Loading [MathJax]/extensions/tex2jax.js

0

1
1

文字

分享

0
1
1

狗可分品種,蚯蚓可以嗎?——太平二號與牠們的產地(六)

YTLai_96
・2017/01/20 ・3174字 ・閱讀時間約 6 分鐘 ・SR值 492 ・五年級

-----廣告,請繼續往下閱讀-----

前一篇文章提到了蚯蚓會不會雜交這個常見的問題,或許很多人還是不服氣。畢竟,「太平二號是由日本花蚯蚓和美國紅蚯蚓雜交而成的品種」這說法在網路上到處都是,看久了也就好像有這麼一回事。

另外,我在上篇文末提到「蚯蚓目前並沒有任何品種喔,那些宣稱的品種恐怕都像太平 X 號一樣是個誤會或商業噱頭」,可能也有些人實在不服氣,覺得自家的蚯蚓好棒棒跟別人的明明就不一樣,怎麼可能沒有品種的差別。

沒關係,我們就來簡短的聊聊蚯蚓的品種這回事。

%e8%9a%af%e8%9a%93%e7%b3%bb%e5%88%97%e6%96%87%e7%ab%a06

你說的品種是什麼意思?

在談蚯蚓的品種之前,其實需要先釐清「品種」的意思。一般人口中的品種指稱的概念並不精確,有時候是指例如人、黑猩猩、大猩猩、老虎、獅子這樣的物種(species)層級,而且這樣把物種稱為品種的用法在中國的網頁上似乎頗為常見,有時又是指柯基犬、柴犬、德國狼犬、月月哈士奇、波斯貓、美國短毛貓這樣的品種(breed)層級。

-----廣告,請繼續往下閱讀-----

如果大家口中說的品種是前者(也就是物種),那麼蚯蚓當然有很多不同的物種,目前全世界已經超過 5,000 種蚯蚓,台灣也已經超過 100 種蚯蚓。不過呢,既然這裡的品種是在講「物種」,那我建議就直接稱呼為「物種」或「種」就好,讓品種歸品種、苓膏龜苓膏,省得常常要後續釐清自己在說的品種到底是什麼意思。

狗的品種差異。圖/By Mary Bloom, American Kennel Club - http://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.1000310, CC BY-SA 4.0, https://commons.wikimedia.org/w/index.php?curid=51751579
狗的品種差異。圖/By Mary Bloom, American Kennel Club, CC BY-SA 4.0, wikimedia commons.

蚯蚓的品種該怎樣?

好的,如果真的是在問蚯蚓的品種(breed),那麼答案其實很簡單,那就是「蚯蚓沒有品種」。至少就我所知,目前為止,沒有一個真正的、穩定的蚯蚓品種存在。

根據英文維基百科上的品種定義(因為中文維基沒寫),品種必須要有穩定而且一致的表型、行為、以及/或者其他特徵,讓牠和同種其他個體可以區別(A breed is a specific group of domestic animals having homogeneous appearance (phenotype), homogeneous behavior, and/or other characteristics that distinguish it from other organisms of the same species.)。這當然也符合我們對於品種的概念,就好像柴犬就是長這個樣,個性上行為上都有其獨特之處,這些特徵都是我們可以輕易區別,也是穩定又可以遺傳的。

當我們把這個品種的定義放到蚯蚓上,第一個問題就是一般大眾乃至於諸多古今中外的蚯蚓養殖業者,對蚯蚓的特徵其實並沒有足夠的了解,不知道什麼特徵是在一種蚯蚓間會有相當變化或穩定不變,甚至連不同種的蚯蚓間有什麼特徵上的差異也搞不清楚(不然怎麼會在太平二號裡面混了三種不同科的蚯蚓也沒發現呢)。因此,在這樣薄弱的基礎上,要宣稱什麼自己培育/雜交出不同的品種,其實是非常不可信的。

-----廣告,請繼續往下閱讀-----

常見的狀況是宣稱培育出不同的品種,但卻也說不出自己這個品種的蚯蚓跟別人的蚯蚓有什麼明顯的差別,或者所說的是一些本來就非常有變化的差異,例如吃得比較快啊比較好動啊比較大隻啊比較紅或黑啊等等,甚至根本只是個不同種混養造成的狀況而已(當年的太平二號很可能就是這樣),那這樣又怎麼能稱得上品種呢?

