我不是故意的-塑膠袋的告白

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪撰文／田偲妤
• 美術設計／蔡宛潔

AI 的誕生，文理缺一不可

人工智慧（Artificial Intelligence，簡稱 AI）在 21 世紀的今日已大量運用在生活當中，近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等，都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維，除了仰賴工程師的先進技術，更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員，帶大家釐清什麼是 AI？文科人與工程師合作時，需具備什麼基本 AI 知識？AI 如何應用在人文社會領域的工作當中？

詩詞大對決：人與 AI 誰獲勝？

一場緊張刺激的詩詞對決在線上展開！人類代表是有「AI 界李白」稱號的蔡宗翰研究員，AI 代表則是能秒速成詩的北京清華九歌寫詩機器人，兩位以「人工智慧」、「類神經」為命題創作七言絕句，猜猜看以下兩首詩各是誰的創作？你比較喜歡哪一首詩呢？

答案揭曉！A 詩是蔡宗翰研究員的創作，B 詩是寫詩機器人的創作。細細賞讀可發覺，A 詩的內容充滿巧思，為了符合格律，將「類神經」改成「類審經」；詩中的「福落天赦」是「天赦福落」的倒裝，多念幾次會發現，原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯；而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯，整首詩創意十足，充滿令人會心一笑的魅力！

相較之下，B 詩雖然有將「人工」兩字穿插引用在詩中，但整體內容並沒有呼應命題，只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝！

由此可見，當前的 AI 缺乏創作所需的感受力與想像力，無法做出超越預先設定的創意行為。然而，在不久的將來，AI 是否會逐漸產生情感，演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人？

AI 其實沒有想像中聰明？

近期有一則新聞「AI 有情感像 8 歲孩童？Google 工程師爆驚人對話遭停職」，讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示：「當前的 AI 還是要看過資料、或是看過怎麼判讀資料，經過對應問題與答案的訓練才能夠運作。換而言之，AI 無法超越程式，做它沒看過的事情，更無法替人類主宰一切！」

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言，多半是因為我們對 AI 的訓練流程認識不足，也缺乏實際使用 AI 工具的經驗，因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上，更延伸到文科人與理科人的合作溝通上，因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識，不僅能讓跨領域的合作更加順利，還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是，由於文科人不了解 AI 的訓練流程，因此對 AI 產生錯誤的期待，認為辛苦標注的上千筆資料，應該下個月就能看到成果，結果還是錯誤百出，準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚，兩方就會陷入僵局，導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議：

如果文科人了解基本的 AI 訓練流程，並在每個訓練階段協助分析：錯誤偏向哪些面向？AI 是否看過這方面資料？文科人就可以補充缺少的資料，讓 AI 再進行更完善的訓練。

史上最認真的學生：AI

認識 AI 的第一步，我們先從分辨什麼是 AI 做起。現在的數位工具五花八門，究竟什麼才是 AI 的應用？真正的 AI 有什麼樣的特徵？

基本上，有「預測」功能的才是 AI，你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現，而且人類手工操作就辦得到，那就不是 AI。

蔡宗翰研究員以今日常見的語音辨識系統為例，大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話，你會發現自己無法事先知曉將產生什麼文字或回應，結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同：AI 無法百分之百正確！

因此，AI 的運作需建立在不斷訓練、測試與調整的基礎上，盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段，工程師彷彿化身老師，必須設計一套學習方法，提供有助學習的豐富教材。而 AI 則是史上最認真的學生，可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI，讓其根據工程師所定義的資料相似度算法，逐漸學會將相似資料分在同一堆，再由人類檢視並標注每堆資料對應的類別，進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI，讓其逐漸學會將任意資料對應到正確答案。

學習到一定階段後，工程師會出試題，測試 AI 的學習狀況，如果成績只有 60、70 分，AI 會針對答錯的地方調整自己的觀念，而工程師也應該與專門領域專家一起討論，想想是否需補充什麼教材，讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作，也可能因為時事與技術的推陳出新，導致準確率下降。這時，AI 就要定時進修，針對使用者回報的錯誤進行修正，不斷補充新的學習內容，讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後，蔡宗翰研究員建議：文科人可以看一些視覺化的操作影片，加深對訓練過程的認識，並實際參與檢視與標注資料的過程。現在網路上也有很多 playground，可以讓初學者練習怎麼訓練 AI，有了上述基本概念與實務經驗，就可以跟工程師溝通無礙了。

