0

0
0

文字

分享

0
0
0

剖析霍金的「代言人」:人機如何透過語音互動溝通?

活躍星系核_96
・2018/03/28 ・7723字 ・閱讀時間約 16 分鐘 ・SR值 521 ・七年級
  • 作者/施登騰 中國科技大學互動娛樂設計系主任
史蒂芬・霍金(Stephen Hawking )博士。 圖/Lwp Kommunikáció

今年(2018)年 3 月 14 日傳來史蒂芬・霍金(Stephen Hawking )博士 76 歲長眠的消息,舉世同哀。早上開電腦上網後,看到有更多他的相關消息與回顧,這些熱烈討論從昨天到今天都仍持續不斷著。

霍金的語音代言人

圖/《愛的萬物論》劇照

曾與家人一同欣賞史蒂芬・霍金的傳記電影「愛的萬物論 (The Theory of Everything)」(頗喜歡這中英文片名),不過沒看他的「時間簡史」,只借閱過他親筆自傳《我的人生簡史》。電影透過戲劇呈現霍金博士的生平,算來是個奇特經驗。我們比較熟悉的霍金博士,是那個因罹患漸凍症,後來失去說話能力,需透過電腦語音代言,卻仍不減溝通能力與幽默的霍金博士。當然,電影中也演出了這段經歷,透過電腦語音重拾溝通能力並不簡單。

網路上可以找到霍金博士親自說明,電腦語音如何協助他發言,可以點以下影片聆聽他的熟悉聲音。

還有一個網站提供「霍金聲音生成器 (Stephen Hawking Voice Generator)」。霍金博士在影片中提到,他當時使用的語音合成軟硬體設備,是由「劍橋精益通訊公司(Cambridge Adaptive Communication)」的 David Mason 幫他裝設在電動輪椅後面;使用的是一款名為「Equalizer (等化器)」的軟體,由加州電腦專家華托茲(Walt Woltosz)於 1985 年幫霍金博士研發的,這在他的自傳中也有提到。

這合成的聲音不僅像機器人說話,而且還有美國口音。《Meet the man who lent Stephen Hawking his voice》(將聲音借給霍金的人)這篇報導中,作者 Rachel Kraus 引述雜誌《Wired》的深入報導,寫到這個聲音原屬 Dennis Klatt 這位美國麻省理工的學者,以他自己的聲音透過電腦合成而成。在 80 年,當霍金博士失去口語能力時,找到了 Dennis Klatt 所合作的《DECtalk》公司的語音合成軟體(Speech synthesizer),透過文字輸入方式進行語音合成(Text-to-Speech,TTS)。

霍金親述他是如何透過科技說話溝通的。 圖/〈Stephen Hawking – How is he talking?〉影片。

目前霍金所使用的語音合成軟體《Equalizer》已經提供開源碼,希望能嘉惠更多有需要的人;正式的官方名稱為「Assistive Context-Aware Toolkit (輔助式語意感知工具包)」,適用於有 Windows 7 以後的版本、使用 C# 語言;不支援 Mac 系統。有需要進一步資訊的話, 雜誌《Wired》2015 年 8 月的這篇報導「You Can Now Use Stephen Hawking’s Speech Software For Free」(免費使用霍金用的說話軟體!)會更清楚。

由於漸凍症的緣故,霍金博士除了逐漸失去說話能力;即使電腦語音的拼字輸入方式,也因症狀加劇而逐漸弱化。到了後期,霍金博士甚至需要借助 IR 去偵測臉頰肌肉運動進行輸入控制,使用的是《Words Plus》公司的軟體《EZ Keys》,只要輸入幾個字,前方螢幕會據以顯示候選字句,讓霍金博士以臉頰的微幅動作控制選字句組合,然後再透過 《Equalizer》轉成聲音檔,也就是那個美國口音的機器人聲 。

據 Rachel Kraus 引述雜誌《Wired》報導,霍金博士不僅在《DECtalk》公司進行語音合成軟體升級時,要求使用原聲音檔,甚至後來 Intel 為他建置新的軟體時,還在他的堅持下,找回 Dennis Klatt 的原始聲音檔去進行軟體升級。大家可以欣賞「Master Of The Universe: Stephen Hawking」(宇宙大師:霍金)這部紀錄片,片中 22:10~22:40 這一段就有霍金博士以臉頰動作輸入文字的畫面。

人機互動──語音助理可以做到什麼?

