開車就忘掉手機吧！

本文由 鼎新數智 與 泛科學 共同規劃與製作

你有沒有想過，當 AI 根據病歷與 X 光片就能幫你診斷病症，或者決定是否批准貸款，甚至從無人機發射飛彈時，它的每一步「決策」是怎麼來的？如果我們不能知道 AI 的每一個想法步驟，對於那些 AI 輔助的診斷和判斷，要我們如何放心呢？

馬斯克與 OpenAI 的奧特曼鬧翻後，創立了新 AI 公司 xAI，並推出名為 Grok 的產品。他宣稱目標是以開源和可解釋性 AI 挑戰其他模型，而 xAI 另一個意思是 Explainable AI 也就是「可解釋性 AI」。

如今，AI 已滲透生活各處，而我們對待它的方式卻像求神問卜，缺乏科學精神。如何讓 AI 具備可解釋性，成為當前關鍵問題？

黑盒子模型背後的隱藏秘密

無法解釋的 AI 究竟會帶來多少問題？試想，現在許多銀行和貸款機構已經使用 AI 評估借貸申請者的信用風險，但這些模型往往如同黑箱操作。有人貸款被拒，卻完全不知原因，感覺就像被分手卻不告訴理由。更嚴重的是，AI 可能擅自根據你的住所位置或社會經濟背景給出負面評價，這些與信用風險真的相關嗎？這種不透明性只會讓弱勢群體更難融入金融體系，加劇貧富差距。這種不透明性，會讓原本就已經很難融入金融體系的弱勢群體，更加難以取得貸款，讓貧富差距越來越大，雪上加霜。

AI 不僅影響貸款，還可能影響司法公正性。美國部分法院自 2016 年起使用「替代性制裁犯罪矯正管理剖析軟體」 COMPAS 這款 AI 工具來協助量刑，試圖預測嫌犯再犯風險。然而，這些工具被發現對有色人種特別不友好，往往給出偏高的再犯風險評估，導致更重的刑罰和更嚴苛的保釋條件。更令人擔憂的是，這些決策缺乏透明度，AI 做出的決策根本沒法解釋，這讓嫌犯和律師無法查明問題根源，結果司法公正性就這麼被悄悄削弱了。

此外，AI 在醫療、社交媒體、自駕車等領域的應用，也充滿類似挑戰。例如，AI 協助診斷疾病，但若原因報告無法被解釋，醫生和患者又怎能放心？同樣地，社群媒體或是 YouTube 已經大量使用 AI 自動審查，以及智慧家居或工廠中的黑盒子問題，都像是一場越來越複雜的魔術秀——我們只看到結果，卻無法理解過程。這樣的情況下，對 AI 的信任感就成為了一個巨大的挑戰。

為什麼人類設計的 AI 工具，自己卻無法理解？

原因有二。首先，深度學習模型結構複雜，擁有數百萬參數，人類要追蹤每個輸入特徵如何影響最終決策結果，難度極高。例如，ChatGPT 中的 Transformer 模型，利用注意力機制（Attention Mechanism）根據不同詞之間的重要性進行特徵加權計算，因為機制本身涉及大量的矩陣運算和加權計算，這些數學操作使得整個模型更加抽象、不好理解。

其次，深度學習模型會會從資料中學習某些「特徵」，你可以當作 AI 是用畫重點的方式在學習，人類劃重點目的是幫助我們加速理解。AI 的特徵雖然也能幫助 AI 學習，但這些特徵往往對人類來說過於抽象。例如在影像辨識中，人類習慣用眼睛、嘴巴的相對位置，或是手指數量等特徵來解讀一張圖。深度學習模型卻可能會學習到一些抽象的形狀或紋理特徵，而這些特徵難以用人類語言描述。

深度學習模型通常採用分佈式表示（Distributed Representation）來編碼特徵，意思是將一個特徵表示為一個高維向量，每個維度代表特徵的不同方面。假設你有一個特徵是「顏色」，在傳統的方式下，你可能用一個簡單的詞來表示這個特徵，例如「紅色」或「藍色」。但是在深度學習中，這個「顏色」特徵可能被表示為一個包含許多數字的高維向量，向量中的每個數字表示顏色的不同屬性，比如亮度、色調等多個數值。對 AI 而言，這是理解世界的方式，但對人類來說，卻如同墨跡測驗般難以解讀。

