提早三十年預見電腦功能的人──英格巴特誕辰｜科學史上的今天：1/30

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

技術的進步是基於讓它適應你，因此你可能根本不會真正注意到它，所以它是日常生活的一部分。
——比爾．蓋茨（微軟公司創辦人之一）

幾天前與內人米天寶到一家常去的餐館，沒想到已經換了主人；找到一張桌子坐下後，好久都不見服務員上來打招呼；正覺得奇怪時，唯一的服務員終於出現了。內人迫不及待的馬上要菜單，「對不起，我們這裡沒有菜單，請掃描點菜。」內人哦了一聲，不知所措……還好有不落伍的老公在旁，因此總算沒有餓著肚子回家吃泡麵。

又半年前，與三位高中同學聚餐，餐後有位同學問怎麼從這裡到他弟弟的地方……，我回答說路就在你的口袋裡：「嘿，谷歌（Google），導航到……」。再又大約 1 年前，與一對老夫妻同事不知道怎麼談到了 228 事變，先生突然問那是哪一年發生的，沒有人能回答；我突然想到答案就在我口袋裡，拿出手機：「嘿，谷歌，228 事變是哪一年發生的？」

1970 年，林孝信等人在芝加哥大學創辦《科學月刊》時，日常所用的的工具是：紙張、鉛筆、橡皮、透過郵寄傳送的書信、及非必要不用的長途電話或傳真。在下圖中可以看到當時筆者用手寫的第 1 期文章「什麼是半導體」、審稿意見表、審稿人的修改、科學月刊專用稿紙、以及筆者在加州做論文時給總部林孝信的信封。這些工具現在都可以算是古董，早不是《科學月刊》運作模式，也已全部在筆者日常生活中退役了！

是什麼重大科技的發展造成了這些改變呢？年輕的讀者或許不知道，但是筆者回想起來都覺得有點可怕，真不敢相信將不少筆者這一代人甩停在「石器時代」的巨大變化就在筆者後半生中發生！

讓我們在這裡一起來回顧這 40 年來的科技大里程碑吧。

個人電腦

筆者 1975 年回到清華，隔年的暑假為高中化學教師進修班開了一門相當受歡迎的（台灣非法組裝的）蘋果個人電腦程序課。那時個人電腦才剛問世不久，但已經慢慢地引起廣大群眾的注意與興趣。

因此到了 1981 年，曾經是全世界最賺錢、最受歡迎品牌的大型電腦計算機公司 IBM（International Business Machines）終於被迫進入個人電腦市場。IBM 的聲名很快地使個人電腦在消費群眾裡達到臨界量，但那時使用者必須記得電腦語言及程式名字才能執行。

1984 年，蘋果電腦公司（Apple Computers）推出了 Macintosh 後，個人電腦市場才真正開始起飛。Macintosh 導入電腦鼠標，其「所見即所得」（WYSIWYG, what you see is what you get）界面更讓使用電腦變得非常簡單^[1]：只要會按鼠標就好，不必再記那些電腦語言及程式名字。隔年，微軟（Microsoft Corporation^[2]）也推出了具鼠標及「所見即所得」界面的 Windows 操作系統後，儘管個人電腦成為主流還需要幾年時間，但毫無疑問地個人電腦時代已經來臨了！

在個人電腦出現之前，每到月底筆者就為了與銀行對帳搞得頭暈腦脹（時常對不起來）；1993 年後，筆者便開始使用「個人賬戶管理軟體」Quicken，現在不但帳目了然，核對更大部分只是一分鐘的事情而已：它早已經是筆者日常生活中不可或缺的一部分！另一個則是微軟的「文件處理軟體」Word。但後者因間接地涉及到人工智能的應用，所以留在後面再做詳細討論。

互聯網與萬維網

互聯網（internet）始於 1960 年代，為美國政府研究人員共享信息的一種方式。它的發展有兩個原因：

1. 60 年代的計算機體積龐大且固定不動，為了利用存儲在其它地方的計算機信息，人們必須通過傳統郵政系統發送計算機磁帶；
2. 另一個催化劑是蘇聯於 1957 年 10 月 4 日發射人造衛星 Sputnik，促使國防部考慮即使在核攻擊後仍能傳播信息的方式，因此發展了阿帕網（ARPANET，Advanced Research Projects Agency Network，高級研究計劃署網絡）。

