1

0
0

文字

分享

1
0
0

蜘蛛絲小提琴弦

陸子鈞
・2012/03/05 ・636字 ・閱讀時間約 1 分鐘 ・SR值 546 ・八年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

日本科學家利用上千條蜘蛛絲,編成一根小提琴弦。蜘蛛琴弦演奏的音色較傳統羊腸弦或鋼弦還「柔軟而有深度」。可能因為蜘蛛弦的結構,沒有任何縫隙。研究成果將發表在《物理綜合評論通訊》(Physical Review Letters)中。

奈良醫學大學(Nara Medical University)的大崎重吉(Osaki Shigeyoshi),多年以來對蜘蛛絲的機械特性深感興趣。像是他量化蜘蛛曳絲的強度研究,在2007年發表在《聚合物期刊》(Polymer Journal)。

大崎博士有一套完美的方法,能從飼養的蜘蛛獲取大量的絲。現在他將研究方向轉為如何應用蜘蛛絲這獨特的材料。他提到:「弦樂已經被許多科學家研究,不過並不是所有細節都有受到關注。許多演奏者對琴身有興趣,而非琴弦。」

大崎博士利用300隻雌人面蜘蛛(Nephila maculata),供應足夠的絲線,由三千和五千條絲線,編成一股;再由相反的方向將三股編成一根弦,接著他測量琴弦的張力。張力對提琴手而言非常重要,因為他們可不希望演奏過程中,琴弦突然斷掉。

結果顯示,蜘蛛琴弦和傳統羊腸線相比,較不能抵抗張力,但卻比尼龍弦強韌。再利用電子顯微鏡觀察發現,弦整體完整;剖面結構也顯示弦內沒有多餘的縫隙。大崎博士認為,正是因為蜘蛛弦結構的特性,才能如此強韌且發特殊的音色。他說:「幾位專業提琴手使用蜘蛛弦之後,認為這完美的音色能寫出新的音樂。」新的蜘蛛弦是新穎的高附加價值產品,且為全世界演奏家和愛樂者提供了新型態的音色。

蜘蛛絲小提琴演奏連結

資料來源:BBC News: Spider silk spun into violin strings [5 March 2012]

文章難易度
所有討論 1
陸子鈞
295 篇文章 ・ 4 位粉絲
Z編|台灣大學昆蟲所畢業,興趣廣泛,自認和貓一樣兼具宅氣和無窮的好奇心。喜歡在早上喝咖啡配RSS,克制不了跟別人分享生物故事的衝動,就連吃飯也會忍不住將桌上的食物作生物分類。

1

133
3

文字

分享

1
133
3
AI 是理科「主場」? AI 也可以成為文科人的助力!
研之有物│中央研究院_96
・2022/08/13 ・5646字 ・閱讀時間約 11 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/田偲妤
  • 美術設計/蔡宛潔

AI 的誕生,文理缺一不可

人工智慧(Artificial Intelligence,簡稱 AI)在 21 世紀的今日已大量運用在生活當中,近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等,都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維,除了仰賴工程師的先進技術,更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員,帶大家釐清什麼是 AI?文科人與工程師合作時,需具備什麼基本 AI 知識?AI 如何應用在人文社會領域的工作當中?

中央研究院人文社會科學研究中心蔡宗翰研究員。圖/研之有物

詩詞大對決:人與 AI 誰獲勝?

一場緊張刺激的詩詞對決在線上展開!人類代表是有「AI 界李白」稱號的蔡宗翰研究員,AI 代表則是能秒速成詩的北京清華九歌寫詩機器人,兩位以「人工智慧」、「類神經」為命題創作七言絕句,猜猜看以下兩首詩各是誰的創作?你比較喜歡哪一首詩呢?

