0

0
0

文字

分享

0
0
0

用人工智慧描繪宇宙樣貌

臺北天文館_96
・2012/09/27 ・1357字 ・閱讀時間約 2 分鐘 ・SR值 566 ・九年級

-----廣告,請繼續往下閱讀-----

德國波茨坦市萊布尼茲天文物理研究所(Leibniz Institute for Astrophysics)Francisco Kitaura等人發展出一套人工智慧演算法(artificial intelligence algorithm),可精細地描繪和解釋我們周圍的宇宙結構和動態。

天文學家通常利用大型望遠鏡掃視天空,將他們偵測到的數十萬個星系按照它們的距離和座標會製成大尺度宇宙結構圖。但天文學家發現這些星系似乎形成複雜而龐大的「宇宙網(cosmic web)」,星系們彼此聚集成團,每團之間還有絲狀結構予以相連,而在其他地方則似乎是沒有星系存在的空洞區域。這種結構讓天文學家們相當疑惑,更遑論要去解釋這種結構形成的原因。

造成這種宇宙網大尺度結構的主要原因是重力。重力主要來自兩部分:第一部份是佔宇宙所有組成僅約5%的普通物質(normal’ matter),一般我們所見的恆星、星系、行星和氣體塵埃等「看得到」的部分都屬此類;第二部分則是佔宇宙所有組成23%、不可見的暗物質(dark matter)。至於剩下的72%是神秘的暗能量(dark energy)則是被視為可與重力抗衡、讓宇宙加速膨脹的最大力量來源。綜合上述三種組成了我們現今的宇宙,這是所謂的Lambda Cold Dark Matter(LCDM)宇宙模型,也是Kitaura等人研究據以為本的起點。

經由測量137億年前大霹靂(Big Bang)後的殘餘熱能,即所謂的宇宙微波背景輻射(Cosmic Microwave Background Radiation,CMB或CMBR),可以讓天文學家測定本地星系群(Local Group)的運動。本地星系群是由數十個星系彼此間因重力牽引而組成的集團,我們所在的銀河系和著名的仙女座星系(Andromeda Galaxy,M31)都屬於本地星系群之一。天文學家們嘗試盡量讓宇宙模型預測的本地星系群物質及其重力分佈狀態,能和真實測量到的本地星系群的運動方式相互吻合,但卻因無法測繪出暗物質的分佈,導致這項努力宣告失敗。這就像利用人造衛星要描繪歐洲大陸地圖,但使用的卻是夜間的觀測資料,只能看到比較明亮的燈光散佈其中的城市,無法真正歐洲大陸全貌。

-----廣告,請繼續往下閱讀-----

Kitaura等人為解決這個問題,發展了AI演算法,由CMBR模型中所見的宇宙密度微擾開始,模擬物質在130多億年間逐漸向內塌縮而形成現今所見星系的方式。AI演算最後的模擬成果與真實觀察所得的星系分佈和運動狀況相當接近。

Kitaura表示:經由AI演算的精密計算,顯示本地星系群各星系的運動方向和約有80%的速度,可以用方圓3億7000萬光年範圍內的物質所產生重力分佈來解釋。相較之下,本地星系群最大的星系—仙女座星系只有250萬光年遠,因此我們可以看見遙遠的物質分佈如何影響鄰近的星系。

此外,這個AI演算的結果也與LCDM模型相符。為了解釋剩下的20%的速度來源,必須考慮遠達4億6000萬光年範圍內的物質分佈,但目前對這個距離範圍的觀測資料掌握的還不算很好,因此可信度不若前述3億7000萬光年距離者。雖然還有待改善,不過Kitaura等人的AI演算方式已經幫助天文學家得以更精確地瞭解我們周遭的宇宙,並能進一步研究宇宙的大尺度結構究竟是如何形成的。

圖片說明:局部宇宙影像,每邊都相當於3億7000萬光年。紅圈標示2MRS巡天計畫觀測到的星系位置,這個巡天計畫總共測量了超過45000個星系的位置和距離。藍圈標則是星系隨機點,嵌入圖中以便將被銀河系富含氣體塵埃的盤面所遮蔽的「迴避帶(zone of avoidance’)」位置標示出來。而黑白明暗的背景則是Kitaura等人利用AI演算法模擬出的星系宇宙網。從此圖中可見實際觀測資料與A演算結果相當接近。Credit: Francisco Kitaura, Leibniz Institute for Astrophysics, Potsdam

-----廣告,請繼續往下閱讀-----

資料來源:Using artificial intelligence to chart the universe. Royal Astronomical Society [24 September 2012]

轉載自網路天文館

文章難易度
臺北天文館_96
482 篇文章 ・ 38 位粉絲
臺北市立天文科學教育館是國內最大的天文社教機構,我們以推廣天文教育為職志,做為天文知識和大眾間的橋梁,期盼和大家一起分享天文的樂趣!

