0

0
0

文字

分享

0
0
0

為了帝國而戰 —《風中的瑪利亞》

PanSci_96
・2015/01/28 ・2684字 ・閱讀時間約 5 分鐘 ・SR值 490 ・五年級

Vespa mandarinia
Vespa mandarinia, credit: photo pin

(本文摘自《風中的瑪利亞》,春天出版社出版)

帝國以十萬火急的速度,為新女王蜂建造大型的房室。每次造好新的房室,「偉大之母」便會在裡頭產卵。從這些卵中孵化出的,全是「新女王蜂」。

整個帝國都為了新世代而開始運作起來。能親眼見證這個時代,令瑪利亞感到喜不自勝。那是當初建造帝國的基礎、鞠躬盡瘁的姊姊們無法親眼見識的「新時代」。瑪利亞懷著更加強烈的使命感出外狩獵,但昆蟲正極速從森林和原野中消失。儘管如此,因為工蜂姊妹們數量增加的緣故,她們還是得以養活幼蟲們。

如今帝國已即將達到顛峰,工蜂數量直逼三百隻,也靜靜地持續進行著世代交替。原本活躍於第一線的姊姊們,走下舞台,將位子讓給了妹妹們。工蜂很少會在巢內壽終正寢,大部分是在出外狩獵或拾取築巢材料時,就此一去不返。

-----廣告,請繼續往下閱讀-----

現在的瑪利亞在工蜂中的力量、資歷及豐富的經驗,已是足以代表帝國的獵人,妹妹們都對她無比敬重。但金龜子和天牛幾乎已從雜樹林中絕跡,使得瑪利亞的狩獵成果每況愈下,情況嚴重時,飛了近兩小時卻連一隻蟲子也找不到。

她來到了東邊草原。明知道此舉有風險,但瑪利亞還是想進入草叢中試試運氣。她藉著蟋蟀的叫聲展開搜索,將全身神經專注在觸角,並在草叢上展開警戒飛行。這時,她發現前方麒麟草上停著一隻小型蜻蜓,秋赤蜻,鮮紅的身體特別醒目。

蜻蜓的視野幾乎沒有死角,唯有正後方下面無法掌握。瑪利亞小心不發出振翅聲,悄悄從秋赤蜻正後方下面逼近。等接近後,她一口氣加快速度,襲向秋赤蜻,以銳爪捉住他的身軀,一口咬向他胸部。秋赤蜻振動翅膀,用力掙扎,但瑪利亞的利牙深深刺進他胸部裡,秋赤蜻就此喪命。

瑪利亞在麒麟草上方替秋赤蜻解體--就在這時,秋赤蜻的身體被人奪走。仔細一看,原來是在同一株麒麟草上有一隻大螳螂以鐮刀捉走了秋赤蜻。

-----廣告,請繼續往下閱讀-----

「那是我的。」瑪利亞說。「請妳別用搶的好嗎?」

「我在妳之前就已經鎖定他了。這是我的獵物。」大螳螂如此說道,便開始吃起了秋赤蜻,啃得卡滋作響。

「妳要是再不放手,小心有你苦頭好吃。」瑪利亞百出戰鬥姿勢說道。

「惡名昭彰的虎頭蜂一族在向我下命令是嗎?」

-----廣告,請繼續往下閱讀-----

「說到惡名昭彰,我們彼此彼此。」

瑪利亞仔細打量對方的體格,在過去見過的大螳螂中,算是體型最大的一隻。身長是瑪麗亞的兩倍多,長逾十公分,光鐮刀的長度就比瑪利亞還長。瑪利亞雖曾和大螳螂及寬腹螳螂對戰過,但她還不曾與如此巨大的傢伙交手。

大螳螂自信滿滿地望著瑪利亞,神色自若地啃食著秋赤蜻。「打從我出生到現在,可是身經百戰呢。」

「我也是。」瑪利亞此話一出,感覺大螳螂全身怒氣勃發。

-----廣告,請繼續往下閱讀-----

「不,不對!」大螳螂語帶不屑地說道。

「妳們出生時有母親。而且由強大帝國裡的姊姊們養育長大,可以無險地成為成蟲。但我們出生時,沒有母親保護,和好幾百隻同伴一起,帶著小得可憐的身體誕生在這世上。打從一出生就置身戰場,遭遇螞蟻大軍的襲擊,我許多兄弟姊妹就這樣被拖進螞蟻巢穴裡。我們就是那麼弱小,連小小的螞蟻都能收拾我們。在那樣的困境下,我們努力地存活下來。蜘蛛、蜂、蜻蜓、蚱蜢,所有肉食性昆蟲都是我們的敵人,其中長腳蜂尤其恐怖。當初一起出生的同伴們,幾乎都來不及長大就死了。我一直不斷地戰鬥,遠比妳經歷的還要嚴峻,我戰勝了每一場戰役,有時也會吃自己的同伴,才長成現在的樣子。」

