Loading [MathJax]/extensions/tex2jax.js

1

24
6

文字

分享

1
24
6

左右腦的理性與感性是真的嗎?兩個腦半球到底是怎麼分工進擊的?──《打破大腦偽科學》

PanSci_96
・2018/09/19 ・3521字 ・閱讀時間約 7 分鐘 ・SR值 497 ・六年級

-----廣告,請繼續往下閱讀-----

頭殼裡的兩個腦半球

其實我們的頭顱裡真的有兩個腦半球。雖然這聽起來有點瘋狂,但是它們的確有不同的任務,至少某種程度上是分工的。

人類的神經系統幾乎都是成對分佈。圖/wikipedia

首先,我們必須了解,人類的神經系統幾乎都是成對分佈。(給無所不知型的讀者:只有負責管理睡眠及甦醒規律的松果體會單獨出現。)有一條長長的細溝將人的腦子分為兩個半球。要是你以為兩個腦半球是對稱的,那就錯了。

腦半球在人的一生中會不斷調整、適應環境,因而改變了某些位置的形狀。舉例來說,大部分人的語言中樞在左腦(96%的右撇子是如此),且左腦的語言區比對應的右腦語言區稍微大一點。有趣的是,我們腦半球控制的是身體對側,也就是由右腦半球控制左手臂。感官知覺的運作也是同理:左腦半球能感知右手的觸覺。由此可知神經系統的基本原則是:

所有的知覺及運動神經纖維在傳進腦部前會先交叉。這樣的安排應該有它的道理──只是還沒有人知道為什麼而已,連腦科學家也沒有答案。

當然囉,兩個腦半球也不是完全獨立運作的。坊間不少自我提升類書籍在教人們如何「將兩個腦半球連接得更好」,我可以跟你拍胸脯保證,兩個腦半球不但早就連在一起,而且還藉由胼胝體連接得很好。

-----廣告,請繼續往下閱讀-----
胼胝體(Corpus callosum)位於中央附近,顯示為淺灰色。圖/wikipedia

胼胝體位在腦中央,由厚厚的神經纖維束組成,負責左右大腦半球間的資訊傳輸。這裡的神經纖維分佈真的很密集:胼胝體只有拇指那麼大,但是包含了二點五億條神經纖維。這樣的數量足以讓兩個腦半球好好溝通了。

啊!兩個靈魂住在我腦子裡

如果把胼胝體切斷,分開左右腦半球,會發生什麼事?大家可能會猜想,那是個大災難吧。畢竟胼胝體不只能防止兩個腦半球脫落,也是腦內溝通不可或缺的角色。

某些情況下,比方說對於癲癇患者來說,阻斷胼胝體只是小問題而已。癲癇是某個腦區過度活動,進而擴及了大範圍的腦部區域。為了抑制過度放電的情形擴散得太嚴重,羅傑.斯佩里(Roger Sperry)和邁可.加桑尼加(Michael Gazzaniga)在 60 年代將這類病人的胼胝體切斷。結果發現,病人的腦功能並沒有受到太大的損傷,癲癇的情形也改善了。

研究「裂腦」(split-brain,也就是斷開來的腦半球)的運作方式是否有所不同,是很有趣的。斯佩里和加桑尼加經由一連串巧妙的實驗發現,左右腦半球竟然有某些功能是不一樣的。當主試者在右視野呈現一件物品時(例如橡皮鴨),左腦半球可以辨識出那是什麼物品;由於大部分的人語言中樞在左腦,所以病人也可以正確說出該物品的名稱(「這是一隻橡皮鴨!」)。如果把橡皮鴨放到左視野,影像則由右腦處理,但是因為右腦沒有語言中樞,病人便無法說出該物品的名稱。不過,由於右腦可以控制左手,所以病人可以用這隻手去觸碰橡皮鴨。

