為了解開謎底,科學家特別針對山羊進行實驗。實驗在「山羊樂園」(Buttercups Sanctuary for Goats)進行,總共找了 34 隻成年羊(17 隻雌羊、17 隻閹公羊),樂園裡的這些山羊與人類之間經歷過許多正向的互動;在實驗之前,樂園裡的員工和志工都會固定照顧山羊,牠們也可以自由取得自己想要的食物。
在正式實驗之前,山羊們先歷經了「取食練習」:在練習場地的正中央,有一塊稍高於其他部分的木板,而兩名參與實驗的人員則會分別站木板旁邊(實驗員 A )以及距離木板 250 公分處 (實驗員 B)。實驗員 A 將食物放在木板上,並用塑膠盒蓋住,如果山羊可以在 60 秒內移動或翻倒塑膠盒並取得食物,便算過關。在練習的過程中,有 2 隻雌羊因為沒有達成任務而被排除。
在甲組中,實驗員面對盒子;在乙組中,實驗員背對盒子。圖/實驗圖片
而在第二階段的正式實驗中,科學家進一步將塑膠盒固定在木板上,讓山羊看得到飼料卻吃不到,成為了「無解之題」。實驗將山羊分為兩組(各 16 隻羊),甲組山羊的實驗過程中,實驗員 A 會面對塑膠盒;而乙組山羊的實驗過程中,實驗員 A 則會背對塑膠盒;而實驗員 B 則當作控制變因、始終直直盯著塑膠盒。
你在看我嗎?靠近一點,再靠近一點
看著我、看著我(瞇)快給我食物啦~~圖/Pixabay
在取食練習和正式的實驗中,我們可以發現山羊會根據實驗員 A 的注意方向而調整自己的行為;相對於背對自己的實驗員來說,山羊會比較早看向面對自己的實驗員,注視實驗員的目光也會停留較久。此外,當實驗員 A 面向前方時,山羊會比較快進行視線交替(gaze alternation)且視線交替的頻率也較高;而在面對實驗者 B 的時候,則沒有特別的差異。這個實驗結果從前也曾在幼兒、狗和馬的身上有類似發現。
Christian Nawroth, Jemma M. Brett, Alan G. McElligott, “Goats display audience-dependent human-directed gazing behaviour in a problem-solving task” , Biology Letters, [2016.07.05] DOI: 10.1098/rsbl.2016.0283
還記得美劇《The Big Bang Theory》嗎?劇中常常出現的物理名詞「弦論」,是描述物理世界基本結構的理論。中央研究院「研之有物」專訪院內數學研究所程之寧研究員,她正是研究弦論的科學家,也是熱愛音樂的搖滾樂團鼓手,這種跨領域身份並不衝突,兩邊都需要創造力與紀律。由於天生斜槓的性格,讓程之寧在數學和物理領域大展身手,透過數學的深入探討,她試圖將弦論更往前推進。最近程之寧更跨足到人工智慧領域,為學界提供理論物理上的貢獻。
我有兩個動機。一個就是我真的想深入了解人工智慧。我也可以像普羅大眾,看看 AI 下圍棋,讚嘆「哇!好厲害!」這樣就好,可是我覺得我一定可以真的去理解它,這可能就是數學家的自大吧!
另一方面,我知道對科學研究來說,未來 AI 將會是一個非常重要的工具。這是「在職訓練」的概念,我可能會用到這個新工具,或以後我可能會需要教這樣的課,因為學生是下一代的科學家。因為這些原因,我覺得我需要去訓練自己使用新的工具。在我的領域裡,也有一些有趣的、還沒被解答的科學問題,是 AI 有可能幫得上忙的,我看到了一些潛力。
弦論和 AI 感覺差距很大,AI 也可以應用到弦論的研究嗎?
乍看之下,弦論的確比較抽象,也不像其他許多實驗會產生大量數據。但其實弦論有大量的可能性,我認為使用 AI 來在這些巨量的可能性當中搜尋特別有趣的理論,是一個有潛力能夠加深我們對弦論理解的新的研究方法。
而且 AI 的應用絕不僅限於巨量資料。如果是面對一些比較新的挑戰,在沒有現成的演算法可以用的情形之下,可以自己做出需要的功能嗎?這過程我覺得也非常很有趣,而且應該是會有成果的一條路。這種不是那麼顯而易見的事情,我覺得很有挑戰性,也蠻好玩的。
除了用 AI 來幫助物理跟數學的研究之外,我也試著物理研究當做靈感來源,找出新的 AI 的可能性,我覺得這也是一個很有趣的研究方向。我現在有和 AI 的學者合作,嘗試做出一些創新的演算法,真的還蠻有趣的。