0

6
1

文字

分享

0
6
1

顛覆世界的「電腦」是怎麼誕生的呢?

寫點科普,請給指教
・2017/05/18 ・5537字 ・閱讀時間約 11 分鐘 ・SR值 548 ・八年級

-----廣告,請繼續往下閱讀-----

二十世紀是人類史上科學技術進展最快的世紀。短短的 100 年間,湧現了大量對世界產生重大的影響的科學發現和技術突破,包括電視、飛機、抗生素、基因科學、量子力學……。

但若要評選一項滲透至人們日常生活的所有角落、改變人類生活型態最劇烈的科技發明,則非電腦莫屬。

第一次工業革命是機械與工廠、第二次工業革命是電力、第三次工業革命乃由電腦發明所激起的資訊時代。有著「第四次工業革命」之稱的人工智慧,我們已在深度學習簡史中有所探討。但追本究源,人工智慧所奠基的電腦(計算機)科學,又是怎麼來的?

今天就讓我們來思考一個有趣的問題:電腦是怎麼來的?

-----廣告,請繼續往下閱讀-----

ENIAC:情人節誕生的奇蹟

普遍認為最早的通用電腦,是美國賓州大學的莫奇來 (Mauchly)和他的學生埃克特 (Eckert)在 1946 年 2 月 14 日情人節當天所發表的「ENIAC」 。(情人節剛過不久但別再討論單身魯了,人家可是在情人節顛覆世界呢 XD)

ENIAC 計算機在進行每一次運算之前,都須根據運算要求、把不同的元件用人工插接線路的方式連接在一起。將輸入裝置和輸出裝置設好後,才進行通電……啪!一聲,電腦噠噠噠的開始運作。

但現在可能正用電腦看這篇文章的你,好像不需要在開機前把電線插來插去才能使用?

因為這個電路沒有儲存程式的功能。最早的計算機器僅內涵固定用途的程式,比如一台「計算機器」僅有固定的數學計算程式,除此之外便無其他,無論是文書處理或玩遊戲都不行。若想要改變這台機器的程式,你必須更改線路、結構甚至重新設計機器。

馮.紐曼結構與現代電腦

1945 年 6 月,是現代電腦科學的里程碑。著名的美籍猶太裔數學家馮.紐曼 (John von Neumann) 與多位學者聯名發表了一篇長達 101 頁的報告,其中包括大膽捨棄了十進制、改以二進制運算取代,同時將電腦明確分成五個部分組成(包括:記憶體、控制單元、算術邏輯單元、輸入 / 輸出裝置等),並描述了這五個部分的功能和相互關係,為電腦的邏輯結構設計奠定了基礎。

-----廣告,請繼續往下閱讀-----

事實上,EDVAC 報告中最核心的概念即是「可儲存程式的電腦 (Stored Program Computer) 」。如果是一台能儲存程式的電腦,只要一開始先將「文書程式」與「遊戲程式」都載入記憶體中,再告訴電腦去記憶體的哪一個位置開始執行就可以完成,在不需更動硬體的情況下就能讓電腦變得更加有彈性。

1951 年,美國軍方透過馮.紐曼的協助,斥資五十萬美元打造了計算機「EDVAC」。相較於十進位、又須人工插接電路的 ENIAC,可以說 EDVAC 是第一台現代意義的通用計算機,直至今的現代電腦皆仍採用馮.紐曼架構。

在我們介紹馮.紐曼其人其事、與現代電腦的運作原理前,先讓我們重看一次標題所提出的問題:「電腦是怎麼來的?」為什麼馮.紐曼能夠造出這樣的一台電腦?

不少人把馮.紐曼當作是電腦科學的奠基人,有人甚至稱他為「電腦之父」。然而他本人並不接受這個稱號。

-----廣告,請繼續往下閱讀-----

馮.紐曼認為他的研究成果是受到了英國數學家圖靈 (Alan Turing) 所啟發,他僅僅是發揚光大圖靈的原始概念。這台「可儲存程式電腦」真正的意義,其實就是通用圖靈機。馮.紐曼將這個概念的創始人公正無私地還予圖靈。

圖靈:可計算理論與圖靈機

好吧這麼來看,如果我們想要瞭解「電腦是怎麼來的?」,勢必得再先去瞭解圖靈這位同樣有著「電腦科學之父」與「人工智慧之父」之稱的偉大學者,與其圖靈機 (Turing Machine) 的理論了。

