可愛的作秀黑猩猩可能妨礙保育工作

• 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。

貢貝黑猩猩戰爭

就在你讀這本書之際，從西非的象牙海岸共和國到東非的烏干達，到處都有成群的公黑猩猩在地盤邊界來回巡邏，有組織地追捕並攻擊外來的黑猩猩。牠們小心、安靜地移動，甚至不會花時間停下來吃東西。在烏干達最新的研究中，科學家使用了衛星定位裝置來追蹤努迦（Ngogo）黑猩猩族群，觀察牠們在一九九八到二○○八年之間進行的數十起突襲和二十一起殺戮行動，這些攻擊以吞併鄰近族群告終。

這些黑猩猩僅有的武器是拳頭和牙齒，偶爾也會用石頭和樹枝，但即使是年老的黑猩猩，隨便出手也勝過重量級的人類拳擊手，鋒利的犬齒更可長達四英寸。牠們一旦發現敵人就會拚個你死我活，啃咬對方的手指和腳趾，打斷骨頭、撕爛臉。有一回，靈長類動物學家驚駭地目睹攻擊者扯裂受害者的喉嚨，把氣管拉了出來。

《蒼蠅王》似乎說對了：「獸性就是我們的一部分，離我們很近、很近、很近。」

嬉皮猿愛情派對

但就像所有新的科學領域，大家很快就發現事情更加複雜。我在第一章提到《蒼蠅王》的觀點時，也立刻補充美國人類學家米德在南太平洋島嶼薩摩亞的見聞，她提供了截然不同的視角。

米德相信自己偶然遇見了太平洋上的和平天堂；同樣的，如果我們飛越六百英里，越過遼闊的剛果河，從貢貝來到另一區叫作萬巴（Wamba）的非洲雨林，也彷彿是跟著愛麗絲穿越鏡子，夢遊仙境。

一九八六年十二月二十一日，日本靈長類動物學家伊谷原一在森林中的空地邊緣等待一群猩猩經過，但他驚奇地發現兩群猩猩同時出現了。如果這裡是貢貝，可能五分鐘內就會大事不妙，兩群猩猩互相發出威脅的吼聲，作勢攻擊並揮動樹枝，情況更糟的話甚至會打鬥喪命。

然而，萬巴這裡不是那樣。兩群猩猩只是隔著幾碼坐了下來，互相瞪視。半小時後，其中一群（P群）的一隻母猩猩起身，緩緩走到另一群（E群）的一隻母猩猩面前。過了一會兒，兩隻母猩猩面對面躺下來，張開腿貼緊對方的陰部，並加速來回移動屁股，互相摩擦陰蒂而發出低吟。過不了幾分鐘，兩隻猩猩都狂喘尖叫，緊抱在一起抽搐著。一時之間，兩隻猩猩都歸於安靜，注視著彼此的眼睛，然後精疲力盡地癱軟下來。

此時，兩群猩猩之間的距離也消失了。幾乎所有猩猩都在分享食物、理毛和交配。牠們公配母、母配母或公配公，不分老少地任意交纏著手、嘴與生殖器。牠們「做愛不作戰」^[註1]。

接下來的兩個月裡，伊谷和同事們看到這兩群猩猩再度上演這幕三十多次。他們一次都沒看到貢貝黑猩猩那種暴力行為。不過，這是因為萬巴猩猩不是黑猩猩，至少與貢巴的不是同一種。嚴格說來，兩者同屬不同種，萬巴猩猩是倭黑猩猩（Pan paniscus），而貢貝猩猩就是我們一般所說的那種黑猩猩（Pan troglodytes）。

在外行人眼裡，兩種猩猩根本一模一樣。倭黑猩猩只是體型稍小，四肢較為瘦長，嘴巴和牙齒較小，臉也比較黑，毛髮中分（靈長類動物學家到一九二八年才把倭黑猩猩列為獨立物種）。然而，兩種猩猩的差異有助於解答戰爭有何好處，以及人類在二十一世紀會發生什麼事。

為了避免混淆，科學家通常稱倭黑猩猩為巴諾布猿（bonobo），記者則稱牠們為「嬉皮猿」（hippie chimp），一般黑猩猩就只稱為黑猩猩（chimpanzee），不加特別的形容詞。巴諾布猿和黑猩猩的DNA幾乎一樣，兩者有共同祖先，僅在一億三千萬年前才開始分化。更驚人的是，兩種猩猩與人類DNA的相近程度也一樣。

如果黑猩猩戰爭代表人類可能天生就是殺手，巴諾布猿的雜交派對則顯示我們可能也是天生的歡愛之徒。

除了在格勞庇烏山拔劍相向，兩個陣營的領袖阿古利可拉和卡爾加庫斯搞不好也可能扯掉袍子，互相摩擦下體。

但西元八三年的這幕還是以拔劍相向收場。在我們爬梳背後原因的同時，也將理解人類為何在動手不動口的整整一萬年後，竟然沒有繼續大動干戈，在二十世紀晚期轟掉全世界。背後的解釋也暗示我們將在二十一世紀保持和平紀錄。但這事說來話長，事實上，有三十八億年那麼長。

註釋

註1：作者此處刻意化用美國反越戰時期的著名口號「做愛不作戰」（make love, not war）。後面作者用特別用「嬉皮黑猩猩」這個常見別稱來指涉倭黑猩猩，顯然也與嬉皮是反戰人士有關

——本文摘自《戰爭憑什麼：從靈長類到機器人的衝突與文明進程》，2022 年 11 月，黑體文化出版，未經同意請勿轉載。

在網際網路發達的現代，私刑正義一直是社會議題值得被重視的一塊。當名人、演員、政治人物，甚至是個沒沒無聞的小卒犯錯時，許多人蜂擁到他們的社群媒體攻擊、肉搜、堵人等等，是一件值得被重視的議題。

在這一篇文章中，我將從一些心理學研究，探討「私刑正義」的可能成因，以及可能削減私刑正義的方式。

為什麼我們會想伸張正義？

人們對於不公平，似乎有著天生的敏感度。有一個德國萊比錫的研究團隊，就針對小孩子進行研究。他們讓小孩子看木偶劇場，有些木偶會對小孩子很親切，也就是所謂的好木偶，也有一些木偶會送小孩子禮物，再把禮物搶走，也就是所謂的壞木偶。

實驗者發現，當孩子看到好木偶被毆打時，他們會不開心；但是看到壞木偶被毆打時，則會雀躍不已。

實驗者好奇的是，我們是否願意花錢，來換取觀看壞人被打呢？他們在壞木偶要被懲罰的剎那，將布幕拉上，除非孩子交出手上的代幣，否則就無法繼續觀看。

結果，孩子們紛紛交出了手上的代幣，以求繼續觀看壞木偶被打^[1]。

然而，這篇實驗僅能解釋，當欺負我們的人跟被懲罰的人是同一個人時，我們先天就很樂見他們被懲罰，甚至是犧牲自己的利益也在所不惜。

但是，當我們只是袖手旁觀的第三者時，為何我們依然會希望伸張正義呢？神經心理學家 Lisa Barret 對此提出了解釋^[2]。

Lisa Barret 指出，人們的腦容量是有限的，正因為如此，我們不能等自己被攻擊了，才要求別人對這些人做出懲罰，而是希望「當和我們類似的人受到攻擊時，那些犯罪者能夠得到報應，以避免我們自身也受到攻擊。」

因此，當我們對某個人的受罰為之叫好時，肯定是因為他們所損害的他人利益，和我們自身有關。

這就是為什麼比起開車族、機車族，平常徒步走在街上的行人，對於警察針對行駛人行道的汽機車加強取締時，人們會更為振奮的緣故。

同情心，或許可以撫平報復心理

然而，並不是所有人，都能等待警察、法官等等來懲罰犯罪者，私刑正義的新聞我們可是時有所聞，例如先前一則疑似女兒被性侵後自殺，父親烙人抓人虐殺犯人的新聞，就在社會版面轟動一時。有些人為之叫好，但也有些人擔心「私刑正義」的嚴重性。

