0

0
0

文字

分享

0
0
0

地球只有一個,但很夠了@《富足:解決人類生存難題的重大科技創新》

鄭國威 Portnoy_96
・2013/08/03 ・1242字 ・閱讀時間約 2 分鐘 ・SR值 492 ・五年級

我是個悲觀的人,所以當我看見一本書的書名是「富足:未來比你以為的更美好」(此為英文版書名)的時候,你可以猜到,我其實是嗤之以鼻的。

因為興趣也因為工作的關係,我關注–有時也參與–橫跨國內外許許多多的人權、社會與科技議題,我看見不斷擴大的衝突跟總是重演的悲劇螺旋:戰爭、飢荒、腐敗、壓迫、背叛、冷漠……絕大多數的課題沒有被解決,反而變得更糟。日復一日的擔心,然後灰心,然後擔心,然後灰心……。我在寫這篇文章時,敘利亞戰火下斷手殘肢的屍體與柬埔寨金邊愛滋兒童枯瘦的病體在我的臉書上輪播著,中間穿插著「陌生人朋友」到北歐旅行的快樂照片,以及一個莫名其妙的三國App遊戲廣告。

我原本以為看完這本書之後,我的感想會是再次嗤之以鼻(我的鼻子真忙)地說「真是無藥可救的樂觀主義者!」但顯然我錯了。

可能跟許多人的感受不同,我認為本書作者之一Peter DiamandisX Prize奇點大學創辦人–其實反而是我最認同的那種悲觀主義者;他認知現況有多麼糟糕,但他也清楚知道自己該做些甚麼來改變現況。對Diamandis來說,儘管這世界上的問題看似龐大到無法解決,但他那融合科學家與創業家的經驗與眼光告訴他:解決之道就在問題裡頭。為了讓科學家能夠聚集力量、獲得資源去挑戰不可能,他成立了 X Prize 基金會,要在重賞之下鼓勵智勇兼具者挺身而出;而為了培育更多像他一樣致力於解決十億人規模「大問題」的創業家與未來領袖,他創立了奇點大學,讓這些人共聚一堂,互相碰撞。這些大到即使是國家領袖都不敢想、也不面對的問題,都是他的守備範圍。

-----廣告,請繼續往下閱讀-----

這讓我想起另一位多次登上TED的講者,學者與政治行動家 Lawrence Lessig。他在今年2月於TED 2013 演講最後提到:一位女士在他某次批評國會腐敗體制的演講之後回應「教授,你說服我這沒希望了,沒希望了,我們束手無策了」。Lessig原本不知道如何回應這種絕望,但他想像一位醫生跟他說「你六歲的兒子得了末期腦瘤,而你束手無策」。如果是你,你會甚麼都不做嗎?

不,我們還是會做,儘管徒勞無功的機率極高,但我們甚麼都願意去做。我認為這就是這本書要告訴我們的:人類的確面臨重大的挑戰,但同時,我們也首度擁有回應這些挑戰的科技。科技本身或許沒辦法改變甚麼,但是科技加上意志可以。我們的確只有一個地球,也沒人反對節約,但如果我們要讓數十億人不用再受飢荒、疾病、貧窮所苦,我們需要的是革命性的新能源技術、生物醫學、跟傳播科技。這本書討論了許多足以回答這些巨大問題的科技創新,當然,我們期待這些創新趕快變得過時、落伍,被更先進的科技取代,但這本書所揭示的契機,將會持續帶給所有悲觀者前行的勇氣。

本文為《富足:解決人類生存難題的重大科技創新》一書推薦序。該書為PanSci 2013年8月選書。

文章難易度
鄭國威 Portnoy_96
247 篇文章 ・ 1244 位粉絲
是那種小時候很喜歡看科學讀物,以為自己會成為科學家,但是長大之後因為數理太爛,所以早早放棄科學夢的無數人其中之一。怎知長大後竟然因為諸般因由而重拾科學,與夥伴共同創立泛科學。現為泛科知識公司的知識長。

0

1
2

文字

分享

0
1
2
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 54 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

5
2

文字

分享

0
5
2
到底什麼是精準醫療?——專訪「國家級人體生物資料庫整合平台」執行長黃秀芬
科技大觀園_96
・2022/01/09 ・4067字 ・閱讀時間約 8 分鐘

-----廣告,請繼續往下閱讀-----

談到醫療,許多人想到的可能會是對相同疾病採用相同療法的傳統治療行為,但事實上隨著科技進步,醫療產業也正在出現變革,其中「精準醫療」便是近年來最熱門的話題之一.但精準醫療究竟在「準」什麼?對未來醫療產業又可能帶來什麼樣的影響?

