從塵囂中的寧靜，找到自己的歸屬——《隱形的奧義》推薦序

• 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。

庖丁如何解牛？

在戰國時期，一位叫做「丁」的廚師（故稱作庖丁）為魏文惠王殺牛。丁廚師宰牛的技術非常純熟，分解牛的動作和進刀的聲響都像是美妙的雅樂。當文惠王詢問為何丁的技藝能如此高超。他解釋道，自己追求的是超越技術的 「道」。

丁說：「一開始宰牛的時候，看到的是一頭牛，三年之後，就不曾看到整頭牛，現在甚至不需用眼睛觀察，只要透過精神，就能依照牛的生理構造來準確運刀進入關節縫隙，將利刃遊走於空隙間，完全不碰撞骨頭以及經絡聚集處。」

而丁的菜刀已經使用超過十九年，宰殺超過上千頭牛隻，但刀刃依舊像剛磨過一樣鋒利。

這原因在於刀刃是幾乎沒有厚度，而關節及組織間都有縫隙，透過刀刃的旋轉能輕鬆有餘地的肢解牛隻，就算遇到骨節錯綜難以下刀處，只要動刀輕微，格外謹慎專注，牛體也能像泥土般剖開散落在地上。

以上的故事是出自《莊子．養生主》的一則寓言，原意是用來說明養生之道。刀刃就好比人的生命與精神，而牛體的結構就是人世間的錯綜複雜與障礙。若是不順應牛體的紋理（自然），拿刀（精神）和骨頭（障礙）強碰撞，只會磨損自己的刀，這提醒我們做事要順應自然規律的道理，不要是非糾纏，才能游刃有餘不耗損精神。庖丁解牛後來也成為一個成語，形容經過長期實踐某件事物後，對其了解透測且掌握了規律，做起來得心應手。[1-3]

乍看之下，庖丁解牛只是一個用來比喻養生和做人處事原則的寓言故事。但丁廚師的精湛刀法，以及其故事中所描述的神乎其技，與匈牙利裔美國心理學家，米哈伊．奇克森特米哈伊（Mihaly Csikszentmihalyi）於 1975 年提出的心流理論（Flow）不謀而合[4]。

心流狀態是什麼？心流狀態產生的大腦神經機制是什麼？這相差超過兩千年的交會又能讓我們有什麼啟示呢？

心流狀態是什麼？

心流狀態是一個正向心理學概念，指的是一種心理流暢的狀態，用來描述全面沉浸且專注投入任務後，所產生的興奮愉悅感。

心流狀態在翻譯上有人稱神馳狀態，或是沉浸狀態。早在心理學家提出心流狀態理論前，我們生活中早已有相似的用語說明這種狀態，英文俗稱 in the zone ，中文則是忘我或是身心合一。在此狀態下，人們對時間的感受性減少，會覺得自己能夠用最佳的狀態發揮潛力，輕鬆地應對挑戰。過程中，人們也可能會對事情有更清晰的目標[4]。

為了實現巔峰表現而全身心投入任務，心流狀態通常伴隨著高度的專注、沉浸感以及在活動中忘我的感覺。要達到心流狀態，人們的技能和面臨的挑戰需要達到一種平衡，並融合行動以及自我覺察，如果一個人的技巧遠遠高於事件挑戰難度，他們只會感受到無聊或是輕鬆。若是事件難度過高，他們則會感受到擔心或焦慮（下圖）。

心流狀態最常見於人們參與具有挑戰性的活動，例如運動、藝術創作、音樂演奏、學習新技能或專注於特定任務。NBA 知名球星麥可喬丹（Michael Jordan）在 1988 年的灌籃大賽上演罰球線飛身灌籃是史上最經典的灌籃場景之一。要能在距離籃框如此遠的距離起跳，並成功灌進那小小的籃框，是一件相當困難的任務，甚至麥可在比賽第一次的嘗試也並未成功。

