【Gene思書齋】專注的超凡力量

• 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。

在這個嘈雜的世界裡，我們不能再那麼漫不經心的看待日常的喧囂。

這些噪音並沒有達到或超過一般所認定的「危險」程度，它們不是新奇的聲音，也不是令人提高警覺的聲音，而是一些持續不斷的聲音，並且它們的聲學特質隨著時間推移後通常還能保持一致。因此，這些聲音傳遞不了多少訊息，它們大部分被視為「背景噪音」，所以經常遭到我們忽略。

不容忽視的背景噪音

我們不去聽這些聲音，但我們是真的沒聽到？或者我們只是在一種持續警戒的狀態下過活？我們都有過這種經驗：聲音消逝後才發現它的存在。

常見的例子有空調壓縮機的運轉聲，或是卡車怠速時的引擎運轉聲，等空調的壓縮機結束運轉循環或卡車引擎關閉後，我們才突然「聽見」了寂靜，然後長舒一口氣，短暫地陶醉在這份平靜裡，直到聲音再次響起或被其他擾人的聲音所取代。

如果我們的耳朵沒有因此受損，而多數時候也可以不去理睬這些聲音，那麼我們還需要關心這樣的噪音所帶來的困擾嗎？科學給我們的答案是：

我們確實該注意這些聲音，並且為我們的大腦感到擔心。

暴露於中等程度的噪音後，聽力閾值屬正常的人可能會在有噪音的環境中出現難以理解語言的情況。除此之外，嘈雜的環境本來就有許多跟聽力無關的負面影響，但這種情況卻時常被低估。

長期暴露在噪音下如住在機場附近，會導致人們感受到整體生活品質的下降、感受到壓力增加並伴隨著壓力荷爾蒙皮質醇（cortisol）的分泌量增加、記憶力和學習能力產生問題、難以執行有挑戰性的任務，甚至會導致血管硬化和其他心血管疾病。

根據世界衛生組織估計，每一年因噪音暴露及其帶來的間接影響（如高血壓和認知表現衰退）而生病、引發殘疾，或早逝的人數相當驚人。

噪音使專注力下降

噪音還會對學習和專注度產生干擾。

在紐約市的公立學校，根據教室所在位置是學校鄰近繁忙的高架鐵路的一側，或是位於可屏蔽火車噪音的另一側，學生的閱讀測驗結果有明顯的差異；教室位於嘈雜側的學生閱讀能力落後同儕三到十一個月。

發現噪音有這般影響之後，紐約市公共運輸局在學校附近的鐵軌上鋪設了橡膠墊，教育局則是在環境最嘈雜的教室裡加裝了減噪建材，這兩項措施共計將噪音強度減少了 6 至 8 分貝，之後，不同教室間學生閱讀測驗的差異很快就消失了。

噪音造成的影響不只局限於聽覺相關，或是語言相關（如閱讀）之類的任務。有一項實驗要求受試者執行追蹤視覺物體的任務：用滑鼠跟著螢幕上一顆會動的球移動，與此同時，螢幕上還有其他動來動去的球。執行這項任務時，因為職業關係而長期暴露在噪音環境中的受試者遇到較多困難，尤其當任務搭配著隨機出現的噪音時更是如此，這些受試者的反應比較慢，無法緊跟著目標球。

睡眠凶手

在《為什麼要睡覺？》（Why We Sleep）一書中，加州大學柏克萊分校的睡眠科學家沃克（Matthew Walker）提到，缺乏良好的睡眠是「二十一世紀人類最大的公共衛生挑戰」。

睡眠逐漸被視為是影響健康的重要因素，我們的心血管系統、免疫系統以及思考能力，都會受到睡眠的影響；噪音是阻礙一夜好眠的最大凶手。噪音，甚至是音量極低的噪音，會破壞睡眠的品質，導致我們醒著的時間變多了，醒來的時間也提早了。

