里斯本大地震之後，發生在哲學體系的大海嘯——《愛因斯坦冰箱》

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文｜郭令鈞
• 責任編輯｜田偲妤
• 美術設計｜蔡宛潔

數名神童組成的特殊陣頭？

臺灣一年到頭有許多熱鬧的遶境活動，在臺南曾文溪流域流傳一種可愛又傳奇的「蜈蚣陣」，在看不到盡頭的閣枰上，坐著一個個身著華袍、臉帶妝容的孩童，長長的隊伍在村莊或廟宇之間繞行。這種特殊的陣頭究竟從何而來？中央研究院「研之有物」專訪院內臺灣史研究所謝國興研究員，帶我們認識蜈蚣陣的由來，並分享多個別具特色的蜈蚣陣，感受民間信仰與地方文化融合的魅力！

透過擲筊決定人選？能夠消災解厄的百足真人？

今日的曾文溪在艷陽照耀下顯得水光瀲灩、整治有度，沙洲上的菅芒迎風搖曳，溪上橫跨著西港大橋，在晴空中跨出一彎弧線。

以西港大橋為起點，沿著臺 19 線驅車北上，會先後經過西港、佳里、學甲，三座市鎮分別擁護著三個信仰中心：西港慶安宮、佳里金唐殿與學甲慈濟宮。這些曾文溪下游的廟宇，多數每隔三年會舉辦一次大遶境（慈濟宮則是每四年一次），稱為「刈香」或「香科」。

刈香的最大看點無非是精彩的陣頭，多半由境內各庄自組而成，傳承久遠、訓練有素。例如慶安宮的西港刈香，據說從 240 年前的乾隆年間就開始舉辦，2024 年適逢甲辰香科，若在初夏時節造訪，可見到文武陣頭輪番登場，宋江陣、八家將、大鼓花陣、牛犁歌陣、天子門生……，從大場面到小細節，全是當地人的用心經營。

眾多陣頭中，很難不注意到一種名為「蜈蚣陣」的陣容。裝飾蜈蚣頭尾的隊伍從遠處浩蕩而來，待到走近後發現，實為一節節綿延不絕的閣枰，每節枰上都坐有孩童，各個身著華袍、臉帶妝容，扮演不同的歷史人物或傳奇角色。

在天真的年紀，有些孩子享受自如、有些坐得難耐、有些早已睡得東倒西歪。如果他們記得的話，會朝群眾丟出一把平安糖，眾人會爭相接住這份可愛的祝福。

蜈蚣陣貌似歡愉可愛，其實擔任蜈蚣神童和身為神童家長是非常累人的苦差事。刈香期間半夜兩、三點就得起床化妝，趕在清晨五、六點出陣。家長們還得隨侍在側、幫忙推動車架。幾百人每天繞境超過 12 小時，有時頂著豔陽、有時冒著風雨，回到自家廟宇往往已是深夜，沒休息幾個小時，隔天又得繼續同樣行程。

即便過程辛苦，家長們依舊熱衷參與，每當廟方公開徵求神童，往往引發報名盛況，常遇到一個角色有多人競爭，還要透過擲筊來決定人選。據信神童能得到神明保佑、平安長大；蜈蚣陣也是世代傳承的記憶，許多家長小時被父母抱上蜈蚣陣，現在為人父母，也想將這份傳統延續下去。

此外，民眾普遍相信，蜈蚣陣是個巨大的行動神靈，擁有消災解厄的強大能力。例如西港的蜈蚣陣擁有「百足真人」的封號、學甲的則稱為「蜈蚣公」，刈香遶境時，民眾見其停駕休息會來「鑽蜈蚣腳」，有些途中的民家會臨街祭拜，希望替全家求個平安。

蜈蚣陣如何變成當今的模樣？

究竟蜈蚣陣這種特殊的陣頭是從何而來？為何在臺灣南部鄉鎮受到熱烈擁護，在其他地方卻不見蹤影？中研院臺灣史研究所謝國興研究員在兩岸田野調查十多個年頭，研究民間信仰的流變與傳承，與我們侃侃而談蜈蚣陣的由來。

根據謝國興的研究，蜈蚣陣的前身「藝閣」源自九龍江出海口的漳州與廈門地區，在清領臺灣時期，由漢人移民將純粹鬥熱鬧的廟會藝閣文化引進臺灣，經過數代傳承、與地方風俗結合後，發展出今日具宗教意涵的蜈蚣陣。

早在明代陳懋仁的《泉南雜志》就有記載，泉州地區自古有「以姣童妝扮故事」的廟會遊行，大人們「以方丈木板搭成檯案，索綯綺繪，週翼扶欄，置几于中，加幔於上」，孩童們就身處華麗的閣枰之上由人扛抬遊行。

此外，清末民初李禧的《紫燕金魚室筆記》描寫廈門地區的廟會，也提到一種名為「蜈蚣棚」的藝閣：「蜈蚣棚者，搭木條如橋狀，木條相接處鑿圓孔，中貫以軸，木條能轉折自如，軸長數尺，以壯夫撐于肩上，棚長一二丈不等，棚上以童男女扮故事，龍頭鳳尾，遊行道上，活動如蜈蚣，故俗以是名之。」

