由淡入濃—如是我觀涂靈形象

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪撰文／田偲妤
• 美術設計／蔡宛潔

AI 的誕生，文理缺一不可

人工智慧（Artificial Intelligence，簡稱 AI）在 21 世紀的今日已大量運用在生活當中，近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等，都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維，除了仰賴工程師的先進技術，更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員，帶大家釐清什麼是 AI？文科人與工程師合作時，需具備什麼基本 AI 知識？AI 如何應用在人文社會領域的工作當中？

詩詞大對決：人與 AI 誰獲勝？

一場緊張刺激的詩詞對決在線上展開！人類代表是有「AI 界李白」稱號的蔡宗翰研究員，AI 代表則是能秒速成詩的北京清華九歌寫詩機器人，兩位以「人工智慧」、「類神經」為命題創作七言絕句，猜猜看以下兩首詩各是誰的創作？你比較喜歡哪一首詩呢？

答案揭曉！A 詩是蔡宗翰研究員的創作，B 詩是寫詩機器人的創作。細細賞讀可發覺，A 詩的內容充滿巧思，為了符合格律，將「類神經」改成「類審經」；詩中的「福落天赦」是「天赦福落」的倒裝，多念幾次會發現，原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯；而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯，整首詩創意十足，充滿令人會心一笑的魅力！

相較之下，B 詩雖然有將「人工」兩字穿插引用在詩中，但整體內容並沒有呼應命題，只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝！

由此可見，當前的 AI 缺乏創作所需的感受力與想像力，無法做出超越預先設定的創意行為。然而，在不久的將來，AI 是否會逐漸產生情感，演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人？

AI 其實沒有想像中聰明？

近期有一則新聞「AI 有情感像 8 歲孩童？Google 工程師爆驚人對話遭停職」，讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示：「當前的 AI 還是要看過資料、或是看過怎麼判讀資料，經過對應問題與答案的訓練才能夠運作。換而言之，AI 無法超越程式，做它沒看過的事情，更無法替人類主宰一切！」

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言，多半是因為我們對 AI 的訓練流程認識不足，也缺乏實際使用 AI 工具的經驗，因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上，更延伸到文科人與理科人的合作溝通上，因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識，不僅能讓跨領域的合作更加順利，還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是，由於文科人不了解 AI 的訓練流程，因此對 AI 產生錯誤的期待，認為辛苦標注的上千筆資料，應該下個月就能看到成果，結果還是錯誤百出，準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚，兩方就會陷入僵局，導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議：

如果文科人了解基本的 AI 訓練流程，並在每個訓練階段協助分析：錯誤偏向哪些面向？AI 是否看過這方面資料？文科人就可以補充缺少的資料，讓 AI 再進行更完善的訓練。

史上最認真的學生：AI

認識 AI 的第一步，我們先從分辨什麼是 AI 做起。現在的數位工具五花八門，究竟什麼才是 AI 的應用？真正的 AI 有什麼樣的特徵？

基本上，有「預測」功能的才是 AI，你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現，而且人類手工操作就辦得到，那就不是 AI。

蔡宗翰研究員以今日常見的語音辨識系統為例，大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話，你會發現自己無法事先知曉將產生什麼文字或回應，結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同：AI 無法百分之百正確！

因此，AI 的運作需建立在不斷訓練、測試與調整的基礎上，盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段，工程師彷彿化身老師，必須設計一套學習方法，提供有助學習的豐富教材。而 AI 則是史上最認真的學生，可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI，讓其根據工程師所定義的資料相似度算法，逐漸學會將相似資料分在同一堆，再由人類檢視並標注每堆資料對應的類別，進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI，讓其逐漸學會將任意資料對應到正確答案。

