，編造文句是GPT的天性，此編造的文句非事實，是我們不要的，但在某些場景下是我們要的。

4. 有哪些研究可以降低GPT-4對社會的負面衝擊？

最近有些研究，某種程度上可以偵測AI生成的文句。例如文獻[10-11]微調了 RoBERTa的模型並釋出程式，其識別GPT-2模型生成的網頁時可達95% 的準確率。其他還有許多研究在協助偵測GPT生成的文字[12-15]，協助辨別是否有錯用AI文字而有欺騙、造假、不公平的情事，以降低這波AI帶來的社會衝擊。

註釋與參考資料：

【李怡志】

[1] Berlo, D. (1960). The process of communication: an introduction to theory and practice, Holt, Reinhart and Winston, New York.

【蔡炎龍】

[註1] ChatGPT 算了一個人一生中能讀多少字，而GPT-3模型看了4990億個字，依此計算得到一個人要花超過9,000輩子才能看完GPT-3看的字量。

【曾元顯】

[1] Improving Language Understanding by Generative Pre-Training, https://s3-us-west-2.amazonaws.com/openai-assets/research-covers/language-unsupervised/language_understanding_paper.pdf

[2] Better language models and their implications, https://openai.com/research/better-language-models, February 14, 2019

[3] Language Models are Unsupervised Multitask Learners, https://cdn.openai.com/better-language-models/language_models_are_unsupervised_multitask_learners.pdf

[4] Language Models are Few-Shot Learners, https://arxiv.org/abs/2005.14165, 2020-05-28.

[5] Training language models to follow instructions with human feedback, https://arxiv.org/abs/2203.02155, 2022-03-04.

[6] Introducing ChatGPT, https://openai.com/blog/chatgpt, 2022-11-30.

[7] GPT-4, https://openai.com/research/gpt-4

[8] LLaMA: Open and Efficient Foundation Language Models, https://arxiv.org/abs/2302.13971, 2023-02-27.

[9] Rumelhart, D. E., & McClelland, J. L. (1986). Parallel Distributed Processing, Vol. 1: Foundations. Cambridge, MA: MIT Press.

[10] Jawahar, G., Abdul-Mageed, M., & Lakshmanan, L. V. S. (2020). Automatic Detection of Machine Generated Text: A Critical Survey (arXiv:2011.01314). arXiv. https://doi.org/10.48550/arXiv.2011.01314

[11] Solaiman, I., Brundage, M., Clark, J., Askell, A., Herbert-Voss, A., Wu, J., Radford, A., Krueger, G., Kim, J. W., Kreps, S., McCain, M., Newhouse, A., Blazakis, J., McGuffie, K., & Wang, J. (2019). Release Strategies and the Social Impacts of Language Models (arXiv:1908.09203). arXiv. https://doi.org/10.48550/arXiv.1908.09203

[12] ZeroGPT：https://www.zerogpt.com/。

[13] DetectGPT：https://detectgpt.ericmitchell.ai/。

[14] OpenAI 自己做的 AI文字偵測器：https://openai.com/blog/new-ai-classifier-for-indicating-ai-written-text。

[15] Data Portraits: Recording Foundation Model Training Data, https://arxiv.org/abs/2303.03919, 2023-03-06.

版權聲明

本文歡迎媒體轉載使用，惟需附上資料來源，請註明台灣科技媒體中心。

這篇文章 要投胎9,415次才趕得上ChatGPT的閱讀量！｜專家論點【台灣科技媒體中心】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

文章來源：台灣科技媒體中心 議題背景： 在今（2023）年3月1日，國際期刊《自然通訊》（Nature Com …

文章來源：台灣科技媒體中心

議題背景：

在今（2023）年3月1日，國際期刊《自然通訊》（Nature Communications）發表一份最新研究，「Droplet superpropulsion in an energetically constrained insect」。研究發現，葉蟬（leafhopper）會將尿液集中在尾部後，透過尾部的特殊構造：尾針（anal stylus）會將尿液像是打棒球一樣的揮擊出去。研究顯示，這個機制可以幫助葉蟬每天排掉相當於自身體重300倍的廢棄物，是一種非常節省能量消耗的作法。研究試圖去找出一隻比小拇指指尖還小的昆蟲，如何完成生物工程學與物理學壯舉的方法。

