1

5
3

文字

分享

1
5
3

Deepfake 不一定是問題,不知道才是大問題!關於 Deepfake,你需要知道的是⋯⋯?

TingWei
・2022/01/24 ・3489字 ・閱讀時間約 7 分鐘

編按:你的理智知道「眼見不為憑」,但你的眼睛還是會背叛你的理智,不自覺得被眼前的影像所吸引,儘管你真的、真的知道他是假的。Youtuber 小玉於2021年底涉嫌利用 Deepfake 技術,偽造多位名人的色情影音內容並販售的事件,既不是第一起、也不是唯一、更不會是最後一個利用「深偽技術」進行科技犯罪的事件。

當科技在走,社會和法律該如何跟上甚至超前部署呢?本次 Deepfake 專題,由泛科學和法律白話文合作,從Deepfake 技術與辨偽技術、到法律如何因應,讓我們一起全方位解析Deepfake!

第一篇,讓我們就 Deepfake 技術做一基礎的介紹,那我們就開始囉!

什麼是 Deepfake?

深偽技術 Deepfake 於 2017 年陸續開始進入大眾的目光中。原文 Deepfake 源自於英文「deep learning」(深度學習)和「fake」(偽造)組合,主要意指應用人工智慧深度學習的技術,合成某個(不一定存在的)人的圖像或影片、甚至聲音。最常見的應用,就是將影片中的人臉替換為另一張臉(常是名人),讓指定的臉在影片中做出自己從未說過或做過的事情。

利用深度學習技術合成或是置換人臉的技術,都是屬於Deepfake。圖 / stephenwolfram

現今談到 Deepfake,大多數人想到的可能是偽造的成人影片,就如前述 Youtuber 小玉的事件,Deepfake 一開始受到關注,主要與名人或明星的臉部影像被合成到成人影片有關,然而,Deepfake 的功能遠不僅於此,相關的技術使用還包括了替換表情、合成一整張臉、合成語音等等。

除了像是讓過去或現在的名人在影片中「栩栩如生」做出使用者想要的表情與動作,之前在社群媒體上曾有好幾款 APP一度風靡,包括上傳一張照片就可以看看「變老」「變性」自己的 FaceApp,甚至於讓自己的臉在經典電影中講上一段台詞的「去演」APP,這類的功能也是應用前述 Deepfake 的技術。

雖然有些線索顯示這類 APP 常有潛在的資安疑慮[註],但好歹技術的成果多屬搏君一燦自娛娛人,尚可視為無傷大雅。

「栩栩如生」的愛因斯坦

而過往電影的影音產業要仿造人臉需要應用許多複雜、耗時、昂貴的電腦模擬,有了 Deepfake 相關的技術,也使得許多只能抱憾放棄的事情出現了彌補的空間。最有名的應用應是好萊塢電影《玩命關頭7》與《星際大戰》系列。《玩命關頭7》拍攝期間主角保羅・沃克(Paul William Walker IV)意外身亡,剩下的戲份後來由弟弟擔綱演出,劇組再以 Deepfake 的技術讓哥哥弟弟連戲,整部電影才得以殺青上映。

Weta Digital 說明如何讓保羅・沃克的弟弟 Brian O’Conner 能透過 Deefake 的技術,繼續協助 保羅・沃克演完《玩命關頭7》

Deepfake 讓「變臉」變得太容易了?

想想過去的電影如《魔戒》中的咕嚕、或是 2008 年布萊德・彼特主演的《班傑明的奇幻旅程》,將影片或照片中人物「換臉」「變老」的修圖或 CG 技術,在 Deepfake 出世之前就已經存在了。Deepfake 受到關注的核心關鍵在於,應用 AI 的深度學習的演算法,加上越來越強大的電腦與手機運算能力,讓「影片換臉」這件事情變得越來越隨手可得、並且天衣無縫。

利用CG技術把布萊德・彼特「變老」。 圖 / © 2008 – Paramount Pictures

過往電影中採用的 CG 技術要花好幾個月由專業人士進行後製,才能取得難辨真偽的影像效果,而應用了 AI 演算法,只需要一台桌上型電腦甚或是手機,上網就可以取得軟體、有機會獲得差強人意的結果了。

進一步,傳統軟體演算法主要依靠工程師的持續修改調整,而如 Deepfake 這類技術,內部的演算法會經過訓練持續進化。有許多技術被應用於提高 Deepfake 的偽造效果,其中最常見的一個作法被稱為「生成對抗網路(Generative Adversarial Network, GAN)」,這裡面包含了兩組神經網路「生成器(Generator)」和「辨識器(Discriminator)」。

在投入訓練資料之後,這兩組神經網路會相互學習訓練,有點像是坐在主人頭上的小天使與小惡魔會互相吐槽、口才越來越好、想出更好的點子;在練習的過程中,「生成器」會持續生成偽造的影像,而「辨識器」則負責評分,反覆訓練下來,偽造生成的技術進步,辨識偽造的技術也得以進步。

舉例來說,This Person Does Not Exist 這個網站就充滿了使用 GAN 架構建構的人臉,這個網站中的人臉看上去非常真實,實際上都是 AI 製造出來的「假臉」。

