談基改作物：我們是花錢買健康還是花錢買安心？

• 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。

「馬雅」是中美洲知名的古代文化，也是如今擁有數百萬人口的一個族群。2022 年問世的論文，由古人遺骸中取得古代 DNA，探討馬雅人的遺傳源流，得知「馬雅人」的形成過程，包括來自其南方與北方的移民。

另一個有趣的議題是，有時候人類遷徙與農業傳播有關，那麼馬雅人的主食：玉米，在這當中有什麼影響呢？

在貝里斯考古：到馬雅文化開始以前

古代馬雅文化的分佈地點，位於中美洲的中部，包括如今的 5 個國家：墨西哥、瓜地馬拉、貝里斯、宏都拉斯、薩爾瓦多。取樣地點是貝里斯 2 處遺址 Mayahak Cab Pek（MHCP）和 Saki Tzul（ST），這兒保存的人類活動紀錄，延續超過一萬年。

之前發表的論文根據遺骸中的穩定同位素，判斷居住在這兒的居民，有些人距今 4700 年前開始吃玉米，4000 年前之後玉米成為主食；不過要等到 3000 多年前，才形成使用不少陶器的定居農村。

• 延伸閱讀：短篇  馬雅人的玉米依賴史

新論文由死人骨頭取得 DNA，拼湊出 20 位古人的基因組。他們的年代粗略分為兩個時期，比較早的介於距今 7300 到 9600 年之間，比較晚的介於 3700 到 5600 年前之間，中間的時光缺乏資訊。

所謂的馬雅文化，大概能追溯到 4000 年前，稱作前古典期（Preclassic）的開始。所以這回年代最晚，3700 年前的樣本，也只是馬雅文化開始後沒過多久，在此之後缺乏資訊。

由南向北的大量移民

遺傳學分析發現，貝里斯遺址中超過 7300 年前的人彼此較近，可以視為當地最初的血緣。距今 3700 到 5600 年前的人，明顯偏向使用奇布恰語（Chibchan）的族群。

奇布恰語族分佈於中美洲南部、南美洲北部，也就是哥斯大黎加、巴拿馬、哥倫比亞、委內瑞拉等現代國家的疆域，算是馬雅語言使用族群的南邊。

檢視現代的奇布恰族群，遺傳上似乎沒有北邊古早馬雅地區的 DNA 變異特徵。而距今 3700 到 5600 年前的貝里斯古人，估計只有 31% 血緣繼承本地早於 7300 年前的居民，其餘 69% 和奇布恰族群類似。

由此推測，距今 7300 年過後，早於 5600 年前（也就是論文取樣缺失的時光），馬雅地區發生過由南向北的情慾流動，不少移民帶來新血緣。但是這個「由南」似乎沒有那麼南，因為更南邊的安地斯，和奇布恰血緣的差異明顯。

這兒的「移民」應該不是大集團移民。這塊地方早於 3000 年前的人數都不多，移動性高；超過 5600 年前的移民，更有可能是少量人群，陸續進入。

種玉米的農夫移民？年代好像不太對

介紹這項研究時，有新聞寫到「由南向北的移民，將 DNA 和升級版玉米帶入馬雅地區，發展穩定生產的農業，奠定隨後馬雅文明的基礎」，但是此一論點有明顯瑕疵。進入馬雅領域的移民，和玉米這項農作物有什麼關係呢？

綜合新的遺傳學、考古學線索，我們知道玉米原產於中美洲的墨西哥，超過 9000 年前便被初步馴化，接著往南傳播。然而，要等到好幾千年以後，南美洲才培育出馴化完全的品系，又往北傳播，融入各地當時半馴化的同類，帶動玉米農業的全面升級。

2020 年問世的論文調查貝里斯更南方，宏都拉斯 El Gigante 遺址的古代玉米，得知早於 2300 年前某個時候，有人從其南方引進更佳的玉米品系，但是無法判斷到底多早。當地出土最早的玉米距今約 4300 年，而上述貝里斯的 2 處遺址為 4700 年前；據此猜測玉米進入此一區域，不會比這些年代早太多。

