用「禍延子孫」的問卷紀錄庶民生活，長達二十年的「家庭動態資料庫」

• 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。

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪撰文｜歐宇甜
• 美術設計｜林洵安

日常壓力會誘發纖維肌痛症

纖維肌痛症 (fibromyalgia) 病患有全身慢性肌肉痠痛，可能伴隨失眠、焦慮和憂鬱等症狀，致病機轉一直是個未解之謎。中央研究院生物醫學科學研究所陳志成研究員與研究團隊，找到纖維肌痛症可能的生理與心理致病機轉和關鍵抑制劑，論文於 2020 年 9 月發表於國際風濕免疫科權威醫學期刊 (Annals of the Rheumatic Diseases)。

無藥可醫的纖維肌痛症

「纖維肌痛症 」最常見的症狀是全身肌肉慢性痠痛，伴隨疲勞、失眠、焦慮和憂慮，有時被稱為稍微累一點就全身痠痛的「公主病」。目前醫學對於該病的致病機制並不清楚，病人往往不斷轉診仍找不到明確病因，因此也尚未有專屬用藥，只能先緩解症狀，但效果相當有限。

不過臨床上發現，日常生活精神壓力會誘發或加重纖維肌痛症症狀。多數病患的背後都是一段故事，可能有家庭、親友、經濟、工作等各種問題。只是心理壓力和纖維肌痛症到底誰是因、誰是果？背後的致病機制是什麼？「我們必須建立一個可以反應纖維肌痛症的動物模式，以驗證心理壓力與纖維肌痛症的關係。」 陳志成說明。

在此之前，先來看看痠痛是怎麼引發的呢？

組織酸化誘發痠痛

過去研究認為組織酸化會誘發痠痛。1980 年德國人曾做過人體實驗，直接把酸性物質注射入人體，結果發現真的會引起痛感，而且流速越快、越痛，初步證明酸與痠痛的因果關係。但酸是透過什麼樣的分子機制來刺激痛覺神經，卻一直沒有定論。

陳志成嘗試以此建立纖維肌痛症的動物模式。他們先幫小鼠注射酸鹽水，然後以壓肌肉或用細尼龍線刺激小鼠腳掌，發現小鼠碰到刺激會縮腳，代表的確有「疼痛過敏化」現象，但這疼痛過敏化現象在 24 小時以後會消失不見。但如果五天之內在同樣位置再打一次，就會導致持續約一個月的疼痛過敏化，而且也會發生鏡像性的疼痛，成功符合纖維肌痛症的特徵。

這個小鼠實驗模式提供了一個平台，讓陳志成可以從神經學的分子機制上，深入研究組織酸化如何誘發慢性肌肉疼痛。

我們身上各個組織都有痛覺神經，神經上有許多可被酸給激活的離子通道或受體分子，最重要的包括酸敏性離子通道（ASICs），以及辣椒素受體蛋白 (TRPV1) 等等。陳志成實驗發現，如果以藥物抑制 ASICs 或 TRPV1，五天後再次的肌肉酸化刺激就無法誘發慢性疼痛。但是，如果再次的肌肉酸化刺激發生於第二天，仍會誘發 7 ~ 10 天的疼痛過敏化現象。因此，陳志成推論出，第一次肌肉組織酸化不僅是誘發短暫的疼痛過敏化現象，也讓肌肉痛覺神經產生了可塑性變化，所以五天以內再次肌肉酸化刺激，就足以發展成慢性疼痛。

用噪音製造壓力源

了解痠痛的神經科學分子機制，下一步就是建立心理壓力造成痠痛的動物模式，怎麼做？噪音是好工具！一般的壓力來源很難定量，但是噪音可以換算分貝並以程式設定，比較好掌握。

他們讓小鼠待在籠中，不定時播放尖銳、人耳可能聽不見的超音波噪音，一天重複六次，隔兩天後再連續兩天重覆進行……結果，受到噪音壓力的小鼠，出現了疼痛過敏化現象持續約一個月。「我們發現，關鍵是要有不確定性、間歇性、重複性的壓力刺激，如果是給予短暫的壓力刺激，小鼠並不會出現慢性疼痛過敏化現象。」

此外，一般纖維肌痛症患者常出現共病，像焦慮、憂鬱等情緒問題。他們觀察具有疼痛過敏化現象的小鼠們，焦慮行為也變得明顯：一般健康的小鼠喜歡到處探索、玩耍， 放入十字迷宮時，敢走到兩側開放懸空的部分，但有焦慮行為的小鼠喜歡躲在隱蔽空間、不敢跑出來。