在2018年時，喬治亞理工學院（Georgia Institute of Technology）的助理教授薩阿德·巴姆拉（Saad Bhamla）在他家後院注意到一隻小到幾乎看不見的昆蟲正在小便，在牠的尾部會先出現一顆水滴，然後突然迅速的發射出去，他認為這種昆蟲一定是利用非常巧妙且創新的物理原理，達到有效率的排泄方式。巴姆拉認為，這項發現或許可以啟發以昆蟲為靈感的節能自動清潔結構（self-cleaning structures）和軟式機器人（soft robotic engines）的工程學設計，但要實際運用在生活、工程等領域中，仍有一段距離要走。

因此，巴姆拉就開始研究這些專門吸食植物汁液的葉蟬科（Cicadellidae）昆蟲，透過觀察褐透翅尖頭葉蟬（ 學名：Homalodisca vitripennis ，簡稱：GWSS ）、藍綠尖頭葉蟬（Graphocephala atropunctata，簡稱：BGSS ）與紅帶葉蟬（Graphocephala coccina，簡稱：RBSS）在吸食植物汁液後的排泄，會用尾部的尾針將集中的尿液以非常快的速度彈射出去，作者稱這個現象為「超級推動力」（superpropulsion）。

台灣科技媒體中心邀請曾於喬治亞理工學院胡立德（David Hu）教授研究指導下，榮獲第29屆搞笑諾貝爾獎（Ig Nobel）的科學家楊佩良（Patricia Yang）助理教授，分享她對這篇研究的看法。

研究原文：

• Challita, E.J., Sehgal, P., Krugner, R. et al. Droplet superpropulsion in an energetically constrained insect. Nat Commun 14, 860 (2023). https://doi.org/10.1038/s41467-023-36376-5

專家怎麼說？

2023年03月01日
國立清華大學動力機械工程學系助理教授 楊佩良

清華大學動力機械工程學系助理教授楊佩良（Patricia Yang）表示，葉蟬科（Cicadellidae）這類的昆蟲會一邊吸食植物汁液的同時，一邊將多餘的廢棄物和液體排出體外。但因牠們體型小，不太可能單靠用擠壓的方式就將尿液排出，所以才會出現這篇研究發現的有趣現象。

楊佩良說明，巴姆拉（Saad Bhamla）的研究發現，葉蟬的尾針（anal stylus）會產生一個特殊的頻率，而這頻率恰好與排出尿滴的「自然頻率」相同。楊佩良補充，這種尾針揮動的頻率剛好與形成水球的尿滴頻率相同，才能在非常省力且揮動速度不快的情況下，讓尿滴可以在超越尾針的揮動速度，高速被揮擊而出。

楊佩良提到，可以把尾部形成的尿滴，想像是一顆軟式棒球，尾針就像揮擊的球棒一樣，連壓帶打的將尿滴彈射出去，這個原理也很像我們用在剔牙的塑膠牙籤會一瞬間把卡在牙縫的殘渣剔出去，而這篇研究的重要發現就在於，此研究是首次在自然界的生物中，發現這種類似「揮棒打擊」的機制，把尿液集中成水滴後，當作棒球一樣打出去。

楊佩良表示，研究的應用在於未來可以作為發展小型清潔機器人儲能動力的參考，例如：小型的軟式智慧型機器人或作為儲能的裝置。

楊佩良補充，她早前於喬治亞理工學院胡立德教授（David L. Hu）的指導研究中即發現，小於一公斤的哺乳類動物（例如：實驗大白鼠）也會利用相同的方式形成尿滴，因為膀胱和體內的壓力不足以讓牠們像人類或其他大型動物一樣，像水柱一樣的排尿方式。楊佩良說明，而這篇研究也有引用她在之前研究建立模型的公式。楊佩良提到，只是這篇研究發現的昆蟲還外加一條尾針可以透過特別的頻率，將尿滴像棒球一樣的打擊出去。

楊佩良提到，美國國家科學基金會（NSF，類似台灣的國科會NSTC）相當重視仿生生物學的研究，美國有多間研究大學也組建跨領域的仿生生物學研究單位，喬治亞理工學院早在2012年即開始在仿生生物學與生物力學的跨領域交流、研究，而薩阿德·巴姆拉（Saad Bhamla）助理教授剛好是在她要離開喬治亞理工學院的同一年進來任教。

版權聲明

本文歡迎媒體轉載使用，惟需附上資料來源，請註明台灣科技媒體中心。

這篇文章 葉蟬的排尿方式竟有助於節能？｜專家論點【台灣科技媒體中心】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

