Loading [MathJax]/extensions/tex2jax.js

0

5
1

文字

分享

0
5
1

人類的下個階段,從「神獸」開發潛能到「神人」?——《再.創世》專題

再・創世 Cybernetic_96
・2021/12/08 ・6079字 ・閱讀時間約 12 分鐘

-----廣告,請繼續往下閱讀-----

  • 作者/寒波

如果你收到寫作主題「從醫學技術到生命藝術-後人類與後物種」,你會怎麼理解這個題目?嗯,這題一定有人寫過,萬事問 Google,演算法讓一篇 2006 年的論文名列前茅,就從它開始好了。

藝術家的身體改造

這篇已顯過時的文章〈醫學干預—視覺藝術遇見醫學技術(Medical interventions—visual art meets medical technology)〉,提到幾位藝術家及他們的創作,第一位叫作奧蘭(Orlan)。這位法國藝術家最出名的事蹟,是在 1990 年代經歷多次整形手術,將自己身體的某部分改造成蒙娜麗莎、維納斯的外觀。

法國當代藝術家奧蘭(Orlan)。圖/WIKIPEDIA

自己整形昭告天下,來反思別人的整形,奧蘭以自體為素材的創作轟動一時。她較新的新聞是 2013 年時,控告女神卡卡 2011 年的〈天生完美〉音樂錄影帶,抄襲她 1996 年的概念,並且索賠 3170 萬美金。最後奧蘭敗訴,還要賠償 1.8 萬美金。她應該是沒有演出行為藝術的意思。

整形手術自古有之,隨著醫學技術不斷進步,如今「醫美」成效可謂鬼斧神工,身體改造程度遠超過奧蘭的人也為數不少。然而,現實世界中最激進的肉體改造實踐,在科幻想像中只能算是幼幼班。

-----廣告,請繼續往下閱讀-----

科幻很豐滿,現實很骨感

許多科幻作品中,運用自如的義肢和指甲彩繪同等級,大腦如電腦可以連結數據庫,人造人、改造人是常態角色,觀眾時常爭議某個角色到底是人或不算人,算生化人、仿生人,還是賽伯格。

這篇文章的高端讀者們,若看到舉例是《攻殼機動隊》、《魔鬼終結者》或《銀翼殺手》,肯定認為作者只會跟風。那就舉些冷門又沒那麼冷門的例子:《阿伊朵(IDORU)》、《海伯利昂(Hyperion)》、《小黑盒子(The Little Black Box)》。

ill be back arnold schwarzenegger GIF
《魔鬼終結者》 原本不被製作公司看好,卻意外賣座,也開啟「改造人」的相關討論。圖/GIPHY

隨著生物科技發展,科幻的眼鏡鍵盤俠,也讓出不少空間給試管白袍人。可惜科幻與科學往往是兩回事,《曼谷的發條女孩》藝術成就頗為可觀,對遺傳學的描述卻一塌糊塗,水準堪比《星海爭霸》。

然而,人造人講起來那麼順口,如今的科學技術不要說造人,即使只是最簡單的生命體,想要無中生有也非常困難。1818 年問世《科學怪人》描述的人造生命,至今依然是無法突破的障礙。

-----廣告,請繼續往下閱讀-----

現實中的進度到哪兒呢?病毒不算,最小的生物僅有 525 個基因,叫作生殖道黴漿菌(Mycoplasma genitalium)。假如只求維生,有些基因是不需要的,於是科學家去除其一個一個基因,以此為基礎創造出名喚「JCVI-syn3.0」的人造生命,只有 473 個基因……好了,這種題材要是寫成科幻小說,不加入大量的屍體、裸體,應該是賣不出去。

來改造基因吧

人類不會無中生有新生命,改造既有的生物倒是在行。自古以來人類便透過人為挑選,造就一種又一種馴化的動物、植物,而且持續育種。在了解 DNA、蛋白質的法則,又研發出分子生物學的工具以後,每個人只要有裝備與材料,都可以改變遺傳訊息。

說起來簡單,其實也沒有那麼容易。單純「改變遺傳訊息」非常簡單,只要用 X 光、紫外線等輻射直擊細胞,就可以破壞性的改變 DNA 序列,但是一般人想像的好像不是這種。若是希望比較精確的修改,則需要借用生命的產物:各種酵素。

圖/Pixabay

DNA 遺傳訊息由許多 ATCG 排列組成,有些酵素可以切割特定組合的 DNA 位置,例如見到 AATGCC 這種序列,便切斷成 AATG 和 CC。此一技術在 1970 年代開始使用後,協助人類邁入生物科技的時代。

-----廣告,請繼續往下閱讀-----

基因改造的另一常用技術來自「跳躍的基因」,和轉座子、轉位子等中文名詞,皆指稱英文的 transposable element。生物所有的遺傳訊息合稱基因組,「玉米田裡的先知」麥克林托克率先發現,有些遺傳片段會在基因組的不同位置跳躍。後來有人想到可以利用轉座子的特質,去改變遺傳訊息為人所用。

這些方法使用上算是不難,卻沒那麼精準。每一個 DNA 位置都有 ATCG 四種可能性,讓 6 個位置隨機組合,有 4096 分之 1 的機率會出現 AATGCC 這樣的片段。乍看機率不高,可是人的基因組總共有 30 億個位置,一乘起來……而轉座子實用上也有不少限制。

基因剪刀:幾個改寫生命密碼的工具

切割 DNA 的酵素及其辨識序列,搭配起來類似密碼。排列組合一致的機率愈低,密碼愈難靠亂槍打鳥的試誤破解;DNA 序列符合辨識的機率愈低,操作也能愈精準,不容易影響其餘不想改變的位置。

那麼有沒有習慣辨識十幾二十個位置的酵素呢?要是能隨心所欲控制酵素在基因組上作用的位置,像控球大師麥達克斯(Greg Maddux)那般想投哪就投哪,將有多大的實用價值?

