Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

奧運選手賽後生活

陸子鈞
・2012/08/13 ・555字 ・閱讀時間約 1 分鐘 ・SR值 523 ・七年級

台灣奧運田徑選手林靖軒

南韓的奧運體操跳馬金牌梁鶴善除了可以終身免費吃泡麵,他快樂嗎?澳洲昆士蘭大學( University of Queensland )組成的聯合研究團隊調查發現,許多奧運選手在賽後能輕鬆轉換生活,然而另一群選手則在改變社交圈還有重新投入職場時有困難。

研究人員訪問了受訓且完成奧運競賽的運動選手,結果使研究人員意外,有些參賽過的選手表示他們有一些心理上的狀況,像是迷惘、沮喪、自我否定。

「奧林匹克選手需要像是果斷、耐心的心理特質,我們會預期這些特質也有助於運動員在賽後回復正常生活,但我們的研究結果顯示似乎不是這樣,」主持這項研究的瑞利博士(Steven Rynne)提到,「有些特質在賽事中非常重要,像是果斷和堅毅。另外像是順從、完美主義、好爭就比較不明確。」

瑞利認為,對選手來說最難改變的就是日復一日的活動。他說:「每位選手在各自的運動場上發光發熱,當轉換環境回到日常生活就會遇到一些問題。」

-----廣告,請繼續往下閱讀-----

這項研究計畫由國際奧林匹克委員會(International Olympic Committee, IOC)提出,對於思考奧運未來發展來說非常重要,除了思考如何精進運動表現以外,也需要規劃如何在賽後能適應生活。

資料來源:Life after Olympics tough for some athletes. Futurity [July 30, 2012]

-----廣告,請繼續往下閱讀-----
文章難易度
陸子鈞
294 篇文章 ・ 4 位粉絲
Z編|台灣大學昆蟲所畢業,興趣廣泛,自認和貓一樣兼具宅氣和無窮的好奇心。喜歡在早上喝咖啡配RSS,克制不了跟別人分享生物故事的衝動,就連吃飯也會忍不住將桌上的食物作生物分類。

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
1

文字

分享

0
1
1
運動員的大腦跟一般人不一樣?從腦科學看體力之外的奪冠秘笈
F 編_96
・2024/12/17 ・2098字 ・閱讀時間約 4 分鐘

F 編按:本文編譯自 Live Science

是不是常聽人家講「運動天賦」?這種天賦到底是什麼?運動員哪裡跟我們不一樣?這個問題現在科學家或許可以給你一個答案。近年透過腦科學研究發現,運動員的大腦與普通人的大腦存在顯著差異,這些差異塑造了他們在比賽中的敏捷反應、精確動作及卓越判斷能力。

所以現在運動選手不只比體力,還要比腦力了嗎?這些差異具體差在哪裡?

快速反應:視覺處理能力

在團隊運動如足球或籃球中,快速處理視覺資訊並作出決策對勝負至關重要。一項 2013 年發表於《Scientific Reports》的研究發現,職業運動員比起業餘運動員或一般人更擅長處理動態視覺場景,例如追蹤快速移動的物體。這種能力能夠幫助運動員在瞬間解讀賽場上的複雜資訊,並迅速做出反應。

擁有快速的視覺處理能力,對團體運動來說至關重要。圖/envato

視覺處理能力的測試還可用於判斷運動員是否適合回歸賽場,例如在傷後復健階段,確保運動員在完全恢復判斷能力之前不會貿然上場。

-----廣告,請繼續往下閱讀-----

肌肉記憶:動作的自動化編程

對於體操選手或跳水運動員而言,肌肉記憶是完成複雜動作的關鍵。2023 年《Journal of Neuroscience》的一項研究表示,大腦如何通過訓練快速「壓縮」和「解壓縮」動作資訊,最終將動作序列整合成一個流暢的過程。這種訓練過程使運動員能夠無需刻意思考,便能完美執行複雜動作。

肌肉記憶的形成依賴於大腦皮層神經元的網絡活動,這種神經編程能力也同樣適用於訓練有素的音樂家或舞蹈家。

預測能力:球場上的決策利器

運動員擁有卓越的預測能力,例如棒球擊球手能根據投手的動作,快速判斷球的速度與方向。2022 年發表於《Cerebral Cortex》的研究發現,當擊球手預測投手的投球軌跡時,大腦左腹側顳葉皮質的神經元活動會根據預測結果而改變。

這種高效的預測能力源來於運動員在比賽中,學會透過關聯視覺線索與物體運動軌跡的技能。研究還發現,潛水選手等專業運動員的大腦中與動態運動解讀相關的區域,如上顳溝(STS),比普通人更厚,這也反映了運動訓練對大腦結構的塑造。

-----廣告,請繼續往下閱讀-----

平衡與空間感:身體控制的高峰

對體操選手來說,擁有非凡的平衡感與空間感知能力,兩者缺一不可,而這在科學上被稱為「本體感覺」(proprioception)。位於小腦的神經網絡讓運動員能迅速調整身體姿態,即使在空中失誤也能及時修正動作。