• 延伸閱讀：中美洲2300年前玉米，來自南美洲情慾流動

而遺傳學證據卻指出，在 5600 年前那個時刻，貝里斯已經明顯存在來自南方的血緣。顯而易見，至少在貝里斯的遺址中，南來移民現蹤的年代比玉米更早。

因此我認為，南來移民和南來玉米是兩回事，較早的移民並沒有直接帶著升級版玉米進入貝里斯，大幅改變當地原本的生產方式；玉米是更晚才引進的，不清楚是否牽涉到人群移動。

馬雅文明興起，北方移民加入

古代的繁盛謝幕，受到歐洲人殖民以後，馬雅人並沒有滅團，現在仍然有數百萬人。和超過 3700 年的貝里斯古人相比，現代馬雅人約有 25% 血緣類似其北方，墨西哥高地的族群。由此推論，3700 年前到現代之間，又有由北向南的情慾流動。

「現代馬雅人」的分佈範圍不小，各地可能有點差別。分析中作為現代馬雅人的代表，是貝里斯南部的 Mopan 和 Q’eqchi’ 族群。據台灣頭號馬雅專家​馬雅國駐臺辦事處表示，這兒的馬雅人應該相對更接近墨西哥高地。

貝里斯有人類活動的紀錄超過萬年，不過到了距今 3700 到 5600 年前，只剩下平均 31% 的血緣繼承自本地更早的居民。現代居民的本地最早血緣又降低為 23%，類似南邊的奇布恰族群 52%、類似北邊的墨西哥高地 25%。

遺傳學方面，目前 3700 年前過後缺乏樣本。照考古學的分類，古馬雅文化的前古典期始於 4000 年前，公元 250 年（約 1800 年前）進入古典期（Classic），公元 950 年（約 1000 年前）開始後古典期（Postclassic）。所以可以這麼說，整段馬雅文化幾乎都缺乏遺傳樣本，我們不清楚這段期間的變化過程。

馬雅人在古典期邁向興盛，出現提卡爾、帕連克、科潘、卡拉穆等大型城邦。考古學證據指出，古典期的馬雅人明顯受到其北方的文化影響，後古典期也有不少交流。由此推論，近 4000 年內應該有不少其北方，墨西哥高地區的移民加入馬雅世界，可惜缺乏更直接的證據。這段期間應該非常精彩，希望新的研究不要等太久。

如今世界上依然有幾百萬活生生的馬雅人，繼承祖先的血緣與文化，許多人在中美洲生活。千萬不要誤以為他們滅團惹！

延伸閱讀

• 玉米，只有中美洲單一起源，卻在多地完成馴化
• 是征服者入侵，或是馬雅人的寄生上流？
• 馬雅城邦奇琴伊札的歷史，誰被丟進祭祀井？
• 如何理解前哥倫布時代的中美洲文化？
• 馬雅國家機器動的很厲害，小人物考古學
• 歐洲人到來之前，美洲本土的金屬工具人
• 美洲遺傳史（上）美洲各地最早的移民，後來神秘消失
• 巴拿馬地峽的古代DNA

參考資料

1. Kennett, D. J., Lipson, M., Prufer, K. M., Mora-Marín, D., George, R. J., Rohland, N., … & Reich, D. (2022). South-to-north migration preceded the advent of intensive farming in the Maya region. Nature communications, 13(1), 1-10.
2. Ancient migrants carrying maize from south were early Maya ancestors, says study
3. The Maya—and the maize that sustained them—had surprising southern roots, ancient DNA suggestsMigrants from the south may have helped spread early farming in Central America
4. Kennett, D. J., Prufer, K. M., Culleton, B. J., George, R. J., Robinson, M., Trask, W. R., … & Gutierrez, S. M. (2020). Early isotopic evidence for maize as a staple grain in the Americas. Science advances, 6(23), eaba3245.
5. Kistler, L., Maezumi, S. Y., Gregorio de Souza, J., Przelomska, N. A., Malaquias Costa, F., Smith, O., … & Allaby, R. G. (2018). Multiproxy evidence highlights a complex evolutionary legacy of maize in South America. Science, 362(6420), 1309-1313.
6. Kistler, L., Thakar, H. B., VanDerwarker, A. M., Domic, A., Bergström, A., George, R. J., … & Kennett, D. J. (2020). Archaeological Central American maize genomes suggest ancient gene flow from South America. Proceedings of the National Academy of Sciences, 117(52), 33124-33129.

