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

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。

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

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 ・ 33 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!

0

3
0

文字

分享

0
3
0
人造腦挑戰 AI!培養皿中的腦組織+腦機介面能打敗電腦嗎?
PanSci_96
・2023/05/27 ・3178字 ・閱讀時間約 6 分鐘

2023 年 2 月底, 約翰霍普金斯大學教授 Thomas Hartung 帶領研究團隊,發表了「類器官智慧」(Organoid intelligence , OI)的研究成果,希望利用腦類器官加上腦機介面,打造全新的生物計算技術。

我們終於要製造人工大腦了嗎?OI 和 AI,誰會成為未來主宰?

類器官智慧 OI 是什麼?目標為何?

2023 年的現在,AI 就已展現了不少驚人的實際成果;相較之下, OI 仍只是一個剛起步的計畫,甚至連名稱都與 2018 年美國《自然—物理學》期刊專欄作家、物理學家布坎南以 Organoids of intelligence 作為標題的文章幾乎一樣。

類器官智慧、Organoid intelligence、OI 是個很新的跨領域名詞,同時結合了「腦類器官」和「腦機介面」兩個領域的技術。

簡單來說,腦類器官就是指透過培養或誘導多能幹細胞(iPSCs),在模擬體內環境的旋轉生物反應器中,產生的腦組織。這項聽起來好像只會出現在科幻電影裡的技術,確實已經存在。

最早的腦類器官是在 2007 年,日本 RIKEN 腦研究所的笹井芳樹和渡辺毅一的研究團隊,成功從人類胚胎幹細胞培養出前腦組織。第一個具有不同腦區的 3D 腦類器官則是發表在 2013 年的《Nature》期刊,由奧地利分子技術研究所的尤爾根.科布利希和瑪德琳.蘭開斯特研究團隊成功建立。

腦類器官的出現,在生物與醫學研究中有重大意義,這代表未來科學家們若需要進行大腦相關的研究,再也不用犧牲實驗動物或解剖大體老師來取得人類大腦,只需要在培養皿就製造出我們要的大腦即可。

儘管培養皿上的組織確實是大腦組織,但不論是在大小、功能,以及解剖構造上,至今的結果仍遠遠不及我們自然發育形成的大腦。因此要達到 OI 所需要的「智慧水準」,我們必須擴大現有的腦類器官,讓他成為一個更複雜、更耐久的 3D 結構。

要達到 OI 所需的「智慧水準」,必須擴大現有的腦類器官,成為一個更複雜的 3D 結構。圖/GIPHY

而這個大腦也必須含有與學習有關的細胞和基因,並讓這些細胞和 AI 以及機器學習系統相連接。透過新的模型、演算法以及腦機介面技術,最終我們將能了解腦類器官是如何學習、計算、處理,以及儲存。

OI 是 AI 的一種嗎?

OI 能不能算是 AI 的一種呢?可說是,也不是。

AI 的 A 指的是 Artificial,原則上只要是人為製造的智慧,都可以稱為 AI。OI 是透過人為培養的生物神經細胞所產生的智慧,所以可以說 OI 算是 AI 的一種。

但有一派的人不這麼認為。由於目前 AI 的開發都是透過數位電腦,因此普遍將 AI 看做數位電腦產生的智慧—— AI 和 OI 就好比數位對上生物,電腦對上人腦。

OI 有機會取代 AI ?它的優勢是什麼?

至於為何電腦運算的準確度和運算速度遠遠高於人腦,最主要原因是電腦的設計具有目的性,就是要做快速且準確的線性運算。反之,大腦神經迴路是網狀、活的連結。

人類本身的基因組成以及每天接收的環境刺激,不斷地改變著大腦,每一分每一秒,我們的神經迴路都和之前的狀態不一樣,所以即使就單一的運算速度比不上電腦,但人腦卻有著更高學習的效率、可延展性和能源使用效率。在學習一個相同的新任務時,電腦甚至需要消耗比人類多 100 億倍的能量才能完成。

神經網路接受著不同刺激。圖/GIPHY

這樣看來,至少 OI 在硬體的效率與耗能上有著更高優勢,若能結合 AI 與 OI 優點,把 AI 的軟體搭載到 OI 的硬體上,打造完美的運算系統似乎不是夢想。

但是 OI 的發展已經到達哪裡,我們還離這目標多遠呢?

