以「拾金不昧」測量公民誠信度？科學家在全球各國丟了上萬次錢包作實驗……

• 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。

• 文／Heidi
• 本文編譯自《Science’s 2022 Breakthrough of the Year: A telescope’s golden eye sees the universe anew》

回顧 2022 年，有沒有讓你印象特別深刻的科學新聞呢？約莫兩星期前，《Science》雜誌公布了今年的十大科學突破，從農業到藝術、從細菌到宇宙、從百萬年前的生態到人類的未來，每一項突破都和我們的日常生活息息相關。

好啦，廢話不多說，現在就來揭曉答案吧！

十大突破之首——遙望宇宙的韋伯太空望遠鏡

今年，韋伯太空望遠鏡（JWST）帶來的震撼，相信你我都印象深刻。

早在 1990 年，哈伯太空望遠鏡發射升空後，科學家就開始規劃下一步。他們不只想看見更遙遠的宇宙，也想透過不同的波長，分析地外生命存在的可能性。

哈伯望遠鏡的觀測波段以可見光為主。確實，紫外線和可見光波長最有利於觀測誕生不久的新星，但隨著數十億年過去，這些新星發出的光，穿過不斷膨脹的宇宙，來到地球，被拉伸到更長的紅外線波長後，哈伯就沒輒了⋯⋯

• 延伸閱讀：為何 NASA 不惜大撒幣也要把它送上太空？——認識韋伯太空望遠鏡（一）
• 延伸閱讀：史上最大口徑的 JWST 要如何塞進火箭？——認識韋伯太空望遠鏡（二）

那麼，要怎麼看見更遙遠的宇宙呢？去年底，歷時 20 年建造、造價 100 億美元的「韋伯太空望遠鏡」順利升空，開啟 150 萬公里的長征。韋伯搭載的科學儀器可以觀測紅外線波段，包括來自宇宙第一批恆星和星系發出的光。

• 延伸閱讀：太空巨獸 JWST 升空後的 150 萬里長征 —— 認識韋伯太空望遠鏡（三）
• 延伸閱讀：淺談 JWST 的科學意義：探索宇宙深處與塵埃後的外星世界！——認識韋伯太空望遠鏡（四）

今年 6 月底，韋伯開始收集數據，三星期後就傳回了第一批深空照片，讓科學家看見了更遙遠、更古老的新星系，徹底改寫我們對宇宙的認識。對於天文學界來說，這是一個充滿奇蹟的時代，韋伯望遠鏡也因此榮登 2022 年最重要的科學突破。

• 延伸閱讀：解析韋伯太空望遠鏡第一批影像背後的科學意義

研發多年生水稻 PR23，減輕農民耕作負擔

盤點世界上最主要的糧食作物，水稻肯定有一席之地！現今，大部分水稻都是一年二至三穫，每年收穫後都得重新種植，對農民來說是非常耗時、費力的工作。

今年 11 月，中國雲南大學農學院的研究團隊在《Nature Sustainability》發表他們十餘年來嘔心瀝血的研究成果——多年生水稻「PR23」。這是長雄野生稻和 RD23 栽培稻的雜交種，不但可以達到和傳統水稻相仿的產量，還可以省下農民的大把時間、精力與成本。

PR23 第一年的稻作成本與傳統水稻差不多，但從第二年開始，農民就可以跳過育秧、犁田、移栽幼苗的步驟，降低約 50% 的人力成本，到了第五年才需要重新種植。

在中國，PR23 的種植面積超過了 15,000 公頃，平均產量則是每公頃 6.8 噸，略高於傳統水稻。根據非洲和東南亞的試驗數據，PR23 還可以改善土壤結構、增加有機質含量、減少梯田和高地的水土流失。

與此同時，科學家也正在觀察兩個潛在問題：一、雜草和病原體是否會積累在田地中，導致 PR23 需要更多除草劑，二、是否會排放更多的一氧化二氮，加劇溫室效應。但目前不可否認的是，多年生水稻有助於降低成本、提高收益，確實是一項重要的突破。

• 延伸閱讀：如何幫畜牧業減排溫室氣體？——教會小奶牛上廁所，可有效降低「一氧化二氮」排放！

誰說 AI 沒創意？AI 的創造力可是超乎想像呢！

說到 AI，有沒有讓你想起去年的十大科學突破呢？沒錯，去年的十大突破之首就是預測蛋白質 3D 結構的 DeepMind 團隊，而在今年，他們著手設計全新的蛋白質，用來開發疫苗、建築材料和奈米機器。

