0

0
0

文字

分享

0
0
0

玩電玩提升認知功能不是年輕人的專利

銀髮心理科普知識推廣_96
・2013/09/05 ・2015字 ・閱讀時間約 4 分鐘 ・SR值 529 ・七年級

-----廣告,請繼續往下閱讀-----

Video-Pic

過去大家對於電玩總是帶有比較負面的印象,但其實若有規劃地去玩電玩,其實對人們是有幫助的。日前就有研究發現玩策略遊戲,可以提升年輕人的智商,之前我們介紹過香港的研究,發現使用認知訓練的遊戲,也能夠提升年長者的認知功能及幸福感。

那這次要介紹的研究有甚麼驚人之舉呢?最重要的就是,這個電玩訓練的成效是可以移轉到其他認知能力的(在這個研究中,訓練多工作業,也可以提升工作記憶及持續注意力的表現),過去研究發現認知訓練的成果是沒有辦法移轉的(也就是說如果訓練記憶力,就只會對記憶有幫助) (Owen et al., 2012 )。再者,這個研究發現,電玩訓練在腦功能的運作上也有變化。

到底是甚麼訓練這麼神奇?其實是一個很簡單的多工作業訓練,實驗參與者要同時進行兩個作業,其中一個作業是實驗參與者會在畫面上看到賽車,他們要透過搖桿讓這輛車跑在路的中央;另一個作業則是,他們會在畫面上看到不同的刺激材料,只有在看到綠色圓圈的時候,他們需要按鍵做判斷。過去諸多的研究都發現,同時進行兩個作業,會比起單獨做一個作業困難,通常多工作業會有一個耗損。下方的影片中有訓練使用的素材介紹:

他們在第一個實驗中,就比較不同年齡層的實驗參與者(20-79歲),在多工作業時的耗損,為了確保是多工作業本身造成的耗損,而非其他因素,在正式開始實驗前,每位實驗參與者都要進行適性測驗,將單一作業的難度調整到,實驗參與者可以達到80%的正確率。之後,比較不同年齡層的實驗參與者,在多工作業的耗損程度,結果顯示這個耗損隨著年齡會線性的上升,顯示隨著年紀的增長,越沒有辦法進行多工作業。

-----廣告,請繼續往下閱讀-----

在第二個實驗中,他們比較針對年長者進行多工及非多工的訓練,是否會對於認知功能有不同的影響,於是他們將實驗參與者分成三組:

研究主要分成三組:

  1. 多工作業組:進行開車遊戲時,同時要監控畫面中是否有個綠色的圓圈出現。
  2. 單作業訓練組:有一半的時間訓練開車、一半的時間訓練監控畫面是否有綠色圓圈出現,但不是同時進行兩個作業的訓練。
  3. 沒有訓練組:完全沒有接受訓練,僅跟其他兩組一樣,有接受前後測。

有接受訓練的組別,每周接受3次訓練,每次訓練1個小時,為期4周,所以總共僅接受12個小時的訓練。每次訓練都會是性調整難度,讓訓練維持是有某種挑戰性的,如果年長者在測驗中表現提升80%,他們會獲得額外的獎賞。

在測驗的前後,所有的參與者都會進行多個認知作業,包括:工作記憶(延遲再認作業)、持續注意力作業、改變偵測作業、視野大小測驗、數字符號取代作業及最單純的信號偵測作業(詳細內容,請參考附件資料檔) 。在這些作業中僅有工作記憶作業及持續注意力作業,會明顯受到多工作業訓練,而有明顯的提升。雖然不是特別驚人,但有別於過去研究發現認知訓練的成效不能移轉,這個研究證實了多工作業訓練的成效,是可以有部分移轉的。

-----廣告,請繼續往下閱讀-----

除此之外,實驗參與者在訓練前後,也接受了腦波的紀錄,結果顯示,有接受多工訓練的年長者,在前額葉中線theta波的強度會增強,這個位置的theta與認知功能的控制有關係,所以越強表示認知功能越好。他們也發現前額葉中線theta波的強度會和前額葉的腦部活化相互制衡,也就是說經過訓練會降低前額葉的活化程度。這個現象其實是好的,因為年長者會透過前額葉過度活化來彌補腦功能退化的缺失,但前額葉長期過度活化,對認知功能是有害的。

