實驗有做，假說就能被驗證嗎？太天真了！——《「科學的思考」九堂課》

• 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。

在某個燠熱難耐的夏日午後，你打開電風扇，卻發現吹出來的風好像比印象中來得小。你眉頭一皺，覺得案情並不單純。就在走近電風扇的那幾步裡，好幾種可能性閃過心頭：

「會不會是按錯按鈕了？」、「會不會是扇葉太髒了？」、「會不會是轉軸黏住了？」、「會不會是⋯⋯？」這些猜想背後，都是根據你對電風扇原理的一些些認識才會做出的假設。

在提出疑問和假設之後，尋找問題的答案

靠近電扇之後，你看到按鈕確實是按下了「強」。接著你切斷風扇電源，看了看扇葉，發現確實有點髒，於是把電風扇拆洗後裝回去，再按下按鈕。結果風吹起來，就如同你印象中的那麼涼了。這證實了你的第二個猜想，並且解決你所關心的問題。

上述這樣的過程，其實就是「察覺差異，提出問題」、「根據理論，連結現象」、「提出假設，進行驗證」、「預測結果」等等的探究過程。

再舉個例子。

我有一天走在馬路上，看到白色分隔標線的一端閃著黃色的光。我心想：「難道馬路地上埋了一顆黃色的燈？是要作為交通警示用途嗎？」

我覺得奇怪，記得前幾天沒看到這裡有燈。接著我把視野放大，往左往右看了看周圍。發現有一台車停在遠處，車頭開啟方向燈，燈是黃色的，而且還在閃爍。然後我馬上注意到，兩者閃爍的頻率是相同的。

於是我有了新的猜想：「地上的神祕閃光，非常可能來自於汽車閃爍的方向燈的反光。」

但是柏油路面怎麼會反光呢？

仔細一看，地上似乎有一小灘水。汽車的方向燈發出來的光，剛好通過那一小灘水的反光進到我眼睛，讓我覺得地面在發光。接著馬上一台車經過，就擋在方向燈和積水的中間。我看到的亮光馬上消失，證實我的第二個猜想是正確的。

「哪裡怪怪的」這個念頭，會帶領我們尋找答案

像這樣的心智活動，在我們的生活中無時無刻都在進行著。只要我們發現「哪裡怪怪的」，腦袋幾乎就會立刻啟動探究的機制：

• 廚房怎麼那麼多螞蟻？（察覺問題）
• 是不是有食物殘渣沒有清理乾淨？（根據理論提出假設）
• 仔細觀察一下，發現⋯⋯（得到結論）

既然這些能力是我們原本就自然會的，那又為什麼要學呢？因為我們雖然很習慣對於意料之外的事情展開探索，但是以直覺來進行思考及解決問題的方式，往往並不太科學。

古人說的「地牛翻身」，其實也是一種探究的精神

古人在觀察自然現象的時候，會提出自己的解釋。例如面對地震的時候，台灣民俗的說法是「地牛翻身」，日本民俗的說法則是「棲息在地底的大鯰魚搖動身體」；至於日食在中國的傳說中是「天上的狗把太陽吃掉了」。

於是後人也會根據這些「理論」來規劃解決問題的方法。例如，綠島人認為地牛不只一隻，還會彼此打架，所以地震時要敲打金屬臉盆來分開牠們；同樣的，古時候的中國人看到日食，也會敲鑼打鼓、放鞭炮來趕走天狗。

有趣的是，根據這些「理論」採取的「實驗」，還真的每一次都會成功喔！一代又一代的人反覆進行著下圖這樣的實驗，所以千年來人們始終對這些「理論」深信不疑。

如果你是一位受過基礎科學教育的公民，這時候可能就會提出質疑，認為這樣的實驗並沒有對照組。

例如下一次出現日食的時候，如果不要敲鑼、打鼓、放鞭炮，日食是不是也會結束？如果不這麼做，日食仍然會結束的話，那麼用敲鑼打鼓的方式趕走天狗的假說就會受到挑戰了。

當然，在一個深信天狗傳說的社會中，沒有人會膽敢拒絕敲鑼打鼓，不然萬一太陽真的就被吃掉而永遠消失了，這責任誰負擔得起？用這個角度來看會發現，有時候要突破傳統，其實是一件非常困難的事情。