文章來源：台灣科技媒體中心 議題背景： 1月20日凌晨00:00以牛津大學為首的研究團隊，舉辦記者會發布「全球 …

文章來源：台灣科技媒體中心

議題背景：

1月20日凌晨00:00以牛津大學為首的研究團隊，舉辦記者會發布「全球碳移除」報告（The State of Carbon Dioxide Removal）。這份報告是全球首次有研究團隊全面評估移除二氧化碳（Carbon Dioxide Removal, CDR）的現況。

報告指出當前全球CDR的方式有99.9%來自傳統的方法，例如造林；僅0.1%來自新的技術方法，例如生物炭、採用碳捕捉的生質能源、從空氣直接碳捕捉並儲存。整體而言，各國的CDR計畫數量與實踐巴黎協定所需的移除數量有極大落差。這份報告呼籲，新技術的CDR需增加1,300倍，傳統方式的CDR（樹木與土壤）需要增加2倍，才可能將升溫限制在攝氏2度的目標之下。

台灣科技媒體中心整理報告摘要，並邀請台灣專家分享台灣的碳移除技術的進展。

研究原文：

• Smith, S. M, Geden, O., Minx, J. C., et. al (2023). "The State of Carbon Dioxide Removal."

報告摘要：全球碳移除報告摘要

專家怎麼說？

2023年01月18日
國立清華大學化學工程學系助理教授  林育正

報告中將碳移除（Carbon Dioxide Removal，CDR）定義為捕捉空氣中的CO₂，達成減少大氣中CO₂濃度之目的。CDR方法可分為直接捕捉（如direct air capture, DAC），或是間接捕捉（如biomass carbon capture and storage, BECCS）。CDR優點為以負碳方式彌補其他無法被減少的碳排，例如分散且低濃度的碳排來源。CDR缺點為空氣中的CO₂濃度僅有400ppm，相比於捕捉高濃度的CO₂，每單位CO₂捕捉成本會是10倍以上。

對於台灣來說，主要碳排為燃燒化石燃料產生的CO₂，通常濃度高且來源集中，當前減碳的策略優先度應為以再生能源取代化石燃料或是以碳捕捉技術方法（carbon capture and storage, CCS）減少這些濃度高且來源集中之碳排，如火力發電廠煙道氣、鋼鐵業及水泥業排放的廢氣。使用CDR回收空氣中低濃度的CO2 唯有在高濃度碳排來源皆排除後才有實施的理由。目前台灣的碳捕捉技術發展集中在回收高濃度的來源，與CDR相關的技術有發展藻類固碳，新技術如DAC或是BECCS之發展較少。CCS部份技術亦可應用於CDR。台灣在減碳技術發展應走的方向為發展CCS技術減少化石燃料之碳排同時測試類似技術應用於CDR之可行性。

2023年01月18日
國立清華大學化工系榮譽退休教授  談駿嵩

台灣現有利用鹼性水溶液捕捉燃煤鍋爐排放氣中酸性的CO₂，規模一年在數十到數百噸間，屬於小規模的試驗工廠，但全球現今從燃煤電廠碳捕捉的量也不過一年數百萬噸；另台灣也有利用碳化鈣捕捉水泥廠排放的碳，但因需要在高溫下操作，只適合水泥業的捕碳。至於捕捉下來的碳，因為量不大，現在的應用研究以培育微藻為主，日後利用途徑會朝直接利用CO₂及藉由捕捉之CO₂生產化學品、能源產品、生質產品及燃料等方式發展。

台灣已宣布要在2050達到淨零碳排，在去（2022）年3月30日所提出的淨零路徑中指出，2030碳捕捉量要達400萬噸，2050要達4,020萬噸。只是目前捕碳規模只在試驗階段，若沒有政策、法規、環評、技術、金融、財政、土地等之配合，要達這些目標是具相當的挑戰。由於碳捕捉及利用在國際上現仍處在發展階段，目前台灣的捕捉技術對比國外毫不遜色，加上台灣有相當優越的石化工程能力，若政府及產業能大力支持自行研發，未來必能具更高競爭力，不僅台灣產業減碳不會為國外所控，並能擴散技術至國際。

台灣在2019排放了2.56億噸的CO₂，但由於台灣土地不大無法單靠造林加以移除CO₂。此外台灣能源約97.8%是仰賴進口，不得不依靠化石燃料發電，因此不能只看其他國家作法，必須投入較樹木或土壤移除碳速度更快的捕碳封存及再利用（CCSU），才能達成減碳目標。

