讓辦公室植物提高你的生產力！

• 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。

框架問題理應提醒我們，我們只要自動腦補就一定會犯錯。我們確實向來如此。不過「人類」這個對象不同於 AI 研究人員開發的機器人或電腦，並不會讓我們訝異到必須被迫改寫思考時的整個心智模式。相反地，一旦我們知道答案，就似乎總能找出先前被忽略、後來明顯相關的面向，就像拉扎斯菲爾德假想的《美國士兵》讀者——他們在事後發現，每一個對立的結果都同樣理所當然。

也許我們原本預期自己中了樂透之後會超級開心，結果中獎之後，卻發現自己很鬱悶，這個預測顯然很糟糕。但當我們意識到自己預測錯誤時，同時也獲得新的資訊，例如那些突然出現要借錢的親戚。於是我們會心想，如果早點知道這些資訊，就可以正確預測未來的幸福狀態，也許就不會去買樂透彩了。

因此，我們沒有質疑自己預測未來幸福程度的能力，反而只是認為我們漏掉了一些重要的東西，並且確保自己不再犯相同錯誤。然而我們卻一錯再錯。事實上，無論對於他人行為的預測失準了多少次，我們總是可以用當時未知的事情做為辯解。透過這種方式，我們掩蓋了框架問題，一再說服自己下次會做好，卻永遠都不明白我們真正錯在哪裡。

這種行為模式在動機與金錢報酬的關係中最為明顯，也最難消除。例如，實施金錢獎勵制度顯然能提升員工表現，而且數十年來，職場上大幅出現以績效為基礎的薪資制度，最具代表性的就是高階主管薪酬與股價掛鉤。

當然，員工在意的顯然不只薪水，還有內在的愉悅感、認同感，以及在個人職涯上的成長與晉升等因素，這些都會影響工作表現。

在其他條件都相同的情況下，適當的金錢獎勵可以提升個人表現——這似乎理所當然。然而，多年來有多項研究顯示，薪酬與工作表現之間的關係，實際上的複雜程度讓人難以想像。

舉個例子，最近我跟雅虎（Yahoo!）的同事梅森（Winter Mason）進行了一系列網路實驗。我們給予受試者不同的薪資，並要求他們執行各種簡單的重複性工作，例如：按照正確的時間順序排列一組車流照片，或是在矩形網格上，找出隱藏在一堆英文字母中的英文單字。

所有受試者都是在亞馬遜土耳其機器人（Amazon’s Mechanical Turk）這個外包網站上招募而來，這個網站是亞馬遜公司於二○○五年推出，原先是用來找出重複的庫存商品。現在有數百家企業使用土耳其機器人進行「群眾外包」（crowd-source），處理五花八門的各種任務，像是標示圖片中的物品、描述新聞報導的觀點，或是判斷兩種說法中哪一個比較清楚。這個網站也是招募心理學實驗受試者的一個有效方法，就像心理學家多年來在大學校園裡張貼廣告那樣，不過土耳其機器人網站的「託客」（turkers）完成一件任務的報酬通常只需要幾美分，只占了研究經費的一小部分。

我們的實驗總共納入數百位受試者，完成了數萬件任務。有些受試者完成一件任務只能得到 1 美分的酬勞，例如整理一組圖片、找出一個單字。但是，有些受試者完成相同任務卻會得到 5 美分或 10 美分。這在工資上是相當大的差異，要知道，美國電腦工程師的平均時薪只有聯邦最低工資的六倍，所以你可以預期這個工資差異會對受試者的行為產生強烈影響。

結果確實如此。我們付的錢越多，受試者離開實驗之前完成的任務就越多。我們還發現，不管工資多少，分配到「簡單」任務（每一組有兩張圖片需要歸類）的人，比分配到中等或困難任務（每一組有三至四張）的人完成更多任務。換句話說，這些都符合常理。

但接下來的問題是：雖然存在上述差異，我們發現這群受試者的工作品質，也就是歸類圖片的準確度，並不會因為工資不同而下降，即使只有正確完成才能拿到酬勞。

該如何解釋這個結果？我們並不十分確定。在受試者完成任務之後，我們問了一些問題，包括他們認為自己的工作該得到多少報酬。有趣的是，他們的回答與工作難度無關，而是取決於獲得的工資。平均而言，每件任務得到 1 美分的受試者，認為自己該得到 5 美分。得到 5 美分的認為自己該得到 8 美分，而得到 10 美分的則認為自己該得到 13 美分。

