Loading [MathJax]/extensions/tex2jax.js

0

21
0

文字

分享

0
21
0

看世界有深度又會算數,小雞怎麼這麼聰明?——《雞冠天下》

左岸文化_96
・2020/06/25 ・2824字 ・閱讀時間約 5 分鐘 ・SR值 488 ・五年級

  • 作者/安德魯・勞勒 (Andrew Lawler);譯者/吳建龍
  • 瓦洛帝嘉拉為義大利神經科學家,以雞為研究對象,透過實驗發現人類與雞有著許多共同特徵。

義大利的阿爾卑斯山麓有個城鎮叫羅韋雷托,瓦洛帝嘉拉的研究室就位於該城鎮一處 16 世紀的女修道院地窖內。會面時,瓦洛帝嘉拉身穿淺藍襯衫搭配絲質領帶,看起來衣冠楚楚。

他是在羅韋雷托出生的,當時第二次世界大戰剛結束十多年,義大利還很貧窮,牲畜是村民賴以為生的命脈。「沒有雞就沒有蛋」他說道,而沒有雞跟蛋往往意味著要挨餓。當他還小的時候,就對動物如何看待這個世界充滿好奇。

「沒有雞就沒有蛋」。此為示意圖,並非研究雞。圖/pixabay

自從 17 世紀法國哲學家笛卡爾斷言動物缺乏心靈、理性與靈魂以來,關於「動物具有類似於人類心智能力」的這個想法就一直存在爭議。他指出,動物可藉由聲音來表達憤怒、恐懼或是飢餓,但牠們不會說話,因而缺乏「內心獨白」(inner voice,又稱內心言語),而這正是人類思維的基礎。

他的名言「我思故我在」,或許更適合改為「我說故我在」。動物也許能夠感受到疼痛或歡愉(「我不否認動物擁有感覺」,他寫道),但牠們缺乏更進一步的覺察或認知等人類具有的特質。自此,哲學家、科學家、宗教人士和動物保護人士便針對這一點爭辯不休。

-----廣告,請繼續往下閱讀-----

雞所看見的世界,色彩繽紛

瓦洛帝嘉拉等神經科學家們著手收集動物知覺的相關確切資料,至今他們已經發現,雞在看待世界的深度和細節要比人類深入、豐富得多。

哺乳類最初是夜行性動物,以躲避像是喜歡在白天活動的恐龍等獵食者;鳥類則偏好陽光,因此擁有較為發達的彩色視覺。紅原雞有著鮮豔的紅、藍、綠羽色,但在這種鳥的眼中,牠們所看到的卻是眩目耀眼、擴展到紫外光譜的色彩組合,超出了人類肉眼的辨色力。

擁有鮮豔羽毛的紅原雞。圖/wikimedia

雞的雙眼也有各自的用途,牠們可讓一隻眼睛盯著某個物體(比如:可能的食物)但同時讓另一隻眼留意獵食者的動靜。這就能說明為何雞的頭會出現奇怪的突然抽動了。

人們曾經認為雞的優異視覺是由於缺乏嗅覺所產生的感官補償,不過最近有支團隊對一群家雞進行研究,發現把大象和羚羊糞便放在牠們周圍時,牠們不為所動,但如果換成野狗跟老虎的糞便,牠們便會開始警戒並停止進食。

-----廣告,請繼續往下閱讀-----

雞跟人類一樣較為依賴視覺而非嗅覺,可是牠們確實能夠嗅出危險的氣味。雞還能回想起人類和雞的面容,並依據先前的經驗對該個體做出反應。比方說,當一隻公雞看到心儀的母雞時,公雞體內的精子生產量便會突然增加。

科學家們曾對「雞隻具有精密複雜的溝通方式」這一觀點嗤之以鼻。「就算雞的世界有一套語法系統」認知心理學家大衛.普雷馬克在 1970 年代寫道「牠們也沒有什麼有趣的可說。」在那之後,有位德國語言學家得出這樣的結論,他認為所有的雞隻都有大約 30 種不同的聲音,可個別對應到特定的具體行為。例如,雞會用不同的叫聲來表達獵食者是從地面或是由空中襲來。

小雞其實很聰明,看看雞的厲害!

