以創造力漫舞於科技與藝術間，探索人類的未來──2018「歌劇院台灣國際藝術節」策展專訪

• 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？

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。

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：

• 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

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？

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。

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？

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?

（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）或。

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。

本文由策展人紀柏豪提供

想享受一場同時兼具科技與藝術的饗宴嗎？來《匯聚：從自然到社會的藝術探索》國際交流展看看吧！

在當代社會中，藝術的角色正持續演進——它創造了一種新的美學，與社會、科學以及技術變革緊密相連。當社會面臨的挑戰因其複雜性而難以僅靠單一學科解決時，藝術研究因其跨越、融合不同知識領域的能力而具有新的意義。今日，許多創作者和機構採用跨學科方法，將藝術與自然、科學與感性、想像力與現實結合，創造嶄新的經驗、知識和美學。

在藝術與科學這兩個看似迥異的領域中，存在著一個共通的追求——深入理解我們所處的世界。這一追求不僅體現了人類對知識渴望的本能，也反映了我們對於更高層次的自我認知和宇宙認識的探索。藝術家透過創作，探索人類經驗的多樣性和情感的複雜性，用畫筆、雕塑、數位媒介來表達對世界的主觀理解。這種理解可能源於個人感受，也可能反映了廣泛的社會和文化現象。

藝術提供了一種通過感知和情感來接觸和理解世界的方式，使我們能夠透過個別經驗來抵達普遍的真理。科學則通過觀察、實驗和分析來探究自然界的法則和現象，尋求對世界的客觀理解。科學方法使我們能夠系統地收集資料、建立理論並驗證假設，從而深化對物理世界的認識。不僅解答了關於自然界的問題，也幫助我們理解了人類自身在這個宇宙中的位置和作用。

儘管藝術和科學在方法和目的上有所不同，但它們都反映了人類對於更加全面和深刻理解世界的共同願望。藝術讓我們透過感受和想像來擴展對世界的認識，而科學則通過理性和證據來揭示秩序和結構。由國科會指導、國家實驗研究院主辦的《匯聚：從自然到社會的藝術探索》國際交流展，邀請觀眾一同探索藝術與科學的交會，體驗它們如何共同塑造我們對世界的認識和感知，並反思這一過程如何豐富我們的文化與知識視野。

展覽單元介紹

宇宙共生 —— 科技與宇宙的多維依存

當你仰望星空，有沒有想過我們與宇宙的關係？「宇宙共生」單元展示了科技如何將人類感性延伸至浩瀚的宇宙空間。麻省理工學院媒體實驗室的太空探索倡議小組（MIT Media Lab Space Exploration Initiative）帶來了在極端環境下的實地太空模擬，研究生存策略和科技應用。與之並置的《與細菌混了三千年》（3000 Years Among Microbes）則從微生物的角度重新審視太空探索中的殖民語言，帶來全新的太空想像。藝術家利用極端地貌與顯微影像並置，模糊人與微生物的分野，探討共生體概念在星際生態系中的應用。

感官賦能 ——透過科技重塑環境感知

「感官賦能」單元探索藝術家如何通過科技媒介重塑我們對環境的感知。兩位智利藝術家妮可·拉希利耶（Nicole L’Huillier）與派翠西亞·多明格斯（Patricia Domínguez）的《全像乳糜》（Leche Holográfica）是一場冥想式祈願，透過與不同元素的共鳴和諧，讓我們得以在螺旋時空中構想未來。

值得一提的是，藝術家妮可·拉希利耶與派翠西亞·多明格斯曾透過智利與歐盟的合作，在歐洲核子研究組織（CERN）進行藝術駐村計畫，並在那裡發展她們的作品。CERN 以其在粒子物理學上的重大科研成果而聞名，但即使是最前沿的科學研究，也需要藝術家的啟發。這樣的跨域合作不僅揭示了科學現象的美麗與複雜，更為科學研究注入了新的靈感和視角。藝術家的創意與想像力，能夠以不同於科學的方法來詮釋數據與實驗結果，從而開拓更廣泛的理解和應用。

