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。
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。
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？
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。
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。
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。
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。
狐禪
windmill
polo56248
Ho Wu
《科學生》科普素養閱讀一篇不到3元!!
——本書摘自《
