你聞了「Google 嗅覺」上的氣味了嗎？

前陣子不知道各位是否有發漏到一個很科幻的消息，有一名 GOOGLE 工程師勒穆因（Blake Lemoine）上網公布他自己和他協助開發的對話型 AI LaMDA（Language Model for Dialog Applications）之間的對話紀錄。

他宣稱這個 AI 已經具有知覺和自我意識，甚至能對《悲慘世界》有獨到的評論，也略懂禪宗甚至能冥想。震驚的勒穆因形容它就像個 7 – 8 歲的孩子，而且 LaMDA 還明確表達自己是人而非 google 的財產。

難道說 AI 界最知名的圖靈測驗已經被 google 攻克了嗎？

圖靈與模仿遊戲

提起圖靈，大家心中應該會浮現以新世紀福爾摩斯、奇異博士走紅，人稱飾演天才專業戶的班奈狄克·康柏拜區 Benedict Cumberbatch）的臉。

他曾在一部名為《模仿遊戲》的電影中，詮釋了現代電腦科學概念之父艾倫‧圖靈 （Alan Turing） 的傳奇一生。他在二戰時期成功研發出一台能破解德軍密碼的計算機 Bombe ，而後更完成了電腦數學的理論化，在概念發展上仍是無人能出其右，例如他 1936 年提出的通用計算機/圖靈機架構，以及嘗試區隔AI與人的差異的哲學思考：圖靈測驗（Turing Test）。

圖靈測驗是一個思想實驗，早在 1950 年，第一台商用電腦連個影子都沒有的時代下，圖靈就已經思考到未來「計算機」的智慧表現將可能到達人類難辨真假的程度，具體來說這個思想實驗是如果一台機器能夠透過介面，與不知對面是機器人或是人類的受試者展開對話，而不被辨別出其機器身分，那麼就可稱這台機器具有智慧。

但我們也知道智慧有很多面向跟層次，語言和問題回應都不一定能反應這台機器有無智慧，因此這個思想實驗的有效性也被許多科學家和心理學家質疑。即使如此簡單粗暴的模仿遊戲，至今其實也都沒人能攻克。

等等，你可能會想到，前面提到的 google 工程師勒穆因，他不是已經分不出來對面是機器還是人了嗎？原因很簡單，他自己就是 AI 的開發者而非圖靈測試設定中的不知情受試者，因此根本不能算數，除非 google 拿這個 AI 給不知情民眾作測試。

不過今年 8 / 28 google 已經將這個對話機器人以 AI Test Kitchen 項目開放部分美國人作小規模測試，其中包含了「 Imagine It （想像一下）」，只要你說出一個想像或實際存在的地點，LaMDA 就會嘗試以文字描述，而另一個「List It（列個清單）」，則會幫你摘要分類起你提供的清單內容。最有可能和圖靈測驗有關係的「 Talk About It （你說看看）」項目，可以針對特定主題與使用者進行自由對談。

搞不好等到這個封閉測試結束後，我們會真的分不清楚現在到底是人還是 AI 在和我們對話，屆時也許就真能達成「通過圖靈測試」這個 AI 里程碑！

真實世界的棋靈王 AlphaGo

其實這已經不是 google 第一次用 AI 震驚世人了，讓我們回到 2016 年的圍棋大賽會場，當時 google 收購的公司 Deepmind 研發的圍棋計算 AI Alpha Go 以四勝一敗擊敗韓國棋王李世石，爾後又於 2017 年三戰全勝當時世界棋王柯潔。

若這場對奕發生在網路上，就像是棋靈王中佐為以 SAI 為化名擊敗塔矢名人，我們是否真的能分辨在電腦對面和你下棋的是 AI 藤原佐為、還是黑嘉嘉呢？

而這樣玄妙的畫面，當年還真的發生了，就在 2016 年末網路棋壇上一個名為 Master 的帳號出現，專挑職業棋士對奕，最後獲得 60 勝 1 和這麼大殺四方的成績。