唯有運動員全神貫注，展現心流狀態才有機會完成如此高難度的表演。此外，在七、八年級生熟知的經典懷舊動畫閃電霹靂車，頂尖賽車手有機會施展出「零的領域」，一種能提高周圍感知能力自然施展高超的賽車技巧，也類似心流狀態。

然而，心流的狀態也會發生在普通的情況下，包含工作或休閒時間從事某些任務時。譬如電腦玩家在玩一款遊戲時，遊玩超過數個小時也不感到無聊、疲勞或飢餓。又或是享受美食時，那好吃到忘我的境界，也常常讓人忘記痛苦並沉浸在幸福感之中（圖三）。如果你正在享受閱讀這篇文章帶來的樂趣，或許你也正處於心流狀態。

大腦是如何影響心流狀態的產生？

心流狀態對幸福感和滿足感有正面影響，能提高工作表現、增加創造力和增進學習效果。過去有相當多關於心流的心理學理論，但若想要心流狀態在工作、生活、又甚至是精神醫學有進一步的廣泛應用，了解心流的大腦神經機制是極其重要的[5]。

暫時性次額葉假說（Transient Hypofrontality Hypothesis）是神經科學家阿恩·迪特里希（Arne Dietrich）於 2004 年提出解釋心流的一個假說 [6]。該假說認為大腦的資源是有限被分配的，而當心流狀態產生時，外顯功能相關腦區如前額葉（負責邏輯推論和執行功能）以及內側顳葉（記憶功能）會降低，但內隱功能相關腦區基底核（控制自主運動）則是升高。該假說認為心流狀態是透過內隱，也就是透過自動化且技能相關的知識來運作，並減少外顯系統如抽象推論和自我反思的歷程。

這就好比當我們學會騎腳踏車，我們不需要知道是怎麼騎的，但當我們一坐上椅墊，踏起踏板，我們身體就自然地駕馭看似很難平衡的腳踏車，而這狀態也如同心流。該假說也被另一個研究團隊透過功能性磁共振成像（Functional Magnetic Resonance Imaging，fMRI）部分證實，他們發現心流狀態時扣帶皮質（ Cingulate Cortex） 、內側前額葉（Medial Prefrontal Cortex）以及內側顳葉包含杏仁核（Ｍedial Temporal Lobe including the Amygdala）都看到活動下降，而前腦島（Anterior Insula）、額下回（ Inferior Frontal Gyri）, 基底核（Basal Ganglia） 以及中腦（Midbrain）則有活動上升的跡象 [7]。

有趣的是，另一派學者提出了和暫時性次額葉假說完全相反的看法，稱作心流的同步理論（Synchronization Theory of Flow）。神經科學家勒內·韋伯（René Weber）在 2009 的一篇文章認為暫時性次額葉假說過度簡化心流狀態，並且忽略了高度專注在心流狀態時的重要性[8]。在專注時，前額葉會高度活化[9]，說明心流狀態需要注意力相關的腦區網路整合同步。這理論是基於認知神經科學家麥可·波斯納（Michael Posner）在 1987 年的注意力三元理論（Tripartite Theory of Attention）。

此理論模型包含警覺（意識到刺激：前額葉和頂葉（Parietal Lobe））、定向（分配注意力資源到刺激：上下頂葉、上丘（Superior Colliculus）和前視野（Frontal Eye Field））和注意力的執行功能（目標導向的處理，調節警覺和定向網絡：內側前額皮層、前扣帶皮層和外側前額皮層）[10]。後續也有研究進一步證實此理論，透過功能性近紅外光譜技術（Functional Near – Infrared Spectroscopy , fNIRS）[11] 和功能性磁共振成像[7][12]，心流狀態時前額葉網路的活動是上升的。

2020 年，心理學家 Dimitri van der Linden 提出的大尺度網路（Large-scale network）觀點整合了過去心流狀態腦科學的理論[13]。他認為心流狀態的產生需要透過多巴胺和正腎上腺素系統調節內在動機以及情緒反應的引導[14]，接著三個和注意力相關的大尺度的大腦網路的交互作用則是心流產生的關鍵。