This Person Does Not Exist 裡的「假臉」。

Deepfake 影片不一定是問題,不知道是 Deepfake 才是問題

現今的 Deepfake 技術得以持續進步、騙過人眼是許多人努力的成果,也不見得都是壞事。像是《星際大戰:俠盜一號》片尾,年輕的萊婭公主出面驚鴻一瞥,就帶給許多老粉絲驚喜。這項技術應用癥結在於,相關演算法輕易就能取得,除了讓有心人可以藉以產製色情影片(這類影片佔了Deepfake濫用的半數以上),Deepfake 製造的影片在人們不知情的情況下,很有可能成為虛假訊息的載體、心理戰的武器,甚至於影響選戰與輿情。

因此,Deepfake 弄假似真不是問題,閱聽者因此「不辨真假」才將是最大的問題所在。

歐巴馬的 Deepfake 影片

相關的研究人員歸納了幾個這類「變臉」影片常見的特徵,可以用來初步辨識眼前的影片是不是偽造的。

首先,由於 AI 尚無法非常細緻的處理一些動作細節,因此其眨眼、視線變化或臉部抽蓄的動作會較不自然。其次,通常在邊緣處,如髮絲、臉的邊緣線、耳環等區域會出現不連貫的狀況。最後,在一些結構細節會出現不合理的陰影瑕疵,像是嘴角的角度位置等。

由於現階段的 Deepfake 通常需要大量的訓練資料(影像或影片)才能達到理想的偽造成果,因此會遭到「換臉」的受害者,主要集中在影像資源豐富的名人,如電影明星、Youtuber、政治人物等。需要注意的是,如果有人意圖使用 Deepfake 技術製造假消息,其所製造的影片不見得需要非常完美,有可能反而降低解析度、非常粗糙,一般人如用手機瀏覽往往難辨真假。

人眼已經難辨真假,那麼以子之矛攻彼之盾,以 AI 技術辨識找出 Deepfake 的成品,有沒有機會呢?隨著 Deepfake 逐漸成為熱門的議題,有許多團隊也開始試圖藉由深度學習技術,辨識偽造影像。2020 年臉書與微軟開始舉辦的「換臉偵測大賽」(Deepfake Detection Challenge)就提供高額獎金,徵求能夠辨識造假影片的技術。然而成果只能說是差強人意,面對從未接觸過的影片,第一名辨識的準確率僅為 65.18%。

「換臉偵測大賽」(Deepfake Detection Challenge)的辨識素材。圖/MetaAi

對於 Deepfake 可能遭到的濫用,某部分我們可以寄望技術的發展未來終將「道高一尺」,讓社群平台上的影像不致於毫無遮攔、照單全收;然而技術持續「魔高一丈」讓防範的科技追著跑,也是顯而易見的。

社群網路 FB 在 2020 年宣布全面禁止 Deepfake 產生的影片,一旦有確認者立即刪除,twitter 則強制註記影片為造假影片。Deepfake 僅僅是未來面對 AI 浪潮,科技社會所需要應對的其中一項議題,法律、社會規範如何跟上?如何解決箇中的著作權與倫理問題?這些都將是需要經過層層討論與驗證的重要課題。

至少大家應該心知肚明,過往的網路流行語:「有圖有真相」已經過去,接下來即將面臨的,是一個「有影片也難有真相」的網路世界了。

  • 註解:推出 FaceApp 與「去演」的兩家公司其軟體皆要求註冊,且對於上傳資料之後續處理交代不清,被認為有侵犯使用者隱私權之疑慮。

參考資料

  1. Deepfakes and the New AI-Generated Fake Media Creation-Detection Arms Race – Scientific American
  2. What To Do About Deepfakes | March 2021 | Communications of the ACM
  3. Tolosana, R., Vera-Rodriguez, R., Fierrez, J., Morales, A., & Ortega-Garcia, J. (2020). Deepfakes and beyond: A survey of face manipulation and fake detection. Information Fusion, 64, 131-148.
  4. Deepfake 深偽技術的技術濫用與道德困境,大眾正要開始面對 | TechNews 科技新報
  5. 台灣團隊研究辨識Deep Fake影片 深偽技術的正邪之戰開打 | 台灣事實查核中心 (tfc-taiwan.org.tw)

文章難易度
所有討論 1
TingWei
13 篇文章 ・ 12 位粉絲
據說一生科科的生科中人,不務正業嗜好以書櫃堆滿房間,努力養活雙貓為近期的主要人生目標。

0

3
0

文字

分享

0
3
0
人造腦挑戰 AI!培養皿中的腦組織+腦機介面能打敗電腦嗎?
PanSci_96
・2023/05/27 ・3178字 ・閱讀時間約 6 分鐘

國小高年級科普文,素養閱讀就從今天就開始!!

2023 年 2 月底, 約翰霍普金斯大學教授 Thomas Hartung 帶領研究團隊,發表了「類器官智慧」(Organoid intelligence , OI)的研究成果,希望利用腦類器官加上腦機介面,打造全新的生物計算技術。

我們終於要製造人工大腦了嗎?OI 和 AI,誰會成為未來主宰?

類器官智慧 OI 是什麼?目標為何?

