人與黑猩猩的心智，在《想像的力量》

• 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。

動物有自我意識嗎？

動物有自我的意識嗎？這是很有意思，卻難以捉摸的問題。如果可以跟動物溝通，直接問牠們就好：

「你好，請問你認識自己嗎？」

「……」（毫無反應，如同一隻動物）

偏偏目前沒有智人有能力問這種問題，或是能理解動物的回答。

要試探動物的自我認知，研究者常用的一種作法是「鏡子測試」，它比較正式的全名是「鏡像自我認知測試（mirror self-recognition test）」。基本概念不算複雜，就是把動物放在鏡子前面，觀察動物是否能認出鏡子中的投影是自己，而不是別人。

鏡子測試的標準極為嚴苛，至今通過的動物種類非常稀少，只有黑猩猩、亞洲象、瓶鼻海豚、喜鵲區區幾種。根據嚴格的判斷標準，一般我們覺得「聰明」的動物，像是貓、狗，甚至是和人類差異沒有太遠的猴子，都無法通過。

然而，新近發表的研究報告，有種 10 公分左右的小魚：裂唇魚（cleaner wrasses，學名 Labroides dimidiatus），靠著小小的腦袋，竟然通過了鏡子測試！這是怎麼回事？

• 狗在鏡子前認不出自己，竟然有魚類可以！？

替黑猩猩量身打造的鏡子測試

要了解鏡子測試，各位讀者首先要有的概念是：鏡子測試很不好用。

這款由加魯普（Gordon G. Gallup）在 1970 年提出的實驗，一開始是為了研究黑猩猩有沒有自我認知，因此整套實驗都是以黑猩猩的特質量身打造。

測驗方法說明這裡引用 wiki：

「在動物身上標上兩個無味的顏料斑點。測試斑點被置於動物身體上，在鏡中可見的部分，而對照斑點則放在動物身體上，可觸及但不可見的地方……意識到測試斑點是在自己身上，而同時忽視對照斑點」

所以鏡子測試的適用範圍，受到許多限制：

受測動物視覺上看不見，不行。
沒有肢體可以標記，或人類無法判斷反應，不行。
太懶就是不愛動，即使有意識也不反應，不行。
北京反對，這個沒差。
動物太害羞，不習慣看別人，不行。

偏偏黑猩猩對鏡子的反應超級好，輕而易舉就通過了測試（有些黑猩猩甚至平時就很愛照鏡子），害得動物行為學家擺鏡子試探其他動物的時候，常常難以判斷，牠們在鏡子旁邊摸來摸去，到底是不是真的看到自己！

• 延伸閱讀：黑猩猩為什麼跟人一樣，會互相幫助？

幫小魚訂做改版測試

鏡子測試是根據黑猩猩量身訂做，用在生理構造類似、屬於靈長類的近親倒還好，但其他哺乳類就比較麻煩了，更別說要延伸到鳥類、爬蟲類，甚至水中的魚類，實在是愈來愈不簡單。

很多動物其實不是無法通過測試，而是根本想不到怎麼做實驗。

幸好裂唇魚相對容易。這種小魚平時生活在大魚身邊，吃大魚的寄生蟲或屑屑，因此又叫作清潔魚，或魚醫生。它們日常與同儕的互動還算頻繁，有社交，就比較有機會擁有自我意識。更重要的是，這種魚愛乾淨，身上沾到東西會清潔身體，是個智人能判斷的明顯反應。這些特徵，使得它們適用於改版後的鏡子測試。[1][2]

裂唇魚並不能立刻就通過水中版的鏡子測試，要先經過一系列前置準備。

首先，先把鏡子放在魚身邊，多數魚會把自己的鏡中投影視為敵人，發動攻擊，經過 7 天才會完全停止。

• 攻擊鏡中自己的魚：

隨後幾天，習慣鏡子的裂唇魚，在能見到鏡子的時候，會有一些沒有鏡子時不會出現的行為，例如游泳時上下翻轉身體。其實之前已經有另一種魚：蝠鱝（manta rays），也能達到這個階段，研究者卻想不到辦法繼續進行標記測驗。

