0

0
0

文字

分享

0
0
0

從古至今最關鍵的五餐飯──《品嘗的科學》

行路出版_96
・2016/03/12 ・2914字 ・閱讀時間約 6 分鐘 ・SR值 537 ・八年級

最早出現的和味道有關的跡證,早在地球生命開始感覺到周遭世界的時候就有了。海水裡從這些生物體旁邊漂過的養分,其味道就激發了牠們原始的神經系統。在接下來的數十億年裡,生命演化的過程中,已經吃過無數餐飯了。

我們現在的口味,就像俄羅斯套娃那樣,一層層包覆著以前的那些體驗。不論一個人的口味是怎麼培養起來的,或是一道菜裡的成分有多麼不易察覺,一個味道就能勾起久遠記憶中的原始衝動,這些原始衝動呼應著演化過程的轉折,與遠古時候為食物爭得你死我活的爭鬥。

底下介紹的從古至今最重要的「五餐飯」,每一餐都是在演化史的重要轉折點發生,它們對於要解釋味覺從哪裡出現,以及智人的烹飪發明天賦從何處產生,大有幫助。

地球生命的第一口飯

這種小動物有些像金龜子,大約一吋長,有格紋狀的柔軟甲殼,會在海岸淺灘的沙子裡竄來竄去。接著牠能察覺到由氣味、振動與光線變化交織而成的破舊織毯。牠那蟲狀的獵物會往沙裡挖洞,企圖迴避閃躲到安全地點。不過為時已晚。掠食者用鉗狀的下顎把獵物扯開,吸進嘴裡、吞進食道,然後繼續牠的行程,尋找藏身處躲藏,讓食物消化。

-----廣告,請繼續往下閱讀-----

四億八千萬年前的這一餐,證據是在一九八二年發現的。那一年,還是研究生的馬克‧麥克孟納明(Mark McMenamin)為墨西哥政府調查索諾蘭沙漠(Sonoran Desert)的地質,在墨西哥索諾拉州圖桑市(Tucson)西南方約七十英里處的高山 Cerro Rajón(中譯:朗山) 的山側進行挖掘(古代的海底現在變成在山頂上了)。他在一片灰綠色頁岩上注意到一個很微小的化石壓痕,當時他也沒有多想,就把那個壓痕從岩石上鑿下來,把它和其他那堆標本一起裝袋。

由未經訓練的人來看的話,那個化石只不過是大約四分之一吋長、隱隱約約的連續刮痕。當麥克孟納明把它拿回實驗室研究時,他辨認出那是三葉蟲的運動,刻畫在硬化泥漿上的爬痕。在動物界裡,三葉蟲幾乎要算是每種動物的老祖宗了:魚類、雙翅目、鳥類、人類。牠們在海床上留下無數化石,讓它們成了這種天然的歷史博物館裡的固定班底。很多化石有多節式外殼,看起來像是鱟和蜈蚣雜交的產物。這種化石的紋路圖樣很有名,甚至還有一個學名「多線皺飾蟲」(Rusophycus multilineatus)。麥克孟納明保留了這個化石,也在自己的博士論文裡寫到它。一直到二十多年後他擔任曼荷蓮學院(Mount Holyoke College)地質學教授、研究早期的生命演化過程之前,他都很少想到這件事。

4663012980_d65ae21f85_z
cedit:Kevin Walsh@flickr

後來麥克孟納明在看到他以前忽略掉的東西時,再一次檢查了那個化石。「它具有這種額外的特徵,不只是三葉蟲而已,緊鄰的另一個彎彎曲曲的軌跡化石也有這特徵。」他說:「這些東西很罕見。」他推斷,這個化石包含了兩種生物相遇的證據。另外的那道軌跡,就是一隻像蟲子那樣比較小的生物想要鑽進泥巴裡的證明。從這些記號的排列來看,顯然三葉蟲就在牠的正上方。麥克孟納明採用了「奧卡姆剃刀」(Occam’s Razor)原理:最簡單的解釋,就是三葉蟲要挖洞找吃的東西。他寫道:這就是「第一口飯」的證據─是目前已知最古老的掠食者吞吃獵物的化石。

這一餐的味道如何?有可能想像出來嗎?

