Loading [MathJax]/extensions/tex2jax.js

10

24
5

文字

分享

10
24
5

你自戀嗎?小心眉毛出賣你!——2020搞笑諾貝爾心理學獎

活躍星系核_96
・2020/11/27 ・3558字 ・閱讀時間約 7 分鐘 ・SR值 519 ・六年級

-----廣告,請繼續往下閱讀-----

  • 文/羅億庭|走在科普路上的小菜雞。

喜歡希臘神話嗎?那你一定知道一位很有名的人——納西瑟斯(Narcissus),傳說中,自戀的納西瑟斯在湖中盯著的,就是自己的眉毛(誤)。

先等等,這篇不是在講搞笑諾貝爾獎嗎,到底跟希臘神話有甚麼關係?嗯,真的沒什麼關係(逃)。雖然與希臘神話無關,但今年的搞笑諾貝爾心理學獎可是與自戀大有關係,因為這些科學家們提出了在人群中找到自戀者的方法,那就是——看看他們的眉毛!

靠眉毛為什麼能區分出自戀者?圖/Unsplash

人如其面,自戀特徵就寫在臉上?

說到自戀你會想到什麼?通常自戀的人會伴隨著迷人、外向、自信等特質,在初見面時,這些性格可說是十分吸引人,日後也可能成為風雲人物。但在心理學中,存在一種稱為「誇大型自戀(grandiose narcissism)」的性格,具有這種誇大型自戀性格的人同樣有著外向、自信等吸引他人的特質,不過隨著時間流逝,他們展現出的自我主義、自負與愛慕虛榮,卻會讓人倒彈一百萬步。

這種只在乎自己,不在乎他人觀感的性格,容易造成團體生活不和諧,也可能產生各種人際、工作上的問題。既然誇大型自戀性格的人這麼壞,那有沒有辦法一眼就揪出這些「自戀」的人?

-----廣告,請繼續往下閱讀-----
為了你我的和諧人際生活,揪出自戀者真的很重要啊~~(吶喊)。圖/Unsplash

雖然很難一眼就確認出自戀者,但其實大部份的自戀者長得差不多哦!

跟陌生人初次見面時,人們通常會先看對方的臉。臉部線索比肢體動作或穿著打扮更能吸引他人注意,既然如此……我們是不是也能從「臉」,找出誇大型自戀性格的人?來自多倫多大學的研究團隊,為此設計了一項實驗為我們解惑!

研究團隊首先引用了 Holtzman[2,3] 的論文,Holtzman 發現在中性情緒下,有「Dark Triad[註1]」性格的人,他們的長相會跟正常人有顯著差異。但由於 Holtzman 的研究結果只提到「臉」會有差,並沒有說到底是差在哪?因此研究團隊才會聚焦在「臉部細節」上。

看「整體氛圍」還是「特定部位」?

為了找出哪個臉部特徵可以用來判斷出自戀者,研究團隊招募了 39 位大學生,請他們先填寫自戀型性格量表註2(Narcissistic Personality Inventory, NPI),自評自戀傾向。之後,請他們擺出一個最中性、最平凡的表情拍張照片,去除照片上的頭髮、衣服(裁掉而已,不是讓他們全裸^_^)等易混淆特徵,將影像以灰階處理,並製作了將臉部器官部分遮蔽的圖像,作為實驗素材(圖一),再利用這些素材尋找另一批參與者進行實驗測試。

圖一:將大學生拍下的照片去除掉頭髮、衣服,並加上厚度不等的海苔條黑色方塊遮擋,或是裁切掉部分臉部器官,作為實驗的刺激素材;可以看到刺激中有正立、倒立、只保留上(或下)半部臉、眼睛或眉毛等等的影像。圖/Miranda Giacomin, Nicholas O. Rule, Eyebrows cue grandiose narcissism, Journal of Personality, Volume 87, Issue 2, 2019.

這些照片可是大有用途!首先,全臉正立的照片能幫助研究者確認 Holtzman 的研究結果是否正確。而全臉顛倒的照片,則是確認人類探測自戀時,是否會以臉上的特定部位作為判斷?

