在停車場繞了一圈又一圈還是找不到位子、看到空位卻被前一台車搶先、取車時在迷宮般的停車場找不到車……開車的朋友大概都有過這些經驗。有了Parking Guide智能停車卡,這些事情再也不會發生!由施昌杞、黃紹恆及王守裕設計的Parking Guide智能停車卡,可以在卡片上顯示停車空位,駕駛人領票進場時就能讓卡片導引至空位,回來取車時也可以依靠卡片上的指示輕鬆找到愛車,既省時又方便。這麼聰明的停車票卡,真希望能趕快在停車場看到啊!
本文來自Trr.特誌
在停車場繞了一圈又一圈還是找不到位子、看到空位卻被前一台車搶先、取車時在迷宮般的停車場找不到車……開車的朋友大概都有過這些經驗。有了Parking Guide智能停車卡,這些事情再也不會發生!由施昌杞、黃紹恆及王守裕設計的Parking Guide智能停車卡,可以在卡片上顯示停車空位,駕駛人領票進場時就能讓卡片導引至空位,回來取車時也可以依靠卡片上的指示輕鬆找到愛車,既省時又方便。這麼聰明的停車票卡,真希望能趕快在停車場看到啊!
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。
西方科學的發展基於兩大成就:希臘哲學家發明了形式邏輯系統(歐幾里得幾何),以及發現了通過系統實驗找出因果關係的可能性(文藝復興時期)。 在我看來,中國的先賢們沒有邁出這一步,也就不足為奇;令人驚訝的是這些發現出現了!——愛因斯坦,1921 年諾貝爾物理獎
在「思考別人沒有想到的東西—誰發現量子力學?」一文之意見裡,有些讀者認為應該用「發明」,而不是「發現」:
筆者不甚苟同,因此想在這裡拋磚引玉,談一談筆者的看法。
在中文或英文裡,發現(discovery)與發明(invention)均顯然有非常不同的意義。
我們說哥倫布發現新大陸;因為新大陸早就存在自然界,所以我們不會說哥倫布發明新大陸。造紙術、指南針、火藥、及印刷術並不存在於自然界中,所以我們說這是中國古代的四大發明,而不是四大發現。從這裡我們可以看出在日常用語中,發現與發明的分別主要在於該「東西」是不是已經存在於自然界中。
可是什麼是「存在」於自然界中的呢?相信大部分的人都持與馬赫(Enerst Mach, 1838-1916,奧地利物理學家、哲學家)一樣的看法:只五官的感覺是真實的、是「存在」的。馬赫的一句名言是:「我不相信原子的存在!」
因此儘管道爾頓(John Dalton)在 19 世紀初就提出原子論,19 世紀中期後化學家成功地將它應用於解釋化合物的組成及化學反應現象,但大部分的物理學家到 20 世紀初還是不相信原子的存在!
1905 年,當愛因斯坦還是瑞士專利局的一位小職員時,發表一篇論文謂液體中看不到的原子會轟擊懸浮粒子,導致可以在顯微鏡下直接觀察到布朗運動(Brownian Motion)。1908 年 5 月,愛因斯坦發表了第二篇關於布朗運動的論文,提供了細節,及可透過實驗檢驗他的理論的方法。
同年,法國物理學家佩蘭(Jean Perrin)進行了一系列實驗後,寫道:「(我的結果)毫無疑問嚴格且準確地證實了愛因斯坦的(預測)公式」。佩蘭的實驗不但說服了許多物理學家相信原子的存在,他也因之獲得了 1926 年諾貝爾物理獎。
可是有人「看」過原子嗎?1955 年,美國賓夕法尼亞州立大學的穆勒(Erwin Muller)和巴哈杜爾(Kanwar Bahadur)終於透過場離子顯微鏡(field ion microscope)在尖銳的鎢樣品尖端觀察到單個鎢原子,可是這並不是肉眼直接看到的,而是透過理論「解釋」所觀察到的。像前面提到之一些讀者的意見一樣,馬赫認為科學理論是用來描述與歸納觀感,它存在於感觀之外,與現實無關;但大部分的物理學家都認為這是哲學的問題,他們是「看到」了原子!物理理論是存在於宇宙中的,等待我們去發現。
在「微中子的故事」一文裡,筆者提到了 1930 年包立(Wolfgan Pauli)為了解救能量不滅定律免於破壞,在「非常絕望下」下提出了一個後來被稱為「微中子」(neutrino)的觀念。當時「微中子」根本不存在宇宙中,我們不知道包立是否認為這是一種發明;但1995年諾貝爾物理獎發給「……通過實驗證明……微中子的存在」之物理學家來內士(Frederick Reines)。
老實說,筆者想破大腦都不知道這一個在基本粒子標準模型裡不帶電、沒有質量、不是電磁波、沒有人直接觀感過、只有能量的「東西」會是什麼「東西」?更令筆者難以相信及理解的是:它竟然還有兩位兄弟姐妹!