-----廣告,請繼續往下閱讀-----

在那個時代(也就是寒武紀〔Cambrian Period〕)之前,就任何有意義的方面來看,味道是不存在的。地球上的生命大部分是由漂浮、過濾和光合作用組合而成。細菌、酵母和其他單細胞生物,藏身在花崗岩的溝紋裡或是砂粒之間。有些單細胞生物會湊在一起形成黏糊糊的細胞叢。管狀或碟狀的生物體會搭著洋流的順風車漂流。「吃」的意思是指吸收海水裡的營養成分。有時候某個生物體會包裹住另一個生物體。

接著,經過數千萬年──以地質學的時間尺度來說只是一瞬之間─海洋裡變成充滿各種新生物,包括三葉蟲,牠成了生命演化史上最成功的生物類別;牠們稱霸地球的時間持續超過兩億五千萬年。牠們大約是五億年前出現的,也就是我所知自然界真正開始的時間:有史以來第一次,生命開始有系統地吞吃掉其他生命。這些新生物和牠們的前身不一樣,牠們有嘴巴和消化道。牠們擁有較原始的大腦和感官,以偵測到明、暗、動作和洩漏形跡的化學特徵。牠們利用這種精巧的新工具來獵捕、殺掉獵物與填飽肚子。就像伍迪‧艾倫(Woody Allen)電影《愛與死》(Love and Death)裡的角色鮑里斯(Boris)說的:「對我來說,嗯……我也不知道,大自然是蜘蛛與蟲子,以及大魚吃小魚。還有植物吃掉植物,動物吃……它就像一座巨大無比的餐廳。」

三葉蟲並沒有存活到現在,從那些化石也沒有辦法知道牠們神經系統的資訊,所以想要知道牠們的感官能力,得仰賴經過訓練的推測。確實,牠們可能完全沒辦法察覺像黑巧克力、葡萄酒這類複雜的氣味。人類的味道,即使是討厭的味道,都充滿細微之處,而且和其他氣味、過去的事件與感情,我們學到的經驗整體,都息息相關。很可能三葉蟲不會有「愉快」這類的感覺,而且僅能保留一點點殘存記憶。每一餐嚐起來的味道必定都差不多。而這一餐的特點一定是大多來自化解了飢餓感,以及攻擊的衝動。

還有,這些原始的氣味元素是一種相當了不起的演化成就,而人類的味道同樣具有這種相同的基本生理學構造。當然,這好比是拿小鳥比雞腿似的。不過,味道的基礎已經奠定了。

-----廣告,請繼續往下閱讀-----
Cambrian_sea
根據化石證據,寒武紀時期,物種出現爆炸性的成長。本圖為藝術家模擬寒武紀時期的海底樣貌。credit:Ghedoghedo

地球生活條件的某些重大改變,引發了這場掠食者與獵物間的重大變革,也就是「寒武紀大爆發」(Cambrian explosion)。科學家們對於它是什麼狀況並沒有共識。有一些科學家認為那是一場史前時代的全球暖化,融解了長期冰凍的兩極冰帽所造成的。海面上升達數百英呎,海水淹進內陸,淹過長了青苔與真菌的低矮山丘和岩石(樹、草和開花植物在當時都還沒出現),侵蝕出潟湖並塑造出沙洲與淺灘,創造出相當適合生命體生長繁殖的溫暖淺窪地。有些科學家描述這次大爆發是地球磁場方向改變,更有其他人指稱是突變的關係,這種突變會導致動作電位(action potential)出現,也就是讓神經細胞能遠距離溝通的能力,或是在 DNA 編碼上的其他偶然變化。

不管事件的精確順序是怎樣,在敏銳的感官與演化成功之間,已經建立起一個相當牢靠的連結。就在身體與神經系統適應了日益升高的威脅與機會之後,一場生物學上的武器競賽展開了。那些感官,一度只是「偵測與反應」的機制,為了引導出複雜的行為,必須發展得更有效果才行。

氣味成了這個過程的關鍵。從三葉蟲存在的時代到現在,覓食、獵捕和吃食物這些行為,推動了生命不斷地啟動,在我們人類的大腦與文化成就上登上顛峰。氣味更勝於視覺或聽覺或甚至是性,是人類的核心裡最重要的要素。它創造了我們。麥克孟納明說,最為諷刺的,就是世界上開始出現殺戮,並伴隨著難以言喻的痛苦,也發展出智能和知覺,最後產生了人類的意識。


 

