0

7
2

文字

分享

0
7
2

人死前最後一刻會看到什麼?人生走馬燈真的存在嗎?

PanSci_96
・2023/08/21 ・5402字 ・閱讀時間約 11 分鐘

-----廣告,請繼續往下閱讀-----

在瀕死之際我看到了過往人生宛如走馬燈快速重演,外加一束白光籠罩,為什麼那麼多人都有類似體驗?有可能用科學實驗解開這個謎嗎?

就在今年 5 月初,一項神經科學研究試著解開人在臨終前為什麼會看見人生走馬燈的祕密,研究團隊排除萬難找到受試者,並且蒐集到了第一手數據。

瀕死經驗既神祕又眾說紛紜,到底有沒有靈魂?有沒有天國和地獄?還是一切全是大腦自己捏造的幻覺?不論最終答案是什麼,都是對生命本質的大哉問。你好奇嗎?一起來看看科學家如何破解一輩子只有一次機會看見的奇異景象。

現在的神經科學觀點,怎樣看待瀕死經驗?

你怎麼看待瀕死經驗這個議題呢?是跟朋友之間閒聊的題材,帶著開玩笑的心態,還是根本認為是怪力亂神、反理性的瞎扯淡?有一群科學家可不這樣想,他們很認真地想找出答案。

-----廣告,請繼續往下閱讀-----

瀕死經驗指的是當事人因為休克、窒息、心臟病發作或遭受重大衝擊,例如爆炸或摔倒,在這些危及性命的情況下觸發的經驗。我們最常聽說的類型,包括重播一生回憶的人生走馬燈、穿過隧道到了另一個世界、漂浮在房間上方看著自己,還有遇到神明或過世的親人等等不可思議的景象。

什麼?你説有沒有看見偶像變成自己的媽媽這個類型?

看見偶像變成自己的媽媽可能是一種瀕死經驗嗎?圖/PanSci YouTube

讓我們先從神經生理學的角度來看瀕死經驗究竟是什麼。要回答這個疑問,得先問自己另一個問題,那就是為什麼睡覺的時候明明閉著眼睛,在夢裡卻能和平常一樣看到東西,而且是彩色的?

目前一個流行的觀點是,只要大腦受到電流或化學訊號刺激,就能讓我們「認為」自己看到、聽到、聞到東西,或是揮手、跑步,甚至和人說話。而且在這種情況下,大腦沒辦法分辨真假。做夢就是一個切身的實例,明明躺著沒動,夢到大吃美食就超開心,夢到數學考試還是緊張到不行。

-----廣告,請繼續往下閱讀-----

這就是《攻殼機動隊》、《駭客任務》等電影的靈感來源,《咒術迴戰》的換腦哏其實也表達一樣的意思,認為大腦就等於傳統認知裡的靈魂,藏在影片和漫畫背後是一個叫做「桶中之腦(brain in the vat)」的概念。

桶中腦是美國哲學家普特南(Hilary Putnam)在 1981 年出版的書中提出的臆想試驗,他假設有個瘋狂科學家——也可能是外星人,切開我們的頭蓋骨,取出大腦,放進培養槽裡,然後用電極把這顆大腦和一台厲害的電腦連接在一起。電腦會按照演算結果送出完美模擬各種身心經驗的電刺激訊號,例如讓我們急急忙忙離開辦公室回家,這樣的話,我們能知道自己其實只是浮在桶子裡的一個大腦嗎?

桶中之腦(brain in the vat)示意圖。圖/PanSci YouTube

事實上,隨著神經科學進步,我們現在明白,每個人的大腦都裝在頭骨的空腔裡,泡在組織液裡面,根本沒有接觸外界,只靠著神經束來接收眼睛、耳朵、手腳送來的電流訊息,然後自行生成看到、聽到、摸到等種種感覺。這樣說起來,和裝在桶子裡的腦好像沒什麼差別。

說回瀕死經驗,過去幾千年的漫長歲月裡,在全球各地文化中,臨終的經歷幾乎無一例外都屬於宗教信仰範圍,現在科學家想驗證的重點則是,這種鮮明強烈的體驗,比如走進一條隧道,或是重播回憶的人生走馬燈,究竟是不是大腦解讀流竄的電訊號,製造出栩栩如生的影像和聲音,換句話說,瀕死體驗只是腦殼裡上演的一齣獨角戲,跟天堂地獄、神鬼都無關?還是像許多古老文化傳統認為的,意識可以不必依附大腦而存在,肉身只是一個過渡階段呢?

