0

1
0

文字

分享

0
1
0

孟子大大曾說「人性本善」,但人類真的有道德本能嗎?──《道德可以建立嗎?》

PanSci_96
・2017/06/22 ・6059字 ・閱讀時間約 12 分鐘 ・SR值 543 ・八年級

-----廣告,請繼續往下閱讀-----

  • 【科科愛看書】小時候老師常常要我們成為一位有德之人,可是可是……《道德可以建立嗎?》如果道德可以建立的話,那我們又該怎麼做?總而言之,快快拋開那些讓人暈頭轉向的道德教科書,來面對有趣的難題,一起來燃燒大腦、喚醒你的哲學小宇宙吧!

我們怎麼會傾向於用好與壞、正當與不正當這樣的字眼,來評論別人的行為,而這些行為往往和我們沒有直接的關係?我們這個物種,假設是由本質上很自私、最關心自身物質幸福的個體所組成,那麼要怎樣解釋,我們所表現出的利他、好心或慷慨的行動並不屬於特例?

人類的道德,到底從哪裡來?

對於這些問題,有些傳統的回答指向社會學習中獎懲的力量,有些則指向「與生俱來的道德感」或「道德本能」的存在1

一、學來的道德

如果我們以道德用語評論他人,並且能在行動上合乎道德,完全是因為我們從很小的時候開始,就受到訓練要這麼做,而且是因為有些制度安排了一些方法,強迫我們一直這麼做2

二、與生俱來的道德

-----廣告,請繼續往下閱讀-----

如果我們以道德用語評論他人,並且能在行動上合乎道德,那是因為我們天生具有某些道德能力,它在我們出生後很快就會表現出來。我們可以說是經過設定,要用道德的字眼評論他人,並時常表現出利他或好心的行為,這麼做也許是由於這些行為對我們這個物種有種種好處3

上述第二個假設屬於「自然主義」(與「文化主義」形成對比),是目前引起最多討論的假設。

通過獎懲的社會制約理論,又稱「行為主義」。我必須指出,它在人文科學的所有領域中都有點被打入冷宮。針對這類理論的反擊,在語言學的領域最見成效。很多語言學家承認,在母語學習上有許多難以解釋的問題。確實,兒童沒有經過旁人有系統地教導,最後也能掌握母語的使用,有能力說出無數自己從來沒聽過的語句,也不會有文法上的錯誤。

對這個現象所能找到最好的解釋,似乎是說所有人類都天生具備了語言能力,能讓他們從接收到的少量資訊中,重新組建出整個語言。

-----廣告,請繼續往下閱讀-----

在道德的領域中,相同類型的假設看來也占有一席之地。

我們具有天生的語言能力,能夠說出從來沒有經過有系統地學習的語言;同樣地,我們也具有天生的道德能力,即使沒有經過旁人有系統地教導,也能知道什麼是好的或壞的、正當或不正當的4。就算是嬰兒,在看到他人受苦的場景時,也會表現出不舒服的反應,或是兒童,不論他們接受的是哪種教育,面對不公正的行為,也會有類似的反應。這些事實支持了這個假設5

就算是嬰兒,在看到他人受苦的場景時,也會表現出不舒服的反應。圖/giphy

這種所謂「道德感」〔譯注:或稱「道德情操」〕的理論(早在十八世紀便獲得蘇格蘭哲學家的支持),並沒有指出人類天生就很「善良」。該理論也完全接受,除了好心或「親社會」的傾向與生俱來之外,其他破壞性與「反社會」的傾向也是與生俱來6。它只明確表示人類不用經過學習,生性就傾向於以道德的眼光評論他人的行為,而且他們「親社會」或「合乎道德」的行為(利他、慷慨等等),不是什麼特殊的表現。這只能代表人類「天生有道德」。

有些學者認為所謂「人類心智模組」的理論,也許可以讓天然道德觀的想法,擁有穩固的科學基礎。

-----廣告,請繼續往下閱讀-----

然而佛德(Jerry Fodor)並不這麼想。他為了使模組的觀念有足夠明確的內容,付出很多心力7。在他看來,道德模組的觀念不過是個隱喻,很有吸引力,但沒有任何科學意義。

為什麼?

特殊化的心理機制,「模組」真有這麼神奇?

