面對改變時，理智與情感的拉扯就像是「象與騎象人」——《學會改變》上

• 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。

讓電腦理解人類情感，一直是許多科學家關注的議題。那你知道現在 AI 已經學會人類情緒的辨識了嗎？

所以我們這集就來講講：

1. AI 如何理解人類情緒
2. AI 如何生成情緒語音
3. 世界上第一款具有同理心的 AI 對話工具 Hume

那麼我們就開始吧！

如果有其他想看的 AI 工具測試或相關問題，也可以留言發問～

更多、更完整的內容，歡迎上泛科學院的 youtube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

• 作者／劉育成｜東吳大學社會系副教授

後人類學者 Rosi Braidotti 在其著作中提出了一個問題：

「後人類主體的感官與知覺器官，看起來會像什麼樣子？（What is the sensory and perceptive apparatus of posthuman subjects like?）」（Braidotti & Hlavajova, 2018, p. 12）。

或者，換一個問法。人類所擁有的情感、情緒、知覺或感官體驗，都是「自然的」嗎？這樣的論述有多大程度是真實的？以及，科技如何可能改變這樣的真實性？Jordi Vallverdú 提出「後認知時代（Post-Cognitive Era）」一詞，藉此思考以下提問：「情緒或情感是自然的嗎？」「在科技介入後，情緒或情感如何變得不自然？」，或者「如何挑戰情緒或情感是自然的這條界線？」（Vallverdú, 2017）。

換句話說，他的提問是：人造感官如何影響或形塑我們對世界的認識？以及，最終而言，如何形塑我們對自身之認識，以及形塑自身與機器之關係的認識？當然，這也挑戰了自然與技術的關係，也包含了重塑兩者之間原本存在之界線的內涵。

自然與非自然之間的關係

自然與技術（人造物）的關係，從希臘時代便有所論述。在史丹佛哲學百科（SEP）中，Franssen 等人歸納出了四個主題：首先，技術是學習於自然，或是模仿於自然。例如建造房子是模仿自燕子築巢、編織則是模仿自蜘蛛結網等。第二，自然與人造物之間存在著根本上的區別。例如亞里斯多德認為，自然界事物的產生與動作乃是內生的，而人造物是依賴外在的原因。此外，不同於自然，人造物也無法再製自身。第三，亞里斯多德的四因說（物質、形式、效用、目的）對技術哲學的貢獻。第四，柏拉圖與亞里斯多德對技術圖像的大量使用。例如柏拉圖將世界描述為是工匠的作品（the work of an Artisan）以及兩者都認為技術圖像在表達「世界的理性設計」這個信念上是不可或缺的（Franssen, Lokhorst, & Poel, 2015）。

在希臘神話中也經常見到技術如何借鏡於自然，以擴展人類的能力。例如伊卡洛斯與代達洛斯想要透過蠟製成的翅膀逃離克里特島的故事。對於自然與技術（人造物）之間的區別，以人造物無法再製自身為主要觀點，指出了某種對於自然與人造物之間似乎存在著一道無法跨越的鴻溝或高牆。無論是往下走到底或者往上爬，科技都尚未能帶領我們看到是否能成功跨越的終點。

從技術的角度來看，自然是可以被征服的。然而，自然卻從未想要征服技術。對人類與社會的演化而言，「自然」不過就是透過技術進行觀察與再現的產物。康德曾經提問，「自然如何可能（How is nature possible?）？」社會學家 Simmel 認為這樣的提問正指出所謂的自然，「只不過是對自然的再現而已（nothing else but the representation of nature）」（Simmel, 2009[1908], pp. 40-41）。此一對自然的再現，原本是透過感官、心智與意識的運作，綜合而來的主體經驗，例如味道、溫度、顏色、情緒等皆然。

對康德而言，自然「就是個特定種類的經驗，一個透過且在我們的知識範疇中所發展出來的圖像」（Ibid.）。Simmel 對康德有關自然的討論，原本是想要回答「社會如何可能？」的這個問題，但將它自身的問題類比於康德的提問，正好提出了當前關於科技與人類發展的重要議題，也就是：在多大程度上，人類其實是技術的產物，且徹頭徹尾就是技術的？以及，隨著科技的介入，人類—身體與心智—在多大程度上仍（會）是自然的？

自然（Nature）可以是資料（Data）嗎？

馬克思在《資本論》第一卷中說道：「人自身作為一種自然力，與自然物質對立。為了在對自己的生活有用的形式上佔有自然物質，人使自身的自然力——手臂和腿、頭和手運動起來。當人透過這種運動，對外在於自身的自然施加作用並改變自然時，也就同時改變他自己的自然／性質（Nature）」（引自，萬毓澤, 2018, p. 56）。

