從自然紀錄片中，常常可以看到結隊的狼群合作追捕獵物，但不是所有的灰狼（Canis lupus）都會在「合作」中付出心力。一則發表在《行為生態學》（Behavioral Ecology）期刊中的報告提到，生物學家研究黃石公園中的狼群，發現打獵成功率並不會隨著成員增加而增加。成功率在狼群超過四位成員後就呈現平穩，可能因為較大的狼群中包含白吃的成員，這些狼不用照顧後代，因此也不需要冒著風險打獵，只有在狼群中付出微薄的心力。
資料來源：ScienceShot: Freeloading Wolves [29 September 2011]
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？
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。
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：
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：
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 可分成兩種：
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。
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。」
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
。
討論功能關閉中。
如果要形容陸龜，大家多會說出動作緩慢、草食性、溫和不具攻擊性、一直被打壓（？）等等詞彙。但是！就在 2020 年 7 月，一名保育人士 Anna Zora 在東非塞席爾群島（Seychelles islands）上的弗雷格特島（Frégate Island）直擊了一個震驚世人的畫面：一頭亞達伯拉雌象龜（Aldabrachelys gigantea）正努力伸長脖子，並以極其緩慢的速度「蓄意」逼近一隻幼小燕鷗，即便燕鷗奮力逃脫，但仍被這頭象龜追捕並吞食。
這段視頻釋出後，讓生物學家們都跌破好幾副眼鏡，陸龜會「狩獵」？！學者們對於此事紛紛表示真的是史無前例阿！跟著本篇文章，讓我們來看看象龜們不為人知的一面吧～
世界上陸龜三巨頭就屬加拉巴哥象龜（Geochelone nigra）、蘇卡達象龜（Geochelone sulcata），以及今日主角，亞達伯拉象龜（Geochelone gigantea），當中亞達伯拉象龜體型排名第二。雖然說不是最大隻的，但他的體重還是能增長至 300 公斤左右，背甲也能達到 130 公分（根本陸龜界大坦克）。亞達伯拉象龜主要分布在非洲賽席爾的亞達伯拉群島，他們擁有強健的腳力可以踏遍各種地形，因此無論是草原、灌木叢，還是紅樹林、海岸都能見到牠們的身影。此外，他們甚至還有長脖子，能伸長並吃到距離地面一公尺的樹葉。雖然看似很強，但其實他們的最大弱點就是怕熱，天氣炎熱時，便會躲在洞穴或直接泡在水裡，甚至一待就是整天。
大家最好奇的重點來了！他們平時究竟吃什麼？據學者們先前的觀察，他們主要還是以草本植物或木質植物的莖為主食，但還是「偶爾」會吃一些蟹類屍體、小型無脊椎動物和腐肉補充蛋白質。但是，這些「偶爾」阿，據先前觀察，曾經捕捉到蟹類屍體外殼破碎，並正被一隻亞達伯拉象龜啃食。因此，學者們認為這隻象龜有可能是「無意」踩死這隻蟹，因此也無法判定亞達伯拉象龜是否會進行蓄意地狩獵行為。不過，2020 年 Anna Zora 拍攝到了亞達伯拉象龜正在獵捕燕鷗雛鳥的行為，影片釋出確實嚇壞了不少學者，因為自人類開始記錄象龜行為以來，從未確實記載到象龜有過狩獵的舉動。
龜龜大致可分成陸龜、澤龜（兩棲龜）、水龜，由於演化、生長棲息地的差異，這三種龜的日常飲食也大相逕庭。有養過龜龜們的朋友，大致都認為陸龜草食，水龜肉食。陸龜的主食還是以植物為主，因此他們的大腸構造發達，能消化粗糙的植物纖維。然而陸龜也不是一直都吃素，他們在成長期也需要補充蛋白質、鈣，所以也需要吃些動物腐肉、骨頭和蝸牛殼，另外，一些生活在食物種類豐饒雨林的陸龜們（例如紅腿象龜（Geochelone carbonaria）、黃腿象龜 (Geochelone denticulata)）則是屬於雜食性。澤龜、水龜也屬雜食性，澤龜幼年偏愛吃肉（會吃河流中的貝類、魚、蝦），成年則偏向吃素（多吃水生植物）；水龜則是偏肉食主義，淡水龜會吃魚、蝦，海龜會吃蟹、水母。由此可知，這些龜龜們的生活環境是影響他們食性的一大主因。
