0

0
0

文字

分享

0
0
0

帕夫洛夫誕辰│ 科學史上的今天:9/26

張瑞棋_96
・2015/09/26 ・886字 ・閱讀時間約 1 分鐘 ・SR值 512 ・六年級

-----廣告,請繼續往下閱讀-----

除了「薛丁格的貓」,科學史上最負盛名的寵物再來應該就是「帕夫洛夫的狗」了。而且不像薛丁格的貓根本是虛構出來,只存在於思想實驗之中,牠可是貨真價實、活生生的狗,還有流口水的特殊技能(咦?)。不過就如同薛丁格的貓被不斷傳述後扭曲了薛丁格的本意,帕夫洛夫的狗也因名氣太大而遮掩了帕夫洛夫的其餘事蹟。

帕夫洛夫原本研究的其實是狗的胃液。當時已經知道食物進入胃以後,會刺激胃液分泌;但他想知道在食物還沒到達胃之前,會不會就已經分泌胃液了?要觀察到實際情況,顯然必須得對清醒的狗做實驗才行,於是帕夫洛夫用他的巧手

-----(警告:以下畫面可能過於殘酷,膽小者與愛狗人士請自行斟酌是否繼續閱讀)-----

將狗的食道與胃各開了幾條瘻管接到體外,讓被狗吞下的食物從瘻管排出體外,進不到胃中;再從胃外接出來的瘻管檢測是否有胃液。結果證實了帕夫洛夫的猜測:食物不用進到胃裡,光靠視覺、嗅覺、味覺等感官刺激就能刺激胃液分泌。

-----廣告,請繼續往下閱讀-----

帕夫洛夫還進一步實驗不同的食物造成胃液分泌的快慢、多寡、與持續時間。他對消化系統的嚴謹實驗與深入研究為他贏得 1904 年的諾貝爾生理或醫學獎,不過他在領獎致辭時,講的卻是他發現的「制約反應」(conditioned reflex)。

原來他在實驗時觀察到:負責餵食的工作人員走進時,狗就開始分泌唾液。於是他試著在食物出現之前先給予視覺或聽覺的刺激,例如圖片、哨子、節拍器、音叉(偏偏就是沒有傳說中的鈴鐺)。這些原本並不會令狗分泌唾液,但連續幾次之後,狗被制約了;即使沒有食物,只要這些圖片或聲音一出現,狗就會流口水。

先別急著笑狗笨,後來有實驗證實人也會受到制約反應的影響,而不由自主地被不相干的事物勾起恐懼、厭惡、……等情緒反應。這正是為什麼「帕夫洛夫的狗」會如此深植人心吧?因為牠映照出我們人類也並非全然是自己的主人,原來還有理性、意志力,甚至自由意志所不能及的晦暗之處啊!

 

本文同時收錄於《科學史上的今天:歷史的瞬間,改變世界的起點》,由究竟出版社出版。

-----廣告,請繼續往下閱讀-----
文章難易度
張瑞棋_96
423 篇文章 ・ 991 位粉絲
1987年清華大學工業工程系畢業,1992年取得美國西北大學工業工程碩士。浮沉科技業近二十載後,退休賦閒在家,當了中年大叔才開始寫作,成為泛科學專欄作者。著有《科學史上的今天》一書;個人臉書粉絲頁《科學棋談》。

0

2
2

文字

分享

0
2
2
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 54 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

0
0

文字

分享

0
0
0
動物訓練不只是花式,更是改善實驗動物福利的好方法
Heiman
・2012/07/04 ・3401字 ・閱讀時間約 7 分鐘 ・SR值 534 ・七年級

各種現代生物學相關研究無法不使用動物來進行實驗,而隨著我們對動物所知愈來愈多,我們不再如十七世紀名哲學家笛卡兒一般視動物為機器,而是有知覺的生命體,因此,基於側隱和道德,關注動物福利已是動物學界的主流。

B.O. Hughes提出動物福利意即動物與身處環境之和諧,而D.M. Broom對動物福利奠下了科學上的定義:動物嘗試適應身處環境的狀態(有能力控制身心的安定,包括生理、心理、行為等等)。對動物的福利關注早於動物福利被科學定義前的1920年代已經出現,由倫敦大學動物福利協會(1938年更名為動物福利大學聯會(Universities Federation of Animal Welfare, UFAW))提出。該會提出「處理動物問題須以科學為基礎,用上最大同情心,但要將感傷收到最小」。

