Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

2016 Science十大最受歡迎科學新聞

李紀潔、羅鴻
・2016/12/30 ・3536字 ・閱讀時間約 7 分鐘 ・SR值 518 ・六年級

編譯/李紀潔、羅鴻|陽明大學基因體科學研究所畢業生

什麼?穿著高跟鞋真的有可能跑贏暴龍?你知道植物也跟人一樣會賭博嗎?殭屍末日要來了嗎?

《科學》(Science)期刊在 2016 年末由讀者和編輯共同票選出十大最受歡迎的科學新聞,想知道答案嗎?趕快進來看看!

10. 不死基因在死後甦醒

4180519865_39667fa78e_z
不死基因在死後甦醒。圖/By Cinty Ionescu @ flickr, CC BY-NC 2.0

死亡真的是終點嗎?別擔心,至少對細胞內某些基因來說不是。這項驚人的研究發現了上百個基因居然在動物死亡之後仍持續表現,並且許多的基因在死亡後的幾天內仍十分活躍,更有趣的是其中有些不乏是參與在胚胎發育或癌症當中的基因。因此科學家可以嘗試藉由分析這個現象,來研究保存移植用器官的方法,或者更準確分析兇殺案中被害者死亡的時間。死亡除了讓人體會生命的意義外,還能提供前所未知的生命訊息。

9. 童話故事很不簡單

anne_anderson05
童話故事很不簡單。圖/By Anne Anderson, Public Domain, wikimeda commons

以後〈鐵匠與魔鬼〉等童話故事也許可以用「從前從前在 6000 年前……」作為開頭,因為某些故事在《格林童話》出來以前就已經存在了。科學家利用生物學中常用的演化分析法,發現有些現今耳熟能詳的故事,是從原始印歐語社會中慢慢改編流傳至今。而這些故事可能源自於 2500 到 6000 年前,其古老的程度足以讓大文學家驚艷!那影響故事壽命長短的關鍵是什麼呢?最佳代表就是〈美女與野獸〉中的元素——魔法和奇異生物。一個故事要被流傳,需要夠奇怪到能被大家記住,但又不能太荒誕到沒人願意相信。

-----廣告,請繼續往下閱讀-----

8. 格陵蘭鯊可活到400歲,突破長壽紀錄

7555985036_89856410bc_z
格陵蘭鯊可活到400歲,突破長壽紀錄。圖/By Biodiversity Heritage Library @ flickr, CC BY 2.0

「太驚人了!」科學家在研究出格陵蘭鯊魚的壽命時不禁驚呼。其實早在 1930 年代時就有生物學家懷疑格陵蘭鯊壽命長達 400 年,不過當時只透過鯊魚的身長來推測。然而最新的研究證實了這項傳聞,科學家利用鯊魚水晶體中碳 14 的含量並結合身長的數據計算出格陵蘭鯊的年齡。高壽 400 歲的格陵蘭鯊在充滿危險的茫茫大海中成為脊椎動物中長壽的冠軍,但是缺點呢?雌性的鯊魚必須要到 156 歲才會具有生育能力。

7. 植物比我們想像中的會冒險

24833276251_5fc92fd553_z
植物比我們想像中的會冒險。圖/By Forest and Kim Starr @ flickr, CC BY 2.0

有些事情人會,鳥類和蜜蜂也會。而現在看來,植物也會。別想歪了,我們是在說賭博。一直以來我們認為植物只會繞著陽光轉,或對水源有反應而已,其實植物們在面對困難的生存抉擇時,也會冒險選擇放手一搏。等等,冒險?這感覺不像植物會做的事情啊!當碗豆的根同時被放在兩種土壤上,一盆提供無法滿足所需的養分量,而另一盆則是一下貧瘠一下肥沃。科學家發現碗豆會在後者中長出較多的根賭運氣以獲得用之不竭的養分。可惜這個發現還需要更多的測試,所以先別急著把你最愛的小灌木帶去賭場。

6. 外星生命可能以宇宙射線維生

640px-desulforudis_audaxviator
「金礦蟲」(Desulforudis audaxviator)會吸收鈾衰變產生的輻射線作為能量來源,幫助牠吸收硫。圖/Public Domain, wikimedia commons