試想，AI 協助診斷疾病時，若理由是基於醫生都無法理解的邏輯，患者即使獲得正確診斷，也會感到不安。畢竟，人們更相信能被理解的東西。

打開黑盒子：可解釋 AI 如何運作？我們要如何教育 AI？

首先，可以利用熱圖（heatmap）或注意力圖這類可視化技術，讓 AI 的「思維」有跡可循。這就像行銷中分析消費者的視線停留在哪裡，來推測他們的興趣一樣。在卷積神經網絡和 Diffusion Models 中 ，當 AI 判斷這張照片裡是「貓」還是「狗」時，我需要它向我們展示在哪些地方「盯得最緊」，像是耳朵的形狀還是毛色的分布。

其次是局部解釋，LIME 和 SHAP 是兩個用來發展可解釋 AI 的局部解釋技術。

SHAP 的概念來自博弈，它將每個特徵看作「玩家」，而模型的預測結果則像「收益」。SHAP 會計算每個玩家對「收益」的貢獻，讓我們可以了解各個特徵如何影響最終結果。並且，SHAP 不僅能透過「局部解釋」了解單一個結果是怎麼來的，還能透過「全局解釋」理解模型整體的運作中，哪些特徵最重要。

以實際的情景來說，SHAP 可以讓 AI 診斷出你有某種疾病風險時，指出年齡、體重等各個特徵的影響。

LIME 的運作方式則有些不同，會針對單一個案建立一個簡單的模型，來近似原始複雜模型的行為，目的是為了快速了解「局部」範圍內的操作。比如當 AI 拒絕你的貸款申請時，LIME 可以解釋是「收入不穩定」還是「信用紀錄有問題」導致拒絕。這種解釋在 Transformer 和 NLP 應用中廣泛使用，一大優勢是靈活且計算速度快，適合臨時分析不同情境下的 AI 判斷。比方說在醫療場景，LIME 可以幫助醫生理解 AI 為何推薦某種治療方案，並說明幾個主要原因，這樣醫生不僅能更快做出決策，也能增加患者的信任感。

第三是反事實解釋：如果改變一點點，會怎麼樣？

如果 AI 告訴你：「這家銀行不會貸款給你」，這時你可能會想知道：是收入不夠，還是年齡因素？這時你就可以問 AI：「如果我年輕五歲，或者多一份工作，結果會怎樣？」反事實解釋會模擬這些變化對結果的影響，讓我們可以了解模型究竟是如何「權衡利弊」。

最後則是模型內部特徵的重要性排序。這種方法能顯示哪些輸入特徵對最終結果影響最大，就像揭示一道菜中，哪些調味料是味道的關鍵。例如在金融風險預測中，模型可能指出「收入」影響了 40%，「消費習慣」占了 30%，「年齡」占了 20%。不過如果要應用在像是 Transformer 模型等複雜結構時，還需要搭配前面提到的 SHAP 或 LIME 以及可視化技術，才能達到更完整的解釋效果。

講到這裡，你可能會問：我們距離能完全信任 AI 還有多遠？又或者，我們真的應該完全相信它嗎？

我們終究是想解決人與 AI 的信任問題

當未來你和 AI 同事深度共事，你自然希望它的決策與行動能讓你認可，幫你省心省力。因此，AI 既要「可解釋」，也要「能代理」。

舉例來說，當一家公司要做一個看似「簡單」的決策時，背後的過程其實可能極為複雜。例如，快時尚品牌決定是否推出新一季服裝，不僅需要考慮過去的銷售數據，還得追蹤熱門設計趨勢、天氣預測，甚至觀察社群媒體上的流行話題。像是暖冬來臨，厚外套可能賣不動；或消費者是否因某位明星愛上一種顏色，這些細節都可能影響決策。

這些數據來自不同部門和來源，龐大的資料量與錯綜關聯使企業判斷變得困難。於是，企業常希望有個像經營大師的 AI 代理人，能吸收數據、快速分析，並在做決定時不僅給出答案，還能告訴你「為什麼要這麼做」。

傳統 AI 像個黑盒子，而可解釋 AI （XAI）則清楚解釋其判斷依據。例如，為什麼不建議推出厚外套？可能理由是：「根據天氣預測，今年暖冬概率 80%，過去三年數據顯示暖冬時厚外套銷量下降 20%。」這種透明解釋讓企業更信任 AI 的決策。

