每天起床都不想上班？抗壓性強的人，工作倦怠比例竟然更高嗎？

• 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。

COVID-19（武漢肺炎、新冠肺炎）感染人類兩年至今，最新局勢是一款新的 Omicron 變異株正在南非肆虐，根據初步資訊估計，它的傳染力強於前半年廣傳全球的 Delta 變異株，殺傷力則仍不清楚。它從何而來，目前有三種假說。

Omicron 現身，大量突變一次出現

SARS 二世冠狀病毒（SRAS-CoV-2），突變通常緩慢新增，少數品系卻曾在短期內累積大量突變，堪稱總加速師。其中影響最大，最有名的莫過於英國誕生的 Alpha、南非的 Beta、巴西的 Gamma，以及印度的 Delta。

世界衛生組織（WHO）以希臘字母命名一系列值得注意的病毒品系，在此之前已經用到 Mu，原本應該繼續使用 Nu，不過 WHO 直接跳過 Nu 和接下來的Xi，直接以 Omicron 命名最新款的總加速師，理由是 Xi 為常見姓氏。這只能怪 Mu 姓沒有人出人頭地，假如有成員當上中國領導人，WHO 就會替其避諱了。

原籍南非的 B.1.1.529 之所以獲得 Omicron 名號，一方面是它現蹤以後，存在感迅速增加，明顯超過同一時空下的 Delta。另一方面是它的基因組上存在許多變異，算是至今已知，改變幅度最大的變異株。

冠狀病毒以表面的 S 蛋白質（spike protein）接觸宿主細胞，之前 4 款總加速師的 S 蛋白質上都配備大量變異，有些對病毒有利。而 Omicron 出現更多突變，多處變異和之前的總加速師們重複，效果如何仍有待觀察。

躲在暗處悄悄演化？

病毒累積突變需要時間，但是所有已知樣本遺傳上都和 Omicron 差異不少，缺乏中間型號。

Omicron 從何而來？目前有三大假說：第一，它一直潛伏在被忽視的角落，最近才冒出來。第二，它是在某位長期感染的患者體內演化而成。第三，它之前跨物種感染動物，最近又跳回人類宿主。

兩年下來，我們掌握極大量的病毒定序樣本，對照之下可知，Omicron 和之前的總加速師都沒有直接關係，包括之前同樣在南非肆虐的 Beta。

Omicron 的祖先似乎能一直回溯到 2020 年的中段，而現在是 2021 年底，也就是說它的祖先在某個角落，默默地存在超過一年。

不過 Omicron 演化成如今的遺傳狀態，肯定沒有經過一年那麼久，初步估計大概不會早於 2021 年 9 月。意思是它誕生至今，只過了幾個月。

有些專家認為，南非一直是疫情嚴重的地區，累積大量定序資料，以這兒取樣定序的密度，不太可能超過一年都沒有偵測到 Omicron 的前身。由此推論，它之前是在其他地區悄悄演化，如今傳到南非才被發現。

長期感染加速突變？

然而，真的會那麼久都沒有被注意到嗎？

也有專家主張，南非新星 Omicron 的前身原本只是普通病毒（同期生可能都已經滅團），入侵某位免疫力低落的患者後，在人體內長期演化，漸漸累積新的突變，最近才脫穎而出。所以乍看之下突然獲得一大堆新突變，其餘地方卻不存在中間型號。

• 延伸閱讀：長期感染武漢肺炎，一個人體內的病毒演化生死鬥

有人指出根據過去經驗，適合在一個人體內長期感染的突變效果，時常反而不利體外傳播（例如某些肺結核桿菌），因此懷疑長期感染的論點。但是 SARS 二世冠狀病毒的狀況，未必符合其他病原體的經驗。

事實上，上述兩個假說未必互斥。處於雷達之外默默生存一年，以及最近幾個月加速演化，無疑可以是先後發生的兩件事。Omicron 有可能是在南非某處醞釀，也可能是先在別的地方誕生，後來傳播到南非才脫穎而出。

