重力彈弓效應─《星際效應》

• 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。

孿生子弔詭

這難道不是一個讓人活得年輕的方法嗎？的確是，而且後面講到廣義相對論的時候還會介紹另一個讓時間變慢的機制。科幻作品經常使用這種素材，比如電影《星際效應》（Interstellar）裡，太空人去黑洞附近執行任務，回來的時候還挺年輕的，可是自己的女兒卻已經很老了。

正所謂「山中方七日，世上已千年」。我想提醒你的是，這裡說的時間變慢只是不同座標系對比的結果。對於參加星際旅行的你來說，你實實在在活過的時間還是正常的壽命。在相對性原理之下，你根本感覺不到自己多出來什麼時間，如果你在地面上一輩子能讀一萬本書，在太空船上過這一輩子也只能讀一萬本書；你在山中過的這七天，也是一日三餐，共吃二十一頓飯。

但是你的確比地面上的人老得慢。說到這裡，有個著名的問題，叫「孿生子弔詭」。

假設你有一個雙胞胎妹妹，在你們二十歲這一年，你乘坐接近光速的太空船前往遠方執行任務，你的妹妹留在地球上。在你妹妹眼中看來，你這一走就是五十年，你回來的時候她已經七十歲了。可是因為相對論效應，你在太空船座標系下體會到的這段旅程只有三十年，你回來的時候才五十歲。

你離開的時候，兩人一樣大，回來的時候妹妹比你老了二十年。這個事實是沒問題，但人們會有一個疑問。相對於你的妹妹，你在太空船上是高速運動，所以會有時間變慢的效應，所以你比你妹妹年輕。可是反過來說，相對於你，你妹妹在地球上難道不也是在高速運動嗎？為什麼不是她比你年輕呢？

這個問題的答案是你和你妹妹所在的座標系並不是等價的。你妹妹一直待在地球上，可以近似為一個等速直線運動的座標系。而你離開地球必須首先加速到接近光速，到達目的地要減速、掉頭、再加速，回到地球還要再減速，你經歷的並不是等速直線運動。你在加減速的過程中得使用力量，你會有「貼背感」，而你的妹妹沒有。

考慮到這些，精確計算你在每個階段相對於你妹妹是什麼年齡就比較麻煩了，這裡先不講，在本書番外篇會專門進行一點技術性的討論。

確定的是，這個效應是真實的，你真的比你妹妹年輕了二十歲。孿生子的效應已經有實驗證實。

驗證這個效應不需要真的進行星際旅行，你只需要一種精度非常高的原子鐘。先將兩個原子鐘對時，然後將一個放在地面不動，把另一個帶上一般的民航機的國際航班飛一圈。飛回來後，再把這兩個原子鐘放在一起，就會發現它們的時間有一個極其微小的差異——這個差異是實實在在地存在的。參加了飛行的那個原子鐘，現在確實比留在地面的那個「年輕」一點。

如此說來，那些經常在天上飛的飛行員和空服員都比一般同齡人要年輕一點！但是他們參與飛行的速度不夠快，一輩子也差不了一秒。而如果你能把自己的速度提高到接近光速，那麼你的一天是地面上人的一年，甚至一千年，在理論上都是可能的。你就等於穿越到了未來。

時空是相對的

與時間膨脹相對應的一個效應是「長度收縮」。

還是以太空人為例。同樣一段距離，我們在地面看他應該飛二十五年才能到，在他自己看來，飛十五年就到了。而且請注意，不管是哪一方看來，太空船相對於這段距離的飛行速度是一樣的。

這就意味著，太空人看到的這段距離，比我們看到的要短。

如同時間，長度也是個相對的概念。一個物體的長度在相對於它靜止的座標系中是最大的，如果你和它有一個相對的運動，你會覺得它比靜止的時候短一些。這就是長度收縮。

我還記得小時候看過一個日本動畫片，裡面用極其誇張的手法描寫了這個現象：幾個孩子騎自行車，其他人感覺他們都變瘦了。

其實嚴格地說，有人透過計算，得出三維物體的長度收縮效應是你「觀察」到的，而不是你「看」到的。考慮到物體各個部分的光到達你眼睛的距離不一樣，你的眼睛實際看到的感覺，只是這個物體旋轉了一個角度而已，在視覺上不會覺得它變短了；但是如果你考慮到光速是有限的，物體不同部分的光線到達你的眼睛有個時間差，你根據這個時間差做一番計算，即會得到長度收縮的結果。

時間膨脹和長度收縮這兩個效應告訴我們：空間的長短也好，時間的快慢也好，都與座標系有關，不同座標系中的觀測者所看到的時間和空間是不一樣的。時空並不是一個客觀不變的、一視同仁的大舞臺，每個座標系都有自己的時空數字。當不同的座標系要想交流，得先做「座標變換」，把對方的時空數字轉換成自己的。

但是，在每個等速直線運動的座標系內部，你所用的物理公式，都是一模一樣的。

如果永遠不聯繫，你在太空船的生活和我在地面的生活就沒有任何差別。可是一旦要聯繫，我們的數字則會非常不一樣。而這些不一樣，又恰恰是因為光速在所有座標系下都一樣。

相對論是如此讓人不好接受，卻又是如此簡單。

相對性原理是一個信念，但物理學家從來都沒有把相對論當作「信仰」——科學的精神是實驗結果說了算。物理學家始終對相對論保持開放的態度。二○一一年，物理學家一度以為微中子的速度能超過光速，但是後來發現那是一個烏龍，是實驗設備有問題。