-----廣告,請繼續往下閱讀-----
基因改造看似潛力無窮,但科學家一直找不到適當的技術。圖/Pixabay

不少專家經歷多年奮鬥,研發出兩款尖端科技的結晶:鋅手指(Zinc finger)、類轉錄活化因子核酸酶(transcription activator-like effector nucleases,簡稱 TALEN)。名字是聽起來很科幻,可惜它們都不太好用,這也使得另一款技術一推出便大受好評:CRISPR。

如今還沒下檔就乏人討論的科幻電影,都已經出現 CRISPR 之名,說明它的成功。CRISPR 原本是細菌的免疫系統,被人變成基因改造的工具,它的全名 clustered regularly interspaced short palindromic repeats 其實也很科幻。

和之前的技術相比,CRISPR 尊絕不凡,不能屈就基因改造這舊名詞,要配上「基因編輯」才高端(其實本質上還是同一回事)。由於操作簡單又迅速,相關技術被廣泛應用,發明人也已經獲得諾貝爾獎。

佛蘭金仙的想像與實踐

受到諾貝爾獎肯定,被普遍使用的尖端生物科技,不時要來上幾條醜聞。影響不下 CRISPR 的幹細胞,曾經有小保方晴子的造假事件。濫用 CRISPR 最知名的案例,無疑是 2018 年底賀建奎的基因改造嬰兒:他用 CRISPR 技術移除一個基因,隨後兩位基因改造人誕生。

-----廣告,請繼續往下閱讀-----

我們身體的細胞分為兩種:體細胞和生殖細胞,體細胞不會遺傳給下一代,生殖細胞會。目前各界普遍接受的底線是,針對人類的基因改造研究,不可以遺傳到下一代,所以禁止對人類胚胎幹細胞的操作。賀建奎不但打破底線,還真的搞出活生生的寶寶,真可謂當代的「佛蘭金仙」,實現梁啟超、嚴復一百多年前的野望。

佛蘭金仙 Frankenstein,內容關於人工智慧生命,被視為第一本科幻小說的。圖/WIKIPEDIA

一百多年前的中國在內憂外患下,不少知識份子抱持讓國家民族強大的夢想。造就「科學怪人」的英國以及西方文化,普遍將其視為負面形象的怪物,但是嚴復 1898 年介紹科學怪人時,採取非常正面的態度,他甚至覺得一個人成為別人眼中的科學怪人,也是歷史進步的方式。隔年梁啟超在文章〈動物談〉中更是讚頌「佛蘭金仙」,也就是 Frankenstein 為「沉睡中的獅子」、「先睡後醒的巨物」。

賀建奎應該聽過梁啟超、嚴復,大概不知道佛蘭金仙。不過不要緊,作為中國先賢的繼承人,賀建奎成為這個時代的佛蘭金仙,創造出別人眼中的科學怪人——沈睡的獅子醒了,中國人民站起來了!

邁入未來前,先回首智人這個物種的過去

好消息是,站起來的中國人又坐了回去。賀建奎和科學怪人一樣消聲匿跡,至少暫時如此。短時間內,中國人並不至於自我改造為全新的物種,進入「後人類」的階段。

-----廣告,請繼續往下閱讀-----

如今的「人類」都屬於同一個「物種」,並沒有明顯分化,預備形成新物種的跡象。如上所述,僅管科學技術持續進步,和科幻想像相比,當下能做的仍很有限。

科技、文化快速發展的我們什麼時候會邁向後人類呢?思考這個問題,不妨反過來思量已經發生過的歷史:如何從「前人類」與「前物種」演變為當今的人類物種。

File:Human evolution.svg
圖/WIKIPEDIA

物種是分類的概念,方式很多。人類這類兩性生殖的動物,可以用「生物物種(biological species)」定義,也就是「個體間可以生下後代,沒有生殖隔離發生,後代彼此間也能再生下後代」。一些遺傳學研究指出,如今分家最久的人類族群可能超過 30 萬年,卻依然不存在生殖隔離,仍可歸類為同一物種。

生殖隔離有程度之別,原本屬於同一物種的生物,若是開始生殖隔離,累積到一個程度而不再能產下共同的後代,便能視作有新物種誕生。簡單說來,我們所屬的物種稱為智人(Homo sapiens),和平行發展的近親尼安德塔人、丹尼索瓦人,擁有共同的祖先海德堡人(Homo heidelbergensis),因此海德堡人(或其他定義下,算是我們直系祖先的那種人)可以算是智人的「前物種」。

