災難醫學（五）：氣候變遷下的防疫問題

• 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

牛奶、羊奶等生乳中含有乳糖（lactose），可以被乳糖酶（lactase）分解。但是小朋友長大以後，乳糖酶基因便不再表現，失去消化乳糖的能力。幾千年前，世界各地卻出現多款基因突變，讓人能一輩子保有乳糖酶。2022 年一項針對歐洲的研究提出觀點：這項能力之所以受到天擇喜好，是因為能避免拉肚子！？

史上最強遺傳適應，演化過程出乎意料？

人類原本和眾多哺乳動物一樣，小時候依賴母乳餵食，長大後不再喝奶，乳糖酶也失去作用。但是隨著人類馴化牛、羊等動物，即使是成年人也常有機會吃奶。

另一方面，由於乳糖酶基因外頭的調控位置突變，使得許多歐洲、非洲人的酵素在成年後可以持續作用，稱為乳糖酶持續性（lactase persistence，簡稱 LP，也就是乳糖耐受），而且同樣效果的不同突變，至少獨立誕生過 5 次。

具有某方面優點，使得存在感增加的 DNA 變異，稱作遺傳適應（genetic adaptation）。已知的人類案例非常多，天擇的影響力有強有弱，LP 算是受到最強烈天擇力量的基因之一。

由此推敲，當人類開始養牛、養羊，又吃奶以後，同時衍生 LP 應該是順理成章的事？然而，一系列考古學、遺傳學、古代遺傳學的探索，卻徹底打破上述看似合理的推論。

首先，考古學調查發現人類在中東馴化牛、羊，吃奶的歷史至少有 9000 年，接著距今 7000 年前已經引進歐洲多處。再來，由遺骸中直接取得古代 DNA 得知，LP 遺傳變異要等到 4000 多年前才出現，而且超過 3000 年前都還很小眾，最近 2000 年內才大幅提升存在感。

• 延伸閱讀：起司、優格與馬奶酒：歐亞草原的乳製品，開啟遊牧民族新時代！

顯而易見，人類開始吃奶的年代，比獲得成年後消化乳糖的能力，更早好幾千年。 2022 年新發表的研究透過更廣泛的取樣分析，再度確認這件事。

再度確認：吃奶比遺傳突變更早好幾千年

隨著技術進步，如今有好幾種方法判斷古代人會不會吃奶，像是分析牙結石中的乳蛋白、容器中的乳脂質等等。新研究偵測陶器中的乳脂質，包括以前發表 188 處，以及新取得 366 處，總共 554 處中東、歐洲的遺址中，得知 6899 件乳製品存在的紀錄。

吃奶的文化能追溯到中東，新石器時代擁有農業的人群，帶著他們的牛、羊一起移民歐洲，也將吃奶文化傳入歐洲。到了距今 7000 年前，歐洲各大地區已經出現乳製品。也許不見得會直接喝生乳，不過肯定存在起司等生乳加工的食品。

比較特殊的是巴爾幹半島，現在的希臘。那時居民會養牛，養羊，吃肉肉；但是分析超過 870 件陶器，完全見不到乳脂質的蹤影。此處或許更晚才建立起吃奶文化。

總之，7000 年前吃奶文化已經廣傳歐洲各地。相比之下，比對不同年代、地點的死人骨頭取樣，消化乳糖的 LP 遺傳變異最早在 4600 年前現蹤，比吃奶晚很多。

而且 LP 出現一段時間後，存在感依然非常低，距今 3000 到 5000 年前的青銅時代，LP 並沒有什麼過人之處。到此為止，LP 只能說是人類族群中的一款普通變異，還不能算是遺傳適應。

• 延伸閱讀：不同地區的 LP 上升年代不一致，例如不列顛就比較早 〈青銅時代晚期，不列顛大量移民，和凱爾特語有關？〉

現代社會：能代謝乳糖沒有好處，不能代謝只有小小壞處

儘管比本來以為的晚很多，LP 遺傳變異在歐洲族群的比例，還是於最近 3000 年內明顯上升。它到底因為什麼優點才受到天擇青睞，歷來爭論不休，有人提出營養、維生素D 等假說，可是都缺乏決定性的證據。

搜集幾十萬人遺傳資訊的英國生物樣本庫（UK Biobank），近來被大量用於各色分析。這項研究從中探討 LP 的影響，分析對象中大部分人具有 LP，少數人沒有（論文用語是 lactase non-persistent，縮寫為 LNP，也就是乳糖不耐）。比對得知，LP 並不會影響喝奶、食用乳製品的行為。

