Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

血液實驗前的哲學問題-《血之祕史》

PanSci_96
・2014/10/10 ・2545字 ・閱讀時間約 5 分鐘 ・SR值 523 ・七年級

-----廣告,請繼續往下閱讀-----

對於笛卡兒來說,肉體是具體的,心智與靈魂則為無形。雙方之所以能溝通,都是藉著松果腺(以 H 標示之部位)的幫助。本圖引自他的《人論》(De Homine,一六六二年出版)。圖片來源:Courtesy of the National Library of Medicine.

笛卡兒在他的後期著作中表示,據其了解,靈魂不屬於身體,但可以透過位於大腦中央的松果腺與身體溝通。心靈對於松果腺的作用會刺激「動物的精神」,進而將訊息傳達給身體的其他部位。笛卡兒寫道:「靈魂在大腦的正中央佔有一席之地。從那裡,透過動物的精神、神經甚至血液,靈魂的作用能夠及於身體的其他部位(9)。」笛卡兒的結論是,儘管靈魂並不是一種具體的存在物,但是透過大腦裡的松果腺,卻能影響全身各部位。

進行血液實驗的活體解剖家越來越多,他們陷入了被迫翻開底牌的局面。靈魂是有形體的嗎? 它存在於血液裡嗎? 如果動物與人類都有靈魂,那會怎樣?而令人最感困擾的一個問題是:如果把動物與人類的血液混在一起,會怎樣? 從一六六五到一六六九年這短短四年間,這些問題即將決定法國醫生德尼的命運,同時就更廣泛的層面而言,也決定了輸血實驗在英法兩國的前景。

血液實驗並不只是個哲學議題,也是外科醫生在揭露大自然奧祕的過程中充分展現自身技巧的一種演出。理查.羅爾之所以能成為傳奇的外科醫生,就是因為他有靈巧的雙手與無與倫比的專注力,其外科手法完美無缺。就是因為他的成就,英國醫界才會開始注意血液,後來更進一步聚焦在輸血實驗上,不久後法國也隨之跟進。一般而言,外科醫生不管是在解剖人類或動物屍體時,手法跟屠夫實在沒什麼兩樣,但羅爾卻像個雕刻家似的,慢慢而有耐性地下刀,探掘人體奧祕。他全心投入解剖工作,甚至可以說沉迷其中,似乎無時無刻都在工作。古物研究家安東尼.伍德(Anthony Wood)宣稱,羅爾常常為了解剖而不去望彌撒;而伍德的確曾經在週日早上看見他待在基督教堂學院(Christ Church College)旁的解剖室裡專心地解剖一顆小牛的頭(10)。就連羅爾的寵物也難逃被他解剖的命運。約翰.渥德(John Ward)是羅爾的另一個同代人,渥德在日記裡表示他有「一隻被他命名為史皮林(Spleen)的狗,因為牠的脾臟被摘除了」。大約一年後,那隻狗終於死去,當然也很快地被解剖了(11)。

身為一位外科醫生,羅爾的活體解剖技巧深受他在牛津大學的教授湯瑪斯.威利斯(Thomas Willis)的讚賞,威利斯在其《大腦解剖學》(Cerebri anatome,一六六四年出版)一書就表示其學生兼助理羅爾「是個學識淵博的醫生,也是技冠群倫的解剖家。他的手術刀與思維都銳利無比⋯⋯讓我能更深入地探究過去不為人知的身體結構與功能。」威利斯與羅爾每天一定都會處理與大腦以及身體有關的「解剖事務」,其實驗對象包括各種各樣的動物:「馬、綿羊、小牛、山羊、豬、狗、貓、狐狸、野兔、鵝、火雞、魚,甚至猴子(12)。 」威利斯發現了為腦部供血的環狀血管(它也因而被命名為「威利斯環」),後來他又為了觀察血液如何在腦部與身體的其他部位之間來回流動,而找羅爾來幫他進行各種實驗。羅爾是雷恩的牛津大學同學,他把牛奶注入狗的靜脈裡,將墨汁注入牠們的大腦,同時「還注入了染上橙黃色與其他顏色染料的各種液體⋯⋯藉此試驗血液如何流動,觀察染色液體進入大腦後分離開來的情形(13)」。羅爾兼具巧思與創意,他將老師的發現加以發揚光大。在威利斯發現環狀血管後,羅爾進一步確認,即使那血管中有一個甚至幾個部分被堵住或者變窄,血液還是可以循環無礙。

