防範未然總好過亡羊補牢，這道理大家應該都知道；不過市面上的腳踏車鎖大多都構造簡單，不管是破解還是破壞車鎖對竊賊來說都不難，該怎麼選擇車鎖才能有效對抗可惡的小偷？來看看由范承宗、鄭宇庭設計的這款Pedal Lock踏板鎖，兩塊踏板本身就是車鎖，拆下來後可以分別由車輪兩側嵌合、用鑰匙鎖上。相較於傳統的彈簧鎖、U型鎖或密碼鎖，Pedal Lock使用只需多花幾秒鐘的時間，但對於想破壞車鎖（或者說是踏板？）的小偷，恐怕真的是踢到鐵板了！
本文來自Trr. 特誌
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？
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。
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：
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：
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 可分成兩種：
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。
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。」
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
。
討論功能關閉中。
本文轉載自中央研究院「研之有物」，為「中研院廣告」
自古流傳許多描述「偷竊」的成語，信手拈來就有偷雞摸狗、順手牽羊、樑上君子，這是否說明古代常發生竊盜案呢？細看清代司法類檔案，竊盜案數量的確居於首位，為何竊賊在當時如此猖獗？
中央研究院 111 年胡適院長科普講座邀請院內近代史研究所巫仁恕研究員，以「歷史學與犯罪學的相遇：19 世紀中葉竊盜犯罪的分析」為題開講，應用歷史犯罪學發掘清代竊盜案中令人意想不到的現象！
翻開明末小說《二刻拍案驚奇》，傳奇俠盜「一枝梅」瞬間抓住眾人目光，只見他出入如鬼神、來去如風雨，不一會功夫便偷來士大夫家的金銀珠寶、竊走公子哥兒的西洋異錦被，甚至戲弄地偷換道士的百柱帽。每次行竊得手後，即在牆上畫一枝梅花，並將錢財送給貧民，「人間第一偷」稱號可說當之無愧！
竊盜案是明清時期常見的犯罪類型，可惜並非每位竊賊都是如同一枝梅的義賊。為何人們會淪為竊賊？哪類東西與對象最常被偷？清朝官府又是如何辦案？
面對重重疑雲，中研院近代史研究所巫仁恕研究員決心讓歷史學與犯罪學相遇，逐步揭開 19 世紀中葉竊盜犯罪的神秘面紗！
巫仁恕以清代《巴縣檔案》（今四川省重慶市一帶）為研究材料，分析當中的司法類檔案後發現，從乾隆至宣統年間，最常見的犯罪類型就是竊盜案，尤其 19 世紀中葉同治朝的年平均數量最多，13 年間累積 3 千多起竊盜案。
當中最常見的竊盜方式是「入室行竊」，狡猾的竊賊會趁四下無人時鑿穿牆壁，鑽入屋內行竊。其他還有類似現代金光黨的「迷竊」，犯人會用迷煙或迷藥將人迷昏後大肆洗劫。小說中飛簷走壁的「飛竊」並不常見，但偶爾也會發生。
那麼竊賊最常偷的東西又是什麼呢？從《巴縣檔案》記載的失單可窺知竊賊最常下手的目標，也連帶顯示清代百姓生活中的物質消費與品味。
失物排行榜第一名竟不是金銀珠寶，而是人們穿戴的帽子、馬褂、布鞋等，甚至有流行服飾與西洋衣料，因重量輕、有市場、好銷贓，成為竊賊的首選，其次才是金屬器皿。此外，像是硯台、高級墨、書畫等象徵身分品味的文化用品與藝術品也時有所見。
最常被竊賊光顧的也不是家財萬貫的富翁，反而是資產百兩以上卻不足千兩的中產之家。這類人家有時不會去報官，因為大部分只損失一、二兩價值的物品，打官司要花的交通與時間成本比失物的成本還高。
竊賊最常出沒的地點與時機，其實和現代社會頗為類似。疊合清代重慶城市分區功能圖、同治朝巴縣城內各坊竊盜案分布圖後發現，竊盜案多集中在商業和行政中心，行竊的熱門期間常在考試、市場趕集或舉行婚禮節慶時。