1

1
1

文字

分享

1
1
1
讓 AI 取代真人執法可行嗎?將判斷全交給 AI 可能隱藏什麼危險?——專訪中研院歐美研究所陳弘儒助研究員
研之有物│中央研究院_96
・2024/03/18 ・6292字 ・閱讀時間約 13 分鐘

-----廣告,請繼續往下閱讀-----

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?

交通尖峰時段,後方出現一台救護車,你願意闖紅燈讓道嗎?
圖|iStock

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
中研院歐美研究所陳弘儒助研究員,從法哲學出發,探索 AI 與法治價值之間的緊張關係。
圖|之有物

問

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?

-----廣告,請繼續往下閱讀-----

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。

問

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。

-----廣告,請繼續往下閱讀-----

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。

自駕車導航系統就是判斷權限移轉的例子,由於導航通常可以找出最佳行車路線,駕駛人幾乎會跟著走,但仍有可能誤入路況不佳或無法通行的地方。
圖|Vladimir Srajber, Pexels

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。

-----廣告,請繼續往下閱讀-----

問

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。

-----廣告,請繼續往下閱讀-----

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。

行動者受各種法律變項影響的因果圖。上圖是由真人警察執法,對於處罰之可能性有影響力,可依不同情境判斷是否開罰。下圖是由全自動法律人工智慧執法,由 AI 直接將處罰之可能性加諸在行動者身上,缺乏真人警察二次確認,很可能影響行動者對守法與否的衡量。
圖|之有物(資料來源|陳弘儒)

問

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。

-----廣告,請繼續往下閱讀-----
ChatGPT 能讓使用者分辨不出訊息來自 AI 或真人,但事實上 AI 只是接受外在環境(人類)刺激,依指令生成最佳內容,並以獲得正向回饋、提升準確率為目標。
圖|iStock

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。

問

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?

陳弘儒的研究室有許多公仔,包括多尊金斯伯格(Ginsburg)公仔,她是美國首位猶太裔女性大法官,畢生為女權進步與性別平權奮鬥。
圖|之有物

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。

所有討論 1
研之有物│中央研究院_96
296 篇文章 ・ 3413 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

11
4

文字

分享

0
11
4
暗能量是什麼?看不到也摸不著,我們該如何找到它?
PanSci_96
・2023/11/27 ・5683字 ・閱讀時間約 11 分鐘

-----廣告,請繼續往下閱讀-----

愛因斯坦對於宇宙的理解錯了嗎?

愛因斯坦的廣義相對論重新改寫我們對於時間、空間、與質量的認知,也開啟我們對廣大宇宙研究的大門。

在宇宙物理學如同大霹靂快速發展之時,我們也發現愛因斯坦最早提出的宇宙模型,可能並不完全正確。

正確來說,我們發現我們過去對宇宙的理解,可能真的太少了。少到我們至今所觀測到的所有物質,可能仍不到整個宇宙組成的百分之五。並不是說這些能量或物質距離我們太過遙遠,而是他們可能就在附近,而我們卻全然不了解它。

-----廣告,請繼續往下閱讀-----

其中佔了將近宇宙組成七成的「暗能量」,到底是什麼來頭?我們能徹底了解它,同時能為我們宇宙的存在,提供一個正確的解釋模型嗎?又或者我們能掌握它,來改變宇宙的未來嗎?

暗能量(dark energy)到底是什麼?這聽起來有夠中二的名字,難道是暗影大人的新能力嗎?

