災難醫學（二）：救難醫師的臨場經驗談

• 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。

• 作者／ 照護線上編輯部
• 本文轉載自 Care Online 照護線上《當災難來臨時，大量傷患的檢傷分類》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

發生地震、火災、爆炸、交通事故或是參加大型活動時，可能出現大規模災難，導致大量人員傷亡。

由於傷亡人數眾多，所以在事故現場會先進行「初級檢傷分類」；評估能否行走、是否有呼吸、脈搏、能否聽從指令。

• 可以行走的傷患會標示為「第三優先」；
• 如果呼吸小於30下、橈動脈有脈搏、能夠聽從指令，會標示為「第二優先」；
• 如果呼吸大於30下、橈動脈無脈搏、無法聽從指令，會標示為「第一優先 」；
• 如果沒有呼吸、沒有脈搏、無法聽從指令，會標示為「死亡」。

救護人員會快速檢傷、重複評估，並依照優先順序轉送傷患，希望在有限的人力、資源、時間下，搶救最多的傷患。

倘若你正好身在現場，務必評估現場並確保自身安全，請保持冷靜，切勿圍觀、干擾大量傷患作業程序的進行，狀況許可時再依照救護人員的指示提供協助。

駭人的災難可能造成「創傷後壓力症候群 PTSD」，而讓人出現嚴重焦慮、睡眠困擾、暴躁易怒、難以專心、責怪自己或他人等症狀。如果症狀延續一個月以上、持續惡化、已對工作與日常生活造成影響，便要盡快尋求專業醫療人員的協助！

災難無法預知，平時多一分準備，才能少一分傷害。

• 本文轉載自 Care Online 照護線上《當災難來臨時，大量傷患的檢傷分類》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

• 文／潘昌志｜「你地質系的？」不，但我待過地質所，而且還是海研所的碩士。無論在氣象局、小牛頓…都一樣熱愛地科與科普。現在從事試題研發工作，並持續在《地球故事書》、《泛科學》、《國語日報》等專欄分享地科的各種知識，想以科普寫作喚醒人們對地球的愛。

「震度」不是拿來比較地震大小的！地震規模才是。

「震度」不是拿來比較地震大小的！地震規模才是。

相信這大概是每個地科老師會跟學生講到嘴都快爛掉的事，但是當事過境遷、畢業之後，記憶難免慢慢褪色，漸漸的「這次地震有 6 級到底是震度 6 級還是規模 6.0」，也變得不顯眼了。

或許是震度和規模都是描述地震的名詞，也大多用個位數的數量級來表示，常會令人混淆困惑。不過說真的，這兩件事情會混淆搞不好就是一種「宿命中的迷思概念」。因為在漫長的人類歷史中，有好長一段時間人們一直把震度當作判斷地震大小的標準，直到芮克特和古騰堡發明芮氏規模為止。

最簡單的工具：水桶

我們先不管現今科學上的震度定義，光從歷史文獻，就可以看到無數的史書記載地震的情境。在此先岔個題，今年受邀為《課本沒教的天災日本史》撰寫推薦序時，書中有一段故事讓我對「古人怎麼看震度」很有感覺！

約莫在1700年左右，當時日本的史書上已有記載用「天水桶」（盛接雨水用來防火災的露天水桶）來看震度情形，一般來說平常桶子是滿水的，而地震來襲時晃出來的水量，便是當時用來判斷震度情形的參考。這的確是個客觀定量的好方法，只是，要是下個地震來襲前，水還沒有補滿就無法使用了，而且桶子大小不一也是個問題，只是以當時的科學技術而言，這種方式已經具備有點量化的想法，只是沒有適切的工具和物理量可以用。