文章難易度
行路出版_96
16 篇文章 ・ 7 位粉絲
行路為「讀書共和國」出版集團旗下新創的出版社,出版知識類且富科普或哲普內涵的書籍,科學類中尤其將長期耕耘「心理學+腦科學」領域重要、具時代意義,足以當教材的出版品。 行路臉書專頁:https://www.facebook.com/WalkPublishing

0

3
3

文字

分享

0
3
3
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

-----廣告,請繼續往下閱讀-----

  • 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 ・ 56 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

0
0

文字

分享

0
0
0
找出品酒的「底層邏輯」——我們的身體如何品出酒品的獨特感受?
鳥苷三磷酸 (PanSci Promo)_96
・2023/10/27 ・1234字 ・閱讀時間約 2 分鐘

-----廣告,請繼續往下閱讀-----

本文由 財政部國庫署 委託,泛科學企劃執行。

你注意到了嗎?在品酒時,品酒師不會一口乾,而是充分觀察、品嚐後才會下肚。這些動作可不是單純裝模作樣,而是有科學根據的。品酒有五個基本動作:觀察、搖晃、聞、啜飲與漱口、吞嚥,究竟我們的感官跟大腦是怎麼接收酒的訊號呢?

從最簡單的「嗅覺」開始,酒杯湊近口鼻、進入口腔,我們可以聞到「外部」和「內部」的香氣。外部指的就是用鼻子聞到的香氣,是先穿越鼻孔到達嗅上皮組織,形成我們所熟悉的正鼻嗅覺。而內部呢?那些已經在我們嘴巴裡的酒液,會走鼻咽和後鼻孔這條路,最終到達嗅覺粘膜。即使這口酒已經被喝下去,只要輕輕呼口氣,也依然能「聞」到酒味。

圖/giphy

另外,口鼻之間的通道,也就是鼻咽,在吞嚥的過程中會關閉,所以在吞嚥時會有一種「味道好像弱掉了」的錯覺,但其實只是你暫時無法靠鼻間的任何通道呼吸而已。這也是為什麼品酒師會要把酒液含在嘴巴裡漱口,甚至還會打開嘴巴吸一口氣。

-----廣告,請繼續往下閱讀-----

緊接在嗅覺之後的「味覺」,則是重頭戲!食物進到嘴巴,溶解在唾液中,啟動了味覺受器。人類可以透過味蕾的受器感受到「鹹、酸、苦、甜、鮮」五種味道。不過,也有部分的人不喜歡酒的原因,正是因為味覺。美國賓州大學農學院過去研究發現,人體中的苦味受體來自基因 TAS2R13 和 TAS2R38,辣椒素受體則來自基因 TRPV1。因此不同的基因表現,影響著人們對這兩種味道的感受,也決定了他們的攝取喜好。

圖/giphy

講完了嗅覺和味覺,別忘了品酒前的「觀察」。事實上,人們對風味的知覺基礎,來自多重感官的整合。當我們在觀看一杯酒的色澤和濁度時,大腦已經在默默「品嚐」它了。就像是望梅止渴、看到好吃的大餐肚子就先餓了起來。

除上述提到的「身體」感官,其實喝酒的時段、溫度、聲音、順序也會影響我們「心裡」的感受。但話說回來,在品酒前,最重要的應是選擇安全以及衛生的酒品來源,就是要慎選合法的販售業者,並挑選標示內容清晰、完整的酒品。

財政部自 2003 年起委託專業執行機構共同推動「優質酒類認證」制度,從原料、製程、品管、後續追蹤等層層把關,最後通過優質酒類認證技術委員會審查的酒品,才能被授予使用 W 字型認證標誌。因此,選購有 W 認證標誌的優質酒品,可以讓我們在品飲時更加安心!

