防貓咪敲鍵盤軟體—《搞笑諾貝爾獎》

F 編按：本文編譯自 Live Science

說到「拋接遊戲」，許多人腦中應該都會浮出狗狗的畫面，牠們會快速地撲向被丟出去的球或玩具，再興奮地叼回到主人面前。但超出大家想像的是，貓咪也擁有這項天賦（想不到吧），不少飼主都曾發現，家裡的貓貓竟然會以各種物品如紙球、髮圈、瓶蓋，甚至鉛筆等，主動找主人來一場「拋接遊戲」。

在大部分人的認知中，狗是天生「撿東西」的好手，因此曾被培育成獵犬或工作犬，用以回收獵物、報信或傳送物品。而貓咪喜歡捕捉老鼠，又孤傲高冷的形象，則似乎與這項技能沒有何關係。但既然如此，那為何新的研究以及大量飼主觀察都顯示，有些貓能不經任何刻意訓練，就自發地找主人玩起拋接遊戲呢？

貓咪自發性的「拋接遊戲」

英國蘇賽克斯大學的博士生珍瑪．佛曼（Jemma Forman）與團隊近期在《Scientific Reports》上發表了一份有趣的研究。該研究針對 924 位飼主進行問卷，篩選那些聲稱自家貓咪曾展現「叼回來」行為的案例。結果發現，超過 94% 的飼主表示，自家貓咪的撿拾行為是「自然發生」的，而且往往在牠們還是不到一歲的幼貓時期就自發展開。

不少飼主的敘述顯示：這類行為的開始常常並非飼主主導，有時可能只是「不小心」丟出一個物體，貓看見後便會自行撲上前把它叼回來；或是貓咪先將某個小物件疊在主人腳邊，若飼主把該物件再拋出去，貓就衝向前撿回，來回幾次便形成「丟接」的循環。一位研究者便提到，有飼主開玩笑說：「其實是貓訓練了我們，而不是我們訓練了貓！」

飼主與貓的互動：是誰主導了遊戲？

研究另一個重要發現，是貓比人想像中更「有意識」地控制遊戲進程。根據問卷結果，大多數貓會自行決定什麼時候開始玩，也多半由牠們決定何時結束。相較於狗狗可能乖巧等待主人丟球，甚至對「再來一次！」樂此不疲，貓咪常在丟接幾回合後顯露不耐、失去興趣或乾脆躺下睡覺。換言之，這些「叼回來」的遊戲時間通常很短，平均不到 10 次的往返後，貓就會轉移注意力。

此外，貓咪對「丟接」場域與對象都有明顯偏好。部分飼主觀察到，貓只會和特定人士或在特定房間裡玩這個遊戲；如果換個地方、換個人，貓便不再給予任何回應。物件本身也有強烈偏好：有些貓喜歡輕巧的紙團或塑膠瓶蓋，有些則迷戀鉛筆、彈性髮圈，甚至噗嚨共不明的「隨手抓到啥」。從個案顯示，某些貓跟筆有著奇妙的羈絆，一旦看到主人拿筆在地上，就會立刻叼起來，再「要求」被丟遠一點，好繼續衝刺撿回。

為什麼貓會撿東西回來？

不論是狗還是貓，「撿東西」基本上與狩獵本能脫不了關係。對狗來說，傳統解釋是牠們祖先源自狼族，群居習性和人類培育下的獵取天賦，使牠們更具把「獵物」叼回巢穴或交給領袖的行為模式。人類便利用此特徵，培養獵犬能把獵物從遠處叼回，或訓練牠們在工作環境中搬運物資。

至於貓咪，牠們並沒有經過繁雜而漫長的馴化過程來加強「帶回獵物」的基因。多數家貓的繁育重點在外觀（毛色、體型等）或日常溫馴度，而非特別功能。然而，野外的貓科動物依然經常把捕捉到的小動物叼回家中，可能是母貓餵養幼貓的天性延伸；既然公母貓都可能會「叼回來」，顯示其中還涉及更複雜的本能驅動。部分專家推測，或許貓有一部分遺傳特質，會對移動中的小物件產生高度興趣，因而自然而然地「啟動」衝刺、叼拿、再放回主人跟前的動作。

