踏著前人的屍體前進！寒武紀大爆發和逝去的埃迪卡拉生物群——《地球毀滅記》

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

從志留紀末期到泥盆紀這段時間，地球的大陸成了首批陸生動物的家園。
狀似馬陸的呼氣蟲是最早的節肢動物先驅。
同時，蜘蛛與蠍子的早期親屬，也利用已在地球表面建立起來的植物與真菌生態系。
牠們在陸地上進食、繁殖與死亡，為陸地食物網增添了新的複雜性，也為後來從水邊冒險登陸的其他動物提供了獎勵。

動物隨著地球的演化踏上岸

隨著地球表面被植物染綠，動物跟隨植物的腳步上岸只是時間問題。

第一批維管束植物在地球大陸的年輕土壤中安家後不久，節肢動物踏進了這些矮樹叢。這些無畏探險家留下的最古老證據之一，是在蘇格蘭亞伯丁附近出土的一塊化石，名為呼氣蟲（Pneumodesmus）。

牠是一種多足類，與馬陸和蜈蚣屬於同一個群體。雖然原本將牠的年代界定在四億兩千三百萬年前的志留紀，但是近期研究顯示牠可能更年輕，生活在最早期的泥盆紀。

無論如何，到了泥盆紀，動物已經在陸地上站穩腳跟，而呼氣蟲更是最早在地球上行走的動物之一。

發現目前唯一的呼氣蟲化石

目前出土的呼氣蟲化石只有一件，而且只是一塊一公分（○．四英寸）的身體碎片。

然而在這一小塊化石中，可以清楚看到很多隻腳，從一隻可識別的馬陸狀動物的六個體節長出來。

更重要的是，呼吸結構的細節清楚可見：外骨骼角質層上有稱作氣門的孔。這些氣門讓氧氣與其他氣體進入並離開身體，這塊化石也是根據這項特徵而命名為呼氣蟲（Pneumodesmus 的「pneumo」來自希臘文的「呼吸」或「空氣」）。

這塊化石提供了第一個呼吸空氣的決定性證據，這是一種全新的演化適應，為數百萬微小的節肢動物探索者，以及追隨牠們的捕食者，開放了大陸的表面。

最古老的多足類演化過程

在泥盆紀，呼氣蟲並非獨自生活在植被中。還有許多多足類和牠一起生活，最古老的多足類化石出現在志留紀與泥盆紀的岩層。

儘管不屬於任何現代的馬陸或蜈蚣群體，牠們是現存馬陸與蜈蚣的早期親戚，外表與馬陸和蜈蚣非常相似，具有分節的長條狀身體許多腳―馬陸每個體節的兩側各有兩隻腳，蜈蚣則只有一隻。

目前已知有最多腳的馬陸是全足顛峰馬陸（Illacme plenipes），擁有七百五十隻腳。現存的大多數馬陸都是食碎屑動物，以腐爛的植物為食。這些動物的化石紀錄很少，因此每一件化石對於我們瞭解生命從水裡浮現的過程都特別珍貴。

最早的多足類，可能是受到早期植物產生的新食物來源所吸引，才來到陸地上。

最早的蛛形綱動物也充分利用了頭頂上的廣闊天地。蛛形綱動物包括蟎、蠍子、蜘蛛與盲蛛。牠們有八隻腳（不同於昆蟲的六隻腳），大多數仍生活在陸地上，儘管少數（如水蛛〔Argyroneta〕）又回到水中生活。

奧陶紀與志留紀的化石顯示，蛛形綱動物和其他節肢動物可能在更早的時候就偶爾會出現在陸地上，但是到了泥盆紀，有些已經完全過渡到能夠呼吸空氣的狀態。最早的蛛形綱動物是角怖蛛，這是一個已經滅絕的群體，看起來像是蜘蛛與蟎的雜交體。

蟎與擬蠍也很多，後來還有類似蜘蛛、具有吐絲管能製造絲的始蛛（Attercopus）。就像今天一樣，這些早期的蛛形綱動物大多是捕食者，可能以其他從水邊冒出來的節肢動物為食。

