【2022 年搞笑諾貝爾安全工程獎】交通安全麋鹿有責！用假麋鹿守護行車和平！

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪撰文／田偲妤
• 美術設計／蔡宛潔

AI 的誕生，文理缺一不可

人工智慧（Artificial Intelligence，簡稱 AI）在 21 世紀的今日已大量運用在生活當中，近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等，都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維，除了仰賴工程師的先進技術，更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員，帶大家釐清什麼是 AI？文科人與工程師合作時，需具備什麼基本 AI 知識？AI 如何應用在人文社會領域的工作當中？

詩詞大對決：人與 AI 誰獲勝？

一場緊張刺激的詩詞對決在線上展開！人類代表是有「AI 界李白」稱號的蔡宗翰研究員，AI 代表則是能秒速成詩的北京清華九歌寫詩機器人，兩位以「人工智慧」、「類神經」為命題創作七言絕句，猜猜看以下兩首詩各是誰的創作？你比較喜歡哪一首詩呢？

答案揭曉！A 詩是蔡宗翰研究員的創作，B 詩是寫詩機器人的創作。細細賞讀可發覺，A 詩的內容充滿巧思，為了符合格律，將「類神經」改成「類審經」；詩中的「福落天赦」是「天赦福落」的倒裝，多念幾次會發現，原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯；而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯，整首詩創意十足，充滿令人會心一笑的魅力！

相較之下，B 詩雖然有將「人工」兩字穿插引用在詩中，但整體內容並沒有呼應命題，只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝！

由此可見，當前的 AI 缺乏創作所需的感受力與想像力，無法做出超越預先設定的創意行為。然而，在不久的將來，AI 是否會逐漸產生情感，演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人？

AI 其實沒有想像中聰明？

近期有一則新聞「AI 有情感像 8 歲孩童？Google 工程師爆驚人對話遭停職」，讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示：「當前的 AI 還是要看過資料、或是看過怎麼判讀資料，經過對應問題與答案的訓練才能夠運作。換而言之，AI 無法超越程式，做它沒看過的事情，更無法替人類主宰一切！」

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言，多半是因為我們對 AI 的訓練流程認識不足，也缺乏實際使用 AI 工具的經驗，因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上，更延伸到文科人與理科人的合作溝通上，因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識，不僅能讓跨領域的合作更加順利，還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是，由於文科人不了解 AI 的訓練流程，因此對 AI 產生錯誤的期待，認為辛苦標注的上千筆資料，應該下個月就能看到成果，結果還是錯誤百出，準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚，兩方就會陷入僵局，導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議：

如果文科人了解基本的 AI 訓練流程，並在每個訓練階段協助分析：錯誤偏向哪些面向？AI 是否看過這方面資料？文科人就可以補充缺少的資料，讓 AI 再進行更完善的訓練。

史上最認真的學生：AI

認識 AI 的第一步，我們先從分辨什麼是 AI 做起。現在的數位工具五花八門，究竟什麼才是 AI 的應用？真正的 AI 有什麼樣的特徵？

基本上，有「預測」功能的才是 AI，你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現，而且人類手工操作就辦得到，那就不是 AI。

蔡宗翰研究員以今日常見的語音辨識系統為例，大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話，你會發現自己無法事先知曉將產生什麼文字或回應，結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同：AI 無法百分之百正確！

因此，AI 的運作需建立在不斷訓練、測試與調整的基礎上，盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段，工程師彷彿化身老師，必須設計一套學習方法，提供有助學習的豐富教材。而 AI 則是史上最認真的學生，可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI，讓其根據工程師所定義的資料相似度算法，逐漸學會將相似資料分在同一堆，再由人類檢視並標注每堆資料對應的類別，進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI，讓其逐漸學會將任意資料對應到正確答案。

學習到一定階段後，工程師會出試題，測試 AI 的學習狀況，如果成績只有 60、70 分，AI 會針對答錯的地方調整自己的觀念，而工程師也應該與專門領域專家一起討論，想想是否需補充什麼教材，讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作，也可能因為時事與技術的推陳出新，導致準確率下降。這時，AI 就要定時進修，針對使用者回報的錯誤進行修正，不斷補充新的學習內容，讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後，蔡宗翰研究員建議：文科人可以看一些視覺化的操作影片，加深對訓練過程的認識，並實際參與檢視與標注資料的過程。現在網路上也有很多 playground，可以讓初學者練習怎麼訓練 AI，有了上述基本概念與實務經驗，就可以跟工程師溝通無礙了。