直接喝奶才有乳糖代謝的問題，加工成起司等乳製品可以避免，但是「問題」也許不是真的問題。更進一步比對，LP 對於健康狀況也沒什麼影響。簡單說就是：對 33 萬位英國人的分析發現，LP 與否，無關緊要。

加上其餘資訊推論，現代社會在正常情況下，缺乏 LP 大概就是喝奶拉肚子，不是什麼嚴重的問題。例如隨著中國經濟發展，沒有 LP 的中國人大量喝奶，多數也沒怎麼樣。

這也符合台灣人的經驗，台灣人配備 LP 的比例不高，可是隨著飲食習慣改變，多數人也就是這樣喝奶。另外喝奶會改變人的腸道菌，影響消化狀況，也是一個影響因素。

飢荒、疾病，時代力量的逆境考驗？

為了解釋歐洲歷史上 LP 比例的大幅上升，許多論點提出喝奶的優點，但是想想頗有可疑。把鮮奶加工製成乳製品，就能輕易抵銷 LP 問題，即使是飢荒時節也不例外；不能直接喝奶也不會餓死，吃起司就好。在營養加分方面，能喝奶真的有什麼優勢嗎？

由人群中遺傳變異的比例變化，我們能評估天擇影響的結果，但是不見得能抓到當初天擇真正的目標。新研究的分析指出，LP 的意義似乎不在創造優勢，而是避免劣勢。

跑完一大堆統計分析後，有兩項因素和 LP 的關聯性最高。一項是人口數量的波動，另一項是人口的密度。論文的解釋是，人口數量波動和飢荒有關（飢荒讓人口減少），密度和傳染病有關（人變多會增加傳染病的機率）。

沒有 LP 的人直接喝奶，副作用往往是腹瀉，在豐衣足食的現代社會多半沒有大害，還能刺激代謝，順便減肥；雖然對某些人而言，拉肚子依然是困擾的問題。

至於營養不良的人，腹瀉更可能出問題；某些疾病下，拉肚子造成脫水，容易重傷害健康。時常被營養不良、傳染病、飢荒等災厄糾纏，是古代的常態。

由此推論，不論是饑荒的短期逆境，或是傳染病的長期逆境（論文沒有特別討論，我想也包括寄生蟲？），配備 LP 的人由於能少拉肚子，生存機率也會大一點。

魔鬼藏在拉肚子？

影響最大的年齡層可能介於 5 到 18 歲。此一小大人的階段，乳糖酶將漸漸失去作用；營養不良、體弱多病的人身體比較脆弱，拉肚子是要命的事，這或許正是天擇的目標！

古時候衛生狀況不佳，拉肚子大概很常見，而未成年人的死亡率也遠勝現在，小孩死掉並不意外。在此之下，能減少拉肚子的 LP 遺傳變異，長期累積下來，正面影響力或許頗為可觀。

這項研究的說法是否正確？它仍不足以算是決定性的證據，不過脈絡頗有道理。非洲也有多個獨立誕生的 LP 遺傳變異，相較於歐洲了解少很多，這是個潛在的研究方向。

另外不可忽視，讓乳糖酶維持作用的 LP 遺傳變異，也受到飲食習慣、生活背景影響，不單純是遺傳的事。例如自古牧業發達的蒙古、哈薩克，居民的 LP 比例一直很低，幾千年來也活得很好。少拉肚子也許能解釋歐洲的狀況，其餘地區不宜過度延伸。

延伸閱讀

• 起司、優格與馬奶酒：歐亞草原的乳製品，開啟遊牧民族新時代！
• 德國青銅時代的戰士們，大多乳糖不耐
• 短篇  新石器時代適應歐洲北部，不吃魚的乳酪理論？
• 以牛為尊的Maykop文化，大家都吃羊奶！
• 6000年前非洲人，牙結石中的乳蛋白
• 蒙古5000年，牛羊馬駱駝，乳製品的歷史 
• 小河公主等4000年前新疆人，遺傳不是西方人，也不是現在的東方人
• 巴瑤人x脾臟x基因變異：讓真人版水行俠潛水很久的秘密是？

參考資料

1. Evershed, R. P., Davey Smith, G., Roffet-Salque, M., Timpson, A., Diekmann, Y., Lyon, M. S., … & Thomas, M. G. (2022). Dairying, diseases and the evolution of lactase persistence in Europe. Nature, 1-10.
2. The mystery of early milk consumption in Europe
3. Famine and disease drove the evolution of lactose tolerance in Europe
4. How humans’ ability to digest milk evolved from famine and disease
5. Ancient Europeans farmed dairy—but couldn’t digest milk

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。