0

14
0

文字

分享

0
14
0

AI 讓羽球訓練更聰明!智慧球拍上手,揮拍「爆發力」一測就知道

科技大觀園_96
・2021/10/18 ・3852字 ・閱讀時間約 8 分鐘

-----廣告,請繼續往下閱讀-----

「啪!」「啪!」在臺南新豐高中的羽球場上,球拍強力揮擊的聲響不絕於耳,幾位選手正奮力廝殺著。但這場羽球賽有點不同,因為旁邊還架著一具電視螢幕,而選手手上的球拍也不太一樣。練習賽結束後,教練與選手聚集在螢幕前,對著螢幕上的揮拍速度、爆發力指數等數據,熱烈地討論了起來。

會出現這麼特殊的景象,是因為新豐高中的羽球隊從去年(2019年) 5 月起,開始做為科技部計畫「從中樞系統建構雲端 AI 運動訓練歷程分析與疲勞診斷系統:以羽球項目為例」(以下簡稱「AIOT 智能羽球訓練模式」)的實驗基地,而這個計畫由成功大學體育健康與休閒研究所特聘教授蔡佳良領軍,希望利用人工智慧,將羽球的訓練科學化,達到最有效精準的訓練效果。

這項計畫包含五個部分,包括智能球拍、智能手錶、高速攝影動作捕捉,以及雲端 AI 運算中心和顯示各項運動與生理數值的 APP。智能球拍、智能手錶、高速攝影負責收集運動資訊,將資訊以 Wifi 網路上傳到雲端的 AI 運算中心計算後,結果呈現在電腦螢幕及專用的手機 APP 上,讓教練與選手一目了然。 

AIOT 智能羽球訓練模式計畫所研發的智能球拍、感測晶片、智能手錶,以及專用的 APP。圖/簡克志攝

 計畫中使用的雲端計算中心是成大電機系教授王振興所主持的人工智能數位轉型研究中心 ,智能球拍、手錶等裝置不斷上傳的資料,會持續訓練 AI 演算法自身,讓演算法變得愈來愈精準。

-----廣告,請繼續往下閱讀-----

為了讓訓練過程面面俱到,蔡佳良組了一支跨領域的「黃金陣容」,除了專研腦波與眼動的自己外,還找了工程專業的成大電機系教授王振興、負責 AI 演算法的逢甲大學自動控制工程學系副教授許煜亮、專研運動傷害的成大物理治療系副教授蔡一如,每位成員的專業領域都不一樣,在計畫中各司其職。

計畫團隊主要成員,左起許煜亮教授、蔡佳良教授、蔡一如教授、羽球教練李宜勳,另外還有成大電機系教授王振興(未參與合影)。圖/簡克志攝

聰明的智能球拍

計畫中的一大重點,就是選手手上那支「智能球拍」,它可以收集選手的揮拍力道、轉動角度等數值,經過計算後,能知道揮拍速度、軌跡,還能分辨出九個不同的球種,這是因為球拍的握把中藏了一個感測晶片。

智能球拍的握把中藏著感測晶片,底部有接線孔以及 2 個 LED 指示燈。圖/簡克志攝
當選手用智能球拍揮拍時,系統可以得知選手揮拍的加速度、拍子轉動的角速度等運動數據。圖/簡克志攝 

在握把中放入感測晶片就能做到,聽起來很容易,但在羽球拍上卻沒那麼簡單。蔡佳良說:「羽球選手對球拍的重量可是很要求的,一般選手使用的球拍大約 80 幾克,重一點輕一點,手感就差很多了。」而一個晶片動輒 10 幾克,直接放上球拍,不但影響重量,還改變了球拍的重心位置,「這樣的球拍沒有人會想用。」蔡佳良說。

後來,蔡佳良找了勝利體育公司合作,在以碳纖維為材料的握把中納入晶片,並盡量減少晶片重量,才做出了目前的智能球拍。蔡佳良說:「不過我們還是想再縮小晶片的重量,看看是否能讓晶片的電池小一點,希望能將球拍再減少 5 公克左右。」

-----廣告,請繼續往下閱讀-----

你累了嗎?疲勞狀態對訓練來說很重要!