-----廣告,請繼續往下閱讀-----

第一手觀察終於出爐,臨終期間大腦噴發異常腦波活動!

最好的辦法,是找人來做試驗,記錄死亡的整個歷程。但是這一類研究很難找到試驗對象,因此進展……可說是沒什麼進展。

過去的假說認為人的心跳停止以後,大腦活動也跟著衰減,就好像火焰漸漸熄滅一樣。雖然先前科學家在動物身上曾觀察到,心臟和呼吸驟停以後,大腦一種叫做 γ 波振盪(gamma oscillations)的神經活動突然升高,同時也偵測到好幾個腦區相繼迅速動起來,好像被點亮了一樣,可能顯示腦區之間正急速傳遞訊號。不過這些動物模式上的發現是不是能套用到人類身上,證據一直很單薄。

所謂的神經振盪(neural oscillation),另一個通俗的名字就是「腦波」,概略來說,指的是腦中特定的神經細胞群體以特別的節律同步放電,有 α 波、β 波、γ 波、θ 波等多種形式。目前的神經學觀點認為,γ 波在專注、警覺這一類精神狀態時會相對更加凸顯。

神經振盪(neural oscillation),另一個通俗的名字就是「腦波」指的是腦中特定的神經細胞群體以特別的節律同步放電,有 α 波、β 波、γ 波、θ 波等多種形式。圖/PanSci YouTube

2023 年 5 月,美國密西根大學醫學院團隊在《美國科學院期刊》(PNAS)發布一份研究報告,他們取得四位重症昏迷患者的家屬同意,在拔掉呼吸器之前,為患者戴上電極帽,偵測臨終期間的大腦活動。

-----廣告,請繼續往下閱讀-----

這四名患者中,有兩個人在拔掉呼吸器的幾秒鐘後,腦電圖突然湧現一陣劇烈的 γ 波振盪,一直持續到心跳終止。也就是心臟完全停止後,大腦並沒有馬上死亡,還持續活動了一段時間,尤其在顳葉、頂葉、枕葉交界處(Temporo-Parieto-Occipital junction),簡稱 TPO 的區域,偵測到明顯的訊號。TPO 和許多高層次的神經功能有密切關係,例如語言、視覺、辨識周圍空間,還有閱讀、書寫、辨認人臉等等。

顳葉、頂葉、枕葉交界處(Temporo-Parieto-Occipital junction)。圖/PanSci YouTube

另一方面,在這兩位患者的後腦皮質熱區(posterior cortical hot zone),也偵測到頻繁的神經活動。後腦皮質熱區和感官經驗有關,可以理解對人事物的顏色、氣味、觸感和動作等等資訊的資料庫。目前的神經學理論認為,我們做夢的時候,大腦會從這塊腦區提取訊息,構築成夢境的一部分。

巧合的是,兩位患者過去都有癲癇發作的病史,癲癇是腦部異常放電導致的一種疾病,研究者假定,這可能使患者大腦比較能「準備好」經歷異常的節律。

這項四人研究不是首例,2022 年《Frontiers in Aging Neuroscience》已經有一項開創性的研究,在一位 87 歲老人家的死亡前後同樣偵測到強烈 γ 波。不過,這次的發現純屬偶然,這位老人家因為跌倒撞傷頭,緊急送進醫院,醫護團隊正在進行腦電圖監測,傷者卻突然發生嚴重心律不整而猝逝,也使團隊有了史無前例的機會,紀錄下人類臨終期間的腦波變化。