文中的蜈蚣棚看似與曾文溪的蜈蚣陣相近，但在外觀上以「龍頭鳳尾」裝飾，應是從舞龍陣演變而來。之所以名為「蜈蚣棚」主要是因為抬推閣枰的人數眾多，從遠處望去宛如蜈蚣百足。

時至今日，漳州與廈門地區依然可見到類似隊伍，現今普遍稱為「蜈蚣閣」，幾乎都是龍頭龍尾、還有持龍珠的人作前導。其中最具代表性的當屬 2011 年入選中國非物質文化遺產的「廈門海滄蜈蚣閣」，藝閣上特別以彩綢裝飾三層小亭閣，雕琢精巧、華麗繁複，可說將藝閣的特色發揮到極致。

為什麼蜈蚣陣在曾文溪附近特別盛行？

蜈蚣閣剛傳入臺灣是何種樣貌？清領時期少有文獻可供查考，日治時期的報紙則可看到蜈蚣閣在民間廟會、神社慶典、官方典禮中上演，地點遍布艋舺、大稻埕、宜蘭、新竹、彰化、嘉義等地。

然而，藝閣歸藝閣，今日臺灣南部這些有神靈附體、蜈蚣頭尾的蜈蚣陣，又是怎麼來的？謝國興認為祂們都源自一個古老的傳說。

西漢成書的《淮南子》這麼介紹蜈蚣：「其性能制蛇，忽見大蛇，便緣而啖其腦。」古人普遍視蜈蚣為蛇的剋星，臺灣早期的漢人移民也有此認知，想到用蜈蚣陣剋制某種如蛇的天災。

1930 年代曾文溪整治以前，經年泛濫成災，還不時改道沖毀村里，雖然帶來肥沃的沖積平原，但百姓的田宅家屋常毀於一旦。當地人形容曾文溪就像一尾「青盲蛇」（又稱「青暝蛇」）般胡亂流竄，更傳聞有蛇精在溪中作怪。

在「蜈蚣剋蛇」的認知下，鄉人逐漸把「蜈蚣閣」轉化成代表神靈的「蜈蚣陣」，祈求祂能對治造成溪水氾濫的蛇精。

原為增添廟會熱鬧的蜈蚣閣，變成具有宗教儀式的蜈蚣陣後，重點轉為對蜈蚣的神性想像，不僅簡化了閣枰上繁複的裝飾，原來的龍頭龍尾也大多改成蜈蚣頭尾，更加體現蜈蚣意象。

西港、學甲、佳里著名蜈蚣陣各有什麼特色？

蜈蚣神靈一開始在何時、何庄、何廟現蹤已難以溯源，但可以確定的是，一旦有地方開始運用宗教儀節，就會吸引其他地方跟進，到了日治後期，臺灣多地的蜈蚣閣已有明顯的神靈化特徵。

當前的曾文溪雖已整治完畢，但蜈蚣陣早已內化成臺灣百姓的文化記憶，在青盲蛇曾肆虐的土地上，祂還繼續行進。根據謝國興的考察，近二十年間尚在出陣的蜈蚣陣約有十陣，多數集中在臺南曾文溪流域、鹽水溪流域，以及臺南、高雄交界的二層行溪下游村莊。

歷史最悠久？唯一家族世襲的蜈蚣陣？

其中歷史最久遠的，當屬西港刈香的蜈蚣陣，已世代流傳兩世紀之久。大約一百多年前（1914 年前後）曾文溪改道，原來負責籌組蜈蚣陣的庄頭蚵壳港，遭到洪水沖毀，居民遷居到現今曾文溪南岸的公塭和溪埔寮等地。

雖受水災重創，但眼見「西港香」即將到來，兩庄居民排除萬難，大夥架起閣枰、父母帶上孩童，再次扛起蜈蚣陣行走西港。此後每三年一科延續至今，按時出陣已成為當地人的驕傲。

西港蜈蚣陣的最大特色是世襲制的蜈蚣神童，不同於其他廟方公開徵求，西港蜈蚣神童的角色與位置都是由各家傳承下來。

每次香科一到，家族中的適齡孩童就會著裝上陣，許多小小冠帽和袍服已流傳數代人，穿戴在神童身上時常勾起全家人的兒時回憶。

西港蜈蚣陣還有一項特殊人設，祂是玉皇大帝赦封的「百足真人」，每次出陣前都由公塭萬安宮的主神為蜈蚣頭尾開光，恭請百足真人入靈，接著前往西港慶安宮參加刈香前的開館儀式。

其他陣頭（如宋江陣、八家將）的開館是在廟前施展陣法，唯獨蜈蚣陣是「蜷（khûn）廟三圈」，接受千歲爺的認可、領令出發，這種獨特的開館又稱為「架枰」。

儀式完成後，家家戶戶就會推著小孩浩蕩而行。遶境之時，蜈蚣陣走在最前，遇庄穿庄、遇廟蜷廟，不用遷就其他陣頭的路線。穿庄是要帶走鄉境的瘟疫，蜷廟是要淨化聖域，境內許多廟宇在建造時就已預留四周空間，方便將來蜈蚣陣蜷廟祈福。

