為何不能左右眼各看一本書？雙眼之間視覺意識的平衡

• 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。

超前意志、且可以預測意志的腦部反應

最早以神經科學方法研究上述問題的科學家，應該是美國加州大學舊金山分校的神經生理學家利貝特（Benjamin Libet）。1983 年，利貝特發表了一項驚人的實驗，他要求受試者自由「決定」一個時間點舉起左手或右手，並根據一個碼錶來回報該「決定」在自己心中出現的時間。結果他在腦電圖中發現，舉手的「意識意志」（conscious will）出現的一秒鐘前（就是意識到自己「想要」舉手的一秒鐘前），大腦就已經出現相關的神經變化。

照理說，如果自由意志真的存在，那「意識意志」發生的時間點應該早於大腦的生理變化才對。然而實驗結果卻完全相反，大腦的生理變化反而早於「意識意志」發生的時間點。如果「意識意志」的感受只是大腦神經變化的結果，那我們真的有自由意志可言嗎？

這個實驗結果一出，立刻引起了科學界和哲學界的震撼。科學界對實驗方法有許多質疑和討論，而哲學界則對實驗結果的衍生意涵充滿興趣。

在這項研究發表後的過去三十年間，熱烈的實驗複製和學術討論從來不曾間斷。2008 年，德國馬克士普朗克研究所的認知神經科學家孫俊祥（Chun Siong Soon），也利用了功能性磁振造影成功再現了利貝特的實驗結果！

這位認知神經科學家孫俊祥和我頗有淵源。我們的第一次見面，是在達特茅斯學院。那時大概是 2005 年，我還是博士班學生，他則是從新加坡來進行短期研究的學生。我們當時就是因為都對意識和自由意志的問題很有興趣，所以才有機會在相互討論後結識。孫俊祥後來去了德國，成為海因斯（John-Dylan Haynes）的博士班學生，並發表了上述的研究。

很巧的是，我在幾年前來到新加坡，在杜克－新加坡國立大學醫學研究院（Duke-NUS Medical School）成立我的實驗室，而孫俊祥剛好也在這所學校中擔任博士後研究員。2012 年，我們因為研究興趣相近，他就進到了我的實驗室一起合作。能在實驗室成立初期，有這麼一位實力強大的幫手加入，真的非常幸運！

腦造影否定自由意志？

孫俊祥在這項研究中發現，受試者決定做動作前（十秒前！）出現的神經變化，竟然可以預測他們將會使用左手或右手。2013 年，更在另一項實驗中成功預測了受試者的心算選擇（可以預測他們即將要在心中進行加法運算或減法運算）！

在其他的決策行為研究中，也可以觀察到類似的現象。連我自己也在一系列實驗中發現，不管是比較基礎的知覺判斷、或是較高階的行為決策，都可能可以透過事前的腦部活動來進行預測。

比方說，我在麻省理工學院進行博士後研究時，就已經發現某些腦區的神經活動可以預測「雙眼競爭」的結果。

「雙眼競爭」是潛意識知覺研究中最常使用的一個實驗典範。十六世紀文藝復興時期的歐洲學者波爾塔（Giambattista della Porta）是第一個記錄下這個現象的人。他發現在左眼和右眼前分別放置一本書時，他只能「見到」其中一本，而且每隔幾秒鐘，視覺意識內容會在兩本書之間轉換。

各位讀者如果想要體驗雙眼競爭，可以試試以下這個的方法：首先，閉上左眼，然後把右手大拇指伸出來。接著，把右手大拇指由右至左緩緩移動，慢慢的遮住右下角的書頁號碼（或者是最右下角的字）。當號碼一被遮住時，就立刻停住，不要再繼續移動大拇指。好，現在你可以張開左眼了。此時你會發現，你的右眼是看不到書頁號碼的，但是左眼可以（你可以輪流閉一隻眼睛觀察看看）。當你確定右眼看不到書頁號碼，但是左眼可以之後，你就利用雙眼同時進行觀察。此時你是否發現，有時候你會只看到書頁號碼，但是過了幾秒後，你卻只能看見大拇指，並且兩種狀態會持續輪轉。偶爾有些時候，你可能也可以同時看到書頁號碼和大拇指。這就是雙眼競爭現象。

