0

0
1

文字

分享

0
0
1

如果你是一台自駕車,這些是你可能會遇到的考驗

做車的人_96
・2018/01/22 ・2869字 ・閱讀時間約 5 分鐘 ・SR值 512 ・六年級

文/郭長祐

圖/TayebMEZAHDIA @Pixabay

談及「自駕車」,或許會有人天真地認為,行車電腦只要運用前後保險桿上的超音波測距器(俗稱倒車雷達)來偵測前後車距離,以此來調控車速,以及用類似技術使汽車保持在車道內行駛不偏離,以及能在避障情況下完成改變車道、轉彎、停車等動作,就是完滿的自駕技術與程序。事實上,實現自駕車的技術與考驗遠大過於此。

難解的電車難題

自駕車如果遇到相似於倫理學問題「電車難題」的狀況,應當如何權衡判斷呢?圖/By McGeddon [CC BY-SA 4.0], viaWikipedia Commons
自駕車其實需要因應各種突發狀況,例如突然煞車失靈時當如何處置?是持續向前行駛,但可能因此使五名路人死傷,還是選擇改變方向,但會使另一方向的一名路人死傷?這時行車電腦當如何權衡判斷呢?

或許上述的例子過於特殊,實務上很難遇到,但確實點出自駕車實際上路,必然要面對複雜多變的情境。又如一個小女生為了追一個皮球而跑到馬路上,這時若不改變方向女孩將被車輾過,右轉則會撞向其他路人,左轉有可能就撞上水泥牆,車內乘客也會受傷,或者是一隻狗跑到馬路上,或前方貨車的油桶鬆綁滾到馬路上,這些情境自駕車都必須事先備妥研判能力,事發時才能正確快速因應,例如爆胎時只能讓汽車放開油門,緩緩向前到耗盡慣性而停止,若這時嘗試踩煞車或轉動方向盤,反而可能招致全車翻滾的危險。

-----廣告,請繼續往下閱讀-----

科學家、工程師努力卸除社會對自駕車上路的心防

即便自駕車具有克服各種車況、情境的能力,自駕車上路依然有其他層面的挑戰,其中社會接納度至為關鍵。根據調查,有 78% 的受訪者表示不敢搭乘自駕車,以及有 41% 的汽車駕駛不願意跟自駕車一同上路,深怕自駕車出狀況殃及他們。

關於此,自駕車業者與研發團隊必須付出更多努力、甚至更有創意的做法才能使社會接受。過去百事可樂曾有一個蒙眼試驗廣告,邀請一群人蒙上眼睛後試喝兩種可樂,實驗證明單憑口感很難精準分辨可口可樂與百事可樂,表示消費者認為先出現的可口可樂口味更佳是種迷思,進而使百事可樂的銷售大增。

根據相似的心理學,或許在自駕車技術成熟後,可以安排實驗證實一般人無法分辨自駕車與人工駕駛的行為;甚至安排一個逼真的假駕駛,悄然在路上行駛一段時間後再告知大眾,以展現自駕車與一般駕駛幾無差別,或許可以說服社會大眾卸除部分心防與多慮。

除了科技突破,自駕車想上路,還得解決社會大眾的疑慮。目前看來,科學家與工程師們還有一大段路要走。 圖/ifinnsson @Pixabay

當然,除了心理層面外,實質上也要讓自駕車的互動更逼近人為駕駛,例如變換車道會打方向燈,前車過近會按喇叭,對向來車有危險行為時,會讓大燈遠近交替切換作為警示。其他如砂石車經過會刻意保持較遠距離避免意外,同時當關上車窗,因為很多高速行駛的砂石車常有砂石掉落,高速下噴濺起的砂石有時會傷到車內的乘客,或者前方有大型車輛時當把車內空調改成封閉循環,避免吸到大車排出的廢氣,維持車內空氣品質,保障乘客健康。做到這些,人們才能逐漸接納自駕車。

-----廣告,請繼續往下閱讀-----

另外,人們也擔心行車電腦是否會被駭客入侵並操控,輕則癱瘓交通重則犯罪,畢竟真人是不會被駭的,但電腦會。這一樣有待人工智慧科學家、工程師的努力,才能讓社會大眾接受與肯定自駕車的上路安全性。

目前自駕車的發展還是有些卡關的地方?

