0

6
2

文字

分享

0
6
2

曾經有50億鳥口的「旅鴿」,遺傳多樣性卻低得嚇死人?

寒波_96
・2018/01/09 ・4207字 ・閱讀時間約 8 分鐘 ・SR值 555 ・八年級

旅鴿:曾與智人一樣多的鳥類

住在北美洲的旅鴿(passenger pigeon,學名 Ectopistes migratorius)是種非常獨特的鳥,最特殊的是牠們的數量,毫無疑問排名美洲第一,或許也是世界冠軍——全盛時期估計有30到50億。然而,不久前仍如此龐大的族群,竟然已經步向滅亡的命運,1914年以後,世界上就再也沒有旅鴿了。

被獵人們追捕的旅鴿們。source:wikimedia

古代 DNA 近來成為研究滅絕生物的利器,而消失不久、目前仍有不少標本保存在博物館的旅鴿,它的基因組也在其滅絕的一百週年,也就是2014年時被定序發表。這項由台灣學者主導的研究,最驚人的發現是:旅鴿的遺傳多樣性與牠們龐大的鳥口數目,完全不相稱。[1]

通常我們會直覺地認為,某種生物的數目愈多,其遺傳多樣性應該也會愈大;旅鴿可能一度是世界上最多的鳥類,有如此多個體能累積遺傳差異,DNA 多樣性應該會大的嚇死人。可是由基因組看來,旅鴿的遺傳變異反而低的驚人,如果不考量旅鴿的個體數量、單純從他們的DNA序列來估計鳥口的話,估計值只有大約 33 萬左右……對,單位沒有寫錯,但旅鴿實際上至少有 30 億個體啊!

旅鴿的標本。source:wikimedia

為什麼旅鴿的族群很大,遺傳多樣性卻很低?

為什麼旅鴿數量的理論估計與實際情況的落差會這麼巨大呢?影響遺傳多樣性的因素除了個體數目以外,還有何方神秘力量?在2017年發表的論文,提出相當具有啓發性的解釋,讓旅鴿無法累積 DNA 變異的主要因素是:天擇!?[2]

-----廣告,請繼續往下閱讀-----

讓我們來從頭說起:新發表的論文獲得了更多旅鴿的 DNA 序列,包括 2 個新的基因組(加上之前發表的一共有 4 個),以及 41 個粒線體 DNA。除此之外,還定序了旅鴿的近親班尾鴿(band-tailed pigeon,學名 Patagioenas fasciata)的 2 個基因組,一同用於研究旅鴿的遺傳史。

左圖,紅色是旅鴿歷史上分佈的範圍,紫色是班尾鴿分佈的範圍。右圖,旅鴿樣本的取樣位置。圖/取自 ref 2

用 DNA 差異計算出的族群大小稱為「有效族群量(effective population size)」,採用粒線體 DNA 估計的結果是 1300 萬,比之前計算的 33 萬高出不少,不過仍遠遠低於實際上的 30 到 50 億。和班尾鴿比較,更能看出旅鴿反差的驚嚇程度,旅鴿的鳥口遠遠超過這種親戚,基因組的 DNA 多樣性卻只有班尾鴿 2 倍;假如以「有效族群量除以實際族群量」換算,也就是反差愈大、數值愈小,班尾鴿是 0.2,亦即實際鳥口是遺傳估計值的 5 倍,而旅鴿約為 0.0002,足足有 5000 倍之多!

與天擇利害糾葛,沒有中立空間

為何旅鴿的個體變多,卻無法累積相應的遺傳多樣性?我們常常聽到「多樣性大便是好的」,這背後的潛台詞是:多樣性小,代表個體數少,容易近親交配,導致不良後果。但是回頭思考,憑什麼族群個體變多,多樣性也要跟著變大?這是有前提的,那就是新的遺傳變異是中性的,亦即對個體沒有利、也沒有害;在沒有利害關係之下,新突變造成的 DNA 差異能保留在基因組中,因為每隻鳥的突變機率一樣,所以族群中有愈多個體、就會有愈多差異,使得族群整體的遺傳多樣性愈大。

可是實際上,個體間許多遺傳差異並非中性,而是會影響生存與繁殖。這又有兩個可能,一種是有利的,亦即有此變異與沒有此變異的個體相比,會比較有優勢;另一種是有害的,分配到這類變異的鳥比較倒霉,傳承後代的機率較低。以上是路邊過馬路的老爺爺老太太和扶他過馬路的我們都知道的天擇。