壓力 –> 氧化脂質 –> 疼痛訊號

建立一套動物模式後，接下來他和研究團隊想知道，體內有什麼東西誘發了痠痛？

他們分析小鼠血液中的脂質，發現小鼠在遭受壓力後，體內有一群特別的脂質被代謝出來。「我們發現到一種氧化脂質 LPC16：0 ，令人眼睛為之一亮！」陳志成說道。原來，幾年前有法國科學家發現這種氧化脂質 LPC16：0 可以專一性的刺激感覺神經元上的 ASIC3 酸敏性離子通道。賓果！全部事情似乎都可以串連在一起了。

經過反覆實驗，致病機轉的輪廓漸漸清楚了！外界的壓力源 (噪音)，會導致小鼠體內的氧化壓力上升，造成脂質代謝異常，產生過量的氧化脂質 LPC16：0 ，活化肌肉感覺神經元上的 ASIC3 酸敏性離子通道，造成疼痛過敏化現象，持續刺激下轉變成慢性疼痛。

纖維肌痛症療法現曙光

在小鼠身上驗證後，回到纖維肌痛症病人身上觀察：他們體內是不是有比較高的氧化壓力？比較高的異常脂質代謝呢？研究團隊將病患根據症狀嚴重程度分類，一群是全身痛、但症狀比較輕微，一群是全身又痠又痛、症狀比較嚴重，發現全身痠痛症狀嚴重的病人體內的 LPC16：0 特別高，另一組症狀輕微的病患則沒有，兩組之間有明顯的差異。

而人體其實本有快速代謝 LPC16：0 的路徑，但在五天內重複刺激，就可能變成慢性痠痛；換句話說，很多纖維肌痛症患者的病因可能是長時間一直受壓力刺激，體內會持續產生氧化脂質 LPC16：0，導致肌肉長期慢性痠痛，「這也能說明一個奇特現象：許多纖維肌痛症病患即使用藥也不見效，但當壓力源去除，像是搬離不幸福的家庭，全身痠痛就可能突然不藥而癒。」陳志成補充。

研究人員證明氧化脂質 LPC16：0 是引起痠痛感的禍首後，就可以嘗試去阻斷它產生。研究團隊用一種可以抑制這種酵素的藥物–血小板活化因子乙醯水解酵素抑制劑 (platelet-activating factor-acetylhydrolase inhibitor; darapladib)，打到小鼠的身上，果真成功降低壓力造成的疼痛反應，此發現已申請國際專利，未來可望運用在纖維肌痛症臨床治療。

纖維肌痛症的神祕面紗，至此終於稍稍揭開！這項重大研究成果於 2020 年 9 月刊登在國際風濕免疫科權威醫學期刊 (Annals of the Rheumatic Diseases) 上。不過這只是陳志成痠痛研究的一角。他首創「痠覺理論」，希望能從更深入、全面解答慢性痠痛的成因，尋找更有效的療法。

建立痠覺理論，尋找新一代止痛藥物

何謂痠覺理論？首先，陳志成認為：痠是痠、痛是痛，兩者並不一樣。

這點對華人沒有問題！在臺語詞彙中有痠（SNG）、也有痛，國語詞彙中有又痠又痛、腰痠背痛等，可是在許多國家語言中只有關於疼痛 (PAIN) 的詞彙，沒有單獨提到痠覺的字彙。目前國際上只有對於疼痛的定義，把痠痛視為同一件事，或認為痠只是比較輕微的痛覺。

但是痠痛成因其實相當複雜，與組織酸化的關係也有待釐清！

比方說，酸可能引起疼痛，但你知道它也有止痛的效果嗎？在上述的小鼠肌肉酸化實驗中，陳志成發現同時抑制 ASIC3 與 TRPV1 ，可抑制酸所誘發的疼痛過敏化現象。但奇怪的是，第二天對於小鼠再次進行肌肉酸化刺激，雖然 ASIC3 與 TRPV1 這次沒被抑制，但小鼠竟完全沒疼痛反應！由此得知：除了 ASIC3 與 TRPV1 之外，還有一個未知、但是很重要的受體參與反應。這個神秘的受體是一個可以止痛的酸敏性受體分子，讓止痛的效果從第一次實驗延續到第二次！

