實驗室好朋友：大腸桿菌生日快樂！

• 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。

• Bacillus cohnii 　 
• 科氏芽孢桿菌
• 形狀：圓
• 直徑：0.6 至 0.7 微米
• 前進：使用布滿細胞表面的鞭毛

會產生石灰的細菌

細菌不僅可以用於生產食物或提煉金屬，還可以用來建造橋樑和房屋。

例如科氏芽孢桿菌，這是一種一點都不起眼，但會產生石灰的細菌。它喜歡鹼性的生活環境，像是酸鹼值可達八的馬糞裡。但它也生活在鹼性更強的環境，全世界都有其蹤跡，甚至在歐洲、非洲、南美、土耳其的鹼湖裡，它會利用溶在湖裡的碳酸鹽產生石灰。

此細菌最初是在一九九○年代初期，德國微生物及細胞培養保藏中心的細菌學家在尋找偏好鹼性環境的新菌種時所發現，當時的土壤樣本來自一個鹼性土壤的牧場，裡面還殘留著馬糞。

科氏芽孢桿菌除了能夠忍受酸鹼值超過十二的強鹼，相當於氣味刺鼻的氨水的酸鹼值，還能形成孢子渡過長時間的乾旱期。細菌孢子的特性是具有極強的抵抗力，可以存活數十年或數百年，在特定的條件下甚至超過數百萬年（球形離胺酸芽孢桿菌（→ 78頁）還有發芽的能力。

科氏芽孢桿菌的名字源自於德國細菌學家費迪南．尤利烏斯．科恩（Ferdinand Julius Cohn），細菌學的奠基者，也是一八七二年第一個鑑識出芽孢桿菌屬這種小桿形細菌的學者。

研發能「自行修復」的混凝土

科氏芽孢桿菌能生活在鹼性環境中，能產生石灰，孢子經過長時間還具有發芽能力。結合這三種特性，令建築業對之產生興趣。一位荷蘭微生物學家專門研究會產生石灰的細菌，並嘗試研發出一種能自行修復的混凝土。

他的做法是將細菌孢子與銨鹽、磷酸鹽及養分混合在一起，封裝於黏土球裡，然後將這粒只有幾公厘大小的顆粒加入強鹼性的混凝土中。混凝土硬化後若一直保持緊密，便無事發生。但如果出現裂縫，開始長時間滲水，細菌孢子就會開始萌發。當細菌繁殖分裂，會消耗添加進去的物質，並不斷產生碳酸鈣填補裂縫。一道幾公釐寬的裂縫，只需數天時間即可修補完畢。

如此一來，科氏芽孢桿菌就可以解決混凝土結構出現裂縫的難題，否則定期必須進行的繁複維修，造成的損失可高達數十億歐元。除此之外，此細菌也能用在保護現存的建築物，在噴塗混凝土或修復液中皆已測試添加此細菌，用在已出現細微裂縫的建築構件上。

不過，此項產品至今尚未成熟，黏土顆粒仍然占據太多空間，進而影響混凝土的穩定性。還有載體材質、養分及混凝土之間的交互作用，以及孢子平均分布與釋放，與石灰形成的速度及過程等等，都還在改良中。如今，研究人員也測試其他能形成石灰的細菌是否適用。不過無論如何，科氏芽孢桿菌可說是混凝土生物修復劑的先鋒。

科氏芽孢桿菌這類會產生石灰的細菌，現在也運用在其他目的上。一家德國公司利用它來黏走採礦產生的灰塵。方法是將細菌加入培養液裡，灑在布滿灰塵的泥土上，六至四十八小時內就會產生石灰，將灰塵顆粒黏在一起形成砂岩，即固化灰塵。從前為了抑制灰塵，礦業公司必須使用大量的水，如今，藉由細菌的幫忙，就可以省下這些水了。

——本文摘自《細菌群像：50種微小又頑強，帶領人類探索生命奧祕，推動科學前進的迷人生物》，2023 年 ３ 月，麥田出版，未經同意請勿轉載。

• Candidatus Pelagibacter ubique 
• 遍在遠洋桿菌
• 外觀：通常如月牙般略彎之小桿 
• 長：0.37 至 0.89 微米 寬： 0.12 微米至 0.20 微米

