[募科學] 〈SciMu科學募資〉九月閱兵報告

• 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。

這一系列文章為 2016 泛知識節「翻牆吧！知識」的活動紀實，我們將當下求知求真地感動盡力留下，想與世界某個角落正在努力翻牆的你分享。

知識不只在學校的黑板、不只在安靜的圖書館，當然 更不只在名為「學校」那棟被牆包圍的建築。2016泛 · 知識節「翻牆吧！知識」承襲著泛科學年會的精神與架構，變的是讓更多的知識在這裏碰撞，不變的是那渴求知識的靈魂。如果知識是一道牆，現在就讓我們用求知慾翻牆吧！

關於本場次【 擁有全世界最亮的「台灣之光—台灣光子源」，是什麼？要幹嘛？ 】的活動介紹，請參考這裡。

• 講者／陳家祥｜國家同步輻射研究中心助工程師
• 文字紀錄／廖英凱

「光」是人類觀察物體最常利用的方式，除了可見光外，還有許多肉眼不可見的光，統稱為「電磁波」或是「電磁輻射」。在近代科學的發展中，這些光也成為我們觀測自然的利器，例如波長最長的無線電常用來觀測星球尺度的宇宙世界；波長數十公分微波可以觀測大氣尺度的變化；紫外線可以看到分子尺度的結構；X 光則可以研究更小的蛋白質、脂質分子與晶體結構等。

當光線不足時，東西自然看不清楚，讀書還會傷眼睛。不過，如果照來了一道世界最亮的光時…… 難道就會看得更清楚嗎！？這道世界最亮的光，正是位於新竹「國家同步輻射研究中心」內的「台灣光子源（Taiwan Photon Source, TPS）」。它是世界上首屈一指的粒子加速器，在全世界同級機組中，提供了最亮的光源，自 2004 年開始構想、 2010 年開始動工，至 2014 年末發出第一道光。2016 泛．知識節邀請到同步輻射中心的助研究員陳家祥博士，與我們分享這道台灣之光的奧秘與身世。

電影裡的粒子加速器

台灣光子源，是一種透過加速帶電粒子來得到高同調性輻射的加速器。這樣的加速器早已經廣泛應用到生活中，也常常成為影視娛樂的素材。電影《魔鬼終結者 3》中，主角們在一個環型隧道裡躲避機器人的追殺時，啟動了裝置於加速器上的電磁鐵，而電磁鐵擁有的強大磁場，在關鍵時刻將機器人吸住動彈不得，讓主角們得以脫離險境。電影中的這個設定，正是因為粒子被加速到接近光速行進而有很高的能量，需要強大的磁場才能讓粒子轉彎，而加速器中的電磁鐵提供了這樣的強大磁場。在電影《鋼鐵人 2》裡，主角也蓋了一個環形的裝置，在裝置裡兩道強光的相擊下合成了一個新的元素。事實上，這也是粒子加速器可以用作合成人造元素的應用。

在台灣，其實也是有以同步輻射中心、環狀加速器作為背景題材的電影作品。2006 年的一部驚悚電影《詭絲》，劇中就描述了在同步輻射的環狀中心點，正好是磁場匯集之處而能引發靈異現象。不過陳家祥博士笑稱，其實磁場最強的是加速器上的電磁鐵，環狀中心其實是沒有什麼特別磁場的，但也因為這部電影的原因，民眾對於同步輻射中心的詢問度也突然變高了一陣子……

生活中的加速器

雖然影視劇本中偶有出現加速器的蹤跡，但將帶電粒子加速來使用這件事，早就是我們生活中常見的技術。例如早期陰極射線管（CRT）螢幕、電視機，就是利用高電壓的電場將電子加速，再通過聚焦線圈與偏向線圈這兩個電磁鐵，讓電子打到玻璃螢幕上指定的區域。而玻璃螢幕的內側塗佈了磷化物，當磷化物分子吸收足夠能量的電子後，就會釋放出螢光產生畫面。再例如機場中常用來掃描行李裡的 X 光機，也是利用加速後的電子，打到鎢、銀 、鉻等金屬製成的靶材上。當電子受到靶材阻擋而減速時，就會以 X 光的形式放出能量。這種 X 光來自於制止電子運動，因此又被稱做制動輻射（ bremsstrahlung）。