版權聲明

本文歡迎媒體轉載使用，惟需附上資料來源，請註明台灣科技媒體中心。

這篇文章 「全球碳移除」報告　台灣專家怎麼看？｜專家論點【台灣科技媒體中心】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

文章來源：台灣科技媒體中心 圖/123RF 議題背景： 美國能源部在台灣時間12/13(二)晚間23:00（美 …

文章來源：台灣科技媒體中心

議題背景：

美國能源部在台灣時間12/13(二)晚間23:00（美東時間EST 12/13上午10:00 ）舉辦記者會，說明透過「國家點火設施」（National Ignition Facility, NIF）首次完成一個可控制的核融合實驗，這是一個歷史性的技術突破。在這次實驗中也已達成輸出能量大於輸入能量的「淨能量增益」。台灣科技媒體中心邀請專家解析核能研究的最新進展。

• 美國能源部記者會
• 美國能源部官方新聞稿

專家怎麼說？

2022年12月15日
國立成功大學太空與電漿科學研究所副教授 張博宇

 Q1. 核融合一直被視為是很有潛力的發電方式，但過去在技術上遇到挑戰未能實現。這次美國能源局所公佈的「重大科學突破」， 跟過去相比突破了什麼障礙？

美國勞倫斯利佛摩國家實驗室（Lawrence Livermore National Laboratory, LLNL）的「國家點火設施」[1]（National Ignition Facility, NIF），是使用慣性控制核融合[2]（Inertial confinement fusion, ICF）的方式來實現核融合產生能量。

在NIF進行的實驗中，會有一個直徑約為2毫米，由氘（ㄉㄠ）與氚（ㄔㄨㄢ）混合的結晶所製作而成的球殼靶材[3]，提供核融合所需要的燃料，靶材內部亦充滿氘與氚的混合氣體。在約10奈秒[4]的時間中，研究人員使用NIF雷射提供能量，將靶材快速壓縮到直徑約為0.1毫米。過程中，靶材透過接近絕熱壓縮的方式最終達到高壓（大於5千億個大氣壓）、高溫（大於攝氏1.5億度）的條件，使的靶材中的氘與氚在極短的時間內（約100皮秒），透過核融合反應來產生能量。

除此之外，由於靶材的製作技術的提升，可以提供更均勻的靶材；加上近期NIF雷射的效能提升，將雷射輸出能量提高了8%，因此可以使用球殼厚度較厚的靶材，減少了靶材製作上的缺陷對靶材表現的影響，同時也增加了核融合反應所需要的燃料（氘+氚）。因此，在這次的實驗中達到了系統融合反應所產生的能量（3.15 百萬焦耳MJ）大於壓縮靶材所使用的雷射能量（2.05 百萬焦耳MJ）。

 Q2. 這個突破對於全球的意義是什麼？我們怎麼理解，較符合實際的技術現實？我們可以因此認為核融合發電已經很接近商業應用嗎？

這次突破最大的意義在於，這是人類首次透過可控制的核融合反應過程，達到輸出的能量大於輸入的能量。這是實現核融合發電的第一步，證明透過核融合做為能量來源並非幻想。

然而，若要透過使用雷射來實現慣性控制核融合的方式來發電，仍然有很多挑戰，必須(1)再提高靶材產生能量的效率（根據理論計算，用相同雷射系統但不同的靶材設計可以產生上百焦耳的輸出能量）；(2)實驗的重複率從每天一次提升到每秒10次；(3)使用更高能量轉換效率及更高重複率的雷射（NIF的建置的主要目的是提供國防研究，且未使用最新的雷射技術）；(4)品質更好、速度更快的靶材製作技術；(5)將核融合產生的能量轉成電能的技術…等。

除了使用雷射來實現慣性控制核融合的方式，世界上有許多政府研究單位及私人公司正在使用不同的方式來實現核融合發電，譬如磁場控制核融合（Magnetic confinement fusion, MIF）或磁化慣性控制核融合（Magneto-inertial fusion, MIF，又稱Magnetized target fusion, MTF）等方式。

然而，這些方式也仍然在實驗開發階段，因此此突破距離商業運轉還有一段路要走，但這次的突破讓我們看到實現核融合發電的曙光。

Q3. 若核融合的研究離大規模應用還有一段距離，我們還需要哪些研究才能實現核融合發電？

這次的突破主要是來自於對基礎科學（電漿物理）更深入的了解、工程技術的突破及科學家與工程師更有效的合作。因此，若要實現核融合發電，需要投入電漿物理、材料科學、基礎物理、氚產置、能量轉換技術等方向的研究。