動物福利最先推行於實驗動物。1947年,該會出版實驗動物手冊(laboratory animal handbook),奠下了實驗動物的福利基準;並於1950年代提出動物實驗的3R原則:替代(Replacement)、減少(Reduction)及改善(Refinement)。這比後來同樣由該會制定的農業動物照護及管理福利基準的出現還要早二十年。儘管如此,實驗動物福利至今仍存在大量需要改善的空間,特別是過去人們多從生理層面去檢視動物福利,只顧消極地預防和處理病痛等問題,而忽略了心理福利需求(而心理問題也會對生理造成壞影響)。因此,過往的實驗動物福利改善多數只從改善居住環境的設計(如擴建和衛生等)著手,較少著眼於改善人類跟實驗動物的互動以減少實驗動物因人類而受的心理壓力。上個月筆者有機會參與澳紐實驗動物協會(Australian and New Zealand Laboratory Animal Association, ANZLAA)主辦的座談會,內容是講述運用行為訓練及條件制約(Conditioning)方法來改善動物設施內的福利,正好提供了改善實驗動物的心理福利的新方法。

動物的心理包括了認知、情緒以及由此而生的行為,而作為有知覺的生命體,動物或被動或主動地不斷從與身處的環境(外來刺激)中學習認知、情緒、行為。要改善動物的心理福利,就要先了解牠們的心理狀況,因此需要了解動物的學習原理和結果;而了解了動物的學習原理和結果後,則可以反其道而行,主動地應用這些原理去幫助動物適應環境。動物有多種學習方法,最不同動物共通、最主要的兩種分別為對情緒(及其延伸行為)作用的古典條件制約(Classical conditioning),以及對行為作用的操作式條件制約(Operant conditioning)。

-----廣告,請繼續往下閱讀-----

古典條件制約由俄國科學家巴洛夫(I.P. Pavlov)所發現,著名例子莫過於巴洛夫那隻聽到鈴聲就流口水的狗。以巴洛夫的狗作例子,狗本來不需要學習,看見食物(非制約刺激)就會被引發食慾而流口水(非制約反應),而若狗每次看見食物時都聽到鈴聲,久而久之,鈴聲和食物就會在狗的認知中產生配對聯繫,使得鈴聲成為一個制約刺激,可以單獨地引發狗的食慾使其流口水(流口水成為對鈴聲的制約反應)。這過程讓狗學習了鈴聲對自己的意義和對鈴聲作出相應的情緒及行為反應。在實驗室之中,清潔機造成的噪音或人類強迫性的對待手法等等非制約刺激常常引起實驗動物的恐懼情緒,造成躲避、逃跑、反擊等非制約恐懼行為反應,通過古典條件制約過程,動物更學習對清潔機或人類本身(制約刺激)感到恐懼並做出相應行為(制約反應),這使得實驗動物經常地處於莫大而不必要的心理壓力。動物對人類的恐懼反應更往往引起人類加倍粗暴的對待,例如更迅速用力地抓住動物不讓其逃走或反擊,造成惡性循環,使動物心理壓力更加惡化,並大大提高動物和人類受傷的風險,造成嚴重的福利問題。

然而,當我們理解古典條件制約的學習原理,就可以反其道而行對動物使用反條件制約(Counter-conditioning)——在實驗動物遇上引發恐懼(或有可能引發恐懼)的刺激時,給予牠們喜好的刺激(如牠們喜歡的食物、玩具、撫摸等等),使那些刺激(如清潔機和人類本身)和喜好的刺激配對聯繫起來,令實驗動物不再對其恐懼,甚至更願意主動接近人類。這不但消除動物的恐懼,也使得粗暴的對待手法不再必須,因此可以大大減少動物的心理壓力,甚至讓牠們感到正面的情緒,滿足牠們福利需求。

影片:對注射疫苗的小貓進行反條件制約訓練

第二大學習原理為史金納(B.F. Skinner)發揚光大的操作式條件制約,原理請回顧筆者之前所寫的《狗狗不打不成器?非也,研究指獎勵式訓練較為可取》。要注意的是,因為筆者於該文以訓練動物的角度來介紹操作式條件制約,因此使用了「給予/移除刺激為後果去鼓勵/阻止」這種帶有訓練者主動意圖的描述,然而事實上操作式條件制約作為動物學習調整行為與環境互動的原理,刺激的出現及消除並不需要帶有主動的訓練意圖,以人跟實驗動物的互動為例:傳統對待實驗動物的手法都帶有正處罰(Positive punishment)和負增強(Negative reinforcement)——實驗員把白老鼠抓起,白老鼠掙扎,為免牠逃脫實驗員加強了握力。縱使實驗員無意訓練老鼠乖乖不掙扎,但握力帶來的痛苦卻正處罰了老鼠掙扎的行為,令牠停止掙扎;而見老鼠停止掙扎後,實驗員不自覺的放鬆握力,使得握力帶來的痛苦消失,也負增強了老鼠乖乖不掙扎的行為;不過,假若實驗員加強握力時,老鼠勇敢地反擊咬了實驗員手指使他放開手,得以從粗暴的對待中逃脫,則會負增強老鼠的咬人行為,讓老鼠學習當人加強握力時就要咬人以求逃脫。