1934 年,年僅 22 歲的圖靈從劍橋大學畢業、到美國普林斯頓大學攻讀博士學位。二戰爆發後,圖靈在 1939 年被英國皇家海軍招聘,協助軍方成功破譯德國的密碼系統 Enigma,讓英國軍方對德國的軍事計劃瞭如指掌。圖靈小組的傑出工作,更使得盟軍提前至少兩年戰勝納粹。

--上述是電影《模仿遊戲》的史料。對於圖靈生平有興趣的讀者,可以參考這部向圖靈致敬的電影。 (只是嚴防許多出錯的史實)

除了作為一位傑出的密碼學家,在電影沒詳述的部分中,圖靈在電腦科學上的貢獻更是難以抹滅。

-----廣告,請繼續往下閱讀-----

1936 年,24 歲的圖靈發表了一篇論文《論可計算數及其在判定問題上的應用》(On Computable Numbers, with an Application to the Entscheidungsproblem)。在這篇極富開創性的論文中,圖靈提出了「圖靈機」(Turing Machine) 概念。

「圖靈機」不是一台具體的機器,而是一種運算模型,可製造一種十分簡單但運算能力極強的機械裝置,用來計算所有能想像得到的可計算函數。

圖靈機是闡明現代電腦原理的開山之作,奠定了整個電腦科學的理論基礎。如果說馮紐曼是實際打造出一台現代電腦的電腦之父,其所依據的理論基礎即源自於圖靈機。

但,什麼叫可計算?為什麼圖靈會探討這個問題?實際上,上述關於圖靈論文與圖靈機的介紹,更明確的說法應是:圖靈在 1936 年發布的論文中,對於「哥德爾不完備定理」重新做了論述。相較於哥德爾在證明其不完備定理時、採用的通用算術形式系統,圖靈使用了叫做「圖靈機」的簡單裝置作為代替。

-----廣告,請繼續往下閱讀-----

咦,我們這邊又多提到一個人了?!哥德爾……?

哥德爾不完備定理

哥德爾 (Gödel) 被譽為自亞里士多德以來、歷史上最偉大的邏輯學家之一。毫不誇張地說,正是哥德爾使數理邏輯與哲學界發生了極大的革命。

愛因斯坦曾說:我之所以還到研究院來,只是為了與哥德爾一起走路回家。

1931 年,19 歲的圖靈進入劍橋大學就讀;但這一年,同時成了撼動數學界的里程碑——奧地利數學家哥德爾提出不完備定理,證明不存在既完備又一致的數學體系,粉碎了無數位數學家追求聖杯的野心。

人類總是渴求著確定的知識,也稱為真理——藉由純數理論與邏輯證明,數學家不斷尋找著真理的可確定性。

-----廣告,請繼續往下閱讀-----

哥德爾當年的發現,簡單來說是:「並非所有為真者,皆可循一邏輯演繹過程而得知」。再更直白點就是:「真理的範圍、比我們所能證明的範圍還大。」

數學家乃藉由公理(不證自明、理所當然為真的命題)進行一連串的推理、最後得出數學定理;基本上是活在一個以邏輯演繹為本質的世界。今天突然有人成功證明了:有些數學命題,我們既沒辦法證明它為真,也沒辦法證明它為假……,可想而知,這對於數學界無非是一項沈重的打擊!

五年後的圖靈之所以提出「圖靈機」計算模型,即是以計算機的形式重新演繹了哥德爾的不完備定理,同時補充了判定問題--是否存在一個程式,能判斷:我們任意輸入的一個程式,是否能在有限的時間內結束步驟?或者會陷入無窮迴圈?(當我們對電腦下兩個指令:【往左後往右】與【往右後往左】,電腦就會陷入無窮的迴圈)

哥德爾的發現,引起了當時重要數學家如希爾伯特與馮.紐曼(還記得這個人嗎? 這位計算機之父早年是希爾伯特的助手)等人的重視。到後來不但啟發了後續眾多數學家、哲學家:若無法使用邏輯演繹完全瞭解宇宙,該何以為繼?更激起圖靈創造出了電腦科學在理論上的濫觴。

-----廣告,請繼續往下閱讀-----

但是,為什麼哥德爾會探討這樣的問題呢?因為有人下了戰帖!

