這原理就像知名體香劑廣告中”Axe Effect”的相反，並非男性在自己身上噴了一堆香水來吸引女性，椿象(Lygus hesperus)中的雄性改而在雌性身上加上某種東西以防止其它異性靠近。
現在，科學家聲稱已找出這種「性嚇阻」的秘密了。在11月的《動物行為》(Animal Behaviour)期刊上，研究團隊確定雄椿象的精囊中含有化合物十四烷基醋酸，並且在交配時隨著精子轉移給雌性。當科學家將化合物放在還未交配過的雌性上，雄性盡皆退避三舍。
這種「反春藥」不僅有助雄性占有牠們的配偶，還可以免去其它雄性浪費時間去追求不可能的對象。因為北美作物不斷受椿象破壞，科學家希望此發現可以在不使用強力農藥的前提之下，應用來設計減少椿象數量的新方法。
資料來源:ScienceShot:An Anti-Aphrodisiac[21 October 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。
還記得你小時候的暑假嗎？在還沒有平板的日子裡，我們在公園裡找蟬蛻、在河濱騎腳踏車、在海邊踩踏浪花，大自然在仲夏時分總是感覺離我們特別近，是一伸手就能碰到的距離。而如今，手機卻像是一堵無形的牆，橫亙在我們與蟲魚鳥獸之間。
但是，如果就此將手機視為自然的敵人，也未免太不公平了，在泛科學院與億觀生技合作辦理的夏日 STEAM 營中，手機也能搖身一變成為顯微鏡，讓孩子們隨身帶著實驗室。
在教室中，只見學生們個個裝備齊全、蓄勢待發，投影幕前老師細心地告知學生出外觀察的注意事項，事先約法三章，以避免孩子們一興奮起來便不管不顧。「如果想要觀察螞蟻該怎麼辦呢？」老師出了情境題。「跟在牠後面，小心不要傷到牠。」學生理所當然地回答。
雖然校園中可見無非尋常花草，然而，學生們卻依然謹慎小心，老師更是耳提面命，提醒學生在採集葉片前要謹慎思索，不可隨意摘取以免浪費。
在這裡，「尊重生命，愛護環境」四個字不再只是投影片的標語，更是學生們根深柢固的認知。
在老師宣布解散後，學生們立即四散開來，三五成群地在草叢中探索生物。將低倍率的行動顯微鏡放在手機的鏡頭之上，彷彿就可以看到一個截然不同的新世界：葉脈紋路顯得無比清晰、樹皮的紋路像是充滿故事，矮仙丹叢中更有甜蜜的秘密。
這時，老師又分享了一個小秘密：
其實真正的寶藏都藏在葉背，若不仔細尋找，可能會錯失很多珍貴的觀察機會。
究竟，翠綠葉子後面的寶藏是什麼呢？原來，除了可能藏身在葉背的小型昆蟲之外，小小的「珍珠」更是可遇不可求的珍貴之物，那些或金或白的蟲卵是一個個尚未孵化的生命，像是嵌在葉上的星星一樣，等待自己閃耀的一天。
話才剛說完，小小尋寶家就已經找到了大獎。大家興奮不已地圍成一圈，既小心又開心地觀察紅寶石般的小蟲。
「那是椿象！」老師開心地笑。
紅姬緣椿象（Leptocoris augur）又被稱為「台灣欒樹下的小精靈」，是台灣十分常見的昆蟲，尤其是在冬末春初、氣溫回暖時，行道上常常看見牠們大量聚集的身影。學生們七嘴八舌地討論自己以前遇到椿象的經歷，但誰都沒有這樣近距離地觀察過這模樣討喜的小蟲。
而一旁角落的學生則興味盎然地仔細觀察著一隻螞蟻，「原來牠的觸角長這樣啊……」男孩喃喃說道。在家中可能被「一指神功」輕易輾壓的小生命，在此刻的環境下卻是最好的學習素材。
