0

1
0

文字

分享

0
1
0

七夕分手潮:我們還能當朋友嗎?

海苔熊
・2014/08/04 ・5153字 ・閱讀時間約 10 分鐘 ・SR值 479 ・五年級

-----廣告,請繼續往下閱讀-----

「我想了很久,我知道我很自私,可是我真的沒有辦法再這樣騙自己,也無法再騙你……」她把湯匙放在桌上,抬起頭看我,我們隔壁的幾桌,都是快樂過七夕的情侶。我試著假裝鎮定,壓抑心裡的情緒。可是,卻有一種無以名狀的悶,卡在胸口。

「他是誰?」我問她,空氣凝結得很複雜。

「什麼他是誰?你不要想太多,我只是很累了,很累於每天都要講電話、跟你報報備三餐,很累於每天要提心吊膽,你的漏接電話,很累於很多事情。我想要過過,一個人的生活。」她說,我的心跳像遠方高速公路的車,急促而悶熱。

「那為什麼,你今天還答應要跟我出來?為什麼還跟我去蘭嶼?為什麼直到剛剛,還要跟我牽手?為什麼不先跟我討論?為什麼……」我問,忍著激動的情緒。她沒有回答,我們之間尷尬得可以聽見手錶的滴答。

-----廣告,請繼續往下閱讀-----

不知道過了多久,她終於開口。

「我只是想找個機會好好跟你說。而且,我們還是可以當好朋友,雖然我知道,短時間內可能……總之,我還是很在意你」她說,我心裡持續冒出好多問號,已經讀過這麼多paper,但在自己面臨失去的時候,卻還是一樣無能為力。我不懂,已經說得這麼絕,為什麼還是要加上那句「我還是很在意你」?

我突然想起村上春樹在《挪威的森林》裡的話:

「不管你擁有什麼樣的真理都無法治癒失去所愛的哀傷。不管什麼樣的真理、什麼樣的誠實、什麼樣的堅強、什麼樣的溫柔,都無法治療那哀傷。我們只能走過那哀傷才能脫離哀傷,從其中學到些什麼,而所學到的這什麼,對於下一個預期不到的哀傷來臨時,仍然也毫不能派上用場。」

Source:Morse, K. A., & Neuberg, S. L. (2004). How do holidays influence relationship processes and outcomes? Examining the instigating and catalytic effects of Valentine’s Day. Personal Relationships, 11(4), 509-527.

傷心七夕情人節

我已經忘記哪天,我是如何踉蹌地走回家,也忘記那時候的我抱著枕頭哭了多少眼淚,我只記得在她轉身離開,並堅持不讓我送她之前,我強顏歡笑地說:「好諷刺,別人都在慶祝在一起,我們卻在談分離。」她苦笑了一陣,擺了擺手,一條寂寞的路便展向兩頭了,或者說,只有展向我這頭吧?

-----廣告,請繼續往下閱讀-----

直到多年以後,我才明白,那時的我並不孤單。

雖然老外不過七夕,但Morse與Neuber多年前進行的一項追蹤研究指出,西洋情人節2/14前一週與當週的分手率是平常的2.5倍<1>,在情人節參加實驗的受試者,更容易分手。在二月參加實驗的人,有13%的人分手,四月的參加者有7.4%的人分手(或許是因為愚人劫效應),而9月和10月的參加者,分手率是4.2%和5.1% [1]。

等等,根本不合邏輯吧?好,就算知道情人節前後是高危險期,但為什麼會這樣呢?我們沒有理由相信,情人節「使」我們分手,你總不能在提分手的時候跟另一半說:「嘿,寶貝,這不是我們的錯,這段關係裡面,我們都有成長,也都有悲傷;可是、可是(肆一語氣),淒美的愛情總禁不起時間,如果要怪,或許只能怪情人節吧。嘿,寶貝,你知道嗎,情人節的分手率是平常的2.5倍噢。正所謂完美的戀愛並不存在,就像完美的絕望並不存在一樣(村上春樹語氣)。」

我想還沒說完這段,就會被揍飛了吧。不論是二月十四或是七夕,都不能當做分手的理由,所以我們跟該去思考的是:這些「情人系」<2>的日子裡發生了一些什麼,讓我們更容易分手?或者,這效果真的如此「全面性」嗎?還是只是「某些人」在這段時間容易分手呢?