針對亞達伯拉象龜狩獵行為， Anna Zora 與劍橋大學彼得學院（Peterhouse, Cambridge）的島嶼生態學家 Justin Gerlach 也開始展開研究，並將此次發現發表在《當代生物學》（Current Biology）期刊，同時他們也在發表中歸納出以下重點。
Anna Zora 在拍攝影片的當下，發現一隻小黑燕鷗（Anous tenuirostris）雛鳥從樹巢中掉落，而小黑燕鷗雛鳥一旦脫離巢中，他們典型的行為就是試圖讓自己高於地面以避開地面上出現的危險。這也是為何影片一開始時，這隻燕鷗雛鳥就死守在一棵橫臥於地面上的樹木上，而他們發現影片中的亞達伯拉雌象龜似乎深知這些燕鷗雛鳥的習性，因此直接爬上樹木，步步逼近這隻不會飛的雛鳥。
更值得注意的是， Anna Zora 等人注意到這頭象龜在獵捕時，會張開下顎，同時將舌頭縮回、眼睛閉上，這是陸龜產生警惕、攻擊性才有的行為（一般而言，當陸龜吃草食時，通常是會伸出舌頭的）。上述刻意靠近樹木上的雛鳥、縮回舌頭的跡象都透露著這隻雌象龜可能是個經驗老道的「獵龜」。對於動作緩慢的象龜來說，他們根本追不上那些動作敏捷、迅速的動物們，因此會成為獵物的動物通常是不會飛，或不會試圖逃跑的小鳥，因此學者們稱此次的狩獵行為為「慢速狩獵」。
當我們把鏡頭拉遠，觀察一下這頭亞達伯拉雌象龜的家－弗雷格特島，可以發現島上棲息著高達 26 萬隻燕鷗、3000 隻以上亞達伯拉象龜，因此在島上常會有從樹巢上掉落的雛鳥，因此無異是給這些象龜們加菜（？）。
另外，紐約州立大學和加拉巴哥群島保護協會的爬蟲學家James Gibbs 在看完這個影片後，認為此次影片主角是頭雌象龜，而在島嶼的生態環境系統中常常缺乏鈣質攝取，但鈣卻是構成蛋殼的重要元素，因此這頭雌象龜可能會藉由捕食雛鳥以補充鈣，確保繁殖下一代的任務能夠順利進行。
生態學家 Justin Gerlach 對於此次發現也表示，人類 200 年以來，從未見過象龜會有獵食行為。根據影片中象龜熟練的獵捕技巧，Justin Gerlach 推測或許這些象龜其實早已學會捕獵，但因為過去人類侵入牠們的棲息地，大量獵捕各種生物，而大大影響原棲息地的食物鏈，才導致象龜改變原本的習性。
或許也是弗雷格特島所提倡的保育計畫實行地很成功，使象龜們回歸了原始的生長環境，因此象龜們的狩獵本性就露出來了。雖然說吼～影片中象龜的行為有點殘忍，但也刷新了人類對於象龜的印象，更理解到保育的重要性。
文／國家衛生研究院 林煜軒醫師
最近分別在頂尖期刊《自然》（Nature）與《科學》（Science）的職涯專欄各看到一篇談經營管理的文章。《自然》文章一開始的小標就開宗明義的說：「就像管理企業一樣地經營學術工作」（Treat science like a business）。在跨國企業待過一陣子的我，好奇地一口氣讀完了整篇，在此摘錄幾段自己非常有共鳴的重點，讓學術界的朋友們參考。
《自然》的這篇文章，邀請五位專家談如何領導研究室，其中麻省理工史隆管理學院（MIT Sloan School of Management）的副院長 Peter Hirst 不僅直白地說「就像管理企業一樣地經營學術工作」，還繼續補充「我們的客戶就是整個學術社群」。
我現在也用業界管理的方式，在管理我的實驗室，因此對這些論點非常認同。因為學術思想雖然獨立自主，但是學術工作卻是環環相扣的任務，才能完成的。像是一項研究中，如果統計分析和寫論文討論的撰寫，是兩個人分工負責，那麼統計的結果還沒有確定，撰寫討論的人就不可能開始動筆。
麻省理工的專家，建議用紅綠燈的方式，把實驗室裡大大小小的事情依照緊急與重要的程度，用紅、黃、綠的燈號來區分。我自己的實驗室則是採用 Trello 這個在電腦與手機都可以操作的軟體，所有團隊成員一起協做每個計劃的進度，而每件事情的輕重緩急，也都有不同顏色的燈號標示。
「剛放假回來，老闆跟我『追殺』一堆進度！」
