Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

實驗動物與牠們的產地,恆溫恆濕還有乾淨空氣

Peggy Sha/沙珮琦
・2019/01/22 ・1927字 ・閱讀時間約 4 分鐘 ・SR值 471 ・五年級

1 月 17 號,是國家生技研究園區實驗動物中心的「大徙之日」。新落成的六層樓建築依山傍水,對於實驗動物來說可說是座「帝寶級」的高級住所。這麼大費周章才完工的「實驗動物與牠們的產地」,究竟有哪些重要的功能呢?

實驗動物中心坐落於依山傍水的一塊寶地,日前正式舉辦啟用典禮。圖/國研院提供

25 歲的實驗中心,讓研究更加順利

動物實驗中心究竟是在做什麼呢?

這故事還得從 1994 年開始說起。培養實驗動物,對於科學研究而言十分重要,畢竟我們可沒辦法輕易進行人體實驗,這時候,便需要藉助動物的力量。然而,若是無法自行培育又缺乏固定的實驗動物來源,那研究人員在進行實驗時,便需從國外進口,不僅曠日廢時、更所費不貲。

動物實驗中心的存在,便是為了解決這樣的問題。他們從 1994 年開始提供無特定病源 (SPF) 嚙齒類實驗動物,而後更成立了實驗鼠種原庫,並開始培養綠色螢光鼠、無菌鼠、基因轉殖大鼠等等不同的實驗動物。現在,除了鼠之外,中心也提供了兔、犬、豬、羊等等實驗動物。

自己的實驗動物自己養,可以避開許多繁瑣的部分。(本圖天竺鼠僅為模型)圖/語柔 攝

國際結盟合作,走向世界的訂製鼠

咦?一個養動物的地方竟然這麼厲害?

-----廣告,請繼續往下閱讀-----

沒錯!可別小看這些實驗動物,牠們背後都有著不同的任務和重要性。就拿前文提過的「無菌鼠」來說吧,牠們身上可是真真正正半點細菌也沒有,當然也沒有病毒和寄生蟲。這些無菌鼠們所喝的水、吃的飼料都必須經過嚴格的滅菌,居住的地方更是特殊設計的無菌隔離操作箱。

為什麼要培養這樣「乾淨」的無菌鼠呢?因為如此一來,我們才能夠藉由實驗,找出特定的操縱變因會帶來什麼樣的結果。無菌鼠對於基因改造、癌症、腸道微生物、消化道生理、免疫、藥物動物學及營養研究都有很重要的意義。

乾淨的實驗動物,需要住在特殊設計的箱中。圖/語柔 攝

另一方面,我們也有自行做出「訂製鼠」的能力,可以利用大片段基因構築、CRISPR/Cas9、基因剔除等技術,為各個實驗團隊打造出他們所需要的實驗鼠。

量身訂製的動物資源,更能夠協助實驗。圖/語柔 攝

研究員便分享到:我們的國家實驗鼠種原庫有被納入「國家小鼠品系資料庫 (International Mouse Strain Resource, IMSR)」,更曾為約翰霍普金斯大學提供全球第一隻剔除 Scn2a1 基因的小鼠,令其出現自閉症和行為運動異常。這樣的合作非常成功,後來大學方面更親自致電感謝台灣團隊的協助。

-----廣告,請繼續往下閱讀-----

帝寶級高級住所,體現出對動物福祉的重視

這些實驗動物們為人類做出了重要的貢獻,當然也該被好好地對待。研究人員們便笑稱,這些動物就像是住在動物版的高級帝寶中。為什麼會這麼說呢?因為這些動物所居住的環境十分乾淨舒適且無菌,食物和墊料都經自動化處理,同時,環境也會維持低噪音、低粉塵、無光害、四季恆溫恆濕,並讓牠們 100% 的新鮮空氣。

為了打造舒適的環境,需要非常複雜的管線和相關設計。圖/語柔 攝

為了要讓實驗動物住得舒服,建築方面需要花費許多心思,不僅規劃節能、智慧控制、隔震等等系統,更打造了「全高貓道維修層」。「貓道」是動物房的維修管路,因為動物房是密閉空間,所有的管線設施都必須在動物房之外,而維修人員要工作時,僅能在貓道中進行維修。而大部分的動物房貓道高度都僅容爬行,這裡卻讓人可以直立,就像是兩層樓高的房,特別空出二樓的空間讓人維修,實在是十分的寬敞霸氣啊!

