0

0
1

文字

分享

0
0
1

駕馭未來:自動駕駛汽車——《知識大圖解》

知識大圖解_96
・2015/04/25 ・1395字 ・閱讀時間約 2 分鐘 ・SR值 563 ・九年級

自動駕駛汽車配備許多新科技,徹底顛覆用路人的交通概念。

未來時代的汽車不再需要方向盤、油門和煞車踏板,而且完全自動,不需仰賴真人駕駛。事實上,自動駕駛汽車早已上路:Volvo汽車正進行一項兩年期計畫,100輛無人車的蹤跡早已遍布瑞典哥特堡(Gothenburg)的道路。

自動駕駛汽車之所以能順利上路,端賴車上裝載的各式雷達、感測器、照相機,這些裝置持續解讀車身周遭的環境,藉以建構前方道路的狀況。雷達與感測器負責監控一切,包括與其他車輛的距離,以及腳踏車與行人的位置,面向前方的照相機則負責解讀路標與交通號誌;所有資料都會不斷傳遞到車上的電腦,使其可以在毫秒之間做出判斷,並決定適切的車速與行進軌跡。同時,先進的GPS科技則會導航,指引準確的路線。

自動駕駛汽車的原型看起來與一般汽車相差無幾。遍布車身的內建感測器會發出頻率,遇到物體便會反彈,運作原理與轎車的停車感測器差不多,讓自駕車知道自身與路緣、行人和其他車輛相距多遠。中央處理電腦與GPS系統都藏在車內,所以自動駕駛汽車的外觀與一般車輛唯一不同之處,僅有裝在車頂上的「光達」(LIDAR)。

-----廣告,請繼續往下閱讀-----

光達是會旋轉的照相機,可以射出雷射並利用反射光建構出立體影像,判斷車子在當下環境中的位置。從反射光蒐集到的資訊都會匯入車上主電腦,而車內乘客面前的螢幕則可以看到行進路線;另有個緊急停止按鈕,必要時可使車子立即靠邊停下。

driving future
請點擊看大圖。

雖然科技巨擘Google是研發自動駕駛科技的領頭羊,但BMW、Nissan等汽車製造商也已投注龐大資源研發專用自駕科技。這些測試車都從一般車輛改造而來,只要觸碰腳踏板或方向盤,系統便會立即將控制權交還給司機。

Google自2010年起就開始著手改造Toyota與Lexus的車款,進行自動駕駛汽車的大計,至今也行之有年了。不過,最新版的原型車堪稱曠古絕今,且因兩地往返途中絕對不會受到駕駛疲勞或酒精影響,目前已證實遠比真人駕駛安全許多。

為了進一步提升安全性,Google正著手試驗彈性擋風玻璃與發泡材質製成的前保險桿,萬一真的不幸撞到人時,這些裝置還能提供行人一些保護。目前這個計畫還在開發階段,自動駕駛汽車的時速限制也必須控制在40公里以內。

-----廣告,請繼續往下閱讀-----

自動駕駛的理論看似直接了當:電腦負責發出指令讓機械裝置執行。然而,這項新技術仍然有一個巨大難關須克服,那就是車行途中無法預知危險。自駕車的「訓練」其實與汽車路考前大量練習非常相似,也就是評估上路時每種可能的危險情境,將相關資料輸入車上電腦,以便採取最佳應對方式。

自動駕駛科技還面臨了其他限制。目前Google無人車還無法開上自家地圖系統尚未收錄資料的道路,因此若想要搭乘自動駕駛汽車到新開發的郊區兜兜風、物色新房,很可能阻礙重重,隨時需要手動。此外,如果路面濕滑或滿地白雪,車上的感測器就很難讀取線道標誌,使得自動駕駛更加危險。

各家車廠正嘗試改良缺陷,聘請安全駕駛員每天測試各種不同的道路狀況,同時提供改善建議。Google甚至表示,設計自動駕駛汽車原型時是以學習發展作為考量,而不是奢華,所以目前的車款皆與物質享受沾不上邊;不過,如果自駕車的發展藍圖確實可行,情況可能會大不相同,我們也很快就可以看到公路上擠滿了自動駕駛汽車,而且每位駕駛都悠閒自在地看著電影、收發電子郵件,或是閱讀《知識大圖解》了。

