【2021 年搞笑諾貝爾：生物獎】鏟屎官們聽令！貓咪如何透過 20 種叫聲支配人類？

• 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。

為什麼貓這麼喜歡貓薄荷呢？

原來是貓薄荷裡的荊芥內脂導致貓咪吸了貓心大悅，不住翻滾、流口水、打呼嚕。

但是，貓薄荷不是對所有貓都有用。不到六個月的小貓似乎不會有反應，而且有的貓喜歡，有的貓不喜歡……咦，這還和遺傳有關係嗎？

想要同時驅蚊，又讓貓貓情不自禁饞你身子嗎？那你一定要試試貓薄荷！

荊芥內脂不只會讓貓咪快樂似神仙，也會活化蚊子體內的受體蛋白，接觸到的蚊子會產生搔癢和刺痛感。哈哈小蚊子，你也來嘗嘗癢癢痛痛的痛苦！

給你的貓貓來點刺激的快樂草吧！

延伸閱讀

人與動物之間的溝通一直是科學界和哲學界十分引人關注的一個議題。傳統觀點認為，人類和其他動物之間的溝通受到生物學和語言能力的限制，因此很難實現真正的互相理解。然而，近年來，科學家們對這個問題的看法已經開始轉變，並且有一些跡象表明跨物種溝通有望成為現實。

為什麼科學家認為跨物種溝通即將成真？從海豚到水豚、從蜘蛛到山豬，人工智慧能成為所有生物的萬能「翻譯蒟蒻」嗎？當人類真的破解了另一物種的溝通方式，未來會發生什麼事呢？

為什麼動物溝通，備「獸」關注？

從古代神話、經典傳說，到熱門動漫影視，都有不少能說人話、化為人形的動物，像是美猴王孫悟空、馴鹿喬巴、還有火箭浣熊，這些擬人化的角色雖然外表參雜獸的特質，卻往往更有人性，故事也著重呈現人與獸人如何從誤解到包容，讓我們為之動容。

在當代台灣的漫畫作品中，許多優秀的新一代漫畫家探討了擬人化動物和人類之間的隔閡、衝突以及理解，呈現了多元化的故事情節。其中，有一些引人入勝的作品，例如《瀕臨絕種團》，故事描述了被路殺後轉生成人類的石虎、黑熊和水獺，當上 YouTuber 還成為高中女生的故事。這個作品提供了獨特的視角，探討了不同物種之間的互動和冒險。

另一部作品是《海巫事務所》，它將魔法元素融入生物學，講述了一個迷茫的廢業青年與擬人化海洋動物相遇並相互療癒的故事。還有一個短篇漫畫《IVE》，通過科幻的方式，描述了某種深海雌鮟鱇的繁殖和誘導機制，卻將目標對象設定為人類男性的謎般生物，及她和科學家之間的異色關係。

這些作品在畫風和故事情節方面都各有特色，無論你是一位一般漫畫愛好者還是偏愛條漫，你都可以在 CCC 追漫台找到它們，享受不同的視覺和情感體驗。

而這幾部作品的共通核心問題就是：如果動物能用人類的語言跟我們溝通，會怎樣？即使牠們能跟我們說話了，我們就能理解彼此嗎？要取得那唯一的真相，除了請出《不可知論偵探》海麟子（也是 CCC 追漫台 上的熱門作品），科學家還有一個辦法：就讓動物自己說話吧！今年 7 月 Science 期刊上發表了一篇觀點文章，標題為《用機器學習解碼動物溝通》表示新方法有望帶來全新的洞見，也有助於保育。不過在打電話給露洽露洽之前，我們得先了解什麼是動物溝通？

什麼是動物溝通？

首先要有一個清楚的認知，那就是人類跟所有其他的動物，都各自受限於自己的感官，活在不同的「環境界」(Umwelt)，這個德文的意思是說每一種生物都活在獨有的感官泡泡裡，所見、所聞、所聽、所嚐、所觸都跟其他生物截然不同。你想想，連人與人之間都會因為家庭背景、生活環境、媒體教育而對同一件事物有天差地遠的詮釋了，對跨物種來說，不同的感官體驗讓彼此如同身處完全不同的世界。

