HOW TO 大採買：後防疫時代，隨時做好準備！

• 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。

嚴重特殊傳染性肺炎（COVID-19）自 2019 年底至今，已邁入第四年，全世界至少有 6500 萬人患有長新冠（Long COVID），有時稱為「COVID-19 的急性後遺症（post-acute sequelae of COVID-19）」；至少在 10% 的新冠病毒（SARS-CoV-2）感染中可能發生，影響包括 200 多種症狀與多重器官系統的健康。

根據今年（2023）1 月《自然評論微生物學》（Nature Reviews Microbiology），由漢娜·大衛斯（Hannah E. Davis）與艾力克·白楊（Eric J. Topol）等人的論文指出，目前長新冠發病機制至少有五至六種假設，新冠病毒持續殘留在人體組織中，包括免疫失調、微生物群破壞、自體免疫、血栓和內皮異常、以及神經信號傳導功能失調等，目前尚無經過驗證的有效治療方法。

大衛斯與白楊等人發現，長新冠與所有年齡和急性期疾病嚴重程度相關，36～50 歲之間的診斷比例最高，大多數長新冠發生在「輕度」、「急性」的「非住院」患者中。此研究綜合整理了目前科學對長新冠認知的主要進展：包括免疫學和病毒學、血管問題和器官損傷、神經和認知系統、肌痛性腦脊髓炎（也稱為慢性疲勞綜合症，ME／CFS）和自主神經功能障礙與相關疾病、生殖系統、呼吸系統以及胃腸道系統。其中對生殖系統的影響分析指出，此類病徵在長新冠中經常出現報告，但卻很少有研究來記錄影響的程度，以及性別特異性的病理生理學。

新冠對生殖系統的影響

大衛斯與白楊等人的研究進一步探究長新冠對生殖系統的影響。

在男性方面，生殖器官組織中存在病毒會增加勃起功能障礙的風險，這可能是由內皮功能障礙所引起；而長新冠患者的精子數量、精液量、活力、精子形態和精子濃度會受損，這些現象和 扮演細胞訊號傳導的細胞激素（cytokines）水準升高、以及精液中觀察到與細胞凋亡有關的凋亡蛋白酶（或稱胱天蛋白酶，caspase） 相關。 

在女性方面，目前已知受新冠病毒的影響包括：月經和月經前一周是觸發長新冠的因素、卵巢中卵泡的庫存量（ovarian reserve）下降、以及生殖內分泌紊亂等。新冠病毒感染亦會影響卵巢激素的產生和（或）子宮內膜反應，同時患有新冠和月經不正常的人更容易出現疲勞、頭痛、身體疼痛和呼吸急促。

最常見的月經變化包括月經不調、經前症狀增加和月經不頻繁等。研究也顯示，ME／CFS 與經前期焦慮障礙、多囊卵巢綜合症、月經週期異常、卵巢囊腫、絕經提前和子宮內膜異位症有關。此外，妊娠、產後變化、絕經期和月經週期波動亦會影響 ME／CFS，並影響代謝和免疫系統變化。

經期相關的症狀 發炎反應可能扮演關鍵角色

而美國《時代》週刊（Time）則於今年四月，綜合報導了新冠病毒和長新冠對於男女生殖健康的影響，報導分別分析了最新醫學研究、案例以及後續影響人們的生育選擇。

《時代》指出，根據美國人口普查局的最新數據（2023／3／22），在生育年齡（18～39 歲）患有新冠的成年人中，約有 25% 的症狀持續至少三個月，且女性得到長新冠的風險高於男性。《時代》訪問了長新冠的女性患者，並讓她們描述自己的情況，比如因為極度疲勞而使得原先的神經系統疾病惡化、大多數的時候只有走出家門走一小段路的力氣、或是每週只有足夠的精力洗一次澡。她們說她們很難想像要照顧寵物，更不用說照顧孩子了。