拉脫維亞藝術家羅莎‧史密特（Rasa Smite）和萊提斯‧史密茨（Raitis Smits）的《深度感知》（Deep Sensing），通過拉脫維亞伊爾本（Irbene） RT-32電波望遠鏡的歷史敘事，象徵性地橋接了技術的過去與現在，探問「為何擁有地球還不足以滿足人類？」該望遠鏡被前蘇聯遺棄，而藝術家們重返此地，探索這個巨大天線在當代的價值。虛擬點雲天線追蹤從太陽到地球的宇宙粒子流動，創造出沉浸式的視覺和聲音景觀，讓觀眾更易於理解氣候變遷的影響。

羅莎‧史密特和萊提斯‧史密茨是里加RIXC新媒體文化中心的共同創辦人，他們的作品結合科學數據、聲音化和視覺化、人工智慧和擴增實境技術，創造出前瞻性的網絡藝術。他們的作品曾在威尼斯建築雙年展、拉脫維亞國家藝術博物館等地展出，並獲得多項國際獎項。

網絡交織 —— 科技與社會的複雜關係

「網絡交織」單元深入探討科技如何影響我們的社會結構和人際關係。瑪麗莎·莫蘭·賈恩（Marisa Morán Jahn）的《銅色景觀》（Copperscapes）展示了銅在全球化勞動中的角色，揭示了這一自然元素如何影響我們的日常生活。她的作品以銅色眼睛作為見證，表現出礦區社區所承受的「身體負擔」，並在影片《銅的私處史》中探討礦物經濟的複雜性，突顯採礦活動對身體及地球主權的影響。

瑪麗莎·莫蘭·賈恩是具有厄瓜多和中國血統的藝術家，其作品致力於重新分配權力，展示藝術作為社會實踐的可能性。她的作品曾在歐巴馬時期的白宮、威尼斯建築雙年展、古根漢美術館等地展出，並獲得聖丹斯電影節和創意資本等獎項。

李紫彤與孫詠怡的《岔經濟》（Forkonomy）利用區塊鏈技術，重新構想財產與國家之間的連結，探討擁有權背後的政治意義。這個藝術與社會運動計畫，通過工作坊和數位契約，探討如何購買或擁有一毫升的南海，並質疑現有的性別勞動分工和所有權制度。

李紫彤是台灣的藝術家兼策展人，作品結合人類學研究與政治行動，曾在國內外多個知名展覽中展出。孫詠怡是出生於香港的藝術家和程式撰寫者，專注於數位基礎設施的文化意義及廣泛權力的不對等問題，作品曾獲得林茲電子藝術節金尼卡獎等多項國際獎項。

印度藝術家艾蒂·桑德爾（Aarti Sunder）的《深海節點故事》（Nodal Narratives of the Deep Sea）將海底電纜這一隱藏基礎設施帶入視野，探討其與現代化項目、資本主義擴張及殖民主義的關聯。她的作品通過繪畫、物件和影片，展示了數據傳輸的路徑及其對生態系統的影響。

艾蒂·桑德爾的創作涉及影像、寫作與繪畫，專注於探討科技政治和基礎設施相關議題。她的作品曾在柏林藝術學院、新加坡雙年展、世界文化之家等國際場所展出。

科藝匯聚 —— 跨學科的創新邊界

「科藝匯聚」單元彰顯了藝術與科學共同探索未知領域的力量。國家太空中心的《來自遙遠的訊息》管絃樂曲選粹、麻省理工學院前衛視覺研究中心（CAVS）的歷史檔案，以及臺灣共演化研究隊的「邊界測繪學」年度計畫成果，展示了藝術家與科學家跨域合作的豐富成果和未來潛能。