我們現在就用上面那些觀點來探討,到底牛頓是發現還是發明萬有引力?萬有引力是抽象的、不是「東西」,牛頓當然不可能用眼睛發現;牛頓發現的只是蘋果往地上掉及宇宙中星球之有規律的運動(現象),從中推論出萬有引力(解釋)。因此對牛頓而言,他或許認為萬有引力不存在於自然界中,是他的創造出來的,所以要說是一種發明,好像也沒什麼反對的理由。
可是萬有引力真的不存在於宇宙中嗎?1798 年,英國科學家卡文迪許(Henry Cavendish)在實驗室中不但測出兩個物體間的引力,也準確地量得萬有引力常數!所以眼睛看不到的「東西」並不代表不存在於宇宙中——牛頓顯然是發現、而不是發明萬有引力定律!
同樣的道理,普朗克根本沒發現什麼量子「現象」,他只是看到了黑體輻射的光譜分佈,便提出能量量化的觀念,在當時顯然是一種發明,但後來的發展(如原子的光譜)不是證明了「能量量化」存在於宇宙中嗎?量子力學成功地解釋和預測了這些現象,因此也被認為是存在於宇宙中的。
當然,我們知道物理理論或定律是可能被推翻或修正的,但這只代表我們的發現錯了。哥倫布不是以為他到了印度群島嗎?
德布洛伊(Louis de Broglie)「發明」物質波嗎?1927 年貝爾實驗室的戴維森(Clinton Davisson)和格默(Lester Germer)在實驗室中,發現被鎳金屬晶體表面散射的電子顯示出干擾圖案後,大部分的科學家都相信物質波的存在,因此諾貝爾獎委員「敢」將 1929 年物理獎頒發給德布洛伊,1937 年物理獎頒發給戴維森和格默了。
「是不是已經存在於自然界中」事實上也正是中外專利局判斷是否頒發「發明專利」的基礎;台灣專利法謂:「發明專利是指利用自然界法則之技術思想的創作,對於欲解決之問題,使用適宜的技術手段,產生其功效,達成所預期的發明目的。
發明專利必須具有技術性,不具技術性之發明,例如單純的發現、科學原理、單純之美術創作等,都不符合發明的定義。」在這一法規下,萬有引力、相對論、量子力學…… 等等科學原理都是發現,不能申請發明專利。
既然在這裡談到科學用詞,我們不妨也來談談「能量量化」的意義。
在「天才愛因斯坦曾和諾貝爾獎擦身而過? 相對論也不曾得過諾貝爾獎」的泛科學影片裡,有聽眾建議將「普朗克提出能量量化的觀念」中之「能量量化(quantization)」改為「能量量子(quanta)化」。
筆者認為「能量量子化」中的「子」字有「微粒子」的意義在內;但普朗克在他那篇「開創量子力學」的文章中,只認為空心黑色球體內任一頻率(n)輻射能量均不是連續的,而是由 hn 單位組成的,輻射的發射和吸收必須以hn進行,從沒提過「能量量化」的觀點,更甭說具有「微粒子」之意的「能量量子化」了。因此我們只能從以後的發展來判斷。
在古典力學裡,氫原子中的電子可能具有的能量應該是連續的;但後來發現只能存在某些能階上才可以解釋光譜——這應該說是一種「能量量化」的現象,而不是「能量量子化」的現象!讓我們在這裡用一個日常生活的例子或許更能說明其間的差異:實數是連續的(質),但我們用它來數人頭時,卻發現它只能存在於整數的「數階」上(量)。讀者覺得用實數被「量化」了、或是被「量子化」了比較適合?