誰?就是上上句我們提到的大數學家希爾伯特!

希爾伯特的 23 個問題

希爾伯特 (David Hilbert) 是二十世紀初期德國最偉大的數學家之一。

在世紀之交的 1900 年、一場巴黎國際數學家大會的演講當中,希爾伯特根據 19 世紀的研究成果和發展趨勢,以卓越的洞察力提出了 23 個當時尚未被解開的困難數學問題,並鼓舞年輕數學家積極攻克:

「在我們中間,常常聽到這樣的呼聲:這裡有一個數學問題,去找出它的答案!你能通過純思維找到它,因為在數學中沒有不可知。」(希爾伯特大大按曰:只要解出來就能名留青史噢!)

這就是著名的希爾伯特的 23 個問題。

希爾伯特的 23 個問題對 20 世紀的數學研究起了積極的作用,不但超乎希爾伯特的預期,更未曾預料到從其中衍生而出的電腦科學、將會對世界產生無比重大的影響。

而哥德爾之所以提出不完備定理,想解答的正是這 23 個問題中的第二個問題:算術公理系統的無矛盾性。簡單來說,希爾伯特希望能以一個完美的形式系統,成功證明所有的真理、同時找出所有矛盾的陳述。

在這個問題上,希爾伯特原先堅定地表示:「沒有人能將我們逐出康托爾的樂園。」不僅僅是第二個問題,希爾伯特在 23 個問題中所提出(顯然最在意)的第一個問題連續統假設,也是康托爾的研究中所面臨問題。

康托爾……?請放心,這會是本篇文章中所出現的最後一位人名了。

無限多的危機:康托爾集合論

到目前為止,我們已經使用了許多強烈的形容詞,包括:電腦科學之父、偉大的邏輯學家、數學家……。但在這些學者的研究基礎上,我們不能不提現代數學的奠基者——集合論之父康托爾 (Cantor) 。

令集合 A = {1, 2, 3, 4, 5 },B = {1, 3, 5, 7, 9}
則 1, 3, 5 同時為集合 A 和 B 的元素,且 A 集合和 B 集合的大小相等。

康托爾可以說是數學史上最富有想像力的數學家之一,其所開創的集合論則可以說是人類最偉大發明之一--當年康托爾面臨的,正是數學界幾百年幾千年的疑懼:「無限」。

1-1+1-1+1… = 0, 1 還是 1/2? 0.99999….. = 1?還是 <1?

無限有多大?正整數、整數 (正整數 / 負整數 / 0)、實數(有理數 / 無理數) ……等數系的數量相同嗎?

Z+: ∞ (正整數有無限多個), Z-: ∞ (負整數有無限多個), Z: ∞ (整數有無限多個)。
因此: ∞ = 2∞+1 (所有整數個數 = 正整數個數+負整數個數 + 一個 0), 移項得: -∞ = 1,
故: ∞ = -1 …?!

為了處理「無限」這個長久得不到解決的難題,康托爾在 19 世紀下半葉創立了「集合」理論,證明了各個數系雖然是都是無限多,還是有數量上的差別:

| 正整數 | = | 整數 | = | 有理數 | < | 無理數 | = | 實數 | = | 複數 |

無限多的正整數數量 = 無限多的整數數量 = 無限多的有理數數量 < 無限多的無理數數量 = 無限多的實數數量 = 無限多的複數數量

然而集合論實在太過創新、對於無限的解釋也背離了傳統,剛開始時康托爾受到了嚴厲的譴責與撻伐。

但隨後,許多年輕的數學家開始意識到集合論非常的有用--基於自然數 (正整數)與集合論,當時一切的數學成果都可以成功被推證出來。

1900 年在國際數學家大會上,法國數學家龐加萊興高采烈地宣稱:「藉助集合論,我們可以建造起整個數學大廈。」1925 年,希爾伯特也提出了「希爾伯特旅館悖論」來應和康托爾的理論。

然而康托爾集合論仍然面臨了許多問題。首先是連續統假設--我們已知:

| 正整數 | = | 整數 | = | 有理數 | < | 無理數 | = | 實數 | = | 複數 |
那麼還有沒有一個數系,介於此二者間呢?

