0

0
0

文字

分享

0
0
0

人類的刻板印象,該怎樣讓人工智慧不要有樣學樣?──「AI與性別論壇」

Suzuki
・2019/11/16 ・2586字 ・閱讀時間約 5 分鐘 ・SR值 578 ・九年級

人工智慧(Artificial Intelligence,AI)是這世代的熱門詞彙,以後不用公車司機交給 AI 就好,以後不用醫生看診交給AI 就好,以後不用警察巡邏交給 AI 就好,有種「只要有 AI,一切沒問題」的感覺。然而,AI 沒有想像中那麼神,反而很笨無法指出自己的錯誤,還會複製人類的刻板印象。

  • 知名圖庫 ImageNet 將白色禮服的美國新娘的圖片標註為「新娘」、「禮服」,而將穿著紗麗的北印度新娘圖標記為「表演藝術」。
  • 常用於語言分析的「詞嵌入」演算法(word2vector),將「女人」和「家庭主婦」放在同一個詞組中。
  • Nikon 相機的眨眼偵測功能,總是認定亞洲人在眨眼。註1

身為眼睛小的女人的我看到這些結果,真的快氣到翻桌,難道眼睛小錯了嗎!沒想到這種超「政治不正確」的錯誤居然發生在AI上啊!

餵給機器學習的圖片來源若以美國為主,機器就會將白色的新娘標記為「新娘」,右方的則標註為「表演藝術」。圖/截圖自網頁

為什麼 AI 會犯這樣的低級錯誤?我們應如何「教育」AI,以避免造成學習偏差?

面對這些問題,2019 年 10 月,科技部人社中心辦理了「AI與性別論壇」,邀集性別研究學者和理工背景的學者共同研究、討論,希望未來能朝向性別平等的發展方向。

-----廣告,請繼續往下閱讀-----

歧視與偏見從何而來?打開演算法的黑盒子

對深度學習演算法有概念的人都知道:AI 並不能夠如神一般憑空生出答案,其運作邏輯是提供數以萬則的內容,讓它學習如何判讀資料,學成完畢再提供其他內容,就能吐出答案。

假若人提供給 AI 的資料本身就有偏見,AI 做出的分析也有偏見,要知曉 AI 為何產生偏見,就要從演算法如何學到歧視來談起。

跨足性別與計算社會學研究的高醫性別研究所助理教授余貞誼表示,演算法的進行過程必定有「人為操控」的成分,可從演算法操作的四個步驟來說明:

(1)決定測量指標

當我們仰賴 AI 來做判斷時,勢必得將社會科學問題變成「可量化」的數值指標,例如在判斷求職者是否具備「領導力」時,就有衡量領導力的有效指標,可能是下屬的服從性、情緒管控程度……等。

-----廣告,請繼續往下閱讀-----

「所以在決定用什麼測量指標時,已經蘊含特定的價值選擇。」余貞誼說。這就像是當我們以「年收入」作為衡量職業價值的指標時,注定只有工程師、醫生是最有價值的。

(2)餵資料進演算法

余貞誼分析ptt各版上與「結婚」相近的詞彙。圖/簡鈺璇

「給機器什麼資料就會吐出什麼結果」,她表示在 PTT 男女版、gay 版和拉版上進行詞嵌入分析,就會發現「結婚」、「生小孩」的詞彙在各版的意義不同。因此,若餵給機器的資料有偏差,得出來的結果也會有問題。

(3)資料的篩選與清理

以詞嵌入分析來說,一組詞彙的關聯詞組可能有 100 多個啊!為什麼工程師只挑 20 個詞組留下來呢?這 20 個詞組能反映真實的狀況嗎?

