Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

我們只用了十分之一的腦袋嗎?不,從來都是百分百──《打破大腦偽科學》

PanSci_96
・2018/09/19 ・3736字 ・閱讀時間約 7 分鐘 ・SR值 498 ・六年級

-----廣告,請繼續往下閱讀-----

圖/《LUCY》電影視覺 via imdb

本章要談的是我最愛的腦迷思。如果要頒發「最受歡迎的腦迷思獎」的話,這則絕對是冠軍。你一定也聽說過我們只用了 10%的腦。換句話說,90%的腦閒置在那裡,等著我們去用。想像一下,我們可以一下子將腦功能提高十倍耶!

為了回饋花錢買這本書來看的讀者,我動手搜尋了一下這則謠言的來源。這個說法人盡皆知,想必有個科學根據吧。我瘋狂追查了好幾個月,終於確認:根本沒有可靠的科學來源或研究,也沒有半個像樣的科學家可以證實這個說法。我反而是在一堆心靈成長類書籍裡找到如何完全發揮腦子潛力,輕鬆克服 10%障礙的說法。

現在我們終於找到這個迷思如此根深柢固的原因了,原來是有人在到處散佈謠言!可惜腦完全沒有自衛能力,別人要怎麼搬弄是非都可以,不會受到處罰。再說,要驗算一個人到底用了多少腦容量,也沒有那麼簡單,需要全套的器材和科學操作技術。這些技術幾十年前根本還沒出現,一看就知道腦多麼適合當八卦謠言的題材。

而且,這個想法簡單又迷人。你一定聽過「潛意識」吧!──腦子裡發生的事你渾然不知。所以,我們只用了一小部分的腦工作不是很合理嗎?生活經驗似乎也跟這個說法很吻合:最近我很不幸地不小心看到傍晚的電視節目,當下我真的很希望連續劇裡的主角只用了 10%的腦……

-----廣告,請繼續往下閱讀-----

腦中的背景雜訊

腦科學怎麼看待這個說法呢?從本書的宗旨看來,你應該早就知道了吧:這簡直完全鬼扯!胡說八道!許多研究腦的工具都可以確認這個說法是錯的。

圖/wikipedia

讀本書時,你用到的注意力絕對超過 10%。有許多方法可以來觀察思考中的腦袋,所有的方法都顯示,腦無時無刻不在工作,絕對從來沒有偷懶的 90%

舉功能性磁振造影術(大腦掃描器)為例,我們都知道它靠測量腦部的血流狀況,來判定哪個腦區特別活躍。觀看這些電腦製作出來的血流模式圖時,可以看見某個地方是紅色的,其他地方則是灰灰暗暗的。你可能會以為這就是 90%定理的最佳證據。但是別忘了,其實這些圖是經過數位處理後,才看得到那些細微的血流差異,它們顯示的是「差異」

事實上,所有腦區都在工作,整顆腦的血流量分分秒秒都在變化,每個腦區(內含數以百萬計的神經細胞)的活化狀況一直都在變動。機器測量到的訊號非常複雜,得經過繁複的計算過程,才能辨識出這些測量到的訊號。因神經細胞網絡不停活動而產生的這些背景雜訊,並不侷限在某個區域。所有腦區都在活動,每一個對思考和感覺都很重要。

-----廣告,請繼續往下閱讀-----

腦電波:神經細胞的集合掌聲

圖/wikipedia

除了造影技術,前面所提過的腦波圖也可顯示出,腦子忙得有多麼不可思議。腦波圖不是像測量血流那樣,間接推測神經細胞是否正在活動。繪製腦波圖時,受試者得戴上一頂好笑的帽子,上面裝滿了電極,這些電極會記錄神經細胞發出脈衝時產生的電場。有趣的是,由於神經細胞擁有喜歡聚集在一起的兄弟性格,所以訊號並不是單獨,而是彼此約好同時發送(也就是同步)。這是一件很棒的事,因為這樣產生的電場較大,比較容易從外面測量到。

你一定常聽到人們說,腦電波可以「導電」。聽起來好像很危險。不過這說法並不完全正確。事實上,透過腦波圖,我們可以確定的只有電場變強變弱的過程。令人驚訝的是,這些電場(和震盪)一直都在。不管測量頭部的哪個部位,不管是哪個時間測量,不管當時受試者是在睡覺還是吃冰,神經細胞都是不斷地成群發出脈衝,同步產生電場。

不變的法則是,這些電場的震盪愈慢,注意力就愈低。深睡時,電場每秒變化三次;如果你集中精神專注學習(希望就是你閱讀這段文字的此刻),電場可能每秒變化七十次。但是電場從來不曾消失。所以說,神經細胞會隨時保持活躍,相約好一起傳出脈衝。有趣的是,沒有人知道為何如此,又或者這個同步的過程是如何協調出來的。

