【Gene思書齋】誰的地獄？

• 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。

「說謊的話，小心以後下地獄被閻羅王拔舌頭喔！」

「不把飯吃完，浪費食物，死後到地獄就要被逼吃廚餘喔！」

你小時候有沒有被這樣「超自然威脅」過的經驗呢？

或是曾經跟著長輩去過廟宇後面附設的「十八層地獄」，被嚇到晚上惡夢連連呢？

很多人應該也有翻閱過寺廟送的《因果圖鑒》或是收到傳教士給的《末日近了》這類廣為發送的宗教勸世手冊，最常使用的手法就是插入驚悚又生動的地獄插圖，利用恐懼勸人悔改向善。

但這種「超自然的威脅」真的讓人不敢為非作歹嗎？還是只會把小孩嚇出心理陰影呢？

地獄信仰到底能不能嚇阻犯罪？

我們在公民課都學過，不論是法律或是民俗信仰，都能約束人民的行為，維持社會的安定。

但在討論效果之前，我們必須先知道，「地獄信仰」在不同文化和宗教間，對地獄概念的詮釋可能差異甚大，在不同的社會與時空環境中也會產生變化，難以在標準化的尺度上做衡量，講白話就是你的地獄不是我的地獄。

面對此等難題，還是有許多社會學家願意接受挑戰，真是我不入地獄誰入地獄。

一項於 2011 年刊登在《國際宗教與心理學期刊》（The International Journal for the Psychology of Religion）的研究，就想了解，相信神明的形象是「好好神明」的學生，和相信神明是會懲罰你的「嚴厲神明」的學生，是否會影響到他們在考試中作弊的機率。

他們招募了 61 位包含不同宗教背景的大學生，請他們填寫對於神的印象，是偏向寬恕、慈愛、溫柔等正面描述，還是嚴厲、憤怒、令人懼怕等負面描述。蛤？你說有沒有笨笨又無能的女神？這個研究沒有。

接著，研究者讓這些受試者進行 20 題測驗，測驗開始之前，研究人員假裝電腦出了一點問題，並告知如果在題目出現之後不馬上按空白鍵，答案就會自己跑出來，所以「一定要」在看到題目之後按下空白鍵。

研究結果發現，無論受試者的宗教信仰為何，在前一項問卷中對神的觀點傾向負面的受試者，更高比例會依照研究人員的指示，會提早按下空白鍵，不會偷看答案。

研究推論，「相信有嚴厲的超自然懲罰」的人，在行為上比較傾向順從社會的道德規範。

那如果把影響層面從個人擴及到整個社會呢？

美國俄勒岡大學的 Azim Shariff 和荷蘭阿姆斯特丹大學的 Mijke Rhemtulla 兩位心理學家，在 2012 年六月也發表了一篇研究。

他們援引了從 1981 到 2007 年間，前後 26 年、67 個國家的資料，其中包含了基督教、伊斯蘭教、印度教、日本神道教等各種宗教的信徒。結果發現，傾向相信地獄人口比例比較高的國家，犯罪率真的比較低！

而相信天堂的國家不但無法降低犯罪率，還與較高的犯罪率有關。更有趣的是，相信天國的人數百分比減去相信地獄的人數百分比越低，也就是相信地獄的人口比例越高，犯罪率就越低。

但研究團隊也表示，該研究只是確立了地獄信仰與犯罪率之間可能有「相關性」。是否真的是地獄信仰造成犯罪率下降這點，還需要更多後續的研究，無法立刻下結論。

畢竟各個國家的情況都不同，有時候，某些犯罪行為可能出於對不公正法律或制度的抵抗，不是存心行惡。有犯罪行為並不等於反社會，較低的犯罪率甚至可能僅僅反映出人們的服從程度，而非出自真心的利他行為。而且這個研究定義的犯罪行為是這些：

暴力犯罪，不包括可能影響更多人、長期傷害更大的白領犯罪、非暴力犯罪，這也是要考慮的限制。

一項於 2019 年發表於青春期研究期刊 Journal of Research on Adolescence 的研究，使用另一種方法來討論這個問題。研究人員對 760 名青少年進行了線上調查， 分析他們對於神的看法，試著了解受試者認為的神是偏向「懲罰性的」還是「仁慈的」。同時調查他們的日常行為，分析他們在生活中有多少身體、言語等「攻擊性行為」。

