這是一個系列紀錄的第一篇。我想把一個生科畢業生從「對神經工程完全陌生」到「成為這個領域的一份子」的完整歷程記錄下來。不是什麼成功學雞湯，而是真實的掙扎、卡關和突破。
如果你也是生科背景但對工程領域有興趣，或者你正在猶豫要不要跨領域，希望這篇文章能讓你知道——前面的路長什麼樣子。
起點：一個對「純生科」不太滿意的人
大學四年讀生科系，做過分子生物學的實驗、跑過 PCR、養過細胞株。這些經歷不是不好，但慢慢地，心裡有一個疑問越來越大：
「除了發現現象之外，我能不能做一些可以直接被應用的東西？」
分子生物學的研究很重要，但從發現一個基因的功能到變成實際的治療方法，中間可能隔了十年二十年。我想做的，是那種做完就能看到結果的事情。
後來偶然在一堂跨領域講座裡聽到「腦機介面（Brain-Computer Interface, BCI）」的介紹——用大腦的訊號直接控制電腦或機械。那一刻我就想：這就是我想做的東西。
但問題是：我是生科背景，不是電機、不是資工。我連基本的訊號處理都不會。
選實驗室：最關鍵的第一步
決定要往神經工程方向走之後，第一件事就是找一個做相關研究的實驗室。不管是考研究所還是找研究助理的機會，你需要一個「入口」。
怎麼找適合的實驗室？
我的做法是：
第一步：列清單。 先找出台灣做神經工程、腦波研究、腦機介面的實驗室有哪些。Google Scholar 搜關鍵字，看論文的作者隸屬哪些大學和系所。
第二步：讀論文。 不需要讀懂每一個數學公式，但至少要能回答：這個實驗室在做什麼？他們的研究方向我有沒有興趣？他們的研究需要什麼樣的知識背景？
第三步：主動聯繫。 寫信給教授表達興趣。這封信很重要，不要寫成制式的模板信。你要展現的是：
- 你知道他的實驗室在做什麼（代表你有做功課）
- 你有相關的背景或自學經驗（代表你不是空口說白話）
- 你了解自己的不足，但有清楚的學習計畫（代表你有自知之明且有行動力）
我選到了什麼樣的實驗室？
最後我進了一個做「音樂情緒辨識」的神經工程實驗室。這個實驗室的研究主題是：用腦波（EEG）來分析人在聽不同音樂時的情緒反應。
聽起來很有趣對吧？但技術層面非常硬核：你要懂大腦的結構、知道 EEG 是怎麼量的、會做訊號處理、會用機器學習分類情緒。而我剛進去的時候，這些全都不會。
知識落差：你不知道自己不知道什麼
進到實驗室的第一個月，是最崩潰的時期。
組會報告的時候，學長姊在講「ICA（Independent Component Analysis）去除眼電雜訊」、「alpha 波 event-related desynchronization」、「時頻分析的 Morlet wavelet」——我一個字都聽不懂。
不是那種「好像有點模糊」的不懂，是那種「連他們在討論什麼主題都搞不清楚」的不懂。
這個階段最危險的心態是：覺得自己太笨了，不適合做這個。
但事實上，這不是笨不笨的問題。這是知識背景不同的問題。電機系的同學花了四年學電路、訊號與系統、數位訊號處理，這些東西你沒學過，當然不會。就像他們也不會你學了四年的分子生物學一樣。
差別只在於：你現在需要花時間補上這些知識。
補知識的策略：從大腦的基礎開始
我採取的策略是由生物往工程推，而不是直接硬啃工程教科書。因為生物是我熟悉的領域，從這裡出發比較有信心。
第一層：大腦的基本結構
先搞清楚大腦的宏觀結構（Brain Structure）。大腦皮質分成幾個主要的區域：
- 額葉（Frontal Lobe）：負責計畫、決策、工作記憶。前額葉皮質（Prefrontal Cortex）跟高層次的認知功能有關。
- 顳葉（Temporal Lobe）：負責聽覺處理和語言理解。對我們做音樂情緒研究特別重要——聽覺皮質就在這裡。
- 頂葉（Parietal Lobe）：負責空間感知和觸覺整合。
- 枕葉（Occipital Lobe）：負責視覺處理。
這些區域不是各自獨立運作的，它們之間有大量的神經連結。大腦處理一個複雜的任務（比如聽音樂時產生情緒反應），是多個區域協同合作的結果。
第二層：神經元怎麼溝通
接著深入到細胞層次。神經元（Neuron）是大腦的基本運算單位。一個神經元的結構包括：
- 樹突（Dendrite）：接收來自其他神經元的訊號
- 細胞體（Soma）：整合所有輸入的訊號
- 軸突（Axon）：傳送訊號到下一個神經元
神經元之間的溝通靠的是**動作電位（Action Potential）**。當一個神經元接收到足夠強的刺激，它的細胞膜會經歷一連串快速的電位變化：
