「屎滾尿流」背後的科學奧秘 ——搞笑諾貝爾獎得主楊佩良專訪

• 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。

無法分辨成體和幼體的生物

小孩與大人不一樣。但是有些生物的幼體形態與成體型態相同。

舉例來說，鱷魚的幼體與成體幾乎長得一模一樣，剛破蛋而出的鱷魚寶寶已經具有完整的鱷魚外形，出生後逐年長大，巨大的鱷魚可以長達好幾公尺。不過鱷魚的成長速度在不同環境和溫度下不盡相同，光從大小無法判斷年紀，只看外形也無法分辨是成體或幼體。有些生物的成體和幼體的形態則相差甚遠，好比蝴蝶和蛙類；也有些生物的成體和幼體沒有太大區別，如同鱷魚。

這兩類生物的差別是什麼？

海葵就是幼體和成體相差很多的生物。海葵幼體是一種很像水母的生物，叫做「浮浪幼蟲」 。浮浪幼蟲在海中自由自在漂游，找到喜歡的岩石區時就會落腳，落腳後就不再移動，附著在岩石上長成海葵。移動是海葵幼體的重要任務，長大後的海葵則是肩負產卵留下子代的使命。

蛙類和蝴蝶的成體與幼體形態也各不相同，不過任務分配上與海葵不同，負責移動的是成體不是幼體。
由此可見，如果一個生物的幼體與成體各有不同任務，彼此的形態就不會相同，而沒有區分任務的生物就具有相同形態。

人類的大人與小孩 

我們人類又是什麼情況呢？ 

人類不會因為長大而生出翅膀或尾巴消失。人類的大人和小孩的外型非常相似，但並非完全相同的個體。舉例來說，嬰兒在我們眼中看起來就很可愛。

小孩子可愛的祕密在於他們的寬額頭。嬰兒的眼睛和鼻子集中在臉的下半部，額頭顯得很寬闊，寬額頭會使得整張臉看起來就惹人憐愛。而且嬰兒頭大、四肢短，整體感覺圓滾滾的，帶有人類大人不具備的「可愛感」。假如出現了一個比成年人更巨大的嬰孩，所有人應該還是能夠辨識出他是個嬰兒。人類不像鱷魚，我們不會分辨不出來誰是大人、誰是小孩。 

人類的大人和小孩具有不同的外型。除了人類，貓狗的寶寶也長得很可愛，即便是凶猛的獅子與灰狼，牠們的幼崽看起來還是很討喜。哺乳類動物的一大特徵，就是「幼體很可愛」。

嬰兒為什麼可愛？

哺乳類動物的嬰兒擁有可愛的外型。

人類出生後先是嬰兒，嬰兒長大是兒童，童年時期的人類依然保有他們的可愛，但是在長大的過程中卻會漸漸失去這種特質。

蛙類的成體和幼體雖然具有不同形態，但是蝌蚪並不是很可愛；蝴蝶小時候是毛毛蟲，反而比較多人覺得毛毛蟲噁心，只有少數人認為牠們可愛。 

既然如此，哺乳類動物的嬰兒為什麼會可愛？

原因就在於，嬰孩需要大人的保護。哺乳類動物具有育幼行為，牠們的子代需要親代的養育。小孩的可愛外形是為了獲得大人的保護。烏龜以堅硬的龜殼防身，毛毛蟲透過毒毛保護自己，而哺乳類動物的嬰兒則是把「可愛」當護身符。 

嬰兒的額頭很寬。為什麼額頭寬看起來就比較討人喜歡呢？因為大人的腦袋裡內建了寬額頭等於可愛的程式。 證據就是只要額頭寬，不管是不是嬰兒看起來都很萌。不過額頭寬並不是為了可愛。

如果說紅燈是「停止」的信號，寬額頭就代表「不可以攻擊」與「要保護他」的信號。

對於哺乳類動物來說，大人要保護小孩，小孩要被大人保護。大人與小孩的外型相似卻又不盡相同，因為他們肩負不一樣的任務。這樣說來，小孩的任務是什麼呢？小孩的任務很明確，就是「長大」。一個人要有健全的童年，才能成為健全的大人，這就是小孩的任務。

