0

0
0

文字

分享

0
0
0

挑辦公室挑到氣噗噗?隱藏在背後的行為經濟學——《不當行為》

PanSci_96
・2019/06/17 ・5475字 ・閱讀時間約 11 分鐘 ・SR值 505 ・六年級

編按:本文選自《不當行為》第 28章 挑選辦公室的行為經濟學。

著名的芝加哥大學布斯商學院。圖/kknews

在平常的時候,芝加哥大學布斯商學院向來是各式研究的搖籃,你幾乎可以聽到科學發現邊境被合力向外推時,發出的嘎吱聲響。不過,2002 年春季的幾個月期間倒是例外,那段時間的研究工作,或至少擁有終身教職的學者們的研究工作必須暫時中止,因為需要重新挑選辦公室。

新家蓋好啦,該如何分配辦公室卻成了個問題

這項任務看似頗為簡單。商學院原本位於校內主要方院的一個迷人卻狹窄簡陋的角落,即將遷移至兩個街區外的新家。新建築由舉世聞名的建築師拉菲爾.維諾理設計,落成後將是擁有絕美中庭的炫目現代大樓。它的位址就在著名「羅比之家」的對街,而該住宅是法蘭克.洛伊.萊特興建的第一棟房子,維諾理刻意讓新大樓的一角面朝萊特這棟經典作品,藉此向萊特致上敬意。宏偉的新大樓採光充足,幾乎每個人都期待著搬進新辦公室,大家只要決定誰得到哪間辦公室就行了,除此之外還會有什麼問題呢?

圖/pixabay

分配辦公室的方法有很多種,院長們決定採用一個頗不尋常的流程。首先,他們提供一張辦公室平面圖,教職員們被告知開放挑選的時段,然後可以選擇任何尚未被占走的空辦公室,因為挑選時可以看到其他人已經指定的位置。這個流程聽起來沒啥問題,只除了挑選的順序究竟該如何決定。年資高低似乎是明顯的選擇,可是芝加哥大學是個不看年資只講論文實力的地方,所以用年資來決定看樣子是不可能了。他們也考慮過抽籤,不過這個提議並未被認真看待,畢竟辦公室位置太重要了,不能全憑運氣來決定。

於是院長們決定根據「功績」來安排辦公室挑選順位,而判定功績高低的差事則交給副院長惠辛格.惠辛格。他一直以來的工作就是與新進教職員協商雇用合約,並且處理對於教授課程、薪資、同事、學生、研究經費等事務提出不滿的現任教職員。惠辛格廣受教職員愛戴,被認為做人有誠信,雖然有時候未免太過直率,但基本上是正派之人(他也是個死忠籃球迷,是 NBA 虛擬夢幻隊遊戲的常勝軍。這次事件的幾年後,他成為身高 226 公分的籃球明星姚明的經紀人)。

-----廣告,請繼續往下閱讀-----
圖/picpedia

挑選的規則是什麼?分組和抽籤差很大

其他幾名院長都意識到,他們最好擺明態度讓惠辛格全權處理這件事,讓他獨力承擔所有抱怨。經過一番長考,他終於宣布了挑選辦公室的優先次序(和啄食順序)將如何決定。首先,他會先進行分門別類(他們套用統計學術語,稱之為組界),惠辛格自行決定總共有多少個組界,以及哪些教職員屬於哪一個組界。同一個組界的成員之間得抽籤決定挑選辦公室的先後次序,校方一直未公布總共究竟有多少組界,而且迄今數量依舊成謎。這為整個決定過程創造了模糊空間。

到了選辦公室的這一天,教職員們每個人有十五分鐘的時間可考慮挑選哪一間,現場還有一名參與這次建造計畫的建築師提供協助。當時整棟建築仍只是個鷹架搭起的大鋼籠,我們不可能親眼看到辦公室的模樣,只能參考建築圖和比例模型。校方還提出了兩項規定:選定的辦公室不得互相交換,而且經過一名資深教職員詢問後,院長們特意禁止向同事買下較優先被挑選的座位。這樣的規定和校方禁止拍賣被優先挑選的座位之事實,顯示即使在芝加哥大學布斯商學院,一個甚至有許多學者贊成嬰兒與人體器官市場開放的地方,某些事物依舊太過神聖,不得任意在市場上論斤秤兩,譬如教職員辦公室。

不過看樣子,大部分教職員早就預期到如此含混的挑選過程,而且幾乎所有資深同仁都滿心認同,他們必然是擁有優先選擇權的人,因此接下來的幾個禮拜都在平靜中度過。

所有教職員都收到了一封電子郵。圖/maxpixel

終於,所有教職員都收到了一封電子郵件,宣布幾週內將進行新辦公室的挑選作業,也說明了挑選的時段,譬如週三的早上十點十五分至三十分。雖然那封信並未透露啄食順序,但是大家的朦懂狀態大概只維持了半個鐘頭,在金融與經濟圈子特別活躍的資深教職員艾尼爾.凱夏普主動坦承是自己讓所有人都發現了辦公室的挑選順位。他發了封電子郵件,要求收件者回覆時要註明自己的挑選時段,結果沒過幾小時,大夥兒很快就摸清了挑選辦公室的先後順序。

-----廣告,請繼續往下閱讀-----

除了個人功績,年資並非完全不在考量範圍。終身正教授優先於未享有終身任期的副教授,副教授則優先於助理教授,後者又優先於兼任的同事,諸如此類。沒有終身任期的教職員間,挑選順位顯然是隨機決定的,菜鳥教職員們只能繼續努力工作,設法取得終身任期,看自己能不能有機會搬進資深教職員辦公室。在此同時,資深教職員之間卻鬧得不可開交。

為了挑辦公室,資深教職員之間鬧得不可開交。圖/pxhere

惠辛格從來沒告訴我(或據我所知也沒有告訴其他人)資深教職員的挑選順位是如何決定的。以下純屬我的個人推測(後來我將本書這一章的草稿給惠辛格過目,請他表示點意見。他既沒承認,也未否認文中重建的過程細節,不過他承認我有掌握到基本事實)。我認為正教授們被分成三個組界,第一個組界(A 組)大約有十來個人,都是眾望所歸的明星級教授,和/或各領域德高望重的老前輩,會計、經濟等各系所都至少有一名這樣的教職員入選,由於金融系陣容最大,入選者也較多。到目前為止都沒什麼問題,尤金‧法馬就算得到最優先挑選辦公室的特權,眾人也是心悅誠服,畢竟他是我們這群挑選者當中名望最高的學者。

來個事前模擬吧!