這似乎是說，人透過其原本作為自然界之一部分的自然之力，在改變自然的同時，也改變了自身的屬於自然的那一部分。科技不僅在這個運動過程中給予人的自然力大大的協助，甚至不斷地擴增其力量，更透過大腦的延伸——網際網路以及人工智能等——欲將人類身體的自然性質消除殆盡。儘管可以想見的是，這為人類的日常生活帶來更多的便利與效能，但與此同時，自然卻也成了一個再也回不去的想像。

「是不是自然的？」這件事重要嗎？在自然與技術（非自然或人造物）這兩個端點上，我們很少譴責自然是一個不好或不健康的東西，但是跟技術有關的，卻經常象徵了不健康的事物。當現代社會中出現越來越多諸如「吃得健康」、「吃原型食物」、「回歸自然」等論述，或許也指出了前述馬克思所論述的矛盾。

在科技發展上，將自然——透過各種感測器或演算法等——化約為「資料（data）」並且對透過這些資料以模擬、再現或理解自然的肯定，讓自然離人類越來越遠。Coyne 在探討自然在數位時代中的位置時也說道：「無論自然是什麼，其絕不是資料」（Coyne, 2018, p. 7）。我們之所以能夠區別何謂自然或不自然，前提是我們已經使用了「自然／非自然」的這組區別。對人類以外的有機體而言，這組區別無疑是不存在的。

換句話說，這組區別乃是技術的產物，也正是從技術（人造而非自然）的角度觀之，自然充滿了訊號（signals）或徵兆（signs）， 等待著被（技術）解讀。對自然的「認知」——搜集、解讀訊號並賦予意義，一開始雖是透過尚未被技術中介的身體與感官來實現，但如今卻逐漸轉向由人造感官（artificial organs）與演算法來架構出對自然的認識。

歷史上的四種認知階段

廣義而言，「認知」就是對世界或環境的感知與認識。Vallverdú 區分了歷史上的四種認知階段：自然、文化、計算，以及後設統計（meta statistics）（超人類／超智能）（Vallverdú, 2017, p. 194）。這四個階段也可以看作是四種認識世界的方式，而這個過程也標示了那個原本是自然之一部分的身體，在科技介入後如何逐漸消逝的過程。

在前三個階段，那個自然意義下的身體仍是認知發展與主體，感官在其中扮演重要角色。心智的發展也與感官如何感知外部世界有密切關係。因此，至少在這些階段中，知識仍是具身性的（embodied）。假如我們依舊相信科學與科技發展中的奇點（singularity）論述是可能出現的，那麼在奇點之後的人類以及「認知」又會是什麼樣子？這是 Vallverdú 所謂的第四階段：後設統計。他認為，未來的知識在本質上將會是「統計性的」。他稱那些在奇點之後所出現的認知實體為「後認知實體（post-cognitive entities）或「後奇點智能（post-Singularity intelligences）」（Ibid., p. 197）。

這樣的一種後認知實體主要有兩類，其一是「超人類（transhumans）」，其二則是人工智能學家 Nick Bostrom 所謂的「超智能（superintelligences）」（Bostrom, 2014）。超人類或許仍可被認為是人類或具有部分人類的性質，或者所謂的「賽博格（cyborg）」。然而，對於「超智能」——一種具有人類智能特性卻能超越人類智能的演算法，如何定義其是否為活著的或者是有機體等，對某些人而言似乎還是個困擾。

在探討認知的發展與情緒是不可分的前提下，Vallverdú 將這些後奇點智能的情緒系統描述為「para-emotions」，這個系統與當前人類的情緒系統運作會有很大不同，也將會是建立在新的資訊結構之上。如果情感與情緒在某種程度或意義上仍是自然的，那麼我們將要如何理解透過人造感官、各種感測器所蒐集到的數據，並據以形成關於情感與情緒的計算及結果？

另外，假如一個人工智能演算法能夠展現情感與情緒，並以此為基礎發展出對環境的認知與理解，這樣的一種非人的、後奇點實體是否能被視為是具有生命的？這些問題不僅在實務上會帶來各種倫理議題，在知識論上也直接挑戰了自然與技術的界線。

在日常生活中，我們已經可以見到人們透過穿戴式或植入式裝置搜集數據，並以此為了解自身身體的方式。這些人造感官、感測器所獲得之資料，可以單獨運作或與身體感官的運作合併，一同形塑出所謂的認知。人們感知的方式也會形塑其思考與行動的方式與內容。

