首度發現地球級且位在多行星系統中的系外行星

• 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？

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。

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：

• 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

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？

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。

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？

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?

（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）或。

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／黃子權｜掉入岩石堆中的研究生，現就讀台大地質所
• 文／林彥興｜現就讀清大天文所，努力在陰溝中仰望繁星

M 型小行星與行星的誕生

了解太陽系的形成歷史與演化，是行星科學最重要的使命之一。然而，身在太陽系形成後 46 億年的我們所看到的行星，都是經過漫長演化後的結果。它們的表面特性、內部結構，早已與剛形成時大相逕庭。

因此，想要研究太陽系的形成與演化，小行星是相當重要的目標。由於小行星質量小、冷卻快，更不會有複雜的風化和地質運動，因此它們從太陽系形成之初到現在都沒有什麼改變，就像活化石一般。而過去幾十年，人類也確實對小行星進行了廣泛而詳細的研究，比如拍攝照片計算它們的軌道，用光譜分析化學組成，甚至派遣太空船（如 JAXA 的隼鳥一號、隼鳥二號、NASA 的 OSIRIS-REx）直接前往小行星，將樣本採回地球分析。

而在太陽系目前已知的一百多萬顆小行星中，有一個相當特殊的族群，它們大多具有較大的密度和較高的雷達反照率，同時在光譜上缺乏特徵。基於上述特點，科學家們認為它們的組成中有含有不少金屬，因此稱之為 M 型小行星。

根據目前天文學家對行星形成的理解，原行星盤（protoplanetary disk）中的金屬元素分布理應相當分散，因此能夠自然產生元素分異並聚集大量金屬的地方，只有足夠大、足夠熱的原行星（protoplanet）的行星核。所以傳統上，M 型小行星被視為受到撞擊後裸露的行星核，同時也是鐵隕石的來源之一。但截至目前，仍未有探測器直接造訪 M 型小行星，確認這個假說是否正確。

近期，新的觀測資料更顯示，某些 M 型小行星似乎比人們預想的還輕，各種特徵也和人們對行星核的認知不盡相同（例如，在表面觀測到含水礦物的訊號）。這表示傳統的行星形成與演化模型，也許不盡正確。換個角度看，這也代表對 M 型小行星的研究，也許將能幫助我們揭開行星演化理論中的盲區。

M 型小行星是由什麼構成的？它們的演化歷史又是如何？苦於距離遙遠，過去人們對這些問題往往只能止於粗略的推測。但隨著靈神星號任務逐漸上軌，我們離解答這些問題（的一部分）只有一步之遙了。

靈神星探索任務

靈神星探索任務（Psyche）是 NASA 發現計畫（Discovery Program）的一部分。發現計畫始於 1989 年，每隔幾年就會向全美國徵求任務提案，經過重重篩選後，最具有科學價值且最可行的團隊，就可以獲得 NASA 提供的經費，將他們的構想付諸實行。從 1996 年的 NEAR 任務開始，發現計畫已經為十幾個重要的太陽系探索任務提供機會，包含近期因太陽能板發電量降低而終止的火星「洞察號（InSight）」任務。2014 年，第 13、14 次發現計畫徵選開始，最後脫穎而出的其中一個計畫，正是靈神星探索任務。

而計畫要觀測的目標靈神星（16 Psyche）於 1852 年被義大利天文學家加斯帕里斯（Annibale de Gasparis）發現，並以希臘神話中靈魂之神「賽姬」命名。祂是第 16 個被發現的小行星，雖然不是最大的小行星（平均寬度約 220 公里）但卻是目前已知小行星中第 10 重的，其質量佔小行星帶總質量的 1%。根據估算，靈神星的密度大約為 3.9 g/cm³，遠低於鐵鎳隕石的 7.9 g/cm³，因此靈神星不太可能真的完全由金屬構成，比較可能是類似石鐵隕石那樣，由金屬與岩石共同組成。

作為發現計畫的一員，靈神星計畫切實地反映了該系列任務的宗旨：便宜、快速的解答重要的疑問。M 型小行星是行星形成與演化中相當重要的一片拼圖，而靈神星又是體積最大的 M 型小行星，其重要性不言而喻。對靈神星的探測，勢必能更加推進人們對行星演化的認知。

靈神星號的科學目標及預期解答的問題為：

1. 靈神星是行星核還是未熔結物質？
2. 靈神星表面的相對年齡為何？
3. 小型金屬天體是否含有和高壓地核同比例的輕金屬？
4. 靈神星形成環境的氧化還原性？
5. 靈神星地表及撞擊坑特徵？