佛德表示,模組是高度特殊化的心理機制,組織起來用最有效率的方式處理某些特定的問題:辨識形狀、聲音、氣味、顏色、物體的質地或滋味,將聲流切割成單字與句子等等8

模組的運作如同反射作用:無意識、快速,獨立於我們的意識與意志之外。我們可以清楚識別它的生理基礎,當這個基礎被摧毀時,模組就停止運作(想一想視覺是怎麼回事)。它不會受到信念或知識的滲透。至少這是我們從某些知覺層面的錯覺之所以存在所得出的結論。即使我們知道兩條線的長度相等,但要是它們的末端各具有方向相反的箭頭,我們還是會看見某一條線比另一條長(稱為「慕勒——萊爾錯覺」〔Mller-Lyer illusion〕)。

慕勒——萊爾錯覺。圖/By FibonacciOwn work, CC BY-SA 3.0, wikimedia commons

對佛德來說,真正的、唯一能符合所有標準的模組部署(dispositif),是感官知覺的部署。大體而言,它涉及我們的五個感官與語言的自動解碼系統。

-----廣告,請繼續往下閱讀-----

思想不是、也不能形成模組,因為在思考的活動中,必須納入我們的信念,而不是把信念隔離在外。這個過程不見得很迅速,完全算不上是無意識,在大腦中也沒有清楚的負責部位。佛德認為這就是為什麼沒有嚴格意義上的認知模組。思考的活動是某種全面的智力活動,遍及所有的領域,並不是來自具有特定目標的笨模組,呆板地完成早就被設定好的任務9

總的來說,佛德絕不同意「模組巨集」的理論,尤其是斯波伯(Dan Sperber)支持的有關人類心靈的構想,後者接受人類有無限數量模組存在的理論,各種形式都有,並具有各種功能,感覺的、認知的、道德的或其他種類10

佛德還嘲笑所謂「騙徒偵測模組」11,同時明確排除了道德模組的存在可能。

我們的腦袋裡是否真有「騙徒偵測」的道德模組12

心理學家科斯米德絲(Leda Cosmides)與人類學家托比(John Tooby)從某些實驗研究得出結論,表示我們的心靈中自然配備了某個系統,它可以讓我們快速、自然而然、幾乎是無意識地,偵測出哪個人在人際合作中不值得信賴。這就是他們所說的「騙徒偵測模組」13

-----廣告,請繼續往下閱讀-----

他們的出發點是著名心理實驗「選卡片」,華生(Peter Wason)在 1966 年提出實驗14

這個實驗的目的其實不是很清楚,但大家已經習慣說它是要檢驗我們對「若 P 則 Q」這種條件推理的掌握能力,或是檢驗我們能否選出最佳假設的「波普爾」能力〔譯注:哲學家波普爾(Karl Popper)提出否證論(falsificationism),認為一切從經驗得來的假說、命題和理論必須邏輯上容許反例的存在才是科學的〕15

接受實驗的對象假定都很「聰明」(例如大學一、二年級的學生)。他們必須面對四張卡片,每張卡有一面是數字,另一面是字母,如下圖:

主持者會宣布:

-----廣告,請繼續往下閱讀-----

「你的面前有四張卡片,它們一面是數字,另一面是字母。若卡的一面是 D,則另一面是 3。你必須翻開哪幾張卡片才能驗證這個規則正不正確?」

愛好邏輯學的人士可以指出,只要知道條件連接詞「如果……則」的真值表就能得到正確答案。是的,這裡的任務在於考慮:「如果 D 則 3」對所有這些卡片來說是不是都正確?一般的運用方式是思考每一條推理是不是遵守條件連接詞「如果……則」的真值表。這個表顯示該條件句只有在一個情況下是假的:當前件為真,而後件為假(也就是說真值表上的 P 為真而 Q 為假)。

下面是條件連接詞「如果……則」(它的象徵符號為「→」)的真值表:

為了讓你對這個表的正確性有具體的想法,請看這個例子。我朋友說:「如果你經過賣菸的店,幫我買包菸。」我答應了。

-----廣告,請繼續往下閱讀-----

(1)如果我經過賣菸的店(P 為真),而且我買了菸(Q 為真),好得很。

(2)如果我沒經過賣菸的店(P 為假),而且我也沒買菸(Q 為假),沒問題。

(3)如果我沒經過賣菸的店(P 為假),但我還是買了菸(Q 為真),我朋友不會怪我!

