0

2
0

文字

分享

0
2
0

新種形成——秘中之秘

科學月刊_96
・2011/10/17 ・4399字 ・閱讀時間約 9 分鐘 ・SR值 581 ・九年級

自達爾文提出演化概念已超過 150 年,縱使仍有許多人質疑演化理論,演化生物學家對新種形成的熱烈研究:生殖隔離、 突變、新綜合理論……值得吾人一覽究竟,細細品味。

文 / 程樹德

圖一:杜布然斯基(T. Dobzhansky),於 1900 年生於烏克蘭,後移居美國,為美國重要遺傳與 演化生物學家。

演化這觀念,該算生物學裡最核心的理論了,所以在四十多年前,演化生物重要學者杜布然斯基(T. Dobzhansky,圖一)曾說:「若沒演化之光來啟明,則任何生物學現象,都得不到解釋」,而遠溯到一百多年前,達爾文謹慎沉默二十年後,終也在 1859 年刊行他的演化學說,有一百五十年歷史的演化生物學,該能以核心理論,勇居所有生物學的老大地位,但何以它常扭扭捏捏地,經常要說明它有存在的價值呢?

這種妾身未明姿態,可見於每一本教科書中,其前一二章總要列舉諸多證據,說明「演化」確乎存在,與此對比,組織學並不須證明組織是否存在,生理學也不須多費唇舌,說明內分泌腺是否存在。

-----廣告,請繼續往下閱讀-----

個人經驗可以當個小線索以回答這大問題,我有位同事,是位虔誠基督徒,這當然於他人無礙,但他又積極地公開反駁演化,這就得小心應對了,我的策略是,不在他面前談演化,以免惹他上火,但為生命科學系的本科學生開講演化生物學,則是他無法反對成功的。

這持續的、由宗教發出的反對聲,或許是演化生物學常需自我辯護的原因之一吧!我這位神勇的同仁,就聯合不同學校的基督徒科學家,各自開通識課,但相互支援授課,以反對「演化」觀念,偉哉!在這現實社會裡,一群人為了信仰而努力,雖可能惹爭議,但其熱心,仍贏得我的欽佩。

這位同事曾對我說:「物各從其類」,算是教會對「物種不變」的標準詮釋,但若無深入之定義,這句話意旨實在難明,是生物自動歸入他的群體,像小羊追隨羊群呢?還是人能主觀地將生物劃分成自己滿意的所謂「類」,而不再管族群間能否交配生殖的細部問題?用一句話來回答各種複雜的自然或人間現象,或許是信仰或「意識形態」對付科學的常用方法,但終難以滿足人的好奇心及求知慾吧!

雖然達爾文公然談天擇及演化,是從他發表《物種起源》(On The Origin of Species)一書開始,但對新物種怎麼誕生,在書中,他卻著墨不多,只稱之為「秘中之秘」,在隨後一百五十年中,這個問題,經歷多代學者,是否有進一步之認識呢?且讓我們回顧一下。

-----廣告,請繼續往下閱讀-----

達爾文:差異累積引發生殖隔離

圖二:達爾文(Charles Robert Darwin ),1809年生於英國, 他的研究確立了演化及天擇的概念,著作《物種起源》為對人類 影響重要的書籍。

達爾文(圖二)在加拉巴哥群島上探險時, 就曾與他的助理獵集不少鷽鳥(Mockingbird),並做成標本,回倫敦後即交給鳥類專家古爾德(John Gould),請他進行分類,當古氏分出很多不同「種」時,卻讓達爾文大吃一驚,尷尬地設法回憶及標出其採集地點,因而顯示達爾文當時對「種」的概念,不同於那時候的專家觀點,而專家注重型態上細微差別。

故達爾文的物種看法,以型態為主,在書中他說:「我認為種一詞,為方便而設,指一群互相相似的個體」,但種與種之間怎麼劃分呢?他只好訴諸差異的總數了,他說:「差異總量是分別兩類型為不同種或種內不同品系的標準」,他這種純以差異多少為「種」分野之標準,使新種的產生,變成兩不同族群累積夠多差異之後,就自然分成不同種了,他也知道兩族群間要有生殖上的障礙,才算分裂成不同的種,但那時他無力分辨,型態不同到何時,方才發生生殖隔離。