這三個大尺度網路分別是默認模網路（Default Mode Network），這與自我察覺有關。第二個是中央執行網絡（Central Executive Network），這和全心投入與專注有關。第三個則是顯著網路（Salience Network），這和分配與協調大腦資源並平衡默認網路和中央執行網路活動相關（下圖）。心流狀態的產生，可能與大腦網路模式不斷的切換而達到的一種和諧穩定有關。

心流狀態是一個非常複雜的現象，目前的研究主要探討心流狀態產生時的現象和神經反應的相關性。未來仍需要更進一步的研究，來解析心流狀態是否能透過外部操弄的方式，譬如穿顱磁刺激術（Transcranial Magnetic Stimulation）（下圖），來創造並改善人們生活。

心流作為養生之道，呼應庖丁解牛

心流狀態被認為能促進正向心理來提高專注度以及愉悅感，不論是數千年前的庖丁、籃球之神喬丹、又或是一般人，每個人或多或少都曾經體會過那種難以用言語的心流狀態。透過現代科學測量儀器，我們有機會能更進一步了解大腦是如何產生心流，提高生活和工作的品質，來達到莊子提倡注重內在精神的養生之道。

參考文獻：

1. 庖丁解牛 – 維基百科，自由的百科全書 (wikipedia.org)

2. 庖丁解牛 – 教育百科 | 教育雲線上字典 (cloud.edu.tw)

3. 庖丁解牛（古代寓言）_百度百科 (baidu.com)

4. Flow (psychology) – Wikipedia

5. Brain activity during flow : A systematic review (diva-portal.org)

6. Neurocognitive mechanisms underlying the experience of flow – ScienceDirect

7. Neural signatures of experimentally induced flow experiences identified in a typical fMRI block design with BOLD imaging | Social Cognitive and Affective Neuroscience | Oxford Academic (oup.com)

8. Theorizing Flow and Media Enjoyment as Cognitive Synchronization of Attentional and Reward Networks | Communication Theory | Oxford Academic (oup.com)

9. Typologies of attentional networks | Nature Reviews Neuroscience

10.  Isolating attentional systems: A cognitive-anatomical analysis | SpringerLink

11. Brain activity during the flow experience: A functional near-infrared spectroscopy study – ScienceDirect

12. Neural correlates of experimentally induced flow experiences – ScienceDirect

13. Go with the flow: A neuroscientific view on being fully engaged – Linden – 2021 – European Journal of Neuroscience – Wiley Online Library

14. Frontiers | The Neuroscience of the Flow State: Involvement of the Locus Coeruleus Norepinephrine System (frontiersin.org)

蝴蝶的美，源於牠們擁有的千變萬色的翅膀，這些色彩是門面，也是保護傘，鮮豔顯目派警戒掠食者別靠近！小心牠們有毒（即便有些蝶其實没毒 XD）；擬態派能巧妙地偽裝成自然環境中的枯葉、樹木等騙過掠食者的眼睛，或是如猛禽眼睛樣貌的翅膀，嚇唬掠食者。多數蝴蝶們視顏色為性命，但對玻璃翼蝶來說……就是不給顏色瞧瞧，幾近透明如玻璃的翅膀，即使飛行也如穿上一層隱形罩袍，讓大家都難以察覺牠的存在。究竟，這個蝶界的「小透明」是如何成長？又何以成為科學家們研發新型抗反射材料的重要靈感？Let’s check it out !

