0

0
0

文字

分享

0
0
0

總編輯報告:為何泛科學不抵制頂新/味全?

鄭國威 Portnoy_96
・2016/06/20 ・2730字 ・閱讀時間約 5 分鐘 ・SR值 508 ・六年級

「泛科學」的作者為獨立自主,在此議題上有自己的判斷,泛科學不代表任何一位作者的意見,本文僅代表總編輯立場。ama.001

==>請先看專案起源

很久沒回文回一個晚上了,趁著還沒睡著,聊聊有些相關但或許沒那麼直接相關的感想。

如果說做泛科學這幾年來,我有一點點改變的話,那就是我對這個世界,這個宇宙,越來越好奇,同時驚訝於我過去怎麼能依靠僅僅片面的報導、自己的腦補、還有周遭人/網友的看法,就覺得我了解某一件事情的全貌跟真相,就可以對某些事情說三道四,大放厥詞。我以前很常這樣,也很常因此傷害別人。

現在的我還是會犯類似的錯,可能永遠無法避免,但是我得說,頻率少了很多,因為我自覺我對太多事情的認識太少了。例如,以前我沒有那麼偏廢死,現在的我非常偏,不是因為我成了犯罪專家或法律專家或任何專家,而是因為我知道我不知道的事情實在太多了,在這樣的情況下,我無法說服自己去認定一個人該不該死。

-----廣告,請繼續往下閱讀-----

以前我也對某些政治人物或某些社運或某些國家意識形態有很堅定的看法,現在其實都沒有了,不是我不敢辯論或是不敢捍衛,而是我知道我知道的太少了。簡單來說,泛科學讓我知道我實在太無知了,而且我根本沒有足夠的專業去對許許多多的事情下判斷。我前陣子在TEDx彰師大演講時,也提到這件事,現在回想起以前做的事,都覺得怎麼會那麼莽撞?我當初到底憑著什麼去介入?我知道些什麼啊!

我並沒有因此就放棄追尋知識。泛科學激起我無盡的求知慾,並且讓我有機會接觸許多各領域的專業人士,從他們身上重複證明自己的無知,以及證明只要我願意,我可以找到方法去獲得我能夠信任的知識。

前陣子有則新聞說狗狗不喜歡給人抱,原作者是著作等身的加拿大動物與心理學退休教授,全世界的媒體都報導了這則消息,而且有數據佐證,但是實際上看一下,卻發現問題很大

結論不是要說狗狗其實喜歡人抱。事實是我們無法就這則消息得出狗狗不喜歡給人抱的結論,反之亦然。答案對我來說暫時是「不知道」,這樣很好,比我自以為我知道答案是什麼來得好太多了。我還可以去看更多資料,問更多專家,甚至自己實驗,雖然很麻煩,但是我知道我不知道。當我什麼都不知道的時候,我要怎麼對這件事情表達態度,甚至採取行動呢?但天啊,以前的我可以耶。想到就起雞皮疙瘩。

-----廣告,請繼續往下閱讀-----

類似這樣的案例太多了,你說慈濟該不該死?紅十字會該不該廢?柯文哲現在做得爛不爛?台南鐵路東移到底正不正當?我都不知道,我無法馬上下判斷告訴你我的立場,但以前的我早就直接大發厥詞,甚至搞起鍵盤社運。

回到食安事件,我曾經也是杯弓蛇影,例如三聚氰胺,我記得我當年原本的態度是「當然要零檢出」,「不該出現在食物裡的蟑螂就算只有千萬分之一也不該出現」。當時的我不知道什麼是「劑量決定毒性」,什麼是「儀器極限」,要用什麼儀器才能夠判別「刻意加入」或其他。

過往我們仰賴媒體去轉達跟轉譯這些事件,我們才得以做出判斷,但現在我們還能矇著眼睛相信嗎?我個人完全沒有辦法。我信任的資訊來源現在很少,如果有任何內容沒有提供我足以自行檢驗的資料來源,我就當作不知道。也就是說有一件事情被媒體報導了,那「媒體有報導」這個客觀事實是存在的,但媒體報導的那件事是否真的存在?我不知道。是對是錯?我不知道?是真是假?我不知道。而如果我要加以評論,都得提醒自己那前提是「假設這件事是真的發生」。