結果發現相信上帝是「慈愛的」的受試者，較少與攻擊性行為相關，而相信上帝具有「懲罰性的」則與較多的攻擊行為行為相關。這次的研究成果提供了另一個研究方向，但也模糊了超自然的懲罰與反社會行為之間的相關性。

這樣看起來問題似乎又繞回了原點，到底超自然威脅對社會發展有幫助嗎？

地獄的存在真的對社會發展有利嗎？

2006 年演化生物學家 Dominic Johnson和心理學家 Jesse Bering 提出了一個有趣的理論，發表於演化心理學期刊 Evolutionary Psychology 的論文中，他們認為超自然的懲罰的概念，提供了人類社會在演化過程中的優勢。

他們提出，人類有兩點與其他生物不同。 首先，人類會本能地使用「心智理論」(Theory of Mind)，也就是以其他人擁有與自己類似的心智的假設，來解釋他人的行為； 其次，人類的語言使我們能夠快速交流複雜的想法。

這兩個特點使早期人類得以利用社會約束，甚至控制對方做出自私的行為，這也是一種演化上優於其他生物的優勢。

舉例來說，黑猩猩 A 可以惡整​、創空 (tshòng-khang)​ 黑猩猩 B，甚至把牠的香蕉全部自己吃掉，而這些「自私自利」的行為，都不會被報告給其它不在場的黑猩猩 C、D、F 等知道。

但如果是人類：我們知道其它人可以聽到、發現、推斷、記憶、報告、假設、計劃並根據他人的行為採取行動，也就是說，我們如果在他人面前做出攻擊性的行為，就可能受到群體的制裁。

但過去的人類並沒有監視器和大數據監視系統，我們不可能隨時隨地監視其他人有沒有做出錯誤的行為。因此這時候，有一個全知全能、可以隨時監視你，並懲罰你錯誤行為的神靈，也就是「人咧做，天咧看（Lâng teh tsò, thinn teh khuànn）」的概念，就非常有用了！

Dominic Johnson 和 Jesse Bering 認為，隨著時間的推移，那些相信有「會懲罰你的神明」的社會發展，會比不相信超自然懲罰的社會來得好，並在演化長河中生存下來。

2003 年哈佛大學（Harvard University ）的研究也發現，在已開發國家中，相信地獄的比例大於相信天堂的國家，他們國內生產總值（Gross Domestic Product）較高，似乎也支持了上述的論點。

然而並不是所有的科學家都支持這種看法。一篇 2013 年同樣發表於 演化心理學期刊 Evolutionary Psychology 的論文就提出，過去許多社會——包括古埃及、希臘、羅馬、阿茲特克、印加和瑪雅等高度發展的社會都有組織性宗教的存在，但當仔細檢視這些文明的宗教，就會發現他們的神明除了要求獻祭和忠誠以外，對於人類的道德行為和人類是否善待彼此並不是非常在意。

有看過希臘神話應該知道，希臘神話裡許多神明的道德觀相當一言難盡，甚至有些人可能覺得他們根本只是一群被神力寵壞的肌肉屁孩。

然而上述文明卻並沒有因為缺乏「道德化宗教」而停止發展，或發展得比其他具有「道德化宗教」的社會差。

因此他們不僅質疑超自然的懲罰被作為人類社會發展驅動力的理論，更進一步提出相反的看法，認為現今存在的宗教傾向道德化，是因為人類已經演化出道德直覺，而符合道德直覺的宗教比較深得人心，才會繼續存在。

說到這邊，既然「超自然威脅」在社會發展上有它存在的道理，那我現在是不是該準備一些恐怖故事回家嚇小孩了？不，先等等！

地獄信仰是否會造成心理陰影？父母該不該用地獄嚇小孩呢？

就像前面所說，目前只能證明地獄信仰與犯罪率和國內生產總值有相關性，而「相關性」不等於「因果關係」。

再者，雖然精心設計的「作弊實驗」似乎間接暗示了地獄與犯罪之間的因果關係，但此研究牽涉社會科學的範疇，由於社會系統中存在諸多相互關聯的作用因素。即使有實驗過程，我們還是不能確定這個研究理論能不能應用在日常決策。用下地獄嚇小孩？先不要。

2014 年，前面做過跨宗教犯罪率比較研究的 Shariff 和西門菲莎大學（Simon Fraser University）的心理學家 Lara Aknin 發表另一則研究，說明相信地獄的代價可能是降低你自身的快樂和生活滿意度。

