Eugene Goostman 程式真的通過了圖靈測試嗎？

• 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。

本文由 Arm 委託，泛科學企劃執行。

Arm（安謀）是一家來自英國提供處理器 IP 架構設計的矽智財公司，你可能不清楚 Arm 在做什麼？但你可能在最近的新聞中聽過它，而且，你可能每天都在使用他們的產品！

實際上，90% 的智慧型手機使用的 CPU 晶片，其指令架構集（ISA）都是採用 Arm 架構，例如部分蘋果產品所使用的晶片、Android 手機常見的驍龍系列，以及聯發科技推出的天璣系列晶片，Arm 都是這些處理器架構的主要供應商。

不過這個指令架構集（ISA）到底是什麼？為什麼每台手機甚至電腦都要有呢？

什麼是指令架構集（ISA）？

指令集架構（ISA）是電腦抽象模型的一部分，它定義了 CPU 如何被軟體控制。ISA 作為硬體和軟體之間的介面，既規定了處理器能夠執行的任務，又規定了如何執行這些任務。ISA 提供了使用者與硬體互動的唯一途徑。ISA 可以被視為程式設計師的手冊，透過 ISA，組合語言程式設計師、編譯器編寫者和應用程式程式設計師方能與機器溝通。

處理器的構建和設計稱為微架構(micro-architecture)，微架構告訴您特定處理器的工作原理，例如，Arm Cortex-A53 和 Cortex-A73 都是 Armv8-A 架構的實現，這意味著它們具有相同的架構，但它們具有不同的微架構。

目前常見的 ISA 有用於電腦的 Intel/AMD x86_64 架構，以及在行動裝置是主流的 Arm 架構。而 Arm 本身不製造晶片只授權其架構給各個合作夥伴，授權的架構也被稱為「矽智財」（Semiconductor intellectual property core，簡稱 IP），並由合作夥伴依據規格打造合規的矽晶片。

Arm 成為全球關注的焦點

今年九月，Arm 在美國紐約那斯達克交易所掛牌上市，吸引大量投資者的目光，除了節能的設計，Arm 持續提升產品效能，使得 Arm 架構具有強大的競爭優勢，讓 Arm 的技術和產品，除了在行動裝置與物聯網應用佔據了重要地位，也在後續發展的其他產品持續協助產業推動技術革命。

最早，Arm 架構是為了依靠電池運作的產品而設計的，隨著這十多年來的轉變，行動裝置成為主流，而 Arm 架構也成為了行動裝置的首選。

除了 Arm 原本行動裝置的通用 CPU 領域，Arm 亦著手開發專用 CPU 的架構，這些專用 CPU 的使用情境包含雲端基礎設施、車用和物聯網（IoT）。

現在 Arm 除了在手機處理器上有超過 90 % 的市占率外，在物聯網與嵌入式應用上有 65% 的市占率，目前車用晶片也逐步轉向由軟體來定義汽車的電子電氣架構，這凸顯了軟體在未來汽車架構的重要性。「嵌入式邊緣裝置使用的可擴充開放架構 (Scalable Open Architecture for Embedded Edge；SOAFEE) 」建立以雲原生的系統架構，透過雲端先行開發軟體，協助汽車產業業者在產品正式商品化前，能在基於 Arm 架構的晶片上進行虛擬環境測試，目前 Arm 在車用晶片上，市佔率超過四成。

在雲端運算上，Arm 也推出了 Arm Neoverse 技術平台來協助雲端伺服器的晶片設計，並配合新推出的 Arm Neoverse 運算子系統（CSS），來簡化專用晶片的設計複雜性，減少晶片設計花費的時間。

在 Arm 日益完整的產品組合下，透過與廣大生態系合作，能為市場提供許多軟硬體解決方案。首先，在行動裝置上，Arm 近乎霸占市場。而在 AI 發展與網路速度持續提升的趨勢下，許多運算都可以在雲端完成，最近的實例為 Nvidia 的 GeForce Now，只需一台文書機，就能暢玩 3A 大作，或是 Google 的 Colab，讓 AI 能在文書機上完成運算，造福了沒有高級顯卡的使用者。

未來，邊緣運算將陸續解開雲端運算的束縛，而 Arm 也在前期投入了雲端基礎開發，配合行動裝置的市占率，無論如何 Arm 都將在未來科技業占有一席之地。

Arm Tech Symposia 將在 11 / 1 與 11 / 2 盛大舉辦

2023 Arm 科技論壇（Arm Tech Symposia）即將在 11/1 台北萬豪酒店，11/2 新竹國賓飯店盛大舉辦！這是 Arm 每年最重要的實體活動之一，以【Arm is Building the Future of Computing】為主軸，探討在 AI 時代來臨之際，Arm 最新的技術如何驅動創新科技，為次世代的智慧運算、沉浸式視覺、AI 應用、自主體驗等帶來更多可能性。 

這次 Arm 科技論壇將圍繞在車用、物聯網、基礎設施、終端產品等熱門 AI 應用領域，並邀請台積公司、Cadence、瑞薩電子、新思科技、CoAsia 擎亞半導體等各領域專家，帶來產業第一手趨勢洞察。

其次，也會分享 Arm 的新技術在 AI 的應用，包含如何透過軟體定義汽車降低汽車電子系統核心 EUC 整合的複雜性，同時維持汽車資安；以及介紹專為特定工作負載而設計的運算方式，如何讓企業不受外在環境與技術影響，處理更大規模的數據。

