小時候的自然科學課都有做過一個小實驗，
就是把鐵沙放在一張白紙上，然後放上一塊磁鐵，結果原本散佈在紙上的鐵沙就開始凝聚，形成有規則的線條。這些線條就是受到磁鐵的磁場所吸引，沿著磁場的方向排列出柱狀的結，隨著磁鐵方位的不同，有的平躺，有的則是直立於紙上。
近年在國際漸漸竄紅的比利時設計師凡德威（Jolan van der Wiel）利用了這個原理，將「鐵磁流體（Ferrofluid）」參雜了凝固劑，先用強力磁鐵塑形，再讓它慢慢凝固成為可用來當做家具的結構。
太有創意了！生活中的小科學也可以應用到藝術設計上呢！
下面是凡德威描述他創作的方法：
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。
現代人很難想像沒有提款機的生活，但提款機其實是從 1970 年代才開始流行。世界上第一台提款機是約翰．雪伯巴倫（John Shepherd-Barron）所發明的，安裝在大倫敦區的恩非市（Enfield）。
如今，隨處可見的自動櫃員機讓民眾可以一天 24 小時便利存提款，不須到銀行排隊。但在方便的背後，提款機其實要執行許多困難的把關工作，才能維持服務品質；像是提款機必須檢核使用者的身分、卡片的真偽，還要調閱你的帳戶資訊，才能執行正確的交易，同時更要保護提款機裡的鈔票，以免被歹徒盜取。
提款卡背後的磁條，看起來是一條實心的黑色長條，實際上卻是由上百萬個微小的磁鐵所組成，每個小磁鐵各有不同的極性，經由兩組磁頭讀取後，解讀為二進位碼資料。第一組磁頭先確認卡片真偽，接著第二組磁頭才會讀取帳號和密碼，並比對你輸入的數字。
密碼確認後，櫃員機會自動連結到銀行網路，接收傳回來的訊號，再針對機器內部的出鈔系統下達一連串指令，然後由提款機完成剩下的存提款交易。如果提款人不小心忘了把鈔票拿走，新型的櫃員機會在一段時間後把鈔票回收，以免用戶蒙受損失。
提款機經常成為罪犯覬覦的目標，有幾種常見的詐騙手段可以輕易偷取你的卡片資料，其中最常見的是卡片側錄器，安裝在提款機上就能偷偷記下提款人的帳號資訊。通常歹徒還會搭配隱藏式攝影機，將之鎖在櫃員機上方，或安裝在附近，用以拍攝輸入密碼時的手部動作。另一種越來越常見的詐騙手法是盜卡陷阱，利用特殊裝置讓卡片卡在機器裡出不來，等提款人離去後歹徒就可以取走卡片。為了避免成為受害者，警方建議民眾使用提款機時要提高警覺，隨時注意是否有不尋常的狀況，並盡量使用固定的提款機，就能識破詐騙手法。輸入密碼時也一定要設法遮蔽，並小心在提款機附近出沒的可疑人士。
本文節錄自《How It Works知識大圖解 國際中文版》第 23 期（2016 年 08 月號）
更多精彩內容請上知識大圖解
小時候的自然科學課都有做過一個小實驗，就是把鐵沙放在一張白紙上，然後放上一塊磁鐵，結果原本散佈在紙上的鐵沙就開始凝聚，形成有規則的線條。這些線條就是受到磁鐵的磁場所吸引，沿著磁場的方向排列出柱狀的結，隨著磁鐵方位的不同，有的平躺，有的則是直立於紙上。
近年在國際漸漸竄紅的比利時設計師凡德威（Jolan van der Wiel）利用了這個原理，將「鐵磁流體（Ferrofluid）」參雜了凝固劑，先用強力磁鐵塑形，再讓它慢慢凝固成為可用來當做家具的結構。
太有創意了！生活中的小科學也可以應用到藝術設計上呢！