地理隔絕 vs. 突變論

達爾文後第一代學者,對種的生成,分裂成兩派意見,第一派大都是博物學家,較懂得生物地理學,認為達爾文忽略了異地形成新種的重要性,他們認為居同一地域的有性生殖族群,很難被天擇壓力撕裂成兩個互不交配的族群,故像華格納(Moritz Wagner)及喬登(Karl Jordan and David Starr Jordan)等人,都強調「地理隔絕」是新種形成的關鍵條件。但第二派學者所採取的「突變論」,就認為新種是突變所產生,不但與天擇無涉,也非緩進的,他們大都是遺傳學家,如杜弗瑞(De Vries)及貝特森(Bateson),知道突變突然出現,但無法想像,天擇這連續過程中,怎麼會突然跳出不連續的兩個群體。

或許因為這兩派意見之爭執,新種形成的問題就被擱下來,直到新綜合理論出現。1935 年杜布然斯基在「批判生物學內種的觀念」一文,指出「新種形成過程」的問題尚未解決,其難處在於,若把演化過程看成是「對偶同位基因」間,相對頻率的緩慢改變,那如何於同一地域形成遺傳上及形態上明顯不同的兩個族群呢?故他指出達爾文對「種」觀念不足,強調兩族群一定要在生殖上互相隔離了,也即有種種方式防止族群間的基因流通,方才算是不同的種了。

-----廣告,請繼續往下閱讀-----

新綜合理論:異地才能產生新種

圖三:麥爾(Ernst Mayr),於 1904 年生於德國,為二十世紀最重要的演化生物學 家之一,主要貢獻是提出新綜合演化理論,整合達爾文演化概念、分類學概念、孟德 爾遺傳等,並確立生物「種」的概念。

對「生殖隔離機制」的重視,激發了麥爾(Ernst Mayr,圖三)的研究,他正式提出生物種的觀念,即強調種內個體理論上均可交配繁殖,但與種外個體交配繁殖,就有各式可能的障礙,麥爾認定「種」就是演化的基本獨立單位,他另也強調異地才能形成新種。他第一本重要著作——《分類學與物種起源》(Systematics and the Origin of Species from the Viewpoint of a Zoologist, 1942)開啟了對種較精緻的看法,第二本大書《動物種及演化》(Animal Species and Evolution, 1963)總結了異地新種形成的各種證據,算是新綜合學說集大成之作。

這一階段的學者很稀奇地忽略了一事,即繁殖障礙到底是如何形成的?雖然達爾文早就於 1871 年提出性選擇理論,但新綜合時代學者,不曾想到,若兩個族群的個體,在擇偶時,眼光不同時,這項行為是否就可以構成繁殖障礙呢?

麥爾大書於 1963 年出版後,種的研究又停歇了二十年,大概是因電泳技術進步了,族群遺傳學家關注於族群內變異的數量,大批轉換研究題目了。

近代「種」研究

「種」研究的第三波高潮,要到 1980 年後才開始,一方面或許老演化遺傳學家已厭倦於定族群內變異的數量,另一方面,年輕學者發現,新的分子遺傳學技術,可用以攻擊老而未決的問題,例如用核酸晶片,來比較兩個很相近的種,找出造成其繁殖障礙的基因差異,可能是那些基因?

-----廣告,請繼續往下閱讀-----

第三方面,有些演化生態學家發現,新綜合理論時代學者完全忽視了不同生態環境中,容易形成新種,若仔細觀察兩不同族群因應不同生態而產生的種種型態及行為差異,應能猜測出繁殖障礙起於何處,也可預測天擇塑造這個差異的過程。這三個動力,開創了約三十年的新熱潮,使吾人對新種形成,有較深入的體認,以下我就簡介兩組實驗,讓讀者略窺這些研究活動。

三刺棘背魚擇偶實驗

圖四:三棘刺魚(Gasterosteus aculeatus aculeatus),分成溯河洄游型及溪居型兩種。 背鰭前方有3~4根游離棘;腹鰭只有硬棘與軟條各1根;側腹上有骨板。溯河型最大體長 可達11 公分,溪居型最大只達8 公分。

