0

0
0

文字

分享

0
0
0

線上教學的幾個訣竅:遠距教學該如何讓學生投入又有歸屬感?

人機共生你我它_96
・2020/04/10 ・5093字 ・閱讀時間約 10 分鐘 ・SR值 504 ・六年級

  • 作者/楊期蘭 (感謝沈奕超提供編輯建議)

“We do not learn from experience… we learn from reflecting on experience.”
― John Dewey

圖/Nam Hoang @ Unsplash

近期為了防止近日流行傳染病疫情擴散,各校開始建議老師們以遠距授課,各位突然被授與這任務的老師們在準備過程中是否有點措手不及?

不過別擔心!根據人機互動領域的研究,本篇將分享幾個遠距教學的不同進行訣竅、使用時機與注意事項。幫助各位老師運用不同線上媒體,產生比實體班級授課更有效的教學體驗。

班級的存在感與歸屬感很重要

首先,為了讓學生有動力學習授課內容,班級經營是不可或缺的一個元素但虛擬課堂班級經營時需要多花點心力。虛擬課堂(線上授課)與實體班級其中一個較不同的地方在於,虛擬課程容易缺乏同學的存在感(awareness of others)與班級歸屬感(sense of community)3,使得學生們不容易感覺到自己在一個班級裡與其他師生共學。

在實體班級中,學生可以知道什麼時間要上哪堂課、這個時間旁邊會坐著哪些同學、誰有來上課誰缺席、其他同學對這堂課是不是感興趣、班上同學是不是都很認真吸收老師講的內容、我的問題是不是對其他同學有貢獻、我是不是班級上的一份子等。

-----廣告,請繼續往下閱讀-----

但換到虛擬課堂中,學生們都是獨自在自己房間裡跟大家「虛擬」地聚集在一起(alone together),線上軟體也不全都有提供這些資訊來幫助遠距共學的學生們明確感受到自己並不是孤軍奮戰,因此在虛擬課堂中學生們比較難持續投入 1,3

圖/Mikael Kristenson @ Unsplash_

利用聊天室與社群媒體,讓學生感覺不孤單

為什麼線上共學的歸屬感重要?因為當學生們感受到自己隸屬於某個學習群體時,就會因為各種社交因素讓自己更加投入學習中;而向同儕學習、與同儕討論也對個人學習、理解有幫助1,7

為了讓班上同學在虛擬課堂中感受到更多班級的存在感與歸屬感,進而讓學生線上學習時更加投入、更有動機3,各位老師們可以嘗試制定固定的線上共學時間,其中一個作法是:

開一個線上聊天室讓想要一起自習的同學們在同一時間裡加入聊天室,大家開視訊一起自習,也可以安排 TA、RA 讓學生們問問題。

這個目的主要是讓學生們明確知道彼此現在都一起在學習,就如同考前大家在 K 書中心 K 書的感覺,學生們看到其他人也很認真讀書,自己也會受群體氛圍影響。

-----廣告,請繼續往下閱讀-----

如此一來,除了能夠讓同儕的存在感更明顯,也能隨著時間的累積營造線上班級的歸屬感,因為學生們會在這過程中感受到自己是在跟一個班級裡的某些人一起努力,當學生們在虛擬課堂中能感受到其他同學的存在感與班級歸屬感時,就會更有學習動力。

此外,善用線上數位學習平台(moodle、iLMS  etc)或一些線上社群軟體(slack、 discord、skype etc),讓同學們知道現在班上有誰在線上、幾個人已經繳交作業,讓大家擁有更多社交線索得知自己並不孤單。

圖/ Mimi Thian @ Unsplash

三種虛擬課堂的進行方式

接著,當我們為班級建立好遠距學習的歸屬感後,接著可以根據授課內容需求(概念課、實作課、討論課)、班級規模、課堂設計偏好選擇以下三種不同的虛擬課堂進行方式。

小班教學、小團體討論:透過視訊會議讓師生即時互動

小班教學時,如果老師希望有比較深入的團體討論、並想即時關注每個學生學習狀態的話,可以透過視訊會議的方式直接對談,有許多遠距會議軟體可以運用(Skype、Google hangout、Zoom、Discord etc)。

-----廣告,請繼續往下閱讀-----

執行上,可以先與班上同學確立一套線上溝通模式,例如什麼時候希望沒發言的人先把自己的麥克風靜音、想發言的時候製作明顯的色卡放在螢幕前讓其他人看到、提醒學生在沒有其他背景噪音的環境下加入視訊會議、或是適時在別人發言後給出「嗯」「聽到」等回應,發言的學生有線索知道自己有被聽到。

我想讓學生有更多線上課堂討論,該怎麼做?