-----廣告,請繼續往下閱讀-----

為了回答這些問題,Morse與Neube回顧了文獻,提出兩個假說:

(1)煽動假說(instigator hypothesis):情人節是一種「社會比較性」(Social comparison)的節日,在比較之中「煽動」了分手。這幾天之中,你有更多的機會看到別的情侶互餵吃飯飯,撞見路人甲和他的閃光在街頭擁吻,看見伯朗大道上的(偽)金城武幫他女朋友擦汗奉茶,甚至姊妹淘在聊天時,「不小心」聽到某人的男友又送她多名貴的限量包包。這樣一比較下來,很多事情都變得鮮明起來[2],當他不夠體貼、不夠了解、準備的禮物你不喜歡、甚至餵你吃飯的時候沒有疊字地說「飯飯、麵麵」,都會促使你去想:他真的愛我嗎?他是不是變了?

(2)催化假說(catalyst hypothesis):情人節只是催化了情侶之間「比較明顯」的部份。情侶間的連結強弱,本來就是會隨著衝突、信念、自我揭露、各種大小事件而起伏[3],那些本來就幸福穩定的關係,受情人節影響不大,真正該小心的是那些原先就岌岌可危,浪濤洶湧,暗藏許多不滿和委屈的關係。

所以,到底哪個說法對呢?就Morse與Neube的追蹤研究來說,比較支持「催化假說」。那些原先就問題重重的關係,更容易在情人節後分手。

-----廣告,請繼續往下閱讀-----

但是知道這個,並不能讓你通往任何地方,只是一種「衰世之學」;如果他說要分手,你還能說什麼?

我們,還是朋友嗎?

那天,回到家之後我就立刻傳簡訊給她,弱弱地問了一個很孬的問題:「那我們還是朋友吧?」接著忐忑地握著3310等待她的回應(如果你知道什麼是3310就暴露年紀了)。她只回了簡短的三個字「當然囉」,沒有句號,沒有貼圖(廢話,那時當然不會有),只留下我無止盡的猜測:究竟是「當然可以」,還是「當然不行」?厚,多打兩個字是會死膩!

這世界上有兩種人渴望「還能當朋友」,一種是失戀後心有不甘的人,另一種是表白失敗,想退守台灣的人(疑)。第二種人在被發卡後要「繼續友誼」的方法在這篇已經有討論過了,這裡我們來看看第一種人的下場:

Ursinus College的Brent Mattingly回顧了過去分手的研究指出,儘管60%的人在分手之後<3>,和對方的聯絡漸漸便少了[4],還是有六種人在分手之後,比較可能當朋友。

-----廣告,請繼續往下閱讀-----
  1. 在一起之前是朋友的人。Sandra Metts和他的同事多前就想知道分手後還不能當朋友[5],結果發現「之前就是朋友」,是重要的條件。此外,如果你越是覺得「被利用」或表現得很「退縮」(例如人間蒸發),分手後的友誼(post-disengagement friendship,PDF)也不會太好。
  2. 分手是共同提出的,畢竟繼續待在這段關係裡,兩個人都不快樂。另外,Charles T. Hill多年前調查了103對婚前分手的情侶[6],發現雖然女性總是比較敏於發現關係問題與提分手的人,但男人提分手比女人提分手更容易維繫PDF,或許不是因為男人愛面子,而是因為被甩的男人不太會因應「被拒絕」的感覺。
  3. 還對彼此有感覺的情侶。因為對他們來說,當朋友只是一種退守,其實兩人都想著有一天能夠重然舊愛。Stephen P. Banks與他的夥伴調查310個人的分手經驗[7],發現還相互吸引的人與使用「退而求其次」(de-escalation tactics)策略的人(我想要一個人安靜一陣子、一段時間之後我們再看看適不適合、我們都該對自己誠實……)比較可能繼續PDF。而嘗試去辯證(Justification)這場分手(我覺得我變了,在這段關係裡我並不快樂、沒有成長)、逃避躲藏不見面的(Avoidance)人比較難繼續PDF。當然,如果變成好友萬萬睡(Friends With Benefits,FWB)或是溜溜球式戀愛(On-Again/Off-Again Dating Relationships)[8-10],那又是另一回事了。
  4. 兩個人在一起的時候很快樂滿意。這點很直覺(朱家安語氣),而且以前也寫過,這裡不贅述[11]。
  5. 家人或朋友支持[12]。這點以前也談過了,同樣不多說(再混嘛你!)。
  6. 同性戀。嗯,這是新的!一項研究調查了60位女同,37位男同,45位女異性戀與39位男異性戀,發現同性戀者更可能維繫PDF[13]。這並不是說,如果你想要分手後還是朋友,就找一個同性來愛,畢竟性傾向是不能勉強的<4>,同性戀之所以較有可能繼續聯絡,是因為他們共同屬於一個「被壓迫的團體」(oppressed group),而有緊密的連結。

