3

11
4

文字

分享

3
11
4

從數學、邏輯到審美,演算法的極限是何處?——《再.創世》專題

再・創世 Cybernetic_96
・2021/09/27 ・5256字 ・閱讀時間約 10 分鐘

  • 作者/魏澤人|陽明交通大學 智慧計算與科技研究所

在一般印象中,”美” 是與藝術、哲學、文學、音樂這些人文領域相連的。受到教育制度的影響,理工與人文,在普遍認知中是二元對立的。而數學,是理工科目中最硬核的部分。物理、化學實驗中,各種顏色的液體、晃動的單擺或本生燈的火焰,也許還隱隱約約帶有一絲美的影子,但冷冰冰的數學公式,在許多人的求學經驗中,與美根本就是互斥的概念。

但是,懂數學的人都知道,數學是美的。甚至可以說,美是數學中不可或缺的部分。

圖/Pexels

著名的英國數學家哈代(Godfrey Harold Hardy)說:”數學家的創造形式,與畫家及詩人一樣,必須是美的: 將概念(就像顏色及詞語)以和諧的方式組合起來。美是最重要的條件,醜陋無法長存於數學之中。”。哈代的著作 “一個數學家的辯白”(A Mathematician’s Apology),在數學圈外有一定的名氣,前面的那段話也出自本書。但讓他”出圈”的主要原因,是他發掘了傳奇數學天才拉馬努金(Srinivasa Ramanujan)。這個故事在 2015 年被拍成了電影 “天才無限家” The Man Who Knew Infinity)。

這也不是哈代獨創之見解,法國最偉大的數學家之一龐加萊(Henri Poincare)說:”研究自然不是因為有用,而是因為喜悅。而喜悅是因為美。”。其他比方像是羅素(Bertrand Russell)、艾狄胥(Paul Erdos)也留下不少關於數學與美的金句。

-----廣告,請繼續往下閱讀-----

數學的美,不只是許多偉大的數學家的共同體驗。絕大多數的數學愛好者、數學工作者都有相同的體驗,只是比較不容易留下知名金句。Danica McKellar 也許不是能和羅素、龐加萊、艾狄胥比肩齊名的數學家,但她說過一句很有意思的話: “數學是唯一一個真與美是同義詞的世界”。

McKellar 是一位有知名度的美國演員,她曾演出過白宮風雲(The West Wing),也曾在 NCIS、宅男行不行(The Big Bang Theory)及追愛總動員(How I Met Your Mother)中客串。但真正讓她出名的,是 80 末、90 初的影集兩小無猜(The Wonder Years),故事主軸是主角凱文回憶少年成長的過程,而 McKellar 飾演主角的鄰居溫妮,兩人發展出分分合合的戀愛關係。用現代的話來講, McKellar 可以說是當時少年界的國民女友。另外 2010 開始,她也在動畫影集少年正義聯盟中為火星小姐配音。

Danica McKellar ,攝於2018。圖/WIKIPEDIA

演員什麼會與數學扯上關係呢?其實她大學就是學數學的,而且學得很好,在 1998 年以最傑出的成績取得加州大學洛杉磯分校的數學學士學位。不只如此,大學時期與教授 Chayes 及同學 Winn 發表了一篇統計力學的論文,其中的主要結果被稱為 Chayes-McKellar-Winn theorem. 在 2008 年,她出了一本針對中學女孩的數學書 “Math Doesn’t Suck: How to Survive Middle School Math without Losing Your Mind or Breaking a Nail.” ,頗受好評也很暢銷,之後也接續出版了許多書。她表示,她想讓女孩們覺得數學是「可親、有意義、甚至有點迷人」,用來對抗這個社會傳達「女孩不適合數學」的這類負面訊息。除此之外,她也參與影集 Project Mc2 的演出。 這部影節的目標是向全球的青少女們證明,科學、科技、STEAM(Science, Technology, Engineering, Arts, Mathematics)是有趣且平易近人的。

回到前面那句”數學是唯一一個真與美是同義詞的世界”。追求美是人之天性,但很多情境下,美或者美化這些詞,常常帶了一點隱藏真實的意味。像是修圖軟體、美顏相機、化妝(與素顏對比)、醫美、Autotune。當然明顯太假也不符合多數人的審美觀,真正美之極致,往往也需要展現事物的本質與真實特色。但現實是資源有限,平庸普通還是多數,不然,也不會有”這裡的風景美得像幅畫”一樣的形容詞方式了。一般日常中,美的實際執行過程還是得靠挑選和遮掩。「真」與「美」是需要取捨的。這也就是這句話耐人尋味的地方了,因為這句話如果成立,那在數學,也許就提供了現實世界中「真」與「美」之間內在衝突的解法了。

-----廣告,請繼續往下閱讀-----

但問題是,數學家們感受到的美感是否真的是美?定理與證明真的可以用美或不美來形容呢?還是只是數學家們普遍缺乏人文薰陶產生的代償性錯覺呢?

2019 年時,英國巴斯大學管理學院的 Samuel G.B. Johnson 及美國耶魯大學數學系的 Stefan Steinerberger 發表了一篇論文 “Intuitions about mathematical beauty: A case study in the aesthetic experience of ideas”,其中的研究證據,支持一般人可能也跟數學家一樣,能感受到數學論證的美感。在其研究中發現,人們對數學的「美感」,就跟對古典鋼琴樂曲及風景畫產生的美感相似,有其內在的一致性。另外也發現這種數學美感的評判,跟與音樂、畫作美感一樣,和優雅性、深度、清楚性有關。

就像十九世紀英國數學家 James Joseph Sylvester 說的:「數學就是論證的音樂」。愛因斯坦也說:「純數學是一首以其自有方式將邏輯概念寫成的詩」。這句話出自他寫給 Emmy Noether 的訃聞。 Noether 是有名的德國數學家,對抽象代數有極大的貢獻,巧妙的利用升鏈條件來研究代數性質,此後符合這個條件的數學物件我們都會冠以 Noetherian 來稱呼,以紀念 Noether 的貢獻。此外,她的 Noether Theorem 也被稱之為影響物理學最重要的定理之一。

Noether 與兄弟們的合照。圖/WIKIPEDIA

除了主觀上對於美的感受外,數學與藝術之間,也有很多直接的關聯性。以音樂來說,音律就與數學上的對數(也就是大家所認識的 \(\log\))有關。人類發展音律有很長的歷史,因為這不是一個簡單的問題。我們現在知道,和弦時,不同音階的頻率要接近簡單的有理數倍聲音才會悅耳。傳說畢達哥拉斯經過一家鐵店,聽到鐵鎚打鐵的聲音,覺得很悅耳,他走入店裡,發現四個鐵鎚的重量比為 12:9:8:6,其中 9 是 6 與 12 的算術平均,8 是 6 與 12的調和平均, 9, 8 與 6, 12 的幾何平均相等這些巧妙的關係。這些鐵鎚之間的聲音配合起來非常悅耳。他進一步用弦樂器實驗驗證,得到的結論是,弦長為一些簡單有理數比的時候,會得到和諧的聲音。而後來更進一步改進而成的十二平均律,也反映出中國及歐洲在計算 \(\sqrt[12]{\frac{1}{2}}\) 的歷史進展。這背後還有更深刻的問題,因為很容易可以發現,\(\sqrt[12]{\frac{1}{2}}\) 並不是個有理數。對音樂或數學有興趣的朋友,可以繼續深入了解一下背後的學問。

-----廣告,請繼續往下閱讀-----

另一個大家也觀察到的現象是,數學能力和藝術能力之間似乎有一些相關性,特別是音樂能力。常被拿來說的是愛因斯坦喜愛音樂且從小學習小提琴。可能你認識的人中,應該也有許多同時精通數理及音樂的人。過去一些研究也發現發現了數理能力及音樂能力中的相關性。但是,這個相關性會不會與能力本身無關呢?比方顯而易見,學科能力與學習音樂的條件,都與家庭背景與社經地位有關。

