俄羅斯失敗之火星任務Phobos-Grunt太空船預定於1月16日重返地球大氣

• 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。

「也英，你還好嗎？但願你沒有感冒，今年的火星看起來特別亮，是本世紀火星距離地球最近的時候，當我看到明亮的星星時，就覺得你彷彿在我身旁。」晴道在少年時寫給也英的信中這麼說道。

接近人生半百，當晴道再次與也英相遇後，這麼恰好的，火星再次接近地球，劇中晴道與也英於札幌天文台享受著天文景象，究竟在望遠鏡中，他們看到的景象為何會產生？

揭開接近地球的火星之時——火星衝

太陽系中的八大行星皆繞著恆星太陽公轉，但因各行星距離太陽的遠近不同，造成公轉軌道路徑長度差異，而行星的公轉軌道與速度進一步影響著其公轉週期。八大行星中每一顆行星的公轉週期皆不一樣，也因此，造成每天行星與恆星、行星與行星間的相對位置也都有所差異。

「衝」在天文現象中意指行星（地球軌道外）與太陽、地球，連成一直線的現象。當衝發生時，代表此顆行星整夜可見，且在天空中的亮度極亮！但正如同上文所述，因每顆行星之公轉週期有所差異，所以並非每一年都會發生衝。例如劇中晴道與也英所觀測的「火星衝」，週期約為 780 天，大約每經過 2 年 49 天便會發生一次。 

長大後的晴道、也英所觀測的火星衝發生在 2018 年，亮度極亮的火星配上恰好的觀測時間，便是觀測火星的最佳時間點！

而在 2022 年 12 月初時，也發生了一次火星衝！這次火星的視星等亮度達到 -1.9 等，預測將會是未來十年內最亮的火星衝，但如果錯過這次也沒有關係，在 2033 年時會發生亮度更亮的火星衝，目前預估視星等亮度可以達到 -2.5 等呢！（星等值越小越亮！）

滿載希望的希望號

除卻火星衝外，日本 1998 所發射的希望號探測器（のぞみ）也是年少的也英殷切期待的天文任務。當時日本為促使國民對於火星產生興趣與探索，舉辦於希望號中搭載姓名的活動，也英的名字也跟著希望號一起進行宇宙探索。

希望號原本的目標與任務是觀察火星上大氣層，與火星受太陽風作用的影響。但在 1998 年發射後，希望號的推進器出現故障，不只大量消耗燃料，還造成希望號進入火星軌道的時間延長，後又於 2002 年受到太陽劇烈活動的影響電力系統受到破壞。最終，希望號於 2003 年 12 月失聯，未能順利完成火星的探測任務。

未完待續的火星之旅

火星因其醒目的紅色外觀一直為人們所關注與追尋的星球（西方更將其取名為 Mars，即為羅馬神話中的戰神），且因火星具有與地球相似的環境條件，科學家一直將火星作為移居星球的選項之一，也設想過將火星「地球化」，使其更加適合人類居住。

但人們是否有改變火星的權利，又或者我們對於火星是否有足夠的了解，或許等到未來更多次嘗試的火星任務後才能知曉答案，正像是晴道說的：「要想知道是不是命中註定，你必須全心投入進去。」

參考資料

• 臺北市立天文科學教育館 – 2022火星衝專區
• 為什麼火星任務正夯？
• 火星漫遊20年——探測任務的挑戰
• 希望號探測器

無知的代價：產褥熱

故事說到這裡，此時此刻，人們依然只能透過顯微鏡、放大鏡等工具，追尋微生物的芳蹤。當然啦，發現微生物是一回事，要確認這些微生物與特定疾病的相關性，並且證實它們的致病性與致病機制，則完全又是另一回事。

然而，產業救星巴斯德先生在拔了一根草、測了測風向以後，敏銳的發現，風向是會改變的。在與微生物和疾病的永恆戰鬥中，人類也不會永遠的屈居下風。

巴斯德的重心，逐漸從化學轉移到微生物之上。他雖然不是醫生，也不是婦女，卻對婦女的生死大關特別有興趣。

在十八世紀到十九世紀之間，有多達百分之三十的婦女，會在生產後的「產褥期」，受到細菌感染而持續發燒，稱為「產褥熱」（puerperal fever）。

當時，產褥熱的致死率相當高，一旦受到感染，有百分之七十五的產婦可能會挺不過去，一手接生一手送死，悲傷的故事在醫院裡不斷上演。

被忽視的警告：「不要碰完屍體去接生！」

一八四三年，美國醫生霍姆斯（O. W. Holmes）在論文中提到，不少醫生會在解剖完屍體之後，再為產婦進行接生，這些產婦中，染上產褥熱的比例也偏高。

但是，當時的醫學界並不認同霍姆斯的觀點，將他的提醒當成了耳邊風。

與此同時，在著名的維也納大學醫學院中，匈牙利醫師塞麥爾維斯（Ignaz Philipp Semmelweis），正為了附屬醫院中，遲遲無法下降的產婦死亡率而苦惱著。

即使進行了詳細的大體解剖，塞麥爾維斯也無法找出產褥熱的原因，只能眼睜睜的看著產婦一邊期待著新生命的降臨，一害怕著死神將揮舞著鐮刀，收割她們的性命。

心痛的塞麥爾維斯，於是將目光轉向產房細節。他注意到，如果產婦居住在解剖室旁的產房，產褥熱的比例更居高不下；反觀助產士教學病房裡的產婦，死亡率就明顯較低。

塞麥爾維斯於是推測，或許在屍體中帶有某種毒素，經由負責解剖的醫生、實習生的雙手，在接生或產檢之際進入產房，造成了產婦的死亡。

只是洗個手，死亡率剩下原本的 1/4

一八四七年，塞麥爾維斯決定，要求產科裡所有醫生、實習生，特別是那些剛進行過大體解剖的小夥伴們，在為產婦接生或檢查之前，務必要用肥皂與漂白水浸泡、清洗雙手，並澈底刷洗指甲底下的汙垢。

果不其然，一個簡簡單單的洗手動作，就讓院內產婦的死亡率，從百分之十二下降到百分之三！可喜可賀！

按照常理思考，我們可以大膽推測，接下來的劇情發展應該是：「塞麥爾維斯被譽為英雄，他所推行的洗手習慣，立刻被全世界廣泛採用……」

NO～NO～NO，塞麥爾維斯拿到的，可不是這麼簡潔、老生常談的劇本，故事尚未劇終，本章節依然未完待續。

事實上，他的重要發現並沒有受到醫學界的認可，連病房主任也說，死亡率的下降，是醫護同仁們用心禱告的結果，跟洗不洗手什麼沒啥關係。

不僅論點違背主流風向，許多醫生甚至覺得，塞麥爾維斯的說法，根本就是在說「醫生手很髒」或「病從醫生來」，對此，他們表達強烈的不憤怒與不滿。

讀到這裡，我們或許會覺得，只是洗個手，有那麼痛苦那麼難嗎？殊不知，即便是疫情當前的今日，對於這個倡導手部衛生的建議，依然有人會感到不滿與抗拒。

如此一想，一百多年前的醫生們不想洗手，好像不是多麼不可思議的事情了。

──本文摘自《厲害了，我的生物》，2022 年 8 月，聚光文創，未經同意請勿轉載。