對體操選手來說,平衡感與空間感知能力非常重要。圖/envato

然而,當這套「安全網」失靈時,可能導致嚴重後果。如 2020 年東京奧運中,體操選手西蒙·拜爾斯(Simone Biles)因「扭轉失靈」而一度無法控制動作,凸顯了平衡能力在高風險運動中的重要性。

注意力與認知靈活性:多任務處理的關鍵

團隊運動要求運動員能快速在不同思維模式間切換,例如足球選手需在控球時預測對手動作並調整策略。2022 年《國際運動與運動心理學期刊》的一項研究顯示,運動員,特別是參與高強度間歇訓練的選手,擁有更強的認知靈活性和注意力分配能力。

研究也指出,這些能力的提升可能與長期訓練相關,但確切機制仍需進一步研究。

-----廣告,請繼續往下閱讀-----

抗衰老的秘密:運動對老年大腦的保護

這些運動訓練對大腦的影響,可不是只有相關區域的提升。運動對大腦健康的影響,可能會持續一生。一個典型例子是加拿大田徑選手奧爾加·科特爾科(Olga Kotelko),她在 95 歲時仍保持驚人的腦部健康,其白質結構完好程度甚至接近比她年輕三十多歲的普通人。科學家認為,持續的運動訓練可能是她保持記憶力與認知敏銳的原因之一。

運動不只是對身體的鍛鍊,對維持大腦健康也有影響。圖/envato

下一代的訓練策略:腦力與體力並重

隨著運動科學的不斷進步,科學家也開始呼籲教練更注重對年輕運動員的腦部訓練,例如提升記憶力與決策能力。西悉尼大學的運動科學家凱莉·斯蒂爾(Kylie Steel)指出,運動員的身體或許會訓練至極限,但在認知能力上仍擁有巨大的潛力提升。例如,足球訓練中可以鼓勵球員使用非慣用腳進行射門,以提升大腦靈活性,幫助他們在成年後更加出色地應對比賽挑戰。

近年研究讓我們重新認識了體育訓練對人體的深遠影響,運動改變的不僅是肌肉,還包括大腦。從視覺處理到肌肉記憶,再到抗衰老的腦部結構,透過運動與科學的結合,將為未來的運動員開啟全新可能性,也提醒我們,持續鍛煉不僅益於身體,也有助於大腦的健康。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

F 編_96
20 篇文章 ・ 1 位粉絲
一個不小心闖入霍格華茲(科普)的麻瓜(文組).原泛科學編輯.現任家庭小精靈,至今仍潛伏在魔法世界中💃

0

1
0

文字

分享

0
1
0
性別檢測的荒謬案例:當運動賽場上的「她」被迫成為「他」——《運動基因》
行路出版_96
・2024/08/08 ・2380字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

性別檢測的歷史與爭議:從脫衣服到口腔擦拭

當然,瑪麗亞.荷塞.馬丁內茲-帕提尼奧(Mar.a Jos. Mart.nez-Pati.o)毫無理由懷疑自己不是女兒身。她的臉瘦長又高貴,有高高的顴骨,肌膚吹彈可破。她是在西班牙北部長大的普通女孩,除了跑跳方面比同齡的女表現還要好之外。

1985 年,具國際水準的二十四歲跨欄選手馬丁內茲-帕提尼奧,抵達日本神戶主辦的世界大學運動會之後,才發覺自己忘了那份聲明她是女性、可參加女子組競賽的醫生證明書。結果,她不得不在神戶按慣例做賽前口腔擦拭取樣,證明她的生物性別。

性別檢測從 1960 年代就開始實行,當時國際田徑總會看夠了肌肉結實的中東歐國家女子選手(其中有很多人參與了煞費心機的禁藥計畫),於是國際田徑總會制定管制辦法,確保沒有男子選手假冒成女性。(從未證實有這樣的情況發生。)剛開始實施的檢測方式很粗暴,女選手被迫在醫生面前脫下褲子,到 1968 年的墨西哥城奧運,這種丟臉的手續就由令人滿意的客觀技術取代了:用採樣棒擦拭口腔組織取樣,再檢驗染色體。女性有 XX 性染色體,男性為 XY。

從基因上來辨別性別,其實沒有那麼簡單。 圖/envato

只不過,有時情況沒那麼簡單。

-----廣告,請繼續往下閱讀-----

1985 年 8 月那天很晚的時候,西班牙代表隊的隊醫準備告訴馬丁內茲-帕提尼奧壞消息。她的檢測結果出了問題,沒辦法上場比賽。馬丁內茲-帕提尼奧想知道自己是不是得了愛滋病還是白血病(白血病才剛奪走了她哥哥的生命),但醫生沒再說什麼。

