C-LAB 策展人吳達坤進一步說明,本次展覽規劃了 4 大章節,共集結來自 9 個國家 23 組藝術家團隊的 26 件作品,帶領觀眾從了解 AI 發展歷史開始,到欣賞各種結合科技的藝術創作,再到與藝術一同探索 AI 未來發展,希望觀眾能從中感受科技如何重塑藝術的創造範式,進而更清楚未來該如何與科技共生與共創。
從歷史看未來:AI 技術發展的 3 個高峰
其中,展覽第一章「流動的錨點」邀請了自牧文化 2 名研究者李佳霖和蔡侑霖,從軟體與演算法發展、硬體發展與世界史、文化與藝術三條軸線,平行梳理 AI 技術發展過程。
藉由李佳霖和蔡侑霖長達近半年的調查研究,觀眾對 AI 發展有了清楚的輪廓。自 1956 年達特茅斯會議提出「人工智慧(Artificial Intelligence))」一詞,並明確定出 AI 的任務,例如:自然語言處理、神經網路、計算學理論、隨機性與創造性等,就開啟了全球 AI 研究浪潮,至今將近 70 年的過程間,共迎來三波發展高峰。
第一波技術爆發期確立了自然語言與機器語言的轉換機制,科學家將任務文字化、建立推理規則,再換成機器語言讓機器執行,然而受到演算法及硬體資源限制,使得 AI 只能解決小問題,也因此進入了第一次發展寒冬。
-----廣告,請繼續往下閱讀-----
之後隨著專家系統的興起,讓 AI 突破技術瓶頸,進入第二次發展高峰期。專家系統是由邏輯推理系統、資料庫、操作介面三者共載而成,由於部份應用領域的邏輯推理方式是相似的,因此只要搭載不同資料庫,就能解決各種問題,克服過去規則設定無窮盡的挑戰。此外,機器學習、類神經網路等技術也在同一時期誕生,雖然是 AI 技術上的一大創新突破,但最終同樣受到硬體限制、技術成熟度等因素影響,導致 AI 再次進入發展寒冬。
走出第二次寒冬的關鍵在於,IBM 超級電腦深藍(Deep Blue)戰勝了西洋棋世界冠軍 Garry Kasparov,加上美國學者 Geoffrey Hinton 推出了新的類神經網路算法,並使用 GPU 進行模型訓練,不只奠定了 NVIDIA 在 AI 中的地位, 自此之後的 AI 研究也大多聚焦在類神經網路上,不斷的追求創新和突破。
從現在看未來:AI 不僅是工具,也是創作者
隨著時間軸繼續向前推進,如今的 AI 技術不僅深植於類神經網路應用中,更在藝術、創意和日常生活中發揮重要作用,而「2024 未來媒體藝術節」第二章「創造力的轉變」及第三章「創作者的洞見」,便邀請各國藝術家展出運用 AI 與科技的作品。
例如,超現代映畫展出的作品《無限共作 3.0》,乃是由來自創意科技、建築師、動畫與互動媒體等不同領域的藝術家,運用 AI 和新科技共同創作的作品。「人們來到此展區,就像走進一間新科技的實驗室,」吳達坤形容,觀眾在此不僅是被動的觀察者,更是主動的參與者,可以親身感受創作方式的轉移,以及 AI 如何幫助藝術家創作。
-----廣告,請繼續往下閱讀-----
而第四章「未完的篇章」則邀請觀眾一起思考未來與 AI 共生的方式。臺灣新媒體創作團隊貳進 2ENTER 展出的作品《虛擬尋根-臺灣》,將 AI 人物化,採用與 AI 對話記錄的方法,探討網路發展的歷史和哲學,並專注於臺灣和全球兩個場景。又如國際非營利創作組織戰略技術展出的作品《無時無刻,無所不在》,則是一套協助青少年數位排毒、數位識毒的方法論,使其更清楚在面對網路資訊時,該如何識別何者為真何者為假,更自信地穿梭在數位世界裡。
透過歷史解析引起共鳴
在「2024 未來媒體藝術節」規劃的 4 大章節裡,第一章回顧 AI 發展史的內容設計,可說是臺灣近年來科技或 AI 相關展覽的一大創舉。
過去,這些展覽多半以藝術家的創作為展出重點,很少看到結合 AI 發展歷程、大眾文明演變及流行文化三大領域的展出內容,但李佳霖和蔡侑霖從大量資料中篩選出重點內容並儘可能完整呈現,讓「2024 未來媒體藝術節」觀眾可以清楚 AI 技術於不同階段的演進變化,及各發展階段背後的全球政治經濟與文化狀態,才能在接下來欣賞展區其他藝術創作時有更多共鳴。
