健康牛奶從牧場出發

成立於 1824 年的英國品牌吉百利（Cadbury），以製造糖果和巧克力聞名全球。1881 年他們首次接到來自澳大利亞的訂單，從此當地人也能嚐到其產品甜美的滋味。多年後，吉百利先是看上那裏優質豐沛的牛乳，而在塔斯馬尼亞設廠；後來又併購位於墨爾本的公司，擴大營運。^[1]2023 年某些南澳的乳牛，也開始吃吉百利的零食。^[2]

乳牛的飲食

畜養乳牛是一門講究營養調配的科學，需要充足的碳水化合物、胺基酸、脂肪酸、礦物質、維生素和水份等，來確保牛乳的品質與產量。碳水化合物是乳牛能量的主要來源，佔泌乳期 70% 的飲食，可以從草、糖、飼料與穀物等食物中攝取。^[3]以天然食材來說，碳水化合物大致分為纖維素和半纖維素等，組成植物細胞壁的結構性碳水化合物；以及澱粉與糖等，存在植物細胞質裡的非結構性碳水化合物。牛瘤胃（rumen）內的微生物，會將碳水化合物發酵。其中非結構性的比較容易進行，而且以糖最為快速。^[4]

乳牛吃糖

具 30 多年畜牧經驗，擔任全國性產業公會澳洲乳品（Dairy Australia）理事長的 James Mann，在南澳有超過 4,000 頭乳牛。^{[2, 5]}以往除了放牛吃草，Mann 理事長就像許多同業，也會給牛嚐點甜頭。^[2]基於發酵難易度的差別，多種碳水化合物混著吃，能讓瘤胃裡的微生物，隨時都有得忙，一直幫乳牛補充能量。拿適量的糖，取代乳牛飲食中的澱粉，既可以促進泌乳；又不太會影響瘤胃內的 pH 值，而害牛乳的脂肪比例下降。^[4]

唯一的問題是，2023 年全球糖價上漲。^{[2, 6]}

全球糖價飆升

2 年前全球糖價疲軟時，每噸曾經連澳幣 400 元都不到。然而北半球糖業出口國，例如：印度、泰國和中國等，2023 年的產量都不如預期。地處南半球的巴西，則遭逢大量降雨，擾亂物流。於是就在澳洲的甘蔗進入採收季前，4 月的全球糖價竟衝破每噸 800 元。當地蔗農遇上幾十年未見的榮景，喜孜孜地打算大賺一波；^[6][註]同時卻也苦了需要用糖的產業。

眼見成本飆升，腦筋動得快的 Mann 理事長，決定調整自家乳牛的菜單。他跨州從墨爾本運來一般巧克力、櫻桃巧克力、蜂巢巧克力、蛇軟糖和牛軋糖等。反正吉百利不要的，他家的牛全包。巧克力含有糖和油。^[1]脂肪類食物提供的能量，是碳水化合物或蛋白質的 2.25 倍，而且跟糖一樣，也能增加牛乳的產量。^{[2, 3]}總之，一箭雙鵰。Mann 理事長在 6 月初，因為這個大膽嘗試，接受媒體專訪，分享創意飼育的心得。^[2]

食品加工與環保

他家乳牛所吃的糖果和巧克力，不如市售的吉百利產品，裹著包裝，還印上原料與營養成份。儘管部份造型跟人類吃的還算接近，更多是輾得粉碎或不可名狀。有時甚至整塊沒剁，以半成品的形式出現。幸好乳牛並不挑嘴，來者不拒，又似乎沒有偏好特定口味。^[2]

理事長表示，若不是乳牛幫忙消耗，這些廢料原本大概會被工廠丟掉，所以他的作法對畜牧和環保都好。的確，避免食物浪費雖然最好從源頭做起，但是當製造商無法減少廢料時，再利用也是不錯的補救辦法。^[2]