Q4. 目前台灣的新聞多數提及這個最新突破「有望協助能源系統淨零排放」，我們能夠依據現在看到的「淨能量增益」，就推測這次成果能在短期內，成為綠能推手嗎？

這次的突破，證明透過核融合做為能量來源並非幻想，長遠來看有望協助能源系統淨零排放。然而，在短期（5年）內是無法參與達到淨零排放。即便如此，此突破絕對是綠能推手，因為核融合發電不再只是一個夢想，而是可以實現的一個目標，將吸引更多政府、民間資源的投入，同時吸引更多人才參與核融合的研究，縮短實現核融合發電所需要的時間。

參考資料與註釋：

[1]「國家點火設施」（National Ignition Facility, NIF）是「一座」雷射的名字。這座雷射總共有192道雷射光束，雷射本身有三個足球場大，擁有的能量很高，規模非常大。

[2]「慣性控制核融合」是實現核融合發電的一種方式，也有其他不同的核融合發電方式，如Q2中提到的磁場控制核融合、磁化慣性控制核融合。

[3]球殼靶材主要是由氘與氚的結晶製成，類似於中空的BB彈，中空的空間中則充滿氘與氚的氣體。在這個實驗中，雷射會快速壓縮靶材，使靶材內部形成高溫高壓的環境，引發核融合反應，產出能量。

[4]奈秒是10^-9秒，後面提到的皮秒是10^-12秒。

版權聲明

本文歡迎媒體轉載使用，惟需附上資料來源，請註明台灣科技媒體中心。

這篇文章 美國核融合技術重大突破！台灣專家怎麼看？｜專家論點【台灣科技媒體中心】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

議題背景： 即將到來的冬季，「能源能否穩定供應」成為歐洲在能源要走向淨零排放的一大挑戰。在訴求淨零排放的過程中 …

議題背景：

即將到來的冬季，「能源能否穩定供應」成為歐洲在能源要走向淨零排放的一大挑戰。在訴求淨零排放的過程中，部分國家選擇以天然氣，作為從煤炭與石油走向再生能源的過渡能源；也有國家選擇核能作為淨零排放的過渡或是能源供應組合。此外，在今（2022）年7月歐盟通過的「永續分類標準」也同意在符合條件的情況下，投資天然氣與核能可被視為綠色投資。

但以長期的能源佈局而言，不同的能源選擇都有其需要面對的挑戰，例如，歐洲的太陽能發電在缺電的冬季恰好是發電量較低的季節；天然氣的供應穩定與否則受到國際政治事件影響；此外，火力發電與核能發電機組遇到極熱或極冷的天氣，都可能面對過熱需要降載，或抗寒設施不足的問題。

不同的能源選擇都有其優點與挑戰，台灣科技媒體中心邀請專家解析，歐洲的能源供應情勢，並討論是否可能是台灣未來發展的借鏡。

專家怎麼說？

2022年10月21日
中山大學電機工程學系教授  盧展南

Q1. 您認為在俄烏戰爭的影響，以及淨零排放的訴求下，歐洲各國是否有提出您認為值得台灣參考的能源調適策略或規劃？您認為台灣可以借鏡哪一個部分的規劃？

為應對俄羅斯入侵烏克蘭造成的困境和全球能源市場混亂，歐盟提出了REPowerEU計劃。 這個計劃旨在節約能源、生產清潔能源和使能源供應多樣化，希望在 2030 年之前使歐洲不依靠俄羅斯化石燃料。

從歐盟的規畫，我們可學習的是，每個公民、企業和組織都可以從節約能源做起，促進電力系統的穩定。如果我們都能承諾盡到公民的節電義務，小的行為改變，就會產生重大影響。

歐盟正在與國際夥伴合作尋找替代能源供應，我們的政府也需要對能源供應中斷預作風險評估及準備。短期內，我們需要尋求不同的天然氣、石油甚至煤炭供應來源及更多儲存空間，展望未來，我們也需要氫能源。自主的再生能源是最便宜、最清潔的能源，可減少對能源進口的需求，因此應加快綠色轉型，刺激對再生能源及節約能源的大規模投資，另使工業和運輸業能夠更快地使用新能源，降低碳排放和對化石燃料的依賴性。