圖/wikimedia

它和合唱團演唱美妙的歌曲的狀況不同,合唱團要靠指揮來協調歌唱者的聲波,才能讓原本的背景雜訊轉變成歌聲。然而,腦子裡沒有指揮。神經細胞也不需要指揮,因為它們除了規律地產生脈衝,什麼也不會。如果在培養皿裡培養神經細胞,不出幾個星期的時間,它們就會在沒有接收到任何指令的情況下,開始產生脈衝,完全自動自發。

-----廣告,請繼續往下閱讀-----

當有許多神經細胞並列於腦部時,它們就會開始同步。最好的比喻就是一大群人一起拍手,一開始有點亂,也就是「拍手雜訊」,一旦拍手持續得夠久,節奏就會愈來愈接近──整個過程是自發性、自動組織起來的。腦部的神經細胞也是這樣。即使我們並非有意識地在思考什麼,「神經脈衝的掌聲」(可以說是腦袋裡的背景雜訊)也一直都在持續進行當中。

沒有在節能的:大腦就是個燈火通明的宮殿

就算是剛從床舖起來的露西依舊能量滿滿?圖/imdb

想像一下,如果腦子無時無刻都在工作,所有的細胞也辛勤配合,那麼腦需要很多能量,也就不足為奇了。另一個迷思你一定聽過:休息狀態下,雖然重量只佔全身的 2%,腦部消耗的能量卻佔了全部的 20%。你一定不信,但是這卻是真的!畢竟不斷產生神經脈衝、釋出傳導物質是非常費力的事。其他的器官沒有這麼積極,偶而也會休息一下:

肌肉和腸道有事做的時候,才會需要更多養分。不過腦不一樣,它的能量消耗很穩定。不管是唸書,還是之後睡覺夢到書的內容,總血流量幾乎不會改變。

你可能會問,怎麼會這樣?腦袋為什麼不乾脆休息一下(至少一部分)?這是好幾百萬年天擇演化的結果。當然,腦子不是 90%無所事事,但為何又徹底背道而馳,選擇不斷消耗這麼多的能量呢?

圖/flickr

在自己家時,如果你是個節省能源的人,一定只會在你做事的房間裡點燈。如果你的家是有十個房間的兩層樓透天厝(我絕對樂見其成!),而你大部分的時間都待在廚房,那麼所有可用的電燈裡,你只用了 10%。一般人想像的腦部運作就是如此,妥善地分配能源,只在需要的地方開燈。

-----廣告,請繼續往下閱讀-----

事實完全相反。真要具象化來比喻腦部運作的話,腦並不是大房子,而是一座雄偉的宮殿,到處燈火通明,熠熠生輝。所有房間的燈都是亮著的,因為幾乎每個房間都有事情要做。總而言之,腦子的運作方式和我們習慣的職場世界,有著本質上的差異。

神經細胞和突觸越用才會越好用:整理鞋子原則

如果我們經常使用某件物品,因為磨損的緣故,它終有一天會壞掉。所以,為了讓它撐得久一點,用的時候要小心,也要不時維修。以鞋子為例,有些鞋子可能愈少穿愈好,如此一來,外觀和功能都可以更維持得更久。然而,腦完全不是這麼回事。

圖/goodfreephotos

「我姊姊有一整個倉庫的漂亮鞋子。假設五十雙好了,有些鞋她常穿,有些比較少穿。」

如果有一天要整理自己的鞋子收藏,就像管理我們腦神經細胞,她的第一個動作就是檢查哪些鞋最常穿,並且不時維修,例如換個鞋跟或鞋底。那些漂亮卻從來不穿的鞋會先被挑出來,然後在某個時候丟棄。畢竟鞋子就是要穿,才能發揮它的功能。如此一來,她的鞋子收藏會漸漸減少,比方說剩下十雙經常穿的鞋子。鞋架上的鞋子沒有一雙是多餘的。剛開始篩選鞋子的時候,這些鞋的使用率是 20%,最後則是達到百分之百。她的鞋會隨著她的所在地變化,鞋子的數量也會增增減減,這些都和環境有關。

-----廣告,請繼續往下閱讀-----
一如各種衣著的穿戴頻率會隨著環境改變:熱帶的泳裝總是多元;寒帶的大衣總是齊全,腦神經也會因使用狀況而「用進廢退」。 圖/Pixabay

當然,我不想把腦和我姊姊的鞋一視同仁,又製造出新的迷思來:不是喔,腦的主要任務並不是整理鞋子。不過這樣的比喻可能比較容易讓你了解腦部的運作模式。腦袋裡面沒有鞋子,而是神經細胞的連結、突觸;沒有人來負責揀選這些連結、把神經細胞丟出去(這點非常重要!),一切都是自發性的。基本原則和前面描述的整理鞋子的道理很像:

神經細胞和突觸必須使用,不然就會死亡。經常活化的突觸也會經常維修保養或擴建。如此一來,這些常用的細胞和突觸的裝備會愈來愈好。

 

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
PanSci_96
1262 篇文章 ・ 2498 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

3
1

文字

分享

0
3
1
為機器人換上「物理大腦」:一場終結AI數位囚禁的革命
鳥苷三磷酸 (PanSci Promo)_96
・2025/09/03 ・5732字 ・閱讀時間約 11 分鐘

本文與 研華科技 合作,泛科學企劃執行

我們都看過那種影片,對吧?網路上從不缺乏讓人驚嘆的機器人表演:數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ,或是波士頓動力的機器狗,用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次,社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕,看看四周,一個巨大的落差感就來了:說好的機器人呢?為什麼大街上沒有他們的身影,為什麼我家連一件衣服都還沒人幫我摺?

這份存在於數位螢幕與物理現實之間的巨大鴻溝,源於一個根本性的矛盾:當代AI在數位世界裡聰明絕頂,卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫,但它沒辦法為你端一杯水。

-----廣告,請繼續往下閱讀-----

這個矛盾,在我們常見的兩種機器人展示中體現得淋漓盡致。第一種,是動作精準、甚至會跳舞的類型,這本質上是一場由工程師預先寫好劇本的「戲」,機器人對它所處的世界一無所知 。第二種,則是嘗試執行日常任務(如開冰箱、拿蘋果)的類型,但其動作緩慢不穩,彷彿正在復健的病人 。

這兩種極端的對比,恰恰點出了機器人技術的真正瓶頸:它們的「大腦」還不夠強大,無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題:新一代AI晶片NVIDIA® Jetson Thor™ ,這顆號稱能驅動「物理AI」的超級大腦,真的能終結機器人的「復健時代」,開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎?

新一代AI晶片NVIDIA® Jetson Thor™ ,這顆號稱能驅動「物理AI」的超級大腦 / 圖片來源:研華科技

為何我們看到的機器人,總像在演戲或復健?

那我們怎麼理解這個看似矛盾的現象?為什麼有些機器人靈活得像舞者,有些卻笨拙得像病人?答案,就藏在它們的「大腦」運作方式裡。

-----廣告,請繼續往下閱讀-----

那些動作極其精準、甚至會後空翻的機器人,秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質,是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道,都是事先算好的,機器人本身並不知道自己為何要這麼做,它只是在「執行」指令,而不是在「理解」環境。

而另一種,那個開冰箱慢吞吞的機器人,雖然看起來笨,卻是在做一件革命性的事:它正在試圖由 AI 驅動,真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢,正是因為過去驅動它的「大腦」,也就是 AI 晶片的算力還不夠強,無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路,你可以抱著他,幫他擺動雙腿,看起來走得又快又穩,但那不是他自己在走。真正的學習,是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人,大多是前者;而我們真正期待的,是後者。

所以,問題的核心浮現了:我們需要為機器人裝上一個強大的大腦!但這個大腦,為什麼不能像ChatGPT一樣,放在遙遠的雲端伺服器上就好?

-----廣告,請繼續往下閱讀-----
我們需要為機器人裝上一個強大的大腦!但這個大腦,為什麼不能像ChatGPT一樣,放在遙遠的雲端伺服器上就好? / 圖片來源:shutterstock

機器人的大腦,為什麼不能放在雲端?

聽起來好像很合理,對吧?把所有複雜的運算都交給雲端最強大的伺服器,機器人本身只要負責接收指令就好了。但……真的嗎?

想像一下,如果你的大腦在雲端,你看到一個球朝你飛過來,視覺訊號要先上傳到雲端,雲端分析完,再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲,你大概就已經鼻青臉腫了。

現實世界的互動,需要的是「即時反應」。任何網路延遲,在物理世界中都可能造成無法彌補的失誤 。因此,運算必須在機器人本體上完成,這就是「邊緣 AI」(Edge AI)的核心概念 。而 NVIDIA  Jetson 平台,正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求,而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦,專為在各種裝置上運行 AI 任務設計 。回顧它的演進,早期的 Jetson 系統主要用於視覺辨識搭配AI推論,像是車牌辨識、工廠瑕疵檢測,或者在相機裡分辨貓狗,扮演著「眼睛」的角色,看得懂眼前的事物 。但隨著算力提升,NVIDIA Jetson 的角色也逐漸從單純的「眼睛」,演化為能夠控制手腳的「大腦」,開始驅動更複雜的自主機器,無論是地上跑的、天上飛的,都將NVIDIA Jetson 視為核心運算中樞 。

-----廣告,請繼續往下閱讀-----

但再強大的晶片,如果沒有能適應現場環境的「容器」,也無法真正落地。這正是研華(Advantech)的角色,我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備,確保它能在高熱、灰塵、潮濕或震動的現場穩定運行,滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說,NVIDIA 提供「大腦」,而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠,但它其實早就以一種你意想不到的方式,進入了我們的生活。

從Switch到雞蛋分揀員,NVIDIA Jetson如何悄悄改變世界?

