一票也是關鍵！從權力指數看投票的影響力——《生而為人的13堂數學課》

• 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。

嘿，他們正在操控你的選票！

選舉不只是投票，更是一場宣傳技術大展。策略專家運用心理學，了解選民的需求和期望。造勢、辯論、掃街、情勒，萬式齊發。但這些招數真的有效嗎？一場造勢的成本，動輒百萬、千萬，如果只有死忠的會參加，不是把錢灑進水溝嗎？某些經典甚至老套的選舉策略，為何顛撲不破？請務必看到最後，因為看破所有招數背後原理的你，將左右這一場選舉！

造勢概念是怎麼來的？真的有效嗎？

造勢真的有助於選情嗎？

當然有，第一，造勢能鞏固鐵粉，拉進新支持者。造勢活動為粉絲們提供了一個聚集的場所，甚至，有些搖擺不定的選民可能也受到造勢現場的激情感染而入陣。

第二，造勢能影響媒體報導。當候選人舉辦造勢活動時，媒體通常會進行報導，甚至透過塑造「媒體框架」來帶風向，在增加曝光度的同時，塑造候選人的特定形象。關於框架塑造的詳細攻略，歡迎回去我們的這一集複習。

不過，看在旁人眼中，造勢看起來不過是把大家集合在一起，講講話罷了。但代誌絕對不是你所想的那麼簡單，這一切其實都是競選團隊安排好的心理圈套？

難道造勢是一個大型洗腦現場嗎？

當你在造勢場合中望著台上的候選人，他的一言一行彷彿散發出領導人魅力。看著看著，你可能也忘了他的政見是什麼，但不知道為什麼，就覺得他一定是一位好的領導者，能帶領我們走向未來。這稱作月暈效應，指的是人們看見他人的一個正面特質，卻延伸成對整個人全面的好印象，當然相反的負面印象也適用。這就像天空中只有月亮，但月亮周圍的夜空也被照亮，產生一圈光環，因此稱為月暈效應。

每個候選人肯定都有其優點與缺點，至少有些本事才能站上政治舞台。但無法否認的，造勢場合上不論是越大越好的舞台與造勢場所，還是將主角放在壓軸登場的特殊橋段，甚至搭配高亢激昂的音樂，營造出該總統候選人是天選之人的印象，都是要利用月暈效應讓我們越來越暈，提升對眼前候選人的好印象。

要不以偏蓋全有多難？

1977 年，社會心理學家理查德．尼斯貝特做了一個實驗。它將 118 名學生分成兩組，觀看同一個帶有口音的老師的上課錄影。雖然兩組學生看到的是同一個老師，但他們看到的片段，一個是充滿熱情、鼓勵學生回答問題的樣子；另一個是對學生提問顯得冷漠的樣子。

在看完影片後，尼斯貝特請學生評價對這個老師的外表、舉止、口音三者的喜好程度，結果三項的評分結果，冷漠組都低於熱情組。沒想到吧，行為表現也會影響到別人對你的外表評價哦。

這就是月暈效應。最重要的是，當尼斯貝特問到，你認為你對老師的個人喜好，是否影響了你對他其他特質的客觀評估時，不論哪一組的受試者，外表、舉止、口音三個都是以勾選「無影響」居多（圖表中中間最高的都是＂NO EFFECT＂）。顯然，大多數人都很難察覺自己正被片面印象，影響著對人的整體評價。

選舉造勢除了展現候選人的個人魅力，還能利用群眾的力量，拉進更多的支持者。

1848 年美國總統選舉期間，總統候選人扎卡里．泰勒利用樂隊花車來吸引民眾參與他的選舉集會，人們會喊著＂Jump on the bandwagon＂，意思就是跳上遊行中樂隊馬車，吸引更多人一起加入同樂。這句英文後來也衍伸出跟風、趕流行的意思。

泰勒之後成功贏下選舉，成為美國第 12 任總統。雖然這與他在美墨戰爭的經歷有關，但這種透過群眾帶動更多人的「從眾效應」，在此之後也被稱為「樂隊花車效應」。造勢或大型活動不僅能展現自己的支持者的數量，還能吸引那些沒有明確政治立場的選民，讓他們跟隨多數人的意見。

我們真的那麼容易被影響嗎？

1956 年，心理學家所羅門．阿希（Solomon Asch）進行了一個經典的從眾實驗，實驗設計本身很簡單，就只是詢問受試者右邊卡片的三條直線哪條和左邊的直線長度一樣。很明顯地，直線 C 就是正確答案。有趣的是，如果有受試者是和研究者請來的 6 位暗樁一起做實驗，並聽到他們都回答直線 A 才是和左邊的直線長度一樣，結果竟然發現超過百分之 75 的受試者都曾出現跟著錯誤回答的情況，說明人們會被無形的社會壓力影響而做出決定。