AI 能騙過人類，全靠「自然語言處理」

AI 的應用領域相當廣泛，而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因，他充滿自信地回答：因為自然語言處理是「AI 皇冠上的明珠」！這顆明珠開創 AI 發展的諸多可能性，可以快速讀過並分類所有資料，整理出能快速檢索的結構化內容，也可以如同真人般與人類溝通。

著名的「圖靈測試」（Turing Test）便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代，傳奇電腦科學家艾倫・圖靈（Alan Turing）設計了一個實驗，用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好，並派一個人操作終端機，再找一個第三者來進行對話，判斷從終端機傳入的訊息是來自 AI 或真人，如果第三者無法判斷，代表 AI 通過測試。

換而言之，AI 必須擁有一定的智力，才可能成功騙過人類，讓人類不覺得自己在跟機器對話，而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在：人文研究文本分析、新聞真偽查核，更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料，追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化，而大量數位化的經典更被主動分享到「Chinese Text Project」平台，讓 AI 自然語言處理有豐富的文本資料可以分析，包含一字不漏地快速閱讀大量文本，進一步畫出重點、分門別類、比較相似之處等功能，既節省整理文本的時間，更能橫跨大範圍的文本、時間、空間，擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的？就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋，由鎮江、杭州一帶的說書人所創作，著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉，才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素，接著用這批標記好的語料來訓練 BERT 等序列標注模型，以便將「文本向量化」，進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現，白蛇傳的原型可追溯自印度教的那伽蛇族故事，傳說那伽龍王的三女兒轉化成佛、輔佐觀世音，或許與白蛇誤食舍利成精的概念有所關連，推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外，故事的雛型可能早從唐代便開始醞釀，晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事，而法海和尚、金山寺等關鍵人物與景點皆真實存在，金山寺最初就是由唐宣宗時期的高僧法海所建。

在 AI 的協助之下，我們得以跨時空比較不同文本，了解說書人如何結合印度神話、唐代傳奇、在地的真人真事，創作出流傳千年的白蛇傳經典。

最困難的挑戰：AI 如何判斷假新聞

除了應用在人文研究文本分析，AI 也可以查核新聞真偽，這對假新聞氾濫的當代社會是一大福音，但對 AI 來說可能是最困難的挑戰！蔡宗翰研究員指出 AI 的弱點：

如果是答案和數據很清楚的問題，就比較好訓練 AI。如果問題很複雜、變數很多，對 AI 來說就會很困難！

困難點在於新聞資訊的對錯會變動，可能這個時空是對的，另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器，可輸入當前的新聞讓機器去判讀真假，但過一段時間可能會失準，因為新的資訊源源不絕出現。而且道高一尺、魔高一丈，當 AI 好不容易能分辨出假新聞，製造假新聞的人就會破解偵測，創造出 AI 沒看過的新模式，讓先前的努力功虧一簣。

因此，現在多應用「事實查核法」，原理是讓 AI 模仿人類查核事實的過程，尋找權威資料庫中有無類似的陳述，可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊，致力於建立英文事實查核法模型所能運用的資源，並透過舉辦國際競賽，廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後，也與合作夥伴事實查核中心及資策會討論，正著手建立中文事實查核法模型所需資源。預期在不久的將來，AI 就能幫讀者標出新聞中所有說法的資料來源，節省讀者查證新聞真偽的時間。