-----廣告,請繼續往下閱讀-----

以 DNA 差異來看,牽涉利害關係的天擇多半會降低多樣性:舉例來說,如果單一品牌的市占率上升、或是一個牌子長保穩定優勢,會讓新品牌不易進入,「品牌多樣性」便會下降;相對的,如果大家都不挑品牌、買東西都碼是隨機選擇,那麼當有新品牌進入市場時,我們就多了一個牌子可以挑選、讓品牌多樣性變大,而之後影響其興衰的就只是機率而已了。

在演化上,隨機影響力的正式名詞叫作「遺傳漂變(genetic drift)」,它和非隨機的天擇都會影響 DNA。演化理論預測,比較大的族群中天擇的作用較強;比較小的族群遺傳漂變則較有影響力。旅鴿和班尾鴿相較,兩者多數特徵都差不多,旅鴿族群卻大了很多倍,應該會更強烈被天擇影響。那麼天擇的強大,與旅鴿遺傳多樣性不如預期之間,有關係嗎?

同一條染色體上不同區域,遺傳多樣性竟然不一樣?

分析基因組後觀察到的狀況非常奇妙,不過要解釋起來也很複雜,希望以下文字能正確傳達論文的概念。旅鴿染色體不同的位置,遺傳多樣性有明顯的差別。在同一條染色體的中間,遺傳多樣性普遍較低,而邊緣區域則顯著較高。相比之下,班尾鴿染色體不同區域間,遺傳多樣性的差異程度遠遠不如旅鴿劇烈。

旅鴿基因組上不同區域的 DNA 多樣性卻不一樣,靠近染色體邊緣的範圍較高,中央較低。圖/取自 ref 2

論文指出此一分佈模式,與染色體重組率(recombination rate)的高低一致,鳥類 DNA 重組率低的區域,也就是染色體中央的多樣性也低,重組率高的邊緣,多樣性也比較高 [3]。重組的影響是什麼?根據論文的說法,要與天擇的作用一起看。一個遺傳變異若是有利益糾葛,受到天擇作用時,影響的往往不是只有本身,還包括周圍的 DNA 序列,也就是遺傳學上說的「連鎖」。本身為中性的 DNA 片段,若是鄰居有利也會跟著受益,更容易傳遞下去,反之亦然。

-----廣告,請繼續往下閱讀-----

天擇會消滅差異,除非被重組拯救

在強大天擇力量的影響下,由於遺傳連鎖之故,整段 DNA 都不容易累積差異;就像買 A 牌手機,連帶也會買整套 A 牌週邊配備,壓縮他牌的空間;假如重組率低,連鎖的範圍較大,天擇能影響的範圍也會跟著變大,正是旅鴿染色體中央的狀況。相對的,在基因組中重組率高的區域,比較不受天擇與連鎖的影響,中性變異的生還率高,也就能觀察到族群個體很多之下,遺傳多樣性應有的上升。

旅鴿基因組研究,上了當期《Science》封面。圖/取自《Science》封面

論文還做了一些細緻的分析,對相關議題有興趣的讀者請自行欣賞。跳到結論,不論是有害變異的清除(淨化選汰,purifying selection),或是有利變異的增加(正向選汰,positive selection),旅鴿整個基因組受天擇的影響都更勝班尾鴿。可見族群較大,的確也會有較強的天擇力量。

天擇兩個方向中,吻合淨化選汰特徵的 DNA 變異,比較旅鴿基因組中,重組率不同的區域,不管高低皆有明顯差異,意謂掃蕩有害變異的能力都比較強;但是重組率高的區域內,儘管序列乍看之下符合正向選汰的特徵,論文卻警告,這可能只是染色體重組時 DNA 突變的傾向所致(AT 突變為 GC 的機率更高,影響序列判斷),而非讓有利變異更容易留下的演化力量作用。總之,旅鴿基因組受天擇作用時,顯然也受到重組機率影響。

比較具體的基因方面,旅鴿有 32 個基因疑似受到正向選汰影響,有些基因與免疫、壓力、吃飯消化有關。想來十分合理,鳥口多,大家住在一起也容易得到傳染病,需要較強的免疫力;另外,有人會因為人多而壓力大、感到恐懼,鳥也一樣。

-----廣告,請繼續往下閱讀-----

所以一度繁盛的旅鴿,為何會滅絕?