「或許是吧,不過這種事沒什麼好得意的。所有昆蟲為了求生,都是卯足了全力在戰鬥。」

「不會對我保持敬意的,就只有妳們虎頭蜂一族。哼。妳以為妳贏得了我對吧,夏末時,我可是逮住過大虎頭蜂的女王蜂,她正在吸食樹液,我當場便吃了她。她體格比妳大多了。」

-----廣告,請繼續往下閱讀-----

瑪利亞心想,那隻女王蜂恐怕是處女女王蜂吧。活到了夏末,大限將至。既不築巢,也不排卵,最後進了螳螂的肚子裡。

「也該動手了。」大螳螂如此說道,掄起她的鐮刀,緩緩朝瑪利亞逼近。螳螂的鐮刀只要一碰到物體便會往內折,將對方拉向自己。要是被她那兩把鐮刀逮著,肯定無法脫身。瑪利亞全神貫注地與她保持距離。

這時,大螳螂的眼睛動了一下,那把鐮刀以迅雷之速橫掃而來。在千鈞一髮之際,瑪利亞側身閃過。正當瑪利亞想往前飛撲時,鐮刀再度展開攻勢。瑪利亞同樣扭身避開。

「挺厲害的嘛。」大螳螂道。

-----廣告,請繼續往下閱讀-----

風中的瑪利亞瑪利亞明白這敵人不好對付。她那對鐮刀的速度無與倫比,而且擅長遠距離攻擊。她是身經百戰的強手,站在她面前會有危險。瑪利亞飛向空中,在大螳螂頭頂盤旋。大螳螂的正面無懈可擊,她的弱點在於纖細的脖子。最好的做法,就是從鐮刀搆不到的後方展開攻擊,在脖子咬上一口,就能贏了。瑪利亞在空中飛行,繞到她身後,看準脖子。

大螳螂雖然體格巨大,卻以驚人的俐落動作改變方向,對瑪利亞展開迎擊。鐮刀以驚人的速杜揮出,上面有鋸齒狀的利刃,多次劃中瑪利亞的身軀,在她身上留下多道傷痕。瑪利亞在麒麟草上盤旋,找尋對手的破綻,但大螳螂始終守得滴水不漏。

這時一陣風吹來,麒麟草一陣搖晃,大螳螂就此失去平衡。瑪利亞馬上朝大螳螂的喉部咬下,但咬得太淺,沒造成致命傷。

大螳螂以鐮刀將瑪利亞甩開,從麒麟草上躍下。她看出在草上戰鬥對她不利,便想引誘瑪利亞到地面展開肉搏戰。地面四周都是濃密的雜草,無法展開瑪利亞擅長的空戰,但瑪利亞仍降落地面,接受對方的肉搏挑釁。

-----廣告,請繼續往下閱讀-----

「看我宰了妳。就算是最強的虎頭蜂,一旦沒辦法飛,力量馬上減弱一半。」她說得沒錯。在草叢裡,實在難以欺近大螳螂背後,只能從正面肉搏中找活路。

脖子負傷的大螳螂高舉鐮刀一揮。瑪利亞沉身避開,同時衝向她,張口大咬她的右鐮刀根部。大虎頭蜂的利牙,擁有連堅硬的青剛櫟樹皮也能咬下的力量。她將利牙嵌進鐮刀根部後,使勁一把扯下大螳螂的鐮刀。

贏了!正當瑪利亞腦中閃過這個念頭時,她的身體被大螳螂剩下的左臂鐮刀逮住。瑪利亞想甩開它,但鐮刀緊緊扣住她的身體,無法撼動分毫。儘管只剩一臂,大螳螂依然力大無窮。

「我要把妳生吞活剝!」大螳螂咬向瑪利亞柔軟的腹部。

瑪利亞轉以大顎咬向緊扣住她的鐮刀,使出渾身力氣,嵌入利牙。只聽見啪擦一聲。鐮刀硬聲折斷。瑪利亞從中脫身,撲向大螳螂,以兩腳抓住她胸膛,張口再咬她的脖子。大螳螂以斷掉的左鐮刀夾住瑪利亞,但她不予理會,以利牙一再朝大螳螂脖子狂咬。大螳螂的脖子一陣搖晃,鐮刀的力量就此洩去。

「我輸了。當初被我殺掉的那些傢伙,也都是這種死法對吧。」這是大螳螂最後說的話,而瑪利亞沒有回答。

本文摘自《風中的瑪利亞》,春天出版社出版。

文章難易度
PanSci_96
1226 篇文章 ・ 2337 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

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。