但會解釋還不夠，AI 還需能真正執行。這時，就需要另一位「 AI 代理人」上場。想像這位 AI 代理人是一位「智慧產品經理」，大腦裝滿公司規則、條件與行動邏輯。當客戶要求變更產品設計時，這位產品經理不會手忙腳亂，而是按以下步驟行動：

1. 檢查倉庫物料：庫存夠不夠？有沒有替代料可用？
2. 評估交期影響：如果需要新物料，供應商多快能送到？
3. 計算成本變化：用新料會不會超出成本預算？
4. 做出最優判斷，並自動生成變更單、工單和採購單，通知各部門配合執行。

這位 AI 代理人不僅能自動處理每個環節，還會記錄每次決策結果，學習如何變得更高效。隨時間推移，這位「智慧產品經理」的判斷將更聰明、決策速度更快，幾乎不需人工干預。更重要的是，這些判斷是基於「以終為始」的原則，為企業成長目標（如 Q4 業績增長 10%）進行連續且動態地自我回饋，而非傳統系統僅月度檢核。

這兩位 AI 代理人的合作，讓企業決策流程不僅透明，還能自動執行。這正是數智驅動的核心，不僅依靠數據驅動決策，還要能解釋每一個選擇，並自動行動。這個過程可簡化為 SUPA，即「感知（Sensing）→ 理解（Understanding）→ 規劃（Planning）→ 行動（Acting）」的閉環流程，隨著數據的變化不斷進化。

以偉勝乾燥工業為例，他們面臨高度客製化與訂單頻繁變更的挑戰。導入鼎新 METIS 平台後，偉勝成功將數智驅動融入業務與產品開發，專案準時率因此提升至 80%。他們更將烤箱技術與搬運機器人結合，開發出新形態智慧化設備，成功打入半導體產業，帶動業績大幅成長，創造下一個企業的增長曲線。

值得一提的是，數智驅動不僅帶動業務增長，還讓員工擺脫繁瑣工作，讓工作更輕鬆高效。

數智驅動的成功不僅依賴技術，還要與企業的商業策略緊密結合。為了讓數智驅動真正發揮作用，企業首先要確保它服務於具體的業務需求，而不是為了技術而技術。

這種轉型需要有策略、文化和具體應用場景的支撐，才能讓數智驅動真正成為企業持續增長的動力。

還在猶豫數智驅動的威力？免費上手企業 AI 助理！ 企業 AI 體驗 現在使用專屬邀請碼《 KP05 》註冊就享知：https://lihi.cc/EDUk4 訂閱泛科學獨家知識頻道，深入科技趨勢與議題內容。 立即免費加入

本文由 環境部 委託，泛科學企劃執行。 

政策環評是什麼，跟一般環評差在哪？

隨著公共建設的規模越來越大，傳統的環境影響評估（EIA），難以應對當今層層疊疊的環境議題。當我們評估一項重大政策時，只看「單一開發案」已經不夠，就像評估一棵樹，卻忽略了整片森林。因此，政策環境影響評估（SEA）應運而生，它看樹，也看森林，從政策的角度進行更全面的考量與評估。

與只專注於「單一開發案」的個案環評不同，政策環評更像是一場全面性的檢視，強調兩個核心重點：「整合評估」與「儘早評估」。簡單來說，這不再是逐案評估的模式，而是要求政府在制定政策時，就先全面分析可能帶來的影響，從單一行為的侷限中跳脫，轉而聚焦在整體影響的視角。無論是環境的整體變化，還是多項行為累計起來的長期影響，政策環評的目的就是讓這些潛在問題能儘早浮現、儘早解決。

除此之外，政策環評還像是一個大型的協商平台，以永續發展為最高指導原則，公開整合來自不同利益團體、民眾與各機關的意見。這裡，決策單位不再只是單純的「評分者」，而是轉為「協調者」或「仲裁者」，協調各方的意見看法在這裡得到整合，讓過程更具包容性。

政策環評並沒有所謂的「否決權」，而是側重意見的蒐集與整合，讓行政機關在政策推動時，能更全面地掌握各方意見。政策環評旨在建立系統化、彈性的決策評估程序（包含量化、特徵化等評估方式），也廣納社會面或民眾滿意度等影響因子，把正式與非正式的作法一併考量進去。再來，決策程序中能層層檢討、隨時修正，也建立了追蹤機制和成效評估標準（如環境殘餘效應、累積效應等），透過學習來強化決策品質與嚴謹度。就像一場球賽，隨時根據變化、調整策略。

