醫師的預言

• 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。

• 文／鍵盤婦產科——威廉氏後人

新朋友中有許多備孕新手，對於人工生殖的這幾個作法常常傻傻分不清楚。其實也不只是患者們搞不清楚，常常其他科的醫師會診時，也搞不清楚。

今天，就讓我一次完整說明這幾個類似的名詞吧！

你說的「人工」不等於他說的「人工」——人工生殖技術 (ART)

所有現代西醫科技介入的方法，都可以列入人工生殖的範圍，這是一個統稱。

主要就分兩大類：1. 人工授精 (IUI) 2. 試管嬰兒 (IVF)

不過呢，大部分的人常常說：我做過幾次「人工」，或者說：我這胎是「植入」懷孕的。往往患者自己也搞不清楚自己是做了什麼。這時候其實醫生們在意的是，到底是做過幾次「人工授精」、幾次「試管嬰兒」、「植入」的究竟是什麼？

這兩種做法、效果、成功率、都完全不同，做過三次人工授精失敗跟做過三次試管嬰兒失敗，對我們醫生來說是完全不同的概念。

所以慢慢的，這些名詞不斷地被大部分人所誤用，你說的「人工」不等於他說的「人工」的情形反覆出現，也才會出現連其他科醫師都搞不清楚的情況發生。再重複一次，人工生殖 (ART)：也就是所有西醫科技介入的方法都算，主要分為「人工授精」和「試管嬰兒」兩種。

「精」銳部隊產地直送進子宮及輸卵管內——人工授精 (IUI) aka. 人工受孕

所謂的人工授精，也有許多人稱作人工受孕，這是一個從古代幫種馬配種時代就存在的一個古老技術。這個作法是把處理過的「精子」，直接注射進子宮腔及輸卵管內。

所以人工授精植入的是「精子」！！！

精子的取出很容易嘛，我相信大部分的男生女生都懂怎麼回事。從青春期時代，很多人可能就看過很多外國語言的影片做示範，這這裡就不多贅述。

然後呢，把自行取出來的精子經過處理，取其精銳部隊，產地直送，送進女方的子宮及輸卵管內守著，等卵子從卵巢排出的那一刻。

也就是說人工授精，只有「先生取精」、「精子處理」、以及 「植入精子」三個步驟，沒有取卵、沒有胚胎培養、沒有胚胎切片、也沒有什麼卵子冷凍的問題。

當然啦，為了增加成功率，在做人工授精之前通常會給女方吃排卵藥或打排卵針等等，讓這一次的週期卵多一點，可以有效地增加人工授精的成功率。先生自己取精的部分就多說了，當然也可以請太太幫忙取。總之醫院是不會有人幫你先生取精的，請不要再從取精室打電話到生殖中心來詢問怎麼還沒人來幫你取精，不會有人過去的，麻煩您自己努力吧。

精子處理的部分道理很簡單，就是利用不同的溶劑與離心，篩選出活動力好的精子，不好的就讓它隨著雜質一同沉沒吧。

最後，醫生會拿一個又細又長的管子，直接把處理過的「精兵」，直接送進子宮和輸卵管。這樣的好處在於省去精子千里長征的過程，女生的子宮頸到輸卵管雖然只有 10 公分，但對一隻精子來說如果按身高等比例放大來算，就好像一個成人要游泳七站捷運這麼遠。

讓精銳的精子，省去舟車勞頓，直接在輸卵管裡等卵子排出。但問題是這樣的方法還是不能保證精子鑽得進去卵殼裡面，也就是「卵子是否受精」這個問題，無法得知。

另外，要做人工受精至少要有一條可以通的輸卵管，以及至少要有還算足夠的精蟲可以經過洗滌後才能植入，所以兩條輸卵管都有問題，或者精蟲少到無法經過洗滌，就只能做試管嬰兒了。

再重複一次，人工授精 (IUI) = 人工受孕：就是將篩選過的「精子」，直接注入子宮。

沒有取出卵子，沒有進行體外受精，沒有進行胚胎培養，因此相對單純，費用也較低 （加上藥費通常在 2 萬元左右） 。

人工授精因為單純、簡單、對精子處理環境要求不高，所以衛福部並沒有特別設立太多的規範去管控，所以很多不是人工生殖機構的醫院或診所也都可以進行人工授精。

快狠準地抓起一隻動的激烈的精蟲，直直的刺進卵子之中——試管嬰兒 (IVF)