始終證明不出問題、又受到世人無數攻訐的康托爾,晚年發了瘋、死在精神病院中。

但除此之外,集合論還有一個問題是羅素悖論:「這句話是假的。」讀者只要稍加推論就會發現:如果這句話是真的,那麼這句話是假的會成立……?!如果這句話是假的,那這句話就是真的……?! 這個命題就矛盾了。

羅素悖論應用在集合論的問題即是:如果我們創造一個集合 A,裡面收集了所有不包含在自己這個集合的集合:A = {x|x∉x}。若是 A∈A 成立,則 A 是 A 的集合、使得 A∉A。但若 A∉A,則符合命題,使得 A∈A。

好不容易我們在集合論的基礎上構築起了數學大廈,結果發現集合論也是不完美的。究竟能不能找到一個完備的系統,從上面建築起整個數學的基礎呢?

這樣的系統是否存在呢?希爾伯特除了在 23 個問題中的第一個問題提出「連續統假設」,身為康托爾堅定的擁護者(腦粉),也在第二個問題中提了這樣的難題。

這也接續到我們先前的介紹:再後來哥德爾成功證明了不完備定理、解決了 23 個問題中的第二個問題,到圖靈用「圖靈機」的概念更加簡單明瞭的重新演繹一次哥德爾不完備定理,最後馮.紐曼基於通用圖靈機的概念、建出了第一台具備現代電腦架構雛形的電腦。

哇!「電腦是怎麼來的」居然爬梳出這麼多的問題?

哲學:不懈探究真理的精神

若要探究下去,你知道:康托爾、希爾伯特、哥德爾、馮.紐曼…等人都是德國人嗎(哥德爾和馮.紐曼皆為奧匈帝國人)?19 世紀的德國究竟是一個什麼樣的時代,造就了如此多的數學大家?

事實上,你知道這些數學家同時還有著哲學家的頭銜嗎?更進一步來說,19 世紀知名德國哲學家,尚包括了:黑格爾、叔本華、馬克思、尼采、康德… 毫無疑問地,當時的德國可說是歐洲最具代表性的哲學重鎮。

哲學反映了人類對真理的追求,體現人類的智能與認知極限。因而數學的發展不只是解一些生活問題,而成為一種學問、一種探求真理的道路與哲學手段。

哲學在西方文化中扮演了非常重要的角色,也是現代科學會出現在歐洲的重要原因。至於西方哲學追求真理的精神,又是起源於何時何處呢?這又要回溯到希臘時期,比如亞里斯多德的三段式證法或畢達哥拉斯學派……。

觀察過往,出現像上述「無限有多大」這樣的數學危機,在人類史上也不是第一次發生了:負數的英文為--Negative Number、無理數--Irrational Number、虛數--Imaginary Number。否定的 (Negative)、不合理的 (Irrational)、想像的 (Imaginary)……。

從這些詞彙中可以看出在探究真理的過程中,人類總是不斷遭遇思想上的困難,卻又能在突破後、成功踏上嶄新的道路。 今天我們思考了一個問題:「電腦是怎麼來的?」,並從中衍生出了更多值得探索的問題:

.數學是邏輯、也是哲學?
.歷史上其他的數學危機有哪些、又是如何被解決的?
.希臘亞里斯多德時代至一戰前的德國,哲學是如何百花齊放?
.無限有多大?
.悲劇性的數學家康托爾為什麼偉大?
.希爾伯特的 23 個問題?
.我們能造出一台判別真理的機器嗎?
.哥德爾不完備定理是什麼?圖靈機呢?
.計算機的電路是怎麼計算和記憶的?

沒有了探求宇宙真理的精神,或許工業革命就不會出現在歐洲了? 人類也不會有科技發展、或者今日的生活。

少年啊,你渴望真理嗎?

後續幾篇,我們會繼續用深入淺出的方式一一來討論這些問題,歡迎一起加入這樣的思考訓練吧!