AI 能騙過人類，全靠「自然語言處理」

AI 的應用領域相當廣泛，而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因，他充滿自信地回答：因為自然語言處理是「AI 皇冠上的明珠」！這顆明珠開創 AI 發展的諸多可能性，可以快速讀過並分類所有資料，整理出能快速檢索的結構化內容，也可以如同真人般與人類溝通。

著名的「圖靈測試」（Turing Test）便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代，傳奇電腦科學家艾倫・圖靈（Alan Turing）設計了一個實驗，用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好，並派一個人操作終端機，再找一個第三者來進行對話，判斷從終端機傳入的訊息是來自 AI 或真人，如果第三者無法判斷，代表 AI 通過測試。

換而言之，AI 必須擁有一定的智力，才可能成功騙過人類，讓人類不覺得自己在跟機器對話，而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在：人文研究文本分析、新聞真偽查核，更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料，追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化，而大量數位化的經典更被主動分享到「Chinese Text Project」平台，讓 AI 自然語言處理有豐富的文本資料可以分析，包含一字不漏地快速閱讀大量文本，進一步畫出重點、分門別類、比較相似之處等功能，既節省整理文本的時間，更能橫跨大範圍的文本、時間、空間，擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的？就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋，由鎮江、杭州一帶的說書人所創作，著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉，才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素，接著用這批標記好的語料來訓練 BERT 等序列標注模型，以便將「文本向量化」，進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現，白蛇傳的原型可追溯自印度教的那伽蛇族故事，傳說那伽龍王的三女兒轉化成佛、輔佐觀世音，或許與白蛇誤食舍利成精的概念有所關連，推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外，故事的雛型可能早從唐代便開始醞釀，晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事，而法海和尚、金山寺等關鍵人物與景點皆真實存在，金山寺最初就是由唐宣宗時期的高僧法海所建。

在 AI 的協助之下，我們得以跨時空比較不同文本，了解說書人如何結合印度神話、唐代傳奇、在地的真人真事，創作出流傳千年的白蛇傳經典。

最困難的挑戰：AI 如何判斷假新聞

除了應用在人文研究文本分析，AI 也可以查核新聞真偽，這對假新聞氾濫的當代社會是一大福音，但對 AI 來說可能是最困難的挑戰！蔡宗翰研究員指出 AI 的弱點：

如果是答案和數據很清楚的問題，就比較好訓練 AI。如果問題很複雜、變數很多，對 AI 來說就會很困難！

困難點在於新聞資訊的對錯會變動，可能這個時空是對的，另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器，可輸入當前的新聞讓機器去判讀真假，但過一段時間可能會失準，因為新的資訊源源不絕出現。而且道高一尺、魔高一丈，當 AI 好不容易能分辨出假新聞，製造假新聞的人就會破解偵測，創造出 AI 沒看過的新模式，讓先前的努力功虧一簣。

因此，現在多應用「事實查核法」，原理是讓 AI 模仿人類查核事實的過程，尋找權威資料庫中有無類似的陳述，可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊，致力於建立英文事實查核法模型所能運用的資源，並透過舉辦國際競賽，廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後，也與合作夥伴事實查核中心及資策會討論，正著手建立中文事實查核法模型所需資源。預期在不久的將來，AI 就能幫讀者標出新聞中所有說法的資料來源，節省讀者查證新聞真偽的時間。

AI 的無限可能：專屬於你的療癒「杯麵」

AI 的未來充滿無限可能，不僅可以成為分類與查證資料的得力助手，還能照護並撫慰人類的心靈，這對邁入高齡化社會的臺灣來說格外重要！許多青壯年陷入三明治人（上有老、下有小要照顧）的困境，期待有像動畫《大英雄天團》的「杯麵」（Baymax）機器人出現，幫忙分擔家務、照顧家人，在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式，新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」（Nadine），由感知、處理、互動等三層架構組成，可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境，並將上述資訊發送到處理層。處理層會依據感知層提供的資訊，連結該用戶先前與娜丁互動的記憶，讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象，或對陌生事物感到不安，常選擇靜默不語，需要照護者主動引導。因此，娜丁內建了注視追蹤模型，當偵測到住戶已長時間處於被動狀態，就會自動發起話題。