-----廣告,請繼續往下閱讀-----
Circle_of_Willis_-_MRI,_MIP_-_Superior_view
MRI 下的大腦,白色粗體的環狀為威利斯環(circle of Willis)
Photo Credit: Ceccomaster CC

威利斯不能接受笛卡兒的身心二元論。他解剖時常發現人類與動物都有松果腺。在笛卡兒這位法國哲學家的身心二元論已經不太站得住腳之際,威利斯光是靠這個發現就有充分理由提出進一步質疑。威利斯所遵循的是皮耶.伽桑狄(Pierre Gassendi),也就是笛卡兒的主要批評者的路線:他主張人類是「有兩種靈魂的動物」。人類跟動物一樣,身體裡有一種「敏感的靈魂」,負責執行一些比較低層次的官能,例如成長與感官,它存在於身體的各個部位,包括血液。而另一種則是理性的靈魂,負責思考、情緒與推理等官能,它也是存在於身體裡的,但是只存在於腦部。與笛卡兒不同的是,威利斯相信動物也有靈魂。有證據顯示牠們也有記憶與做決定的能力──這意味著牠們一定有靈魂,不過是原始的靈魂。但是,只有人類具有那比較複雜的理性靈魂,並且藉其受益。

對於羅爾而言,關於靈魂本質為何的爭論與問題很有趣,但顯然並非他最為關切的。羅爾把研究焦點從腦部移往血液,並且繼續了先前雷恩所做的靜脈注射實驗,重點在於探究是否可能透過靜脈注射的方式為人體提供養分。羅爾想知道,如果「不給狗吃肉,只用靜脈注射的方式給牠足夠營養,帶有硝酸鉀成分,味道強烈,嚐起來像乳糜的湯汁」,牠是否能夠活下去? 也許他甚至可以在動物身上裝一根永遠擺在那裡的管子,如此一來就不用每次都要切開靜脈。為了解答此一疑問,他把溫牛奶注入一隻狗的體內,牠一個小時後就死掉了。稍後他解剖那隻狗時發現,血液混著牛奶,「好像凝結在一起似的」。他的結論是,就像油、水不能相溶,有些東西與血液也不能混合在一起(14)。他不是個會因為挑戰而退卻的人,為此還在一封寫給波義耳的信裡面坦白問道:如果用血液混合血液,不知是否可以解決靜脈注射養分的問題? 他寫道:「只要我一抓到兩隻大小相同的狗,」就會把其中一隻的動脈與另一隻的靜脈接起來,「持續一個小時,直到雙方的血液互換(15)。」

自從哈維在一六二○年代晚期發現血液的循環之後,引發了一連串的問題與實驗,威利斯、雷恩與羅爾等人的研究都是例證。從歷史回顧的角度看來,這顯然都是為輸血實驗進行的準備工作。

9.Descartes, Traité de l’homme. AT XI 174.
10.Wood, The Life and Times of Anthony Wood, vol. 2, 12.
11.Frank, Harvey and the Oxford Physiologists, 183.
12.同上註,182。
13.羅爾致波義耳的信,一六六二年一月十八日。
14.羅爾致波義耳的信,一六六四年六月二十四日。亦可參見Frank, Harvey and the Oxford Physiologists, 174–175。
15.羅爾致波義耳的信,一六六四年六月八日。亦可參見Harvey and the Oxford Physiologists, 174–175。
(編按:由於選文為節選,故引用條目從編號9開始)

-----廣告,請繼續往下閱讀-----

 

血之秘史立體書最後S

 

 

本文選自《血之祕史:科學革命時代的醫學與謀殺故事》,由大塊文化出版

-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

0
0

文字

分享

0
0
0
各種血球都缺乏,罕見的血液疾病——「再生不良性貧血」治療與保健提醒
careonline_96
・2023/12/19 ・2271字 ・閱讀時間約 4 分鐘

「那是個 20 多歲的大學生,來到急診的時候已經有嚴重的細菌感染。」成大醫院內科部血液科李欣學醫師表示,「抽血檢查發現患者的白血球、紅血球、血小板數量都嚴重偏低,後續確定診斷為嚴重再生不良性貧血。」