-----廣告,請繼續往下閱讀-----

 資料來源:財政部國庫署 廣告

2

14
5

文字

分享

2
14
5
【2023 年搞笑諾貝爾獎快訊】10 項怪奇獲獎研究出爐
PanSci_96
・2023/09/15 ・3874字 ・閱讀時間約 8 分鐘

一年一度、讓你廢到笑出來的搞笑諾貝爾獎,今年在美東時間 9 月 14 日下午 6 點準時直播。

今年的主題為「水」,這次 10 項獲獎都或多或少與「水」有關(但大部分是口水),現在就快讓我們一起來看看今年的得獎快訊,並一起期待後續的個別研究報導吧~

化學和地質獎:為什麼地質學家與古生物學家會舔化石

這是一封說明「過去」地質學家與古生物學家,為什麼會有舔化石習慣的「快訊」(發表在期刊上,但被歸類為快訊),這封快訊說了幾個故事,其中最讓我印象深刻的,是「義大利地質之父」的喬瓦尼·阿爾杜伊諾(Giovanni Arduino,1714-1795)用自己的舌頭「品嚐」這些化石,分類出可能是史上第一個「地質時期」

故事的亮點是引用了喬瓦尼·阿爾杜伊諾的研究紀錄,看起來就像是個美食家在品嚐化石。

-----廣告,請繼續往下閱讀-----

文學獎:重複寫字,直到感覺不對勁

A 編小學時,曾被老師罰抄生字 100 遍,寫到一半突然懷疑這個字是不是這樣寫,趕緊回頭看前面寫的字,還把課本翻出來看才確定自己沒有寫錯。

上述的情境,稱為「猶昧感」(Jamais Vu),「猶昧感」是「既視感」(Deja Vu)的反義詞,描述人們對熟悉的事物,突然感到陌生,也是這篇論文主要探討的主題。

這研究的笑點在於他的實驗,他們讓受試者一直重複寫同一個字,跟小學被老師罰抄生字一樣。

實驗中,約有三分之二的受試者體驗到「猶昧感」,這些受試者大約在重複 30 次或一分鐘後開始感到異狀。另外,研究也發現平常越容易發生「既視感」的人,也更容易發生「猶昧感」,未來「猶昧感」的相關研究,可能會加深我們對「既視感」的理解。

-----廣告,請繼續往下閱讀-----
  • 原文研究: “The The The The Induction of Jamais Vu in the Laboratory: Word Alienation and Semantic Satiation,” Chris J. A. Moulin, Nicole Bell, Merita Turunen, Arina Baharin, and Akira R. O’Connor, Memory, vol. 29, no. 7, 2021, pp. 933-942.  doi.org/10.1080/09658211.2020.1727519

機械工程獎:死靈機器蜘蛛

會招喚骷髏或操縱屍體的死靈法師稱為 Necromancer,而科學家再次中二病發作,把用液壓操控的蜘蛛屍體,稱作 Necrorobotics 死靈機器。

我跟同事討論這種死靈機器,算不算是一種仿生科技?他覺得是,我覺得不是,你們覺得呢?

  • 原文研究:“Necrobotics: Biotic Materials as Ready-to-Use Actuators,” Te Faye Yap, Zhen Liu, Anoop Rajappan, Trevor J. Shimokusu, and Daniel J. Preston, Advanced Science, vol. 9, no. 29, 2022, article 2201174.  doi.org/10.1002/advs.202201174
死靈機器蜘蛛。

公共醫學獎:斯坦福馬桶

恩,就是接上各種感應器的物聯網馬桶,能即時檢測使用者的糞便與尿液。這東西最酷的是能「肛門辨識」,只要坐到馬桶上,斯坦福馬桶就能透過肛門的型態,辨識出使用者!

因為這個獎項,我才知道原來每個人的肛門都長得不一樣……謝謝你,搞笑諾貝爾獎。

-----廣告,請繼續往下閱讀-----
  • 原文研究:
    •  “A Mountable Toilet System for Personalized Health Monitoring via the Analysis of Excreta,” Seung-min Park, Daeyoun D. Won, Brian J. Lee, Diego Escobedo, Andre Esteva, Amin Aalipour, T. Jessie Ge, et al., Nature Biomedical Engineering, vol. 4, no. 6, 2020, pp. 624-635.  doi.org/10.1038/s41551-020-0534-9
    • “Digital Biomarkers in Human Excreta,” Seung-min Park, T. Jessie Ge, Daeyoun D. Won, Jong Kyun Lee, and Joseph C. Liao, Nature Reviews Gastroenterology and Hepatology, vol. 18, no. 8, 2021, pp. 521-522.  doi.org/10.1038/s41575-021-00462-0
    • “Smart Toilets for Monitoring COVID-19 Surges: Passive Diagnostics and Public Health,” T. Jessie Ge, Carmel T. Chan, Brian J. Lee, Joseph C. Liao, and Seung-min Park, NPJ Digital Medicine, vol. 5, no. 1, 2022, article 39.  doi.org/10.1038/s41746-022-00582-0
    • “Passive Monitoring by Smart Toilets for Precision Health,” T. Jessie Ge, Vasiliki Nataly Rahimzadeh, Kevin Mintz, Walter G. Park, Nicole Martinez-Martin, Joseph C. Liao, and Seung-min Park, Science Translational Medicine, vol. 15, no. 681, 2023, article eabk3489.  doi.org/10.1126/scitranslmed.abk3489

傳播獎:嗎話說著倒能你?

