把冷泉加熱，就會得到溫泉嗎？ 關於柴山湧泉的那些事

• 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。

泛泛泛科學 Podcast 這裡聽：

當減碳、淨零排放蔚為風潮，再生能源發電成為各國積極發展的方向。2021 年 11 月，宜蘭清水地熱發電廠正式啟用，然而「地熱發電」究竟是什麼？為何火山、溫泉多的台灣，到現在才有第一座「民營」地熱發電廠？現行的地熱發電模式，竟和你家冷氣機運作原理相近？

隨著即將到來的全民公投，發電問題也再度成為議論話題。本集 y 編將與泛科學專欄作者阿樹，探討「地熱發電」能否成為台灣發展「再生能源」的新方向？

2:21 什麼是地熱發電？

近日，宜蘭清水地熱發電廠取得執照後開始啟用。此為台灣第一座「民營」地熱發電廠，但並不是台灣第一座地熱發電廠，當地過往也曾有「公營」發電廠。「地熱」能源為由地殼抽取的天然熱能，能量來自地球內部的熔岩，阿樹也提及台灣火山多，並位處板塊交接處，因此地溫梯度（Geothermal Gradient）上升得很快（平均為每 1km 上升 30℃），十分適合發展地熱發電。

延伸閱讀：

利用地球的熱情發電吧：深層地熱發電

7:41 美國、東南亞也有地熱發電

全球地熱發電量排名前十名的國家，除了包含火山活動頻繁的冰島之外，美國源於其西岸位處太平洋、北美洲板塊交界處，並且亦有多座火山，地熱資源豐富，因此地熱發電量位居榜首；東南亞的印尼、菲律賓兩國也因擁有許多火山，地熱發電量可觀；相對而言，地熱資源排名全球第三的日本，則並沒有很多地熱發電廠。阿樹也分享到蓋電廠涉及層面頗廣，涉及環境評估、居民意願等，即便興建的是再生能源發電廠，取用土地並非想像中容易。

延伸閱讀：

推開地獄之門？冰島開挖全球首座「火山岩漿井」，開啟地球科學新篇章！

12:35 地熱發電難以發展的原因

阿樹提及，早期的地熱發電有很多技術層面需克服，例如：抽取到的地下水內含礦物質，容易腐蝕發電機組，或管線內沉澱鈣化合物，導致能通過的水量減少，導致發電成本高、效益不佳的結果。過往，1981 年啟用的清水公營地熱發電廠，也因上述原因，裝置功能消耗至僅剩原先十分之一，最終只好關廠停用。同時，地熱發電抽取的熔岩、地下水，容易含有重金屬成份，發電產生的蒸氣也可能含有有毒氣體，工安風險頗高。

15:40 發電和冷氣機運作模式很像？

經現代技術改良後，研發出「雙循環系統」（Binary Cycle System）有助於地熱發電。該機組有「存在熱源」、「工作流體」（地下水）兩個封閉的循環系統，透過熱交換器以熱源加熱工作流體，使其汽化產生推力，推動發電機組發電。阿樹也解釋其「熱傳導」作用方式，近似冷氣機讓冷媒由液體蒸發成氣體，進而從中排出「冷氣」。

阿樹也解釋，此系統特殊在於「取熱不取水」。「存在熱源」的循環，採用較低沸點的物質，與流體經加熱後發電，不僅可在熱源降低時進行，相較於沸點高的物質能產生更多蒸汽，達到更好的發電效果；「工作流體」循環則是從地底抽取的地下水，經發電過程使用後，由回注井再送回地底，讓地底高溫區幫它「加熱」再利用。

延伸閱讀：

前方高能注意！你知道可以用「熱」發電嗎？把廢熱變能源的黑科技──熱電材料

18:19 地底下的技術瓶頸

由於希望讓發電使用後的地下水，再送回地底「加熱」，因此需動用常出現於石化工業的「水力壓裂技術」（Hydraulic Fracturing），往地底注入高壓水打破岩石裂縫，製造「回注井」輸送地下水。然而，阿樹解釋由於難以確認岩層狀況，需透過鑽井或甚至使用炸藥、打地震波等探勘方式，判斷地下岩石類型確實能被「鑽破」，分析「水力壓裂」製造裂縫後，水源確實能回柱到地底高溫區。