這令人遺憾的新聞確實讓我想到「人機互動 (HCI)」的發展(很抱歉),加上最近跟好友借用了《Amazon Echo》跟《Echo Dot》來玩,常常在早上就使用,會「請」Alexa 服務,說聲「Alexa, Play music.」,Amazon 的語音助理 Alexa,就會幫我播「70 年代電台音樂」,也玩過《Jeopardy 猜謎》,這是 24,000 多個 Alexa Skills(技能)提供的服務(根據 2017.12 數據)。

圖/Amazon

Amazon 也開放 Alexa Skills Kit,歡迎第三方參與開發。iOS 的 Siri 自然我也常用,因為上下班搭車移動中習慣戴耳機,所以都會長按耳機控制鈕呼叫出Siri,要她播音樂或撥電話。但有許多科技報導說得很直白,直接指出 Siri 不僅被遠遠拋在 Amazon Alexa 與 Google Assistant 後面,更不用說相關應用根本跟不上Amazon Alexa Skills 與 Google Me-Too 的第三方應用那樣的快速發展。

也有篇科技新訊提出相關分析,並特別點出三家公司在發展「Voice First Platform」這種新型個人數位服務與應用平台上的顯著差距,或許會成為影響三家公司發展前景的致命關鍵。

Amazon Echo 語音助理裝置。圖/作者拍攝。

替 Siri 配音的人

此外,再談談原音重現。就像霍金博士的語音合成的原音是 Dennis Klatt。iOS Siri 在發音上非常接近自然人聲,而最常用的女音則是 Susan Bennet 的聲音組合的(見下圖),而男聲版本的,可以查到資料的是幫英國 Siri 版配音的 Jon Briggs,他算是 iPhone 4 第一代 Siri 的男聲。

而根據 Susan Bennett 接受訪問的錄音內容「Siri is dying. Long live Susan Bennett,她提到她在2005年接到一個配音委託,當時她不知道這些錄音是做什麼用的,整整花了 1 個月,每天 4 小時去錄許多短句,後來還是同事在 2011 年問她,她才知道是用在 Siri 的人聲語音服務上。只不過 Apple 也未曾正式承認 Susan Bennett 就是 Siri 這個機器人助理的幕後人聲。

但對 Susan 來說,至少 CNN 請了專家鑑定確定,她在 TED 以「Accidentally Famous: The Story Behind the Original Voice of Siri 」為題演講過;但根據報導,Jon Briggs 卻還接到 Apple 電話,被要求不要公開談論他就是 Siri 的男聲,理由就是「不希望 Apple 的數位語音助理被聯想到特定的人」。他們兩位曾同時被訪問過這些特殊經驗,有興趣者可以看這篇訪問稿:「Hey, Siri! Meet the real people behind Apple’s voice-activated assistant」。

siri 的幕後配音員 Susan Bennett 。 圖/Susan Bennett 個人網站

如何讓數位語音助理「聽起來」越來越像人?

那就接續談談在發音上越來越接近人聲的數位語音助理(Digital Voice Assistant)吧!