(4)將大數據變成「厚數據」

AI 得到的東西是簡答,但科學家需要將它再詮釋,解釋為何會跑出這樣的結果,錯誤的詮釋會得到不同的結果。像是 AI 臉部辨識系統傾向將黑人偵測為犯罪者,但不會告訴我們為什麼是這樣的結果,若政府因為錯誤詮釋,認為特定族群就是天生好鬥,而採取有問題的政策,後果就不堪設想。

-----廣告,請繼續往下閱讀-----

解決AI偏見的幾個解方

那麼面對這堆演算法的問題,有沒有辦法解決呢?如何避免機器成為「性別盲」和「種族主義者」呢?學者提出以下幾個解方:

(1)透明化演算法

「陽光是最好的殺蟲劑」余貞誼認為,演算法被認為是黑箱,是因為大眾不知道許多演算法的設計過程及資料的建立方式,她建議工程師應該將演算法的過程公開,讓大家有檢視與討論的機會。

(2)建立檢核演算法的機制

有些演算法的參數可以被歸納,但更多時候是我們餵給機器一堆東西,根本不知道它運算所考慮的參數。

黃從仁把AI當成人來研究,測出機器人對美的判斷標準,結果發現塗白全臉的分數最高。圖/簡鈺璇

臺大心理系助理教授黃從仁就把AI當成人來研究,透過實驗法與觀察法,測出線上選美比賽的判斷標準,找到AI的bug所在,原來把臉塗成全白在比賽中會拿下冠軍。也許用回推的方式,有助於我們理解AI的侷限與偏見。

-----廣告,請繼續往下閱讀-----

(3)理解資料建立的歷史,及它所反映的權力關係

臺大社會系教授吳嘉苓說:「科技使用某程度反映我們在這個社會中的權力關係。」像是輔助型機器人、語音助理總是女性,戰鬥型機器人則為男性,作為程式設計者需要意識到這個問題,去思考為什麼要這樣設計。

圖/吳嘉苓認為,科技使用反映社會的權力關係,值得大家好好思考。圖/簡鈺璇

科學領域中性別比例均衡也是能讓演算法價值多元的方式,吳嘉苓提到,世界經濟論壇的統治指出,在AI研究領域中男性高達78%,而女性僅有22%。

(4)從AI 到 AIs 促成演算法間的對話

臺大語言所副教授謝舒凱表示,AI 應用的目的就是要優化分類效率,而非以價值多元為取向,假使你要機器辨析誰是男生、誰是女生,你不能要機器體認到穿裙子的人可能是男生吧!因為穿裙子又是男生機率太難估算了。

此外,深度學習常是 supervised(監督式)學習,需給電腦正確答案,但一來人本身就是有偏見的,二來電腦若要考慮個別差異,給出不同的答案,那麼注定犧牲運算效能。

-----廣告,請繼續往下閱讀-----
謝舒凱認為,AI追求效能優化與我們期待的價值多元是互相抵觸的。圖/簡鈺璇

謝舒凱坦言,科技部訂定「人工智慧科研發展指引註2的立意良善,強調AI研究發展要有「以人為本」、「永續發展」及「多元包容」的核心價值,這牴觸 AI 的發展本質,所以能做的事很有限。

「From AI to AIs」才是重點,他認為目前偏向通用演算法的發展方式,大家都是根據某些 code 做改良,但單一演算法稱霸容易產生盲點,因此演算法的開發也應該多元,讓不同 AI 間可以互動和比對,「社會學家應該做出為人類發展的AI!」

行文至此,我們或許可以思考 AI 的發展意義,以及 AI 發展中所帶來的得與失,也許就會發現很多問題根本不適合用 AI 解決,而控制與效率也未必是最好的價值。

註釋

  1. AI can be sexist and racist — it’s time to make it fair
  2. 科技部訂定「人工智慧科研發展指引」 完善我國AI科研發展環境
-----廣告,請繼續往下閱讀-----
文章難易度
Suzuki
18 篇文章 ・ 0 位粉絲
超純社會組學生,對未知的一切感到好奇,意外掉入科技與科學領域,希望在猛點頭汲取知識的同時,也能將箇中妙趣分享給大家。

0

1
0

文字

分享

0
1
0
人與 AI 的關係是什麼?走進「2024 未來媒體藝術節」,透過藝術創作尋找解答
鳥苷三磷酸 (PanSci Promo)_96
・2024/10/24 ・3176字 ・閱讀時間約 6 分鐘

本文與財團法人臺灣生活美學基金會合作。 

AI 有可能造成人們失業嗎?還是 AI 會成為個人專屬的超級助理?