-----廣告,請繼續往下閱讀-----

由於看正臉時是看「整體氛圍」,無法確認特定部位是否有特殊效果,但看顛倒照片時,人們必須讀取各個部位再拼湊出人臉,因此可以確認辨識自戀是靠「整體氛圍」還是「特定部位」。最後是其他特定部位的照片,用以確認是哪個部位能讓人判斷自戀。

眉毛是人們「判斷他人是否自戀」的關鍵!

在第一階段,實驗組由 28 名來自美國的「線上零工」(Mechanical Turk Workers, MTurk註3)進行。他們將針對上述圖像進行「你覺得這個人有多自戀?」的自戀評分,分數由 1 分(超不自戀)到 8 分(自戀得要死)不等。

研究團隊將線上零工認為照片中大學生有多自戀的分數,與前面 39 位大學生自評自戀型性格量表的分數進行統計分析,結果發現看全臉的線上零工能分辨大學生有多自戀,而且看顛倒臉的人更能分辨出誇大型自戀性格,這表示我們看人自不自戀,不是看「整體氛圍」,而是「特定部位」辨識出來的。

而看「顯示部分部位」的線上零工,多半藉由臉的上半部(含有眼睛、眉毛的部分)評斷一個人自不自戀(即使是倒立的臉也呈現此結果)。一但上半張臉被遮住,參與者就比較難判斷一個人的自戀與否,因此研究人員將實驗範圍縮小到眼睛與眉毛。在後續的實驗中,研究團隊使用上半張臉的照片,再依序測試了(a)包含眼睛與眉毛(b)只包含眉毛區域與(c)只包含眼睛區域的三種圖像。原來,人們判斷他人是否具有誇大型自戀性格的主要依據,就在於——眉毛!

只看眉毛依然判斷精準

鎖定了眉毛後,為了更加確定眉毛對於評斷誇大型自戀性格的關鍵性,第二階段實驗招募了數量更多,國籍也更為多元的大學生,重複第一階段實驗圖像素材的製作,而後請 182 名線上零工進行相同的自戀評分。

-----廣告,請繼續往下閱讀-----

與實驗一不同的是,這次實驗只會顯示「眉毛」的圖像(如圖一 J)給線上零工,他們僅能根據眉毛來判斷眉毛背後的人自不自戀;而結果也與實驗一相同,線上零工對大學生的自戀評分,與大學生對自己的自戀自評分數呈現顯著相關!

研究團隊也將收集到的眉毛圖像分為左邊眉毛、右邊眉毛、全部眉毛與左右邊眉毛的鏡像,共五種不同圖像對參與者做測試,結果皆呈現顯著;不論是只看部分眉毛或是全部眉毛,都能使觀看者評斷出較自戀的人。

眉毛又粗又濃,自戀者就是你!

既然眉毛如此重要,那到底擁有哪一種眉毛的人比較有可能是誇大型自戀者?

為了確定眉毛的毛量、修飾程度與眉型,會不會影響線上零工判別擁有該眉毛的人自不自戀,研究團隊請了 3 位編碼員,將這些眉毛樣本依不同特徵進行分類;也讓 20 位工人參與者將眉毛依「女性氣質(femininity)」從 1 分(極度女性)到 8 分(極度男性)進行評分;另外也有 20 位工人參與者依照該眉毛的「獨特性(distinctive,可以視為濃密程度)」進行 1(完全不獨特)到 8(與眾不同)分的評分。

-----廣告,請繼續往下閱讀-----

研究團隊將得到評分結果運用程式分析,進行一連串的模擬運算後,得出了最終解答——眉毛的獨特性(濃密程度)可能是我們判斷出自戀者的主要特徵!

在後續的實驗中,研究團隊將誇大型自戀者與非自戀者的眉毛,貼到一張較為中性的臉孔上。當誇大型自戀者的眉毛貼上中性臉孔時,人們對於這張臉的自戀評分增加了;反之,若將非自戀者的眉毛貼上中性臉孔,自戀評分的分數則降低。

此外,當誇大型自戀者戴上「非自戀者的眉毛」時,他們也會被判別為較不自戀的人;一旦他們拿下非自戀者的眉毛,便不會獲得「不自戀」的評價。這些後續研究也進一步暗示了「眉毛的獨特性」,即使將自戀者的眉毛換到不同張臉,也會給觀看者相同的感受,因此可排除其他變因。

誇大型自戀者大概就擁有這麼濃密的眉毛(?)圖/GIPHY

真的能靠外表斷定一個人的性格嗎?