OI 可能面臨的阻礙及目前的發展

去年底,澳洲腦科學公司 Cortical Labs 的布雷特.卡根(Brett Kagan)帶領研究團隊,做出了會玩古早電子遊戲《乓》(Pong)的培養皿大腦—— DishBrain。這個由 80 萬個細胞組成,與熊蜂腦神經元數量相近的 DishBrain,對比於傳統的 AI 需要花超過 90 分鐘才能學會,它在短短 5 分鐘內就能掌握玩法,能量的消耗也較少。

現階段約翰霍普金斯動物替代中心等機構,其實只能生產出直徑大小約 500 微米,也就是大約一粒鹽巴大小的尺寸的腦類器官。當然,這樣的大小就含有約 10 萬個細胞數目,已經非常驚人。雖然有其他研究團隊已能透過超過 1 年的培養時間做出直徑 3~5 毫米的腦類器官,但離目標細胞數目 1000 萬的腦類器官還有一段距離。

為了實現 OI 的目標,培養更大的 3D 腦類器官是首要任務。

OI 的改良及多方整合

腦類器官畢竟還是個生物組織,卻不像生物大腦有著血管系統,能進行氧氣、養分、生長因子的灌流並移除代謝的廢物,因此還需要有更完善的微流體灌流系統來支持腦類器官樣本的擴展性和長期穩定狀態。

在培養完成腦類器官以及確定能使其長期存活後,最重要的就是進行腦器官訊息輸入以及反應輸出的數據分析,如此我們才能得知腦類器官如何進行生物計算。

受到腦波圖(EEG)紀錄的啟發,研究團隊將研發專屬腦類器官的 3D 微電極陣列(MEA),如此能以類似頭戴腦波電極帽的方式,把整個腦類器官用具彈性且柔軟的外殼包覆,並用高解析度和高信噪比的方式進行大規模表面刺激與紀錄。

研究團隊受腦波圖(EEG)紀錄的啟發。圖/Envato Elements

若想要進一步更透徹地分析腦類器官的訊號,表面紀錄是遠遠不夠的。因此,傷害最小化的的侵入式紀錄來獲取更高解析度的電生理訊號是非常重要的。研究團隊將使用專門為活體實驗動物使用的矽探針Neuropixels,進一步改良成類腦器官專用且能靈活使用的裝置。

正所謂取長補短,欲成就 OI,AI 的使用和貢獻一點也不可少。

下一步,團隊會將進行腦機介面,在這邊植入的腦則不再是人類大腦,而是腦類器官。透過 AI 以及機器學習來找到腦類器官是如何形成學習記憶,產生智慧。過程中由於數據資料將會非常的龐大,大數據的分析也是無可避免。

隨著 AI 快速發展的趨勢,OI 的網路聲量提升不少,或許將有機會獲得更多的關注與研究補助經費,加速研究進度。更有趣的是,不僅有一批人希望讓 AI 更像人腦,也有另一批人想要讓 OI 更像電腦。

生物、機械與 AI 的界線似乎會變得越來越模糊。

OI=創造「生命」?

生物、機械與 AI 的界線越來越模糊。圖/Envato Elements

講到這裡,不免讓人擔心,若有一天 OI 真的產生智慧,我們是否就等於憑空創造出了某種「生命」?這勢必將引發複雜的道德倫理問題。

雖然研究團隊也強調, OI 的目標並不是重新創造人類的意識,而是研究與學習、認知和計算相關的功能,但「意識究竟是什麼」,這個哲學思辨至今都還未有結論。

到底懂得「學習」、「計算」的有機體能算是有意識嗎?如果將視覺腦機介面裝在 OI 上,它是否會發現自己是受困於培養皿上,被科學家們宰割的生物計算機?

不過這些問題不僅僅是 OI 該擔心的問題,隨著人工智慧的發展,GPT、Bing 和其他由矽構成的金屬智慧,隨著通過一個又一個智力、能力測試,也終將面臨相應的哲學與倫理問題。

最後,Neuralink 的執行長馬斯克說過(對,又是他 XD),人類要不被 AI 拋下,或許就得靠生物晶片、生物技術來強化自己。面對現在人工智慧、機械改造、生物晶片各種選擇擺在眼前,未來你想以什麼樣的型態生活呢?

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

PanSci_96
1166 篇文章 ・ 1512 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

1

11
2

文字

分享

1
11
2
思考的極限:宇宙創造出「空間」與「時間」? ——宇宙觀的發展史(下篇)|19 世紀後
賴昭正_96
・2023/05/17 ・6928字 ・閱讀時間約 14 分鐘

  • 文/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

空間與時間都根本不存在:它們只是分別用來說明物體間之相對位置與事件間之前後秩序的「語言」而已。沒有物體就沒有空間的必要;沒有事件就沒有時間的必要。
——賴昭正(不可能得到諾貝爾獎的科普作者)

宇宙在十六世紀以前一直被認為是宗教與哲學的範圍。圖/Envato Elements

宇宙的起源、歷史、與結構,在十六世紀以前,一直以人及地球為中心,被認為是屬於宗教與哲學的範圍。1543 年,哥白尼(Nicolaus Copernicus)粉粹了地球為宇宙中心的幻想;約百年後,伽利略(Galileo Galilei)改進了望遠鏡,並將其鏡頭轉向天空,開啟了觀測天文(observational astronomy)之門,並大力支持哥白尼之地球繞日的理論。

