Cathy Hutchinson已經四肢癱瘓了十五年，但是現在他可以透過人機介面，用大腦控制機械手臂伸向並拿起杯子，啜飲一口晨間咖啡。這個人機介面在Cathy 頭上植入了96-channel每根只有頭髮這麼粗的微電極，讀取一小群運動皮質的神經元活動情形，透過電腦運算把這些訊號轉換，變成數位命令給機械手臂。
布朗大學的神經科學家Dr. John Donoghue期許這樣的人機介面，未來能有一天幫助癱瘓者「重建」他們的動作控制。原始的研究論文發表在五月的《自然》(Nature)，下方的影片可以看到Cathy如何控制機械手臂，以及該研究團隊的採訪。
Paralysed woman moves robot with her mind – by Nature Video
資料來源：Using the Brain to Control Robotic Arms與Paralysed woman moves robot with her mind
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。
在澳大利亞的北領地、西澳、昆士蘭和新南威爾斯，每年夏季從熱帶到亞熱帶地區，芒果依序成熟。[1]正當空氣中瀰漫著爛熟的果香，枝枒上再也撐不住的芒果與吸蜜鸚鵡（lorikeets）[2, 3][備註]，紛紛墜地。
遵循往年的慣例，Stephen Cutter 醫師在北領地的首府達爾文，沿路撿拾鸚鵡，帶回方舟動物醫院（Ark Animal Hospital）治療。[2]
芒果樹、傘樹（Schefflera actinophylla）等植物的果實和花蜜，自然發酵後，能令鳥類微醺。[2]在不產芒果的南澳，也有被稱作「醉鸚鵡樹」（Drunken Parrot Tree）的紅雲花樹（Schotia brachypetala），會讓酒品極差的吸蜜鸚鵡變得聒噪惱人。[4]
此外，世界上其他地方的動物，亦有不少雷同案例。比方說，印尼婆羅洲的紅毛猩猩，熱愛帶有強烈酒味的榴槤；非洲的大象與猴子，會食用棕櫚樹和非洲漆樹（Marula trees）已發酵的果實；在瑞典還曾有爛醉的麋鹿，因為鹿角被蘋果樹纏住，而登上國際新聞。[2]
《國家地理》與《澳大利亞地理》雜誌，以及澳洲廣播公司等媒體，約莫在 2010、2011 年前後，開始報導這些定期在芒果季中毒的鸚鵡。[2, 3, 5]然而，有別於水果酒精造成的症狀，牠們不僅失去飛翔和平衡的能力，整隻從天上栽落，有些還因病而亡，死時雙爪蜷曲緊握。[2, 3, 6]
此現象即為「吸蜜鸚鵡癱瘓症候群」（lorikeet paralysis syndrome）或「緊爪症候群」（clenched-foot syndrome），暱稱「落鸚症候群」（drop lorri syndrome）。[3, 6, 7]
如同那些在北領地被「撿屍」的遠親，昆士蘭南部和新南威爾斯東北部，每年 10 到 6 月，特別是 12 月至 2 月期間，總有數以千計的吸蜜鸚鵡，罹患此症。[7]西澳在夏季尾聲，也有紅翅鸚鵡（red-winged parrots，學名： Aprosmictus erythropterus），因倒地不起，而遭掠食者攻擊。[3]生病的鸚鵡通常會先被送至加護病房，治癒後還要長期復健。[7]
葛瑞菲斯大學的 Darryl Jones 教授假設這是病毒感染，尤其鳥類不懂社交距離，傳得特別快；[6]雪梨大學的 David Phalen 教授則猜測是有毒植物的果實所致，而此植物的分佈，可能碰巧與某些鸚鵡的棲地重疊。[7]
為了搞清楚到底是哪種植物毒害吸蜜鸚鵡，David Phalen 教授邀請熱心的在地人提供線索：民眾可以上 iNaturalist 平臺，登錄他們觀察到的野生吸蜜鸚鵡吃了什麼，資訊愈多愈好。
科學家再針對被舉報的植物，進行採樣，並深入研究。他們分析數據的基本原則，如下：[7]
儘管研究初步的結果，已經掌握了十幾種牠們愛吃的植物，例如：紅千層（bottlebrushes，又稱「瓶刷子樹」）、紅雲花樹、傘樹、澳洲白千層（paperbarks）以及紐西蘭聖誕樹（New Zealand Christmas trees）等。
研究團隊仍未確定毒害吸蜜鸚鵡的元兇，所以民眾依然持續上載觀察報告。[7]
如果上述研究計劃引發了您的興趣，卻無奈自己住在臺灣幫不上忙，其實也可以瀏覽「臺灣生物多樣性網絡」的「參與Participation」網頁。裏頭有各式各樣的動植物觀察回報團體與系統，讓每個有心貢獻科學的市井小民，都有機會盡一己之力。[8]
本文將紅翅鸚鵡以外的「吸蜜鸚鵡癱瘓症候群」（lorikeet paralysis syndrome）患者，統稱為「吸蜜鸚鵡」（lorikeets）。原始英文資料提及的亞種，包括北領地的「紅頸吸蜜鸚鵡」（red-collared lorikeets，學名：Trichoglossus rubritorquis）[2]以及昆士蘭與新南威爾斯的「彩虹吸蜜鸚鵡」（rainbow lorikeets，學名：Trichoglossus haematodus）[7]。《國家地理》雜誌將二者視為單一物種[5]；《澳大利亞地理》雜誌和雪梨大學網頁則使用兩個不同的學名。[2, 7]
低血鉀週期性麻痺症（hypokalemic periodic paralysis，HypoPP）是什麼？根據自由時報的報導，英國1名12歲少女米亞（Mia Park，下圖）罹患罕見的遺傳疾病，今年初發病以來，每隔一天就癱瘓，最長可癱瘓19小時。
患者的鉀離子被留在肌肉中，使得血液中的鉀離子太低，造成疲倦無力、氣促、便秘腹脹、反射低弱等症狀；若鉀離子降到太低（小於2.5mEq/L），有可能致死。
遺傳性的『低血鉀週期性麻痺症（hypokalemic periodic paralysis）』，為「體染色體顯性」遺傳，與鈣離子通道（CACNL1A3）突變有關。由於在女性會發生不完全的遺傳，所以發生週期性麻痺比率為男性＞女性（3:1），常發病於兒童晚期或是成人期。
甲狀腺功能亢進也會引發低血鉀，但是在檢查的時候就會發現，遺傳性HypoPP病人的甲狀腺功能是正常的。
民間俗稱的「鬼壓床」其實也是一種低血鉀症，通常在劇烈運動、食用大量碳水化合物食物後較容易發生。遺傳性的HypoPP的發作也與運動與攝食碳水化合物食物有關。
原刊轉載自作者部落格。
參考文獻：
Cathy Hutchinson已經四肢癱瘓了十五年，但是現在他可以透過人機介面，用大腦控制機械手臂伸向並拿起杯子，啜飲一口晨間咖啡。這個人機介面在Cathy 頭上植入了96-channel每根只有頭髮這麼粗的微電極，讀取一小群運動皮質的神經元活動情形，透過電腦運算把這些訊號轉換，變成數位命令給機械手臂。
布朗大學的神經科學家Dr. John Donoghue期許這樣的人機介面，未來能有一天幫助癱瘓者「重建」他們的動作控制。原始的研究論文發表在五月的《自然》(Nature)，下方的影片可以看到Cathy如何控制機械手臂，以及該研究團隊的採訪。
Paralysed woman moves robot with her mind – by Nature Video
資料來源：Using the Brain to Control Robotic Arms與Paralysed woman moves robot with her mind
