0

1
1

文字

分享

0
1
1

願原力與你同在 ——原力鎖喉、閃電、心靈力量的空想科學

廖英凱
・2016/01/07 ・5909字 ・閱讀時間約 12 分鐘 ・SR值 574 ・九年級

-----廣告,請繼續往下閱讀-----

文/海苔熊、廖英凱

光劍與原力,是維繫星際大戰世界中兩個關鍵又迷人的元素。隨著科技的進展,有越來越多的科學家們已經在討論與構思光劍的實踐。但對於更具神秘感甚至頗有一絲哲理的原力,卻仍充滿著種種的謎團。雖然絕對可以指責說「原力」不過只是個電影中虛構出來的黑科技或特異功能。但對於狂熱粉絲來說,除了拿起光劍來決鬥以外,選擇性地忽略這個不浪漫的指責,然後繼續探討思考原力揪~竟是什麼,才是洞悉宇宙真理邁向絕地聖殿的修練正道嘛 (喂)!

source:David Bokeh
source:David Bokeh

所以我說,那個原力呢?

我的原力是黑暗原力,就是來自憤怒、仇恨與恐懼等情緒,純粹負面的黑暗面藉由西斯板教條的引導後,其力量立即倍增,搭配原力鎖喉與原力閃電的技巧使用,威力更是妙不可言,跟原力的巧妙組合,正是黑暗勢力的精華所在。

source:Scott Smith
source:Scott Smith

原力是什麼?它看起來像什麼?在今天的人類世界中又有什麼跟它有點類似?要讓原力能真正實踐前,或許可以從電影中曾出現過的這些原力特徵來想想:

  1. 隔空鎖喉、移動物體
  2. 放閃電
  3. 心靈控制與光影對立
  4. 預知、心電感應
    註:其實相關電玩中還有吸血、治癒、狂暴、隱身等技能……

1. 隔空取物:超距作用

無論是達斯維德的原力鎖喉,或是格鬥時利用原力操控物體攻擊敵人,原力似乎有一種可以隔空操作、不須介質、又能瞬時影響的神祕威力。這和過去中學課本會提到「超距力」,例如萬有引力和電磁力1,也似乎有一點點相似的感覺。

-----廣告,請繼續往下閱讀-----
file_5472e61c448b7
一位仙姑正在施展「超距作用」的原力。  source: 電影《與龍共舞》

不過,隨著物理學的進展,超距力這個概念其實並不是那麼精確,僅能作為初學物理時建立直觀的一種分類方式。在電磁學的建立過程中,法拉第與馬克士威先後建立與利用了「場」的概念來思考超距力運作的機制。例如電荷會在周圍生成電場,而其他電荷會感受到這個帶有能量與動量的電場而作用。萬有引力在經過廣義相對論的解釋後,也有著相似的機制,也就是物質與能量造成了時空的扭曲,而物體在這個扭曲時空中運動的最短路徑,在三維空間中看起來就像是受到質量與能量所產生的引力影響。說了這麼多,那麼,我們可能利用超距力來隔空取物嗎?這樣藉由建立「場」來達到作用力的超距方式,可以達到光速的影響速度,且作用的範圍是無窮遠。但會有兩個困難:

  1. 利用控制或製造出電磁力或萬有引力來操控物體恐怕不太可能。除了作用力的大小會和距離平方成反比以外,我們也沒有辦法在指定空間憑空製造出大量電荷或重力來吸引或排斥物體。
  2. 而就算能憑空製造出電磁力或重力,所影響到的也會是整個空間而非單一物體。

因此,想要實踐原力鎖喉與隔空取物等技巧,恐怕還在天方夜譚之際。

2. 原力閃電:生物電流

不過,達斯西帝的Boss招式:原力閃電,大自然倒提供了一些成功的實踐案例,例如可以放電擊暈獵物的電鰻。在牠的體內有數千個肌肉細胞擁有微量放電的能力,每個細胞約可放出0.1伏特的電。經由高度特化的神經系統,使得這些細胞會在極短的時間內被活化2。又因這些具有放電能力細胞的排列一致,如同上千個排列整齊的電池,再藉由串聯增加電壓、並聯增加電流的細胞連結,使電鰻可以在2毫秒間輸出約500伏特1安培的電力。

對於電鰻來說,這樣的瞬間發電已經足以電暈身旁的獵物,但若要能做出長達數公尺的電弧閃電,我們恐怕只能玩流亡黯道了還需要多上數倍的功率。以一個國外知名的電弧藝術團體「Dr. MegaVolt」為例。他們用來製造電弧的特斯拉線圈,所需要的電源供應規格是240V與150A3。若是比照電鰻換算成1安培的電流,這樣也需要輸出36000伏特的超高電壓。恩… 這樣算起來,要弄出原力閃電,只要符合下面2個條件:

-----廣告,請繼續往下閱讀-----
  1. 只要(用『火星異種』裡面的逆天移植科技)讓人體裡能夠移植或基改72倍的電鰻發電細胞……
  2. 克服觸電的問題。例如在心臟周圍長出足夠厚的脂肪,讓脂肪的高電阻來降低流經心臟的電流;或是讓放電的指尖能變成能導電但又不用擔心高溫高熱的結締組織……

看起來,要練成原力閃電似乎也沒有想像中的困難嘛……(誤)

qw
2011年,科博館孫維新館長編導的舞台劇「讓世界動起來!法拉第的一生」,邀請了表演團體「 Dr.MegaVolt」現場演示特斯拉線圈的電弧效果。
這不是原力閃電

3. 心靈控制與光影對立:催眠與陰影

(本段感恩海苔熊跨界相挺)

除了攻擊技能以外,原力也有許多防禦系或輔助系的技能,例如絕地大師們用來迷惑小兵的心靈控制。這樣的心靈控制有點類似催眠的方式,透過暗示就能指示操控他人。在許多影視劇本中,偶爾也可見到這樣催眠術的敘述與應用。不過催眠術真的有辦法做到這種地步嗎?

KONICA MINOLTA DIGITAL CAMERA
KONICA MINOLTA DIGITAL CAMERA

事實上近代催眠的研究大多聚焦在治療、疼痛或壓力減輕上,而不是「控制」4567。話雖這麼說,某些層面上原力對人的使用,還真的跟催眠有些神似。如果要用一句話搞懂催眠,就是「注意力局部化」的過程:讓受催者放鬆到只接受語音訊息,然後運用暗示讓你的潛意識浮現(好吧,這句話好像還是太長又難以理解)。我們還是來看蔡宗晃與朱秀琴的整理8

-----廣告,請繼續往下閱讀-----
  1. 吸收(absorption):窄化認知注意力,只聚焦在聽覺上吸收訊息。
  2. 解離(dissociation):在意識層面上,和自己的認同分解(這就是為什麼有些人可以扮演別的角色)。
  3. 暗示性(suggestibility):對其他刺激無反應,只對催眠者的語言暗示有回應。

當然,對於催眠還需要許多實証研究說明機制(如果你還是很懷疑有些人怎麼可以被催眠,你可以想想邪教洗腦的例子),不過我們這裡想談的是原力,我自己覺得心理學上比較接近的概念是榮格的陰影(Shadow)尤其是這集《星際大戰7:原力覺醒》。

我所理解的星戰七核心信念是:

那些好的、壞的、光明的、黑暗的,都是你。真正強大的絕地武士不是尊崇光明、鄙棄黑暗,而是接納那些陰影(shadow)也是他的一部分。

source:http://img10.deviantart.net
source:http://img10.deviantart.net

根據榮格的觀點,我們都有集體潛意識(collective unconscious),對某些詞也有共同的象徵概念,稱之為「原型」(archetype,例如「阿嬷」的意象)9,當你能夠與黑暗同在(而不是把它放逐),潛意識的力量就會湧現出來。雖然很不科學,但你在很多電影中都會看到榮格與陰影的「影子」:哈例波特與佛地魔10、少年pi的老虎與兩個版本的故事11、神隱少女的湯婆婆與錢婆婆等等12──如果有一天你能看見那些你所討厭的(例如總是「讓」你加班的老闆),其實是你的投射(Projection),甚或是內在兩股力量的拉扯(例如你對成功固然渴望,但對休息也同樣渴望),屬於你的原力就會長出來。

榮格曾說:「我寧願成為整體的人,不光只是個好人。」

雖然我們還是不知道這麼不科學的原力要如何透過不科學的潛意識去操控風暴白兵,但我們至少可以知道,當你願意接納自己的陰影,這樣的自性化(individuation,或譯個體化)過程,就足以讓你踏上追尋自己原力的旅程。

-----廣告,請繼續往下閱讀-----

4. 心電感應:氣功、神通、信息場(?)

而貫穿整個星戰世界觀裡,最關鍵也最特別的原力特色,肯定是一個類似「心電感應」的能力了。在電影中,這項感應的能力能察覺到數光年外的動盪悲劇、能在黑暗處感應地形與危險、能察覺視線死角的敵人,還能感受到宇宙間力量的流動與平衡。比起X教授的窺探心靈,這項能力的運用似乎更富有哲理,精於此道的尤達大師更有許多頗有禪機的對白。在Discovery製播的「星際大戰的科學啟發」節目中,也以少林武僧和他們在武術、氣功、思想上的修練作為絕地武士們探究原力的原型藍本。

雖然這些氣功與心靈力量等在各個文化圈中也不斷地被採信與應用。但這些宣稱有神奇功效的神技,卻仍相當欠缺近代科學的實證與主流科學界的共識。不過,在台灣特別值得一提的,是台大前校長李嗣涔教授利用特異人士「手指識字」的方式,建立了「信息場」的理論來解釋神靈、外星文明與心電感應的緣由。

1999年8月,李嗣涔的團隊在手指識字的研究時,發現當受試者觸摸與宗教有關的神聖詞彙時,受試者會看到與平時完全不同的光亮影像。他認為這代表除了我們所熟知的物質世界以外,還有一個「信息場」(俗稱靈界)共存。2000年12月底,更發現透過手指識字的信息場存取會遭到不明力量有意識地干擾,這代表在信息場中有某些高智能信息的存在,有可能就是「神靈」存在的證據。在更進一步的實驗中,研究團隊開始將一些問題請示這些神靈,例如「時間在信息場是否存在?」、「外星人在哪裡?」甚至是預知未來,而且也多有得到不同形式與深度的回應13

再從今日的物理研究在不同尺度的特徵來看,微觀尺度的量子糾纏可以達到訊息傳遞不受空間限制;巨觀尺度的暗質與暗能告訴我們已知科學所了解的能量僅有整個宇宙能量的4%;而中尺度在人體身上,則出現了信息場存取的奇蹟。李教授因此在2014年提出了「複數時空」的理論來作為解釋不同尺度現象的統一架構。亦即宇宙其實是個八度時空,為四度的實數時空與四度的虛數時空。實數時空是人類感官所能體會的時空,而虛數時空則是信息場。兩者如同俗稱的陰陽界,共存但兩隔,藉由無數通道連通,而最小的通道,正是基本粒子的自旋。再進一步探討虛數時空,除了以信息場解釋外,更有可能與意識有關,並以此解釋量子力學中物質波函數的虛數項,就是物質的意識14

-----廣告,請繼續往下閱讀-----

說了這麼多,要如何擁有「心電感應」的能力呢?

在這樣的架構下,如果我們也想如這些特異人士一般,能存取虛數時空(信息場)的資訊來做為跨越時空的心靈感應方式,這需要靠活化與訓練「天眼」來達到。研究團隊利用功能性磁造影(fMRI)的研究發現,當受試者成功手指識字時,位於大腦的後側扣帶迴(posterior cingulate cortex, PCC)會觀察到被活化,這可能就是所謂「天眼」的位置。而當PCC內的液體進入宏觀量子狀態時,生成的複數量子可藉由基本粒子自旋所產生的通道,進入虛數空間來掃描紙上文字的虛象結構15。自1979年起,在中國也有一系列研究指出,兒童與青少年可以透過訓練,來學會手指識字而有統計上的顯著成效16。也因此,從支持相關理論的研究發表,人們似乎找到了一個訓練特異功能,超越時空限制,感應異世界資訊的訓練方法!?

  • 註1:關於李嗣涔教授的研究,除所引用文獻外,主要來自於李嗣涔教授在2015年11月20日於台大星艦學院科幻社之社課17演講內容。筆者可能因無法認同與充分理解李教授的研究內容,而無法做出正確且精確的描述,還請讀者特別嚴格檢視。
  • 註2:李嗣涔教授的研究在多年來爭議不斷,鑒於李教授的研究奠基於少數幾位「特異功能人士」的實驗,李教授在星艦學院演講時表示,目前可輕易找到許多特異人士來重現實驗結果,但受試者唯有真心相信才是實驗成功關鍵。不過一篇刊於Science上的報導認為這系列研究因人類的不一致性而未有穩定實驗結果18,台大物理系楊信男教授亦認為此系列的研究有違學術倫理19,也請讀者特別留意此未解爭議。

探究原力,仍在前人未至之境

原力,問世於電影屏幕,植基於歷史文化與想像,更成為當代文化迷人的一部分。或許今日對原力的想像仍不切實際。但前人種種的幻想,也推動著一代又一代的熱情,讓夢想化為科技而不斷實現。或許,透過科學家們持續不懈的研究探索與誠正而行的自我修正,數個世代後我們也可以帥氣地說:「那些關於原力的故事,都是真的。」

May the force be with you.

May the science be with you.

參考文獻:

-----廣告,請繼續往下閱讀-----
  1. 教育雲-教育大市集. “超距力.”
  2. 陳儀蓁. “電鰻如何發電?為什麼不會電到自己?.” 科學人雜誌   (2006).
  3. Dr.MegaVolt. “Hire”.
  4. 潘世毅, 催眠治療運用於PTSD(創傷後壓力症候群)之初探. 諮商與輔導, 2010(299): p. 38-40+37.
  5. 林育陞, 催眠治療與靈性結合之探討. 諮商與輔導, 2015(356): p. 2-5.
  6. 李建伟, 慢性疼痛的催眠治疗. 山東醫藥, 2010. 50(33): p. 113-114.
  7. 毛燕飞, 李斌本, and 熊源长, 催眠术与疼痛治疗. 第二軍醫大學學報, 2007. 28(5): p. 552-553.
  8. 蔡宗晃 and 朱秀琴, 司法催眠的使用與爭議. 諮商與輔導, 2006(248): p. 2-6.
  9. 李映嫺 and 潘世毅, 榮格心理學與釋夢初探. 諮商與輔導, 2009(288): p. 6-8+5.
  10. 翁力齡, 榮格分析心理學中陰影原型之初探. 諮商與輔導, 2011(311): p. 7-10.
  11. 莊硯涵, 面對陰影的個體化旅程:榮格心理學在電影《少年PI的奇幻漂流》之實踐與啟發. 輔導季刊, 2015. 51(2): p. 53-61.
  12. 吳國葆, 《神隱少女》中「湯婆婆與錢婆婆」之隱喻-以榮格「陰影」與「人格面具」原型初探. 諮商與輔導, 2015(353): p. 31-34.
  13. 李嗣涔. “與信息場對話.”
  14. 李嗣涔. “複數時空-解釋暗質、暗能、意識與特異功能之統一架構.” 佛學與科學   (2014).
  15. 李嗣涔. “一物兩象 – 手指識字與念力的可能生理機制.” 佛學與科學   (2015).
  16. 李嗣涔. “由手指識字實驗辨識特殊關鍵字所觀察到的異象.”   (2015).
  17. 李嗣涔. “臺大星艦學院科幻社 – 帶你穿越時空探索外星文明.”  (2015).
  18. Du, Lei. “New University President Has Links to Paranormal Research.” Science 308 5730 (2005): 1852.
  19. 楊信男. “科學研究的倫理—評李嗣涔的「撓場」〈Torsion Field〉研究.” 科學月刊   (2007).
文章難易度
廖英凱
30 篇文章 ・ 249 位粉絲
非典型的不務正業者,對資訊與真相有詭異的渴望與執著,夢想能做出鋼鐵人或心靈史學。 https://www.ykliao.tw/

0

1
2

文字

分享

0
1
2
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 54 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

5
2

文字

分享

0
5
2
從基隆進港的深海活化石中,意外發現新種具足蟲!——專訪國立臺南大學副教授黃銘志
Heidi_96
・2022/11/29 ・3890字 ・閱讀時間約 8 分鐘

-----廣告,請繼續往下閱讀-----

新種具足蟲,發現!

2019 年,國立臺南大學生物科技學系副教授 黃銘志 從基隆漁民手中獲得一批具足蟲。為了鑑定這些小傢伙的種類,黃銘志從日本換來兩隻大王具足蟲(B. giganteus),沒想到卻意外發現前所未見的新種——猶加敦具足蟲(B. yucatanensis)!

這到底是怎麼回事呢?別急,在我們看下去前,先告訴你一個具足蟲的小秘密。

具足蟲又稱為深水蝨,是居住在深海的甲殼類活化石。你可能沒聽過這兩個名稱,但如果你看過《風之谷》或是《星際大戰》(Star Wars),肯定對王蟲和黑武士有印象,而他們的原型就是具足蟲!

在宮崎駿動畫《風之谷》中,王蟲是守護腐海的生物。當他們憤怒時,眼睛會由藍轉紅。圖/スタジオジブリ
《星際大戰》系列電影的角色——黑武士的面具原型也是具足蟲!圖/Star Wars

既然不小心撈到了,那就抓來研究吧~

小秘密說完了,讓我們原地跳一下,回到 2019 年看看事情發生的經過。

-----廣告,請繼續往下閱讀-----

當年七月,黃銘志在基隆正濱漁港採集到俗稱「金絲猴」的紅頭龍蝦,登錄為臺灣新記錄種「海神後海螯蝦(Metanephrops neptunus)」。此後,黃銘志就有和當地漁民保持聯繫。

臺灣新記錄種「海神後海螯蝦(Metanephrops neptunus)」。圖/TaiBNET

後來,有船長告訴黃銘志:「我抓到十隻具足蟲,你要不要?」

在基隆,具足蟲的漁獲量並不多,通常是拖網捕蝦附帶的戰利品。雖然東北角有很多販售具足蟲料理的店家,具足蟲吃起來也像龍蝦,但民眾還是喜歡吃真正的蝦子,所以具足蟲銷不出去,黃銘志就整批買了下來。

這時,問題來了!臺灣沒有具足蟲專家,而黃銘志本身也不是分類學家,要怎麼鑑定呢?沒辦法,只好自行摸索。

-----廣告,請繼續往下閱讀-----

於是,黃銘志和日本新江之島水族館交換兩隻大王具足蟲,但這兩隻越看越不對勁,「⋯⋯怎麼其中一隻腰身比較細?難道是牠比較瘦、吃比較少嗎?」

「背景不同的人,就會用不同的視角看事情!」

後來,黃銘志想起赴日深造時,研究魚類基因演化、解析人體基因結構的經驗,就決定分析具足蟲的基因。從黃銘志的專業背景——分子生物學的角度來看,至少要採用兩種分析方法才夠,因為每個基因演化速度都不同,像具足蟲演化得很慢,基因差異不太明顯,就很難區分。

經過細胞色素 c 氧化酶亞基 1(COI)和 16S rRNA 分析後,黃銘志赫然發現很多 DNA 片段都不同。起初還以為是分析出錯,或是樣本破損,但重複試驗多次後的結果都一樣,黃銘志不禁感到困惑:「奇怪了,歐美研究大王具足蟲長達 140 年,有超過 1000 隻樣本,怎麼沒發現裡面可能有基因結構不同的個體?」

細胞色素 c 氧化酶亞基 1(COI)分析結果:第一行是猶加敦具足蟲,第二行是大王具足蟲。圖/Journal of Natural History
 16S rRNA 分析結果:第一行是猶加敦具足蟲,第二行是大王具足蟲。圖/Journal of Natural History

為了進一步梳理這些數據,黃銘志找來兩位分類學家助拳,一位是日本國際螯蝦學會的會長——甲殼類專家川井唯史(Dr. Kawai Tadashi),另一位則是澳洲昆士蘭博物館的無脊椎動物榮譽研究員——具足蟲專家尼爾.布魯斯(Dr. Niel L. Bruce)

-----廣告,請繼續往下閱讀-----

不是這個專業,所以才能做到這件事

在三人正式合作前,黃銘志就大致完成這篇新種具足蟲的論文了,但後來,布魯斯發現了一個天大的錯誤,那就是黃銘志引用了某位印度專家錯誤的研究。

過去,也有中國學者引用這篇印度論文,指出印度洋海域有肯氏具足蟲(B. kensleyi)。黃銘志原先也以為是這樣,畢竟順著前人的研究比較不會有爭議,沒想到卻因此得出錯誤的推論。

第一次研究具足蟲,就要指正其他專家的研究,「老實說,我算哪根蔥?」黃銘志苦笑道。

為了修正錯誤,具足蟲的細部結構就交給布魯斯研究,再讓川井逐一比對、鉅細靡遺地畫下來。具足蟲演化較慢,所以每一種長得都很像,必須仔細觀察才能看出差異,比如鼻子的形狀、尾扇棘刺的數量、身體兩側的彎曲程度等等。

詹姆斯具足蟲(B. jamesi)和猶加敦具足蟲(B.yucatanensis)的身體(a)、頭部(b)、鼻子(c)和頭部側視圖(d)。圖/Journal of Natural History

雖然三人至今都沒有見過彼此,但當初為了辨別出不同的形態,他們互相傳了上千封信討論,才終於達成共識。回想這漫長的過程,黃銘志說:「那些圖都確認過十幾次了,意見不合也是常有的事,比如尾扇棘刺的數量要從哪裡開始數?」

-----廣告,請繼續往下閱讀-----

黃銘志也提到,每種生物都有「種間變異」和「種內變異」。只要有變異,一定有不同的地方,但這些不同的地方可以直接判斷成不同種嗎?假如尾扇棘原本有 13 根,卻因為互相打鬥而斷了一兩根,是不是就要分成不同種?

詹姆斯具足蟲(B. jamesi)和猶加敦具足蟲(B.yucatanensis)的尾扇棘(c)。圖/Journal of Natural History

在這種情況下,由於形態非常接近,按照傳統分類學的做法,其實很容易將一整群可能摻雜不同種的樣本全都混為一類。因此,黃銘志認為最好的做法是從基因著手,用分子生物學的方法鑑定,而不是用個體的外觀差異判斷。

當分類學家多次比對不同樣本的外形,認為這不是大王具足蟲,而基因定序的結果也和資料庫既有的物種都不匹配的時候,就可以確認牠是未經發表的新種。

延伸閱讀:新種形成——秘中之秘

根據論文發表的結果,黃銘志最後將來自新江之島水族館的新種,以發現地墨西哥灣猶加敦半島(Yucatán Peninsula)為依據,命名為猶加敦具足蟲(B.yucatanensis)。

-----廣告,請繼續往下閱讀-----

鑑定深海物種,有助於我們更認識深海

在十八、十九世紀時,科學家非常好奇深海到底有沒有生物,而如今,具足蟲就是活生生的鐵證,因此歐美國家非常重視具足蟲的學術價值。這些深海小傢伙證明了一件事:即使在光線微弱、水壓極高、溫度極低、幾乎沒有食物的環境下,還是有生物存在。

目前,我們對於月球的了解甚至還比深海多。布魯斯表示,陸生生物即使雜交,只要能產生有生殖能力的後代,原則上都可以算是同種,但水生生物並不完全遵循這個原則。

比方說,現在有很多鱘龍魚是雜交種,而且是不同種交配生下的、具有生殖能力的後代,這些不同的後代,都各自稱得上是新物種。按照這個邏輯,海洋時刻都有新物種誕生,是我們探索不完的神秘區域。

本篇論文的第三作者:尼爾.布魯斯。圖/ResearchGate

不過,相對於西方國家多半將具足蟲作為研究用途,東方國家比較在乎的反而是「這可以吃嗎?要怎麼料理才能變得更好吃?」

-----廣告,請繼續往下閱讀-----

在日本,有一種零食就是將具足蟲磨成粉後加進仙貝,讓仙貝吃起來有蝦子的味道。黃銘志笑著說:「這很暢銷!」但也補充道,他在東京大學做研究時,實驗室有個傳統,那就是「當你研究某種生物的時候,你就不吃牠們,代表你對這種生物的敬意。」

關於具足蟲,還有哪些待解之謎?

這份耗時三年的研究,不但指正了前人的研究、改變了具足蟲近百年來的分類,也暗示著既有的「群模式樣本」或許有很大的問題。換句話說,目前已知的具足蟲種類不多,可能是分類錯誤造成的結果,說不定早就有很多種摻雜在其中了!

延伸閱讀:怎麼把牠們當成一樣的物種!物種分類出錯怎麼辦?——分類學家偵探事件簿(三)

在日本,鳥羽水族館有一隻具足蟲長達五年沒進食。目前仍沒有科學家著手細探背後的原因,而牠們的食物來源、繁衍方法,以及牠們如何在極端惡劣的深海環境生存,都是接下來必須進一步探究的課題。

舉例來說,紅色在深海是一種隱性色,而深海的甲殼類生物(比如甜蝦、天使紅蝦)體內通常帶有蝦紅素,使得體表呈現紅色,可以保護牠們不被天敵發現。可是,具足蟲的分布範圍深達數千米,體內卻沒有蝦紅素,煮熟後也不會像蝦子那樣變紅。

-----廣告,請繼續往下閱讀-----

延伸閱讀:煮熟的龍蝦為什麼會變色呢?

此外,透過研究具足蟲,科學家可以更了解全球暖化對深海的影響、陸地上的重金屬和放射性物質沉進深海造成的衝擊,以及這些具足蟲是否可以取代龍蝦,成為新的食物選擇。

最近,南海的船長捕到了 80 幾隻具足蟲,黃銘志買下了形態看起來比較特殊的 10 隻,希望可以篩出更多新種,解開更多有趣的謎底。

延伸閱讀

參考資料

  1. Huang, M. C., Kawai, T., & Bruce, N. L. (2022). A new species of Bathynomus Milne-Edwards, 1879 (Isopoda: Cirolanidae) from the southern Gulf of Mexico with a redescription of Bathynomus jamesi Kou, Chen and Li, 2017 from off Pratas Island, Taiwan. Journal of Natural History, 56(13-16), 885-921.
  2. 交換日本水族館具足蟲 南大發現深水蝨新物種|生活|中央社 CNA
Heidi_96
7 篇文章 ・ 13 位粉絲
PanSci 編輯部角落生物|外語系畢業,潛心於翻譯與教學,試圖淡化語言與知識的隔閡。

1

5
3

文字

分享

1
5
3
Deepfake 不一定是問題,不知道才是大問題!關於 Deepfake,你需要知道的是⋯⋯?
TingWei
・2022/01/24 ・3489字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

編按:你的理智知道「眼見不為憑」,但你的眼睛還是會背叛你的理智,不自覺得被眼前的影像所吸引,儘管你真的、真的知道他是假的。Youtuber 小玉於2021年底涉嫌利用 Deepfake 技術,偽造多位名人的色情影音內容並販售的事件,既不是第一起、也不是唯一、更不會是最後一個利用「深偽技術」進行科技犯罪的事件。

當科技在走,社會和法律該如何跟上甚至超前部署呢?本次 Deepfake 專題,由泛科學和法律白話文合作,從Deepfake 技術與辨偽技術、到法律如何因應,讓我們一起全方位解析Deepfake!

第一篇,讓我們就 Deepfake 技術做一基礎的介紹,那我們就開始囉!

什麼是 Deepfake?

深偽技術 Deepfake 於 2017 年陸續開始進入大眾的目光中。原文 Deepfake 源自於英文「deep learning」(深度學習)和「fake」(偽造)組合,主要意指應用人工智慧深度學習的技術,合成某個(不一定存在的)人的圖像或影片、甚至聲音。最常見的應用,就是將影片中的人臉替換為另一張臉(常是名人),讓指定的臉在影片中做出自己從未說過或做過的事情。

利用深度學習技術合成或是置換人臉的技術,都是屬於Deepfake。圖 / stephenwolfram

現今談到 Deepfake,大多數人想到的可能是偽造的成人影片,就如前述 Youtuber 小玉的事件,Deepfake 一開始受到關注,主要與名人或明星的臉部影像被合成到成人影片有關,然而,Deepfake 的功能遠不僅於此,相關的技術使用還包括了替換表情、合成一整張臉、合成語音等等。

除了像是讓過去或現在的名人在影片中「栩栩如生」做出使用者想要的表情與動作,之前在社群媒體上曾有好幾款 APP一度風靡,包括上傳一張照片就可以看看「變老」「變性」自己的 FaceApp,甚至於讓自己的臉在經典電影中講上一段台詞的「去演」APP,這類的功能也是應用前述 Deepfake 的技術。

雖然有些線索顯示這類 APP 常有潛在的資安疑慮[註],但好歹技術的成果多屬搏君一燦自娛娛人,尚可視為無傷大雅。

-----廣告,請繼續往下閱讀-----
「栩栩如生」的愛因斯坦

而過往電影的影音產業要仿造人臉需要應用許多複雜、耗時、昂貴的電腦模擬,有了 Deepfake 相關的技術,也使得許多只能抱憾放棄的事情出現了彌補的空間。最有名的應用應是好萊塢電影《玩命關頭7》與《星際大戰》系列。《玩命關頭7》拍攝期間主角保羅・沃克(Paul William Walker IV)意外身亡,剩下的戲份後來由弟弟擔綱演出,劇組再以 Deepfake 的技術讓哥哥弟弟連戲,整部電影才得以殺青上映。

Weta Digital 說明如何讓保羅・沃克的弟弟 Brian O’Conner 能透過 Deefake 的技術,繼續協助 保羅・沃克演完《玩命關頭7》

Deepfake 讓「變臉」變得太容易了?

想想過去的電影如《魔戒》中的咕嚕、或是 2008 年布萊德・彼特主演的《班傑明的奇幻旅程》,將影片或照片中人物「換臉」「變老」的修圖或 CG 技術,在 Deepfake 出世之前就已經存在了。Deepfake 受到關注的核心關鍵在於,應用 AI 的深度學習的演算法,加上越來越強大的電腦與手機運算能力,讓「影片換臉」這件事情變得越來越隨手可得、並且天衣無縫。

利用CG技術把布萊德・彼特「變老」。 圖 / © 2008 – Paramount Pictures

過往電影中採用的 CG 技術要花好幾個月由專業人士進行後製,才能取得難辨真偽的影像效果,而應用了 AI 演算法,只需要一台桌上型電腦甚或是手機,上網就可以取得軟體、有機會獲得差強人意的結果了。

進一步,傳統軟體演算法主要依靠工程師的持續修改調整,而如 Deepfake 這類技術,內部的演算法會經過訓練持續進化。有許多技術被應用於提高 Deepfake 的偽造效果,其中最常見的一個作法被稱為「生成對抗網路(Generative Adversarial Network, GAN)」,這裡面包含了兩組神經網路「生成器(Generator)」和「辨識器(Discriminator)」。

-----廣告,請繼續往下閱讀-----

在投入訓練資料之後,這兩組神經網路會相互學習訓練,有點像是坐在主人頭上的小天使與小惡魔會互相吐槽、口才越來越好、想出更好的點子;在練習的過程中,「生成器」會持續生成偽造的影像,而「辨識器」則負責評分,反覆訓練下來,偽造生成的技術進步,辨識偽造的技術也得以進步。

舉例來說,This Person Does Not Exist 這個網站就充滿了使用 GAN 架構建構的人臉,這個網站中的人臉看上去非常真實,實際上都是 AI 製造出來的「假臉」。

This Person Does Not Exist 裡的「假臉」。

Deepfake 影片不一定是問題,不知道是 Deepfake 才是問題

現今的 Deepfake 技術得以持續進步、騙過人眼是許多人努力的成果,也不見得都是壞事。像是《星際大戰:俠盜一號》片尾,年輕的萊婭公主出面驚鴻一瞥,就帶給許多老粉絲驚喜。這項技術應用癥結在於,相關演算法輕易就能取得,除了讓有心人可以藉以產製色情影片(這類影片佔了Deepfake濫用的半數以上),Deepfake 製造的影片在人們不知情的情況下,很有可能成為虛假訊息的載體、心理戰的武器,甚至於影響選戰與輿情。

因此,Deepfake 弄假似真不是問題,閱聽者因此「不辨真假」才將是最大的問題所在。

-----廣告,請繼續往下閱讀-----
歐巴馬的 Deepfake 影片

相關的研究人員歸納了幾個這類「變臉」影片常見的特徵,可以用來初步辨識眼前的影片是不是偽造的。

首先,由於 AI 尚無法非常細緻的處理一些動作細節,因此其眨眼、視線變化或臉部抽蓄的動作會較不自然。其次,通常在邊緣處,如髮絲、臉的邊緣線、耳環等區域會出現不連貫的狀況。最後,在一些結構細節會出現不合理的陰影瑕疵,像是嘴角的角度位置等。

由於現階段的 Deepfake 通常需要大量的訓練資料(影像或影片)才能達到理想的偽造成果,因此會遭到「換臉」的受害者,主要集中在影像資源豐富的名人,如電影明星、Youtuber、政治人物等。需要注意的是,如果有人意圖使用 Deepfake 技術製造假消息,其所製造的影片不見得需要非常完美,有可能反而降低解析度、非常粗糙,一般人如用手機瀏覽往往難辨真假。

人眼已經難辨真假,那麼以子之矛攻彼之盾,以 AI 技術辨識找出 Deepfake 的成品,有沒有機會呢?隨著 Deepfake 逐漸成為熱門的議題,有許多團隊也開始試圖藉由深度學習技術,辨識偽造影像。2020 年臉書與微軟開始舉辦的「換臉偵測大賽」(Deepfake Detection Challenge)就提供高額獎金,徵求能夠辨識造假影片的技術。然而成果只能說是差強人意,面對從未接觸過的影片,第一名辨識的準確率僅為 65.18%。

-----廣告,請繼續往下閱讀-----
「換臉偵測大賽」(Deepfake Detection Challenge)的辨識素材。圖/MetaAi

對於 Deepfake 可能遭到的濫用,某部分我們可以寄望技術的發展未來終將「道高一尺」,讓社群平台上的影像不致於毫無遮攔、照單全收;然而技術持續「魔高一丈」讓防範的科技追著跑,也是顯而易見的。

社群網路 FB 在 2020 年宣布全面禁止 Deepfake 產生的影片,一旦有確認者立即刪除,twitter 則強制註記影片為造假影片。Deepfake 僅僅是未來面對 AI 浪潮,科技社會所需要應對的其中一項議題,法律、社會規範如何跟上?如何解決箇中的著作權與倫理問題?這些都將是需要經過層層討論與驗證的重要課題。

至少大家應該心知肚明,過往的網路流行語:「有圖有真相」已經過去,接下來即將面臨的,是一個「有影片也難有真相」的網路世界了。

  • 註解:推出 FaceApp 與「去演」的兩家公司其軟體皆要求註冊,且對於上傳資料之後續處理交代不清,被認為有侵犯使用者隱私權之疑慮。

參考資料

-----廣告,請繼續往下閱讀-----
  1. Deepfakes and the New AI-Generated Fake Media Creation-Detection Arms Race – Scientific American
  2. What To Do About Deepfakes | March 2021 | Communications of the ACM
  3. Tolosana, R., Vera-Rodriguez, R., Fierrez, J., Morales, A., & Ortega-Garcia, J. (2020). Deepfakes and beyond: A survey of face manipulation and fake detection. Information Fusion, 64, 131-148.
  4. Deepfake 深偽技術的技術濫用與道德困境,大眾正要開始面對 | TechNews 科技新報
  5. 台灣團隊研究辨識Deep Fake影片 深偽技術的正邪之戰開打 | 台灣事實查核中心 (tfc-taiwan.org.tw)

所有討論 1
TingWei
13 篇文章 ・ 15 位粉絲
據說一生科科的生科中人,不務正業嗜好以書櫃堆滿房間,努力養活雙貓為近期的主要人生目標。