-----廣告,請繼續往下閱讀-----

另外,先前的多個研究已經發現,健康的人在學習、專注回想記憶和做夢的時候,也會出現類似的 γ 波振盪模式,這就讓科學家把 γ 波模式和臨終時重播人生回憶的現象做了聯想。2022 年這份報告的作者之一,路易斯維爾大學神經外科醫師 Ajmal Zemmar 後來接受《Science》訪問時說,人腦 γ 波可能顯示不同腦區正在彼此合作,把對同一件事物的各種感知整合在一起,例如把一輛汽車的外觀、聲音和氣味聚合起來。在臨終的人身上也一樣觀察到 γ 波,暗示人生走馬燈背後存在著一套生理機制。

人腦 γ 波可能顯示不同腦區正在彼此合作,把對同一件事物的各種感知整合在一起。圖/giphy

密西根大學的科學家提出一個假設:人腦活動劇烈上升,可能是生存模式的一部分,一旦大腦缺氧就會啟動這種求生模式。先前的動物試驗發現,腦部在瀕死時會噴發異常腦波活動和分泌大量神經訊號分子,或許是試圖讓自己復甦的最後奮力一搏。

這項四人研究讓我們蒐集到臨終期間大腦活動的第一手證據,是一個相當大的進展。不過,臨終經歷的研究還留下非常關鍵的一塊空白,那就是受試者最後都逝世了,再也沒辦法告訴我們,出現異常腦波的人究竟看到了什麼,沒有表現異常腦波的人又體驗到了什麼,少了這一塊拼圖,我們對死亡的理解就還隔著一座奈何橋。幸運的是,有不少從鬼門關前折返的人願意說出自己的經歷,讓我們能夠繼續探索這一片神祕的領域。

瀕死經驗,讓你不必轉生也能看到異世界?

瀕死經驗對於許多當事人來說是一段非常深刻、無庸置疑的真實體驗,科學家記錄這些經歷,歸納出某些常見的模式,比如說:

-----廣告,請繼續往下閱讀-----
  • 身體的疼痛消失了,變得很輕鬆
  • 走進一條隧道,隧道盡頭可能有明亮的光線
  • 一生的許多記憶像走馬燈快速閃過
  • 感受到強烈的幸福、滿足、難以言喻的寧靜
  • 脫離軀體,漂浮在自己上方,甚至飛進一個廣大無垠的空間
  • 見到親人,或是神明

有些人進到充滿亮光的另一個世界——不是轉生到異世界那種看到另一個世界,而是有個聲音或者是守門人跟他說你還不到來的時候,將他推出門口,四周光線一下子暗了下來,當事人覺得既失落又害怕,然後被拉回自己的身體。

瀕死經驗其中一個常見模式便是走進一條隧道,隧道盡頭可能有明亮的光線。圖/giphy

要強調一點,瀕死經驗不全然是正向的,也有人感受到劇烈的痛苦、恐懼、孤單和絕望。有人見到的不是神明而是惡魔,魔鬼跟他說:「現在你落在我手中了。」有研究者懷疑,因為當事人感到羞恥或社會氛圍更期盼幸福體驗,形成一種壓力,人們因此比較不願意分享痛苦體驗,數量可能嚴重被低估。

2017 年,維吉尼亞大學一個團隊調查 122 名有瀕死經驗的人,他們發現,比起現實生活的經歷及想像的事件,受試者對於這段經驗能描述得更加生動和講出更多細節。簡而言之,瀕死經驗對經歷過的人來說,比真實還要真實。

如此力量強大又帶有神祕感的切身體驗,以我們現有的知識體系,能完全合理地解釋嗎?這是一個站在科學、哲學和宗教交會點的大哉問。

-----廣告,請繼續往下閱讀-----

現在的神經生理學框架可以解釋瀕死經驗嗎?兩派科學家大亂鬥

一派科學家認為可以解釋。《Trends in Cognitive Sciences》2011 年的一篇報告是典型的代表,光看標題就非常的立場鮮明:「瀕死經驗不存在任何超自然現象」(There is nothing paranormal about near-death experiences.),研究者強烈主張瀕死經驗全部都有神經生理學或心理學的基礎,這和我們一開始提到「桶中之腦」的概念是吻合的。

他們提出一些例子,比如說飛行員在高 G 力狀態下,因為頭部供血不足,導致眼睛視野的四邊變暗,留下中央一塊視野,像是看進隧道的感覺。腦部分泌的一些荷爾蒙,例如正腎上腺素(noradrenaline),也能引發積極情緒、幻覺和瀕死體驗的部分特徵。

