0

0
0

文字

分享

0
0
0

[TED]科學是玩出來的

Hali
・2012/11/24 ・444字 ・閱讀時間少於 1 分鐘 ・SR值 497 ・六年級

科學是任何人(包括小朋友)都可以參與的。以下這段TED影片中,英國神經科學家Beau Lotto認為科學就是探索未知的遊戲(play),小朋友也做得到。他請一位小女孩Amy現身說法。Amy與其他24位8~10歲的小學生,在遊戲過程中:(1)提出好奇的問題、(2)設計實驗、(3)觀察並收集數據、(4)根據以”加減乘除”分析後的數據,提出他們的新發現。同時,他們也一致認為科學是很酷很有趣的,因為可以做別人從未做過的事。後來,他們的新發現發表在英國皇家科學院出版的《Biology Letters》期刊。這群小朋友在遊戲過程中的思考邏輯與成人世界的研究過程是一致的,我們是否也能以遊戲的心態來面對科學呢?

原始文獻:
Blackawton bees. Biol Lett. 2011 Apr 23;7(2):168-72.

評論:
Biol Lett. 2011 Apr 23;7(2):166-7

影片:
Blackawton bees

-----廣告,請繼續往下閱讀-----

延伸閱讀:
質疑自己算不算科學家嗎?看看八歲小孩的論文找回初衷吧!
Google辦線上科展,尋找下一個愛因斯坦

文章難易度
Hali
5 篇文章 ・ 0 位粉絲
菩提本無樹 明鏡亦非台 本來無一物 何處惹塵埃

0

2
2

文字

分享

0
2
2
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

-----廣告,請繼續往下閱讀-----

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 54 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

0
0

文字

分享

0
0
0
2020年國際科展現場直擊3:視覺中的鬼影是哪來的?讓未來的機器人幫忙搬家!
吼猴
・2020/04/12 ・1739字 ・閱讀時間約 3 分鐘 ・SR值 511 ・六年級

從上兩篇國際科展研究介紹,能看出中學生對生活、自然界的重視。源於對生活的熱情,行為與社會科學科和電腦科學與資訊工程科的學生們也從人類習性的角度切入,產出有趣的主題。所謂科技來自人性,科展主題也來自對生活的探索與對自身的好奇。

海報展示會場。攝影/吼猴

【行為與社會科】:視覺中的鬼影是哪來的?

臺北麗山高中周芷語、謝宜薰在看到《國家地理》雜誌探討視覺的文章,對自己視覺中所產生的鬼影感到驚奇。赫曼方格是因人體視網膜的「側抑制作用」而造成的,在某些視覺刺激較強時,接收到周圍較弱訊號的細胞會被覆蓋。在赫曼方格的例子中,黑方格與白線條中會有錯覺造成的灰點。

兩人疑惑赫曼方格會讓人感覺黑色方格間白色線條的交會處出現暗點,但一般穿著的格子衫卻很少會出現這個狀況,萌生出想進一步研究的想法。他們的作品獲得本次大會獎二等獎。

-----廣告,請繼續往下閱讀-----

圖/The Cry of All

研究中針對三種視錯覺中生理錯覺的赫曼方格來探討,他們將赫曼方格套入不同配色,以 RGB 色法去定義對比色、互換色和相近色,再將這些方格設計為格子衫,讓受試者觀看並探討消費行為。

由於傳統的赫曼方格(黑白配色)所受到的側抑制較明顯,較易產生生理錯覺,並且在黑白色互換後因眼球較激烈的顫動(saccade)使得閃爍程度上升,導致眼睛易感到疲憊。不同顏色的赫曼方格則會受到視桿與視錐細胞的影響,導致我們看到不同的生理錯覺。例如看著紅綠格子衫時,正常視覺下鬼影的出現和灰點閃爍程度皆為零,然而紅綠色盲的受試者卻會看到鬼影——這樣的差異,就會影響到受試者是否較有意願購買這種配色的衣服。

鬼影時現時滅……難不成我有靈媒的體質?圖/GIPHY

-----廣告,請繼續往下閱讀-----

提及未來的研究方向時,周芷語、謝宜薰提及應該要再修改問卷設計,並且未來進行實驗時,期望能運用眼動儀和腦波儀來使實驗結果更精確。

【電腦科學與資訊工程科】運用空間物品記憶裝置建構搬運機器人

北內湖高中廖子游、邵明諒、林禹丞表示,先前於全國科展時,他們研發 AR的相關軟體,希望能經由環境物體辨識和定位,導航出指定物品的正確位置。延伸功能若能夠套用在機器人身上,能使機器人與人之間有更良好的互動,且能更合乎我們的訴求。