• 游泳時身體上下翻滾：

接著，不再攻擊鏡子的魚，會增加待在鏡子旁邊的時間。
經歷 2 個星期準備，到達此一階段，裂唇魚的標記測驗才能正式開始。

第一種通過鏡子測試的魚類！

裂唇魚的標記方式，是麻醉後皮下注射橡膠顏料，再把恢復的魚放在鏡子旁邊。

如果被注射魚眼可見的棕色顏料（不同魚標記在不同部位），旁邊又有鏡子，那麼它會照鏡子發現身上的異物，然後做出一些摩擦動作（scraping behavior），試圖把身上的髒東西除掉。假如沒有鏡子，則不會有清潔行為。

• 試圖靠摩擦清潔臉部顏料的魚：

• 試圖靠摩擦清潔喉部顏料的魚：

作為對照，研究者也用視覺不可見的無色顏料標記；而這組的魚即使身邊有鏡子，卻沒什麼清潔行為。表示身上有標記的魚，確實是「在鏡子中看到自己」，才引發後續的行為反應。

論文由此判斷：裂唇魚成為第一種通過鏡子測試的魚類！

問題是，一開始設計給黑猩猩的實驗，如今有魚類通過，就等於小魚也跟黑猩猩有一樣的自我意識嗎？畢竟，辨識鏡子中的形象，貓不行、狗不行、猴子不行，全長 10 公分的小腦袋小魚竟然辦到了？

論文宣告發現後，並沒有下定論，而是希望促進大家討論討論，到底鏡子測試是不是衡量動物行為的好辦法？

德瓦爾真的很嚴格：魚沒有通過，還差一點

說到動物行為學，不可忽視德瓦爾（Frans de Waal）這號人物，論文旁邊也刊出他對新研究的評論。他現年 70 歲，是此一領域教父級的人物，在 1982 年出版的《黑猩猩政治學》，當時看來驚世駭俗，如今卻證明德瓦爾的前瞻眼光。

論文宣稱，裂唇魚通過了鏡子測試的每一項標準。德瓦爾卻不夠滿意，他認為小魚並沒有通過鏡子測試，但是只了差一點。[3]

德瓦爾真的很嚴格。他指出，之前通過鏡子測試的動物，見到鏡中自己時，會出現「前所未見」的反應；然而，裂唇魚清潔身體的反應，卻是本來就有的行為模式，證據不夠力。

另一方面，魚的標記方法是注射橡膠色素，是個生理上的額外刺激。見不到顏色，對鏡子沒反應，表示光有生理刺激是不夠的；但是能見到顏色，對鏡子起反應的魚，刺激卻也存在。也就是說，裂唇魚對鏡子有反應，或許是視覺加上生理刺激的效果，不單純是視覺。如此，不能算是真正通過鏡子測試。

即使如此，德瓦爾仍然認為裂唇魚達到猴子的等級。猴子無法單靠視覺，直接認出鏡中的自己，但是假如視覺再加上體感，猴子也能通過（德瓦爾稱作「Felt Mark test」）。德瓦爾主張，小魚也符合此一標準。

我們有聰明到，能知道動物多聰明嗎？

不管小魚有沒有通過鏡子測試，這個案例都能讓我們體會，用鏡子測試評估動物意識，即使不算太糟糕，也是相當侷限的方法。適用範圍受限以外，通過標準也太過嚴苛，嚴苛到幾乎失真。

以猴子來說，至今仍沒有吱吱能完全通過鏡子測試，而這卻不等於猴子缺乏自我意識。

證據是，假如不擺鏡子，換成另一位陌生的吱吱，受測猴的反應將完全不同；猴子也許無法認出鏡中那個是自己，卻分得出不是陌生猴。如此能說吱吱沒有自我意識嗎？

德瓦爾其實對鏡子測試很不滿意，在 2016 年的《你不知道我們有多聰明：動物思考的時候，人類能學到什麼？》書中花了不少篇幅批判。他認為，用演化的角度思考，自我意識應該是漸進式的衍生，親緣關係類似的動物，彼此間應該是如光譜般的程度高低之別，而不是二分法的有或無。

