1

4
2

文字

分享

1
4
2

宇宙文明演化史(下):文明蘊含的資訊量與精細結構的掌握

Castaly Fan (范欽淨)_96
・2023/06/27 ・4854字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

編按:說到星際文明的發展程度,科幻愛好者必定會提到「卡爾達肖夫指數」,以使用的能源多寡,來區分文明發達程度。然而,除了從能源來評斷文明進程,其實還有其他的評判方式。

「宇宙文明演化史」系列,將在上篇回顧「卡爾達肖夫指數」,下篇介紹較少討論的「資訊量」與「微觀尺度」的評斷觀點。

資訊量的掌握層級

卡爾達肖夫指數是以「能量」作為文明分級的依據。同時,薩根(Carl Sagan)也有提出不同的分類法。他將文明所擁有的「資訊含量」作為依據,將文明分出「A — Z 級」。這些資訊量的定義很廣泛,語言、文字、影像都屬於資訊量的一部分。

在薩根的分類法中,「A 級」文明能掌握 106 位元的資訊,但目前人類史上的任何一個文明所掌握的資訊量都比這個數目還多。要超越一個 A 級文明相當簡單,比如:你只需要用「二分法」試探,例如判斷這個文明「是存在還是消亡的」。探問過二十次這樣的問題後,相當於掌握了 220 種可能性,這個數字剛好略大於 106

也就是說,這已然囊括了一個 A 級文明的所有資訊,一旦通過了這個二分法測試,就可以被判定為 B 級文明。以此類推,當人類所擁有的資訊量每增加十倍、便對應到不同的字母分級,因此,在這個分類中最為先進的是「Z 級」文明、相當於能掌握 1031 位元的資訊量。

資訊量的爆炸最早可以追溯至文字發明開始,書面文字使得人類得以記載當下、乃至於過去發生的一切歷史。古希臘時代所有的書面文物加總起來大概對應於 109 位元的資訊量,相當於薩根筆下的 C 級文明。1970、80 年代,薩根從全世界所有藏書館數以千萬計的藏書總量、頁數進行統計,我們人類從歷史上至當代所擁有的文字、語言、圖像等資訊含量總計大約是 10¹⁵ 位元,因此被歸類為「0.7 H」類文明。

-----廣告,請繼續往下閱讀-----

而資訊量的第二次大爆炸莫過於網際網路的誕生。當網路普及後,無論是科學、經濟、政治、醫療、娛樂、藝術等包羅萬象的事物,都裝載在網際網路之中。2016 年,全球網路所涵括的總資訊量大概是 1.3 ZB (zettabytes),大約相當於 1022 位元,對應於 Q 級文明。根據國際資訊公司(IDC)預測,人類所擁有的數據庫資訊總量在 2025 年可以達到 175 ZB,相當於 1024 位元——也就是說,當前人類正在往「S 級文明」邁進。

有趣的是,薩根推測人類初次接觸到的外星文明應當是 1.5 J 到 1.8 K 類的文明,通常他們已然克服恆星際旅行的瓶頸。至於卡爾達肖夫的第 II 型文明,大約對應於 Q 類文明;而得以掌控可觀測宇宙大部分星系的 III 型文明,則可以達到 Z 類文明的水平。畢竟掌握時空旅行需要相當複雜的計算與模擬,需要遠超越當今的人類設備所擁有的一切運算能力。

然而,從目前的角度來看,顯而易見地——我們早已超越了他所預測的第 II 型文明等級。這是因為薩根在當時提出這個分類法時,尚未預測到數十年後的今天資訊量會隨著網路的出現而劇增。即使在薩根指數定義的資訊量必須是「單一而不重複的」(比如 A 網站的圖片是從B網站引用來的、同時 C 網站也使用了該圖片,我們只能將該影像視為一組位元、而非三組),但這些資訊在枝繁葉茂的網路時代已然是幾乎不可能被估算的。

