讓寄主跳水自殺和絕育的鐵線蟲，是深謀遠慮還是想不開？

• 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。

• 撰文／韓喬融
• 本文轉載自 CASE 科學報《你的行為不是你的行為——寄生生物的行為操縱假說》

許多寄生生物的生長發育階段和繁殖階段必須要經歷寄主轉換才能延續，也就是說，如果寄主轉換的傳播失敗，那麼該寄生生物將無法完成生活史、沒有後代，該寄生生物也將消失。寄生生物面臨這些潛在的生存困境時，不一定只能坐以待斃，目前已發現多種寄生生物以特殊的方式，增加其寄主轉換傳播成功的可能性，而「行為操縱假說」即被視為寄生生物突破傳播困境的策略之一。

有些生物被寄生後，會做出違反天擇的行為

你看過電影「鐵線蟲入侵」嗎？當人們遭鐵線蟲感染後，紛紛不由自主地往水裡跳。為什麼人們被感染後會有這樣的症狀？鐵線蟲究竟做了什麼？

鐵線蟲是隸屬於線形動物門（Nematomorpha）的寄生生物（parasite），已知可寄生在多種節肢動物體內，全世界約有 300 多種。上述電影的概念取自於自然界中的實際案例：當螳螂意外捕食到被鐵線蟲幼蟲寄生的小型昆蟲後，鐵線蟲開始在螳螂體內發育成長，當鐵線蟲發育成熟後，會分泌特殊的蛋白進而控制螳螂的神經系統，並操縱螳螂跳水，此時鐵線蟲會游到水中進行繁殖以延續其生活史。

倘若鐵線蟲能寄生到人體，人類是不是也會被操縱而跳水？

在天擇的理論上，動物會做出有利自身的行為，例如：動物會選擇一個比較安全不易被驚擾的地方作為巢穴。然而，科學家卻發現，有些動物的特定族群（同物種）會做出不利於自身的行為，如：被鐵線蟲感染的螳螂；或是，該行為未必對自身不利，但是僅發生在少數個體上，如：斑點瓢蟲（Coleomegilla maculata）被瓢蟲繭蜂（Dinocampus coccinellae）寄生後會保護繭蜂的蛹不被天敵攻擊）。

為了增加傳播機會，我要控制你！

那麼，是否還有一些潛在的因素影響著牠們的行為，或是「控制」牠們的行為？

有鑑於此，科學家們觀察這些有特殊行為的動物們的生活史，並且發現了部分個體和其他生物共生時，會出現不同於其他個體的特殊行為，而這項行為未必對自身有益，進而提出了「行為操縱假說（parasite manipulation hypothesis of host behaviour）」：假定寄生生物會控制或改變寄主的行為，以增加該寄生生物傳播到新寄主的機會，藉此完成其生活史並且使其族群得以永續繁衍。

像是殭屍蟻（zombie ants）遭線蟲草屬（Ophiocordyceps spp.）真菌感染後會離群索居，前往適合真菌生長的環境；以及殭屍蝸牛（zombie snails）遭綠帶彩蚴吸蟲（Leucochloridium paradoxum）感染後，蝸牛的眼柄逐漸被其幼蟲填滿，慢慢地失去正常收縮功能，待幼蟲發育為成蟲後，綠帶彩蚴吸蟲開始在蝸牛的眼柄蠕動，吸引鳥類前來取食。

上述即為寄生生物藉由改變寄主的行為以增加傳播機會的經典案例。

然而，為什麼寄生生物要操縱這些寄主呢？許多寄生生物的生長發育階段和繁殖階段必須要經歷寄主轉換（一生中需要至少兩種以上的寄主）才能延續，意即，如果寄主轉換的傳播失敗，則此寄生生物將無法完成生活史，將沒有後代，此寄生生物也將消失；而「行為操縱假說」即被視為寄生生物突破傳播困境的可能策略之一。

寄生生物的行為操縱有沒有弊端？

寄生生物需要操縱寄主的原因有二，第一個原因是：該寄生生物的傳播途徑並非食物鏈中主要的途徑，例如：某寄生生物的傳播途徑需要寄主被掠食，然而寄主本身並非掠食者最偏好的食物；為了增加傳播，寄生生物進而操縱寄主的自殺行為，實際例子誠如上述的殭屍蝸牛。第二個原因則是：寄生生物可在單一寄主內的存活時間有限，因此需要操縱寄主以在有限的時間內完成寄主轉換以延續生活史。

「寄生生物的行為操縱」對於寄生生物而言看似有百利而無一害；然而，這真的是一件好事嗎？若以能量消耗的角度來看寄生生物的行為操縱，會發現幾個潛在的問題：

首先，寄生生物操縱寄主時可能會需要分泌一些化學分子，而分泌這些物質的同時會消耗大量的能量；其二為，當寄生生物從居住在自然環境中的可獨立生存的生物（free-living organisms）演化成絕對寄生生物（obligate parasites）後，在高度的選汰壓力下，因為寄主體內相對自然生態系安全且單調許多，許多病毒和細菌的基因體大小會傾向縮減，以降低能量消耗，如果寄生生物的 DNA 需要帶有分泌和行為操縱相關化學分子的基因片段，整體而言較不利於競爭；其三為，寄主行為的改變可能有利於更多種寄生生物生存，進而增加不同族群間的寄生生物競爭相同寄主，可能輾轉降低寄生生物本身的存活率。