例如，海龜和許多鳥類能感知地球的磁場，藉此進行長距離遷徙；而響尾蛇具有紅外線感覺器官，能夠在黑暗中感知幾公尺外的獵物體溫。蝙蝠則使用回音定位來捕捉飛蛾等獵物，每秒發射兩百次超音波脈衝，並根據百萬分之一秒的時間差距來精準定位目標。斑海豹則依賴其特殊的鬍鬚來察覺魚游過的流體動力，猶如水中留下的軌跡。角蟬使用震動通信，能夠透過植物表面傳遞信息給其他角蟬，即使對人類來說是聽不見的。至於我們的忠實夥伴狗，它們的世界主要由氣味構成，能夠分辨地下埋藏的松露、潛藏的地雷、古蹟、毒品甚至主人身體內的腫瘤等各種氣味。

那麼，海龜要如何跟我們這些沒有磁場感應的人類解釋牠們的感覺呢？蜂鳥又要怎樣才能描述它看到的一億種顏色呢？這真的是雞同鴨講，甚至比牛頭更不對馬嘴！

但有越來越多科學家認為，隨著人工智慧（AI）的快速進步，破譯動物的溝通方式不再是不可能的事情。AI 能幫上什麼忙呢？首先，機器不具備人類的偏見，因此能幫助研究者更理解動物溝通系統的結構和功能，同時辨識我們和動物之間的差異。

其次，機器學習技術能夠辨識那些對於人類難以想像或無法感知的動物感官訊號，這些包括聲音、振動、光線、化學物質等。機器可以幫助分析這些訊號，並幫助我們理解動物想要傳遞的訊息。

最後，AI 還可以基於動物訊號，開發出預測動物行為的模型。例如預測動物的交配行為或遷徙模式，或何時可能需要尋找庇護避免捕食者。

此刻的我們對於深度學習能完美辨識圖像語音，以及 GPT-4 或 PaLM 2 等大型語言模型能生成語言，甚至跟我們交談，完全不覺得奇怪，但可能僅僅 10 年前，這都還像是天方夜譚。那麼將這份能力運用在動物身上，也將變得理所當然……嗎？

現在科學家已經做到什麼程度？破解了哪些動物語言呢？

科學家正在使用人工智慧來解讀各種物種的動物溝通方式。

例如烏鴉：英國聖安德魯斯大學的科學家 Christian Rutz 長期研究南太平洋的新喀里多尼亞烏鴉( New Caledonian Crow )，牠們是少數能夠製造工具的鳥類，會把樹枝的葉子拔掉，做成鉤子來釣蟲，不同群體的作法也有差異。他發現島上不同烏鴉群體有不同的叫聲，可能是文化得以傳播的關鍵。身為烏鴉專家的他加入了 ESP 地球物種計畫，研究二十年前已經野外滅絕，現在只剩圈養個體的夏威夷烏鴉，他們用機器學習來比較圈養跟野生烏鴉的錄音，了解圈養是否改變了烏鴉的詞彙，例如注意威脅、求偶等重要的叫聲，是否已經在圈養環境中失去了，如果我們破譯這些叫聲，可能可以幫助這些烏鴉重新野化。

哺乳類的另一個成員鯨魚更是重點研究對象，2020年成立的 CETI，由 40 多名科學家、跨15 個機構組成，是最受關注的鯨語破譯團隊。他們除了駕船出海用水下麥克風偷聽鯨魚對話，也使用無人機從上方監看，更計畫在加勒比海海底安裝三個監聽站，從遠處捕捉離海岸 12 英里處抹香鯨聊天的喀噠咔嗒聲。以前啊，抹香鯨的聲音被比擬為單純的二進位代碼，但其實更為複雜，而機器學習可以重新辨識這些聲音。圖靈獎得主，加州大學柏克萊分校西蒙斯計算理論研究所所長莎菲·戈德瓦塞爾( Shafi Goldwasser )受訪時就說， CETI 的目標就是要像 ChatGPT 一樣，能預測鯨魚會說什麼，甚至反過來和鯨魚對話。

