林奈出版《植物種誌》│科學史上的今天：5/1

• 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。

前華盛頓郵報記者蒙特．瑞爾（Monte Reel）這本《測量野性的人》，是維多利亞時代動物獵人保羅．梮謝呂（Paul Du Chaillu）深入西部非洲追獵大猩猩的故事，也是一部科學與文學、神學互動的歷史。中譯書名少見地比原文更有深意。書名若依原文直譯為「人獸之間」（Between Man and Beast）雖也不差，但總覺得少了些想像空間。

作者在本書開頭寫道，他「深受『野性』（wildness）這個字眼所吸引，特別是它塑造我們恐懼和夢想的方式，以及這些恐懼和夢想又如何反過來重新塑造我們對荒野的概念。」保羅．波嘉德（Paul Bogard）在《夜的盡頭》（The End of Night）這本書提到，梭羅的名言「野性隱藏著世界的救贖」（In Wildness is the Preservation of the World），其中的「野性」一詞經常被誤解為「荒野」（wilderness），但梭羅所指的野性是一種不受地理限制的特質，不只存在於荒野，也存在於城市及人的思想中。野性不只存在於大猩猩身上，也存在於保羅．梮謝呂身上。蒙特．瑞爾同時也藉由描繪梮謝呂的生平，帶出兩個主要歷史場景──維多利亞時期的英國及南北戰爭前夕的美國，那是一個極力否認人性中具有野性與獸性的時代。

在當時的英國，人的神聖性即將被野性動搖。在達爾文的《物種原始》於 1859 年出版前，地質學和古生物學上的發現已經讓《聖經》的權威搖搖欲墜，學界也已出現物種嬗變的想法，但是這些理論與達爾文版本的演化論最大的不同，就是仍試圖保持人類的特殊地位，例如理查．歐文（Richard Owen）雖然承認物種會演化，但他還是相信人類是獨立於其他動物發展出來的；就連幾乎與達爾文同時構思出演化論的華萊士，也認為像人腦如此精密複雜的存在，必定是一個「統治一切的智慧主」所設計的。不過達爾文主張演化並沒有目的性，傳記作家大衛．逵曼（David Quammen）認為，這就是達爾文的演化論令人難以接受的原因，因為它挑戰了人們自以為有的神性。

人，只不過是一種猿類？

這些爭論跟梮謝呂和他的大猩猩有什麼關係？正因為當時的人深信自己是上帝獨特的造物，因此大猩猩這與人極度相似、會模糊人獸之間界線的物種，讓維多利亞時代的人產生了極大的不安，他們開始懷疑自己是否也不過是一種猿類。現代生物分類學的鼻祖林奈曾在 1714 年寫信給朋友說，「必須把人類歸屬在靈長類中讓我感到不是很舒坦」，「我急著想從你那裡還有全世界尋求自然史中區分人猴之間的通則。」一百多年後，學者們更急切地想要知道測量野性的標準，而他們的依據就是梮謝呂千辛萬苦從西非帶回來的人類及猿類標本。

其中，兩位同樣借助梮謝呂蒐集的材料進行研究的學者理查．歐文與湯瑪斯．赫胥黎（Thomas Huxley），得出的結論卻是南轅北轍。有意思的是，作為達爾文的反對者，歐文雖然是科學史上的輸家，但他說對了一件事：「人類並不是從大猩猩演化出來的。」而且他也證實黑白人種的大腦與智力並無差異，無意間為種族平等提供了依據。相對地反對蓄奴的赫胥黎卻認為，非洲和澳洲的原住民屬於人類當中發展較低的階層，並錯誤地將人類各種族放在一條直直的演化路線上，從低等的黑人一直排到高等的白人。歐文與赫胥黎的例子，顯示出科學家的既定觀念、社會思潮與研究結果之間的微妙關係，即使看似中立的科學研究結果，也必定會鑲嵌進社會脈絡之中，產生研究者無法預料的影響。