覺得自己飄浮在身體上空的靈魂出竅體驗,他們認為也可以用特定腦區的電訊號活動來解釋。這牽涉到腦部的 REM 活動,REM 全名是快速動眼期(rapid eye movement),是睡眠的一個階段,在這個階段大腦像清醒時一樣活躍、眼球快速轉動,會製造出栩栩如生的夢境。由 REM 過渡到醒覺時,有些人可能看到或聽到不存在的東西,或覺得自己已經醒了但是沒辦法移動身體,也就是俗稱的鬼壓床。

科學家認為也可以用特定腦區的電訊號活動來解釋靈魂出竅的體驗。圖/giphy

聽起來好像每件事情都有解釋,對嗎?不過,現在我們對死亡的理解還有很多空缺,前述的這些理論停留在驗證階段,還有許多無法解釋或互相牴觸的部分。

例如,有科學家認為在瀕死期間,REM 活動實際上是被抑制的,不能就此認定是靈魂出竅體驗的根源。還有,眼球缺氧雖然可能導致隧道狀的視覺體驗,但是部分經歷瀕死經驗的人的血氧並沒有特別低,為什麼還會看到隧道狀景象?這就產生矛盾了。

再舉個例子,現階段科學家經常使用腦部神經疾病導致的幻覺來做為分析瀕死經驗的框架,但是神經疾病產生的幻覺以視覺佔大多數,而且通常伴隨著恐懼或困惑的情緒。然而,瀕死經驗的當事人不只清楚看到,還能摸到、聽到和聞到,甚至和遇見的「對象」發生互動,而且不少當事人的經驗是正向的。這個差異告訴我們,用疾病的機制來解釋可能是不夠或錯誤的。

最後的關鍵問題是,假如大腦是突然啟動生存模式,為了缺血、缺氧拼盡最後的餘力掙扎求生,那為什麼許多人感受到的反倒是喜悅和寧靜,而不是驚駭和恐慌?這仍然是一個謎團。

臨終經歷的論戰還在持續,正反意見激烈交鋒,不過,很少人能否認瀕死經驗是當事人真實生命的一部分,而且這種刻骨銘心的經歷和體悟可能扭轉對人生的態度,甚且改變整個後半生。

因此,保持虛心、坦承我們現階段只窺見「死亡」這件人生大事的一部分本質,繼續蒐集更多證據,對於探究生命的真相來說,或許是一種更為合適的心態。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2408 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
0
E10 低碳汽油:台灣減碳新契機,為何我們應該接受?
鳥苷三磷酸 (PanSci Promo)_96
・2025/01/17 ・3468字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

本文與美國穀物協會合作,泛科學企劃執行。

台灣將在 2040 年禁售燃油車。但別急,現在路上開的舊有車款不會馬上報廢消失,因為舊有的車輛會繼續開到年限結束。根據計算,當禁售燃油車的那一天來臨時,還有大約 60% 的車輛是燃油車。這時,在多數交通工具還是燃油的情況下,美國、歐盟等國已經開始使用酒精燃料來減少碳排放,那麼,台灣也能做到嗎?

你聽過 E3、E10 汽油嗎?

這是指在汽油中加入酒精,E3 代表有 3% 的汽油被酒精取代,而 E10 則是 10% 的汽油換成酒精。酒精是一種抗爆震性能更好的燃料,且比化石燃料更環保,因為它可以來自生質燃料,碳排放也較低。即便算上運輸和加工的碳足跡,用玉米製造的乙醇仍比傳統汽油的碳排放低了 43%。其實,在美國、歐洲、澳洲等地,E10 或更高比例的酒精汽油早已廣泛使用,這在我們之前的影片中也有提過。

