1

6
1

文字

分享

1
6
1

布爾與邏輯--《科學月刊》

科學月刊_96
・2015/12/12 ・5223字 ・閱讀時間約 10 分鐘 ・SR值 560 ・八年級

董世平/中原大學應用數學系教授,美國伊利諾大學數學博士,專長數理邏輯,曾任符號邏輯協會東亞委員會委員九年。

布爾追尋真理的熱忱,導引他發現思想的法則。他以代數的手法將思想法則表現為後人所稱的布爾代數,不僅成為電腦硬體設計的基礎理論,更開創了數理邏輯學的深刻發展。

天上的星星,依照牛頓所發現的「萬有引力定律」而運動;而人的思想,也有它運作的法則嗎?1854年,布爾出版了他的著作《思想法則之探討》,在這本書中,布爾給了上述問題的答案:人的思想是有法則可循的。不僅如此,我們可用數學的方式來描述這些法則。這本書出版之時,能明瞭的人甚少,但這本書對人類影響之大,絕對是當時的人,甚至布爾本人都難以想像的。

理性是人行事的基礎,如巴斯卡(Blaise Pascal, 1623~1662)所說:「人是會思考的蘆葦。」我們也說:「物有本末,事有先後。知所先後,則近道矣。」雖然人人做事都有其背後的邏輯,但意識到邏輯本身,應是後來的事,正如人人都呼吸,但意識到呼吸,乃至知道空氣的存在,都是相當後來的事了。一個人沒學過邏輯,甚至沒聽過邏輯,並不表示這人做事沒有邏輯,或不需要邏輯。

-----廣告,請繼續往下閱讀-----
01
巴斯卡。 Source: shutterstock

邏輯學門的發展

02
亞里士多德(左)與他的學生亞歷山大。Source: shutterstock

一般來說,把邏輯或理則學當作一門系統知識來學習,是從亞里士多德開始,故傳統邏輯被稱為亞里士多德邏輯,大家最熟悉的即所謂的「三段論」。

大前提:人會死
小前提:蘇格拉底是人
結論:蘇格拉底會死

當我們從所知或已知的事物而得到結論時,這個思考或邏輯過程,皆使用三段論。人會犯錯,也會犯邏輯的錯誤,有可能是前提錯,即他的認知就是錯的,但也常發生的是,推論的過程產生錯誤:

大前提:人會死
小前提:蘇格拉底死了
結論:蘇格拉底是人

我們也許會說這種錯誤太不應該了,但犯這種錯誤的人比比皆是,在報章雜誌及電視上不時可見這些錯誤的推論。因這些人的心態是先有結論,再為結論找理由,也難怪會犯這種錯誤。希望我們能如孟子所說:「淫辭知其所陷」,而不為其所陷。邏輯在希臘哲學時期的建立,也就是為了分辨辯士在辯論時,何者是講理,何者是狡辯,進而使個人能合理的思考,正確的判斷。

邏輯不僅在希臘發展,在同時期的中國亦現其蹤跡。春秋戰國時期的名家及墨家的論述中也都有「邏輯詭論」,或如莊子所說:「一尺之杖,日取其半,萬世不竭。」;在希臘有完全相同的說法,如「飛矢不動」,也與「阿基里斯詭論」有相通之處。但可惜的是,中國的邏輯後來未有系統性的發展,僅留下了「矛盾」這個有趣的典故:楚人有鬻盾與矛者,譽之曰:「吾盾之堅,物莫能陷之。」以譽其矛曰:「吾矛之利,於物無不陷也。」或曰:「以子之矛陷子之盾,何如?」其人弗能應也。夫不可陷之盾與無不陷之矛,不可同世而立。」─《韓非子》。

-----廣告,請繼續往下閱讀-----

邏輯數學化

人類用亞里士多德的方式學習邏輯,至今已2500 年了。然而,我們必須用「理性」,才能得到邏輯正確的結果嗎?唯有「理性」,才能知道「理」之「則」嗎?

布爾提出兩個突破性觀念:其一,用符號表示邏輯命題;其二,可用代數作符號運算。總體來說,我們可先用符號代表命題,用公理表示邏輯的規則,再以代數的方式運算。在運算的過程中,不需考慮符號本身及運算的意義,運算完畢,將符號再帶回原本的命題,即為邏輯正確的結果。至此,推論的過程完全被公式的運算取代,不僅大大增加處理命題的能力,完全避免人有意無意的錯誤,藉著公理的選擇,可發現命題之間的關聯,亦可清楚看見邏輯的本質,其好處不勝枚舉,更有許多後世才發現的益處。

布爾在他著作中未曾提出一套完整的公理系統,也因此現今我們有許多種不同的布爾代數系統,本文僅列出一個較簡潔的系統,我們藉此來討論布爾將邏輯符號化及代數化的意義。

在討論符號化的意義之前,我們先引用布爾在他1847年所出版《邏輯之數學分析》中所說的:「認識現今符號代數情形的人都明瞭,分析過程的正確性並非建立在對符號所用的解釋,而是在它們組合的定律上。」使用符號不僅為方便表示,亦使我們不再受限於特定的解釋,因此可擴展應用的範圍,也才有現今各樣的數位產品。

-----廣告,請繼續往下閱讀-----

我們藉由布爾曾用的交換律b+a=a+b 來說明。你可把ab視為兩個集合,+為聯集,=為集合相同;亦可把ab視為整數,+為加法,=為數字相等;亦可把ab視為命題,+視為邏輯連辭「或」,而=視為意義相等。在應用時我們固然需要對這些符號賦予特定的意義,但在推導性質時,我們只需按著他們組合的定律來做,如交換律,如此所得的性質可用在集合、數字或命題及其他可能的解釋上。

03

對於邏輯的數學化,我們可用布爾所用的另一個例子來說明:

x2 = x xx2 = 0 → x(1-x)=0

這個過程相信是任何學過解方程式的人都明白的,當把0視為空集合,1視為包含所有個體的宇集(universalclass),1-x為包含所有不在集合x內個體的集合,x2=x 則意義為「具性質P 且具性質P 的集合,即為具性質P的集合」,因此布爾用上述的代數過程得到了古典邏輯中集合的「矛盾原則」,即不可能有一個集合同時具有性質P及性質非P,亞里士多德視矛盾原則為邏輯的基礎公理,但布爾則用數學方法顯示矛盾原則可由另一個看來更直觀的x2=x 公理所導出。

-----廣告,請繼續往下閱讀-----

邏輯的符號化及數學化並非始自布爾,有不少的先驅者,最著名的當是萊布尼茲(Gottfried Wilhelm Leibniz,1646~1716),較布爾早生了約170 年。萊布尼茲曾期望當兩個人辯論時,兩個人能坐下來說:「我們算一算。」也就是用數學方法來解決爭論。符號化及數學化的威力已為現今所認知,但這兩者也意謂著抽象化,離人的直觀與經驗越來越遠。這似乎為認識事物本質所必要的,我們亦見此於物理的發展。由布爾的成就我們亦可見,透過抽象化,我們可更清楚認識及了解「思想」這個原本極為抽象的概念。

04
萊布尼茲。Source: shutterstock

范氏圖與真值表

邏輯在布爾之後有極迅速的發展,現今常用兩種工具:范氏圖及真值表。由前列布爾代數公理,我們可見「集合代數」是一個布爾代數。史東(Marshall H. Stone, 1903~1989)亦證明了任一布爾代數可用一「集合代數」表示。范氏圖即為我們常用來表示集合關係的一個視覺化工具,而視覺化表示亦為布爾使用符號所希望能達到的目標,使人有更直觀的認知,但使用視覺化工具須注意其侷限性。

范氏圖用圓表示集合,1、2、3個圓交疊後,分別可得2、4、8個區域,每一個區域代表每一個集合僅使用一次可得交集的情形,在3個圓交疊的情形下,區域2為,區域為。那4 個圓交疊可得幾個區域呢?我們也許會猜21=2、22=4、23=8、24=16,16個區域,但我們若認真的去畫,我們會發現最多只能畫出14個區域。

然而,4個集合實際上應該有16個區域,所以范氏圖無法表示n ≥ 4個集合所有可能的情形,用n個圓最多可畫出多少個不同的區域?這個例子告訴我們,用歸納法一開始所得的歸納結果有可能是錯的,有興趣的讀者可嘗試用歸納法得到正確的公式,再用數學歸納法證明公式是正確的。

-----廣告,請繼續往下閱讀-----

另一個有用的工具則是真值表。它用P、Q代表命題,∧(且)、∨(或)、¬(非)、→(若⋯,則)、→(若且唯若)、T(真)、F(假),我們有下列定義:

05

我們可看見P → Q 和¬Q → ¬P 及¬P ∨ Q 對應的真假值完全一樣,即此三者為邏輯等價,當我們要證明「若P則Q」(P→ Q) 時, 我們證明「若Q為假,則P為假」(¬Q → ¬P),則「若P 則Q」得證,此即為「歸謬證法」或「矛盾證法」的本質,同理,若我們能證¬P ∨ Q 為真,我們亦證明了「若P 則Q」。

布爾之後的邏輯

邏輯非自布爾而始,亦非自布爾而終,但邏輯自布爾後,就再也不一樣了。我們也許可以如此比擬:克卜勒藉著對行星運動的觀察數據,以計算及歸納得到了「克卜勒行星運動定律」。牛頓依此發現了「萬有引力定律」,如此不僅可解釋「克卜勒行星運動定律」,我們亦可藉此定律計算出物體的運動軌跡。同樣的,亞里士多德歸納出正確思想應該遵守的規則,而布爾用代數的方法解釋了正確思想的規則,我們便可藉著他的發現,計算出正確思想應得的結論。

布爾的觀念及符號就留在現今數學裡,因為他使用符號的方式來處理邏輯,我們也就有了「符號邏輯」這個名詞。現今邏輯界最重要的學會,即「符號邏輯協會」(The Association for Symbolic Logic),而它所出版的代表期刊即名為《符號邏輯期刊》(The Journal of Symbolic Logic)。當代對邏輯的研究主要來自數學、哲學與計算機領域,對布爾代數本身的研究亦極活躍,蒙克(Donald Monk)主編了共三冊的《布爾代數手冊》(Handbook of Boolean Algebras),從其中包含的多樣主題,即可見布爾在數學的影響之廣。

-----廣告,請繼續往下閱讀-----

現今一些較熱門的題目也和布爾邏輯有所關聯,例如,哲學界所研究的「非古典邏輯」,其研究的方式多為先將布爾代數用不同的公理表示,再將其中一些公理,基於哲學方面的考量加以弱化,如此可得如直觀邏輯(Intuitive Logic),模態邏輯(Modal Logic)等等不同的邏輯。

人工智慧

人工智慧則是一個常被討論的題目:機器能有智慧嗎?布爾告訴我們,機器藉由代數推導後,可得到正確的結論。在命題邏輯不考慮計算複雜度(computational complexity)的前提下,人所能做到的,機器都可做到。但在一階邏輯時,筆者認為由「哥德爾不完備定理」可知,機器所能做的無法跟人一樣,這也是潘洛斯(Roger Penrose)在《皇帝新腦》(Emperor’s New Mind)書中所用的論證,這仍是人工智慧學者一個爭論不休的問題。

乏晰邏輯

-----廣告,請繼續往下閱讀-----

乏晰邏輯(Fuzzy Logic)在工業界已有許多的應用,其特點是,一個命題的真假值可為一個介於0 與1 之間的實數p,亦可視為[0, p] 區間;而傳統邏輯下,一個命題的真假值限定為假與真,或布爾所用的0 與1 表示。

1960 年代, 邏輯學者逐漸發展出布爾值模型(booleanvalued model),其命題的真假值對應至一個布爾代數,並以此將柯亨(Paul J. Cohen, 1934~2007)的結果( 註) 給予一個相對簡潔的證明。此處須特別強調「無法證明是對的」和「錯的」其意義是不相同的。由布爾值模型後,又發展出布爾值分析(boolean-valued analysis),並由此得到數學上有意義的成果,乏晰邏輯可說是布爾值模型另一個有用的特例。

註:此結果得到數學最大獎菲爾茲獎,其敘述在使用一般通用的集合論公設時,無法證明選擇公設(Axiom of Choice)和連續統假說(Continuum Hypothesis)是對的。

量子邏輯

另一個著名的非古典邏輯為「量子邏輯」,由量子邏輯可衍伸出「量子計算機」。其使用量子演算法,可在多項式時間內做「因數分解」,這是一般計算機與圖靈機(Turing machine)至今仍無法得到的結果。但量子計算機與圖靈機所能計算的函數總體是相同的,量子計算機與現今使用的計算機相較,或許其計算複雜度有差別,但從可計算性(computability)來看,兩者並無不同。

06
英國科學家潘洛斯,在物理、數學等領域有卓越貢獻。他曾撰寫過一系列探討人類意識與物理之間關係的書籍,如1989 年出版的《皇帝新腦》。Source: Festival della Scienza

