0

1
1

文字

分享

0
1
1

各位貓奴們看過來!該如何知道家裡的寵物是哪種依戀風格呢?

海苔熊
・2020/05/12 ・2031字 ・閱讀時間約 4 分鐘 ・SR值 479 ・五年級

焦慮或者是逃避依戀的你,有想過你家的貓或狗,是哪一種依戀風格嗎?

我以前都拿這個來開玩笑,都說霸霸是逃避依戀,咪寶是焦慮依戀,但這麼說其實沒什麼道理,因為他們不會做問卷,自然也無法透過自評的方式來回答他們的風格。

不過,我竟然忽略了最基本的一件事情:觀察法。

想當年 Ainsworth 分類嬰兒與母親的依附風格,其實就是利用觀察法,用了當年非常著名的 「陌生情境1」(strange situation),把孩子分成三種不同的風格。而這次的貓貓依戀風格研究,也是採用類似的方法。

-----廣告,請繼續往下閱讀-----

在我繼續往下說之前,你可以先拿你家的毛小孩做測試。

有想過你家的貓或狗,是哪一種依戀風格嗎?圖/Inge Wallumrød@Pexels

測測看你家的貓貓狗狗!

首先,你可能要找一個朋友或者是陌生的房間,總之是牠們幾乎沒有去過的地方,然後你和他留在那個房間裡面,你可以用紙膠帶在地板上貼出一個圓圈,然後你坐在裡面。

在 2 分鐘當中,你呆坐在圓圈當中,如果牠來陪你玩的話你可以跟牠玩。

接著你離開房間 2 分鐘。

-----廣告,請繼續往下閱讀-----

然後你再回來,觀察牠跟你的互動方式是下面的哪一種:

A. 很自在自然地跟你玩在一起,就像你沒有離開過一樣。

B. 刻意地跟你保持疏離、或者是你想靠近你,但卻退得很遠。

C. 黏著你不放,好像怕你隨時會走掉。

你家的毛孩是上面的哪一種呢?(我猜我家霸霸連跟我待在同一家房間裡面都覺得害怕XD),研究者透過動物行為觀察法進行分類認為,如果牠表現出 A 的行為,可能就是屬於安全依戀,如果是 B、C,可能就是屬於不安全依戀的類型(當然,如同陌生人情境的原始研究,觀察法並不是萬能的。在另外的一個幼貓的研究當中發現有 11.3% 左右的幼貓無法被歸類)。

你家的毛孩是上面的哪一種呢?圖/GIPHY

貓狗的依戀風格測試

Vitale 和她的團隊對和 38 隻成貓進行了這兩種依戀類型的測試2

首先,將小貓或貓及其照顧者放在一起放在一個房間裡,在照顧者的四周畫一個圓圈。如果貓進入了圈子,那麼照顧者可以與之互動。兩分鐘後,照顧者離開了,只剩下貓。

又過了兩分鐘,照顧者回到了房間,再次坐在圈子裡。整個測試都被拍攝了下來,科學家們分析了影片並對貓兒的依戀類型進行分類。

結果顯示,65.8% 的貓被分類為安全依戀,而 34.2% 的貓是不安全依戀。

有趣的是,這比例與人類嬰兒中 65% 的安全依戀率非常接近。

-----廣告,請繼續往下閱讀-----

貓的安全依戀率略高於 2018 年發表的 59 隻伴侶狗的測試:安全依戀的狗占 61%,不安全依戀的狗則是 39%。——引自 Science alert3

研究者透過另外那個幼貓的研究,進行追蹤調查,把 79 隻幼貓分成兩組,其中有將近一半的幼貓進行社交培訓的活動,總共六個星期;另外一半則當作控制組,然後進行前後測觀察。

結果發現有 64.3% 被歸類為安全依戀,有 35.7% 被歸為不安全依戀(前面談過,9 隻無法被歸類),而且此依戀風格似乎不會因為比較多的照顧或社交訓練,而有所改變。

寵物的依戀風格似乎不會因為較多的照顧或社交訓練而有所改變。圖/GIPHY

我家阿貓阿狗都不理我,該怎麼辦?