在市面上或許還買不到這個遊戲,但其實很容易就可以做類似的訓練,例如用撲克牌來做分類的作業,可以根據是梅花、紅心等來做分類,然後同時要注意,是否有10這個數字出現,只要有數字出現,就需要做一個特別的動作,這就是最基本的多工作業了。只是值得提醒大家的是,在這個研究中,他們有持續調整作業的難度,讓年長者都進行感覺略有難度的作業,要有挑戰性才能夠提升訓練的成效。

認知訓練在國外進行得如火如荼,在台灣也有越來越多的研究團隊在朝這個方向努力,例如東吳大學的汪曼潁教授的團隊之前就開發了一個煮菜遊戲,透過遊戲來訓練年長者的執行功能,台大智慧生活中心的智齡研究群也開發了一些在ipad上可以玩的遊戲,臺灣大學的葉怡玉教授及輔仁大學的黃揚名教授也在著手規劃適合年長者的認知訓練素材。雖然認知功能在不同社會文化下,不會有明顯的差異,但不同的社會文化,確實會影響年長者對於認知訓練的接受度,若能針對台灣年長者的需求為出發點,規劃適合他們、他們也願意接受的認知訓練,才會事半功倍!

想看簡短的版本,請到銀髮心理科普知識推廣部落格

-----廣告,請繼續往下閱讀-----

想知道更多銀髮族相關的訊息,請到我們的臉書專頁

參考文獻

  • Owen, et al. (2012). Putting brain training to the test. Nature, 465, 775-78.
  • Anguera, et al. (2013). Video game training enhances cognitive control in older adults. Nature, 501, 97-103
  • 推薦大家閱讀美國國家地理雜誌針對這個研究做的深入報導
-----廣告,請繼續往下閱讀-----
文章難易度
銀髮心理科普知識推廣_96
14 篇文章 ・ 1 位粉絲
我們是一群對於推廣老化知識有興趣的人,我們特別希望讓年長者對於自己的心理健康有更多的認識,歡迎和我們多交流。 部落格網址:http://silverpsynews.blogspot.tw 臉書專頁:http://www.facebook.com/silverpsynews

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----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
老花眼怎麼辦?替換老花眼鏡好麻煩,該作雷射手術嗎?
careonline_96
・2024/06/26 ・516字 ・閱讀時間約 1 分鐘

老花眼就是眼睛調節能力隨著年紀而下降。

以前年輕的時候,眼睛像是一台很好的相機,可以看得很遠、看得很近。

所謂的老花就是調節力變差,使我們需戴另一副老花眼鏡,除了近視眼鏡外,還要再加上一副老花眼鏡,來幫助我們看近物。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

careonline_96
569 篇文章 ・ 279 位粉絲
台灣最大醫療入口網站

0

7
2

文字

分享

0
7
2
人死前最後一刻會看到什麼?人生走馬燈真的存在嗎?
PanSci_96
・2023/08/21 ・5402字 ・閱讀時間約 11 分鐘

在瀕死之際我看到了過往人生宛如走馬燈快速重演,外加一束白光籠罩,為什麼那麼多人都有類似體驗?有可能用科學實驗解開這個謎嗎?

就在今年 5 月初,一項神經科學研究試著解開人在臨終前為什麼會看見人生走馬燈的祕密,研究團隊排除萬難找到受試者,並且蒐集到了第一手數據。

瀕死經驗既神祕又眾說紛紜,到底有沒有靈魂?有沒有天國和地獄?還是一切全是大腦自己捏造的幻覺?不論最終答案是什麼,都是對生命本質的大哉問。你好奇嗎?一起來看看科學家如何破解一輩子只有一次機會看見的奇異景象。

現在的神經科學觀點,怎樣看待瀕死經驗?

你怎麼看待瀕死經驗這個議題呢?是跟朋友之間閒聊的題材,帶著開玩笑的心態,還是根本認為是怪力亂神、反理性的瞎扯淡?有一群科學家可不這樣想,他們很認真地想找出答案。

-----廣告,請繼續往下閱讀-----

瀕死經驗指的是當事人因為休克、窒息、心臟病發作或遭受重大衝擊,例如爆炸或摔倒,在這些危及性命的情況下觸發的經驗。我們最常聽說的類型,包括重播一生回憶的人生走馬燈、穿過隧道到了另一個世界、漂浮在房間上方看著自己,還有遇到神明或過世的親人等等不可思議的景象。

什麼?你説有沒有看見偶像變成自己的媽媽這個類型?

