2

8
1

文字

分享

2
8
1

一吃冰牙齒就痠軟無力?超過1/3臺灣人都有的敏感性牙齒,究竟從哪來?

羅夏_96
・2021/06/08 ・3760字 ・閱讀時間約 7 分鐘
相關標籤: 敏感性牙齒 (1)

-----廣告,請繼續往下閱讀-----

炎炎夏日,來上一口冰涼的飲料能讓人快速消暑,但對於有敏感性牙齒的人來說,這一口冰涼飲料雖能消暑,卻換來又痠、又痛的牙疼,根據統計,約有 44% 的國人為敏感性牙齒所困1

拜「抗敏感牙膏」的電視廣告所賜,民眾普遍對敏感性牙齒的症狀並不陌生,然而,敏感性牙齒的精準定義是什麼?人們又為何會罹患敏感性牙齒呢?近期發表在 Science Advances 的研究,讓我們能一窺造成敏感性牙齒的可能機制2

喝可樂、吃冰沙,又讓你的牙齒「敏感」了嗎?圖/envato elements

小小白色牙齒的內部構造

敏感性牙齒的正確名稱是「牙本質知覺敏感症」,要了解其中的原因,得先聊聊牙齒的構造。

人類的牙齒由外到內由三個部分組成:

-----廣告,請繼續往下閱讀-----
  • 琺瑯質:主要由鈣和磷所構成的堅硬外層,其功能為磨碎食物與保護牙本質。琺瑯質是人體內最堅硬的組成,但無法再生。
  • 牙本質:構成牙齒主體的微黃色組織,終身都會繼續不斷地再生。
  • 牙髓腔:牙齒核心,包含神經和血管等各類軟組織。
牙齒的構造。圖/維基百科

當琺瑯質因各種因素 (例如刷牙太大力、酸性物質腐蝕、蛀牙等)被耗損後,琺瑯質就會無法繼續保護牙本質,並讓牙本質暴露出來,一旦牙本質暴露後,外界的各種刺激像是溫度變化、酸性物質等就會直接影響牙本質,讓我們感到牙齒的痠軟或疼痛。

當牙本質被「見光死」後,為什麼會痛?

細看牙本質後,我們可以發現它由許多貫穿整個牙本質的牙本質小管構成。雖然牙本質沒有神經細胞分布,但位於牙髓腔內的神經細胞,其末梢會分布在充滿液體的牙本質小管內。

目前學界認為,這些液體正是導致敏感性牙齒的元凶。

牙本質小管的構造。圖/參考資料4

關於敏感性牙齒來源的主流解釋是這樣的:

正常的牙本質會有琺瑯質的保護,讓外在因素不會直接影響牙本質小管,但當牙本質小管外露,外在因素的刺激很容易改變牙本質小管的壓力,進而使牙本質小管中的液體快速流動。這個液體流動速度的改變,會刺激牙本質小管內的牙髓神經末梢,進而引發神經衝動導致疼痛發生。

-----廣告,請繼續往下閱讀-----
外界的刺激會使牙本質小管內的液體快速流動,而這會牽扯牙髓末梢神經。圖/參考資料4

那麼該如何處理敏感性牙齒呢?

由於敏感性牙齒是因為牙本質暴露並受到外在刺激所導致,因此只要不讓牙本質與外界接觸,就能有效阻止疼痛發生。

理論上最好的辦法是讓琺瑯質包裹住牙本質,但正如前文提到,琺瑯質是無法再生的,因此人們退而求其次,想辦法使用其他物質來封住牙本質小管,使其不會受到外在因素的刺激,而這也是市售抗敏感牙膏的抗敏機制。

