新聞稿背後的科學

• 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。

沒有線下書展，讀力仍與你同在！
自己的書展自己辦、全民讀書挺出版
泛科學聯合工頭堅、黃麗群、高琹雯等知名作家
推出全民線上書展及共讀計畫

2021 年台北國際書展原訂於 1 / 26 開始，卻因為國內疫情升溫的關係，主辦單位文化部於 20 日宣布停辦。這是台北國際書展舉辦三十多年來，連續第二次停辦，上一次則是在疫情爆發的 2020 年；原本盼望終於能在今年一解書癮的愛書人們，希望再次落空，已為書展籌備許久的出版社與IP文創業者等上下游也受到巨大衝擊。但這不能阻止讀者與好書、作者、出版人相見的決心！不只已有出版社直接自辦活動，連鎖書店、獨立書店也挺身提供免費場地響應，多家線上通路更策劃了線上書展。致力推動知識普及的全臺最大科學社群網站「PanSci 泛科學」，也拋磚引玉，聯合 Taster 美食加、旅飯、娛樂重擊等知名生活藝文網站，推出「#願讀力與你同在」共讀計畫，將於 2021 年 1 / 26 1/27 正式啟動。(update：因為網站調整花了比較長時間！延後一天啟動！)

此計畫跨界與多家出版社、通路與媒體合作，精選多份華麗的主題書單，除了邀請讀者一同「雲」共讀，更能透過閱讀、寫書評累積「讀力」點數，兌換愛書人聽到都會流口水的超級好書大禮包！原本在書展的實體活動，也會以 Podcast 的形式加入「#願讀力與你同在」，講座不再實體限定，讓書與人的精彩對話可以永流傳！此外，由於是線上活動，本次活動泛科學也會統計相關數據，在活動結束後以科學方法進行整理分析，提供給參與的出版夥伴。

米飯旅行社創辦人暨作家工頭堅、新活水總編輯與作家黃麗群、知名美食家暨作家 Liz 高琹雯都在第一時間響應並參與。泛科知識公司知識長鄭國威表示：「出版界一直是泛科學成長的最重要夥伴，我們成立十年來也從未停止推薦好書。我本來也在這次書展有一場分享，跟朋友約好要一起逛書展，聽到停辦的消息當下覺得很可惜。因此與同事立刻動作，希望能盡一份力，透過線上策展讓大家在年節前與好書相遇，當然也需要更多出版夥伴協力。」

相比於實體書展以及講座活動，線上共同策展能讓更多人次一同參與，跨越空間以及時間的藩籬，結合既有的購書通路，不論是喜歡實體書或是電子書的讀者，都能透過這次的活動，與好書以及愛書人跨時空相遇。就算防疫措施更升級，我們也能一起「防疫好讀書，在家讀好書」，願讀力與你同在。

活動將於 2021 年 1 / 26 正式啟動至 2 / 7 2 / 26 (update: 因為迴響熱烈，決定搞大一點！)，包括比書展還長很多週的密集線上策展、永久留存精彩活動紀錄，泛科學等協力夥伴將提供流量跟技術支援，歡迎出版社免費參與、將原放在書展的好書好活動在讀力秀出來！

聯絡人：鄭國威、雷雅淇（泛科知識）
Email：contact@pansci.asia、kuowei@panmedia.asia、hiaabbccdd@panmedia.asia
Phone(週一到週五上班時間): 02-2362-0699 #215 ,
mobile: 0953-679-238（鄭國威） 0953-700-089（雷雅淇）

為了解決資訊遺失的問題，霍金設想以一種特殊的方式，把一大群粒子集中射向同一個地方，這樣，當它們相遇時，它們將具有足夠的物質和能量去形成一個黑洞。然後，他研究在理論上，所有這些粒子發生交互作用後可能出現的情況。

他在都柏林演講中說：「人們從無窮遠處（即，很遠的地方）發出粒子和輻射，再回去測量無窮遠處發生了什麼事。」「人們永遠不會在中間（發生複雜交互作用的地方）去探測場的強度。」

儘管概念很簡單，但分析過程卻很複雜。為了做到這一點，霍金使用了費曼的方法：歷史總和法。記住，造就某一個可測量到的結果，背後都有無限多種可能的歷史途徑，而費曼的方法是要求你把這所有可能的歷史途徑全部加總起來：對於你正在研究中的系統的所有粒子，每個粒子可能出現「歷史」軌跡。

在追蹤碰撞過程中可能發生的演變時，霍金說，儘管絕大多數可能的歷史都會被包含進黑洞形成的過程，但有少數的歷史軌跡是不會有黑洞形成的。霍金說，這是他的主要頓悟。「我將證明資訊可以透過這種可能性而保留下來」，他說。