趣有超也獎學播傳,心擔別,的常正是來過反來起看子句得覺在現你!

你有試過快速把彩虹的顏色順序倒著背,或是把你說話中的每個名詞都倒過來講嗎?大家都知道這超難,但這份研究中的兩位受試著確有著超強「顛倒單字或語句」的能力。

研究對象以西班牙語為母語,他們能在對話中輕鬆地將 banana 念成 ananab,或是將「 basket is fun」念成「nuf si teksab」。研究著重在這兩位有著特殊能力的人,推理、記憶能力是否優於常人,以及大腦灰質、白質比例與一般人(對照組)是否有差別。

大腦如何組織語言一直都是個有趣的研究題目,像是為什麼中文的序順不會響影到閱讀,這也是 A 編跟大家都一樣好奇的。而了解大腦語言是如何形成的,也能推進對於失語症、癡呆症的症狀研究。

-----廣告,請繼續往下閱讀-----
  • 原文研究:“Neurocognitive Signatures of Phonemic Sequencing in Expert Backward Speakers,” María José Torres-Prioris, Diana López-Barroso, Estela Càmara, Sol Fittipaldi, Lucas Sedeño, Agustín Ibáñez, Marcelo L. Berthier, and Adolfo M. García, Scientific Reports, vol. 10, no. 10621, 2020.  doi.org/10.1038/s41598-020-67551-z

醫學獎:屍體兩個鼻孔的鼻毛數量是否一致?

俗稱鬼剃頭的「圓禿」(Alopecia areata)不只會頭髮脫落,同時睫毛、眉毛與鼻毛也會脫落,其中,鼻毛脫落會增加得到過敏、呼吸道感染的機率。

由於鼻毛的相關研究非常少,為此,研究者調查 20 具「遺體」的鼻毛數量與長度,並收集相關病史、死往原因…等數據,來評估正常人的鼻毛數量與長度。研究結果顯示,平均每個鼻孔的鼻毛數量約為 120~122 根,左右鼻孔並沒有顯著差異,鼻毛平均長度大約是 1 公分。

  • 原文研究:“The Quantification and Measurement of Nasal Hairs in a Cadaveric Population,” Christine Pham, Bobak Hedayati, Kiana Hashemi, Ella Csuka, Margit Juhasz, and Natasha Atanaskova Mesinkovska, Journal of The American Academy of Dermatology, vol. 83, no. 6, 2020, pp. AB202-AB202.  doi.org/10.1016/j.jaad.2020.06.902

營養獎:電流有一股「電味」

日本明治大學教授宮下芳明 (Homei Miyashita)與他的團隊,發現在筷子與吸管上附加微弱電流,會改變食物的味道。

他們發現微弱電流刺激舌頭時,會產生一股「電味」(論文上寫 Electric taste,你說我要怎麼翻比較好) 。這股「電味」味道如何呢?基本上沒有味道(不能啟動味覺細胞),但如果有其他味道存在,例如鹹味(氯化鈉)或鮮味(麩胺酸鈉),電味會讓食物吃起來更鹹或更鮮。

-----廣告,請繼續往下閱讀-----

接著,他們發明了連著電線的通電筷子與吸管(看起像整人玩具),證明了通電筷子與吸管確實能在不改變食物味道的情況下,讓人們吃進更少的鹽跟味精。

通電吸管構造
  • 原文研究:“Augmented Gustation Using Electricity,” Hiromi Nakamura and Homei Miyashita, Proceedings of the 2nd Augmented Human International Conference, March 2011, article 34.  doi.org/10.1145/1959826.1959860