舉例來說,Google 旗下人工智慧實驗室(DeepMind)開發出的 AI 軟體「AlphaFold」,可以準確預測蛋白質的 3D 立體結構,解決科學家長達 50 年都無法突破的難題,雖然是製藥或疾病學領域相當大的技術突破,但因為與本次展覽主題的關聯性較低,故最終沒有列入此次展出內容中。
除了內容篩選外,在呈現方式上,2位研究者也儘量使用淺顯易懂的方式來呈現某些較為深奧難懂的技術內容,蔡侑霖舉例說明,像某些比較艱深的 AI 概念,便改以視覺化的方式來呈現,為此上網搜尋很多與 AI 相關的影片或圖解內容,從中找尋靈感,最後製作成簡單易懂的動畫,希望幫助觀眾輕鬆快速的理解新科技。
吳達坤最後指出,「2024 未來媒體藝術節」除了展出藝術創作,也跟上國際展會發展趨勢,於展覽期間規劃共 10 幾場不同形式的活動,包括藝術家座談、講座、工作坊及專家導覽,例如:由策展人與專家進行現場導覽、邀請臺灣 AI 實驗室創辦人杜奕瑾以「人工智慧與未來藝術」為題舉辦講座,希望透過帶狀活動創造更多話題,也讓展覽效益不斷發酵,讓更多觀眾都能前來體驗由 AI 驅動的未來創新世界,展望 AI 在藝術與生活中的無限潛力。
今年的諾貝爾化學獎是由三位學者所共享,他們的研究涵蓋了兩個重要領域:質譜與核磁共振。這三位得獎者是美國 Virginia Commonwealth 大學的 John B. Fenn,日本島津(Shimadzu)公司年僅四十三歲的研發工程師田中耕一(Koichi Tanaka)以及瑞士理工學院的 Kurt Wuthrich,前二者所專精的是質譜方面的研究,而後者是由於在核磁共振方面的研究而得獎。他們最主要的貢獻,是利用這些工具來解決巨大的生化分子之結構問題,他們的成就代表了一個革命性的突破,使得"化學生物"(chemical biology)成為現今的"大科學"(big science)。化學家們現在已經可以快而準確的鑑定一個試樣中含有的蛋白質為何物,他們也能夠繪出蛋白質分子在溶液中的三度空間圖像,也就是說,化學家已有能力"看到"蛋白質並瞭解它們在細胞中如何的作用。
其實早在十九世紀末頁,質譜就已奠下了基礎,在 1912 年,湯木森(Joseph J. Thompson)就報告了第一例的小分子結構分析。好幾個二十世紀的諾貝爾獎工作就是直接倚賴質譜分析,例如 Harold Urey 發現氘(1934年諾貝爾獎),以及"碳足球"富勒烯(fullerenes 又稱碳六十)的發現,導致 Robert Curl、Harold Kroto 與 Richard Smalley 得到 1996 年的諾貝爾獎。
雖然與其它的小分子比較,高分子的確很大,但實際上一個單一的高分子仍然是極為渺小的,例如血紅素的一個分子的質量只不過是10-19克左右,那麼要如何量度這麼小的質量呢?關鍵就在於如何讓蛋白質分子相互分開,並形成一片可自由飛翔,並且攜帶電荷的蛋白質離子雲霧,緊接著量度這些離子質量(因之而能鑑定蛋白質)的常用方法,就是在一個真空室中將它們加速,然後量度其飛行時間(Time Of Flight, TOF),它們達到目的地的先後與其質量以及電荷有關,越輕而且電荷越高者,越快抵達。
-----廣告,請繼續往下閱讀-----
現今有兩種做法能使得蛋白質轉變為氣態離子而不會改變其結構與形體,這兩種方法背後的發明者就是今年共享一半諾貝爾獎的兩位學者。其中由 John B. Fenn 所發展的方法是運用一個很強的電場將試樣噴灑出去(稱為電灑法,見圖一),而產生一個個帶電荷並能自由飛翔的離子。另一種方式是運用一個強烈的雷射脈衝,在適當的條件下(視能量,與試樣的結構和化學環境而定)運作,試樣可接受雷射脈衝的能量而被釋放成為自由的離子(見圖二),頭一個展示這種"輕雷射脫附"(soft laser desorption)現象可運用在蛋白質這種大分子的人就是田中耕一(Koichi Tanaka)。
Fenn 的貢獻 ─ 透過噴灑的飛翔
在 1988 年 John B. Fenn 發表了兩篇後來被視為突破性的質譜論文,那是有關電灑高分子的研究。在第一篇論文中,他研究具有未知質量的聚乙二醇(polyethylene glycol)的質譜,發現可以運用他的方法處理具有高分子質量及高電荷的大分子。他的第二篇論文顯示這個方法亦可運用在中等大小的蛋白質上。離子的釋出是藉由一個電場將試樣噴灑出去,形成許多帶電荷的水滴,當水滴中的水蒸發之後就剩下了帶電而且可自由翱翔的赤裸裸蛋白質分子,這個方法被稱為電灑游離法(electrospray ionization , ESI)。
