取代動物實驗有望？以人工智慧預測化學毒性準確度更高 - 泛科學

人工智慧的浪潮來勢洶洶，以前可能從沒想過AI 可以減少動物實驗，如今正一步步邁向以電腦預測取代動物實驗之路。

不過話說回來，這到底是怎麼辦到的呢？目前最常見的替代 ... 000文字分享友善列印繁|简000科學傳播電腦資訊取代動物實驗有望？以人工智慧預測化學毒性準確度更高旻諭・2018/08/20・2568字・閱讀時間約5分鐘・SR值515・六年級＋追蹤相關標籤：AIread-across人工智慧動物實驗化學毒性實驗動物替代動物實驗讀取電腦預測預測毒性熱門標籤：大麻量子力學CT值女科學家後遺症快篩時間聽到動物實驗，在你腦中第一個浮現的畫面是甚麼？穿著白袍的科學家在實驗室裡對白老鼠打針？或是化妝品廠商把化學物質滴進兔子眼睛，來測試商品刺激性？實驗鼠對人類的貢獻絕對不只有這樣，繼續往下看！圖／tiburi＠pixabay動物實驗的管轄範圍可能不只你想像的這些！除了我們常聽到化妝品或人體清潔用品的安全測試，在生物醫學的研究場域中，實驗動物常應用在藥物與疫苗的安全測試，或觀察感染源與腫瘤的生長情形。

在生理心理學的研究領域，也經常以動物作為研究材料，透過研究動物行為，期待能將研究成果類比到人類的心智活動。

當然，也有很多單純研究動物本身形態、生活習性或行為特徵等等，也算是動物實驗的範疇。

國研院動物中心企劃推廣組組長秦咸靜提到，從1900至2016年為止，103位諾貝爾生醫獎得主中就有84位做的是動物實驗。

所以從歷史上來看實驗動物的醫療貢獻，如果沒有這些動物的犧牲，我們對於醫療健康的知識不會有這麼大的進展。

延伸閱讀：翻越生醫研究：你不知道的實驗動物——《2016泛知識節》由此可見動物實驗的範圍有多廣，還有實驗動物對於人類的貢獻有多深遠。

是說單純為了研究動物而實行的動物實驗可能沒什麼大問題，但如果是做化妝品、清潔用品測試，或研究人類疾病這種單純只「為人類服務」的動物實驗，一直以來都具有爭議。

不過好消息來臨！在上個月中，美國約翰霍普金斯大學團隊發表在《ToxicologicalSciences》期刊的研究成果，或許能夠大大的降低動物實驗的比率。

或許在未來使用實驗動物的數量可以大大減少。

圖／Rama,wikimediacommons電腦不只會揀土豆，還可以預測化學物質的毒性人工智慧的浪潮來勢洶洶，以前可能從沒想過AI可以減少動物實驗，如今正一步步邁向以電腦預測取代動物實驗之路。

不過話說回來，這到底是怎麼辦到的呢？目前最常見的替代動物實驗的方式叫做「讀取」（read-across），由於具有相同化學結構的物質，對人體健康的影響也十分相似，因此研究人員合成新的化學物質時，可以依據它的結構來推測毒性強弱。

研究團隊依循「讀取」的核心理念，花了兩年的時間，從80萬個動物實驗結果建立約一萬種化合物的毒性資料。

這些資料來自於歐盟自2007年開始的「Reach」法規（Registration,Evaluation,AuthorizationandRestrictionofChemicals）中，規範化學品公司皆需將化學物質之安全資訊登記於歐洲化學品主管機關（EuropeanChemicalsAgency）。

而截至2018五月總共登記兩萬筆以上的化學物質資料。

美國約翰霍普金斯大學研究團隊的通訓作者ThomasHartung表示：「從資料庫中可以發現同樣化學物質的動物實驗測試重複了幾十次，像是把化學物質滴在兔子眼睛測試刺激程度。

