翻開覆蓋的陷阱卡：「石綿」健康的隱形殺手

• 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。

如果今天你想要好好的切食物，該用什麼樣的刀呢？

大家馬上想到的，應該不外乎就是金屬或是陶瓷吧？自古以來要製作工具，這兩個材料一定是首選，直到當代貪圖方便而使用的塑膠刀叉之外，好像想找不太到其他更好的替代方案了。

但是最近，有一群研究人員打破了大眾的想法和材料科學的界線——用木頭製作的刀來取代金屬。

10 月 20 號，這一群來自馬里蘭大學的材料科學家們在期刊《Matter》上發表了一種全新的加工方法，可以把跟木材大幅強化，製作成餐刀等工具。這把刀的硬度不只跟一般的牛排刀不相上下，可以輕鬆地切開 8 分熟的牛排，還可以多次使用、洗滌、有效的回收再利用，整個產品製造過程的能源消耗也比金屬或陶瓷低非常的多，有望在未來取代這類餐具。

比金屬和陶瓷更環保的選擇：木材

當你環顧生活周遭需要以「堅硬」為訴求的材料，你會發現它們大部分都是人造或經過加工的，因為想製作堅硬的物品，最怕的就是整個物理結構上有裂痕、中空或缺口等等瑕疵，只要有以上任何一種，工具的耐久度就無法維持多久，然而天然材料通常都有這種缺陷，例如木頭內部會有中空導管，石頭內則會有導致它容易剝落或裂開的天然紋理。

所以物質多半都都需要經過高溫冶煉才能夠成為堅硬的材料，例如光是製造陶瓷，就需要將陶土加熱到幾千度的高溫，而在這個講求環保的時代，有時候又要考慮產品的碳足跡……不用說，從地球土壤中開採鐵礦和陶土所耗費的能源，絕對與使用天然材質相對多很多。

所以這群研究人員把腦筋動到了陪伴原始人類到現在、樸實無華的木頭身上，他們覺得人類還沒發揮木頭 100% 的能力。

請給我木材！人類尚未 100% 發揮它

好幾千年來，人類就不斷地想在木頭身上動手腳，但是在工具和建築上，木頭的加工通常只限於蒸氣曲木和壓縮法，用這種方法處理的木頭都會有個問題，在一段時間過後，木頭本身會有些許的回彈（定型）。

要知道為什麼就得先了解木頭！

木頭最主要的成分是纖維素，雖然平常可能無感，但纖維素其實有相當高的強度與密度比，表面上看起來是一個輕量又堅固的超理想材質，只看數字的話，甚至凌駕於大部分的高密度建築材料如水泥、金屬等等。但是我們目前加工木頭的方式，都無法把木材的材料潛力發揮到極致，部分是因為纖維素其實只佔了木材的 50%，除此之外還包含半纖維素、木質素等物質，這些聚合物主要是作為介質，而非提供強度，但如果將這些東西去除掉，整個木頭結構會變得容易崩壞。

所以研究團隊找到了方法，移除木頭內比較脆弱的物質，但是仍保留纖維素的結構，這個技術可以把原本木材的硬度整整強化 23 倍，並打造出比不銹鋼刀還鋒利 3 倍的餐刀。

兩步驟加工：讓「普通木材」變「超硬木材」

第一步是將木頭浸泡在添加了特定化學物質的水中，並加熱到攝氏 100 度，以去除部分木質素。失去木質素的木材會變得較為柔軟、具有彈性甚至還會黏稠；以往的木材加工通常不會將這個方法用在木材上，除了如上述提到的結構問題外，還會有使用溶劑的毒性問題，但研究人員研發出了毒性較低、還能重複使用的溶劑。

第二步是對木頭進行高溫加壓，去除水分並讓其材質更為緻密，確保不會有結構上的缺陷，連樹木中原本被導管佔用的空間都能夠去除。

藉由這兩個步驟，他們有辦法去除木頭原本的結構問題，而經過這樣處理後的木頭還可以裁切成想要的形狀，然後再塗抹礦物油延長壽命、也隔絕水分讓纖維素不要再吸水，以免洗滌餐具降低刀子的鋒利程度。

