1

8
4

文字

分享

1
8
4

超憶症是上天的禮物還是噩夢?——《解題背後的心理學》

八旗文化_96
・2021/05/23 ・3287字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

  • 作者 / 艾佛瑞德 S. 波薩曼提爾、蓋瑞.柯斯、丹妮耶爾.索羅.維葛達默、凱瑟琳.基芙—柯柏曼
  • 譯者 / 謝雯伃

我們大多數人都已接受古諺語所說的,習得一項技巧或取得新資訊的最佳方式是透過經驗。如果你想擅長解題,就盡可能多解各種不同類型的題目吧。練習,練習,練習!

然而,這沒那麼容易。

重覆累積不成功的經驗可能會增加挫敗感。預期失敗則增加了焦慮。要從經驗中獲益需要某些指導。

要從經驗中獲益需要某些指導。圖/Pexels

被馬踢到頭而獲得的超能力

偉大的阿根廷作家波赫士寫過一個傑出的短篇故事《博聞強記的富內斯》(Funes the Memorious ),該故事講的是一個住在巴拉圭的年輕人,因為被馬踢到頭而獲得了記住特定經驗的神奇能力:

他心底知道 1882 年 4 月 30 日破曉時分南邊雲朵的形狀,他能在記憶中將這些雲朵與他記憶中儘管只讀過一次的西班牙語著作中色彩斑駁的條紋相比較⋯⋯這些記憶並不是簡單的記憶⋯⋯每一個視覺意象都與肌肉感官、熱感感官等能重建他夢境的感受相連⋯⋯有兩三次他把一整天都重建出來了;他從未遲疑,但每一次的重建都需要一整天。

-----廣告,請繼續往下閱讀-----

波赫士的故事到不久之前都被認為是一種幻想。但在 2006 年,研究者出版了一份他們稱為 AJ 的病人之案例研究。

AJ 與故事中的 Funes 有許多共同處,她能記得每一件自己所經歷過的事;她吃過的每一餐的每一個微小細節,以及她經歷的每一次社交互動。她解釋說:

我現在三十四歲,從我十一歲起,我就有這種能回憶過去的神奇能力,不是只有回憶而已⋯⋯我可以從 1974 年起直到今日的每一天中隨便選個日期,然後告訴你那天星期幾,我那天做了什麼事,又那天是否有任何重要事情發生⋯⋯只要我看到電視上閃過一個日期(或在任何一處看見某個日期),我就會自動回到那天,記得當天我在哪裡、在做什麼、那天星期幾之類的。

稀少的存在——超憶症能記得生活大小事

這個情況被稱為超憶症,或是超常自傳式記憶。這個情況極為稀少,僅有幾個人身上出現過。

-----廣告,請繼續往下閱讀-----

AJ 的能力似乎很神奇,某種程度上可與電腦的能力相比擬——就像隨身碟,大概只有一包口香糖大小,卻能裝下幾乎兩百萬份文件、兩百首歌曲以及三十萬張相片。

但是,如果記住過去經驗如此重要,為什麼超憶症如此稀少?為什麼並不是所有人都擁有相似的能力?研究顯示,我們大多數人對於過去的記憶記得很少,也常常扭曲記憶。

答案是,我們心智設定的目的並不是記錄經驗過的一切確切細節。演化把我們的心智設計為解決特定問題,而記憶眾多細節並無法幫助我們解決問題。

波赫士暸解這點,於是他記下 Funes 自己的看法:「我一個人擁有的記憶比世界之所以成為世界以來所有人類的記憶還要多⋯⋯我的記憶呀,先生,就像個垃圾堆。」AJ 也描述她的超憶症經驗是個可怕的經驗:

它從未停止、無法控制、非常耗神。有些人稱我是個人型日曆,其他人則聽到就嚇得跑出房外,得知我有這項「天賦異稟」的每個人都有的反應是驚愕不已。

-----廣告,請繼續往下閱讀-----

接著,他們開始拋給我各個日期,試著要考倒我⋯⋯ 我還沒被考倒過。大多數人說這是一個禮物,但我把它稱為一種負擔。我每天都在腦中重播我的整個人生, 這要把我搞瘋了 !