今年的搞笑諾貝爾獎，也正是頒給另一個 1969 年的經典從眾實驗。實驗發現，只要路上有一人抬頭，就會有 40% 的人會跟著模仿。當眼前有 5 個人一起抬頭，高達 80% 的人都會一起抬頭。

好的，你知道透過造勢和從眾心理，可以製造更多的支持者了，接下來，要怎麼確保這些支持者會出門投票，把這些人的票都催出來呢？

把票催起來！

拜票會提升投票率嗎？

記得，一定要出門投票！就算你再怎麼支持特定候選人，要是支持者不出門投票，他就永遠選不上。雖然拜票形式五花八門，但最終目的都是希望民眾能真的走出門，把自己手中的一票投給他，也就是動員投票，Get-out-the-vote （GOTV）。但這真的有效嗎？美國政治科學家哈洛德·戈斯內爾作為先驅，在 1927 年就使用統計分析來研究拜票是否能有效增加投票率，還出版了《投票：刺激投票的實驗》這本書。在其中一項實驗，他將提醒小卡寄到民眾的信箱提醒民眾投票，並在選舉後統計了有收到與沒收到提醒小卡的投票率。最後發現，有收到小卡的投票率從 47% 提升到了 57%，顯示拜票還真的能催出更高的投票率。所以呢，我們也會不斷提醒大家訂閱泛科學，想必一定會有好效果的，你說對吧？

勤跑基層、努力掃街有助於選情嗎？

為什麼候選人總是要走進街頭，一個一個地跟人握手呢？大家可能都有這個經驗，在學校時，是不是更容易和坐在旁邊的同學們更容易變成朋友？這種拉近物理距離，也會拉近心理距離的現象稱作「鄰近原則」（Proximity principle），彼此靠近的人們更容易建立人際關係，經常見面的人的關係也往往會更牢固。另外，根據心理學的解釋級別理論，我們對於對象的心理距離，會隨時間距離、空間距離、社會距離和假定距離而改變。距離的遠近，會影響我們是用抽象還是具體的解釋方式，也就是所謂的解釋水平。由於我們物理距離上相當靠近候選人，更可能讓我們覺得政治離我們很近，需要投入實際行動如投票來參與。

掃街時握手握得越多，握得越有感情，得票率可能越高嗎？

這看似簡單的一個肢體接觸，卻能影響著我們的大腦，增強彼此的社會連結，增加有利的互動。透過功能性核磁共振照影（fMRI），發現握手增加的親近友善行為與杏仁核（Amygdala）、顳上溝（Superior temporal sulcus）以及依核 （Nucleus Accumbens）活性上升有關。 此外，也有研究顯示溫和接觸會讓俗稱愛情賀爾蒙的催產素（Oxytocin）分泌上升。 催產素是哺乳動物大腦分泌的一種激素，能增強信任感並與他人產生社會連結。也就是說，握手也是有訣竅的，不是一股腦兒握好握滿就好。這裡我們就不特別介紹，如果想要我們介紹握手攻略，留言告訴我們吧！

呼，講到這邊就懂了吧。雖然你不會馬上變成選舉大師，但至少知道，這些選舉策略為什麼總是萬年不變。原來拉票、催票手段背後都經過許多理論支持跟實證驗證。

當然，心理學理論畢竟是理論，不是問題的所有解答。而且呈現的多是群體現象或趨勢，個體間還是存在差異。做為具有選舉權的公民，要投給誰，能不能客觀看待政見而不受到這些戰術的影響，還是只能問問自己。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

參考資料

• https://www.nber.org/papers/w28043
• https://deepblue.lib.umich.edu/bitstr…
• https://ethz.ch/content/dam/ethz/spec…
• https://direct.mit.edu/jocn/article-a…
• https://www.nature.com/articles/natur…
• https://www.health.harvard.edu/mind-a…
• https://www.frontiersin.org/articles/…

歷史學家長久以來都在爭論，某個人如果留下了不成比例的後代數量，對於人類歷史影響會有多大。星團分析提供了客觀的資訊，讓我們知道在歷史中不同的時間點上，權力極端不平等的重要性。

以 Y 染色體追蹤權力不平等的原因

托馬斯．奇維希德（Toomas Kivisild）與馬克．史東金（Mark Stoneking）各自帶領的研究，都比較了對於 Y 染色體序列和粒線體DNA星團分析的結果，並且得到一個令人驚奇的結果。