為了解答這項問題,我們特別專訪到國衛院分子與基因醫學研究所研究員級主治醫師,同時也是國家級人體生物資料庫整合平台(NBCT)執行長,長年投入分子遺傳學及病理診斷研究的黃秀芬醫師。

什麼是「精準醫療」?

黃秀芬解釋,醫療行為最重要的是診斷必須正確,但過去很長一段時間裡,醫學都是仰賴前人經驗積累而成,要使用什麼藥、採用什麼療法都以經驗為主,對待所有人都沒有什麼不同。直到臨床試驗成為常態,大家才發現人都有不同的樣態,人種、甚至是居住地點的差異,都會影響人罹患疾病的可能,同時也會讓患有同樣疾病的人對治療行為出現不同反應。

2003 年人類基因組計劃(Human Genome Project)成果公布後,醫療界開始了解到人在基因上的個體差異,不同種族的基因突變率也不一樣,這讓醫生開始懂得從基因上做出辨別,選擇有同樣基因突變的病人參與臨床試驗才更能確認治療的有效性。

-----廣告,請繼續往下閱讀-----

2004 年 EGFR 基因突變和肺癌標靶藥物療效的臨床研究成果發現,基因差異導致相同的藥物醫療未必有相同的療效,這更進一步深化了醫療界對基因研究的重視,加速標靶療法(Targeted Therapy)、個人化醫療(Personalized medicine)的研究探索,隨著醫療持續發展,這些針對個人基因來選擇最佳醫療決策的醫學模式有了更統整性的說法:精準醫療(Precision Medicine)。

只是不管精準醫療有多「準」,要想真正達成「針對基因進行醫療決策」的效果,事先瞭解群體基因特徵就成為不可或缺的基礎,而這也正是人體生物資料庫(Biobank)出現的原因。

2003 年人類基因組計劃成果公布後,醫療界開始了解到人的基因差異,將導致醫療效果有效性。圖/Pixabay

BioBank 的「生物檢體」,幫研究者揪出致病因子!

人體生物資料庫主要儲存研究用的人體生物檢體,這些大量、多樣的檢體數據除了讓研究人員能從長期生活習慣、環境差異的比對中找出可能的致病因子,也能將特定病例與健康群體的情況進行對照研究,對醫學研究有相當大的助益。包含日本、美國、加拿大、冰島等國家,,都已成立公共人體生物資料庫,由於涉及倫理爭議,各國成立之初都遇到不少挑戰,而臺灣也是。

臺灣最早的人體生物資料庫,是 2003 年由中研院規畫成立的,隨著 2010 年政府通過《人體生物資料管理條例》,各大醫學中心也紛紛開設自家所屬的人體生物資料庫.然而因為其中一些使用率偏低、收案數目也不大,在無法與醫療資訊完善整合下,一直沒有達到很好的效果。

-----廣告,請繼續往下閱讀-----

為了更妥善應用現有資源,活絡臺灣各家人體生物資料庫之間的合作,衛福部在 2019 年正式成立「國家級人體生物資料庫整合平台」,訂定一致性標準來提升檢體品質、臨床資料內容,盼藉此提升整體使用效能。因此,於分子病理診斷領域耕耘許久、長期負責國衛院人體生物資料庫的黃秀芬,順理成章的成為整合平台執行長的不二人選。

談及整合平台現況,黃秀芬表示,臺灣目前約有 35 家經衛福部核可的人體生物資料庫,而整合平台已成功與 31 家人體生物資料庫機構締約,包含臺大、長庚等各大醫療中心及國衛院都在名單當中。平台登錄的收案數已超過 51 萬例,同時數字還在持續增加。在嚴格的申請審查管控下,相信能在保障個資的同時提供給學術界更好的研究來源。

在去年開始的新冠肺炎風暴中,國家級人體生物資料庫整合平台也發揮了功效。透過建立「臺灣新型嚴重特殊傳染性肺炎研究網及資料庫」,快速自全台合作醫療機構收集 COVID-19 陽性個案的檢體和資訊,除了提供了相關研究團隊做學術研究外,也因為能夠快速提供產業界開發檢測產品, 搶得上市的先機。

臺灣生技實力強,「精準醫療」大有可為!