西港刈香遶境四天，圓滿結束後，萬安宮的執事人員會將蜈蚣頭尾取下、火化送神，彷彿百足真人升天而去，人間的不幸與災禍也隨之化消在空中。

用扛的才叫陣頭？唯一保有龍頭鳳尾造型的百足真人？

另外一隻歷史悠久的蜈蚣陣，出現在學甲慈濟宮的刈香活動中。慈濟宮是臺灣保生大帝信仰的首廟，香火來自現今漳州市的白醮慈濟宮，因此每年保生大帝誕辰前，學甲都會舉行「上白醮」活動。在蜈蚣陣與其他陣頭的開路下，保生大帝來到將軍溪畔的白醮亭，鄰水遙祭祖廟。

由於上白醮繞境時間僅一天，無法涵蓋學甲十三庄，所以每四年會舉辦盛大完整、歷時三天的「學甲刈香」，當然蜈蚣陣也必然出場，遊走於學甲全境。

學甲蜈蚣陣由後社集和宮籌組，據說已有一百多年歷史。最驚人之處在於，祂完全由人力扛抬，因為學甲當地認為，用推的只是藝閣，用扛的才叫陣頭。

學甲蜈蚣也有自己的人設，相傳祂是青龍神轉化、協助保生大帝平亂有功的「蜈蚣公」。不同於其他蜈蚣陣紙糊的蜈蚣頭尾需要開光點眼，蜈蚣公擁有木製的龍頭鳳尾，常態供奉在集和宮，出陣前裝上蜈蚣陣，前往慈濟宮拜廟，拜廟時會在廟埕繞行三圈，圈中經常擠滿想讓蜈蚣公消災解厄的民眾。

學甲蜈蚣是臺灣唯一尚在出陣、保有龍頭鳳尾造型的陣頭，顯然與漳州、廈門的蜈蚣閣同一淵源，但堅持人力扛抬，又凸顯臺灣人將蜈蚣陣視為神明的代表。

金氏世界紀錄認證？最長蜈蚣陣？

若是講到蜈蚣陣的長度，學甲蜈蚣陣有 36 位神童、西港蜈蚣陣約 70 位上下，佳里的蜈蚣陣則一口氣來到 108 位，還先後受到兩次金氏世界紀錄認證──世界最長遊行花車。

佳里的香科稱為「蕭壟香」，由佳里金唐殿主辦，從清代就開始刈香，但在日治時期中斷，直到 1987 年才恢復每三年一次的香科。

蕭壟香的蜈蚣陣每回需動用 108 名蜈蚣神童，分別扮演 36 天罡與 72 地煞，曾在 2011 年以 201.8 公尺，獲金氏世界紀錄認證。

輸人不輸陣，輸陣歹看面！佳里另一隻蜈蚣陣由番仔寮應元宮主導，同樣也是 108 人，雖然不是蕭壟香的一部分，也不定期出陣，但在同一年再以 204.538 公尺，打破金唐殿的世界紀錄。應元宮的蜈蚣陣也是純人力扛抬，當年動員了南部各縣市轎班，約 1800 名壯漢分四班輪扛。

謝國興指出，應元宮的蜈蚣頭也相當程度地保留龍頭外型，出陣時前方有人操弄「蜈蚣珠」引導前進，這些細微之處反映臺灣蜈蚣陣傳承自華南原鄉的痕跡。

是什麼力量讓傳統文化流傳百年？

蜈蚣陣只是臺灣眾多陣頭之一，其他還有宋江陣、金獅陣、白鶴陣等，都是謝國興經年累月的研究重點。

2005 年，謝國興偶然造訪臺南鹿耳門天后宮的媽祖出巡，無意間目睹兒時記憶中的宋江陣，感動之餘，身為歷史學者的他不禁想問，是什麼力量讓人們持續體現百年前的文化？

為了解開心中的疑惑，原先研究社會經濟史的謝國興，轉而投身臺灣民間信仰的研究與記錄工作，將近二十年的長期田調讓他深刻體會：

宗教是生活中永遠的需求，因為人總有無助、需要心靈支持的時候，這就是為何時代進步，來拜拜的人並沒有減少。

這些長遠的文化記憶早已深植於常民生活之中。雖然現代社會大家平日忙於上班上課，只能利用零星的休息時間籌組陣頭，但是共同奮鬥的經歷凝聚了村民對家鄉的認同，獲得肯定的陣頭也讓參與者倍感驕傲。

此外，大型宗教活動也是村民聯絡感情的最佳時機，多年一次的刈香建醮，讓廟際、家族、外地親友有了相聚的契機，常常一起請總鋪師辦外燴，輪流請對方來吃辦桌，是非常有人情味的表現。

