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。
福島第一核電廠自 2011 年發生事故後,時隔 12 年再次躍上多國新聞版面。但這次不是因為災後核電廠除役與復興、訴訟或是 Netflix 上架的日劇《核災日月》,而是存放在福島第一核電廠廠區內的「核廢水」即將排放大海。福島第一核電廠的「核廢水」從何而來?又為什麼要在這個時間點排入大海?
時間回到 2011 年 3 月 11 日。當時東日本大地震與隨後而來的海嘯摧毀了福島第一核電廠的電力系統,導致核電廠在停機之後無法持續注入冷卻水,直到反應爐冷卻。因此發生 1、3、4 號機組氫氣爆炸、1~3 號機組爐心熔毀,以及 1 ~ 4 號機組輻射外洩的事件 註1。這次事故更被歸類為國際核能事件最高級別(第 7 級)的最嚴重意外事故。
在事故發生後,首當要務就是持續冷卻反應爐,直到反應爐的溫度降低。冷卻反應爐需要水,所以當時曾引進海水作為冷卻水。這些在福島第一核電廠事故當下出現在廠房內、遭到放射性核種汙染的水,就是日後的「核廢水」。加上當地曾遭到海嘯襲擊,因此這些受到輻射汙染的核廢水也含有鹽分。
但廠區內受到輻射汙染的水並不是只有事故發生當下出現在廠房內的水,事故發生後只要雨水剛好落在福島第一核電廠廠房上,或是地下水流經福島第一核電廠房底下,都會受到放射性核種汙染。
作為營運福島第一核電廠的東京電力公司,在事故發生後的首要任務就是防止更多乾淨的水遭到輻射汙染,同時也要防止受到輻射汙染的水流出廠房外。所以他們在福島第一核電廠 1~4 號機組外加裝擋水牆,希望隔絕乾淨的地下水流經廠房底下,但這些擋水牆實際上無法有效防止地下水從四面八方流經福島第一核電廠正下方。
再考慮到水的流向,寧可讓乾淨的水流進廠房底下受到輻射汙染、也不能讓受到輻射汙染的水外流,所以東京電力公司必須一直抽取廠房內部受到輻射汙染的水,讓廠房內的地下水位略低於廠房外的水位;但在抽水時又不能使廠房內的水位低太多,否則將會一口氣湧入更大量的地下水、產生更多受到輻射汙染的水。
時至今日,東京電力公司仍每天汲取流經 1~4 號機組的雨水與地下水,使得福島第一核電廠即使到現在,每天都還是會產生核廢水。經過 12 年來的各種嘗試,近年新增的廢水總量已有減少的趨勢,去(2022)年每日平均產生約 90 公噸的核廢水,已是事故發生以來最低的數值。
受到輻射汙染的水在被排放之前需要經過幾道淨化流程。首先是利用「銫吸附裝置」除去水中一部分的銫(caesium, Cs)和鍶(strontium, Sr),再經過淡水化裝置除去水中的鹽分,否則海水中的鹽分會侵蝕、損害廠房設備。接下來這些水有兩種命運:循環再利用或是成為核廢水。
循環再利用
循環再利用是指受到輻射汙染的水經上述淨化處理後,可以回到福島第一核電廠 1~3 號機組,作為反應爐的冷卻水及輻射防護屏障。即便如此,這些受到輻射汙染的總水量遠多於福島第一核電廠 1~3 號機組的需求,所以絕大多數的水被汲取上岸後,都得存放在福島第一核電廠廠房內一桶又一桶的巨大水槽內,成為沒有其他用途的核廢水。
ALPS 處理水
為了降低核廢水的放射性核種濃度,這些存放在巨型水槽內的核廢水會經過專為福島第一核電廠事故設計的多核種除去設備(advanced liquid processing system, ALPS),而經過 ALPS 淨化處理的核廢水又稱「ALPS 處理水」。
「多核種除去設備」,顧名思義利用物理或化學方法,大幅降低 62 種人造放射性核種的濃度 註2,但唯獨不能處理氫的同位素——氚(tritium, 3H)。這不是因為多核種除去設備成效不彰,而是即便開發其他設備也很難將氚從水中分離。
由於水分子包含氫原子,而氚和氫是同位素,它們的物理性質和化學性質幾乎一樣,難以使用物理或化學方法將它們分離,因此無法利用 ALPS 或其他方式濾掉氚。
