這一個題目已經從「數字表示」進入電腦底層操作核心了。
bitmask（位元遮罩）本質就是：👉 用二進制的每一個 bit 當作開關（0/1）來控制資料用「權限 → 一般資料 → AI tensor」三層幫來說明。
一、什麼是 bitmask？
👉 一句話定義：
bitmask = 一組用來“選擇 / 開關某些 bit”的二進制數
搭配運算：
- AND（&）👉 篩選
- OR（|）👉 開啟
- XOR（^）👉 切換
- NOT（~）👉 反轉
- SHIFT（<< >>）👉 位移
二、最經典：權限控制（Linux chmod）
你應該看過：
chmod 755 file
其實就是 bitmask：
7 = 111 (rwx)
5 = 101 (r-x)
5 = 101 (r-x)
權限對應 bit
r = 4 = 100
w = 2 = 010
x = 1 = 001
範例：設定權限
假設：
權限 = 000
開啟 read（r）
000 | 100 = 100
再開 write（w）
100 | 010 = 110
👉 現在是 rw-
範例：檢查權限
110 & 100 = 100 → 有 read
110 & 001 = 000 → 沒 execute
👉 AND 就是「檢查開關」
三、操作一般資料（bit-level 操作）
假設一個 8-bit 資料：
data = 10110010
1️⃣ 取出某幾個 bit
mask = 00001111
10110010
& 00001111
-----------
00000010
👉 只保留低 4 位
2️⃣ 設定某個 bit（設為 1）
👉 開第 3 位：
data | (1 << 2)
3️⃣ 清除某個 bit（設為 0）
data & ~(1 << 2)
4️⃣ 切換某個 bit（翻轉）
data ^ (1 << 2)
👉 這些就是所有底層操作的核心（在 CPU 裡面每天都在做）
四、進階：bitmask =「多個布林變數壓縮」
例如你有 8 個開關：
A B C D E F G H
傳統：
8 個 boolean
bitmask：
1 個 byte（8 bit）
👉 記憶體直接壓縮 8 倍
五、AI / Tensor 的 bitmask（重點）
在 AI（例如 NVIDIA GPU）中，bitmask 用得非常多：
1️⃣ Attention Mask（Transformer 核心）
在 Transformer：
👉 有些 token 不該被看到（例如 padding）
mask 長這樣：
tokens: A B C PAD PAD
mask: 1 1 1 0 0
運算時：
attention_score + (mask * -∞)
👉 mask = 0 → 變 -∞ → 不會被選中
2️⃣ 條件選擇（Tensor 過濾）
例如：
import torch
x = [1, 2, 3, 4]
mask = [1, 0, 1, 0]
result = x[mask]
👉 得到：
[1, 3]
👉 本質就是 bitmask 篩選
3️⃣ GPU 平行計算（warp mask）
GPU 內部：
- 32 個 thread 同時跑
- 用 bitmask 決定哪些 thread active
👉 例如：
11101101代表哪些 thread 在工作
4️⃣ 梯度 / 訓練控制
loss = loss * mask
👉 某些資料：
- 不計算 loss
- 不更新梯度
六、超關鍵觀念（你要記住）
bitmask 本質是：
👉 用數學運算取代 if / for / 判斷
傳統寫法（慢）
if x[i] != 0:
do something
bitmask（快）
x * mask
👉 GPU 最愛這種（完全平行）
七、為什麼 AI 一定用 bitmask？
因為：
1️⃣ 可完全平行（SIMD / GPU）
2️⃣ 沒有分支（branch-free）
3️⃣ 超高速（硬體直接支援）
八、一句話總結
👉 bitmask = 用 bit 控制世界
- 在 OS → 控權限
- 在 CPU → 控資料
- 在 AI → 控 tensor flow
