《穿梭超時空》

• 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。

科普啊科普，你到底是何方神聖

我們熟知的「科普」，是科學普及四個字的縮寫。從英文 popular science 這個名詞來看，它又可稱作流行或大眾科學。

科普旨在用淺顯易懂的方式，向一般大眾傳達科學的技術知識、相關領域的學術研究與傳播科學理念及精神等。常見的媒介是網頁、電視節目、系列書籍或雜誌文章等。

在 2019 年的今日，我們已經進入了科學的時代。如同馬斯洛需求理論所說，人們在滿足了基本保暖需求後，開始對獲取更多知識產生渴望。科普在歐美日等國家已行之多年，相信在成長的過程中，這些翻譯類的科普讀物也陪伴過各位好一段青澀稚嫩的求學時光。

對喜歡科學的我們來說，科普是一種生活中的調劑。有些讀者看著看著，就萌生起一股寫作的欲望和自我期許，但礙於缺少相關了解與管道無疾而終；有些讀者歷經科普洗禮，也產生一股想要了解科普書籍誕生過程的想法和好奇心，但想法往往又因各種波折轉眼即逝、被擱置在腦後。

這回，我們有幸採訪到遠流出版社旗下的科普雜誌——科學人的林彥傑副總經理，由他來帶領大家了解台灣科普書的製作，希望能藉此讓我們與科普的距離更接近。

科普都從哪裡來？

要談科普書的製作，我們要先將它們做一個初步的分類：外國翻譯科普書與國內創作科普書。

前者通常由出版社主編依照國內市場，如：課業、名家 ex. 霍金或議題性，來進行選書。與外國出版社洽談獲得授權後，出版社會依照書籍的內容來挑選譯者。部分科學主題在國內會由特定的專家負責，在這種狀況下，譯者會較熟習這個科學領域，翻譯上不易產生理解偏差等問題。

而國內科普，通常會有兩種做法。第一種是科普作家自行連絡出版社提案，另一種是由出版社訂定主題後尋找合適的作者，擬定大綱供其參考。

須注意、應注意而要注意

編輯在科普寫作上扮演著非常關鍵的角色。首先，確認稿件文字是否流暢易讀是最基本的關卡。再來，編輯要注意文章是否都有符合以下條件：

科學事實的求證

科普文章最注重的就是正確性和嚴謹度。正因為肩負著把科學知識與理念傳達給世人的重任，在這分面完全是馬虎不得的。

專有名詞的統一性 + 新進專有名詞的翻譯

以科學人雜誌為例，編輯部有建立標準辭庫，務必要保持某個名詞在同系列的書籍乃至所有出版書都是統一的，免得讓讀者陷入不同名詞但同義的困惑中。若有處理到科學界的新名詞，作為第一手引進者，如何準確翻譯也是一大考驗。

幕後的審訂老師 + 專有名詞的更新

每一科學領域都該有一群專家學者可供編輯諮詢，同時編輯也須注意到學界是否針對某個名詞有了新的詮釋，例如：近年「精神分裂」的用詞被改為「思覺失調」。由此可知，科普編輯通常會要求是科學背景出身，對科學具有一定敏感度的人。

最後要特別注意的是篇幅。並不是字多就是好，捫心自問：這麼多字，讀者真的有興趣嗎？適當的文字清理可以讓文章更聚焦，效果反而會更突出。

雖然叫科普，但是市場小眾

當我們提到科普，第一個會想到的就是：它是專門給大眾看的、很多人閱讀，殊不知科普的市場反而比較小眾。科學本身就是一門龐大的學問，從眾多領域中挑出一種，再從中挑出一項來介紹給一般人，這個行為本身就已經是針對某一小群「對某領域有興趣」的人。換句話說，最後選出的主題是呈現給被篩選過後的讀者看的。讀者定位清楚不是壞事，有時候反而因此可以在某一群讀者中發酵，而達到不錯的銷售。

出版科普書籍需要花費龐大的心力，在銷售不那麼亮眼的狀況下，出版社可能更願意選擇純文學的作品，不但閱讀者多、翻譯跟事後的校對也不避耗費額外的成本。

市面上的科普書籍大多來自國外，台灣本土科普寫作因為研究者自身的觀念或是生涯規劃上的考量數量稀少。另外學校方面的壓力、編輯人才不足及網路酸民批評等因素都是影響學者是否願意投入心力在上面的因素之一。