隨著人工智慧技術的快速發展,AI 與人類之間的關係,成為社會大眾目前最熱烈討論的話題之一,究竟,AI 會成為人類的取代者或是協作者?決定關鍵就在於人們對 AI 的了解和運用能力,唯有人們清楚了解如何使用 AI,才能化 AI 為助力,提高自身的工作效率與生活品質。

有鑑於此,目前正於臺灣當代文化實驗場 C-LAB 展出的「2024 未來媒體藝術節」,特別將展覽主題定調為奇異點(Singularity),透過多重視角探討人工智慧與人類的共生關係。

-----廣告,請繼續往下閱讀-----

C-LAB 策展人吳達坤進一步說明,本次展覽規劃了 4 大章節,共集結來自 9 個國家 23 組藝術家團隊的 26 件作品,帶領觀眾從了解 AI 發展歷史開始,到欣賞各種結合科技的藝術創作,再到與藝術一同探索 AI 未來發展,希望觀眾能從中感受科技如何重塑藝術的創造範式,進而更清楚未來該如何與科技共生與共創。

從歷史看未來:AI 技術發展的 3 個高峰

其中,展覽第一章「流動的錨點」邀請了自牧文化 2 名研究者李佳霖和蔡侑霖,從軟體與演算法發展、硬體發展與世界史、文化與藝術三條軸線,平行梳理 AI 技術發展過程。

圖一、1956 年達特茅斯會議提出「人工智慧」一詞

藉由李佳霖和蔡侑霖長達近半年的調查研究,觀眾對 AI 發展有了清楚的輪廓。自 1956 年達特茅斯會議提出「人工智慧(Artificial Intelligence))」一詞,並明確定出 AI 的任務,例如:自然語言處理、神經網路、計算學理論、隨機性與創造性等,就開啟了全球 AI 研究浪潮,至今將近 70 年的過程間,共迎來三波發展高峰。

第一波技術爆發期確立了自然語言與機器語言的轉換機制,科學家將任務文字化、建立推理規則,再換成機器語言讓機器執行,然而受到演算法及硬體資源限制,使得 AI 只能解決小問題,也因此進入了第一次發展寒冬。

-----廣告,請繼續往下閱讀-----
圖二、1957-1970 年迎來 AI 第一次爆發

之後隨著專家系統的興起,讓 AI 突破技術瓶頸,進入第二次發展高峰期。專家系統是由邏輯推理系統、資料庫、操作介面三者共載而成,由於部份應用領域的邏輯推理方式是相似的,因此只要搭載不同資料庫,就能解決各種問題,克服過去規則設定無窮盡的挑戰。此外,機器學習、類神經網路等技術也在同一時期誕生,雖然是 AI 技術上的一大創新突破,但最終同樣受到硬體限制、技術成熟度等因素影響,導致 AI 再次進入發展寒冬。

走出第二次寒冬的關鍵在於,IBM 超級電腦深藍(Deep Blue)戰勝了西洋棋世界冠軍 Garry Kasparov,加上美國學者 Geoffrey Hinton 推出了新的類神經網路算法,並使用 GPU 進行模型訓練,不只奠定了 NVIDIA 在 AI 中的地位, 自此之後的 AI 研究也大多聚焦在類神經網路上,不斷的追求創新和突破。

圖三、1980 年專家系統的興起,進入第二次高峰

從現在看未來:AI 不僅是工具,也是創作者

隨著時間軸繼續向前推進,如今的 AI 技術不僅深植於類神經網路應用中,更在藝術、創意和日常生活中發揮重要作用,而「2024 未來媒體藝術節」第二章「創造力的轉變」及第三章「創作者的洞見」,便邀請各國藝術家展出運用 AI 與科技的作品。