在那些沒有形成黑洞的歷史軌跡中，顯然不會發生黑洞資訊遺失的現象，因此，他大部分的談話內容都集中在論證，當我們把所有的歷史以費曼總和法相加時，這一小部分的歷史子集合將使得資訊可以復原：資訊透過未形成黑洞的歷史軌跡，而偷偷潛逃回來。

當然，這個簡單的邏輯背後的數學計算可以困難到是一場噩夢，而且讓霍金得出這個結論的計算過程有點神秘。

就某方面而言，為了能夠進行數學運算，霍金必須做出的幾個可疑的近似值，可謂是「極大的簡化」。他在演講中介紹了這些內容，而且承諾稍後將會把所有的細節寫成論文發表。

在描述了他的想法之後，霍金承認他賭輸了。他宣布自己錯了，資訊不會遺失，而且公正性和量子理論都是有效的。他向普雷斯基爾獻出了他應得的賭注：一套「可以從中隨意回收資訊」的百科全書。

研討會結束後，與霍金站在同一立場、認為資訊會遺失的索恩，拒絕遵循霍金的想法與認輸。「從表面上看，這是一個可愛的論點。」索恩說：「但是我還未看到細節。」普雷斯基爾接受了霍金的認輸與百科全書，但他也沒有接受霍金的論點。「說實話，」他說：「我聽不懂他所說的內容。」他說：需要看到更多細節，我才能被說服。

他們的反應是物理學家的典型反應。無論是贊成或反對霍金的人，都在等待他的細節。以前的霍金應該可以提供這些細節，但「新的霍金」卻認為他沒有足夠的時間去堅持嚴謹性的問題，他並沒有實際上去計算這些細節。

他提出了自己的想法，然後把它分配給一名研究生，在他的監督下去進行這份艱巨的計算。不幸的是，這位學生還沒完成這份工作。索恩說：「他不是一個強到可以嚇人的學生。」

在霍金報名參加都柏林的研討會時，當時所完成的計算已經夠多，讓他有信心認為這個想法會成功。然而，證明它真正可行的研究成果，卻從未完成，但對霍金而言，他對這個答案深信不疑，因此，他不願意再花費自己在這個地球上的有限時間去對此進行補救。所以，他在都柏林會議上那段籠統含糊的演講，以及發表在該研討會論文集裡的摘要短文，就是他對這個所表達過的全部想法與意見。

霍金的這場演講以及他認輸的宣言，立刻成為全球的頭版新聞，但這僅僅是一場媒體秀，算是小題大作。在他發表這段演講時，幾乎所有物理學家都已經開始相信，這些資訊並沒有遺失，但是包括霍金本人在內，沒有任何人可以證明這一點。而對於那些尚未得出結論的人來說，也沒有人因為霍金的一席話，就開始跟著他而改變想法。

看到「標籤的力量」實在令我驚訝。在霍金成名之前，陌生人有時會根據他的外表而把他看成是一個身心都有缺陷的人，而不自覺地把視線移開。但是，一旦他被宣稱為是「現代愛因斯坦」，媒體則開始大量報導他所說過的任何事情。

如果沒有他這麼一位出名的人物來參加這次的都柏林會議，那麼這將會是一場絕佳的思想漩渦，讓物理學家圍繞著這個話題進行深度討論，但是卻不會在任何報紙上出現相關報導。然而，由於有了霍金，所以這次的談話就成了一場媒體圈的「大拜拜」。

對於霍金本人來說，他的這項轉變算是一個重大時刻，甚至是一個歡樂的時刻。

對於大多數人來說，自己證明自己犯了錯，大概不會成為是件值得開香檳慶祝的事，但是，就像澤爾多維奇終於弄懂了霍金輻射的感覺一樣，霍金最為關心在意的事情始終是真相，他為了解了自己原本不了解的某件事而感到高興，特別這又是一件對物理學而言非常重要的事。

今天，距離都柏林那場研討會已經十五年了，距離霍金發現霍金輻射更是超過四十年了，相信資訊會遺失的人愈來愈少了。誠如霍金所言：幾乎所有的物理學家都相信，「如果你跳入黑洞裡，你的質能 (mass energy) 將會回歸到我們的宇宙裡」，儘管會是以一種殘破的形式，但是仍會「包含著關於你先前狀態的資訊」。儘管我們認為資訊不會丟失，但是仍然沒有確切的解釋可以說明實際發生的情況。

除了霍金提出的方案之外，還有非常多的各式各樣理論，數量之多，讓物理學家撰寫評論文章時，已經不會列出個別理論，只會列出不同的理論類別而已，而每個類別都還包含許多不同的變體。轉換過立場的霍金所堅持的立場，與大多數人所認同的觀點一致，但未必與他最初的原始想法相同—他仍持續在研究可以得出這一結論替代性理由。

雖然是斷斷續續，但是直到他過世之前，他都沒有放棄對這個問題的研究。而這也成為他最後一篇物理學術論文的主題，該論文於二○一八年在霍金辭世之後發表。