猜猜哪首詩是 AI 做的?哪首詩是人類做的?圖/研之有物

答案揭曉!A 詩是蔡宗翰研究員的創作,B 詩是寫詩機器人的創作。細細賞讀可發覺,A 詩的內容充滿巧思,為了符合格律,將「類神經」改成「類審經」;詩中的「福落天赦」是「天赦福落」的倒裝,多念幾次會發現,原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯;而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯,整首詩創意十足,充滿令人會心一笑的魅力!

相較之下,B 詩雖然有將「人工」兩字穿插引用在詩中,但整體內容並沒有呼應命題,只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝!

由此可見,當前的 AI 缺乏創作所需的感受力與想像力,無法做出超越預先設定的創意行為。然而,在不久的將來,AI 是否會逐漸產生情感,演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人?

AI 其實沒有想像中聰明?

近期有一則新聞「AI 有情感像 8 歲孩童?Google 工程師爆驚人對話遭停職」,讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示:「當前的 AI 還是要看過資料、或是看過怎麼判讀資料,經過對應問題與答案的訓練才能夠運作。換而言之,AI 無法超越程式,做它沒看過的事情,更無法替人類主宰一切!

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言,多半是因為我們對 AI 的訓練流程認識不足,也缺乏實際使用 AI 工具的經驗,因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上,更延伸到文科人與理科人的合作溝通上,因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識,不僅能讓跨領域的合作更加順利,還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是,由於文科人不了解 AI 的訓練流程,因此對 AI 產生錯誤的期待,認為辛苦標注的上千筆資料,應該下個月就能看到成果,結果還是錯誤百出,準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚,兩方就會陷入僵局,導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議:

如果文科人了解基本的 AI 訓練流程,並在每個訓練階段協助分析:錯誤偏向哪些面向?AI 是否看過這方面資料?文科人就可以補充缺少的資料,讓 AI 再進行更完善的訓練。

史上最認真的學生:AI

認識 AI 的第一步,我們先從分辨什麼是 AI 做起。現在的數位工具五花八門,究竟什麼才是 AI 的應用?真正的 AI 有什麼樣的特徵?

基本上,有「預測」功能的才是 AI,你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現,而且人類手工操作就辦得到,那就不是 AI。

數位化到 AI 自動化作業的進程與舉例。圖/研之有物

蔡宗翰研究員以今日常見的語音辨識系統為例,大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話,你會發現自己無法事先知曉將產生什麼文字或回應,結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同:AI 無法百分之百正確!

因此,AI 的運作需建立在不斷訓練、測試與調整的基礎上,盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段,工程師彷彿化身老師,必須設計一套學習方法,提供有助學習的豐富教材。而 AI 則是史上最認真的學生,可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI,讓其根據工程師所定義的資料相似度算法,逐漸學會將相似資料分在同一堆,再由人類檢視並標注每堆資料對應的類別,進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI,讓其逐漸學會將任意資料對應到正確答案。

圖/研之有物

學習到一定階段後,工程師會出試題,測試 AI 的學習狀況,如果成績只有 60、70 分,AI 會針對答錯的地方調整自己的觀念,而工程師也應該與專門領域專家一起討論,想想是否需補充什麼教材,讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作,也可能因為時事與技術的推陳出新,導致準確率下降。這時,AI 就要定時進修,針對使用者回報的錯誤進行修正,不斷補充新的學習內容,讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後,蔡宗翰研究員建議:文科人可以看一些視覺化的操作影片,加深對訓練過程的認識,並實際參與檢視與標注資料的過程。現在網路上也有很多 playground,可以讓初學者練習怎麼訓練 AI,有了上述基本概念與實務經驗,就可以跟工程師溝通無礙了。

AI 能騙過人類,全靠「自然語言處理」

AI 的應用領域相當廣泛,而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因,他充滿自信地回答:因為自然語言處理是「AI 皇冠上的明珠」!這顆明珠開創 AI 發展的諸多可能性,可以快速讀過並分類所有資料,整理出能快速檢索的結構化內容,也可以如同真人般與人類溝通。

