從榮格心理學分析《小王子》——「永恆少年」根本是長不大的媽寶男？

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

編按：動畫故事近年翻案頻頻！網上流傳著《神隱少女》的千尋隱喻雛妓、《龍貓》的大龍貓隱喻死神的種種都市傳說。本文借用分析心理學開山祖師榮格的視野，一探動畫文本中的隱含義？

《咒術迴戰》中的七海健人有云：「枕邊掉的頭髮越來越多，喜歡的夾菜麵包從便利商店消失，這些微小的絕望不斷積累，才會使人長大。」——泛科《童年崩壞》專題，邀請各位讀者重新檢視童年時期的產物，讓你的童年持續崩壞不停歇 ψ(｀∇´)ψ

看過迪士尼動畫電影《魔髮奇緣》的你，想必對樂佩公主的 70 英尺長（約 21.3 公尺）的金髮印象深刻。這部取材自《格林童話》中〈長髮公主〉（又譯萵苣公主）的動畫電影，背後有哪些難以窺見的隱喻呢？本文將以榮格童話分析來討論〈長髮公主〉，這個故事其實隱含女性渴望生育的訊息。各個角色如何以不同方式呈現相同的焦慮？最後他們又是如何化解這樣的渴望？讓我們繼續看下去！

先來談談，什麼是「榮格童話分析」？

在深入分析〈長髮公主〉的隱喻前，得先來介紹什麼是「榮格童話分析」。

一提到童話，大家腦中馬上浮現罐頭開場「在很久、很久以前」。緊接著，主角一定會遇到三次困難。不管挑戰如何困難，都能迎刃而解。最後來個華麗結尾「公主與王子過著幸福快樂的日子」。

專屬於孩童讀物的童話故事，卻對瑞士心理學家榮格（Carl Jung）十分重要。他認為不會受限各歷史文化、能被大眾喜愛的童話，是人類集體無意識（Collective unconsciousness）中最原始的結構。

最重要的是，如何詮釋童話中的隱喻與象徵。因為要找到進入更深層集體無意識的方法，就需要找出並分析這些深藏在童話中的原型（archetypes）和隱喻。並能從童話中，更認識心靈運作的模式和歷程。

原型，是一種集體無意識（Collective unconsciousness）的結構。它會存在各種心靈活動當中，我們通常很難從意識中直接捕捉。包含會在神話、童話故事、宗教，以及藝術等中發現。 像是接下要談的〈長髮公主〉，或是大家熟知的〈睡美人〉、〈白雪公主〉等童話，必定都會出現美公主、帥王子、壞巫婆三種典型的角色，這其實就是榮格心理學中的原型之一。

常被提及的原型圖像，還包含：阿尼瑪（anima）、阿尼姆斯（animus）、陰影、老者、孩子，以及魔法師等。其中，陰影（shadow），則是不符合社會規範及道德標準的特質。像是自私、軟弱、貪心等。因為存在無意識中，所以不容易被個體所覺察的內容。

而「阿尼瑪」和「阿尼姆斯」則是比陰影更深層的無意識內容。阿尼瑪是男性中的女性特質，阿尼姆斯是女性中的男性特質。會因為不同的社會文化、個人發展有不同的顯現程度。

在我們的一生中，只能真正體驗或是理解幾個原型而已。但透過童話，我們能夠認識更多不同原型的運作方式，以及集體無意識的運作歷程。

正如，榮格童話分析最權威的代表人物瑪麗－路薏絲．馮．法蘭茲（Marie-Louise von Franz）在《解讀童話：從榮格觀點探索童話世界》一書中提到，「童話是集體無意識心靈歷程中，最純粹且精簡的表現方式，⋯⋯童話以最簡要、最坦誠開放且最簡練的形式代表原型。在此一純粹的形式中，原型意象提供我們最佳的線索，以了解集體心靈所經歷的歷程。」