市售抗敏感牙膏的作用機制:封住牙本質小管。圖/參考資料4

然而,以上僅僅只是學界的「主流觀點」,關於「牙本質小管內的液體流動是導致敏感性牙齒的主因」一說,尚未被有足夠的實驗和證據支持。

本文接下來將介紹近期發表在 Science Advances 的研究,這篇研究將針對敏感性牙齒的成因提出可能的分子機制。

-----廣告,請繼續往下閱讀-----

十五年前的博士後研究:TRPC5 的發現

這項研究的開端要追溯到十五年前。

當時,此篇論文的主要作者 Katharina Zimmermann 正在進行博士後研究,她和團隊發現了一種叫作 TRPC5(Short transient receptor potential channel 5)的離子通道蛋白質。

這個 TRPC5 是甚麼?讓我們先從傷害受器說起。

傷害受器(nociceptor)是中樞神經系統中的感覺神經元之一,當人體遇到高溫或強酸等的刺激時,傷害受器會被活化,並將訊號傳至中樞神經 (延髓和大腦),讓人產生不適甚至是疼痛感,使我們避開這些可能造成傷害的危險。

依據接受的刺激不同,傷害受器可分為溫度感受、機械感受和化學感受。而人體專司溫度感受的傷害受器,主要是靠感覺神經元細胞膜上的瞬態感受器電位通道 (Transient Receptor Potential Channel, TRP)這個離子通道蛋白質來接收刺激。

-----廣告,請繼續往下閱讀-----

針對不同的溫度刺激,會有不同的 TRP 蛋白來對應。

例如目前了解最多的是 TRPV1,它會對高溫作出反應,當 TRPV1 在 42℃ 以下時,通常不會活化,但一旦皮膚超過該溫度,傷害受器中的 TRPV1 就會活化,並把信號傳輸到中樞神經,讓你產生灼熱和疼痛感。

另一例是 TRPM8 ,TRPM8 對低溫刺激 (10-30℃) 有反應,不過和 TRPV1 不同的是,TRPM8 的活化是讓人感到清涼,而不是疼痛。

除了溫度會活化 TRP 蛋白,一些化學物質也會活化 TRP 蛋白:例如辣椒中的「辣椒素」就會活化 TRPV1;薄荷中的「薄荷醇」會活化 TRPM8。

TRP 是人體感知溫度的重要離子通道蛋白質,其中最著名的成員為 TRPV1 和 TRPM8。圖/2020 KAVLI PRIZE IN NEUROSCIENCE

而 Zimmermann 所發現的 TRPC5 對寒冷極為敏感,但她和研究團隊發現 TRPC5 和 TRPV1、TRPM8 不同,作用位置並不在人體的皮膚上,而這讓他們的研究陷入了死胡同。

-----廣告,請繼續往下閱讀-----

身體哪個部分也怕冷?報告:牙齒!

一天,研究團隊在午餐會上討論研究進度時,突然有人對 TRPC5 的研究提出新的想法。Zimmermann 回憶道,那時大家正在吃飯,突然有人提出:「牙齒也是人體對寒冷極為敏感的部位啊!」而這個想法,開啟了團隊的新研究方向。

雖然這個想法似乎為研究團隊開啟一道曙光,但想要研究牙齒沒這麼容易。當科學家想要研究牙齒的內部時,勢必要切開琺瑯質和牙本質這兩層硬度很高的物質,而且這個過程還不能傷到牙齒內部柔軟的牙髓。

然而,許多有經驗的研究人員都知道,在切開牙齒的過程中,整顆牙齒四分五裂是相當稀鬆平常的。

後來 Zimmermann 的團隊改變思路,他們沒有切開小鼠的牙齒,而是選擇研究整個牙齒系統:包括頜骨、牙齒和牙神經。

-----廣告,請繼續往下閱讀-----
研究團隊直接研究小鼠的牙齒系統,包含頜骨、牙齒和牙神經。圖 / 參考資料1

研究團隊將小鼠的牙齒系統放入冰涼的液體後,他們透過觀察神經訊號,顯示小鼠的牙齒系統確實能感受到寒冷。然而,當他們加入神經阻斷劑,或者將小鼠的 TRCP5 破壞後,就不會產生顯示疼痛的訊號。這個研究結果證實了小鼠牙齒系統內的 TRCP5 能偵測寒冷的訊號。