事實上，精神病學講師 James Kimmel Jr. 便曾指出，過度沉迷於私刑正義的結果，可能會導致「恐怖主義、復仇謀殺、幫派犯罪」等等的發生^[3]。

那麼，有什麼可以避免私刑正義呢？有一篇研究指出，也許同情心是一個可能的解決之道^[4]。

在這份研究中，實驗者招來了 44 名受試者，並將他們隨機分配到三種實驗情境中。在三種實驗情境裡，他們都必須要完成一份測驗，該份測驗是 20 題數學題，而他們都被安排坐在一男一女中間。

受試者不知道的是，那一男一女都是實驗者安排好的演員。

實驗開始了，在考卷發下去之前，女演員都會用眼藥水讓自己裝哭，並表示需要離開實驗。在實驗組裡面的女演員會裝作是得知哥哥得了癌症，自己卻要周末才能返家，此刻時在無法控制住自己的情緒；在控制組裡面，女演員則會裝作要趕著去看醫生，必須離開實驗室。

接著，受試者和男演員留在教室內，開始做那 20 題數學題，做了 4 分鐘，實驗者就會走過來，先收走受試者的問券，並檢查完答案後將答案卷用碎紙機碎掉，接著給他答對題數所應得的獎金。此時，實驗者會裝作身上的獎金不夠，必須要離開去拿獎金。

在實驗組中，實驗者離開之後，男演員會自己把答案卷碎掉，並在實驗者回來後，告訴對方「為了省時間，我自己對了答案，結果 20 題全對，我要領取 20 題的獎金。」並真的順利將獎金領走。

在控制組當中，男演員不會碎掉答案紙，而是表示自己比受試者多對了一題，然後領走獎金。

給予受試者報復機會

實驗者接著讓受試者有機會調配味覺測試的材料，並且讓受試者得知，這瓶材料將會讓作弊的男演員喝下，且對方不會知道是他調的。同時受試者也會知道，男演員超級怕辣。

透過這三種情境測試，實驗者想觀察兩件事情：

1. 受試者是否會因為對方作弊，而想要懲罰對方？
2. 受試者是否會因為剛剛另一位成員因哥哥癌症離去，而產生同情心（compassion），進而原諒作弊者的行為？

同情心可能會讓我們心軟

結果發現，在控制組裡面，受試者平均加入了 2 公克多的辣椒醬，而在實驗組裡面，受試者平均加入了將近 10 公克的辣椒醬，可見受試者對於報復作弊者，是確實會付諸行動的。

問題來了，這些受試者如果先前受到另一位演員的影響，是否會減少加入辣椒醬的量？如果是的話，這也表示，我們會因為自身的同情心，而減少對其他人的報復舉動。

研究結果顯示，同情心確實會有這樣的作用。參與到同情心實驗組的受試者，確實加入了較少的辣椒醬，只有平均約 3 公克左右，和控制組差不多。

這樣的研究結果顯示了，也許同情心，真的能讓我們更加寬容地看待這個社會，不再那麼執著於懲罰受試者。

不過，實驗者也特別強調，本篇研究的「同情對象」和「我們想報復的對象」是不同人。如果是同一個人的話，我們會有什麼舉動，其實是值得再進一步探討的。

參考資料

1. Natacha Mendes et al., ‘Preschool children and chimpanzees incur costs to watch punishment of antisocial others,’ Nature Human Behaviour, vol. 2, 2018, pp. 45-51.
2. Lisa Feldman Barrett, How Emotions Are Made: The Secret Life of The Brain, Macmillam, London,2017,p.73.
3. K.M. Carlsmith et al.., ‘The paradoxical consequences of revenge’, Journal of Personality and Social Psychology, vol.95(6), pp.1,316-24.
4. Condon, Paul & Desteno, David. (2011). Compassion for one reduces punishment for another. Journal of Experimental Social Psychology.