0

2
0

文字

分享

0
2
0

海嘯石辨認指南:颱風都能搬大石頭了,還需要海嘯嗎?

阿樹_96
・2016/11/05 ・5281字 ・閱讀時間約 11 分鐘 ・SR值 530 ・七年級

2016 年 9 月莫蘭蒂颱風橫掃台灣南部,甚至將屏東佳樂水風景區多顆以「噸」計的巨石都搬上了岸。這讓人不禁懷疑:

「既然颱風有這種力量,會不會地質學家口中的海嘯石,未必是真的海嘯石?」

雖然我不是海嘯系的,但身為一個地科科普作者,不免俗的發揮鍵盤科南的精神,請教台大地質系「表面功夫實驗室」的掌門徐澔德副教授,解答疑惑,寫成一篇認真專業文。

至於為什麼會叫「表面工夫實驗室」呢?顧名思義,徐澔德副教授的主要研究領域就是地表地形與地質作用的相關研究,雖是研究「表面」,卻是「深入了解」。或許大家還有點「下雨地震說」的印象,當時這個地表的侵蝕作用與地震的相關研究曾被拿來「救援」,也是此研究團隊的重要成果。所以,千萬可別輕忽「表面工夫」可以見微知著的威力啊!

表面功夫實驗室,在此必須強調,也是有不愛喝酒的地質學家(咦?)圖/作者提供
表面功夫實驗室。雖然有個啤酒旗,但在此必須強調,也是有不愛喝酒的地質學家(咦?)圖/作者提供

沒事幹嘛研究海嘯石?這很重要嗎?

海嘯石是地質學家用來研究古海嘯的證據之一,但要是沒經過「專業鑑定」,真的很難斷定海邊的巨石就是海嘯石啊!就像是你在空中看到不明光點時,如果直接說:「啊!那一定是外星人的飛船!」,那可不是科學,而是唬爛不打草稿的「神邏輯」。就算排除各種人工飛行物的可能性,它充其量也只能被當作「不明飛行物」,同樣的邏輯運用到海嘯石上,我們首要的任務就是要「排除各種可能性」。

-----廣告,請繼續往下閱讀-----

回到正題,今年拜訪臺灣的幾個大颱風,留下了不少破紀錄的風速紀錄,但它有辦法做到和海嘯一樣帶動大石頭的效果嗎?讓我繼續看下去……

為什麼會有「海嘯石」?有沒有實際觀察例子?

海嘯石=海嘯從海底帶上來的石頭,在大海嘯過後,難免會有些東西從海中被打上來。雖然海嘯石不常見,但或許在颱風爆多的臺灣經常看到,每當颱風過後,海邊總會出現一些珊瑚礁岩……既然颱風會帶些石頭上岸,就更不用說海嘯了,光是這世紀數一數二的日本 311 海嘯,就打上了不少海嘯石。

311 東日本大地震後發現的海嘯石,距離當地河口海岸處約 600 公尺遠。圖/由台大地質系特聘講座教授太田陽子提供
311 東日本大地震後發現的海嘯石,距離當地河口海岸處約 600 公尺遠。圖/由台大地質系特聘講座教授太田陽子提供

不過利用海嘯石來研究「古海嘯」,那又是另一層意義了。要是我們已經直接「看」到海嘯打上岸的樣子,自然就不需要海嘯石來間接告訴我們海嘯多大,。只是,我們現在討論的那些古海嘯缺乏目擊證人,只留下海嘯石這間接證據,要想了解古海嘯有多囂張,我們就要懂得推理。反而是地質學家該利用這些近期發生的海嘯,以及它們帶起的海嘯石,試著來了解「多大的海嘯能帶起多大的石頭」。講白了海嘯石在此,就是利用「現今」來「鑑古」的研究素材。

