寶貝兒，你看哪兒呢?

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

雖然今年才過一半，但如果要討論今年最熱門的「狗發現」，莫過於英國樸茨茅斯大學 Juliane Kaminski 所發表的論文了──「小狗眼神」的確存在。

Juliane Kaminski 透過解剖發現，在狗的眼睛周圍比狼多出了兩條肌肉，使得狗狗可以使出超級無辜的小狗眼神，讓人母愛大爆發。不過 Juliane Kaminski 好端端的，沒事去切什麼狗呢？這一搞不好可是會暴動的呀！

牠的表情，只為吸引你注意

故事還要從 2017 年說起，那一年 Juliane Kaminski在《科學報告（Scientific Reports）上發表的論文中，發現了狗狗超級會看人臉色。

Juliane Kaminski 在這篇論文中，以研究員面向或背向狗狗、手上有無拿食物等條件，觀察狗狗對不同動作的實驗者有什麼反應？在統計了 24 隻狗狗後發現，狗狗對於研究員的注意力程度（attentional state）極度敏感，當研究員面向狗狗的時候，狗狗的臉部表情相當積極表現，遠比其他實驗條件下豐富──尤其是「挑眉」（inner eyebrow raise）與「吐舌頭」的表情更是明顯。

過去人們總認為，動物臉部的表情不僅呆板，還不由自主的反映著心中情緒，並不會用於主動溝通上──但是近年來我們早在大猩猩（Gorilla gorilla gorilla）身上發現，牠們也會如同人類一般會利用臉部表情進行溝通；另一個例子更跨到了馬來熊（Helarctos malayanus）身上，同樣是來自樸茨茅斯大學大學的Derry Taylor團隊，也在今年三月的《科學報告》（Scientific Reports）上，發表了他們在婆羅洲馬來熊保育中心（Bornean Sun Bear Conservation Centre）的研究：馬來熊會精準的互相模仿玩伴表情。

顯然生物學一再告訴我們，事情沒有那麼簡單。

Juliane Kaminski 在 2017 年的這篇研究裡也強調，統計顯示研究員手上有沒有拿食物並沒有影響，這打破了過去人們認為狗狗的積極表現是出自於食慾的誘惑，真正有影響的是眼神的接觸。

確認過眼神，催產素上升

而人犬之間的眼神凝視重要性，早在 2015 年由日本麻布大學的菊水建史發表過論文證實。

菊水建史的研究指出，當飼主與寵物犬凝視的時候，彼此體內的催產素濃度都會上升。催產素何許物也？催產素是由下視丘分泌，影響情感的一重要激素，舉凡分娩、性行為、情侶熱戀、母子溫情、同伴信任、同儕關係等，都受到催產素濃度影響。甚至有人給它一個別名──愛的荷爾蒙。

菊水建史請來 30 位犬飼主與 11 位狼飼主，並測量飼主與寵物尿液中催產素的濃度。接著，請飼主與寵物（狼或狗）互動三十分鐘，研究者在旁記錄飼主與寵物間的凝視、說話與碰觸等動作，並在活動結束後再次測量催產素的濃度。

結果發現，唯有凝視的時間長短，足以解釋催產素在互動前後的濃度變化──凝視的時間越長，彼此體內的催產素濃度就越高。當狗狗與飼主互動後，體內的催產素濃度約上升了 130%，而飼主體內的催產素濃度更是一舉上升了 300%；至於狼與飼主的組別呢？狼根本不太愛瞧著飼主，數據也就毫不顯著啦。

就像個小孩，獲得了寵愛

不過為什麼與狗狗眼睛對望，會讓我們分泌催產素，感到一陣幸福呢？或許我們可以從 Bridget M. Waller 在 2013 年發表在《公共科學圖書館：綜合》（PLoS one）的文章尋找答案。此發表中指出，幼態成熟（paedomorphism）或許是諸多狗之所以馴化的假說中，最引人注目的一個。

所謂幼態成熟，指的是某些物種在發育成熟過程中，保留了幼年期的身體特徵。舉例來說，人類的身體四肢相較於其他靈長類動物發育要緩慢，使得人類維持了「幼年靈長類」的頭身比例；而以水族市場上很熟悉的六角恐龍（墨西哥鈍口螈 Ambystoma mexicanum）來說，其他種類蠑螈的成熟過程會將幼年期的外鰓吸收退化、改為以肺部與皮膚呼吸，但六角恐龍達到性成熟時仍保留了幼體特徵的外鰓。