現在,台灣有 14 間加油站可以加到 E3 汽油,而中油也正積極促使相關部門開放 E10 汽油的銷售。

-----廣告,請繼續往下閱讀-----

不過,在推動這項改變之前,仍有許多民眾對酒精汽油有疑慮。大家最關心的問題是,把不是汽油的燃料放到引擎中,到底會不會對車輛引擎造成不良影響?例如會不會影響引擎運行,甚至影響里程數?
其實,換燃料確實會對引擎有影響,因為不同燃料燃燒後所產生的能量與副產物都不一樣。但別擔心,根據我們之前的討論,2011 年以後生產的所有汽車,還有大部分 1990 年代後期生產的汽機車,都能直接相容 E10 汽油。換句話說,除了少數舊車或特殊車型,約 95% 的汽機車都不需要擔心這個相容性問題。

2011 年以後生產的所有汽車,還有大部分 1990 年代後期生產的汽機車,都能直接相容 E10 汽油。圖 / 美國穀物協會提供

E10 汽油在效能上的表現,會不會受到影響?

學過化學的人都知道,燃燒其實是一種氧化反應,可以用化學式表達。也就是只要汽缸的大小是固定的,就能算出空氣中能參與氧化反應的氧氣分子有多少,進而推算出每次汽缸燃燒時,應該搭配多少的燃料。

當引擎運作時,汽缸內的氧氣分子會與燃料反應,產生動力。為了最佳化效能,引擎的噴油嘴會精準控制每次的進油量,確保空氣和燃料的比例,稱為「空燃比」。接著調整噴油嘴的設定,讓出油量符合我們的需求。

每當空氣成分改變,燃料量或燃料的種類更換時,空燃比就會產生變化。在燃料相對空氣來說比較多時,我們通常稱為「富油」;相反的,如果燃料相比空氣來的少,就稱為「貧油」。如果我們把汽油換成百分之百的酒精,因為酒精每單位體積所需要的氧氣比較少,而且熱值比較低,因此會產生貧油現象,推力感受起來自然也會比較低。

要解決這個問題,方法其實不難,只要增加燃料量即可。而巴西早已證明,使用 E100 汽油是可行的。巴西近 50 年來推動 E85、E100 燃料車輛,並展示了彈性燃料引擎的優勢。

而巴西早已證明,使用 E100 汽油是可行的。巴西近 50 年來推動 E85、E100 燃料車輛,並展示了彈性燃料引擎的優勢。圖/美國穀物協會

這類交通工具被稱為彈性燃料引擎,顧名思義,能很彈性的使用汽油、E100 酒精汽油、或是任何比例的甲醇、乙醇、汽油的混合物。彈性燃料引擎跟一般引擎最大的差別,就是內建了「燃料成分感測器」。能透過判斷燃料的種類與比例,調整噴油嘴的出油量設定以及點火正時,讓引擎的輸出動力維持在最佳狀態,確保引擎效能不受影響。

-----廣告,請繼續往下閱讀-----

所謂的點火正時,指的是火星塞點火的時機。不同的燃料,化學反應的速度與膨脹的體積不同,當然會對應不同的點火時機。

但是 E100 其實也不是純酒精?

大家都知道,蒸餾酒需要經過多次反覆蒸餾,為什麼不能只蒸餾一次就好呢?原因在於,酒精與水的沸點雖然不同,但它們不完全互斥,會產生交互作用。在蒸餾過程中,即使酒精的沸點較低,水仍然會在加熱的過程中,隨著酒精部分蒸發進入容器中。

事實上,當酒精濃度達到 95.63% 時,不論再怎麼蒸餾,濃度也不會再上升。這是因為當酒精濃度接近這個比例時,酒精與水的沸點非常接近,這種現象稱為「共沸」,意思是酒精和水的混合物會一起沸騰,無法再進一步蒸餾分離。

共沸現象的結果,就是為什麼市面上銷售的藥用酒精,濃度最高都是 95%,而非 100%。因為更高濃度就必須使用脫水劑等方式處理,成本會提高,或是因為有添加物而不符合藥用標準。所以當然,E100 汽油裡面,實際上使用的也是濃度 95% 的酒精,而不是 100%。

-----廣告,請繼續往下閱讀-----
E100 汽油裡面,實際上使用的也是濃度 95% 的酒精,而不是 100%。 圖 / 美國穀物協會提供

解決迷思:酒精汽油是否容易因吸收水分,而產生油水分離?

