0

4
2

文字

分享

0
4
2

醫生開刀時,大腦的同理心訊號超弱?別緊張!同理心是可以調節的——專訪國立陽明交通大學神經科學研究所特聘教授 鄭雅薇

F編(JIATING)_96
・2023/01/10 ・4050字 ・閱讀時間約 8 分鐘

-----廣告,請繼續往下閱讀-----

你有想過可以透過腦波,研究人類的同理心是怎麼運作的嗎?

小時候老師常說,「人之初,性本善」,這件事的真假可以透過科學驗證嗎?(摸摸自己的良心,就問你怕不怕)

讓我們從「社會認知神經科學(Social Neuroscience)」出發,或許可以給你一個想像不到的答案。

什麼是「社會認知神經科學」?

2000 年,美國心理學家 John Cacioppo 開始研究人類的「寂寞感(loneliness)」,專注於討論寂寞感對人身心健康的影響。「社會神經科學(Social Neuroscience)」、「社會認知神經科學(Social Cognitive Neuroscience)」一詞也因此誕生,一個嶄新的研究領域,就此展開。

-----廣告,請繼續往下閱讀-----
美國心理學家 John Cacioppo,開創了社會神經科學的領域。 圖/wikmedia

近似於認知神經科學( Cognitive Neuroscience),都是研究人類的心智,惟社會認知神經科學特別聚焦於「社會(social)」上,探討社交互動時人類心智的運作。

因為社會互動的複雜性,這也是一門跨領域的學科,範圍包括社會心理學、發展心理學、哲學,或甚至數學或醫學等。

如何看到「同理心」?同理心研究的起源

人類對於同理心的好奇心一直沒有停過,但同情心沒有實體,他深藏在我們的內心,科學家要如何才能測量跟觀察呢? 2004 年,德國心理學家 Tania Singer,想到透過功能性磁振造影(fMRI)來「看」同理心。

德國心理學家 Tania Singer,開啟了透過腦神經網絡研究同理心的先河。 圖/wikipedia

有別於以往用問卷去蒐集相關的資料,為了要有明顯的實驗標的,研究團隊選擇用「痛(pain)」這個刺激,並找來他們認為同理心最強的實驗人選——大學裡熱戀中的女生。他們請受試者躺在 fMRI 裡,先想像自己被電,再來看著幾何圖形想像自己的男朋友被電。

-----廣告,請繼續往下閱讀-----

Tania Singer 等人觀察到,受試者想像自己被電,與想像男友被電時,腦中有部分重複產生反應的區域,前腦島(anterior insula)與前扣帶皮層(anterior cingulate cortex),她認為那就是人類的「同理心」。

但是他們也同時發現,當受試者想像他人被電時,大腦中感覺皮質,並沒有像自己被電時一樣產生反應。因此他們認為,當我們面對他人疼痛時,只能同理他的難過感受,並沒有辦法同理他的疼痛強度。

雖然這樣的結論,還有很多待討埨的地方,但  Tania Singer  用「痛」做的研究成為了一個很好的範例。科學家們受到啟發後,開始進行各種觀察自我疼痛與他人疼痛之間大腦反應的實驗(開始到處戳人)

編按:之後,發表在《Nature Neuroscience》的義大利的團隊,利用穿顱磁刺激儀(TMS,Transcranial magnetic stimulation)重新去驗證看見他人疼痛時,感覺皮質是否真的不會參與?