2023 年的現在,AI 就已展現了不少驚人的實際成果;相較之下, OI 仍只是一個剛起步的計畫,甚至連名稱都與 2018 年美國《自然—物理學》期刊專欄作家、物理學家布坎南以 Organoids of intelligence 作為標題的文章幾乎一樣。

類器官智慧、Organoid intelligence、OI 是個很新的跨領域名詞,同時結合了「腦類器官」和「腦機介面」兩個領域的技術。

簡單來說,腦類器官就是指透過培養或誘導多能幹細胞(iPSCs),在模擬體內環境的旋轉生物反應器中,產生的腦組織。這項聽起來好像只會出現在科幻電影裡的技術,確實已經存在。

最早的腦類器官是在 2007 年,日本 RIKEN 腦研究所的笹井芳樹和渡辺毅一的研究團隊,成功從人類胚胎幹細胞培養出前腦組織。第一個具有不同腦區的 3D 腦類器官則是發表在 2013 年的《Nature》期刊,由奧地利分子技術研究所的尤爾根.科布利希和瑪德琳.蘭開斯特研究團隊成功建立。

腦類器官的出現,在生物與醫學研究中有重大意義,這代表未來科學家們若需要進行大腦相關的研究,再也不用犧牲實驗動物或解剖大體老師來取得人類大腦,只需要在培養皿就製造出我們要的大腦即可。

儘管培養皿上的組織確實是大腦組織,但不論是在大小、功能,以及解剖構造上,至今的結果仍遠遠不及我們自然發育形成的大腦。因此要達到 OI 所需要的「智慧水準」,我們必須擴大現有的腦類器官,讓他成為一個更複雜、更耐久的 3D 結構。

要達到 OI 所需的「智慧水準」,必須擴大現有的腦類器官,成為一個更複雜的 3D 結構。圖/GIPHY

而這個大腦也必須含有與學習有關的細胞和基因,並讓這些細胞和 AI 以及機器學習系統相連接。透過新的模型、演算法以及腦機介面技術,最終我們將能了解腦類器官是如何學習、計算、處理,以及儲存。

OI 是 AI 的一種嗎?

OI 能不能算是 AI 的一種呢?可說是,也不是。

AI 的 A 指的是 Artificial,原則上只要是人為製造的智慧,都可以稱為 AI。OI 是透過人為培養的生物神經細胞所產生的智慧,所以可以說 OI 算是 AI 的一種。

但有一派的人不這麼認為。由於目前 AI 的開發都是透過數位電腦,因此普遍將 AI 看做數位電腦產生的智慧—— AI 和 OI 就好比數位對上生物,電腦對上人腦。

OI 有機會取代 AI ?它的優勢是什麼?

至於為何電腦運算的準確度和運算速度遠遠高於人腦,最主要原因是電腦的設計具有目的性,就是要做快速且準確的線性運算。反之,大腦神經迴路是網狀、活的連結。

人類本身的基因組成以及每天接收的環境刺激,不斷地改變著大腦,每一分每一秒,我們的神經迴路都和之前的狀態不一樣,所以即使就單一的運算速度比不上電腦,但人腦卻有著更高學習的效率、可延展性和能源使用效率。在學習一個相同的新任務時,電腦甚至需要消耗比人類多 100 億倍的能量才能完成。

神經網路接受著不同刺激。圖/GIPHY

這樣看來,至少 OI 在硬體的效率與耗能上有著更高優勢,若能結合 AI 與 OI 優點,把 AI 的軟體搭載到 OI 的硬體上,打造完美的運算系統似乎不是夢想。

但是 OI 的發展已經到達哪裡,我們還離這目標多遠呢?

OI 可能面臨的阻礙及目前的發展

去年底,澳洲腦科學公司 Cortical Labs 的布雷特.卡根(Brett Kagan)帶領研究團隊,做出了會玩古早電子遊戲《乓》(Pong)的培養皿大腦—— DishBrain。這個由 80 萬個細胞組成,與熊蜂腦神經元數量相近的 DishBrain,對比於傳統的 AI 需要花超過 90 分鐘才能學會,它在短短 5 分鐘內就能掌握玩法,能量的消耗也較少。

現階段約翰霍普金斯動物替代中心等機構,其實只能生產出直徑大小約 500 微米,也就是大約一粒鹽巴大小的尺寸的腦類器官。當然,這樣的大小就含有約 10 萬個細胞數目,已經非常驚人。雖然有其他研究團隊已能透過超過 1 年的培養時間做出直徑 3~5 毫米的腦類器官,但離目標細胞數目 1000 萬的腦類器官還有一段距離。

為了實現 OI 的目標,培養更大的 3D 腦類器官是首要任務。

OI 的改良及多方整合

腦類器官畢竟還是個生物組織,卻不像生物大腦有著血管系統,能進行氧氣、養分、生長因子的灌流並移除代謝的廢物,因此還需要有更完善的微流體灌流系統來支持腦類器官樣本的擴展性和長期穩定狀態。

在培養完成腦類器官以及確定能使其長期存活後,最重要的就是進行腦器官訊息輸入以及反應輸出的數據分析,如此我們才能得知腦類器官如何進行生物計算。

受到腦波圖(EEG)紀錄的啟發,研究團隊將研發專屬腦類器官的 3D 微電極陣列(MEA),如此能以類似頭戴腦波電極帽的方式,把整個腦類器官用具彈性且柔軟的外殼包覆,並用高解析度和高信噪比的方式進行大規模表面刺激與紀錄。

研究團隊受腦波圖(EEG)紀錄的啟發。圖/Envato Elements

若想要進一步更透徹地分析腦類器官的訊號,表面紀錄是遠遠不夠的。因此,傷害最小化的的侵入式紀錄來獲取更高解析度的電生理訊號是非常重要的。研究團隊將使用專門為活體實驗動物使用的矽探針Neuropixels,進一步改良成類腦器官專用且能靈活使用的裝置。