-----廣告,請繼續往下閱讀-----

智人的基因組中存在少量尼安德塔人、丹尼索瓦人的 DNA 特徵,源自幾萬年前的情慾交流。既然可以生下後代,能算是同一個物種嗎?答案因智人而異。考慮到三者遺傳上分家超過 55 萬年,又已經存在相當的生殖隔離,否則也分不出彼此的遺傳差異,我想區分成不同物種比較合適。

在美國俄克拉荷馬州人骨學博物館展示的人科動物化石。圖/WIKIPEDIA

身心俱全,成為完全體的現代人類

但是人類不只由 DNA 定義,尤其是我們智人。與近親在遺傳上分家後,智人走上愈來愈獨特的道路,漫長的過程並非一步到位,至少可以分為身心兩個方面。

近來學術文獻描述智人時,流行一個名詞:「解剖學意義上的現代人(anatomically modern human)」,這兒的「現代」不是看年份,而是和海德堡人、直立人(Homo erectus)等古早人(archaic hominin)對照。具備智人形態特徵的化石,最早距今 30 多萬年;所以有 30 多萬年前的現代人,也有 11 萬年前的古早人。

身體形態比較容易辨識,頭腦心智、行為表現卻難的多。兩位外觀相似的人,心靈和行為可能截然不同。光看化石的形態特徵,能分辨誰長的像智人,卻無法判斷是否為「行為學意義上的現代人(behaviorally modern human)」。採用此一概念,尚未發展出類似我們心智、行為的智人,或許可以算是「前人類」的階段。

前人類是怎樣過渡到人類的?這是人類演化學爭論不休,近來成果可觀的一大問題。最直接的設想是,假如古代人展現出抽象、象徵思維、藝術創作等特徵,便足以視為「跟我們一樣的人類」。

儘管證據稀少而零碎,逐漸累積的考古學證據指出,距離遙遠的東南亞與歐洲兩地,智人距今 4 萬年前就會在壁畫、雕刻中展現明確的象徵思維;可見當時的智人,肯定擁有和我們一樣複雜的心靈。貝殼珠之類缺乏實用價值的物品,具有價值交換、情感互動、身份認同等用途,在非洲、中東的使用歷史有 10 多萬年。

智人距今數萬年前就能在壁畫中展現明確的象徵思維。圖/Pixabay

更早以前不清楚,但是十萬多年前的智人,現代價值應已足夠,足以貼上「人類」的標籤。也就是說,心智和我們平起平坐的同類,已經有超過十萬年的歷史。

人類的下一階段,從神獸到神人?

目前的人類如何演變而來?按照上述脈絡,先是智人與近親在遺傳上分家,累積生殖隔離(超過距今 50 萬年),接著產生特定的形態特徵,形成新的身體(超過距今 30 萬年),從「前物種」轉型為智人物種;接著又出現行為、思維、文化上的轉變(超過距今 10 萬年),從「前人類」過渡到心靈複雜的人類。

即使長期缺乏接觸,智人間要產生生殖隔離也不容易,實際看來幾萬年都不夠。未來人們只要持續情慾交流,幾乎不可能讓生殖隔離累積到形成新的「後物種」。但是「人類不只由 DNA 定義」的道理一如過往,倘若人為影響導致非常巨大的文化差異,衍生自現代人的「後人類」便有機會誕生。

哈拉瑞的暢銷書「人類三部曲」,前兩本的中文副標題分別叫作「從野獸到扮演上帝」和「從智人到神人」,可謂以劇烈變化的觀點看待人類演化的路徑。我想也可以反過來,採取連續演進的解讀:智人其實早有成為神人的潛力,即使早在野獸的階段,也已經是配備神性的野獸;從神獸到智人,再到神人的發展,是發揮潛能而實踐的過程。

人類持續演化下,假如過程中沒有滅亡,或是受到其他智慧生命干預,神獸有機會徹底開發潛能而成為神人。未來將如何發生?到時候帶來轉變的,會是不斷在已知疆域之外探索的藝術家、科學家、思想家、政治家,或是其他角色,像是哈里.謝頓(Hari Seldon)、保羅.亞崔迪(Paul Atreides)之類的人物?

保羅.亞崔迪《沙丘》中的虛構人物,被視為人類的救世主 。圖/WIKIPEDIA

如果人類真的邁入下一階段,我猜不會是任何特定角色或人物,而是心智的集體成果。過程中會涉及極少數幾位天選之人,如精通科學的思想家、具備藝術感的科學家、洞觀事物本相的藝術家、某件事以外什麼都不懂的專業精英(為避免誤會,本文提及的所有真實人名皆不屬於上述行列),甚至是覺醒的人工智慧。

不過想像力再強大,發揮出的超能力,還是要擺在人類集體的框架中落實。我們不論願不願意,或許都牽涉其中。

相關資料

-----廣告,請繼續往下閱讀-----
文章難易度
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

1
1

文字

分享

0
1
1
伺服器過熱危機!液冷與 3D VC 技術如何拯救高效運算?
鳥苷三磷酸 (PanSci Promo)_96
・2025/04/11 ・3194字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

本文與 高柏科技 合作,泛科學企劃執行。

當我們談論能擊敗輝達(NVIDIA)、Google、微軟,甚至是 Meta 的存在,究竟是什麼?答案或許並非更強大的 AI,也不是更高速的晶片,而是你看不見、卻能瞬間讓伺服器崩潰的「熱」。

