可以伏地挺身的「魚」？古生物哪有這麼可愛！——《真實尺寸的古生物圖鑑》

• 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。

• 採訪編輯／羅億庭｜挖不了化石，就寫一寫化石，本刊編輯。

Take Home Message

• 去年5月，科博館地質學組的助理研究員楊子睿與團隊，在恆春的頭溝河谷中發現了一具臺灣目前保存得最完整的大型鯨魚化石。
• 根據鯨魚的下頜骨化石，團隊推估牠的真實大小約有18公尺長，生存在約10萬年前；從肩胛骨推論牠可能是一隻小的藍鯨，或是青少年時期的大翅鯨。
• 團隊中不少人都是第一次參與大型古生物化石開挖，過程中除了需要克服地獄般的天氣，還面臨了瘋狂進攻的蚊子、暴雨淹水等考驗，但也每天都有不同驚喜。

當生物的生命消逝後，牠的遺體、生存痕跡便有可能留存於土地上，經過沉積物的堆積、掩埋與化石化作用（fossilization）成岩後變為化石。化石記載著這片土地曾經的過往，而透過化石也可以使我們對曾經生活於當地的古生物有更多了解。

在地球整整 46 億年的歷史中，臺灣算是很新的一座小島，出現於大約 600 萬年前。但即使是相對於地球歷史來說十分年輕的臺灣，島上的化石依舊不少。也因為臺灣的地形、地質環境特殊，在不同的地層中都分布著許多珍貴的化石，舉凡貝類、海膽、珊瑚、脊椎動物、有孔蟲（Foraminifera）等，都曾有過發現的紀錄。

出土自臺灣的脊椎動物化石中，最有名的大概是 1970 年代在臺南左鎮菜寮溪發現的早坂島犀（Nesorhinus hayasakai）；近 20 年來漁民更在澎湖海溝打撈到不少古菱齒象（Palaeoloxodon）化石。

大象是陸地上最大的哺乳類動物，而海洋中最大的哺乳類動物則非鯨魚莫屬；在臺灣這座島嶼上，曾發現過鯨魚化石嗎？

為期四個月地獄般的挖掘

去（2022）年 5 月，由國立自然科學博物館（簡稱科博館）地質學組助理研究員楊子睿帶領的團隊，在恆春地頭溝河谷中發現了一具保存得極為完整的大型鯨魚化石。在歷經「地獄般」的三個多月後，終於成功將整具化石從地層中挖掘出來。

《科學月刊》這次也特別訪問了楊子睿與幾位這次參與化石挖掘的團隊成員們，聊一聊本次挖掘的過程及當中的辛酸血淚。

最初為什麼知道恆春當地有這具鯨魚化石，並開始挖掘呢？

「這一開始其實都是無心插柳柳成蔭。」

楊子睿回憶，去年 5 月恰好有一位德國學者來訪臺灣，因此楊子睿帶著他走訪臺灣較知名的幾個化石產地，如臺灣南部的左鎮、恆春等地，採集基本的貝類化石。

在恆春挖掘化石的途中，有一名團隊成員發現地層裡有塊看起來像是鯨魚肋骨的石頭，但大家卻都把它當成地面在踩。後續挖掘時發現這塊一直被當作地面的石頭確實就是鯨魚肋骨，且光是該處就有多達四根，而這條鯨魚肋骨也為本次挖掘揭開了序幕。

前面也提過，這次挖掘的過程如同「地獄」，原因在於挖掘化石的恆春當地幾乎都是崎嶇不平的石灰岩層，若不慎跌倒可是會破皮流血。

除了地形之外，天氣也是造就地獄的其中一個因素。雖然現在時序已進入秋冬，但還記得每年 5～9 月那彷彿想將人就地燒死的艷陽嗎？「整天的氣溫都超過 34℃，河谷中的濕度也幾乎是 100％，即使想流汗也流不出來，」楊子睿說著當時在恆春低海拔森林挖掘的過程，「還會有一大群蚊子瘋狂進攻，防蚊液都要噴好噴滿、像一層膜一樣！」

