「稀土戰爭」的起點：七種元素因這個村莊而被發現！

• 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。

被誤認的「賢者之石」

與人體細胞、骨骼、生命活動密切相關的腺苷二磷酸（adenosine diphosphate，ADP）中的磷，是很重要的元素。磷的發現過程其實有點讓人不忍想像，古時候鍊金術師待人類尿液久置後腐臭，再加熱蒸餾提煉出磷，一開始磷被認為是為提煉黃金時所需的「賢者之石」。

我們在日常生活中使用到磷的是火柴，可是現今看到的火柴頂端的火藥裡並沒有磷，而是把磷移到火柴盒的摩擦面了。原理是摩擦火柴棒，讓火柴盒產生火花，藉此點燃火柴棒頂端的火藥，進而產生火光。

磷有很多同伴，組成成分明明只有磷，但外觀和特性卻截然不同，有紫磷、白磷、黑磷、赤磷、紅磷，或是白磷表面覆蓋紅磷的黃磷等。火柴盒上使用的是紅磷，而在西部電影中等常出現，隨時隨地都可以點燃的火柴則是黃磷。

小女孩賣的火柴裡也有磷

安徒生童話「賣火柴的小女孩」誕生於十九世紀中葉，當時火柴剛問世不久，跟現代的火柴截然不同。小女孩賣的火柴是黃磷火柴，火柴棒較長，造價也高，通常是論根賣的。黃磷或白磷是一種具有劇毒的化學品，由於工廠屢屢傳出磷中毒的事件，現在已經禁止使用。

【常溫狀態】固體 【原子量】30.973762

【熔點】44.15˚C 【沸點】280.5˚C

【密度】1.82 g/cm3

【發現】1669 年，德國煉金術師布蘭德（Henning Brand ）

【語源】希臘文 phosphoros，意思是帶來光明的。

——本文摘自《原子有話要說！元素週期表》，2023 年 4 月，漫遊者文化出版，未經同意請勿轉載。

• 作者／蘇仁福、曾明騰
• 繪者／Oliver Wei、卡斯威爾

此原子非彼原子

俗話說：「眼見為憑」，除了民間習俗或是崇拜超自然的宗教信仰以外，面對於無法親眼所見的事物，人們普遍抱持著懷疑與不信任的態度，過去的科學研究也是如此。

前面兩章的故事告訴我們，早期的科學，就是專注於眼前看得到、摸得到的明確對象。隨著科學技術的進步，時至今日，科學家們卻是反其道而行，投身於肉眼看不見的微觀世界中，發掘其中的蛛絲馬跡。

「原子」（atom），是組成物質的最小單位。

舉凡我們身上穿的衣服、呼吸的空氣，甚至是代步的交通工具，這一切的一切，都是由「原子」——這是在我們生活中看不見、摸不著卻又確實存在的東西——所構成。

若是你認為書寫所使用的「原子筆」（ballpoint pen）跟這裡的「原子」是一樣的話，那可就是「張飛打岳飛，打得滿天飛」啦！

萬物起源

原子的概念，是距今兩千四百年前左右，由希臘哲學家德謨克利特（Democritus）所提出。

德謨克利特認為，宇宙中有無限多個質點，它們無法被進一步分解或是破壞。萬事萬物，都是由一大堆（究竟有多少他也不知道）、非常微小（小到多小他也莫宰羊）的質點所組成。

他將這些質點稱為「原子」，或者又叫「不可分割的東西」。他認為，正是因為這些原子的大小不一，形狀也不盡相同，造成世間萬物的存在型態、顏色、味道等種種不同。

或許在德謨克利特的眼中，我們這些麻瓜口中的物質與空間，根本就是原子和虛空。

同樣的哲學時代，另一位希臘哲學家恩培多克利（Empedocles），則依據當時人們對化學較為粗淺的認知，提出了自己的原子理論。

恩培多克利認為，物質是由「火、氣、水、土」這四大元素所組成。這四大元素會依據不同的成分與比例混合，構成這個大千世界裡的萬事萬物。

用現代的眼光來看，這些與原子相關的學說或理論，根本可以算是神作——這艱澀難懂的程度，恐怕也只有神才能夠通盤理解了——更別提，當代人受教育的比例不高，不夠通俗易懂的話，還真沒有多少人能夠消化。

正因為如此，原子論被古代哲學家棄置一旁。在之後，歐洲陷入了一段宗教狂熱的黑暗時期，一直到十九世紀，科學研究才再次登上世界的大舞臺。

曼徹斯特的驕傲

由於太過微小，可想而知，原子並非顯而易見的存在。

一七九三年，英國科學家道耳吞（John Dalton）搬到曼徹斯特，成為曼徹斯特新學院的數學和自然科學教師，揭開了原子研究的序幕。

出生於貧窮家庭的他，不僅對數學與自然科學天賦極高，還具備著科學家最重要的特質：好奇心。這個特質在他的生活中處處顯現，身為一個色盲患者，他甚至好奇的研究自己的視覺缺陷，因此成為第一個發表色盲研究論文的科學家。

除了自己的疾病，道耳吞也熱愛氣象研究。終其一生，他都在進行長期的氣象觀測，直到他登出人生 online，持續了整整五十七年。

有人認為，正是這持續終身的氣象研究，讓道耳吞對大氣的成分產生了興趣。他那著名的原子論，也是在研究氣體的過程中逐漸成形。

在此之前，化學家已經發現，並且證實了許多定律，例如著名的「波以耳定律」、「質量守恆定律」、「定比定律」 等等。

這些定律，為早期的化學界逐漸建立化學元素的概念，卻依然缺乏一個完整的理論來整合說明。

一八〇三年九月六日，是道耳吞的三十七歲生日，他並沒有舉行宴會慶生，而是寫下了原子學說的基本假設。

道耳吞的原子基本假設，是簡明扼要的三項原則：

1. 原子是物質的最小單位，每種元素（element），都是由一種具有特定質量的原子所組成。
2. 當兩種元素反應，生成不同的化合物時，其中一元素與另一種元素的質量，會構成簡單的整數比。
3. 在化學反應過程中，不會產生新的原子，也不會有原子消失（或是變成其他原子）。

一八〇八年，道耳吞出版了《化學哲學的新體系》（A New System of Chemical Philosophy）一書。在書中，道耳吞詳細的闡述了他的原子論，並且以獨特的符號，向人們展示他的原子。

——本文摘自《奇怪的生物知識增加了》，2021 年 10 月，聚光文創。