蜘蛛絲小提琴弦

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.

「Despacito～Quiero respirar tu cuello despacito～」聽到這段旋律，你是不是也開始不由自主地跟著搖擺了呢？跟著音樂一起流動實在是再自然不過的事了，不過，假設你完全聽不到這些動感「音樂」，它還能發揮同樣的效果嗎？

科學家也想知道這個問題的答案，於是乎，他們把實驗室搬到舞池啦！

超酷的實驗，就要在超酷的表演廳進行！

沒錯！最近發表在《當代生物學》（Current Biology）期刊上的研究就是這麼嗨！這份研究的第一作者是來自麥克馬斯特大學（McMaster University）的神經科學家 Daniel Cameron，他本身就是個音樂愛好者，除了會打鼓外，研究的主要方向也離不開音樂，總是在探索音樂和人類間的互動關係。

想要從事如此動感的實驗，一般的研究室可沒辦法進行，研究者們選擇的地點是麥克馬斯特大學裡面的「LIVELab」，這個地方算是個研究型表演劇院，裡面既能進行各式演出，也能同時進行各種測試和研究。

劇場裡不僅有 3D 動作捕捉系統，還有可以模擬各種音樂環境的超強大 Meyer 音響系統，最重要的是，它還配備了本次研究的主角──能產生極低頻率的喇叭！普遍來說，我們耳朵能聽到的聲音頻率介在 20 Hz~20,000 Hz 之間，更高或更低都聽不見，那麼，問題來了：聽不見的聲音，還會對我們產生影響嗎？

偷偷來點低頻音，大家真的會感受得到嗎？

為了尋找答案，研究者邀請加拿大的電子音樂雙人組合「 Orphx」到 LIVELab 辦了場表演，並招募了一群實驗參與者來參加。想聽這場演出，需要比平常多一點點的準備。

首先，觀眾需要戴上運動感應頭帶，用以偵測舞蹈動作；再來，觀眾在參加前和參加後都需要填寫調查表，好衡量他們對於演出的喜愛程度、相關生理感受，並確認他們沒有聽到那些偷偷塞進去的低頻聲音。

在整整 45 分鐘的演出中，研究人員會悄悄在幕後控制撥放低頻聲音的喇叭 ，這些喇叭會撥放 8~37 Hz 間的聲音，每兩分鐘開關一次，結果發現，當喇叭開著、放出低音的時候，觀眾的運動量竟然增加了近 12%！

為什麼我們聽不到低音卻還是想跳舞？聲音能被「感受」嗎？

不過，為什麼這些超低聲音會讓人們更愛跳舞呢？研究者們現在還不知道確切的生理運作機制，但他們有些推測。研究者認為，低頻聲音雖然無法被聽見，也不會讓大腦中處理聲音的部分變得活躍，但是，卻能被神經系統的其他部分接收到。

Cameron 表示，我們腦中的前庭系統，也就是專門負責平衡感和空間感的感覺系統對於低頻刺激非常敏感。另一方面，觸覺也扮演了很重要的角色，我們身上的機械性受器（mechanoreceptor）同樣對於低頻的刺激很敏感，會隨著震動而移動，這也就是為什麼，當你站在很大聲的音響前方時，會感覺全身彷彿都在跟著震動。

或許，就是這些系統，讓我們能夠用不同的方式來「感受」到音樂、接收我們聽不見的低頻聲音。

如果想要完整了解背後的機制，勢必還要多辦幾場這樣的「科學音樂表演」，但在那之前，如果大家想要讓舞池嗨一些的話，低頻音催下去就對啦！

參考資料

1. Want to fire up the dance floor? Play low-frequency bass
2. Cameron, D. J., Dotov, D., Flaten, E., Bosnyak, D., Hove, M. J., & Trainor, L. J. (2022). Undetectable very-low frequency sound increases dancing at a live concert. Current Biology, 32(21), R1222-R1223.
3. Low-Frequency Bass Encourages Dancing
4. Inaudible, low-frequency bass makes people boogie more on the dancefloor

• 文／Heidi

你有過邊聽音樂邊跑步的經驗嗎？讓我們先來看一段動畫，再開始今天的主題！動畫裡的主角阿辰有個熱愛跑步的阿公，他想要挑戰路跑，於是向阿辰下戰帖，想看誰可以先跑完四圈操場。沒想到，原本落後的阿辰，戴上耳機後，竟然逆轉局勢，贏得了比賽。這究竟是什麼魔法？為什麼音樂能讓阿辰瞬間變成飛毛腿呢？

日常生活中的音樂與運動

2014 年，美國音樂潮牌 Sol Republic 調查 1,000 位民眾使用耳機的習慣，有 62% 的民眾表示「一整天沒有聽音樂，比一整天沒有社交活動」更糟，另外也有 40% 的民眾表示，如果沒有搭配音樂，他們想要運動、鍛鍊身體的欲望就會大幅降低。

