劉辰岫：科學家？藝術家？

數學絕對是科學上非常重要的工具，當科學面對重大疑難雜症時，往往確實是由數學來解決問題。歷史上有很多例子，可以用來說明科學家遇到科學問題時，發明數學工具來解決問題。

例如我們知道，一個物體如果維持每秒鐘 30 公尺的速度前進，那麼 100 秒之後，它會前進 3,000 公尺。但如果這個物體的速度是會穩定減少，平均每一秒鐘還會穩定的減少每秒 10 公尺，也就是一秒後它的速度就變成 20m/s、兩秒之後變成 10m/s，以此類推。

這樣的話，我們知道它 3 秒之後會停下來，但你能知道它前進的距離總共有多少嗎？

為了解決這個問題，牛頓發明「微積分」這個數學工具。

先有雞還是先有蛋？先有科學還是先有數學？

物理學家為了要處理像是「位移」、「力」、「速度」這類問題，也發明「向量」這樣的數學工具來幫助物理學家解決問題。

這樣看起來，好像應該說「科學是數學之母」才對？

也有的時候，科學家為了精準簡潔的描述自然界規則，運用數學語言來作為描述的方式。

例如我們知道，兩物體之間永遠存在一個互相吸引的萬有引力，萬有引力的大小和兩物體的質量大小乘積成正比，和兩物體的距離平方成反比。這麼一大段落落長的描述，如果用數學符號來表達，就會變成：

\(F = G \frac{m_{1}m_{2}}{r^{2}}\)

這樣的表達既簡潔又精準，當然是很不錯的描述方式，很受科學人的喜愛。數學是科學中重要的工具，可以幫助科學解決很多問題。在學習科學或發展科學的某些階段，數學更是不可或缺的工具，沒有數學便跨越不了某些門檻。

即便如此，數學好像也說不上是「科學之母」。

科學始於好奇心，每個孩子都是天生的科學家

我總覺得「科學之母」的意思，應該是科學的產生者。那什麼才是科學的產生者？我認為是「觀察」。

觀察與好奇心促成科學的動機觀察的意思不是觀看，不是說用眼睛看到些什麼東西就是觀察。觀察是會產生疑問的，會勾起你的好奇心。看到一些「怪怪的」、好像跟平常不一樣的事物時，你可能會留心的多看個兩眼，腦袋裡想著：「昨天跟今天看到的太陽升起位置，是不是有什麼不一樣？」、「上次釀的酒跟這一次喝起來好像不一樣？」

察覺這些差異之後，你的好奇心可能就會接手，開始思考如何解釋這樣的差異。

如果你認真一點的話，可能會對現象進行系統化的描述記錄，將那些雜亂的事物根據相同處、相異處進行比較並分類，有時候或許能從中發現一些現象的規律性或者因果性。

例如我們的祖先們長期觀看著海，把每天看的海水高度做了記錄，時間一長就慢慢看出一些規律性，發現每天海水高度變化跟月亮的位置有關：滿月的那天，當潮水最高的時候就是在正中午。

進而發現不同的月相和漲退潮的時間，有某種特定的關係。等蒐集到夠多的事實之後，很可能就可以發現規律性。

察覺這些規律性、相同處、相異處之後，有些人會興起強烈的好奇心，想要一探這些現象背後的完整詳細規則，或是探詢造成這些規則背後的原因，這時，科學的動機就出現了。

自文明誕生以來，有很長一段時間，人們只是用神話的方式來解釋自然，直到近幾百年才發展出有系統的科學方法，以極端嚴謹的態度來檢視心中的答案。雖然科學是近代產物，但產生科學的動機卻是每個人都天生具備的，那就是「觀察」和「好奇心」。

每個孩子天生就很愛問問題，這也是為什麼許多科學家會說：「每個孩子都是天生的科學家」，不過這句話的下一句是：「直到 XX 歲為止」。

為什麼等到我們長大以後，就不會提問了呢？

身為老師的我們都曾發現，學生到了國中之後，似乎就變得很不愛問問題。

我相信造成這個結果的原因有很多，例如我們的科學教材教法往往是去情境化、去脈絡化的；我們的考題有許多是脫離現實的；我們的課程也經常不是以學生親身觀察而產生的探究問題作為出發點。