我自己不喜歡這樣說，也覺得說被「追殺」實在很奇怪。或許「服務式領導」的概念，可以減少團隊成員「被追殺進度」的感覺。
澳洲斯威本理工大學的專家，舉了個例子說明「服務式領導」（servant leadership）和傳統「追殺進度式」領導風格的不同：
「追殺進度式」的領導告訴屬下：「這項任務請你在下週三下午 2 點前完成」
而「服務式領導」的主管則會詢問：「你認為這項任務在什麼時候完成比較好？」
在討論的過程中，負責的同事可能會了解到：
星期五財務部要確定年度總預算，如果星期四早上把計畫書寫好，再和主管討論這筆預算，來回修改後在星期五前給財務部可能太趕了；
而且主管星期四下午還有重要會議…所以主管說星期三下午 2 點前把計畫書給他，其實是犧牲了主管自己下班的時間，而讓下屬很寬裕的寫完計畫書。
如果知道這些來龍去脈，還說主管在「追殺」實在太不厚道了。
「服務式領導」其實是把壓力和黑臉，從老闆轉嫁給整個團隊的好方法。但這必須花時間引導讓所有團隊成員，知道所有任務都是環環相扣的。而他了解如果超過期限（deadline）並不是要為老闆負責，而是會拖延到整個團隊的進度。
我的研究室則沿襲先前我在業界的傳統，每週一早上開會，每個團隊成員會講自己上週的進度，也會講自己這週的行程和預計完成的事項。
即便所有同事們都可以了解誰最近行程很忙，哪些事情可能需要快點完成，但我還是常常耐不住性子的用「追殺進度式」的領導，因為這對主管似乎還是最有效率的。
然而，學術工作非常講求創意與思考，而有創意與思考的專業人士通常比其他行業的員工喜歡有更多自主的空間，包括自己設定進度。所以在學界或醫院的管理，「服務式領導」仍然是個重要的心法。
學者難以勝任領導職的另一個重要原因是，他們經常有「冒名頂替症候群」（impostor syndrome）。「冒名頂替症候群」是 1978 年兩位臨床心理學家描述成功人士一種常見的現象：
他們認為自己的成功，不是因為自己的能力與努力，而是因為運氣，才讓大家誤以為他們是自己能力很強、很聰明，靠自己才成功；而且總有一天別人會發現他們其實是騙子。
得了「冒名頂替症候群」的研究室主持人，也會對領導實驗室感到焦慮、沒有信心。特別對技術純熟的專業人士來說，「成功領導團隊」比起「成功做好專業」的定義更為模糊。
像是一位網頁設計師，成為網頁設計團隊領導人時。他主要的工作是對外的客戶協調，還有對內的每位團隊成員的規劃工作進度；而不是親自動手把一個網頁做到盡善盡美。
而這位剛從網頁設計師，升遷成為網頁設計團隊的領導人，可能會不太習慣自己的成功，是把團隊協調好，而不只是成功地把網頁做得好，而感到不自在與焦慮，甚至擔心他的團隊夥伴說：「這個案子能做得又快又好，都是我們拼出來的，我們主管只會出一張嘴」、「他以前是很會做啦，但是現在換了位置，換了腦袋，這次他什麼都沒做！」
但在領導人特有的過度焦慮之外，學術界的領導人，在職涯上確實有著需要不斷教學相長的不足。
有位醫院共事的朋友，跟我說他原本想問自己非常敬重的資深主治醫師，對於以後自己想出去開業應該做的準備和建議，但想了想覺得算了，因為「那位資深主治醫師一輩子都在同一間醫學中心，哪能給我什麼建議？」
英國的企業訓練顧問直言：「很多研究室主持人無法給學生們在非學術的職涯上給建議，因為大部份的研究室主持人，一輩子也都只在學術圈裡。」
我認識教學醫院的主治醫師們也經常如此，對於訓練中的住院醫師提到自己未來的發展，價值觀相對比較單一；對於開業、甚至離開醫界，還經常抱持負面的態度。
我在擔任醫學系輔導性質的導師時，有幾位曾經因為個人志趣不想繼續完成醫學系學業的同學，安排與我對談。這些同學們的成績其實都非常好，在社團也很活躍，人緣也都不錯，坦白說也不用什麼「輔導」。但他們的想法可能太先進了，一般的親友師長可能難以理解，又屢勸不聽，所以常常一坐下來就擺出「老師，你又沒離開醫院這座象牙塔，憑什麼勸我把醫學系念完？」的叛逆態度。
但當我自我介紹當年自己在取得精神科專科醫師，沒有繼續留在醫界，而到業界發展 3 年多、而且從事手機程式 app 開發跨領域的多元經驗後，氣氛變融洽的變成開心聊起生涯規劃。
傾聽他們的叛逆，其實很有趣。我也相信，學術界裡的領導，和職涯上的「教」與「學」，是值得享受的有趣體驗。
參考資料
windmill
鄭國威 Portnoy
shrpengchuang