-----廣告,請繼續往下閱讀-----
圖/PublicDomainPictures @Pixabay

這聽起來有點奇怪。不過,真正詭異的是接下來的實驗:裂腦病人的兩個腦半球陷入衝突。有個病人試圖用右手穿褲子,自己的左手卻不斷出手阻止。還有病人要用左手觸摸太太,右手卻出手制止。

這一連串的實驗指出,左右腦半球處理資訊的方式不同。就神經生物學的角度來看,這真是個迷人的發現;科普界更是趨之若鶩:左右腦半球大不同、感官感知沒問題卻無法唸出名稱的病人、下意識的行為相互衝突──好像我們的頭殼裡真的住了兩個靈魂一樣。

對那些似是而非的偽科學詮釋而言,這點正中下懷。乾脆直接把特定的人格特質歸咎於特定的腦半球不就好了?如果右腦比較擅長辨識整體的樣式和畫圖(事實上也沒錯),何不把創意活動全都包給「右腦」?結果就是:我們以為人類有一個擅長邏輯思考、能言善道,且大權在握的左腦,還有一個可憐的右腦,雖然懂得整體思考又有同理心,但是卻經常受到壓迫。

完全胡言的創意與邏輯分工

嚴謹的神經科學朝這個方向做了一些初步研究之後,很快就跟這種無稽之談劃清了界線。儘管想以現代的造影技術來觀察腦部活動並不容易(我想前幾章已經講得夠多了),不過功能性磁振造影術在此處卻十分管用。尤其是針對「右腦有創意,左腦懂邏輯分析」這個最受歡迎的迷思。完全是一派胡言!千萬別相信書籍上的這類主張,更別相信書中所承諾的,只要運用某些技巧就可以活化右腦,達到整體創意思考的效果。

-----廣告,請繼續往下閱讀-----
想像自己在跳古典華爾滋和想像自由發揮的舞蹈,兩者腦部活化的模式不同。圖/pixabay

神經科學家什麼都研究,當然也研究當一個人發揮創意、想像自己在房間裡即興翩翩起舞時的腦部活化模式。結果可讓人意外了:想像自己在跳古典華爾滋和想像自由發揮的舞蹈,兩者腦部活化的模式不同。

受試者顯示出不同的腦部活動:古典華爾滋的腦部活化範圍沒有自由起舞的大(參加維也納華爾滋舞盛會的人別擔心,雖然你的腦子在跳舞時沒什麼創意,但是可以比較專注於精確的動作,而且抗壓性較高)。除此之外,自由起舞時,兩個腦半球的參與程度不相上下。實驗室裡的創意測驗(除了自由舞蹈、還有要求受試者想出一塊磚頭的各種可能用途等)測的就是這類東西。

受試者的任務不同,活化的腦區也會有所變化:有時在右腦,有時在左腦,有時是統整情緒的地方(如杏仁核),有時是控制動作的區域(如小腦),端看被賦予的創意任務而定,例如,自由起舞當然會和語言測驗不同。事實上,科學家沒有發現任何腦區是所謂的創意中樞,左腦裡沒有,右腦也沒有。之前提過的前額葉皮質(在額頭部位),幾乎在執行每個任務時都會活化──但這也沒什麼好大驚小怪的,因為這個區域負責調節注意力。如果要用創意解決問題,人勢必得集中注意力。

左右腦迷思造成的誤會,在此原形畢露:是人們言過其實,把事情搞混了。雖然有幾個具體功能特別集中在某個腦半球,但這並不能拿來解釋所有的人格特質。沒錯,語言中樞大都在左腦,但是右腦也負責了語言的音律。兩邊腦半球彼此合作,共同完成整顆腦的功能。

