放下相機吧，用肉眼記憶才會印象深刻

• 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。

編按：你曾經因為在臉書河道上，看到某張老照片或影片，而驟然陷入回憶構築的時光長廊中嗎？在那個瞬間，好像穿越了時空、變回了年幼的自己，並重新體驗了當時在那個情節中所經驗過的感覺。別擔心！這只是一種「急性懷舊」的情感衝擊。不是你有病，只是因為你老到有足夠的記憶可以觸發大腦中的「懷舊」機制，畢竟社會也對你挺殘酷的…不是嗎？

《咒術迴戰》中的七海健人有云：「枕邊掉的頭髮越來越多，喜歡的夾菜麵包從便利商店消失，這些微小的絕望不斷積累，才會使人長大。」——泛科《童年崩壞》專題邀請各位讀者重新檢視童年時期的產物，讓你的童年持續崩壞不停歇 ψ(｀∇´)ψ。

你自認是個「念舊的人」嗎？

不管這個答案是肯定或否定，我們多少都曾在人生的某些時刻經驗到「懷舊」的情緒。特別是童年的種種，總會在奇特的時刻跳出來、用回憶跑馬燈提醒自己已經長大的事實。

這也使得懷舊成為十分複雜的情緒，在快樂、溫暖中還會帶上些微感傷與空虛，因為我們知道「往日不再」，只能下意識地追逐只存在於腦海中的幻影。

但是人為什麼會感到「懷舊」？我們常常看到老一輩的人在緬懷過去的美好，甚至推崇讓新生代匪夷所思的價值觀，又或者過度美化某些灰暗的歷史片段，讓人不禁懷疑這些長輩是不是來自某個平行宇宙。

不過先別急著批判這些長者，好好回想一下自己的人生。你是否有「童年的最愛」？它可能是一道菜、一個糖果的品牌、一部卡通，甚至是一位朋友，是在你記憶深處佔據特殊地位的存在。你或許不記得太多細節了，只知道每次想到它（或是他）心中都會浮現幸福的暖意，不由自主地重溫你們一起度過的美好時光。

然而在某個契機下，你們重逢了。但是說也奇怪，明明是一樣的東西，但感覺起來就是少了些什麼。

你沒辦法在食物中嚐到那像是施了魔法的美味，或者難以從古早卡通的粗糙線條中獲得感動，甚至是在面對老朋友時感受到疏遠與尷尬。

「童年」破碎了，你覺得受騙，肯定是哪裡出了問題！或許是食品配方改了，卡通失真了，人心也跟著變了。

但很遺憾地，我得在這裡告訴你一個壞消息：變得不是那些東西，而是你的記憶。

無法客觀的「情節記憶」

懷舊（nostalgic）是心理學常見的研究題材。因為相較於一些比較單純的喜怒哀樂，懷舊是個非常複雜、甚至可以說「並不單純」的情緒反應。因為就本質來說，外界刺激僅是懷舊感的引子，它仍是以回憶為基礎的心理活動，也給了它與眾不同的可能性。

人的記憶大多都不是準確的。這不是在說大家都該去吃銀杏，而是記憶機制本就複雜，除了日常生活與工作會用到的「程序記憶」（procedural memory）以及「語意記憶」（semantic memory），還有以情節與情感為主的「情節記憶」（episodic memory）。

舉例來說，今天你因為在開會時講錯話，被上司狠狠教育了一番。你所學到的「教訓」，以及下次遇到同樣情境時該如何應對的反思，會被大腦歸類為語意記憶存起來，以備不時之需；而被罵時心裡感受到的不悅、上司的嘴臉、背景裡對著你指指點點的同事，以及當下你胃痛的生理不適，這些則會被存放在情節記憶當中。

發現關鍵了嗎？情節記憶，是跟「情緒」綁在一起的。這也表示情節記憶很難做到完全客觀，多少會受到當下情緒的影響。情緒越是強烈，情節記憶在腦迴路的刻痕就越深、被主觀判斷扭曲的程度也越強。這也是為什麼現代提倡「愛的教育」、「零體罰」，避免小孩子在還不懂事時就因為體罰產生心理創傷，造成往後親子、師生關係出現無法彌補的裂痕。

