人類也會被馴化？從乳糖不耐症，看人類基因的轉變——《祖先的故事》

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 林旻萱 助理研究員

在你的日常生活中，是否也有過這樣的經驗呢？四周一片寂靜，你坐在書桌前，試圖專心準備即將到來的考試，卻發現怎麼樣都無法靜下心來，因為腦袋裡正不受控制地播放同一首歌，甚至有時候還會不自覺的哼唱起旋律。那也許是你在商店裡無意間聽到的廣告歌曲，也或許是喜歡的歌手發的新歌，無論你有沒有刻意去回想，它都會佔據你的腦海，像是腦中的背景音樂，不斷重播。

像這樣被一首歌「洗腦」的狀況，到底為什麼會發生呢？

為什麼我們會被歌曲洗腦？原來是耳蟲搞的鬼

事實上，上述的這種現象稱為不自主音樂意象（Involuntary Musical Imagery, INMI），也稱為卡歌症候群（Stuck Song Syndrome, SSS），在口語上常被稱為耳蟲（earworm），是指一段旋律在大腦中自發浮現，並不斷重播的現象 ^[1][2]。耳蟲這個詞是從德文的詞彙 “ohrwurm” 而來 ^[3]，”ohr” 是指耳朵，而 “wurm” 則是小蟲子的意思，用以形容像小蟲子爬進耳朵一般，在腦中揮之不去的音樂。根據研究，耳蟲最早的文學來源，或許可以追溯到 19 世紀 ^[3]。在 1845 年美國出版的一部短篇小說《悖理的惡魔》中，故事的角色就遭遇了「腦中自發響起旋律而無法擺脫」的困擾，這與現代常被提起的耳蟲現象極為相似。這顯示出，即使當時尚未明確定義耳蟲現象，人們也早已在日常生活中有過這種音樂入侵大腦的經驗，甚至為此感到困擾。

心理學教授 Philip Beaman 指出，2008 年就曾有研究針對芬蘭約 12000 名網路使用者進行大規模的問卷調查，結果顯示，有 33% 的受試者表示耳蟲會每天出現，且有超過 90% 的受試者表示至少每週會發生一次耳蟲現象 ^[2][4]，由此可見，耳蟲現象其實相當普遍。那麼，究竟是什麼原因導致耳蟲現象呢？

常見的耳蟲現象，與大腦構造息息相關

為了探討大腦結構與耳蟲現象之間的關聯，Farrugia 等人於 2015 年進行了一項研究 ^[1]，他們調查了 44 名受試者接觸音樂的經驗，並透過問卷了解受試者對耳蟲現象的看法，包括耳蟲的出現頻率及其對生活的影響等等。結果顯示，曾學習音樂或經常接觸音樂的人，更容易出現耳蟲現象，而且這些音樂片段可能對他們產生更強烈的情緒與心理影響。

另一方面，研究也透過磁振造影（Magnetic Resonance Imaging, MRI）對受試者進行腦部掃描，分析大腦的灰質體積與皮質厚度。結果發現，耳蟲現象的頻率可能與某些特定腦區的結構有關。大腦右側的額下回（Inferior Frontal Gyrus, IFG）不僅與音高記憶有關 ^[1][5-7]，也負責抑制機制，當右側 IFG 的皮質厚度降低，抑制能力便會減弱 ^[1]。研究者發現，耳蟲現象發生時，IFG 的活動或許能夠抑制耳蟲出現 ^[1][8-9]。此外，耳蟲出現的頻率與大腦的前扣帶迴皮質（Anterior Cingulate Cortex, ACC） 厚度也有顯著的關聯，當耳蟲出現得越頻繁，ACC 的皮質厚度越薄 ^[1]。ACC 位置所在的大腦網絡區域，即使是大腦處於「非任務狀態」時，仍在進行各種思維活動 ^[1][10]。也就是說，在人們處於放空、發呆，甚至沉浸在白日夢中的時候，ACC 並不會休息停滯，反而呈現高度活躍的狀態。一項研究顯示，ACC 的皮質厚度與非任務狀態的思維活動比例有關 ^[11]。若將耳蟲視為一種非刻意但可感受到的意識活動，則 ACC 在耳蟲現象的神經機制中，可能扮演重要的角色。