最早的震度階

在 19 世紀的西方世界，則發明了用另一種方式嘗試量化地震的搖晃：將描述到地震造成的房屋危害、人體感受的情形加以分類，大略的定義出地震來時各地的搖晃程度。

1870 至 80 年代期間，義大利的 Michele Stefano Conte de Rossi 和瑞士的 François-Alphonse Forel 一同建置了一套震度階：羅西-福瑞震度階（Rossi-Forel scale），這是目前阿樹可查到最早有系統的制定出震度階紀錄）[1]，一共分為 10 級，雖然當時早已有地震儀，但在震度分級上似乎不太能派上用場，只能幫忙定出最低一級的震度（差不多是無感的程度），接下來幾乎是描述性的分級，所以除了有羅馬數字之外，還會有代表的名詞，譬如 VII 級的代表名詞是” Strong shock ”，說明包括了會動的東西會翻落、掉落，教堂中的鐘聲會晃到響起（畢竟西方國家教堂比較普遍），建物沒有損毀。這時我們再來看看氣象局的震度表，除了震度分級和加速度值之外，還有人體的感受、建物的受損情形等定性描述。

百年多來的演進，加上地震儀器的發展，震度的概念從「定性描述」變成可「定量測出」的值，最主流的方式就是測「最大地動加速度」（peak ground acceleration, 一般簡稱PGA），所以在地震學看到PGA不要想到高爾夫球公開賽，它是一個單位，和加速度一樣都是 cm/s²，之所以用這個物理量，是因為它可以連結到「力」的概念。工程上要計算耐震程度，無非就是用作用力來作為計算參考，或許大家熟知國中教的牛頓第二定律的F=ma，m是質量，乘上加速度就是力。

這時就不得不提一下「重力加速度」這個值，它的單位和 PGA 一樣，我們常算自由落體重力加速度為1 g，其值約為981 Gal (cm/s²) ，而國內地震站測到的 PGA 第一名，就是在921集集地震時，日月潭測到東西向的 989 Gal [2]，試想一下如果你被這樣的地動加速度甩開的那一瞬間，感覺就像以自由落體的加速度在水平運動啊！

各國各地的建築、地質的特性不盡相同，也發展出了不同設計的震度階的公式，有的不僅考量加速度值，甚至也考量到速度質，或者選擇適合自己的震度階，所以當聽到國外公告的震度時，得先看一下他們的震度是什麼意思才能比較。

等震度圖，讓防災、救災更有效率

震度階如何發揮用處？只要有足夠的震度時，人們自然就會發現一件事：「各地的震度不同」。而這時有一個「標準化的震度階」就能發揮用處，將所有相同震度的地方都畫上相同的顏色，不同震度用不同顏色表示，我們就能得到一張「等震度圖」，假設地質狀況與房子的建築方式一樣，震度越高處可能就會有較嚴重的災害損失，如果震後很快的產製出這個資訊，就能讓防救災更有效率。

阿樹以前在氣象局服研發替代役時，偶爾震後會有民眾來電說：「明明地震搖的就很大，為什麼我這邊震度只有 3 級？」實際上在測量震度時，儀器測到的只是「測站所在地」的資訊，測站一般都是空曠的平面，樓房型式、樓層高度甚至地質條件都會影響到搖晃的情況，當然無法盡善盡美。

但震度描述還是很有用，尤其是如果我們可以考量不同型式的建物對震度的反應時，對於歷史地震的研究甚至還大有用處！利用歷史文獻，我們可以知道以前地震時的搖晃描述，若能將其對應到震度資料，並且畫出「古代的等震度圖」，便能將它和現今的地震震度與規模關係作比較，接著推估地震的規模、震央與震源深度，雖然這麼做一定存在誤差，但總比什麼都沒有來得好。科學方法有很多種，雖然震度很難直接拿來比較地震的大小，但它還是能處理無法測出地震大小時的問題！

參考資料：

[1] Rossi-Forel scale震度階BY BSSA網頁
[2]中央氣象局地震度原始資料
[3]氣象局地震百問：何謂震度

本文原發表於《震識：那些你想知道的震事》部落格，或是加入按讚我們的粉絲專頁持續關注。將會得到最科學前緣的地震時事、最淺顯易懂的地震知識、還有最貼近人心的地震故事。