-----廣告,請繼續往下閱讀-----

就連常被歸入左腦的數學思考能力,也是如此。某個腦區是所謂的「數學中樞」這種說法顯然根本不成立。藉由功能性磁振造影術,我們可以清楚看見,兩個腦半球合作得愈密切,數學問題解得愈好。如果只活化單側(大家信以為真的專司數理邏輯的左腦),並沒有辦法解決艱難的邏輯問題。所以啦,「藝術的右腦和數理的左腦」其實是無稽之談

即使是左右半球,仍是時時交流

腦部運作並不是老夫老妻各自考慮再討論,而是各個組成分子即時、持續地彼此交流。圖/pexels

偏好左腦或偏好右腦思考、將人分為「左腦型」及「右腦型」的說法,同樣也是瞎扯。有科學家研究了一千個人的腦部活動,發現很少有神經網絡會集中在單一個腦半球(如負責產生語言的布羅卡區)。大部分的實驗任務都需要兩個腦半球的不同腦區合力完成,而且有些腦區還相距甚遠。右腦型、左腦型和前腦型或後腦型一樣沒有意義。很顯然,腦子活動時並不是活化兩個「腦模組」,而是不同腦區之間的資訊交換──經過連接兩個腦半球的胼胝體。

有時候,也會有人拿「老夫老妻」來比喻左右腦半球的關係:隨著時間累積,左右腦就像幸福的夫婦,分工處理人生中的大小事。做決定時,一個比較衝動直接,另一個比較懂得邏輯分析,兩人彼此互補,共創所謂的「關係有機體」。這個有機體由兩種觀點組合而成,只要彼此間溝通順暢,就會構成一個天衣無縫的團隊。

然而,腦子的運作並非如此。儘管左右腦半球各有其專精的處理歷程(例如語言或空間方面),但只要胼胝體沒有被切除,它們就是整個網絡的一部分。所有資訊同時進入腦中,被分開處理,又隨時不斷整合,最終出現我們稱為「思想」的東西,並且產生行為。

-----廣告,請繼續往下閱讀-----

腦部運作並不是老夫老妻那種先各自考慮再討論的模式(或者床頭吵床尾和,但是還是各持己見),而是單一器官的各個組成分子即時、持續地彼此交流。

 

本文摘自泛科學九月選書《打破大腦偽科學:右腦不會比左腦更有創意,男生的方向感也不會比女生好》,如果出版,2018 年 8 月出版。

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

0
0

文字

分享

0
0
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。

鳥苷三磷酸 (PanSci Promo)_96
225 篇文章 ・ 313 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

0

21
0

文字

分享

0
21
0
看世界有深度又會算數,小雞怎麼這麼聰明?——《雞冠天下》
左岸文化_96
・2020/06/25 ・2824字 ・閱讀時間約 5 分鐘 ・SR值 488 ・五年級

  • 作者/安德魯・勞勒 (Andrew Lawler);譯者/吳建龍
  • 瓦洛帝嘉拉為義大利神經科學家,以雞為研究對象,透過實驗發現人類與雞有著許多共同特徵。

義大利的阿爾卑斯山麓有個城鎮叫羅韋雷托,瓦洛帝嘉拉的研究室就位於該城鎮一處 16 世紀的女修道院地窖內。會面時,瓦洛帝嘉拉身穿淺藍襯衫搭配絲質領帶,看起來衣冠楚楚。

他是在羅韋雷托出生的,當時第二次世界大戰剛結束十多年,義大利還很貧窮,牲畜是村民賴以為生的命脈。「沒有雞就沒有蛋」他說道,而沒有雞跟蛋往往意味著要挨餓。當他還小的時候,就對動物如何看待這個世界充滿好奇。

「沒有雞就沒有蛋」。此為示意圖,並非研究雞。圖/pixabay

自從 17 世紀法國哲學家笛卡爾斷言動物缺乏心靈、理性與靈魂以來,關於「動物具有類似於人類心智能力」的這個想法就一直存在爭議。他指出,動物可藉由聲音來表達憤怒、恐懼或是飢餓,但牠們不會說話,因而缺乏「內心獨白」(inner voice,又稱內心言語),而這正是人類思維的基礎。

