【智活星期二】陳聖智：用科技說故事

出國旅行除了肢體語言的即時翻譯選擇！

今天要來分享最新的 AI 翻譯蒟蒻，之前我朋友要去法國參加研討會，但他不只不懂法文，連英文都不太行，所以他就來問我，有沒有什麼好用的 AI 即時翻譯？

我說沒有，結果他從法國回來後，反過來跟我分享了他實測各種翻譯 APP 的心得，其中一個我體驗完還真的覺得不錯用啊！

所以今天的影片我想要來跟你分享三件事：

1. 簡單聊一下 AI 語音識別的發展
2. 朋友大推的 Litok 翻譯 APP 的功能介紹
3. 最近超流行的 AirChat 空氣聊天室可以怎麼玩

最後，想問大家有沒有用過其他超好用的翻譯工具呢？

1. 我覺得 Litok 真是天降神物我下次英文會議馬上試用
2. 假的，都是假的，我還是靠自己的金耳朵實在
3. 身為工程師，自己用 Whisper 模型做的才好用
4. 其他也可以留言分享喔

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

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！

數位世界已經改變了我們日常生活的體驗，一個人從早到晚都會接受到大量數據，受益於大量數據，也貢獻大量數據。這些數據龐大的程度，和消化資訊的方式已經太過繁多，人類心智根本無法處理。

與數位科技建立夥伴關係

所以人會本能地或潛意識地倚賴軟體來處理、組織、篩選出必要或有用的資訊，也就是根據用戶過去的偏好或目前的流行，來挑選要瀏覽的新項目、要看的電影、要播放的音樂。自動策劃的體驗很輕鬆容易，又能讓人滿足，人們只會在沒有自動化服務，例如閱讀別人臉書塗鴉牆上的貼文，或是用別人的網飛帳號看電影時，才會注意到這服務的存在。

有人工智慧協助的網路平臺加速整合，並加深了個人與數位科技間的連結。人工智慧經過設計和訓練，能直覺地解決人類的問題、掌握人類的目標，原本只有人類心智才能管理的各種選擇，現在能由網路平臺來引導、詮釋和記錄（儘管效率比較差）。

網路平臺收集資訊和體驗來完成這些任務，任何一個人的大腦在壽命期限內都不可能容納如此大量的資訊和體驗，所以網路平臺能產出看起來非常恰當的答案和建議。例如，採購員不管再怎麼投入工作，在挑選冬季長靴的時候，也不可能從全國成千上萬的類似商品、近期天氣預測、季節因素、回顧過去的搜尋記錄、調查物流模式之後，才決定最佳的採購項目，但人工智慧可以完整評估上述所有因素。

因此，由人工智慧驅動的網路平臺經常和我們每個人互動，但我們在歷史上從未和其他產品、服務或機器這樣互動過。當我們個人在和人工智慧互動的時候，人工智慧會適應個人用戶的偏好（網際網路瀏覽記錄、搜尋記錄、旅遊史、收入水準、社交連結），開始形成一種隱形的夥伴關係。

個人用戶逐漸依賴這樣的平臺來完成一串功能，但這些功能過去可能由郵政、百貨公司，或是接待禮賓、懺悔自白的人和朋友，或是企業、政府或其他人類一起來完成。

個人、網路平臺和平臺用戶之間的關係，是一種親密關係與遠距聯繫的新穎組合。人工智慧網路平臺審查大量的用戶數據，其中大部分是個人數據（如位置、聯絡資訊、朋友圈、同事圈、金融與健康資訊）；網路會把人工智慧當成嚮導，或讓人工智慧來安排個人化體驗。

人工智慧如此精準、正確，是因為人工智慧有能力可以根據數億段類似的關係，以及上兆次空間（用戶群的地理範圍）與時間（集合了過去的使用）的互動來回顧和反應。網路平臺用戶與人工智慧形成了緊密的互動，並互相學習。

網路平臺的人工智慧使用邏輯，在很多方面對人類來說都難以理解。例如，運用人工智慧的網路平臺在評估圖片、貼文或搜尋時，人類可能無法明確地理解人工智慧會在特定情境下如何運作。谷歌的工程師知道他們的搜尋功能若有人工智慧，就會有清楚的搜尋結果；若沒有人工智慧，搜尋結果就不會那麼清楚，但工程師沒辦法解釋為什麼某些結果的排序比較高。

要評鑑人工智慧的優劣，看的是結果實用不實用，不是看過程。這代表我們的輕重緩急已經和早期不一樣了，以前每個機械的步驟或思考的過程都會由人類來體驗（想法、對話、管理流程），或讓人類可以暫停、檢查、重複。

人工智慧陪伴現代人的生活

例如，在許多工業化地區，旅行的過程已經不需要「找方向」了。以前這過程需要人力，要先打電話給我們要拜訪的對象，查看紙本地圖，然後常常在加油站或便利商店停下來，確認我們的方向對不對。現在，透過手機應用程式，旅行的過程可以更有效率。

這些應用程式不但可以根據他們「所知」的交通記錄來評估可能的路線與每條路線所花費的時間，還可以考量到當天的交通事故、可能造成延誤的特殊狀況（駕駛過程中的延誤）和其他跡象（其他用戶的搜尋），來避免和別人走同一條路。

從看地圖到線上導航，這轉變如此方便，很少人會停下來想想這種變化有多大的革命性意義，又會帶來什麼後果。個人用戶、社會與網路平臺和營運商建立了新關係，並信任網路平臺與演算法可以產生準確的結果，獲得了便利，成為數據集的一部分，而這數據集又在持續進化（至少會在大家使用應用程式的時候追蹤個人的位置）。

在某種意義上，使用這種服務的人並不是獨自駕駛，而是系統的一部分。在系統內，人類和機器智慧一起協作，引導一群人透過各自的路線聚集在一起。

持續陪伴型的人工智慧會愈來愈普及，醫療保健、物流、零售、金融、通訊、媒體、運輸和娛樂等產業持續發展，我們的日常生活體驗透過網路平臺一直在變化。

當用戶找人工智慧網路平臺來協助他們完成任務的時候，因為網路平臺可以收集、提煉資訊，所以用戶得到了益處，上個世代完全沒有這種經驗。這種平臺追求新穎模式的規模、力量、功能，讓個人用戶獲得前所未有的便利和能力；同時，這些用戶進入一種前所未有的人機對話中。

運用人工智慧的網路平臺有能力可以用我們無法清楚理解，甚至無法明確定義或表示的方式來形塑人類的活動，這裡有一個很重要的問題：這種人工智慧的目標功能是什麼？由誰設計？在哪些監管參數範圍裡？

類似問題的答案會繼續塑造未來的生活與未來的社會：誰在操作？誰在定義這些流程的限制？這些人對於社會規範和制度會有什麼影響？有人可以存取人工智慧的感知嗎？有的話，這人是誰？

如果沒有人類可以完全理解或查看數據，或檢視每個步驟，也就是說假設人類的角色只負責設計、監控和設定人工智慧的參數，那麼對人工智慧的限制應該要讓我們放心？還是讓我們不安？還是既放心又不安？

——本文摘自《 AI 世代與我們的未來：人工智慧如何改變生活，甚至是世界？》，2022 年 12 月，聯經出版公司，未經同意請勿轉載。

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。