因此,薩根的這個分級法在網際網路出現後便可能無法作為合適的指標,但卡爾達肖夫指數目前依然能適用;換言之,資訊量急速暴增似乎也側面反映了「能量」對於人類而言比「資訊量」更難駕馭的事實。

-----廣告,請繼續往下閱讀-----
2000 年代之後,網際網路的發軔造就了資訊量呈指數成長。圖/Statista

微觀尺度的操作層級

另一個有關文明的分級是由英國宇宙學家約翰.巴羅(John D. Barrow)所提出的,是基於人類對於「微觀尺度」的「操作程度」。他發現,科學史上人類似乎不斷朝著微小尺度的事物進行探索,從生活中隨處可見的宏觀機械裝置、顯微鏡下的分析、到分子原子尺度的研究,某種程度上,「探測尺度」似乎與文明發達程度成正比。他將文明發達程度區分為下列等級:

  1. 負 I 型文明(機械文明)
    該文明能操控與個體同等尺度的一切物件,比如採礦、建築樓房、使用機械裝置等等。
  2. 負 II 型文明(生物工程文明)
    該文明能操控基因序列,或者藉由移植組織、器官來改變生命體的特性。
  3. 負 III 型文明(化學工程文明)
    該文明能操控分子,比如透過改變分子鍵結創造新物質。
  4. 負 IV 型文明(奈米文明)
    該文明得以操控個別原子,實現奈米科技在原子尺度的應用,並可能透過科技創造出複雜的人造生命體。
  5. 負 V 型文明(核子文明)
    該文明得以操控原子核,並能自由改造組成原子核的質子、中子。
  6. 負 VI 型文明(粒子文明)
    該文明將能操控夸克、輕子等組成萬物的基本粒子,並且能隨心所欲聚集粒子、駕馭高能量。
  7. 負 Ω 型文明(時空文明)
    該文明將能操控普朗克尺度(10-35 公尺)下的事物,比如量子泡沫(quantum foam)等微觀時空結構;他們將有能力透過負能量或者奇異物質控制、放大隨機漲落的蟲洞,從而具備實現時空旅行的能力。

顯而易見地,人類距離負 Ω 型文明依然來日方長。目前,人類能夠自由操控與我們相同尺度的機械物件,可以建築、採礦,也可以完成一些簡單的基因工程;在近一個世紀內,我們掌握了相對論、發明了人造衛星與 GPS,同時也因為量子力學的發跡,打造出各式各樣的電子產品。但我們尚未能夠自由改變分子鍵結、發明新物質的能力也是侷限的、更無法隨心所欲操控並改變原子結構,因此目前人類大概落在負 I 型文明與負 II 型文明之間。

尺度的數量級:愈先進的文明可能可以探測到愈微觀的結構。圖/筆者繪製

從物理學的角度來看,「探測尺度」和卡爾達肖夫指數的「能量」其實也是可以呼應的。由於相對論告訴我們宇宙中萬物都有一個速限,也就是光速,這意味著無論是能量、溫度、尺度、甚至時間單位都有一個極限值,也就是「普朗克單位」。在歷史上各種對撞機實驗告訴我們一個事實:當對撞機的能量愈高,人類所能探測的尺度就愈小。

事實上,普朗克能量(約 1.96x10^9 焦耳,相當於一輛車中 16 加侖汽油槽所提供的能量——貌似普通,然而這個值在微觀尺度下是相當大的,「焦耳」這單位在微觀世界大概相當於用「光年」換算人類尺度的距離)對應於一個普朗克質量黑洞的史瓦西半徑(約 10^(-35) 公尺,亦即普朗克尺度);用通俗的語言來說就是:一旦對撞機能量值大於普朗克能量,相當於把對應的質量壓縮到了小於史瓦西半徑的尺度,從而產生「黑洞」——即使是微型黑洞,也意味著我們的探測將被黑洞視界所設限。