如果你想知道究竟能不能在和他當朋友,可以回顧一下這六大條件,從朋友開始的戀情、協議分手、彼此仍有感覺、在一起時很快樂、身邊的人支持與同性戀。你滿足了幾個呢?你覺得勝算大嗎?

如果有些關係無法繼續

在寫這篇文章的時候,我一直在想一個問題:兩年前的我就寫過類似的問題了,這兩年來,我究竟多懂了一些什麼呢?

當我重新去看這些分手的文獻,我終於發現那年七夕,她說的那句「我還是很在意你」,或許只是一種安撫。這是Stephen P. Banks研究中的「肯定」技巧(Positive Tone)。那些「我很對不起你」、「我真的很在乎」與「或許有一天我會後悔吧」,都只是一種感受的傳達,至於能不能再當朋友,跟這些話本身根本沒有關係[7]。

然後,我想帶著這些跟我有類似經歷的朋友,一起思考一些事情。

-----廣告,請繼續往下閱讀-----

過了幾年,或許你會想起這些日子的傷痛與淚水。想起你們曾經這麼親密卻又走向分別,想起某些遺憾,想起最後還是沒能和他當回朋友,想起某些失落,想起一些被拒絕、否定的時候,但你也會想起這些日子的開心與瘋狂,想起他和你一起脫下鞋子追逐的夕陽,想起他在你懷裡哭泣時的臉龐,想起某個夜晚你們徹夜聊到天亮,想起那些牽手、擁抱和歡笑,只要想起這些,在脆弱和難過的時候,好像就有力量,可以再努力一點點。

我曾經是很害怕失去的人。因為我總覺得,只要有相聚,就會有分離。既然要分離,當初何必創造,那些過分美好的記憶?

一直到很後來我才發現,真正的永恆,並不是從現在開始的延伸,而是每一個開心難過,腦洞落淚的瞬間。

一直到很後來我才發現,擁有並不是失去的開始。而是在每一份的擁有中,我們可以學著如何珍惜這些真情,珍惜這些瘋狂與交心,然後在揮手道別以後,轉化成能量,勇敢地迎風向前。

-----廣告,請繼續往下閱讀-----

一直以來我們都想反了,所謂「依戀」(Attachment)並不是要你找一個人黏在他身邊,而是去學會「離開」[14]。離開並不一定帶來傷害,相反地,正是因為有天可能離開,我們才更懂得去擁抱身邊的人,懂得懷念。

此去經年,或許你會忘記跟他相處時的腦殘與白痴,或許你會忘記那時候自己是多麼傻地等他兩個多小時,多麼焦急地等他的回應,但永遠不要忘記,曾經年少的你,如此的脆弱,如此害怕受傷,卻也同時願意相信,願意付出熱誠,願意嘗試別人口中的不可能,因為能「去承擔受傷」,也代表著「有能力堅強」<5>。