- 靜止狀態：細胞膜內外有電位差（大約 -70mV），內部比外部更負。這是因為離子通道和鈉鉀幫浦維持的離子濃度差。
- 去極化（Depolarization）：鈉離子通道打開，Na⁺ 大量湧入細胞，電位急速上升到 +30mV 左右。
- 再極化（Repolarization）：鈉離子通道關閉、鉀離子通道打開，K⁺ 流出細胞，電位回降。
- 過極化（Hyperpolarization）：電位暫時降到比靜止狀態更負，然後恢復。
這整個過程只需要大約 1-2 毫秒。一個動作電位會沿著軸突傳導到突觸（Synapse），觸發神經傳導物質的釋放，把訊號傳給下一個神經元。
第三層：從動作電位到腦波
這裡是生科知識和工程知識的交會點。
單一神經元的動作電位太小了，EEG 偵測不到。EEG 量測到的是大量神經元（主要是大腦皮質的錐體細胞 Pyramidal Cells）同步活動時產生的突觸後電位（Postsynaptic Potential）的總和。
想像一個體育場裡，一個人鼓掌你幾乎聽不到，但如果幾萬人同時鼓掌，聲音就非常明顯了。EEG 就是在「聽」大腦裡幾百萬個神經元同時「鼓掌」的聲音。
這個「同步鼓掌」的頻率不同，代表的大腦狀態也不同：
- Delta 波（0.5-4 Hz）：深度睡眠
- Theta 波（4-8 Hz）：淺睡或放鬆冥想
- Alpha 波（8-13 Hz）：清醒但放鬆，閉眼時特別明顯
- Beta 波（13-30 Hz）：專注、思考、活躍狀態
- Gamma 波（30-100 Hz）：高度認知處理、意識整合
理解這些之後，我終於能看懂實驗室在做什麼了：他們在分析人聽不同情緒的音樂時，大腦不同區域的各頻段腦波怎麼變化。
跨領域學習的心法
回頭看這段補知識的過程，有幾個心得想分享：
不要試圖一次學完
跨領域的知識缺口很大，如果你想在一個月內把電機系四年的東西全部補完，你只會崩潰。
我的做法是用到什麼學什麼。組會討論到 ICA，我就去學 ICA。論文裡看到 FFT，我就去學 FFT。雖然知識不夠系統化，但至少你每學一個東西都有「馬上用到」的情境，記得比較牢。
善用你的生物背景
很多工程背景的人在做腦波研究時，會忽略生物學的細節。比如他們知道 alpha 波在枕葉最強，但不一定知道為什麼（因為枕葉是視覺皮質，閉眼時視覺輸入減少，神經元進入同步的空閒模式）。
你的生物背景讓你能從「生理機制」的角度理解現象，而不只是把腦波當成純粹的數學訊號來處理。這在設計實驗和解讀結果時，是非常重要的優勢。
找到你的「翻譯角色」
在一個跨領域的實驗室裡，最有價值的人不一定是技術最強的人，而是能在不同領域之間搭橋的人。
當醫學背景的人說「我們想研究重度憂鬱症患者的腦波特徵」，工程背景的人說「我們可以用 CNN 做端到端的分類」——你能當中間的那個人，把臨床的需求轉化成工程的問題、把工程的結果翻譯回臨床的意義。
這個能力，只有跨領域的人才有。
音樂情緒辨識：我的第一個研究主題
進入實驗室的研究主題之後，學習變得有目標了。
音樂情緒辨識的基本概念是：讓受試者聽不同情緒類型的音樂（快樂、悲傷、平靜、激動），同時用 EEG 記錄他們的腦波。然後分析不同情緒下，腦波的特徵有什麼差異。
情緒通常用二維模型來分類：
- Valence（愉悅度）：快樂到悲傷
- Arousal（激動度）：平靜到興奮
例如：快樂的流行音樂是 High Valence + High Arousal，悲傷的慢歌是 Low Valence + Low Arousal。
研究的目標是：能不能只看一個人的腦波，就判斷他現在感受到的情緒是哪一種？
這需要結合 EEG 訊號處理（提取頻域特徵）、大腦區域知識（哪些腦區跟情緒處理有關）、以及機器學習（建立分類模型）。
每一個環節都是一個需要學習的新領域。而這，就是跨領域轉職的真實面貌——不是一次到位，而是一步一步地，把拼圖慢慢拼起來。
下集預告
在這一篇裡，我分享了跨領域的動機、選實驗室的策略、克服知識落差的經歷。下一篇會進入更技術的部分：EEG 訊號處理的實作過程，以及機器學習模型的建立和調校。
如果你也正在考慮跨領域，我想說的是：恐懼是正常的，跟不上也是正常的。 重要的是你願不願意在「什麼都不懂」的狀態下繼續往前走。
因為每一個現在看起來很厲害的跨領域人才，都曾經經歷過那段什麼都不懂的日子。
延伸概念：增強子生物學 · 機器學習在生物資訊 · 幹細胞發育生物學 · 臨床研究方法 · 保育生物學 · 胞器生物學 · 水域微生物學 · 演化發育生物學 · 異生物學