現在，我們只能說愛因斯坦完全正確。

• 撰文／劉詠鯤

本文轉載自 CASE 科學報《黑洞旅行團，出發！（上）——彎曲的光與重力透鏡》

在嚴峻的疫情下，雖然我們無法親自外出旅遊，但是想像力可不會被輕易束縛。今天讓我們一起前往廣袤的宇宙中，在那裡散布著無數龐大的天體，它們扭曲從旁擦身而過的光線，形成各式獨特的景象。在本篇文章中，我們將帶領各位讀者一起了解光線是如何被彎曲。

電影《星際效應》中，一幅令人印象深刻的畫面是主角們乘著太空梭在黑洞附近時，所看到的黑洞景象（如圖一）。但是以人類目前的太空實力，尚無法脫離太陽系，抵達巨型黑洞附近更是無法實現。那這幅景象只是純粹虛構的嗎？並不是，它是藉由物理理論將我們的認知延伸到遙遠的宇宙彼端，讓我們也有能力推測，遙遠的未來，黑洞旅行團會看到的景象！

黑洞附近獨特景象的原因，是因為它極為龐大的重力。因此，在討論黑洞景象之前，我們要先來認識描述重力的理論，那便是鼎鼎有名的廣義相對論。廣義相對論使得人們有能力理解宇宙中發生的各種現象，其中一個重要的洞見是：「重力的本質是時空的彎曲」。這句話看起來十分抽象，以下我們舉個例子試著讓各位讀者體會，力與時空彎曲這兩件看來毫無相關的事情是如何扯上關係的。

力與彎曲空間

假設有兩位螞蟻探險家，在他們眼中，地球是一個巨大的平面。有一天，他們相約從赤道上兩個不同的位置出發，拿著指北針，約好一起向正北方，以相同速度前進。在他們心中，地球是一個平面，因此兩人同時向北走，路徑會互相平行，應該永遠不會相遇（圖二a）。但經過了數個月，他們在北極點碰到了彼此，感到驚訝無比。為了解釋此結果，他們推斷：「由於地球是平的，我們會碰在一起，代表我們之間有某種吸引力，將我們越拉越近（圖二b）」。但是我們站在第三人稱的視角便會明白，他們倆最後會碰在一起，並非因為彼此之間有吸引力，而是他們所在的地球是個曲面而非平面。力與空間的彎曲似乎沒有我們想像的那麼毫無關係！

愛因斯坦偉大的洞見，便是他了解到：我們時刻感受到的重力，其實本質上是具有質量的物體造成附近時空的彎曲；我們因為認為時空是平坦的，因此把他詮釋為一種「力」，就如同兩位螞蟻探險家。細心的讀者可能留意到，我們在此使用了「時空」，而非「空間」。相對論中，時間與空間不再互相獨立，而可以互相影響。

讀者可能會疑惑：重力是一種力或是時空的彎曲，這聽起來只是詮釋角度的不同，有實質上的差別嗎？其中一個主要的差別在於對「光」的影響。古典描述重力的理論：牛頓力學，對於光通過一個大質量天體附近時，路徑會如何改變的預測，和廣義相對論的結果並不一致。1919 年，艾丁頓爵士在日蝕發生時，向太陽的方向觀測，發現竟然能夠看到理應被太陽擋住的星光。其原因便是太陽的重力造成附近的時空彎曲，遙遠的星光在通過該區域時發生路徑的偏折，使我們有機會在地球上看到它。

一個物體附近時空彎曲的程度，會和其質量大小有關。因此當光線通過愈大質量的天體附近時，路徑的改變就會越大。這個效果就如同光線通過一個透鏡時會發生偏折（如圖三）。天文學中，人們會使用由透鏡、反射鏡等組成的望遠鏡來觀察遙遠的天體。那我們是否可以使用這些天體形成的「透鏡」，來觀察宇宙呢？答案是肯定的，這便是在當前天文與宇宙學領域中，一個正蓬勃發展的觀測方式：重力透鏡。

重力透鏡

根據光線彎曲的程度（也代表著透鏡天體的質量大小），重力透鏡可以被分為：微重力透鏡、弱重力透鏡以及強重力透鏡。其中強重力透鏡，由於光線的彎曲程度較大，在地球上的觀察者可以看到十分有趣的圖像。例如愛因斯坦十字、愛因斯坦環。對此議題有興趣的讀者，可以參考^[3]，該文章有深入淺出的解釋。

由於光線偏折的程度，與通過的天體質量有關。因此，如果我們對於光源的性質十分了解，重力透鏡可以反過來提供給我們透鏡天體的質量資訊。這特別適合拿來進行暗物質的分布量測。由於暗物質只透過重力和其他物質作用，它並不會放出任何的電磁波，要「看」到它，只能透過重力的效應。若是我們在宇宙中，發現某一個區域具有非常大的質量，造成通過的光軌跡有所偏移，但是我們又無法在該區域中，利用各種電磁波望遠鏡，看到可識別的天體，那很可能那裏有緻密的暗物質；再透過分析光線的彎曲情形，科學家們便可以推測出其中的暗物質質量分布。

在本篇文章中，我們向各位讀者介紹了光是如何受到重力的彎曲，以及相關的應用。這個效應在黑洞附近會更為劇烈，在下一篇文章中，我們將會介紹該如何「模擬」黑洞附近的景象。

延伸閱讀

本系列文章：
黑洞為什麼不黑？彎曲的光與重力透鏡——黑洞旅行團，出發！（上）
巨大的黑洞反而不危險？——黑洞旅行團，出發！（中）
怎麼模擬出真實的黑洞樣貌？光線追蹤技術——黑洞旅行團，出發！（下）

參考資料

• [1] 廣義相對論之鏡─重力透鏡
• [2] Wiki-Gravitational lens
• [3]人類也能擁有上帝視角，宇宙中的天然放大鏡：重力透鏡