對某些人而言，耳蟲能喚起愉快回憶，帶來正面影響；但對另一些人來說，強烈情緒反而可能使耳蟲成為困擾。先前已有研究指出，聆聽音樂時較容易產生正向情緒的人，其海馬旁迴（Parahippocampal Cortex, PHC）體積通常較大 ^[1][12]， Farrugia 等人也進一步發現，認為耳蟲對自己有幫助的人，其 PHC 的灰質體積也相對較大。他們推測，PHC 灰質體積較大可能喚起與耳蟲相關的記憶，激發情緒，讓耳蟲產生較正向的作用。此外，右側顳極（Temporal Pole, TP）則被認為與情感處理相關 ^[1][13]，若 TP 灰質體積較大，個體對情緒的刺激反應可能更為敏感，而這一類的人也較難抑制耳蟲經驗所連結到的負向情緒反應。這些結果顯示，大腦結構與功能互相影響，使每個人對於耳蟲的感受都有所不同。

那些「洗腦神曲」是怎麼來的？這些特徵是關鍵！

除了大腦結構與自身情感機制會使得耳蟲現象發生之外，歌曲本身的特徵也扮演了重要角色。根據研究，歌曲若具備某些特徵，會更容易引發耳蟲現象 ^[14]，如下所示：

1. 節奏較快：INMI 歌曲的節奏通常比非 INMI 歌曲快，輕快的節奏更容易吸引注意力並留下記憶。
2. 旋律輪廓常見：若旋律的起伏模式符合人們熟悉的音樂結構，更容易在腦中重播。
3. 特殊旋律轉折：即使旋律不常見，只要具有獨特且引人注意的起伏變化，也可能成為耳蟲。
4. 近期曝光與流行程度：最近聽過或正在流行的歌曲，更容易成為耳蟲。

重複的旋律，能夠促進兒童語言發展嗎？

根據研究，使用兒歌作為教學素材，能有效提升 4 至 5 歲兒童的詞彙量，且兒童在理解與運用新詞彙方面皆有明顯進步 ^[15]。兒歌是兒童日常生活中最常接觸的音樂形式之一，而且具備了引來耳蟲的特性：旋律輕快、有節奏感，常見且具記憶點。若兒歌能透過耳蟲現象在兒童腦中自發性地重現，利用這種「非刻意但頻繁回想」的特性，或許能在自然語境中提供兒童額外的語言練習機會，使語言學習不僅僅是限於教學情境中，甚至能夠延伸至日常生活的潛意識層面。

研究也指出，透過兒歌進行學習，不僅能提升幼兒的詞彙量，亦能增強其語言學習的自信心，自我表達也會更為積極 ^[15]。因此，若能善用兒歌作為語言學習的媒介，並考量耳蟲現象可能帶來的記憶強化效果，也許有助於促進兒童在語言學習上的發展。

耳蟲現象，其實有跡可循

總而言之，當你腦中突然浮現一段旋律，反覆播放、揮之不去時，其實不必感到意外。這正是大腦運作與音樂特性交互作用的結果，是一種相當普遍且自然的現象。即使你沒有刻意記住某首歌，它仍可能在潛意識中悄悄留下痕跡。

所以下次當某首歌又悄悄佔據你的思緒時，不妨放鬆心情，靜靜欣賞它的旋律與節奏。你之所以忍不住想哼唱，並不是因為分心，而是因為這段旋律剛好觸發了大腦中的某個開關，也許還會勾起某些情緒或回憶呢！