如果我告訴你,第一代的任天堂Switch遊戲機與Jetson有相同血緣,你會不會很驚訝?它的核心處理器X1晶片,與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求,正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域,研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

-----廣告,請繼續往下閱讀-----
  • 在北美,有客戶利用 AI 進行雞蛋品質檢測,研華的工業電腦搭載NVIDIA Jetson 模組與相機介面,能精準辨識並挑出髒污、雙黃蛋到血蛋 
  • 在日本,為避免鏟雪車在移動時發生意外,導入了環繞視覺系統,當 AI 偵測到周圍有人時便會立刻停止 ;
  • 在水資源珍貴的以色列,研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內,24 小時在果園巡航,一旦發現成熟的果實就直接凌空採摘,實現了「無落果」的終極目標 。

這些應用,代表著 NVIDIA Jetson Orin™ 世代的成功,它讓「自動化」設備變得更聰明 。然而,隨著大型語言模型(LLM)的浪潮來襲,人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令,更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率,若要機器人更快速完成動作,需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題:AI到底該如何學會「動手」,而不只是「動口」?

革命性的一步:AI如何學會「動手」而不只是「動口」?

面對 Orin 世代的瓶頸,NVIDIA 給出的答案,不是溫和升級,而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組,峰值性能是前代的 7.5 倍,記憶體也翻倍 。如此巨大的效能提升,目標只有一個:將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型,成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生,將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起:

-----廣告,請繼續往下閱讀-----
  1. 第一階段是 LLM(Large Language Model,大型語言模型):
    我們最熟悉的 ChatGPT 就屬此類,它接收文字、輸出文字,實現了流暢的人機對話 。
  2. 第二階段是 VLM(Vision-Language Model,視覺語言模型):
    AI 學會了看,可以上傳圖片,它能用文字描述所見之物,但輸出結果仍然是給人類看的自然語言 。
  3. 第三階段則是 VLA(Vision-Language-Action Model,視覺語言行動模型):
    這是革命性的一步。VLA 模型的輸出不再是文字,而是「行動指令(Action Token)」 。它能將視覺與語言的理解,直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵! 過去以NVIDIA Jetson Orin™作為大腦的機器人,僅能以有限的速度運行VLA模型。而由 VLA 模型驅動,讓 AI 能夠感知、理解並直接與物理世界互動的全新形態,正是「物理 AI」(Physical AI)的開端 。NVIDIA Jetson Thor 的強大算力,就是為了滿足物理 AI 的嚴苛需求而生,要讓機器人擺脫「復健」,迎來真正自主、流暢的行動時代 。

NVIDIA Jetson Thor 的強大算力,就是為了滿足物理 AI 的嚴苛需求而生,要讓機器人擺脫「復健」,迎來真正自主、流暢的行動時代 / 圖片來源:研華科技

其中,物理 AI 強調的 vision to action,就需要研華設計對應的硬體來實現;譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達,你的系統就要有對應的介面來整合視覺;你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品;你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通,這些都需要具體化到一個系統上,這個系統的集大成就是機器人。

好,我們有了史上最強的大腦。但一個再聰明的大腦,也需要一副強韌的身體。而這副身體,為什麼非得是「人形」?這不是一種很沒效率的執念嗎?

為什麼機器人非得是「人形」?這不是一種低效的執念嗎?

這是我一直在思考的問題。為什麼業界的主流目標,是充滿挑戰的「人形」機器人?為何不設計成效率更高的輪式,或是功能更多元的章魚型態?

-----廣告,請繼續往下閱讀-----

答案,簡單到令人無法反駁:因為我們所處的世界,是徹底為人形生物所打造的。

從樓梯的階高、門把的設計,到桌椅的高度,無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言,採用人形的軀體,意味著它能用與我們最相似的視角與方式去感知和學習這個世界,進而最快地理解並融入人類環境 。這背後的邏輯是,與其讓 AI 去適應千奇百怪的非人形設計,不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具,產線上的機械手臂能高效重複鎖螺絲,但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標,是成為一個「多面手」,它能在廣泛學習後,理解物理世界的運作規律 。理論上,今天它在產線上組裝伺服器,明天就能在廚房裡學會煮菜 。