這樣的制度設計，就非常適合離岸風電這類規模大、跨區域、影響層面廣泛的能源政策評估，讓我們可以在政策推動初期就想到整個工程對環境、產業發展與社會的諸多影響，也為後續政策執行奠定更穩固的基礎。

離岸風電為何需要的是政策環評？

離岸風電是能源轉型的重要策略之一，但這不是只在某塊空地上架幾個風車，而是要在廣闊的大海中進行大規模建設，牽涉的不僅是發電，還涉及海洋保育、航空交通、水下文化資產等議題，更與當地漁民的權益息息相關。

這樣的大型離岸風電工程，因海洋環境的風險和不確定性極高，很容易讓人擔心生態影響。如何在海洋生態保護和綠能發展之間找到平衡點？這就需要政策環評的把關，從多方檢視這些複雜的挑戰，確保政策推行既能穩妥，又能達成發電目標。

2016 年 3 月，經濟部自願提出「離岸風電區塊開發政策評估說明書」，是臺灣首次針對再生能源政策所進行的政策環評。根據這份評估說明書，政府將採分期公告、逐年檢討的方式，每三年開放 0.5~1 百萬瓩（GW）的電量額度鼓勵業者投入開發。當時環保署（現為環境部）歷經九個月召開 2 次意見徵詢會議，蒐集環評委員、專家學者、相關機關、民眾等意見，最終於同年 12 月的環評委員會作出徵詢意見。這些協商和檢討的過程，讓政策「名正言順」，得以充分顧及各方利益與生態平衡。

共通性環境議題與因應對策

在「離岸風電區塊開發政策評估說明書」中，環評會議盤點了開發過程中共通的環境議題。

首先，對於海洋生態保育的重點，特別是對中華白海豚的保護。環評會要求風機基座必須距離白海豚棲地1公里以上，以減少對其生態的干擾。實際上，這項規範在後續的實務執行中更為嚴格，例如，福海二期示範風場已退縮到 2.5 公里外，臺電二期風場甚至退到 4.2 公里外，顯示政策環評確實發揮了實質作用。此外，針對施工期間的聲音干擾，要求施工需有 30 分鐘以上的打樁緩啟動時間，並限制聲量不得超過 180 分貝等。

針對鳥類保育，政策環評也訂立了具體規範。其中，包括風機之間必須留設 500 公尺以上的鳥類穿行廊道，並在施工期間避開每年 11 月至隔年 3 月的候鳥過境期。同時，為確保這些措施確實生效，工程方也被要求設置「鳥類活動監測系統」，持續追蹤、評估風場對鳥類的影響。

此外，環評會也確立了「先遠後近」的開發原則，要求優先開發較單純的航道外側區塊，待累積足夠經驗及相關資料後，再進行近岸區域的開發。這項原則考量了近海生態系的複雜性，也顧到養殖漁業的漁民權益，展現出政策環評在平衡發展需求與環境保護上的價值。

新一代的審查機制：達成能源轉型及環境保護雙贏

為提升環評效率並確保審查品質，環境部參考過去離岸風電審查經驗，制定「風力發電離岸系統開發行為環境影響評估初審作業要點」，建立了全新的二階段審查機制。

這套新機制分為兩個階段。第一階段，就像「初步檢查」，由環境部依照檢核表進行初審，並由環評審查委員會執行秘書邀集 2-5 位環評委員進行初審，通過第一階段初審之業者，可取得經濟部遴選資格，其初審結果有效期為兩年，必要時可申請展延一年。接著進入「第二階段」，開發單位檢附目的事業主管機關核配的容量證明文件等資料，提供更詳細的環境影響說明書以進行實質審查。

檢核表明確規範了 15 大項審查事項、112 項檢核項目，涵蓋開發案的全生命週期。

在工程面，包含風機及海上變電站基礎設置、海域電纜路線規劃、陸域設施工程等硬體設施的規範。其中，風機基礎設置必須避開海岸保護區、河口、潮間帶等環境敏感區域，且須進行地震危害度分析。海域電纜部分，除特殊情形外，埋設深度至少須達 1.5 公尺，且不得跨越中華電信海底電纜 1 公里的範圍。