她非常焦慮地熬了兩個月,自己去看醫生,以免麻煩仍未走出喪子之痛的父母。接著,通知信來了,不是愛滋病,也不是白血病,但這個診斷將改變她的一生。信上寫著,分析五十個她的口腔組織細胞後發現,每個都帶有 XY 染色體。你是男人,想不到吧!國家代表隊官員力勸馬丁內茲-帕提尼奧假裝受傷,悄悄退役。

馬丁內茲-帕提尼奧不但拒絕退役,三個月後還在西班牙國內 60 公尺跨欄賽奪冠。然而勝利的榮耀,卻讓她成為公眾的笑柄。馬丁內茲-帕提尼奧的性別檢測結果在媒體上曝光了,她的名聲一落千丈,受到極其殘酷的對待。

能拿走的都被拿走了。西班牙官員取消了馬丁內茲-帕提尼奧的全國冠軍頭銜,把她踢出西班牙運動選手的宿舍,還撤回她的獎學金。他們刪除她的運動成績紀錄,彷彿她不存在似的。她的友人分成兩類,一種是留下來的,一種是離去的。她的未婚夫屬於後者。

-----廣告,請繼續往下閱讀-----

馬丁內茲-帕提尼奧感到羞愧,喪失了活力,不過很快就展現出韌性。她在媒體上堅稱她確信自己是女性,誓言要反擊,而隨後她獲得遠道而來的援手。

生物學的複雜性:當染色體不再是判定性別的唯一標準

芬蘭遺傳學家亞伯特.德拉夏培爾(Albert de la Chapelle)看到報導馬丁內茲-帕提尼奧爭取權益的新聞之後,公開發表意見。德拉夏培爾十分清楚,染色體不一定能判定一個人是男性或女性。他最先研究了帶有 XX 染色體的男性。當父母的 X 和 Y 染色體在交換資訊時沒有排列整齊,來自 Y 染色體尖端的基因斷開,最後跑到 X 染色體上,這時就有可能發生「德拉夏培爾症候群」(De la Chapelle syndrome)。

馬丁內茲-帕提尼奧花很多錢找醫生檢查,他們告訴她,她有睪丸,藏在陰唇內的隱密處,而且她沒有子宮,也沒有卵巢。不過這些醫生還發現,馬丁內茲-帕提尼奧的睪丸雖然會產生跟男性同樣高的睪固酮濃度,但她有雄性素不敏感症候群(androgen insensitivity syndrome,簡稱AIS),也就是說,她的身體對睪固酮的需求充耳不聞,因此她完全發育成女性。大多數女性可以善用體內分泌的少量睪固酮在運動方面帶來的好處,但馬丁內茲-帕提尼奧根本無法利用。

馬丁內茲-帕提尼奧事件讓運動賽事的性別檢測打上問號。 圖/envato

性別檢測結果公開後差不多三年,奧會醫學委員會在 1988 年首爾奧運開會,裁定應該恢復馬丁內茲-帕提尼奧的資格。只不過,她的運動生涯那時已經受到阻撓,以十分之一秒的差距失去 1992 年奧運的參賽資格。

-----廣告,請繼續往下閱讀-----

受到馬丁內茲-帕提尼奧事件的鞭策,國際田徑總會在 1990 年從各國召集了一群科學家,想要決定如何一勞永逸地辨別女性選手當中的男性,以求競賽公平。專家們的回應是:別問我們!這群科學家反而建議徹底廢除性別鑑定檢測。到 1999 年,國際奧林匹克委員會(簡稱國際奧會)終於決定,只在遇有質疑聲浪時才對女性運動員進行檢測,儘管如此,他們還是沒有明確標準可用來判定何謂合格女性。

問題在於,人類生物學就是不會像體育主管機關希望的那樣,客氣地把人分成男性和女性,而且過去二十年的技術進展完全沒有帶來絲毫改變,未來也不會有任何改變。耶魯大學榮譽教授米隆.吉內爾(Myron Genel)說:「我看不出我們要怎麼提出不同於二十年前所做的結果。」吉內爾也是建議國際田徑總會廢除性別檢測的一員。

醫生群最後判定,馬丁內茲-帕提尼奧受到不公平的對待。他們確定,就競技目的來說她是女性──是個既有陰道也有隱睪,有乳房、但沒有卵巢或子宮,而且體內雖有跟男性等量的睪固酮卻遲緩流著的女性。

不管是身體部位還是體內的染色體,都無法明確辨別男女運動員。那麼究竟有什麼遺傳學上的理由,要把男女分開考慮?

-----廣告,請繼續往下閱讀-----

——本文摘自 大衛・艾普斯坦(David Epstein)運動基因:頂尖運動表現背後的科學》,2020 年 12 月,行路出版,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

行路出版_96
21 篇文章 ・ 8 位粉絲
行路為「讀書共和國」出版集團旗下新創的出版社,出版知識類且富科普或哲普內涵的書籍,科學類中尤其將長期耕耘「心理學+腦科學」領域重要、具時代意義,足以當教材的出版品。 行路臉書專頁:https://www.facebook.com/WalkPublishing