人類的寶寶只要午餐晚了一點送來，就會吵鬧，但企鵝寶寶就很能保持「冷」靜。像一團完整毛球般的國王企鵝寶寶，非常適應寒冷的氣候。但當它的雙親離開去尋找食物時，企鵝寶寶就必須獨自等待，度過長達五個月沒有食物的時間。為了要了解幼鵝在這段期間裡，如何節省能量，研究人員在十隻3到4個月大的企鵝體內，裝上記錄器，記錄胃、胸腔和脂肪的溫度，長達七個月之久。結果顯示，幼鵝體內的溫度，在寒冷或雨天禁食期間，下降達到15˚C，這對十公斤的企鵝大寶寶而言，驟降程度非常驚人。過去發現體溫在寒冬中降低最多的是澳洲蟆口鴟，而它的體重也才僅僅500克。小企鵝在吃低溫食物時，體內溫度也會下降，例如當企鵝雙親帶著滿口的魚歸來，企鵝寶寶吃這些已經被咀嚼過的食物時，體溫會下降達15˚C。
資料來源：ScienceShot: Baby Penguins Know How to Chill Out [16 August 2011]
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？
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。
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：
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：
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 可分成兩種：
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。
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。」
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
。
討論功能關閉中。
說到用兩隻腳走路的鳥類，就不得不提企鵝。企鵝用兩隻腳在冰上搖搖晃晃走路的樣子非常可愛。在水中卻可以自由自在地高速游泳、追捕魚，這兩種樣子帶給人的印象有非常大的不同。
話說，企鵝意外地可以走很長一段距離。牠們會在地上蒐集石頭來作巢，所以當然要可以走到築巢的地點。通常企鵝類的繁殖群會位在距離海岸線幾百公尺的地方，但有時會在距離海岸 3 公里以上的內陸，想像企鵝排成一列搖搖晃晃地走 3 公里，實在是可愛至極。
說是這樣說，但是走 3 公里，我們人類都覺得有點遠了，企鵝真的可以搖搖晃晃走過去嗎？
牠們的走路方式感覺效率很差，好像很累。企鵝走路時腳會使用的力量以及計算其所需能量的研究顯示，企鵝的走路方式一如外表印象，效率很差。大概所有人都會覺得「我想也是」吧，但我們不妨來仔細思考為什麼會效率很差。
在討論企鵝的步行時，首先得要知道的是其獨特的體型。企鵝看起來是用兩隻腳站著，腳感覺極端的短。大概因為身上的毛色彷彿穿著燕尾服一樣，總覺得像是人類的喜劇演員一般。
但是牠嚴格說來並不是「站著」。看企鵝的骨骼圖（圖一）就很清楚。髖關節跟膝關節強烈彎曲的姿勢，以人類來說就是「蹲著」。換言之，企鵝時時刻刻都是蹲著的，連走路時也是蹲著的狀態。試著自己蹲著走路看看，就會像企鵝那樣搖搖晃晃地。牠們搖搖晃晃的姿態，背後的祕密就是體型與姿勢。
而由此延伸，企鵝的步行方式非常沒效率的理由，可能就是身體橫向搖擺和轉動幅度非常大。搖擺跟旋轉的動作，對前進而言怎麼看都是不必要的舉動，但是根據之前的研究，其實企鵝不搖晃反而效率會更差。之前也說過雙足步行的動能跟位能要有效率地轉換，才能有效率地運動，但企鵝似乎是用橫向搖擺的動作來進行這種能量轉換。
