蜘蛛居然也會造假？

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

造假是人類複雜心智的一大產物，歷史上各式各樣的作假、贗品層出不窮。作家 Kristine De Abreu 在 ExplorersWeb 網站的文章^{[參考資料1]}，整理歷史上的 6 起贗品案例，時過境遷後回顧，這些造假頗有趣味。

龐貝石碑

6 起案例最早的是龐貝石碑。這個「龐貝」不是義大利那個龐貝城，在紐約。公元 1820 年有人找到一塊石碑，上頭有看似陌生的圖像、文字，但是無人能釐清來歷。此後衍生出不少相關的假說與討論。

1894 年，工程師史威特（John Edison Sweet）出面宣稱那是他叔叔的惡作劇。這類藍色窗簾的案例十分普通，也很常見。

卡迪夫巨人

1868 年，當時某些基督教信徒根據「創世記」，主張世界上曾經有巨人漫步。美國的無神論者胡爾（George Hull）設局惡搞，製作石頭巨人誆騙信徒，希望藉此證明他們是一群盲信的傻B。

惡搞產品身高 3 公尺，重 1350 公斤，成本 2600 美金（約現在的 54000 元）。本來想運到墨西哥，但是太重，最後埋在紐約的卡迪夫親戚家，1869 年「發現」後被稱為卡迪夫巨人（Cardiff Giant）。

假巨人騙到一些人，不過也很快被識破。後來有人以 23000 美金收購（約現在的 50 萬元）。不論當初意圖是否達到，胡爾都大撈一筆。

當時有位東搞西搞的掮客……沒禮貌，是知名經紀人巴納姆（P.T Barnum） 想買卻被拒絕。於是巴納姆也製作自己的巨人，還宣稱那才是真正的假貨 XDDD

假巨人當時興起一股熱潮，許多觀眾付費參觀。對於這些花錢看假貨的觀眾，有人表示：「每分鐘都有一位傻 B 誕生（There’s a sucker born every minute）」。這句流傳頗廣的話，到底是誰講的其實沒有定論，不過江湖傳言就是巴納姆自己。

伊特拉斯坎勇士雕像

美國的里卡狄兄弟（Pio Riccardi 和 Alfonso Riccardi）與其兒子們，有一門獨特的家族事業：偽造雕像。他們在 1915 到 1918 年製作 3 具 2 公尺高的伊特拉斯坎勇士雕像（Etruscan Terracotta Warriors），並成功賣給紐約的大都會博物館。

伊特拉斯坎文化位於義大利，年代早於羅馬帝國，歷史應該超過 2000 年，可是雕像狀態太好，有人懷疑是假的。1960 年代費歐拉凡提（Alfredo Fioravanti）出面承認，他當初協助兩兄弟造假。

• 延伸閱讀：羅馬帝國之前，有草原血緣，不講印歐語的伊特拉斯坎人

皮爾當人

前幾起贗品案都無傷大雅，但是皮爾當人（Piltdown Man）深深地傷害學術。它可謂人類演化研究史上，最大的造假醜聞。

1912 年，名字和達爾文（Charles Darwin）有點像的英國業餘研究者道森（Charles Dawson）宣稱，在薩塞克斯發現古人類的化石，引發一陣轟動。他在 1915 年又宣布找到化石，這批化石後來合稱「皮爾當人」。

當時一些學者認為，皮爾當人可以填補演化史上，人與猿的缺失環節。英國出土的化石，也支持大英帝國在人類演化史上的地位。業餘人士道森一心想躋身上流，加入英國皇家學會，最終卻沒有如願，在 1916 年去世。

一直有人懷疑皮爾當人的真實性。終於在 1953 年證實皮爾當人分別具有人與猿的特徵，根本是因為皮爾當人不是一個人，而是由猿和人的骨頭拼裝而成。

• 延伸閱讀：人類演化研究史上最大造假醜聞－皮爾當人

伽利略手稿

美國的密西根大學 1934 年購入一份「伽利略手稿」，據說是伽利略本人 1609 年的手筆。造假兼打假專家威爾丁（Nick Wilding）在 2022 年 8 月證實，那是假的。決定性的證據來自紙張上的 BMO 水印，它要等到 1770 年才出現，遠遠晚於伽利略的年代。