其實暗能量的「暗」,指的是我們看不到也摸不到,用上各種波段的電磁波都察覺不到,甚至現今沒有任何儀器能偵測到它的存在。因為我們無法感受到它、不知道他們的型態,所以稱為暗能量。也就是說,如果暗影大人或是哪個最終 BOSS 的絕招是「暗能量波動」,當巨大的能量朝你襲來,不用擔心,站在原地就好,因為它只會穿過你的身體,打不中你的。同樣的,你可能聽過的「暗物質」,指的也是我們無法探知的未知物質。也就是說,暗物質並不是指某種特定物質叫做暗物質,任何我們現在還無法探測到的,都可能是暗物質的其中一種。題外話,近年某些暗物質面紗底下的容貌,已經逐漸能被我們窺見,例如微中子。這部分,之後我們介紹暗物質的節目中,再來好好討論,今天先來和大家聊聊佔了宇宙質能 7 成的暗能量。

矛盾大對決來了,既然我們摸不到,也看不到,我們怎麼知道暗能量存在,還是僅存在我們的中二想像中呢?我們得將時間回推到最早認為宇宙中有未知能量存在的那個人,他不是別人,就是鼎鼎大名的愛因斯坦。

-----廣告,請繼續往下閱讀-----

1916 年愛因斯坦推導出廣義相對論,解釋物質和能量如何影響時空的彎曲和演化。愛因斯坦當時認為,宇宙應該是靜態的,但是若宇宙中只有物質,宇宙應該會受重力吸引而塌縮,因此需要與反向的能量來平衡重力,這股能量平均地存在在空間當中。愛因斯坦當時引入了宇宙常數 Λ 來平衡他的靜態宇宙模型,而直到非常近期的 1998 年,暗能量 (dark energy) 這個詞才由物理學家麥可.特納提出。

在愛因斯坦之後,著名宇宙學家傅里德曼提出不同看法,他認為宇宙不一定是平衡的,也可能正在收縮或膨脹當中,並根據廣義相對論推導出 Fridemann 方程式,關於 Fridemann 方程式的故事,先前我們有好好介紹過。

暗能量不只存在於理論上的預測,同時期天文學家開始發現我們熟知的銀河系,並無法代表整個宇宙,原來夜空中很多像星雲的天體,其實是遙遠的星系!宇宙遠比以前認為得大的太多了!1929 年,哈伯進一步發現,這些星系竟然正在遠離我們而去,而且距離我們愈遠的星系,遠離的速度就愈快!宇宙竟然真的是以地球為中心,而地球利用強大的排斥力,將其他星系用力向外推開嗎?當然不是,想像一下,宇宙就像一個葡萄乾麵包,上面布滿的葡萄乾就是各種天體,當麵包發酵膨脹時,不論站在哪顆葡萄乾的視角,所有天體的距離都是互相拉遠,而且距離愈遠的天體,彼此遠離的速度就愈快。

也就是說,哈伯觀測到的結果顯示整個宇宙正在膨脹。但還有一個問題,就是這個宇宙的膨脹速度,是隨著時間經過越來越快的加速膨脹,還是膨脹速度正隨著時間在趨緩的減速膨脹呢?為什麼這個問題很重要?因為如果是減速膨脹,靠現有的重力理論就可以解釋,宇宙中天體所提供的重力,正在使宇宙減速膨脹,甚至宇宙的結局可能會是宇宙重新塌縮。但如果宇宙正在加速膨脹,那麼只考慮重力就不夠了,為了抵抗向內塌縮的重力,勢必要有一股力量要將宇宙向外加速推開。這時,就需要加入暗能量的存在了。

-----廣告,請繼續往下閱讀-----

宇宙真的正在加速膨脹?

為了確認宇宙正在減速或加速膨脹,好推算暗能量是否存在,科學家再次將目光投向宇宙深處。隨著觀測技術愈來愈進步,天文學家可以透過不同方式,觀測更早期的宇宙。

愈遠的天體發出的光,需要經過愈長的時間才能傳到地球。假設我們觀察離地球1億光年遠的星球,由於我們看到的影像是從星球出發後,經過 1 億年後才到達地球,因此在望遠鏡中看到的,其實是該星球一億年前的樣子。只要利用這點,如果我們將望遠鏡頭對向更加遙遠的宇宙深處,就能看到更早期的宇宙樣貌,幫助我們了解宇宙過去的樣子。