 

本文節錄自《How It Works知識大圖解 國際中文版》第07期(2015年4月號)

-----廣告,請繼續往下閱讀-----

更多精彩內容請上知識大圖解

文章難易度
知識大圖解_96
76 篇文章 ・ 11 位粉絲
How It Works擅長將複雜的知識轉化為活潑有趣的圖解知識,編輯方式以圖像化百科呈現,精簡易懂、精采動人、深入淺出的圖文編排,讓各年齡層的讀者們都能輕鬆閱讀。

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
195 篇文章 ・ 299 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

22
2

文字

分享

1
22
2
塞車好心煩!自動駕駛能解嗎?——台大資工林忠緯專訪
科技大觀園_96
・2021/02/08 ・4673字 ・閱讀時間約 9 分鐘 ・SR值 526 ・七年級

-----廣告,請繼續往下閱讀-----

每到年節時期,不管返鄉或是出遊,用路人最討厭遇到的就是塞車,漫長的等待、讓人踩剎車踩到腳痛的行車速度,抑或是被汽車廢煙包圍的感覺,本是愉悅心情恐怕都大打折扣。你也是恨不得讓「塞車」這個詞消失在這世界上的人嗎?自動駕駛或許能幫你達成心願喔~感到好奇的話,那就繼續看下去吧!

造成塞車的幕後黑手是誰?

試想,人類與機器人在駕駛汽車時,要維持車與車之間等速前進,誰會 hold 得最好呢?答案很明顯是……機器人!為什麼呢?關鍵就在於「人類的反應速度」,反應速度因人而異:當老(手)司機在開車時,他們能夠對於哪時候該踩剎車、油門的反應速度快,因此不會因誤判與前車之間的距離,而落下一大段「空白車距」;然而菜鳥司機就不一樣了,他們反應速度沒有老(手)司機快,所以在看到前方車輛時,因無法正確判斷哪時候踩剎車最恰當,加上基於安全意識都會先減慢避免 A 到前車為第一反應,「空白車距」自然就出現了~而後方的車輛們會因為這位菜鳥司機(老鼠屎)的行車速度減慢而開始擠成一團,造成塞車。

相信駕駛人們遇到塞車的反應都跟圖片中的人一樣煩悶不堪。圖/GIPHY

相反地,當機器人在行車時,因為他們的動作程序一致,因此能穩穩地維持等速行駛。這也就是為何現今車廠想推出自動駕駛車(以下簡稱「自駕車」)的原因之一。自動駕駛真有那麼神嗎?讓我們來一一剖析它吧!

延伸閱讀:連假無法逃離宿命!為什麼會塞車呢?

自駕車大小事

自動駕駛,顧名思義就是讓車子在無人為操作的情況下,將行車速度與控制車間距離等原本需要手動操控車子行進的動作轉為自動化,以減輕駕駛人的行車負擔。

  • 自動駕駛分級:

自動駕駛可是也有分級制度的!國際汽車工程師協會 (Society of Automotive Engineers, SAE) 依據汽車的自動化程度分為以下級別:

-----廣告,請繼續往下閱讀-----
參考資料:SAE International

時至 2020 年末,汽車業的自動駕駛即將發展至第四級,第五級則是各企業競相達成的最終目標。

  • 自駕車的配備主要有哪些?
    • 感測器:相當於人類的眼睛,能辨識障礙物的種類及位置。而感測器又可分為攝影機(Camera)、光達(LiDAR)、雷達(Radar)、超音波這四種,不同種的感測器對於環境辨識及障礙物解析力也會有差異。
    • 動態定位:相當於 Google 地圖功能,當接收來自感測器的環境資訊後,自駕車能協同 GPS、IMU 與高精準地圖資訊等定位工具自動辨識車輛所在位置及設定目的地。
    • 智慧決策:相當於人腦的決斷力,透過整合電子地圖 (RNDF/OpenStreetMap)、感知融合(Perception)、靜態軌跡規劃(Mission Planning)、行為規劃(Behavior Planning)以決定自駕車整體需執行哪些動作及規劃。
    • 電控底盤:負責車子的轉向、剎車及油門。

參考資料:自駕車發展趨勢與關鍵技術

自駕車能透過感測器偵測車距以維持車與車之間最佳距離。圖/GIPHY

自動駕駛真的能解決塞車嗎?