經過詢問,患者在就醫前已經一段時間容易頭暈,也沒特別在意,只有自行吃了一些號稱可以補血的東西,直到發生嚴重感染才就醫,狀況相當危急。李欣學醫師說,貧血的原因很多,在發現血球數量低下時,一定要至血液科就診,找出病因,並接受正確的治療。

再生不良性貧血(aplastic anemia)和一般貧血不同。再生不良性貧血是因為骨髓失去造血功能,導致紅血球、白血球、血小板數量都明顯偏低。李欣學醫師說,做骨髓檢查便會發現骨髓都空空的,原本應該存在的造血細胞已不見蹤影。

我們的血球具有不同的功能,當血球數量太少時,便會造成各種問題。缺少紅血球,患者可能出現頭暈、臉色蒼白、呼吸急促、容易疲倦等症狀;缺少白血球,患者便容易遭到感染;缺少血小板,患者的皮膚常會出現瘀青、出血點,也會有流血不止的狀況。各種血球的數量越少,相關症狀會越嚴重,甚至危及性命!

-----廣告,請繼續往下閱讀-----

再生不良性貧血是一種罕見的血液疾病,有兩個好發的年齡層,分別是 10 至 25 歲的族群,或是 50、60 歲以上的中老年人。李欣學醫師說,再生不良性貧血可能與病毒感染、基因遺傳、免疫失調、輻射曝露、有毒化學物質有關,但是絕大多數的病患都很難找到明確的因果關係。

在台灣每年大概會出現一百多個再生不良性貧血案例,民眾對此也較不熟悉,所以容易延誤就醫。李欣學醫師說,患者來到醫院時可能已經有嚴重感染,狀況比較危急。

臨床上有許多狀況都會導致血球數量低下,民眾如果在抽血時發現血球數量異常,建議找專業的血液科醫師仔細檢查評估,以找出血球低下的原因。李欣學醫師說,「千萬不要自行服用號稱可以補血的食品或藥物,以免延誤病情!」

嚴重再生不良性貧血必須積極治療

李欣學醫師說,再生不良性貧血在診斷時,醫師會根據患者血球低下的程度還有骨髓裡面的細胞量,來區分嚴重程度並決定其治療,根據國際上的共識,針對無症狀的輕度再生不良性貧血患者,有些僅需持續追蹤觀察,或進行輸血等支持性治療。

-----廣告,請繼續往下閱讀-----

但嚴重再生不良性貧血的患者,因為他們的白血球數量若低於 500/ul(正常值 4000 至 10000/ul),發生感染的機會相當高,血小板數量若低於 2 萬/ul(正常值 15 萬至 45 萬/ul),也會增加出血的風險,嚴重的更有可能危及性命,因此,一定要盡速積極介入治療。

在治療嚴重或非常嚴重再生不良性貧血時會考慮幾個部分。李欣學醫師說,首先要評估患者是否適合做造血幹細胞移植,假使患者較年輕且在兄弟姐妹中有適合的捐贈者,應該要儘快去做造血幹細胞移植。一般認為,造血幹細胞移植對 40 歲以下的患者來說是首選。

假使是年紀較大的患者,或是尚未找到合適的捐贈者時,則應考慮使用免疫抑制療法,利用抗胸腺細胞免疫球蛋白搭配免疫抑制劑來抑制不正常的免疫反應,可以幫助正常的造血幹細胞長回來,血球數量便能夠逐漸恢復。近年來在再生不良性貧血的一個重要進展,則是發現促血小板生成藥物,不論是單獨使用或搭配免疫抑制療法,都可以有助造血幹細胞和血球數量的恢復,對患者很有幫助。

再生不良性貧血患者在接受治療後,可能還需要經過一段時間血球數量才能逐漸回升,所以在日常生活中仍需要小心照護。李欣學醫師說,白血球低下時容易受到感染,請戴口罩、多洗手、避免出入公共場合、避免生食等。

-----廣告,請繼續往下閱讀-----

血小板低下時容易流血不止,請避免劇烈運動、使用軟毛牙刷避免牙齦出血、飲食方面要攝取充足纖維避免便秘。請務必依照指示服藥並按時血液科門診追蹤!