B 組成員是其餘有終身任期的教職員,C 組則是不再積極投入研究的教職員。惠辛格展現優雅風度,將自己的順位安排在終身任期教職員當中的最後一個,我相信惠辛格特地將這些人放進第一個組界必然有他的考量,其中一個目的是獎賞那些為本校做出卓越貢獻的人,另一個目的則是將明星級教授打散到各處。最受歡迎的辦公室是那些位於角落的空間。既然這棟五層樓高的大樓規模足以占據整個街區,而教職員辦公室則占滿上面三層樓,這表示角落之間相距甚遠。

B 組成員認為自己應該有資格被列入 A 組,在自己的組內籤運又太差。圖/wikipedia

最不開心的是 B 組成員,他們認為自己應該有資格被列入 A 組,在自己的組內籤運又太差。這個類別有數個成員,不過我把當中最惱火的幾個人命名為「阿奇」(本章所提的人物僅指名不道姓,有些人物雖用假名,卻是真實存在)。有個名為「克萊」的另一名成員原本被列在 A 組,卻運氣不佳淪為第二批挑選辦公室的人,同時阿奇的順位在第二批人當中幾乎吊車尾,甚至排在兩名年輕許多的同事之後。

-----廣告,請繼續往下閱讀-----

到了這時候,「憤怒」已經遠不足以形容阿奇的感受了,他氣得跳腳,如果各位能夠想像的話,他真的是跳來跳去,發瘋似地大吵大鬧。阿奇認定這整個過程根本是惡意造假,儘管證據指出相反事實也無法扭轉他的看法。獲得第一優先挑選權利的是道格.戴蒙,一位備受尊崇且討人喜歡的同仁,但是他並非學術圈外家喻戶曉的人物,尤金.法馬則是第三順位。我還記得自己當時想著,那次的挑選過程中,道格恐怕是唯一感到開心的人,可是其他人都沒像阿奇那麼不痛快。

阿奇認定這整個過程根本是惡意造假,儘管證據指出相反事實也無法扭轉他的看法。圖/pexels

挑選順位被大家摸清之後的隔天,艾尼爾.凱夏普繼續他的研究工作,並打定主意一定要測試這次的選位最後可能會產生什麼結果。某個挑選順位在很前面的人說不定會有興趣知道後來身邊會出現哪些「街坊鄰居」,於是我們透過電子郵件進行了一次「模擬」挑選,傳了一份表格給道格、克萊、法馬等人,請收件者回覆他們有意挑選的辦公室。

雖然校方傳了樓層示意圖給大家,但是同仁們要求提供更多訊息,尤其是每間辦公室的大小,以及是否裝了恆溫器。大約三分之一的辦公室裝了恆溫器,若占有這些辦公室就能自行調節控制溫度,至少理論上是如此。我向惠辛格提議,乾脆在其他辦公室加裝「心理安慰用」恆溫器,圖個皆大歡喜,而且根據我的個人經驗,只要辦公室是自己挑選的,裡面的恆溫器就算只有安慰作用,也會跟實際作用同樣有效。模擬測試花了幾天時間完成,一些回覆者甚至大肆抱怨:「某某人死到哪裡去了,這傢伙都不看信的嗎?」大家對這次的模擬十分投入,因此又重複進行了一次,看結果是否會有改變。這可是相當重要的一步呢!

終於到了這一天……

最後,正式挑選辦公室的這天到來了,我們從早上八點半開始挑選。一開始沒什麼問題發生,只除了如果某人挑的辦公室是順位排在後面的人曾在模擬測試選中的,你可以感受到「那是我的辦公室,王八蛋!」這股憤恨之情,看樣子就算講明了只是模擬測試,對自己已經選定的辦公室的稟賦效應依舊會發生。接下來,發生了件怪事。下午一點十五分,輪到金融系教授路易吉.辛加列斯挑選,他看中了五樓的一間辦公室,因為其他幾名金融系同事聚集在那兒,路易吉天生就疑神疑鬼(他認為這是義大利家庭教養的結果),對他挑選的辦公室究竟有多大面積提出了質疑。

-----廣告,請繼續往下閱讀-----

在場的建築師試著打發他,可是路易吉不為所動,最後她只好拿出正格的樓層圖,竟發現路易吉才是對的。他選中的辦公室比示意圖小了 20 平方呎(其實每間辦公室都頗大,多數面積在 180 至 230 平方呎之間,約 5 至 6.5 坪之間)。路易吉立刻改選附近另一間面積更大的辦公室,並且在回到自己的辦公室後分享這項發現,為保有競爭優勢,他自然沒在挑選之前向任何人提過這項懷疑。話很快就傳開了,已經做好選擇的人紛紛走進負責這次挑選流程的辦公室,要求重新丈量自己的辦公室面積,結果他們陸續發現幾個辦公室面積估算錯誤,許多人因而要求更換辦公室。整件事一團亂!此刻出城參加研討會的惠辛格終於返抵學校,挑選作業也在下午三點左右停擺,等候辦公室面積重新丈量。

整件事變得一團亂!圖/pixabay

又過了幾天,校方公布重新量過的辦公室面積,這回連一些能夠優先挑選辦公室的同仁也不開心了,他們當中有些人的辦公室「縮水」,因此想換成其他後面挑選的人所選定的辦公室。這時候,惠辛格透過電子郵件出手擺平這件事,他宣布接下來的一個禮拜大家可自由更換辦公室,但是不可更換成任何其他人已經選定的,即便那個人的挑選順序在本人之後。結果這封信點燃了更多怒火。這段期間惠辛格到教職員休息室午休時,都戴著喜劇演員格魯喬.馬克思造型眼鏡,彷彿要隱姓埋名似的,他這付打扮贏得滿堂喝采,但是餘怒未消的那些人就沒笑得那麼開懷了。

挑選時很鬧心,實際用來差異不大

一年後,我們搬進了新大樓,大致來說一切都挺順心。事後回想起來,這整齣鬧劇最匪夷所思的地方是,儘管九處角落位置確實是風水寶地,可是其他的辦公室其實都大同小異,比起舊大樓的辦公室強了許多,雖然有幾間比其他的稍微大些,有幾間則窗外景致稍微好些,但是許多現在明顯感受到的差異,在挑選辦公室當下並不為人所察覺。舉例來說,五樓的辦公室最初十分搶手,或許是「越高越好」這種錯誤捷思造成的吧,可是五樓與四樓的景觀其實不相上下,而且大樓內的三個電梯當中只有一個會到達五樓,因此它也成了最擠、最忙碌的一個。面北的辦公室景觀最佳,可看到芝加哥市天際線,可是它們並非大家的優先選擇。

若說面北的迷人景致與中性光線是市場上深具價值的購買標的,那麼面積就是被過度追捧的商品了。辦公室的面積究竟是 190 平方呎,抑或 210 平方呎,根本就看不出差別。絕大多數來訪的外賓完全沒發現我們的辦公室面積不同,但是如果你在表格開端列出面積測量結果,這項因素勢必會被過度看重。只要出現數字,大家就會把它當回事。