(4)不過現在假設我經過賣菸的店(P 為真),而且我沒有買菸(Q 為假)。我朋友就會怪我說話不算話。「你經過賣菸的店,可是你沒有買菸。為什麼?」

事實上,那是四個情形中,唯一他能理直氣壯責備我的處境,讓我非得解釋一番不可。

讓我們回到選卡片的遊戲吧。

愛好邏輯學的人士應該會這麼想:「為了知道有沒有遵守『若 P 則 Q』的規定,只要檢查沒有任何狀況是 P 為真(有 D)而 Q 為假(沒有 3)就行了。所以不用翻開有 3 的卡片(Q 為真),不用翻開有 F 的卡片(P 為假)。只要翻開有 D 和有 7 的卡即可。如果 D 的背面不是 3,或 7 的背面是 D,那麼這些卡片就不能證實『如果 D 則 3』。」

看起來好簡單!

完全沒有想像中簡單!圖/giphy

可是實驗結果奇慘無比。失敗的比率很可觀16

接受實驗的對象,儘管在學校修過邏輯課程,但幾乎全都選了 D 卡,或是 D 卡與 3 卡,而應該選擇的卻是 D 和 7。大家可能會想,要是能表達得更具體,使用一般人比較熟悉的例子,結果應該會比較好。可是具體的表達方式也改變不了結果。當實驗敘述換成「去國家體育場」和「坐郊區快車」時,失敗的比率還是一樣高。

對於規範,我們好像比較敏感

然而,當任務的表達方式使用允許或禁止的字眼,結果有明顯的改善。例如:「我們想知道在這家咖啡店,大家有沒有遵守十八歲以下禁止喝啤酒的規定。」

當任務的表達方式使用允許或禁止的字眼,結果有明顯的改善。圖/By Clker-Free-Vector-Images@Pixabay

第一張卡是「二十五歲」,第二張「可口可樂」,第三張「十六歲」,第四張「啤酒」。

近百分之七十五的實驗對象選出了正確的卡片:「十六歲」(為了檢查背面是不是「啤酒」),以及「啤酒」(為了檢查背面是不是「十六歲」)17

另一方面,當我們用承諾或社會交換的字眼,結果也很好:「我那篇關於模組巨集的論文,如果你能給我一個好點子,我就請你吃大麥克。」18

總之,當任務以描述的字眼表達時,實驗對象的表現很差;要是以義務性的字眼表達,表現就很棒

怎麼解釋這種結果?科斯米德絲認為答案很明顯,是演化心理學掌握了關鍵:我們有偵測「騙徒」的模組,意思是指那些想要從人際合作中享受好處,又不奉獻一己心力的人(想一想大家去野餐都會避免邀請的那些人,他們來時兩手空空,還把三明治一掃而光)19。正因為我們有這樣的模組,所以選卡片的遊戲內容與義務有關時,我們才會表現得又好又迅速。該理論還說,今天我們之所以具有這個模組,是由於它對我們的祖先而言非常實用,他們需要迅速辨認誰是人際合作中不應該信賴的人。

這個解釋至少招來了兩點批評:

  1. 假定我們對義務性條件句的掌握能力,足以證明我們有叫做「騙徒偵測」的模組,那麼依此類推,我們對描述條件句的掌握能力,代表我們不具有古典邏輯的模組。這表示我們的心智運作並沒有完全模組化。或許會有佛德式的「中央」系統。這正是模組巨集之友想否認的一點。
  2. 根據佛德的說法,外圍系統要能迅速、自動地運作,唯一的條件是,它只對特定類別的刺激(stimuli)有感覺(例如語言的聲音,可以將聲流切割成句子的模組)。至於騙徒偵測模組,刺激它的是什麼?應該會涉及某種社會交換,但似乎必須具有篩選的濾網,從所有可以觀察到的人類行為中,篩選出具社會交換性質的行為。這樣的濾網是否也是模組?如果它不是模組,偵測騙徒的過程就不是完全的模組化,或者說不是從頭到尾整個過程都是模組化。然而這張濾網不能藉由定義來讓它模組化,因為它的任務是一般性的:從整體論的取向去篩選原始訊息,而不是產生這些訊息20。 玩遊戲和y8,放鬆,玩得開心。 玩馬里奧的 Y8 最受歡迎的網絡遊戲集合y8

圍繞模組所進行的爭論,是否只屬於用字上的爭辯?

