什麼！樹木也能分陰、陽？這到底是風水還是植物學啊？——《聆聽樹木的聲音》

• 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。

顏色會依照我們觀看的對象吸收和反射的光而有所不同。樹葉因為會吸收所有藍色和紅色系光譜，只反射綠色，因此看起來是綠色的，而讓樹葉顯現綠色的東西，便是負責養育生命的葉綠素。

需要光合作用時也只會紅通通的日本紅楓

當然，也有葉子不是綠色的。樹木一生中雖然會變換顏色，但也有一開始長葉就不是綠色的。關於這類樹木，首先想到的便是日本紅楓（Acer palmatum ‘Shojo-Nomura’）。

日本紅楓連剛冒出葉子時也不泛綠色，和它的名字一模一樣，打一開始就很紅。那麼，日本紅楓紅色的葉子裡沒有葉綠素嗎？如果缺少葉綠素，樹木無法行光合作用；若不行光合作用，將無法製造生存所需的養分，那究竟該如何生存呢？

所有樹葉裡都有葉綠素，但是除了葉綠素，還有類胡蘿蔔素、花青素和單寧等各種成分，我們需要從這裡找出頭緒。類胡蘿蔔素、花青素和單寧等成分分別呈現黃色、紅色和褐色，葉子雖然從一開始就具備多種顏色的成分，但在更需要光合作用的時候，葉綠素會上來表面；待過了秋季，逐漸接近無法行光合作用的冬季，其他顏色的成分才會開始活躍，秋楓便是如此。然而，日本紅楓即使在需要光合作用的時期，葉子也只會紅通通的，非常奇妙。

淺綠色顯露出來的瞬間

日本紅楓是人們培育出來的品種，以做為造景用的觀賞樹木。換言之，日本紅楓並不是在自然狀態下生長的樹木，而是人們為了更長時間觀賞楓樹的紅色葉子所培育的品種，讓它一年四季都能呈現紅色。雖說紅色葉子裡頭同時含有泛綠色的葉綠素，但不管再怎麼看，都看不到綠色。

我再次重申，觀察樹木需要長時間、仔細地觀察。日本紅楓葉子上的紅色氣息轉淡的現象一年大概會發生兩次，分別是開花與果實逐漸成熟時，也就是樹木最需要養分的時刻。這時的日本紅楓葉子會發生非常細微的變化，乍看之下無法得知其差異：仍然泛著紅色，仔細觀察卻能在葉子某些部分感覺到綠色的氣息。

雖然葉子顯現紅色，但葉綠素若不進行光合作用，樹木就無法存活，在開花和結果等需要大量養分的關頭更是如此，這種時候只要仔細確認日本紅楓的葉子，將能感覺到葉綠素行光合作用活動的跡象。葉子上面延展的葉脈或葉柄端的紅色會轉淡，非常顯眼。果實結果和逐漸成熟時也一樣，可以在變淡的紅色之間突然看見綠色。即便葉子是紅色的，葉綠素還是會在它非常迫切需要養分時活躍起來，無怪乎顯現了綠色。

黃金松的樹葉只有黃色嗎？

日本紅楓是人工選育的品種，但自然狀態下也有樹木不是發綠色的芽，好比名為黃金松（Pinus densiflora ‘Aurea’）的樹木。雖然松樹的葉子一年四季都是綠色，黃金松的葉子卻呈金黃色。黃金松是松樹的品種之一，是相當稀有的樹木，它只有下方呈綠色，整體看來葉子是金黃色的。據說從以前開始，只要天氣乾旱，黃金松的金黃色葉子就會變成褐色，梅雨季則變成綠色，對於觀察氣候十分必要，不過這種說法並無科學根據。儘管如此，據說以前農夫們乾脆叫黃金松「天氣木」。

韓國曾經發現幾棵自然狀態下的黃金松，特別是慶尚北道蔚珍郡周仁里的黃金松就被指定為地方紀念物，是一株受到保護的珍貴樹木。這棵黃金松曾是預測氣候的標準，村裡亦相傳若發生戰爭，它的葉子會泛紅。

