Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

只聞其聲不見其狼也沒關係!狼嚎與公民科學研究——《意外的守護者》

左岸文化_96
・2018/05/17 ・4725字 ・閱讀時間約 9 分鐘 ・SR值 524 ・七年級

source:Public Domain Pictures

儘管郊狼 (Canis latrans)的蹤影難得一見,但牠們的聲音倒是讓人聽來十分熟悉。

晚上的嚎叫完全不會讓人認為牠們身處邊緣地帶,相反地,狼嚎傳遍大地,頓時之間吞噬整個夜空,充填整個空間。我們住的地方離地方上的消防隊大約有一、兩公里遠,當火災警報響起時,不可避免地會聽到高亢的警報聲。在緊急警報所發出刺耳的機械聲裡,牠們似乎能從中辨認出什麼,激發喊叫的本能。

幾年前,一個冬日的下午,我丈夫穿著他的雪鞋,走上我們屋後山上的草地。才穿過一條古老鹿徑的松林,這個寂靜的下午就足以讓他幻想自己是一人獨立於天地間。但是,在他穿過田野之際,消防隊的警笛響起,片刻之後郊狼也開始放聲大叫,聲音似乎就從他所在位置不遠的地方傳來。

source:skeeze

我不知道郊狼到底在回應什麼,是否牠們有某些本能,讓其意識到,在這樣聽來悲傷而且毫無意義的訊息交換中,牠們正在回應的是另外一個物種。又或者,牠們只是在回應這個牠們聽來熟悉的聲音。最有可能的解釋是,警笛的鳴聲提醒牠們劃設自己的領地,廣播自己的狀態,宣布自己和其所佔領的一方土地。

-----廣告,請繼續往下閱讀-----

兩種完全不同的警報系統,以一種陰森恐怖的語調來相互呼應,這就是一種交流,扣問著為何我們意圖向未知回應,無論是在探尋熟悉的,還是只是出於好奇心。這兩者之間以其特有的方式呼應,突然而自發的互動。

用「狼嚎」追蹤和研究狼群

生物學家有時會使用這種警報器的聲音來追蹤郊狼族群。

在愛達荷州和蒙大拿州的偏遠地區,科學家用一種稱做「嚎箱」(Howlbox)的設備來尋覓郊狼族群。這套配備有一個揚聲錄音系統,能夠編排並播放出電子狼嚎聲,引起這區域的郊狼回應。分析聲音頻率的頻譜技術讓科學家得以區分各種反應,幫助他們計算狼群數量,最終有助於狼群的長期管理。

圖/youtube

郊狼不會和狼一樣進行和聲;牠們的音調較高,而且小家庭的組合讓音波的範圍更為多樣。牠們的發聲可分成十一種基本的聲音,從叫喊、狂吠、咆哮、哀鳴、嗚咽到低鳴都有。但是這些詞彙加總起來也不足以形容實際上從夜晚的樹林中傳出來的聲音。

-----廣告,請繼續往下閱讀-----

我想,這應當是一種賦格,甚或是詠嘆調。但是,這些說法還是不夠正確。而且這些聲音的功能也充滿多樣性,有呼喊伴侶、呼喚小狼、宣告領土、建立支配權、歡迎以及警告。

聆聽動物發出的聲音時,我試著要更為警覺,更加注意在聲音的層次上。聲音可以顯露出發聲位置的狀況,四月上午的春雨樹蟾,十一月風吹落葉刮在草地上的颼颼聲,一月時河面上冰裂時所傳出的那份震耳欲聾的崩裂聲。大地上的一切動靜,正如任何一個認真的觀鳥者都知道的,全都可以透過聲音顯露出來。

圖/flickr

梭羅沒有蓄養動物,只聽到「屋頂和地板下有松鼠,屋頂脊樑上有隻三聲夜鷹,冠藍鴉在窗外尖叫,屋子下方可能有隻野兔或旱獺,屋後可能有隻鳴角鴞或長耳鴞,池塘裡有一群野雁或是大肆鳴唱的潛鳥,以及夜間有隻狐狸在嚎叫。」

聲音之所以能讓我們定位自己的所在,也許是因為聽覺有其獨特之處,比起視覺,這和記憶的關係更為密切。聲音匯集在大腦的一些感官區中,比起視覺,聽覺的聯結更為原始,結合起來會迅速產生意像。這就是為什麼你可以記住幾個月或幾年前所聽到的話語,回憶起當時的腔調和節奏,發出一樣的音頻和音準,乃至於從中找到新的意義;或者是,聽一首長久以來遭到遺忘的一段音樂,可以在眼前瞬間展開你過去的生命。

-----廣告,請繼續往下閱讀-----

當然,自然界的聲音會觸發古老的恐懼和樂趣。即使是到今天,傾聽與大地景觀之間的連結之所以仍然很重要的原因,可能只是因為我們最原始的爬蟲腦區依舊保留著祖先在大草原上學會的保命知識,知道要如何趨吉避兇,而這些經常是透過聲音來理解的。鳥類驟然靜止,安靜下來,正是遭受威脅和混亂的信號,而鳥鳴之所以能取悅我們,也是因為這帶來一份安心的感覺。