即使過程中經歷了千辛萬苦，團隊仍成功的將這具鯨魚化石挖掘出來，呈現在眾人眼前。

解密臺灣古鯨魚的形態密碼

看見這隻鯨魚巨大的下頜骨，也讓人不禁好奇臺灣以前也曾找到過鯨魚化石嗎？這次的挖掘成果跟先前相比又有什麼不同？

楊子睿解釋，由於臺灣島的地層在形成的過程中容納了不同階段的海岸環境，因此有許多鯨豚在此擱淺後被保留在地層中，形成了化石。過往其實有不少鯨魚化石出土的紀錄，例如在大甲溪曾出現過鯨魚肋骨化石、屏東四溝、臺南左鎮也都有過鯨魚化石出土的記載。

不過先前挖掘到的化石大多只是鯨魚的其中一條肋骨、脊椎骨等，「這是臺灣到目前為止，第一次保存得最完整的鯨魚化石。」楊子睿說。

而且不僅是鯨魚，它也是目前出土最大、最完整的脊椎動物，至於這隻鯨魚之所以能夠用近乎原始的狀態被保留下來，顯示了牠在死後沒多久就迅速被掩埋。楊子睿進一步解釋，臺灣南部的造山速度相當快，當造山時抬升得愈高、雨水就會愈快將泥沙沖出，沖出泥沙後就會以愈快的沉積速率將鯨魚掩埋起來，讓牠形成一具相對完整的化石。

根據其中一根長約 223 公分的鯨魚下頜骨化石，團隊推估這隻鯨魚的真實大小約有 18 公尺長。此外，自由研究者莊智凱分析了地層中的鈣質超微化石（calcareous nannofossil），推測這隻古鯨魚應該生存在約 8 萬 5000 年前的潟湖環境。

由於人類過去幾千、幾百年來的開墾活動，在全新世（Holocene）和更新世（Pleistocene）較新地層附近的化石大部分已被毀滅，所剩無幾。「包含日本、美國發現的近代鯨魚化石都只是碎塊或是其中一部分，從來沒有過這種一整隻被我們挖出來的。」楊子睿說道。

現生已知體型最大的哺乳動物是海洋中的藍鯨（Balaenoptera musculus），最長的體長紀錄是 29.9 公尺。

目前我們有辦法辨認出這具化石可能是哪一種鯨魚嗎？楊子睿分享道，要鑑識出一隻鯨魚是哪個物種，最重要的關鍵是透過牠的「耳骨」，但這隻鯨魚化石在找到時耳骨早已風化消失，因此只能靠替代方案——肩胛骨，鑑定這具化石的物種。

目前推論這隻古鯨魚有可能是一隻小的藍鯨，或是青少年時期的大翅鯨（Megaptera novaeangliae）。

挖掘過程中的驚喜與驚嚇

這次在臺灣挖掘出鯨魚化石的成果令人驚喜，但是除了前面提過「地獄般的環境」之外，其實挖掘過程中還有相當多不為人知的辛苦。

目前就讀臺灣師範大學地球科學系的團隊成員官鑫伯也分享，他們在挖掘的某幾天就因為當地突然下起了大雨，當下必須先有一部分人將旁邊因挖掘而產生的土堆推開，清出一條河道以避免水淹上來，甚至還利用旁邊現成的木塊做成臨時的河堤阻擋大水。

在某次挖完化石隔天回到挖掘現場時，還看到原先挖掘的地方淹了水，「那時候我超緊張！因為化石好像不要泡到水比較好。」官鑫伯笑著說，而他也只能盡快用桶子與湯匙將水撈出，以防止化石泡在水中而有所損害。

研究助理吳筱柔進一步分享，淹水的那幾天水真的來得又急又快，「團隊成員只能貼著邊邊儘速撤退，想辦法逃出去。」「我那時候壓力真的很大，因為很怕有人會出事，這樣我就會上報紙而不是上《科學月刊》了。」想起當時的情況，楊子睿也心有餘悸的說道。

談到這次的挖掘過程，其實團隊中不少人都是第一次參與這類大型古生物化石的開挖。

吳筱柔便分享當初開挖時完全看不出自己在挖的是什麼東西，有點像是尋寶的概念，她也說：「每天都有不同的驚喜，因為愈挖就會愈覺得它和自己原先的猜測不太一樣！」。

而來自文化大學生命科學系的連士賢平時則是比較常接觸現生鯨豚，所以對鯨豚的骨骼位置分布相當熟悉——但在挖掘鯨魚化石時卻完全無法用平常的解剖思維去思考。「骨骼會在土中的哪個位置？會不會因為時間與地質壓力的作用而改變形狀？」連士賢講述著種種需要考慮的事項，這些挖掘、保存、保護等處理化石的方式，都是需要在現場慢慢學習的。