這個研究援引了 2005–2009 年間，合計 155 個國家、455,104 個樣本的資料。評估受試者的生活滿意度和快樂程度，並對比宗教價值觀數據進行分析，結果發現一個國家的信仰越傾向相信天堂，人民就越快樂，越傾向相信地獄，就越不快樂。

但同樣的，統計上的數據分析只能證明地獄信仰與快樂程度的相關性，並不能用以支持「地獄導致快樂程度較低」的假說。比如，「有可能」生活比較悲慘的人傾向相信地獄，而不是相信地獄導致他比較不快樂。

為了進一步確立兩者間的因跟果，他們進一步從「個人」的角度，利用促發效應 (priming) 研究相同的主題。怎麼做呢？他們招募了 422 位受試者，隨機分成三組後，請他們寫一段 100-200 字的短文，主題有三個，分別是「天堂」、「地獄」這兩組實驗組，以及「昨天你做了哪些事」這個控制組，然後請他們評估寫完文章後的心情，針對「快樂」、「悲傷」、「罪惡感」、「安全感」、「恐懼」、「羞恥」或「平靜」七種情緒給予輕微的 1 分到強烈的 5 分。

結果是，寫了天堂相關短文的那組人心情與寫了「昨天做了哪些事」的那組無顯著差異，但寫了地獄相關文章的那組人，無論本身有沒有宗教信仰，都比其他兩組更傾向於不快樂。

所以，對於地獄的信仰，的確很有可能造成心理上的負擔，尤其如果這樣的概念被強加在心靈尚未成熟的未成年孩童身上，對心理健康的影響更是無法估計。

再綜合前面討論的研究，地獄信仰鼓勵的可能也只是權威服從，而非真心的利他行為。

因此與其使用地獄的恐懼要求孩子就範，不如溫柔且坦率地和他們解釋錯誤的行為可能對他人造成的影響，進而培養同理心和責任心才是比較健康有效的教育方式。如果還是講不聽，那就放泛科學的 YouTube 給他看吧！連續看、而且只能看泛科學一整個月！哇哈哈哈哈～

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

人類如何發展成多元族群？

自從三十萬年前智人在非洲現身，多元化便幫助人類適應非洲各地不同的環境。這期間大部分時候，適應成功漸漸產生更好的獵人和採集者，使食物供給增加，人口明顯上升。

之後每個人可享有的生存空間和自然資源減少，早在六萬至九萬年前的某個時間，智人開始大規模出走非洲大陸，尋找更多肥沃的生存土地。由於這種外移過程有連續性，便自然產生一種相關：定居的地方離非洲越遠，人口多元化就越低。智人離開非洲越遠，其社會的文化、語言、行為、體格多元化程度就越低。這種現象反映著連續始祖效應（serial founder effect）。

什麼是「連續始祖效應」？

假設有個島上，住著五種主要品種的鸚鵡：藍、黃、黑、綠、紅，牠們在島上適應存活的能力相當。當颱風來襲，有幾隻鸚鵡被吹到很遠的荒漠小島。這一子群鸚鵡不太可能涵蓋所有五個品種。假定牠們以紅、黃、藍居多，不久滿布新島上的幼雛將遺傳牠們的毛色。於是新島上形成的鸚鵡群就不及原棲息地的多樣化。要是後來又有很小一群鸚鵡，從第二島移往第三島，這一群的多樣化更不及前二島。所以只要鸚鵡從母島移出的速度快過原島上可能產生突變的速度，則牠們（相繼）移得越遠，就越不多樣。

人類移出非洲也是類似模式。起先有一群人離開非洲，定居在附近肥沃地帶，他們只帶走非洲母體人口多樣化的一部分。等這群最早的移民成長到新環境無法支撐他們再擴大，便會有一群人離開，去尋找別的處女地，定居在更遠的地方，其多元化將更低。人類向非洲以外散布，以致各洲都有人類蹤跡的這段期間，同樣的過程一再重複：人口增加，新群體再移出，去追尋更綠的草地，但多樣化僅及母體人口的一部分。

儘管有移民改變方向，這顯而易見，不過這種移居模式的影響是，離開非洲來到西亞的人群不像原本在非洲的人口那樣多樣化，其後代又繼續向東移往中亞，最後來到大洋洲和美洲，或是向西北移往歐洲，多其樣性也越來越比不上留在原地的人。解剖學上的現代人類，從非洲的搖籃向外擴張，為世界各地文化、語言、行為、形體多元化的程度不同，刻下深刻且不可磨滅的印記。