(點擊看大圖)三種「太平二號」的差異。資料/作者提供
三種「太平二號」的差異。資料/作者提供

再者,若是看看培育蚯蚓品種的方式,其實也可以想像為什麼沒有蚯蚓品種這回事。真的要培育品種,理應挑選特定表型的個體出來繁殖或純化,例如短腿狗配短腿狗越配越短,最後就成了科基這樣。無論什麼動物,在培育的目標特徵穩定下來並且有明顯差別之前,絕對是個漫長又繁瑣的過程,在蚯蚓品種培育上也該是如此。但是偏偏蚯蚓經常一養就成千上萬條,宣稱培育出蚯蚓品種的人恐怕都沒有真的有找出特定表型的個體來繁殖或純化,而只是「感覺起來這一群有點不一樣」就說是個品種,畢竟這樣講起來比較好聽威猛又神奇,商業上也比較有噱頭。到頭來,這些所謂的品種很可能都只是因為提供的環境或食物有些差別,或甚至根本是不同種的蚯蚓,讓整群的蚯蚓有些不同的表現罷了。

更何況,在網路之海放眼望去,同樣都是蚯蚓養殖資訊分享,英文的蚯蚓網頁資料裡從未出現任何蚯蚓品種的說詞,現在的日文網頁資料也罕有提及「太平二號」或任何的品種說詞,只有中文的網頁資料還在不斷宣稱自己的蚯蚓是太平二號、大平三號、北星二號、OX N 號等等各式各樣的品種。試想,如果真的有培育出蚯蚓品種的可能,照理說蚯蚓品種應該在各種語言的網頁資料中都遍地開花才對,沒道理只有華人世界鶴立雞群超英趕美獨霸蚯蚓品種培育的能力。因此合理的推斷,我們的蚯蚓品種一說應該是大有問題的。

而且,前一篇文章我們也已經說過了,不同種的蚯蚓要雜交應該是幾乎是不可能,就算赤子愛勝蚓和安卓愛勝蚓這麼相近的兩種,雜交了也是只生得出空包彈的卵繭孵不出後代,那些說靠著不同種雜交培育出品種的也就沒什麼好提了。

-----廣告,請繼續往下閱讀-----

那蚯蚓的近親交配呢?

蚯蚓會不會有近親交配,則是另一個常出現的問題。問問題的人可能沒注意到的是,這個問題其實跟蚯蚓的品種有些關聯。畢竟,品種培育的過程中,很多時候就是不斷的在近親交配,才能強化那些想要保留的特徵。

如果蚯蚓真的有好好培育品種,為了保留或強化好不容易出現的某個特徵,用同一窩的兄弟姊妹繼續交配大概是免不了的事,這時候要來苦惱近親交配可能還比較實在一點。但是坊間的蚯蚓一養多半是以斤為單位,歐洲紅蚯蚓一斤大概就有兩千隻以上的數量,這樣的數量若是要發生近親交配,恐怕機會也是微乎其微了。

如果我說的你都不相信的話…

沒關係,那我們就來看看這個 2006 年發表的研究,再來想想品種和近親交配的問題。

在這個研究中,研究人員在西班牙北部的維戈(Vigo)和中部的馬德里(Madrid)各取了一群安卓愛勝蚓(也就是台灣養殖的歐洲紅蚯蚓),他們先是把維戈的未成熟個體單獨養到成熟,再讓牠們兩兩交配,形成了五個維戈蚯蚓家族。

-----廣告,請繼續往下閱讀-----

接下來實驗的重頭戲,就是把每一個維戈蚯蚓家族裡面的子代蚯蚓隨機分成三群,分別是跟自己手足交配的近親交配群、跟別的維戈蚯蚓家族子代交配的青梅竹馬群、最後是跟馬德里來的蚯蚓交配的兩地通婚群,並且在這些子代蚯蚓交配後的 15 周內,計算牠們產卵繭的數量。