慢慢地,科學家不再須要依靠信仰來解決、而是利用科學儀器去「看」宇宙像什麼樣子及如何演化。又再約百年後,牛頓(Isaac Newton)用萬有引力及距離平方反比定律,解釋了一系列以前不相關的天上人間現象,並且可以計算出行星繞太陽的週期,使得天文學正如其它科學訓練一樣,不再是信仰的爭論,而是證據與理論的問題。

當天文學家了解到了人不可能是宇宙的中心時,科學家再沒有任何理由認為我們所處在的地方在宇宙中佔了一個很獨特的地位;同樣地,也沒理由認為我們所處在的時刻是個很特殊的時刻——稱為「宇宙學原理(Cosmology principle)」。顯然地,宇宙應該永遠就是那樣地存在,它沒有開始,也不會有終結。

膨脹的宇宙

如果星星可以自由移動,那麼宇宙還是不是靜態?圖/Envato Elaments

牛頓的力學統領了三百多年的物理學及天文學發展,直到 1905-1915 年間,愛因斯坦(Albert Einstein, 1897-1955)相繼地發表了狹義相對論及廣義相對論後才被修正。

愛因斯坦發表了他的重力場方程式後,當然也在思考著宇宙的問題;但卻發現他場方程式的解不可能是一個靜態的宇宙!為了符合當時的宇宙觀,二十世紀近代物理學革命先鋒的愛因斯坦竟然屈服於「共識」,修改其方程式來取得靜態解。

事實上早在 1718 年,英國天文學家哈雷(Edmond Halley,1656-1742)就發現了三顆明亮的恆星不再處於古代觀測所確定的位置,嚴重地質疑恆星固定位置的假設。而如果星星可以像正常的物理物體一樣地自由移動,那麼宇宙是不是靜態呢?

1922 年至 1924 年間,俄國數學家佛里曼(Alexander Friedmann,1888-1925)假設宇宙中物體的分佈是均勻(宇宙學原理),解廣義相對論場方程式,發現這些物質在空間的分佈只有三種可能:
從開始的一點,空間隨著時間增大而

  1. 慢慢趨近到一個定值;
  2. 永遠繼續膨脹增大;
  3. 膨脹一段時間後開始收縮。
圖/作者提供

1927 年,比利時魯汶天主教大學(Catholic University of Louvain)教授勒梅特(Georges Lemaître,1894-1966,麻省理工學院物理博士)神父也獨立地發現了佛里曼解;但因他對其物理意義比較感興趣,從中預測了真實的星系宇宙膨脹,得出距離我們越遠的星群後退速率應越快、但沒有人在意的革命性結論——愛因斯坦接受了他的數學,但拒絕了他的物理解釋。

1929 年,美國天文學家哈柏(Edwin Hubble,1889-1953)分析了一些從遙遠星群傳來之光譜的測量結果,發現其頻率很有系統地往頻率較低之紅色位移(red shift),其位移值隨星球離我們之距離的增加而加大。顯然地,遙遠星群是依一定的規則在遠離我們:距離我們越遠,後退速率越快——稱為「哈柏—勒梅特定律」(Hubble-Lemaître law)。

這無可避免的結論是:宇宙正處於一膨脹狀態!此一完全出乎意外的發現,改變了宇宙論這一研究的整個面貌!可惜在哈柏去世前,天文學顯然還是被認為是屬於宗教與哲學的範圍,因此他從未得到諾貝爾獎。

宇宙的開始

一個膨脹的宇宙是一個在改變的宇宙,因此應該具有生命的歷史。1931 年,勒梅特開始追溯宇宙的足跡,得出了他所謂的「原始原子假說」(primeval atom),在《自然》雜誌上發表了一篇 457 字的短文謂:

「如果我們回到過去,我們必須找到越來越少的量子,直到我們發現宇宙的所有能量都包含在幾個——甚或是一個獨特的——量子中。……,如果世界始於一個單一的量子,那麼空間和時間的概念在開始時完全沒有任何意義。……,我們可以以一個獨特原子的形式設想宇宙的開始,其原子量是宇宙的總質量。」

無神論宇宙學家霍伊爾(Fred Hoyle,1915-2001)因為不相信「原始原子假說」,在 1949 年諷刺地稱它為「大霹靂」(big bang),沒想到這一名詞竟然廣為科學家所接受的,稱勒梅特的宇宙觀為「大霹靂宇宙論」。

1979 年 12 月,麻省理工學院古士(Alan Guth,1947-)教授突然心血來潮,懷疑他的研究——超冷(supercooled)的希格斯場(Higgs field)——或許也適用於宇宙論。

美國理論物理學、宇宙學家 Alan Harvey Guth 亦是暴脹模型的創立者。圖/維基百科

古士的研究顯示,如果當初宇宙充滿了稱為急脹子(inflaton)的希格斯場,則在慢慢膨脹而冷卻下來時,這急脹子可能被困在一能量不為零的非常不穩定之超冷狀態。此狀態的急脹子因具負內壓,可以提供非常強大的排斥力,促成瞬間非常巨大的膨脹(「大霹靂」的原因)。

但因此一狀態非常不穩定,因此急脹只維持了大約 10-35 秒之久;但在這期間宇宙膨脹率隨著時間而急速加快的!在此之後,宇宙的膨脹率才因重力的關係又恢復到其越來越小的正常狀態!