而在第 54 局和中國棋聖聶衛平對奕後， Master 首次打出繁體中文「謝謝聶老師」，在第 60 局對上中國的古力九段 Master 更自曝身分，說出自己就是「AlphaGo 的黃博士」。這位黃博士就是打從 2012 就開發出國產圍棋程式 Erica ，爾後被 Deepmind 公司挖角，參與開發 AlphaGo 的台灣資深工程師黃士傑。

不論是讓工程師自己都認知錯亂的 LamDA ，或是在圍棋界痛宰各路棋王的 AlphaGo ，驚嘆之餘，我們更好奇的是，它們是怎麼開發出來的？

人工智慧的起起落落

讓我們來看看歷代電腦科學家們是如何發展出各種人工智慧，一路迎來現在幾乎琴棋詩書樣樣通的黃金時代，我先提醒大家，這過程可不是一帆風順，就像股票一樣起起落落，在 AI 的發展史上，套牢過無數科學家。

人工智慧這概念是在 1956 年提出，就在麥卡錫（John McCarthy）和明斯基（Marvin Minsky）、羅切斯特（Nathaniel Rochester）和香農（Claude Shannon）四位 AI 鼻祖與其他六位研究者參與的一個名為「達特茅斯夏季人工智慧研究會」的會議上，這一年也被公認為 AI 元年。

會議中除了人工智慧這個詞以外，當年這些金頭腦們就已經提出大家現在很熟悉的「自然語言處理」（就是 SIRI 啦）、神經網路等概念，而在這個會議後，正好遇上美蘇冷戰和科技競賽的時代。除了在大家耳熟能詳的阿波羅系列等太空任務上較勁外，兩大強國也投資大量資源在電腦科學上，期待能夠像圖靈當年那樣，開發出扭轉戰局的電腦科技。

而他們也不負所託產出了很多有趣的運用，例如第一個具備學習能力的跳棋程式、或是聊天機器人伊莉莎（Eliza）、醫療診斷系統「MYCIN」。史丹佛大學（Standord University）甚至就從那時開始研發現在很夯的汽車自動駕駛技術。

然而到了 70 年代初期，AI 的發展開始遭遇許多瓶頸，主要是研究者們慢慢發現，即使他們開發的AI 已經擁有簡單的邏輯與推理能力，甚至一定程度的學習能力，但仍離所謂智慧和判斷能力差太遠，使得當時的 AI 甚至被批評為只能解決所謂的「玩具問題（Toy Problem）」。

也因為能解決的問題太有限，也導致出資的英美政府失去了信心， AI 研究領域迎來了第一次寒冬。但這並非當時的科學家能力不足，而是他們生錯了時代，例如我們現在都經常聽到的「類神經網路」就是前述的 AI 鼻祖明斯基提出的。

就像仿生獸的創造者一樣，他想從大自然中找答案，而既然要探索智慧，明斯基就直接模仿人類腦細胞，做出第一台神經網路學習機，但當年受限於電腦硬體效能和可用的資料不足，使類神經網路沒有辦法像現在一樣揚名立萬。

在寒冬之中，另一位大神麥卡錫認為追求智慧和思考是緣木求魚，不如利用機器比我們還強大的優勢邏輯與運算，來幫我們解決問題就好，因此演進出「專家系統」這條路線，帶來人工智慧的復興。

專家系統的本質就是把所有參數和結果塞進去，用搜索和運算的方式來回答問題，這種人工智慧特別適合解決一些有明確答案的專業問題，所以被稱為專家系統，例如醫生針對已知病徵開立處方用藥，或是法律相關問題。

隨著電腦運算效能的大提升，專家系統在復興之路上有不少發揮和成果，但很快又遇到下一個瓶頸，即是「專家系統無法面對新問題」，例如即使能將開處方籤這件事自動化，但卻沒有辦法對應新疾病例如 COVID – 19，或是還沒來得及輸入資料庫的新型藥品，離取代醫生太遠了。