環境中的噪音會影響我們的睡眠品質，促使身體產生動作、從睡眠中醒來，以及心跳速率變快。交通噪音會縮短睡眠時的快速動眼期（rapid eye movement，REM，即做夢期）和慢波期（slow-wave，即深眠期），並降低夜晚睡覺時所感受到的放鬆感受。

——本文摘自《大腦這樣「聽」：大腦如何處理聲音，並影響你對世界的認識》，2022 年 12 月，天下文化出版，未經同意請勿轉載。

• 作者 / 艾佛瑞德 S. 波薩曼提爾、蓋瑞．柯斯、丹妮耶爾．索羅．維葛達默、凱瑟琳．基芙—柯柏曼
• 譯者 / 謝雯伃

減少讓人分心的事物

我們可以輕易看出，若從具挑戰性的問題上分心，就會造成解題的延遲。當我們分心時，我們會跟不上我們已建立起的資訊，因此很難流暢地繼續這項任務。持續經驗到分心，可能會造成你需要重覆開始同一項任務，因為在回想問題目標、變量及已有的成果上，你都會遭遇困難。

一般常會造成人們分心的事物，有電視、有歌詞的音樂、手機、持續進來的電子郵件，以及其他人的存在。有些人回報， 他們在背景有很多噪音的情況下工作狀況會更好；但研究顯示， 通常在沒有造成分心因素的情況下，才會有更好的工作效果。本章後續將會對此進行更多細節討論。

關掉電視及音樂吧，如果用不到電腦網路的話，在你埋頭進行某個專案時也關掉它。把你的手機放在另一個房間裡或者乾脆關機。停止與他人對話（當然是在他們與你要處理的問題無關的情況下）。一個常被忽略但會造成分心的因素是房間的溫度。如果你所在的房間太冷或太熱，你都可能會因為體溫的改變，或是身體上的不適而變得分心。

此外，一個任務越困難，所需耗費的腦力就越多，此時比起一般時刻，更需要將可能讓人從這項任務分心的干擾因素降到最低。回想一下你剛開始學開車時，這對大多數人來說都是相當具挑戰性的任務。許多人回報，在他們對開車駕輕就熟之前，他們必須將車內音樂關到非常小聲，甚至關掉音樂，同時也不能與他人說話，這是因為他們需要集中精神在路況上，才能安全駕駛。

即使現在你已是一名經驗老道的駕駛，你可能還是會發現， 自己在遇到像是在劇烈天氣下行駛、或是在迷路等不尋常行車狀況時，還是會把車內音樂關小或是暫停與他人的對話。在這些情況中，我們的大腦需要更多精力來解決這個迫切的問題。這表示，要將任何不必要的事物減少到最低或完全消除掉。

當然，這表示比起解決較困難的問題，若你解決的是比較容易的問題，你就不需要分配那麼多腦力在這項任務上。然而， 也不要因此就認為解決較容易問題時，分心對於成果不會造成任何影響。當任務較容易時，效率及速度成了關鍵。分心會讓小任務變成大挑戰，並讓簡單的問題變成困難且拖上很久才能解出的問題。思考下面列問題，大多數人都覺得這些題目相對簡單，但你可以試試在分心的情況下（像是開著電視，其他人在房裡說話等情況），盡你所能快速地完成題目，並把你完成每組題目的時間記錄下來。

接著，在沒有分心的情況下完成類似的一組問題。關掉你的手機及其他可能造成你分心的電子裝置。計時看看你花了多少時間完成問題。

你可能會注意到，你花在解第二組問題上的時間較少。你甚至可能會在解第一組問題時犯下一些錯誤，就因為你沒有完全專注在任務上。這兩組問題都只有幾道問題，但若是你有更多題目要解的話又會怎樣呢？更多問題會導致更多的錯誤，以及花在上頭更久的時間。