兩個人計算一對序列中 DNA 字母的差異數量，由於突變的累積速度是固定的，他們的研究可以估計出不同的兩人組合之間，純父系譜系（Y 染色體）的共同祖先和純母系譜系（粒線體 DNA）的共同祖先各自存在的時代。

在關於粒線體 DNA 的研究中發現，現今族群中幾乎所有的兩人配對，在萬年內純母系譜系相同的機率非常低，世界許多地區是在那個年代之後才出現了農業。如果那段期間中族群都很大，可以預期會出現這樣的結果。

但是在關於 Y 染色體的研究中，發現的模式卻截然不同。在東亞人、歐洲人、中東人和北非人，那些科學家都發現許多「星團」，這些共同的男性祖先生活大約在五千年前。

五千年前在歐亞大陸，正好發生了考古學家安德魯．謝拉特（Andrew Sherratt） 所說的「次級農產品革命」（Secondary Products Revolution）：人類發現到牲畜除了能作為肉品來源之外，還有其他用途，例如拉車、耕地、產生乳汁與織品（例如羊毛）。

莫約也是從青銅時代開始，拜馴化馬匹與發明輪子及具備輪子的交通工具之賜，人類移動的能力增加，同時能夠累積大量財富。同時累積的還有銅和錫等比較稀有的金屬，這些金屬是青銅的材料，可以運到數百或甚至數千公里外。

Y 染色體模式指出，就是在這段時間，人類之間的不平等狀況增加了，遺傳狀況道出了當時一個群體中，權力集中到一小部分人的程度是前所未有的，可能是新的經濟體制促成了這種狀況。

在那個時期中，具有權力的男性對所處族群的影響力非常巨大，遠遠超過之前的時代，讓有自己 DNA 的後代數量超過成吉思汗留下的。

顏那亞民族擴張帶來的不平等社會

結合古代 DNA 和考古學研究，我們正在開始了解到這種不平等可能具備的意義。五千年前，剛好是顏那亞人在黑海與裏海的北方興起的時間。在第二部中討論過他們藉由馬匹和車子，首度能夠使用廣闊草原地帶上的資源。

遺傳資料指出，顏那亞人和他們的後代非常成功，幾乎取代了在其西方的歐洲北部農耕者，以及在其東方的中亞狩獵－採集者。

考古學家金布塔絲認為，顏那亞社會中性別不平等和社會階級分明的現象是前所未有的。顏那亞人留下了巨大的墳丘，中心部位中，男性的骨骸佔了約八成，這些骨骸上通常具有暴力傷害的痕跡，同時有其他可怕的金屬短劍和斧頭陪葬。

金布塔絲認為，顏那亞人抵達歐洲，預示了兩性之間權力關係的轉變。這個時期剛好是金布塔絲所說的「舊歐洲」沒落時期。舊歐洲的社會比較少暴力活動的證據留下，社會中女性處於核心地位，到處都有小型女神雕像留下。

在她重構出的歷史中，「舊歐洲」被以男性為中心的社會所取代。相關證據並不只來自於考古證據，那些可能經由顏那亞人所散播的印歐文化，例如希臘文化、北歐文化和印度文化中，神話都是以男性為中心。

對於文字歷史時代之前人類文化的詳細描述，都需要謹慎看待。不過古代 DNA 資料的確證明了顏那亞人的社會中，權力集中在少數菁英階級的男性。顏那亞人的 Y 染色體類型就只有幾種，代表了少數男性成功散播了自己的基因。

相較之下，顏那亞人的粒線體 DNA 序列就更為多樣。顏那亞人的後代或是他們的近親，把自己的Y染色體散播到歐洲和印度，這種擴張對人口造成了重大的影響。在歐洲與印度，這些 Y 染色類型在青銅時代之前並不存在，但是現在卻是這兩個區域中主要的類型。

現今在歐洲西部和印度的人口中，來自草原的 Y 染色體類型所佔的比例要比草原基因組其他部分所佔的比例高出許多，從這點就可以看出來，顏那亞人的擴張並非全然都是友善的。草原男性血統所佔的比例高，代表了顏那亞人的男性後代在政治上或經濟上比較成功，在與當地男性競爭伴侶的時候占優勢。

我所知最令人驚訝的例子來自於歐洲西南端的伊貝利亞半島，在四千五百年前到四千年前青銅時代一開始的階段，來自於顏那亞的血統抵達了那裡。

布萊德利的實驗室和我的實驗室各自從那個時期的遺骸中取出古代 DNA，發現在草原血統抵達時，伊比利亞族群中有百分之三十受到取代，但是 Y 染色體受到取代的幅度更高：在我們的資料中，在具有顏那亞人血統的男性，有九成帶有來自草原的 Y 染色體類型，這種染色體之前未曾在伊比利亞出現過。顯然草原族群在擴張的時候，階級高低非常分明，而且權力分配極度不平衡。