竊賊東西到手後最常去當舖、市場銷贓，或賣給收購贓物的小販。特別的是當時有所謂的「窩賊之家」，藉由開設客棧掩人耳目，實為慣竊的幕後黑手與藏匿竊犯的賊窟。
一般認知的犯罪者多是不務正業或受貧窮所苦的社會邊緣份子，巫仁恕應用犯罪學理論分析《巴縣檔案》中犯人的口供，從不同視角層層剖析犯罪動機。他發現竊嫌中，有一群被稱為「下力活生」的低階勞動階層佔了多數，他們沒有加入同業公會，靠著四處打零工謀生，生活較不穩定。
從理性抉擇論分析，如果這名有犯罪傾向的偷竊者認為，行竊可以讓生活過得更好，就可能選擇鋌而走險，這解釋了為何貧窮者容易傾向偷竊。再者，從社會聚合論來看，很多竊盜案都是集體犯罪，因為人多勢眾好照應的心態強化了犯罪合理性。
然而，巫仁恕又發現，有相當數量的竊賊是有正當工作的，當中不乏工商業主、受雇服務業者，甚至是公務人員或基層精英。上述案例顯示，貧窮不一定是引發偷竊的原因，當中還藏有其他因素。
從日常生活理論來看，只要集結三種要素即可能誘發竊案：有犯罪傾向的偷竊者、有價值的標的物、監督者不在場。此外，從情境預防理論分析，某些偷竊者是在日常情境下擋不住眼前誘惑，突然萌生行竊慾望，例如缺錢的兒子偷爸爸的錢、耕田時偷拔鄰居家的菜，或員工趁老闆不在時偷拿錢財。
事實上，多數人淪為竊賊是被大環境所逼，同治初期的巴縣即發生多起社會動亂，嚴重影響民生經濟，導致治安敗壞。
例如 1850 年爆發的太平天國之亂造成多個省份死傷慘重，同治年間太平軍的殘餘勢力入侵四川，大批巴縣團練（地方民兵）前往隘口守衛家園，許多宵小常趁團練隊員不在家時闖空門。
同治二年則發生重慶反天主教案，一群暴民闖入教區燒殺虜掠，趁亂偷走許多物品。接著，同治三年巴縣一夕間米價徒漲，百姓一時難以負荷，生活陷入困境下不得不偷竊苟活。
竊盜案如此猖獗，清廷又是怎麼懲治罪犯呢？巫仁恕以「犯罪學嚇阻理論」（deterrence theory）三要素：嚴厲性（seriousness）、迅速性（swiftness）、確定性（certainty）來評估清政府的犯罪防治效果。
細看當時的大清律例具備相當的嚴厲性！母法「律」會根據犯罪主從關係、初犯或累犯、贓物價值高低處以相對的刑責。例如偷 1 兩以下，罰杖刑六十大板；偷 50 兩以上，除杖刑伺候外，還要服勞役徒刑一年；如偷 100 兩以上，杖一百大板、外加發配邊疆兩千里；偷 120 兩以上最重會被判處絞刑。
至於子法「例」則會針對不同狀況做出懲戒，例如偷竊過程中揮刀殺人、暴力行為、特殊身分犯罪，或在皇室、官家等特殊場所犯罪都會加重刑責。其他會一併懲處的還包括：窩藏罪犯者、收人贓物者、官役失職沒抓到犯人等都有相關罰責。
雖然清廷看似有嚴厲的律例懲治竊賊，但一般百姓如果家中遭竊，並不會馬上報官，反而是先通報住家附近的團練或保甲長，由這些地方基層組織的負責人私下調解紛爭。如果調解不成才有可能走上報官一途。
究竟官府如何辦案呢？首先，報官者需稟狀並列出遭竊的物品與其價值清單，由書役調查後撰寫勘單（調查報告）。確定真為竊案後，知縣會下公文給差票，派捕役去逮捕嫌犯。接著撰寫比單（傳喚公文）傳喚受害者等一干證人升堂審訊。最終，竊賊罪證確鑿、抓到共犯後，還需撰寫供狀（口供）與畫押（結狀）。
經過長時間辦案後，最終的破案率又是如何呢？以同治年間巴縣的破案率為例，1064 件都市竊盜案中，捉到竊犯的有 204 件，破案率僅 19%；1917 件鄉村竊盜案中，捉到竊犯的有 629 件，破案率僅 33%。整體的平均破案率只有 28%。
整體來看，官府的破案率低、辦案程序冗長，又常因抓不到共犯而無法結案，空有嚴厲性但迅速性與確定性不足，無怪乎百姓不想報官，也難以起到嚇阻犯罪的作用。
這種結合歷史學與犯罪學的跨領域研究稱為「歷史犯罪學」（historical criminology），是新興的研究領域。
巫仁恕表示，歷史學家常聚焦研究戰爭、革命、叛亂等歷史大事件的發展始末，較少關注日常性的犯罪事件，原因之一在於史料的局限。
過去有關竊盜的史料常零星散見於筆記小說、公案小說、判牘檔案等文獻之中，無法全面看清竊盜案件的具體實態。
所幸近 20 年來，中國許多州縣檔案重見天日，當中的司法類檔案記載許多竊盜案，結合犯罪學一起分析後，能從更微觀的角度了解古人的犯罪動機、犯罪心理、犯罪防治等，進而看見不一樣的歷史面貌！
