0

1
0

文字

分享

0
1
0

人類可能愛上機器人嗎?機器人能否學會愛與感受?

PanSci_96
・2019/06/07 ・4395字 ・閱讀時間約 9 分鐘 ・SR值 551 ・八年級

  • 文/Te-Yi Hsieh,現為英國University of Glasgow 博士生,主修 Neuroscience and Psychology。研究領域介於心理學、機器人學、神經科學的交界處。欲知更多研究相關資訊可關注:http://www.so-bots.com/
    Twitter: @TeYiHsieh

人工智慧(artificial intelligence,AI)、機器人絕對是近年最火紅的話題之一。人們開始意識到科幻電影裡的場景可能即將在現實生活中發生,一則以喜一則以憂。喜的是科技進步帶來的便利性,例如,機器人也許能補足老年化、少子化社會,照顧者短缺的問題;憂的是,機器人會搶走我們的飯碗,甚至,有些人開始擔心智慧爆炸(intelligence explosion)註1的極端情境。

從社會的層面來看,這些似人非人的機器人,究竟會在我們生活中扮演怎樣的角色?當它們擁有人類的外型、語言、甚至情緒表達,我們會只視它們為無生命的機器、工具嗎?這個問題,我們可以從 2001 年的電影《A.I. 人工智慧》(A.I. Artificial Intelligence)談起。

電影《A.I. 人工智慧》。圖/IMDb

人類能夠愛機器人嗎?《A.I. 人工智慧》

電影《A.I. 人工智慧》描述一個科技高度發展的未來世界(對現代來說仍是未來),一家機器人公司研發出第一個懂得「愛」的機器人小孩──大衛。在此同時,該公司的員工亨利與太太莫妮卡,正面臨親生兒子馬丁因絕症而冷凍睡眠的絕望中。這樣的家庭悲劇讓亨利成功為公司選中,成為這個新型機器人小孩的第一位使用者。

太太莫妮卡起初是憤怒且強烈反對。「沒有任何東西能取代我們的孩子!」她對亨利大吼。但日子一天天過去,大衛極盡真人的外貌、行為、情緒反應讓莫妮卡很難只把大衛當作一個「機器」對待,加上自己深知親生兒子馬丁也許永遠無法甦醒,莫妮卡開始放下心中的抗拒感,再次歡笑、重拾「當一位母親」的快樂。然而,這將是一個不可逆的決定,機器人小孩對特定對象的愛無法刪除,無法重灌,要是收養者事後反悔,機器人只能被送回原公司銷毀。

正當大衛要在新的家庭展開生活時,意想不到的事發生了──莫妮卡與亨利的兒子馬丁的病情好轉,並從冷凍中甦醒。馬丁返家後為整個家帶來了不定時炸彈。人類的手足、同儕之間都時常互相較勁了,更何況是人機之間。馬丁打從心底認為大衛不配分散媽媽對他的愛。而大衛雖然僅是單純想得到母親的愛,卻不懂人類世界複雜的社交方式,無心之間做了許多傷害媽媽、傷害馬丁的行為。最終,莫妮卡、亨利為了保護兒子的安全,做出了棄養的決定。

機器人男孩大衛。圖/IMDb

就在莫妮卡即將載大衛回公司銷毀的前一刻,她心軟了,她打開車門,叫大衛快逃往樹林,遠離人群、不要被任何人類抓住、不要被銷毀。

「問題不是製造學會愛的機器人,真正的問題是⋯⋯人類能不能愛它們?」

機器人是否「為人」,標準在哪?

機器人能不能學會愛、有沒有感受力、有沒有意識?這可以是一個難以得到共識的哲學思辨。首先,何謂愛?何謂感受?何謂意識?科學家目前對人類的意識如何運作、在腦中的神經活動中如何產生都爭辯不休了註2,我們如何輕易定論機器人有沒有辦法擁有意識、學會愛呢?

