由混沌到秩序：螞蟻如何找到覓食的最佳路徑？

• 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。

風靡全球的電玩系列《世紀帝國》（Age of Empires），問世將近 26 年，歷經多次新作發表與改版。^[1]終於，有生物學家發現它的附加價值，妥善利用於學術研究：2023 年 8 月澳洲聯邦科學暨工業研究院（CSIRO）跟西澳大學（University of Western Australia）隆重巨獻，於美國《國家科學院院刊》（PNAS）正式發表^{[2, 3]}──《世紀帝國II：決定版》（Age of Empires II: Definitive Edition）之蟻群爭霸！

當然，微軟 Xbox 沒有業配贊助，論文標題也不長這樣，而且研究設計浪費了遊戲豐富的功能，玩法單調純樸。^{[1, 2]}不過，成果依然獲得 YouTube 電玩頻道的專業評析，與網友的熱烈討論。^[4]

遊戲模擬

《世紀帝國II：決定版》的場景編輯器，允許玩家在地圖上，改變環境特徵，並配置人力與建物。遊戲裡軍民單位的行為，由32,000行的程式所控制：在「if… then…」的語法下，如果某單位滿足特定條件，便會引發對應的行為。與此研究有關的部份，規範敵軍進入反應半徑時，軍事單位必須向前移動並發動攻擊，但是對於友軍或中立者則一概忽略。其中精銳條頓騎士（Elite Teutonic Knight）的反應半徑為3個格子；而雙手劍兵（Two-Handed Swordsman）則是 4 個。^[2]利用這樣的設計，便可以激發戰爭。

研究團隊選擇「標準」的遊戲難度，先讓精銳條頓騎士跟雙手劍兵單挑，直到一方陣亡，總共 10 次。如此確定前者的強悍名不虛傳，無往不利。接著每次出 1 名精銳條頓騎士，跟 2、3、4…8 名雙手劍兵對打，即至1：4 的時候，都還是精銳條頓騎士勝出。最後，研究團隊做了下列設定：^[2]

• 藍軍：玩家控制；紅軍的敵人；擁有最高生命值和最強攻擊力的精銳條頓騎士，共 9 名。^[2]
• 紅軍：電腦控制；藍軍的敵人；以 20、30、40…100 名戰力薄弱的雙手劍兵，組成數個步兵團。^[2]
• 綠軍：電腦控制；藍、紅兩軍分別的友軍。^[2]
• 簡單競技場：以城牆圍出一塊不會遭藍軍或紅軍攻擊，形狀為長方形的綠軍地盤，讓藍、紅兩軍於其中捉對廝殺。^[2]
• 複雜競技場：先圈出一個簡單競技場，然後用步兵單位無法跨越的水域，在裏頭隔出3條巷道。每條都有3名藍軍的精銳條頓騎士駐守，與巷道外紅軍的雙手劍兵團對峙。^[2]

在玩家完全不操作的狀況下，藍軍與不同人數的紅軍，於簡單和複雜競技場交戰。每種排列組合打 10 場，總共 180 場戰役。每場都要打到有一方被完全殲滅，才算結束。簡而言之，就是以不同的人數和場地，不斷重演一模一樣的情境。^[2]「大概是遊戲最無聊的玩法」，論文的第一作者 Samuel Lymbery 博士抱怨。^[5]整體來說，當紅軍人數增加到一個程度，藍軍的勝算便開始下降，而場地差異則會影響達到此變化的門檻。^[2]

螞蟻實戰

2021年 7 到 10 月間，研究團隊去西澳伯斯丘（Perth Hills）地區的小鎮Chidlow，找澳洲肉蟻（Australian meat ants；學名Iridomyrmex purpureus^[註]），還有外來的阿根廷蟻（Argentine ants；Linepithema humile）。從兩者分別的 6 個聚落抓工蟻，數量恰為實驗所需，且不會危害蟻群續存。帶回實驗室後，將來自同個蟻窩的關在一起，用水、蜂蜜和死蟋蟀飼養。^[2]

澳洲肉蟻與阿根廷蟻的工蟻，先一對一「釘孤枝」（tìng-koo-ki^[6]），直到其中一方死亡為止。凡是有打起來的場次，一律由澳洲肉蟻獲勝。接下來，研究團隊以類似電玩版的模式，調整蟻群的大小與所處的環境，讓兩軍對戰。^[2]

• 澳洲肉蟻：每場戰役徵召20隻。^[2]
• 阿根廷蟻：每次發派 5、10、20、60、100、150 或 200 隻。^[2]
• 簡單競技場：10 公升裝的塑膠容器。^[2]
• 複雜競技場：在塑膠容器裡，用木板區隔出數條巷道。^[2]

