當你我該知道的科學知識，一輩子學不完時——《新生活判讀力》推薦序

• 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。

• 文／蔡旻諭、羅尹悅

你曾經跟爸媽解釋你在做什麼科學研究嗎？是不是覺得要講到對方聽懂有點困難？如果你是科學界的專家，要把你的研究成果講得清楚、明白又有趣，難度可比登天。好像摸摸鼻子回去寫科技部計畫還比較實際。

寫完一份新的科技部計畫，頭髮都白了，為什麼還要跟非相同專業領域的人，說明自己的研究內容？這是科學家的責任嗎？

來自德國由利希研究中心 (Jülich Research Center) 神經科學與醫學研究所的 Hans Peter Peters 說了，科學知識為社會帶來便利及創新的科技，同時為政策制定者提供建議。正因為科學知識如此重要，科學和大眾之間密不可分，也因此建立大眾對科學的信任很。重。要。當社會大眾不相信科學，便認為科學於己無關，不僅民眾不會把科學知識應用於生活中，整個社會也不會支持科學研究進行。

• 延伸閱讀：誰在乎科學新聞？德國教授 Hans Peter：科學傳播不只新知，更是科技治理與民主政治的關鍵

科學家都喜歡怎麼講科學？

既然和大眾聊科學這麼重要，那我們來檢查一下，現在的科學家都怎麼把科學知識散播出去。是每個科學家都想要和大眾溝通嗎？科學家又都喜歡用什麼管道和大家聊聊自己的研究？

世新大學傳播管理學系教授羅尹悅在 2016 年的研究中，訪談科學家偏好使用哪種方式與大眾溝通。這些方式包含：

1. 透過科學記者與大眾溝通
2. 自己寫科學知識網站、部落格、或社群媒體
3. 直接與大眾面對面聊科學
4. 其他方式
5. 我對與大眾溝通沒有興趣

從研究結果我們可以看到，不管是德國、美國或台灣的科學家，都最偏好以「面對面」的方式與大眾進行對話。

好的科學傳播，應該長甚麼樣子？

除了以「面對面」的方式來聊科學、寫部落格、經營臉書跟 Youtube、或找記者來幫忙，這些都可以把科學家想說的話告訴民眾。不過，到底用什麼方式才能很好地跟大眾聊科學呢？

當大家被填滿科學知識，就會「因理解而相愛」？

當前科學知識的傳播模式，學界大致歸類為兩種不同的取向：

1. 缺失模型 (deficit model)
2. 公眾參與模型 (public engagement model)

「缺失模型」的主要假設，認為民眾對科學的不信任，是因為「缺乏」科學知識所導致，如果民眾能夠更了解科學，他們就會愛上科學。因此增加大眾的科學知識水平，就能讓大家更相信科學。

缺失模型最常遇到的抨擊是「知識傳遞關係的不對等」：公眾在這個模型中被當作對科學知識一無所知，而科學家的角色就像是課堂中的老師，以為我講你乖乖聽就好。此外，這個模型假設民眾對科學，會「因為了解而相愛」，後來也被證明是想太多。

在 80、90 年代，也就是缺失模型盛行的時代，核能電廠的危機、基改食物的出現、狂牛病的失控，讓民眾越來越不相信科學。於是社會與科學之間，是不是因為更多的科學知識而互相了解我們不清楚，但是我們知道他們沒有因此更相愛，不然也不會出現後來的「公眾參與模型」。

大眾和科學家是平等對話的好夥伴

公眾參與模型強調「平等對話」，自然是希望以不同的方式重新取得大眾的信任。理想的公眾參與模型中，公眾不是科學家的學生，而是科學家的夥伴，透過對話與溝通取得共識，同時科學和科技發展也因為民眾的參與，而更有落實的可能。

但是，以上只是理想。

Peters 教授指出，公眾參與模型在實際落實時，仍舊不脫缺失模型的核心：知識傳遞，打著「對話」的名堂，其實只是想要說服民眾接受科技。而他也質疑，不同專業之間（公眾與科學家）如果沒有基本的知識基礎、共同語言，真的能夠產生有效對話嗎？

他認為，科學傳播的目的，不應侷限在知識傳遞，溝通原本就是民主中的一個環節；而溝通的目的也不應該是「增加信任」，因為這樣傳播的本質就會淪為話術的包裝。信任的建立，在於專業結果的展現。

科學研究給記者寫就好了，幹嘛需要科學家出馬？

多數科學家喜歡以「面對面」的方式與民眾對話，在 Lo (2016) 的調查中排名第二位的方式，則是與記者對話。不過以臺灣的情況，我們也許需要更多想像。

Peters 教授引用英國機構 Wellcome Trust 2018 年的調查結果，比較臺灣、中國、美國和德國，公眾對科學家、政府機構和記者的信任程度。

從研究結果發現，台灣民眾對科學家的信任程度，比中國、美國與德國等國家少一點。而對政府的信任，（除了不能問中國人民這個問題 XD）台灣也比其他國家少一些。而臺灣對記者的信任比起其他國家少非常多。

從三張圖的比較看來，科學家非常受到民眾信任，尤其在台灣，民眾對科學家的信任程度，比對政府及記者的信任程度大得多。雖然 Peters 教授認為，對於具有較深厚的科學記者基礎的德國而言，記者能夠以「超脫科學」的客觀觀點、公眾角度來看科學；但是在台灣人對記者的信任程度相較其他國家低落許多的情形來看，由科學家擔任科學傳播的角色，似乎比其他國家來的更重要了。