根據心理學家 Haslam、 Loughnan、 Kashima 與 Bain(2009)所進行的大眾實際調查,以及其形成的理論,一個簡單的答案是:機器人也許可以學會情緒「表達」,但它們沒有「情緒感受力」。

Haslam 及同事透過一系列調查研究,試圖找出「為人」(humanness)與「去人性化」(dehumanization)之間的界線。換句話說,找出有哪些重要因素,讓我們判斷一個對象「為人」;相對的,當沒有這些重要因素時,我們會把此對象判斷為非人。他們進行一連問卷調查研究,以及內隱聯結測驗(implicit association test,IAT)註3,測量參與者對四大類對象──人、機器人、動物、超自然事物──的想法及態度,並藉由比較「人」與「非人」對象的看法,歸納出哪些特質、心理狀態是專屬於「人」這個概念的。

結果發現,不管在東、西方的文化中,人們對「為人」的概念主要由兩個面向組成:

一是「人類天性」,包含有生命及無生命體本質上不同的所有特質,如情緒力(emotionality)、欲望(desire)、好奇心(curiosity)、自主行為能力(agency)等;

二是「人類特殊性」(human uniqueness),包含邏輯思考、推理等的認知能力,以及受社會、文化影響下的特質,如禮貌(politeness)、勤勉正直性(conscientiousness)等。

缺少「人類天性」的特質,一對象會變得冷酷、機械化;而缺少「人類特殊性」的特質,一對象會趨近於動物。因此,人類與機器人的主要差異在於「人類天性」。機器人可以擁有「人類特殊性」,可以推論、理性思考;但不具有「人類天性」,無法感知情緒、產生自主欲望。

機器人也許可以有非常似人的外表、擬真的社交互動註4。但就本質上而言,它們的情緒表達再真實,都不是因為真的「感覺到」這些情緒而做出外顯反應,而是被設計、製造而得以如此。

機器人可以擁有人型的外表、情緒,但終究沒有感受(experience)的能力。圖/ Unsplash )

既然我們認為機器人實際上無法感受、沒有痛覺、不會真的有負面情緒,為何電影《A.I.人工智慧》中莫妮卡會忍不下心將大衛銷毀?難道只是電影劇情需求嗎?不盡如此。從目前人機互動(human-robot interaction)的眾多實驗結果來看,我們對待機器人確實會比對待電腦、家電等機器時,有更擬人的互動,尤其是當機器人具有擬人特質時(例如外貌、情緒)。

人會同情機器人?

Seo 與同事設計的研究 (2015) 中,受試者需要與機器人 Nao 合作進行遊戲。在遊戲進行數分鐘後,Nao 開始出現一些故障的跡象(這當然是實驗者事先設計好的),像是動作、說話變得不流暢等等,這樣的故障會隨著時間越來越明顯。而在 Nao 出現故障的狀況後,它會表現出害怕跟擔憂的樣子,並向受試者說它很擔心實驗者發現它故障,會把自己的記憶消除、它不希望忘記跟受試者玩遊戲的快樂回憶。然而最終,實驗者還是出現、並在受試者面前把 Nao 更新了,更新後的 Nao 會展現完全不同的說話方式跟特質(這是為了讓受試者相信記憶真的被消除了)。

在這一連串的情境之後,受試者接著會填答一些問卷、回答他們在實驗中的感受。

Nao 機器人。圖/ Photo Pin

結果顯示,人們確實會對這個 Nao 產生同情、同理的情緒,有些人甚至替 Nao 向實驗者求情。

然而該研究並沒有直接比較人們對機器人、人、非擬人機器(如電腦)的反應,再者,自陳式問卷一直是被受質疑的測量方式。因此,目前已有很多神經心理學家,使用腦造影技術如「功能性磁振造影」(functional Magnetic Resonance Imaging,fMRI)來了解我們與機器人互動時大腦的活動。

在我們腦中比機器更接近人,但仍不是人

如 Krach 與其同事(2008)的研究,他們透過 fMRI 的技術發現,人們腦中掌管「心智理論」(the Theory of Mind,ToM)註5腦區──主要包含內側前額葉皮質(medial Prefrontal Cortex, mPFC)與顳頂葉接合(temporoparietal junction,TPJ)──在與擬人機器人互動時,活化程度會比與機器手臂、電腦(不具人型外表)互動時高。但仍比不上與真實人類對象互動時的大腦活動。

換言之,機器人似人的外表,會讓我們的大腦認為它們—某種程度上──是具有心智(mind)的。機器人對我們來說,不會完全等同於電腦、手機等沒有擬人特質的機器,但也不會對待它們(機器人),全然像對待其他人類一樣。