-----廣告,請繼續往下閱讀-----

換句話說,普朗克能量相當於我們能探測普朗克尺度的所需能量;一旦超越了這個值,我們的探測將因為黑洞的產生而不再精確。因此,即使是一個無限發達的文明,普朗克長度將會成為探測尺度的最終極限,小於普朗克尺度的事物便不再具有物理意義——要注意的是,這些事實是基於目前「已知的物理理論」,假設未來文明已經掌握了結合量子場論與廣義相對論的萬有理論,這些極限值並不是沒有被推翻的可能性。

對於未來文明的展望

從最基本有機分子、形成碳基生命體、再演化成為人類這樣的智慧生命,這樣的機率可以說是趨近於零,也因為如此,才有「地球殊異假說」、甚至是「創造論」這些爭辯。我們必須剛好躲過演化史上的大滅絕事件,並且在安穩的自然環境下演化為智人。這段過程還要大概經過一、兩百萬年後,才開始有文明的誕生;而縱觀整個人類史,科學正式發跡至今其實也就只有幾百年。

把地球 46 億年的歷史濃縮在一份年曆上,人類進入舊石器時代大概對應於 12 月 31 號晚上 11 點,大概跨年前 25 秒才進入新石器時代,而從文藝復興、大航海時代、科學革命至今,在這年曆的尺度下其實根本還不到一秒鐘。這還僅僅只是地球史的尺度——如果考量到 137 億年的宇宙史尺度,科技文明的興起根本是連一瞬間都還不到的事,可見人類的科技目前還算是相當稚嫩的。

科幻作品中那些搭乘星艦、遨遊星際空間的劇情,大多數便是 II 型文明;至於可以利用曲速引擎穿越時空的,或許是 III 型文明才能實現的。對於 II 型文明而言,他們或許能夠透過「戴森球」(Dyson sphere)控制恆星能量的輸出。當一個文明的工業發達到一個程度,便能夠駕馭恆星能量,搭建一系列能源板或人造衛星,從而環繞著恆星本體、調控能量的輸出,這種大規模的人造結構便稱為「戴森球」。

-----廣告,請繼續往下閱讀-----

要建造這類型的結構,目前所知的方法大概就是藉由太空梭或者人造衛星在行星軌道上搭建一圈能源板,並可能需要碳纖維或者更堅韌且輕便的材料。

最基本的構造大概是建構一圈「戴森環」,再來是更多戴森環組裝成的「戴森雲」,或者可以透過光壓與重力的平衡打造出更完整的「戴森泡」;如果科技更發達,則有機會建造出完整且均勻的球殼包覆著恆星以及周圍的行星,也就是「戴森殼」,這類型結構基本上可以完全駕馭母恆星的能量、並且可以將球殼內層表面改建為太空殖民地——但這以目前人類科技水平、或者資金限制等各層面而言,數百年內是不太可能實現的。

先進文明所建造的「戴森球」想像圖。圖/space.com

2015 年,恆星 KIC 8462852 的光變曲線一度成為天文學界的謎團,因為當時天文學家們觀測到該恆星的光譜有異常,且這一異常用傳統模型(比如周邊小行星帶、彗星雲氣等理論)是無法解釋的,因此,有一部份天文學家猜測該恆星的光度變化可能源於「人造巨型結構」;也就是說,能造成光譜像觀測結果那樣異常變化的原因,唯一合理的可能性就是「戴森球」的環繞與掩蔽。

這項研究吸引了當時不少外星愛好者的興趣,畢竟這顆恆星很可能正被高等外星文明所搭建的一系列巨大人工建築圍繞著!然而,根據 2019 至 2021 年的最新研究,發現了這顆恆星其實有一顆「伴星」在外圍,而系外衛星的殘骸大規模地遮蔽了恆星、致使光度出現異常。因此,目前並沒有證據指出戴森球這種人工結構真實存在。

-----廣告,請繼續往下閱讀-----

綜上所述,人類文明目前還算是新生兒,也或許,宇宙中還沒有更先進的文明出現。但在躍升為第 I 型文明之前,我們恐怕會經歷各種挑戰,而有些已經發生過、有些則或許正在醞釀,例如——宗教戰爭、糧食危機、核武威脅、氣候災難等等。