 2024 年底至 2025 年初,搭載 Blackwell 晶片的輝達伺服器接連遭遇過熱危機,傳聞 Meta、Google、微軟的訂單也因此受到影響。儘管輝達已經透過調整機櫃設計來解決問題,但這場「科技 vs. 熱」的對決,才剛剛開始。 

不僅僅是輝達,微軟甚至嘗試將伺服器完全埋入海水中,希望藉由洋流降溫;而更激進的做法,則是直接將伺服器浸泡在冷卻液中,來一場「浸沒式冷卻」的實驗。

-----廣告,請繼續往下閱讀-----

但這些方法真的有效嗎?安全嗎?從大型數據中心到你手上的手機,散熱已經成為科技業最棘手的難題。本文將帶各位跟著全球散熱專家 高柏科技,一同看看如何用科學破解這場高溫危機!

運算=發熱?為何電腦必然會發熱?

為什麼電腦在運算時溫度會升高呢? 圖/unsplash

這並非新問題,1961年物理學家蘭道爾在任職於IBM時,就提出了「蘭道爾原理」(Landauer Principle),他根據熱力學提出,當進行計算或訊息處理時,即便是理論上最有效率的電腦,還是會產生某些形式的能量損耗。因為在計算時只要有訊息流失,系統的熵就會上升,而隨著熵的增加,也會產生熱能。

換句話說,當計算是不可逆的時候,就像產品無法回收再利用,而是進到垃圾場燒掉一樣,會產生許多廢熱。

要解決問題,得用科學方法。在一個系統中,我們通常以「熱設計功耗」(TDP,Thermal Design Power)來衡量電子元件在正常運行條件下產生的熱量。一般來說,TDP 指的是一個處理器或晶片運作時可能會產生的最大熱量,通常以瓦特(W)為單位。也就是說,TDP 應該作為這個系統散熱的最低標準。每個廠商都會公布自家產品的 TDP,例如AMD的CPU 9950X,TDP是170W,GeForce RTX 5090則高達575W,伺服器用的晶片,則可能動輒千瓦以上。

-----廣告,請繼續往下閱讀-----

散熱不僅是AI伺服器的問題,電動車、儲能設備、甚至低軌衛星,都需要高效散熱技術,這正是高柏科技的專長。

「導熱介面材料(TIM)」:提升散熱效率的關鍵角色

在電腦世界裡,散熱的關鍵就是把熱量「交給」導熱效率高的材料,而這個角色通常是金屬散熱片。但散熱並不是簡單地把金屬片貼在晶片上就能搞定。

現實中,晶片表面和散熱片之間並不會完美貼合,表面多少會有細微間隙,而這些縫隙如果藏了空氣,就會變成「隔熱層」,阻礙熱傳導。

為了解決這個問題,需要一種關鍵材料,導熱介面材料(TIM,Thermal Interface Material)。它的任務就是填補這些縫隙,讓熱可以更加順暢傳遞出去。可以把TIM想像成散熱高速公路的「匝道」,即使主線有再多車道,如果匝道堵住了,車流還是無法順利進入高速公路。同樣地,如果 TIM 的導熱效果不好,熱量就會卡在晶片與散熱片之間,導致散熱效率下降。

-----廣告,請繼續往下閱讀-----

那麼,要怎麼提升 TIM 的效能呢?很直覺的做法是增加導熱金屬粉的比例。目前最常見且穩定的選擇是氧化鋅或氧化鋁,若要更高效的散熱材料,則有氮化鋁、六方氮化硼、立方氮化硼等更高級的選項。

典型的 TIM 是由兩個成分組成:高導熱粉末(如金屬或陶瓷粉末)與聚合物基質。大部分散熱膏的特點是流動性好,盡可能地貼合表面、填補縫隙。但也因為太「軟」了,受熱受力後容易向外「溢流」。或是造成基質和熱源過分接觸,高分子在高溫下發生熱裂解。這也是為什麼有些導熱膏使用一段時間後,會出現乾裂或表面變硬。

為了解決這個問題,高柏科技推出了凝膠狀的「導熱凝膠」,說是凝膠,但感覺起來更像黏土。保留了可塑性、但更有彈性、更像固體。因此不容易被擠壓成超薄,比較不會熱裂解、壽命也比較長。

OK,到這裡,「匝道」的問題解決了,接下來的問題是:這條散熱高速公路該怎麼設計?你會選擇氣冷、水冷,還是更先進的浸沒式散熱呢?