然而,不同證據在 Chaminade 團隊(2012)的研究中也被發現了。Chaminade 與同事比較了受試者面對人、機器人、電腦等不同對象時的大腦活動狀態,卻發現負責心智理論(ToM)的腦區只在與人互動時有顯著的活動。

支持不同假說的結果存在於目前文獻中,尚無法達成一個定論。這或許是因為此領域的新穎性,我們需要更多的「重複驗證研究」(replicate study)來確立一個現象的真實性,加上不同研究者使用的機器人、作業、研究環境、指導語有些不同,都可能為研究結果帶來變數。可以確定的是,此領域的研究結果將會相當可期,AI 機器人等科技在未來社會的利用,可說是一個相當確立的趨勢。從心理學、神經科學的角度來看人機互動,不但對機器人設計能帶來幫助,同時也使我們更了解人腦的認知運作方式。

AI 機器人等科技在未來社會的利用,圖/銀翼殺手2049@IMDb

大衛最後實現願望了嗎?

說到這裡,也許有些讀者還相當在意,《A.I. 人工智慧》中機器人小孩大衛最後到底怎麼了?大衛被放逐後,踏上了旅程尋找木偶奇遇記中的藍仙女,希望她能把自己變成一個真實的男孩,因為大衛深信,唯有這樣才能真正得到母親的愛。然而這個心願當然沒有實現,兩千年過後,地球已完全結冰、人類也已滅亡,外星人挖出了冰層中的大衛,欣喜於發現這個相當「原始」的機器人的同時,也決定為大衛完成心願──讓母親莫妮卡重生,但只能存活一天。在這得來不易的一天中,大衛終於得以享受專屬於母子的快樂時光,沒有亨利、沒有馬丁。夜幕將至,母親即將再度陷入永恆長眠之際,對著他輕輕說:「我愛你,大衛,我一直很愛你。」大衛流下眼淚,彷彿長久以來的願望終於實現,也終於能隨著母親,一同長眠。

這樣有些令人惆悵的結局似乎也透露著,要機器處理人類的感情訊息何其困難(很多時候我們自己都無法理解了!)母親當然是愛著他的,但大衛直到最後一刻才明白。

以現在的技術,人類也許還無法製造出像大衛一樣,可以如此自然互動的社交機器人,但如果有一天我們的科技做到了,你會如何看待這些乍看與真人無異、但本質上截然不同的對象呢?

  • 註 1:智慧爆炸(intelligence explosion)意指當人工智慧學會自我進化,其所擁有的智能將在極短的時間內超越人類所擁有、所能控制的情況(參考資料 1)。但也有意見主張智慧爆炸不可能出現(參考資料 2)。
  • 註 2:有興趣了解神經心理學家關於「意識」的理論,可見參考資料 3 為一例。
  • 註 3:「內隱聯結測驗」最早由 Greenwald 及其同事(1998)提出,是一種藉由測量受試者對特定詞組的反應,來得知其內隱態度的測量方式。此方法,相較於自陳式問卷,較能排除受試者想符合社會期許所造成的答題偏誤。
  • 註 4:雖然這目前仍是非常難以達到的境界。人類的社交活動,仔細分析下來其實非常複雜且精細,包含了各種大大小小的社交線索。更有一派說法認為,人類大腦的認知能力遠超越其他物種就是為了應付複雜的社交場域—詳見參考資料 5。
  • 註 5:「心智理論」意指在瞭解他人的心智狀態的功能。例如,站在別人角度思考、同理他人,都是會使用到心智理論的情境。