就像隨身碟,大概只有一包口香糖大小,卻能裝下幾乎兩百萬份文件。圖/Pexels

AJ 並不是唯一一個受此情況所苦的人。2013 年,公共廣播電台 (NPR) 報導了一名被診斷為超憶症的五十五歲人士,他就一直深受憂鬱症所苦。

難不倒人類的臉部辨識

說明我們心智如何運作的另一個範例,是我們辨識臉部的能力。雖然臉部辨認在資訊處理上是項特別困難的問題,人類卻極為擅長解決這類問題。

回到 1966 年,當時普遍認為我們擁有一種「祖母細胞」,它是一種能表徵複雜但特定概念或物件的神經元;當一個人看見、聽見或是敏感地辨別出一個與他祖母臉部相似的特定實體時,該神經元就會啟動。

-----廣告,請繼續往下閱讀-----

然而,大多數的臉部揀選細胞並非祖母細胞,因為它們並不表徵一個特定知覺;也就是說,它們不會只針對特定面孔而啟動,不管這張臉的大小、方向及顏色怎麼變化都有辦法辨識。

就算是最具揀選能力的臉部細胞,都有可能錯過特定臉孔,更別說相似度更低的臉孔。

然而,人們卻能區別出數千張稍有不同的臉,更有甚者,我們得在許多不同情況下辨認出同一張臉孔。每一次我們看到一張臉,它在我們視野中都呈現不同角度,在不同光線、地點、化妝或陰影下也有些微不同。因此,如果我們以一個特定神經元的確切感官經驗來辨認臉孔,我們就會慘遭失敗。

事實上,每一次的觀看,我們都必須找出一張臉的深層屬性,而非單單記下某張特定的臉部影像。這讓我們能夠從眾多臉孔中區別出一個人的臉。不同特徵的相對位置是臉部感知的重要面向。我們似乎可以提取兩眼距離或是嘴巴、鼻子和眼睛相關位置等微小差異。

臉部辨識這種複雜技巧,端賴我們在辨認一張臉孔時,是否能從進入我們感官的資訊洪水中提取更深入的抽象資訊。

-----廣告,請繼續往下閱讀-----

除了單單記錄任一場景的光線、聲音及氣味,我們還必須回應這個世界深層的抽象特性。這讓我們在各種情況下偵測到細微且複雜的相似性及差異性,而能有效地行動。甚至在我們之前從未遭遇過的新情況中亦是如此。

雖然臉部辨認在資訊處理上是項特別困難的問題,人類卻極為擅長解決這類問題。圖/Pexels

抽象資訊之所以有幫助,是因為它能指引我們從一堆複雜的可能性中選出我們感興趣的資訊。在臉部辨識中是如此,其他知覺經驗上也是如此。

舉例來說,我們利用抽象資訊來辨識熟悉旋律。一旦你聽過布拉姆斯的搖籃曲,無論它被轉成哪種調或是使用哪種樂器演奏,甚至演奏中出了幾個差錯,你都可以認出這首曲子。

讓我們辨認識出熟悉曲調的不管是什麼,都絕不是你過去聽到這個曲調時的特定經驗記憶。這肯定是出於某種抽象的東西。儘管我們根本沒注意到,但我們總是在辨識行動中仰賴這種抽象的資訊。

-----廣告,請繼續往下閱讀-----

波赫士理解到,記住每一件事正好與我們心智最擅長的工作——從一堆經驗中提取資訊——相衝突。這是何以 Funes 將自己的心智描述成一個「垃圾堆」,因為那裡面充滿了無法被歸納或理解的特定細節。他不能理解他多次遇到有四條腿的毛絨絨生物,實際上只是遇上了同一種動物:

「我們不要忘記,他幾乎無法以一種概括且柏拉圖式的方式來處理概念。對他來說,不光理解狗這個概念包含了不同大小及形狀的個體很困難;在 3:14 看到的狗(從側面看)與他在 3:15 看到的狗(從前面看)是一樣的,這件事也困擾著他。」

不用記太多!超憶症反而阻礙我們的專心

我們大多數人並非超憶者,這是因為超憶會讓我們在演化時無法成功做該做的事。我們的心智忙著從我們的經驗中選出最實用的資訊並將其餘拋諸腦後,是為了讓行動有所依歸。

若把每一件事都記住,可能會阻礙我們專心在更深入的抽象準則上,那有助於我們辨識新情況與過去情況的相似處,並找出有效的行為。

-----廣告,請繼續往下閱讀-----

行動時要有效率,細節反而非必要;一般來說,我們只需一個大致印象就夠了。有時候儲存細節反而適得其反, 就像超憶症患者及那個記憶如同充滿細節的垃圾堆的 Funes the Memorious 一般。然而在解題時,記住重要資訊對我們來說是有幫助的;有時我們的記憶可能停留在一個我們不想記住的地方。

