生物與非生物之間,有什麼不一樣?什麼是生命?當我們走在海邊的沙灘上,腳下遍布著有美麗花紋的小石子,旁邊有著一顆顏色幾乎相同的小貝殼。雖然已經失去了生命,但我知道它確實曾有生命在運作。那麼,小貝殼和小石子的決定性差異是什麼?日本分子生物學福岡伸一教授,帶我們從分子的層次,了解什麼是生命。
生物與非生物之間,有什麼不一樣?什麼是生命?當我們走在海邊的沙灘上,腳下遍布著有美麗花紋的小石子,旁邊有著一顆顏色幾乎相同的小貝殼。雖然已經失去了生命,但我知道它確實曾有生命在運作。那麼,小貝殼和小石子的決定性差異是什麼?日本分子生物學福岡伸一教授,帶我們從分子的層次,了解什麼是生命。
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?
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?
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。
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。
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:
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:
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
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?
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 可分成兩種:
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。
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。
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。」
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?
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?
(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)或
。
討論功能關閉中。
本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。
我們怎麼「看到」顏色,「察覺」東西在動?大腦如何產生視覺?中央研究院「研之有物」專訪院內細胞與個體生物學研究所所長李奇鴻,他是國際知名的神經科學家,過去長期在美國國家衛生院(National Institutes of Health)做研究,2018 年回到中研院貢獻自己所學。李奇鴻的實驗室主要是以果蠅視覺系統為模型,研究神經元如何在發育過程形成複雜的突觸連結,以及神經迴路如何產生視覺來引導動物行為。
神經系統如何運作?這對以前的科學家來說是黑盒子。由於大腦發生錯誤或出問題時,會直接表現在外在行為上,早期科學家想了解人腦運作機制,只能透過腦部哪裡受傷壞掉或中風等,知道腦部的大概功能區域,但沒辦法進入細胞層次。
「在生物學的發展上,除了需要有智慧的思考,其他都要靠技術去推動。你可能想到一個有趣的題目,但也許要 30 年後,才出現足夠的技術來解決問題。」李奇鴻舉例,從光學顯微鏡、電子顯微鏡、電生理技術、分子生物學到結構生物學發展,每個都在細胞、分子、及系統層次開啟了新的世界。
隨著顯微技術與遺傳工程日益完備,果蠅成為現今熱門的腦科學研究對象。李奇鴻指出,「果蠅的生長速度快,相較老鼠要幾個月成熟,果蠅只要兩週。果蠅的大腦複雜程度介於人和單細胞生物中間,結構跟人高度相似,成果可應用在人身上。」
因此,近 10 幾年來是神經科學大起飛時代,科學家透過遺傳學方法控制果蠅的神經元活性、觀察行為,藉此了解哪些基因會影響大腦發育和運作,逐漸破解神經迴路的奧祕。
「我在選博士後研究時,想到底要做線蟲、老鼠、魚、果蠅或其他模式生物?最後才選果蠅。回想起來,近年剛好碰到果蠅相關技術蓬勃發展,選果蠅是很正確的決定!」李奇鴻笑道。
李奇鴻引用知名神經科學家 David Marr 的三層假說(tri‐level hypothesis),認為大腦運作有三個層次:
李奇鴻表示,「過去多數神經科學家都在討論 computation,再探究 algorithm,卻沒辦法解決 implementation 。現在因為具備技術,科學家終於能找出 implementation,再回推上層問題,甚至發現 algorithm 跟原本想的不一樣。」
關於神經系統的操作方式(Algorithm level),也有因為技術進步而解決爭議的案例。李奇鴻舉例,以前神經科學家在研究視覺系統感受物體運動的機制,曾出現幾種理論,HR 理論認為神經訊號是用乘法,另一派 BL 理論認為是用減法,爭議了很久。
近年科學家發現,原來視網膜感知系統的運算機制是混合的,一共三種,稱為 HR-BL 混合視覺運動偵測器。過去兩派都只對了一半。
Hassenstein-Reichardt(HR)模型:從昆蟲行為研究而來。
Barlow-Levick(BL)模型:從兔子電生理研究而來。
近代電腦的所有運算都能用 and、or、Xor 三個邏輯閘表達,科學家想知道,大腦裡有沒有類似但更高階的神經迴路運作方式?「從感官到行為比較容易觀察和操作,目前在視覺運動方面的神經迴路運作,我們知道的最多。」
李奇鴻近年在做昆蟲視覺與行為研究,發現昆蟲在感受顏色,如綠光和紫外光時,感光細胞的處理方式是先將紫外光跟綠光的強度做比較,把兩個光的強度相減,讓原本兩個訊號變成一個訊號,所謂的「顏色拮抗」。
「這種神經迴路能解析、比較兩個顏色強度的差異性,因為大部分在視覺上最重要的正是對比。拮抗運算模組能在一片訊號裡找出哪裡最強、其他較弱。其他感官機制也一樣,像觸摸物品時有凸出來的部分較重要,聽覺上要找出哪個聲音特別高等,讓最重要的訊號能凸顯出來。」李奇鴻補充道。
2021 年李奇鴻的團隊首次發現果蠅視覺系統堆疊了多套拮抗運算模組,以達成顏色及空間接受域雙拮抗的效果,成果發表在《Current Biology》。這樣的神經迴路可以比較相鄰的顏色,產生色彩區間對比感。「沒這樣的功能,我們就看不出紅配綠很悲劇了!」李奇鴻笑道。
科學家們正努力鑽研果蠅大腦的神經運算迴路,希望逐步整理出基本運算模組。或許有一天,看似複雜的大腦功能,都可能用基礎的迴路來破解!
「我滿晚才走上科學研究的道路。我對電腦有興趣、喜歡寫程式,大學上中國醫藥學院醫學系,家裡也希望我當醫生。不過在實習時,我發現自己對治療病人沒興趣,反而對問題或疾病本身更有興趣。跟幾個老師談過之後,我決定不當醫生,跑去清華大學讀生命科學,後來就到中研院。」
因為有醫學背景,一開始比較想做能立刻解決問題的研究,像是用蛋白質跟毒素的綜合體來治療癌症。但後來了解,如果沒有深刻了解致病機制、沒有鑽進基礎科學研究,很難有突破。
後來去美國洛克斐勒大學攻讀博士,在洛克斐勒讀書期間,大家常互相交流,對我有很大的啟發。那時我在鑽研結構生物學,希望了解疾病真正的生理過程,曾解開愛滋病病毒跟人體信號傳遞有關的蛋白質結構。
博士畢業前,我接觸到神經科學,感到很有興趣,就去加州大學洛杉磯分校(UCLA)讀博士後,學神經科學裡的發育學,想了解大腦在發育過程是如何用不同分子在細胞間傳遞訊息。那時我待在很大的實驗室,老師不太管學生,要自己想辦法或跟旁邊的人學習,很多人素質都很高,學習環境很好。
之後我進入美國國家衛生院(National Institutes of Health,NIH)開始開實驗室帶自己的團隊,待了 16 年,算是真正進入神經科學領域,直到現在依然在做相關研究。
每個人的人生選擇,都被以前的經歷主導,如果沒有醫學背景,恐怕我不會去學結構生物學或走入大腦神經科學領域。
「我 26 歲出國,在美國也待 26 年,幾乎完全融入美國生活,實驗室運作得蠻好,連太太也是美國人。但在美國很多年後,內心出現一個很深感覺:我在臺灣待過這麼久,臺灣是我進入科學的起點,也許該回來教教臺灣的子弟。」
剛開始有些想法,曾受邀回臺演講幾次,但沒有下決心。後來出現一個重要轉捩點。中研院分子生物研究所 30 週年慶時邀我回來演講,那時有機會跟歷任所長聊天,這些所長中許多是我過去在中研院碰過的老師。聊了後感觸很深,發現每任所長都要面對分生所的成長或各種問題,每個所長都有獨到的見解和重要貢獻。
我看到分生所運作得很好,覺得非常感動, 內心想:也許我回來能效法他們,也許對中研院細胞與個體生物學研究所的發展能有一點點實質貢獻。
雖然如果待在美國國家衛生院,我也會有這樣一個機會,但還是想帶自己的子弟,把力氣用在自家子弟身上,讓自己的國家和組織進步。我想將在美國國家衛生院學到的經驗,像哪些組織可以運作、哪些不行,嘗試帶回臺灣。
我很清楚可能碰到的問題,像科學研究會受影響,要重新花幾年時間建立實驗室,但那次契機讓我徹底下定信心。我曾跟廖俊智院長開玩笑,就算不給我錢,我大概也會回來。因為真的覺得這是一個很好的機會,自己能為中研院、為臺灣做些事。畢竟中研院也一直都像我的家!
