0

1
0

文字

分享

0
1
0

嚥下最後一口氣後才開啟的戰國時代:屍體是怎麼被分解的?

陳俊堯
・2017/04/28 ・3949字 ・閱讀時間約 8 分鐘 ・SR值 500 ・六年級

對於屍體我想人人都是避之唯恐不急,但可曾有人有點好奇,究竟屍體分解是發生了什麼事?圖/by gfpeck @ flickr, CC BY-ND 2.0

最近家裡的小貓過世,我們跟很多人一樣選擇了火化,趁牠的形體還沒有太大改變時就真實體世界消失,在記憶中留下牠完整的模樣。其實不管是人還是毛小孩,我們都不希望看到原本活生生的個體,在死後遺體受到大自然力量拆解,慢慢在其它生物的作用下變形腐爛,讓養份重新回歸這個生態系。

我們對於遺體總是選擇避而不談,更不要說去觀察或研究它,但這種對遺體避之唯恐不及的衝動幫助我們的老祖宗保命,因為在傳染病肆虐的年代,接近細菌密度很高的屍體可能害自己也染病送命。但是到了現代,我們應該可以壓住心裡想逃的衝動,讓好奇心出來曬曬太陽吧。到底動物遺體分解時是發生了什麼事?好啦不用擔心,接下來我會以科學報導的方法講下去,保證不會有害你吃不下飯睡不著覺的畫面描述或照片出現的。讓我們繼續看下去。

大自然資源回收公司

在莊嚴的追思會撫平哀傷,死者入土為安後,一場你看不見的風暴才正要展開。這些在一般人眼中的屍體,對其它生命來說卻是一個有很多待開發資源的美麗新世界。當動物嚥下最後一口氣,也就代表來自身體的一切防堵微生物的免疫機制正式關機,微生物隨人顧性命的戰國時代宣佈開始。

mouse編的屍體Q  圖/ 截自 動物暖男排行榜

Metcalf 等人在 2013 年發表了一篇研究,帶領我們觀察老鼠屍體在實驗室裡腐敗的過程,連續觀察 48 天裡的變化。屍體腐敗的過程根據外觀可以分成三個階段,死後 0 到 3 天的樣本算是新鮮屍體期(fresh),6 到 13 天的樣本算是腐敗前期(active decay),20 天以後的樣本算是腐敗後期(advanced decay)。在腐敗前期的前半段屍體會逐漸腫脹(6 到 9 天),屍體在這段時間裡會脹破。過程裡這些步驟對住在這裡的微生物會有毀天滅地的影響。由於在這場大戲裡參與的演員太多,研究人員是使用 DNA 分析的方法來幫微生物們點名。不過這個研究是在實驗室裡做的,主要想看微生物的變化,所以在野外分解屍體時會出現的昆蟲沒有獲得邀請。

-----廣告,請繼續往下閱讀-----

腸子裡的戰國風雲

這持續 48 天的腸道監測結果讓我們看到這場動亂發生的過程。原本動物的腸子裡就住有大量細菌,在駐守的免疫系統停擺之後發生了一場大戰,生長快速的 Gammaproteobacteria 數量慢慢增加,終在第 6 天成為最大黨,數量超過原本在動物腸子裡的那些厭氧常駐細菌。這些細菌很快打破及溶掉細胞,用掉細胞裡殘存的養份。這段時間裡無氧代謝持續進行,開始出現屍臭。屍體體壁敵不過細胞的奮力開挖,在第 9 天之前就被細菌分解溶破,第一次讓腸子裡的微生物看見外面的光。

不過看不看得到光對它們來說並不重要,反而是開了這個洞之後,外界的氧氣可以長驅直入灌進體內。對我們來說氧氣是好東西,但對腸子裡的厭氧細菌真菌和原生動物來說可就是場大屠殺。這些在動物腸子裡頭的厭氧菌像是被淋了雙氧水一樣會大量死亡,它們在這個打擊後一蹶不振,慢慢退出搶食動物養份的戰場。

原本動物的腸子裡就住有大量細菌,在駐守的免疫系統停擺之後發生了一場大戰,生長快速的 Gammaproteobacteria 數量慢慢增加,終在第 6 天成為最大黨,數量超過原本在動物腸子裡的那些厭氧常駐細菌。圖/截自細菌與人體國度

