守護飛航安全，如何避免鳥擊的危害

• 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。

彈跳的鳥類

用雙腳移動時，只有鳥類會使用而人類不會用的動作，那就是彈跳。這種名為彈跳的運動既困難又麻煩，為什麼鳥要這樣子彈跳呢？其實到現在我們還無從得知。

如同前述，彈跳是兩腳幾乎同時一起跳的運動方式。我們常見的鳥，像是麻雀和日菲繡眼這種小鳥就是用彈跳的（圖一），而烏鴉在急的時候也會彈跳。

麻雀是兩腳並用一起跳，但也有兩腳稍微錯開來彈跳的物種。例如巨嘴鴉之類的鳥類身體會微微傾斜，左右腳些微錯開，用「噠噠、噠噠」這樣的節奏來彈跳。這兩種本質上的差異目前還不清楚，不如說彈跳跟跑步的差異也還不清楚，所以步行研究者目前也是束手無策。

歐亞喜鵲這種鳥同時會彈跳也會跑步，但比較兩者的研究顯示，在跑步與彈跳中，腳的運動方式跟肌肉動作幾乎一樣。彈跳跟跑步一樣，是高速移動的方式，活用肌腱像是彈簧的功能來轉換動能跟彈性位能。然後，兩種的差別只有「雙腳交互動作」或是「幾乎一起動作」而已。

※

彈跳和跑步除了腳動的時機以外沒有什麼不同，那為什麼只有一部分的鳥是用彈跳的呢？

這個問題，很遺憾現在的科學還沒有解開，現階段一致贊同的只有：一般認為會彈跳的鳥是相對小型的種類，以及常待樹上的種類。看了許多鳥以後，會發現確實小型的鳥很常彈跳。另外，喜歡待在樹上的鳥則是常用兩腳一起從一根樹枝跳到另一根樹枝上，所以在地上也同樣會用兩腳一起跳躍，這樣說來可能就會覺得可以理解。

但是在樹上彈跳，在地上也還是可以步行不是嗎？不這樣區分移動方式，應該是因為有什麼身體構造或生理學上的理由才對，但這問題至今仍然是謎。

另一方面，小型的鳥喜歡彈跳的理由，如果用「彈跳適合用來高速移動」，可以解釋一部分的疑問。比起小型鳥，大型鳥的步幅更大，一般步行速度也比較快。如果小型鳥想跟大型鳥用同樣速度移動的話，就需要走得很快。像是人類，也很常在路上看到小孩要小跑步拚命跟上大人的走路速度。跟那個狀況相同，小型鳥有使用相對身體尺寸的高速進行移動的必要性。

想像看看會啄食掉落在地面的種子的鴿子和麻雀，如果用同樣密度灑餌，鴿子只要數步就能抵達下一個餌也說不定，但小型的麻雀需要移動相對更遠的距離才能拿到餌（圖二）。這樣一來就需要比較急著移動，這麼解釋或許也很合理。

但是彈跳和跑步如果是同樣的運動，那為什麼不能用跑的呢？「小型鳥比較需要快速移動」這種說明，很遺憾地似乎不能完全解釋為什麼要選擇彈跳。

但這麼簡單的問題，21世紀的科學還無法解釋，真是令人驚訝。

——本文摘自《鴿子為什麼要邊走邊搖頭？》，2023 年 8 月，晨星出版，未經同意請勿轉載。

企鵝搖搖晃晃地走路

說到用兩隻腳走路的鳥類，就不得不提企鵝。企鵝用兩隻腳在冰上搖搖晃晃走路的樣子非常可愛。在水中卻可以自由自在地高速游泳、追捕魚，這兩種樣子帶給人的印象有非常大的不同。

話說，企鵝意外地可以走很長一段距離。牠們會在地上蒐集石頭來作巢，所以當然要可以走到築巢的地點。通常企鵝類的繁殖群會位在距離海岸線幾百公尺的地方，但有時會在距離海岸 3 公里以上的內陸，想像企鵝排成一列搖搖晃晃地走 3 公里，實在是可愛至極。

說是這樣說，但是走 3 公里，我們人類都覺得有點遠了，企鵝真的可以搖搖晃晃走過去嗎？

牠們的走路方式感覺效率很差，好像很累。企鵝走路時腳會使用的力量以及計算其所需能量的研究顯示，企鵝的走路方式一如外表印象，效率很差。大概所有人都會覺得「我想也是」吧，但我們不妨來仔細思考為什麼會效率很差。

鵝生好累！企鵝其實一直蹲著？

在討論企鵝的步行時，首先得要知道的是其獨特的體型。企鵝看起來是用兩隻腳站著，腳感覺極端的短。大概因為身上的毛色彷彿穿著燕尾服一樣，總覺得像是人類的喜劇演員一般。

但是牠嚴格說來並不是「站著」。看企鵝的骨骼圖（圖一）就很清楚。髖關節跟膝關節強烈彎曲的姿勢，以人類來說就是「蹲著」。換言之，企鵝時時刻刻都是蹲著的，連走路時也是蹲著的狀態。試著自己蹲著走路看看，就會像企鵝那樣搖搖晃晃地。牠們搖搖晃晃的姿態，背後的祕密就是體型與姿勢。

而由此延伸，企鵝的步行方式非常沒效率的理由，可能就是身體橫向搖擺和轉動幅度非常大。搖擺跟旋轉的動作，對前進而言怎麼看都是不必要的舉動，但是根據之前的研究，其實企鵝不搖晃反而效率會更差。之前也說過雙足步行的動能跟位能要有效率地轉換，才能有效率地運動，但企鵝似乎是用橫向搖擺的動作來進行這種能量轉換。

短腿優先？

也就是說，企鵝走路效率不佳的理由，跟牠們這種體型跟姿勢有關。

企鵝的腳確實很短，以現在還活著的企鵝種類來說，體型最大的皇帝企鵝的體重將近 20 公斤，和澳洲的平胸鳥類鶆䴈幾乎相同，然而比較這兩種鳥類的腿長的話，鶆䴈的髖關節大概在 80 公分高的位置，而皇帝企鵝大概在 30 公分高左右。明明體重差不多相同，企鵝的腳的長度卻只有鶆䴈的一半以下，步行效率差也是沒辦法的事。

本章已經反覆提過好幾次，腿愈長一般來說會步行速度愈快、效率也愈好，企鵝的短腳和蹲下的姿勢非常不適合走路，這點沒有人能否定。

企鵝的腳會這麼短，恐怕是為了在寒冷地帶保住體溫。雖然也有棲息在熱帶的企鵝，但多數企鵝都棲息在極地，在水中跟地面上不失去體溫就是牠們最重要的課題。四肢末梢要是比較長，就會因為體積的表面積變大，容易失去體溫。所以在寒冷地帶演化的物種，耳朵等突出部位通常都會比較小。

雖然意外地能走很長距離，但企鵝仍然主要屬於在寒冷地區游泳的鳥類，為此演化出的短腿跟蹲著的姿勢，必須讓身體左右搖晃走路來補足才更有效率。

——本文摘自《鴿子為什麼要邊走邊搖頭？》，2023 年 8 月，晨星出版，未經同意請勿轉載。