這些細膩觀察，來自謝國興「比氣長」的田調精神：「田調是一種長期的交陪，必須讓當地人接納你，而不是感覺自己只是一個被研究對象。」

在訪談過程中，謝國興與我們分享他撰寫的書籍、拍攝的紀錄片，當中許多受訪者都是認識十多年的鄉親。「在戲棚下站得夠久才看得到最精彩的」，謝國興這麼形容長期蹲點的重要性。

當然，戲棚下也有我們看不到的艱辛之處，例如西港刈香在活動一年半前就會開始籌備，為了記錄到完整過程，團隊也要跟著參與整個儀式與繞境活動。有些建醮選在深夜出巡、半夜燒王船、法事直到清晨才結束，為了記錄到關鍵儀式，團隊必須通宵拍攝記錄。

但一切的辛苦都是值得的，翻開謝國興的著作，可以看到詳盡的史料佐證習俗的傳承演變，習俗的轉變又反映社會、經濟、文化的巨觀變遷。研究團隊拍攝的紀錄片，在活動紀實中適時穿插人物訪談與專家講解，輔以精美的動畫，更能看出歷史與文化的縱深脈絡。

謝國興談到自己當前的願景：

人們常常不了解生活中的文化現象和背後意義，讓大家正確認識我們的民間文化，是我正在做的事情。

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文｜劉韋佐
• 責任編輯｜田偲妤
• 美術設計｜蔡宛潔

人工智慧將改變以人為主的法治領域？

由人工智慧擔任警察，再也不是科幻電影的情節，交通管制常見的科技執法就是應用 AI 辨識闖紅燈、未依規定轉彎、車輛不停讓行人等違規行為。 AI 的客觀、高效率正在挑戰以人為審判主體的法治領域，這樣的轉變會對我們產生什麼影響呢？中央研究院「研之有物」專訪院內歐美研究所陳弘儒助研究員，他將帶我們思考：當 AI 取代人類執法時，將如何改變人們對守法的認知？

想像有一天你正在尖峰時段開車，車子停在十字路口等紅燈時，後方出現一輛急駛而來的救護車，你為了讓道必須開過停止線。這時你是否願意冒著違規被開罰的風險？還是承擔風險以換取他人盡速就醫？

在上述情境中，針對「要不要闖紅燈」我們經歷了一段價值判斷過程。如果剛好十字路口有真人警察，他的判斷可能是：這是情急之下不得不的行為，並非蓄意違規。

然而，如果負責執法的是「法律人工智慧系統」（Artificially legal intelligent，簡稱 ALI）情況可能截然不同。

ALI 這個詞源自 Mireille Hildebrandt 的研究，在概念上可區分為兩類：採取傳統程式碼的 IFTTT（if this then that）、運用機器學習的資料驅動。前者是注重法律推理或論證的計算機模型，將法律規範轉為程式碼，藉由程式編寫來執行法律任務。後者則透過大量資料的學習，來預測行為範式，用於再犯率、判決結果預測上有較好的成果。

一般情況下，應用在交通管制的 ALI 會辨識車輛是否超速、闖紅燈等違規行為，不過交通情境千變萬化，ALI 能否做出包含「道德價值的判斷」將是一大挑戰！

中研院歐美研究所陳弘儒助研究員察覺，人工智慧（AI）正在左右人們對守法的價值判斷及背後的因果結構，進而反思當我們將原本由人來判斷的事項，全權交由 AI 來執行時，可能產生哪些潛移默化的影響？

讓我們與陳弘儒展開一場從法哲學出發的對話，探索 AI 與法治價值之間的緊張關係。

怎麼會對「人工智慧」（AI）與「法律人工智慧系統」（ALI）產生研究興趣？

會對 AI 感興趣是因為我很早就對電腦有興趣，我原本大學想唸資訊工程，因為高中有些科目沒辦法唸，於是去唸文組，大學進入法律系就讀，研究所考入「基礎法學組」研讀法哲學。

後來我到美國讀書，當時 AlphaGo 的新聞造成很大的轟動，啟發我思考 AI 的應用應該有些法律課題值得探討，於是開始爬梳 AI 與法律的發展脈絡。

AI 這個詞大概在 1950 年代被提出，而 AI 與法律相關的討論則在 1970、80 年代就有學者開始思考：我們能否將法律推理過程電腦程式化，讓電腦做出跟法律人一樣的判斷？

事實上，AI 沒有在做推理，它做的是機率的演算，但法律是一種規範性的判斷，所有判斷必須奠基在法律條文的認識與解釋上，給予受審對象合理的判決理由。

這讓我好奇：如果未來廣泛應用 AI 執法，法律或受法律規範的民眾會怎麼轉變？

至於真正開始研究「法律人工智慧系統」（ALI）是受到我父親的啟發。有一陣子我經常開車南北往返，有一天我跟父親聊到用區間測速執法的議題。交通部曾在萬里隧道使用區間測速，計算你在隧道裡的平均速率，如果超速就開罰。

父親就問我：「政府有什麼理由用區間測速罰我？如果要開罰就必須解釋是哪一個時間點超速。」依照一般的數學邏輯，你一定有在某個時間點超速，所以平均起來的速率才會超過速限，可是法律判斷涉及規範性，我們必須思考背後的正當性課題，不能只用邏輯解釋，這啟發我逐漸把問題勾勒出來，試圖分析執法背後的規範性意涵。