——本文摘自泛科學 2021 年 5 月選書《解題背後的心理學》,2021 年 3 月,八旗文化
文章難易度
所有討論 1
八旗文化_96
34 篇文章 ・ 19 位粉絲
外部視野,在地思索, 在分眾人文領域,和你一起定義、詮釋和對話。

0

0
0

文字

分享

0
0
0
如何靠溫度控制做出完美的料理?
鳥苷三磷酸 (PanSci Promo)_96
・2024/06/21 ・2766字 ・閱讀時間約 5 分鐘

本文由 Panasonic 委託,泛科學企劃執行。 

炸雞、牛排讓你食指大動,但別人做的總是比較香、比較好吃?別擔心,只要掌握關鍵參數,你也可以做出完美料理!從炸雞到牛排,烹調的關鍵就在於溫度的掌控。讓我們一起揭開這些美食的神秘面紗,了解如何利用科學的方法,做出讓人垂涎三尺的料理。

美味關鍵 1:正確油溫

炸雞是大家喜愛的美食之一,但要做出外酥內嫩的炸雞,關鍵就在於油溫的掌控。炸雞的油溫必須維持在 160 到 180℃ 之間。當你將炸雞放入熱油中,食物的水分會迅速蒸發,形成氣泡,這些氣泡能夠保證你的炸雞外皮酥脆而內部多汁。

水的沸點是 100℃,當麵衣中的水分接觸到 160℃ 的熱油時,會迅速汽化成水蒸氣。這個過程不僅讓麵衣變得酥脆,也能防止內部的雞肉變得乾柴。

-----廣告,請繼續往下閱讀-----

如果油溫過低,麵衣無法迅速變得酥脆,水分和油脂會滲透到食物中,使炸雞變得油膩。而如果油溫過高,水分會迅速蒸發,使麵衣變得過於硬或甚至燒焦。

油炸時,麵衣水分會快速汽化。圖/截取自泛科學 YT 頻道

美味關鍵 2:焦糖化與梅納反應

另一道美味的料理——牛排。無論是煎牛排還是炒菜,高溫烹調都會帶來令人垂涎的香氣,這主要歸功於焦糖化反應和梅納反應。

焦糖化反應是指醣類在高溫下發生的非酵素性褐變反應,這個過程會產生褐色物質和大量的風味分子,讓食物變得更香。而梅納反應則是指醣類與氨基酸在高溫下發生的反應,這個過程會產生複雜的風味分子,使牛排的色澤和香氣更加迷人。

要啟動焦糖化反應和梅納反應的溫度,至少要在 140℃ 以上。如果溫度過低,無法啟動這些反應,食物會顯得平淡無味。

-----廣告,請繼續往下閱讀-----
焦糖畫反應。圖/截取自泛科學 YT 頻道


焦糖化反應與梅納反應。圖/截取自泛科學 YT 頻道

油溫與健康

油溫不僅影響食物的風味,也關係到健康。不能一昧地升高油溫,因為每種油都有其特定的發煙點,即開始冒煙並變質的溫度。當油溫超過發煙點,會產生有害物質,如致癌的甲醛、乙醛等。因此,選擇合適的油並控制油溫,是保證烹調健康的關鍵。

說了這麼多,但是要怎麼控制溫度呢?

各類油品發煙點 。圖/截取自泛科學 YT 頻道

科學的溫度控制

傳統電磁爐將溫度計設在爐面下,透過傳導與熱電阻來測溫,Panasonic 的 IH 調理爐則有光火力感應技術,利用紅外線的 IR Sensor 來測溫,不用再等熱慢慢傳導至爐面下的溫度計,而是用紅外線穿透偵測鍋內的溫度,既快速又精準。

而且因為紅外線可以遠距離量測,如果甩鍋炒菜鍋子離開爐面,也能持續追蹤動態。不會立即斷開功率關掉,只要鍋子放回就會繼續加熱,效率不打折。

-----廣告,請繼續往下閱讀-----

好的溫度感測還要搭配好的溫度控制,才能做出一流的料理。日本製的 Panasonic IH 調理爐,將自家最自豪的 ECONAVI 技術放進了 IH 爐中。有 ECONAVI 的冷氣能完美控制你的室溫,有 ECONAVI 的 IH 調理爐則能為你的料理完美控溫。

有 ECONAVI 的 IH 爐不只省能源、和瓦斯爐相比減少碳排放,更為料理加分。前面說了溫度就是一切的關鍵,但是當我們將食材投到熱鍋中,鍋中的溫度就會瞬間下降,打亂物理與化學反應的節奏,阻止我們為料理施加美味魔法。

