天文學家在十幾年的陳年哈柏資料中發現隱匿的系外行星

• 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。

通常離熱源愈遠，溫度會愈低。太陽的可見表面稱為光球（photosphere），溫度約為絕對溫度6000K，但光球以上的太陽大氣層溫度卻達數萬度以上，甚至是最外層的太陽大氣—日冕（corona）的溫度是其表面的300倍以上。這樣反常的現象，是太陽物理迄今未解的謎題之一。

美國華盛頓天主教大學（Catholic University）暨哥達德太空飛行中心（Goddard Space Flight Center）科學家Jeff Brosius等人近期提出報告指出：常態性發生的極微閃焰（nanoflare）是讓太陽大氣加熱到如此高溫狀態的主因；但由於極微閃焰規模甚小，因此迄今仍無法偵測到個別極微閃焰的活動。

更讓這些科學家驚訝的是：這個證據來自美國航太總署（NASA）最便宜的任務類型—探空火箭（sounding rocket）短短6分鐘的偵測結果。這個稱為「EUNIS」的探空火箭任務，是極紫外正入射光柵攝譜儀（Extreme Ultraviolet Normal Incidence Spectrograph）的縮寫，發射於2013年4月23日，以每1.3秒的速率蒐集溫度與性質差異均頗大的日冕物質資料。

科學家曾提出多種理論試圖解釋日冕溫度反常高溫的現象，多半涉及的是日冕中磁能轉換成熱能而使日冕溫度上升的過程。不同的理論對可觀測到哪種會影響溫度的物質有的預測也不同，但鮮少有大範圍面積的觀測解析度高到足以分辨哪種預測正確的狀況。

EUNIS探空火箭上裝載有靈敏度非常高的攝譜儀，從譜線狀態，可估算特定溫度下有多少物質出現的訊息。而又因地球大氣會吸收來自太陽的極紫外光，所以這種觀測必須在大氣以外的太空中進行。EUNIS探空火箭飛行至離地表約322公里的高空中，飛行時間僅有15分鐘左右，其中約僅6分鐘在大氣以上的時間能蒐集可用資料。

在飛行期間，EUNIS按預定計畫掃瞄太陽大氣中一個磁場結構複雜的活躍區（ active region）；這類活躍區常是大型閃焰（flare）或日冕物質拋射（coronal mass ejection，CME）等爆發活動的發生之地。進入攝譜儀的光，會按照不同波長分開，且因溫度頗高，日冕中不同元素會在光譜中形成特定波長的發射譜線（emission line），攝譜儀拍攝的就是這些光譜影像。每條發射譜線都可顯示在獨特溫度下的太陽物質，進一步分析還可獲知這種物質的密度和運動。

EUNIS主要觀測溫度約1000萬K的物質所發出的極紫外光。科學家提出假設認為日冕中有大量極微閃焰活動，可將物質加熱到1000萬K的程度。但這些物質冷卻得非常快，所以普遍觀測到的日冕物質溫度約在100萬～300萬K左右；然而，以EUNIS的靈敏度而言，仍能偵測到那些極高溫物質餘留的微弱亮光。EUNIS研究團隊終究成功地在攝譜儀影像中找到與1000萬K極高溫物質有關的譜線，雖然這條發射譜線並不強，但已足以清楚明白地分辨出造成這些譜線的極高溫物質，並成為極微閃焰確實存在的強烈證據。

不過，雖然已有數種理論議及，但對於極微閃焰產生機制還無定論。此外，也有極微閃焰以外的其他理論解釋日冕加熱的現象。這些科學家必須繼續努力，改善觀測工具和儀器後，蒐集更多觀測資料才能驗證他們的極微閃焰加熱日冕的理論是否正確。不過好在，至少沒有其他理論有預測這種極高溫物質的存在，所以極微閃焰理論還是很能站得住腳的。

轉載自 網路天文台

根據Ying D. Liu等人最近發表的論文中指出：2012年7月23日，地球險險避過一場超強太陽風暴的襲擊。這波日冕物質噴發（CME）的粒子運動速度高達每秒2000公里，幾乎是一般典型CME的4倍左右。雖然地球躲過這場襲擊，不過在太空中、繞太陽公轉的STEREO-A太陽觀測衛星卻沒躲過。Liu 等人分析CME掃過STEREO-A時的觀測資料，發現它是1976年以來強的太陽質子風暴（solar proton storm）。如果這樣威力的質子風暴衝擊到地球，則將引起與1859年著名的卡林吞事件（Carrington Event）類似的狀況，對現代的電子科技造成莫大威脅。

卡林吞事件是1859年時曾有一連串強力CME正面衝擊地球，引起強烈地磁暴（geomagnetic storm）。當時不僅造成全球電信線路中斷，而且引發的北極光強到連磁緯很南邊的大溪地都可見。根據美國國家科學院（National Academy of Sciences）的研究，當時這場天災，總共造成了美金2兆元以上的經濟損失，是卡崔娜颶風災損的20倍以上；大量變壓器在這場太陽風暴中燒毀，耗費數年才全部修復，使得全球電信事業癱瘓。同樣強度的太陽風暴如果發生在現代，電力運輸網和通訊網路也都逃不掉癱瘓的情況，而且得花多久時間才能復原，損失難以估計。這表示不僅你的手機不能打了，連有沒有電和水可用都不好說。

2012年7月23日的這個類卡林吞CME事件，其實由2個間隔10～15分鐘的CME組成，再加上CME衝出的方向，恰好在4天前另一波CME事件中被清空了，使得7/23這兩波CME一路暢行無阻，不像平常那樣受到行星際空間粒子的阻擋而減速。

當CME中的質子雲通過地球軌道時，地球本身恰在1週前剛通過那個位置，所以避過了這兩波CME的正面衝擊，但這也顯示這兩波CME非常窄的質子流。 整起事件最高潮之處在於喚起太空天氣的危機感。許多觀測者都注意到現在所處的第24太陽活動週期比以前的還要弱，或許是百年來最弱的。但是透過2012年 7/23的這個超強太陽風暴事件，顯示即使是個活動微弱的太陽活動週期，也還是會產生非常強的太陽風暴。地球在這類事件中並不安全，所以必須居安思危，時時準備好應付這類事件，以期將損失降到最低。

資料來源：SpaceWeather.com [Mar. 20, 2014]

轉載自網路天文館