恐懼源自於未知：想消除恐懼，需要探究未知

人對於未解的現象，往往會用隨意的想像與歸因來尋求解釋，用很直覺的方式來建立對自然現象的理解，也是人類天生的習慣。

直到距今兩千六百多年前，古希臘哲學家泰利斯才撥開直覺的迷霧，主張應該拒絕再用人格化的神祇來解釋自然現象，而是要藉由理性的假說來理解和解釋自然現象。但即使西方在兩千六百多年前已經出現這樣的思想，但近代科學真正臻至蓬勃發展，還是近半個世紀內的事情。

正由於科學的研究和思考方法並不直覺、並不符合人類的天生習慣，所以必須透過後天的教育與訓練，才能慢慢熟練並妥善運用在生活之中。

雖然探究是我們的天性，但是具有科學素養的探究卻不是天性，無法一蹴可幾。就像科學家需要訓練有素的探究技術，才能做好自己的研究。

一般公民也需要具備科學探究的素養，來幫助自己在面對生活中諸多不熟悉的現象時，能運用一套思考和研究的方式來做判斷，特別是幫助我們更加注意到生活中不尋常的現象，能對許多直覺、缺乏事實支持的歸因有更高的警覺。

正因為我們的生活離不開探究，所以更應該透過學習來提升探究品質。這正是國民教育自然課程中所應教會每個公民的事情。

——本文摘自《教出科學探究力》，2021 年 8 月，親子天下 ，未經同意請勿轉載。

• 文／nerdy｜半吊子的科學狂熱者，投稿是種消遣。

我們週遭是否都有這麼一位怎麼吃都吃不胖的朋友，每當你問他為什麼吃不胖，他總會一臉無奈的說：

「我也不想啊～」

「這不是我能控制的啊～」

這時請先壓抑你內心油然而生的怒火，因為最近的研究發現，吃不胖的體質確實與特定基因有關，傳說中的「瘦子基因」真的存在！

曾經的致癌因子，展露出不為人知的一面

近年來，不少研究指出，我們的體重與遺傳變異有關，但這些研究大多針對「肥胖」有關的特定基因。

其中，少數針對「纖瘦」體型的研究，卻又常常缺少與人類基因直接相關的證據。¹

最近，藉由「全基因組關聯分析」（GWASs）、果蠅與小鼠的實驗，英屬哥倫比亞大學的研究團隊證實人體存在一種「瘦子基因變異」，這項研究成果已被刊登在國際期刊 Cell  。

首先，研究人員對 BMI 值極低（<18 kg/m² ）的人及 BMI 值位於 30 ~ 50 百分位數的控制組進行全基因組關聯分析後，發現有數種基因都與纖瘦體型有關，其中一種基因稱作「Anaplastic Lymphoma Kinase（ALK）」。

由於 ALK 基因容易突變引發癌症，過往都只被視為一個重要的致癌因子，因此，我們對於 ALK 基因在生理學上所扮演的角色仍是一知半解，在這次全基因組關聯分析後，研究團隊將 ALK 基因列為瘦子基因的「候選人」。