實驗發現，在娜丁進駐長照機構一段時間後，住戶有一半的天數會去找她互動，而娜丁偵測到的住戶情緒多為微笑和中性，其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

至於未來的改進方向，研究團隊認為「語音辨識系統」仍有很大的改進空間，需要讓機器人能配合老年人緩慢且停頓較長的語速，音量也要能讓重聽者可以清楚聽見，並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人，首要任務就是要開發一套臺灣人專用的 AI 語言模型，包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型，期待政府能整合學界與業界的力量，降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感，但卻可以成為人類大腦的延伸，協助我們節省處理資料的時間，更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨，如何讓自己的行事邏輯跟上 AI 時代，讓 AI 成為自己的助力，是值得你我關注的課題。

延伸閱讀

• 蔡宗翰（2022）。寫給中學生看的 AI 課：AI 生態系需要文理兼具的未來人才。三采文化出版。
• Tulsulkar, G., Mishra, N., Thalmann, N.M. et al (2021). Can a humanoid social robot stimulate the interactivity of cognitively impaired elderly? A thorough study based on computer vision methods. Vis Comput 37, 3019–3038.

「欸欸你知道嗎隔壁班的雅婷又換一個男朋友了啦，而且看起來比她大很多歲耶！」

「我同事的弟弟的老公的姊姊的小孩，最近考上醫學系但又說他不想當醫生啦，現在的小孩吼⋯⋯」

你是個喜歡八卦的人嗎？根據維基百科上面的定義，八卦一般指的是閒言閒語、對他人說長道短，也常被用來代稱為演藝圈的小道消息、緋聞等。但如果讓我對八卦做名詞釋義的話，大概就是「關心身旁朋友身體健康感情糾葛工作學業順不順利」這種與朋朋間的正向交流（眨眼比心）。

身為一位喜歡與朋朋交流八卦的人，資訊的正確性就很重要了。但要怎麼知道這個八卦內容是真是假？今年（2022）搞笑諾貝爾和平獎用數學模型告訴你答案：人們傾向對想合作的人說真話，對不願為伍的人說假話。

講八卦到底有什麼幫助？

「我絕對不可能得到諾貝爾獎，這大概是我最接近諾貝爾獎的一次！」今年和平獎的得獎研究來自一個跨國合作團隊，成員之一的艾希特大學（University of Exeter）管理學教授 Kim Peters ，在接受澳洲科普媒體 COSMOS 訪問時說到。

在研究領域中，「八卦」的定義其實非常廣泛，只要我們跟他人聊到當事者，而那個當事者恰好不在現場的時候，就會被認定是在講八卦——這幾乎是我們每天都在做的事！但講八卦到底有什麼幫助？Kim Peters 說明，八卦其實可以幫助我們更了解社會環境。例如誰該相信、誰又是個騙子，這也對我們在社會互動中選擇跟哪些人合作、做出哪些行為而言相當重要，可以幫助人們更適應社會生活。

讓我們回到研究內容，雖然八卦對人們的社會生活來說很重要，但我們要怎麼在這個真真假假的花花世界中，知道八卦的內容是真、是假？為了分辨出八卦的真假、哪些人會對你說真話，研究團隊以經濟學中的訊號理論（signaling theory）、適應性相互依賴（fitness interdependence）為基礎設計了一個新的分析模型。

用訊號理論當基礎建立一個分析模型

先來談談什麼是訊號理論。假設今天有A、B兩個人要進行交易，A就會對B釋出一部分自己商品的內容，讓交易能夠順利完成；若是將交易的物品換成「資訊」的話，資訊提供者A就會對資訊接收者B說出這項資訊的一部分內容，以最大化自己最終能得到的效益。而「誠實訊號」（honest signaling）模型，則是用來分析在什麼條件下這種效益最大化可以導致誠實均衡（honest equilibrium），也就是B從A那邊獲取可靠的資訊後，可以反過來幫助A得到更多的效益。由於要完成一個八卦的最小單位是三個人——發出訊息的八掛者、接收者、被談論的目標，若是想分析真、假八卦與人際互動之間的關係，就不能直接挪用訊號理論。