Q2. 在台灣尚未能達成以再生能源供應所有用電需求的情況下，您認為台灣可能的過渡能源（天然氣或是核能）選項是什麼？有可能協助台灣面對像歐洲大規模缺電的問題嗎？您認為會或不會的原因是什麼？

多年來，歐盟國家一直依賴廉價的俄羅斯石油和天然氣作為其能源戰略的支柱，希望使歐盟在可預見的未來實現碳中和。各別能源均有其優劣勢，各國因其政經情勢採用不同能源供應路徑與策略，目前台灣採用的是增氣、減煤、展綠、去核的方式。以台灣目前的路徑而言，若需求面未加以節制，高佔比能源還是來自海外，則在可能的戰爭及嚴峻氣候變遷情勢下，維持百分之百供電持續性是很大的挑戰。在台灣，節約能源及開發多元及分散的自主能源，是加強能源供應韌性的不二法門。 

缺電涵義有法律定義，可從政府的「電源不足時期限制用電辦法」得到解答。該辦法定義電源不足（缺電），是指電能供應事業的供電容量、發電用能源不足或因安全維護、機組故障、天災事變等其他不可抗因素造成的供電能力不足。基載供電容量不足、燃料儲運不可靠，全世界都一樣，就會產生電源供給中斷的風險，這是機率的問題。電力系統因供電容量寬裕程度（備轉容量）持續不足，低於電業管制機關訂定規定（標準）值，基於供電安全考量，調度單位執行計畫性的停限電，就是缺電的具體表徵。在供電安全運轉情況下，設備故障或外力介入所造成的無預警區域性短時間停電，不屬於缺電的範疇。

Q3. 據您所知，台灣對可能大規模缺電是否有應對策略？

根據「電源不足時期限制用電辦法」，台電訂定執行及通報機制，以備轉容量率及備轉容量多寡，分第一階段（6%）、第二階段（900MW）與第三階段（600MW）。目前對備轉容量不足時的因應包括從供給面，購買更多民營電廠或汽電共生電力，私下請國營或民營用電大用戶啟動他們的緊急發電機及降低用電，或從需求面執行降壓、降頻運轉及需量反應給予補償等，未來擬大量增設儲能系統。對一般大眾勸說節約用電的聲量力道相對是小的，民眾平常過慣了舒適方便的日子，到緊急時被無預警停電，反作用力恐怕會越來越強。

美國電能緊急警報（Energy Emergency Alert, EEA）發布的目的是敦促用戶節約電能，維持電力系統可靠度。加州今年9月初，發布了最嚴重的EEA3（限電準備），然而在配合節約能源呼籲下，用戶節約用電，避免了一次輪流停電。日本東京在今年（2022）3月16日後的兩起供電緊澀時段，透過媒體向民眾傳遞目前電力供需情況以及潛在風險，請民眾配合節電，發揮作用，也避免停電情況發生。當供電進入上述階段時，電力公司不敢公開說明供電緊澀，加上強調台灣是不缺電，如此供電燈號即使進入紅燈，除大用戶外，一般大眾無感，達到的節約能源效果有限，那麼台電的供電燈號充其量是給自己及政府單位參考用。

2022年10月21日
台灣電力公司專業總工程師兼發言人 吳進忠

Q. 在台灣尚未能達成以再生能源供應所有用電需求的情況下，您認為台灣可能的過渡能源（天然氣或是核能）選項是什麼？有可能協助台灣面對像歐洲大規模缺電的問題嗎？您認為會或不會的原因是什麼？

維持電網的穩定是調度電力的重要目標，因此無論是再生能源佔比增加，短時間內供電量快速變動，或是電力不足時，電力系統頻率下降幅度太大，都會衝擊電網的穩定性。因此儲能設備配合系統調度應用、提供輔助服務（關於輔助服務，請參考能源名詞解釋6），是降低電力系統衝擊的重要電力調度措施。這些措施除了在需要時提供電力，更重要的是「穩定電力系統頻率」[1]。

台灣目前已有2座抽蓄水力電廠（大觀、明潭），10部機組裝置容量達2,602MW（關於MW，請參考能源名詞解釋1），每天都在執行穩定頻率及電能轉移的任務；此外，台電也積極引進電池儲能系統，並採主動式調節系統頻率，也就是目前業界常聽到的儲能自動頻率控制（簡稱AFC調頻）功能。

台電啟動電力交易平台運作機制，引導民間分散式電力資源投入電網提供輔助服務，不僅進一步提升資源的附加價值，亦為能源服務產業帶來全新契機。電力交易平台自2021年11月正式營運，目前已有30家業者成為合格交易者，參與容量達250.2MW，包含76.2MW調頻備轉容量（AFC調頻）、41.4MW的即時備轉容量與132.6MW的補充備轉容量。