地球生命的能量來源若不是從太陽而來,就是透過吃掉其他生物來獲得能量。但是外星生命也是這樣做的嗎?我們可以透過南非黃金礦脈中神奇的微生物一探究竟。這個「金礦蟲」(Desulforudis audaxviator)會吸收鈾衰變產生的輻射線作為能量來源,幫助牠吸收硫。因此我們可以推測幾乎毫無屏障的外太空中,火星或其他星球上的生命也很可能透過同樣的方式來獲得能量。另外,今年另一個相當受到關注的研究中,科學家推測在具有類似地球環境的棕矮星雲中可能有生命存在。這些發現讓我們再度讚歎「生命自會找到出路」的真理。

5. 親眼見證人類的演化過程

10285384293_dd84ab4e87_z
親眼見證人類的演化過程。圖/By Jose Maria Cuellar @ flickr, CC BY-NC 2.0

演化不只是幾百萬年才發生一次,也可能發生在轉瞬之間。隨著基因分析的技術越來越成熟,我們能夠看到環境如何改變人類的基因。在帥氣的班乃迪克康博拜區身處的英國中,科學家發現金髮藍眼的基因快速地演化和散佈。英國著名的灰色天氣以及人選擇伴侶的偏好可能就是造成這個現象的原因。另外更神奇的是讓人喜歡吸菸的基因則在一個世代之間快速衰退。

-----廣告,請繼續往下閱讀-----

4. 《侏羅紀世界》中穿著高跟鞋逃跑不是亂拍的?

1416964552pqi_1
《侏羅紀世界》中穿著高跟鞋逃跑不是亂拍的?圖/電影片段

《侏羅紀公園》系列電影讓我們覺得遇到恐龍可能只有死路一條,但是惡名昭彰的暴龍實際上到底有多可怕呢?根據六千六百萬年前在美國懷厄明州海岸線的腳印化石來推斷,暴龍的跑步速度可能沒辦法超過時速八公里。這比一般中年人跑步的速度還要慢,所以萬一真的遇到暴龍,只要稍微衝刺一下,你就不會變成恐龍的聖誕大餐啦。

3. 為什麼座頭鯨要救海豹?

16112056319_18ea2b6784_z
為什麼座頭鯨要救海豹?圖/By Gregory “Slobirdr” Smith @ flickr, CC BY-SA 2.0

大自然充滿血腥的兇牙利爪,但是有些時候不同動物之間也會展現比較溫柔的一面。今年令人嘖嘖稱奇的例子,是一頭座頭鯨試圖利用自己龐大的身體保護海豹,並成功從一群殺人鯨中拯救了牠。科學家無法確定為什麼座頭鯨會有這樣的行為,但是至少這會讓殺人鯨三思一下,周遭有座頭鯨的時候要不要打獵。

2. 神秘冷戰基地因氣候變遷而出土

OLYMPUS DIGITAL CAMERA
神秘冷戰基地因氣候變遷而出土。圖/@ defensetech

一個被稱為「冰蟲」的機密計畫,在格陵蘭冰層中建造了軍事基地,引起國際上的關注。這聽起來也許很像 007 電影,但這在冷戰時期的世紀軍營真實上演。現在全球暖化、冰層融解即將讓它們重新破土,只是我們要擔心的是,原本掩蓋在冰下的污染性物質可能會造成環境危害。

1. 為什麼細胞的發電廠會有自己的 DNA 呢?

640px-mitochondrion_structure-svg
為什麼細胞的發電廠會有自己的DNA呢?圖/By Kelvinsong, CC0, wikimedia commons

我們今年最常被提起的研究是細胞生物學裡的一大謎題:為什麼只有粒線體這個供給細胞能量的橢圓形結構,有他們自己的 DNA?其實在十億多年前粒線體便與細胞開始共存,並且漸漸轉移 DNA 至細胞核,最後只留下了 37 個基因。但是為什麼粒線體要保留住某些DNA呢?利用電腦模擬研究也許可以帶給我們解答,並且同時也可能提供某些罕見和殘疾疾病的線索。

-----廣告,請繼續往下閱讀-----

 

希望大家喜歡今年的科學新聞,期待下一年泛科學可以繼續帶給大家滿滿的大平台!