瓦洛帝嘉拉之所以會以雞為研究對象,主要是因為牠們不貴,耐受性高,而且容易飼養。大部分的鳥類跟哺乳類一樣,得投入大量精力養育幼雛,但是雞在破殼之後,就具有高度自理能力,而且在外界環境影響其行為之前就能參與實驗。

在這個古老修道院地窖內的研究團隊是由七名博士生及多位碩士生所組成,他們穿著橘鞋及白色實驗衣,在狹窄但燈光明亮的走廊上忙進忙出,儘管如此,這裡還是有一股地牢的氣息。瓦洛帝嘉拉先帶我去一間昏暗溫暖的房間,裡面全是已受精的雞蛋,這些蛋不久就會成為實驗的對象。

-----廣告,請繼續往下閱讀-----

實驗焦點是放在「子代銘印」,這是指剛孵出的小雞會讓自己依附到牠們所看見的第一個移動物體。

小雞破殼而出後,記下第一眼見到的銘印物。圖/pixabay

研究人員會把一些特定的物體拿給新生小雞看,比如紅色圓柱體,然後把小雞放在透明圍欄中,再設置兩片不透明的擋板,把該圓柱體藏在其中一片擋板後方。接著,遮蔽透明圍欄,一分鐘後,讓小雞自己去選擋板。小雞第一次嘗試就能找到那個銘印的物體,說明牠們具有相當好的記憶力。

在另一個實驗裡,圓柱體會被擋板完全擋住,而一旁的擋板則有不同的高度或寬度,可以露出一部分的物體。在這實驗中,小雞每次都選了把圓柱體隱藏起來的擋板,這是瓦洛帝嘉拉稱為「某種直覺物理」的徵象。

雞還會做加減運算。

小雞也會計算數量?圖/giphy

研究者讓一隻小雞看一個一樣的圓柱體,然後放在一片擋板後方,之後又把幾個相同的圓柱體放在另一片擋板後面,這隻小雞會走向藏比較多個圓柱體的那片擋板。如果研究者把一個圓柱體從一片擋板移到另一片的後方去,使第二片擋板後面有比較多的圓柱體,這時雞就會走到第二片擋板。

另一項實驗中,六個相同的容器沿著圓弧線放置,每個容器跟小雞都是等距的,但其中只有一個容器裡面有放飼料,之後就讓小雞去找出有飼料的容器。接下來把有飼料的容器跟其他容器調換位置後,小雞仍然能夠選對容器。

-----廣告,請繼續往下閱讀-----

瓦洛帝嘉拉和研究同仁最近還發現,雞的大腦左右葉各不相同,這點長久以來一直被認為是人類獨具的屬性。我們大腦的左半球掌控著語言,這是讓笛卡爾深信人類之所以有別於其他生物的工具,而右半球則讓我們在周遭人物和環境中可以定位自己。

雞的大腦左右葉也各不相同?圖/giphy

研究人員把發育中的雞胚胎左眼遮住,再讓右眼朝向蛋殼。在接近孵化的最後三天,將胚胎右眼暴露在光源下,從而削弱這隻雞的視覺處理能力。當牠孵化後,讓牠面向混著榖物的小圓石,此時正常發育的雛雞左腦能夠辨別哪些是榖物哪些是石子,但被動過手腳的小雞則無法分辨這兩種物體。

雞可以用左右大腦半球執行不同的任務,此外,瓦洛帝嘉拉認為,牠們還能分辨出有生命和無生命的物體。另一個實驗中,研究者讓小雞看隨機排列的光點,以及模擬母雞、貓或其他動物走動的光點。無一例外地,小雞總是偏愛模仿動物運動的光點,即便光點排列跟母雞的形象不同也無妨。

正常的人類嬰兒在兩天大時也能做出這種區別,但許多自閉症兒童和青少年卻沒辦法。瓦洛帝嘉拉的團隊正在研究這種自閉症的症狀是否跟理解生物動作的本能有關。藉由確切找出哪些基因在小雞認知生物動作的過程中實際參與運作,他希望這可以讓我們了解自閉症患者中可能出問題的機制,從而踏出治療自閉症的第一步。