科學家主要透過三種方法,分別用來觀測晚期、中期、到早期的宇宙。第一種方法是觀測 Ia 型超新星爆炸,它指的是當一顆緻密白矮星到了生命末期,吸收大量鄰近伴星的氣體,使得內部重力超過某個極限,引發失控的核融合而形成的超新星爆炸。這個爆炸會在瞬間釋放出許多能量,亮度甚至可以媲美整個星系,因此即使是很遙遠的超新星也可以被地球觀測到。最受天文學家關注的是,因為每個 Ia 型超新星爆炸時產生的尖峰光度都相同,可以直接作為觀測或是亮度的比對參考點,又稱為標準燭光。當它離我們愈遠亮度就愈小,只要觀測亮度就可以得知它離我們的距離。

Ia 超新星殘骸。圖/wikimedia

接著,透過光譜分析,我們還能得到這個超新星遠離我的的速度。這就像是救護車在靠近和遠離我們的時候,警笛的聲音頻率會因為我們和救護車相對速度的改變而產生變化,同樣的道理放在電磁波上,當超新星遠離我們,電磁波頻譜的頻率會下降,我們稱為頻譜「紅移」。最後,只要我們同時觀測好幾顆超新星,並且量測每一顆的距離和遠離我們的速度,看看是不是真的離我們越遠的超新星離開的速度越快,就可以知道宇宙正在加速或是減速膨脹。

-----廣告,請繼續往下閱讀-----

第二種方法是觀測宇宙大尺度結構,宇宙中星系的分佈其實是不均勻的,有些地方有星系團,也有一些地方是孔洞,整個宇宙就像是網子一樣。這是因為宇宙在形成星系時,向內的重力以及向外的氣體與光壓力會彼此抗衡,就像我們在擠壓彈力球一樣,向內壓時內部壓力會增強,導致物質向外拋射,壓力減弱後又會停止拋射,這樣來回震盪的過程,就在宇宙中形成一個個震波漣漪,稱為重子聲學振盪(BAO,baryon acoustic oscillations)。有趣的是,當好幾個地方都在震盪,就會產生類似好幾個水波互相撞在一起的干涉現象。而這個宇宙規模的超大水波槽中,波腹部份聚集較多物質就會形成星系團,波節部份不足以形成星系就形成孔洞,是不是覺得我們的宇宙就像是一鍋湯,而我們只是裡面毫不起眼的一顆胡椒粒呢?不過即使是連一粒胡椒都不如的我們,透過觀測宇宙星系分布並透過理論計算,人類科學家還是可以得知這些結構的大小,並且推知這些結構上的星系距離我們多遠,最後再搭配紅移光譜,一樣可以算出宇宙膨脹的速度。今年七月升空,11 月 8 號從太空傳回第一張照片的歐幾里得太空望遠鏡,它的其中一項任務,就是專門觀測重子聲學振盪,來研究宇宙大尺度結構。歐幾里得太空望遠鏡有望帶給我們對宇宙的全新認知,關於這一部分,我們很快會再來深入介紹。

第三種方法是透過觀測宇宙微波背景輻射,它是宇宙的第一道曙光,在此以前,宇宙能量很高,光和電漿相互作用,不會走直線。但是到了宇宙三十八萬歲時,宇宙已經冷卻到足以讓電子與原子核結合,宇宙終於變得乾淨了,光也終於可以走直線。而三十八萬歲時的早期宇宙的畫面,至今仍不斷經過遙遙 137 億年的時間抵達地球,被我們觀測到,稱為宇宙微波背景輻射。有趣的是,根據這些照片,我們能發現早在 137 億年前,宇宙各處就不是均勻的。透過分析這些微波的分布,科學家能計算出當時宇宙的組成成份。這時我們發現,目前的已知物質,也就是元素週期表上看得到的原子,只佔所有能量的 4.93%,而看不到的暗物質,佔 27.17%,那還有 67.9%,將近七成的組成分是什麼?科學家認為就是暗能量。

宇宙微波背景輻射。圖/wikimedia

哇!暗能量佔的比例這麼高?那我們未來有機會從空間中汲取無限的能量嗎?先不要想的這麼美,其實暗能量在宇宙中的密度很低,依照質能等價公式,質量跟能量是可以互相換算的。換算下來暗能量每立方公分只有 10 的負 24 次方公克,相比之下,水的密度是立方公分 1 公克!真的微乎其微。之所以暗能量在宇宙中佔的能量比這麼大,是因為它均勻的存在在廣大無垠的宇宙中,不像一般的物質,只集中在一些星系和星體中。

現在我們知道暗能量存在,而且量也不少,但回到最關鍵問題,這些暗能量到底是怎麼來的呢?