比方說，喜鵲通過鏡子測試，表示這種鳥類的自我認知非常強烈。而與喜鵲遺傳關係接近，生活環境也類似的鳥類，就算無法通過測試，其實多半也該具備相當的自我意識，只是沒有喜鵲那麼強烈（類似黑猩猩與猴子之類的關係）。

過去的動物行為學研究，傾向把自我意識的出現視為「大霹靂」，大部分動物不存在，只有在少數特殊的物種出現，這卻不太符合演化的道理。而鏡子測試標準嚴苛，只有自我認知很強烈的動物能夠通過，又僅能代表特殊的狹隘情境，也助長了這股風氣。

更基本的問題是，就算腦袋最簡單的動物，怎麼可能不「認識自己」？想想看，一隻兔子，假如無法意識到自己在環境中的相對位置，下場將不是撞死就是被吃掉，還能活到把基因傳承下去嗎？因此，每一種動物應該都有自己認識世界，定位自我的方式，才能順利繁衍至今，只是動物往往跟智人的經驗差異太大，使得我們無從理解。

每一種動物都有自己的演化歷史、生存環境。德瓦爾主張，我們不應該繼續以智人的主觀標準，由動物與人的相似程度，評判動物有多聰明，而是應當改為站在動物的立場，設身處地理解它們的處境，如此才能真正了解動物的行為。

當然，受限於生物間的隔閡，智人永遠不可能真正讓自己變成其他動物，如同各種動物一般思考。不過，若要認識在不同環境中演化出的動物行為，從各種動物本身的角度出發，將是比較客觀的方向。

延伸閱讀

• 我們真的知道動物有多聰明嗎？《你不知道我們有多聰明》導讀
• 你嘛幫幫忙！黑猩猩也懂利他主義？
• 當你模仿黑猩猩時，黑猩猩也在模仿你──2018搞笑諾貝爾人類學獎

參考文獻

1. Kohda, M., Hotta, T., Takeyama, T., Awata, S., Tanaka, H., Asai, J. Y., & Jordan, A. L. (2019). If a fish can pass the mark test, what are the implications for consciousness and self-awareness testing in animals?. PLoS biology, 17(2), e3000021.
2. Do fish recognize themselves in the mirror?
3. de Waal, F. B. (2019). Fish, mirrors, and a gradualist perspective on self-awareness. PLoS biology, 17(2), e3000112.

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。

人何以為人？動物界中人類的最近親黑猩猩與我們人類的心智有什麼不同？日本京都大學靈長類研究所教授松澤哲郎，在《想像的力量》一書中，對人類與黑猩猩的心智，作出比較，並藉以思索：「人，何以為人？」，他的答案是：「那就是想像的力量。」。但是，黑猩猩真的不會想像嗎？

閱讀全文，請見：人與黑猩猩的心智，在《想像的力量》| 張清浩律師的部落格。

荷蘭的靈長類動物學家德瓦爾(Frans de Waal)，對一群生活在荷蘭阿納姆(Arnhem)動物園內獨立棲地的黑猩猩，觀察並研究他們的社會生活與行為，寫出這本《黑猩猩的政治》，描述這群黑猩猩爭權奪利的現象及其機制。原來，在黑猩猩社會中，也有政治活動。政治，並非專屬於智人的社會產物，可能早已存在於數百萬年來的人科動物中。政治的起源，比人類更古老。

閱讀全文，請見：政治的起源，比人類更古老：讀《黑猩猩的政治》| 張清浩律師的部落格。

人何以為人？動物界中人類的最近親黑猩猩與我們人類的心智有什麼不同？日本京都大學靈長類研究所教授松澤哲郎，在《想像的力量》一書中，對人類與黑猩猩的心智，作出比較，並藉以思索：「人，何以為人？」，他的答案是：「那就是想像的力量。」。但是，黑猩猩真的不會想像嗎？

閱讀全文，請見：人與黑猩猩的心智，在《想像的力量》| 張清浩律師的部落格。