人人熟悉的〈長髮公主〉，其實在談不孕？

從前有一對夫妻，結婚很久，他們非常想要一個孩子。但多年過去了，他們都得不到孩子。最後，女人向上帝請求，希望能賜予他們一個孩子。
房子的後方有個小窗戶，可以看到一座美麗的花園，裡面有著奇花異草。但是，花園四周環繞著高牆，誰也進不去。因為它的主人是法力高強的女巫，人人都很害怕她。
有天太太極度想吃女巫花園內所種的萵苣，難以拒絕的丈夫只好去三番兩次去偷來給太太吃。某天被女巫抓到，丈夫不斷向她賠罪，後來不得不答應巫婆的交換條件——「萵苣可以讓你們隨便採，但你們的小孩生下，要交給我。」

從榮格學派童話分析的觀點來看，每個童話故事都會提出一個精神世界，等待被解決的問題。尤其，故事開場的第一段，就決定精神世界的方向。也就是人類共同面臨的某種困境。而故事的情節與鋪陳，是這個解決方案的演繹。

所以從人物設定可以發現，長髮公主的父母及未來的養母（女巫）都至少有「生育困難」及「想要孩子」的其中一種困境，這不但是文本中推動劇情的關鍵要素（促成雙方用萵苣吃到飽交換長髮公主的撫養權），也反映了現實中一般家庭被賦予傳宗接代這種社會責任所衍生的生育焦慮。

同是身為女性的妻子及女巫，兩人卻擁有不同、甚至是對立的生命議題。動畫中的妻子，象徵著傳宗接代、照顧家庭的責任，以及成為母親與妻子的女性能量。 

相反地，女巫則是象徵著傳承智慧、帶有純潔，沒有小孩的女性能量。若以現代社會類比，就類似在專業領域中佔有一席之地的女性，能夠靠著才華及知識過著自給自足的生活，選擇不進入婚姻、不投入家庭。

兩種不同的角色，雖然有各自的生命議題，可是在文本中都指向同樣的「生育焦慮」。這裡的生育焦慮不只是生理上的無法生育，它背後潛藏人類心靈創造力的枯竭，更是一種對「創造希望」與「新的可能」的渴望。

這樣的渴望和能量，也驅動雙方有了接下來的行為——偷竊。從對方那裡，偷些原本不屬於自己的東西。妻子央求丈夫從女巫花園偷些萵苣，而女巫則是以童話故事慣用手法「交換」取得對方的孩子。

王子闖入「禁忌高塔」，象徵公主逝去的童貞

時間很快地過去了，生下來的女嬰就被命名為拉芬采兒（Rapunzel；意譯萵苣）。在小女孩滿12歲的那年，女巫決定將她送到森林深處，把她關在一座高塔裡。這是沒有門、沒有樓梯的高塔，她就過著禁錮生活。
「拉芬采兒、拉芬采兒，垂下妳的長髮！」每當扶養她的女巫要送飯菜過來時，就會在塔下呼喊她名字。要她放下一頭金色長髮，讓女巫可以藉由爬髮從窗戶進入塔內。
有天，王子騎馬路過森林，被拉芬采兒的歌聲所吸引。在白天，觀察完女巫進入塔內的方法後。隔天夜晚他模仿女巫的通關密語，進入塔內。當拉芬采兒看見陌生男子，簡直嚇壞了。但聽完王子溫柔的自我介紹後，兩人瞞著女巫多次在高塔幽會，日久生情後，拉芬采兒也答應王子的求婚。直到王子帶足夠的線繩能夠編成梯子，就能帶她遠走高飛。

從開場到故事的中段，出現兩個榮格學派所說的「禁忌空間」。分別是女巫的花園，以及拉芬采兒所居住的高塔。兩個場域，都是人無法輕易進入的空間。因為無法輕易接近，往往禁忌會帶有神聖性的意義與象徵。