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。

莊汶博／臺灣大學農藝系助理教授

今 (2019) 年全臺最火紅的昆蟲議題，絕對非秋行軍蟲 (fall armyworm, FAW) 莫屬了！這個近期飄洋過海來臺灣的外來種，為何會重要到被全民「通緝」？牠的出現，又會對本土農業實務與管理帶來什麼巨大的挑戰？

蟲蟲危機哪裡來？

秋行軍蟲，又名草地貪夜蛾 (Spodoptera frugiperda) ，原分布於美洲大陸，於 2016 年突然入侵非洲奈及利亞，且 2 年內在非洲造成重大的經濟危害，隨後於 2018 年入侵印度。此外，秋行軍蟲除了今年 1 月在中國雲南現身，臺灣苗栗的飛牛牧場也於今年 6 月初發現第一例入侵案件，不到一個月，經全民通報與形態確認後發現破百個案例，現今連日本鹿兒島都能發現秋行軍蟲的蹤跡。

秋行軍蟲的名聲之所以這麼響亮，是因為其幼蟲的寄主範圍廣且主要危害玉米、水稻及十字花科等農藝園藝主要作物，且植物受損的狀況相對其他害蟲來說嚴重許多，這隻蟲幼蟲的危害程度之大，令人感到驚訝。

以玉米為例，在玉米上看到的危害大都會發生在玉米輪生期，秋行軍蟲的幼蟲偏好輪生期的未展開葉，並可從未展開葉一路往下吃到植物頂端的分生組織，造成玉米的產量損失。也因為如此，田間通常可透過玉米危害狀及昆蟲糞便量的觀察，來判斷秋行軍蟲危害的可能性。

為何秋行軍蟲喜好這部份的葉片？首先，輪生期未展開葉的木質素尚未建構完成，因此幼蟲攝食這部份的葉片比較容易消化且可相對得到較多的營養；而輪生期未展開葉的濕度夠，幼蟲躲在這裡比較不會因為溫度太高或是太陽直射造成水分喪失；最後，幼蟲躲在輪生期的未展開葉裡，可以躲避天敵的攻擊。

什麼！原來秋行軍蟲還有分種類喔！

在美洲，秋行軍蟲大多都出現在玉米田，然而該蟲有少部分族群在水稻及小型禾本科植物被發現，進而得知秋行軍蟲有 2 個品系，分別為玉米品系 (corn strain) 及水稻品系 (rice strain) 。

令人頭痛地，這兩品系無法利用外型來區分，目前可辨別的方法，主要是針對品系間的遺傳差異，以分子鑑定來做區分。此外，這兩品系的取食行為及成蟲交尾時間也明顯不同。

然而，現今臺灣的通報案例雖皆在玉米田區發現，但分子鑑定的結果大多為水稻品系，僅有苗栗縣飛牛牧場鑑定結果為玉米品系，相當不尋常。不過，其實品系的不同，並不代表在玉米上取食的一定是玉米品系，反之亦然，牠們只是對寄主植物的喜好程度不同而已。

尤其這一波隨著西南氣流飛往臺灣的秋行軍蟲族群，可能為非洲或是亞洲入侵的少數特殊族群，已經無法利用原本美洲族群的相關研究來判斷其行為。

我們與秋行軍蟲的距離

根據研究，利用分子鑑定發現，在非洲危害玉米的秋行軍蟲大多為水稻品系，這表示在非洲的族群對於寄主植物的偏好性已經跟在美洲族群不太一樣。這些灘頭堡的族群可能已改變其取食行為，因此臺灣的相關研究學者需了解這些族群的特性，例如取食行為等。