對於精準醫療的未來發展,許多國際機構都斷言,精準醫療將是未來醫療產業的主要趨勢,而黃秀芬也同意這項看法。從疾病層面來看,癌症是全球第二大死因,而癌症也與後天造成的基因突變更為相關,因此也是現階段精準醫療研究主要投入的目標,包含廣達、Google、Microsoft 等大廠都紛紛宣布投入生技領域發展,正因為它們都知道那是下一個藍海。

-----廣告,請繼續往下閱讀-----

黃秀芬認為,臺灣生技產業實力堅強,生物科技教育師資水準足夠,大數據、電子資訊研發領域上也具有許多專才,在發展精準醫療上可說具有許多優勢;不僅是精準醫療,近兩年影響全球的新冠肺炎風暴同樣也帶起「精準防疫」需求,可想見未來包含病理診斷在內的生技醫療業、製藥業、大數據、AI 領域都會需要更多相關人才協助。

但就像資訊產業希望也找到懂得設計的人才一樣,現在各產業都在追求跨領域人才,黃秀芬直言醫療產業也是類似情況。AI 技術正在逐漸走入醫療產業,許多大數據、AI 公司都希望和醫院合作,但兩個非常專業的領域都需要更了解彼此才能更好溝通,「你不用樣樣都很專業 ,但得能夠和不同領域專家交流合作。」

至於許多人擔憂的被 AI 取代工作,黃秀芬則認為,醫生的工作並沒有這麼容易被取代,AI 只是減輕簡單工作,像是協助細胞學檢查,讓醫生能把時間花費在需要更多專業能力的醫療作業,「就我所知,許多醫院仍非常需要病理科醫師的人才。」

黃秀芬認為,臺灣生技產業實力堅強,生物科技教育師資水準足夠,大數據、電子資訊研發領域上也具有許多專才,在發展精準醫療上具有許多優勢。圖/呂元弘攝

給學子的職涯建議:有「興趣」最重要!

提到醫療界未來發展,黃秀芬話鋒一轉,也談起了她執教多年的感受。隨著時代變遷,最近幾年可以看到一些優秀學生不再將醫學系視為第一目標.面對這種轉變,她認為也不一定是件壞事。

-----廣告,請繼續往下閱讀-----

黃秀芬指出,過去考醫學院主要是對生物有興趣,大學聯考甚至不用考物理,而現在因為考試制度的變革,數學和物理成績都要採計外,難度也遠比生物高,要想進入競爭激烈的醫學院各項成績都必須很優秀,因此通常考進醫學系的學生,就會是數學和物理都很好的人佔優勢,但在她看來,有時候這兩科很好的學生也不見得就適合讀醫學系。「因為醫學畢竟是和人有關的東西。」

許多物理數學很強的高材生,若原本對生物就缺乏興趣,加上醫學系課業相對繁重,許多醫學專有名詞需要靠背誦而不是推理運算,對這些學生而言相對無趣,常是為了家人或其他因素硬著頭皮學習,結果就是有些人會不適應,這種痛苦到了升至大三大四,要面對解剖和病理等龐大醫學名詞和要死記的內容時,就會更加顯現。

「很多人在大三要面臨大體老師突然就休學,有的人是先休息一年做好心理建設再回來面對.但也有些可能就不再回來。所以我覺得國高中生未來如果想走上醫學這條路,你要先想想是不是真的對生物很有興趣,當然有時候興趣也是慢慢培養的。」

代數, 學生, 微笑 的 免費圖庫相片
數理能力強的學生較有機會考上醫學系,卻不一定適合醫學系的課程。圖/Pexels

「多方探索」,是定錨職涯方向的關鍵

黃秀芬以自身為例,表示她雖然堅定想走上病理醫師一途,但也曾猶豫過是否該選擇病理研究這條路。「臨床醫師最大成就感是來自病人」,她解釋,不論是治療或診斷,只要好好對待病人就能獲得感謝,相對之下,負責檢體檢驗、解剖大體的病理科醫師可以說是位居二線,基本上不會碰到病人,自然也不會得到來自病人的掌聲。