——本文摘自《雞冠天下:一部自然史,雞如何壯闊世界,和人類共創文明》,2020 年 3 月,左岸文化

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
左岸文化_96
39 篇文章 ・ 11 位粉絲
左岸的出版旨趣側重歷史(文明史、政治史、戰爭史、人物史、物質史、醫療史、科學史)、政治時事(中國因素及其周邊,以及左岸專長的獨裁者)、社會學與人類學田野(大賣場、國會、工廠、清潔隊、農漁村、部落、精神病院,哪裡都可以去)、科學普通讀物(數學和演化生物學在這裡,心理諮商和精神分析也在這裡)。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

1
0

文字

分享

0
1
0
為期刊拍張封面 顯微鏡下的科學魔法
顯微觀點_96
・2024/05/27 ・3010字 ・閱讀時間約 6 分鐘

本文轉載自顯微觀點

希爾思使用VS120拍攝,小鼠大腦矢狀切口上的染色圖像。圖片來源:EVIDENT|Olympus官網

「我開始拍攝美麗的影像是出於興趣,因為我喜歡神經科學圖像藝術性的一面。」

史蒂芬妮.希爾思(Stephanie Shiers)是美國德州達拉斯大學的認知神經科學家,她拍攝的顯微鏡影像曾被選作多本期刊的封面,包括《神經科學雜誌》 (The Journal of Neuroscience)、《科學轉化醫學》 (Science Translational Medicine)等。要怎麼做才能讓自己拍攝的作品登上期刊封面呢?

希爾思在 2019 年取得認知和神經科學博士學位,目前從事疼痛研究,以移植捐贈者的神經組織探索慢性疼痛的臨床前機制和治療方法。

最驕傲的時刻——影像獲選期刊封面

希爾思攻讀博士期間,當第一篇論文獲得刊登且拍攝的照片一同被選為封面發表時,是她最引以為傲的時刻。她表示,第一篇論文被發表本身已經很令人興奮,當時並未預期會獲選封面,「因為我只是基於我對神經科學藝術的熱愛,而拍攝漂亮的圖片」。

-----廣告,請繼續往下閱讀-----

事實上,論文中所有影像都使用 40 倍物鏡拍攝,但她後來決定使用 100 倍物鏡拍攝,以捕捉一些漂亮的影像,加以觀察。

「我能看到所有的樹突和軸突初始段,這看起來令人震撼!」當希爾思與她的指導教授分享時,教授鼓勵她投稿期刊封面,同時提交論文。

希爾思表示,在攻讀博士學位時,面對周遭的同行都非常專業,自己曾感到無所適從。然而,當成功的數據和封面影像出現時,過去辛勤的工作和壓力都值得了。

歷經徬徨 受科學魔法吸引踏上研究路

對於自己選擇踏入神經科學研究,並繼續攻讀博士、成為科學家,希爾思坦承自己也曾經歷徬徨。「因為不知道自己想做什麼」,希爾思大學時曾選了三個主修、一個副修。

-----廣告,請繼續往下閱讀-----

原想攻讀醫學院的希爾思,在接受緊急救護技術(EMT)訓練時,意識到自己不想當醫師。因此她又選了神經科學和歷史專業,因為她自認可能喜歡人文學科、可能想成為律師。

直到完成學士學位後希爾思仍不清楚自己的職涯方向。但當她加入校內實驗室時,發現自己「真的很喜歡」,進而申請進入加州大學戴維斯分校的 NeuroMab 研究機構(UC Davis/NIH NeuroMab facility),從事免疫組織化學的工作。

在這份工作中,希爾思研究進行免疫組織化學染色、抗體驗證,在顯微鏡下觀察「肉眼」看不見的東西。這時她意識到「科學是最我們所擁有,最接近魔法的東西」,也因此確認了職業道路——走上學術研究之路。

而現在對希爾思來說,最難忘的時刻莫過於帶領在實驗室掙扎的學生領略科學的奇妙。

-----廣告,請繼續往下閱讀-----

曾經有一名學生未受太多訓練,因此希爾思帶著她完成染色工作、教她操作共軛焦顯微鏡;而當學生第一次看到顯微鏡下的影像時,露出驚訝的表情。 「看到別人也能體驗到科學的神奇,真是太好了!」希爾思這麼說道。