-----廣告,請繼續往下閱讀-----
圖/pixabay

我的事後諸葛之見是認為,公然為教職員排列等級所引燃的怒火,其實可以藉由讓流程更透明化來加以緩和。舉例來說,他們或許可以公開總共有多少組界,這至少可以讓克萊放心,得知自己並非被刻意扔進挑選順序較後的群組。

我也認為,建築師拉菲爾.維諾理與他的團隊要負一些責任。雖然他們已經盡責地花了幾百個鐘頭向學生、教職員,以及行政人員說明這棟大樓的使用方式,也完成了一棟兼具美感與高度實用性的建築,卻沒人告訴那位在現場的建築師該如何分配辦公室。若他知道,說不定他會乾脆排除位於角落的辦公室。他還可以做一個小改變,雖然時機已經晚,就是讓道格.戴蒙的辦公室面積再稍微小一點。道格的辦公室在五樓,位於一個面朝東北的角落,而且還是所有辦公室當中面積最大的,這簡直是在運氣欠佳者的傷口上撒鹽。當時我建議,假如可能的話,建築師應該將他的辦公室部分空間挪給某個鄰居,藉此降低那間辦公室的優選價值,但是他只是一名建築師,而且「選擇建築師」這個名詞在當時還沒發明出來呢。

 

——本文摘自《不當行為:行為經濟學之父教你更聰明的思考、理財、看世界》先覺出版。

文章難易度
PanSci_96
1226 篇文章 ・ 2337 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

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

-----廣告,請繼續往下閱讀-----

  • 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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 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,因此穫有「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。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科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

7
4

文字

分享

0
7
4
超級電腦爭霸戰的新一頁開始了:Exascale(10 的 18 次方)之戰
Y.-S. Lu
・2022/09/10 ・5230字 ・閱讀時間約 10 分鐘

2023 即將上線的超級電腦(Supercomputer)

歐洲最大的超級電腦(Supercomputer),將要在 2023 年上線啦!今年六月中時,德國于利希研究中心(Forschungszentrum Jülich GmbH)的超級計算中心(Jülich Supercomputing Centre, JSC)發佈新聞稿[1],表示歐盟的歐洲超級電腦中心聯合承辦組織(EuroHPC Joint Undertaking)選定該研究中心的超級計算中心,做為歐洲第一個設立 Exascale 超級電腦 Jupiter 的地點[2],歐盟出資一半,而另一半的資金將由德國教育部(BMBF)以及北萊茵威斯特法倫州(Nordrhein-Westfalen)文化部共同出資,其意昧著這台超級電腦也將優先提供給德國的科學家,以及北威州的研究單位使用[註一]。表示現今的超級電腦軍備競賽,已打到了 Exascale 了,Jupiter 將是繼美國設立世界第一台 Exascale[註二]的超級電腦 Frontier 後[3],即將出現的次世代超級電腦(如果德國的施工期有好好的踩點)

位於阿貢國家實驗室的 IBM Blue Gene/P 超級計算機。圖/wikipedia

Exascale 的超級電腦具有「每秒百億億次(1018)」(也就是 100 京)的每秒浮點運算(FLOP)能力,實際規模也將具有國家高速運算中心台灣杉二號[4]的 111 倍以上的運算能力,也就是要建立超過百台規模的台灣杉二號才具有 Exascale 的規模,但也同時考驗硬體的處理能力、主機間節點的連線架構、資料讀寫能力,更甚者,則是軟體是否具有 Exascale 的使用能力,也就是硬體與軟體都必須要能夠良好的契合才行。

什麼是超級電腦?可以幫助都市成為超級都市嗎?

「這些顯示器太舊了」雷迪亞茲說。

「但它們後面是世界最強大的電腦,每秒可以進行五百萬億次浮點運算。」

~ 劉欣慈《三體:黑暗森林》

劉欣慈《三體:黑暗森林》(2007)提到人類「當時」最強的電腦,為五百萬億的運算能力「而已」,沒想到 15 年後的今天,地表最強的超級電腦 Frontier 是出現在美國的橡樹嶺國家實驗室(Oak Ridge National Laboratory),而不是小說裡說的,在洛斯阿拉莫斯國家實驗室(Los Alamos National Laboratory),而且 Frontier 的效能還是小說裡超級電腦的五千多倍,可說是現實終於有超過小說的時候了(但我們依就沒有飛天滑板可以借東京都的死神小學生)

超級電腦是科學家進行高速/高效計算(High Performance Computing)的主要設備。超級電腦的架構,可以說是非常的簡單:用網路線連結各台主機,讓主機間互相溝通,才能夠進行平行運算。

-----廣告,請繼續往下閱讀-----

一般超級電腦的架構大致上如下:一機板上可能會有一個到數個 CPU,而一個或是數個機板會組成一個節點(Node),有時數個結點會組成一個機櫃(Rack/Cabinet)。節點與節點間的連結,就是依靠網路線在進行 CPU 之間的溝通,因此網路變成非常重要的元件。

節點與節點間的連結,就是依靠網路線在進行 CPU 之間的溝通,因此網路變成非常重要的元件。圖/pixabay

在此架構下,如何讓結點間有效溝通,也是一門學問了[5]。這些 CPU 可以想象是每個拿著工程計算機的研究生,正等著教授指派任務給他們算,而一個節點就是一個房間,在同一個房間內的溝通一定是比較快的,當不同房間需要溝通時,就會需要走出房間去給資料,如果所有的人一起拿資料回報給教授,那這教授可能就會崩潰,所以如何讓研究生(CPU)互相溝通,又不至於塞車,就是電腦工程專家們的專業了。

現在超級電腦的架構也與過往的超級電腦不同了。除了採用巨量 Arm 晶片的日本富岳(具 158,976 節點)、自主研發晶片的中國神威太湖之光(具 40,960 節點)外,前十大超級電腦[3]都是採用 CPU 加上 GPU 的混合架構(如在機板上插上 GPU 增加運算效率),才達到 100 Peta-Flop(1Peta = 1015) 以上的計算量,也意味著未來要在超級電腦上進行高效計算,GPU 運算也成為很重要的應用,因此也有許多計畫正在將軟體朝 GPU 運算的方向前進與推動。