電灑游離法(ESI)與輕雷射脫附法(SLD)可運用在許多領域。這個在現在生化分析中已經成熟的方法,在數年前還不過是個夢想。研究蛋白質之間的作用對瞭解生命體中的訊號系統是非常重要的,這些以非共價鍵結合的生化分子錯合體,可以運用 ESI 來研究,這種方法優於其它方法的原因,在於具有快速,靈敏以及能發現作用機制的多項好處。質譜分析的方法相對而言算是便宜的,這也使得此項技術迅速的擴散到世界上各各角落的實驗室中。現在輕雷射脫附法(MALDI 的形式)與電灑游離法已成為分析胜肽,蛋白質與碳水化合物的標準方法,它們可以迅速的分析出一個完整的細胞或活組織中的蛋白質成分。從下面所列現今的一些研究領域之例子,就可看出今年的諾貝爾獎工作所衍生的運用之廣泛:
質譜可針對譬如說蛋白質所提出的"哪一種?"與"有多少?"的問題給予答案。簡言之,核磁共振則可回答"長相如何?"。即使是最大的蛋白質在任何顯微鏡底下的解析度仍然很低,因為它仍然太小了,為了要能得到一張蛋白質真正長相的圖片,就必須用其它的方法,核磁共振(NMR,nuclear magnetic resonance)的技術就是其中之一。透過核磁共振光譜訊號的解釋,我們就可以對所研究的分子繪出一張三度空間的圖像。其巧妙之處在於試樣可以是一種溶液態,如果是蛋白質的話,那正是細胞中的自然情況。
在核磁共振發展之前,以晶體的 X 光繞射光譜來決定蛋白質分子的三度空間結構是唯一的方法,在 1957 年發表了第一個真正的蛋白質(肌紅蛋白)之三維結構,這使得 Max Perutz 因此於 1962 年得到諾貝爾化學獎。這種結晶學是基於 X 光在蛋白質晶體中的繞射現象,導致了更進一步的一些諾貝爾獎工作之發展。化學家一直在尋求另一種與 X 光結晶學互補的方法,能夠決定分子在溶液相中之結構,因為這較能模擬生化分子在自然界中存在的狀態。
物理學家 Felix Bloch 與 Edward Purcell 早在 1945 年就發現,將某些原子核置於一個強大的磁場中時,透過所謂的核轉量(nuclear spin),會吸收無線電波的頻率,這個發現導致他們得到了 1952 年的諾貝爾物理獎。在這之前幾年也已發現核磁共振的頻率不但與磁場的強度以及核種有關,同時也與這個原子週遭的化學環境有關,更進一步的,不同的核之核轉量會相互影響而在光譜中產生一些細部結構,換言之會因此在核磁共振光譜中產生更多的訊號。
-----廣告,請繼續往下閱讀-----
早期 NMR 的運用受限於其低靈敏度:它需要非常濃的溶液,不過在 1966 年,瑞士的化學家 Richard Ernst(1991年諾貝爾化學獎)的研究顯示,若改變過去慢慢改變掃描頻率的做法,而以一個短而強的無線電波脈衝施於樣品,則可以大幅提昇其靈敏度。他的貢獻也包括了在 1970 年代所發展的方法,能決定在一個分子中每一個核的相鄰關係,因此透過 NMR 光譜的判讀就可以推導出該分子的長相,也就是它的結構。這種方法對於相當小的分子是很成功的,然而對於大的分子就很難分辨不同的核之訊號,這種分子的光譜就好像一塊草皮一般(每一根草代表一根訊號),含有上千根的訊號,造成無法區辨哪一個訊號是屬於哪一個核的。最後解決了這個問題的科學家就是瑞士的化學家 Kurt Wuthrich。
在許多方面,NMR 與 X 光結晶學的方法在結構的決定上是互補的,如果一個蛋白質用這兩種方法都分析一遍,前者在溶液中後者則是晶體的形式,通常會得到一致的結果,例外常是發生在一些表面較易受到環境影響的區域 ─ 在晶體中緊密堆積的蛋白質分子相互的影響,在溶液中包圍著分子的溶劑分子的影響。雖然 X 光結晶學的方法強在能非常準確的決定非常大的三維結構,NMR 的方法也有其獨到之處,因為它可以決定在溶液中的結構,代表我們可以模擬真正的生理條件。它最強的地方在於顯示出分子中沒有結構性或動態最高的區域,它可探知其游動性與活動狀況,以及瞭解在蛋白質的鏈上這些運作如何變化。利用同位素的標籤,亦有助我們對結構的鑑定。