各種排列組合，照原計劃是要打 7 次，排除有技術性問題的幾次，最後總共進行了 93 場戰役。這裡與遊戲模擬的差別，在於限制時間長度為 24 個鐘頭，結束後統計雙方死傷，而非等到單方全軍覆沒。不意外地，澳洲肉蟻總是勝利，然而傷亡數量卻隨情況而異。^[2]

人類與螞蟻

螞蟻之類的社會性昆蟲打起來，規模與人類的傳統戰爭雷同。^{[3, 5]}澳洲肉蟻對上阿根廷蟻，就像精銳條頓騎士之於雙手劍兵。無論是實戰或電玩，少數強者跟眾多弱者戰鬥時，強者於複雜競技場的死亡率較低，而在簡單競技場則較高。所以戰爭的結果，「取決於戰場的特性」，Samuel Lymbery博士表示。^[3]

侵略性的外來螞蟻，會攻擊本土動物，並破壞農作物。^[5]阿根廷蟻雖然體型渺小，卻在人為環境或受人類影響的棲地大量繁殖，^{[2, 3]}而且是最猖獗的外來種之一，每年造成全球 1 千 9 百萬美金的經濟損失。^[2]這是因為人類整頓地面時，移除了植物和自然碎屑，於是創造出簡單競技場般，空曠、開放的戰鬥場域。^[3]對真實世界的螞蟻來說，簡單競技場就是人行道和公園；而複雜競技場為樹叢或木屑等。^[5]總之，原本自然環境中，具有體型優勢、擅長單挑的澳洲肉蟻，在人為的干擾下，變得容易死於敵軍圍毆。^[3]人類務必把複雜的結構加回去，才能減少外來者造成的物種失衡。^{[3, 5]}

YouTube電玩頻道推薦

澳洲這篇論文在美國《國家科學院院刊》上線後，擁有 36.9 萬追蹤者的 YouTube 電玩頻道 Spirit of the Law，發表了一支 12 分鐘，深入淺出的影片，摘要研究重點，還提到其中運用的蘭徹斯特法則（Lanchester’s laws）。不到1個月，已有將近 30 萬人次觀賞。^[4]影片下方留言區的科學家與資深玩家，不僅熱議這個描述第一次世界大戰前的戰爭型態中，戰力、人數與戰爭結果關係的數學模型，也執著於論文不影響結論的計算錯誤。^{[2, 4]}發覺迴響熱烈的 CSIRO，感謝 Spirit of the Law 之餘，更將影片節錄到自己的頻道上推廣。^[7]

備註

研究團隊把 Iridomyrmex purpureus，叫作澳洲肉蟻（Australian meat ant）。^[2]這種螞蟻的學名，有多個中文翻譯。臺灣大學昆蟲系名譽教授吳文哲導讀，彰化師範大學生物學系教授林宗岐審訂的《螞蟻螞蟻：螞蟻大師威爾森與霍德伯勒的科學探索之旅》，稱其為紫虹琉璃蟻。^[8]

參考資料

1. Age of Empires. (26 OCT 2022) ‘Age of Empires – A Franchise History’. YouTube.
2. Lymbery SJ, Webber BL, Didham RK. (2023) ‘Complex battlefields favor strong soldiers over large armies in social animal warfare’. Proceedings of the National Academy of Sciences of the United States of America, 12;120(37):e2217973120.
3. Dewar I. (29 AUG 2023) ‘Ant wars: How native species can win the battle over invasive pests’. CSIRO, Australia.
4. Spirit of the Law. (13 SEP 2023) ‘How AoE2 is helping scientists understand ants’. YouTube.
5. Hughes M. (03 OCT 2023) ‘Scientists use Age of Empires computer game to simulate ant warfare’. ABC News, Australia.
6. 「釘孤枝」教育部臺灣閩南語常用詞辭典（Accessed on 06 OCT 2023）
7. CSIRO. (24 SEP 2023) ‘Testing ant warefare models in Age of Empires II #ageofempires’. YouTube.
8. Wilson EO, Hölldobler B.（05 SEP 2019）《螞蟻螞蟻：螞蟻大師威爾森與霍德伯勒的科學探索之旅》貓頭鷹出版社

社交梳理以及令螞蟻聞風喪膽的黑殭菌

這三年來人類對抗新冠肺炎的防疫戰絕對是科學史上的重大突破，防疫的科學知識和技術出現突破性的成長。然而，不只人類通過合作對抗病原體，許多社會性的生物也會合作對抗病原。

以最著名的社會性昆蟲——螞蟻為例，牠們會幫助同伴清除身上的病原體真菌孢子，這種互相幫忙清理身體的行為在許多社會性的生物上都可以發現（例如獼猴、蜜蜂等），稱為社交梳理（Allogrooming），社交梳理是這些社會性動物對抗病原體的重要防線，可說是群居動物的獨特「防疫政策」。

