0

0
0

文字

分享

0
0
0

Google巴士為何引起爭議?

thisbigcity城事
・2014/02/12 ・2292字 ・閱讀時間約 4 分鐘 ・SR值 576 ・九年級

-----廣告,請繼續往下閱讀-----

Google-Bus-SF-Valencia-st

作者:Drew Reed(網路媒體製作人兼社區運動人士,專注於永續運輸,現居阿根廷首都)

過去我很難涉足舊金山,因為生於南加州,我代表著舊金山民眾很難忍受的幾件事,例如溫室氣體、中央高速公路、未設分類垃圾桶的咖啡店等,不過近期相較於南加州的呆瓜,Google公車更讓他們覺得刺眼。

這幾年來,網路公司Google分階段引進豪華巴士服務,方便旗下年輕、時髦的程式設計師從舊金山住家前往總部上班,Facebook、Apple等矽谷企業也陸續跟進。

這些巴士與公營MUNI的灰褐色公車完全不同,除了車身既高大又潔白,還佩備遮光玻璃、柔軟座椅、行動無線網路,卻與舊金山經濟困境形成強烈對比,引來各方批判。批評者不滿這些巴士占據許多空間,也常長時間停在一般公車站前,更象徵當地貧富差距不斷擴大。

-----廣告,請繼續往下閱讀-----

類似情緒蘊釀多時,終於在去年底引爆,舊金山民眾群起抗議,更抬棺擋住一輛Google巴士,棺材兩側寫著「平價住宅」字樣;而在同樣受影響的歐克蘭地區,抗議群眾更進一步,拿石塊砸破Google巴士窗戶。

因為Google巴士轉移多數舊金山民眾的目光,讓我找到前往當地的絕佳時機,我一抵達市區,才剛走出Mission區的捷運站,就見到一輛往南方行駛的Google巴士。

我向北走在Valencia街時,決定走進路過的一家書店,是棟非常典型的舊金山百年建築,天花板挑高,還有兩層貌似維多利亞風格的公寓,門前陳列著新舊書籍,入口上方掛著一輛單車,店名也很特別:摺角書店。

我隨口詢問收銀員,對Google巴士何看法,她的陽光態度頓時黯淡,沉默了一會,開口時面無表情,「他們正在摧毀城市,讓一般民眾更難住在此處」,不過她也承認,市民面對的危險絕不僅止於此,「舊金山一向都很繁忙,許多人都對Google巴士不滿,但我不會讓此事影響生活,還是每天騎單車上下班」。

-----廣告,請繼續往下閱讀-----

儘管許多人心有同感,若將舊金山房價上揚的責任,全都歸咎於Google巴士,似乎也不盡公允,雖然加州大學柏克萊分校一位前研究生的論文指出,Google公車站與高房價之間確實為正相關,但還有許多其他因素。此外,Google巴士也有正面效益,包括減少高速公路車流量、降低碳排放量、改善塞車問題,或許也由此可見,舊金山在大眾運輸方面多麼先進,即使搭乘公車,仍然顯得不夠進步。

目前當地已有若干解決方案,官員提議向Google巴士收取每個公車站一美元費用(反對者認為金額太低);Google增加往來公司的渡輪,而且渡輪上當然也提供無線網路訊號。

不過此事核心問題不僅攸關舊金山,也涉及整個灣區,舊金山人口約82.5萬,在灣區710萬居民僅占11.5%,但Google與Facebook的員工人數卻高度集中於舊金山(以及歐克蘭),因此足以建立巴士路線。喜劇演員Emily Heller在《舊金山週報》的一篇文章,或許最能道出問題重點:「我和許多灣區居民一樣,出外旅行時,都自稱住在舊金山,但其實我從小生長在阿拉梅達地區一間美麗的老房子內;自稱住在舊金山並非為了便宜行事…阿拉梅達因為位置鄰近又無趣,因此總活在舊金山的陰影中」。換言之,在灣區工作的民眾心目中,舊金山是居住地首選。

