積水鳳梨的開心農場

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

一萬多年前冰河時期結束後，許多地方的生態系明顯改變，例如歐亞大陸和美洲的猛獁象都滅絕了，僅有少少倖存者，殘存於北冰洋的小島一直到 4000 年前。

上述認知來自對化石遺骸的判斷，可是最近由環境沉積物中取樣古代 DNA 分析，卻指出猛獁象等幾種生物，在亞洲和美洲大陸其實又延續了好幾千年。這些證據可靠嗎，猛獁象到底什麼時候滅絕？

古時候的環境 DNA，創下 200 萬年紀錄

DNA 原本位於生物的細胞之內，生態系中有很多生物，時時刻刻留下各自的 DNA，從土壤、水域等來源取樣分析所謂的「環境 DNA」（environmental DNA，可簡稱為 eDNA），能得知環境中包含哪些生物。

如果環境樣本能保存成千上萬年，那麼定序其中的 DNA 片段，再加上化石、花粉等不同線索，便有希望窺見古時候的生態系。

威勒斯勒夫（Eske Willerslev）率領的一項研究，藉由此法重現來自格陵蘭沉積層，距今 200 萬年之久的 DNA 片段，2022 年底發表時成為年代最古早的 DNA 紀錄，也得知當年存在格陵蘭的眾多植物與動物。^{[參考資料 5]}

最出乎意料的莫過於乳齒象（mastodon），由於缺乏化石，古生物學家一直認為那時候的乳齒象，並未棲息於這麼北的地帶，此一發現充分展示出古代環境 DNA 的價值。然而 DNA 的探索範圍也明顯有侷限，例如該地區出土超過 200 個物種的昆蟲化石，DNA 卻只能偵測到 2 種。

• 延伸閱讀：格陵蘭200萬年DNA，古代生態系選擇性呈現？

猛獁象化石無存後幾千年，依然有留下 DNA

當時間尺度是百萬年時，實際是 200 萬 3300 年或是 199 萬 8700 年，也就是 200.33 或 199.87 萬，幾千年的誤差範圍無關緊要。但是當探討對象是最近一萬年，猛獁象的 DNA 究竟存在於 9000 或 6000 年前，意義就差別很大。

這兒的「猛獁象」都是指真猛獁象（woolly mammoth，學名 Mammuthus primigenius）。由另一位古代 DNA 名家波因納（Hendrik Poinar）和威勒斯勒夫各自率隊，同在 2021 年底發表的論文獲得類似結論：猛獁象化石消失的幾千年後，沉積物中仍然能見到 DNA，可見還有個體又存續幾千年。^{[參考資料 1, 2]}

波因納率領的研究探討白令東部，也就是如今加拿大的育空地區，距今 4000 到 3 萬年前的沉積層；結論是原本認為早已消失的美洲馬、猛獁象，一直延續到 5700 年前。威勒斯勒夫戰隊取材的地理範圍廣得多，包括西伯利亞西北部、中部、東北部、北美洲、北大西洋，判斷猛獁象生存到 3900 年前。

更詳細看，威勒斯勒夫主導的論文指出，猛獁象在西伯利亞東北部最後現蹤於 7300 年前，西伯利亞中北部的泰梅爾半島（Taimyr Peninsula）為 3900 年前，此一年代和北冰洋的外島：弗蘭格爾島（Wrangel）之化石紀錄相去不遠。而北美洲則是 8600 年前，比波因納戰隊的 5700 年更早。

如果兩隊人馬的判斷都正確，意思是猛獁象（與某些大型動物）在北美洲延續到 5700 年前，在亞洲大陸與外島到 3900 年；比起當地出土最晚化石的時間，皆更晚數千年。

• 延伸閱讀：猛獁草原消失幾千年後，猛獁象、美洲馬依然生還

只有 DNA 不見化石，會不會是死掉好幾千年仍一直外流 DNA？

根據化石紀錄，冰河時期結束後，仍有少少生還的猛獁象在弗蘭格爾島一直延續到 4000 年前。由此想來，當大多數同類已經滅團時，某些地點還有孤立的小團體延續，並不意外。只是我們不見得能見到化石。

然而，威勒斯勒夫主導的論文受到挑戰。質疑者提出，猛獁象這類動物住在寒冷的環境，去世後遺體如果被冷凍保存，又持續緩慢解凍，在接下來的幾千年便有可能不斷釋出新鮮的 DNA，讓我們誤以為仍有活體。^{[參考資料 3]}