高效率利用生存空間

假使將我們肚裡大腸桿菌的體型比作兔子，遍在遠洋桿菌的體型就如同小老鼠。這種無所不在的海洋細菌不只是能獨立生存的細菌中體積最小的^[1]，可能也是全世界最有效率也最成功的生物。每公升的海水裡，就有數以百萬計這種細菌，據推測，遠洋桿菌屬的總菌量在地球上高達 1027 至 1028，這個數目是宇宙中目前可觀測到之恆星數量的十萬至一百萬倍。

但這種細菌所創下的紀錄不只這項： 海水所含養分非常貧乏，微生物要生存，就必須主動將所需養分分子輸送進細胞內部。這會消耗能量，最後也一定會有所剩餘。遍在遠洋桿菌則生活在極限邊緣：擁有正好足夠其吸收養分及生長繁殖所需的能量，剛剛好，不多也不少。

遍在遠洋桿菌可說是生物界的空間利用大師，其用來維持新陳代謝和繁殖的胞內空間，少到令人難以想像。細胞內三分之二的空間用於新陳代謝，剩下的三分之一被遺傳物質占滿。在小小的空間裡備有感應系統，能偵測含碳、氫、鐵化合物及光線的位置，擁有必要的運輸系統，以及一切所需的酵素，能自行生產二十種維持生命不可或缺的胺基酸。

體積若是再小，就只能放棄全部或部分的新陳代謝。例如，更小的病毒基本上就是壓縮緊密的基因，會侵入其他生物的細胞中，將別人的新陳代謝系統據為己用。

如果養分充足，細胞內無須再具備持家基因，生活在這種環境的細菌或古菌的確可以小過遍在遠洋桿菌。例如生殖道黴漿菌（Mycoplasma genitalium），這是一種對人類致病的病原體，會在尿道、子宮等黏膜造成感染，體積僅有三百乘以六百奈米左右，但無法獨立生存^[2]。二○一五年有學者聲稱在地下水裡發現更小的細菌，但直至今日為止尚未能成功培養，因此學界相當懷疑是否真實存在。

精簡而高效的演化結果

此外，遍在遠洋桿菌的維生機制，效率也出奇地高。它只有一百三十萬組鹼基對，共含約一千四百個基因，是至今已知可獨立生存的物種中最少的。沒有任何多餘的東西，只有必要的配置。甚至連遺傳密碼，也似乎為了減少能量消耗而有過最佳化的調整。

一如其他生物，遠洋桿菌的遺傳密碼由四種鹼基 A（腺嘌呤）、C（胞嘧啶）、G（鳥嘌呤）、T（胸腺嘧啶）所組成。但比起其他細菌，遠洋桿菌裡 A 與 T 出現較為頻繁，此點便是出於效能，因為 C 與 G 含有較多的氮（而這在海水中是稀有元素），製造起來較為困難，如同人們以盡可能節省墨水的方式寫作一樣。

遍在遠洋桿菌在其所屬的立克次體目裡，算是特異獨行的一支。因為除了它之外，所有立克次體目的細菌，都必須在其他生物細胞內才能存活，其中也有不少病原菌，例如普氏立克次體菌，流行性斑疹傷寒的病原菌，透過蝨子傳染。

生物學家研究遍在遠洋桿菌並不只因為其驚人的能源效能和基因體的構造，對生態而言，它也相當重要。因為所有遠洋桿菌加起來的重量，比全球海洋魚類總重量還要多，且占有海洋細菌生物量的四分之一；在溫暖的夏季，甚至可能高達二分之一。由於它的主要食物來自死亡生物殘留下來的可溶性有機物，因此在地球的碳循環上，也扮演一個重要的角色。

由於數量實在太龐大，因此也容易引起敵人的覬覦：至今已知有數種病毒，會侵占並消滅此種細菌。

遲至二○○二年，人們才知道遍在遠洋桿菌的存在。在那之前，人們只認得它的 rRNA（核糖體核糖核酸）序列，是一九九○年研究人員在北大西洋馬尾藻海的海水樣本裡所發現。這也是首批運用當時最新的序列鑑定方法檢測到的細菌之一，但當時無法成功地培養出來。最後研究人員用了養分很低的培養基，以及高度稀釋的樣本，並添加一種能附著在核糖體上的染劑用以判別才成功。

註解

• [1] 審定注：一些寄生型細菌和古菌更小。
• [2] 審定注：該菌倚賴人類細胞裡的現成養分存活。

——本文摘自《細菌群像：50種微小又頑強，帶領人類探索生命奧祕，推動科學前進的迷人生物》，2023 年 ３ 月，麥田出版，未經同意請勿轉載。