此一巨大迅速加速膨脹不但能解釋為何現今的宇宙是如此地均勻;它甚至還告訴了我們現今我們所觀測到的宇宙,事實上只是整個宇宙中非常小的一部份!這正又說明了為什麼我們現今觀測到的宇宙是平的——正如大球表面上的一個小面積看起來是平的一樣。此一偶然發現,一下子解決了宇宙大霹靂論的三大謎題(詳見愛因斯坦的最大錯誤——宇宙論常數)!在大約 10-35 秒後,此一大霹靂才停止,急脹子才放出其多餘的超冷能量,產生我們現今所看到的一般物質與能量。

科學家稱此一改良的大霹靂宇宙論為「急脹宇宙論」(inflationary cosmology),原來之大霹靂宇宙論為「標準大霹靂宇宙論」(standard cosmological Big Bang model)。

宇宙沒有邊緣

一個以獨特原子「大霹靂」出來的時空當然應該是有界限的,有界限的時空當然應該是有邊緣的。可是如果有邊緣,那應該有很獨特的中心點,這不違反了「宇宙學原理」嗎?還有,邊緣的外面是什麼?如果是空間,那應該是「大霹靂」造出來的,應該是宇宙的一部分,所以宇宙應該是沒有邊緣的。

沒有邊緣的宇宙不一定必須是無限大的:愛因斯坦 1917 年提出的宇宙就是一個沒有邊界的有限宇宙:生活在二度球面上的怪人,它們生活的球面是有限的,但卻沒有邊界。球面不平,故可以彎回形成一個封閉的無邊緣空間;但如果宇宙的幾何是平的,不能彎回來,那麼宇宙便應該是無限大的,沒有邊緣的;儘管如此,宇宙的膨脹還是在繼續製造空間的,所以空間隨著時間變成「更無限大」。

圖/作者提供

時空的膨脹

我們對「膨脹」的了解都是置身事外、隔岸觀火的:像看正在膨脹的氣球,只見其體積越來越大。但是宇宙只有一個,我們不可能置身事外;而如果宇宙是無限大的,則不管我們在哪裡,都會覺得我們正處於膨脹中心點,正像球面上的任何一點,發現其它各點離我們之速率與其距離成正比(這正是哈柏的發現)。

還有,隔岸觀火讓我們可以看到氣球外的膨脹空間,我們可以量得在膨脹時氣球上任何一點對地球的「運動」速度;但如果我們置身正在膨脹的宇宙中,當然看不到宇宙外的膨脹空間。

不,等一等,宇宙是無限的,它怎麼還有「外面」讓它膨脹呢?當然沒有!所以現在的物理學家認為空間像氣球的表面一樣,是膨脹——不是運動——「製造」出來的!兩個物體的空間距離因膨脹——不是相對運動——而加大。

萊布尼茲(Gottfried Leibniz,1646-1716)終於戰勝了牛頓:沒有物質的地方就沒有空間,空間根本不存在,空間只是用說明物體之間的相對位置的「語言」而已。所以哈柏所測到的遙遠星群有系統地離開我們,並不是因為星群「運動」的結果——星群並沒有在牛頓之「絕對空間」中運動。

如果空間是被製造出來的想法很難接受,相信時間就容易瞭解多了!想一想:「現在」根本沒有「明天」,「明天」是在明天的「現在」才出現的,所以「明天」是製造出來的;「時間」是在膨脹,往現在不存在之「明天」膨脹;「現在」與「明天」之間沒有界限,所以時間應該沒有邊緣;沒有邊緣就沒有邊緣外是啥的問題!

而沒有邊緣、又是「我的青春小鳥一去不回來」(註一)的時間不應是無限大嗎……,所以宇宙的膨脹事實上不止製造了空間,同時也製造了時間!

西漢(公元前 202 年-公元 8 年)《淮南子》的首篇《原道訓》謂上下四方為之「宇」,古往今來為之「宙」;這句話闡明了「宇」就是空間,「宙」就是時間;宇宙就是時空,宇宙歷史就是製造時空的歷史!