其次，在決定基因優先次序（Prioritization）的實驗中，研究人員發現，當他們降低果蠅體內 ALK 基因的功能後，果蠅的三酸甘油脂明顯下降。

研究人員更進一步整合其他資料庫進行分析，篩選出與纖瘦體型、BMI、脂質及葡萄糖平衡等新陳代謝特性有關的遺傳變異，然後發現，這個遺傳變異就是出自於 ALK 基因。

開始老鼠們的「減肥」實驗！

只做果蠅的實驗還不夠！接下來，研究人員將剔除（Knockout）掉 ALK 基因的實驗組（Alk^-/-鼠）與控制組（Alk^+/+鼠）相互比較。

在身心理狀態及其他外在條件都相同的情況下，研究人員發現：

1. 五個禮拜後，實驗組鼠的體重明顯比較輕（圖一）

2. MRI 的檢測結果也顯示，實驗鼠脂肪細胞^註1的質量、體積明顯都比控制組還要少（圖二、圖三）

3. 實驗組鼠的血糖濃度比較低
4. 處於人類熱中性溫度（thermalneutrality）^註2時，比起控制組，實驗組鼠增加比較少的重量

而且，兩者的食量、腸道吸收狀況及日常活動量都沒什麼差別。

這些在具有 ALK 基因變異的實驗鼠身上所觀察到的表現都與人類基因組分析所得到的結果一致。

為了確認實驗組鼠（Alk^-/-）是否真的比較吃不胖，研究人員讓他們進行了一場為期 16 周的「垃圾食物挑戰」。

令人驚訝的是，在這個既幸福又折磨的挑戰過後，從外觀、體重、脂肪細胞質量及體積來比較，結果都顯示剔除 ALK 基因的實驗組鼠真的比較吃不胖！

吃不胖的關鍵？就在「中樞神經系統」

為什麼缺少ALK基因的老鼠比較吃不胖呢？

研究人員在老鼠進行 16 周垃圾食物挑戰後，測量出實驗組與控制組的餵食效率（單位熱量的增重量，mg/kcal）及能量消耗（單位時間的熱量消耗，kcal/h）後，結果顯示，實驗組鼠具有較低的餵食效率及較高的能量消耗。

研究人員透過實驗進一步發現， ALK 基因的 mRNA 大量存在於小腦、皮質及下視丘等中樞神經系統，也就是說， 這個基因在中樞神經系統有著高度的表現，實驗數據也顯示 ALK 基因對於中樞神經的作用確實會影響體重。

那 ALK 基因又是如何影響體重呢？

研究人員發現，實驗組鼠的脂肪細胞中含有高濃度的去甲基腎上腺素（Norepinephrine ，NE）。

去甲基腎上腺素是一種由交感神經終末釋放的神經傳遞物，會促使脂肪組織分解，而在其他臨床研究中，那些纖瘦受試者的脂肪細胞中也同樣發現高濃度的去甲基腎上腺素。

最後，研究人員也藉由實驗證實 ALK 基因於下視丘室旁核（paraventricular nucleus，PVN）神經元的表現會減緩交感神經張力（sympathetic tone）及脂肪分解。

發現了瘦子基因，然後呢？

研究人員表示，有了這個新發現，抑制 ALK 基因將為肥胖治療帶來一道曙光，而由於用以治療癌症的 ALK 標靶藥物早已問世，代表ALK 基因可適用於標靶治療。

「也許未來的某一天，我們真的能開發出所謂的瘦身藥丸呢 !」研究人員 Josef Penninger 這樣說道。²  

然而，面對充滿無限可能的將來，大家也不要太心存僥倖了！畢竟，體型胖瘦不單單只受基因調控影響，也與環境、生活、飲食習慣息息相關。

也許你會覺得老生常談，但無論是現在還是未來，「均衡的飲食、規律的運動」永遠都是維持健康體態的不二法門！

備註

註1：此處指白色脂肪組織（White Adipose Tissue，WAT）

註2：熱中性溫度（thermalneutrality），約30°C，動物在此環境溫度範圍具有最低代謝率，且不受環境溫度變化所影響。

參考資料

1. Orthofer et al., (2020). Identification of ALK in Thinness. Cell, 181(6), 1246–1262.e22. https://doi.org/10.1016/j.cell.2020.04.034
2. Scientific American Podcast〈Skinny Genes Tell Fat to Burn〉

• 責任編輯／儀珈