接著，陳志成發現這個受體分子被刺激後，會促使感覺神經末梢釋放重要的神經傳導物質–物質 P。他認為：當痛覺神經被刺激後，在肌肉端的神經末梢會釋放物質 P，物質 P 會抑制神經活性，達成止痛作用，宛如痠痛的煞車系統。陳志成隨即抑制物質 P ，果然一次肌肉組織酸化就足以誘發慢性疼痛，讓小鼠無止盡痛下去。

那麼，問題來了！既然酸可以誘發疼痛、又可止痛，那麼痠痛病人到底是抱怨痠，還是痛呢？痠顯然不只是一種輕微的痛覺這麼簡單！這個「酸止痛」的神奇現象，提供了痠與痛的另類思考，物質 P 也可能成為新一代的止痛藥物。

「我現在就像一個傳教士，必須努力說服大家，痠與痛不一樣！我也跟語言學家合作，了解其他國家的相關詞彙，希望不久後可以將痠覺清楚定義出來。」唯有正視痠痛的不同，分別了解痠、痛背後各自的分子病理機制，才能發展更有效的止痛或止痠療法，嘉惠更多受到慢性痠痛折磨的病患。

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪撰文｜蕭歆諺
• 美術設計｜林洵安

拚經濟 VS 顧性命，防疫政策可能兼顧嗎？

新冠肺炎席捲全球，各國紛紛祭出的嚴格手段，封城、禁足、邊境管制。但這類政策宛如雙面刃，控制人流接觸、傳播疫情，也可能同時衝擊經濟。性命要顧，生計也不能不管，政府該如何擬定政策才能兼顧兩者？當 Covid-19 可能趨向常態化，從嚴防守零容忍是長期最好政策嗎？中研院經濟研究所團隊建構出一套經濟學運算模型，在健康與經濟權衡間，找出適合各國的最佳防疫政策。

防疫是公衛與經濟的拔河

想像一下，你現在是防疫團隊的決策者，此時正與各領域專家開會。

一群學者嚴厲警示：防疫如作戰，務必嚴格限制邊境、在家工作，用盡一切手段把感染人數降到最低。但另一群專家立刻出聲反對：「沒錢也會沒命！」他們主張防疫必須適度寬鬆，盡量維持日常生活，才不會把人逼上絕境。兩邊爭吵不休，你怎麼決定？

對許多人來說，答案或許直觀：防疫首選應該是愈嚴密愈好，最短時間、最高防堵。但在經濟學家眼中，答案沒有這麼斬釘截鐵。

中研院經濟所助研究員林軒馳、楊宗翰和訪問學者許文泰，耗費近五個月，建構一套量化運算模型，試圖在健康與經濟之間權衡，找出各國的「最佳防疫策略」。

「隔離實在太無聊……」談到研究動機，三人半開玩笑地說，但他們隨後也點出了幾個關鍵動機。

首先，新冠肺炎的衝擊百年罕見，但觀察目前的國外研究，多半仍有限制。例如，總體經濟學家大多忽略國與國之間的互動，沒有納入國際貿易觀點；國際貿易學者則鮮少探討是否有共通的防疫政策。因此，三位學者試圖更全面地找出：在開放經濟體中，什麼才是最佳的防疫政策？

另一個關鍵動機是，他們發現權衡健康與經濟議題，國內輿論幾乎一面倒，「新聞裡的學者專家基本都是公衛或醫學背景，」防疫是公共衛生與經濟的拔河，畢竟健康重要，但放眼各國，長期全境關閉、封城禁足已衝擊眾多產業和商家的營運，擊垮無數家庭生計。因此，經濟問題也不可忽視。

「我們可能同時顧及公衛與經濟，找出經濟損失最少的防疫選項嗎？」，成為研究團隊的核心問題。

各國國情不同 客製化找疾病傳播速率

帶著這樣的問題，團隊以 2020 年初至 7 月 22 日的資料為基礎，建構出一套經濟學運算模型，檢視不同條件對疫情擴散、經濟損失的影響。

第一步，先了解各國疾病傳播速率。

他們使用流行病學的常用指標：基本再生數（Basic Reproduction Number, R₀），意思是每一個感染者平均會傳播給多少人。當 R₀ 越大，代表疾病擴散快，疫情越難控制；若 R₀ 小於 1，傳染人數變少，疾病便會逐漸消失。