舉個極端狀況。假如 2 萬年前死亡的猛獁象，去世後一直冷凍在冰層中，現在被我們取出解凍，也許其中仍保有不少生猛 DNA，可是實際上牠已經去世很久了。

上述質疑，應該是這類研究手法共通的潛在問題。發生在一百萬年前無關緊要，一萬年內卻會導致不小的誤判。

喔~~喔喔~~喔喔~~喔喔~爪爪

化石消失的時刻，往往比生物滅團更早

威勒斯勒夫戰隊則回應表示：論文結論沒有問題，沈積層中取得的古代 DNA 確實來自那時在世的動物。我覺得不論觀點是否正確，回應的思路都值得瞧瞧。^{[參考資料 4]}

為什麼動物依然存在時，見不到當時的化石紀錄？主因是動物去世後，只有極低比例的個體會變成化石。一種動物在滅團以前，通常個體數目持續降低，少到一個程度後，還能留下化石的機率已逼近 0 。所以化石紀錄最後的時間點，早於動物實際消失的年代。

和化石相比，動物遺留 DNA 的機率遠高於化石。活生生的動物就會持續排放 DNA，死亡身體分解後又會釋出不少； DNA 未必會留在原本生活的地點，不過如今的偵測技術足夠敏銳，即使只有幾段也有機會抓到。

猛獁象，活的！

是否有可能，猛獁象去世幾千年仍持續釋出 DNA 片段？的確無法排除可能性。不過這項研究中有 4 個方向，支持沉積層之 DNA 源於族群規模大減，卻依然活跳跳的猛獁象。

第一，如果環境中的 DNA 來自死亡多時的動物，那麼各地區應該都會見到類似現象。實際上只在少部分取樣地點偵測到。

第二，假如猛獁象遺骸緩慢分解，DNA 持續進入沉積層，同一地點的不同取樣應該都能見到。可是同一處地點，只有少數樣本能抓到猛獁象 DNA。

第三，不同沉積層取得的環境樣本，包含當時生態系中很多生物的 DNA。存在猛獁象 DNA 的樣本，也能見到適合猛獁象生態系的其他植物；表示猛獁象的命運，很可能與適合牠們生活的環境同進退。

第四，倘若較晚沉積層的猛獁象 DNA，直接源自較早去世的個體，遺傳多樣性應該不會變化。然而較晚出現的粒線體型號明顯變少，後來只剩下一款。

實際狀況沒人可以肯定。我覺得前三點，都涉及樣本保存的潛在問題，干擾因素較多。第四點大概是最有力的證據，支持環境沉積物中留下的 DNA 並非源於死象遺骸，而是活體猛獁象。

研究日新月異，腦袋也要趕上

科學研究日新月異，不少人見到論文寫什麼就信以為真，卻不了解做研究其實有很多限制，即使是結論「正確」的論文，也會處處碰到解釋的侷限。

持續搜集證據，反覆思考才能進步。腦袋要靈活運用，但是也不要胡亂腦補！

延伸閱讀

• 猛獁旅行家，1.71萬年前旅行將近2圈地球
• 哈靈頓馬非馬？已滅絕的美洲馬家新成員上線啦！ 
• 怎麼知道亞馬遜雨林中的壁畫，真的是冰河時期創作？
• 最早古代DNA，超過一百萬年的西伯利亞象
• 古代DNA尋找與格陵蘭人發生關係的動物們
• 沒有化石沒關係，從泥土也能取得尼安德塔人DNA！
• 丹尼索瓦洞穴泥土中的DNA，丹尼索瓦人，尼安德塔人，智人
• 墨西哥遺址泥土中獲得美洲黑熊、大短面熊DNA
• 【2022 年諾貝爾生理或醫學奬】復現尼安德塔人消逝的 DNA，也映襯我們何以為人

參考資料

1. Murchie, T. J., Monteath, A. J., Mahony, M. E., Long, G. S., Cocker, S., Sadoway, T., … & Poinar, H. N. (2021). Collapse of the mammoth-steppe in central Yukon as revealed by ancient environmental DNA. Nature Communications, 12(1), 1-18.
2. Wang, Y., Pedersen, M. W., Alsos, I. G., De Sanctis, B., Racimo, F., Prohaska, A., … & Willerslev, E. (2021). Late Quaternary dynamics of Arctic biota from ancient environmental genomics. Nature, 600(7887), 86-92.
3. When did mammoths go extinct?
4. Reply to: When did mammoths go extinct?
5. Kjær, K. H., Winther Pedersen, M., De Sanctis, B., De Cahsan, B., Korneliussen, T. S., Michelsen, C. S., … & Willerslev, E. (2022). A 2-million-year-old ecosystem in Greenland uncovered by environmental DNA. Nature, 612(7939), 283-291.

