0

3
0

文字

分享

0
3
0

天選之人!為什麼地球上只有我們是高智慧生命體?——《人類的旅程》

商業周刊
・2022/10/21 ・2959字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

人類最早的足跡

爬著蜿蜒的山路,前往位於現代以色列的迦密山洞穴,不難想像史前時代這一帶的壯麗環境。

地中海型氣候應是四季宜人,氣溫只會小幅變動。附近青翠的山谷裡,穿山越嶺曲折流過的溪流,應是飲用水的來源。山脈旁的森林應適合狩獵鹿、瞪羚、犀牛、野豬。再向外,在毗連狹長海岸平原及撒馬利亞山脈的開闊荒野地帶,應生長著史前品種的穀物及果樹。四周的溫暖氣候、多樣性生態及生食材料,應使迦密山洞穴成為萬千年來,無數狩獵採集族群的理想家園。

這些古代洞穴,如今是聯合國教科文組織(UNESCO)的人類演化世界遺產,從中挖掘出的遺物確實證明,在數十萬年間,這裡曾有一連串史前人類棲息地,同時智人與尼安德塔人(Neanderthals,譯注:遺跡最早在德國尼安德河谷被發現的史前人類)可能曾經相遇,引人遐思。

1920 年查爾斯.R.奈特( Charles R. Knight )所畫的,想像中的史前人類。 圖/wikimedia

在此地和世上其他遺址的考古發現,顯示遠古及早期現代人類,是緩慢但持續學會新技能,善於用火,打造出越來越精細的刀刃、手斧、黑燧石及石灰石工具,也創作藝術作品。這些文化與技術進步,逐漸成為人類特徵,使我們有別於其他物種,而關鍵的推力之一,是人類腦部的進化。

-----廣告,請繼續往下閱讀-----

人腦為什麼能發展得如此特別?

人類的腦部非比尋常:容量大且經壓縮,比所有其他物種的腦部都複雜。人腦的大小在過去六百萬年裡長大三倍,這種變化大都發生於二十至八十萬年前,以智人出現前為主。

在人類歷史的長河中,人腦的能力為何能擴展到如此強大?答案乍看之下或許不言而喻:頭腦發達顯然使人類可以達到地球上沒有其他生物辦得到的安全與繁榮水準。然而,事實真相要錯綜複雜得多。要是像人腦那樣的腦部,真的如此明確有益於生存,那其他物種經過數十億年演化,為何未發展出類似的腦部?

我們暫且來看看其間的差別。以眼部為例,它是沿幾條演化路徑獨立發展。有脊椎動物(兩棲類、鳥類、魚類、哺乳類、爬蟲類)的眼部,頭足類動物(烏賊、章魚、墨魚)的眼部,還有較簡單形式:單眼,見於蜜蜂、蜘蛛、水母、海星等無脊椎動物。這種現象稱為趨同演化(convergent evolution),就是不同物種各自演化出相似的特徵,而非來自共同祖先的既有特徵。眼部之外的例子不勝枚舉,像是昆蟲、鳥類、蝙蝠都有翅膀,魚類(鯊魚)與海生哺乳類(海豚)為適應水下生活而體形類似。

顯然不同物種是各自發展而獲得近似的有利特徵,但是能夠創作文學、哲學、藝術傑作,或發明耕犁、輪子、指南針、印刷機、蒸汽引擎、電報、飛機、網際網路的頭腦,卻是例外。這種頭腦只演化過一次,在人體上。

-----廣告,請繼續往下閱讀-----
人腦隨著演化發展與進化。圖/pixabay

這麼強大的腦部,具有明顯的優勢,為何在自然界絕無僅有?

這個謎題的解答,有部分要歸咎於腦部的兩大缺點。一來人腦需消耗龐大能量。它只占人體二%的重量,卻要消耗二○%的能量。其次人腦很大,使新生兒頭部很難通過產道。因此比其他動物的腦部,人腦更壓縮或更「褶皺」,並且人類嬰兒出生時,腦子只有「半熟」,需要好多年的微調才能成熟。

所以人類嬰兒無生活能力:許多動物的幼兒出生後不久就會走路,也很快就能自己覓食,人類卻需要兩年時間才能穩穩地走路,至於物質上自給自足,還要很多年。既然有這些缺點,那當初是什麼因素導致人腦的發展?

