一生只為一人傳情，卻被誤解了 16 年的波溫蘇鐵象鼻蟲

• 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。

人類對螞蟻可謂無比熟悉，許多人還不識字就認識螞蟻了；相關的科學研究也十分豐富，產出如威爾森（E. O. Wilson）這類科學大師。2022 年底問世的一篇論文，卻出乎意料地報告一條普遍存在，此前卻一直受到忽視的現象：

螞蟻的蛹會分泌液體，作為成蟲與幼蟲的營養液。

螞蟻社會的內循環營養液

螞蟻是完全變態的昆蟲，有卵、幼蟲、蛹、成蟲 4 個階段。眾所皆知螞蟻是社會性昆蟲，整個蟻巢運轉精密，但是蛹有好幾天固定不動，除了佔空間以外，在蟻巢裡好像沒什麼存在感。

這項研究主要的對象是畢氏粗角蟻 (Ooceraea biroi) ，近年成為探索螞蟻奧秘的主力。照論文的寫法，一開始目的很單純，就是把蛹從蟻巢中移出，看看孤獨對螞蟻有什麼影響。

被移出巢穴的蛹，羽化成蟲的比例有 90% ；即使周圍沒有同儕，絕大部分的蛹似乎也能成功轉大蟲。然而過程沒這麼簡單。

蛹在成功羽化的前幾天會黑化，論文觀察到當蛹開始黑化不久，也就是羽化的 6 天之前，每天都會分泌出液體。留著液體會害蛹被自己淹死，人為將液體移除，蛹才能順利羽化。

如果是在原本的蟻巢中，蛹排放的液體還來不及把自己淹死，就會慘遭黴菌入侵感染而亡。所幸慘劇實際上不會發生，因為成年螞蟻會將液體去除。

將藍色染劑注入蛹，一天後觀察到成蟻的消化道都出現藍染，可見蛹產生的液體，都隨即轉移進入前輩同儕的肚子。分析蛹產生的液體，得知營養十分豐富。

完全變態的昆蟲，從幼蟲到成蟲的過程中經過蛹的階段，將幼年的身體砍掉重練。螞蟻蛹分泌的液體顯然來自蛹期分解的身體，可謂原汁原味的液化螞蟻。這些容易吸收的成分，在巢穴中直接轉移給同類，毫不浪費。

這些幼體原汁原味形成的液體營養豐富，其他會化蛹的昆蟲也會產生類似的產物，為什麼不會把自己淹死，或是被黴菌感染？應該是由於那些昆蟲會將其回收利用，轉化為成年身體的建材。社會性生活的螞蟻卻是直接排放出去，變成其他個體的食物。

同時餵養更老與更小的同儕

成年螞蟻以外，蛹產生的液體也是寶寶的營養補充液。螞蟻幼蟲移動能力有限，成年螞蟻會將寶寶放到蛹的旁邊，方便它們液來伸口。沒有液體也能正常長大，不過有得吃的幼體，生長速度更快、存活率更高。

近來在台灣出名的紅火蟻（Solenopsis invicta）雖然兇狠，卻也是畢氏粗角蟻的菜單美食之一。有個實驗是給予紅火蟻和蛹，讓成年蟻選擇，結果大部份都優先將寶寶放在蛹旁邊，可見它們認為蛹提供的善液，是更佳的育幼食品。

換句話說，螞蟻在幼年階段到成年之間的蛹，同時支持更老與更小的同儕。

奧妙還不僅如此，和一般印象不同，畢氏粗角蟻沒有特定蟻后，也缺乏男生，所有成員皆為工蟻，再透過孤雌生殖進入生殖時期。

• 延伸閱讀：蟻生online上線：如何決定成為要生寶寶或是做工的螞蟻？

奇妙的是，蟻巢中處於不同階段的螞蟻，時程非常協調。當卵孵化出寶寶的一天後，蛹也開始分泌液體。也就是說寶寶從出生以後，馬上就能獲得營養補充液，概念實在很像哺乳動物的哺乳。

畢氏粗角蟻只是一種螞蟻，論文還調查螞蟻分類上其他 4 大群的成員，發現各種螞蟻的蛹都會分泌液體，而且內容物極為相似。由此推敲，這是螞蟻大家族的普遍現象，可能在眾蟻尚未分家之前已經存在。

螞蟻巢穴的內部循環如此協調，充分反映出社會性昆蟲的優點，但是同為社會性昆蟲的蜜蜂沒有。這應該是螞蟻演化為社會性的重要一步，卻不是其他社會性昆蟲的特徵。

想來也很奇妙。人們對螞蟻很熟，研究螞蟻、養螞蟻的人一大堆，可是這回報告的現象儘管普遍，卻只是首度被明確指出。我猜以前應該有人發現這件事，只是沒有深入鑽研。

等待探討的問題，無所不在，只要有心。

延伸閱讀

• 如何用CRISPR 技術，揭開螞蟻複雜社會行為之謎？——《科學月刊》
• 台灣紅火蟻防治司令部——王忠信與他的千軍萬「螞」
• 對抗紅火蟻新兵法：破解關鍵基因，讓工蟻對蟻后下剋上？