於是就像景氣循環一樣，大量投資的熱錢又開始泡沫化，人工智慧迎來了第二次寒冬，許多電腦科學家甚至改自稱自己在做自動化設計或最佳化系統等等來掩人耳目，避免被唱衰。

這概念非常合理，可惜受限於當時電腦硬體能力和資料量，因此原型機能解決問題的速度還不如傳統統計方式，但隨著電晶體的高速發展，以及網路世代帶來海量資料，類神經網路這門技藝開始文藝復興。

1984 年，美國普林斯頓大學的物理學家和神經學家霍普菲爾德（John Hopfield）用模擬集成電路（linear integrated circuit）完成了新的類神經網路模型，而雲端運算、大量資料讓科學家可以輕易的餵養資料訓練模型，更能夠增加更多「隱含層」讓運算更複雜，這種「深度學習技術」，讓人工智慧的第二次寒冬看見暖陽。

從李飛飛推出的 ImageNet 年度競賽開始，演化到 google 的 alphaGo ， AI 開始能夠認得圖像上的物件，甚至攻克本來被認為不可能攻克的圍棋領域。何會說圍棋曾被認為不可能被攻克呢？因為每一盤圍棋的複雜度可是高達 10 的 172 次方，比現在已知的宇宙原子數量還多，因此圍棋界才有「千股無同局」之說。

相較起來 1997 年 IBM 的深藍攻克的西洋棋複雜度僅有 10 的 46 次方，但也動用了 30 台電腦加裝 480 加速運算晶片，基本上就有如火鳳燎原中八奇思維的「我知道你的下一步的下一步」，當年深藍每一次下棋可是都暴力計算到了後面 12 步的發展，才打敗西洋棋世界冠軍卡斯帕羅夫。

AlphaGo 到底是怎麼算出這麼複雜的圍棋呢，難道它比深藍還厲害，能像是奇異博士雖然能透過時間寶石演算出一千四百多萬種平行宇宙的可能性才落子嗎？

這就要提到 Deepmind 公司非常有趣的洞見，那就是真正的智慧是捨棄那些無須多想、壓根不可能成功的可能性。 google 工程師使用了一種叫做蒙地卡羅樹搜尋的方式一方面讓 alpha go 大量隨機生成類神經網路參數和層數，二方面讓它快速搜尋並略過「不需要運算的路徑」。

這其實是我們日常生活中很熟悉的現象　——人腦的「捷思」，也就是直接專注於我們要解決的問題，忽略周遭的雜訊或多餘的想法。而類神經網路的設計思維是尋求最佳解而非唯一解，即使是 Alpha go 也會下錯棋，也曾輸給李世石，但關鍵是能夠在有限的資訊和時間中得到答案。

除了下出神之一手以外，Alpha go 這樣的 AI 能做的事情還多著， Deepmind 用 AlphaGo 打遍天下無敵手後宣布讓 AlphoGo 退休，後續將這套技術拿去學玩貪食蛇，打星海爭霸，展現出超越電競選手的技巧，現在甚至能預測蛋白質結構，或比醫生更精準地判定乳癌。

人類的最後堡壘陷落了嗎？

最後我們回到一開始的問題，實用化的 LaMDA 究竟有沒有可能通過圖靈測試呢？

即使目前 google 仍強烈否認 LaMDA 具有知覺，而勒穆因也因涉嫌洩漏商業機密被停職。英國謝菲爾德大學機器人學院教授羅傑‧摩爾澄清這個AI背後的算法體系只是「詞序建模」（world sequence modelling）而非「語言建模」（language modeling）。