換句話說,早期形成的依戀風格,很可能讓幼貓「攜帶著長大」,一方面顯示出早期撫育經驗的重要性,另外一方面也給那些「家裡面貓咪不親人」的主人一個慰藉——並不是你的問題,而是牠的個性本來就如此。

這讓我聯想到,在我寫依戀理論的這麼多年(其實也不到 10 年XD)當中,經常有人詢問我「如果我是不安全依戀、或者是伴侶是不安全依戀,那我們要怎麼改變(我要怎麼改變他、或者是我要怎麼改變我自己)?」搞得好像是不安全依戀就一定要改變一樣。

-----廣告,請繼續往下閱讀-----

沒錯,不安全依戀「者」的確比較憂鬱、焦慮、關係或者生活滿意度較低,但仍然會因為不同的關係,而有一些調整4

所以,「安全感訓練」雖然是其中一種方式(你不嫌棄的話可以看我的課程)。

但我覺得另外一種更「接納5」(acceptance) 的做法是,接受自己或對方「如其所是」,你不需要改變或調整牠,你只需要給他他想要的距離、他渴望的關係,用兩個人都可以靠近的姿態,自在而且有界限的生活在一起。

用這樣的觀點生活,或許有一天你會發現,不論你是哪一種依戀類型,你都有愛、被愛與做自己的權利。

-----廣告,請繼續往下閱讀-----

註解與參考文獻

  1. Ainsworth, M. D. S., Blehar, M. C., Waters, E., & Wall, S. N. (2015). Patterns of attachment: A psychological study of the strange situation. Psychology Press.
  2. Vitale, K. R., Behnke, A. C., & Udell, M. A. (2019). Attachment bonds between domestic cats and humans. Current Biology, 29(18), R864-R865.
  3. Cats Bond Securely to Their Humans Maybe Even More Than Dogs Do
  4. Kirkpatrick, L. A., & Davis, K. E. (1994). Attachment style, gender, and relationship stability: A longitudinal analysis. Journal of personality and social psychology, 66(3), 502.
  5. Rohner, R. P., Melendez, T., & Kraimer-Rickaby, L. (2008). Intimate partner acceptance, parental acceptance in childhood, and psychological adjustment among American adults in ongoing attachment relationships. Cross-Cultural Research, 42(1), 13-22.
    這研究結果相當有趣,由 488 名大學生和研究生的數據表示,伴侶對你的接納程度,以及童年你(記憶中)父母對你的接納程度,均與你的心理適應好壞有關 (psychosocial adjustment)。
    此外,女性(而非男性)在童年時期,(記憶中)父親(而非母親)對她的接納程度,在她與伴侶的關係中扮演重要的角色(中介效果:女性的伴侶接納她與否 → 她記憶中,她爸是否接納她 → 她的心理適應好壞。

本文轉載自:海苔熊 Haitaibear 貓奴必看!寵物依戀風格測試~

文章難易度
海苔熊
70 篇文章 ・ 470 位粉絲
在多次受傷之後,我們數度懷疑自己是否失去了愛人的能力,殊不知我們真正失去的,是重新認識與接納自己的勇氣。 經歷了幾段感情,念了一些書籍,發現了解與頓悟總在分手後,希望藉由這個平台分享一些自己的想法與閱讀心得整理,幫助(?)一些跟我一樣曾經或正在感情世界迷網的夥伴,用更健康的觀點看待愛情,學著從喜歡自己開始,到敏感於周遭的重要他人,最後能用自己的雙手溫暖世界。 研究領域主要在親密關係,包括愛情風格相似性,遠距離戀愛的可能性,與不安全依戀者在網誌或書寫中所透露出的訊息。 P.s.照片中是我的設計師好友Joy et Joséphine

0

3
3

文字

分享

0
3
3
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 ・ 56 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

6
2

文字

分享

0
6
2
【貓奴指南】把「貓界大麻」貓薄荷抹在身上,除了方便吸貓/給貓吸還有什麼作用?
PanSci_96
・2024/02/20 ・512字 ・閱讀時間約 1 分鐘

為什麼貓這麼喜歡貓薄荷呢?