如果希望鼓勵學生們線上討論課程內容,可以試著讓學生分成 3–5 人線上小組,並在討論前告訴學生們可以自行協調出一個會議主持人(moderator),讓這個主持人調配大家的發言比例、協調發言順序,避免大家同時講話而聽不清楚。

除此之外,也可以透過額外溝通管道來鼓勵學生分享想法,像是在 Q&A 階段鼓勵大家透過打字的方式分享問題與想法,如此一來大家除了口頭討論外,也可以透過文字多看到不同人的問題與意見。透過文字互動的另一個好處在於當班上不是每個學生都有穩定網路可以視訊時,就可以暫時開啟語音通話就好,透過打字來「插嘴」或是補充想法。

圖/ Edvin Johansson @ Unsplash

大班授課:老師當實況主,單方向直播課程

當一個班級大約20~30人以上時,也許視訊會議就會讓場面太難以控制,這時候可以透過直播教學內容的方式講課,現有許多直播平台可以使用,像是 Microsoft Teams、 Zoom教育版的功能(此軟體近期因資安問題教育部建議停用)、YouTube 直播、Twitch 直播等,或是直接開視訊會議要求其他人以靜音方式加入,透過聊天室打字方式來得到學生的即時回饋。

-----廣告,請繼續往下閱讀-----
畫面擷取自ZOOM官網

直播教學課程困難點在於考驗老師的多工訊息處理能力(這時候就知道實況主不好當啊~),因為需要同時講自己想講的內容、適時分享螢幕、同時看文字聊天室內同學們有沒有問題、回應學生的問題等5

這時候就很需要TA、RA的協助,在直播教學的時候,可以安排 1~2 位 TA 幫忙分享螢幕畫面、整理聊天室裡的問題、安排問問題先後順序、分享相關資訊給同學等,如此一來能讓直播的過程更加順利,也能盡量減少被打斷、互相協調的時間。

除了直播平台提供的文字聊天室外,也可以使用線上問答服務,像是 SlidoPiazza,讓同學們即時在一個線上空間發問,如果大家看到別人問的問題自己也想知道,就可以透過按讚來表示自己也有類似疑問,如此一來可以讓老師更好安排問題回應順序。

圖/ ConvertKit @ Unsplash

翻轉教室:預錄課程,學生自主學習

先自行把講課內容錄下來,讓學生自己觀看就比較像是 MOOCs 現在的進行方式。這種形式對老師的困難點在於,要對著空氣自言自語,對不習慣的老師會因為沒辦法看到聽眾而難以對著電腦講課;另一方面,為了錄影品質也可能需要規劃基本腳本、搭配適當螢幕畫面分享來掌控內容流程,進而吸引學生注意力。

-----廣告,請繼續往下閱讀-----

學生觀看線上課程會遇到最大的障礙在於難以專心投入看完整部影片,因此如何製作出讓學生可以吸收的教學影片需要費不少功夫6

圖/ Hal Gatewood @ Unsplash

針對開放式線上學習平台的研究,研究者整理出了幾種教學影片製作方式,能讓學生比較投入觀看6

  1. 將一大段課程拆成許多小段落,每一個段落小於 6 分鐘。並在段落結束後,搭配簡單測驗、或是引導學生們討論幾分鐘。
  2. 畫面以投影片內容為主時,將老師同步講課的頭像放在畫面小角落,也會讓學生更投入。
  3. 在一個背景看起來較休閒的環境錄影,學生看影片的投入程度會比背景是教室或是太正式的空間來得高。
  4. 透過像可汗學院這種投影平板內容的呈現方式,比單純呈現投影片或是分享程式編譯軟體畫面能夠讓學生投入。
  5. 相較於直接上傳高畫質老師在傳統班級授課的影片,事後剪輯過的分段小短片反而會讓學生更投入。
  6. 當老師語速比較快,又用比較有熱誠的語氣講課的時候,學生觀看影片也會比較投入。
  7. 學生對於講課式與實作式的內容吸收方式不同。研究建議如果課堂類型屬於講課式,影片製作時可著重於觀賞體驗;如果是實作式的,製作時可著重於內容有明確段落可以讓學生重複回放或快速瀏覽。

製作完畢後,如果要讓學生觀看預錄內容,建議可以制定一共同時間讓大家一起在線上觀賞。一來是為了文章開頭提到的共學存在感,學生在學習時,也會同時受身旁的人影響,如果知道朋友看完了什麼課程,自己也會更有動力看完;二來是能在每個小段落結束後帶領學生討論或是讓大家發問,營造討論氛圍也有助於學生投入線上課程的程度。

如何得知學生學習狀態?