玻璃翼蝶的成長日誌

玻璃翼蝶，又名寬紋黑脈綃蝶（學名：Greta oto，俗稱透翅蝶），屬於鳳蝶總科的蛺蝶科（Nymphalidae），主要分布在中南美洲的雨林及山區。牠們的卵殼型態非常多變，有些如珍珠般光滑透亮，有些點綴上小撮鱗毛，有些具有雕刻般的紋路。

幼蟲時，牠們主要吃的是夜香樹屬的植物，這類植物含有具毒性的生物鹼，且能夠存儲於幼蟲體內，當有些鳥兒吃了他們，輕則拉肚子，重則中毒身亡。玻璃翼蝶向來與眾不同，即便同屬鱗翅目（Lepidoptera），他們卻不與其他蝶一般擁有鱗翅目的招牌特徵 —— 成蟲全身布滿鱗毛，取而代之的是光滑剔透如玻璃般的翅膀，而成蟲的牠們一樣喜愛吃「毒」口味的食物，例如菊科（含生物鹼 （pyrrolizidine alkaloids））、馬纓丹屬植物，讓掠食者們敬而遠之。

隱形翅膀的誕生

玻璃翼蝶是如何生成如此獨特的翅膀呢？帕特爾（Nipam H. Patel）和他的同事們首度將玻璃翼蝶詳細的成長時間序公開於《實驗生物學期刊》（Journal of Experimental Biology），他們分別在其成蛹不同時間點（16, 30, 48, 60 hr）進行解剖，並觀察其生成翅膀型態的變化（如圖一）。

• 成蛹 16 小時

起初牠們與其他鱗翅目物種一樣，蛹翅由一層輕薄、勻稱的上皮組織組成，接著許多表皮細胞已分化為平行排列的感覺器官前細胞（Sensory Organ Precursor cells , 以下簡稱 SOP 細胞）。在翅膀生成前期，帕特爾等人發現翅膀透明區域與非透明區域相比，具有較低密度的 SOP 細胞，因此他們猜測，玻璃翼蝶翅膀上形成透明區域及非透明區域的關鍵點就在於 SOP 細胞密度的差異，導致兩個區域的 SOP 細胞日後受到不同的調節，進而影響成體翅膀上兩區域的鱗片密度和表面翼膜分布具有極端的差異。

• 成蛹 30 小時

此時玻璃翼蝶身上的 SOP 細胞開始分化成為鱗狀細胞（scale cells）及似人類的神經膠質細胞的界面上皮細胞（socket cells），鱗狀細胞主要位於翅膀內部，而界面上皮細胞肌動主要負責連接每個鱗狀細胞，並位於翅膀較為表層的位置。此外，他們透過染色技術發現翅膀上開始出現由肌動蛋白組成的小圓柱狀增生鱗片，而這群增生鱗片甚至長到超出翅膀表面。這個階段的透明翼區域鱗片細胞型態跟不透明區域的未分化鱗片細胞一樣，像極了一個個被吹成橢圓狀的氣球。

• 成蛹 48 小時

鱗狀細胞開始延展並擴散生長，這時候透明翼區和非透明翼區要開始分道揚鑣了！非透明翼區（尤其是翅膀周圍有顏色的分界線）有很粗的肌動蛋白束，鱗片細胞呈圓扁狀；而透明翼區的鱗狀細胞開始向上延伸，並產生兩種型態（短小倒三角狀及狹長鬃毛狀）的細胞交替分布於其中。

• 成蛹 60 小時

透明翼區的短小倒三角鱗狀細胞們的兩個角角開始伸出「觸鬚」，形成兩個似觸角型的細胞並開始延伸生長，而長鬃毛鱗狀細胞的長度早已生長至一定長度，甚至還長到彎曲。非透明翼區的鱗狀細胞則會再長得更長、更寬、更平坦（葉狀），並在尖端處形成鋸齒狀。

我們之所以能看到非透明物體具有色彩，是由於物體會吸收部分光線，並將其他光線反射入我們的眼睛。反射程度主要取決於生物組織和環境介質之間的折射率差異，差異越大，表面反射越高。以會呈現透明的水生生物為反例，因為其組織與周遭環境（水）的折射率相近，因此他們就能施展「隱身術」。但是呢！在陸地上，要隱身可難囉～因為陸地生物組織的折射率（n＝～1.3-1.5）和空氣（n＝1）的折射率差異很大，所以易產生極大的表面反射。