但即使是同一種疾病， R₀ 也並不是統一的。「我們根據模型裡人與人的互動參數，或是各國的防疫政策等，反過來推估計各國的 R₀。」

許文泰解釋：「每個國家的國情、防疫措施都不同，例如亞洲人習慣戴口罩，歐洲人打招呼會親吻，所以我們進一步去『客製化』各國狀況——結合各國的 R₀ 、防疫措施，去計算出對應的有效傳染數（Effective Reproduction number, R_e）。」

另外，他們也加入 Dingel and Neiman （2020） 的「各國遠距工作指數」、牛津大學的「防疫政策指標」等重要指標，來做為模型內的運算參數，以提供「客製化」的結果供各國參考。

防疫政策好理解，但為何遠距工作要納入模型？原因是，遠距工作的可行性，也會同時影響疫情傳播與經濟衝擊。楊宗翰舉例：「像美國肉品處理業、或是亞馬遜的雨林工業的工人，很難在家工作，使得工作地就成為群聚感染的破口。」

因此，若一個國家產業的遠距工作可行性愈高，受到的經濟衝擊也相對愈小。國內封城，人們還是可以遠距工作，以及透過國際貿易補足缺口、互通有無，經濟衝擊就可能降低。

結合流行病學、國際貿易的各項參數，建構出模型後，研究員開始進行各項模擬推算，了解實施不同的防疫政策下，經濟表現有何差異。

參照韓國防疫，「短期」經濟變好或變壞？

他們先以第一波疫情的模範國韓國作為參照。假設，世界各國都向好學生看齊，採用韓國政策防疫，各地的經濟狀況會變好嗎？

檢視經濟狀況的指標有兩項：實質收入（real income）和人民福祉（welfare）。

實質收入較好理解，即是指一國的實質 GDP。後者並非我們熟悉的社會福祉，而是考量了個人感受的效用（utilities）總和，包括風險趨避（risk aversion）、跨時間的替代效果（intertemporal substitution effect）等都納入衡量。簡單來說：當疫情愈穩定、個人收入愈平穩、一國的人民感受愈好，福祉就會愈高。

要特別說明的是，「套用韓國政策」並不是模仿施行一模一樣的政策，而是「讓疾病傳播速度限制在某個數值（R_e）之下」。好比，台灣感染案例更低，因此採韓國政策就代表要增加現行 R_e，也就是放鬆現行管制。

至於，為何對照組是韓國，而非超級優等生台灣？說來有趣，答案正是台灣太「模範」了！林軒馳分析：「去年七、八月時，台灣幾乎毫無疫情。如果以台灣做參照，各國經濟活動都要 shut down（全面中止），」台灣就像平行時空，R₀ 太低，多數國家難以企及。

因此，研究團隊以「韓國的有效傳染數（R_e）」做基準，對比現行防疫措施，推算當各國都調整防疫措施，使傳播速度低於這個值時，是否能遏止病毒擴散？對經濟衝擊有何影響？

結果出人意表！除了中國、台灣，短期來看其他國家的實質收入、人民福祉，全都變糟了！加強防疫後，代價是經濟蒙受不小損失。細究原因，韓國疫情比絕大多數國家控制得好，各國需要收緊管制。因此若向韓國看齊，雖然能降低感染人數、少死一些人，但也得承受明顯的經濟衝擊。

看起來，以韓國作為標竿從嚴防疫，對多數國家經濟福祉並不利。難道，防疫真的是經濟殺手？

短期而言，答案似乎是肯定的。但是把時間拉長來看，問題將會複雜許多。因為死亡帶來的各種負面成本，會隨著時間發酵。

比如，一位 30 歲年輕人不幸染疫身亡，假設他原本活到平均年齡的收入、稅金、社會貢獻、消費、可能生養的孩子，將通通化為泡影。另外，狂飆的死亡人數也會讓恐懼陰影擴散，增加不安定的社會成本，「像是賭博一樣，政府都發爛牌給你，知道穩輸的感覺很差，」許文泰解釋。

參照韓國防疫，「長期」經濟變好或變壞？

因此，研究團隊又做了下一個模擬，假定在廣泛施打有效疫苗之前，需要長期防疫。若各國長期採用韓國政策，結果如何？

情況開始出現分流：有人退步，有人進步。也就是說，一半的國家需要收緊管制，另一半的國家需要放鬆管制，才能有較好的經濟表現。

韓國、台灣得放鬆管制，否則長期下來會承受經濟損失；美國、巴西、印度則應收緊防疫，雖然短期受到衝擊，但長期經濟表現反而更好。

把時間拉長來看，佛系國家若收緊管制，既能挽救更多人的性命，還增加整體經濟利益；中、台、韓等從嚴防疫的國家，則需要放鬆。只是後者調整政策的迫切性沒那麼大，因為實質收入雖然可顯著增加，但福祉並不會巨幅提升。