勇敢地擁抱,這個原本、就真誠而美好的你。勇敢地記得,這個生命中的曾經。

勇敢地,去愛<6>。

<註解>

  1. Morse的研究是這樣做的,他跟受試者說,他們想記錄一年當中情侶感情的變化,而在二、四、九、十月是最容易變化的轉捩點,所以才會在不同的時間點請他們來參加實驗,這樣做是希望二月參加的受試者不要覺得他們很「特別」而產生受試者期望效應。追蹤一年之後,也就是在下一年的情人節以及其他四、九、十月(他們平均在一起18個月,與過去我們在台灣做的研究平均值相仿),發現二月在一起的人,分手的比率是其他月份的2.55倍;如果控制了「戀愛經驗」(Past number of relationships)、「交往時間」(Length of relationship)與「第一年參加實驗的關係品質」(Initial relationship quality),再用邏輯迴歸分析(logistic regression)算出控制這些變項之後的「相對倖存率」,二月份分手的比率是其他月份的5.49倍。
  2. 情侶一年可以過8個「情人系」節日西洋情人節、白色情人節、七夕情人節、在一起紀念日、雙方生日(這通常要算兩天,除非同一天生)、聖誕節與跨年夜。
  3. 簡單說是減少聯絡,其實比想像中複雜。Kellas等人的原文用的是「關係性消退」(Relational Decline),意思是對彼此的承諾感越來越低。另外,在他的樣本中有5%的人在一段時間的分手後關係(post-dissolutional relationships)之後,不再有任何聯絡。
  4.  同性戀研究懶人包
  5. 對這個概念有興趣的人,可以參考Brene Brown脆弱的力量
  6. 改寫自我給畢業孩子的話
  7. 另外補充一個根本無直接相關的數據:研究親密關係多年的 Benjamin Le的一想調查找了超過1000名美國人,發現有47%的男人期待情人節可以上床,但只有23%的女人這樣想。想了解更多,可以點這裡
  8. 看板娘為万虹萱

[參考資料]

  1. Morse, K.A. and S.L. Neuberg, How do holidays influence relationship processes and outcomes? Examining the instigating and catalytic effects of Valentine’s Day. Personal Relationships, 2004. 11(4): p. 509-527.
  2. Buunk, B.P., F.L. Oldersma, and C.K.W. de Dreu, Enhancing Satisfaction through Downward Comparison: The Role of Relational Discontent and Individual Differences in Social Comparison Orientation. Journal of Experimental Social Psychology, 2001. 37(6): p. 452-467.
  3. Surra, C.A. and D.K. Hughes, Commitment processes in accounts of the development of premarital relationships. Journal of Marriage and the Family, 1997: p. 5-21.
  4. Kellas, J.K., et al., The ex-files: Trajectories, turning points, and adjustment in the development of post-dissolutional relationships. Journal of Social and Personal Relationships, 2008. 25(1): p. 23-50.
  5. Metts, S., W.R. Cupach, and R.A. Bejlovec, `I Love You Too Much to Ever Start Liking You’: Redefining Romantic Relationships. Journal of Social and Personal Relationships, 1989. 6(3): p. 259-274.
  6. Hill, C.T., Z. Rubin, and L.A. Peplau, Breakups before marriage: The end of 103 affairs. Journal of Social Issues, 1976. 32(1): p. 147-168.
  7. Banks, S.P., et al., An examination of relationship disengagement: Perceptions, breakup strategies and outcomes. Western Journal of Speech Communication, 1987. 51(1): p. 19-41.
  8. Dailey, R.M., et al., On-Again/Off-Again Dating Relationships: What Keeps Partners Coming Back? Journal of Social Psychology, 2011. 151(4): p. 417-440.
  9. Dailey, R.M., et al., A qualitative analysis of on-again/off-again romantic relationships: “It’s up and down, all around”. Journal of Social and Personal Relationships, 2009. 26(4): p. 443-466.
  10. Dailey, R.M., et al., On-again/off-again dating relationships: How are they different from other dating relationships? Personal Relationships, 2009. 16(1): p. 23-47.
  11. Bullock, M., et al., Can We Be (and Stay) Friends? Remaining Friends After Dissolution of a Romantic Relationship. Journal of Social Psychology, 2011. 151(5): p. 662-666.
  12. Busboom, A.L., et al., Can we still be friends? Resources and barriers to friendship quality after romantic relationship dissolution. Personal Relationships, 2002. 9(2): p. 215-223.
  13. Harkless, L.E. and B.J. Fowers, Similarities and differences in relational boundaries among heterosexuals, gay men, and lesbians. Psychology of Women Quarterly, 2005. 29(2): p. 167-176.
  14. Ein-Dor, T., et al., The Attachment Paradox: How Can So Many of Us (the Insecure Ones) Have No Adaptive Advantages? Perspectives on Psychological Science, 2010. 5(2): p. 123-141.
文章難易度
海苔熊
70 篇文章 ・ 470 位粉絲
在多次受傷之後,我們數度懷疑自己是否失去了愛人的能力,殊不知我們真正失去的,是重新認識與接納自己的勇氣。 經歷了幾段感情,念了一些書籍,發現了解與頓悟總在分手後,希望藉由這個平台分享一些自己的想法與閱讀心得整理,幫助(?)一些跟我一樣曾經或正在感情世界迷網的夥伴,用更健康的觀點看待愛情,學著從喜歡自己開始,到敏感於周遭的重要他人,最後能用自己的雙手溫暖世界。 研究領域主要在親密關係,包括愛情風格相似性,遠距離戀愛的可能性,與不安全依戀者在網誌或書寫中所透露出的訊息。 P.s.照片中是我的設計師好友Joy et Joséphine