參考資料

  1. Ted Talk「人工智慧的長期未來
  2. The implausibility of intelligence explosion
  3. Graziano, M. S., & Webb, T. W. (2015). The attention schema theory: a mechanistic
  4. account of subjective awareness. Frontiers in Psychology, 06. doi:10.3389/fpsyg.2015.00500
    Haslam, N., Loughnan, S., Kashima, Y., & Bain, P. (2009). Attributing and denying humanness to others. European Review of Social Psychology, 19(1), 55–85.
  5. Adolphs, R. (2009). The Social Brain: Neural Basis of Social Knowledge. Annual Review of Psychology.
  6. Seo, S. H., Geiskkovitch, D., Nakane, M., King, C., & Young, J. E. (2015). Poor thing! would you feel sorry for a simulated robot? Proceedings of the Tenth Annual ACM/IEEE International Conference on Human-Robot Interaction – HRI ’15. doi:10.1145/2696454.2696471
  7. Krach, S., Hegel, F., Wrede, B., Sagerer, G., Binkofski, F., & Kircher, T. (2008). Can machines think? Interaction and perspective taking with robots investigated via fMRI. PLoS ONE, 3(7), e2597. doi:10.1371/journal.pone.0002597
  8. Chaminade, T., Rosset, D., Da Fonseca, D., Nazarian, B., Lutcher, E., Cheng, G., & Deruelle, C. (2012). How do we think machines think? An fMRI study of alleged competition with an artificial intelligence. Frontiers in Human Neuroscience, 6. doi:10.3389/fnhum.2012.00103
文章難易度
PanSci_96
1166 篇文章 ・ 1523 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
0
寵物過敏原有很多種,避免飲食過敏困擾,可選擇單一/特殊肉種寵物飼料
鳥苷三磷酸 (PanSci Promo)_96
・2023/06/06 ・2173字 ・閱讀時間約 4 分鐘

本文由 新萃 Nutri Source 委託,泛科學企劃執行。

你有發現家裡的狗狗經常舔自己四肢,或是身上出現不明紅疹?當心這可能是過敏反應。寵物和人類一樣,也會有過敏反應,過敏可依照「來源」分為三種:吸入性過敏、接觸性過敏和食物性過敏。

寵物的過敏源有哪些?

不管是哪一種過敏反應,在人的身上都比較容易發現和排除。但狗狗的過敏卻很難處理,如果是接觸性或吸入性過敏,即使你把家裡打掃得很乾淨,還是無法排除帶狗出去散步時可能接觸到的環境過敏原。因此,對飼主來說,最容易控制的是食物性過敏。

食物性過敏是怎麼發生的呢?其實,「食物過敏」這個詞並不太準確。正確的臨床醫學用詞是「食物不良反應」(Adverse Food Reaction, 簡稱AFR)(Jackson, H. , 2009),指的是吃下食物後身體產生各種不良反應。並進一步分為食物過敏(Food Allergy)和食物不耐受(Food Intolerances)兩種。

如果你看過動漫作品《工作細胞》,你就會知道過敏其實只是免疫系統對特定成分產生的過度反應,因此全名為「過分敏感」;而食物不耐受則並非免疫性反應,而是消化系統無法代謝或對該生物體有毒,例如狗不能吃洋蔥或巧克力,否則會致死等等。

由於寵物沒有選擇權,只能吃飼主提供的食物,如果飼料中恰好有會造成牠 AFR 的成分,就可能產生各種症狀。除了腸胃發炎和拉肚子外,最明顯的外在症狀就是皮膚問題,包括搔癢、脫毛和紅疹等。後者容易被誤判為皮膚性疾病,讓許多飼主狂跑獸醫院的同時,獸醫也難以對症下藥。

雖然曾有研究透過讓醫師用血液或唾液是否檢測出 IgE 抗體來判斷狗是否過敏(Ermel, R et al.,1997),但最新的研究卻發現,無論使用無論血清的 IgE 抗原或是唾液裡的 IgM 或 IgA 抗原都無法有效檢測出狗狗的過敏來源(Udraite Vovk Let al., 2019 & Lam ATH et al., 2019),甚至會造成偽陽性誤判。因此,目前學界公認唯一能識別食物過敏原的方法就是「食物排除法」(Food Elimination Method)。

以食物排除法,找出毛孩的食物過敏原!

食物排除法的原理相當簡單粗暴,類似我們過去在學校做的實驗一樣,抓出「控制組與對照組」。首先,將狗狗的食物換成牠沒吃過、單一來源且易消化的高蛋白質或水解蛋白質;同時嚴格限制牠對其他食物接觸,包括其他人餵食或路上亂吃等可能性都要注意,此為「對照組」,如此持續 8~12 週,觀察皮膚是否有改善。如果確實有改善,那就證明了確實是 AFR 而非皮膚病。

下一步我們可以進行「食物挑戰」,在每餐食物中逐一嘗試可能的過敏原(例如常見的牛肉、雞蛋等),有如「控制組」,等到症狀又出現,就可以確認哪種食物成分是過敏原,未來就可以在飼料中排除,讓狗狗健康快樂地成長。