談及自駕車面臨的挑戰,除了需要提升緊急狀況的因應能力以及社會觀感外,自駕車的自駕基本功也有待磨練。美國汽車工程師學會(Society of Automotive Engineers,簡稱 SAE)把自駕程度分成六級:

零級(level 0):完全人為操作。
第一級(level 1):某些自動化功能可單獨作用,例如定速巡航,駕駛設定好想要的車速後腳就可以放開油門,讓汽車自動以定速操控油門;
第二級(level 2):多個自動化功能同時作用,但仍需要駕駛關注,必要時仍需要人為介入,例如自動停車;
第三級(level 3):汽車幾乎可全程自主駕駛,必要時才有人為介入;
第四級(level 4):完全不用人為介入,但僅限高速公路或車輛較少時才能如此;
第五級(level 5):一切自動,堪稱終極的自駕。

目前車廠已可達三級水準,若干宣稱達四級,但尚無人宣示已實現第五級,僅有晶片商宣稱已推出可滿足第五級自駕車所需運算力的車用電腦系統。

-----廣告,請繼續往下閱讀-----

上述為行車電腦自主駕駛的程度,但人們關切的自駕車安全程度則仍待商確。目前業界確實有一些初步討論,有科學家發表論文,期望用數學公式(Shai Shalev-Shwartz et. al, 2017 )來釐清自駕車碰撞事故的責任歸屬,不過論文發表後有許多爭議與質疑聲浪 ,可能還需要一段時間發展。

計算前車與後車安全距離的公式,詳見Mobileye 提出的自駕車事故公式 圖/Mobileye

另外政府也必須針對自駕車上路而增訂、修訂法規,目前世界各國政府都在拉高車輛安全要求,過去已要求汽車一定要有霧燈與前座安全氣囊才能出廠,現在也開始要求輪胎一定要安裝胎壓感測監督系統(Tire Pressure Monitoring System,簡稱 TPMS)才能出廠,進一步要求一定要配置防翻滾系統等,自駕車也當比照辦理。

有了自駕車,世界可能會很不一樣

談及自駕車,難道所設想的都是例外狀況與災禍嗎?答案應該為否,除弊之外自然也有興利的部分。自駕車若真能實現,也可能帶來更多的美好與便利。未來自駕車預先檢視全程路況,並對進行最佳化路程規劃,自動避開車潮,反而比人為習慣駕駛、記憶駕駛更快到目的地,甚更省行車能源,甚因行車操控更佳使零件更長壽而降低保修次數與花費,或因更佳、更可預設的行車狀況而降低車險費用。

就社會層面的考量,自駕車絕對不可能違反交通規則如超速或闖紅燈,自然可以省下讓交通警察舉發開單的社會成本;甚至更完善的大型自駕車系統可以調節車流分配,從而降低交通顛峰時間的塞車情況,節省龐大的時間成本。

-----廣告,請繼續往下閱讀-----
路程規劃、車流調節、共享自駕車……,自駕車若真的普及,可能使我們的生活產生現在難以想像的新面貌。 圖/TeroVesalainen@Pixabay

進一步的,若自駕車夠普及,其實可以實現共享自駕車的願景,如同現在路上有 O-bike 就可以騎,只要針對使用的路程付費即可。而完全自主駕駛後,車內座位也可以完全打通,成為行動辦公室,或在車內共桌用餐、玩牌等,都有機會實現。在愛心傘夠多的情況下,就不再需要自己買傘,同理,到處都有車可搭,還有人要買私家車嗎?而免去私家車自然也就減少了相關的成本,包括每台車閒置時的成本、私人停車場的土地空間、甚至高額的停車費支出等。

最後,各位想像的自駕車未來又是怎樣呢?還有哪些挑戰呢?也請各位不吝與我們分享!