此外，大量意義不明的數學練習，恐怕也是重要的原因之一。

既然數學題目難以避免，我們該怎麼讓這些練習對學生而言，變得更有意義、更具有科學教育的價值呢？

數學在科學課堂上扮演的角色在科學的學習中，數學作為一種工具，其存在是必要且適當的。但我們應該注意的是：工具的使用必有其特定的使用動機和情境。

如何讓學生知道自己在幹嘛？以燃素說、氧化說為例

例如拉瓦節（Antoine Lavoisier）並不是一開始就在實驗室裡面計算數學，因而發現燃燒的本質是物質的氧化。他是因為用定性分析方式無法成功反駁當時主流的「燃素說」，才進一步使用量化實驗、測量精準的數據，得到足以駁倒「燃素說」的證據。

讓學生具備動機和情境後，在適當的難度下，引進必要的數學就會覺得理所當然。如果學生知道自己正在處理什麼問題，也知道為什麼需要運用這個工具的情況下，那麼在自然科裡面學習數學是沒有問題的。

於是我在燃燒的單元中，設計了讓學生閱讀並比較史塔爾（Georg Ernst Stahl）提出的「燃素說」和拉瓦節的「氧化說」。兩個學說都是在描述學生熟悉的燃燒現象，但卻有著截然不同的解釋方式。

史塔爾的「燃素說」認為：

因為物質燃燒時，物質裡面的可燃成分（燃素），會從物質內逃逸出來與空氣結合，從而發光發熱，這就是火。並且因為燃素從物質中釋放出來，重量就變輕了，釋放燃素的物質只剩下灰。

但有些物質，像是金屬，它們內部的空隙就像容器一樣，裡面充滿燃素。燃素與金屬分離後，空出來的容器會被空氣填滿，容器裝著比燃素重的空氣，重量自然就變重了。

而且物質在加熱時，燃素並不能自動分解出來，必須藉空氣來吸收燃素，才能將燃素釋放出來，而且愈好的空氣吸收燃素的效果愈好。

拉瓦節的「氧化說」則主張：

物質燃燒時，不是物質內部的燃素釋放出來，而是物質和空氣中的氧氣結合。結合的過程中會發光發熱。

結合之後的物質，稱為氧化物。氧化物如果是氣體或者變成飛灰離開了物體本身，質量就會變小，就像紙張燃燒一樣。

如果物質氧化物和物質是依附在一起的，那就會看到質量變重，就像金屬的燃燒一樣。

你會發現兩者的說法看起來都能完美的解釋燃燒現象，如果只是觀察各種燃燒的現象，並不足以判別誰說的才對。這時，用量化方式精準測量燃燒過程中各階段物質的質量變化，就變成判別是非的關鍵所在。

量化實驗當然是比定性實驗更加困難，但當我們對於某個事件產生興趣時，這些困難就會瞬間變成讓人興致高昂、願意去挑戰和克服的關卡。

數學的工具也是如此，所以我在運動學的課程設計中，利用交通安全宣導影片中常出現的「未維持安全距離」下產生的交通事故，讓學生感受到危險，並且產生「安全距離是怎麼計算出來的」的疑惑，激發學生解決問題的動機。

動機產生之後，我們就可以把待解問題轉化為比較嚴謹的文字敘述：「車子以 108km/hr 的速度行駛在高速公路上，因前方發生事故而緊急煞車。若車子能在 X 秒鐘之內停下來，我們的煞車距離有多少？」這就變成大家熟悉的考題了。

此時不管是使用公式也好，圖形法也好，學習起來就會比較自然而然、順理成章。在課堂上營造動機與脈絡，讓解決這些數學問題變成必要的過程，就是我們在課程設計上可以努力的方向。

——本文摘自《教出科學探究力》，2021 年 8 月，親子天下 ，未經同意請勿轉載。

• 本文轉載自科技大觀園，原文為《人工智慧讓羽球訓練更聰明！》
• 作者／郭雅欣｜科技大觀園特約編輯

「啪！」「啪！」在臺南新豐高中的羽球場上，球拍強力揮擊的聲響不絕於耳，幾位選手正奮力廝殺著。但這場羽球賽有點不同，因為旁邊還架著一具電視螢幕，而選手手上的球拍也不太一樣。練習賽結束後，教練與選手聚集在螢幕前，對著螢幕上的揮拍速度、爆發力指數等數據，熱烈地討論了起來。

