0

0
0

文字

分享

0
0
0

狗兒會依據處境使用不同的衝突迴避行為

Heiman
・2012/03/08 ・1835字 ・閱讀時間約 3 分鐘 ・SR值 492 ・五年級

-----廣告,請繼續往下閱讀-----

圖片取自維基百科

在一項2010年的匈牙利的人犬關係研究中,研究員發現狗能依據處境,對同一種人類行為作出不同種類的回應。在不同的處境,狗會使用不同的衝突迴避行為回應人類的威脅行為。

社會動物通過群居取得優勢,但也付上群體成員衝突這一代價。因此,一個能在不同處境中避免衝突演變成傷害性攻擊互動的機制是維持一個穩定群體的不二法門。狗的社交遊戲往往容易引發衝突,因為構成遊戲的行為元素包括交配、捕獵、打鬥等互動動作,有可能令玩伴誤解而產生衝突。因此,遊戲訊號是個重要的遊戲特定行為,旨在讓同伴分辨現時互動是否遊戲性的。狗的這些訊號行為也是人類所能觀察到的。先前的研究觀察到人類在人犬遊戲時也有遊戲訊號的行為,而這些人類訊號也是狗所能觀察並了解其意義的。在狗的馴化歷史中,人犬在組成穩定的生活群體時,狗需要解讀人類在人犬互動時的各種行為,選擇繁殖賦與了牠們這種能力。以前的研究確認了這個事實:對著同一陌生人的友善和威脅行為,狗能迅速切換反應。在本文介紹的研究中,研究者進行了更深入的實驗,去調查狗如何在遊戲及非遊戲處境中,面對來自主人和陌生人的友善及威脅行為時如何調整行為。

共有37隻家庭犬參與了實驗。實驗安排了遊戲和非遊戲處境,在遊戲處境中,人類參與者(主人或陌生人)會先和狗玩一分鐘拔河遊戲,然後進行友善接近(用友善的聲線說著話,目光柔和地看著狗的眼睛,挺直身軀以正常速度接近狗)或威脅性接近(不作聲,狠狠瞪著狗,雙手放背後彎身慢慢接近狗)。完成第一次接近,則再玩半分鐘,再作第二次接近(使用和第一次相反的行為),最後以玩一分鐘作結。在兩次接近時,研究員紀錄了狗的邀玩行為(後腳站直前腳向前趴)、眼神迴避行為(撇頭)、發出聲音(吠叫或低吼)、走開、護物行為,並作出評分。

在非遊戲處境中,狗被一條1.5米長的繩栓在樹,人類參與者站在起點,然後進行友善接近或威脅性接近。完成第一次接近,則人犬再回到各自起點,再進行第二次接近(使用和第一次相反的行為),最後人類參與者回到起點並呼喚得到解放的狗過來。在兩次接近時,研究員紀錄了狗的邀玩行為、眼神迴避行為、發出聲音、走開(甚至扯繩)、尋求接觸行為(容許人摸頭甚至搖尾並主動舔人),並作出評分。

-----廣告,請繼續往下閱讀-----

為了不至於給狗過量壓力,接近會在狗展現恐懼或攻擊徵狀時中斷:試了三次仍無法讓眼神迴避的狗望向人類參與者、狗離開人類1.5米、狗吠叫或低吼過4秒、狗意圖攻擊人類(邊吠叫或低吼邊走向人類)、狗作出邀玩行為。

在遊戲處境中,狗對主人和陌生人的反應並無顯著差異。在面對威脅時,跟面對友善接近相比,狗較多進行邀玩行為和發出聲音,並較少出現眼神迴避;走開及護物行為則無顯著差異。

在非遊戲處境中,跟面對主人威脅相比,狗對陌生人威脅作出較多眼神迴避和較少尋求接觸行為;但走開和發出聲音無顯著差異。在面對人類威脅時,邀玩行為極之罕見;跟面對友善接近相比,狗較多發出聲音和作出眼神迴避,並較少尋求接觸;走開則無顯著差異。

比較遊戲處境和非遊戲處境,面對主人威脅時,狗沒有因處境不同而有反應上的顯著差異,牠們都傾向容忍或尋求接觸(容許人類在遊戲處境最後取得玩具和在非遊戲處境摸頭)。但面對阿生人威脅時,狗雖然傾向在遊戲處境中容忍,卻在非遊戲處境中傾向攻擊或迴避(人類無法摸到狗因為狗不斷作眼神迴避或發出聲音或走開)。在遊戲處境面對威脅時,比起在非遊戲處境面對威脅時,狗作出更多邀玩行為。