到泥盆紀末期，出現了第一批昆蟲，據估計，昆蟲構成今日地球上所有動物生命的 90％。最後，一些脊椎動物也過渡到陸地上，這或許是受到尋找新的食物來源所驅動。

我們所知的陸地生命基礎終於到位了。自此之後，演化在這些群體中繼續發揮作用，創造出我們今日所見的驚人多樣與多量。

節肢動物牠們有什麼用處呢？

節肢動物通常被看作是害蟲，昆蟲尤其如此。

然而，牠們在整個地球的運行中扮演十分重要的角色。現在有超過一萬六千個多足類物種、六萬種蛛形綱動物，以及大約一千萬種的昆蟲。

牠們不僅在地球最早期生態系中舉足輕重，至今對自然界及人類的世界仍然非常重要。

多足類處理森林中的落葉，成為營養循環中的一個重要齒輪。蜈蚣通常是捕食者，最大的蜈蚣甚至能吃小型哺乳動物與爬蟲類。

蛛形綱動物大多也是捕食性的，因此在調節獵物的族群數量方面，發揮重要的作用。這裡所指的包括昆蟲害蟲在內，這些害蟲數量不受控制，就會損害植物的族群數量。因此，不起眼的蜘蛛對人農業非常重要。

蟎與蜱可以寄生並傳染疾病，對人類及其他動物構成威脅，其他昆蟲也會造成類似的危險。然而，昆蟲的角色變化多端，其價值確實無法估量，包括生產蜂蜜，甚至以其勤奮的活動精明操控整個生態系，例如蜜蜂、螞蟻與白蟻。

許多節肢動物都有毒，有些對人類甚至具有致命性。然而，讓獵物喪失能力和死亡的毒液也可發揮其他用處；蜘蛛毒液已被用作替代的殺蟲劑，科學家也正在研究其醫藥用途，以及在新材料上的應用。

此外，節肢動物可以為包括彼此在內的無數動物提供食物來源。許多節肢動物是人類的食物，包括狼蛛、蠍子、蚱蜢、白蟻與象鼻蟲等。

目前，世界各地有多達二千零八十六種節肢動物被當成食物，而且至少從舊石器時代開始，牠們已經成為食物的來源。

有人認為，隨著人類人口不斷增加，昆蟲尤其可能在未來提供重要的蛋白質來源―這是資源密集型肉類養殖的替代方案。

我們很難想像一個沒有節肢動物的地球；事實上，這樣的地球可能無法存在。早在泥盆紀，世界就是節肢動物的天下。

但牠們冒險去到的地方，捕食者也在不遠處。節肢動物的存在，為另一個從水中出現的動物群體提供了食物，而這個動物群體在人類的演化史上特別重要：這裡講的是四足動物。

——本文摘自《直立猿與牠的奇葩家人：47種影響地球生命史的關鍵生物》，2023 年 7 月，大塊文化，未經同意請勿轉載。

鯊魚的歷史超過 4 億年，可謂非常資深的生物，經歷過好幾次「大滅絕」。我們知道，距今 6600 萬年前導致恐龍消失的大滅絕，帶走了當時 30% 以上的鯊魚。

但是最近新發表的論文更報告，1900 萬年前還有一次之前不知道的事件，使得超過 90% 鯊魚消失，也損失 70% 的型態多樣性。

這麼重大的鯊魚滅絕事件，之前我們竟然毫無所悉，對原因也毫無頭緒？

盾鱗與牙齒，判斷魚類數量和物種

研究古生物的物種、多樣性、增減幅度，相當困難。

如今大部分魚類屬於輻鰭魚（ray-finned fish），去世後最容易成為化石的部位是牙齒；不過鯊魚、鰩魚（例如魟魚）這些屬於板鰓亞綱（elasmobranchii）的魚類，留下牙齒的機率很低，較容易保存的，是皮膚上特化的鱗片「盾鱗（denticle）」。

分析海洋沉積物中，魚類的牙齒、盾鱗的數量和種類，便能判斷海中魚類的數目與物種。

新研究的材料來自２次深海鑽探取得的樣本，分別位於北太平洋與南太平洋，能推論古代大洋的生態狀況。（盾鱗總共 1263 個——北太平洋 465 個、南太平洋 798 個）

1900 萬年前，鯊魚幾乎不見了！

地質年代上，白堊紀始於 1.45 億年前，延續到大約 6600 萬年前；隨後是到 2300 萬年前結束的古近紀（Paleogene），再來是到 260 萬年前為止的新近纪（Neogene），而其中 533 – 2300 萬年前稱作中新世（Miocene） 。