AI 的無限可能：專屬於你的療癒「杯麵」

AI 的未來充滿無限可能，不僅可以成為分類與查證資料的得力助手，還能照護並撫慰人類的心靈，這對邁入高齡化社會的臺灣來說格外重要！許多青壯年陷入三明治人（上有老、下有小要照顧）的困境，期待有像動畫《大英雄天團》的「杯麵」（Baymax）機器人出現，幫忙分擔家務、照顧家人，在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式，新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」（Nadine），由感知、處理、互動等三層架構組成，可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境，並將上述資訊發送到處理層。處理層會依據感知層提供的資訊，連結該用戶先前與娜丁互動的記憶，讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象，或對陌生事物感到不安，常選擇靜默不語，需要照護者主動引導。因此，娜丁內建了注視追蹤模型，當偵測到住戶已長時間處於被動狀態，就會自動發起話題。

實驗發現，在娜丁進駐長照機構一段時間後，住戶有一半的天數會去找她互動，而娜丁偵測到的住戶情緒多為微笑和中性，其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

至於未來的改進方向，研究團隊認為「語音辨識系統」仍有很大的改進空間，需要讓機器人能配合老年人緩慢且停頓較長的語速，音量也要能讓重聽者可以清楚聽見，並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人，首要任務就是要開發一套臺灣人專用的 AI 語言模型，包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型，期待政府能整合學界與業界的力量，降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感，但卻可以成為人類大腦的延伸，協助我們節省處理資料的時間，更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨，如何讓自己的行事邏輯跟上 AI 時代，讓 AI 成為自己的助力，是值得你我關注的課題。

延伸閱讀

• 蔡宗翰（2022）。寫給中學生看的 AI 課：AI 生態系需要文理兼具的未來人才。三采文化出版。
• Tulsulkar, G., Mishra, N., Thalmann, N.M. et al (2021). Can a humanoid social robot stimulate the interactivity of cognitively impaired elderly? A thorough study based on computer vision methods. Vis Comput 37, 3019–3038.

編按：現在的生活瞬息萬變，在未來的世代，可能會出現許多你想都沒想過的職業。讓我們與孩子一起發揮想像力，你覺得未來會有什麼樣的職業出現呢？

塑膠漁夫：打撈塑膠就是我們的工作！

「今天又是出海的好天氣！」亞美迪歐和其他塑膠漁夫歡聲雷動，每一天，他們都要拯救受汙染的海洋。自從人類有了石油，就發明出便宜好用的材料─塑膠。可是塑膠被丟棄後會一直在環境中漂流，不會消失。

亞美迪歐的團隊為了捕撈塑膠，會運用特殊設計的磁網，只吸引塑膠垃圾，不影響魚兒在水中的生活。

「糟糕，又來了！這星期已經發生第二次了！」亞美迪歐說完，立刻跳上救生船，原來是遠方有隻信天翁被塑膠網纏住，不斷在水裡揮動巨大的翅膀，發出淒厲的叫聲。

救援行動當然不輕鬆，耽誤了一些工作時間，還好幾分鐘之後，信天翁終於重獲自由了。

除了大型塑膠垃圾外，海裡還潛藏著肉眼看不見的危險物質─塑膠微粒。它們比髮絲更細、比沙粒更小，如果被魚吃下肚，最後會成為人類盤中的食物。

這時候就要動用塑膠漁夫的最新發明。「摩比，做得好，看看你今天能吞噬多少塑膠微粒？」亞美迪歐一邊大喊，一邊走向船尾，一臺貌似藍鯨的機器人從水中冒出來，嘴裡布滿特殊長牙，這些長牙的功能類似過濾器，專門捕撈塑膠微粒。

