2

8
3

文字

分享

2
8
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 ・6415字 ・閱讀時間約 13 分鐘

-----廣告,請繼續往下閱讀-----

  • 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?

-----廣告,請繼續往下閱讀-----

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 2
再・創世 Cybernetic_96
11 篇文章 ・ 29 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。

0

3
0

文字

分享

0
3
0
從「衛生紙」開始的環保行動:一起愛地球,從 i 開始
鳥苷三磷酸 (PanSci Promo)_96
・2024/12/03 ・1592字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

你是否也曾在抽衛生紙的瞬間,心頭閃過「這會不會讓更多森林消失」的擔憂?當最後一張衛生紙用完,內心的愧疚感也油然而生……但先別急著責怪自己,事實上,使用木製品和紙張也能很永續!只要我們選對來源、支持永續木材,你的每一個購物決策,都能將對地球的影響降到最低。

二氧化碳是「植物的食物」:碳的循環旅程

樹木的主食是水與二氧化碳,它們從空氣中吸收二氧化碳,並利用這些碳元素形成枝葉與樹幹。最終這些樹木會被砍伐,切成木材或搗成紙漿,用於各種紙張與木製品的製造。

木製品在到達其使用年限後,無論是被燃燒還是自然分解,都會重新釋放出二氧化碳。不過在碳循環中,這些釋出的二氧化碳,來自於原本被樹木「吸收」的那些二氧化碳,因此並不會增加大氣中的碳總量。

只要我們持續種植新樹,碳循環就能不斷延續,二氧化碳在不同型態間流轉,而不會大量增加溫室氣體在大氣中的總量。因為具備循環再生的特性,讓木材成為相對環保的資源。

但,為了木製品而砍伐森林,真的沒問題嗎?當然會有問題!

-----廣告,請繼續往下閱讀-----
從吸碳到固碳的循環

砍對樹,很重要

實際上,有不少木材來自於樹木豐富的熱帶雨林。然而,熱帶雨林是無數動植物的棲息地,它們承載著地球豐富的生物多樣性。當這些森林被非法砍伐,不僅生態系統遭到破壞,還有一個嚴重的問題–黃碳,也就是那些大量儲存在落葉與土壤有機質中的碳,會因為上方森林的消失重新將碳釋放進大氣之中。這些原本是森林的土地,將從固碳變成排碳大戶。

不論是黃碳問題,還是要確保雨林珍貴的生物多樣性不被影響,經營得當的人工永續林,能將對環境的影響降到最低,是紙漿和木材的理想來源。永續林的經營者通常需要注重環境保護與生態管理,確保砍下每顆樹木後,都有新的樹木接續成長。木材反覆在同一片土地上生成,因此不用再砍伐更多的原始林。在這樣的循環經營下,我們才能不必冒著破壞原始林的風險,繼續享用木製品。

人工永續林的經營者需要注重環境保護與生態管理,確保砍下每顆樹木後,都有新的樹木接續成長。

如何確保你手中的紙張來自永續林?

如果你擔心自己無意中購買了對環境不友善的商品,而不敢下手,只要認明FSC(森林管理委員會)認證與 PEFC(森林認證制度)認證標章,就能確保紙漿來源不是來自原始林。並且從森林到工廠、再到產品,流程都能被追蹤,為你把關每一張紙的生產過程合乎永續。

只要認明 FSC(森林管理委員會)認證與 PEFC(森林認證制度)認證標章,就能確保紙漿來源不是來自原始林。

家樂福「從 i 開始」:環境友善購物新選擇

不僅是紙張,家樂福自有品牌的產品都已經通過了環保認證,幫助消費者在日常生活中輕鬆實踐環保。選擇 FSC 與 PEFC 標章只是第一步,你還可以在購物時認明家樂福的「從 i 開始」價格牌,這代表商品在生產過程中已經符合多項國際認證永續發展標準。

-----廣告,請繼續往下閱讀-----

「從 i 開始」涵蓋十大環保行動,從營養飲食、無添加物、有機產品,到生態農業、動物福利、永續漁業、減少塑料與森林保育,讓你每一項購物選擇都能與環境保護密切相關。無論是買菜、買肉,還是日常生活用品,都能透過簡單的選擇,為地球盡一份力。

選擇 FSC 與 PEFC 標章只是第一步,你還可以在購物時認明家樂福的「從 i 開始」價格牌
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
214 篇文章 ・ 312 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

0

1
0

文字

分享

0
1
0
AI 能像人類一樣思考?諾貝爾物理學獎研究助力人工智慧模擬人類大腦
PanSci_96
・2024/11/14 ・2117字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

即使再怎麼模仿,AI 終究無法以與生物相同的方式思考吧?畢竟電腦的電子元件和我們大腦中的神經細胞結構截然不同。再怎麼模仿,AI 終究無法以與生物相同的方式思考吧?