-----廣告,請繼續往下閱讀-----

因為擔心自己未來會後悔,在臺大醫學系畢業後,黃秀芬還是選擇先進入長庚小兒科做了一年住院醫師,儘管面對家長、容易哭鬧的孩童都應對得宜,但出於對病理研究的熱情,她最終還是選擇回到病理研究奮鬥,而這一待就是 20 幾年。

在長年的努力耕耘之下,黃秀芬現在除了於國衛院擔任研究員級主治醫師,同時也是臺灣肺癌、肝癌研究領域的關鍵人物,截至目前已發表過多達 220 篇論文,也是 2004 年亞洲第一個發表 EGFR 突變研究團隊的帶領者。

對此黃秀芬謙虛的表示,她認為自己很幸運,求學過程中碰到許多教授都充滿熱忱願意傾囊相授,現在她在學校教書也是一樣的態度,就是希望年輕人未來能有更好的發展。對於正在探索職涯的學子,她也建議不需要給自己太多壓力,最重要的還是先確定自己對什麼領域有興趣,多方探索後再進行決定。

「我從年輕開始就沒有給自己設定很高的期望,為自己訂下的目標是 50 歲時能在自己擅長的領域裡成為專家,被他人認可的專家。在埋頭研究肝臟、肺臟病理數十年後,現在能被一些人這樣認同,我認為這就是一種成就。」

-----廣告,請繼續往下閱讀-----

參考資料

  1. 國家級人體生物資料庫整合平台
  2. 國家衛生研究院人體生物資料庫
  3. 臺灣人體生物資料庫
  4. 黃秀芬研究員級主治醫師 – 分子與基因醫學研究所
  5. 國家級人體生物資料庫整合平台中央辦公室揭牌- 國衛院電子報
科技大觀園_96
82 篇文章 ・ 1125 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。

0

0
1

文字

分享

0
0
1
想要創造心流體驗?那你先從自得其樂開始——《心流:高手都在研究的最優體驗心理學》
行路出版_96
・2019/07/06 ・4113字 ・閱讀時間約 8 分鐘 ・SR值 525 ・七年級

-----廣告,請繼續往下閱讀-----

編按:如果我們說,知道如何控制意識的人,不管發生什麼事都能保持愉快,那就太天真爛漫了。不然而許多研究的結果都告訴我們,懂得尋找「心流」的人,不管處在什麼景況,即使是在絕望之中,也能夠感受到樂趣。

當個自得其樂的人

外在力量並非決定逆境能不能轉變成樂趣的關鍵。健康、富有、強壯、有權有勢的人,不見得比生病、貧窮、柔弱、受迫害的人更能控制自己的意識。能在生命中找到樂趣的人,與被生命擊垮的人,兩者最大的差別是他們受了哪些外在因素影響,以及他們怎麼看待這些因素——究竟是把挑戰當威脅,還是當成行動機會。

不論發生什麼事都樂於投入,大部分時間都處於心流。圖/pexels

「自得其樂的自我」指的是很容易將潛在威脅轉換成有樂趣的挑戰、懂得維持內在和諧的人。這樣的人不會覺得無聊,也很少感到焦慮,不論發生什麼事都樂於投入,大部分時間都處於心流。自得其樂的人也可以說是「擁有自成目標」,他們的目標大多發自內心,不像多數人是依生理需求與社會的傳統制約決定的。自得其樂的人會按著經驗來訂目標,所以目標大多符合自身狀況。

自得其樂的人可以將原本可能形成精神熵的經驗轉換成心流。因此,要發展出這樣的自我很簡單,只要依循心流模式便是。簡單說明如下:

-----廣告,請繼續往下閱讀-----

首先來設立目標

想要經歷心流,首先必須有明確目標做為努力方向。自得其樂的人面對抉擇時——不管是大至結婚、就業,小至週末怎麼過、在牙醫候診室怎麼打發時間,都可以處之泰然、不慌亂。

目標的選定與對挑戰的認知有關。如果我決定學網球,就必須學會發球、反手拍、正拍,還要訓練體力與反應。事情也可能反過來進行:我喜歡將球打過網的感覺,所以決定學打網球。不管哪一種情形,目標與挑戰是互通的。

