「統計不就是按按計算機嗎？」讀統計系到底能做什麼？ - 泛科學

事實上，統計的本質並不是計算、也不是數學，統計界的大師John Tukey 說過：. “Statistics is a science, not a branch of mathematics, but uses mathematical models as ... 010文字分享友善列印繁|简010數學妙用活得科學科學傳播「統計不就是按按計算機嗎？」讀統計系到底能做什麼？活躍星系核・2017/01/21・3510字・閱讀時間約7分鐘・SR值493・六年級＋追蹤文／黃大維｜目前在台灣大學就讀統計碩士學位學程。

我的研究領域是特徵表達與降維分析、序列決策模型、以及財務時間序列，我喜歡用商業的觀點切入大數據與資料科學！統計系到底在學什麼？圖／pixabay,CC0我曾經在在粉絲專頁「大鼻觀點」針對ptt八卦版的一篇問卦文「[問卦]統計系是文組最強科系嗎」分享一些看法，反映出乎意料的好。

一般大眾好像對於「統計」有著不少迷思，像是以前有一次剪頭髮，設計師問我讀什麼科系，我說我讀的是統計，設計師居然回答：「喔，跟會計差不多對嗎？」當下白眼真的要翻到後腦勺了XD泛科學一直有在經營的一個區塊叫「科學教育，科學嗎？」，裡面會不時邀請一些相關科系的學生來談他們自己科系的各種大小事，也是給將來要選系的高中生一些了解這個科系的參考。

因此我決定也寫一篇文章，來跟大家分享我在統計這個領域打混一陣子的心得。

統計不就是按計算機嗎？你所不知道的統計許多人聽到「統計」，第一件事情就是想到「按計算機」。

事實上，統計的本質並不是計算、也不是數學。

圖／ByLoadmasterDavidR.Tribble,創用CC姓名標示-相同方式分享3.0,wikimediacommons首先，我想先談談「統計不是什麼」。

許多人聽到「統計」，第一件事情就是想到「按計算機」，就算大學有修統計課程的學生，課程也不外乎是按計算機算算平均數、標準差，頂多算點變異數分析或回歸。

事實上，統計的本質並不是計算、也不是數學，統計界的大師JohnTukey說過：“Statisticsisascience,notabranchofmathematics,butusesmathematicalmodelsasanessentialtool.”統計學會讓一般人認為是數學的主要原因，是需要用到大量的數學、程式設計、科學計算等做為解決問題的工具。

因此，對於接觸統計不深的人時常會以為統計是數學的一個分支，其實並不是如此。

那麼，統計的本質是什麼呢？我非常喜歡RStudio首席資料科學家HadleyWickham的詮釋：“Statisticsisanimportanttoolinthedataanalysis/sciencetoolbox.Statisticsprovidesacoherentframeworkforthinkingaboutrandomvariation,andtoolstopartitiondataintosignalandnoise.”從他的話中我們可以知道，「統計」其實有兩個功能：一是作為在充滿隨機性（randomness）的世界中，思考資料變異（datavariation）的架構，二是作為從資料變異區分出真實信號（signal）與隨機雜訊（noise）的工具。

如果用更一般化的講法，就是提供分析資料的思考架構，從具有隨機性的資料中找出重要的、有意義的資訊，並將協助各個領域的人將這些資訊凝鍊成真正的「知識」。

「統計」其實有兩個功能：一是作為在充滿隨機性的世界中，思考資料變異的架構，二是作為從資料變異區分出真實信號與隨機雜訊的工具。

圖／Byduncanc@flickr,CCBY-NC2.0接下來，我想了一些時常會有人問的問題，我想要花點篇幅談一談。

疑問1：統計系是文組還是理組？有很多人會想要問：統計系是文組還是理組？我覺得其實很難界定，文組並不是純粹只有閱讀、思考與寫作，像是「統計機器翻譯」（StatisticalMachineTranslation）就是一個跨領域的議題，需要語言學家、電腦科學家、數學家、統計學家一起來解決。

而「財務工程」雖然屬於商學院，但本質與電腦科學、統計學、數學等密切相關，所以統計系大多掛在不同的學院底下，有的學校會掛在商學院下、有的會掛在理學院下、也有的會掛在工學院底下。

所以，如果是要用文組／理組來分的話，其實很難直接把統計分在其中一個底下。

不過，如果以必備技能來看的話，統計可能比較像是一般工學院或理學院的學生。

首先，統計非常吃重數學，尤其是機率與數學分析（主要是實分析）的基礎要很好，才能夠了解怎麼樣用數學的工具去架構問題。

二是統計很吃重程式設計的能力，我們不會負責去做系統架構或是前端介面，但我們非常倚賴運用程式工具去整理、運算並分析資料，因此寫程式是不可避免的。

三是我們最好要對某個／某些特定領域有足夠的了解，統計不是一個可以引領一代人命運的學問，而是在方向確定後建立穩固根基並持續發展的工具，因此我們通常的角色支援某個領域的專家將他們的專業往前推進，此時你對於你支援的領域要有一定的認識才能發揮所長，將統計模型運用於這些領域問題中。

疑問2：統計系畢業之後可以幹嘛？《哈佛商業評論》將資料科學家評為21世紀最性感的職業，因此讀統計的前景相當看好。

其實統計系畢業之後的發展方向很多，金融、工程、消費品、製造、行銷等各個領域都很需要量化分析的人。

然而我必須跟大家講兩個個現實。

首先，因為台灣強勢產業的因素，統計系畢業的學生往往是去（1）金融業（2）藥廠（3）工業製程做統計分析師，這些行業給的起薪都不錯，但你如果想做物流、電商、應用程式的話，台灣每年的缺滿有限的，必須有往外走的決心。

此外，如果大學你讀的是統計，你可能會跟數學系畢業生遇到同樣的難題，容易找不到畢業之後的方向。

但你有了這些統計工具之後，其實很容易轉往其他領域。

因此我會建議如果未來想念統計／你正在念統計系，最好輔系或雙主修一個未來就業時你希望投入的領域。

如果你想做產品中數據模型的建置者，輔個資工／資管學學軟體設計是很重要的；如果你想做計量交易員，對於債券、股票、期貨、衍生性商品、總體經濟的了解會很有幫助；如果你想去藥廠做統計分析師，對臨床試驗有一定的認識將會幫助很大。