亞美迪歐大聲歡呼：「還不賴，這裡乾淨多了！現在大家該去睡個好覺，明天繼續往南！」

海洋裡到底有多少塑膠垃圾？

4 億噸：塑膠每年在全球被製造出來，相當於 66 座吉薩金字塔。

6,000 萬噸：塑膠每年在歐洲製造出來，相當於 1,000 萬頭大象。

2,600 萬噸：歐洲每年丟棄的塑膠，其中不到 30% 被回收。

1,000 萬噸：歐盟制定目標，預計在 2025 年，每年至少要回收的塑膠重量。

700 種生物正受到海洋塑膠垃圾的傷害

• 35％ 是鳥類；
• 27％ 是魚類；
• 20％ 是無脊椎動物；
• 13％ 是哺乳類動物；
• 5％ 是爬蟲類。

塑膠漁夫要有的能力：

○ 喜歡海洋

○ 對生態學有興趣

○ 會游泳

○ 大而化之

○ 有遠大的目標

○ 清楚回收流程

——本文摘自《拯救地球的工作者》，2022 年 10 月，和平國際出版，未經同意請勿轉載。

• 本文轉載自科技大觀園，原文為《世紀之毒燒不盡？破解戴奧辛生死密碼》
• 作者 / 科技大觀園特約編輯｜李宗祐

環保署在 2011 年《中華民國重大環境事件彙編》發表《戴奧辛污染事件─揮之不去的世紀之毒》口述歷史，用新詩「燒阿！燒阿！」破題，形容戴奧辛如鬼魅般糾纏著台灣的環境生態，更時時刻刻威脅國人健康。

回顧國內戴奧辛污染事件，最早可追溯到 1979 年的台中與彰化米糠油事件，和 1982 年 12 月臺南市灣裡地區廢五金業者露天燃燒廢電纜產生煙塵，被檢測含有高濃度戴奧辛。但 30 年韶光荏苒，當時負責調查防治戴奧辛污染的環保署毒物管理處前處長陳永仁，在 2011 年口述歷史中感慨的說「我認為目前還沒有妥善處理」，突顯對抗戴奧辛污染依舊長路漫漫。 

也因為缺乏妥善處理，繼灣裡之後，1999 年接連爆發台北木柵焚化爐檢出戴奧辛超標與震驚國際的中石化台南安順廠戴奧辛污染案，2005 年在彰化縣線西鄉發現戴奧辛鴨蛋，2006 年林口傳出山羊遭到戴奧辛污染，2009 年高雄大寮爆發戴奧辛鴨事件，2017 年戴奧辛毒雞蛋流竄桃竹苗地區和新北市…，戴奧辛污染就像潛伏各地的不定時炸彈蠢蠢欲動！

 「低溫熱裂解技術」成為戴奧辛污染救星 

9 年前同時接受口述歷史訪談的中央大學環境工程研究所特聘教授張木彬則在 2014 年帶領研究團隊成功開發「低溫熱裂解技術」，有效裂解戴奧辛、多氯聯苯與五氯酚等含氯污染物，並可讓汞從土壤中脫離，終於使因利用水銀電解法電解海水以製造氫氧化鈉和氯氣而造成汞污染、又因製造五氯酚鈉導致廠區土壤受到戴奧辛及五酚氯污染而荒廢多年的中石化台南安順廠整治露出曙光，也被喻為戴奧辛與重金屬污染整治技術最完整的解決方案。 

「戴奧辛有兩個主要生成途徑。」張木彬指出，第一個是化學製程，例如中石化安順廠在製造五氯酚鈉過程，產生戴奧辛「躲在」五氯酚裡面；第二是高溫燃燒，煉鋼、煉銅、焚化爐甚至燒木屑，也會產生戴奧辛，「都不是我們刻意製造，也無法完全避免，含氯的東西經過高溫催化，就會產生戴奧辛。」  

 既然要從「產生」完全杜絕很難，除了在製程盡量降低戴奧辛生成，如何發展有效技術讓它在生成之後，不要從煙囪、飛灰或廢水中排放出來，是防杜戴奧辛污染重要關鍵。張木彬表示，攝氏 250 到 400 度是戴奧辛生成速率最旺盛的「溫度窗」，當化學製程或高溫燃燒產生的廢氣通過煙道的時候，含氯、碳、氧、氫的化合物，經過銅跟鐵催化就會合成戴奧辛。超過 400 度以後，生成速率變慢；更高溫就會被破壞；低於 250 度，活化不夠，生成速率也會變慢。 

「萃冷技術」也因「溫度窗」原理應運而生，讓廢氣通過煙道過程在 1 秒之內從 400 度以上降到 250 度以下，把戴奧辛合成機率極小化，但還是無法達到「零產出」。以焚化爐而言，目前還是普遍採用成本相對便宜的活性碳噴霧法，利用活性碳吸附以氣體分子存在的戴奧辛，再用袋式集塵器把它抓下來，國內現有 24 座焚化爐就有 23 座利用活性碳防止戴奧辛排放至廠外。 