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

-----廣告,請繼續往下閱讀-----

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

0
0

文字

分享

0
0
0
賭博與愛情公式:用數學擬定你的擇偶策略——《數盲、詐騙與偽科學》
大牌出版.出版大牌_96
・2024/01/06 ・2486字 ・閱讀時間約 5 分鐘

理解期望值,有助於分析賭場裡的大部分賭局,以及美國中西部和英國的嘉年華會中,常有人玩、但一般人比較不熟悉的賭法:骰子擲好運(chuck-a-luck)。

招攬人來玩「骰子擲好運」的說詞極具說服力:你從 1 到 6 挑一個號碼,莊家一次擲三顆骰子,如果三個骰子都擲出你挑的號碼,莊家付你 3 美元。要是三個骰子裡出現兩個你挑的號碼,莊家付你 2 美元。

假如三個骰子裡只出現一個你挑的號碼,莊家付你 1 美元。如果你挑的號碼一個也沒有出現,那你要付莊家 1 美元。賽局用三個不同的骰子,你有三次機會贏,而且,有時候你還不只贏 1 美元,最多也不過輸 1 美元。

我們可以套用名主持人瓊安.李維絲(Joan Rivers)的名言(按:她的名言是:「我們能聊一聊嗎?」),問一句:「我們能算一算嗎?」(如果你寧願不算,可以跳過這一節。)不管你選哪個號碼,贏的機率顯然都一樣。不過,為了讓計算更明確易懂,假設你永遠都選 4。骰子是獨立的,三個骰子都出現 4 點的機率是 1/6×1/6×1/6=1/216,你約有 1/216 的機率會贏得 3 美元。

-----廣告,請繼續往下閱讀-----

僅有兩個骰子出現 4 點的機率,會難算一點。但你可以使用第 1 章提到的二項機率分布,我會在這裡再導一遍。三個骰子中出現兩個 4,有三種彼此互斥的情況:X44、4X4 或 44X,其中 X 代表任何非 4 的點數。而第一種的機率是 5/6×1/6×1/6=5/216,第二種和第三種的結果也是這樣。三者相加,可得出三個骰子裡出現兩個 4 點的機率為 15/216,你有這樣的機率會贏得 2 美元。

圖/envato

同樣的,要算出三個骰子裡只出現一個 4 點的機率,也是要將事件分解成三種互斥的情況。得出 4XX 的機率為 1/6×5/6×5/6=25/216,得到 X4X 和 XX4 的機率亦同,三者相加,得出 75/216。這是三個骰子裡僅出現一個 4 點的機率,因此也是你贏得 1 美元的機率。

要計算擲三個骰子都沒有出現 4 點的機率,我們只要算出剩下的機率是多少即可。算法是用 1(或是100%)減去(1/216 +15/216 + 75/216),得出的答案是 125/216。所以,平均而言,你每玩 216 次骰子擲好運,就有 125 次要輸 1 美元。

這樣一來,就可以算出你贏的期望值($3×1/216)+($2×15/216)+($1×75/216)+(–$1×125/216)=$(–17/216)=–$0.08。平均來說,你每玩一次這個看起來很有吸引力的賭局,大概就要輸掉 8 美分。

-----廣告,請繼續往下閱讀-----

尋找愛情,有公式?