著名的「圖靈測試」(Turing Test)便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代,傳奇電腦科學家艾倫・圖靈(Alan Turing)設計了一個實驗,用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好,並派一個人操作終端機,再找一個第三者來進行對話,判斷從終端機傳入的訊息是來自 AI 或真人,如果第三者無法判斷,代表 AI 通過測試。

圖靈測試:AI(A)與真人(B)同時傳訊息給第三者(C),如果 C 分不出訊息來自 A 或 B,代表 AI 通過實驗。圖/研之有物

換而言之,AI 必須擁有一定的智力,才可能成功騙過人類,讓人類不覺得自己在跟機器對話,而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在:人文研究文本分析、新聞真偽查核,更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料,追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化,而大量數位化的經典更被主動分享到「Chinese Text Project」平台,讓 AI 自然語言處理有豐富的文本資料可以分析,包含一字不漏地快速閱讀大量文本,進一步畫出重點、分門別類、比較相似之處等功能,既節省整理文本的時間,更能橫跨大範圍的文本、時間、空間,擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的?就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋,由鎮江、杭州一帶的說書人所創作,著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉,才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素,接著用這批標記好的語料來訓練 BERT 等序列標注模型,以便將「文本向量化」,進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現,白蛇傳的原型可追溯自印度教的那伽蛇族故事,傳說那伽龍王的三女兒轉化成佛、輔佐觀世音,或許與白蛇誤食舍利成精的概念有所關連,推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外,故事的雛型可能早從唐代便開始醞釀,晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事,而法海和尚、金山寺等關鍵人物與景點皆真實存在,金山寺最初就是由唐宣宗時期的高僧法海所建。

白蛇傳中鎮壓白娘子的雷峰塔。最早為五代吳越王錢俶於 972 年建造,北宋宣和二年(1120 年)曾因戰亂倒塌,大致為故事雛形到元素齊全的時期。照片中雷峰塔為 21 世紀重建。圖/Wikimedia

在 AI 的協助之下,我們得以跨時空比較不同文本,了解說書人如何結合印度神話、唐代傳奇、在地的真人真事,創作出流傳千年的白蛇傳經典。

最困難的挑戰:AI 如何判斷假新聞

除了應用在人文研究文本分析,AI 也可以查核新聞真偽,這對假新聞氾濫的當代社會是一大福音,但對 AI 來說可能是最困難的挑戰!蔡宗翰研究員指出 AI 的弱點:

如果是答案和數據很清楚的問題,就比較好訓練 AI。如果問題很複雜、變數很多,對 AI 來說就會很困難!

困難點在於新聞資訊的對錯會變動,可能這個時空是對的,另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器,可輸入當前的新聞讓機器去判讀真假,但過一段時間可能會失準,因為新的資訊源源不絕出現。而且道高一尺、魔高一丈,當 AI 好不容易能分辨出假新聞,製造假新聞的人就會破解偵測,創造出 AI 沒看過的新模式,讓先前的努力功虧一簣。

因此,現在多應用「事實查核法」,原理是讓 AI 模仿人類查核事實的過程,尋找權威資料庫中有無類似的陳述,可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊,致力於建立英文事實查核法模型所能運用的資源,並透過舉辦國際競賽,廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後,也與合作夥伴事實查核中心及資策會討論,正著手建立中文事實查核法模型所需資源。預期在不久的將來,AI 就能幫讀者標出新聞中所有說法的資料來源,節省讀者查證新聞真偽的時間。