Let’s make science great again!

原始資料:

-----廣告,請繼續往下閱讀-----
文章難易度
李紀潔、羅鴻
13 篇文章 ・ 3 位粉絲
來自陽明大學基科所的畢業生,喜歡神經科學、遺傳和演化的企鵝狂熱二人組。本來對科普寫作毫無興趣,在大學老師強烈遊說之下仍然無動於衷,畢業後卻意外開始在泛科學寫科普文章。興趣分別是畫畫和魔術方塊。目前兩人都在德國攻讀神經科學博士,分別專攻老化和神經再生、電生理和動物行為。

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

2
0

文字

分享

0
2
0
從遺傳學角度剖析:女性能在體育場上超越男性嗎?——《運動基因》
行路出版_96
・2024/08/10 ・3712字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

科學期刊的預言:女性能追趕甚至超越男性?

我在 2002 年還在讀大四時,第一次看到兩位 UCLA 生理學家的論文〈不用多久女性就會跑得比男性快?〉,當時我覺得這個標題很荒謬。在那之前我花了五個賽季,進行 800 公尺中距離跑步訓練,成績已經超越世界女子紀錄。而且我還不是自己接力隊上跑最快的。

但那篇論文發表在《自然》(Nature)期刊上,這是世上極具聲望的科學期刊,所以一定有些道理。大眾就是這麼認為的。《美國新聞與世界報導》雜誌在 1996 年亞特蘭大奧運之前,對一千個美國人做了調查,結果其中有三分之二認為,「終有一天頂尖女運動員會勝過頂尖男運動員」。

1996 年亞特蘭大奧運前,一千位美國人中有三分之二認為,「終有一天頂尖女運動員會勝過頂尖男運動員」。 圖/envato

《自然》期刊上那篇論文的作者,把男子組和女子組從 200 公尺短跑到馬拉松各項賽事歷年的世界紀錄畫成圖表,發現女子組紀錄進步得遠比男子組急速。他們用外推法從曲線的趨勢推斷未來,確定到 21 世紀前半葉,女性就會在各個賽跑項目擊敗男性。兩名作者寫道:「正因進步速度的差異實在非常大,而使(兩者)差距逐漸縮小。」

2004 年,趁著雅典奧運成為新聞焦點之際,《自然》又特別刊出一篇同類型的文章〈2156 年奧運會場上的重要衝刺?〉(Momentous Sprint at the 2156 Olympics?)──標題所指的,正是女子選手會在 100 公尺短跑比賽中,勝過男子選手的預計時間。

-----廣告,請繼續往下閱讀-----

2005 年,三名運動科學家在《英國運動醫學期刊》發表了一篇論文,省去問號開門見山在標題宣稱:〈女性終將做到〉(Women Will Do It in the Long Run.)。

難道男性主導世界紀錄的情況,始終是歧視女性、把女性排除於競技場外的結果?

20 世紀上半葉,文化規範與偽科學嚴重限制了女性參與運動競技的機會。在 1928 年阿姆斯特丹奧運期間,有媒體(捏造)報導指稱,女性選手在 800 公尺賽跑後筋疲力竭地躺在地上,這讓一些醫生和體育記者十分反感,使得他們認為這個比賽項目會危害女性健康。《紐約時報》上有篇文章就寫:「這種距離太消耗女性的體力了。」〔1〕那幾屆奧運之後,在接下來的三十二年間,距離超過 200 公尺的所有女子項目,都突然遭禁,直到 2008 年奧運,男女運動員的徑賽項目才終於完全相同。但《自然》期刊上的那幾篇論文指出,隨著女性參賽人數增多,看起來她們的運動成績到最後可能會與男性並駕齊驅,甚至比男性更好。

運動能力的基因密碼:性別差異的生物學根源

我去拜訪約克大學的運動心理學家喬.貝克時,我們談論到運動表現的男女差異,尤其是投擲項目的差異。在科學實驗裡證實過的所有性別差異中,投擲項目一直名列前茅。用統計學術語來說的話,男女運動員的平均投擲速度相差了三個標準差,大約是男女身高差距的兩倍。這代表如果你從街上拉一千個男子,其中 997 人擲球的力氣會比普通女性大。

-----廣告,請繼續往下閱讀-----

不過貝克提到,這種情形可能是反映女性缺乏訓練。他的太太是打棒球長大的,輕輕鬆鬆就能贏過他。他打趣說:「她會發出一束雷射光。」那麼這是生物學上的差異嗎?