截至2022年10月，共有21個儲能案場上線參與AFC調頻，調頻平均績效為99.43%，證實AFC控制方式可精準追隨系統頻率變動。另統計即時備轉調度次數為66次，平均執行率124.4%、補充備轉調度次數為133次，平均執行率122.5%，每一個合格交易者的實際執行容量皆大於得標容量，主要來自需量反應及自用發電設備的貢獻，已多次於備轉容量較低時，接受調度完成救援任務。

統計至今年9月底，再生能源發電最高滲透率已達24.02%[2]，依近年運轉資料統計分析，太陽光電的變動量會隨併網容量增加，預估至2025年平均15分鐘的變動量將增加至400MW以上，若同時考量風電或其他再生能源的特性，合成總變動量將更高，故須透過儲能系統的快速反應才能及時平衡電力供需，而藉由電力交易平台就可以有效引進儲能系統協助解決再生能源間歇性衍生的問題。

臺灣儲能系統的目標為2025年建置1,500MW的儲能系統，其中500MW採太陽光電結合儲能方式，目的為移轉部分再生能源電力至夜尖峰以提高饋線利用率；另外1,000MW則規劃在電網端，目的為提供輔助服務協助確保供電穩定，其中160MW規劃由台電自建，840MW透過電力交易平台取得。

目前，業者提出儲能系統併網申請共303案，總容量達約4,940MW，台電已核准併網容量約3,640MW，預估2023年底前可達成電網端的儲能系統併網目標。企業亦可以在工廠空地建置儲能系統，除了具有穩定電壓變動及作為緊急備援用途外，平時亦可以參加電力交易平台提供輔助服務，藉此獲得服務收益，創造「電力共享經濟」。

2022年10月26日
國立清華大學核子工程與科學研究所特聘教授 李敏

Q1. 您認為在俄烏戰爭的影響，以及淨零排放的訴求下，歐洲各國是否有提出您認為值得台灣參考的能源調適策略或規劃？您認為台灣可以借鏡哪一個部分的規劃？

核能電廠發電時，不排放二氧化碳，即使考慮建廠、拆廠與核廢處理時的二氧化碳排放，幾乎仍是所有發電方式中，二氧化碳排放最低者。使用核能發電可以有效的減少能源使用所產生的二氧化碳、降低工業產品的碳足跡，增加產品的競爭力。

歐盟已經認可核能與天然氣均為綠色能源，納入歐盟在2020年推出的「永續活動分類標準」。雖然並非每個歐盟國家都宣示發展核能，但部分國家依國情需求，已將核能列入未來能源的選項。台灣是孤島獨立電網，地狹人稠，再生能源發電的發展有先天的限制，除了化石燃料，難有其他選擇。放棄核能發電，不但2050年達到碳中和目標遙不可及，且難以面對國際對降低產品碳足跡的要求。

Q2. 在台灣尚未能達成以再生能源供應所有用電需求的情況下，您認為台灣可能的過渡能源（天然氣或是核能）選項是什麼？有可能協助台灣面對像歐洲大規模缺電的問題嗎？您認為會或不會的原因是什麼？

台灣的過渡能源應是核能與天然氣兩者適當的組合。國家能源組合中，有適當的核能比例有兩項優點，有助於國家能源安全，一是核能發電所使用的燃料體積小，運輸儲存方便，核電廠換一次燃料可以使用18個月至2年。歐洲大規模缺電的原因是過度依賴俄羅斯的天然氣。從運輸途徑來看，歐洲的天然氣透過管路直接進口，仍受到俄羅斯情勢的影響，台灣進口的是經長途運輸的液態天然氣，進口途徑比歐洲更脆弱。

二是核能發電成本中，購買燃料鈾的費用佔比低，發電成本受到國際能源價格波動的衝擊較小，這個部分天然氣發電的特質正好與核能相反。因此適當的核能比例可以穩定發電成本，提升國家能源安全。

