蜘蛛有時候成為獵物，至少對獵蝽（Stenolemus bituberus）來說。獵蝽這種具有細長附肢的昆蟲，會爬上蜘蛛的網，模仿被網纏上的獵物，引誘蜘蛛靠近，然後走向死亡，成為獵蝽的午餐。為了解獵蝽如何讓蜘蛛受騙，科學家將蜘蛛網放在收音箱中，並記錄當獵蝽、落葉、求偶雄蛛或獵物接觸網子時的震動。結果顯示，蜘蛛面對獵蝽的反應，和面對獵物的反應相似－有65%會轉向獵物、靜止然後衝向獵物；有35%會轉向獵物，但不會攻擊性地撲向獵蝽。科學家認為，這顯示出獵蝽利用一個深思熟慮的策略，它製造出短且低頻率的震動，試圖模擬小或者精力耗盡的獵物，以降低蜘蛛的警戒。
資料來源：ScienceShot: How Spider Assassins Mimic Prey [26 October 2010]
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。
在亞洲有一種蜘蛛，一直以來很多人都說，牠身上的圖案像極了知名洋芋片品牌「品客」（Pringles）的招牌標誌——圓臉留著兩撇八字鬍的大叔。
什麼蜘蛛長得這麼特別？牠叫作「黑綠鬼蛛」（Bijoaraneus mitificus；英文俗名為 Kidney Garden Spider）［註］。這種蜘蛛體長約在 0.5～1 公分上下，渾圓的腹部背面呈白色調，常可見近似「V 字」的深色條紋，以及兩個凹陷的深色小圓點，構成一張類似長著眼睛與鬍子人臉，顯得相當逗趣。
蜘蛛與商標形象「撞臉」，意外成為非官方吉祥物，這檔事傳來傳去，終於有一天，品客這家來自美國的品牌決定「認真」看待這件事。2022 年 6 月底，品客的官方網站上發布了一項前所未有的連署活動：為蜘蛛請願改名。據《CNN》報導，品客美國經銷負責人詹金斯（Mauricio Jenkins）表示：「此前我們不曉得，原來有個生物一直默默散播對品客的愛。」
這項活動的主旨，就是希望能讓這種蜘蛛的英文俗名正式更改為「品客蜘蛛」（Pringles Spider），同時獲得國際上蛛形綱相關的學術研究團體認可。官網上也做出承諾，如果在當年 10 月 31 日前至少有任一個研究團體表示認同接納「品客蜘蛛」之名，作為回報，參與這項連署的前 1500 名民眾將可以免費獲得一罐品客洋芋片。在同年 8 月初時，已經有超過 7300 人響應參與連署。
不僅如此，品客官網還同步舉辦了蜘蛛的「領養活動」，大眾可以在他們的網站上領養虛擬的黑綠鬼蛛，並下載「領養證書」。
當然，全球各地的媒體紛紛報導了品客洋芋片為蜘蛛連署改名的消息。有些國內新聞報導也指出，身為主角的黑綠鬼蛛「分布在東南亞國家，例如泰國、新加坡和越南等」。看來，有些人顯然忽略了牠近在眼前的事實呢！
事實上這種蜘蛛可見於亞洲多個國家，在台灣也有分布。台灣的低海拔環境，從北到南都有牠的蹤跡，一些郊山、都會區的公園便有機會找到牠。所以身在台灣的我們，哪裡需要透過網路去領養什麼虛擬的個體？如果想看這種蜘蛛，還不如到戶外走走吧！
黑綠鬼蛛通常會在樹木間造網，同時在網附近的枝葉上另造一個供自身躲藏的薄紗狀巢，網與巢之間有細絲線相連接。通常，依靠結網捕捉獵物的蜘蛛視力普遍不佳，黑綠鬼蛛也不例外，不過牠們對於震動相當敏感。一旦有昆蟲等獵物撞上其所結的網，察覺到震動的黑綠鬼蛛便會從巢裡衝出，將獵物拖進巢內，再慢慢取食。