將正值青春期的拉芬采兒關在高塔中，有種與外界隔絕、刻意孤立他人的意味。女巫所做的其實正是在呵護少女的純潔狀態，讓她維持在未受外界玷汙、最完美的心靈。

然而，王子進入塔內的那刻起，象徵禁忌的高塔，也不再禁忌。他無疑打破女巫為拉芬采兒所呵護的純潔。逝去的童貞，也象徵著她將從女孩轉變為女人，迎來青春期階段的自我認同危機。

有趣的是，拉芬采兒不僅是故事中出現的第三個女性角色，也是故事中唯一有名字的主角。童話故事中的角色，從沒有名字到有名字的轉變，也體現榮格學派所強調的「自性化歷程」。

自性化歷程，是一種個體尋找認定、發展獨特，以及創造生命的過程。因此，生下即被賦予名字的拉芬采兒，也預示著她的人生將完成追尋自我的任務。她也將從原先任女巫擺布、獨自生活在高塔中；與王子的相識相戀，找到屬於自身的認同，並創造自身新的可能與新生命。

被放逐的懲罰，公主邁向獨立的契機

拉芬采兒某次拉女巫上來時，卻說溜嘴：「教母，為什麼你這麼重？我拉王子都沒有這麼費力，可一下子就把他拉上來了！」聽完一氣之下的女巫，剪去拉芬采兒的秀麗長髮、把她丟到沙漠之中。
不知情仍前來幽會的王子，依舊喊著那句通關密語。但爬上塔內，卻發現前來等著他的，不是拉芬采兒，而是女巫。絕望之餘，王子縱身一躍。掉進一片荊棘叢裡，不慎刺傷雙眼失明，為此流浪多年。
直到，王子來到拉芬采兒所待的沙漠，再度聽見熟悉的歌聲。兩人相擁而泣，她的淚水滴到王子的眼睛，竟然就恢復視力、重見光明。這時的她，也生下一男一女的雙胞胎。最後，王子帶一家四口回到自己的王國，從此過著幸福快樂的日子。

從上一段中，我們也能看到過去受到女巫擺布的她，是處於女性內在分裂的狀態，沒有足夠的能量找到自我認同。

而〈長髮公主〉這篇故事最重要的轉折點，在於女巫的懲罰——剪去她秀麗的頭髮，將她放逐到沙漠之中。本是讓女巫、王子攀爬的金色秀髮，卻因為犯錯而被迫剪去，這象徵著「階段的轉變。」

現今，我們常會看見有些人在經歷失戀、出社會等重要事件後想換換造型，會把過去留了很久的長髮一口氣全部剪掉。在某種意義上就代表「階段的轉變」，也代表期待下個階段的到來。 

但在〈長髮公主〉中，剪髮沒有期待迎向下個階段的喜悅，而是一種初嘗禁果所要承受的代價。且被丟到不毛之地、毫無生機的沙漠，在絕境之中，她需要展現女性內在的力量，同時肩負起成為母親及父親的責任，獨自扶養一雙兒女。

兜了一圈後，童話故事的最後，依然是王子與公主過著快樂的日子。最終，原先女性內在的分裂狀態，現在也經驗了完整的內在歷程，感受到「生」的希望。

• 呂旭亞（2017）。《公主走進黑森林：榮格取向的童話分析》。台北：心靈工坊。
• 瑪麗－路薏絲．馮．法蘭茲（2016）。《解讀童話：從榮格觀點探索童話世界》。台北：心靈工坊。

「你是誰？」小王子問，「你很漂亮。」

「我是一隻狐狸，」狐狸說。

「你來跟我玩嘛，」小王子提議。「我好難過⋯⋯」

「我不能跟你玩，」狐狸說。「我沒有被馴服。」

「啊！對不起，」小王子說。但想了一會兒之後，他又加上一句：「『馴服』是什麼意思？」

──《國家地理經典童話：小王子》

馴化 v.s. 野生

大家對「馴化動物」一定不陌生。自從人類馴化了狼，培育出第一種馴化動物──狗以後，一種又一種馴化動物相繼誕生，一萬多年來，狗、貓、牛、山羊、綿羊、蠶、馬、豬、駱駝、雞、火雞、羊駝等等動物被陸續馴化。人類不但改變這些動物的命運，也改變了人類自己的歷史，再也回不去了。