如果將執行法律任務的權限賦予 AI，可能暗藏什麼風險？

我們先來談人類和 AI 在做判斷時的差別。人類無時無刻都在做判斷，判斷的過程通常會先做「區分」，例如在你面前有 A 和 B 兩個選項，在做判斷前必須先把 A 和 B 區分開來，讓選項有「可區別性」。

在資料龐大的情況下，AI 的優勢在於能協助人類快速做好區分，可是做判斷還需經歷一段 AI 難以觸及的複雜過程。人類在成長過程中會發展出一套顧及社會與文化認知的世界觀，做判斷時通常會將要區分的選項放進這個世界觀中，最終做出符合社會或自身考量的抉擇。

當我們將判斷程序交由 AI 執行，就會涉及「判斷權限移轉」的問題，這經常在日常生活中發生，你只要發現原本自己可以執行的事情，有另外一個對象做的比你好或差不多好，你就會漸漸把判斷的工作交給它，久而久之，你大概會覺得這是很好的做法，因為可以節省大量時間。

我擔心這種判斷權限移轉會快速且廣泛的發生，因為 AI 的工作效率極高，可以大幅節省人力成本，但是哪一些權限可以放給 AI？哪一些權限人類一定要守住？我們經常沒有充足的討論，等到發生問題再亡羊補牢可能為時已晚。

以讓道給救護車而闖紅燈的情境為例，如果讓 AI 來做交管，可以節省警察人力，又可以快速精準地開罰，卻迫使民眾需額外花時間，證明闖紅燈有正當理由。如果是真人警察來判斷，警察通常會認為你的行為有正當理由而不開罰。這對於受法律規範的民眾來說，會產生兩種全然不同的規範作用。

AI 產生的規範作用會讓民眾擔心事後銷單的麻煩程序，如果無法順利解決，可能會訴諸民意代表或上爆料公社，並漸漸改變民眾對守法的態度。而真人警察產生的規範作用，將使民眾自主展現對法律的高度重視，雖然當下的行為牴觸法律，卻是行為人經過多方權衡後做的判斷，相信法律會支持自己出於同理心的行為。

使用 AI 執法除了看上它的高效率，也是因為和真人相比 AI 不會受私情影響，比較可以做出公正的判斷。如果從法治觀念來看，為何決策權不能全權交由 AI 執行？

我認為法治的核心價值在臺灣並沒有很好的發展，我們常想的是怎麼用處罰促成民眾守法，長久下來可能會得到反效果。當人們養成凡事規避處罰的習慣，一旦哪天不再受法律約束，可能會失去守法的動機。

事實上，法治最根深柢固的價值為：

法律作為一種人類行為規範的展現，促使民眾守法的方式有很多種，關鍵在於尊重人的道德自主性，並向民眾陳述判決理由。

給理由非常重要，可以讓民眾不斷透過理由來跟自己和法律體系溝通。如此也可以形成一種互惠關係，使民眾相信，國家公權力能用適當的理由來制定法律，而制定出的法律是以尊重公民自主性為主。當民眾理解法律對我所處的社會有利，會比較願意自動產生守法的動機。

AI 執法看似比人類「公正無私」，但它的執法方式以處罰為主、缺乏理由陳述，也沒有對具體情境的「敏感性」。人跟人之間的互動經常需要敏感性，這樣才能理解他人到底在想什麼。這種敏感性是要鍛鍊的，真人警察可在執法過程中，透過拿捏不同情境的處理方式來累積經驗。

例如在交通尖峰時段應該以維持交通順暢為原則，這時警察是否具備判斷的敏感性就很重要，例如看到輕微的違規不一定要大動作開罰，可以吹個警笛給駕駛警示一下就好。

我越來越覺得人類這種互動上的敏感性很重要，我們會在跟他人相處的過程中思考：跟我溝通的對象是什麼樣的人？我在他心中是什麼模樣？然後慢慢微調表現方式，這是人類和 AI 最根本的不同。

相較於法律人工智慧，ChatGPT 等生成式 AI 強大的語言功能似乎更接近理想中的 AI，其發展可能對我們產生哪些影響？

我認為會有更複雜的影響。ChatGPT 是基於大型語言模型的聊天機器人，使用大量自然語言文本進行深度學習，在文本生成、問答對話等任務上都有很好的表現。因此，在與 ChatGPT 互動的過程中，我們容易產生一種錯覺，覺得螢幕後好像有一名很有耐心的真人在跟你對話。

事實上，對於生成式 AI 來說，人類只是刺激它運作的外在環境，人機之間的互動並沒有想像中的對等。

仔細回想一下整個互動過程，每當外在環境（人類）給 ChatGPT 下指令，系統才會開始運作並生成內容，如果我們不滿意，可以再調整指令，系統又會生成更多成果，這跟平常的人際互動方式不太一樣。