本文轉載自寫點科普,請給指教。 《電腦是怎麼來的?(思考訓練)》,歡迎贊助和訂閱Lynn的網站喔。

-----廣告,請繼續往下閱讀-----
文章難易度
寫點科普,請給指教
2 篇文章 ・ 3 位粉絲
我是Lynn,【寫點科普,請給指教】是一個針對各產業現況進行科普的寫作計畫, 期望能用淺顯易懂的文字,讓讀者瞭解各產業領域的運行規則,以培養思考與觀察力的敏銳。

0

0
0

文字

分享

0
0
0
LDL-C 正常仍中風?揭開心血管疾病的隱形殺手 L5
鳥苷三磷酸 (PanSci Promo)_96
・2025/06/20 ・3659字 ・閱讀時間約 7 分鐘

本文與 美商德州博藝社科技 HEART 合作,泛科學企劃執行。

提到台灣令人焦慮的交通,多數人會想到都市裡的壅塞車潮,但真正致命的「塞車」,其實正悄悄發生在我們體內的動脈之中。

這場無聲的危機,主角是被稱為「壞膽固醇」的低密度脂蛋白( Low-Density Lipoprotein,簡稱 LDL )。它原本是血液中運送膽固醇的貨車角色,但當 LDL 顆粒數量失控,卻會開始在血管壁上「違規堆積」,讓「生命幹道」的血管日益狹窄,進而引發心肌梗塞或腦中風等嚴重後果。

科學家們還發現一個令人困惑的現象:即使 LDL 數值「看起來很漂亮」,心血管疾病卻依然找上門來!這究竟是怎麼一回事?沿用數十年的健康標準是否早已不敷使用?

膽固醇的「好壞」之分:一場體內的攻防戰

膽固醇是否越少越好?答案是否定的。事實上,我們體內攜帶膽固醇的脂蛋白主要分為兩種:高密度脂蛋白(High-Density Lipoprotein,簡稱 HDL)和低密度脂蛋白( LDL )。

-----廣告,請繼續往下閱讀-----

想像一下您的血管是一條高速公路。HDL 就像是「清潔車隊」,負責將壞膽固醇( LDL )運來的多餘油脂垃圾清走。而 LDL 則像是在血管裡亂丟垃圾的「破壞者」。如果您的 HDL 清潔車隊數量太少,清不過來,垃圾便會堆積如山,最終導致血管堵塞,甚至引發心臟病或中風。

我們體內攜帶膽固醇的脂蛋白主要分為兩種:高密度脂蛋白(HDL)和低密度脂蛋白(LDL)/ 圖片來源:shutterstock

因此,過去數十年來,醫生建議男性 HDL 數值至少應達到 40 mg/dL,女性則需更高,達到 50 mg/dL( mg/dL 是健檢報告上的標準單位,代表每 100 毫升血液中膽固醇的毫克數)。女性的標準較嚴格,是因為更年期後]pacg心血管保護力會大幅下降,需要更多的「清道夫」來維持血管健康。

相對地,LDL 則建議控制在 130 mg/dL 以下,以減緩垃圾堆積的速度。總膽固醇的理想數值則應控制在 200 mg/dL 以內。這些看似枯燥的數字,實則反映了體內一場血管清潔隊與垃圾山之間的攻防戰。

那麼,為何同為脂蛋白,HDL 被稱為「好」的,而 LDL 卻是「壞」的呢?這並非簡單的貼標籤。我們吃下肚或肝臟製造的脂肪,會透過血液運送到全身,這些在血液中流動的脂肪即為「血脂」,主要成分包含三酸甘油酯和膽固醇。三酸甘油酯是身體儲存能量的重要形式,而膽固醇更是細胞膜、荷爾蒙、維生素D和膽汁不可或缺的原料。

-----廣告,請繼續往下閱讀-----

這些血脂對身體運作至關重要,本身並非有害物質。然而,由於脂質是油溶性的,無法直接在血液裡自由流動。因此,在血管或淋巴管裡,脂質需要跟「載脂蛋白」這種特殊的蛋白質結合,變成可以親近水的「脂蛋白」,才能順利在全身循環運輸。

肝臟是生產這些「運輸用蛋白質」的主要工廠,製造出多種蛋白質來運載脂肪。其中,低密度脂蛋白載運大量膽固醇,將其精準送往各組織器官。這也是為什麼低密度脂蛋白膽固醇的縮寫是 LDL-C (全稱是 Low-Density Lipoprotein Cholesterol )。