-----廣告,請繼續往下閱讀-----

在這例子可以看到傳統對待實驗動物的手法所引起的問題:製造人和動物的對抗,不僅對雙方造成不必要的心理壓力,更帶來更高的受傷風險。另外,動物訓練師Bob Bailey有句名言叫「巴洛夫常在你的肩上(Pavlov is always on your shoulder)」,就是說使用操作式條件制約時,古典條件制約仍然存在。因此,以正處罰及負增強這些涉及厭惡刺激的學習原理為主的對待手法往往令實驗動物學會恐懼人類,造成前一段所述的福利問題。

相反,使用正增強(Positive reinforcement)為主的訓練方法可以改善實驗動物福利,例如以小食獎勵主動行為的方式訓練白老鼠自動地走到磅上量體重、進入清潔的籠子,又或者訓練牛隻主動進入圍欄讓人抽血。正增強訓練如何改善動物福利?第一,壓力的成因在於動物無法控制牠所身處的環境,因此當容許動物主動選擇並以獎勵方式正增強想要的行為時,動物感知到原來自己可以控制環境,就能大大減少壓力。研究證實,使用正增強訓練主動接受麻醉注射的實驗用黑猩猩,比起被迫以麻醉槍麻醉的同伴,其血液檢驗結果顯示較低的壓力生理指標。第二,使用正增強訓練可間接達成部分反條件制約效果。比如近年就有研究指出使用正增強訓練的馬喜好親近人類,而使用負增強訓練的馬則恐懼人類。在實際應用上,正增強訓練動物主動量體重、接受注射等等,於先進的動物園及水族館等等設施已取得空前成功,成為動物檢查護理的一部分。此外,不少靈長目動物實驗室也開始了正增強訓練的應用。再加上操作式條件制約可應用到多種不同動物(包括哺乳類、鳥類、爬蟲類及魚類等等),正增強訓練是改善實驗動物福利的好方法。

影片:正增強訓練狨猴量體重

雖然行為訓練及條件制約可大大改善實驗動物福利,但也有需要注意的事項。首先,實驗動物的飼養是以完成研究為主要目的,因此該座談會的一位講者Dr. John chofield提醒實驗動物照護員,對實驗動物進行行為訓練及條件制約前,必須先與研究員好好溝通。照護員須尋求並遵守研究員的指引,避免訓練對動物造成了實驗外變數(Non-experimental variables)——令動物除了實驗要檢視的不同處造成的影響外,多出了實驗沒有預期的同處所造成的影響——使得研究結果大亂而將整個研究(甚至研究員的研究生涯)毀掉。另外,目前使用行為訓練及條件制約改善實驗動物福利也有其阻力,比如實驗動物管理員常質疑訓練動物(並訓練實驗人員訓練動物)需求更多時間及資源而不願嘗試,然而,若能訓練實驗動物主動合作,一時的額外付出很可能帶外長期的時間及資源節省,因此這個改善實驗動物福利的新方法是大有潛力並值得考慮的。

-----廣告,請繼續往下閱讀-----

 

參考資料:

Broom, D. M. 2011. A History of Animal Welfare Science. Acta Biotheoretica, 59, 121-137.

Common Marmoset Care: Handling and Training (http://www.marmosetcare.com/care-in-captivity/handling-and-training.html)

Highlights from UFAW’s History (http://www.ufaw.org.uk/highlights.php)

-----廣告,請繼續往下閱讀-----

Incorporating Behavioural Training and Conditioning into Animal Facility Routines (Symposium organised by ANZLAA on Wednesday 20th June, 2012)

Perlman, J. E., Bloomsmith, M. A., Whittaker, M. A., McMillan, J. L., Minier, D. E. & McCowan, B. 2011. Implementing Positive Reinforcement Animal Training Programs at Primate Laboratories. Applied Animal Behaviour Science.

Sankey, C., Richard-Yris, M.-A., Henry, S., Fureix, C., Nassur, F. & Hausberger, M. 2010. Reinforcement as a Mediator of the Perception of Humans by Horses (Equus Caballus). Animal Cognition, 13, 753-764.

同場加映兩個有關古典條件制約及操作式條件制約的小笑話:

-----廣告,請繼續往下閱讀-----

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。