【智活星期二】余誌民：「跟大自然學習無為自在的境界。」

• 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。

• 專訪柳勇全／史丹佛醫學院副教授

在全球疫情緊張的現在，史丹佛醫學院副教授柳勇全說出了睡眠對提升免疫力的重要性，在這個時間點更形重要。柳醫師是耳鼻喉外科併整形外科副教授、生物設計（Bio Design）教師培訓學者，專精於睡眠呼吸中止症的外科治療。

他指出，過去曾經做過一個研究，把感冒病毒置於病人鼻腔，發現睡眠少於五小時的團體，50% 會得到感冒，睡眠多於七小時的人，只有 18% 得到感冒。同樣地，睡眠多於六小時的人，打疫苗後身體會產生大量抗體，而少於六小時的人，抗體反應不明顯，就算事後補眠，效果也不彰。

柳勇全醫師指出，新型冠狀病毒與過去 SARS 病毒很大的不同點在於潛伏期相當長，SARS 病毒的症狀明顯，可以馬上隔離，但在新型冠狀病毒，許多患者剛開始都是無症狀感染，等到看到症狀時，已經感染給許多人。

所以只要呼吸不順、胸痛、發燒、咳嗽，或是頓時失去味覺、嗅覺，都不用等，需要馬上就醫篩檢。

新型冠狀病毒迷思

針對這次疫情，剛開始的時候亞洲人戴口罩，許多美國人則戴手套，差異極大，其實不論哪種形式，都是為了保護自己與別人。但以科學的角度來看，新型冠狀病毒是由上呼吸道感染病人，所以任何可以降低病毒進入人體的都是好方式。

以口罩為例，除了戴好之外，千萬不要用手摸前方，就算丟棄也要丟入有蓋的垃圾桶，不要讓病毒有機會感染其他人。

此外，針對新型冠狀病毒大家有許多迷思，包括下列兩項。

1. 高齡者比較容易被感染
   其實感染新型冠狀病毒沒有年齡的問題，不只是高齡者，目前也有許多年輕患者，譬如本來就有呼吸道疾病，或者是年輕醫護人員在工作過程中吸入大量病毒都有可能。在標榜個人主義的美國，許多年輕人在疫情初期都不願意戴口罩，但是現在的確是一個「你什麼都不做，只要乖乖待在家裡，就可以救別人」的非常時期。
2. 社群媒體的藥物討論
   疫情過程中，不斷有許多社群媒體討論，哪些藥物可以有效治療新冠肺炎，影響了許多人對藥物的看法。柳醫師指出，藥物是否有效，是相當嚴謹的臨床實驗過程，答案絕對不會來自於社群媒體，這當中有很多報導可能都沒有根據，也未經證實，最好的方式還是向醫生詢問，絕對不要亂吃藥物，造成身體不必要的損傷。

疫情對於美國醫學體系的衝擊與改變

這次疫情讓美國各大學首次停辦畢業典禮，過去在畢業典禮中的歡樂與淚水，也在病毒的影響下，只能成為遙遠的小確幸。

柳醫師從醫學教授角度來看，這次疫情對美國醫學體系的衝擊與改變如下：

1. 基礎研究停止
   疫情爆發後，醫院只開急診刀，讓人力保持最大的彈性，許多老師的基礎研究，如果與新型冠狀病毒無關也都須先暫停，而基礎研究是支撐醫學進步的重要基石，暫停雖迫於無奈，但的確也對醫學界產生長遠的影響與衝擊。
2. 遠距教學
   因應疫情時代的來臨，遠距教學將對生活產生根深蒂固的影響。但有許多事務仍是遠距無法取代的，以教學為例，老師在遠距的情況下，無法確切觀察到小朋友的互動、因材施教。
   同樣地，外科醫學院學生或許可以看影片來學習與模擬，但與開刀房的實作環境仍有相當大的不同。在開刀房中對於整個開刀房情況的掌握，絕對不是線上教學可以取代。
3. 創新的限制
   所有領域的創新一直是矽谷的靈魂，幾個人卡在車庫裡的創新，絕對不是遠距可以取代的。而這次疫情的經驗，讓我們知道哪些事情可以善用遠距，同時也更了解，人與人之間的溫度仍是無法取代的門檻。
4. 傳統看診方式正在改變
   傳統的看診方式也正在被遠距取代，問診的確很重要，但是很多測試可以改以行動健康管理的方式進行。以睡眠測試為例，以前到睡眠中心睡一晚的費用相當高昂，但是效果可能不如受試者利用手錶記錄的睡眠數據來得有用。