而關於狗的馴化由來，有一個假說是這麼說的──狗其實就是幼態成熟的狼。相較於狼種，狗在馴化過程中，不論是短縮的鼻吻、較寬的頭蓋骨（cranium）、甚至是搖尾巴的行為，在野生的狼身上都較常出現在幼狼時期，不過狗卻將這些特徵延伸到了成犬階段。

這麼做有什麼好處呢？還真有。由於較短的鼻吻、較寬的頭蓋骨、挑眉所帶來的放大眼睛效果，都與人類嬰兒的型態不謀而合。這類似的臉部組成，激發了史上第一位狗奴才的母愛，也翻開了人犬互動的第一頁。

Bridget M. Waller在論文中從收容所拍攝了 29 隻狗與人類的互動，在實驗中研究員走入籠中狗狗所在的房間，在站籠子前伸出一隻手，並拍攝下 2 分鐘的影片。針對每段影片，研究人員分析狗狗的臉部表情、搖尾巴持續時間、在籠中靠近眼前人類的時間長短──以及狗狗最終在被領養前，在收容所待了多久。

結果出爐，根據統計所得數學公式，如果狗狗在兩分鐘內做了 5 次挑眉的動作，牠們在收容所平均停留的時間為 49.83 天；而如果狗狗在兩分鐘內做了 10 次挑眉動作，時間則縮短為 34.88 天；當次數來到 15 次時，時間則落在 28.31 天內──雖然隨著次數增加也浮現了邊際效應，不過顯然，豐富的臉部表情有助於狗狗博得人類歡心！

出乎意料的是，原本認為代表友善的「搖尾巴」，卻與停留在收容所的時間長短沒有什麼相關，這也再度佐證了「挑眉」是一項多麼強大的人擇壓力。

大眼睛挑眉頭，狗狗這樣賣萌

在理解「賣萌」是多麼有效的招數之後，科學家可就好奇起來，既然狼、犬之間在表情上差異如此顯著，那麼是否有著紮實的生理證據呢？別急，這不是「切」回主題了嗎？

Juliane Kaminski 在 2019 的論文中解剖了 4 狼 6 犬（個別是米克斯、拉不拉多獵犬、尋血獵犬、西伯利亞哈士奇、吉娃娃與德國牧羊犬），發現所有狗狗在眼睛內緣上方，都有一條發達的「內側提眼角肌」（levator anguli oculi medialis muscle, LAOM），正是這條肌肉讓狗狗得以在眼睛上方擠出一條，彷彿隱藏在皮毛之下的內眉毛（inner eyebrow）；而狼在相同的生理位置上，卻只有稀疏薄弱的一些肌纖維，以及大量的結締組織而已，根本無法利用這些組織「進行一個挑眉的動作」。

無獨有偶，狗狗在眼睛外側還有一條眼外拉伸肌（retractor anguli oculi lateralis muscle, RAOL），雖然這條肌肉是狼、犬皆有，不過在狗身上可要發達多了。藉由這條肌肉，狗狗可以進一步將周圍肌膚往外拉，這一睜眼睛可又更大了。

不過弔詭的是，這條 RAOL 唯獨在哈士奇身上不見，雖然 Juliane Kaminski 認為，這是因為哈士奇是較為古老的犬種之故，不過可別忘了──在遺傳分析上並沒有哪一種狗的親緣關係，比起其他種狗更接近狼。

這是因為狗並不是直接由我們今天在野外看到的狼演化而來，而是在約三萬三千年前，某一種狗與狼的共同祖先，分出幾支有些相異的後代。這些後代一支逐鹿山野，成了今天我們所看到的狼；另一支則跟隨人類的腳步，逐漸被馴化成了狗。

這就好比與兄弟各自成家立業，但各自小孩去討論誰與叔叔比較像並沒有意義，因為「姪子們與叔叔的距離」都是相同的。回到狼、犬身上，我們也只能說「某一種狗保留了與狼最多的共同祖先特徵」，並無法宣稱哪一種狗在親緣關係的演化時序上，更接近狼一些。