環境保護上，檢核表則對施工噪音管制訂立了明確標準。舉例來說，打樁期間警戒區 750 公尺範圍內的水下噪音不得超過 160 分貝，且必須全程採用最佳噪音防制工法。同時，每個開發案或聯席審查的風場，同一時間內只能進行一支基樁施作，而日落前一小時到日出前也不得啟動新的打樁作業。

環境監測計畫更是檢核表中的重點，分為「施工前、施工期間、營運期間」三階段，每個階段都規定了詳細的監測要求（包括海域底質監測、水下噪音監測、鯨豚目視監測等）。以鯨豚監測為例，每年需執行20趟次，四季中每季至少執行 2 趟次。此外，所有監測數據都必須上傳至環境部「環保專案成果倉儲系統」（https://epaw.moenv.gov.tw/）供各界查閱。

這套標準化的審查機制不僅解決了「同一風場可能有多家廠商重複調查或審查」的資源浪費，也透過明確的檢核項目，讓開發單位在規劃階段就能掌握更具體的環境保護要求。不僅如此，該機制亦確保了環境保護標準前後一致，避免不同案件之間標準不一。

結語

透過新的審查機制，環境部正積極推動再生能源開發案的環評審查作業，在提升行政效率之餘，也確保環境影響評估的品質，支持臺灣的離岸風電開發及國家能源轉型政策，也做好把關。藉由標準化檢核表和二階段審查制度，期待能在推動能源轉型的同時落實環境保護。

為確保制度能持續精進，環境部每半年至一年會進行制度檢討，並持續公開所有環評書件於「環評書件查詢系統」（https://eiadoc.moenv.gov.tw/eiaweb/）。此外，環評會議召開前一週，也必須在指定網站公布開會訊息，讓民眾能申請列席旁聽或發表意見。透明化措施一方面展現了政府推動永續發展的決心，另一方面也確保全民能共同參與監督離岸風電的發展過程。未來，這套制度將在各界的檢視與建議中持續完善，為臺灣的永續發展貢獻心力，發揮環評作業的最大效益。

• 作者／高涌泉

人有人權，機器人是否應該也有某種類似於人權的權力（姑且稱之為「機器人權」）？目前這個問題還沒有被大眾認可的標準答案，因為我們還不知道機器人是否值得擁有機器人權。以當下（2021）最先進的機器人來說，我想多數人對於將它「關機」，不會有絲毫猶豫，就像我們可以毫不在意地任意關掉（或開啟）最先進的蘋果電腦。也就是說，當前最先進的機器人還沒有先進到需要我們去擔心關機是否影響它的福祉（生命）。但是未來呢？當，譬如說，一萬年之後 （ 或許不用那麼久，說不定一千年之後即可？）的機器人，已具備人性（我稍後會討論出現這種狀況的機率），那時人類應該允許機器人擁有機器人權嗎？

科幻電影中的機器人

對於這個假設性問題，好萊塢已經給了答案——你所能想像的狀況大約已經出現於某部科幻電影裡。有一類情境相當常見，讓我舉幾部很好看的片子為例來說明：

1. Ex Machina（人造意識，也譯為機械姬；據說拉丁文片名本意是「來自機器」）。片中的女機器人在主人的設計下，已經具有足以通過「圖林測試」（Turing Test）的智能，但是她還進一步發展出主人所不知的自主意識，最終為了自由而殺死把機器人當作娛樂工具的主人。
2. Blade Runner（銀翼殺手）。此片的機器人是仿生人，在外貌、語言以及行動上，與人類沒有區別，和 Ex Machina 中的機器人相比，好似更加先進，然而其機器人本質還是可以被一項對於情緒反應的測試揭發（有如測謊器的功能），片中機器人當然也被安排會為了避免「被退休」而殺人。
3. I, Robot（機械公敵）。片中機器人在外貌上，與人類有明顯區分，它們被製造來服務人類，有遠超越人類的體能，因此必須遵循艾西莫夫「機器人三定律」（第一定律：機器人不得傷害人類，或坐視人類受到傷害；第二定律：機器人必須服從人類命令，除非命令抵觸第一定律；第三定律：機器人在不違背前兩定律的情況下，必須保護自己），此片也一樣安排讓機器人產生某種程度的自主意識（主角機器人甚至會做夢），以及與人類的衝突。

