中秋抬頭賞月，你能找到幾種動物？談月面光影的「空想性錯視」

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。

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？

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。

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？

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 。

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

• 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：

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 。

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？

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 。

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

• 文／雅文基金會聽語科學研究中心研究員　詹益智

阿明是位 65 歲的退休長者，總是積極參與各種社區活動，是熱心的志工。然而，近來他開始意識到自己在大型聚會中，必須使勁聆聽他人的話語，有時還是會錯過一些關鍵的內容，這使得他逐漸對大型活動感到焦慮，害怕因聽不清楚別人的對話而與人生分。隨著聽力問題逐漸浮現，他開始注意到自己的思緒也跟著變得混亂。比如說，他常常忘記事情發生的順序，甚至有時候不記得已經說過的話，這種記憶的衰退讓阿明感到十分困擾。最終，阿明去看了醫生並接受相關的測試，被診斷出患有中度聽損與早發性失智症。

在日常生活中，聽覺扮演了重要的角色，是我們與外界交流的管道之一。然而聽力受損不僅僅是一種單純的生理障礙，更可能與失智症之間存在著密切的關係。

關於失智症的二三事

失智症是一種大腦和日常功能逐漸衰退的疾病，主要涉及認知功能的喪失，包括思考、記憶、推理及語言能力等。有些失智症患者甚至無法控制情緒，個性也可能發生轉變。失智的症狀隨程度不同而有所改變，從最輕微的階段開始影響一個人的基本能力（如記憶），到最嚴重的階段，患者完全需要仰賴他人進行日常活動 ^[1]。失智症不僅對患者本身造成巨大的影響，也帶給家人和照顧者極大的負擔。

2023 年世界衛生組織（WHO）的統計數據顯示，世界上目前約有 5,500 多萬的人口患有失智症，而每年全球正以 1,000 萬人的速度增加 ^[2]，預計到 2050 年，全球失智症患者數量將達到 1.53 億人口 ^[3]。Livingston 等學者於 2020 年在國際著名的醫學期刊《刺胳針》（The Lancet）發表了一篇關於失智症的預防、介入與照護的研究 ^[4]，列舉了 12 項風險因子，包括教育程度較低、聽力損失、創傷性腦傷、高血壓、酗酒、肥胖症、吸煙、憂鬱症、社交隔離、缺乏運動、空氣污染與糖尿病，將近 40% 的失智症都與這些因素有關（另 60% 為風險因子不明），其中，聽力損失佔最大宗，約有 8% 的比例。另一項研究更進一步指出，罹患失智症的風險會隨著聽損程度越重而增加，例如輕度、中度與重度聽損者罹患失智症的風險分別是聽常者的 1.27、3.00 與 4.94 倍 ^[5]。由此可見，聽損與失智症的關係不容小覷。

聽力出包時，失智症有可能找上門！

聽損與失智症關聯的機轉究竟是什麼呢？綜合現有的研究文獻，大致可歸納出三大觀點：

一、聽損會耗費大腦的認知資源

聽損常使一個人在吵雜的環境下聽不清楚聲音，此時，大腦便會進行代償作用，將負責思維和記憶區塊所需的資源移轉用來處理這些模糊的音訊，而導致前述二項高階的認知功能受到影響，進而增加失智的風險 ^[6]。以上的論述主要來自 Mishra 等人的研究 ^[7]，該研究比較輕度聽損年長者與聽常年輕人在「認知備用容量測驗（Cognitive Spare Capacity Test）」的表現：受試者聽完（無視覺提示）一串由男女穿插錄製之二位數的數字列表（如下表所示）後，要說出這串列表中由男生所錄製的奇位數數字（如 13 與 59，以圓圈標示）。要順利完成此項作業，受試者必須排除女生所錄製奇位數數字的干擾（如 77、89 與 61，以底線標示）。

結果顯示，在安靜的環境下，兩組受試者的表現無顯著差異，但在噪音環境下，聽損年長者的表現則顯著落後於聽常年輕人，研究者認為聽損年長者為了排除噪音的干擾以獲取正確的答案，其大腦會將高層次的認知資源挹注於彌補聽損所帶來的負面影響，而致使認知功能下降。長此以往，漸漸便埋下了失智症的導火線。