許文泰強調：「防疫該收緊的時候，請一定要做到，不管是收入、福祉、心理成本都有影響，這不是開玩笑的！」

找出各國最佳防疫政策

保錢、保命一定相互衝突嗎？R_e 降到最低，就是最好的防疫政策嗎？顯然，答案未必如此。

從研究結果看來，長期的最佳政策必須在經濟活動、疾病控制之間，找到平衡。強力讓有效傳染數率急速歸零，不見得就能成為模範生，很可能撲滅疾病，但經濟也全面蕭條衰敗，付出慘痛成本，需要考量各國不同的情況，才能計算最佳的防疫政策。因此，下一步，

團隊根據實質收入、人民福祉兩項經濟指標，融合流行病學模型與數據，演算出各國的「最佳防疫政策」──也就是實質收入、人民福祉都能最大化的各國 R_e 值。

世紀大疫爆發至今，應該強力封城或者佛系防疫，仍是爭論不休的議題。三位學者透過經濟模型找出最佳防疫參考值，運算出各國最適合的 R_e 值，也成為這項研究的突破性發現！

研究團隊運算出最能降低經濟損失的最適政策後，接著，三位學者也進一步檢視，實施後有多大成效？

根據模型演算，如果各國採取各自最佳防疫政策，多數能增加 2.5% 福祉，包括美國、英國、印度。2.5% 聽起來微不足道，實際上，一兩年的差異如同發展基底，很有可能關乎後續深遠的經濟影響。

如果有一個超級 WHO，該怎麼防疫？

除了最佳防疫政策，他們也做了其他有趣的模擬。例如，想像全世界是由一個機構（例如進化版 WHO），制定全球統一的防疫手段，結果會如何？

「我滿 shocked 的，最佳政策跟放任政策，整體來說實質收入沒有差很多！」林軒馳指出。

若全世界都走佛系路線，相較於採用各國最佳防疫政策，實質收入差距並不大。然而，人民福祉就有顯著差異！這意謂，若國家長期放任，社會必須承受龐大的心理成本，即使表面看來實質收入損失不大，實際上將重創人民福祉。總結本次研究，實施佛系防疫，無論在控制疫情、經濟表現，都明顯吞苦果；採用像韓國般的嚴謹作法，短期雖然會有可觀的經濟損失，長期而言對國家較有助益，死亡人數減少、經濟表現也更好。

值得注意的是，防疫絕非越嚴格越好！最佳防疫政策的推算，就是在控制疫情與經濟效益之間，尋求平衡。

另外，三位學者也不約而同談到了國際貿易的重要性。

許多人認為，高度的跨國往來讓病毒很容易搭上「順風車」，是防疫大敵。但研究團隊發現，國際貿易也可以是支援防疫的「後備軍」。

「二、三月的時候，一度出現反全球化浪潮。但實際上，有國際貿易的情況下，才能更良好地控制疫情，」楊宗翰說明，如果各國完全回歸自給自足，疫情可能更糟。比如逼得重災區如美國，工人仍得維持畜牧、肉品加工，因群聚而加速疫情傳播。有他國貨物支援下，國家才能加強防疫，減少經濟衝擊。

林軒馳補充，現代商業交易並非只有人流往來，多數貿易其實是貨運，補足各國生產缺口，反而對拉平疫情曲線有正向幫助。更遑論，許多醫療資源的跨國互助，也需要仰賴國際貿易。

要錢？還是要命？二選一的遊戲很殘酷，但現實中，這道抗疫選擇題不一定是零和挑戰，面對長期的病毒抗戰，社會需要更多面向的思考。隨疫苗研發成功，台灣在努力維持抗疫好成績之時，或許也可以納入經濟學家的意見，找到下一階段最適合台灣的防疫政策。

延伸閱讀

1. Wen-Tai Hsu, Hsuan-Chih (Luke) Lin, Han Yang ❬Between Lives and Economy: Optimal COVID-19 Containment Policy in Open Economies❭，2020
2. 許文泰個人網頁
3. 林軒馳個人網頁
4. 楊宗翰個人網頁