筆記重點記起來

  1. 再生不良性貧血是因為骨髓被自己的免疫系統攻擊而失去造血功能,導致紅血球、白血球、血小板數量都明顯偏低。
  2. 再生不良性貧血患者容易出現流血不止、嚴重感染的狀況,危及性命。
  3. 嚴重或非常嚴重再生不良性貧血患者需要積極接受治療,治療方式包括支持性療法、造血幹細胞移植、免疫抑制療法、促進血小板生成藥物等,可以有效恢復血球數目。
  4. 再生不良性貧血患者在接受治療後,需要經過一段時間血球數量才能逐漸回升,請務必按時回診,小心照護。
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

2

4
8

文字

分享

2
4
8
「意識」是什麼?人們已經找到答案了嗎?
PanSci_96
・2023/11/26 ・6000字 ・閱讀時間約 12 分鐘

「意識」是什麼?

直到現在,仍是宗教、哲學、心理學、神經科學都還無法解答的難題。

但是今年, 2023 年,一場來自神經學家與哲學家對於「意識」解釋的賭注,在經過長達 25 年的研究後,終於要畫下句點了嗎?到底是誰贏了?對自己頭上頂著的大腦,我們又了解多少了?

25 年前,一場圍繞「意識」之謎的賭局

1998 年,神經科學家克里斯托夫・科赫(Christof Koch)和哲學家戴維・查爾莫斯(David John Chalmers)打賭一箱葡萄酒,如果 25 年後,人們已經能清楚地解釋意識背後的神經機制,那麼就是科赫贏了。反之,如果還是未能解答意識之謎,就是查爾莫斯贏了。

-----廣告,請繼續往下閱讀-----

但在揭曉勝者之前,我們要先來談談一個最基本的問題,「意識」到底是什麼?首先我們要先定義清楚,因為在中文中,意識指的可能是一個人的清醒狀態、也可以是對內在自我的一種感知、又或是包含感知、情緒、思考等等的一種總和、又甚至可以是指在精神分析理論中與前意識和潛意識的比較。

若要深入探討意識定義的發展以及不同的哲學論點,那真的不做個三十集做不完,在這集的時間內,就讓我們把重點放在感質(Qualia)的相關概念。感質,指的是個人直接體驗的主觀感受,被認為無法通過客觀描述或第三人稱觀察來完全理解或解釋。我們感知世界的方式、感受事物的質感、觸覺、視覺、聽覺、嗅覺等等都是屬於感質。

感質,指的是個人直接體驗的主觀感受,被認為無法通過客觀描述或第三人稱觀察來完全理解或解釋。圖/wikipedia

舉一個例子。若是把一顆紅蘋果放在大家面前,詢問蘋果這是什麼顏色,相信大家應該都會說這是紅色。然而,雖然科學能解釋紅色是因為有波長約 620 到 750 奈米的光,刺激到視網膜的錐細胞,產生一連串的神經反應,最後形成大腦的表徵,但卻無法解釋我們對紅色的主觀感受是怎麼形成的。

哲學家們也常思考,你看到的紅色,和我看到的紅色究竟是否一樣,是否有可能我眼中的紅其實是你眼中的綠。

-----廣告,請繼續往下閱讀-----

舉另一個例子,這件數年前爆紅的衣服,你覺得是藍色與黑色相間,還是白色與金色相間呢?

另外,像是這張圖究竟是兔子還是鴨子?

圖/wikipedia

這張圖究竟是狗還是小女孩?

明明有張客觀的圖片存在,每個人的主觀感受卻有不同的答案。

-----廣告,請繼續往下閱讀-----

「困難問題」(Hard problem of consciousness)是找不到答案的問題?

在意識賭局中的哲學家戴維・查爾莫斯,就提出感質以及主觀經驗為什麼(why)存在以及如何(how)產生是所謂的困難問題(Hard problem of consciousness),相較於簡單的問題是討論意識相關的功能和行為,困難問題涉及意識的經驗(現象、主觀),是沒辦法客觀觀察測量。也就是這個問題,是沒有答案的。

舉一個屬於困難問題的例子,明明都只是大腦的神經在放電,為何某些神經放電後會導致飢餓感而不是其他感覺,譬如口渴?他認為即使沒有飢餓這種「感覺」,飢餓衍伸出的行為,例如進食,也可以發生。因此這些產生的感覺,無法單純簡化由大腦等物理系統解釋。