這次他們直接讓受試者看到別人被針扎,以及被棉花棒碰一下。結果發現當受試者看到別人被針扎時,大腦的感覺皮質產生的電位下降比較大,相對于棉花棒,電位變化就沒有那麼大。代表我們對於他人的疼痛程度,還是可以同理的。

導致兩個實驗結果不同的影響原因,有可能是 Tania Singer 是請受試者看著符號想像別人被電,而並非真實到看被刺痛的影像。

這些看到他人疼痛,就會產生反應的腦區,就是人類平常處理同情心的地方嗎?但我們的大腦中,其實並沒有特定的區塊專門處理同理心。

-----廣告,請繼續往下閱讀-----
這些看到他人疼痛,就會產生反應的腦區,就是人類平常處理同情心的地方嗎?但我們的大腦中,其實並沒有特定的區塊專門處理同理心。圖/pixabay

大部分人都會直覺性的認為,大腦的每個部分都有特定的作用,各司其職,但可惜事實往往沒有想像中那麼簡單。

首先因為實驗中大部分都是用痛覺的刺激來做實驗,所以研究人員也就不約而同看到這些位置。這背後代表了,這些區域的工作可能也包含了我們對痛覺的反應與處理。

再者,人類的大腦功能多樣,但大小有限,所以每個腦區其實都是多工的。因此在研究中也會發現,這個腦區可能同時處理社交互動、決策,或者情緒之類的。

除了以上這 2 個原因之外,或許我們還需要問問「同理心是什麼?」

-----廣告,請繼續往下閱讀-----

共感=同理心嗎?「情感同理心」與「認知同理心」

2006 年,有科學家發表了鏡像神經元(Mirror neurons)這個詞 ,表示大腦中的前運動皮質與頂下小葉(Inferior parietal lobule)這兩塊偏管理動作的腦區,在看到別人做動作的時候也會有反應,就像兩個小朋友在玩模仿遊戲(Mirror game)一樣。

在看到別人做動作的時候也會有反應,就像兩個小朋友在玩模仿遊戲一樣。圖/giphy

有許多人也認為,鏡像神經元的機制可以完美的解釋,為什麼人可以理解另外一個人,甚至人與人之間是因此才有辦法進行社交互動。

但也有另一派人認為不是如此,他們太小看人類了,人沒有那麼簡單,同理心也應該是更為複雜的機制。

因此目前世界對於同理心的解讀分成了兩派,一個就是傳統上的「情感同理心」,或者稱之為共情。另外一派則認為同理心的機制應該更加複雜,在情感同理心之外,應該還有「認知同理心」參與,幫助人類設身處地推論、解讀他人的狀態,這背後也隱含了心智理論(Theory of Mind,縮寫為 ToM),對方的行為、意圖與心理都是理解的範圍。

-----廣告,請繼續往下閱讀-----

同理心的機制,真的就是上面這樣了嗎?鄭雅薇教授的研究提出了另一個答案。

醫護人員的「同理心」比較弱?

一開始,鄭雅薇教授找來了針灸科醫師為實驗對象——一個常常在扎人與看別人被扎的職業,她發現當受試者在工作時,他的前腦島與前扣帶皮層都沒有太大的反應,有反應的反而是負責控制的前額葉。

這代表醫療人員比較冷血,沒有同理心嗎?

其實並沒有,因為醫生填同理心的自評量表結果,與控制組是一模一樣的。這表明醫療人員也是充滿同理心的,只是他在面對專業時,必須收起自己的同理心。

-----廣告,請繼續往下閱讀-----
針灸科醫師在工作時,他的前腦島與前扣帶皮層都沒有太大的反應。圖/elements

所以,「同理心是我們可以控制的嗎?」從這個問題出發,鄭雅薇教授發現了在腦神經網絡中,也就是認知同理心與情感同理心之間存在一套調控機制。

為了更深入了解同理心的調節機制,鄭雅薇教授將研究對象的範圍擴大,從針灸科醫師延伸到護理師,發現了環境是一重要影響因素。當在醫院工作時,共情反應通常較低,但回到家後,共情的反應比較大。

鄭雅薇教授認為,認知同理心會去控制我們,在面對不同環境、不同對象的情況下,表現出不同的同理心的反應。比如當護理師在幫病人打針時,為了不讓自己過度共感而妨礙工作,她必須要把同理心收起來。同樣的,當外科醫師在幫病人開刀時,要是太過同理對方的感受,手術刀會更難劃下去。

