學習不一定需要大腦? 揭密植物不為人知的能力

圖文/鏡週刊

2008 年的某一天,Monica Gagliano 在澳大利亞大堡礁潛水的時候,突然想到一件事。那陣子,她正在對珊瑚魚進行生態學實驗,需要殺死珊瑚魚以獲取它們的組織樣品。幾周以來,捕捉珊瑚魚的過程一直很順利,珊瑚魚並不怕她,並在她手中自由地游來游去。但是有一天,它們好像知道了什麽,一直在躲著 Gagliano。

那一刻起,Gagliano 決定,再也不能以科研的目的去宰殺其他動物,並決定要把她以後的科研時間用在研究其他生物形式的感知能力上。這個想法把她漸漸引領到現在的植物學領域。「我把植物看作是自己的同類。」Gagliano 說,目前並沒有用來研究植物行為的模型,因此她建立了新的方法。並且通過這種方法,她揭示植物其實擁有很多不為人知的能力。Gagliano 表示隨著時間的推移她將會發現更多的能力。

[廣告] 請繼續往下閱讀.

植物不為人知的能力

首先,讓很多人意外的是,植物擁有聽覺。很多生物都有機械感受器,能對機械力作出反應。現在,我們知道植物也能對震動信號作出反應。例如有一些植物甚至能「聽到」毛毛蟲咀嚼樹葉產生的震動,從未分泌化學物質來殺死毛毛蟲。

其次,植物是會動的,人類之所以沒有發現植物會動,是因為它們動的速度和我們理解中的運動完全不一樣。並且植物運動速度也不一定就很慢,例如,有的植物炸開種子時的速度遠超我們的想像。

在不同的生活環境裏,植物的生活策略也不同。為了避免在錯誤的環境生長,植物往往需要盡可能多地感受環境中各種不一樣的信號,因此植物具有很精細的感官。隨著對植物研究的加深,Gagliano 發現植物有一套獨特的行為學。

植物還擁有學習能力

[廣告] 請繼續往下閱讀..

Gagliano 表示「植物的學習能力也很強」,對此有一些植物學家表示 Gagliano 用詞並不準確。但「學習」正是 Gagliano 想要表達的。「不管它們是動物,植物還是細菌,如果它符合人類一直以來對於『學習』的概念,那麽它就是可以學習。」

Gagliano 覺得可以給植物一個應激,讓植物以為這個應激可能會威脅它們的生命,觀察它們是否能學會這個應激習慣。含羞草在感受到威脅時會馬上閉上葉子,因此驗證這個想法,含羞草會是比較好的模型植物。在實驗過程中,從 15cm高的地方多次扔下含羞草(用罐子、木棒和泡沫做緩衝)。

前幾次,含羞草並不知道發生了什麽,會馬上闔上葉子。但是讓 Gagliano 意外的是,在 2-6 次掉落實驗後,一些含羞草開始不再閉闔葉子。從這一點可以看出,植物也是有學習能力。並且即使是過了一個月,再次進行掉落試驗,含羞草也還能重覆出之前的試驗結果。

更重要的是,植物的學習能力甚至超出了最基本的學習能力,基本學習能力的下一個層次是巴甫洛夫學習。在著名的巴甫洛夫試驗中,狗知道鈴聲總會在晚餐前響起。Gagliano 在豌豆身上做了相似的試驗:「晚餐」是光照,「鈴鐺」是風。

[廣告] 請繼續往下閱讀...

Gagliano 先測試了植物對風的反應,發現植物並沒有什麽反應。說明對豌豆來說,風本身是一個毫無意義的提示,就好像巴甫洛夫試驗中的鈴聲。

Gagliano 把豌豆放在 Y 形小室中,利用植物的向光性,她選擇其中一個枝條,先利用風扇對其進行風吹,緊接著在同一方向用光照這個枝條。這樣步驟持續了幾天,並且每天更換風和燈光的方向。

因為植物善於記住陽光的方向,植物本能的反應是朝著前一天陽光照射的地方生長。但在第四天的時候,Gagliano 打開了風扇,並沒有打開燈。令人詫異的是,豌豆違背了它的本能,它學會了跟隨光照之前風的方向生長。

記憶力是學習的本質。關於植物的記憶,其中最奇妙的一點,也是人類最難理解的一點就是,植物的記憶是完全分散的。這意味著記憶並不會存在一個固定的地方,例如樹葉或者樹根。如果人類一定要用傳統的方式看,那麽整個植物都可以統一的看作是一個大腦。

人類的記憶以電化學活動的方式儲存在大腦中。事實上,植物中也有大量的電學和化學信號傳播。植物和人類有著相同的離子通道和非常相似的化學遞質。

如果是動物,我們可以通過觀察在某種處理下,動物身上電化學水平的改變。例如,我們可以通過在人身上插電極來觀察他們在觀看快樂或悲傷的圖片時,腦電波如何改變。接下來,Gagliano 可能會借鑒這種方法在植物身上展開研究。

之前,人類一直試圖以人的方式去理解,去研究其他事物,因此越和人類相像的東西,我們就會越深入的去研究。顯然在植物身上的研究成果讓我們看到這個想法是不對的「甚至學習也不一定要有大腦這個器官。」Gagliano 說道。

本文係由DeepTech深科技(微信公眾號ID: mit-tr)授權刊登。原文連結: 植物语者:她发现了植物不为人知的能力


更多鏡週刊報導
1秒內消除腫瘤? 美能源部攜手史丹佛研發加速治療器
只賣服務不賣車 自動駕駛商業化有望迎來新模式