天外飛來的插播廣告？有線電視系統業者和插播廣告的前世今生

• 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。

• 鄭婷宇／編譯

過往，人類將智慧記載於書籍上，透過書刊的交流傳遞知識，但礙於時空的限制，知識無法全面自由流通。如今，資訊的數位化使得重製的邊際成本大幅下降，網路的高連結性亦將傳播成本降到幾近於零，知識的共享比以往都來的更易於達成。儘管如此，由於不合時宜的著作權法，以及出版商對出版權的捍衛，知識仍舊無法完全自由流動。

有感於此，自1990年代起步的開放近用 (Open Access) 運動，便是為解放知識而生，致力於打造一個人人都有同等權利取用知識的環境。

早在 1836 年，大英博物館助理館員的 Anthony Panizzi 便發下了普及知識於世的宏願。他向國會報告：「無論貧富，我認為每個人都應擁有相同的權利與資源獲取知識。我希望貧苦的學生也能盡情探索書海，享受智慧的果實，在與專家交流的過程中滿足求知欲。我主張，政府的責任就是打造這樣一個使知識自由流通的環境，提供一切協助使每位公民都能獲得相同的知識資源。」 Anthony Panizzi 花了 20 年，將超過 50 萬本珍藏典籍納入大英博物館，使之成為當時世上最大的圖書館，並於 1856 年榮任大英圖書館館長。儘管豐富的藏書量降低了取得知識的門檻， Anthony Panizzi 的夢想仍存在無法消除的限制—─要取用書中無形的智慧財富，人們必須得先花費有形的黃金，千里跋涉到英國倫敦取經。

網路科技的進步看似已能破除過往的限制，那為何解放知識的夢想仍未實現呢？現存最大的難處有兩項，其一是僵化的著作權法，其二是出版商的抗議。

跟不上網路時代的著作權法

三百年前著作權相關法規開始成形之際，在資訊傳播技術方面，還是類比訊號的時代，當時產出原創作品成本較高、數量稀少且易於控管。根據定義，一旦原創作品已定型，將自動受到著作權保護，授予作者杜絕任何對其作品複製的權利。然而，時過境遷，現今的網路科技降低了創作成本，將創意化為作品再也不是少數藝術階級的特權，人人都能輕易的將想法寫為文章，將創意拍為影片上傳到 YouTube ，並對任何作品發表看法。透過散播及接收訊息，資訊不斷以片段或完整的形式被複製或再製而散播出去，因而促成人們在網路上的交流。

網路行為可說是建立在「複製」之上，其本質與既存的著作權規範相悖。除非做到全面監控，否則我們不可能完全杜絕網路上的複製行為，執行著作權法審查網路上的侵權案件。

現代人習慣上傳圖片、影片到社交平台上，其中許多使用者生成內容是擷取既存素材諸如圖片、音樂等修改，置入內容，這些使用者並不清楚這些行為已使他們身陷觸犯著作權法的疑慮；研究所需的文字與資料探勘，也礙於著作權大為擴張保護範圍的影響，實務上常難以取得探勘所需的資料；圖書館或資料庫廠商即使想數位化那些沒有明顯著作權所有者的「孤兒著作」 (Orphan works) ，以網路推動作品流通，也受限於孤兒著作難以查找到權利所有者，而於法不得數位化的困境。研究者、大量網路使用者與資料儲存機構對現行著作權規定的不滿，因而極力要求修正。

根據 2007 年美國法學教授 John Tehranian 的研究，人們習以為常的網路行為諸如收發電子郵件、轉貼文章、發送照片等都違反了著作權保護，若依法計算，各國的網路使用者每年都因其日常行為面臨巨額的罰鍰，過時的著作權法難以規範現狀。

即使著作權法跟不上數位時代的事實明擺在眼前，推動著作權法的改革仍難如登天。

出版業者等著作權利擁有者與企業早已習慣法律依其利益而修正，從 1710 年最初的著作權法保護著作財產權 14 年的期限，不斷延長至今日的 70 年期限。對出版業、音樂與電影製作產業而言，給予網路使用者多些數位版權上的運用彈性，就如同威脅他們生存命脈的詛咒，自然極力阻止法律規範的更新。

推動規範更新的路途漫長且阻礙重重，第一場紛爭可追溯到「孤兒著作」 (Orphan works) 數位化的爭議。在圖書館、網路搜尋引擎與資料公司支持法定例外允許孤兒作品免費數位化，與出版業者認定事先許可制的拉鋸戰中，歐盟執行委員會終於 2012 年宣布採用「孤兒著作指令」，為公眾利益著想，允許孤兒著作線上發行與流通。同年，歐盟執行委員會號召利益關係人，討論修正著作權保護規定的討論，然而，從議題的設定到出席討論的成員，均明顯傾斜於有利出版業的修正方向。解決方式一味著重於特許著作權使用者的資格究竟該如何定義，似乎從未考慮過「非商業用途的使用者生產內容不必申請著作權授權」此一選項。因此，文字與資料探勘者被迫離開討論以示抗議，造成議程無法持續。

