光害，害在哪？─節電屏東篇

• 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。

看英仙座流星雨需要做哪些準備呢？什麼時間、地點最適合呢？

什麼時間？

根據國際流星組織的資料，英仙座流星雨發生的時間從 7 月 13 日到 8 月 26 日，將近一個半月的時間，這段時間都可以看見英仙座流星雨。不過英仙座流星雨的極大期則是 8 月 13 日前後幾天，觀測條件好的地方，每小時最多可看見大約一百顆的英仙座流星！

流星雨幾乎都是下半夜才會進入高峰，這時流星雨的輻射點較高，可以看見從輻射點向四面八方輻射的流星。

什麼地點？

看流星雨其實不需要到高山上人擠人，找一個空曠、光害較少的地方就可以。

什麼設備？

眼睛最適合用來觀看流星雨，看流星雨不需要任何望遠鏡或昂貴的設備，不過一些簡單裝備可以讓你欣賞流星雨更輕鬆。

抬頭看流星，時間久了脖子就會痠痛，帶一把躺椅會讓你舒服很多。也可以帶睡袋或在地上鋪毯子，直接躺在上面觀看流星。

夏天的夜晚，蚊子還是很多，防蚊的東西不能少。記得要多帶衣服，尤其是前往高山看流星雨，入夜後會變冷。

觀看流星時，要注意觀星禮節。沒有必要的燈要關閉，手電筒或手機的燈要往地上照，不要把燈光往人照。如果附近有人在拍攝流星雨，更要注意燈光，不要影響拍照的天文同好。

往哪個方向看？

流星會出現在哪裡？這是無法預測的，唯一知道的是，英仙座流星雨的流星都是從英仙座的頭頂附近輻射出來的，流星會出現在天空中的任何角落。

怎麼拍？

用手機相機或一般數位相機拍流星雨，難度相當高，建議使用數位單眼相機比較可行。

單眼相機要架在穩固的三腳架上，廣角鏡頭拍攝的範圍較大，捕抓到流星的機會較高。盡量把光圈開到最大，鏡頭進來的光愈多，就能拍到愈暗的流星。另外，把相機 iso 值提高到 1000 以上，這樣可以拍到較暗的流星，不過 iso 愈大，拍起來的影像雜訊也愈多，試試不同的 iso 值，看看影像中雜訊的狀況。

把相機改為手動對焦，再把焦距調到無限遠，或對準一顆亮星，把影像中亮星大小調到最小。曝光的經驗值是 20mm 鏡頭約 10 秒，35mm 鏡頭約 6 秒，這樣影像中的星點會是圓的，不會拖出長線。

不要忙著拍照而忘了親身感受流星雨，用電子快門線設定每幾秒拍一張後，就讓相機自己去拍攝，回到家後再檢視拍照的結果。如果拍到流星，記得分享流星的美麗照片！

祝 流星滿天，觀星愉快

延伸閱讀：英仙座流星雨怎麼來的？

本文轉載自作者部落格「屋頂上的天文學家」，原文為〈英仙座流星雨要怎麼看？〉

編按：本文摘自《關於夜空的 362 個問題》，蒐集了英國最長壽科普節目《仰望星空》的觀眾提問。所有你對太空宇宙會有的疑問，都將在本書中為你解答。本節討論的是「過去和未來的天空」。

古文明如何準確測量星星的運動？

巴比倫人和蘇美人是世界上最古老的天文學家，他們在三千多年前居住於現在的阿拉伯地區。

太陽、月球和星星的移動，在古代就已經為人所知，此外黃道帶上的那些星座也是最早被發現的。當時的人可能已經知道，在不同的時間會看到不同的星星排列，但他們應該還不知道這是為什麼。這些文明是最早注意到天象變化的文明。他們可能注意到有些行星好像會在星星之間移動，特別是最亮的那顆：金星。當時也已經知道在夜晚或早上都看得到金星，蘇美人還發現了它的周期性。當然，他們並沒有因此思考到其他行星，而是聯想到神祇的活動。

巴比倫人知道各種不同的周期，主宰月相改變的周期就是其一；不過更重要的是日食和月食的周期。這些周期也流傳下來，到了在天文學方面非常有條理、邏輯的古希臘人手中。最令人震撼的天文事件自然是日食與月食。

事實上，許多古代文明都對這種現象感到害怕。雖然因為太陽與月球在天空中的運動方式不同，日月食發生的時間間隔似乎並不規律，但其實大約是每十八年發生一次。這段時間被稱為沙羅周期，是太陽、地球、月球三者形成的幾何系統回到相同配置的時間。再加上地球的自轉，就必須使用三個沙羅周期來計算，所以是大約五十四年發生一次。這表示，如果你觀察到一次日食或月食，那麼在一萬九千七百五十六天（或是五十四年又一個月）之後，在地球上同一個地點就能再看到一次幾乎一模一樣的日食或月食。

古代天文學留下令人著迷的遺產之一，就是安提基瑟拉儀，大約是西元前一世紀或二世紀左右建造的。銅製的安提基瑟拉儀是一九○○年在希臘的安提基瑟拉島發現的，經過深入研究後，學界發現這是由大約三十個細心配置的鑲齒排列而成的儀器，用來預測太陽、月球、行星在任何一天的方位。