錯,可以。

2024 年諾貝爾物理學獎跌破所有專家的眼鏡,頒給了兩位研究機器學習的科學家——約翰·霍普菲爾德(John Hopfield)和傑佛瑞·辛頓(Geoffrey Hinton)。他們以「人工」的方法打造了類神經網路,最終模擬出生物的「智慧」,奠定了當代深度學習的基礎。

為什麼解決人工智慧發展瓶頸的,竟然會是物理學?物理要怎麼讓 AI 更像人類?

-----廣告,請繼續往下閱讀-----
歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

從巴甫洛夫的狗到赫布理論:理解學習的基礎

為了解答這個疑問,我們需要一些背景知識。

20 世紀初,俄羅斯心理學家巴甫洛夫發現,狗在食物還沒入口前,就會開始分泌唾液。他進行了一系列實驗,改變食物出現前的環境,比如讓狗習慣在聽到鈴聲後馬上得到食物。久而久之,狗只要聽到鈴聲,就會開始分泌唾液。

大約 50 年後,神經科學家赫布(Donald Hebb)提出了一個假說:大腦中相近的神經元,因為經常同時放電,會產生更強的連結。這種解釋稱為「赫布理論」,不僅奠定了神經心理學的發展,更成為現代深度學習的基礎。

然而,赫布理論雖然描述了鄰近神經元的關係,卻無法解釋大腦如何建構出如此複雜的聯想網路。

-----廣告,請繼續往下閱讀-----

霍普菲爾德網路:物理學家對神經網路的貢獻

然而,赫布理論雖能描述神經元之間的關係,卻缺乏數學模型。物理學家約翰·霍普菲爾德從數學家約翰·康威(John Conway)的「生命遊戲」(Game of Life)中獲得靈感,試圖建立一個可以在電腦上運行的記憶系統。

霍普菲爾德受「生命遊戲」啟發,嘗試建立電腦記憶系統。圖/envato

「生命遊戲」由數學家康威(John Conway)發明,玩家開始時有一個棋盤,每個格子代表一個細胞,細胞可以是「活」或「死」的狀態。根據特定規則,細胞會根據鄰居的狀態決定下一次的生存狀態。康威的目的是展示複雜的系統不一定需要複雜的規則。

霍普菲爾德發現,這個遊戲與赫布理論有強大的關聯性。大腦中的大量神經元,在出生時處於初始狀態,經過刺激後,神經元間的連結會產生或斷裂,形成強大的記憶系統。他希望利用這些理論,創造一個能在電腦上運行的記憶系統。

然而,他面臨一個難題:赫布理論沒有明確的數學模型來決定神經元連結的規則。而在電腦上運行,必須要有明確的數學規則。

-----廣告,請繼續往下閱讀-----

物理學的啟發:易辛模型

霍普菲爾德從物理學的研究中找到了類似的模型:易辛模型(Ising Model)。這個模型用於解釋鐵磁性物質的磁性特性。

在鐵磁性物質中,電子具有「自旋」,自旋產生磁矩。電子的自旋方向只有「向上」或「向下」,這就像生命遊戲中細胞的「生」或「死」。鄰近的電子會影響彼此的自旋方向,類似於細胞之間的互動。

易辛模型能用數學描述電子間的相互影響,並通過計算系統能量,得出自旋狀態的分佈。霍普菲爾德借用了這個概念,將神經元的互動視為電子自旋的互動。

他結合了康威生命遊戲的時間演化概念、易辛模型的能量計算,以及赫布理論的動態連結,創造了「霍普菲爾德網路」。這讓電腦能夠模擬生物大腦的學習過程。

-----廣告,請繼續往下閱讀-----

突破瓶頸:辛頓與波茲曼機

約翰·霍普菲爾德於1982年發明聯想神經網路,即「霍普菲爾網路」。圖/wikimedia

然而,霍普菲爾德網路並非完美。它容易陷入「局部最小值」的問題,無法找到系統的全局最優解。為了解決這個問題,加拿大計算機科學家傑佛瑞·辛頓(Geoffrey Hinton)提出了「波茲曼機」(Boltzmann Machine)。

辛頓將「模擬退火」的概念引入神經網路,允許系統以一定的機率跳出局部最小值,尋找全局最優解。他還引入了「隱藏層」的概念,將神經元分為「可見層」和「隱藏層」,提高了網路的學習能力。

受限波茲曼機(Restricted Boltzmann Machine)進一步簡化了模型,成為深度學習的基礎結構之一。這些創新使得 AI 能夠更有效地模擬人類的思維和學習過程。

AI 的未來:跨學科的融合

霍普菲爾德和辛頓的工作,將物理學的概念成功應用於人工智慧。他們的研究不僅解決了 AI 發展的瓶頸,還奠定了深度學習的基礎,對現代 AI 技術產生了深遠的影響。因此,2024 年諾貝爾物理學獎頒給他們,並非意外,而是對他們在跨學科領域的重大貢獻的肯定。

