讓科學界的性別議題不再是議題——《數學女鬥士徐道寧》推薦文

劉邦（漢高祖）打敗項羽，取得天下，建立漢朝。一天舉行盛大宴會，他問群臣：「我為什麼會勝？項羽為什麼會敗？」群臣都說劉邦善於用人，項羽恰恰相反。劉邦點頭稱是，司馬遷在《史記‧高祖本紀》記下劉邦說的一段話

夫運籌帷幄之中，決勝於千里之外，吾不如子房。

帷幄，指營帳。子房，是張良的字。籌，指算籌，是古時的運算工具。這段話的意思是說，張良在營帳中運用算籌計算，就能決勝千里之外，這方面我（劉邦）不如張良。因此，這個成語的原意是在營帳中策劃謀略，後來泛指謀劃或指揮。讓我們造兩個句吧。

要不是孔明運籌帷幄，劉備哪有三分天下的機會！

在里長的運籌帷幄下，為社區更新取得有利的條件。

不用筆，那用什麼？

成語的出典說了，句子也造了，接下去就要談談這個成語的科學意義。我們現在演算數學，都是用筆在紙上運算，也就是筆算。古人呢？古人從來不用筆算，而是使用工具運算。元代以前使用算籌，元代以後使用算盤。

算盤一直使用到 1980 年代，小朋友家裡可能還有。至於算籌，只有少數博物館裡才能看到。

其實算籌只是一根根小竹棍，外形和筷子差不多。小朋友千萬不要看輕這些小竹棍，中國古代的數學曾經輝煌一時，就是用這些小竹棍運算出來的。

驚人的運算能力 曾經輝煌一時的數學成就

算盤被木框框住，計算能力受到限制。凡是算盤能算的，算籌一定能算。反過來，算籌所能算的，算盤就不見得勝任。算盤主要是生意人用的，算籌可作各種運算，數學家喜歡用它。中國的數學宋代發展到顛峰，元代以後不進反退，到了明代已沒人懂得宋代的數學了。

算籌平時放在算袋裡，繫在腰上，運算時取出，在席子上或桌子上擺弄。除了加減乘除，還能開平方、開立方，甚至解高次方程等高中才學得到的數學！關於算袋，有個小故事，傳說秦皇島東巡時，把算袋扔到海裡，變成了烏賊，所以烏賊又稱算袋魚。

數學家用算籌運算時，有時擺弄得極快，不要說外行人，連內行人的眼睛幾乎都跟不上，所以古人用「運籌如飛」來形容。因此，用算籌運算，運算過程不會留下記錄，一陣擺弄之後，最後得出答案。這對一般才質的人來說，學起來的確有點困難。

你知道嗎？世界上的另一個族群
在這個世界上存在一種族群，叫雙性人，俗稱間性人，或陰陽人。他們的性器官或是性染色體異常，所造成性徵上不符合典型的男生或女生。根據聯合國統計，雙性人約佔全球人口 0.05% 到 1.7%。而我國監察院依照上限估算，台灣人約有 40 萬名雙性人。在許多生物中，也有因突變所形成的雙性特徵。讓我們透過自然界的案例，從其他生物面對雙性所造成的影響，檢視社會上面對雙性人的問題。

大自然中的「雌雄嵌合體」

一研究團隊在北美進行蝴蝶物種調查中，採集到很特別的一隻蝴蝶，經鑑定後為卡納藍蝴蝶（Plebejus samuelis）。奇特的地方在於，這是一隻帶有雄性特徵和雌性特徵的蝴蝶，一側為藍色，但另一側為棕色邊緣還帶點橘色斑紋。

這種生物現象叫做「雌雄嵌合體」，一半雄性、一半雌性。雌雄嵌合體不同於「雌雄同體」，雌雄同體指的是卵巢和精巢共存於同一個體上，身上所有體細胞都具同一基因型，但雌雄嵌合體是在同一個體上具有不同的基因型，而且不同基因型分布在不同的區域。