-----廣告,請繼續往下閱讀-----

液冷與 3D VC 散熱技術:未來高效散熱方案解析

除了風扇之外,目前還有哪些方法可以幫助電腦快速散熱呢?圖/unsplash

傳統的散熱方式是透過風扇帶動空氣經過散熱片來移除熱量,也就是所謂的「氣冷」。但單純的氣冷已經達到散熱效率的極限,因此現在的散熱技術有兩大發展方向。

其中一個方向是液冷,熱量在經過 TIM 後進入水冷頭,水冷頭內的不斷流動的液體能迅速帶走熱量。這種散熱方式效率好,且增加的體積不大。唯一需要注意的是,萬一元件損壞,可能會因為漏液而損害其他元件,且系統的成本較高。如果你對成本有顧慮,可以考慮另一種方案,「3D VC」。

3D VC 的原理很像是氣冷加液冷的結合。3D VC 顧名思義,就是把均溫板層層疊起來,變成3D結構。雖然均溫板長得也像是一塊金屬板,原理其實跟散熱片不太一樣。如果看英文原文的「Vapor Chamber」,直接翻譯是「蒸氣腔室」。

在均溫板中,會放入容易汽化的工作流體,當流體在熱源處吸收熱量後就會汽化,當熱量被帶走,汽化的流體會被冷卻成液體並回流。這種利用液體、氣體兩種不同狀態進行熱交換的方法,最大的特點是:導熱速度甚至比金屬的熱傳導還要更快、熱量的分配也更均勻,不會有熱都聚集在入口(熱源處)的情況,能更有效降溫。

-----廣告,請繼續往下閱讀-----

整個 3DVC 的設計,是包含垂直的熱導管和水平均溫板的 3D 結構。熱導管和均溫板都是採用氣、液兩向轉換的方式傳遞熱量。導熱管是電梯,能快速把散熱工作帶到每一層。均溫板再接手將所有熱量消化掉。最後當空氣通過 3DVC,就能用最高的效率帶走熱量。3DVC 跟水冷最大的差異是,工作流體移動的過程經過設計,因此不用插電,成本僅有水冷的十分之一。但相對的,因為是被動式散熱,其散熱模組的體積相對水冷會更大。

從 TIM 到 3D VC,高柏科技一直致力於不斷創新,並多次獲得國際專利。為了進一步提升 3D VC 的散熱效率並縮小模組體積,高柏科技開發了6項專利技術,涵蓋系統設計、材料改良及結構技術等方面。經過設計強化後,均溫板不僅保有高導熱性,還增強了結構強度,顯著提升均溫速度及耐用性。

隨著散熱技術不斷進步,有人提出將整個晶片組或伺服器浸泡在冷卻液中的「浸沒式冷卻」技術,將主機板和零件完全泡在不導電的特殊液體中,許多冷卻液會選擇沸點較低的物質,因此就像均溫板一樣,可以透過汽化來吸收掉大量的熱,形成泡泡向上浮,達到快速散熱的效果。

然而,因為水會導電,因此替代方案之一是氟化物。雖然效率差了一些,但至少可以用。然而氟化物的生產或廢棄時,很容易產生全氟/多氟烷基物質 PFAS,這是一種永久污染物,會對環境產生長時間影響。目前各家廠商都還在試驗新的冷卻液,例如礦物油、其他油品,又或是在既有的液體中添加奈米碳管等特殊材質。

-----廣告,請繼續往下閱讀-----

另外,把整個主機都泡在液體裡面的散熱邏輯也與原本的方式大相逕庭。如何重新設計液體對流的路線、如何讓氣泡可以順利上浮、甚至是研究氣泡的出現會不會影響元件壽命等等,都還需要時間來驗證。

高柏科技目前已將自家產品提供給各大廠商進行相容性驗證,相信很快就能推出更強大的散熱模組。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

1
0

文字

分享

0
1
0
數智驅動未來:從信任到執行,AI 為企業創新賦能
鳥苷三磷酸 (PanSci Promo)_96
・2025/01/13 ・4938字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

本文由 鼎新數智 與 泛科學 共同規劃與製作

你有沒有想過,當 AI 根據病歷與 X 光片就能幫你診斷病症,或者決定是否批准貸款,甚至從無人機發射飛彈時,它的每一步「決策」是怎麼來的?如果我們不能知道 AI 的每一個想法步驟,對於那些 AI 輔助的診斷和判斷,要我們如何放心呢?

馬斯克與 OpenAI 的奧特曼鬧翻後,創立了新 AI 公司 xAI,並推出名為 Grok 的產品。他宣稱目標是以開源和可解釋性 AI 挑戰其他模型,而 xAI 另一個意思是 Explainable AI 也就是「可解釋性 AI」。

如今,AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?

-----廣告,請繼續往下閱讀-----
AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?圖/pexels

黑盒子模型背後的隱藏秘密

無法解釋的 AI 究竟會帶來多少問題?試想,現在許多銀行和貸款機構已經使用 AI 評估借貸申請者的信用風險,但這些模型往往如同黑箱操作。有人貸款被拒,卻完全不知原因,感覺就像被分手卻不告訴理由。更嚴重的是,AI 可能擅自根據你的住所位置或社會經濟背景給出負面評價,這些與信用風險真的相關嗎?這種不透明性只會讓弱勢群體更難融入金融體系,加劇貧富差距。這種不透明性,會讓原本就已經很難融入金融體系的弱勢群體,更加難以取得貸款,讓貧富差距越來越大,雪上加霜。

AI 不僅影響貸款,還可能影響司法公正性。美國部分法院自 2016 年起使用「替代性制裁犯罪矯正管理剖析軟體」 COMPAS 這款 AI 工具來協助量刑,試圖預測嫌犯再犯風險。然而,這些工具被發現對有色人種特別不友好,往往給出偏高的再犯風險評估,導致更重的刑罰和更嚴苛的保釋條件。更令人擔憂的是,這些決策缺乏透明度,AI 做出的決策根本沒法解釋,這讓嫌犯和律師無法查明問題根源,結果司法公正性就這麼被悄悄削弱了。

此外,AI 在醫療、社交媒體、自駕車等領域的應用,也充滿類似挑戰。例如,AI 協助診斷疾病,但若原因報告無法被解釋,醫生和患者又怎能放心?同樣地,社群媒體或是 YouTube 已經大量使用 AI 自動審查,以及智慧家居或工廠中的黑盒子問題,都像是一場越來越複雜的魔術秀——我們只看到結果,卻無法理解過程。這樣的情況下,對 AI 的信任感就成為了一個巨大的挑戰。

為什麼人類設計的 AI 工具,自己卻無法理解?