軟體是否能配合平行化,也是非常是否能進行高效運算的重點之一。所謂的高效計算,也是利用許許多多的運算元件(CPU 或是 GPU),採平行運算的方法,將一個問題切成許多碎片,以螞蟻雄兵的方法一一解決,所以不要再怪為什麼你家的電腦 CPU 無論幾核心都只用了一核心,那是因為你的軟體沒有進行平行處理。早期土木界在進行坡面的圓弧破壞面計算時,據說就是用人力一人算一片圓弧的切片,也算是(人力)平行運算的先驅之一了。一般電腦中使用平行運算最多的,應該就是你手上那張 GPU 顯卡,在 GPU 的加持下,電腦螢幕中每個點、每個邊、每個平面上的顏色與光影,才能完美的呈現在使用者的眼前,所以與其用顯卡挖礦,還不如投身虛幻而真實的遊戲世界

-----廣告,請繼續往下閱讀-----

不過有了地表最強的超級電腦,並不代表我們今天就能夠像小說形容的一樣,能幾秒內預測核子彈的破壞能力,或是在一天內算出地球百年後的氣候狀況,因為平行計算加快了計算的速度,但有其極限。

有了地表最強的超級電腦,並不代表我們能夠像小說一樣,在一天內算出地球百年後的氣候狀況,因為平行計算加快了計算的速度,但有其極限。圖/pixabay

資料的讀入或是寫出,也是瓶頸之一,電路板與網路速度,以及資料存取方式都會造成資料讀寫的延遲,更不用說,若是打算模擬地球,其將耗盡 80 exabyte 等級的儲存空間,其為 CERN 的 ATLAS 與 CMS 計畫所產生的資料量的十倍[6]

為什麼氣候模擬要用到 Exascale?

Exascale 的超級電腦除了可以提供更多的運算能力,給更多的使用者進行模擬與計算外,也是挑戰超大型計算的開始。不過為什麼要 Exascale?到底為什麼一個模擬要用到上千甚至是上萬顆的 CPU 在運算?氣象氣候模擬已經將 Exascale 喻為下一階段應使用的救星[7],在氣象上除了要能做到一小時內達成氣象預測外,也希望能夠進行叢集式運算(像是利用隨機方法產生上百個因亂度而有不同結果的預測),進而進行機率式預測分析,或是提高水平距離至 2.5 公里以下的網格精度,此精度也為可進行對流模擬 (Convection-Permit)[8] 的精度。氣候模擬也需要高效能的運算,除了高精度的全球模型外,也需要進行長程的氣候模擬,幾十年到幾百萬年的模擬時間,也將需要 Exascale 等級的超級電腦來加速模擬,縮短實驗時間。越多的計算核心以及有效的平行運算,才能讓最真實的模擬結果讓人類使用,畢竟,誰都希望出遊不要遇上下大雨,也會希望能夠提前幾天知道颱風的路徑。

地球系統模擬中,其中一個挑戰便是進行模擬時程:挑戰一日(24 小時)的超級電腦計算可以得到多少年的模擬結果(simulated years per wall-clock day, SYPD)[6]還真的是「度日如年」,而此地球系統的精度為水平方向僅一公里的超高解析度,用來進行最終極的地球系統模擬:數位攣生(Digital Twins)[9]。數位攣生計畫主要是要建立地球的複製體,以方便人們對地球進行各種「實驗」,了解到經濟或政策面對地球生態或是氣候的影響,因此要達成此目的,強大具 Exascale 能力的電腦,便成為了目標。

目前已經有部份超級電腦都在進行 SYPD 的挑戰,如中國的神威太湖之光,其已完成了每日 3.4 年的地球系統模擬[10],只不過其地面僅有 25 公里的水平精度,海面僅 10 公里的水平精度,還有非常多的進步空間。只可惜,這個實驗並沒有進行進行資料輸出,無法得到正確的效能結果(資料的寫入與輸出也是非常費時的),以及真正的運算結果:因為沒有資料,就沒有辦法分析。

從高速電腦看量子電腦:量子電腦會是傳統的救星嗎?

量子電腦目前也成為了熱門名詞,從 2019 年開始,IBM 與 MIT 共同開始了量子計算課程,各學術單位也在搶攻量子電腦領域,但對地球模擬領域而言,量子電腦還太遙遠,對「傳統物理」的地球科學來說,我們解偏微分、解多項式,用的是傳統的數值方法,跟量子電腦界在進行的運算,也差了十萬八千里。

-----廣告,請繼續往下閱讀-----

編按:這邊所說的數值方法,簡單講就是「暴力解」。例如要求圓周率,就先設定一個半徑為 1 的圓面積公式,然後問電腦答案是多少,電腦的第一步會把所有正整數代入公式中從一個初始數字(Initial State)開始,先找到答案會在 3 到 4 之間,之後又把 3 到 4 之間的所有數,帶回一開始的公式,得知答案在 3.1 到 3.2 之間,之後又將這個區間的所有數帶回一開始的公式,如此重複很多次後,就會得到相對接近的正確答案。

量子電腦就比較詭異了,量子態的平行運算與邏輯閘,使得兩者的運算邏輯完全不同,以上面的圓周率問題為例,量子電腦會直接給出在 3.1415925 至 3.1415927 之間,存在正確答案的可能性是最高的,但是這個範圍也有可能是錯的,而且就算是錯的,以我們現在的能力也很難說明它錯在哪裡。

從表面上來看,傳統電腦用暴力解,以排除錯誤答案的方式逼近正確答案,而量子電腦不排除錯誤答案,直接找到最有可能的答案會在哪個區域,但不保證運算過程中的正確性。

因為這個區別,若將現在成熟的模擬方法直接導入量子電腦中,最有可能出現的就是不知道怎麼解讀得到的數據,這包含了答案的正確程度,以及改動特定變數後所產生的答案變動是從何而來?

IBM 與 GOOGLE 正在爭奪追逐量子霸權(Quantum Supremacy)的同時[11],(不過 Google 號稱的量子霸權,也就是一萬倍的計算速度,在 2021 年被中國科學院理論物理所的 Feng 等人用了 15 個 NVIDIA V100 GPU 給追上[12][註五]),其離傳統電腦計算的距離,也有十萬八千里遠,離應用於地球科學計算上還有一定的距離,但只要哪一天能夠應用在普通的大氣循環模式(GCM),就可以算是第一步吧。但是在量子力學進入大氣科學前,我們氣候與氣象模擬還是只能使用傳統的電腦主機,靠著 2 位元的方法進行大氣模擬,所以目前傳統超級電腦還沒有被取代的機會。

結語:超大主機與超大計算

依摩爾定律,每十八個月,CPU 晶片的製成就會進步一倍,同時,超級電腦中心卻是一直受益於摩爾定律帶來的好處,也就是 CPU 的能力越來越強,而價格也越來越親民,也讓氣候氣象模擬的空間精度也隨之升高。