Science Trans 1
圖片來源:擷自《Science Translational Medicine vol. 13, issue 595》封面

超敏通道

圖像顯示小鼠背根神經節表現瞬態受體蛋白 5 (TRPC5,紅色)編碼瞬時受體電位規範 5(TRPC5,紅色)、抑鈣基因相關胜肽(CGRP,綠色)、P2X3 受體(藍色)和神經絲蛋白 200(青色)的基因。

希爾思為〈Transient Receptor Potential Canonical 5 Mediates Inflammatory Mechanical and Spontaneous Pain in Mice.〉的共同作者。

本篇論文主要探討,多種原因引起疼痛超敏反應,其中 TRPC5 的活化增加了囓齒動物對疼痛的敏感性,而 TRPC5 通道也在人類感覺神經元中表現,因此研究認為 TRPC5 抑制劑可能可有效減輕患者的疼痛超敏反應。

拍科學藝術照 封面也可以很抽象

對於如何拍出「封面等級」的科學藝術照,希爾思也給出幾點建議。首先,她強調擁有適合的儀器至關重要,以降低信噪比和提升影像品質。

此外,研究者必須接受更多基礎訓練。她表示,過去自己雖操作過很多次顯微鏡,但主要使用明視野照明觀察。直到開始博士課程後學習神經解剖學、蛋白質定位等知識,使用免疫螢光染色最適當的卻是使用暗視野照明。因此持續接受培訓,了解如何正確使用顯微鏡也是非常重要的。

希爾思也建議,在實驗數據收集階段,就可預先規劃影像拍攝;一邊構思論文中需要使用的圖像和材料,如果材料和研究內容一致,就當場拍攝解析度更高的影像。

-----廣告,請繼續往下閱讀-----

她也鼓勵研究者不斷嘗試新事物,例如使用不同染劑(明視野病理染色劑、鈣染色劑等)與顯微鏡搭配,將更容易拍攝出引人注目的影像。

希爾思鼓勵研究者盡可能地投稿封面影像,並強調封面不必與數據收集所用的影像完全相同;甚至許多期刊封面的圖片可以是抽象的、不一定要和照片一樣真實。

物種特異性表達

以原位雜合技術(in situ hybridization,左)和空間轉錄(Spatial Transcriptomics,右)並置的人類背根神經節,用於描述感覺神經元轉錄譜的特徵。

痛覺受器是專門的感覺神經元,存在於背根神經節(DRG)和三叉神經節中,對生成最終疼痛感知的神經元信號至關重要。

希爾思為〈Spatial transcriptomics of dorsal root ganglia identifies molecular signatures of human nociceptors.〉的第二作者。

本篇研究試圖為人類疼痛受器生成等效訊息,利用空間轉錄數據識別痛覺受器的轉錄組特徵,並藉以識別物種間差異和潛在的藥物靶點。

Sciencetrans2022 1
圖片來源:擷自《Science Translational Medicine (vol. 14, issue 632》封面 
Jneurosci 3
圖片來源:擷自《The Journal of Neuroscience vol. 38, issue 33》封面

圖像為患有神經性疼痛的小鼠內側前額皮質神經元,紅色為 PV 陽性細胞小白蛋白陽性中間神經元(紅色)與軸突初始段標記(Ankyrin-G,綠色)和核標記(DAPI,藍色)的共同標記。

希爾思為〈Neuropathic Pain Creates an Enduring Prefrontal Cortex Dysfunction Corrected by the Type II Diabetic Drug Metformin But Not by Gabapentin〉的第一作者。

認知障礙是神經性疼痛的共病。本篇研究使用原治療糖尿病的藥物二甲雙胍,治療神經疼痛 7 天後出現逆轉,包括功能和解剖學出現變化,顯示該藥物或可老藥新用於治療神經性疼痛及其認知合併症。

  1. https://www.olympus-lifescience.com/en/discovery/behind-the-lens-dr-stephanie-shiers-creates-cover-worthy-neuroscience-art/
  2. Sadler, Katelyn E et al. “Transient receptor potential canonical 5 mediates inflammatory mechanical and spontaneous pain in mice.” Science translational medicine vol. 13,595 (2021).
  3. Tavares-Ferreira, Diana et al. “Spatial transcriptomics of dorsal root ganglia identifies molecular signatures of human nociceptors.” Science translational medicine vol. 14,632 (2022).
  4. Shiers, Stephanie et al. “Neuropathic Pain Creates an Enduring Prefrontal Cortex Dysfunction Corrected by the Type II Diabetic Drug Metformin But Not by Gabapentin.” The Journal of neuroscience : the official journal of the Society for Neuroscience vol. 38,33 (2018).

