Loading [MathJax]/extensions/MathZoom.js

1

0
0

文字

分享

1
0
0

狗狗不打不成器?非也,研究指獎勵式訓練較為可取

Heiman
・2012/04/09 ・2295字 ・閱讀時間約 4 分鐘 ・SR值 468 ・五年級

以小食進行獎勵式訓練 (Photo © iStockphoto.com/Darkcloud)

養狗是一件快樂的事,但也不是一件容易的事,特別是狗兒的行為有時會令人困擾,例如咬人、亂吠叫、亂大小便等等。除行為問題的預防與處理外,狗主也多對狗的服從性有基本的關注,有些嚴厲的主人更對此非常講究,因此訓練可說是養狗時不可或缺的。坊間流傳各式各樣的訓練方法,大致上可分成獎勵式和處罰式,不過要選擇起來可能也令狗主苦惱,尤其是隨時代發展,狗主不會只從主人角度一味講求服從成效,他們也開始多關注寵物的生活質素:動物福利和人狗關係,使得他們在選擇訓練方式時要考慮眾多要素。坊間對不同訓練方式的評論眾說紛云,但多為道聽途說或軼事證據,未必可靠。幸好近年來歐洲的科學家以問卷方式對狗主進行了有關訓練方式和成效的統計調查,更有科學家對狗主與狗的互動和訓練表現作出了觀察研究,讓狗主有較可靠的參考資料去選擇訓練方法。

在介紹有關研究前,先簡介一下訓練背後的行為科學以及獎勵和處罰在坊間的意義。這有助大家了解和區分各種訓練手法。

科學定義訓練為動物在條件反射制約下學習以改變行為,而操作條件反射制約是動物訓練當中最常牽涉的學習原理。行為心理學家分類操作條件制約為以下四種:

1. 正增強:以給予一喜好刺激為後果去鼓勵行為再次出視,最終增加行為。比如說:人發出坐的指示,狗按指示坐下,人隨即給予小食。

-----廣告,請繼續往下閱讀-----

2. 負增強:以移除一厭惡刺激為後果去鼓勵行為再次出視,最終增加行為。比如說:狗不願動,人用力拉扯狗的牽繩,直到牠肯跟人走即放鬆牽繩。

3. 正處罰:以給予一厭惡刺激為後果去阻止行為再次出視,最終減少行為。比如說:狗對人吠叫,人隨即打牠。

4. 負處罰:以移除一喜好刺激為後果去阻止行為再次出視,最終減少行為。比如說:狗跟人玩遊戲時過份興奮咬到人,人隨即收起玩具離開。

事實上,即使人不主動安排動物學習去改變牠們行為,動物自己也會依據日常跟環境(包括人) 的互動經驗,通過上述的操作條件制約原理學習並改變行為,因此在行為科學意義上說,訓練是無處不在的。不過,在日常用法中,訓練謹指人們有意圖地主動使動物學習做出或不做出某種行為。坊間意義的獎勵式訓練和處罰式訓練也不如科學意義的增強與處罰般壁壘分明:「用獎勵訓練」通常指正增強的使用,並有時包括負處罰的使用,至於「用處罰訓練」則指負增強和正處罰並有時包括負處罰的使用,這可能是因為坊間意義的「獎勵」通常指某種喜好刺激如讚賞、撫拍、小食和遊戲,至於「處罰」則指厭惡刺激,包括聲音上的如呼喝並身體上的如拍打。雖然現在有傾向使用獎勵並反對處罰,但大部分狗主仍用了兩者在不同比例上混合的方法。研究員對狗主不同的訓練方法會產生甚麼後果很感興趣。

-----廣告,請繼續往下閱讀-----

在過去十年,於英國及奧地利,不同動物科學家對通常訓練方法和狗隻通常表現做了三個問卷調查,涵蓋了合共超過一千五百個狗主和狗。科學家發現一些統計上的關聯顯示當狗主用獎勵愈多,狗傾向有較高服從分數和較低攻擊性、恐懼及焦慮分數。當狗主用處罰愈多,狗傾向有較低服從分數和較高攻擊性、恐懼及焦慮分數。這些狗也傾向有較多問題行為如家中亂大小便。這些研究表示較多以獎勵訓練的狗可能基本上較服從,較少攻擊性、恐懼、焦慮和問題。這些科學家認為用上厭惡刺激的訓練方法引發並強化了狗的恐懼、壓力、焦慮和攻擊性。