北美紅雀（也就是「憤怒鳥」的原型），也同樣存在「雌雄嵌合體」的現象。北美紅雀的雄鳥毛色鮮紅，雌鳥毛色呈淡褐色。雌雄嵌合體的北美紅雀則是一面紅色、一面白色。

對於雌雄嵌合體的北美紅雀來說，雙重的性別特徵大大影響了牠們的生活。牠們求偶時唱著雄性的求偶歌，但身體卻跳著雌性舞蹈，而奇特的體色也讓牠們無法融入族群。

在求偶上遇到困難的除了北美紅雀，還有雌雄嵌合體的蚊子。科學家在加州聖華金谷（san joaquin valley）採集到多種雌雄嵌合體的蚊子，比較特別的是，牠們雌雄的區域分佈不是左、右兩邊，而是上、下兩部分。科學家們採集到的其中一隻是紅胸庫蚊（Culex rubithoracis），牠的雌性部分在頭部，雄性區域則是在胸腹部。

這樣的蚊子在繁殖上有著極大的阻礙，原因有兩個。第一個是牠們的翅膀。雌性蚊子的翅膀發出的聲音頻率，可以吸引雄蚊進行交配，然而雌雄嵌合體的蚊子，其翅膀卻可能是雄性的，因此無法和雄蚊互相吸引。第二個原因則和進食有關。雌蚊之所以會有吸血的行為，是因為牠們在產卵時需要血中的營養素，但對於雌雄嵌合體的蚊子來說，「頭部雌性、腹部雄性」的特徵，會導致吸進去的血沒有對應的消化酶可以被消化、吸收，進而導致死亡，牠們在開心吸血的同時可能連自己怎麼死的都不知道。

如果頭部剛好是雄性區域，也可能因爲刺吸式口器中的上下顎退化，導致根本不能刺穿動物皮膚來獲取血液；此外，雄性頭部也沒有感知宿主的受器，根本找不到可以吸血的對象。種種特徵和功能缺陷對於雌雄嵌合體的蚊子來說簡直厄運連連。

「雌雄嵌合體」的現象是如何產生的？

到底為什麼會產生雌雄嵌合體或雙性人這種生物現象呢？可能的原因有部分受精、重複受精、染色體分離異常、性染色體異常缺失、染色體連鎖互換異常等等，許多基因上的突變都很有可能造成雌雄嵌合體產生。

在鳥類的基因中，是由 Z 染色體和 W 染色體決定性別特徵，雄性的鳥類具有同型染色體（ZZ），雌性具有異型染色體（ZW），類似人類 XY 染色體的性別決定系統。

正常狀態下，卵母細胞會分裂成分別具有 Z 染色體的卵子和 W 染色體的卵子。如果分裂的時候出現問題，原本各帶一條染色體的兩顆卵子，會變成一顆卵子同時攜帶 Z 和 W 兩種性染色體，而另一顆則完全沒有性染色體。這顆同時具有兩種性染色體的卵子可能被兩條精子同時受精，如此一來，生出的後代就會同時具有 ZZ 和 ZW 的細胞；也就是說，這個後代的身體內會同時具有雄性特徵和雌性特徵。

一般來說，一條精子進入卵子時會觸發卵膜「極化」，以快速阻斷其他精子進入卵內，因此要有兩條精子同時儘速卵內、形成雌雄嵌合體的條件機率極低，除了要在細胞分裂時出問題，還要意外地讓兩隻精子進入卵內才能達成。

位於蘇格蘭愛丁堡的「羅斯林研究所」研究了一隻雌雄嵌合體的雞。這隻雞的左側是雄性，具有白色羽毛和大胸肌，腳上也具有骨刺（是雄性的最大特徵）；而右側則是雌性，具深色羽毛，體型相對比雄性小，腳上也無骨刺。研究發現，脊索動物中「鳥類」的性發育機制，是來自於染色體而不是激素。

在人類身上，性別是由 XY 性染色體決定，一般男性為 XY 異型性染色體，女性則是 XX 同型性染色體。性染色體的缺失或多餘都會造成雙性人的出現。在醫學上常見的雙性人分類有克林伊斯菲特症、透納氏症、腎上腺素增生症（CAH）、雄性激素不敏症（AIS）、尿道下裂症等等，這些人雖然身體構造和其他人略顯差異，但多數都是健康的狀態。

目前各國已開始努力維護雙性人的人權及權益，而台灣對雙性人人權的重視也才剛起步。監察院在 2018年發布首次對雙性人人權進行調查的報告。同年 10 月，衛生福利部頒布〈未成年雙性人之醫療矯正手術共同性建議原則〉，其中最重要的是一項原則為「訂定雙性人性別手術的年齡規範」，成為亞洲先驅。