原因有二。首先,深度學習模型結構複雜,擁有數百萬參數,人類要追蹤每個輸入特徵如何影響最終決策結果,難度極高。例如,ChatGPT 中的 Transformer 模型,利用注意力機制(Attention Mechanism)根據不同詞之間的重要性進行特徵加權計算,因為機制本身涉及大量的矩陣運算和加權計算,這些數學操作使得整個模型更加抽象、不好理解。

-----廣告,請繼續往下閱讀-----

其次,深度學習模型會會從資料中學習某些「特徵」,你可以當作 AI 是用畫重點的方式在學習,人類劃重點目的是幫助我們加速理解。AI 的特徵雖然也能幫助 AI 學習,但這些特徵往往對人類來說過於抽象。例如在影像辨識中,人類習慣用眼睛、嘴巴的相對位置,或是手指數量等特徵來解讀一張圖。深度學習模型卻可能會學習到一些抽象的形狀或紋理特徵,而這些特徵難以用人類語言描述。

深度學習模型通常採用分佈式表示(Distributed Representation)來編碼特徵,意思是將一個特徵表示為一個高維向量,每個維度代表特徵的不同方面。假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。對 AI 而言,這是理解世界的方式,但對人類來說,卻如同墨跡測驗般難以解讀。

假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。圖/unsplash

試想,AI 協助診斷疾病時,若理由是基於醫生都無法理解的邏輯,患者即使獲得正確診斷,也會感到不安。畢竟,人們更相信能被理解的東西。

打開黑盒子:可解釋 AI 如何運作?我們要如何教育 AI?

首先,可以利用熱圖(heatmap)或注意力圖這類可視化技術,讓 AI 的「思維」有跡可循。這就像行銷中分析消費者的視線停留在哪裡,來推測他們的興趣一樣。在卷積神經網絡和 Diffusion Models 中 ,當 AI 判斷這張照片裡是「貓」還是「狗」時,我需要它向我們展示在哪些地方「盯得最緊」,像是耳朵的形狀還是毛色的分布。

-----廣告,請繼續往下閱讀-----

其次是局部解釋,LIME 和 SHAP 是兩個用來發展可解釋 AI 的局部解釋技術。

SHAP 的概念來自博弈,它將每個特徵看作「玩家」,而模型的預測結果則像「收益」。SHAP 會計算每個玩家對「收益」的貢獻,讓我們可以了解各個特徵如何影響最終結果。並且,SHAP 不僅能透過「局部解釋」了解單一個結果是怎麼來的,還能透過「全局解釋」理解模型整體的運作中,哪些特徵最重要。

以實際的情景來說,SHAP 可以讓 AI 診斷出你有某種疾病風險時,指出年齡、體重等各個特徵的影響。

LIME 的運作方式則有些不同,會針對單一個案建立一個簡單的模型,來近似原始複雜模型的行為,目的是為了快速了解「局部」範圍內的操作。比如當 AI 拒絕你的貸款申請時,LIME 可以解釋是「收入不穩定」還是「信用紀錄有問題」導致拒絕。這種解釋在 Transformer 和 NLP 應用中廣泛使用,一大優勢是靈活且計算速度快,適合臨時分析不同情境下的 AI 判斷。比方說在醫療場景,LIME 可以幫助醫生理解 AI 為何推薦某種治療方案,並說明幾個主要原因,這樣醫生不僅能更快做出決策,也能增加患者的信任感。

-----廣告,請繼續往下閱讀-----

第三是反事實解釋:如果改變一點點,會怎麼樣?

如果 AI 告訴你:「這家銀行不會貸款給你」,這時你可能會想知道:是收入不夠,還是年齡因素?這時你就可以問 AI:「如果我年輕五歲,或者多一份工作,結果會怎樣?」反事實解釋會模擬這些變化對結果的影響,讓我們可以了解模型究竟是如何「權衡利弊」。

最後則是模型內部特徵的重要性排序。這種方法能顯示哪些輸入特徵對最終結果影響最大,就像揭示一道菜中,哪些調味料是味道的關鍵。例如在金融風險預測中,模型可能指出「收入」影響了 40%,「消費習慣」占了 30%,「年齡」占了 20%。不過如果要應用在像是 Transformer 模型等複雜結構時,還需要搭配前面提到的 SHAP 或 LIME 以及可視化技術,才能達到更完整的解釋效果。

講到這裡,你可能會問:我們距離能完全信任 AI 還有多遠?又或者,我們真的應該完全相信它嗎?