音樂教育學者 Martin J. Bergee 原本也是這樣認為的。他覺得只要能控制相關的根本性變因,如種族、收入、教育背景,就能夠破除音樂與數學能力相關性的迷思。於是他就設計並展開了研究。結果讓他非常震驚,兩者的關聯性不但沒有消失,而且還非常強。在 2021 年他的研究團隊發表了一篇名為 “Multilevel Models of the Relationship Between Music Achievement and Reading and Math Achievement” 的論文。他們調查了不同學區背景的一千多位中學生,在盡可能排除其他因素的干擾下,他們不得不承認音樂及數學能力之間的有統計上顯著的關聯。

音樂與數學能力被證實有很高的相關性。圖/Pixabay

他表示很抱歉實驗設計得非常複雜,”因為排除所有的相關影響並不容易,可能從個人、教室、學校、學區等等不同層級來產生影響。”。雖然他原本是支持相反的結論,但這個結果讓他思考了很多,”微觀技術來說,可能在音樂中的音準、音程、節拍,可能語言認知的基礎相關,而巨觀技術上的調式與調性,可能在心理學或神經學上與數學認知有關。”

除此之外,還有非常多的例證。比方 2015 年神經科學家 Semir Zeki 及艾提亞爵士(Michael Atiyah 當代最偉大數學家之一,費爾茲獎得主)發表的論文指出,經由 fMRI 掃描 15 名數學家的腦部,發現數學家在評斷數學式子美感時,動用到眼額皮質外側的 A1 區域,與察覺其他來源美感所動用到的區域一樣。而前面比較沒有提到數學與視覺藝術的關聯,因為這部分更為大家所熟知。像是從古希臘幾何就知道的黃金分割比,繪畫中的用到的透視原理、對稱性。可以說,美與數學並不是感性與理性的對立,而是互相包含。就像浪漫派詩人約翰濟慈所說:”美即是真,真即是美。這就是你在世上所知道和需要知道的一切”,而數學以及其背後的邏輯,就是人類對於”真”的具像。

-----廣告,請繼續往下閱讀-----
評斷數學式子美感或觀察其他美感事物時,數學家大腦活耀的區域相同。圖/Pexels

可以說在知識份子階層中,數學即美是個主流觀點。當然主流不一定代表唯一或正確,像前述 Bergee 也試圖證明相關的主流看法是個迷思。但一旦理解了這種切入點,人工智慧是否能創造藝術作品這個問題,至少在心理層面就不是太大問題了。人工智慧遵照一些演算法運作,可以說就是數學及邏輯的程式碼實作。以近幾年最主流的深度學習神經網路來說,就是許多線性映射與激活函數的合成函數,藉由梯度下降法,收斂到的穩定數學解。既然數學即美,那由數學建構的人工智慧,能產生美的事物,也不是太不能接受的事。

生成模型也是近幾年深度學習熱門的領域之一。常見的生成任務就是藉由觀察抽樣的樣本,設法模仿出一樣的機率分佈。白話一點來講,就是給電腦看一些李白的詩,希望電腦能創造出新的李白風格的詩。給電腦聽一些貝多芬的音樂,希望電腦能創造出新的貝多芬音樂。現在的深度學習技術,已經能讓人工智慧能藉由學習,”創造”出視覺、音訊及語言的”作品”。

Inception 網路是一個有名的深度學習模型,其名稱取自於同名的電影(全面啟動),當時主要是在圖片辨識任務上,取得很好的成果。2015 年時, Google 工程師 Alexander Mordvintsev 巧妙的利用事先訓練好 Inception 模型,讓他將圖片變成夢一般的迷幻風格。他把這種方法取名叫 DeepDream。不久後,Leon Gatys 等人用類似的方法,設計一套演算法,能將畫家的畫風轉移到照片上,典型的例子是將風景、建築照片,轉成梵谷的星空風格。後面有很多後續的研究,一般稱為 Neural Style Transfer. 2016 年 Google 利用 AI 生出的畫作,拍賣得到進十萬美元。而其實早在 2014 年時, Ian Goodfellow 等人就提出了生成對抗網路(Generative Adversarial Network),是一個更廣泛而通用的生成模型。這個模型後續開啟了極大量的相關研究,現在的深度學習模型,在一些領域中,已經能生出非常高品質的成品。比方 Nvidia 研究的 StyleGAN 系列模型,能生出幾可亂真的人臉。現在,在手機上,能使用 APP,將你的照片轉成迪士尼的畫風。

讓生成模型想像生氣的亞洲人老醫生(自行 CLIP, StyleGAN2 生成)

2021 年時, OpenAI 釋出了 CLIP 模型,這是一個能整合圖片視覺及文字語意的模型。很多人嘗試利用 CLIP 和文字控制,來產生獨特和有創意的畫作。舉例來說,如果你畫了一張畫,或者拿到一張照片,你可以利用文字”更有喜感一點,更有亞洲風味一點”,來修改這張圖片讓人感受到”喜感”和”亞洲風”。在眾多嘗試中,大家試出了許多像”咒語”般的技巧,比方有個著名的 “unreal engine trick”,就是當你在控制產生圖片的句子中,加入 “unreal engine” 這個詞(unreal engine 是一個遊戲引擎),常常會讓產生品質更高的圖片。 乍看之下有點不明所以,但仔細一想,因為網路上會特別標明 unreal engine 的圖片,往往是強調其遊戲高畫質,久而久之, CLIP 看到這個詞,很自然就與高品質的含意產生連結。除了圖片外,人工智慧也能產生其他具有美的形式的作品,特別是文字作品。Open AI 開發的 GPT-3,已經能在用戶給出簡單的指示後,產生非常複雜的文字作品,除了詩、笑話、故事外,甚至連食譜、程式碼都可以。

-----廣告,請繼續往下閱讀-----
讓生成模型想像亞洲的小甜甜布蘭妮(自行 CLIP, StyleGAN2 生成)

但這些,真的算是人工智慧的創作嗎?

在 2018 年時,由生成對抗網路生成的畫作 Edmond de Belamy,以美金 432,500 元賣出。這幅畫是誰創作的?這幅畫是由巴黎藝術集體 Obvious 生成的。而名稱 Belamy 的法語意思為”好朋友”,以致敬提出生成對抗網路的學者 Ian Goodfellow。而圖片右下角的簽名則是

\(\min_{\mathcal {G}}\max_{\mathcal {D}}E_{x}\left[\log({\mathcal {D}}(x))\right]+E_{z}\left[\log(1-{\mathcal {D}}({\mathcal {G}}(z)))\right]\) 這個數學式子,這個式子是生成對抗網路使用的目標函數,也就是引導模型訓練的數學式。而讓問題更複雜的是,生成這幅圖片的程式碼,是由與 Obvious 毫無關係的另外一位 AI 藝術家 Robbie Barrat 所寫的。甚至有人(如 AICAN)認為這個連創作都算不上。

人工智慧的創作《 Edmond de Belamy 》。圖/WIKIPEDIA

所以,這幅畫到底是誰的創作?物理學家海森堡曾說,即使在沒有足夠證據的支持下,”當自然引導我們得到極簡與美的數學式時”,”我們會不由自主的感受到,這就是自然真相被揭露的一角”。也許,真正創作者不是人工智慧,也不是人類,我們只是自然的一部分,有幸釋放了,並且有幸感受到了自然散發出的美之一角。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 3
再・創世 Cybernetic_96
11 篇文章 ・ 29 位粉絲
由策展人沈伯丞籌畫之藝術計畫《再・創世 Cybernetic》,嘗試從演化控制學的理論基礎上,探討仿生學、人工智慧、嵌合體與賽伯格以及環境控制學等新知識技術所構成的未來生命圖像。