綜合上述,我們可說現今邏輯與計算的發展,都是建立在布爾的基礎上,我們是沿著他給我們的方向繼續前進,而他的影響不僅遍及數學各領域,亦延伸至其他領域,如哲學、計算機科學、語言學等。

對真理的追求

我們不禁要問:為什麼布爾能有如此偉大的成就?當然他一定是個天才,但他的成就並非憑空而來,他也經過時間的醞釀,使他的思想日漸成熟。也由於這些成就,使他對符號的能力有更清楚的認識。他先前出版的《邏輯之數學分析》不僅不成熟也包含謬誤。在思考的過程中,他也曾面對失敗與挫折,但他不放棄,因此得以出版《思想法則之探討》。另外他勇氣過人,他敢思想「思想」,這個極端抽象卻又最根本的問題,大名鼎鼎的萊布尼茲嘗試過、努力過,但無特別的成果,而布爾不畏艱難,終於有所成。

最後,因布爾具有「對真理追求的真誠」(It is integrity in pursuit of the truth),在他寫給好友笛摩根的信中,他先說笛摩根具有這個特質,而他在這一點並不會輸給笛摩根,他甚至寫了下面的話:「我不認為任何人比我寫那本書時的心智,曾充滿更熱烈的渴望,僅為了要發現並說出真理,而不為其他。(I don’t think any man’s mind ever was imbued with a more earnest desire to find out the truth and say it and nothing else, than mine was while writing that book.)」就是這種真誠讓布爾發現了「思想」的法則,這個發現也改變了人類。

front本文選自《科學月刊》2015年11月號

延伸閱讀:
喬治.布爾─自學成大器的數學家
布爾與電腦

什麼?!你還不知道《科學月刊》,我們46歲囉!

入不惑之年還是可以當個科青

文章難易度
所有討論 1
科學月刊_96
249 篇文章 ・ 3653 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

0
0

文字

分享

0
0
0
通信三本柱:通信模型大解密
數感實驗室_96
・2024/06/30 ・654字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

想像一下,你和朋友在咖啡廳聊天。這看似簡單的互動,其實包含一個基本的通信模型喔。你是傳輸端(transmitter),朋友是接收端(receiver),而環境中的其他聲音則構成了通道(channel)。這三者共同組成了基本的通信模型。在接下來的文章中,我們將深入探討這個模型的每一個部分,並了解它們如何影響我們日常的通信體驗。

以上就是數位通信系統的三大支柱:傳輸端、通道和接收端的簡單介紹。實際上,它們的功能遠不止於此,整個通信系統的複雜程度超乎想像。除了數位物理層的演算法和電路設計外,還涉及類比電路、網路層等不同面向,真的是一門博大精深的領域。

通信技術致力於解決全球數十億人每天遇到的實際問題。如果你對於挑戰高難度的數學、物理、演算法問題感興趣,這將是一個充滿寶藏的領域。成功解決這些挑戰,不僅具備巨大的商業價值,更能推動通信科技的進步,提升全人類的通信體驗。你是否已經躍躍欲試了呢?

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

參考資料

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 49 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/

0

1
1

文字

分享

0
1
1
替晶片打造數學工具的喬治.布爾(George Boole)
數感實驗室_96
・2024/06/01 ・561字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

本文由 國立臺灣師範大學 委託,泛科學企劃執行。 

煮湯時看到調理包背面寫著「加水且加入鹽巴或味精,就大功告成了」。

這句話該怎麼解讀呢?邏輯思維好的人可能很快就能反應過來,意思是加水是必須的,鹽巴和味精至少要加一個。當然,兩者都加也行,但似乎不太健康。

你可能會說:「煮湯時誰會想那麼多?這太哲學了!」其實,19 世紀有位數學家將邏輯建立在數學而非哲學之上,他的貢獻深深影響了現代電腦的運算。他就是我們今天的主角——喬治.布爾(George Boole)。

-----廣告,請繼續往下閱讀-----

在工作會議中,清晰的邏輯思維能幫助我們有條理地表達觀點,並迅速理解他人的意見;程式設計中,邏輯是核心,透過布林代數和邏輯運算,電腦能根據條件執行不同的任務,在智慧家電中利用邏輯閘判斷多個輸入條件來控制輸出結果。

因此,布爾提出的這一套邏輯思維與布林代數,不僅在學術領域至關重要,更是日常生活中不可或缺的工具。

更多、更完整的內容,歡迎上數感實驗室 Numeracy Lab 的 youtube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

討論功能關閉中。

數感實驗室_96
76 篇文章 ・ 49 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/