男性和女性的 DNA 差異極小,僅限於在女性身上為X或男性為Y的那單一染色體。姊弟或兄妹從完全相同的來源取得基因,透過重組母親和父親的 DNA,確保兄弟姊妹絕對不會相近到變成複製人。

性別分化過程大部分要歸結到 Y 染色體上的「SRY 基因」,它的全名是「Y 染色體性別決定區基因」。若要說有「運動能力基因」,那就非 SRY 基因莫屬了。人類生物學的安排,就是讓同樣的雙親能夠同時生育出男性的兒子和女性的女兒,即使傳遞的是相同的基因。SRY 基因是一把 DNA 萬能鑰匙,會選擇性地啟動發育成男性的基因。

我們在生命初期都是女性──每個人類胚胎在形成的前六週都是女性。由於哺乳動物的胎兒會接觸到來自母親的大量雌激素,因此預設性別為女性是比較合算的。在男性身上,SRY 基因到第六週時會暗示睪丸及萊氏細胞(Leydig cell)該準備形成了;萊氏細胞是睪丸內負責合成睪固酮的細胞。睪固酮在一個月之內會不斷湧出,啟動特定基因,關閉其他基因,兩性投擲差距不用多久就會出現。

-----廣告,請繼續往下閱讀-----

男孩還在子宮時,就開始發育出比較長的前臂,這使得他們日後投擲時會做出更有力的揮臂動作。儘管男孩和女孩在投擲技能方面的差異,不如成年男性和女性之間那麼顯著,但這種差異在兩歲幼童身上已經很明顯了。

性別分化過程大部分要歸結到 Y 染色體上的「SRY 基因」,會選擇性地啟動發育成男性的基因。 圖/envato

文化與訓練的影響:投擲項目中的性別差距

為了確定孩童之間的投擲差距有多少與文化有關,北德州大學和西澳大學的科學家組成團隊,共同測試美國孩童與澳洲原住民孩童的投擲技能。澳洲原住民沒有發展出農業,仍過著狩獵採集生活,他們教導女孩丟擲戰鬥及狩獵用武器,就像教導男孩一樣。這項研究確實發現,美國男孩和女孩在投擲技能上的差異,比澳洲原住民男孩和女孩之間的差異顯著許多。不過儘管女孩因為較早發育長得較高較壯,男孩仍比女孩擲得更遠。

普遍來說,男孩不僅比女孩更善於投擲,視覺追蹤攔截飛行物的能力往往也出色許多;87% 的男孩在目標鎖定能力的測試上,表現得比一般女孩好。另外,導致差異的部分原因,至少看起來是因為在子宮的時期接觸到了睪固酮。由於先天性腎上腺增生症,而在子宮裡接觸到高濃度睪固酮的女孩,上述項目的表現會像男孩一樣,而不像女孩;患有這種遺傳疾病的胎兒,腎上腺會過度分泌男性荷爾蒙。

受過良好投擲訓練的女性,能輕易勝過未受訓練的男性,但受過良好訓練的男性,表現會大幅超越受過良好訓練的女性。男子奧運標槍選手擲出的距離,比女子奧運選手遠大約三成,儘管女子組使用的標槍比較輕。此外,女性投出的最快棒球球速的金氏世界紀錄是 65 mph(相當於時速 105 公里),表現不錯的高中男生的球速經常比這還要快,有些男子職業球員可以投出超過 100 mph(相當於時速 160 公里)的球速。