筆者便曾在台北市羅斯福路上的公園見過這黑綠鬼蛛。而且，與一些常見的中小型蜘蛛相比，黑綠鬼蛛分泌製造出的絲，手指摸起來的觸感真是讓人感到意外的堅韌且黏。
其實，關於幫蜘蛛改名這件事，或許製造歡樂、替品牌形象宣傳，才是活動的主要用意。
畢竟，所謂「約定俗成」，不管是英文還是中文，俗名本身便是民間所流傳的非正式名稱。在生物學上，拉丁文所組成的「生物學名」，才是不能隨意更改，而是需要遵守嚴格學術規範的國際正式名稱。
話說，有些人看到可愛的黑綠鬼蛛，內心仍然會有點怕怕的吧？確實，許多人對蜘蛛的印象就是「有毒」、「恐怖」，可是人們往往過度高估了蜘蛛的危險性。事實上，蜘蛛的口器都具有用來攻擊獵物的毒牙，當咬住獵物時，毒牙能注射蛋白質毒液讓對方失去行動力或死亡。
不過我們並不需要對這類節肢動物過度害怕，因為大部分蜘蛛的毒液對人類幾乎不會造成影響，在未遭受人為騷擾的情況下，蜘蛛更不會主動去攻擊人。當然，黑綠鬼蛛本身便不會對人體造成威脅，屬於無害的動物。
台灣目前已知的蜘蛛種類至少超過了700種，不光是外觀滑稽有趣的「品客蜘蛛」，本土蜘蛛中還有許多外觀特殊、引人注目的種類。不管是住家周圍，還是山林野地，有機會不妨多觀察看看身邊有哪些特殊的蜘蛛吧！附帶一提，2006年的美國電影《夏綠蒂的網》（Charlotte’s Web），劇中身為主角的蜘蛛夏綠蒂，在現實中是俗稱「穀倉蜘蛛」（Araneus cavaticus；英文俗名為Barn Spider）的一種北美洲常見蜘蛛，牠與本文介紹的黑綠鬼蛛同為金蛛科的種類。
黑綠鬼蛛以往被歸類在金蛛科鬼蛛屬（Araneus），然而 2021 年分類學者主張將之移入媛圓蛛屬（Bijoaraneus），本文仍使用其在台灣較普遍的中文俗名「黑綠鬼蛛」。本種亦可稱「黑斑媛圓蛛」、「黑綠圓蛛」，在中國則通常稱其為「黑斑園蛛」。
人類培育下，如今狗狗們有眾多「品種（breed）」，它們其實仍然屬於同一個物種，只是體形、外觀等特徵差異明顯。不同狗狗和人一樣有個性差異，屬於同一品種的不同個體，也會有類似的行為、個性嗎？
上述問題需要不少資料與交叉比對的分析，才有機會回答。於 2022 年發表，花費多年搜集材料的論文報告，狗的行為確實與遺傳有關，但是同一品種狗的行為並不一致。例如拉布拉多和拉布拉多不同，邊境牧羊犬和邊境牧羊犬不同，拉布拉多和邊境牧羊犬卻可能相同……[參考資料 1, 2, 3]
成為馴化動物超過一萬年來，狗狗們千變萬化，過往研究證實很多外貌與型態特徵可以遺傳，例如毛色、體型、藍眼睛。但是對於行為方面的了解比較少，而且想來也更難研究，畢竟行為不像顏色、尺寸那樣能直接識別與量化。
若想釐清狗狗的行為，和遺傳、品種的關係，需要搜集很多品種，每一品種都包括多位個體，以及牠們的基因組定序，再加上大批各種特徵的紀錄，才能獲得比較可靠的答案。
任何研究團隊光靠自己，都不可能取得如此龐大的資料量。研究者們成立「達爾文方舟（Darwin’s Ark）」網站，算是公民科學的應用，邀請許多飼主各自上傳狗狗的資訊，從中進一步分析（大部分參與者應該是美國人和美國狗）。
這項研究採用的資料包括來自 18385 狗的資訊，大約一半是「比較純的品種狗」；又從其中 2155 狗取得遺傳訊息，純種狗、混種狗都有。根據人為定義，全部共有 128 款品種。
論文做了一大堆統計學分析，基本上是這種關聯性分析、那種關聯性分析、這種關聯性和那種關聯性的關聯性分析，層層疊疊，一定很合統計魔人的胃口。有興趣的讀者請自行觀摩體驗，我只講我的理解。