研究者曾認為,或許有數種力量共同促成這一過程。

生態假說(ecological hypothesis)主張,人腦是出於人類暴露在環境挑戰下而進化。當氣候起伏不定,附近動物的數量隨之增減,腦部較發達的史前人類更能夠找到新的食物來源,設計捕獵採集策略,發展烹煮及儲存技術,使他們在棲息地生態條件不斷變動下依舊能夠生存並興旺。

-----廣告,請繼續往下閱讀-----

反之,社會假說(social hypothesis)主張,在複雜的社會結構中日益需要合作、競爭、交易,這促成更精進的腦部,才更有能力去理解他人的動機,預期他人的反應,於是成為演化優勢。同理,能夠說服、操弄、恭維、敘述、娛人,這些都有利於個人社會地位,也有它本身的好處:刺激大腦發展及說話、論述能力。

文化假說(cultural hypothesis)則強調人類吸收及儲存資訊的能力,使資訊能夠代代相傳。依此觀點,人腦的獨特優勢之一是能夠有效率地學習他人經驗,養成有利的習慣與偏好,不必仰賴緩慢許多的生物適應過程,即可促進在各種環境下存活。換言之,人類嬰兒雖然身體上無能為力,但是頭腦裡備有獨特的學習能力,包括能夠領會及保留,曾幫助祖先存活、也將協助後代興盛的行為規範,那就是文化。

另一種可能進一步推動腦部發展的機制,是性選擇(sexual selection)。即使對腦部本身沒有明顯的演化優勢,但人類也許形成了對頭腦較發達的配偶的偏好。這些先進的頭腦或許具有對保護及養育子女很重要的隱形特質,有意找這種配偶的人,從可辨認的特徵像是智慧、口才、思慮敏捷或幽默感,能夠推斷出這些特質。

科技進步下越來越聰明的大腦!

人類獨有的進步以人腦進化為主要推力,尤其在於它有助於帶來技術進步:以日益精進的方式,把周遭自然物質及資源轉為我們所用。技術進步又塑造繼起的演化過程,使人類得以更成功的適應不斷變動的環境,從而進一步推動新科技及加以利用。這種重複且具強化作用的機制引導著科技加速向前邁進。

-----廣告,請繼續往下閱讀-----
隨著技術進步大腦也更快速發展。圖/pixabay

尤其有人主張,越來越熟諳用火的早期人類開始烹煮食物,因而減少咀嚼和消化所需的能量,以致熱量充裕,並空出原本由顎骨和肌肉占據的頭顱空間,更加刺激腦部成長。這種良性循環或許促進烹飪技術更多創新,繼而又使腦部進一步成長。

不過腦部並非人類與其他哺乳類唯一有別的器官。人的手也是其一。與腦合作的雙手,也在一定程度上為回應技術而演化,尤其受益於製作及使用狩獵工具、針、烹飪器皿。

特別當人類長於雕刻石頭、製作木矛等技術時,能夠強力使用並正確加以改良的人,存活的可能性就增加。擅長狩獵的人能夠更可靠地養家活口,扶養更多子女長大成人。相關技能的世代傳承,使人口中能幹的獵人比例增加。再來,進一步創新的好處,如更堅硬的矛和後來更強的弓、更尖的箭等,又提高狩獵技藝的演進優勢。

類似性質的正面回饋循環,見於整個人類歷史:環境變遷與技術創新,促進人口成長,引發人類去適應變化中的棲息地和新工具,這些適應增強人類操縱環境、創造新技術的能力。在後面會看到,這種循環是理解人類歷程,解開成長謎團的關鍵。