• 延伸閱讀：馬改變了人類文明，人又如何改變了馬？

但話又說回來，什麼是馴化呢？馴化與野生相對，比方說狗是馴化動物、狼是野生動物。然而每種馴化動物，甚至是同一種動物的不同品系，之間都有微妙的不同。除了動物本身的差異之外，也深受人類偏好的影響，因此馴化動物可謂千變萬化，沒有一致共通的特色。（「不怕人」是大部分馴化與野生動物的差別，不過蠶似乎沒有怕不怕人的問題？）

研究馴化的奧秘時，科學家通常著重於比較馴化動物與其野生親戚在型態、行為、遺傳等面向的差別；例如定序馴化動物的基因組，再和野生族群比較，尋找與馴化有關的基因。不過，也有人採取完全相反的策略，那就是從頭開始，用人擇重新將野生動物一步步培養成新的馴化動物，觀察是哪些變化導致馴化。

狐狸農場實驗：來馴化狐狸吧！

「『馴服』是什麼意思？」

「這是很多人都忘記了的事。它的意思是「『建立關係』⋯⋯」

──《國家地理經典童話：小王子》

實行「人擇」最知名的實驗來自俄羅斯，對象則是銀狐。歷史上一直都有飼養狐狸的記載，不過沒有任何證據表示曾有狐狸被馴化，因此狐狸仍被認定是標準的野生動物。（赤狐又叫作火狐，英文名字 red fox，學名 Vulpes vulpes，銀狐是赤狐的一種變種），公元 1959 年起，俄羅斯有批科學家展開一項註定無比漫長，不知道是否有盡頭的實驗：培育親近人類的溫馴銀狐。

實驗概念很簡單：從農場飼養的狐狸中，選擇行為上會親近人類的個體，一代一代的配種與培養。但這項計劃難的是要長～～時間持續不斷。現在，實驗進行已有將近 60 年，培養到了第 50 幾代的狐狸。

下面是 2011 年時溫馴型銀狐的影像，已可以發現牠們主動靠近人類，甚至有宛如人狗之間的互動：

在計劃開始後幾年，為了使實驗更為精確，1970 年代同一支研究團隊又啟動了另一個方向的實驗：培育攻擊行為比較強的狐狸。目前進行到 40 多代。為了減低近親繁殖的程度，以及不要讓結果太複雜，歷代狐狸篩選的標準只考慮「行為」一項。並且另外培養了一批任意繁殖的對照組狐狸。

而攻擊型銀狐甚至比普通狐狸來得更不友善：

多年培養後的狐狸有三種行為模式：溫馴、攻擊、沒有特別篩選過的普通狐狸。最近遺傳學家從每種品系各自定序了 10 隻個體，希望能找到與馴化有關的基因。這個時代，定序 DNA，取得一大堆資料是輕而易舉的事兒，但是符合哪些特徵的基因才是該尋找的目標？[1]

影響行為的基因們

每隻狐狸的基因組都差不多，上頭只有少少的不一樣。而實驗的基本假設是：行為差異是受到遺傳的影響。因此，若是溫馴組大部分個體都共享一種遺傳變異，而攻擊組共享另一種變異，兩組之間差異很大，就有可能是影響行為差異、科學家想尋找的目標。

以此類推，狐狸基因組上一共有 103 個區域，在三組間有比較明顯的差異。之前比較馴化狗與野生狼的研究，也找到過一批可能與狗的馴化有關的遺傳變異，有意思的是，狐狸的 103 個區域中，有 45 個也見於狗狼間的差異。