所以在讀者這麼少的狀況下，市場的考量在下手動筆前變得尤為重要。

如果全世界只有一個人看，他長怎樣？

先設定讀者，再設定怎麼編排，怎麼行銷

科學人的林彥傑副總經理分享到，科普書的製作中必須為每本書的讀者找出設定：如果全世界只有一位讀者，那他的學歷背景如何？社經地位和年齡？興趣或是專長等。這些設定都可以輔助作家和編輯找到寫作的方向，之後再針對市場的目標受眾，決定寫作的風格和敘述口吻。

給新手科普作家的兩個提醒

如果各位已經決定投身科普寫作，那麼有兩件事情需要特別注意：

不要貪心，目標是說好一件事

新手作家容易犯的錯誤就是想要在短短的篇幅內解釋很多東西。這容易讓文章失去焦點，讀者變得無所適從。

有持續寫作的恆心和毅力

寫作是孤獨的，在工作課業之餘撥出時間定期定量的產出是一件不容易的事。有動機還不夠，你還必須具備持之以恆的毅力、自我督促，一步一步達成目標。

讓我們放眼未來

這是一個科學的社會，生活中到處都充斥著科學。隨著學制鬆綁，學生們更有機會從做中學、容易產生對萬物的好奇心，也更富有探究精神。大家開始會對不了解的事情產生疑惑、對過去習以為常的迷信說法產生質疑。

而這些，都是孕育台灣本土科普發展的土壤。期待在不久的將來，我們能看到台灣科普在各大書店都可以佔有一席之地！共勉之。

看完本書書稿，回頭繼續盯著電腦工作的我，有點感動，彷彿跟網路世界交上了心。

科普書的市場準則：出現的算式越多，賣得越差。曾經聽一位出版社編輯說，即使是在書名上出現「E=mc²」，都會讓他們猶豫再三，深怕影響銷量，這也難怪針對電腦科學或演算法的科普書那麼的少。即便我們的世界已經被電腦科學所顛覆，絕大多數的人，包括我在內，都只是傻傻地看著奇蹟變成慣習。

《改變世界的九大演算法》是本我願意大力讚許跟推薦的好書，不僅因為這本書勇於碰觸科普書出版的禁忌，而是因為本書作者，美國迪金生學院數學暨電腦科學系教授 John MacCormick 俐落的文筆跟清晰的鋪陳，足以抹消非專業人士對演算法的恐懼。

搜尋引擎到底是如何在百億個網頁之中，於零點幾秒之內找到我們想要的那個連結？讓數十億人感到滿意的網頁排序是如何實現的？如何在網路上傳輸隱私資訊，而不被中間無數節點看得一清二楚？如何驗證收到的資料是正確，無篡改的版本？人工智慧的基本原理是什麼？… 如同作者所說，看完本書並不會讓你我可以即刻動手寫程式，變成演算法大師，但了解其運作原理，足以讓人感到任督二脈暢通，擁有了練內力的根基。

作者善於用從簡單的小案例開始，一層層地將演算法的精神跟實際應用堆疊而上，讓我們從邏輯上去了解演算法的設計因由，至於繁複的計算過程在本書其實並非主角，除了幾個掰掰手指就能算出的範例外，作者並未給讀者太多負擔，因為在真實情況下，要展現演算法的能耐，也只能交由電腦去算。只要邏輯通了，演算法的設計美感就自然浮現，而這就是作者每一章節由淺入深，幾乎可說是循循善誘的寫作想要帶領我們進入的境界。

近來最熱門的科技產業關鍵詞「大數據」，讓產官學無不趨之若鶩，但大數據跟青少年的性經驗一樣：每個人都在談，每個人都宣稱自己做了，然而真正讓數據展現出價值的並非空談，而是演算法。從股市到戰爭，從自動交易到自動使用武力，背後都是演算法，而儘管實際做法不同，但看完本書，你都能更加理解演算法何以改變世界，也比較能理性地看待許多吹得上天下地的大數據忽悠文。

從另一方面來看，演算法本身即是戰場。無數網路高手抱持著挑戰或是為惡的心態，試圖打穿演算法之牆（或是悄悄繞過），有趣的是，台灣正是核心戰場之一。「誰說台灣是個沒有天然資源的國家？台灣最大的天然資源就是病毒樣本」這句話來自於一位知名台灣駭客 Birdman。台灣面對的入侵跟資安事件多不勝數，在世界上僅次於美國，是病毒（惡意程式）樣本數量最多的地方，既然如此，那麼對我們來說，多去認識電腦科學與演算法，就更是一種義務了。

同步推薦： 《演算法統治世界》