AI 的無限可能:專屬於你的療癒「杯麵」

想像與 AI 共存的未來,蔡宗翰研究員驚嘆於 AI 的學習能力,只要提供夠好、夠多的資料,幾乎都可以訓練到讓人驚訝的地步!圖/研之有物

AI 的未來充滿無限可能,不僅可以成為分類與查證資料的得力助手,還能照護並撫慰人類的心靈,這對邁入高齡化社會的臺灣來說格外重要!許多青壯年陷入三明治人(上有老、下有小要照顧)的困境,期待有像動畫《大英雄天團》的「杯麵」(Baymax)機器人出現,幫忙分擔家務、照顧家人,在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式,新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」(Nadine),由感知、處理、互動等三層架構組成,可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境,並將上述資訊發送到處理層。處理層會依據感知層提供的資訊,連結該用戶先前與娜丁互動的記憶,讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象,或對陌生事物感到不安,常選擇靜默不語,需要照護者主動引導。因此,娜丁內建了注視追蹤模型,當偵測到住戶已長時間處於被動狀態,就會自動發起話題。

實驗發現,在娜丁進駐長照機構一段時間後,住戶有一半的天數會去找她互動,而娜丁偵測到的住戶情緒多為微笑和中性,其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

照護機器人娜丁的運作架構。圖/研之有物

至於未來的改進方向,研究團隊認為「語音辨識系統」仍有很大的改進空間,需要讓機器人能配合老年人緩慢且停頓較長的語速,音量也要能讓重聽者可以清楚聽見,並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人,首要任務就是要開發一套臺灣人專用的 AI 語言模型,包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型,期待政府能整合學界與業界的力量,降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感,但卻可以成為人類大腦的延伸,協助我們節省處理資料的時間,更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨,如何讓自己的行事邏輯跟上 AI 時代,讓 AI 成為自己的助力,是值得你我關注的課題。

延伸閱讀

文章難易度
所有討論 1
研之有物│中央研究院_96
253 篇文章 ・ 2219 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

1
0

文字

分享

0
1
0
舞池太冷該怎麼炒熱氣氛?DJ 請下點聽不到的低頻 BASS!
Peggy Sha
・2022/12/07 ・1637字 ・閱讀時間約 3 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

「Despacito~Quiero respirar tu cuello despacito~」聽到這段旋律,你是不是也開始不由自主地跟著搖擺了呢?跟著音樂一起流動實在是再自然不過的事了,不過,假設你完全聽不到這些動感「音樂」,它還能發揮同樣的效果嗎?

科學家也想知道這個問題的答案,於是乎,他們把實驗室搬到舞池啦!

人會跟著聽不到的低頻音樂動次動嗎? 圖/GIPHY

超酷的實驗,就要在超酷的表演廳進行!

沒錯!最近發表在《當代生物學》(Current Biology)期刊上的研究就是這麼嗨!這份研究的第一作者是來自麥克馬斯特大學(McMaster University)的神經科學家 Daniel Cameron,他本身就是個音樂愛好者,除了會打鼓外,研究的主要方向也離不開音樂,總是在探索音樂和人類間的互動關係。

想要從事如此動感的實驗,一般的研究室可沒辦法進行,研究者們選擇的地點是麥克馬斯特大學裡面的「LIVELab」,這個地方算是個研究型表演劇院,裡面既能進行各式演出,也能同時進行各種測試和研究。

LIVELab 介紹影片。影/YouTube

劇場裡不僅有 3D 動作捕捉系統,還有可以模擬各種音樂環境的超強大 Meyer 音響系統,最重要的是,它還配備了本次研究的主角──能產生極低頻率的喇叭!普遍來說,我們耳朵能聽到的聲音頻率介在 20 Hz~20,000 Hz 之間,更高或更低都聽不見,那麼,問題來了:聽不見的聲音,還會對我們產生影響嗎?

偷偷來點低頻音,大家真的會感受得到嗎?

為了尋找答案,研究者邀請加拿大的電子音樂雙人組合「 Orphx」到 LIVELab 辦了場表演,並招募了一群實驗參與者來參加。想聽這場演出,需要比平常多一點點的準備。

首先,觀眾需要戴上運動感應頭帶,用以偵測舞蹈動作;再來,觀眾在參加前和參加後都需要填寫調查表,好衡量他們對於演出的喜愛程度、相關生理感受,並確認他們沒有聽到那些偷偷塞進去的低頻聲音。

加拿大的電子音樂組合 Orphx 在 2008 年的現場表演照片。圖/Wikipedia

在整整 45 分鐘的演出中,研究人員會悄悄在幕後控制撥放低頻聲音的喇叭 ,這些喇叭會撥放 8~37 Hz 間的聲音,每兩分鐘開關一次,結果發現,當喇叭開著、放出低音的時候,觀眾的運動量竟然增加了近 12%!

