橢圓星系是從中心區開始「死透」

• 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。

天文學家新發現了一個幾乎要破紀錄的超大黑洞，它的質量等同於170億個太陽！這個黑洞不僅出乎意料的位於宇宙中的「荒郊」，也比預估的巨大。這個黑洞是由台裔天文科學家、加州大學柏克萊分校教授馬中珮領導的團隊發現，也是團隊在近五年來發現的第二個大型黑洞。

這個超大黑洞在哪裡呢？

它位於宇宙中的偏遠地區，星體數量少，距離我們 2 億光年遠的橢圓形星系 NGC 1600 中。

這個發現跌破了許多天文學家的眼鏡，他們原本認為大型黑洞只會出現在大型星系團的中心，偏偏這個大黑洞出現在這種偏遠、只有 20 幾個星系的星系團中。而說它「幾乎要破紀錄」，就代表還有比它更龐大的黑洞。目前發現最大的黑洞，質量為太陽的 210 億倍，它就是在后髮座星系團（Coma cluster） 這個相對比較大、擁擠的星系團，這個星系團就有超過 1000 個星系。

領導這次研究的加州大學柏克萊分校天文學家馬中珮說：「這次的發現就像看到一棟摩天大樓出現堪薩斯州的麥田中，而不是在大樓林立的曼哈頓。」

大黑洞特別在哪裡？

面對這個出乎意料的新發現，接下來天文學家還有得忙呢！首先，他們得調查更多星系，去看看這一個位於偏遠地區的 NGC 1600 大黑洞是特例，還是只是廣大宇宙中的冰山一角？馬中珮說，宇宙中還有不少與 NGC 1600 星系所屬的星系團相似的環境，這樣的環境甚至是后髮座星系團的 50 倍，這其中還會不會再次發現更多大型黑洞，就有待這些天文學家繼續研究了。

此外，NGC 1600 黑洞也比天文學家預期的「更大隻」。天文學家原先根據哈柏調查（Hubble Survey）對於黑洞的研究，歸納出了黑洞質量和它所在星系中央核心（galaxy’s central bulge of stars）大小成正比關係。這一次 NGC 1600 黑洞質量超級大，但它的星系中央核心卻顯得很稀疏，這個「正比關係」似乎沒有辦法應用在這個巨大的黑洞上了。

馬中珮團隊也嘗試對這超乎意料的現象提出解釋，他們認為這個大黑洞的成因，可能是因為早年兩個星系合併的結果。早期可能有兩個比較靠近的星系合併在一起，而在兩個星系中心的黑洞也越靠越近、越靠越近，直到形成一個更大型的黑洞。而且馬中珮也形容這個黑洞可能非常的「貪吃」，它在形成過程中不斷吞噬周圍的氣體，讓它自己越長越大，越來越壯。

「不過，現在它是一個『沉睡的巨人』了。」馬中珮說，大黑洞現在已經不再大量吞噬氣體。

怎麼發現這個大黑洞？

馬中珮和她所領導的 MASSIVE survey 計畫團隊，是這次發現大型黑洞的幕後功臣。

黑洞沒有辦法直接觀察到，需要透過一些間接的方式去找。以這次來說，馬中珮團隊透過位於夏威夷的雙子望遠鏡（Gemini Multi-Object Spectrograph）測量星體移動速度，他們發現這些星體明顯受到黑洞的引力，星體的移動速度也幫助團隊計算出黑洞的質量。

他們發現在星系中心往外 3000 光年內的星體，一部份圍繞著黑洞轉，而且小心翼翼避免和黑洞太靠近；但另一部份卻直直遠離中心，這表示它們曾與黑洞靠太近以至於被黑洞的力量往外推，特別可能是發生在雙黑洞的狀況。以往拍攝的哈柏望遠鏡的影像也支持這樣的推測，他們發現 NGC 1600 星系中間的亮度，明顯比其他橢圓星系弱，這些被往外推的星體數量推測可能有 400 億個，根本就是把整個銀河系的星體都彈出去了！

資料來源：NASA

蘇黎世聯邦理工學院（Eidgenössische Technische Hochschule Zürich，ETH Zürich或ETHZ）天文學家Sandro Tacchella利用哈伯太空望遠鏡（Hubble Space Telescope，HST）和歐南天文台（ESO）超大望遠鏡（Very Large Telescope，VLT）進行觀測，天文學家首度發現在大霹靂後約30億年的時期，星系的外圍區域仍在進行造星工作，但中心區域卻已經停工了。從這個情形看來，星系內的恆星形成現象似乎是從核心開始，並向外擴散，直到整個星系的恆星形成現象都停止，那麼這個星系就完全變成一個死寂的世界。

橢圓星系因其外型而得名。現今宇宙中到處可見的大質量橢圓星系，其中心區域內的恆星密度和質量都是我們銀河系中心區的10倍以上；事實上，這些橢圓星系含有的恆星數量約佔了宇宙誕生至今曾製造過的總恆星數量的半數，相當驚人。這些橢圓星系基本上都呈現紅色，星系內的恆星成員基本上都是年老的古老恆星，缺乏年輕的藍色恆星，星系內已經沒有新的恆星形成活動，星系內一片死寂。由橢圓星系內的紅色恆星的大致年齡，天文學家認為它們的宿主星系大約在100億年前就已經停止製造新恆星。然而，這個停工的時間點卻恰好處在宇宙中恆星形成活動的最高峰，當時許多星系都仍在大量製造新恆星，恆星誕生率約為現今的20倍左右。