• 延伸閱讀：2021 年《Science》年度十大科學突破

與此同時，DeepMind 發布了 AlphaTensor，用來找出更有效率的矩陣乘法演算法。高中就學過的矩陣是代數中最簡單的運算之一，可以用來壓縮網路資料、辨識語音指令、模擬與預測天氣、生成電腦遊戲圖形等。

• 延伸閱讀：地表最速乘法傳說！碰到大得要命的數字，這是最快的乘法方式

另外，DeepMind 還發布了可以自主編寫程式、解決問題的 AlphaCode。在程式解題競賽網站 Codeforces 定期舉辦的比賽中，AlphaCode 甚至打敗了過半的參賽者，取得排名前 54% 的成績，跌破創辦人的眼鏡。

除了科學、數學、程式設計之外，AI 在藝術領域更是大放異彩。

繼 OpenAI 去年發布繪圖軟體 DALL-E 後，今年 4 月發布了進化版的 DALL-E 2，只要輸入幾個字詞，AI 模型就能自動生成圖像。在 9 月，有一位藝術家利用類似的 AI 繪圖工具 Midjourney 奪下美國科羅拉多州博覽會首獎。

此舉在藝術界掀起一股旋風，卻也引來了哲學辯論和道德抨擊，但毫無疑問的是，人類可以借助逐年進化的 AI 拓展創造力，開發出更多、更好的工具。

• 延伸閱讀：AI 是大藝術家？人工智慧演算出的作品可以被稱為藝術嗎？——《再．創世》專題

超級華麗的大～大～大細菌！

在你的印象中，細菌是不是都很小、不用顯微鏡就看不見呢？今年 2 月，科學家在法屬西印度群島發現一種肉眼可見的巨無霸細菌——華麗硫珠菌（Thiomargarita magnifica），震驚了生物學界。

• 延伸閱讀：肉眼可見的「微生物」！科學家發現有史以來的最大細菌，平均長度大於 0.9 公分

一般來說，細菌沒有細胞核和膜狀胞器，遺傳物質都在細胞中自由漂浮，但華麗硫珠菌真的很華麗，不只可以長到 2 公分，比多數細菌大上 5000 倍，而且還有隔間可以容納 1200 萬個基因組——這大概是多數細菌基因總量的 3 倍。

身為一種不應該有膜的原核生物，華麗硫珠菌的結構或許即將改寫原核生物和真核生物的定義，甚至有機會成為一塊拼圖，補足細胞進化過程中缺失的環節。

• 延伸閱讀：長達 5 億年的空白：真核生物從何而來？「洛基」是人類起源的解答嗎？──《纏結的演化樹》

開發新疫苗，呼吸道合胞病毒治療現曙光

在這 COVID-19 肆虐之年，美國感染呼吸道合胞病毒（RSV）的病例數也急遽上升。呼吸道合胞病毒傳染性極強，通常只會引起類似感冒的輕微症狀，但在嬰幼兒身上，這種病毒會使肺部發炎，而在老年人身上，會使既有的心肺疾病惡化。

早在 50 多年前，就有科學家試圖開發呼吸道合胞病毒的疫苗，但在臨床試驗導致 80% 的接種者住院、2 名兒童死亡後，開發就此中斷。後來，科學家發現敗筆在於這種殺死病毒後製成的「滅活疫苗」所引發的抗體較弱，不只殺不掉活生生的病毒，還能反過來幫助病毒破壞氣管。

• 延伸閱讀：燃燒吧，小宇宙！疫情之下，研發疫苗大絕招有哪些？

如今，莫爾豪斯醫學院（Morehouse School of Medicine）開發了能夠引發強效抗體的新疫苗。在輝瑞（Pfizer）和葛蘭素史克藥廠（GSK）進行臨床試驗後，證實這兩種新疫苗可以保護嬰兒和老年人，不會引起嚴重副作用，而在孕婦注射後，也能將抗體傳給胎兒。