歐洲紅蚯蚓的卵繭,顏色越深紅越接近孵化時刻
歐洲紅蚯蚓的卵繭。圖/作者提供

結果發現,青梅竹馬群的蚯蚓所產的卵繭最多,兩地通婚群的蚯蚓所產的卵繭則少了一點(跟青梅竹馬群的產卵繭數相比少了 19%),近親交配群的蚯蚓所產的卵繭則最少(跟青梅竹馬群的產卵繭數相比少了30%)。而維戈跟馬德里分隔 500 公里,兩群的安卓愛勝蚓都是自然族群,應該至少上百年幾乎沒有任何交流。因此在品種上,這樣的結果其實暗示了不同群的蚯蚓分隔久了,在遺傳上或生理適應上是真的會出現些許的差異,讓兩群個體通婚後的繁殖率下降。但即使如此,研究中也絲毫不曾提到「品種」這個詞,只是謹慎的使用了「族群」這個稱呼。對比起來,大談品種的養殖蚯蚓產業也許就輕率了點。

另外,從研究結果看來,真的要問近親交配會不會造成影響,答案的確是會但是是在跟兄弟姊妹交配的極端狀況下才會有影響,而且影響的是繁殖率,而不是其他活動力或食慾或行為等的表現。相對的,跟遠在天邊的另一族群配對,也會對繁殖率有影響。

所以到頭來最好的作法,其實就是確保養殖的蚯蚓數量夠大,讓蚯蚓能夠有夠多的潛在對象可以交配,也許偶爾混合翻攪,讓蚯蚓可以有機會遇到同群但不同家族的個體來交配,這樣照理說就不至於有什麼近親交配的擔憂才是。

-----廣告,請繼續往下閱讀-----

參考資料

-----廣告,請繼續往下閱讀-----
文章難易度
YTLai_96
51 篇文章 ・ 31 位粉絲
也許永遠無法自稱學者,但總是一直努力學著

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

6
4

文字

分享

0
6
4
除了蚯蚓、地震魚和民間達人,那些常見的臺灣地震預測謠言
鳥苷三磷酸 (PanSci Promo)_96
・2024/02/29 ・2747字 ・閱讀時間約 5 分鐘

本文由 交通部中央氣象署 委託,泛科學企劃執行。

  • 文/陳儀珈

災害性大地震在臺灣留下無數淚水和難以抹滅的傷痕,921 大地震甚至直接奪走了 2,400 人的生命。既有這等末日級的災難記憶,又位處於板塊交界處的地震帶,「大地震!」三個字,總是能挑動臺灣人最脆弱又敏感的神經。

因此,當我們發現臺灣被各式各樣的地震傳說壟罩,像是地震魚、地震雲、蚯蚓警兆、下雨地震說,甚至民間地震預測達人,似乎也是合情合理的現象?

今日,我們就要來破解這些常見的地震預測謠言。

-----廣告,請繼續往下閱讀-----

漁民捕獲罕見的深海皇帶魚,恐有大地震?

說到在坊間訛傳的地震謠言,許多人第一個想到的,可能是盛行於日本、臺灣的「地震魚」傳說。

在亞熱帶海域中,漁民將「皇帶魚」暱稱為地震魚,由於皇帶魚身型較為扁平,生活於深海中,魚形特殊且捕獲量稀少,因此流傳著,是因為海底的地形改變,才驚擾了棲息在深海的皇帶魚,並因此游上淺水讓人們得以看見。

皇帶魚。圖/wikimedia

因此,民間盛傳,若漁民捕撈到這種極為稀罕的深海魚類,就是大型地震即將發生的警兆。

然而,日本科學家認真蒐集了目擊深海魚類的相關新聞和學術報告,他們想知道,這種看似異常的動物行為,究竟有沒有機會拿來當作災前的預警,抑或只是無稽之談?

-----廣告,請繼續往下閱讀-----

可惜的是,科學家認為,地震魚與地震並沒有明顯的關聯。當日本媒體報導捕撈深海魚的 10 天內,均沒有發生規模大於 6 的地震,規模 7 的地震前後,甚至完全沒有深海魚出現的紀錄!

所以,在科學家眼中,地震魚僅僅是一種流傳於民間的「迷信」(superstition)。

透過動物來推斷地震消息的風俗並不新穎,美國地質調查局(USGS)指出,早在西元前 373 年的古希臘,就有透過動物異常行為來猜測地震的紀錄!