位於沖繩宮古島的東平安名岬的海嘯石遺跡。圖/作者提供
位於沖繩宮古島的東平安名岬的海嘯石遺跡。圖/徐澔德副教授提供

不過說起來容易做起來難,即使發現海嘯石的地方過去有海嘯紀錄,兩者卻未必對得的起來。舉個例來說,1771 年琉球八重山地震造成宮古、石垣等地小受大海嘯侵襲,而現今在宮古島的東平安名岬、佐和田之濱等地也有過去的海嘯石。但實際研究卻發現,真要找到海嘯石所對應的古海嘯,定年的結果並不易支持,有許多岩石年齡遠比 200 多年還老得多,也可能是更早的海嘯帶來的(參見維基百科「津波石」)。畢竟缺乏「歷史本文」,我們需要整理的資訊就相對的片段不完全。

-----廣告,請繼續往下閱讀-----
位於宮古下地島的海嘯石(不一定是1771年海嘯帶來的),與前方1771年海嘯紀錄的「歷史本文」。圖/By Paipateroma - Own work, CC BY 3.0, https://commons.wikimedia.org/w/index.php?curid=9054092
位於宮古下地島的海嘯石(不一定是 1771 年海嘯帶來的),與前方 1771 年海嘯紀錄的「歷史本文」。圖/By Paipateroma – Own work, CC BY 3.0, wikimedia commons.

如果「沒有歷史本文」輔助怎辦呢?

以臺灣來說,我們一樣缺乏古海嘯的文獻紀錄,海嘯研究總是困難重重,但好在這些事都發生在地表,也會因走過而留下痕跡,這時就得靠地質人的「真.表面功夫!」來研究這些事。

功夫一:有效率的找石頭

先簡單聊一下找石頭的方法,拜科技所賜,現在地質學家不再需要為了找石頭,一步一腳印踏遍全台灣,因為可以當海嘯石的石頭通常很大,高解析的衛星或空拍就能拍到了!畢竟「要找就要找最有可能的」,那些等級還沒練到的海嘯石就先不管。(但不用勞煩各位去 Google Earth上找了,因為研究團隊都找完一輪了,結論是可能會是海嘯石的東西,在台灣真的很少!)

功夫二:人工過濾石頭系統

這其實是最重要的一件事,我們都知道海嘯能帶起很大的東西,尺寸要夠大、形狀要「夠不圓」,這樣石頭才能過這關。

用尺寸大小來篩選的用意,就是分辨是颱風帶來的石頭還是海嘯帶來的(Goto, et al. 2010)。海浪雖然也能很大,但 10 公尺高的海浪 vs 10 公尺高的海嘯,完全是 D 級怪和 S 級怪的差距。海浪波長了不起數公尺,但海嘯的波長是數百公尺到公里級,從水體的體積來看,差了有 100 倍!能舉起 100 倍的海水,能量非同小可,故海嘯能舉起的石頭應該遠遠大於颱風風浪能舉起的石頭。至於颱風另一個因素「暴潮」或者是颱風來時正好初一、十五大潮的情況,在機制上仍與海嘯有差;畢竟暴潮或潮汐引發海面上升速度是以數小時來計,而海嘯在數秒至數分鐘就能使海水升到最高點。

-----廣告,請繼續往下閱讀-----
海嘯與海浪的差異。圖/作者提供。
海嘯與海浪的差異。圖/作者提供。

以今年的莫蘭蒂颱風為例,它算是近年來風速最強的颱風,在屏東佳樂水掀起了巨石,但我們循著記者們幫我們找的照片來看,最大的尺寸好像不到 1 立方公尺(最大邊長不到 1 公尺)啊!一般海嘯石會先過濾掉粒徑(長軸長)大致小於 2 公尺的岩石,甚至會拿更大的來當作典型海嘯石,動輒數 10 立方公尺以上。別小看這數字差異,1 立方公尺約莫 3 噸,到了 10 立方公尺就有 30 噸。如果一顆巨石達數十噸至上百噸,那颱風能長距離搬動巨石的可能性就大輻降低了。

海嘯與海浪搬運能力的差異。圖/作者提供。
海嘯與海浪搬運能力的差異。圖/作者提供。
莫蘭蒂颱風過境後,於小琉所攝,可見「中部粽」消波塊被大浪擊落。圖/由鍾令和博士提供。
莫蘭蒂颱風過境後,於小琉所攝,可見「中部粽」消波塊被大浪擊落。圖/鍾令和博士提供。

至於形狀,則是另一個「以防萬一」的參數。試想如果風浪很大,大到都能推動「中部粽」了(莫蘭蒂在小琉球的傑作),那麼要巨大的石頭推一把也不無可能,假如石頭又是圓形或柱形這種好滾動的形狀,經過多次大型颱風的推動……哎呀這可就業障重分不清楚真假了!