旅鴿標本。圖/取自本研究新聞稿〈 Passenger pigeon genome shows effects of natural selection in a huge population

個人答案是:不知道,不過應該不單純。已經發表的 2 個論文,對這問題的見解不同。2014 年論文的論點是,旅鴿並非一直這麼多,牠們經歷過多次劇烈的鳥口波動,是導致其滅絕的重要因素。然而新的論文分析指出,過去幾萬年來旅鴿的族群量不斷增加,到 2 萬年前達到高峰,之後就一直保持穩定,直到滅絕,所以波動不像是主因。

用旅鴿粒線體 DNA 推估的遺傳族群數目,近幾萬年來不斷上升,距今 2 萬年前達到高峰。圖/取自 ref 2

新論文的見解是,一度有利的天擇,讓旅鴿族群大增,卻也付出遺傳多樣性嚴重損失的代價,反倒使得環境轉變時,難以適應人類獵捕的壓力而短時間內徹底滅團。不過這個解釋……看起來也就只是另一個解釋,沒有進一步證據。

旅鴿的遺產

曾經能跟智人數目相提並論的旅鴿,消失一百多年。但是藉由研究牠們的 DNA 遺產,我們仍然能得到許多非常有價值的收獲。

一般認知中,族群大,遺傳多樣性也會跟著變高,然而旅鴿卻是極端的反例。對遺傳演化學家而言,即使都學過理論,知道大族群中天擇的作用力量也強,大概也難以想像現實世界中天擇的影響力,在極端龐大的鳥類族群中能如此驚人,強大到甚至會把正常累積的遺傳多樣性,大半排擠掉的境界。

-----廣告,請繼續往下閱讀-----
在論文的附錄中還有許多分析,附錄的圖 S25 修正一些參數後,重新計算 2014 年論文的歷年族群大小變化,與新的分析對照,兩者明顯有異。圖/取自 ref 2

重組率高低會導致基因組不同區域的 DNA 多樣性差異明顯,也告訴我們,探討抽象的演化力量作用時,不可忽略具體分子機制的影響。假如把旅鴿基因組視為一個整體,將無法釐清天擇的影響,而會把大部分區域錯誤地假設為中性演化,造成各種估計結果的偏差。

看完旅鴿的研究,雖然一些舊有認知受到挑戰,大家先別驚慌;也許旅鴿驚人的鳥口,讓牠們成為極端的特例,並非常態。可是回頭想想,遺傳學上大家研究最多,最在意的智人,不也是動物世界中,實際人口遠遠超過遺傳估計值的特例嗎?誰知道研究旅鴿獲得的知識,未來能有多少用於人類?

延伸閱讀:

參考文獻:

-----廣告,請繼續往下閱讀-----

1. Hung, C. M., Shaner, P. J. L., Zink, R. M., Liu, W. C., Chu, T. C., Huang, W. S., & Li, S. H. (2014). Drastic population fluctuations explain the rapid extinction of the passenger pigeon. Proceedings of the National Academy of Sciences, 111(29), 10636-10641.

2. Murray, G. G., Soares, A. E., Novak, B. J., Schaefer, N. K., Cahill, J. A., Baker, A. J., … & Gilbert, M. T. P. (2017). Natural selection shaped the rise and fall of passenger pigeon genomic diversity. Science, 358(6365), 951-954.

3. Ellegren, H. (2010). Evolutionary stasis: the stable chromosomes of birds. Trends in ecology & evolution, 25(5), 283-291.

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-----
文章難易度
寒波_96
193 篇文章 ・ 1066 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》。

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

-----廣告,請繼續往下閱讀-----

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

3
2

文字

分享

0
3
2
誠實面對人類參與的「自然」——太田欽也專訪
顯微觀點_96
・2024/07/11 ・3228字 ・閱讀時間約 6 分鐘

本文轉載自顯微觀點

斑馬魚是最知名的模式生物之一,其基因、型態與發育深受了解,並用於探討深度同源等重要演化生物學問題。但也有科學家提出,演化生物學該持續隨環境演進,並嘗試以新的實驗物種——金魚——探討人類世(Anthropocene)環境下的生物演化。

育種歷史與基因巧合 奠定金魚的演化生物學價值

例如有千年馴化歷史、型態千變萬化的金魚,就相當適合探討人類因素與生物型態演化的關聯。

中研院細生所派駐臨海研究站的演化與發育生物學家太田欽也指出,斑馬魚與金魚兩者的胚胎都可以透過顯微鏡仔細觀察,相對於受精一年後才成熟的金魚,斑馬魚有成熟較快,基因組較為單純等優點,也具備許多現成基因研究工具。