成功大學地球科學系的李岱安則認為，整個鯨魚化石挖掘的過程都令她相當印象深刻，因為過往從來沒有看過這麼大的古生物化石出現在眼前。從數十天的挖掘到親眼所見鯨魚骨頭，再將化石成功運出，這一切對她來說都相當震撼。

有待揭曉的鯨魚生態故事

目前團隊已經針對這具鯨魚化石做了初步的研究，得知牠可能的物種、生存的年代，那麼未來還有哪些研究規劃呢？楊子睿說明，目前團隊想知道的是為什麼在恆春地區會有這麼多鯨魚被埋在這裡？牠們被埋在此處的原因又是什麼？對當時的整個古環境、生態系來說有什麼樣的意義？

「這一切完整的生態故事，都需要進一步討論與了解後才能將它補齊。」楊子睿表示。

這具鯨魚化石現在已經全數被運送回科博館中等待後續的清修，而清修也是一項十分浩大的工程。目前都還在將一些較大型的化石，如肩胛骨上的石膏拆卸下來，其他比較小塊的碎骨頭就必須花時間、人力慢慢進行清修。

楊子睿更與我們分享，當初來訪臺灣、曾參與過前期挖掘的德國學者表示德國慕尼黑的「人與自然博物館」（Museum of Man and Nature）對這具鯨魚化石相當有興趣，希望能出借展示。

未來挖掘團隊也期望能透過與其他單位的合作，將這隻鯨魚化石完整的展示在國際與臺灣民眾眼前。

• 〈本文選自《科學月刊》2023 年 1 月號〉
• 科學月刊／在一個資訊不值錢的時代中，試圖緊握那知識餘溫外，也不忘科學事實和自由價值至上的科普雜誌。

古代人對生態環境的影響，不容易回答。人類抵達澳洲的年代早於 5 萬年，在此之後，澳洲有一批大型動物滅團，但是與人類的關係多少，專家們各有主張。有時候，甚至連人類是否接觸過某種動物都無法肯定。

一項 2022 年發表的研究，證實一款滅絕的史前大鳥確實與人類發生關係，而且材料相當特別：蛋殼中的古代蛋白質。^{[參考資料 1, 2, 3]}

澳洲 5 萬年前鳥蛋殼，是塚雉還是巨鳥？

用於分析的材料是澳洲南部出土的一批蛋殼，有被煮食的痕跡；它們距今大概 5 萬年左右，可以推測是古代人的食物。蛋殼來自哪種鳥呢？

活跳跳的鳥類可以根據外貌識別，去世後只剩骨頭的鳥類，也能靠著型態差異分辨。而鳥類產下的蛋，不同鳥蛋的外觀有別，厚度等特徵也有所不同，有時候光是憑藉蛋殼，便能判斷物種。

有專家主張這批古代人吃剩的蛋殼來自牛頓巨鳥（Genyornis newtoni），這是一款不會飛的大鳥，身高超過 2 公尺，體重 220 到 240 公斤，一顆蛋有 1.5 公斤重。

牛頓巨鳥在人類抵達澳洲後就消失了，但是沒什麼人類獵捕的骨頭證據。倘若蛋殼真的產自巨鳥，可以推論這款鳥類的消失與人有關。然而，也有專家認為這批蛋殼來自塚雉（megapode）。塚雉體型比牛頓巨鳥小很多，只有 5 到 7 公斤重。

由史前蛋殼中的蛋白質，判斷未知鳥類的演化位置

5 萬年前成為人類大餐的鳥蛋，究竟何許鳥也？這項研究搜集多種鳥類的蛋殼型態作比較，也寄希望於遺傳學。蛋殼的成分主要由碳酸鈣等礦物質構成，不過其中也有少量 DNA、蛋白質；可惜出土蛋殼中無法取得足夠的古代 DNA。

生物去世後，遺傳物質開始崩解，蛋白質的結構比 DNA 更穩固，生還機率更高。好消息是，蛋殼中仍保有一些蛋白質片段，而且足以判斷親戚關係。

組成蛋白質的氨基酸序列取決於 DNA 編碼，只要知道基因的 DNA 序列，便能得知蛋白質的序列。定序 DNA 比蛋白質容易太多，絕大部分時候假如不知道 DNA 序列，便不會知道蛋白質。