製造者想必不知道太陽系的配置，因為這個儀器的設計是以地球為中心的模型為基礎，可是它對位置預測的準確度卻讓人驚訝。過去從來沒發現過類似的儀器；本質上而言，這是目前已知最古老的科學計算機。

至於星星本身的運動，在古代來說，是無法在某人的有生之年內測量出來的。古人很精細地測量了太陽在天空中的位置，所以能確定像是冬至、夏至這樣的至點以及春分、秋分的二分點時間。二分點出現在太陽通過天球赤道的時候，而有非常多的古代天文學家都會觀測太陽在天空中的位置。

地球自轉的歲差怎麼算？

西元前二世紀的希臘天文學家希巴克斯（Hipparchus）指出，和前人觀測到的結果相比，太陽在二分點的位置出現了相對性的改變，這個發現被稱為「分點歲差」。現在我們知道這是因為地軸相對於星星的移動所造成的，而這個發現成為了精密天文學的轉捩點。歐洲太空總署（ESA）的衛星伊巴谷（Hipparcos）就是利用這位天文學家姓名的發音，但是字母的拼法不同，因為其實這是「高度精密視差測量衛星」的縮寫。

伊巴谷是最早踏出第一步，排除地球是所有運動的中心的人。他觀察到太陽在全年中移動的速度會變化，而且計算出太陽中心的運動，一定會輕微地偏離地球。大約兩千年後，科學家才真的拋棄成見，推翻地球中心論，建立出地球以橢圓形軌道環繞太陽轉動的理論。

巴比倫人和希臘人都是最早在天文學上跨出一大步的民族，他們會測量太陽、月球和行星的移動。兩千多年後，哥白尼、第谷，還有克卜勒才又往前邁了一大步，拋棄地球是宇宙中心的理論。我（諾斯）認為，我們現在即將跨出在天文學與宇宙學方面重大的第三步，開始了解宇宙的真實規模。

英國最適合看極光的地方是哪裡？

唯一一個算得上看得清楚的地方是蘇格蘭。一旦越過北方的邊界，極光就沒那麼少見了，不過也沒有像挪威北部或阿拉斯加那麼頻繁。重點是要到一個真的很暗的地方，而蘇格蘭有些地方還能滿足這個條件。

所以定期觀測是值得的，不過也得準備好可能要等好一段時間。如果你去到挪威北部像是特浪索這樣的地方，那麼你在一整年裡，除了永晝的日子以外，幾乎每個晚上都能看到極光。

在《仰望夜空》播出的期間裡，天空有些什麼改變？夜空中有沒有新的天體出現，或者有沒有星星或其他天體的位置、外觀發生了改變？

很顯然，就算是在比《仰望夜空》節目播出時間更長的期間裡，星星和行星都不會改變。我們的確有看到幾顆彗星，一、兩顆明亮的新星。除此之外，情況都沒什麼改變。

我在主持《仰望夜空》的期間看過最壯觀的景象，應該是海爾波普彗星，那真的很壯麗，而且有超過一年的時間都能用肉眼看到它。我想當它離開我們時，我們都很傷心。別難過，它四千年後還會回來！

當然有些行星總是在改變，尤其是木星和土星。木星的雲帶在過去幾年中一直出現強烈的變動，而土星上則發生了劇烈的風暴。相當值得持續關注。

未來的觀星者會看到如我們現在所看到的北斗七星、獵戶座腰帶、老鷹星雲等這些星星的排列嗎？

根據我們目前的預測，未來不會有可偵測到的改變，但是當然如果是一萬年或是更久之後，這些星座一定會有改變。舉例來說，大熊座會扭曲，因為它的兩顆星（瑤光與天樞）在太空中是以與其他五顆相反的方向移動，遠離對方的。但是這些星星在太空中的移動實在太慢了，所以很難用肉眼看出來。

提醒你，一百萬年之後再回來，天空就會變得很不一樣。隨著時間過去，星座會因為星星的移動而變形，新的排列也會變得明顯。就連星雲也會隨著它們的中心出現氣體與塵埃生成的星星而改變，不過這個過程會需要幾百萬年的時間。

如果我們可以把時間快轉十億年，那時候的天空會是什麼樣子？會有多少星星不再存在？

如果快轉那麼長的時間，所有星座都會有非常大的改變，到時候我們已經認不出來那片天空了。除此之外，我們也無法辨識一些我們熟悉的星星，例如獵戶座的參宿七，到了那時候一定已經經歷了紅巨星的階段，也許在超新星的爆炸中死去。同樣的事也會發生在我們鄰近星系中的很多大質量的恆星上，不過也會有更多的恆星在天空中的其他位置出現。

如果把太陽系從銀河中拔出來，然後完整地放在太空中另外一個空曠的區域，我們會變好還是變糟？

這個嘛，我們會悲慘很多，因為我們只能看到自己太陽系的天體，對於星星會一無所知。事實上，我們的知識會被局限在很小的範圍內，有點像是去倫敦但只參觀維多利亞車站而已。一定要記得，天文學是最古老的科學之一，是古代文明不斷地重寫，增進我們對宇宙的了解的成果。

——本文摘自《關於夜空的 362 個問題：從天文觀測、太陽系的組成到宇宙的奧祕，了解天文學的入門書》，2019 年 4 月，貓頭鷹出版。