重點在於，你必須找到你運用這些方法的領域，並對這些領域有一定的了解，千萬不要有「我進去再學」就好的心態，因為對於原本就在該領域深耕的人來說，「統計方法」也是可以進去在學的。

疑問3：統計要在台灣念還是在國外念？這個問題是個假議題，台灣也有很好的統計學家與教育，如果想補programming的技能的話也可以去資工那邊修課，其實要不要出國的問題是取決於「你想要獲得什麼」，以及很現實的「出國讀哪一所學校」。

其實要讀統計我覺得重點是在於——你把自己當成一個統計系學生還是統計學家。

我在台灣幾所很好的學校上過統計系所的課，大部分都是在教怎麼使用統計軟體或是推導統計理論，在碩班聽到老師上課說「你們碰實際的資料就會知道很有趣」時，我第一個反應就是：實際資料難道是要讀到碩班才開始碰的嗎？另外，很多時候我們會太過著重於要用哪個model去解，但其實重點是「你要解決什麼問題？」將領域的問題重新定義成資料分析問題是非常重要也非常有價值的能力，但說真的這很難在課堂上學到。

我不覺得上面的問題是出在教授，或是在台灣還是在國外，其實根本問題是在學統計時，我們有沒有不斷的去探索不同的領域，不停思考這些領域的問題我們怎麼樣轉成資料分析的問題，怎麼樣去設計實驗或蒐集資料，運用哪些模型才能夠解決問題，最後怎麼樣視覺化分析得到的insight，並用一般人可以理解的語言說給不懂統計理論的人。

這串過程必須反覆的練習，才能夠讓自己資料分析的功力不斷進步。

小結：如果想當資料科學家，統計是個好選擇！雖然資料科學的夯度最近小輸人工智慧，但不要忘了《紐約時報》曾經如此評論「資料科學」（DataScience）：“Thishotnewfieldpromisestorevolutionizeindustriesfrombusinesstogovernment,healthcaretoacademia.”可見這個領域絕對是前景大好。

那麼如果想做個資料科學家，是不是一定要讀統計呢？我個人不負責任的認為，如果你想做的資料科學家是分析事情的關連與因果，找出問題的本質，以及透過數據做出更好的決策，我相信統計是一個不錯的選擇。

當然，如果你想要做機器學習跟預測科學，統計也有不少人在做，但computerscience可能是另外一個很棒的選擇，如果能夠跨統計與CS兩個領域的話更好。

如果想當資料科學家，統計是個好選擇！圖／ByNASAGoddardSpaceFlightCenter@flickr,CCBY2.0資料科學家需要領域知識、程式設計、數學與統計三大能力，常有人會問我說「當資料科學家的數學統計和程式能力一定要很好嗎？」我給自己的答案是：這兩項能力越強，能做的事情越多，老實講如果這兩個領域的能力都不好的話，那怎麼能說是個資料科學家呢？所以說，要走資料科學的路，你可以從三大能力中挑一項能力專精，但另外兩樣也不可以太差，才能夠走的長久！本文同步刊登於作者部落格「大鼻觀點」，喜歡他的文章也可以追蹤同名臉書粉絲專頁。

 國中生的科普素養閱讀平台:《科學生》，素養強化訓練今天就展開!相關標籤：出路填志願大學科系真實信號科系統計統計系資料科學家資料變異隨機性隨機雜訊熱門標籤：大麻量子力學CT值女科學家後遺症快篩時間文章難易度剛好太難所有討論 0登入與大家一起討論020文字分享友善列印020動物世界環境生態生命奧祕科學傳播自然生態40年珊瑚之謎終於揭密——「滿月後的黑暗」是同步產卵的關鍵研之有物│中央研究院・2022/05/09・5967字・閱讀時間約12分鐘＋追蹤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／林承勳、簡克志美術設計／林洵安、蔡宛潔解開40年珊瑚同步產卵謎團早在1980年代科學家就發現，珊瑚彼此之間很有默契，會在短時間內一起繁殖，附近水域瀰漫大量珊瑚卵，形成令人歎為觀止的壯麗畫面。

對於珊瑚同步產卵現象，過去學者推測是受到溫度、潮汐、光線等因素影響，但觸發產卵的關鍵原因一直都沒有被確認。

經過40年，在中央研究院生物多樣性研究中心團隊努力下，終於揭開秘密！中研院「研之有物」專訪野澤洋耕副研究員與林哲宏博士後研究員，他們發現珊瑚同步產卵的關鍵就在於日落到月昇的黑暗時間。

野澤洋耕的團隊在臺灣綠島進行長期觀察和研究，終於發現珊瑚同步產卵的關鍵因素。

珊瑚繁殖季（南臺灣約4－6月）滿月過後，日落到月昇之間的黑暗期觸發了珊瑚產卵的條件。

圖片為正在產卵的環菊珊瑚。

圖／林哲宏奇怪的知識增加了：原來珊瑚是一群型態差異相當大的動物！由於珊瑚只能附著在固定位置、無法移動，因此曾被誤認為是植物。

而且珊瑚的外觀又很容易誤導民眾，直覺認為一大株珊瑚就是一個生物體。

但事實上，大多數的珊瑚其實是一群珊瑚蟲的聚落；只有少數像蕈珊瑚科（Fungiidae）部分種類，才是一隻巨大珊瑚蟲為一株珊瑚個體。

以造礁珊瑚為例，珊瑚蟲聚落可分成非生物與生物兩個部分：成分為碳酸鈣的珊瑚石是保護殼和居所；覆蓋在珊瑚石上面的就是無數隻活跳跳的珊瑚蟲。

珊瑚蟲被分類在刺絲胞動物門，牠們外觀跟同門的海葵相似，有著圓筒身軀、一個開口，開口周圍分布數隻觸手，觸手上密布著刺絲胞，能捕撈浮游生物來吃。

珊瑚蟲另一種食物來源是由互利共生的蟲黃藻提供，蟲黃藻會行光合作用產生養分與氧氣，同時也為白色的珊瑚石、透明的珊瑚蟲帶來繽紛色彩。

造礁珊瑚（又稱石珊瑚）的珊瑚蟲聚落，最初都是從一隻珊瑚蟲開始，透過緩慢持續的生長過程，才逐漸長成我們看到的珊瑚礁。

圖／iStock在海裡看到大大小小的珊瑚，最初都是由一隻體積微小的珊瑚蟲，分裂再分裂而來，珊瑚蟲們不斷進行無性生殖，經年累月分裂出大量個體。

為數眾多的珊瑚蟲們世世代代分泌的碳酸鈣逐漸堆積，一直到如城堡般巨大，就形成所謂的「珊瑚礁」。

珊瑚礁被科學家們認為是海中的熱帶雨林，提供魚類、甲殼類等生物棲息地與豐富食物、能量。

中研院副研究員野澤洋耕認為，珊瑚是種非常神奇的生物，從原本微小到肉眼無法辨認的一隻珊瑚蟲個體，居然能不停分裂生殖，最後數以億計隻珊瑚蟲群聚成唯一能夠從外太空觀察到的地球生命：大堡礁。