-----廣告,請繼續往下閱讀-----

研究結果確認了狗靈活切換行為以對應不同對象、不同行為及不同處境的能力,這幫助狗在馴化歷史中適應和人類的共同生活。威脅下的邀玩行為和眼神迴避都是衝突迴避行為的一種,但在不同處境下使用卻有不同效果。一般認為瞪著對方對狗來說是種展示支配地位的儀式,因此意味著敵意。避開眼神接觸是一種迴避這類危險衝突的方法。然而,在遊戲處境下突然出現威脅,這對狗來說是個曖昧不清的社會狀態——到底行為者是否真的有敵意呢?因此狗傾向不作出眼神迴避,而是增加邀玩行為的展示,以確定現在的處境——我們不是正在玩嗎——並意圖引導人類行為變回遊戲行為。

對對象的熟悉程度也影響衝突迴避行為的選擇,保證自己的安撫意圖被認為在緊密有感情的關係中也是種有利的衝突迴避行為,因此研究結果可見到狗比較容忍主人的威脅,容許主人接觸。

在兩個處境的接近程序中表現出邀玩行為的犬隻數目(摘自參考資料所例的原論文)

參考資料:
Győri, B., Gácsi, M. & Miklósi, Á. 2010. Friend or foe: Context dependent sensitivity to human behaviour in dogs. 128, 69-77.

文章難易度
Heiman
16 篇文章 ・ 1 位粉絲
動物科學碩士,主修動物行為及動物福利,喜歡動物行為訓練,亦對動物演化及自然生態互動充滿興趣。學士時代主修動物學及生態學。

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

  • 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

2
0

文字

分享

0
2
0
鑑識故事系列:狗咬狗,滿嘴…mtDNA
胡中行_96
・2023/08/14 ・1957字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

愛犬慘死,兇手逍遙法外。縱然不是每個人都如電影《捍衛任務》的 Johon Wick,身懷絕技,謀求私刑正義;[1]透過科學管道,至少可以討個答案,獲得心靈平靜。義大利某隻母的傑克羅素㹴(Jack Russell Terrier),橫屍寵物旅館的院子,得年 8 歲。犬舍的網子破裂,有向內拉扯的痕跡。寵物旅館老闆養的3隻荷花瓦特犬(Hovawart),嫌疑重大;然而事後到場的獸醫,卻認為野生狐狸或海狸才是罪魁禍首。傑克羅素㹴的主人心有不甘,遂找上波隆那的一所動物疾病預防研究機構(L’Istituto Zooprofilattico Sperimentale della Lombardia e dell’Emilia-Romagna)。[2]

非當事傑克羅素㹴。圖/Oskar Kadaksoo on Unsplash

解剖狗屍

這隻傑克羅素㹴死後,在日均溫 7 °C 的環境,被擱置 18 到 20 個鐘頭。接著於 − 18 °C 的冰庫裡,凍了 1 個月,才被研究機構拖出來驗屍。從外觀看來,牠生前的健康狀況良好。不過,毛皮沾血,且有 14 道 7 至 10 公厘,略呈橢圓,邊緣清楚的咬傷,分佈於頸、肩、胸、肋弓、大腿(照片)和鼠蹊。另外,腰部還有個 10 公分長,2.5 公分寬的大傷口。剝掉狗皮後,可見創傷頗深:左邊頸、胸的肌肉浸潤於血中;胸腔與腹腔內,也有輕微出血;肋間肌、肋膜及腹壁穿孔;並有一根肋骨骨折。綜合以上,牠顯然死於咬傷穿透胸部,[2]使空氣在肋膜腔中累積而壓迫肺臟,[3]所導致的氣胸(pneumothorax)。[2]那麼究竟是什麼動物如此殘暴?

nDNA vs. mtDNA

兇手遺留在死者身上的 DNA,是指認身份的好線索。[2]細胞中的細胞核(nucleus)和粒線體(mitochondria)都含有 DNA,[4]分別簡稱為 nDNAmtDNA,兩者並不相同。以人類為例,前者包含從雙親得來的 2 至 3 萬個基因;後者則有 37 個,主要遺傳自母親。[5]分析 nDNA 的短縱列重複序列(short tandem repeat;STR),也就是一些鑑別度高的小片段;[4]或是單核苷酸多型性(single nucleotide polymorphism;SNP),即DNA序列中單一鹼基的變異,[6]便能辨識個體。[2]