據我所知,沒有任何心理學家給模組巨集做出嚴格的定義。捍衛它的權威人士認為,只要具備一定程度的功能特殊性就足以合理討論「模組」21。他們通常會建議削弱佛德對模組的辨認標準,因為他們認為這些標準過於嚴苛。

不過,如果成為模組不用滿足佛德所有的標準,如果具有某種程度的功能特殊性就足以合理稱為「模組」,那麼,當然,什麼事都可以看成是模組,那是佛德絕對不會接受的說法!

由於對模組並沒有共同認可的辨認標準,我看不出模組巨集的擁護者與反對者兩造之間的衝突要怎樣才能化解。基本上,模組問題引起的爭吵,不少是因為反對佛德的人士在面對這些模組的判定標準時,表現出擺盪不定的矛盾態度。有時他們承認佛德的標準有理,認為中央系統以這些標準來看,只有某些部分是模組化的。有時他們質疑這些標準,說中央系統是模組化的,但「模組化」的定義比較寬鬆。

道德本能難道並不存在?

有些學者希望藉由道德模組的存在,為道德感理論辯護,目的是重建這個理論;其中,海特屬於鬥志最高昂的學者之一22。他不同意給予模組嚴格的定義。他不認為任何心理運作都必須表現出佛德給出的所有模組標準,才能稱為模組。

不需要對模組提出嚴格要求的這一點,我個人並不反對,但我覺得,如果按照海特的構想,很難在道德反應的兩個部分之間做出精確的區別,一邊可以稱作「自發性」的部分,另一邊是學來的或經過思考的部分。確實,對於比較不嚴格的模組構想,我們完全可以構思出一些部署,它們不像感官部署那麼難以讓信念或知識滲入,但在功能上又足夠特殊化,可以被視為模組。

然而一個不怎麼嚴格的模組構想,是否還可以在我們的道德反應中,區別出什麼是來自道德直覺的反應,什麼是有條理的道德思考結果?如果道德模組的運作和感官模組不一樣,也就是說它不是自主發生,而且不是完全獨立於信念與理性之外,那麼在面對假定為道德反應時,我們要怎麼區別直覺的部分,以及來自學習與思考的部分?

而且,如果不可能區別道德判斷的這兩個面向,又怎麼證明我們的某些道德反應是自然的、與生俱來的和本能的?

注釋:

  1. Nurock, Sommes-nous naturellement moraux ?, op. cit.
  2. Jesse J. Prinz, « Is Morality Innate ? », dans Walter Sinnott-Armstrong, dir., Moral Psychology, vol. 1, The Evolution of Morality : Adaptations and Innateness, Cambridge, Mass., The MIT Press, 2008, p. 367-406.
  3. Bjorklund, « Social Intuitionists Answer Six Questions about Moral Psychology », op. cit.
  4. Jesse J. Prinz, « Resisting the Linguistic Analogy : A Commentary on Hauser, Young and Cushman », dans Walter Sinnott-Armstrong, dir., Moral Psychology, vol. 2, op. cit., p. 157-179.
  5. Nurock, Sommes-nous naturellement moraux ?, op. cit.
  6. Doris, Lack of Character. Personality and Moral Behavior, op. cit.
  7. Jerry Fodor, La modularité de l’esprit (1983), trad. Abel Gerschenfeld, Paris, Minuit, 1986.
  8. Ibid.
  9. Jay Garfield, « Modularity », dans Samuel Guttenplan, dir., A Companion to the Philosophy of Mind, Oxford, Basil Blackwell, 1994, p. 441-448.
  10. Dan Sperber, « Défense de la modularité massive », dans E. Dupoux, dir., Les langages du cerveau, Paris, Odile Jacob, 2002, p. 55-64.
  11. Jerry Fodor, « Pourquoi nous sommes si doués dans la détection des tricheurs », appendice à L’esprit, ça ne marche pas comme ça (2000), trad. Claudine Tiercelin, Paris, Odile Jacob, 2003.
  12. 以下分析出自我的論文:« Ils voient des modules partout », dans Le rasoir de Kant et autres essais de philosophie pratique, Paris – Tel-Aviv, Éditions de l’Éclat, 2003, p. 161-187。
  13. Leda Cosmides, dans « The Logic of Social Exchange », Cognition, 31, 1989, p. 187-276 ; Leda Cosmides et John Tooby, « Cognitive Adaptation for Social Exchange », dans J. Barkow, L. Cosmides et J. Tooby, dir., The Adapted Mind, Oxford, Oxford University Press, 1992, p. 163-228.
  14. George Botterill et Peter Carruthers, The Philosophy of Psychology, Cambridge, Cambridge University Press, 1999, p. 109-111.
  15. Ibid., p. 110.
  16. 根據平克(Steven Pinker)的說法,介於百分之九十至百分之九十五之間,Comment fonctionne l’esprit humain ? (1997), trad. Marie-France Desjeux, Paris, Odile Jacob, 2000, p. 358;根據波特里(George Botterill)和卡魯瑟斯(Peter Carruthers)的說法,介於百分之七十五至百分之九十之間,The Philosophy of Psychology, op. cit., p. 109。
  17. R. A. Griggs et J. R. Cox, « The Elusive Thematic-Materials Effect in Wason’s Selection Task », British Journal of Psychology, 73, 1982, p. 407-420.
  18. Cosmides, « The Logic of Social Exchange », op. cit.
  19. Ibid. ; Cosmides et Tooby, « Cognitive Adaptation for Social Exchange », op. cit.
  20. Fodor, « Pourquoi nous sommes si doués dans la détection des tricheurs », op. cit.
  21. Lawrence A. Hirschfeld, introduction à L. A. Hirschfeld et Susan A. Gelman, dir., Mapping the Mind : Domain Specificity in Culture and Cognition, Cambridge, Cambridge University Press, 1994.
  22. Haidt et Joseph, « The Moral Mind : How Five Sets of Innate Intuitions Guide the Development of Many Culture-specific Virtues and Perhaps Even Modules », op. cit.