最後,老師們該怎麼得知學生在家有沒有學好呢?這時候可以善用線上社群平台經營線上共學社群,像是透過 Moodel, iLMS、 eLearn、Piazza 等數位學習平台,或是 Slack、Facebook group 等線上社群軟體,讓大家有個線上互相問答、分享資訊、課後交流討論的空間。

-----廣告,請繼續往下閱讀-----

在這裡要注意的是,為了讓學生們得知自己主動提出的問題跟想法確實有被看到3,建議老師們與 TA 們可以定期給予學生回饋,像是按讚、回應等,維持線上討論熱度;另外也可以透過共同筆記的形式讓學生們一起做一份線上課堂筆記,運用Google Document、Dropbox paper 等協作功能,讓學生們有和大家一起學習的感覺;同時也能讓老師們在這些筆記中或課後線上問答的過程中觀察學生理解與不懂的地方,進而調整線上教學方式。

圖/ Brooke Cagle @ Unsplash

各位老師們可以趁這個機會建立起自己習慣的一套虛擬課堂流程,觀察哪些類型課程內容適用於文章分享到的三種不同遠距教學模式,也可以根據課程設計混搭不同的遠距教學與遠距師生互動方式。在設計虛擬課堂時,可以試著把握這兩個原則

  1. 經營線上共學的歸屬感3
  2. 讓遠距的每個學生與老師都能了解彼此的活動狀態2,例如現在是否理解、連線是否順利、有沒有話想說、投入程度等。

只要建立起一套師生遠距溝通模式,搭配適當線上媒介(直播軟體、社交媒體、溝通軟體、視訊會議軟體等),也能讓遠距教學達到甚至超越實體課堂教學品質。

把遠距教學或虛擬課堂流程建立起來,除了能讓大家共同度過防疫難關外,也是一個讓台灣加速推廣偏鄉教育的契機。實現文中提到的幾個方式,前提都在於每個學生有足夠軟硬體資源取得線上學習資源,包含網路頻寬、連線穩定度、家中電腦、通話設備、安靜的空間加入虛擬課堂等。希望各位老師們在設計虛擬課堂時也可以留意學生們各自擁有的資源差異,適時提供幫助。

-----廣告,請繼續往下閱讀-----

延伸閱讀:教育部為不同學習階段的學生還有老師整理的線上學習與教學說明

 

參考資料

  1. Kulkarni, C., Cambre, J., Kotturi, Y., Bernstein, M. S., & Klemmer, S. R. (2015, February). Talkabout: Making distance matter with small groups in massive classes. In Proceedings of the 18th ACM Conference on Computer Supported Cooperative Work & Social Computing (pp. 1116–1128).
  2. Neale, D. C., Carroll, J. M., & Rosson, M. B. (2004, November). Evaluating computer-supported cooperative work: models and frameworks. In Proceedings of the 2004 ACM conference on Computer supported cooperative work (pp. 112–121).
  3. Zheng, S., Rosson, M. B., Shih, P. C., & Carroll, J. M. (2015, February). Understanding student motivation, behaviors and perceptions in MOOCs. In Proceedings of the 18th ACM conference on computer supported cooperative work & social computing (pp. 1882–1895).
  4. Zheng, S., Wisniewski, P., Rosson, M. B., & Carroll, J. M. (2016, February). Ask the instructors: Motivations and challenges of teaching massive open online courses. In Proceedings of the 19th ACM Conference on Computer-Supported Cooperative Work & Social Computing (pp. 206–221).
  5. Lu, Z., Heo, S., & Wigdor, D. J. (2018). StreamWiki: Enabling Viewers of Knowledge Sharing Live Streams to Collaboratively Generate Archival Documentation for Effective In-Stream and Post Hoc Learning. Proceedings of the ACM on Human-Computer Interaction, 2(CSCW), 112.
  6. Guo, P. J., Kim, J., & Rubin, R. (2014, March). How video production affects student engagement: An empirical study of MOOC videos. In Proceedings of the first ACM conference on Learning@ scale conference (pp. 41–50).
  7. Menekse, M., & Chi, M. T. (2019). The role of collaborative interactions versus individual construction on students’ learning of engineering concepts. European Journal of Engineering Education, 44(5), 702–725.
  8. 葉家興. (n.d.). 雲端的美麗,數位的哀愁|葉家興/吐露台客|獨立評論. Retrieved from
  9. 【投書】在家隔離也不怕!遠距教學能不能成為防疫功臣?|簡志峰/多元發聲.讀者投書|獨立評論.

本文轉載自人機共生你我它,原文為〈還在為線上教學煩惱嗎?遠距教學怎麼做才能讓學生投入又有共學歸屬感?〉

文章難易度
人機共生你我它_96
12 篇文章 ・ 3 位粉絲
由致力於人機互動研究(HCI, Human-Computer Interaction)的研究者與實務工作者所創立,我們定期發表人機互動相關文章,與讀者一起思考科技對社會生活帶來的好處與限制。

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

-----廣告,請繼續往下閱讀-----

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。