2

0
2

文字

分享

2
0
2

紅皇后與有性生殖

科學月刊_96
・2011/05/13 ・4501字 ・閱讀時間約 9 分鐘 ・SR值 580 ・九年級

紅皇后假設是演化學中知名的理論,原本只是提出生物因為彼此競爭而會有共同演化現象,後更引伸來解釋有性生殖的出現。

程樹德

英國作家卡洛(Lewis Carroll)在他的奇幻大作《愛麗絲鏡中奇遇》(Through the looking glass, and what Alice found there)裡,描寫小女孩愛麗絲在夢中變成棋子,與紅皇后博弈(圖一)。紅皇后腳步疾行如風,但人卻總留在原地,落後於她的愛麗絲喘著大氣說:「在我們家鄉,您走得這麼快,肯定早不知走到那去了!」紅皇后說:「那是多慢的國度,在這你光是費勁跑,也只能留在原地。如果想到別的地方去,你至少得跑兩倍快才行!」

化石堆裡窩出紅皇后

1973年,終日窩在美國芝加哥大學收藏的化石堆及書山中的范華倫(Leigh van Valen),在研究海洋化石多年後,得到一個結論:「一科動物,不管牠在地球史上已存活了多久,牠滅絕的機率依然不會更小,而是隨機的變動,其意義即是不管過去表現多佳,想要生存,未來依然是危機重重呢!」

多年浸淫在化石堆,沒有太注重邊幅的范華倫,提出理論時鬍子長得快要比老年時的達爾文還長了。他體會到物種之間的生存競爭一向不容易,一物種縱使再適應牠所在的物理環境,但牠的競爭者和敵人不會讓牠鬆一口氣,因為這些競爭者也要適應同一個環境。由於資源有限,生存成了一場兩方競爭者無法雙贏,趨向零和的博弈。

范華倫在自己的理論中提出兩個重點。首先,生物面臨惡劣的物理環境,如乾旱冰冷飢饉,對生存誠然是挑戰,但在造成生物死亡的原因當中,物理環境占的比例算小,大多讓生物致死或失去繁殖能力的,仍以寄生蟲、掠食者及競爭者為主,因此他在論文中把演化壓力的主方向,由物理環境轉到生物環境。

-----廣告,請繼續往下閱讀-----

其次,既然生物在需要生死搏鬥的競爭當中會不停變化,那為何有些物種的形態始終滯留不變,甚至長達百萬年呢?范華倫認為生物會變,是因為與其他生物的武裝競賽,其變的重點可能是內在的生理及生化結構。這競賽可能表面似乎不變,但底下「鴨子划水」較勁更殷呢!這讓范華倫回憶起兒時讀到的紅皇后一角,她跑得飛快卻始終留在原地,便以此為自己的這項理論取了個童話般的名字——「紅皇后假設」(Red Queen Hypothesis),用來表示物種必須不斷演化,才能在競爭中保持現有地位,不致於被競爭者淘汰。

圖一:愛麗絲在鏡中世界遇上紅皇后,被強迫跟她競技。這一幕讓范華倫有所感觸, 用來命名他的演化理論。

范華倫把紅皇后假設稱為一個新演化定律,向一流學報投稿,但都被退了回來,最後論文被一個當時新設立的期刊《演化理論》(Evolutionary Theory)所接受,成了該期刊第一卷的第一篇。由於此文甚受演化學界重視,《演化理論》便因這篇論文一砲而紅。

雖然范華倫起初以「演化的軍備競賽」為主軸立論,但其他學者將之延伸到「有性生殖」上,使這一個理論有了新的面向。與無性生殖相比,有性生殖比較麻煩,不但雌雄要互相尋覓,而且雄性對生殖的貢獻雖稱緊要,但相對於雌性而言,投入資源之比例較小。因此若一個物種內,同時存在著有性生殖與無性生殖方式,那讓兩者競爭後代數量,則對行有性生殖者是很不利的。舉個例吧:若無性生殖(孤雌生殖)每次生4個子代,每一子代又生4個,第二代即有16個個體;但有性生殖要雌雄合作,方生4子,4子之中只有兩雌,故第二代只有8個個體,才兩代在數量上就有此差異,再久些有性生殖者豈不被排擠光了?因此若其他條件不變,有性生殖恐怕鬥不過無性生殖,不太可能演化出來。

有性生殖優勢何在?