Neumann 等人也預計在 2030 年代後,進行 1 公里等級的超高精度計算也將不是夢想[7],而在 Exascale 主機降臨前的這個年代,有些超級計算中心已經以節點(Node)做為計算資源耗費的單位(Node per hour),而非 CPU per hour,顯示出大型主機對計算資源消耗的想法以從 CPU 規模上升到了 Node 規模。

一方面使用者受益於更多的 CPU 資源,但同時這些主機也要求更新更大量的計算能力,如瑞士的 Piz Daint 與瑞典的 LUMI,皆要求使用者的計算必須是含有 GPU 運算能力,而純粹靠 CPU 運算的軟體,將無法享受到同等的巨量資源。

-----廣告,請繼續往下閱讀-----
IBM為橡樹嶺國家實驗室開發的Summit超級計算機(或 OLCF-4)。圖/flickr

而相應的挑戰也隨之而生,除了硬體將進入 Exascale 的時代,軟體也將一同進入這場大戰,才能享受同等的資源。另外一個挑戰則是綠色挑戰,1 公里精度的氣象模擬,每一模擬年將耗盡 191.7 百萬瓦時[6],相當於台灣一個家庭可以用上 43 年的電量[註三],也可以讓特斯拉的 Model 3LR 從地球開到月球來回開 1.5 次[註四],其耗能之巨,也是我們計算或是模擬界科學家應該要注意到的問題,也是為何除了 HPC Top500 外,亦有 Green 500[13]的原因吧,而具有超高效能的 Frontier,也同時奪下了 Green 500 之冠,也算是 Exascale 的好處吧。

註解與文獻

  • [註一] 若需使用 JSC 的超級電腦,必須透過不同的計畫項目進行申請,其計畫主持人(PI)為歐洲或是德國的研究者[14]
  • [註二] 日本的富岳其實也可以進行到 Exscale 的運算,只是要超頻而已,想當然爾是非常規設定。
  • [註三] 根據台電 2021 年新聞稿中,家庭離峰平均用電為 339 度以及 6-9 月為 434 度推估。
  • [註四] 根據 Tesla M3 LR 為 25kWh per 100 Miles,月球至地球為 384400 公里推估
  • [註五] Feng 也公開了他的程式碼
  • [1] Forschungszentrum Jülich 新聞稿
  • [2] EUROPE HPC 新聞稿
  • [3] 2022 年六月 HPC Top 500 名單
  • [4] 國家高速網路中心台灣杉二號介紹
  • [5] 司徒加特超級電腦中心:HAWK 主機之連線架構
  • [6] T. C. Schulthess, P. Bauer, N. Wedi, O. Fuhrer, T. Hoefler and C. Schär, “Reflecting on the Goal and Baseline for Exascale Computing: A Roadmap Based on Weather and Climate Simulations,” in Computing in Science & Engineering, vol. 21, no. 1, pp. 30-41, 1 Jan.-Feb. 2019, doi: 10.1109/MCSE.2018.2888788.
  • [7] Neumann P et al. 2019, Assessing the scales in numerical weather and climate predictions: will exascale be the rescue?. Phil. Trans. R. Soc. A 377: 20180148. http://dx.doi.org/10.1098/rsta.2018.0148
  • [8] Kendon, E. J., Ban, N., Roberts, N. M., Fowler, H. J., Roberts, M. J., Chan, S. C., Evans, J. P., Fosser, G., & Wilkinson, J. M. (2017). Do Convection-Permitting Regional Climate Models Improve Projections of Future Precipitation Change?, Bulletin of the American Meteorological Society, 98(1), 79-93
  • [9] Bauer, P., Dueben, P.D., Hoefler, T. et al. The digital revolution of Earth-system science. Nat Comput Sci 1, 104–113 (2021). https://doi.org/10.1038/s43588-021-00023-0
  • [10] Zhang, S., Fu, H., Wu, L., Li, Y., Wang, H., Zeng, Y., Duan, X., Wan, W., Wang, L., Zhuang, Y., Meng, H., Xu, K., Xu, P., Gan, L., Liu, Z., Wu, S., Chen, Y., Yu, H., Shi, S., Wang, L., Xu, S., Xue, W., Liu, W., Guo, Q., Zhang, J., Zhu, G., Tu, Y., Edwards, J., Baker, A., Yong, J., Yuan, M., Yu, Y., Zhang, Q., Liu, Z., Li, M., Jia, D., Yang, G., Wei, Z., Pan, J., Chang, P., Danabasoglu, G., Yeager, S., Rosenbloom, N., and Guo, Y.: Optimizing high-resolution Community Earth System Model on a heterogeneous many-core supercomputing platform, Geosci. Model Dev., 13, 4809–4829, https://doi.org/10.5194/gmd-13-4809-2020, 2020. https://gmd.copernicus.org/articles/13/4809/2020/
  • [11] 「嗨量子世界!」~ Nature Newsletter
  • [12] Feng Pan, Keyang Chen, and Pan Zhang, Solving the sampling problem of the Sycamore quantum circuits, accepted by Phys. Rev. Lett.
  • [13] 2022 年六月 HPC Green 500 名單
  • [14] JSC 系統申請辦法

Y.-S. Lu
4 篇文章 ・ 6 位粉絲
自從來到學界後,便展開了一段從土木人到氣象人的水文之旅。主要專業是地球系統數值模擬,地下水與地表模式的耦合系統,以及大氣氣象模擬。目前是于利希研究中心(Forschungszentrum Jülich GmbH)超級電腦中心的博士後研究員。

0

0
0

文字

分享

0
0
0
挑辦公室挑到氣噗噗?隱藏在背後的行為經濟學——《不當行為》
PanSci_96
・2019/06/17 ・5475字 ・閱讀時間約 11 分鐘 ・SR值 505 ・六年級

編按:本文選自《不當行為》第 28章 挑選辦公室的行為經濟學。

著名的芝加哥大學布斯商學院。圖/kknews

在平常的時候,芝加哥大學布斯商學院向來是各式研究的搖籃,你幾乎可以聽到科學發現邊境被合力向外推時,發出的嘎吱聲響。不過,2002 年春季的幾個月期間倒是例外,那段時間的研究工作,或至少擁有終身教職的學者們的研究工作必須暫時中止,因為需要重新挑選辦公室。

新家蓋好啦,該如何分配辦公室卻成了個問題

這項任務看似頗為簡單。商學院原本位於校內主要方院的一個迷人卻狹窄簡陋的角落,即將遷移至兩個街區外的新家。新建築由舉世聞名的建築師拉菲爾.維諾理設計,落成後將是擁有絕美中庭的炫目現代大樓。它的位址就在著名「羅比之家」的對街,而該住宅是法蘭克.洛伊.萊特興建的第一棟房子,維諾理刻意讓新大樓的一角面朝萊特這棟經典作品,藉此向萊特致上敬意。宏偉的新大樓採光充足,幾乎每個人都期待著搬進新辦公室,大家只要決定誰得到哪間辦公室就行了,除此之外還會有什麼問題呢?