三刺棘背魚(Three-spined stickleback ,學名 G. aculeatus ,圖四)有兩種生態區,其一是溯河型,主要居於海水中,但能溯流入淡水河中,另一是溪居型,只住淡水溪中,這兩種棘背魚,能居於同地而不雜交,不形成混種族群,若放實驗室內養而觀察之,可見其個體互不交配。由於溯河型魚廣泛分布於相似的海洋環境中,故人們推測它該是較古老的,而溪居型則由附近的溯河型新演化而生,由於各不同地區的溪居型魚外表相似,故可以推測,相似棲地塑造了相似的形態特徵。而體型大小是最明顯的差異,或許溯河魚要遷徙較長距離,又要對付掠食者及食物,故溯河型常大於溪居型,是否體型大小,構成生殖障礙呢?由麥金能(J. S. Mckinnon)所領銜的研究組進行交配試驗來回答這個疑問。

由於棘背魚分布廣,故他們擇魚標準,是最近一次冰河方退的溪流,取其溪居型和附近的溯河型比對基因距離,發現它們是很近的,表示溪居魚剛從附近的溯河型分裂成新種。把同一區域這兩種魚擺在一齊,觀察求偶成功比率,他們發現,同一生態型(生活在某一特定棲息地且有專門特徵的物種)成功交配比率,多於異生態型兩倍,這表示某因素使雌魚拒絕雄魚。把不同區域不同生態型放一齊,觀察求偶成功率,赫見雌魚仍喜歡同一生態型的雄性,儘管這雄性源於幾千公里外的一個異族。

體型差異或許就是雌性選擇的重要標準,但實驗者怎樣做呢?它們操縱魚的不同生長期,可育出小的溯河雌魚及大的溪居雌魚,這些魚分別來自日本或加拿大卑詩省,再由卑詩野生雄魚進行追求,他們發現,雌魚愛體型相似的雄魚,而不在乎他的生態型或來源地,例如小的卑詩溯河雌魚,偏愛小的溪居雄魚,而不愛大的溯河雄魚。

-----廣告,請繼續往下閱讀-----

這組實驗顯示雌魚擇偶,偏愛相同體型雄魚,而這種偏愛是繁殖障礙的主因呢!

果蠅擇偶研究:全基因體假設

既然雌雄的擇偶偏好,能在新種形成上,扮演這麼重要角色,所以有人就用果蠅當研究材料,因為果蠅易養且繁殖一代的時間要短於棘背魚。

先將果蠅族群分成兩半,在不同環境下養很多代後,再測其雌雄擇偶偏好,發現溫度、濕度、食物、培養基的酸鹼度,都能造成偏好的趨異,就陶德(D. M. B. Dodd)的果蠅生殖隔離實驗(圖五)來看,他將果蠅養在澱粉或麥芽糖做成的培養基內 25 代,發現長在澱粉基上的雌蠅,較愛同食物的雄蠅,反之長在麥芽糖上的雌蠅,也只愛麥芽糖蠅哥,陶德並未對之進行人擇,何以這偏好,這麼快就演化出來呢?

圖五:果蠅的異域種化實驗。

以夏隆(G. Sharon)領銜的這一團隊,進一步探究之。他們也把純種果蠅,分別養在蜜糖或澱粉的培養基上,若干代後,在實驗前,都再放回蜜糖培養基一代,以免因棲地的喜好不同,產生了擇偶偏好,試驗時,取一對蜜糖中長大的雌雄,加一對澱粉中長大雌雄,讓這四隻自由擇偶,然後紀錄交配狀況。

-----廣告,請繼續往下閱讀-----

他們發現,擇偶偏好,第二代就出現了,即蜜糖雌偏好蜜糖雄,而澱粉雌愛澱粉雄,其後各代皆保持這偏好。他們猜想食物引起的擇偶偏好,是否源於共生細菌,於是在培養基內加上抗生素(如四環素、鏈黴素、立凡黴素 Rifampicin),結果其偏愛完全消失了。

實驗者就用基因定序(16S rRNA 基因)方法,試著找出蠅體內有那些細菌,在諸多菌種中,差異較大的是在澱粉組蠅腹中,某一乳酸菌(Lactobacillus plantarum)占了26%,而蜜糖蠅中,只有 3%,是否這個不同引發擇偶差別呢?他們刻意餵腹中已無菌的蠅以純粹菌種,則蠅的擇偶偏好又回來了。

就此有趣結果,他們提了個演化的全基因體假設(Hologenome theory),即寄主及身上的寄生細菌和蟲蟲們,一齊構成了演化單位,共生細菌或能改造寄主的體味或性費洛蒙,使寄主發出不同氣味,或不同性誘惑力,因而造成擇偶偏好,進而促成新種形成。歷經三波興衰,「種」的研究在一百五十年內起起落落,正可見學潮時風,亦非一往直前呢!