不過,畢竟過去在美國實驗室和家裡都是講英文,只有打電話給媽媽會說臺灣話,因此, 2018 年剛回臺灣時,國語講得不太流利,臺灣話反而比較流利。
「國外最大特點是學術交流很頻繁,雖然國內也蠻頻繁,但他們交流層次更深入。也就是說,我跟參與的老師交流之後,常能改變想法、做事方法或方向,且是正向的改變。」
國外老師受邀演講,會很積極在幾小時內一直談,在一天中完全沉浸其中,不單講出自己在做的東西,也要求聽眾給予批評或建議等,彼此有深度交流,我每次參加都覺得收穫很多並產生合作可能性。
國內我的經驗是,演講結束後比較缺乏機會跟其他老師深度溝通,領完演講費就屁股拍拍坐高鐵回來。這可能是國內的慣有模式,我覺得需要改變。現在所內我也要求大家,既然花錢請老師來,一定要做深度交流,請對方給予建議。
重要的不是形式或邀到諾貝爾獎得主之類,而是在演講結束後、這個人走出我的辦公室、這些人離開後,對我做的事或做事方法,是不是有什麼實質的改變?在其他科學家交談中是否能得到啟發,改變自己的思考或做實驗方式?或聽聽別人告訴你,你還有哪些沒想到的地方?
分享,也是一種很重要的技術,在交流過程中,當我們可以把一件事講清楚,自己也會茅塞頓開,知道問題在哪。
現在所裡的計畫是把老師分成各種不同興趣小組,組內做交流或有跨組活動。其餘像寫計劃、申請經費、經營實驗室或撰寫並發表文章,這些是基本技術問題。
做任何工作,一個是基本的核心技術,如果沒有「技」就無法生存;另一個是 「藝」(Art) , 可以驅動你一直做下去。訓練人才時,除了培養技術,還要訓練 Art。
「我想在科學裡面,Art 有很多面向。例如,你怎麼選擇一個問題,怎麼找切入點,如何把一個大問題拆成幾個可攻破的部分,一步步去解開,這是一種 Art。尤其在選擇問題和切入點上,要有獨特的見解或洞燭先機才能成功。」
科學家必須創造有用的知識。什麼叫有用的知識呢?就是聽到學到後,會改變你想事情的方向或做事的方法。很多東西都可以研究,只要科學方法夠嚴謹,都可以得到一些知識。但到底要選擇什麼題目呢?什麼叫做有趣的問題呢?評斷這些就是科學的 Art 。
如果說在人類前面是一個黑暗深淵,知識像光照亮我們前面的路,科學家就像站在最前面,要知道如何踏出那一步?怎麼踏出去?這是 Art。
當科學家看到一個問題、問題成形後,最重要的關鍵是如何選擇一個核心問題去解決。就像玩拼圖時,要放下去最核心、最重要的那塊拼圖。
我回到臺灣後,覺得這裡的研究環境很好,儀器不輸人家,老師很優秀。但可能我們多半只是關注自己的研究,沒有花時間認真去思考,最重要的一塊拼圖在哪裡?當我們有更深度的交流,才能找到最核心的那一塊,做出最重要的貢獻。
「在碩士、博士訓練中最重要的關鍵,是從「讀」科學變成真正「做」科學。我們攤開一本教科書,看到裡面講這個、那個,只是讀人家的科學。即使去念了原始文章,仍然是看著科學怎麼被別人做出來而已。」
自己真正做研究才知道,教科書上每一頁、每一句,背後都可能有數千篇文章支持,那時才知道自己很渺小,懂得謙虛,了解自己一生能做的有限。