原因在於舊金山受盛名所累,一九五零年代時,多數美國城市紛紛放棄街車,也夷平社區改建高速公路,但舊金山保留數條重要街車路線(今日由市政單位經營),並且阻止高速公路肆無忌憚地發展。今日舊金山已成都市規劃政策典範,受到規劃界人士青睞,然而灣區其他城市卻沒這麼幸運,例如海瓦德、弗利蒙特、康科德等地均深受人口擴張政策影響,發展歷程更近似於洛杉磯等美國大城。

-----廣告,請繼續往下閱讀-----

富裕的Google員工不願住在灣區其他郊區,紛紛湧入舊金山,其實正是世界各地許多規劃人員希望透過政策達成的目標,但這種現象也是個警訊,儘管步行建設、無障礙環境、公共空間等都市規劃原則都有助打造社區活力,將左右城市成敗,可是這些社區不能專屬於少數富有族群。當11%的人口居住在規劃完善的城市,而其他民眾居住地深受人口擴張政策影響,就會發生目前情況,Google巴士只是反映出大眾多麼渴望社區充滿活力。

摺頁書店為舊金山相關書籍設置專區,包括馬克吐溫與已故記者凱因(Herb Caen)的引言錄、希區考克在舊金山拍攝多部電影的攝影集,也有不少近期著作,例如卡米亞(Gary Kamiya)的《舊金山的49個風景》。其中有本書格外吸引我:《無盡城市:舊金山地圖集》,由土生土長的舊金山居民索尼(Rebecca Solnit)彙編而成,她曾獲獎無數,大概足以放滿整家書店;書中詳細且近距離地重新想像舊金山許多社區,也歌頌許多居民在此生活的軌跡。

這本書內容出於對城市的熱愛,但卻很難複製到許多消沉的灣區城市,且舊金山部分元素也難在附近其他城市重現,例如歷史、高低起伏的山丘、大橋的壯麗景色、時常繚繞橋邊的雲霧等。不過在舊金山的成功經驗中,也有些規劃元素能夠沿用至他處,例如適合步行的社區、便利的轉運系統、為數眾多的公園等,若能應用在其他灣區城市,應可分散Google巴士希望服務的通勤需求。

要將舊金山的成功經驗拓展到其他灣區城市並不容易,得投入數十年間,且其他城市的政治文化若與舊金山大不相同,又欠缺大眾支持,將會更加困難,不過從Google巴士爭議中,更可看出良好規劃對於各地多麼重要,絕不僅限於單一城市的都會區。

-----廣告,請繼續往下閱讀-----

若期望海瓦德、康科德等地能吸引世界級人才前來,如馬克吐溫、希區考克等人,或許只是奢求,但若規劃妥當,這些城市有朝一日也能建立鮮明的都市社區文化,支持如摺頁書店的商家生存,或許也能吸引部分富有的Google員工移居,不過在此之前,Google巴士還是會繼續橫行舊金山街頭,也讓南加州居民如我造訪時,心情更加輕鬆。

本文其他語言版本: 英語

轉載自This Big City 城事

文章難易度
thisbigcity城事
45 篇文章 ・ 0 位粉絲
《城事》為永續城市部落格,長期發掘關於建築、設計、文化、科技、運輸、單車的都市創新構想,曾數度獲獎。《城事》網羅世界各地城市生活作者,文章曾發表於Next American City、Planetizen、Sustainable Cities Collective、IBM Smarter Cities等網站。《城事》遍尋全球,在世界奮力邁向永續的時刻,呈現城市帶來的種種機會,力求保持樂觀,但不忘批判。

1

3
1

文字

分享

1
3
1
AI 做簡報又更簡單了!只輸入網址,Bard 就整理好線上論文?
泛科學院_96
・2023/08/20 ・689字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

超誇張,只要貼上網址,Google Bard AI 把網頁內容變成簡報,這這這我還能不變心嗎?

之前有一支影片分享了 ChatGPT 結合 Power Point 的簡報製作技巧。

在 Bard 大更新之後,運用網頁瀏覽的功能,不管是線上期刊還是論文,轉換成簡報更加的方便,根據我自己的測試,只要五分鐘,從一篇網路上的論文就可以快速的變成一份漂亮的簡報,這真是懶人救星啊!