至於生產出來的鮮乳如何？Mann 理事長開玩笑道：「既然巧克力牛奶由我們生產了；我希望草莓牛奶有別人負責。」不過，他家鮮乳的味道其實沒有特別不同，最終還是得與其他牧場的混和，經過工廠加工才能製成調味乳。^[2]

備註

多數澳洲蔗農早在 2022 年談好 2023 年 4 月的大盤售價，所以不會馬上受惠於全球糖價飆漲。然而，他們還是可以喊價 2023 年後續每噸澳幣 756 元，以及 2024 年 651 元。^[6]

參考資料

1. Cadbury and Mondelez Australia Pty Ltd. ‘Our History’. Cadbury. (Accessed on 01 JUN 2023)
2. Boisvert E, Adamo E. (01 JUN 2023) ‘Dairy cows munch on reject chocolate and lollies that would have gone to landfill’. ABC News, Australia.
3. Erickson PS, Kalscheur KF. (2020) ‘Nutrition and feeding of dairy cattle’. Animal Agriculture, 157–180.
4. Ravelo AD, Vyas D, Ferraretto LF. (2022) ‘Effects of sucrose and lactose as partial replacement to corn in lactating dairy cow diets: a review’. Translational Animal Science, 6(2):txac044.
5. ‘James Mann appointed Chair of Dairy Australia’. (31 JUL 2020) Dairy Australia.
6. Brann M, Cooper L. (20 APR 2023) ‘Sugar prices skyrocket after lower-than-expected output overseas in good news for Australian growers’. ABC News, Australia.

我們都喝過牛奶、吃過雞蛋，但你知道應該怎麼照顧這些生產農產品的動物呢？牠們在生產人類食物或是成為食物之前，可是一個個的生命呢！

近年，聯合國持續推動「友善畜牧」，倡導對待雞、豬、牛等家禽家畜，應該從過去著重在防範汙染、促進產業發展，轉變為關注動物本身的健康和福利，將牠們視作事業夥伴，一起創造價值。

那我們就舉乳牛為例吧！

平常我們趴在桌上睡午覺，一下子就會腳麻、手麻，而乳牛每天需要躺臥14個小時，那麼，乾淨舒適的休息空間是不是對牠們非常重要呢？

擁擠的畜舍、寄生蟲的傳播，都會讓乳牛生病，水泥地面或橡膠地面則會讓乳牛因容易滑倒、劈腿而受傷，高溫高濕的環境，也容易讓乳牛處於熱緊迫的狀態，就像我們中暑一樣，造成不適。

乳牛身體一不舒服，食慾就會降低，進而影響乳牛的乳量和乳液成分，就會使得我們買到的牛奶就不優囉！

一起用行動支持友善畜牧吧！

台灣有不少人都喜歡喝鮮奶，甚至還有餵過牛牛，這種超值得炫耀的經驗。而說到鮮奶，大家想必都有自己的「愛牌」，像是「鮮乳坊」就是很多人喜歡的選擇之一，其創辦人暨獸醫師阿嘉，從2015年就開始實踐友善畜牧的精神，慢慢串聯認同理念的酪農，再將利潤投入產業永續發展。

大家下次去超市，記得可以注意「快樂牛牛」生產的鮮奶，一起用行動支持友善畜牧！

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。

• 採訪撰文│林承勳
• 美術設計│林洵安

自動化音樂展演的可能性

人工智慧（簡稱 AI）技術日新月異，不只打敗人類圍棋高手，現在更用在醫療、交通、金融、資安各領域，遍佈了你我的日常生活。中央研究院資訊科學研究所副研究員蘇黎讓 AI 又多了一項新技能：自動化音樂展演。「虛擬音樂家系統」創造出具有動畫形象的虛擬人物，配合真人一同演出，而且演奏動畫和音樂伴奏皆可自動產生。未來，經營 VTuber（虛擬 YouTuber）背後可能不再需要龐大製作團隊，只要專注在企劃和劇本，其他讓 AI 幫你一鍵生成！