一旦經由目標與挑戰定義了行動體系,運作所需技能也就明確了。圖/pexels

一旦經由目標與挑戰定義了行動體系,運作所需技能也就明確了。如果我打算辭掉工作,改經營度假中心,就應該去學飯店管理、財務、挑選營業地點等。當然,方向也可以反過來:發現自己具備的技能可以在特定目標有所發揮——我決定經營度假中心,因為我發現自己的條件很適合。

-----廣告,請繼續往下閱讀-----

發展技能時,要非常留心這些行動的結果——對回饋進行監控。想要成為好的度假中心經營者,我必須正確評估借貸銀行會怎麼看待我的創業計畫,還必須知道什麼措施可以吸引客人。如果沒有隨時留意當中的回饋,很可能會和行動體系脫節,技能不再進步,效率也不如從前。

自得其樂跟不懂自得其樂的人最大的差別,是前者決定追求的目標是自己選的,不是隨機的,也不是外來力量逼他做的決定。這樣的事實有兩個看似相反的結果。

一方面,因為這個決定是自己做的,所以會格外努力,所有行動都很確實,並由內在控制。另一方面,因為是自己的決定,所以可以隨時視情況調整目標。這麼看來,自得其樂的人表現出來的行為,除了比較容易貫徹到底,也比較有彈性。

必須要全心投入

選擇行動體系後,具有自得其樂個性的人會全心投入他所做的事。不管是開飛機環繞地球,或是晚餐後洗碗,他都能全神貫注。

選擇行動體系後,具有自得其樂個性的人會全心投入他所做的事。圖/pixabay

-----廣告,請繼續往下閱讀-----

要做到這一點,一個人必須在行動機會與本身具備的技能間取得平衡。有些人一開始對自己的期許有點不切實際,例如想在二十歲之前成為百萬富翁之類的。一旦希望破滅就變得沮喪,並因為精神能量都浪費在追求未果的事上,整個人意志消沉。

另一個極端,是因為對自己的能力沒有把握,所以自我設限。他們寧可選擇保守而無關緊要的目標,讓複雜性的成長停留在最低層級。然而,要確實參與行動體系中,一個人必須在環境條件與個人能力間取得適當平衡。

舉例來說,一個人走進一間擠滿人的房間,決定「加入派對」,也就是說,他想要盡可能多認識些人,同時希望能玩得開心。如果是缺乏自得其樂性格的人,很可能因為無法主動與人攀談,便退到角落去,希望有人注意到他;或是,他可能會過分聒噪或太搶風頭,因不當而虛假的熱情讓人退避三舍。

要確實參與行動體系中,一個人必須在環境條件與個人能力間取得適當平衡。圖/pixnio

-----廣告,請繼續往下閱讀-----

這兩種策略都不可能成功,也不可能玩得開心。但是懂得自得其樂的人進入房間後,會先將注意力從自己轉到派對,也就是他希望融入的「行動體系」。他會觀察參加的人,試著猜測哪個人可能跟他志同道合,然後開始與這個人談論他認為兩個人都會喜歡的話題。如果得到的回饋是負面的——交談顯得無聊,或是對方覺得不投機——他會試著換個話題,或是另覓談話對象。唯有行動與行動體系提供的機會相稱時,當事人才能完全投入其中。

專注的能力愈強,就愈容易投入行動體系。注意力無法集中的人思緒游移不定,生活只能任憑各種一閃即過的刺激擺布,鮮少遇見心流。非出於自願的分心,是無法控制注意力最明顯的徵兆。令人不解的是,很少人願意花力氣改善自己的注意力。集中精神看書有困難時,不是設法提升專注力,而是將書本扔到一旁,改看起電視,因為看電視所需的注意力少,而不連貫的剪輯、插播的廣告與通常很愚蠢的內容等等,只會讓注意力更加渙散。

注意當下發生的事

注意力可以使人投入,也唯有不斷傾入注意力,才能讓人保持投入狀態。圖/pexels

注意力可以使人投入,也唯有不斷傾入注意力,才能讓人保持投入狀態。運動員都知道,比賽中只要稍微閃神,就可能一敗塗地。重量級的拳王冠軍如果沒注意到對手的一記上勾拳,就可能被擊倒。籃球員如果受觀眾的吶喊聲影響而分心,要進球就難了。同樣的陷阱也威脅著參與各種複雜體系中的所有人,唯有不斷投入精神能量,才能保持置身其中的狀態。不願意專心聆聽孩子說話的父母,會壞了彼此的互動;心不在焉的律師會輸掉官司;而心神不定的外科醫生賠上的,會是病人的生命。