動物死後一個月,這時能利用的養份已經被用掉大半,土壤裡的細菌開始進駐屍體,參與最後的養份回收工作。一隻動物的養份就在這些微生物的分工合作(誤)憑本事討生活(正)裡重新被撿回生物體裡繼續下一輪生命,像是去重新投胎了一樣。這樣的養份循環,讓生命得以延續下去。

這樣的一個研究,除了滿足我們的好奇心跟製造惡臭和老鼠骨頭標本外,有沒有什麼實際一點的價值哩?你一定沒想到,這個研究對法醫學來說可是個有用的嘗試。電影影集裡的法醫做了個你沒看到的檢驗就能告訴你人死了多久,其實是靠看屍體種的狀況或屍體裡出現的昆蟲這些線索來推論,是需要有強大的研究基礎來支持的。在這個研究裡研究人員比較了細菌組成,發現死後不同時間的老鼠肚子裡會出現不一樣的細菌,而且可以用他們找到的菌相來推測死亡時間,可以猜得蠻準的。

-----廣告,請繼續往下閱讀-----

自然界回收遺體,有沒有 SOP?

這個團隊在 2016 年初又發表了下一階段的研究結果。這次他們想知道自然界回收遺體的過程到底有沒有 SOP,是不是在每個地方的屍體分解都會走上相同的過程。這個研究問的問題當然跟人有關,每個人帶著大致接近的腸道細菌,但是發生兇案時有人死在森林有人死在河邊,我們得先知道屍體腐敗過程會不會因地而異。

他們把老鼠遺體分別放在採自草地、森林或沙漠的土壤上做了個連續 71 天的實驗,發現細菌組成的改變都一樣,不會因為放在什麼樣的土壤上而有不同。這樣一來,菌相變化的研究結果就有機會可以適用在不同土地上了。不過未來在實際運用前還得要再對溫度濕度的影響做校正才行。

這是個力爭上游的勵志故事

他們下一個想問的問題是,這些造成遺體分解的細菌主力部隊(我叫它們「分解團」),到底是來自原本住在腸道裡的菌,還是原本附在皮膚上的細菌,或者根本是土壤裡原本住著的細菌跨界跑來接案的呢?在分析比對分解前後各部位的細菌組成之後,研究人員發現不管是放在哪一種土壤上,這些「分解團」的細菌最有可能是原本土壤菌群裡的成員。

這個團隊先前做過的另一個實驗也支持這個說法,當時他們發現放在一般土壤上的老鼠,屍體腐敗的速度會比放在滅過菌的土壤上快兩到三倍,證實土壤裡的細菌可以幫助屍體腐敗。而且當研究人員回到實驗第一天時測得的數據裡去找這些「分解團」在哪裡,才發現這些分解過程裡的主力部隊,原來在初期時只佔了 0.1% – 0.4%。誰能想到這種在開始時一定被忽略的少數份子,可以持續壯大,最後拆解掉整隻巨獸呢?(你還在革命嗎?繼續下去吧!)

-----廣告,請繼續往下閱讀-----
「分解團」剛開始只佔非常少數,但最後卻是分解的主力,是不是很力爭上游很勵志呢?圖/By Jerome Charaoui (Charaj) , FAL, wikimedia commons

老鼠不是人

老鼠畢竟不是人,在老鼠做的實驗結果不一定會在人的身上再現。可是要拿人做這實驗是可行的嗎?難道要把人的遺體放在院子裡做腐敗測試嗎?

被埋在土裡的mouse編的屍體Q  圖/ 截自 動物暖男排行榜

聽起來好可怕。不過重要的實驗就算再可怕,還是得要去做才能得到可用的結果,只是配套措施得做好就是了。他們在美國的 Sam Houston State University 裡的 Southeast Texas Applied Forensic Science Facility 法醫研究機構裡進行實驗,使用的是已完成捐贈手續的遺體。遺體被放在戶外,模擬在戶外死亡的狀況。而實驗地點得遠離人群,不然那惡臭會讓人老遠就開始皺眉頭了。研究人員在冬天進行了一次為期 143 天的實驗,又在春天進行了一次 82 天的實驗。

他們得到的結果證實在人類發生的事跟在老鼠實驗的結果類似,「分解團」細菌一樣是來自原本就住在土壤裡的少數份子,而腐敗過程裡也有類似的菌相變化。當他們試著用菌相來預測腐敗時期,發現不管是在老鼠還是在人,都一樣可以用菌相組成來準確推測死亡時間。

誰定下了遺體分解的 SOP?