引用文獻

-----廣告,請繼續往下閱讀-----

1. J. S. Mckinnon, et. al., Evidence for ecology’s role in speciation, Nature, vol. 429: 294-297, 2004.

2. G. Sharon, et. al., Commensal Bacteriaplay a role in mating preference of Drosophila melanogaster, PNAS, vol. 107: 20051-20056, 2010.

作者:程樹德,任教陽明大學微免所。

科學月刊 第四十二卷第四期 2011.4

文章難易度
科學月刊_96
249 篇文章 ・ 3632 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。

0

1
2

文字

分享

0
1
2
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 54 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

1
1

文字

分享

0
1
1
誠實面對人類參與的「自然」——太田欽也專訪
顯微觀點_96
・2024/07/11 ・3228字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

本文轉載自顯微觀點

斑馬魚是最知名的模式生物之一,其基因、型態與發育深受了解,並用於探討深度同源等重要演化生物學問題。但也有科學家提出,演化生物學該持續隨環境演進,並嘗試以新的實驗物種——金魚——探討人類世(Anthropocene)環境下的生物演化。

育種歷史與基因巧合 奠定金魚的演化生物學價值

例如有千年馴化歷史、型態千變萬化的金魚,就相當適合探討人類因素與生物型態演化的關聯。

中研院細生所派駐臨海研究站的演化與發育生物學家太田欽也指出,斑馬魚與金魚兩者的胚胎都可以透過顯微鏡仔細觀察,相對於受精一年後才成熟的金魚,斑馬魚有成熟較快,基因組較為單純等優點,也具備許多現成基因研究工具。

-----廣告,請繼續往下閱讀-----

但斑馬品系間仍以其生理機能與基因為主要差別,對型態差異的演化並未那麼明顯。因為,科學家為了操作基因與細胞特徵而培育斑馬魚,使不同品系的差異大多來自目標明確的基因工程。

金魚型態演化圖。Courtesy of Kinya Ota and Gembu Abe

而金魚的型態變異,則完全來自飼養者對型態的偏好和育種,蘊藏更多元的型態變化與發育差異。其悠長的馴養歷史以及更古老的基因重複(Gene Duplication)機遇,使其值得成為演化發育生物學的新模式生物。研究器材和方法上的調整,則是生物學家展現才智的機會。

太田欽也舉例,「一般的解剖顯微鏡工作距離適合觀察和操作斑馬魚,但是經過我們自己的創意,也改裝出可以對金魚進行顯微手術的器具和適合拍攝的大型解剖顯微鏡。設備上的差異並不難克服。」

金魚胚胎的發育生物學優勢

太田欽也說,現代生物學家以果蠅和微生物育種進行遺傳與演化實驗,擴大時間維度來看,千年來金魚愛好者挑選、強化金魚外觀特徵的過程,可以比擬長時間的人擇實驗。

金魚不僅適合用來觀察人擇壓力如何影響成年生物的型態。太田欽也更想進一步探索,從胚胎階段的差異進行選擇,是否可能改變生物的型態。

-----廣告,請繼續往下閱讀-----

太田欽也提到,人工育種對發育與型態的影響力也展現在其他物種上,例如家犬與鴿子也被培育出許多特殊表型。但是哺乳動物和鳥類的胚胎觀察不易,需要相當高的技術與成本。

相對於動物子宮與鳥類蛋殼內的胚胎,在透明卵囊中發育的半透明金魚胚胎,就是非常容易觀察的研究對象。只要有恰當的複式顯微鏡、解剖顯微鏡和顯微手術能力,金魚的胚胎從受精到孵化都可以全程順利紀錄,而且每次繁殖可以蒐集到上百筆資料。

現代顯微攝影技術搭配容易觀察的金魚胚胎,讓太田欽也可以拍攝清晰影片,在網路上生動地分享發育生物學知識。攝影:楊雅棠

自製影片 盼演化生物學跨過學院圍牆

除了將金魚研究成果發表在 Nature 等科學期刊,太田欽也同時努力當起「Youtuber」。他希望能將演化發育生物學、金魚飼育經驗、臨海研究站的學術特色,甚至是宜蘭的風光,透過網路傳達給大眾。

