百年戰爭：葡萄酒與根瘤蚜蟲的歷史

• 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。

這個成語得自園藝上的經驗，在民間流傳已久，成為「三十六計」之一，比喻暗中使用手段，以甲替換乙。明代小說家淩濛初，在其短篇小說集《二刻拍案驚奇》中，首次使用這個成語，作為其中一篇的篇目「同窗友認假作真，女秀才移花接木」。

這篇小說的大意是說，有位聞小姐女扮男裝到學校讀書，和同學魏撰之、杜子中感情最好，但心中屬意杜子中。有位景小姐卻看中女扮男裝的聞小姐。後來魏、杜二人得知聞小姐的真實身份，都想娶她。聞小姐施出移花接木之計，將景小姐介紹給魏撰之，自己和杜子中結為夫婦。

談到這裡，小朋友可能還是懵懵懂懂，那就造兩個句吧。

這篇得獎的作品已被人檢舉，是將某小說家的作品改頭換面、移花接木而成。

這張老虎照片雖是移花接木之作，但電腦合成手段高明，連專家都沒看出來。

按照往例，接下去該談談這個成語的科學意義。移花接木，指得就是嫁接。果樹因發生突變，有時結得果實特別好吃、或特別大。農民發現這樣的果樹，就會留下它的種子，希望子代結的果實和親代一樣好吃、或一樣大。如果播種後不如預期，農民還有一招，就是插枝，如果可以插活，所結的果實絕對可以「掛保證」，我們常吃的葡萄，就是用插枝繁殖的。

然而，有些果樹插枝根本就插不活；靠播種嘛，子代結的果實不能保持親代的優良特性。薔薇科的蘋果、梨、桃、李子、櫻桃就屬於這一類。嫁接技術還沒發明前，這類果樹如有一棵結的果實特別好吃、或特別大，那麼就只有這一棵，無法衍生出很多棵。

中國人幾千年前就發明了嫁接技術。農民一旦發現某一棵果樹結的果實特別好吃、或特別大，就割下一小段枝條，接在另一棵的樹枝（砧木）上。當嫁接的枝條和砧木結為一體，「嫁」到砧木上的枝條就可以繼續生長，結出和親本一樣好吃、或一樣大的果實。

嫁接廣泛用在果樹、花卉等園藝上。美國著名人類學家戴蒙在他的名著《槍砲、病菌與鋼鐵》裡說：「這些果樹（蘋果等）得靠複雜的農業科技——嫁接，中國在農業起源不久，就發展出這項科技。」戴蒙認為，嫁接是不斷實驗的結果，絕對不是偶然的運氣。

利用木頭香氣做成的酒？

製造聞名世界的名酒時會利用到橡木和杉木等木材的香氣。

• 橡木桶

觀察世界名酒的製造工程，可發現在發酵和蒸餾後的熟成階段，會下功夫進一步去增添豐富的香氣。除了成分本身隨著時間所產生的變化外，最大的影響要素是來自容器的木桶所轉移的香氣。

葡萄酒、白蘭地和威士忌（見本書 P72）都需要裝桶熟成。歐洲地區會使用橡木（櫟木）桶來熟成葡萄酒和蒸餾酒。要使用全新木桶還是再次塡充的木桶，以及使用前內部是否烘烤……，這些決定都會影響到成品的香氣。如果使用全新木桶，就可將非常明顯的木材香氣轉移至酒當中。此外，烘烤木材亦可促進新的香氣分子之生成。

樹木細胞壁中的木質素由各種分子所連接而成，其結構就算在天然化合物當中亦可說是相當複雜。燃燒木質素會產生癒創木酚（藥劑類的煙燻香氣）、香草醛（香草般的甜香）和異丁香酚（辛辣的香氣）。

• 吉野杉木桶

江戶時代的日本，所有的酒都是儲存在杉木或檜木桶中的桶裝酒。直到江戶時代晚期為止，在江戶飮用的酒都是從上方地區（上方指首都圈，江戶時代的上方指京都大阪一帶，廣義的上方包含近畿地區。）的酒廠花費 5~10 天運送而來的 「下行酒」，因此一般喝的酒都含有來自木桶所轉移的香氣。現代的酒雖多以玻璃瓶包裝販售，但桶裝酒的風味仍然受到靑睞。

桶材的香氣會因產地和木材的製作方法而異，據說製作酒桶最頂級的木材是樹齡介於 60～90 年間的吉野杉甲付材（外層呈白色，內層偏紅）。

裝桶前的淸酒和桶裝酒之間的香氣有何差別呢？有一個實驗將淸酒在 15°C 下裝桶儲藏兩周後再分析其中的香氣成分，發現桶裝酒中可測得來自杉木的倍半萜類以及倍半萜醇類的香氣分子。根據天數長短和溫（4°C、15°C 和 30°C）不同，香氣的轉移程度亦有所不同。酒精濃度越高，所萃取出的香氣分子就越多，這也是因為香氣分子具有比起水更容易溶於酒精的性質之故（見本書 P66）。

• 桶裝酒和料理

俗話說「吃鰻魚就是要配桶裝酒」，但這有任何根據嗎？這和「香氣」的功能是否相關？

雖然我們沒有找到任何科學實驗能證實桶裝酒的香氣能讓鰻魚吃起來更美味，但根據關於桶裝酒和料理適性的研究結果顯示，桶裝酒具有緩解油膩的功能＊。比較吃了美乃滋後喝水、普通酒以及桶裝酒的結果，口中感覺最為淸爽的便是桶裝酒。經過調查，這是因為桶裝酒較易將油脂乳化之故。因此，當享用富含油脂的菜餚時，不妨先試試搭配桶裝酒吧。

＊〈桶裝酒對食品中的油脂和鮮味之影響〉，高尾佳史，釀協，第 110 卷，第 6 期（2015 年）

葡萄酒的「軟木塞香氣」會影響葡萄酒的香氣嗎？

不能說「沒有」。以下便舉兩個例子來看軟木塞對香氣的影響。

• 帶松脂香氣的葡萄酒

說到葡萄酒生產國，人們首先會想到法國、義大利和西班牙，但其實希臘才是歐洲最早的葡萄酒生產地，他們早在西元前 1500 年時就會釀造葡萄酒了。

希臘有一款自古流傳至今，利用木材香氣所製成的風味葡萄酒，這種白葡萄酒具有松脂風味，稱作「松脂酒（Retsina）」。古希臘時期，在儲存和運輸葡萄酒時會使用「雙耳瓶（Amphora）」，這是一種帶有兩個把手的素面陶器。而據說松脂酒便是因為當時用松脂來密封所產生的。松脂原本只是用來密封酒瓶的酒塞，卻在無意中賦予了葡萄酒獨特的風味，成就了松脂酒獨一無二的吸引力。現今在松脂酒的製造過程中，會在葡萄汁中加入松脂以增添風味。

松脂的香味含有大量聞起來像針葉樹的香氣「α－蒎烯」。針對 α－蒎烯的研究顯示，在嗅聞這種氣味 90 秒後，可觀察到自律神經活動的變化，可能具有舒緩心神之作用。或許人們之所以喜歡松脂酒，便是因為從松脂酒的獨特香氣中感受到某種安定精神的效果也說不定。

• 軟木塞的加工與香氣

葡萄酒酒塞和葡萄酒香氣間的密切關係從古希臘時期一直延續到後來的時代。在現代，針對用於葡萄酒酒塞的軟木塞之氣味開始受到了質疑。

自古羅馬以來，歐洲葡萄酒在儲存及運送時一直都是使用木桶。木桶由木板製成，運輸上雖然方便，但從防止氧化的角度來看並不十分優異。

現代常見的 「玻璃瓶 + 軟木塞」 形式要到 17～18 世紀才出現。正因為有了這項創新，我們才能為了維持風味或者增進風味以年為單位長期儲存葡萄酒。製作軟木塞的材料為栓皮櫟的樹皮。

然而，人們開始發現，這種由軟木塞所衍生出的香氣分子對葡萄酒品質有著負面影響。法語中被稱為「軟木塞味（Bouchonne）」，聞起來是一股發霉的臭味。導致這項氣味生成的原因不止一個。以前認為這種令人不快的氣味是因消毒氯化處理時所產生的 TCA（2,4,6－三氯苯甲醚）所導致，但也有報告指出，在栓皮櫟當中發現了 TCA 的存在。

由於 TCA 的閾値較低（見本書 P29），因此即使含量甚微，人也很容易感受到。此外，已知 TCA 除了本身帶有異臭，同時還會影響嗅覺，掩蓋掉其他香氣。據說 1～5% 的葡萄酒會產生這種污染，因此也有許多人提倡用旋轉瓶蓋取代軟木塞。提倡軟木塞以外的理由除了 TCA 之外，尙有其他原因，現在還在摸索最佳方案當中。

——本文摘自《飲食的香氣科學：從香味產生的原理、萃取到食譜應用，認識讓料理更美味的關鍵香氣與風味搭配》，2022 年 8 月，麥浩斯，未經同意請勿轉載。