誰都不能少之科學家的投入

結論之此，比起科學家，臺灣的記者朋友們也許才是最需要重新贏得社會大眾信任的族群（突然開始檢討別人了）。但是不可否認的是，缺少了「健康的媒體」，臺灣的科學傳播發展會一直跛腳。於是，在有一個健康的媒體之前，極須科學家們的投入去填補這一塊空缺。

回歸「溝通作為民主」中的一環，科技部計畫是科學家的專業發展，在計畫寫作與研究執行中深化專業，希望用專業結果打造科學研究的聲望；而與公眾對話，則是科學家對於民主社會實際投入，民主社會追求的多元價值與創造力，需要科學家的知識分享才得已持續發展。

• 賴以威 / 臺灣師大電機系助理教授、「數感實驗室」共同創辦人

勾踐宣稱，很多人都忽略了大便所帶來的訊息。他只要嘗一口大便，評估其香臭程度，即能了解此人的健康狀態。這套論點在吳王夫差身上得到驗證。勾踐表示，夫差的大便其臭無比，表示病情不嚴重，一定馬上痊癒。事後證明也的確如此。

專家表示，目前尚未有夠多案例證實此種診斷方式的效用，不過可以肯定的是，絕對需要豐富的吃屎經驗才能進行判斷，建議有興趣的民眾可以先從吃自己的大便開始學習。

由兩國君主同時認證的「大便問診」，預料將在民間捲起一股新的醫療旋風。

—〈吃屎新風潮？兩國王室的御用診療方式．吳越春秋〉[註]

如果春秋戰國時代的新聞媒體和現代一樣蓬勃發展，《吳越春秋》紀載（註）這段勾踐討好夫差的事件可能就會變成這樣，搭配幾張網友分享吃大便的自拍照。

怎麼看這都是一件有點可惜的事情。新聞，說穿了就是每天的日常，發生在你我周邊的真實故事。人們從閱讀小說中認識人生百態，從閱讀論文中學會科學知識。理所當然地，我們也應該也能從一份報紙或一個媒體網站中，學到很多。

日前新成立的鏡傳媒，聘僱許多作家擔任記者，負責人物採訪。參加他們相關的鏡文學平台發布會，我才知道原來該公司想藉由作家敏銳的直覺，將人物採訪轉換為精彩的故事，改編成小說、電影劇本。比方說，年輕女孩到台鐵失物招領處任職，原來是當年母親曾在那裏工作，她想去尋找如今失散的母親是否有留下線索。這既是一則新聞，也是一件會讓人好奇想知道「然後呢？」的小說開頭。

鏡傳媒讓文學從新聞事件中誕生，黃俊儒老師和團隊完成的《新生活判讀力》則是從新聞中體現何謂科學與科學方法。如果你只是快速瀏覽，會覺得它是一本踢爆各種新聞中的偽科學：鹽酥雞、濾掛咖啡、保險套跟奶嘴都可能致癌、室內曬衣形同慢性自殺等等。這些新聞看起來都有科學依據或是專家背書，可真的是這樣嗎？書中會給你一個更清楚的答覆。

但仔細閱讀這本書就會有更深一層的體悟。你會發現，它是秉持著「做研究」的心態所撰寫。常人看完這類新聞後可能有些擔心（但一天後又邊吃鹽酥雞邊在室內晾衣服，睡前還喝了杯濾掛咖啡），可能嗤之以鼻。本書認真抽絲剝繭尋找論點的起源，各界對此的評論，最後再自己做總結。我們指導研究生的時候不也是這樣嗎？要求學生具備獨立思考的能力，不輕易接受或否定一個論點，得充分閱讀相關文獻，如此一來，不僅能夠對這個論點更清楚，過程中還可能建立自己出的觀點。

如今有些人覺得，學者專家的話聽聽就好，做研究沒什麼用也沒什麼了不起。的確是聽聽就好，因為自己的判斷力最重要，而如何建立自己的判斷力，做研究是一種學習的方法，閱讀以做研究的方法寫成的本書，也是一種方法。

科學是一個很長的故事，媒體要的只是快門的一瞬間

我個人覺得，要求媒體做出一則具備相當程度科學素養、具有啟發教化意義的新聞，某種程度上不太實際也有點強人所難，畢竟這在媒體的各項目標中，不是最重要的。但新聞可以是一個很棒的土壤，讓文學、科學、教育在這裡萌芽。作家可以將新聞改編成一篇精彩的真人真事小說；數學老師可以從房貸中教等比級數；水逆與火逆同時發生其實就是算最小公倍數；而這本書，就是讓讀者看見如何從新聞中學習科學知識，了解到什麼是學術研究。

希望閱讀完本書後，你也能來個這麼一次，對自己感興趣的新聞議題，深入研究分析一番。

• 註：原文為——
  越王曰：「下臣嘗事師，聞糞者順榖味，逆時氣者死，順時氣者生。今者臣竊嘗大王之糞，其惡味苦且楚酸。是味也，應春夏之氣。臣以是知之。」吳王大悅，曰：「仁人也。」乃赦越王得離其石室，去就其宮室，執牧養之事如故。

本文為《新生活判讀力：別讓科學偽新聞誤導你的人生》推薦序