只是，珊瑚蟲用分裂生殖新增的，是跟上一代基因、外形一模一樣的個體，這類無性生殖無法增加基因多樣性，還會讓族群失去面對環境變動的適應能力。

因此珊瑚必須要另外花費時間、能量排精產卵，行有性生殖製造具有嶄新基因的後代。

珊瑚可以透過無性生殖和有性生殖繁衍個體。

圖／研之有物（資料來源│GlobalFoundationforOceanExploration）珊瑚也懂投資？雞蛋分籃放與孤注一擲的產卵選擇不像魚類可以找到配偶後再產卵受精，固定不動的珊瑚只能直接把精卵釋放到海水中。

為了克服無法移動的劣勢，牠們會採取同步策略，約好在短時間內一起排出數量驚人的精卵。

如此一來就能大大提高精卵濃度來增加受精成功率，即使有掠食者在旁想趁機飽餐一頓，也會頓時眼花撩亂、顧此失彼。

人們眼中珊瑚產卵的美景，同時也是生物為了繁衍而克服大自然困境的努力。

珊瑚同步產卵還能再細分成兩種模式，野澤洋耕指出，珊瑚一年只產卵一次，有些種類偏好分散風險，群體內珊瑚同時產卵，各群體間則是彼此錯開，可能往前往後幾天；另外有些珊瑚則是孤注一擲，約好「全部」一起生。

相對來說後者受精機率當然更大，但當天要是碰到暴雨、颱風等天氣因素攪局，該年可能幾乎不會有後代成功生存。

「看起來風險很高，只是既然會演化出不同方法，就代表雙方各有優勢。

」野澤洋耕解釋地說。

但不管是謹慎還是賭性堅強的種類，無法移動、不能彼此溝通的珊瑚，到底是用什麼方法約好一起產卵？自從1980年同步產卵現象被發現後，這謎團足足讓世人困惑了40年之久。

七年田野調查資料顯示，關鍵因子藏在月週期裡從2010年開始，野澤洋耕的研究團隊每年都會在珊瑚繁殖季（南臺灣通常是四、五、六月），來到綠島潛水調查。

調查期間，團隊每晚下水記錄珊瑚種類、數量與排卵時間，在累積七年的調查資料後，博士後研究員林哲宏發現每一種珊瑚都有明顯的生殖模式。

根據研究團隊現有紀錄，隸屬於繩紋珊瑚科（Merulinidae）的珊瑚是採取分散風險策略，不同群體分批同步產卵。

雖然群體間產卵日子錯開，但時程非常固定，都是在「滿月」之後五到八天；綠島還有另一大宗珊瑚，是分在軸孔珊瑚屬（Acropora）下的一些種類，牠們是「全部」約好在同一天產卵，但到底是哪一天，每年觀察到的日期都不太一樣。

「繩紋珊瑚科就是固定在滿月後五到八天產卵；軸孔珊瑚屬也是在滿月後，但毫無規則可言。

」林哲宏說。

即使如此，兩者都是在滿月後產卵，研究團隊於是鎖定月週期的因子：月光，來進行檢驗。

繩紋珊瑚科vs軸孔珊瑚屬。

圖／研之有物（資料來源：Wikipedia、iStock）室內室外重複操作結果都顯示：夜間光源會抑制珊瑚產卵由於繩紋珊瑚科的環菊珊瑚（Dipsastraeaspeciosa）在綠島很常見，觀察、樣本取得都很容易，加上生殖時間又有跡可循，團隊就選擇該物種來進行實驗。

「將月光遮住後，環菊珊瑚就提早產卵了。

」野澤洋耕表示，初步實驗結果意味著滿月後的黑暗，就是通知珊瑚準備產卵的環境訊號。

環菊珊瑚隸屬於繩紋珊瑚科，群體間大量產卵通常發生在滿月之後五到八天。

圖／林哲宏為了避開其他環境因子干擾，實驗首先是在研究室的水缸中進行；接著團隊來到綠島北邊的公館附近，要確認珊瑚不論是在人工環境或自然棲地中，都會因為黑暗籠罩提前產卵。