看見偶像變成自己的媽媽可能是一種瀕死經驗嗎?圖/PanSci YouTube

讓我們先從神經生理學的角度來看瀕死經驗究竟是什麼。要回答這個疑問,得先問自己另一個問題,那就是為什麼睡覺的時候明明閉著眼睛,在夢裡卻能和平常一樣看到東西,而且是彩色的?

目前一個流行的觀點是,只要大腦受到電流或化學訊號刺激,就能讓我們「認為」自己看到、聽到、聞到東西,或是揮手、跑步,甚至和人說話。而且在這種情況下,大腦沒辦法分辨真假。做夢就是一個切身的實例,明明躺著沒動,夢到大吃美食就超開心,夢到數學考試還是緊張到不行。

-----廣告,請繼續往下閱讀-----

這就是《攻殼機動隊》、《駭客任務》等電影的靈感來源,《咒術迴戰》的換腦哏其實也表達一樣的意思,認為大腦就等於傳統認知裡的靈魂,藏在影片和漫畫背後是一個叫做「桶中之腦(brain in the vat)」的概念。

桶中腦是美國哲學家普特南(Hilary Putnam)在 1981 年出版的書中提出的臆想試驗,他假設有個瘋狂科學家——也可能是外星人,切開我們的頭蓋骨,取出大腦,放進培養槽裡,然後用電極把這顆大腦和一台厲害的電腦連接在一起。電腦會按照演算結果送出完美模擬各種身心經驗的電刺激訊號,例如讓我們急急忙忙離開辦公室回家,這樣的話,我們能知道自己其實只是浮在桶子裡的一個大腦嗎?

桶中之腦(brain in the vat)示意圖。圖/PanSci YouTube

事實上,隨著神經科學進步,我們現在明白,每個人的大腦都裝在頭骨的空腔裡,泡在組織液裡面,根本沒有接觸外界,只靠著神經束來接收眼睛、耳朵、手腳送來的電流訊息,然後自行生成看到、聽到、摸到等種種感覺。這樣說起來,和裝在桶子裡的腦好像沒什麼差別。

說回瀕死經驗,過去幾千年的漫長歲月裡,在全球各地文化中,臨終的經歷幾乎無一例外都屬於宗教信仰範圍,現在科學家想驗證的重點則是,這種鮮明強烈的體驗,比如走進一條隧道,或是重播回憶的人生走馬燈,究竟是不是大腦解讀流竄的電訊號,製造出栩栩如生的影像和聲音,換句話說,瀕死體驗只是腦殼裡上演的一齣獨角戲,跟天堂地獄、神鬼都無關?還是像許多古老文化傳統認為的,意識可以不必依附大腦而存在,肉身只是一個過渡階段呢?

-----廣告,請繼續往下閱讀-----

第一手觀察終於出爐,臨終期間大腦噴發異常腦波活動!

最好的辦法,是找人來做試驗,記錄死亡的整個歷程。但是這一類研究很難找到試驗對象,因此進展……可說是沒什麼進展。

過去的假說認為人的心跳停止以後,大腦活動也跟著衰減,就好像火焰漸漸熄滅一樣。雖然先前科學家在動物身上曾觀察到,心臟和呼吸驟停以後,大腦一種叫做 γ 波振盪(gamma oscillations)的神經活動突然升高,同時也偵測到好幾個腦區相繼迅速動起來,好像被點亮了一樣,可能顯示腦區之間正急速傳遞訊號。不過這些動物模式上的發現是不是能套用到人類身上,證據一直很單薄。

所謂的神經振盪(neural oscillation),另一個通俗的名字就是「腦波」,概略來說,指的是腦中特定的神經細胞群體以特別的節律同步放電,有 α 波、β 波、γ 波、θ 波等多種形式。目前的神經學觀點認為,γ 波在專注、警覺這一類精神狀態時會相對更加凸顯。

神經振盪(neural oscillation),另一個通俗的名字就是「腦波」指的是腦中特定的神經細胞群體以特別的節律同步放電,有 α 波、β 波、γ 波、θ 波等多種形式。圖/PanSci YouTube

2023 年 5 月,美國密西根大學醫學院團隊在《美國科學院期刊》(PNAS)發布一份研究報告,他們取得四位重症昏迷患者的家屬同意,在拔掉呼吸器之前,為患者戴上電極帽,偵測臨終期間的大腦活動。