然而這些常見裝置所產生的 X 光，強度僅有同步輻射中心的十萬分之一至百萬分之一，僅能透視大型物體，並沒有辦法用來看到物體的細微結構，也因此我們需要亮度更強、光束更細、更不易發散，並如同雷射一樣具極佳同調性 （Coherence）的光來作為觀測的媒介。同步輻射加速器所產生的光源，正具有這些特性。

同步輻射光

同步輻射光源，是將帶電粒子（如電子）加速到接近光速，再利用電磁場偏轉其方向，便會產生一道沿原本運動切線方向發生的電磁輻射。輻射的波長取決於磁鐵的強度和帶電粒子的能量。不過一道光的強度不見得足夠，此時可利用一系列磁場交錯排列的插件磁鐵，讓帶電粒子在磁場中如蛇行般不斷交錯改變方向。這種每次改變方向所產生的同步輻射，如雷射般具有同調性高的特性，就可以再被導引到實驗站使用。

實驗站中的研究人員會再將同步輻射光照射到待測物上。根據待測物的材質、結構、表面特性等，同步輻射光會再經由反射、繞射、散射與穿透等機制而改變特性。同時，待測物也可能會因為吸收了高能量的同步輻射，而激發出電磁波、帶電粒子與中性原子等。研究人員就可藉由測量這些被同步輻射照射後的產物，來回推待測物的結構與成分。

科學神燈：台灣光子源

1980 年代，時任行政院長孫運璿著手推動新竹科學園區設置與半導體產業發展時，同期也開始規劃同步輻射研究中心。同步輻射研究中心於 1986 年開始動工，至 1993 年 10 月完成了亞洲第一座第三代同步輻射設施「台灣光源（Taiwan Light Source, TLS）」，成為我國在原分子領域、奈米技術、表面與薄膜科技、凝態物理、材料科學、分子生物學…… 等眾多領域的研究關鍵。近年使用人次與計畫數均逐年增加，每年可達一萬人以上的使用人次，然而因使用者眾，且相關技術推陳出新，導致了 TLS 光源不敷使用，亮度也不斷落後其他國家的新建設施。

2001 年起，國家同步輻射研究中心前身「行政院同步輻射研究中心」的指導委員會建議應開始研究新型同步輻射加速器的建造方案。2007 年，行政院同意「台灣光子源同步加速器興建計畫」並在 2009 年正式核定、2010 年開始動土興建、2014 年 12 月 31 日成功發出第一道同步輻射光。

不過，台灣光子源的興建歷程，也讓研究人員們忐忑不安了許久。由於台灣光子源的精準度要求相當高，一圈 518 公尺的軌道，僅能有 25 μm 的誤差。又因腹地不夠寬廣，新舊加速器緊鄰施工導致對工程的要求又更高，陳博士說當時還因此拆了餐廳來取得用地。施工過程中也不安寧，又發現在 14 公尺深處挖到了軟土層，高於法規要求的探測標準10公尺，因而多耗費半年施工，也因此遭監察院糾正。

到 2014 下半年時，距完工時限還有 3 個月，雖然主要設施都已完成，但研究團隊仍無法把電子有效加速。總主持人陳建德院士曾戲稱：如果計畫失敗，核心團隊只好七條白綾以謝國人…… 還好一名工程主管及時找到不斷失敗的原因，主要是真空腔被磁化而吸引電子，造成電子速度被拖慢。但當他們要將真空腔拆下來退火消磁的時候，又剛好遇到年末的尾牙時節，根本而找不到合作廠商。此時中科院的設備也適逢歲修，另外想送到中國的上海光源處理，又因為電子輻射照射的真空腔是管制品而無法出口。好險最終在一個傳產業者的協助之下，在完工時限截止當天，2014 年的最後一天，成功發出了台灣光子源的第一道光。