「我們每天都下水，在滿月前三天、前一天，還有滿月後一天幫珊瑚蓋上不透光的鋁箔布或透明布。

」林哲宏說。

結果符合預期：珊瑚越早被蓋上黑布，就會越快產卵，很規律地在接收到黑暗訊號之後的五到八天大量產卵。

研究團隊在綠島設置實驗觀察環菊珊瑚產卵，人工控制在滿月前三天、前一天和後一天都不照月光，發現珊瑚越早蓋上布，就會越早觸發產卵時機。

圖／PNAS不同光譜的光源，都會有相同的抑制效果除了照光與否，林哲宏還加入光源光譜與密集度的試驗。

因為2006年刊登在《Science》期刊的一篇論文指出，珊瑚可能會偵測月光。

野澤洋耕提到，論文中說明珊瑚只要照到月光，體內的cry基因就會表現，而且cry基因對藍光特別有反應。

所以團隊再回到研究室內，用人工光源模擬月光強度，分別給予紅、藍、綠三種不同色光，想確認是否真的如文獻資料敘述，不同光譜光源會給珊瑚帶來不同程度的刺激。

但實驗證實，三種色光照下去，珊瑚都一樣不產卵。

也就是說，目前蒐集到的線索都指向：黑暗是珊瑚產卵的關鍵。

40年珊瑚之謎，謎底就是日昇與月落之間的黑暗時段經過一連串抽絲剝繭，終於確認夜間光線會抑制珊瑚產卵。

然而團隊想進一步了解，珊瑚於漫漫長夜中只要一瞬間照到光就會被干擾，還是要有多長曝光才能達到抑制效果。

因此團隊在實驗室環境中，個別探討了整晚黑暗、整晚照光、前半夜（日落到午夜）照光，還有下半夜（午夜到日出）照光等四種情形。

結果顯示，下半夜照光跟整晚保持黑暗的組別一樣，珊瑚在五天之後同步排卵；前半夜照光，效果與整晚照光相同，會讓珊瑚延遲生產且產卵同步率下降。

「看到這現象，我們推測珊瑚感應光線的受器應該有『營業時間』。

」林哲宏笑著說，受器營業時間大概是在日落後到午夜，不過不同珊瑚個體還是存在著些許差異。

答案終於揭曉：以環菊珊瑚來說，只要連續兩個夜晚，於日落後有一小時左右的黑暗時段，就達成同步產卵的要件。

這也解釋了珊瑚為什麼都挑在滿月後繁殖，林哲宏指出，因為地球自轉同時月球又繞地球轉的緣故，每天月球升起的時間會延遲約莫30-70分鐘［註1］。

對照繁殖季四月的月週期，月初時月球升起會落在下午兩點多，之後每天延遲直到滿月，月球才會於日落後升起，而中間的黑暗期就是在告訴珊瑚：可以準備生產了。

選在滿月後生產是有其優勢的，野澤洋耕提醒說，環菊珊瑚產卵適逢黑暗、小潮，昏暗的環境能稍微蒙蔽掠食者目光，加上小潮時海浪沒那麼強，精卵不至於馬上被沖散。

研究團隊經過長年自然觀察以及實驗條件的控制，終於找出珊瑚同步產卵的秘密，關鍵就在繁殖季的滿月日之後的黑暗期。

圖1顯示滿月日之前，月光會抑制珊瑚產卵，圖2顯示滿月日之後，日落月昇中間的黑暗期，觸發了珊瑚產卵的條件。

圖／PNAS收到「暗」示後，珊瑚卵需要五天催熟至於繩紋珊瑚科固定在滿月後五到八天產卵的微觀機制，研究團隊還在努力研究中，有可能與精、卵的成熟機制有關，以下是研究團隊針對觀察現象的推測。

繩紋珊瑚科是雌雄同體，珊瑚蟲體內先產生精子與尚未成熟的卵子，當珊瑚接收到連續兩天黑暗的刺激，卵子的細胞核就會逐漸往卵細胞邊緣移動。

整個過程稱作胚核遷移（germinalvesiclemigration,GVM），需要花費五天左右。

胚核遷移完成後，卵細胞核會開始瓦解，耗時約莫三到四個小時，稱作胚核破裂（germinalvesiclebreakdown,GVBD），此時卵細胞幾乎已經為受精做好準備。

接著，成熟的卵子與精子會被打包在一起，變成叫做「精卵束」的構造。

野澤洋耕提到，精卵束被珊瑚排出體外後，會一路浮到水面，畢竟精卵在二維的海面相遇機率要比在三維的水下空間來得大些。

精卵束在水面破裂，釋出的卵子只剩最後一個步驟：擠出細胞內的極體（polarbody），就可以跟精子結合了。

有趣的是，年輕的卵會優先跟不同珊瑚的精子結合；但時間一長，即使是同一個珊瑚的精子也會接受。

「不然再等下去，不是被沖散就是被吃掉，受精機會只會越來越渺茫。

」林哲宏補充地說。

成功受精後受精卵會沉到水裡，並發育成一隻具有纖毛、可以自由活動的實囊幼蟲。

實囊幼蟲會花好幾天在海底尋尋覓覓，待找到合適的地點，就附著、變態成為再也無法隨意移動的珊瑚蟲。

接著珊瑚蟲會不停地分裂、分泌碳酸鈣，長成一株株珊瑚。

野澤洋耕副研究員解釋目前正在研究中的珊瑚產卵微觀機制。

圖／研之有物奇妙機緣讓多年研究心血登上國際期刊「說起來實在幸運，原本稿子都投到其他期刊去了。

」論文第一作者林哲宏笑著說，前一陣子日本學者高橋俊一來臺灣訪問交流，意外讓這次珊瑚產卵新發現得以刊登在《美國國家科學院院刊》（PNAS）上。

琉球大學教授高橋俊一在中研院停留時，順道拜訪同鄉人野澤洋耕的研究室，閒聊之下發現兩人居然還是大學同學。

「大學時我們僅是點頭之交，畢業後再也沒有對方消息了。

」野澤洋耕表示，高橋俊一後來在琉球大學進行熱帶生物基因、分子領域研究；自己則是在中研院、綠島兩邊奔走，做珊瑚生態、行為調查，沒想到老同學會偶然在學術圈再度相遇。

在高橋俊一的建議之下，雙方合作將實驗擴展得更加完善。

林哲宏提到，高橋提供一些安排實驗、投稿期刊的秘訣，像是在實驗室內與自然環境中重複出相同結果，增加成果的說服力；撰寫論文時盡量保守，只寫已經確定的內容，不要節外生枝；還有花心思修飾文字段落安排，保持耐心與審查委員溝通等等。

巧妙的緣分促成臺日研究團隊跨國合作，也讓野澤洋耕與林哲宏等人多年來勤奮研究的成果有機會能夠被刊登在重量級期刊中，讓珊瑚產卵真相可以得到更多注意。

珊瑚產卵研究需要長時間投入，野澤洋耕副研究員（中）與林哲宏博士後研究員（右）團隊多年研究成果，終於刊登在美國國家科學院院刊（PNAS）。

圖／研之有物艱難的生態研究柳暗花明，組成跨國團隊再出發回想起當初因為潛水的興趣才選擇珊瑚當作研究主題，經過20多年後，野澤洋耕慢慢開始期待自己的研究，能為持續減少的珊瑚族群帶來些貢獻。

野澤洋耕提到：「很開心可以在這裡研究，中研院的支持讓我沒有後顧之憂。

」解開環菊珊瑚的同步產卵之謎後，林哲宏接下來要到現任老闆的老同學：高橋俊一在琉球大學的實驗室，展開新的珊瑚研究計畫。

而野澤洋耕表示，他還是會繼續協助林哲宏的博士後研究，因為這次主要聚焦在環菊珊瑚，他們還想知道同樣是繩紋珊瑚科的其他種類，是否也是因為黑暗刺激同步產卵；還有軸孔珊瑚滿月後不規律的產卵模式，以及缺乏光照反而不產卵的現象，背後是否有更多秘密。