愛因斯坦謂「西方科學的發展基於兩大成就:希臘哲學家發明了形式邏輯系統,以及發現了通過系統實驗找出因果關係的可能性」。
從這名言裡,我們可以看出愛因斯坦顯然認為因果是存在於宇宙中的,將它們連在一起的形式邏輯系統(formal logical system)才是一種發明;所以我們可以說薛丁格發明了「波動量子力學」;海森堡(Werner Heisenberg)、伯恩(Max Born)和喬丹(Pascual Jordan)發明了「矩陣量子力學」;狄拉克(Paul Dirac)發明了希爾伯特(Hilbert)空間上的「算子(operator)量子力學」——他們以不同的數學形式表達了物理學家所發現的量子物理(理論)。
在「不用數學就可以解釋—相對論的著名想像實驗「雙胞胎悖論」一文裡,筆者提到了時間及空間是人類製造出來便利溝通的語言。為了解釋觀察到的現像,不同運動者對時間便必須有不同的認知,否則就會發生像「雙胞胎悖論」(twin paradox)一樣的矛盾。
同樣地,作家在寫一篇文章時,也必須假設讀者對主題具有某些程度的了解與認知。如果假設不對,那便像內人讀筆者的文章一樣,不管筆者是用發明或發現,對她來說都是「不知所云」!而如果能在讀者心中起了共鳴呢?則不管筆者是用發明或發現,相信讀者都能心領筆者事實上是在有意或無意中表達了對某一物理觀念的看法。
編按:現在的生活瞬息萬變,在未來的世代,可能會出現許多你想都沒想過的職業。讓我們與孩子一起發揮想像力,你覺得未來會有什麼樣的職業出現呢?
未來藝術家大賞總決賽即將開始,這個獎項是為了獎勵最有創意及具有藝術感的科學家。現在已經廝殺到總決賽的階段了,評審團必須從三件「作品」中選出首獎。這三件作品截然不同,但是都很創新,每位參賽者會發表演說,談談自己的創作理念,盡可能說服評審。
丹尼第一個發言,主題是手拿顯微鏡的大廚:「大家想像一下,把試管想成鍋子,把滴管想成湯勺,把蒸餾器想成烤箱,科學家不也是在做菜嗎?我在廚房實驗室調配無數特殊風味的菜餚,帶給大家前所未有的感官享受,有醣、碳水化合物,也有蛋白質,融合出全新的味道。我最自豪的藝術品是『植物肉』!吃起來就像肉,卻是在實驗室用馬鈴薯和大豆合成的。」
第二位參賽者是莉雅,會不會有更驚人的作品呢?莉雅以「大自然設計師」為主題開始介紹:「超強力貼紙的靈感來自章魚的吸盤,火車頭是仿造鳥喙的形狀,超強光線感測器神似蝗蟲的眼睛。動、植物是豐富的生物圖書館,總會激發創意靈感。我的成名之作是這件『隱形斗篷』!我長年研究變色龍,研發出一種會隨著環境變色的布料。」
觀眾席的驚叫聲不絕於耳,現在輪到安妮塔上場了,她的主題是「微型雕塑家」。
「你們有聽過奈米科技嗎?我運用最先進的顯微鏡,每天研究分子碎片,小到奈米量級,比髮絲纖細十萬倍。我運用科學為藝術服務,善用奈米粒子修復古老大理石雕像,以及受汙染侵蝕的神廟,終於有新工具可以拯救偉大的藝術遺產了。」
比賽結果就快揭曉了,誰會是贏家呢?倒數計時,三、二、一……大型計分牆竟然顯示:平手!這是未來藝術家大賞第一次出現三位冠軍。
丹尼、莉雅和安妮塔開心相擁。等你長大,說不定也會成為未來藝術家喔!
動態雕塑、磁吸繪圖、隨時間變換的調色、特殊眼鏡,都是未來藝術家的工具,將帶領我們體驗未知。未來數十年的藝術將會大洗牌,未來藝術家早已蠢蠢欲動,準備大顯身手,大膽的實驗和創作!
科學料理的精髓在於「食譜藝術」,以生物化學的專業知識為基礎。目前最先進的研究莫過於研發人造肉,改善肉品產業密集的畜牧行為,提供更尊重環境和動物生命的替代產品。
生物統計學是仿效生物的特徵(包括動、植物)來改善人類既有的科技,其中最著名的成品有新一代黏著劑、特殊顏料、先進布料。
奈米科技是新的研究領域,善用極其微小的物質來設計特別輕盈的材料或肉眼看不見的裝置,工業用途廣泛。
未來藝術家要有的能力:
○ 跳脫框架思考
○ 想像力
○ 具有觀察精神
○ 同理心
○ 美感
○ 有團隊合作的精神
——本文摘自《拯救地球的工作者》,2022 年 10 月,和平國際出版,未經同意請勿轉載。