我們日常中無處不在的音樂，除了療癒身心，更可以透過聲音的特性，找出藏在背後的科學小知識！
由客家電視製作的《音樂關鍵字》系列動畫因此誕生，是臺灣首部原創音樂科普動畫劇集。以校園生活為背景，透過生動幽默、溫馨感人的故事劇情，運用 3D 動畫串起聲音與音樂的物理學、心理學、生理學，並量身訂做原創客語歌曲。
讓音樂成為你生活中，最浪漫的科學！
如果在沒有任何提示的狀況下，聽到一個隨機的音符，你能在 0.2 秒內正確指出單音音名嗎？如果可以的話，你就是具有絕對音感的人。
不過，多數人擁有的是相對音感。擁有相對音感的人，即使不能馬上辨別單音，卻可以在聽到一個基準音後，根據基準音回推與其他單音的音高關係。
這是因為，不同於具有絕對音感的人在聽音樂時，顳葉會運作且將音符一一貼上音名標籤；擁有相對音感的人在接收音樂時，大腦是以「工作記憶」的神經迴路在運作，相較來說，更能掌握樂曲的整體型態喲。
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？
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。
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：
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：
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 可分成兩種：
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。
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。」
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
。
討論功能關閉中。
我婆婆最近打電話給我，說她有點害怕自己的記憶出了毛病。隨著年紀增長，她愈來愈常因為難以專注而感到沮喪。她認為這可能代表她哪裡出了問題，所以很緊張。我問她最近發生了什麼事。
她開始描述前一天去購物的經過。她開車去超市途中才發現自己忘了拿購物清單，於是在腦中回想要買的東西。到了超市她停好車，下車，記住車位，然後進超市購物，買完後再把購物車推到車子邊。但是她把東西搬進行李廂時，她發現車身有一道刮痕，不由得生起自己的氣。什麼時候刮到的？她竟然沒發現！
她想著那道刮痕，先去還手推車，然後坐上車，這才發現這輛車是手排車，而她的車是自排車。
她上錯車了。
後來，她在同一排車位過去兩格找到了自己的車（一模一樣的車款和顏色，只是沒有刮痕），困窘地把東西移上車。她說完之後，我們都笑了——她竟然從頭到尾弄錯了車子！
我跟她說，我不認為她的記憶出了問題，或者這跟大腦老化有關。
大腦確實跟其他器官一樣會老化，部分大腦會變薄，密度變低，包括海馬迴和形成清楚記憶所需的其他內側顳葉結構。老化確實會讓記憶出問題。但是在這個事件裡，她的白板只是超載罷了。停車時，她一面在複習忘了帶的購物清單，以為自己記住了車子的位置，其實她的白板塞了太多東西，已經沒有多餘的空間。
很多我們以為跟記憶和老化有關的問題，其實是別的原因造成的。問題不在於你「記憶變差」，而是「你不夠專注，導致記憶編寫失敗」。
這個故事告訴我們一件事：記住車子停哪裡不是你想長期記住的事。
事實上，這正好是你希望自己能夠忘記的一個例子。想像你可以記住每次停車的位置，於是每次從雜貨店出來，都得過濾一遍所有的停車位。記憶力跟專注力一樣，必須具有過濾功能，挑選哪些相關、哪些不相關，哪些該凸顯、哪些該捨棄。
我舉這個例子，只是要說明工作記憶塞得太滿，可能有礙資訊以有效的方式存入長期記憶。
再者，要是工作記憶超載，你需要用到長期記憶裡的內容時，就不一定能提取成功。美國近代史上最致命的一次「誤擊」，就是這個原因。