權力累積代代相傳

對於「星團」的研究主要靠分析Y染色體和粒線體 DNA，那麼分析全基因組會有幫助嗎？

用全基因組資料可以重建出最近一萬年中絕大多數農業群體的祖先族群大小，發現到在這段期間族群增大了，看不出 Y 染色體所指出在青銅時代出現了瓶頸效應。那是只彙整 Y 染色體資料和粒線體 DNA 資料所看不出來的。

其實我們很清楚，用 Y 染色體是看不出來某些遺傳類型是否能夠更成功的傳到後代。理論上，我們可以用天擇來解釋，說有些 Y 染色體類型能夠讓攜帶者具有某些生物優勢，例如生育能力提高。

但事實上全世界在同個時期有數個地方同時都出現了這種遺傳模式，那個時段剛好是社會階級明顯的社會興起時期，用天擇利益來解釋多個地區各自出現了有利於生物繁衍的突變，實在太勉強。

我認為比較有可能的解釋是在這段時期，某一個男性開始累積的權力大到不只能夠和大量女性交配，而且能夠把自己在社會上的優勢傳給下一代，確保自己的男性後代在生育上也那麼成功。

代代相傳之下，使得這些男性的 Y 染色體在族群中的頻率增加，留下的遺傳痕跡充分表示出過往社會的狀況。

在這段時期，個別女性累積權力也有可能比以往更多。但是由於生物特性的限制，即使是集權力於一身的女性也不可能有超多的後代，因此社會不平等在男性血脈中更容易看出來。

——本文摘自《我們源自何方？：古代DNA革命解構人類的起源與未來》，2023 年 ３ 月，馬可孛羅出版，未經同意請勿轉載。

• 作者／ 蘇宇瑞 
• 原文作者／ Francis Su
• 譯者／ 畢馨云

權力指數是能夠量化的

政治體系中的權力影響到我們的日常生活，所以數學家與政治科學家已經發展出量化權力的模型，應該就不令人意外了。夏普力―舒比克權力指數（Shapley-Shubik power index）就是這樣的模型。

假設你有一個100人組成的決策團體，分成A組（50人）、B組（49人）、C組（僅1人）。為了通過某項法案，需要51人贊成，但由三組人馬共同投票。如果仔細想想，C組儘管只有1人，但對結果有可能產生相當大的影響。

美國在2017年就發生過這種情況，在50位參議員聲稱會反對廢除，49位聲稱會贊成廢除之後，參議員約翰．馬侃（John McCain）的一票保住了歐巴馬總統的健保法案。

量化這種影響的方法之一，是想像各組投票人按某種順序走進房間，然後形成一個不斷變大的聯盟；當這個聯盟的大小剛好大到通過一項法案，我們就稱進入房間的這個投票組為關鍵組。一個投票組的夏普力―舒比克指數，就是讓那一組成為關鍵組的排序分數。

關鍵組的影響

在我們的例子中，三組有六種排序：ABC、ACB、BAC、BCA、CAB、CBA（關鍵組以粗體字表示）。舉例來說，A組在四種排序中是關鍵組，包括BAC（因為B組自己沒有51票）與BCA（因為B、C兩組加起來沒有51票）。

B組只有在ABC中是關鍵組，而C組只有在ACB中是關鍵組。因此，A組的夏普力―舒比克指數是4/6，B組是1/6，C組也是1/6。根據這種衡量權力的標準，C組裡的1人執掌的權力跟B組裡的49人合起來的權力一樣大。

如果A組有48人，B組有49人，C組有3人，三個組的權力指數會變成多少？請試一試。在分析2017年發生的事情時，如果你想把蘇珊．柯林斯（Susan Collins）、麗莎．穆考斯基（Lisa Murkowski）、馬侃三位共和黨參議員視為一個聯盟，在進行表決時未配合黨團投票廢除健保法案，這就會是另一種分析方式。

艾倫．泰勒（Alan Taylor）和艾莉森．帕切里（Allison Pacelli）在他們合著的《數學與政治》（Mathematics and Politics）一書中，分析美國總統（在包括眾議院和參議院的聯邦體系中）的權力，發現大約是16%。你也會在書裡看到關於其他國家政治體系及其他權力概念的討論。^a

註釋

a. Alan D. Taylor and Allison M. Pacelli, Mathematics and Politics: Strategy, Voting, Power, and Proof (New York: Springer, 2009). 三組分別有49人、50人與1人的例子，出現在另一本書中：Steven Brams, Game Theory and Politics (New York: Free Press, 1975)，頁158–64。