-----廣告,請繼續往下閱讀-----

我們終究是想解決人與 AI 的信任問題

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。因此,AI 既要「可解釋」,也要「能代理」。

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。圖/unsplash

舉例來說,當一家公司要做一個看似「簡單」的決策時,背後的過程其實可能極為複雜。例如,快時尚品牌決定是否推出新一季服裝,不僅需要考慮過去的銷售數據,還得追蹤熱門設計趨勢、天氣預測,甚至觀察社群媒體上的流行話題。像是暖冬來臨,厚外套可能賣不動;或消費者是否因某位明星愛上一種顏色,這些細節都可能影響決策。

這些數據來自不同部門和來源,龐大的資料量與錯綜關聯使企業判斷變得困難。於是,企業常希望有個像經營大師的 AI 代理人,能吸收數據、快速分析,並在做決定時不僅給出答案,還能告訴你「為什麼要這麼做」。

傳統 AI 像個黑盒子,而可解釋 AI (XAI)則清楚解釋其判斷依據。例如,為什麼不建議推出厚外套?可能理由是:「根據天氣預測,今年暖冬概率 80%,過去三年數據顯示暖冬時厚外套銷量下降 20%。」這種透明解釋讓企業更信任 AI 的決策。

-----廣告,請繼續往下閱讀-----

但會解釋還不夠,AI 還需能真正執行。這時,就需要另一位「 AI 代理人」上場。想像這位 AI 代理人是一位「智慧產品經理」,大腦裝滿公司規則、條件與行動邏輯。當客戶要求變更產品設計時,這位產品經理不會手忙腳亂,而是按以下步驟行動:

  1. 檢查倉庫物料:庫存夠不夠?有沒有替代料可用?
  2. 評估交期影響:如果需要新物料,供應商多快能送到?
  3. 計算成本變化:用新料會不會超出成本預算?
  4. 做出最優判斷,並自動生成變更單、工單和採購單,通知各部門配合執行。

這位 AI 代理人不僅能自動處理每個環節,還會記錄每次決策結果,學習如何變得更高效。隨時間推移,這位「智慧產品經理」的判斷將更聰明、決策速度更快,幾乎不需人工干預。更重要的是,這些判斷是基於「以終為始」的原則,為企業成長目標(如 Q4 業績增長 10%)進行連續且動態地自我回饋,而非傳統系統僅月度檢核。

這兩位 AI 代理人的合作,讓企業決策流程不僅透明,還能自動執行。這正是數智驅動的核心,不僅依靠數據驅動決策,還要能解釋每一個選擇,並自動行動。這個過程可簡化為 SUPA,即「感知(Sensing)→ 理解(Understanding)→ 規劃(Planning)→ 行動(Acting)」的閉環流程,隨著數據的變化不斷進化。

偉勝乾燥工業為例,他們面臨高度客製化與訂單頻繁變更的挑戰。導入鼎新 METIS 平台後,偉勝成功將數智驅動融入業務與產品開發,專案準時率因此提升至 80%。他們更將烤箱技術與搬運機器人結合,開發出新形態智慧化設備,成功打入半導體產業,帶動業績大幅成長,創造下一個企業的增長曲線。

-----廣告,請繼續往下閱讀-----

值得一提的是,數智驅動不僅帶動業務增長,還讓員工擺脫繁瑣工作,讓工作更輕鬆高效。

數智驅動的成功不僅依賴技術,還要與企業的商業策略緊密結合。為了讓數智驅動真正發揮作用,企業首先要確保它服務於具體的業務需求,而不是為了技術而技術。

這種轉型需要有策略、文化和具體應用場景的支撐,才能讓數智驅動真正成為企業持續增長的動力。

還在猶豫數智驅動的威力?免費上手企業 AI 助理!👉 企業 AI 體驗
現在使用專屬邀請碼《 KP05 》註冊就享知:https://lihi.cc/EDUk4
訂閱泛科學獨家知識頻道,深入科技趨勢與議題內容。

👉立即免費加入

-----廣告,請繼續往下閱讀-----

0

1
1

文字

分享

0
1
1
貓咪也會學鳥叫?揭秘貓貓發出「喀喀聲」背後的可能原因
F 編_96
・2024/12/24 ・2480字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

F 編按:本文編譯自 Live Science

貓是一種神秘而又引人注目的動物,牠們看似深居簡出,但擁有多元的聲音表達:從吸引人類注意的「喵喵叫」,到面對威脅時的「嘶嘶聲」與低沉的「咆哮」。

延伸閱讀:貓咪為什麼總愛對人喵喵叫?看貓如何用聲音征服人類的心

然而,細心的貓奴們可能會注意到,貓有時會對著窗外的鳥兒或屋內小動物玩具,發出一種獨特的「卡卡聲」或「咯咯聲」。這種聲音既像牙齒打顫,又好似一陣陣輕微的顫鳴,卻很難歸類到常見的喵叫或咆哮裡。這種名為「chatter」的行為,究竟在貓的生活中扮演什麼角色?目前科學界尚未對此有定論,但有幾種廣為討論的假說,或許能為我們提供一些思考方向。

卡卡叫:情緒的釋放或表達?