學習到一定階段後，工程師會出試題，測試 AI 的學習狀況，如果成績只有 60、70 分，AI 會針對答錯的地方調整自己的觀念，而工程師也應該與專門領域專家一起討論，想想是否需補充什麼教材，讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作，也可能因為時事與技術的推陳出新，導致準確率下降。這時，AI 就要定時進修，針對使用者回報的錯誤進行修正，不斷補充新的學習內容，讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後，蔡宗翰研究員建議：文科人可以看一些視覺化的操作影片，加深對訓練過程的認識，並實際參與檢視與標注資料的過程。現在網路上也有很多 playground，可以讓初學者練習怎麼訓練 AI，有了上述基本概念與實務經驗，就可以跟工程師溝通無礙了。

AI 能騙過人類，全靠「自然語言處理」

AI 的應用領域相當廣泛，而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因，他充滿自信地回答：因為自然語言處理是「AI 皇冠上的明珠」！這顆明珠開創 AI 發展的諸多可能性，可以快速讀過並分類所有資料，整理出能快速檢索的結構化內容，也可以如同真人般與人類溝通。

著名的「圖靈測試」（Turing Test）便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代，傳奇電腦科學家艾倫・圖靈（Alan Turing）設計了一個實驗，用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好，並派一個人操作終端機，再找一個第三者來進行對話，判斷從終端機傳入的訊息是來自 AI 或真人，如果第三者無法判斷，代表 AI 通過測試。

換而言之，AI 必須擁有一定的智力，才可能成功騙過人類，讓人類不覺得自己在跟機器對話，而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在：人文研究文本分析、新聞真偽查核，更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料，追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化，而大量數位化的經典更被主動分享到「Chinese Text Project」平台，讓 AI 自然語言處理有豐富的文本資料可以分析，包含一字不漏地快速閱讀大量文本，進一步畫出重點、分門別類、比較相似之處等功能，既節省整理文本的時間，更能橫跨大範圍的文本、時間、空間，擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的？就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋，由鎮江、杭州一帶的說書人所創作，著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉，才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素，接著用這批標記好的語料來訓練 BERT 等序列標注模型，以便將「文本向量化」，進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現，白蛇傳的原型可追溯自印度教的那伽蛇族故事，傳說那伽龍王的三女兒轉化成佛、輔佐觀世音，或許與白蛇誤食舍利成精的概念有所關連，推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外，故事的雛型可能早從唐代便開始醞釀，晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事，而法海和尚、金山寺等關鍵人物與景點皆真實存在，金山寺最初就是由唐宣宗時期的高僧法海所建。

在 AI 的協助之下，我們得以跨時空比較不同文本，了解說書人如何結合印度神話、唐代傳奇、在地的真人真事，創作出流傳千年的白蛇傳經典。

最困難的挑戰：AI 如何判斷假新聞

除了應用在人文研究文本分析，AI 也可以查核新聞真偽，這對假新聞氾濫的當代社會是一大福音，但對 AI 來說可能是最困難的挑戰！蔡宗翰研究員指出 AI 的弱點：

如果是答案和數據很清楚的問題，就比較好訓練 AI。如果問題很複雜、變數很多，對 AI 來說就會很困難！

困難點在於新聞資訊的對錯會變動，可能這個時空是對的，另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器，可輸入當前的新聞讓機器去判讀真假，但過一段時間可能會失準，因為新的資訊源源不絕出現。而且道高一尺、魔高一丈，當 AI 好不容易能分辨出假新聞，製造假新聞的人就會破解偵測，創造出 AI 沒看過的新模式，讓先前的努力功虧一簣。

因此，現在多應用「事實查核法」，原理是讓 AI 模仿人類查核事實的過程，尋找權威資料庫中有無類似的陳述，可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊，致力於建立英文事實查核法模型所能運用的資源，並透過舉辦國際競賽，廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後，也與合作夥伴事實查核中心及資策會討論，正著手建立中文事實查核法模型所需資源。預期在不久的將來，AI 就能幫讀者標出新聞中所有說法的資料來源，節省讀者查證新聞真偽的時間。