他強調對答如流的 LaMDA ，會給你他有人格的感覺只是錯覺。但最新的應用中，google 找來了 13 個作家，測試以 LaMDA 為基礎開發的寫作協助工具LaMDA Wordcraft。運作上有點像手機輸入法的關聯字詞推薦概念，但它的設計完全是為了文字創作者而生，利用整個網際網路中的文字，它彷彿擁有了類似榮格「集體潛意識」的能力，當小說家起了一個頭，它就能開始推薦下一個單詞甚至一整個句子補完，甚至還能調整生成文字的風格，例如有趣或憂鬱，這些應用聽起來簡直像是科幻小說。

奇妙的是，參與測試的作家之一正是曾翻譯《三體》英文版並寫出《摺紙動物園》的科幻小說家劉宇昆，他形容這個工具讓他數次突破「創作瓶頸」，節約了自己的腦容量，專注於創作故事更重要的東西。

更驚人的是，他提到有一次他連開頭的靈感都沒有，因此他把「創作的主動權」交給了 LaMDA ，並從中看到了從未想過的可能性，有了繼續寫下去的新寫作靈感。儼然就像當年 Alpha Go 下出一些人類棋譜中從沒想過的棋路一樣，有了「洞見」。

到了這個地步，你仍能堅持 AI 只是我們拿來「解決問題」的工具，而不具備一定程度對人文的認知或智慧嗎？

令人不悅的氣味

許多氣味對於人類的鼻子來說存在既有的價值、感情價（valence，或稱快樂調性﹝hedonic tone﹞）。我的好友諾安．索貝爾（Noam Sobel）是以色列魏茲曼科學研究所（Weizmann Institute of Science）的知名神經科學家，他嘗試找出人類分類氣味的方式，以及各類別氣味分子的化學性質，然而他找到唯一的重要參數就是所謂的快樂調性——也就是氣味本身聞起來是香是臭，令人開心或不悅。

氣味分辨實驗：關鍵竟是「快樂感」！

索貝爾和他在魏茲曼的研究團隊與加州大學（University of California）神經科學研究所及心理學系的科學家攜手合作，進行一項複雜的實驗，探究人類嗅覺是根據哪些原則將氣味分門別類。

他們先請一百五十位香水及氣味專家，根據一百四十六種性質評斷一百六十種氣味分子的特質；這些性質分類當中包括了「甜香」、「煙燻味」、「霉味」等等。研究團隊接著分析這些資料，找出最能夠分別不同氣味的單一要素，發現最重要的分辨關鍵還是快樂調性——氣味讓人感受愉快的程度。

氣味有各式各樣的調性，從好聞的「甜美」、「馥郁」到難聞的「腐壞」、「令人作嘔」都有。研究人員接著針對各種化學物質進行同樣的統計分析，將每個化學物質當中超過一千五百種的性質都納入考量，分析出來的結果依然顯示快樂調性是判別關鍵。

因此研究人員認為，我們可以單靠氣味的分子結構來判斷某種氣味對人類來說好不好聞。

分辨氣味好壞：「大腦偏好」還是「化學特性」？

耐人尋味的是，這項實驗也表明，人類鼻子裡的氣味受體往往是根據氣味令人愉悅與否來分門別類並做出反應。這並不意味著不同的文化背景或生命體驗不會影響我們對氣味的感受或是嗅覺細胞組織的方式，但人類對於最令人愉悅或討厭的味道類型的確有共通感受。

諾安對這項實驗做出以下結論：

「我們的研究結果發現，人類對氣味的感受至少有一部分是根植於大腦、與生俱來的偏好。即便不同個體之間對於氣味的感受確實存在某些彈性，也絕對會受到個人生命經驗影響，但人類判斷氣味宜人與否的絕大部分因素還是來自於氣味本身在物理世界呈現的性質。因此我們可以運用對化學物質的理解，預測某種新物質的氣味會為人類帶來何種感受。」