當血液中 LDL-C 過高時,部分 LDL 可能會被「氧化」變質。這些變質或過量的 LDL 容易在血管壁上引發一連串發炎反應,最終形成粥狀硬化斑塊,導致血管阻塞。因此,LDL-C 被冠上「壞膽固醇」的稱號,因為它與心腦血管疾病的風險密切相關。

高密度脂蛋白(HDL) 則恰好相反。其組成近半為蛋白質,膽固醇比例較少,因此有許多「空位」可供載運。HDL-C 就像血管裡的「清道夫」,負責清除血管壁上多餘的膽固醇,並將其運回肝臟代謝處理。正因為如此,HDL-C 被視為「好膽固醇」。

-----廣告,請繼續往下閱讀-----
為何同為脂蛋白,HDL 被稱為「好」的,而 LDL 卻是「壞」的呢?這並非簡單的貼標籤。/ 圖片來源:shutterstock

過去數十年來,醫學界主流觀點認為 LDL-C 越低越好。許多降血脂藥物,如史他汀類(Statins)以及近年發展的 PCSK9 抑制劑,其主要目標皆是降低血液中的 LDL-C 濃度。

然而,科學家們在臨床上發現,儘管許多人的 LDL-C 數值控制得很好,甚至很低,卻仍舊發生中風或心肌梗塞!難道我們對膽固醇的認知,一開始就抓錯了重點?

傳統判讀失準?LDL-C 達標仍難逃心血管危機

早在 2009 年,美國心臟協會與加州大學洛杉磯分校(UCLA)進行了一項大型的回溯性研究。研究團隊分析了 2000 年至 2006 年間,全美超過 13 萬名心臟病住院患者的數據,並記錄了他們入院時的血脂數值。

結果發現,在那些沒有心血管疾病或糖尿病史的患者中,竟有高達 72.1% 的人,其入院時的 LDL-C 數值低於當時建議的 130 mg/dL「安全標準」!即使對於已有心臟病史的患者,也有半數人的 LDL-C 數值低於 100 mg/dL。

-----廣告,請繼續往下閱讀-----

這項研究明確指出,依照當時的指引標準,絕大多數首次心臟病發作的患者,其 LDL-C 數值其實都在「可接受範圍」內。這意味著,單純依賴 LDL-C 數值,並無法有效預防心臟病發作。

科學家們為此感到相當棘手。傳統僅檢測 LDL-C 總量的方式,可能就像只計算路上有多少貨車,卻沒有注意到有些貨車的「駕駛行為」其實非常危險一樣,沒辦法完全揪出真正的問題根源!因此,科學家們決定進一步深入檢視這些「駕駛」,找出誰才是真正的麻煩製造者。

LDL 家族的「頭號戰犯」:L5 型低密度脂蛋白

為了精準揪出 LDL 裡,誰才是最危險的分子,科學家們投入大量心力。他們發現,LDL 這個「壞膽固醇」家族並非均質,其成員有大小、密度之分,甚至帶有不同的電荷,如同各式型號的貨車與脾性各異的「駕駛」。

為了精準揪出 LDL 裡,誰才是最危險的分子,科學家們投入大量心力。發現 LDL 這個「壞膽固醇」家族並非均質,其成員有大小、密度之分,甚至帶有不同的電荷。/ 圖片來源:shutterstock

早在 1979 年,已有科學家提出某些帶有較強「負電性」的 LDL 分子可能與動脈粥狀硬化有關。這些帶負電的 LDL 就像特別容易「黏」在血管壁上的頑固污漬。

-----廣告,請繼續往下閱讀-----

台灣留美科學家陳珠璜教授、楊朝諭教授及其團隊在這方面取得突破性的貢獻。他們利用一種叫做「陰離子交換層析法」的精密技術,像是用一個特殊的「電荷篩子」,依照 LDL 粒子所帶負電荷的多寡,成功將 LDL 分離成 L1 到 L5 五個主要的亞群。其中 L1 帶負電荷最少,相對溫和;而 L5 則帶有最多負電荷,電負性最強,最容易在血管中暴衝的「路怒症駕駛」。

2003 年,陳教授團隊首次從心肌梗塞患者血液中,分離並確認了 L5 的存在。他們後續多年的研究進一步證實,在急性心肌梗塞或糖尿病等高風險族群的血液中,L5 的濃度會顯著升高。