但有性生殖畢竟出現了,而且不少動物都以之為唯一的繁殖方式,那麼尋求它的優點,就是眾多演化學家提出有性生殖優勢理論的目的了。就這些理論所注重的題材,大致可以區分為兩類:遺傳上或生態上的優勢論。

-----廣告,請繼續往下閱讀-----

從遺傳的層次來看有性生殖,它的優點是能造成個體基因的重新組合。雌雄各約貢獻了一半的基因,造成新子代,因而第一個有性生殖的優勢理論,認為好基因能因代代重組而歡聚一堂,產生更能適應外在環境的個體,這些個體再生殖更多後代,讓好基因的比例繼續累積上升,最終取代較次的基因。但好基因畢竟稀少,要在大族群內讓許多好基因聚首,真要等待不少時光,因此第一個理論的缺陷,便是發生的速度太慢了。

相對地,壞基因常因突變而產生,無性生殖者除不掉這些阻礙生存能力的基因,長久累積下來,後代子孫便會含有許多壞基因,適應不了環境,容易早夭。這個理論是由遺傳學家穆勒(Herman Muller)所提出,別名叫穆勒撐高機(Muller’s ratchet),取自撐高機裝置的特性——以單方向懸動拉抬重物,若反向運動恐會壓死底下的工作者,故會有安全裝置預防意外發生,藉此來形容基因的累積不會輕易往反向移動。相較之下,有性生殖可藉基因重組,拋棄壞突變,故有性生殖的第二個優勢理論,便是立足於避免壞基因在穆勒撐高機下累積的困境,甚至讓撐高機的機制反轉,經有性生殖淘汰掉壞突變較多的後代。

然而以上兩個基於遺傳上的優勢理論,均有發生時間過於遲緩,難以觀察的缺陷,於是生態解釋應運而生。理論演化學家威廉斯(George Williams)注意到,草在所生長環境周邊蔓延時,會向外長出無性的根或莖,但是當要送出遠行的小種子時,才會行有性生殖。相似的還有蚜蟲在氣候穩定的夏天行無性生殖,秋末才進行有性生殖,讓後代待在囊狀卵中熬過環境惡劣的冬天。威廉斯以彩票為例,說明這兩種模式背後的策略。

無性生殖就像購買大量同號碼的彩票,而有性生殖像買少量但號碼張張不同的彩票,兩者相較,前者中獎時雖然獲益會比後者高,但是後者的得獎機會要遠高於只買單一號碼,以此來比喻無性生殖與有性生殖在不穩定環境下尋求生存的效宜,故他的理論又被稱為彩票理論(lottery principle)

-----廣告,請繼續往下閱讀-----

加拿大蒙羅特羅市的貝爾(Graham Bell)試著為彩票理論來尋找證據。依據彩票理論,動植物若處在高緯度或高海拔處,因地理環境艱困而多變,那麼為了產生能適應變化的後代,行有性生殖者應該多於無性生殖。此外淡水環境易有旱澇、冰凍及溽暑等變化,而海水環境較穩定,故淡水生物行有性生殖的機會應該較海水生物要高。但貝爾研究的結果卻跟預期相反,反而是體形較小的無性生物喜住在多變或相對艱困的環境。

既然彩票理論也不怎麼受現實的證據支持,美國科學家季士林(Michael Ghiselin)便根據經濟學理論,提出分歧是對物種較佳經營策略的說法,他認為同種生物其實也會和同胞兄弟競爭,如果這些子代能有不同之處,可能會提高整體的存活率。就像是若父母靠某行業維生,到子代時如果沒有作出改變,兄弟全都開設同樣的店,則這個行業可能就會因為出現太多同行的競爭者導致難以為繼了。貝爾將這理論命名為「樹根糾纏的河岸論」(tangled bank hypothesis),源自於達爾文大作《物種起源》的最後一段,提到一個生物聚集的河岸。