蔚珍郡周仁里的黃金松和旁邊其他樹木的葉子顏色不同，一眼就能清楚看出來。這棵佇立在斜坡上的樹木已有五十歲左右，由於被指定為文化財，四周圍上了柵欄、被確實地保護著。雖然遠處就見得到它神祕的模樣，但務必近距離觀察。必須仔細觀察葉子，才能得知樹木的祕密，知道樹木如何用金黃色的葉子製造養分、使自己生長。

即便植物圖鑑裡記載「除了葉子的基部，其他都是黃色」，實際上再怎麼觀察，仍然很難說是黃色，非要講的話，比較接近綠色和黃色混合在一起的淡綠色。當然，顏色以針葉來說算特別，但不能說是黃色或金黃色。與其說黃金松的葉子是金黃色的，不如說是以綠色為底，黃色顯現得稍微強一點。

無法丟掉綠色的原因

我們談日本紅楓和黃金松，但擁有紅葉或黃葉的樹木不只這些，尤其是觀賞用的培育品種中，還有不少葉子的顏色相當五彩繽紛。然而，不管是哪種樹木，都無法完全丟掉綠色，因為綠色是葉綠素的顏色，而葉綠素是樹木的生命之窗。

——本文摘自《樹葉物語》，2023 年 5 月，時報出版，未經同意請勿轉載。

編按：此為個人實驗結果，對內容有疑問者可向作者詢問。

自從退休之後，6 年來已習慣晚上到附近公園運動，某日，讀國小四年級的金孫跟我說：「阿公，植物白天光合作用會吸收二氧化碳，晚上會吐出二氧化碳，空氣不好，不要晚上去公園運動啦！」；確實，上網搜尋，有不少類似「夜間公園空氣不好」、「臥室不要擺盆栽」等擴大解讀植物光合作用的文章。

夜間（19 時～22 時）在公園運動的人不少，有慢跑的年輕人、有散步的銀髮族、有跳舞或練功的社團群眾，也有帶小孩玩溜滑梯、盪鞦韆等遊戲的家庭成員，那麼多人在夜間的公園活動；因此，「夜間公園空氣不好（太多二氧化碳），有害健康」的說法，似乎不符合常識邏輯，否則應有大半之慢跑、快走的人，將會休克，叫救護車送醫了。

其次，如果「臥室擺盆栽，有害健康」係金ㄟ，那麼，山上居民豈不會多病或短壽？似乎也不符合常識邏輯；敝宅客廳擺了 6 棵盆栽，N 年來夜間看電視 4 小時，健康損多少？

光合作用的 CO₂ 及 O₂ 值可以量測嗎？

網路上可找到許多探討「森林（樹木）的碳吸存」之類的文章，諸如：不同植物（喬木、灌木、草本…）的固碳量、每年每棵樹約可吸收 12kg 的 CO₂、一棵成熟樹約可提供一戶 4 口家庭的氧氣需量、植物大約吸收人類排碳量的 29% 等；林務局的網站說：「根據光合作用【森林碳儲存】反應式，林木生物量每增加 1 公噸，可吸收 1.6 公噸的二氧化碳，同時釋放 1.2 公噸的氧氣…」，這些公認的超現實數據，可否簡單地以一棵盆栽樹，來證實光合作用吸多少二氧化碳？釋放出多少氧氣？

在探討室內空氣品質（Indoor Air Quality）時，有一定的安全參考值，例如：連續 8 小時之二氧化碳 ≦1,000 ppm、一氧化碳 ≦9 ppm、甲醛 ≦0.08 ppm、氧 ≧18%，醫院及百貨商場等公共場所，多設有室內空氣品質監測儀器；顯然，有儀器可以量測二氧化碳、一氧化碳及氧等氣體的具體數值。

為了跟金孫簡單地解釋光合作用的「吸碳排氧」理論，特別花 2 萬多元買了一組可量測空氣中之二氧化碳、氧氣及溫濕度的空氣品質分析儀（Lutron/AQ-9918SD，精確度：CO₂±40ppm、O₂±0.2%、溫度±0.8℃），分別於正午及半夜，到公園、植物園區及大停車場等場所，量測白天及夜間之 CO₂（ppm)）和 O₂（%） 的變化，並且順便於自己臥室，量測在有、無盆栽狀態下，1 人睡覺時之 CO₂ 和 O₂ 的變化，結果卻逆轉「夜間公園運動、臥室擺盆栽，有害健康」的常識。