-----廣告,請繼續往下閱讀-----

AI 的發展,離不開物理學、生物學、數學等多學科的融合。霍普菲爾德和辛頓的工作,正是這種融合的典範。未來,隨著科學技術的進步,我們有理由相信,AI 將越來越接近人類的思維方式,甚至可能超越我們的想像。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

PanSci_96
1259 篇文章 ・ 2386 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

3
0

文字

分享

0
3
0
AI 破解生命密碼!AlphaFold 3 揭開蛋白質折疊的終極謎團
PanSci_96
・2024/10/07 ・1624字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

AlphaFold的誕生:人工智慧的奇蹟

2018 年,Google 旗下的 DeepMind 團隊推出了第一代 AlphaFold,這是一款基於深度學習的 AI 模型,專門用於預測蛋白質的三維結構。AlphaFold 的命名取自「fold」一詞,意為折疊,指的是蛋白質在胺基酸鏈構成後迅速摺疊成其功能所需的三維結構。

AlphaFold 的突破在於其能夠預測出蛋白質折疊的可能性,這是一個傳統計算方法無法達到的領域。第一代 AlphaFold 在國際 CASP 比賽中取得了一定的成功,雖然其預測準確度尚未達到實驗室標準,但其潛力讓科學家們充滿期待。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

為什麼蛋白質結構預測如此重要?

蛋白質是生命的基石,它們的功能取決於其複雜的三維結構。然而,僅靠實驗技術來解析蛋白質的結構既昂貴又耗時。過去科學家依賴於如 X 光晶體繞射等技術來解析蛋白質的結構,然而這種方法雖然精確,但往往需要數年時間來得出一個結論。

到目前為止,人類已知的蛋白質數據庫中,全球僅解析了大約 22 萬種蛋白質的結構,這遠遠不足以滿足生物學和醫學研究的需求。尤其是人類的許多蛋白質結構仍然未知,這成為阻礙醫學進步的一個主要瓶頸,特別是在藥物開發和疾病治療上,因此如何加速對蛋白質的結構的解析至關重要。

-----廣告,請繼續往下閱讀-----

AlphaFold 2:技術飛躍

2020 年,AlphaFold 2 橫空出世,改進了多項技術,預測準確度大幅,幾乎達到了與實驗結果相媲美的程度。這一成就震驚了全球生物學界,許多科學家開始將 AlphaFold 2 應用於實際研究中。

AlphaFold 2 的成功源自於其三大技術革新:

  • 注意力機制:模仿人類的思維模式,從大局出發,關注蛋白質結構中的每一個細節,進而提高預測的準確性。
  • 多序列比對功能:通過搜尋類似的胺基酸序列,推斷新的蛋白質結構。
  • 端到端預測模式:利用深度學習神經網路,不斷反饋預測結果,持續優化模型。
AlphaFold 2 預測準確度大幅提升。 圖/envato

AlphaFold 3:下一代 AI 的力量

隨著 AlphaFold 2 的成功,DeepMind 並未停止其腳步。2024 年 5 月,AlphaFold 3 正式推出,這標誌著 AI 技術在生物學領域的又一個里程碑。AlphaFold 3 的改進再次吸引了科學界的目光,它強化了注意力機制,並引入了擴散模型,這使其能夠更快且更準確地預測複合蛋白質的結構。

擴散模型是一項關鍵技術,它能夠生成大量的可能蛋白質結構,並快速篩選出最可能的解答。與此同時,AlphaFold 3 還內建了「減幻覺」功能,這讓其在產生結果時能夠避免過多不切實際的預測,提升了結果的可信度。

-----廣告,請繼續往下閱讀-----

AlphaFold 的實際應用:醫學與藥物開發

AlphaFold 3 的誕生,不僅是一個技術突破,還為醫學和藥物開發帶來了巨大的希望。過去,癌症治療中的標靶藥物需要經過漫長的實驗才能確定其作用原理,然而現在,通過 AlphaFold 的預測,科學家可以更加精確地針對癌細胞中的錯誤蛋白質,設計出更有效的藥物。

除此之外,AlphaFold 3 還在抗病毒藥物、抗生素以及阿茲海默症等領域展現了潛力。其能夠預測蛋白質與其他分子(如DNA、RNA)的交互作用,這使得研發新藥的過程大大加速。

AlphaFold 3 的挑戰與未來

儘管 AlphaFold 3 取得了驚人的進展,但其仍然面臨一些挑戰。首先,目前 AlphaFold 3 的模型尚未完全開源,這限制了研究人員對其內部運作的了解。為此,一些科學家已聯名要求 DeepMind 開放其程式碼,以便進行更深入的研究和應用。

不過,隨著 AlphaFold 3的逐步推廣,生物學家相信它將繼續改變生物學研究的方式。未來,這項技術有望在解決更多未解難題中發揮關鍵作用,並為醫學領域帶來更大的突破。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。