但如果大石頭是「扁橢球」的形狀,反能較能排除這樣的可能性,畢竟要讓這種形狀的巨石搬動,比較有可能的機制是海水整個把它「抬」起來往岸上「放」的型式。

上圖為巨石的不同形狀分類,越不容易滾動(扁橢球形),合理解釋為海嘯石的可能性就越高。圖/作者提供。
上圖為巨石的不同形狀分類,越不容易滾動(扁橢球形),合理解釋為海嘯石的可能性就越高。圖/作者提供。

功夫三:真相只有一個,巨石的「不在場證明」!

好啦!第三個就是更進階版的地質訓練了,地質系念這麼久都是在學這些啊!這時我們要找的就是巨石的「不在場證明」,這裡指的是要先證明巨石是別處來的,才比較有可能是海嘯石。

-----廣告,請繼續往下閱讀-----

首先從辦認石頭開始,如果是砂岩,那我們就把它擱一旁先不考慮,畢竟砂岩可是台灣沿岸最常見的岩石之一,而且也很難保它有可能是從鄰近的山上滾下來的……(前幾年基隆才發生一次巨石崩落啊!)。

但如果是「珊瑚礁岩」,那整個不在場證明的強度就提高了。因為礁岩多半是在某個海水深度才會開始形成的產物,如果要在陸地上見到礁岩,除了抬升作用外,就只剩風暴岩或海嘯石了!所以在海嘯石的案發現場,我們要先看看周遭有沒有含珊瑚礁岩層的高位海階(就是位置比海嘯石高的地方)。要是有的話,拍謝!那顆巨石的不在場證明又沒了,因為就和前面那張「中部粽」的照片一樣,無法排除從旁邊掉下來的可能性。總而言之,就是要排除它是被板塊運動、地殼抬升等作用先離開海面才被侵蝕的因素。

考量各種可能性來判定是否為海嘯石的方法。圖/作者提供。
考量各種可能性來判定是否為海嘯石的方法。圖/作者提供。

證明可能是海嘯石,然後呢?

其實經過上述歷程層層篩選,還是沒有辦法 100% 說明某個巨石是海嘯石,因為唯有親眼見過,才是真的~~~~

然而這樣的篩選卻能夠將可能性大幅提高,以目前可觀察的自然的機制來說,除非有比莫蘭蒂的風浪再大上數十倍的超級颱風(可能目前也沒看過),不然要達到舉起上百噸的巨石,好像目前也只剩海嘯這個可能性比較大(起碼看過幾次了),這也是比較合乎科學邏輯的推論。

-----廣告,請繼續往下閱讀-----
2012年天秤颱風在蘭嶼捲上岸的巨石,相對海嘯石而言小了許多。圖/由台大地質徐澔德教授提供
2012 年天秤颱風在蘭嶼捲上岸的巨石,相對海嘯石而言小了許多。圖/徐澔德副教授提供。

用再白話一點的說法是,科學家才不會說「這就是海嘯石」,而會說「這很有可能是海嘯石」。但即使如此,可信度仍是很高的,只是我們需要有幾分證據說幾分話

照理說故事應該到此就可以 End,至少我們清楚論述了海嘯和颱風對於帶動巨石的可能性,還有科學家利用哪些原則來落實海嘯石研究。只是,難道你不會好奇,「台灣有沒有海嘯」嗎?都教了怎麼煮菜,不如就把它煮好來吃了吧!

台灣的海嘯石在哪?最近的一次海嘯發生在何時?