」從資料庫中可以發現同樣化學物質的動物實驗測試重複了幾十次，像是把化學物質滴在兔子眼睛測試刺激程度。

圖／usda,wikimediacommons那該如何避免這種情況發生？ThomasHartung的研究團隊再從PubChem的公開資料庫和美國NationalToxicologyProgram中取得資料，建置成含有一千萬種化學結構的超大資料庫，再把資料庫中的化學物質兩兩配對，比較它們的化學結構和毒理學特性，像是對眼睛、皮膚的刺激程度，或是DNA受損程度。

經過了50兆次的兩兩比較之後，團隊依照各化學物質的結構與對人類的健康影響，畫出「化學特性地圖」。

最後，為了要檢驗這花了好一番功夫畫出來的地圖預測力如何，團隊隨機選擇一個化學物質，根據地圖來預測這個化學物質的毒理學特性之後，再把預測的結果拿去跟動物實驗的結果比較。

一般來說，如果把先前做過動物實驗研究的化學物質，再拿去做一次一模一樣的動物實驗，所得到的研究結果有81%的機率會跟先前結果一樣。

而ThomasHartung團隊的研究結果顯示，「化學特性地圖」的預測結果與先前動物實驗結果平均有87%相符。

「這真是令人大開眼界！或許未來許多動物實驗能夠以電腦預測取代，且能夠取得更準確的研究成果！」ThomasHartung這麼說。

動物實驗真的可以完全消失嗎？這份「化學特性地圖」雖然能高度還原先前的動物實驗結果，並能良好預測化學物質是否引起發炎、疼痛等對人體較單純的影響，但如果要評估對人體更複雜的危害，像是是否導致癌症或影響生育能力時，目前仍需要倚靠動物實驗來證明。

也就是說，化學物質對人類健康的影響層面多元又複雜，光靠大數據的分析與預測就想要大小病通吃，可能還有一段很長的路要走。

即使在不遠的將來，這份化學特性地圖越趨完善，動物實驗就真的可以完全消失嗎？基礎科學的研究與藥物開發的臨床前試驗，動物實驗的地位可能還是屹立不搖。

圖／MaggieBartlett,wikimediacommons就像在文章前頭曾經提過，動物實驗的型態百百種，目前看起來化妝品、清潔用品等屬於毒理學領域的測試可能可以慢慢以電腦模型來取代，但是基礎科學的研究（包含觀察感染源與腫瘤的生長情形，及以動物行為來探討人類心智活動）與藥物開發的臨床前試驗，動物實驗的地位可能還是屹立不搖。

值得開心的是，有越來越多取代動物實驗的方法出爐，像是哈佛大學的韋斯研究所（WyssInstitute）研發出能夠模擬人類器官的USB大小晶片，以矽膠物質模擬人類器官細胞，細胞旁緊鄰空氣通道，研究人員把化學成分注入這些通道當中，就能夠模擬心、肺、腸道對藥物的反應。

我們無法否認動物實驗對於科學界的重要性與貢獻，但近年來科學家也竭盡所能研發出能夠取代動物實驗的研究方法，或許在人工智慧發展越趨成熟之際，這篇以大數據漸漸取代動物實驗的研究能有拋磚引玉的效果。

延伸閱讀：迎接人工智慧時代，你我都該上的30堂必修課參考資料：翻越生醫研究：你不知道的實驗動物——《2016泛知識節》USB大小的晶片，就能模擬你身上的器官—《知識大圖解》Luechtefeld,T.,Marsh,D.,Rowlands,C.,&Hartung,T.(2018).Machinelearningoftoxicologicalbigdataenablesread-acrossstructureactivityrelationships(RASAR)outperforminganimaltestreproducibility.ToxicologicalSciences.NewdigitalchemicalscreeningtoolcouldhelpeliminateanimaltestingScience,2018.07.11Softwarebeatsanimaltestsatpredictingtoxicityofchemicals Nature,2018.07.11發表意見文章難易度剛好太難所有討論 0登入與大家一起討論旻諭14篇文章・ 0位粉絲＋追蹤PanSci泛科學實習編輯，大學主修生科，喜歡認知神經科學。

