英國研究人員發現,藉由逐層堆疊石墨烯(graphene)之類的二維(2D)材料,有可能打造出具完美電子結構的三維(3D)新穎材料。此意想不到的研究結果有助於製作精密複雜的 3D 晶片結構,用來發展更快的資訊處理以及更大容量的資料儲存設備。
由諾貝爾獎得主 Andre Geim 與 Kostya Novoselov 領導的曼徹斯特大學團隊先將以膠帶法剝下的 2D 石墨烯層堆疊起來以,接著在石墨烯層間插入原子級薄的六方氮化硼(hexagonalboron nitride, hBN)晶體,並接上金屬電極以供後續電性量測。研究人員測量電子傳輸性質來檢驗其結構,並將效能表現最佳的區域以聚焦離子束(focused ion beam)切割分離出來,最後以高解析掃瞄穿透式電子顯微(TEM)鏡觀察每一層石墨烯在元件中的位置。
團隊成員 Sarah Haigh 表示,TEM 影像顯示團隊已組裝出具有界線鮮明的原子級介面的新穎 3D 異質結構。更重要的是,他們發現雜質等污染物會分離形成孤立區塊。雜質粒子總是出現於 2D 晶體的上方,並且會在組裝 3D 結構時侷限於夾層之間。Haigh 解釋,這些吸附物不只會降低元件的電子性質,同時也意味著此人造層狀晶體無法僅藉由凡得瓦力形成,而是由各層間的吸附物扮演黏著劑的角色。污染雜質聚集成孤立區塊反而使內部介面乾淨無暇並且有原子級的平坦度,因此具有優良的電子性質。
Haigh 表示,透過此方式以 2D 材料製作 3D 結構,意味著他們能創造出具特定設計性質的電子元件。傳統的電子晶片主要受限於 2D 幾何結構,而此新穎結構將可望用來製作精密複雜的 3D 晶片架構。應用範圍包含更快速的資料處理以及更大的儲存容量。該團隊目前計畫探討更為複雜的層狀結構,以期能瞭解不同組成如何影響石墨烯元件的電子、熱學以及機械性質。詳見 Nature Materials |DOI:10.1038/nmat3386。
C-LAB 策展人吳達坤進一步說明,本次展覽規劃了 4 大章節,共集結來自 9 個國家 23 組藝術家團隊的 26 件作品,帶領觀眾從了解 AI 發展歷史開始,到欣賞各種結合科技的藝術創作,再到與藝術一同探索 AI 未來發展,希望觀眾能從中感受科技如何重塑藝術的創造範式,進而更清楚未來該如何與科技共生與共創。
從歷史看未來:AI 技術發展的 3 個高峰
其中,展覽第一章「流動的錨點」邀請了自牧文化 2 名研究者李佳霖和蔡侑霖,從軟體與演算法發展、硬體發展與世界史、文化與藝術三條軸線,平行梳理 AI 技術發展過程。
藉由李佳霖和蔡侑霖長達近半年的調查研究,觀眾對 AI 發展有了清楚的輪廓。自 1956 年達特茅斯會議提出「人工智慧(Artificial Intelligence))」一詞,並明確定出 AI 的任務,例如:自然語言處理、神經網路、計算學理論、隨機性與創造性等,就開啟了全球 AI 研究浪潮,至今將近 70 年的過程間,共迎來三波發展高峰。
第一波技術爆發期確立了自然語言與機器語言的轉換機制,科學家將任務文字化、建立推理規則,再換成機器語言讓機器執行,然而受到演算法及硬體資源限制,使得 AI 只能解決小問題,也因此進入了第一次發展寒冬。
-----廣告,請繼續往下閱讀-----
之後隨著專家系統的興起,讓 AI 突破技術瓶頸,進入第二次發展高峰期。專家系統是由邏輯推理系統、資料庫、操作介面三者共載而成,由於部份應用領域的邏輯推理方式是相似的,因此只要搭載不同資料庫,就能解決各種問題,克服過去規則設定無窮盡的挑戰。此外,機器學習、類神經網路等技術也在同一時期誕生,雖然是 AI 技術上的一大創新突破,但最終同樣受到硬體限制、技術成熟度等因素影響,導致 AI 再次進入發展寒冬。
走出第二次寒冬的關鍵在於,IBM 超級電腦深藍(Deep Blue)戰勝了西洋棋世界冠軍 Garry Kasparov,加上美國學者 Geoffrey Hinton 推出了新的類神經網路算法,並使用 GPU 進行模型訓練,不只奠定了 NVIDIA 在 AI 中的地位, 自此之後的 AI 研究也大多聚焦在類神經網路上,不斷的追求創新和突破。
從現在看未來:AI 不僅是工具,也是創作者
隨著時間軸繼續向前推進,如今的 AI 技術不僅深植於類神經網路應用中,更在藝術、創意和日常生活中發揮重要作用,而「2024 未來媒體藝術節」第二章「創造力的轉變」及第三章「創作者的洞見」,便邀請各國藝術家展出運用 AI 與科技的作品。
例如,超現代映畫展出的作品《無限共作 3.0》,乃是由來自創意科技、建築師、動畫與互動媒體等不同領域的藝術家,運用 AI 和新科技共同創作的作品。「人們來到此展區,就像走進一間新科技的實驗室,」吳達坤形容,觀眾在此不僅是被動的觀察者,更是主動的參與者,可以親身感受創作方式的轉移,以及 AI 如何幫助藝術家創作。
-----廣告,請繼續往下閱讀-----
而第四章「未完的篇章」則邀請觀眾一起思考未來與 AI 共生的方式。臺灣新媒體創作團隊貳進 2ENTER 展出的作品《虛擬尋根-臺灣》,將 AI 人物化,採用與 AI 對話記錄的方法,探討網路發展的歷史和哲學,並專注於臺灣和全球兩個場景。又如國際非營利創作組織戰略技術展出的作品《無時無刻,無所不在》,則是一套協助青少年數位排毒、數位識毒的方法論,使其更清楚在面對網路資訊時,該如何識別何者為真何者為假,更自信地穿梭在數位世界裡。