圖四、2010 年發展至今,高性能電腦與大數據助力讓 AI 技術應用更強

例如,超現代映畫展出的作品《無限共作 3.0》,乃是由來自創意科技、建築師、動畫與互動媒體等不同領域的藝術家,運用 AI 和新科技共同創作的作品。「人們來到此展區,就像走進一間新科技的實驗室,」吳達坤形容,觀眾在此不僅是被動的觀察者,更是主動的參與者,可以親身感受創作方式的轉移,以及 AI 如何幫助藝術家創作。

-----廣告,請繼續往下閱讀-----
圖五、「2024 未來媒體藝術節——奇異點」展出現場,圖為超現代映畫的作品《無限共作3.0》。圖/C-LAB 提供

而第四章「未完的篇章」則邀請觀眾一起思考未來與 AI 共生的方式。臺灣新媒體創作團隊貳進 2ENTER 展出的作品《虛擬尋根-臺灣》,將 AI 人物化,採用與 AI 對話記錄的方法,探討網路發展的歷史和哲學,並專注於臺灣和全球兩個場景。又如國際非營利創作組織戰略技術展出的作品《無時無刻,無所不在》,則是一套協助青少年數位排毒、數位識毒的方法論,使其更清楚在面對網路資訊時,該如何識別何者為真何者為假,更自信地穿梭在數位世界裡。

透過歷史解析引起共鳴

在「2024 未來媒體藝術節」規劃的 4 大章節裡,第一章回顧 AI 發展史的內容設計,可說是臺灣近年來科技或 AI 相關展覽的一大創舉。

過去,這些展覽多半以藝術家的創作為展出重點,很少看到結合 AI 發展歷程、大眾文明演變及流行文化三大領域的展出內容,但李佳霖和蔡侑霖從大量資料中篩選出重點內容並儘可能完整呈現,讓「2024 未來媒體藝術節」觀眾可以清楚 AI 技術於不同階段的演進變化,及各發展階段背後的全球政治經濟與文化狀態,才能在接下來欣賞展區其他藝術創作時有更多共鳴。

圖六、「2024 未來媒體藝術節——奇異點」分成四個章節探究 AI 人工智慧時代的演變與社會議題,圖為第一章「流動的錨點」由自牧文化整理 AI 發展歷程的年表。圖/C-LAB 提供

「畢竟展區空間有限,而科技發展史的資訊量又很龐大,在評估哪些事件適合放入展區時,我們常常在心中上演拉鋸戰,」李佳霖笑著分享進行史料研究時的心路歷程。除了從技術的重要性及代表性去評估應該呈現哪些事件,還要兼顧詞條不能太長、資料量不能太多、確保內容正確性及讓觀眾有感等原則,「不過,歷史事件與展覽主題的關聯性,還是最主要的決定因素,」蔡侑霖補充指出。

-----廣告,請繼續往下閱讀-----

舉例來說,Google 旗下人工智慧實驗室(DeepMind)開發出的 AI 軟體「AlphaFold」,可以準確預測蛋白質的 3D 立體結構,解決科學家長達 50 年都無法突破的難題,雖然是製藥或疾病學領域相當大的技術突破,但因為與本次展覽主題的關聯性較低,故最終沒有列入此次展出內容中。

除了內容篩選外,在呈現方式上,2位研究者也儘量使用淺顯易懂的方式來呈現某些較為深奧難懂的技術內容,蔡侑霖舉例說明,像某些比較艱深的 AI 概念,便改以視覺化的方式來呈現,為此上網搜尋很多與 AI 相關的影片或圖解內容,從中找尋靈感,最後製作成簡單易懂的動畫,希望幫助觀眾輕鬆快速的理解新科技。

吳達坤最後指出,「2024 未來媒體藝術節」除了展出藝術創作,也跟上國際展會發展趨勢,於展覽期間規劃共 10 幾場不同形式的活動,包括藝術家座談、講座、工作坊及專家導覽,例如:由策展人與專家進行現場導覽、邀請臺灣 AI 實驗室創辦人杜奕瑾以「人工智慧與未來藝術」為題舉辦講座,希望透過帶狀活動創造更多話題,也讓展覽效益不斷發酵,讓更多觀眾都能前來體驗由 AI 驅動的未來創新世界,展望 AI 在藝術與生活中的無限潛力。