回到教室之後，學生還特別跑來分享：「我觀察時還有用手機錄影，然後就小心地把牠放走了喔，沒有傷害牠。」透過了手機顯微鏡的鏡頭，平凡的事物都像是有了神奇的魔力，再也不是我們可以隨意輕賤的東西。
結束了戶外觀察，老師像是變魔術般拿出各式玻片，讓學生練習用高倍率的行動顯微鏡進行觀察。蝴蝶翅膀、蜜蜂口器、蒼蠅四肢……每位學生拿到的玻片中都有著不一樣的驚喜，於是孩子們開啟了「交換玻片」大會，想在時間內盡可能看到更多樣本。
只是，光看老師做可還不夠，學生更要自己採樣，製作出屬於自己的玻片樣本。在過去的實驗課中，蒐集樣本總要小心翼翼，又是載玻片、又是蓋玻片，一不注意就只剩滿地的玻璃碎片；相較之下，學生手中拿著的光學貼紙可就強大多了。千萬別小看那似乎不太起眼的貼紙，它可以用來取代傳統的蓋玻片，只要將想觀察的東西輕輕黏住，就可以放到手機鏡頭下觀察。
只見學生行雲流水地採集香水百合的樣本，再使用強力磁鐵，將玻片迅速確實地固定於載台，一連串動作熟練的就像是專業大師一般。更有學生將觀察完的光學貼紙轉而黏在貼紙簿上，一本小小的手冊轉眼便成為超厲害的觀察研究筆記。
看過了陸地上的各色生物，接下來就要挑戰水中的微生物了，老師發下先前採集的池水樣本後，學生們小心翼翼地利用鑷子將樣本置於玻片之上，整個過程都需要屏氣凝神，不容許些微差錯。
「看到了！看到了！」
就像是過年時的樂透開獎一般，觀察的結果實在是幾家歡樂幾家愁，有些孩子一下就找到了水中的生物，有些孩子則苦尋不著，教室之內形成了兩股完全不同的氛圍，而決定心情的大獎就是生物課本中的重量級巨星──草履蟲。在手機螢幕上，小小的草履蟲快速地游來游去，調皮的小玩意兒常常一眨眼就不見了蹤影，真是令人又愛又恨。
不過，就算少了點運氣也沒關係，老師們獨家推出「葉脈印章」，讓學生們人人有獎！學生將透明的水晶膠塗在收集來的葉片背面，而後將葉子翻模成獨一無二的印章，不僅刻下葉脈的紋路，同時也留住最美的回憶。
在早上的課程過後，助教聊起了課程準備的種種。面對年齡層較低（4～6 年級）的學生，如何取捨課程的難度可不是件容易的事。另一方面，若要將國高中的課程內容提前帶給孩子，沒有精心的設計辦不到；既要指令明確、步驟簡潔，卻也不可以過度簡化或扭曲實驗流程，在這些條件下，教學的方式常需要一再調整。
至於短短的夏令營過後，學生還能記得多少課程內容，也絕非老師能夠決定的。對於學生學習的成效，老師的看法灑脫淡然，教學者們並不期望學生像是背誦教科書般強記下實驗步驟和注意事項，只求這些過程帶給孩子快樂而充實的回憶。
「或許就像是種下種子一樣吧。」助教岱恩說道。
的確，這樣的營隊並不會讓孩子們一朝成為科學家，然而，第一次觀察自然的興奮和悸動必定會留下印記，而這顆種子是否會發芽、發芽後會長成什麼模樣，我們雖無法事先知曉，可也正因如此，才特別令人充滿期待啊！
研究人員現在了解椿象的綠色熱線是如何運作。這個兩公分長的小蟲子，利用樹枝來傳播通訊，因為透過空氣傳播聲音，可能會引起掠食者的注意，而且聲音在潮溼的植叢裡傳不遠。根據一項發表在汎美/伊比利亞（Pan-American/Iberian）會議中的研究，椿象藉由震動它們的腹部達100赫茲的頻率，來傳遞聲音；椿象所處的樹枝，能有效地維持這頻率，並傳送到幾公尺外。不同種類的椿象，有不同的震動模式；所以同種的其他個體可以找到發出訊號的個體，如果它們想接這通來電的話。