有色翅膀的蝴蝶擁有於一排排扁平、重疊的鱗片，每個鱗片都可以通過色素沉澱產生顏色，並與光於奈米結構層級上進行交互作用，產生所謂的「結構色（structural coloration）」，選擇性吸收特定波長的光，且使光發生散射、漫反射、衍射或干涉而產生各式炫麗色彩。相反地，像透明翼蝶與部分蛾類的翅膀之所以會呈現透明，讓光線穿透，並能夠從透明翅膀區域看見他們身後的物體，關鍵在於他們只含有一層幾丁質膜（chitin membrane，也稱甲殼質），這層膜並不會明顯地吸收或反射光線，因此光線能輕易透射這層膜。

仿生靈感：抗反射材料的誕生

然而，幾丁質膜的加持還不夠，因為幾丁質本身具高折射率（n=1.56），因此即便透明，還是會有反射光。為此，透明翼蝶的翅膀發展出一款新型態的「抗反射構造」，造就此構造的三大功臣：微小且垂直稀疏的鱗片、幾丁質組成的奈米柱、蠟質層。垂直的鱗片能順著光線移動，使光線更容易致穿透翅膀；奈米柱使翅膀顯得凹凸不平，不但能減少因相同角度反射所產生的眩光，還能使光線呈現漫反射的效果；可是，透過電子顯微鏡的觀察，科學家們發現透明翼蝶的透明翼區的漫反射率僅約 2 % （空氣與翅膀介面的比率），後來他們查出這是翅膀表面覆蓋蠟質層的功勞，蠟質層似緩衝膠，因為比空氣密度大，能緩衝光線穿透翅膀的速度，還能大幅減緩光線照射鱗片所產生的眩光，若去除透明翼區的奈米柱及蠟質層，則會使反射率提升 2.5 倍，使翅膀受光照而閃亮。

這項驚人的發現不只有帕特爾等人注意到，卡爾斯魯厄理工學院（Karlsruhe Institute of Technology）的研究團隊也曾於 2015 年在《自然通訊》（Nature Communications）期刊發表，玻璃翼蝶翅膀表面不規則的奈米結構能降低反射，並透過蝕刻沈積技術（etching techniques）製造了仿透明蝶翅的塗層，厚度僅 500 奈米，且具有防水及自潔功能。

雖然目前研究處於測試階段，但在未來可望將這類新型塗層應用於防眩光的眼鏡鏡片、相機鏡頭、3C 產品的螢幕上，還能用於太陽能板以提升太陽能轉換效率，甚至軍事領域能發展出「隱形效果」的武器或裝備，這就是透明翼蝶帶來的重大效應。

結語

來自杜克大學的生物學家桑克‧強森（Sonke Johnsen）曾指出儘管許多具透明性質的物種都在身體結構上演化出奈米柱，但蠟質層倒是個令人費解的新發現，蝴蝶的幾丁質覆蓋層是個牢固的結構，為何還要加上蠟質層削弱其堅固度呢？因此他認為這個問題的解答或許會發掘出更多酷東西！不過一想到能在大太陽底下使用仿透明翼蝶的仿生手機，不再受惱人的反光所擾，這個對重度使用 3C 產品的捧由們已經是件很酷的事了！

參考資料

1. See through the Glasswing Butterfly’s Fascinating Wings
2. New images clarify how glasswing butterflies make their wings transparent
3. Developmental, cellular and biochemical basis of transparency in clearwing butterflies
4. The role of random nanostructures for the omnidirectional anti-reflection properties of the glasswing butterfly
5. How glasswing butterflies grow their invisible wings
6. 抗反射塗層 仿透明蝶翼
7. 科技大觀園：抗反射表面塗層仿生透明蝶翅
8. 求真百科：玻璃翼蝶
9. 寬紋黑脈綃蝶:形態特徵,棲息環境,生活習性,分布範圍,繁殖方式,種群現狀,保護級別
10. MPlus | 隱形的翅膀：玻璃蝴蝶的透明演化之謎