試管嬰兒大部分人比較不會講錯，反正簡稱「試管」的也就一個意思。

試管嬰兒的作法是女生經過排卵刺激、吃藥、打針、微刺激、全刺激、標準刺激、自然週期⋯⋯各種刺激方法都有。反正就是讓女生這一個週期內，長出越多、品質越好、成熟度越好、懷孕率越高的卵子就對了，這些藥物用下去之後，接著會進行「取卵手術」。

取卵手術是用一隻長長的針，藉由超音波瞄準經過肚皮或陰道，刺進卵巢裡把每一顆卵吸出來。這些取出來的卵子呢，再透過現在的科技放在試管裡和精子混在一起，讓它們自然發生受精，但因為這次受精在體外、在試管裡並不在身體裡，所以叫做體外受精 (IVF) 也稱試管嬰兒。

完成受精的卵子變成胚胎，也就是一個試管寶寶、人生的第一天，我們會在實驗室的培養皿裡面養到第二天、第三天、第五天，然後再放回去子宮裡。當然也可以先冷凍起來，下一次解凍後，再放進子宮裡。這些取出的卵、體外受精的過程可以自然發生，也可以人為強迫發生。

胚胎師快狠準地抓起一隻動的激烈的精蟲，直直的刺進卵子之中，強迫天雷勾動地火就是俗稱的單一精蟲顯微注射。形成胚胎以後，可以新鮮的胚胎就直接放回子宮，也可以經過冷凍、再解凍的過程後，再放回子宮；也可以給這個胚胎進行切片，確定切片結果後，再放回子宮，這幾種方法都很常用。

由於試管嬰兒療程極其複雜，包括排卵刺激階段、取卵階段、受精階段、胚胎培養階段、和胚胎植入階段，過程嚴格且耗材眾多，畢竟這是要培養的是「人的胚胎」。所有的培養環境，包括培養液、培養氣體、光度、溫度、濕度、全部都受到嚴格管控，所以收費較高，通常在 15 萬左右。衛福部也有專門的規範，每年嚴格的審查這些生殖機構，目前全台合格的人工生殖機構共 85 家，國健署網站上都有可供查詢。

所以「試管嬰兒」跟「人工授精」雖然都屬於「人工生殖」的範圍，但試管嬰兒植入的是「胚胎」，人工授精植入的是「精子」，所以是完全不同的兩個過程。俗稱的「人工」，通常是指人工授精，而俗稱的「試管」，也就是指試管嬰兒。

至於說會不會痛，需不需要麻醉的問題？

通常人工授精一定不需要麻醉，只是把一個細長管子放入子宮腔內並不會痛，所以不需要麻醉。至於試管嬰兒，取卵的過程可以麻醉也可以不麻醉。要看卵子的數目、患者的身體狀況而定。卵子少的通常不需要麻醉也沒關係，大概就像抽血、打針那樣刺一兩針就沒事了。

而試管嬰兒的胚胎植入部分就如同人工授精一樣，也是使用一根細長的管子放入子宮腔內，只是這次植入的是胚胎過程幾乎完全一樣，所以也一樣不會疼痛並不需要麻醉。

這些，大概就是人工生殖的一個概論，希望經過了這一篇文章的說明，對於備孕新手的妳來說可以清楚了解到大家常說的人工、試管究竟是怎麼回事。也比較不會對它的過程因為未知而感到恐懼。

以上，一點淺見提供參考。

我特別喜歡幫我自己做成功的患者接生，每次看到這些小孩，就會想起他們還在精子跟卵子的階段，我就在照顧他們了。

• 本文改編自作者《一次搞懂人工生殖、人工授精、人工受孕、試管嬰兒》一文

參考資料：

1. Jaideep Malhotra (2015). Practical Tips for Infertility Management: The Rainbow Protocols. New Delhi: Jaypee Brothers Medical Publishers Private Limited.
2. 衛生福利部國民健康署 – 人工生殖機構許可通過名單

