5

10
4

文字

分享

5
10
4

從能量效率的觀點,告訴你為何人工智慧無法掌控世界——《眼見為憑》

時報出版_96
・2021/06/13 ・2618字 ・閱讀時間約 5 分鐘

  • 作者|理查.馬斯蘭(Richard Masland)
  • 譯者|鄧子衿

如果你不知道目的地是哪兒,可能要設定其他目標。——尤吉.貝拉(Yogi Berra)

監督學習與無監督學習

我們每天都聽到機器學習能夠做到需要感知才能達成的任務:自動駕駛汽車、臉部辨識等。也有人擔心智慧機器失控所造成的危險,害怕有天它們利用遠勝於人類的智能,會掌控整個世界。不過這些討論絕大部分都沒有看到明顯的重點:機器學習的確能夠完成一些了不起的任務,但是研究人工智慧的傢伙全都深深了解到,現在最佳的人工智慧還比不上四歲的孩子。

原因在於,絕大部分著名的人工智慧演算法在學習技能時要人教,同時需要使用到極龐大的資料庫,並且得在超級電腦上執行。四歲幼兒只要知道幾個例子之後,自己就能夠學習。說真的,教自己小孩某些技能和概念時的確痛苦萬分,但是他們絕大部分知道的事物,都是基於基本的感知機制,自己教自己的結果,用他們小小的腦袋就足以完成。事實上,就算是多層級且具備反向傳播的感知器,比起我的小孫子還是差太多了。他不需要數不清的例子和教師,就能認得出自己的祖父。只要抱幾次就很快學會說「爺爺」這個詞。

四歲幼兒只要知道幾個例子之後,自己就能夠學習。圖/Pexels

人工智慧研究人員區分了監督學習與無監督學習。你應該記得之前提到那個標準的感知器需要教師。蘋果電腦的聲音識別軟體和咸諾斯基會說話的電腦也要。注重隱私權者所害怕的臉部辨識軟體也需要。你需要大量具備身分標籤的臉部照片,才能夠教軟體辨識臉部。電腦能夠辦得到是因為計算速度非常快,事實上,最近幾年機器學習獲得的成就,主要來自於最近(五年)有了能夠用來訓練的資料庫,以及大型的客製化電腦。腦中神經元運作的速度很慢,無法看這些電腦相比。

但是腦部的能力遠超出這些電腦。在赫柏原始的概念中,創造細胞群組的方式是無監督學習:在邊緣上連續的點本來就會一起出現,腦中的邊緣敏感細胞也是自己出現的。目前電腦科學家迫切的任務之一,是建造出訓練過程如大腦的機器。

電腦也是從錯誤中學習

我很快就會回來談腦部,不過先說明另一種機器學習形式的例子,這種形式結合了神經網絡和一個新方法。電腦科學家大方的用神經科學的名詞來稱呼這類策略:增強原理(principle of reinforcement),最早有系統進行這方面研究的是偉大的俄羅斯生理學家帕夫洛夫(Pavlov),哈佛大學的史金納(B. F. Skinner)等後繼者發掘了其中的細節。電腦科學家稱這種這種演算法為「增強學習」(reinforcement learning)。「增強」的意思是某種行為會得到報償,如果電腦受到了報償,就會重複那種行為。這個過程讓正確的行為比較容易受到重覆,在神經網絡中的突觸會受到加強,你可以說這是一種反向傳播。增強學習與感知學習很像,只不過電腦會自己製造教師。

增強原理應用——史金納箱。圖/Wikipedia

電腦也可以得到報償。在增強學習的過程中,電腦得找尋一個目標,它會隨便亂猜,剛開始都猜錯,但是如果某個猜測結果稍微接近目標,就會得到報償。電腦得到的報償不是一塊電腦狗糧,而是得到訊息:「幹得好,增強剛才你做出這個猜想時用到的突觸。」接下來電腦會繼續猜,這次會使用新的加權。接下來的步驟你可以想像出來:電腦會持續猜測,每次都調整加權,直到學得完成任務的方法。

人腦與電腦誰比較聰明?

增強學習已經精通了一項極為艱難的技術:下西洋棋,以及更為困難的圍棋。現在電腦的棋力超強,完全勝過人類,而且他們還是自己教自己下棋。我想到的一個演算法是 Alpha Zero,在二○一八年耶誕節前夕於《自然》雜誌上發表研究結果。研究人員只教 Alpha Zero 圍棋的規則:棋盤的模樣、下棋的方式等,之後演算法會自己和自己下西洋棋或是圍棋。這種作法聽起來違背直覺,重點在於每個「自己」並不知道另一個「自己」的思考內容,只知道對方下的棋步。也沒有教師,只有一些事先輸入的規則,讓電腦知道下的棋步是好是壞,以及判定輸贏的標準。四個小時後,電腦就具備了世界級的水準。