之前在「The Voice of Museum」這篇分享中(博物館學會網站刊載連結),曾於針對博物館科技應用談到「數位語音助理」與「語音服務」時,有提到如下的內容:

無論是把 Echo、 Siri,、Cortana 稱之為語音助理(Voice Assistant)、虛擬助理(Virtual Assistant)、人工智慧助理(AI Assistant、AI-Powered Virtual Assistant),而且就像「The Surprising Repercussion of Making AI Assistants Sound Human」以及「Why Do So Many Digital Assistants Have Feminine Names」談到的議題,我們對人工智慧科技服務的具體想像,其實不是機器人助理,而是更接近「人」的虛擬助理,無論是在語音對答服務時更像真人的語調,或者是在命名與性別上。

文章中提到所謂的「依存互動 Contingent Interaction」,並引用研究說人類比較能夠對可以來回反應、對話與互動的人事物有所連結。報導也都提出不僅「擬人 Humanlike」是具體目標,兼有個性與實用性(Personality and Utility)的虛擬助理服務也是眾所企求的。

這也讓我想起在智慧博物館《AI 上博物館中,引述 Deeson 廣告公司的科技策略總監 Ronald Ashiri 在文章How Museums Are Using Chatbots》(博物館如何應用聊天機器人),其中的概念「Giving chatbots a face」(賦予聊天機器人個性形貌)。就從上述所分享的實際案例來看,目前的人工智慧發展已讓「想像」逐漸成真。

其中所提的數位語音助理的 Humanlike、擬人化anthropomorphic)傾向,以及命名女性化的特徵,在在顯示了數位助理的研發,是在追求一個全知的 AI 語音助理;或許在具體樣貌上,就會越來越接近電影《鋼鐵人》的人工智慧助理:J.A V.I.S. (Just Another Rather Very Intelligent System的縮寫) 。

圖/《鋼鐵人》劇照 @The Verge

人機互動的溝通:語音轉文字,文字轉語音

前面提到,霍金博士透過軟體《EZ Keys》選擇字句,再由軟體《Equalizer》轉譯成聲音。這種 Text-to-Speech(TTS,文字轉語音)的數位轉譯形式對現在的數位技術來說其實是很簡單的應用,因為已有很多 App 都能支援,即使是逆向工程:Speech-to-Text(STT,語音轉文字),也已經很普及,像是現在手機輸入法中內建的語音輸入法。

特別再提及這點,是因為「文字」與「語音」都是與 AI 數位助理溝通的重要媒介與元素。就如同在《AI 上博物館》與《AI 上互動娛樂設計系》[註1](這兩篇所介紹的許多數位語音應用,博物館與其不同業界所使用的「AI 聊天機器人」,不管是「純簡訊服務類(text messaging service)」、「即時對話服務類 (chatbot conversational service) 」、「問與答諮詢類(Q&A chatbot service)」類;基本上,人機互動都是透過「文字」或/與「語音」溝通。

像 Google 就研發了專屬的「語音合成標記語言」( the Speech Synthesis Markup Language;SSML )技術來支援語音合成應用程式,並操控互動語音系統;使得與 AI 數位語音助理的對話,可以像是跟某人說話互動一樣。

舉兩個實際的應用案例:

Google Story Speaker (互動故事閱讀器)

基本概念是將在網路文件編輯器 《Google Doc 》上所編寫的互動腳本(文字檔),透過 Add-On (附加元件)加入應用程式《Story Speaker》,就可以使用智慧管家《Google Home》或語音助理《Google Assistant》,以語音播放;「文字朗讀功能(TTS)」再加上「語音辨識功能(STT)」,就可以讓《Google Home》成為《Story Speaker》,而且還會在特定段落詢問閱聽者的決定,提供不同路線的故事內容,導引到不同的故事結局。

Google Grilled Murder Mystery(互動偵探角色扮演)

此應用的概念,是讓玩家在這個語音互動應用程式中的謀殺案中扮演偵探的角色,玩家透過訪問四名嫌犯中的每一名去調查餐館老闆的命案的線索,以確定誰才是兇手。此應用程式也使用了 SSML 語音合成標記語言技術,所以玩家就像是透過一位「助理」的協助,進行命案的偵查。

由 Google 開發的人工智慧語音互動遊戲「Grilled Murder Mystery」。 圖/Grilled Murder Mystery

現代人工智慧可以執行什麼任務?