木材應用百百種！「五金材料」的新未來？

同樣的手法可以用來製作其他工具，例如和金屬釘子一樣堅硬的木頭釘子，一樣可以釘穿 3 塊木板，但是好處是木頭釘子不會有生鏽的問題，除了釘子之外，還有很多東西可以用這種木頭材質製作，例如更耐用的木頭地板。

儘管目前這個技術的使用還只是存在於實驗室環境中，但是不可否認的是，我們還沒有發揮木頭百分之百的實力，只要這個技術成熟，加上樹木可以種植並回收的特性，在未來每個人都可以分配到的超級強化木材資源或許可以凌駕於金屬，或只是打造出打不壞的木製球棒、堅不可摧的小木屋、輕量化的木頭汽車和飛機、或者是一把堪比鋼刀的超強木刀。

阿銀，你的木刀原來是這麼來的啊 ？

參考資料

2021，《Hardened wood as a renewable alternative to steel and plastic》

近年來，大眾對於「氣候變遷」這個詞越來越不陌生，國際間也會簽訂不同協議與政策，來減緩溫室氣體的排放，講到這邊，我們通常會想到化石燃料的使用，但較少被人們注意到的是，畜牧業也是排放甲烷、二氧化碳、一氧化二氮等溫室氣體的大宗，甚至會造成水污染及空氣污染。

最近由心理學家團隊發表的研究，提出一種可能的解決方案，以減少畜牧業對環境的影響，也就是——「教小奶牛上廁所」！

看到這邊一定頭上冒出好幾個問號，為什麼畜牧業會對氣候變遷造成影響？是哪方面的影響？為什麼教奶牛尿尿可能可以減緩對環境的衝擊呢？要怎麼教？

畜牧業和氣候變遷到底有什麼關係？

首先，根據聯合國糧食與農業組織 (FAO) 的報告，全球畜牧業每年約排放 7.1 兆噸的二氧化碳，大約是人為排放溫室氣體的 14.5%，其中，牛是排放量最大的物種，佔畜牧業排放量的 65 %，而大約來自於腸道發酵、糞便儲存與加工、飼料生產過程、其他能源使用等活動，FAO 也提出了目前評估可實行的減緩方案，其中一項便是提高奶牛的飼料開發以及飼養技術，來減少消化過程中和分解糞便時產生的甲烷 (CH₄) 與一氧化二氮 (N₂O) 。

而這篇研究的主角之一就是一氧化二氮 (N₂O) ，雖然它只佔全球溫室氣體總排放量的 5% ，但它把熱留在地球的能力卻將近是二氧化碳的 300 倍！除此之外，每次排放的一氧化二氮 (N₂O) 都會停留在大氣中超過一世紀，可以說是一種「長壽」的溫室氣體。從 1990 年起，紐西蘭的一氧化二氮排放量增加了五成，主要是來自乳製品業擴展以及氮肥使用，因此紐西蘭政府制定了一個目標，要在 2050 年之前將一氧化二氮的排放減少到淨零。

但這和牛有什麼關係呢？

從「牛尿尿」開始的氮旅程

原因是牛尿液中氮含量很高，而動物尿液中的氮來源主要是尿素  (CH₄N₂O)，在紐西蘭和澳洲，通常將牛飼養在戶外，牠們排尿之後，就開始一趟名為「氮循環」的旅程，首先尿素會迅速在土壤裡被水解成銨鹽 (NH₄⁺) ，再經過微生物「亞硝化菌」氧化成亞硝酸根 (No₂^–)，接著，另外一群微生物「硝化菌」，將亞硝酸鹽 (No₂^–) 再氧化成硝酸根 (NO₃^–)，以上的過程稱為「硝化作用 (Nitrification) 」。

當然，旅程還沒有結束，另一群稱作「脱硝菌」或「脫氮菌」的微生物會將硝酸鹽還原成氮氣 (N₂)，叫做「去硝化作用」或「脫氮作用」，而一氧化二氮 (N₂O) 是反應的中間產物，會直接被釋放到大氣中。

