「雙子質數無限說」，初步論證

• 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。

十六世紀初的環球航行

既然史上第一次環球航行到十六世紀初才完成，埃拉托斯特尼在公元前 240 年又是用什麼方法，這麼準確估算出地球周長呢？他顯然不可能用捲尺繞地球一圈。他的替代做法是先測量地球表面上的一小段距離，再利用一些巧妙的數學運算，省去必須測量整段長度的麻煩。

埃拉托斯特尼掌管古代最好的亞歷山卓圖書館，在幾個科學領域都有極有趣的貢獻，包括數學、天文學、地理學、音樂等等。不過，儘管他有新穎的工作成果，同時代的人卻瞧不起他的能力，還給他「第二名」（Beta）這個綽號，暗示他不是第一流的思想家。

質數表的誕生

他提出的聰明想法之一是，用有系統的方式產生一系列質數。為了找出從 1 到 100 之間的所有質數，埃拉托斯特尼提出以下的程序。從 2 這個數開始，刪掉隨後所有 2 的倍數，只要在數字表中刪除每走 2 步遇到的整數就行了。接著走到 2 以後還沒刪掉的下一個整數，顯然是 3，現在要有系統的刪除每走 3 步遇到的所有數字，就刪掉了 3 的所有倍數。這個方法在此刻開始顯出自己的本領。整數表中還沒有刪掉的下一個數是 5，重複我們在前面兩個數所用的方法，把每走 5 步遇到的數字全部淘汰掉。

這個程序的要訣是：移到下一個還保留著的數字，然後往後面刪掉這個新數字的所有倍數。如果你做得很有系統，把 7 的倍數都淘汰之後，就會產生一個小於 100 的質數表。

這個程序極為聰明，省去了必須考慮很多的麻煩，非常適合電腦執行，但若要大量產生質數，它的問題是很快就會變得效率低落。它是思考的捷徑，可以讓你像機器般產生質數表，但這不是我想在本書裡頌揚的那種捷徑。我想要的是發掘質數的聰明策略。

利用太陽的位置計算地球周長

不過，我要給埃拉托斯特尼的地球周長計算工作打高分，因為太巧妙了。他聽說斯溫尼特（Swenet）城裡有一口井，太陽每年會有一天在它的天頂。太陽在夏至正午直射井底，不會在井邊投下任何影子。斯溫尼特就是今天的亞斯文（Aswan），離北回歸線不遠，北回歸線位於北緯 23.4 度，是我們發現太陽能夠從頭頂直射的最遠位置。

埃拉托斯特尼知道可以利用這個和太陽位置有關的資訊，在夏至這天進行實驗，讓他算出地球的周長。雖然這樣他就不必用捲尺繞地球一圈，但這項實驗還是需要走走路。他相信亞歷山卓位於斯溫尼特的正北方，於是在夏至那天，他在亞歷山卓豎起一根竿子。兩地的經度實際上差了 2 度，雖然沒有百分之百準確，不過我要為他的實驗精神鼓掌。

那天，太陽直射斯溫尼特，沒在那口井投下影子，但卻讓亞歷山卓的竿子產生一道影子。埃拉托斯特尼測量了影子長度和竿子長度，就能畫出一個具同樣比例的三角形，然後量出角度，這會告訴他亞歷山卓在地球周長上與斯溫尼特距離多遠。他量出的角度是 7.2 度，也就是一整個圓的 1/50，現在他只須知道亞歷山卓到斯溫尼特的實際距離。

他沒有親自走到斯溫尼特，而是雇了一位專門丈量距離的人員，稱為測距員（bematist），他們會在兩座城鎮之間走直線，當中只要有任何偏差都會把估算搞砸。丈量結果會用更大的計量單位來記錄：斯塔德。結果，亞歷山卓在斯溫尼特以北 5,000 斯塔德，倘若這是繞地球一整圈的 1/50，那麼地球的周長就會等於 250,000 斯塔德。

今天我們並不確定，埃拉托斯特尼所雇的測量員到底是用多少步來計量他的斯塔德，但就如我在前面解釋過的，這個丈量結果好極了。用一點幾何學，他就省去了雇人走地球一圈的需求。

幾何學的英文字 geometry 正源自這個實驗，因為拆解之後，它是意指「丈量地球」的希臘文：geo=地球，metry=丈量。

——本文摘自《數學就是這樣用：找出生活問題的最佳解》，2022 年 11 月，天下文化出版，未經同意請勿轉載。

2013 年國際數學界最轟動的新聞，應屬中國留美學者張益唐在孿生質數問題上所作出的突破。他個人的經歷更增加了整件事的傳奇性。

張益唐雖然是北大數學系的高材生，但是 37 歲從美國普渡大學拿到博士學位之後，因與指導教授意趣不合，一時在學界無法發展，多年靠打工餬口。1999 年才好不容易至新罕布夏大學數學系任講師。在張益唐長期不得意的歲月裡，他雖然沒有發表什麼數學論文，但是也不曾喪失志氣，還是堅持研究自己喜歡的數學問題。

張益唐在 58 歲暴得大名，各種獎項與頭銜接踵而來，在最是少年逞英豪的數學世界裡，真成為一個異數。英國數學家哈代在他著名的小冊子《一個數學家的辯白》裡曾說：「我不知道有任何一項數學的主要進展，是由超過五十歲的人所啟動。」張益唐正好給哈代的偏見一個反例。

張益唐研究的是關於質數的性質。

一個自然數 p 是質數（也稱為素數）的條件有二：其一，p 大於 1；其二，除了 1 與 p 自己之外，沒有別的自然數能整除 p。全體質數可以從小到大排成一個數列 2, 3, 5, 7, 11, 13, …，通常把排在第 n 個位置的質數記作 pn。如果 pn 與 pn+1 相差為2，則稱質數對 (pn, pn+1) 為一對孿生質數，例如 3 與 5，5 與 7，11 與 13。