圖/pixabay

-----廣告,請繼續往下閱讀-----

分配辦公室的方法有很多種,院長們決定採用一個頗不尋常的流程。首先,他們提供一張辦公室平面圖,教職員們被告知開放挑選的時段,然後可以選擇任何尚未被占走的空辦公室,因為挑選時可以看到其他人已經指定的位置。這個流程聽起來沒啥問題,只除了挑選的順序究竟該如何決定。年資高低似乎是明顯的選擇,可是芝加哥大學是個不看年資只講論文實力的地方,所以用年資來決定看樣子是不可能了。他們也考慮過抽籤,不過這個提議並未被認真看待,畢竟辦公室位置太重要了,不能全憑運氣來決定。

於是院長們決定根據「功績」來安排辦公室挑選順位,而判定功績高低的差事則交給副院長惠辛格.惠辛格。他一直以來的工作就是與新進教職員協商雇用合約,並且處理對於教授課程、薪資、同事、學生、研究經費等事務提出不滿的現任教職員。惠辛格廣受教職員愛戴,被認為做人有誠信,雖然有時候未免太過直率,但基本上是正派之人(他也是個死忠籃球迷,是 NBA 虛擬夢幻隊遊戲的常勝軍。這次事件的幾年後,他成為身高 226 公分的籃球明星姚明的經紀人)。

圖/picpedia

挑選的規則是什麼?分組和抽籤差很大

其他幾名院長都意識到,他們最好擺明態度讓惠辛格全權處理這件事,讓他獨力承擔所有抱怨。經過一番長考,他終於宣布了挑選辦公室的優先次序(和啄食順序)將如何決定。首先,他會先進行分門別類(他們套用統計學術語,稱之為組界),惠辛格自行決定總共有多少個組界,以及哪些教職員屬於哪一個組界。同一個組界的成員之間得抽籤決定挑選辦公室的先後次序,校方一直未公布總共究竟有多少組界,而且迄今數量依舊成謎。這為整個決定過程創造了模糊空間。

-----廣告,請繼續往下閱讀-----

到了選辦公室的這一天,教職員們每個人有十五分鐘的時間可考慮挑選哪一間,現場還有一名參與這次建造計畫的建築師提供協助。當時整棟建築仍只是個鷹架搭起的大鋼籠,我們不可能親眼看到辦公室的模樣,只能參考建築圖和比例模型。校方還提出了兩項規定:選定的辦公室不得互相交換,而且經過一名資深教職員詢問後,院長們特意禁止向同事買下較優先被挑選的座位。這樣的規定和校方禁止拍賣被優先挑選的座位之事實,顯示即使在芝加哥大學布斯商學院,一個甚至有許多學者贊成嬰兒與人體器官市場開放的地方,某些事物依舊太過神聖,不得任意在市場上論斤秤兩,譬如教職員辦公室。

不過看樣子,大部分教職員早就預期到如此含混的挑選過程,而且幾乎所有資深同仁都滿心認同,他們必然是擁有優先選擇權的人,因此接下來的幾個禮拜都在平靜中度過。

所有教職員都收到了一封電子郵。圖/maxpixel

終於,所有教職員都收到了一封電子郵件,宣布幾週內將進行新辦公室的挑選作業,也說明了挑選的時段,譬如週三的早上十點十五分至三十分。雖然那封信並未透露啄食順序,但是大家的朦懂狀態大概只維持了半個鐘頭,在金融與經濟圈子特別活躍的資深教職員艾尼爾.凱夏普主動坦承是自己讓所有人都發現了辦公室的挑選順位。他發了封電子郵件,要求收件者回覆時要註明自己的挑選時段,結果沒過幾小時,大夥兒很快就摸清了挑選辦公室的先後順序。

-----廣告,請繼續往下閱讀-----

除了個人功績,年資並非完全不在考量範圍。終身正教授優先於未享有終身任期的副教授,副教授則優先於助理教授,後者又優先於兼任的同事,諸如此類。沒有終身任期的教職員間,挑選順位顯然是隨機決定的,菜鳥教職員們只能繼續努力工作,設法取得終身任期,看自己能不能有機會搬進資深教職員辦公室。在此同時,資深教職員之間卻鬧得不可開交。

為了挑辦公室,資深教職員之間鬧得不可開交。圖/pxhere

惠辛格從來沒告訴我(或據我所知也沒有告訴其他人)資深教職員的挑選順位是如何決定的。以下純屬我的個人推測(後來我將本書這一章的草稿給惠辛格過目,請他表示點意見。他既沒承認,也未否認文中重建的過程細節,不過他承認我有掌握到基本事實)。我認為正教授們被分成三個組界,第一個組界(A 組)大約有十來個人,都是眾望所歸的明星級教授,和/或各領域德高望重的老前輩,會計、經濟等各系所都至少有一名這樣的教職員入選,由於金融系陣容最大,入選者也較多。到目前為止都沒什麼問題,尤金‧法馬就算得到最優先挑選辦公室的特權,眾人也是心悅誠服,畢竟他是我們這群挑選者當中名望最高的學者。

來個事前模擬吧!

B 組成員是其餘有終身任期的教職員,C 組則是不再積極投入研究的教職員。惠辛格展現優雅風度,將自己的順位安排在終身任期教職員當中的最後一個,我相信惠辛格特地將這些人放進第一個組界必然有他的考量,其中一個目的是獎賞那些為本校做出卓越貢獻的人,另一個目的則是將明星級教授打散到各處。最受歡迎的辦公室是那些位於角落的空間。既然這棟五層樓高的大樓規模足以占據整個街區,而教職員辦公室則占滿上面三層樓,這表示角落之間相距甚遠。

-----廣告,請繼續往下閱讀-----

B 組成員認為自己應該有資格被列入 A 組,在自己的組內籤運又太差。圖/wikipedia

最不開心的是 B 組成員,他們認為自己應該有資格被列入 A 組,在自己的組內籤運又太差。這個類別有數個成員,不過我把當中最惱火的幾個人命名為「阿奇」(本章所提的人物僅指名不道姓,有些人物雖用假名,卻是真實存在)。有個名為「克萊」的另一名成員原本被列在 A 組,卻運氣不佳淪為第二批挑選辦公室的人,同時阿奇的順位在第二批人當中幾乎吊車尾,甚至排在兩名年輕許多的同事之後。

