【Gene思書齋】肚子裡的秘密和傳奇

• 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。

放屁和打嗝居然有共同點？

為什麼放屁會臭？因為大腸裡的細菌分解食物，產生硫醇和硫化氫等臭味氣體。硫化氫被形容是「有如臭雞蛋」，這也是溫泉飄著臭味的原因。對於細菌來說，這種作用是生存的必要活動。

有了這方面的常識，很容易會誤以為「屁是腸子裡產生氣體」，但並非如此，屁大半是從嘴巴吃進去的空氣。

我們在吃東西的時候，會把空氣一起吃進肚子。進入胃的空氣，一部分會逆流從嘴巴排出，一般稱之為「打嗝」，醫學上稱之為「噯（ㄞˋ）氣」；剩下的空氣就和食物一起到小腸，藉由腸蠕動不斷往下，最後連同大腸內的臭味氣體一起從肛門排出，這就是屁。

吃東西又急又快，就很容易吃進空氣。吃下去的空氣量多，當然打嗝和放屁的次數也會增加。雖說如此，進食時也不可能完全都不吃進空氣。

進行腹部斷層掃描時，每個人的腸道裡一定都有空氣。量的多寡因人而異，有人多、有人少。但是以健康的人來說，腸道內完全拍不到空氣是不可能的。不管吃東西時多慎重，一定會吃到空氣。

肚子咕嚕咕嚕叫不一定是肚子餓？

空腹時肚子會叫，大家一定都會有這樣的經驗。但是其實不限於空腹，肚子其實經常會「叫」。證據就是拿聽診器聽腹部的時候，只要是健康的人，聽起來都會咕嚕作響。我們覺得「肚子在叫」時，是只有「聲音大到不用聽診器也聽得到」。

肚子的聲音主要是腸道（大腸和小腸）搬運食物所發出的聲音。腸子隨時都在蠕動，但主要還是有二種模式，一是空腹時的「空腹期收縮」，另一種是進食後的「進食期收縮」。

腸道的收縮力在空腹時更大，從胃、十二指腸開始的收縮會一路傳到小腸末端，這是為了要讓腸道內殘留的胃液和腸液往下游送出，為下一餐做準備。這也是為什麼空腹時比較容易聽到腹鳴的理由。

當然，在肚子不餓時也可以聽到腹鳴，這是腸道不斷在運動的緣故，不需要大驚小怪。腸道運動活潑，代表很健康。

進行腹部手術的時候，打開腹部就會直接看到腸子，此時腸道蠕動聲真是非同小可。平常都是隔著腹部聽到的聲音，沒有遮蔽物後變大聲很正常，而且是整個手術室都聽得到的大音量。

大家可能認為聽診器都是拿來聽胸部，但像我這樣的消化器官專科醫師，拿聽診器來聽肚子的機會更多。

食物又不會偷跑，為什麼總是「剛吃飽」就想大便？

吃完飯後沒多久一定會有便意，你也有這種經驗嗎？

很多人都是在家吃了早餐後，上完大號才去上班。但應該也有本來沒有便意所以直接出門，結果走著走著卻便意襲來而後悔不已的經驗吧？

午餐後也一樣。我經營的醫療資訊網站有解說排便相關的文章，點閱率非常明顯的集中在平日中午十二點到下午一點的時候。這個時間帶排便的人很多，想當然耳搜尋「腹瀉」、「血便」也會增加。

「用餐後就想大便」乍看之下理所當然，但仔細想想卻很不可思議，因為食物不可能那麼快就變成糞便。

慢慢地消化，經過腸道運動往下運送，也要一到兩天才會排出糞便，不可能像削鉛筆機那樣，把積存在腸道內的糞便推出去。

如前所述，食物會在胃裡稍作停留，然後才徐徐進入十二指腸。也就是說進食後感到便意而去上廁所的時間點，食物大部分還在胃裡。

那麼為什麼進食後會有便意？事實上是因為「食物進入胃部會促進大腸蠕動」，這稱為「胃結腸反射」，也就是吃東西的時候，大腸內積留的糞便就會反射性地往下運送，所以會感到便意。

當然，這還是會有個體差。平常便祕的人可能會想，如果能這麼容易有便意就好了。每個人對胃結腸反射的反應不盡相同。

——本文摘自《了不起的人體：如此精妙，如此有趣，說不定還能救你一命》，2022 年 7 月，如何出版，未經同意請勿轉載。

哪些人會需要換肝呢？

需要換肝的族群年齡分佈大致上呈兩大族群，一邊是剛出生帶有先天疾病的小朋友，一邊是後天罹病的成年人^[1]。譬如說小兒科會見到的膽道閉鎖，這些小朋友天生膽道就發育不良，膽汁無法順利排到膽管，而淤積在肝臟。如果不處置，會在數個月後快速進展成肝衰竭而有生命危險。

成年人需要換肝的在在台灣以前常見的是因為 HBV 或 HCV 造成的猛爆性肝炎，現在可能就屬肝癌、酒精性肝炎、非酒精性脂肪肝炎、藥物中毒等最為大宗。依照巴賽隆納小細胞肝癌（hepatocellular carcinoma）治療指引^[2]，在肝功能還未受損太嚴重時，若腫瘤數目、大小、位置理想，肝癌病人是可以接受換肝手術，「治癒」肝癌的。這比起許多以延長幾個月的餘命為目標的癌症治療而言，是很難得的。

