盯著閃光燈、情侶，或者從電影院走到陽光普照的街上，瞳孔都會縮小。然而，若只是看到發光物體的照片也會如此嗎？是的，一則發表在《美國國家科學院院刊》（Proceedings of the National Academy of Sciences）的研究中，研究人員找來受測者，盯著一些圖片－包括像是上圖中，左邊環繞排列的水滴形狀，中央較外圍明亮圖樣（右圖則為對照組），結果發現瞳孔就像看到刺眼的光線一樣縮小了。過去的研究則發現，當有物體吸引我們，或者使我們困惑，則瞳孔會放大，顯示瞳孔放大並非一種自體反應（automatic response，就像手碰到熱水會迅速抽回一樣），而是較高階的大腦功能也參與其中的控制。
資料來源：ScienceShot: Brightness Is in the Eye of the Beholder [23 January 2012]
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？
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。
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：
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：
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 可分成兩種：
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。
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。」
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
。
討論功能關閉中。
在醫療美容與妝髮科技發達的現代，每個人都能依照喜好和經濟能力，恣意地改造自己的外貌。拿眼部美容來說，除了接睫毛、割雙眼皮、配戴虹膜變色片等常見的手法，勇於冒險犯難、鋌而走險的人，可能還會考慮將眼白染上顏色，結果就像《一拳超人》中傑諾斯（ジェノス）的雙眸……，但絕對不是《蠟筆小新》的男主角那樣！
根據西方文獻記載，歷史上的第一個為眼球上色的手術，發生在公元二世紀的羅馬帝國。哲學家兼醫師蓋倫（Galen of Pergamon）用硫酸銅，來改善病患眼角膜疤痕的顏色。類似的技術現在仍常被運用來，改善角膜混濁（corneal opacities）、多瞳症（polycoria）等眼疾的外觀。
不過，純粹美容性質的「眼球刺青」，據稱是刺青藝術家 Luna Cobra 在 2007 年發明的。
有別於歷史悠久的「角膜」（眼睛的鏡頭）染色技術，所謂的「眼球刺青」（eyeball tattooing）[註1]是用細小的針，將刺青墨水注入結膜下的鞏膜表層組織，進而達到「鞏膜」（眼白）變色的效果。如果過程中稍有閃失，墨水便有機會流入「視網膜」（眼睛的底片）或其他周邊組織，對視力造成傷害。
皇家澳紐眼科醫師學會（the Royal Australian and New Zealand College of Ophthalmologists，簡稱RANZCO）認為其危害健康的風險甚高，因此強烈反對，並呼籲政府以法令管制。美國眼科學會（American Academy of Ophthalmology）也介紹眼球刺青的諸多副作用，還點出美國與加拿大有些州已經立法嚴禁。
正因為醫療專業人士對這項侵入性醫療行為的疑慮，及至目前為止，新聞媒體報導或學術期刊提及的個案，幾乎都是刺青藝術家執行的。
近年幾個國際出名的病例，包括：澳大利亞網紅 Amber Luke、美國德州的年輕女性 Sarah Sabbath 和波蘭女孩 Aleksandra Sadowska，她們的視力都在刺青師完成作品後，暫時或永久性受損。
不過瘋狂無極限，更駭人聽聞的還在後頭：2021 年 3 月美國的醫療期刊，介紹二個受刑人在監獄中，於獄友的協助下，用原子筆墨水和胰島素針頭為自己的眼白上色。結果一人眼睛腫痛流膿二到三週，另一人則是雙眼搔癢。二人上述的症狀皆在數週的專業治療後消失，但眼白與周邊組織仍有殘留的顏色。
雖然眼球刺青仍屬相當新穎的美容技術，學術期刊上深入探討的病例數量有限，但已知的副作用倒是不少：失明、畏光（photophobia）、視網膜剝離（retinal detachment）、眼內炎（endophthalmitis）、交感性眼炎（sympathetic ophthalmia）、眼窩蜂窩性組織炎（orbital cellulitis）、後鞏膜炎（posterior scleritis）、血液傳染病（B型肝炎、C型肝炎和愛滋病等）以及對墨水過敏等。