第三個假說則主張，過去一年沒有見到 Omicron 的祖先，是因為它離開人類，改為在某種動物身上傳播；動物有別於人類，又因此衍生出一系列新突變，最近才回傳給人類。幾乎不清楚感染動物的病毒品系，這才沒有發現 Omicron 的前身。

我自己認為，人體長期感染後，醞釀出新品系的機會最大，動物總加速師的可能性不高。但是目前缺乏足夠證據，足以排除或證實某個假說。

初步估算：Omicron 傳染力超過 Delta 兩倍

另一方面，目前不確定南非新星 Omicron 的傳染力如何。初步分析估計，前一段時間它在南非的 Rt（有效傳染數，一位感染者平均傳染給幾個人）超過 2，而同一脈絡下的 Delta 小於 1。倘若直接換算，南非新星的傳染力超過 Delta 兩倍。

• 延伸閱讀：台灣防疫須有長期準備

不過南非的傳染狀況，未必和其他地方一樣。Omicron 的殺傷力多強，也需要更多資訊。隨著南非新星持續入侵世界各地，恐怕不久後我們就會知道結果。

• 本文轉載自 新公民議會 《南非新星Omicron變異株從何而來？》

延伸閱讀

• 英國、南非、巴西……武漢肺炎進入總加速師新階段？
• 長期感染新冠肺炎，一個人體內的病毒演化生死鬥
• 冠狀病毒常有新突變，不過很少傳染成功
• 人類與 COVID-19 互相適應，這是場長久的「無限之戰」
• 反正都是確診，為什麼還要定序病毒基因組？
• 身心皆需有長期規劃：防疫生效多天後，確診數才會下降
• 從印度傳遍世界的Delta 變異株，傳染力為什麼比較強？

參考資料

1. Where did ‘weird’ Omicron come from?
2. Trevor Bedford 11 月 30 日推特
3. Trevor Bedford 12 月 2 日推特

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。

COVID-19（武漢肺炎、新冠肺炎）從何而來，是重要的問題。世界衛生組織 WHO 派出特遣隊前往武漢調查，並在 2021 年 3 月底交出 300 頁的報告。

在我看來，這份報告沒有提供任何新的訊息，而且方向偏差嚴重，持續劃錯重點，竟然還獲得一些科學家的稱讚，可謂科學界的恥辱。

被調查的當事人說沒事，所以報告說沒事

導致武漢肺炎的病原體，SARS 二世冠狀病毒 (SARS-CoV-2) 如何產生，WHO 報告列出 4 種可能性：

• 第一，「非常非常可能」：由動物保毒者（如蝙蝠）先傳染給中間宿主，再感染人類。

• 第二，「有可能」：由動物保毒者（如蝙蝠）直接傳染給人類。

• 第三，「可能」：被感染的動物死亡後，被冷凍保存，再傳染給接觸到的人類。

• 第四，「極端非常不可能」：從實驗室外洩。

第四項「實驗室外洩」是怎樣排除的呢？就是 WHO 調查隊訪問了武漢病毒研究所的人員，看過他們提供的資料，發現查無外洩，於是宣佈查無外洩。

第三項非常明顯是中國官方大力推銷的「冷鏈」，不過 WHO 顯然沒那個恥力背書。

我個人覺得機會最大的是第二項。WHO 調查隊認為第一項機率最高也許正確，但是根據已知資訊判斷，所謂的「中間宿主」也可能根本不存在。

也許有，也許根本沒有中間宿主

許多專家假設中間宿主存在，是因為他們認為 SARS 二世冠狀病毒的祖先以蝙蝠為天然宿主，不可能一步跳到智人，就適應得如此之好。更合理的過程是，蝙蝠先傳染給某種較為類似人類的動物，在這種動物身上發生突變，而獲得感染人類的能力。