-----廣告,請繼續往下閱讀-----

自得其樂的人,簡單的說,就是擁有持續投入的能力。自我意識這個最容易使人分心的原因,在他們身上不構成問題。因為他不擔心自己表現得如何,也不在意別人怎麼看他,而是全心投入自身目標。一個人投入得夠多時,會將自我意識從意識中排除,有時則是反過來,由於缺乏自我意識,才能深深投入。自得其樂性格的組成元素是互為因果的——設立目標、發展技能、培養專注力、放下自我意識這四個,不管從哪一個開始都可以,因為心流一旦開始,其他元素也會跟著實現。

把注意力放在互動關係,而不是自我身上,會得到看似矛盾的結果。當事人雖然不再覺得自己是獨立個體,卻感到自我變得更加強大。藉由將精神能量投注於包含自己在內的體系,自得其樂的人可以超越自我極限。藉著與體系結合,讓自我脫胎換骨,成就更高的複雜性。這就是為什麼在愛過後失去,好過從來沒愛過。

處處以自我為中心的人可能比較有安全感,但是與願意將注意力投注在周遭事物、參與當中的互動的人相比,這種總是以個人利益為出發點的人就顯得匱乏了。

如果有小孩攀爬雕像而受傷,市政府要花多少錢才能擺平官司?圖/freestockphotos

-----廣告,請繼續往下閱讀-----

我去芝加哥市政廳前廣場,參加為畢卡索的巨型戶外雕塑舉行的揭幕儀式時,剛好站在一位擅長處理個人傷害的律師旁。揭幕演說沒完沒了,我發現他的表情十分專注,口中喃喃自語。我問他在想什麼,他說他在估算如果有小孩攀爬雕像而受傷,市政府要花多少錢才能擺平官司。

我們要說這位律師真幸運,能夠將周遭所有事都轉換成與他的技能相關的問題,所以總是處於心流呢?還是為他只知道專注在自己熟悉的事物上,忽略了這件事在美學、市政及社會上的意義,錯失成長契機,而感到遺憾呢?或許兩種解讀方式都沒有錯。但是長期來看,井底觀天必定有所限制。即使是最受推崇的物理學家、藝術家或政治家,如果只對自己有限的角色感興趣,遲早會變成空洞無聊、不懂得生活樂趣的人。

學習樂在當下

自得其樂的自我——懂得設立目標、培養技能、留心回饋、做事專注而投入的人——即使客觀環境惡劣,仍然可以從中找到樂趣。有能力控制心靈的人,可以讓任何事都成為樂趣來源。夏日的一陣微風、映在高樓玻璃帷幕上的一朵白雲、談一筆生意、看小孩與狗嬉戲、喝一杯水,都足以滿足人心、豐富生活。

然而,想要擁有這樣的掌控權,需要決心與紀律配合。最優體驗不是享樂主義,或貪圖安樂的結果,輕鬆放任的態度不足以抵禦生活中的混沌。就像《心流》這本書一開始說的,想要讓隨機事件化為心流,就必須培養拓展能力的技能,使自己變得更強大。心流可以驅使人發揮創意,成就不凡。

-----廣告,請繼續往下閱讀-----

有能力控制心靈的人,可以讓任何事都成為樂趣來源。圖/pixabay

不斷精進的技能帶來的樂趣,更是推動文化進化的力量。不論是個人或文化,都會因此邁向更高的複雜性。在體驗中創造秩序,得到的獎賞是推動演化的能量——為我們的後代子孫鋪路,讓繼我們而起的他們更具複雜性,也更有智慧。
但是想要將生活的全部變成一場心流體驗,光懂得控制一時的意識狀態是不夠的;還得有整體的目標,讓日常生活中的每一件事都變得有意義才行。

如果一個人只是從一個心流活動跳到另一個心流活動,中間缺少連結,那麼來到人生盡頭往回看時,就不容易看出過去這些日子、這些事的意義何在。對於想要獲得最優體驗的人,心流理論要給大家的最後一項任務,是在所做的每一件事上創造和諧;在這個任務中貫穿所有目標,將人生整合成單一件心流活動。

 

 

 

 

——本文摘自《心流:高手都在研究的最優體驗心理學》,2019 年 3 月,行路出版

 