也許未來逛超市的不再是人,而是擁有空間記憶的機器人了。圖/GIPHY

團隊研發一款 AR 記憶眼鏡,能在日常生活中建構整個空間,並利用特徵點建構平面並辨識物體,標記出這個物品在空間中的地點。即使被記憶的物品是放在抽屜中,或是剛好在記憶眼鏡視野的正後方,也能夠藉由記憶中的方位與距離正確引導出物品的所在位置。如果能進一步將這樣的記憶資訊傳達搬運機器人,擁有空間記憶的機器人就可以正確找到尋找的物件,並做出妥善的處理。舉例來說,我們吃糕點時常一不小心就掉屑屑,此時若人類配戴 AR 記憶眼鏡,可以迅速讓掃地機器人趕到現場進行清掃。

-----廣告,請繼續往下閱讀-----

關於自己出色的設計,他們表示就高中生而言能運用的經費有限,無法購得實質的 AR 眼鏡。不過,三人藉由手機裝載自製 app,再將手機放入 AR 眼鏡殼來模擬 AR 眼鏡的畫面,並以有線耳機上的音量鍵作為操作眼鏡的控制器。真正的挑戰是物件識別的整合、數據資料的處理,以及要讓程式計算出正確的物件方位和距離。

圖/giphy

儘管年紀尚輕,這些充滿創意的中學生們身上已散發著渾厚的科學家氣息。無論是對於周遭未知的問題窮追不捨,又或者能從簡單原理發想新的創意。雖然有時會受限資源不足,他們都細心地對此進行嚴謹的研究,即使挫敗也不輕易言棄。這樣願意親自深究,挖出未知背後的真相,正是研究學者所應具備的精神。

期許未來能有更多同學能運用課堂中的知識,在科展中一顯身手,明年我們在科教館不見不散!

-----廣告,請繼續往下閱讀-----
吼猴
5 篇文章 ・ 0 位粉絲
臺大農業化學系出生。什麼都想嘗試,什麼都想創造。 但最深沈的渴望莫過於將生活的喜悅與驚奇分享給眾人,無論是狗狗貓貓的萌照、曲折離奇的故事,又或是總能帶給人新奇有趣的科學冷知識。 決意以溫柔真誠的言語將這個世界的驚奇,分享給想知道的人們。

0

0
1

文字

分享

0
0
1
2020年國際科展現場直擊2:哪些因素會影響海平面的高度?絲葉狸藻的捕蟲囊是怎麼運作的?
吼猴
・2020/04/12 ・2365字 ・閱讀時間約 4 分鐘 ・SR值 565 ・九年級

上篇國際科展的介紹中,我們看見中學生們經由生活周遭的觀察,獲取研究的靈感與啟發。本篇延續這份對生活的熱情與對社會的關懷,走進環境科學的研究環節。

本次由於疫情的緣故,相關管控相當嚴謹。攝影/吼猴

科學的起源在於人類對自然的觀察與重視。對生命與環境的充滿熱誠、選擇地球與環境科學科、植物學科的同學們,究竟出現了哪些題目呢?來問問師大附中的廖廷涓同學,以及來自屏東潮州高中的莊惟婷、陳馬琤、賴安琦同學吧!

【地球與環境科學】:哪些因素會影響海平面的高度?

廖廷涓在上地球科學課時,發現有許多能影響海平面年際變化(一年以上的變化)的因素。舉例來說,2011 年就出現聖嬰現象,使得全球海平面高度平均下降 5 毫米。某些不清楚年際變化的陰謀論者就憑這個數據主張全球暖化並不存在,無視了長期趨勢變化。若對環境的改變毫無知覺、不了解這些變化背後所隱含的意義,我們就可能會錯估地球的健康狀況。因此,廖廷涓想知道有沒有其他也會成為影響海平面年際變化的因子?

-----廣告,請繼續往下閱讀-----

圖/publicdomainpictures

為此,廖廷涓由美國太空總署(NASA)、法國國家太空研究中心(法文:Centre National d’Études Spatiales,縮寫:CNES)和美國國家海洋和大氣管理局(NOAA)發布的公開數據。針對中太平洋聖嬰現象、東太平洋聖嬰現象、北極振盪、南極振盪,以及太平洋或大西洋多年代震盪這六個年際震盪因子,個別分析與 1993-2017 年的全球平均海平面年際震盪之間是否相關。此研究讓她獲得本次大會獎一等獎,並為地球與環境科學的出國正選代表。

結果顯示,這六種年際震盪中,中太平洋聖嬰現象、太平洋或大西洋多年代震盪三者對海平面高度的影響較大。北極振盪整體而言雖然不如前三者有顯著影響,仍然與平均海平面高度有相關性。

運用分析結果乘以各因子所佔比重後,預測模型作出 R 值 0.86 的海平面高度變化曲線圖。換句話說,只要得知這些因子的變化趨勢,就可以解釋約 70% 的全球平均海平面高度的年際變化,也有機會預測未來海平面高的年際變化。

-----廣告,請繼續往下閱讀-----

另外,研究結果還顯示,大西洋多年代震盪及北極振盪出現後幾個月,海平面才會發生顯著變化。廖廷涓表示相當感興趣海平面變化延遲的原因,未來想更深入研究這些氣候現象與海平面高度之間如何互相影響,並釐清不同海域與這些因子間的關聯。

【植物學】絲葉狸藻的捕蟲囊是怎麼運作的?