查看原始文章

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

顯微觀點_96
28 篇文章 ・ 5 位粉絲
從細微的事物出發,關注微觀世界的一切,對肉眼所不能見的事物充滿好奇,發掘蘊藏在微觀影像之下的故事。

0

0
0

文字

分享

0
0
0
找出品酒的「底層邏輯」——我們的身體如何品出酒品的獨特感受?
鳥苷三磷酸 (PanSci Promo)_96
・2023/10/27 ・1234字 ・閱讀時間約 2 分鐘

本文由 財政部國庫署 委託,泛科學企劃執行。

你注意到了嗎?在品酒時,品酒師不會一口乾,而是充分觀察、品嚐後才會下肚。這些動作可不是單純裝模作樣,而是有科學根據的。品酒有五個基本動作:觀察、搖晃、聞、啜飲與漱口、吞嚥,究竟我們的感官跟大腦是怎麼接收酒的訊號呢?

從最簡單的「嗅覺」開始,酒杯湊近口鼻、進入口腔,我們可以聞到「外部」和「內部」的香氣。外部指的就是用鼻子聞到的香氣,是先穿越鼻孔到達嗅上皮組織,形成我們所熟悉的正鼻嗅覺。而內部呢?那些已經在我們嘴巴裡的酒液,會走鼻咽和後鼻孔這條路,最終到達嗅覺粘膜。即使這口酒已經被喝下去,只要輕輕呼口氣,也依然能「聞」到酒味。

圖/giphy

另外,口鼻之間的通道,也就是鼻咽,在吞嚥的過程中會關閉,所以在吞嚥時會有一種「味道好像弱掉了」的錯覺,但其實只是你暫時無法靠鼻間的任何通道呼吸而已。這也是為什麼品酒師會要把酒液含在嘴巴裡漱口,甚至還會打開嘴巴吸一口氣。

-----廣告,請繼續往下閱讀-----

緊接在嗅覺之後的「味覺」,則是重頭戲!食物進到嘴巴,溶解在唾液中,啟動了味覺受器。人類可以透過味蕾的受器感受到「鹹、酸、苦、甜、鮮」五種味道。不過,也有部分的人不喜歡酒的原因,正是因為味覺。美國賓州大學農學院過去研究發現,人體中的苦味受體來自基因 TAS2R13 和 TAS2R38,辣椒素受體則來自基因 TRPV1。因此不同的基因表現,影響著人們對這兩種味道的感受,也決定了他們的攝取喜好。

圖/giphy

講完了嗅覺和味覺,別忘了品酒前的「觀察」。事實上,人們對風味的知覺基礎,來自多重感官的整合。當我們在觀看一杯酒的色澤和濁度時,大腦已經在默默「品嚐」它了。就像是望梅止渴、看到好吃的大餐肚子就先餓了起來。

除上述提到的「身體」感官,其實喝酒的時段、溫度、聲音、順序也會影響我們「心裡」的感受。但話說回來,在品酒前,最重要的應是選擇安全以及衛生的酒品來源,就是要慎選合法的販售業者,並挑選標示內容清晰、完整的酒品。

財政部自 2003 年起委託專業執行機構共同推動「優質酒類認證」制度,從原料、製程、品管、後續追蹤等層層把關,最後通過優質酒類認證技術委員會審查的酒品,才能被授予使用 W 字型認證標誌。因此,選購有 W 認證標誌的優質酒品,可以讓我們在品飲時更加安心!

-----廣告,請繼續往下閱讀-----

 資料來源:財政部國庫署 廣告

-----廣告,請繼續往下閱讀-----
鳥苷三磷酸 (PanSci Promo)_96
225 篇文章 ・ 313 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