攸關人命的重大刑案，國民法官該怎麼判？

• 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。

在過去許多冤案研究、司法心理學研究中，都發現確認偏誤（confirmation bias）是誤判的重要因素^{註 1}，意即人容易受到先入為主的意見影響。

例如有一晚，小安下班回家後發現他太太與情夫正在偷情，心灰意冷出去喝酒，回家後卻發現太太與情夫都被殺了；小安百口莫辯，被判處無期徒刑。^{註 2}

在缺乏其他證據的情況下，一般人都會認為小安的作案動機十足，兇手不可能另有他人；因此在受到這個成見的影響下，進而看重能佐證的證據、忽略其他證據，形成所謂「隧道視野」^{註 3}，導致職業法官也可能誤判（各國都有許多關於審判出錯的研究）^{註 4}。

國民法官也可能受到偏見影響，那還能保持公正嗎？

國民法官法在 2023 年 1 月 1 日正式上路，年滿 23 歲的你，人人皆有可能坐在法檯上與職業法官一同進行重大刑案的審判。關於什麼才是「最正確的判決」，也不是國民法官才會遇到的問題，而是社會大眾所要共同面對的司法難題。

進入審理程序後，會先由職業法官向國民法官說明程序、法律原則；再一一檢視檢辯雙方提出的證據；最後再與職業法官討論、進行投票，決定被告是否有罪，以及決定被告的量刑。

如同開頭所說，確認偏誤會是個難題。來自不同群體的國民法官，也可能帶有各自的意見。

例如一位白領階級的 30 歲上班族，與一位伴侶是藍領階級的家庭主婦，他們看待情殺案的態度會一樣嗎？一個重大案件發生後，國民法官很有可能先看見媒體報導，才會真正進入法庭。再加上國民法官所看見的證據，已經受到審、檢、辯三方前期的篩選，因此在審理中所聽見的敘事，可能是兩種截然不同的版本（因為檢察官的任務基本上是證明被告有罪，而律師則是證明被告無罪或沒有犯那麼重的罪）。身為素人的國民法官，要怎麼評估證據的可信度？怎麼排除偏見、形成自己的判斷？

藏在程序中的魔鬼，不只是偏見的問題，還包括「使用的語言不同」的問題。這個語言不僅是台語、客語、各原住民族語的語言不同，還有怎麼讓不同專業領域、不同年齡層的國民法官理解法律術語。如，什麼是無罪推定原則？證據裁判原則又是什麼？怎麼樣算是超越合理懷疑？為什麼有些證據能用，有些則不行？因此，職業法官需要讓素人們了解「遊戲規則」，檢辯在舉證與論述過程中，也不能只講「咒語」；法庭上的三方都需要學習「講人話」，讓法庭上也能納入其他領域的意見。這不僅對國民法官是個挑戰，對法律人而言可能也是個難關。

以有力的證據，支持有邏輯的推理

我們可以把審理的過程想像成科學研究：蒐集證據 >> 提出假說 >> 形成結論。

例如有一判決書說：「用蝴蝶刀殺人很費力，被害人身中多刀，因此一定不止一人作案，另一人一定也有涉案。^{註 5}」這是一個合理的推理嗎？有沒有其他證據可支撐這段論點？

為了確保判決更加公平客觀，思考證據與作案經過的關聯時，或許盡可能以「根據OOO，所以XXX」的方式思考。雖然國民法官制度是為了納入常民意見，並不是要求所有素人都是法律專家；然而，若能具備基礎的法律知識，以及學習科學的方式審視證據、排除「確認偏誤」，或許更能給出公平客觀的判決。畢竟國民法官會參與的案件，都是攸關性命的重大刑案。

《國民法官法》的立法目的，在於加入一般常民的觀點。過往人們常覺得法院像神壇，坐在法庭裡的法律人都是人生勝利組，難以體會百姓常民的苦痛，而許多重大刑案的判決都以社會輿論相左。在國民法官的制度下參與審理過程後，或許也能更深刻理解審判工作的艱難，對台灣的司法制度改觀。

此外，人民參審對於提升司法透明也非常重要，由於過往的司法審理通常是關在司法的象牙塔裡產出，社會大眾也難以反思誤判的情況。國民法官的加入，可以想見一路將充滿荊棘，但也期待能為司法正義注入新的活水。

註解

1. 【黃致豪專欄】蘇炳坤的無罪判決——還是司法心理學
2. 這不是真實案件，而是《刺激1995》的劇情。
3. 無罪推定下仍須自證無罪的被告
4. 可參見湯瑪斯．達恩史戴特（Thomas Darnstäd），2016，《法官的被害人：德國冤案事件簿》
5. 改寫自臺灣高等法院 臺南分院 98 年度上重更(五)字第 68 號刑事判決。

《司法遇到心理學》國民法官上任，然後呢？ → https://link.pansci.asia/7abzs

你有聽說過「國民法官」制度嗎？它已在民國 112 年上路嘍！但大家是不是對這件事情很無感呢？

比起坊間各種把法條換句話說的懶人包，當你收到國民法官「徵召」信，你更需要的，是從你的角度、你的需求出發，告訴你法庭實務的情境，以及該如何面對控方、辯方截然不同的說詞，還有媒體鋪天蓋地的關注。

其實大家對新制度無感的原因，可以追朔到司法院對國民法官的限制，目前，國民法官的執行範圍，只限於最輕本刑十年以上或故意致人於死的事件。也因為這些限制，讓需要國民法官執行的案件，比日本製的壓縮機還要稀少！

《國民法官生存指南》 課程介紹 → https://link.pansci.asia/7abzs

雖然稀少，但不代表我們這輩子沒機會成為「國民法官」。如果我們真的有幸成為「國民法官」，那該怎麼辦呢？

這時，你就需要一本「國民法官生存指南」了！

雖然國民法官制度對司法變革至關重要，但媒體對此的報導卻難以理解，以至於大眾無法很好地理解國民法官的任務，以及需要具備的基本能力。網路上，也有很多國民法官的免費資訊、懶人包，但這些內容都只是照本宣科地論述法條解釋，缺乏實際操作的指南。

更重要的是，多數懶人包只摘錄了法條與空洞的法律解釋，缺乏最重要的「司法心理學應用科學」實證研究基礎。

因此，你需要的是一本務實的操作手冊，「國民法官生存指南」正是幫助你準備或因應國民法官法庭內的各種實際狀況的絕佳利器，除此之外，「生存指南」不只回答實務操作上的「眉角」，也回答一般常見的問題：

• 收到通知，我可不可以拒當國民法官？
• 台灣的國民法官跟電影裡的美國陪審團一樣嗎？
• 誰可以當國民法官？誰不能當？需要報名嗎？怎麼報名？
• 當國民法官，有薪水可領嗎？上班怎麼辦？
• 國民法官要審理哪些類型的案件？

現在，我們終於有機會真正走入法庭、成為法官！

如果你想做好萬全準備，成為稱職的國民法官，那麼泛科知識獨家推出的「國民法官生存指南」課程就是你所需要的。這是全台唯一給國民法官的超普及課程，由專業律師親自授課，白話揭開法庭面紗，並解答國民法官必備技能。此課程提供三大面向，包括法律基礎、實務操作、以及司法心理學應用科學實證研究基礎，讓你能夠成為一名優秀的國民法官。

成為國民法官，你需要「國民法官生存指南」！