從目前看來,氣候變遷便是當務之急:人類過度排放溫室氣體,溫室效應導致了海平面上升、全球暖化,間接引發了各地氣候的異常、熱浪、饑荒,並一再落入惡性循環。此外,在二戰期間人類發明並使用了核子武器,其毀滅性更是不容輕忽的。我們尚不需考慮火山、地震這些自然災害,若無法擺脫上述這些境況,人類很有可能會在蛻變為 I 型文明前便自取滅亡。

人類文明雖然已有一定的科技水平,然而在卡爾達肖夫指數中,目前仍處於第 0.7 型文明。在躍升成為I型文明之前,有可能面臨生態危機、核子戰爭而自取滅亡。上圖為正在排放溫室氣體的工業煙囪。圖/Economist Intelligence Unit

因此,在未來數十年內,除了科技的提升以外,人類的當務之急是避免氣候災害與核武戰爭的發生。而人類對於星系文明的好奇與嚮往從未間斷,誠如 1977 年發射至太空的航海家金唱片中、美國總統吉米.卡特所提及的:

「我們正邁步度過我們的年月,好讓我們得以共生於你們的時代。我們期望有朝一日,能夠共同解決彼此所面臨的難題,並且聯合組成一個星系文明共同體。」

-----廣告,請繼續往下閱讀-----

We are attempting to survive our time so we may live into yours. We hope someday, having solved the problems we face, to join a community of galactic civilizations.

參考文獻 / 延伸閱讀

  1. Kardashev, N.S. (1964). Transmission of information by extraterrestrial civilizations. articles.adsabs.harvard.edu.
  2. 加來道雄,《穿梭超時空》,台北:商周出版,2013
  3. 加來道雄,《平行宇宙》,台北:商周出版,2015
  4. 卡爾.薩根,《宇宙・宇宙》,台北:遠流出版事業股份有限公司,2010
  5. 史蒂芬.霍金,《胡桃裡的宇宙》,台北:大塊文化,2001
文章難易度
所有討論 1
Castaly Fan (范欽淨)_96
6 篇文章 ・ 4 位粉絲
科學研究者,1999年生於台北,目前於美國佛羅里達大學(University of Florida)攻讀物理學博士,並於費米國家實驗室(Fermilab)從事高能物理相關研究。2022年於美國羅格斯大學(Rutgers University)取得物理學學士學位,當前則致力於學術研究、以及科學知識的傳播發展。 同時也是網路作家、《隨筆天下》網誌創辦人,筆名辰風,業餘發表網誌文章,從事詩詞、小說、以及音樂創作。

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

2

2
1

文字

分享

2
2
1
奠定現代通信基礎的克勞德.香農(Claude Shannon)
數感實驗室_96
・2024/06/06 ・743字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

以前小時候如果調皮不聽話,就會被大人叫去跪算盤,現在的家長家裡沒算盤了,反而會拿出電路板讓小孩跪。

咦?為什麼總是拿算數工具來懲罰小孩呢?

電路板上看似複雜電路板密密麻麻的,是電腦進行邏輯計算的關鍵。這小小的薄片能執行驚人的運算功能,背後的奧秘離不開一位傳奇科學家的貢獻。他不僅奠定了現代通信的基礎,還開創了人工智慧研究,這可不是一般人一生能做到的成就,但克勞德.香農(Claude Shannon)卻一次搞定。

-----廣告,請繼續往下閱讀-----

這位非凡的科學家是如何改變了我們的時代?