圖二:噬菌體能入侵細菌體內,藉細菌的資源增殖。這張 電子顯微鏡照片中,小顆粒群即為噬菌體,右邊的半圓形 則為被噬菌體入侵的細菌。

貝爾的一位學生伯特(Austin Burt)接著推論,若河岸論有理,那麼體形小而生育率高的生物在行減數分裂時,染色體交換(crossover)發生的比率應該會多些,以增加後代的變異。結果卻又跟理論相反。他算出在一個週期的減數分裂中,人類染色體發生交換的平均數量有30個、兔子10個,原本預期應該最高的小鼠只有3個,表示長壽且成熟較晚的哺乳類,其染色體交換的頻率反而比較高。

以上諸多理論不是發生時效太慢,就是缺乏證據支持,因此演化學家只好繼續構思新的理論。當范華倫的紅皇后假設一出現,應用該理論的有性生殖優勢理論就應時而生,其中一例是針對寄主跟寄生蟲的關係,來說明有性生殖的好處。

-----廣告,請繼續往下閱讀-----

由於寄生蟲既多種又難防,因此寄主與寄生蟲的演化鬥爭,就無時無地不在進行,而有性生殖的好處,恰好在於能創造不同於親代的子代。只是有性生殖的子代基因會重組,上一代能有效抵禦寄生蟲的基因組合,在下一代反可能被打破,這似乎與前文有些矛盾,但考慮寄生蟲也可能演化出破解上一代抵禦能力的招數,則下一代寄主產生的新招數,反而讓同在演化的寄生蟲所難以預料。

用細胞及分子生物學來說明更易解釋,寄生蟲想侵入寄主,必定要結合到寄主細胞表面的接受器,故接受器似鎖,而寄生蟲的侵入蛋白似鑰匙。寄生蟲如果演化的速度夠快,便有機會演化出鑰匙蛋白,以入侵寄主;而寄主方面可以靠有性生殖存個鎖庫,每一代都拿出不同的鎖,用來防止寄生蟲破解。

美國科學家賴夫利(Curtis Lively)為此跑到紐西蘭研究一種淡水螺(Potamopyrgus antipodarum)和牠的寄生吸蟲(trematode)的關係。此螺會行純孤雌生殖,也行有性生殖,兩種生殖方法的螺均有分布在該島湖泊及河流中,而能寄生這種螺的吸蟲會吃掉螺的性器官,使其無法產生後代。

賴夫利針對66個湖中的螺,調查牠們有性及無性生殖的個體比例,以及被吸蟲侵擾的頻率,發現如果湖中的吸蟲越多,則該湖中的雄螺比例越高,表示他們比較常行有性生殖,亦表示這支持紅皇后假設。

-----廣告,請繼續往下閱讀-----

紅皇后的性演化理論自此有了證據的支持,而范華倫原設想競爭者之間的演化軍備競賽,尚不易有實驗的佐證,因為寄生蟲雖世代較短,但若寄主壽命很長,則不易觀察出兩種生物的演化互動,但若利用可以短時間大量繁衍的微生物,讓寄主是細菌而寄生蟲是噬菌體病毒(圖二),則比較容易研究它們的共同演化關係。

軍備競爭 終獲證據

由英國利物浦大學、牛津大學等四個單位聯合發表的一篇論文,利用一個簡單的實驗,來測驗病毒與細菌的共同演化關係。這個共同演化實驗,使用了1000隻噬菌體病毒(Φ2噬菌體病毒),來感染1000萬隻假單胞桿菌(Pseudomonas fluorescens),待兩天後再取出60微升的菌液,建立下一代的細菌跟病毒。

在這種處理中,細菌跟病毒都有可能演化,故可視為一個共同演化體系。而在對照用的控制組中,則是先用氯仿破壞細菌,使其釋放菌體內的病毒,再取60微升病毒液感染原始菌株,在這種操控下只有病毒可能演化,而細菌因為一直反覆使用原始菌株,故演化的機率極低。如此做了12代(換瓶一次叫一代),共計6個共同演化的實驗組及6個病毒單獨演化的控制組,然後再分離族群內的病毒,決定其核酸序列,與起始的祖先相比對,並繪製親緣關係樹。結果發現,共同演化組中有5群病毒,與開始實驗時的原始病毒序列相差甚多,而只進行病毒演化的6個族群,與原始病毒序列相差較少,可見病毒在有寄主細菌共同演化的競爭壓力下,其分子演化速率才會較快,這正與紅皇后假設相符。