正所謂取長補短,欲成就 OI,AI 的使用和貢獻一點也不可少。

下一步,團隊會將進行腦機介面,在這邊植入的腦則不再是人類大腦,而是腦類器官。透過 AI 以及機器學習來找到腦類器官是如何形成學習記憶,產生智慧。過程中由於數據資料將會非常的龐大,大數據的分析也是無可避免。

隨著 AI 快速發展的趨勢,OI 的網路聲量提升不少,或許將有機會獲得更多的關注與研究補助經費,加速研究進度。更有趣的是,不僅有一批人希望讓 AI 更像人腦,也有另一批人想要讓 OI 更像電腦。

生物、機械與 AI 的界線似乎會變得越來越模糊。

OI=創造「生命」?

生物、機械與 AI 的界線越來越模糊。圖/Envato Elements

講到這裡,不免讓人擔心,若有一天 OI 真的產生智慧,我們是否就等於憑空創造出了某種「生命」?這勢必將引發複雜的道德倫理問題。

雖然研究團隊也強調, OI 的目標並不是重新創造人類的意識,而是研究與學習、認知和計算相關的功能,但「意識究竟是什麼」,這個哲學思辨至今都還未有結論。

到底懂得「學習」、「計算」的有機體能算是有意識嗎?如果將視覺腦機介面裝在 OI 上,它是否會發現自己是受困於培養皿上,被科學家們宰割的生物計算機?

不過這些問題不僅僅是 OI 該擔心的問題,隨著人工智慧的發展,GPT、Bing 和其他由矽構成的金屬智慧,隨著通過一個又一個智力、能力測試,也終將面臨相應的哲學與倫理問題。

最後,Neuralink 的執行長馬斯克說過(對,又是他 XD),人類要不被 AI 拋下,或許就得靠生物晶片、生物技術來強化自己。面對現在人工智慧、機械改造、生物晶片各種選擇擺在眼前,未來你想以什麼樣的型態生活呢?

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

PanSci_96
1165 篇文章 ・ 1509 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

1

11
2

文字

分享

1
11
2
思考的極限:宇宙創造出「空間」與「時間」? ——宇宙觀的發展史(下篇)|19 世紀後
賴昭正_96
・2023/05/17 ・6928字 ・閱讀時間約 14 分鐘

國小高年級科普文,素養閱讀就從今天就開始!!
  • 文/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

空間與時間都根本不存在:它們只是分別用來說明物體間之相對位置與事件間之前後秩序的「語言」而已。沒有物體就沒有空間的必要;沒有事件就沒有時間的必要。
——賴昭正(不可能得到諾貝爾獎的科普作者)

宇宙在十六世紀以前一直被認為是宗教與哲學的範圍。圖/Envato Elements

宇宙的起源、歷史、與結構,在十六世紀以前,一直以人及地球為中心,被認為是屬於宗教與哲學的範圍。1543 年,哥白尼(Nicolaus Copernicus)粉粹了地球為宇宙中心的幻想;約百年後,伽利略(Galileo Galilei)改進了望遠鏡,並將其鏡頭轉向天空,開啟了觀測天文(observational astronomy)之門,並大力支持哥白尼之地球繞日的理論。

慢慢地,科學家不再須要依靠信仰來解決、而是利用科學儀器去「看」宇宙像什麼樣子及如何演化。又再約百年後,牛頓(Isaac Newton)用萬有引力及距離平方反比定律,解釋了一系列以前不相關的天上人間現象,並且可以計算出行星繞太陽的週期,使得天文學正如其它科學訓練一樣,不再是信仰的爭論,而是證據與理論的問題。

當天文學家了解到了人不可能是宇宙的中心時,科學家再沒有任何理由認為我們所處在的地方在宇宙中佔了一個很獨特的地位;同樣地,也沒理由認為我們所處在的時刻是個很特殊的時刻——稱為「宇宙學原理(Cosmology principle)」。顯然地,宇宙應該永遠就是那樣地存在,它沒有開始,也不會有終結。

膨脹的宇宙

如果星星可以自由移動,那麼宇宙還是不是靜態?圖/Envato Elaments

牛頓的力學統領了三百多年的物理學及天文學發展,直到 1905-1915 年間,愛因斯坦(Albert Einstein, 1897-1955)相繼地發表了狹義相對論及廣義相對論後才被修正。

愛因斯坦發表了他的重力場方程式後,當然也在思考著宇宙的問題;但卻發現他場方程式的解不可能是一個靜態的宇宙!為了符合當時的宇宙觀,二十世紀近代物理學革命先鋒的愛因斯坦竟然屈服於「共識」,修改其方程式來取得靜態解。

事實上早在 1718 年,英國天文學家哈雷(Edmond Halley,1656-1742)就發現了三顆明亮的恆星不再處於古代觀測所確定的位置,嚴重地質疑恆星固定位置的假設。而如果星星可以像正常的物理物體一樣地自由移動,那麼宇宙是不是靜態呢?