不管是人類還是自然界，都可能出現雌雄嵌合體的現象，生活在這樣性別多元的世界，大眾應以正面的態度認識雙性人。願大家都能保持多元開放的心態看待每一個人。

參考文獻

• Ian Sample (2011). Half male, half female butterfly steals the show at Natural History Museum. https://reurl.cc/7jZDKk
• James, R. H (2021). A SECOND BILATERAL GYNANDROMORPH NORTHERN CARDINAL IN NORTHWEST PENNSYLVANIA! https://reurl.cc/NG5ANq
• Sumiko, R., David, J., John,A. Eddie,F. Shaoming ,H(2020). Gynandromorphic Specimens of Culex De La Vega, S. R., Smith, D. J., Fritz, J. A., Lucchesi, E. F., & Huang, S. (2020). Gynandromorphic Specimens of Culex erythrothorax, Culex pipiens Complex, Culex tarsalis, and Culiseta incidens Collected in Northern San Joaquin Valley, California. Journal of the American Mosquito Control Association, 36(3), 208-211.
• Sharman, S (2021). Sex-determination: The X, Y, Z’s of sex chromosomes. https://reurl.cc/x1Y92e
• Clinton, M., Zhao, D., Nandi, S., & McBride, D. (2012). Evidence for avian cell autonomous sex identity (CASI) and implications for the sex-determination process?. Chromosome research, 20, 177-190.
• Carol A. Butler (2017). Gynandromorphism Sexual forms are not necessarily either male or female. https://reurl.cc/7jZDxb
• Keim, B (2018). Half-Cocked? Hermaphrochickens Challenge Gender Determination. https://www.wired.com/2010/03/chicken-sex/
• Edmonds, P (2017). Going Through Life as Half She, Half He. https://reurl.cc/DXNyGO
• 監察院（2018）。雙性人人權問題長期受忽視 監察院糾正衛福部及內政部。https://reurl.cc/mZWoeG
• 衛生福利部醫事司（2018）。公告「衛生福利部未成年雙性人之醫療矯正手術共同性建議原則。https://dep.mohw.gov.tw/doma/cp-2708-45096-106.html

• 文／邱彥哲｜雅文基金會聽語科學研究中心 助理研究員

「Hey, Siri!」「OK, Google!」你曾經對手上的行動裝置說話嗎？你會要求他回答什麼呢？受限於目前的技術，你可能不會得到非常滿意的答案，但至少你會聽到一陣悅耳如同真人的語音吧！這項現今習以為常的技術，其實背後是由很多知識累積而成的。今天，讓我邀請你擔任一日「語音設計師」，從語音合成的技術開始，接著了解人類使用者的聽覺偏好，最後探索不同族群對聆聽合成語音的差異吧！

語音合成（speech synthesis），是指以人工方式，製造出說話的聲音，可以理解為使機器裝置說出人話的技術。廣義來說，很多人也會把文字轉語音（Text to Speech，簡稱 TTS），含括在語音合成的範疇。

語音合成像樂高，但樂高有兩種！

早在 1970 年代，人類就已經開始嘗試讓機器說話了。構思如何讓機器說話這件事，最直接的方式就是請真人錄一段聲音，然後在指定的時機播放。不過，面對複雜的語言情境，我們不可能錄下所有可能的回應 ; 而且若要這樣做，也實在太沒效率。幸好，借助電腦運算技術，可以讓人類向自動生成語音邁進一大步。合成的方法可以分成兩大類，分別是單元選取合成（Unit Selection Synthesis）及參數合成（Parametric Synthesis）^[1]。

單元選取合成這種方法，是將某個語言的語音成分分別以人聲錄製起來，再根據需要的目標語音進行組合。簡單來說，如果需要機器說發出「八」的語音，就必須單獨錄製「ㄅ」跟「ㄚ」。這個技術聽起來直觀方便，但也有缺點。就是事先必須建立一個龐大的語音資料庫，這個資料庫必須包含一個語言所有語音成分，此外，還必須錄下這些語音成分在所有情境下的變化，光想起來就令人有點頭痛。

