姬十三：浪漫的溫度

• 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。

作者／Isa-Dietitian 

味道（taste）是我們品嚐到食物中的「非揮發性」化學物質。我們熟悉的味道都有哪些？幾百年來，我們熟悉的4種味道是酸、甜、苦、鹹；而第五種味道——鮮味（Umami）也在1908年被日本科學家發現，並廣泛應用於食品工業和我們的日常生活中。現在，美國普渡大學的理查德·馬特（Richard D. Mattes）教授認為，除了上述五種味道，還有一種神秘的「第六味道」，它隱藏在已知的五種味道之中，卻在潛移默化地影響著我們對某一道菜的喜愛和胃口，且這種味道的發現和應用甚至可以影響我們的飲食和健康。

這味道是什麼？其實，當你吃蛋糕、大嚼披薩、啃牛排、吸大骨骨髓的時候，你可能已經嚐到它了，科學家們將「第六味覺」命名為 Oleogustus ——這是一個拉丁語詞彙，指油或脂肪的味道，它還沒有對應的中文名，但你可以近似地把它理解為「油脂味」。早在公元前330年，亞里士多德就總結出了「油脂味」，但現代科學一直將其與食物的口感、質地、熱學性能及風味釋放聯繫到一起，並沒有過多關注它的味道本身。

「油脂味」並沒有聽起來那麼美味

油脂味聽起來似乎十分可口誘人，但其實不然，有興趣的各位可以去喝一口植物油嚐一嘗，看看味道好不好。真正的油脂味並不是我們品嚐美食時的愉悅感​​受，它嘗起來其實挺噁心的。而我們品嚐美味的蛋糕、漢堡、薯條、比薩以及牛排時那種滑膩的乳脂感、黏稠度等濃郁複雜的味道並非真正的油脂味，而是源自於三酸甘油酯——甘油和脂肪酸（即產生油脂味的真正物質）酯化後產生的產物。它也有脂溶性味道，但它並不是真正的油脂味。真正產生「油脂味」的化學源頭是未酯化脂肪酸（NEFA），而它嘗起來一點兒都不好吃。

不同的化合物代表不同味道，它們都能發出營養信號：

• 甜味——自由羥基和碳水化合物
• 酸味——氫離子和酸性物質
• 苦味、過酸——食物腐壞產生的化合物
• 鹹味——鈉離子及其他人體必須的礦物質
• 鮮味——蛋白質及胺基酸

那麼油脂味呢？科學家們認為，過多的脂肪酸意味著腐壞的食物。所以當未酯化脂肪酸的濃度超過某一個數值時（因人而異），就會讓人明顯產生噁心反感的感覺。且當濃度更高時，人口腔對質地的感受及嗅覺也參與其中。食品工業很早就意識到人們對脂肪酸本身味道的抵觸，將加工食品中油脂的味道刻意降低到0.1-3%，低於人類感知的水平，或通過特殊方法將它們酯化。

我們的舌頭是味覺接收器（taste receptors）聚集地，不同的味覺化學物質被接收後，產生信號傳遞到大腦。這條通路的前提是：味道分子激活味覺細胞上的味道接收器。油脂分子也由它的特殊接收器（CD36, GPCR和DRK）處理和加工。有研究證明，油脂分子能迅速被舌頭上的接受器捕捉並迅速通知大腦準備吸收和消化脂肪。還有研究認為，我們的舌頭上有一種酶，叫做舌脂酶（Lingual lipase），它將三酸甘油酯分解成脂肪酸，而後者更容易被味覺細胞捕捉。但舌脂酶的濃度和活性到底如何，能否迅速將我們咀嚼食物中的脂肪酸釋放出來，及其脂肪酶抑制劑（Orlistat）對其味覺閾的營養還有待進一步的研究。

如何確定一種味道？

我們吃食物時可以有各種各樣的感覺，到底需要滿足什麼條件，才能將它稱之為一種味道？馬特做了一個總結：

• 這一類刺激物本身有特殊的化學結構；
• 人體針對這一刺激物，存在不同於其他味覺的、特殊的接受機制；
• 它由味覺神經傳遞給中央神經系統並能被解析；
• 它對人體有特殊的功能；
• 它能影響人類的生理和行為，且有一定的社會生態學意義。

馬特教授和他的同事們將受試者們的鼻子用夾子夾住（防止嗅覺干擾味覺），然後將代表不同味道的化合物給他們品嚐：果糖和葡萄糖代表甜味；醋酸和檸檬酸代表酸味；尿素和奎寧代表苦味；氯化鈉代表鹹味；谷胺酸鈉代表鮮味；油酸和亞油酸代表「油脂味」。品嚐之後，馬特教授讓他們將所嚐到的味道分類。