-----廣告,請繼續往下閱讀-----

———本書摘自《人類的旅程》,2022 年 10 月,商業周刊,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----
文章難易度
商業周刊
12 篇文章 ・ 3 位粉絲

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

-----廣告,請繼續往下閱讀-----

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

1
1

文字

分享

0
1
1
貓咪也會學鳥叫?揭秘貓貓發出「喀喀聲」背後的可能原因
F 編_96
・2024/12/24 ・2480字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

F 編按:本文編譯自 Live Science

貓是一種神秘而又引人注目的動物,牠們看似深居簡出,但擁有多元的聲音表達:從吸引人類注意的「喵喵叫」,到面對威脅時的「嘶嘶聲」與低沉的「咆哮」。

延伸閱讀:貓咪為什麼總愛對人喵喵叫?看貓如何用聲音征服人類的心

然而,細心的貓奴們可能會注意到,貓有時會對著窗外的鳥兒或屋內小動物玩具,發出一種獨特的「卡卡聲」或「咯咯聲」。這種聲音既像牙齒打顫,又好似一陣陣輕微的顫鳴,卻很難歸類到常見的喵叫或咆哮裡。這種名為「chatter」的行為,究竟在貓的生活中扮演什麼角色?目前科學界尚未對此有定論,但有幾種廣為討論的假說,或許能為我們提供一些思考方向。

卡卡叫:情緒的釋放或表達?

有些貓行為專家推測,貓咪在看到獵物(如窗外的鳥、老鼠)卻無法接近時,會因「欲捕無法」的挫折感或興奮感,發出這種「卡卡聲」。就像人類遇到障礙時,可能會發出抱怨的咕噥聲或乾著急的嘆息聲一樣,貓咪的「喀喀聲」也可能只是把當下的情緒外顯,並非有特別針對人或其他動物的溝通目的。

  • 情緒假說
    • 挫折:當貓看見鳥兒在窗外飛舞卻無法撲殺,內心焦躁,遂用聲音抒發。
    • 興奮:或許貓在準備捕獵時也感到高度亢奮,因此嘴部不自覺抖動並出聲。
貓咪的「喀喀聲」可能源於挫折或興奮情緒,表達捕獵受阻的內在反應。圖/envato

要在科學上驗證「情緒假說」並不容易,因為需要同時測量貓咪行為和生理指標。例如,研究人員可能需要測量貓咪在卡卡叫時的壓力荷爾蒙變化,才能確認牠們究竟是帶著正面興奮,或是負面挫折的情緒。不過,由於貓的獨立特質,實驗設計往往困難重重,樣本量要足夠也不容易,所以至今沒有定論。

-----廣告,請繼續往下閱讀-----

增強嗅覺?貓咪的「第二鼻子」

另一種說法則認為,貓咪發出「卡卡聲」時,可能同時開啟了其位於口腔上顎的「犁鼻器」(vomeronasal organ),也稱作「賈氏器官(Jacobson’s organ)」。這個感知器官能捕捉一般鼻腔聞不到的化學分子,如費洛蒙或特定氣味分子,因此對貓的求偶、社交和獵捕行為都非常重要。

  • 嗅覺假說
    • 張口呼吸:如果貓咪一邊「咯咯咯」地開合上下顎,可能在嘗試讓空氣(及其中所含的氣味分子)進入犁鼻器。
    • 蒐集更多環境資訊:在確定下手前,更完整的嗅覺分析或能提高牠們獵捕成功率,或是幫助判斷環境中是否有其他潛在威脅或機會。

然而,要科學驗證「增強嗅覺假說」同樣不簡單。研究人員不僅要觀察貓咪在卡卡叫時的行為,也需要測量牠們是否真的打開了更大的氣道,並在那個同時有效使用犁鼻器。這些行為與生理測量都必須在相對可控卻又不影響貓自由行動的實驗環境中進行,實務上難度頗高。

聲音模仿:貓咪的「偽鳥叫」?