• 延伸閱讀：新藥的研發流程概論

雖然過往的失敗讓開發團隊心存疑慮，但目前沒有任何數據顯示疫苗不安全，其中幾種候選疫苗也可能將在明年獲得監管機構批准上市。

好啦～這篇到這裡，先介紹前五項突破就好！因為《Science》今年提供的內容實在是太精彩了，為了避免讀者一次閱讀太多字很累，只好拆成上下兩篇⋯⋯看完這篇後，如果你好奇另外五項突破是何方神聖，就來看第二篇吧！

接續下篇：2022 年《Science》年度十大科學突破（下）：EBV 病毒與發燒的地球

轉眼就來到 2021 年的尾聲。今年，《Science》雜誌評選的「年度十大科學突破」橫跨眾多領域，包括 AI、天文、物理、生物、醫學，以及備受矚目的能源議題，趕快來看看究竟是哪十項突破吧！

• 文／Heidi
• 本文編譯自《Science’s 2021 Breakthrough of the Year: AI brings protein structures to all》

十大突破之首——利用 AI 預測蛋白質結構

蛋白質是組成生物體不可或缺的分子。在 1950 年代，科學家透過分析 X 射線繪製蛋白質結構。然而，既有的方法在繪製成本上過於高昂，往往得耗費數年時間，因此在 1970 年代，科學家開始運用計算機建模，預測蛋白質的折疊方式。直到 2018 年，Google 旗下的 DeepMind 團隊開發了 AI 軟體「阿爾法摺疊」（AlphaFold），使得該領域研究取得突破性進展。

多虧這項 AI 技術，科學家得以精準、快速、大量繪製蛋白質結構。今年 7 月，DeepMind 團隊宣布他們成功分析了 350,000 種人體蛋白質，佔所有已知人體蛋白質的 44%，更預計在明年發布所有已知物種的蛋白質結構，約莫 1 億個。團隊也正在進行更進一步的研究，預測這些蛋白質如何在生物體內相互作用，用來製作新型抗病毒藥物。

在這 COVID-19 肆虐的大疫之年，科學家更利用阿爾法摺疊模擬 Omicron 變種病毒，研究棘蛋白突變帶來的影響，試圖找出中和抗體失效的原因。AI 預測蛋白質結構的技術不僅徹底革新分子生物學領域，也勢必在醫學領域大放異彩！

• 延伸閱讀：AI 預測蛋白質結構贏過科學家，科學家也要失業了？才不會呢！

探勘古代洞穴，解鎖 DNA 寶庫

誰說沒有化石就不能研究古生物？科學家今年踏足古代洞穴，採集土壤裡的人類細胞核 DNA，藉此重建古代生態系，釐清世界各地穴居人的身份。在美國，Satsurblia 洞穴存有尼安德塔人未知譜系的女性 DNA；在西班牙，Estatuas 洞穴中的土壤 DNA 揭露 8 萬至 11.3 萬年前人類的遺傳特徵，證實在 10 萬年前的冰河時期結束後，某個尼安德塔人譜系取代了其他眾多人類譜系。

除了人類以外，這種研究方法還可以運用在其他生物上，比如在墨西哥 Chiquihuite 洞穴中，有研究員採集到 1.2 萬年前的黑熊 DNA。與現代熊 DNA 比對後，科學家發現黑熊在上個冰河時期結束後，向北遷徙到阿拉斯加。

• 延伸閱讀：沒有化石沒關係，從泥土也能取得尼安德塔人 DNA！

「核融合反應」的歷史性突破

太陽之所以能發光發熱，供給地球能量，都要歸功於太陽內部不斷進行著的核融合反應。長期以來，科學家為了解決地球能源不足的問題，不斷嘗試人工進行核融合反應，可是要達到足夠產生融合反應的壓力和溫度非常困難（請參考：融合能量增益因子／維基百科）。今年，美國國家點火設施（NIF）運用 1.9 兆焦耳的雷射脈衝，壓縮胡椒粒大小的氘（氫的同位素），產出 1.35 兆焦耳的能量，遠高於先前實驗獲得的 17 萬焦耳。

目前，NIF 仍持續進行實驗，試圖藉由更換燃料或調整雷射脈衝數值來提高能量產出，找出能夠最大化能量轉換比例的組合。未來，或許融合反應能夠成為供給地球能源的主流方法！