-----廣告,請繼續往下閱讀-----

這四名患者中,有兩個人在拔掉呼吸器的幾秒鐘後,腦電圖突然湧現一陣劇烈的 γ 波振盪,一直持續到心跳終止。也就是心臟完全停止後,大腦並沒有馬上死亡,還持續活動了一段時間,尤其在顳葉、頂葉、枕葉交界處(Temporo-Parieto-Occipital junction),簡稱 TPO 的區域,偵測到明顯的訊號。TPO 和許多高層次的神經功能有密切關係,例如語言、視覺、辨識周圍空間,還有閱讀、書寫、辨認人臉等等。

顳葉、頂葉、枕葉交界處(Temporo-Parieto-Occipital junction)。圖/PanSci YouTube

另一方面,在這兩位患者的後腦皮質熱區(posterior cortical hot zone),也偵測到頻繁的神經活動。後腦皮質熱區和感官經驗有關,可以理解對人事物的顏色、氣味、觸感和動作等等資訊的資料庫。目前的神經學理論認為,我們做夢的時候,大腦會從這塊腦區提取訊息,構築成夢境的一部分。

巧合的是,兩位患者過去都有癲癇發作的病史,癲癇是腦部異常放電導致的一種疾病,研究者假定,這可能使患者大腦比較能「準備好」經歷異常的節律。

這項四人研究不是首例,2022 年《Frontiers in Aging Neuroscience》已經有一項開創性的研究,在一位 87 歲老人家的死亡前後同樣偵測到強烈 γ 波。不過,這次的發現純屬偶然,這位老人家因為跌倒撞傷頭,緊急送進醫院,醫護團隊正在進行腦電圖監測,傷者卻突然發生嚴重心律不整而猝逝,也使團隊有了史無前例的機會,紀錄下人類臨終期間的腦波變化。

-----廣告,請繼續往下閱讀-----

另外,先前的多個研究已經發現,健康的人在學習、專注回想記憶和做夢的時候,也會出現類似的 γ 波振盪模式,這就讓科學家把 γ 波模式和臨終時重播人生回憶的現象做了聯想。2022 年這份報告的作者之一,路易斯維爾大學神經外科醫師 Ajmal Zemmar 後來接受《Science》訪問時說,人腦 γ 波可能顯示不同腦區正在彼此合作,把對同一件事物的各種感知整合在一起,例如把一輛汽車的外觀、聲音和氣味聚合起來。在臨終的人身上也一樣觀察到 γ 波,暗示人生走馬燈背後存在著一套生理機制。

人腦 γ 波可能顯示不同腦區正在彼此合作,把對同一件事物的各種感知整合在一起。圖/giphy

密西根大學的科學家提出一個假設:人腦活動劇烈上升,可能是生存模式的一部分,一旦大腦缺氧就會啟動這種求生模式。先前的動物試驗發現,腦部在瀕死時會噴發異常腦波活動和分泌大量神經訊號分子,或許是試圖讓自己復甦的最後奮力一搏。

這項四人研究讓我們蒐集到臨終期間大腦活動的第一手證據,是一個相當大的進展。不過,臨終經歷的研究還留下非常關鍵的一塊空白,那就是受試者最後都逝世了,再也沒辦法告訴我們,出現異常腦波的人究竟看到了什麼,沒有表現異常腦波的人又體驗到了什麼,少了這一塊拼圖,我們對死亡的理解就還隔著一座奈何橋。幸運的是,有不少從鬼門關前折返的人願意說出自己的經歷,讓我們能夠繼續探索這一片神祕的領域。

瀕死經驗,讓你不必轉生也能看到異世界?

瀕死經驗對於許多當事人來說是一段非常深刻、無庸置疑的真實體驗,科學家記錄這些經歷,歸納出某些常見的模式,比如說:

-----廣告,請繼續往下閱讀-----
  • 身體的疼痛消失了,變得很輕鬆
  • 走進一條隧道,隧道盡頭可能有明亮的光線
  • 一生的許多記憶像走馬燈快速閃過
  • 感受到強烈的幸福、滿足、難以言喻的寧靜
  • 脫離軀體,漂浮在自己上方,甚至飛進一個廣大無垠的空間
  • 見到親人,或是神明

有些人進到充滿亮光的另一個世界——不是轉生到異世界那種看到另一個世界,而是有個聲音或者是守門人跟他說你還不到來的時候,將他推出門口,四周光線一下子暗了下來,當事人覺得既失落又害怕,然後被拉回自己的身體。