跨域交流與活動

在展覽期間，策展團隊與台灣致力於促進科學家與藝術家合作的「共演化研究隊」規劃了一系列精彩的跨域交流活動，讓大家能近距離與藝術家、科學家們交流，體驗科技與藝術如何共同作用於當代社會。

活動包括圓桌論壇、藝術家講座和放映會，涵蓋了多個有趣且深入的主題。例如，在「宇宙共生」週末，觀眾可以參與討論極地科學與藝術實踐的圓桌論壇，聆聽來自麻省理工學院媒體實驗室「太空探索倡議」的成員分享他們在極端地貌探索的經驗。另一活動是國家太空中心委託製作的管弦樂曲《來自遙遠的訊息》放映會，由作曲家趙菁文進行演前導聆，帶領觀眾進入一場視覺與聽覺的雙重盛宴。

在「網絡交織」週末，藝術家李紫彤與孫詠怡將帶來一場關於區塊鏈技術應用於南海議題的討論，這場圓桌論壇將探討技術如何影響社會結構和資源分配。印度藝術家艾蒂·桑德爾則會在線上分享她對於海洋及網路基礎設施的研究與創作，揭示隱藏在我們日常生活背後的複雜科技網絡。

「感官賦能」週末將邀請拉脫維亞藝術家羅莎‧史密特和萊提斯‧史密茨現場分享他們的作品《深度感知》，並探討電波望遠鏡的技術敘事，展示如何通過藝術手段使抽象的科學數據變得可以感知。這不僅讓觀眾更易於理解氣候變遷的影響，也體現了藝術在科學溝通中的重要角色。他們將分享長期研究「自然廣播」的概念，以及每年舉辦「藝術科學節」的經驗。

在「科藝匯聚」週末，觀眾可以參與科學家與藝術家的提案室，直接感受跨領域合作的火花。這些活動將展示跨學科合作如何激發創新，促進我們對世界更深層次的理解。此外，拍攝麻省理工學院前衛視覺研究中心創始人故事的紀錄片將在台灣首映，導演並將與觀眾進行映後座談，分享創作背後的故事和啟發。

藝術與科學的相互啟發，不僅僅是知識和美學的結合，更是對創新與理解的共同追求。在這個亟需跨學科解決方案的時代，這樣的合作顯得尤為重要，為我們探索未知領域提供了無限可能。這次展覽通過多樣的跨域交流活動，讓觀眾能夠親身體驗並參與其中，進一步體會到藝術與科學融合所帶來的豐富成果和未來潛力。

展覽資訊

• 展覽名稱：《匯聚：從自然到社會的藝術探索 ｜ 國際交流展》
• 日期：2024/5/10 至 2024/8/10
• 時間：週一至週五 09:00-18:00（國定假日休）
• 地點：科技大樓一樓大廳（臺北市大安區和平東路二段106號）
• 指導單位：國家科學及技術委員會
• 主辦單位：國家實驗研究院
• 策展人：紀柏豪
• 執行單位：融聲創意
• 協力單位：共演化研究隊

• 作者／洪靖，荷蘭 University of Twente 技術哲學博士

人工智慧（Artificial Intelligence，以下簡稱 AI）能夠創作藝術嗎？演算法的作品可以被稱為藝術嗎？

早已有些藝術家利用 AI 或演算法進行創作，但一直要到 2018 年底，這兩個問題才開始進入大眾視野。契機是法國藝術團隊 Obvious 利用 AI（演算法 GAN）協助產生的畫作 Edmond de Belamy 在 2018 年初以一萬歐元賣出，另一幅畫作 Edmond 則在同年十月登上了世界知名的拍賣會佳士德（Christie’s）。雖然 Obvious 涉嫌炒作受到批評，但不可否認的是，他們確實敲開了藝術的大門，把開篇的兩個問題丟向世界。

要回答這兩個問題，可以從藝術與技術的關係入手。從藝術角度出發的討論所在多有，尤其是這兩個問題本身就屬藝術領域的熱門話題。相較之下，從技術角度出發的探索似乎不多，而這或許是技術哲學（philosophy of technology）可以提供想法之處。