研究者還取共同演化跟單獨演化的病毒,去感染不同族群內演化的寄主,發現共同演化出來的6組病毒感染力各有不同,但是控制組單獨演化的病毒,已完全不能感染實驗組經歷過共同演化的寄主細菌,表示這些細菌有了明顯的改變,雖躲不掉被共同演化的病毒感染,但已能抵禦控制組中單獨演化的病毒侵襲。

-----廣告,請繼續往下閱讀-----

研究者從這些病毒的序列中,發現有4個基因發生最多的變化,其中一個基因是負責病毒尾狀構造的蛋白,在病毒進行感染侵入細菌時有重要功能,所以是共同演化受到競爭壓力最大的地方。經過12代演化後,病毒的尾部長度明顯縮短了,或許表示短尾的病毒比原本尾部較長的病毒更能感染寄主。

在這個簡單實驗中,研究團隊蒐集證據,支持范華倫的軍備競賽假設,即當寄主與寄生蟲互鬥時,雙方分子可能共同發生高速演化,造成遺傳分歧的後果。相對於人類的科技發展,發展最快的時段,不也是在有競爭壓力下的幾次大戰跟冷戰期間嗎?

引用文獻:
1. Ridley, M., The red queen:sex and the evolution of human nature, Penguin Books, 1993.
2. Paterson, S., et al., Antagonistic coevolution accelerates molecular evolution , Nature, vol. 464:275-278, 2010.

本文作者為程樹德,任教於陽明大學微免所

-----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 2
科學月刊_96
249 篇文章 ・ 3833 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。

0

3
1

文字

分享

0
3
1
為機器人換上「物理大腦」:一場終結AI數位囚禁的革命
鳥苷三磷酸 (PanSci Promo)_96
・2025/09/03 ・5732字 ・閱讀時間約 11 分鐘

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。

-----廣告,請繼續往下閱讀-----

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?

新一代AI晶片NVIDIA® Jetson Thor™ ,這顆號稱能驅動「物理AI」的超級大腦 / 圖片來源:研華科技

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。

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----
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? / 圖片來源:shutterstock

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 。

-----廣告,請繼續往下閱讀-----

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

-----廣告,請繼續往下閱讀-----
  • 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:

-----廣告,請繼續往下閱讀-----
  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 。

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 / 圖片來源:研華科技

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?

-----廣告,請繼續往下閱讀-----

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 。

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 / 圖片來源:shutterstock

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

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

2
1

文字

分享

0
2
1
從一片荒蕪到綠色星球:細菌與光合作用如何重塑地球——《你的身體怎麼來的?》
商周出版_96
・2025/01/27 ・3861字 ・閱讀時間約 8 分鐘

-----廣告,請繼續往下閱讀-----

喜出望外

海中糟粕化為盎然綠意

這個星球現在仰仗光合作用運轉。

──史緹耶可.戈盧比奇(Stjepko Golubic)

四十億年前,地球的陸塊相當單調,黑色、褐色、灰色的岩石上一片荒蕪,火山朝著無氧的大氣噴發毒素,人類乘坐時光機回到那時間點會立刻窒息。當時地球上僅有的生命形態是細菌,以及比英文句號還小得多的單細胞生物。然而若往前快轉幾十億年,來到距今僅三億五千萬年前後,會發現大氣中氧含量接近人類已經習慣了的百分之二十一,這是個很奢華的數字。

那個年代,海洋中滿是巨大生物四處洄游,植物入侵陸地並為人類的演化鋪路。地球從無法居住的荒土蛻變為藍綠色的生命樂園,這麼戲劇性的轉折是什麼力量在背後推動?