圖/giphy

然而,困難問題的說法其實也存在爭論。根據 2020 年哲學期刊文章的互動式學術資料庫 PhilPapers 的調查, 29.72% 的受訪哲學家認為難題不存在,而 62.42% 的受訪哲學家認為難題是一個真正的問題。

也有一群神經科學家們雖然接受困難問題的存在,卻也認為困難問題未來可以被解決,又或是被證明這不是一個真正的問題。並開啟了他們對於意識相關神經區(neural correlates of consciousness)簡稱 NCC 的研究發展,試圖找到足以產生意識的最小神經集合。

-----廣告,請繼續往下閱讀-----
精神科學家開啟對於意識相關神經區(neural correlates of consciousness)簡稱 NCC 的研究發展,試圖找到足以產生意識的最小神經集合。圖/PanSci YouTube

但 NCC 的研究被認為最多只能找到神經反應與意識的相關性,解決的仍然只是簡單問題而非困難問題。為了突破 NCC 本身的限制,人們又開始轉往重視意識理論(theories of consciousness (ToCs))的發展。希望透過意識理論來超越以 NCC 為基礎的方法論,轉向提供更具解釋性見解的意識模型。

在意識模型這邊還在爭論不休,讓我們先把鏡頭換到神經學家這一邊。

研究科技進步,為意識研究帶來哪些幫助?

面對意識這個艱難的大哉問,克里斯托夫・科赫當初怎麼那麼有自信,敢發起這個看起來勝算就不大的挑戰呢?有那麼愛喝嗎?

1998 年,年輕有為的克里斯托夫・科赫已經是加州理工學院的助理教授,並和生命科學領域大咖中的大咖弗朗西斯・克里克,合作研究意識這個主題。沒錯,就是和華生一同發現 DNA 是雙股螺旋結構的克里克。除此之外,克里斯托夫還擁有物理的碩士學位,擁有跨領域的知識,讓他更加相信透過實證的方式,能找到意識的神經機制。

-----廣告,請繼續往下閱讀-----
克里斯托夫・科赫合作研究意識的對象便是與華生一同發現 DNA 是雙股螺旋結構的弗朗西斯・克里克。圖/PanSci YouTube

當時有許多大腦研究的技術蓬勃發展,像是功能性磁振造影(fMRI)已經獲得廣泛使用,使得科學家們能在對象進行活動或是受外界刺激時,同步從大腦血氧濃度的變化來推斷神經反應。

此外,光學遺傳學(optogenetics)技術也在那個時期開始萌芽,這讓研究者能用極佳的時間解析度來調控特定的大腦神經元,並藉此解碼大腦的秘密。舉例來說,現在的光學遺傳學能讓科學家們鎖定小鼠的特定神經細胞,並在小鼠頭上裝上 LED 光纖,只要開啟 LED 的光刺激,那些特定神經細胞就會興奮或抑制。藉由觀察小鼠行為的變化,就能了解不同行為表現是由哪些神經元所調控。

現在的光學遺傳學能讓科學家們鎖定小鼠的特定神經細胞。圖/PanSci YouTube

厲害的是,在 1979 年光學遺傳學的技術還未誕生前,克里克就認為如果想要了解大腦的運作,精準控制大腦中一種類型的所有細胞是非常重要的,而若想要有極佳的時間和空間精細度,必須使用光的技術,這與後來光學遺傳學的發明不謀而合。

有了這些科技加持,長達 25 年對於意識的賭注也即將來到結局。

-----廣告,請繼續往下閱讀-----

所以,誰贏了賭注?

2023 年 6 月 23 日,在科學意識研究協會的年會上,揭曉了這長達 25 年的賭局。神經科學家克里斯托夫・科赫(Christof Koch)最終承認,目前還不能解釋大腦的神經元是如何產生意識,並買了一箱好葡萄酒(1978 Madeira)給哲學家戴維・查爾莫斯(David John Chalmers)實現諾言。

克里斯托夫・科赫最終承認,目前還不能解釋大腦的神經元是如何產生意識,並買了一箱好葡萄酒給戴維・查爾莫斯。圖/PanSci YouTube

當然,這不是說意識的來源永遠沒有解答,只是當初賭局設下的 25 年時限到了。實際上到了 2018 年,他們兩位根本都忘了這場賭局,直到一位科學記者佩爾・斯納普魯德重新提及這個話題,才讓大家重新想起。