為什麼我們聽不到低音卻還是想跳舞?聲音能被「感受」嗎?

不過,為什麼這些超低聲音會讓人們更愛跳舞呢?研究者們現在還不知道確切的生理運作機制,但他們有些推測。研究者認為,低頻聲音雖然無法被聽見,也不會讓大腦中處理聲音的部分變得活躍,但是,卻能被神經系統的其他部分接收到。

Cameron 表示,我們腦中的前庭系統,也就是專門負責平衡感和空間感的感覺系統對於低頻刺激非常敏感。另一方面,觸覺也扮演了很重要的角色,我們身上的機械性受器(mechanoreceptor)同樣對於低頻的刺激很敏感,會隨著震動而移動,這也就是為什麼,當你站在很大聲的音響前方時,會感覺全身彷彿都在跟著震動。

圖/Pexels

或許,就是這些系統,讓我們能夠用不同的方式來「感受」到音樂、接收我們聽不見的低頻聲音。

如果想要完整了解背後的機制,勢必還要多辦幾場這樣的「科學音樂表演」,但在那之前,如果大家想要讓舞池嗨一些的話,低頻音催下去就對啦!

參考資料

  1. Want to fire up the dance floor? Play low-frequency bass
  2. Cameron, D. J., Dotov, D., Flaten, E., Bosnyak, D., Hove, M. J., & Trainor, L. J. (2022). Undetectable very-low frequency sound increases dancing at a live concert. Current Biology32(21), R1222-R1223.
  3. Low-Frequency Bass Encourages Dancing
  4. Inaudible, low-frequency bass makes people boogie more on the dancefloor

4

2
2

文字

分享

4
2
2
運動聽音樂,讓你越動越活躍!
鳥苷三磷酸 (PanSci Promo)_96
・2022/08/15 ・2255字 ・閱讀時間約 4 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

你有過邊聽音樂邊跑步的經驗嗎?讓我們先來看一段動畫,再開始今天的主題!動畫裡的主角阿辰有個熱愛跑步的阿公,他想要挑戰路跑,於是向阿辰下戰帖,想看誰可以先跑完四圈操場。沒想到,原本落後的阿辰,戴上耳機後,竟然逆轉局勢,贏得了比賽。這究竟是什麼魔法?為什麼音樂能讓阿辰瞬間變成飛毛腿呢?

「音樂關鍵字(Unlocking Music)」EP2:奔跑吧!阿公(Go, Grandpa, Go!)。影/YouTube

日常生活中的音樂與運動

2014 年,美國音樂潮牌 Sol Republic 調查 1,000 位民眾使用耳機的習慣,有 62% 的民眾表示「一整天沒有聽音樂,比一整天沒有社交活動」更糟,另外也有 40% 的民眾表示,如果沒有搭配音樂,他們想要運動、鍛鍊身體的欲望就會大幅降低。

在臺灣,如果你曾經踏進健身房或運動中心,想必聽過從喇叭傳出來的快節奏音樂,或是看過不少人戴著耳機跑步、舉重、騎飛輪。如果你在學校或熱鬧的商圈看過街舞表演,通常也都是選用節奏明快的流行歌。可是,為什麼音樂和運動有關呢?一邊運動,一邊聽音樂,真的對我們有幫助嗎?如果有,背後的科學原理又是什麼?

聲音如何穿越耳朵、抵達大腦?