所以無論與語音助理之間的溝通,是透過 TTS 或 STT 形式,在未來,透過人工智慧、自然語言處理、機器學習等先進技術的導入,要在現實生活中有 JAVIS 協助打點一切,並提供全知的資訊服務,並非不可能。

語境(Context)」、「語言(Language)」、「推理(Reasoning)」被視為人工智慧的三大挑戰,但如果是要考慮的 AI 數位語音助理之研發應用的話,它們也是機器學習、自然語言處理兩項技術的重大挑戰。

現如今,金融特別是一個全面採用 AI 技術、自動化技術的行業,也就是大家熟悉的 FinTech 趨勢。針對「數據資料導向任務(Data-Driven Task)」的自動化來說,AI 技術已被充分運用了,AI 財經機器人已能自動撰寫處理「基金財務報告 Fund Reporting」、「損益分析報告 Profit & Loss Reports」、「信用管理報告 Credit Management Reporting」、「銷售報告 Sales Reporting」(資料來源)。看來,許多挑戰已隨著應用需求與科技發展,而逐漸被克服。

而我的重點是,人工智慧技術、機器學習模型已經能夠自動判斷文本的結構和含義,像是根據霍金博士輸入的幾個字,自動判斷後提供「選用字句(Candidate Sentence)」,有效減少輸入次數;或者像前面例舉的「互動偵探角色扮演(Grilled Murder Mystery)」此一類型的智慧語音應用。

「全知型」互動對話導覽服務

在 TTS、STT、AI、Machine Learning、NLP 等技術的持續發展,以及典藏資料庫的內容支援下,很期待未來有機會在博物館、商展、展演機構見到「全知型」互動對話導覽服務的出現。

梵谷自畫像。 圖/ The Art Institute of Chicago via Google Arts & Culture

下圖是使用自然語言處理(NLP)技術,利用分析器(Parser)將一段「畫作說明文字」(梵谷自畫像)進行語法分析(Syntactic analysis)的結果。這段「畫作說明文字」在數位處理分析後,由分析器解構成各個詞彙單位,並呈現其結構和含義。語法分析也用來建立樹狀的語法樹(syntax tree),透過中間表述提供詞彙單位串流的語法結構。

該段說明文字如下:

Vincent van Gogh painted his first known self-portrait in 1886, following the model of the 17th-century Dutch artist Rembrandt. But by the time he made this work, a year later, he had clearly shifted his allegiance from the Old Masters to the Parisian avant-garde. Under the influence of Neo-Impressionist color theory, he based this painting on the contrast of complementary colors.

Syntax分析結果見下圖:

語法分析(Syntactic analysis)圖。 圖/作者提供

也就因為這些強大的數位技術支援,我們與機器的「文字」或「語音」互動對話,都能更自然,人工智慧更思考能力,人機互動更接近我們的日常行為。所以數位科技讓因為漸凍症無法言語的霍金博士仍能繼續寫作、演講;相信數位科技也打開了與具有龐大內容的數位語音助理/電腦/資料庫進行深度互動的機會。

WATSON,美術館中的全知數位導覽員

我個人認為的理想數位導覽應用典型,應該是是巴西奧美廣告公司與 IBM 公司合作,於 2017 年 6 月在巴西聖保羅博薩博物館(Pinacoteca do Estado de Sao Paulo) 所推出的數位導覽服務《The Voice of Art / with WASTON》

這個 App 使用的數位語音技術就是由 IBM 研發的《WATSON》。研發團隊為了培養 WATSON 的應答能力,共花了 6 個月時間與西聖保羅州立博物館策展人和研究員合作,以大量的書籍、報導、傳記、訪談、網路資料、影片讓 WATSON 透過機器學習累積對於藝術作品豐富知識與答案,並擴大可對話與提供回覆的範疇,WATSON 就像個全知的數位導覽員。

在「The Voice of Art / with WASTON」的宣傳影片中,研發人員說:

「用預錄的聲音介紹藝術史,並不是真正的互動。」

所以他們花了非常大的努力,希望讓 WASTON 與使用者有更自然的對話。影片中,有位小孩則看著肖像畫,問畫中人物說「你喜歡踢足球嗎?」。我想 WASTON 的確做到了!!!!