另一個較為直觀的證據則是透過腦造影技術觀察聽損者大腦活動的狀況。Glick 與 Sharma ^[9] 讓聽常與聽損老年人觀看電視螢幕的光影變化，並透過高密度的腦波圖（high-density electroencephalography；EEG）記錄其對視覺刺激反應的皮質視覺誘發電位（cortical visual evoked potentials；CVEPs），再透過電流密度源重建技術（current density source reconstruction）定位大腦皮質活動的區塊；此外，研究也評估了受試者的認知功能。結果顯示，相較於聽常者，聽損者觀看視覺刺激物時，腦部發生了視覺跨模重組（visual cross-modal reorganization）的現象：除了主司視覺的枕葉區被活化外，主司聽覺的顳葉與主司認知功能的前額葉也被活化用以輔助處理視覺訊息，這會為大腦帶來極大的負擔而增加認知負荷，並耗盡用以記憶的認知資源，最終可能引發失智症。

二、聽損會使大腦組織萎縮

此外，聽損與否也可能會影響一個人大腦的結構與功能。美國約翰霍普金斯大學的研究人員 ^[10]，利用「巴的摩爾老化長期研究（Baltimore Longitudinal Study of Aging）」的資料，針對聽損與腦容量的關係進行了一項有趣的研究，他們分析了一群受試者在逐漸老化時，其腦容量的變化。受試者在研究之初，做了聽力評估，接著接受為期長達十年、每年一次的核磁共振檢查。結果顯示，研究開始時就患有聽損的受試者，相較於聽常者，其大腦有較大幅度的萎縮，平均以每年一立方釐米以上的速度流失大腦組織，而這些大腦組織恰好與輕度認知功能退化和早期失智症所表現出的記憶衰退的行為有關 ^[11]。

三、聽損會引發社交隔離

社交隔離（social isolation；意旨與他人很少有社交互動或是社交圈窄小的現象 ^[12]）也可解釋為何聽損與失智症有關。一項由英國所進行的研究 ^[13] 追蹤了一群 50 歲以上成年人的聽損、社交隔離的程度與認知的狀況，並分析這三個因素間的關係，結果發現雖然聽損與認知功能下降有直接且顯著的關聯，但當加入了社交隔離程度的影響後，聽損與認知關聯的強度降低了近三分之一，此結果說明聽損可能會導致社交隔離，間接造成認知功能下降而引發失智症。這也顯示大腦須要透過適當的社交刺激，才能維持其活力，進而保持正常的認知功能。值得注意的是，當聽力閾值達到 25 分貝或以上（即輕度以上的聽損，亦為影響社交溝通的起始閾值）時，聽損所帶來的失智風險就會明顯地增加 ^[14]。

如何預防聽損所帶來的失智風險

一般而言，聽力是與他人溝通互動不可或缺的元素之一；然而，聽力問題不僅僅是關乎聽覺本身，如前所述，它也可能與失智症存在直接或間接的關係，若能適時地做好聽力保健，或許就可避免老年時，讓失智找上你。那麼要如何維持良好的聽力呢？以下幾點可供參考：

1. 定期聽力檢查是維護耳朵健康的重要關鍵。許多人並不瞭解即便是輕微的聽損也可能對認知功能造成負面的影響。在一般的情況下，聽力下降是漸進且微小的，而人類的大腦有極強的適應能力，這使得聽力衰退不易被察覺 ^[15]。透過定期的聽力檢查，有助於追蹤聽力狀況，即使是微小的變化也能及時掌握，並處理潛在的聽力問題，進而降低聽損所帶來的失智風險。
2. 減少長期暴露在噪音環境中。噪音環境除了會加速聽損的惡化外，同時也會誘發海馬迴受損的記憶功能障礙，這也是失智典型的症狀 ^[16]。因此，避免長時間處在高分貝的環境下，或者適時地佩帶耳塞或耳罩，便是保護聽力健康進而降低失智風險的良方之一。

然而，就聽損人士而言，難道就只能坐視自身認知功能逐漸退化而毫無作為嗎？其實不然。還記得 Glick 與 Sharma 的研究 ^[9] 提到聽損者大腦的視覺跨模重組與其認知功能衰退息息相關嗎？但令人振奮的是，這些聽損者在穩定配戴助聽器六個月後，逆轉了視覺跨模重組的現象，其認知功能也隨之改善，這表示聽損者配戴助聽器後，失智風險也可能跟著降低。 

雖然失智症並不全然與聽力問題相關，但就聽力而言，我們可做的就是聽力保健，如定期做聽力檢查、遠離噪音環境、適度保護耳朵，以及必要時配戴助聽輔具是維持良好聽力的重要關鍵，若能確實執行上述建議，或許就可降低那 8% 的失智風險。請記住，保護耳朵就是保護大腦，讓我們一起努力維護聽力，為未來的大腦健康奠定穩固的基礎吧！