訓練方法與問題行為統計結果(摘自Blackwell et al., 2008)

但是,由於這些狗由主人主觀地評分,很可能有偏袒。也許訓練方法和對狗表現的觀感有一種心理關聯:例如,較愛狗的主人可能較多用獎勵的同時給狗較高評價。為了消除這可能的潛在偏袒,兩位英國科學家,Rooney和Cowan在2010年進行了一個改良的研究。在問卷調查狗主的偏好訓練方法後,他們影像觀察了主人與狗互動、狗與陌生實驗員互動、以及狗在新訓練項目的表現。他們發現一些統計關聯顯示當主人較多用獎勵,他們的狗傾向在新訓練中表現得較好。當主人較多用處罰,狗傾向較少和實驗員接觸和互動,並在新訓練中表演較差。若這些多用處罰的主人常用體罰,狗甚至傾向在玩耍時較少跟主人互動。因此,表面上看來,似乎多用獎勵訓練的狗會表現較好,而多用處罰訓練的狗會較怕陌生人甚至自己主人。

多用獎勵訓練的狗是否真的表現較好?多用處罰訓練是否真的對狗造成不良影響?基於關聯性不能推論出因果關係,現時未有決定性的證據。雖然這些研究顯示多用獎勵訓練的狗基本上會比多用處罰,特別是體罰的狗表現得好,這還有另外兩種未知的可能性:表現較好的狗在訓練時得到較多獎勵較少處罰,或者是使用處罰式訓練的人多在不準確的時機給予厭惡刺激使得訓練失去了處罰和負增強的操作條件制約功能。因此,動物科學家需要進行更多精確的實驗式研究去弄清楚箇中的真正因果關係。只不過,這些科學家提出獎勵式訓練仍是較好選擇,因為處罰和其他問題的不良關聯顯示基本上施行處罰未能有效地解決攻擊性、恐懼和問題行為。另一方面,多用獎勵基本上多與良好表現如服從、馴良(較少攻擊性)、膽量(較少恐懼和焦慮)有所關聯。考慮到狗主的喜好,狗的福利和人狗羈絆,訓練時多用獎勵少用處罰仍是較可取的。誰說好狗是要打出來的呢?

 

參考資料:

-----廣告,請繼續往下閱讀-----

Arhant, C., Bubna-Littitz, H., Bartels, A., Futschik, A. & Troxler, J. 2010, ‘Behaviour of Smaller and Larger Dogs: Effects of Training Methods, Inconsistency of Owner Behaviour and Level of Engagement in Activities with the Dog’, Applied Animal Behaviour Science, vol. 123, no. 3-4, pp. 131-142.

Blackwell, E.J., Twells, C., Seawright, A. & Casey, R.A. 2008, ‘The Relationship between Training Methods and the Occurrence of Behavior Problems, as Reported by Owners, in a Population of Domestic Dogs’, Journal of Veterinary Behavior: Clinical Applications and Research, vol. 3, no. 5, pp. 207-217.

Haug, L.I. & Florsheim, A. 2010, ‘Training of Animals’, in D.B. Michael & M. Janice (eds), Encyclopedia of Animal Behavior, Academic Press, Oxford, pp. 439-445.

Hiby, E.F., Rooney, N.J. & Bradshaw, J.W.S. 2004, ‘Dog Training Methods: Their Use, Effectiveness and Interaction with Behaviour and Welfare’, Animal Welfare, vol. 13, no. 1, pp. 63–69.

-----廣告,請繼續往下閱讀-----

Rooney, N.J. & Cowan, S. 2011, ‘Training Methods and Owner-Dog Interactions: Links with Dog Behaviour and Learning Ability’, Applied Animal Behaviour Science, vol. 132, no. 3-4, pp. 169-177.

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
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

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。

0

0
0

文字

分享

0
0
0
螃蟹有痛感嗎?我們是怎麼知道的?
F 編_96
・2025/01/16 ・1669字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

F 編按:本文編譯自 Live science

螃蟹一直是海鮮美食中的明星,從油炸軟殼蟹到清蒸螃蟹,餐桌上經常見到牠們的身影。有地方也習慣直接將活螃蟹丟沸水煮熟,認為這能保留最多的鮮味。過去人們認為甲殼類缺乏複雜神經結構,不會感受到痛苦,因此不必過度憂心道德問題。但近年來,越來越多研究開始挑戰此一想法,指出螃蟹與龍蝦等甲殼動物可能具備類似疼痛的神經機制。

以前大家相信甲殼類缺乏複雜神經結構,但近期這一認知逐漸受到質疑。 圖 / unsplash

甲殼類是否能感覺到痛?