為了達到這些目標，靈神星號上搭載了以下儀器：

• 多光譜成像儀 （Multispectral Imager）
• 伽馬射線／中子光譜儀 （Gamma-Ray and Neutron Spectrometer, GRNS）
• 通量閘磁強計 （Fluxgate Magnetometer）
• Ｘ頻無線電實驗 （Radio Science (X-band)）

整體而言，靈神星號的載酬相當簡要，科研儀器加總起來只占約 30 公斤，且每項儀器都是經過「實戰」驗證過的：多光譜成像儀來自火星好奇號探測車，GRNS 來自水星的信使號任務、磁強計參與了洞察號任務、X 頻無線電實驗（利用通訊時訊號的都卜勒效應測量重力強度變化）更是有多項成功紀錄。使用這些驗證過的儀器不僅能減少任務風險，同時能省下不少研發經費，提高任務的 CP 值。另外，靈神星號同時也會為深空網路（Deep Space Network, DSN）測試全新的「深空光學通訊（Deep Space Optical Communication, DSOC）」系統，利用雷射作為資料載體進行傳輸，科學家估計 DSOC 的資料傳輸速度，將比過去使用無線電的 DSN 快 10 到 100 倍。

另外，隨著科技進步，太空探索不再是國家機構的天下，各種商業公司紛紛加入了衛星製造的行列。因此重視任務 CP 值的靈神星號，從設計初期，科學家們便決定向商業公司尋求成熟、有發射紀錄且搭載了離子推進系統的衛星載具。最終他們選定了 Maxar 旗下的 Space Systems/Loral（SSL）公司的 1300 系列框架作為靈神星號的主體，並由噴氣推進實驗室（JPL）整合飛行系統（包含指令及資料處理系統）。靈神星號的推進系統是一具 SPT-140 霍爾效應推進器（Hall effect thruster），藉由游離氙氣並透過磁場將其加速噴出以獲得推力。搭配發電量達 20 千瓦的太陽能板及 922 公斤的氙氣，足夠支持靈神星號走完將近六年的航程。

抵達靈神星後，探測器將嵌入軌道開始環繞靈神星。科學家為靈神星號安排了四個逐漸降低的軌道（A 到 D），每個軌道都有各自主要的研究目標：

1. 最高也是最初始的軌道 A 半徑約 700 公里，靈神新號將會在這裡測量靈神星的磁場。
2. 56 天後，探測器將降至軌道 B（半徑 290 公里）並且開始對靈神星的地貌進行調查。
3. 76 天後，靈神星將下降至半徑 170 公里的軌道 C，這是最小的穩定繞極軌道，同時也是最適合用來探測靈神星重力場的高度。
4. 100 天後靈神星號將會降至最後、最低的軌道 D，軌道半徑僅 85 公里，在這探測器將利用 GRNS 調查靈神星表面的元素分布。

靈神星號原訂的發射日期為 2022 年 9 月。然而在飛行前的測試中，任務團隊發現飛行軟體異常，導致它錯過了 2022 年的發射窗口。經過幾個月的調查和調整，目前 NASA 公布的下個發射窗口為 2023 年 10 月 10 日以後，屆時靈神星號將會搭乘 SpaceX 的獵鷹重型火箭進入太空，就讓我們好好期待靈神星號傳回來的各種資料吧！

延伸閱讀

1. 我們的征途是星辰大海：回顧隼鳥二號的億里長征
2. Just Look Up！小行星監測系統「哨兵」全面升級
3. 災難片成真！？小行星「貝努」行蹤飄忽，撞地球的機率有多大？

數學的共振系統存在於太陽系中

太陽系的動力系統充滿了共振。

月球的自轉由於受到其他天體的攝動（perturbation），因而有輕微的起伏，不過它的自轉週期與它環繞地球的公轉週期相同，這是自轉週期與軌道週期的「一：一」共振。因此，我們在地球上總是看到月球的同一側，從來無法看到月球的「背面」。

水星每隔五十八．六五日自轉一周，每隔八十七．九七日公轉太陽一周。二乘八十七．九七等於一七五．九四，而三乘五十八．六五等於一七五．九五，因此水星的自轉週期與軌道週期是一個「二：三」共振。事實上，長久以來，天文學家一直以為兩者構成「一：一」共振，以為兩個週期大約都是八十八日。

因為想要觀察像水星這麼接近太陽的行星，實在是一件很困難的事情。這使得天文學家相信，水星的一側熱得不可思議，而另一側則冷得不可思議，最後卻發現事實並非如此。不過共振還是存在，而且比單純的「一：一」更有意思。