種種因素之中有一項特別醒目:直到一九六〇年代人類才開始意識到光合作用的力量不下於各種地質學事件,改造這顆星球的手段神祕且驚奇,非常難以想像。

地球從荒土到生命樂園的蛻變,歸功於光合作用的出現。圖 / unsplash

改造過程中,光合作用或許曾經引發大規模生物滅絕。科學家一度認為其威力能夠與核戰浩劫相提並論,使這顆行星被寒冰覆蓋化作巨型雪球。但同時光合作用又輔助、甚至促成「不可能」的演化捷徑,進而提高生命多樣性,最終使植物甚至人類得以存在。科學家如何研究太古時代的自然變動?而光合作用又如何將地球鬧得天翻地覆?

-----廣告,請繼續往下閱讀-----

疊層石背後的生命故事

十九世紀末期,有人找到能夠追溯光合作用悠久歷史的第一條線索。那時候沒有任何證據指向距今大約五億五千萬年的寒武紀之前有生命存在,然而一八八二年冬天美國大峽谷深處名叫查爾斯.沃爾科特(Charles Walcott)的岩石收藏家改變了一切,後來還當上史密森尼學會的主席。

沃爾科特的故鄉是化石天堂紐約州由提卡市(Utica)。小時候他生得瘦瘦高高,喜歡在父母的農場以及附近未來岳父擁有的採石場內找化石,十八歲離開校園之後先去五金行當店員,卻自己閱讀教科書、研究化石並撰寫論文、與著名地質學家通信來維繫心中熱情。他曾經蒐集古代海洋生物三葉蟲的化石標本,品質在全世界而言也是數一數二,後來慷慨出售給了哈佛大學。

沃爾科特的勘探技巧十分高明,也藉此就職於新成立的美國地質調查局。一八八二年十一月,地質調查局局長、同時自己也是探險家的約翰.威斯利.鮑威爾(John Wesley Powell)要求沃爾科特勘測迄今為止無法進入的大峽谷深處。

鮑威爾之前嘗試過,但只能乘坐小木舟趁漂流時稍微觀察最底層岩石,後來他就在偶爾有「刺骨寒霧、雪花飛旋」的地方紮營監督,帶人修建一條從峽谷邊緣延伸到下方三千英尺(約九百一十四公尺)處溫暖地帶的陡峭馬徑,並且讓時年三十三歲的沃爾科特帶著三名工人和足夠支撐三個月的食物、九匹上鞍的騾子沿著那條臨時小徑進入谷底。

-----廣告,請繼續往下閱讀-----

「高原之後就會積滿雪,」鮑威爾告訴他:「春天之前你和搬運工無法離開峽谷。希望這段時間裡,你能好好研究地層序列,盡量收集化石。祝好運!」

對沃爾科特而言,這是千載難逢的機會。他已經發現一些已知的最古老化石,例如神似甲殼類但奇形怪狀的三葉蟲。此外,達爾文發表《物種起源》不過四十年前,但因為缺乏最原始的動植物或細菌化石而遭到很多抨擊。批評者仗著沒有化石這點堅稱所有物種都是神造,懷疑論者也要求達爾文證明古代有過更單純的生物,可惜他只能委婉表示若生物體很小就不容易留下化石,希望有朝一日會出現。

充滿驚喜的山谷

沃爾科特深知達爾文的窘境。他沿著陡峭原始小徑下降到幾乎沒有生命跡象的大峽谷谷底,然後用心觀察周遭環境。山谷、懸崖,除了石頭還是石頭,但這一隅紅色天地很得他喜愛,不過同行的化石收集家、廚師和馱獸管理員就未必能夠分享那份悸動了。

他們沿著八百英尺(約兩百四十四公尺)峭壁吃力前行,其中一段就是現在的南科維山徑(NankoweapTrail),一般認為是大峽谷裡最危險的路線,河流地形坡陡水急即使沿岸也難以行走,有時候不得不自己開路以求深入。後來一頭騾子死亡、另外兩頭受傷。旅程中至少一次,沃爾科特筆中的墨水結凍了,但又必須在篝火邊融冰為水給騾子飲用。但最可怕的其實是死寂與孤獨,才三個星期就導致那位化石收集家夥伴憂鬱求去。但沃爾科特不同,能來到谷底他太興奮了,堅持了七十二天才踏上歸途。