真實與虛擬合奏的貝多芬小提琴奏鳴曲

虛擬音樂家系統，這是蘇黎與其團隊最近的研究成果，他將 AI 應用到音樂表演現場，並試圖推展到整個多媒體產業。這套系統已實際在舞台演示，並與多個音樂展演團隊合作，包括：沛思文教基金會、清大 AI 樂團、長笛家林怡君、口口實驗室等。

以近年蘇黎舉辦的音樂會為例，主要可分為兩部分，一個是台上親手彈奏著貝多芬〈春〉第一樂章伴奏部分的真人鋼琴家；另一個，即為該場演奏的特別之處：正在螢幕裡演奏主旋律的虛擬小提琴音樂家。這場表演是人類與「虛擬音樂家系統」的巧妙組合，真人鋼琴家彈奏的過程中，虛擬音樂家系統除了負責合奏，同時還要生成螢幕上虛擬演奏者的動畫身影。

不放槍、不搶拍的自動伴奏系統

虛擬音樂家系統的「自動伴奏」，不同於卡拉 OK 的機器伴奏，演奏者不需配合伴唱音樂，而是程式控制伴唱音樂以配合演奏者，讓演奏者自由詮釋樂曲。但因為要配合真人演出的現場發揮與不確定性，自動伴奏的運算必須又快又準。蘇黎指出，這也是研究中比較具有挑戰性的部分。

自動伴奏系統的音樂偵測器、音樂追蹤器與位置估算單元，讓虛擬音樂家精準掌握真人演奏實況。

舉例來說，想要跟人合奏，首先要確定能同步開始，這個重責大任就由自動伴奏系統中的「音樂偵測器」擔綱。「音樂偵測器是偵測音樂什麼時候發出，但現場會有其他聲音，不可以讓機器聽到雜音就以為演奏開始了。」蘇黎說，因此團隊會先將整個樂譜，輸入到虛擬音樂家的自動伴奏系統中，並在演奏會場早早就讓系統持續待命，只要音樂偵測器偵測到樂譜的第一個音，伴奏隨即啟動。

自動伴奏系統在確認演奏開始之後，馬上又有另一項任務：追蹤音樂進度。因為每位音樂家會有自己的演奏風格，而且真人不管如何熟練，都還是有可能出現搶拍或延遲等變數。追蹤音樂進度的這項任務，便由自動伴奏系統中的「音樂追蹤器」和「位置估算單元」來執行。

「音樂追蹤器採用多執行緒線上動態時間校正（online dynamic time warping）演算法，每一個執行緒在最短時間內各自計算並取平均值，以找出最貼近該音樂家當下演奏速度的數值。」蘇黎解釋，追蹤器抓到現場演奏速度後拿來跟參考音樂檔案比對，就能推測多久後會演奏下一個音。至於位置估算單元，則是用來估計當下已演奏到整個樂譜的哪個位置。

虛擬音樂家系統藉由上述的自動伴奏技術，追蹤真人演奏進度，並自動觸發並演奏相應的聲部。目前團隊已經將偵測到觸發伴奏的平均延遲控制在 0.1 秒左右，但蘇黎的目標是要降低到「0.01」秒內。蘇黎表示，音樂心理學已證實，就算是沒有經過專業訓練的一般人，0.1 秒的誤差聽起來仍非常明顯，「延遲 0.01 秒可以勉強不引起業餘人士的注意；但面對專業音樂家時，延遲可能要到 0.001 秒左右才能過關。」