人形機器人的手、腳、眼睛、甚至背部,都需要大量感測器去理解環境就像神經末梢一樣,隨時傳回方位、力量與外界狀態 / 圖片來源:shutterstock

但要讓一個「多面手」真正活起來,光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經,才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部,都需要大量感測器去理解環境就像神經末梢一樣,隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」,就無法匯聚成有意義的行動。

這正是研華的角色:我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中,讓它成為能真正思考與反應的「完整大腦」,同時也提供神經系統的骨幹,將感測器、I/O 介面與通訊模組可靠地連結起來,把訊號傳導進大腦。你或許看不見研華的存在,但它實際上遍布在機器人全身,像隱藏在皮膚之下的神經網絡,讓整個身體真正活過來。

但有了大腦、有了身體,接下來的挑戰是「教育」。你要怎麼教一個物理 AI?總不能讓它在現實世界裡一直摔跤,把一台幾百萬的機器人摔壞吧?

打造一個「精神時光屋」,AI的學習速度能有多快?

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料,但物理世界中用於訓練的互動資料卻極其稀缺,而且在現實中反覆試錯的成本與風險實在太高 。

答案,就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台,為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生(Digital Twin)世界,讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內,經歷相當於現實世界千百日的學習與演練,從而在絕對安全的環境中,窮盡各種可能性,深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環,Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本,但後來發現,它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺,是在現實世界中難以透過有限次的試錯來建立的。

所以你看,這趟從 Switch 到人形機器人的旅程,一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備:一個劃時代的「AI 大腦」(NVIDIA Jetson Thor)、讓核心延展為「完整大腦與神經系統」的工業級骨幹(由研華 Advantech 提供),以及一個不可或缺的「教育環境」(NVIDIA Isaac Sim 模擬平台) 。

結語

我們拆解了那些酷炫機器人影片背後的真相,看見了從「自動化」走向「自主化」的巨大技術鴻溝,也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測,未來 3 到 5 年內,人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景,如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器,能夠觀察我們的世界,理解我們的語言,並開始以物理實體的方式與我們互動,這將從根本上改變我們與科技的關係。

所以,最後我想留給你的思想實驗是:當一個「物理 AI」真的走進你的生活,它不只是個工具,而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」,你最先感受到的,會是興奮、是便利,還是……一絲不安?

這個問題,不再是「我們能否做到」,而是「當它發生時,我們準備好了嗎?」

研華已經整裝待發,現在,我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

1
1

文字

分享

0
1
1
運動員的大腦跟一般人不一樣?從腦科學看體力之外的奪冠秘笈
F 編_96
・2024/12/17 ・2098字 ・閱讀時間約 4 分鐘

F 編按:本文編譯自 Live Science

是不是常聽人家講「運動天賦」?這種天賦到底是什麼?運動員哪裡跟我們不一樣?這個問題現在科學家或許可以給你一個答案。近年透過腦科學研究發現,運動員的大腦與普通人的大腦存在顯著差異,這些差異塑造了他們在比賽中的敏捷反應、精確動作及卓越判斷能力。

所以現在運動選手不只比體力,還要比腦力了嗎?這些差異具體差在哪裡?

快速反應:視覺處理能力

在團隊運動如足球或籃球中,快速處理視覺資訊並作出決策對勝負至關重要。一項 2013 年發表於《Scientific Reports》的研究發現,職業運動員比起業餘運動員或一般人更擅長處理動態視覺場景,例如追蹤快速移動的物體。這種能力能夠幫助運動員在瞬間解讀賽場上的複雜資訊,並迅速做出反應。

擁有快速的視覺處理能力,對團體運動來說至關重要。圖/envato

視覺處理能力的測試還可用於判斷運動員是否適合回歸賽場,例如在傷後復健階段,確保運動員在完全恢復判斷能力之前不會貿然上場。

-----廣告,請繼續往下閱讀-----

肌肉記憶:動作的自動化編程

對於體操選手或跳水運動員而言,肌肉記憶是完成複雜動作的關鍵。2023 年《Journal of Neuroscience》的一項研究表示,大腦如何通過訓練快速「壓縮」和「解壓縮」動作資訊,最終將動作序列整合成一個流暢的過程。這種訓練過程使運動員能夠無需刻意思考,便能完美執行複雜動作。

肌肉記憶的形成依賴於大腦皮層神經元的網絡活動,這種神經編程能力也同樣適用於訓練有素的音樂家或舞蹈家。

預測能力:球場上的決策利器

運動員擁有卓越的預測能力,例如棒球擊球手能根據投手的動作,快速判斷球的速度與方向。2022 年發表於《Cerebral Cortex》的研究發現,當擊球手預測投手的投球軌跡時,大腦左腹側顳葉皮質的神經元活動會根據預測結果而改變。

