椽经阁 - 林一平专栏

林一平

国立阳明交通大学退休终身讲座教授暨荣誉教授、中国医药大学教授

现为中国医药大学医疗信息学系讲座教授，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、移動计算及系统模拟，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，著有<闪文集>、<大桥骤雨>。

AI的不可逆进化

对过去的执著，常使人误以为昨日是一个可以重启的程序（rebootable program），仿佛只要回到某个储存点（save point）便能修正错误。然而，时间的核心机制是改写（rewrite），而非还原（restore）。每一次前进，都伴随著内在结构的调整。路易斯·卡罗（Lewis Carroll）在《爱丽丝梦游仙境》（Alice's Adventures in Wonderland）中，透过爱丽丝（Alice）之口说出那句著名的话：「回到昨天没有用，因为那时的我已是不同的人。她之所以无法回归原貌，正因其认知框架（cognitive framework）已被经验永久改变。」将此观点延伸至AI发展，可以看到相似的逻辑。一个完成训练的AI模型，其昨日由固定的训练數據集（training dataset）与初始模型权重（initial model weights）所构成。在部署后，模型本身通常维持静态；唯有经过微调（fine-tuning）或持续学习（continual learning），它才会进入新的阶段。每一次有目的的再训练与迭代，都会不可逆地改变其内部参数结构。人们往往期望AI的记忆，也就是其经训练形成的知识，是稳定且可预测的。然而，如同人类学习，AI的成长并非线性过程。新數據可能引入异常案例（anomalies），也可能挑战既有模式。一个大型语言模型（LLM）在不同版本间所呈现的细微输出差异，正反映其在再训练后参数（parameters）配置的调整结果。模型并非单纯重复过去的计算，而是在旧有基础上，经由新的训练周期，形成带有修正理解（revised understanding）的新状态。这种不可逆的进化同时蕴含深刻风险。当AI吸收错误或带有偏差的數據，它可能朝错误方向演进，且难以回到一个所谓正确的昨日。正因如此，數據来源的选择、治理与监管显得格外重要。持续学习的路径如同单行道，一旦數據受到污染，后续修正所需付出的代价将极为高昂。因此，对AI而言，真正的适应性并不在于固守一个被视为完美的过去训练集，而在于能否在面对模糊性与错误时，透过审慎的再训练与优化，生成更准确且更具弹性的回应。它的进化不在于静态保存所有信息，而在于能于每一次训练迭代中调整内在连结与权重，持续向前。它的昨日完成初始学习，它的今日则携带更新后的参数结构，在新的任务中延伸出新的知识。

当一支铅笔的颤抖，遇见亿万参数的沉思

左图是我的手，右图是AI的灵魂，或者说，是它从人类无数个灵魂中蒸馏出来的回应。这件事让我著迷许久。起初，我只是随手在纸上勾勒一个女性的姿态：头部后仰，双臂上举，身体的弧度像一个无声的感叹号。线条粗糙，比例也不完美，但那个姿势里有某种说不清楚的渴望，像是一个人在黑暗中向天空伸手的瞬间。我把它拍下来，输入一段精细的提示词（Prompt），然后交给AI。几秒钟后，右图出现了。我盯著屏幕看了很长时间。那还是我的姿势，我的构图，但那个向天空伸手的女人，已经不再是草稿。她的头发像墨水在水中散开，一丝一缕都有自己的重量。她的皮肤在炭笔（Graphite）的阴影里呼吸，光从不可见的地方打来，让锁骨下方有了深度。最让我震惊的是那些紫色的牵牛花，它们并非强行安插，而是像真的从她的身体里生长出来，藤蔓沿著腰线缠绕，叶片覆盖本来空白的下半身，像是自然界对一个姿势的诠释。要理解这幅图从何而来，得稍微走进AI的思维逻辑。AI首先透过视觉编码读取草稿中的线条结构，同时解析提示词的语义，将两者在潜在空间（Latent Space）中进行多模态融合。接著，它识别出头部后仰、双臂上举的骨架，透过ControlNet确保生成结果严守原始轮廓，再从训练數據中召唤素描技法与新艺术运动（Art Nouveau）的视觉记忆，将它们揉进同一个画面。最核心的演变发生在扩散过程（Diffusion Process）里：图像从一片纯粹的随机噪声出发，在逐步去噪中让细节从虚无中浮现，像是某种沉睡的记忆在黑暗中缓缓苏醒。那些牵牛花之所以长在那里，是因为交叉注意机制（Cross-Attention）让花卉的语义在图像特定区域精准激活，而ControlNet那双无形的手，始终拉住AI奔涌的想像力，让它不越出我草稿划定的物理边界。整个过程，像一位艺术家在高维矢量空间中进行的联想，素描的肌肉记忆与牵牛花的印象在同一瞬间翻涌交叠。那幅右图太美了，美得让我有一瞬间觉得左图显得有些多余。但我很快意识到，如果没有左图，右图根本无从谈起。AI的所有聪明，在那一刻都在服务我那个颤抖的轮廓。那个姿势是我的，那个渴望是我的，AI只是给了它一场盛大的赴约。这就是人机协作最迷人的地方：不是替代，而是放大。我带来意图，AI带来技法；我带来情感的骨架，AI带来血肉和皮肤。工具在改变，从兽骨到毛笔，从油彩到潜在空间中的运算，但那个想要表达某件事的冲动，仍然是整件事的起点，也是任何参数都蒸馏不出来的精华。