• 延伸閱讀：托克馬克反應爐：地球上創造的人造太陽——成功大學電漿所向克強教授專訪

COVID-19 口服藥「莫納皮拉韋」問世

COVID-19 口服藥終於問世啦！今年秋季，美國默克（Merck）藥廠發布數據，證明其研發的 COVID-19 口服藥「莫納皮拉韋」（Molnupiravir）可將未接種疫苗者的重症和死亡率降低 30%；如果在出現症狀的 3 日內服用輝瑞開發的口服藥 PF-07321332，則可降低 89% 住院率。

雖然口服藥無法取代疫苗接種，卻扮演非常關鍵的角色。若是 Omicron 變異株造成大量突破性感染，或許口服藥就能接棒，防堵病毒擴散。

• 延伸閱讀：新冠口服藥即將問世！——為何它不能取代疫苗？嗑完藥就好棒棒嗎？

創傷後壓力症候群的新興療法——搖頭丸

什麼？搖頭丸還能治病？沒錯！這份發表在《Nature Medicine》的研究證實搖頭丸的主要成分「3,4-亞甲基二氧基甲基苯丙胺」（MDMA）可以減輕創傷後壓力症候群（PTSD）患者的症狀，而且效果十分顯著。該研究將 76 名受試者分成 MDMA 組和安慰劑組，接受 3 次療程，發現 MDMA 組有 67% 的病患試後不再符合 PTSD 的診斷標準，而安慰劑組僅有 32%。

可是這項結果也引起了對於雙盲實驗的質疑，因為試後有高達 90% 的受試者表示他們其實知道自己的組別，這可能大幅影響症狀改善的機率。目前正在進行更大型的實驗，若實驗結果確定 MDMA 能治療 PTSD，預計將在 2023 年提交美國食品藥物管理局（FDA）批准上市。

• 延伸閱讀：美國狙擊手：淺談創傷後壓力症候群
• 延伸閱讀：自己真的不夠好嗎？——長期被否定下的「複雜性創傷後壓力症候群」

開發單株抗體，對抗各類傳染性疾病

單株抗體（mAb，簡稱單抗）是融合腫瘤細胞與免疫細胞製造而成的人工抗體，不但有腫瘤細胞不斷分裂的能力，也有免疫細胞產生抗體的能力——簡單來說，單抗可以大量製造相同的抗體，更有效地打擊病毒。除了往年的伊波拉病毒、炭疽病、狂犬病單抗以外，今年也順利合成了瘧疾、愛滋病和呼吸道合胞病毒（RSV）的單抗。目前，科學家正在積極開發更多種類的單抗，首要目標是打擊流感、茲卡病毒和巨細胞病毒（CMV），使得這項新技術有望成為打擊傳染病的「標配」。

• 延伸閱讀：「Delta 變種病毒」對中和抗體的敏感度降低，那會影響疫苗保護力嗎？

「洞察號」揭密火星內部結構

自 2018 年「洞察號」（InSight）登陸火星至今，科學家蒐集 35 筆地震數據，藉以估計火星的地殼厚度、地函結構和地核大小。今年的數據分析結果出爐後，發現這顆紅色行星的平均地殼厚度不到 40 公里，地函非常淺，而且只有一層（不像地球有上、下兩層地函），地核特別巨大，佔了火星體積一半，主要組成元素是低密度的液態鐵和液態鎳，以及硫、氧、碳和氫等較輕元素。這是人類首次使用地震數據探測其他行星的內部結構，也是探索神秘火星的一大步。

• 延伸閱讀：「洞察號」成功登陸火星，NASA 展開深度探索
• 延伸閱讀：風聲、手臂聲、地震聲？洞察號在火星上聽到的震波訊號代表了什麼？

改寫粒子物理學模型的繆子實驗

在 1960 年代，粒子物理學家提出理論解釋強核力、弱核力和電磁力，這三種理論被稱為標準模型。然而，科學家今年發現「繆子」（Muon）——一種比電子更重、更不穩定的粒子——其實際測得的 g 值（自旋角動量與磁性大小之間的關係）比標準模型所預測的還要大，且兩者的誤差範圍沒有交集。