值得注意的是，許多研究都指出年幼孩童不像大人會明確分別氣味是令人愉悅還是作噁；他們會表達氣味是強烈或微弱，但通常不會直接分別氣味的好壞。

並非人人都是「好鼻師」！

整體來說，我們很難用快樂調性以外的標準來分類氣味，並且對大多數人而言，用大家都能夠理解的詞彙來描述氣味實在十分困難。正因為理解了這點，魏茲曼研究團隊將研究焦點轉為嘗試預測某種分子結構的氣味會與哪些形容詞彙連結在一起；不再只關注氣味聞起來「如何」，而是嘗試預測兩種不同氣味帶來的感受會相似還是不同。他們也因此能夠根據氣味混合物的分子結構，運用固定的評分邏輯來分類任何兩種不同的氣味，藉此反映出氣味之間的相似性。

魏茲曼研究團隊表示，這項研究結果能夠成為氣味數位化的基礎，但還需要更多時間才能知道這個研究方向能否引領他們更接近氣味數位化的遠大目標。再者，如果想要迎接未來全面數位化的夢想，還有一大挑戰——人類極不擅長分辨並指稱氣味。

——本文摘自《你聞到了嗎？：從人類、動植物到機器，看嗅覺與氣味如何影響生物的愛恨、生死與演化》，2023 年 1 月，臉譜出版，未經同意請勿轉載。

• 文／黃貞祥

作夢時，會有很多畫面，也會聽到許多應該和不該聽到的聲音，就像看電影時一樣，卻不太會聞到什麼氣味，除非看的是 4DX 場吧？

我自己沒印象有做過什麼有氣味的夢，可是說不定我是忘記了，還是害怕想起來？

因為夢幻泡影，如霧又如電，我也無法確定作夢時究竟有沒有感受到氣味，但是如果沒有，我也不感到太意外。說不定，就因為氣味太攸關生死了，夜裡突如其來的怪味，如果還以為是夢中的體驗，那麼在夢中有嗅覺而搞不清楚危機迫在眉睫的人，在遠古時代年紀輕輕就可能死無葬身之地了吧，更遑論傳宗接代。

然而，德國哲學大師康德（Immanuel Kant，1724–1804）卻指出，嗅覺是我們的感官中最不被重視、最容易被認作是可有可無的部分。

嗅覺與記憶的關聯最深

其實，在五官的感受中，嗅覺和記憶的關聯最深，幾乎所有談嗅覺的科普書，都會提到法國文學大師馬塞爾．普魯斯特（Marcel Proust，1871－1922）共計七卷的意識流小說經典——《追憶似水年華》（À la recherche du temps perdu）中的第一卷的開場，他用了整整四頁細緻地描述熱茶的餘韻和瑪德蓮的滋味，讓過往記憶歷歷在目。這本《嗅覺不思議：從變化中的氣味，到人類與各種生物驚人的氣味軼事，探索你不知道的嗅覺世界》（Smelling to Survive：The Amazing World of Our Sense of Smell）也不例外。

然而，沒喝過熱茶和嚐過瑪德蓮，要如何設身處地想像主角的經驗呢？聲音原本在保存上，一直有一個重大的缺陷，就是我們可以用各種顏料和墨水模仿所看見的世界，可是聲音除了口耳相傳或者特製的樂器長期訓練，是難以忠實地記錄和保存的。樂譜也只能讓人再現我們少數能聽見的部分聲音，一直到愛迪生（Thomas Edison，1847－1931）發明了留聲機，才改變了一切。 可是，我們有辦法把我們的嗅覺體驗輕易記錄並複製嗎？

只有依樣畫葫蘆地把能發出那些氣味的東西擺到我們面前，無論它們是天然的，還是需要精心製作的，才能讓鄉民共襄盛舉吧？甚至到了科技發達的今天，我們隨手就能用手機記錄下影音，並且傳送給親朋好友，可是卻還是拿氣味沒辦法。於是，嗅覺這個我們應該很熟悉，甚至更能喚起我們熟悉記憶的感覺，卻真如康德主張的那樣，被我們長期漠不關心。