小朋友透過導覽器問說:「你喜歡踢足球嗎?」 圖/ADWEEK

文章難易度
活躍星系核_96
756 篇文章 ・ 70 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia


0

1
0

文字

分享

0
1
0

【2021諾貝爾化學獎】化學史的革命性進展:簡單又環保的「不對稱有機催化」

諾貝爾化學獎譯文_96
・2021/10/27 ・5691字 ・閱讀時間約 11 分鐘

本文轉載自諾貝爾化學獎專題系列,原文為《【2021諾貝爾化學獎】他們的工具帶給了建構分子的革命性發展

  • 譯者/曹一允|美國德州農工大學 Karen Wooley 教授指導下取得博士,現於日本萊雅公司進行研究。
  • 譯者/蔡蘊明|台大化學系名譽教授

他們的工具帶給了建構分子的革命性發展

化學家可以透過連接許多小的化學塊材來創造新分子,但控制這些看不見的物質,以所需的方式結合是很困難的。班傑明 • 李斯特(Benjamin List)和大衛 • 麥克米蘭(David MacMillan)獲得了 2021 年諾貝爾化學獎的桂冠,以表彰他們開發了一種新而巧妙的工具來建構分子:有機催化。它的用途包括研發新的藥物,以及使得化學更為環保。

許多行業和研究領域都須依賴化學家建構新功能分子的能力,那些可以是任何在太陽能電池中捕獲光或將能量儲存在電池中的物質,也可以是製造輕便跑鞋或抑制疾病在身體內進展的分子。

然而,如果我們將大自然建造化學物質的能力,與我們自己的能力進行比較,那我們就好像是長期的被困在石器時代一般。大自然的進化產生了令人難以置信的特殊工具,酵素(或稱酶),用於建構賦予生命形態的各種形狀、顏色和功能的分子複合物。最初,當化學家分離出這些化學傑作後,他們只能以崇敬的眼光看著。在他們自己的分子建構工具箱中的錘子和鑿子,顯得愚鈍和不可靠,所以當他們企圖複製大自然的產品時,往往最終會產生許多不需要的副產物。

精細化學的新工具

化學家添加到工具箱中的每一個新工具,都漸漸地提高了他們建構分子的精確度。緩慢但確實地,化學已經由用在石頭上的鑿子發展出許多精細的技藝。這對人類實在大有助益,而其中一些工具已經獲得諾貝爾化學獎的肯定。

獲得 2021 年諾貝爾化學獎的發現,已經將分子的建構拉到一個全新的水平。它不僅使化學更為環保,而且更容易製造不對稱分子。在化學分子的構築過程中,經常會出現一種狀況,就是可以形成兩種分子 —— 就像我們的手一樣 —— 是彼此的鏡像。尤其是在製造藥品時,化學家經常希望只得到這兩個鏡像中的一個,但卻很難找到有效的方法來做到這一點。李斯特和麥克米蘭為此研發出的概念 —— 不對稱有機催化 —— 既簡單又出色。實際上很多人都很納悶,為什麼我們沒有早點想到它。

真的,為什麼呢?這不是一個容易回答的問題,但在我們嘗試之前,需要快速地回顧一下歷史,我們將會定義「催化」(catalysis)和「催化劑」(catalyst)這兩個術語,並為 2021 年的化學諾貝爾獎奠定理解的基礎。

許多分子有兩種異構物存在,其中一種是另一種的鏡像,它們經常對身體產生完全不同的影響。例如,一種版本的檸檬烯分子具有檸檬香味,而其鏡像則聞起來像橘子。圖/諾貝爾獎官網

催化劑加速化學反應

在十九世紀,當化學家開始探索不同化學物質相互反應的方式時,他們有了一些奇怪的發現。例如,如果他們將銀放入含有過氧化氫(H2O2)的燒杯中,過氧化氫會突然開始分解成水(H2O) 和氧氣(O2)。但是促發這個過程的銀,似乎完全不會受到反應的影響。類似的,從發芽的穀物中獲得的一種物質,則可以將澱粉分解成葡萄糖。