另一點更有意思的是，這些基因組差異明顯的區域，有些也在人類行為失調的研究中見過，與人類的躁鬱症（13 個）、自閉症（13 個），還有較為少見的威廉氏症候群（Williams-Beuren syndrome，3 個）有關。不過，狐狸身上的這些基因和人類的基因親戚間沒有直接關係，只是屬於同一個基因家族。這些結果表示某些演化上同源的基因，在不同生物中都與行為有關，卻有著不同的影響。

也有一些乍看之下與行為沒什麼關係，參與免疫反應的基因，卻較為普遍地在攻擊型狐狸的基因組被觀察到。之前也有別的馴化研究發現過類似狀況，詳情有待未來探討。

必需注意的是，就算不同行為的品系彼此間有遺傳差別，也可能只是剛好不一樣，不見得真的與行為有關。不過若是用不同研究策略能找到一樣的基因，應該能降低誤判的機率。因此，之前也有科學家用分析 QTL 的方式（Quantitative trait locus；數量性狀基因座）尋找影響溫馴／攻擊行為的潛在基因，再拿 QTL 分析的結果與更早之前的結果對照，結論是：最早找到的 103 個區域中，有 30 個與 QTL 分析偵測到的區域重疊。

這樣的確感覺踏實了點。詳細比對不同個體以後，研究團隊認為這批區域中有個叫作 SorCS1（sortilin related VPS10 domain containing receptor 1）的基因，很可能牽涉狐狸行為的改變，不過仍不清楚是如何影響的。目前的推論是此一基因參與了神經傳導，或許因此而涉及行為變化。

野生的界限，馴化的潛力

「可是如果你馴服我，我的生活就光明了。我會認出和其他腳步聲不同的腳步聲。其他的腳步聲會讓我躲到地洞裡。你的腳步聲則會像音樂一樣，把我從洞裡引出來。然後呢，你看！看到遠方那片小麥田了嗎？我不吃麵包和小麥，它們對我沒有用處。麥田對我毫無意義。這很悲哀耶！不過你的頭髮是金黃色的。所以你一旦馴服我，一切就會變得美好。那金黃色的麥子會讓我想到你，我也會愛上風吹著小麥的聲音⋯⋯」

狐狸陷入沉默，注視了小王子一段時間。「拜託⋯⋯馴服我吧！」

──《國家地理經典童話：小王子》

60 年來的俄羅斯狐狸農場實驗告訴我們，即使只是篩選一項行為，也受到許多基因影響，沒有任何單一基因的改變，足以讓狐狸變得溫馴親人，更別提涉及更多差異的馴化了。與一種動物建立關係是相當漫長的過程，需要長久的耐心。

這些研究也能促使我們回頭思考：什麼是「馴化」，野生與馴化的界限到底該如何判定？[2]

馴化的遺傳相當複雜，牽涉許多基因的組合。已經完全被馴化的動物，當初促進馴化的遺傳變異們早已固定下來，所以不會養一養又變回野生種；但是馴化中的溫馴狐狸，仍然配備一些與「野生」個體一致的遺傳變異。反過來看，即使是完全野生的個體，也可能配備一些「馴化」的基因版本。

從這個角度思考，馴化與野生可以視為程度的問題。也或許，每隻狐狸都有受到馴化的潛力。

延伸閱讀：

• Sequenced fox genome hints at genetic basis of behavior
• 短篇 墨西哥居民約在1500年前，最早馴化火雞
• 貓貓的世界征服史：從抓老鼠到沙發馬鈴薯
• 馴化生物教戰手冊—人馴化了作物，作物也馴化了人
• 賽鴿翱翔天際、方向感超群的遺傳奧秘是？
• 狗在東方與西方，各自與人類成為好朋友

1. Kukekova, A. V., Johnson, J. L., Xiang, X., Feng, S., Liu, S., Rando, H. M., … & Beklemischeva, V. (2018). Red fox genome assembly identifies genomic regions associated with tame and aggressive behaviours. Nature Ecology & Evolution, 1.
2. These docile foxes may hold some of the genetic keys to domestication

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。