我們來自同一個星球－《從世界變得寂靜開始》

• 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。

市場的公開資訊，真的能幫助消費者做出好決定嗎？

經濟學通常假設消費者主權可以使個人福利最大化：消費者會權衡各種機會，並選擇能夠最大化自己效用的選項。

但市場提供的資訊，是否足夠讓消費者最大化自己的福祉？消費者是否會臨時改變心意，喜歡上別的商品？消費者是否渴望擁有一些與當前選項不同的商品？餐點標示熱量有助減肥？

許多經濟學家覺得，企業藉由巧妙的廣告誘使消費者做出不明智的選擇；還有些經濟學家認為，消費者的確做出不明智的選擇，但過失應該算在他們自己頭上。本章稍後將討論這些行為經濟學家的論述。

多數經濟學家猛然意識到，現行市場其實並不缺乏資訊，公開且良好的資訊量非常大。許多製造商努力宣傳自家商品，甚至提供與其他廠牌的優劣比較及相對的價格訊息；聲譽良好的廠牌和在乎名聲的百貨業者，也間接提供優良品質商品的相關線索。這些都是市場行之有年的公開資訊。

數位革命使資訊量瞬間膨脹數倍。有了網路搜尋功能之後，人們不用走進商店就可以獲得充足的商品訊息。譬如我最近在尋找合適的行李箱，幾個購物網站提供了關於尺寸與重量的資訊、羅列產品的優缺點，還有先前買家對特定型號箱子的評論。

如果在Google搜尋中輸入「行李箱評價」，一下子就會跳出《消費者報告》（Consumer Reports）、《漫旅》（Travel + Leisure）、《好管家》（Good Housekeeping）、《今日美國》（USA Today）、《商業內幕》（Business Insider）、家電網（Wirecutter）、集點網（Upgraded Points）等提供的資訊。

資訊越多越詳細，真的越好嗎？

儘管可靠的資訊來源比比皆是，消費者仍舊無法窮盡所有資訊。經濟學家認為消費者的確「不應該追求完全的知情」，因為搜尋資訊與消費資訊都需要投入時間和金錢。

因此，對擁有部分資訊的消費者而言，只有未知資訊的預期價值超過獲取資訊的成本時，才值得追求更多資訊。另一方面，即使市場的競爭壓力迫使廠商提供大量的商品資訊，還是依然沒有揭露許多重要、與安全相關的訊息。

舉例來說，曾有廣告商建議布朗威廉森菸草公司（Brown and Williamson Tobacco Corporation）在宣傳旗下新商品時，強調新配方能降低引發心臟疾病的有害氣體，然而這項建議並未被接納。

一份內部文件顯示，該公司高層認為：「在特定有害氣體對心臟疾病的影響獲得政府證實且廣為人知之前，貿然在廣告中提及這種氣體並不具有策略性價值。」

由於廣告商極其堅持，該建議最終遭到菸草公司斷然拒絕。該公司認為，提及這些氣體只會適得其反，因為這麼做，反倒公開揭露吸菸對心血管的不良影響。

當市場競爭機制無法為消費者提供重要的資訊時，政府的干預才具有價值。政府公開揭露與吸菸相關的資訊，確實能降低一部分的吸菸率，也會促使廠商降低香菸中的焦油和尼古丁含量。企業有時也沒有測試自家產品的動機，因為他們發現：消費者不認為廠商的內部測試具有公信力。

——本文摘自《經濟學家眼中的世界 (40周年好評增修版)：一本讀懂經濟學的優劣與局限，剖析政府、市場和公共政策，探索人類的幸福》，2023 年 5 月，今周刊出版，未經同意請勿轉載。

奇怪的仙女圈

如果你漫步在澳洲西部的旱地上，你可能會看到（圖 一）中的奇怪景象。

原本長滿鬟刺屬（spinifex）植物的土地上赫然出現一圈圈的紅土區域，上面沒有長任何植物，這種奇怪景象被稱為「仙女圈（fairy circles）」。

和神秘的麥田圈不同，他不是一夕之間所形成的，更沒有麥田圈一般詭異難解，事實上，自上世紀 70 年代科學家首度在南非發現這種特殊的現象後，就一直有許多科學研究嘗試以各種證據和理論解開仙女圈背後成因，時至今日，仙女圈的成因仍備受爭議。

既然不知道，何不問問「在地人」？

今年 4 月發表在 nature ecology & evolution 的論文＂First Peoples’ knowledge leads scientists to reveal ’fairy circles’ and termite linyji are linked in Australia＂嘗試從一個特別的角度來解決這個問題，那就是「馬爾圖族（Martu）的傳統知識」。