正所謂道高一尺魔高一丈，致病病原體也不是吃素的，就像新冠肺炎病毒不斷有新的病毒株出現，感染螞蟻的蟲生真菌同樣也有一套對付螞蟻社交梳理的招數。今年發表在《Nature ecology and evolution》的論文就做實驗以了解：螞蟻的社交梳理行為是否會對黑殭菌（Metarhizium sp.）造成生存壓力，以及黑殭菌的應變策略進行探討。

黑殭菌屬的真菌屬於蟲生真菌的一類，如著名補品冬蟲夏草，具有感染寄生昆蟲並使其死亡的能力；因此，對於螞蟻來說，黑殭菌絕對是致命的敵人，若看到同伴身上有黑殭菌孢子一定要幫忙清除。

螞蟻的「防疫政策」對黑殭菌造成生存壓力

首先，科學家想要透過研究「社交梳理行為是否會改變真菌群集組成」，來確認「社交梳理是否會對黑殭菌造成生存壓力」，因此使用六種不同菌株感染螞蟻，並將實驗分成「獨自面對真菌」以及「有兩名同伴照護」的組別，前者的螞蟻個體只能透過自身免疫力來抵抗真菌感染，後者則是有同伴幫忙清除有害真菌孢子。在感染真菌後的八天內，如果有螞蟻死亡，就會將這些孢子拿去感染新的螞蟻個體，並同樣分成兩組進行上述實驗，如此重複十個循環（圖一）。

實驗結果顯示，社交梳理行為確實對真菌群集造成天擇壓力。獨自面對真菌的組別，在經過十個循環後出現較低的真菌多樣性（只剩兩株菌株），然而同伴照護組卻出現較高的真菌多樣性（還剩四株菌株），說明社交梳理行為足以影響菌株間的競爭。（圖二）。

既然螞蟻的「防疫政策」會對真菌造成影響，那麼真菌在螞蟻「防疫政策」的洗禮下，是否也會產生改變呢？答案是：會！

黑殭菌利用「隱身術」騙過螞蟻的防疫政策

科學家首先針對真菌的兩項特徵進行研究：毒性（致死率）和子代數量（產孢數）。研究結果顯示，經過社交免疫的篩選後，真菌的毒性有顯著的下降（圖三 a），然而產生子代的數量卻有所提升（圖三b）。

更有趣的是，這些經過社交免疫篩選的真菌孢子竟提升對社交免疫的抵抗力！相較於獨自對抗真菌篩選出來的菌株，社交免疫篩選出的菌株再次感染單獨的螞蟻和有同伴照顧的螞蟻時，致死率竟沒有差異（圖三 a），這代表社交免疫已經失效了！

科學家猜想，這種現象源於螞蟻們不再好好清除同伴身上的致命孢子，實驗結果也確實顯示同伴螞蟻們似乎對於經社交免疫篩選出來的真菌孢子沒有敵意，因此大大降低清除這些孢子的意願（圖四 a）。與此同時，科學家還發現，經社交免疫篩選出的真菌孢子中「麥角固醇（Ergosterol）」的含量大幅減少，麥角固醇是真菌孢子中的重要組成成分，科學家懷疑螞蟻可能就是因為麥角固醇的幾少而無法辨識孢子。

最終的行為實驗結果支持了這個論點，若把麥角固醇塗在螞蟻身上可以吸引同伴前來清潔，構造相似的膽固醇則沒有類似效果（圖四c、d），因此，麥角固醇很可能就是吸引螞蟻進行社交梳理的標的！

不僅是本實驗的阿根廷蟻（Linepithema humile）被麥角固醇吸引並進行社交梳理，前人的研究發現另外一種社會性昆蟲——白蟻也具備類似的行為，科學家推測麥角固醇可能就是真菌避免被同伴螞蟻清除的關鍵。值得留意的是，麥角固醇的實驗結果可能也解釋了毒性下降以及後代數量提升，由於麥角固醇是真菌孢子重要的組成成分，因此若麥角固醇的含量改變將會導致資源的分配有所調整，毒性下降和後代數量提昇可能就是資源調整分配的結果。

昆蟲的行為背後往往牽涉複雜的因素，麥角固醇是否真為引起螞蟻社交梳理行為的因素或是唯一因素仍需更進一步的證據支持才能夠確認。可以肯定的是，在螞蟻「防疫政策」的伺候下，黑殭菌正透過某種「隱身術」來躲避螞蟻的清除，這不由得令人想起 Jurassic Park （侏儸紀公園）中那句經典的台詞：

Life will find its way out.

參考文獻

• Stock, M., Milutinović, B., Hoenigsberger, M., Grasse, A. V., Wiesenhofer, F., Kampleitner, N., Narasimhan, M., Schmitt, T. & Cremer, S. (2023). Pathogen evasion of social immunity. Nature Ecology & Evolution, 7(3), 450-460. https://doi.org/10.1038/s41559-023-01981-6