-----廣告,請繼續往下閱讀-----

宇宙與暗能量的未來

科學家普遍認為暗能量是來自「真空能量」,根據量子力學,我們過往認為的真空,其實會不斷短暫的出現粒子並消失。而這些量子漲落便會產生真空能量。雖然這聽起來很玄,但各位看完我們的影片並按下訂閱之後,這些訂閱數就一定會是真的。都看到影片最後一段了,就拜託大家再多動一下手指吧!

而量子力學除了能在真空中產生真空能量以外,這個過程甚至可能幫助我們開啟蟲洞!關於真空能量與時空旅行的關係,可以參考我們的這一集哦(閃電俠)。

為了重新認識我們的宇宙,科學家此時再次拿出了宇宙常數 Λ 和 Fridemann 方程式,建立了一個可以完美解釋前面三種觀測結果的模型-ΛCDM 模型。

ΛCDM 是近代在解釋宇宙微波背景輻射、宇宙大爆炸時,最常被使用的理論。目前對於宇宙歷史與加速膨脹的圖像,也都基於此模型。

-----廣告,請繼續往下閱讀-----
ΛCDM模型,加速擴張的宇宙。圖/wikimedia

不過 ΛCDM 理論仍有兩個致命的問題待解決。第一個是理論中的宇宙常數 Λ,應該要與位置、時間無關,是一個不隨時間變化的常數。然而針對觀測早期和晚期宇宙所計算出來的宇宙常數數值卻不一樣,要如何解釋這個觀測差異?第二個問題是,假設暗能量是真空中的量子漲落所造成,依此推算出的宇宙常數數值,還跟觀測差了 120 個數量級!也就是 10 後面有 120 個零,整個宇宙中的原子數量也才 82 個數量級而已!

因此科學家也提出其他可能的暗物質理論。比如認為暗能量不是來自真空能量,而是由一種未知的粒子場所驅動,而這個場與時間有關,導致早期和晚期宇宙的觀測結果有差異。還有人認為根本沒有暗能量存在,宇宙會膨脹,是因為愛因斯坦的廣義相對論在宇宙學這種大尺度中是不適用的!就像牛頓的萬有引力公式在地球上管用,到了太陽系規模就會出現誤差。或許在宇宙規模還有比廣義相對論更完備的其他理論等待我們發現!另一派科學家也認為沒有暗能量,我們會看到加速膨脹,只是因為銀河系剛好位於宇宙大尺度結構的孔洞中,也就是葡萄乾麵包裡面空氣比較多,口感比較鬆的地方,由於這個地方總體重力比較小,天體也就是葡萄乾之間向外膨脹的速度比較快,但不代表整個葡萄乾麵包都在加速膨脹,宇宙加速膨脹只是局部觀測的假象。

這些理論或許可以解釋部份的問題,但沒有一個能解釋所有觀測數據,而且由於觀測的限制,這些理論都缺乏數據的佐證。因此目前我們只能說,暗能量的效應確實存在,但我們還不知道它確切是什麼。

有人可能想問,研究暗物質對我們真的那麼重要嗎?其實,它不只影響了宇宙過去演化的歷史,也影響著我們將來的命運。由於宇宙膨脹,物質的密度會因為膨脹被稀釋,但如果暗能量是常數,就代表密度不會改變,因此宇宙會膨脹的愈來愈快,導致遙遠的星系加速離我們遠去,最後暗能量會超過所有的基本作用力,包括重力、電磁力和核力,星系、太陽系、地球都將被拉開,甚至中子和質子都互相分離,使原子不復存在,進入大撕裂時期,也將是宇宙最孤獨的結局。不過這是一百多億年後的事情,在那之前地球會先被死去的太陽吞沒,我們應該要先煩惱的是要如何移民其他星球才是。

-----廣告,請繼續往下閱讀-----

最後總結一下,暗能量到底是什麼?很抱歉,經過了幾十年的努力,這個問題依舊是一個問號,但藉由宇宙學的研究,使我們更謙卑更加發覺自身的渺小,我們或許已經掌握許多物質運作的原理,也開發出許多高科技產品,但這些只是整個宇宙的 5% 仔,宇宙中還有許多未知等待我們去探索,而它深深關係到我們的過去和未來。

最後也想問問大家,你覺得當一切真相大白之時,我們會發現暗能量是什麼呢?