這個方法需要飼主的大力配合和耐心紀錄,不僅要在漫長的試驗期,更需要在控制期一一排除所有不可能之後,才能找到答案。而其中最困難的部分,也是實驗的基礎可能是第一步:「提供狗狗牠從未吃過,且肉品單一的蛋白質」,這點對多數飼主來說幾乎是不可能的任務,因為大部分的寵物飼料成分都很複雜。不要說狗狗了,搞不好你連自己沒吃過什麼恐怕都不知道。

飼料成分多而雜,可選單一肉種飼料降低過敏。

那該怎麼進行食物排除法呢?別擔心,沒有找不到的肉品,只有勇敢的狗狗。市面上已經有了針對過敏狗狗的低敏飼料,新萃推出了一系列低敏肉,包含單一肉種的袋鼠肉、鹿肉以及野豬等相比牛豬羊等較不容易取得的肉類,是進行食物排除法第一步測試的首選。

此外,新萃牌無論哪種飼料都有美國專利 Good 4 Life® 奧特奇專利保健元素,能促進飼料中的營養都被狗狗完整吸收。不僅過敏的狗狗能吃,有消化不良症的狗狗也適用。

新萃商品選擇的是單一/特殊肉種的成分,低敏感肉品讓寵物吃了更安心。

參考資料

  1. Thus for the purpose of this discussion, although the term food allergy is used throughout, it should be recognized that this term is a presumptive clinical diagnosis and adverse food reaction is a more accurate term for these canine cases. – Consensus
  2. Jackson, H. (2009). Food allergy in dogs – clinical signs and diagnosis.. Companion Animal Practice.
  3. Assessment of the clinical accuracy of serum and saliva assays for identification of adverse food reaction in dogs without clinical signs of disease – PubMed (nih.gov)
  4. Lam ATH, Johnson LN, Heinze CR. Assessment of the clinical accuracy of serum and saliva assays for identification of adverse food reaction in dogs without clinical signs of disease. J Am Vet Med Assoc. 2019 Oct 1;255(7):812-816. doi: 10.2460/javma.255.7.812. PMID: 31517577.
  5. Direct mucosal challenge with food extracts confirmed the clinical and immunologic evidence of food allergy in these immunized dogs and suggests the usefulness of the atopic dog as a model for food allergy. – Consensus
  6. Ermel, R., Kock, M., Griffey, S., Reinhart, G., & Frick, O. (1997). The atopic dog: a model for food allergy.. Laboratory animal science.
  7. https://www.moreson.com.tw/moreson/blog-detail/furkid-knowledge/pet-knowledge/dog-food-allergen-TOP10/
  8. 狗狗因為食物過敏而搔癢不舒服,為什麼做「過敏原檢測」沒什麼用?
  9. 【獸醫診間小教室】狗狗皮膚搔癢難改善?小心食物過敏! – 汪喵星球 (dogcatstar.com)
  10. 寵物知識+/毛孩對什麼食物過敏?獸醫:驗血完全不準!診斷法只有一個 | 動物星球 | 生活 | 聯合新聞網 (udn.com)
  11. Is there a gold-standard test for adverse food reactions? – Veterinary Practice News
文章難易度
鳥苷三磷酸 (PanSci Promo)_96
172 篇文章 ・ 276 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

3
0

文字

分享

0
3
0
人造腦挑戰 AI!培養皿中的腦組織+腦機介面能打敗電腦嗎?
PanSci_96
・2023/05/27 ・3178字 ・閱讀時間約 6 分鐘

2023 年 2 月底, 約翰霍普金斯大學教授 Thomas Hartung 帶領研究團隊,發表了「類器官智慧」(Organoid intelligence , OI)的研究成果,希望利用腦類器官加上腦機介面,打造全新的生物計算技術。

我們終於要製造人工大腦了嗎?OI 和 AI,誰會成為未來主宰?

類器官智慧 OI 是什麼?目標為何?