研所跳槽科學教育，目前正努力想要聰明又科學的活著。

TRENDING熱門討論即時熱門高音唱不上去可以降KEY，高頻聽不清楚可以……？──談助聽器降頻技術110小時前【2018諾貝爾化學獎】化學的革命性進化：酵素定向演化111小時前在被澳洲喜鵲猛烈攻擊前，跪求交友！11天前阿茲海默風暴：通訊作者的辯駁與責任61天前阿茲海默風暴：通訊作者的辯駁與責任61天前你低頭看得到腳趾嗎？從腳趾頭看人類祖先的生存方式——《人從哪裡來：人類六百萬年的演化史》42022/07/24未知死，焉知生？從南美館《亞洲的地獄與幽魂》爭議看信仰的存在危機32022/07/17貓的痛，AI懂？——貓臉疼痛辨識技術32022/07/21RELATED相關文章人工智慧浪潮來襲怎麼辦？給社會新鮮人的三個職涯建議！──《LIFE3.0》躲在牆後還被爆頭？讓AI幫你揪出外掛狗！——《科技報導》AI是大藝術家？人工智慧演算出的作品可以被稱為藝術嗎？——《再．創世》專題讓人工智慧為VTuber團隊撐腰！——AI幫你一鍵生成虛擬音樂家！170文字分享友善列印170讓人工智慧為VTuber團隊撐腰！——AI幫你一鍵生成虛擬音樂家！研之有物│中央研究院・2021/11/03・5051字・閱讀時間約10分鐘＋追蹤相關標籤：AIVTuber人工智慧自動化虛擬音樂熱門標籤：大麻量子力學CT值女科學家後遺症快篩時間本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

採訪撰文│林承勳美術設計│林洵安自動化音樂展演的可能性人工智慧（簡稱AI）技術日新月異，不只打敗人類圍棋高手，現在更用在醫療、交通、金融、資安各領域，遍佈了你我的日常生活。

中央研究院資訊科學研究所副研究員蘇黎讓AI又多了一項新技能：自動化音樂展演。

「虛擬音樂家系統」創造出具有動畫形象的虛擬人物，配合真人一同演出，而且演奏動畫和音樂伴奏皆可自動產生。

未來，經營VTuber（虛擬YouTuber）背後可能不再需要龐大製作團隊，只要專注在企劃和劇本，其他讓AI幫你一鍵生成！蘇黎與研究團隊開發的虛擬音樂家系統。

圖／研之有物、Unsplash（資料來源：蘇黎）真實與虛擬合奏的貝多芬小提琴奏鳴曲虛擬音樂家系統，這是蘇黎與其團隊最近的研究成果，他將AI應用到音樂表演現場，並試圖推展到整個多媒體產業。

這套系統已實際在舞台演示，並與多個音樂展演團隊合作，包括：沛思文教基金會、清大AI樂團、長笛家林怡君、口口實驗室等。

以近年蘇黎舉辦的音樂會為例，主要可分為兩部分，一個是台上親手彈奏著貝多芬〈春〉第一樂章伴奏部分的真人鋼琴家；另一個，即為該場演奏的特別之處：正在螢幕裡演奏主旋律的虛擬小提琴音樂家。

這場表演是人類與「虛擬音樂家系統」的巧妙組合，真人鋼琴家彈奏的過程中，虛擬音樂家系統除了負責合奏，同時還要生成螢幕上虛擬演奏者的動畫身影。

蘇黎與研究團隊公開展示真人音樂家與虛擬音樂家的合奏。

圖／蘇黎（虛擬音樂家VirtualMusician）不放槍、不搶拍的自動伴奏系統虛擬音樂家系統的「自動伴奏」，不同於卡拉OK的機器伴奏，演奏者不需配合伴唱音樂，而是程式控制伴唱音樂以配合演奏者，讓演奏者自由詮釋樂曲。