人們普遍認為,比起遲鈍的人類,敏感的動物可以偵測到更多來自大自然的訊號,因此在大地震來臨前,會「舉家遷徙」逃離原本的棲息地。

-----廣告,請繼續往下閱讀-----

當臺灣 1999 年發生集集大地震前後,由於部分地區出現了大量蚯蚓,因此,臺灣也盛傳著「蚯蚓」是地震警訊的說法。

20101023 聯合報 B2 版 南投竹山竄出蚯蚓群爬滿路上。

新聞年年報的「蚯蚓」上街,真的是地震警訊嗎?

​當街道上出現一大群蚯蚓時,密密麻麻的畫面,不只讓人嚇一跳,也往往讓人感到困惑:為何牠們接連地湧向地表?難道,這真的是動物們在向我們預警天災嗎?動物們看似不尋常的行為,總是能引發人們的好奇與不安情緒。

如此怵目驚心的畫面,也經常成為新聞界的熱門素材,每年幾乎都會看到類似的標題:「蚯蚓大軍又出沒 網友憂:要地震了嗎」,甚至直接將蚯蚓與剛發生的地震連結起來,發布成快訊「昨突竄大量蚯蚓!台東今早地牛翻身…最大震度4級」,讓人留下蚯蚓預言成功的錯覺。

然而,這些蚯蚓大軍,真的與即將來臨的天災有直接關聯嗎?

-----廣告,請繼續往下閱讀-----

蚯蚓與地震有關的傳聞,被學者認為起源於 1999 年的 921 大地震後,在此前,臺灣少有流傳地震與蚯蚓之間的相關報導。

雖然曾有日本學者研究模擬出,與地震相關的電流有機會刺激蚯蚓離開洞穴,但在現實環境中,有太多因素都會影響蚯蚓的行為了,而造成蚯蚓大軍浮現地表的原因,往往都是氣象因素,像是溫度、濕度、日照時間、氣壓等等,都可能促使蚯蚓爬出地表。

大家不妨觀察看看,白日蚯蚓大軍的新聞,比較常出現在天氣剛轉涼的秋季。

因此,下次若再看到蚯蚓大軍湧現地表的現象,請先別慌張呀!

-----廣告,請繼續往下閱讀-----

事實上,除了地震魚和蚯蚓外,鳥類、老鼠、黃鼠狼、蛇、蜈蚣、昆蟲、貓咪到我們最熟悉的小狗,都曾經被流傳為地震預測的動物專家。

但可惜的是,會影響動物行為的因素實在是太多了,科學家仍然沒有找到動物異常行為和地震之間的關聯或機制。

遍地開花的地震預測粉專和社團

這座每天發生超過 100 次地震的小島上,擁有破萬成員的地震討論臉書社團、隨處可見的地震預測粉專或 IG 帳號,似乎並不奇怪。

國內有許多「憂國憂民」的神通大師,這些號稱能夠預測地震的奇妙人士,有些人會用身體感應,有人熱愛分析雲層畫面,有的人甚至號稱自行建製科學儀器,購買到比氣象署更精密的機械,偵測到更準確的地震。

-----廣告,請繼續往下閱讀-----

然而,若認真想一想就會發現,臺灣地震頻率極高,約 2 天多就會發生 1 次規模 4.0 至 5.0 的地震, 2 星期多就可能出現一次規模 5.0 至 6.0 的地震,若是有心想要捏造地震預言,真的不難。 

在學界,一個真正的地震預測必須包含地震三要素:明確的時間、 地點和規模,預測結果也必須來自學界認可的觀測資料。然而這些坊間貼文的預測資訊不僅空泛,也並未交代統計數據或訊號來源。

作為閱聽者,看到如此毫無科學根據的預測言論,請先冷靜下來,不要留言也不要分享,不妨先上網搜尋相關資料和事實查核。切勿輕信,更不要隨意散播,以免造成社會大眾的不安。

此外,大家也千萬不要隨意發表地震預測、觀測的資訊,若號稱有科學根據或使用相關資料,不僅違反氣象法,也有違反社會秩序之相關法令之虞唷!

-----廣告,請繼續往下閱讀-----

​地震預測行不行?還差得遠呢!