宇宙歷史就是製造時空的歷史!圖/Envato Elements

宇宙年齡與黑暗夜空

如果時間是因為大霹靂而製造出來的,那現在的宇宙到底都老了?精確測量的「遙遠星系的速度及其距離比」(稱為「哈柏常數」)估計現在的宇宙年齡為 138 ± 10 億年。

2013 年,歐洲航天局的普朗克太空望遠鏡繪製了一張詳細的宇宙微波背景溫度之波動圖,估計宇宙的年齡為 138.2 ± 0.5 億年。去年 3 月 30 日,由約翰霍普金斯大學韋爾奇(Brian Welch)博士領導的一群天文學家宣布發現了有史以來最遠和最早的恆星:一個在 129 億年前(大霹靂之後 9 億年時)發出的光點。

哈柏對星系系統性紅外移的發現終於讓我們解決了牛頓之無限宇宙論與宗教之有限宇宙論間的衝突。

起初人們認為僅紅移效應就足以解釋為什麼夜晚的天空是黑暗的:來自遙遠星系中恆星的光會被紅移到可見光範圍之外的長波長。然而,現在共識是,宇宙的有限年齡是一個更重要的影響。即使宇宙在空間上是無限的,但由於光速及重力傳播速有限,來自遙遠星系的光子或重力根本還沒有足夠時間抵達到地球。

如果現在宇宙的年齡是 138 億年,那麼我們將感覺不到距離地球 138 億光年外的光或重力,而認為宇宙是有限的。我們稱這個半徑 138 億光年的球面內宇宙為「可觀測宇宙」(observable universe)。在這個宇宙視界內的星數大約 2 萬億個,太少了,無法使夜空明亮或將地球撕裂。

還有,如果牛頓當時知道宇宙是在膨脹,他根本不需要一種「無限而永恆」的神力來防止星雲被拉到一起。

獵戶座大星雲揭示了恆星與行星系統的形成過程。圖/維基百科

思想的貧乏

如果時空是大霹靂製造出來的,那在這之前根本沒有時空!沒有時空?那這大霹靂在什麼「地方」發生的?又為了解釋如果爆炸有中心點,那便違反了「宇宙學原理」,有些理論天文學家甚至提出大霹靂是「到處」同時發生的!可是「到處」不是空間嗎?……這不正是「先有雞還是先有蛋」的矛盾問題嗎?

儘管哲學家盧梭(Jean-Jacques Rousseau, 1712-1778)認為:「現實的世界是有止境的,幻想的世界則是無垠的」,但在寫這一節時,筆者還是一個頭兩個大!

紐約州立大學石溪分校的天體物理學家舒特兒(Paul Sutter)在去年 2 月 25 號的宇宙之外有什麼東西嗎?一篇文章結尾說:「如果這一切聽起來複雜而令人困惑,請不要擔心。……,這就是現代宇宙學的力量之一:它(數學)使我們能夠研究難以想像的事物。」

恐怕我們所能做的就是接受這些悖論並努力去適應它,就像前面提到之萬有引力,當初不是被認為是「魔法、神秘、非科學」嗎?但現在已經沒有人懷疑這種力之存在了。同樣地,近代的物理(相對論、量子力學)裡不也是充滿了很多違反我們日常生活邏輯的奇怪觀點嗎?

宇宙又再次加速膨脹

1998 年加州大學伯克萊分校(University of California, Berkeley)的波米特兒(Saul Perlmutter)及澳洲國立大學(Australia National University)的思密特(Brian Schmidt)相繼宣佈超級新星 la 型的數據顯示,在大霹靂後的 70 億年,宇宙的膨脹率又再次加速了!約翰霍普斯金大學(Johns Hopkins University)的雷斯(Adam Riess)於 2006 年再次肯定了這些觀查結果。

此一發現再次重寫了人類對宇宙演化的看法,因此諾貝爾獎委員會將 2011 年的物理獎發給這三位科學家。

真是一波剛平,一波又起!好不容易物理學家總算了解了大霹靂的原因,在它之後宇宙的膨脹因為萬有引力的關係應該逐漸慢下來,怎麼現在它的膨脹又加速了?牛頓重力只有相吸的作用,因此要解釋此一加速膨脹,看來只有求助於愛因斯坦那修改方程式內之「宇宙論常數」(cosmological constant)了。

不錯,波米特兒及思密特思考著:在大霹靂(急脹)後,宇宙靠大霹靂時的衝力(物理學上稱為慣性)而繼續膨脹,但因萬有引力的關係,膨脹速率將越來越慢;可是如果真有愛因斯坦的宇宙論常數,則因其排斥強度不會隨宇宙膨脹而降低(萬有引力則會因宇宙膨脹而降低),它總有一天它會強過萬有引力,使宇宙的膨脹率由減速再次變成加速!這一天顯然就發生在他們所發現之大霹靂後約 70 億年時!