莊惟婷、陳馬琤、賴安琦在生物課本上看到了各式各樣的食蟲植物,一個少見的水生食蟲植物抓住了她們的目光——絲葉狸藻Utricularia gibba)。從前人的研究中得知,絲葉狸藻是捕蟲界的一方之霸,捕蟲的吸入動作僅需 0.02-0.05 秒,非常快速。捕蟲囊內部的四爪腺毛是絲葉狸藻吸收養分與排出囊中水分的重要路徑。然而,同是特化構造的半球型腺毛卻很少在先前研究中被提及。因此她們希望能釐清半球型腺毛的功用,以及已知具有消化功能的四爪腺毛對不同營養物質吸收的狀況,並作出比較。

絲葉狸藻器官圖。(照片來源:Darwins’s Atelier

要解釋如何釐清半球型腺毛的功能,我們需從捕蟲囊的捕食機制談起:當獵物經過時,囊口外側的觸發毛會控制瓣膜開合,利用囊中負壓迅速吸入獵物與溶液;之後再由四爪腺毛把多餘的溶液排出囊外,重新回到準備捕食獵物的狀態。不過他們懷疑,不只是四爪腺毛,由氣孔特化出的半球型腺毛可能也具備排水的功能,於是開始著手進行實驗。

-----廣告,請繼續往下閱讀-----

團隊調配兩種不同色的螢光染劑溶液,並以睫毛針觸發捕蟲囊開關,使捕蟲囊受內外染料染出不同顏色。隨後發現,外部位於捕蟲囊側面的半球型腺毛其出水孔有不同色的色素殘留痕跡,顯示半球型腺毛確有排水功能

解決半球型腺毛的問題後,他們轉向比較四爪腺毛在吸收不同營養物質(甘胺酸、硝酸鉀、甘油和葡萄糖),以及吸收水分時的表現差異。他們觀察到染色過的營養液被吸進捕蟲囊後,會立即充入四爪腺毛並流進捕蟲囊的基座細胞,由共質體路徑進入至植體。他們推測含氮物質是從專一性的離子通道運輸至體內,至於是否為主動運輸仍有待商榷。

四種營養素中,葡萄糖雖然能快速進入四爪腺毛,卻發現沒有被大量吸收,後他們推測因實驗系統設計是在光照下進行,由於絲葉狸藻可行光合作用補充葡萄糖,故不需使用捕蟲器進行葡萄糖補充。

顯微鏡下絲葉狸藻的捕蟲囊。(資料來源:youtube影片截圖

-----廣告,請繼續往下閱讀-----

另外,他們也研究在不同理化因子(如照光、環境溫度)的影響下,對半球型腺毛和捕蟲運動造成的影響。在燈源上加上色紙作為藍、紅兩類色光光源,並比較色光觸發前後捕蟲囊的面積變化率。最終發現,短波長的藍光有使捕蟲囊面積下降的趨勢。但比較捕蟲囊在觸發捕捉獵物前後的形態變化,他們得出短波長的藍光可促進捕蟲囊的排水功能,進而可使捕蟲囊的捕蟲效率提升。另外,經由測量不同光照下對光合作用光反應速率的影響,他們發現紅光下光反應速率最好,藍光最差,正與先前捕蟲囊面積變化的實驗結果相反。因此,團隊推測正因藍光下光合作用光反應效率低,才需要活躍的捕蟲運動來補足養分。

除此之外,他們還發想到能以捕蟲囊為設計模型,製造一個以不同膨脹係數的雙層材料製造的囊袋(內層小,外層大),擺放於海面漂泊。在白天高溫時,可觸發袋口吸入海水與塑膠微粒,晚上低溫時袋口緊閉造成負壓內凹,將海水排出而留下較大的塑膠微粒於袋中,進而達到回收塑膠微粒的效用。

有很多設計的最初理念也都是在生物觀察時受到啟發,期望莊惟婷、陳馬琤、賴安琦三位同學的設計,能在未來減輕人類所造成的環汙問題!

(修改時間:2020年4月13日)

-----廣告,請繼續往下閱讀-----

下一篇:2020年國際科展現場直擊:視覺中的鬼影是哪來的?讓未來的機器人幫忙搬家!

吼猴
5 篇文章 ・ 0 位粉絲
臺大農業化學系出生。什麼都想嘗試,什麼都想創造。 但最深沈的渴望莫過於將生活的喜悅與驚奇分享給眾人,無論是狗狗貓貓的萌照、曲折離奇的故事,又或是總能帶給人新奇有趣的科學冷知識。 決意以溫柔真誠的言語將這個世界的驚奇,分享給想知道的人們。