以此案來說,最理想的作法,當然是從㹴犬身上的咬傷取樣,分析 nDNA,再比對兇嫌的樣本。可惜屍體於運送的過程中,大概已經受到汙染,驗了也未必準確。再加上寵物旅館的老闆,絕不可能讓3隻荷花瓦特犬配合調查,這個辦案方向根本毫無希望。[2]

-----廣告,請繼續往下閱讀-----

好在天無絕人之路,數根 5 到 10 公分不等,顏色有深有淺的毛髮,不僅卡在死者的牙縫裡(照片),還纏於腳掌上。它們出現的位置奇怪,長得又跟梗犬的不同,或許正是來自兇手。儘管鑑識採集的毛髮時常不帶毛囊,[2]而髮幹的 nDNA 含量又極低,不過會有相當充足的 mtDNA,[7]可以辨識物種。於是,鑑識人員挑了最長又最完整的 4 根送驗。[2]

死者的腳掌,纏著兇嫌的毛髮。圖/參考資料 2,Figure 3(CC BY 4.0)

狼 vs. 犬

毛髮 mtDNA 分析的結果,顯示其來源非狼即犬,才不是獸醫瞎說的狐狸或海狸。如果進一步由傷口位置,回推攻擊方式,嫌疑範圍又會縮得更小:[2]

(Canis lupus)作為掠食者,攻擊講求效率。最好不太耗費能量,便獵得豐美肉食。特別是遇到傑克羅素㹴,這種小型犬的時候,會朝頸部直接咬死,然後狼吞虎嚥。此外,該寵物旅館附近,沒有狼出沒。[2]

相對地,(Canis lupus familiaris)打起架來,才會全身從頭到尾胡亂咬。好不容易把對方搞癱了,卻放著全屍一口沒吃。因此,本案的兇手應該是中、大型犬,而且當時有機會與死者接觸的,唯有那 3 隻毛髮長度和顏色,與證物完全吻合的荷花瓦特犬。[2]

-----廣告,請繼續往下閱讀-----
非當事荷花瓦特犬。圖/Oxborrow on Wikimedia Commons(Public Domain)

身後貢獻

鑑識團隊完成狗主人託付的任務後,撰文介紹將 mtDNA 的細胞色素 b 基因(cytochrome b gene),放大並定序,最後確認物種的細節。[2]雖然不曉得他們的努力,是否有助司法公道,但是好歹已為學術研究貢獻心力。天下蒼生多少默默無聞,死後被立碑著傳的又有幾個?一隻備受寵愛的傑克羅素㹴,能榮登學術期刊,也算不枉此生。

  

參考資料

  1. John Wick’. IMDb. (Accessed on 02 AUG 2023)
  2. Roccaro M, Bini C, Fais P, et al. (2021) ‘Who killed my dog? Use of forensic genetics to investigate an enigmatic case’. International Journal of Legal Medicine, 135, 387–392.
  3. McKnight CL, Burns B. (15 FEB 2023) ‘Pneumothorax’. In: StatPearls. Treasure Island (FL): StatPearls Publishing.
  4. Department of Emergency Services and Public Protection. ‘Nuclear DNA’. U.S. Connecticut’s Official State Website. (Accessed on 01 AUG 2023)
  5. Storen R, Smith E. (11 JUN 2021) ‘Mitochondrial donation in Australia.’ FlagPost by Parliament of Australia.
  6. Gunter C. (01 AUG 2023) ‘Single Nucleotide Polymorphisms (SNPs)’. U.S. National Human Genome Research Institute.
  7. Tridico SR, Koch S, Michaud A, et al. (2014) ‘Interpreting biological degradative processes acting on mammalian hair in the living and the dead: which ones are taphonomic?’. Proceedings of the Royal Society B, 2812014175520141755.
胡中行_96
169 篇文章 ・ 65 位粉絲
曾任澳洲臨床試驗研究護理師,以及臺、澳劇場工作者。 西澳大學護理碩士、國立台北藝術大學戲劇學士(主修編劇)。邀稿請洽臉書「荒誕遊牧」,謝謝。

1

3
2

文字

分享

1
3
2
狗用來標記地盤,老鼠用來求偶,但人類很可能沒有?神奇的化學分子費洛蒙——《完美歐姆蛋的化學》
日出出版
・2023/01/01 ・1841字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