可是愛因斯坦的宇宙論常數是啥東西呢?沒有人知道,但一定不是普通的物質,否則早就應該被發現了——因此科學家稱它為「暗能量」(dark energy)。物理學家及天文學家正努力地在尋找此一充滿了宇宙、及必須具有負內壓的怪物。

宇宙膨脹的藝術構想圖。 圖/維基百科

結論

今日大部分的天文學家都認為宇宙是平的(佛里曼解 1),是在膨脹、沒有界限、無限大的。黑洞及重力波的相繼發現鞏固了廣義相對論在現今宇宙研究的理論地位。我們現在所看到的宇宙只是整個宇宙之一小部分而已;138 億年前離我們最遠那些星群因為宇宙加速膨脹的關係,事實上現在都已經離我們 460 億光年了(因為不是運動造成的,它們可以以大於光速的速度遠離我們)。

很難想像一個沒有邊緣、無限大的空間是什麼樣子?在那裡又如何能不停地製造出空間來?……,這些無法理解的「矛盾」邏輯或許正是羅素(Bertrand Russel,1872-1970)所說的「認為事物必須有一個開始(邊緣、大小、結束、……)的想法,實際上是由於我們思想的貧乏」?或普朗克(Max Planck,1858-1947)所說的:「科學無法解開自然界的終極奧秘,因為歸根結底,我們自己是我們試圖解開的謎團的一部分」?

這使筆者想到:人工智慧是人類製造出來的,它能像我們一樣創造出牛頓力學、相對論、量子力學嗎[註2]?甚或超越人類創造出一個沒有「矛盾」的宇宙觀嗎?

筆者在「日常生活範式的轉變:從紙筆到 AI」一文裡最後提到:或許筆者下篇文章已經不是自己寫的了。讀者認為本文是人工智慧代寫的嗎?為什麼?

註解

  1. 黃駱賓:《青春舞曲》
  2. 筆者覺得不可能,因為筆者認為創造是屬於靈感和直覺的非理性活動,無法表達的;愛因斯坦曾謂:「我很少用語言思考。(雖然)一個想法出現了,我可能會嘗試用文字來表達它」。當我們無意識地思考時,邏輯及演繹推理就被拋在腦後;愛因斯坦曾謂:「我從來沒有通過理性思考的過程做出任何發現」。
    人工智慧有能夠有靈感、直覺、或無意識的思考嗎?還有,科學上不少大發現都是意外的,例如注意到胰臟被割除之狗,小便過的地板上蒼蠅特別多而發現了胰島素,忘了收拾細菌培養皿就去度假而發現了盤尼西林,錯誤的假設發現了量子統計力學等等。人工智慧如何「學習」或碰到這種運氣呢?

延伸閱讀

  1. 賴昭正:《我愛科學》(華騰文化有限公司,2017 年 12 月出版):「量子統計的先鋒——波思」(科學月刊,1971 年 4 月號),「牛頓的水桶」(科學月刊,2011 年 8 月號),「愛因斯坦的最大錯誤——宇宙論常數」(科學月刊,2011 年 12 月號) ,「暗物體與暗能量」(科學月刊,2014 年 6 月號),「愛因斯坦其實沒那麼神?」(泛科學,2016/03/16)。
  2. 50年的追尋-宇宙之演化(科學月刊,2019 年 8 月號)。
  3. 宇宙是靜態還是在膨脹?又是誰先發現宇宙微波背景輻射?(泛科學,2022/04/22) 。
  4. 從圓周率與無理數,談數學也有其無法理解、不精確、和不確定性(泛科學,2019/06/03)。
  5. 賴昭正譯(P.C.W. Davies 原著):《近代宇宙觀中的空間與時間》(新竹國興出版社,1981 年 8 月出版)。
所有討論 1
賴昭正_96
37 篇文章 ・ 40 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

1

1
0

文字

分享

1
1
0
AI 也會出差錯?使用人工智慧可能帶來的倫理與風險——《科學月刊》
科學月刊_96
・2023/02/19 ・3976字 ・閱讀時間約 8 分鐘

國小高年級科普文,素養閱讀就從今天就開始!!
  • 甘偵蓉|清華大學人文社會 AI 應用與發展研究中心博士後研究學者。

Take Home Message

  • Facebook 或 Instagram 的訊息推薦、YouTube 或 Netflix 推薦觀賞影片、掃瞄臉部以解鎖手機,AI 應用早已在我們日常生活中隨處可見。
  • AI 應用中四種常見的倫理和風險:演算法偏誤、相關技術或產品偏離原先使用目的、擁有善惡兩種用途,以及演算法設計不良或現有技術限制。
  • 近年來各國家皆制訂有關 AI 發展的規範,臺灣則在 2019 年制訂「AI 科研發展指引」,期望能改善 AI 發展帶來的問題與風險。

當談到人工智慧(artificial intelligence, AI)、也就是 AI 時,讀者會想到什麼?是多年前由史匹柏(Steven Spielberg)導演的那部《A.I. 人工智慧》(A.I. Artificial Intelligence)中那個一直盼不到人類母愛而令人心碎的機器人小男孩?還是由史密斯(Will Smith)主演的《機械公敵》(I, Robot)裡那些沒遵守機器人三大法則的機器人或中央系統?

