0

5
1

文字

分享

0
5
1

人造腦挑戰 AI!培養皿中的腦組織+腦機介面能打敗電腦嗎?

PanSci_96
・2023/05/27 ・3178字 ・閱讀時間約 6 分鐘

2023 年 2 月底, 約翰霍普金斯大學教授 Thomas Hartung 帶領研究團隊,發表了「類器官智慧」(Organoid intelligence , OI)的研究成果,希望利用腦類器官加上腦機介面,打造全新的生物計算技術。

我們終於要製造人工大腦了嗎?OI 和 AI,誰會成為未來主宰?

類器官智慧 OI 是什麼?目標為何?

2023 年的現在,AI 就已展現了不少驚人的實際成果;相較之下, OI 仍只是一個剛起步的計畫,甚至連名稱都與 2018 年美國《自然—物理學》期刊專欄作家、物理學家布坎南以 Organoids of intelligence 作為標題的文章幾乎一樣。

類器官智慧、Organoid intelligence、OI 是個很新的跨領域名詞,同時結合了「腦類器官」和「腦機介面」兩個領域的技術。

簡單來說,腦類器官就是指透過培養或誘導多能幹細胞(iPSCs),在模擬體內環境的旋轉生物反應器中,產生的腦組織。這項聽起來好像只會出現在科幻電影裡的技術,確實已經存在。

最早的腦類器官是在 2007 年,日本 RIKEN 腦研究所的笹井芳樹和渡辺毅一的研究團隊,成功從人類胚胎幹細胞培養出前腦組織。第一個具有不同腦區的 3D 腦類器官則是發表在 2013 年的《Nature》期刊,由奧地利分子技術研究所的尤爾根.科布利希和瑪德琳.蘭開斯特研究團隊成功建立。

腦類器官的出現,在生物與醫學研究中有重大意義,這代表未來科學家們若需要進行大腦相關的研究,再也不用犧牲實驗動物或解剖大體老師來取得人類大腦,只需要在培養皿就製造出我們要的大腦即可。

儘管培養皿上的組織確實是大腦組織,但不論是在大小、功能,以及解剖構造上,至今的結果仍遠遠不及我們自然發育形成的大腦。因此要達到 OI 所需要的「智慧水準」,我們必須擴大現有的腦類器官,讓他成為一個更複雜、更耐久的 3D 結構。

要達到 OI 所需的「智慧水準」,必須擴大現有的腦類器官,成為一個更複雜的 3D 結構。圖/GIPHY

而這個大腦也必須含有與學習有關的細胞和基因,並讓這些細胞和 AI 以及機器學習系統相連接。透過新的模型、演算法以及腦機介面技術,最終我們將能了解腦類器官是如何學習、計算、處理,以及儲存。

OI 是 AI 的一種嗎?

OI 能不能算是 AI 的一種呢?可說是,也不是。

AI 的 A 指的是 Artificial,原則上只要是人為製造的智慧,都可以稱為 AI。OI 是透過人為培養的生物神經細胞所產生的智慧,所以可以說 OI 算是 AI 的一種。

但有一派的人不這麼認為。由於目前 AI 的開發都是透過數位電腦,因此普遍將 AI 看做數位電腦產生的智慧—— AI 和 OI 就好比數位對上生物,電腦對上人腦。

OI 有機會取代 AI ?它的優勢是什麼?

至於為何電腦運算的準確度和運算速度遠遠高於人腦,最主要原因是電腦的設計具有目的性,就是要做快速且準確的線性運算。反之,大腦神經迴路是網狀、活的連結。

人類本身的基因組成以及每天接收的環境刺激,不斷地改變著大腦,每一分每一秒,我們的神經迴路都和之前的狀態不一樣,所以即使就單一的運算速度比不上電腦,但人腦卻有著更高學習的效率、可延展性和能源使用效率。在學習一個相同的新任務時,電腦甚至需要消耗比人類多 100 億倍的能量才能完成。

神經網路接受著不同刺激。圖/GIPHY

這樣看來,至少 OI 在硬體的效率與耗能上有著更高優勢,若能結合 AI 與 OI 優點,把 AI 的軟體搭載到 OI 的硬體上,打造完美的運算系統似乎不是夢想。

但是 OI 的發展已經到達哪裡,我們還離這目標多遠呢?