推測這份假貨來自造假名人尼可查（Tobia Nicotra），他在 1930 年代復刻哥倫布、莫札特、林肯等等名人，製作超過 600 件贗品。

維京人的文蘭地圖

有些贗品花費數十年破解，有些則一開始就知道是假的，後來再漸漸補足證據。就像某些偵探故事，一開始就知道誰是兇手，後來才釐清作案過程，可謂證明題。

美國的耶魯大學 1960 年代取得一份 15 世紀地圖，上頭繪有文蘭（Vinland），也就是維京人在美洲的殖民地。幾乎一開始就判斷這份地圖是假的，不過做證明題也有意思，圍繞其衍伸出有趣的議題。現在知道，此圖字體不符合年代以外，使用墨水含有天然的鈦，證實這是晚於 1920 年代的字跡。

至於維京人是否曾經抵達美洲？1960 年代在這份贗品地圖出現不久後，考古學家於加拿大東北部的紐芬蘭，尋獲蘭塞奧茲牧草地遺址（L’Anse aux Meadows），證實維京人確實在美洲留下足跡。只是文蘭在哪裡，仍是謎題。

• 延伸閱讀：公元1021年，維京人在紐芬蘭砍樹

參考資料

1. Why Did They Do It? Six Archaeological Forgeries and the People Behind Them
2. Analysis unlocks secret of the Vinland Map — it’s a fake

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。

在亞洲有一種蜘蛛，一直以來很多人都說，牠身上的圖案像極了知名洋芋片品牌「品客」（Pringles）的招牌標誌——圓臉留著兩撇八字鬍的大叔。

什麼蜘蛛長得這麼特別？牠叫作「黑綠鬼蛛」（Bijoaraneus mitificus；英文俗名為 Kidney Garden Spider）［註］。這種蜘蛛體長約在 0.5～1 公分上下，渾圓的腹部背面呈白色調，常可見近似「V 字」的深色條紋，以及兩個凹陷的深色小圓點，構成一張類似長著眼睛與鬍子人臉，顯得相當逗趣。

官方發起活動：千人連署改名「品客蜘蛛」

蜘蛛與商標形象「撞臉」，意外成為非官方吉祥物，這檔事傳來傳去，終於有一天，品客這家來自美國的品牌決定「認真」看待這件事。2022 年 6 月底，品客的官方網站上發布了一項前所未有的連署活動：為蜘蛛請願改名。據《CNN》報導，品客美國經銷負責人詹金斯（Mauricio Jenkins）表示：「此前我們不曉得，原來有個生物一直默默散播對品客的愛。」

這項活動的主旨，就是希望能讓這種蜘蛛的英文俗名正式更改為「品客蜘蛛」（Pringles Spider），同時獲得國際上蛛形綱相關的學術研究團體認可。官網上也做出承諾，如果在當年 10 月 31 日前至少有任一個研究團體表示認同接納「品客蜘蛛」之名，作為回報，參與這項連署的前 1500 名民眾將可以免費獲得一罐品客洋芋片。在同年 8 月初時，已經有超過 7300 人響應參與連署。

不僅如此，品客官網還同步舉辦了蜘蛛的「領養活動」，大眾可以在他們的網站上領養虛擬的黑綠鬼蛛，並下載「領養證書」。

當然，全球各地的媒體紛紛報導了品客洋芋片為蜘蛛連署改名的消息。有些國內新聞報導也指出，身為主角的黑綠鬼蛛「分布在東南亞國家，例如泰國、新加坡和越南等」。看來，有些人顯然忽略了牠近在眼前的事實呢！

我們不用虛擬認養，台灣就有原生的黑綠鬼蛛

事實上這種蜘蛛可見於亞洲多個國家，在台灣也有分布。台灣的低海拔環境，從北到南都有牠的蹤跡，一些郊山、都會區的公園便有機會找到牠。所以身在台灣的我們，哪裡需要透過網路去領養什麼虛擬的個體？如果想看這種蜘蛛，還不如到戶外走走吧！