想知道為什麼音樂和運動有關,就得先瞭解聲音如何穿越耳朵、抵達大腦。

從生理構造來看,我們的耳朵可分為三部分:外耳、中耳和內耳。外耳負責將接收到的聲波傳入中耳。中耳有「耳膜」和「聽小骨」,能夠增強聲波,將聲波轉換成內耳能夠解讀的訊號。內耳有「耳蝸」和「前庭系統」,分別掌管聽覺和平衡感。這兩個結構會在末端合體,成為「前庭耳蝸神經」,也就是 12 對腦神經中的第 8 對,可以將聲音訊號直接送進大腦。

聽小骨(綠色)、耳蝸(粉紅色)與前庭耳蝸神經(藍色)。圖/iStock

擅長平衡、喜歡打節拍的前庭系統

說到平衡感,那就和運動有關了!前庭系統的功能就是穩定身體,讓我們走路時不易跌倒、運動時能保持平衡,眼睛追蹤移動物體時,也不至於暈頭轉向。這些都要歸功於前庭系統裡頭的「半規管」和「耳石」,前者感知旋轉,後者感知重力與加速度。

如果我們一邊跑步一邊聽音樂,讓節奏規律的低頻重拍經由前庭系統刺激大腦,就能讓大腦誤以為是雙腳落地的低頻聲響。如此一來,大腦就會透過前庭系統發送訊號給肌肉,幫助腳步保持規律。換句話說,如果音樂節奏與步伐速度相近,跑起來就能更輕鬆;反之,如果換成節奏較慢的音樂,前庭系統就會讓我們不自覺放慢腳步,導致運動效果不佳。

研究顯示,聽音樂運動「效果十分顯著」

早在 1911 年,美國統計學家艾爾斯(Leonard Ayres)就發現,如果賽道旁有樂隊演奏,自行車選手踩踏板的速度也會隨之加快。[1] 2012 年,英國雪菲爾哈倫大學(Sheffield Hallam University)的研究進一步證明,相較於踩踏速度沒有和音樂節拍同步的選手來說,同步選手的耗氧量減少 7%,意思就是比較不容易疲累或缺氧。由此可見,音樂就像身體的節拍器,可以穩住運動節奏,減少體力耗損。[2]

2017 年,印度幾所大學的醫學院教授共同研究音樂對青少年運動表現的影響。這些教授找來 50 位年齡介於 19 到 25 歲的學生,讓他們連續 10 個早晨在跑步機上運動,速度不限,累了就可以停下來。研究數據顯示,在沒有播放任何音樂時,男性的平均運動時間約為 26 分鐘,女性則是 18 分鐘;相較之下,當他們聆聽各自喜歡的音樂時,男性的平均運動時間可以達到 42 分鐘,女性則是 31 分鐘,前後有非常明顯的落差。[3]

音樂能夠顯著延長青少年的慢跑時間。圖/IJPPP

2020 年,美國桑福德大學(Samford University)的研究也顯示,只要在暖身時,聆聽喜歡的音樂,就可以提高臥推槓鈴的表現。雖然臥推速度幾乎沒有差異,如圖(a),可是臥推次數明顯增加。根據圖(b)的數據,如果聆聽不喜歡的音樂(NON-PREF),平均只能推 11.1 下,經過兩分鐘休息後,只能再推 8.0 下;但如果聆聽喜歡的音樂(PREF),平均可以推 13.5 下,經過兩分鐘休息後,也可以再推 9.4 下,可見聽音樂運動的效果確實非常顯著。[4] 

研究顯示,只要在暖身時,聆聽喜歡的音樂,就可以提高臥推槓鈴的表現。圖/JFMK

註解

參考資料

  1. Sound Over Pounds: Survey Finds Two Out Of Three People Cut Their Workout Short Or Ditch It Completely Without Headphones
  2. 認識耳朵 – 歡迎光臨林口長庚耳鼻喉部
  3. Let’s Get Physical: The Psychology of Effective Workout Music
所有討論 4
鳥苷三磷酸 (PanSci Promo)_96
155 篇文章 ・ 269 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia