從成長的極限到永續系統發展——《成長的極限》導讀

• 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。

前兩次革命：農業和工業

大約在一萬年前，世界上的人口經過數千年的增長，已達到相當龐大的（就當時而言）1000 萬人左右。這些人屬於游牧的狩獵／採集者，但於某些地區，他們的數量已經超過當地植物和野生鳥獸所能供養的程度。他們採取兩種作法因應野生資源逐漸消失的問題。有些人進一步強化他們的遷徙生活形態，從他們在非洲和中東的祖居地遷移到野生鳥獸為數甚多的地區。

另外一些人開始馴養動物、種植植物，並在某地定居下來。這是種全新的生活形態。這些最早期的農民從來沒想到，他們因此改變了地球的風貌、人類的思想，以及社會的形態。

此時，擁有土地首度具有意義。人們不必隨身背負家當也可以累積財產，而且，有些人還能累積得比別人多。財富、地位、遺產、貿易、金錢和權力等觀念於焉形成。有些人能靠別人生產的多餘糧食過活，因此，他們可以成為全職的工具製造者、音樂家、文字抄寫者、祭司、士兵、運動員或國王。某種形態的工會、樂隊、圖書館、廟宇、軍隊、競賽活動、朝代和都市乃應運而生。

身為農業革命的繼承者，我們認為此一革命是人類向前邁出的一大步。不過，當時此種新的生活形態可能利弊參半。許多人類學家認為，農業生活並不是更好的生活形態，卻是養活愈來愈多人口的必要生活形態。定居的農民從每公頃土地獲得的糧食多於狩獵／採集者，但此種糧食的營養成分較低且種類較少，而且要花更多勞力才能有收穫。農民比游牧者更容易受天氣、疾病、害蟲、和外來者入侵的危害，及受到新形成的統治階級的壓迫。此外，農民不會搬離他們自己製造的廢物之堆積地，因而最早體驗到人類製造的長期污染。

儘管如此，農業不失為因應野生動植物日漸稀少的有效對策。農業生活使得人口成長的速度加快，幾千年下來，人口增加的數量非常可觀：從早先的 1000 萬人增加到 1750 年的 8 億人。人口劇增後，出現了新的資源短缺問題，尤其是土地和能源日漸不敷使用。此時，需要有另一波的革命。

工業革命始於英國，帶來的主要變化是以豐富的煤礦取代消失中的林木。使用煤礦牽涉的實際問題包括廢土的移除、礦場的構築、抽水、運輸和燃燒控制等。這些問題很快就獲得解決，使得勞力開始大量集中於礦場和礦石碾碎廠。此一革命凸顯了科技和商業在人類社會中的地位——超越了宗教和倫理。

和農業革命一樣，此時許多事物都出現料想不到的改變。機器，而不是土地，成為生產的主要手段。封建制度為資本主義及與資本主義作對的衍生體制共產主義所取代。大地上出現公路、鐵路、工廠和煙囪。城市日益擴大。同樣的，這些改變也是利弊互見。工廠的勞力工作比農村的勞力工作更低下、更辛苦，新建工廠附近的水和空氣髒得嚇人，大部分工業勞動人口的生活水準遠不如農民。但農地取得不易，工廠的工作卻多的是。

現在的人很難理解工業革命為人類思想帶來多麼重大的改變，因為已然改變的思想，迄今仍塑造了我們對世事的看法。1988 年，歷史學家唐納德．沃斯特（Donald Worster）深刻描述了工業主義對人類思想造成的影響。今天看來，他的觀點仍然非常中肯：

資本家保證，他們以科技支配世界後，將可讓每個人過著更公平、合理、有效率和更具生產力的生活。⋯⋯他們的方法只是在促使個別企業能免於傳統的層級系統和社會的束縛，不論這些束縛是來自其他人或來自地球本身。⋯⋯此點意味著要教導每個人以坦率、積極和自主的態度面對地球、相互打交道。人們必須經常想要如何賺錢；必須視他們周遭的每一樣事物——土地、自然資源和本身的勞力——為可能在市場上賺取利潤的潛在商品；必須要求有權利能在不受外在規定和干擾的影響下，生產、購買和出售這些商品。⋯⋯隨著需求的遽增和市場的擴大，人類和大自然的關係只剩下最起碼的工具主義而已 ¹。

工具主義帶來極其可觀的生產力，使得現在的世界能養活 60 億人——此一人口數量比發生農業革命之前的人口數量足足高出六百倍。市場的擴大和需求的遽增，驅使人類孜孜矻矻向大自然獲取資源，從極地到熱帶地區，從山巔到深海，不錯失任何機會。工業革命的成就，和以往狩獵／採集行為與農業革命的成果一樣，都造成資源的短缺，不只是野生鳥獸、可耕地和燃料及金屬的日漸稀少，地球環境的整體承載能力也為之下降。人類生態足跡再一次超越能永續發展的程度。工業革命的成就，創造了進行另一次革命的需求。

下一次的革命：永續性

現在任何人都不可能描述永續性革命可能造就什麼樣的世界，就像公元前 6000 年的農民無法預見現今愛荷華州——一望無際的玉米田和大豆田，以及公元 1800 年的英國煤礦工人無法想像豐田汽車公司（Toyota）的自動化裝配線一樣。一如其他的重大革命，即將到來的永續性革命將改變大地的風貌及人類認同感、制度和文化的基礎。一如以往的幾次革命，永續性革命也要花好幾個世紀才能完全展開，雖然嚴格地說它已經開始。 當然，沒有人知道如何促使這樣的革命發生。並沒有一套準則可以告訴我們：「為完成全球性的重大改革，應遵循這二十項步驟。」像以往的重大革命一樣，這波新革命無法預先加以計畫且其本身不受控制。它不會聽命於政府的一連串法令或電腦模擬的指使。永續性革命將是結構性的改變。它將產生自數十億人的願景、見解、實驗和行動，促使其發生的責任不在於任何一個人或團體。沒有一個人能獨攬功勞，但每一個人都能做出貢獻。