其後，歐盟執行委員舉辦著作權討論的公眾諮詢論壇，以線上資料及問卷收集眾多回饋，廣納民眾意見。加上德國海盜黨的 Julia Reda 努力帶動人民討論、彙整意見並作成報告，歐盟於 2015 年通過修正案，賦予圖書館、資料庫線上化其收藏的權利、開放電子書於網路流傳，同時批准資料與文字探勘不須再取得任何特許憑證。即使取得這些勝利，著作權法的規定仍未完全修正到符合現狀的境界，需要持續推動改革。

不合理學術出版體系的，限制知識的自由流通

學術出產品的商業模式是阻礙知識共享與自由流通的重要原因，是「開放近用 (Open Access) 運動」的緣起及運動重心。對學者而言，貢獻研究成果是為了獲得研究認可及好名聲，其著作的廣泛傳播有助於此，出版商對其著作財產權利的壟斷卻縮限了散播範圍；對人民而言，自己納稅支撐的研究，卻必須自掏腰包買來看，或是由同樣納稅營運的圖書館買入，無異於被剝兩層皮。

知識一旦被隔絕在付費高牆之後，終究會有人因負擔不起費用而被迫與之隔絕。 Elseiver 與 Springer 等大型學術出版商年年獲利 30% 至 40% ，此等獲利規模是大多產業無法企及的。光是英語寫作的科學、科技與醫藥的出版期刊總收入在 2011 年就達到全球共 94 億美金的規模。根據哈佛大學 2012 年的備忘錄，線上研究資料庫的前兩大出版供應商，六年來售價調漲了 145% 。面對越來越貴的期刊價格，就連圖書資金雄厚的哈佛大學也無力再購買學者研究需要的所有資料庫，其他圖書館的困境可想而知。

哈佛大學圖書館長在衛報的採訪中指出，研究人員免費提供研究寫作、著作審查、編輯委員會參與等服務給期刊，卻換來必須花錢將自己的勞動成果買回來的待遇，甚至面臨付不起期刊訂閱費用的窘境，整套研究出版系統實在荒謬。哈佛大學因此鼓勵學者將其著作投稿至開放近用的期刊，退出非開放近用期刊的編輯委員會。

• 想知道學界究竟是如何力抗出版界嗎？詳情可見：刊登要錢、訂閱也要錢，做研究就是要被期刊出版社剝削？學術界奮起抵抗出版巨商的血淚史

在網路普及之前，學者即使對出版系統再有諸多不滿，也因無替代選項而僅能免費奉送著作權予期刊；圖書館面對壟斷著作權的期刊出版商，幾無議價能力；公民則被剝兩次皮，想看到自己納稅資助的研究成果，只能再花錢購買。如今，網路科技的發達將改變了一切─—藉由公開網站發表著作，學者不僅可以保有自己的著作權，亦可達到廣為流傳，獲取同業指教與奠定名聲的目的。再也沒有一道豎立於學術產出與知識獲取間的高牆，圖書館再也不必用罄資金去購買有限的學術出版物，人民也終將有機會可自由取用知識資源。

本文轉載自 台灣創用CC計畫 ，原文為〈開放近用(Open Access)運動的兩大難題〉

相關連結

1. Open access: All human knowledge is there—so why can’t everybody access it?: http://arstechnica.co.uk/science/2016/06/what-is-open-access-free-sharing-of-all-human-knowledge/, 2016 Glyn Moody.
2. The battle to reform 300-year-old copyright law for the digital age: http://arstechnica.co.uk/tech-policy/2015/07/copyright-reform-for-the-digital-age/, 2015 Glyn Moody.
3. Infringement Nation: Copyright Reform and the Law/Norm Gap: http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1029151, 2007 John Tehranian.
4. Commissioner Barnier welcomes final adoption of the Orphan Works Directive by the Council: http://europa.eu/rapid/press-release_MEMO-12-744_en.htm?locale=en，2012 European Commission.
5. Freedom of Panorama under threat: https://juliareda.eu/2015/06/fop-under-threat/, 2015 Julia Reda.
6. The stm report – An overview of scientific and scholarly journal publishing: http://www.stm-assoc.org/2012_12_11_STM_Report_2012.pdf,  2012 STM: International Association of Scientific, Technical and Medical Publishers.
7. Faculty Advisory Council Memorandum on Journal Pricing: http://gantercourses.net/wp-content/uploads/2013/11/Faculty-Advisory-Council-Memorandum-on-Journal-Pricing-%C2%A7-THE-HARVARD-LIBRARY.pdf, 2012 The Faculty Advisory Council of Harvard University.
8. Harvard University says it can’t afford journal publishers’ prices: https://www.theguardian.com/science/2012/apr/24/harvard-university-journal-publishers-prices, 2012 Guardian News and Media Limited.

延伸閱讀

• 稅金直接或間接贊助產出的研究報告與資料應該開放近用-美國與歐盟各有重大進展！