Q3. 據您所知，台灣對可能大規模缺電是否有應對策略？

我認為台灣目前對缺電沒有因應對策，有的話，也只是如何將可用的電集中供給半導體製造業，免得遭受國際損失。

2022年10月29日
台灣大學氣候變遷及永續發展學位學程兼任助理教授  趙家緯

Q1. 您認為在俄烏戰爭的影響，以及淨零排放的訴求下，歐洲各國是否有提出您認為值得台灣參考的能源調適策略或規劃？您認為台灣可以借鏡哪一個部分的規劃？

歐盟於戰爭剛發生之際，2022年3月8日就提出了「RepowerEU」計畫[3]，規劃一年之內，將俄羅斯天然氣的進口量削減三分之二以上。而隨著戰事推演，於5月提出細部規劃，推動「節能」、「加速再生能源發展」、「燃料進口來源多元化」、「擴大投資」四個面向，達到2027年淘汰對俄羅斯化石燃料依賴的目標。

在節能面上，包括擴大各國節能義務、加強落實能源查核[4]結果、建築禁用化石燃料鍋爐等措施。加速再生能源發展的目標，則包括2025年萬人以上城市均有公民電廠、2029年建築物均有屋頂光電設置義務等。依據分析[5]RePowerEU若可落實，2030年時歐盟電力結構中再生能源占比可由原訂的55%提升至63%，化石燃料占比可由26%降到18%。

為了因應俄羅斯暫停北溪一號輸氣管供氣，歐盟也在9月30日通過了緊急節電目標，包括到2023年3月底前節電10%的非強制性目標，以及尖峰用電量減少5%的強制性目標。

面對此次能源危機，除了德國、比利時等國核電政策的調整，部分燃煤電廠重啟以外，從「RepowerEU」計畫的核心中，更可見加速能源轉型是增進能源安全，以及因應能源支出飆漲的核心政策。此為臺灣可借鏡之處。

Q2. 在台灣尚未能達成以再生能源供應所有用電需求的情況下，您認為台灣可能的過渡能源（天然氣或是核能）選項是什麼？有可能協助台灣面對像歐洲大規模缺電的問題嗎？您認為會或不會的原因是什麼？

依據能源局公布的《全國電力資源供需報告》，在未來每年用電量成長2.3%情況下，台灣在2028年前，夜間備用容量率都在13%以上，備用容量尚稱充足（預估結果見圖）。且相較以往，臺灣電力調度上，因為已有電力交易市場可提供需量反應、儲能等可調度性的資源，因此在常規狀況下的供電安全應可確保。

但目前《全國電力資源供需報告》中的電力供給規劃，仍仰賴大量增加燃氣機組，雖然增加燃氣在2030年有助加速減煤與確保供電穩定，但跟長期淨零目標有所衝突。因此應要求新增燃氣機組設置計畫中，均須提出2035年後改為以綠色氫能為燃料的規劃，作為橋接管理策略。

Q3. 據您所知，台灣對可能大規模缺電是否有應對策略？

在此次歐洲能源危機中，德國參考電力系統的壓力測試結果，決定略為延長僅存的3部核電機組使用年限至明（2023）年四月。其壓力測試考慮的條件包括：法國核電機組發電能力僅達三分之二、乾旱導致煤炭運輸困難、德國南部燃氣機組有四分之一到半數都無法發電，在這些條件都發生的情況下，供需缺口達到5.1GW。

目前臺灣尚未建立電網壓力測試機制，所以今年8月台海緊張時，對於天然氣安全存量與電力供應安全的討論，並未立基於事實。後續應仿效德國作法，在電力資源供需報告中，同時進行電網壓力測試，將極端氣候條件對水力發電量與空調需求量的影響、國際情勢對燃料進口、工業出口影響下的電力供需衝擊均納入考量，依此規劃因應策略。

註釋與參考資料：

[1] 台灣通用電力的標準頻率是60赫茲。頻率會隨電力系統的負載變化而變動，如果頻率不穩定（超過60.5-59.5赫茲的範圍就是過高或過低），會導致發電機組跳機，甚至造成大規模停電。

[2] 再生能源滲透率是指，再生能源的發電佔當時系統發電量的百分比，並計算其瞬間最高佔比。

[3] 關於歐盟的實際行動，可參考此份報告的附件一，歐盟應對能源價格上漲的策略與行動。

[4] 「能源查核」是協助用戶盤查能源使用情況、找出節能潛力、制定節能措施的制度。過去歐盟在查核後，並未強制要求落實。

[5] 分析報告原文請參考〈Shocked into action〉

文章授權於台灣科技媒體中心，原標題為《「歐洲缺電與調適策略」專家意見》

這篇文章 烏俄戰爭+淨零目標衝擊能源供應　歐盟經驗供台取經｜專家論點【台灣科技媒體中心】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。