原來是貓薄荷裡的荊芥內脂導致貓咪吸了貓心大悅,不住翻滾、流口水、打呼嚕。

但是,貓薄荷不是對所有貓都有用。不到六個月的小貓似乎不會有反應,而且有的貓喜歡,有的貓不喜歡……咦,這還和遺傳有關係嗎?

想要同時驅蚊,又讓貓貓情不自禁饞你身子嗎?那你一定要試試貓薄荷!

-----廣告,請繼續往下閱讀-----

荊芥內脂不只會讓貓咪快樂似神仙,也會活化蚊子體內的受體蛋白,接觸到的蚊子會產生搔癢和刺痛感。哈哈小蚊子,你也來嘗嘗癢癢痛痛的痛苦!

給你的貓貓來點刺激的快樂草吧!

延伸閱讀

討論功能關閉中。

0

2
0

文字

分享

0
2
0
鑑識故事系列:狗咬狗,滿嘴…mtDNA
胡中行_96
・2023/08/14 ・1957字 ・閱讀時間約 4 分鐘

愛犬慘死,兇手逍遙法外。縱然不是每個人都如電影《捍衛任務》的 Johon Wick,身懷絕技,謀求私刑正義;[1]透過科學管道,至少可以討個答案,獲得心靈平靜。義大利某隻母的傑克羅素㹴(Jack Russell Terrier),橫屍寵物旅館的院子,得年 8 歲。犬舍的網子破裂,有向內拉扯的痕跡。寵物旅館老闆養的3隻荷花瓦特犬(Hovawart),嫌疑重大;然而事後到場的獸醫,卻認為野生狐狸或海狸才是罪魁禍首。傑克羅素㹴的主人心有不甘,遂找上波隆那的一所動物疾病預防研究機構(L’Istituto Zooprofilattico Sperimentale della Lombardia e dell’Emilia-Romagna)。[2]

非當事傑克羅素㹴。圖/Oskar Kadaksoo on Unsplash

解剖狗屍

這隻傑克羅素㹴死後,在日均溫 7 °C 的環境,被擱置 18 到 20 個鐘頭。接著於 − 18 °C 的冰庫裡,凍了 1 個月,才被研究機構拖出來驗屍。從外觀看來,牠生前的健康狀況良好。不過,毛皮沾血,且有 14 道 7 至 10 公厘,略呈橢圓,邊緣清楚的咬傷,分佈於頸、肩、胸、肋弓、大腿(照片)和鼠蹊。另外,腰部還有個 10 公分長,2.5 公分寬的大傷口。剝掉狗皮後,可見創傷頗深:左邊頸、胸的肌肉浸潤於血中;胸腔與腹腔內,也有輕微出血;肋間肌、肋膜及腹壁穿孔;並有一根肋骨骨折。綜合以上,牠顯然死於咬傷穿透胸部,[2]使空氣在肋膜腔中累積而壓迫肺臟,[3]所導致的氣胸(pneumothorax)。[2]那麼究竟是什麼動物如此殘暴?

nDNA vs. mtDNA

兇手遺留在死者身上的 DNA,是指認身份的好線索。[2]細胞中的細胞核(nucleus)和粒線體(mitochondria)都含有 DNA,[4]分別簡稱為 nDNAmtDNA,兩者並不相同。以人類為例,前者包含從雙親得來的 2 至 3 萬個基因;後者則有 37 個,主要遺傳自母親。[5]分析 nDNA 的短縱列重複序列(short tandem repeat;STR),也就是一些鑑別度高的小片段;[4]或是單核苷酸多型性(single nucleotide polymorphism;SNP),即DNA序列中單一鹼基的變異,[6]便能辨識個體。[2]