參考資料:

《做車的人》系列內容由裕隆集團委託,泛科學企劃執行

-----廣告,請繼續往下閱讀-----
文章難易度
做車的人_96
3 篇文章 ・ 0 位粉絲
「教練,我好想做一輛車。」不用拜託,你真的可以。 我們是一群做車的人,希望帶給大家第一手的車界知識,讓你更懂車是怎麼造出來的。我們希望台灣能有自己的汽車文化,更希望我們都能為這文化驕傲。 本專欄由裕隆汽車贊助。

0

8
2

文字

分享

0
8
2
快!還要更快!讓國家級地震警報更好用的「都會區強震預警精進計畫」
鳥苷三磷酸 (PanSci Promo)_96
・2024/01/21 ・2584字 ・閱讀時間約 5 分鐘

本文由 交通部中央氣象署 委託,泛科學企劃執行。

  • 文/陳儀珈

從地震儀感應到地震的震動,到我們的手機響起國家級警報,大約需要多少時間?

臺灣從 1991 年開始大量增建地震測站;1999 年臺灣爆發了 921 大地震,當時的地震速報系統約在震後 102 秒完成地震定位;2014 年正式對公眾推播強震即時警報;到了 2020 年 4 月,隨著技術不斷革新,當時交通部中央氣象局地震測報中心(以下簡稱為地震中心)僅需 10 秒,就可以發出地震預警訊息!

然而,地震中心並未因此而自滿,而是持續擴建地震觀測網,開發新技術。近年來,地震中心執行前瞻基礎建設 2.0「都會區強震預警精進計畫」,預計讓臺灣的地震預警系統邁入下一個新紀元!

-----廣告,請繼續往下閱讀-----

連上網路吧!用建設與技術,換取獲得地震資料的時間

「都會區強震預警精進計畫」起源於「民生公共物聯網數據應用及產業開展計畫」,該計畫致力於跨部會、跨單位合作,由 11 個執行單位共同策畫,致力於優化我國環境與防災治理,並建置資料開放平台。

看到這裡,或許你還沒反應過來地震預警系統跟物聯網(Internet of Things,IoT)有什麼關係,嘿嘿,那可大有關係啦!

當我們將各種實體物品透過網路連結起來,建立彼此與裝置的通訊後,成為了所謂的物聯網。在我國的地震預警系統中,即是透過將地震儀的資料即時傳輸到聯網系統,並進行運算,實現了對地震活動的即時監測和預警。

地震中心在臺灣架設了 700 多個強震監測站,但能夠和地震中心即時連線的,只有其中 500 個,藉由這項計畫,地震中心將致力增加可連線的強震監測站數量,並優化原有強震監測站的聯網品質。

-----廣告,請繼續往下閱讀-----

在地震中心的評估中,可以連線的強震監測站大約可在 113 年時,從原有的 500 個增加至 600 個,並且更新現有監測站的軟體與硬體設備,藉此提升地震預警系統的效能。

由此可知,倘若地震儀沒有了聯網的功能,我們也形同完全失去了地震預警系統的一切。

把地震儀放到井下後,有什麼好處?

除了加強地震儀的聯網功能外,把地震儀「放到地下」,也是提升地震預警系統效能的關鍵做法。

為什麼要把地震儀放到地底下?用日常生活來比喻的話,就像是買屋子時,要選擇鬧中取靜的社區,才不會讓吵雜的環境影響自己在房間聆聽優美的音樂;看星星時,要選擇光害比較不嚴重的山區,才能看清楚一閃又一閃的美麗星空。

-----廣告,請繼續往下閱讀-----

地表有太多、太多的環境雜訊了,因此當地震儀被安裝在地表時,想要從混亂的「噪音」之中找出關鍵的地震波,就像是在搖滾演唱會裡聽電話一樣困難,無論是電腦或研究人員,都需要花費比較多的時間,才能判讀來自地震的波形。

這些環境雜訊都是從哪裡來的?基本上,只要是你想得到的人為震動,對地震儀來說,都有可能是「噪音」!

當地震儀靠近工地或馬路時,一輛輛大卡車框啷、框啷地經過測站,是噪音;大稻埕夏日節放起絢麗的煙火,隨著煙花在天空上一個一個的炸開,也是噪音;台北捷運行經軌道的摩擦與震動,那也是噪音;有好奇的路人經過測站,推了推踢了下測站時,那也是不可忽視的噪音。

因此,井下地震儀(Borehole seismometer)的主要目的,就是盡量讓地震儀「遠離塵囂」,記錄到更清楚、雜訊更少的地震波!​無論是微震、強震,還是來自遠方的地震,井下地震儀都能提供遠比地表地震儀更高品質的訊號。

-----廣告,請繼續往下閱讀-----

地震中心於 2008 年展開建置井下地震儀觀測站的行動,根據不同測站底下的地質條件,​將井下地震儀放置在深達 30~500 公尺的乾井深處。​除了地震儀外,站房內也會備有資料收錄器、網路傳輸設備、不斷電設備與電池,讓測站可以儲存、傳送資料。

既然井下地震儀這麼強大,為什麼無法大規模建造測站呢?簡單來說,這一切可以歸咎於技術和成本問題。

安裝井下地震儀需要鑽井,然而鑽井的深度、難度均會提高時間、技術與金錢成本,因此,即使井下地震儀的訊號再好,若非有國家建設計畫的支援,也難以大量建置。

人口聚集,震災好嚴重?建立「客製化」的地震預警系統!

臺灣人口主要聚集於西半部,然而此區的震源深度較淺,再加上密集的人口與建築,容易造成相當重大的災害。

-----廣告,請繼續往下閱讀-----

許多都會區的建築老舊且密集,當屋齡超過 50 歲時,它很有可能是在沒有耐震規範的背景下建造而成的的,若是超過 25 年左右的房屋,也有可能不符合最新的耐震規範,並未具備現今標準下足夠的耐震能力。 

延伸閱讀:

在地震界有句名言「地震不會殺人,但建築物會」,因此,若建築物的結構不符合地震規範,地震發生時,在同一面積下越密集的老屋,有可能造成越多的傷亡。

因此,對於發生在都會區的直下型地震,預警時間的要求更高,需求也更迫切。

-----廣告,請繼續往下閱讀-----

地震中心著手於人口密集之都會區開發「客製化」的強震預警系統,目標針對都會區直下型淺層地震,可以在「震後 7 秒內」發布地震警報,將地震預警盲區縮小為 25 公里。

111 年起,地震中心已先後完成大臺北地區、桃園市客製化作業模組,並開始上線測試,當前正致力於臺南市的模組,未來的目標為高雄市與臺中市。

永不停歇的防災宣導行動、地震預警技術研發

地震預警系統僅能在地震來臨時警示民眾避難,無法主動保護民眾的生命安全,若人民沒有搭配正確的防震防災觀念,即使地震警報再快,也無法達到有效的防災效果。

因此除了不斷革新地震預警系統的技術,地震中心也積極投入於地震的宣導活動和教育管道,經營 Facebook 粉絲專頁「報地震 – 中央氣象署」、跨部會舉辦《地震島大冒險》特展、《震守家園 — 民生公共物聯網主題展》,讓民眾了解正確的避難行為與應變作為,充分發揮地震警報的效果。

-----廣告,請繼續往下閱讀-----

此外,雖然地震中心預計於 114 年將都會區的預警費時縮減為 7 秒,研發新技術的腳步不會停止;未來,他們將應用 AI 技術,持續強化地震預警系統的效能,降低地震對臺灣人民的威脅程度,保障你我生命財產安全。

文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
196 篇文章 ・ 300 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

1

1
1

文字

分享

1
1
1
讓 AI 取代真人執法可行嗎?將判斷全交給 AI 可能隱藏什麼危險?——專訪中研院歐美研究所陳弘儒助研究員
研之有物│中央研究院_96
・2024/03/18 ・6292字 ・閱讀時間約 13 分鐘

本文轉載自中央研究院「研之有物」,為「中研院廣告」

  • 採訪撰文|劉韋佐
  • 責任編輯|田偲妤
  • 美術設計|蔡宛潔

人工智慧將改變以人為主的法治領域?

由人工智慧擔任警察,再也不是科幻電影的情節,交通管制常見的科技執法就是應用 AI 辨識闖紅燈、未依規定轉彎、車輛不停讓行人等違規行為。 AI 的客觀、高效率正在挑戰以人為審判主體的法治領域,這樣的轉變會對我們產生什麼影響呢?中央研究院「研之有物」專訪院內歐美研究所陳弘儒助研究員,他將帶我們思考:當 AI 取代人類執法時,將如何改變人們對守法的認知?

交通尖峰時段,後方出現一台救護車,你願意闖紅燈讓道嗎?
圖|iStock

想像有一天你正在尖峰時段開車,車子停在十字路口等紅燈時,後方出現一輛急駛而來的救護車,你為了讓道必須開過停止線。這時你是否願意冒著違規被開罰的風險?還是承擔風險以換取他人盡速就醫?

在上述情境中,針對「要不要闖紅燈」我們經歷了一段價值判斷過程。如果剛好十字路口有真人警察,他的判斷可能是:這是情急之下不得不的行為,並非蓄意違規。

然而,如果負責執法的是「法律人工智慧系統」(Artificially legal intelligent,簡稱 ALI)情況可能截然不同。

-----廣告,請繼續往下閱讀-----

ALI 這個詞源自 Mireille Hildebrandt 的研究,在概念上可區分為兩類:採取傳統程式碼的 IFTTT(if this then that)、運用機器學習的資料驅動。前者是注重法律推理或論證的計算機模型,將法律規範轉為程式碼,藉由程式編寫來執行法律任務。後者則透過大量資料的學習,來預測行為範式,用於再犯率、判決結果預測上有較好的成果。

一般情況下,應用在交通管制的 ALI 會辨識車輛是否超速、闖紅燈等違規行為,不過交通情境千變萬化,ALI 能否做出包含「道德價值的判斷」將是一大挑戰!

中研院歐美研究所陳弘儒助研究員察覺,人工智慧(AI)正在左右人們對守法的價值判斷及背後的因果結構,進而反思當我們將原本由人來判斷的事項,全權交由 AI 來執行時,可能產生哪些潛移默化的影響?

讓我們與陳弘儒展開一場從法哲學出發的對話,探索 AI 與法治價值之間的緊張關係。

-----廣告,請繼續往下閱讀-----
中研院歐美研究所陳弘儒助研究員,從法哲學出發,探索 AI 與法治價值之間的緊張關係。
圖|之有物

問

怎麼會對「人工智慧」(AI)與「法律人工智慧系統」(ALI)產生研究興趣?

會對 AI 感興趣是因為我很早就對電腦有興趣,我原本大學想唸資訊工程,因為高中有些科目沒辦法唸,於是去唸文組,大學進入法律系就讀,研究所考入「基礎法學組」研讀法哲學。

後來我到美國讀書,當時 AlphaGo 的新聞造成很大的轟動,啟發我思考 AI 的應用應該有些法律課題值得探討,於是開始爬梳 AI 與法律的發展脈絡。

AI 這個詞大概在 1950 年代被提出,而 AI 與法律相關的討論則在 1970、80 年代就有學者開始思考:我們能否將法律推理過程電腦程式化,讓電腦做出跟法律人一樣的判斷?

事實上,AI 沒有在做推理,它做的是機率的演算,但法律是一種規範性的判斷,所有判斷必須奠基在法律條文的認識與解釋上,給予受審對象合理的判決理由。

這讓我好奇:如果未來廣泛應用 AI 執法,法律或受法律規範的民眾會怎麼轉變?

-----廣告,請繼續往下閱讀-----

至於真正開始研究「法律人工智慧系統」(ALI)是受到我父親的啟發。有一陣子我經常開車南北往返,有一天我跟父親聊到用區間測速執法的議題。交通部曾在萬里隧道使用區間測速,計算你在隧道裡的平均速率,如果超速就開罰。

父親就問我:「政府有什麼理由用區間測速罰我?如果要開罰就必須解釋是哪一個時間點超速。」依照一般的數學邏輯,你一定有在某個時間點超速,所以平均起來的速率才會超過速限,可是法律判斷涉及規範性,我們必須思考背後的正當性課題,不能只用邏輯解釋,這啟發我逐漸把問題勾勒出來,試圖分析執法背後的規範性意涵。

問

如果將執行法律任務的權限賦予 AI,可能暗藏什麼風險?