這種高效的預測能力源來於運動員在比賽中,學會透過關聯視覺線索與物體運動軌跡的技能。研究還發現,潛水選手等專業運動員的大腦中與動態運動解讀相關的區域,如上顳溝(STS),比普通人更厚,這也反映了運動訓練對大腦結構的塑造。

-----廣告,請繼續往下閱讀-----

平衡與空間感:身體控制的高峰

對體操選手來說,擁有非凡的平衡感與空間感知能力,兩者缺一不可,而這在科學上被稱為「本體感覺」(proprioception)。位於小腦的神經網絡讓運動員能迅速調整身體姿態,即使在空中失誤也能及時修正動作。

對體操選手來說,平衡感與空間感知能力非常重要。圖/envato

然而,當這套「安全網」失靈時,可能導致嚴重後果。如 2020 年東京奧運中,體操選手西蒙·拜爾斯(Simone Biles)因「扭轉失靈」而一度無法控制動作,凸顯了平衡能力在高風險運動中的重要性。

注意力與認知靈活性:多任務處理的關鍵

團隊運動要求運動員能快速在不同思維模式間切換,例如足球選手需在控球時預測對手動作並調整策略。2022 年《國際運動與運動心理學期刊》的一項研究顯示,運動員,特別是參與高強度間歇訓練的選手,擁有更強的認知靈活性和注意力分配能力。

研究也指出,這些能力的提升可能與長期訓練相關,但確切機制仍需進一步研究。

-----廣告,請繼續往下閱讀-----

抗衰老的秘密:運動對老年大腦的保護

這些運動訓練對大腦的影響,可不是只有相關區域的提升。運動對大腦健康的影響,可能會持續一生。一個典型例子是加拿大田徑選手奧爾加·科特爾科(Olga Kotelko),她在 95 歲時仍保持驚人的腦部健康,其白質結構完好程度甚至接近比她年輕三十多歲的普通人。科學家認為,持續的運動訓練可能是她保持記憶力與認知敏銳的原因之一。

運動不只是對身體的鍛鍊,對維持大腦健康也有影響。圖/envato

下一代的訓練策略:腦力與體力並重

隨著運動科學的不斷進步,科學家也開始呼籲教練更注重對年輕運動員的腦部訓練,例如提升記憶力與決策能力。西悉尼大學的運動科學家凱莉·斯蒂爾(Kylie Steel)指出,運動員的身體或許會訓練至極限,但在認知能力上仍擁有巨大的潛力提升。例如,足球訓練中可以鼓勵球員使用非慣用腳進行射門,以提升大腦靈活性,幫助他們在成年後更加出色地應對比賽挑戰。

近年研究讓我們重新認識了體育訓練對人體的深遠影響,運動改變的不僅是肌肉,還包括大腦。從視覺處理到肌肉記憶,再到抗衰老的腦部結構,透過運動與科學的結合,將為未來的運動員開啟全新可能性,也提醒我們,持續鍛煉不僅益於身體,也有助於大腦的健康。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

1
2

文字

分享

0
1
2
從昏迷到死亡錯覺:摩托車事故後的科塔爾症候群——《大腦獵奇偵探社》
行路出版_96
・2024/08/24 ・3933字 ・閱讀時間約 8 分鐘

-----廣告,請繼續往下閱讀-----

摩托車事故後的幻覺

一九八九年十月,二十八歲的股票經紀人,姑且稱之為威爾(Will),發生了嚴重的摩托車意外。他腦部受到重創,陷入昏迷,雖然幾天後恢復意識,但他在醫院裡住了好幾個月,治療腦傷以及其他損傷引起的感染。

到了隔年一月,威爾的復原情況非常良好,已經可準備出院。他的身上有些問題永遠好不了,例如右腿行動困難以及喪失部分視覺。但是最困擾他的問題發生在他的腦袋裡:他相當確定自己已經死了。威爾的母親為了幫助兒子早日康復,帶他去南非度假。但南非的炎熱讓威爾相信這個地方就是(真正的)地獄,因此更加確定自己必定是個死人。母親難以置信地問他是怎麼死的,他說了幾個可能的死因。有可能是血液感染(這是治療初期的風險),也有可能是他之前打黃熱病疫苗之後的併發症。此外他也提出自己可能死於愛滋病,雖然他沒有感染 HIV 病毒或愛滋病的任何跡象。

威爾康復出院,但堅信自己已經死亡。連他母親帶他去南非度假,都被他認為自己身在地獄。 圖/envato

有一種強烈的感覺纏上威爾,揮之不去─他覺得身旁所有東西都……這麼說好了……不是真的。車禍前熟悉的人和地方,他現在都不太認得,所以他愈發覺得自己住在一個奇怪又陌生的世界。連母親都不像真的母親。其實在南非度假的時候,威爾就曾這麼說過。他認為真正的母親在家裡睡覺,是她的靈魂陪伴他遊歷陰間。