但是聰明的讀者馬上會想到，我們知道牛頓巨鳥的基因組嗎？假如不知道，即使獲得蛋殼中的蛋白質片段，又該如何比對呢？

儘管缺乏牛頓巨鳥的基因組，好消息是，隨著基因體學發達，已經有大量鳥類物種的定序資訊，像是 Bird 10000 Genomes（B10K）計畫。所以可以根據各種鳥類的蛋白質序列差異，畫出演化樹，再將蛋殼中取得的蛋白質置於其中一起比較，便能判斷未知鳥類的分類位置。

大鳥家族史：牛頓巨鳥、鴕鳥、恐鳥為各自獨立巨大化

依照可供分析的氨基酸變異，蛋殼鳥被歸類到雞雁小綱（Galloanseres）中很早分家的演化位置；而塚雉屬於雞形目（Galliformes，旗下有雞、火雞、珠雞、孔雀等一大堆鳥類），分家的時間要更晚得多。

藉由蛋殼殘存的遺傳訊息，無法判斷它是誰的最近親，不過肯定絕對不會是塚雉及其近親。因此論文判斷，蛋殼應該為牛頓巨鳥的蛋蛋。

倘若真的是牛頓巨鳥，或者說是 Genyornis 屬旗下的鳥類，這項分析也有助於釐清它的分類位置。說起不會飛的大鳥，大家都會想到鴕鳥、澳洲的鴯鶓（emu），還有紐西蘭已經滅團的恐鳥（moa）；它們全部都屬於古顎類（Palaeognathae），和牛頓巨鳥所屬的雞雁小綱是平行關系。

澳洲的牛頓巨鳥及其近親們，目前被歸類為 Dromornithidae，屬於雞雁小綱旗下已經滅團的一支。所以大鳥與大鳥之間其實不是太近的親戚，是各自獨立巨大化的。

竊蛋人對巨鳥滅團有責任

不少恐龍愛好者聽過，當年出土竊蛋龍與恐龍蛋化石時，還以為它們是盜獵其他恐龍的蛋，所以取名為竊蛋龍。後來才發現是誤會，它們懷抱的其實自己的蛋，可惜汙名已定，無法改名。人類盜獵大鳥的蛋無庸置疑，同理可稱之為「竊蛋人」。

鳥類靠生蛋繁衍後代，對其他動物而言卻是營養豐富的食物，人類只要有機會當然也不會放過。史前人類除了吃鳥蛋，也會將蛋殼加工製成工具與裝飾品；鴕鳥蛋殼的大量利用，甚至還能用來探討長達數萬年的非洲文化演化。

這回新研究以新奇的分析手法證實，5 萬年前的澳洲人會採集牛頓巨鳥的巨蛋來吃。由此推測，這款澳洲大鳥的滅絕，竊蛋人多半脫不了關係。

最後值得一提，由古早樣本取得非特定古代蛋白質（例如膠原蛋白、AMELY 以外的其他蛋白質）的分析辦法，繼古代 DNA 之後也成為古生物學、古人類學的新利器。澳洲的巨鳥蛋殼以外，雲南的步氏巨猿、西班牙的前人、青藏高原東側，甘肅的夏河丹尼索瓦人等材料，其中殘存的蛋白質片段都帶來寶貴的演化線索。

延伸閱讀

• 短篇 澳洲最早遺址，距今 6.5 萬年  
• 短篇 人類在 4.9 萬年前，已經深入乾燥的澳洲內陸
• 短篇  澳洲動物 4 萬多年前滅絕，與人息息相關
• 短篇 南非 10.5 萬年前，住在內陸的進步人士
• 短篇 人類最早量產裝飾品，鴕鳥蛋殼珠的社交
• 絕美保存的「竊蛋龍胚胎」化石問世：孵化姿勢與現代鳥類如出一轍！
• 16 萬年前青藏高原，丹尼索瓦洞穴以外的丹尼索瓦人
• 190 萬年前，華南的步氏巨猿蛋白質
• 80 萬年前「前人」蛋白質，不是智人直系祖先，但是很接近

參考資料

1. Demarchi, B., Stiller, J., Grealy, A., Mackie, M., Deng, Y., Gilbert, T., … & Miller, G. (2022). Ancient proteins resolve controversy over the identity of Genyornis eggshell. Proceedings of the National Academy of Sciences, e2109326119.
2. The first Australians ate giant eggs of huge flightless birds, ancient proteins confirm
3. Egg-eating humans helped drive Australia’s ‘thunder bird’ to extinction

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。