——本文摘自《成長的極限》，2024 年 03 月，臉譜出版，未經同意請勿轉載。

過渡到一個永續性系統

靜止狀態對我們環境資源的需求減少，但對我們精神資源的需求卻大增。

——赫曼．戴利，1971 年

當人類社會發現資源使用和污染排放有超過永續極限的跡象時，可能會做出三種反應。第一種反應是對這類訊息加以否認、掩飾和擾亂。這種反應的方式形形色色：有些人聲稱，根本沒有必要擔心極限的問題，市場和科技自然會解決這些問題；有些人聲稱，在沒有進行更深入的研究之前，不應該試圖限制所謂超過限度的行為；更有人設法將他們超過限度的行為造成的代價，轉嫁給在時空上距離他們很遙遠的人。舉例而言，可能會發生以下的情形：

• 樹立更高的煙囪，俾使污染廢氣飄到更遠的地方，讓別人呼吸遭受污染的空氣。
• 將有毒化學製品或核廢料運送至遙遠地區進行處理。
• 以保住眼前的就業機會或支付債務為由，從事過度漁撈或過度砍伐林木的行為，卻因此耗竭用以支持就業機會和償債能力的自然資源。
• 對因為資源枯竭而致營運困難的採掘工業提供補貼。
• 未能有效率的使用已開採的資源，卻不斷地探勘新的資源蘊藏。
• 不斷施肥以彌補土壤肥沃度的下降。
• 以法令或補貼來壓低價格，導致市場無法以價格的上漲來反映資源匱乏的現象。
• 因為資源成本過高，無力支付，而改以運用武力或威脅運用武力的方式，確保對資源的使用權。

這些反應非但不能解決因為生態足跡擴大所衍生的問題，反而使問題更形惡化。

第二種反應係以科技或經濟的應急措施，緩解各種極限所造成的壓力。可能的具體作為如下：

• 降低汽車每行駛一哩或發電機每生產一千瓦電力所產生的污染量。
• 更有效率地使用資源、進行資源的回收利用，或以再生資源來取代非再生資源。
• 運用能源、人類資本和勞力來取代以往由大自然執行的功能，如污水處理、防洪、或增加土壤的肥沃度。

這些措施確實有其迫切性，因為可提高生態效率、可暫時緩解壓力，也可以爭取寶貴的時間以利發展徹底解決問題的方法，卻無法消除造成壓力的原因。假如汽車每行駛一哩產生的污染量已經減少，但開車的人愈來愈多，或者，處理污水的能力增加，但污水的排放量愈來愈大，則將只能延緩問題所造成的危害，而無法根本解決問題。

第三種反應是從問題的肇因著手，設法尋求解決之道；也就是退一步想想，承認人類的社經體系結構本身難以管理、已經超越自然極限並朝崩毀的狀態發展，因此，釜底抽薪的辦法是改變系統的結構。

改變結構此一用詞常常具有負面的意義。就革命分子而言，此一用詞表示要將掌權的人物趕下台，而且在過程中有時還會扔炸彈。或許有人認為，改變結構是指改變實體結構，也就是先破壞再建設的過程。更有人解釋為改變權力結構、統治集團和指揮系統。基於這種解釋，改變結構顯然困難重重、極其危險，而且會對經濟和政治力量構成威脅。

然而，在系統學的名詞裡，改變結構與驅逐人員、拆除建築物或摧毀官僚體制等並不相關。事實上，採取這些行動但卻未能真正改變結構，則只會造成新一批人進駐新建築物或新單位，並花更多時間、更多金錢追求相同的目標，最後產生的結果和舊體制一模一樣。

在系統學的名詞裡，改變結構指的是改變一個系統內的回饋結構，也就是訊息的連結關係：包括系統內的行為者必須處理的資料之時效與內容，以及會促成或限制行為的觀念、目標、誘因和回饋資訊。假如系統內的行為者認為有充分的理由做出改變，又假如他們能自由行事而且又有誘因做出改變，則同一批人、同一個組織和同一個實體結構，可能會有完全不同的行為。此外，一個系統若有了新的資訊結構後，假以時日，也可能會改變本身的社會和實體結構。這個系統可能發展出新法規、新組織、新科技、具有新技能的人員、新機器或新建築物。這種轉變不見得需要由一個中央單位來加以督導。這種轉變的發生可以是毫無計畫的、自然的、帶有革命性質而又令人感到興奮和愉悅的。

新的系統結構自然會產生無所不在的改變。我們不必做出犧牲或施加脅迫，除非為了防止既得到益者忽視、扭曲或阻撓相關資訊的傳播。人類歷史已出現過好幾次重大的結構性轉變，其中影響最深遠的兩個事例為農業革命和工業革命。這兩次革命都肇因於種植糧食、運用能源和組織工作的新觀念。事實上，我們在下一章會討論到，正因為以往的結構性改變獲致重大成就，世界才有必要進行下一次的結構性轉變，我們稱此一轉變為永續性革命。

——本文摘自《成長的極限》，2024 年 03 月，臉譜出版，未經同意請勿轉載。