-----廣告,請繼續往下閱讀-----

他的名言「我思故我在」,或許更適合改為「我說故我在」。動物也許能夠感受到疼痛或歡愉(「我不否認動物擁有感覺」,他寫道),但牠們缺乏更進一步的覺察或認知等人類具有的特質。自此,哲學家、科學家、宗教人士和動物保護人士便針對這一點爭辯不休。

雞所看見的世界,色彩繽紛

瓦洛帝嘉拉等神經科學家們著手收集動物知覺的相關確切資料,至今他們已經發現,雞在看待世界的深度和細節要比人類深入、豐富得多。

哺乳類最初是夜行性動物,以躲避像是喜歡在白天活動的恐龍等獵食者;鳥類則偏好陽光,因此擁有較為發達的彩色視覺。紅原雞有著鮮豔的紅、藍、綠羽色,但在這種鳥的眼中,牠們所看到的卻是眩目耀眼、擴展到紫外光譜的色彩組合,超出了人類肉眼的辨色力。

擁有鮮豔羽毛的紅原雞。圖/wikimedia

-----廣告,請繼續往下閱讀-----

雞的雙眼也有各自的用途,牠們可讓一隻眼睛盯著某個物體(比如:可能的食物)但同時讓另一隻眼留意獵食者的動靜。這就能說明為何雞的頭會出現奇怪的突然抽動了。

人們曾經認為雞的優異視覺是由於缺乏嗅覺所產生的感官補償,不過最近有支團隊對一群家雞進行研究,發現把大象和羚羊糞便放在牠們周圍時,牠們不為所動,但如果換成野狗跟老虎的糞便,牠們便會開始警戒並停止進食。

雞跟人類一樣較為依賴視覺而非嗅覺,可是牠們確實能夠嗅出危險的氣味。雞還能回想起人類和雞的面容,並依據先前的經驗對該個體做出反應。比方說,當一隻公雞看到心儀的母雞時,公雞體內的精子生產量便會突然增加。

科學家們曾對「雞隻具有精密複雜的溝通方式」這一觀點嗤之以鼻。「就算雞的世界有一套語法系統」認知心理學家大衛.普雷馬克在 1970 年代寫道「牠們也沒有什麼有趣的可說。」在那之後,有位德國語言學家得出這樣的結論,他認為所有的雞隻都有大約 30 種不同的聲音,可個別對應到特定的具體行為。例如,雞會用不同的叫聲來表達獵食者是從地面或是由空中襲來。

-----廣告,請繼續往下閱讀-----

小雞其實很聰明,看看雞的厲害!

瓦洛帝嘉拉之所以會以雞為研究對象,主要是因為牠們不貴,耐受性高,而且容易飼養。大部分的鳥類跟哺乳類一樣,得投入大量精力養育幼雛,但是雞在破殼之後,就具有高度自理能力,而且在外界環境影響其行為之前就能參與實驗。

在這個古老修道院地窖內的研究團隊是由七名博士生及多位碩士生所組成,他們穿著橘鞋及白色實驗衣,在狹窄但燈光明亮的走廊上忙進忙出,儘管如此,這裡還是有一股地牢的氣息。瓦洛帝嘉拉先帶我去一間昏暗溫暖的房間,裡面全是已受精的雞蛋,這些蛋不久就會成為實驗的對象。

實驗焦點是放在「子代銘印」,這是指剛孵出的小雞會讓自己依附到牠們所看見的第一個移動物體。

小雞破殼而出後,記下第一眼見到的銘印物。圖/pixabay

研究人員會把一些特定的物體拿給新生小雞看,比如紅色圓柱體,然後把小雞放在透明圍欄中,再設置兩片不透明的擋板,把該圓柱體藏在其中一片擋板後方。接著,遮蔽透明圍欄,一分鐘後,讓小雞自己去選擋板。小雞第一次嘗試就能找到那個銘印的物體,說明牠們具有相當好的記憶力。

-----廣告,請繼續往下閱讀-----

在另一個實驗裡,圓柱體會被擋板完全擋住,而一旁的擋板則有不同的高度或寬度,可以露出一部分的物體。在這實驗中,小雞每次都選了把圓柱體隱藏起來的擋板,這是瓦洛帝嘉拉稱為「某種直覺物理」的徵象。

雞還會做加減運算。

小雞也會計算數量?圖/giphy

研究者讓一隻小雞看一個一樣的圓柱體,然後放在一片擋板後方,之後又把幾個相同的圓柱體放在另一片擋板後面,這隻小雞會走向藏比較多個圓柱體的那片擋板。如果研究者把一個圓柱體從一片擋板移到另一片的後方去,使第二片擋板後面有比較多的圓柱體,這時雞就會走到第二片擋板。

另一項實驗中,六個相同的容器沿著圓弧線放置,每個容器跟小雞都是等距的,但其中只有一個容器裡面有放飼料,之後就讓小雞去找出有飼料的容器。接下來把有飼料的容器跟其他容器調換位置後,小雞仍然能夠選對容器。

-----廣告,請繼續往下閱讀-----

瓦洛帝嘉拉和研究同仁最近還發現,雞的大腦左右葉各不相同,這點長久以來一直被認為是人類獨具的屬性。我們大腦的左半球掌控著語言,這是讓笛卡爾深信人類之所以有別於其他生物的工具,而右半球則讓我們在周遭人物和環境中可以定位自己。

雞的大腦左右葉也各不相同?圖/giphy

研究人員把發育中的雞胚胎左眼遮住,再讓右眼朝向蛋殼。在接近孵化的最後三天,將胚胎右眼暴露在光源下,從而削弱這隻雞的視覺處理能力。當牠孵化後,讓牠面向混著榖物的小圓石,此時正常發育的雛雞左腦能夠辨別哪些是榖物哪些是石子,但被動過手腳的小雞則無法分辨這兩種物體。

雞可以用左右大腦半球執行不同的任務,此外,瓦洛帝嘉拉認為,牠們還能分辨出有生命和無生命的物體。另一個實驗中,研究者讓小雞看隨機排列的光點,以及模擬母雞、貓或其他動物走動的光點。無一例外地,小雞總是偏愛模仿動物運動的光點,即便光點排列跟母雞的形象不同也無妨。

正常的人類嬰兒在兩天大時也能做出這種區別,但許多自閉症兒童和青少年卻沒辦法。瓦洛帝嘉拉的團隊正在研究這種自閉症的症狀是否跟理解生物動作的本能有關。藉由確切找出哪些基因在小雞認知生物動作的過程中實際參與運作,他希望這可以讓我們了解自閉症患者中可能出問題的機制,從而踏出治療自閉症的第一步。

-----廣告,請繼續往下閱讀-----

——本文摘自《雞冠天下:一部自然史,雞如何壯闊世界,和人類共創文明》,2020 年 3 月,左岸文化

-----廣告,請繼續往下閱讀-----
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
1

文字

分享

0
1
1
不管鞋子是什麼顏色,你既不是右腦人,也不是左腦人
Aaron H._96
・2019/05/11 ・1569字 ・閱讀時間約 3 分鐘 ・SR值 520 ・七年級

在你決定打開臉書,宣告你看到的是粉紅/白,或是灰/綠色之前,想讓你知道:不管你看到甚麼顏色,這都跟你是左腦人或右腦人無關。

不管看到灰/綠或是粉紅/白,都不能證明你是右腦人或左腦人。

什麼?不是都說左腦掌管理性與邏輯,右腦掌管感性與創意嗎?