AI 的無限可能：專屬於你的療癒「杯麵」

AI 的未來充滿無限可能，不僅可以成為分類與查證資料的得力助手，還能照護並撫慰人類的心靈，這對邁入高齡化社會的臺灣來說格外重要！許多青壯年陷入三明治人（上有老、下有小要照顧）的困境，期待有像動畫《大英雄天團》的「杯麵」（Baymax）機器人出現，幫忙分擔家務、照顧家人，在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式，新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」（Nadine），由感知、處理、互動等三層架構組成，可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境，並將上述資訊發送到處理層。處理層會依據感知層提供的資訊，連結該用戶先前與娜丁互動的記憶，讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象，或對陌生事物感到不安，常選擇靜默不語，需要照護者主動引導。因此，娜丁內建了注視追蹤模型，當偵測到住戶已長時間處於被動狀態，就會自動發起話題。

實驗發現，在娜丁進駐長照機構一段時間後，住戶有一半的天數會去找她互動，而娜丁偵測到的住戶情緒多為微笑和中性，其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

至於未來的改進方向，研究團隊認為「語音辨識系統」仍有很大的改進空間，需要讓機器人能配合老年人緩慢且停頓較長的語速，音量也要能讓重聽者可以清楚聽見，並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人，首要任務就是要開發一套臺灣人專用的 AI 語言模型，包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型，期待政府能整合學界與業界的力量，降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感，但卻可以成為人類大腦的延伸，協助我們節省處理資料的時間，更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨，如何讓自己的行事邏輯跟上 AI 時代，讓 AI 成為自己的助力，是值得你我關注的課題。

延伸閱讀

• 蔡宗翰（2022）。寫給中學生看的 AI 課：AI 生態系需要文理兼具的未來人才。三采文化出版。
• Tulsulkar, G., Mishra, N., Thalmann, N.M. et al (2021). Can a humanoid social robot stimulate the interactivity of cognitively impaired elderly? A thorough study based on computer vision methods. Vis Comput 37, 3019–3038.

在我以數學家自居時，我所發現的最強大捷徑之一是，找到合適的用語來討論問題。很多時候，我們會用一種讓人摸不清情況的措辭去表達這個問題，只要能找到另一種說法，把這道謎題轉化成新的用語，答案就會突然明朗許多。換個語言，我們就可以從企業銷售資料的含糊數字中，辨認出奇特的相關性。

人生的大部分時間都是一場遊戲，但把這場遊戲轉化成你知道如何得勝的遊戲，可以給你絕佳的優勢。在我仍是見習數學家的時候，發現了最令我興奮的啟示之一：

把幾何轉換成數字的詞典可提供捷徑通往超空間──也就是我成為專業數學家之後一直在探索的多維宇宙。

「合適的語言」

除非找到合適的語言來描述，否則科學及其他領域有愈來愈多的概念看起來好像根本不存在，「湧現」（從組成成分產生的性質）的概念就是一例。舉例來說，如果講水的個別分子 H₂O，很難描述水的溼潤性質。

儘管科學似乎暗示，你可以把一切化約成這些基本粒子的行為及決定其行為的方程式，但這種語言通常完全不能描述現象。一群鳥的遷徙不能用組成鳥身體的原子運動方程式來描述。若堅持用個體經濟學的語言，就不容易了解總體經濟學；即使個體經濟變化是造成總體經濟現象的原因，但使用個別財貨本身的語言，仍然不可能理解利率上升對通貨膨脹的影響。就連自由意志與意識的概念，實際上也不能藉由神經元和突觸的討論來描述。

轉變帶來改變

找到不同的措辭來談論情緒狀態，可以從根本上改變你的感受。與其說「我很難過」（這種說法很像是把你和悲傷硬生生畫上等號），你大可改說「悲傷與我同在」，於是悲傷忽然有機會繼續前進。正如十九世紀的美國心理學家詹姆斯（William James）所寫的：

「我這代人最重要的發現是，人能藉著轉變心智態度來改變生活。」

然而語言的力量不單單影響個人，語言在現實世界的社會結構中也扮演十分重要的角色。社會可以透過命名讓事物露面，而民族國家的概念既是從語言中變出來的，也是由地理或一群人變出來的。