由於地底的環境太過複雜未知,即使科學家們已經致力於研究地震前兆和地震之間的關聯,目前地球科學界,仍然無法發展出成熟的地震預測技術。

與其奢望能提前 3 天知道地震的預告,不如日常就做好各種地震災害的防範,購買符合防震規範的家宅、固定好家具,做好防震防災演練。在國家級警報響起來時,熟練地執行避震保命三步驟「趴下、掩護、穩住」,才是身為臺灣人最關鍵的保命之策。

延伸閱讀

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

3
1

文字

分享

0
3
1
黔金絲猴物種起源,竟是近親雜交形成?
寒波_96
・2023/08/11 ・3267字 ・閱讀時間約 6 分鐘

新物種如何誕生,是演化最重要的主題之一,正如達爾文代表作的書名《物種起源》(The Origin of Species,也常譯作《物種源始》)。隨著基因體學帶來愈來愈多新知識,人們對物種的想法也不斷演變。

2023 年發表的一項研究調查多種金絲猴的基因組,意外發現有一種金絲猴,竟然直接由不同物種合體形成。這是靈長類的第一個案例,動物中也相當少見。

黔金絲猴。圖/Current status and conservation of the gray snub-nosed monkey Rhinopithecus brelichi (Colobinae) in Guizhou, China

五種金絲猴的親戚關係

金絲猴(snub-nosed monkey,學名 Rhinopithecus,也稱為仰鼻猴)主要住在中國西南部和東南亞,目前有五個物種。牠們的中文名字依照地名,英文名字則多半根據顏色。

古時候金絲猴的分布範圍更廣,像是台灣也曾經存在過,如今卻只剩下化石。現今五個物種分別為:

-----廣告,請繼續往下閱讀-----

*(雲南)滇金絲猴(black-white 黑白,學名 Rhinopithecus bieti

* 緬甸金絲猴(black 黑,學名 Rhinopithecus strykeri

*(四川)川金絲猴(golden 金,學名 Rhinopithecus roxellana

*(貴州)黔金絲猴(gray 灰,學名 Rhinopithecus brelichi

-----廣告,請繼續往下閱讀-----

* 越南金絲猴(Tonkin 越南東京,學名 Rhinopithecus avunculus

五種金絲猴。圖/參考資料1

比對五款吱吱的 DNA 差異,可知滇、緬甸金絲猴的親戚關係最近,川金絲猴則和黔金絲猴較近,但是黔金絲猴明顯介於兩者之間。黔金絲猴在自己獨特的變異之外,僅管基因組整體更接近川金絲猴,也有不少部分和滇、緬甸金絲猴相似。

見到不同物種之間共享血緣,最直覺的想法是,兩者的祖先發生過遺傳交流。但是詳細比對後,研究猿認為還有機率更高的可能性。

最滑順的劇本是,大約 197 萬年前,滇、緬甸金絲猴的共同祖先,和川金絲猴分家;又經過十幾萬年,約莫 187 萬年前,兩群金絲猴再度合體,形成一個全新的支系,也就是黔金絲猴的祖先;後來滇、緬甸金絲猴再衍生出兩個物種。

-----廣告,請繼續往下閱讀-----

這形成如今我們見到的狀態:黔金絲猴大約 75% 血緣來自川金絲猴,25% 源於滇、緬甸金絲猴的共同祖先。

四種金絲猴的親戚關係,與遺傳交流。圖/參考資料1

靈長類首見,雜交直接形成新物種

或許有人會疑惑,看起來都是共享 DNA 變異,上述說法和「不同物種之間,發生過遺傳交流」有何差別?

差別在於,所謂「不同物種之間」,指的是新物種已經誕生一段時間以後,彼此間又發生 DNA 交流,這個一點都不稀奇。例如 A、B 物種間發生關係,變成 A 的遺傳背景下,又有一點 B 血緣的物種。

但是黔金絲猴的狀況是,新物種之所以誕生,就是不同物種直接合體所致。例如 A、B 物種發生關係,衍生出差異更大,不是 A 也不是 B,足以認定為新物種的 C。

-----廣告,請繼續往下閱讀-----

假如重建的劇本為真,這就是首度在靈長類中觀察到,不同物種直接合體形成新物種的「hybrid speciation」。可以翻譯為「雜交種化」,不過「合體種化」似乎更直觀。

哥倫比亞猛獁,想像畫面。圖/wiki

經由兩個物種雜交,直接產生新物種的方式,植物較為常見,哺乳類動物極少。此前古代 DNA 研究認為,已經滅絕的美洲大象「哥倫比亞猛獁」(Columbian mammoth,學名 Mammuthus columbi)是不同猛獁象合體產生的新物種,但是證據沒那麼充分。

或許沒有那麼罕見?