OI 可能面臨的阻礙及目前的發展

去年底,澳洲腦科學公司 Cortical Labs 的布雷特.卡根(Brett Kagan)帶領研究團隊,做出了會玩古早電子遊戲《乓》(Pong)的培養皿大腦—— DishBrain。這個由 80 萬個細胞組成,與熊蜂腦神經元數量相近的 DishBrain,對比於傳統的 AI 需要花超過 90 分鐘才能學會,它在短短 5 分鐘內就能掌握玩法,能量的消耗也較少。

現階段約翰霍普金斯動物替代中心等機構,其實只能生產出直徑大小約 500 微米,也就是大約一粒鹽巴大小的尺寸的腦類器官。當然,這樣的大小就含有約 10 萬個細胞數目,已經非常驚人。雖然有其他研究團隊已能透過超過 1 年的培養時間做出直徑 3~5 毫米的腦類器官,但離目標細胞數目 1000 萬的腦類器官還有一段距離。

為了實現 OI 的目標,培養更大的 3D 腦類器官是首要任務。

OI 的改良及多方整合

腦類器官畢竟還是個生物組織,卻不像生物大腦有著血管系統,能進行氧氣、養分、生長因子的灌流並移除代謝的廢物,因此還需要有更完善的微流體灌流系統來支持腦類器官樣本的擴展性和長期穩定狀態。

在培養完成腦類器官以及確定能使其長期存活後,最重要的就是進行腦器官訊息輸入以及反應輸出的數據分析,如此我們才能得知腦類器官如何進行生物計算。

受到腦波圖(EEG)紀錄的啟發,研究團隊將研發專屬腦類器官的 3D 微電極陣列(MEA),如此能以類似頭戴腦波電極帽的方式,把整個腦類器官用具彈性且柔軟的外殼包覆,並用高解析度和高信噪比的方式進行大規模表面刺激與紀錄。

研究團隊受腦波圖(EEG)紀錄的啟發。圖/Envato Elements

若想要進一步更透徹地分析腦類器官的訊號,表面紀錄是遠遠不夠的。因此,傷害最小化的的侵入式紀錄來獲取更高解析度的電生理訊號是非常重要的。研究團隊將使用專門為活體實驗動物使用的矽探針Neuropixels,進一步改良成類腦器官專用且能靈活使用的裝置。

正所謂取長補短,欲成就 OI,AI 的使用和貢獻一點也不可少。

下一步,團隊會將進行腦機介面,在這邊植入的腦則不再是人類大腦,而是腦類器官。透過 AI 以及機器學習來找到腦類器官是如何形成學習記憶,產生智慧。過程中由於數據資料將會非常的龐大,大數據的分析也是無可避免。

隨著 AI 快速發展的趨勢,OI 的網路聲量提升不少,或許將有機會獲得更多的關注與研究補助經費,加速研究進度。更有趣的是,不僅有一批人希望讓 AI 更像人腦,也有另一批人想要讓 OI 更像電腦。

生物、機械與 AI 的界線似乎會變得越來越模糊。

OI=創造「生命」?

生物、機械與 AI 的界線越來越模糊。圖/Envato Elements

講到這裡,不免讓人擔心,若有一天 OI 真的產生智慧,我們是否就等於憑空創造出了某種「生命」?這勢必將引發複雜的道德倫理問題。

雖然研究團隊也強調, OI 的目標並不是重新創造人類的意識,而是研究與學習、認知和計算相關的功能,但「意識究竟是什麼」,這個哲學思辨至今都還未有結論。

到底懂得「學習」、「計算」的有機體能算是有意識嗎?如果將視覺腦機介面裝在 OI 上,它是否會發現自己是受困於培養皿上,被科學家們宰割的生物計算機?

不過這些問題不僅僅是 OI 該擔心的問題,隨著人工智慧的發展,GPT、Bing 和其他由矽構成的金屬智慧,隨著通過一個又一個智力、能力測試,也終將面臨相應的哲學與倫理問題。

最後,Neuralink 的執行長馬斯克說過(對,又是他 XD),人類要不被 AI 拋下,或許就得靠生物晶片、生物技術來強化自己。面對現在人工智慧、機械改造、生物晶片各種選擇擺在眼前,未來你想以什麼樣的型態生活呢?

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

文章難易度
PanSci_96
1189 篇文章 ・ 1739 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

0
0

文字

分享

0
0
0
是什麼蒙蔽了我的雙眼?如何防範生成式 AI 的假資訊陷阱?——專訪中研院資訊科技創新研究中心副研究員陳駿丞
研之有物│中央研究院_96
・2023/09/24 ・5782字 ・閱讀時間約 12 分鐘

本文轉載自中央研究院「研之有物」,為「中研院廣告」

  • 採訪撰文|沙珮琦
  • 責任編輯|簡克志
  • 美術設計|蔡宛潔

不再是有圖有真相!深偽影像猖獗,我們該如何判別?

你看過美國前總統川普被警方逮捕的影片嗎?又或是英國女王在皇宮中大跳熱舞的片段?多年來,人們普遍相信著「有圖有真相」的道理,然而,隨著圖像與影音相關的生成式 AI 越發成熟,我們似乎再也不能輕易相信自己的雙眼。而在真假影音的差異可說是微乎其微的狀況下,我們究竟該如何判斷資訊真實性?中央研究院資訊科技創新研究中心的副研究員陳駿丞與團隊每天在尋找的,便是有效又好用的解決方案。本次,中研院「研之有物」將透過專訪,從生成式 AI 的原理開始了解,一步步為各位解開深偽影像的神秘面紗。

你已經是個成熟的 AI 了!幫我工作!