0

2
1

文字

分享

0
2
1
「融合蛋白」如何全方位圍剿狡猾癌細胞
鳥苷三磷酸 (PanSci Promo)_96
・2025/11/07 ・5944字 ・閱讀時間約 12 分鐘

本文與 TRPMA 台灣研發型生技新藥發展協會合作,泛科學企劃執行

我們知道癌症是台灣人健康的頭號公敵。 為此,我們花了很多時間介紹最新、最有效的抗癌方法之一:免疫療法

免疫療法中最重要的技術就是抗體藥物。科學家會人工製造一批抗體去標記癌細胞。它們就像戰場上的偵察無人機,能精準鎖定你體內的敵人——癌細胞,為它們打上標記,然後引導你的免疫系統展開攻擊。

這跟化療、放射線治療那種閉著眼睛拿機槍亂掃不同。免疫療法是重新叫醒你的免疫系統,為身體「上buff (增益) 」來抗癌,副作用較低,因此備受好評。

-----廣告,請繼續往下閱讀-----

但尷尬的是,經過幾年的臨床考驗,科學家發現:光靠抗體對抗癌症,竟然已經不夠用了。

事情是這樣的,臨床上醫生與科學家逐漸發現:這個抗體標記,不是容易損壞,就是癌細胞同時設有多個陷阱關卡,只靠叫醒免疫細胞,還是難以發揮戰力。

但好消息是,我們的生技工程也大幅進步了。科學家開始思考:如果這台偵察無人機只有「標記」這一招不夠用,為什麼不幫它升級,讓它多學幾招呢?

這個能讓免疫藥物(偵察無人機)大進化的訓練器,就是今天的主角—融合蛋白(fusion protein)

-----廣告,請繼續往下閱讀-----
融合蛋白(fusion protein)/ 圖片來源:wikipedia

融合蛋白是什麼?

免疫療法遇到的問題,我們可以這樣理解:想像你的身體是一座國家,病毒、細菌、腫瘤就是入侵者;而抗體,就是我們派出的「偵察無人機」。

當我們透過注射放出這支無人機群進到體內,它能迅速辨識敵人、緊抓不放,並呼叫其他免疫單位(友軍)一同解決威脅。過去 20 年,最強的偵查機型叫做「單株抗體」。1998年,生技公司基因泰克(Genentech)推出的藥物赫賽汀(Herceptin),就是一款針對 HER2 蛋白的單株抗體,目標是治療乳癌。

這支無人機群為什麼能對抗癌症?這要歸功於它「Y」字形的小小抗體分子,構造看似簡單,卻蘊藏巧思:

  • 「Y」 字形上面的兩隻「叉叉」是敵人偵測器,能找到敵人身上的抗原特徵,並黏上去,稱為抗體結合區「Fab 區域」。
  • 「Y」 字形的「尾巴」就是我們說的「標籤」,它能通知免疫系統啟動攻擊,稱為結晶區域片段「Fc 區域」。具體來說,當免疫細胞在體內巡邏,免疫細胞上的 Fc 受體 (FcR) 會和 Fc區域結合,進而認出病原體或感染細胞,接著展開清除。

更厲害的是,這個 Fc 區域標籤還能加裝不同功能。一般來說,人體內多餘的分子,會被定期清除。例如,細胞內會有溶酶體不斷分解多餘的物質,或是血液經過肝臟時會被代謝、分解。那麼,人造抗體對身體來說,屬於外來的東西,自然也會被清除。

-----廣告,請繼續往下閱讀-----

而 Fc區域會與細胞內體上的Fc受體結合,告訴細胞「別分解我」的訊號,阻止溶酶體的作用。又或是單純把標籤做的超大,例如接上一段長長的蛋白質,或是聚乙二醇鏈,讓整個抗體分子的大小,大於腎臟過濾孔的大小,難以被腎臟過濾,進而延長抗體在體內的存活時間。

偵測器(Fab)加上標籤(Fc)的結構,使抗體成為最早、也最成功的「天然設計藥物」。然而,當抗體在臨床上逐漸普及,一個又一個的問題開始浮現。抗體的強項在於「精準鎖定」,但這同時也是它的限制。

「Y」 字形上面的兩隻「叉叉」是敵人偵測器,能找到敵人身上的抗原特徵,並黏上去,稱為抗體結合區「Fab 區域」/ 圖片來源:shutterstock

第一個問題:抗體只能打「魔王」,無法毀掉「魔窟」。 

抗體一定要有一個明確的「標的物」才能發揮作用。這讓它在針對「腫瘤」或「癌細胞本身」時非常有效,因為敵人身上有明顯標記。但癌細胞的形成與惡化,是細胞在「生長、分裂、死亡、免疫逃脫」這些訊號通路上被長期誤導的結果。抗體雖然勇猛,卻只能針對已經帶有特定分子的癌細胞魔王,無法摧毀那個孕育魔王的系統魔窟。這時,我們真正欠缺的是能「調整」、「模擬」或「干擾」這些錯誤訊號的藥物。

-----廣告,請繼續往下閱讀-----

第二個問題:開發產線的限制。

抗體的開發,得經過複雜的細胞培養與純化程序。每次改變結構或目標,幾乎都要重新開發整個系統。這就像你無法要求一台偵測紅外線的無人機,明天立刻改去偵測核輻射。高昂的成本與漫長的開發時間,讓新產線難以靈活創新。

為了讓免疫藥物能走向多功能與容易快速製造、測試的道路,科學家急需一個更工業化的藥物設計方式。雖然我們追求的是工業化的設計,巧合的是,真正的突破靈感,仍然來自大自然。

在自然界中,基因有時會彼此「融合」成全新的組合,讓生物獲得額外功能。例如細菌,它們常仰賴一連串的酶來完成代謝,中間產物要在細胞裡來回傳遞。但後來,其中幾個酶的基因彼此融合,而且不只是基因層級的合併,產出的酶本身也變成同一條長長的蛋白質。

-----廣告,請繼續往下閱讀-----

結果,反應效率大幅提升。因為中間產物不必再「跑出去找下一個酶」,而是直接在同一條生產線上完成。對細菌來說,能更快處理養分、用更少能量維持生存,自然形成適應上的優勢,這樣的融合基因也就被演化保留下來。

科學家從中得到關鍵啟發:如果我們也能把兩種有用的蛋白質,「人工融合」在一起,是否就能創造出更強大的新分子?於是,融合蛋白(fusion protein)就出現了。

以假亂真:融合蛋白的HIV反制戰

融合蛋白的概念其實很直覺:把兩種以上、功能不同的蛋白質,用基因工程的方式「接起來」,讓它們成為同一個分子。 

1990 年,融合蛋白 CD4 免疫黏附素(CD4 immunoadhesin)誕生。這項設計,是為了對付令人類聞風喪膽的 HIV 病毒。

-----廣告,請繼續往下閱讀-----

我們知道 T 細胞是人體中一種非常重要的白血球。在這些 T 細胞中,大約有六到七成表面帶有一個叫做「CD4」的輔助受體。CD4 會和另一個受體 TCR 一起合作,幫助 T 細胞辨識其他細胞表面的抗原片段,等於是 T 細胞用來辨認壞人的「探測器」。表面擁有 CD4 受體的淋巴球,就稱為 CD4 淋巴球。

麻煩的來了。 HIV 病毒反將一軍,竟然把 T 細胞的 CD4 探測器,當成了自己辨識獵物的「標記」。沒錯,對 HIV 病毒來說,免疫細胞就是它的獵物。HIV 的表面有一種叫做 gp120 的蛋白,會主動去抓住 T 細胞上的 CD4 受體。

一旦成功結合,就會啟動一連串反應,讓病毒外殼與細胞膜融合。HIV 進入細胞內後會不斷複製並破壞免疫細胞,導致免疫系統逐漸崩潰。

為了逆轉這場悲劇,融合蛋白 CD4 免疫黏附素登場了。它的結構跟抗體類似,由由兩個不同段落所組成:一端是 CD4 假受體,另一端則是剛才提到、抗體上常見的 Fc 區域。當 CD4 免疫黏附素進入體內,它表面的 CD4 假受體會主動和 HIV 的 gp120 結合。