自駕車本身雖能達到自動辨識路口標誌及安全煞停系統,但它就像一個好的食材,需要透過精湛的廚藝及調料的輔助才能發揮它最完美的風味,而輔助自駕車的便是「車聯網」。究竟什麼是「車聯網」?自駕車與車聯網的搭配真的能解決塞車嗎?就讓台大資工系的林忠緯教授來幫大家解惑吧!

林忠緯教授熟知自駕車與車聯網的研究。圖/轉自科技大觀園。

林忠緯教授小檔案:
林忠緯教授在博班時期的研究題目即是關於 Cyber-Physical System(CPS)的研究,而 CPS 簡單來說是指能夠執行物理層面上動作的電子產品,例如車子(能在路上行走)、心律調節器(能放電控制心律)都屬於 CPS。林教授在博班的研究即是關於車子的 CPS,也曾在美國通用汽車(General Motors)實習,畢業後持續拓展自己所長,進入加州矽谷的豐田汽車(Toyota InfoTechnology Center)擔任研究員。林教授熟知自駕車與車聯網的研究,自身也致力於自駕車、車聯網與資安問題的研究,並開心表示對於未來 28 年後自駕車的展望懷抱深深的期許。

  1. 車聯網是什麼?
    車聯網(Internet of Vehicles,IoV)是指車與車之間(vehicle-to-vehicle,V2V),或車與道路狀況(Vehicle-to-everything, V2X)之間利用網路互相交換、接收感測器所會彙整出的訊息,以達到更完善、迅速的交通網絡資訊交流,讓用路人能即時獲得路況的整體資訊。
車聯網就是車子版本的物聯網。圖/Pixabay
  1. 自駕車結合車聯網真能解決塞車嗎?
    若要剖析塞車問題,其實可以分成以下幾種狀況,自駕車必須面對各種塞車情況作出相對應的解決方案。
    1. 選擇路徑:假如過年走春行程是去宜蘭玩,大家通常會想到要走雪隧,然而當大家都走雪隧的話,勢必會造成大塞車。而車聯網能即時追蹤到已經開始塞車的道路,並通知自駕車可以改走較為不塞車的路段(例如北宜),這時候就達到了疏散車流量的效果。
    2. 路口與路口間的交通號誌:假如今天車子走在路上,一路都是綠燈當然令人心情愉悅,反之,則會導致後面開始塞車,因此在車聯網當中也可以整合總體交通號誌的順暢運行。
    3. 單一路口的車輛運行:通常遇到駕駛人遇到路口,都需先放慢行駛速度,觀察轉角方向是否有來車,再行通過;當一個路口車多時,塞車肯定逃不掉~而車聯網能達成上述第二點的升級版——便是不用交通號誌!車聯網就像是開上帝視角,可以同時獲得路口的各道路資訊,而這些資訊是單一自駕車無法自行偵測的,自駕車針對這些資訊做出相對應的動作,而自駕車對於這些動作的控制能比駕駛人更加精準,因此車聯網與自駕車能夠相輔相成增加路口的運行效率。
    4. 單一車輛的運行:車聯網與自駕車亦能互相搭配在安全的前提下縮短跟車距離並減少過度保守的煞車,如此道路的使用率能夠提升,也能減少塞車的機率。
自駕車結合車聯網能達成無須紅綠燈,路口間也能順暢行駛。圖/GIPHY

林教授認為自駕車結合車聯網勢必能解決部分層面的塞車問題,也能避免酒駕、恍神、視線死角等人為意外肇事的發生比率,但在現實生活要自駕車能實際放在道路上跑,現階段仍面臨重重難關。