他讓我們今天能享受高效的通訊技術和智慧生活。如果你也覺得現在生活離不開手機和電腦,那你應該感謝這位數學和電機工程的天才。

對於 2000 年後出生的人而言,或許覺得用手機傳訊息、用電腦看影片再平常不過。但在 Shannon 出現之前,沒有人能系統性地定義「資訊」和「通訊」。他以其對動手實驗的熱忱,將這些看似無形的概念轉化為實際的理論,為世界帶來了一場資訊革命。

正是因為 Shannon 的卓越貢獻,我們才能享受如此便捷的現代通信技術。他不僅改變了科學的面貌,還深刻地影響了我們的日常生活。

Shannon 的故事也提醒我們,熱愛與好奇心是推動進步的核心力量。他用智慧和創造力,為我們打造現代通信的基礎,並開啟未來的無限可能。

-----廣告,請繼續往下閱讀-----

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

所有討論 2
數感實驗室_96
76 篇文章 ・ 49 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/

0

1
1

文字

分享

0
1
1
科技人才看過來!三門獨家課程 YouTube 免費看!工研院「ITRI lab on-line」特色技術系列數位課程現正放送中
鳥苷三磷酸 (PanSci Promo)_96
・2023/12/14 ・2829字 ・閱讀時間約 5 分鐘

本文由 工研院 委託,泛科學企劃執行。

Hey,未來的千萬年薪人才!來一起深入了解那些正在改變我們生活的科技吧!工研院為你精心準備了三堂超有趣的線上課程:從探索醫學界的 PLGA 微米球技術,到揭秘半導體測試的幕後英雄 ATE,再到讓塑膠也能有身分證的創新方法。這不只是學習,更是一場與科技親密接觸的旅程!

第一門 材料檢測與模擬設計之原理與應用系列學習

精選課程:塑膠也有指紋?如何給塑膠「身分證」來驅動循環經濟,減緩地球暖化?你要知道的光譜分選技術-材料光譜分選技術

這堂課將探討如何透過光譜智慧分選技術,為塑膠材料賦予「身分證」,進而推動循環經濟並減緩地球暖化。塑膠標籤的設置主要是為了方便辨識材質,這對於廢塑膠的回收和再利用至關重要。不同號數的塑膠因其分子組成、結構和排列的差異而有不同的特性和應用領域。

-----廣告,請繼續往下閱讀-----

在光譜智慧分選技術中,首先要理解電磁波的概念。電磁波是一種電場和磁場交互變化的波動現象,其不同波長可以用於不同的應用,如手機訊號、微波爐、家用遙控器、X 光攝影等。在塑膠分選中,光譜技術常用的波長範圍落在近紅外到遠紅外光的區域,即 1 微米到 300 微米。這些波段的電磁波能誘發塑膠分子振動,並吸收散射或入射的電磁波能量,從而造成光譜的變化。科學家利用這種振動光譜的變化來獲得塑膠分子的特徵光譜,從而開發出能辨識不同塑膠分子的技術。

舉例來說,最簡單的雙原子分子,如 C-H、O-H 等,會有特定的振動頻率。當結構更複雜的分子(如水分子)被電磁波誘發振動時,會產生更多的振動模式,每種模式對應不同的特徵光譜。塑膠由多種原子組成,因此其特徵振動光譜相當複雜,但這也使得每種塑膠具有獨特的光譜特徵,類似於條碼或指紋,可用於辨識不同類型的塑膠。

本集介紹的光譜技術主要聚焦於紅外線頻譜區段,其波長範圍在 900-2500 納米。在這一範圍內的紅外光能量正好能引起塑膠分子的振動,並在不同波長上產生吸收。透過紅外線感測裝置掃描塑膠分子,可以快速獲得塑膠的材質信息,這不僅有助於塑膠的分類和回收,也對環境保護和資源再利用具有重要意義。


第二門 半導體IC設計與檢測技術系列學習

精選課程:好的良率就是好的利率!考試交卷前都會再檢查、確認了,IC 生產才不會忘記你-半導體測試簡介

-----廣告,請繼續往下閱讀-----

在這堂課中,我們將探討自動化測試機台(ATE)在半導體測試領域中的關鍵作用。自動化測試機台是一種專為測試集成電路(IC)而設計的設備,它可以大幅降低手動測試的人力需求,並減少測試成本。每種IC根據其規格,都需要特定的測試項目。針對這些項目,專門編寫的測試程式被用於自動化測試機台,以自動檢測和篩選出不合格的 IC。