以上三部科幻片的共同點是人類製造出的機器人終究會產生某種具自由意志的心智，並且會捍衛自己生存的權利、抗拒人類的宰制。這種「覺醒、反抗、勝利」三部曲的故事也廣為其他科幻電影所採用。（有一部叫好叫座、由 HBO 推出的科幻電視影集 Westworld（西方極樂園）也是大致循這樣的套路。）事實上，這樣的套路也出現在非科幻的一般劇情片中，大約是這種勵志招式符合某種人類的心理需求，所以很受歡迎。總之我們從機器人科幻片學到了兩件事：一是我們與機器人的關係取決於機器人能否產生自我意識（心靈），而且大家願意相信機器人應該終究會具有這樣的能力；第二是對於我們應該賦予機器人多少「機器人權」的問題，無論我們如何操心，恐怕不是重要的事，因為就如「人權是爭取來的，不是靠施捨的」，「機器人權」的內涵還是由機器人決定。不過這兩點若真要仔細推敲，就會發現可以質疑的地方非常多。

機器人適用心物二元論還是原子論？

首先，到底什麼是機器人？對此我一直沒有下個定義，因為不需要：大家都很清楚機器人儘管在外型與行為上，有很多種類，但一定都是人造的。所以機器人就是人造人（或人工人），是人類用材料製造出來的。所謂的材料就是物質，物質拆解到最後，就是各種原子罷了。所以機器人都是原子組裝出來的。但是人類不也是由原子組成的嗎？為什麼人不是機器人？或者，人其實也是一種是機器人？也就是說人也不過是一群原子依據某種明確的指令（程式、算則）在運行罷了！然而自古以來，不斷有哲學家懷疑這樣的看法，因為大家想不透在這樣的假設下，自由意志（俗稱靈魂）如何能夠出現？如果不行，也就是說靈魂這東西和物質屬於兩個範疇（即所謂的二元論），那麼人當然就不是機器人了：人有靈魂，機器人沒有。

但是自古以來也有不少人不相信二元論，例如古希臘的原子論者就不相信有獨立的靈魂這回事，以法國哲學家柏格森（Henri Bergson）的話說，原子論者相信的是「身體、靈魂、所有的物體以及世界，都是由原子所構成的。自然現象和思維都只是原子的運動而已。一切的事物與現象都是由原子、原子之間的真空（void）、以及原子的運動所組成的。除此之外，就沒有其他東西了。」如果原子論終究是對的，那麼人便只是一類較高明的機器人罷了！

那麼到底二元論與原子論兩者間哪一個比較有道理？（當然了，聰明的哲學家還發明出其他更繁複細膩，或者說更怪異有趣的理論，例如原子本身就是有意識之物體的說法等等，感興趣的人可以自行探究。）自近代科學出現以來，由於物理、化學與生命科學以及電腦科學的快速進展，眾多科學家自然地認為原子論的觀（自然現象和思維都只是原子的運動而已）是一件合理的假設，理解意識如何出現在腦子裡於是成為眾多研究的目標。

認知思考的想像實驗

美國哲學家瑟爾（John Searle）在 1980 年提出一項想像實驗（類似的想法其他人也有），試圖證明意識絕不是物質加上（電腦）程式就能產生的，具體說，即電腦不可能具有思考能力。他這個想像實驗一般稱為「中文房間論證」（Chinese room argument），讓我用一個不同於瑟爾原始版本、但我想仍不失其意的簡化版來說明這個論證：設想在某房間裡有位美國哲學家，他不懂中文與日文，但是能夠依據指令行事，房間裡有個資料庫，裡面有一份中日文字對照表（對哲學家來說，這裡的中日文字都只是奇怪的符號而已）及一本以英文寫的中日文語法規則簿（即中日文字對照表內符號之間應遵循的關係），我們將一篇中文文章送進房裡，這位先生就依據房間裡的資料庫，將這篇文章「翻譯」成日文，然後送出房間。房間外的人會以為這篇文章是房間內有位懂中文與日文的人所做的翻譯，但是瑟爾說房內的哲學家根本不知道他所經手的文章在講些什麼。

以行話說，瑟爾想示範的是掌握了「語法」（syntax）不意味就了解「語意」（semantics），而不了解語意就談不上認知與思考。總之，瑟爾的重點是知道依據明確的規律來操弄符號（這是所謂「人工智慧（智能）」（AI）的功能）儘管有翻譯的本事，但仍不具認知、理解與思考的能力，也就是他不相信電腦（AI）能夠導致意識與心靈。瑟爾的講法引發大量評論，有人主張自由意識根本是個幻覺（當然另有人說這麼想的人錯得離譜），也有人主張人腦與電腦有根本差異（但是究竟差異為何，則意見紛雜）等等。