這些遠端測試數據都是相當重要的資產，如果可以活化應用，以後疫情只要在世界任一角落出現，馬上可以進行隔離、醫治，等於把國防的概念帶到防疫，絕對相當受用。

柳醫師笑著說，美國零售量販賣場塔吉特百貨（Target）發現，疫情期間，襯衫的銷量大增，而褲子的銷量下降，主要原因是大家現在用線上軟體開會，只需要上半身穿著正式即可。雖然說這是個疫情期間的笑話，但是透過會議軟體舉辦的遠距研討會，沒有臨場感，加上看不到聽眾的反應、缺乏互動，效果的確不如實體會議。

美國醫療系統在疫情期間受到嚴重衝擊的主因

這次疫情的爆發，對美國的醫療體系產生巨大影響，柳醫師指出，美國擁有龐大的醫療資源，但長期以來，美國的健康數據卻比不過其他先進國家，也比不過台灣，主要歸因於：

1. 資源分配與供應
   美國的醫療狀況是大城市的資源多，小城市相對少。再者，在醫材零件上較缺乏韌性，一遇到問題時，是否可以即時供應就成為瓶頸。以台灣為例，口罩一有缺，一星期便可以開始產出，但美國較缺乏這種彈性。
2. 人力使用
   疫情爆發期間，美國醫學院學會（Association of American Medical Colleges, AAMC）即指出需要更多醫生，美國其實擁有充足的護理能量，但由於法規的限制，讓人力使用的彈性與效率相對降低。
3. 缺乏全民保險
   美國沒有全民健保，就算有保險也有分類，所以大家不敢隨意看病，這不僅是保險問題，也是政治問題，對於弱勢族群的保障相對薄弱。

目前經濟力較為充裕的加州，正著手以地方的力量解決並改革問題，希望可以透過正確的方式改正目前醫療體系暴露的問題，讓其他地方開始複製、學習。

「疫情把我們打垮，我們才會改變。」雖然這是我們絕對不樂見的狀況，但危機正是轉機，也期待疫情造成的犧牲能為全球醫療與保險體系的修正帶來曙光。

＝ I C 筆記／ 詹益鑑＝

這次訪談是我跟 KT 節目開播後的第一次訪談，也就是說，柳醫師是我們第一個來賓。但因為當時是加州疫情剛爆發的階段，我們所有人都正在適應居家避疫，節目也從第一集開始就採用隔空遠距錄音的方式，因此在準備器材跟訪問資料時，都顯得手忙腳亂。

幸好在柳醫師充足的準備與協助下，我們有了很精彩、順利的第一次訪談錄製經驗，也由於他的專業背景與近距離觀察（日後才知道全灣區第一個新冠肺炎的病患就是送進史丹佛附設醫院），讓我們跟聽眾對於疫情的理解、對於醫療系統所遭受的衝擊，有了明確而清晰的輪廓。

在這集訪問之後，我跟柳醫師成了好友，經常交流醫療科技創新跟疫情相關的資訊，更開始認識跟連結在灣區的醫學研究與公衛體系。現在還出了書，這都是節目錄製前沒有想過的事！

——本文摘自《矽谷為什麼：科技、新創、生醫、投資，矽谷直送的最新趨勢與實戰經驗》，2022 年 6 月，商周出版，未經同意請勿轉載。

• 本文轉載自科技大觀園，原文為《疫情之下，線上測驗與監考的隱私權難題》
• 作者／許君咏｜科技大觀園特約編輯

今年（2021年）夏天，因 Covid-19 疫情警戒提升至第三級，從五月18日全國各級學校停止到校上課，然而在這段期間內，並不是真的放大假，為了降低疫情對學生學習的影響，教育部強調「停課不停學」， 將課堂學習、測驗評量等都移到線上進行。

後來一路停課至七月底，當時教育部給予的建議為期末考可採多元評量，以不到校為主，然而遠距期末考到底要怎麼考，成為大家當時關心的話題，有些仍採測驗模式的科目爲求公平，老師們紛紛祭出各種防弊作法，例如大學教授提前制定嚴格的線上考試規範通知學生；或者規定學生架設手機、鏡子、電腦至特定角度，讓老師能夠從鏡頭中監考；師大附中則是自建系統舉辦期末考，每次螢幕只顯示一道題目並限定考試時間，全程錄影防止舞弊。