參考資料

1. National Institute on Aging (n.d.). What is dementia? Symptoms, types, and diagnosis. https://www.nia.nih.gov/health/alzheimers-and-dementia/what-dementia-symptoms-types-and-diagnosis
2. Dementia (2023, March 15). Dementia. https://www.who.int/news-room/fact-sheets/detail/dementia
3. The Institute for Health Metrics and Evaluation (2022, January 6). The Lancet Public Health: Global dementia cases set to triple by 2050 unless countries address risk factors. https://www.healthdata.org/news-events/newsroom/news-releases/lancet-public-health-global-dementia-cases-set-triple-2050
4. Livingston, G., Huntley, J., Sommerlad, A., Ames, D., Ballard, C., Banerjee, S., … & Mukadam, N. (2020). Dementia prevention, intervention, and care: 2020 report of the Lancet Commission. The Lancet, 396(10248), 413-446.
5. Lin, F. R., Metter, E. J., O’Brien, R. J., Resnick, S. M., Zonderman, A. B., & Ferrucci, L. (2011). Hearing loss and incident dementia. Archives of Neurology, 68(2), 214-220.
6. Fulton, S. E., Lister, J. J., Bush, A. L. H., Edwards, J. D., & Andel, R. (2015, August). Mechanisms of the hearing–cognition relationship. In Seminars in Hearing (Vol. 36, No. 03, pp. 140-149). Thieme Medical Publishers.
7. Mishra, S., Stenfelt, S., Lunner, T., Rönnberg, J., & Rudner, M. (2014). Cognitive spare capacity in older adults with hearing loss. Frontiers in Aging Neuroscience, 6, 96.
8. Mishra, S., Lunner, T., Stenfelt, S., Rönnberg, J., & Rudnera, M. (2013). Visual Information Can Hinder Working Memory Processing of Speech. Journal of Speech, Language, and Hearing Research, 56, 1120-1132.
9. Glick, H. A., & Sharma, A. (2020). Cortical neuroplasticity and cognitive function in early-stage, mild-moderate hearing loss: evidence of neurocognitive benefit from hearing aid use. Frontiers in Neuroscience, 93.
10. Lin, F. R., Ferrucci, L., An, Y., Goh, J. O., Doshi, J., Metter, E. J., … & Resnick, S. M. (2014). Association of hearing impairment with brain volume changes in older adults. Neuroimage, 90, 84-92.
11. Liu, J., Zhang, X., Yu, C., Duan, Y., Zhuo, J., Cui, Y., … & Liu, Y. (2016). Impaired parahippocampus connectivity in mild cognitive impairment and Alzheimer’s disease. Journal of Alzheimer’s Disease, 49(4), 1051-1064.
12. Steptoe, A., Shankar, A., Demakakos, P., & Wardle, J. (2013). Social isolation, loneliness, and all-cause mortality in older men and women. Proceedings of the National Academy of Sciences, 110(15), 5797-5801.
13. Maharani, A., Pendleton, N., & Leroi, I. (2019). Hearing impairment, loneliness, social isolation, and cognitive function: Longitudinal analysis using English longitudinal study on ageing. The American Journal of Geriatric Psychiatry, 27(12), 1348-1356.
14. Lin, F. R., Metter, E. J., O’Brien, R. J., Resnick, S. M., Zonderman, A. B., & Ferrucci, L. (2011). Hearing loss and incident dementia. Archives of Neurology, 68(2), 214-220.
15. Audiology Associations of DFW. (August 31, 2023). Regular hearing tests could decrease your risk of getting dementia. Hearing Test Info. https://www.audiologyassociates.com/hearing-test-info/hearing-test-reduce-risk-dementia/
16. Paciello, F., Pisani, A., Rinaudo, M., Cocco, S., Paludetti, G., Fetoni, A. R., & Grassi, C. (2023). Noise-induced auditory damage affects hippocampus causing memory deficits in a model of early age-related hearing loss. Neurobiology of Disease, 178, 106024.