圖/Twitter

伯尼.克勞斯是位音景專家,他著有《偉大的動物交響樂團》一書,當中提到透過聲音可建構出風景,他還提出「區位假說」(niche hypothesis),推測在一特定棲地中,其聲音多樣性可代表此處生態的健康狀態。克勞斯認為,長時間下來,鳥類和動物界的發聲方式不斷演化,每個棲地的聽覺信號在整個更大的音景之中自有其居所,而這些生物體所組成的大型交響樂團,全都經過精確的校正,能夠保證當中每個樂手的福祉。

無論是交配鳴叫、預警信號、宣示領土或是因為痛苦和不適而發出的叫喊,生物的聲音都有助於確保其生存。雖然這一切仍然還是謎團,不過郊狼喊叫的細微差別,讓我覺得這樣的假設有可能是真的。

我不太能清楚區別何時狂吠轉變成叫喊,或是咆哮轉為低鳴,我只能確定,某聲音是恐懼和慾望的聚合,或是在歡迎聲中又參雜有警告的意味。狂叫之中帶有哀鳴,這些聲音的差異相互混雜後,進入我的耳中,牠們的對談從輕輕的問候轉換到主權的宣示,而這其中,只有幾個音符的差別而已。當我向凱斯提出這些問題時,他只是說:「在野外是很難判斷聲音的。」

-----廣告,請繼續往下閱讀-----

我想他的話很有道理。也許,想要瞭解、理解、破解乃至於建立一套這些聲音的目錄,以及建立這些聲音和其所表達的意圖之間的連結,對人來說是件再自然不過的事情。

如果只花幾秒就用APP分析出狼嚎背後隱藏的訊息就簡單了。圖/flickr

人類想要確切的答案,這驅使每當我們的好奇心被觸發時,我們就會求助於iPhone和Android。但解釋郊狼的喊聲並不是一個不確定性的問題,而是一個毫無頭緒的問題。這些聲音出現在莫名地帶,凱斯直言不諱的回答,只是讓我明白,在我們的生活中,也有無法回答的事情。

此外,這些喊叫聲的頻率,會讓人產生錯覺,誤以為郊狼在遙遠的地方。聽牠們的喊聲,很容易專注在聲音和意圖之間那些令人難以捉摸的關聯,反而錯過某個轉音,錯失整段聲音的意思。

在牠們的重複和迴聲之中,兩、三隻郊狼在喊叫時,聽起來像是有二十來隻,以某種遙遠聲音的持續推進,來宣示牠們的存在。這是牠們發聲的另一個招數,一旦開始叫喊,就會產生一種數量不斷加倍的效應,從兩倍、三倍乃至於四倍。然而,儘管喊叫是集體的行為,但這依舊是一曲孤獨的配樂,而這種模糊曖昧的狀態,似乎就是牠們所傳達的基本訊息:

-----廣告,請繼續往下閱讀-----

你是單獨的,但不是完全孤單的。

source:Pixabay

這支郊狼合唱團,不知是動用什麼技巧,竟能夠同時傳達出這兩種訊息。

害怕或是共生?狼與人之間的關係

在二十一世紀的今天,我們很少在動物領域中尋找祖先過去經常看到的那些圖騰。引起我們興趣的,往往是關於動物的科學,而不是這些動物的精神世界。

就算沒親眼見過郊狼,仍可在神話和傳說裡一窺其蹤跡。圖/pixnio

但我想郊狼也許是例外;在神話和傳說裡,郊狼和人類有悠久的交會傳統,將人與牠們相提並論的衝動也許還沒有完全消失,總是想要在牠們的狡詐、詭計、獨立性、孤獨的野性或是任何其他我們賦予給牠們的特點中尋找什麼。

就是因為太和人類親近,怪不得小女孩都沒發現奶奶變成狼了(誤)。圖/wikipedia

二○○八年一項針對郊狼和人類在農村地區互動的研究,就在我家的正南方進行,這項研究發現,儘管大多數居民都曾感受到郊狼的存在(不是在院子裡看到,就是聽到牠們的喊叫),他們多半認為自己是獨自一人與郊狼照面,並判定鄰居對郊狼一無所知,或是沒有意識到牠們的存在。看來,人似乎想要將我們自己與這種動物的交會想像成是一私密、獨特的發生。基於某種莫名的原因,郊狼的孤獨性似乎融入在我們對牠的經驗與理解中。

-----廣告,請繼續往下閱讀-----

這個區域的郊狼偏好在山上建立自己的領地,但是這裡的南邊已經少有農村,牠們開始適應人群。來去無蹤已不再是牠們特有的標記,三不五時就有人看到牠們跳進郊區的高爾夫球場,甚至進入曼哈頓市區,直抵中央公園閒逛,不然就是在翠貝卡(Tribeca)那裡疾跑而過。雖然這有部分原因是來自於棲地喪失,以及對人類的熟悉度與日俱增,也有人猜測,美東郊狼與家犬雜交有助於促進牠們發展出與人類親近的習性。