武漢肺炎導致的漫長隔離,是他學習影音製作的契機。最初他在百無聊賴之下看了大量影片,後來逐漸萌發「我也要拍自己的題材!」的企圖心。開始搜尋拍攝、後製、配樂等網路教學,在隔離的單人房中逐漸進步。

-----廣告,請繼續往下閱讀-----

太田欽也說,拍攝影片最重要的動機是「分享」。他解釋,「科學的頻道不管累積再多追蹤者,例如數十萬人追蹤的 Nature, Science, 觀眾也以科學領域工作者為主。現代知識逐漸朝向『專家』與『外人』的兩極化狀態發展,我不喜歡這樣的社會。」

如同他推進學術研究的方法,他也透過自學、自己組裝基礎設備如空拍機、手機等,在節省開支的情況下拍出了中研院同僚為之驚艷的影片。

太田欽也為臨海研究站拍攝的簡介影片,基本款空拍機呈現了頭城的舒暢美景。

在早已開始的人類世 何謂自然?

太田欽也熱衷以空拍影片介紹宜蘭的郊野與人文,但他對主流輿論的「自然環境」內涵存疑,他認為「自然」早已被人類行為大幅改變。自從農業擴張、工業革命發生,人類對環境與生物的改變程度早已無法恢復「自然原貌」。

他以金魚的馴化過程為例,從宋朝開始的愛好者,透過育種極力凸顯特殊形態,從沒有背鰭的「蛋種」,到眼周水泡足以遮蔽視線的「水泡眼」。都不是基於適應「自然」而進行的育種。

-----廣告,請繼續往下閱讀-----

太田欽也強調,「如果是宋朝或明朝人有今天的生物學工具,以他們的追求珍奇的育種態度,一定會用 CRISPR 編輯金魚基因,製造出更奇特的變異型態。」

他說,這樣的行為會在現代科學圈與社會輿論上遭到反對,「認為動物被修改基因、型態變異很可憐」,但人類採用動物進行藥物實驗或經濟用途時,也並未優先考慮「自然原則」。

太田欽也反問,「若是透過基因編輯技術將金魚修改回類似野生鯽魚的型態,更適應野外環境,這樣算是自然或不自然呢?」

建立科技倫理 而非堅守「自然」想像

他指出,金魚的馴化與育種反映著東亞社會的自然觀念,不同於西方基督教倫理的「人統御、保護自然」意識形態。可以促進人們反思,人類也身在其中的「自然」的標準是什麼?而非執著於保護想像中的自然「原狀」。

太田欽也強調,「本質化『自然』、建構一個保守不變的形象,不會幫助人們了解生物學。」

他認為,宋朝人、明朝人的自然觀念與今日不同;甚至現代人常引用的「道法自然」倡議者老子,他所提倡的自然,與現代許多人想像、意圖恢復的也是不同的自然。

背鰭退化、尾鰭倍增的蛋種雙尾金魚,是古代貴族最青眼有加的奇特型態之一。作者:清 馬文麟 來源:國立故宮博物院

太田欽也建言,科學地面對人類因素影響世界各地生態的現實、建立基因科技的社會倫理與規範,都是比恢復建構出的「自然」意象更重要的生物學議題。

-----廣告,請繼續往下閱讀-----

來自日本和歌山縣鄉間的太田欽也說,長期駐守宜蘭頭城的臨海研究站不僅是因為設施與職位,也是因為此處環境與故鄉有幾分神似。

「但我不會說這兩個地方都很『自然』,在人們對我說『這裡很自然!』的時候。」太田欽也無奈地笑說,「想到周遭可以釣起吳郭魚的溪流、被整治疏濬成田園的原洪氾濕地,反而會讓我很疑惑彼此對『自然』的共識。」

1995 年諾貝爾化學獎得主克魯岑(Paul Crutzen)指出,現代已是由人類行為影響地質特性的人類世。此概念引起地質科學界激烈討論,從新石器時代、工業革命到核彈試爆頻繁的 1960 年代都有學者認為是人類世的開端。

