從內容設計到互動式電子書App的直達列車 –AppCross

• 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。

當電子閱讀漸漸取代紙本閱讀，全球許多國家也開始採用網路教學，你是否也習慣於從網路上接收新知，閱讀文章或電子書，而較少接觸紙本呢？紙本出版品真的會慢慢沒落嗎？人們對於紙本的需求會不斷的減少嗎？

電子閱讀對大腦來說較為費力

事實上並不盡然是如此，因為人類的大腦還沒來得及跟上這個時代。你也許會有經驗，在使用手機或電腦瀏覽各種資訊時，雖然方便，但是會感到難以專注、或是無法完整吸收自己看過的內容。實際上，在螢幕上閱讀，的確會比起在紙本上來得吃力。

在螢幕上閱讀的時候，我們傾向快速瀏覽過所有資訊、尋找我們正在研究的內容相關的關鍵字。聖荷西州立大學資訊學院教授 Ziming Liu 在他的研究中指出，隨著在螢幕閱讀的時間增加，基於螢幕的閱讀行為也不斷出現：像是關鍵字搜索、一次性閱讀、非線性閱讀與選擇性閱讀的情況變多；而花費在一個字一個字深入閱讀和集中注意力閱讀的時間則越來越少。

可能的原因是由於，電子閱讀對大腦來說較為費力，因為螢幕上的訊息會一直變動，想要尋找剛剛看過的資訊時，也很難回過頭把它找出來，每滑一次訊息的位置都會不一樣。所以才會造成大腦需要更多的資源去處理，而大腦本身的資源有限，在這樣的情況下，其他心智功能的運作就會受到影響。

國際學生評量 (PISA) 比較了六十二個會員國的學生使用電腦時數後發現，使用電腦的時數越長，閱讀和數學能力就會越差。舉例來說，瑞典就是利用電腦與網路教學時數最高的國家，結果他們的閱讀、數學以及科學評比都落後其他國家。

在螢幕上讀得更累，學得更差？

你或許覺得這只是一個事例，無法證明電子閱讀會降低我們的學習效果，然而有多項研究皆支持，紙本學習的效果的確更好。

挪威大學的研究者找來了閱讀程度相同、七十二個來自兩所不同學校的十年級學生，隨機分成兩組，其中一組在紙本上閱讀兩篇文章（1400-2000 字），另一組則在電腦銀幕上閱讀相同的文章，在實驗以前，實驗者讓學生們預先做了閱讀理解、單詞閱讀和詞彙方面的測驗，顯示了兩組的閱讀程度並無明顯差異。

在兩組學生閱讀結束過後，進行了閱讀測驗，並控制了詞彙，單詞閱讀，閱讀理解和性別等變量相關的變數，使的不同的閱讀方式，也就是運用不同的閱讀載體，就成為了唯一的變數。

最後，透過複迴歸分析發現，閱讀形式（在紙本或螢幕上閱讀）對於閱讀測驗的結果具有顯著性差異（b = .216, p = .025）。相比於閱讀紙本文章的學生，在螢幕上閱讀文章的學生，在閱讀理解測驗上獲得的分數較低。

這顯示了即使身為數位原住民，大腦很可能還是較習慣紙本閱讀。

在螢幕上考試壓力較大較疲憊

另外，瑞典卡爾斯塔德大學的 Erik Wästlund 則進行實驗，希望了解紙本或螢幕閱讀，哪一種需要更多的生理和認知資源。在其中一項實驗中，他讓七十二名受試者參與瑞典高等教育入學考試的閱讀測驗，這是一種三十分鐘的瑞典語閱讀理解考試，由選擇題構成，包括了五篇平均一千字的文章。實驗進行兩天， 在第一天，測驗內容是透過 pdf 文檔在電腦螢幕上呈現，第二天，則是以紙本呈現同樣的測驗內容。