病毒演化出感染人類的能力，是一系列試誤的過程：從無法感染人類的祖先病毒，演變為極為適應人類的 SARS 二世冠狀病毒。而公認的事實是，我們知道的 SARS 二世一開始就極為適應人類，勝過任何動物，智人就是最佳的天然宿主。

這兒所謂的「中間宿主」，就是讓病毒試誤的動物。這種「試誤的動物」能不能直接就是人類？當然可以！

SARS 二世冠狀病毒的初期演化，可以分為兩大階段。第一階段是從對人類感染能力不佳的祖先冠狀病毒，經過一系列試誤，演變成以人類為最佳宿主。第二階段才是躍上舞台，成為震撼世界的武漢肺炎。

第一階段的試誤過程，可以在武漢，也可能在任何一個地方發生，不論雲南、廣東、柬埔寨，或是武漢病毒研究所都有機會。對人類感染能力不佳的祖先冠狀病毒，可以在某個地方持續嘗試感染人類，最終累積足夠的突變，成為我們所知道的那個殺手。

如果祖先冠狀病毒直接以人類為中間宿主，完成適應人類的過程，也就等於沒有中間宿主存在，當然是怎麼找都找不到了。堅持一定要找到某種作為中間宿主的動物，是偏執的想法。

當冠狀病毒獲得人傳人的能力，成為 SARS二世以後，仍不一定會造成大流行。假如它好不容易在某個偏鄉誕生，卻沒有接觸到更大的人群，傳播也許不久後就結束了。

不幸的是，SARS二世冠狀病毒出現在人口眾多、交通發達的武漢，又加上中國官僚的掩飾卸責，此後進入第二階段，大都會成為培養病毒的溫床，向全世界散播瘟疫的源頭。

武漢的市場和病毒起源無關

公開可考的感染者紀錄，最先在 2019 年的 12 月初。引起許多關注的「武漢華南海鮮批發市場」，在瘟疫最初期出現多位病患，而且又販賣不少種動物，符合病毒跨物種從動物傳人的想像。此處卻明顯不是病毒的發源地。

最遲在 2020 年的 1 月底（中國官方獲得資料的日期更早），分析第一批患者的紀錄便可得知，市場並非最初的起源。由已知證據歸納，已知 SARS 二世冠狀病毒的共同祖先，能追溯到 2019 年 12 月的幾個月前，那時已經完成第一階段的試誤過程，準備進入第二階段。

市場只是疫情初期比較明顯，最早被公眾注意到的地點，和病毒起源沒有直接關係；它是初期的輸入端，而非輸出端。病毒在市場廣傳的同時，早已傳播到其他地方，甚至出國深造，於多處同時醞釀。

知道上述資訊超過一年後，WHO 組織的專家團卻依舊將市場列為調查重點，完全是缺乏專業，搞錯方向，浪費資源做虛工。一開始就踏上錯誤的方向，無法取得新的線索毫不意外。

總之，在 SARS二世冠狀病毒的誕生過程中，中間宿主可能存在，但是不存在的可能性沒有比較低；WHO 報告認為極可能透過中間宿主傳播，不符合現有的證據。而 WHO 列為重點的武漢市場，絕對不是起源地。

• 本文轉載自新公民議會《中間宿主和武漢市場——病毒起源的兩大迷思》

延伸閱讀

• 對中國一廂情願的非洲秀才—WHO譚德塞
• 發現SARS的老將，武漢封城後不覺得WARS會世界傳播
• 病毒不是源於武漢的海鮮市場？從分子演化學角度看2019新型冠狀病毒（武漢肺炎）的起源與傳播
• 武漢肺炎病毒到底從哪來？沒有陰謀論以及蛇和HIV的版本
• 讓武漢肺炎席捲人類的關鍵變異有哪些？和穿山甲有關嗎？

參考資料

• ‘Compromise’ WHO report resolves little on pandemic’s origins, but details probe’s next steps 

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。