-----廣告,請繼續往下閱讀-----

有一天他爬上爬下,對部分岩石中層層線條感到好奇,乍看很像切開的包心菜。這些圖案極不尋常,所以沃爾科特認定是生物,後來將其命名為藍綠菌(最初曾視為藻類)。他還聯想到自己在紐約州看過來自寒武紀時期的類似化石,取「隱含生命」的含義命名為隱藻化石(Cryptozoön)。然而大峽谷的情況有點不同,這些化石明顯可見,卻又位於更古老的岩層內,因此歷史比任何其他已發現的化石都久遠。

沃爾科特在大峽谷的古老岩層中發現了類似藍綠菌的化石,命名為隱藻化石,揭示比已知更古老的生命存在。圖 / unsplash

沃爾科特後來在蒙大拿州等地持續發現同樣古老的隱藻化石,接著其他古生物學家也在前寒武紀岩石內察覺到疑似化石的特殊圖案,種種線索指向最原始生命形式的證據可能保存在寒武紀前的石頭裡。即便如此懷疑論調不斷,尤其某個長期存在爭議的標本被證明了並非化石,而是火山石灰岩經過壓力和高溫形成獨特的礦物沉積。

隱藻化石的爭議:解鎖前寒武紀生命的證據

一九三〇年代,沃爾科特去世的四年後,劍橋大學最具影響力的古植物學家蘇厄德(Albert Charles Seward)決定加入辯論,卻在後來被古生物學家肖普夫(William Schopf)形容是「讓煮熟的鴨子飛了」。蘇厄德在史稱「隱藻化石爭議」的事件中嚴格審視前寒武紀化石證據,得出結論認為這完全是一廂情願,所謂的化石與現存物種之間沒有明顯關係,大型結構並未顯示出由較小細胞組成的特徵。

他主張沃爾科特在隱藻化石找到的環狀圖案可能是海底富含鈣質的淤泥沉積,人類本來就不該期望細菌這樣微小的生物會被保存在化石,最後又語重心長告誡科學家:有些尋找化石的人太過一頭熱,他們宣稱找到特別古老的標本時不能輕信。

-----廣告,請繼續往下閱讀-----

地位如此卓著的人物提出警告,導致地質學家不願再從岩石尋找距今約五億年以上的化石,畢竟找到的機率幾乎等於零。久而久之許多人認定了生命在地球上的歷史很短,這顆星球的前面四十億年、其歷史的九成之中根本沒有生命存在。微生物學家史緹耶可.戈盧比奇指出許多科學家以「前寒武紀」一詞指稱生命尚未問世的太古時期,其實這是陷入「現有工具檢測不到就代表不存在」的思考偏誤,將缺乏證據直接視為否定證據了。

時間來到二十年後的一九五〇年代中期,澳洲年輕研究生布萊恩.洛根(Brian Logan)隨地質學教授菲利普.普萊福德(Philip Playford)探索了位置偏遠的鯊魚灣,也就是澳洲西北海岸一片孤立的鹹水潟湖。站在這兒的海灘,淺藍色海水退潮時會露出如夢似幻的奇景:數百顆三英尺(約九十一公分)高的圓柱狀岩石林立,彼此間距很小,彷彿堅硬粗糙如石塊的蘑菇聚集叢生。

兩人詳細調查了這片怪異石陣,然後意識到理解沃爾科特隱藻化石的關鍵。眼前這些不僅是活化石,還能回答一個經典謎語:什麼東西既死又活?石頭表面曾經活著,是藍綠菌累積起來形成網罩般的構造。海水進出時,這層菌網會捕捉沉積物。而藍綠菌死亡後,沉積物固定在原位如海綿狀的石塔,於是又有新的細菌附著其上、形成新的一層網罩。

細菌以同樣方式在太古海洋中創造出沃爾科特的隱藻化石,現在稱為疊層石,語源是希臘文stroma(層)和lithos(岩)。目前只有鯊魚灣等少數幾個地方能找到疊層石,環境對其他多數生物過於鹹澀無法生存。但另一方面,已經化石化的古老疊層石則在世界各地皆有發現。