  1. 符合最直覺的 ΛCDM 理論,它就是宇宙加速膨脹的元凶!
  2. 它根本不存在,我們甚至需要比廣義相對論更強的理論來解釋!
  3. 依照人類這個物種的感知等級,可能永遠無法了解暗能量的真相!
  4. 我、我已經無法抑制我左手的暗能量了!啊啊啊~

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

參考資料

討論功能關閉中。

0

1
1

文字

分享

0
1
1
跨物種溝通即將成真!若有動物的「翻譯蒟蒻」你想擁有嗎?
鳥苷三磷酸 (PanSci Promo)_96
・2023/11/13 ・4484字 ・閱讀時間約 9 分鐘

-----廣告,請繼續往下閱讀-----

人與動物之間的溝通一直是科學界和哲學界十分引人關注的一個議題。傳統觀點認為,人類和其他動物之間的溝通受到生物學和語言能力的限制,因此很難實現真正的互相理解。然而,近年來,科學家們對這個問題的看法已經開始轉變,並且有一些跡象表明跨物種溝通有望成為現實。

為什麼科學家認為跨物種溝通即將成真?從海豚到水豚、從蜘蛛到山豬,人工智慧能成為所有生物的萬能「翻譯蒟蒻」嗎?當人類真的破解了另一物種的溝通方式,未來會發生什麼事呢?

跨物種溝通即將成真?圖/giphy

為什麼動物溝通,備「獸」關注?

從古代神話、經典傳說,到熱門動漫影視,都有不少能說人話、化為人形的動物,像是美猴王孫悟空、馴鹿喬巴、還有火箭浣熊,這些擬人化的角色雖然外表參雜獸的特質,卻往往更有人性,故事也著重呈現人與獸人如何從誤解到包容,讓我們為之動容。

在當代台灣的漫畫作品中,許多優秀的新一代漫畫家探討了擬人化動物和人類之間的隔閡、衝突以及理解,呈現了多元化的故事情節。其中,有一些引人入勝的作品,例如《瀕臨絕種團》,故事描述了被路殺後轉生成人類的石虎、黑熊和水獺,當上 YouTuber 還成為高中女生的故事。這個作品提供了獨特的視角,探討了不同物種之間的互動和冒險。

-----廣告,請繼續往下閱讀-----

另一部作品是《海巫事務所》,它將魔法元素融入生物學,講述了一個迷茫的廢業青年與擬人化海洋動物相遇並相互療癒的故事。還有一個短篇漫畫《IVE》,通過科幻的方式,描述了某種深海雌鮟鱇的繁殖和誘導機制,卻將目標對象設定為人類男性的謎般生物,及她和科學家之間的異色關係。

短篇漫畫《IVE》描述了有著雌鮟鱇的繁殖和誘導機制,卻將目標對象設定為人類男性的謎般生物,及她和科學家之間的異色關係。圖/CCC 追漫台

這些作品在畫風和故事情節方面都各有特色,無論你是一位一般漫畫愛好者還是偏愛條漫,你都可以在 CCC 追漫台找到它們,享受不同的視覺和情感體驗。

而這幾部作品的共通核心問題就是:如果動物能用人類的語言跟我們溝通,會怎樣?即使牠們能跟我們說話了,我們就能理解彼此嗎?要取得那唯一的真相,除了請出《不可知論偵探》海麟子(也是 CCC 追漫台 上的熱門作品),科學家還有一個辦法:就讓動物自己說話吧!今年 7 月 Science 期刊上發表了一篇觀點文章,標題為《用機器學習解碼動物溝通》表示新方法有望帶來全新的洞見,也有助於保育。不過在打電話給露洽露洽之前,我們得先了解什麼是動物溝通?

什麼是動物溝通?