  1. 自駕車的發展現階段會遇到哪些瓶頸?
    讓我們想像一下,當自駕車、車聯網已完全取代所有的交通系統,實際上最有可能會發生以下幾種瓶頸:
    • 瓶頸一:自駕車的整合系統尚未完善
      林教授個人認為目前自駕車的整合系統會是一大問題,即便供應商提供再好的車組配件,配件與配件之間的整合系統不佳還是會造成車子載運行時效率不佳甚至還可能會釀成車禍,或是遭駭客入侵自駕車系統。所以教授認為設計一個具縝密規畫的整合系統,不僅可以讓車子運行順暢,也能保障駕駛人的安全。
    • 瓶頸二:法規訂定的難題
      當自駕車發生車禍了,那誰該跳出來負責任呢?該怪自駕車內部的機器學習沒有收納進這些意外狀況的數據嗎?還是都是工程師的錯?其實這也是自駕車衍伸出的頭疼題,而林教授針對這個問題也提出相關建議,例如在購買自駕車時,售價的一部分可以作為保險補償,當發生意外時,便能獲得補償金。
    • 瓶頸三:消費者的接受程度
      消費者在購買商品時常會考慮價格及使用感受,而自駕車雖然目前製造成本高昂,但相信未來隨著自駕車的研發技術逐漸成熟,成本也會隨之下降,但成本要降到多低才能達到量產,以及售價普遍是消費者能接受的範圍仍是個問題。另外,感受度的部分,當我們坐進自駕車裡面,由於自駕車可以精準縮小車距,因此當對向來車很近地迎面衝過來,真的不會嚇到嗎?因為自駕車有別於以往的行車感受,所以也不見得能被所有消費者接受。
      另外,有部分消費者享受自己駕馭車子的樂趣,所以他們也不會想使用自駕車,當道路上並非統一是自駕車的情形,要達成車聯網更是難上加難哪~
    • 瓶頸四:資安問題
      自駕車結合車聯網運行時極需網路,而有網路的地方,駭客便如影隨形,當駭客像電影情節一樣駭入車聯網時,不但會構成駕駛人的性命威脅,甚至還會造成全面性的交通世紀大癱瘓!水能載舟亦能覆舟,車聯網雖能讓交通運行更順暢,也可能會釀成一場可怕的災難,因此林教授強調維護資安也是設計車聯網的重點項目。

解決塞車問題的理想藍圖

當我們檢視塞車問題的視野再拉遠一點,除了自駕車及車聯網以外,教授也慷慨地分享了以下管道解決塞車問題:

-----廣告,請繼續往下閱讀-----
  • 共享汽車:當大家都選擇搭乘共享自駕車,便能減低車流量與車子的總量(大家更傾向不買車),路上的車子少了,便能減低塞車的發生率。(傳染病盛行的時代不太適用)
  • 道路擴大:當車子的總量下降,停車需求減少,空間使用更有彈性。當道路新增了好幾條線,便能分散車流,避免全部車子堵在同一條路上。
  • 網路通訊:現在網路科技發達,人們在家也能透過網路完成視訊會議、參與活動,減少出門的必要性,也就無須駕車。

結語

雖然現階段自駕車要完全解決塞車問題仍需經時間歷練,但相信透過林忠緯教授及眾多研發單位的辛勤貢獻,大家在春節期間能夠利用自駕車與車聯網享受更加順暢、迅速的行車體驗,而不再受塞車之苦的日子指日可待!新春期間,也祝大家行車平安,旅途別塞!

塞車問題仍需大家共同努力解決,才能營造良好的交通網絡。圖/GIPHY

參考資料

  1. 「自駕車受騙上當和辨識盲點」之專家回應
  2. 為何美國交通部選用SAE的自動駕駛分級,而棄NHTSA丨汽車商業評論
  3. 自動駕駛車發展現況與未來趨勢
  4. 何謂自動駕駛?
  5. 關於自動駕駛:內行人才會懂的有話直說
  6. 對於塞車問題,智慧交通提供的四大解決方案
  7. 塞車讓駕駛踩煞車踩到抽筋,汽車新科技解決這困擾!(內有影片)
  8. 2020 最新自動駕駛技術報告出爐!以特斯拉、Volvo 為例,全面涵蓋智駕技術
  9. 網宇實體系統與製造應用- 熱門焦點- 經濟部技術處
  10. Wevolver: Knowledge for engineers
  11. 一起來用十分鐘略懂自駕車吧!GoGoGo!
  12. 無人駕駛車/自駕車技術探索
  13. SAE International
  14. 科學月刊:不需駕駛也能輕鬆上路-淺談自駕車與高精地圖
所有討論 1
科技大觀園_96
82 篇文章 ・ 1124 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。