這真是非常了不起的成就,而且不只可以讓 Alpha Zero 下各種棋類,還可以讓它做別的事情。谷歌人工智慧團隊的大衛.希爾瓦(David Silver)展示了 Alpha Zero 利用遙控器操縱玩具直升機進行飛行特技,看到那個直升機進行筒狀翻滾飛行(barrel roll),真的讓人確信它有能力。

電腦對於任務定義範圍叫人狹隘。圖/Pexels

但是 Alpha Zero 真的比我的孫子聰明嗎?差得遠了(除非我孫子和它較量西洋棋)。電腦對於任務定義的範圍非常狹隘,而且體積要比我孫子的腦大多了,也不能光靠巧克力夾心餅乾就能運作。史密森尼學會(Smithsonian)的吳凱薩琳(Katherine Wu)估計,Alpha Zero 硬體運作功率約為一百萬瓦,我孫子的腦只需二十瓦。會在這裡提到神經網絡和增強學習,是因為這兩者都屬於概念驗證(Alpha Zero 內部採用了神經網絡),證明了這種邏輯運算的結果雖然距離腦還差得遠,但的確比較接近腦。

人類的腦部是否也採用了類似深度神經網絡或是 Alpha Zero 所運作的方式?當然有,只是慢得不得了。人腦這種電腦是演化經由無數時光打造而成,其中的突觸和連結都縮小到極致。如果由一堆計算晶片組成的笨重電腦能夠辦得到,人腦也可以。

人工智慧領域中的人很清楚我的孫子遠勝過他們的電腦,並且也正在努力改進。每個人都猜電腦會有多聰明。我認為電腦最後會很聰明,我絕對不會想要和電腦競爭。有各種巧妙的無監督學習模式應用在電腦中,唯一的問題是要花多少時間才能追得上人腦,以及機器完成任務的方式和真正的人腦有多相近。更重要的是,機器完成任務的經濟效率能夠比得上人腦嗎,我會屏息以待這些結果。事實上就目前來說,光是超越人類的電腦所需要消耗的能量之高,就讓我無須擔心會電腦會掌控世界了。

文章難易度
所有討論 5
時報出版_96
145 篇文章 ・ 26 位粉絲
出版品包括文學、人文社科、商業、生活、科普、漫畫、趨勢、心理勵志等,活躍於書市中,累積出版品五千多種,獲得國內外專家讀者、各種獎項的肯定,打造出無數的暢銷傳奇及和重量級作者,在台灣引爆一波波的閱讀議題及風潮。

0

2
0

文字

分享

0
2
0
眼睛色盲的章魚如何成為生物界的「偽裝大師」?——《章魚的內心世界》
馬可孛羅_96
・2020/03/17 ・1593字 ・閱讀時間約 3 分鐘 ・SR值 516 ・六年級

  • 作者/賽.蒙哥馬利(Sy Montgomery);譯者/鄧子衿

在無脊椎動物中,章魚的腦算大的了,大約有胡桃大小,和非洲灰鸚鵡(African gray parrot)的腦差不多大。

鸚鵡有多聰明呢?伊蓮.佩帕博格(Irene Pepperberg)博士訓練了一隻鸚鵡,叫做亞歷克斯(Alex),讓牠學到了百來個英文單字的意義,牠也能夠展現出對於形狀、大小和材質概念的理解,甚至能夠算數學和提出問題。牠還會故意欺騙訓練人員,被逮個正著時還會道歉。

海綿寶寶的章魚哥,會收銀,又會打掃,可說是多才多藝呢!圖/GIPHY

不過並非所有的事情都和腦部大小有關,畢竟所有的東西迷你化之後,都可以維持原來的功用,看看電腦科技就能夠了解我的意思。

科學家用來計算腦力的依據是神經元的數量,腦部處理資訊的能力來自於神經元。從這點來看,章魚還是不簡單。章魚有三億個神經元,魟魚有二億個,蛙類可能有一千六百萬個。同為軟體動物的淡水田螺最多只有一萬一千個。

外表看似 ET,思考方式也異於常人的章魚,智商和人類有得比嗎?

看起來擁有大頭的章魚,長跟大家想像中的外星人頗相似。圖/pixabay

相較之下,人類的腦中有一千億個神經元,但是人類的腦和章魚的腦是不可以放在一起比較的。

芝加哥大學的神經科學家克里夫.雷格戴爾(Cliff Ragsdale)說:「既然地球上沒有出現火星人讓科學家研究,那麼頭足類是脊椎動物之外,唯一能夠說明複雜又聰明的腦部是如何形成的動物。」雷格戴爾研究的是章魚腦部的神經迴路,他想知道章魚神經迴路的運作方式是否和人類的一樣。

舉例來說,人的大腦分成四個腦葉,各負責不同的功能。章魚的腦部依照種類不同以及計算的方式,可以有五十到七十個腦葉。而且,章魚的神經元,大多數不在腦中,而是在腕足內。

章魚得同時進行多項工作,包括協調所有腕足的動作、改變顏色與形狀、學習與思考、記憶與下決定,在此同時還得處理從全身皮膚湧來的味覺,這樣的神經系統可能是多工下適應的結果,這也能解釋,章魚的視覺系統有著和人類類似、發展完善的眼睛。

那來比一比眼睛吧!章魚的眼睛跟人類的眼睛有啥不同?