訓練 AI 自動生成虛擬音樂家動畫形象

現場音樂表演是影音的雙重享受，所以虛擬音樂家除了擁有自動伴奏的「聲音」，還需要擁有將表演動作形象化的動畫「影像」。

真人音樂家演奏時，不論是情感的表達、與其他合奏者及觀眾互動、還有操作樂器的動作等，都存在個人差異，沒有一套固定標準。例如拉琴的手勢，10 個音樂家可以有 10 種不同的習慣。因此蘇黎與研究團隊採取的方法是：取得大量影音資料，讓 AI 學習如何製造虛擬音樂家的肢體動作。

首先，徵求多位專業小提琴演奏者，穿上有標記點的特殊衣服，站在有動態捕捉裝置的空間中，演奏不同風格曲目。蘇黎使用的 3D 動作偵測技術，會偵測音樂家全身骨骼的關節點，作為虛擬音樂家動畫生成的訓練資料，並在訓練動畫生成模型的過程中，重點關注持弓的右手如何移動。

透過 U 型網路、自注意力機制等核心技術，來輸出虛擬音樂家動態肢體影像。

在訓練 AI 與生成動畫影像的過程中，需要卷積神經網路來協助完成工作。蘇黎團隊採用的模型是 U 型網路（U-net），負責圖像之間的轉換，由編碼圖層傳到解碼圖層。它的優點是速度快，而且輸入輸出格式相對容易設計，能一次輸出大量資料點。「 U-net 可以一次輸出單一時間的所有肢體骨架點，而非一個一個骨架點逐步輸出。」蘇黎說。

除此之外，還有自注意力（self-attention）機制，讓 AI 學習判斷肢體動作與音樂的相關性。因為肢體動作跟音樂都是序列形式，有時間上的關聯性，假設真人音樂家某個動作在大鼓響起時一直出現，就會判定兩者存在關聯。之後自注意力機制在虛擬動作生成過程中，只要聽到該音樂的大鼓聲出現，就會發出明顯訊號，認為此時要搭配相應的肢體動作。

簡單來說，想要自動化生出虛擬小提琴家，不僅聲音要到位，動畫也要足夠精準。音樂需要自動伴奏系統，即時追蹤真人演奏者的進度並觸發伴奏；而相應的肢體動作，則有賴透過 U 型網路與自注意力機制，讓 AI 在音樂現場了解此時要搭配何種動作。

進階挑戰：由聽覺到視覺的跨感官轉換

自動生成聲音和影像後，研究團隊還有一個更進階的目標。「我們想讓機器聽到某一首歌，就聯想到一幅畫。但坦白講，這種音樂到視覺風格轉換（music-to-visual style transfer）非常困難。」蘇黎說。當初有學生向他提出這個構想，想要訓練 AI 將音樂與畫面連結。只是這設定一開始就困難重重，因為最重要的訓練資料幾乎是無法取得。

AI 並非無中生有，機器學習有賴龐大、高品質的資料。

想要讓 AI 學習聽音樂聯想畫面，就必須要有真人示範，聆聽音樂並畫出心中所浮現的畫面來當作訓練資料。找人聽音樂不難，但找來的人未必善於繪畫；即使花大錢請畫家參與實驗，人少沒有代表性，人多則風格又可能大相逕庭。「演奏動作還有跡可循，但大家聽音樂腦補的畫面都不一樣，這樣是沒辦法當作訓練素材的。」蘇黎點出其中關鍵。

研究團隊決定退而求其次，改成在一組音樂跟一組影像資料庫，透過兩者之間共享的語義標註（labels），試圖建立起對應關係。就像是電腦在連連看，如果配對起來共通點還算合理就成功。此時問題又來了，所謂「合理」實在難以界定，於是執行標準只好再一次降低，音樂與畫面的共同標註越簡單越好。

「雖然這跟當初想像中的差距非常大，但目前我們也只能用創作年代來當標註。」蘇黎說，經由創作年代這個共同標註，電腦聽到 1800 年的樂曲就會連到同樣年代的圖畫。即使不符原本理想，模型建立起來後，在虛擬音樂家系統裡還是可以發揮一些功能，像是為演奏會搭配符合音樂年代的背景畫面，或色彩效果。