目前，眾多科學家正在美國費米實驗室（FNAL）進一步分析實驗數據。假如繆子實驗沒有任何閃失，這樣的結果將撼動物理學界，徹底改寫擁有 50 年歷史的標準模型。

• 延伸閱讀：物理學又出現裂縫？！Muon g-2 實驗結果與「標準模型」的預測不符

CRISPR 基因編輯——確實能在體內發揮療效！

去年，科學家運用 CRISPR 基因編輯技術，在實驗室修改造血幹細胞，治癒鐮刀型貧血和乙型（β 型）地中海貧血。今年，科學家更大膽了，直接在人體內部署 CRISPR！研究結果顯示，這種基因編輯技術可以有效減少一種有毒的肝臟蛋白質數量，甚至改善遺傳性失明患者的視力，讓兩名幾乎完全失明的患者能夠感覺到光線，並且在昏暗的光線下避開障礙物。

• 延伸閱讀：人體基因編輯是在編什麼？五分鐘搞懂基因神剪 CRISPR
• 延伸閱讀：【快訊】生命密碼的剪刀手！CRISPR/Cas9──2020 諾貝爾化學獎

體外胚胎培養——研究生命體早期發育歷程

透過研究胚胎，科學家得以找出先天性缺陷和流產的原因，但礙於倫理學和法律規範，目前對於體外胚胎培養的了解並不多。今年，有團隊利用誘導性多能幹細胞（Induced pluripotent stem cell，簡稱 iPS 細胞）成功複製人類的囊胚（受精後準備孵化及著床的胚胎），另外有團隊發現皮膚細胞經 iPS 細胞誘導、轉化後，也可以產生類似囊胚的結構，作為體外胚胎實驗的替代品。

• 延伸閱讀：著床即開啟的恆久忍耐：胚胎如何逃過母體免疫系統追殺？

除了十大科學突破以外……

《SCIENCE》今年也特別列出三項影響科學發展的重大阻礙，包括難解的氣候議題、備受爭議的癌症新藥，以及在疫情之下遭受猛烈砲火抨擊的科學家。

越來越熱！減碳目標恐難以達成

自從工業革命以來，全球氣溫升幅達到了 1.2°C，近年極端氣候事件更是層出不窮。對此，今年的聯合國氣候變遷大會（COP26）達成多項協議，包括將全球氣溫升幅限制在 1.5°C 以內、確立碳交易市場架構，以及減少碳排放量。然而，全球經濟現在依然大幅仰賴化石燃料，況且聯合國協議不具約束力，是否能達成減碳目標，必須取決於各國政策制訂。

• 延伸閱讀：IPCC 報告揭示全球氣候危機，解方是：2050 年溫室氣體零排放——《科學月刊》

充滿爭議的阿茲海默症新藥「Aduhelm」

美國食品藥物管理局（FDA）近 20 年來首次核准阿茲海默症藥物，即百健（Biogen）藥廠開發的 Aduhelm。經臨床實驗證實，這種藥物能清除異常堆積在患者腦內的「β 類澱粉蛋白斑塊」，也就是失智症發病和惡化的原因。照理說，這是患者和家屬期盼以久的好消息，卻被不少大型醫院和醫學中心拒絕採用，因為在兩項大型臨床實驗中，只有一項實驗證明其改善認知功能的療效勝過安慰劑，卻沒有證據顯示 Aduhelm 有顯著的改善效果。

• 延伸閱讀：阿茲海默症新藥 Aduhelm ，為阿茲海默治療帶來更多可能？

當疫情碰上政治形態——夾縫中求生存的科學家

長期以來，科學家遭受攻擊的事件層出不窮，但在今年，對於 COVID-19 的政治分歧引發大眾對科學家前所未有的敵意，包括各種形式的恐嚇、抗議和死亡威脅。遭受威脅的有美國首席防疫專家佛奇（Anthony Fauci）、英國首席醫療官惠提（Chris Whitty），以及世界各地的學者和防疫工作者。

《Nature》訪問 321 名研究人員，發現有超過 50% 的人信譽受到攻擊，15% 的人收到死亡威脅，甚至有許多人從此辭去他們熱愛的研究工作。

編按：去年六月，《科學》期刊上發表了一篇〈全球公民誠信度 (Civic honesty around the globe)〉的論文，當中的實驗和論點引起軒然大波，各界議論紛紛，也提出諸多看法和駁斥，到底是怎麼一回事呢？

進行這項實驗的研究團隊在全球 40 個國家、355 座城市，做了共計 17,303 次「遺失錢包」的實驗，並為每一個錢包都建立獨立的電子信箱做為聯絡方式，記錄從「遺失錢包」的第一天起，一百天內收到的電子郵件，以「收到錢包的人是否會藉由資訊連絡以進行歸還」來當作實驗評估的指標。

本實驗主要以錢包中「沒錢」和「有錢」為操作變因，來進行「通報歸還率」的比較，並將此結果作為論文中「公民誠信 (civic honesty)」的程度代表。

看到這裡，你可能已經發現，直接將「聯繫歸還的通報率」當成「公民誠信度」似乎不太精準，這便是引起爭議的其中一點。另外還有「各國使用電子信箱的比例不同」、「可能放到失物招領處了」、「風俗文化」等各界對實驗方式的駁斥與質疑。

那麼先撇開這些爭議點，我們能透過這項實驗看到什麼呢？

在錢愈多時，錢包越可能被通報歸還？

從各國通報率的比較圖可以看到，絕大多數的國家在錢包「有錢」的狀況下通報率比較高，這個出人意料的結果，讓研究團隊懷疑起一個最基本的原因：

是錢不夠多嗎？（還不夠多到具有經濟意義上的重要性）

為了測試這樣的可能性，研究團隊在美國、英國、波蘭增加進行了「很多錢」的實驗組。然而如下圖所示，三個國家在「很多錢」的狀況下通報率都更高，總和三個國家的數據平均下來，通報率由低至高依序為「沒錢」的 46%、「有錢」的 61%，以及「很多錢」的 72%。

錢愈多，反而通報率愈高，為什麼會這樣子？

對此研究團隊提出了三種解釋：

1. 收到錢包的人擔心會因為「沒有歸還」而受到法律上的懲罰，錢愈多的時候愈是如此。
2. 實驗僅以錢包的通報率作為評估指標，但收到的人可能私吞了裡面的金錢後才歸還。
3. 收到錢包的人希望能夠獲得報酬，並認為錢愈多報酬愈高。

然而在進行了解、調查之後，研究團隊對於以上三種解釋並沒有找到足夠充足的證據支持。

除了以上的可能性，還有別的因素可以解釋實驗結果嗎？

研究團隊重新檢視分析整個實驗的結構，認為實驗結果主要由四個因素相互影響：

1. 留著錢包的經濟效益
2. 聯絡失主所耗費的心力和時間
3. 為了錢包失主的無私著想
4. 自我意象的負面代價，也就是覺得自己像個小偷一樣，即「偷竊厭惡 (theft aversion)」

並由此列出了公式，同時進行一個簡單的行為模型測試，來對比原實驗數據。研究團隊認為，一個人（實驗對象）會依據上述四個因素，為了達到下列公式的最大值而做出「不歸還 (a = 0)」或「歸還 (a = 1)」的決定

max {(1-a)m + aα (m+v)-(1-a)γm–ac}.

a 為是否採取歸還錢包的行動，只有兩個數值：0 為不歸還，1 為歸還；m 為錢包裡的金額量；α 為「無私著想」的程度；v 為錢包裡除了錢以外的其他東西；γ 為「偷竊厭惡」的程度；c 為歸還錢包所耗費的心力。

將此公式套入實驗後，研究團隊將收到錢包的人簡單分為以下四類：

• A. 低無私著想、低偷竊厭惡的人（低 α 低 γ ）：
  只受到物質上自利 (self-interest) 的刺激，無論什麼情況下都不會歸還錢包。
• B. 高無私著想、高偷竊厭惡的人（高 α 高 γ ）：
  只要此二者大於歸還所花費的心力，無論什麼情況下都會歸還錢包。
• C. 高無私著想、低偷竊厭惡的人（高 α 低 γ ）：
  會在錢少的時候歸還錢包，但在足夠多錢時不會歸還。
• D. 低無私著想、高偷竊厭惡的人（低 α 高 γ ）：
  錢少的時候不會歸還，但在足夠多錢時會歸還錢包。

這四種類型在所有收到的人當中的分布數量決定了「錢包通報歸還率」與「錢包裡的金額」本質上的關係。

根據上圖可以歸納出：在「有錢」狀況下的通報率為 (B+D) / (A+B+C+D)；在「沒錢」的狀況下通報率為 (B+C) / (A+B+C+D)。結合原實驗結果：「有錢」通報率較高，我們可以得知：D 區的人數比 C 區的人數更多。