每年春夏,常常都會聽到牠們攻擊居家寵物,牠們突如其來的身影也嚇壞不少在庭院裡玩耍的孩子。郊狼在人類周遭建立起的舒適圈,對人來說卻構成了一種威脅,專家建議要讓牠們對人類養成恐懼的習慣,若是牠們進入庭院,可以敲打鍋子來嚇唬牠們,或是扔石頭或棍棒之類的,再不然就是以其他方式驅離。這樣的論點發展到極端,則是主張狩獵和捕捉,這樣可以保持牠們對人類天生的恐懼感,說到底,這可能是保護牠們最有效的手段。

威斯切斯特郡的地理位置。圖/wikipedia

二○○六年一項對威斯切斯特郡郊狼的研究,以公民科學的方式來繪製牠們的棲地地圖,並記錄牠們與周圍的人類互動。這項以自發性的形式來進行的調查,請學童記錄是否有看到或聽到郊狼,以及其地點。不出所料,居住在林地與草地附近的人家表示聽到與看到牠們的比例遠高於都會化程度較高的區域。

負責協調管理這項研究計畫的是紐約貝德福德的米亞納斯河峽谷保護區的生物學家馬克.偉克爾,當我打電話問他關於參與這項調查的家庭的情況時,他告訴我,在這個郡的北邊,農村較多,農戶的面積較大,當地人比較習慣看到野生動物,那裡的居民通常不會把郊狼看成是一個問題。反觀在郡的南方,主要是都會區和郊區,那裡的人對郊狼比較不熟悉,通常還是會一直抱持戒慎恐懼的心態,而郊狼也會不斷打擾當地居民。

-----廣告,請繼續往下閱讀-----

偉克爾希望透過這類研究,比如說他目前手上的這項計畫,讓野生動物專家妥善管理郊狼族群,同時也幫助在地居民學習如何適應這個逐漸在郊區浮現的新景觀。正如在報告中他所下的結論:

在威斯切斯特郡這類郊區,郊狼的未來不僅取決於我們對城市郊狼生態學的理解,也要看地主是否願意與這群頂級掠食者分享其後院。我們採用公民收集的數據,以此來詳加描繪這批在社區中的新興捕食者的輪廓,這是管理人類與野生動物潛在衝突的先決條件,也讓屋主得以衡量自身的風險。

長久以來,科學研究常遭到不夠透明的批評,藉此讓公眾充分利用,其目的本就是在服務大眾……公民科學試圖讓利益相關者加入知識建構的過程,希望藉由這一步,讓利益相關者對身邊的環境問題更為積極地參與。

 

 

本文摘自泛科學 2018 年 6 月選書《意外的守護者:公民科學的反思》,左岸文化出版。

-----廣告,請繼續往下閱讀-----
文章難易度
左岸文化_96
39 篇文章 ・ 11 位粉絲
左岸的出版旨趣側重歷史(文明史、政治史、戰爭史、人物史、物質史、醫療史、科學史)、政治時事(中國因素及其周邊,以及左岸專長的獨裁者)、社會學與人類學田野(大賣場、國會、工廠、清潔隊、農漁村、部落、精神病院,哪裡都可以去)、科學普通讀物(數學和演化生物學在這裡,心理諮商和精神分析也在這裡)。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

1

1
1

文字

分享

1
1
1
2020 年公民科學事件簿:#長新冠(#Long Covid)
A.H._96
・2023/10/20 ・5564字 ・閱讀時間約 11 分鐘

通過患者主導的研究和患者主導的行動主義,
患者似乎正在編寫第一本關於長新冠的教科書

(Amali Lokugamage, 2020 而後被世衛總幹事引用1

時空回到 2020 年 5 月下旬,台灣的新冠疫情頭條新聞是國內新冠肺炎疫情趨緩,連續超過一個月沒有本土確診病例,然而全球確診數卻已衝破 500 萬大關 2。那是台灣全民和網路社群每日為 +0 歡欣鼓舞的日子,清零台灣很難想像其他國家在疫情狂飆下的生活樣貌。

全球大部分國家在封城與疫情無法控制的脈絡下,原本防疫科學辭典裡沒有的名詞,在 2020 年春季歐美英語使用者的網路社群中漸漸流傳開來。由於網路社群媒體允許患者在封鎖與身體狀態不佳的限制下,在網路社群中相互尋找和資訊交流,產生共鳴與共識進而發展出一個共通術語,也就是我們現在熟知的「長新冠(Long COVID)」或國內較不熟悉的另一個相似詞「長途運輸者(Long-hauler)/長途運輸的新冠 (long-haul COVID) 3」。

我們現在知道的「長新冠」已不是網路世界中的虛擬事件,而是科學家和國際組織認定的「科學物件 (scientific object)」。世界衛生組織正式定義:新冠後症狀(Post COVID-19 condition ),簡稱長新冠(Long COVID) 是指在初次感染新冠病毒三個月後繼續或出現新症狀,症狀持續至少兩個月,無法用其他診斷來解釋的病症 4。長新冠患者的發病率也從早期研究的 10%,20% 至近期《自然》期刊《科學報告》5 所敘述的 30-60% 。此篇論文主要提出感染新冠兩年後仍對免疫系統造成不良影響,再次令人不僅感嘆新冠的長尾還真是長,不過我們關注的焦點是論文中的這段敘述:

“有趣的是「長新冠」一詞是由倫敦大學考古學家艾爾莎・佩雷戈(Elsa Perego)在推特上推廣來自患者創造的術語而興起的。”

圖一:網路社群廣用的主題標籤來描述或分享長新冠資訊。圖/作者提供

這個來自 2020 年春天「患者創造的術語」, 2021 年 10 月 6 日世衛公布長新冠的正式定義,雖然使用的是「新冠後症狀(post COVID-19 condition)」,但長新冠仍是最通用的術語。在今年(2023)的 7 月 31 日美國衛生與公眾服務部(Health and Human Service, HHS)宣布正式成立「長新冠研究與實務辦公室 (the Office of Long COVID Research and Practice)」,同時也啟動了長新冠的臨床試驗 6。這場網路社群的公眾參與科學論述理念,由下而上的草根運動,進而引起廣泛群眾社會良知並驅動科學家研究,最後促成相關政策組織的成立過程,即是社會學家所稱的「公民科學(citizen science)」7

-----廣告,請繼續往下閱讀-----

那麼我們不禁好奇,這一切是如何開始的?

現在若按照世衛的「長新冠」定義,感染三個月後持續二個月症狀合計至少五個月的病程,那麼文獻上 2020 年 5 月這個時間點,反應了歐美國家初期大規模感染後,累積一定數量患者在確診後「理論上康復」但卻持續有各種症狀困擾的情形。當時各國的衛生當局和醫療機構尚未認識到新冠感染造成長期後遺症的可能性,而世衛最初資訊亦表示新冠輕症感染者的病程平均持續兩周。

佩雷戈在 2020 年 5 月 20 日(英國時間)是目前文獻上記載最早的長新冠推文,後續網路社群媒體陸續出現如圖一所標示與長新冠有關的主題標籤。佩雷戈與其他科學家 2020 年 9 月發表了一封公開信,標題是「為什麼我們需要患者所提出的『長新冠』術語」,說明長新冠一詞強調了當時輕症卻持續超過二周以上的多種後遺症,這個術語有助於認識新冠發病機制本身具有特異性,而術語本身的簡單性和力量則有助於在全球範圍內爭取公平認可,並確保公眾在接觸新冠風險時,瞭解感染的潛在長期影響 8

圖二:2020 年自 5 月起長新冠公民科學形成的過程。圖/作者提供
註:長新冠公民科學的發展並非完全線性的發展,其中多種面相是重疊的。
(點圖放大)

圖二摘要描述 2020 年自 5 月起長新冠公民科學形成的過程,主要依據佩雷戈與英國格拉斯哥大學人文地理學教授菲麗西蒂・卡拉德(Felicity Callard)、英國劍橋、牛津等大學研究學者梅洛迪・特納(Melody Turner)等人記錄這場 2020 年公民科學發展過程的三篇論文 9, 10, 11

以 2020 年自 5 月的第一條推文,推特社群與其他網路媒體(如臉書、 Slack 和 WhatsApp 社群)快速構建,並在此過程中引入了長新冠作為一種社會條件,導致在短短的三個月內被世衛確認長新冠為一種醫療狀況:世衛國際疾病分類(International Classification of Diseases 11th Revision, ICD-11)正式定義長新冠為新冠後症狀,圖二最後以《自然》期刊編輯於該年 10 月發表的公開呼籲做結:「長新冠:讓患者協助定義長新冠症狀」副標題:長新冠症狀的術語以及康復的定義必須納入患者的觀點。

-----廣告,請繼續往下閱讀-----

「從一條相當不起眼的推文(引入了一個新的主題標籤,最初只被『點讚』一次),在短短三個月內轉變為世衛使用的詞」佩雷戈回憶說明, #longcovid 的使用呈指數級增長。一週內從社群媒體轉向印刷媒體,短短一個月醫學期刊從討論、呼籲、科學家開始下定義、到「長新冠」的引號在主流媒體與科學期刊內容消失,直接使用長新冠一詞,三個月後 2020 年 8 月 21 日在世衛新冠技術負責人瑪麗亞・范克爾霍夫 (Maria Van Kerkhove)聯繫英國的長新冠 SOS 組織(LongCovidSOS)了解宣導者要求後,世衛組織總幹事在線上會議與長新冠宣導者討論這一個疾病。

患者症狀故事:新冠不只影響肺部

佩雷戈與卡拉德指出,長新冠患者在網路社群的公民運動中通過與其他經歷長期後遺症患者集體分享而出現,提供了後來科學的新知,其貢獻包括:口頭、書面、視覺敘述、證詞和論點以及宣傳和政策干預,對傳統科學提出了挑戰,例如在大流行初期的新冠公眾資訊傳遞過程中僅限對肺部影響的討論,長新冠網路社群則協助擴大範圍。