結合基因體學與關聯性分析，光是原理並不太難。基因組上每個 DNA 位置有 ATCG 四種可能，比方說某個位置，不同個體為 A 或 C，配備 A 的狗都親人、C 的狗都兇兇，那麼便能推測，A 變異與親近人類有所關聯，C 變異的效果相反。
實際狀況卻複雜很多。例如配備 A 的狗有 70% 親人、C 的狗有 55% 兇兇，並非 100% 的狗都有影響。或是同一種行為，涉及多個遺傳變異，例如基因組上有 50 處位置影響親人、30 處影響兇人。反正就是有一大堆可能的組合與關聯性，樣本愈大、分項愈多，需要愈繁複的統計學分析。
要是鑽進論文的分析迷宮，恐怕很容易失掉方向，繞不出來，反而搞不懂問題是什麼，我們直接跳到外面。
一番分析後得知，不論體型、外觀等外在特徵，或是行為這類內在特徵，都與遺傳相關，只是不同特徵的程度有別，有些相關性非常高，有些沒那麼高。因此狗狗的行為，確實取決於相當的遺傳成分。
假如每款品種狗的個體們，彼此都表現共通的行為，那麼我們應該能看到：某個品種多半都展現某些行為，而不同品種間情慾交流的混血狗，也會獲得不同品種各有比重的行為。
實際上發現，某些行為確實和少數品種的關聯性比較高，但是多數行為似乎不分品種。江湖傳說中的兇狗不見得更容易兇，容易激動的品種也不一定激動。另一方面，不同品種的狗狗，也可能表現類似的行為。
所有狗狗一起考慮，總共偵測到基因組上 11 處位置（以及 136 處沒那麼確定），可能和行為有關。鍵盤分析它們影響的基因，大部分在腦部的表現較高。
還好沒有脫離想像，不然要是影響行為的基因在腸道大量表現，該怎麼解釋？！
上述的分析方式，只能判斷遺傳與表現的關聯性，無法證實因果關係，不過還是能提供有意義的指引。
大量交叉比對得知，與行為有關的遺傳變異，在不同品種間缺乏明確的差異，這大概就是不同品種內，行為缺乏一致性的根本原因。相對地，和外型有關的某些 DNA 變異，在不同品種間差異明顯。
人類與狗相處的歷史超過一萬年，可是絕大部分品種狗的歷史並不久遠。早於 200 年前的狗狗，不是沒有人為選擇培育，卻著重在工作上的狩獵、守衛、駝獸等功能性特色。
要等到 160 年前，也就是 50 到 80 代以前的狗狗開始，人類才大量刻意創造出不同的品種，形成馬爾濟斯、拉布拉多、雪納瑞、貴賓狗、巴哥犬等多采多姿的品種狗。
或許有讀者認為，品種狗的行為之所以缺乏各自的特異性，是由於各品種經歷的時間太短，不足以產生差異，但是這是錯的。因為絕大部分品種狗的歷史雖短，人擇依然已經足以造成明顯的影響，反映在不同品種間，有別的毛色、體型等外觀特徵。
同一批分析指出，行為與型態一樣都可以遺傳，理論上也可以由人擇控制。然而，不同品種的狗狗，行為與個性依然有不少共通性，品種間卻缺乏明顯差異，品種內的不同個體並不一致。
根據這些資訊，我們似乎可以這麼說：近兩百年來的品種培育，人類更偏好挑選外在特色，以貌取狗，不那麼在乎狗狗內在的行為。
最後也提醒各位讀者，作為寵物飼養的品種狗，只是如今全世界龐大狗群的一小部分而已。眾多的狗狗們，有些是人類親近的伴侶，還有些順利融入各地的半野生或野生環境。然而，也有不少所謂的流浪狗，成為人類與自然生態系的禍患。養狗要有責任感，不要因衝動而養狗，養了就不要直接棄養。
本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。
狐禪