 

 

 

本文摘自《道德可以建立嗎?:在麵包香裡學哲學,法國最受歡迎的 19 堂道德實驗哲學練習課》臉譜出版

 

 

 

 

文章難易度
PanSci_96
1226 篇文章 ・ 2337 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

2

1
1

文字

分享

2
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

-----廣告,請繼續往下閱讀-----

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 2
研之有物│中央研究院_96
296 篇文章 ・ 3568 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

0

5
2

文字

分享

0
5
2
解釋善性:從雄性黑猩猩「阿莫斯」的臨終之時——《我們與動物的距離》
馬可孛羅_96
・2022/01/14 ・2251字 ・閱讀時間約 4 分鐘

阿莫斯(Amos)是我見過的公黑猩猩當中數一數二俊美的,唯一的例外也許是他把兩顆大蘋果同時塞進嘴裡的那一天,而他的那個舉動也再度讓我意識到,黑猩猩能做出許多我們做不到的事情。他有一雙大眼睛,嵌在一張和善而勻稱的臉龐裡,還有一身濃密閃亮的黑毛,手臂與雙腿也有清楚的肌肉線條。他從來不像有些公黑猩猩那樣攻擊性過強,但盛年期間仍有無比自信。阿莫斯備受喜愛,他死的時候我們有些人都不禁落淚,他的猿類同胞也在那幾天靜得令人發毛,連胃口都受到了影響。

我們當時不曉得他出了什麼問題,直到死後驗屍才知道除了大幅腫脹的肝臟占滿了腹部之外,還有不少癌化增生。他的體重在前一年掉了百分之十五,儘管病況必定是從幾年前就已經開始惡化,他卻一直表現得與正常無異,直到身體再也支撐不住為止。阿莫斯一定有好幾個月都生活在痛苦之中,但他只要稍微表現出衰弱的模樣,必定會導致其社會地位喪失。黑猩猩似乎懂得這一點。野地裡,一頭瘸了腿的黑猩猩被觀察到自行孤立獨處了幾個星期養傷,但在這段期間仍然偶爾會現身猩群當中,展現出健壯又充滿活力的模樣,然後再退出其他猩群成員的視線之外。這麼一來,就沒有成員會對他起疑。