1922 年至 1924 年間,俄國數學家佛里曼(Alexander Friedmann,1888-1925)假設宇宙中物體的分佈是均勻(宇宙學原理),解廣義相對論場方程式,發現這些物質在空間的分佈只有三種可能:
從開始的一點,空間隨著時間增大而

  1. 慢慢趨近到一個定值;
  2. 永遠繼續膨脹增大;
  3. 膨脹一段時間後開始收縮。
圖/作者提供

1927 年,比利時魯汶天主教大學(Catholic University of Louvain)教授勒梅特(Georges Lemaître,1894-1966,麻省理工學院物理博士)神父也獨立地發現了佛里曼解;但因他對其物理意義比較感興趣,從中預測了真實的星系宇宙膨脹,得出距離我們越遠的星群後退速率應越快、但沒有人在意的革命性結論——愛因斯坦接受了他的數學,但拒絕了他的物理解釋。

1929 年,美國天文學家哈柏(Edwin Hubble,1889-1953)分析了一些從遙遠星群傳來之光譜的測量結果,發現其頻率很有系統地往頻率較低之紅色位移(red shift),其位移值隨星球離我們之距離的增加而加大。顯然地,遙遠星群是依一定的規則在遠離我們:距離我們越遠,後退速率越快——稱為「哈柏—勒梅特定律」(Hubble-Lemaître law)。

這無可避免的結論是:宇宙正處於一膨脹狀態!此一完全出乎意外的發現,改變了宇宙論這一研究的整個面貌!可惜在哈柏去世前,天文學顯然還是被認為是屬於宗教與哲學的範圍,因此他從未得到諾貝爾獎。

宇宙的開始

一個膨脹的宇宙是一個在改變的宇宙,因此應該具有生命的歷史。1931 年,勒梅特開始追溯宇宙的足跡,得出了他所謂的「原始原子假說」(primeval atom),在《自然》雜誌上發表了一篇 457 字的短文謂:

「如果我們回到過去,我們必須找到越來越少的量子,直到我們發現宇宙的所有能量都包含在幾個——甚或是一個獨特的——量子中。……,如果世界始於一個單一的量子,那麼空間和時間的概念在開始時完全沒有任何意義。……,我們可以以一個獨特原子的形式設想宇宙的開始,其原子量是宇宙的總質量。」

無神論宇宙學家霍伊爾(Fred Hoyle,1915-2001)因為不相信「原始原子假說」,在 1949 年諷刺地稱它為「大霹靂」(big bang),沒想到這一名詞竟然廣為科學家所接受的,稱勒梅特的宇宙觀為「大霹靂宇宙論」。

1979 年 12 月,麻省理工學院古士(Alan Guth,1947-)教授突然心血來潮,懷疑他的研究——超冷(supercooled)的希格斯場(Higgs field)——或許也適用於宇宙論。

美國理論物理學、宇宙學家 Alan Harvey Guth 亦是暴脹模型的創立者。圖/維基百科

古士的研究顯示,如果當初宇宙充滿了稱為急脹子(inflaton)的希格斯場,則在慢慢膨脹而冷卻下來時,這急脹子可能被困在一能量不為零的非常不穩定之超冷狀態。此狀態的急脹子因具負內壓,可以提供非常強大的排斥力,促成瞬間非常巨大的膨脹(「大霹靂」的原因)。

但因此一狀態非常不穩定,因此急脹只維持了大約 10-35 秒之久;但在這期間宇宙膨脹率隨著時間而急速加快的!在此之後,宇宙的膨脹率才因重力的關係又恢復到其越來越小的正常狀態!

此一巨大迅速加速膨脹不但能解釋為何現今的宇宙是如此地均勻;它甚至還告訴了我們現今我們所觀測到的宇宙,事實上只是整個宇宙中非常小的一部份!這正又說明了為什麼我們現今觀測到的宇宙是平的——正如大球表面上的一個小面積看起來是平的一樣。此一偶然發現,一下子解決了宇宙大霹靂論的三大謎題(詳見愛因斯坦的最大錯誤——宇宙論常數)!在大約 10-35 秒後,此一大霹靂才停止,急脹子才放出其多餘的超冷能量,產生我們現今所看到的一般物質與能量。

科學家稱此一改良的大霹靂宇宙論為「急脹宇宙論」(inflationary cosmology),原來之大霹靂宇宙論為「標準大霹靂宇宙論」(standard cosmological Big Bang model)。

宇宙沒有邊緣

一個以獨特原子「大霹靂」出來的時空當然應該是有界限的,有界限的時空當然應該是有邊緣的。可是如果有邊緣,那應該有很獨特的中心點,這不違反了「宇宙學原理」嗎?還有,邊緣的外面是什麼?如果是空間,那應該是「大霹靂」造出來的,應該是宇宙的一部分,所以宇宙應該是沒有邊緣的。

沒有邊緣的宇宙不一定必須是無限大的:愛因斯坦 1917 年提出的宇宙就是一個沒有邊界的有限宇宙:生活在二度球面上的怪人,它們生活的球面是有限的,但卻沒有邊界。球面不平,故可以彎回形成一個封閉的無邊緣空間;但如果宇宙的幾何是平的,不能彎回來,那麼宇宙便應該是無限大的,沒有邊緣的;儘管如此,宇宙的膨脹還是在繼續製造空間的,所以空間隨著時間變成「更無限大」。

