台大電機系畢業,美國明尼蘇達大學政治學博士,
現任教於美國德州大學奧斯汀校區政府系。
林教授每年均參與中央研究院政治學研究所及政大選研中心
「政治學計量方法研習營」(Institute for Political Methodology)的教學工作,
並每兩年5-6月在台大政治系開授「理性行為分析專論」密集課程。
林教授的中文部落格多為文學、藝術、政治、社會、及文化評論。
C-LAB 策展人吳達坤進一步說明,本次展覽規劃了 4 大章節,共集結來自 9 個國家 23 組藝術家團隊的 26 件作品,帶領觀眾從了解 AI 發展歷史開始,到欣賞各種結合科技的藝術創作,再到與藝術一同探索 AI 未來發展,希望觀眾能從中感受科技如何重塑藝術的創造範式,進而更清楚未來該如何與科技共生與共創。
從歷史看未來:AI 技術發展的 3 個高峰
其中,展覽第一章「流動的錨點」邀請了自牧文化 2 名研究者李佳霖和蔡侑霖,從軟體與演算法發展、硬體發展與世界史、文化與藝術三條軸線,平行梳理 AI 技術發展過程。
藉由李佳霖和蔡侑霖長達近半年的調查研究,觀眾對 AI 發展有了清楚的輪廓。自 1956 年達特茅斯會議提出「人工智慧(Artificial Intelligence))」一詞,並明確定出 AI 的任務,例如:自然語言處理、神經網路、計算學理論、隨機性與創造性等,就開啟了全球 AI 研究浪潮,至今將近 70 年的過程間,共迎來三波發展高峰。
第一波技術爆發期確立了自然語言與機器語言的轉換機制,科學家將任務文字化、建立推理規則,再換成機器語言讓機器執行,然而受到演算法及硬體資源限制,使得 AI 只能解決小問題,也因此進入了第一次發展寒冬。
-----廣告,請繼續往下閱讀-----
之後隨著專家系統的興起,讓 AI 突破技術瓶頸,進入第二次發展高峰期。專家系統是由邏輯推理系統、資料庫、操作介面三者共載而成,由於部份應用領域的邏輯推理方式是相似的,因此只要搭載不同資料庫,就能解決各種問題,克服過去規則設定無窮盡的挑戰。此外,機器學習、類神經網路等技術也在同一時期誕生,雖然是 AI 技術上的一大創新突破,但最終同樣受到硬體限制、技術成熟度等因素影響,導致 AI 再次進入發展寒冬。
走出第二次寒冬的關鍵在於,IBM 超級電腦深藍(Deep Blue)戰勝了西洋棋世界冠軍 Garry Kasparov,加上美國學者 Geoffrey Hinton 推出了新的類神經網路算法,並使用 GPU 進行模型訓練,不只奠定了 NVIDIA 在 AI 中的地位, 自此之後的 AI 研究也大多聚焦在類神經網路上,不斷的追求創新和突破。
從現在看未來:AI 不僅是工具,也是創作者
隨著時間軸繼續向前推進,如今的 AI 技術不僅深植於類神經網路應用中,更在藝術、創意和日常生活中發揮重要作用,而「2024 未來媒體藝術節」第二章「創造力的轉變」及第三章「創作者的洞見」,便邀請各國藝術家展出運用 AI 與科技的作品。
例如,超現代映畫展出的作品《無限共作 3.0》,乃是由來自創意科技、建築師、動畫與互動媒體等不同領域的藝術家,運用 AI 和新科技共同創作的作品。「人們來到此展區,就像走進一間新科技的實驗室,」吳達坤形容,觀眾在此不僅是被動的觀察者,更是主動的參與者,可以親身感受創作方式的轉移,以及 AI 如何幫助藝術家創作。
-----廣告,請繼續往下閱讀-----
而第四章「未完的篇章」則邀請觀眾一起思考未來與 AI 共生的方式。臺灣新媒體創作團隊貳進 2ENTER 展出的作品《虛擬尋根-臺灣》,將 AI 人物化,採用與 AI 對話記錄的方法,探討網路發展的歷史和哲學,並專注於臺灣和全球兩個場景。又如國際非營利創作組織戰略技術展出的作品《無時無刻,無所不在》,則是一套協助青少年數位排毒、數位識毒的方法論,使其更清楚在面對網路資訊時,該如何識別何者為真何者為假,更自信地穿梭在數位世界裡。
