象鼻蟲的「螺旋腿」

• 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。

• 前情提要：不存在的某櫛角菊虎？——分類學家偵探事件簿（一）
• 前情提要：沒有菜市場名這回事，分類學只允許一個「家豪」的存在！——分類學家偵探事件簿（二）

特產於澳洲的刺葉樹和刺葉樹象鼻蟲

刺葉樹（Xanthorrhoea; grasstrees）是僅分布於澳洲的特有植物，木質莖幹頂上有一圈又細又長的葉子，開花季時會從頂上長出一根細細長長的花柄，常被利用為園林造景植物，澳洲原住民傳統上也會利用刺葉樹的樹脂於器具製作和容器修補。

刺葉樹象鼻蟲（Paratranes）是體態呈長橢圓形而扁平的黑色象鼻蟲，和刺葉樹有著相存相依的伴生關係，更是僅僅分布於澳洲的獨特昆蟲。

在我們最新發表的分類學研究論文中^[2]，我們確認了本屬有兩個物種，分別為長細刺葉樹象鼻蟲（Paratranes monopticus (Pascoe, 1870)） 和一個全新物種——齊氏刺葉樹象鼻蟲（Paratranes zimmermani Hsiao & Oberprieler, 2021），這個新物種紀念來已故的澳洲象鼻蟲分類學家埃爾伍德．齊默爾曼（Elwood Zimmerman）以彰顯這位極具貢獻的分類學者。

不是新發現，是前人搞錯了！

不過這次的研究並非是在田野調查中找到了新物種，而是過往研究中，出現了把不同物種當作同一物種的狀況。

1898 年，亞瑟．米爾斯．李（Arthur Mills Lea）描述了一種外型與長細刺葉樹象鼻蟲極為相似的物種 Tranes xanthorrhoeae Lea, 1898。

我們重新比對李在 1898 年發表的科學文獻與模式標本，發現在原始文獻中，並未指定正模式標本（Holotype），而文獻中引用的不同物種的複數標本，全被視為同一種物種的群模式標本（Syntypes）。

模式標本是什麼？

分類學家除了形態分類鑑定外，「維穩生物的學名分類系統」也是相當重要的任務。為了避免相同物種被重複命名，或是不同的物種被當作同一種，分類學家會用實體標本來說明特定物種的特徵，這些標本統稱為「模式標本（Type specimens）」。

在分類學中，模式標本作為物種發表時的實體存證，是回顧前人描述的物種，重新對其物種假說地位進行檢視的客觀證據。

具有權威性的模式標本，或稱為「具（載）名模式標本（Name-bearing type）」有三類，分別為「正模式標本（Holotype）」、「群（總）模式標本（Syntype）」和「選模式標本（Lectotype）」。

其中，群模式標本是研究者描述一個物種時，指定多個標本來代表該物種，而每具標本皆能定義該物種，但這產生了一個問題，在群模式標本中，不小心混入其他物種該怎麼辦呢？

為了避免這個狀況，生物分類命名規約規定，後人學者可重新指定這些群模式標本中的其中一隻，作為代表該物種定義的唯一模式標本，這個被再次選出來的模式標本，就叫「選模式標本」。

一般來說，若群模式標本都是同一物種的話，並不需要特別挑選選模式標本（Lectotype）。但李用來引證 Tranes xanthorrhoeae Lea, 1898 的群模式標本中，混合了兩個物種，分別是長細刺葉樹象鼻蟲，以及被李誤認為是 Tranes xanthorrhoeae Lea, 1898 雌性個體的新物種，也就是後來被我們新分類出來的齊氏刺葉樹象鼻蟲，而面對這種情況，就必須特別思考該用哪一個物種當作選模式標本。

分類學家的決策過程

選模式標本的選擇，並不只是為物種選擇正確的模式標本這麼簡單。以李的情況為例，背後就牽扯到 Tranes xanthorrhoeae Lea, 1898 這個學名最後會代表什麼物種，以及李是否發現了新物種。

就李的狀況，分類學家會有以下兩種做法：

• 方案一：若指定了長細刺葉樹象鼻蟲為選模式標本，也代表李當初沒有發現新物種，新物種只是不小心混入群模式標本中，而 Tranes xanthorrhoeae Lea, 1898 這個學名，就會等同於長細刺葉樹象鼻蟲，由於 Tranes xanthorrhoeae Lea, 1898 的出現時間晚於長細刺葉樹象鼻蟲，因此它將成為細刺葉樹象鼻蟲的同物異名 (Synonym)，而另一個新物種需要重新命名（這也是我們最終選擇的方案）。
• 方案二：如果選擇新物種為選模式標本，也代表李當初確實發現了新物種，只是群模式標本中混入了長細刺葉樹象鼻蟲，這時 Tranes xanthorrhoeae Lea, 1898 的意義，將變成與長細刺葉樹象鼻蟲相異的新物種，Tranes xanthorrhoeae Lea, 1898 就會變成新物種的有效學名，我們也不需要再另外描述命名一個新種了。