這種種的設施,除了是要達到實驗的需求外,更是實驗動物倫理的具體展現,動物實驗人員的誓詞便有提到:「將遵循動物福祉的最高標準,尊重和愛護將生命託付給實驗人員的實驗動物。」

實驗人員進行宣誓。圖/語柔 攝

動物實驗在目前的科學研究上有著不可取代的重要性,但我們在實驗同時,也應當注重實驗動物福祉、將牠們的福祉擺在第一位。新居的落成,將讓實驗動物中心的各項設施更為完善,也讓人期待未來的研究發展。

-----廣告,請繼續往下閱讀-----
請好好對待 mouse 編的同胞喔!圖/語柔 攝
-----廣告,請繼續往下閱讀-----
文章難易度
Peggy Sha/沙珮琦
69 篇文章 ・ 390 位粉絲
曾經是泛科的 S 編,來自可愛的教育系,是一位正努力成為科青的女子,永遠都想要知道更多新的事情,好奇心怎樣都不嫌多。

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

2

7
6

文字

分享

2
7
6
我們的失眠和喜鵲的失眠有什麼地方不一樣?
胡中行_96
・2022/05/12 ・2031字 ・閱讀時間約 4 分鐘

輾轉反側,徹夜難眠的時候,您幾點起床?就算醒了,工作效率是否異常低落?
在此,請您非但別只想到自己,還要拿出一點同理心:因為被剝奪睡眠的澳洲喜鵲,也深受困擾。

徹夜難眠很可能會影響工作效率。圖/Pixabay

捉野生喜鵲來做失眠相關的實驗

2022 年 4 月的《科學報告》期刊,有一篇標題冗長的論文,叫做〈失眠削弱澳洲喜鵲的認知表現並改變其歌曲產出〉[1]。其第一作者澳洲 La Trobe 大學博士候選人 Robin Johnsson,認為歌唱的時辰與類型,對於喜鵲的社交生活相當重要,並以此做為研究主題[2]。且不論在 COVID-19 疫情之前,有些人就已經沒什麼社交生活,更不要談呼朋引伴一起歡唱 KTV,人家喜鵲可是隨時都過得多采多姿。

喜鵲齊聲合唱。影/Youtube

於是,牠們就被科學家抓去做實驗了。

首先,研究團隊架設陷阱,用起士誘捕野生喜鵲。為牠們戴上標有序號的腳環之後,再關進裝有監視器的房間裡。接著,為了測量腦電波圖(electroencephalogram, EEG)與肌肉電位圖(electromyogram, EMG),科學家把無辜的喜鵲抓來開刀。於其腦部表面和頸部肌肉,植入電極貼片(electrodes),方便之後記錄睡眠狀態[1]

然後,喜鵲們就去接受特訓。

-----廣告,請繼續往下閱讀-----

反覆訓練後篩選符合資格的喜鵲來做失眠實驗

研究團隊準備了一種木製食器,左右各挖一個淺槽。其中一個槽裡,盛裝少量起士和麵包蟲。第一次食物直接攤在眼前,不加以掩飾;第二次猶抱琵琶半遮面;第三次開始蓋子完全擋住凹槽,令喜鵲啥也看不見。在訓練的初期,全部的食器都採用灰色蓋子。直到最後的「聯想學習」(associative learning),蓋子被換成黑色或白色。喜鵲掀開特定顏色的蓋子,發現下面藏有食物。這樣重複 15 次,讓牠們不把「食」、「色」的關係兜在一起也難[1]

認知測試的教具,澳洲喜鵲執行聯想或逆向學習任務。圖/參考資料 1

結訓後,研究團隊把食器裡的獎勵換成「不會動的麵包蟲冷盤」(chilled, unmoving mealworms),為喜鵲舉辦驗收成果的模擬考。除了執行「聯想學習」的覓食活動,科學家也期望牠們展現「反轉學習」(reversal learning)的能力。將蓋子的顏色調換,要喜鵲嘗試選出有食物的凹槽。這個階段有一些評分要點[1],例如:

  1. 喜鵲做出第一次選擇時,是否有延遲的行為。緩慢的反應,代表注意力不集中,或動機下降。
  2. 喜鵲得經過幾回,才能達到連續 12 次嘗試中,有 10 次正確的及格分數。
  3. 喜鵲選擇正確瓶蓋的比率。

凡是順利通過模擬考的喜鵲們,便能晉升至下一關。

在實驗的主要階段,喜鵲們被劃為三組,分別體驗下列三種睡眠模式之一:無干擾睡眠、6 小時睡眠剝奪,以及 12 小時睡眠剝奪。研究人員防止喜鵲睡著的花招,包括:迫近或拍打鳥舍、發出噪音,或是輕撫充滿睡意的喜鵲[1]。如同可憐的臺灣中學生,明明前晚都沒睡飽,隔天還得參加考試。研究人員存心要看失眠的喜鵲,怎麼失常。