轉換語言有時意味著，某些能用某種語言清楚表達的想法，改用另一種語言卻變得難以描述。德文的名詞有性別之分，所以可以玩一玩在英文中玩不了的文字遊戲。詩人海涅（Heinrich Heine）寫說，覆蓋著白雪的松樹愛慕一棵晒黑的東方棕櫚；在德文中，松樹是陽性名詞，棕櫚是陰性名詞，但這種細微變化在翻譯成英文後就消失了。

有時情況也會反過來。用英文可以講「他的車和她的車」，但用谷歌翻譯譯成法文時會攪在一起，變成「savoiture et sa voiture」（他的車和他的車），因為車子的性別比車主的性別重要。在俄文中，你所能想像出各種類型的雪和暴風雨都有不同的用字。有些語言只有五個表達顏色的詞，但英語的相關用詞有很多。我在前面強調過，模式（pattern）對我來說是重要的概念，然而當我嘗試把 pattern 這個字翻譯成法文時，卻發現沒有一個詞能夠描述它在英文裡代表的許多層面。

我的偶像高斯也對語言差異的重要性深深著迷。在學校裡，老師對他運用拉丁文和閃電般迅速精通古典文學的能力印象深刻。事實上，接受布朗施維克公爵資助的高斯，差點就選擇讀語文學（研究語言史的學門），而不是數學。

數學背後的不只有一種「語言」

我自己走上數學這條路的歷程也有點相似。小時候我想當間諜，以為語言是和全世界特務同行溝通的重要技能，所以在讀綜合中學時報名了校內所有的語言課：法語、德語、拉丁語，甚至開始收聽 BBC 的俄語廣播課程。

只不過，我在外語學習方面不像高斯那麼有天分，這些語言在我看來全是不規則動詞和奇怪的拼字。間諜生涯夢碎，我變得非常沮喪。

此時貝爾森先生給我一本書，書名叫做《數學的語言》（The Language of Mathematics），我才明白數學也是一種語言。我覺得他看出我正渴望一種沒有不規則動詞、一切都解釋得通的語言，但他也知道，我抗拒不了這種語言描述周遭世界的強大說服力。

我在這本書裡發現，數學方程式可以述說行星橫越夜空的故事，對稱性可以解釋泡泡、蜂巢或花朵的形狀，數字是和聲學的關鍵。如果你想描繪宇宙，你需要的不是德語、俄語或英語，而是數學。

《數學的語言》還告訴我，數學不只是一種語言，而是許多種語言，它很擅長創作詞典，可把一種語言轉換成另一種，好讓捷徑在新的語言中出現。

數學史上不時會有類似的輝煌時刻。

換種方式讀懂世界

十六世紀的義大利科學家伽利略（Galileo Galilei），意識到代數語言理解自然界的本領，曾寫下一段很有名的文字：

「如果不先學會理解這種語言，認識它的書寫符號，就無法了解宇宙。它是用數學語言寫成的，所用的書寫符號是三角、圓和其他幾何圖形，沒有這些符號就一個字也看不懂；沒有這些，就會像在黑暗迷宮中徘徊。」

在宇宙的諸多故事裡，他希望讀懂的是，了解物體如何落地的難題。東西掉到地上或飛過空中的方式有什麼規律嗎？因為物體通常掉落得太快，要蒐集物體從高樓掉落的資料很困難，但伽利略想到聰明的點子，可放慢實驗速度，方便他蒐集所需的資料。他不是讓東西落下，而是去探討球滾下斜坡的方式，這對他來說速度夠慢，可以記錄球每過一秒滾動了多遠。

斜面必須夠平滑，球才不會因摩擦力減速。伽利略希望盡量接近球在空間中落下的情形。他搭起光滑的表面，開始記錄球每秒行進的距離，馬上就發現有個非常簡單的模式浮現出來了。如果球在一秒後移動了 1 單位的距離，那麼在下一秒它會滾過 3 單位的距離，再下一秒是 5 單位的距離。隨後的每一秒，球都在加速，滾過更多地方，但它走過的距離只有奇數。