歷經十年規劃、四年建設，耗資將近 70 億元的台灣光子源，是我國規模最大的跨領域科學研究設施，更是全世界同等規模、同樣電子能量下目前能提供最亮光源的同步輻射加速器。它能帶動多項科學研究領域的發展，也能提供工業產品的研發優化。世界第一的條件更能成為開拓國際合作的優勢。相信這座落在新竹的科學神燈，帶來的不是天方夜譚的希望，而是越發清晰的微觀結構，更加接近的宇宙真相。

「我們搞科研的就是要跟其他人殺到頭破血流，沒有人會記得第二名的！」

編譯／彭琬馨

白天，Emily Temple-Wood是芝加哥羅耀拉大學（ Loyola University）生物系學生，看似平凡的她，目前已經申請到美國中西大學（Midwestern University）醫學院，預計 2016 下半年開始攻讀。晚上的她搖身一變，成為維基百科撰寫女科學家條目的主要作者——特別是每次她收到騷擾郵件時，她就藉由這種積極性懲罰（Positive punishment）來打擊網路霸凌。

Temple-Wood 在 2012 年創立維基百科女性科學家專頁，而這是一個艱難的任務。身為女科學家傳記的共同作者的她在首頁底下寫下這段話，「維基百科上女科學家條目數可悲地不足，是維基百科的系統偏差（systemic bias）」。2013年她接受 Wikimedia Foundation 的訪問時說：「有一票皇家學會（ Royal Society ）的女科學家，在科學界該是鼎鼎有名的大人物，維基百科卻沒有她們的頁面。『我覺得很生氣，那天晚上我坐在宿舍的走廊直到兩點，為的就是把第一篇關於女性科學家的文章寫出來……』。」

不出幾年，維基百科上就增加許多女科學家的條目。其中有 376 位女科學家的頁面登上 Wikipedia 首頁「你知道嗎？」的專區，更有 30位女科學家的條目以「好」或「特色」(featured)的評價通過同儕審查。

Temple-Wood 也在大學主持維基百科編輯會議，和她一起共事的編輯 Rosie Stephenson-Goodknight 形容她是「維基百科處理關於女科學家性別議題的重要典範」。

前維基百科創辦成員 Siko Bouterse 也說 Temple-Wood 在性別上的影響是前所未有的：

她撰寫了上百篇關於女科學家的文章，其中包含許多面向。她不只寫白人女科學家，也處理維基百科在不同種族的女性條目上數量不足的問題。而最重要的，Emily 還啟發其他人一起進行……當我還是小孩時，我認識的女科學家一隻手就數的完，但在 Emily 的努力下，我知道我們的女兒之後會有免費的知識管道來了解女科學家，這真的非常強大。

不幸的是，因為 Temple-Wood 是女生，她成為網民騷擾的主要對象。這些人經常問她要不要出去約會；公開討論她的身體、不斷暗示她能有今天的地位，是因為以身相許；還問 Emily 要不要也給他們一樣的服務。如果 Emily 不回應，他們就會口出惡言。

這樣的經驗對現在傑出女性來說並非不尋常，但 Temple-Wood 有一套自己的抗議方式，讓這樣的騷擾成為她前進的動力。她只要一收到騷擾信，就馬上建立一位女科學家的維基條目，像是 Liliana Lubińska 、 Katharine Luomala 、 Adelaida Lukanina 等都是這種情況下的產物。

正如 Bouterse 所說，這樣的騷擾「雖然很可惡，卻又恰好象徵目前女性在網路上面臨的真實情況」：

這種騷擾造成的情感傷害非常巨大。令人驚訝的是， Emily 能讓每個騷擾成為能量，藉此反嗆那些希望女性在網路沉默的人。這非常需要勇氣。

拜這些騷擾所賜， Temple-Wood 已經有一堆文章要寫，她反過來感謝這些騷擾者，幫助她對抗維基百科的系統性偏差。 和她共事的編輯Stephenson-Goodknight 說：「記住我的話，總有一天我們會寫到她的故事和科學發現，特別是如果 Emily 的研究成果能治癒他們的媽媽或姊妹，我會很想知道這些在網路上騷擾和誹謗她的人，到時候會怎麼想。」

本文翻譯自 “The new alchemy: turning online harassment into Wikipedia articles on women scientists“，作者為 Ed Erhart，維基媒體基金會 CC 3.0授權。