1835 年,著名的瑞典化學家貝吉里斯(Jacob Berzelius)開始注意到其中的規律。在皇家瑞典科學院年度報告中,敘述物理和化學的最新進展時,他寫到了一種可以"產生化學活性"的新"力"。他列舉了幾個例子,其中只要有某一種物質的存在,就可讓化學反應發生,並指出這種現像似乎比以前認知的要普遍得多。他認為這種物質具有一種「催化力」,並稱這種現象為「催化作用」。

催化劑產生塑膠、香水和美味的食物

自貝吉里斯時代以來,大量的汗水流過了化學家的吸管,他們已經發現許多種催化劑,可以分解分子或將它們連接在一起。多虧了這些催化劑,他們現在可以開發出我們日常生活中使用的數千種不同的物質,例如藥品、塑膠、香水和食品調味劑。事實是,估計有世界 GDP 總量的 35%,在某種程度上涉及化學催化。

原則上,西元 2000 年之前發現的所有催化劑都屬於以下兩類之一:它們若不是金屬那就是酵素。金屬通常是極好的催化劑,因為它們具有特殊的能力,能在化學反應過程中暫時容納電子或將它們提供給其它分子。這有助於鬆開分子中原子間的鍵結,因此使得尋常時候很強的鍵結可以被打破,形成新的鍵結。

然而,一些金屬催化劑的問題是它們對氧氣和水非常敏感。因此,要使這些試劑正常運作,它們需要一個無氧和無濕氣的環境,而這在大規模的產業界很難實現。此外,許多金屬催化劑都是重金屬,可能對環境有害。

生命的催化劑以驚人的精確度運作

第二種形式的催化劑屬於一些稱為酵素(或酶)的蛋白質。所有的生物都具有數以千計的不同酵素,來驅動生命所必需的化學反應。其中有許多酵素是不對稱催化方面的專家,原則上,總是只生成兩個可能的鏡像中的一個。它們也並肩工作;當一個酵素完成反應時,另一個就會接管。通過這種方式,它們能以驚人的準確度建構複雜的分子,例如膽固醇、葉綠素或稱為番木虌鹼(strychnine)的毒素,它是我們知道的分子中最複雜的物質之一(我們將回到這一點)。

由於酶是如此有效的催化劑,1990 年代的研究人員試圖開發新的酵素變體,以驅動人類所需的化學反應。一個致力於此領域的,是總部設在美國加利福尼亞州南部的斯克里普斯(Scripps)研究所中,由已故的巴爾巴斯三世(Carlos F. Barbas III)所領導的研究小組。李斯特在巴爾巴斯的研究小組中獲得了博士後研究員的職位,此時一個絕妙的想法誕生了,從而導致今年諾貝爾化學獎其中的一項發現。

李斯特跨出了盒外來思考

李斯特在研究催化抗體(catalytic antibodies)。通常情況下,抗體會附著在外來病毒或我們體內的細菌之上,但斯克里普斯的研究人員重新設計了它們,使得它們反而可以驅動化學反應。

在研究催化抗體期間,李斯特開始思考酵素實際上是如何的運作。它們通常是由數百個胺基酸所構成的巨大分子,除了這些胺基酸,很大一部分的酵素也含有能幫助驅動化學反應的金屬。但是 —— 這就是重點 —— 許多酵素在沒有金屬幫助的情況下,也能催化化學反應。此外,反應只是由酶中的一個或幾個單獨的胺基酸所驅動的。李斯特跳脫出盒外所問的問題是:胺基酸是否必須是酶的一部分才能催化一個化學反應?或者一個單獨的胺基酸或其它類似的簡單分子,是否也可以達成同樣的工作?