那麼作為一個專業的分類學家，我們應當選哪個方案呢？

在參考李對 Tranes xanthorrhoeae Lea, 1898 的原始描述後，我們發現李在形態描述，大部分只有長細刺葉樹象鼻蟲的形態，而新物種的描述卻是寥寥數語，因此我們選擇了方案一，認為李並沒有發現新物種。

除了發現、描述未知的生物多樣性，分類學家更應回顧過去前人所做的研究，考據、檢視過往的文獻以及模式標本以檢驗物種假說，並作出合理的決策處置。這個研究成果也再次將澳洲的象鼻蟲分類學往前推進了一步。

• 本論文日前已經線上刊載於《歐洲分類學期刊 European Journal of Taxonomy》
• 此文響應 PanSci 「自己的研究自己分享」，以增進眾人對基礎科學研究的了解。

參考資料

1. Lea A.M. (1898) Descriptions of new species of Australian Coleoptera. Part V. Proceedings of the Linnean Society of New South Wales 23: 521-645.
2. Hsiao, Y. & Oberprieler, R.G. (2021). A review of Paratranes Zimmerman, 1994, Xanthorrhoea-associated weevils of the Tranes group (Coleoptera, Curculionidae, Molytinae), with description of a new species. European Journal of Taxonomy 767, 117-141. https://doi.org/10.5852/ejt.2021.767.1493

在上一篇文章我們介紹了闊胸波溫蘇鐵象鼻蟲 (Miltotranes prosternalis) 的生態習性（見一生只為一人傳情，卻被誤解了 16 年的波溫蘇鐵象鼻蟲），也帶大家認識了蘇鐵這類外型類似棕櫚的熱帶、亞熱帶木本裸子植物，它們有著經濟重要性，可被作為田園造景植物，也身居保育價值而名列於國際自然保護聯盟 IUCN 的保育名錄和《瀕臨絕種野生動植物國際貿易公約》 (CITES) 附錄。

雖然蘇鐵含有有毒物質──蘇鐵苷，會造成肝腸胃道疾病以及具備神經毒性，然而世界一些地方的原住民，仍然會將蘇鐵樹幹磨粉後，再進行反覆淘洗等工序來去除毒性以供食用，日本奄美群島的居民甚至會利用琉球蘇鐵的種子來製作「蘇鐵味噌」。

而在人工栽培的蘇鐵身上，卻有著讓園藝栽植者氣到大喊：「有沒有學生要來研究怎麼防治牠呀？」並公開呼籲設立專項研究生獎學金的澳洲蘇鐵蛀莖象鼻蟲，這到底是怎麼一回事呢？

蛀食蘇鐵莖幹的澳洲象鼻蟲

蘇鐵褐蛀象鼻蟲 (Demyrsus) 和蘇鐵黑蛀象鼻蟲 (Siraton) 是僅分佈於澳洲的象鼻蟲特有屬別，幼蟲會蛀食蘇鐵的莖幹，這兩個屬別的象鼻蟲在澳洲的天然寄主植物是鱗木澤米蘇鐵 (Lepidozamia) 及大澤米蘇鐵 (Macrozamia) 兩類蘇鐵。

在野外，牠們僅會侵襲死亡或生病不健康的個體，並不會造成危害，然而在人工環境如植物園、花園和苗圃場內，牠們被發現除了澳洲蘇鐵外，他們還能攻擊外國產的蘇鐵類群，並造成大量死亡，有曾經意外被引入美國、義大利、比利時和南非的紀錄，甚至當初蘇鐵黑蛀象鼻蟲這個屬被發現時，就是以在義大利採集的標本所發表描述的，事隔多年人們才發現牠並不產於義大利而是遙遠的澳大利亞。

蘇鐵是一種生長速度非常慢的植物，所以可想而知栽種者大半輩子的心血付之一炬的痛心，甚至曾經有位蘇鐵愛好者在園藝雜誌上呼籲設立一個研究生獎學金機會來資助防治這種象鼻蟲，可見得該苦主有多麼悲憤。

由於這些象鼻蟲蛀食的位置非常深而且蘇鐵莖幹質地又非常堅硬，當園主發現後院的蘇鐵盆栽漸漸落葉，並且有不明的甲蟲鑽出時，感染狀況早已病入膏肓，而這些特性也造成現行的藥劑施用仍無能為力，所以目前僅能靠限制大型野生植株進口和檢疫來管控，以期能減少意外攜入這些「澳客」的機會，國際自然保護聯盟 IUCN 蘇鐵專家群已經將這兩類象鼻蟲都列為最高威脅層級的蘇鐵害蟲，幸好目前都是零星的發現紀錄，尚且沒有在國外長期立足的狀況。