展覽資訊:「未來媒體藝術節——奇異點」2024 Future Media FEST-Singularity 
展期 ▎2024.10.04 ( Fri. ) – 12.15 ( Sun. ) 週二至週日12:00-19:00,週一休館
地點 ▎臺灣當代文化實驗場圖書館展演空間、北草坪、聯合餐廳展演空間、通信分隊展演空間
指導單位 ▎文化部
主辦單位 ▎臺灣當代文化實驗場

-----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
210 篇文章 ・ 312 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

0

3
0

文字

分享

0
3
0
AI 破解生命密碼!AlphaFold 3 揭開蛋白質折疊的終極謎團
PanSci_96
・2024/10/07 ・1619字 ・閱讀時間約 3 分鐘

AlphaFold的誕生:人工智慧的奇蹟

2018 年,Google 旗下的 DeepMind 團隊推出了第一代 AlphaFold,這是一款基於深度學習的 AI 模型,專門用於預測蛋白質的三維結構。AlphaFold 的命名取自「fold」一詞,意為折疊,指的是蛋白質在胺基酸鏈構成後迅速摺疊成其功能所需的三維結構。

AlphaFold 的突破在於其能夠預測出蛋白質折疊的可能性,這是一個傳統計算方法無法達到的領域。第一代 AlphaFold 在國際 CASP 比賽中取得了一定的成功,雖然其預測準確度尚未達到實驗室標準,但其潛力讓科學家們充滿期待。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

為什麼蛋白質結構預測如此重要?

蛋白質是生命的基石,它們的功能取決於其複雜的三維結構。然而,僅靠實驗技術來解析蛋白質的結構既昂貴又耗時。過去科學家依賴於如 X 光晶體繞射等技術來解析蛋白質的結構,然而這種方法雖然精確,但往往需要數年時間來得出一個結論。

到目前為止,人類已知的蛋白質數據庫中,全球僅解析了大約 22 萬種蛋白質的結構,這遠遠不足以滿足生物學和醫學研究的需求。尤其是人類的許多蛋白質結構仍然未知,這成為阻礙醫學進步的一個主要瓶頸,特別是在藥物開發和疾病治療上,因此如何加速對蛋白質的結構的解析至關重要。

-----廣告,請繼續往下閱讀-----

AlphaFold 2:技術飛躍

2020 年,AlphaFold 2 橫空出世,改進了多項技術,預測準確度大幅,幾乎達到了與實驗結果相媲美的程度。這一成就震驚了全球生物學界,許多科學家開始將 AlphaFold 2 應用於實際研究中。

AlphaFold 2 的成功源自於其三大技術革新:

  • 注意力機制:模仿人類的思維模式,從大局出發,關注蛋白質結構中的每一個細節,進而提高預測的準確性。
  • 多序列比對功能:通過搜尋類似的胺基酸序列,推斷新的蛋白質結構。
  • 端到端預測模式:利用深度學習神經網路,不斷反饋預測結果,持續優化模型。
AlphaFold 2 預測準確度大幅提升。 圖/envato

AlphaFold 3:下一代 AI 的力量

隨著 AlphaFold 2 的成功,DeepMind 並未停止其腳步。2024 年 5 月,AlphaFold 3 正式推出,這標誌著 AI 技術在生物學領域的又一個里程碑。AlphaFold 3 的改進再次吸引了科學界的目光,它強化了注意力機制,並引入了擴散模型,這使其能夠更快且更準確地預測複合蛋白質的結構。

擴散模型是一項關鍵技術,它能夠生成大量的可能蛋白質結構,並快速篩選出最可能的解答。與此同時,AlphaFold 3 還內建了「減幻覺」功能,這讓其在產生結果時能夠避免過多不切實際的預測,提升了結果的可信度。