聞不到也必須要知道

沒關係，這本《嗅覺不思議》肯定能讓你喚起和氣味有關的回憶。作者比爾．漢森（Bill S. Hansson）是瑞典裔神經行為學家。從 2014 年 6 月到 2020 年 6 月，他擔任了德國普朗克研究院的副院長，這是一個類似台灣中央研究院的大型學術研究機構，但規模更龐大，在德國各地設立了八十個研究所。 

漢森在瑞典隆德大學獲得生物學學士學位。1988 年，他取得了生態學的博士。 他在美國亞利桑那大學完成博士後研究後，1990 年回到隆德大學擔任教。從 2001 年起，他在瑞典阿爾納普的瑞典農業科學大學擔任教授和化學生態學系主任，直到 2006 年擔任德國耶拿的普朗克化學生態學研究所的主任並主持演化神經行為學實驗室。

漢森的研究重點是昆蟲間和昆蟲與植物互動的神經生態學。他主要研究昆蟲的嗅覺，他探討昆蟲如何使用觸角及觸鬚探測氣味、這些探測和處理系統如何演化，以及嗅覺如何影響昆蟲的行為。他還把昆蟲的系統與其他陸生節肢動物進行比較，如澳洲聖誕島的強盜蟹。他在書中還坦承，為了得知強盜蟹愛吃的山棕果實的滋味，他偷吃了一顆，中了毒，險些喪命。

當然，那些強盗蟹吃了山棕果實後仍老神在在。漢森實驗室探究了強盜蟹用來處理嗅覺訊息的一大半腦袋。其實，我也是讀了這本《嗅覺不思議》才知道，原來我們在現今旳人類世，在大氣和海洋中產生了大量氣味變化，對野生動物來說造成了多大的困擾，這也是過去環境保護議題較少著墨的。

對氣味不敏感的人類

雖然我們人類相較其他許多動物，尤其是狗，能嗅聞到的氣味較少，可是香氛產業還是靠販售香噴噴的產品發大財。更少人注意到的是，飲食業其實也是如此。《嗅覺不思議》舉例說明，如果把我們的鼻子夾住，很多人根本嚐不出番茄醬和芥末醬的差異。我們能夠品嚐到許多令人食指大動的美食風味，主要是靠我們的鼻後嗅覺，也就是說我們在大快朵頤時，許多美妙的感受不僅來自舌尖，而是飄散到我們鼻腔中的氣味，就因為我們少了一塊把嘴巴和鼻子分開的「橫盤」（transverse lamina）這種骨頭。演化生物學家羅伯．唐恩（Rob Dunn）與愛妻人類學家莫妮卡．桑切斯（Monica Sanchez）在《舌尖上的演化：追求美味如何推動人類演化、演化又如何塑造飲食文明？》對此有許多討論。

另外，雖然我們嗅不到費洛蒙，在我們尋找伴侶時也幫上大忙哦！漢森在《嗅覺不思議》也試圖破除一些迷思，例如鳥類其實沒什麼嗅覺能力這事，搞半天原來純粹是基於早期充滿偏頗的觀察，果真是「盡信書不如無書」。除了嗅聞高手狗狗和原本被誤解的鳥類，漢森還舉了其他大量動物界，甚至還有植物的案例，讓我們了解嗅覺究竟有多重要。

身為一位嗅覺專家，漢森也探討了我們能夠如何利用嗅覺造福人群，讓我們不僅耳聰目明地探索這個多姿多彩的世界，也能在芬芳馥鬱、沁人心脾的環境中怡然自得、心曠神怡。

——本文為《你聞到了嗎？：從人類、動植物到機器，看嗅覺與氣味如何影響生物的愛恨、生死與演化》書評，2023 年 1 月，臉譜出版，未經同意請勿轉載。