2020 年 4 月一篇廣為流傳的推文,而後經由報紙專欄強調這位患者的後遺症「純粹是胃部症狀」而不是肺部系統,其他患者的多重器官後遺症則陸續在各種平台上,各自分享自身的醫學檢查,要求醫療單位進行更深入調查並向傳統研究團體致電等。現在這些「症狀故事」已在許多科學期刊的出版物中得到驗證,換言之,這些患者不僅提供了早期複雜的症狀,更有助於修正新冠損害的範圍,強調了需要關注所有潛在的面相,並提供有關疾病的機制和治療方法的假設。

新冠不只影響肺部,有位患者的後遺症純粹是胃部症狀。
圖/pexels

特納等人 2023 年發表的研究,在論文中提到是特納本人經歷長新冠症狀後與其他研究人員著手展開的。她反思自己的經歷如何影響她的研究,並質疑患者如何以及為何能在各種醫療機構前識別出長新冠,進而質疑傳統實證醫學的過程。他們蒐集整理 3 萬多筆帶有 #longcovid 和 #longhauler 標籤推文,進一步語意分析 974 條推文內容中的關鍵字後歸納指出:推特使用者最初將長新冠描述為一種無情、多器官、致殘的疾病,卻也因當時公眾和醫療機構缺乏認知,這些推特使用者面臨著恥辱和歧視的不公平待遇。但這些長新冠的早期推特使用者,後來被研究記錄為長新冠最初經歷的科學實證者,藉由此次的集體社會運動 (collective social movement)對長新冠患者的醫療保健需求建立共識。

-----廣告,請繼續往下閱讀-----

同時另一個推特標籤 #researchrehabrecognition (#研究康復認知)也引起了世衛總幹事譚德賽的注意,最後承認長新冠問題並力促解決,特納等人解釋,長新冠患者賦予疾病經歷的含義在很大程度上被理解為有價值的知識形式,可以更全面地認識和治療病情及其影響,這些公民知識通過塑造臨床醫生與患者討論診斷的方式來直接影響臨床實踐,提高了就治療方案和任何建議的生活方式改變達成共識的能力。

長新冠公民運動:衛生服務部門的具體回應

佩雷戈與卡拉德提到的另一個網路社群運動也使得英國政府不得不採取具體行動。 2020 年 7 月,患有長新冠的英國南安普敦大學公共衛生教授尼斯林・阿爾萬(Nisreen Alwan)發起了社群媒體活動「#計算長新冠(#CountLongCovid)」,強調迫切需要正確的康復病例定義、收集數據的標準化方法以及大量基於人群的樣本資料,呼籲政府全面收集監測長新冠。

9 月,網友結合「六個月前」脈絡在推特上集合紛紛留下個人長新冠前後的對比故事。現在我們可藉由應用程式 Thread Reader App 將此推文串合併,一窺當時網路社群如何串連長新冠的個人經歷 12。 2020 年底英國國家統計局公布,「長新冠」監測數據,證實了真實患病率可能比以前認為的要高得多、患者症狀持續三個月或更長時間 13

另外針對兒童和青少年的長新冠症狀, 2020 年的 #兒童長新冠(#LongCovidKids)運動亦促成了英國國會跨黨派國會新冠小組(All-Party Parliamentary Group on Coronavirus in the UK)在 2021 年 1 月舉行的兒童長新冠公聽會,今(2023)年 2 月 16 日世衛也公布了兒童和青少年版長新冠的正式定義 14

-----廣告,請繼續往下閱讀-----
世界衛生組織也公布了兒童和青少年版長新冠的正式定義。
圖/unsplash

特納等人綜合歸納 #longcovid 推文標籤的六個主題:

  1. 個人長期恢復
  2. 看不見的疾病,例如考慮最初對長新冠缺乏認識可能是一種孤立和無形的體驗
  3. 意外族群,如參與者對觀察結果表示驚訝和擔憂,許多長新冠患者很年輕而且以前「身體健康」
  4. 通過量化進行驗證,如對疫情統計資料和醫療系統有限投入的憂慮,強調最初兩週的定義的不足,要求通過監測計算患者發病率來了解病情
  5. 支持和研究的需要,如推特使用者擔心由於知識的缺乏,醫療機構可能無法充分提供醫療保健服務或投資長新冠的研究,因此使用 #researchrehabrecognition,最後獲得世衛的重視
  6. 衛生服務部門的認可

如推文中參與者評論醫療機構如何逐漸意識到長新冠與受到官方醫療保健的認同,如當時的美國首席醫療顧問安東尼・福奇以及世衛譚德塞,從而創造了衛生服務部門的具體行動以及為社會和科學新的認識契機。

網路社群媒體的開放性

網路社群在 2020 年經歷了所謂的醫療煤氣燈(medical gaslighting)效應,當他們處於科學對長新冠不確定性的大環境時,經常覺得被敷衍或誤診,就像是 1944 年經典電影《煤氣燈下》(Gaslight)明明房間裡煤氣燈忽明忽暗,但影片中的老公卻堅持一切正常,這些求助無門的人們,經歷許多令人沮喪的醫療保健挫折,藉由網路群眾的長新冠公民運動,將確診後揮之不去的各種後遺症和醫療狀況與具有相同經歷的人們聯繫起來,以尋求資訊、支持和認可,最終獲得了疾病的驗證和社會的支援 15