耳蟲，是音樂在我們腦海中留下的溫柔印記，時刻提醒著我們：大腦與音樂之間，總有著令人著迷的互動。

參考資料：

1. Farrugia, N., Jakubowski, K., Cusack, R., & Stewart, L. (2015). Tunes stuck in your brain: The frequency and affective evaluation of involuntary musical imagery correlate with cortical structure. Consciousness and cognition, 35, 66-77.
2. Liikkanen, L. A. (2008). Music in everymind: commonality of involuntary musical imagery. In 10th International Conference of Music Perception and Cognition. Sapporo, Japan, August 2008 (pp. 1-5).
3. Beaman, C. P. (2018). The literary and recent scientific history of the earworm: A review and theoretical framework. Auditory Perception & Cognition, 1(1-2), 42-65.
4. Beaman, C. P., & Williams, T. I. (2010). Earworms (stuck song syndrome): Towards a natural history of intrusive thoughts. British Journal of Psychology, 101(4), 637-653.
5. Albouy, P., Mattout, J., Bouet, R., Maby, E., Sanchez, G., Aguera, P. E., … & Tillmann, B. (2013). Impaired pitch perception and memory in congenital amusia: the deficit starts in the auditory cortex. Brain, 136(5), 1639-1661.
6. Hyde, K. L., & Peretz, I. (2004). Brains that are out of tune but in time. Psychological science, 15(5), 356-360.
7. Hyde, K. L., Lerch, J. P., Zatorre, R. J., Griffiths, T. D., Evans, A. C., & Peretz, I. (2007). Cortical thickness in congenital amusia: when less is better than more. Journal of Neuroscience, 27(47), 13028-13032.
8. Aron, A. R., Robbins, T. W., & Poldrack, R. A. (2004). Inhibition and the right inferior frontal cortex. Trends in cognitive sciences, 8(4), 170-177.
9. Aron, A. R., Robbins, T. W., & Poldrack, R. A. (2014). Inhibition and the right inferior frontal cortex: one decade on. Trends in cognitive sciences, 18(4), 177-185.
10. 廖泊喬。（2024/3/13）。DMN腦神經科學研究：好好躺平有助潛能發展。觀點同不同。取自：https://issues.ptsplus.tv/articles/7927/
11. Bernhardt, B. C., Smallwood, J., Tusche, A., Ruby, F. J., Engen, H. G., Steinbeis, N., & Singer, T. (2014). Medial prefrontal and anterior cingulate cortical thickness predicts shared individual differences in self-generated thought and temporal discounting. Neuroimage, 90, 290-297.
12. Koelsch, S., Skouras, S., & Jentschke, S. (2013). Neural correlates of emotional personality: A structural and functional magnetic resonance imaging study. PLoS One, 8(11), e77196.
13. Royet, J. P., Zald, D., Versace, R., Costes, N., Lavenne, F., Koenig, O., & Gervais, R. (2000). Emotional responses to pleasant and unpleasant olfactory, visual, and auditory stimuli: a positron emission tomography study. Journal of Neuroscience, 20(20), 7752-7759.
14. Jakubowski, K., Finkel, S., Stewart, L., & Müllensiefen, D. (2017). Dissecting an earworm: Melodic features and song popularity predict involuntary musical imagery. Psychology of Aesthetics, Creativity, and the Arts, 11(2), 122.
15. Christina, Y., & Pujiarto, P. (2023). The Effectiveness of Nursery Rhymes Media to Improve English Vocabulary and Confidence of Children (4-5 Years) in Tutor Time Kindergarten. Journal of Education Research, 4(3), 1326-1333.

F 編按：本文編譯自 Live Science

貓是一種神秘而又引人注目的動物，牠們看似深居簡出，但擁有多元的聲音表達：從吸引人類注意的「喵喵叫」，到面對威脅時的「嘶嘶聲」與低沉的「咆哮」。

延伸閱讀：貓咪為什麼總愛對人喵喵叫？看貓如何用聲音征服人類的心

然而，細心的貓奴們可能會注意到，貓有時會對著窗外的鳥兒或屋內小動物玩具，發出一種獨特的「卡卡聲」或「咯咯聲」。這種聲音既像牙齒打顫，又好似一陣陣輕微的顫鳴，卻很難歸類到常見的喵叫或咆哮裡。這種名為「chatter」的行為，究竟在貓的生活中扮演什麼角色？目前科學界尚未對此有定論，但有幾種廣為討論的假說，或許能為我們提供一些思考方向。

卡卡叫：情緒的釋放或表達？

有些貓行為專家推測，貓咪在看到獵物（如窗外的鳥、老鼠）卻無法接近時，會因「欲捕無法」的挫折感或興奮感，發出這種「卡卡聲」。就像人類遇到障礙時，可能會發出抱怨的咕噥聲或乾著急的嘆息聲一樣，貓咪的「喀喀聲」也可能只是把當下的情緒外顯，並非有特別針對人或其他動物的溝通目的。

