资讯
展览资讯 大型展会 灯光节 大型盛典 赛事 中标捷报 产品快讯 热门话题 艺术节 活动 演出 新闻 数艺报道 俱乐部签约
观点
大咖专访 观点洞察 书籍推荐 吐槽 设计观点 企业访谈 问答 趋势创新 论文 职场方法 薪资报价 数艺专访
幕后
幕后故事 团队访谈 经验分享 解密 评测 数艺访谈
干货
设计方案 策划方案 素材资源 教程 文案资源 PPT下载 入门宝典 作品合集 产品手册 电子书 项目对接
  • 0
  • 0
  • 0

分享

人类和机器的心智:共享的历史、共造的社会、共同的内在世界?

2022-03-29




“透过心智去探讨人工智能(AI)与人类心智的从过往的发展历史、当今的整合互动、到未来的可能”

人工智能(AI)与人类心智从过往的发展历史、当今的整合互动、到未来的可能,两者密切复杂地相互影响。人类心智与AI的发展有什么样的关系?AI除了带来生活上的便利之外,如何影响我们的社会或心智?如何想象AI未来的样貌?本文将透过心智哲学观点切入探讨。

马斯克,脑机接口   图片来源:网络

1

  机器的发展促进人类心智的研究

The study of the mind

对于自身的探索是我们生命或是人类文明的重要一环。无论是基督教文化的灵魂观,或是佛学思想中的无我,我们都试着找寻能够解释各种形形色色心智面向的基础。当今的心智哲学与科学,便是延续它的探问。而此心智探索史与机器、电脑乃至AI的发展史相互交织与影响。

心灵或心智的本质是什么?关于心智的形而上学问题,西方心智哲学曾经给过的答案包括灵魂的存在或是以行为来理解。直到1930年代,图灵(Alan Turing)发明图灵算机(Turing Machine),机器依循规则进行简单的符号操弄,而展现各式各样的功能(Turing, 1936)。规则或程序可用四元函数来简单表示:(Si, Ij, Ok, Sl),让机器知道若是在 S状态,且遇到输入Ij,则该执行什么样的动作或输出(Ok),并进入哪一个机器状态(Sl)。从简单的加法到更为复杂的计算,可以用特定的图灵算机来完成。大家目前使用的计算机所采用的基础原理便是图灵算机


除了发明图灵算机,图灵(1950)也探索心智的问题。他提问道:机器能思考吗?理论上,电脑是否可能透过有限的指令或程序,展现出类似人类思考的行为反应,甚至不被人发现它只是一台电脑?


后者的测试即为「图灵测试」(Turing test)。受到图灵的启发,哲学家普特南(Hilary Putnam)(1960, 1967)提出了以机器状态来理解心智状态的想法。此观点开启之后功能论(functionalism)的发展,由功能性观点来理解心智。

Enigma,由Alan Turing发明的加密机器  图片来源:网络

2

人类的心智同样启发AI的发展

The development of AI

计算机的发明启发了心智的功能理论,另一方面,人类的心智运作也回过头来启发电脑和人工智能的发展。从罗森布拉特(Frank Rosenblatt)(1958)所发展出的模仿人类视觉运作的感知器(perceptron)神经网络,到罗森布拉特、辛顿(G. E. Hinton)与威廉斯(R.J. Williams)(1986)提出三层网络的学习算程,到现今当红的深度学习,其运作原理模拟生物神经系统,由单元(unit)相互联结组成。经过训练而改变联结的强度,让神经网络自动学会输入和输出之间的关系,而得以展现某项功能。随着硬件运算能力提升,透过更复杂和庞大的类神经网络设计,让我们经常惊艳于AI科技能力的发展,包括协助选才中的公司筛选应征者、自驾车的视觉辨识系统、医疗上辨识放射图中的肿瘤,以及协助司法系统进行审判等等。

摄影:Aideal Hwa On Unsplash   图片来源:网络

3

  AI使人类生活更加便利

Convenience of life

当代AI科技在社会中的参与数不胜数,包括代替人类进行部分的决策或参与决策历程,例如辅助法官判案的AI,可帮助避免人类法官在判案时可能产生的标准不一致的状况。研究显示,法官的血糖值与饥饿程度,将会大幅影响其判决的标准,进而造成判决不公的疑虑(Danziger, Levav, & Avnaim-Pesso, 2011)。

辅助判决的AI应用便能给予法官一个不受饥饿程度影响的判决建议,帮助法官避免噪声(noise)影响决策结果(Kahneman, Sibony,& Sunstein,2021)。


从这个例子中可以发现,AI科技确实对社会有好的影响;但同时,这并不代表AI的判断就是全然公正的

2016年12月,一名新西兰华裔在在线申请护照时,总是无法通过审核。在与相关部门反应后,经调查发现,这是因为照片审核AI系统将照片中眼睛小的他判定为「未张眼」,因此无法通过审核;这照片审核AI的判断标准对眼睛普遍较小的族群是有所偏误的。同样地,美国过去使用的视觉辨识AI也有较难辨识出黑人女性的偏误存在。这类偏误使得某些族群较难、或甚至无法取得应得的资源。分配正义和歧视的问题油然而生。

电路图   图片来源:网络

4

   人类决策的偏误在AI中体现

Bias of AI

偏误的AI判断标准如何产生?AI进行判断时所使用的标准,是透过人类给予的过往认知判断数据塑造而成。换句话说,AI是以人类过往的认知判断史为学习对象。若该判断史本身便是由带有偏误的过往判断建构而成,则AI也难以避免地学习了这些偏误。


过往的判断史多由人类的主流社群决定,体现了人类的集体价值、观点。但所谓的集体价值、观点,实际反映的也只是主流意见,而忽略了边缘化群体的声音。


由这样的判断史所塑造的社会模式,势必会有不利于、或甚至压迫某些边缘化群体的偏误参杂其中。使用AI虽能避免判断当下因生理和心理状况而发生偏误,却仍旧躲不开已然嵌入历史、并被AI内化的偏误继续介入社会当中。难道我们没有可能做得更好吗
AI偏误的问题目前已在相关学界被讨论得沸沸扬扬,也唤起AI设计人员与公司的注意。AI无法发现自身判断的偏误进而修正,主要的原因在于AI是透过「事实」学习;发生过的判断数据中有什么模式(pattern),AI就将之学习起来。但论及偏误时,我们常谈的是「应该」,AI决策结果「应该」要公正。然而,AI无法单靠被给予的事实数据与自身算法就学习到人类社会追求的「理想」价值,反而会学习到人类在经意或不经意的状况下展现的价值判断这些价值应该如何实践在AI身上?包括如何进行数据搜集和清理,确保判断资料的多元性?如何检视算法的使用是否适当?什么样的结果才能称得上是公正的,且符合边缘化群体价值?如何带入各利益关系人和不同族群的观点,培养出符合社会正义的AI?这些是落实价值的难题(Fazelpour & Danks, 2021)。
然而,即便我们在某种程度上降低AI的偏误,这仍旧是治标不治本的方法。AI终究是从人类决策中学习到偏误,只要人类社会存有偏误,我们就难以保证AI没有学习到偏误的可能。不过,也许不需要如此悲观,我们能够从另一种观点看待AI能提供人类社会的贡献。AI是不是能够协助降低人类的偏误或是这些偏误所带来的伤害呢?

人类偏误的运作是自动化且迅速的,总是潜伏在意识与无意识的边界之间,时常在不经意的情况下介入认知判断,而在事后反思时才能发现(Brownstein, 2018)。


即使人类仍有许多训练手段能降低认知偏误,但效果有限。当代AI科技的功能不只与人类的认知能力相似。AI介入人类的认知工作如此之深,在相互影响下,两者可被视为嵌合而成的认知系统。针对人类偏误的问题,AI 能够帮忙。透过将 AI 设计为人类认知的延伸(Clark & Chalmers, 1998),一同塑造认知历程,AI能协助人类了解和侦测自身偏误的自动化运作,甚至在适当的时机进行提醒或介入,协助人类进行判断较不受偏误影响的决策过程 (Lin, Hung, & Huang, 2020)。

如此的辅助AI成为人类心智的一部分,那么AI本身是否可能有心智呢?AI能有什么样的心智?

  二进制计算机代码   图片来源:网络

5

 AI是否有“理解”的可能性?

Ai's understanding

虽然多数研究聚焦在研发服务人类的AI,AI能够展现出什么样的心智面向也是常受到关注的议题。例如:人工系统是否可能像人类一样「理解」或「感受」呢?这反映在人类对于人工意识(artificial consciousness)(Metzinger, 2013)或是超级智能(superintelligence)(Bostrom, 2014) 的忧虑上。
哲学家希尔勒(John Searle)提出中文房间的思想实验(Searle, 1980):假设小明待在一个房间里面,他完全不懂中文,但这间房间里面有一本规则书,让小明知道收到什么样的输入,应该输出什么样的讯息。如果小美拿着一张纸条写着「你好吗?」丢进房间里,而小明可以根据这几个字的样子,在规则书中找到要回复「我很好,你呢?」给小美。对于不知道房间内部运作的小美而言,她会以为在房间里的人是懂中文的,然而事实上,小明只是根据真正懂中文的人所订下的规则,去完成聊天的任务而已。希尔勒试图提出此思想实验挑战功能论,后者以依循规则的方式理解认知运作,无法解释人类所具备的「理解」经验或能力。他的攻击也一起挑战了计算机能够「理解」的可能性。

要了解AI是否能像我们一样具备「内在小剧场」或「心理世界」,问题又更为复杂了,而且类似的问题也展现在动物意识问题上。


我们会说狗具有视觉意识,因为牠们眼睛构造、知觉处理、神经系统等跟人类足够相似,也因为外在的刺激而展现相对应的行为。在动物心智的研究,不外乎是透过动物的讯息处理系统的运作,或是展现出来的行为表现,来推论某类生物是否有意识或是某种心智能力。然而,这样的推论方式,可运用在与人类猫狗、猩猩等与人类接近的生物。然而有些落在中间的动物,像是昆虫或是鱼类,学者的观点以及我们的直觉就开始分歧了。针对与人类差异太大的生物,单就系统的运作和行为的判断,无法成功取得共识

 

人工智能(AI)机器人   图片来源:网络

6

如何想象AI的面貌?

The face of AI

而当我们在探讨什么样的AI系统是否能具有内在心智或意识时,也面临同样的知识论挑战。即便我们先姑且接受功能论的立场,接受意识或其他心理面向有可能在人工系统上实现,但要了解什么样的系统才能展现。需要什么样的特殊结构或运作?需要多复杂?需要多么类似人类?类似人类系统运作的哪些面向?需要能够展现出什么样复杂的行为表现?就如同动物心智研究面临的问题,透过探讨底层的认知运作,或是外在的行为表现,我们都无法确认AI是否真的有内在世界,还是只是像中文房间一样,具备复杂的运作规则,且能给予适当的回应
我们和机器一路走来,相互「学习」和影响。想象我们和 AI 的未来为何,除了我们对于未来无法完全掌握所带来的未知,还有机器在知识上隔绝于我们的不可知。

电影《模仿游戏》(The Imitation Game)重现图灵机 

图片来源:网络



关于作者

王奕然为国立阳明交通大学心智哲学研究所硕士生。研究兴趣包含心智哲学、认知科学、应用伦理学、美学与艺术哲学。
邱少齐为国立台湾大学哲学系学士毕业,现为国立阳明交通大学心智哲学研究所硕士生,研究兴趣包含意识研究、心理学、后设哲学。林映彤为国立阳明交通大学心智哲学研究所副教授,德国古腾堡大学(Johannes Gutenberg University Mainz)哲学博士。专长领域为心智哲学、意识研究、神经伦理学、AI 哲学。





阅读原文

* 文章为作者独立观点,不代表数艺网立场转载须知

本文内容由数艺网收录采集自微信公众号低科技艺术实验室 ,并经数艺网进行了排版优化。转载此文章请在文章开头和结尾标注“作者”、“来源:数艺网” 并附上本页链接: 如您不希望被数艺网所收录,感觉到侵犯到了您的权益,请及时告知数艺网,我们表示诚挚的歉意,并及时处理或删除。

数字媒体艺术 新媒体艺术 科技艺术 人工智能

17934 举报
  0
登录| 注册 后参与评论