被揮之不去的負面想法困住了嗎？把它們「丟掉」就沒事了！

• 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。

• 作者 / 梅林．謝德瑞克
• 譯者 / 周沛郁

研究關係的學問可能令人困惑，幾乎一概含糊不明。是切葉蟻馴養了牠們所依賴的真菌，還是真菌馴養了切葉蟻？是植物栽培了共同生活的菌根菌，還是菌根菌栽培了植物？箭頭究竟指向哪一方？這種不確定性其實很合理。

我有位教授叫奧利佛．拉克姆（Oliver Rackham），是生態學家兼歷史學家，研究數千年來生態系如何受到人類文化塑造、如何塑造人類文化。他帶我們到附近的森林，解讀老櫟樹分枝的扭曲與裂縫、觀察蕁麻在哪裡特別茂密、注意樹籬裡有哪些植物、沒有哪些植物，由此告訴我們這些地方和人類居民的歷史。在拉克姆的影響下，我想像中區分「自然」與「文化」的明確界線開始模糊了。

之後，在巴拿馬做田野調查時，我見識了許多田野生物學家和他們研究對象之間的複雜關係。我跟蝙蝠學者開玩笑說，他們整夜醒著、白天睡覺，是在學蝙蝠的習性。他們問我，真菌怎麼把自己銘印在我身上。我至今還不知道。但我仍然納悶，我們這麼依賴真菌（真菌是我們的再生者、回收者、鏈接者，把這世界拼湊在一起），受真菌擺布的頻繁程度如何超出我們的想像。

即使有，也很容易忘記。我常常出神，把土壤看作抽象的地方，是概略化互動的模糊場域。我和同事會說這類的話：「某某某報告了一個乾季到下一個溼季之間，土壤碳大約增加了百分之二十五。」這也是情有可原吧？我們無從體驗土壤裡的荒野，以及其中生氣勃勃的無數生物。

我利用僅有的工具嘗試過了。我的數千個樣本通過昂貴的儀器，攪拌、用放射線照射、轟炸，把試管的內容物變成一串串數字。我花了整整好幾個月盯著一具顯微鏡，沉浸在充滿蜿蜒菌絲的根景；這些菌絲被凍結在它們和植物細胞交流的曖昧行為中。但我能看到的真菌仍然沒有生命，經過防腐處理，染上不真實的顏色。我覺得自己像笨手笨腳的偵探。在我蹲了幾星期，把泥巴刮進小試管的當兒，巨嘴鳥呱呱叫，吼猴咆哮，藤本植物糾纏，食蟻獸舔來舔去。微生物（尤其是埋在土裡的）不像活潑又迷人的地表大型世界那麼容易接近。要讓我的發現變得生動，讓這些發現加強、貢獻整體的了解，其實需要想像力。沒別的辦法。

在科學界，想像力通常稱作臆測，令人半信半疑；出版時，通常會強制附加健康警語。詳細記錄研究的一個要點，是徹底去除奔放的想像、過場劇情，以及上千遍促成一丁點發現的失敗嘗試。不是所有閱讀研究報告的人，都想辛苦嚼完這些小題大作的內容。何況科學家必須顯得可靠。溜到後臺，可能發現大家不大那麼像樣。即使在後臺，我和同事分享最深夜的沉思時，也很少深談我們如何想像（偶然或刻意的想像）我們研究的生物，不論是魚、鳳梨科植物、藤本植物、真菌或是細菌。承認我們一團混亂的想像、隱喻和沒根據的臆測，可能幫忙塑造了我們的研究，其實有點難為情。儘管如此，想像仍然是日常探究的一部分。科學並不是無情理性的活動。科學是（而且一向是）有情感、有創意、直覺式的，關乎全人類，而且對一個世界提出問題，這世界從來不是存在來給人編目、系統化的。每次我問這些真菌在做什麼，設計研究來試圖了解真菌的行為時，我不可避免要想像真菌。

LSD，迫使我凝視科學想像的更深處

有個實驗迫使我凝視科學想像的更深處。我報名參與一個臨床研究，調查 LSD 對科學家、工程師、數學家解決問題的能力有什麼影響。迷幻藥的潛能尚未開發，科學和醫學對這些潛能的興趣正在廣泛地復甦，而這研究正是其中之一。研究者想知道 LSD 能不能讓科學家進入專業的無意識中，幫助他們從不同的角度處理熟悉的問題。我們的想像力通常受到忽略，但應當成為臺上的主角、受到觀察的現象，甚至可能需要測量。全國各地科學系所的海報招募了一群兼容並蓄的年輕研究者（「你有個有意義的問題需要解決嗎？」）。這是很大膽的研究。有創意的突破不論在哪都很難促成，更不用說在醫院的臨床藥物實驗部門了。

進行實驗的研究者在牆上掛上迷幻的掛畫，設置音響系統播放音樂，讓房間亮著「月光」色的光。他們試圖去除場景的診所特質，卻讓那裡顯得更人工──承認了他們（科學家）可能對他們的主題內容造成的影響。這樣的布置凸顯了許多研究者天天要面對合理的不安全感。要是所有生物學實驗的受試者都能得到適合的情境光線和放鬆音樂，他們的行為會有多大的不同。

護士確保我早上九點準時喝下 LSD。他們仔細看著我，直到我吞下所有液體；液體兑入了一小酒杯的水。我躺在醫院房間的床上，護士從我前臂的留置針抽了一管血液樣本。三小時後，我達到「巡航高度」時，我的實驗助理溫和地鼓勵我開始思考「和工作有關的問題」。開始前，有一系列的心理測量測驗和人格評估，要求我們盡可能詳盡地描述我們的問題──我們探索過程中可能辛苦拆解的打結難題。把那些結浸在 LSD 裡，或許能讓結鬆脫。我所有的研究問題都和真菌有關，想到 LSD 最初是從糧食作物中的真菌裡萃取出來，我就覺得欣慰；那是我真菌問題的一個真菌答案。會發生什麼事呢？

——本文摘自《真菌微宇宙：看生態煉金師如何驅動世界、推展生命，連結地球萬物》，2021 年 8 月，果力文化。