透過歷史解析引起共鳴
在「2024 未來媒體藝術節」規劃的 4 大章節裡,第一章回顧 AI 發展史的內容設計,可說是臺灣近年來科技或 AI 相關展覽的一大創舉。
過去,這些展覽多半以藝術家的創作為展出重點,很少看到結合 AI 發展歷程、大眾文明演變及流行文化三大領域的展出內容,但李佳霖和蔡侑霖從大量資料中篩選出重點內容並儘可能完整呈現,讓「2024 未來媒體藝術節」觀眾可以清楚 AI 技術於不同階段的演進變化,及各發展階段背後的全球政治經濟與文化狀態,才能在接下來欣賞展區其他藝術創作時有更多共鳴。
舉例來說,Google 旗下人工智慧實驗室(DeepMind)開發出的 AI 軟體「AlphaFold」,可以準確預測蛋白質的 3D 立體結構,解決科學家長達 50 年都無法突破的難題,雖然是製藥或疾病學領域相當大的技術突破,但因為與本次展覽主題的關聯性較低,故最終沒有列入此次展出內容中。
除了內容篩選外,在呈現方式上,2位研究者也儘量使用淺顯易懂的方式來呈現某些較為深奧難懂的技術內容,蔡侑霖舉例說明,像某些比較艱深的 AI 概念,便改以視覺化的方式來呈現,為此上網搜尋很多與 AI 相關的影片或圖解內容,從中找尋靈感,最後製作成簡單易懂的動畫,希望幫助觀眾輕鬆快速的理解新科技。
吳達坤最後指出,「2024 未來媒體藝術節」除了展出藝術創作,也跟上國際展會發展趨勢,於展覽期間規劃共 10 幾場不同形式的活動,包括藝術家座談、講座、工作坊及專家導覽,例如:由策展人與專家進行現場導覽、邀請臺灣 AI 實驗室創辦人杜奕瑾以「人工智慧與未來藝術」為題舉辦講座,希望透過帶狀活動創造更多話題,也讓展覽效益不斷發酵,讓更多觀眾都能前來體驗由 AI 驅動的未來創新世界,展望 AI 在藝術與生活中的無限潛力。
這種藝術常在電影中被戲劇化。名導演史丹利.庫柏力克 (Stanley Kubrick) 的1964年電影《奇愛博士》 (Dr. Strangelove or: How I Learn to Stop Worrying and Love the Bomb) 便是戲劇化冷戰時期美、蘇雙方「相互保證毀滅」 (mutually assured destruction, MAD) 的黑色喜劇。
台大電機系畢業,美國明尼蘇達大學政治學博士,
現任教於美國德州大學奧斯汀校區政府系。
林教授每年均參與中央研究院政治學研究所及政大選研中心
「政治學計量方法研習營」(Institute for Political Methodology)的教學工作,
並每兩年5-6月在台大政治系開授「理性行為分析專論」密集課程。
林教授的中文部落格多為文學、藝術、政治、社會、及文化評論。
這裡很容易證明當 2e > B-b > e 時,T > R > P > S 對 A、B 都成立,因此在這個條件下,抽取公有資源的問題是一個囚徒困局。這個困局就是雙人版的所謂「公有地的悲劇」。當個人過度使用公有資源時,雖然可以比有節制地使用能為自己帶來更多利益,可是當大家都這樣做時,集體造成的總外部效應(資源無法永續)卻會使得大家相互背叛的狀態比大家相互合作的狀態更糟糕。這個情況宛如一個「性格決定命運」的希臘悲劇:自私的「理性」驅使著每一個人無情地走向互相背叛的納許均衡,他們明知這個狀態不是伯瑞多最佳結果,卻有如陷於泥淖難以自拔,無法憑一己之力來改變資源毀滅的整體命運。
我們認為這正是新聞媒體在臉書上所面臨的狀態。
-----廣告,請繼續往下閱讀-----
在這裡,公共資源是臉書上的讀者群。媒體之間的合作策略是有節制地使用臉書——只提供鏈結而不提供內容。當媒體合作時,他們得到較小的利益 b 而不必擔心後果。當媒體背叛——在臉書上提供新聞內容——他們可以得到較大的利益 B(雖然損失自家網站的讀者,但在臉書上吸引到的讀者大於損失),可是同時卻造成了臉書之外整個新聞媒體讀者的流失。這個代價 -e 是個外部效應,因為它不但影響到分享新聞內容的媒體自己,也因為助長讀者對臉書的依賴而影響到整個產業。因為當一家媒體提供新聞內容給臉書之後,臉書使用者不需要離開臉書就可以看到新聞,這些使用者也不再造訪其他媒體的網站,而影響其他媒體網站的讀者數量。為了避免被提供內容給臉書的媒體影響到,各家媒體因此跟進,長期以降,各家媒體必須依賴臉書觸及讀者,傷害整體產業的經濟自主。
.在原始狀態,也就是大家都不合作時,媒體的收益為:u(D|0) = B-ne
.在烏托邦狀態,也就是大家都合作時,媒體的收益為:u(C|n-1) = b
.當 x 固定時,不合作與合作的收益差別為:u(D|x)-u(C|x) = B-b-e
我們現在可以根據謝林的多人囚徒困局四條件來分析這個賽局了:
1. 每家媒體有兩種策略:合作(不提供免費內容給臉書)或不合作(提供免費內容給臉書)
2. 因為 u(D|x)-u(C|x) = B-b-e,我們可以推論當 B-b > e 時,不論 x 是多少,也就是不論自己以外有幾家媒體合作,不合作會比合作為媒體帶來更大的收益。B-b > e 是不合作為優勝策略的條件。
3. 因為 u(D|x) 與 u(C|x) 的式子中 x 的係數 e 為正值,也就是 u(D|x) 與 u(C|x) 均與 x 成正比,當越多人合作時,媒體不論合作或不合作,其收益都會越高。
4. 如果 u(C|n-1) = b 大於 u(D|0) = B-ne,也就是當 b-(B-ne) > 0 或 ne > B-b 時,烏托邦狀態的收益高於原始狀態的收益。因此,ne > B-b 是原始狀態不是伯瑞多最佳結果的充分且必要條件。
-----廣告,請繼續往下閱讀-----
綜合以上四點,我們可以結論:當 ne > B-b > e 時,不合作是每個個別媒體的優勝策略,大家都不合作是納許均衡,可是這是一個不是伯瑞多最佳結果的納許均衡。根據謝林的定義,在這個條件下,媒體的臉書困局是一個多人囚徒困局。他們的處境正是一個公有地的悲劇。
ne > B-b > e 這個條件意指提供免費內容給臉書所帶來的額外收益(B-b)要大於媒體新聞網站讀者人數下降的代價(e),可是它同時必須小於整個產業都提供內容給臉書所造成的總代價(ne)。如果收益小於或等於個別代價(B-b≤e),提供內容不划算,合作才是優勝策略;如果收益大於或等於總代價(B-b≥ne),原始狀態比烏托邦還好,是伯瑞多最佳結果,沒有困局可言;這兩種情況都不是囚徒困局。請注意:當 n = 2 時, ne > B-b > e 這個條件正與上面所舉的雙人囚徒困局的條件相符合。
二十幾年來,我每次向學生介紹書中「多人囚徒困局」(multi-person prisoner’s dilemma)的理論時,仍然深深為謝林的智慧所激勵。這不只是因為模型本身既優雅又含意深遠,也是因為它所能洞燭的行為困境,從政治、經濟、社會、乃至於國際關係、人際關係幾乎無所不包。有不少人尊謝林為當前顯學行為經濟學之父,我深為同意。本文用一種特殊形態的多人囚徒困局──「公有地的悲劇」(the tragedy of the commons)──來詮釋新聞媒體在臉書上競合的困境。寫作中想到謝林對學術界、對我個人的深遠影響,不禁感懷不已。
台大電機系畢業,美國明尼蘇達大學政治學博士,
現任教於美國德州大學奧斯汀校區政府系。
林教授每年均參與中央研究院政治學研究所及政大選研中心
「政治學計量方法研習營」(Institute for Political Methodology)的教學工作,
並每兩年5-6月在台大政治系開授「理性行為分析專論」密集課程。
林教授的中文部落格多為文學、藝術、政治、社會、及文化評論。