• 作者／理查‧克拉克（Richard A. Clarke）、R. P.艾迪（R. P. Eddy）；譯者／吳國卿

我們當中有些人能預見未來，他們經常高聲疾呼想吸引我們注意，但也經常遭人忽視。我們有理由輕忽大多數預言家，然而當某些災難的正確警告未受到應得的注意時，卻可能引發可怕的結果。許多人因為我們無法區別先知和吹牛者而犧牲性命。

本書嘗試尋找那些能預見未來的奇人，檢視他們能正確地辨識災難迫近的遠見。

從神話到現實的災難預言

卡珊德拉（Cassandra）是特洛伊城（Troy）一位遭到阿波羅神詛咒的美麗公主。他賜給卡珊德拉預見即將來臨的災難的能力，但卻不給她說服人們相信她的能力。

她可以穿越空間和時間看到未來的能力，讓她預知她心愛的城市將在大火中淪陷，但特洛伊的民眾卻取笑並忽視她的警告。最後她陷於瘋狂，成為她所預見悲劇的犧牲者之一。

今日我們之中是否有一些卡珊德拉警告大難即將臨頭，但人們卻對他們的預言充耳不聞？我們是否可能找出這些預言家是誰？我們能否穿越虛假的警告，發現那些正確的預言，進而拯救數百萬人的生命和省下龐大的金錢？

這個問題與希臘神話無關，而是攸關今日我們作為一個國家、一個國際社會是否有能力察覺即將發生的災難，並及時採取行動以避開它，或至少減輕損害。

埋藏在數十億篇部落格貼文和推文、學術研究和政府報告的卡珊德拉向我們呼喊，警告災禍即將到來。她通常引不起注意，甚至沒有人聽見。她往往只得到敷衍的反應，或被貶斥為傻瓜或騙子。她的故事是那麼不可置信、那麼聞所未聞，讓我們難以接受或相信它們，更不用說據以採取行動。

當然，重點在於卡珊德拉的預言是正確的，而忽視她的人可能因此付出自身性命和國家衰亡的代價。

不只是古希臘人有這種預言家被忽視並招致悲劇的神話，聖經上也敘述希伯來先知但以理（Daniel）的故事。

先知但以理能解讀出現在巴比倫國王伯沙撤（Belshazzar）喧鬧的盛宴牆上的神祕文字「彌尼，彌尼，提客勒，烏法珥新（阿拉姆文mene, mene, tekel, upharsin；譯為「數算、數算、以天平稱、分裂」），除了他之外，無人能解其奧祕。

但以理警告國王，這些文字預告了他王國的敗亡。根據那則故事，伯沙撤幾個小時後就在一場政變中遭殺害。但以理預見了「牆上的字」（譬喻為不祥之兆）。

今日當有人被形容為卡珊德拉時，往往意指他們過度擔心、是宿命論者、過度悲觀，或太偏執於不可能發生的壞事，他們是杞人憂天而非先知。如果我們查考最早的希臘神話，卡珊德拉應該是我們要珍惜的人物，我們應該接受她的警告並據以行動。不過，我們很少這麼做。

我們很少會相信那些預測有任何獨特之處，我們不但無法了解他們對未來的真知灼見與我們的看法有何不同，他們的處方也無法說服我們立即採取行動、斷然改變我們行事的方法。

警覺力與災難預防

古典希臘人稱為卡珊德拉的行為，被今日的一些社會科學家描述為警哨智力（sentinel intelligence）或警哨行為，意即在別人未看見前就從警訊察覺危險的能力。

這種行為可以從許多種動物觀察到，而我們相信其中也包括人類。具有警哨智力的人能清楚看見迷霧中的跡象，然後警告同伴。在其他動物中，群體的基因似乎已設定好會對他們的警哨聲做出迅速的反應。但在人類，這種能力開發得較不完全。

我們是本書作者理查．克拉克和 R．P．艾迪，彼此認識和共事超過二十年，曾進入、然後又離開政府單位，曾研究過包括凱達組織（Al Qaeda）以及伊斯蘭國（ISIS）的崛起、核子與生化武器擴散、伊波拉與人類免疫不全病毒（HIV）等致命病毒興起、網路威脅的肇始，以及從伊拉克到波士尼亞和阿富汗等戰爭的許多主題。