另外值得一提的是，珊瑚產卵的成果發表後，野澤洋耕收到來自以色列巴伊蘭大學學者LevyOren的來信。

LevyOren是在紅海研究光害對於當地珊瑚族群的影響，他對這次刊登的研究內容非常感興趣，更期待有機會能合作。

原本珊瑚產卵的主題，因為一年只有一次觀察產卵機會，還要天天夜間潛水調查，風險之高、過程之辛苦，讓許多學者望之卻步。

如今野澤洋耕與林哲宏等人多年來的堅持有了回報，而且橫跨紅海、綠島、琉球三地的搶救珊瑚大冒險，就在前方等待著他們。

註解註1：因為月球繞地球轉的軌道不是正圓，因此每天月亮升起的延遲時間會依照月相時間（新月／滿月）和季節而有所變化，延遲時間大約從30－70分鐘不等。

延伸閱讀Lin,C.-H.,Takahashi,S.,Mulla,A.J.&Nozawa,Y.(2021). Moonrisetimingiskeyforsynchronizedspawningincoraldipsastraeaspeciosa. PNAS, 118(34).“CoralFacts.”NOAACoralReefConservationProgram.“HowDoCoralsReproduce?”GlobalFoundationforOceanExploration.“Whatarecorals?”NationalOceanService. 國中生的科普素養閱讀平台:《科學生》，素養強化訓練今天就展開!相關標籤：珊瑚珊瑚產卵珊瑚礁熱門標籤：大麻量子力學CT值女科學家後遺症快篩時間文章難易度剛好太難所有討論 0登入與大家一起討論010文字分享友善列印010好書推薦好書搶先看專欄科學傳播找到自己的角色定位：矽谷人的遠端工作模式和團隊管理——《矽谷為什麼》商周出版・2022/07/10・3187字・閱讀時間約6分鐘＋追蹤專訪胡煜昌／Google使用者經驗資深經理跟許多目前在矽谷工作的台灣人一樣，目前在Google擔任使用者經驗（UX）資深經理的胡煜昌，畢業於成功大學建築系，在美國哈佛、卡內基美隆大學取得學位後，留在矽谷繼續工作。

從韓國三星到矽谷科技巨擘Google，從個人工作者到管理職位，胡煜昌覺得台灣人在矽谷的優勢在於說到做到、執行力超強。

而「願意分享與溝通」、「成為解決問題的人」、「永遠為自己的工作與團隊多想一步，成為高信任感的夥伴」是他在矽谷能持續得到工作上的成就與晉升的關鍵成功要素。

從韓國三星到矽谷科技巨擘Google，從個人工作者到管理職位，胡煜昌覺得台灣人在矽谷的優勢在於說到做到、執行力超強。

圖／Pexels胡煜昌指出，疫情前，遠端工作與跨國團隊間合作本來就已經是矽谷科技公司的日常，雖然疫情來得又急又快，但這些基礎架構都已成型，所以對工作的影響其實並不大。

疫情剛開始的時候，大家都不覺得會在家工作很久，團隊還會遠距約了一起吃午餐、品酒、運動。

但是，隨著在家工作的時間越來越久，大家也開始習慣這種遠距工作的新常態，展現出人類的韌性。

胡煜昌指出，矽谷公司間的遠距與跨國工作能夠如此自然，在於大家心態上的正確設定，不要有先入為主的想法，文化沒有高低、對錯之分，大家彼此尊重、願意交流相當重要。

當然，實體工作也有許多遠距無法取代的優勢，譬如過去大家在偶遇時的討論，快速在用餐時間的交流，都能讓許多沒有在計畫內的事情，高效解決。

但是遠距工作後，需要先設定事項，再透過會議正式討論，還要考慮時區的差異，因此，大家在疫情剛開始時的工作時間的確變得更長。

現在大家也逐漸習慣用各種即時與非即時的溝通模式提升合作效率，在工作與生活間找到新的平衡。

分享、溝通與信任是遠距工作的成功祕訣胡煜昌表示，「分享、溝通與信任」是遠距工作的成功祕訣。

要明確地讓別人知道你在做什麼、你想做什麼，透過可視化的Google工作檔案，讓團隊清楚了解每個人正在處理的任務，減少誤會產生。

譬如團隊中有些在家工作的同事，需要照顧孩子、家人，造成工作有所延誤，也可以開誠布公地表達與溝通。

「分享、溝通與信任」是遠距工作的成功祕訣。

圖／Pexels胡煜昌指出，Google利用Google文件，不但可以分享工作進度，也可以隨時評論，過程中不僅可以高效溝通，更能建立信任感與默契。

主管的存在，在於解決團隊中每個人的問題胡煜昌表示，主管的團隊管理相當重要，而且主管要有一個正確的認知，了解團隊每個人是主管的重要工作，而主管的主要職責，在於解決每個人的問題，這可以說是耐心與智慧的考驗。

胡煜昌在職場上的升遷與轉職，都遇到了願意教導、願意給機會的好老闆。

美國三星是胡煜昌人生中的第一個工作，只花了兩年的時間，便從專業設計工程師晉升到主管。

過程中除了老闆對他的支持，更提供一對一的教練，一步步帶領他設定目標、激勵員工，並在面對困難的決定時一起討論，找出方法。

這為期兩年的訓練，對胡煜昌來說，是絕佳的成長養分。

台灣人在矽谷擁有說到做到、高執行力的優勢，但需要學習的是，如何在工作中建立自己獨特的「角色定位」。

很多人一進公司就埋頭做事，但是矽谷文化重視「解決問題的人」，也就是策略性的思考能力，能夠主動出擊並能將個人在產品與組織中的影響力最大化。

胡煜昌說，以主管的角度來看，現在產品開發越來越複雜，主管們往往不能對每一個細節都瞭若指掌，這時候更加依賴團隊，提出建議，進而做出正確的判斷。

這時團隊要是有人能適時補上這些不足的地方，甚至成為移開路中大石的那人，就顯得更有價值了。

職場的每一步，隱形信譽的重要累積台灣在團隊合作上，比較趨向於競爭，但在美國則傾向於發展個人價值的同時，也能尊重彼此專業的合作關係。

胡煜昌回想，之前在三星第一個應徵的前端工程師是位初出茅廬的年輕小伙子，當時，在提拔他的同時也在他身上「偷」學到許多前端開發與架構的知識。

如今這位當初的年輕人已經是在蘋果獨當一面的軟體開發經理。

雙方一直保持聯絡，時常見面交換業界心得。

胡煜昌笑著說，在矽谷應該沒有人會在同一個公司終老。

這個產業很小，曾經的上司與同事，幾年後都分別在各大公司任職，套一句俗話：「出來行走江湖，總有一天要還的」。

美國傾向於發展個人價值的同時，也能尊重彼此專業的合作關係。

圖／Pexels在美國很重視信用（credibility），在工作場域，隱形的信譽，也就是過去的表現，更具有舉足輕重的重要性，想要在美國的職場任職與升遷，「推薦」扮演相當重要的角色，你過去的紀錄與表現，將跟著你一輩子。