下面是凡德威描述他創作的方法：
想像以下這個情境：經過了一週的辛苦工作，你接受同事的邀約來到了酒吧，想在 Friday night 輕鬆一下。入座之後，你發現吧台上有位女子獨自一人。她身材姣好、面容清秀，不像是會來到酒吧的氣質，她肯定是遇上了什麼困難。她一個人在這裡喝悶酒，你的好同事們當然也都注意到了。而年過三十又沒有交往對象的你理所當然地擁有優先權，就在眾人的慫恿下，你鼓起勇氣緩緩地走向吧台。
「兩瓶啤酒！」你對酒保這麼說，希望輕鬆一點的飲料能帶來放鬆的氣氛。她向你看了一眼，似乎對陌生人的接近有點意外，但並沒有展現排斥的神情。你也就順勢地坐到她的身旁。接過啤酒後，你拿了開瓶器豪氣地開瓶。不料！這啤酒外表看似冰山，其內在卻是座火山！源源不絕的泡沫自瓶口不斷湧出，流滿了桌子，灑滿了褲子。在混亂之中她嚇得跳離你三步之遙，你慌張地看向酒保卻又壓抑不住心中的羞憤，回頭看看那群損友早已笑得人仰馬翻，你認為這一定是他們早已安排好的惡作劇……。
啤酒開瓶時，大量的二氧化碳泡沫湧出瓶口是偶爾會碰上的情形（而且是在未經搖晃的情況下）。這種現象的產生，是啤酒在釀造時，其主要的原料－麥，遭受到真菌感染所致，而這些貼附在大麥表面的真菌，其表面富有疏水蛋白。在釀造的過程中，這些疏水蛋白會吸附發酵時所產生的二氧化碳。當啤酒中含有過多的二氧化碳，開瓶時就會有大量的泡沫湧出。釀酒廠為了因應這種現象，會加入啤酒花萃取物（hops extract）作為抗泡沫因子（antifoaming agent），它們運作的原理是能較二氧化碳優先與真菌表面的疏水蛋白結合，被搶走位置的二氧化碳也就不會在啤酒中留下那麼多了。
以使用啤酒花萃取物為基礎，位於比利時的食品科學家近日更開發了除去泡沫的新技術－利用磁鐵。他們發現，在啤酒釀造時施加磁場，能將這些作為抗泡沫因子的啤酒花萃取物化分為更小的粒子，如此一來便能有效地提升與疏水蛋白的結合（分子更小、表面積增加的原理），也更能夠避免啤酒泡沫失控。
研究團隊將於下個月份的《食品工程期刊》（Journal of Food Engineering）中發表此研究結果。當這個方法真正運用在釀造啤酒時，其極佳的效率可令製酒商減少啤酒花萃取物的添加，而這對於降低成本相當具有潛力。研究團隊表示，在未來的研究中，希望能達到在工業生產的尺度下，單以施加磁場就能夠減少泡沫形成的結果。
所以說囉，當下次再遇到啤酒噴發的情形，切記：莫急、慌莫、莫害怕。保持鎮定，將溢出的啤酒清理乾淨後，你大可以從容地分享啤酒暴走的原理。如此一來不但展現了氣度，避免錯怪朋友，更能夠散發身為一個科學青年的無窮魅力。
參考資料：
小時候的自然科學課都有做過一個小實驗，就是把鐵沙放在一張白紙上，然後放上一塊磁鐵，結果原本散佈在紙上的鐵沙就開始凝聚，形成有規則的線條。這些線條就是受到磁鐵的磁場所吸引，沿著磁場的方向排列出柱狀的結，隨著磁鐵方位的不同，有的平躺，有的則是直立於紙上。
近年在國際漸漸竄紅的比利時設計師凡德威（Jolan van der Wiel）利用了這個原理，將「鐵磁流體（Ferrofluid）」參雜了凝固劑，先用強力磁鐵塑形，再讓它慢慢凝固成為可用來當做家具的結構。
太有創意了！生活中的小科學也可以應用到藝術設計上呢！
下面是凡德威描述他創作的方法：