會出現這麼特殊的景象，是因為新豐高中的羽球隊從去年（2019年） 5 月起，開始做為科技部計畫「從中樞系統建構雲端 AI 運動訓練歷程分析與疲勞診斷系統：以羽球項目為例」（以下簡稱「AIOT 智能羽球訓練模式」）的實驗基地，而這個計畫由成功大學體育健康與休閒研究所特聘教授蔡佳良領軍，希望利用人工智慧，將羽球的訓練科學化，達到最有效精準的訓練效果。

這項計畫包含五個部分，包括智能球拍、智能手錶、高速攝影動作捕捉，以及雲端 AI 運算中心和顯示各項運動與生理數值的 APP。智能球拍、智能手錶、高速攝影負責收集運動資訊，將資訊以 Wifi 網路上傳到雲端的 AI 運算中心計算後，結果呈現在電腦螢幕及專用的手機 APP 上，讓教練與選手一目了然。 

 計畫中使用的雲端計算中心是成大電機系教授王振興所主持的人工智能數位轉型研究中心 ，智能球拍、手錶等裝置不斷上傳的資料，會持續訓練 AI 演算法自身，讓演算法變得愈來愈精準。

為了讓訓練過程面面俱到，蔡佳良組了一支跨領域的「黃金陣容」，除了專研腦波與眼動的自己外，還找了工程專業的成大電機系教授王振興、負責 AI 演算法的逢甲大學自動控制工程學系副教授許煜亮、專研運動傷害的成大物理治療系副教授蔡一如，每位成員的專業領域都不一樣，在計畫中各司其職。

聰明的智能球拍

計畫中的一大重點，就是選手手上那支「智能球拍」，它可以收集選手的揮拍力道、轉動角度等數值，經過計算後，能知道揮拍速度、軌跡，還能分辨出九個不同的球種，這是因為球拍的握把中藏了一個感測晶片。

在握把中放入感測晶片就能做到，聽起來很容易，但在羽球拍上卻沒那麼簡單。蔡佳良說：「羽球選手對球拍的重量可是很要求的，一般選手使用的球拍大約 80 幾克，重一點輕一點，手感就差很多了。」而一個晶片動輒 10 幾克，直接放上球拍，不但影響重量，還改變了球拍的重心位置，「這樣的球拍沒有人會想用。」蔡佳良說。

後來，蔡佳良找了勝利體育公司合作，在以碳纖維為材料的握把中納入晶片，並盡量減少晶片重量，才做出了目前的智能球拍。蔡佳良說：「不過我們還是想再縮小晶片的重量，看看是否能讓晶片的電池小一點，希望能將球拍再減少 5 公克左右。」

你累了嗎？疲勞狀態對訓練來說很重要！

有了能收集選手打球狀況的智能球拍還不夠，蔡佳良還希望能將選手的「疲勞狀態」也納入訓練的參考，這也是接下來 AIOT 智能羽球訓練模式的發展重點。

蔡佳良與蔡一如指出，疲勞分成「中樞神經疲勞」與「周邊神經疲勞」，中樞神經疲勞反應在腦的專注力、心理上的鬥志等，例如比賽時間過長，或是選手心態上已經認輸等，這可以從選手的腦波及眼動訊號來判斷；而周邊神經疲勞則反應在肌肉的動作，例如選手的移動腳步可能變慢、揮拍動作變小等。此外，長時間受訓練的選手也可能慢性疲勞，儘管身體好像沒怎麼樣，但可能一早起床就覺得特別累，不想練球等。

分析選手的疲勞狀態，還可以進一步預防選手受傷，在選手有一點點受傷徵兆時，例如動作稍微改變時，就及時察覺，讓選手休息或就醫，這對於延長選手的運動生涯來說是很重要的。