圖/作者提供

時空的膨脹

我們對「膨脹」的了解都是置身事外、隔岸觀火的:像看正在膨脹的氣球,只見其體積越來越大。但是宇宙只有一個,我們不可能置身事外;而如果宇宙是無限大的,則不管我們在哪裡,都會覺得我們正處於膨脹中心點,正像球面上的任何一點,發現其它各點離我們之速率與其距離成正比(這正是哈柏的發現)。

還有,隔岸觀火讓我們可以看到氣球外的膨脹空間,我們可以量得在膨脹時氣球上任何一點對地球的「運動」速度;但如果我們置身正在膨脹的宇宙中,當然看不到宇宙外的膨脹空間。

不,等一等,宇宙是無限的,它怎麼還有「外面」讓它膨脹呢?當然沒有!所以現在的物理學家認為空間像氣球的表面一樣,是膨脹——不是運動——「製造」出來的!兩個物體的空間距離因膨脹——不是相對運動——而加大。

萊布尼茲(Gottfried Leibniz,1646-1716)終於戰勝了牛頓:沒有物質的地方就沒有空間,空間根本不存在,空間只是用說明物體之間的相對位置的「語言」而已。所以哈柏所測到的遙遠星群有系統地離開我們,並不是因為星群「運動」的結果——星群並沒有在牛頓之「絕對空間」中運動。

如果空間是被製造出來的想法很難接受,相信時間就容易瞭解多了!想一想:「現在」根本沒有「明天」,「明天」是在明天的「現在」才出現的,所以「明天」是製造出來的;「時間」是在膨脹,往現在不存在之「明天」膨脹;「現在」與「明天」之間沒有界限,所以時間應該沒有邊緣;沒有邊緣就沒有邊緣外是啥的問題!

而沒有邊緣、又是「我的青春小鳥一去不回來」(註一)的時間不應是無限大嗎……,所以宇宙的膨脹事實上不止製造了空間,同時也製造了時間!

西漢(公元前 202 年-公元 8 年)《淮南子》的首篇《原道訓》謂上下四方為之「宇」,古往今來為之「宙」;這句話闡明了「宇」就是空間,「宙」就是時間;宇宙就是時空,宇宙歷史就是製造時空的歷史!

宇宙歷史就是製造時空的歷史!圖/Envato Elements

宇宙年齡與黑暗夜空

如果時間是因為大霹靂而製造出來的,那現在的宇宙到底都老了?精確測量的「遙遠星系的速度及其距離比」(稱為「哈柏常數」)估計現在的宇宙年齡為 138 ± 10 億年。

2013 年,歐洲航天局的普朗克太空望遠鏡繪製了一張詳細的宇宙微波背景溫度之波動圖,估計宇宙的年齡為 138.2 ± 0.5 億年。去年 3 月 30 日,由約翰霍普金斯大學韋爾奇(Brian Welch)博士領導的一群天文學家宣布發現了有史以來最遠和最早的恆星:一個在 129 億年前(大霹靂之後 9 億年時)發出的光點。

哈柏對星系系統性紅外移的發現終於讓我們解決了牛頓之無限宇宙論與宗教之有限宇宙論間的衝突。

起初人們認為僅紅移效應就足以解釋為什麼夜晚的天空是黑暗的:來自遙遠星系中恆星的光會被紅移到可見光範圍之外的長波長。然而,現在共識是,宇宙的有限年齡是一個更重要的影響。即使宇宙在空間上是無限的,但由於光速及重力傳播速有限,來自遙遠星系的光子或重力根本還沒有足夠時間抵達到地球。

如果現在宇宙的年齡是 138 億年,那麼我們將感覺不到距離地球 138 億光年外的光或重力,而認為宇宙是有限的。我們稱這個半徑 138 億光年的球面內宇宙為「可觀測宇宙」(observable universe)。在這個宇宙視界內的星數大約 2 萬億個,太少了,無法使夜空明亮或將地球撕裂。

還有,如果牛頓當時知道宇宙是在膨脹,他根本不需要一種「無限而永恆」的神力來防止星雲被拉到一起。

獵戶座大星雲揭示了恆星與行星系統的形成過程。圖/維基百科

思想的貧乏

如果時空是大霹靂製造出來的,那在這之前根本沒有時空!沒有時空?那這大霹靂在什麼「地方」發生的?又為了解釋如果爆炸有中心點,那便違反了「宇宙學原理」,有些理論天文學家甚至提出大霹靂是「到處」同時發生的!可是「到處」不是空間嗎?……這不正是「先有雞還是先有蛋」的矛盾問題嗎?

儘管哲學家盧梭(Jean-Jacques Rousseau, 1712-1778)認為:「現實的世界是有止境的,幻想的世界則是無垠的」,但在寫這一節時,筆者還是一個頭兩個大!

紐約州立大學石溪分校的天體物理學家舒特兒(Paul Sutter)在去年 2 月 25 號的宇宙之外有什麼東西嗎?一篇文章結尾說:「如果這一切聽起來複雜而令人困惑,請不要擔心。……,這就是現代宇宙學的力量之一:它(數學)使我們能夠研究難以想像的事物。」

恐怕我們所能做的就是接受這些悖論並努力去適應它,就像前面提到之萬有引力,當初不是被認為是「魔法、神秘、非科學」嗎?但現在已經沒有人懷疑這種力之存在了。同樣地,近代的物理(相對論、量子力學)裡不也是充滿了很多違反我們日常生活邏輯的奇怪觀點嗎?