直接雜交產生新物種,會很難想像嗎?仔細想想,金絲猴的案例可能沒那麼驚悚,或許還有某種程度的普遍性。

回到當初的情境,所謂「兩個物種」在當時其實只分家十萬年而已,差異應該仍很有限。是又累積 180 萬年的分歧到今日,才顯得親戚之間明顯有別。

-----廣告,請繼續往下閱讀-----

這邊 197 萬、187 萬、十萬年都是根據 DNA 變異的估計,實際數字未必如此。不過順序大概差不太多,就是首先分出兩群,很短的時間後又合體產生第三群,再經歷好幾倍的時間直到現在。

假如川金絲猴不幸滅團,缺乏樣本可供比較,那麼黔金絲猴與另外兩種近親,看起來就單純是 187 萬年前分家。

值得注意的是,我們能判斷演化樹上的不同分枝曾經合流,來自對樹形的比對。假如川金絲猴不幸滅團,這棵演化樹中我們只剩下三個物種的樣本,便會判斷黔金絲猴是跟另外兩種親戚分家而成,卻完全不會察覺有過合體種化。

這麼想來,雜交誕生新物種的現象,或許沒那麼罕見,只是時光抹去了許多痕跡。

血緣融合,猴毛也是奇美拉

另一有趣的發現是毛色演化。金絲猴現今四個物種,外表的毛色為一大差異。毛色與深色素有關,深色素愈多,毛色會顯得愈黑,相對則是愈淡,會呈現白毛、黃毛、金毛。

-----廣告,請繼續往下閱讀-----

身為不同演化支系合體的產物,黔金絲猴的毛色也混合兩邊的風格。頭和肩膀的淺色,類似川金絲猴;手腳的深色,則類似滇、緬甸金絲猴。

基因組合體以後,兼具兩群影響毛色的基因,形成混合的毛色搭配。圖/參考資料1

金絲猴毛的顏色深淺,取決於不同色素的相對比例。棕黑色素(pheomelanin)愈高,毛色愈淡;真黑素(eumelanin)愈高,毛色愈深。例如猴毛中含有大量棕黑色素、少量真黑素,便會呈現金毛。

很多基因有機會影響色素與毛色。分析得知金絲猴們有 5 個基因和毛色關係密切,黔金絲猴的基因組來自兩個支系,比對發現,三個基因 SLC45A2MYO7AELOVL4 繼承自川金絲猴,兩個基因 PAHAPC 則源於滇、緬甸金絲猴。

這些基因如何影響毛色,仍有許多不明朗之處。最明確知道的是,SLC45A2 基因表現降低,會使得棕黑色素產量上升,令顏色變淡。PAH 基因表現增加,可以讓顏色加深。

-----廣告,請繼續往下閱讀-----

同一隻金絲猴不同部位的細胞,同一批基因經由不同調控,就能控制毛色深淺。

這篇文章介紹的演化基因體學分析手法,對許多人大概不算容易,但是這些研究帶來的趣味,倒是不難體會。

延伸閱讀

參考資料

  1. Wu, H., Wang, Z., Zhang, Y., Frantz, L., Roos, C., Irwin, D. M., … & Yu, L. (2023). Hybrid origin of a primate, the gray snub-nosed monkey. Science, 380(6648), eabl4997.
  2. The Primate Genome Project unlocks hidden secrets of primate evolution
  3. Biggest ever study of primate genomes has surprises for humanity
  4. Hundreds of new primate genomes offer window into human health—and our past
  5. van der Valk, T., Pečnerová, P., Díez-del-Molino, D., Bergström, A., Oppenheimer, J., Hartmann, S., … & Dalén, L. (2021). Million-year-old DNA sheds light on the genomic history of mammoths. Nature, 591(7849), 265-269.

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

-----廣告,請繼續往下閱讀-----
寒波_96
193 篇文章 ・ 1090 位粉絲
生命科學碩士、文學與電影愛好者、戳樂黨員,主要興趣為演化,希望把好東西介紹給大家。部落格《盲眼的尼安德塔石器匠》、同名粉絲團《盲眼的尼安德塔石器匠》。