依據中國昆明動物研究所王國棟2015年發表在《細胞研究》（Cell Research）的研究所示，東南亞的鬆獅犬、秋田犬與沙皮狗等品種，是目前與狼最接近的基礎種群。

如果從這個結果反觀 Juliane Kaminski 的研究，就顯得 Juliane Kaminski 所採取的六種品種狗有些不足──是否缺乏RAOL的情況只在哈士奇身上？同為雪橇犬的阿拉斯加雪橇犬（Alaskan Malamute）、薩摩耶犬（Samoyed）是否也需要檢視？更加古老的東南亞犬種需要納入考量嗎？

進一步思考，哈士奇是從未演化出 RAOL？還是在後來的培育過程中丟失了？人們當初在培育哈士奇的時候，主要以「工作犬」導向選拔，那麼對於眼睛的人擇壓力還強烈嗎？大眼睛對於在雪地奔跑是有助益的特徵嗎？或許我們需要的證據還遠遠不夠。

回到 Juliane Kaminski 論文的下半場，研究團隊另外觀察了 9 匹狼、27 隻狗與人類的互動。研究員同樣以 2 分鐘的影像拍攝，在籠中的狼與狗對眼前的人類有何反應？結果並不意外，狗做出挑眉動作的強度與頻率，要遠遠高過於狼。

至此故事也大約有個輪廓了，Juliane Kaminski 的團隊認為，狗將眼角拉起的舉動：

• 一來可以放大眼球在臉部的比例，形成猶如人類嬰兒的臉部組合，誘發人類產生照顧欲望（nurturing response）；
• 二來提高內側眉毛的臉部動作，也恰如人們悲傷時的表情，更進一步激起了人們的憐憫；

而拉開眼球週邊肌肉，露出更多眼白，則又如視覺合作假說（cooperative eye hypothesis）所說──人們在溝通時因看見對方眼神所向、獲知對方意圖，因而博得信任感。是以我們回望演化之路，似乎暫時有了這麼一個答案：

狗狗遠祖在肌肉上的突變，無意間取得了人類好感，不僅興起照顧慾望，也引發了對這個物種的偏愛。

不過，貓呢？或許跟寄生蟲有關吧。

參考資料

• Kaminski, J., Hynds, J., Morris, P., & Waller, B. M. (2017). Human attention affects facial expressions in domestic dogs. Scientific reports, 7(1), 12914.
• Nagasawa, M., Mitsui, S., En, S., Ohtani, N., Ohta, M., Sakuma, Y., … & Kikusui, T. (2015). Oxytocin-gaze positive loop and the coevolution of human-dog bonds. Science, 348(6232), 333-336.
• Waller, B. M., Peirce, K., Caeiro, C. C., Scheider, L., Burrows, A. M., McCune, S., & Kaminski, J. (2013). Paedomorphic facial expressions give dogs a selective advantage. PLoS one, 8(12), e82686.
• Wang, G. D., Zhai, W., Yang, H. C., Wang, L., Zhong, L., Liu, Y. H., … & Irwin, D. M. (2016). Out of southern East Asia: the natural history of domestic dogs across the world. Cell research, 26(1), 21.

每次看到毛小孩水汪汪的眼神，你的心是不是都被融化了呢？那種不需要語言就可以傳遞的情感連結常常讓人感動地無以復加，不過啊，各位大大以後可以稍微冷靜一點了，因為其實隔壁棚的山羊也可以做到這件事（？）

是不是好夥伴？看牠的眼睛就知道

《小王子》的狐狸曾經說過，馴養便是建立關係，而如果用更精確一點的說法解釋，我們可以將馴養定義為：動物或植物族群逐漸受人類利用與掌控的過程。[1]

「假如你馴養我，我們就彼此互相需要。你對於我將是世界上唯一的，我對於你也將是世界上唯一的……」──聖修伯里《小王子》

在馴養的過程中，動物的認知和行為都會因此改變，其中，最為人所知的例子便是狗（Canis lupus familiaris）與狼（Canis lupus）的不同。雖然兩者同屬犬科動物，但只有狗兒會使用指示性和意圖性的方式與人類溝通，這是因為在馴化的過程中，犬科動物的大腦已有所改變，讓牠們擁有了這種能力。

