哪家的麻辣鍋比較辣？這可能要問韋伯·史高維爾（Wilbur Scoville）了。化學家史高維爾建立了辣椒素（capsaicin）含量的指標，並以自己的名字命名為史高維爾指標（Scoville Scale）。史高維爾指標自1912年建立後，一直沿用至今，它有效且非常精準，從辣度零的甜椒（bell peppers），到警用級的辣椒噴霧劑，或世界上最辣的千里達魔蠍椒（Trinidad Moruga Scorpion pepper ，辣度150~200萬！）都能測量。雖然陸續有新的化學分析方法出現，但史高維爾指標仍是測量辣度的第一道程序。
編按：最後要附上《鋼鐵人》的小辣椒（咦？）
資料來源：POPSCI: How Science Measures Food-Chili Pepper Heat [2012.06.14]
參考資料：wikipedia: 史高維爾指標
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？
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。
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：
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：
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 可分成兩種：
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。
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。」
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
。
討論功能關閉中。
辣椒裡的辣椒素會刺激皮膚疼痛纖維，觸發「痛覺」和「溫度」神經。痛覺讓口中產生灼熱感，灼熱感讓神經誤以為體溫上升，為了調節體溫身體大量出汗散熱！
辣椒是人類種植最古老的農作物之一哦！考古學家估計，在西元前5千多年，辣椒就已經是美洲瑪雅人的食物囉！
可是在東方，華人使用辣椒的歷史，並沒有那麼長……
辣椒引進東亞大約只有三百多年，之前華人菜餚上的辣，來自葱薑蒜、花椒還有茱萸，辣椒反而被當成觀賞用植物…但後來，又是怎麼被普遍使用了呢？
過去，住在高山區、離海邊較遠的居民，取得鹽巴不易，居民試著在菜餚中加入辣椒，取代鹽巴來提味。
辣椒普遍被種植後，不但取得容易，還補強了缺鹽的窘境。而又辣又痛的感覺，讓古今中外人人都上癮，成為菜餚中重要的調味料哦！
吃辣和吃冰哪一個可以讓體溫下降呢？實驗結果顯示，辣椒裡的辣椒素會刺激皮膚疼痛纖維，觸發「痛覺」和「溫度」神經。痛覺讓口中產生灼熱感，灼熱感讓神經誤以為體溫上升，為了調節體溫身體大量出汗散熱！而吃冰，雖然能讓人瞬間感到涼爽，但人體會察覺到體溫下降太快，會自動調節體溫，反而體溫會上升！
公共電視科普節目《神廚賽恩師》 ，結合科學、廚藝與食育教育，引領大眾用有趣的方式、從 Science-科學角度讓大眾了解傳統廚藝「伙房 36 法」中的科學知識。第三季節目於 2023 年 2 月 3 日起，每週五晚上 6 點在公視主頻首播，公視 3 台每週五晚上 7 點首播，重播時段為公視主頻每週六早上九點三十分與公視 3 台週日晚上六點播出。
▸《神廚賽恩師》第三季將於 2/3（五）起，18:00 在公視主頻首播
其他播出資訊
▍ 公視頻道每週五晚間 18:00、公視三台每週五晚間 19:00 （首播）
▍ 公視頻道每週六早上 09:30、公視三台每週日晚間 18:00 （重播）
▍ 並將於公視+ 影音平台完整上架 敬請期待
▍ 烹調中蘊含科學原理，一起發現料理中樂趣
生物學上，辣椒的辣不屬於味覺或嗅覺，而是一種本能和直覺上令人不適的灼熱感。動物不偏好這種感覺，但是人類卻對這樣的刺激躍躍欲試。至於為什麼辣椒會在各種料理中這麼普遍，以及為什麼有些人即使受盡折磨，也要嚐一口那辣死人的滋味，科學上有幾種解釋，不過到目前都還沒找到完全讓人信服的理由。