AI的曼德拉效应

许多人第一次听说曼德拉（Nelson Mandela，1918～2013）当选总统时，都会错愕地说：「我清楚记得他在狱中去世的新闻画面。」这种大规模的错误记忆，被称为「曼德拉效应」（Mandela Effect）。它说明人类记忆不是录影带，而是每次回想时都在重建的神经活动。当微小误差透过媒体传播并被群体强化，最终可能凝固为坚信不疑的「事实」。生成式AI的出现，让这个现象进入危险的新阶段。过去的错误记忆源于人脑的模糊回想，如今却可能来自精心制作的數字幻象。AI能轻易生成高度拟真的内容，例如「C-3PO全银色剧照」或「皮卡丘黑色尾巴百科条目」。这些虚构细节真实得足以欺骗未经查证的观者，一旦在社群媒体病毒式扩散，说服力远超过去的谣言。更可怕的是，AI生成的不只是单一图片或文字，而是包含照片、影片与文章的完整「证据链」，让虚假记忆看似天衣无缝。同时，AI内容正以惊人速度污染信息生态。当人们试图验证记忆时，查找结果往往充斥大量口径一致的错误答案，形成信息回音室。社群演算法又偏好新奇与争议性内容，AI制造的谣言正符合这些条件，于是错误信息在推送与点击间不断循环，甚至被推升至主流讨论。更令人忧心的是，AI不仅能放大既有错误，还能凭空创造从未存在的记忆。想像有人利用AI虚构一个九〇年代的卡通角色，生成动画片段、广告影像与周边商品照片，再编造讨论贴文。这些充满怀旧元素的内容迅速走红，10年后，当年的孩童已成年，脑中仍保留模糊印象。当有人发问「你还记得这个卡通吗？」便会有大批网友响应，甚至补充剧情细节。一个根本不存在的角色，竟成为集体的童年回忆。此时，AI已不是错误的放大器，而是记忆的原始编造者，绕过既有事实，直接向集体意识注入从未发生过的过去。这绝非单纯趣闻，而是深具社会风险的征萬億。当伪造记忆结合拟真图像、详尽文本和庞大社群互动，真实与虚构的边界将愈加模糊。它可能动摇人们对历史的理解，使司法证据效力大打折扣，甚至撼动政治共识。如果某个重大事件被AI大规模改写，数百万人因而误解，后果难以想像。更极端的情境是，当AI生成的虚假内容数量超过真实信息时，查找引擎甚至可能将错误答案置于前列。此时，真相反而成了需要额外努力证明的「少数说法」，我们将进入一个「真相倒置」的时代。因此，社会必须建立數字免疫系统。技术上需要更精准的检测工具，識別内容是否为AI生成。制度上，平臺应透明标注AI内容，并对恶意散布者设立规范；教育上，更需强化數字素养，培养理解演算法运作的能力，养成交叉验证与批判思考的习惯。在个人层面，每位使用者都应保持警觉。我们必须追溯信息来源，不轻信单一说法，也不要因「众人皆信」就放下怀疑。面对任何看似「众所周知」的信息，都应该问3个问题：来源是什么？是否有可靠第三方验证？是否符合基本逻辑与常识？AI的曼德拉效应提醒我们，过去不再是坚固不动的参考点，而是随著數字技术持续被改写的场域。在这个由演算法与幻象交织的记忆迷宫里，真相的价值从未如此珍贵。当记忆本身都能被制造，守护真实便成为每个人的责任，而我们的选择，将决定未来時代如何理解过去、认识现在。