國小的光合作用反應式： 二氧化碳＋水     葡萄糖＋氧＋水

「夜間公園運動、臥室擺盆栽，有害健康」的理論，顯然與植物的光合作用有關，姑且由我們所認知的空氣成份常識談起，在維基百科中可找到如表 1 的空氣成份，例如，標準空氣之 O₂ 含量為 20.942% 及 CO₂ 含量為 330ppm（0.033%）等。

呼吸時，吐出最多的氣體是二氧化碳？

首先，以新購之空氣品質分析儀，進行人體呼吸實驗；以鼻吸口吐方式（圖 1），將吸氣吐入密封塑膠袋中，測試紀錄如下表，約經過 3 分鐘後（NO.7），CO₂ 由正常值之 373ppm 劇升為 15,606ppm 以上，而 O₂ 由正常值之 21.5% 降為 17.3% 以下（空氣氧含量安全值：≧18%），同時，吐出氣體含水汽，使露點溫度（℃dp）由 18.4℃ 劇升為 22.2℃ 以上（塑膠袋內產生水汽）；此證實人體呼吸確實是吸入 O₂ 而吐出 CO₂ 及水汽，將儀器探棒取出後（NO.14），CO₂ 及 O₂ 含量則逐漸恢復正常（如表 2 所示）。

由表 2 的數據，如果你以為人體呼吸吐出的氣體中，大多是 CO₂ 和水汽，那就錯了。依維基百科的資訊，因為鼻子吸入的空氣中，氮佔 78%、氧佔 21%、CO₂ 佔 0.033%、水汽佔 1.3%，所以，人體吐出的氣體中，體積比最多的依舊是氮氣，約佔 78%（不被需要，又被吐出來）、氧約佔 13%～16%（減少）、CO₂ 約佔 4%～5.3%（增加）、水汽約佔 5%（增加），以及原被吸入的痕量氣體，又被原封不動的吐出來。

盆栽光合作用的量測值，違反吸碳排氧理論

其次，找一棵種了約 6 年多的鳶尾花戶外盆栽（圖2）做實驗；以透明塑膠袋罩住（圖3），進行光合作用實驗，5 秒記錄 1 筆，持續 25 分鐘，為節省篇幅，僅摘錄每 1 分鐘 1 筆。

如表 3 所示，可看出前 4 分鐘（NO.1～5）之 CO₂ 值有明顯下降（吸碳），符合光合作用的吸碳理論，但是，O₂ 值也由 21.4% 降至 20.2% （吸氧而非排氧）；然而，自第 5 分鐘（NO.6）開始，CO₂ 值又逐漸回升至第 25 分鐘（NO.26）的 632ppm（排碳），而 O₂ 值仍續降至最後的 18.2%（吸氧），亦即自第 5 分開始（NO.6），完全顛覆了植物光合作用的「吸碳排氧」理論。

此時，塑膠袋內佈滿霧狀水汽（露點溫度由 20.0℃ 劇升至 35.4℃，即為數據明證），溫度也由起始的 27℃ 升至 56.8℃（如同密閉汽車日曬而溫升至 60℃ 以上一樣）。

因為「光合作用的吸碳排氧理論」是眾所皆知的知識，筆者不死心，分別於白天（正午）及夜間（深夜），量測灌木欉、喬木園區、大停車場、大稻田及臥室的 CO₂ 與 O₂ 值，方法或許不夠嚴謹，但是，若依表 4 的量測值總表，確實無法證明植物光合作用的「吸碳排氧」理論。