我們先來談人類和 AI 在做判斷時的差別。人類無時無刻都在做判斷,判斷的過程通常會先做「區分」,例如在你面前有 A 和 B 兩個選項,在做判斷前必須先把 A 和 B 區分開來,讓選項有「可區別性」。

在資料龐大的情況下,AI 的優勢在於能協助人類快速做好區分,可是做判斷還需經歷一段 AI 難以觸及的複雜過程。人類在成長過程中會發展出一套顧及社會與文化認知的世界觀,做判斷時通常會將要區分的選項放進這個世界觀中,最終做出符合社會或自身考量的抉擇。

-----廣告,請繼續往下閱讀-----

當我們將判斷程序交由 AI 執行,就會涉及「判斷權限移轉」的問題,這經常在日常生活中發生,你只要發現原本自己可以執行的事情,有另外一個對象做的比你好或差不多好,你就會漸漸把判斷的工作交給它,久而久之,你大概會覺得這是很好的做法,因為可以節省大量時間。

自駕車導航系統就是判斷權限移轉的例子,由於導航通常可以找出最佳行車路線,駕駛人幾乎會跟著走,但仍有可能誤入路況不佳或無法通行的地方。
圖|Vladimir Srajber, Pexels

我擔心這種判斷權限移轉會快速且廣泛的發生,因為 AI 的工作效率極高,可以大幅節省人力成本,但是哪一些權限可以放給 AI?哪一些權限人類一定要守住?我們經常沒有充足的討論,等到發生問題再亡羊補牢可能為時已晚。

以讓道給救護車而闖紅燈的情境為例,如果讓 AI 來做交管,可以節省警察人力,又可以快速精準地開罰,卻迫使民眾需額外花時間,證明闖紅燈有正當理由。如果是真人警察來判斷,警察通常會認為你的行為有正當理由而不開罰。這對於受法律規範的民眾來說,會產生兩種全然不同的規範作用。

AI 產生的規範作用會讓民眾擔心事後銷單的麻煩程序,如果無法順利解決,可能會訴諸民意代表或上爆料公社,並漸漸改變民眾對守法的態度。而真人警察產生的規範作用,將使民眾自主展現對法律的高度重視,雖然當下的行為牴觸法律,卻是行為人經過多方權衡後做的判斷,相信法律會支持自己出於同理心的行為。

-----廣告,請繼續往下閱讀-----

問

使用 AI 執法除了看上它的高效率,也是因為和真人相比 AI 不會受私情影響,比較可以做出公正的判斷。如果從法治觀念來看,為何決策權不能全權交由 AI 執行?

我認為法治的核心價值在臺灣並沒有很好的發展,我們常想的是怎麼用處罰促成民眾守法,長久下來可能會得到反效果。當人們養成凡事規避處罰的習慣,一旦哪天不再受法律約束,可能會失去守法的動機。

事實上,法治最根深柢固的價值為:

法律作為一種人類行為規範的展現,促使民眾守法的方式有很多種,關鍵在於尊重人的道德自主性,並向民眾陳述判決理由。

給理由非常重要,可以讓民眾不斷透過理由來跟自己和法律體系溝通。如此也可以形成一種互惠關係,使民眾相信,國家公權力能用適當的理由來制定法律,而制定出的法律是以尊重公民自主性為主。當民眾理解法律對我所處的社會有利,會比較願意自動產生守法的動機。

AI 執法看似比人類「公正無私」,但它的執法方式以處罰為主、缺乏理由陳述,也沒有對具體情境的「敏感性」。人跟人之間的互動經常需要敏感性,這樣才能理解他人到底在想什麼。這種敏感性是要鍛鍊的,真人警察可在執法過程中,透過拿捏不同情境的處理方式來累積經驗。

-----廣告,請繼續往下閱讀-----

例如在交通尖峰時段應該以維持交通順暢為原則,這時警察是否具備判斷的敏感性就很重要,例如看到輕微的違規不一定要大動作開罰,可以吹個警笛給駕駛警示一下就好。

我越來越覺得人類這種互動上的敏感性很重要,我們會在跟他人相處的過程中思考:跟我溝通的對象是什麼樣的人?我在他心中是什麼模樣?然後慢慢微調表現方式,這是人類和 AI 最根本的不同。

行動者受各種法律變項影響的因果圖。上圖是由真人警察執法,對於處罰之可能性有影響力,可依不同情境判斷是否開罰。下圖是由全自動法律人工智慧執法,由 AI 直接將處罰之可能性加諸在行動者身上,缺乏真人警察二次確認,很可能影響行動者對守法與否的衡量。
圖|之有物(資料來源|陳弘儒)

問

相較於法律人工智慧,ChatGPT 等生成式 AI 強大的語言功能似乎更接近理想中的 AI,其發展可能對我們產生哪些影響?

我認為會有更複雜的影響。ChatGPT 是基於大型語言模型的聊天機器人,使用大量自然語言文本進行深度學習,在文本生成、問答對話等任務上都有很好的表現。因此,在與 ChatGPT 互動的過程中,我們容易產生一種錯覺,覺得螢幕後好像有一名很有耐心的真人在跟你對話。

事實上,對於生成式 AI 來說,人類只是刺激它運作的外在環境,人機之間的互動並沒有想像中的對等。

仔細回想一下整個互動過程,每當外在環境(人類)給 ChatGPT 下指令,系統才會開始運作並生成內容,如果我們不滿意,可以再調整指令,系統又會生成更多成果,這跟平常的人際互動方式不太一樣。

-----廣告,請繼續往下閱讀-----
ChatGPT 能讓使用者分辨不出訊息來自 AI 或真人,但事實上 AI 只是接受外在環境(人類)刺激,依指令生成最佳內容,並以獲得正向回饋、提升準確率為目標。
圖|iStock

資工人員可能會用這個理由說明,生成式 AI 只是一種工具,透過學習大量資料的模式和結構,從而生成與原始資料有相似特徵的新資料。

上述想法可能會降低人們對「資料」(Data)的敏感性。由於在做 AI 訓練、測試與調整的過程中,都必須餵給 AI 大量資料,如果不知道資料的生產過程和內部結構,後續可能會產生爭議。

另一個關於資料的疑慮是,生成式 AI 的研發與使用涉及很多權力不對等問題。例如現在主流的人工智慧系統都是由私人公司推出,並往商業或使用者付費的方向發展,代表許多資料都掌握在這些私人公司手中。

資料有一種特性,它可以萃取出「資訊」(Information),誰有管道可以從一大群資料中分析出有價值的資訊,誰就有權力影響資源分配。換句話說,多數人透過輸入資料換取生成式 AI 的服務,可是從資料萃取出的資訊可能在我們不知情的狀況下對我們造成影響。

問

面對勢不可擋的生成式 AI 浪潮,人文社會學者可以做些什麼?

國外對於 AI 的運用開始提出很多法律規範,雖然國外關於價值課題的討論比臺灣多,但並不代表那些討論都很細緻深入,因為目前人類跟 AI 的相遇還沒有很久,大家還在探索哪些議題應該被提出,或賦予這些議題重新認識的架構。

這當中有一個重要課題值得思考:

我們需不需要訓練 AI 學會人類的價值判斷?

我認為訓練 AI 理解人類的價值判斷很可能是未來趨勢,因為 AI 的發展會朝人機互動模式邁進,唯有讓 AI 逐漸理解人類的價值為何,以及人類價值在 AI 運作中的局限,我們才有辦法呈現 AI 所涉及的價值課題。

當前的討論多數還停留在把 AI 當成一項技術,我認為這種觀點將來會出問題,強大的技術如果沒有明確的價值目標,是一件非常危險的事情。實際上,AI 的發展必定有很多價值課題涉入其中,或者在設計上有一些價值導向會隱而不顯,這將影響 AI 的運作與輸出成果。

思考怎麼讓 AI 理解人類價值判斷的同時,也等於在問我們人類:對我們來說哪一些價值是重要的?而這些重要價值的基本內容與歧異為何?

我目前的研究有幾個方向,一個是研究法律推理的計算機模型(Computational models of legal reasoning);另一個是從規範性的層面去探討,怎麼把價值理論、政治道德(Political morality)、政治哲學等想法跟科技界交流。未來也會透過新的視野省視公民不服從議題。

這將有助科技界得知,有很多價值課題需要事先想清楚,影響將擴及工程師怎麼設計人工智慧系統?設計過程面臨哪些局限?哪些局限不應該碰,或怎麼把某些局限展現出來?我覺得這些認識都非常重要!