不同種類的 IC 需要不同的測試機台。例如,數位 IC 需要使用專門的數位測試機台,而記憶體 IC 則需要使用演算法來進行測試。類比 IC 和混合訊號 IC 則涉及電性測試,因為它們不是像數位IC那樣僅依賴固定的 0 和 1。

隨著系統晶片(SoC)的出現,測試機台的複雜性也隨之增加。SoC 整合了數位、記憶體、混合訊號甚至 RF IC 於一個晶片中,因此其測試機台必須同時具備上述所有種類機台的功能。這種SoC測試系統非常昂貴,每台造價可能高達數千萬。

最近,模組化測試系統成為了一種趨勢。這種系統的主要特點是其靈活性,能夠根據不同類型的IC進行不同模組的組裝,以進行測試。例如,對於數位IC,可以使用數位模組;對於類比或混合訊號IC,則可以使用相應的類比測試模組,如示波器或任意波型產生器。對於RFIC,則可以插入RF模組,如VNA等網路分析儀。模組化測試系統通常基於PXIE或LXI這樣的系統,其中PXIE是基於PCIE的擴展,加入了與儀器相關的電路;而LXI則是在LAN基礎上加入儀器相關電路。

-----廣告,請繼續往下閱讀-----

總結來說,自動化測試機台在提高半導體製造過程中的良率和效率方面發揮著不可或缺的作用。無論是傳統的ATE還是新興的模組化測試系統,它們都在確保IC品質和性能方面扮演著關鍵角色。


第三門:解密醫材醫藥產品開發攻略系列學習

精選課程:藥不💊隨便你~但少了「它」,藥就不能發揮最大功效!製劑的分類與開發

在這堂課中,我們將深入探討 PLGA 微米球技術及其在長效針劑開發中的重要性。PLGA,全稱為聚乳酸甘醇酸,是一種被廣泛應用於藥物釋放系統的生物相容性高分子材料。自 1989 年日本武田藥廠開發出第一款使用 PLGA 的產品 Lupron Depot® 以來,這種技術已被用於多種藥物的開發,涵蓋了小分子藥物和胜肽類藥物。

PLGA 的關鍵特性,包括乳酸與甘醇酸的比例、分子量及高分子末端基團,對藥物的釋放速率和持續時間有著顯著影響。在製程技術方面,溶劑揮發法和溶劑萃取法是兩種主要的製備方法,它們對於親水性和疏水性藥物的包覆都至關重要。這些製程不僅決定了微米球的形成,也影響著藥物在微米球內的分布和最終的藥物釋放行為。

-----廣告,請繼續往下閱讀-----

此外,微米球製程的工藝還包括乳化、coacervation 過程、溫度、攪拌速度、微米球固化和乾燥速度等因素,這些都對藥物包覆效率、微米球的粒徑大小分佈及藥物在微米球中的分佈位置產生影響。而不同的製程設計往往會導致藥物釋放行為的顯著差異,這對從實驗室到試量產階段的轉換是一大挑戰。

在台灣,工研院在經濟部的支持下建立了一個無菌製劑試製工廠,該工廠配備了微米球製程設備、高壓均質機、in-line均質機、噴霧乾燥機等關鍵製程設備。這些設備不僅能夠支持微米球的生產,還包括了關鍵的分析儀器,如液相層析儀、氣相層析儀、微米/奈米粒徑分析儀等。工研院的團隊擁有豐富的特殊製劑開發經驗,能夠提供從製劑配方研發、分析方法開發、放大製程開發到客製化產線設計的全方位服務。這些資源和專業知識使得工研院能夠有效地支持新藥的臨床前開發和商業化進程。

總的來說,PLGA 微米球技術在藥物釋放系統的開發中扮演著關鍵角色。透過精確的材料選擇和製程控制,這項技術有望為醫藥界帶來更多創新和有效的長效針劑產品。


還想看更多?不用掏出信用卡,三門線上課都在 ITRI Lab on-line 的 YouTube 頻道獨家放送中,手機打開就能看。但……雖然不用急,但是科技進步也是不等人的,快跟上吧!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
200 篇文章 ・ 308 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia