Loading [MathJax]/extensions/tex2jax.js

0

0
1

文字

分享

0
0
1

如果殺人有罪,避孕是不是也有罪?——《機器人會變成人嗎?33 則最令現代人焦慮的邏輯議題》

PanSci_96
・2020/02/13 ・2599字 ・閱讀時間約 5 分鐘 ・SR值 507 ・六年級

-----廣告,請繼續往下閱讀-----

  • 作者/彼得.凱夫(Peter Cave);譯者/丁宥榆

我遭受到嚴重的歧視。

我是誰?我是你幾年前、去年或一會兒之前,在你不肯發生性行為,或採取避孕措施時沒能創造出的那個人。有千千萬萬個像我這樣的人,全都受到不公平的對待。

你們這些被生下的幸運兒,把人類生命價值講得頭頭是道,盡最大努力使人好好活著。你們建立法律系統、道德壓力、制衡原則,好保護人類不被殺害。

你們發明醫院、疫苗接種、篩檢計畫,建立安全網、健康法規、男女保健診所,為的都是協助生命延續。一聽到殺嬰、殺幼童、殺嬰兒,幾乎人人為之震驚。

殺一個快出生的胎兒,與殺一個剛出生的小嬰兒,在道德上到底有什麼差別?圖/RitaE@Pixabay

大部分人對於晚期墮胎都十分反感。你們倒是說說看,殺一個在子宮裡快要出生的胎兒,與殺一個剛出生的小嬰兒,在道德上到底有什麼差別?

墮胎和謀殺是一樣的嗎?

你們當中有些人認為,就道德上來看,墮胎與謀殺無異。若晚期墮胎等同殺嬰,為道德所不容,那更早一點的墮胎呢?再更早呢?

-----廣告,請繼續往下閱讀-----

如果一天一天倒數回去的話,一個十六週大的胎兒跟十六週少一天的胎兒,於道德上有什麼不同?再小一天呢?用這種方式來思考,再小一天、小一天,直到受孕的那一刻。

受孕!這就是差別所在啊。受孕之前,是不存在所謂成長為人的個別實體的。一個潛在的人根本不存在。卵子要受精才有發展為人——擁有感情和智力、有愛與慾望的可能性。

我要控告你們是「唯距離主義者」和「唯數目主義者」,要不是哲學家對以下這個詞的理解很奇怪,我本來還要說「唯物主義者」。

是沒錯,卵子和精子在受孕之前是有點距離(在結構和物質上都相隔甚遠),但那是數量和地理上的事實,關道德什麼事?雖然兩個是不同的元素,不代表它們不可能變成一個人啊。

(卵子和精子不是真的長這樣) 圖/GIPHY

的確,我們無法預先判定游向那個卵子的眾精子中,誰會率先使卵子受精,這裡指的是將發展為胚胎、胎兒、嬰兒、小孩、大人的那一個卵子。

-----廣告,請繼續往下閱讀-----

可是毫無疑問,在受精之前一定存在那個特定的精子,我們叫它「精姆斯」好了,它最終將與特定的一個卵子結合,假設叫「卵薇娜」。如果不是這樣的話,受精卵不會出現。

每當(不管是什麼時候)各位進行安全的性行為時,就是在阻止精姆斯和卵薇娜在一起,也就無法產生受精卵,更無法長成胎兒、嬰兒、孩童,也不會有各位如此珍惜的大人人生了。

如果殺人有罪,避孕是不是也有罪?

為了直達問題的核心,我們來討論剛出生的嬰兒吧。畢竟上述問題太好回答。有人會說,人都有求生意志,但是還沒生出來的人不會有需求——好吧,是還沒有需求。

殺嬰有什麼不對?若答案只是「剝奪他往後的人生」,那麼在道德上來看墮胎也不對,因為一旦墮胎,往後他可能成為兒童、大人的人生也沒了。

如果,殺嬰與墮胎錯在於剝奪一個本來會有未來的人,那麼避孕、甚至於禁慾等諸如此類的行為同樣不對。圖/freestocks.org@Pexels

如果一開始避孕成功,就阻止了胎兒的形成,胎兒就不能長成小孩,小孩無法長大成人,這亦是剝奪了一個未來的人生。進一步往回推,禁慾也不對喔,如此一來就不會有小孩,沒有小孩也就沒有大人。懷孕本身當然也剝奪了其他胎兒形成的機會。

-----廣告,請繼續往下閱讀-----

這裡不是要爭論所有潛在的生命都有被創造出來的可能。

假如我們養不活孩子,創造更多的生命也不是好事。

這裡的難題在於,如果,我說如果,殺嬰與墮胎錯在於剝奪一個本來會有未來的人,那麼避孕、甚至於禁慾等諸如此類的行為同樣不對。守貞者與殺嬰者一樣可惡——至少就剝奪本來可存在的未來生命而言。

然而,我們多數人卻認為下這種結論簡直是瘋了。這種似是而非的結論,讓那些誓言守貞的修士修女們一下子成了殺人兇手。

針對這個「如果」我們能怎麼想?

也許我們可以說,以下的思考本身就是錯的:殺人之所以有罪,是因為剝奪他人未來的人生。

另一個似是而非的說法是,那個人會因為失去生命而蒙受損失,所以殺人是不對的。假設有個人叫愛絲梅達,她只是個普通人,她意識到她的自我可以延續下去,若是殺了她,她的渴望、目標、意圖全部落空。

基本上愛絲梅達是想要活下去的,這就是為什麼殺害她是不對的,也是為什麼殺害真正不想活的人很可能不算錯,為什麼自願安樂死和輔助自殺應該被通過。

-----廣告,請繼續往下閱讀-----

再者,若有一個存有(being),它沒有意識到自我可延續,於是缺乏讓那個自我延續的渴望,那麼如果用不痛苦的方式結束它的生命,便不會傷害到它。當然了,也許還會有其他很好的理由,說明殺害這樣的個體仍然是不可以,譬如可能會造成他人的痛苦。

很小的嬰兒,應該也沒有自我延續意識。圖/fancycrave1@Pixabay

照這樣說來,禁慾、避孕和墮胎對那些沒能順利發育的個體,便不算是不道德行為,因為它沒有可延續下去的自我意識,意即上述這些行為並沒有對此個體造成直接傷害。沒人當真認為卵子和精子有慾望也有意圖,亦沒人當真認為胎兒有慾望及意圖。

就此而言,很小的嬰兒也沒有這樣的自我延續意識。

但是殺嬰和某些墮胎仍有可能是不對的,只要這麼做會給其他人帶來傷痛,尤其是母親。我們只是凡人,對晚期墮胎及殺嬰感到難過和痛苦是很正常的,以理智去壓抑的話,恐怕會產生不良的連鎖反應。

對於上述要我們無須擔心那些沒被創造出的人,而且覺得這樣很合情合理的這番解釋,若要做出回應的話,不妨想想這句做人的道理:「推己及人」,你希望別人怎麼待你,你就怎麼待人。

-----廣告,請繼續往下閱讀-----

大多數人來到這個世上是歡喜的(他們是這樣說啦,是不是自欺就不知道了),假如你今晚打算來做人,可能被你創造出的那個人,會因你將自己想望的對待──即被創造出來──施予他而感到開心!

所以造人算是做好事嗎?是的話,你知道今晚搭訕時該怎麼說了吧。

但是小心、小心喔,後果自負喔!

——本書摘自《機器人會變成人嗎?33 則最令現代人焦慮的邏輯議題》,2019 年 10 月,EZ 叢書館出版

 

 

 

 

 

-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2411 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
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

0
0

文字

分享

0
0
0
「人無照天理,天無照甲子」?人比畜生便宜?明代鄉紳筆下的災荒紀實!——《價崩:氣候危機與大明王朝的終結》
衛城出版_96
・2024/05/22 ・3411字 ・閱讀時間約 7 分鐘

第一章 陳其德的故事

居安思危的明朝鄉紳

陳其德晚年回首過去時,總是萬分感嘆。崇禎十四年七月十五日的中元鬼節(按今曆為西元一六四一年八月二十一日),陳其德懷著愁緒提筆為文,描述自己周圍世界的崩壞。他親眼看見故鄉土崩瓦解──那是位於長江三角洲,距今上海西南一百公里處的桐鄉。

陳其德在當地教書,沒有什麼值得一提的成就。要不是他描述明朝最慘受災年的文章傳了下來,說不定世人早已忘卻此君是何許人也。

關於陳其德,我們所知的就只有他在自己著作中提到的事情,例如他在一五七○年前後出生,當時一切欣欣向榮。陳其德提到,自己生為傳統「四民」(士農工商,先後順序就是身分高低)中的最高階級,成長於「耕讀」之家,並為此感到慶幸──這代表他們家是鄉間的中等富裕之家,明史學者會稱之為「鄉紳」。

陳其德與其他鄉紳子弟一樣,努力讀書,期盼有朝一日能中舉登科,光耀門楣,為國效勞。二十多歲時,他每隔三年應試一次,卻始終未能中舉。三十歲時,他放棄了入試出頭的抱負,決定好好過生活,轉而從事教學,並且在接下來二十五年間用心教書,知足常樂。也就是說,陳其德相當認分,他受過教育,日子還過得去,也安於當他的低階鄉紳。

-----廣告,請繼續往下閱讀-----

陳其德為了證明萬曆年間豐衣足食,提出了充分的證詞:

斗米不過三四分。

陳其德用來稱呼穀物的字是「米」這個通用詞,指的可以是米心或米粒。「米」在長江三角洲的脈絡中通常指稻米,而不是北方人吃的小米或小麥,南方人比較愛吃米。他用「斗」這個單位來為米計價,而「斗」字面上是指一杓或一桶。陳其德提到的貨幣單位,是白銀的標準小單位「分」,「分」本意指「百分之一」,而這句話裡所說的是什麼的百分之一呢?是「兩」這種重量的百分之一。「兩」是中國主要的貨幣計算單位。

圖/unsplash

物價這麼低,榮景似乎觸手可及,至少陳其德寧願這麼想。誰都不用擔心東西不夠吃。 陳其德用戒慎的態度來勾勒這種安逸,提醒大家榮景不只能讓人豐衣足食,也會讓人鬆懈了道德。一五八八年至一五八九年這兩年間發生嚴重的天災,先是豪雨成災,然後是嚴重乾旱。身為重視道德的儒生,陳其德只能把這兩波天災歸諸於「人禍」。他認為,萬曆初年的富足,讓大家失了道德準繩。雨水與乾旱不只是天災,也是上天的警告。

令人驚心的災年物價

陳其德回過頭來談米價,把老天爺警告的嚴重程度加以量化。

-----廣告,請繼續往下閱讀-----

當是時,積米一擔,博價一兩有六。然米價騰貴,僅以月計,便覺野無青草,樹無完膚,而流離載道,橫屍遍路。

一擔有十斗,等於一斗要價十六分,也就是說米價漲了四到五倍。米價這麼貴,窮人只好盡可能從身邊的大自然找尋替代品,從青草到樹皮都不放過。社會愈來愈動盪。

講完一五八九年的天災,陳其德跳到天啟年間的一六二○年代,宦官派系在統御無方的明熹宗治下抬頭,朝綱混亂,讓政治菁英與衛道人士大感失望。陳其德簡短描述當時的混亂,將之視為上天的警告,接著跳到他為文的主軸,也就是繼位的崇禎皇帝統治末年。

陳其德再次以米價來量化災害並追蹤其進展。

-----廣告,請繼續往下閱讀-----
圖/unsplash

米價初自一兩餘,漸至二兩餘。至水退而吳興農父重覓苗於嘉禾,一時爭為奇貨。即七月終旬,猶然舟接尾而去也。

陳其德在此把單位往上翻了一番,從「斗」上調到「石」,大約等於一百「升」。數字除以十就能還原出每斗的價格:價格在一六四○年先漲到每斗十分,接著二十分。

這些物價對經濟的影響,是導致市場關閉。至於社會影響,則堪稱災難。連當鋪都關門大吉,因為誰都沒有東西能典當。農民還是打起精神,出門耕田,但作物才剛種下去,蝗蟲便席捲而來,連剛發芽的東西都不放過。溪流乾涸,有水桶也無用武之地。

接下來疫情爆發,很可能是鼠疫,百分之五十到六十的家戶染疫。陳其德提到有許多人「就木」,至於「無木可就者,不過以青蠅為弔客」。

-----廣告,請繼續往下閱讀-----

接著陳其德重新回來談物價,把敘事主軸從米價轉向其他食品的價格,藉此強調物價漲到難以置信的水準。陳其德在文章最後提醒讀者「勿視為老生腐談」。光是能活命就足以感恩涕零,但大多數人都想忘記受過的苦難,假裝什麼壞事都沒發生過,那可不行。

就連豬都比人貴?

災難還沒到頭。陳其德在一六四一年中元節擱筆時,也沒想過情況還可以變得更糟。一年又一個多月之後,陳其德在中秋節(一六四二年九月十九日)再度提筆為文,把去年的故事接著說下去。他在文章開頭提到,那年冬天嚴重缺米。他不是說米價有多高,而是沒提價格,因為根本沒米可以標價。

填不飽肚子的人或者拋棄自己的孩子,或者殺了他們來吃。染疫的比率上升到百分之九十。情況愈來愈慘,無計可施的老百姓甚至不惜把自己討來的丁點食物拿去拜拜,尤其疫情復燃之後更甚,期盼神明能出手幫忙。陳其德說,這種可悲的做法只會讓糧價變得更貴。

又因病者祈祝太甚,食物倍貴於去年。大雞二足,得錢一千;即小而初能鳴者,亦五百六百。湯猪一口,動輒自五兩至六七兩;即乳豬一口,亦一兩五六錢至一兩七八錢。若小廝婦女,反不過錢一千二千。又安見人貴而畜賤耶?