既然說是「特別的角度」，肯定代表這篇研究與其他有所不同。一般進行生態學研究時，很少會考慮當地原住民族對於生態系統的認識和見解，然而，原住民族通常已經在某一個生態系裡面生存非常久的時間，因此通常會累積大量的傳統生態學知識（traditional ecological knowledge），這通常牽涉到長期的觀察驗證，並不是現代科學方法短時間內可以做到的。

因此，科學家在探討仙女圈的形成原因時，決定先來「問」看看生活在澳洲這塊土地超過 65000 年的澳洲原住民族。

結果顯示，仙女圈這種特殊的構造確實烙印在馬爾圖族的文化裡，他們認為仙女圈的形成和白蟻之間有很大的關係，這樣的生態學知識不只出現在口耳相傳的文化中，也出現在古老的圖騰裡，例如（圖二）就顯示了澳洲馬爾圖族的祖先很直接地把仙女圈的出現以及白蟻（termite）連結在一起（圖二 b 中有些圈圈裏面像等號的白色圖騰就是白蟻，而圖二 d 中那些紅色的像熱狗的圖騰也是白蟻（沒錯，因為這些圖片給的授權只有 CC BY-NC-ND，所以我不能在上面加註釋））。

根據馬爾圖族的生態知識，仙女圈是白蟻的「家」，而仙女圈外的區域則是白蟻的「通道」。除此之外，馬爾圖族還發現仙女圈的土表具有堅硬的特性，仙女圈的土表堅硬到可以用工具敲擊地面以使幫助穀物褪去外皮。

「在地人」說的到底是不是對的？

然而，前人研究的研究基本上已經抦棄了仙女圈的形成和白蟻有關這種想法，因為他們並沒有在仙女圈中發現很多白蟻。這代表原先的科學觀察結果和馬爾圖族的傳統知識有所出入，究竟誰更正確呢？

研究結果顯示，馬爾圖族的生態知識很可能是對的。

研究團隊實際挖開仙女圈以後發現仙女圈中真的有不少白蟻，挖的洞裏面有 41% 挖到白蟻。此外，在仙女圈中挖的洞中高機率含有所謂的「巢腔（chamber）」，巢腔的功用是育幼、休息以及儲藏食物排泄物等等，通常會集中在某一個特定區域形成「巢（nest）」。仙女圈外的區域則鮮少出現巢腔這種構造，但是仙女圈外的區域卻很容易挖到覓食用的通道（圖三）。

綜合馬爾圖族的傳統知識以及科學研究的結果，澳洲仙女圈的形成確實可能和白蟻的建築構造有關，因為仙女圈內外的白蟻建築構造有明顯的差異。

雖然本研究作者最後並沒有對於仙女圈形成的確切原因給出特定理論，但筆者推測，可能正是因為白蟻巢室堅硬的構造造成仙女圈堅硬的土表，沒有良好的土壤結構而植物自然無法在仙女圈上生長。

傳統生態知識和西方科學知識擦撞出意外的火花

原住民族的傳統生態知識確實可以在科學進展上扮演重要角色，這篇研究就是一個很有趣的例子。

一般而言，科學研究所涉及的方法幾乎全都是所謂的「量化研究（quantitative research）」，然而，這篇研究卻先使用質性研究（qualitative research）的方法調查馬爾圖族的傳統知識（順帶一提，這篇研究的作者多達 39 位，其中有 23 位是澳洲馬爾圖族的專家和耆老），再以此為靈感進行科學調查，可以說是相當有趣的做法。

馬爾圖族對於仙女圈的傳統知識遠遠不僅止於此，仙女圈中間堅硬不透水的特性使其成為大雨後馬爾圖族的臨時蓄水池，這個蓄水池在人類文明和生態上扮演甚麼作用？馬爾圖族和仙女圈的故事還會繼續寫下去。

1. Walsh, F., Bidu, G. K., Bidu, N. K., Evans, T. A., Judson, T. M., Kendrick, P., … & Williams, C. M. (2023). First Peoples’ knowledge leads scientists to reveal ‘fairy circles’ and termite linyji are linked in Australia. Nature Ecology & Evolution, 7(4), 610–622.