一講到生成式 AI,許多人都能立刻喊出「ChatGPT」的大名,足見這個領域之熱門程度。其實,生成式 AI 發展並不是近年才開始的事,可是為什麼直到最近,才受到社會大眾的熱烈歡迎呢?

中研院資創中心的陳駿丞副研究員認為,其中最關鍵的原因,莫過於 AI 程式的優秀表現開始讓一般人很「有感」。由於生成式 AI 的相關研究快速發展,基礎建設在近年來逐漸成熟,使用介面也設計得十分親民,讓大眾能透過極為直覺、簡單的方式去使用,實際體會到應用的效果,例如改善工作效率、處理圖像任務等,再加上大眾媒體的渲染,便帶起了 2023 前半年的 AI 風潮。

陳駿丞笑著說,雖然自己不是文字生成式 AI 的專家,但使用「ChatGPT」時,也發現到它真的能做到很多事,比早期的 Siri 效果更好、更準確。的確,對於我們來說,這款基於 OpenAI 開發的大型語言模型(Large Language Model)的聊天機器人(Chatbot),就彷彿是一個全能小秘書一般,可以整理文案、改錯字,甚至連寫程式碼都不在話下。

場景轉換到影像領域,如今市面上也有同樣由 OpenAI 打造出的圖像生成平台「DALL·E 2」,或是大名鼎鼎的「Midjourney 」,都可以很有效率的將使用者文字描述轉換成圖片。雖然這些平台生成的內容偶爾還是會出現「破圖」的情況,例如頭髮少一塊,或是出現奇怪色塊等,但它們的生成速度極快,也能產生不少令人印象深刻的高品質內容;對於一般大眾而言,自然充滿吸引力。

陳駿丞解釋,過去也有許多以文字產生圖片的嘗試,但品質並不佳,而現在之所以可以顯得如此真實,便是借助了「擴散模型」(Diffusion Model)的強大威力。大約 2019 年左右,「擴散模型」逐漸超越了原本主流的「生成對抗網路」(Generative Adversarial Network,GAN),吸引大量研究人員投入,也因此衍生出「Midjourney」這類的圖片服務,打個字、按個鈕便能生成美美的圖片。進階使用者還可以輸入如同咒語般長的自訂提示詞(Prompt),生成符合需求的圖片,甚至還有人專門訓練生成提示詞的 AI,各種 AI 藝術社群也如雨後春筍般成立。

提示詞給的資訊越多,就越有機會用繪圖 AI 生成想要的客製化圖片。
圖|研之有物(資料來源|Midjourney)

神奇 AI 訓練師——「擴散模型」與「生成對抗網路」

等等等等,什麼是「擴散模型」?什麼是「生成對抗網路」?想了解兩者的不同,讓我們先從比較「資深」的那個開始說起。

所謂「生成對抗網路」,其實是由兩個網路所組成的,分別是「鑑別網路」(Discriminating Network)與「生成網路」(Generative Network)。這兩者間的關係就像是考官和學生(亦敵亦友!),學生(生成網路)要負責把圖生出來,交給考官(鑑別網路)去判斷這張圖跟真實圖片的分布究竟像不像,像就給過、不像就退回去砍掉重練。

至於考官(鑑別網路)為什麼能如此精確呢?因為研究員會預先餵給它真實的圖片,好協助鑑別網路做出足夠專業的判斷、給予精準回饋。而學生(生成網路)則在這一次次「交作業、修正、交作業、修正」的過程中,畫出越來越接近真實模樣的圖片。

生成對抗網路的概念比喻圖,生成網路與鑑別網路這兩組神經網路會相互訓練,生成網路所產出的圖片會越來越接近鑑別網路的目標,差異越來越小。
圖|研之有物(資料來源|李宏毅

相比起 GAN 對錯分明、馬上定生死的特點,「擴散模型」採取的路徑相對而言非常迂迴,但是結果更為精準,如果採用知名電腦科學家臺大電機系李宏毅教授的比喻,擴散模型就像是從一塊大石頭裡面刻出大衛像,圖片就在雜訊當中!

「擴散模型」在訓練期間的第一步是加噪(add noise),以貓為案例來說,擴散模型的原理就是將一張正常的貓咪圖片,用統計方法取樣出一張特定大小的雜訊圖(例如 512*512),過程中研究人員會控制參數去加上高斯雜訊。第二步是去噪(denoise),透過減去預測的高斯噪聲,得到乾淨的原貓圖。模型訓練的越好,預測的高斯噪聲量越準。

訓練好之後,「擴散模型」在輸出的時候,為了輸出符合使用者文字指令的貓咪圖片,模型會從隨機的雜訊圖開始,應用訓練過程的去噪器,像物理的擴散過程一樣,逐漸改變每個像素點的值,反覆去掉噪點,得到最後新的貓咪圖。