胡煜昌表示，自己在三星與Google的幾次升遷都是受助於幾位上司與同事的大力支持；過去幾年自己也推薦過多位以前的同事與下屬，靠的都是彼此間在專業合作中累積起來的信任。

在Google工作很輕鬆嗎？當胡煜昌決定轉職到Google，很多人恭喜他換到這麼一個錢多又人性化的工作場域。

Google真的這麼輕鬆嗎？胡煜昌笑著說，Google的確是一個沒有人會叫你做什麼的環境，很多人可能會認為，你就把該做的事情做一做就好，薪水也不會比較少。

但是，這就取決於個人的職涯規劃，有沒有更上一層樓的打算。

其實，在Google花很多時間在找問題、解決問題。

不只是自己專案的問題，很多時候更要看到產品甚至是組織上的問題。

胡煜昌說他在Google花很多時間在找問題、解決問題。

不只是自己專案的問題，很多時候更要看到產品甚至是組織上的問題。

圖／Pexels或許從上到下、直接命令的做事方式的確比較高效，而Google從下而上的管理與工作模式相對耗時，但是在這過程中，展現個人問題解決的能力，在不同想法下互相討論、合作，開創最佳的創意火花，卻是效率所買不到的重要資產。

＝IC筆記／詹益鑑＝熟悉KT的聽眾與讀者，應該非常容易猜到胡煜昌的身分。

對許多KT的粉絲來說，胡煜昌就是那個矽谷最幸福、可以嘗到KT手藝的矽谷美味人夫（笑）。

從我們家兩年多前移居矽谷以來，常受到這個「矽谷美味家庭」的款待，一起度過節日或跟其他朋友在他們家聚餐。

除了是一個稱職的男主人，胡煜昌的學霸背景與精彩的業界經歷，也常成為聚餐時的談話主題。

所以這一集訪談，除了是胡煜昌首度出道獻聲之外，更是彷彿在他們家客廳的閒聊（實際上還是遠距錄音，而且應該是三支麥克風）。

從三星到Google這兩家文化不同的科技公司，從工程師升上管理職的心路歷程與管理心法，還有在疫情之下的居家遠距與跨國工作模式，都是非常有意義的享。

而主管最重要的工作是提高每個同仁的效率，最重要的就是解決員工面對的問題（無論是工作上或工作以外），更是我從很多Google朋友身上聽到與學到的獨特文化，非常值得台灣的企業經理人與每一個職場上的朋友思考。

——本文摘自《矽谷為什麼：科技、新創、生醫、投資，矽谷直送的最新趨勢與實戰經驗》，2022年6月，商周出版，未經同意請勿轉載。

 國中生的科普素養閱讀平台:《科學生》，素養強化訓練今天就展開!相關標籤：google團隊合作在家工作工作效率矽谷為什麼跨國合作遠端工作熱門標籤：大麻量子力學CT值女科學家後遺症快篩時間所有討論 0登入與大家一起討論110文字分享友善列印110活得科學生命奧祕醫療健康狗狗小「鼻」立大功？訓練犬隻來檢測COVID-19的可行性森地內拉・2022/07/09・3853字・閱讀時間約8分鐘＋追蹤狗（Canislupusfamiliaris）是人類馴化最悠久、最廣泛的動物，牠們幾乎存在於全世界每個人類社區中，並在不同時代與文化裡扮演著不同的角色，其中包括狩獵、放牧、運輸、守衛、警報、追踪、商品、精神媒介及民俗醫療等等不勝枚舉的功能[4]。

狗狗一直以來都是人類最好的朋友。

圖/Pixabay根據目前研究，已成功訓練犬隻來檢測人類的各種代謝狀況及疾病，其中包括低血糖和高血糖[10,20]、癲癇發作[3]、癌症[13]以及細菌和病毒感染[1]。

而在COVID-19大流行時代當然也不會缺少牠們的位置，因此陸陸續續就有相關的研究團隊開始著手訓練犬隻來檢測COVID-19[7,9,11]，且總體都表現出不錯的準確率，以Essler等人的研究為例[7]，其靈敏度（真陽性率）為71%；特異度（真陰性率）為98%。

本篇文章將從狗狗的嗅覺原理，談到訓練方式與臨床上的可能性與限制。

狗靠什麼原理來聞出疾病？疾病聞得出來嗎？早在公元前1世紀的古印度醫學典籍《SushrutaSamhita》中就有提及到，確實是有一些疾病是可以改變人類的氣味的，而這些疾病從滲出液中會釋放出特定的揮發性有機化合物（volatileorganiccompounds，VOCs），並可用作於診斷參考[5]。

大概19世紀開始，西方文化也開始通過嗅覺線索來診斷一些疾病，例如天花及壞血病[14]。

使用嗅覺來判斷疾病，已有近百年的歷史。

圖/Chalabala狗聞到的是什麼？雖然人類的嗅覺沒比想像中差，一定程度上人類確實是可以通過汗液識別出含有細菌衍生內毒素（bacteria-derivedendotoxins）的個體[17]，但這相比於狗，那可就是小巫見大巫了。

因為狗的氣味檢測能力大概至少是普通人的一千至一萬倍[23]，牠們除了可以識別具有更細緻氣味變化的人類病原體外，甚至是可以聞出人類在不同情緒狀態下的差異[5]。

這使我們難以得知牠們的「鼻」中世界，即使是使用上複雜的氣相層析質譜法（Gaschromatography–massspectrometry）也無法檢測到不同疾病間VOCs的差異，因為它甚至會因個體差異而有所不同，所以狗對氣味的反應可能不是單一一種氣味，而更可能是一種獨特的氣味組合模式[18]。