到了這時候,「憤怒」已經遠不足以形容阿奇的感受了,他氣得跳腳,如果各位能夠想像的話,他真的是跳來跳去,發瘋似地大吵大鬧。阿奇認定這整個過程根本是惡意造假,儘管證據指出相反事實也無法扭轉他的看法。獲得第一優先挑選權利的是道格.戴蒙,一位備受尊崇且討人喜歡的同仁,但是他並非學術圈外家喻戶曉的人物,尤金.法馬則是第三順位。我還記得自己當時想著,那次的挑選過程中,道格恐怕是唯一感到開心的人,可是其他人都沒像阿奇那麼不痛快。

阿奇認定這整個過程根本是惡意造假,儘管證據指出相反事實也無法扭轉他的看法。圖/pexels

-----廣告,請繼續往下閱讀-----

挑選順位被大家摸清之後的隔天,艾尼爾.凱夏普繼續他的研究工作,並打定主意一定要測試這次的選位最後可能會產生什麼結果。某個挑選順位在很前面的人說不定會有興趣知道後來身邊會出現哪些「街坊鄰居」,於是我們透過電子郵件進行了一次「模擬」挑選,傳了一份表格給道格、克萊、法馬等人,請收件者回覆他們有意挑選的辦公室。

雖然校方傳了樓層示意圖給大家,但是同仁們要求提供更多訊息,尤其是每間辦公室的大小,以及是否裝了恆溫器。大約三分之一的辦公室裝了恆溫器,若占有這些辦公室就能自行調節控制溫度,至少理論上是如此。我向惠辛格提議,乾脆在其他辦公室加裝「心理安慰用」恆溫器,圖個皆大歡喜,而且根據我的個人經驗,只要辦公室是自己挑選的,裡面的恆溫器就算只有安慰作用,也會跟實際作用同樣有效。模擬測試花了幾天時間完成,一些回覆者甚至大肆抱怨:「某某人死到哪裡去了,這傢伙都不看信的嗎?」大家對這次的模擬十分投入,因此又重複進行了一次,看結果是否會有改變。這可是相當重要的一步呢!

終於到了這一天……

最後,正式挑選辦公室的這天到來了,我們從早上八點半開始挑選。一開始沒什麼問題發生,只除了如果某人挑的辦公室是順位排在後面的人曾在模擬測試選中的,你可以感受到「那是我的辦公室,王八蛋!」這股憤恨之情,看樣子就算講明了只是模擬測試,對自己已經選定的辦公室的稟賦效應依舊會發生。接下來,發生了件怪事。下午一點十五分,輪到金融系教授路易吉.辛加列斯挑選,他看中了五樓的一間辦公室,因為其他幾名金融系同事聚集在那兒,路易吉天生就疑神疑鬼(他認為這是義大利家庭教養的結果),對他挑選的辦公室究竟有多大面積提出了質疑。

在場的建築師試著打發他,可是路易吉不為所動,最後她只好拿出正格的樓層圖,竟發現路易吉才是對的。他選中的辦公室比示意圖小了 20 平方呎(其實每間辦公室都頗大,多數面積在 180 至 230 平方呎之間,約 5 至 6.5 坪之間)。路易吉立刻改選附近另一間面積更大的辦公室,並且在回到自己的辦公室後分享這項發現,為保有競爭優勢,他自然沒在挑選之前向任何人提過這項懷疑。話很快就傳開了,已經做好選擇的人紛紛走進負責這次挑選流程的辦公室,要求重新丈量自己的辦公室面積,結果他們陸續發現幾個辦公室面積估算錯誤,許多人因而要求更換辦公室。整件事一團亂!此刻出城參加研討會的惠辛格終於返抵學校,挑選作業也在下午三點左右停擺,等候辦公室面積重新丈量。

-----廣告,請繼續往下閱讀-----

整件事變得一團亂!圖/pixabay

又過了幾天,校方公布重新量過的辦公室面積,這回連一些能夠優先挑選辦公室的同仁也不開心了,他們當中有些人的辦公室「縮水」,因此想換成其他後面挑選的人所選定的辦公室。這時候,惠辛格透過電子郵件出手擺平這件事,他宣布接下來的一個禮拜大家可自由更換辦公室,但是不可更換成任何其他人已經選定的,即便那個人的挑選順序在本人之後。結果這封信點燃了更多怒火。這段期間惠辛格到教職員休息室午休時,都戴著喜劇演員格魯喬.馬克思造型眼鏡,彷彿要隱姓埋名似的,他這付打扮贏得滿堂喝采,但是餘怒未消的那些人就沒笑得那麼開懷了。

挑選時很鬧心,實際用來差異不大

一年後,我們搬進了新大樓,大致來說一切都挺順心。事後回想起來,這整齣鬧劇最匪夷所思的地方是,儘管九處角落位置確實是風水寶地,可是其他的辦公室其實都大同小異,比起舊大樓的辦公室強了許多,雖然有幾間比其他的稍微大些,有幾間則窗外景致稍微好些,但是許多現在明顯感受到的差異,在挑選辦公室當下並不為人所察覺。舉例來說,五樓的辦公室最初十分搶手,或許是「越高越好」這種錯誤捷思造成的吧,可是五樓與四樓的景觀其實不相上下,而且大樓內的三個電梯當中只有一個會到達五樓,因此它也成了最擠、最忙碌的一個。面北的辦公室景觀最佳,可看到芝加哥市天際線,可是它們並非大家的優先選擇。

若說面北的迷人景致與中性光線是市場上深具價值的購買標的,那麼面積就是被過度追捧的商品了。辦公室的面積究竟是 190 平方呎,抑或 210 平方呎,根本就看不出差別。絕大多數來訪的外賓完全沒發現我們的辦公室面積不同,但是如果你在表格開端列出面積測量結果,這項因素勢必會被過度看重。只要出現數字,大家就會把它當回事。

-----廣告,請繼續往下閱讀-----

圖/pixabay

我的事後諸葛之見是認為,公然為教職員排列等級所引燃的怒火,其實可以藉由讓流程更透明化來加以緩和。舉例來說,他們或許可以公開總共有多少組界,這至少可以讓克萊放心,得知自己並非被刻意扔進挑選順序較後的群組。

我也認為,建築師拉菲爾.維諾理與他的團隊要負一些責任。雖然他們已經盡責地花了幾百個鐘頭向學生、教職員,以及行政人員說明這棟大樓的使用方式,也完成了一棟兼具美感與高度實用性的建築,卻沒人告訴那位在現場的建築師該如何分配辦公室。若他知道,說不定他會乾脆排除位於角落的辦公室。他還可以做一個小改變,雖然時機已經晚,就是讓道格.戴蒙的辦公室面積再稍微小一點。道格的辦公室在五樓,位於一個面朝東北的角落,而且還是所有辦公室當中面積最大的,這簡直是在運氣欠佳者的傷口上撒鹽。當時我建議,假如可能的話,建築師應該將他的辦公室部分空間挪給某個鄰居,藉此降低那間辦公室的優選價值,但是他只是一名建築師,而且「選擇建築師」這個名詞在當時還沒發明出來呢。

 

——本文摘自《不當行為:行為經濟學之父教你更聰明的思考、理財、看世界》先覺出版。

文章難易度
PanSci_96
1226 篇文章 ・ 2337 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
0
給你多少錢,才會願意放棄使用 FB ?社群軟體的體驗該如何被「金錢」衡量?──《資訊超載的幸福與詛咒》
天下文化_96
・2022/08/27 ・2405字 ・閱讀時間約 5 分鐘

使用社群媒體後,你變得更快樂還是更憂鬱?