-----廣告,請繼續往下閱讀-----

AlphaFold 的實際應用:醫學與藥物開發

AlphaFold 3 的誕生,不僅是一個技術突破,還為醫學和藥物開發帶來了巨大的希望。過去,癌症治療中的標靶藥物需要經過漫長的實驗才能確定其作用原理,然而現在,通過 AlphaFold 的預測,科學家可以更加精確地針對癌細胞中的錯誤蛋白質,設計出更有效的藥物。

除此之外,AlphaFold 3 還在抗病毒藥物、抗生素以及阿茲海默症等領域展現了潛力。其能夠預測蛋白質與其他分子(如DNA、RNA)的交互作用,這使得研發新藥的過程大大加速。

AlphaFold 3 的挑戰與未來

儘管 AlphaFold 3 取得了驚人的進展,但其仍然面臨一些挑戰。首先,目前 AlphaFold 3 的模型尚未完全開源,這限制了研究人員對其內部運作的了解。為此,一些科學家已聯名要求 DeepMind 開放其程式碼,以便進行更深入的研究和應用。

不過,隨著 AlphaFold 3的逐步推廣,生物學家相信它將繼續改變生物學研究的方式。未來,這項技術有望在解決更多未解難題中發揮關鍵作用,並為醫學領域帶來更大的突破。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

PanSci_96
1249 篇文章 ・ 2380 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

2
0

文字

分享

0
2
0
從遺傳學角度剖析:女性能在體育場上超越男性嗎?——《運動基因》
行路出版_96
・2024/08/10 ・3712字 ・閱讀時間約 7 分鐘

科學期刊的預言:女性能追趕甚至超越男性?

我在 2002 年還在讀大四時,第一次看到兩位 UCLA 生理學家的論文〈不用多久女性就會跑得比男性快?〉,當時我覺得這個標題很荒謬。在那之前我花了五個賽季,進行 800 公尺中距離跑步訓練,成績已經超越世界女子紀錄。而且我還不是自己接力隊上跑最快的。

但那篇論文發表在《自然》(Nature)期刊上,這是世上極具聲望的科學期刊,所以一定有些道理。大眾就是這麼認為的。《美國新聞與世界報導》雜誌在 1996 年亞特蘭大奧運之前,對一千個美國人做了調查,結果其中有三分之二認為,「終有一天頂尖女運動員會勝過頂尖男運動員」。

1996 年亞特蘭大奧運前,一千位美國人中有三分之二認為,「終有一天頂尖女運動員會勝過頂尖男運動員」。 圖/envato

《自然》期刊上那篇論文的作者,把男子組和女子組從 200 公尺短跑到馬拉松各項賽事歷年的世界紀錄畫成圖表,發現女子組紀錄進步得遠比男子組急速。他們用外推法從曲線的趨勢推斷未來,確定到 21 世紀前半葉,女性就會在各個賽跑項目擊敗男性。兩名作者寫道:「正因進步速度的差異實在非常大,而使(兩者)差距逐漸縮小。」

2004 年,趁著雅典奧運成為新聞焦點之際,《自然》又特別刊出一篇同類型的文章〈2156 年奧運會場上的重要衝刺?〉(Momentous Sprint at the 2156 Olympics?)──標題所指的,正是女子選手會在 100 公尺短跑比賽中,勝過男子選手的預計時間。

-----廣告,請繼續往下閱讀-----

2005 年,三名運動科學家在《英國運動醫學期刊》發表了一篇論文,省去問號開門見山在標題宣稱:〈女性終將做到〉(Women Will Do It in the Long Run.)。

難道男性主導世界紀錄的情況,始終是歧視女性、把女性排除於競技場外的結果?