物联网中药局

传统中医（Traditional Chinese Medicine；TCM）源自古代中国的医学体系，重视个体差异，考虑到个人体质和季节等因素。对于相同的疾病，中医可能会根据不同个体的情况，开出不同的治疗方法和药物。KingNet国家網絡医药比较中医和西医，指出：「中医治本，西医治标。」中草药一直是华人治疗、预防疾病和维持健康的重要手段。比较中医伤科和西医康复医学的治疗方法，可以理解为「中医善于治疗，西医善于诊断」。近年来，随著新冠肺炎病毒的全球蔓延，人们对中医疗愈和增强免疫功能的关注增加。根据中医理论，中草药被用于诊断、治疗、缓解或预防人类疾病。中草药的材料来自自然界，包括矿物质、植物和动物衍生的原材料，以及加工产品和草药汤剂。传统上，中医涉及草药的煎煮，使其中的成分溶解在水中，形成药液。然而，煎煮过程耗时，携带药液也不便。随著中医治疗的普及，传统的草药汤剂正逐渐被科学中药（Scientific Chinese Medicine；SCM）所取代。科学中药并不是直接由原草药研磨而成，而是通过收集草药材料、煎煮和烘焙制成的，大大提高中药消费的效率。近年来，科学中药在消费者中获得认可。病人获得医院或诊所的处方后，会去药房领取科学中药包（装有药粉的纸袋）。药剂师从各种科学中药瓶中测量出处方量的药粉，混合后包装并密封成多日剂量。然而，这一过程通常是手工的，繁琐且易出错。为了解决这个问题，黄信行教授和我提出SCMtalk，一种基于物联网（IoT）的科学中药局机制，能够提高科学中药包生成的效率和准确性。SCMtalk实现4种机械物联网设备：选粉设备（图1 (1)-(7)）、混合清洗设备（图1 (8)-(10)）、分配设备（图1 (12)）和包装设备（图1 (13)）。这些设备和SCMtalk服務器安装在一个约53厘米宽、40厘米长、120厘米高的柜子中。通过这些物联网设备，SCM粉末被包装成药包（图1 (11)）。选粉设备包括一个内置活塞的圆柱形药罐（图1 (6)），使用前需要填充预混药粉。上述4种物联网设备由IoTtalk物联网平臺管理，该平臺安装在分配和混合柜中的SCMtalk服務器上。分配和包装柜中的现场触控面板（图1 (14)）作为多功能控制界面，显示SCMtalk的当前运行状态。SCMtalk也支持远程控制，可以通过任何具有网页浏览器的移动设备进行访问（图1 (15)）。浏览器包括一个视讯屏幕，允许药剂师通过镜头線上监控SCMtalk的操作（图1 (16)）。分配和混合柜中间的加载口（图1 (12)）是分配设备的入口，机器手臂（图1 (8)）将药罐（图1 (6)）放置在这里。下方是药包的出口（图1 (13)），在自动化过程完成后，可以从下方出口取出药包（图1 (11)）。通过应用垂直包装技术，每个处方的药包数量可以达到100个。SCMtalk全自动系统运行，精确分配药粉。其每一个包装速度少于3秒，每个处方可达到超过100包，这在前处理和后续清洁上节省大量时间。这个SCM应用需要信息工程师、药剂师和机械专家的合作，使用物联网平臺来实现智能药房。