如果有用過 Midjourney 的人,應該也會發現 AI 收到文字指令開始產圖的時候,是從一張模糊不清的圖片,一顆顆像素逐漸改變,變成你要的圖。

擴散模型透過加噪和去噪來訓練模型,利用去噪來生成圖片。實際生成圖片的過程,就是逐步去除噪聲的過程。
圖|研之有物(資料來源|李宏毅

陳駿丞指出,由於這些噪聲都是研究員自己加的,所以控制度極高,也可以掌握其中細部的變化過程。而這種「保姆式」訓練法,最大的好處就在於:擴散模型是一種漸進式學習的過程,因此對於細節的掌握度將會更高。

陳駿丞提到,兩種方式的訓練時間其實差不多,但以執行時間來說,「擴散模型」會比較久一點,因為需要慢慢摸索,而 GAN 則是幾乎一步到位。不過,雖說處理時間可能較長,「擴散模型」卻也因為訓練比 GAN 更穩定與更全面這份特質,可以訓練很大的資料集,也能生出較為豐富多元的成果。

侵權與假消息——生成式 AI 的負面影響

能生出細膩而接近真實的圖乍聽之下是好事,但它同時也是一把雙面刃,可能伴隨著侵害智財權、製造假消息等等負面效應。

在訓練生成式 AI 相關模型時,必定需要大量的資料做為參考,而以 AI 繪圖來說,許多資料其實是未經授權的網路圖片;假設宮崎駿的圖片被盜用去訓練開源模型,那這些生成式 AI 後來生出的圖可能就會帶有宮崎駿的風格或曾經畫過的元素,這樣是否會帶來侵權或抄襲的問題?是我們必須思考的重要課題。

而說到假消息,就一定得談到值得關注的「深偽」(Deepfake)技術。雖然這個詞很容易讓人聯想到一些負面的事件,比如新聞報導網紅小玉用深偽技術製作不雅影片。然而,陳駿丞澄清,深偽技術最常出現的場域其實是在電影工業中。其中,最知名的應用,莫過於《玩命關頭》系列電影,在拍攝期間主角保羅沃克不幸意外離世,劇組便透過電腦合成影像技術,讓主角的弟弟替身上陣,主角身影得以再次與觀眾相見。

用你的魔法對付你!反制深偽影像的 AI

深偽技術若運用得宜,便是賺人熱淚的神器,反之,卻也可能成為萬人唾罵的幫兇,面對這樣強大的工具,難道我們只能乖乖束手就擒嗎?才不!既然 AI 如此強大,那我們就訓練 AI 來對付它!

陳駿丞分享道,反制深偽影像常用的方法便是訓練「二元偵測器」,藉由蒐集大量真實與偽造影像資料去訓練 AI,讓它得以判斷影像的真偽。然而,深偽有很多種,而二元偵測器對於沒有看過的資料,表現會大打折扣。

過去人們是用 GAN 來生圖,現在是用擴散模型來產圖,未來也有可能出現新的方式,想要找出一個一勞永逸的方法,其實並不容易。

陳駿丞認真地說,深偽偵測的過程,其實很像在研發一套「防毒軟體」,防毒軟體很難永遠跑在病毒前面,大多是遇到病毒再往下思考解方。但是,面對這樣的情況也不用完全悲觀,因為訓練偵測模型可以透過「非監督式」和「自監督式」等方式去進行模擬,進而得出比較能廣泛應用的工具。

除了偵測深偽的錯處之外,我們也可以針對訓練資料動點手腳,像是加上一些「浮水印」。許多生成式 AI 的訓練資料來自圖庫圖片,其中許多圖片自帶防盜浮水印,假設 AI 蒐集了這些素材,往後生成的圖片中可能就會出現「版權所X」等等字樣。

而我們能做的,便是為訓練資料加上肉眼看不見的浮水印。比如說,在影像領域中,伽碼(gamma)指的是用來編(解)碼照度的非線性曲線,我們可以偷偷將浮水印藏在人眼看不見的伽碼範圍中,唯有調整到特定區域,才能看見浮水印。聽起來是不是很像我們小時候用檸檬汁玩的隱形墨水呢?

同樣是浮水印,我們也可以將它藏在人眼比較不敏感的頻率中,然後偷偷放去圖片中邊邊角角的地方,讓人眼看不出來。 加入浮水印後,我們就可以進一步訓練偵測器去尋找浮水印。假設偵測器能在圖上面找到浮水印,那就可以藉此推斷圖的真偽。

而相對偵測、加浮水印等等「補救」的方式,假設我們已經掌握了一些模型的架構,便能透過添加「對抗樣本」(Adversarial Examples),直接攻入生成式 AI 的大本營,讓這些深偽 AI 只能生出一些亂七八糟、毫無邏輯的圖片,或是強迫生成特定的圖案。例如找出幾個常用、能進行臉部特徵操作的 GAN,針對它們研發相關對抗樣本,如此一來,只要加入了團隊開發的噪聲,便能同時打壞這幾種 GAN 的生成。

對抗樣本是防禦深偽模型的有效手段,干擾深偽模型的影像生成。
圖|研之有物

假消息滿天飛怎麼辦?交給深偽影像偵測器!