表4說明：

1. NO.1、2、3 是開放空間的量測結果；夜間的 CO₂ 值均低於白天，且夜間的 O₂ 值均高於白天，因此，「夜間不宜在公園運動」的常識可能有誤。
2. NO.4 及 5（與植物無關）的量測值，其夜間、白天的 CO₂ 值及 O₂ 值互有高低，量測值仍在儀器誤差範圍內；然而，可確定「CO₂ 值及 O₂ 值，除了海平面高度與地點因素之外，亦會隨著溫、濕度之變化而改變」。
3. NO.6 之臥室在有、無盆栽時（圖 4）的量測結果，由 6b 之比值可知，無論有、無盆栽，CO₂ 值幾乎無變化（無盆栽 66.73%，有盆栽 66.70%），對此結果感到非常詫異。
4. 重做一次如 NO.7、7a、7b，結果依舊近似，無盆栽為 73.52% 與有盆栽為 71.78%，而 O₂ 量亦維持減少 0.47%；顯然，「臥室擺盆栽，有害健康」的常識，亦可能有誤。
5. NO.7b 的 CO₂ 均值，白天（+73.52%）比夜間（+71.78%）高 1.74%，可能出自儀器誤差，或 NO.8 之 CO₂ 值下降 9.27% 之故。
6. 為了解 NO.6b 及 7b 的結果是否正確，做一次「臥室無人睡、僅擺盆栽」的量測，結果如 NO.8，盆栽在夜間 7 小時中，CO₂ 量減少了 9.27%，O₂ 量增加了 4.69%，與植物夜間呼吸作用的「吸氧排碳」理論顛倒。
7. 因而再做 NO.9 的量測，將盆栽移至臥室南側的窗邊（圖 5，日曬 9：05～14：20），由 9：00 量測至 16：00（7小時），CO₂ 減少 12.4%，似乎有吸碳功能，但 O₂ 減少了 1.4%（在儀器誤差內），也不符合植物光合作用的「排氧」理論。

本文之 10 次量測實驗，均有完整記錄，但限於篇幅，僅能提供如表 4 的總表；在做了數次量測之後，發現即使是同一植物或場所，以同一台儀器量測，可能因（1）陽光強度（雲層厚度）、（2）環境溫濕度、（3）量測方式、（4）取樣時距（10秒、20秒、30秒…）、（5）量測時間（20分、30分、60分、120分…）之不同，而有不同的結果，不過，這五種不同情況的量測誤差，多在 ±3% 之內。

表 4 量測方式之說明例

為了證明筆者確實有做量測實驗，於此說明表 4 NO.7 的量測方式與記錄如下：

因為（同一地點）空氣中的 CO₂ 及 O₂ 值，會隨溫濕度變化而改變，所以，本量測方式，以上床後之前 10 分鐘與醒來離床前 10 分鐘的均值做比較，每 5 分鐘記錄一筆，持續 7 小時，分別做了臥室無盆栽及有盆栽之量測；1 人睡覺的 CO₂、O₂、℃db（溫度）及 ℃dp（露點溫度）的 7 小時記錄值如表 5a、表 5b，不論是無盆栽（表5a）或有盆栽（表5b），CO₂ 值均呈緩緩上升的趨勢，而 O₂ 值均只降了 0.1%，仍在儀器誤差範圍內，無法證明 O₂ 值是增加或減少。

將表 5 的量測記錄，轉換為趨勢圖，可看出在無盆栽及有盆栽的 7 小時量測期間，雖然兩者的起始值不同，但是，CO₂ 值均呈緩緩上升的趨勢，且兩者之線性（y=ax+b）迴歸分析的斜率（a）幾乎相同，因此，可證明夜間臥室擺盆栽，不會增加 CO₂ 量，亦即無法證明「臥室擺盆栽，有害健康」的常識為真。

結語

樹葉真有能力分解空氣，只吸收空氣中僅佔約 400ppm 的 CO₂，而不吸入空氣中的其他成分氣體？光合作用的「吸碳排氧」理論，是否被過度解讀？由前述的人體呼吸實驗，正確的說法，是否應為「吸入空氣僅部份的 CO₂ 被吸收，而有部份的 CO₂ 和不被需要的氮氣、氧氣等均被吐出」？

筆者非植物專家，僅是一位秉持常識邏輯思考原則的退休工程師；本文之 10 種場合的量測樣本數仍嫌不足，不宜此結果下定論；但是，量測結果不符合植物「光合作用」的「吸碳排氧」理論，無法給金孫一個合理的解釋，反而搞混她在學校所學的「光合作用」知識，希望有專家賜教，指正本文之錯誤或做合理的說明。