簡而言之，「寄生生物的行為操縱」的目的是為了幫助部分寄生生物達到更有效的傳播；看似神奇，卻涵蓋了寄生生物在演化上潛在的風險，這也是為何並非所有寄生生物都會「操縱」寄主的可能原因。

那麼，喜歡做某件事情的我們，是否真的喜歡做某件事？我們是否也默默地被寄生生物操縱了呢？

參考文獻：

1. Auld SKJR & Tinsley MC.(2015). The evolutionary ecology of complex lifecylce parasites: linking phenomena with mechanisms. Heredity 114: 125-132, doi:10.1038/hdy.2014.84
2. Libersat F., Kaiser M. & Emanuel S. (2018). Mind control: how parasites manipulate cognitive functions in their insect hosts. Psychol. 1, doi: 10.3389/fpsyg.2018.00572
3. Martin H. (2016). Host Manipulation by Parasites: Cases, Patterns, and Remaining Doubts. Ecol. Evol. 28
4. Poulin (1994). The evolution of parasite manipulation of host behaviour: a theoretical analysis. Parasitology 109
5. Schmidt-Rhaesa A. & Ehrmann R. (2001). Horsehair worms (Nematomorpha) as parasites of praying mantids with a discussion of their life cycle. Zoologischer Anzeiger 240 (2):167-179, doi:10.1078/0044-5231-00014

編按：人們對「吃同類」（cannibalism）這件事的看法大多是負面的。即使是為了活下去所做的不得已決定，在旁人聽來還是有些牴觸。但其實撇開人類不談，吃同類在動物界中可是見怪不怪。

科學家將把同類視為食物的行為定義為同類相食。目前已觀察到超過 1500 種生物有這種習性，而同類相食又可以分成三大類：性別間、體型間和子宮內。

都是為了孩子好

性食同類（sexual cannibalism），指的是部分動物在交配過程中或交配後把配偶吃掉的一種現象。經過觀察，雌性把雄性吃掉的比率較高。

在蛛形鋼與昆蟲綱動物中，除了我們熟知的螳螂外，多種蜘蛛、蠍子與海蛞蝓等都有這種特殊習性。

以澳洲紅背蜘蛛（Australian redback spider）為例，雄性紅背蜘蛛會在交配時將自己獻給雌蜘蛛，並在被進食的過程中持續傳輸精液。

根據多倫多大學的一份研究： 65 ％的公蜘蛛會在交配時被吃掉。

比起其它倖存者，吃掉公蜘蛛不但可以延長交配時間（確保受精），還因獲得充足養分，母蜘蛛後代的數量呈雙倍成長。

你的孩子不是我的孩子

體型間的同類相食就像大魚吃小魚，由較年長、體型較大的同類吃掉較幼小、體型較瘦弱的同類。行為生態學家約翰・胡格蘭（John Hoogland）發現，黑尾草原土撥鼠有同類相食的狀況。雖然他們觀察到幾乎所有的雌鼠都交配了，但最後成功把小鼠哺育到斷奶的媽媽卻少得可憐。

研究發現，雌鼠會往親近的雌性親戚家奔走，但離開時頰上常沾染血色。接著，窩中的鼠媽媽便不再出現育幼行為。

最後，在窩裡找到無頭小鼠屍體的研究人員做了假設：

在競爭激烈的大自然裡，為了提高子代存活率，土撥鼠會殺掉近親的後代。

除了黑尾草原土撥鼠外，猶他草原土撥鼠也會吃自己的幼鼠，其它種類的土撥鼠則沒有這種特性。

不是不愛你，只是利益最大化

這類體型間相食的行為在蛇身上也有。

多斑響尾蛇（Crotalus polystictus）的新手媽媽為了補足再次繁殖身體所需的養分，有 68％會把沒能存活下來的後代全部吃掉。

而埋葬蟲則是會把卵產在屍體內，並利用反芻的方式餵食孩子。

在幼蟲生長期間，父母會根據屍體的大小來調節幼蟲的數量。當小蟲太多，或是爬得太慢就會被雙親咬死。

這種狀況在哺乳類身上也可以看見。媽媽們這麼做的原因是為了控制幼崽數量，以確保自己能順利將子代撫養長大。另外，當孩子出生時就畸形、營養不良或病弱時，媽媽也傾向刻意忽略、或是把牠們吃掉。

孩子們的手足相殘

最後一種是子宮內的同類相食，又稱胎內互殘。雌性沙虎鯊（Sand Tiger Shark ）長達一年的懷孕期中，一開始兩個子宮內共有 6～7 個胚胎，但最後每個子宮都只會生出一隻幼鯊。

第一個從卵囊中孵化出來的小鯊魚會開始吃旁邊的手足，等吃完了就轉往子宮內沒受精的卵。這種作法可以確保一出生的沙虎鯊足夠強壯，提高後代生存率。

動漫小教室：為了活下去！

不論是《進擊的巨人》、《阿修羅》或是《東京喰種》，同類相吃的題材也一直是創作題材中頗受歡迎的一種。它背後所要探討的不僅僅是道德議題，對於如何「活」下去，每個人心中都各有答案、也各有掙扎。

動物界同類相食的狀況，簡單來說就是為了延續整個族群的繁衍。母親當然愛自己的孩子，但「最大利益」是確保牠們能在殘酷自然界活下去的首要考量，也是必要之惡。

資料來源：

1. HOW MALE WIDOW SPIDERS AVOID BEING CANNIBALIZED DURING SEX
2. This Can’t Be Love, The New York Times
3. Sexual cannibalism, wikipedia
4. Cannibalism, wikipedia
5. 五種會吃同類的動物