透過歷史解析引起共鳴
在「2024 未來媒體藝術節」規劃的 4 大章節裡,第一章回顧 AI 發展史的內容設計,可說是臺灣近年來科技或 AI 相關展覽的一大創舉。
過去,這些展覽多半以藝術家的創作為展出重點,很少看到結合 AI 發展歷程、大眾文明演變及流行文化三大領域的展出內容,但李佳霖和蔡侑霖從大量資料中篩選出重點內容並儘可能完整呈現,讓「2024 未來媒體藝術節」觀眾可以清楚 AI 技術於不同階段的演進變化,及各發展階段背後的全球政治經濟與文化狀態,才能在接下來欣賞展區其他藝術創作時有更多共鳴。
舉例來說,Google 旗下人工智慧實驗室(DeepMind)開發出的 AI 軟體「AlphaFold」,可以準確預測蛋白質的 3D 立體結構,解決科學家長達 50 年都無法突破的難題,雖然是製藥或疾病學領域相當大的技術突破,但因為與本次展覽主題的關聯性較低,故最終沒有列入此次展出內容中。
除了內容篩選外,在呈現方式上,2位研究者也儘量使用淺顯易懂的方式來呈現某些較為深奧難懂的技術內容,蔡侑霖舉例說明,像某些比較艱深的 AI 概念,便改以視覺化的方式來呈現,為此上網搜尋很多與 AI 相關的影片或圖解內容,從中找尋靈感,最後製作成簡單易懂的動畫,希望幫助觀眾輕鬆快速的理解新科技。
吳達坤最後指出,「2024 未來媒體藝術節」除了展出藝術創作,也跟上國際展會發展趨勢,於展覽期間規劃共 10 幾場不同形式的活動,包括藝術家座談、講座、工作坊及專家導覽,例如:由策展人與專家進行現場導覽、邀請臺灣 AI 實驗室創辦人杜奕瑾以「人工智慧與未來藝術」為題舉辦講座,希望透過帶狀活動創造更多話題,也讓展覽效益不斷發酵,讓更多觀眾都能前來體驗由 AI 驅動的未來創新世界,展望 AI 在藝術與生活中的無限潛力。
單看字面,DNA-PAINT 給人「以 DNA 作為油漆」的印象。事實稍有不同,這種技術以 DNA 作為「點累積奈米成像術」(PAINT , Point Accumulation for Imaging in Nanoscale Topography)的探針。接上螢光染劑的短小 DNA 片段,可以靈敏標記蛋白質、染色體以及許多細胞內構造。
DNA-PAINT 使用的 DNA 探針片段長度不超過 10 個鹼基,又稱寡核苷酸(oligonucleotides 或oligomers)。這些短小 DNA 片段可以附加上螢光染劑的螢光團分子,成為螢光探針。
DNA 探針的結合對象是另一段互補的 DNA 片段,此互補序列會預先透過抗體與定位目標連結,等待 DNA 探針前來結合。DNA 探針因為具有螢光團,被稱為「成像片段(imager strand)」,而牢固於目標的互補序列則稱為「嵌合片段(docking strand)」。對生物細胞進行 DNA-PAINT 時,嵌合片段與目標分子之間常有抗體或配體做為銜接,需要類似免疫螢光染色的前置作業,目標表面的抗原也可以因應實驗需求進行設計。
因為兩個短小 DNA 片段之間的結合力有限,成像片段與嵌合片段結合後會快速分離。而螢光團只有在結合目標時才容易放光,因此可以形成閃爍的螢光定位標記。經由電腦疊合閃爍的定位影像,DNA-PAINT 可以達成 10 奈米左右的超解析定位,若沒有序列成像的幫助,依然無法突破奈米以下解析度的光學障礙。
因此 uPAINT 必須限縮激發光照射的範圍,對準目標、減少雜訊,例如微調全內反射顯微鏡(TIRF)的角度,形成「高傾斜層光照明」(Highly Inclined and Laminated Optical sheet, HILO)以限定激發範圍。
-----廣告,請繼續往下閱讀-----
同在 2010 年,隆曼與史坦豪爾(C. Steinhauer)嘗試以寡核苷酸為探針,定位 DNA 摺紙構造(DNA origami structure)上的目標,達到了奈米等級的解析度。DNA-based Point Accumulation for Imaging in Nanoscale Topography 正式誕生,善用「不牢固的螢光探針」與電腦運算的輔助,以一般螢光顯微鏡就能突破繞射極限。
無限調色的虛擬油漆:Exchange-PAINT
2014 年,隆曼與同事阿凡達尼歐(M. S. Avendaño)、沃爾斯坦(J. B. Woehrstein)發表 DNA-PAINT 的巧妙變化,除了同時以不同探針標記不同構造,達成精準的多重定位(multiplexed localization),更實現以一種螢光超解析定位多種目標,讓多重標記的潛力加速實現。
這種多重標記被隆曼與同事稱為 Exchange-PAINT,同樣使用 DNA 片段作為探針。在同一個樣本的 10 種不同目標上,連結了 10 種不同的嵌合片段(docking strands),隆曼等人再以 10 種互不干涉的短小 DNA 序列(orthogonal sequences)作為成像片段(imager strands)。