現代實驗心理學家進一步發現，即使其中一隻眼睛中的內容沒有被意識到，大腦仍會處理這隻眼睛接收的內容資訊。而我在麻省理工學院進行的一項功能性磁振造影實驗中，更進一步發現了可以預測雙眼競爭結果的神經活動。在這項實驗裡，我們讓受試者的兩眼分別觀看不同的視覺刺激（其中一眼觀看臉孔、另一眼觀看風景），然後要求他們回報自己是否看到臉孔。結果發現梭狀臉區（fusiform face area，對臉孔特別有反應的腦區）在視覺刺激出現前兩秒鐘的神經反應，就已經可以預測受試者是否會看見臉孔。換句話說，在受試者尚未見到任何視覺刺激之前，我們就可以觀察到梭狀臉區裡有一些雜訊般的神經反應，而這些反應似乎可以影響受試者兩秒鐘後的行為反應。

另外，我目前在杜克－新加坡國立大學醫學院的腦與意識實驗室也透過功能性磁振造影發現，在受試者做出高階行為決策的數秒鐘前，腦部某些特定區域的活動也可以預測受試者的決定。在其中一個實驗中，我們讓受試者看許多圖畫、並一張張詢問他們是否喜歡，結果發現，在受試者看到圖畫的數秒鐘前，大腦前額葉的神經活動可以成功預測他們是否會表示喜歡。

在另一個功能性磁振造影實驗中，我和來自台灣的黃瑜峰博士合作，讓受試者進行賭博遊戲，每一局遊戲中都會提供兩種選項，其中一個低風險選項是 100 ％會獲得某個數量的金錢（例如有 100 ％的機率獲得四元），另一個高風險選項則是有較低的機率獲得較高的金錢（例如有 50 ％的機率獲得八元和 50 ％的機率獲得零元）。我們把兩個選項的獲得金錢期望值設定得非常相近，並要求受試者在兩秒鐘之內做出選擇。

結果發現， 在受試者看到選項的數秒鐘之前， 大腦左側伏隔核（nucleu saccumbens）和額葉中迴（medial frontal gyrus）的神經活動也可以成功預測他們是否會選擇風險較高或較低的選項。

這些發現聽起來很神奇，但是讀者們別把它們和心電感應之類的發現搞混了。我們的發現並不是心電感應、也不是所謂的特異功能。我們的發現只是顯示出，人類的行為決策似乎會受到大腦中許多無意識訊息或雜訊的影響。只要透過儀器找出這些關鍵的訊息或雜訊，我們就有可能可以藉此預測人的決策。

本文摘自《大腦簡史：生物經過四十億年的演化，大腦是否已經超脫自私基因的掌控？》，貓頭鷹出版。

我們今天所熟知的義大利版圖中長統靴的下半部、義大利半島的南部，在歷史上有一段時期，其實是所謂的那不勒斯王國。十六世紀時，那不勒斯有位博學家德拉·波爾塔（Giambattista della Porta），舉凡天文學、數學、天氣學、煉金術、神秘的自然現象等主題他都略知一二。

為了能更有效率地吸收更多知識，這位大哥想到了一個妙招：同時讓兩隻眼睛各看一本書¹。既然平常都用兩隻眼睛來閱讀，如果左眼在看一本書的同時讓右眼看另一本書，不就可以省下一半的閱讀時間嗎？！

德拉·波爾塔可不是嘴巴上說說而已，他還真的付諸行動拿了兩本書分別放到自己的兩隻眼睛前試了起來。結果他很驚訝地發現這招根本行不通，雖然兩眼明明同時在看書，但他本人一次只能「讀到」其中一本書的內容，一下子是左眼那一本，一下子又變成右眼那一本，無法同時讀到兩本書的內容。

這個現象正是所謂的雙眼競爭（Binocular rivalry）。絕大部分的日常生活當中，我們的左右兩隻眼睛各自看到的畫面只會有極為微小的差異，而我們的大腦會將兩個畫面融合為一體，所以雖然我們有兩隻眼睛，但看到的卻一個世界。但在特殊情況下，當兩隻眼睛所看到的畫面內容差異極大時，大腦並不是把兩個風馬牛不相及的畫面融合成單一一個無意義的畫面，而是讓兩個畫面輪流出現在我們的視覺意識中。於是在德拉·波爾塔的例子中，他才會一會兒讀到左眼在看的書，一會兒讀到右眼在看的書。