面對愛情,有人從感性出發,有人以理性去愛。兩種單獨運作時顯然效果都不太好,但加起來⋯⋯也不是很妙。不過,如果善用兩者,成功的機率可能還是大一些。回想舊愛,憑感性去愛的人很可能悲嘆錯失的良緣,並認為自己以後再也不會這麼愛一個人了。而用比較冷靜的態度去愛的人,很可能會對以下的機率結果感興趣。

在我們的模型中,假設女主角——就叫她香桃吧(按:在希臘神話中,香桃木﹝Myrtle﹞是愛神阿芙蘿黛蒂﹝Aphrodite﹞的代表植物,象徵愛與美)有理由相信,在她的「約會生涯」中,會遇到 N 個可能成為配偶的人。對某些女性來說,N 可能等於 2;對另一些人來說,N 也許是 200。香桃思考的問題是:到了什麼時候我就應該接受X先生,不管在他之後可能有某些追求者比他「更好」?我們也假設她是一次遇見一個人,有能力判斷她遇到的人是否適合她,以及,一旦她拒絕了某個人之後,此人就永遠出局。

為了便於說明,假設香桃到目前為止已經見過 6 位男士,她對這些人的排序如下:3—5—1—6—2—4。這是指,在她約過會的這 6 人中,她對見到的第一人的喜歡程度排第 3 名,對第二人的喜歡程度排第 5 名,最喜歡第三個人,以此類推。如果她見了第七個人,她對此人的喜歡程度超過其他人,但第三人仍穩居寶座,那她的更新排序就會變成 4—6—1—7—3—5—2。每見過一個人,她就更新追求者的相對排序。她在想,到底要用什麼樣的規則擇偶,才能讓她最有機會從預估的 N 位追求者中,選出最好的。

圖/envato

要得出最好的策略,要善用條件機率(我們會在下一章介紹條件機率)和一點微積分,但策略本身講起來很簡單。如果有某個人比過去的對象都好,且讓我們把此人稱為真命天子。如果香桃打算和 N 個人碰面,她大概需要拒絕前面的 37%,之後真命天子出現時(如果有的話),就接受。

-----廣告,請繼續往下閱讀-----

舉例來說,假設香桃不是太有魅力,她很可能只會遇見 4 個合格的追求者。我們進一步假設,這 4 個人與她相見的順序,是 24 種可能性中的任何一種(24=4×3×2×1)。

由於 N=4,37% 策略在這個例子中不夠清楚(無法對應到整數),而 37% 介於 25% 與 50% 之間,因此有兩套對應的最佳策略如下:

(A)拒絕第一個對象(4×25%=1),接受後來最佳的對象。

(B)拒絕前兩名追求者(4×50%=2),接受後來最好的求愛者。

如果採取A策略,香桃會在 24 種可能性中的 11 種,選到最好的追求者。採取 B 策略的話,會在 24 種可能性中的 10 種裡擇偶成功。

以下列出所有序列,如同前述,1 代表香桃最偏好的追求者,2 代表她的次佳選擇,以此類推。因此,3—2—1—4 代表她先遇見第三選擇,再來遇見第二選擇,第三次遇到最佳選擇,最後則遇到下下之選。序列後面標示的 A 或 B,代表在這些情況下,採取 A 策略或 B 策略能讓她選到真命天子。

-----廣告,請繼續往下閱讀-----

1234;1243;1324;1342;1423;1432;2134(A);2143(A);2314(A, B);2341(A, B);2413(A, B);2431(A, B);3124(A);3142(A);3214(B);3241(B);3412(A, B);3421;4123(A);4132(A);4213(B);4231(B);4312(B);4321