然而張木彬認為，活性碳噴霧法雖可有效降低從煙囪排放，卻治標不治本，只把戴奧辛從氣體轉移成固體，抓進集塵器飛灰裡面，問題並沒有完全解決。國內焚化爐每年燃燒處理超過 600 萬噸垃圾，產生 20 萬噸飛灰，都用螯合劑加水泥固化以後，拿到掩埋場處理。年年國泰民安、風調雨順就沒事；但萬一發生強烈地震或類似莫拉克颱風等天災，掩埋場可能被沖垮，裡面的東西就會跑出來，潛在的污染風險很大。 

「最好的方法是發展破壞技術，把戴奧辛分子破壞、分解掉，而不只是把氣體變成固體！這也是我們實驗室一直努力的目標。」張木彬強調，「低溫熱裂解技術」是針對存在土壤或底泥裡面的戴奧辛，抓出來破壞掉並去除毒性，「我們利用氮氣把氧的含量控制到非常低，讓戴奧辛在幾乎無氧的狀態下裂解。」但最重要的核心技術是如何在相對低溫的條件下把戴奧辛完全摧毀。 

在完全燃燒的情形下，要完全破壞摧毀戴奧辛，溫度必須超過 900 度，但溫度越高，消耗能量越大，成本越高，不符經濟效益。「我們發展的技術是在比較低的溫度之下，不超過 350 度，就可以把土壤裡面的戴奧辛破壞掉。」張木彬透露，真正的「溫度窗」很重要，要完全摧毀戴奧辛，除了把它從固體變成氣體，再抓出來裂解處理乾淨；抓準各種氣體分子停留時間，避免讓其再度合成戴奧辛，以及如何給予適當觸媒，必須準確掌握不同的操作參數，才可以真正解決問題。 

政府應重視本土技術落實，解除污染風險 

可惜的是，張木彬研究團隊開發的「低溫熱裂解技術」，雖然被認為是目前已公開發表的研究成果中，最有可能解決戴奧辛與重金屬造成環境多重污染的完整解決方案，但中石化基於成本考量，並未採用他的技術。「就我個人看法，中石化的技術有點東拼西湊，處理流程太長，設備太老舊，事倍功半，沒有達到真正預期的效果。」不過研究團隊並未因此放棄，仍持續鑽研精進「低溫熱裂解技術」。 

「以前的低溫熱裂解沒有加觸媒，近 2、3 年開始研發觸媒配方，希望把溫度從 350 度降到 200 度，甚至於更低到 150 度，讓裂解程序更環保、更省能，成本更低。」張木彬直言，這個當然挑戰很大，但目前已有初步結果，已經降到 200 度，研究團隊正在校驗相關實驗數據，在確認重複性和穩定性以後，才會正式對外公開發表。

 研究團隊語重心長呼籲政府應重視本土化技術研發並落實推廣。台灣工業製程早期產生的集塵灰和焚化廠飛灰，戴奧辛濃度很高，都是隨意棄置，很多土壤可能都受到污染，政府應該確實追蹤調查過去幾年陸續發生的戴奧辛污染事件是否與此有關。怎麼把過去遺留下來的東西與現在還在持續產生的東西，有效防止污染擴散並徹底解決潛在污染風險，要有破釜沈舟的決心！ 

枋寮區域性垃圾衛生掩埋場除掩埋焚化爐產生飛灰，也逐漸轉為多元化廢棄物處理。張木彬舉例，全台焚化爐每年產生 20 萬噸飛灰，過去長期都是掩埋處理，現在每年新產生的也是直接掩埋，都沒有把飛灰裡面的戴奧辛抓出摧毀處理，讓飛灰從有害物質變成無害。政府若再不善用先進技術，等到各地掩埋場最後貯滿爆掉，就會像核廢料要留給下一代處理，「我們這一代要找出好的處理方法，有效解決問題。」