資工人員可能會用這個理由說明，生成式 AI 只是一種工具，透過學習大量資料的模式和結構，從而生成與原始資料有相似特徵的新資料。

上述想法可能會降低人們對「資料」（Data）的敏感性。由於在做 AI 訓練、測試與調整的過程中，都必須餵給 AI 大量資料，如果不知道資料的生產過程和內部結構，後續可能會產生爭議。

另一個關於資料的疑慮是，生成式 AI 的研發與使用涉及很多權力不對等問題。例如現在主流的人工智慧系統都是由私人公司推出，並往商業或使用者付費的方向發展，代表許多資料都掌握在這些私人公司手中。

資料有一種特性，它可以萃取出「資訊」（Information），誰有管道可以從一大群資料中分析出有價值的資訊，誰就有權力影響資源分配。換句話說，多數人透過輸入資料換取生成式 AI 的服務，可是從資料萃取出的資訊可能在我們不知情的狀況下對我們造成影響。

面對勢不可擋的生成式 AI 浪潮，人文社會學者可以做些什麼？

國外對於 AI 的運用開始提出很多法律規範，雖然國外關於價值課題的討論比臺灣多，但並不代表那些討論都很細緻深入，因為目前人類跟 AI 的相遇還沒有很久，大家還在探索哪些議題應該被提出，或賦予這些議題重新認識的架構。

這當中有一個重要課題值得思考：

我們需不需要訓練 AI 學會人類的價值判斷？

我認為訓練 AI 理解人類的價值判斷很可能是未來趨勢，因為 AI 的發展會朝人機互動模式邁進，唯有讓 AI 逐漸理解人類的價值為何，以及人類價值在 AI 運作中的局限，我們才有辦法呈現 AI 所涉及的價值課題。

當前的討論多數還停留在把 AI 當成一項技術，我認為這種觀點將來會出問題，強大的技術如果沒有明確的價值目標，是一件非常危險的事情。實際上，AI 的發展必定有很多價值課題涉入其中，或者在設計上有一些價值導向會隱而不顯，這將影響 AI 的運作與輸出成果。

思考怎麼讓 AI 理解人類價值判斷的同時，也等於在問我們人類：對我們來說哪一些價值是重要的？而這些重要價值的基本內容與歧異為何？

我目前的研究有幾個方向，一個是研究法律推理的計算機模型（Computational models of legal reasoning）；另一個是從規範性的層面去探討，怎麼把價值理論、政治道德（Political morality）、政治哲學等想法跟科技界交流。未來也會透過新的視野省視公民不服從議題。

這將有助科技界得知，有很多價值課題需要事先想清楚，影響將擴及工程師怎麼設計人工智慧系統？設計過程面臨哪些局限？哪些局限不應該碰，或怎麼把某些局限展現出來？我覺得這些認識都非常重要！

鐵面無私的 ALI ？人類與人工智慧執法最大的分野是什麼？

陳弘儒是臺灣少數以法哲學理論研究法律人工智慧系統（ALI）的學者，他結合各種現實情境，與我們談論 ALI、生成式 AI 與當代法治價值的緊張關係。

由於 ALI 擅長的資料分類與演算，與人類判斷過程中涉及的世界觀與敏感性思辨，有著根本上的差異；以處罰為主、缺乏理由陳述的判斷方式，也容易影響民眾對公權力的信任。因此陳弘儒認為，目前 ALI 應該以「輔助人類執法」為發展目標，讓人類保有最終的判斷權限。

至於現正快速發展的生成式 AI ，根據陳弘儒的觀察，目前仍有待各方專家探索其中的價值課題，包括資料提供與使用的權力不對等、哪些人類價值在訓練 AI 的過程中值得關注等。

在過去多是由人文社會學者提出警告，現在連 AI 領域的權威專家也簽署公開信並呼籲：AI 具有與人類競爭的智慧，這可能給社會和人類帶來巨大風險，應該以相應的關注和資源進行規劃和管理。

在訪談過程中，有一件令人印象深刻的小插曲，陳弘儒希望我們不要稱呼他「老師」，因為他從小就畏懼老師、警察等有權威身分的人，希望以更平等的方式進行對話。

假如今天以 AI 進行採訪，整個談話過程或許能不受倫理輩分影響，但這也讓我們意識到，在 AI 的世界裡，許多人際互動特有的敏感性、同理反思都可能不復存在。

陳弘儒的研究讓我們體會，AI 在法治領域的應用不僅是法律問題，背後更包含深刻的哲學、道德與權力課題，也讓我們更了解法治的核心價值：

法律要做的不只是規範人們的行為，而是透過理由陳述與溝通展現對每個人道德自主性的尊重。

「意識」是什麼？

直到現在，仍是宗教、哲學、心理學、神經科學都還無法解答的難題。

但是今年， 2023 年，一場來自神經學家與哲學家對於「意識」解釋的賭注，在經過長達 25 年的研究後，終於要畫下句點了嗎？到底是誰贏了？對自己頭上頂著的大腦，我們又了解多少了？