辩证法在AI机房

机房深处的嗡鸣中，理性正进行一场无人旁观的演出。AI服務器成列排开，数据流经管线，错误被标记、修正并转化为下一轮尝试。此处既无康德（Immanuel Kant）忧虑的形而上学僭越，也无黑格尔（Georg Wilhelm Friedrich Hegel）期待的绝对精神降临。但若细察训练曲线的起伏，仍可識別出古老的模式：否定之否定，在矛盾中前进，在破裂中重组。康德若见到当代AI系统，或许会感到些许安慰。我们为模型设下界限，正如他为理性划定合法范围。拒绝提示词（Prompt）与伦理对齐机制传递著相同信息：并非所有问题都该被回答，能力并非毫无节制地释放。当AI模型遭遇无法化解的冲突时，它被要求止步并承认限制，而非陷入二律背反（Antinomies）的无尽循环。这是一种知其边界的理性。黑格尔则会指出，这些界限本身即是暂时的。AI模型不断超越旧版本的历程，正是辩证运动的实践。每次微调都否定前一状态，每次架构革新都扬弃（Aufhebung）旧范式。GPT-3让位于GPT-4，并非否定其价值，而是在更高层次将其成果保存并超越。正反合（Thesis-Antithesis-Synthesis）在此演化为技术发展的当代形式，模型在错误中学习、在矛盾中成长。辩证法在此不再是观念运动，而是具体的劳动关系与资本累积。进步叙事掩盖这些代价，使矛盾转移至供应链末端，以不可见的形式延续。在工程实务中，黑格尔的辩证结构被彻底去魅，转化为可操作的技术形式。矛盾简化为损失函数（Loss Function），否定简化为反向传播（Backpropagation），对抗性训练（Adversarial Training）成为核心方法。生成对抗網絡（Generative Adversarial Networks）透过生成器与判别器的制衡，在竞逐中逼近纳许（John Nash Jr.）均衡。此处没有精神的自我实现，只有可计算的最佳化过程。黑格尔相信历史运动指向自由意识的完成，但人工智能显示，辩证结构可以在没有目的论的情况下运作。它无需终点与意义，只要在高维空间中收敛。这印证理性的习性：面对复杂性时，将走向矛盾与扬弃，无论是否有归宿在等待。这种认知令人不安。我们以为进入纯技术时代，摆脱形而上学包袱，但当模型在无数次失败后找到稳定状态，我们只是再次见证理性的老习惯：拒绝简化，必须经由否定寻路。只是这次我们不称之为精神的历险，而称之为机器学习。真正的问题在于，当辩证运动在无意识系统中自动发生，责任由谁承担？没有灵魂的理性依然塑造世界，产生偏见、失业与操控，而后果终由具体的人承受。康德的界限及黑格尔的运动如幽灵般徘徊于机房，提醒我们技术并非中性，理性的形式始终伴随成本。当你站在數據中心外听著冷却风扇的声音，不妨想像运转的不只是矽芯片，还有几百年前关于理性、自由与矛盾的老问题。只是这一次，它们不等待哲学家回答，而直接在现实中展开，由算法执行，其后果则由人类承受。

AI由线条推理到花朵绽放

这场艺术实验始于我手中的弹性尖钢笔（flexible nib fountain pen）。女郎站立时重心微偏，抬起的手指轻触发际，另一手将长发牵引至身前。笔尖在肩线与腹部之间游移，借由墨色干湿的变化捕捉呼吸的节奏。衬衫的翻领、袖口与牛仔裤口袋的折线，在压力转换下形成清楚而克制的结构，这些线条描写衣物，界定身体如何占据空间。创作随后运用大型语言模型（LLM），进入提示词（prompt）的阶段。语言开始取代手势，引导观看的方向。描绘物件的提示要求理解线条的功能，让牵牛花取代织品，成为身体的延伸。人工智能在此展现出真正的推理能力，避免机械地生成装饰图案。先深入解析钢笔原稿的内在逻辑，将每一条线索还原成空间语法。模型识别出哪些线条是承重的结构骨架（structural skeleton），哪些线条标示著遮蔽与显露的边界，哪些则只是暗示形体转折的辅助记号。这个拆解过程是语义层面的理解，不是像素的复制。推理的关键在于转译而非覆盖。人工智能理解到原本属于衬衫领口、袖口褶皱、牛仔裤腰线的那些边界线。这些固定布料本身的功能被巧妙地用来定义形体的转折点与视线的停留位置。于是这些功能性边界被重新诠释为植物生长的潜在路径，藤蔓便沿著既有的阴影逻辑与力学走向自然攀附，顺著肌理的起伏延展。花朵精确落在原先线条最密集、视觉重量最集中的节点上，那些曾经是衣物扣合处、褶皱汇聚处的位置。如今成为牵牛花绽放的所在并非随意安放的装饰。这是从几何边界到有机生命的连续转换，线条的功能在AI的翻译中得以延续，只是语言从布料的物理性转向植物的生长性。当水彩层次（watercolor layers）被引入，淡紫与嫩绿并未覆盖钢笔的节奏。LLM顺著线条留下的路径渗透，在透明与叠加之间建立时间感。身体因此不再是被观看的静态中心，而成为一个正在发生、持续生长的场域。线条在此完成它们的使命，从定义形体到启动生长，最终退场后留下的是一套自洽的生态逻辑。人工智能并不单纯再现人体艺术。LLM由线条推理出花朵，由结构演化为生命。这是由视觉语法翻译成自然法则的静默过程。