瀕死經驗其中一個常見模式便是走進一條隧道,隧道盡頭可能有明亮的光線。圖/giphy

要強調一點,瀕死經驗不全然是正向的,也有人感受到劇烈的痛苦、恐懼、孤單和絕望。有人見到的不是神明而是惡魔,魔鬼跟他說:「現在你落在我手中了。」有研究者懷疑,因為當事人感到羞恥或社會氛圍更期盼幸福體驗,形成一種壓力,人們因此比較不願意分享痛苦體驗,數量可能嚴重被低估。

2017 年,維吉尼亞大學一個團隊調查 122 名有瀕死經驗的人,他們發現,比起現實生活的經歷及想像的事件,受試者對於這段經驗能描述得更加生動和講出更多細節。簡而言之,瀕死經驗對經歷過的人來說,比真實還要真實。

如此力量強大又帶有神祕感的切身體驗,以我們現有的知識體系,能完全合理地解釋嗎?這是一個站在科學、哲學和宗教交會點的大哉問。

-----廣告,請繼續往下閱讀-----

現在的神經生理學框架可以解釋瀕死經驗嗎?兩派科學家大亂鬥

一派科學家認為可以解釋。《Trends in Cognitive Sciences》2011 年的一篇報告是典型的代表,光看標題就非常的立場鮮明:「瀕死經驗不存在任何超自然現象」(There is nothing paranormal about near-death experiences.),研究者強烈主張瀕死經驗全部都有神經生理學或心理學的基礎,這和我們一開始提到「桶中之腦」的概念是吻合的。

他們提出一些例子,比如說飛行員在高 G 力狀態下,因為頭部供血不足,導致眼睛視野的四邊變暗,留下中央一塊視野,像是看進隧道的感覺。腦部分泌的一些荷爾蒙,例如正腎上腺素(noradrenaline),也能引發積極情緒、幻覺和瀕死體驗的部分特徵。

覺得自己飄浮在身體上空的靈魂出竅體驗,他們認為也可以用特定腦區的電訊號活動來解釋。這牽涉到腦部的 REM 活動,REM 全名是快速動眼期(rapid eye movement),是睡眠的一個階段,在這個階段大腦像清醒時一樣活躍、眼球快速轉動,會製造出栩栩如生的夢境。由 REM 過渡到醒覺時,有些人可能看到或聽到不存在的東西,或覺得自己已經醒了但是沒辦法移動身體,也就是俗稱的鬼壓床。

科學家認為也可以用特定腦區的電訊號活動來解釋靈魂出竅的體驗。圖/giphy

聽起來好像每件事情都有解釋,對嗎?不過,現在我們對死亡的理解還有很多空缺,前述的這些理論停留在驗證階段,還有許多無法解釋或互相牴觸的部分。

例如,有科學家認為在瀕死期間,REM 活動實際上是被抑制的,不能就此認定是靈魂出竅體驗的根源。還有,眼球缺氧雖然可能導致隧道狀的視覺體驗,但是部分經歷瀕死經驗的人的血氧並沒有特別低,為什麼還會看到隧道狀景象?這就產生矛盾了。

再舉個例子,現階段科學家經常使用腦部神經疾病導致的幻覺來做為分析瀕死經驗的框架,但是神經疾病產生的幻覺以視覺佔大多數,而且通常伴隨著恐懼或困惑的情緒。然而,瀕死經驗的當事人不只清楚看到,還能摸到、聽到和聞到,甚至和遇見的「對象」發生互動,而且不少當事人的經驗是正向的。這個差異告訴我們,用疾病的機制來解釋可能是不夠或錯誤的。

最後的關鍵問題是,假如大腦是突然啟動生存模式,為了缺血、缺氧拼盡最後的餘力掙扎求生,那為什麼許多人感受到的反倒是喜悅和寧靜,而不是驚駭和恐慌?這仍然是一個謎團。

臨終經歷的論戰還在持續,正反意見激烈交鋒,不過,很少人能否認瀕死經驗是當事人真實生命的一部分,而且這種刻骨銘心的經歷和體悟可能扭轉對人生的態度,甚且改變整個後半生。

因此,保持虛心、坦承我們現階段只窺見「死亡」這件人生大事的一部分本質,繼續蒐集更多證據,對於探究生命的真相來說,或許是一種更為合適的心態。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。