25 年前，一場圍繞「意識」之謎的賭局

1998 年，神經科學家克里斯托夫・科赫（Christof Koch）和哲學家戴維・查爾莫斯（David John Chalmers）打賭一箱葡萄酒，如果 25 年後，人們已經能清楚地解釋意識背後的神經機制，那麼就是科赫贏了。反之，如果還是未能解答意識之謎，就是查爾莫斯贏了。

但在揭曉勝者之前，我們要先來談談一個最基本的問題，「意識」到底是什麼？首先我們要先定義清楚，因為在中文中，意識指的可能是一個人的清醒狀態、也可以是對內在自我的一種感知、又或是包含感知、情緒、思考等等的一種總和、又甚至可以是指在精神分析理論中與前意識和潛意識的比較。

若要深入探討意識定義的發展以及不同的哲學論點，那真的不做個三十集做不完，在這集的時間內，就讓我們把重點放在感質（Qualia）的相關概念。感質，指的是個人直接體驗的主觀感受，被認為無法通過客觀描述或第三人稱觀察來完全理解或解釋。我們感知世界的方式、感受事物的質感、觸覺、視覺、聽覺、嗅覺等等都是屬於感質。

舉一個例子。若是把一顆紅蘋果放在大家面前，詢問蘋果這是什麼顏色，相信大家應該都會說這是紅色。然而，雖然科學能解釋紅色是因為有波長約 620 到 750 奈米的光，刺激到視網膜的錐細胞，產生一連串的神經反應，最後形成大腦的表徵，但卻無法解釋我們對紅色的主觀感受是怎麼形成的。

哲學家們也常思考，你看到的紅色，和我看到的紅色究竟是否一樣，是否有可能我眼中的紅其實是你眼中的綠。

舉另一個例子，這件數年前爆紅的衣服，你覺得是藍色與黑色相間，還是白色與金色相間呢？

另外，像是這張圖究竟是兔子還是鴨子？

這張圖究竟是狗還是小女孩？

明明有張客觀的圖片存在，每個人的主觀感受卻有不同的答案。

「困難問題」（Hard problem of consciousness）是找不到答案的問題？

在意識賭局中的哲學家戴維・查爾莫斯，就提出感質以及主觀經驗為什麼（why）存在以及如何（how）產生是所謂的困難問題（Hard problem of consciousness），相較於簡單的問題是討論意識相關的功能和行為，困難問題涉及意識的經驗（現象、主觀），是沒辦法客觀觀察測量。也就是這個問題，是沒有答案的。

舉一個屬於困難問題的例子，明明都只是大腦的神經在放電，為何某些神經放電後會導致飢餓感而不是其他感覺，譬如口渴？他認為即使沒有飢餓這種「感覺」，飢餓衍伸出的行為，例如進食，也可以發生。因此這些產生的感覺，無法單純簡化由大腦等物理系統解釋。

然而，困難問題的說法其實也存在爭論。根據 2020 年哲學期刊文章的互動式學術資料庫 PhilPapers 的調查， 29.72% 的受訪哲學家認為難題不存在，而 62.42% 的受訪哲學家認為難題是一個真正的問題。

也有一群神經科學家們雖然接受困難問題的存在，卻也認為困難問題未來可以被解決，又或是被證明這不是一個真正的問題。並開啟了他們對於意識相關神經區（neural correlates of consciousness）簡稱 NCC 的研究發展，試圖找到足以產生意識的最小神經集合。

但 NCC 的研究被認為最多只能找到神經反應與意識的相關性，解決的仍然只是簡單問題而非困難問題。為了突破 NCC 本身的限制，人們又開始轉往重視意識理論（theories of consciousness (ToCs)）的發展。希望透過意識理論來超越以 NCC 為基礎的方法論，轉向提供更具解釋性見解的意識模型。

在意識模型這邊還在爭論不休，讓我們先把鏡頭換到神經學家這一邊。

研究科技進步，為意識研究帶來哪些幫助？

面對意識這個艱難的大哉問，克里斯托夫・科赫當初怎麼那麼有自信，敢發起這個看起來勝算就不大的挑戰呢？有那麼愛喝嗎？

1998 年，年輕有為的克里斯托夫・科赫已經是加州理工學院的助理教授，並和生命科學領域大咖中的大咖弗朗西斯・克里克，合作研究意識這個主題。沒錯，就是和華生一同發現 DNA 是雙股螺旋結構的克里克。除此之外，克里斯托夫還擁有物理的碩士學位，擁有跨領域的知識，讓他更加相信透過實證的方式，能找到意識的神經機制。

當時有許多大腦研究的技術蓬勃發展，像是功能性磁振造影（fMRI）已經獲得廣泛使用，使得科學家們能在對象進行活動或是受外界刺激時，同步從大腦血氧濃度的變化來推斷神經反應。

此外，光學遺傳學（optogenetics）技術也在那個時期開始萌芽，這讓研究者能用極佳的時間解析度來調控特定的大腦神經元，並藉此解碼大腦的秘密。舉例來說，現在的光學遺傳學能讓科學家們鎖定小鼠的特定神經細胞，並在小鼠頭上裝上 LED 光纖，只要開啟 LED 的光刺激，那些特定神經細胞就會興奮或抑制。藉由觀察小鼠行為的變化，就能了解不同行為表現是由哪些神經元所調控。