另一方面，長新冠可能影響成人的生育選擇，這個結果可以從另一個問題來觀察。報導中再次強調新冠確診後，對男性而言，新冠病毒可能會損害男性精子數量和品質、睾丸功能和激素水平，短期內也可能會降低生育能力、出現勃起功能障礙，使女性更難懷孕。就女性而言，某些生育指標在確診後至少幾個月內較低，而懷孕期間確診的婦女可能會影響月經週期，增加子癎前症（preeclampsia）與早產等併發症發生的機會。對於患有子宮內膜異位症者來說，除了會增加長新冠的風險外，妊娠和 ME／CFS 亦可能互有關聯。

伊利諾伊大學厄巴納——香檳分校的教授凱特克蘭西（Kate Clancy），在接受時代訪問時說明，長新冠、經期變化和經期症狀發作之間彼此的連結，可能和「發炎反應（inflammation）」有關，因為「子宮在很大程度上是一個免疫器官」，它阻止病原體進入，同時讓胚胎安全生長，並定期脫落和修復組織，因此子宮對發炎和其他免疫反應高度敏感。

因此這也引發另一個問題：在婦女懷孕期間確診新冠，是否會對胎兒造成影響？

長新冠對懷孕婦女的胎兒有何影響？

根據發表在 JAMA Network Open 的研究（2023／3／23），研究人員發現，懷孕期間感染新冠病毒的母親所生的男嬰，更有可能在出生後引發神經發育障礙，增加患自閉症風險。

在早期的研究已經確定，「懷孕期間的其他感染」與「兒童神經發育障礙」之間有關聯。但有關新冠病毒的部分，則是在此新研究中更進一步確認。馬薩諸塞州總醫院和哈佛醫學院論文共同主要作者 安德利亞愛德洛（Andrea Edlow），在接受訪問時說：「與母體新冠感染相關的神經發育風險在男嬰中不成比例地高，這與男性在面對產前不良暴露時已知的脆弱性增加一致。」

加劇的挑戰

另一位共同主要作者洛伊佩利（Roy Perlis）則指出，對於長新冠，有必要透過更大規模的研究和擴展長期監測，來進一步調查、評估這種潛在風險。此外，人們普遍缺乏新冠病毒染疫後的知識，亦存在許多錯誤資訊，對此，大衛斯與白楊等人在研究的最後呼籲，長新冠長期研究和護理知識的不足，是目前亟需解決的迫切問題。研究也呼籲，長新冠對生殖系統的影響，尤其在子宮內膜異位症等發炎性疾病間的機制研究尤其不足，應該要予以重視；除了向生物醫學界提供有關長新冠的教育外，更需要展開大眾宣傳活動、向公眾宣傳長新冠的風險和結果。

長新冠患者的臨床需求不斷增加，研究、評估和治療缺一不可；對於許多患者來說，長新冠不僅僅是一個醫療問題，它還會影響工作、人際關係和生活計劃，包括何時、如何以及是否生育孩子。長新冠不僅加劇醫病關係的挑戰，同時也影響未來世代的健康。

參考文獻

• Davis, H. E., McCorkell, L., Vogel, J. M., & Topol, E. J. (2023). Long COVID: major findings, mechanisms and recommendations. Nature Reviews Microbiology, 1-14.
• Jamie Ducharme, Long COVID Is Making Some People Choose Not to Have Kids, Time, 2023/04/04. https://time.com/6268429/long-covid-reproductive-health/ 
• SciTechDaily, COVID-19 Infection During Pregnancy Linked to Higher Risk of Neurodevelopmental Disorders. 2023/03/27. https://scitechdaily.com/covid-19-infection-during-pregnancy-linked-to-higher-risk-of-neurodevelopmental-disorders/ 

2022 年 12 月 26 日也開放了出入境的管制，並且解除封控；有些媒體報導，解封之後的 20 天，中國感染人數就達到 6 億，這個數字幾乎就是三年來的全球病例通報總數……。

有人認為這樣大規模的感染會產生新的變異株，這個推測根據在哪？另外，若是新變異株擴散開來，次世代疫苗是否仍有用？

次世代疫苗能否對抗新變異病毒

首先，我們來談談新的變異株以及這一波中國疫情帶來的影響。

現在的變異株 XBB、XBB 1.5、BF.7、BQ.1.1 等都是 Omicron 衍生而來的，例如：XBB 或 XBB 1.5 都是由 BA.2 突變而來，而 BF.7 以及 BQ.1 則是由 BA.5 突變形成新的變異株；這些變異株比起原始株具有更強的免疫逃避性以及傳播力，這也表示著，疫苗所產生的抗體效果更差，傳播的機率更高。