-----廣告,請繼續往下閱讀-----

在跑步方面,從 100 公尺到 1 萬公尺,經驗法則是把菁英級表現差距定在 11%。從短跑到超級馬拉松,不管任何距離的賽跑,男子組的前十名都比女子組的前十名快大約 11%。〔2〕在職業等級,那就是個鴻溝。女子組的 100 公尺世界紀錄,跟 2012 年奧運男子組的參賽資格還差了四分之一秒;而在一萬公尺長跑,女子組的世界紀錄成績,與達到奧運參賽資格最低標準的男選手相比落後了一圈。

不論距離,男子組前十名的跑步速度普遍比女子組快約 11%。圖/enavato

投擲項目與純爆發力型運動項目的差距更大。在跳遠方面,女子選手落後男子 19%。差距最小的是長距離游泳競賽;在 800 公尺自由式比賽中,排名前面的女子選手,與排名前面的男子選手差距不到 6%。

預言女性運動員將超越男性的那幾篇論文暗示,從 1950 年代到 1980 年代,女性表現的進展遵循一條會持續下去的穩定軌跡,但在現實中是有一段短暫爆發,隨後趨於平穩──這是女子運動員,而非男子運動員進入的平穩期。儘管到 1980 年代,女性在 100 公尺到 1 英里各項賽跑的最快速度,都開始趨於穩定,但男子運動員仍繼續緩慢進步,雖然只進步一點點。

數字很明確。菁英女子選手並未趕上菁英男子選手,也沒有保持住狀況,男性運動員則在非常慢地進步。生物學上的差距在擴大。但為什麼原本就有差距存在?

-----廣告,請繼續往下閱讀-----

註釋

  1.  各報上氣不接下氣地報導 800 公尺女子選手紛紛倒在跑道上。正如運動雜誌《跑步時代》(Running Times)2012 年的一篇文章指出的,實情是只有一個女子選手在終點線倒下,其餘三名都打破了先前的世界紀錄。據稱人在現場的《紐約郵報》記者寫道,「11 位淒慘的女性」當中有 5 人沒有跑完,5 人在跑過終點線後倒下。《跑步時代》報導說,參賽的女運動員只有 9 個,而且全部跑完。
  2. 過去普遍認為,隨著比賽距離拉長,女子賽跑選手會超越男子選手。這是克里斯多福.麥杜格(Christopher McDougall)在《天生就會跑》這本很吸引人的書裡談到的主題,但不完全正確。成績非常優秀的跑者之間的 11% 差距,在最長距離和最短距離同樣穩固存在。儘管如此,南非生理學家卻發現,當一男一女的馬拉松完賽時間不相上下,那個男士在距離短於馬拉松的比賽中通常會贏過那個女士,但如果競賽距離加長到 64 公里,女士就會跑贏。他們報告說,這是因為男性通常比較高又比較重,比賽距離越長,這就會變成很大的缺點。然而在世界頂尖超馬選手當中,男女體型差異比一般群體中的差異小,而 11% 的成績差距,也存在於超級長距離的最優秀男女選手之間。

——本文摘自 大衛・艾普斯坦(David Epstein)運動基因:頂尖運動表現背後的科學》,2020 年 12 月,行路出版,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

行路出版_96
21 篇文章 ・ 8 位粉絲
行路為「讀書共和國」出版集團旗下新創的出版社,出版知識類且富科普或哲普內涵的書籍,科學類中尤其將長期耕耘「心理學+腦科學」領域重要、具時代意義,足以當教材的出版品。 行路臉書專頁:https://www.facebook.com/WalkPublishing

0

2
0

文字

分享

0
2
0
想要減肥或控制體重?先散步評估一下吧!——《大自然就是要你胖!》
天下文化_96
・2024/07/02 ・1877字 ・閱讀時間約 3 分鐘

恢復初始體重與延長健康壽命

身體的能量大多由細胞裡的能量工廠產生,也就是粒線體。這種能量以 ATP 的形式存在,用來驅動體內種種的生物過程,維持新陳代謝。攝取果糖後,身體會產生尿酸,對能量工廠造成氧化壓力,導致 ATP 產量減少,最後果糖所含的熱量會以脂肪和肝醣的形式儲存在體內。這個過程能幫助我們儲備能量,以因應食物不足的狀況。