天文物理學家早就想知道：既然橢圓星系的恆星形成活動也曾一度非常盛行，那麼最後到底是如何平息到如今幾乎死寂的狀態？

Tacchella等人研究22個質量各不相同的星系，年齡則約在大霹靂後30億年左右。利用哈伯的3號廣角相機（Wide Field Camera 3，WFC3），以近紅外波段進行觀測，可呈現老一點的恆星在恆星形成活動劇烈的星系內的空間分布狀況。此外，在自適應光學系統的輔助下，利用位在智利的VLT加上SINFONI儀器，可精確呈現哪裡有大量新恆星。將這兩種觀測結果綜合之後，便可呈現最詳盡的星系中各星族分布狀態的細節。

根據他們的研究結果，他們樣本中絕大部分的大質量星系在外圍區域的新恆星誕生率一直都非常穩定，但在稠密的中心區，恆星形成活動卻已經停止了。這證明大質量星系停止恆星形成的工作是由內而外的。這個發現解決了爭議許久的抑制恆星誕生的相關機制問題。

其中一種理論認為由於星系中心大質量黑洞在吞噬物質過程中所釋出的大量能量，將造星材料沖散，以致於無法誕生新恆星。另一種理論認為新鮮氣體停止繼續流入星系內，導致造星材料貧乏，無法誕生新恆星。當然還有其他不同的理論，不過從橢圓星系的恆星誕生活動是從中心而後逐漸向外停止的觀測結果看來，第一種理論似乎比較佔有優勢。這對瞭解宇宙是如何演變成如今我們所見模樣而言，是個非常關鍵的進展。

資料來源：

• Death of giant galaxies spreads from the core. [2015.4.15. HUBBLE]
• Giant Galaxies Die from the Inside Out. [2015.4.16. ESO]

本文轉載自網路天文館。

黑洞是一具極強大且有效率的引擎，一邊吞吃物質，一邊將所進食物質的能量歸還給宇宙。當黑洞吸引了物質進入，另一方面它也啟動了一個輻射出密集的Ｘ射線的機制，並供應著噴流的動能。不過，似乎卻並非每個黑洞都以同樣方式進行進食和能量釋出。這件事情教天文學家頗感困惑；最近，荷蘭天文研究團隊研究兩個活躍黑洞後找到了一些證據並提出一種新看法，他們嘗試為這個問題提出這麼一個解答：就像汽車引擎的換檔機制一樣，或許每顆黑洞也都是在兩種模式當中來去切換。

黑洞的噴流，從中央向外爆發出速度逼近光速的強力物質流，它就像燈塔發出的強力聚光燈光束，也能夠對週遭環境演化帶來重大影響。譬如星系中央超大質量黑洞的噴流，能夠在一個星系群中吹出巨大的泡泡並加熱星系群中的氣體。

黑洞噴流還有另一類大手筆製作，就是大家也不太陌生的哈尼天體(Hanny’s Voorwerp)。在該地區中的氣體在被鄰近星系的黑洞噴流束擊中後，新恆星開始形成。諸如此類的現象表達出一個訊息：了解黑洞如何製造和傳遞其能量實在有其重要性，不過到目前為止其中已知的訊息仍充滿著不確定，這種情形直到最近才有所改觀。

要明瞭黑洞這個引擎運作的方式，必須先能解釋黑洞釋放的X射線和黑洞的噴流兩者之間具有怎樣的關連性，這一點，直到2003年時，才因有了實際的觀測而較為明朗。在發現兩者間具有關連性的頭一年所見的現象，似乎顯示所有的黑洞都以同樣的模式進食和運作，不過很快地，「怪胎」開始出現。一些特別不尋常的例子出現了，它們似乎仍然遵循著「能量經由X射線釋放轉換噴流」的規則，但是它們在進和出的比例上，卻和「模範寶寶」型黑洞之間似乎存在著差異。後來又發現到這種怪胎的數量竟是越來越多，看來似乎是「有兩種黑洞」：一種是燒汽油的引擎，而另一種則是燒柴油的引擎，所以運作模式才不盡相同。

多年來天文學家都在努力，希望合理化這兩類黑洞族群間所呈現的不同特性，但成績不太好。最近Michael Coriat等人的研究成果總算向前跨了一大步。他們發現，同一顆黑洞，似乎會在兩種高低效能模式當中做切換，亮度也會不同。這意思是黑洞未必按照兩種不同的引擎來做分類，反倒是，每顆黑洞都可遵循兩套規則，時而柴油，時而汽油，就好像在高、低檔上做切換一樣。

現在，兩位來自荷蘭SRON 太空研究所的研究員Peter Jonker 和他的博士後學生Eva Ratti同樣也對這個謎體的解開做出重要貢獻。他們使用錢卓太空望遠鏡做X射線的觀測，又用位於新墨西哥州的Extended VLA做電波觀測，觀測目標是，兩個黑洞系統的完整瘋狂進食過程。Eva Ratti 發表評論說：「無獨有偶地，我們所觀測的這兩顆黑洞也是會換檔的黑洞，這表示會換檔並非單一一個特別的黑洞所獨具的特性。事實上，我們的研究結果認為換檔現象應該在所有黑洞中都相當普遍。同時我們也發現，在這三個黑洞系統中發生換檔的時機，都同樣是在一個固定的X射線亮度範圍內」

上述最新研究成果對解釋黑洞的引擎功能，以及黑洞對於其週遭環境的演化影響等相關理論模型，是相當有意思的發現。相關論文獲刊於皇家天文學會月刊(MNRAS)。(Lauren譯）

資料來源：中研院天文網[2012.06.15]

轉載自台北天文館之網路天文館網站