這樣把情節記憶跟情感綁在一起，有壞處當然也有好處。在心理治療中我們常說：「幸運的人用童年治癒一生，不幸的人用一生治癒童年」，人雖然會因為負面經驗產生心理創傷，但也同樣能受惠於正向經驗，讓這些愉快的記憶成為往後人生重要的抗壓資本。

而這份來自過往美好的療癒效果，正是源自於「懷舊」最核心的機制。

無限美好的懷舊濾鏡

根據近年來心理學與神經科學的研究結果，「懷舊」情緒其實跟我們大腦的獎勵迴路（reward system）有關。單純啟動某些記憶就只是在「回憶」，必須要同時活化獎勵迴路、為這份記憶增添額外的「意義」，我們才能經驗到那份既複雜又美好的懷舊感。

換言之，就算是再平淡的早年記憶，在獎勵系統渲染下都能引發懷舊感的正向回饋。這可是比任何濾鏡都還要厲害的特效，直接從認知層面美化記憶。

雖然我們還沒辦法真正釐清獎勵系統與懷舊感之間的因果關係，卻可以從實徵研究中摸索出這類情緒的「存在意義」。雖然可能不太直觀，但「懷舊」其實是大腦的自保機制，特別是在認知到重大威脅、感到徬徨時，適時的懷舊感能幫助我們減輕壓力，甚至是降低當下經驗到的焦慮感。

特別是在面對重大轉變，如學校畢業、公司離職、情侶分手，或甚至是生離死別的時候，因為我們對於不可逆的新生活感到不安，大腦會將相關回憶提取出來、搭配獎賞系統的正向情緒來安撫心緒。這些跑馬燈能提醒我們「自己並不孤單」、「人生還是有很多值得開心的事」，最終起到定心凝神、自我培力的功效。

——不過，並不是每次都能達到預期的效果。

例如在數百年前的三十年戰爭中，這份懷舊的「療效」便被視為好發於戰場的精神疾病。起因是有許多瑞士士兵在戰場上聽到家鄉歌曲後戰意全失，逼得指揮官不得不把這些毫無鬥志的累贅送離前線，或是動用暴力脅迫他們拿起槍繼續衝鋒。

然而，這些士兵並不是真的生病，只是遇上「急性懷舊」的情感衝擊。他們沒有被壓力擊垮、失去活下去的動力，事實恰好相反：正因為回想起生命能有多麽美好，才更不願意在這毫無意義的戰爭中平白死去。這顯示，懷舊感也有幫助我們「否定現實」的效果。不是否定它的存在，而是否定當前這個現實的「價值」，維護記憶中那些美好的「正當性」。

恐怕舊愛不是最美，只是現實太不友善…

當你看到有人在感慨「以前還是比較好」，要記得這份評價除了不客觀，它更是展現了這個人「適應不良」的事實。或許並不是客觀環境變差，而是他主觀的經驗不斷在惡化，讓這些人在面對現實世界時需要仰賴懷舊情緒的止痛效果度日。

懷舊作為大腦的自保機制，它本身的存在是中性的。用在適當的地方可以救人一命，依賴過度也可能造成人生停滯、難以成長。這其中的取捨，到頭來還是要回到我們對待「改變」的態度上。

改變代表離開舒適圈，駛向充滿不確定性與機緣的汪洋。在航行的過程中，懷舊感就像是身後的燈塔，雖然不一定能照亮前路，卻可以成為重要的錨點、為我們指出家的方向。但若過度依賴燈塔，不敢走出它燈火照耀的範圍，那我們終究哪裡都不去了，只能在有限的範圍內打轉。

所以說，該懷舊時就盡量懷舊，但也別忘了我們回首，是為了讓腳下踩得更穩、走得更遠。

參考資料

• Batcho, K. I. (2013). Nostalgia: Retreat or support in difficult times?. The American Journal of Psychology, 126(3), 355-367.
• Kikuchi, Y., & Noriuchi, M. (2017). The nostalgic brain: its neural basis and positive emotional role in resilience. In Emotional Engineering, Vol. 5 (pp. 43-53). Springer, Cham.
• Oba, K., Noriuchi, M., Atomi, T., Moriguchi, Y., & Kikuchi, Y. (2016). Memory and reward systems coproduce ‘nostalgic’experiences in the brain. Social cognitive and affective neuroscience, 11(7), 1069-1077.
• Rosen, G. (1975). Nostalgia: a ‘forgotten’psychological disorder. Psychological medicine, 5(4), 340-354.