以此案來說,最理想的作法,當然是從㹴犬身上的咬傷取樣,分析 nDNA,再比對兇嫌的樣本。可惜屍體於運送的過程中,大概已經受到汙染,驗了也未必準確。再加上寵物旅館的老闆,絕不可能讓3隻荷花瓦特犬配合調查,這個辦案方向根本毫無希望。[2]

-----廣告,請繼續往下閱讀-----

好在天無絕人之路,數根 5 到 10 公分不等,顏色有深有淺的毛髮,不僅卡在死者的牙縫裡(照片),還纏於腳掌上。它們出現的位置奇怪,長得又跟梗犬的不同,或許正是來自兇手。儘管鑑識採集的毛髮時常不帶毛囊,[2]而髮幹的 nDNA 含量又極低,不過會有相當充足的 mtDNA,[7]可以辨識物種。於是,鑑識人員挑了最長又最完整的 4 根送驗。[2]

死者的腳掌,纏著兇嫌的毛髮。圖/參考資料 2,Figure 3(CC BY 4.0)

狼 vs. 犬

毛髮 mtDNA 分析的結果,顯示其來源非狼即犬,才不是獸醫瞎說的狐狸或海狸。如果進一步由傷口位置,回推攻擊方式,嫌疑範圍又會縮得更小:[2]

(Canis lupus)作為掠食者,攻擊講求效率。最好不太耗費能量,便獵得豐美肉食。特別是遇到傑克羅素㹴,這種小型犬的時候,會朝頸部直接咬死,然後狼吞虎嚥。此外,該寵物旅館附近,沒有狼出沒。[2]

相對地,(Canis lupus familiaris)打起架來,才會全身從頭到尾胡亂咬。好不容易把對方搞癱了,卻放著全屍一口沒吃。因此,本案的兇手應該是中、大型犬,而且當時有機會與死者接觸的,唯有那 3 隻毛髮長度和顏色,與證物完全吻合的荷花瓦特犬。[2]

-----廣告,請繼續往下閱讀-----
非當事荷花瓦特犬。圖/Oxborrow on Wikimedia Commons(Public Domain)

身後貢獻

鑑識團隊完成狗主人託付的任務後,撰文介紹將 mtDNA 的細胞色素 b 基因(cytochrome b gene),放大並定序,最後確認物種的細節。[2]雖然不曉得他們的努力,是否有助司法公道,但是好歹已為學術研究貢獻心力。天下蒼生多少默默無聞,死後被立碑著傳的又有幾個?一隻備受寵愛的傑克羅素㹴,能榮登學術期刊,也算不枉此生。

  

參考資料

  1. John Wick’. IMDb. (Accessed on 02 AUG 2023)
  2. Roccaro M, Bini C, Fais P, et al. (2021) ‘Who killed my dog? Use of forensic genetics to investigate an enigmatic case’. International Journal of Legal Medicine, 135, 387–392.
  3. McKnight CL, Burns B. (15 FEB 2023) ‘Pneumothorax’. In: StatPearls. Treasure Island (FL): StatPearls Publishing.
  4. Department of Emergency Services and Public Protection. ‘Nuclear DNA’. U.S. Connecticut’s Official State Website. (Accessed on 01 AUG 2023)
  5. Storen R, Smith E. (11 JUN 2021) ‘Mitochondrial donation in Australia.’ FlagPost by Parliament of Australia.
  6. Gunter C. (01 AUG 2023) ‘Single Nucleotide Polymorphisms (SNPs)’. U.S. National Human Genome Research Institute.
  7. Tridico SR, Koch S, Michaud A, et al. (2014) ‘Interpreting biological degradative processes acting on mammalian hair in the living and the dead: which ones are taphonomic?’. Proceedings of the Royal Society B, 2812014175520141755.
胡中行_96
169 篇文章 ・ 65 位粉絲
曾任澳洲臨床試驗研究護理師,以及臺、澳劇場工作者。 西澳大學護理碩士、國立台北藝術大學戲劇學士(主修編劇)。邀稿請洽臉書「荒誕遊牧」,謝謝。