「孿生質數猜想」就說這樣的質數對有無窮多組。因為古希臘的歐幾里得在他的巨著《原本》裡，曾經證明質數有無窮多個，所以有人以為也是歐幾里得最先提出孿生質數猜想。其實不然，目前從文獻中所見， 1879 年英國數學家格萊舍（James Whitbread Lee Glaisher）在《數學信使》（Messenger of Mathematics）雜誌上的一篇文章，才是第一次將孿生質數猜想見諸文字。

張益唐的大突破是證明有無窮多組質數對 (pn, pn+1) 使得 pn 與 pn+1 相距不超過 7 千萬。

為什麼這是一個大突破呢？因為在張益唐之前，不管給出什麼固定數 m，完全不知道相差在 m 之內的質數對，到底是有限多個還是無窮多個。自從 2013 年 5 月他的成就在國際媒體上廣為流傳之後，世界上很多數學家努力要把 7千萬的差距往下壓縮，目前已經改善到 246 之內。但是距離孿生質數猜想所需的 2，還有巨大而艱困的鴻溝。

一般人從媒體得知張益唐對數學做出了重大貢獻，可能會好奇問他的結果有什麼用？這裡「用」當然是指實際的應用。其實，他的成果目前還只有純學術價值，與國計民生毫不相干。自從古希臘人辨識出質數，在兩千多年的時間裡，除了數學家關心質數外，質數一直缺乏任何應用價值。二十世紀電腦發達之後，才利用因數分解成質數的超級困難特性，產生了某些幾乎無法有效破解的密碼系統，廣泛的應用到金融、通信、資料保密上。

在中國古算裡缺席？

一個基本的數學概念，經歷了兩千多年的滄桑，才顯現出它的實用價值，這不是一件平凡的成就。因此，我們不得不佩服希臘人研究質數的真知灼見，並且感嘆十八世紀前的中國傳統數學裡卻不見質數的蹤跡。質數為什麼會在中國遲來報到？實在是一個令人費解的現象。

歐幾里得的《原本》約在西元前 300 年左右成書，是古希臘數學集大成之作。第七卷討論數的性質，是使用幾何的觀點來理解數。也就是從「單位」的概念出發，以度量直線段的方式引入「數」。第七卷定義 2 說「一個數是由許多單位合成的。」因此，1 代表單位而不算作「數」。定義 11 說「質數是只能為一個單位所量盡者。」定義 16 說「兩數相乘得出的數稱為面，其兩邊就是相乘的數。」所以質數只能是線，而不能稱為面。

從這些定義可看出來，古希臘人所謂的「數」是依附在幾何的體系裡而得以操作。中國古代缺乏像《原本》這種按照邏輯次序鋪陳結果的數學書，通常是以解決實際問題的風貌來書寫，因此不太可能探討與闡述「數」的純粹性質。

例如，以《九章算術》為代表的中國古算裡，數字是與矩形、直角三角形的面積緊密相連結，但卻沒有像希臘人那樣分辨，有些數是可以表現為面，而有些數卻不可以。

也許古代中國缺乏一項歐幾里得所擁有的知識背景，因而造成了雙方關注問題的差異。古希臘有一位重要的哲人德謨克利特（Democritus），他主張萬物皆由不可分割的「原子」所構成。在「原子論」的知識背景下，數目 1 就不會與其他數目等量齊觀了，1 是「單位」，是數的「原子」。

中國古代沒有明確的「原子論」，《墨子．經說下》所說：「非半，進前取也。前，則中無為半，猶端也。」其中切得不能再切的「端」在《墨子．經說上》解釋為「端，體之無序而最前者也。」也只是類似「原子」的概念，並未發展到德謨克利特的思想程度。「原子論」思想的欠缺，或許是質數在中國古算裡缺席的因素之一。

難以望其項背

康熙敕編的《御製數理精蘊》（簡稱《數理精蘊》）是融合中西數學的百科全書，其中將質數譯為「數根」，並且在附表〈對數闡微〉中列有質數表。雖然質數已經在中國現身，但是數學家並沒有感到相見恨晚而深入探討。

晚清數學名家李善蘭在翻譯歐幾里得《原本》後九卷時，第一卷第一界說為：「數根者唯一能度而他數不能度」，也把質數翻譯成「數根」。

李善蘭很可能受《數理精蘊》的影響，而去研究判別給定數是否為質數的方法。英國傳教師偉烈亞力（Alexander Wylie）將其中一法，以給編輯的信公布在香港一家英文雜誌上，其敘述為「以 2 的對數乘給定的數，求出其真數，以 2 減同數，以給定數除餘數，若能除盡，則給定數為質數；若不能除盡，則不是質數。」

此命題常被稱為「中國定理」，其實是歐洲早已知道的「費馬小定理」的逆命題，該定理斷言若 p 為質數，則 2p − 2 ≣ 0 (mod p)。

其實李善蘭的方法並不永遠正確，例如：2341 − 2 是 341 的整倍數，但是 341 = 11 × 31 並不是一個質數。1872 年李善蘭在《中西聞見錄》報刊發表了〈考數根法〉一文，成為清末關於質數研究的重要成果，但是他並沒有收錄「中國定理」，應該是他已經知道命題並不為真。

要知道李善蘭與高斯的生命是有重疊的時期，因此當西方以質數為基礎所建立的數論，已經繁複深刻美不勝收之時，也許連李善蘭都不曾完全清楚中國落後的程度是多麼巨大！