玻璃天花板在哪裡？從一戰後口述歷史，看女性科學家的困境與突破（上）

• 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。

本文轉載自顯微觀點

顯微鏡後的女性科學家系列

顯微鏡學的蓬勃發展，不僅促進了醫學﹑公共衛生的發展，而在這背後也有許多偉大的女性科學家參與其中。

屏東縣九如鄉一處養羊場有 3 頭羊確診「布氏桿菌病」，為台灣約 30 年來首例，動防所已撲殺感染羊隻並進行消毒。由於「布氏桿菌」為人畜共通傳染病，衛福部疾病管制署匡列 4 名牧場員工……。2023 年 12 月 9 日報導

由於乳製品滅菌的觀念普及，現在已很少聽聞布氏桿菌感染。這都得歸功於首先發現經由飲用感染布氏桿菌的生牛乳而導致人類得馬爾他熱，進而促成乳品全面巴氏消毒的細菌學家艾莉絲．埃凡斯（Alice Catherine Evans）。

從偏鄉教師到微生物學家

埃凡斯的祖父 1831 年從英國威爾斯移民至美國，她於 1881 年 1 月 29 日出生在美國賓州尼斯威爾斯社區的一戶農家。

埃凡斯在出生地念中小學，因當地沒有高中，她到了賓州托旺達（Towanda）的薩斯奎漢納學院（Susquehenna）就讀。1901 年畢業後，進入大學就讀的夢想因家裡無法負擔而破碎，且當時小學教職幾乎是唯一對女性開放的非基層勞力職業，因此她沒有多想就進入一所小學擔任 1 至 4 年級的教師。

她在家鄉和外地的小學共教了 4 年書後，得知有康乃爾大學農學院提供偏鄉教師免學費的自然科學課程。當時康乃爾大學的農學院院長貝利（Liberty Hyde Bailey）希望藉由受過訓練的教師，培養學生對大自然的熱愛、對植物和動物以及無生命世界的興趣。

埃凡斯申請了這項計畫，並用她四年教書的積蓄來到康乃爾大學，並選擇細菌學作為研究領域，指導教授是研究乳製品的微生物學家史托金（William A. Stocking）。

1908 年她獲得康乃爾大學農學院的學士學位，經指導教授推薦，獲得威斯康辛大學的獎學金；這是專門提供給專攻農化或細菌學研究的獎學金，且在此之前未曾頒給女性。於是埃凡斯前往威斯康辛大學繼續碩士學業。

但她雖然是拿細菌學獎學金，但在農業細菌學指導教授黑斯廷斯（Edwin George Hastings）的要求下，埃凡斯花了三分之二的時間研讀化學，並於 1910 年獲得碩士學位。 碩士學業最後一年，教授希望埃凡斯留下來繼續攻讀博士學位。雖然意識到這是不錯的機會，但大學和碩士學業已帶給她不小的經濟和精神負擔，加上博士學位在當時對科學家並非必要，因此她選擇不再繼續攻讀。

與布氏桿菌相遇

每個人都有自己的天職，天賦就是呼喚，有一個方向，所有的空間都向他敞開。他擁有靜靜地吸引不斷往前努力的能力。

——愛默生

幸運的是，埃凡斯獲得了農業部動物產業局（Bureau of Animal Industry）的研究職位。由於乳酪是威斯康辛州的重要產業，當時威斯康辛大學化學系和細菌學系與乳製品部門合作，研究更好的乳酪製作方法。

埃凡斯是該單位首位女性員工。當時的動物產業局官員沒有想到可能會選擇女性。據傳聞，官員們在一次會議中聽到一名女科學家將加入他們的工作行列的「壞消息」時，他們充滿了驚愕，甚至「差點從椅子上跌下來」。

埃凡斯的回憶錄寫到：「就我而言，進入動物產業局純屬意外，因為長官在女性就業屏障上留下了一個漏洞，我不知不覺地就鑽了進去。」但這在女性就業可說是一個重要的里程碑，因為除非對美國公務員提出嚴重的投訴，否則埃凡斯不會被任意解僱。

所幸埃凡斯的頂頭上司，乳製品部長羅爾（B. H. Rawl）與研究主任羅傑斯（Lore A. Rogers），都不認同其他高級官員對女性的敵意。她在此研究主題是牛乳中各式各樣的細菌，並了解這些類型細菌的來源。同時，她也每年在大學選修一門課，以充實知識。

研究過程中，她的目光漸漸集中到一個特定的對象，一種致流產的傳染性微生物。

查看原始文章

本文由 國立臺灣師範大學 委託，泛科學企劃執行。 

被美貌耽誤才能的代表，這句話或許再適合不過地形容我們今天的主角——海蒂．拉瑪。她是一位好萊塢女明星，但她的成就絕不僅限於螢光幕前的光鮮亮麗。

好萊塢巨星與發明家雙重身份

海蒂．拉瑪不僅在影壇上熠熠生輝，她還是「展頻」這項重要通信技術的發明人。這項技術如今在無線通訊中廣泛應用，像藍牙和 Wi-Fi 等技術的基礎都能追溯到這項發明。

她的一生充滿了傳奇色彩，不僅僅是一位銀幕女神，還是一位傑出的發明家，她的貢獻至今仍影響著我們的日常生活。讓我們一起走進這位才能與美貌並存的女性，了解海蒂．拉瑪（Hedy Lamarr）如何在那個年代突破重重障礙，成為展頻技術的奠基者。

如今，我們所使用的藍牙、Wi-Fi 等傳輸技術，其中部分原理來自於海蒂．拉瑪與喬治．安塞爾的跳頻展頻技術。儘管為了提升效率和安全性，現代已經有了更多展頻方式，但這並不會抹去拉瑪與安塞爾的巨大貢獻。

海蒂．拉瑪一生在影壇輝煌，雖然未曾獲得奧斯卡獎，但卻得到由「電子前哨基金會」頒發，有發明界奧斯卡獎之稱的「先鋒獎」，拉瑪離世後 14 年，入選美國國家發明名人堂，肯定她在展頻技術上的突破。或許大家記得她螢光幕前的風采，那如同她在好萊塢星光大道上的那顆星一樣閃耀的身影。但我希望每當我們享受便利的通訊科技時，能記得她也是這條技術發展長路上的一位重要火炬手。

更多、更完整的內容，歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！