Vallverdú 以「羞恥感（shame）」在社會連結中扮演之角色為例指出，羞恥感這種複雜的社會情緒，乃是透過複雜的社會互動而出現。此外，羞恥感更能夠用來實現人們彼此之間更細緻、複雜的社會互動（Vallverdú, 2017, p. 205）。這樣的情感與情緒如何在人造認知設備中獲得實現，以及對人機互動的影響與啟發等，都還尚待深入探究。

「感覺」可以透過大數據或演算法建構嗎？

「資料並未創造出感覺（data do not create sense）」，Vallverdú說道（Ibid.）。

透過技術能搜集到的資料越多，並不表示對自然或環境的感知或理解就必然會越加正確或適切。更重要的是，透過人造感官為人類或超智能所架構出來的環境特性，是否也是自然的，或自然的一部分？若我們將演算法也視為一種人造感官，當人們越來越依賴演算法來架構認知時，人類大腦是否會受到各種人造感官的影響，而被形塑成一種透過人造的方式來認識其環境，或者甚至，最終為人造大腦所取代？例如，書寫工具的數位化將我們與自然的接觸簡化到手指的固定、簡單的幾個動作，但卻給予與我們探索更多非屬於自然的可能性，而得以讓想像力因為數位化工具而得以更精緻、更多意想不到的方式來實現。其確實為我們帶來了更豐富的世界，但也將我們與自然的關係簡化為僅是手指的幾個動作。

再舉個例子，我們對植物的認識，過去需要到外面，透過觀察、觸摸等方式來認識植物，如今透過智慧型手機中的 APP（例如「形色」或 Google），只要對不知名的植物或花卉等拍攝照片，該程式就會將照片與其雲端上的資料庫進行比對，然後將結果回傳到手機螢幕上，然後使用者就會知道該植物的名稱及特性。在經驗研究中觀察到的是，使用者是在獲得回傳之資料後，再將該資料中對該植物特性的描述與眼前的植物進行比對，也就是透過回傳之資料來認識該植物的特性。

在此一過程中，原本一開始是需要透過感官進行仔細觀察、觸摸、尋找資料、比對等都被簡化為一連串數位化的動作，這些動作與所要認識的對象之性質無關，而我們卻越來越習慣於用這樣的方式來認識與接觸自然。當我們意識到時而想要回歸到更多的自然時，我們所需要付出的代價可能更高（一方面是因為我們已經習於技術為我們提供對自然的認識或進用），甚至是一件不太可能或相當困難的事。

Braidotti 認為後人類、後人類中心主義的觀點，乃是茁生於「展露自身於世界，且折疊世界於自身之中的實作」（Braidotti, 2013, p. 193）。對我來說，這就是將人類帶回自然。至於這個「將人類帶回自然」對人類自身而言是一種貶抑或者是提升，或許仍有待討論。若科技是為了征服自然而存在及發展，也就是致力於人與非人（人造物）、自然與技術之界限的消解，那麼這樣的一種後人類論述，或許更像是創造了不存在真正自然的對象物。前述之界線的消解包含兩種意涵。其一是解消而回歸自然，其二是解消但卻是回歸技術。

然而，對這兩種意涵的探究，是否也預設了人與非人這組區別是技術而非自然的產物？這或許也是值得思考的問題。關於後人類與後人類中心主義的提問便會包括，這組區別之解消，帶來的是偏向自然或偏向技術的世界或思維？

《脫稿玩家》中擁有自我意識的 NPC

在最近的一部電影《脫稿玩家（Free Guy）》（2021）中，劇情主要描述一個在數位虛擬世界中的 NPC（Non-Player Character，非玩家角色）在獲得自我意識之後所發生的各種情節。非玩家角色指的是，在角色扮演遊戲中，那些不是由玩家所控制的角色。非玩家角色通常是由電腦程式或人工智能演算法所控制，主要協助真人玩家進行遊戲或豐富遊戲的場景與互動內容。

在該電影中所設定的虛擬遊戲場景裡的 NPC—Guy—突然獲得了自我意識，因此也認識到他跟遊戲中的其他 NPC 角色有所不同。此外，該遊戲的真人玩家也在與 Guy互動的過程中，不僅有真實情感的投入，也引發了對於 Guy 是否應該被視為是「人」或者是「活著的」討論。這也直接挑戰了自然與非自然的界線，以及「什麼是『活著的（alive）』？」、「自然就等於是活著的嗎」等觀點。更進一步提問會是，在這個從自然到非自然的跨越，以及從非自然跨回自然之過程中，到底發生了哪些事？