這麼看下來,深偽偵測若想做得好,需包含的面向又多又廣、還很複雜,但請各位別緊張,陳駿丞與中研院、臺灣大學、臺灣科技大學、成功大學、中央大學以及國家高速網路與計算中心其他教授與研究員共同組成的研究團隊,最近才剛打造出一款泛用性相對較佳的「深偽影像偵測器」,團隊其他研究成員包括王新民研究員、曹昱研究員、花凱龍教授、許志仲教授、許永真教授、蔡宗翰教授與國網的郭嘉真研究員。

這款偵測器以慕尼黑工業大學和義大利拿坡里費德里克二世大學共同提出的偽造人臉資料庫「Face Forensic++」為基礎,透過自監督的方式去產生出深偽的各式可能形式。

團隊是如何訓練偵測器的呢?具體的運作方式是:先偵測輪廓、產生一個「面罩」去界定人臉的位置;接著,再讓偵測器透過些許微調去模擬深偽影像的特徵;再來,將這些「模擬的深偽影像」丟回去當作訓練資料。經過訓練的偵測器便能大幅升級,可以根據顏色、頻率、邊緣特徵等等參數,去判斷影像的真偽,甚至可以幫這些深偽影像區分難度呢!

影片是陳駿丞與團隊的深偽辨識成果,這裡設定為辨識 Deepfake 模型。看到紅框了嗎?數值越小,就表示圖片是深偽的可能越高,這個工具不僅能告訴你影像的真假,甚至能針對顏色、頻率、調整程度做出判斷。
圖│研之有物(資料來源│陳駿丞)

聽起來,這樣的偵測器已經很完美了?陳駿丞笑著說,這樣的內容一經發表,偽造資訊的一方可能又會想辦法繞過這些地方,對雙方來說,這就是場永無止盡的攻防戰,對此,陳駿丞表示,團隊想要完成的,便是:

盡量提供一個比較完整的解決方案,提供普羅大眾各種可能的工具,盡可能讓大家的資料不會被偽造,並幫助他們偵測。

陳駿丞笑著說,在發表深偽偵測的研究內容之後,偽造資訊的一方肯定又會想辦法繞過,這是一場永無止盡的攻防戰。
圖|研之有物

深偽技術防護罩——對所有事保持懷疑

這一份深偽影像偵測器凝結了眾人的心血,陳駿丞很期待未來偵測器正式上線後,能透過國家高速網路與計算中心設計的好用介面讓大家方便操作,在詐騙防治方面盡一份心力。同時,也期待各界看到這個工具的潛力,願意成為堅強的支持力量。

那在這麼好用的工具正式上線之前,我們又該如何去判斷影片的真假呢?陳駿丞傳授了我們一些獨家小絕招:首先:注意「姿勢」,深偽影片可能會出現一些不自然的怪異姿勢;其次,可以關注「背景」,比如突然出現裂痕之類的;再來,也要看看「衣服」等等細節,可能會發現破圖的蹤跡。而影片若是出現側臉時,也比較容易發現瑕疵,比如說頭髮動得很怪、眼神不對、牙齒沒牙縫等等。

另一方面,如果影像的解析度太低,也會影響深偽偵測的準確性,所以,對於太過模糊的圖片、影片,都應該格外小心。

陳駿丞也提醒,隨著相關造假技術日臻成熟,圖片、影片中的細微瑕疵將會越來越難以察覺,這時候,一定要謹記以下原則:

不能像以前一樣看到影片就覺得是真的,還是要抱持懷疑的態度。

假設看到一些違反常理或「怪怪」的內容,一定要多方查證,絕不可以馬上就相信。

讀到這裡的各位,想必已經被陳駿丞裝上了一套強而有力的「深偽防毒軟體」,希望大家帶著這層防護罩,在生活中遠離虛假、靠近真相!(p.s. 要記得定期更新啊!)

陳駿丞與實驗室成員合影。未來他們將和國網中心合作,正式推出深偽偵測辨識平台。
圖|研之有物
研之有物│中央研究院_96
285 篇文章 ・ 2900 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

0
0

文字

分享

0
0
0
今夏登革熱來勢洶洶,該怎麼防治?有疫苗嗎?
PanSci_96
・2023/09/21 ・2675字 ・閱讀時間約 5 分鐘

「啊!蚊子!」

登革熱好嚴重,但,還會更嚴重。過往紀錄顯示登革熱的疫情高峰,常常到 9 月才大規模爆發?這聽起來有點反直覺,我本來還以為應該是最熱的 7、8 月?但其實啊,就是要等天氣稍微降溫,當大家開始出門,不是躲在冷氣房的時候,反而比較容易傳播登革熱。

而根據近期疾管署的統計顯示,台灣各地的登革熱已經發生 4,338 例本土病例,是從 2015 年登革熱在全台造成 43,419 例之後,登革熱疫情最嚴重的一年,我們真的要注意小心!只要出門,防蚊措施不能免!