雖然閱讀本書的大多數人可能期待去學習如何處理冗長且具挑戰性的問題，但我們通常忽略了快速準確地解出更簡單問題的重要性。在現實生活中，我們每天面對許多簡單問題（再加上幾個具挑戰性的問題）。在大多數情況下，我們花在簡單任務上的時間多於實際所需，就因為我們並沒有專注在那項工作。接著，我們就因為分心而無法將這份工作做得完全或正確。減少分心，就算是問題很簡單的情況下也是如此，能增加我們的正確率及效率。

許多人聲稱，存在一些讓他們感到分心的事物，實際上能讓他們更加專心而非分心。舉例來說，人們邊工作邊聽音樂的情況相當普遍。有幾個理由可以說明，何以這似乎有助於工作效率而非造成分心。有可能是這種音樂能讓人情緒緩和，有助於減輕焦慮。如同第四章所討論的，焦慮通常會阻礙解題；因此，使用音樂作為減輕焦慮的方法可能有所幫助。然而，音樂也可能造成分心，特別當音樂中有歌詞或是歌詞十分琅琅上口時（「我愛這首歌！」）如果你覺得音樂有幫助，我們建議你選擇器樂音樂來聽。旋律會讓你冷靜下來，卻不會過度造成分心，同時也能讓你避開其他在你控制之外、令人分心的聲音（像是外頭施工的聲音，或是其他人製造的噪音）。

簡而言之，盡你可能地減少分心的狀況，無論你要完成的任務是大是小、或難或易皆然！如同在上面完成簡單數學題的活動中所顯示的，將分心事物降到最低，能幫助你更快速、更準確地完成任務。在下一段中，我們會展示在外界讓人分心的情況被降到最低後，該如何集中你的專注力。你可以試試以下兩個數學題，它們依然是簡單的題目，只是比之前單純的加法及減法問題再難了一些。在背景有令人分心的情況下解第一題， 而解第二題時要避開這些令人分心的事物。

有支軍隊與敵軍軍隊的士兵人數比是每 5 人對敵方 6 人。在一場戰鬥中，第一支軍隊失去了 40000 名士兵， 第二支軍隊失去了 6000 人。此時兩軍的士兵比是 2:3。請問，兩支軍隊在這場戰鬥後，分別剩下幾名士兵？

在走路上學的途中，查爾斯發現他每分鐘走 352 步。他每步的步長是 1.5 英尺。那麼，請問查爾斯每小時的時速為何？

練習正念：停止多工，一次專心做一件事

許多人都聽過正念，這是指將注意力一次放在一件事上， 專注於當下此刻（不要把這跟冥想搞混，那是正念的一種特定形式）。為了有效地練習正念，首先要減少外在令人分心的事物（如同前一節所提），像是關掉電視機，或是把你的手機留在另一個房間裡，都會有所幫助。然而，有很多人認為，要集中注意力是件極困難的事，即使令人分心的事物減到最低後依然如此。這是因為思緒或情緒等內在分心，也會干擾我們集中注意力的能力，特別是需要專注於當下及手邊任務時，會更加覺得干擾。

你是否注意過當你在正在進行工作時，你會冒出「不知道今晚要吃什麼？」或「喔，我剛剛想到明天上班時要開的那場會。那一定很糟！」之類的想法。從這個想法出發，你可能會對即將可能發生的事情出現焦慮或期待的感受，在你回過神來之前，你可能已經花了十五分鐘詳盡計畫了晚餐內容或是你明天上班時要討論的特定議題，但你原本的計畫是要完成一份報告或簡報！這是我們的思緒如何從當下分神的例子。

正因為如此，正念練習的關鍵就是要注意到你的注意力已經飄走了。如果你注意到自己因為外在刺激、或是當日稍早發生事件的想法、或是即將發生的事所分心，就要練習將你的注意力挪回你此刻的目標上。這個練習重覆將你的注意力拉回當下，是幫助一個人掌握正念的關鍵。一開始這看似非常困難， 但隨著練習次數增加，這會變得更容易！你可以幫自己想出一個像是「好了，回到工作上」，或甚至簡單到如「專心！」之類可以重覆念誦的咒語，幫助自己把注意力重新拉回來。