馬特教授發現，當所有味道混合在一起時，人們對甜味、鹹味和酸味很敏感，卻總會將鮮味、苦味和「油脂味」混為一談，並將它們歸為一類。隨後，馬特教授將區別明顯的甜、鹹、酸三種味道去掉，只給被試者們呈現鮮味、苦味和「油脂味」。這一次，他明顯地觀察到，即使人們連「第六味道」的感覺都形容不出來，人們仍然將它區別於鮮味和苦味，單獨劃分為「另一種味道」。

「想要確定人們到底能不能區分出『油脂味』實在太難了，因為它連個名字都沒有。」馬特教授說，「但確鑿的證據和受試者鮮明的感知區分都證明它真的存在。」

越敏感，越不容易胖

在「第六味覺」被發現之後，味覺與營養、肥胖也建立了新的聯繫。長期高脂肪飲食容易導致「脂肪味」的主要味覺接受器CD36減少，而CD36恰恰能夠讓人們對脂肪產生滿足感。換句話說，CD36的減少讓人們對脂肪變得「反應遲鈍」，吃得就會越來越多。不論是動物實驗還是人群試驗，科學家都發現，對油脂味感覺越敏感的個體越瘦，而對它的味道較為遲鈍的個體則容易進食更多的脂肪，脂肪積累得更多。

現在，人們可以更清晰地了解味道和食物本身帶給人們的感覺，也能利用這些知識改變人們的飲食習慣和健康：它可以應用於提高加工食品的質量，減少心血管疾病，治療味覺障礙等等。在「第六味」被發掘之後，還有更多的可能等待我們去嘗試。

參考文獻：

1. Cordelia A. Running, Bruce A. Craig, and Richard D. Mattes. Oleogustus: The Unique Taste of Fat. Chemical Senses, 2015, 1–10. doi:10.1093/chemse/bjv036
2. Angela Chale´-Rush, John R. Burgess and Richard D. Mattes. Evidence for Human Orosensory (Taste?) Sensitivity to Free Fatty Acids. Chem. Senses 32: 423–431, 2007 doi:10.1093/chemse/bjm007. Advance Access publication March 14, 2007
3. Stewart J, Newman LP, Keast RS: Oral Sensitivity To Oleic Acid Is Associated With Fat Intake And Body Mass Index. Clin Nutr 2011, 30:838–844.
4. Russell SJ Keast and Andrew Costanzo. Is fat the sixth taste primary? Evidence and implications. Keast and Costanzo Flavour 2015, 4:5
5. Keller KL, Liang LC, Sakimura J, May D, van Belle C, Breen C, Driggin E, Tepper BJ, Lanzano PC, Deng L, Chung WK​​: Common variants in the CD36 gene are associated with oral fat perception, fat preferences, and obesity in African Americans. Obesity (Silver Spring) 2012, 20(5):1066–1073.
6. Pepino MY, Love-Gregory L, Klein S, Abumrad NA: The Fatty Acid Translocase Gene CD36 And Lingual Lipase Influence Oral Sensitivity To Fat In Obese Subjects. J Lipid Res 2012, 53(3):561–566.

本文轉載自果殼網

文 / 羅佩琪

「喂？」（現場靜默……）

「喂？」（現場持續靜默……OS：講者都還沒開口，是誰就大喇喇地講電話干擾活動……）

觀眾們面面相覷、騷動著找尋這位失禮的觀眾之際，台上的壓軸講者張語涵俏皮地道了歉：「不好意思，麥克風到了我手中 ── 就會變成這樣。」

可說是人們最喜歡的聊天對象之一，「腹語師」的身分讓原本平凡的獸醫系學生張語涵開啟了豐富精采的生活新頁。大三時在youtube看到美國腹語大師Jeff Dunham的表演影片，抱持著「想知道怎麼讓玩偶說話」的單純動機，小強開始蒐集腹語術的學習方式、下苦功練習，一年後，終於成功讓自己的玩偶（花名大呆）成為一隻「會說話的玩偶」。

與坊間的說法不同，腹語其實不是用肚子說話，依然是以聲帶發聲，腹語與一般說話真正的差別在於：人類平時是在嘴型、舌頭的共同協作下完成咬字；使用腹語時嘴唇則不能移動，僅保留上下唇一絲縫隙流通氣流，並讓舌頭辛苦地完成所有咬字工作──這也是腹語訓練被稱作「舌頭重訓」的原因。

在與夥伴大呆的一搭一唱中，小強用她的科仔七分鐘展示了腹語的迷人與可親，也為PanSci年會畫上充滿驚嘆的壓軸句點。