不過……話說回來,難道就沒有疫苗可以一勞永逸預防登革熱嗎?

好幾年沒聽說的登革熱,怎麼突然又「熱」起來?

這個我們就要講到台灣登革熱的發生模式,其實台灣沒有登革熱本土病毒株,所以每當登革熱疫情過去之後,登革熱病毒就會在台灣消失,而下一次的登革熱發生,就必須是境外移入的登革熱患者由國外輸入到國內,而且必須要在登革熱可被傳播的期間,被病媒蚊叮咬並傳播出去,才會造成本土的病例,所以從這點我們可以知道登革熱流行,有兩個有效的控制條件:第一、即時發現境外移入病例,直接隔絕病毒在境外。第二、控制台灣本土病媒蚊數量,以及密度,讓登革熱病毒難以傳播出來。

那過去幾年為什麼都沒有發生登革熱的流行呢?因為 2020 年開始因為 COVID-19 疫情封鎖國境,根據疾管署的資料,2020 年到 2022 年,這三年加起來全國僅有 144 例登革熱境外移入病例,而 2023 年至今已經有 158 例登革熱境外移入案例,而在 2015 年登革熱大流行時,更有 354 例境外移入案例,這也表示台灣登革熱疫情的發生,與境外移入登革熱案例息息相關。

臺灣 2023 年登革熱病例分布。圖/衛福部疾管署

尤其,台灣許多行業仰賴東南亞國家的移工,很多台灣廠商也在東南亞國家設廠,彼此之間的旅遊往來也越來越多,所以東南亞國家的登革熱疫情嚴重與否,與台灣是否會發生登革熱流行,有著高度相關。

把積水倒掉!杜絕登革熱,從減少病媒蚊產卵點開始

每年到了春夏交際時,政府都會宣導要防治病媒蚊,做好居家附近的環境衛生管理,大家耳熟能詳的【巡、倒、清、刷】四字口訣,為的是減少積水,那麼孳生源的減少,真的能夠有效防治登革熱發生嗎?

這時我們要提到登革熱病媒蚊的生殖營養週期。週期的開始是一隻未吸血的雌蚊,開始尋找適合的吸血對象,在吸飽血後,這隻雌蚊需要等待約 2 到 3 天,讓體內的卵發育成熟,接著雌蚊就會開始尋找有水的地方產卵。而埃及斑蚊或白線斑蚊產卵場,都偏好小型的水域,就像廢棄輪胎內的積水、盆栽下方的接水盆等等,當雌蚊把卵都產下來後,就完成了一個生殖營養週期,接著她會再繼續尋找下一個吸血的對象,不斷循環下去。在實驗室內條件充足的環境下,最快 3 天就可以完成一個週期,而在野外一般環境中,科學家認為 5 到 7 天可以完成一次週期。

雌蚊吸飽血後,等待卵發育成熟,就會開始尋找有水的地方產卵。圖/Giphy

猜猜看一隻雌蚊一次可以產下多少卵?答案是 50-200 顆卵。也就是說,一隻雌蚊經歷一次生殖營養週期,假設生男生女一樣多,也就可以有 25-100 隻新出生的雌蚊。吸血的蚊子等於放大了 25-100 倍的數量,所以一隻蚊子在適合環境下,經歷三代之後最多就可以有 1,000,000 隻雌蚊產生。

我們透過蚊蟲的生活史反推,這僅僅只需要一個月左右的時間。

所以回到一開始的問題,把積水容器清除可以減少蚊蟲數量嗎?如果把你居家附近的積水容器清除的話,其實會讓蚊子找不到產卵的地方,你家附近的蚊蟲的確就會減少,其中一個特殊的現象就是,如果蚊子一直沒有辦法產卵,就會將體內的卵回收成為自身的營養,等待再進入一次生殖營養週期,因此減少雌蚊下一代,自然整體蚊蟲的數量就會減少。

ADE 效應是什麼?有沒有疫苗可以防治登革熱?

除了防治病媒蚊以外,有沒有可以預防登革熱感染的疫苗呢?

其實,登革熱疫苗的開發非常困難,主要的原因是在人類中流行的登革熱病毒有四種血清型別,而不同型別之間的前後感染,有時候會造成前一型感染產生的抗體,幫助後面另外一型的登革熱病毒感染細胞,使病毒就更容易感染細胞,而這個現象也就是抗體依賴增強效應,簡稱 ADE 效應。

當 ADE 效應產生,也就容易造成較嚴重的病症,而 ADE 效應也是登革熱出血熱產生原因之一,也正是因為有 ADE 效應,登革熱的疫苗開發的難度相當大,因此這隻疫苗需要同時產生對抗四型登革熱的有效抗體,還要避免 ADE 效應的產生。

雖然有 ADE 這個大魔王擋在前面,那麼究竟能不能做出登革熱疫苗呢?