宇宙又再次加速膨脹

1998 年加州大學伯克萊分校(University of California, Berkeley)的波米特兒(Saul Perlmutter)及澳洲國立大學(Australia National University)的思密特(Brian Schmidt)相繼宣佈超級新星 la 型的數據顯示,在大霹靂後的 70 億年,宇宙的膨脹率又再次加速了!約翰霍普斯金大學(Johns Hopkins University)的雷斯(Adam Riess)於 2006 年再次肯定了這些觀查結果。

此一發現再次重寫了人類對宇宙演化的看法,因此諾貝爾獎委員會將 2011 年的物理獎發給這三位科學家。

真是一波剛平,一波又起!好不容易物理學家總算了解了大霹靂的原因,在它之後宇宙的膨脹因為萬有引力的關係應該逐漸慢下來,怎麼現在它的膨脹又加速了?牛頓重力只有相吸的作用,因此要解釋此一加速膨脹,看來只有求助於愛因斯坦那修改方程式內之「宇宙論常數」(cosmological constant)了。

不錯,波米特兒及思密特思考著:在大霹靂(急脹)後,宇宙靠大霹靂時的衝力(物理學上稱為慣性)而繼續膨脹,但因萬有引力的關係,膨脹速率將越來越慢;可是如果真有愛因斯坦的宇宙論常數,則因其排斥強度不會隨宇宙膨脹而降低(萬有引力則會因宇宙膨脹而降低),它總有一天它會強過萬有引力,使宇宙的膨脹率由減速再次變成加速!這一天顯然就發生在他們所發現之大霹靂後約 70 億年時!

可是愛因斯坦的宇宙論常數是啥東西呢?沒有人知道,但一定不是普通的物質,否則早就應該被發現了——因此科學家稱它為「暗能量」(dark energy)。物理學家及天文學家正努力地在尋找此一充滿了宇宙、及必須具有負內壓的怪物。

宇宙膨脹的藝術構想圖。 圖/維基百科

結論

今日大部分的天文學家都認為宇宙是平的(佛里曼解 1),是在膨脹、沒有界限、無限大的。黑洞及重力波的相繼發現鞏固了廣義相對論在現今宇宙研究的理論地位。我們現在所看到的宇宙只是整個宇宙之一小部分而已;138 億年前離我們最遠那些星群因為宇宙加速膨脹的關係,事實上現在都已經離我們 460 億光年了(因為不是運動造成的,它們可以以大於光速的速度遠離我們)。

很難想像一個沒有邊緣、無限大的空間是什麼樣子?在那裡又如何能不停地製造出空間來?……,這些無法理解的「矛盾」邏輯或許正是羅素(Bertrand Russel,1872-1970)所說的「認為事物必須有一個開始(邊緣、大小、結束、……)的想法,實際上是由於我們思想的貧乏」?或普朗克(Max Planck,1858-1947)所說的:「科學無法解開自然界的終極奧秘,因為歸根結底,我們自己是我們試圖解開的謎團的一部分」?

這使筆者想到:人工智慧是人類製造出來的,它能像我們一樣創造出牛頓力學、相對論、量子力學嗎[註2]?甚或超越人類創造出一個沒有「矛盾」的宇宙觀嗎?

筆者在「日常生活範式的轉變:從紙筆到 AI」一文裡最後提到:或許筆者下篇文章已經不是自己寫的了。讀者認為本文是人工智慧代寫的嗎?為什麼?

註解

  1. 黃駱賓:《青春舞曲》
  2. 筆者覺得不可能,因為筆者認為創造是屬於靈感和直覺的非理性活動,無法表達的;愛因斯坦曾謂:「我很少用語言思考。(雖然)一個想法出現了,我可能會嘗試用文字來表達它」。當我們無意識地思考時,邏輯及演繹推理就被拋在腦後;愛因斯坦曾謂:「我從來沒有通過理性思考的過程做出任何發現」。
    人工智慧有能夠有靈感、直覺、或無意識的思考嗎?還有,科學上不少大發現都是意外的,例如注意到胰臟被割除之狗,小便過的地板上蒼蠅特別多而發現了胰島素,忘了收拾細菌培養皿就去度假而發現了盤尼西林,錯誤的假設發現了量子統計力學等等。人工智慧如何「學習」或碰到這種運氣呢?

延伸閱讀

  1. 賴昭正:《我愛科學》(華騰文化有限公司,2017 年 12 月出版):「量子統計的先鋒——波思」(科學月刊,1971 年 4 月號),「牛頓的水桶」(科學月刊,2011 年 8 月號),「愛因斯坦的最大錯誤——宇宙論常數」(科學月刊,2011 年 12 月號) ,「暗物體與暗能量」(科學月刊,2014 年 6 月號),「愛因斯坦其實沒那麼神?」(泛科學,2016/03/16)。
  2. 50年的追尋-宇宙之演化(科學月刊,2019 年 8 月號)。
  3. 宇宙是靜態還是在膨脹?又是誰先發現宇宙微波背景輻射?(泛科學,2022/04/22) 。
  4. 從圓周率與無理數,談數學也有其無法理解、不精確、和不確定性(泛科學,2019/06/03)。
  5. 賴昭正譯(P.C.W. Davies 原著):《近代宇宙觀中的空間與時間》(新竹國興出版社,1981 年 8 月出版)。
所有討論 1
賴昭正_96
37 篇文章 ・ 40 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

3
2

文字

分享

0
3
2
透過 AI 繪圖原理,你就知道怎麼訓練做圖生成!
PanSci_96
・2023/04/29 ・2014字 ・閱讀時間約 4 分鐘

國小高年級科普文,素養閱讀就從今天就開始!!