結語

綜上所述，人類（社會）或許正經歷一個從「科技中介的自然（technologically-mediated nature, or artificial nature」到「科技的自然化（naturalization of technology）」之發展。在此過程中，關鍵的提問將會是，自然如何解消於科技之中，以及這樣的解消為物種帶來何種面對自身的方式及後果？無論是 Vallverdú 稱之的後認知或後奇點實體，還是 Braidotti 的後人類主體，這些都會是「身體主動吸引技術進入其中」的主體，技術不再是輔助身體之用，正常與不正常的身體，都期待技術帶來的好處——也將重塑正常／不正常的界線。

例如我們不只是無法抗拒智慧型手機，在某種意義上，我們歡迎智慧型手機對身體——姿勢、行為、心理與心智——的殖民。感官與知覺設備不再只是指單純的身體感官，也不是如麥克魯漢所言之的身體感官透過技術物而延伸的產物，而是技術物改變感官經驗甚至取代感官以提供資訊給心智（演算法）進行處理，最終帶來的或許正是一個科技就是自然的後認知時代。

參考資料：

• 萬毓澤. (2018). 你不知道的馬克思. 新北市: 木馬文化.
• Bostrom, N. (2014). Superintelligence: Paths, Dangers, Strategies. Oxford, UK: Oxford University Press.
• Braidotti, R. (2013). The Posthuman. Cambridge, UK: Polity Press.
• Braidotti, R., & Hlavajova, M. (Eds.). (2018). Posthuman Glossary. London and Oxford: Bloomsbury Academic.
• Coyne, R. (2018). Network Nature: The Place of Nature in the Digital Age. London & New York: Bloomsbury Academic.
• Franssen, M., Lokhorst, G.-J., & Poel, I. v. d. (2015). Philosophy of Technology. In E. N. Zalta, U. Nodelman, & C. Allen (Eds.), Stanford Encyclopedia of Philosophy (pp. 1-55). Stanford, CA: Stanford University.
• Simmel, G. (2009[1908]). Sociology: Inquiries into the Construction of Social Forms (Volume 1) (A. J. Blasi, A. K. Jacobs, & M. Kanjirathinkal, Trans.). Leidon & Boston: Brill.
• Vallverdú, J. (2017). The Emotional Nature of Post-Cognitive Singularities. In V. Callaghan, J. Miller, R. Yampolskiy, & S. Armstrong (Eds.), The Technological Singularity (pp. 193-208). Berlin, Heidelber: Springer.

• 作者／奇普‧希思、丹‧希思；譯者／洪士美

想早起卻總是離不開床？

現在來看看麻省理工學院的學生葛莉‧南達（Gauri Nanda）發明的落跑鬧鐘（Clocky）。它可不是普通鬧鐘，它有輪子。你在每天晚上設好鬧鐘，當早上鬧鐘響起時，落跑鬧鐘會從床頭櫃上滾下來，在房間裡亂竄，逼得你非得起床追著它跑。想像一個畫面：穿著睡衣的你在地上爬行，邊追趕邊咒罵一個四處亂竄的鬧鐘。

落跑鬧鐘確保你沒有機會按下賴床鈕，也讓你避免因為賴床釀成災難。顯然睡過頭是個普遍存在的恐懼，因為售價五十美元的落跑鬧鐘上市前兩年，就賣出了三萬五千個（儘管沒什麼宣傳）。

這項發明的成功讓人們見識到人類的心理。其中一個重點是，人人都有精神分裂的毛病。一部分的自我（理智面），想要在早上五點四十五分起床，讓自己在上班前還有時間先去慢跑；另一部分的自我（情感面），一大清早在黑暗中醒來，卻蜷縮在溫暖的被窩中賴床，覺得世界上沒有比再多睡個幾分鐘更棒的事。

如果你跟我們一樣，情感面總是在這類的內心交戰中獲勝，看來你也需要一個落跑鬧鐘。這個產品最棒的地方在於，它可以協助你的理智面戰勝情感面，當一個暴走的鬧鐘在房裡四處亂竄，誰還能安穩的躺在床上。

說得直白點：落跑鬧鐘不是為那些理性的人所設計。如果《星際爭霸戰》（Star Trek）中的半瓦肯人史巴克（Spock）（編按：瓦肯人在劇中的設定是能抑制情感的干擾，並以嚴謹的邏輯去思考）想在早上五點四十五分起床，根本不用那麼麻煩，時間一到他就會起床。