2023 年的現在,AI 就已展現了不少驚人的實際成果;相較之下, OI 仍只是一個剛起步的計畫,甚至連名稱都與 2018 年美國《自然—物理學》期刊專欄作家、物理學家布坎南以 Organoids of intelligence 作為標題的文章幾乎一樣。

類器官智慧、Organoid intelligence、OI 是個很新的跨領域名詞,同時結合了「腦類器官」和「腦機介面」兩個領域的技術。

簡單來說,腦類器官就是指透過培養或誘導多能幹細胞(iPSCs),在模擬體內環境的旋轉生物反應器中,產生的腦組織。這項聽起來好像只會出現在科幻電影裡的技術,確實已經存在。

最早的腦類器官是在 2007 年,日本 RIKEN 腦研究所的笹井芳樹和渡辺毅一的研究團隊,成功從人類胚胎幹細胞培養出前腦組織。第一個具有不同腦區的 3D 腦類器官則是發表在 2013 年的《Nature》期刊,由奧地利分子技術研究所的尤爾根.科布利希和瑪德琳.蘭開斯特研究團隊成功建立。

腦類器官的出現,在生物與醫學研究中有重大意義,這代表未來科學家們若需要進行大腦相關的研究,再也不用犧牲實驗動物或解剖大體老師來取得人類大腦,只需要在培養皿就製造出我們要的大腦即可。

儘管培養皿上的組織確實是大腦組織,但不論是在大小、功能,以及解剖構造上,至今的結果仍遠遠不及我們自然發育形成的大腦。因此要達到 OI 所需要的「智慧水準」,我們必須擴大現有的腦類器官,讓他成為一個更複雜、更耐久的 3D 結構。

要達到 OI 所需的「智慧水準」,必須擴大現有的腦類器官,成為一個更複雜的 3D 結構。圖/GIPHY

而這個大腦也必須含有與學習有關的細胞和基因,並讓這些細胞和 AI 以及機器學習系統相連接。透過新的模型、演算法以及腦機介面技術,最終我們將能了解腦類器官是如何學習、計算、處理,以及儲存。

OI 是 AI 的一種嗎?

OI 能不能算是 AI 的一種呢?可說是,也不是。

AI 的 A 指的是 Artificial,原則上只要是人為製造的智慧,都可以稱為 AI。OI 是透過人為培養的生物神經細胞所產生的智慧,所以可以說 OI 算是 AI 的一種。

但有一派的人不這麼認為。由於目前 AI 的開發都是透過數位電腦,因此普遍將 AI 看做數位電腦產生的智慧—— AI 和 OI 就好比數位對上生物,電腦對上人腦。

OI 有機會取代 AI ?它的優勢是什麼?

至於為何電腦運算的準確度和運算速度遠遠高於人腦,最主要原因是電腦的設計具有目的性,就是要做快速且準確的線性運算。反之,大腦神經迴路是網狀、活的連結。

人類本身的基因組成以及每天接收的環境刺激,不斷地改變著大腦,每一分每一秒,我們的神經迴路都和之前的狀態不一樣,所以即使就單一的運算速度比不上電腦,但人腦卻有著更高學習的效率、可延展性和能源使用效率。在學習一個相同的新任務時,電腦甚至需要消耗比人類多 100 億倍的能量才能完成。

神經網路接受著不同刺激。圖/GIPHY

這樣看來,至少 OI 在硬體的效率與耗能上有著更高優勢,若能結合 AI 與 OI 優點,把 AI 的軟體搭載到 OI 的硬體上,打造完美的運算系統似乎不是夢想。

但是 OI 的發展已經到達哪裡,我們還離這目標多遠呢?

OI 可能面臨的阻礙及目前的發展

去年底,澳洲腦科學公司 Cortical Labs 的布雷特.卡根(Brett Kagan)帶領研究團隊,做出了會玩古早電子遊戲《乓》(Pong)的培養皿大腦—— DishBrain。這個由 80 萬個細胞組成,與熊蜂腦神經元數量相近的 DishBrain,對比於傳統的 AI 需要花超過 90 分鐘才能學會,它在短短 5 分鐘內就能掌握玩法,能量的消耗也較少。

現階段約翰霍普金斯動物替代中心等機構,其實只能生產出直徑大小約 500 微米,也就是大約一粒鹽巴大小的尺寸的腦類器官。當然,這樣的大小就含有約 10 萬個細胞數目,已經非常驚人。雖然有其他研究團隊已能透過超過 1 年的培養時間做出直徑 3~5 毫米的腦類器官,但離目標細胞數目 1000 萬的腦類器官還有一段距離。