因此，如果只打了三劑原始株疫苗，體內的抗體幾乎無法對抗 BQ.1 及 XBB，即便是打過疫苗又經歷過 BA.2 或 BA.5 的突破性感染，體內對抗 XBB 及 BQ.1 的效果也有限；不過若是打次世代疫苗的加強劑，對比施打四劑原始株疫苗，對抗 XBB 和 BQ.1 效果仍較好。

以台灣 COVID 流行的數據來看，本土主要流行病毒株仍然為 BA.5 以及 BA.2.75，兩者佔了 83%，BQ.1 目前已佔 2% ；而在境外移入案例中，BQ.1 和 XBB 雖然僅佔 18%，但 BQ.1 或 XBB 都比 BA.5 有更強的傳播力和免疫逃避力。未來 BQ.1 或 XBB 有可能逐漸取代 BA.5 和 BA.2.75 成為台灣流行的變異株。

至於新的變異株是否更「毒」呢？根據分析再感染研究報告指出，Omicron 開始流行的前三個月，其再感染率達 3.31%，這也顯示面對新的變異病毒株時，的確有再感染的風險。但若是我們觀察 XBB 和 BQ.1 取代其他病毒株流行的國家中，其實住院率並沒有明顯上升，這可能表示 XBB 和 BQ.1 的毒性沒有增加，或是因為二價疫苗施打。

短時間大規模疫情會產生新的變異病毒株？

由於 SARS-CoV-2 為 RNA 病毒，較 DNA 病毒在複製過程中更容易產生突變；另外，若病毒感染了免疫低下的族群，更容易在人體內產生更多突變，新病毒株越容易產生。但也不必過於擔憂，突變後的病毒在傳播後，還需進行淘汰賽，才能選出強者病毒。

那麼是否打了有效疫苗或是感染過的人，就不會促使病毒產生新的變異呢？這牽涉到了一個免疫學上的概念——「抗原原罪現象」。

這個現象是指，當我們身體藉由感染或疫苗注射獲得抗體後，若再次遇到有「些微差異」的病毒時，身體會傾向使用之前獲得的抗體記憶來產生抗體，而無法針對該病毒產生更有效的免疫力；也就是說，如果這些先前的抗體沒有辦法有效滅掉變異病毒時，反而會變相篩選掉之前感染的病毒，留下可以躲開抗體攻擊的變異病毒。在這樣的條件下，當環境充斥著大量病毒，造成突破感染，更助於變異病毒成功突圍而出。

另外還需考量到，不同國家、地區流行的病毒突變株不同，所施打的疫苗也不同，這就表示，如果疫苗效果越差，又將帶口罩、隔離、消毒等公衛措施取消，便會促使病毒傳播到已經具有抗體的人，造成突破性感染。

疫情不透明的地方怎麼知道嚴不嚴重

在台灣，中央疫情指揮中心會每天發布感染的人數，並且每隔一段時間就會公布各種病毒株比例，我們可以根據數據和自身狀況調整防疫的強度。

然而有些地方可能因公衛不發達或是刻意掩蓋，使得疫情統計困難，讓外界無法得知疫況。那麼，可以透過什麼方法知道這些地方的疫情狀況呢？

透過英國醫療資訊分析公司 Airfinity 收集數據並以模型推估，中國各省每日確診病例可能會達到 480 萬人的峰值，這瞬間大量的染疫人數會使醫療體系承受極大負擔，這勢必會造成排擠效應，許多原先可治療的患者，可能因醫療資源擁擠或缺乏護理而死亡。

除此之外，我們也可以藉由 PCR 檢測看出端倪。中國開放出入境後，在各地機場的檢疫陽性率約在 10% 到 50% 之間，所以即便持有 48 小時的 PCR 陰性證明，仍有一定比例的人向外輸出病毒，顯示當地疫情嚴峻。

最後，還是反覆呼籲，如何降低感染風險，其實就是我們都知道的——「勤洗手、戴口罩、不摸口鼻」！

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！