-----廣告,請繼續往下閱讀-----

澳洲地質學家偶然發現還活著的疊層石,同時美國兩位地質學家史坦利.泰勒(Stanley Tyler)和埃爾索.巴洪(Elso Barghoorn)也宣布找到了蘇厄德口中不存在的化石標本,其中微生物有單細胞也有多細胞,藍綠菌絲也包括在內,而且這些化石都有大約二十億年歷史。「許多人很震驚的,」戈盧比奇表示:「原本以為生命在寒武紀才爆發,之前什麼都沒有。寒武紀應該是起點才對。」但現在普遍接受最古老的疊層石化石上微生物活在三十五億年前,依舊是地球誕生的十億年之後。達爾文和沃爾科特應該很欣慰。

哪種細菌造出最古老的疊層石?無法確定是已經會行光合作用的藍綠菌,抑或是它們的祖先。不過藍綠菌至少二十四億年前已經存在於海洋。

——本文摘自《你的身體怎麼來的?從大霹靂到昨日晚餐,解密人體原子的故事》,2025 年 01 月,商周出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

商周出版_96
123 篇文章 ・ 364 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商周出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。

0

1
0

文字

分享

0
1
0
台灣有恐龍嗎?化石學家帶你探索島嶼的古老秘密——《好久・不見》
麥田出版_96
・2024/11/02 ・2579字 ・閱讀時間約 5 分鐘

台灣的地理位置與化石形成

台灣也有化石嗎?台灣也有恐龍嗎?

世界地圖攤開一看,台灣陸地上的面積看來是不大,但其面對的太平洋,不只在我的想像中、在我多年搭著飛機到世界各地檢視相關的標本,試著拼湊出鯨魚們在數千萬年間演化歷程的經驗中,我知道也相信台灣的地底下,必定蘊涵著能跟我們講出帶有全球視野的化石標本。

同時,台灣除了被海洋包圍之外,那平均深度只有六、七十公尺深的台灣海峽,也清楚的意味著,當更新世的冰河時期讓海平面下降幅度來到或超過這個臨界點時,台灣就會成為歐亞大陸最東南邊的一角。

相信在台灣的不少人都常聽過,台灣在冰河時期會和中國大陸連在一起,但我在跟大家解釋這樣的環境變遷與古生物演化時,總是會特別強調我不想泛政治化,但世界地圖清楚的標示出台灣的地理位置應該是可以、也該要放在更大的版圖:歐亞大陸的板塊底下來討論,而不是只有限縮在與中國大陸連結的關係。

畢竟,當我們像是讚嘆著非洲地區的陸生大型哺乳動物,能在以年為單位的時間軸來進行長距離的移動時,基本上是用「萬年」以上的尺度來探討生物演化、移動的古生物學,處於歐亞大陸東岸的台灣上的大型脊椎動物,要橫跨歐亞大陸到西邊、或是反方向的來到台灣,大概都會是稀鬆平常的移動距離。

-----廣告,請繼續往下閱讀-----

建立起這樣的思維模式後,當然就是需要有最直接的化石證據來驗證這樣的想法,或深入討論其化石標本的背後,隱藏了怎樣的大尺度演化事件。

大型脊椎動物跨越歐亞大陸到台灣,在古生物學的長時尺度下是平常現象。圖/envato

早坂一郎的開創性研究與犀牛化石

二○一八年一月底從日本的筑波搬到台北後,一邊重新改造所接手的退休丘臺生教授的實驗室、一邊開始準備新學期的上課內容;除此之外,很重要、也是主要的工作內容,就是要開始到野外和各個單位的收藏庫裡尋找、檢視相關的化石標本,試著解讀其背後所帶有的古生物學、演化學上的意義。

有趣、但不令人意外的是,知道我開始要在台灣從事大型脊椎動物化石研究的人,第一個反應通常都會是:台灣也有化石嗎?台灣也有恐龍嗎?這樣之類的疑問。

要回答台灣有沒有化石紀錄的出現,我在日本的工作經驗,和剛好不小心娶了日本太太,讓我能從搬到日本工作前還不會五十音的狀態,到現在能有一定用日文溝通和閱讀日文文獻的基礎能力,幫了很大的忙。