喪失現實感:大腦如何捏造非理性的死亡解釋

四十六歲的茱莉亞(Julia)有嚴重的雙相情緒障礙症(bipolar disorder),入院時她相信自己的大腦和內臟都已消失。她覺得她早已不存在,只剩下一副空殼般的軀體。她的「自我」消失了,所以她(無論從哪個意義上看來都)是個死人。她不敢泡澡也不敢淋浴,因為怕自己空空如也的身體會滑進排水孔流走。

-----廣告,請繼續往下閱讀-----

三十五歲的凱文(Kevin)憂鬱的情況愈來愈嚴重,幾個月之後,腦海中的念頭漸漸演變成妄想。一開始,他懷疑家人正在密謀要對付他。接著,他認為自己已經死了,也已經下地獄,只是身體仍在人間。現在這副身體是空殼,裡面一滴血液也沒有。為了證明自己的想法沒錯,他從岳母家的廚房裡拿了一把刀,反覆戳刺手臂。他的家人明智地叫了救護車,將他送進醫院。

科塔爾症候群患者的大腦顯然有問題。發病之前,通常發生過嚴重的神經系統事故(中風、腫瘤、腦傷等等),或出現精神疾病(憂鬱症、雙相情緒障礙症、思覺失調症等等)。不過這些情況導致科塔爾症候群仍屬少見,神經科學家尚未找到明確原因,可以解釋科塔爾症候群患者的大腦為何如此與眾不同。再加上每個患者的症狀都不太一樣,判斷起來更加困難。話雖如此,有些共同症狀或許能提供蛛絲馬跡,幫助我們了解這種症候群。

科塔爾症候群的患者經常說,他們身處的世界莫名其妙變得很陌生。多數人看到自己曾邂逅多次的人事物時,大腦都能點燃辨認的火花,但這件事不會發生在科塔爾症候群的患者身上。舉例來說,患者可能認得母親的臉,但就是莫名的感到陌生。她似乎缺乏某種無形──但重要的─個人特質,所以患者即使看到這個生命中最重要的人,卻無法產生預期中的的情感反應。

患者也可能會有疏離感,彷彿自己是這世界的旁觀者,而不是參與者。術語叫做人格解離(depersonalization)。此外,周遭的一切都散發超現實的氣氛,讓患者相信自己生活在擬真的夢境裡─這是一種叫做喪失現實感(derealization,亦稱失實症)的症狀。科塔爾症候群患者體驗到的陌生感、人格解離、喪失現實感,都會嚴重扭曲他們眼中的現實世界。不難想像這會讓大腦難以負荷。

-----廣告,請繼續往下閱讀-----

大腦碰到如此矛盾的情況會拚命尋找原因。對大腦來說,能夠合理解釋各種生活事件是非常重要的。若找不到合理的解釋,世界很快就會變成無法預測、無法理解,最終變得無法忍受。因此為了清楚解釋所經歷的事情,大腦會無所不用其極。如果在經驗裡出現大腦難以合理解釋的元素,它會退而求其次:自己捏造合理的答案。

每個人的大腦都會這麼做,而且隨時隨地都在做,只是我們察覺不到。例如有研究發現,我們每天做的決定不計其數─從什麼時間吃點心,到要跟誰出去約會──但我們做這些決定時總是不假思索。我們好像大部分的時間都處於自動駕駛模式。可是每當有人問我們為什麼做這樣的決定時,大腦幾乎總能想出好答案來合理化我們的選擇。但有時候,它想出來的答案完全不合理。

有一項研究讓男女受試者看兩名女性的照片,請他們選出比較好看的那位。受試者做出決定之後,研究人員隨即將照片放在他們面前,要他們解釋為什麼選這個人。但受試者不知道的是,研究人員會偷偷調換照片(占比約二十%),要受試者解釋自己為什麼挑中這個(他們明明沒挑中的)人。大多數受試者都沒有識破研究人員的詭計。他們通常不會質疑照片上的人不是自己選的那個,而是當場想出合理的答案,說明為什麼覺得眼前照片上的人比較好看,例如「她看起來很辣」,或是「我覺得她比較有個性」(兩張照片差異甚大,所以受試者不是單純的認錯人)。

這種非刻意的捏造叫做虛談(confabulation),大腦做這件事的頻率比你以為的更高。虛談的原因可能有百百種,但這似乎是大腦遇到自己無法明確解釋的事件時,會使用的策略。神經科學家相信,科塔爾症候群患者的大腦也做了類似的事情。從這個角度來說,科塔爾症候群的起點,是前面提過的幾種狀況(例如創傷、腫瘤等等)導致大腦功能異常。