為了建立分析模型，團隊還需要另一個理論基礎——適應性相互依賴，描述了生物體之間的相互影響。生物體之間適應性相互依賴的高低，能以利害關係指數（stake index, s）表示，這項指數能顯示一個人的適應度變化與另一個人適應度變化的相關程度。例如A、B兩個人共同工作以維持生計，那麼彼此之間的福祉就會取決於另一個人是否做得好。正適應性相互依賴（s>0）顯示個體對彼此的生存、繁衍有正面影響；負適應性相互依賴（s<0），則代表個體對彼此的生存、繁衍為負面影響；當然也可能有不存在適應性相互依賴（s=0）的情況產生，表示個體對彼此的生存、繁殖沒有任何影響。

結合訊號理論與適應性相互依賴，團隊假設八卦者會選擇一種八卦策略（說真話、說假話）以最大化他們的效益。而八卦者要選擇說真話、假話，又會取決於八卦者與接收者、目標之間之間的適應性相互依賴程度，這些原因共同組成了八卦三元組（gossip triad，圖一）。

在分析模型中套入四種不同的依賴關係

在模型建立好之後，團隊透過四種遊戲分析八卦者與目標、接收者之間不同的適應性相互依賴關係：

1. 獵鹿遊戲：共同合作，接收者與目標互利
2. 雪堆遊戲：共同合作，但只對接收者有利
3. 幫助遊戲：共同合作，但只對目標有利
4. 懲罰遊戲：有懲罰代價，以背叛為主的遊戲

實驗時，八卦者會決定對接收者說真／假八卦，接收者則會在遊戲中與目標互動。而透過模型分析，團隊發現八卦者能得到的效益以及他決定說真話／假話，將會取決於他與接收者、目標之間的相互依賴關係是正向或負向：

1. 當八卦者與接收者、目標的整體適應度相互依賴關係為正，這項合作對接收者、目標都有利時，八卦者會傳遞真的訊息（獵鹿遊戲）
2. 在對接收者有利的情況下，若八卦者與接收者的相互依賴關係比較高，那麼八卦者會傳遞真的消息（雪堆遊戲）
3. 在對目標有利的狀況中，當八卦者與目標的相互依賴關係比較高，則八卦者也會傳遞真的消息（幫助遊戲）
4. 由於懲罰會降低接收者與目標的效益，如果八卦者與接收者、目標的整體相互依賴關係為負，八卦者也會選擇誠實（懲罰遊戲）

若將上面的結果講得白話一點，你可以想成：

• 果果、千千、梅梅是好朋友（整體相互依賴關係高），如果千千跟果果說：「梅梅玩遊戲課金花了快十萬！」的八卦時，千千說的話大概是真的 ʕ •ᴥ•ʔ
• 可可跟安安很好（相互依賴關係高），但可可超討厭花花（相互依賴關係低），當可可跟安安說：「欸花花昨天上完廁所沒洗手！」的八卦時，就有可能是可可在說謊 ಠ_ಠ

所以說八卦真的有助於世界和平嗎？

Kim Peters 表示，人們「說謊」是為了幫助盟友、傷害競爭對手。當你是八卦訊息的接收者時，你跟八卦者的之間關係、八卦者與被談論者之間的關係是正向或負向，將決定他說的是真話還是假話。這項模型解釋了人們為什麼會選擇分享真／假八卦，而其實我們在生活中也常直覺性的應用這個概念去分辨話題內容的真假。

所以這項研究真的能幫助世界和平嗎？「我是覺得這有點誇大了啦！」Kim Peters 笑著說。雖然八卦有助於人們的社會生活、維持社會的良好運作，但畢竟也不是每個人都喜歡被他人在背後議論（尤其是那些假消息）。此外，我們也要注意談論八卦可能對他人帶來的影響。在未來，當有人跟你分享他人的負面訊息時更要記得採取保留態度，以避免自己被錯誤的訊息欺騙，而後又將假消息傳播出去！

參考資料

• Honesty and dishonesty in gossip strategies: a fitness interdependence analysis
• Gossiping for Peace: 2022 Ig Nobel prize winners, or losers?