這種與非洲離得越遠、人口整體多元程度就降低，部分反映在較遠的在地民族基因較不多樣化上。根據對二百六十七種不同人口做基因多元化的比較測量，這些人口大都可找出原屬的本土族群和地理上的發源地。結果很明顯，距東非最近的本土族群基因最多樣化。多樣化最低的是中南美洲的本土族群，他們從陸路移出非洲的距離最長。多元化與移出東非的距離成負相關，這種模式不僅出現在各大洲之間，在各洲內部也是如此。

體質與認知人類學領域提供更多這種證據。研究人體體型的特徵，比方與牙齒特徵、骨盆特徵、產道形狀相關的骨骼架構，以及研究文化特徵，例如不同語言的基本詞語單位（「音素」〔phonemes〕），都證實有源自東非的連續始祖效應存在；同樣是距東非越遠，體形和文化特徵的多樣化越低。

人口多元化表現的形式是多方面的，若要適當探究整體多元化程度對國家經濟繁榮的影響，當然需要比基因學家和人類學家所提供的更廣泛許多的測量標準。此外，這標準也需要獨立於經濟發展的程度之外，以便用於評估多元化對國家財富的因果效應。這會是什麼樣的測量標準呢？

測量人類多樣性的標準是什麼？

測量人口多元化慣用的標準，往往只擷取人口中族裔或語言群體的比例代表。這類標準因此有二大缺點；一是某些族裔和語言群體的關係較密切。由等比例丹麥人和瑞典人組成的社會，或許不如由等比例丹麥人和日本人組成的社會那麼多元。另一缺點是，族裔和語言群體的內部也不盡然完全同質。全由日本人組成的國家與全由丹麥人組成的國家，多元化程度不見得相同。事實上，族裔團體內在的多樣性通常比不同群體間的多樣性要大上十倍。

因此要全面測量一國人口的整體多元化，至少應當再多加二個多元化的面向。一是族裔或次民族群體內在的多元化，如美國的愛爾蘭裔和蘇格蘭裔人口。其次是比對任一組族裔或次民族群體之間的多元化程度，例如，比起美國的愛爾蘭裔和墨西哥裔人口，愛爾蘭裔和蘇格蘭裔的文化較為相近。

鑑於移出東非的距離與可觀察特質的多元化之間存在緊密的負相關，這個遷徙距離可用於代表地球上每個地方的歷史多元化程度。我們依據各地人口的祖先與遷徙出非洲的距離有多遠，可以建構推算今日各國人口整體多元化的指數，列入考量的包括 (1) 國內各次群體的祖先人數多寡；(2) 依據各次群體的祖先走出東非時遷徙的距離，來推測其多元化；(3) 每一次群體配對後，由兩方祖先和地理發源地的遷徙距離來推算多元化程度。

這樣用統計學測量來推算多元化水準有二大優點。一是史前遠離非洲有多遠，顯然完全與當今的經濟繁榮水準無關，所以這種測量法可用於估計多元化對生活水準的因果效應。其次是如上文所強調，有越來越多體質與認知人類學領域的證據顯示，遠離非洲的遷徙距離深深影響到許多表現在身體及行為上的特質的多元化；所以我們有把握，用這種測量法推算的多元化類別會產生社會結果。

要是用這種指數測量多元化不精準（採隨機方式進行），原因比方說是未能適當考量各洲的內部移民，則根據統計學理論，我們多半會因此否定、而非確認多元化影響經濟繁榮的假設。也就是說，如果我們犯錯，是因為過於謹慎。

人口特質多元性和能不能賺大錢有關係！？

最後很重要的一點是，我們是針對個別社會的特徵測量多元化。這測量的是某一社會的人口特質有多少不同種類，無論這些特質是什麼，或是不同社會間有什麼差別。因此它不會、也不能用於暗示某些特質比別的特質對經濟成功更有利。反而它可以掌握到某個社會的人口特質多元化，對經濟繁榮有何潛在影響。事實上，把地理與歷史干擾因子納入考量，遠離非洲的遷徙距離本身似乎並未影響全球各地如身高體重等特徵的平均水準。它主要是影響群體中的個人與平均水準的差異。

有了這強有力的測量法可測定每一群人口的整體多樣性，我們終於可以探究數萬年前遠離非洲的大出走，以及它對人類多元化的影響，是否如此源遠流長，以致居然還能左右當前的全球生活水準。

———本書摘自《人類的旅程》，2022 年 10 月，商業周刊，未經同意請勿轉載。