-----廣告,請繼續往下閱讀-----

大腦合理性檢查機制失靈

大腦功能異常導致現實感喪失與人格解離,進而使患者覺得周遭的一切很陌生,欠缺他們預期中的「真實感」。於是患者的大腦努力理解這樣的經驗,瘋狂尋找合理的解釋。基於不明原因,科塔爾症候群患者容易把注意力轉向內在,認為如果外在經驗不對勁,毛病可能出在自己身上。

結果基於某些更加不明的原因,大腦找到的解釋是他們已經死了、正在腐爛、被邪靈附體,或其他稀奇古怪的、與存在有關的原因。這一連串環環相扣的假設聽起來有點誇張。畢竟,喪失現實感這樣的症狀沒那麼少見;很多人(某些估計高達七十五%)會有類似的─但非常短暫的─喪失現實感的經驗。但有這種經驗的人,幾乎都不會認為自己已經死了。

顯然,科塔爾症候群患者的大腦裡還發生了別的事情。神經科學家相信,或許是重要的合理性檢查機制(plausibility-checking mechanism)沒有發揮作用。大腦偶爾會錯誤解讀生活裡發生的事,但我們通常不會想出一個明顯不合理的解釋。

或許是因為大腦錯誤解讀現實,讓科塔爾症患者對現實理解出現錯覺。 圖/envato

大腦似乎有一套用來評估邏輯的機制,確保我們的邏輯可以通過合理性的檢驗。在多數有過喪失現實感或人格解離等症狀的人身上,這套合理性檢查機制能使他們立刻否決「我感覺到自己脫離現實,是因為我已經死了」的想法;大腦認為這個提議很荒唐,很可能再也不會想起它。但是在科塔爾症候群的患者身上,這套合理性檢查機制顯然壞掉了。大腦將脫離現實的感覺歸因於他們已經死了,這個想法不知為何保留了下來,而大腦也認為這個解釋站得住腳。於是在其他人眼中絕對是妄想的念頭,成了他們深信不移的答案。

-----廣告,請繼續往下閱讀-----

醫生在為科塔爾症候群患者(以及後面會介紹的另外幾種行為古怪的精神障礙患者)尋找腦部損傷時,經常發現腦傷位於右腦。神經科學家因此假設合理性檢查機制位於右腦。大腦分為兩半,叫做大腦半球(cerebral hemispheres)。左腦半球和右腦半球的劃分簡單有力,因為有一道裂縫將大腦一分為二。乍看之下,左右兩邊一模一樣,但受過訓練的神經科學家用肉眼就能看出兩者並非完全對稱。透過顯微鏡觀察,差異更加顯著。因此左腦與右腦的功能有差異或許不足為奇。

長期以來,一直有人拿這些差異做文章,用錯誤的方式來解讀左腦和右腦的不同,以偏概全又過於誇大。例如斬釘截鐵地說,有些人較常使用右腦,也就是「右腦人」,所以擅長創意思考,「左腦人」則比較有邏輯。這是大家耳熟能詳的觀念,但神經科學家認為這只是迷思。實際上,我們使用大腦時不會特別偏左或偏右,而是完整使用兩個半腦。不過有些功能(例如語言的某些能力)會比較依賴某一個大腦半球。所以科塔爾症候群與右腦損傷有關的假設,並非全然不可能。

但科塔爾症候群(可能也包括合理性檢查機制)與右腦的關聯性依然只是假設,只不過許多(但不是所有)神經科學家深入研究過的科塔爾症候群案例,都支持這項觀察結果。無論合理性檢查機制確切位於何處,但在推演患者如何發展出科塔爾症候群的通用模型中,這個假設的機制扮演著重要角色。首先,大腦功能異常造成疏離症狀,例如喪失現實感與人格解離。大腦出於習慣,會先試著為眼前的情況找答案。問題是,仔細檢查並淘汰不合理答案的能力也受損了,於是大腦只好捏造稀奇古怪的答案,告訴自己身體已經死了(或是邪靈附體、正在腐爛等等),而且不會因為這個答案不合理而淘汰它。

有人認為,這種階段性的妄想形成過程也適用於另一些妄想症。這些妄想症的症狀也很古怪,不亞於科塔爾症候群。

-----廣告,請繼續往下閱讀-----

——本文摘自《大腦獵奇偵探社:狼人、截肢癖、多重人格到集體中邪,100個讓你洞察人性的不思議腦科學案例》,2024 年 7 月,行路出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

行路出版_96
21 篇文章 ・ 8 位粉絲
行路為「讀書共和國」出版集團旗下新創的出版社,出版知識類且富科普或哲普內涵的書籍,科學類中尤其將長期耕耘「心理學+腦科學」領域重要、具時代意義,足以當教材的出版品。 行路臉書專頁:https://www.facebook.com/WalkPublishing