0

1
0

文字

分享

0
1
0
在電腦時代,學會當「人」更重要——《打開演算法黑箱》書評
臉譜出版_96
・2019/05/07 ・2549字 ・閱讀時間約 5 分鐘 ・SR值 527 ・七年級

-----廣告,請繼續往下閱讀-----

  • 文/張智皓

「在演算法的年代,人類從未如此刻這般的重要。」——弗萊(Hannah Fry)

圖靈(Alan Turing)在 1936 年提出圖靈機(Turing Machine)的基本構想,人類文明揭開了電腦時代的序幕,並在很短時間內為人類生活帶來了劇烈的變化。上一次有這樣的景況,大概是 17 世紀末蒸汽機的發明,帶領人類文明進入工業時代。

進入工業時代,給人帶來便利同時製造難題。圖/pixabay

這兩個時代有類似之處。蒸汽機讓人開始擔心自己被機械取代:生產模式改變,人力不再重要,生產機器和失業人口大量出現。然而,這種困境並沒有維持太久。新技術讓人失業,也拓展了人的想像力,讓各種新興行業與技術應運而生。這些行業和技術促進產業轉型,反而提高了人力需求,讓人類文明變得更加繁盛。此時,我們知道人類變得比以前更重要。

電腦,或者我們說,演算法,就像是現代的蒸氣機,同樣大幅地改變人類生活模式。在本書中,倫敦大學學院(UCL)先進空間分析中心(CASA)的數學家漢娜弗萊從權力、資料、司法、醫療、車輛、犯罪與藝術這七個面向出發,告訴我們演算法已經如何深入我們日常生活中,為我們帶來前所未見的巨大貢獻,並展現出取代人類的企圖心。

-----廣告,請繼續往下閱讀-----

科技帶來便利,但人類始終更了解人類。圖/pixabay

更重要的是,弗萊也透過她細膩的觀察,提醒我們:就如同蒸汽機時代的人類沒有被取代一樣,在演算法時代,人類也只會比以前更重要。

人機合作,讓人類的棋藝再創高峰

讓我們從書中一個輕鬆的例子開始。弗萊告訴我們,在 1997 年,西洋棋世界冠軍卡斯帕洛夫(Gary Kasporov)被 IBM 設計的「深藍」擊敗後,他並沒有因此排斥電腦,反之,他創辦了人類與電腦合作的棋賽。卡斯帕洛夫相信,有了電腦的輔助,人類不再需要花時間在棋盤細節的計算上,而是將心思放在整體戰略上,人機合作,能讓人類的棋藝再創高峰。

這樣的劇情非常類似於 DeepMind 的圍棋軟體 AlphaGo 在 2016 年的創舉。在 AlphaGo 相繼打敗世界冠軍李世乭以及柯潔後,AlphaGo 以及其繼任 AlphaGo Zero 的棋譜變成職業選手們爭相學習的目標。DeepMind 甚至推出 AlphaGo 圍棋教學工具,讓大家學習它的佈局,並進而開發出新的佈局形式。AlphaGo 沒有取代人類棋手,反之,它為圍棋世界注入了新的生命。

兩方交流為圍棋注入新的氛圍。圖/pixabay

-----廣告,請繼續往下閱讀-----

演算法無法回答的問題:隱私與安全該如何平衡

接著讓我們談談一個較嚴肅的例子。在本書「犯罪」這一章節中,弗萊提到「臉孔辨識系統」如何對人類產生顯而易見的貢獻。在 2015 年,紐約警察局透過臉孔辨識系統「成功指認了 1700 名嫌犯,並且發動了 900 次逮捕行動。」另外,她也提到從 2010 年以來,紐約州「僅僅針對詐欺和身分盜用就發動了超過四千次逮捕行動。」有了臉孔辨識系統,各大交通運輸管道也可藉恐怖份子資料庫來預防恐怖襲擊(而事實證明這很有用)。