不過，我們要怎麼確認這種溝通的能力呢？科學家嘗試運用「無解之題」（unsolvable problem）來作為測試的依據，實驗讓狗面臨自己無法解決的問題，並觀察牠們是否會嘗試與人類進行溝通。

那麼，除了狗以外的動物呢？科學家經過許多實驗發現：人們較熟悉的伴侶動物（指以陪伴為目的被飼養的動物）裡頭，狗和馬都會透過眼神和人類進行溝通以尋求協助。研究人員觀察到狗與幼兒都會察覺實驗者的注意力方向，並在面對無解之題時增加眼神接觸。而「察覺人類注意力」的這項技能，馬兒做起來也是得心應手，不過，可不是所有伴侶動物都喜歡跟人類用眼神溝通，像喵星人就不喜歡眼神接觸，這與牠們傲嬌屬性的角色設定可說是不謀而合。

山羊大大也會看人嗎？

從前的動物溝通實驗常常將對象鎖定在伴侶動物，那麼，被 養肥了下酒的 雞鴨魚豬牛等等食用動物呢？

為了解開謎底，科學家特別針對山羊進行實驗。實驗在「山羊樂園」（Buttercups Sanctuary for Goats）進行，總共找了 34 隻成年羊（17 隻雌羊、17 隻閹公羊），樂園裡的這些山羊與人類之間經歷過許多正向的互動；在實驗之前，樂園裡的員工和志工都會固定照顧山羊，牠們也可以自由取得自己想要的食物。

在正式實驗之前，山羊們先歷經了「取食練習」：在練習場地的正中央，有一塊稍高於其他部分的木板，而兩名參與實驗的人員則會分別站木板旁邊（實驗員 A ）以及距離木板 250 公分處 （實驗員 B）。實驗員 A 將食物放在木板上，並用塑膠盒蓋住，如果山羊可以在 60 秒內移動或翻倒塑膠盒並取得食物，便算過關。在練習的過程中，有 2 隻雌羊因為沒有達成任務而被排除。

而在第二階段的正式實驗中，科學家進一步將塑膠盒固定在木板上，讓山羊看得到飼料卻吃不到，成為了「無解之題」。實驗將山羊分為兩組（各 16 隻羊），甲組山羊的實驗過程中，實驗員 A 會面對塑膠盒；而乙組山羊的實驗過程中，實驗員 A 則會背對塑膠盒；而實驗員 B 則當作控制變因、始終直直盯著塑膠盒。

你在看我嗎？靠近一點，再靠近一點

在取食練習和正式的實驗中，我們可以發現山羊會根據實驗員 A 的注意方向而調整自己的行為；相對於背對自己的實驗員來說，山羊會比較早看向面對自己的實驗員，注視實驗員的目光也會停留較久。此外，當實驗員 A 面向前方時，山羊會比較快進行視線交替（gaze alternation）且視線交替的頻率也較高；而在面對實驗者 B 的時候，則沒有特別的差異。這個實驗結果從前也曾在幼兒、狗和馬的身上有類似發現。

• 註：視線交替（gaze alternation）指的是視線在人與物品間交替

在實驗中，所有的山羊都有與一位或同時兩位實驗者互動，可能是想要乞求食物。在實驗中，還有另一項有趣的發現，在下方的實驗影片中，我們可以看到：在幾乎沒有肢體接觸的情況下，山羊會在實驗者前 20~40 公尺處短暫停留 2~3 秒，這個有點嬌羞的求救舉動有可能是視線交替後的發展動作，不過，不是每一隻山羊都會有這個舉動，所以此舉背後的意義尚待釐清。

在這個實驗中，山羊展現了與狗或馬相似的行為，顯示出不只有伴侶動物會與人類產生交流或溝通，而這也改變了原本人們對於動物溝通能力的假設；除了伴侶動物之外，或許我們也應該用更全面的視角去檢視馴化對於各種動物的影響，或許我們看待動物的方式也會不再相同。

參考資料：

1. 馴養 維基百科 
2. Christian Nawroth, Jemma M. Brett, Alan G. McElligott, “Goats display audience-dependent human-directed gazing behaviour in a problem-solving task” , Biology Letters, [2016.07.05]  DOI: 10.1098/rsbl.2016.0283
3. Virginia Morell, “Video: These goats stare at men—when they want help“, Science, [2016.07.05]