所以後者，參數合成，就顯得方便許多。這種方法，是直接將語音參數輸入電腦，讓電腦直接根據參數發出聲音，再組成語音。使用參數合成，就可以免去請人錄音的步驟，但直接使用電腦生成的語音，聽起來也會相對不自然。我們可以把這兩類方法想像成是在組合樂高，都是將語音成分一塊一塊組合起來，只是前者的樂高是自然材質（比如說木頭製），後者是人造材質（比如說塑膠）。

借助深度學習，電腦說話很自動

不過，無論是上述哪種方法，都還是需要不少的人工調校，才能使聲音逐步接近人類的語音。但還好，隨著電腦演算的進步，將深度學習（deep learning）運用在語音合成的領域，不但減少了人工成本，也大大提升的語音的擬人性。所謂深度學習，簡單來說就是一套模擬人類神經網絡的演算法。

使用這樣的演算法，設計者只需蒐集大量的語音資料，將資料「餵」給電腦，無須事先切分或分析，電腦便會自動學習其中的規律。如此一來，只要資料數量足夠龐大，電腦就可以自動產生符合自然規律且真實的語音。

但是，身為一位語音設計師，要進一步思考的是：「究竟要餵給電腦什麼呢？」這個問題又必須從使用者的角度來思考：「人類會偏好聆聽什麼樣的語音？」就像生產商品一樣，語音百百款，要能投其所好，才能讓使用者日日寸步不離，對吧！

聆聽也要投其所好，性別頻率最重要

關於合成語音的聆聽偏好，最先被討論的，是性別。雖然我們都知道機器沒有性別，但若希望他和人一樣跟你互動，投射性別是很自然的。不過有人就提出質疑：「為什麼我們的語音助理，都是女性的聲音呢？」美國西北大學梅迪爾傳播新聞整合行銷學院教授 Candy Lee 進行一項調查，測試了 8 種族裔的使用者，結果發現 64% 的人只偏好女性的聲音^[2]。

這樣看起來，預設為女性的聲音應該是沒問題的吧？不過，有人認為這是社會對「助理」的性別刻板印象所致；因為社會習慣女性作為「服務者」，所以在設計語音時，直覺地就挑選了女性聲音。雖然單就頻率方面，的確有研究指出，使用者確實是偏好頻率較高的合成語音^[3]，但若是一昧如此，也極有可能不斷複製性別偏見的印象^[4]。

有鑒於此，越來越多系統開始提供男性語音的選項。更甚者，哥本哈根研究團隊突發奇想，不以性別為選項，而是改以頻率作為調查標準。分析之後，他們得到一個最佳的頻率值──185 赫茲，設計出史上第一個無性別語音助理「Q」^[5]。如此一來，青菜蘿蔔各有所好，聆聽的偏好也朝著多元共好的目標邁進！

聽得舒服，語速考量不能少

解決的性別與頻率的問題，還得注意甚麼呢？專門研究輔助溝通系統（Augmentative and Alternative Communication，簡稱 AAC）的專家想到了語速的問題。輔助溝通系統可以簡單理解成「溝通輔具」，是用以輔助溝通障礙者溝通的工具; 簡單如圖卡，複雜如電子溝通板，都算是其中一員。而像是電子溝通板這類，以螢幕顯示圖片，點擊後可以播放語音的輔具來說，合成語音是很關鍵的技術。

這些溝通障礙專家想知道：「究竟什麼樣的語音速度，是最舒服的呢？」。

Sutton 與其研究團隊招募了 21 至 28 歲的年輕人與 61 至 79 歲的年長者，對合成語音進行語速評分^[6]。語速的計算方式，採用每分鐘幾個字（Words per minute，簡稱 WPM）計算。他們將合成語音調整成不同的語速，範圍介於 120 到 250WPM 之間。結果發現，無論年輕人或年長者，偏好的語速都落在 150 到 200WPM 之間 ; 而年長者則是相對年輕人偏好較慢的語速。這樣的範圍，其實與過去研究提出的人類平均語速，相去不遠^[7]。

如果想知道不同語速聽起來感受如何，可以到合成語音軟體 Speechify^[8]的網站試用，自行調整語速（以 WPM 計算），細細品味其中差異。或者，讓我為你朗讀，請聽示範（語速約 180WPM，內容為「我是彥哲，我是普通人。」）！ 