阿帕網雖然非常成功，但其成員僅限於某些與國防部有合同的學術和研究組織，因此創建其它網絡來提供信息共享是無可避免的……。

開始時各計算機網絡並沒有一種標準的方式來相互通信。科技學家終於在 1983 年 1 月 1 日建立了「傳輸控制協議／互聯網協議」（TCP／IP）的一新通信協議，使不同網絡上的不同類型計算機終於可以相互「交談」，現在的互聯網於焉誕生，因此當天被認為是互聯網的官方生日。阿帕網和國防數據網（Defense Data Network）後來也正式改用 TCP／IP標準，因此所有網絡現在都可以通過一種通用語言連接起來。

1989 年 11 月，第一個提供商業互聯網服務（ISP, internet service provider）公司 The World 在美國出現。儘管當時電話撥號連接只能以每秒 5 萬 6 千位元的慢得令人痛苦的速度下載^[3]，與現在的所謂寬帶（broadband）之至少 2500 萬位元的速度相比，真是小巫見大巫，但在兩年就產生了廣泛的消費者基礎。1991 年，美國國家科學基金會（NSF）看到該公司打開了這似乎再也關閉不了的閘門，終於解除了對商業 ISP 的禁令。

1989 年，為了滿足世界各地大學和研究所的科學家對自動化信息共享的需求，英國計算機學家伯納斯－李（Tim Berners-Lee）爵士在瑞士歐洲核子研究中心（CERN）提出了萬維網（WWW, World Wide Web）的構想：在互聯網上建立一種可以透過「超文本鏈接」（hyperlink）將文檔連接到其它文檔的信息系統，使用戶能夠從一個文檔移到另一個文檔來搜索信息。

伯納斯－李 1990 年底成功地展示了包括 WWW 瀏覽器和 HTTP 服務器的系統，於 1991 年 1 月開始提供給其它研究機構。1991 年 8 月 23 日向公眾發布後，兩年內出現了 50 個網站。現在全世界的網站已經高達 20 億個！

1994 年 10 月 13 日第一款「商業化」網絡瀏覽器 Netscape 問世，四個月內即佔據了四分之三的瀏覽器市場上；配合了個人電腦「所見即所得」的快速發展，上網已漸成為全民運動。2000 年代初期所發展出在一條電話線中可以同時負載電話和互聯網之技術^[4]，更為互聯網注入了新的活力，使用戶可以同時上網和打電話，提供了可以「永遠在線」的互聯網服務。

離開學校或研究機構後，互聯網、萬維網、網絡瀏覽器、谷歌搜索引擎便成了是筆者寫作時尋求資料的必要工具。例如筆者在 2005 年寫《量子的故事》第二版時，如果不是它們的幫助，根本是不可能的工作！而現在寫這篇文章也是因為它們在陪伴著筆者才能快速完成的。

還有，筆者的所有經濟活動都已經是「無紙」（paperless）化了：水、電公司以及銀行等用電子郵件（見後）寄賬單後，自動提款；退休金、社會福利金每月自動入賬；銀行間可以隨時互相轉賬；……；因此可以整年不上銀行，也可以在遙遠的區域銀行開利息比較高的戶頭。股票的交易更是不可同日而語：以前根本看不到股票的瞬間動盪，買賣股票必須打電話給券商下單；現在都是瞬間個人操作！

電子郵件

早期的電腦使用者只能在同一台電腦裡留言。1971 年，麻省理工學院畢業生湯姆林森（Ray Tomlinson）在阿帕網工作時想出了創建一個使用 @ 符號的程序，使用戶能夠在阿帕網系統中的電腦間互發送消息。

沒過多久就有人找到了使用電子郵件賺錢的方法。1978 年，圖雷克（Gary Thurek）為當時 IBM 大型電腦勁敵 DEC（Digital Equipment Corporation）向數百名阿帕網用戶發送電子郵件推銷一款新產品，聲稱為該公司帶來了 1300 萬美元的銷售額，並為自己贏得了「垃圾郵件之父」的美名。 

1982 年，「簡單郵件傳輸協議」（SMTP）標準化了郵件服務器發送和接收消息的方式。其它協議如互聯網「消息訪問協議」（IMAP）和「郵局協議」（POP），相繼在 80 年代中期出現。1993 年，美國兩家大商業互聯網服務商（AOL 和 Delphi）將他們的電子郵件系統連接到互聯網，使用戶能夠利用這種簡單快捷的通信方式。1996 年，微軟 Hotmail 成為第一個完全基於互聯網的免費電子郵件服務；一年後，微軟發布了預裝在 Windows 中的電子郵件程序。

現在的電子郵件當然已經不再只是當初之文字的傳送而已：圖片、網站連接、語音等等都可以透過電子郵件瞬間傳送到地球的另一方；真不敢想像當初一篇文章寄到台灣後、至少兩個禮拜才能收到回音的日子是怎麼過的？！