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。

香蕉皮太難吃？磨成粉就好啦！

香蕉氣味芬芳、味甜爽口、肉軟滑潤，幾乎人人都愛吃。通常大家吃完香蕉後，剝下的香蕉皮，都直接扔進垃圾桶。然而，根據外媒 ScienceDaily 的報導，其實香蕉皮的營養價值很高，被丟掉實在太可惜了！

香蕉皮因纖維含量極高（纖維質約佔了一半），不適合生吃，但 ACS 食品科學與技術期刊上最新的研究發現，這些香蕉皮乾燥後，磨成一種富含纖維、鎂、鉀和抗氧化物的「香蕉皮粉」，即可廢物再利用。

科學家們嘗試將香蕉皮粉取代一部分的麵粉，加入甜餅乾的麵糊中，製作成香甜的香蕉皮餅乾。結果發現香蕉皮粉取代麵粉比例愈多的餅乾，纖維、酚類物質含量愈高，抗氧化活性更好。

其中，以 7.5% 香蕉皮粉取代麵粉所做出來的餅乾，風味甚至比只用麵粉烘烤的餅乾更加美味^[1]。如此看來，我們似乎可以利用香蕉皮粉替換掉麵包、蛋糕或餅乾配方中的精緻麵粉，使這些邪惡的烘焙點心變得更營養。

香蕉皮真的有那麼厲害嗎？

香蕉營養又好吃，其實「皮」比果肉更營養？！

香蕉果肉本身含有豐富的營養成分，包括鉀、鎂、葉酸、維生素 C、維生素 B6、色胺酸及膳食纖維等。果肉柔軟香甜，無種子且易剝皮，如此方便又營養的水果幾乎人人愛吃^[2]。

而香蕉皮的營養價值更勝果肉，除了擁有果肉原本的營養素之外，還含有更多的膳食纖維、蛋白質、色胺酸、血清素與其它生物活性物質。據研究，香蕉在成熟的時候，香蕉皮中的血清素濃度是果肉中的三倍^[3]。

傳統上，香蕉皮被視為一種中藥材，〈中藥大辭典〉中提到《廣東中藥》如此記載：「蕉皮為芭蕉科植物甘蕉之果皮，原植物見香蕉條。秋季收拾蕉皮曬干。果皮，鮮者黃綠色，干者黑褐色，呈不規則之條塊狀， 軟而韌，纖維眾多，具有較長的果柄，柄之纖維性較強，長約 4 至 5 厘米。以干燥、潔凈者為佳。主產廣東。內服治痢疾。炒過煎水服，治霍亂肚痛。煎水洗治皮膚瘙癢。」

而在現代藥理上，許多動物實驗已證明，香蕉皮具有抗氧化、改善情緒、治療憂鬱症、抗腫瘤和降血壓等效果^[4]。

阿嬤說：「失戀就要吃香蕉皮！」，真的假的？

說到香蕉皮具有改善情緒的效果，讓人不禁想起有一種說法是「失戀要吃香蕉皮」，這是為何？

因為香蕉皮中含有豐富的兩種物質，分別是色胺酸與血清素。

色胺酸（tryptophan）是無法經由人體合成的必需胺基酸，只能從食物中攝取而來。其可減少抑鬱症狀和焦慮、提高睡眠效率和睡眠時間、改善經前症候群、調節腸道微生物組成和多樣性、抗發炎、抗氧化等作用。

而色胺酸亦是「血清素」的前驅物，血清素（serotonin）是人體中重要的神經傳導物質。

色胺酸在腦幹中的縫核神經細胞被轉化為 5-羥基色胺酸（5-hydroxytryptophan, 5-HTP），5-HTP 在血液中被運送到大腦轉換成血清素，也稱為 5-羥色胺（5-hydroxytryptamine, 5-HT）^[5]。

血清素是大腦的一種快樂因子，可幫助穩定情緒和抗抑鬱 、減緩神經活動，達到身體放鬆，引起愉悅和睡意的作用。另外，香蕉所含的維生素 B6 也可刺激血清素的產生^{[2, 5]}。

青香蕉抗性澱粉可替代麵粉做成更營養的甜點

雖然香蕉皮營養價值高，又可以幫助心情變好，不過應該沒有消費者會想直接吃皮…

不用擔心，其實我國早在 2003 年，就利用國產青香蕉加工，連皮攪碎、過濾水份，去除雜質使澱粉沉澱，反覆脫水再磨成細粉，製成具高含量抗性澱粉的「青香蕉高纖維粉」^{[6, 7]}。

它具有顏色白、吸水性低的優點，可應用於麵包及糕點等烘焙製品，強化膳食纖維並調整產品質地，提升產品附加價值^[6]。

但之所以使用青香蕉，而不是黃熟香蕉，是因青香蕉的抗性澱粉（resistant starch, RS）含量較高。

抗性澱粉，是一種不易被人體消化吸收的澱粉，與膳食纖維具有類似的效果，除了不易消化吸收，增加飽足感，促進腸胃道蠕動。還能抑制餐後血糖升高，降低胰島素分泌，增加脂肪代謝速率，不易囤積脂肪，是良好的澱粉選擇。