在我的簡化版本中，瑟爾的想像實驗假設了機器翻譯是行得通的（但是即便如此，機器還是沒有意識可言），不過長久以來，機器翻譯其實一直沒有太大的進展。然而近年來由於大數據與深度學習方法的出現，機器翻譯的水準已經頗為可觀，儘管還算不上完美，但是已經不像更早些時，譯文漏洞百出，明顯就不是人為的。同樣地，深度學習也讓電腦下棋（無論是西洋棋或是圍棋）的功力，遠遠超越人類棋手。在翻譯與下棋之外，電腦還有很多令人刮目相看的新本事（傳統的本事當然是其快速計算的能力），所以就算電腦還談不上有真正的意識（無論這是什麼意思）可言，不少人（包括我）已經感到震撼。

對於意識等抽象概念的探討，如果沒有具體的例子作為對象，容易流於空泛，莫衷一是。目前在人類之外，什麼東西可能擁有某種程度的意識？動物是個明顯的答案，無怪乎科學家與哲學家對於動物的心智很感興趣。不過動物心智也不容易捉模，相關意見也一樣紛雜。據說，主張心物二元論的笛卡爾就認為由於動物沒有語言能力，因此談不上具有心智，不過我想很多養過寵物的人恐不會接受這個見解。

動物的心智與生存權

我自己雖不養寵物，但全然認同（起碼有些）動物是具有心智的。主因是我在過去五、六年間，迷上了在 YouTube上觀賞對於白頭鷹（bald eagle）的巢 24 小時全天候（晚上有紅外光夜視）的實況轉播。簡單講，整個情況就像電影 Truman Show（楚門的世界）的白頭鷹版——除了白頭鷹的真實生活比虛假的楚門世界要有趣太多了。白頭鷹是美國國鳥，曾一度列入瀕臨滅絕物種（endangered species）名單，後來在種種保護措施（包括禁止殺蟲劑 DDT）下，族群數量才逐漸回升。白頭鷹是美麗的大型鳥，位於食物鏈頂端，有王者氣質，令人著迷。現在網路上可以找到很多位於世界各地的這種稱為「白頭鷹巢實況監視」（live bald eagle nest cam）的 YouTube 頻道，我最早看的是一個位於美國首都華盛頓特區的巢：多年來，有一對白頭鷹固定在那裡築巢、育（鷹）嬰，人類鷹迷們分別暱稱公、母鷹為「總統先生」與「第一夫人」；它們每年秋季回到這裡，修整離地數十公尺的巢、交配、產卵、孵卵、撫育幼鷹，直到幼鷹於初夏可以自行飛翔離巢。

對於我這樣剛入門的觀鳥人，白頭鷹的一切生活習性都很有意思。例如，幼鷹一但接連破殼而出，殘酷的「手足競爭」（sibling rivalry）立即登場，父母不會介入這種（從觀眾留言可知，令不少人不忍心看的）天生的競爭，弟妹在受到兄姊的壓制之後，很快學到要避開對方的攻擊，並且如何在適當時機，迅速從父母口中搶到食物。又例如，公鷹規律地獵捕魚、松鼠等動物回巢，轉交母鷹餵食幼鷹。還有令我特別訝異的——父母會在下雨（雪）或大太陽時張開翅膀護著幼鷹。

觀鷹久了，我發現自己能夠預測老鷹的企圖，或者說可以領會老鷹在「想」些什麼、在動些什麼「心思」。老鷹儘管沒有語言，但是能夠發聲「呼喚」、「警告」、「恐嚇」其他老鷹或其他生物。我一點也不懷疑白頭鷹具有某種程度的心智。（知名哲學家奈格爾（Thomas Nagel）在 1974 年發表了一篇文章「身為蝙蝠會有什麼樣的感受？」（What is it like to be a bat?），他此文的主張就是，不是蝙蝠的我們永遠不會知道蝙蝠的主觀感受是什麼。我自以為多少了解白頭鷹的心思，當然是不認同奈格爾的主張可以推廣至白頭鷹。）為什麼白頭鷹能夠具有心智，而機器人沒有？這就是當代心智研究的基本問題。我猜測關鍵在於演化與成長歷史：白頭鷹是經過長期自然演化而產生的物種，從出生至獨立成熟也有個成長過程，而機器人卻不是如此。