鐵面無私的 ALI ?人類與人工智慧執法最大的分野是什麼?

陳弘儒的研究室有許多公仔,包括多尊金斯伯格(Ginsburg)公仔,她是美國首位猶太裔女性大法官,畢生為女權進步與性別平權奮鬥。
圖|之有物

陳弘儒是臺灣少數以法哲學理論研究法律人工智慧系統(ALI)的學者,他結合各種現實情境,與我們談論 ALI、生成式 AI 與當代法治價值的緊張關係。

由於 ALI 擅長的資料分類與演算,與人類判斷過程中涉及的世界觀與敏感性思辨,有著根本上的差異;以處罰為主、缺乏理由陳述的判斷方式,也容易影響民眾對公權力的信任。因此陳弘儒認為,目前 ALI 應該以「輔助人類執法」為發展目標,讓人類保有最終的判斷權限

至於現正快速發展的生成式 AI ,根據陳弘儒的觀察,目前仍有待各方專家探索其中的價值課題,包括資料提供與使用的權力不對等、哪些人類價值在訓練 AI 的過程中值得關注等。

在過去多是由人文社會學者提出警告,現在連 AI 領域的權威專家也簽署公開信並呼籲:AI 具有與人類競爭的智慧,這可能給社會和人類帶來巨大風險,應該以相應的關注和資源進行規劃和管理

在訪談過程中,有一件令人印象深刻的小插曲,陳弘儒希望我們不要稱呼他「老師」,因為他從小就畏懼老師、警察等有權威身分的人,希望以更平等的方式進行對話。

假如今天以 AI 進行採訪,整個談話過程或許能不受倫理輩分影響,但這也讓我們意識到,在 AI 的世界裡,許多人際互動特有的敏感性、同理反思都可能不復存在。

陳弘儒的研究讓我們體會,AI 在法治領域的應用不僅是法律問題,背後更包含深刻的哲學、道德與權力課題,也讓我們更了解法治的核心價值:

法律要做的不只是規範人們的行為,而是透過理由陳述與溝通展現對每個人道德自主性的尊重。

所有討論 1
研之有物│中央研究院_96
293 篇文章 ・ 3356 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

1

1
1

文字

分享

1
1
1
最強 AI 助理—— Monica!內容統整、文章生成、留言回覆一鍵即時解決?
泛科學院_96
・2024/02/02 ・723字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

你用 ChatGPT 用膩了嗎?最近我發現了一個更強大的 AI 助理,不用學習複雜的提示技巧,答案隨傳隨到!

隆重向你介紹,Monica,它本來只是瀏覽器上的 GPT-4 外掛套件,前陣子同步推出了微軟跟蘋果的桌面版應用程式,按下快速鍵,就可以立即提問,我覺得是目前市面上最好用的 AI 助理程式,本支影片要來帶你熟悉快捷操作、提問技巧以及文章生成這三個 Monica 的特色功能。

我把本支影片分成三個看點

  1. 快捷操作懶人教學
  2. Monica vs MacGPT
  3. 打趴微軟的文章生成與主題回覆

就讓我們開始吧!

-----廣告,請繼續往下閱讀-----

今天跟你分享了 Monica 這套基於 GPT 技術的服務,還拖了微軟 Bing AI 跟 MacGPT 出來當對比,你覺得 Monica 會是你心目中的最佳 AI 助手嗎?

  1. Shut up and take my money, Monica.
  2. 身為 Mac 用戶,我堅決支持 MacGPT
  3. 你又在賺使用積分了,我也要來推坑朋友使用 Monica
  4. 早知道 AI 這麼好用,我還在那邊辛苦的寫行銷貼文真是浪費生命

如果你有更多的想法與問題,歡迎加入 科學 AI 的 Discord 論壇。

更多、更完整的內容,歡迎上科學院的 youtube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

所有討論 1
泛科學院_96
24 篇文章 ・ 33 位粉絲
我是泛科學院的AJ,有15年的軟體測試與電腦教育經驗,善於協助偏鄉NPO提升資訊能力,以Maker角度用發明解決身邊大小問題。與你分享人工智慧相關應用,每週更新兩集,讓我們帶你進入科技與創新的奇妙世界,為未來開啟無限可能!