當雙眼競爭的情況出現時，我們基本上有一半的時間會察覺（或意識）到左眼接收的訊息，另一半的時間則察覺到右眼所接收的訊息。不過，要想改變這個左右兩眼意識各半的平衡，其實並不難。

一個簡單的方法就是把一隻眼睛以可透光眼罩遮住一段時間，待眼罩拿掉之後，我們所能察覺到的畫面將不再是左右眼各佔一半的時間，而是會以先前被遮住的那隻眼睛為主。

最先發現這個現象的義大利研究團隊²，讓實驗參與者戴著單眼眼罩150分鐘，眼罩拿掉之後再引發雙眼競爭來觀察參與者察覺到哪一隻眼睛的時間比較多。結果在眼罩拿掉後15分鐘內，參與者有93%的時間都只察覺到先前被遮住的那隻眼睛所看到的畫面。雖然這個比例在15分鐘後略微降低了一些，但這個不平衡的現象竟維持了90分鐘之久！另一個團隊的實驗結果顯示³，只要戴眼罩15分鐘之後就能觀察到這個效果，不過效果的持續時間也相對的較短（4分鐘）。

另一個讓這個不平衡現象出現的方法是利用持續閃現抑制研究派典⁴（continuous flash suppression research paradigm）。持續閃現抑制派典，經常被用在視覺意識研究領域中，因為它能夠讓你明明盯著眼前的東西看，卻在主觀上意識無法察覺到你正盯著看的東西。

如同這個研究派典的名字——持續閃現，實驗參與者的一隻眼睛前所呈現的是一張靜止的圖片，比如一幀房子的照片，但另一隻眼睛前所呈現的是一張又一張快速變換的幾何圖形所構成的圖片。在這種情況下，參與者幾乎無法意識到自己見到了房子，只能意識自己看到了不斷閃現的幾何圖形圖片。房子的照片在這裡只是一個例子，我們可以換成別的內容，比方說蛇的照片。這個情形下，蛇的影像確實傳入了參與者的腦中，但他們會說自己並沒有看到蛇，研究者就可以觀察人類在無意識的狀態下，大腦如何處理「蛇」這種令人充滿恐懼的影像。

利用持續閃現抑制派典³，研究者讓參與者的一隻眼睛盯著一張靜止的低對比黑白圖片，另一隻眼睛盯著快速變換的彩色圖片（變換頻率為10赫茲），如此持續15分鐘。結束之後的六分鐘內，參與者多數的時間都只察覺到先前盯著靜止圖片的那隻眼睛所見到的畫面。當研究者把持續閃現抑制的時間縮短至3分鐘時，依然可以觀察到這種雙眼視覺意識不平衡的現象，而且時間長達2分鐘。

所以不管是遮住單眼，或是利用持續閃現抑制派典，都能改變兩隻眼睛之間的平衡。這個現象的重要性之一，在於其指出了在大腦之中，兩隻眼睛並非兩個全然互不往來的部件⁵。即使只對一隻眼睛動手腳，即使時間短暫，雙眼視覺的各項平衡都會隨之而產生變化。

參考文獻：

1. Wade, N. J. Descriptions of Visual Phenomena from Aristotle to Wheatstone. Perception (1996). doi:10.1068/p251137
2. Lunghi, C., Burr, D. C. & Morrone, C. Brief periods of monocular deprivation disrupt ocular balance in human adult visual cortex. Curr. Biol. 21, R538–R539 (2011).
3. Kim, H.-W., Kim, C.-Y. & Blake, R. Monocular Perceptual Deprivation from Interocular Suppression Temporarily Imbalances Ocular Dominance. Curr. Biol. 27, 884–889 (2017).
4. Tsuchiya, N. & Koch, C. Continuous flash suppression reduces negative afterimages. Nat. Neurosci. 8, 1096–1101 (2005).
5. O’Shea, R. P. Adult Neuroplasticity: Working One Eye Gives an Advantage to the Other. Curr. Biol. 27, R230–R231 (2017).