-----廣告,請繼續往下閱讀-----

但斑馬品系間仍以其生理機能與基因為主要差別,對型態差異的演化並未那麼明顯。因為,科學家為了操作基因與細胞特徵而培育斑馬魚,使不同品系的差異大多來自目標明確的基因工程。

金魚型態演化圖。Courtesy of Kinya Ota and Gembu Abe

而金魚的型態變異,則完全來自飼養者對型態的偏好和育種,蘊藏更多元的型態變化與發育差異。其悠長的馴養歷史以及更古老的基因重複(Gene Duplication)機遇,使其值得成為演化發育生物學的新模式生物。研究器材和方法上的調整,則是生物學家展現才智的機會。

太田欽也舉例,「一般的解剖顯微鏡工作距離適合觀察和操作斑馬魚,但是經過我們自己的創意,也改裝出可以對金魚進行顯微手術的器具和適合拍攝的大型解剖顯微鏡。設備上的差異並不難克服。」

金魚胚胎的發育生物學優勢

太田欽也說,現代生物學家以果蠅和微生物育種進行遺傳與演化實驗,擴大時間維度來看,千年來金魚愛好者挑選、強化金魚外觀特徵的過程,可以比擬長時間的人擇實驗。

金魚不僅適合用來觀察人擇壓力如何影響成年生物的型態。太田欽也更想進一步探索,從胚胎階段的差異進行選擇,是否可能改變生物的型態。

-----廣告,請繼續往下閱讀-----

太田欽也提到,人工育種對發育與型態的影響力也展現在其他物種上,例如家犬與鴿子也被培育出許多特殊表型。但是哺乳動物和鳥類的胚胎觀察不易,需要相當高的技術與成本。

相對於動物子宮與鳥類蛋殼內的胚胎,在透明卵囊中發育的半透明金魚胚胎,就是非常容易觀察的研究對象。只要有恰當的複式顯微鏡、解剖顯微鏡和顯微手術能力,金魚的胚胎從受精到孵化都可以全程順利紀錄,而且每次繁殖可以蒐集到上百筆資料。

現代顯微攝影技術搭配容易觀察的金魚胚胎,讓太田欽也可以拍攝清晰影片,在網路上生動地分享發育生物學知識。攝影:楊雅棠

自製影片 盼演化生物學跨過學院圍牆

除了將金魚研究成果發表在 Nature 等科學期刊,太田欽也同時努力當起「Youtuber」。他希望能將演化發育生物學、金魚飼育經驗、臨海研究站的學術特色,甚至是宜蘭的風光,透過網路傳達給大眾。

武漢肺炎導致的漫長隔離,是他學習影音製作的契機。最初他在百無聊賴之下看了大量影片,後來逐漸萌發「我也要拍自己的題材!」的企圖心。開始搜尋拍攝、後製、配樂等網路教學,在隔離的單人房中逐漸進步。

-----廣告,請繼續往下閱讀-----

太田欽也說,拍攝影片最重要的動機是「分享」。他解釋,「科學的頻道不管累積再多追蹤者,例如數十萬人追蹤的 Nature, Science, 觀眾也以科學領域工作者為主。現代知識逐漸朝向『專家』與『外人』的兩極化狀態發展,我不喜歡這樣的社會。」

如同他推進學術研究的方法,他也透過自學、自己組裝基礎設備如空拍機、手機等,在節省開支的情況下拍出了中研院同僚為之驚艷的影片。

太田欽也為臨海研究站拍攝的簡介影片,基本款空拍機呈現了頭城的舒暢美景。

在早已開始的人類世 何謂自然?

太田欽也熱衷以空拍影片介紹宜蘭的郊野與人文,但他對主流輿論的「自然環境」內涵存疑,他認為「自然」早已被人類行為大幅改變。自從農業擴張、工業革命發生,人類對環境與生物的改變程度早已無法恢復「自然原貌」。

他以金魚的馴化過程為例,從宋朝開始的愛好者,透過育種極力凸顯特殊形態,從沒有背鰭的「蛋種」,到眼周水泡足以遮蔽視線的「水泡眼」。都不是基於適應「自然」而進行的育種。

-----廣告,請繼續往下閱讀-----

太田欽也強調,「如果是宋朝或明朝人有今天的生物學工具,以他們的追求珍奇的育種態度,一定會用 CRISPR 編輯金魚基因,製造出更奇特的變異型態。」

他說,這樣的行為會在現代科學圈與社會輿論上遭到反對,「認為動物被修改基因、型態變異很可憐」,但人類採用動物進行藥物實驗或經濟用途時,也並未優先考慮「自然原則」。

太田欽也反問,「若是透過基因編輯技術將金魚修改回類似野生鯽魚的型態,更適應野外環境,這樣算是自然或不自然呢?」

建立科技倫理 而非堅守「自然」想像

他指出,金魚的馴化與育種反映著東亞社會的自然觀念,不同於西方基督教倫理的「人統御、保護自然」意識形態。可以促進人們反思,人類也身在其中的「自然」的標準是什麼?而非執著於保護想像中的自然「原狀」。