人們內在的精神分裂異常詭異，但因為習以為常，也就不以為意。當我們開始新的減肥計畫，會先清空櫃子裡的芝多司起士條和奧利奧餅乾，因為理智面知道，當情感面有了渴望時，往往毫無自制力可言。唯一的辦法是排除所有誘惑。（其實，如果麻省理工學院的學生可以開發出自動躲避減肥者的芝多司，肯定會發大財。）

結論就是：你的大腦無法齊力同心。

情感與理智的愛恨糾葛

其實心理學界普遍認為，人類大腦隨時都有兩個獨立的系統在運作。第一個是所謂的情感面，屬於直覺層面，感受痛苦與歡樂。第二個是理智面，也可稱為反思和意識系統。理智面讓你懂得深思熟慮、重分析，並展望未來。

過去數十年來，心理學家對這兩個系統的研究成果豐碩，但人類對自身的內在衝突早已有所自知。柏拉圖認為，人的大腦中有個理智的馬車伕，他得駕馭一匹桀驁不馴的馬，「唯有用馬鞭、馬刺伺候，才能勉強使其就範。」佛洛伊德則是闡述自私的本我與自律的超我（還有協調兩者的自我）；近代則有行為經濟學家將這兩個系統稱為計畫者和行動者。

但對我們而言，維吉尼亞大學的心理學家強納森‧海德特（Jonathan Haidt）在其精彩的著作《象與騎象人》中，對兩者緊張關係的比喻最為貼切。

海德特表示，人類的情感面是一頭大象，理智面則是騎象人。騎象人手握韁繩，坐在大象身上，看似是領導人。但相較於大象，騎象人的身形實在太過矮小，因此他對大象的控制力並不穩定。每當六噸重的大象和騎象人對前進的方向有不同的看法時，騎象人完全不是大象的對手，注定會敗下陣來。

大多數人對於我們內心中的大象壓制騎象人的情況都非常熟悉。倘若你曾睡過頭、吃太多、半夜忍不住打電話給前任情人、做事拖拖拉拉、戒煙失敗、偷懶不去健身房、因為憤怒說出後悔的話、放棄西班牙文或鋼琴課、因為害怕不肯在會議上發言，就意味著你有過這樣的經驗。還好沒人在一旁打分數。

大象與騎象人同心協力，改變會更加容易

大象（人們的情感和直覺面）的弱點明確可見：懶惰又膽小，往往尋求當下滿足（甜筒），而非長期回報（身材苗條）。當針對改變付出的努力得不到成果時，通常是大象的錯，因為人們所追求的改變多半要藉由犧牲短期利益，來換取長期回報（為了明年的資產負債表能有更好的表現，我們現在努力削減開支。為了明年能有更好的體態，今天的我們忍痛不吃冰淇淋）。

改變之所以經常失敗，是因為騎象人無法讓大象乖乖朝著目的地前進。

騎象人的優點正好與大象及時行樂的行徑相反，他擅長跳脫當下，思考並規劃長遠的未來（這些都是你的寵物辦不到的事）。但令人意外的是，大象也有極大的優點，而騎象人也有致命的弱點。

大象不見得總是壞蛋。諸如愛與憐憫、同情與忠誠，都是大象所掌管的情緒。保護自己的孩子免受傷害的強大本能，也來自大象。當你必須為自己挺身而出時內心的那股激動，也是出自大象。更重要的是，如果你正在考慮做出改變，大象才能負責完成任務。

無論你的目標是否崇高，都需要大象的能量和動力才能達成。這個優點正好對照出騎象人的弱點：原地踏步。騎象人往往過度分析、想太多。你很可能認識一些有騎象人毛病的人：你的朋友可以為了晚餐要吃些什麼，掙扎二十分鐘；你的同事花了好幾個小時腦力激盪，卻遲遲無法做出決定。

如果你想做出改變，就得兩頭並進。由騎象人提供計畫與方向，大象提供動能。

因此，如果你找到了團隊的騎象人，這些人只有理解力，沒有行動力。如果你搞定的是團隊的大象，他們空有熱情，卻缺乏方向。無論是哪種情況，各種缺失都足以阻礙改變。一頭不情不願的大象和一個原地踏步的騎象人，都讓改變無從發生。但當大象和騎象人同心協力，改變可以是件容易的事。

• 下一篇，帶你了解：〈想要改變，單靠自制力是不夠的！何不試試讓理智與情感合作？——《學會改變》下〉

——本文摘自《學會改變》，2019 年 7 月，樂金文化