產生具有革命性的結果

他知道 1970 年代初就有人研究過,用一種名為脯胺酸的胺基酸作為催化劑 —— 但那是 25 多年前的事了。當然,如果脯胺酸真的是一種有效的催化劑,當然有人會繼續研究它吧。

這或多或少是李斯特的想法;他認為沒有人繼續研究這一現像的原因,是發現效果不是特別好。 在沒有任何真正的期待下,他測試了脯胺酸是否可以催化一種「醛醇反應」(aldol reaction),將其中來自兩個不同分子的碳原子結合在一起。這只是一個簡單的嘗試,但令人驚訝的是,它立即奏效。

李斯特確定了自己的未來

通過他的實驗,李斯特不僅證明了脯胺酸是一種有效的催化劑,而且還認為這種胺基酸可以驅動不對稱催化反應。在兩個可能的鏡像產物中,其中的一個比另一個更易生成。

與之前測試脯胺酸作為催化劑的研究人員不同,李斯特了解它可能具有的巨大潛力。與金屬和酵素相比,脯胺酸是一個化學家夢幻的工具。它是一種非常簡單、廉價且環保的分子。當他在 2000 年 2 月發表他的發現時,李斯特將使用有機分子進行的不對稱催化,描述為一個具有很多機會的新穎概念:"這些催化劑的設計和篩選是我們未來的目標之一"。

不過他並不孤單,在加利福尼亞北部的一個實驗室裡,麥克米蘭也在朝著同樣的目標努力。

麥克米蘭將敏感的金屬拋諸腦後

兩年前,麥克米蘭剛從哈佛搬到加州大學伯克萊分校。他在哈佛曾致力於改善使用金屬的不對稱催化反應,那是一個受到許多研究人員關注的領域,但麥克米蘭注意到,為何研究人員開發的催化劑在工業界卻很少使用?他開始思考原因,並認為那是因為敏感的金屬使用起來很困難,而且太貴了。一些金屬催化劑所要求的無氧無濕氣的條件,在實驗室中運作相對簡單,但要在這種條件下進行大規模工業製造是很複雜的。

他的結論是,如果要讓他正在開發的化學工具有用,他需要一個新的思維。所以,當他搬到伯克萊時,他把金屬拋在腦後。

開發了一種型式更簡單的催化劑

取而代之,麥克米蘭開始設計簡單的有機分子 —— 就像金屬一樣 —— 可以暫時提供或容納電子。在這裡,我們需要定義什麼是「有機分子」 —— 簡而言之,那是建構所有生物的分子。他們擁有一個穩定的碳原子骨架,各種活性化學基團可附著在這個碳骨架上,它們通常含有氧、氮、硫或磷。

因此,有機分子是由簡單而常見的元素組成,但是,取決於它們是如何組合在一起的,它們可以具有複雜的性質。麥克米蘭的化學知識使得他認為,若要用有機分子來催化他感興趣的反應,它需要能夠形成一個「亞胺離子」(iminium ion),這個離子包含了一個氮原子,而且對電子具有天生的親和力。

他選擇了幾種具有正確特性的有機分子,然後測試了它們驅動狄耳士-阿德爾(Diels-Alder)反應的能力,化學家用這個反應來建構碳原子環。正如他所期盼並相信的那樣,它們運作得非常出色。其中的一些有機分子,在不對稱催化方面的表現也很突出。在兩個可能的鏡像產物中,其中一個佔了 90% 以上。

麥克米蘭創造了有機催化一詞

當麥克米蘭準備發表他的結果時,他意識到自己發現的催化概念需要一個名字。事實上,研究人員雖早已成功地使用有機小分子催化化學反應,但這些都是個別單獨的例子,沒有人意識到這種方法可以被推廣。

 麥克米蘭希望找到一個術語來描述這個新方法,如此一來其他研究人員就能夠理解,尚有更多有機催化劑仍未被發現。他的選擇是「有機催化」(organocatalysis)。

於 2000 年 1 月,就在李斯特發表他的發現之前,麥克米蘭送出了他在科學期刊上發表的原稿。文章中的引言寫著:

"在此,我們介紹了一種新的有機催化策略,而我們預計這個新策略將適用於一系列的不對稱轉化。"

有機催化應用的蓬勃發展

李斯特和麥克米蘭各自獨立地發現了一個全新的催化概念。從 2000 年至今此領域的發展幾乎可以比擬為淘金熱,其中李斯特和麥克米蘭保持著領先地位。他們設計了大量廉價且穩定的有機催化劑,可用於驅動各式各樣的化學反應。

有機催化劑不僅一般由簡單分子組成,在某些情況下 —— 就像自然界的酵素一樣 —— 它們可以在輸送帶上工作。以前,在化學生產過程中,需要對每個中間產物進行分離和純化,否則副產物的量會太多,這導致了在化學合成的每個步驟中都會有一些物質損失。

有機催化劑的寬容度則比較高,因為相對而言,合成過程中的幾個步驟可以連續進行,這稱為串級反應(cascade reaction),可以減少許多化學合成中的浪費。

番木虌鹼的合成效率提高了 7,000 倍

一個有機催化使分子建構更有效率的例子,是合成天然且極其複雜的番木虌鹼分子。許多人會從謀殺案件小說女王阿加莎・克莉絲蒂(Agatha Christie)的書中認出番木虌鹼。然而,對於化學家來說,番木虌鹼的合成就像一個魔術方塊:一個步驟越少越好的挑戰。

在 1952 年首次合成出番木虌鹼時,需要經過 29 種不同的化學反應步驟,只有 0.0009% 的起始物被轉換成產物,剩下的都浪費掉了。

到了 2011 年,研究人員能夠使用有機催化和串級反應,在僅僅 12 個步驟中建構番木虌鹼分子,生產過程的效率提高了 7,000 倍。

有機催化在藥物生產中最為重要

有機催化對經常需要不對稱催化的藥物研究產生了重大影響。在化學家可以進行不對稱催化之前,許多藥物分子都含有兩個鏡像的異構物。其中一個是有活性的,而另一個可能有時會產生不良的影響。一個災難性的例子是 1960 年代的沙利多邁(thalidomide)醜聞,沙利多邁藥物分子的一個鏡像,導致數千個發育中的人類胚胎產生嚴重畸形。

使用有機催化,研究人員現在可以相對簡單地製造大量不同的不對稱分子。例如,他們能以人工方式來合成具有治療潛力的物質,否則就只能從稀有植物或深海生物中,分離出微量的相同分子進行研究。

在製藥公司,這種方法還用於簡化已知藥物的生產。這方面的例子包括用於治療焦慮和抑鬱的帕羅西汀(paroxetine),以及用於治療呼吸道感染的抗病毒藥物克流感(oseltamivir)。

簡單的構想往往是最難設想的

我們可以很簡單地舉出數千個如何使用有機催化的例子 —— 但為什麼沒有人更早提出這種簡單、綠色且廉價的非對稱催化概念?這個問題有很多答案,其中一個是簡單的構想往往是最難設想的。我們的觀點被這個世界應該運作的模式,先入為主且強烈地遮蔽了,例如只有金屬或酵素才能驅動化學反應的想法。李斯特和麥克米蘭成功地打破了這些先入為主的想法,找到了困擾化學家數十年問題的巧妙解方。因此,有機催化劑才能夠 —— 在此時此刻 —— 為人類帶來莫大的裨益。

參考資料

諾貝爾化學獎譯文_96
952 篇文章 ・ 245 位粉絲
「諾貝爾化學獎專題」系列文章,為臺大化學系名譽教授蔡蘊明等譯者,依諾貝爾化學獎委員會的新聞稿編譯而成。泛科學獲得蔡蘊明老師授權,將多年來的編譯文章收錄於此。 原文請參見:諾貝爾化學獎專題系列
網站更新隱私權聲明
本網站使用 cookie 及其他相關技術分析以確保使用者獲得最佳體驗,通過我們的網站,您確認並同意本網站的隱私權政策更新,了解最新隱私權政策