針對眼球刺青後的感染、發炎和腫脹，眼科醫師則可能會開下列藥物：抗生素眼藥水（moxifloxacin）、靜脈注射的抗生素（ceftriaxone 和 clindamycin）、口服抗生素（azithromycin）、口服類固醇（prednisone）和抗生素藥膏（erythromycin）等。療程長達數週，有些還得住院治療。
與其他發展已臻成熟的醫美技術相較，專業醫師通常不敢為「眼球刺青」冒險。就算有經驗老練的刺青藝術家拔刀相助，歐洲研究曾發現市面上皮膚刺青用的墨汁，其實不少含有超標的化學成份，更別說是要注入敏感的眼部組織。
此外，「眼球刺青」的副作用雖然部份在專業治療下會完全復原，但也有相當嚴重的例子，鬧到必須把整顆眼球摘除。最後別說美觀了，就連基本生活機能都可能受到影響，十分得不償失，奉勸讀者不要輕易嘗試。
盯著閃光燈、情侶，或者從電影院走到陽光普照的街上，瞳孔都會縮小。然而，若只是看到發光物體的照片也會如此嗎？是的，一則發表在《美國國家科學院院刊》（Proceedings of the National Academy of Sciences）的研究中，研究人員找來受測者，盯著一些圖片－包括像是上圖中，左邊環繞排列的水滴形狀，中央較外圍明亮圖樣（右圖則為對照組），結果發現瞳孔就像看到刺眼的光線一樣縮小了。過去的研究則發現，當有物體吸引我們，或者使我們困惑，則瞳孔會放大，顯示瞳孔放大並非一種自體反應（automatic response，就像手碰到熱水會迅速抽回一樣），而是較高階的大腦功能也參與其中的控制。
資料來源：ScienceShot: Brightness Is in the Eye of the Beholder [23 January 2012]
電影《春風化雨》中，羅賓威廉斯飾演的基亭老師帶著大家踩上桌子，用不一樣的眼光看這個世界。但其實要看一個不一樣的世界，有個比站上桌子更省力、更安全的方式：彎下腰從你的胯下看出去。
你一定不會看到鬼，但你看到的世界真的不只是顛倒而已。
今（2016）年搞笑諾貝爾感知獎頒給了日本心理學家東山篤規（Atsuki Higashiyama）以及足立浩平（Kohei Adachi），他們的研究「自兩腿間感知目標大小與景深研究：自體感覺理論之驗證」（Perceived size and perceived distance of targets viewed from between the legs: Evidence for proprioceptive theory），證明了一件事：
當你彎下腰從胯下看風景時，你眼中的目標不只會顛倒，你還會誤判目標物體的大小和遠近。這種現象是因為身體定向（彎腰）的結果，而非瞳孔成像。
實驗中他們做了三次的比較，來調查受試者彎下腰從胯下觀測物體的景深及大小。
受試者將觀看五個離地 32~163 公分、散佈於 2.5~45 公尺遠的目標，90 位受試者分成 6 組，一組 15 人，共進行 3 次比較性的實驗。
15 名受試者正常的觀看物體，另一批受試者彎下腰從胯下觀看。從實驗圖表我們可以看出來在正常站立的情況下受試者並不會因為距離變長而誤判大小，但當你採用胯下觀看的方式時，隨著距離增加，你所看到的物體會越小。
為了知道原因，研究者開始了這整個實驗最關鍵的比較：
是身體定向（彎腰）還是顛倒的瞳孔成像造成這個誤判？
為了確認原因，在第二組對照實驗中，15 位受試者戴上了一種特製的眼鏡，能讓景象顛倒 180 度，達到在不彎腰的情況下，在瞳孔上產生相反成像（去掉身體定向的影響）；而另外 15 位戴上沒有鏡片的鏡框，比較顛倒的瞳孔成像是否對判斷遠近大小造成影響。
在都是站著觀看景物的情況下，物體的視覺大小、景深和距離皆是呈線性關係，換句話說就是這個眼鏡造成的顛倒成像並不是讓大家誤判的主因。
在確認顛倒的瞳孔成像並不是元凶之後，最後將檢驗第一次試驗中的誤判是否為肢體上的定位問題。這次 15 位受試者帶著顛倒眼鏡從胯下觀測物體（注意：所以看到的物體是正立的），另外 15 位受試者將帶著鏡框，以趴臥的姿勢觀測物體，後者是相當安定的身體姿勢，簡單的說就是顛倒的身體 VS 安定的身體，結果：戴顛倒眼鏡從胯下觀看的受試者誤判物體大小和遠近。
這樣的結果證明了顛倒的瞳孔呈像並不會影響判斷物體的大小遠近，而是身體的定向問題。
話說在日本京都的北方，有一個叫天橋立的觀光景點，相傳人們如果站在沙洲北端或南端兩處地勢較高的山頭，背對著沙洲站立並低頭從自己的跨下朝後望時，會看到沙洲猶如一條往天上斜伸而去的橋樑，因而得名。
雖然我是不知道這跟本次實驗有什麼關係，但我想這個實驗結果可以一起立個告示在旁邊，告訴大家這個有趣的發現。
參考資料：