從鄭雅薇教授的研究中,我們可以看到同情心的運作其實比你想像的更複雜。 圖/鄭雅薇教授提供

相反的,若是病人在恢復室內,還沒有完全恢復,如果醫師沒有設身處地去理解他可能哪裡有狀況,有時候就會忽略掉身體出現的一些狀況。或者是身心科醫師,如果他沒有十足的同理心,會很難偵發掘到病人非常微細的一些變化。

-----廣告,請繼續往下閱讀-----

由此可見,同理心並不是一種單純的反射,背後隱藏一串複雜的調控機制。

但既然同情心如此複雜,需要認知同理心與情感同理心互相配合,那如果有人缺少其中一項會怎麼樣呢?

情感同理心是天生,但認知同理心是後天養成

從發展的角度,鏡像神經或者是情感同理心那一塊,我們一出生就有了。比如說,醫院的育嬰室如果有一個小孩哭,很快其他小孩也會哭成一片。但認知同理心的發展比較慢,因為其中還包含了心智理論,所以通常在 3 歲後才會慢慢發展成熟,有時候甚至到 10 歲才能趨於發展成熟。

醫院的育嬰室如果有一個小孩哭,很快其他小孩也會哭成一片。圖/elements

過去有許多人認為自閉症就是缺乏情感同理心,因此社交能力不好,眼睛也會不看人,或是目光接觸時會非常閃爍。鄭雅薇教授為此研究,結果發現自閉症患者是有情感同理心的,反而甚至有點太過。

跟健康組比起來,自閉症的情感同理心沒有什麼不同,但相對他的認知同理心是有困難的,所以他才會刻意去迴避別人的情感與眼神,因為少了認知同理心的調控,他人的情感對他而言會是無法承受之重。

既然缺乏認知同理心,會產生類似自閉症患者的反應。那缺乏情感同理心呢?

如精神變態、冷血殺手(psychopathy),是他無法將對方的痛苦與自己的痛苦連結,因此他對他人的遭遇比較冷感。在情感同理心缺乏的情況下,他們在認知同理心往往表現的很好。等於他雖然無法同理你的感受,卻能清楚知道你的處境。這也導致他們冷血,在傷害別人甚至是犯罪時,冷血,難以產生罪惡感。

但這不代表對痛覺比較不敏感的人,或者情感同理心較低的人就會缺乏同理心。有研究團隊就針對天生沒有痛覺的人實驗,發現他們的情感同理心反應雖然比較低,但在認知同理心上反應比較高。這也代表,情感同理心並非是認知同理心的基礎,這之間互相機制相當複雜。

透過腦波看一看,原來同情心這麼複雜

從整個同情心的運作機制來看,並不是只有「看到你哭,所以我哭」這麼簡單,後面其實還隱藏著一套後天發展的心智理論存在。情感同理心與認知同理心的相互作用,才是形塑我們同情心的核心,也才能讓我們在感知這個世界的同時做出回應。

文章難易度
F編(JIATING)_96
1 篇文章 ・ 0 位粉絲

0

1
1

文字

分享

0
1
1
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 53 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

0
0

文字

分享

0
0
0
AI 可以幫你聽懂老婆的情緒了?AI 情緒理解原理解密!
泛科學院_96
・2024/07/01 ・510字 ・閱讀時間約 1 分鐘

讓電腦理解人類情感,一直是許多科學家關注的議題。那你知道現在 AI 已經學會人類情緒的辨識了嗎?

所以我們這集就來講講:

  1. AI 如何理解人類情緒
  2. AI 如何生成情緒語音
  3. 世界上第一款具有同理心的 AI 對話工具 Hume

那麼我們就開始吧!

最後,你覺得 AI 情緒辨識能拿來做什麼呢?

  1. 就陪我練英文而已吧
  2. 挖賽這樣我就有女友翻譯器啦
  3. 開始想跟 AI 談戀愛
  4. 其他也歡迎留言分享喔

如果有其他想看的 AI 工具測試或相關問題,也可以留言發問~

-----廣告,請繼續往下閱讀-----

更多、更完整的內容,歡迎上泛科學院的 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
41 篇文章 ・ 45 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

2
1

文字

分享

0
2
1
聊八卦可以防止我們被朋友搭便車、詐騙?——《人類文明》
天下文化_96
・2024/06/17 ・1337字 ・閱讀時間約 2 分鐘

-----廣告,請繼續往下閱讀-----

間接互惠的要件之一:聊八卦

間接互惠(indirect reciprocity)的概念認為,受益者並不是直接回報給同一位利他的施恩者,而是會把恩惠轉給其他人。A 幫助 B,B 再幫助 C,C 再幫助 D,依此類推。於是,恩惠就能在社群裡傳出去,遲早也能回到 A 身上。種下的因,總有一天能得到最後的果。

而且這還能談到下一個層次:如果有個 Z,在 A 幫助 B 時,親眼見證了這件事,發現 A 是個慷慨的好人,他也會因為想和 A 建立關係,所以願意幫助 A。於是,就算這兩個人無法符合直接互惠所需要的「後會有期」條件,也能因為整個群體的利他行為而受益。樂於助人,自己就更可能得到幫助,至於那些不想幫助別人、只想貪小便宜的人,則是可能遭到懲罰或受到排擠。像這樣的間接互惠,是人類一種格外複雜的合作形式,需要兩項其他動物都辦不到的條件。

第一項條件是,不管互動雙方的行為是慷慨是自私,除了需要有目擊者親眼看到,還必須能把這項寶貴的資訊,分享到整個群體共有的資料池。也就是說,社群成員得愛聊八卦才行。如果大家都能知道某個人不值得信任、總是只接受別人幫助卻都不回報,等到下次這個人又碰上麻煩,社群成員就不會再伸出援手。

英文有句諺語說「騙子發不了財」(cheats never prosper),但不能說完全正確:騙子常常在短時間內還是能得逞,特別是在那些規模比較大、大家彼此比較不認識的社群;只是遲早仍然會東窗事發,讓自己名聲掃地。所以,想讓間接互惠的機制不被那些只想貪小便宜的人搞垮,聊八卦就是一個關鍵的必備條件,而且無論是營火旁、或是茶水間,人類實在是哪裡都能聊。事實上,相較於其他靈長類動物是用理毛之類的活動來建立關係,人類是以閒嗑牙、聊八卦取代了這些活動。

-----廣告,請繼續往下閱讀-----
想讓間接互惠的機制不被那些只想貪小便宜的人搞垮,聊八卦就是一個關鍵的必備條件!圖/envato

像這樣把個別成員的行為,拿來在社群裡大談特談(就像是一個由閒聊建立起的社群網路),就會打造出一套名聲系統,可用來判斷適不適合試著和某個人合作。某人對待他人慷慨大方,就能建立良好的名聲;老愛占別人便宜,也就會惡名遠揚,讓人知道以後可得敬而遠之。行為友善的人,其他人在未來幫助他們的機率也會比較高,於是在天擇的機制裡就能占點上風。所以說到頭來,仍是演化塑造了人類的心理,讓我們在意自己的名聲,聊八卦就成了確保大家別心存僥倖的機制。

在一個會聊八卦的社會裡,生活的第一守則就是要小心自己做的事;或者更重要的是,要小心自己做的事給別人的觀感。於是,人類社會也就成了一個人人都在猜測別人想法的社會——須推斷別人的動機與態度,評估自己的行為在他人眼中的樣貌,好維護自己在外的名聲。我們所謂的「良心」就是這樣的產物之一:內在的這股聲音,警告我們可能有人在看,要我們想想別人可能的觀感,好讓自己免受社會的制裁。

——本文摘自《人類文明:生物機制如何塑造世界史》,2024 年 05 月,天下文化出版,未經同意請勿轉載。

討論功能關閉中。

天下文化_96
138 篇文章 ・ 619 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。