海德格的技術與藝術

要談技術哲學，不能不談海德格（Martin Heidegger）。他的名文 The Question Concerning Technology（1954）可說是開啟了整代哲學家（與社會學家）對於技術的批判和反省。海德格在文中嘗試追問：技術的本質（essence）是什麼？

我們很容易想到技術零件、工程藍圖…等，但海德格說，技術的本質並不是那些技術的種種（The essence of technology is by no means anything technological）。海德格更認為，傳統用來說明「技術物之所是」的分析，並不足以說明技術的本質。在亞里斯多德的觀點中，一個銀製聖杯之所以是現在這個樣貌，可以拆解成四個因素：材質是銀（質料因）、杯子的樣式（形式因）、由工匠製作（動力因）、用於宗教儀式（目的因）。但在海德格看來，四因說充其量只是近因，真正的問題在於，究竟是「什麼」讓這四個因素剛好聚集在一起並造就了這個聖杯？

海德格認為，這個「什麼」是名為 Revealing（揭示）的過程，也就是一個原本被掩蓋的東西被看見、被呈現出來。用一個稍不精確但容易理解的方式來解釋：這個聖杯「註定」要成為現在這個樣子，這正是它最好的模樣，而所謂 Revealing 正是逐步找到並實現這個「註定」的過程。但這個 Revealing 的過程究竟為何、如何做到？至少有兩種方式，分別對應傳統技術與現代技術。

想想工匠如何製作聖杯。他們需要十分熟悉手中的材質，在打磨的過程不斷調整手勢、力道、角度，透過日積月累的經驗才能製作出一個精緻耐用的儀式品。這個緩慢的過程，是與世界「打交道」並迎來其最好一面的行動，海德格稱之為 Bringing-Forth（帶出）。很明顯，這並非當今各種技術產品的製造方式。

對海德格而言，現代技術粗暴得多，雖然也是 Revealing，但它其實是種 Challenging-Forth（強索）。現代技術的目的不是逐步迎來世界最美好的一面，而是以最快速度、最大效率逼迫自然吐出有益於人類之物——名為「資源」的東西。

海德格的著名例子，是萊茵河上的水力發電廠。為了發電，人類製造水壩阻斷萊茵河，甚至因此破壞了風景。對於海德格而言，這全然不同於在萊茵河上搭一座木橋：木橋雖然也是技術，但它沒有阻斷自然的運行，沒有把萊茵河的水流變成資源、供人類享用。海德格甚至給這種 Revealing 一個專門名稱：Enframing（座架）。

海德格進一步論證，要達成這種 Challenging-Forth，就必須能夠精確掌控和預測自然，而這種精確只能透過數學來達到。換句話說，「可以控制」和「可以計算」一體兩面。從這個說法來看，現代技術並不源出現代科學，而是相反：正是因為人類已經具有以 Challenging-Forth 來 Revealing 世界的欲望與渴求，現代科學才應運而生。換句話說，科學才是（現代）技術的應用，而非相反。

把一切轉化為資源的現代技術，終將成為人類的牢籠，因為人類本身也開始被視為「資源」——人力資源早已成為在各大公司不可或缺的部門。海德格認為，要化解這種悲劇，並非拋棄技術，而是回到藝術。Art 一詞本來就指「工藝」，既是工也是藝；換句話說，技術和藝術系出同源。

現代社會之所以將兩者視為不同、甚至對立的領域，是因為我們太過習慣 Challenging-Forth 這種 Revealing，導致全然忽略過往技術的另一條途徑：Bringing-Forth。製作聖杯既是技術也是藝術，聖杯既是技術物也是藝術品，原因無他，正是因為那是 Bringing-Forth——真正的 Art。