《A.I. 人工智慧》(A.I. Artificial Intelligence)電影海報,上映於 2001 年。圖/IMDb

或許未來有一天,人類真的可以設計出如電影中那些像人一樣的 AI 系統或機器人。但目前為止,你常聽到的 AI 其實既很厲害又很不厲害,為什麼呢?厲害的是它下圍棋可贏過世界冠軍,還能夠比放射科技師更快、更準確地辨識 X 光片中疑似病變的細胞;但它不厲害的是,很會下圍棋的 AI 就只能下圍棋,別說不會打牌,連撲克牌是什麼都不知道!而且每次學新事物幾乎都是打掉重練,得不斷做好多考古題才有可能學得會,不像人類通常教幾次就會舉一反三。

不過,即使目前世界上的 AI 都是這種只具備特定功能的「弱 AI」(artificial narrow intelligence, ANI),但已經為這個世界帶來相當大的進步與便利。所以,以下要談的就是 ANI 的倫理與風險。

談到這種只具特定功能的 ANI,讀者知道目前生活周遭有哪些事物有利用 AI 技術嗎?其實 Google 上的搜尋資訊、Facebook 或 Instagram 的訊息推薦、對智慧型手機喊「Siri 現在外面有下雨嗎?」等功能,或是以掃瞄臉部解鎖手機與進入大樓、YouTube 或 Netflix 推薦觀賞影片,甚至是投履歷求職、銀行審核貸款申請等都常用到 AI 技術,它早在我們日常生活中隨處可見。

AI 技術在日常生活中隨處可見,如 YouTube 推薦觀看影片。圖/Pexels

但也正是如此,讓人們這幾年在使用 AI 時,逐漸發現它可能造成的問題或傷害,以下簡單介紹常見的四種AI應用可能造成的倫理問題或風險。

演算法偏誤

第一種是演算法偏誤(algorithmic bias)。什麼是演算法偏誤?簡單來說就是 AI 在某些群體的判斷準確率或預測結果上總是很差,導致結果可能對於此群體造成系統性的不利。但為何會造成演算法偏誤?常見原因有三項。

第一項原因是,建立 AI 模型的研究資料集有偏誤,在性別、種族、社經地位等特徵上,沒有真實世界的人口分布代表性。例如數位裝置採用 AI 臉部辨識技術解鎖,原本是希望保護個人使用數位裝置的安全性,結果皮膚深的人卻常常遇到辨識失敗而無法解鎖。這通常是因為目前許多 AI 模型都是以機器學習技術設計,而機器學習的主要特性就是從過去人類留下的大量資料中學習;當初提供電腦學習臉部辨識的圖片時,如果多數都是白皮膚而非黑皮膚、多數都是男性的臉而非女性的臉,那麼電腦在學習辨識人臉的準確率上,整體而言辨識男性白人就會比辨識女性黑人要高出許多。

第二項產生演算法偏誤的原因是建立 AI 模型的研究資料集不只有偏誤,還反映現實社會中的性別、種族、社經地位等歧視;例如美國警政單位以過往犯罪資料訓練出獄後犯人再犯風險評估的 AI 模型,那些資料不意外地有色人種的犯罪紀錄遠多於白人犯罪紀錄。然而,那些紀錄也反映美國社會長久以來對於有色人種的歧視,其中包含警察對於有色人種的盤查比例遠高於白人、法院對於有色人種的定罪比例及判刑嚴重程度也遠高於白人、警力通常被派往多黑人與拉丁裔人種居住的窮困社區盤查等。所以根據過往犯罪資料所訓練出來的 AI 模型,不意外地也就會預測有色人種的再犯機率普遍來說比白人高。

第三項產生演算法偏誤的原因則是 AI 學會了連系統開發者都沒有察覺到,潛藏在資料裡的偏誤。例如科技公司人資部門本來想借助 AI 更有效率地篩選出適合來面試的履歷,所以挑選在該公司任職一定年資且曾升遷二次的員工履歷來訓練 AI 模型。問題是,高科技公司向來男多女少,所提供給 AI 學習的資料自然就男女比例相當不均。AI 也就學會了凡是出現偏向女性名字、嗜好、畢業學校系所等文字的履歷,平均所給的評分都比出現偏向男性等相關文字的履歷還低。

潛藏在資料裡的偏誤造成 AI 預測結果彷彿帶有性別歧視。圖/Envato Elements

但目前科技公司陽盛陰衰,是受到以往鼓勵男性就讀理工、女性就讀人文科系,或男性在外工作女性在家帶小孩等性別刻板偏見所影響。所以 20~30 年來許多人做出各種努力以消除這種性別刻板偏見所帶來的不良影響,政府也努力制定各種政策來消除這種不當的性別偏見,像是求才廣告基本上不能限定性別、公司聘雇員工應該達到一定的性別比例等。因此,訓練 AI 的研究資料一旦隱藏類似前述性別比例不均的現象,訓練出來的 AI 預測結果就彷彿帶有性別歧視,讓人們過往致力消除性別不平等的各種努力都白費了!