這地球那麼大,土壤種類那麼多,而且土裡各自有適合生長的微生物群聚。研究裡的結果告訴我們「分解團」細菌主要來自土壤,可是各地土壤裡住的細菌又不一樣,那為什麼我們會在腐敗過程裡看到類似的菌群出現呢?難道是全球各地土壤裡都住著類似的「分解團」細菌代表嗎?

-----廣告,請繼續往下閱讀-----

這裡有個合理的推測。從遠古到現在,我說的是有動物出現但還沒有人類的遠古時代開始,動物三不五時就會死掉而屍體被留在土地上。就算經過其它動物的啃食,最後也還是會留下一些富含蛋白質和脂肪的肉屑殘渣留在地上。土壤原本是個養份不多的地方,附近能拿來用的食物只有植物留下的纖維素這種碳水化合物,只能當生物的碳源而缺氮。蛋白質的出現提供了難得一見的氮源,一旦出現,「分解團」裡這些很會分解蛋白質的細菌就要把握機會快速生長,因為下一次再有這種機會不知道要等多久。這種低頻率的養份補充事件在全球各地都會發生,也就在各地土壤裡留下了少少的「分解團」細菌,苟延殘喘在土裡活著等待機會。研究人員在分析基因時也發現,這些利用不同氮源的基因在組成上會跟著腐敗過程裡有明顯消長,跟著養份波動。所以關於這 SOP,沒有人能規定細菌怎麼長,是有什麼養份才能長出什麼菌。

土壤原本是個養份不多的地方,蛋白質的出現提供了難得一見的氮源,一旦出現「分解團」裡這些很會分解蛋白質的細菌就要把握機會快速生長,因為下一次再有這種機會不知道要等多久。所以關於這 SOP,沒有人能規定細菌怎麼長,是有什麼養份才能長出什麼菌。圖/By Tina Reynolds @ flickr, CC BY-NC 2.0

參考文獻:

  1. Metcalf JL, Xu ZZ, Weiss S, Lax S, Van Treuren W, Hyde ER, Song SJ, Amir A, Larsen P, Sangwan N, Haarmann D, Humphrey GC, Ackermann G, Thompson LR, Lauber C, Bibat A, Nicholas C, Gebert MJ, Petrosino JF, Reed SC, Gilbert JA, Lynne AM, Bucheli SR, Carter DO, Knight R. Microbial community assembly and metabolic function during mammalian corpse decomposition. Science. 2016 Jan 8;351(6269):158-62. doi: 10.1126/science.aad2646.
  2. Lauber CL, Metcalf JL, Keepers K, Ackermann G, Carter DO, Knight R. Vertebrate decomposition is accelerated by soil microbes. Appl Environ Microbiol. 2014 Aug;80(16):4920-9. doi: 10.1128/AEM.00957-14.
  3. Metcalf JL, Wegener Parfrey L, Gonzalez A, Lauber CL, Knights D, Ackermann G, Humphrey GC, Gebert MJ, Van Treuren W, Berg-Lyons D, Keepers K, Guo Y, Bullard J, Fierer N, Carter DO, Knight R. A microbial clock provides an accurate estimate of the postmortem interval in a mouse model system. Elife. 2013 Oct 15;2:e01104. doi: 10.7554/eLife.01104.
文章難易度
陳俊堯
109 篇文章 ・ 22 位粉絲
慈濟大學生命科學系的教書匠。對肉眼看不見的微米世界特別有興趣,每天都在探聽細菌間的愛恨情仇。希望藉由長時間的發酵,培養出又香又醇的細菌人。

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

-----廣告,請繼續往下閱讀-----

  • 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

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

-----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。 

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/