現階段，大多數的研究都支持遷飛族群主要的寄主植物為玉米，在臺灣也是發現一樣的危害狀況。然而，需要思考的是，倘若當玉米採收後，在田間無玉米植株的狀況下，秋行軍蟲雌蛾會在哪些植物上產卵、替代植物或作物可能會受到哪些危害。

由於秋行軍蟲入侵非洲的時間為 2016 年，也代表著在短短 3 年內，已從非洲入侵到亞洲甚至東北亞，變成全球化的入侵物種，速度超乎眾人想像，也使得聯合國糧農組織 (Food and Agriculture Organization, FAO) 將此蟲列為全球預警的重要農業害蟲。

接下來，秋行軍蟲是否可以在入侵地區繁衍下一代，便成了重要的議題。在臺灣，已知該蟲的遷飛族群成功在此產出下一代的卵，也知道該子代已成功利用寄主植物（玉米）成長並化蛹，更有田間證據表示該族群已成功羽化成蛾。這些新羽化的族群是否能在臺灣建立起族群，為現在學者及政府單位觀察的重點。

此外，倘若秋行軍蟲能在臺灣立足，它的長距離遷徙行為是否會造成在監測管理上的困難？倘若無法立足，在中國的族群是否會如同在北美的遷飛方式（每年從南方遷飛至北方）隨著西南氣流飛抵臺灣？若真如此，臺灣政府部門可能要有相關的配套措施。

現代問題需要現代手段，秋行軍蟲也需要防治手段

殷鑑入侵臺灣的秋行軍蟲為水稻品系，而水稻為臺灣最大的種植面積作物，其是否會受到秋行軍蟲的危害，格外受到重視。

目前為止，臺灣還尚未在水稻上發現秋行軍蟲，筆者也詢問過國際水稻研究院的昆蟲專家相關問題，得到的回應是目前他們也在仔細觀察全世界的水稻是否會受影響，但目前為止並沒有發現這樣的現象。

農業界對於秋行軍蟲的危害有 2 種不同的看法。一方專家認為，秋行軍蟲跟一般廣食性害蟲一樣，可利用現今的害蟲防治管理。

另一方專家則認為，由於秋行軍蟲的寄主植物範圍遠大於現今在臺灣危害的害蟲，再加上其為新興入侵害蟲且有報導指出，秋行軍蟲對部份農藥具有抗藥性，故對於秋行軍蟲的入侵，需有比較謹慎並積極的管理策略。

筆者認為，秋行軍蟲是否可能在臺灣立足尚待觀察，然而對於這種新興入侵昆蟲的可能危害，需要比較謹慎地看待，理由有幾點如下：

第一，輪作制度的優點之一，便是利用種植不同類的作物使田間病蟲的危害無法延續下去；倘若秋行軍蟲能在臺灣立足且其寄主範圍仍跟美洲族群相似，那臺灣現今的輪作制度將受到挑戰。第二，雖然臺灣現今有休耕補助，然而，雜草或綠肥作物可能也會成為秋行軍蟲的寄主植物，故休耕政策可能也需要有討論的必要。

最後，則是有機農業及學校單位食農場域的管理方式──秋行軍蟲在臺灣是否會有天敵尚未了解，但筆者相信一些寄主範圍較廣的天敵昆蟲應該有機會作為防治的方法。

不過，這些天敵及現階段的生物防治資材，如蘇力菌、黑殭菌等，是否能有效管理秋行軍蟲的危害，仍有待觀察。

未雨綢繆總是好，秋行軍蟲別再跑

以上所提出的問題不盡然皆會發生，將有待政府相關單位及大專院校相關老師去做進一步的探討及研究。根據臺灣的防檢疫能力及田間管理能力，筆者相信，秋行軍蟲的危害可能不會像非洲或其他亞洲鄰國這樣的嚴重，然而仍需針對秋行軍蟲有一套害物整合管理 (Integrated Pest Management, IPM) 策略來因應其可能造成的危害。

本文摘自《科學月刊 08 月號/2019 第 596 期：仿物種智慧》，科學月刊社出版。