黑綠鬼蛛通常會在樹木間造網，同時在網附近的枝葉上另造一個供自身躲藏的薄紗狀巢，網與巢之間有細絲線相連接。通常，依靠結網捕捉獵物的蜘蛛視力普遍不佳，黑綠鬼蛛也不例外，不過牠們對於震動相當敏感。一旦有昆蟲等獵物撞上其所結的網，察覺到震動的黑綠鬼蛛便會從巢裡衝出，將獵物拖進巢內，再慢慢取食。

筆者便曾在台北市羅斯福路上的公園見過這黑綠鬼蛛。而且，與一些常見的中小型蜘蛛相比，黑綠鬼蛛分泌製造出的絲，手指摸起來的觸感真是讓人感到意外的堅韌且黏。

生物學名用嚴謹的方式替生物命名

其實，關於幫蜘蛛改名這件事，或許製造歡樂、替品牌形象宣傳，才是活動的主要用意。

畢竟，所謂「約定俗成」，不管是英文還是中文，俗名本身便是民間所流傳的非正式名稱。在生物學上，拉丁文所組成的「生物學名」，才是不能隨意更改，而是需要遵守嚴格學術規範的國際正式名稱。

黑綠鬼蛛不可怕，甚至還有點可愛

話說，有些人看到可愛的黑綠鬼蛛，內心仍然會有點怕怕的吧？確實，許多人對蜘蛛的印象就是「有毒」、「恐怖」，可是人們往往過度高估了蜘蛛的危險性。事實上，蜘蛛的口器都具有用來攻擊獵物的毒牙，當咬住獵物時，毒牙能注射蛋白質毒液讓對方失去行動力或死亡。

不過我們並不需要對這類節肢動物過度害怕，因為大部分蜘蛛的毒液對人類幾乎不會造成影響，在未遭受人為騷擾的情況下，蜘蛛更不會主動去攻擊人。當然，黑綠鬼蛛本身便不會對人體造成威脅，屬於無害的動物。

台灣目前已知的蜘蛛種類至少超過了700種，不光是外觀滑稽有趣的「品客蜘蛛」，本土蜘蛛中還有許多外觀特殊、引人注目的種類。不管是住家周圍，還是山林野地，有機會不妨多觀察看看身邊有哪些特殊的蜘蛛吧！附帶一提，2006年的美國電影《夏綠蒂的網》（Charlotte’s Web），劇中身為主角的蜘蛛夏綠蒂，在現實中是俗稱「穀倉蜘蛛」（Araneus cavaticus；英文俗名為Barn Spider）的一種北美洲常見蜘蛛，牠與本文介紹的黑綠鬼蛛同為金蛛科的種類。

備註

黑綠鬼蛛以往被歸類在金蛛科鬼蛛屬（Araneus），然而 2021 年分類學者主張將之移入媛圓蛛屬（Bijoaraneus），本文仍使用其在台灣較普遍的中文俗名「黑綠鬼蛛」。本種亦可稱「黑斑媛圓蛛」、「黑綠圓蛛」，在中國則通常稱其為「黑斑園蛛」。

1. Pringles wants a spider named after it
2. MAKE THE PRINGLES® SPIDER OFFICIAL
3. 陳世煌。2001。臺灣常見蜘蛛圖鑑。行政院農業委員會。

近來科學家不約而同在祕魯亞馬遜雨林和菲律賓坎隆山發現了相當特殊的蜘蛛，牠們竟可利用周遭的材料做出以假亂真的假蜘蛛！

作者｜NADIA DRAKE
編譯｜柯宗佑

2012年，科學家在秘魯亞馬遜雨林有了大發現：有一種蜘蛛，居然會用昆蟲屍體和叢林殘渣蓋出一隻體形龐大的假蜘蛛。根據推斷，這些蜘蛛是塵蛛屬(Cyclosa)下的新品種。無獨有偶，在一萬多公里外的菲律賓內格羅斯島(Negros)，也有這種擅長「造假」的蜘蛛。