所以常常有好的廚師會告訴我們食物要分批下,避免溫度產生太大變化。Panasonic IH 調理爐,只要透過 IR Sensor 一偵測到溫度下降,就能馬上知道有食材被投入並立刻加強火力,讓梅納反應與焦糖化反應能持續發揮變化。而當溫度回到設定溫度,Panasonic IH 調理爐也會馬上將火力轉小,透過電腦 AI 的迅速反應,掌握溫度在最完美區間不劇烈起伏。

不僅保證美味關鍵,更不用擔心油溫超過發煙點而導致油品變質,讓美味變得不健康。

-----廣告,請繼續往下閱讀-----
透過 IR Sensor 精準測溫並提升火力。圖/截取自泛科學 YT 頻道
IH 調理爐完美控溫 。圖/截取自泛科學 YT 頻道

舒適的烹飪環境

最後,IH 爐還有一個大優點。相比於瓦斯爐,因為沒有使用明火,加熱都集中在鍋具。料理過程更安全,同時使用者也不會被火焰的熱氣搞得心煩意亂、汗流浹背,在廚房也能過得很舒適。而且因為熱能集中,浪費的能源也更少。

因為沒有使用明火,料理過程安全又舒適。圖/截取自泛科學 YT 頻道
Panasonic IH調理爐火力精準聚集在鍋內。圖/Panasonic提供

為了更多的功能、更好的效能,我們早已逐步從傳統按鍵手機換成智慧型手機。一樣的,在廚房內,如果你想輕鬆做出好料理,同時讓烹飪的過程舒適愉快又安全。試試改用 Panasonic IH 爐,一起享受智慧廚房的新趨勢吧!👉 https://pse.is/649gm5

文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
200 篇文章 ・ 306 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

0
0

文字

分享

0
0
0
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 53 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

1
0

文字

分享

0
1
0
資訊量過大啦!我們其實不擅長處理複雜的資訊?——《生物轉大人的種種不可思議》
商周出版_96
・2023/11/21 ・1330字 ・閱讀時間約 2 分鐘

誰不接受多樣性?

我們的成長方式具有多樣性。有人長得快,有人長得慢;有人長得高大,有人長不高。這種多樣性是「生物的策略」。不過有個東西並不接受多樣性。就是我們的大腦。

人腦不善於處理複雜的訊息。

有一個法則叫做「神奇數字七法則」,意思是:人類一次頂多只能記住七樣東西。

這是真的嗎?我們來試試看。

-----廣告,請繼續往下閱讀-----

請記住以下插圖,限時三十秒。

接著再看下面的圖,什麼東西不見了?

答案是不倒翁。為什麼明明十樣物品也不多,我們就是記不住呢?

再來試試下一題吧。

-----廣告,請繼續往下閱讀-----

雖然超過七個圖,但是這一題可能大家都記得住,因為這些圖都與《桃太郎》的故事有關。先找出關聯性,再加以歸納整理,大腦才有辦法勉強記住超過七樣東西。

大腦不擅長處理太多資訊

記憶圖畫或許比較困難,試試看數字吧。

請記住旁邊的數字,限時五秒。

怎麼樣? 是不是太簡單了點!

-----廣告,請繼續往下閱讀-----

下面這一組數字呢? 也是限時五秒。

上面這一題是不是也太簡單了!

下一組數字呢? 限時同樣五秒鐘。

如何?

-----廣告,請繼續往下閱讀-----

前兩題應該可以輕輕鬆鬆記住,但是第三題就比較不容易了吧?

你知道第三題有幾個數字嗎?

答案是八個。

只有八個!

-----廣告,請繼續往下閱讀-----

人類厲害到發明了電腦,我們優秀又傑出的大腦照理說應該能理解一百、一萬,甚至一億個數字。然而實際上,人腦必須費盡力氣才能記住兩隻手數得完的數字。我們的大腦本質上不擅長處理「大量」的資訊。

理解「大量」的方法

如同上述的例子,當題目是文字(圖像)時,只要歸納出《桃太郎》的故事,我們的大腦就更容易理解。

那麼數字呢?

我們來看看下面的數列。

-----廣告,請繼續往下閱讀-----

把亂七八糟的數字排成一列,是不是就好記很多?

如果再排成下面這樣呢?

這次是依照數字的大小排序。

我們可以看到「3」有兩個,而 1 到 9 中間缺少了「7」和「8」。經過排列和整理順序之後,人腦就比較能夠理解這些資料。我們的大腦最喜歡把東西排成一列或排順序。學校排成績也是這樣的關係吧?

-----廣告,請繼續往下閱讀-----

——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。

商周出版_96
119 篇文章 ・ 361 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商周出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。