貓咪的「卡卡聲」或許是為了模仿獵物的聲音,讓獵物降低警戒。圖/envato

第三種最有趣也最具「野性色彩」的假說,是「模仿獵物聲音」。在野外,一些中南美洲的小型貓科動物(例如:長尾虎貓,又稱美洲豹貓或瑪家貓,Margay)曾被觀察到,在捕獵小猴群時,發出類似猴子叫聲的音調;有些當地原住民族群也傳說,叢林裡的某些捕食者會模仿目標獵物的聲音來誘捕。由此推測,家貓看到鳥兒時發出的「卡卡聲」,可能包含些微模仿鳥兒啁啾的元素,試圖降低獵物警戒或甚至吸引獵物靠近。

  • 模仿假說
    • 案例參考:野生貓科動物曾出現學習或偽裝聲音的紀錄。
    • 家貓可能繼承的行為:家貓的祖先——北非野貓(African wildcat)及其他小型貓科物種,是否具備聲音模仿能力?這在生物演化研究上仍是未解之謎。
    • 缺乏大規模觀察:由於小型野生貓科動物研究資料有限,且家貓實驗更不易做大樣本長期追蹤,最終導致此理論尚未獲得廣泛實證。

貓咪行為研究的挑戰:野性祖先的重要性

探討貓咪行為,常常需要回溯至野生祖先的棲地環境。家貓(Felis catus)普遍被認為源自北非野貓(Felis lybica),然而,野貓習性的研究本就不多,尤其是關於聲音與捕獵策略更是資料有限。我們想知道「為什麼家貓會卡卡叫」,首先要確定:「牠們的野性祖先或其他小型貓科,也有同樣的行為嗎?」若有,家貓則可能繼承自古老基因;若無,則可能是家貓在與人類共處的環境中演化出的新行為。

-----廣告,請繼續往下閱讀-----
如果要探查家貓「卡卡叫」的原因,還需要了解其祖先或其他小型貓科是否具有類似行為。圖/envato

再者,貓在實驗室中的「不可控」因素相當多。貓不像狗般樂於服從人類指令,常有自己的規律與個性。要在實驗情境下穩定地誘發貓的「卡卡叫」行為、同時檢測牠們的生理和心理反應,並確保每隻貓的個體差異都被考慮到,這些都對研究團隊是極大考驗。

對於許多貓奴來說,貓咪坐在窗邊,一邊盯著外頭的鳥兒或松鼠,一邊發出獨特的「卡卡聲」,是一幕既可愛又神祕的風景。究竟牠們是在抒發情緒、強化嗅覺、抑或真的在「假扮鳥叫」以誘捕獵物?目前沒有確切的答案。然而,也正因為這層未知,貓貓才更顯得迷人。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

1
1

文字

分享

0
1
1
運動員的大腦跟一般人不一樣?從腦科學看體力之外的奪冠秘笈
F 編_96
・2024/12/17 ・2098字 ・閱讀時間約 4 分鐘

F 編按:本文編譯自 Live Science

是不是常聽人家講「運動天賦」?這種天賦到底是什麼?運動員哪裡跟我們不一樣?這個問題現在科學家或許可以給你一個答案。近年透過腦科學研究發現,運動員的大腦與普通人的大腦存在顯著差異,這些差異塑造了他們在比賽中的敏捷反應、精確動作及卓越判斷能力。

所以現在運動選手不只比體力,還要比腦力了嗎?這些差異具體差在哪裡?

快速反應:視覺處理能力

在團隊運動如足球或籃球中,快速處理視覺資訊並作出決策對勝負至關重要。一項 2013 年發表於《Scientific Reports》的研究發現,職業運動員比起業餘運動員或一般人更擅長處理動態視覺場景,例如追蹤快速移動的物體。這種能力能夠幫助運動員在瞬間解讀賽場上的複雜資訊,並迅速做出反應。