恰巧那個時間點,克里斯托夫・科赫和戴維・查爾莫斯都參與了鄧普頓世界慈善基金會支持加速意識研究的大型項目。該計畫建立一系列意識理論的「對抗性」實驗,希望透過讓兩個或多個持相反觀點的競爭對手共同合作研究,來挑戰各種意識假設。

意識理論的百家爭鳴

而其中包含兩個著名的意識理論,全局工作空間理論(Global Workspace Theory (GWT))和整合資訊理論(Integrated Information Theory (IIT))。

-----廣告,請繼續往下閱讀-----
全局工作空間理論(Global Workspace Theory (GWT))。圖/PanSci YouTube

全局工作空間理論(Global Workspace Theory (GWT))的概念,最早是由認知科學家伯納德・巴爾斯和斯坦・富蘭克林在 1980 年代晚期提出。他們認為意識的產生就像是劇場聚光燈一樣,當這個意識劇場透過名為選擇性注意的聚光燈在舞台上照出內容,我們就會產生意識情境。這聚光燈的投射也代表著全局工作空間,只有當感官輸入、記憶或內在表徵受到注意時,它們才有機會整合成為全局工作空間的一部分,被我們主觀意識到。而我們的行為決策,也是透過這個全局工作空間整合訊息,並分配到其他系統所產生。目前認為全局工作是發生於大腦前方的前額葉區域。

整合資訊理論(Integrated Information Theory (IIT))。圖/PanSci YouTube

與全局工作空間理論打對臺的,是整合資訊理論(Integrated Information Theory (IIT)),最早由朱利奧・托諾尼(Giulio Tononi)在 2004 年提出。這理論認為,意識背後是有數學以及物理為基礎的因果關係。應該先肯定意識的存在,再回推尋找其背後的物質基礎,並認為主觀意識是由客觀的感覺經驗產生的。克里斯托夫・科赫就是此理論的擁護者,他進一步認為,意識背後的那個神經機制,就存在於大腦後方後皮質熱區(Posterior cortical hot zone),包括頂葉、顳葉和枕葉的感覺皮質區域。

讓我們稍微總結一下兩者差異:

全局工作空間理論——

  • 意識只能透過訊息投射到一個稱做「全局工作空間」之後才能呈現
  • 訊息本身不會形成意識
  • 訊息要被注意到才會產生意識

整合資訊理論——

  • 意識存在
  • 產生的關鍵是需要將大腦處理感覺的皮質區域訊息整合

然而,經過六個獨立實驗室的研究,雖然有較多的證據支持整合資訊理論,但兩個理論都存在缺陷和質疑,直到目前都尚未有明確解答能解釋意識的神經機制,這也讓克里斯托夫・科赫大方承認自己輸掉了這 25 年的賭局。

隨著科學測量技術的演進以及越來越多的研究進展,有一些神經科學家認為意識理論即將崛起,目前的狀態只不過是一種研究過渡期。科學哲學家托馬斯・庫恩(Thomas Kuhn)將這種過渡期以「前典範式」(preparadigmatic science)來形容,認為一門不成熟的科學在成熟前,會面臨相互競爭的思想流派並各說各話。就像是當初達爾文提出演化論的物競天擇前有拉馬克主義、災變論與均變論來試圖解釋物種起源一樣。

下一場賭約?

雖然這次的打賭由戴維・查爾莫斯獲得一勝,但克里斯托夫・科赫在今年加倍賭注,認為下一個 25 年他一定會贏。到時候克里斯托夫已經 91 歲,戴維 82 歲了。

大家別擔心,這一集是會員共同選出來的題目, 25 年之後,我們也會再為各位泛糰做一集討論賭局的結果。

最後也想問問大家, 25 年之後,你賭這場對決會是誰贏呢?

  1. 我壓在克里斯托夫・科赫身上,我們一定能解開意識之謎
  2. 我賭戴維・查爾莫斯,意識這個問題,可能很難用科學來解釋
  3. 在那之前, AI 可能都已經有意識了,直接問 AI 還比較快

趕快來留言吧,記得 25 年後要回來看啊!

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----
所有討論 2