在臺灣，如果你曾經踏進健身房或運動中心，想必聽過從喇叭傳出來的快節奏音樂，或是看過不少人戴著耳機跑步、舉重、騎飛輪。如果你在學校或熱鬧的商圈看過街舞表演，通常也都是選用節奏明快的流行歌。可是，為什麼音樂和運動有關呢？一邊運動，一邊聽音樂，真的對我們有幫助嗎？如果有，背後的科學原理又是什麼？

聲音如何穿越耳朵、抵達大腦？

想知道為什麼音樂和運動有關，就得先瞭解聲音如何穿越耳朵、抵達大腦。

從生理構造來看，我們的耳朵可分為三部分：外耳、中耳和內耳。外耳負責將接收到的聲波傳入中耳。中耳有「耳膜」和「聽小骨」，能夠增強聲波，將聲波轉換成內耳能夠解讀的訊號。內耳有「耳蝸」和「前庭系統」，分別掌管聽覺和平衡感。這兩個結構會在末端合體，成為「前庭耳蝸神經」，也就是 12 對腦神經中的第 8 對，可以將聲音訊號直接送進大腦。

擅長平衡、喜歡打節拍的前庭系統

說到平衡感，那就和運動有關了！前庭系統的功能就是穩定身體，讓我們走路時不易跌倒、運動時能保持平衡，眼睛追蹤移動物體時，也不至於暈頭轉向。這些都要歸功於前庭系統裡頭的「半規管」和「耳石」，前者感知旋轉，後者感知重力與加速度。

如果我們一邊跑步一邊聽音樂，讓節奏規律的低頻重拍經由前庭系統刺激大腦，就能讓大腦誤以為是雙腳落地的低頻聲響。如此一來，大腦就會透過前庭系統發送訊號給肌肉，幫助腳步保持規律。換句話說，如果音樂節奏與步伐速度相近，跑起來就能更輕鬆；反之，如果換成節奏較慢的音樂，前庭系統就會讓我們不自覺放慢腳步，導致運動效果不佳。

研究顯示，聽音樂運動「效果十分顯著」

早在 1911 年，美國統計學家艾爾斯（Leonard Ayres）就發現，如果賽道旁有樂隊演奏，自行車選手踩踏板的速度也會隨之加快。^[1] 2012 年，英國雪菲爾哈倫大學（Sheffield Hallam University）的研究進一步證明，相較於踩踏速度沒有和音樂節拍同步的選手來說，同步選手的耗氧量減少 7%，意思就是比較不容易疲累或缺氧。由此可見，音樂就像身體的節拍器，可以穩住運動節奏，減少體力耗損。^[2]

2017 年，印度幾所大學的醫學院教授共同研究音樂對青少年運動表現的影響。這些教授找來 50 位年齡介於 19 到 25 歲的學生，讓他們連續 10 個早晨在跑步機上運動，速度不限，累了就可以停下來。研究數據顯示，在沒有播放任何音樂時，男性的平均運動時間約為 26 分鐘，女性則是 18 分鐘；相較之下，當他們聆聽各自喜歡的音樂時，男性的平均運動時間可以達到 42 分鐘，女性則是 31 分鐘，前後有非常明顯的落差。^[3]

2020 年，美國桑福德大學（Samford University）的研究也顯示，只要在暖身時，聆聽喜歡的音樂，就可以提高臥推槓鈴的表現。雖然臥推速度幾乎沒有差異，如圖（a），可是臥推次數明顯增加。根據圖（b）的數據，如果聆聽不喜歡的音樂（NON-PREF），平均只能推 11.1 下，經過兩分鐘休息後，只能再推 8.0 下；但如果聆聽喜歡的音樂（PREF），平均可以推 13.5 下，經過兩分鐘休息後，也可以再推 9.4 下，可見聽音樂運動的效果確實非常顯著。^[4] 

註解

• 註 1：Ayres, L. P. (1911). The Influence of Music on Speed in the Six Day Bicycle Race. American Physical Education Review, 16:5, 321-324.
• 註 2：Bacon, C. J., Myers, T. R., & Karageorghis, C. I. (2012). Effect of music-movement synchrony on exercise oxygen consumption. The Journal of sports medicine and physical fitness, 52(4), 359–365.
• 註 3：Thakare, A. E., Mehrotra, R., & Singh, A. (2017). Effect of music tempo on exercise performance and heart rate among young adults. International journal of physiology, pathophysiology and pharmacology, 9(2), 35–39.
• 註 4：Ballmann, C. G., Cook, G. D., Hester, Z. T., Kopec, T. J., Williams, T. D., & Rogers, R. R. (2020). Effects of Preferred and Non-Preferred Warm-Up Music on Resistance Exercise Performance. Journal of functional morphology and kinesiology, 6(1), 3. 

參考資料

1. Sound Over Pounds: Survey Finds Two Out Of Three People Cut Their Workout Short Or Ditch It Completely Without Headphones
2. 認識耳朵 – 歡迎光臨林口長庚耳鼻喉部
3. Let’s Get Physical: The Psychology of Effective Workout Music