-----廣告,請繼續往下閱讀-----

厲害了吧。 病毒以為自己抓到了目標細胞,其實只是被騙去抓了一個假的 CD4。這樣 gp120 抓不到 CD4 淋巴球上的真 CD4,自然就無法傷害身體。

而另一端的 Fc 區域則有兩個重要作用:一是延長融合蛋白在體內的存活時間;二是理論上能掛上「這裡有敵人!」的標籤,這種機制稱為抗體依賴性細胞毒殺(ADCC)或免疫吞噬作用(ADCP)。當免疫細胞的 Fc 受體與 Fc 區域結合,就能促使免疫細胞清除被黏住的病毒顆粒。

不過,這裡有個關鍵細節。

在實際設計中,CD4免疫黏附素的 Fc 片段通常會關閉「吸引免疫細胞」的這個技能。原因是:HIV 專門攻擊的就是免疫細胞本身,許多病毒甚至已經藏在 CD4 細胞裡。若 Fc 區域過於活躍,反而可能引發強烈的發炎反應,甚至讓免疫系統錯把帶有病毒碎片的健康細胞也一併攻擊,這樣副作用太大。因此,CD4 免疫黏附素的 Fc 區域會加入特定突變,讓它只保留延長藥物壽命的功能,而不會與淋巴球的 Fc 受體結合,以避免誘發免疫反應。

從 DNA 藍圖到生物積木:融合蛋白的設計巧思

融合蛋白雖然潛力強大,但要製造出來可一點都不簡單。它並不是用膠水把兩段蛋白質黏在一起就好。「融合」這件事,得從最根本的設計圖,也就是 DNA 序列就開始規劃。

我們體內的大部分蛋白質,都是細胞照著 DNA 上的指令一步步合成的。所以,如果科學家想把蛋白 A 和蛋白 B 接在一起,就得先把這兩段基因找出來,然後再「拼」成一段新的 DNA。

不過,如果你只是單純把兩段基因硬接起來,那失敗就是必然的。因為兩個蛋白會互相「打架」,導致摺疊錯亂、功能全毀。

這時就需要一個小幫手:連接子(linker)。它的作用就像中間的彈性膠帶,讓兩邊的蛋白質能自由轉動、互不干擾。最常見的設計,是用多個甘胺酸(G)和絲胺酸(S)組成的柔性小蛋白鏈。

設計好這段 DNA 之後,就能把它放進細胞裡,讓細胞幫忙「代工」製造出這個融合蛋白。接著,科學家會用層析、電泳等方法把它純化出來,再一一檢查它有沒有摺疊正確、功能是否完整。

如果一切順利,這個人工設計的融合分子,就能像自然界的蛋白一樣穩定運作,一個全新的「人造分子兵器」就此誕生。

CD4免疫黏附素問世之後,融合蛋白逐漸成為生物製藥的重要平台之一。而且現在的融合蛋白,早就不只是「假受體+Fc 區域」這麼單純。它已經跳脫模仿抗體,成為真正能自由組裝、自由設計的生物積木。

CD4免疫黏附素問世之後,融合蛋白逐漸成為生物製藥的重要平台之一 / 圖片來源:wikipedia

融合蛋白的強項,就在於它能「自由組裝」。

以抗體為骨架,科學家可以接上任何想要的功能模組,創造出全新的藥物型態。一般的抗體只能「抓」(標記特定靶點);但融合蛋白不只會抓,還能「阻斷」、「傳遞」、甚至「調控」訊號。在功能模組的加持下,它在藥物設計上,幾乎像是一個分子級的鋼鐵蜘蛛人裝甲。

一般來說,當我們選擇使用融合蛋白時,通常會期待它能發揮幾種關鍵效果:

  1. 療效協同: 一款藥上面就能同時針對多個靶點作用,有機會提升治療反應率與持續時間,達到「一藥多效」的臨床價值。
  2. 減少用藥: 原本需要兩到三種單株抗體聯合使用的療法,也許只要一種融合蛋白就能搞定。這不僅能減少給藥次數,對病人來說,也有機會因為用藥減少而降低治療成本。
  3. 降低毒性風險: 經過良好設計的融合蛋白,可以做到更精準的「局部活化」,讓藥物只在目標區域發揮作用,減少副作用。

到目前為止,我們了解了融合蛋白是如何製造的,也知道它的潛力有多大。

那麼,目前實際成效到底如何呢?

一箭雙鵰:拆解癌細胞的「偽裝」與「內奸」

2016 年,德國默克(Merck KGaA)展開了一項全新的臨床試驗。 主角是一款突破性的雙功能融合蛋白──Bintrafusp Alfa。這款藥物的厲害之處在於,它能同時封鎖 PD-L1 和 TGF-β 兩條免疫抑制路徑。等於一邊拆掉癌細胞的偽裝,一邊解除它的防護罩。

PD-L1,我們或許不陌生,它就像是癌細胞身上的「偽裝良民證」。當 PD-L1 和免疫細胞上的 PD-1 受體結合時,就會讓免疫系統誤以為「這細胞是自己人」,於是放過它。我們的策略,就是用一個抗體或抗體樣蛋白黏上去,把這張「偽裝良民證」封住,讓免疫系統能重新啟動。

但光拆掉偽裝還不夠,因為癌細胞還有另一位強大的盟友—一個起初是我軍,後來卻被癌細胞收買、滲透的「內奸」。它就是,轉化生長因子-β,縮寫 TGF-β。

先說清楚,TGF-β 原本是體內的秩序管理者,掌管著細胞的生長、分化、凋亡,還負責調節免疫反應。在正常細胞或癌症早期,它會和細胞表面的 TGFBR2 受體結合,啟動一連串訊號,抑制細胞分裂、減緩腫瘤生長。

但當癌症發展到後期,TGF-β 跟 TGFBR2 受體之間的合作開始出問題。癌細胞表面的 TGFBR2 受體可能突變或消失,導致 TGF-β 不但失去了原本的抑制作用,反而轉向幫癌細胞做事

它會讓細胞骨架(actin cytoskeleton)重新排列,讓細胞變長、變軟、更有彈性,還能長出像觸手的「偽足」(lamellipodia、filopodia),一步步往外移動、鑽進組織,甚至進入血管、展開全身轉移。

更糟的是,這時「黑化」的 TGF-β 還會壓抑免疫系統,讓 T 細胞和自然殺手細胞變得不再有攻擊力,同時刺激新血管生成,幫腫瘤打通營養補給線。

為了對抗這個內奸,默克在 Bintrafusp Alfa 的結構裡,加上了一個「TGF-β 陷阱(trap)」。就像 1989 年的 CD4 免疫黏附素用「假受體」去騙 HIV 一樣,這個融合蛋白在體內循環時,會用它身上的「陷阱」去捕捉並中和游離的 TGF-β。這讓 TGF-β 無法再跟腫瘤細胞或免疫細胞表面的天然受體結合,從而鬆開了那副壓抑免疫系統的腳鐐。

為了對抗這個內奸,默克在 Bintrafusp Alfa 的結構裡,加上了一個「TGF-β 陷阱(trap)」/ 情境圖來源:shutterstock

告別單一解方:融合蛋白的「全方位圍剿」戰

但,故事還沒完。我們之前提過,癌細胞之所以難纏,在於它會發展出各種「免疫逃脫」策略。

而近年我們發現,癌細胞的「偽良民證」至少就有兩張:一張是 PD-L1;另一張是 CD-47。CD47 是癌細胞向巨噬細胞展示的「別吃我」訊號,當它與免疫細胞上的 SIRPα 結合時,就會抑制吞噬反應。

為此,總部位於台北的漢康生技,決定打造能同時對付 PD-L1、CD-47,乃至 TGF-β 的三功能生物藥 HCB301。

雖然三功能融合蛋白聽起來只是「再接一段蛋白」而已,但實際上極不簡單。截至目前,全球都還沒有任何三功能抗體或融合蛋白批准上市,在臨床階段的生物候選藥,也只佔了整個生物藥市場的 1.6%。