因此，從海德格的角度來看，Obvious 的各種作品很難稱得上是藝術。一方面，Obvious 的作品奠基於演算法，而衆所皆知演算法就是數學，顯然是海德格多所批評的對象；另一方面，它們缺乏創作者日積月累與世界打交道的緩慢過程，全然不是 Bringing-Forth 的成果。

雖然 Obvious 的作品不一定是為了索取自然資源，但就海德格而言，這可能加強或複製了現代技術 Challenging-Forth 的世界觀，如果我們接受了它們是藝術，那麼藝術——與技術系出同源的 Art——成為救贖的機會將消失殆盡。

藝術的定義

就「真正」Art 的定義來說，技術物的原文 Artifact 的意義完全屬實：製造出來的事實（arti-fact）。前面說過，真正的技術也是藝術，是 Bringing-Forth，帶出事物最美好的一面，亦即實現它「真實」的樣子。Arti（製造出來）的事物不一定是假的。

我們之所以很常用 Arti 來暗示虛假，是因為身處現代社會的我們，已經太習慣 Challenging-Forth 意義下的 Artifact。同樣地，AI 裡的 Arti 本身就屬於高科技，所以從海德格的角度來說，AI 不可能也不應該是藝術的創作者，更不可能能名列藝術家，除非 AI 能以傳統 Bringing-Forth 的方式來創作——但顯然不太可能。

我們不難感覺到，海德格對於技術和藝術的看法有一定程度的封閉性。當海德格追問「本質」問題並試圖回答時，也就不得不排除那些在他看來不是本質的東西。這種對於 Art 的嚴格規定，似乎和當代藝術所強調的開放性與可能性相互扞格。

多數藝術家總是在嘗試新的手法、新的材料；雖有藝術家試圖回到過去的工匠精神，但這畢竟不是多數。許多時候藝術仍被視為揭露真理／真實（truth）的途徑（之一），但我們幾乎不可能回到那種浪漫的 Bringing-Forth 的實踐與時代。如果現代技術真如海德格所說，是人類與現代世界的牢籠，那麼海德格的論述與觀點本身，似乎也成為藝術的牢籠，將藝術關閉在一定的界線之內。

海德格的封閉性，技術哲學界也注意到了。技術哲學的後續發展，尤其是荷蘭學派，試圖超越海德格。正是在這一點上，荷蘭技術哲學更有助於我們理解 Obvious 的藝術實踐、它對於藝術的意義，並幫助我們回答兩個核心問題。

轉向荷蘭技術哲學

當代技術哲學中荷蘭學派的核心人物是 Peter-Paul Verbeek，其著作 What Things Do（2005）爬梳並評析了過往幾位技術哲學家的論述，海德格佔據重要篇幅。Verbeek 認為，海德格對於技術本質的探問，實際上是從技術本身「向後退」，將技術還原到技術之所是的條件（condition）。

這種觀點並非沒有道理，但後果往往指向悲觀的結局：人類被技術所限制。這種觀點也忽略了一個難以否認的事實：雖然技術可能帶來災難與危害，但更多時候技術往往提供人類與社會許多的自由與可能。Verbeek 強調，與其向後追問技術是什麼，不如「向前進」，探問「技術做什麼」——這也正是書名的由來。

為了回答這個問題，Verbeek 將眼光鎖定在人類與技術的關係之上，認為技術橋架起人類與外在世界的雙向關係：技術物影響外在世界如何呈現給（for）人類，亦即「世界是什麼」，也影響人類應對（to）外在世界的行動，亦即「人類做什麼」。

例如，溫度計呈現了一個有「度」的世界（而我們理所當然認為世界 是有「度」的）；塑膠杯或紙杯的材質本身就暗示我們「用完即丟」 （即使沒有使用手冊告訴我們這麼做）。換句話說，技術是一種中介物（mediator），中介了人類的經驗（experience）與行動（praxis），不論設計師或製造者有無相關意圖。將這兩種技術中介合併起來，就是一個完整的技術中介論（如下圖）。