人類的眼睛功能,大概就是可以痴痴地望著你?圖/GIPHY

不過章魚的腦和眼睛演化得如此複雜,和人類的演化過程完全不同。人類和章魚的共同祖先是一種原始的管狀生物,非常古老,腦部和眼睛都還沒有演化出來,但是章魚的眼睛和人類的依然非常相似。

兩者都使用水晶體聚焦,都具有透明的眼角膜,以虹膜調整進入眼睛的光量,在眼睛後方都有視網膜能夠把光轉換成神經訊號讓腦部處理。

但也有不同之處。章魚的眼睛可以感受偏光,人類的沒有辦法。章魚的眼睛沒有盲點(人類的視神經連接在眼睛視網膜的後面,所以有盲點。章魚的視神經圍繞在視網膜外側)。

人類的眼睛產生的是雙眼視覺,直接看到前方(移動方向)的景物。章魚的眼睛是廣角的,能夠看到全景,而且和變色龍的眼睛一樣可以各自轉動。人類的視力可以遠看到地平線,章魚的視力範圍不到三公尺。

人眼和章魚眼之間,還有另一個重要的差異。人類的眼睛中有三種視覺色素,所以人類能夠看到彩色。但是章魚的眼睛只有一種色素,所以這種偽裝大師嚴格來說其實是色盲。

那麼章魚要怎樣決定該改變成什麼顏色呢?新的證據指出,牠們能夠用皮膚感知顏色。伍茲霍爾海洋研究所和華盛頓大學的研究人員發現,在章魚的近親歐洲烏賊(Sepia officinalis)身上,有些通常只在眼睛視網膜表現的基因,也表現在皮膚中。

——本書摘自《章魚的內心世界》,2019 年 9 月,馬可孛羅

文章難易度
馬可孛羅_96
18 篇文章 ・ 15 位粉絲
馬可孛羅文化為台灣「城邦文化出版集團」的一個品牌,成立於1998年,經營的書系多元,包含旅行文學、探險經典、文史、社科、文學小說,以及本土華文作品,期望為全球中文讀者提供一個更開闊、可以縱橫古今、和全世界對話的新閱讀空間。

0

1
1

文字

分享

0
1
1
看到蜜蜂會隨之起舞,還是發抖害怕呢?大腦建構情緒,從「模擬」開始——《情緒跟你以為的不一樣》
商周出版_96
・2020/05/26 ・3100字 ・閱讀時間約 6 分鐘 ・SR值 538 ・八年級
  • 作者/麗莎.費德曼.巴瑞特博士 (Lisa Feldman Barrett, Ph.D.);
    譯者/李明芝
  • 編按:關於情緒的產生,巴瑞特博士跳脫過往舊思維提出「情緒建構論」,其中指出我們的情緒並不是被引發的,而是由自己所建構。

模擬是你的大腦對於世界正在發生什麼的猜測。在每個清醒的時刻,你都要面對從眼睛、鼻子、耳朵和其他感覺器官進來的嘈雜模糊訊息,你的大腦利用過去經驗建構假設(模擬),將之比較從感官接收的雜音。模擬以這樣的方式,讓你的大腦對噪音強加意義,選出相關的並忽略其餘的訊息。

人類心智活動的預設模式——模擬

1990 年代後期,模擬的發現為心理學和神經科學開創了新的紀元。科學證據顯示,我們所見、所聽、所觸、所嘗和所聞大多是對世界的模擬,而不是對世界的反應。1

有遠見的人推測,模擬這個常見的機制不只用於知覺,也用於了解語言、感到同理、記憶、想像、作夢,以及其他許多心理現象。我們的常識或許宣稱,思考、知覺和作夢是不同的心智活動(至少西方人這麼認為),但有個通用過程卻能描述它們全部。

模擬是所有心智活動的預設模式,它也是解開「大腦如何製造情緒」之謎的關鍵。

在你的大腦之外,模擬可能導致你的身體發生實質改變。讓我們以蜜蜂為例,稍微試試創造性的模擬。在你的腦海中,看到一隻蜜蜂在芬芳的白花瓣上輕輕跳躍,嗡嗡嗡地繞著花瓣尋找花粉。

如果你喜歡蜜蜂,那麼想像翅膀的拍動,此刻會造成其他的神經元讓身體準備好更進一步觀察:讓你的心臟跳得更快、讓你的汗腺蓄勢待發,並且讓你的血壓準備降低。

但如果你以前曾被蜜蜂狠狠叮過,你的大腦或許讓你的身體準備逃跑或做出拍打的動作,為此制定出一些其他模式的生理改變。每次你的大腦模擬感覺輸入,它都會讓你的身體做好自動改變的準備,這也讓你有可能改變你的感受。