我們既非悲觀論者，也不執迷於末日理論。事實上我們是樂觀主義者，深信我們正處於科技大躍進的高峰，並將為人類生活帶來莫大的福祉。不過，從我們認識彼此以來的大部分時候，新聞報導總是充斥著一連串原本可以避免或減輕的災難。它們包括九一一恐怖攻擊、大衰退（Great Recession）、卡翠娜颶風（Katrina）、第二次伊拉克戰爭，和伊斯蘭國的崛起。

茫茫人海中，誰才是我們的卡珊德拉？

我們直接研究許多這類主題，且親身受到部分主題的影響。它們在我們彼此討論—通常邊啜飲著單一純麥威士忌—之際逐漸迫近，而經常重複出現的一個問題是：我們該如何避免這類災難或做更充分的準備？

我們注意到幾乎所有這些事件發生後緊接著就是調查和交相指責、追究災難的過失和挫敗的責任，以至於讓情勢更加惡化。不過，在許多例子中，似乎有一位專家或一個專家團隊曾扮演卡珊德拉的角色，正確地預測過後來發生的事。但他們往往遭人忽視，他們的警告受到詆毀，或只得到不夠適當的敷衍反應。

我們開始思索是否有一些模式可以發現有先見之明、但遭到忽視的警告。我們可不可能找到方法在災難發生前辨識這些正確、但未被注意的警告？如果未被注意、但事後證明正確的警告確實是一種頻繁出現的現象，那麼找出預先察覺並確認這些警告的方法將可以拯救許多生命、避免痛苦和減少財務的損失。

我們發現，任何時候都有許許多多的災難預測，它們大部分會因為沒有價值而被人忽視。

做這類預測的人多半只是突發奇想，沒有經驗的支持或現實的依據。有些警告會引起注意，但後來發生的事證明警告只是虛驚一場。不過，一些學有專精、真正的專家適時發出的警告卻也經常遭到輕忽，或只獲得冷淡的敷衍對待。

我們開始稱呼這類事件為卡珊德拉事件（Cassandra Events）。這引導我們開始探究過去的卡珊德拉事件，是否有某些線索可以幫助我們辨識能做出正確警告的當代預言家。我們問朋友、同事、合作夥伴和世界一流的專家，他們對這種卡珊德拉現象有什麼看法。

卡珊德拉現象的問題不只是如何穿透雜音聽到可能正確的預測，也包括在辨識之後如何善加處理它們。

我們開始了解到，要想安然度過卡珊德拉事件，一個組織或社會必須經歷幾個階段。首先我們必須聽到預測，然後相信它，最後則是據以採取行動。

¹在實務上，每個個別的步驟都是挑戰。此外，執行所有三個程序往往都很困難。特別是當預測與常規、過去、我們的經驗，或與我們對未來應該如何發展的根深柢固信念大不相同時，能正確地執行這些步驟將十分罕見。若加上因應警告需要耗費龐大的財務成本，往往使採取行動的機率降到接近於零。不過，如果我們忽視真正的卡珊德拉，不採取行動的成本通常會遠超過及早因應問題的成本。

因此，本書將尋求解答這些問題：我們如何在無數專家中辨識真正的卡珊德拉？如果有方法的話，什麼方法可用來更正確地辨識和傾聽這些先知的警告？有沒有方法可以從四周的雜音中萃取最凶險的預測，並貫注我們的注意力於它們？或者卡珊德拉注定永遠得哭泣著眼見她心愛的特洛伊城焚毀？

為了回答這些問題，我們先從簡短的案例研究著手，這些案例都是當代的真實人物，他們對一些重要問題有類似卡珊德拉的預測能力，而且像那位神話公主一樣遭人輕忽。

本書將不嘗試對我們檢討的任何災難做決定性的研究，而是專注於這些卡珊德拉本身和他們的故事。我們將嘗試判斷他們如何知道別人不知道的事、他們為什麼遭到輕忽，以及情況可能如何改變以使他們的警告受到注意。

註解：

1. 美國軍方稱他們的決策程序為「OODA回路」（OODA loop）：觀察、方向、決定、行動。辨識卡珊德拉的挑戰在於第一要正確地觀察，然後做明智的決定。

——本文摘自《Warnings！：AI、基因編輯、瘟疫、駭客、暖化……全球災難警告，用科學方法洞悉真相》，2019 年 9 月，聯經出版