行路出版_96
16 篇文章 ・ 7 位粉絲
行路為「讀書共和國」出版集團旗下新創的出版社,出版知識類且富科普或哲普內涵的書籍,科學類中尤其將長期耕耘「心理學+腦科學」領域重要、具時代意義,足以當教材的出版品。 行路臉書專頁:https://www.facebook.com/WalkPublishing

0

0
0

文字

分享

0
0
0
地球只有一個,但很夠了@《富足:解決人類生存難題的重大科技創新》
鄭國威 Portnoy_96
・2013/08/03 ・1242字 ・閱讀時間約 2 分鐘 ・SR值 492 ・五年級

-----廣告,請繼續往下閱讀-----

我是個悲觀的人,所以當我看見一本書的書名是「富足:未來比你以為的更美好」(此為英文版書名)的時候,你可以猜到,我其實是嗤之以鼻的。

因為興趣也因為工作的關係,我關注–有時也參與–橫跨國內外許許多多的人權、社會與科技議題,我看見不斷擴大的衝突跟總是重演的悲劇螺旋:戰爭、飢荒、腐敗、壓迫、背叛、冷漠……絕大多數的課題沒有被解決,反而變得更糟。日復一日的擔心,然後灰心,然後擔心,然後灰心……。我在寫這篇文章時,敘利亞戰火下斷手殘肢的屍體與柬埔寨金邊愛滋兒童枯瘦的病體在我的臉書上輪播著,中間穿插著「陌生人朋友」到北歐旅行的快樂照片,以及一個莫名其妙的三國App遊戲廣告。

我原本以為看完這本書之後,我的感想會是再次嗤之以鼻(我的鼻子真忙)地說「真是無藥可救的樂觀主義者!」但顯然我錯了。

可能跟許多人的感受不同,我認為本書作者之一Peter DiamandisX Prize奇點大學創辦人–其實反而是我最認同的那種悲觀主義者;他認知現況有多麼糟糕,但他也清楚知道自己該做些甚麼來改變現況。對Diamandis來說,儘管這世界上的問題看似龐大到無法解決,但他那融合科學家與創業家的經驗與眼光告訴他:解決之道就在問題裡頭。為了讓科學家能夠聚集力量、獲得資源去挑戰不可能,他成立了 X Prize 基金會,要在重賞之下鼓勵智勇兼具者挺身而出;而為了培育更多像他一樣致力於解決十億人規模「大問題」的創業家與未來領袖,他創立了奇點大學,讓這些人共聚一堂,互相碰撞。這些大到即使是國家領袖都不敢想、也不面對的問題,都是他的守備範圍。

-----廣告,請繼續往下閱讀-----

這讓我想起另一位多次登上TED的講者,學者與政治行動家 Lawrence Lessig。他在今年2月於TED 2013 演講最後提到:一位女士在他某次批評國會腐敗體制的演講之後回應「教授,你說服我這沒希望了,沒希望了,我們束手無策了」。Lessig原本不知道如何回應這種絕望,但他想像一位醫生跟他說「你六歲的兒子得了末期腦瘤,而你束手無策」。如果是你,你會甚麼都不做嗎?

不,我們還是會做,儘管徒勞無功的機率極高,但我們甚麼都願意去做。我認為這就是這本書要告訴我們的:人類的確面臨重大的挑戰,但同時,我們也首度擁有回應這些挑戰的科技。科技本身或許沒辦法改變甚麼,但是科技加上意志可以。我們的確只有一個地球,也沒人反對節約,但如果我們要讓數十億人不用再受飢荒、疾病、貧窮所苦,我們需要的是革命性的新能源技術、生物醫學、跟傳播科技。這本書討論了許多足以回答這些巨大問題的科技創新,當然,我們期待這些創新趕快變得過時、落伍,被更先進的科技取代,但這本書所揭示的契機,將會持續帶給所有悲觀者前行的勇氣。

本文為《富足:解決人類生存難題的重大科技創新》一書推薦序。該書為PanSci 2013年8月選書。

文章難易度
鄭國威 Portnoy_96
247 篇文章 ・ 1244 位粉絲
是那種小時候很喜歡看科學讀物,以為自己會成為科學家,但是長大之後因為數理太爛,所以早早放棄科學夢的無數人其中之一。怎知長大後竟然因為諸般因由而重拾科學,與夥伴共同創立泛科學。現為泛科知識公司的知識長。