嗡嗡嗡,你的舊經驗會影響你對蜜蜂的概念。圖/wikimedia

你對蜜蜂做出的模擬,根植於你對「蜜蜂」是什麼的心智「概念」(concept)。2 這個概念不只包含有關蜜蜂本身的訊息(牠看起來和聽起來像什麼樣、你對牠採取何種行動、你的自律神經系統的什麼改變讓你有所行動等等),還包括跟蜜蜂有關的其他概念(「草地」、「花朵」、「蜂蜜」、「叮咬」、「疼痛」等等)。

所有訊息都跟你的「蜜蜂」概念融為一體,共同引導你在這個特定的脈絡下如何模擬蜜蜂。因此,像「蜜蜂」這個概念,實際上是大腦裡的神經模式集合,代表你的過去經驗。你的大腦以不同的方式結合這些模式,藉此知覺並靈活地引導你在新的情境中如何行動。

「模擬」影響感官:以概念建構出具體感受

你的大腦利用你的概念,將某些東西聚集在一起,並將其他的東西分開。你可能在看著三堆土時,把其中兩堆知覺成「小丘」,而另一堆則是「大山」,這些都是根據你的概念。

建構是把世界看作一張壓扁的餅乾麵團,你的概念則是能切出界線的餅乾模具,界線不是自然存在,而是因為有用或有可取之處。3 這些界線當然自有物理限制,像是你絕對不會把山知覺成湖。不是所有的一切都互有關聯。

大腦會利用你的概念,建構出你對事物的感受。圖/giphy

你的概念是大腦用來猜測感覺輸入是何意義的主要工具。舉例來說,概念賦予聲壓(sound pressure)改變的意義,所以你會把聲壓改變聽成話語或音樂,而不是隨機的噪音。

在西方文化中,多數音樂都是根據分成十二個等距音高的八度音階,這種編曲被稱為「十二平均律音階」。每一個聽力正常的西方人,對於這種普遍存在的音階都有概念,即使他們無法明確地加以描述。然而,不是所有的音樂都使用這種音階。

印尼的甘美朗(Gamelan)音樂根據的是分成七個音高的八度音階,音高之間的距離並不相等。西方人第一次聽到甘美朗音樂時,更有可能覺得聽起來像噪音,聽慣了十二音音調的大腦,沒有具備甘美朗音樂的概念。我個人對迴響貝斯4 這種電子音樂有經驗盲區,不過我十幾歲的女兒很顯然有那個概念。

這究竟是草莓冰淇淋,還是冷凍鮭魚慕斯。圖/pxfuel

概念也讓製造味覺和嗅覺的化學物質有了意義。如果我端出粉紅色的冰淇淋,你可能預期(模擬)是草莓的味道,但如果嘗起來像魚,你會覺得很不協調,甚至可能覺得噁心。

但如果我介紹它是「冷凍鮭魚慕斯」,提前警告你的大腦,同樣的味道或許會讓你覺得美味(如果你很喜歡吃鮭魚)。5 或許你認為食物現存於物理世界中,但事實上,「食物」這個概念嚴重受到文化影響。很顯然,還是有些生物上的約束,所以你不可能吃刮鬍刀刀片。

但是有些絕對可吃的東西,卻不是每個人都認為是食物,例如「蜂之子」(hachinoko),這是一道油炸蜜蜂幼蟲的日本佳餚,但絕大多數的美國人應該會敬而遠之。這種文化差異就是因為概念。

只要你活著,你的大腦都會利用概念來模擬外在世界。如果缺乏概念,你會處於經驗盲區,就像是你看第 48 頁的斑點蜜蜂。如果有了概念,你的大腦會自動且無形地模擬,快到你的視覺、聽覺和其他感覺似乎像是反射而不是建構。

情緒是怎麼來的?原來是受到「概念」的影響

現在請仔細想想:如果你的大腦利用相同的過程讓來自體內的感覺──心跳、呼吸和其他內部運動引發的擾動──產生意義,那會怎麼樣呢?