人類長期習慣以哺乳類的神經構造作為痛覺判斷依據,由於螃蟹沒有哺乳動物那樣的大腦腦區,便被認為只憑簡單反射行動,談不上真正「痛」。然而,新興科學證據顯示包括螃蟹、龍蝦在內的甲殼類,除了可能存在被稱為「nociceptors」的神經末梢,更在行為上展現自我防禦模式。這些研究結果顯示,螃蟹對強烈刺激不僅是本能抽搐,還有可能進行風險評估或逃避策略,暗示牠們的認知或感受方式比我們想像更精緻。

關鍵證據:nociceptors 與自我保護行為

近期實驗在歐洲岸蟹(Carcinus maenas)中觀察到,當研究人員以刺針或醋等刺激手段測量神經反應,牠們顯示與痛覺反應類似的神經興奮;若只是海水或無害操作,則無此現象。此外,透過行為實驗也可看出,寄居蟹在受到電擊時,會毅然捨棄原本的殼子逃離電源,但若同時存在掠食者味道,牠們會猶豫要不要冒著風險離開殼子。這些結果使科學家認為,螃蟹並非單純反射,而可能有對於痛感的判斷。若只是「低等反射」,牠們不會考慮掠食風險等外在因素。

痛覺與保護:實驗結果引發的道德思考

以上發現已在科學界引發廣泛關注,因為餐飲業與漁業中常見「活煮」或「刺穿」處理螃蟹方式,如今看來很可能讓牠們承受相當程度的不適或疼痛。瑞士、挪威與紐西蘭等國已開始禁止活煮龍蝦或螃蟹,要求先以電擊或機械方法使其失去意識,試圖減少痛苦。英國也曾討論是否將甲殼類納入動物福利法保護範圍,最後暫時擱置,但此爭議仍在延燒。

-----廣告,請繼續往下閱讀-----
英國對於是否將甲殼類列入動物福利法的保護範圍,有所爭議。 圖 / unsplash

部分學者保持保留態度,認為雖然甲殼類展現疑似痛覺的行為與神經反應,但與哺乳類相同的「主觀痛感」仍需更多研究證明。大腦與神經系統結構畢竟存在很大差異,有些反射也可能是進化而來的自衛機制,而非真正意義上的感受。然而,科學家普遍同意,既然相關證據已經累積到一定程度,毋寧先採取更謹慎與人道的處理模式,而非輕易推卸為「牠們不會痛」。

海洋生物福利:未來的規範與影響

如果螃蟹被證實擁有痛覺,將牽動更廣泛的海洋生物福利議題,包括鎖管、章魚或多種貝類也可能具有類似神經機制。人類一直以來習慣將無脊椎動物視為「低等生物」,未必給予與哺乳類相同的法律或倫理關注。但若更多實驗持續指出,牠們同樣對嚴重刺激展開避痛行為,社會或終將呼籲修訂漁業與餐飲相關法規。未來可能要求業者在捕撈與宰殺前使用電擊或麻醉,並限制活煮等方式。這勢必對漁業流程與餐廳文化造成衝擊,也引發經濟與文化折衷的爭議。

龐大的實驗數據雖已暗示螃蟹「會痛」,但確鑿的最終定論仍需更多嚴謹研究支持,包括更深入的大腦活動成像與突觸路徑分析。同時,落實到實際操作也需追問:是否存在更快、更人道的宰殺或料理方式?能否維持食材鮮度同時保障動物福利?這種思維轉變既考驗科學進程,也考驗人類對自然資源的態度。也許未來,既然我們仍會食用海產,就該以最小痛苦的方式對待那些可能感受痛苦的生物,為牠們提供基本尊重。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

F 編_96
20 篇文章 ・ 1 位粉絲
一個不小心闖入霍格華茲(科普)的麻瓜(文組).原泛科學編輯.現任家庭小精靈,至今仍潛伏在魔法世界中💃

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

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。

  

  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.
-----廣告,請繼續往下閱讀-----
胡中行_96
169 篇文章 ・ 67 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。