• 情緒假說：
  • 挫折：當貓看見鳥兒在窗外飛舞卻無法撲殺，內心焦躁，遂用聲音抒發。
  • 興奮：或許貓在準備捕獵時也感到高度亢奮，因此嘴部不自覺抖動並出聲。

要在科學上驗證「情緒假說」並不容易，因為需要同時測量貓咪行為和生理指標。例如，研究人員可能需要測量貓咪在卡卡叫時的壓力荷爾蒙變化，才能確認牠們究竟是帶著正面興奮，或是負面挫折的情緒。不過，由於貓的獨立特質，實驗設計往往困難重重，樣本量要足夠也不容易，所以至今沒有定論。

增強嗅覺？貓咪的「第二鼻子」

另一種說法則認為，貓咪發出「卡卡聲」時，可能同時開啟了其位於口腔上顎的「犁鼻器」（vomeronasal organ），也稱作「賈氏器官（Jacobson’s organ）」。這個感知器官能捕捉一般鼻腔聞不到的化學分子，如費洛蒙或特定氣味分子，因此對貓的求偶、社交和獵捕行為都非常重要。

• 嗅覺假說：
  • 張口呼吸：如果貓咪一邊「咯咯咯」地開合上下顎，可能在嘗試讓空氣（及其中所含的氣味分子）進入犁鼻器。
  • 蒐集更多環境資訊：在確定下手前，更完整的嗅覺分析或能提高牠們獵捕成功率，或是幫助判斷環境中是否有其他潛在威脅或機會。

然而，要科學驗證「增強嗅覺假說」同樣不簡單。研究人員不僅要觀察貓咪在卡卡叫時的行為，也需要測量牠們是否真的打開了更大的氣道，並在那個同時有效使用犁鼻器。這些行為與生理測量都必須在相對可控卻又不影響貓自由行動的實驗環境中進行，實務上難度頗高。

聲音模仿：貓咪的「偽鳥叫」？

第三種最有趣也最具「野性色彩」的假說，是「模仿獵物聲音」。在野外，一些中南美洲的小型貓科動物（例如：長尾虎貓，又稱美洲豹貓或瑪家貓，Margay）曾被觀察到，在捕獵小猴群時，發出類似猴子叫聲的音調；有些當地原住民族群也傳說，叢林裡的某些捕食者會模仿目標獵物的聲音來誘捕。由此推測，家貓看到鳥兒時發出的「卡卡聲」，可能包含些微模仿鳥兒啁啾的元素，試圖降低獵物警戒或甚至吸引獵物靠近。

• 模仿假說：
  • 案例參考：野生貓科動物曾出現學習或偽裝聲音的紀錄。
  • 家貓可能繼承的行為：家貓的祖先——北非野貓（African wildcat）及其他小型貓科物種，是否具備聲音模仿能力？這在生物演化研究上仍是未解之謎。
  • 缺乏大規模觀察：由於小型野生貓科動物研究資料有限，且家貓實驗更不易做大樣本長期追蹤，最終導致此理論尚未獲得廣泛實證。

貓咪行為研究的挑戰：野性祖先的重要性

探討貓咪行為，常常需要回溯至野生祖先的棲地環境。家貓（Felis catus）普遍被認為源自北非野貓（Felis lybica），然而，野貓習性的研究本就不多，尤其是關於聲音與捕獵策略更是資料有限。我們想知道「為什麼家貓會卡卡叫」，首先要確定：「牠們的野性祖先或其他小型貓科，也有同樣的行為嗎？」若有，家貓則可能繼承自古老基因；若無，則可能是家貓在與人類共處的環境中演化出的新行為。

再者，貓在實驗室中的「不可控」因素相當多。貓不像狗般樂於服從人類指令，常有自己的規律與個性。要在實驗情境下穩定地誘發貓的「卡卡叫」行為、同時檢測牠們的生理和心理反應，並確保每隻貓的個體差異都被考慮到，這些都對研究團隊是極大考驗。

對於許多貓奴來說，貓咪坐在窗邊，一邊盯著外頭的鳥兒或松鼠，一邊發出獨特的「卡卡聲」，是一幕既可愛又神祕的風景。究竟牠們是在抒發情緒、強化嗅覺、抑或真的在「假扮鳥叫」以誘捕獵物？目前沒有確切的答案。然而，也正因為這層未知，貓貓才更顯得迷人。