研究人員讓參與者自由選擇參加的日期和時間，因此他們也無意中選擇了參加的任務。在測驗過後，還進行了壓力-疲勞-飢餓的評量， 要求受試者在疼痛視覺類比量表上用叉號標記他們主觀認為的疲倦、壓力和飢餓程度。

經過數據分析的結果發現，不同的呈現形式對於兩個組別均具有顯著的影響，相較於在紙本上完成測驗的人，在電腦上進行測試的人得到的分數較低，承受的壓力和疲勞則較高。

吸收資訊，紙本快於螢幕

還有英國也做了相似的研究，請五十個布里斯托爾大學的學生在電腦或紙本上閱讀，內容為由英國的大學聯合開發的經濟學入門教材，該文本總共有二十二頁，其中包括了一些圖像和圖表。

電腦組以文檔的方式呈現，紙本組則以螺旋裝訂的小冊子呈現。

測驗時間是二十分鐘，受試者被要求必須指出他們第一次讀完所有內容花了多少時間。其後，進行總共有二十個選擇題的閱讀測驗的途中，受試者還需要同時選擇最能反映自己最初對答案的回憶的「記憶意識」等級。也就是，在填寫測驗的途中，受試者在作答時除了回答目前這一題，還需要回答對於此答案，在他的記憶中大概是多麼清晰或是多麼模糊，並且把這個意識等級記錄下來。

實驗者以記憶意識等級作為「記住」的評量，而以閱讀測驗的成績作為「知道」的評量。測驗結果兩組的成績差不多，紙本組的成績僅略高於電腦組，兩組的閱讀時間和學習結果並沒有太大的差異，但在記憶意識方面發現了重大的差異：

電腦組記住的頻率是知道頻率的兩倍，反之，紙本組記住和知道的頻率相差無幾。

這結果反映了兩者在本質上記憶的不同來源，說明了使用紙本和電腦學習，兩者在認知處理上是有所不同的，以紙本呈現更易於我們閱讀檢視。因此需要迅速吸收的訊息，很可能就不該透過電腦螢幕閱讀。

儘管近年來數位學習越來越發達，使用數位的教材，既能夠跨越時間空間上的限制，獲得資訊的速度也是又快又輕易，還有許多免費的資源。不過我們大腦很可能還未能追上時代快速的變遷。

如果在使用螢幕閱讀上遭遇了困難，最終或許可以考慮回歸到最原始的工具，使用紙本閱讀學習，不僅能夠好好專注還能讓記憶更深刻，最後確實的吸收到所學。

參考資料

1. Liu, Z. (2005), “Reading behavior in the digital environment: Changes in reading behavior over the past ten years”, Journal of Documentation, Vol. 61 No. 6, pp. 700-712.
2. Mangen, Anne, Bente R. Walgermo, and Kolbjørn Brønnick. “Reading Linear Texts on Paper Versus Computer Screen: Effects on Reading Comprehension.” International Journal of Educational Research. 58 (2013): 61-68.
3. Wästlund, Erik. Experimental Studies of Human-Computer Interaction: Working Memory and Mental Workload in Complex Cognition. Göteborg: Department of Psychology, Gothenburg University, 2007.
4. Noyes, J M, and K J. Garland. “Vdt Versus Paper-Based Text: Reply to Mayes, Sims and Koonce.” International Journal of Industrial Ergonomics. 31.6 (2003): 411-423.

• 文／雞湯來了 蕭子喬
  校稿／雞湯來了 陳世芃、張芷晴
  製圖／雞湯來了 黃珮甄
  編輯／雞湯來了 蕭子喬

長大後 我們的存在像塵埃
我們的距離被拉開
有時相處很難 想很多 話很短
－＜小時候＞蘇打綠

你也有一個話越說越少的爸爸嗎？小時候或許會和爸爸一起玩耍，但長大了，和爸爸之間反而不知道要說什麼了？其實，這的確是許多「父子」的共通樣貌，台灣研究發現，因為「文化」和「家人互動習慣」，造成了父子之間常見的「兩道牆」。