不過近年來人類的大人和小孩越來越難區別了。 總覺得不像小孩的小大人一直在增加，長不大的巨嬰也很多。

——本文摘自《生物轉大人的種種不可思議：每一種生命的成長都有理由，都值得我們學習》，2023 年 8 月，商周出版，未經同意請勿轉載。

上帝、教會與（有點長毛的）長毛象

幾乎所有文化在面對生命本源的問題時，都會用一些角色與故事回答問題。在希臘神話中，最初只有卡俄斯（Chaos）——虛無——的存在，接著蓋亞（Gaia）從虛無而生，然後生下天空烏拉諾斯（Uranus）。他們的後代包括泰坦（Titan）、獨眼巨人（Cyclopes）、百臂巨人（hundred-handed creatures）、諸神（赫斯提亞〔Hestia〕、狄蜜特〔Demeter〕、宙斯〔Zeus〕等），以及後來的人類。古蘇美人則相信母神納木（Nammu）生下了天與地，並且誕下動植物與人類。在拉科塔族（Lakota）傳說中，這個世界存在之前還有另一個世界，那個世界的人類罪孽深重，因此大靈（Great Spirit）用洪水淹沒大地，只有烏鴉康吉（Kangi）活了下來。大靈另外派三隻動物取了泥回來，由大靈塑造成土地與世界各地的動物，然後又用紅、白、黑、黃四色的泥塑造出男人與女人。而在基督教故事中，上帝先是創造出無形的荒蕪，接著創造光、天空、土地、動物，以及掌管所有生物、後來成為人類始祖的亞當與夏娃。

這些故事都編造於我們理解生物學、天擇與生命演化之前。《創世紀》（Genesis）記載了許多戲劇化的故事，故事中世界遭遇危難、一家人盼望生下孩子，還有人遠行尋找未來的家園，它的多位作者根本沒聽過好幾世紀後達爾文對於天擇的觀察，也沒聽過格雷高爾．孟德爾（Gregor Mendel）提出的遺傳法則。（若能研究《聖經》中幾個著名家族——例如撒拉〔Sarah〕、利百加〔Rebecca〕與拉結〔Rachel〕的家系——的基因序列，那也許可以找出她們難以懷孕或成功生育的原因。）

蘇格蘭哲學家大衛．休謨（David Hume）曾觀察到，我們人類共同的這些創世神話之所以存在，是因為我們需要用有因果關係的故事理解周遭世界，也是因為當社會規則有前後文脈絡時，社會才能運作得更好。那麼如今，隨著合成生物學打破我們自古流傳下來的規則，迫使我們重新思考這些規則的合理性、挑戰自己原先相信的起源故事，我們又該如何是好呢？到了今天，科學家忙著在數百間實驗室裡幻想、設計與生產生命的未來——而在其中一間實驗室裡，一位備受敬慕的研究者邀我們檢視與調和自己對科學及信仰的信念。

＊＊＊

喬治．丘奇在生物學界絕對算得上「大」人物，他同時是麻省理工學院與哈佛大學的教授與實驗室主任。即使不穿鞋，他的身高也達六呎五吋（約一百九十五公分），校區內甚至有幾道門太矮，他必須彎腰低頭才有辦法通過。他擁有天使般大大的可愛笑容、紅潤的雙頰、一頭茂密的白髮，以及蓬鬆的長鬍子。簡而言之，他可說是聖誕老人的遺傳學家弟弟，脾氣也和聖誕老人同樣和藹可親。人們常因丘奇的研究主題而將他和查爾斯．達爾文——甚至是更偉大的人物——相提並論。在討論如何利用合成生物學設計與操控生物學未來時，喜劇演員史蒂芬．荷伯（Steven Colbert）一度打斷了丘奇，急切地問道：「我們有重新設計的必要嗎？」他接著說道：「第一次發明我們的是上帝，是創造天地的主。先生，你這是在扮演上帝嗎？你這個鬍子的確很有假扮上帝的潛力。」荷伯也許沒發現，他這句笑話其實有幾分真實，因為丘奇花費了大量心血想創造新生命，以及復活已死的生物。

丘奇在一九五四年誕生於佛羅里達州麥克迪爾空軍基地（MacDill Air Force Base），從小在鄰近坦帕灣（Tampa Bay）的中產階級社區長大，生活環境不算特殊。丘奇的父親是空軍中尉，同時也是賽車手、光腳滑水運動員，比起寧靜的家庭生活，他對刺激的活動感興趣得多。丘奇的母親則是律師、心理學者與作家，她優秀又有想法，早就受夠了丈夫的行徑。她兩度再婚，第二次對象是一位名為蓋洛．丘奇（Gaylord Church）的醫師，蓋洛正式收養了當時九歲的喬治。喬治立刻對繼父包包裡的醫療器材深感興趣，蓋洛教好奇的兒子如何消毒針頭，甚至偶爾讓喬治為他注射藥物。