2012 年，湯姆林森在專門討論技術如何改變廣大群眾未來生活的「The Verge」網站裡謂：「我看到電子郵件的使用方式大體上與我預想的完全一致」。

智能手機

手機（cell phone）和車載電話（car phone）早就存在，但當時只能用來打電話（因為少見及昂貴，擁有它們事實上是一種身份的代表）。80 年代初手機網絡開始出現後，手機便慢慢取代家用電話成為無線便攜式電話。1999 年，加拿大「動態研究」（Research In Motion）公司推出可以傳接電子郵件的黑莓（BlackBerry）手機；2002 年進一步推出了一款「允許用戶管理他們所有的業務通信和信息、永遠在線、永遠連接的時尚……無線手持設備」的智能手機後，黑莓手機迅速成為商務人士必備的生活工具。

2005 年 7 月，谷歌收購移動操作系統「安卓」（Android）。蘋果電腦公司於 2007 年元月推出具有應用程序功能和突破性互聯網通信工具的結合體手機 iPhone；緊接著， 台灣宏達國際電子股份有限公司於 2008 年 9 月推出第一款商用安卓操作系統的智能手機。

2010，谷歌當時的企業發展副總裁勞維（David Lawee）回憶說這是谷歌「有史以來最好的交易」。誠然也！現今，安卓及蘋果手機操作系統（iOS）幾乎已經控制了整個智能手機市場。

現在的手機已經不再只是打電話的工具，而是將巨大的計算能力置於我們的掌中，帶領廣大的群眾進入了掌上個人電腦領域，徹底地完全改變了我們的日常生活方式！

人工智能

前面提到「文件處理軟體」是筆者日常生活中不可或缺的一部分！但真正讓筆者丟掉紙張、鉛筆、和橡皮擦的並不是它，而是谷歌的「語音轉文字軟體」。說來慚愧，筆者以前國文沒學好，不會注音符號；因此雖然有「文件處理軟體」，筆者還是沒有辦法輸入中文。

因此曾有一段時間「威脅」《科學月刊》，謂如果不找人幫打字，那就不寫了。筆者當然心知肚明，隨著科普文章的作者越來越多，這「威脅」遲早會不管用的，因此很早就想用「語音轉文字軟體」。但早期的「語音轉文字軟體」似乎聽不太懂筆者的台灣國語，錯誤百出，因此只能心有餘而力不足的感嘆而已。

「語音轉文字軟體」所使用的思考方式不是寫傳統軟體的邏輯，而是「人工智能」（artificial intelligence）的運用。但中文「童因志泰掇」，因此人工智能必須比較「聰明」，相對地發展也比較慢。但今日的中文「語音轉文字軟體」已非昔比；如果沒有它，筆者在中文文章寫作以及通訊上，不是丟不了紙筆，便還是一位只能用英文的「假外國人」！

今天的「人工智能」不但是能支持語音轉文字的智能設備、還會與你下棋、幫你開車！事實上當然不止如此：如前面所說的，還可以隨時回答你的歷史與地理之無知！你想知道現在的高中生如何做數學作業嗎？只要將問題用智能手機照相下來，就可以立即得到答案！不懂中文的外孫女有一天突然用中文發簡訊給筆者問：「為什麼需要學第 2 種外國語呢？」

去年 11 月 30 日美國舊金山 OpenAI 公司提供了一款免費的人工智能軟體 ChatGPT，它不但可以回答你任何問題、跟你聊天，還可以快速（以秒計）幫你寫散文、詩歌、文章。這不但立即引起整個教育界的震撼，也成為報章雜誌熱門討論的話題！過年後，不少公立高中學校便迫不及待地宣布禁止裝置及使用。

斯坦福大學教育學助理教授萊文（Sarah Levin）說：「如果你要它（對一些流行小說）進行文學分析，它會做得很好，幫你寫一篇會讓許多老師很高興、希望自己的學生都能夠寫出來的 B+ 文章！」寫一篇散文是美國大學「入學考試」中非常重要的一個評估標準，不知道他們以後將如何如何處理這一問題？

斯坦福大學「科技工數」（STEM）教學與學習實驗室的負責人李（Victor Lee）也說：「從技術層面來看，就像谷歌超越所有的網路搜索引擎，或 Netflix 改變了人們對流媒體內容的期望一樣，它（ChatGPT）將沖擊（整個）教育系統。……我們正處於一個新時代。」

這到底是好是壞？ ChatGPT 回答說：「在校使用我或其他語言模型可以成為加強教育的寶貴工具；但重要的是要謹慎對待這項技術，並確保以有利於學生學習的方式使用我」。