20 世紀上半葉,文化規範與偽科學嚴重限制了女性參與運動競技的機會。在 1928 年阿姆斯特丹奧運期間,有媒體(捏造)報導指稱,女性選手在 800 公尺賽跑後筋疲力竭地躺在地上,這讓一些醫生和體育記者十分反感,使得他們認為這個比賽項目會危害女性健康。《紐約時報》上有篇文章就寫:「這種距離太消耗女性的體力了。」〔1〕那幾屆奧運之後,在接下來的三十二年間,距離超過 200 公尺的所有女子項目,都突然遭禁,直到 2008 年奧運,男女運動員的徑賽項目才終於完全相同。但《自然》期刊上的那幾篇論文指出,隨著女性參賽人數增多,看起來她們的運動成績到最後可能會與男性並駕齊驅,甚至比男性更好。

運動能力的基因密碼:性別差異的生物學根源

我去拜訪約克大學的運動心理學家喬.貝克時,我們談論到運動表現的男女差異,尤其是投擲項目的差異。在科學實驗裡證實過的所有性別差異中,投擲項目一直名列前茅。用統計學術語來說的話,男女運動員的平均投擲速度相差了三個標準差,大約是男女身高差距的兩倍。這代表如果你從街上拉一千個男子,其中 997 人擲球的力氣會比普通女性大。

-----廣告,請繼續往下閱讀-----

不過貝克提到,這種情形可能是反映女性缺乏訓練。他的太太是打棒球長大的,輕輕鬆鬆就能贏過他。他打趣說:「她會發出一束雷射光。」那麼這是生物學上的差異嗎?

男性和女性的 DNA 差異極小,僅限於在女性身上為X或男性為Y的那單一染色體。姊弟或兄妹從完全相同的來源取得基因,透過重組母親和父親的 DNA,確保兄弟姊妹絕對不會相近到變成複製人。

性別分化過程大部分要歸結到 Y 染色體上的「SRY 基因」,它的全名是「Y 染色體性別決定區基因」。若要說有「運動能力基因」,那就非 SRY 基因莫屬了。人類生物學的安排,就是讓同樣的雙親能夠同時生育出男性的兒子和女性的女兒,即使傳遞的是相同的基因。SRY 基因是一把 DNA 萬能鑰匙,會選擇性地啟動發育成男性的基因。

我們在生命初期都是女性──每個人類胚胎在形成的前六週都是女性。由於哺乳動物的胎兒會接觸到來自母親的大量雌激素,因此預設性別為女性是比較合算的。在男性身上,SRY 基因到第六週時會暗示睪丸及萊氏細胞(Leydig cell)該準備形成了;萊氏細胞是睪丸內負責合成睪固酮的細胞。睪固酮在一個月之內會不斷湧出,啟動特定基因,關閉其他基因,兩性投擲差距不用多久就會出現。

-----廣告,請繼續往下閱讀-----

男孩還在子宮時,就開始發育出比較長的前臂,這使得他們日後投擲時會做出更有力的揮臂動作。儘管男孩和女孩在投擲技能方面的差異,不如成年男性和女性之間那麼顯著,但這種差異在兩歲幼童身上已經很明顯了。

性別分化過程大部分要歸結到 Y 染色體上的「SRY 基因」,會選擇性地啟動發育成男性的基因。 圖/envato

文化與訓練的影響:投擲項目中的性別差距

為了確定孩童之間的投擲差距有多少與文化有關,北德州大學和西澳大學的科學家組成團隊,共同測試美國孩童與澳洲原住民孩童的投擲技能。澳洲原住民沒有發展出農業,仍過著狩獵採集生活,他們教導女孩丟擲戰鬥及狩獵用武器,就像教導男孩一樣。這項研究確實發現,美國男孩和女孩在投擲技能上的差異,比澳洲原住民男孩和女孩之間的差異顯著許多。不過儘管女孩因為較早發育長得較高較壯,男孩仍比女孩擲得更遠。

普遍來說,男孩不僅比女孩更善於投擲,視覺追蹤攔截飛行物的能力往往也出色許多;87% 的男孩在目標鎖定能力的測試上,表現得比一般女孩好。另外,導致差異的部分原因,至少看起來是因為在子宮的時期接觸到了睪固酮。由於先天性腎上腺增生症,而在子宮裡接觸到高濃度睪固酮的女孩,上述項目的表現會像男孩一樣,而不像女孩;患有這種遺傳疾病的胎兒,腎上腺會過度分泌男性荷爾蒙。