你的疲勞，AI 比你先發現

為了偵測選手的肌肉疲勞狀況，重建選手的動作也是這次計畫的重點之一。蔡佳良說：「一般來說，我們是用『光學式動作捕捉系統』來重建選手的運動姿態。」這是一套專門的系統，選手的身上會貼滿光點，由四面八方的攝影機拍攝光點的移動，來重建選手動作。「不過這套系統太昂貴了，」蔡佳良說：「因此我們希望用一般的高速攝影機來取代。」方法是先以光學式動作捕捉系統找出界定選手疲勞與否的標準（稱為黃金標準），再將黃金標準與高速攝影機的影像共同輸入電腦，訓練電腦以高速攝影機的影像重建選手動作，並判別選手疲勞狀態。

 蔡佳良補充說：「等到我們把高速攝影機這一塊做起來，就會推廣到一般球館。」換句話說，未來一般民眾在運動中心等球館打球時，或許就能透過場館附設的高速攝影機，看見自己的動作及打球狀態，雖然不是職業選手，也可以研究自己的動作，享受運動科技帶來的好處。

智能手錶則由選手整天佩戴著，記錄選手日常的心跳及睡眠狀態，教練可以據此觀察選手生理狀況，也能輔助判斷疲勞狀態。計畫中使用的智能手錶由王振興研發，蔡佳良表示：「我們自己研發而不採用市面上的手錶，這樣可以依據我們的需求來收集資訊，也可以避免個資外洩的問題。」 

至於中樞神經的疲勞，可以透過腦波與眼動的狀態來發現，這也是蔡佳良的研究專長。但是蔡佳良說：「我們若要收集這些訊號，得讓選手戴上特製眼鏡，並在頭上貼特殊的貼紙，這會對選手打球造成影響。」因此，蔡佳良希望先將腦波及眼動的訊號，和智能球拍的感測訊號做連結，找出彼此的關聯，建立一個演算法，再將這個演算法寫入智能球拍的晶片中，「如果我們的演算法夠強，球拍感測訊號與腦波、眼動的關聯準確性夠高，就能直接從球拍的訊號，計算出選手的中樞神經疲勞狀況。」

學術與運動的跨領域溝通

AIOT 智能羽球訓練模式發展到目前的階段，已經可以從智能球拍的訊號，計算出個別選手的最快揮拍速度、最大擊球力道，以及爆發力、攻擊力、反應力等指數，蔡佳良笑說：「我們和教練也有一段磨合的過程，因為我們做研究的，想的都是怎樣的數據合適發表，卻不一定是教練真正需要的。」

 新豐高中羽球隊的教練李宜勳也對此舉例：「一開始蔡教授的團隊提供過一個數據叫做『積極度』，判別的方式就是一場雙打比賽中擊球次數多的，就是比較積極。可是事實上，我們比賽的時候，會故意將球打給比較弱的選手，所以他們的擊球次數自然比較多，這不代表他們比較積極。」

不過，李宜勳認為將 AIOT 智能羽球訓練模式納入訓練，對選手的練習的確有幫助，「有時候教練說破了嘴，還不如數據直接攤開來看。」李宜勳笑說。看到明確的數據，選手之間也會有正向競爭，覺得不想輸給同儕，對於自己的動作或缺點也有更明確的認識。

運動訓練科學化

儘管 AIOT 智能羽球訓練模式還未真正完成，但蔡佳良對於這項研究的未來發展深具信心，他說：「我們的研究成果在其他有球拍的運動上都可以應用，例如網球。」

蔡佳良並且認為，運動科技的蓬勃發展下，未來的運動訓練一定也都會走向科學化。「其實我一開始做運動科學時，接觸過一些國家級的教練，他們對運動科學有點排斥，認為運動科學發展起來之後，會搶了他們的教練工作。但其實運動科學只是用數據輔助訓練，真正的訓練專業還是在教練身上。」蔡佳良希望現在還在起步階段，就有機會經歷科學訓練的選手，未來若是成了教練，可以經由自己的經驗，明白如何運用科技，讓訓練變得更有效率。

「我們還希望我們的成果也能普及到一般民眾，因為運動科學的市場是很大的。」蔡佳良希望將智能球拍研發完整後，普及到一般運動用品店，讓民眾也能買來使用。他說：「即使是一般民眾，若能看看自己今天打球的狀況，也是很好玩、很有趣的事情。我相信會有人想買這種智能球拍的。」