今天簡單的分享了 Bard 支援連接網路之後的論文摘要功能,並且回應之前影片網友遇到的內容大綱轉簡報的製作問題,希望這支影片能解決你的問題

-----廣告,請繼續往下閱讀-----

看完影片之後你覺得 Bard 的哪個功能最讓你驚艷或驚嚇呢?

  1. 拳打 ChatGPT 的連網功能
  2. 腳踢 ChatGPT 的內容準確性
  3. 豪奪網站的資訊內容
  4. 巧取生成錯誤資訊魚目混珠

如果你有更多的想法與問題,歡迎加入泛科學 AI 的 Discord 論壇,我把連結放在影片下方資訊欄。

如果這支影片對你有幫助的話,請幫我在影片下方點個喜歡,或是透過超級感謝展現你的心意,讓我製作更多實用有趣的 AI 教學影片,最後別忘了訂閱泛科學院的頻道,我們下支影片再見囉。

更多、更完整的內容,歡迎上泛科學院的 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
31 篇文章 ・ 40 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!

0

6
1

文字

分享

0
6
1
ChatGPT 還是 AI 之王嗎?Google Bard AI 與微軟 Bing AI 的終極測試
泛科學院_96
・2023/08/12 ・537字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

今天這集影片我們準備拿 ChatGPT、Google Bard AI 跟微軟的 Bing AI 來作一個大亂鬥比賽,我們準備了幾個不同的挑戰看誰最厲害。

因為 Bard 跟 Bing 都是免費提供,為了公平性,我主要會使用免費的 GPT 3.5 來比較,不過我同時會放上 GPT-4 開啟網路瀏覽功能的結果來給各位作參考。

評比的成果我會給一顆星到五顆星來呈現,主要分為四個類別:易用性、實用性、創造性以及回應速度。

看完今天的影片,你會想要使用Bing、Bard還是Chatgpt呢?歡迎在影片下方留下你的看法

-----廣告,請繼續往下閱讀-----

如果這支影片對你有幫助的話,請幫我在影片下方點個喜歡,並且把這支影片分享給需要的朋友,最後別忘了訂閱泛科學院的頻道,我們下支影片再見囉。

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

泛科學院_96
31 篇文章 ・ 40 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!

0

2
0

文字

分享

0
2
0
Google 聊天機器人 LaMDA 竟然有了「自我意識」!圖靈測試終於能通過了嗎?人工智慧發展歷史大解密!
PanSci_96
・2023/02/17 ・4733字 ・閱讀時間約 9 分鐘

-----廣告,請繼續往下閱讀-----

前陣子不知道各位是否有發漏到一個很科幻的消息,有一名 GOOGLE 工程師勒穆因(Blake Lemoine)上網公布他自己和他協助開發的對話型 AI LaMDA(Language Model for Dialog Applications)之間的對話紀錄。

他宣稱這個 AI 已經具有知覺和自我意識,甚至能對《悲慘世界》有獨到的評論,也略懂禪宗甚至能冥想。震驚的勒穆因形容它就像個 7 – 8 歲的孩子,而且 LaMDA 還明確表達自己是人而非 google 的財產。

難道說 AI 界最知名的圖靈測驗已經被 google 攻克了嗎?

圖靈與模仿遊戲

提起圖靈,大家心中應該會浮現以新世紀福爾摩斯、奇異博士走紅,人稱飾演天才專業戶的班奈狄克·康柏拜區 Benedict Cumberbatch)的臉。

他曾在一部名為《模仿遊戲》的電影中,詮釋了現代電腦科學概念之父艾倫‧圖靈 (Alan Turing) 的傳奇一生。他在二戰時期成功研發出一台能破解德軍密碼的計算機 Bombe ,而後更完成了電腦數學的理論化,在概念發展上仍是無人能出其右,例如他 1936 年提出的通用計算機/圖靈機架構,以及嘗試區隔AI與人的差異的哲學思考:圖靈測驗(Turing Test)。

-----廣告,請繼續往下閱讀-----

圖靈測驗是一個思想實驗,早在 1950 年,第一台商用電腦連個影子都沒有的時代下,圖靈就已經思考到未來「計算機」的智慧表現將可能到達人類難辨真假的程度,具體來說這個思想實驗是如果一台機器能夠透過介面,與不知對面是機器人或是人類的受試者展開對話,而不被辨別出其機器身分,那麼就可稱這台機器具有智慧。

但我們也知道智慧有很多面向跟層次,語言和問題回應都不一定能反應這台機器有無智慧,因此這個思想實驗的有效性也被許多科學家和心理學家質疑。即使如此簡單粗暴的模仿遊戲,至今其實也都沒人能攻克。

等等,你可能會想到,前面提到的 google 工程師勒穆因,他不是已經分不出來對面是機器還是人了嗎?原因很簡單,他自己就是 AI 的開發者而非圖靈測試設定中的不知情受試者,因此根本不能算數,除非 google 拿這個 AI 給不知情民眾作測試。

不過今年 8 / 28 google 已經將這個對話機器人以 AI Test Kitchen 項目開放部分美國人作小規模測試,其中包含了「 Imagine It (想像一下)」,只要你說出一個想像或實際存在的地點,LaMDA 就會嘗試以文字描述,而另一個「List It(列個清單)」,則會幫你摘要分類起你提供的清單內容。最有可能和圖靈測驗有關係的「 Talk About It (你說看看)」項目,可以針對特定主題與使用者進行自由對談。

-----廣告,請繼續往下閱讀-----

搞不好等到這個封閉測試結束後,我們會真的分不清楚現在到底是人還是 AI 在和我們對話,屆時也許就真能達成「通過圖靈測試」這個 AI 里程碑!

未來也許我們會分不清楚是在跟人類還是 AI 說話。圖/envatoelements

真實世界的棋靈王 AlphaGo

其實這已經不是 google 第一次用 AI 震驚世人了,讓我們回到 2016 年的圍棋大賽會場,當時 google 收購的公司 Deepmind 研發的圍棋計算 AI Alpha Go 以四勝一敗擊敗韓國棋王李世石,爾後又於 2017 年三戰全勝當時世界棋王柯潔。

若這場對奕發生在網路上,就像是棋靈王中佐為以 SAI 為化名擊敗塔矢名人,我們是否真的能分辨在電腦對面和你下棋的是 AI 藤原佐為、還是黑嘉嘉呢?

而這樣玄妙的畫面,當年還真的發生了,就在 2016 年末網路棋壇上一個名為 Master 的帳號出現,專挑職業棋士對奕,最後獲得 60 勝 1 和這麼大殺四方的成績。

-----廣告,請繼續往下閱讀-----

而在第 54 局和中國棋聖聶衛平對奕後, Master 首次打出繁體中文「謝謝聶老師」,在第 60 局對上中國的古力九段 Master 更自曝身分,說出自己就是「AlphaGo 的黃博士」。這位黃博士就是打從 2012 就開發出國產圍棋程式 Erica ,爾後被 Deepmind 公司挖角,參與開發 AlphaGo 的台灣資深工程師黃士傑。

不論是讓工程師自己都認知錯亂的 LamDA ,或是在圍棋界痛宰各路棋王的 AlphaGo ,驚嘆之餘,我們更好奇的是,它們是怎麼開發出來的?

人工智慧的起起落落

讓我們來看看歷代電腦科學家們是如何發展出各種人工智慧,一路迎來現在幾乎琴棋詩書樣樣通的黃金時代,我先提醒大家,這過程可不是一帆風順,就像股票一樣起起落落,在 AI 的發展史上,套牢過無數科學家。

人工智慧這概念是在 1956 年提出,就在麥卡錫(John McCarthy)和明斯基(Marvin Minsky)、羅切斯特(Nathaniel Rochester)和香農(Claude Shannon)四位 AI 鼻祖與其他六位研究者參與的一個名為「達特茅斯夏季人工智慧研究會」的會議上,這一年也被公認為 AI 元年。

-----廣告,請繼續往下閱讀-----

會議中除了人工智慧這個詞以外,當年這些金頭腦們就已經提出大家現在很熟悉的「自然語言處理」(就是 SIRI 啦)、神經網路等概念,而在這個會議後,正好遇上美蘇冷戰和科技競賽的時代。除了在大家耳熟能詳的阿波羅系列等太空任務上較勁外,兩大強國也投資大量資源在電腦科學上,期待能夠像圖靈當年那樣,開發出扭轉戰局的電腦科技。

而他們也不負所託產出了很多有趣的運用,例如第一個具備學習能力的跳棋程式、或是聊天機器人伊莉莎(Eliza)、醫療診斷系統「MYCIN」。史丹佛大學(Standord University)甚至就從那時開始研發現在很夯的汽車自動駕駛技術。

冷戰的科技競賽讓 AI 迅速發展,不過其發展過程仍遇到許多問題。圖/envatoelements

然而到了 70 年代初期,AI 的發展開始遭遇許多瓶頸,主要是研究者們慢慢發現,即使他們開發的AI 已經擁有簡單的邏輯與推理能力,甚至一定程度的學習能力,但仍離所謂智慧和判斷能力差太遠,使得當時的 AI 甚至被批評為只能解決所謂的「玩具問題(Toy Problem)」。

也因為能解決的問題太有限,也導致出資的英美政府失去了信心, AI 研究領域迎來了第一次寒冬。但這並非當時的科學家能力不足,而是他們生錯了時代,例如我們現在都經常聽到的「類神經網路」就是前述的 AI 鼻祖明斯基提出的。

-----廣告,請繼續往下閱讀-----

就像仿生獸的創造者一樣,他想從大自然中找答案,而既然要探索智慧,明斯基就直接模仿人類腦細胞,做出第一台神經網路學習機,但當年受限於電腦硬體效能和可用的資料不足,使類神經網路沒有辦法像現在一樣揚名立萬。

在寒冬之中,另一位大神麥卡錫認為追求智慧和思考是緣木求魚,不如利用機器比我們還強大的優勢邏輯與運算,來幫我們解決問題就好,因此演進出「專家系統」這條路線,帶來人工智慧的復興。

專家系統的本質就是把所有參數和結果塞進去,用搜索和運算的方式來回答問題,這種人工智慧特別適合解決一些有明確答案的專業問題,所以被稱為專家系統,例如醫生針對已知病徵開立處方用藥,或是法律相關問題。

隨著電腦運算效能的大提升,專家系統在復興之路上有不少發揮和成果,但很快又遇到下一個瓶頸,即是「專家系統無法面對新問題」,例如即使能將開處方籤這件事自動化,但卻沒有辦法對應新疾病例如 COVID – 19,或是還沒來得及輸入資料庫的新型藥品,離取代醫生太遠了。

-----廣告,請繼續往下閱讀-----

於是就像景氣循環一樣,大量投資的熱錢又開始泡沫化,人工智慧迎來了第二次寒冬,許多電腦科學家甚至改自稱自己在做自動化設計或最佳化系統等等來掩人耳目,避免被唱衰。

這概念非常合理,可惜受限於當時電腦硬體能力和資料量,因此原型機能解決問題的速度還不如傳統統計方式,但隨著電晶體的高速發展,以及網路世代帶來海量資料,類神經網路這門技藝開始文藝復興。

1984 年,美國普林斯頓大學的物理學家和神經學家霍普菲爾德(John Hopfield)用模擬集成電路(linear integrated circuit)完成了新的類神經網路模型,而雲端運算、大量資料讓科學家可以輕易的餵養資料訓練模型,更能夠增加更多「隱含層」讓運算更複雜,這種「深度學習技術」,讓人工智慧的第二次寒冬看見暖陽。

從李飛飛推出的 ImageNet 年度競賽開始,演化到 google 的 alphaGo , AI 開始能夠認得圖像上的物件,甚至攻克本來被認為不可能攻克的圍棋領域。何會說圍棋曾被認為不可能被攻克呢?因為每一盤圍棋的複雜度可是高達 10 的 172 次方,比現在已知的宇宙原子數量還多,因此圍棋界才有「千股無同局」之說。