登革熱疫苗的難度在於要克服 ADE 效應。圖/pixabay

其實,在 2015 年賽諾菲巴斯德藥廠曾經有世界上第一支可施打的四價登革熱疫苗 Dengvaxia,但這隻疫苗僅能夠使用在「感染過登革熱」的人身上,主要的原因,還是因為這支疫苗打在「未感染過登革熱」的人身上,當他們感染登革熱時,會產生 ADE 效應,反而變得更嚴重。

不過近期有了轉機,日本武田製藥的 TAK-003 已經完成三期試驗,在歐盟、英國、巴西、印尼、泰國、阿根廷獲得上市許可,根據 TAK-003 在新英格蘭醫學雜誌 NEJM 和柳葉刀 Lancet 發表的論文,在施打 2 劑後,12 個月可以達到 80.2% 的不感染保護力,18 個月後即便感染,也有 90.4% 的重症保護力,而在施打後 4 年半的持續追蹤,仍然保有 61.2% 的不感染保護力,而且對重度登革熱保護力也有 84.1%,更重要的是,跟 Dengvaxia 相比,不論是否曾經感染過登革熱,都可以施打這個新疫苗,不用擔心 ADE,除了 TAK-003 外,台灣還參與了默沙東藥廠的 V181 和默克藥廠的 TV003 兩支候選疫苗的臨床試驗,可惜的是,台灣還沒有通過 TAK-003 的上市許可。

但自從 1970 年代開始研發的登革熱疫苗,面對一道又一道難關,過了五十多年後,似乎終於有疫苗可以幫助人類對抗登革熱了!

登革熱正在蔓延中,你有什麼好的防蚊秘方嗎?你或認識的人得過登革熱嗎?當時的感受是什麼呢?歡迎與我們分享。最後也想問問,你會想打最新的登革熱疫苗嗎?

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

PanSci_96
1189 篇文章 ・ 1739 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

0
0

文字

分享

0
0
0
記錄台灣早期山林樣貌的博物學者——鹿野忠雄
PanSci_96
・2023/09/21 ・2891字 ・閱讀時間約 6 分鐘

博物學家如何養成?為什麼要來台灣?

大正十四年(一九二五年)鹿野忠雄特地到台灣就讀台灣總督府高等學校第一屆高等科,那年他已十九歲,硬是等到台灣有設高等科,才來台就讀。但其實他很早就開始將四處旅行的採集成果發表成文章。自中學開始就嘗試單獨採集旅行,足跡踏遍日本東北地方、北海道、庫頁島,結交當時昆蟲學者,出入他們的研究室,學習昆蟲分類學和閱讀歐美文獻的方法。

鹿野忠雄。圖/wikimedia

他是看到前輩從台灣帶回來的昆蟲標本後,才下定決心要到台灣讀書,以便就近上山採集。高中三年曠課不斷,留級一年,畢業後也沒有馬上回日本本島申請大學,還展開一百五十天的野外調查。這些日子裡他不斷獨自入山,聘僱原住民獵人採集並且撥制標本,走過今日南投縣信義鄉的布農族部落、阿里山鄒族部落、攀爬玉山、雪山、合歡山霧社、八仙山、蘭陽溪上游桃山南湖大山間等地,甚至前往恆春探訪排灣族,到紅頭嶼探訪雅美族。

實地調查讓他大開眼界,特別是在南方的昆蟲採集跟原住民調查當中,他發現紅頭嶼動物相跟台灣不太相同,他開始思索台灣生物到底是靠大陸系統近,還是靠菲律賓近些。這使他對自然地理學產生興趣,回本島後考上東京帝國大學的理學部地理學科。

文字版 MIT 臺灣誌——《山、雲與蕃人》

鹿野忠雄想深入山區調查,必須取得警方許可,且還要聘雇原住民幫忙背裝備,登山費用頗高。學生時期他多是仰賴母親的資助。且在日本統治台灣期間,台灣五萬分之一地形圖的側繪並未完整,因此民間或者政府的登山活動,都還沒有精確的山岳測量依據,很多地方只有主要高峰有山名,標示著山稜、溪流與「番社」的相對位置,以及粗略的等高線。因此如果想要一窺台灣山岳的面貌,當時的文獻相當欠缺,因此也才引發登山活動的熱潮,許多非原住民的民間登山隊首次登頂記錄,也約略是發生在這時期。

比如鹿野打算在雪山尋找圈谷地形時,便要聘雇原住民腳伕扛行李,同時也請他們追捕小動物跟鳥類,在路上做些標本的前期剝制處理。但是由於鹿野行速飛快,腳伕不堪折磨,最後甚至丟下行李逃走。