• 作者／洪靖，荷蘭 University of Twente 技術哲學博士

人工智慧（Artificial Intelligence，以下簡稱 AI）能夠創作藝術嗎？演算法的作品可以被稱為藝術嗎？

早已有些藝術家利用 AI 或演算法進行創作，但一直要到 2018 年底，這兩個問題才開始進入大眾視野。契機是法國藝術團隊 Obvious 利用 AI（演算法 GAN）協助產生的畫作 Edmond de Belamy 在 2018 年初以一萬歐元賣出，另一幅畫作 Edmond 則在同年十月登上了世界知名的拍賣會佳士德（Christie’s）。雖然 Obvious 涉嫌炒作受到批評，但不可否認的是，他們確實敲開了藝術的大門，把開篇的兩個問題丟向世界。

要回答這兩個問題，可以從藝術與技術的關係入手。從藝術角度出發的討論所在多有，尤其是這兩個問題本身就屬藝術領域的熱門話題。相較之下，從技術角度出發的探索似乎不多，而這或許是技術哲學（philosophy of technology）可以提供想法之處。

海德格的技術與藝術

要談技術哲學，不能不談海德格（Martin Heidegger）。他的名文 The Question Concerning Technology（1954）可說是開啟了整代哲學家（與社會學家）對於技術的批判和反省。海德格在文中嘗試追問：技術的本質（essence）是什麼？

我們很容易想到技術零件、工程藍圖…等，但海德格說，技術的本質並不是那些技術的種種（The essence of technology is by no means anything technological）。海德格更認為，傳統用來說明「技術物之所是」的分析，並不足以說明技術的本質。在亞里斯多德的觀點中，一個銀製聖杯之所以是現在這個樣貌，可以拆解成四個因素：材質是銀（質料因）、杯子的樣式（形式因）、由工匠製作（動力因）、用於宗教儀式（目的因）。但在海德格看來，四因說充其量只是近因，真正的問題在於，究竟是「什麼」讓這四個因素剛好聚集在一起並造就了這個聖杯？

海德格認為，這個「什麼」是名為 Revealing（揭示）的過程，也就是一個原本被掩蓋的東西被看見、被呈現出來。用一個稍不精確但容易理解的方式來解釋：這個聖杯「註定」要成為現在這個樣子，這正是它最好的模樣，而所謂 Revealing 正是逐步找到並實現這個「註定」的過程。但這個 Revealing 的過程究竟為何、如何做到？至少有兩種方式，分別對應傳統技術與現代技術。

想想工匠如何製作聖杯。他們需要十分熟悉手中的材質，在打磨的過程不斷調整手勢、力道、角度，透過日積月累的經驗才能製作出一個精緻耐用的儀式品。這個緩慢的過程，是與世界「打交道」並迎來其最好一面的行動，海德格稱之為 Bringing-Forth（帶出）。很明顯，這並非當今各種技術產品的製造方式。

對海德格而言，現代技術粗暴得多，雖然也是 Revealing，但它其實是種 Challenging-Forth（強索）。現代技術的目的不是逐步迎來世界最美好的一面，而是以最快速度、最大效率逼迫自然吐出有益於人類之物——名為「資源」的東西。

海德格的著名例子，是萊茵河上的水力發電廠。為了發電，人類製造水壩阻斷萊茵河，甚至因此破壞了風景。對於海德格而言，這全然不同於在萊茵河上搭一座木橋：木橋雖然也是技術，但它沒有阻斷自然的運行，沒有把萊茵河的水流變成資源、供人類享用。海德格甚至給這種 Revealing 一個專門名稱：Enframing（座架）。

海德格進一步論證，要達成這種 Challenging-Forth，就必須能夠精確掌控和預測自然，而這種精確只能透過數學來達到。換句話說，「可以控制」和「可以計算」一體兩面。從這個說法來看，現代技術並不源出現代科學，而是相反：正是因為人類已經具有以 Challenging-Forth 來 Revealing 世界的欲望與渴求，現代科學才應運而生。換句話說，科學才是（現代）技術的應用，而非相反。