漢康生技透過自己開發的 FBDB 平台技術,製作出了三功能的生物藥 HCB301,目前第一期臨床試驗已經在美國、中國批准執行。

免疫療法絕對是幫我們突破癌症的關鍵。但我們也知道癌症非常頑強,還有好幾道關卡我們無法攻克。既然單株抗體在戰場上顯得單薄,我們就透過融合蛋白,創造出擁有多種功能模組的「升級版無人機」。

融合蛋白強的不是個別的偵查或阻敵能力,而是一組可以「客製化組裝」的平台,用以應付癌細胞所有的逃脫策略。

Catch Me If You Can?融合蛋白的回答是:「We Can.」

未來癌症的治療戰場,也將從尋找「唯一解」,轉變成如何「全方位圍剿」癌細胞,避免任何的逃脫。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

1
0

文字

分享

0
1
0
解密機器人如何學會思考、觸摸與變形
鳥苷三磷酸 (PanSci Promo)_96
・2025/09/09 ・6820字 ・閱讀時間約 14 分鐘

本文與 Perplexity 合作,泛科學企劃執行

「Hello. I am… a robot.」

在我們的記憶裡,機器人的聲音就該是冰冷、單調,不帶一絲情感 。它們的動作僵硬,肢體不協調,像一個沒有靈魂的傀儡,甚至啟發我們創造了機械舞來模仿那獨特的笨拙可愛。但是,現今的機器人發展不再只會跳舞或模仿人聲,而是已經能獨立完成一場膽囊切除手術。

就在2025年,美國一間實驗室發表了一項成果:一台名為「SRT-H」的機器人(階層式手術機器人Transformer),在沒有人類醫師介入的情況下,成功自主完成了一場完整的豬膽囊切除手術。SRT-H 正是靠著從錯誤中學習的能力,最終在八個不同的離體膽囊上,達成了 100% 的自主手術成功率。

-----廣告,請繼續往下閱讀-----

這項成就的意義重大,因為過去機器人手術的自動化,大多集中在像是縫合這樣的單一「任務」上。然而,這一場完整的手術,是一個包含數十個步驟、需要連貫策略與動態調整的複雜「程序」。這是機器人首次在包含 17 個步驟的完整膽囊切除術中,實現了「步驟層次的自主性」。

這就引出了一個讓我們既興奮又不安的核心問題:我們究竟錯過了什麼?機器人是如何在我們看不見的角落,悄悄完成了從「機械傀儡」到「外科醫生」的驚人演化?

這趟思想探險,將為你解密 SRT-H 以及其他五款同樣具備革命性突破的機器人。你將看到,它們正以前所未有的方式,發展出生物般的觸覺、理解複雜指令、學會團隊合作,甚至開始自我修復與演化,成為一種真正的「準生命體」 。

所以,你準備好迎接這個機器人的新紀元了嗎?

-----廣告,請繼續往下閱讀-----

只靠模仿還不夠?手術機器人還需要學會「犯錯」與「糾正」

那麼,SRT-H 這位機器人的外科大腦,究竟藏著什麼秘密?答案就在它創新的「階層式框架」設計裡 。

你可以想像,SRT-H 的腦中,住著一個分工明確的兩人團隊,就像是漫畫界的傳奇師徒—黑傑克與皮諾可 。

  • 第一位,是動口不動手的總指揮「黑傑克」: 它不下達具體的動作指令,而是在更高維度的「語言空間」中進行策略規劃 。它發出的命令,是像「抓住膽管」或「放置止血夾」這樣的高層次任務指令 。
  • 第二位,是靈巧的助手「皮諾可」: 它負責接收黑傑克的語言指令,並將這些抽象的命令,轉化為機器手臂毫釐不差的精準運動軌跡 。

但最厲害的還不是這個分工,而是它們的學習方式。SRT-H 研究團隊收集了 17 個小時、共 16,000 條由人類專家操作示範的軌跡數據來訓練它 。但這還只是開始,研究人員在訓練過程中,會刻意讓它犯錯,並向它示範如何從抓取失敗、角度不佳等糟糕的狀態中恢復過來 。這種獨特的訓練方法,被稱為「糾正性示範」 。

SRT-H 研究團隊收集了 17 個小時、共 16,000 條由人類專家操作示範的軌跡數據來訓練它 。 / 圖片來源:shutterstock

這項訓練,讓 SRT-H 學會了一項外科手術中最關鍵的技能:當它發現執行搞砸了,它能即時識別偏差,並發出如「重試抓取」或「向左調整」等「糾正性指令」 。這套內建的錯誤恢復機制至關重要。當研究人員拿掉這個糾正能力後,機器人在遇到困難時,要不是完全失敗,就是陷入無效的重複行為中 。

-----廣告,請繼續往下閱讀-----

正是靠著這種從錯誤中學習、自我修正的能力,SRT-H 最終在八次不同的手術中,達成了 100% 的自主手術成功率 。

SRT-H 證明了機器人開始學會「思考」與「糾錯」。但一個聰明的大腦,足以應付更混亂、更無法預測的真實世界嗎?例如在亞馬遜的倉庫裡,機器人不只需要思考,更需要實際「會做事」。

要能精準地與環境互動,光靠視覺或聽覺是不夠的。為了讓機器人能直接接觸並處理日常生活中各式各樣的物體,它就必須擁有生物般的「觸覺」能力。

解密 Vulcan 如何學會「觸摸」

讓我們把場景切換到亞馬遜的物流中心。過去,這裡的倉儲機器人(如 Kiva 系統)就像放大版的掃地機器人,核心行動邏輯是極力「避免」與周遭環境發生任何物理接觸,只負責搬運整個貨架,再由人類員工挑出包裹。

-----廣告,請繼續往下閱讀-----

但 2025 年5月,亞馬遜展示了他們最新的觸覺機器人 Vulcan。在亞馬遜的物流中心裡,商品被存放在由彈性帶固定的織物儲物格中,而 Vulcan 的任務是必須主動接觸、甚至「撥開」彈性織網,再從堆放雜亂的儲物格中,精準取出單一包裹,且不能造成任何損壞。

2025 年5月,亞馬遜展示了他們最新的觸覺機器人 Vulcan / 圖片引用:https://www.aboutamazon.com/news

Vulcan 的核心突破,就在於它在「拿取」這個動作上,學會了生物般的「觸覺」。它靈活的機械手臂末端工具(EOAT, End-Of-Arm Tool),不僅配備了攝影機,還搭載了能測量六個自由度的力與力矩感測器。六個自由度包含上下、左右、前後的推力,和三個維度的旋轉力矩。這就像你的手指,裡頭分布著非常多的受器,不只能感測壓力、還能感受物體橫向拉扯、運動等感觸。

EOAT 也擁有相同精確的「觸覺」,能夠在用力過大之前即時調整力道。這讓 Vulcan 能感知推動一個枕頭和一個硬紙盒所需的力量不同,從而動態調整行為,避免損壞貨物。

其實,這更接近我們人類與世界互動的真實方式。當你想拿起桌上的一枚硬幣時,你的大腦並不會先計算出精準的空間座標。實際上,你會先把手伸到大概的位置,讓指尖輕觸桌面,再沿著桌面滑動,直到「感覺」到硬幣的邊緣,最後才根據觸覺決定何時彎曲手指、要用多大的力量抓起這枚硬幣。Vulcan 正是在學習這種「視覺+觸覺」的混合策略,先用攝影機判斷大致的空間,再用觸覺回饋完成最後精細的操作。

-----廣告,請繼續往下閱讀-----

靠著這項能力,Vulcan 已經能處理亞馬遜倉庫中約 75% 的品項,並被優先部署來處理最高和最低層的貨架——這些位置是最容易導致人類員工職業傷害的位置。這也讓自動化的意義,從單純的「替代人力」,轉向了更具建設性的「增強人力」。

SRT-H 在手術室中展現了「專家級的腦」,Vulcan 在倉庫中演化出「專家級的手」。但你發現了嗎?它們都還是「專家」,一個只會開刀,一個只會揀貨。雖然這種「專家型」設計能有效規模化、解決痛點並降低成本,但機器人的終極目標,是像人類一樣成為「通才」,讓單一機器人,能在人類環境中執行多種不同任務。

如何教一台機器人「舉一反三」?

你問,機器人能成為像我們一樣的「通才」嗎?過去不行,但現在,這個目標可能很快就會實現了。這正是 NVIDIA 的 GR00T 和 Google DeepMind 的 RT-X 等專案的核心目標。

過去,我們教機器人只會一個指令、一個動作。但現在,科學家們換了一種全新的教學思路:停止教機器人完整的「任務」,而是開始教它們基礎的「技能基元」(skill primitives),這就像是動作的模組。

-----廣告,請繼續往下閱讀-----

例如,有負責走路的「移動」(Locomotion) 基元,和負責抓取的「操作」(Manipulation) 基元。AI 模型會透過強化學習 (Reinforcement Learning) 等方法,學習如何組合這些「技能基元」來達成新目標。

舉個例子,當 AI 接收到「從冰箱拿一罐汽水給我」這個新任務時,它會自動將其拆解為一系列已知技能的組合:首先「移動」到冰箱前、接著「操作」抓住把手、拉開門、掃描罐子、抓住罐子、取出罐子。AI T 正在學會如何將這些單一的技能「融合」在一起。有了這樣的基礎後,就可以開始來大量訓練。

當多重宇宙的機器人合體練功:通用 AI 的誕生

好,既然要學,那就要練習。但這些機器人要去哪裡獲得足夠的練習機會?總不能直接去你家廚房實習吧。答案是:它們在數位世界裡練習

NVIDIA 的 Isaac Sim 等平台,能創造出照片級真實感、物理上精確的模擬環境,讓 AI 可以在一天之內,進行相當於數千小時的練習,獨自刷副本升級。這種從「模擬到現實」(sim-to-real)的訓練管線,正是讓訓練這些複雜的通用模型變得可行的關鍵。

-----廣告,請繼續往下閱讀-----

DeepMind 的 RT-X 計畫還發現了一個驚人的現象:用來自多種「不同類型」機器人的數據,去訓練一個單一的 AI 模型,會讓這個模型在「所有」機器人上表現得更好。這被稱為「正向轉移」(positive transfer)。當 RT-1-X 模型用混合數據訓練後,它在任何單一機器人上的成功率,比只用該機器人自身數據訓練的模型平均提高了 50%。

這就像是多重宇宙的自己各自練功後,經驗值合併,讓本體瞬間變強了。這意味著 AI 正在學習關於物理、物體特性和任務結構的抽象概念,這些概念獨立於它所控制的特定身體。

AI 正在學習關於物理、物體特性和任務結構的抽象概念,這些概念獨立於它所控制的特定身體。/ 圖片來源:shutterstock

不再是工程師,而是「父母」: AI 的新學習模式

這也導向了一個科幻的未來:或許未來可能存在一個中央「機器人大腦」,它可以下載到各種不同的身體裡,並即時適應新硬體。

這種學習方式,也從根本上改變了我們與機器人的互動模式。我們不再是逐行編寫程式碼的工程師,而是更像透過「示範」與「糾正」來教導孩子的父母。

NVIDIA 的 GR00T 模型,正是透過一個「數據金字塔」來進行訓練的:

  • 金字塔底層: 是大量的人類影片。
  • 金字塔中層: 是海量的模擬數據(即我們提過的「數位世界」練習)。
  • 金字塔頂層: 才是最珍貴、真實的機器人操作數據。

這種模式,大大降低了「教導」機器人新技能的門檻,讓機器人技術變得更容易規模化與客製化。

當機器人不再是「一個」物體,而是「任何」物體?

我們一路看到了機器人如何學會思考、觸摸,甚至舉一反三。但這一切,都建立在一個前提上:它們的物理形態是固定的。

但,如果連這個前提都可以被打破呢?這代表機器人的定義不再是固定的形態,而是可變的功能:它能改變身體來適應任何挑戰,不再是一台單一的機器,而是一個能根據任務隨選變化的物理有機體。

有不少團隊在爭奪這個機器人領域的聖杯,其中瑞士洛桑聯邦理工學院特別具有代表性,該學院的仿生機器人實驗室(Bioinspired Robotics Group, BIRG)2007 年就打造模組化自重構機器人 Roombots。

有不少團隊在爭奪這個機器人領域的聖杯,其中瑞士洛桑聯邦理工學院(EPFL)特別具有代表性。該學院的仿生機器人實驗室(BIRG)在 2007 年就已打造出模組化自重構機器人 Roombots。而 2023 年,來自 EPFL 的另一個實驗室——可重組機器人工程實驗室(RRL),更進一步推出了 Mori3,這是一套把摺紙藝術和電腦圖學巧妙融合的模組化機器人系統。

2023 年來自 EPFL 的另一個實驗室—可重組機器人工程實驗室(RRL)推出了 Mori3 © 2023 Christoph Belke, EPFL RRL

Mori3 的核心,是一個個小小的三角形模組。別看它簡單,每個模組都是一個獨立的機器人,有自己的電源、馬達、感測器和處理器,能獨立行動,也能和其他模組合作。最厲害的是,它的三條邊可以自由伸縮,讓這個小模組本身就具備「變形」能力。

當許多 Mori3 模組連接在一起時,就能像一群活的拼圖一樣,從平面展開,組合成各種三維結構。研究團隊將這種設計稱為「物理多邊形網格化」。在電腦圖學裡,我們熟悉的 3D 模型,其實就是由許多多邊形(通常是三角形)拼湊成的網格。Mori3 的創新之處,就是把這種純粹的數位抽象,真正搬到了現實世界,讓模組們化身成能活動的「實體網格」。

這代表什麼?團隊已經展示了三種能力:

  • 移動:他們用十個模組能組合成一個四足結構,它能從平坦的二維狀態站立起來,並開始行走。這不只是結構變形,而是真正的協調運動。
  • 操縱: 五個模組組合成一條機械臂,撿起物體,甚至透過末端模組的伸縮來擴大工作範圍。
  • 互動: 模組們能形成一個可隨時變形的三維曲面,即時追蹤使用者的手勢,把手的動作轉換成實體表面的起伏,等於做出了一個會「活」的觸控介面。

這些展示,不只是實驗室裡的炫技,而是真實證明了「物理多邊形網格化」的潛力:它不僅能構建靜態的結構,還能創造具備複雜動作的動態系統。而且,同一批模組就能在不同情境下切換角色。

想像一個地震後的救援場景:救援隊帶來的不是一台笨重的挖土機,而是一群這樣的模組。它們首先組合成一條長長的「蛇」形機器人,鑽入瓦礫縫隙;一旦進入開闊地後,再重組成一隻多足的「蜘蛛」,以便在不平的地面上穩定行走;發現受困者時,一部分模組分離出來形成「支架」撐住搖搖欲墜的橫樑,另一部分則組合成「夾爪」遞送飲水。這就是以任務為導向的自我演化。

這項技術的終極願景,正是科幻中的概念:可程式化物質(Programmable Matter),或稱「黏土電子學」(Claytronics)。想像一桶「東西」,你可以命令它變成任何你需要的工具:一支扳手、一張椅子,或是一座臨時的橋樑。

未來,我們只需設計一個通用的、可重構的「系統」,它就能即時創造出任務所需的特定機器人。這將複雜性從實體硬體轉移到了規劃重構的軟體上,是一個從硬體定義的世界,走向軟體定義的物理世界的轉變。

更重要的是,因為模組可以隨意分開與聚集,損壞時也只要替換掉部分零件就好。足以展現出未來機器人的適應性、自我修復與集體行為。當一群模組協作時,它就像一個超個體,如同蟻群築橋。至此,「機器」與「有機體」的定義,也將開始動搖。

從「實體探索」到「數位代理」

我們一路見證了機器人如何從單一的傀儡,演化為學會思考的外科醫生 (SRT-H)、學會觸摸的倉儲專家 (Vulcan)、學會舉一反三的通才 (GR00T),甚至是能自我重構成任何形態的「可程式化物質」(Mori3)。

但隨著機器人技術的飛速發展,一個全新的挑戰也隨之而來:在一個 AI 也能生成影像的時代,我們如何分辨「真實的突破」與「虛假的奇觀」?

舉一個近期的案例:2025 年 2 月,一則影片在網路上流傳,顯示一台人形機器人與兩名人類選手進行羽毛球比賽,並且輕鬆擊敗了人類。我的第一反應是懷疑:這太誇張了,一定是 AI 合成的影片吧?但,該怎麼驗證呢?答案是:用魔法打敗魔法。

在眾多 AI 工具中,Perplexity 特別擅長資料驗證。例如這則羽球影片的內容貼給 Perplexity,它馬上就告訴我:該影片已被查證為數位合成或剪輯。但它並未就此打住,而是進一步提供了「真正」在羽球場上有所突破的機器人—來自瑞士 ETH Zurich 團隊的 ANYmal-D

接著,選擇「研究模式」,就能深入了解 ANYmal-D 的詳細原理。原來,真正的羽球機器人根本不是「人形」,而是一台具備三自由度關節的「四足」機器人。

如果你想更深入了解,Perplexity 的「實驗室」功能,還能直接生成一份包含圖表、照片與引用來源的完整圖文報告。它不只介紹了 ANYmal-D 在羽球上的應用,更詳細介紹了瑞士聯邦理工學院發展四足機器人的完整歷史:為何選擇四足?如何精進硬體與感測器結構?以及除了運動領域外,四足機器人如何在關鍵的工業領域中真正創造價值。

AI 代理人:數位世界的新物種

從開刀、揀貨、打球,到虛擬練功,這些都是機器人正在學習「幫我們做」的事。但接下來,機器人將獲得更強的「探索」能力,幫我們做那些我們自己做不到的事。

這就像是,傳統網路瀏覽器與 Perplexity 的 Comet 瀏覽器之間的差別。Comet 瀏覽器擁有自主探索跟決策能力,它就像是數位世界裡的機器人,能成為我們的「代理人」(Agent)

它的核心功能,就是拆解過去需要我們手動完成的多步驟工作流,提供「專業代工」,並直接交付成果。

例如,你可以直接對它說:「閱讀這封會議郵件,檢查我的行事曆跟代辦事項,然後草擬一封回信。」或是直接下達一個複雜的指令:「幫我訂 Blue Origin 的太空旅遊座位,記得要來回票。」

接著,你只要兩手一攤,Perplexity 就會接管你的瀏覽器,分析需求、執行步驟、最後給你結果。你再也不用自己一步步手動搜尋,或是在不同網站上重複操作。

AI 代理人正在幫我們探索險惡的數位網路,而實體機器人,則在幫我們前往真實的物理絕境。

立即點擊專屬連結 https://perplexity.sng.link/A6awk/k74… 試用 Perplexity吧! 現在申辦台灣大哥大月付 599(以上) 方案,還可以獲得 1 年免費 Perplexity Pro plan 喔!(價值 新台幣6,750)

◆Perplexity 使用實驗室功能對 ANYmal-D 與團隊的全面分析 https://drive.google.com/file/d/1NM97…

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

1
0

文字

分享

0
1
0
以科技修護文物真實面目——張元鳳專訪
顯微觀點_96
・2025/11/25 ・4778字 ・閱讀時間約 9 分鐘

本文轉載自顯微觀點

現代主流藝術的「色感」豐富,卻缺少傳統東方繪畫的「質感」。

— 張元鳳

國立臺灣師範大學文物保存維護研究發展中心(下稱師大文保中心)主任張元鳳口中的「質感」,並非一種難以定義、不證自明的高尚,而是傳統顏料能被感官接收、儀器量測的物理特質。透過顯微科技,文物藝品的「質感」更能被突顯、深入分析。

張元鳳剖析,傳統東方畫顏料來自天然礦物,如青金石、藍銅礦及珊瑚末等。經過搗碎、研磨、淘洗去除雜質,並以水沉澱,區分顆粒大小,製成多彩的色粉。

多次沉澱淘洗之後能獲得小顆粒顏料,與初期沉澱的大顆粒色粉雖來自完全相同的礦物,卻呈現截然不同的飽和度。

-----廣告,請繼續往下閱讀-----
P7212418
師大文保中心學生的礦物顏料練習作品,一種成分的顏料形成多層次色彩。攝影:楊雅棠

張元鳳解釋,「東方繪畫不靠顏料混色而增加色彩,是利用顏料顆粒半徑差異。因為光的亂反射,顏料顆粒愈大就愈鮮艷,顆粒愈小的顏料就愈加淺淡。」而傳統礦物顏料特性的創作風格,至今矗立在我們的生活中。

張元鳳舉例,「台灣廟宇最常見的傳統彩繪模式,是衣甲、雲彩的漸層色彩。內圈的顏料最鮮艷,愈向外就愈淡素,形成華美的漸層。這種技法在日本被稱為繧繝彩色(うんげんざいしき)。」

這種色彩梯度,可以用手指觸摸出來。神像彩繪上,鮮艷的中心顏料顆粒明顯、粗糙如沙礫,素雅的外圍小顆粒顏料則十分滑順。張元鳳說,現在廟宇彩繪已改用油漆等現代顏料,但畫師依然遵循這種衍生自礦物顏料的風格。

由於對礦物顏料的研究,張元鳳對顯微技術的數位化印象深刻。她說,「早期並不容易看見顏料顆粒全貌。現在能堆疊 Z 軸成像的數位顯微鏡,能讓整個顏料顆粒如寶石一般清晰閃耀。繪畫層切片(cross-section)也能清晰展現層次,這是過往顯微鏡做不到的。」

-----廣告,請繼續往下閱讀-----
畫作樣本切片的製作過程,有如醫學病理科製作樣本切片,必須精心挑選部位,進行包埋、切片,並嘗試不同的顯微技術。

師大文保中心:文物手術室

單顆顏料在整幅畫作中僅屬滄海一粟,如同顏料顆粒的體積,師大文保中心的每日文物研究與修護任務中也僅占中心業務一部分。

文保中心隱身在師大校園一隅,嚴格管理的閘門之內溫濕度恆常,地面一塵不染,連所有的照明都去除紫外線以保護文物。

墊高的日本榻榻米圍出中央的主要修護區,上方懸吊多盞手術燈,木桌上安放修護中的文物;四周則圍繞著檢驗攝影室、實驗用抽風櫃、木製工具架等。修護師與學生們錯落在這個融合日式畫室、手術室、化學實驗室的空間中埋首工作。

師大文保中心學生們以手工將褚皮紙製作成細長的頂紙,從一般工作桌到實驗用抽風櫃都是他們修護文物的場域。攝影:楊雅棠
師大文保中心學生們以手工將褚皮紙製作成細長的頂紙,從一般工作桌到實驗用抽風櫃都是他們修護文物的場域。攝影:楊雅棠

每一件進入師大文保中心的文物都必須進行修護前記錄,包含拍攝正面光、側面光、透光影像。還要經過拉曼光譜分析、紅外線、紫外線、X光螢光術(XRF)的檢驗。若有可疑處,就需要使用顯微鏡直接觀察,或是取文物邊緣的結構作為分析樣本。

-----廣告,請繼續往下閱讀-----

透光攝影可以分析紙張在不同位置的厚薄,呈現出脆弱或是加固的跡象;側光使畫紙的凹凸皺褶無所遁形。紫外光則能讓霉斑呈現螢光,使白光下難以分辨的霉斑與普通褐斑展現出差異。

文物汙損性質的檢測之外,紅外光與 XRF 則用於顏料成分分析,尤其 XRF 光譜儀可接收不同材料受 X 光所激發出的次級 X 光,辨別顏料、媒材成分。

修護東方書畫:背面與正面並重

由於濕氣與溫度影響,長年收藏於庫房中的作品經常處於老化狀態,其大面積的黃化可以用典具帖紙(一種極致纖薄的日本和紙)覆蓋,再抹上蒸餾水,以這層極薄的水體吸取、移除黃化成分,並確保顏料穩定不暈開。

楮樹皮製成的典具帖紙具有長而強韌的纖維,能製作出世上最輕薄的紙張。被定為日本文化遺產的典具帖紙不僅能清潔畫面,也能作為背紙支撐書畫。

-----廣告,請繼續往下閱讀-----

修復水溶性媒材製作的文物時,需要將作品局部解體,以水軟化糨糊,才能把舊背紙層層揭開。直到把舊的命紙(最接近畫作的背紙)與畫作分開來,再糊上新的命紙與背紙。若水量太多或施作時間太長,正面畫心的顏料、墨跡也會溶於水中。

紙質文物的折疊或脆弱處,也可以用撕成長條狀的楮皮紙作為「頂紙」支撐。修護中的林朝英的竹葉體書法作品,就是以研究生們細心手工撕成的頂紙進行補強。

P7212428
師大文保中心學生正在依照文物修護需求製作頂紙。攝影:楊雅棠

張元鳳說明,林朝英被稱為清朝唯一台灣藝術家,其書法曾經過多次修復,但是過往觀念與技術較不穩定,導致畫面出現許多凹凸。現在團隊正以乾式手法更換背紙,希望能讓竹葉書法飛舞在平坦潔淨的表面上。

對於前人的修復構造,張元鳳說,「得用鑷子像做手術般移除極小塊的舊背紙,每天只完成 5 公分的進度。文物修護除了技術,也非常考驗定性。」

-----廣告,請繼續往下閱讀-----

修復師知能:藝術史判斷力

在顯微鏡、紅外線、光譜分析等檢驗科技介入後,科學數據提供了客觀數值作為文物歷程的分析依據。但修護師的藝術史知識與批判性思考依然是決策中不可或缺的依據。

張元鳳舉例,以紅外線光譜進行成分檢驗時,需與既有的資料庫比對,但是目前資料庫中繪畫顏料樣本稀少,汽車烤漆的資料卻很多。因此含有鉛或鋅的顏料,經常被系統推斷為汽車烤漆。

張元鳳笑說,「如果缺乏對文物歷史的知識,只遵從儀器檢測與資料庫,就會被誤導『前人是用如同烤漆的顏料作畫』,那是不可能的!」

又或是在東方畫上面發現顏色鮮艷,半徑卻特別小的顏料顆粒,就應該萌生疑心。以創作年代常見的顏料顆粒進行比對,確認是否有後人補畫全色,又或者其實是仿造贗品。而非毫不批判地接受檢測結果。

張元鳳說,修護師的知識與文物的檢驗資料庫統合化、豐富化,能降低被誤導的風險,提升修護者對檢驗結果的辨別能力,而這兩個方向都需要修護研究單位長期的努力與合作。

-----廣告,請繼續往下閱讀-----

科學檢驗藝術的客觀面

對於科學檢測技術對文物修護的影響,張元鳳認為在早期的修復中,常常出現受當下主流文化影響的詮釋,導致原本的創作被掩蓋。科學檢測技術實現了修護倫理的「客觀精神」與真實性基礎。

她回憶說,剛開始堅持使用科學檢測作為修護依據的時期,也有人質疑「修就修,為什麼要做這麼多有風險的檢查?」

現在,來自不同學科領域的學生在師大文保中心學習文物保護技術,多元的檢驗科技,反而更能善用每一次檢測、每一丁點樣本提供的資訊。張元鳳發現,來自理工領域的學生對操作檢測儀器、解讀圖表較有信心,但是美術領域的學生因為具備創作經驗,更能夠對檢驗結果進行合理詮釋。

對於跨領域的修護技術學習歷程,張元鳳說,「包括我在內,有些美術背景學生最初接觸檢測科技時會感到害怕或辛苦。我希望可以讓學生們免於這種痛苦,所以要求自己先學會各種技術來傳授他們。」

-----廣告,請繼續往下閱讀-----

在最近的技術發展中,張元鳳相當期待XRF可以實現對文物進行大範圍 mapping(面掃描)的功能,並輸出定量成果,如此將能大幅提升成分檢驗的精準與效率。

同時她也很期待3D X-ray提供來更高效率的纖維構造分析,過往使用顯微鏡觀察,必須將文物纖維剝成細小的狀態,過程相當困難。若能使用高解析度的 3D X 光檢驗,對人力與樣本的使用會更有效率。

誰人眼中的完好:文物修護原則

忒修斯之船(Ship of Theseus)是古希臘最早的哲學難題之一,也或許是被修復過最多次的文物:雅典人在數百年間不斷替換忒修斯之船朽壞的部位,當這艘船的所有部位都被更新過,它還是原本那艘船嗎?若不是,何時開始它不再算是同一艘船?

對修護師來說,在每一次修護專案開始時,可能都需要經歷過一次類似的思想實驗,「如何修護,才能確保文物總是同一件作品?」

張元鳳認為,文物修護的基礎原則包含適宜性、安全性、可辨識性、可逆性。採取干預最低、效益最高的檢測與修護方法。任何後加的材料都需與原作成分相異,能讓未來的修復者得以辨認,且能在無損原作的條件下去除。

因此師大文保中心在修護時,都採用可去除的媒材。例如關公頭冠上氧化發黑的金屬,就以可去除的金粉覆蓋。在恢復原貌與可逆性中找到平衡。

張元鳳指出,「修護工作的目標,是讓恢復、保持文物應有的真實模樣,並確保我們的修護能被意見不同的後人除去。」

呂鐵州 後庭 北美館
呂鐵州膠彩畫作品《後庭》進入師大文保中心前,已在庫房閒置超過十年,且因後人修復不當導致畫面損傷、構圖偏誤。文保中心經嚴謹考究與討論,再次將此畫作清理裝裱,恢復為完整日式屏風架構。Source: 台北市立美術館

文化變遷:正視融合的結果

若說張元鳳對文物修護的忒修斯之船命題,以文物的「真實原貌」作為答案,那麼專精東方藝術的她對文化變遷則以「融合」優先於「鞏固」原貌。

她以台灣風行一時的膠彩畫為例,這種由日本藝術家引入台灣的畫作在日治時期被稱為「灣製(日本)畫」,國民政府稱之為「東洋畫」並加以冷落,之後由藝術家林之助正名為膠彩畫,漸漸重獲重視。

張元鳳指出,當年國民政府視膠彩畫為日本殖民象徵。但日本的膠彩畫卻是由唐朝流傳而來,並高度保留唐朝工筆重彩的技法,其實可以視為中華藝術的延伸。

張元鳳拿出正在修護的日本型紙,說明這些由江戶時代工匠精心雕刻的印刷模板已經有 200 年歷史,在 19 世紀大量流入歐洲,影響歐洲的文化潮流。其重複的精美樣式,成為歐洲文化至今活躍的元素。如時尚精品 Louis Vuitton 就是在 19 世紀末受型紙等日本文物啟發,設計出歷久不衰的品牌識別紋樣。

伊勢型紙 Wikimedia 1
精緻的日本文化遺產,手工製作的伊勢型紙。Source: Wikimedia
師大文保中心不僅邀請日本專業修護學者合作修護台灣文物,也接受來自日本的修復委託。圖中張元鳳手持的型紙已有200年以上歷史。攝影:楊雅棠
師大文保中心不僅邀請日本專業修護學者合作修護台灣文物,也接受來自日本的修復委託。圖中張元鳳手持的型紙已有 200 年以上歷史。攝影:楊雅棠

張元鳳笑說,「考慮到日本型紙歷史的中華元素,LV 等歐洲精品也能看作是一種東方文化的產物。」

面對文化元素的流動,張元鳳認為,「選擇融合,創作才會愈來愈豐富;切割只會讓文化愈形單薄。尊重每件文物的歷史,正視真實脈絡,是與台灣主體性相輔相成的價值。」

延伸資料

-----廣告,請繼續往下閱讀-----

討論功能關閉中。