台灣其實是特例？國際肝臟移植的現況

據衛福部 2020 年統計數據，台灣 2005 至 2018 總計執行了 6211 例的肝臟移植，其中活體肝臟移植就佔了其中的 4915 例^[3]。所謂的「活體」移植就是在幾乎相同的時間內，兩個開刀房、兩組醫護人馬，同時開刀，一邊把受贈者有問題的肝臟取下，一邊把捐贈者的部分肝臟擷取，最後接到受贈者體內。這也常常躍升至媒體，如「捐肝救父」、「捐肝救子」的佳話。

活體移植不僅考驗主刀者的技術、也考驗醫護團隊的默契。開刀只是其中一關，開刀前的配對、開刀後的術後照顧、抗排斥治療等等，皆是重重的考驗。不過台灣日本等國家活體移植的盛行，其實是國際移植界的特例。

活體移植牽涉到的倫理議題，也讓台灣目前活體移植只限於親屬。若非親屬捐贈，則只能排隊，等意外死亡者的肝臟捐贈。所以在國際上行之有年、且更常見的其實是大體捐贈，一般上會是來自因意外或因疾病而腦死的病人。

肝臟從捐贈者體內被取出後，會在 2-5°C 的液態保存液中暫存，並且在數小時內必須移植到受贈者體內。這黃金數小時，是沒有血液灌流的，換句話說，肝臟組織無法有效率的得到生存所需的氧氣，以及排泄代謝廢物，所以一般來說會把這段黃金時間限縮在 12 小時內。如果算上捐贈肝臟組織的運輸以及兩個手術（捐贈以及受贈者）的時間，整個移植是一個跟時間賽跑的過程。如果到目前為止，這個任務還不夠艱鉅的話，我們可以看看美國的統計數字。

在美國大約有 17,000 人在等肝臟捐贈，但實際上每年只有約 6,500 個肝臟被捐贈^[4]。所以肝臟捐贈目前還是非常短缺的，而需要換肝的人在等待過程中，存活機率也一點一滴的流失。

全新的方向：瑞士的跨領域研究

在大體捐贈以及活體移植各有其限制的狀況下，一組在瑞士的人馬開始了一個全新的肝臟移植方式^[5]。這群人結合了工程、生物化學以及醫學專業，一起研發了一台機器，可以在體外模擬許多類似人體內的環境，讓肝臟在移植過程中，有最小的轉換過程。可能的環境衝擊包括溶血、血行動力學不穩、溫度控制、血糖控制、肝醣消耗、以及物理壓力造成的組織壞死。而在今年，他們發表了第一個使用此機器的人體肝臟移植案例。

肝臟組織是來自一個 29 歲的年輕病人，因為腹部硬纖維黏液瘤（desmoid fibromatosis），併發長期感染以及敗血症，為了要控制病情而必須切除部分肝臟組織。一般來說，這樣的肝臟組織是不會再捐出去的，不只因為有腫瘤病史，而且又有進行中的感染，如果腫瘤細胞在受贈者體內繼續生長，或是感染持續進行，那麼受贈者的預後一定也很慘淡。但是這組瑞士人馬，在經過捐贈、受贈者兩方同意後，決定利用手術後剩下的肝臟組織。於是這個被取下來的肝臟組織，在肝門靜脈、肝動脈、下大靜脈、以及總膽管都被恰當的接到機器上後，就開始了這個神奇的體外之旅。

一切的變因都盡量模擬體內環境，包括溫度（37 度）、血液灌流速度、脈衝式血壓，並且持續抗生素（因為捐贈者有細菌以及真菌感染）。三天後，這個肝臟再重回人體中，是位 62 歲的受贈者。

這個嘗試特別的地方在於，雖然肝臟在體外保存了三天，卻沒有在大體捐贈常見的組織再灌流傷害（是指經過一段缺血的時間後，血管重新被打通，血液帶來充足的氧氣，但同時也產生很多自由基），這是只有活體捐贈才比較能看到的優點。而且可能因為肝臟先天免疫功能的保留，後續的排斥反應並不明顯，病人術後的抗排斥藥用量逐步地降低。與此同時，體外保存期間還可以持續治療，譬如在這個例子中的抗生素治療，讓一些本來無法使用的組織，變成可以捐贈的祝福。

肝臟移植的一線曙光

雖然在台灣大體肝臟捐贈比較不常見，反而活體肝臟移植是比較盛行的做法，但活體移植仍存有道德辯證、危害健康捐贈者健康等等的疑慮。畢竟捐贈者一般都是健康人，而捐肝的大手術也是有一定的風險的。

在這個器官需求者眾、捐贈者匱乏的社會中，這個體外保存的技術絕對是一個令人興奮的新發明。只是就像任何新的醫學發明，臨床的資料需要長期而且大量病患的累積，才能有足夠的證據支持。這個幸運的受贈者已經持續被追蹤了一年，也許再五年、十年，再百個、千個病人，而有了世代研究，體外保存技術將會變成移植醫學的顯學。

參考資料

1. Kasper, D. L., Fauci, A. S., Hauser, S. L., Longo, D. L. 1., Jameson, J. L., & Loscalzo, J. (2015). Harrison’s principles of internal medicine (19th edition.). New York: McGraw Hill Education.
2. Llovet, J.M., Fuster, J. and Bruix, J. (2004), The Barcelona approach: Diagnosis, staging, and treatment of hepatocellular carcinoma. Liver Transpl, 10: S115-S120. 
3. 衛福部公布：我肝移植成功率逾八成高雄長庚雙冠王
4. https://hospital.uillinois.edu/primary-and-specialty-care/transplantation-program/liver-transplantation/your-liver-transplant-options/cadaver-liver-transplant
5. Clavien, PA., Dutkowski, P., Mueller, M. et al. Transplantation of a human liver following 3 days of ex situ normothermic preservation. Nat Biotechnol (2022).