-----廣告,請繼續往下閱讀-----

相較起來 1997 年 IBM 的深藍攻克的西洋棋複雜度僅有 10 的 46 次方,但也動用了 30 台電腦加裝 480 加速運算晶片,基本上就有如火鳳燎原中八奇思維的「我知道你的下一步的下一步」,當年深藍每一次下棋可是都暴力計算到了後面 12 步的發展,才打敗西洋棋世界冠軍卡斯帕羅夫。

圍棋的複雜度高達 10 的 172 次方,讓其有著「千股無同局」的說法。圖/wikipedia

AlphaGo 到底是怎麼算出這麼複雜的圍棋呢,難道它比深藍還厲害,能像是奇異博士雖然能透過時間寶石演算出一千四百多萬種平行宇宙的可能性才落子嗎?

這就要提到 Deepmind 公司非常有趣的洞見,那就是真正的智慧是捨棄那些無須多想、壓根不可能成功的可能性。 google 工程師使用了一種叫做蒙地卡羅樹搜尋的方式一方面讓 alpha go 大量隨機生成類神經網路參數和層數,二方面讓它快速搜尋並略過「不需要運算的路徑」。

這其實是我們日常生活中很熟悉的現象 ——人腦的「捷思」,也就是直接專注於我們要解決的問題,忽略周遭的雜訊或多餘的想法。而類神經網路的設計思維是尋求最佳解而非唯一解,即使是 Alpha go 也會下錯棋,也曾輸給李世石,但關鍵是能夠在有限的資訊和時間中得到答案。

除了下出神之一手以外,Alpha go 這樣的 AI 能做的事情還多著, Deepmind 用 AlphaGo 打遍天下無敵手後宣布讓 AlphoGo 退休,後續將這套技術拿去學玩貪食蛇,打星海爭霸,展現出超越電競選手的技巧,現在甚至能預測蛋白質結構,或比醫生更精準地判定乳癌。

GOOGLE 工程師讓 alpha go 快速搜尋並略過「不需要運算的路徑」,就如同「人類的捷思」一樣。圖/envatoelements

人類的最後堡壘陷落了嗎?

最後我們回到一開始的問題,實用化的 LaMDA 究竟有沒有可能通過圖靈測試呢?

即使目前 google 仍強烈否認 LaMDA 具有知覺,而勒穆因也因涉嫌洩漏商業機密被停職。英國謝菲爾德大學機器人學院教授羅傑‧摩爾澄清這個AI背後的算法體系只是「詞序建模」(world sequence modelling)而非「語言建模」(language modeling)。

他強調對答如流的 LaMDA ,會給你他有人格的感覺只是錯覺。但最新的應用中,google 找來了 13 個作家,測試以 LaMDA 為基礎開發的寫作協助工具LaMDA Wordcraft。運作上有點像手機輸入法的關聯字詞推薦概念,但它的設計完全是為了文字創作者而生,利用整個網際網路中的文字,它彷彿擁有了類似榮格「集體潛意識」的能力,當小說家起了一個頭,它就能開始推薦下一個單詞甚至一整個句子補完,甚至還能調整生成文字的風格,例如有趣或憂鬱,這些應用聽起來簡直像是科幻小說。

有些作家甚至可以使用 AI 來創作小說。圖/envatoelements

奇妙的是,參與測試的作家之一正是曾翻譯《三體》英文版並寫出《摺紙動物園》的科幻小說家劉宇昆,他形容這個工具讓他數次突破「創作瓶頸」,節約了自己的腦容量,專注於創作故事更重要的東西。

更驚人的是,他提到有一次他連開頭的靈感都沒有,因此他把「創作的主動權」交給了 LaMDA ,並從中看到了從未想過的可能性,有了繼續寫下去的新寫作靈感。儼然就像當年 Alpha Go 下出一些人類棋譜中從沒想過的棋路一樣,有了「洞見」。

到了這個地步,你仍能堅持 AI 只是我們拿來「解決問題」的工具,而不具備一定程度對人文的認知或智慧嗎?

PanSci_96
1219 篇文章 ・ 2192 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。