有了能收集選手打球狀況的智能球拍還不夠,蔡佳良還希望能將選手的「疲勞狀態」也納入訓練的參考,這也是接下來 AIOT 智能羽球訓練模式的發展重點。

蔡佳良與蔡一如指出,疲勞分成「中樞神經疲勞」與「周邊神經疲勞」,中樞神經疲勞反應在腦的專注力、心理上的鬥志等,例如比賽時間過長,或是選手心態上已經認輸等,這可以從選手的腦波及眼動訊號來判斷;而周邊神經疲勞則反應在肌肉的動作,例如選手的移動腳步可能變慢、揮拍動作變小等。此外,長時間受訓練的選手也可能慢性疲勞,儘管身體好像沒怎麼樣,但可能一早起床就覺得特別累,不想練球等。

分析選手的疲勞狀態,還可以進一步預防選手受傷,在選手有一點點受傷徵兆時,例如動作稍微改變時,就及時察覺,讓選手休息或就醫,這對於延長選手的運動生涯來說是很重要的。

你的疲勞,AI 比你先發現

為了偵測選手的肌肉疲勞狀況,重建選手的動作也是這次計畫的重點之一。蔡佳良說:「一般來說,我們是用『光學式動作捕捉系統』來重建選手的運動姿態。」這是一套專門的系統,選手的身上會貼滿光點,由四面八方的攝影機拍攝光點的移動,來重建選手動作。「不過這套系統太昂貴了,」蔡佳良說:「因此我們希望用一般的高速攝影機來取代。」方法是先以光學式動作捕捉系統找出界定選手疲勞與否的標準(稱為黃金標準),再將黃金標準與高速攝影機的影像共同輸入電腦,訓練電腦以高速攝影機的影像重建選手動作,並判別選手疲勞狀態。

-----廣告,請繼續往下閱讀-----
蔡一如正在選手身上貼感測用的光點,準備以光學式動作捕捉系統重建選手的動作。圖/簡克志攝
電腦重建模擬選手的姿態及動作。圖/簡克志攝
左右畫面皆為電腦重建模擬選手的姿態及動作,左邊是感測器建立的人物模型,右邊同步對應到現場攝影機的實際圖像。圖/簡克志攝

 蔡佳良補充說:「等到我們把高速攝影機這一塊做起來,就會推廣到一般球館。」換句話說,未來一般民眾在運動中心等球館打球時,或許就能透過場館附設的高速攝影機,看見自己的動作及打球狀態,雖然不是職業選手,也可以研究自己的動作,享受運動科技帶來的好處。

智能手錶則由選手整天佩戴著,記錄選手日常的心跳及睡眠狀態,教練可以據此觀察選手生理狀況,也能輔助判斷疲勞狀態。計畫中使用的智能手錶由王振興研發,蔡佳良表示:「我們自己研發而不採用市面上的手錶,這樣可以依據我們的需求來收集資訊,也可以避免個資外洩的問題。」 

智能手錶可以 24 小時記錄選手的生理狀況。圖/簡克志攝

至於中樞神經的疲勞,可以透過腦波與眼動的狀態來發現,這也是蔡佳良的研究專長。但是蔡佳良說:「我們若要收集這些訊號,得讓選手戴上特製眼鏡,並在頭上貼特殊的貼紙,這會對選手打球造成影響。」因此,蔡佳良希望先將腦波及眼動的訊號,和智能球拍的感測訊號做連結,找出彼此的關聯,建立一個演算法,再將這個演算法寫入智能球拍的晶片中,「如果我們的演算法夠強,球拍感測訊號與腦波、眼動的關聯準確性夠高,就能直接從球拍的訊號,計算出選手的中樞神經疲勞狀況。」

學術與運動的跨領域溝通

AIOT 智能羽球訓練模式發展到目前的階段,已經可以從智能球拍的訊號,計算出個別選手的最快揮拍速度、最大擊球力道,以及爆發力、攻擊力、反應力等指數,蔡佳良笑說:「我們和教練也有一段磨合的過程,因為我們做研究的,想的都是怎樣的數據合適發表,卻不一定是教練真正需要的。」

-----廣告,請繼續往下閱讀-----
智能球拍感測到的訊息,經由雲端的 AI 計算中心計算後,轉化為各種淺顯易懂的能力指數,讓教練與選手一目了然。圖/簡克志攝

 新豐高中羽球隊的教練李宜勳也對此舉例:「一開始蔡教授的團隊提供過一個數據叫做『積極度』,判別的方式就是一場雙打比賽中擊球次數多的,就是比較積極。可是事實上,我們比賽的時候,會故意將球打給比較弱的選手,所以他們的擊球次數自然比較多,這不代表他們比較積極。」

不過,李宜勳認為將 AIOT 智能羽球訓練模式納入訓練,對選手的練習的確有幫助,「有時候教練說破了嘴,還不如數據直接攤開來看。」李宜勳笑說。看到明確的數據,選手之間也會有正向競爭,覺得不想輸給同儕,對於自己的動作或缺點也有更明確的認識。