把一切轉化為資源的現代技術，終將成為人類的牢籠，因為人類本身也開始被視為「資源」——人力資源早已成為在各大公司不可或缺的部門。海德格認為，要化解這種悲劇，並非拋棄技術，而是回到藝術。Art 一詞本來就指「工藝」，既是工也是藝；換句話說，技術和藝術系出同源。

現代社會之所以將兩者視為不同、甚至對立的領域，是因為我們太過習慣 Challenging-Forth 這種 Revealing，導致全然忽略過往技術的另一條途徑：Bringing-Forth。製作聖杯既是技術也是藝術，聖杯既是技術物也是藝術品，原因無他，正是因為那是 Bringing-Forth——真正的 Art。

因此，從海德格的角度來看，Obvious 的各種作品很難稱得上是藝術。一方面，Obvious 的作品奠基於演算法，而衆所皆知演算法就是數學，顯然是海德格多所批評的對象；另一方面，它們缺乏創作者日積月累與世界打交道的緩慢過程，全然不是 Bringing-Forth 的成果。

雖然 Obvious 的作品不一定是為了索取自然資源，但就海德格而言，這可能加強或複製了現代技術 Challenging-Forth 的世界觀，如果我們接受了它們是藝術，那麼藝術——與技術系出同源的 Art——成為救贖的機會將消失殆盡。

藝術的定義

就「真正」Art 的定義來說，技術物的原文 Artifact 的意義完全屬實：製造出來的事實（arti-fact）。前面說過，真正的技術也是藝術，是 Bringing-Forth，帶出事物最美好的一面，亦即實現它「真實」的樣子。Arti（製造出來）的事物不一定是假的。

我們之所以很常用 Arti 來暗示虛假，是因為身處現代社會的我們，已經太習慣 Challenging-Forth 意義下的 Artifact。同樣地，AI 裡的 Arti 本身就屬於高科技，所以從海德格的角度來說，AI 不可能也不應該是藝術的創作者，更不可能能名列藝術家，除非 AI 能以傳統 Bringing-Forth 的方式來創作——但顯然不太可能。

我們不難感覺到，海德格對於技術和藝術的看法有一定程度的封閉性。當海德格追問「本質」問題並試圖回答時，也就不得不排除那些在他看來不是本質的東西。這種對於 Art 的嚴格規定，似乎和當代藝術所強調的開放性與可能性相互扞格。

多數藝術家總是在嘗試新的手法、新的材料；雖有藝術家試圖回到過去的工匠精神，但這畢竟不是多數。許多時候藝術仍被視為揭露真理／真實（truth）的途徑（之一），但我們幾乎不可能回到那種浪漫的 Bringing-Forth 的實踐與時代。如果現代技術真如海德格所說，是人類與現代世界的牢籠，那麼海德格的論述與觀點本身，似乎也成為藝術的牢籠，將藝術關閉在一定的界線之內。

海德格的封閉性，技術哲學界也注意到了。技術哲學的後續發展，尤其是荷蘭學派，試圖超越海德格。正是在這一點上，荷蘭技術哲學更有助於我們理解 Obvious 的藝術實踐、它對於藝術的意義，並幫助我們回答兩個核心問題。

轉向荷蘭技術哲學

當代技術哲學中荷蘭學派的核心人物是 Peter-Paul Verbeek，其著作 What Things Do（2005）爬梳並評析了過往幾位技術哲學家的論述，海德格佔據重要篇幅。Verbeek 認為，海德格對於技術本質的探問，實際上是從技術本身「向後退」，將技術還原到技術之所是的條件（condition）。

這種觀點並非沒有道理，但後果往往指向悲觀的結局：人類被技術所限制。這種觀點也忽略了一個難以否認的事實：雖然技術可能帶來災難與危害，但更多時候技術往往提供人類與社會許多的自由與可能。Verbeek 強調，與其向後追問技術是什麼，不如「向前進」，探問「技術做什麼」——這也正是書名的由來。

為了回答這個問題，Verbeek 將眼光鎖定在人類與技術的關係之上，認為技術橋架起人類與外在世界的雙向關係：技術物影響外在世界如何呈現給（for）人類，亦即「世界是什麼」，也影響人類應對（to）外在世界的行動，亦即「人類做什麼」。