也就是，高偷竊厭惡的人比高無私著想的人還多

那麼，「無私著想」和「偷竊厭惡」到底代表什麼呢？團隊做出以下解釋：「無私著想」會考量到錢包中「只對失主具有價值」的內容物，例如鑰匙；「偷竊厭惡」則只考量錢包中「對收到的人有價值」的內容物，例如錢。

為了區別此二因素對行為的影響程度，研究團隊設計了不同的實驗和調查。

首先，他們在英國、波蘭、美國另外進行了相同金額下，錢包中「有」和「沒有」鑰匙的實驗，就三國實驗的平均結果而言，「有鑰匙」的通報率比「沒鑰匙」的通報率高 9.2%。從這樣的結果推得：收到錢包的人之所以會歸還，有部分是基於對他人的「無私著想」，他們在乎若自己沒有通報，會對失主所造成的傷害。

而關於「偷竊厭惡」，同樣在英國、波蘭、美國進行了調查，請受訪者一一想像實驗過的四種狀況：「沒錢」、「有錢」、「有錢沒鑰匙」、「很多錢」，並評定各種狀況下「若沒有歸還錢包，會讓自己感覺像在偷竊一樣」的程度，從 0 到 10，數字愈高表示程度愈重。

據受訪者們的調查資料顯示，在錢包中「很多錢」的狀況下沒有歸還，最讓人感覺像在偷竊，其次則為「有錢」，最後才是「沒錢」。這便代表著：因為沒有歸還錢包而付出的自我意象負面代價（即偷竊厭惡），會隨著金額升高而增加，此調查結果亦與之前實驗通報率的行為資料一致。

然而，對比「有錢」與「有錢、沒鑰匙」的調查結果，卻未觀察到偷竊厭惡程度上的確切差異，這可能表示了「偷竊厭惡」這樣的想法，與「只對失主有價值的內容物」無關。

儘管調查的反應結果不能完全概論真實行為與動機，不過這些結果的確和研究團隊的假說一致：

「由不誠所得到的金錢效益愈大，跟心理上負面代價的增加有關」

甚至在取捨時，「避免心理上負面代價的增加」比「透過不誠行為得到微量的經濟獲益」來得更為重要。

我們會不知不覺誇大他人的「自私自利」？

在研究的最後，團隊找來一般民眾與經濟學家，讓他們預測實驗結果。以美國的實驗數據為預測目標，一般民眾認為「沒錢」的通報率最高，「有錢」次之，「很多錢」最低；經濟學者則預測「沒錢」跟「有錢」的通報率都較高，「很多錢」的通報率較低。

然而不論是大眾或專家，預測都跟實際情形有明顯的差異，這也帶給研究團隊另一啟發 ── 這其實反映了「誇大自利作用」的人類行為心智模型：

當錢越多，大家越會預期「自利心態」增加、對失主的「無私著想」逐漸消失，並認為「偷竊厭惡」對通報率造成的影響很小。

最後，團隊還從實驗結果發現一件事：儘管已盡量客觀地進行實驗，仍能看出「各國」歸還錢包的比率，其間的差距相當可觀，範圍從 14% 分布到 76%。就算將國家 GDP 也考量到實驗設計中（依 GDP 調整錢包金額），這樣的差異還是普遍存在。

如此結果在某種程度上也顯示出，除了國家財力，還存在著其他因素影響了通報率，同時，理論模型也需要考量除了無私著想和偷竊厭惡之外，其他可能影響的動機再進行修正。

對此研究團隊分析，對經濟上有利的地理條件，包括政治制度 (political institution)、國民教育 (national education)、強調「道德規範超越個人的內團體 (in-group)¹」的文化價值等等，也同樣與公民誠信度具有正向相關 (positively associated)。期許未來的研究能夠更進一步分辨這些「其他因素」究竟如何促成人們行為上的社會差異 (societal differences)。

註解：

1. 內團體 (in-group)：指具共同利益關係，成員間彼此具有歸屬感，並且密切結合的社會群體，類似小圈子或自己人的概念。

資料來源：

• Alain Cohn, Michel André Maréchal, David Tannenbaum, Christian Lukas Zünd (2019) Civic honesty around the globe. Science. Volume 365, Issue 6448, pp. 70-73
• 維基百科：自利、自我意象、內團體與外團體
• 國家教育研究院雙語詞彙、學術名詞暨辭書資訊網：political institution