參考資料

1. Snir, O., Alwaseem, H., Heissel, S., Sharma, A., Valdés-Rodríguez, S., Carroll, T. S., … & Kronauer, D. J. (2022). The pupal moulting fluid has evolved social functions in ants. Nature, 1-7.
2. A fluid role in ant society as adults give larvae ‘milk’ from pupae
3. Anatomy of a superorganism: Ant pupae secrete fluid as ‘milk’ to nurture young larvae
4. Pupating ants make milk — and scientists only just noticed

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。

被放大存在感的叫聲

春雨樹蛙的發聲方式，是從肺部抽入一陣氣流送向氣管內的聲帶，喉囊收到爆衝而來的聲音和氣流鼓脹起來，將聲音向四面八方播送出去。

緊接著彈性十足的氣囊把空氣送進肺部，春雨樹蛙因此不需要打開鼻孔吸氣，就能夠再叫一聲。兩棲動物沒有肋骨和橫膈膜，所以牠們靠核心肌群推送空氣，這些核心肌群的重量占雄蛙體重的百分之十五。

為什麼要這麼大費周章？ 一隻春雨樹蛙的叫聲可以傳到至少五十公尺外，方圓大約七千八百平方公尺內都聽得見。而牠的體長只有二．五公分，占用的地面也只有四平方公分。

透過叫聲，春雨樹蛙將自己在森林裡的存在感放大將近兩千萬倍，這還沒算上聲音往上傳送到枝頭聽眾的耳朵。聲音讓動物在複雜的環境裡找到彼此，促進物種繁衍，否則物種的傳承將會面臨考驗。

從陸地上的蛙類、昆蟲和鳥類，到大海裡的魚類、甲殼動物和海洋哺乳類，聲音通訊帶來諸多益處，間接幫助發聲動物完成各自在生態中所扮演的角色。

春雨樹蛙也有安全社交距離

春雨樹蛙不只宣揚牠的存在與所在，還透露牠的體型大小、健康狀態，或許還有個別身分。這些資訊是遠距社交的媒介。相互競爭的雄蛙在沼澤區彼此保持距離，降低面對面衝突的危險。

雌蛙不只藉此找到伴侶，還能評估對方，不需要冒著受傷或感染疾病的風險接近對方。因此，聲音增加了動物行為中身體距離與意思表達的細緻度，取代爭奪領域時的直接戰鬥，對潛在配偶的觀察也比耳鬢廝磨時更全面、更仔細。

當雌春雨樹蛙從落葉堆裡的冬季藏身處出來，一面等待充滿防凍糖分的身體回溫，一面根據聲音線索獲知繁殖沼澤的位置。她或許也還記得這片土地的輪廓與氣味，因為她已經在這處森林裡棲息兩年以上，吃著蜘蛛和昆蟲，才長成有繁殖能力的成蛙。

科學家研究其他蛙類發現，牠們有極佳的空間記憶和找路的能力，尤其擅長尋找繁殖地點。春雨樹蛙或許也是如此。雌蛙在記憶（當然還有聲音）的引導下，出發前往溼地。在她生命旅程的這個階段，聲音引導她前往潛在對象的所在。

如何增加尋覓配偶的準確度

繁殖鳴聲最原始的功能，可能就是為了在廣大的環境中找到伴侶。對於森林裡的嬌小動物而言，聲音方便牠們在幾分鐘內找到伴侶。

如果漫無目標以肉眼搜尋，恐怕要花上幾星期。某些物種也靠氣味軌跡覓偶，留下線索讓嗅覺靈敏的追求者跟隨，但聲音能傳得更遠，也更容易追蹤。

物種特有的聲音也增加尋覓配偶的準確度，降低被獵食的風險。尋找潛在配偶的過程也可能遇上掠食者。聲音遠距離表明身分，尋找配偶的危險性因此大幅降低。但有些掠食者會利用獵物的求偶信號，增加獵物誤認配偶身分的危險。例如澳洲的掠食螽斯會模仿母蟬的求偶聲，讓多情的公蟬自投羅網。

當雌蛙橫越森林地面抵達溼地，聲音的功能就改變了。現在她聆聽隱藏在個別聲音裡的資訊。雄蛙彼此相隔十到一百公分，所以她或緩行或游泳，穿過各種洪亮的鳴聲和鼓脹的喉囊。

大多數的叫聲是嗶，但如果雄蛙彼此距離太近，就會用粗嘎的哩對決，以聲音爭奪領域。有別於人類只有一片耳膜，雌春雨樹蛙的內耳跟所有蛙類一樣，有三簇對聲音靈敏的毛細胞。其中一簇毛細胞對應雄蛙的音頻，另一簇接收的頻率比較寬，可能是為了偵測森林的各種聲響，第三簇只接收低頻振動。