黑猩猩只要稍微表現出衰弱的模樣,必定會導致其社會地位喪失。圖/Pexels

阿莫斯直到死前一天才表露他的病況,當時我們發現他的喘息速率達每分鐘六十口氣,臉上不停冒汗,其他黑猩猩都在外頭的陽光下,唯獨他坐在夜間圍欄裡的一口麻布袋上。阿莫斯拒絕出去戶外,於是我們把他隔離開來,等待獸醫撥空前來檢查。不過,其他黑猩猩一再回到室內探望他,我們只好把阿莫斯前方的門打開一道小縫,讓其他黑猩猩能接觸他。阿莫斯刻意坐在那道門縫旁,一頭名叫黛西的母黑猩猩於是輕柔地抱住他的頭,為他耳朵後方的柔軟部位理毛。接著,她把大量的木屑透過縫隙推進門內,這是黑猩猩喜歡用來築巢的材料。牠們會把木屑鋪在自己的身旁四周,然後睡在上面。黛西給了阿莫斯這些木屑之後,我們又看到一頭公黑猩猩也跟著這麼做。由於阿莫斯背靠著牆坐而沒有理會那些木屑,於是黛西數度從門縫伸手進來,把木屑塞在他的背部與牆壁之間。

這種情形實在引人注目。這豈不表示黛西意識到阿莫斯必定身體不適,所以靠在柔軟的東西上會比較舒服,就像我們在醫院也會幫病患背後墊個枕頭一樣嗎?黛西也許是從自己對木屑的感覺推斷出這一點,而且我們也確實認為她是個「木屑狂」(她通常不會分享木屑,只是自己大量囤積)。我相信猿類會採納他人的觀點,尤其是對遭遇困難的朋友。的確,這類能力在實驗室裡接受測試的時候,並不是每次都能獲得證實,但那些研究通常都是要求猩猩在某種人造情境裡理解人類。先前已經提過,我們的科學帶有人類中心偏見。在猿類對猿類的相同實驗操作下,黑猩猩的表現就好上許多,而在野地裡,牠們更是會關注其他同伴已知或未知的事物。因此,對於黛西似乎能夠理解阿莫斯的處境,我們不該覺得意外。

-----廣告,請繼續往下閱讀-----

第二天,阿莫斯就接受了安樂死。他已經沒有活命的希望,繼續拖下去只會讓他痛苦更久而已。這起事件闡明了靈長類動物社會生活的兩個對比面向。第一,靈長類生活在一個殘酷的世界裡,迫使雄性必須盡力隱藏生理上的障礙好擺出強悍的表象。但第二,靈長類也是緊密社群裡的一分子,可以指望獲得別人的喜愛與協助,包括非親屬在內。這種雙重性很難理解。廣受大眾喜愛的書寫者偏好簡化實際狀況,不是以霍布斯式的赤裸筆法把黑猩猩的生活描寫得凶惡殘暴,不然就是只強調牠們和善的一面。不過,實際上絕對不是像這樣二擇一,兩種狀況始終並存。如果有人提問,黑猩猩既然有時會互相殘殺,怎麼可能算是擁有同理心的動物?我總是這麼反問:按照同樣的標準,那麼我們是不是也該徹底揚棄人類擁有同理心的概念?

這種雙重性非常重要。我們如果全都溫和善良,道德就會是一種多餘的東西。如果人類總是互相同情,從來不會偷竊、不會在背後捅別人一刀、不會覬覦別人的妻子,那我們還有什麼好擔心的呢?顯然人類不是這樣的動物,這也就說明了道德法則的必要性。另一方面,我們可以設計無數的規則提倡對別人的尊重與關懷,倘若我們原本就沒有這樣的傾向,那麼這些規則也絕不會有任何用處。在那種情況下,這些規則就會像是撒在玻璃上的種子一樣,根本沒有生根發芽的機會。人類之所以得辨別是非,正是因為我們生來就同時具有行善與做惡的能力。

黛西協助阿莫斯的行為在生物學上算是「利他行為」的表現,其定義就是會導致某個個體付出代價(例如冒險或者耗費精力),但是去執行利於他人的行為。不過,生物學對利他行為的討論通常不涉及動機,只關注這類行為如何影響他人,以及為什麼會演化出這種行為。這項辯論雖然已有一百五十年以上的歷史,卻在過去幾十年才成為注目焦點。

——本文摘自《我們與動物的距離:在動物身上發現無私的人性》,2021 年 12 月,馬可孛羅

-----廣告,請繼續往下閱讀-----
馬可孛羅_96
25 篇文章 ・ 19 位粉絲
馬可孛羅文化為台灣「城邦文化出版集團」的一個品牌,成立於1998年,經營的書系多元,包含旅行文學、探險經典、文史、社科、文學小說,以及本土華文作品,期望為全球中文讀者提供一個更開闊、可以縱橫古今、和全世界對話的新閱讀空間。