貓咪真的「天生社交」嗎？

長久以來，狗被視為「社會性」動物，貓則被歸類為「獨居型」；然而，越來越多研究開始顯示，貓其實也會對飼主表現相當程度的關注，並非只在用餐時間才記得「家裡有個人」。一些行為專家指出，貓很可能透過「拋接遊戲」來吸引主人注意，或回饋主人放出的社交信號。例如，人類在地上丟出一個物品或在空間中拋擲，可能看似無意，但貓卻將之視為「你在呼喚我一起玩」，進而加入互動。

儘管貓普遍沒有群居獵食的祖先背景，也不如狗般崇拜「主人」，牠們仍能形成一種與人類共存並汲取好處的社交關係。例如，許多貓會主動把「戰利品」，像是戶外抓到的昆蟲、小鳥，甚至是室內看似無關痛癢的物體，叼到飼主面前，彷彿是獻禮或玩耍邀請。將叼回來的行為延伸成丟接遊戲，或許是貓對「社交互動」的一種嘗試，更帶有娛樂及互利的意味。

未解的謎團

雖然這項新研究顯示了「貓咪叼回來」行為的常見模式，也試圖探討牠們如何與人協作玩樂，但對「為何」會出現此行為，依然沒有定論。一般相信，狗會撿東西是出自體內被強化的基因；可貓的祖先卻是更善於獨自狩獵且不需看同伴眼色。若從母貓育幼行為或雄貓的「玩獵物」角度來看，都仍無法全面解釋：究竟貓自願玩「拋接」是基於何種驅力？

有些專家認為，品種也可能是關鍵因素。互聯網論壇以及養貓社群時常討論，西方的暹羅貓或孟加拉貓等品種出現「叼回來」行為的比率似乎較高，或許意味某些基因序列更傾向於進行空間探索與物件互動。可是，現今仍缺乏大型量化研究去證實這些品種間的顯著差異。

人在貓科動物的研究上往往著重於飲食、繁殖或健康問題，而貓的玩耍模式與社交行為在科學領域仍是相對陌生的領域。不過，隨著新一代學者與廣大愛貓人士投入觀察、蒐集資料，或許很快就能釐清更多引人好奇的問題。例如：「各類貓咪在何種年齡段最常表現叼回行為？」「是否有特定環境因素（如家中空間大小、多貓相處情況）會影響貓的叼回頻率？」「不同個性或壓力承受度的貓，對『拋接』的接受程度是否有所差異？」等等。

這次研究也為後續打開一條可深入探究的線索，英國林肯大學的教授詹姆斯．瑟培爾（James Serpell）也持續透過線上問卷收集成千上萬份有關貓行為的回饋，期望未來能與其他學者合作，一起揭開更多「貓咪為何玩丟接」的奧祕。

• 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。

為什麼貓這麼喜歡貓薄荷呢？

原來是貓薄荷裡的荊芥內脂導致貓咪吸了貓心大悅，不住翻滾、流口水、打呼嚕。

但是，貓薄荷不是對所有貓都有用。不到六個月的小貓似乎不會有反應，而且有的貓喜歡，有的貓不喜歡……咦，這還和遺傳有關係嗎？

想要同時驅蚊，又讓貓貓情不自禁饞你身子嗎？那你一定要試試貓薄荷！

荊芥內脂不只會讓貓咪快樂似神仙，也會活化蚊子體內的受體蛋白，接觸到的蚊子會產生搔癢和刺痛感。哈哈小蚊子，你也來嘗嘗癢癢痛痛的痛苦！

給你的貓貓來點刺激的快樂草吧！

延伸閱讀