據研究，以青香蕉抗性澱粉取代部分麵粉所製成的吐司，不但降低吐司的升糖指數（glycemic index, GI）^[註]，且風味、口感及色澤比一般的吐司更受到消費者的喜愛^[8]。

在臺灣，香蕉一年四季都盛產，但有時產量過剩造成價格低落，利用這套技術，就可以解決部分香蕉滯銷的問題^[6]。

香蕉皮健康又營養，由它做的點心就可以放心吃嗎？

不過就算香蕉皮營養價值這麼高，也不代表我們可以盡情享用香蕉皮做的烘焙點心。

以先前提到的研究結果為例，香蕉皮餅乾確實比一般的餅乾營養價值高，但本質上仍是餅乾，一樣含有麵粉、油與糖的精緻食品，一樣會吃進許多熱量與油脂，最終導致肥胖。

所以香蕉皮做的點心還是適量解饞就好，不能因為它比較健康就吃得太過分囉！

除了香蕉皮之外，其實許多水果果皮的營養素比果肉來得多，這是因為果皮通常含有更豐富的植化素（phytochemicals），指的是存在於植物中的天然化學物質，為植物天然色素和氣味的主要來源，人體無法自己製造，必須從各種食物中攝取^[9]。

植化素在人體中可以清除自由基、抗氧化、降低發炎反應或提升抵抗力，而不同顏色的蔬果含有不同種類的植化素，像是蘋果皮含有多酚類、槲皮素、花青素（紅蘋果才有）^[10]；葡萄皮含有多酚類和花青素（紫葡萄才有）^[2]。

不過這些營養的植化素經過加工後，可能或多或少被破壞、流失掉。一般來說，光線、空氣，還有 pH 值變化、溫度和接觸到金屬陽離子等，都是影響植化素變質的因素。

當然，除了蘋果和葡萄之外，水梨、蕃茄、桃子、李子等都是很適合連皮一起吃的水果。這樣不但省了削皮的麻煩，還可以攝取到豐富的植化素及膳食纖維，更減少廢棄物的產生^[11]。

不過要注意的是，記得要將果皮刷洗乾淨後再分切，以避免刀子將果皮細菌帶進果肉喔！

註解

• 升糖指數（glycemic index, GI）：是以「食用純葡萄糖後的血糖增加值」為基準，和「食用其他食物後血糖之增加值」來比較所得之指數，可藉以評估食用不同食物後，對餐後血糖造成的影響。一般來說，葡萄糖的分子小，容易被腸胃道吸收，因此會引起較大的血糖起伏，GI 值也會比較高^[12]。

參考資料

1. Shafi, A., Ahmad, F. and Mohammad, Z. H. 2022. Effect of the Addition of Banana Peel Flour on the Shelf Life and Antioxidant Properties of Cookies. ACS Food Science and Technology 2: 8 1355-1363.
2. 行政院農業委員會，2019。10 香蕉／15 葡萄。國產農漁畜產品教材。
3. Gonçalves, A. C., Nunes, A. R., Alves, G. and Silva, L. R. 2021. Serotonin and melatonin: plant sources, analytical methods, and human health benefits. Revista Brasileira de Farmacognosia 31: 2 162-175.
4. 韋婕婷，2013。香蕉果皮與一枝香之生物活性成分之探討。國立宜蘭大學食品科學系碩士學位論文。宜蘭。
5. 高澔宇，2019。香蕉花、皮、果肉作為機能性食材之可行性研究。天主教輔仁大學生命科學系研究所碩士論文。新北。
6. 行政院農業委員會，2003。國產青香蕉高纖維粉之開發與應用。農政與農情第 258 期。
7. 行政院農業委員會，2003。國內第一家青香蕉製成抗性澱粉 獲日本人青睞。農業知識入口網。
8. 陳麒升，2021。綠香蕉加工對香蕉產業影響的研究。國立臺灣大學生物資源暨農學院生物產業暨傳播發展學系碩士論文。臺北。
9. 衛生福利部國民健康署，2021。天然蔬果 抗疫給力 吃出五彩人生。
10. 行政院衛生署。蘋果 記憶之果的營養成分。財團法人台灣癌症基金會。
11. 衛生福利部國民健康署，2018。低碳飲食 愛護地球守護健康 國健署提供選購三原則 讓減碳從飲食做起。
12. 衛生福利部國民健康署，2022。「國人膳食營養素參考攝取量」第八版 – 碳水化合物。