神秘斑點。圖/商周出版提供

從大腦的觀點來看,你的身體只不過是另一個感覺輸入的來源。來自你的心臟和肺臟、你的新陳代謝、你的體溫改變等等感覺,就像圖中意義不明的斑點。在體內的這些純粹身體感覺,並不具有客觀的心理意義。

然而一旦概念介入,這些感覺或許開始具有額外的意義。如果你坐在餐桌旁時感到胃痛,或許你會把它經驗成飢餓。如果流感季節即將來臨,或許你會把相同的疼痛經驗成反胃作噁。如果你是法庭上的法官,或許你會把疼痛經驗成被告不可信任的直覺。6

你的大腦利用概念,會讓胃痛變得……更有意義。圖/giphy

在特定的時刻、特定的背景之下,你的大腦利用概念,賦予內在感覺意義,也讓來自世界的外在感覺有了意義,這些全都同時發生。你的大腦從你的胃痛,建構出飢餓、反胃作噁或不可信任的實例。

現在仔細想想,如果相同的胃痛出現在你嗅聞塗滿羊肉糊的尿布時,就像我女兒的朋友在「噁心食物」生日派對上所做的,你可能把疼痛經驗成噁心。亦或如果你親愛的另一半才剛走進臥房,你可能把疼痛經驗成一陣陣渴望。如果你正在診療室等待醫生說明健康檢查的結果,你可能把相同的疼痛經驗成焦慮感受

在這些噁心、渴望和焦慮的案例中,你大腦中活躍的概念是情緒概念。就像先前一樣,你的大腦藉由建構那個概念的實例,從你疼痛的胃再加上來自周遭環境的感覺一起產生意義。

這是一個情緒的實例。

這可能就是情緒如何生成的過程。

註釋:

  1. 「不是對世界的反應」(not reactions to it):相關回顧,請見 Chanes & Barret 2016.
  2. 「『蜜蜂』是什麼」(what a “Bee” is):Barsalou 2003, 2008a.
  3. 「因為有用或有可取之處」(because they’re useful or desirable):關於相似的類比,請見 Boghossian 2006.
  4. 譯註:dubstep,源自英國,於1990年代誕生的電子音樂,節奏短促、強調低音。
  5. 「如果你很喜歡吃鮭魚」(assuming you enjoy salmon):Yeomans et al. 2008.
  6. 「被告不可信任」(the defendant cannot be trusted):Danziger et al. 2011.

——本書摘自《情緒跟你以為的不一樣──科學證據揭露喜怒哀樂如何生成》,2020 年 3 月,商周出版

文章難易度
商周出版_96
90 篇文章 ・ 339 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商業出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。

2

7
3

文字

分享

2
7
3
AI 是大藝術家?人工智慧演算出的作品可以被稱為藝術嗎?——《再.創世》專題
再・創世 Cybernetic_96
・2021/10/06 ・6348字 ・閱讀時間約 13 分鐘
  • 作者/洪靖 荷蘭 University of Twente 技術哲學博士

人工智慧(Artificial Intelligence,以下簡稱 AI)能夠創作藝術嗎?演算法的作品可以被稱為藝術嗎?

早已有些藝術家利用 AI 或演算法進行創作,但一直要到 2018 年底,這兩個問題才開始進入大眾視野。契機是法國藝術團隊 Obvious 利用 AI(演算法 GAN)協助產生的畫作 Edmond de Belamy 在 2018 年初以一萬歐元賣出,另一幅畫作 Edmond 則在同年十月登上了世界知名的拍賣會佳士德(Christie’s)。雖然 Obvious 涉嫌炒作受到批評,但不可否認的是,他們確實敲開了藝術的大門,把開篇的兩個問題丟向世界。

法國藝術團隊。圖/Obvious

要回答這兩個問題,可以從藝術與技術的關係入手。從藝術角度出發的討論所在多有,尤其是這兩個問題本身就屬藝術領域的熱門話題。相較之下,從技術角度出發的探索似乎不多,而這或許是技術哲學(philosophy of technology)可以提供想法之處。

海德格的技術與藝術

要談技術哲學,不能不談海德格(Martin Heidegger)。他的名文 The Question Concerning Technology(1954)可說是開啟了整代哲學家(與社會學家)對於技術的批判和反省。海德格在文中嘗試追問:技術的本質(essence)是什麼?

《The Question Concerning Technology》。圖/維基百科

我們很容易想到技術零件、工程藍圖…等,但海德格說,技術的本質並不是那些技術的種種(The essence of technology is by no means anything technological)。海德格更認為,傳統用來說明「技術物之所是」的分析,並不足以說明技術的本質。在亞里斯多德的觀點中,一個銀製聖杯之所以是現在這個樣貌,可以拆解成四個因素:材質是銀(質料因)、杯子的樣式(形式因)、由工匠製作(動力因)、用於宗教儀式(目的因)。但在海德格看來,四因說充其量只是近因,真正的問題在於,究竟是「什麼」讓這四個因素剛好聚集在一起並造就了這個聖杯?