例如，溫度計呈現了一個有「度」的世界（而我們理所當然認為世界 是有「度」的）；塑膠杯或紙杯的材質本身就暗示我們「用完即丟」 （即使沒有使用手冊告訴我們這麼做）。換句話說，技術是一種中介物（mediator），中介了人類的經驗（experience）與行動（praxis），不論設計師或製造者有無相關意圖。將這兩種技術中介合併起來，就是一個完整的技術中介論（如下圖）。

需要注意的是，技術雖然身處兩端之間，但它不是單純的媒介物或中間物（intermediary），亦即，它並未忠實的再現「已經在那」（already-out-there）的世界，也不僅僅是傳達人類的意志或想望。遠紅外線光譜儀只能呈現遙遠恆星的特定面向，非遠紅外線所能呈現者皆被遺漏在人類視野之外；汽車被設計來方便人類移動，沒有人預料到結果竟是每個駕駛都成為了移動污染的製造者。換句話說，技術兩側的人類與技術的之所是，並不是因為他／它們有什麼本質或真實的存在（being），而是在與技術產生關係之後才生成的（becoming）。

聚焦人類—技術關係，讓我們得以重新看待許多本來被視為專屬人類的事務。例如，Verbeek 在續作 Moralizing Technology（2011）中論證，如果人類的道德經驗和道德行動都是技術中介的產物，那麼倫理學就不能只是一門以人類為中心的學問，而必須考慮並納入技術所能扮演的道德角色。

也就是說，將一個道德決策或道德行為還原到人類的意向與思考並不足夠；反之，我們應該把這些決策和行為視為人類和技術互動的產物。人類的確是能動者（agent），但光有人類不足以成事，真正的能動性（agency）存在「人類＋技術」這個綜合體之上。

更有甚者，如果道德決策和道德行為是技術中介的後果，那麼道德標準很可能也是。亦即，什麼是道德的、什麼又是不道德的，這個判準會隨著技術的發展而改變。例如，隱私是從中世紀以來隨著技術發展而浮現出來的價值，但在這幾年達到高峰以後，隨著各種 ICT 技術的廣泛使用，千禧年世代卻已不再把保護隱私看成重要的道德行為。同樣地，Google Glass 問世之後，如果我們去看看使用者或試用者怎麼討論這項技術，我們就會發現，他們討論的不只是技術本身，也包括如何重新協商和定義什麼是隱私權。

如果我們隨著荷蘭技術哲學的腳步，轉向技術做什麼的問題，就會發現，技術中介論以及它的道德意涵，正好可以用於類比藝術，讓我們重新詮釋 Obvious 的行動能否算是藝術活動的問題。

藝術不只與人、也與物有關

首先，如果道德不是人類的專屬事務，那麼藝術亦然。我們常將藝術作品視為創作者意念或意圖的展現，並試圖從作品中讀出創作者賦予作品的意義，有時甚至有詮釋正確與否的爭議。但從技術中介論的角度來看，我們應當將藝術作品視為「創作者＋創作工具」的產物：不只是創作者透過工具來呈現他／她的想法，所使用的工具也會反過來形塑他／她的表達。

這也就是為什麼，有的創作者會找尋並嘗試新的材料，從材料出發來創作、讓材料「發聲」。換句話說，藝術作品並非單純由人類所創作，而是人類＋技術這個「創作體」的共同成果。

一旦我們把藝術創作的單位從「人類」換成「人類＋技術」，那麼拿著畫筆或雕刻刀來創作可以稱為藝術活動，使用演算法來創作亦然——兩者都是「創作體」的行為。從這個角度來看，問 AI 能否成為藝術家，似乎不具意義。人類是藝術家，但人類從未不透過技術來創作（即使拿著樹枝在地上畫圖，手上的樹枝也算是技術）；同樣地，AI 當然可以是藝術家，但它即使是號稱自學的機器學習，也不曾脫離人類的編程與資料輸入。

當然，我們可能會問：「人類＋畫筆」可以展現創意，但一個靠著演算法運作的 AI 加上人類，能夠展現任何創意嗎？這個問題的預設其實是：創意意味著某種出乎意料或不期而遇，但數學無法給予我們這些，畢竟它是可計算並預測的。這正是許多人對演算法作品的質疑。