為了實現 OI 的目標,培養更大的 3D 腦類器官是首要任務。

OI 的改良及多方整合

腦類器官畢竟還是個生物組織,卻不像生物大腦有著血管系統,能進行氧氣、養分、生長因子的灌流並移除代謝的廢物,因此還需要有更完善的微流體灌流系統來支持腦類器官樣本的擴展性和長期穩定狀態。

在培養完成腦類器官以及確定能使其長期存活後,最重要的就是進行腦器官訊息輸入以及反應輸出的數據分析,如此我們才能得知腦類器官如何進行生物計算。

受到腦波圖(EEG)紀錄的啟發,研究團隊將研發專屬腦類器官的 3D 微電極陣列(MEA),如此能以類似頭戴腦波電極帽的方式,把整個腦類器官用具彈性且柔軟的外殼包覆,並用高解析度和高信噪比的方式進行大規模表面刺激與紀錄。

研究團隊受腦波圖(EEG)紀錄的啟發。圖/Envato Elements

若想要進一步更透徹地分析腦類器官的訊號,表面紀錄是遠遠不夠的。因此,傷害最小化的的侵入式紀錄來獲取更高解析度的電生理訊號是非常重要的。研究團隊將使用專門為活體實驗動物使用的矽探針Neuropixels,進一步改良成類腦器官專用且能靈活使用的裝置。

正所謂取長補短,欲成就 OI,AI 的使用和貢獻一點也不可少。

下一步,團隊會將進行腦機介面,在這邊植入的腦則不再是人類大腦,而是腦類器官。透過 AI 以及機器學習來找到腦類器官是如何形成學習記憶,產生智慧。過程中由於數據資料將會非常的龐大,大數據的分析也是無可避免。

隨著 AI 快速發展的趨勢,OI 的網路聲量提升不少,或許將有機會獲得更多的關注與研究補助經費,加速研究進度。更有趣的是,不僅有一批人希望讓 AI 更像人腦,也有另一批人想要讓 OI 更像電腦。

生物、機械與 AI 的界線似乎會變得越來越模糊。

OI=創造「生命」?

生物、機械與 AI 的界線越來越模糊。圖/Envato Elements

講到這裡,不免讓人擔心,若有一天 OI 真的產生智慧,我們是否就等於憑空創造出了某種「生命」?這勢必將引發複雜的道德倫理問題。

雖然研究團隊也強調, OI 的目標並不是重新創造人類的意識,而是研究與學習、認知和計算相關的功能,但「意識究竟是什麼」,這個哲學思辨至今都還未有結論。

到底懂得「學習」、「計算」的有機體能算是有意識嗎?如果將視覺腦機介面裝在 OI 上,它是否會發現自己是受困於培養皿上,被科學家們宰割的生物計算機?

不過這些問題不僅僅是 OI 該擔心的問題,隨著人工智慧的發展,GPT、Bing 和其他由矽構成的金屬智慧,隨著通過一個又一個智力、能力測試,也終將面臨相應的哲學與倫理問題。

最後,Neuralink 的執行長馬斯克說過(對,又是他 XD),人類要不被 AI 拋下,或許就得靠生物晶片、生物技術來強化自己。面對現在人工智慧、機械改造、生物晶片各種選擇擺在眼前,未來你想以什麼樣的型態生活呢?

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

PanSci_96
1166 篇文章 ・ 1523 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

3
2

文字

分享

0
3
2
透過 AI 繪圖原理,你就知道怎麼訓練做圖生成!
PanSci_96
・2023/04/29 ・2014字 ・閱讀時間約 4 分鐘

AI 生圖是透過訓練模型學習自行生成圖像,而電腦繪圖則是由使用者透過軟體或工具手動繪製圖像。

儘管可能較缺乏人工繪圖的細節與創意,但是都是由 AI 自己生成,每張絕無僅有,這樣應該也算是有些創意吧?

究竟這個「安能辨我是 AI」的新時代,到底是怎麼突然降臨的呢?