教育獎:系統性研究課堂上感覺無聊的學生與老師

你覺得上課無聊嗎?多半人都會問答「是」,而這系列研究仔細分析了為什麼上課無聊,且越來越無聊的原因。

你可能會想:「那不就是老師上課很無聊啊,老師不有趣阿。」我只能說你們這樣太沒同理心了,搞不好老師也在想:「教你們真無聊!」

所以,研究者第一個想探討的問題是:「老師如果覺得無聊,會不會讓學生也覺得無聊。」先說結論,不會。

-----廣告,請繼續往下閱讀-----

雖然學生不會刻意去了解老師的心情。但如果學生明確感受到老師很無聊,像是死氣沉沉地念課文,學生就會覺得這堂課更無聊,進而影響學習動機與學習成效。某種程度上,研究還是印證了「老師不有趣覺得無聊」這件事,但老師是否在強顏歡笑,這就不得而知了。

另一個問題則是:「是不是想著上課很無聊,就會覺得更無聊?」沒錯,的確是這樣!只要上課前預期這堂課很無聊,那這堂課就會比你預期的還要更無聊!

  • 原文研究:
    • “Boredom Begets Boredom: An Experience Sampling Study on the Impact of Teacher Boredom on Student Boredom and Motivation,” Katy Y.Y. Tam, Cyanea Y. S. Poon, Victoria K.Y. Hui, Christy Y. F. Wong, Vivian W.Y. Kwong, Gigi W.C. Yuen, Christian S. Chan, British Journal of Educational Psychology, vol. 90, no. S1, June 2020, pp. 124-137.  https://pubmed.ncbi.nlm.nih.gov/31342514/
    • “Whatever Will Bore, Will Bore: The Mere Anticipation of Boredom Exacerbates its Occurrence in Lectures,” Katy Y.Y. Tam, Wijnand A.P. Van Tilburg, Christian S. Chan, British Journal of Educational Psychology, epub 2022.   doi.org/10.1111/bjep.12549

心理學獎:你會跟著抬頭看天空嗎?

他們到底在看什麼?眼前一群人停下腳步抬頭看著上方,你一定會跟著將視線移向相同的地方,看看他們到底在看什麼。

沒錯,這就是著名的從眾效應,或稱做群聚效應、羊群效應。這個1969年進行的經典實驗,應該很多人也聽說過。Stanley Milgram、Leonard Bickman、Lawrence Berkowitz 三人組,在紐約的街道上測試要有多少人同時往上看,才能吸引其他人也駐足湊熱鬧。

-----廣告,請繼續往下閱讀-----

這個實驗能得獎感覺毫不意外,甚至覺得怎麼現在才得獎!

群聚效應引響甚遠,因為整個社會的運作都養類人與人之間的互動與連結。不管是跟風買東西、參與熱鬧的大型活動、政治意識型態的抉擇等等,都能看到群聚效應影響著人們的身影。

大家都有可能是羊群裡面的羊。

  • 原文研究:“Note on the Drawing Power of Crowds of Different Size,” Stanley Milgram, Leonard Bickman, and Lawrence Berkowitz, Journal of Personality and Social Psychology, vol. 13, no. 2, 1969, pp. 79-82. psycnet.apa.org/doi/10.1037/h0028070

物理學獎:一群鯷魚能影響海流?

一隻拍翅膀的蝴蝶能讓海的對面產生颶風,那一群在海中游泳的鯷魚呢?他們可能直接影響了洋流與海面的大氣流動。

如果要計算颱風能量或是海洋鹽分的變化,我們通常會考慮海面風速與氣壓,要不然就是洋流、海溫和密度的垂直梯度等等。但這份研究發現,我們或許忽視了大海居民造成的影響。

研究發現只要到了鯷魚的產卵季,當天晚上海面附近海水的垂直混合程度會增加10~100倍。也就是這群游動的小魚們,像是攪拌棒一樣攪混了上層海洋,程度相當於地球物理現象造成的影響,對海溫與營養鹽分布的作用可能比我們想像的還大。

  • 原文研究: “Intense Upper Ocean Mixing Due to Large Aggregations of Spawning Fish,” Bieito Fernández Castro, Marian Peña, Enrique Nogueira, Miguel Gilcoto, Esperanza Broullón, Antonio Comesaña, Damien Bouffard, Alberto C. Naveira Garabato, and Beatriz Mouriño-Carballido, Nature Geoscience, vol. 15, 2022, pp. 287–292.  doi.org/10.1038/s41561-022-00916-3
所有討論 2