澳洲蘇鐵蛀莖象鼻蟲的分類學研究

在我們 2020 年底發表於澳洲昆蟲學會的學術期刊「南方昆蟲學 Austral Entomology」的論文中 (Hsiao & Oberprieler, 2020)，我們研究了蘇鐵褐蛀象鼻蟲和蘇鐵黑蛀象鼻蟲的分類學，我們檢視了成蟲、蛹和幼蟲形態，重新釐清和定義了屬級和種級的特徵，整理了完整的物種形態鑑定資料，並提供了成蟲和終齡鑑定檢索表和地理分佈圖，在我們的研究過程中，除了已知種的蘇鐵褐蛀象鼻蟲 (D. meleoides)、中間蘇鐵黑蛀象鼻蟲 (S. internatus)和羅氏蘇鐵黑蛀象鼻蟲 (S. roei)。

我們驚訝地發現產於北昆士蘭的蘇鐵褐蛀象鼻蟲是一個尚未被世人發現的全新物種，我們將新種象鼻蟲命名為鋼鑽蘇鐵褐蛀象鼻蟲 (D. digmon)，學名源自日本經典卡通「數碼寶貝大冒險 02」中的裝甲體昆蟲型數碼獸「鋼鑽獸 ディグモン」命名，鋼鑽獸擁有操縱大地的力量，可旋轉鑽頭在地面給予沖擊以引起地割，跟我們這種鑽到蘇鐵莖幹深處害蘇鐵死亡的象鼻蟲非常地相似。

另外我們透過蘇鐵物種和象鼻蟲分佈的比較，也列出了數種潛在的蘇鐵寄主種類，可供有關檢疫單位參考，由於我們所發現的此新物種的標本籤上明確記載著會攻擊非洲特有的稀有蘇鐵──非洲蘇鐵屬 (Lepidozamia)，所以很有可能也有潛在的危害性。

熟悉的蘇鐵最對味──澳洲蘇鐵蛀莖象鼻蟲的跨屬危害及演化啟示

如前文所述，蘇鐵褐蛀象鼻蟲和蘇鐵黑蛀象鼻蟲除了澳洲產的蘇鐵之外，還能危害外國產的蘇鐵，而在分析手邊的危害紀錄後，我們發現了有趣的生物學現象，雖然兩類象鼻蟲可以攻擊好幾屬外國的蘇鐵，然而根據統計，危害的記錄集中在非洲蘇鐵屬 (Encephalartos) 的物種上。

如果我們將這樣的寄主偏好連結上蘇鐵的演化樹，我們驚奇地發現非洲蘇鐵和作為天然寄主植物的澳洲鱗木澤米蘇鐵及大澤米蘇鐵是共同形成一個支序，是共享最近血緣的近親類群。

在演化上的近緣性說明了這些蘇鐵可能在生理上特性相近，所以當這些象鼻蟲意外的被帶到遙遠的異鄉國度，身為澳洲蘇鐵親戚的非洲蘇鐵因此對於這些象鼻蟲更好「入口」，可說是最熟悉的異國料理。

另外，由於澳洲和非洲從前都是從岡瓦那古大陸分離，所以這些象鼻蟲攝食起蘇鐵的起源也令人相當地好奇，到底這樣的食性是在岡瓦那古陸時期就已經演化生成，並且根據澳洲蘇鐵有著非洲蘇鐵遠親的鏡像性，澳洲蘇鐵蛀莖象鼻蟲在非洲也曾經有著類似的近親象鼻蟲兄弟但後來因不明原因滅絕，抑或是說這些象鼻蟲是正港澳洲出產的特有類群，牠們是澳大利亞自岡瓦那古大陸分離後才誕生演化出來，後天水平地獲得了這種「口味偏好」(土生土長的台灣人在習慣台式炸排骨後，某一天嘗到日式炸豬排後不可自拔？)，雖然值得研究的細節還很多，但我們目前並沒有發現有任何證據支持前者的「兄弟滅絕說」。

總而言之，從演化生物學上的觀察我們得以呼籲園藝業者、愛好者和植物園經營方，如果你不想要你心愛的蘇鐵植株死亡，那麼你應該要避免引進野生的鱗木澤米蘇鐵及大澤米蘇鐵，並將其與非洲蘇鐵種植在一起。

參考文獻

Hsiao, Y. Oberprieler, R.G. 2020. A review of the trunk-boring cycad weevils in Australia, with description of a second species of Demyrsus Pascoe 1872 (Coleoptera: Curculionidae). Austral Entomology 59 (4): 677-700.