-----廣告,請繼續往下閱讀-----

人類跟喜鵲一樣會被睡眠影響行為

正式測驗的結果不出所料,沒睡飽的喜鵲容易犯錯,而且要花較長的時間,才能選出正確答案。有些喜鵲甚至失去參與測驗的動機,傾向找機會補眠。其實以前的研究便顯示,失眠也會降低人類的認知表現。諸如參與動機、清醒程度(alertness)、注意力、警戒等級(vigilance)等,都會受到負面影響[1]

除了喜鵲考試的成績,科學家也記錄了牠們社交行為的變化。失眠的喜鵲寧可睡覺,也不要唱歌。最後就算唱了,單曲的長度卻意外地延展。原本的晨曲改在中午演出,頻寬變得狹窄,內容相較貧乏,顫音也明顯減少。這與人類的口語溝通,大同小異。當一個人睡眠不足,說話的速度會緩慢下來,咬字不如平常清晰,語句重覆的機率提高,甚至可能妨礙聽眾理解講者所要傳達的訊息[1]

澳洲喜鵲有複雜的家族。牠們用歌聲來劃定疆域,分辨敵友,並建立「鳥」際關係。失眠不僅會害喜鵲把歌唱得七零八落,也會進一步危及其社交生活。既然以往的人類睡眠實驗結果,與喜鵲有那麼多的相似處,下次在抱怨疫情害自己沒朋友之前,我們是不是應該先睡飽,再來思考怎麼社交呢?

睡飽再來社交比較不會被睏意影響思考。圖/Pexels

備註:此實驗結束後,參與受試的澳洲喜鵲,均在 2019 年 7 月被野放。

-----廣告,請繼續往下閱讀-----
  1. Sleep loss impairs cognitive performance and alters song output in Australian magpies (Scientific Reports, 2022)
  2. Researchers find what magpies lose from hitting snooze (Brisbane Times, 2022)

-----廣告,請繼續往下閱讀-----
所有討論 2
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。

1

3
2

文字

分享

1
3
2
超過 50% 的癌症研究實驗無法被重現?RPCB 耗時 8 年點出「再現性危機」
Yiting_96
・2022/01/14 ・2375字 ・閱讀時間約 4 分鐘

你聽過科學研究的「再現性」(reproducibility)嗎?如果一個科學研究結果具有再現性,代表它可以被另一個研究團隊,以同樣的控制條件、操作步驟進行重複測量,並獲得與前人相近的結果。這也代表著這項實驗是可以被驗證的,該研究的可信度也越高。

近年來,許多領域都開始重視科學研究的再現性問題,例如 2015 年由科學開放平台(Open Science Framework, OSF)發表在《科學》(Science)的一篇心理學實驗再現性的研究,就重複了三個重要的心理學期刊,包括 Psychological ScienceJournal of Personality and Social PsychologyJournal of Experimental Psychology: Learning, Memory, and Cognition 在 2008 年間發表的 100 個研究,結果顯示僅有 36%的研究具有統計顯著性[1]

而在 2016 年刊載於《自然》(Nature)的一篇報導中,團隊以線上問卷調查了 1576 位研究者,發現有超過 70% 的研究者,無法重現其他科學家曾經做過的研究結果;更有超過 50% 研究者無法重現「自己的」研究結果[2]

再現研究論文時,會遇到哪些困難?

同樣的科學研究再現性驗證也出現在生醫領域。一項由 RPCB(Reproducibility Project: Cancer Biology)團隊耗資 200 萬美元、歷時 8 年,嘗試複製各大具影響力的臨床前癌症研究,其結果於去年(2021)12 月發表於 eLife[3]

-----廣告,請繼續往下閱讀-----

在看這項研究結果之前,或許我們可以先了解 RPCB 究竟是何方神聖?RPCB 是一個由非營利組織「開放科學中心」(Center for Open Science)與學術平台「科學交流」(Science Exchange),在 2013 年開始合作執行的一項計畫。團隊期望能系統性地重現出 53 篇於 2010~2012 年間,刊登在知名期刊《自然》、《科學》、《細胞》(Cell)中的臨床前癌症相關研究。

cos_logo
非營利組織「開放科學中心」的標誌。圖/RPCB

即使一開始團隊預計重複 53 篇論文中共 193 項實驗,但最終能成功執行的僅有來自 23 篇論文裡的 50 個實驗,且仍使該計畫延宕了五年才完成。為什麼理想這麼豐滿,現實卻如此骨感?研究團隊在論文中提到了幾項實驗再現的困難與挑戰,例如:

  1. 許多原始論文缺少敘述統計(descriptive statistics)和推論統計(inferential statistics)的關鍵數據,像是效果量(effect size)、統計檢定力(power)等資訊,儘管團隊聯繫了原始論文的作者,仍有 68% 的數據無法取得。
  2. 在這 193 項實驗中,沒有一個具有足夠詳細的說明,令團隊能設計出重複的實驗步驟。這使得他們不得不轉向論文原始作者,以尋求更進一步的實驗建議,而在詢問的過程中,約 26% 作者給了極大的幫助,而有約 32% 作者對實驗完全沒幫助(或是無任何回應)。

癌症研究實驗的再現性僅 46%?