回到正題,以目前台灣的研究來說,有上述研究方式並加上科學期刊「認證」的海嘯石位於兩處:分別在屏東的九棚沿海以及蘭嶼北岸

台灣和日本的地質學者在九棚沿海一共發現了三顆海嘯石(Matta et al. 2013),由於定年的結果顯示它的年代與下方的低位珊瑚礁海階接近,所以研究團隊的想法是,這三顆海嘯石可能是下方的珊瑚礁海階被破壞後,隨海嘯往岸側帶(不過不一定是海嘯破壞的,也有可能是長期侵蝕斷裂掉入海底,之後才隨海嘯帶上來)。而以這個故事來看,如果真有海嘯,其確切的發生時間,仍然不得而知。

-----廣告,請繼續往下閱讀-----
位於屏東九棚的海嘯石。圖/由台大地質系教授徐澔德提供。
位於屏東九棚的海嘯石。圖/徐澔德副教授提供。

至於蘭嶼北岸的故事(Ota et al. 2015),就相對更精彩了!台灣本島因為地質與地形因素,所以很多時候一些海嘯石就先被前述地質學家的「功夫」給排除了,但在相對好判斷的蘭嶼,一下子就找到了 14 顆疑似海嘯石的巨石。理所當然的是要拿來定年一下。

蘭嶼北岸的海嘯石。圖/Ota et al. 2015
蘭嶼北岸的海嘯石。圖/Ota et al. 2015

蘭嶼這邊和九棚的碳 14 定年結果不太一樣,有差不多年代的(約 5 千年前上下)、有更老一點的(7 千年前上下),也有較晚的(距今 500 年前或更近的時間)的石頭。當然,實際上定出珊瑚礁岩的年代和海嘯發生的時間是兩回事,所以即使有這些資訊也還不足以確認海嘯年代。不過值得一提的是這邊幾個礁岩都經過更進一步的鈾釷定年法測定(沈川洲,2015),其結果發現,比較老的石頭還是很老,但較年輕的那些石頭(500~600 年以內的),其重定後的年代約莫為 150 ~200 多年前左右,如果要對應到現有的海嘯紀錄,似乎可以對應到先前提到的 1771 年八重山地震引發的海嘯,只是當初的海嘯波到了蘭嶼還有沒有能力帶起海嘯石,又是另一個值得討論的事。

這樣的結果告訴我們「蘭嶼曾被海嘯侵襲過的機會很大,且最近一次事件有可能距今不到 200 年!」雖然看起來還有一堆細節無法確定,但或許這也暗示我們未來仍不能輕忽海嘯的威脅!

參考資料與文獻

-----廣告,請繼續往下閱讀-----
  1. 加藤祐三,八重山地震津波 (1771) の遡上高 地震 第2輯,1987。 Vol.40, No.3 P377-381
  2. 沈川洲,搭乘鈾釷時光機 重返遠古世界,2015,科學人雜誌157期,遠流出版社。
  3. Goto, K., Miyagi, K., Kawamata, H., Imamura, F., 2010. Discrimination of boulders deposited by tsunamis and storm waves at Ishigaki Island, Japan. Marine Geology, 269, 34-45.
  4. Matta, N., Y. Ota, W. S. Chen, Y. Nishikawa, M. Ando, and L. H. Chung, 2013. Finding of probable tsunami boulders on Jiupeng coast in southeastern Taiwan. Terr. Atmos. Ocean., 24, 159-163.
  5. Ota, Y., Shyu, J.B.H., Wang, C.-C., Lee, H.-C., Chung, L.-H., Shen, C.-C., 2015. Coral boulders along the coast of the Lanyu Island, offshore southeastern Taiwan, as potential paleotsunami records. J. Asian Earth, 114, Part 3, 588-600.
  6. 維基百科:津波石(日文) 條目
文章難易度
阿樹_96
73 篇文章 ・ 21 位粉絲
地球科學的科普專門家,白天在需要低調的單位上班,地球人如果有需要科普時時會跑到《震識:那些你想知道的震事》擔任副總編輯撰寫地震科普與故事,並同時在《地球故事書》、《泛科學》、《國語日報》等專欄分享地科大小事。著有親子天下出版《地震100問》。

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。

2

2
1

文字

分享

2
2
1
奠定現代通信基礎的克勞德.香農(Claude Shannon)
數感實驗室_96
・2024/06/06 ・743字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

以前小時候如果調皮不聽話,就會被大人叫去跪算盤,現在的家長家裡沒算盤了,反而會拿出電路板讓小孩跪。

咦?為什麼總是拿算數工具來懲罰小孩呢?