太田欽也強調,「本質化『自然』、建構一個保守不變的形象,不會幫助人們了解生物學。」

他認為,宋朝人、明朝人的自然觀念與今日不同;甚至現代人常引用的「道法自然」倡議者老子,他所提倡的自然,與現代許多人想像、意圖恢復的也是不同的自然。

背鰭退化、尾鰭倍增的蛋種雙尾金魚,是古代貴族最青眼有加的奇特型態之一。作者:清 馬文麟 來源:國立故宮博物院

太田欽也建言,科學地面對人類因素影響世界各地生態的現實、建立基因科技的社會倫理與規範,都是比恢復建構出的「自然」意象更重要的生物學議題。

-----廣告,請繼續往下閱讀-----

來自日本和歌山縣鄉間的太田欽也說,長期駐守宜蘭頭城的臨海研究站不僅是因為設施與職位,也是因為此處環境與故鄉有幾分神似。

「但我不會說這兩個地方都很『自然』,在人們對我說『這裡很自然!』的時候。」太田欽也無奈地笑說,「想到周遭可以釣起吳郭魚的溪流、被整治疏濬成田園的原洪氾濕地,反而會讓我很疑惑彼此對『自然』的共識。」

1995 年諾貝爾化學獎得主克魯岑(Paul Crutzen)指出,現代已是由人類行為影響地質特性的人類世。此概念引起地質科學界激烈討論,從新石器時代、工業革命到核彈試爆頻繁的 1960 年代都有學者認為是人類世的開端。

最後由國際地層委員會的人類世工作小組投票決定,視第二次世界大戰後、人口與人類活動高速成長的20世紀中葉為人類世起點。

查看原始文章

參考資料

  1. Li IJ, Lee SH, Abe G, Ota KG. Embryonic and postembryonic development of the ornamental twin-tail goldfish. Dev Dyn. 2019 Apr;248(4):251-283.
  2. Abe G, Lee SH, Chang M, Liu SC, Tsai HY, Ota KG. The origin of the bifurcated axial skeletal system in the twin-tail goldfish. Nat Commun. 2014 Feb 25;5:3360.
  3. 太田欽也實驗室

討論功能關閉中。

2

2
1

文字

分享

2
2
1
奠定現代通信基礎的克勞德.香農(Claude Shannon)
數感實驗室_96
・2024/06/06 ・743字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

以前小時候如果調皮不聽話,就會被大人叫去跪算盤,現在的家長家裡沒算盤了,反而會拿出電路板讓小孩跪。

咦?為什麼總是拿算數工具來懲罰小孩呢?

電路板上看似複雜電路板密密麻麻的,是電腦進行邏輯計算的關鍵。這小小的薄片能執行驚人的運算功能,背後的奧秘離不開一位傳奇科學家的貢獻。他不僅奠定了現代通信的基礎,還開創了人工智慧研究,這可不是一般人一生能做到的成就,但克勞德.香農(Claude Shannon)卻一次搞定。

-----廣告,請繼續往下閱讀-----

這位非凡的科學家是如何改變了我們的時代?

他讓我們今天能享受高效的通訊技術和智慧生活。如果你也覺得現在生活離不開手機和電腦,那你應該感謝這位數學和電機工程的天才。

對於 2000 年後出生的人而言,或許覺得用手機傳訊息、用電腦看影片再平常不過。但在 Shannon 出現之前,沒有人能系統性地定義「資訊」和「通訊」。他以其對動手實驗的熱忱,將這些看似無形的概念轉化為實際的理論,為世界帶來了一場資訊革命。

正是因為 Shannon 的卓越貢獻,我們才能享受如此便捷的現代通信技術。他不僅改變了科學的面貌,還深刻地影響了我們的日常生活。

Shannon 的故事也提醒我們,熱愛與好奇心是推動進步的核心力量。他用智慧和創造力,為我們打造現代通信的基礎,並開啟未來的無限可能。

-----廣告,請繼續往下閱讀-----

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

所有討論 2
數感實驗室_96
76 篇文章 ・ 49 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/