換句話說，不論他們實際上得到多少（還記得有些受試者的工資是別人的十倍嗎），每個人都覺得工資過低。大家在直覺上會認為，給予金錢獎勵就能夠提升員工的動機，但這個實驗告訴我們，即使是非常簡單的工作，工作動機也會因爲員工的權利意識提升而大幅減弱。

——本文摘自《超越直覺》，2024 年 01 月，一起來出版，未經同意請勿轉載。

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文｜歐宇甜
• 責任編輯｜簡克志
• 美術設計｜蔡宛潔

植物脂是什麼？它會怎麼影響植物？

如果提到植物脂質，一般人可能會想到果實或種子裡儲存的油脂，可以加工成大豆油、花生油、芝麻油等油品。不過，近年有越來越多證據顯示，脂質還會影響植物的生長和發育，例如開花的機制。中央研究院「研之有物」專訪過去院內唯一一位由發育生物學觀點研究植物脂質的學者，他是植物暨微生物學研究所的前研究員中村友輝，我們邀請他分享植物脂質研究與他的研究歷程。

過去科學家對植物的脂質研究主要分兩個，一個是研究植物經光合作用轉化的脂質，這是植物可以拿來利用的養分；另一個是研究種子裡的脂質，例如透過品種改良或基因改造，提高種子的產油效率。中村友輝的團隊研究微觀的機制，他們探討脂質如何與其他訊號傳遞因子作用，協調植物的生長發育過程。

中村友輝是中研院植微所的前研究員，他深耕脂質研究已有 21 年，在中研院時期（2011～2022），他一手建立起脂質研究團隊，該團隊的重大研究成果之一就是：發現植物脂質跟調控開花有因果關係。

要找出因果關係並不容易，研究團隊從植物脂質出發，先瞭解植物體內各種不同的脂質，再進一步探索脂質在植物體內如何製造與代謝。製造過程中，不同的酵素與步驟都會影響脂質的含量與結構，甚至同一種脂質，也都可能產生不同結構。

在瞭解脂質如何製造與代謝之後，接下來就是深入脂質的實際功能。「脂質如何影響植物？」要回答這個問題，必須人為控制脂質的代謝，確認變因。

中村友輝團隊開發出「代謝切換系統」，這套系統可以短暫改變脂質的代謝速率或途徑，讓研究人員改變特定位置的脂質含量和種類，觀察不同脂質對植物的影響。

從人體機制找到調控植物開花的秘密

一般開花植物會根據季節變化、日照長短決定開花時機，而科學家發現植物裡有一種 FT 蛋白質（Flowering Locus T），能誘導植物開花，是一種開花素（Florigen）。

長日照植物在足夠的日照長度下，葉子裡的 FT 基因轉錄會活化並合成 FT 蛋白質，再運輸到頂芽，使葉芽轉變成花芽並開花，不過許多調控機制方面的細節仍然是謎。

中村友輝團隊發現，植物裡有一種磷脂質（磷脂醯膽鹼，Phosphatidylcholine，簡稱 PC），會隨日照變化改變，並與開花素產生交互作用、促進開花。脂質角色的加入，是當時其他學者尚未關注到的領域。

為什麼團隊會把 FT 蛋白質跟植物脂質連結起來呢？

中村友輝表示，「我們注意到植物的 FT 蛋白質 3D 結構，跟人體中與脂質結合的蛋白質很像，這個蛋白質是磷脂醯乙醇胺（Phosphatidylethanolamine-binding protein，簡稱 PEBP 蛋白質）。雖然 FT 位在植物、PEBP 位在人體，但兩者構造相當相似。我們心想，既然人體的 PEBP 蛋白質可以跟磷脂質結合，植物的 FT 蛋白質是不是也能跟 PC 結合呢？PC 會不會跟調控開花有關？ 」