二○○二年，阿富汗戰爭戰火正熾，一名美國軍人利用全球衛星定位系統（GPS），將重達兩千磅的炸彈導向預定目標：反叛軍的前哨基地。這個系統的運作方式是，先在營地將空襲目標的座標輸入 GPS 手持系統，之後炸彈就會落在確切的位置上。然而，發動空襲之前，他發現 GPS 快沒電了，於是他先換了電池才送出發射座標——結果飛彈落在他自己部隊的位置。
這是怎麼回事？
GPS 系統一旦更換電池，系統重新啟動的預設畫面會顯示自身位置的座標。負責操作該系統的士兵本來就知道這點，也受過多次訓練。換過電池後，你必須重新輸入發射座標。這項資訊儲存在他的長期記憶裡，他複習過很多次。但不知什麼原因，這個資訊沒有在他需要時「載入」他的白板。
他看著錯誤的座標並將它送出，當天很多人因此喪命。問題就出在，這名士兵的長期記憶和工作記憶之間連結失敗。我只能大致猜測，但原因可能簡單到令人心痛：工作記憶若是因為壓力導致的大腦神遊而超載，那麼資訊可能無法在你最需要的時候浮現腦海。
這個例子很極端，但任何人在編寫和提取記憶的過程中，都可能有類似的失敗經驗。編寫和提取記憶的過程包含許多步驟，每一個都需要用到專注力以及工作記憶。
記住一件事有三個關鍵步驟。
第一是複誦（rehearsal），描繪你要記住的內容，例如新同事自我介紹時報上的名字、職業訓練時得知的重要資訊、美好經驗的種種細節。在學校裡，用字卡背單字就是一種複誦。回味開心時刻的點點滴滴（兒女婚禮上的敬酒、蛋糕的味道），也是複誦。即使是不自覺回想起痛苦或尷尬的時刻，（很不幸地）也會變成一種複誦。
第二是精緻化（elaboration）。類似於複誦，這需要將新經驗或新知識跟既有的記憶或知識連起來。若你原本就擁有一定的知識基礎，能夠儲存的記憶會更深刻。
舉例來說，想像一隻章魚。現在我告訴你：章魚有三個心臟。如果你不是本來就知道，你讀到這裡會把這項新知跟腦中既有的章魚形象綁在一起。下次你在水族館或電視節目上看到章魚，你或許會突然想起這件事，對旁人說：「你知道章魚有三個心臟嗎？」
最後是固化（consolidation）。執行了以上兩種功能，記憶就會固化，直到最後被儲存起來。大腦重播資訊時，就是在鋪設新的神經路徑並複習路徑，鞏固新的連結。
基本上，資訊是這樣從工作記憶變成了長期記憶：大腦的結構產生改變，鞏固特定的神經表現（neural representation），而這需要非強制的自發性想法才能辦到。所以我們認為讓大腦休息和睡眠都很重要，因為那都是記憶固化的機會。
這也是我們的大腦會神遊的部分原因。大腦之所以四處遊蕩，跟大腦重播經驗時引起的神經活動有關。重播愈多次，雜訊就會消失，留下清晰的訊號，形成大腦的記憶痕跡。
假如你的專注力時常被占據，大腦完全沒有空閒讓自發性想法浮現，你可能正在破壞工作記憶和長期記憶之間的連結。重要的固化過程也無法正常運作。
——本文摘自《顛峰心智：每天練習 12 分鐘，毫不費力，攀上專注力高峰》，2022 年 10 月，大塊文化出版，未經同意請勿轉載。
你有過邊聽音樂邊跑步的經驗嗎？讓我們先來看一段動畫，再開始今天的主題！動畫裡的主角阿辰有個熱愛跑步的阿公，他想要挑戰路跑，於是向阿辰下戰帖，想看誰可以先跑完四圈操場。沒想到，原本落後的阿辰，戴上耳機後，竟然逆轉局勢，贏得了比賽。這究竟是什麼魔法？為什麼音樂能讓阿辰瞬間變成飛毛腿呢？
2014 年，美國音樂潮牌 Sol Republic 調查 1,000 位民眾使用耳機的習慣，有 62% 的民眾表示「一整天沒有聽音樂，比一整天沒有社交活動」更糟，另外也有 40% 的民眾表示，如果沒有搭配音樂，他們想要運動、鍛鍊身體的欲望就會大幅降低。
在臺灣，如果你曾經踏進健身房或運動中心，想必聽過從喇叭傳出來的快節奏音樂，或是看過不少人戴著耳機跑步、舉重、騎飛輪。如果你在學校或熱鬧的商圈看過街舞表演，通常也都是選用節奏明快的流行歌。可是，為什麼音樂和運動有關呢？一邊運動，一邊聽音樂，真的對我們有幫助嗎？如果有，背後的科學原理又是什麼？
想知道為什麼音樂和運動有關，就得先瞭解聲音如何穿越耳朵、抵達大腦。
從生理構造來看，我們的耳朵可分為三部分：外耳、中耳和內耳。外耳負責將接收到的聲波傳入中耳。中耳有「耳膜」和「聽小骨」，能夠增強聲波，將聲波轉換成內耳能夠解讀的訊號。內耳有「耳蝸」和「前庭系統」，分別掌管聽覺和平衡感。這兩個結構會在末端合體，成為「前庭耳蝸神經」，也就是 12 對腦神經中的第 8 對，可以將聲音訊號直接送進大腦。
