同儕審查時，該不該讓審閱人知道論文作者是誰？

• 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。

醫學論文造假事件

去年醫學論文造假事件鬧到最鬧烘烘時，很多圈內的朋友也都不約而同做了很多相同的夢，內容非常真實又刺激，曲折離奇到說出夢境都絕對要發表不自殺聲明。

毫不例外的，現實當然也要比很多影視作品還更變態，狗血狂灑到編劇都嚇到吃手手，不信看看從造假後一路走來，台灣高等教育和學術圈在面對愈來愈嚴峻的國際競爭壓力下，各種明爭暗鬥、扯後腿、落井下石，真是令人眼花撩亂，難怪台灣書市的大眾小說幾乎全都變小眾了，因為讀報紙就比大眾小說精彩。

醫學論文造假事件後，除了造成有學校沒有校長，很多新同事和助理、學生要去上所謂的學術倫理課，以及信箱不時收到誠信電子報，在制度和體制上幾乎沒有任何改變。相信再來一次，同樣的戲碼又不會不再重演一遍，然後更多無辜的人要逼得寫作文，或小說。

讓科學界莘莘學子重新點燃希望

這是一個很難讓人樂觀的年代，不過在這個現實虛構顛三倒四的惡質現狀下，慶幸的是有部優異的作品橫空出世了！在紛紛擾擾的環境中，這本小說卻很瘋刺的比讀報紙才知道的事情還來得更像是真實的！

在一系列造假事件中，學術圈內異常的安靜，就連我夢中在醫院裡工作的線民，都回報說醫院內所有人上班時都完全不像聽說任何事一樣，在茶餘飯後都完全沒人想要提到這件事，一整個河蟹到可怕，據說膽敢要說八卦的話，都要作夢跑離院外好幾公里外才行，果然比台日版的《白色巨塔》（白い巨塔）還變態，還好是作夢夢到的。學術圈內的大佬也沒人敢出來批評什麼，只有個位數學者敢在媒體上大量投書。

就在那幾位膽敢大量投書媒體的人物中，最突出的就是國立宜蘭大學生物機電工程學系特聘教授 ──《科學月刊》、《科技報導》前總編輯蔡孟利老師，以專業證據、實際訪談為基礎，提出強力的質疑，是極少數的正義之聲。據說他母校已有很多師生及校友感到 ⋯⋯ 因此，台灣就平添了一位優異的小說家！

龍困淺灘，不死也傷！

科學的價值、教育的價值、大學的價值，在純粹的名利追逐下，無形中崩壞！有人還敢說在學者和官員的這些作為下，能帶給社會正面的力量，以及給予莘莘學子追求和現實夢想的勇氣嗎？！難怪人才加速流失。好棒棒，沒有關係，很可以，我們還有小說《死了一個研究生以後》。

在「死了一個研究生以後」 ……

在細胞培養室裡無預警地開了一氧化碳自殺，然後她就死掉了。讓一個宅男在十幾天中步向人生中，比做實驗追求知識更真實的探索之旅，探索學姐的死因、探索人生中的其他面向、探索愛情。科學研究，原本就是要犧牲一個人很多很多青春和精力的，可是換來的不是高尚的理念，而是成了追名逐利下被吃掉也不痛不癢的小棋子，都不知大人要怎麼教小孩了。

原本以為，《死了一個研究生以後》只是一本人物對白簡單的爆料驚悚小說，可是沒想到這卻是一本文學性頗強的小說，甚至讓人忘了真實世界中的論文造假事件，即使真實的世界的夢境中，真的死了人。

我相信，沒讀過《死了一個研究生以後》的朋友遠超過讀過的，因為讀過的朋友見面時都不約而同問對方讀過了沒，即使不是生科人，也讀得津津有味。很難想像理工宅的處女作，就交織出複雜的劇情、深厚的感情、合理的線索，讓讀者跟著一位宅男抽絲剝繭，並且在宅了很多年的象牙塔脫困後在現實世界中遭遇各種逃避過的衝撞，簡直就是本宅男的異想世界，宅得很精彩！

《死了一個研究生以後》中的命案把一自以為投身科學研究的宅男搞得七葷八素，現實中更多阿宅的故事只恐怕更杯具。《死了一個研究生以後》把一個宅男的生活和心理刻畫得入木三分，包括對正妹們的諸多性幻想。我雖然一點也不宅，但看看周遭的宅男們，也感到好親切和熟悉。

作為一部傳說中的推理小說，《死了一個研究生以後》是有些不足，就是壞人實在太善良了，果然學界大佬都還是吃素的，讓結尾對照整本小說而言顯然不夠緊張刺激。連邪惡的老闆也只能拿科學哲學大師孔恩 (Thomas S. Kuhn，1922－1996)《科學革命的結構》(The Structure of Scientific Revolutions) 的典範論來打打嘴炮，讓我真想巴他兩下，用力打臉說他怎麼知道他的典範不會被轉移掉，造個屁假啦。然而，瑕不掩瑜，近年台灣已少有這麼優異的小說問世了！