脂質真的會影響開花嗎？用代謝切換工程實驗看看！

為了證實這個推測，研究團隊開始進行各種實驗，透過代謝切換工程去調控植物體內的 PC 磷脂質含量，觀察當 PC 變多或變少時，會如何影響 FT 蛋白質的功能，以及開花速度會變快或變慢。

具體應該怎麼做呢？首先要有關鍵酵素「PECT」，只要抑制 PECT 的合成，就會連帶減少 PC 的合成量，進而觀察對 FT 蛋白質的影響。目前是以人工方式製作一段 amiRNA（Artificial microRNA，人工微型核酸），送進植物體內後，它能跟 PECT 的 mRNA 互補並結合，導致 PECT 無法合成。

另一個方法是使用人工合成的啟動子（promoter，簡稱 p），啟動子是一段能讓特定基因進行轉錄的核酸片段。不同啟動子的功能不太一樣，例如啟動子 pFD，只有在頂芽裡才會驅動 FT 蛋白質合成；還有啟動子 pSUC2（Sucrose Transport 2），只在葉子維管束伴細胞（Vascular companion cells）裡才會驅動 FT 蛋白質合成，它專門跟一種藥物結合，實驗時可以透過藥物來控制。

團隊透過上述這些方法來控制 FT 蛋白質只在特定器官產生，再調控 PC 磷脂質含量增加或減少，藉此觀察脂質對開花的影響。

結果發現，如果在頂芽處讓 PC 磷脂質增加的話，的確可以促使開花。

此外，還發現 PC 構造會隨日夜變化，白天時，PC 磷脂質主要是飽和脂肪酸，容易和 FT 蛋白質結合，促進開花；晚上時，PC 磷脂質主要是不飽和脂肪酸，難與 FT 蛋白質結合，不促進開花，開花時間延遲。

至於團隊有實際拍到 FT 蛋白質和磷脂質結合的模樣嗎？中村友輝說：「我們目前是用電腦模擬的方式，將 FT 蛋白質和磷脂質兩個分子的 3D 模型放在一起比對、計算，得知兩者最可能的結合方式。之前有嘗試用冷凍式電子顯微鏡（Cryo-electron microscopy）拍攝，但可能是 FT 蛋白質本身太小，沒有成功 ，希望未來有機會。」

這篇論文於 2014 年刊登於「自然通訊」（Nature Communications）期刊，之後陸續有些科學家也在研究脂質對開花的影響，有的發現在維管束的脂質也會影響 FT 蛋白質傳送，有的發現水稻的開花素運作模式，跟本次實驗所用的模式植物阿拉伯芥類似。

不過，全世界的植物種類非常多，不同植物的生長、開花特性可能不同，像短日照、長日照植物所需日照時間不同，有些植物如曇花是晚上開花，有些植物是先開花才長葉，其他類型的開花機制仍待更多研究來解開。

用藻類酵素刺激產油

如果科學家能掌握並任意開關植物的代謝路徑，以後就能隨心所欲讓植物生長或開花並應用在農業上嗎？中村友輝指出，「一旦瞭解代謝途徑，到真的應用層面上，的確不是遙不可及。我們之前有一個研究，就是透過掌握酵母菌的代謝途徑，讓這些小生物生產大量油脂。」

中村友輝說道，「有些做代謝工程的方式是改寫整個代謝路徑，我們只是促進或抑制某個路徑，改動範圍沒有這麼大。這篇論文是少數做到應用層面的研究，但我們只有養少量的酵母菌，真正要做到工業級生產，需要其他專門的人。我們仍是以基礎研究為主，聚焦在發現基礎代謝途徑，找出各種未知代謝途徑或未知代謝物。畢竟要先瞭解基本的，才可能有後續應用。」

原來，植物脂質沒有大家想得那樣簡單，只是當作儲存能量而已，更對植物的生長與發育影響重大。中村友輝希望未來繼續探討這個似乎無窮無盡的植物脂質領域，找出更多嶄新的發現。

除了研究內容之外，喜愛植物和旅遊的科學家中村友輝，當初如何踏上科研之路？為何如此熱愛植物脂質領域？來臺灣工作多年又有什麼觀察與發現呢？

您從小就喜歡植物嗎？當初如何走上學術研究的道路？

我小時候常常在戶外玩，喜歡花草，甚至會跑去河邊採水草，放在家裡水族缸養。在校學習時，我其實都是文科比較好，理科不是很好，應該沒有人想到我會走上科研的道路。但是，我發現自己對「分子生物學」很有興趣，DNA 這麼簡單的雙股螺旋結構，為何會產生蛋白質、形成生物體？我為此深深著迷。