當他們處於科學對長新冠不確定性的大環境時,經常覺得被敷衍或誤診。
圖/pexels

特納等人分析推特如何促進集體社會運動的形成社會共識,通過社群媒體的公開和開放的系統,推特的社交網絡使得以前互不相干的使用者能夠分享這些情緒、資訊與交換知識,從普通公民、醫生、科學家到世衛總幹事等知名人士。推特與其他社交網站(如臉書和 Slack )使用方法不同,後者的長新冠社群多是封閉群組,限制公開分享;推特則在長新冠的推文中具有「去中心化」的特性:如沒有單一的意見領袖、使用者間訊息自由流動等。

-----廣告,請繼續往下閱讀-----

例如推特使用者廣泛分享了 #research 、 #rehabilitation 和 #recognition 等單獨術語。 最終,使用者將這三個術語合併成 #researchrehabrecognition ,此標籤的演變展示了集體決策的過程,旨在挑戰長新冠患者由最初缺乏醫療認可和醫療保健規定而面臨的公民知識需求和認可狀態。

長新冠患者的知識因民眾直接地發起參與研究自己或社區、社群的環境和健康危害,提高學界醫界對新冠的新認識,知識從患者通過媒體傳播到正規的臨床和衛生政策管道,就像特納等人的分析,長新冠從一種看不見的疾病轉變為一種公認的疾病。

這些網路社群推文積極的行動,達成的集體共識足以令人信服地向包括世衛在內的醫療機構證明,儘管缺乏傳統的實證醫學,但長新冠是一種真實的疾病。一群網路公民在 2020 年集體編寫了第一本關於長新冠的教科書,此刻我們見證了網路社群的群眾力量,不僅促成了現實世界的真實變化,確保對醫療保健供應的認可,也揭開了科學研究的新序幕。

  1. Lokugamage A, Rayner C, Simpson F, Carayon L. We have heard your message about long covid and we will act, says WHO. The BMJ. Published September 3, 2020. ↩︎
  2. Yahoo News:國際新冠肺炎疫情還在燒 全球確診數破 500 萬大關 ↩︎
  3. 目前已知「長途運輸者」在佩雷戈論文中引用來自 2020 年 6 月的推文:「長途運輸新冠戰士」的患者召集人艾咪・沃森(Amy Watson) ,她從她接受測試時戴的卡車司機帽子中衍生出來:https://twitter.com/katemeredithp/status/1277316840453267456 ↩︎
  4. WHO:https://www.who.int/europe/news-room/fact-sheets/item/post-covid-19-condition ↩︎
  5. López-Hernández, Y., Monárrez-Espino, J., López, D.A.G. et al. The plasma metabolome of long COVID patients two years after infection. Sci Rep 13, 12420 (2023) ↩︎
  6. HHS News: https://www.hhs.gov/about/news/2023/07/31/hhs-announces-formation-office-long-covid-research-practice-launch-long-covid-clinical-trials-through-recover-initiative.html ↩︎
  7. 泛科學、左岸文化 (2018/05/17),什麼是公民科學?誰是公民科學家? ↩︎
  8. Perego, Elisa, et al. “Why the patient-made term ‘long covid’ is needed.” Wellcome Open Research 5.224 (2020): 224. ↩︎
  9. Callard, Felicity, and Elisa Perego. “How and why patients made Long Covid.” Social science & medicine 268 (2021): 113426 ↩︎
  10. Perego, Elisa, and Felicity Callard. “Patient-made Long Covid changed COVID-19 (and the production of science, too).” (Feb. 2021) ↩︎
  11. Turner, Melody, et al. “The# longcovid revolution: A reflexive thematic analysis.” Social Science & Medicine (2023): 116130. ↩︎
  12. Thread Reader App#計算長新冠(#CountLongCovid)與“六個月前”結合的網頁: https://threadreaderapp.com/convos/1308678318821199872 ↩︎
  13. 英國獨立報 The Independent (16 December 2020) ,https://www.independent.co.uk/news/health/coronavirus-long-covid-ons-data-b1774821.html ↩︎
  14. WHO:A clinical case definition for post COVID-19 condition in children and adolescents by expert consensus, 16 February 2023 ↩︎
  15. Russell, David, et al. “Support amid uncertainty: Long COVID illness experiences and the role of online communities.” SSM-Qualitative Research in Health 2 (2022): 100177 ↩︎
-----廣告,請繼續往下閱讀-----
所有討論 1

0

6
2

文字

分享

0
6
2
十萬年灰狼DNA,替狗的起源帶來什麼啟示?
寒波_96
・2022/07/29 ・4108字 ・閱讀時間約 8 分鐘

由化石、遺骸等材料獲取古代 DNA,是探索生物遺傳史的利器。2022 年一篇論文報告大量古代狼的基因組,探討狼群的變遷。

狗源自於狼,對古代狼的研究,是否也能釐清狗在哪兒馴化?盡管這項研究沒有提供直接的明確答案,依然帶來有用的線索。

未滿 2.3 萬年的狼,血緣主要源自西伯利亞

中文稱之為「狼」的動物有好幾款,狗的祖先是灰狼(grey wolf,學名 Canis lupus),主要住在北美洲,以及歐亞大陸靠北邊的區域,歐洲、中東、中亞、北亞、東亞。這項研究獲得 66 個新的古代基因組,加上之前發表過一共 72 個,覆蓋率介於 0.02 到 13。