泛科學現在推了個泛科幻獎，徵求短篇和中短篇科幻小說。我已想好兩部科幻推理小說的題目了：《死了一個大學校長以後》，以及其續集《死了一個教育部長以後》，請大家拭目以待，期待都能在夢中讀到這兩部劃時代的巨著！

最後，本人在此特地聲明：

本人樂觀開朗，身體健康，無任何使我困擾之慢性病或心理疾病，故絕不可能做出任何看似自殺之行為。

本人從無睡眠困擾，故不需服用安眠藥。

本人不酗酒亦不吸毒，也絕不會接近下列地點：
1. 開放性水域
2. 無救生員之游泳池
3. 有高壓、危險氣體，或密閉式未經抽氣處理之地下室、蓄水池、水桶等
4. 無安全護欄之任何高處
5. 任何施工地點（拆政府除外），包括製作消波塊之工地
6. 任何以上未提及但為一般人正常不會前往之地點

本人恪遵下列事項：
1. 車輛上路前會檢查煞車部件、油門線等，並會在加油前關閉車輛電源與行動電話。
2. 絕不擅搶黃燈、闖紅燈。
3. 乘坐任何軌道類交通工具一定退到警戒線後一步以上，直到車輛停妥。
4. 騎乘機車必戴安全帽；乘車必繫安全帶。
5. 絕不接近任何會放射對人體有立即危害的輻射之場所（如核電廠）或設備。
6. 颱風天不登山、不觀浪。

本人將盡可能注意電器、瓦斯、火源之使用。

本人居住之房屋均使用符合法規之電路電線，絕無電線走火之可能；也絕未在家中放置過量可燃性氣體或液體。浴室中除該有之照明外，不放置任何電器用品，並在睡覺前關閉除電燈、冰箱、電扇外之所有電器開關。

本人絕不會與隨機的不明人士起衝突，並盡可能保護自我人身安全。

所以若網友在看完此聲明之後，近期或將來發現此帳號不再上線，請幫我討回公道，謝謝。

本文原刊登於 The Sky of Gene。

論文發表是科學家生涯中最值得大肆宣揚的指標之一，也是每位研究人員最不願自己履歷缺少的一塊。令人感到安慰的是，一篇發表在PLOS ONE的研究指出，只有不到百分之一的科學家有每年發表一篇期刊論文。

而這150,608位科學家支配著研究期刊界，他們的名字出現在41%的科學論文中。在被高度引用文章中， 我們可以在87%的論文共同作者欄中找到這群精英。

由史丹佛大學的流行病學家John Ioannidis領導，SciTech Strategies 的Kevin Boyack與Richard Klavans分析 Elsevier’s Scopus資料庫，檢視了1996到2011年間所發表的一千五百萬位來自世界各地、各個研究領域的科學家。

Ioannidis表示：「我決定做這個主題是因為我此生已看過太多有才華的人無法以目前有限的資源、在現今的環境下生存。」他雖然懷疑僅有非常少數的科學家能夠一年發表一篇科學論文，但比1%還少的研究結果依舊讓他感到十分意外。

一年發表多於一篇論文的科學家的排行顯著地減少：

• 兩篇或兩篇以上：68,221
• 三篇或三篇以上：37,953
• 四篇或四篇以上： 23,342
• 五篇或五篇以上：15,464
• 十篇或十篇以上：: 3269

Ioannidis認為，這些多產的科學家中，許多都是實驗室或是研究團隊的領導者；他們取得經費、督導研究，並把他們的名字寫進無數個有研究發現的論文中。其他的則可能是具足夠的就業保障與時間，能夠自己去做大量研究的科學家。

然而這些多產的實驗室中仍有許多像是發條般存在的工作人員為了這些論文辛苦著。Ioannidis與其共同作者在論文中寫到：「在我的學科中，可能存在非常多的博士生以廉價勞力的形式投入研究。」這些學生可能花了費數年在研究上，但最後只發表了一篇、或寥寥幾篇論文。「如此說來，研究系統可能正在剝削數以百萬計的年輕科學家的心血。」Ioannidis表示。

若Ioannidis只能選一件事做，他會建議散播資源去給予廣大的科學家們更多的機會，尤其是那些年輕的科學家，幫助他們確保論文產量的持續性與卓越的品質。

參考資料：

1. The 1% of scientific publishing. Science [11 July 2014]
2. Ioannidis, J. P., Boyack, K. W., & Klavans, R. (2014). Estimates of the continuously publishing core in the scientific workforce. PloS one, 9(7), e101698.