海德格認為,這個「什麼」是名為 Revealing(揭示)的過程,也就是一個原本被掩蓋的東西被看見、被呈現出來。用一個稍不精確但容易理解的方式來解釋:這個聖杯「註定」要成為現在這個樣子,這正是它最好的模樣,而所謂 Revealing 正是逐步找到並實現這個「註定」的過程。但這個 Revealing 的過程究竟為何、如何做到?至少有兩種方式,分別對應傳統技術與現代技術。

想想工匠如何製作聖杯。他們需要十分熟悉手中的材質,在打磨的過程不斷調整手勢、力道、角度,透過日積月累的經驗才能製作出一個精緻耐用的儀式品。這個緩慢的過程,是與世界「打交道」並迎來其最好一面的行動,海德格稱之為 Bringing-Forth(帶出)。很明顯,這並非當今各種技術產品的製造方式。

瓦倫西亞聖杯。圖/維基百科

對海德格而言,現代技術粗暴得多,雖然也是 Revealing,但它其實是種 Challenging-Forth(強索)。現代技術的目的不是逐步迎來世界最美好的一面,而是以最快速度、最大效率逼迫自然吐出有益於人類之物——名為「資源」的東西。海德格的著名例子,是萊茵河上的水力發電廠。為了發電,人類製造水壩阻斷萊茵河,甚至因此破壞了風景。對於海德格而言,這全然不同於在萊茵河上搭一座木橋:木橋雖然也是技術,但它沒有阻斷自然的運行,沒有把萊茵河的水流變成資源、供人類享用。海德格甚至給這種 Revealing 一個專門名稱:Enframing(座架)。

海德格進一步論證,要達成這種 Challenging-Forth,就必須能夠精確掌控和預測自然,而這種精確只能透過數學來達到。換句話說,「可以控制」和「可以計算」一體兩面。從這個說法來看,現代技術並不源出現代科學,而是相反:正是因為人類已經具有以 Challenging-Forth 來 Revealing 世界的欲望與渴求,現代科學才應運而生。換句話說,科學才是(現代)技術的應用,而非相反。

把一切轉化為資源的現代技術,終將成為人類的牢籠,因為人類本身也開始被視為「資源」——人力資源早已成為在各大公司不可或缺的部門。海德格認為,要化解這種悲劇,並非拋棄技術,而是回到藝術。Art 一詞本來就指「工藝」,既是工也是藝;換句話說,技術和藝術系出同源。現代社會之所以將兩者視為不同、甚至對立的領域,是因為我們太過習慣 Challenging-Forth 這種 Revealing,導致全然忽略過往技術的另一條途徑:Bringing-Forth。製作聖杯既是技術也是藝術,聖杯既是技術物也是藝術品,原因無他,正是因為那是 Bringing-Forth——真正的 Art。

因此,從海德格的角度來看,Obvious 的各種作品很難稱得上是藝術。一方面,Obvious 的作品奠基於演算法,而衆所皆知演算法就是數學,顯然是海德格多所批評的對象;另一方面,它們缺乏創作者日積月累與世界打交道的緩慢過程,全然不是 Bringing-Forth 的成果。雖然 Obvious 的作品不一定是為了索取自然資源,但就海德格而言,這可能加強或複製了現代技術 Challenging-Forth 的世界觀,如果我們接受了它們是藝術,那麼藝術——與技術系出同源的 Art——成為救贖的機會將消失殆盡。

藝術的定義

就「真正」Art 的定義來說,技術物的原文 Artifact 的意義完全屬實:製造出來的事實(arti-fact)。前面說過,真正的技術也是藝術,是 Bringing-Forth,帶出事物最美好的一面,亦即實現它「真實」的樣子。Arti(製造出來)的事物不一定是假的。我們之所以很常用 Arti 來暗示虛假,是因為身處現代社會的我們,已經太習慣 Challenging-Forth 意義下的 Artifact。同樣地,AI 裡的 Arti 本身就屬於高科技,所以從海德格的角度來說,AI 不可能也不應該是藝術的創作者,更不可能能名列藝術家,除非 AI 能以傳統 Bringing-Forth 的方式來創作——但顯然不太可能。

Netflix 影集 「Love, Death, Robots」中的「Zima Blue」。圖/Mohamed Aziz

我們不難感覺到,海德格對於技術和藝術的看法有一定程度的封閉性。當海德格追問「本質」問題並試圖回答時,也就不得不排除那些在他看來不是本質的東西。這種對於 Art 的嚴格規定,似乎和當代藝術所強調的開放性與可能性相互扞格。多數藝術家總是在嘗試新的手法、新的材料;雖有藝術家試圖回到過去的工匠精神,但這畢竟不是多數。許多時候藝術仍被視為揭露真理/真實(truth)的途徑(之一),但我們幾乎不可能回到那種浪漫的 Bringing-Forth 的實踐與時代。如果現代技術真如海德格所說,是人類與現代世界的牢籠,那麼海德格的論述與觀點本身,似乎也成為藝術的牢籠,將藝術關閉在一定的界線之內。

海德格的封閉性,技術哲學界也注意到了。技術哲學的後續發展,尤其是荷蘭學派,試圖超越海德格。正是在這一點上,荷蘭技術哲學更有助於我們理解 Obvious 的藝術實踐、它對於藝術的意義,並幫助我們回答兩個核心問題。