現代魔法師的誕生

現在夯、猶如魔法的 Midjourney,使用者針對想要創作的內容和風格,給出關鍵字如 Hyper realistic、Xerox Art、masterpiece、underwater,以及畫面比例等參數,甚至是特定藝術家的名字,大約 30 秒到 1 分鐘,就能完成作品,對一般民眾來極容易上手。

如果生成出不對勁的怪圖,只要請它參照範例、補充關鍵字,或是你本身就有一點修圖能力,就可以產出高品質的美圖。因此,我們也可以說這是一種能和 AI 繪師對話的語言介面,新的職業「AI 溝通師」也隨之出現。

AI 生圖其實也不是什麼新技術,早就有人採用一種名為 GAN 的對抗式生成網路的演算法來生成圖片。在 2018 年也有人用來生成某種藝術作品,並拍賣出高價,當然在當時與其說是美麗的藝術,其實更多是個噱頭。

從模仿到創造

為了達成「創新」,AI 研究者放棄了 GAN 中讓 AI 互相競爭找出「最佳解」的對抗式思維,提出一種名為「Diffusion model」擴散模型的新概念。

如果觀察 Stable diffusion 或 Midjourney 生圖過程,可以發現到,圖片會從一團什麼都沒有的雜訊開始,逐漸出現五官、輪廓等特徵,最後才變成有著豐富細節的精緻畫作。

擴散模型的去噪過程。圖/維基百科

Diffusion model 在訓練時則是會先看到一張完整照片,接著依照馬可夫鏈的過程,以高斯分布的方式往圖片上加入隨機噪點。待整張圖變成一團雜訊,等它學會從一張圖到混亂雜訊的過程後,再習得如何從混亂雜訊中生成圖的能力;於每一步加噪的過程中學會降噪,使用時間鉗形攻勢,完成雙向學習。

Diffusion model 在接下來的訓練中,會不斷調整自己的參數,學習自己生成圖片。這個訓練好的 Diffusion model 其實就像個大型藍色窗簾機器人,從雜訊中抓出特定特徵,例如看到兩點一線,就說是人類的眼睛與嘴巴,接著漸漸畫出人類的面貌。

過程中還會加上一個名為「變方自編碼器」(Variational Auto-encoder ,VAE)的加持,使它輸出的不只是原本的訓練或輸入的圖片,而是真正能夠「無中生有」的連續性畫素,而這就是擴散模型被稱為生成模型的原因。另外,隨著步驟越多,解析度或細節可以更高,每一次相同的關鍵字或輸入圖檔,經過模型輸出的結果都有著不確定性。

從二維到三維

當你以為畫奇幻插畫和二次元美少女就是極限了,最新進展絕對更令人大開眼界!

前陣子開發出來的模型,能讓使用者自己上傳作品或相同風格的畫風,來產出更多樣化的素材。例如不久前在日本被下架的 mimic;而 DALL-E 則推出 Outpainting 功能,例如輸入知名畫作,它會替其擴張圖片,算出可能的背景樣式。

DALL-E 算出知名畫作《戴珍珠耳環的少女》的可能背景樣式。圖/OpenAI

若再將繪圖 AI 訓練到不只能輸出圖片,甚至能輸出擬真的照片呢?已經有人這麼做了。

最近最紅的生成模型,可以把疫情期間我們一張張戴口罩的照片全自動 PS 出嘴巴鼻子、輕易更換穿搭風格等。新出的 AI 繪圖軟體 ControlNET,甚至只要提供骨架甚至幾個線條,就能繪出相同姿勢的人物圖像。

如果我們能夠生成無法辨別的真人外觀,再搭配已經有的 3D 骨架建模生成模型,豈不是可以達成科幻電影「虛擬偶像(Simone,2002)」的劇情,生成一個假演員來演戲拍廣告!

這些 AI 生成模型其實都只是為我們所用的工具,這波 AI 繪圖師的加入,肯定會大量取代中階以下的商用和插畫家的需求,並解決業主和設計師之間的溝通成本,各家美術或遊戲公司紛紛開出 AI 溝通師的職缺。追隨主流審美的人類繪師受創最深,而對已有強烈藝術風格的大師或非主流藝術家來說,目前相對不受影響。

使用 AI 完成的藝術作品。圖/GIPHY

AI 繪圖工具的出現,掀起了一股巨浪。如今不僅有人能利用 AI 生成作品得獎,也開始能看到有人使用 AI 創作進行營利、販售。

然而創作領域中模仿、挪用、抄襲、致敬等等的問題在 AI 出現以前就是個難解之題,來到大生成時代,這類問題只會越來越多,我們又該如何面對它呢?

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

PanSci_96
1166 篇文章 ・ 1523 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。