這段時期，丘奇在天主教學校的老師都對他頭疼不已。丘奇雖然禮貌，卻頻頻提出修女們答不上來的問題，經常帶著老師們鑽神學的牛角尖。他高中就讀麻州名聲極佳的寄宿學校——菲利普斯學院，也就是馬文．閔斯基的母校——這所學校就比較適合他了。他在此鑽研電腦學、生物學與數學——卻也發現自己越來越無法在夜裡完全入眠，日間也難以保持清醒，即使在他深愛的數學課上也會打瞌睡。其他學生不停拿這件事笑他，代數學老師甚至叫他乾脆別來上課了：既然他這麼常在課堂上打瞌睡，那就自己想辦法學數學吧。丘奇為自己辜負師長的期許而感到羞愧，同時也恨自己無法融入群體。

後來他就讀杜克大學（Duke University），睡眠問題仍不見起色，他常在會議或研討課中不小心睡著，睡幾分鐘後聽見自己的名字，他又會像沒睡著一樣猛然驚醒、回應對方。有次在一位系主任的課堂上，系主任見學生斗膽打瞌睡，甚至氣得拿粉筆丟他。儘管如此，丘奇還是在短短兩年內拿到了化學與動物學的學士學位，接著繼續在杜克大學讀生物化學研究所。他很快便被晶體學（crystallography）吸引，這在當時是一門新學問，可用以研究轉運 RNA（tRNA）的三維結構，深入瞭解這種負責解碼 DNA、將遺傳指令運輸到細胞其他部分的 RNA。

丘奇的睡眠問題並沒有好轉，大多數人都以為他不過是太無聊或在做白日夢，孰料他其實是無意間迅速進入了睡眠的快速動眼期（REM sleep）——也就是人們睡眠時做夢的階段——並且將清醒時的想法帶進了夢裡。在清醒夢狀態中，他看見了未來的各種可能性，探索了不同排列組合的科學方法——換作是清醒的人，絕不可能想到用如此古怪、瘋狂的方式應用科技。

在學生時期，丘奇老是因太過好奇與容易分心（當然還有打瞌睡）而惹上麻煩，他每週花上百小時做尖端晶體學研究，以致從不出席核心課程，最後想當然耳被當掉了。他被逐出了生物化學系，只能試圖轉系、繼續從事研究，然而他修的課程太雜、個人名聲不佳，而且研究領域又很奇怪，沒有教授想收他。此時的丘奇二十歲了，他發表過重大論文、獲得了著名的國家科學基金會（National Science Foundation）青年學者獎，卻被學術界的官僚體制拒之門外。

話雖如此，丘奇仍設法轉學到了哈佛，並下定決心讀完研究所。到了哈佛大學後的第一學期的早秋某一天，丘奇上課遲到了幾分鐘，於是他悄悄溜進教室、在最後一排找位子坐下。他取出筆記本、抬頭看向老師的投影片，赫然發現當日主題是自己的一篇論文。那堂課的教授是分子生物學界首屈一指的學者華特．吉爾伯特（Walter Gilbert），他沒發現丘奇也是這堂課的學生。（吉爾伯特在三年後因開發出 DNA 定序的早期方法之一而獲得諾貝爾獎。）

丘奇繼續做著生物化學相關的夢，提出了許多大膽的想法，其中之一是能低成本且快速解讀 DNA 的機器，還有一者是用現成分子改寫基因體、改良自然造物的方法。在他的想像中，他可以用特定的酶修改基因體當中不同的部分，還能讓神經多樣（neurodiverse）者——例如有強迫症或自閉症的人們——調控他們的特殊能力，而不是用藥物抑制這些能力。丘奇的想法被他帶進了實驗室，他致力於基因體定序與分子多工（molecular multiplexing）的研究，後者是能夠同時定序數條 DNA 的技術，不必像當時廣受使用的方法一樣，一次僅定序一條 DNA。這其實不是新技術，但大部分科學家認為這種想法太過荒謬，所以並沒有繼續順著這條路研究下去。丘奇證實了此事的可行性，一次定序多條 DNA 的方法很快便被許多人接受，大幅降低了 DNA 定序的成本。

——本文摘自《未來的造物者》，2023 年 11 月，臉譜出版，未經同意請勿轉載。