受過良好投擲訓練的女性,能輕易勝過未受訓練的男性,但受過良好訓練的男性,表現會大幅超越受過良好訓練的女性。男子奧運標槍選手擲出的距離,比女子奧運選手遠大約三成,儘管女子組使用的標槍比較輕。此外,女性投出的最快棒球球速的金氏世界紀錄是 65 mph(相當於時速 105 公里),表現不錯的高中男生的球速經常比這還要快,有些男子職業球員可以投出超過 100 mph(相當於時速 160 公里)的球速。

-----廣告,請繼續往下閱讀-----

在跑步方面,從 100 公尺到 1 萬公尺,經驗法則是把菁英級表現差距定在 11%。從短跑到超級馬拉松,不管任何距離的賽跑,男子組的前十名都比女子組的前十名快大約 11%。〔2〕在職業等級,那就是個鴻溝。女子組的 100 公尺世界紀錄,跟 2012 年奧運男子組的參賽資格還差了四分之一秒;而在一萬公尺長跑,女子組的世界紀錄成績,與達到奧運參賽資格最低標準的男選手相比落後了一圈。

不論距離,男子組前十名的跑步速度普遍比女子組快約 11%。圖/enavato

投擲項目與純爆發力型運動項目的差距更大。在跳遠方面,女子選手落後男子 19%。差距最小的是長距離游泳競賽;在 800 公尺自由式比賽中,排名前面的女子選手,與排名前面的男子選手差距不到 6%。

預言女性運動員將超越男性的那幾篇論文暗示,從 1950 年代到 1980 年代,女性表現的進展遵循一條會持續下去的穩定軌跡,但在現實中是有一段短暫爆發,隨後趨於平穩──這是女子運動員,而非男子運動員進入的平穩期。儘管到 1980 年代,女性在 100 公尺到 1 英里各項賽跑的最快速度,都開始趨於穩定,但男子運動員仍繼續緩慢進步,雖然只進步一點點。

數字很明確。菁英女子選手並未趕上菁英男子選手,也沒有保持住狀況,男性運動員則在非常慢地進步。生物學上的差距在擴大。但為什麼原本就有差距存在?

-----廣告,請繼續往下閱讀-----

註釋

  1.  各報上氣不接下氣地報導 800 公尺女子選手紛紛倒在跑道上。正如運動雜誌《跑步時代》(Running Times)2012 年的一篇文章指出的,實情是只有一個女子選手在終點線倒下,其餘三名都打破了先前的世界紀錄。據稱人在現場的《紐約郵報》記者寫道,「11 位淒慘的女性」當中有 5 人沒有跑完,5 人在跑過終點線後倒下。《跑步時代》報導說,參賽的女運動員只有 9 個,而且全部跑完。
  2. 過去普遍認為,隨著比賽距離拉長,女子賽跑選手會超越男子選手。這是克里斯多福.麥杜格(Christopher McDougall)在《天生就會跑》這本很吸引人的書裡談到的主題,但不完全正確。成績非常優秀的跑者之間的 11% 差距,在最長距離和最短距離同樣穩固存在。儘管如此,南非生理學家卻發現,當一男一女的馬拉松完賽時間不相上下,那個男士在距離短於馬拉松的比賽中通常會贏過那個女士,但如果競賽距離加長到 64 公里,女士就會跑贏。他們報告說,這是因為男性通常比較高又比較重,比賽距離越長,這就會變成很大的缺點。然而在世界頂尖超馬選手當中,男女體型差異比一般群體中的差異小,而 11% 的成績差距,也存在於超級長距離的最優秀男女選手之間。

——本文摘自 大衛・艾普斯坦(David Epstein)運動基因:頂尖運動表現背後的科學》,2020 年 12 月,行路出版,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

行路出版_96
21 篇文章 ・ 8 位粉絲
行路為「讀書共和國」出版集團旗下新創的出版社,出版知識類且富科普或哲普內涵的書籍,科學類中尤其將長期耕耘「心理學+腦科學」領域重要、具時代意義,足以當教材的出版品。 行路臉書專頁:https://www.facebook.com/WalkPublishing