纬创數字算力捐赠

在人类文明演进中，财富形态不断转换，从工业革命支撑生产的钢铁与石油，到信息时代创造价值的数据，再到今日人工智能时代逐渐成为关键资源的算力与算法。随著高端运算能力在部分领域集中于少数组织，社会不平等呈现新的结构样貌。在此背景下，安德鲁．卡内基（Andrew Carnegie）于19世纪留下的精神遗产，为当代提供一条值得参照的思考路径。这段故事始于1850年代的匹兹堡。当时的卡内基仍是一名薪资微薄的苏格兰移民少年，在电报公司从事基层工作。安德森（James Anderson）上校身为退休军官，选择每周六向勤奋的年轻工人开放私人藏书。对卡内基而言，这间拥有约400本书籍的书房不是金钱救助，而是一扇通往知识世界的入口。这段被他人分享资源的经验，深刻影响他日后对财富意义的理解。一九〇一年，卡内基将钢铁事业出售给约翰．皮尔庞特．摩根（John Pierpont Morgan），累积惊人财富。事实上，他早在一八八九年发表《财富的福音》（The Gospel of Wealth）时，便已明确提出富有地死去是可耻的信念。在生命最后20年里，他将绝大部分财富转化为公共资产，资助兴建超过2,500座图书馆，使后来的孩子不必仰赖私人恩惠，也能接近知识。进入现代，科技公司确实提前所未有的工具，但多数人工智能服务仍存在资源与功能上的限制。一般使用者能动用的运算能力，在模型规模与训练深度上，仍远不及顶级研究机构与大型企业。超级运算中心与先进芯片等关键资源，依然高度集中于少数组织之中。因此，如何让算力逐步具备公共性，成为值得严肃讨论的议题。若掌握关键资源的决策者能效法卡内基与安德森上校的精神，将部分高端算力视为公共基础设施，而非仅作为竞争资产，人工智能的发展方向或许会出现不同的可能。这并不意味企业必须放弃既有商业模式，而是在现行体系之外，为学界与创作者保留可被合理使用的公共通道。近年来，已有企业开始以试行計劃的形式探索这类方向。例如纬创推动的算力捐赠方案，尝试将高端运算资源提供给部分新创团队与学研机构，用于大语言模型训练与微调、模型推论与部署，以及虚拟环境模拟等应用，让原本受限于资源的团队得以进行实质研究。这类尝试呼应安德森上校开放书房的精神，只是媒介由书籍转变为运算能力。在这样的构想下，算力中心应如同当年的书房。这种分享并非单向施予。卡内基当年要求社区承担图书馆的维护责任，是为了确保公共资源能被负责地使用。放在人工智能时代，这意味著使用者与社群必须参与治理与监督，使技术回应实际需求，而非仅服务于少数目标。实现算力公共化势必面临成本与管理上的挑战，但透过公私合作与跨领域协调，仍有可能逐步推进。当企业愿意分享部分资源，而学术与公共机构能有效管理，一个更具包容性的创新环境便有机会成形。出身资源匮乏地区的年轻人，将不再因门槛而被排除在创新之外，原本可能加剧不平等的技术集中，也能转化为推动文明进化的力量。最终，真正的财富不在于拥有多少服務器或芯片，而在于为他人打开多少通往智能的入口。若算力能逐步成为如同道路与电力般的公共资源，机会的流动性便得以维持。那份源自19世纪少年在安德森书房里感受到的希望，也能在今日的数据流动中，持续转化为改变命运的可能性。