首先要有一個清楚的認知,那就是人類跟所有其他的動物,都各自受限於自己的感官,活在不同的「環境界」(Umwelt),這個德文的意思是說每一種生物都活在獨有的感官泡泡裡,所見、所聞、所聽、所嚐、所觸都跟其他生物截然不同。你想想,連人與人之間都會因為家庭背景、生活環境、媒體教育而對同一件事物有天差地遠的詮釋了,對跨物種來說,不同的感官體驗讓彼此如同身處完全不同的世界。

-----廣告,請繼續往下閱讀-----

例如,海龜和許多鳥類能感知地球的磁場,藉此進行長距離遷徙;而響尾蛇具有紅外線感覺器官,能夠在黑暗中感知幾公尺外的獵物體溫。蝙蝠則使用回音定位來捕捉飛蛾等獵物,每秒發射兩百次超音波脈衝,並根據百萬分之一秒的時間差距來精準定位目標。斑海豹則依賴其特殊的鬍鬚來察覺魚游過的流體動力,猶如水中留下的軌跡。角蟬使用震動通信,能夠透過植物表面傳遞信息給其他角蟬,即使對人類來說是聽不見的。至於我們的忠實夥伴狗,它們的世界主要由氣味構成,能夠分辨地下埋藏的松露、潛藏的地雷、古蹟、毒品甚至主人身體內的腫瘤等各種氣味。

狗狗的世界主要由氣味構成。圖/giphy

那麼,海龜要如何跟我們這些沒有磁場感應的人類解釋牠們的感覺呢?蜂鳥又要怎樣才能描述它看到的一億種顏色呢?這真的是雞同鴨講,甚至比牛頭更不對馬嘴!

但有越來越多科學家認為,隨著人工智慧(AI)的快速進步,破譯動物的溝通方式不再是不可能的事情。AI 能幫上什麼忙呢?首先,機器不具備人類的偏見,因此能幫助研究者更理解動物溝通系統的結構和功能,同時辨識我們和動物之間的差異。

其次,機器學習技術能夠辨識那些對於人類難以想像或無法感知的動物感官訊號,這些包括聲音、振動、光線、化學物質等。機器可以幫助分析這些訊號,並幫助我們理解動物想要傳遞的訊息。

-----廣告,請繼續往下閱讀-----

最後,AI 還可以基於動物訊號,開發出預測動物行為的模型。例如預測動物的交配行為或遷徙模式,或何時可能需要尋找庇護避免捕食者。

此刻的我們對於深度學習能完美辨識圖像語音,以及 GPT-4 或 PaLM 2 等大型語言模型能生成語言,甚至跟我們交談,完全不覺得奇怪,但可能僅僅 10 年前,這都還像是天方夜譚。那麼將這份能力運用在動物身上,也將變得理所當然……嗎?

現在科學家已經做到什麼程度?破解了哪些動物語言呢?

科學家正在使用人工智慧來解讀各種物種的動物溝通方式。

例如烏鴉:英國聖安德魯斯大學的科學家 Christian Rutz 長期研究南太平洋的新喀里多尼亞烏鴉( New Caledonian Crow ),牠們是少數能夠製造工具的鳥類,會把樹枝的葉子拔掉,做成鉤子來釣蟲,不同群體的作法也有差異。他發現島上不同烏鴉群體有不同的叫聲,可能是文化得以傳播的關鍵。身為烏鴉專家的他加入了 ESP 地球物種計畫,研究二十年前已經野外滅絕,現在只剩圈養個體的夏威夷烏鴉,他們用機器學習來比較圈養跟野生烏鴉的錄音,了解圈養是否改變了烏鴉的詞彙,例如注意威脅、求偶等重要的叫聲,是否已經在圈養環境中失去了,如果我們破譯這些叫聲,可能可以幫助這些烏鴉重新野化。

-----廣告,請繼續往下閱讀-----
或許我們可以預測鯨魚會說什麼,反過來和牠們對話?圖/giphy

哺乳類的另一個成員鯨魚更是重點研究對象,2020年成立的 CETI,由 40 多名科學家、跨15 個機構組成,是最受關注的鯨語破譯團隊。他們除了駕船出海用水下麥克風偷聽鯨魚對話,也使用無人機從上方監看,更計畫在加勒比海海底安裝三個監聽站,從遠處捕捉離海岸 12 英里處抹香鯨聊天的喀噠咔嗒聲。以前啊,抹香鯨的聲音被比擬為單純的二進位代碼,但其實更為複雜,而機器學習可以重新辨識這些聲音。圖靈獎得主,加州大學柏克萊分校西蒙斯計算理論研究所所長莎菲·戈德瓦塞爾( Shafi Goldwasser )受訪時就說, CETI 的目標就是要像 ChatGPT 一樣,能預測鯨魚會說什麼,甚至反過來和鯨魚對話。

這些只是 AI 解讀的眾多物種中的一部分,其他還有不少鳥類、靈長類、海豚、蜘蛛、螞蟻、蜂類,或與人親近的貓、狗、豬等,也都是目前被科學家認為有機會破譯其「語言」的生物。

如果我們成功解讀出了動物的語言,我們又該從什麼角度與動物溝通?我們所「理解的語言」真的一樣嗎?

