這些冬至習俗，讓湯圓不只好吃還好玩！

• 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。

說到科學，總讓人感覺理性、冰冷、不留情面；科學家直面的是物質世界，而科學的目的即是藉由觀察和實驗，去了解世界各種現象背後的原理，並透過不斷的累積，然後歸納、化約成定律。接著再去探尋下一個現象，然後再試圖解釋，並一直重複這個循環的過程。

科學思考是違反直覺的，我們必須要去壓抑想要馬上解釋並得到答案的衝動，經由相對客觀的觀察與實驗去歸納出規則，儘管這可能不一定是最終的解答，對科學家來說仍是眾多心血，又或是一輩子、甚至是好幾個世代的共同探尋。

而這樣對自然炙熱的眼光，所看出去世界其實是相當浪漫的！這個章節的選文，讓我們試著去看看科學怎麼熱血的去回答你我身邊都有可能會碰到的問題。比如說，貝氏定理的實踐不只在課堂，在〈情人的加分扣分，請遵守貝氏定理〉裡我們來看看他如何有機會在你與人相遇、去算他是不是你真命天子或天女的機率！

還有還有，爸媽老是會說煮熟的湯圓會浮起來，但你知道這跟糊化反應有關嗎？〈煮熟的湯圓為什麼會浮起來？〉裡會告訴我們，在廚房裡，它有除了煮湯圓水餃之外更廣的應用。

身而為人我很抱歉我會挑食，不過也不用太有罪惡感。〈「它根本不是人吃的東西！」這是大腦在面對討厭食物時的內心吶喊〉裡介紹了科學家做的有關挑食的研究，發現對於挑食的人們來說，大腦看到這些食物的時候根本就不把它當作食物。

諸如此類在我們看球賽、日劇的時候，又或是在我們面對生活的時候，科學知識其實是調味料。人們很早就在仰望星空，或許這就是人類最早對於自然的觀察吧！而逐漸的，透過科學家的追尋，我們從星空中逐漸知道了宇宙的誕生，構成你我的分子是如何而來的，這是我所能想到最浪漫的事了。

讓我們從這些直面科學的人、跟科學共處的人，去看看他們眼中浪漫的世界吧！

——本文摘自《晨讀10分鐘：科學跟你想的不一樣》，2019 年 6 月，親子天下出版。

本文由行政院環境保護署毒物及化學物質局委託，泛科學企劃執行

撰文／林宇軒│自由寫手

在冬至這一天，自己買碗熱熱的湯圓來喝，總是令人覺得暖心。但是去年（2016）底新聞爆出了某廠商使用工業染料「玫瑰紅 B」製作紅湯圓已經十年時，大家暖暖的心大概都涼透了吧…… 因為這次食安風暴的主角，竟然是實驗室紅人、常常用來將細胞染色的螢光試劑 ── 玫瑰紅B。為何來自實驗室的玫瑰紅B會出現在喜氣的紅湯圓裡呢？

來自實驗室的艷麗螢光劑，常用作細胞顯影

尋常的實驗試劑，究竟為何會在尋常人家家中被吃下肚呢？

「玫瑰紅」這個名稱，其實是一類螢光染劑的泛稱，而這類顏色艷麗的染劑在實驗室裡的用途，也許比你想像的要多。因為這一類的分子可以放出螢光，所以幾乎可以在所有細胞顯影實驗中看見它們的身影，放光的顏色從綠色、黃色、橘色到紅色都有，端看羅丹明接上了什麼樣的官能基而定[1]。

本篇主角玫瑰紅B（Rhodamine B）看起來則是有如玫瑰般美麗的粉紅色（下圖），因為會吸收綠光，所以當白光照到它的時候，看起來就會是互補色的樣子，所以也叫「羅丹明 B」，或稱作「紅花米」。

那麼玫瑰紅B是如何將細胞染色顯影的呢？事實上玫瑰紅B和它的親戚們本身並不容易和細胞內的分子結合，所以科學家在會發亮的玫瑰紅B上接上一個可以辨認目標的小分子，我們在顯微鏡下看到亮亮的部分，就是目標的所在位置；若想要觀察其他目標分子，只要把用來辨認目標的小分子換掉，就可以專一地讓玫瑰紅B 和目標分子結合在一起了。

這個概念被套用在很多玫瑰紅類的分子上，用作細胞顯影染色劑（透過顯微鏡觀察亮區，如下圖），或是把細胞染亮之後，用螢光的強度來偵測細胞量或是細胞的物理化學性質（流式細胞術），又或者用在快速且高效地檢驗樣品（ELISA，酵素結合免疫吸附分析法）。另外，一種常使用玫瑰紅B的實驗，是把它和金胺 O（auramine O）混合，這樣的試劑可以把抗酸性菌染色，常用來檢驗結核菌，是一種有效且成本較低的檢驗方法。

同樣是顯影，玫瑰紅分子家族還會被當作水流的追蹤染劑。只要在水裡加入小於 1 ppt 的量，就可以觀察水流的方向、水流流速，以及追蹤地下伏流的流向等等。

紅色玫瑰紅B的黑色幽默？簡單揪出玫瑰紅B的存在

玫瑰紅B 被歸類為第三級致癌物，意思是有少量對動物致癌的證據，但對人體致癌性的研究不夠充分，沒辦法被判定為會致癌；儘管如此，玫瑰紅B仍然是禁止添加入食品中（添加物為正面表述，玫瑰紅B 並沒有列在許可的食品添加物清單中因此不得添加），如果接觸過多，食物經過的黏膜區域會受到刺激，肺部、喉嚨與腸胃道可能感覺不適，甚至吃進太多的話會排出紅色尿啊[4]。

過節時牆上的紅紙、桌上的紅湯圓，都是帶來喜氣的象徵，只是大概沒人想得到，這樣的紅竟然可能是來自非法添加物玫瑰紅B。不只紅湯圓，甚至連麵龜、壽桃、紅龜粿一類點綴或染成紅色的食品，都曾被玫瑰紅B 染指，讓那些看起來吉祥的紅色，各個都成了嘲笑消費者的黑色幽默。就像皂黃之於豆干、二甲基黃之於人造奶油，這次食安風暴的主角也跟之前一樣，是為了迎合消費者們對於食物外觀的想像，廠商違法地使用了能讓顏色、賣相更好的添加物。儘管玫瑰紅B的價格比合法的紅色食用色素還貴，但因為煮過之後不容易掉色，受到不肖商人的青睞[4]。其實，我們可以利用玫瑰紅B 會放螢光的特性，自己為自己做簡易的食品把關，只要拿驗鈔筆照照湯圓，如果變成了鮮紅螢光色，那麼可能就有玫瑰紅B了！（咦）

參考資料：

• Fluorescent Dyes – Leica Microsystem
• 羅丹明 B – Wikipedia
• Rhodamine B 物質安全資料表 – Alfar Aesar
• 添加工業染料 黑心湯圓賣10年 – 自由時報電子報，2016年12月10日
• 圖解食品安全全書，周琦淳等人合著，2013年出版，ISBN：9789866434488