有些貓行為專家推測,貓咪在看到獵物(如窗外的鳥、老鼠)卻無法接近時,會因「欲捕無法」的挫折感或興奮感,發出這種「卡卡聲」。就像人類遇到障礙時,可能會發出抱怨的咕噥聲或乾著急的嘆息聲一樣,貓咪的「喀喀聲」也可能只是把當下的情緒外顯,並非有特別針對人或其他動物的溝通目的。

  • 情緒假說
    • 挫折:當貓看見鳥兒在窗外飛舞卻無法撲殺,內心焦躁,遂用聲音抒發。
    • 興奮:或許貓在準備捕獵時也感到高度亢奮,因此嘴部不自覺抖動並出聲。
貓咪的「喀喀聲」可能源於挫折或興奮情緒,表達捕獵受阻的內在反應。圖/envato

要在科學上驗證「情緒假說」並不容易,因為需要同時測量貓咪行為和生理指標。例如,研究人員可能需要測量貓咪在卡卡叫時的壓力荷爾蒙變化,才能確認牠們究竟是帶著正面興奮,或是負面挫折的情緒。不過,由於貓的獨立特質,實驗設計往往困難重重,樣本量要足夠也不容易,所以至今沒有定論。

-----廣告,請繼續往下閱讀-----

增強嗅覺?貓咪的「第二鼻子」

另一種說法則認為,貓咪發出「卡卡聲」時,可能同時開啟了其位於口腔上顎的「犁鼻器」(vomeronasal organ),也稱作「賈氏器官(Jacobson’s organ)」。這個感知器官能捕捉一般鼻腔聞不到的化學分子,如費洛蒙或特定氣味分子,因此對貓的求偶、社交和獵捕行為都非常重要。

  • 嗅覺假說
    • 張口呼吸:如果貓咪一邊「咯咯咯」地開合上下顎,可能在嘗試讓空氣(及其中所含的氣味分子)進入犁鼻器。
    • 蒐集更多環境資訊:在確定下手前,更完整的嗅覺分析或能提高牠們獵捕成功率,或是幫助判斷環境中是否有其他潛在威脅或機會。

然而,要科學驗證「增強嗅覺假說」同樣不簡單。研究人員不僅要觀察貓咪在卡卡叫時的行為,也需要測量牠們是否真的打開了更大的氣道,並在那個同時有效使用犁鼻器。這些行為與生理測量都必須在相對可控卻又不影響貓自由行動的實驗環境中進行,實務上難度頗高。

聲音模仿:貓咪的「偽鳥叫」?

貓咪的「卡卡聲」或許是為了模仿獵物的聲音,讓獵物降低警戒。圖/envato

第三種最有趣也最具「野性色彩」的假說,是「模仿獵物聲音」。在野外,一些中南美洲的小型貓科動物(例如:長尾虎貓,又稱美洲豹貓或瑪家貓,Margay)曾被觀察到,在捕獵小猴群時,發出類似猴子叫聲的音調;有些當地原住民族群也傳說,叢林裡的某些捕食者會模仿目標獵物的聲音來誘捕。由此推測,家貓看到鳥兒時發出的「卡卡聲」,可能包含些微模仿鳥兒啁啾的元素,試圖降低獵物警戒或甚至吸引獵物靠近。

  • 模仿假說
    • 案例參考:野生貓科動物曾出現學習或偽裝聲音的紀錄。
    • 家貓可能繼承的行為:家貓的祖先——北非野貓(African wildcat)及其他小型貓科物種,是否具備聲音模仿能力?這在生物演化研究上仍是未解之謎。
    • 缺乏大規模觀察:由於小型野生貓科動物研究資料有限,且家貓實驗更不易做大樣本長期追蹤,最終導致此理論尚未獲得廣泛實證。

貓咪行為研究的挑戰:野性祖先的重要性

探討貓咪行為,常常需要回溯至野生祖先的棲地環境。家貓(Felis catus)普遍被認為源自北非野貓(Felis lybica),然而,野貓習性的研究本就不多,尤其是關於聲音與捕獵策略更是資料有限。我們想知道「為什麼家貓會卡卡叫」,首先要確定:「牠們的野性祖先或其他小型貓科,也有同樣的行為嗎?」若有,家貓則可能繼承自古老基因;若無,則可能是家貓在與人類共處的環境中演化出的新行為。

-----廣告,請繼續往下閱讀-----
如果要探查家貓「卡卡叫」的原因,還需要了解其祖先或其他小型貓科是否具有類似行為。圖/envato

再者,貓在實驗室中的「不可控」因素相當多。貓不像狗般樂於服從人類指令,常有自己的規律與個性。要在實驗情境下穩定地誘發貓的「卡卡叫」行為、同時檢測牠們的生理和心理反應,並確保每隻貓的個體差異都被考慮到,這些都對研究團隊是極大考驗。

對於許多貓奴來說,貓咪坐在窗邊,一邊盯著外頭的鳥兒或松鼠,一邊發出獨特的「卡卡聲」,是一幕既可愛又神祕的風景。究竟牠們是在抒發情緒、強化嗅覺、抑或真的在「假扮鳥叫」以誘捕獵物?目前沒有確切的答案。然而,也正因為這層未知,貓貓才更顯得迷人。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

F 編_96
22 篇文章 ・ 1 位粉絲
一個不小心闖入霍格華茲(科普)的麻瓜(文組).原泛科學編輯.現任家庭小精靈,至今仍潛伏在魔法世界中💃