今年 11/1 在台北場的座談會，主題為 Edge computing on AI，探討邊緣運算在人工智慧上的應用，以及人工智慧對於半導體產業以及晶片研發帶來的影響，邀請 iKala 共同創辦人暨執行長程世嘉、聯發科技執行副總經理暨技術長周漁君，以及 Arm 台灣總裁曾志光與會。

11/2 在新竹場的座談會主題為 The Keys of Automotive Transformation，探討汽車產業的轉型趨勢，邀請 Anchor Taiwan 執行長邱懷萱、友達光電執行長暨總經理/達擎董事長柯富仁、波士頓顧問公司董事總經理暨資深合夥人徐瑞廷，以及 Arm 台灣總裁曾志光與會。

無論你是硬體工程師、軟體開發人員、晶圓代工、晶片設計商、OEM/ODM 還是相關產業人士，都能在這場論壇中互相交流，充實自己。

2023 Arm 科技論壇報名連結

活動結束後填寫問卷的朋友，還有機會現場抽中 iPhone 15 Pro、 iRobot Roomba j7+ 掃地機器人、Sony WH-1000XM5 無線耳機、Dyson Purifier Big+Quiet Formaldehyde 空氣清淨機等精美好禮喔！

報名截止倒數中，現在就立刻報名吧！

假設在未來某個時候，我們有能力瞬間取得在電腦中重新創造一個人所需要的全部資料，假設我們的電腦有足夠能力模擬你和你的身體。果真如此，我完全不懷疑基於電腦的大腦會有意識和知覺，就像你一樣。但這會是你想要的嗎？也許你正在想像下列這種情境。

你正處於生命的盡頭，醫師說你只剩下幾個小時的生命。此時你按下一個開關，你的大腦隨即一片空白。幾分鐘後，你醒過來，發現自己活在一個基於電腦的新身體裡。你的記憶完好無損，你覺得自己恢復了健康，展開新的永恆生命。你大喊：「耶！我還活著！」

現在想像一個稍微不同的情境。假設我們有技術可以複製你的生物大腦而不影響它，現在你按下開關之後，你的大腦被複製到一台電腦上，而你沒有任何感覺。幾分鐘後，電腦說：「耶！我還活著。」但是，你，那個生物你，還是存在。現在有兩個「你」，一個在生物身體中，一個在電腦身體中。電腦那個你說：「現在我已經上傳了，不需要原本那個身體了，請把它處理掉。」生物那個你說：「等一下，我還在，我不覺得有任何改變，我不想死。」我們應該如何處理這個問題？

解決這個難題的方法，或許就是讓生物那個你度過餘生，自然死亡。這似乎很合理。但是，在生物你死亡之前，世上有兩個你。生物你與電腦你會有不同的經歷，因此隨著時間推移，兩者漸行漸遠，變成了不同的人。例如，生物你和電腦你可能會發展出不同的道德與政治立場，生物你可能會後悔創造了電腦你，而電腦你可能不喜歡有一個生物老人聲稱是自己。

更糟的是，你很可能會有壓力在你年輕時就上傳你的大腦。例如，想像一下，電腦你的智能健康，取決於大腦上傳時生物你的智能健康。因此，為了盡可能提高你的永生版本的生活品質，你應該在你心智健康最好時上傳你的大腦，譬如 35 歲時。你可能想在年輕時上傳大腦的另一個原因是，你以肉身活著的每一天都有可能意外死亡，因此失去永生的機會。因此，你決定在 35 歲時上傳自己。

請捫心自問：35 歲的生物你在複製了自己的大腦之後，可以安然殺死自己嗎？隨著你的電腦版本展開自己的生活，你（生物你）則慢慢衰老、最終死去，生物你會覺得自己已得到永生嗎？我認為答案是否定的。「上傳你的大腦」是個誤導的說法，你真正做的是把自己分裂成兩個人。

現在再想像一下，你上傳了你的大腦，然後電腦那個你立刻複製了三個自己。現在有四個電腦你和一個生物你，這五個你開始有不同的經歷，漸行漸遠。每一個你都有獨立的意識，你是否已得永生？那四個電腦你，哪一個是永生的你？生物你慢慢衰老、邁向死亡，看著四個電腦你過各自的生活。這裡沒有共同的「你」，只有五個個體，雖然起初有相同的大腦和記憶，但隨即成為獨立的存在，此後過著不同的生活。

也許你已經注意到，這些情境與生孩子相似。當然，最大的不同是你不會在孩子出生時，上傳你的大腦到孩子的腦袋裡。然而，我們可說是在某程度上試圖這麼做，我們把家族史告訴孩子，教導他們，希望他們建立和我們一樣的道德觀和信仰。藉由這種方式，我們將我們的一些知識轉移到孩子的大腦裡。但隨著他們長大，他們會有自己的經歷，成為獨立的人，就像你上傳大腦產生的電腦你那樣。

想像一下，如果你能把你的大腦上傳給你的孩子，你會這麼做嗎？如果你這麼做，我相信你會後悔。你的孩子將背負你的記憶，終其一生將致力忘記你做過的一切。

上傳大腦乍聽是個極好的主意，誰不想得永生呢？但是，藉由上傳大腦到電腦中來複製自己，其實無法實現永生，就像生孩子無法實現永生那樣。複製自己是開出一條岔路，而不是延伸原本的路。開出岔路之後，會有兩個擁有知覺和自我意識的存在，而不是只有一個。一旦你意識到這一點，上傳大腦的吸引力就會開始減弱。

——本文摘自《千腦智能新理論》，2023 年 5 月，星出版出版，未經同意請勿轉載。