生存開關活化所產生的氧化壓力,可能對細胞內的能量工廠和身體其他部位造成損害。在自然界中,這種氧化壓力通常為時短暫,能量工廠很快就會恢復正常運作。相對之下,現代人體內的生存開關卻是全年無休、火力全開。原本是為了生存而暫時抑制粒線體的能量產生,沒想到卻變成一種永久的枷鎖,並帶來嚴重的後果。

長期暴露在慢性氧化壓力中,會使能量工廠的結構發生變化。粒線體會變小,功能下降。即使在生存開關並未活化的狀況下,粒線體產生的能量也不復以往。這等於重新設定了新陳代謝的基礎值,降低能量的產生和使用,隨之而來的便是體重增加。因為身體現在認定減重前的體重才是正常,所以將體重減輕視為生存威脅,於是調整新陳代謝速率做為因應。這時,你的新陳代謝就成為你的敵人!

長期暴露在慢性氧化壓力中,粒線體會變小,降低能量的產生和使用,隨之而來的便是體重增加。因為身體現在認定減重前的體重才是正常,所以將體重減輕視為生存威脅,於是調整新陳代謝速率做為因應。圖/envato

生存開關長期處於活化狀態,不只會影響體重和能量。現在更有證據指出,慢性或反覆出現氧化壓力,也會導致人體老化,於是皮膚出現皺紋,內臟器官緩慢磨損。所有的食物攝取,多少都會對能量工廠造成氧化壓力(第一章曾說過,減少熱量攝取可能延長壽命,原因可能正是在此)。然而,與其他營養相比,攝取果糖對粒線體造成的氧化壓力要大得多。

-----廣告,請繼續往下閱讀-----

在我看來,若能在粒線體受到永久損傷之前,及早對肥胖症展開治療,效果最好。的確,我個人的經驗是,兒童和青少年的肥胖症比較容易治療,只需要改變飲食,減少攝取會活化生存開關的食物,因為年輕人仍然擁有大量功能正常的粒線體。相較之下,要治療肥胖症的長期患者挑戰就高得多,因為他們的能量工廠長期承受慢性的氧化壓力。然而,任務仍然可能達成,關鍵在於恢復粒線體。

要治療肥胖症,就得增加粒線體的產能

我們被「鎖定」在高體重和低能量的狀態,這聽來真是令人沮喪,但這種狀態並非不能改變,能量工廠是可復原的。基本上有兩大方法,首先,盡量減少對能量工廠的損害,讓它們有時間自然恢復。這種方法主要著重在中止生存開關持續活化。其次是積極修復能量工廠,甚或是增加生產粒線體,以彌補失去的數量。

評估粒線體的健康,你可以從散步開始!圖/envato

在討論如何達成這兩項目標之前,我想先提供簡單的方法,讓你評估自己能量工廠的健康狀況:觀察自己的自然步態,也就是平時的行走速度。你可以記錄自己繞行附近一個街區的時間,同時佩戴計步器計算步數,然後算出每秒行走的步數和距離。另一種方法更簡單,只要記錄繞行街區的時間,將現在的時間與之後的時間進行比較,就能判斷粒線體的健康狀況是否改變。重點在於測量時要採行自然步態;換句話說,行走時請勿故意加快腳步。正常的步行速度約為每秒 1.2 公尺,但每秒 0.6 至 1.8 公尺都算正常範圍。我建議把目標設定為每秒 1.2 公尺以上。長期超重的人步行速度通常較慢,平均約為每秒 0.9 公尺。

研究顯示,自然步行速度與粒線體的品質呈現正相關,步行速度較快的人壽命較長,整體健康狀況也較好。步行速度減慢可能是因為骨骼肌疲勞增加,或 ATP 濃度低。值得注意的是,年輕超重者的步行速度往往與其他年輕人相似,但隨著年齡增長,超重者和正常體重者之間的步行速度差異會愈來愈大。

-----廣告,請繼續往下閱讀-----

我鼓勵你去散步,評估你的自然步行節奏。這可幫助你深入了解減肥和維持體重的難易程度,不僅如此,長期監控自己的自然步行速度,還有助於評估體重控制的整體進展。

——本文摘自《大自然就是要你胖!》,2024 年 06 月,天下文化出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

天下文化_96
142 篇文章 ・ 624 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。