可以傳染的「興奮感」:費洛蒙

費洛蒙是一種非常大的分子,會從動物體內散發出來並影響其他動物身體的行為。

這種物質當初是在 1959 年由德國生物化學家阿道夫.布特南特(Adolf Butenandt)發現, 這位科學家在二十年前就因為首次合成出性激素而獲得諾貝爾化學獎,說他是化學界的搖滾巨星都還不足以形容他的貢獻。

阿道夫.布特南特首次合成出性激素。圖/wikipedia

他的研究發現,費洛蒙的功能和激素一樣,但是只對附近的相同物種個體有效。

舉例來說,如果動物 A 在動物 B 附近釋放出性費洛蒙,動物 B 的身體會吸收這些分子,整體行為也會受到影響。這其實代表動物 A 具有像丘比特的能力,只不過用的不是箭,而是分子。

基於以上的原因,費洛蒙有時會被稱為「環境激素」(eco-hormone),因為這類分子的運作方式就像是體外的激素。

-----廣告,請繼續往下閱讀-----

和激素相同的是,費洛蒙有各式各樣的結構。有些分子非常小,有些則相當大,不過全都是揮發性分子,這表示分子在特定條件下會輕易蒸發。揮發性物種通常很好辨識,因為會帶有強烈的氣味(像是汽油或去光水)。

汽油帶有強烈的氣味。圖/pixabay

研究人員決定把這種分子命名為費洛蒙(pheromone),是因為字面上的意思是「轉移興奮感」,而這正是費洛蒙的功能。

動物間的費洛蒙功用

強大的費洛蒙分子可以傳送幾種不同主題的訊號給附近的同類,例如食物、安全狀況或者性。舉例來說,螞蟻會在巢穴和食物之間的路徑散發費洛蒙,來通知彼此食物來源在哪裡。

狗在散步時對消防栓撒尿是為了標示自己的領域,這時釋放的就是領域費洛蒙。就連雄鼠也會散發出性相關的費洛蒙來吸引雌鼠,同時也會導致附近的雄鼠變得更有攻擊性。

-----廣告,請繼續往下閱讀-----
狗在散步時對消防栓撒尿是為了標示自己的領域,這時釋放的就是領域費洛蒙。圖/pixabay

那麼人類呢?

人也會散發出任何一種類型的性費洛蒙嗎?

出乎意料的,人類不會散發任何一種形式的性費洛蒙。不過我們自以為有費洛蒙的原因在這裡:1986年,溫尼弗雷德.卡特勒(Winnifred Cutler)發表的研究宣稱,她成功分離出第一種人類性費洛蒙。

在這項研究計畫中,她蒐集、冷凍並解凍來自幾位不同對象的性費洛蒙。一年之後,她將這些分子塗在許多女性受試者的上唇,接著便宣稱她觀察到和大自然的動物類似的結果。

事實上,卡特勒的研究完全是一派胡言。她根本沒有分離出人類性費洛蒙;而只是把奇怪的氣味塗在隨機受試對象的上唇,其中包括——請做好心理準備——腋下的汗水。

-----廣告,請繼續往下閱讀-----

與其說是分離出純費洛蒙,不如說她蒐集的是人流汗時排出的電解質,而且還抹在別人的臉上。

與其說是分離出純費洛蒙,不如說她蒐集的是人流汗時排出的電解質,而且還抹在別人的臉上。圖/pixabay

直到今天,卡特勒的噁心科學研究還流傳在網路上的各個角落,這表示如果有人在 Google 上搜尋「人類性費洛蒙」,就會和得到一堆錯誤資訊。有些研究人員堅信我們總有一天會發現性費洛蒙,不過在這本書出版的當下,科學界尚未找到任何人類性費洛蒙。

一直以來有不少相關研究在執行和重複進行,也盡可能針對各種變數進行調整,而所有的研究團隊都得出相同的結論:二十一世紀的人類大概沒有性費洛蒙。

但人類有史以來就是這樣嗎?如果大多數的其他哺乳類都有性費洛蒙,包括兔子和山羊,為什麼我們沒有?

-----廣告,請繼續往下閱讀-----

答案其實意外簡單:人類學會了溝通。

我們可以用語言(和蠟燭……還有性感內衣……)告訴伴侶我們有興趣滾床單,而雪貂則必須往理想交配對象的方向散發性分子。

——本文摘自《完美歐姆蛋的化學》,2022 年 12 月,日出出版出版,未經同意請勿轉載。

所有討論 1