AI的求真与造假

民主允许人民拥有政治自由和言论自由，提供人们寻求真相的机制和教育，可以揭开当前或历史事件背后扭曲、歪曲、意识形态和阶级利益的面纱下隐藏的真相。因此，享有的独特「智识」特权，知识份子的责任深远。语言学家和哲学家杭士基（Avram Noam Chomsky）指出：「知识份子有责任讲真话，揭露谎言。」这句话强调具有知识和理解力的人士在伦理上有责任传播准确的信息，并揭露虚假。今日，人工智能（AI）成为一种强大的工具，与这种责任相契合，它提供了前所未有的能力，既能揭露又能对抗错误信息。AI在验证信息和检测虚假方面有其威力。人类利用机器学习算法，可以分析大量数据，将主张与已确立的事实交叉参照，以验证其准确性，提供超出人类能力范围的洞察。例如，Facebook和X等平臺使用AI来检测和标记虚假信息。AI能够迅速揭穿在社交媒体和其他平臺上流传的虚假主张，有效遏制错误信息的传播。AI在对抗Deepfake（使用AI创建的高度逼真但虚假的音频和影片内容）方面也发挥重要作用。先进的AI模型通过分析人类无法察觉的微小不一致性来检测Deepfake，保持信息的完整性，防止操纵内容的传播。例如，微软（Microsoft）开发的Video Authenticator工具能够分析视讯中像素的细微变化，检测出Deepfake，从而维护信息的真实性。随著生成式AI的快速进步，单纯的侦测已成为一场永无止境的竞赛。为此，微软等业界领导者已将策略从被动侦测，升级为主动建立信任的「来源证明」（Provenance）架构。他们共同发起「内容来源与真实性联盟」（C2PA），并推动「内容凭证」（Content Credentials）技术标准。这个标准如同數字内容的「营养标签」，可以在档案中嵌入其来源、作者及编辑历史，让使用者能轻松查验信息的真实性。今日大语言模型（LLM）的聊天应用贪婪地吞噬巨量的数据，在对话中找到最合理的答案，或是在科学问题中找到最有可能的解答。杭士基认为LLM「基本上是一种比较高科技的剽窃」和「逃避学习的方式」。人类的心智不像LLM，而是一个更惊人、有效率又优雅的系统，仅用有限的信息就能运作。它不会试图从数据中找出关联性，而是努力创造解释，分辨是非。要达到杭士基的理想，AI应该朝说真话和揭露谎言方面整合，赋予深远的社会意义。AI应增强知识份子有效履行职责的能力，确保准确信息在公共领域中传播。随著AI的不断进化，它在保持信息完整性方面的角色将变得日益重要。特别是在政治选举和公共卫生等关键领域，AI可以帮助确保信息的透明和准确，保护民主进程和公共利益。然而，使用AI寻求真相，开发人员必须确保AI系统的公正透明，避免传播虚假信息或不公正的结果。例如，AI算法在训练数据上的偏见可能导致不公平的结果，必须有严格的审查和调整。我们必须设置监管架构来监督AI在信息传播中的使用，平衡其潜在的好处与伦理考虑。社会必须对AI的潜在滥用保持警惕。技术人员、伦理学家和政策制定者之间必须持续的对话，负责任地使用AI，创造一个真理繁荣且虚假最小化的环境。因此，未来的发展需以品德教育为首，确保AI服务于真理和正义，达成杭士基对知识份子责任的愿景。

神仙家庭的AI启示

8年前，我在国立阳明交通大学设立一个智能房间，并在暑期国小营队中以「小仙女」的故事引导学童。我告诉孩子：「妳对著桌上的苹果轻吹一口仙气，奇妙的事就会发生。」当孩子们一吹气，窗户随即自动打开，她们惊喜得咯咯直笑。我们还设计鬼屋游戏，線上操控房内的物联网设备，例如「魔镜」，让孩子们在惊吓与好奇之间尽情探索。我以这智能房间发表了学术论文〈HouseTalk〉。但在学术语言里，不能写「小仙女吹气」，只能严谨地描述：「我们将二氧化碳傳感器置入3D打印的苹果中，当室内人员呼出过量二氧化碳时，窗户会自动开启，以促进空气流通并改善空气品质。」论文充满AI演算法与系统架构的细节，但我真正想表达的，其实是那份「小仙女吹气」的想像。灵感源于我童年时看过的影集《神仙家庭》（Bewitched），由Elizabeth Montgomery主演。剧中女主角莎曼珊只要轻晃鼻子，魔法便应声而起。我当年一再模仿，鼻子却文风不动，只能让耳朵晃动。《神仙家庭》的魔法，是物联网与AI创意应用的早期想像。莎曼珊的每个手势都能控制环境，她的魔法如同傳感器与语音指令的雏型。她晃鼻子便能重整空间、召唤物品，这些1960年代看似荒诞的情节，如今已透过AI与自动化技术逐步实现。剧中对「人神婚姻」的描绘，也预示AI时代人机关系。莎曼珊与凡人达伦的结合，象征魔法世界与人类世界的融合，如同现今AI与人类的共生。剧中女巫「伪装正常」的焦虑，正对应现代人面对AI时的矛盾：既依赖其便利，又害怕其不可测。我们是否也像达伦一样，既渴望魔法，又不安于它的力量？从文化角度看，《神仙家庭》教我们如何将技术融入日常生活。莎曼珊的魔法不是冰冷的功能展示，而是富含情感的生活智能：在派对前整理房间、为客人准备惊喜、解决邻里纷争。这种「情境化智能」正是现今AI产品最缺乏的特质。若臺湾科技产业能在研发中注入这种人文温度，将能创造出更具情感共鸣的智能产品。《神仙家庭》同时提醒我们技术伦理的重要。剧中反复思考「何时使用魔法」，对应当今AI时代的「何时启用自动化」。莎曼珊宁可用双手完成家务，只在必要时施展魔法的节制，正启示我们应如何避免过度依赖科技。AI发展正处于关键转折点，我们需要精密的演算法，更需要如《神仙家庭》般的想像力。臺湾作为科技岛，若能结合文化创意与人文视野，必能在AI时代开创出新的方向。我们需要能理解「小仙女吹气」诗意的工程师，也需要能将傳感器化为魔法苹果的设计师。在AI时代，我们不缺技术，而是缺乏想像。那份想像其实早已存在，一如《神仙家庭》中的魔法。

笛卡尔与人工智能

17世纪的法国思想家勒内·笛卡尔（René Descartes），不仅以「我思故我在」为现代哲学奠基，也以《几何学》（La Géométrie, 1637）开创解析几何，首次将几何图形与代数方程结合，发明今日熟知的笛卡尔座标系。此一突破不仅改變量学问题解法，更为微积分与现代人工智能（AI）提供核心基础。笛卡尔认为，平面上的每一点皆可用x与y座标表示，而曲线则可转化为變量方程序。这使得几何问题能用代数操作处理，例如圆的方程序 x2+y2=r2x^2 + y^2 = r^2x2+y2=r2。这种将抽象空间数学化的思维，与现今AI模型的建构如出一辙。在AI领域，所有输入的影像、语音、文字數據都需转为矢量座标表示。影像为像素的RGB值集合，语音转为频谱，文字则嵌入高维语意空间。这些数据处理方法，正延续解析几何「将现实投射于数学空间」的思维。神经網絡与支持矢量机等模型，会在多维空间中寻找最佳超平面来分类數據。深度学习训练仰赖梯度下降法，透过多维导数找出使误差函数最小化的方向，步步逼近最优解。此过程需用链式法则计算各层参数对结果的影响，亦即微积分中的复合函数求导。而这些演算法运作的数学场域，正建立于笛卡尔所创的座标系之上。进一步来说，像Word2Vec或BERT这类自然语言处理技术，将词汇转化为稠密矢量，使语意相近的字词在矢量空间中相互靠近，这种「语意即距离」的嵌入技术，也可视为解析几何的延伸。电脑视觉中的卷积神经網絡（CNN），透过多层特征提取，从像素空间转换到形状与语义空间，展现出「座标转换以理解现实」的深层结构。从AlphaGo到GPT-4，AI系统不断在函数空间中寻找最佳解。这些空间的数学结构源自笛卡尔当年奠定的几何与代数统一。笛卡尔的哲学关注「心灵」与「机器」的界线，他认为动物如机械般运作，而人有思考的灵魂。今日AI虽能模拟语言与视觉，但是否真正「理解」仍是哲学难题。从数学化思维到理性工具，笛卡尔提供一把通往AI时代的钥匙，却也提醒我们，智能不只是算法，更是对思维本质的深刻省思。

订阅椽经阁电子报

新文章上刊时发送，提供您DIGITIMES专家及顾问群的最新观点、见解。

热门报导

<<
1
2
3
4
5
>>