事實上,福島第一核電廠以外的一般核電廠所排放的廢水當中就含有氚,不過在一般情況下並不會特別放大檢視核電廠廢水當中的氚濃度。
此外,自然界中本來就含有氚,我們日常在使用或是飲用的水中也含有非常微量的氚。例如臺灣對飲用水中氚的容許濃度標準為每公升 740 貝克(Bq),並沒有要求零檢出,也就是數值低到儀器驗不出來的程度。
但福島第一核電廠的核廢水並不一樣,因為這些是流經福島第一核電廠、遭到人造放射性核種汙染過的水。即使是已處理過的 ALPS 處理水,除了氚之外還是包含低量、因反應爐爐心熔毀而外洩的人造核種,並不能直接排到自然界中。
所以這些水自福島第一核電廠事故以來,被汲取上岸後就一直存放於福島第一核電廠廠區內。
然而福島第一核電廠廠區空間有限,按照它每天產生核廢水的速度來推算,今(2023)年 4 月最新的估計是最快在明(2024)年 2 月以後儲水空間就會不足。該如何為這些存放在廠區內的核廢水找尋新的出路,就成了近年難題。
這個問題在 2013 年討論之初,曾列舉了排放到大海、注入地層、埋到地底下、電解成氫氣後排放到大氣中、轉換成水蒸氣排放到大氣中五種方法。經多年評估、討論後,日本政府在去年決定選用國內、外最常見的核電廠含氚廢水的排放方法,在確保廢水中的放射性核種的濃度符合標準 註3、沒有超標的情況下,就能將核廢水稀釋後排放到海洋。
早在日本政府確定選擇「排入大海」這個方案前,就有許多反對聲浪。最主要的原因就如前面所說,福島第一核電廠核廢水和一般核電廠的廢水差異在於含有爐心熔毀釋放的人造放射性核種,氚只是這些放射性核種當中的其中一種。
即便福島第一核電廠核廢水在 ALPS 淨化處理後,除了氚以外的放射性核種濃度大幅降低,且符合科學上的排放標準,但和「沒有發生事故」的核電廠廢水相比,內容物組成還是有所不同。
不過國際原子能總署(International Atomic Energy Agency, IAEA)在今年 7 月公布的報告書表示,目前日本提出的方案符合國際安全標準,ALPS 處理水的輻射量也極低,幾乎可以無視輻射對人體或環境的影響,國際水域也幾乎不會因此受到影響。與此同時,IAEA 也會與第三方機構持續監測、分析 ALPS 處理水排放的狀況。
但上述都是關於核廢水放射性物質濃度是否符合目前科學認定的安全標準討論,撇開在科學上是否經得起檢驗、一翻兩瞪眼的檢測問題,民眾願不願意接納這些「科學上的論點」,有時還會有情感方面的考量。
對於福島漁業來說,政府好不容易才在 2021 年解除試驗性捕魚,當地漁業才正準備要復甦。更何況日本政府先前曾承諾在未取得漁業相關業者的理解之前,不會將福島第一核電廠的核廢水排入大海,但現在的態度卻是要趕在福島第一核電廠放不下更多核廢水之前,陸續將核廢水排入大海,讓當地漁業業者相當不滿。
此外,也有一派反對聲浪認為日本政府僅因經濟效益考量,而選定「排入海洋」的解決方案,考慮不夠周全、詳盡。雖然規模不同、在日本也未曾將含氚的廢水先蒸發成水蒸氣後排放,若採用這種做法或許就能大幅降低對海洋生物的危害。
也有民間團體提議,如果認為核廢水太占體積,將 ALPS 處理水混合類似水泥的材質進行固化處理,就能堆疊起來繼續存放於福島第一核電廠廠區內,而不會汙染到廠區外的環境。但上述這些做法仍有實務上的困難之處,例如廢水蒸發會影響到陸域環境、固化處理後仍會繼續消耗存放空間等。
福島第一核電廠核廢水排放在即,臺灣行政院原子能委員會(原能會)近年多次重申福島第一核電廠的廢水是核電廠事故後的廢水,不能和一般核電廠排放的含氚廢水混為一談。
也許值得慶幸的是,臺灣和日本的直線距離雖然很近,但洋流方向卻未必如此。福島第一核電廠的核廢水排放後,會因為太平洋的環流系統流向,先往東朝美國加州附近水域擴散,再順時針繞來臺灣。
根據原能會的試算,最快要四年後才會流至臺灣附近海域,屆時放射性物質的濃度已低於儀器偵測極限,濃度低到難以被偵測,不會對臺灣附近海域造成輻射安全上的危害。