這些只是 AI 解讀的眾多物種中的一部分，其他還有不少鳥類、靈長類、海豚、蜘蛛、螞蟻、蜂類，或與人親近的貓、狗、豬等，也都是目前被科學家認為有機會破譯其「語言」的生物。

如果我們成功解讀出了動物的語言，我們又該從什麼角度與動物溝通？我們所「理解的語言」真的一樣嗎？

就算解讀動物溝通，能避免擬人化的陷阱嗎？

儘管機器學習在許多情況下表現出令人印象深刻的準確性，但動物的聲音、姿態和其他訊號往往具有多義性，也就是同一個訊號可能有多個意思，很難正確解釋它們的含義。此外，機器學習再強，目前也存在限制，特別是我們尚未完全理解的感知機制，如電感、磁感和費洛蒙等。

在漫畫《瀕臨絕種團》跟《海巫事務所》中，動物跟人類除了偶爾吵架之外，基本上相處得極為融洽，這也是我們人類想像中希望的情境，就是能與動物友善地、無惡意地溝通。而在《 IVE 》這部異色科幻作品中，則提出更現實的問題。汪幼海博士認為 IVE 為了與人接觸，如鮟鱇魚一般的餌球竟然為了吸引人類而變成人形，甚至可以與人溝通。雖然令人驚喜，但這也意味 IVE 的目的就是要讓人類成為其血肉的一份子，獲取其基因，因此也使用類似費洛蒙的物質吸引人類男性。對鮟鱇魚或 IVE 來說，這是很自然、毫無惡意的，但對人類來說，就是一種恐懼的殺戮。大自然中本來就有許多「愛」是以殺為結局，包括蜘蛛、螳螂等。人類又要如何在對事物理解前提完全不同的情況下，與動物更深度溝通呢？

在科學研究上，我們情不自禁地把動物擬人化更是個麻煩且不容易解決的問題，要是過於擬人化地認為動物跟人類共享一樣的情感，可能導致研究者在實驗設計和解釋結果時受到情感干擾，使研究不客觀。此外，擬人化也會使研究者更容易面臨到底是該保護動物權益，還是進行實驗研究之間的衝突，陷入倫理的困境。

但若反過來，要是有科學家認為動物跟人類完全不同，因此缺乏同情心，不尊重動物權益，倫理問題只會更嚴重。現在大家對動物福祉很關注，尤其是在涉及動物實驗和野生動物保護的時候，研究人員對動物無感情的態度反而可能導致研究受到質疑。更重要的是，這會讓科學家缺乏共鳴和洞察力，忘記我們也是動物。因此啊，如何拿捏分寸，在過分擬人跟缺乏同情的兩端之間找到適當的位置，也是動物溝通研究者的重要問題。

人類會將破譯動物溝通的能力拿來善用嗎？怎樣算是善用呢？

在石虎、黑熊跟水獺轉生變高中女生、IVE 開始對人類有興趣之前，機器學習的確可幫助我們監控和保護瀕臨絕種的野生物種，透過解讀其溝通方式，更了解牠們的需求和行為，制定更有效的保育策略。也能夠幫助我們理解圈養動物的情感和需求，從而改進在人類照顧下的生活品質。

然而，當播放動物聲音以吸引它們或干擾它們時，會不會對它們的行為產生不可預測的影響？甚至不可逆地改變群體的文化，從而威脅它們的生存和生態系統的平衡？假訊息在人類世界已經夠麻煩的了，想像一下，若連動物世界也都被假訊息入侵時，會發生什麼事呢？

CCC 追漫台是一個臺灣原創漫畫平台

致力於推廣臺灣漫畫，並將臺灣漫畫融入日常生活。這個平台由本土新銳圖文創作者們打造，並結合國家典藏資料素材，以探索臺灣的豐富歷史、民俗、社會和生態等多元議題。

CCC 追漫台的使命是透過原創漫畫作品，傳達臺灣在地精神，讓讀者深入了解這個多元文化的島嶼。通過精心創作的漫畫，平台不僅提供了具娛樂性的閱讀體驗，還擴展了讀者對臺灣文化和歷史的認識。

文章中提及之漫畫皆可在追漫台上閱讀唷。