無話可說的父子關係，無奈的常態

他不會主動跟我聊天，我也不大會找他聊天，說真的也不知道要跟他說什麼……

我有一些話比較會跟媽媽聊，但是比較不會跟爸爸聊……不知道要說什麼……每天就講……幾句吧，有時候一天也說不到一句話。

台灣學者深入訪談 5 位 20-30 歲的男性上班族「和爸爸相處」的狀況，發現「淡然、無話可說、不知道從何聊起」是成年父子關係的常態，父子之間的互動少之又少，與母親的互動相較多於父親。

特別的是，多數成年男子面對這樣缺乏交集、稍嫌尷尬的狀態，雖然無奈卻覺得理所當然！甚至有受訪者說「這樣很正常呀，有話說才很奇怪吧……我爸跟我阿公也是這樣呀……」

由此可知，雖然無奈，但或許是代代相傳、不知不覺的習慣養成，嚴父、缺乏溫情交流的父子關係，成了眾多男性長大以後自然的常態。（延伸閱讀：經驗複製？家庭如何影響一個人？）

為何無話可說？父子之間隱形的兩道牆

他是傳統的那種男人，有點權威又很大男人主義，所以對家裡小孩還滿嚴厲的，尤其是對我，也不知道是不是因為我是兒子的關係。

吃飯的時候我爸明明也在，但我媽都叫我或我姐去叫我阿公，兩個（祖父與爸爸）就算坐在一起看電視，也沒講過什麼話……

究竟，為什麼無話可說會成為父子關係的常態？該研究學者進一步剖析這群受訪者對家庭互動的解讀，發現父子之間常隔著「兩道牆」：

• 一道主要是「父權文化」之下，期待爸爸扮演權威性的角色，男性陽剛、不表露情感
• 另一道是「家人互動習慣」，父子間常透過家中第三者（尤其是母親）溝通，可能有意無意中阻礙了父子直接的互動機會。

因為文化對於性別角色的期待框架，使得許多爸爸展現了權威，卻沒機會表達愛；家裡的情感性角色任務都給了女性，父子之間沒有機會溫情交流。

由理解而和解，現在開始做自己喜歡的「兒子／爸爸」

或許，現在與爸爸的關係有點無奈、尷尬，但我們可以回首過往、留住記憶中曾經的美好，理解文化對爸爸或家人的影響，並從自身開始，做個讓自己感到自在、喜歡的「兒子／爸爸」。可以嘗試以下 3 面向的練習：

1.  回首兒時美好

研究發現多數父子關係並非一開始就疏遠，兒時階段多有親密、甚至彼此還能像兄弟一樣嬉鬧。那些曾經的父子情感不曾消失，只是太久沒被展現出來了，別忘了相信過去那些愛「都是真的」。
詳細請見：原來爸爸的愛這麼多種！看我家「爹地」的類型

2. 理解文化成因

看見父子之間因為父權文化、過往習慣而形成無形的「兩道牆」，理解爸媽因為文化和過往經驗的不得已、不知不覺。
相關推薦：百善孝為先？爸媽的「孝順」可能和我想的不一樣

3. 自己開始改變

研究發現許多人即便不急著改變自己和父親的互動狀態，但多數期望自己當爸爸時，能有「朋友般」的互動關係。或許我們正是夾在過去文化規範與力求改變之間的一代，將自己定位成自己喜歡的樣子吧！
詳細請見：重新理解我的家庭故事，找一條和解之道

這時候 我們的心變得柔軟
放下了父子的身段
知道時間太晚 不要躲 不要散
－＜小時候＞蘇打綠

• 相關推薦：看見爸爸的內心戲

參考資料

• 陳韻如（2011）。未婚成年男性眼中父子關係之現象詮釋。家庭教育與諮商學刊，11，51-76。

本文與雞湯來了同步刊登，原文連結：父子間隱形的兩道牆：成年男性該如何與父親相處？