有趣的是，雄蛙的耳朵聆聽的音頻比牠們自己的叫聲來得高。也許是為了適應漫漫長夜的噪音，或者偵查更高頻的窸窣聲，辨識逼近的危險。另一種可能是，雄蛙的耳朵在尋找聲音結構的細微差異，藉此辨識周遭動物的身分。

牛蛙能辨認熟悉的叫聲，對陌生蛙類的反應比較強悍。雄春雨樹蛙能記住鄰居的攻擊性格，如果對方突然來勢洶洶，牠們就會哩哩喝斥。牠們也會跟鄰居輪唱，同步調整鳴叫的時間，變成一隻蛙帶頭，其他立即跟上，嗶，嗶嗶，嗶。

這種同步對唱有時會擴大為群體活動，每組最多五隻雄蛙，節奏幾乎一致。至於春雨樹蛙能不能辨認個別聲音，現階段我們還不清楚。

雌春雨樹蛙的擇偶條件

雌春雨樹蛙偏好響亮、快速重複的叫聲。演化於是依據這種偏好塑造嗶聲的強度和速度，從豌豆大小的肺臟激發出最大的聲響。在比冰點略高的溫度裡，雄蛙每分鐘大約叫二十聲。

而在溫和的夜晚，牠們嗶嗶叫的速度提高到每分鐘八十聲。不過，無論夜風沁涼或溫暖，總有某些雄蛙的叫聲比別人快上兩倍。雌蛙察覺這差異，於是朝叫聲比較快的那些游或跳過去，選中沼澤地裡最健康的雄蛙。

鳴叫是費力的活動，有些雄蛙一個晚上叫了一萬三千聲，每一聲都靠肌肉收縮提供力道，這些肌肉裡儲存的脂肪，供應了百分之九十鳴叫所需的能量。肌肉脂肪存量不足的雄蛙耐力比較差。

相較於軟弱無力的鄰居，叫聲迅猛的雄蛙通常比較重、比較年長，心臟比較大，血球裡的血紅素含量比較高，肌肉也儲存更多用來燃燒脂肪的酵素。牠們通常每晚出現，而不是整個春季偶爾露個臉。

繁殖後代的必要條件

她做出選擇，主動接近雄蛙，拍拍牠。在連串肢體動作後，雄蛙爬上她背部，前腿緊抱她頸子。雌蛙划過水面，把胡椒粒大小的卵黏附在水中的植被上，再以背上雄蛙的精子為每一顆卵子授精。

大多數蛙類把成團的卵堆在一起，春雨樹蛙卻不然，牠們一顆一顆安置，或許是為了避免被掠食者找到、一口氣吃光。將受精卵安置好以後，雌蛙和雄蛙轉身離開，放任受精卵自生自滅。

蝌蚪從父母身上得到的，只有卵黃的營養素和ＤＮＡ。雌蛙偏好極高速叫聲，可以讓她的基因跟強健雄蛙的基因結合，對她的後代有實質好處。短期內她自己也可能得到好處，也就是避免生病的雄蛙趴在她背上時把疾病傳染給她。

整個繁殖季當中，雌春雨樹蛙的產卵量高達上千枚。她消耗自己辛苦儲存的脂肪和營養素，給每一顆卵留下一份卵黃。早春食物匱乏，所以這些東西是在昆蟲繁多的溫暖秋天儲存下來的。

卵黃提供胚胎發育和蝌蚪孵化時所需的營養素。雄蛙的鳴叫也勞神費力，既消耗牠儲存的能量，也容易被掠食者察覺。牠的付出沒有為下一代提供食物或其他實質好處，卻讓雄蛙與雌蛙之間的溝通多了點真誠。

只有健康雄蛙的鳴叫能響亮、快速又持久。任何雄蛙都能輕鬆鳴叫，但這樣的叫聲音不會隱含有關體格與狀態的可靠訊息。

既然鳴叫的成本如此高昂，那麼春雨樹蛙的叫聲必然攜帶有價值的資訊。雌蛙利用聲音挑選配偶，藉此確保她選中的雄蛙的基因品質對她的後代有利。由於鳴叫附帶成本，雌蛙的偏好和雄蛙的鳴聲因此成為春雨樹蛙繁殖活動的核心。

這並非成本影響演化的一貫模式。春雨樹蛙身體（從趾端的吸盤到捕捉昆蟲的黏性舌頭）的構造沒有浪費能量和原料。但對於牠們的叫聲，成本卻是信號功能的關鍵。少了這些成本，整個溝通網絡就會瓦解。

那麼，鳴叫的成本有兩個相對的影響。對於行動緩慢又欠缺防衛力的物種，發出響亮聲響可能是自取滅亡。不管那聲音能傳遞多少有關鳴唱者的健康資訊，這樣的成本對所有聲音傳訊系統都太高昂。

但如果是能跳躍或飛離危險的物種，發聲的成本確保聲音有意義，因此受到演化偏愛。演化賦予春雨樹蛙的信號不至於極端到為牠們招致死亡，卻會讓春雨樹蛙費勁展現自身的活力。

——本文摘自《傾聽地球之聲》，2022 年 11 月，商周出版，未經同意請勿轉載。