厲害的是，在 1979 年光學遺傳學的技術還未誕生前，克里克就認為如果想要了解大腦的運作，精準控制大腦中一種類型的所有細胞是非常重要的，而若想要有極佳的時間和空間精細度，必須使用光的技術，這與後來光學遺傳學的發明不謀而合。

有了這些科技加持，長達 25 年對於意識的賭注也即將來到結局。

所以，誰贏了賭注？

2023 年 6 月 23 日，在科學意識研究協會的年會上，揭曉了這長達 25 年的賭局。神經科學家克里斯托夫・科赫（Christof Koch）最終承認，目前還不能解釋大腦的神經元是如何產生意識，並買了一箱好葡萄酒（1978 Madeira）給哲學家戴維・查爾莫斯（David John Chalmers）實現諾言。

當然，這不是說意識的來源永遠沒有解答，只是當初賭局設下的 25 年時限到了。實際上到了 2018 年，他們兩位根本都忘了這場賭局，直到一位科學記者佩爾・斯納普魯德重新提及這個話題，才讓大家重新想起。

恰巧那個時間點，克里斯托夫・科赫和戴維・查爾莫斯都參與了鄧普頓世界慈善基金會支持加速意識研究的大型項目。該計畫建立一系列意識理論的「對抗性」實驗，希望透過讓兩個或多個持相反觀點的競爭對手共同合作研究，來挑戰各種意識假設。

意識理論的百家爭鳴

而其中包含兩個著名的意識理論，全局工作空間理論（Global Workspace Theory （GWT））和整合資訊理論（Integrated Information Theory （IIT））。

全局工作空間理論（Global Workspace Theory （GWT））的概念，最早是由認知科學家伯納德・巴爾斯和斯坦・富蘭克林在 1980 年代晚期提出。他們認為意識的產生就像是劇場聚光燈一樣，當這個意識劇場透過名為選擇性注意的聚光燈在舞台上照出內容，我們就會產生意識情境。這聚光燈的投射也代表著全局工作空間，只有當感官輸入、記憶或內在表徵受到注意時，它們才有機會整合成為全局工作空間的一部分，被我們主觀意識到。而我們的行為決策，也是透過這個全局工作空間整合訊息，並分配到其他系統所產生。目前認為全局工作是發生於大腦前方的前額葉區域。

與全局工作空間理論打對臺的，是整合資訊理論（Integrated Information Theory （IIT）），最早由朱利奧・托諾尼（Giulio Tononi）在 2004 年提出。這理論認為，意識背後是有數學以及物理為基礎的因果關係。應該先肯定意識的存在，再回推尋找其背後的物質基礎，並認為主觀意識是由客觀的感覺經驗產生的。克里斯托夫・科赫就是此理論的擁護者，他進一步認為，意識背後的那個神經機制，就存在於大腦後方後皮質熱區（Posterior cortical hot zone），包括頂葉、顳葉和枕葉的感覺皮質區域。

讓我們稍微總結一下兩者差異：

全局工作空間理論——

• 意識只能透過訊息投射到一個稱做「全局工作空間」之後才能呈現
• 訊息本身不會形成意識
• 訊息要被注意到才會產生意識

整合資訊理論——

• 意識存在
• 產生的關鍵是需要將大腦處理感覺的皮質區域訊息整合

然而，經過六個獨立實驗室的研究，雖然有較多的證據支持整合資訊理論，但兩個理論都存在缺陷和質疑，直到目前都尚未有明確解答能解釋意識的神經機制，這也讓克里斯托夫・科赫大方承認自己輸掉了這 25 年的賭局。

隨著科學測量技術的演進以及越來越多的研究進展，有一些神經科學家認為意識理論即將崛起，目前的狀態只不過是一種研究過渡期。科學哲學家托馬斯・庫恩（Thomas Kuhn）將這種過渡期以「前典範式」（preparadigmatic science）來形容，認為一門不成熟的科學在成熟前，會面臨相互競爭的思想流派並各說各話。就像是當初達爾文提出演化論的物競天擇前有拉馬克主義、災變論與均變論來試圖解釋物種起源一樣。

下一場賭約？

雖然這次的打賭由戴維・查爾莫斯獲得一勝，但克里斯托夫・科赫在今年加倍賭注，認為下一個 25 年他一定會贏。到時候克里斯托夫已經 91 歲，戴維 82 歲了。

大家別擔心，這一集是會員共同選出來的題目， 25 年之後，我們也會再為各位泛糰做一集討論賭局的結果。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

• https://www.sciencealert.com/25-year-… 
•   The Bet on Consciousness 
•  https://www.nature.com/articles/d4158…
• https://consc.net/consciousnesswager.pdf
• https://www.nature.com/articles/s4158…
• https://www.vox.com/future-perfect/20…
• https://www.scientificamerican.com/ar…
• https://www.vox.com/future-perfect/20…