-----廣告,請繼續往下閱讀-----

因為,台灣的古生物研究歷史,基本上就是從日治時期展開並奠下根基。也因此,有一定的日文能力和在日本古生物學界中遊走的經驗,確實是對於一些細微的狀況,更能推敲或掌握。

舉例來說,我目前所服務的台灣大學於一九二八年創立時的前身:日治時期的台北帝國大學,一開始創校時就加入的早坂一郎教授,可以說就是在研究台灣大型脊椎動物化石的先驅,也就不意外為什麼一九八四年在台灣所發現、並被命名為一個新亞種的犀牛化石,會以早坂為名(犀牛的故事書寫在第四話)。

延伸閱讀:從放牛學生到震驚世界:左鎮犀牛化石背後的傳奇——《好久・不見》

台灣有化石的出沒,對生物多樣性、生命演化等議題有些敏感度的人來說,大概不會太意外。但台灣有沒有令許多人為之瘋狂的恐龍,聽起來就是一個棘手許多的疑問。

或許出乎大多數人的意外,台灣不只有貨真價實的恐龍,還有台灣才有的特有種恐龍!

-----廣告,請繼續往下閱讀-----

一九九三年上映的《侏羅紀公園》(Jurassic Park),可以說是徹底的激發了全世界對於恐龍的狂熱與追逐。即使到了二○二四年的今天,恐龍的形象,對於大多數的人來說,似乎就是古生物學研究的全部了。

《侏羅紀公園》激發全球恐龍熱潮,至今在大眾心中恐龍仍象徵著古生物學。圖/wikimedia

但恐龍有如此的代表性,可不是只有形象般的讓人摸不著邊際,而是有全世界各地的古生物學家用一生的精力,和政府、私人所挹注的大量資源,來試著一點一滴揭開恐龍那引人入勝的演化歷程。

舉一個比較可以讓大多數人理解到我們對於恐龍知識是如何持續的累積、建構起來的例子:我正在書寫這段文字的當下是二○二○年的五月中旬,這年從一月一日到這個時間點,已經有二十種,先前完全未知、生存於中生代的恐龍們被古生物學家發現,並且正式的命名為新物種、發表在國際間相關的古生物學研究期刊中—平均不到一個禮拜,全世界就又會多了一種中生代的恐龍在我們的知識體系中!

台灣的鳥類恐龍故事:恐龍演化新視角

藉由這樣的研究能量,我們現在不只清楚的知道所有現生鳥類都是貨真價實的恐龍,連我上課在談論恐龍演化所使用的教科書,所提到恐龍定義裡的其中一個主角,即有我們幾乎每天都會見到面的麻雀:

-----廣告,請繼續往下閱讀-----

恐龍包含了滅絕的三角龍和現生的麻雀最近的共同祖先,以及從這共同祖先開始的所有後代,都是恐龍。沒有被包含在三角龍和麻雀最近的共同祖先裡的後代,都不是恐龍。

大部分隨口問我台灣到底有沒有恐龍的人,我基本上都很難有足夠的時間用上述簡短的內容來說明,因為可以感覺得出來,大部分的人,真的都只是隨口問問,大概也沒有打算真的想要了解恐龍、或是古生物學的研究工作到底是怎麼一回事,背後又有什麼重要的意涵。所以我一般都只會簡短的回應著像是,台灣當然有恐龍,因為所有的鳥類都是恐龍,不只如此,我們每天也都在吃著貨真價實的恐龍肉!

——本文摘自《好久・不見:露脊鯨、劍齒虎、古菱齒象、鱷魚公主、鳥類恐龍⋯⋯跟著「古生物偵探」重返遠古台灣,尋訪神祕化石,訴說在地生命的演化故事》,2024 年 9 月,麥田出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

麥田出版_96
27 篇文章 ・ 15 位粉絲
1992,麥田裡播下了種籽…… 耕耘多年,麥田在摸索中成長,然後努力使自己成為一個以人文精神為主軸的出版體。從第一本文學小說到人文、歷史、軍事、生活。麥田繼續生存、繼續成長,希圖得到眾多讀者對麥田出版的堅持認同,並成為讀者閱讀生活裡的一個重要部分。