就算解讀動物溝通,能避免擬人化的陷阱嗎?

儘管機器學習在許多情況下表現出令人印象深刻的準確性,但動物的聲音、姿態和其他訊號往往具有多義性,也就是同一個訊號可能有多個意思,很難正確解釋它們的含義。此外,機器學習再強,目前也存在限制,特別是我們尚未完全理解的感知機制,如電感、磁感和費洛蒙等。

-----廣告,請繼續往下閱讀-----

在漫畫《瀕臨絕種團》跟《海巫事務所》中,動物跟人類除了偶爾吵架之外,基本上相處得極為融洽,這也是我們人類想像中希望的情境,就是能與動物友善地、無惡意地溝通。而在《 IVE 》這部異色科幻作品中,則提出更現實的問題。汪幼海博士認為 IVE 為了與人接觸,如鮟鱇魚一般的餌球竟然為了吸引人類而變成人形,甚至可以與人溝通。雖然令人驚喜,但這也意味 IVE 的目的就是要讓人類成為其血肉的一份子,獲取其基因,因此也使用類似費洛蒙的物質吸引人類男性。對鮟鱇魚或 IVE 來說,這是很自然、毫無惡意的,但對人類來說,就是一種恐懼的殺戮。大自然中本來就有許多「愛」是以殺為結局,包括蜘蛛、螳螂等。人類又要如何在對事物理解前提完全不同的情況下,與動物更深度溝通呢?

圖/pexels

在科學研究上,我們情不自禁地把動物擬人化更是個麻煩且不容易解決的問題,要是過於擬人化地認為動物跟人類共享一樣的情感,可能導致研究者在實驗設計和解釋結果時受到情感干擾,使研究不客觀。此外,擬人化也會使研究者更容易面臨到底是該保護動物權益,還是進行實驗研究之間的衝突,陷入倫理的困境。

但若反過來,要是有科學家認為動物跟人類完全不同,因此缺乏同情心,不尊重動物權益,倫理問題只會更嚴重。現在大家對動物福祉很關注,尤其是在涉及動物實驗和野生動物保護的時候,研究人員對動物無感情的態度反而可能導致研究受到質疑。更重要的是,這會讓科學家缺乏共鳴和洞察力,忘記我們也是動物。因此啊,如何拿捏分寸,在過分擬人跟缺乏同情的兩端之間找到適當的位置,也是動物溝通研究者的重要問題。

人類會將破譯動物溝通的能力拿來善用嗎?怎樣算是善用呢?

在石虎、黑熊跟水獺轉生變高中女生、IVE 開始對人類有興趣之前,機器學習的確可幫助我們監控和保護瀕臨絕種的野生物種,透過解讀其溝通方式,更了解牠們的需求和行為,制定更有效的保育策略。也能夠幫助我們理解圈養動物的情感和需求,從而改進在人類照顧下的生活品質。

-----廣告,請繼續往下閱讀-----

然而,當播放動物聲音以吸引它們或干擾它們時,會不會對它們的行為產生不可預測的影響?甚至不可逆地改變群體的文化,從而威脅它們的生存和生態系統的平衡?假訊息在人類世界已經夠麻煩的了,想像一下,若連動物世界也都被假訊息入侵時,會發生什麼事呢?

CCC 追漫台是一個臺灣原創漫畫平台

致力於推廣臺灣漫畫,並將臺灣漫畫融入日常生活。這個平台由本土新銳圖文創作者們打造,並結合國家典藏資料素材,以探索臺灣的豐富歷史、民俗、社會和生態等多元議題。

CCC 追漫台的使命是透過原創漫畫作品,傳達臺灣在地精神,讓讀者深入了解這個多元文化的島嶼。通過精心創作的漫畫,平台不僅提供了具娛樂性的閱讀體驗,還擴展了讀者對臺灣文化和歷史的認識。

文章中提及之漫畫皆可在追漫台上閱讀唷。

鳥苷三磷酸 (PanSci Promo)_96
196 篇文章 ・ 302 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia