你聞了「Google 嗅覺」上的氣味了嗎？

• 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。

2023 年 3 月 intel 跟微軟共同發布了 AI PC 定義。

定義需要用 intel 的 Core Ultra 處理器，要有微軟系統內建 的Copilot AI，鍵盤上還需要有一個實體 copilot 按鍵，才算是一台 AI PC。

這個 AJ 看到後，發現案情並不單純，定義 AI PC 這件事情，遠比你想得還要重要！

所以今天呢，我們就來回答三個問題：

1. AI PC 是什麼？
2. AI PC 強在哪？
3. 有哪些公司跟 AI PC 有關？

最後再跟大家分享是否要買 AI PC 的建議。

好啦，本集我們整理了整個 AI PC 的脈絡，我把懶人包放在這裡，有需要的可以暫停看一下。

最後來給買 AI PC 的建議吧，如果你主要用桌上型電腦，4090 獨立顯卡直接給他買下去，因為桌上型的處理器至少到目前為止，都還沒看到內建 NPU 的規劃，所以所有的平行運算都還是靠顯示卡 GPU 來處理。

筆記型電腦方面，各家網購平台都已經推出 AI 筆電專區，最低三萬元左右就可以買到最新的 AI PC。

或許你還沒體驗到 AI 工具帶來的工作流程改變，不過潮流已經出現，據說到 2025 年，將出貨超過一億台AI PC，各家軟硬體廠商在這個全新的賽道上，只會不斷推出各種基於 AI PC 架構的應用與服務，畢竟，你如果不做，你的競爭對手可是不會等你。

有點離題了，在可遇見的未來，我們勢必會發現自己的電腦擁有更多基於 AI 技術的功能，

也許，你可以再等一會，等桌上型電腦也內建 NPU 之後，再來買真正的 AI 「PC」，不過要問我的話，如果是購買筆電的需求，選擇適合 Intel Evo 認證的筆電是值得推薦的選擇。

如果有其他想看的 AI 工具測試或相關問題，也可以留言發問，如果喜歡這支影片的話，也別忘了按讚、訂閱，加入會員，我們下集再見～掰！

更多、更完整的內容，歡迎上泛科學院的 youtube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

時間是什麼？

我們已經看到，空間、質量和物質這樣的基本概念，其實比你想像的更神祕。那麼我們的世界還有哪個基本要素，有可能在眾目睽睽之下隱藏了它們的祕密？現在是時候讓我們提出這個及時的問題了：時間究竟是什麼？

如果你是訪問地球的外星人，試圖透過偷聽咖啡館和雜貨店裡的對話來學習我們的語言，你可能很難回答「時間是什麼」這個問題。人類花很多時間聊時間，但幾乎沒有時間討論時間究竟是什麼！

我們無時無刻不在檢查時間。我們談起壞的時光、好的時光、過去的年代以及瘋狂的年代。我們節省時間、把握時間、製造時間、花費時間、縮短時間或誤了時間。時間可以終了、可以暫停、可以超過，或甚至可以停止。時間不會等待過客！有時我們說，時光飛逝，或說你的身體在不知不覺中留下了歲月的痕跡。甚至說，時間一點一滴的流逝。不過大多數的時候，我們只是感嘆用完了時間。

究竟，時間是什麼呢？時間會是有形的東西（如物質或空間）嗎？或者時間是我們立足於宇宙經驗上的抽象概念？

如果你希望物理學家對這深奧，又有點令人混淆的時間問題做出回答，現在還不是時候。時間仍然是物理學的巨大奧祕之一，時間問題甚至動搖物理學最根本的定義。所以讓我們花點時間，仔細研究這個亙古不變的話題。

時間到底是什麼

在所有關於宇宙的問題裡，最有趣的是那些聽起來很簡單，但實際上很困難的問題，它們會讓你在埋頭苦思後，才意識到有些基本的東西就擺在眼前，而我們卻沒有明確的解釋。

這類問題產生一種可能性：我們可能把一切都想錯了，就像我們過去那樣（例如「地球是平的」或「嘿！讓我放些水蛭到你身上來治病！」）。在得到堅定且具體的答案後，可能會徹底改變我們對於宇宙，以及我們在宇宙何處的思考方式。翻盤的機率非常高！

我們要做的第一件事，就是嘗試定義時間是什麼。畢竟，這是物理學家解決難題的步驟。首先，我們對你想要理解的東西，提出鉅細靡遺的定義；接著，我們用數學來描述定義，這允許你應用邏輯和實驗的力量來引領其他步驟。

所以，時間是什麼？如果你今天在街上隨機街訪陌生人，並要求他們定義時間，你可能會得到如下的答案：

「時間是過去和現在之間的區別。」
「時間告訴我們事情在何時發生。」
「時間是時鐘測量的數值。」
「時間就是金錢，所以別煩我！」

以上所述，都是對時間合理的定義，但是這些答案反而產生層出不窮的問題。例如，你可以問：「為什麼從一開始就有『過去』和『現在』的存在？」或「究竟『何時』是什麼意思？」還有「時鐘不是受時間支配嗎？」或「誰有時間管這些問題？」

如果我們不能描述時間，似乎很難在時間問題上取得進展。但不需要因此而驚慌。雖然「時間是什麼」聽起來像是五歲小孩會問的問題 ^*1，但無法定義或精確描述我們非常熟悉的東西，這種狀況我們也不是第一次遇到，在其他領域也曾發生：過去數十年來，生物學家一直在爭論「生命」的定義（殭屍權利組織是強大的遊說團體），神經科學家對「意識」有激烈爭議，而哥吉拉學家 ^*2 不能就「怪物」的定義達成一致協議。

定義時間的部分難處在於，時間已經根植在我們的經驗和思考模式裡。時間是我們聯繫現在的「現在」與過去的「現在」的方法。我們現在正感覺到的所有一切，就是我們所說的「現在」，但「現在」轉瞬即逝，我們沒辦法把時間當做美味的巧克力蛋糕，細細品嘗或延續。我們經歷的每一刻，都會從現在的鮮活體驗瞬間，轉成過去的褪色記憶。

但時間也有關未來。能夠將未來與過去和現在互相連結事關重大。如果你是希望在下個嚴冬生存下去的穴居人，或是需要地方為智慧手機充電的現代人，那麼從過去推斷來思考未來，絕對是生存關鍵。所以很難想像，人類經驗若沒有時間概念會怎樣。

物理學家思考時間的方式也是如此。事實上，時間深嵌在物理學的基本定義裡！根據權威定義（維基百科），物理學只不過是「研究物質本身，以及物質在時空中的運動」。即使是「運動」這個詞也包含了時間概念。物理學的基本工作，就是用過去了解未來有什麼可能性，以及我們如何影響未來。沒了時間，物理學就沒有意義。

事實是，人類對時間的任何定義，都可能受我們的經驗扭曲。想一想，就算是思考時間也「需要」時間！外星物理學家可能有與我們相異的時間概念，因為他們的經驗和思維模式，與我們有天壤之別，以致於我們目前的主觀經驗，阻礙了我們真正理解時間的定義。

所以請告訴我們：時間是什麼？

我們來談談雪貂。

為了進一步了解物理學家對時間的想法，讓我們考慮常見的情況。例如，假設你的寵物雪貂正計劃在你下班回家時，把水球丟在你頭上。這情況常常發生，是吧？

現在，別把時間想成流暢的經驗，而是把時間切成片段，並設想它就像電影一樣，是把許多靜態快照接在一起。

對物理學家來說，每張快照都描述了某個事件在每個時刻的狀態。所以，你可能有如下的快照系列：

1. 你無憂無慮吹著口哨，天真的走到家門前。
2. 雪貂將水球推到發射位置。
3. 你把鑰匙插進鑰匙孔。
4. 雪貂發射水球。
5. 你成了落湯雞。
6. 雪貂捧腹大笑。

每張快照都是對局部狀況的描述：在那個時刻，所有東西所處的位置以及正在做的事情。每張快照都是凍結、靜止、沒有變化的。如果我們沒有時間概念，宇宙將是這些凍結的快照之一，無法改變或運動。

幸運的是，我們的宇宙沒那麼無趣：這些快照彼此不能單獨存在，時間將它們以兩種重要的方式聯繫在一起。

首先，時間把快照以特定序列鏈結。譬如，快照如果沒照順序排好，我們可能會感到不對勁。

其次，時間要求快照彼此因果相連。這表示宇宙中的每一刻，都取決於前一刻發生的事情。這不過是因果關係罷了。例如，你不能這一刻坐在沙發上吃冰淇淋，而下一刻就已經跑完半場馬拉松。

這正是物理定律的工作：物理定律告訴我們，宇宙可以怎麼變，或不可以怎麼變。從一張過去的快照，物理學能告訴我們在未來的快照中，哪些是比較可能的，哪些則是緣木求魚。而時間是這些推測的基本要求。由於任何一種變化或運動都需要時間，如果時間不存在，我們必須想像一個靜態的宇宙。

那麼，要如何將快照論述連接到我們的平滑時間經驗？好吧！我們可以把這些快照拼接在一起，把快照之間的時間間隔縮得愈小愈好 ^*5，使它像我們喜歡的電影一樣順暢且連續。

這正是為了物理而發明的數學語言「微積分」的作用。微積分把許多微小切片，轉換成平滑變化。你看電影時，由於時間間隔非常小，你沒有注意到電影實際上是一系列的凍結影像。以同樣的方式，我們可以用一組有序且由物理學相互關聯的靜態快照，來描述充滿變化和運動的宇宙。時間是這些快照的排序和間距。

註解

1. 物理學家是永遠長不大的五歲小孩。
2. 小朋友抱歉了，哥吉拉學家不是真正的工作。
3. 譯注：引述自美國著名電視影集「超時空奇俠」（Dr. Who）的經典台詞。劇中人用此台詞來形容混亂的時間線。
4. 譯注：改寫自捷克裔法國作家米蘭．昆德拉 1984 年的小說《生命中不能承受之輕》。

——本文摘自《關於宇宙我們什麼都不知道》，2023 年 9 月，天下文化出版，未經同意請勿轉載。