智能应用 影音
DForum0719
ADI
林一平
  • 国立阳明交通大学资工系终身讲座教授暨华邦电子讲座
现为国立阳明交通大学资工系终身讲座教授暨华邦电子讲座,曾任科技部次长,为ACM Fellow、IEEE Fellow、AAAS Fellow及IET Fellow。研究兴趣为物联网、移动计算及系统模拟,发展出一套物联网系统IoTtalk,广泛应用于智能农业、智能教育、智能校园等领域/场域。兴趣多元,喜好艺术、绘画、写作,遨游于科技与人文间自得其乐,着有<闪文集>、<大桥骤雨>。
电信流量工程之父Agner Krarup Erlang
丹麦人Agner Krarup Erlang是第一位研究电话网络流量的专家。Erlang是天才儿童,小学毕业后,以14岁之姿高分通过哥本哈根大学(University of Copenhagen)入学考试,大学当局考虑半天,还是决定不让他入学。Erlang只好摸着鼻子回家,直到18岁时,再度赢得奖学金,进入哥本哈根大学。Erlang专精数学、天文学、物理及化学,并于1901年顺利毕业。他讲话精简,不善交际,喜欢当一个旁观者,朋友昵称他为「Private Person」。Erlang于1908年加入哥本哈根电话公司(Copenhagen Telephone Company),开始研究电话交换机的效能。Erlang将机率理论应用于电话流量(Telephone Traffic)分析,在1909年发表第一篇相关论文,证明随机的电话(Telephone Calls)到达电话交换机的时间,遵循Siméon Denis Poisson的分布法则(Poisson's Law of Distribution)。为了研究一个乡村的电话交换机运作过程,Erlang亲自带着梯子在哥本哈根街头趴趴走,并经由街道的人孔,爬入地底下的机房进行量测工作。Erlang最重要的成果,发表于1917年论文《Solution of some Problems in the Theory of Probabilities of Significance in Automatic Telephone Exchanges》。他提出完整电话流量的分析论述,发明有名的Erlang公式(Erlang's formula)来计算电话交换机忙线的机率。美国贝尔实验室的研究员为了能够读懂Erlang的原始论文,还特别学习丹麦文。由于Erlang在排队理论及流量工程(Teletraffic Engineering)有极大贡献,因此在1944年,流量的量测单位以「Erlang」命名。将指数(Exponential)变量相加的新分布也以Erlang命名,称为「Erlang Distribution」。瑞典电信大学创造一种电脑语言Erlang Programming Language,此语言后来移转到瑞典电信巨擘爱立信(Ericsson)的开放电信平台实验室,之后又被释出成为开放源码的计划。爱立信采取这个名字,还有另一个原因:Erlang也是Ericsson Language的简写。这个语言精简好学,很符合开发大型工业用实时系统(large industrial real-time systems)的分散式、容错、多核心软件的需求。Erlang有一特点,可以帮助我们思考和互动,进而写成程序。它的程序码可以「热抽换」(Hard Standby;亦即可以一边执行一边升级,不用先暂停服务),如果移到多核心处理器的环境中执行,速度会自然变快(甚至有可能达到线性加速,n个核心就提升n倍)。运营商如T-Mobile,都使用Erlang开发分散式系统。除了电信系统外,Erlang也被用来开发财务系统或各种服务器系统。我的实验室发展物联网平台IoTtak,也曾考虑使用Erlang开发分散式系统,联接大量的物联网设备。
2023/7/28
语音技术的数码转型
基于语音的多媒体物联网(IoMT)逐见普及,被大量用于语音到文本(Speech to Text)的翻译和语音控制应用。此类应用核心技术是自然语言处理。陈信宏教授和我的研究团队发展一套语音谈话的IoT应用开发平台,称为VoiceTalk,提出一种新自然语言处理机制,自动语音识别,借此发展不少有趣的互动应用。2020年台湾总统大选电视辩论直播,公视新闻网和陈信宏带领的语音识别团队合作,采用当时国立交通大学团队开发的人工智能(AI)语音识别系统,将语音实时转换成字幕。陈信宏指出,语音识别有几大挑战,包括要有足够的文字知识库、要能够处理语音杂讯,还有自发性语音的重复和修正等,比如讲者说到「...好,好像」等字词。除此之外,交大团队也在视觉上下功夫,比如字体大小、字幕行数多寡等。2020年总统大选辩论直播,语音识别AI搭配听打员微调,提高字幕准确率。公视经理苏启祯表示,这次公共服务实验难能可贵,未来技术更成熟,不排除应用于开票报导或其他大型转播专案。VoiceTalk将语音转换成繁体中文文本后,还要将之翻译成不同语言。如今我们上网读文章,遇到不同语言的文字,有软件可进行翻译,这是古代人想像不到的神奇应用。没有翻译文章的工具,人类的沟通就受到限制。方东美(1899~1977)在其巨着《国内哲学精神及其发展》写着: 「伟大翻译家实导更伟大创作之先河。」的确如此。方东美曾说:「闻所成慧(śrutamayī-prajñā)、思所成慧(cintāmayī-prajñā)、修所成慧(bhāvanāmayī-prajñā)乃哲学境界之层次,哲学功夫之阶梯,闻入于思,思修无间,哲学家兼具三慧,功德方觉圆满。」藉由翻译,广读世界各地哲人的文章,是「闻入于思」的重要步骤。现今的资通讯技术,很容易达到这个目的。于是,我们也思考如何将VoiceTalk加入ChatGPT的plugin,以达到「闻入于思」的境界。这需要我们对历史文化的认知。由翻译引导出哲学、文化蓬勃发展的例子发生在八到十世纪间的阿拉伯世界。在此时期,巴格达的学者如火如荼将希腊作品翻译为阿拉伯语。例如穆斯林史学家Ibn Ishaq(Abu Abd Allah Muhammad ibn Ishaq ibn Yasar al-Muttalibi )就以翻译亚里斯多德(Aristotle)着作闻名于世;到了十一、十二世纪时,有一群基督徒住在被伊斯兰统治的西班牙,接触这些阿拉伯思想家的着作,以及亚里斯多德等希腊哲学家的阿拉伯译作。这群基督徒将阿拉伯译/着作再翻译成拉丁文,造成十三世纪西方哲学与神学的黄金时期。古人必须千辛万苦地翻译文章,才能获得知识,如今ChatGPT的普及,我们有智能的文章翻译软件,比古人幸福多了。值得深思的是,如何在资通讯工具大量翻译的知识中,获得真正哲学与文化的精髓? 
2023/7/19
更好的团队合作估算方法:计划扑克
在执行软件专案时,常常使用截止日期来逆向计算工时,然而这种做法有时会使程序工程师无法确保完成品质,容易导致他们形成「先求有,再求好」的思维。此外,一些专案经理可能会认为程序工程师的日常工作状况不佳,因此将初始时间乘以一个倍数作为缓冲时间。事实上,程序工程师不会因为时间变长而变得更有效率,过度放宽截止日期不会提高他们的工作效率。确实,工时无法精确预测,但可以采取一些方法达到「相对客观」的估算。在整个工时评估的问题上,需求的复杂度与工时往往呈正相关,因此分析需求复杂度变得非常重要。计划扑克(Planning Poker)是一种敏捷软件开发中常用的估算技巧,用于评估软件开发任务的工作量或复杂度。它是一种团队合作的估算方法,通常在敏捷或迭代开发过程中使用。在使用敏捷软件开发框架(如Scrum)进行专案时,其中一个关键的会议是每个新专案开始时进行的计划会议。在此会议,团队会共同计划他们认为在该次迭代中可以完成的工作量。团队在这个会议中使用计划扑克技巧,此技巧允许他们共同估算待办工作的复杂度。执行计划扑克时,建议参与人数不宜过多,亚马逊(Amazon)的Jeffrey Bezos以确保会议参与人数不超过2个比萨餐点能够供应的人数而闻名,Steve Jobs则着称于要求那些在会议中没有具体目的的人离开。计划扑克的基本流程如下:1.团队选择要估算的任务或项目。 2.每位团队成员手中拿着1组特殊的估算卡片,上面列有不同的数字或尺寸,例如:1、2、3、5、8、13、20、40、100(代表估算的相对大小)以及一张 "?"/"?" 卡片(代表不确定或需要进一步讨论)。3.由专案经理或项目负责人将任务的内容和要求介绍给团队成员。4.所有团队成员同时选择一张卡片,代表他们对该任务估算的工作量或复杂度。5.当所有成员都选好卡片后,将卡片翻面,统一揭开。6.如果估算的数字差异不大,则取得一致的估算值,进行下一个任务的估算;如果估算的数字差异较大,则进行讨论,并再次进行选择直到取得一致。7.重复上述步骤,直到所有的任务都被估算完毕。计划扑克使用创造性模糊进行初步估算,同时避免深陷于绝对数字的困境。创造性模糊之所以存在,是因为现实与理想之间存在着相当大的差距,由于各种限制条件,我们无法精确地量化事物。因此,通过创造模糊的空间,可以避免对数值进行不必要的分析。对于专案经理来说,与其评估一个无法实现的时间表,不如评估更加准确客观的时间表。这样一来,团队成员可以第一时间了解与专案预计时程相差多远,同时在资源有限的情况下,也可以更好地安排需求的优先顺序或寻求其他帮助。然而,计划扑克只是一种估算工具,而非确定性预测。它提供一种相对客观的方式来评估工作量,但仍需要在实际执行过程中进行调整和迭代。此外,团队成员的参与和互动至关重要,并且需要专案经理的引导和支持。因此,在进行软件专案时,笔者建议结合计划扑克等估算方法和敏捷开发的原则,注重团队合作、沟通和迭代。这样的方式能够更好地应对专案的不确定性,提高工作效率和品质,并确保顺利完成专案目标。(作者为国立阳明交通大学资工系终身讲座教授暨华邦电子讲座)
2023/7/6
物联网的「剃刀与刀片」
我观察到,智能物联网发展过程,大部分公司都想卖昂贵的物联网及大数据方案给客户,本末倒置,不易成功。2016年起,我们发展AgriTalk智能农业技术,最初的构思,是「剃刀与刀片」模式,希望智能农业的物联网硬件能以很低价格,甚至免费的方式提供给农夫,再以人工智能(AI)、生物有机营养液及害虫抑制剂等耗材来获利。要降低价格,AgriTalk的硬件必须很简单,并靠软件来弥补硬件的不足。例如,温度、湿度等传感器必须很便宜,其准确度会漂走,就要靠统计演算法来自动校正。农夫种的农产品,我们以契作方式回收,农夫便有不错的收入,造成双赢局面。这种「剃刀与刀片」模式除了要有永续维护的智能技术外,还有一重要前提,即慎选农作物(我们选择姜黄及白草莓),要有稳定行销管道。原始的「剃刀与刀片」(Razor and Blades)经营策略出现于20世纪初期,并非如AgriTalk般创造双方的共营获利模式,而是以「搭售」(Tied Products)方式,将某一基本商品(例如剃刀)低价贩售,以便大量贩售另一种相关消耗性商品(刀片),只思考如何赚客户的钱。在信息领域,使用「剃刀与刀片」策略最有名的例子是打印机(剃刀)和墨水匣(刀片)。今日雷射打印机的技术是全录(Xerox)研究员Gary Starkweather于1969年的发明,构想来自于影印机。影印机的发明人是Chester Carlson。Carlson是菲立普‧马洛里(Philip Rogers Mallory & Co.)的专利部门经理。因其工作的特性,时常碰到文件需誊本的问题。为了方便将文件誊本,他研究当时流行的各种复印文件的技术,包括摄影术、蓝图法、重氮法等。结论是,这些技术都不理想,皆需要使用一些溶剂而且制程很麻烦,因此决定亲自动手来找更好的方法。Carlson把家中厨房当作实验室,一度招致老婆翻脸。不过他仍然契而不舍,终于在1938年发明全世界第一个乾式印刷程序(Dry Printing Process),称为电子摄影(Electrophotography)或Xerography。Xerography是希腊字,意指乾写(Dry Writing)。卡尔森用乾式方法产生出来的复制影像即是影印机的基础,于1950年被全录公司成功的商业化。之后,雷射打印机将影印机的贩卖策略发扬光大,赚取客户不少银两。我对AgriTalk的期望,则更进一步进化,希望能创造双方的共营获利模式,帮助农夫大幅强化其谋生技能。
2023/6/15
国防领域的量子技术
量子技术是将量子物理原理应用于实际情境的技术。费曼(Richard Phillips Feynman;1918~1988)是量子计算的奠基者之一,他提出利用光子进行计算的概念。其贡献促进量子计算的研究和发展,为量子计算领域带来卓越贡献。在军事领域中,量子技术一直是国防部门关注的重点。整体而言,量子技术尚未完全成熟,但它可能对未来的军事传感、加密和通讯产生重大影响。量子应用涉及许多关键概念,包括叠加、量子位元和纠缠。其中最具挑战性的应用是量子计算,这是一个令人惊叹的梦想,可以实现无限计算能力,突破当今物理世界的限制。然而,计算是否有速度上的极限呢?如同光速限制在不改变时间的情况下穿越太空的能力一样,是否存在着阻碍计算速度超越理论上最大值的错误纠正限制?建立一个有用的量子计算机需要处理超过可观测宇宙中亚原子粒子数量的连续参数。目前还没有确定如何操作如此庞大的量子系统,以及如何同时控制其误差。 因此,我们应该专注于量子传感技术,以加速成熟的国防应用。量子传感技术可用于偏远地区的全球定位系统(GPS)定位和其他导航工具,还可用于检测电磁辐射,提升军队的电子战能力。据美国海军研究所(US Naval Institute)报告,量子传感技术可提升潜艇的探测能力,尤其是对于匿踪潜艇和物体探测的能力,效能将超越过去的雷达技术。 国内电子科技集团在2018年公布其开发的量子传感原型装置,据称能够探测飞行中的匿踪飞机。美国国防科技巨头Lockheed Martin,声称能够使用量子罗盘(Quantum Compass)来改善美国海军的导航能力。这种量子罗盘是由具有「氮-空缺中心」(Nitrogen-vacancy center)原子缺陷的微型合成钻石制成的。当受到雷射照射时,其发出的光强度会根据周围的磁场变化;透过地球磁场,这种光的变化可以提升导航能力,尤其是在极其偏远的地区。总结来说,量子传感器具有潜力应用于情报、监视和侦察领域。成功开发和部署这类传感器可能会带来潜艇探测能力的重大改进,甚至能够对抗和摧毁海上核威慑力量。由于量子传感器对环境干扰非常敏感,军事人员可以利用量子传感器来探测地下结构或核材料。此外,量子传感器的高灵敏度还有可能帮助军队探测电磁辐射,增强电子战能力,并有助于定位隐藏的敌方部队。 
2023/6/8
人工智能的启示
图灵奖(Turing Award)得主Geoffrey Hinton在日前公开讨论人工智能(AI)的风险。AI「往往会从分析大量数据中学到意想不到的行为」。这并非意味着具有自主意识的AI会摧毁人类,而是我们无法预测AI的行为,特别是当个人和企业允许AI系统不仅生成其自身的代码,而且在自己的计算机上运行这些程序时,Hinton担心「有一天,真正的自主武器将那些杀手机器人变成现实」。第一个实际的AI系统是由Edward Feigenbaum及Raj Reddy实现,称为「专家系统」,是一种智能的电脑程序,能运用知识与推论来解决只有专家才能解决的复杂问题;他们也因此一贡献荣获1994年的图灵奖。然而,许多系统需要模拟的参数甚多,至今仍然无解。可见计算机模拟的应用博大精深,即使今日AI技术突飞猛进,有许多题目仍值得深入研究。图灵(Alan Turing,1912~1954)在1950年发表一篇重要论文〈计算机与智能〉"Computing Machinery and Intelligence",首次谈论到AI,并提出图灵测试(Turing test),为信息领域创建智能设计的标竿。图灵测试指的是,如果一台计算机能够欺骗人类, 相信它是人类,那麽它就应该称为智能计算机。AI缘起于模拟人类行为,自然也常用于社会学。密歇根大学的政治学教授Robert Axelrod,在1980年代进行一连串电脑模拟实验,找一群专家写出不同电脑程序,模拟人类行为,让这些程序互动、合纵连横,看哪个程序最后会胜出。这些程序有些模拟「金律」,有些模拟「银律」,有些则模拟「铁律」。所谓「金律」(Golden Rule),语出《新约》7:12「无论何事、你们愿意人怎样待你们、你们也要怎样待人」;「银律」(Silver Rule),语出《旧约》21:24「以眼还眼,以牙还牙,以手还手,以脚还脚」;「铁律」就是「己所不欲,先施于人」,外在表现是「先下手为强,后下手遭殃」。结果最成功的是模拟「银律」的Tit-for-Tat程序。这个程序一开始采取合作,若对方也肯合作,接下来则仍采合作策略;若对方吃你豆腐,下一步你就占回便宜。在实验中,实施金律的程序一败涂地,屍骨无存,可见咱们先总统蒋公介石对日本「以德报怨」的做法是行不通的;实施铁律策略的程序一开始也有不错的表现,但长期下来,所有被它吃豆腐的人不是死了,就是躲它远远的,它最后也没戏唱。有一个铁律例子,就是石油大王John Rockefeller(1839~1937)。他专耍先下手为强的手段,整垮所有对手,成为最有钱的人。但他的手段未免太狠,大夥都不敢恭维。Rockefeller也知道自己以前做事实在不上道,因此在退休后的余生,致力于慈善事业补过。然而,他过去的作为仍然祸贻子孙,他的后人能力再强,条件再好,想选总统,至今都选不上。延伸报导从Google查找趋势看三大AI技术浪潮
2023/6/5
AI时代创意如何养成?
最近有人问我,在ChatGPT时代下的创意如何养成?经我询问ChatGPT后,我过去的想法和ChatGPT的答案是一致的(虽然ChatGPT的措辞变来变去)。在「鸡尾酒」(Cocktail)这部1988年的电影,Tom Cruise饰演一位在职进修的酒保,到一家商学院学习如何创业,最后放弃进修,并向一位资深酒保说明放弃进修的原因:「教授上课都在胡扯(Bullshit)」这位资深酒保笑着回应:「你知道教授只会胡扯,就有资格毕业啦。」这位老酒保意思是说,教授没有实战成功经验,却在课堂上教学生如何创新创业,只不过是误人子弟,浪费学生时间罢了。我看了不禁莞尔,写剧本的老兄显然吃过教授的亏。依我的浅见,创意可经由2种方式培养。第一种方式是在观察有创意的人的过程中学习其创意。换言之近朱者赤,近墨者黑,这是所谓的米开朗基罗效应(Michelangelo Effect)。这个效应是心理学家观察到的现象—相互依存的个人会影响和 「塑造」对方—如果你有决心学习创意,在观察有创意的人的行为过程,渐渐能雕塑出自己的创意风格。一般大学进行系统式的授课,没有创意涵养的教授仍然可以照本宣科,但产生的米开朗基罗效应,却教出没有创意的学生。难怪「鸡尾酒」尖酸的下结论:「教授上课讲的都是胡扯。」米开朗基罗(Michelangelo Buonarroti)是真正有创意的大师,一块顽石在他手中能化腐朽为神奇,雕塑出艺术品。心理学家因此以他命名米开朗基罗效应。第二种方式是鲶鱼效应(Catfish Effect)。原意是指透过引入强者,激发弱者变强的一种效应。渔夫捕捉沙丁鱼食,返航后沙丁鱼都已奄奄一息,卖相甚差。有一位挪威船长将鲶鱼和捕获的沙丁鱼放在一起,沙丁鱼为了闪避东游西窜的鲶鱼,不停游动保命,终可在渔船靠岸时存活下来,是为鲶鱼效应。此效应亦可引伸为棋逢敌手,能互相砥砺成长的意思。米开朗基罗和达文西(Leonardo da Vinci)两位文艺复兴时期的艺术大师,有鲶鱼效应的故事,彼此良性竞争,激荡出艺术创作的火花。话说意大利翡冷翠打算为维奇奥宫绘制大厅内的巨幅画作,同时邀请米开朗基罗和达文西来「投标」争取创作。两个人竞争,最后都因故放弃,没有分出高下。后来两个人又较劲制作大卫雕像。结果米开朗基罗胜出,获选为制作大卫雕像的艺术家,完成永垂不朽的雕像。落败的达文西专注投入解剖学研究及绘画创作,在科学与绘画上缔造出伟大创新。说了半天,如何利用ChatGPT来帮您利用米开朗基罗效应(鲶鱼效应)养成创意?您不妨就单刀直入,直接问它:How to use ChatGPT to create Michelangelo Effect (Catfish Effect) for innovation?比对米开朗基罗和达文西的例子及ChatGPT给您的答案,或许您更清楚如何进行。 
2023/4/28
麦克风的问世
ChatGPT横空出世,推动人工智能(AI)更大的浪潮,也革命性地改变旧有技术。例如人工智能在麦克风增强应用方面扮演重要角色。结合自然语言处理和AI技术,麦克风可进行多种创新应用,包括语音识别、情感检测、声音分析、噪音消除和多语言翻译等。麦克风是Emile Berliner发明的语音输入装置。早期麦克风主要用于录制黑胶唱片。贝里纳成立留声机公司Gramophone,并以画家Francis Barraud的作品《His Master’s Voice》作为商标。商标中的小白狗名叫Nipper。Nipper有一次发现一部留声机,充满疑惑地歪着头打量,这个情景被Barraud捕捉下来,成为Gramophone的商标灵感。1901年,Berliner在美国成立胜利唱机公司(Victor Talking Machine Company),后来被收购并更名为RCA(Radio Corporation of America)。