白堊紀末期的大滅絕，消滅了許多生物，卻創造了輻鰭魚崛起的空間。白堊紀的時候，牙齒和盾鱗的比例約為１比１，整個古近紀到中新世的前 400 萬年，牙齒和盾鱗為５比１，比例能讓我們看出一些端倪。

但是 1900 萬年之後狀況非常不一樣，牙齒盾鱗比變成 100 比 1！即使牙齒和盾鱗的比例，未必直接等於鯊魚和輻鰭魚的數量，也能判斷：

距今 1900 萬年過後，大洋中鯊魚的數量減少很多。和之前相比，在此之後少掉超過 90% 的鯊魚。

不同鯊魚，盾鱗的型態有別，因此可以用盾鱗的型態代表鯊魚的多樣性。

研究者總共定義出 88 種盾鱗型態，1900 萬年前之後，高達 70% 消失。而且在此之後，不再有任何一種新型態誕生。和當時相比，現存的鯊魚僅存 20% 多樣性。

這次鯊魚大滅絕，很可能是史上規模最大的鯊鯊滅團事件。作為對照，6600 萬年前廣為人知的白堊紀末期大滅絕，消滅當時 30 到 40% 的鯊魚，比例竟然只有 1900 萬年前的一半而已。

線形盾鱗和幾何形盾鱗

鯊魚的盾鱗可分為兩大類，線形（linear）和幾何形（geometric）。

現生的鯊魚絕大部分配備線形盾鱗，它比較適合長距離游泳。現代鯊魚共有 18 款線形盾鱗，和全盛時期的 53 款相比，剩下 34%。

配備幾何形盾鱗的現生鯊魚非常稀有，主要見於住在深海，小型的伏擊型鯊魚，例如雪茄達摩鯊（Isistius brasiliensis）、佩里烏鯊（Etmopterus perryi）。

根據新研究的分類，世界上曾經有過 33 款幾何形盾鱗，但現在只剩下 6 款，僅存 18%。鯊鯊大滅絕事件之前，幾何形盾鱗有 35% 的相對存在感，之後慘跌到 3%。

由此看來，不論線形或幾何形盾鱗，在距今 1900 萬年過後都損失慘重，但是配備幾何形盾鱗的鯊魚，打擊更加慘烈。

鯊魚全面滅團的未解之謎

距今 1900 萬年前的鯊魚大滅絕，影響範圍應該遍及全球，不過遠洋海域的損失似乎較大。在此之後，鯊魚的多樣性再也沒有恢復。

論文指出，根據目前有限的資料判斷，如此劇烈的命運動盪或許只發生在短短的 10 萬年內。

最不得其解的是，鯊魚全族的滅絕事件如此明確，我們卻對它為什麼發生毫無頭緒。

地質史上發生過很多次生物大滅絕或小滅絕，以及更多次的劇烈氣候變遷；可是在 1900 萬年前那個時候，海洋化學紀錄和氣候都沒有明顯的變化，似乎也沒有其他動物大量滅團。

影響較大的已知事件，各發生在之前與之後的數百萬年，都和 1900 萬年前的鯊魚大滅絕沒有直接關係。先發生的是早 400 萬年，距今 2300 萬年的古近紀、新近紀轉換期（Paleogene-Neogene boundary）；之後是晚 500 萬年，距今 1400 萬年的中新世中期滅絕事件（Middle Miocene disruption）。

當時海洋中一定發生過什麼我們還不知道的事，才導致幾乎所有鯊魚同時消失，而且再也沒有恢復；也可以肯定 100% 和智人沒有關係。

但是最近的鯊魚滅絕，和智人的直接獵捕、漁業、海洋汙染顯然關係不小。一項研究統計，公元 1970 到 2018 年間，鯊魚減少了 71% 之多。很有可能，鯊鯊再度面臨 1900 萬年未有之大變局。

論文作者 Elizabeth Sibert 介紹影片：

延伸閱讀

• 短篇 恐龍倒下，魚族崛起
• 寒武紀大爆發為何發生？是因為氧、掠食者亦或是地磁反轉無情的捉弄？
• 吃魚頭常常啃到的那兩顆：魚類「 耳石」在古生物學上的應用
• 耳中乾坤─魚耳石

參考資料

1. Sibert, E. C., & Rubin, L. D. (2021). An early Miocene extinction in pelagic sharks. Science, 372(6546), 1105-1107.
2. Elizabeth Sibert 推特
3. When sharks nearly disappeared
4. A shark mystery millions of years in the making

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。