動物應該擁有生存權，尤其是那些我們覺得具有某種心智能力的動物，這是很多人認可的事（在很多社會這件事其實已經成為法律）。白頭鷹的生存受到保護，數目也逐年增加，愛鷹人士都很高興。但是如果白頭鷹的數目因為保護而過度增加以至於影響了人類的利益呢？是不是白頭鷹的生存權也應受到限制呢？（對於某些動物，這種情況不是已經出現了嗎？）總之，動物權的範圍操之於人類。

機器人目前的處境還遠在動物之下，我看不出機器人如何能夠因產生心智而改變這種狀況。即便機器人因本事提高，讓我們將它們如同白頭鷹看待，它們生存權的範圍大小，仍是取決於人類，除非它們的聰明才智超越包括人類在內的一切動物。

人類目前的科技水準還處於初級階段，或許在很久很久以後，人類可以製造出和蚊子一樣靈活的「機械蚊」，那時才開始來操心所謂機械人權的問題還不晚。

昨天立法院通過「道路交通管理處罰條例」修正條文，明訂汽機車駕駛人用手持方式使用行動電話、電腦或其他相類似功能裝置，機車駕駛罰一千元、汽車罰三千元。因為日前有駕駛因為開車時手持使用手機，結果車禍身亡。立法的立意是好的，但究竟手持使用手機真的比非手持危險嗎？開車真的不能同時做別的事情嗎？

十幾年前在國外就已經有很多相關的研究在探討使用手機對於開車的影響，Strayer與Johnson(2001)做了一個研究探討使用手機的哪個環節對於開車會有影響，首先他們檢驗是否只要有聽覺刺激(因為當時的手機主要是用來講電話的，因此他們操弄請實驗參予者聽廣播或是聽有聲書兩種情境)就會對於駕駛有影響，結果發現聽覺刺激的出現並不會影響駕駛。再者他們檢驗若模擬駕駛時同時和他們對話是否會對於駕駛造成影響，結果發現不論用手持或非手持的設備，只要需要自行產生對話的內容(一般手機通話都會發生的情境)，就會對於駕駛的表現有影響。後續也有不少研究進一步探討手機使用對於駕駛行為不同面向的影響，大部分的研究都發現不論是否手持手機並不是關鍵的影響因素。但有研究指出若開車一邊用手按鍵去傳簡訊，造成的影響是比僅用手持設備講電話更大的，但有可能是因為傳簡訊是一個更耗費認知資源的動作，而非僅因為傳簡訊是一定需要手持，所以造成較大的影響。

Strayer等人(2003)進一步探討為什麼一邊開車一邊講電話會影響駕駛行為，他們發現講電話會讓人的視覺注意力分散，即使視覺刺激是出現在視野的中央(通常越靠近視野中央的訊息是越不能易被忽視的)，除此之外講電話也會造成人們對於視覺訊息的顯示、隱示記憶造成影響。

所以開車若要安全，最好的方式就是不使用手機，不論是否有手持。最極端的做法就是開車就開車，其他事情都不要做。但這樣的做法並非是最好的，例如Atchley與Chan(2011)指出若長時間執行單一作業(例如專心開車)，則對於注意力也會有不好的影響，因此他們主張要同時間做一些其他的事情，能夠讓注意力維持在最佳的狀態。若一個行為相當自動化，同時做那個行為一邊開車其實不見得會造成不好的影響，可能反而會有助於駕駛！

最後幾個值得我們，特別是立法的單位需要思考的，很多事情都會對於安全駕駛有影響，而非僅有手持手機，Korpinena與Pääkkönenc(2012)的研究就發現精神狀態及生理狀態都影響安全駕駛，駕駛的情緒狀態也對於安全駕駛有重大的影響。難道這些事情都要立法嗎？不論是脖子痛、生氣都不能開車，否則也要罰款？再者，隨著科技的進步，手機的使用已經和過去有很多的改變(例如siri的語音操作功能)，必須要有很多新研究來探討這些行為模式如何影響駕駛行為，根據結果來立法，才能保民而非擾民。就現階段來說，若真的認為手機使用會影響安全駕駛，那就應該禁止手機使用，不論是否為手持的方式。