轉向荷蘭技術哲學

當代技術哲學中荷蘭學派的核心人物是 Peter-Paul Verbeek,其著作 What Things Do(2005)爬梳並評析了過往幾位技術哲學家的論述,海德格佔據重要篇幅。Verbeek 認為,海德格對於技術本質的探問,實際上是從技術本身「向後退」,將技術還原到技術之所是的條件(condition)。這種觀點並非沒有道理,但後果往往指向悲觀的結局:人類被技術所限制。這種觀點也忽略了一個難以否認的事實:雖然技術可能帶來災難與危害,但更多時候技術往往提供人類與社會許多的自由與可能。Verbeek 強調,與其向後追問技術是什麼,不如「向前進」,探問「技術做什麼」——這也正是書名的由來。

為了回答這個問題,Verbeek 將眼光鎖定在人類與技術的關係之上,認為技術橋架起人類與外在世界的雙向關係:技術物影響外在世界如何呈現給(for)人類,亦即「世界是什麼」,也影響人類應對(to)外在世界的行動,亦即「人類做什麼」。例如,溫度計呈現了一個有「度」的世界(而我們理所當然認為世界 是有「度」的);塑膠杯或紙杯的材質本身就暗示我們「用完即丟」 (即使沒有使用手冊告訴我們這麼做)。換句話說,技術是一種中介物(mediator),中介了人類的經驗(experience)與行動(praxis),不論設計師或製造者有無相關意圖。將這兩種技術中介合併起來,就是一個完整的技術中介論(如下圖)。

需要注意的是,技術雖然身處兩端之間,但它不是單純的媒介物或中間物(intermediary),亦即,它並未忠實的再現「已經在那」(already-out-there)的世界,也不僅僅是傳達人類的意志或想望。遠紅外線光譜儀只能呈現遙遠恆星的特定面向,非遠紅外線所能呈現者皆被遺漏在人類視野之外;汽車被設計來方便人類移動,沒有人預料到結果竟是每個駕駛都成為了移動污染的製造者。換句話說,技術兩側的人類與技術的之所是,並不是因為他/它們有什麼本質或真實的存在(being),而是在與技術產生關係之後才生成的(becoming)。

聚焦人類—技術關係,讓我們得以重新看待許多本來被視為專屬人類的事務。例如,Verbeek 在續作 Moralizing Technology(2011)中論證,如果人類的道德經驗和道德行動都是技術中介的產物,那麼倫理學就不能只是一門以人類為中心的學問,而必須考慮並納入技術所能扮演的道德角色。也就是說,將一個道德決策或道德行為還原到人類的意向與思考並不足夠;反之,我們應該把這些決策和行為視為人類和技術互動的產物。人類的確是能動者(agent),但光有人類不足以成事,真正的能動性(agency)存在「人類+技術」這個綜合體之上。

更有甚者,如果道德決策和道德行為是技術中介的後果,那麼道德標準很可能也是。亦即,什麼是道德的、什麼又是不道德的,這個判準會隨著技術的發展而改變。例如,隱私是從中世紀以來隨著技術發展而浮現出來的價值,但在這幾年達到高峰以後,隨著各種 ICT 技術的廣泛使用,千禧年世代卻已不再把保護隱私看成重要的道德行為。同樣地,Google Glass 問世之後,如果我們去看看使用者或試用者怎麼討論這項技術,我們就會發現,他們討論的不只是技術本身,也包括如何重新協商和定義什麼是隱私權。

如果我們隨著荷蘭技術哲學的腳步,轉向技術做什麼的問題,就會發現,技術中介論以及它的道德意涵,正好可以用於類比藝術,讓我們重新詮釋 Obvious 的行動能否算是藝術活動的問題。

藝術不只與人、也與物有關

首先,如果道德不是人類的專屬事務,那麼藝術亦然。我們常將藝術作品視為創作者意念或意圖的展現,並試圖從作品中讀出創作者賦予作品的意義,有時甚至有詮釋正確與否的爭議。但從技術中介論的角度來看,我們應當將藝術作品視為「創作者+創作工具」的產物:不只是創作者透過工具來呈現他/她的想法,所使用的工具也會反過來形塑他/她的表達。這也就是為什麼,有的創作者會找尋並嘗試新的材料,從材料出發來創作、讓材料「發聲」。換句話說,藝術作品並非單純由人類所創作,而是人類+技術這個「創作體」的共同成果。

創作者+創作工具。圖/Pexels

一旦我們把藝術創作的單位從「人類」換成「人類+技術」,那麼拿著畫筆或雕刻刀來創作可以稱為藝術活動,使用演算法來創作亦然——兩者都是「創作體」的行為。從這個角度來看,問 AI 能否成為藝術家,似乎不具意義。人類是藝術家,但人類從未不透過技術來創作(即使拿著樹枝在地上畫圖,手上的樹枝也算是技術);同樣地,AI 當然可以是藝術家,但它即使是號稱自學的機器學習,也不曾脫離人類的編程與資料輸入。