你想要偏向安全,還是隱私?圖/pixabay

作為預防手段,臉孔辨識系統可以有效增進人們生命與財產之安全。但這些好處有其代價。弗萊指出,就連目前全世界最先進的臉孔辨識系統(來自於中國的「騰訊優圖實驗室」),在一百萬張臉孔資料庫的測試中,也只有 83.29% 的辨識率。這在技術上已經令人佩服,但在現實中卻可能釀成大禍。

比方說,2014 年,一位住在丹佛的居民被錯誤辨識為銀行搶匪,並在警察的逮捕過程中「遭受神經損傷、血栓及陰莖折斷。」或許有人會主張,只要技術更好,辨識率更高,問題就解決了。但情況可能沒這麼簡單,辨識率提高的代價是隱私度的下降。試問,我們願意讓「老大哥」看著大家嗎?

-----廣告,請繼續往下閱讀-----

臉孔辨識系統有其好處,有其代價。我們願意讓此系統做到甚麼程度?為了安全,我們願意犧牲多大的隱私?而為了隱私,我們又願意犧牲多少安全?這些問題是演算法無法回答的,只有人類可以,因此,人類只會更重要。

演算法兩難:自駕車該拯救駕駛還是行人?

另外一個嚴肅例子,我想談談「車輛」這一章節中的自動駕駛技術。一旦自動駕駛技術普及,將可以大幅減少人為車禍的發生。而我們知道,現代大多數車禍都源於人為。然而,將駕駛工作交給演算法,也意味著將決策的任務交給演算法。當失控的自駕車面臨的選項是「拯救駕駛,還是拯救行人」時,演算法應該如何行動?

當自動駕駛遭遇電車難題,我們又希望它做出什麼選擇?圖/WIKI

弗萊提到,在 2016 年發表於《科學》期刊(Science)的一篇文章指出,多數人主張應該盡可能的拯救更多人命。然而,當詢問他們自身較願意購買哪一款自駕車時,我們可以從賓士汽車發言人胡苟(Christoph von Hugo)的回應(當被問到賓士車會如何設計時),理解他們的猶豫:「保護駕駛。」

-----廣告,請繼續往下閱讀-----

這衝突看起來不可調和,我們一方面希望盡可能拯救人命,另一方面又希望可以保障駕駛的安全(否則我幹嘛買它呢?)。在這樣的衝突中,弗萊指出另外一個可能選項:放棄全自動駕駛,將演算法的目標放在輔佐駕駛人上(比方說,現在已有的「自動緊急煞車」或「自動與前車保持距離」等設計)。換言之,演算法不扮演「司機」,而是扮演「守護者」。我們該做的,是讓演算法配合人類,主動性依然在人類手上,因此,人類只會更重要。

自動駕駛的衝突難題。圖/pixabay

在《打開演算法黑箱》中,弗萊透過大量有趣的案例,說明演算法如何深入日常的同時,也提醒我們人類的重要性,這是我認為本書最大的優點。新技術的提出值得受到肯定,然而,在肯定其貢獻的同時,背後所付出代價卻往往會被忽略。本書在闡述新技術的同時,也很平衡地展示這些技術背後的代價。

就如同作者一再強調的,她肯定技術所帶來的好處,但我們必須思考如何在新技術所帶來的進步中,保有人類的主動性,或者說,如何在機器年代中當個人。

 

《打開演算法黑箱》書封

本文為《打開演算法黑箱:反噬的AI、走鐘的運算,當演算法出了錯,人類還能控制它嗎?》書評

-----廣告,請繼續往下閱讀-----
臉譜出版_96
84 篇文章 ・ 254 位粉絲
臉譜出版有著多種樣貌—商業。文學。人文。科普。藝術。生活。希望每個人都能找到他要的書,每本書都能找到讀它的人,讀書可以僅是一種樂趣,甚或一個最尋常的生活習慣。