等到伽利略考慮行進了一段時間的總距離，物體落地方式的祕密就曝光了。

行進 1 秒後的總距離= 1 單位

行進 2 秒後的總距離= 1 + 3 單位= 4 單位

行進 3 秒後的總距離= 1 + 3 + 5 單位= 9 單位

行進 4 秒後的總距離= 1 + 3 + 5 + 7 單位= 16 單位

你注意到模式了嗎？總距離永遠是平方數。但為什麼奇數會與平方數有關呢？把數字轉換成幾何，就可以找到答案。

——本文摘自《數學就是這樣用：找出生活問題的最佳解》，2022 年 11 月，天下文化出版，未經同意請勿轉載。

步調模式千變萬化

生物體移動時所受的限制是屬於物理學的。如果該生物使用的是肢體，這些肢體必須強壯到可以支撐作用在牠們上面的力量。（我看過不少設計較差的機器人在移動時散掉。）其他形態的移動也一樣，如果是游泳，該動物就要全力對付流體力學的定律。物理定律影響動物的移動是很明顯的，不值得奇怪。顯然，在這個情形當中，數學提供了各式各樣的模式，而被生物學拿來運用。很少不會用到，不管多麼奇特。

物理學的影響還要更深入。單有腿也沒有用，除非你有可以控制腿的神經系統。運動與神經網路是一體的，兩者一定要一起演化，而不是個別的。另外，正如負責感覺的神經網路一定會模擬外在世界的模式，因此負責運動的神經網路，必定會模擬動物身體的機械性模式。

我很懷疑這種共同演化真的有可能或很容易發生，因為下面這個顯著的事實：像肢體這樣的物理系統的自然振盪模式，跟神經網路的振盪模式是一樣的。早在肢體和腦變成完整的生物結構之前，就已經有一種普遍的步調韻律存在了，潛在地將動物的肢體關聯到腦。步調節奏提供了存在於演化相空間中、等待被使用的模式。

形形色色的生物移動

這模式的確一直被應用。差不多所有的生物都會移動，甚至連最固定不動的植物也會向光彎曲，最微小的浮游生物也會隨波逐流——但是，獵豹在追逐獵物時，可以跑到每小時一百一十公里，這移動真是快速啊！

生物體的種類這麼多，而移動的方式也是千變萬化。細菌利用會旋轉的微小螺旋槳使自己在水中推進，就像船一樣；像草履蟲（Paramecium）這類單細胞生物，則能藉由揮動鞭毛來選擇運動的方向。

運動的數學模式形形色色，更是令人印象深刻：草履蟲鞭毛的移動有如行進波，就像是玉米田在微風吹拂下產生的浪波；細菌的旋轉螺旋所成幾何圖案之美是無可比擬的；蛇和鰻是靠肌肉收縮做波狀蠕動行進（圖七○）；響尾蛇在熱燙的沙漠中滾動，像一個捲曲的彈簧；尺蠖走動時是尾巴頂到頭部，整個身子呈 ∩ 狀，然後前端再向前行並伸展成－字形。

信天翁滑翔時羽翼僵直不動，偶爾慵懶地鼓翼一下，以有蹼的腳劃過水面，而後用笨拙卻迷人的方式飛跑而起；大象拖著沉重的腳步，緩慢橫過空曠的熱帶大草原，一次移動一隻腳（圖七一），模式就像那隻在海邊市鎮漫步的拉布拉多獵犬。

駱駝行走的模式又不一樣了：先同時移動兩隻左腿，然後是兩隻右腿〔稱為「溜蹄」（pace）〕，身子左右搖擺有如醉漢一般。松鼠又是另外一種模式：跳一下，停一下，然後再跳一下；如果遇到警訊，就省掉「停」的步驟。

Carparachneaureoflava 這種車輪蜘蛛會像一個有八個輪輻的輪子般，滾過沙漠。世界上有一種會跳躍的蛆〔較正式的稱呼為Ceratitis capitata（地中海果實蠅）的幼蟲〕，會把自己扭曲成 ∩ 形，然後再伸直，就像一顆砲彈般跳入空中，形成一個完美的拋物線。

——本文摘自《生物世界的數學遊戲》，2022 年 9 月，天下文化，未經同意請勿轉載。