說到平衡感，那就和運動有關了！前庭系統的功能就是穩定身體，讓我們走路時不易跌倒、運動時能保持平衡，眼睛追蹤移動物體時，也不至於暈頭轉向。這些都要歸功於前庭系統裡頭的「半規管」和「耳石」，前者感知旋轉，後者感知重力與加速度。
如果我們一邊跑步一邊聽音樂，讓節奏規律的低頻重拍經由前庭系統刺激大腦，就能讓大腦誤以為是雙腳落地的低頻聲響。如此一來，大腦就會透過前庭系統發送訊號給肌肉，幫助腳步保持規律。換句話說，如果音樂節奏與步伐速度相近，跑起來就能更輕鬆；反之，如果換成節奏較慢的音樂，前庭系統就會讓我們不自覺放慢腳步，導致運動效果不佳。
早在 1911 年，美國統計學家艾爾斯（Leonard Ayres）就發現，如果賽道旁有樂隊演奏，自行車選手踩踏板的速度也會隨之加快。[1] 2012 年，英國雪菲爾哈倫大學（Sheffield Hallam University）的研究進一步證明，相較於踩踏速度沒有和音樂節拍同步的選手來說，同步選手的耗氧量減少 7%，意思就是比較不容易疲累或缺氧。由此可見，音樂就像身體的節拍器，可以穩住運動節奏，減少體力耗損。[2]
2017 年，印度幾所大學的醫學院教授共同研究音樂對青少年運動表現的影響。這些教授找來 50 位年齡介於 19 到 25 歲的學生，讓他們連續 10 個早晨在跑步機上運動，速度不限，累了就可以停下來。研究數據顯示，在沒有播放任何音樂時，男性的平均運動時間約為 26 分鐘，女性則是 18 分鐘；相較之下，當他們聆聽各自喜歡的音樂時，男性的平均運動時間可以達到 42 分鐘，女性則是 31 分鐘，前後有非常明顯的落差。[3]
2020 年，美國桑福德大學（Samford University）的研究也顯示，只要在暖身時，聆聽喜歡的音樂，就可以提高臥推槓鈴的表現。雖然臥推速度幾乎沒有差異，如圖（a），可是臥推次數明顯增加。根據圖（b）的數據，如果聆聽不喜歡的音樂（NON-PREF），平均只能推 11.1 下，經過兩分鐘休息後，只能再推 8.0 下；但如果聆聽喜歡的音樂（PREF），平均可以推 13.5 下，經過兩分鐘休息後，也可以再推 9.4 下，可見聽音樂運動的效果確實非常顯著。[4]
Reybrouck M, Podlipniak P, Welch D. (2019). Music and Noise: Same or Different? What Our Body Tells Us. Front. Psychol, 10: 1153.
前庭系統中對聲音最敏感的是球狀囊，它可能在聲音誘發肌肉收縮反應時扮演某種角色。事實上，夜店舞曲的重低頻鼓聲，其頻率分佈就很接近球狀囊最敏感的頻率，因此當人們藉由讓點頭動作跟鼓聲同步，應該可以造成愉悅感。
Manca A, Cugusi L, Pomidori L, et al. (2020). Listening to music while running alters ground reaction forces: a study of acute exposure to varying speed and loudness levels in young women and men. Eur J Appl Physiol. 120(6):1391-1401.
男性跑步時聽大聲的音樂會刻意去增加地面傳到腳底的反作用力，可見跑者的邁步方式會受到重低音的音樂所影響，讓腳底觸覺及頭部垂直加速度與重低音整合更佳。
Damm L, Varoqui D, De Cock VC, Dalla Bella S, Bardy B. (2020). Why do we move to the beat? A multi-scale approach, from physical principles to brain dynamics. Neurosci Biobehav Rev. 112:553‐584.
跟著音樂跑，會讓邁步動作變得自動化，步頻也會更穩定（不會忽快忽慢）
狐禪
cgtsai1971