但中央研究院環境變遷研究中心研究員吳朝榮以過去觀測的海洋數值模擬,福島第一核電廠的核廢水排放後最快一年內就能抵達臺灣附近海域。
目前原能會已和漁業署、氣象局等跨部會合作監測福島第一核電廠核廢水的擴散狀況並進行漁獲、水產的輻射檢測,相關資訊都公開在「放射性物質海域擴散海洋資訊平台」隨時供民眾查閱。
在臺灣的我們暫時不需要過於擔心福島第一核電廠的核廢水會影響臺灣水域,核廢水排放海洋對環境的衝擊也會遠小於福島第一核電廠事故發生之初的狀態。臺灣方面針對日本食品的輻射檢驗標準仍高於歐、美國家,在現行邊境輻射檢驗標準下毋須過於擔心。
2011 年 3 月 11 日,日本發生大地震與海嘯,造成福島核災。位於福島縣雙葉郡,5 家有精神病房的醫院隨即關閉,一下減少了 901 個該科的床位。[1]其中廣野町的高野病院,[2]距離福島第一核電廠 22 公里。院長本來希望避免大規模撤離,無奈原有的 88 名工作人員,到 19 日時,只剩 13 名。災後劇減的人力和物資,只夠照顧臥床的重症病人。於是,包括精神科在內,所有具活動能力的病患,終究踏上了旅程。[1]
載著 37 名精神病患的巴士,由高野病院出發,開往 250 公里外,遠在埼玉縣的 A 醫院。[註]每個人的紙本病歷,之後才會另外送達;而照慣例該有的轉診摘要,則因工作量超載被直接省略。長途車程中,縱有醫護及行政人員隨行,部份病患水份仍攝取不足,出現脫水的現象。[1]
一名時年 53 歲,右邊視力及聽力受損,且罹患思覺失調症(schizophrenia)的男子,也在這班車上。他父母雙亡,又缺乏家族的經濟和社會支援,所以從 29 歲起就住在高野病院。[1]
精神病患對環境變化的適應力,較普通人差。長途轉院的過程,可能給他們帶來極大的壓力。再加上有些思覺失調症的病患,不容易及時告知身體狀況,或會延誤疾病的診斷與治療。抵達 A 醫院後,男子雖然沒有口頭抱怨身體不適,但是起床、進食、排泄及沐浴等,日常活動需要的協助增加。[1]
2011 年 4 月 27 日,醫療人員突然發現男子有血便,立刻將他連同病歷摘要,轉往東京都三級的大型醫療院所──B 醫院,[註]接受內視鏡檢查與加護醫療。男子的精神狀況,平時靠 haloperidol 維持穩定。許多抗精神病藥物都有便秘等副作用,得長期服用瀉藥疏通。不過此時為了檢查,必須暫時停止使用後者。[1]
4 月 28 日和 5 月 9 日,他於 B 醫院分別做的上消化道內視鏡(oesophagogastroduodenoscopy,俗稱gastroscopy,即胃鏡)與大腸鏡(colonoscopy),都查無異狀。在血便逐漸自行消退的同時,男子因為太久未吃瀉藥,而產生腸阻塞(ileus),整個人變得非常虛弱。可是 B 醫院的醫療團隊,似乎未曾取得完整的交接資訊,因此沒有恢復用藥。[1]
等到 5 月 11 日,轉回熟悉的高野病院,男子已經完全臥床,無法自主活動,而且溝通困難。有段時間醫療團隊讓他禁食,以改善腹部的症狀。24 日恢復正常飲食後,他卻胃口欠佳。[1]腸道阻塞可能引發嘔吐,若不慎吸入嘔吐物,肺部便有發炎的危險。[3]或許就是這樣,男子於 6 月 30 日開始發燒。7 月 1 日的胸腔電腦斷層掃描,顯示吸入性肺炎(aspiration pneumonia)與肋膜積水(pleural effusion)。儘管投以抗生素,他還是在 8 月 16 日因病過世。[1]
福島核災那段時間,被迫轉院的各類病人,與沒撤離的相較,死亡風險明顯上升;而普遍來說,大型災難後,精神病患的死亡率,又比一般民眾更高。報導這則個案的作者群認為,提供病患合宜治療的義務,不適用於重大災難等情形;並指出根據日本《民法典》,從緊急撤離到事後回院期間,醫院都沒有追蹤病患的責任。然而他們也表示,如果有比較簡單明瞭的病歷摘要,以及統一互通的雲端醫療紀錄,應該多少可以預防此類憾事。[1]
原個案報告未寫出 A、B 兩家醫院的全名。