所以,每次要跨出一小步,要想該怎麼跨最有效率、得到最大效果。我認為,在碩士班或博士班,最重要的就是了解這種感覺。
有些學生可能覺得,反正我很渺小,世界這麼大,即使做一輩子,即使最成功的科學家,也不過是得到教科書上面的一句話而已,我怎麼做都沒關係啊。 但我們必須帶領學生了解,這個計畫不是老師叫你做才做,而是讓學生覺得這個計畫是自己的,有前進和發展的空間,就像自己的小孩,必須負責。
以前在碩、博士班,剛開始學會技術、實驗做出結果,或能像人家一樣發表文章,會很高興,但這很短暫,真正的轉捩點是我知道有什麼事,是全世界任何人都不知道的那種驕傲,才是真的能支持很久的。我還記得在某一天做到早上五點,從實驗室走出來,知道有個東西全世界只有我知道的喜悅!
當學生曾感受這種發現真實的快樂,你不用規定他早上幾點來、晚上幾點走,他自己就有動機做。
當一個人想這東西應該是怎樣,想辦法做實驗證明出來時,那真的是一種快樂。我想,這是任何其他行業都沒辦法比較的!
學生是要培養成未來的科學家、獨當一面,應該讓他自己走。即使在你看得到的地方,也要讓他自己走出來,而且,他自己想到的,比你告訴他來的有用。
其實,我當老師最興奮時,是學生告訴我那些我不知道的事,會覺得很喜悅,學生想到我沒想到的東西,表示他們有進步,比我還厲害,這很棒!
世上動物千奇百怪,如果要找一個共同點,那應該就是──幾乎所有的動物都需要呼吸。
我們這裡要談的「呼吸」,是呼吸運動,也就是吸入氧氣、排出二氧化碳的動作。一提到這個動作,身為人類的你,或許下意識就會想到肺臟、鼻子等等部位。綜觀動物界,在不同的演化脈絡下,動物們賴以呼吸的構造真可說是無奇不有,就連肺臟、鼻孔本身也可能會有各種不同的形態。
現在,就讓我們來看看那些奇妙的呼吸器官吧!
「媽媽說鼻子長才是漂亮~~」大象(象科 Elephantidae)身上最惹眼的部分就是鼻子了!象鼻是牠們賴以聞嗅味道和呼吸的部位,除此之外,它相當靈巧,舉凡取水、拿東西、攜帶物品等等,象鼻都能做到。
除了長長的鼻子之外,大象的呼吸構造裡還有一個特殊之處:牠們是目前已知沒有胸膜腔 (Pleural cavity) 的哺乳類動物!
我們人類賴以呼吸的肺臟緊密包覆著一層臟層胸膜 (pulmonary pleurae),會與包覆著胸腔壁內面的壁層胸膜 (parietal pleura) 組成一個很狹小的空間,就是胸膜腔。內部填充有液體潤滑,可避免臟器和胸壁摩擦損傷。
一般我們呼吸的時候,會由肌肉改變胸腔的空間,製造肺部與外在大氣的壓力差,才能夠吸氣或呼氣:當肺內的壓力大於大氣壓力,則會呼氣;而當肺內的壓力小於大氣壓力,則會吸氣。而夾在此之間的胸膜腔,多數時間會維持一定程度的負壓,讓主要由皮膜組織及彈性纖維組成的肺不致塌縮。所謂的「氣胸」就是胸膜受到破壞,使得胸膜腔無法維持負壓,連帶使著肺部塌縮的胸腔疾病。另外,胸腔膜的壓力當然會隨著呼吸而有所變化。
然而,大象的胸膜腔裡,充滿了許多疏鬆的結締組織──也就是說,原本的「腔」不復存在。該怎麼解釋大象沒有胸膜腔呢?