結論

因為筆者覺得很有道理，在這裡我們就用被誤傳是愛因斯坦所說的話來結束吧：「我害怕技術與我們的人性重疊的那一天，世界上只會有一代白痴」^[5]。看來那一天已經離我們不遠了！？

在此先警告讀者：或許筆者下篇文章已經不是自己寫的了^[6]！

註釋

1. 這兩項技術（鼠標和「所見即所得」）都不是蘋果電腦公司的創見，市場上均早已有之。SRI International 的 Douglas Engelbart 於 1960 年代初開始開發鼠標；鼠標控制計算機系統的第一次公開演示是 1968 年。因其對後來使用個人電腦的重要性發展，該次演示被稱為「所有演示之母」（the mother of all demos）。到 1972 年，從 Engelbert 得來的靈感，隔鄰 Xerox 公司的研究單位 PARC 之圖形用戶界面技術已經發展到可以支持第一個 WYSIWYG 編輯器的程度；1974 年，Butler Lampson、Charles Simonyi、及其團隊推出了世界上第一個所見即所得的文檔處理程序 Bravo。
2. IBM 一直不看好個人電腦，也害怕個人電腦侵蝕了大型電腦的利潤，因此對個人電腦的發展一直採取消極的態度，所以將操作系統的發展工作交給了微軟。
3. 可以看到一個接一個的英文字母在螢幕上出現。
4. 在這之前，人們無法同時打電話和瀏覽互聯網，為了避免家庭爭執，許多家庭（包括筆者）均被強迫裝上兩條電話線。
5. 愛因斯坦：「我們的技術已經超越了我們的人性，這一點已經變得非常明顯。」
6. 事實上現在人工智慧的最大問題是：還沒辦法個性化！所以是寫不出這句話來了。

延伸閱讀：
「網路安全技術與比特幣」（科學月刊 2018 年 6 月號），轉載於「財團法人善科教育基金會」的網站。

1983年的今天，賓州理海大學（Lehigh University）的電腦安全研討會上，剛從南加大拿到博士學位的柯恩（Fred Cohen, 1956－　）向台下聽眾展示手上的磁碟片。他向大家解釋裏頭有自己所寫的一段小程式，它隱藏在一支合法的Unix程式之中。接著他將磁碟片插入台上的迪吉多電腦主機VAX-11/750，五分鐘之內即取得系統的控制權。

柯恩告訴大家這種小程式叫「電腦病毒」，因為它可以感染電腦，複製自己，並且散佈到其它電腦。柯恩又做了四次試驗，證明電腦病毒可以繞過當時的各種安全機制，平均不到半小時就成功取得控制權。

這是人們第一次目睹電腦病毒的強大威力與潛在威脅，電腦病毒這個名詞也自此成為此類程式的統稱。事實上，柯恩在幾個月前的博士論文就描述了這一切，正是他的指導教授阿德曼（Leonard M. Adleman, RSA加密法的三位發明人之一）建議他使用病毒這個詞。

不過若不考慮危害性，更早之前就有自我複製並散佈到其它電腦的實例了。1971年，參與建置ARPANET（internet的前身）的BBN技術公司為了測試，由程式設計師湯瑪斯（Bob Thomas）寫了支程式，感染網路上的迪吉多PDP-10電腦，在螢幕上顯示「我是偷窺者，有本事來抓我！」（I’m the creeper, catch me if you can!）。

之後再由另一位程式設計師湯姆林森（Raymond Tomlinson）放了另一隻叫「收割者」（Reaper）的類似病毒，但它的作用是找到「偷窺者」病毒，將它刪除；因此「收割者」算是第一個解毒程式。順帶一提，正是湯姆林森制定電子郵件在網路上的傳送方式，「個人帳號@電腦主機」就是由他制定的。

以個人電腦而言，最早的病毒出現在1982年，一位15歲的高中生Rich Skrenta寫了個名叫「麋鹿複製者」（Elk Cloner）的程式，隱身在遊戲程式中，只要曾用這張磁碟片開機，病毒就會常駐在電腦的記憶體中，繼續感染之後插到這台電腦的磁碟片，因此散佈到周遭朋友的Apple II個人電腦。與「偷窺者」一樣，「麋鹿複製者」只會跑出一段打油詩，沒有其他危害。

隨著電腦數量不斷成長，電腦病毒也越來越猖獗，危險性也越來越高。而且正如柯恩當年預言的，並沒有方法可以完全阻擋病毒；在現今網路盛行的時代，更是防不勝防，或許你我的電腦中早已潛伏著電腦病毒，只是我們一直沒有察覺哪！

本文同時收錄於《科學史上的今天：歷史的瞬間，改變世界的起點》，由究竟出版社出版。