最古老的樣本距今約 10 萬年,大部分地點位於歐洲、西伯利亞的東北部、北美洲。獲得每一個地區,不同年代的大批樣本,便能比較狼在不同時間、空間的血緣變化。

-----廣告,請繼續往下閱讀-----

不同地區一直都有狼,假如各地的狼不太交流,那麼每一個地區的狼,遺傳上都會更接近同一地區,更早與更晚的狼,和其他地區的同類差異較大。然而比對得知,狼的血緣主要取決於時代,而非地點。

比方說歐洲 1 萬年前的狼,和 1 萬年前的美洲同類比較近,卻和 3 萬年前的歐洲狼比較疏遠。由此推論,古代各地狼群間的遺傳流動應該非常頻繁,沒有某地狼群孤立太久。

取樣位置。以北極點為中心的視角,歐洲、西伯利亞、北美洲環繞在外,和台灣一般習慣的地圖視角很不一樣。圖/參考資料 1

最明確的案例發生在距今 2.3 到 2.8 萬年前。比 2.3 萬年更晚的狼,和比 2.8 萬年更早的狼,遺傳上各自形成較近的一群。這是由於源自西伯利亞的血緣,向其他地區單向輸出所致。

晚於 2.3 萬年,各地的狼有很大比例血緣,能追溯到 2 萬多年前的西伯利亞狼群。歐洲古代狼群仍保留 10 到 40% 更早的血緣,沒有被完全取代。等到最近 1 萬年內,歐洲狼群的 DNA 又往西伯利亞、中國流動。

-----廣告,請繼續往下閱讀-----

北美洲換過新血,再度與郊狼混血

相比之下,北美洲早於 2.3 萬年的血緣完全消失不見,徹底換上一批新血,和當地更早的同類可以說是不同的遺傳族群,光憑化石根本無從得知。

歐洲、西伯利亞、北美洲狼群,不同年代的遺傳關係。圖/參考資料 1

北美洲另有一個犬科物種:郊狼(coyote,學名 Canis latrans),和灰狼可以生產後代。兩者遺傳上約在 70 萬年前分家,至少 10 萬年前便陸續有遺傳交流。

北美洲晚於 2.3 萬年的狼,血緣皆能追溯到西伯利亞近期的移民;如今北美洲的狼群,可以視為前述血緣加上 10 到 20% 郊狼的合體。換句話說,北美洲比較早的狼就有郊狼血緣,全滅換過一批以後,很快又與郊狼混血。

北美洲的狼皆配備郊狼成分,而歐亞大陸所有的狼都缺乏,可見狼群向美洲的遷徙是單行道,只有從亞洲向美洲移民,沒有再回來的。

-----廣告,請繼續往下閱讀-----
各時間、空間基因組的遺傳組成。圖/參考資料 1

狼遺傳適應的存在感迅速躍升,比狗狗馴化更早

生物的 DNA 不斷改變,和外界環境互動之下,有些遺傳變異顯得有利,存在感上升。根據論文的分析辦法,在最近 10 萬年狼的基因組上偵測到 24 處遺傳適應。

最強烈的訊號位於第 25 號染色體的 IFT88 基因附近,距今 3 到 4 萬年前間,從 0% 直接躍升為 100%。此一基因和頭骨型態有關,但是不清楚對狼與狗的具體作用。其下游 2.5 Mb 處還偵測到另一個強烈訊號,2 到 4 萬年前間躍升為 100%。

除此之外還有幾處 DNA 變異,於 2 到 4 萬多年前存在感明顯增加。據此判斷在那個時期,各地的狼群有不少遺傳交流。而這些可能有利於狼適應的遺傳變異,狗狗也有配備,推測這些情慾流動的時刻,或許早於狗狗馴化的時間點。

所以狗到底什麼時候馴化的?多年下來也沒有一個很明確的答案,加上新研究的證據還是沒有,但是真相或許已經呼之欲出。

-----廣告,請繼續往下閱讀-----

狗狗馴化真的是超級難題

狗的馴化是個超級難題,不是缺乏證據,而是比起其他馴化生物,狗明明有一大堆證據,卻互相矛盾,無法更加釐清問題。

貓的馴化研究比狗少很多,但是答案清楚很多。圖/npr

每一種馴化生物,都有野生的近親。野生近親中的一群後來衍生出馴化生物,因此馴化生物的直系祖先那一群,在演化樹上會較為接近馴化生物。例如野生的斑貓(Felis silvestris)有 5 個亞種,其中的非洲野貓(Felis silvestris lybica)衍生出馴化貓。

狗的狀況完全不一樣。將狗與狼擺在一塊畫演化樹,所有的狗自成一群,各地狼群也被歸類為另一群,兩群平行。過往通常解釋為:馴化為狗的那群狼已經滅團,所以我們見不到和狗在同一群的狼。