研究團隊接著發現 TRCP5 會出現在小鼠牙齒系統中,牙本質靠近牙髓的交界處,而美國麻省總醫院的病理學家 Jochen Lennerz 也進一步證實了 TRCP5 也會出現在人類牙本質中。

另外他們也發現,TRCP5 是造成小鼠牙痛的重要因素,當小鼠牙齒有損傷後,牠們飲用糖水的頻率會降低,但只要破壞 TRCP5 後,即使牙齒損傷,也不影響小鼠飲用糖水的頻率。

綜合以上的發現,Zimmermann 認為 TRCP5 是小鼠牙齒系統內,偵測寒冷並傳遞疼痛訊號的關鍵蛋白質。

-----廣告,請繼續往下閱讀-----

敏感性牙齒:液體移動 vs. 刺激蛋白?

雖然 TRP 蛋白主要受溫度刺激,但正如前文所說,一些化學物質也能刺激 TRP 蛋白。

Zimmermann 表示,溫度、化學物質、撞擊等都可以活化 TRCP5 蛋白,因此她認為比起牙本質小管內液體移動這個假說,TRCP5 的活化更有可能是引起敏感性牙齒的主因。

當牙本質失去琺瑯質的保護後,各種外界因素就非常容易刺激 TRCP5 並使其活化,進而讓人產生牙齒的痠痛感,不過她也表示,這個想法需要更多實驗才能被證實。

牙痛和敏感性牙齒雖然不是一個熱門的研究主題,但它對我們其實頗重要,俗話說:「牙痛不是病,痛起來要人命!」我們每個人或多或少都經歷過牙痛,也都知道那種難受,而這篇研究揭示了一個可能引起敏感性牙齒的分子機制,因此未來只要能專一的封鎖 TRCP5,也許就有機會有效治療敏感性牙齒了。

另外這篇研究也解釋了一個古老的治牙痛處方——丁香油的作用機制。

人類很早就知道,在牙齒上塗上丁香油,能有效緩解牙痛,目前研究已知,丁香油酚是其中的有效物質,但為何有效至今仍是謎。

丁香油是治療牙痛的古老處方。圖/維基百科

而這篇研究也發現,丁香油酚可以抑制 TRCP5 的活化,或許這就是丁香油緩解牙痛的原因,但正如前文所說,一切都還有待更多的研究來證實。Zimmermann也希望他們的研究,能給其他研究人員提供治療敏感性牙齒與牙痛的新思路。

參考資料

  1. Bernal L, Sotelo-Hitschfeld P, König C, Sinica V, Wyatt A, Winter Z, Hein A, Touska F, Reinhardt S, Tragl A, Kusuda R, Wartenberg P, Sclaroff A, Pfeifer JD, Ectors F, Dahl A, Freichel M, Vlachova V, Brauchi S, Roza C, Boehm U, Clapham DE, Lennerz JK, Zimmermann K. Odontoblast TRPC5 channels signal cold pain in teeth. Sci Adv. 2021 Mar 26;7(13):eabf5567.
  2. 台灣民眾「超敏感」不到3人就有1人敏感齒
  3. 牙齒
  4. Ji wonKim, Joo-CheolPark. Dentin hypersensitivity and emerging concepts for treatments. Journal of Oral Biosciences. Volume 59, Issue 4, November 2017. 
  5. How Teeth Sense the Cold
文章難易度
所有討論 2
羅夏_96
52 篇文章 ・ 855 位粉絲
同樣的墨跡,每個人都看到不同的意象,也都呈現不同心理狀態。人生也是如此,沒有一人會體驗和看到一樣的事物。因此分享我認為有趣、有價值的科學文章也許能給他人新的靈感和體悟

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。