事實上,酒精和水是高度互溶的,這使得高比例的酒精在汽油中有更高的水分耐受性。簡單來說,進入油箱的水氣,會溶在酒精汽油中而不會產生油水分離。

根據美國國家可再生能源實驗室的研究,即使在高溫高濕的極端環境下,E10 酒精汽油也需要經過三個月才會出現明顯的油水分離。而三個月也是一般汽油建議最長的保存時間,因為汽油放太久就會氧化。

也就是說,酒精與水混和物的特性,不是把酒精和水的相加除以二那麼簡單,它們的交互作用更加複雜。

一篇刊登在《國際能源研究期刊》的研究指出,在可變壓縮比引擎中的實驗結果,加入酒精後,引擎的功率會逐漸升高,在 E10 酒精時為最佳比例效果。

-----廣告,請繼續往下閱讀-----

當然,實際情況和實驗室當然不能直接類比。大多數汽車和機車並未專門為酒精汽油做調整,那這樣會有多大影響呢?根據英國政府的官方結論,直接使用 E10 汽油與一般汽油相比,每公升的里程數大約會降低 1%,但在日常駕駛中,這個差異幾乎不會被察覺。實際上,載貨量和駕駛習慣對油耗的影響,遠遠大於是否使用 E10 汽油的影響。

更好的一點是,酒精其實是一種常見的工業用品,以每美國為例,在過去一年中,酒精的離岸價格實際上都比汽油還低,因此不用擔心酒精會讓油價變貴。

此外,經過調校的引擎也不必擔心推力問題。事實上,F1 賽車從 2022 年開始使用 E10 作為燃料,納斯卡賽車更早在 2011 年就採用了 E15 燃料,運行上沒有太大問題。

F1 賽車從 2022 年開始使用 E10 作為燃料,納斯卡賽車更早在 2011 年就採用了 E15 燃料,運行上沒有太大問題。圖/unsplash

最重要的是,使用 E10 燃料的好處明顯更多。由於酒精和烷類燃料的分子式不一樣,酒精分子式中多了一個氧原子,這使得燃燒過程中反應會更完全,能夠產生更多二氧化碳而非有毒的一氧化碳,同時降低一氧化氮和二氧化氮等氮氧化物的產生。

-----廣告,請繼續往下閱讀-----

最關鍵的一點,酒精與化石燃料相比,能夠更快速地幫助減碳。只要確保使用永續農法、不與糧食競爭土地的前提下,所製造的玉米乙醇,碳排量就是比化石燃料還要低。

E10 低碳汽油是填補減碳缺口的最快方案,挑戰只在接受度

英國引入 E10 後,每年減碳 75 萬噸,相當於減少 35 萬輛汽車的碳排量。而台灣呢?目前根據政策規劃,台灣 2040 年起將新售的汽機車全面電動化。依照這個目標進程,在 2025 年將達成減碳 288.6 萬噸的目標。然而,這距離運輸部門須減少 487 萬噸碳排量目標,還差 198 萬噸。

如果燃油車全面改用 E10 低碳汽油,則能減碳 202 萬噸,幾乎能完全彌補缺口。這項方案的優勢在於,E10 與一般汽油性質相近,不需更換新的引擎設計或架設特規加油站,執行門檻低。

實際上,目前推動低碳汽油最大的瓶頸,大概就是民眾對於這個新燃料的接受度了吧!如果接受度提升,購買量上升,成本也有機會進一步再下降。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
鳥苷三磷酸 (PanSci Promo)_96
222 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

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-----
鳥苷三磷酸 (PanSci Promo)_96
222 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

2
1

文字

分享

0
2
1
用科學定義左邊:當宇稱對稱被顛覆時,物理學如何重新書寫規律?
PanSci_96
・2024/12/16 ・1888字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

揭開宇宙的對稱之謎

如果有人問你:「什麼是左邊?」你可能會說:「左手那邊就是左邊。」但如果對方問:「左手是哪一隻?」你可能回答:「心臟那邊的手就是左手。」這樣的回答對人類來說很容易理解,但如果對方是一個從未見過人類的外星人,該怎麼解釋呢?