科學家不禁好奇，兩種蜘蛛所造出的假蜘蛛，就功能而言是否相同？究竟是為了用來捕獲獵物，還是對抗掠食者？而就目前的發現看來，說不定還有更多品種的蜘蛛會造假呢！

首先在菲律賓發現造假蜘蛛的，是昆蟲學家賴瑞．李夫斯(Lary Reeves)。

當年他在菲律賓的坎隆山(Mount Kanlaon)進行田野調查，意外留意到這個神奇的現象：「當我經過一面蜘蛛網時，好像看到上面有一種從來沒看過的蜘蛛。於是我又跑回去仔細看，才發覺那是一隻假蜘蛛。」他表示：菲律賓種和秘魯種的假蜘蛛，兩者差別在於，菲律賓種的假蜘蛛八腿朝外擴張，秘魯種的假蜘蛛則是屈腿向下伸。

假蜘蛛的大小和硬幣差不多，由碎石瓦礫和蟲屍組成，八腿自腹部向外怒張。真蜘蛛藏得相當隱秘，正位於假蜘蛛腹部上的囊袋中，遮掩能力可謂極致。

李夫斯在菲律賓發現造假蜘蛛不久後，另一位昆蟲學家菲爾．托瑞斯(Phil Torres)也在秘魯發現了類似的蜘蛛，當相關圖片一放上網路，立刻引起轟動。2013年十二月時，兩人即一同前往秘魯，沿著坦波巴塔河(Rio Tambopata)，經由研究中心周圍的氾濫平原，深入遺世獨立的叢林。在叢林中，李夫斯一行人便發現了好幾隻造假蜘蛛。

他們不但天天拍照，還天天測量假蜘蛛的大小，試圖了解大雨將假蜘蛛沖毀後，真蜘蛛如何將傑作恢復原狀。 托瑞斯認為，在乾季期間的假蜘蛛數量會是濕季的兩倍以上，十二月的假蜘蛛數量之多，便可作為某種證明。

雖說大雨一下下來，假蜘蛛就會稀爛成一團了，但真蜘蛛重新造假的速度卻非常快速。至今，研究團隊仍無法明白其速度為何如此之快。

為了揭開謎底，研究人員打算採用各式手段，試圖捕捉假蜘蛛出現的過程。而方法之一，便是在某隻假蜘蛛旁架攝影機連拍24小時，將真蜘蛛如何利用素材「造假」的畫面給記錄下來。

有待探索的大謎團，包含了蜘蛛究竟是會離開蜘蛛網，到其他地方蒐集造假材料，還是乾脆坐等素材自動落網。無論如何，假蜘蛛的材料來源顯然相當豐富。李夫斯指出：「有一隻蜘蛛脫了皮之後，乾脆把這層皮拿來建造假蜘蛛。」

研究團隊最終的目的，是替造假蜘蛛進行基因定序，以便明白這類蜘蛛和塵蛛屬的親緣關係。

事實上，塵蛛屬蜘蛛將碎屑挪入網中，形成各式造型的習性早已廣為人知，但牠們設計出的造型實在太多元了，有時只是垃圾堆，有時卻是假蜘蛛。

不同的造型，是否表示不同蜘蛛在演化樹上的位階也會有所差異？設計出的造型越複雜，是否表示蜘蛛演化的歷史越長？基因定序有助於回答這些問題，只不過要從蜘蛛身上採集基因資料，要花的時間相當長。

當然，掠食者的威脅，也有可能是蜘蛛造假的原因，因為由假蜘蛛的體型來看，要作為防禦工事看起來是理所當然的事。 菲律賓和秘魯相隔甚遠，居然都有造假蜘蛛存在，其背後的原因，李夫斯和托瑞斯仍沒有答案。不過他們也認為，這類蜘蛛應該到處都有，只是人們還沒發現罷了。
—

研究出處：This Spider Makes Fake Spiders. But Why?
譯者：柯宗佑 科教中心特約寫手，從事科普文章編譯。
責任編輯：Kerina Huang

原刊載於台大科教中心 CASE press