旋鈕多大才好轉？誰知道啊！

有些問題是生活中不斷遇到，卻從來不會加以思索的。像是當你在開車時調整車上的冷氣溫度，還有聽音樂時調整藍芽音響的音量與音色。此時，指尖所操控的旋鈕該做多大，才是最好轉的呢？

「誰知道啊！」你心裡這麼想。

這種日常體驗的問題看似微不足道，但其實就是產品設計和工業設計這類領域最關注的焦點，甚至能幫你贏得搞笑諾貝爾獎！

本年度的搞笑諾貝爾獎頒獎典禮在線上舉辦，表揚世界各地的研究者如何用專業能力探討奇妙的問題。今天要介紹的工程學獎，頒給了日本千葉工業大學的松崎元教授，以及他扎實的研究論文《如何用手指操控柱狀旋鈕》。透過實驗室中的實際測量，松崎教授紀錄了人們使用各種大小的旋鈕時，如何下意識地將不同手指放在不同位置來操作。

當我們看見一顆旋鈕，我們會透過目測其大小，來決定該用怎麼樣的手勢轉它。如果是直徑一公分左右的小旋鈕，我們會選擇只用拇指和食指來操作，更多的手指只會徒增不便；但如果是快十公分的大旋鈕，就需要動用四五根手指。這個決定不單純只是個人偏好，而是跟人類手掌和手指的構造有關聯。只有某種握法才是最舒服方便的。

此外，通常看到旋鈕就直接給它轉下去了，不會在旋鈕上面嘗試並修正來達成「最佳觸感」。也就是說，這個決策過程從小多次練習後，已經完全變成下意識的過程，只能透過實際測試結果來描繪。

下意識的選擇，只有做實驗才知道

在實驗室中，松崎教授的透明桌面上平放一個白色的圓形旋鈕，並請 32 名受試者順時針旋轉這個旋鈕，並從桌面下的攝影機捕捉人們手指的位置。旋鈕的直徑從七毫米到十三公分，總共 45 種。結果顯示，當旋鈕越大，動用的手指數量越多（一如預期）。只要旋鈕直徑超過五公分，大多數受試者便會開始使用五根手指。

根據所有受試者的統計結果，松崎教授整理出了上方這個十分優雅的圖表。標靶一般的同心圓代表各種大小的旋鈕。圖下半的粗黑直線是基準線，所有測試結果的拇指位置統一對齊這條線，以利進行比較。上方的四條曲線，由左到右分別是食指到小指的位置，虛線則是統計標準差（當然，實際上的實驗結果應該是一個一個離散的點，這裡簡單地用二次曲線進行擬合，比較好看）。

這張圖總結了不同旋鈕大小的情況下，人們手指位置如何變化。有趣的是，隨著旋鈕變大，四根手指的位置並非簡單地輻射向外，而是呈現螺旋狀。猜測是跟手掌張開並旋轉的方式有關。這種細微的趨勢不做實驗還真猜不到。

不是為了搞笑，每份研究都超認真

這份研究其實在 1999 年就已經發表，時隔二十多年獲得搞笑諾貝爾獎。儘管中文翻譯是「搞笑」諾貝爾獎，但是包括松崎教授在內的所有獲獎者，可是從來沒有要搞笑，而是以非常專業的態度在做他們的工作，這些研究成果也都發表在正式的期刊。自 1999 年的旋鈕研究之後，松崎教授又相繼研究了提袋握把和雨傘握把，可說是精通抓握之道的男人。

松崎教授表示，他很樂見這個獎項讓更多人開始關注設計工程的領域。這門學問專注於探索人與物品之間的關係，並藉此創造最舒適的使用體驗，打造出實用的工業產品。

更多有趣的研究，請到【2022 搞笑諾貝爾獎】

參考資料

1. Japanese professor wins Ig Nobel prize for study on knob turning
2. Japanese researchers win Ig Nobel for research on knob turning
3. 松崎元, 大内一雄, 上原勝, 上野義雪, & 井村五郎. (1999). 円柱形つまみの回転操作における指の使用状況について. デザイン学研究, 45(5), 69-76.