值得一提的是,當中有一位阿美族青年托泰布典,是以助手的身份隨行。他會講流利的日語,還看得懂英文,因此能幫鹿野整理英文書籍,也能看得懂藥罐上的英文標示。他眼中的鹿野忠雄,討厭警察官僚作風,尊重蕃人的風俗,而且膽子很大,喜歡走沒人走過的路線,四處拍照跟觀察地形,晚上也不休息,要馬上洗底片,以及漏夜寫筆記,記錄下白天發生的事情。

鹿野忠雄的著作《山、雲與蕃人》。圖/臺灣歷史博物館

在他的重要作品《山、雲與蕃人》中,留下登山路線圖和仔細的登山日誌,當中不時出現對特殊地質現象的描繪,比如在海拔 3900 公尺處發現海底沈積的岩面有濂痕(ripple mark)。或者是當時特殊景觀的描寫,比如攀登玉山南峰與南玉山段,便曾記錄與新高駐在所的警官真瀨垣丑丙與東埔社的布農壯丁馬其里(Makili Takeshitahoan)一同登玉山絕頂,途中行經路段,不屬於東埔社布農族的狩獵範圍,因此馬其里也沒來過。真瀨垣警官則帶他們去看玉山神社,鹿野特別寫道,裡面的「御神體」是一面鏡子。

跨界整合台灣自然與人文知識

在《山、雲與蕃人》中可以讀到鹿野幾個面向的關懷:

  1. 挑戰攀登台灣山岳的熱情
  2. 發現原先地圖跟文獻沒有記載的地形、地質現象
  3. 出於研究跟溫飽,在獵捕動物時親自體會到動物的生之本能
  4. 理番政策下,警方極力希望日人不要跟蕃人來往,並產生不少突發事故,怎麼順利入山並與蕃人相處變成重要問題。

但是在這樣的旅行之眼下,卻反映出鹿野這種看似個人興趣,自發的台灣自然知識採集和分類工作,能夠一次又一次的出發調查,其實是以國家殖民統治以及研究經費為後盾。

鹿野並非台灣自然知識研究的第一個人,在他之前,西方跟日本已經陸陸續續展開零星的調查,逐步推進從平地到山地的動物相、植物相調查,相關的動植物學、礦物學和地質學的目錄、圖譜出版越來越多,以及地質學跟地形學考察也逐漸系統化發展,同時因為總督府的理蕃事業與藩地開發政策,也展開人類學的調查,這些科學政策及科學教育改革,影響到民間文化活動,如昆蟲、植物的採集旅行,大眾刊物的發表及閱讀等等。

因此鹿野忠雄的貢獻在於他是跨學科的研究者,熟悉博物學以及人種誌的調查方法,在那時代也是少數。他想徹底了解台灣山林,就連被日本以蕃地治理的狀態也想去了解,而不只是關心自然的那部分。同時他也不像是在室內的地理學家或者人類學家,只靠文獻判讀並且歸納,而是不畏艱難,親身去到現場,採集並且記錄下第一手的材料。

鹿野忠雄(中排右三)於紅頭嶼警察署前。圖/wikimedia

忘了回家的探險者

在太平洋戰爭期間,西方駐菲律賓學者貝雅,曾在馬尼拉和鹿野短暫交流過,鹿野從貝雅身上知道不少西方學術動態,而他曾經幫助貝雅,把原來的玻隕石標本收藏悄悄搬到安全的地方——帕西古河北岸的沃森大廈,但又不會落人口舌,讓人覺得日軍大敗,不敵美軍,已經在安排撤退的情勢。

而在一九四四年,鹿野被派駐到北婆羅洲,要沿著日軍的補給路線,調查一支未開化的姆錄族(Muruts),確保到時補給運送時能夠跟當地民族協調順利。他們要穿越雨季中的昏暗紅樹林,在飢餓、瘧疾等風土病的威脅下,還要面對當地人士對日軍的不滿,設法確認或更新原本很粗略的地形圖,以及正確標示部落名稱跟位置。

但隨著戰況情勢危及,美軍轟炸亞庇,日第三十七司令部南移到沙蓬,使得鹿野和助手金子必須跟著南下覆命,卻在途中失去蹤跡。在戰爭中原本就很容易失去彼此聯繫,鹿野消失的訊息是在戰爭結束後才輾轉傳開,找他的人如貝雅發現戰俘收容所裡也沒有他的蹤跡,有傳言因為抗命所以遭到日軍殺害。

參考資料

  • 高嘉勵(2016)鹿野忠雄的台灣高山行旅書寫——日治時期「自然」的現代知識建構與美學表現,中外文學,第 45 卷,第 1 期,頁 119-165。
  • 鹿野忠雄(2000)山、雲與蕃人——台灣高山紀行,台北:玉山社。
  • 王鑫(2000)南湖大山圈谷群古冰河遺跡研究初步調查,內政部營建署太魯閣國家公園管理處八十九年度研究報告。
  • 山崎柄根(1998)鹿野忠雄——縱橫台灣山林的博物學者,台北:晨星出版。
PanSci_96
1189 篇文章 ・ 1739 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。