NFC 的運作原理是什麼？為何它嗶一下就能完成感應、支付和開鎖呢？

• 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／雅文基金會聽語科學研究中心 研究助理 蔡宜欣

使用悠遊卡已經是現代台灣人的日常生活習慣，不論是搭乘捷運、公車，或是到超商、合作店家消費，只要將卡片靠近感應器「嗶」一下就能讀卡扣款，既便利又快速。不過，悠遊卡既沒有裝電池也不需要插入讀卡機，為什麼還能傳遞資料呢？

悠遊卡是怎麼辦到的？

西元 1831 年，英國科學家法拉第 (Michael Faraday) 發現，當磁鐵穿過不帶電的線圈中間或線圈經過靜止的磁鐵時，線圈會因為磁場變化而產生感應電流 (induced current) ，且當線圈匝數（圈數）愈多或是移動速度愈快時，產生的電流就會愈強，這樣神奇的「磁生電」現象就稱為電磁感應 (electromagnetic induction) ，也就是悠遊卡使用的原理之一^1,2。

悠遊卡使用的無接觸感應技術稱為 RFID（Radio Frequency Identification，無線射頻辨識系統），每張悠遊卡中都有 RFID 標籤 (Tag)，雖然標籤本身不會放電，但當它靠近讀卡機 (Reader) 的磁場周圍時會透過電磁感應的原理讓標籤上的線圈產生電流，這個電流便足以供應標籤將資訊傳到讀卡機。

不只是悠遊卡，舉凡感應式信用卡、高速公路電子收費 ETC (Electronic Toll Collection) 、圖書館或商店的防盜裝置、宿舍門禁卡、寵物晶片等也都是使用RFID 的技術呢！

手機 NFC（ Near Field Communication，近距離無線通訊）則是 RFID 的延伸版，同樣是使用電磁感應進行運作，差別在於 RFID 屬於單向提供資訊，NFC 則是讓短距離的兩方設備間能雙向交換資訊，過程快速又安全，有了NFC 功能的手機便可以進行我們耳熟能詳的行動支付^3-6。

電磁感應也能這樣用

家中的電磁爐也是利用電磁感應的原理，電磁爐內部的線圈會不斷交替磁場，間接讓金屬鍋具產生渦電流 (Eddy Current) ，達到電流生熱的效果，便能加熱鍋中的食物^7,8。除此之外，電磁感應也可以用於傳遞音訊喔！

想想看，今天到電影院欣賞一場電影，旁邊觀眾討論劇情或偷講電話的干擾是否讓你的理智線快斷裂？對於聽損人士來說，雖然他們的助聽器可以將外部聲音合適的放大，讓聲音訊息變得「清晰」，但當外部聲音訊息是來自於電子設備時（如：小蜜蜂、喇叭、廣播系統），助聽器麥克風會將這些「電子設備處理過的機械音」再次處理後才播放，導致聲音在數次的轉換過程容易「失真」，自然音效品質便容易因此打折，更甭提旁邊可能還有其他觀眾發出的擾人噪音，讓看電影不再是一件浪漫又享受的事情。

這種時候，使用 T 線圈 (Telecoil／T-coil) 就能幫助聽損人士聽得更清晰！多數助聽輔具都有 T 線圈，是透過導線纏繞在鐵氧體 (ferrite) 材質的棒子上所組成的，聽損人士只要在設有聽力／電磁感應線圈系統 (Hearing Loop / induction loop system) 的環境裡開啟「 T 功能」，金屬線圈便會產生交流電，將目標音源訊號接收後直接調整並放大，避免數次的聲音處理，讓使用者聽到清楚又純粹的聲音^9,10。

T 線圈與藍芽、遠端麥克風系統差在哪？

可以無線傳遞音訊的科技不只有一種，除了 T 線圈之外，助聽輔具也常具備藍芽功能 (Bluetooth) 或可搭配遠端麥克風系統 (Remote Microphone) ，那這三者有什麼不一樣？

藍芽功能雖然便於聽音樂、接聽電話，但會受到距離和特定助聽輔具型號的限制；遠端麥克風系統雖然可以與主講者戴的專屬麥克風連接，但在設備連接的數量及輔具的配對上仍較容易有所限制。

T 線圈則不同，大多數助聽輔具都有這樣的裝置，且感應線圈的設置也可以依照場地需求變更，範圍可以是一個運動球場大，也可以僅環繞在聆聽者周圍（如：設置於地板或椅子上），只要有裝設的地方就可以使用⁹。

比起其他個人化的無線裝置，T 線圈省了逐一配對的步驟，只要在裝設的地點內活動，也不會受到距離所限制，同時在感應範圍內還能多人使用，因此這項科技大多被運用於公共場所，例如國外的車站、教堂、學校、博物館或歌劇院等^11,12，讓聽損人士能輕鬆欣賞演奏、導覽或演講而不被雜音或距離所干擾，落實生活無障礙！

用電磁感應打造無障礙社會

目前台灣在國家兩廳院服務台、國家圖書館教室與演講廳、宜蘭演藝廳都有提供感應線圈的服務^13-15，然而國內有提供這項服務的場域仍不常見。特別是在車站、機場或商店等回音很重又吵雜的場所，我們通常得要很仔細聽班機／車次廣播資訊才能依稀辨別，更別說對聽損人士而言這樣的困擾會更加倍增；若在這個時候可以有T功能可以使用，相信他們就能更輕鬆的聽到廣播。

從每天都在使用的悠遊卡、行動支付、電磁爐到聽覺無障礙設施，在生活上的電磁感應應用可能比你想得還多，這些發現與發明提升了我們的生活品質，讓生活更加便利。今天通勤的路上也可再仔細觀察看看，還有哪些產品或服務是使用電磁感應呢？

參考資料

1. 【基礎】電磁感應
2. 麥可‧法拉第
3. RFID 與 NFC 技術有什麼不同？
4. 從悠遊卡到 Apple Pay：漫談 RFID 與 NFC 技術
5. https://kknews.cc/zh-tw/tech/6k9xyxl.html
6. RFID原理與應用
7. 電磁爐 (Electric Oven)
8. 電磁爐
9. T-Coils: Getting The Most Out Of Your Hearing Aid
10. Harvey Dillon（2019）. 助听器：第二版（胡向阳）。北京：华夏出版社（原著於2012出版）
11. How New York City Hears People With Hearing Loss
12. Hearing Loop
13. 雅文基金會臉書
14. 無障礙服務｜國家兩廳院
15. 國立臺灣圖書館——聽障服務