-----廣告,請繼續往下閱讀-----
圖/unsplash

陳其德此處提到物價時,講到兩種不同的貨幣。豬用銀兩,雞用銅錢,人也用銅錢。社會上普遍把「銅」跟「銀」的用處區分得很清楚,銅錢用來買便宜的東西,銀兩則是用於大手筆的買賣。陳其德用銅錢替奴僕定價,其實是反指不該用銅錢給人標價,銅錢應該是用來給雞標價才對。然而在經濟崩潰的年代,就連豬都比人貴。

大明王朝的儒家宇宙觀

人們往往在逆境中尋求倫理教訓,尤其是陳其德這種道學之士。身居鄉紳底端的他,不停反省自己享有的那一點點特權,免得讓僅有的一絲絲福德溜走。他父母之所以為他取名「其德」(大概可以解為「有德之人」),或者也有這一番期許吧。陳其德身家有限,又沒有中過舉,只能仰賴其德來維持自己的社會地位,而他對此也是戒慎恐懼。

儒家把倫理與宇宙觀緊密結合,讓兩者之間幾乎沒有分別。雨水來自天上,天不下雨,是因為天決定不下雨,做為某種警告或懲罰。今日的我們抱持著大不相同的宇宙觀,但就連我們都會在日常生活中替天氣與疾病生態所受到的擾動賦予道德意義,宛如破壞環境與氣候變遷的警告。

所以,雖然我們的道德權衡基準與明代百姓截然不同,但我們跟他們其實相去不遠。在本書裡,我希望大家各退一步,試圖找回明代百姓生活的世界。我們如今把「世界」想成某個深受條件變化影響的有形生態體系,而他們當年則是把「世界」看成某種形而上的桌上遊戲,主導遊戲走向的則是上天。兩種觀念的建構方式並不相同,我也不覺得非得採用儒家道理,但我確實覺得當時人有他們的體會,他們用自己覺得有意義的方式在理解世界,我們不妨盡可能去貼近他們的體悟與認知。如果我們不去觀照生存危機對他們的意義,就等於是掏空了歷史。

-----廣告,請繼續往下閱讀-----

其實,無論是我們還是他們,大家都生活在一個容易遭受擾動的全球生態系,擾動的因素也許是蒼生愚昧阻礙了天恩,也許是人類製造的碳與氣膠阻擋了太陽能。我們大家還有一個共同習慣,就是從必需支付的物價來看自己財富的變化。本書要順著陳其德的腳步,觀察糧價,但為的不是當成天怒程度的氣壓計,而是做為氣候變遷的衡量指標。

——本文摘自《價崩:氣候危機與大明王朝的終結》,2024 年 05 月,城出版出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
衛城出版_96
4 篇文章 ・ 4 位粉絲
"每個人心中都有一座城。每個人在心裡攜帶著文明的種子。 守衛讀者心中之城,與文明的生命力。"

2

4
8

文字

分享

2
4
8
「意識」是什麼?人們已經找到答案了嗎?
PanSci_96
・2023/11/26 ・6000字 ・閱讀時間約 12 分鐘

「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。

-----廣告,請繼續往下閱讀-----

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。

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。圖/wikipedia

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。

-----廣告,請繼續往下閱讀-----

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?

圖/wikipedia

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。

-----廣告,請繼續往下閱讀-----

「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。

圖/giphy

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。

-----廣告,請繼續往下閱讀-----
精神科學家開啟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。圖/PanSci YouTube

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。

-----廣告,請繼續往下閱讀-----
克里斯托夫・科赫合作研究意識的對象便是與華生一同發現 DNA 是雙股螺旋結構的弗朗西斯・克里克。圖/PanSci YouTube

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。

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。圖/PanSci YouTube

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。

-----廣告,請繼續往下閱讀-----

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。

克里斯托夫・科赫最終承認,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給戴維・查爾莫斯。圖/PanSci YouTube

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))。

-----廣告,請繼續往下閱讀-----
全局工作空間理論(Global Workspace Theory (GWT))。圖/PanSci YouTube

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。

整合資訊理論(Integrated Information Theory (IIT))。圖/PanSci YouTube

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。

最後也想問問大家, 25 年之後,你賭這場對決會是誰贏呢?

  1. 我壓在克里斯托夫・科赫身上,我們一定能解開意識之謎
  2. 我賭戴維・查爾莫斯,意識這個問題,可能很難用科學來解釋
  3. 在那之前, AI 可能都已經有意識了,直接問 AI 還比較快

趕快來留言吧,記得 25 年後要回來看啊!

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----
所有討論 2