0

0
0

文字

分享

0
0
0

澄清有關大腦掃描的模糊思惟

國科會 國際合作簡訊網
・2012/06/12 ・1222字 ・閱讀時間約 2 分鐘 ・SR值 553 ・八年級

圖片來源:Akira Ohgaki@Flickr,根據創用CC-By 2.0條款使用

即便是神經科學也不能拯救 Edwin Hart Turner。在裁定死刑多年後,這名雙重謀殺案的兇手最終還是於 2 月 8 日在美國密西西比 Parchman 州立監獄以注射毒針的方式處死,即便其辯護律師在最後一刻提出腦部掃描影片,企圖證明他患有精神疾病,因此不能判處死刑,也沒有辦法改變司法決定。不管神經科學家喜歡與否,這個領域已經成為新的遺傳學,最新的科學發現有時會被用來解讀人類的行為。

媒體幾乎每週都會展示運作中的 3D 腦部影像,試圖解釋人類的行為模式與原因。近來更有人認為可以使用神經影像來指認戀童癖,或是證明人們迷戀手機。儘管技術限制與不完整的腦部功能影像使得這些解釋不盡完善,但使用大腦影像來理解人類行為,持續成為科學界的重要課題。

非研究與醫學實驗用途的神經科學會引發道德與執行問題。銷售及測謊等商業服務已經開始運用腦部影像技術,但是它們會過度解讀科學。雖然神經影像可以協助了解決策機制,但卻不應該用來預測或判定人類的行為。僅有一顆腦袋,並不能說明一切。

這項技術仍在摸索階段,卻無法阻止人們試圖銷售或購買之。即使炒作神經影像市場的受害者不是一般大眾,而是付出高額費用的大老闆,還是會造成傷害。如果這個商業行為擴大,反對發展神經影像的公眾輿論就會因為商業投機者的過分要求而消失。

-----廣告,請繼續往下閱讀-----

法國在 Olivier Ouiller 和其他神經科學家的努力之下,試圖打擊對神經科學的濫用。法國眾議院也於 2004 年重新檢視有關生物技術的法規,並於去年通過一項法案,明定「大腦顯影方法只能用在醫學或科學研究,或是法庭證據勘驗上」。該法規確實禁止神經影像在法國作為商業用途,不過業者僅需越過邊界,就可以繼續營業。

這項禁令在頒布之初就引發爭議,許多專家認為禁令不能獨厚神經影像,否則會讓這些科學家認為神經影像應用是不科學的,然而這些科學家卻同時宣稱神經影像可以幫助了解腦部失調與兒童閱讀障礙等等問題。這樣的態度會讓人們認為創新方法學的出現是因為社會有利可圖,而不是真正想要解決科學問題。

由於技術上的不確定性,若在法令中明定神經影像可以呈堂供證,不但會引發問題,腦神經科學家也不做此建議。

截至目前為止,神經影像在法庭上僅作為判決減刑之類的補助工具,然而印度、美國與義大利卻試圖使用腦部掃描作為定罪的決定性證據,儘管這項嘗試最後失敗,但是法庭未來隨時都有可能會接受神經影像作為主要證據。法國不應該鼓勵這類型的應用,至少不能在沒有條件之下使用。

-----廣告,請繼續往下閱讀-----

即使沒有專家建議可絕對採信這項新興技術,仍然有法國政客要求放寬神經影像在司法程序上的用途。神經科學家應當讓決策者了解,只靠腦部科學並不能提供解決社會問題的最終答案,但也不能忽略該領域的潛力。我們要知道,科學和法律有一個共同之處,那就是它們都有可能被誤讀。

作者:駐法國代表處科技組
資料來源:Clear up this fuzzy thinking on brain scans—Nature [2012-03-01]

轉載自國科會國際合作簡訊網 [2012-06-09]

文章難易度
國科會 國際合作簡訊網
47 篇文章 ・ 3 位粉絲

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

-----廣告,請繼續往下閱讀-----

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

4
1

文字

分享

1
4
1
【從中國經典認識大腦系列】從「子非魚,安知魚之樂?」淺談主觀意識的本質
YTC_96
・2023/10/18 ・3086字 ・閱讀時間約 6 分鐘

宋劉寀群魚戲荇。圖/npm.edu.tw

惠施觀點:人不能知道魚的快樂

「子非魚,安知魚之樂?」出自《莊子.秋水》篇中的濠梁之辯。惠施認為莊子不是魚,又怎麼能知道魚是快樂的?這看似簡單的一句話卻點出困擾哲學家以及科學家數百年之久的問題,那就是主觀意識到底是什麼?

圖/Pixabay

濠梁之辯的情境是這樣子的。莊子和惠施同遊至濠水的橋梁。莊子說:「鯈魚出遊時很從容,這就是魚的快樂啊。」惠施說:「你不是魚,怎麼知道魚的快樂?」莊子回答說:「你不是我,怎麼知道我不知道魚的快樂?」惠施說:「我不是你,當然不知道你的想法,而你當然也不是魚,所以你不知道魚的快樂,這完全是可以肯定的。」莊子說:「請回到開頭的話題。你問我『你怎麼知道魚的樂趣?』既然你已經知道我知道,並且問我,那我就是在濠梁上知道的。」

既然莊子認為自己能知道魚的快樂,那我也想問莊子,你知道成為一隻魚又是怎麼樣的感覺嗎?

圖/YouTube

成為一隻蝙蝠可能是什麼樣子

在濠梁之辯後的兩千多年,美國著名哲學家湯瑪斯.內格爾(Thomas Nagel)也從想像自己是蝙蝠(注意不是小小鳥)的過程中獲得靈感,並在 1974 年發表了〈成為一隻蝙蝠可能是什麼樣子〉(What is it like to be a bat?)。他認為主觀經驗無法透過客觀描述來獲得,是心靈與物理之間的解釋鴻溝(Explanatory Gap)。簡單來說,就算我們知道蝙蝠是透過聲納來感知並飛行在空中,但因為我們不是真正的身歷其境成為一隻蝙蝠,我們還是無法知道作為蝙蝠是什麼樣的感覺。

-----廣告,請繼續往下閱讀-----
圖/YouTube

這種主觀經驗,哲學上稱作感質(Qualia),是指主觀意識經驗的特殊品質或性質。它們是個人直接體驗的主觀感受,無法通過客觀描述或第三人稱觀察來完全理解或解釋。感質是一種主觀的、非物理的屬性,無法被完全捕捉或解釋。它們涉及到我們感知世界的方式、感受事物的質感、觸覺、視覺、聽覺、嗅覺等等。

舉例來說,如果你試圖向另一個人解釋一朵玫瑰的芬芳,或者試圖描述一個人的愉快感受,這些主觀感受都屬於感質。它們是我們內心獨有的體驗,無法被他人直接體驗或理解。

另一個哲學家們喜歡舉的例子是「你和我看到的紅色是一樣的嗎?」這或許聽起來是一個很蠢的問題,因為當紅色物品擺在眼前,非色盲或沒有眼疾的一般人都能異口同聲說出該顏色。透過醫學研究,我們也都知道波長約 700 nm 的紅色光刺激到視網膜的錐細胞是我們大家都能看到紅色的原因。

不過,雖然紅色光能刺激每個人相同的視網膜錐細胞是不變的客觀物理事實,但沒有人能保證你和我主觀感受到的紅色是相同的,就像是幾年前網路爆紅的藍黑白金裙 (The Dress)(圖一),即使是同一條裙子的照片,有人說是藍黑裙,卻有人說是白金裙。這也說明看似客觀的色彩,也存在有主觀性。

-----廣告,請繼續往下閱讀-----
圖一、藍黑裙?白金裙?都幾咧。圖/The dress – Wikipedia

人類或許能想象自己作為一隻蝙蝠使用聲納來飛行導航,又或是把自己像蝙蝠般倒掛休息,但這和成為一隻真正蝙蝠的感受還是不同的。

感質可能埋藏在複雜的神經網路中

莊子和惠施的辯論背後探討了意識的本質,也引發人們對於知覺和主觀體驗的一種思考。即使經過數千年的探索,「意識究竟是怎麼產生的?」仍是一個深奧而又複雜的問題,也是所謂的「意識的困難問題(Hard Problem of Consciousness)」。從哲學角度,感質無法透過描述去感受,但從科學上來說,我們無法否認大腦是產生主觀感受的關鍵,這也讓神經科學家們好奇是否能找到感質的神經機制。

英國巴斯大學疼痛研究中心的教授羅傑奥普伍德(Roger Orpwood) 多年來進行感質的理論研究,他認為感質是局部大腦皮質網路訊息處理的結果。這個網路能轉換訊息結構(Information Structure; 訊息在大腦中的物理表現,主要是動作電位的模式)和訊息資訊(Information Message; 感質的基礎)(圖二)。當輸入的訊息結構被網路辨識,而產生訊息資訊,這網絡還可以輸出一個訊息資訊的表徵並進行下一個傳遞與轉換(Structure → Message → Structure → Message…)(圖三)。舉例來說,臭雞蛋的硫化氫(H2S)氣味感質是透過一層一層的網路後產生。 當鼻腔吸入硫化氫氣味分子後,嗅覺系統的訊息結構通過嗅覺神經束傳遞到嗅覺皮質網絡。而傳遞的訊息所獲得的資訊都建立在前一個資訊的基礎上。這資訊從硫化氫的第一階段的辨識內在身份(Inner Identiy),演變為硫化氫的內在形式(Inner Form),到發展成硫化氫的意象(Inner Likeness or Image),也就是硫化氫的感質體驗(圖四)。

知名美國神經科學家,研究意識神經機制多年的克里斯托夫.科赫(Christof Koch),也認為意識不是來自個別大腦區域,而是來自區域內和區域間高度網絡化的神經元。意識相關的神經區域(Neural Correlates of Consciousness (NCC))概念的興起,也希望透過實驗研究的方式來找到產生意識的最小神經集合,並了解哪些大腦的區域是產生意識所不可或缺的。

-----廣告,請繼續往下閱讀-----
圖二、當我們看到藍色後,大腦透過訊息結構的模式傳送到視覺皮層 V4 區域。對大腦來說,這就是一種訊息資訊,是我們主觀上看到的「藍色」。圖/frontiersin.org
圖三、網絡或神經元集合中的​​基本訊息處理。輸出訊息結構從被辨識的訊息資訊從輸入訊息結構中形成。訊息(Information)從結構(Structure)到資訊(Message),再到結構。圖/frontiersin.org
圖四、嗅覺感質的產生示意圖。圖/frontiersin.org

結論

莊子和惠施辯論河中的鯈魚是否快樂,以及雙方怎麼知道魚是否快樂,很有趣的帶到了哲學以及神經科學重要的議題。意識到底是什麼?我們能否知道其他人又是其他物種的真正主觀感受?

圖/Pixabay

感質是意識研究中的一個重要議題,它引發了關於意識本質和主觀體驗的哲學和科學辯論。有些人認為感質是生物或腦部運作的結果,而另一些人認為它們是超出物理過程的主觀現象。不論如何,未來仍需要更多的研究來了解意識產生的機制。

參考資料

所有討論 1
YTC_96
11 篇文章 ・ 17 位粉絲
從大學部到博士班,在神經科學界打滾超過十年,研究過果蠅、小鼠以及大鼠。在美國取得神經科學博士學位之後,決定先沉澱思考未來的下一步。現在於加勒比海擔任志工進行精神健康知識以及大腦科學教育推廣。有任何問題,歡迎來信討論 ytc329@gmail.com。