想知道更多資訊的時候,你可能會上網搜尋。有時候是為了資訊的工具價值,比如透過 Google 地圖確認 A 地到 B地 的路線;腳踝扭傷時,也可以從網路上搜尋到應變的實用資訊;又或是並非真的出於任何用途,只覺得知道某些事很有趣,像是忽然想了解流行音樂歷史。你當然完全可以這樣做。

我們身邊有許多資訊都是一些抽象的概念,其中部分資訊卻可能和你切身相關。比如依據某些基本事實可以推斷你的預期壽命;某些資訊可以了解你的健康風險、未來「錢」景,甚至是個性。比起 10 年前,我們現在能得到的資訊更為詳盡正確,再過 10 年,肯定能夠知道得更多。

這章要談的內容很多,不妨開頭就先提示最大的重點:

研究顯示,整體而言,臉書會讓人變得比較不開心,而且可能感到憂鬱、更為焦慮,也對生活變得更不滿意。

你每天花多少時間使用 FB?使用社群軟體對你的心情造成了什麼影響?圖/Pixabay

我並不打算危言聳聽,事實上這些影響並不大。然而,它們的確存在。

-----廣告,請繼續往下閱讀-----

而與此同時,有些人明明已經停用臉書、也感受到幸福感明顯增加,卻又非常想要重新打開臉書。實際上他們要求要得到一大筆錢才願意放棄臉書。這是為什麼?我們雖然無法確定,但一項合理的解釋是,使用臉書的體驗,包括帶來的資訊,並不會讓人變得更快樂,但還是有它的價值。

無知並不是幸福,而很多人都感受到這一點。人們需要知道自己在意的資訊,這是因為喜歡、甚至珍視一種和重要的人之間產生連結的感覺。

若須付費才能使用社群媒體,會怎樣?

重要的是,我們必須強調,社群媒體的功能不僅僅是提供資訊,至少不是我在這裡反覆強調的揭露資訊的意義。你會使用臉書,可能是為了和家人或朋友聯繫,也可能是為了改善荷包或健康。但無論如何,社群媒體的一大重點在於資訊傳遞,雖然這個概念要比我目前所談的更為廣泛。

而這裡的核心問題是:社群媒體究竟多值錢?

-----廣告,請繼續往下閱讀-----

在社群媒體上,大部分的資訊是免費的,至少表面上你無須付費;或許可以說你仍需要付出注意力或個資等等。臉書和推特這些企業是從廣告獲得收益,但有鑑於相關爭議不斷,也有人認真討論起將這些平台及其服務的商業模式改成付費使用。

除此之外也有些偏理論的探討,主要關注在如何評估這些平台的經濟價值。要是民眾必須付費才能使用臉書,情況會變得如何?而民眾又願意花多少錢成為用戶?

要是社群媒體要付費的話,你們願意花多少錢呢?圖/LightFieldStudios

這些答案會透露出一些重要的資訊,讓我們知道社群媒體與一般資訊所擁有的價值。而回答這些問題,也有助於了解一些更基本的問題:如何計算經濟上的價值;知道某些消費決定可能只是表面工夫;了解傳統經濟指標與實際民眾福利有何差距(請見第二章)。此外,這些答案也會進一步影響政策與法規。

要你放棄使用 FB ,可能比要你付費使用來得更難?

行為經濟學特別感興趣的一個問題,就是「支付意願」和「願意接受金額」間可能出現的巨大落差。

-----廣告,請繼續往下閱讀-----

以臉書為例,如果我們想知道它能為我們帶來多少福利,究竟該問民眾願意為此付出多少錢,抑或該問要給他們多少錢才會願意放棄使用臉書?許多研究都探討過稟賦效應(endowment effect)的現象,也就是被要求放棄某樣商品時所要求的價格,會遠高於他們當初獲得這些商品時支付的費用

稟賦效應目前還有爭議,至少在適用的領域、來源與程度上仍未有定論。我們可能會想知道,使用社群媒體願意付出的費用,是否大於不使用社群媒體所得到的費用?如果是的話,傳統論點又能否提出說明?

IKEA 所設置的家具體驗區,常常被拿來當作「稟賦效應」的案例。圖/Pixabay

另一個同樣常見、甚至是更基本的問題,則是涉及支付意願或願意接受金額的衡量與民眾福利。我在前面也提過,在經濟學中,要是談到民眾擁有某樣商品時的福利效果,往往是以民眾願意付出多少錢來使用那件商品作為衡量。

當然,「願意付出多少錢」也是現實市場的衡量標準。但請回想一下,要提出這項金額,事實上也就是做出預測:預測該商品會對自己的福利造成什麼樣的影響。

-----廣告,請繼續往下閱讀-----

這個問題乍看不難,尤其當談到自己熟悉的商品(鞋子、襯衫、肥皂);但換做是從未使用過的商品,回答起來也就沒那麼簡單。對於一項從未擁有過的商品,哪知道能帶給自己多大的福利效果,以及可以換算成多少錢?

對許多人而言,臉書、推特、Instagram 等平台都是再熟悉不過的社群媒體,而且有著豐富的使用體驗。但出於某些我們馬上會討論到的原因,社群媒體用戶就是很難估算這些平台可以換算的金錢價值。

只要看看民眾提出使用社群媒體願意付出的金額,就會了解在尋求資訊上,「願意付出的金額」和民眾得到的福利效果似乎並不對等;同時值得進一步研究其中的福利效果究竟是什麼。

在這種時候,「願意付出的金額」只反映出部分的福利效果,還可能只反映一小部分。我們必須找出反映效果不佳的實際原因,並且嘗試找出更能呈現福利效果的方式。而我在這裡的目標,就是希望推進這項任務的進展。

-----廣告,請繼續往下閱讀-----


——本文摘自《資訊超載的幸福與詛咒》,2022 年 8 月,天下文化 ,未經同意請勿轉載。

天下文化_96
139 篇文章 ・ 621 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。