這個問題看似簡單,實際上涉及了物理學中的深奧話題。1956 年,三位華人科學家楊振寧、李政道和吳健雄,通過實驗揭示了一個驚人的事實:我們的宇宙對「左」與「右」其實並不完全對稱。這一發現推翻了人類長期以來對對稱性的認識。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

宇稱對稱性:鏡子中的世界會一樣嗎?

要了解這個發現,我們需要先認識「宇稱」的概念。宇稱(Parity)是物理學中用來描述對稱性的一種方法。它的意思是,如果我們把空間中的座標 (x, y, z) 反轉成 (-x, -y, -z),自然界的規律應該還是一樣的。例如,當一顆蘋果從樹上掉下來,我們用鏡子看時,蘋果還是會掉向地面,而不是飛向天空。這說明鏡像中的世界和真實世界是對稱的。

很長一段時間裡,科學家認為這種對稱性適用於所有自然現象,無論是在宏觀還是微觀世界。然而,到了 1950 年代,一些基本粒子的行為挑戰了這種觀點。

-----廣告,請繼續往下閱讀-----

宇稱不守恆:弱交互作用的例外

在物理學中,有四種基本交互作用:重力、電磁力、強交互作用和弱交互作用。弱交互作用是描述粒子衰變的力量,比如中子會通過弱交互作用衰變成質子、電子和一個反微中子。

1956 年,楊振寧和李政道提出一個大膽的假設:在弱交互作用中,宇稱對稱性可能並不成立。他們指出,雖然大多數物理現象在鏡像中是對稱的,但弱交互作用的某些過程可能偏好「左手性」。

楊振寧與李政道提出一個大膽的假設,指出在弱交互作用中可能破壞宇稱對稱性。圖/envato

為了驗證這個假設,他們邀請吳健雄設計了一個關鍵實驗,這就是後來著名的「吳氏實驗」。

吳氏實驗:揭示宇宙偏愛左手性

吳健雄選擇使用鈷-60 原子的 β 衰變作為實驗對象。鈷-60 是一種不穩定的同位素,會釋放出電子和反微中子。她將這些原子冷卻到極低溫,並用強磁場讓它們的自旋方向統一。

-----廣告,請繼續往下閱讀-----

實驗的關鍵是觀察電子的發射方向。如果宇稱守恆,那麼電子應該會均勻地向各個方向發射。然而,吳健雄的實驗結果卻顯示,電子有明顯的偏向,總是傾向於與原子自旋方向相反的方向發射。

這一結果證明,在弱交互作用中,鏡像世界與真實世界並不對稱,宇稱不守恆。而且,它表明自然界偏好「左手性」,或者說弱交互作用是一個「左撇子」。

為什麼這個發現重要?

宇稱不守恆的發現改變了我們對宇宙基本規律的理解。物理學家過去認為自然界的規律應該是完全對稱的,但這一發現表明,在某些情況下,對稱性會被打破。

這項研究還引發了更多的問題。例如,為什麼宇宙會偏愛「左手性」?是否還有其他交互作用也會破壞對稱性?隨後的研究顯示,如果將宇稱(P 對稱)和電荷共軛(C 對稱)結合在一起,則可以恢復某種對稱性,這被稱為「CP 對稱」。

-----廣告,請繼續往下閱讀-----

然而,1964 年的實驗又發現,CP 對稱在某些情況下也會被打破,這進一步推動了對基本物理規律的研究。特別是 CP 對稱破壞可能與宇宙中物質多於反物質的原因有關,這是當代物理學的一個重要課題。

CP 對稱破壞揭示了宇宙偏愛「左手性」與物質多於反物質的可能原因。圖/envato

用科學解釋左與右

回到最初的問題:如果我們需要向外星人解釋「左邊」的概念,該怎麼做呢?現在我們知道,可以通過像吳氏實驗這樣的方法,用弱交互作用來區分左與右。簡單地說,只要觀察粒子的衰變方向,就能定義出哪一邊是「左」。

這個發現讓我們更深入地理解了自然界的基本規律。它不僅是一次物理學的重大突破,也讓我們重新認識到宇宙的奇妙與複雜。

歡迎訂閱 Pansci Youtube 頻道 鎖定每一個科學大事件!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

PanSci_96
1262 篇文章 ・ 2408 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。