事實上,左右腦理論從未被神經科學界證實,近來也有許多研究證明了左右腦的運作,根本就不存在這樣明確的分界。左右腦理論可以說是完全過時且沒有科學實證的理論。

-----廣告,請繼續往下閱讀-----

左右腦理論的起源

左右腦理論最早可以追溯到大約 1953 年左右,與諾貝爾獎得主羅傑·斯佩里醫師(Roger W. Sperry)的研究有關。我們現在已知人類的大腦有左右大腦半球之外,中間還有相互連結的胼胝體,作為左右大腦溝通的橋樑。但在羅傑·斯佩里醫師的時代,左右大腦半球相互溝通的機制還非常神秘。

現在我們已經知道人類大腦有左右大腦半球之分,中間有胼胝體(紅色)作為連結兩者的溝通橋樑。 圖/Corpus callosum. Image by Life Science Databases (LSDB) / CC BY-SA 2.1 JP

當時羅傑·斯佩里醫師相當著迷於 一種叫做「眼間信號轉移」的現象。這個現象會先請受試者將一隻眼睛遮起來,用單眼學會某個新的動作,然後再切換到另外一隻眼睛,受試者一樣能夠立刻學會這個動作。羅傑·斯佩里醫師試著將貓的胼胝體切斷後,並對調了貓的左右視神經,嘗試將貓的眼睛遮起來後,教會貓咪分辨三角形與方形。羅傑·斯佩里醫師發現隨著遮住的眼睛不同,左眼和右眼似乎可以學會完全不同的技能(例如:在一堆三角形中辨識方形,而另外一隻眼睛可以學會在一堆方形中辨識三角形,彼此互不干擾)。

另外羅傑·斯佩里醫師也在這個著名的「裂腦實驗」中,發現切斷胼胝體,也許能夠協助治療癲癇患者。癲癇患者大發作的時候,腦部錯誤的放電,會四處發散,透過胼胝體的傳導,影響另一個大腦半球。羅傑·斯佩里醫師認為,如果提前將患者的胼胝體切斷,自然能阻止電波的傳遞,將電波影響的範圍縮小,控制病情。事後羅傑·斯佩里醫師與他的團隊也做了許多接受裂腦手術的自願者,在語言、運動、感覺等各方面的試驗,徹底改變了人們對於大腦與行為的理解,也因此獲得諾貝爾獎。

-----廣告,請繼續往下閱讀-----

雖然這些接受裂腦手術的患者,癲癇的狀況獲得控制,但隨之而來,也產生許多其他的問題。由於缺乏了胼胝體,左右腦無法相互協調。常常會出現「右手在扣釦子,左手在解扣子」的情形。病人的運動、語言等功能更受到無可復原的改變,生活品質大受影響。

而裂腦實驗的結果,也從大腦的不同區域可能有不同功能,到被誤解為「左腦處理語言,右腦處理藝術」,形成左右腦理論,甚至是各種心理測驗等,被瘋狂地在商業、心理、教育等領域過份誇張地渲染,被錯誤地推導成各種未經證實的理論。

  • 以語言為例,左右大腦處理語言的區域分布極為複雜,並非完全由左大腦主管。

人類多半時間都是全腦人

近年來,由於影像科技的發展,科學家已經可以透過 fMRI或腦波等工具去探索大腦的功能。結果發現,不僅是語言功能、運動功能甚至是更複雜的創意發想能力、藝術天分等等,幾乎都是左右大腦共同相互協作的結果。無論是在神經科學、心理學或是解剖學等領域,都沒有證據支持左右優勢半腦的說法。沒有誰是完全的左腦人或右腦人,人類多半時間都是「全腦人」。

至於有些人會看到特定顏色組合,有些人甚至可以再這樣的顏色組合中切換,很多時候是眼睛接受顏色、亮度的差異,是因為每個人感知顏色的能力不同、大腦受到周邊環境影響,解釋視覺訊號的結果不同,也跟左右腦的運用沒有關係。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----