在缺乏合作、需要詳細檢查並調整實驗步驟的情況下,研究團隊平均需要花費 197 週的時間才能複製出一項實驗。此外,每複製一次實驗的成本高達 5 萬 3000 美元——大約是原先預估花費的兩倍,因此再現 193 項實驗的雄心壯志終究無法達成。

那麼這項耗時 8 年、斥資百萬的實驗再現性研究,給了我們什麼結果呢?

-----廣告,請繼續往下閱讀-----

根據團隊在 eLife 發布的第二篇論文顯示,這些臨床前癌症相關研究的實驗再現性僅有 46%,且平均的統計效果量也比原始論文低了 85%[4]

在這些被再現的實驗中,原始研究效果量大的往往更容易被複製,而動物實驗則是再現性最差的,這可能是因為在生物體內(in vivo)實驗的效果量,大多低於體外(in vitro)實驗。

白色實驗室禮服的女人
RPCB 團隊發現,再現一個實驗需要將近四年的時間,且成本是預想中的兩倍,無法完成 193 項實驗。圖/Pexels

只做一次的再現實驗,公信力足夠嗎?

發表在知名期刊上的臨床前癌症研究論文,其實驗再現性居然不到一半,這對於生物醫學相關領域的研究者來說,無疑是一項沉重的打擊。

不過僅憑一次的再現實驗,就評斷一項研究的公信力,對這些研究者來說公平嗎?其中一位研究無法被 RPCB 再現的學者就表示:「他無法確定這些一次性實驗有多少價值。」而那些被選中重現的實驗,當中也不乏已經開始進行第二期藥物臨床試驗的研究。同時也有研究者指出,RPCB 在複製實驗時使用了與原研究不同的細胞株(cell line),也並未在實驗中進行三重複確認最終結果[5]

有丝分裂, 减数分裂, 细胞, 细胞分裂, 人类, 癌症, 紧急情况, 血, 生物学, 科学, 药品, 健康
若能使用相同細胞株並進行三重複,應該能減少再現實驗的誤差。圖/Pixabay

針對這些指控,RPCB 說明這項計畫的目的,並非藉此斷言某些特定研究是無用,或需要被停止的,而是為了點出現今研究的再現性危機(reproducibility crisis),以期望找出相對應的解方。目前也有一些提升研究再現性的方法被提出,像是以盲性研究(blinding)進行體外實驗或動物實驗、採用更大的樣本量、更嚴謹的統計分析方法,以及研究計畫的預先註冊制度(preregistration)[註 1]

-----廣告,請繼續往下閱讀-----

雖然這項大型研究充滿著許多爭議,但也提醒了各領域的研究人員:對於自身研究的每個步驟、統計方法等,都應更加詳盡、仔細的記錄。除了能使後人有辦法針對已發表的內容,進行深入探討外,亦可以提升該實驗被再現的可能性,增加研究的公信力。

而看完文章的你,對於科學研究的再現性又有什麼看法呢?

註解

  • 註 1:研究計畫的預註冊是指研究者在進行科學研究之前,先對他提出的假設、方法、分析方式上傳到註冊機構,經由該單位的期刊編輯、同儕審查通過後,再進行研究的一種做法。
  1. Open Science Collaboration, Estimating the reproducibility of psychological science, Science, Vol 349, Issue 6251, 2015. https://www.science.org/doi/10.1126/science.aac4716
  2. Monya Baker, 1,500 scientists lift the lid on reproducibility, Nature, volume 533, pages452–454, 2016. https://www.nature.com/articles/533452a
  3. Timothy M Errington et al., Reproducibility in Cancer Biology: Challenges for assessing replicability in preclinical cancer biology, eLife, 2021. https://elifesciences.org/articles/67995
  4. Timothy M Errington et al.,Investigating the replicability of preclinical cancer biology, eLife, 2021. https://elifesciences.org/articles/71601
  5. Asher Mullard, Half of top cancer studies fail high-profile reproducibility effort, Nature, 09 December 2021. https://www.nature.com/articles/d41586-021-03691-0
-----廣告,請繼續往下閱讀-----
所有討論 1
Yiting_96
4 篇文章 ・ 1 位粉絲
在鳳梨田裡唸生科的人類,畢業後意外走上了科普路,目前還在緩慢前行中。喜歡有趣怪知識、諧音爛笑話,還有床。