如何成為音樂資訊研究者？

在虛擬音樂家系統之前，蘇黎與實驗室團隊（音樂與文化科技實驗室）在自動音樂採譜方面的研究已經有豐厚成果，他們研發出開源工具《Omnizart》。

《Omnizart》是音樂與文化科技實驗室研究成果集大成的實用開源工具。

它具備當前全世界最多樣樂器組合的分析功能，只要輸入一段音樂，不管是鋼琴獨奏、多重樂器、打擊樂，還是和弦辨識、節拍偵測，甚至是困難的人聲處理，都會幫你分析。

「像鋼琴這類樂器的話，是音樂進去《Omnizart》，生出 MIDI；而人聲進去會輸出成供電腦判讀的數位資料。」蘇黎解釋，透過這些數字化的音訊數據能了解每一瞬間的音高變化，或是泛音、抖音等手法。研究自動採譜 AI 是因為，蘇黎想探究如蕭邦的夜曲等，這些百年來不斷被重複演奏超過千百次的古典樂，在不同時代、風格迥異的音樂家手中究竟是如何被詮釋。

而這次蘇黎用 AI 創造虛擬音樂家系統，同樣也是源於本身對音樂的喜愛與好奇。不是科班出身的他能彈奏鋼琴、吉他，會吹小號，喜歡聽經典的古典樂。對蘇黎來說，興趣是驅使研究向前的一大動力，他認為身為研究者必須要時常探索新的領域，因此常會要求自己不斷接觸世界各國的在地歌謠。

蘇黎的下一步，是以現有虛擬音樂家系統為基礎，加入更多細膩動作（例如臉部表情）的虛擬多人樂團。他也坦言目前自動伴奏系統、肢體生成還有風格轉換這三項技術，都還有很大的進步空間。想訓練電腦產生出更貼近真人演奏者動作的虛擬音樂家，必須花大量人力取得更多影片資料。「民眾常以為不用多做什麼 AI 就會自己學習，但真相是沒有夠好的資料什麼都不用談。」蘇黎解釋，AI 研究者的時間幾乎都耗在蒐集資料上。

同時，研究室也在規劃下一場發表。蘇黎認為，實體演奏會是考驗研究品質最好的方式。除了訓練好模型，現場還有很多要克服的變數，像是很多音樂廳沒有網路，團隊必須將整場演奏會所需的模型，事先設計成用一台筆電就能執行。「總不可能演奏到一半，資料量太大電腦跑不動，然後要跑出去連網路吧。」蘇黎笑著說，音樂會現場要面對很多做研究時不曾碰到的狀況，是很刺激、有挑戰性的任務。

AI 將是未來主流，是好、是壞終究取決於人心。

AI 出現之後，自然也面臨許多批判，例如工作是否會被 AI 取代，甚至以 AI 操控虛假言論或用在軍事用途，但蘇黎覺得，主導權終究還是躲在背後操作的「人」。同樣，隨著虛擬音樂家系統日漸完善，真人音樂家是否擔心未來飯碗被搶走？令人意外的是，蘇黎說身邊最期待這個系統的反而就是與他合作的藝術家，「別小看他們，藝術家可是一群勇敢、期待新事物、信仰未來的人。」

延伸閱讀：

• 蘇黎（2021）。〈我們與機器的距離：與人類互動的虛擬音樂家系統〉，《中研院訊》。
• 張凱鈞（2017）。〈天才莫札特的傳說很狂？現在只要一鍵就做得到！〉，《研之有物》。
• 音樂與文化科技實驗室，《Omnizart: Music Transcription Made Easy》。
• Wu, Y. T., Chen, B., & Su, L. (2020). Multi-Instrument Automatic Music Transcription With Self-Attention-Based Instance Segmentation.IEEE/ACM Transactions on Audio, Speech, and Language Processing, 28, 2796–2809.