對「野性」的偏執 成為蓄奴的藉口

在人們因大猩猩與人的相似性而緊張時，牠也同時成為異己的代表、蓄奴的藉口。支持蓄奴者認為跟白人相比，黑人與大猩猩更相似，應該被歸為動物而非人類，因此奴役他們完全沒有道德上的疑慮。在蓄奴者心目中，黑人／大猩猩就是獸性／野性的代表。美國國會在辯論廢奴議題時，一名印第安納州的代表宣稱，終結奴隸制無異於授權這些「人類大猩猩」謀殺他們的主人、強姦他們的妻女。梮謝呂在紐約時，一齣名為《八分之一的黑人》的戲劇正在百老匯上演，女主角絕望地表示，一滴非洲的血讓她成為「不潔之物」。雖然惡名昭彰的「一滴血法則」（one drop rule）是在二十世紀才成為成文法，但從這齣戲可以看出，美國當時對測量野性的偏執達到何種程度。

至於梮謝呂本人，他對於野性的標準顯然頗為迷惑。他從大猩猩的姿態、反應和叫聲中，感覺到「一些帶有人性的東西」，「當大猩猩站起身，以兩條腿奔跑時，就讓他想起人類短跑的畫面。每一次聽牠們咆哮，他彷彿在那哭聲中聽到了一個人類的發音。有時他覺得自己不是獵人，比較像個殺人犯。」蒙特．瑞爾如此解讀：梮謝呂既懷疑大猩猩具有人性，又在著作和演講中誇大這些怪物的可怕，這種矛盾可能是試圖壓抑他內心的不安：「這頭他所追捕的野獸似乎跟他本人有很多相似性。」

瑞爾的解讀非常精準，而這也是全書最具張力的部分：梮謝呂因為成功獵殺大猩猩而成為「偉大的白人獵人」，但他同時也是自己努力要躋身的上流社會中，那些菁英名流測量的對象。嫉妒他名氣的人試圖揭發他的非白人血緣，對梮謝呂來說是比探險經歷被質疑更大的危機。那些支持他的科學家「全都具有不能容忍非白人的名聲」，「皇家地理學會的會員中完全沒有少數族裔，他們被排除在外，並沒有引來任何爭議，因為這在大家心目中根本是理所當然之事。」

或許正因為梮謝呂本身有非白人血緣，因此他對其他種族乃至於動物多了一絲同理心。他在著作中曾紀錄一段軼事，試圖顛覆黑人與人猿相似的印象。他曾和非洲當地人一起獵殺一隻黑猩猩，當地人覺得黑猩猩的外觀神似高加索人種，於是對梮謝呂說：「你看！他的頭髮是直的，都和你一樣。你快來看看這個從灌木叢中出來的白臉親戚！他之於你，比大猩猩之於我們還要近！」

我不是人類的兄弟嗎？

保羅．梮謝呂生活的十九世紀，是一個思想、觀念處於劇烈變動中的時代。1858 年，德國探險家亞歷山大．洪堡（Alexander von Humboldt）的《宇宙》（Cosmos）完整英文版問世，這本書的核心思想正是現今生態學物物相關的概念，預示著下個世紀生態運動的萌發。梮謝呂在第二次前往西非探險前，曾向出版商訂購《宇宙》，他宣示此行將不再「無謂屠殺這些動物」，而是以更詳細的觀察取代蒐集標本。雖然批評者可能會視為預先為任務失敗的可能解套，但可以確定的是梮謝呂確實注意到世界對獵殺動物的看法已逐漸改變，而他確實也對獵殺大猩猩的行為感到厭倦了。

野性是否能測量，又該如何測量呢？從十九世紀至今，過往學界認為「唯人獨有」的標誌如語言、自我意識、使用工具、創造藝術，甚至豢養寵物都紛紛遭遇挑戰。人何以為人？我們對這個問題的迷惑程度，可能和一百多年前的梮謝呂和博物學家們不相上下。值得慶幸的是，如今這種迷惑使我們更加謹慎看待自己在自然界中扮演的角色。十九世紀英國禁止奴隸貿易協會的標誌，是一個跪地懇求的奴隸畫像，上面寫著「我不是人類的兄弟嗎？」（Am I Not a Man And a Brother?）1861年倫敦的《刺青》雜誌刊登了一幅戲謔的漫畫，把這句標語改成「我是人類的兄弟嗎？」配上一張直立大猩猩的插圖。今天不僅把類人猿視為兄弟的人越來越多，這個倫理標準也正持續擴及這個星球的所有生物。