22:06 地熱發電的「附加價值」

y 編問及發展地熱發電時，是否還能有其他「附加價值」，阿樹則回應多半可作為發電的地區，也可能發展為「溫泉遊憩觀光區」，也提及由於地熱發電所需條件較高，要找到適當地點並不容易，相對而言找到「溫泉」的機率還是比較大。他也提到，只要有較完整的地質架構圖，地質學家便可以判斷此處是否可能有溫泉。

25:11 溫泉是被「法規」定義出來的

日本及台灣皆各自以《溫泉法》訂定溫泉的「標準」，台灣《溫泉法》下的《溫泉標準》則明定，地下自然湧出或人為抽取之泉溫須達攝氏三十度，且具有陰離子或其他特殊成分，才可被稱為「溫泉」；三十度以下且仍具有上述成分，則可被稱為「冷泉」。

延伸閱讀：

把冷泉加熱，就會得到溫泉嗎？ 關於柴山湧泉的那些事

30:46 為何日本台灣的溫泉很有名？

全世界都有地熱資源，但日本、台灣卻形成特殊「溫泉文化」，進而讓溫泉成為觀光名勝景點。阿樹從地科角度指出，日、台的溫泉其實未有特殊之處，而是歷史脈絡的發展讓它變得特別，「溫泉」也只是溫泉文化形成的「背景條件」而已。

• 作者／潘昌志；繪者／陳彥伶

火山爆發時會造成什麼災害呢？

可能會燒毀附近區域、造成山崩、地震和土石流。

火山噴出的熱氣，會與周圍岩石碎屑混合，形成「火山碎屑流」，溫度極高且流速極快，從山上滾下來時會燒毀並活埋一切。火山碎屑流遇到河水、雨水或雪水，會變成很像土石流的「火山泥流」，黏性高，易壓毀經過的樹與建築。

火山猛烈爆發時，會噴出大量溫度高達 900 ∼ 1200°C 的岩漿，容易引起大火，還可能伴隨地震和海嘯。

「火山灰」是什麼呢？

火山灰是火山噴發出的細小岩石粉末和玻璃顆粒。

火山灰比大部分的灰塵還要細，可以飄到遠方，不但會影響到飛航安全，也可能遮蔽陽光，造成天氣變冷。2010 年冰島的艾雅法拉火山（Eyjafjallajökull）爆發時，大量火山灰曾造成全球 10 萬次的航班被迫取消。

• 地科小故事：維蘇威火山和龐貝城

西元 79 年 10 月，義大利的維蘇威火山爆發。當時鄰近的龐貝城很快就被高速流動的火山碎屑流摧毀。直到超過 1500 年後，這座古羅馬城才被挖掘出來。

火山只有可怕的災害，完全沒有益處嗎？

火山的地熱可用來發電，也常形成溫泉。

火山底下的熱源，可用來作為「地熱發電」，也能將地下水加熱成「溫泉」，還常因特殊的地形景觀而成為知名的觀光景點。日本九州因為遍布眾多火山，形成許多知名溫泉。

火山那麼燙，科學家要怎麼研究它呢？

科學家會穿著特殊的隔熱防護裝備，近距離的調查火山。

火山岩漿的高溫超過 1000°C，因此火山學家研究活火山時，常穿戴特殊的防護裝備與防毒面罩，隔絕高溫和毒氣。若是快要爆發的火山，科學家就不會靠近，而是運用觀測站或人造衛星的數據，距監測火山活動以確保安全。

火山爆發有辦法提前知道嗎？

大部分火山噴發前都有徵兆，透過長期監測就能預警。

火山噴發前可能有地震、地表隆起；如果地底的岩漿很活躍，有些小噴氣孔噴出的化學成分也會有變化。臺灣的活火山很少，不曾發布火山預警。但在火山密集的日本，就將火山警戒分五級，數字越大代表越危險。

——本文摘自泛科學 6 月選書《地震100問：最強圖解X超酷實驗 破解一百個不可思議的地科祕密》，2020 年 4 月，親子天下。