其實在這十年來，線上課程便已成為一股潮流，而 Covid-19 的流行更加速了遠距教學發展的步伐，隨著線上教學越來越普遍，不同公司紛紛推出遠距監考服務，試圖解決教育工作者的煩惱 ——「遠距考試怎麼做才公平？」。根據 2020 年 EDUCAUSE 雜誌的調查發現，超過一半（54%）的高等教育機構使用遠距監考服務，另外有 23% 的機構正在考慮或計劃使用。

常見的監考服務形式有以下幾種，例如要求學生安裝瀏覽器擴充功能，以「鎖定」他們的瀏覽器，防止學生在考試期間瀏覽其他網站；有些則是追蹤學生在電腦上使用的軟體；或者透過能夠進入學生網路鏡頭的軟體來監視他們，甚至再加上一位監考員；也有服務是利用眼動追蹤或網路流量分析來進行監考。然而，這些因應遠距考試的監考服務看似方便，卻也帶來更多挑戰。

今年八月，美國喬治華盛頓大學發表的一項研究，探討了被遠距監考的學生們對安全與隱私的看法。首先，他們分析了八種遠距監考 Chrome 瀏覽器擴充功能的用戶評論，發現自 Covid-19 大流行後，2020 年 2 月評論數量迅速增加，同時這些擴充功能的星級評分也急劇下降，這可能表示用戶們不喜歡監考服務，接著，他們對 102 名參加過線上測驗的學生進行調查，以了解他們的想法及疑慮。

結果顯示，只有 39% 的參與者表示他們偏好線上監考測驗，大多數的參與者，即便認同遠距監考是維持線上測驗公平性的解決方法之一，但他們還是偏好傳統考試。學生們了解，為了在家中安全考試，他們需要放棄一些隱私權，然而，大部分學生還是會擔心為了參加考試，必須向遠距監考的公司提供個人資料，尤其在身份驗證的過程，例如學號、電話、地址，甚至學生證及駕照等重要個資，學生們在意的是這些資訊會被如何處理，以及會被留存多久。

雖然一半以上的學生認為線上監考過於侵犯隱私，但對不同監考方式的反應仍有些差距，像是鎖定瀏覽器、使用網路鏡頭以及螢幕錄影等，是較為常見的遠距監考模式，但研究結果表示，只有一半的人能接受鎖定瀏覽器，而四分之一的人對攝影機和螢幕錄影感到自在，代表目前常用的監考方式和學生能接受的有一定落差，至於參與者們最不喜歡的方式，就是瀏覽器歷史紀錄被監視。而到底遠距監考能不能有效避免舞弊，大部分的參與者不認為監考有用，約 61% 的人認為仍然有辦法作弊。

這項研究也探討了權力動態對學生看法的影響，意思是 97% 的學生被遠距監考是因為老師或學校要求，因此他們可以為了考試公平犧牲一些隱私，也有些參與者表示，不認為遠距監考會侵犯他們的隱私，因爲他們信任提出監考要求的教育機構。

最後，研究團隊也根據他們的發現，對教育機構提出了一些建議。

例如在考慮班級規模及學生預期行為後，建議選用最少監控的監考方法，並在考試前向學生提供明確的理由，說明為何選擇這個監考類型；並希望各機構能徹底了解線上監考軟體的常見漏洞及風險，並在考試前詳細說明，在考後協助卸載，或將軟體安裝在學校發放給學生的設備裡。當然，更理想的作法是，和學生一起評估和選擇監考軟體。

Covid-19 的到來，讓數位學習前進的步伐被迫加速，然而這種跨越時間、空間的學習模式並不會隨著疫情趨緩而停滯，不論是教學模式或評量方式，學習者和教育者都在適應這些改變，新的挑戰接踵而至的同時，也讓我們重新思考教育的本質是什麼。

資料來源

• 防學生遠端期末考作弊 逢甲教授訂超嚴規則網一片讚嘆
• 國立大學遠距考試擺鏡子喬角度「自主監考」 學生：是認真的嗎？
• 秒存答案不怕網路斷線！師大附中自建系統 舉辦線上期末考
• Susan Grajek. EDUCAUSE COVID-19 QuickPoll Results: Grading and Proctoring. EDUCAUSE Research Notes, April 2020.
• Balash, D. G., Kim, D., Shaibekova, D., Fainchtein, R. A., Sherr, M., & Aviv, A. J. (2021). Examining the Examiners: Students’ Privacy and Security Perceptions of Online Proctoring Services. arXiv preprint arXiv:2106.05917.
• Lederman, D., & Lieberman, M. (2019). How many public universities can ‘go big’online. Inside Higher Ed.