長久以來，生物學家一直都在探討為什麼斑馬會有如此奇怪的黑白斑紋，直到他們談話的當下，卡羅依然在探究這個問題。他告訴梅林，其中最早出現、最廣為人知也令人意外的推測，是認為這些斑紋其實是斑馬的保護色。斑馬身上的黑白條紋毛色能夠擾亂掠食者（如獅子、鬣狗）的視線，讓牠們看不清楚斑馬的輪廓，也可以讓斑馬的身影融入周遭聳立的樹木之間，又能夠在斑馬跑動時讓其他動物感到視線模糊。

但梅林對這些說法抱持著存疑的態度，她回想自己當初的反應：「我那時候表情應該很怪。我對他說：『大部分的肉食性動物都是在夜晚獵食，而且牠們的視覺根本不如人類靈敏，因此很有可能根本看不到那些斑紋。』」提姆這時驚訝地忍不住脫口而出：「什麼？」

斑馬紋隱身術

人類視覺處理細節的能力幾乎比其他任何動物都來得好；梅林也發現，正是因為這種特別敏銳的視力，人類才成了少數能夠看見斑馬條紋的物種。她和卡羅找了個光線明亮的日子，計算出擁有絕佳視力的人類能夠在一百八十二公尺左右之外的距離就分辨出斑馬身上的黑白條紋，獅子則得拉近到八十二公尺左右的距離才看得出來，鬣狗更是要到四十五公尺左右的距離才看得清楚。一旦到了掠食者最常打獵的黃昏或清晨時分，牠們則得再拉近約莫一半的距離才能看見斑馬身上的紋路。

所以梅林的想法沒錯：斑馬身上的條紋不可能是牠們用來匿蹤的保護色，因為掠食者都得靠得很近才看得到這些紋路，然而假如真的距離這麼近，這些天生的獵人早就聽見或聞到斑馬的蹤跡了，實在無需仰賴視力。在肉食動物與斑馬平時間隔的距離之下，這些紋路其實根本都融成了一片灰濛濛的顏色；對正在打獵的獅子來說，斑馬看起來跟驢子其實也沒什麼不同。

人類其實視力超好的？

動物的視覺敏銳度以單位視角週期數（cycles per degree）為測量單位——這個概念剛好可以用剛剛的斑馬條紋來做例子。各位伸出手臂並豎起大拇指，你的指甲大約可以代表一單位視角；以你的手臂為距並涵蓋四周三百六十度的距離範圍來說，各位應該可以在指甲上畫了六十至七十條黑白條紋的情況下，依然辨識得出黑白條紋之間的區別。因此人類視覺敏銳度的單位視角週期數便約為六十至七十；目前的最高紀錄是來自澳洲的楔尾鵰（Aquila audax），牠們的視覺敏銳度之高，單位視角週期數高達一百三十八。

楔尾鵰擁有動物世界中最細的光受體，這也使牠們的視網膜裡可以密密麻麻地塞滿大量光受體；有了這些細窄的感光細胞，楔尾鵰敏銳視力的畫素大約是人類的兩倍，也因此可以在大約一點六公里之外的距離看見小小一隻大鼠。

然而老鷹和其他猛禽卻是少數視覺比人類敏銳得多的物種。感官生物學家愛倫諾．凱福斯（Eleanor Caves）搜羅了上百種動物的視覺敏銳度，發現人類的視力幾乎超越了所有物種。除了猛禽以外，就只有其他靈長類動物的視覺敏銳度能與我們比肩了。

各種動物的視覺敏銳度以單位視角週期數表示如下：章魚為四十六、長頸鹿為二十七、馬為二十五、獵豹為二十三，視力表現還算不錯；而獅子卻只有十三，僅略高於人類法律中定義為全盲的單位視角週期數：十。然而其實除了上述物種之外，大部分動物的視覺敏銳度都低於人類視為全盲的門檻，其中包括半數的鳥類（令人意外的是，蜂鳥和倉鴞都在此行列之中），大部分的魚類與所有昆蟲；例如蜜蜂的單位視角週期數竟只有一，這也就表示你伸出去的那隻大拇指在蜜蜂眼裡就代表著一個畫素，至於拇指上畫的其餘細節在牠們眼中都是一團模糊。另外還約有百分之九十八的昆蟲視力比這還要更弱。

凱福斯說：「人類真的很怪。我們的其他任何感覺根本連摸都摸不到可以稱為頂尖的邊，卻唯獨在視覺敏銳度上傲視群雄。」矛盾的是，人類雖有優良的視力，卻也因此失去了能夠欣賞其他環境界的視野，因為「我們以為自己看得到的，其他物種一定也能看見；認為那些對人類來說顯而易見顯眼的事物，對其他動物來說也一定難以忽視。但實際上卻並非如此。」凱福斯如此說道。

——本文摘自《五感之外的世界》，2023 年 8 月，臉譜出版，未經同意請勿轉載。