難道把牛飼養在牛舍裡就沒有問題了嗎？

代誌不是憨人想得這麼簡單！當牛尿液中的氮和地板上的糞便混在一起時，會產生另一種空氣污染物——氨 (NH₄)。

所以，如果牛的尿液可以被收集處理，裡面所含的氮就可以被轉換，減緩對環境的衝擊，但是要怎麼收集牛的尿液呢？

最直接的方式就是，教小牛到「廁所」裡尿尿。

要怎麼教會小牛尿尿？獎勵和拆解步驟是關鍵

研究團隊利用行為心理學的原理，訓練小牛到特定的地方排尿，這個原理便稱為「操作制約 (Operant Conditioning)」，由美國哈佛大學心理學教授史金納 (B.F. Skinner) 於 1938 年提出，當時有個著名的動物實驗稱為「史金納箱 (Skinner Box)」，將飢餓的小白鼠放在箱子裡，內有電動裝置紀錄動物的正確反應次數和頻率，因飢餓不安而活動的小白鼠，偶然壓到槓桿就會得到少量食物，當以後小白鼠看到槓桿，再去壓桿的頻率就會比以前高。對小白鼠來說，因反應而出現的食物是「強化物」，對壓桿這個「操作性反應」產生了強化作用。

除此之外，他們還運用訓練小孩上廁所，一種叫做「反向鏈接技術 (Backward Chaining Technique) 」的方式，將目標拆解成小步驟，從最後一步開始訓練到第一步。

首先，小牛被限制在圍欄設置成的廁所區域裡，當小牛排尿後再給予牠們喜歡的食物進行強化。然後，把小牛帶到圍欄外的一條走廊上，並再次強化進去廁所裡尿尿的行為，如果小牛在走廊上就排尿，便會用讓牠稍微不開心的噴水阻止牠。

經過幾次強化訓練，他們訓練的八頭小牛中，有七隻學會了在廁所尿尿，而且學習的速度和人類小孩差不多快！牠們大約只受了 15 天的訓練，大部分的小牛在 20 至 25 次排尿後學會了整套，比三到四歲的人類小孩還快。

小奶牛在廁所尿尿的影片。資料來源／參考資料 1

由此，研究團隊得到了兩個結論，第一是牛能夠學會注意自己的排尿反射，在準備尿尿時會移動到廁所裡；第二，在可以得到獎勵的情況下，牠們學會先憋尿，除非到了正確的地方。

牛牛學會了，然後呢？

在知道可以訓練牛牛到廁所排尿後，下一步要怎麼做才能夠離減排溫室氣體的目標越來越近呢？

作者認為希望未來可以優化廁所裝置，自動檢測排尿以及給予獎勵，就像是放大版的史金納箱一樣。除技術層面外，像是紐西蘭、澳洲等地的畜牧業，大多將牛飼養在開放的圍場，應該要把廁所設在哪裡，或者牛願意走多遠過來上廁所，都是需要進一步了解的問題，也才能夠將這項技術真正運用在不同國家的畜牧業，實際做到減緩畜牧業對氣候變遷的影響。

參考資料

1. Dirksen, N., Langbein, J., Schrader, L., Puppe, B., Elliffe, D., Siebert, K., … & Matthews, L. (2021). Learned control of urinary reflexes in cattle to help reduce greenhouse gas emissions. Current Biology, 31(17), R1033-R1034.
2. Gerber, P. J., Steinfeld, H., Henderson, B., Mottet, A., Opio, C., Dijkman, J., … & Tempio, G. (2013). Tackling climate change through livestock: a global assessment of emissions and mitigation opportunities. Food and Agriculture Organization of the United Nations (FAO).
3. 張春興（民80）。教育心理學：三化取向的理論與實踐。台灣東華書局。
4. Backward Chaining Technique
5. 全國法規資料庫：空氣污染防治法施行細則
6. The science of nitrous oxide