图一:Emile Berliner(1851~1929)。林一平 麦克风技术的后续精进归功于David Hughes。Hughes在1878年对爱迪生麦克风的音量做出重大改进,并申请专利。这项发明在1920年代仍在不断改良,最终演变成大众今天使用的碳粉式麦克风。作为一名音乐家,Hughes的麦克风发明还挽救长笛在爵士乐中的地位。长笛的音量较小,当与其他乐器如小喇叭或萨克斯风一起演奏时,往往会被掩盖。因此,长笛通常只能在音高较高的部分做些装饰性演奏,让听众勉强察觉它的存在。有了麦克风的帮助,长笛的可用音域得到显着扩大,终于能在爵士乐演奏中大显身手。笔者的研究团队正发展麦克风的AIoT技术,称为MusicTalk,希望利用AI技术改善麦克风产出的声音,其关键在于运用音律的原理。音律的原理是谁发明?应该是十六世纪朱载堉。朱载堉是明宗室郑恭王朱厚烷嫡子,发明演算法将八度音切割为十二等分,并制造出新法密率律管及新法密率弦乐器,是世界上最早的十二平均律乐器。理论很难,做法却简单。在调整琴弦时,将第一音弦的长度除以密率(亦即2的十二次方根),就可得到第二音弦的长度。以此类推,到达第十三次时,就会得到一个完全的八度音。远传饶仲华博士与笔者曾写过一篇论文,设计手机音乐语言,可以调整手机麦克风收音后的优化,其音律校正,源自于朱载堉的理论。图二:朱载堉(1536~1610)。林一平
2023/4/7
真言套索与AI测谎机
最近ChatGPT火红,我尝试其不同应用。当中最有趣的是「测谎」。多次实验后,如果在问答互动过程能提出明确问题,这个工具的确有用,就如同神力女超人(Wonder Woman)的「真言套索」(Lasso of Truth)。创作神力女超人的William Marston(1893~1947)给她一件很奇怪的武器,是一条很长的套索。任何人被套上,都会说实话。这件武器是在为Marston的发明做广告。Marston在1921年首创心脏收缩压测技术-量度血压和皮肤导电率,并研发出审问德国战犯的仪器,宣称有Marston的发明,「成功的说谎将成为失传的艺术」。Marston最后放弃计划,但其发明成为现代测谎仪机制的一部分。人类一直对测谎的想法着迷,甚至有一个欺骗检测的传言说:「如果有人在说话时抬头和向左看,他会对你撒谎。」所谓测谎是针对口头的陈述进行评估,检测是否有故意不诚实的行为。评估的项目包括沟通内容和非语言线索。换言之,测谎除了提问策略外,往往再加上捕获生理过程的技术一起使用。当我们撒谎或因疏忽而撒谎时,我们的身体往往会暴露我们的意图。测谎专家通过受测者瞳孔扩张、脸红以及一系列微表情和身体动作的变化,直观地感知虚假。有些人在检测欺骗方面非常熟练。例如扑克玩家似乎总是知道什麽时候有人在虚张声势。早在西元前1000年国内人就知道恐惧和担忧会伴随着唾液分泌减少和口乾的生理原理。其说法是,恐惧使人们瘫痪。几个世纪后,伊拉西斯特拉图斯(Erasistratus)通过监视神经来观察说谎行为。然而有些人的谎言非常容易测出,有些则非常困难。人都有说谎的艺术,欲准确判断某人是否在撒谎,可利用认知(cognitive)技术。认知技术正确扫描人们的所有表情。这种认知测谎范式有2类:第一种是心理技巧在面试时,故意造成一个非常困难的情况,受测者必须在高压下回答问题;第二种是战略调查技术,着眼于几种提问方法,以确定真相讲述者和说谎者最不同的回答。我的国小老师最会应用认知技术,每当我很诚恳地为旷课说明理由时,她总是能抓到我的破绽。Marston之后有许多测谎机的发明。无论是人类还是测谎机,都使用启发式方法来确定某人是否在撒谎。