也就是說，企鵝走路效率不佳的理由，跟牠們這種體型跟姿勢有關。
企鵝的腳確實很短，以現在還活著的企鵝種類來說，體型最大的皇帝企鵝的體重將近 20 公斤，和澳洲的平胸鳥類鶆䴈幾乎相同，然而比較這兩種鳥類的腿長的話，鶆䴈的髖關節大概在 80 公分高的位置，而皇帝企鵝大概在 30 公分高左右。明明體重差不多相同，企鵝的腳的長度卻只有鶆䴈的一半以下，步行效率差也是沒辦法的事。
本章已經反覆提過好幾次，腿愈長一般來說會步行速度愈快、效率也愈好，企鵝的短腳和蹲下的姿勢非常不適合走路，這點沒有人能否定。
企鵝的腳會這麼短，恐怕是為了在寒冷地帶保住體溫。雖然也有棲息在熱帶的企鵝，但多數企鵝都棲息在極地，在水中跟地面上不失去體溫就是牠們最重要的課題。四肢末梢要是比較長，就會因為體積的表面積變大，容易失去體溫。所以在寒冷地帶演化的物種，耳朵等突出部位通常都會比較小。
雖然意外地能走很長距離，但企鵝仍然主要屬於在寒冷地區游泳的鳥類，為此演化出的短腿跟蹲著的姿勢，必須讓身體左右搖晃走路來補足才更有效率。
——本文摘自《鴿子為什麼要邊走邊搖頭？》，2023 年 8 月，晨星出版，未經同意請勿轉載。
你的手機能無線充電嗎？不過，雖說是無線充電，但還是得要放在充電盤上，由充電盤連結一條電線，這樣的充電方式，想必跟大家期待的「真．無線充電」有落差。
好消息是，有人提出一種藉由捕捉空間中的無線電波、獲得電能的無線充電方式，所以代表這些電能是完全免費的！但……這是真的嗎？
現在我們已經可以透過無線網路串連全球的資訊，但是遠距能量傳輸卻尚未成真。
當代的無線通訊裝置，舉凡手機電話、wifi 網路、無線電、衛星定位等，都可以靠著不斷地發射無線電波來交換訊息。不過其實仔細想想，無線電波、電磁波其實就是不斷變化的電磁場。既然可以透過磁場變化來傳遞能量，那這些強大的電磁波網絡，是不是也可以拿來傳遞電能呢？
實際上還真有類似的例子，一百年前最早的收音機竟然完全不需要插電！礦石收音機只需要天然礦石、金屬針、線圈和一些電線，就能收到附近廣播電台送出的訊號，轉換成聲音並放出。
那麼為什麼沒有沿用至今呢？主要就是效率的問題。礦石收音機需要不斷調整金屬針接觸礦石的位置，還得拉長長的天線來捕捉更多的無線電波；市售的礦石收音機玩具，甚至附有一條長長的鱷魚夾電線，可以接到大型金屬家具，產生更清楚、更大聲的聲音。當然這種收音機很快就被以電驅動的真空管收音機取代了。
2021 年初小米曾發表過隔空充電技術專利，利用指向型遠距充電，系統會先定位出手機的位置，再透過多個天線組成的陣列將電波瞄準發射給手機，克服電磁波發散的問題，據稱能在數公尺內進行無線 5W 的無線充電，雖然還不到快充，但也算是革命性突破。不過目前還在技術發表階段，尚未正式推出。
再換個角度思考，能量在傳遞的時候會向四周發散，而我們生活周遭到處都是會發出電磁波的 3C 產品，那能不能反過來，捕捉這些由其他電器溢散的電磁波，並轉為能量呢？
還真的有人這麼做了。收集這些廢能，並轉化成可用電能的技術，就稱為「無線射頻獵能」。近十年來，有許多相關的技術與研究，不過效率大多還未到達實用階段。
就在今年一月，美國麻州大學團隊發表了一種可以用於無線射頻獵能的線圈手環，而且功率竟然比一般的線圈天線高十倍以上。
有趣的是，其實他們當時並不是在研究無線充電，而是如何使用 LED 快速閃爍來傳遞訊息；這種名為可見光通訊 VLC 的技術，有望成為未來 6G 通訊的方式。但發現到，這種技術需要 LED 以每秒數百萬次的頻率閃爍，過程中會釋放出大量不可用的無線電波，浪費掉許多能量；於是轉念一想，嘗試用線圈收集這些逸散的能量，降低傳訊時的能量浪費。
研究團隊發現，當線圈靠近金屬片時，收集能量的效率會變得更好。透過反射增強訊號，金屬片吸收環境中的電磁波再向外放出；隨著金屬片面積越大，攔截到的電磁波也越多，收集能量的效果也越好。