最後由國際地層委員會的人類世工作小組投票決定,視第二次世界大戰後、人口與人類活動高速成長的20世紀中葉為人類世起點。

查看原始文章

參考資料

  1. Li IJ, Lee SH, Abe G, Ota KG. Embryonic and postembryonic development of the ornamental twin-tail goldfish. Dev Dyn. 2019 Apr;248(4):251-283.
  2. Abe G, Lee SH, Chang M, Liu SC, Tsai HY, Ota KG. The origin of the bifurcated axial skeletal system in the twin-tail goldfish. Nat Commun. 2014 Feb 25;5:3360.
  3. 太田欽也實驗室

討論功能關閉中。

顯微觀點_96
9 篇文章 ・ 3 位粉絲
從細微的事物出發,關注微觀世界的一切,對肉眼所不能見的事物充滿好奇,發掘蘊藏在微觀影像之下的故事。

0

0
0

文字

分享

0
0
0
賭博與愛情公式:用數學擬定你的擇偶策略——《數盲、詐騙與偽科學》
大牌出版.出版大牌_96
・2024/01/06 ・2486字 ・閱讀時間約 5 分鐘

理解期望值,有助於分析賭場裡的大部分賭局,以及美國中西部和英國的嘉年華會中,常有人玩、但一般人比較不熟悉的賭法:骰子擲好運(chuck-a-luck)。

招攬人來玩「骰子擲好運」的說詞極具說服力:你從 1 到 6 挑一個號碼,莊家一次擲三顆骰子,如果三個骰子都擲出你挑的號碼,莊家付你 3 美元。要是三個骰子裡出現兩個你挑的號碼,莊家付你 2 美元。

假如三個骰子裡只出現一個你挑的號碼,莊家付你 1 美元。如果你挑的號碼一個也沒有出現,那你要付莊家 1 美元。賽局用三個不同的骰子,你有三次機會贏,而且,有時候你還不只贏 1 美元,最多也不過輸 1 美元。

我們可以套用名主持人瓊安.李維絲(Joan Rivers)的名言(按:她的名言是:「我們能聊一聊嗎?」),問一句:「我們能算一算嗎?」(如果你寧願不算,可以跳過這一節。)不管你選哪個號碼,贏的機率顯然都一樣。不過,為了讓計算更明確易懂,假設你永遠都選 4。骰子是獨立的,三個骰子都出現 4 點的機率是 1/6×1/6×1/6=1/216,你約有 1/216 的機率會贏得 3 美元。

-----廣告,請繼續往下閱讀-----

僅有兩個骰子出現 4 點的機率,會難算一點。但你可以使用第 1 章提到的二項機率分布,我會在這裡再導一遍。三個骰子中出現兩個 4,有三種彼此互斥的情況:X44、4X4 或 44X,其中 X 代表任何非 4 的點數。而第一種的機率是 5/6×1/6×1/6=5/216,第二種和第三種的結果也是這樣。三者相加,可得出三個骰子裡出現兩個 4 點的機率為 15/216,你有這樣的機率會贏得 2 美元。

圖/envato

同樣的,要算出三個骰子裡只出現一個 4 點的機率,也是要將事件分解成三種互斥的情況。得出 4XX 的機率為 1/6×5/6×5/6=25/216,得到 X4X 和 XX4 的機率亦同,三者相加,得出 75/216。這是三個骰子裡僅出現一個 4 點的機率,因此也是你贏得 1 美元的機率。

要計算擲三個骰子都沒有出現 4 點的機率,我們只要算出剩下的機率是多少即可。算法是用 1(或是100%)減去(1/216 +15/216 + 75/216),得出的答案是 125/216。所以,平均而言,你每玩 216 次骰子擲好運,就有 125 次要輸 1 美元。

這樣一來,就可以算出你贏的期望值($3×1/216)+($2×15/216)+($1×75/216)+(–$1×125/216)=$(–17/216)=–$0.08。平均來說,你每玩一次這個看起來很有吸引力的賭局,大概就要輸掉 8 美分。

-----廣告,請繼續往下閱讀-----

尋找愛情,有公式?