如果香桃很有魅力,預期可以遇見 25 位追求者,那她的策略是要拒絕前 9 位追求者(25 的 37% 約為 9),接受之後出現的最好對象。我們也可以用類似的表來驗證,但是這個表會變得很龐雜,因此,最好的策略就是接受通用證明。(不用多說,如果要找伴的人是男士而非女士,同樣的分析也成立。)如果 N 的數值很大,那麼,香桃遵循這套 37% 法則擇偶的成功率也約略是 37%。接下來的部分就比較難了:要如何和真命天子相伴相守。話說回來,這個 37% 法則數學模型也衍生出許多版本,其中加上了更合理的戀愛限制條件。

——本書摘自《數盲、詐騙與偽科學》,2023 年 11 月,大牌出版,未經同意請勿轉載。

討論功能關閉中。

大牌出版.出版大牌_96
3 篇文章 ・ 0 位粉絲
閱讀的大牌不侷限於單一領域, 視野寬廣,知識豐富,思考獨立。

1

2
1

文字

分享

1
2
1
如果在虛擬實境裡尋找伴侶,真的可以建立舒服的戀愛關係嗎?——《元宇宙超圖解》
azothbooks_96
・2023/09/27 ・983字 ・閱讀時間約 2 分鐘

-----廣告,請繼續往下閱讀-----

在元宇宙的世界裡,比較容易和價值觀相近的對象,談一場少摩擦的戀愛。

所謂的「談戀愛」,其實就是彼此價值觀的碰撞。

在價值觀日趨多元、細分的現代社會,實體世界裡的戀愛,情侶之間免不了會發生一些摩擦。

所謂的「談戀愛」,其實就是彼此價值觀的碰撞。圖/pexels

越來越多人在實體社會的戀愛關係中感受不到舒適,大眾認為「談戀愛風險很高」的傾向,更是一年比一年更鮮明。

可見「談戀愛」的魅力,正逐步下降。不論是在元宇宙內或外,都有一套很現代的方法可以解決這個問題,那就是配對服務。

-----廣告,請繼續往下閱讀-----

迴避戀愛和元宇宙

當我們對戀愛的價值觀細分化之後,在生活周遭便很難找到滿足條件的人選;但只要像在社群網站上找興趣相近的同好那樣,從一個規模龐大的母群體當中找出伴侶的話,發生摩擦的狀況,會比不假思索就交往的對象減少許多。

若想找更根本的解決之道,那麼元宇宙上還有一個獨門絕招,就是乾脆把伴侶化為虛擬實境的一部分——因為情侶在元宇宙上會隔著虛擬替身,建立起隔一道防火牆的溝通方式。

有些人會覺得「虛擬替身碰不到、摸不著」,不過,時下認為談戀愛不見得一定要有實體互動或性接觸的人已越來越多,或有些原本潛伏噤聲的族群浮上檯面。

想必今後會有越來越多人願意相信這不是逃避實體戀愛,而是元宇宙上的愛情,比實體更美好。圖/azothbooks

要是這些虛擬替身由 AI 操控的話,還能與另一半建立更舒適的戀愛關係——如果對象是 AI,不論是再怎麼極端的戀愛觀,或是任何性傾向,它應該都會接受吧!

-----廣告,請繼續往下閱讀-----

想必今後會有越來越多人願意相信這不是逃避實體戀愛,而是元宇宙上的愛情,比實體更美好。

——本文摘自《元宇宙超圖解:從刀劍神域到寶可夢,一小時讀懂78個概念,掌握本世紀最大商機》,2023 年 9 月,漫遊者文化出版,未經同意請勿轉載。

所有討論 1
azothbooks_96
53 篇文章 ・ 21 位粉絲
漫遊也許有原因,卻沒有目的。 漫遊者的原因就是自由。文學、人文、藝術、商業、學習、生活雜學,以及問題解決的實用學,這些都是「漫遊者」的範疇,「漫遊者」希望在其中找到未來的閱讀形式,尋找新的面貌,為出版文化找尋新風景。