前幾年我去一場會議演講，詹姆斯·華生（James Watson，DNA 雙股結構發現者）就坐在前面第一排，沒想到我竟然能跟這位崇敬的科學家一起分享自己的實驗，那是個非常值得紀念的日子！

您曾去過許多地方旅行，有沒有留下什麼印象深刻的事？

我對其他國家的文化感到好奇，也喜歡親身體驗，從當地人觀點融入生活。我曾去到阿富汗和巴基斯坦，那裡戰亂較多，有一點危險，某次經過巴基斯坦和阿富汗交界的公路時，我還付錢請了兩個保鑣隨行。我去到那裡一些很貧困的地方，曾問當地人：「對你來講，活著的目的與意義是什麼？」沒想到那個人只是簡單回說：「我只想要活著就好，我活著的目的就是不要死！」這個回答讓我相當震撼，原來世界上有人是這樣活著。

您當初為何選擇植物脂質領域的研究，是否有什麼契機？

當年我在日本東京工業大學讀書，通常日本大學在畢業前要完成一個論文，大四有一年時間做研究。我喜歡植物，不喜歡動物或醫學，就選擇進入一間植物實驗室。剛開始我並不是選擇脂質作為主題，不過那時學界已開始發現到，脂質可能影響光合作用，因為脂質是構成葉綠體雙層膜的主要成分，我就因緣際會下踏入植物脂質領域，到現在已經 21 年。

您後來如何發現脂質對植物的生長與發育有重要影響？

科學家已經知道葉子、種子含有脂質，但大家並不清楚花朵裡的脂質是什麼樣子。那時教授給了我一個題目，就是去瞭解花裡面的脂質成分，這個題目還沒有人做過，我便接下這個挑戰。一開始我是辨識花裡含有哪些脂質，拿來跟種子、葉子的脂質成分做比對。

花朵分成不同的器官像花瓣、雄蕊、雌蕊、花柱和花萼等，我驚訝的發現，花裡的脂質不但跟葉子、種子的脂質成分不一樣，而且在花朵的不同器官中，脂質成分竟然也不同。這讓我感到很有趣也很納悶：為什麼會有這麼大的差別？成為我開始深入探討脂質對開花影響的契機。

您是在什麼樣的契機來到臺灣工作呢？

我是從 2011 年進入中研院。在大學當背包客的旅程中，我發現亞洲的科學發展蠻有潛力，便開始學習中文。博士班畢業後，我決定先去新加坡讀博士後研究，當時新加坡的實驗室成員都是華人，包括中國、臺灣和新加坡等。後來剛好中研院植微所在徵人，於是我就來到臺灣。我覺得臺灣最好的部分是人，臺灣人真的非常好！我對這裡的生活很適應，臺灣的小吃、水果都很好吃，我特別喜歡芒果！

這些年您對臺灣的學術環境有什麼樣的觀察或心得嗎？

在臺灣，可以找到很多願意學習的人一起參與研究。很感謝中研院給我這個機會加入，發展我的研究旅程。我 31 歲就擔任實驗室主持人，我對中研院的回報就是盡量把研究成果一個個發表出來，希望讓中研院知名度提高。臺灣政府很願意支持基礎科學研究，雖然不能馬上看到成果，但對於後幾年的應用來講是最重要的，很希望未來臺灣政府能持續支持基礎研究，吸引更多國外學者來臺灣，將整個基礎研究能量做大。

您目前的研究方向有哪些？

第一個就是延續脂質調控開花的研究，因為還是有很多東西不瞭解。第二個是持續發現新的代謝途徑。植物的脂質代謝途徑很多、很複雜，大家所見的路徑圖表只是簡單示意，實際上不是真的這麼簡單，還有很多東西沒有被發現。最後是研究脂質跟莖的生長、大小的關係，跟脂質能調控開花的概念有點類似。總結來說，我的研究主軸是希望繼續瞭解脂質是怎樣影響植物的發育和各種生理現象。