所以如果你問我:頂新該不該抵制?我的答案是「我不知道」。我當然知道油品案,但我沒有花充分時間了解,我沒有收集到我認為可信的資料,我也沒有去找到自己能找到的最原始資料來源,在這之前,我只能說不知道。「過去的報導很多啊!他們在法庭上認罪了啊!」是真的嗎?但我不知道啊,我知道的是司法還在進行中,這是我唯一能知道的客觀事實。我不那麼信任司法,也不信任超級富豪,但目前司法(不管是法官、還是檢察官還是律師)比我知道的多太多了,我認為我自己根本沒有判斷跟表態的能耐。

-----廣告,請繼續往下閱讀-----

我不知道抵制頂新的人知道的知識真相有多少,所以我也沒有資格去評斷他們的抵制,或許他們知道的很多,非常多,那他們的選擇當然要尊重。但是我,我自己,我還不知道。目前還在司法階段的案件(目前一審無罪),我也很期待知道判決結果。

我不知道抵制味全林鳳營的人知道的知識真相有多少,所以我也沒有資格去評斷他們的抵制,或許他們知道的很多,非常多,那他們的選擇當然要尊重。我因為接了這個案子,去看了一輪,然後結識了多位我信任的專家,有機會知道更多,但我依舊無法判斷,我很確定我還不知道全貌,但我知道的比過去多了一些。我想要提供的就是這些。

泛科學也教會我另外一件很重要的事,那就是犯錯非常正常,但是當然不能刻意去犯錯,重點是你怎麼對待錯誤,我視之為機會,一定要把握的溝通機會。如果我們有錯,那我們一定要反省,但「擔心有人退讚」或「擔心被評一顆星」之類的不是我們存在的目的。

最後的最後,「如果味全以後出了問題」「如果司法最終判決頂新就是有滔天大罪」「那你會不會後悔?」

-----廣告,請繼續往下閱讀-----

我的答案是:我不知道。等我看到資料,並且自己驗證過之後再說。現階段我只知道我知道什麼,而我依照我知道的來行動。如果你知道一些強力的證據,能夠讓我知道我之前都不知道也不能確定的,拜託,請告訴我們,投稿也非常歡迎,只要資料論述證據佳,我們沒有任何包袱。

=>各種關於味全乳品的疑問,歡迎到這邊來提問

=>各種關於為何泛科學要接這個案子的疑問,歡迎到這邊來提問

更新:

-----廣告,請繼續往下閱讀-----

感謝溫朗東先生的批評,不過溫先生以為我們是把科學歸科學,社會歸社會,政治歸政治,其實並不是這樣。我們一直認為科學跟社會跟一切是分不開的。做這個案子的前提也是如此。

第一,不管是各個敏感議題(基改、核能、死刑、性別、還是頂新),我們都不希望泛科學因為不站在主流立場而不敢碰觸。

第二,我希望測試大家對於收費這件事的判斷,我自己是學媒體的,對於置入性行銷非常敏感,也多所批判,但從我也不是傳統媒體人,我認為接受客戶委託作專案,只要充分揭露,內容不受左右,是可以的。(這並非所有人都贊同)

置入性行銷在我的定義中是資訊的偷襲,也就是在沒有說明清楚跟充分揭露的前提下植入某些正反訊息。這種事情做了就毀了。但媒體能不能與企業合作?就算那是個爭議十足的企業?這是可以討論的,我自己站在可以這邊。但沒有百分之百的答案。

-----廣告,請繼續往下閱讀-----

——————

「泛科學」的作者為獨立自主,在此議題上有自己的判斷,泛科學不代表任何一位作者的意見,本文僅代表總編輯立場。

文章難易度
鄭國威 Portnoy_96
247 篇文章 ・ 1256 位粉絲
是那種小時候很喜歡看科學讀物,以為自己會成為科學家,但是長大之後因為數理太爛,所以早早放棄科學夢的無數人其中之一。怎知長大後竟然因為諸般因由而重拾科學,與夥伴共同創立泛科學。現為泛科知識公司的知識長。

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

  • 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。