如何有效訓練狗狗檢測疾病？訓練的方式基本上訓練流程都與教狗來偵查炸彈及毒品大同小異，首先團隊會將患有特定疾病的人和沒有患有特定疾病的人身上採集生物樣本，例如汗液和尿液。

然後會讓狗用嗅聞裝有樣品的容器，如果有做出正確反應了話，狗將會被賦予獎勵（食物），如果沒有了的話則非[18]。

裝填樣本的裝置。

圖/參考文獻[7]樣本的採集檢測犬的訓練盡量要使用來自不同個體的許多樣本，因為如果樣本不足了話，狗學會的將是區分個體的氣味，而不是疾病的氣味。

所以狗的工作就是尋找這些樣本的共通點，並記住它，即使這些氣味存在個體差異[18]。

此外我們還必須注意樣本中的其他變數，例如如果我們所有陽性樣本都是從醫院採集過來的，而所有陰性樣本又剛好是從社區採集過來的，那狗可能只會分辨誰去過醫院，而不是誰得了病。

總而言之樣本的多樣性越高，狗的類化（generalization）範圍也就會越廣，準確度也就越高[18]。

臨床上的可行性與障礙環境轉移效應（contextshifteffect）因為大部分實驗還是處於實驗室裡的模型，更多實際操作的臨床數據是缺乏的，例如當動物在環境中的刺激下學會執行行為被轉移到新的環境中時，可能會有表現能力下降的情況，而這種現象被稱為環境轉移效應（contextshifteffect）[2]。

並且這種效應曾在經過高度訓練以檢測爆炸物的狗身上發現過[8]，以一項針對肺癌患者的檢測犬研究為例，通過從醫院轉移到另一個地點，犬隻的表現會有顯著的降低，其假陽性的發生率也會增加[22]。

環境轉移效應也會影響犬隻檢測疾病的準確度。

圖/Chalabala人畜共患風險除了訓練技術及成本方面的問題外，這技術還涉及SARS-CoV-2的人畜共患病傳播相關的公共衛生及動物福利問題，根據目前研究，還是無法確定狗在檢測SARS-CoV-2變體以及多種病毒感染者上的有效性[5]。

有鑑於SARS-CoV-2起源於蝙蝠一說，仍然是形成人類大流行的最可能原因[24]，並且目前已發現幾種野生及圈養動物物種被感染，其中包括貓、狗及水鼬（minks）[6,16]。

D’Aniello等人認為[5]，在沒有足夠的報告來確定狗能不能成為宿主物種，或甚至是與人類交叉感染之前，故意將狗暴露於SARS-CoV-2之前都是是草率的。

在面對這議題時我們必須更加謹慎，限制大流行最重要的策略之一，就是預防潛在病毒宿主的任何溢出感染（spilloverinfection）。

教機器人辨識COVID-19，可能比教狗狗更實際教狗狗檢測疾病，執行上可能比想像困難。

圖/ababaka如果配合正確的部屬策略了話，那相比於一次性的檢測試劑，訓練犬隻來檢測COVID-19確實還是一種高機動性、自主性及非侵入性的篩檢方法，並可一次篩檢一定範圍內的大量人員或樣本[15]。

可惜的是，儘管訓練有素的個體具有臨床應用價值，但學界仍未詳細了解不同品系及個體的狗的反應差異以及將這些訓練廣泛推廣的可能性[5]。

如獸醫師Otto在《nature》的採訪[18]中表示：「狗將在早期診斷中發揮作用，但我們還沒有找到最好的方法去實踐，這需要從科學和動物福利的角度繼續探索，但最大的問題是資金」。

如果要考慮到訓練成本（包含檢測犬的育種、培育和安置等等）、人畜共患風險及動物福利了話，與其「教狗辨識COVID-19」，不如「讓機器學會辨識COVID-19」。

一份令人振奮的據報導指出[21]，由物理學家Johnson和Abella醫生等人領導的團隊已經獲得了美國國家衛生院（NIH）為期兩年200萬美元的資助，該項目將結合納米感測器陣列與機器學習的技術，以支持開發一種可以檢測到COVID-19患者VOCs的手持設備，並宣稱其初步測試靈敏度可超過90%，預計會在2023年初向食品藥物管理局提出申請。