電路板上看似複雜電路板密密麻麻的,是電腦進行邏輯計算的關鍵。這小小的薄片能執行驚人的運算功能,背後的奧秘離不開一位傳奇科學家的貢獻。他不僅奠定了現代通信的基礎,還開創了人工智慧研究,這可不是一般人一生能做到的成就,但克勞德.香農(Claude Shannon)卻一次搞定。

-----廣告,請繼續往下閱讀-----

這位非凡的科學家是如何改變了我們的時代?

他讓我們今天能享受高效的通訊技術和智慧生活。如果你也覺得現在生活離不開手機和電腦,那你應該感謝這位數學和電機工程的天才。

對於 2000 年後出生的人而言,或許覺得用手機傳訊息、用電腦看影片再平常不過。但在 Shannon 出現之前,沒有人能系統性地定義「資訊」和「通訊」。他以其對動手實驗的熱忱,將這些看似無形的概念轉化為實際的理論,為世界帶來了一場資訊革命。

正是因為 Shannon 的卓越貢獻,我們才能享受如此便捷的現代通信技術。他不僅改變了科學的面貌,還深刻地影響了我們的日常生活。

Shannon 的故事也提醒我們,熱愛與好奇心是推動進步的核心力量。他用智慧和創造力,為我們打造現代通信的基礎,並開啟未來的無限可能。

-----廣告,請繼續往下閱讀-----

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

所有討論 2
數感實驗室_96
76 篇文章 ・ 49 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/

0

0
0

文字

分享

0
0
0
古人用的超大型手機?從烽火臺到智能手機:通信科技的演進
數感實驗室_96
・2024/05/13 ・883字 ・閱讀時間約 1 分鐘

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

現代人手機普及率極高,你可能正在用手機閱讀這篇文章。

仔細想想,我們每天使用的手機真的很厲害。只需幾下操作,就能傳訊息、視訊通話,還能上網看影片、玩遊戲、使用社群網路等。

你可能知道全世界的第一支手機是 Motorola 在 1973 年 4 月 3 日推出的黑金剛,重達 2 公斤的程度。不過,早在幾千年前,其實已經有「手機」存在了。

-----廣告,請繼續往下閱讀-----

當時的手機不只兩公斤重或兩公升水壺大,甚至是有好幾層樓那麼高,那這些手機的傳輸速率也超級慢,看影片一定是不可能,連打電話聊天都辦不到。超級陽春,基本上只能傳遞「有」或「沒有」這樣的是非題。

應該有些人猜到了,其實就是「烽火臺」。

烽火臺是中國古代為了傳遞軍情所設計的通信系統。一座烽火臺上有幾位士兵,備有大量的稻草與木柴,如果看到敵人侵犯,或是前後的烽火臺燃起狼煙,士兵們就會立刻燃燒乾柴,釋放狼煙,傳遞攸關國家存亡的重要資訊。雖然,烽火臺的尺寸大小與現今我們常用的手機差很多,傳輸能力也差很多,但烽火臺還真是上古時代標準的通信設施哦!

接下來還會推出一系列「通信科技」相關的節目,內容囊括了通信發展的歷史故事、重要的通信科學家、通信相關的技術知識。

-----廣告,請繼續往下閱讀-----

讓你認識新聞報導中,常聽到的一些通信專有名詞,什麼是頻帶、頻寬?現代通信技術如此厲害的關鍵又在哪裡?甚至,這些技術跟我們平常在學校裡學到的各科知識,又有怎樣的連結呢?

這系列將用影片帶領大家進入這個有趣、改變全人類生活的通信世界,敬請期待哦!有更多想法也可以留言分享喔!

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 49 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/