可見，語音合成的技術雖是極為理性的領域，但若要設計出美妙的語音，對人類感性的理解，也絕對不能偏廢。

合成語音聆聽不易，考量族群差異最貼心

「所以，我只要想辦法把語音設計得很像人類就可以了吧？」你可能會這樣想，不過這裡頭還少了一個部分。現代社會提倡多元，客製化當道，每個人使用同個產品的狀況必然會有差異。

其實，即使是一般人，聆聽並理解合成語音是比自然語音更加困難的。Winters 及 Pisoni 發表的回顧研究指出：由於合成語音的清晰度普遍較差，因此聆聽者通常需要動用更多的認知資源（像是電腦需要動用較多記憶體），以及更多高層次的語言知識來彌補語音訊息的不完整^[9]。如果對普通人來說是如此，對於某些特殊族群來說，想必有更加需要注意的地方。

比如說兒童。Mirenda 及 Beukelman 招募了成年人、10 至 12 歲以及 6 至 8 歲的兒童進行研究^[10]。參與者的任務，是要在聽完自然語音及合成語音播放的八個詞彙之後，再將這八個詞彙回憶並說出來，回答無須按照順序。結果研究者發現，兩組兒童無論聆聽自然或合成語音，回憶詞彙的表現都比成人還差 ; 對於兩組兒童而言，記憶合成語音的表現又更不理想。

由此可知，兒童本身的記憶能力就較成年人弱，在聆聽合成語音時，可以說是是難上加難。

另一個被探討的，是聽障族群。聽障族群最主要的困難，就在於聆聽。聆聽合成語音如果對聽常族群來說本來就比較困難，那對聽障族群應該是更加艱困的挑戰吧！Kangas 和 Allen 的研究^[11]回答了這個問題。研究者請年長聽障者聆聽自然語音與合成語音，並請他們在聆聽後寫出聽到的單字。結果可想而知，聽障者確實在聆聽合成語音的部分表現得比較差。

看完上面的狀況，身為語音設計師的你，在設計語音的時候，是不是也應該從使用者的背景差異去調整你的語音呢？也許是調整語音的頻率，也許是調整語速，也可能，也可能有更多領域需要探索。唯有這樣，才能朝充滿人性又個人化的智慧語音邁進。

怎麼樣？沒想到要設計語音，希望機器說出一句話，背後涉及理性的技術與感性的考量，非常不容易吧！看完之後，你還是可以輕鬆地要求你的行動裝置說個笑話，唱首歌給你聽，自娛娛人；但也千萬別忘記，多留點心思，給這人類文明的結晶致上敬意。一日語音設計師，功成身退！

參考資料

1. 詹姆士・弗拉霍斯。(2019)。從說話機器人到聊天機器人。聲控未來：引爆購物、搜尋、導航、語音助理的下一波兆元商機(孔令新譯，頁104-137)。商周出版。
2. Marc Jacob.(2022/3/30). Medill Study Finds Preference for Female Voices and Local Accents. Northwestern Medill Local News Initiative.
3. 顏宏旭，楊麗平，宋慧宏。(2020)。聽眾對語音合成導覽裝置聲音偏好之探討。戶外遊憩研究。33(4)，83-107。
4. West, M., Rebecca K., & Chew H.E. (2019). I’d Blush if I Could: Closing Gender Divides in Digital Skills Through Education.UNESCO & EQUALS Skills Coalition.
5. GenderLess Voice. (2023/3/3) Meet Q [Web message].
6. Sutton, B., King, J., Hux, K., & Beukelman, D. (1995). Younger and older adults’ rate performance when listening to synthetic speech. Augmentative and Alternative Communication, 11(3), 147-153.
7. Walker, V. G. (1988). Durational Characteristics of Young Adults during Speaking and Reading Tasks. Folia Phoniatrica et Logopaedica, 40(1), 12–20.
8. Speechify. (2023/3/3) Speechify.
9. Winters, S. J., & Pisoni, D. B. (2004). Perception and comprehension of synthetic speech. Research on spoken language processing report, 26, 95-138.
10. Mirenda, P. & Beukelman, D.R. (1987). A comparison of speech synthesis intelligibility with listeners from three age groups. Augmentative and Alternative Communication, 3, 120-128.
11. Kangas, K.A. & Allen, G.D. (1990). Intelligibility of synthetic speech for normal-hearing and hearing impaired listeners. Journal of Speech and Hearing Disorders, 55, 751-755.