需要注意的是，技術雖然身處兩端之間，但它不是單純的媒介物或中間物（intermediary），亦即，它並未忠實的再現「已經在那」（already-out-there）的世界，也不僅僅是傳達人類的意志或想望。遠紅外線光譜儀只能呈現遙遠恆星的特定面向，非遠紅外線所能呈現者皆被遺漏在人類視野之外；汽車被設計來方便人類移動，沒有人預料到結果竟是每個駕駛都成為了移動污染的製造者。換句話說，技術兩側的人類與技術的之所是，並不是因為他／它們有什麼本質或真實的存在（being），而是在與技術產生關係之後才生成的（becoming）。

聚焦人類—技術關係，讓我們得以重新看待許多本來被視為專屬人類的事務。例如，Verbeek 在續作 Moralizing Technology（2011）中論證，如果人類的道德經驗和道德行動都是技術中介的產物，那麼倫理學就不能只是一門以人類為中心的學問，而必須考慮並納入技術所能扮演的道德角色。

也就是說，將一個道德決策或道德行為還原到人類的意向與思考並不足夠；反之，我們應該把這些決策和行為視為人類和技術互動的產物。人類的確是能動者（agent），但光有人類不足以成事，真正的能動性（agency）存在「人類＋技術」這個綜合體之上。

更有甚者，如果道德決策和道德行為是技術中介的後果，那麼道德標準很可能也是。亦即，什麼是道德的、什麼又是不道德的，這個判準會隨著技術的發展而改變。例如，隱私是從中世紀以來隨著技術發展而浮現出來的價值，但在這幾年達到高峰以後，隨著各種 ICT 技術的廣泛使用，千禧年世代卻已不再把保護隱私看成重要的道德行為。同樣地，Google Glass 問世之後，如果我們去看看使用者或試用者怎麼討論這項技術，我們就會發現，他們討論的不只是技術本身，也包括如何重新協商和定義什麼是隱私權。

如果我們隨著荷蘭技術哲學的腳步，轉向技術做什麼的問題，就會發現，技術中介論以及它的道德意涵，正好可以用於類比藝術，讓我們重新詮釋 Obvious 的行動能否算是藝術活動的問題。

藝術不只與人、也與物有關

首先，如果道德不是人類的專屬事務，那麼藝術亦然。我們常將藝術作品視為創作者意念或意圖的展現，並試圖從作品中讀出創作者賦予作品的意義，有時甚至有詮釋正確與否的爭議。但從技術中介論的角度來看，我們應當將藝術作品視為「創作者＋創作工具」的產物：不只是創作者透過工具來呈現他／她的想法，所使用的工具也會反過來形塑他／她的表達。

這也就是為什麼，有的創作者會找尋並嘗試新的材料，從材料出發來創作、讓材料「發聲」。換句話說，藝術作品並非單純由人類所創作，而是人類＋技術這個「創作體」的共同成果。

一旦我們把藝術創作的單位從「人類」換成「人類＋技術」，那麼拿著畫筆或雕刻刀來創作可以稱為藝術活動，使用演算法來創作亦然——兩者都是「創作體」的行為。從這個角度來看，問 AI 能否成為藝術家，似乎不具意義。人類是藝術家，但人類從未不透過技術來創作（即使拿著樹枝在地上畫圖，手上的樹枝也算是技術）；同樣地，AI 當然可以是藝術家，但它即使是號稱自學的機器學習，也不曾脫離人類的編程與資料輸入。

當然，我們可能會問：「人類＋畫筆」可以展現創意，但一個靠著演算法運作的 AI 加上人類，能夠展現任何創意嗎？這個問題的預設其實是：創意意味著某種出乎意料或不期而遇，但數學無法給予我們這些，畢竟它是可計算並預測的。這正是許多人對演算法作品的質疑。

然而，事實上並非如此，很多時候 AI 會丟出超乎編程人員預期之外的結果，有時候編程人員甚至無法在事後提出相關且合理的解釋。這正是許多論者視 AI 為危險的原因，然而，這種「危險」卻恰好反過來說明了 AI 也可以充滿創意。