当涉及到个人时,没有一定的公式可以用来过滤信息以确定撒谎,因此测谎机改用更可靠的量化数据,包括心率和血压。例如大脑中有一些血管会发生血液循环(circulation of blood vessels)。血管的循环完全取决于我们的情绪。如果我们心情愉快,血液流动是正常的;如果我们处于亢进状态,大脑中的血流量会增加。功能性核磁共振造影(fMRI)可检查出大脑中血管循环现象,判定是否说谎。机器的能力愈来愈强大,虽然并不保证是正确的,但足够可靠,可以在司法调查使用。AI出现后,检测谎言有更先进的方法。AI可以研究人类的行为、心理思维、身体手势。搭配声音和许多其他积极和消极的手势,凡举抬眼、身体颤抖、哭泣等,AI都可用来预测出愤怒、幸福、恐惧等不同状态。AI的答案非常简单、简洁、(希望是)准确。尽管人们担心AI技术能否正确识说谎行为,但测试显示,人工智能测谎机的效能优于人类审讯者。人类容易产生偏见,而机器则不会疲倦或分心,更少偏见。当AI技术再精进后,或许「成功的说谎真正会成为失传的艺术」。 
2023/3/17
信息处理之父Herman Hollerith
1890年代的美国人口普查扮演今日信息处理革命的最大推手。当时要蒐集6,200万美国人口的数据,美国人口普查局(United States Census Bureau)为此十分头痛。经过评估,结论是以人工方式做纸本核对已不可行。在人口普查局寻求可行方案的过程,促成早期计算机器技术的演进。当中的关键人物是号称全世界第一位统计工程师Herman Hollerith(1860~1929)。荷勒里斯在大学时代的表现优异,引起学校教授Trowbridge注意,雇用他到人口普查局当统计员。Hollerith在分析1880年人口数据时,发现以人工方式蒐集和处理信息颇有不足之处,会产生许多错误。1890年时美国的人口成长超过6,000万,以人工方式做人口普查,计算量已达瓶颈。Hollerith一直在注意两套系统:Joseph Charles(1752 ~1834,又名Jacquard)的纺织花梭机(Jacquard loom),以打孔卡片(Punched pasteboard card)来控制编织的花样;以及火车列车长将车票打孔来确认旅客及旅程的方法。根据对这2套系统的观察,Hollerith开始构思人口普查的记数机器(Counting Machine)。1884年,Hollerith申请到第一个专利:利用卡片穿洞与架在弹簧上的钉子,设计出一种排序技巧。人口普查人员在记录卡片上打洞,再将整叠的卡片喂入Hollerith设计的机器。机器运作时,装有弹簧的钉子若滑过卡片上的洞,会和下方的电极接触,使电流得以通过。机器以此辨别电流无法通过的卡片,并加以统计。这个庞大的电动排序机被称为Hollerith Electric Tabulating System,是统计应用的一大成就。1886年,Hollerith已获得打孔卡数据处理方面的一系列专利,成立制表机器公司(Tabulating Machine Company;TMC)以招揽生意,初期已有许多应用服务。例如帮保险公司分析死亡率数据(mortality data) ,以及提供纽约和巴尔的摩两地间火车的运货帐单。1890年,美国人口普查局使用Hollerith的机器,很有效率的将原来人工统计的时间由2年缩短为6个月。人口普查统计的方式,是将每一个人的数据分别记录于一张40栏位的打孔卡片(这张卡片则成为那个人的永久档案)。所有卡片都输入Hollerith的机器来计算统计。此次人口普查相当成功,为纳税人省下500万美元。Hollerith的机器扬名立万,后为全世界各国采用于人口普查。
2023/3/3