然而,這回加入大批不同時間、空間的古狼以後,狗的直系祖先狼依然不見蹤影。最接近狗狗的是距今 1.3 到 2.3 萬年前的西伯利亞古狼(也就是隨後各地所有狼的祖先),可是牠們們依然不是狗的直系祖先,是平行關系。

-----廣告,請繼續往下閱讀-----

由此推敲,狗狗的直系祖先狼,和西伯利亞古狼在遺傳上應該早於 2.3 萬年前分家,否則演化樹上,狗就會在一群狼的內部。但是應該沒有早太多,因為當時兩者的差異還很有限,比其他地區的狼更小。

一篇尚未正式發表的論文,獲得日本古代灰狼的基因組。演化樹上除了狗一群、狼一群以外,日本狼的位置比所有狼都更接近狗。考量到日本是隔絕於東北亞海外的島,此一發現值得玩味。圖/biorxiv

最初的狗於「東方」馴化?

仔細比較,狗的血緣更接近如今地理上偏歐亞大陸東方的狼,論文藉此推論,狗的馴化應該發生在「東方」,但是具體位置不明。

如今所有的狗,都缺乏早於 2.3 萬年歐洲狼的成分,歐洲為起源地的可能性,幾乎可以排除。而晚於 2.3 萬年的歐洲狼,依然小部分繼承前輩血緣,是牠們與狗差異較多的原因之一。

兩萬多年前發生什麼事呢?距今 1.9 到 2.6 萬年左右,全球進入酷寒的冰河時期,稱為末次冰盛期(Last Glacial Maximum,縮寫 LGM),大幅限縮生物的發展空間。對照狼的演化史,在此之後各地族群都被西伯利亞的狼群取代。

-----廣告,請繼續往下閱讀-----

末次冰盛期之際,各地狼群很可能被切割開來,缺少遺傳交流機會,各自損失慘重,例如北美洲就全面滅團。身為狗狗直系祖先那群狼,或許當時也被孤立,更有機會與人類發生關係,造就馴化狗的契機。受到人擇之後,這支血脈與其他的狼在遺傳上明顯分開。

如果地點不是西伯利亞,大概也在不遠處,我猜是西伯利亞南部、華北、蒙古到中亞一帶。回答狗狗起源這個難題,這兒 2 到 3 萬多年前的化石,或許就保存著夢寐以求的基因組。

東狗血緣(藍色)、西狗血緣(黃色)和現今中東狼的遺傳關係。圖/參考資料 1

狗有兩地狼的血緣,但馴化是一次或兩次?

另一件有意思的發現是,除了上述血脈,狗狗們還具有另一款不同的血緣,遺傳上最接近現代中東到南亞一帶的狼群,姑且稱之為「西狗血緣」。

用敘利亞現代狼作代表,估計 7200 年前中東同一地區的古狗,配備 56% 類似的血緣。這個數字誤差不小,看看就好,但是足以肯定西狗血緣至少在 7200 年前已經存在。

-----廣告,請繼續往下閱讀-----

相較於前述與西伯利亞古狼關係密切的「東狗血緣」,「西狗血緣」來自另一群古狼,牠們不住在歐洲,可能位於中東到南亞一帶,大部份血緣應該也源自 2 萬年前的西伯利亞古狼,只是分家年代晚於東狗血緣。

根據東狗血緣(藍色)、西狗血緣(黃色)表示不同狗狗的遺傳組成。圖/參考資料 1

由此推敲,有批狼在東方變成狗以後,西方或許又發生過一次獨立的馴化,可是也有機會是東方狗到達以後,與當地狼大幅合體。

一個論點是:狗在東邊馴化一次,後來又融入西邊的狼。另一個論點是:狗在東邊、西邊各馴化一次。兩者皆符合目前的證據,隨著後續的 DNA 流動,兩款祖源都成為如今多數狗狗的一部分。

遠離歐亞大陸的新幾內亞唱犬(New Guinea singing dog)、澳洲野犬(dingo),都缺乏西狗血緣;牠們的祖先超過一萬年前便形成獨立遺傳支系,後來某個時刻又渡海抵達新幾內亞、澳洲。

考量這件事,我猜狗只在距今 2.6 萬年以前與過後的幾千年期間,於歐亞大陸偏東邊明確馴化一次,後來再傳播到各地;傳向東南方,新幾內亞唱犬的祖先一直獨立發展,缺乏西狗血緣;傳到歐亞大陸西邊,一萬年內的狗則與當地狼群合體,融入大量西狗血緣。不過目前這只是公堂上的假設。

狗狗的起源與演變,仍需要更多證據才能明確解答。不過這項研究的主角其實是狼,光是這方面獲得的新知便很值得學習。

延伸閱讀

參考資料

  1. Bergström, A., Stanton, D. W., Taron, U. H., Frantz, L., Sinding, M. H. S., Ersmark, E., … & Skoglund, P. (2022). Grey wolf genomic history reveals a dual ancestry of dogs Nature, 1-8.
  2. Ice Age wolf DNA reveals dogs trace ancestry to two separate wolf populations
  3. Ancient wolves give clues to origins of dogs

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-----
寒波_96
193 篇文章 ・ 1090 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》。