參考資料1.Angle,C.,Waggoner,L.P.,Ferrando,A.,Haney,P.,&Passler,T.(2016).CanineDetectionoftheVolatilome:AReviewofImplicationsforPathogenandDiseaseDetection.FrontiersinVeterinaryScience,3.https://doi.org/10.3389/fvets.2016.000472.Balsam,P.,&Tomie,A.(1984).ContextandLearning(1sted.).PsychologyPress.3.Catala,A.,Grandgeorge,M.,Schaff,J.L.,Cousillas,H.,Hausberger,M.,&Cattet,J.(2019).Dogsdemonstratetheexistenceofanepilepticseizureodourinhumans.ScientificReports,9(1).https://doi.org/10.1038/s41598-019-40721-44.Chambers,J.,Quinlan,M.B.,Evans,A.,&Quinlan,R.J.(2020).Dog-HumanCoevolution:Cross-CulturalAnalysisofMultipleHypotheses.JournalofEthnobiology,40(4).https://doi.org/10.2993/0278-0771-40.4.4145.D’Aniello,B.,Pinelli,C.,Varcamonti,M.,Rendine,M.,Lombardi,P.,&Scandurra,A.(2021).COVIDSnifferDogs:TechnicalandEthicalConcerns.FrontiersinVeterinaryScience,8.https://doi.org/10.3389/fvets.2021.6697126.Deng,J.,Jin,Y.,Liu,Y.,Sun,J.,Hao,L.,Bai,J.,Huang,T.,Lin,D.,Jin,Y.,&Tian,K.(2020).SerologicalsurveyofSARS‐CoV‐2forexperimental,domestic,companionandwildanimalsexcludesintermediatehostsof35differentspeciesofanimals.TransboundaryandEmergingDiseases,67(4),1745–1749.https://doi.org/10.1111/tbed.135777.Essler,J.L.,Kane,S.A.,Nolan,P.,Akaho,E.H.,Berna,A.Z.,DeAngelo,A.,Berk,R.A.,Kaynaroglu,P.,Plymouth,V.L.,Frank,I.D.,Weiss,S.R.,OdomJohn,A.R.,&Otto,C.M.(2021).DiscriminationofSARS-CoV-2infectedpatientsamplesbydetectiondogs:Aproofofconceptstudy.PLOSONE,16(4),e0250158.https://doi.org/10.1371/journal.pone.02501588.Gazit,I.,Goldblatt,A.,&Terkel,J.(2004).Theroleofcontextspecificityinlearning:theeffectsoftrainingcontextonexplosivesdetectionindogs.AnimalCognition,8(3),143–150.https://doi.org/10.1007/s10071-004-0236-99.Grandjean,D.,Sarkis,R.,Lecoq-Julien,C.,Benard,A.,Roger,V.,Levesque,E.,Bernes-Luciani,E.,Maestracci,B.,Morvan,P.,Gully,E.,Berceau-Falancourt,D.,Haufstater,P.,Herin,G.,Cabrera,J.,Muzzin,Q.,Gallet,C.,Bacqué,H.,Broc,J.M.,Thomas,L.,...Desquilbet,L.(2020).CanthedetectiondogalertonCOVID-19positivepersonsbysniffingaxillarysweatsamples?Aproof-of-conceptstudy.PLOSONE,15(12),e0243122.https://doi.org/10.1371/journal.pone.024312210.Hardin,D.S.,Anderson,W.,&Cattet,J.(2015).DogsCanBeSuccessfullyTrainedtoAlerttoHypoglycemiaSamplesfromPatientswithType1Diabetes.DiabetesTherapy,6(4),509–517.https://doi.org/10.1007/s13300-015-0135-x11.Jendrny,P.,Schulz,C.,Twele,F.,Meller,S.,vonKöckritz-Blickwede,M.,Osterhaus,A.D.M.E.,Ebbers,J.,Pilchová,V.,Pink,I.,Welte,T.,Manns,M.P.,12.Fathi,A.,Ernst,C.,Addo,M.M.,Schalke,E.,&Volk,H.A.(2020).ScentdogidentificationofsamplesfromCOVID-19patients–apilotstudy.BMCInfectiousDiseases,20(1).https://doi.org/10.1186/s12879-020-05281-313.Jezierski,T.,Walczak,M.,Ligor,T.,Rudnicka,J.,&Buszewski,B.(2015).Studyoftheart:canineolfactionusedforcancerdetectiononthebasisofbreathodour.Perspectivesandlimitations.JournalofBreathResearch,9(2),027001.https://doi.org/10.1088/1752-7155/9/2/02700114.Liddell,K.(1976).Smellasadiagnosticmarker.PostgraduateMedicalJournal,52(605),136–138.https://doi.org/10.1136/pgmj.52.605.13615.Maughan,M.N.,Best,E.M.,Gadberry,J.D.,Sharpes,C.E.,Evans,K.L.,Chue,C.C.,Nolan,P.L.,&Buckley,P.E.(2022).TheUseandPotentialofBiomedicalDetectionDogsDuringaDiseaseOutbreak.FrontiersinMedicine,9.https://doi.org/10.3389/fmed.2022.84809016.Molenaar,R.J.,Vreman,S.,Hakze-vanDerHoning,R.W.,Zwart,R.,deRond,J.,Weesendorp,E.,Smit,L.A.M.,Koopmans,M.,Bouwstra,R.,Stegeman,A.,&vanderPoel,W.H.M.(2020).ClinicalandPathologicalFindingsinSARS-CoV-2DiseaseOutbreaksinFarmedMink(Neovisonvison).VeterinaryPathology,57(5),653–657.https://doi.org/10.1177/030098582094353517.Olsson,M.J.,Lundström,J.N.,Kimball,B.A.,Gordon,A.R.,Karshikoff,B.,Hosseini,N.,Sorjonen,K.,OlgartHöglund,C.,Solares,C.,Soop,A.,Axelsson,J.,&Lekander,M.(2014).TheScentofDisease.PsychologicalScience,25(3),817–823.https://doi.org/10.1177/095679761351568118.Photopoulos,J.(2022).Thedogslearningtosniffoutdisease.Nature,606(7915),S10–S11.https://doi.org/10.1038/d41586-022-01629-820.Reeve,C.,Cummings,E.,McLaughlin,E.,Smith,S.,&Gadbois,S.(2020).AnIdiographicInvestigationofDiabeticAlertDogs’AbilitytoLearnFromaSmallSampleofBreathSamplesFromPeopleWithType1Diabetes.CanadianJournalofDiabetes,44(1),37–43.e1.https://doi.org/10.1016/j.jcjd.2019.04.02021.Sucar,E.(2021,February4).An‘electronicnose’tosniffoutCOVID-19.PennToday.RetrievedJuly1,2022,fromhttps://penntoday.upenn.edu/news/electronic-nose-sniff-out-covid-1922.Walczak,M.,Jezierski,T.,Górecka-Bruzda,A.,Sobczyńska,M.,&Ensminger,J.(2012).Impactofindividualtrainingparametersandmanneroftakingbreathodorsamplesonthereliabilityofcaninesascancerscreeners.JournalofVeterinaryBehavior,7(5),283–294.https://doi.org/10.1016/j.jveb.2012.01.00123.Walker,D.B.,Walker,J.C.,Cavnar,P.J.,Taylor,J.L.,Pickel,D.H.,Hall,S.B.,&Suarez,J.C.(2006).Naturalisticquantificationofcanineolfactorysensitivity.AppliedAnimalBehaviourScience,97(2–4),241–254.https://doi.org/10.1016/j.applanim.2005.07.00924.Wong,G.,Bi,Y.H.,Wang,Q.H.,Chen,X.W.,Zhang,Z.G.,&Yao,Y.G.(2020).Zoonoticoriginsofhumancoronavirus2019(HCoV-19/SARS-CoV-2):whyisthisworkimportant?ZoologicalResearch,41(3),213–219.https://doi.org/10.24272/j.issn.2095-8137.2020.031 國中生的科普素養閱讀平台:《科學生》，素養強化訓練今天就展開!相關標籤：COVID-19動物訓練嗅覺檢測狗辨識COVID-19熱門標籤：大麻量子力學CT值女科學家後遺症快篩時間所有討論 1登入與大家一起討論#1fierycloud2022/07/10回覆在這個OIE改制WOAH的時代，用能感病動物來偵測，感覺，是不是哪裡怪怪的?https://www.woah.org/en/what-we-offer/emergency-and-resilience/covid-19/#ui-id-3=繁简