AI 生圖是透過訓練模型學習自行生成圖像,而電腦繪圖則是由使用者透過軟體或工具手動繪製圖像。

儘管可能較缺乏人工繪圖的細節與創意,但是都是由 AI 自己生成,每張絕無僅有,這樣應該也算是有些創意吧?

究竟這個「安能辨我是 AI」的新時代,到底是怎麼突然降臨的呢?

現代魔法師的誕生

現在夯、猶如魔法的 Midjourney,使用者針對想要創作的內容和風格,給出關鍵字如 Hyper realistic、Xerox Art、masterpiece、underwater,以及畫面比例等參數,甚至是特定藝術家的名字,大約 30 秒到 1 分鐘,就能完成作品,對一般民眾來極容易上手。

如果生成出不對勁的怪圖,只要請它參照範例、補充關鍵字,或是你本身就有一點修圖能力,就可以產出高品質的美圖。因此,我們也可以說這是一種能和 AI 繪師對話的語言介面,新的職業「AI 溝通師」也隨之出現。

AI 生圖其實也不是什麼新技術,早就有人採用一種名為 GAN 的對抗式生成網路的演算法來生成圖片。在 2018 年也有人用來生成某種藝術作品,並拍賣出高價,當然在當時與其說是美麗的藝術,其實更多是個噱頭。

從模仿到創造

為了達成「創新」,AI 研究者放棄了 GAN 中讓 AI 互相競爭找出「最佳解」的對抗式思維,提出一種名為「Diffusion model」擴散模型的新概念。

如果觀察 Stable diffusion 或 Midjourney 生圖過程,可以發現到,圖片會從一團什麼都沒有的雜訊開始,逐漸出現五官、輪廓等特徵,最後才變成有著豐富細節的精緻畫作。

擴散模型的去噪過程。圖/維基百科

Diffusion model 在訓練時則是會先看到一張完整照片,接著依照馬可夫鏈的過程,以高斯分布的方式往圖片上加入隨機噪點。待整張圖變成一團雜訊,等它學會從一張圖到混亂雜訊的過程後,再習得如何從混亂雜訊中生成圖的能力;於每一步加噪的過程中學會降噪,使用時間鉗形攻勢,完成雙向學習。

Diffusion model 在接下來的訓練中,會不斷調整自己的參數,學習自己生成圖片。這個訓練好的 Diffusion model 其實就像個大型藍色窗簾機器人,從雜訊中抓出特定特徵,例如看到兩點一線,就說是人類的眼睛與嘴巴,接著漸漸畫出人類的面貌。

過程中還會加上一個名為「變方自編碼器」(Variational Auto-encoder ,VAE)的加持,使它輸出的不只是原本的訓練或輸入的圖片,而是真正能夠「無中生有」的連續性畫素,而這就是擴散模型被稱為生成模型的原因。另外,隨著步驟越多,解析度或細節可以更高,每一次相同的關鍵字或輸入圖檔,經過模型輸出的結果都有著不確定性。

從二維到三維

當你以為畫奇幻插畫和二次元美少女就是極限了,最新進展絕對更令人大開眼界!

前陣子開發出來的模型,能讓使用者自己上傳作品或相同風格的畫風,來產出更多樣化的素材。例如不久前在日本被下架的 mimic;而 DALL-E 則推出 Outpainting 功能,例如輸入知名畫作,它會替其擴張圖片,算出可能的背景樣式。

DALL-E 算出知名畫作《戴珍珠耳環的少女》的可能背景樣式。圖/OpenAI

若再將繪圖 AI 訓練到不只能輸出圖片,甚至能輸出擬真的照片呢?已經有人這麼做了。

最近最紅的生成模型,可以把疫情期間我們一張張戴口罩的照片全自動 PS 出嘴巴鼻子、輕易更換穿搭風格等。新出的 AI 繪圖軟體 ControlNET,甚至只要提供骨架甚至幾個線條,就能繪出相同姿勢的人物圖像。

如果我們能夠生成無法辨別的真人外觀,再搭配已經有的 3D 骨架建模生成模型,豈不是可以達成科幻電影「虛擬偶像(Simone,2002)」的劇情,生成一個假演員來演戲拍廣告!

這些 AI 生成模型其實都只是為我們所用的工具,這波 AI 繪圖師的加入,肯定會大量取代中階以下的商用和插畫家的需求,並解決業主和設計師之間的溝通成本,各家美術或遊戲公司紛紛開出 AI 溝通師的職缺。追隨主流審美的人類繪師受創最深,而對已有強烈藝術風格的大師或非主流藝術家來說,目前相對不受影響。

使用 AI 完成的藝術作品。圖/GIPHY

AI 繪圖工具的出現,掀起了一股巨浪。如今不僅有人能利用 AI 生成作品得獎,也開始能看到有人使用 AI 創作進行營利、販售。

然而創作領域中模仿、挪用、抄襲、致敬等等的問題在 AI 出現以前就是個難解之題,來到大生成時代,這類問題只會越來越多,我們又該如何面對它呢?

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

PanSci_96
1165 篇文章 ・ 1509 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。