在火星與木星之間，有一個寬闊的小行星帶（asteroid belt），其中包含了數千個微小的天體。這些小行星的分布並不均勻，在某些與太陽距離固定的軌道上，我們發現還有些「小行星子帶」，在其他距離上則幾乎找不到它們的蹤跡。這兩者都得歸因於與木星的共振。

希耳達群（Hilda group）小行星就位在小行星子帶，它們與木星形成「二：三」共振。也就是說，這群小行星所處的位置，剛好使它們在木星公轉兩圈的時間中環繞太陽三圈。而最有名的小行星帶隙（gap of asteroid），則是「一：二」、「一：三」、「一：四」、「二：五」與「二：七」的共振。

各位讀者也許有些擔心，為什麼共振同時能夠解釋小行星帶的叢聚與間隙呢？ 答案是每一個共振都具有本身的動力學特徵，某些會造成叢聚效應，某些的作用則剛好相反，全都由共振比例數字來決定。

用數學來預測未來

數學的另一項功能是進行預測。

在了解天體的運動之後，天文學家便能預測月食、日食，以及彗星的回歸等等。他們知道應該將望遠鏡對準何處，才能重新發現運行到太陽背面、暫時無法觀測的小行星。由於潮汐主要是由日、月與地球的相對位置所控制，所以他們也能預測許多年後的潮汐。

（但這種預測的主要困難並非來自天文學，而是大陸的形狀與海底的地形，它們都能使某個高潮提前或延後。然而，即使過了一個世紀，這些地理因素也幾乎不會有什麼改變，因此一旦了解它們造成的效應之後，將這些效應考慮在內只是例行公事。）

反之，想要預測天氣則困難無數倍。對於控制天氣的數學，我們知道的跟控制潮汐的數學一樣多，可是天氣天生就有一種不可預測性。縱使如此，氣象學家仍能做出有效的短期預測，比方說三、四天以後的天氣。不過，天氣的不可預測性與隨機性毫無關聯。在第八章中，當我們討論到混沌概念的時候，將會詳加探討這個題目。

數學所能做的遠不止於預測。一旦了解某個系統如何運作，我們就不必再做個被動的觀察者了。我們可以試圖控制這個系統，讓它照我們的意思行事。可是最好不要野心太大，例如天氣控制就仍處於嬰兒期，我們還無法隨心所欲地造雨，即使天上有一大團現成的雨雲。

控制系統的例子不勝枚舉，從保持汽鍋溫度固定的恆溫器（thermostat）到中世紀式的造林。還有，假如沒有精妙的數學控制系統，太空梭就會在空中橫衝直撞，因為任何太空人絕對沒有足夠迅速的反應，可矯正它固有的不穩定性。至於使用電子式心律調節器幫助心臟病患者，則是控制的另一項實例。

這些例子，讓我們看到數學最為實際的一面，也就是它的實際應用：數學如何造福人群。

隱身文化幕後的數學工具

我們的世界奠立在數學基礎上，數學不可避免地深植於全球文化中。我們並非總能夠了解數學對我們的生活有多大影響，理由是它被人盡可能藏在幕後。

這是很合理的，譬如您找旅行社安排一次度假旅遊時，不必了解設計電腦或電話線的數學與物理理論，也不必了解使某座機場能起降最多架次飛機的最佳化（optimization）程式，或是為駕駛員提供正確雷達影像的信號處理方法。

當您收看電視節目的時候，也不必了解在螢幕上製造特殊效果的三維幾何、藉由衛星傳送電視訊號的編碼方式、解出衛星軌道運動方程式的數學技巧，以及在製造可將衛星送到定位的太空的各個零組件時，每個步驟所應用的數千種不同的數學工具。

還有，農夫在種植新品種的馬鈴薯時，也不必知道遺傳學統計理論，不必知道這理論如何幫助育種學家找出何種基因使這品種具有抗病性。

然而，以前一定有人了解這一切，否則飛機、電視、太空船、抗病性的馬鈴薯都不可能發明出來。現在也需要有人了解這一切，否則它們就不會繼續運作。而將來也需要有人發明新的數學，以便解決新出現的或迄今尚未有解的難題，否則當我們面對某種改變，必須解決新的問題，或是舊問題需要新的解答時，我們的社會便會崩潰。

假如數學以及所有植基其上的發展，突然之間從我們的世界消失，人類社會將在瞬間四分五裂。又假如數學從此停滯不前，再也不會向前邁出一步，我們的文明便會很快開始倒退。

——本文摘自《大自然的數學遊戲 》，2022 年 11 月，天下文化出版，未經同意請勿轉載。