運動訓練科學化

儘管 AIOT 智能羽球訓練模式還未真正完成,但蔡佳良對於這項研究的未來發展深具信心,他說:「我們的研究成果在其他有球拍的運動上都可以應用,例如網球。」

蔡佳良並且認為,運動科技的蓬勃發展下,未來的運動訓練一定也都會走向科學化。「其實我一開始做運動科學時,接觸過一些國家級的教練,他們對運動科學有點排斥,認為運動科學發展起來之後,會搶了他們的教練工作。但其實運動科學只是用數據輔助訓練,真正的訓練專業還是在教練身上。」蔡佳良希望現在還在起步階段,就有機會經歷科學訓練的選手,未來若是成了教練,可以經由自己的經驗,明白如何運用科技,讓訓練變得更有效率。

-----廣告,請繼續往下閱讀-----

「我們還希望我們的成果也能普及到一般民眾,因為運動科學的市場是很大的。」蔡佳良希望將智能球拍研發完整後,普及到一般運動用品店,讓民眾也能買來使用。他說:「即使是一般民眾,若能看看自己今天打球的狀況,也是很好玩、很有趣的事情。我相信會有人想買這種智能球拍的。」

文章難易度
科技大觀園_96
82 篇文章 ・ 1124 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。

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 ・ 3403 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

1

2
1

文字

分享

1
2
1
最強 AI 助理—— Monica!內容統整、文章生成、留言回覆一鍵即時解決?
泛科學院_96
・2024/02/02 ・723字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

你用 ChatGPT 用膩了嗎?最近我發現了一個更強大的 AI 助理,不用學習複雜的提示技巧,答案隨傳隨到!

隆重向你介紹,Monica,它本來只是瀏覽器上的 GPT-4 外掛套件,前陣子同步推出了微軟跟蘋果的桌面版應用程式,按下快速鍵,就可以立即提問,我覺得是目前市面上最好用的 AI 助理程式,本支影片要來帶你熟悉快捷操作、提問技巧以及文章生成這三個 Monica 的特色功能。

我把本支影片分成三個看點

  1. 快捷操作懶人教學
  2. Monica vs MacGPT
  3. 打趴微軟的文章生成與主題回覆

就讓我們開始吧!

-----廣告,請繼續往下閱讀-----

今天跟你分享了 Monica 這套基於 GPT 技術的服務,還拖了微軟 Bing AI 跟 MacGPT 出來當對比,你覺得 Monica 會是你心目中的最佳 AI 助手嗎?

  1. Shut up and take my money, Monica.
  2. 身為 Mac 用戶,我堅決支持 MacGPT
  3. 你又在賺使用積分了,我也要來推坑朋友使用 Monica
  4. 早知道 AI 這麼好用,我還在那邊辛苦的寫行銷貼文真是浪費生命

如果你有更多的想法與問題,歡迎加入 科學 AI 的 Discord 論壇。

更多、更完整的內容,歡迎上科學院的 youtube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

所有討論 1
泛科學院_96
29 篇文章 ・ 38 位粉絲
我是泛科學院的AJ,有15年的軟體測試與電腦教育經驗,善於協助偏鄉NPO提升資訊能力,以Maker角度用發明解決身邊大小問題。與你分享人工智慧相關應用,每週更新兩集,讓我們帶你進入科技與創新的奇妙世界,為未來開啟無限可能!

0

1
0

文字

分享

0
1
0
素材、特效一鍵完成!讓 AI 幫你快速生成精彩短片
泛科學院_96
・2024/01/31 ・504字 ・閱讀時間約 1 分鐘

-----廣告,請繼續往下閱讀-----

想快速產出影片嗎?你怎麼可以不會用這三種方法!短影音的趨勢之下,讓 AI 幫人類剪片,又有新突破了?

我本人平常不用剪片,但今天要介紹的都是我實際使用後覺得很驚艷的方式,相信對有製作影片需求,但又零基礎的人來說很好上手!

如果你的需求被我說中了,別忘了按下訂閱和喜歡支持起來啊~

今天介紹了三種使用 AI 製作短影音的工具與技巧,不知道哪一種對你來說最受用呢?

-----廣告,請繼續往下閱讀-----

我個人過去其實大部分時間都是使用 Canva 作為主要的設計製作平台,加上 ChatGPT 外掛的協助,感覺真的是如虎添翼!不知道你會喜歡使用 Canva、Veed 還是 Spikes 呢?歡迎你在影片下方留言與我分享你的心得~

祝福各位測試愉快!我們下次影片再見囉~

更多、更完整的內容,歡迎上科學院的 youtube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

討論功能關閉中。

泛科學院_96
29 篇文章 ・ 38 位粉絲
我是泛科學院的AJ,有15年的軟體測試與電腦教育經驗,善於協助偏鄉NPO提升資訊能力,以Maker角度用發明解決身邊大小問題。與你分享人工智慧相關應用,每週更新兩集,讓我們帶你進入科技與創新的奇妙世界,為未來開啟無限可能!