其中一個理論講的是地域性：吃辣會使人流汗，可以幫助散熱，所以辣椒在熱帶地區比較常見。但是這個說法不能解釋，為什麼寒冷地區的人也逐漸吃起辣來了。另一個理論認為，吃辣可以刺激感官：食品科學作家哈洛德．麥克吉（Harold McGee）表示，嘴巴裡和舌頭上的神經受到灼熱的刺激後，味蕾會短暫的對觸覺和溫度變化等變得比較敏感，這麼一來，食物的味道嚐起來會更鮮明、更令人愉悅。但另一方面也有科學證據指出，辣椒造成的灼熱感，其實會讓神經的感覺變得比較遲鈍。
在生物學上完全講不通的人類吃辣習性，可謂一宗味覺懸案。甜味、苦味、酸味、鹹味或鮮味都有悠久的歷史，它們的存在比人類早了數億年，但是辣味對智人來說，還是一種頗為新穎的味道。辣椒的起源地在南美洲安第斯高原（Andean highlands）橫跨現今秘魯和玻利維亞的地方，距離現代人起源的東非大裂谷（East African Rift Valley）非常遙遠。
人類首度品嚐辣椒，大概是在一萬兩千年前，從亞洲遷移到美洲的路上；真正變得比較普遍，則是五百年前左右。人類不斷在嘗試新的口味、愛上新的味道。辣椒的興起意味著，人類還在發掘新的感官刺激味，持續拓展我們的味覺版圖。這當中的意涵相當複雜。人類的味覺和嗅覺，與生理學之間有很密切的關聯，不管在新陳代謝、情緒和社交上，都扮演著重要的角色。突然闖進一種全新的味道，而且是以強烈而神祕的神經化學訊號刺激我們的大腦和身體時，會帶來什麼樣的衝擊呢？就像過去幾個世紀以來，我們飲食中的用糖量大增一樣，辛辣口味對人類的生理和飲食趨勢也是一大考驗，不同的是，辣味帶來的影響，有可能是利多於弊。
就像綠花椰菜的苦味一樣，辣椒的辣也是植物的防禦武器。六千五百萬年前，正當恐龍步入歷史時，開花植物還只是植物界裡地位卑微的成員，為了應付氣候變遷和日益壯碩的哺乳動物，玫瑰長了刺，辣椒則使出了辣椒素。
辣椒和曼陀羅同屬以化學防禦能力著稱的茄科（Solanaceae）植物，兩者都會製造毒素。曼陀羅花製造的毒素會讓人出現幻覺。不過，大部分的茄科植物，像是馬鈴薯、番茄、茄子等，在經過幾千年的培育後，都不再帶有這些毒素了。
但是某些植物，像是辣椒和菸草等，我們反而是用盡各種手段來提高它們的活性成分效果。我們稱這類有效成分為植物鹼，它們對我們的身體和心理都有強大的作用。除了辣椒素和尼古丁，這樣的植物鹼還包含咖啡因，以及海洛因和古柯鹼裡的活性成分。獨具風味的食物也常含有植物鹼，像是巧克力就富有苯乙胺（phenethylamine）和花生四烯乙醇胺（anandamine）等多種植物鹼成分。其中的苯乙胺是一種溫和的安非他命，花生四烯乙醇胺則是一種神經傳導物質，可以刺激大腦裡的快樂熱點（hedonic hotspots），引發快感。
是什麼原因，讓辣椒非得採取這樣強烈的手段，讓動物們避之唯恐不及呢？又為什麼有些野生辣椒不會辣呢？如果辣椒素存在的目的是驅離動物，那麼，那些不辣的不就失去保護能力了嗎？
華盛頓大學的生物學家強納生．圖克斯伯里（Jonathan Tewksbury）利用生長在玻利維亞高原，有的辣、有的溫和的野生番椒（Capsicum chacoense）研究了這個問題。他發現有些昆蟲具有細長的吸吮器，會導致這類野生番椒遭受真菌感染，進而腐爛、無法生成種子。圖克斯伯里走遍了安第斯山谷，在山谷裡到處嚐試番椒、觀察它們的外皮是否有蟲子咬過的痕跡、檢驗是否有感染跡象。最後發現，不辣的番椒受到感染的情形，比會辣的番椒嚴重許多，顯示辣椒素確實可以驅離害蟲，甚至殺死病菌。
但這還是無法解釋為什麼有些辣椒不辣。在研究它們的分布情形時，圖克斯伯里發現了一件有趣的事。不辣的番椒製造的種子數量比較多、質地也較硬，另外它們傾向於分布在較高、較冷的地區。這除了意味著辣椒素可能可以抑制繁殖，還推論出在海拔較高的地方，因為感染真菌的機率較低，所以辣椒素的存在也不是那麼重要了。他繪製出來的地圖顯示，最辣的番椒多分布在山谷裡較溫暖的地帶。此外這份地圖也指出，過去幾萬年或幾百萬年來，辣椒從山上往低處擴展它們的版圖時，辣度是一路增加的。
對辣椒素沒有辨別能力的鳥類吃了辣椒，排出它們的種子，讓辣椒得以四處擴展。等到人類出現，辣椒的分布已經從南美洲、加勒比亞海岸，一路擴展到北美洲了。人類第一次感受到辣椒的辣，是在墨西哥的某處，想當然，這個初體驗不是太美好。不過，沒多久後情況便改觀了。