另一方面，技術中介論表明，「什麼是道德」會隨著技術而改變，那麼「什麼是藝術」又未嘗不是？《觀察者的技術》一書，足以說明這種現象。作者 Jonathan Crary 認為，藝術史經常把藝術家看成是觀看方式的定義者，用藝術作品來引領大衆的視覺，但實際情況其實相反，是因為大眾的觀看方式早已轉變，才使得某些形式的作品得已被視為藝術。更重要的是，這種轉變與技術的發展互為表裡。

Crary 論證，17-18 世紀的技術物「暗箱」，引領並反映當時人們——包括科學家、藝術家、文學家——的觀看方式：人類只是被動的觀看者，外在世界會透過暗箱的透鏡投影到牆上，既無扭曲也沒變造。這種觀看方式意味著人類如何認識世界：透過不斷仔細描繪和收集外在世界的種種景象。在藝術上，是寫實主義的盛行，而在科學上，則是博物學的當道。那是一個「所是即所見」的時代。然而，到了 19 世紀初期，這種觀看方式一去不復返。

「後像」（afterimage）問題讓人們開始不再信任眼睛，也懷疑「所是及所見」的基本預設。利用各種視覺暫留與錯覺的技術產品大為盛行，其中以「立體試鏡」（stereoscope）為最。這種技術的流行，造成並反映當時人們的觀看方式：人類是主動的觀看者，外在世界究竟如何不得而知，人類能夠確定的只有眼睛所見的景象；換句話說，所見及所是。

這種觀看方式帶來了雙重的吊詭：一方面，人類失去了對真實的信心和掌握，只能依賴眼前的各種影像，有時甚至認為那些影像才是真的；但另一方面，人類開始試圖追逐甚至複製外在世界，以確保真實不會流失。之於前者，我們看到印象畫派的興起，認為「純描繪」印在眼睛上的像（尤其是光和影）才是真正的真實；之於後者，則是攝影技術的發展，有的人認為攝影只是複製真實毫無創意，而有的人則認為攝影也是一種藝術創作。

透過 Crary，我們可以看到，技術的發展確實改變了藝術的內涵。一方面，過往不被描繪的印象變成可以描繪的主題，甚至成為所謂現代藝術的發端；另外一方面，當所見比所是更加重要時候，視覺的各種可能性被完全打開，使得什麼是藝術有了更大的發揮空間。就像當年有人爭論印象派根本算不是好的藝術作品、有人大力質問攝影能否列為藝術，我們如今也在推敲 AI 或演算法的作品算能否算是藝術。這些正是藝術邊界因為技術而悄悄改變的明證。

藝術與技術的相互敞開

AI 可以創作藝術嗎？演算法的作品可以被稱為藝術嗎？這些問題，技術哲學可以提供一點想法。如果從傳統的技術哲學（海德格）來看，答案是否定的。由於海德格認為現代技術的 Challenging-Forth 是一種糟糕的 Revealing，有違技術與藝術系出同源的 Bringing-Forth，並且反對現代科技所隱含的數學性與計算性，使得我們不得不導向AI或演算法和藝術相互排斥的結論。然而，這種觀點限縮了藝術的開放性，也忽略了藝術不斷挑戰自我邊界的各種實踐。

當我們不再追問技術是什麼的時候，我們也得以從藝術是什麼的泥沼中逃脫。轉向荷蘭學派的技術哲學，讓我們得以把藝術創作的行動者從人類轉換成人類＋技術這個綜合體，並且再次將技術算進藝術內涵的變化之中。AI 當然可以創作藝術，但它從來不是獨自創作，正如同過往的偉大藝術家也未曾脫離他／她的繪畫工具。演算法的作品也有被視為藝術的可能，就像印象派和攝影都因為技術改變了藝術的內涵，而開始被稱為藝術一樣。