生態學在發展的初期被認定為是研究「自然的經濟學」。研究自然界與人類的經濟生活越久，越顯現出兩者之間的關聯性。英國經濟學家霍森（Geoffrey M. Hodgson ）的著作《經濟學中的生物與物理隱喻》（Biological and Physical Metaphors in Economics ）中指出：「真實世界中的經濟演變，比起機械式程序，它與生物體和生物演化過程之間更有關聯，因為經濟畢竟與人類事務相關，而非與粒子、力量和能量有關。」經濟學中的有機論，仍然能夠從科學中挖掘出無盡的潛力。有機論的偉大時代也許即將來臨，只要我們用正確的方式著手進行，大自然也許能夠提供更多模式，用以促進掠食動物主義與蝗蟲潮式的經濟發展。

美國詩人蓋瑞．施耐德（Gary Snyder ）寫道：「經濟學應被視為生態學的旁門左道。企業、工廠和集團必須用同樣偉大與謹慎儉約的精神，來製造產品、行銷與消費，像我們在大自然中所看到的景象一樣。」除了森林以外，沒有一個地方更符合施耐德的描述。

經濟學中所描述與生物有關的場景與模式不只是隱喻，也顯示大自然與經濟活動過程中，所涉及的是單一循環中的反應、單一軀體中的新陳代謝反應、及單一物種的單一形體（有些作家稱之為蓋婭，有些將它簡稱為世界、我們的環境或共生世界）。

自然經濟學當然不是只圍繞著金錢─碎紙、金屬片、彩色羽毛、貝殼、石輪或是電腦螢幕內的虛擬錢幣，這些貨幣的價值並非它本身的價值，而是被設定的，且都是以使用者的協定作為基礎。這種協定試圖藉之緊緊抓住生活激流中的一小部分，並設法讓它易於攜帶。家畜具有生命，也貢獻牠的生命，家畜的拉丁文「pecus 」就是從金錢的拉丁文「pecunia 」演繹而來的。細胞的經濟學是一種關於獨特且穩定的能量貨幣、它是「真實存在的東西」，在生物化學與細胞生理學的許多著作中，都有提及「ATP 經濟學」。

ATP （三磷酸腺）是生命系統中，細胞內傳遞能量的載體，一種使細胞存活的分子。它的重要性有如「地球市」與「地球城邦」中使用的汽油、煤氣與電力。然而， ATP 和金錢有什麼關係？ ATP 和電力、汽油與煤氣一樣，需要用很多金錢購買。基本上，因為金錢只是一連串轉換，與生物化學反應中的一個支流，在各種狀況的開始與結束中， ATP 都占有一席之地。這樣比喻： ATP 可以儲存細胞內的能量，而我們必須依靠此能量才能工作賺錢；賺到的錢買來的東西，到最後只是為促成ATP 生成。事實上，經濟也就是物品與資訊交換的系統，一個無可避免與「工作」相連的過程，而「工作」就是在消耗能量，所要換取的不外乎是ATP 。

經濟活動中，最明顯的就是買賣行為。你最需要購買什麼東西？水和食物。所有化學反應最需要的是，緩和細胞流動並維持生命的構成要素，簡單說就是為了取得能量，而生物體和人體內的能量就是ATP 。無論是買房子或買汽車，就算只投資一點點，最終的目的都是為了儲存或是獲得能量，有了能量才有工作與行動能力，有了這些能力才能賺錢獲得糧食。

一切都是為了獲得能量。然後呢？也許你會投資在教育或進修上。這種投資又是為了什麼？當然不是沒來由地砸重金購買老師教書所需的能量，而是能夠保障未來的能量，透過高收入、舒適、滿足感與安全感而取得。即使為了奢華而付出，長期來看都只是為了能量。

不管是在深思熟慮後決定選擇使人類經濟最佳化，或者是反對最佳化的決定而終告失敗，甚至僅是被大自然演化的力量逼迫前進，其生理的基礎都一樣。例如，在螞蟻的城邦裡，一切事件的發生都是為了獲得能量，和人類經濟世界並無不同。理察．道金斯（Richard Dawkins ）在《自私的基因》裡提到這樣的環境關係。

然而，為了自己的基因、為了得到後代子孫基因序列的訊息，為了對抗自己基因排列的錯誤，人類與動、植物因此特別需要能量，畢竟我們是由同一種物質所構成——我們人類這麼說：其他生物「和我們一樣，以同樣的方式被創造出來」。用同一種「黏土」捏製而成，住在遵守同一項自然法則的同一顆行星，同一個宇宙中的島嶼。我們住在同一個星球，維持我們生命的物質是一樣的，我們是由相同的原料製造而成。我們需要能量。

本文摘自泛科學2014十二月選書《從世界變得寂靜開始：生物多樣性的衰減如何導致文化貧乏》  ，臉譜出版。