也許所謂的人性，就是一種獨特的生物性（獸性），而人類這種生物特有的好奇心，最終將使我們發現世間萬物都是獨特的。

「以古為鏡，可以知興替。」如果能在過去、現在兩點拉出一條直線的話，未來的趨勢也有機會在我們掌握之中；當我們遇到困難時可以透過過往的經驗，幫助我們下判斷。這就是歷史的重要性！同樣的，歷史的脈絡可以幫助我們學習科學，而且還有機會發現科學家並不是我們想像中的神聖不可侵。2015 年 12 月 22 日在胖地台北，泛科學的專欄作者張瑞棋帶著《科學史上的今天》，和我們分享科學家背後鮮為人知的小故事。

「從小到大，科學家在我們心中非常偉大，無論是哥白尼的日心說，或者證明地心引力作用一樣的伽利略。這些科學家閃耀著光芒，直到越讀越多書後才發現，光芒的背後其實存在著陰影。這些科學家們的陰影來自信仰、權威以及性別。」

信仰

普遍認為哥白尼的日心說之所以不被認可，是因為宗教的打壓。然而另一種觀點是由於哥白尼認為上帝創造的宇宙應該存在著完美對稱的幾何關係，也就是軌道應該是圓形的！但這會和他觀察到的天文現象不吻合，因此與其說日心說的發表示因為教會的壓力，其實哥白尼本身的執迷才是造成學說延宕的原因。又比如提出滅絕說的居唯葉，他認為物種會因為某些災難而滅絕，另一方面在創世後仍物種繼續被創造。由於他深信聖經的創世論，甚至抨擊達爾文的演化論，導致演化論的發展備受阻礙。

權威

除了信仰外，有時候科學家利用自身權威、堅持己見，抑制別派學說，亦會影響科學的發展。你能想像西元十六世紀，醫生們拿著的解剖經典是出自於西元二世紀的蓋倫，且內容漏洞百出嗎？蓋倫是根據其動物解剖的經驗來推斷人體的內部構造，當然和人體的構造有很大的出入。但許多人不改抵抗權威，使得錯誤流傳千年。直到維薩留斯的出現，人體的結構才終於被了解。維薩留斯憑藉著大量的人體解剖經驗，推翻了多年來的理論，加上他有美術的長才，得以將知識快速的更新、傳播。

另一個為人所知的例子是牛頓及萊布尼茲。在微積分發展上，英國推崇地位較高的牛頓提出的流數，而非萊布尼茲的微積分，這導致英國的數學研究落後其他歐陸國家。最後一個權威造成的悲劇，讓許多產婦賠上了性命。十九世紀，醫生塞默維斯發現由醫院接生的產婦死亡率遠遠高出了由助產士接生的。他推測原因是醫學系的學生在解剖完大體後沒有清潔，而將細菌帶給產婦。然而其他高傲的醫生們認為：醫生怎麼可能害人呢？而摒棄了塞默維斯的想法。

性別

女性在科學界受到的打壓也不少：在代數領域有傑出成就的埃米諾特，竟因其性別而無法擔任大學教授；華生看了羅莎琳．佛蘭克林的 DNA  X 光繞射圖片，終於發現了 DNA 的雙螺旋結構，並以此得到了諾貝爾獎。雖然華生得獎的時候佛蘭克林已過世，然而我們可以想像，在當時的社會氛圍下，即便她在世，女性科學家的得獎機率仍然很低；發現脈衝星的喬瑟琳貝爾其成就在天文界有目共睹，然而諾貝爾物理獎的獎座是被指導教授赫維許拿走；吳健雄透過實驗證實宇稱不守恆，但最後是理論學家楊振寧及李政道是拿到了諾貝爾物理獎。

有些時候科學家對抗的不是來自外界的輿論、權威，反對的力量反而是來自科學界：牛頓打壓虎克及萊布尼茲；愛迪生堅持使用直流電系統，並利用交流電椅製造世人對交流電的恐懼，藉此反對特斯拉的交流電系統；發明氫彈的泰勒對前主管歐本海默落井下石，聲稱歐本海默對美國不忠……

我想呈現的不只是科學家的榮耀，還有其與常人無異的一面

跟著《科學史上的今天》的腳步，我們可以發現科學家或許只在智力上比一般人高超，但其品性仍和常人一樣：他們也會忌妒、也會排擠別人、也會為了得到權力耍手段。如果大家能用平等的角度認識科學家，去了解理論後的時代背景，那學科學就不再只是背公式和定理，而是和一段段生命故事相遇的奇幻旅程。