L5 的蛋白質結構很不一樣,不僅天生帶有超強負電性,還可能與其他不同的蛋白質結合,或經過「醣基化」修飾,就像在自己外面額外裝上了一些醣類分子。這些特殊的結構和性質,使 L5 成為血管中的「頭號戰犯」。

當 L5 出現時,它並非僅僅路過,而是會直接「搞破壞」:首先,L5 會直接損傷內皮細胞,讓細胞凋亡,甚至讓血管壁的通透性增加,如同在血管壁上鑿洞。接著,L5 會刺激血管壁產生發炎反應。血管壁受傷、發炎後,血液中的免疫細胞便會前來「救災」。

-----廣告,請繼續往下閱讀-----

然而,這些免疫細胞在吞噬過多包括 L5 在內的壞東西後,會堆積在血管壁上,逐漸形成硬化斑塊,使血管日益狹窄,這便是我們常聽到的「動脈粥狀硬化」。若這些不穩定的斑塊破裂,可能引發急性血栓,直接堵死血管!若發生在供應心臟血液的冠狀動脈,就會造成心肌梗塞;若發生在腦部血管,則會導致腦中風。

L5:心血管風險評估新指標

現在,我們已明確指出 L5 才是 LDL 家族中真正的「破壞之王」。因此,是時候調整我們對膽固醇數值的看法了。現在,除了關注 LDL-C 的「總量」,我們更應該留意血液中 L5 佔所有 LDL 的「百分比」,即 L5%。

陳珠璜教授也將這項 L5 檢測觀念,從世界知名的德州心臟中心帶回台灣,並創辦了美商德州博藝社科技(HEART)。HEART 在台灣研發出嶄新科技,並在美國、歐盟、英國、加拿大、台灣取得專利許可,日本也正在申請中,希望能讓更多台灣民眾受惠於這項更精準的檢測服務。

一般來說,如果您的 L5% 數值小於 2%,通常代表心血管風險較低。但若 L5% 大於 5%,您就屬於高風險族群,建議進一步進行影像學檢查。特別是當 L5% 大於 8% 時,務必提高警覺,這可能預示著心血管疾病即將發作,或已在悄悄進展中。

-----廣告,請繼續往下閱讀-----

對於已有心肌梗塞或中風病史的患者,定期監測 L5% 更是評估疾病復發風險的重要指標。此外,糖尿病、高血壓、高血脂、代謝症候群,以及長期吸菸者,L5% 檢測也能提供額外且有價值的風險評估參考。

隨著醫療科技逐步邁向「精準醫療」的時代,無論是癌症還是心血管疾病的防治,都不再只是單純依賴傳統的身高、體重等指標,而是進一步透過更精密的生物標記,例如特定的蛋白質或代謝物,來更準確地捕捉疾病發生前的徵兆。

您是否曾檢測過 L5% 數值,或是對這項新興的健康指標感到好奇呢?

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

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。
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

賴昭正_96
47 篇文章 ・ 59 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,因此獲有「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,IBM顧問研究化學家退休 。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它轉載我的科學月刊上的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」。

0

1
1

文字

分享

0
1
1
替晶片打造數學工具的喬治.布爾(George Boole)
數感實驗室_96
・2024/06/01 ・561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。 

煮湯時看到調理包背面寫著「加水且加入鹽巴或味精,就大功告成了」。

這句話該怎麼解讀呢?邏輯思維好的人可能很快就能反應過來,意思是加水是必須的,鹽巴和味精至少要加一個。當然,兩者都加也行,但似乎不太健康。

你可能會說:「煮湯時誰會想那麼多?這太哲學了!」其實,19 世紀有位數學家將邏輯建立在數學而非哲學之上,他的貢獻深深影響了現代電腦的運算。他就是我們今天的主角——喬治.布爾(George Boole)。

-----廣告,請繼續往下閱讀-----

在工作會議中,清晰的邏輯思維能幫助我們有條理地表達觀點,並迅速理解他人的意見;程式設計中,邏輯是核心,透過布林代數和邏輯運算,電腦能根據條件執行不同的任務,在智慧家電中利用邏輯閘判斷多個輸入條件來控制輸出結果。

因此,布爾提出的這一套邏輯思維與布林代數,不僅在學術領域至關重要,更是日常生活中不可或缺的工具。

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!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 50 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/