擁有快速的視覺處理能力,對團體運動來說至關重要。圖/envato

視覺處理能力的測試還可用於判斷運動員是否適合回歸賽場,例如在傷後復健階段,確保運動員在完全恢復判斷能力之前不會貿然上場。

-----廣告,請繼續往下閱讀-----

肌肉記憶:動作的自動化編程

對於體操選手或跳水運動員而言,肌肉記憶是完成複雜動作的關鍵。2023 年《Journal of Neuroscience》的一項研究表示,大腦如何通過訓練快速「壓縮」和「解壓縮」動作資訊,最終將動作序列整合成一個流暢的過程。這種訓練過程使運動員能夠無需刻意思考,便能完美執行複雜動作。

肌肉記憶的形成依賴於大腦皮層神經元的網絡活動,這種神經編程能力也同樣適用於訓練有素的音樂家或舞蹈家。

預測能力:球場上的決策利器

運動員擁有卓越的預測能力,例如棒球擊球手能根據投手的動作,快速判斷球的速度與方向。2022 年發表於《Cerebral Cortex》的研究發現,當擊球手預測投手的投球軌跡時,大腦左腹側顳葉皮質的神經元活動會根據預測結果而改變。

這種高效的預測能力源來於運動員在比賽中,學會透過關聯視覺線索與物體運動軌跡的技能。研究還發現,潛水選手等專業運動員的大腦中與動態運動解讀相關的區域,如上顳溝(STS),比普通人更厚,這也反映了運動訓練對大腦結構的塑造。

-----廣告,請繼續往下閱讀-----

平衡與空間感:身體控制的高峰

對體操選手來說,擁有非凡的平衡感與空間感知能力,兩者缺一不可,而這在科學上被稱為「本體感覺」(proprioception)。位於小腦的神經網絡讓運動員能迅速調整身體姿態,即使在空中失誤也能及時修正動作。

對體操選手來說,平衡感與空間感知能力非常重要。圖/envato

然而,當這套「安全網」失靈時,可能導致嚴重後果。如 2020 年東京奧運中,體操選手西蒙·拜爾斯(Simone Biles)因「扭轉失靈」而一度無法控制動作,凸顯了平衡能力在高風險運動中的重要性。

注意力與認知靈活性:多任務處理的關鍵

團隊運動要求運動員能快速在不同思維模式間切換,例如足球選手需在控球時預測對手動作並調整策略。2022 年《國際運動與運動心理學期刊》的一項研究顯示,運動員,特別是參與高強度間歇訓練的選手,擁有更強的認知靈活性和注意力分配能力。

研究也指出,這些能力的提升可能與長期訓練相關,但確切機制仍需進一步研究。

-----廣告,請繼續往下閱讀-----

抗衰老的秘密:運動對老年大腦的保護

這些運動訓練對大腦的影響,可不是只有相關區域的提升。運動對大腦健康的影響,可能會持續一生。一個典型例子是加拿大田徑選手奧爾加·科特爾科(Olga Kotelko),她在 95 歲時仍保持驚人的腦部健康,其白質結構完好程度甚至接近比她年輕三十多歲的普通人。科學家認為,持續的運動訓練可能是她保持記憶力與認知敏銳的原因之一。

運動不只是對身體的鍛鍊,對維持大腦健康也有影響。圖/envato

下一代的訓練策略:腦力與體力並重

隨著運動科學的不斷進步,科學家也開始呼籲教練更注重對年輕運動員的腦部訓練,例如提升記憶力與決策能力。西悉尼大學的運動科學家凱莉·斯蒂爾(Kylie Steel)指出,運動員的身體或許會訓練至極限,但在認知能力上仍擁有巨大的潛力提升。例如,足球訓練中可以鼓勵球員使用非慣用腳進行射門,以提升大腦靈活性,幫助他們在成年後更加出色地應對比賽挑戰。

近年研究讓我們重新認識了體育訓練對人體的深遠影響,運動改變的不僅是肌肉,還包括大腦。從視覺處理到肌肉記憶,再到抗衰老的腦部結構,透過運動與科學的結合,將為未來的運動員開啟全新可能性,也提醒我們,持續鍛煉不僅益於身體,也有助於大腦的健康。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

OSZAR »