但是無線充電就是要擺脫這些笨重的金屬板，於是研究人員開始拿生活周遭的 3C 產品來進行實驗。從獵能的功率來看，效果最好的依序是筆電、平板、手機。這和預期的一樣：面積越大，獵能效果越好。
然而，意想不到的是，實驗效果最好的，竟然是人體！
推測這是因為人體中含有大量水分，其容易導電、被極化的特性有助於蒐集空間中的電磁波。人體就是一根巨大的共振天線，能增加無線電訊號的發射效率，同樣的道理，也可以用來收集環境中的無線電波能量。
研究團隊將線圈手環的設計稱為「Bracelet+」，是第一個借助人體的獵能裝置；後續又嘗試將線圈做成戒指和手環，希望能打造出輕便的隨身獵能裝置。
那這樣是不是以後只要綁條線圈在手上，就再也不需要幫手機充電了呢？該線圈手環目前在數公尺的距離外最多可以捕獲微瓦等級的功率，也就是百萬分之一瓦。用這種電壓當然不可能幫手機充電，不過已經足以供應一些低功耗的隨身裝置，像是常見的智慧健康手環，或是負責監控體溫或血糖的元件，甚至類似心律調節器的植入式醫療器材，或許就可以利用該線圈設計，減少充電的頻率。
在 5G 物聯網的架構中，各種居家和隨身裝置必須隨時維持連線，如何為這些獨立、低功耗的裝置供電便成了重要的課題。在這種情況下，如果可以汲取周遭無線電波的廢能，不只可以節省能源，還能免去定期更換電池或充電的麻煩。
目前的 5G 和開發中的 6G 技術，都持續往電磁頻譜中更高頻率的部分去探索，設置覆蓋率更高、頻譜更寬的無線通訊網絡，而這些頻率的電磁波也將為無線充電帶來新的發展機會。
去年在 Scientific Reports 期刊上，有篇研究提出了 5G 網路作為電力網的想法。團隊針對 5G 使用的頻率設計出一種天線以及搭配的電路，可以在 180 公尺外接收到 6 微瓦，為無線電力網的夢想邁出了第一步。
不過，在這波遠距無線充電的熱潮下，市面上也出現許多令人半信半疑的遠距充電技術。
例如 2011 年一家新創公司推出了超音波充電技術，宣稱可以透過空氣的震動替手機充電；然而，雖說超音波充電雖然在原理上可能可以運作，但在充電效率和經濟成本上根本不切實際，對人體健康的影響也相當有爭議。
除此之外，還有一家叫做 TechNovator 的公司推出了前所未聞的量子充電技術，他們宣稱可以透過「能量量子化」來傳輸能量，並且在「空間中創造能量結構」，還不需要任何形式的電磁場，就可以達成 100 瓦的無線充電！至於到底有沒有這麼好的事，就留給各位判斷了。
在所有物品與資訊都以無線網路相連的這個時代，無線的電力傳輸與電力網是關鍵的下一步；能夠有效的無線傳輸能量，才能讓我們生活周遭的智慧裝置擺脫電線的束縛，減少電池的消耗，成為一個自由移動，自給自足的物聯網。
不論是透過可見光、wifi、還是 5G 訊號，無線且遠距的充電與獵能，將來勢必會有讓人驚豔的發展。
歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！
會讓人想到這個?
https://monographs.iarc.who.int/list-of-classifications
Magnetic fields, extremely low-frequency 2B 80 2002
Magnetic fields, static 3 80 2002
Radiofrequency electromagnetic fields 2B 102 2013
Electric fields, extremely low-frequency 3 80 2002
Electric fields, static 3 80 2002
fierycloud