其他 AI 應用帶來的倫理與風險

除了演算法偏誤的問題外,第二種可能帶來的倫理問題或風險是 AI 技術已經偏離原先使用目的,例如深偽技術(deepfake)原本用來解決圖片資料量不夠的問題,後來卻被利用在偽造名人性愛影片等。

第三種則是有些 AI 技術或產品本身就可能有善惡兩種用途(dual-use)。例如 AI 人臉辨識技術可用在保護數位裝置的使用者或大樓保全,但也可用來窺探或監控特定個人;無人機可以在農業上幫助農夫播種,但也可作為自動殺人武器;可用來搜尋如何產生毒性最少的藥物合成演算法,也能反過來成為搜尋如何產生毒性最強的藥物合成演算法。

最後,第四種是演算法設計不良或現有技術限制所導致的問題。在演算法設計不良方面,例如下棋機器人手臂可能因為沒有設計施力回饋或移動受阻暫停等防呆裝置,而造成誤抓人類棋手的手指且弄斷的意外。在現有技術限制方面,道路駕駛的交通標誌在現實中可能時常有老舊或髒汙的情況,儘管對於人類駕駛來說可能不影響判讀,但對於自駕車來說很可能就因此會嚴重誤判,例如無法正確辨識禁止通行標誌而繼續行駛,或是將速限 35 公里誤判成 85 公里等。但前述情況也有可能是自駕車網路、控制權限或物件辨識模型受到惡意攻擊所致。

以上介紹了 AI 常見的四種倫理問題或風險:演算法偏誤、相關技術或產品偏離原先使用目的、擁有善惡兩種用途,以及演算法設計不良或現有技術限制。但人們該如何減少這些倫理問題與風險呢?

培養AI使用倫理與風險的敏銳度

近五、六年來國際組織如聯合國教育科學及文化組織(United Nations Educational, Scientific and Cultural Organization, UNESCO)、歐盟(European Union, EU)、電機電子工程師學會(Institute of Electrical and Electronics Engineers, IEEE)或是國家、國際非營利組織皆紛紛制訂有關 AI 發展的白皮書或倫理指引(ethical guidelines),甚至逐漸朝向法律治理的方向,如歐盟的人工智慧規則草案等。儘管這些文件所提出的倫理價值、原則或行為規範,看似各有不同,但經過這些年的討論與摸索,也逐漸匯聚出一些共識。

「人工智慧科研發展指引」提出三項倫理價值,包含以人為本、永續發展、多元包容。圖/Pexels

臺灣相較於前述國際文件來說,在制訂的時間上比較晚。2019 年由當時的科技部(現改為國科會)制訂「人工智慧科研發展指引」,裡面提出的三項倫理價值以及八項行為指引,基本上涵蓋了前述各種國際 AI 發展指引文件最常提及的內容。所謂三項倫理價值包含以人為本、永續發展、多元包容,行為指引則有共榮共利、安全性、問責與溝通、自主權與控制權、透明性與可追溯性、可解釋性、個人隱私與數據治理、公平性與非歧視性共八項。

未來當讀者看到又出現哪些 AI 新技術或產品時,不妨試著評估看看是否有符合這三項價值及八項行為指引。若沒有,究竟是哪項不符合?不符合的原因是上述所介紹常見的四種倫理問題或風險的哪一種?若都不是,還有哪些倫理問題或風險過去被忽略了但值得重視?

AI 技術發展日新月進,在日常生活中的應用也愈來愈廣。但考量法律條文有強制性,在制訂時必須相當謹慎,免得動輒得咎,也很可能在不清楚狀況下反而制訂了不當阻礙創新發展的條文;再加上法律制定也必須有一定的穩定性,不能朝令夕改,否則會讓遵守法規者無所適從。因此可以想見,法令規範趕不上新興科技所帶來的問題與風險本來就是常態,而非遇到 AI 科技才有這種情況。

人們若能培養自身對於 AI 倫理問題或風險的敏銳度,便可發揮公民監督或協助政府監督的力量,評估 AI 開發或使用者有無善盡避免傷害特定個人或群體之嫌,逐漸改善 AI 開發者與大眾媒體常過度誇大 AI 功能,但對於可能帶來的倫理問題或風險卻常閃爍其詞或避而不談的不好現象。

本文感謝工業技術研究院產業科技國際策略發展所支持。

  • 〈本文選自《科學月刊》2023 年 2 月號〉
  • 科學月刊/在一個資訊不值錢的時代中,試圖緊握那知識餘溫外,也不忘科學事實和自由價值至上的科普雜誌。
所有討論 1
科學月刊_96
239 篇文章 ・ 2739 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。