說了這麼多,但真的能以貌取人嗎?雖然這份研究嘗試以科學數據歸納出具有某些生理特徵的人,可能也具有某些心理特徵,但這類研究產生出的結果也具有一定風險。比方說是否有可能整個社會對一個人外表的喜惡,影響了他的人格發展?又或是人們有沒有可能以改變臉部特徵的方式,表現出自身的人格特質?

-----廣告,請繼續往下閱讀-----

即使目前的研究結果顯示了眉毛與自戀可能有一定的關係,但若能透過多方評估再對一個人的性格下決定,似乎更能避免掉一些偏見想法的產生。在此,筆者也期許大家能養成不以貌取人的好習慣哦!不說了,我還是先來去預約個修眉吧 XD(飛奔)

  1. Miranda Giacomin, Nicholas O. Rule, Eyebrows cue grandiose narcissism, Journal of Personality, Volume 87, Issue 2, 2019.
  2. Holtzman, N. S. (2011). Facing a psychopath: Detecting the dark triad from emotionally-neutral faces, using prototypes from the Personality Faceaurus. Journal of Research in Personality, 45, 648-654. doi: 10.1016/j.jrp.2011.09.002
  3. Holtzman, N. S., & Strube, M. J. (2013). People with dark personalities tend to create a physically attractive veneer. Social Psychological and Personality Science, 4, 461-467.doi:10.1177/1948550612461284

註解

  1. Dark Triad,可直譯為「黑暗三聯徵」,其內容包括自戀、馬基維利主義與精神變態。
  2. 自戀型性格量表(Narcissistic Personality Inventory, NPI)能幫助我們判斷一個人的自戀傾向,不論是良性的自戀(如領導魅力)或是不適應性的自戀(誇大型自戀、勢力)的自戀皆可經由量表的分數加以區分。
  3. 文中的「線上零工」是亞馬遜公司(Amazon)所招募的員工,這些員工通常來自美國或印度。亞馬遜將一些無法被電腦所辨別的事物,以外包的方式由人工協助公司進行產品識別,再給付給外包人員薪資(例如:每分辨一幅圖像是否適合未成年人瀏覽,參與者都將賺得 2 到 5 美分)。
-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 10
活躍星系核_96
778 篇文章 ・ 128 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia

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。

1

2
0

文字

分享

1
2
0
【2023 年搞笑諾貝爾化學與地質獎】舔石頭以外,猛獁象竟是海龜湯?
寒波_96
・2023/10/20 ・2211字 ・閱讀時間約 4 分鐘

搞笑諾貝爾獎每年都是新的開始,2023 年也不例外。今年「第 33 次第一屆搞笑諾貝爾獎」頒發十個獎項,「化學與地質獎」以看似獵奇的舔石頭博取不少眼球,不過得主揚.扎拉謝維奇( Jan Zalasiewicz)的文章中,其實還提到另一件知名的歷史公案。

1951 年晚宴真相,竟然是海龜湯?!圖/americanoceans

1951 年晚宴真相,竟然是海龜湯?!圖/americanoceans

文學史上用味覺帶出情節,最知名的案例之一是普魯斯特的小說《追憶似水年華》開頭,由瑪德蓮的味道切入,接著進入意識的海洋游泳。扎拉謝維奇的文章開頭,也從品嚐岩石的味道切入,自由切換不同的題材。

地質學家為什麼要舔石頭?《舌頭、石頭,迸出新滋味?科學家為什麼要舔石頭?——2023 搞笑諾貝爾獎》一文有精簡介紹。最主要的理由是,缺乏現代儀器之際,舌頭可謂方便的化學感應器,能提供有用的資訊。

-----廣告,請繼續往下閱讀-----

當然,即使有了現代儀器,舌頭還是很方便的工具。

處於意識流科學史中,扎拉謝維奇的文章從舌頭感應器,十分合理地切換到一場宴會。那場 1951 年的晚宴中,據說提供猛獁象肉製作的餐點。

這場晚宴由美國的「探險俱樂部(The Explorers Club)」舉行,主辦方宣稱當天有道菜,來自已經滅絕的動物大地懶(Megatherium)。但是幾天後有報紙披露,宴會中的奇珍異獸不是大地懶,而是來自阿留申群島,25 萬年久遠的猛獁象!

1951 年保存至今的晚餐。圖/取自 參考資料3

-----廣告,請繼續往下閱讀-----

奇妙的是,當天的餐點竟然有少量樣本被保留至今。當時沒有參加的豪威斯(Paul Griswold Howes)寫信要到一份樣本,一直保存到他去世為止。後來樣本輾轉來到耶魯大學的皮博迪自然史博物館(Yale Peabody Museum)。

那一餐到底是大地懶,還是猛獁象呢?2014 年,耶魯大學的研究生葛拉斯(Jessica Glass)等人成功由樣本中取得 DNA,結果在 2016 年發表。比對之下相當明顯,答案是綠蠵龜。

現今綠蠵龜是保育類動物,合法的狀況下沒有機會吃到。然而 1951 年那個時候,綠蠵龜尚未面臨滅團威脅,仍然是普遍的食材。

區區綠蠵龜製成的海龜湯,當然無法彰顯晚宴的尊絕不凡。不過俱樂部宣稱的大地懶,怎麼又會變成猛獁象?

-----廣告,請繼續往下閱讀-----

最可疑的是當天在場的俱樂部成員尼可斯(Herbert Bishop Nichols),他也是基督科學箴言報(The Christian Science Monitor)的科學編輯。可考的記錄中,他第一個對外提出相關描述,後來被視為吃猛獁象的證據。

海龜湯的幾位相關人猿。(A) 據說將食材從北極帶回的極區探險家 Father Bernard Rosecrans Hubbard。(B) 極區探險家 George Francis Kosco。(C) 晚宴主辦人 Wendell Phillips Dodge。(D) 保存樣本的 Paul Griswold Howes。圖/取自 參考資料3

如果真的是那道菜的材料,那麼狀況就是:俱樂部用綠蠵龜做菜,宣稱是大地懶,報紙以訛傳訛寫成猛獁象。

「吃猛獁象」之類的傳聞,雖然不是嚴謹的科學,卻因為有噱頭而容易引人注目。作為沒多少負面影響的玩笑,也沒有人想要特別澄清。使得這類事件的真相,往往不了了之。

-----廣告,請繼續往下閱讀-----

儘管沒有特別獲得搞笑諾貝爾獎關注,對於這道海龜湯的追根究底,倒是相當符合搞笑諾貝爾獎的精神。

海龜湯以後,扎拉謝維奇的文章意識又跳躍到另一種已經滅團的生物:貨幣蟲(Nummulites)。許多古生物,當初也是其他古生物的食物。儘管擁有堅硬的外殼保護,貨幣蟲這種生物依然有機會成為美食。

1912 年的時候,英國古生物學家庫克派崔克(Randolph Kirkpatrick)提出一個觀點:地球有一段時間存在非常大量的貨幣蟲,後來它們變成稱為「貨幣球(Nummulosphere)」的地層,是地殼岩石的源頭。

看起來很搞笑,可是庫克派崔克是認真的。所以他即使生在現代,應該也沒有獲得搞笑諾貝爾獎的機會。

-----廣告,請繼續往下閱讀-----

2023 年搞笑諾貝爾獎頒獎典禮影片(化學與地質獎從 10:18 開始):

延伸閱讀

參考資料

  1. The 33rd First Annual Ig Nobel Prizes
  2. Eating fossils
  3. Was Frozen Mammoth or Giant Ground Sloth Served for Dinner at The Explorers Club?
  4. Mammoth meat was never served at 1950s New York dinner, says researcher

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

-----廣告,請繼續往下閱讀-----
所有討論 1
寒波_96
193 篇文章 ・ 1090 位粉絲
生命科學碩士、文學與電影愛好者、戳樂黨員,主要興趣為演化,希望把好東西介紹給大家。部落格《盲眼的尼安德塔石器匠》、同名粉絲團《盲眼的尼安德塔石器匠》。

0

4
2

文字

分享

0
4
2
舌頭、石頭,迸出新滋味?科學家為什麼要舔石頭?——2023 搞笑諾貝爾獎
PanSci_96
・2023/09/30 ・3674字 ・閱讀時間約 7 分鐘

J……J 個是!這顆石頭一接觸到我的舌頭,它就像火一樣燃燒,同時留下苦澀和尿味的味道,在這之後還留下了一點甜味。

圖/Youtube

這,這一顆石頭不一樣,它有酸辣味和硫酸鹽味,卻同時給我一種難以形容的愉悅感!就像在品嘗紅酒的酸味一樣!

圖/Youtube

等等,我並沒有壞掉,我現在做的事是某些地質學家和古生物學家真的會做的事,而且這件事還得了諾貝爾獎!只是是搞笑諾貝爾獎。

搞笑歸搞笑,舔石頭卻真的是再實用不過的方法。因為,舌頭真的是太好用了!

-----廣告,請繼續往下閱讀-----

地質地科系祖傳秘招——舔石大法!

2023 年的搞笑諾貝爾獎的化學與地質獎頒給了地質學家揚.扎拉謝維奇,得獎的原因不是因為特定研究,而是它整理了地質學家和古生物學家「品嘗」岩石和化石的「研究史」。

有在跟我們直播的泛糰肯定知道,在今年搞笑諾貝爾獎頒發的隔週,上個月的 9 月 18 日,我們在 YouTube 官方舉辦的 2023 YouTube Festival 活動中,辦了一個實體見面會。在見面會中我們介紹了今年其中三個搞笑諾貝爾獎,其中就包含這則「地質學家為什麼要舔石頭」。另外兩個獎項分別是操縱死靈蜘蛛,和研究為什麼上課為什麼會令人感到無聊。這場見面會也有同時開直播,連結放在右上角的資訊卡,裡面提到不少有趣的觀點,歡迎去直播存檔複習。

當天,除了就像開場演繹的,不同岩石真的嚐起來味道不一樣以外,有一個地科系的觀眾,現場分享了另一個有趣的觀點。但先說聲抱歉,那時候觀眾手持的麥克風訊號沒有進到我們的混音器,所以在線上收聽的朋友沒有聽到前半段。

我們這邊重新轉述一下,這位觀眾說早在這個獎項頒發前,就知道用舔石頭來辨識種類的這種方法了,因為他的老師就是這麼教他的!沒想到,這竟然是地科與地質系祖傳的秘技嗎!

-----廣告,請繼續往下閱讀-----

舌頭比手指還好用?

但除了味道外,觀眾還分享了一個這次搞諾沒有提到的原因,就是舌頭的觸覺可能比手還靈敏。某些岩石例如砂岩跟頁岩,可能用手摸不出差別;用舌頭舔,竟然就能分別出差別。

什麼,舌頭真的這麼厲害嗎?想想好像也是,我們吃東西的時候會用舌頭去感受食物的形狀,這些觸感甚至也是我們品嘗食物時,了解食物的重要一環。除此之外,我們還可以找出食物中的魚刺,或是卡在牙縫中的菜渣,有些人還能幫櫻桃梗打結呢。

圖/Giphy

但好像從來沒有人拿舌頭和手去做比較,因為只要講到觸覺,我們第一時間就會認為手指更加靈敏。

其實,還真的找到有人研究過,一群俄亥俄州立大學食品科技系的實驗團隊,就研究了這個問題。他們準備了幾個形狀極為相似的樣品,樣品的長度、厚度、缺口的大小都一樣,只有缺口處的傾角不同。

-----廣告,請繼續往下閱讀-----

傾角從 45 度到 90 度都有,每塊的角度以 5 度為間隔。受試者必須拿起兩塊樣品,並在蒙眼的情況下,分別用摸或舔的方式來分辨出兩者分別為哪一塊。其中一塊始終是 90 度,另一塊則是從 65 度開始角度遞增。

這次的實驗有 30 位受試者,結果表明,使用手指來分辨兩塊樣品,平均要兩塊的角度差超過 19.81 度時,才能分辨出差異。如果用舌頭舔呢?只要兩者的角度差超過 12.75 度,就能分辨出差異!比用手摸的角度差小了許多,也就是舌頭真的比較靈敏。

實驗結果數據,JND(Just Noticeable Difference)表受試者在樣品相差幾度時能感受到差異。圖/Comparison of The Tactile Sensitivity of Tongue and Fingertip Using a Pure-Tactile Task

當然,這個實驗還有兩個方向值得討論,一是這只針對物體邊緣形狀的靈敏作分析,但觸覺有許多不同感受,例如紋理、粗糙程度等,所以可能每種觸覺做出來的實驗結果會不同。這個實驗看起來不難做,各位可以準備一些能放入嘴的材料,例如請朋友直接將比較硬的芭樂切成不同形狀來舔舔看差別,就能簡單復刻這個實驗甚至更改參數,有實際測試的觀眾也不要忘記留言告訴我們。我們這邊也同步徵求花京院來協助我們實驗。

而另一點是,關於舌頭為什麼有跟手指同等,甚至更強觸覺的生理機制,本篇研究僅止於現象探討,還未有深入研究。

-----廣告,請繼續往下閱讀-----
圖/Giphy

濕濕的石頭更好觀察?

除了味覺和觸覺外,舔石頭還有另一個重要的原因,就是濕潤的石頭紋理更清楚,更方便研究。

這應該大家都有經驗,在學校的大理石地板拖地,或是海邊的鵝卵石,沾到水之後,石頭的紋理都更加清楚,看起來也更漂亮。但這又是為什麼呢?

影響的原因有很多,但影響最大的,就是濕潤的表面讓石頭更「平」,產生類似拋光的效果。但為什麼磨平拋光,顏色就更好看呢?

我們知道光線照到鏡子會產生反射,但鏡子很平整,如果現在照射到的是一個凹凸不平的表面,光線就會往四處反射,這種現象稱為漫反射。當我們只想看石頭上的其中一點時,旁邊的光卻會雜亂的跑進我們的眼睛,影響到對比度。並且各種顏色的色光聚在一起會形成白光,因此這些漫反射而來的光線,就會以白光的形式被我們看到。白話文就是,物體的對比下降了,但是整體的亮度提高,變成我們常看到灰白色的石頭表面。

-----廣告,請繼續往下閱讀-----

直到石頭被拋光,或是因為濕潤產生拋光的效果,這些漫反射就會減少,石頭整體變得比較暗沉,但是斑紋之間的對比度提高了。這就是為什麼粗糙的石頭顯得灰白,浸濕之後卻呈現深沉而圖樣明顯的原因。

還沒完,薄薄一層水還會造成更多影響。例如,這層折射率介於空氣與石頭之間的介質,可以幫助光線稍微穿透岩石的表層後再反射出來,提供視覺上更多的紋理細節。如果將水換成木工中常使用的亮光漆,除了反射與折射外,亮光漆中的分子,還足以讓光線產生散射,讓你在上不同厚度的亮光漆時,能產生不同的顏色變化。

簡單來說,不論是水還是漆,這薄薄的一層介質,能像相機的鏡片一樣,透過光學調校,將更清楚、細節更多的影像送進相機的感光元件,也就是我們的眼睛上。而替換不同的鏡片,就能改變我們看到的樣子。

有介質存在於空氣與觀測物間時,光會產生折射,造成不同視覺效果。圖/askamathematician.com

這個看似玩笑的舔石頭研究,確實好像又有幾分認真的道理,我們自己在研究的時候,最開始也覺得超ㄎㄧㄤ,後來又發現能學到不少冷知識。

-----廣告,請繼續往下閱讀-----

最後也想調查一下,除了舔石頭以外,大家還對哪一則搞笑諾貝爾獎有興趣,希望我們也來講講呢?

  1. 帶電的筷子,能讓食物更好吃?
  2. 哪些人有倒著說話的特殊能力?
  3. 要多少人抬頭看天空,才會吸引路人跟著抬頭?

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。