然而，事實上並非如此，很多時候 AI 會丟出超乎編程人員預期之外的結果，有時候編程人員甚至無法在事後提出相關且合理的解釋。這正是許多論者視 AI 為危險的原因，然而，這種「危險」卻恰好反過來說明了 AI 也可以充滿創意。

另一方面，技術中介論表明，「什麼是道德」會隨著技術而改變，那麼「什麼是藝術」又未嘗不是？《觀察者的技術》一書，足以說明這種現象。作者 Jonathan Crary 認為，藝術史經常把藝術家看成是觀看方式的定義者，用藝術作品來引領大衆的視覺，但實際情況其實相反，是因為大眾的觀看方式早已轉變，才使得某些形式的作品得已被視為藝術。更重要的是，這種轉變與技術的發展互為表裡。

Crary 論證，17-18 世紀的技術物「暗箱」，引領並反映當時人們——包括科學家、藝術家、文學家——的觀看方式：人類只是被動的觀看者，外在世界會透過暗箱的透鏡投影到牆上，既無扭曲也沒變造。這種觀看方式意味著人類如何認識世界：透過不斷仔細描繪和收集外在世界的種種景象。在藝術上，是寫實主義的盛行，而在科學上，則是博物學的當道。那是一個「所是即所見」的時代。然而，到了 19 世紀初期，這種觀看方式一去不復返。

「後像」（afterimage）問題讓人們開始不再信任眼睛，也懷疑「所是及所見」的基本預設。利用各種視覺暫留與錯覺的技術產品大為盛行，其中以「立體試鏡」（stereoscope）為最。這種技術的流行，造成並反映當時人們的觀看方式：人類是主動的觀看者，外在世界究竟如何不得而知，人類能夠確定的只有眼睛所見的景象；換句話說，所見及所是。

這種觀看方式帶來了雙重的吊詭：一方面，人類失去了對真實的信心和掌握，只能依賴眼前的各種影像，有時甚至認為那些影像才是真的；但另一方面，人類開始試圖追逐甚至複製外在世界，以確保真實不會流失。之於前者，我們看到印象畫派的興起，認為「純描繪」印在眼睛上的像（尤其是光和影）才是真正的真實；之於後者，則是攝影技術的發展，有的人認為攝影只是複製真實毫無創意，而有的人則認為攝影也是一種藝術創作。

透過 Crary，我們可以看到，技術的發展確實改變了藝術的內涵。一方面，過往不被描繪的印象變成可以描繪的主題，甚至成為所謂現代藝術的發端；另外一方面，當所見比所是更加重要時候，視覺的各種可能性被完全打開，使得什麼是藝術有了更大的發揮空間。就像當年有人爭論印象派根本算不是好的藝術作品、有人大力質問攝影能否列為藝術，我們如今也在推敲 AI 或演算法的作品算能否算是藝術。這些正是藝術邊界因為技術而悄悄改變的明證。

藝術與技術的相互敞開

AI 可以創作藝術嗎？演算法的作品可以被稱為藝術嗎？這些問題，技術哲學可以提供一點想法。如果從傳統的技術哲學（海德格）來看，答案是否定的。由於海德格認為現代技術的 Challenging-Forth 是一種糟糕的 Revealing，有違技術與藝術系出同源的 Bringing-Forth，並且反對現代科技所隱含的數學性與計算性，使得我們不得不導向AI或演算法和藝術相互排斥的結論。然而，這種觀點限縮了藝術的開放性，也忽略了藝術不斷挑戰自我邊界的各種實踐。

當我們不再追問技術是什麼的時候，我們也得以從藝術是什麼的泥沼中逃脫。轉向荷蘭學派的技術哲學，讓我們得以把藝術創作的行動者從人類轉換成人類＋技術這個綜合體，並且再次將技術算進藝術內涵的變化之中。AI 當然可以創作藝術，但它從來不是獨自創作，正如同過往的偉大藝術家也未曾脫離他／她的繪畫工具。演算法的作品也有被視為藝術的可能，就像印象派和攝影都因為技術改變了藝術的內涵，而開始被稱為藝術一樣。