當然,我們可能會問:「人類+畫筆」可以展現創意,但一個靠著演算法運作的 AI 加上人類,能夠展現任何創意嗎?這個問題的預設其實是:創意意味著某種出乎意料或不期而遇,但數學無法給予我們這些,畢竟它是可計算並預測的。這正是許多人對演算法作品的質疑。然而,事實上並非如此,很多時候 AI 會丟出超乎編程人員預期之外的結果,有時候編程人員甚至無法在事後提出相關且合理的解釋。這正是許多論者視 AI 為危險的原因,然而,這種「危險」卻恰好反過來說明了 AI 也可以充滿創意。

另一方面,技術中介論表明,「什麼是道德」會隨著技術而改變,那麼「什麼是藝術」又未嘗不是?《觀察者的技術》一書,足以說明這種現象。作者 Jonathan Crary 認為,藝術史經常把藝術家看成是觀看方式的定義者,用藝術作品來引領大衆的視覺,但實際情況其實相反,是因為大眾的觀看方式早已轉變,才使得某些形式的作品得已被視為藝術。更重要的是,這種轉變與技術的發展互為表裡。

Crary 論證,17-18 世紀的技術物「暗箱」,引領並反映當時人們——包括科學家、藝術家、文學家——的觀看方式:人類只是被動的觀看者,外在世界會透過暗箱的透鏡投影到牆上,既無扭曲也沒變造。這種觀看方式意味著人類如何認識世界:透過不斷仔細描繪和收集外在世界的種種景象。在藝術上,是寫實主義的盛行,而在科學上,則是博物學的當道。那是一個「所是即所見」的時代。然而,到了 19 世紀初期,這種觀看方式一去不復返。

暗箱的原理。圖/維基百科

「後像」(afterimage)問題讓人們開始不再信任眼睛,也懷疑「所是及所見」的基本預設。利用各種視覺暫留與錯覺的技術產品大為盛行,其中以「立體試鏡」(stereoscope)為最。這種技術的流行,造成並反映當時人們的觀看方式:人類是主動的觀看者,外在世界究竟如何不得而知,人類能夠確定的只有眼睛所見的景象;換句話說,所見及所是。這種觀看方式帶來了雙重的吊詭:一方面,人類失去了對真實的信心和掌握,只能依賴眼前的各種影像,有時甚至認為那些影像才是真的;但另一方面,人類開始試圖追逐甚至複製外在世界,以確保真實不會流失。之於前者,我們看到印象畫派的興起,認為「純描繪」印在眼睛上的像(尤其是光和影)才是真正的真實;之於後者,則是攝影技術的發展,有的人認為攝影只是複製真實毫無創意,而有的人則認為攝影也是一種藝術創作。

透過 Crary,我們可以看到,技術的發展確實改變了藝術的內涵。一方面,過往不被描繪的印象變成可以描繪的主題,甚至成為所謂現代藝術的發端;另外一方面,當所見比所是更加重要時候,視覺的各種可能性被完全打開,使得什麼是藝術有了更大的發揮空間。就像當年有人爭論印象派根本算不是好的藝術作品、有人大力質問攝影能否列為藝術,我們如今也在推敲 AI 或演算法的作品算能否算是藝術。這些正是藝術邊界因為技術而悄悄改變的明證。

藝術與技術的相互敞開

AI 可以創作藝術嗎?演算法的作品可以被稱為藝術嗎?這些問題,技術哲學可以提供一點想法。如果從傳統的技術哲學(海德格)來看,答案是否定的。由於海德格認為現代技術的 Challenging-Forth 是一種糟糕的 Revealing,有違技術與藝術系出同源的 Bringing-Forth,並且反對現代科技所隱含的數學性與計算性,使得我們不得不導向AI或演算法和藝術相互排斥的結論。然而,這種觀點限縮了藝術的開放性,也忽略了藝術不斷挑戰自我邊界的各種實踐。

當我們不再追問技術是什麼的時候,我們也得以從藝術是什麼的泥沼中逃脫。轉向荷蘭學派的技術哲學,讓我們得以把藝術創作的行動者從人類轉換成人類+技術這個綜合體,並且再次將技術算進藝術內涵的變化之中。AI 當然可以創作藝術,但它從來不是獨自創作,正如同過往的偉大藝術家也未曾脫離他/她的繪畫工具。演算法的作品也有被視為藝術的可能,就像印象派和攝影都因為技術改變了藝術的內涵,而開始被稱為藝術一樣。

文章難易度
所有討論 2
再・創世 Cybernetic_96
11 篇文章 ・ 26 位粉絲
由策展人沈伯丞籌畫之藝術計畫《再・創世 Cybernetic》,嘗試從演化控制學的理論基礎上,探討仿生學、人工智慧、嵌合體與賽伯格以及環境控制學等新知識技術所構成的未來生命圖像。