有個假說認為,這可能跟大象使用長鼻子來「浮潛」有關連。當牠們游泳時,可以將長鼻子舉出水面來呼吸──這是個稍微熟悉大象的人都不意外的畫面。但是成年大象高度可達至少三、四公尺,當游泳使用鼻子呼吸,或是,鼻子端大氣的壓力與位在水下肺部的壓力差距會非常巨大,這時薄薄胸膜腔可能就會頂不住啦,而胸膜腔內的結締組織就有強化的功能。
海豚(海豚科 Delphinidae)雖然多數生活在海中,少數生活在大河大江中,不過牠們可沒有魚類的鰓,而是用肺呼吸的哺乳類動物。
海豚是從陸生哺乳動物演化而來的,真要說起親緣關係,比起魚類,牠們反而更接近河馬等偶蹄類動物。
大約五千萬年前的始新世時期,陸生哺乳類開始進入水中,在這個過程中,牠們為了適應環境,在形態上產生諸多的改變。為了順利在水中游泳,牠們後肢逐漸退化,形成背鰭及尾鰭,體表變得光滑,身體也變得較偏向流線型。
而海豚的鼻孔更是位移到了頭頂,成為「呼吸孔」,以便在水面呼吸、換氣。此外,為了不讓自己嗆到,海豚的呼吸孔附近還有由肌肉與結締組織形成的鼻栓 (nasal plug),可以將孔緊閉。鯨魚海豚頭頂的呼吸孔是比較接近鼻孔的構造,因此有些卡通裡會出現鯨魚海豚從嘴裡吸入海水,由呼吸孔噴出海水的情節,在真實世界不大可能出現。
水母是一種無脊椎動物,分類上屬於刺胞動物門 (Cnidaria)。從熱帶、溫帶到淡水區,世界各地的水域都找得到水母的蹤影。牠們的外型多呈現鐘型或者傘狀,構造簡單,體內有超過九成都是水,但沒有肺或鰓。
既然沒有肺或腮,牠們又要怎麼呼吸呢?方式很單純,就是透過擴散作用讓氧氣進出細胞膜。
水母的外表傘蓋的組織相當薄透(想想你吃過的海蜇皮),其中分為外層的表皮層 (epidermis) 和內層的胃皮層 (gastrodermis),兩層之間再夾著一種彈性膠狀物質,又輕又薄的狀態更方便外層組織和海水交換氧氣和二氧化碳。
牡蠣 (牡蠣科 Ostreidae)的殼有二枚,形狀相當不規則,左殼比右殼大一點。牠們大多棲息在淺海或潮間帶,以左殼固著在物體上,無法自由移動,所以終其一生只能待在原處開開合合,進行呼吸、攝食、生殖、排泄等等行為。
大多數的雙殼綱,殼的頂部有縫可以流通海水,並且在吸排海水的過程中呼吸。牡蠣並不像蛤蜊一樣自備出、入水管,牠們只有腮腔和腮上腔。牡蠣的鰓分左右各一對的內外鰓,上與唇瓣 (labial palps) 相連,下與外套膜 (mantle) 相接,構成一個腔室,水從鰓流入鰓腔及鰓上腔,在過程中進行氣體交換藉以呼吸、獲得氧氣。
雖然說都是呼吸,但生活在不同地方的生物用的方式卻大不相同,需要根據所在地來大顯神通,除了上述介紹的動物,你知不知道什麼其他特別的呼吸方式呢?