面對愛情,有人從感性出發,有人以理性去愛。兩種單獨運作時顯然效果都不太好,但加起來⋯⋯也不是很妙。不過,如果善用兩者,成功的機率可能還是大一些。回想舊愛,憑感性去愛的人很可能悲嘆錯失的良緣,並認為自己以後再也不會這麼愛一個人了。而用比較冷靜的態度去愛的人,很可能會對以下的機率結果感興趣。

在我們的模型中,假設女主角——就叫她香桃吧(按:在希臘神話中,香桃木﹝Myrtle﹞是愛神阿芙蘿黛蒂﹝Aphrodite﹞的代表植物,象徵愛與美)有理由相信,在她的「約會生涯」中,會遇到 N 個可能成為配偶的人。對某些女性來說,N 可能等於 2;對另一些人來說,N 也許是 200。香桃思考的問題是:到了什麼時候我就應該接受X先生,不管在他之後可能有某些追求者比他「更好」?我們也假設她是一次遇見一個人,有能力判斷她遇到的人是否適合她,以及,一旦她拒絕了某個人之後,此人就永遠出局。

為了便於說明,假設香桃到目前為止已經見過 6 位男士,她對這些人的排序如下:3—5—1—6—2—4。這是指,在她約過會的這 6 人中,她對見到的第一人的喜歡程度排第 3 名,對第二人的喜歡程度排第 5 名,最喜歡第三個人,以此類推。如果她見了第七個人,她對此人的喜歡程度超過其他人,但第三人仍穩居寶座,那她的更新排序就會變成 4—6—1—7—3—5—2。每見過一個人,她就更新追求者的相對排序。她在想,到底要用什麼樣的規則擇偶,才能讓她最有機會從預估的 N 位追求者中,選出最好的。

圖/envato

要得出最好的策略,要善用條件機率(我們會在下一章介紹條件機率)和一點微積分,但策略本身講起來很簡單。如果有某個人比過去的對象都好,且讓我們把此人稱為真命天子。如果香桃打算和 N 個人碰面,她大概需要拒絕前面的 37%,之後真命天子出現時(如果有的話),就接受。

-----廣告,請繼續往下閱讀-----

舉例來說,假設香桃不是太有魅力,她很可能只會遇見 4 個合格的追求者。我們進一步假設,這 4 個人與她相見的順序,是 24 種可能性中的任何一種(24=4×3×2×1)。

由於 N=4,37% 策略在這個例子中不夠清楚(無法對應到整數),而 37% 介於 25% 與 50% 之間,因此有兩套對應的最佳策略如下:

(A)拒絕第一個對象(4×25%=1),接受後來最佳的對象。

(B)拒絕前兩名追求者(4×50%=2),接受後來最好的求愛者。

如果採取A策略,香桃會在 24 種可能性中的 11 種,選到最好的追求者。採取 B 策略的話,會在 24 種可能性中的 10 種裡擇偶成功。

以下列出所有序列,如同前述,1 代表香桃最偏好的追求者,2 代表她的次佳選擇,以此類推。因此,3—2—1—4 代表她先遇見第三選擇,再來遇見第二選擇,第三次遇到最佳選擇,最後則遇到下下之選。序列後面標示的 A 或 B,代表在這些情況下,採取 A 策略或 B 策略能讓她選到真命天子。

-----廣告,請繼續往下閱讀-----

1234;1243;1324;1342;1423;1432;2134(A);2143(A);2314(A, B);2341(A, B);2413(A, B);2431(A, B);3124(A);3142(A);3214(B);3241(B);3412(A, B);3421;4123(A);4132(A);4213(B);4231(B);4312(B);4321

如果香桃很有魅力,預期可以遇見 25 位追求者,那她的策略是要拒絕前 9 位追求者(25 的 37% 約為 9),接受之後出現的最好對象。我們也可以用類似的表來驗證,但是這個表會變得很龐雜,因此,最好的策略就是接受通用證明。(不用多說,如果要找伴的人是男士而非女士,同樣的分析也成立。)如果 N 的數值很大,那麼,香桃遵循這套 37% 法則擇偶的成功率也約略是 37%。接下來的部分就比較難了:要如何和真命天子相伴相守。話說回來,這個 37% 法則數學模型也衍生出許多版本,其中加上了更合理的戀愛限制條件。

——本書摘自《數盲、詐騙與偽科學》,2023 年 11 月,大牌出版,未經同意請勿轉載。

討論功能關閉中。

大牌出版.出版大牌_96
3 篇文章 ・ 0 位粉絲
閱讀的大牌不侷限於單一領域, 視野寬廣,知識豐富,思考獨立。