但因為要配合真人演出的現場發揮與不確定性，自動伴奏的運算必須又快又準。

蘇黎指出，這也是研究中比較具有挑戰性的部分。

自動伴奏系統的音樂偵測器、音樂追蹤器與位置估算單元，讓虛擬音樂家精準掌握真人演奏實況。

舉例來說，想要跟人合奏，首先要確定能同步開始，這個重責大任就由自動伴奏系統中的「音樂偵測器」擔綱。

「音樂偵測器是偵測音樂什麼時候發出，但現場會有其他聲音，不可以讓機器聽到雜音就以為演奏開始了。

」蘇黎說，因此團隊會先將整個樂譜，輸入到虛擬音樂家的自動伴奏系統中，並在演奏會場早早就讓系統持續待命，只要音樂偵測器偵測到樂譜的第一個音，伴奏隨即啟動。

自動伴奏系統在確認演奏開始之後，馬上又有另一項任務：追蹤音樂進度。

因為每位音樂家會有自己的演奏風格，而且真人不管如何熟練，都還是有可能出現搶拍或延遲等變數。

追蹤音樂進度的這項任務，便由自動伴奏系統中的「音樂追蹤器」和「位置估算單元」來執行。

「音樂追蹤器採用多執行緒線上動態時間校正（onlinedynamictimewarping）演算法，每一個執行緒在最短時間內各自計算並取平均值，以找出最貼近該音樂家當下演奏速度的數值。

」蘇黎解釋，追蹤器抓到現場演奏速度後拿來跟參考音樂檔案比對，就能推測多久後會演奏下一個音。

至於位置估算單元，則是用來估計當下已演奏到整個樂譜的哪個位置。

虛擬音樂家系統藉由上述的自動伴奏技術，追蹤真人演奏進度，並自動觸發並演奏相應的聲部。

目前團隊已經將偵測到觸發伴奏的平均延遲控制在0.1秒左右，但蘇黎的目標是要降低到「0.01」秒內。

蘇黎表示，音樂心理學已證實，就算是沒有經過專業訓練的一般人，0.1秒的誤差聽起來仍非常明顯，「延遲0.01秒可以勉強不引起業餘人士的注意；但面對專業音樂家時，延遲可能要到0.001秒左右才能過關。

」自動伴奏系統可以即時追蹤音樂進度，判斷真人音樂家目前已經演奏到樂曲的哪個位置。

圖／蘇黎（虛擬音樂家VirtualMusician）訓練AI自動生成虛擬音樂家動畫形象現場音樂表演是影音的雙重享受，所以虛擬音樂家除了擁有自動伴奏的「聲音」，還需要擁有將表演動作形象化的動畫「影像」。

真人音樂家演奏時，不論是情感的表達、與其他合奏者及觀眾互動、還有操作樂器的動作等，都存在個人差異，沒有一套固定標準。

例如拉琴的手勢，10個音樂家可以有10種不同的習慣。

因此蘇黎與研究團隊採取的方法是：取得大量影音資料，讓AI學習如何製造虛擬音樂家的肢體動作。

首先，徵求多位專業小提琴演奏者，穿上有標記點的特殊衣服，站在有動態捕捉裝置的空間中，演奏不同風格曲目。

蘇黎使用的3D動作偵測技術，會偵測音樂家全身骨骼的關節點，作為虛擬音樂家動畫生成的訓練資料，並在訓練動畫生成模型的過程中，重點關注持弓的右手如何移動。

透過U型網路、自注意力機制等核心技術，來輸出虛擬音樂家動態肢體影像。

在訓練AI與生成動畫影像的過程中，需要卷積神經網路來協助完成工作。

蘇黎團隊採用的模型是U型網路（U-net），負責圖像之間的轉換，由編碼圖層傳到解碼圖層。

它的優點是速度快，而且輸入輸出格式相對容易設計，能一次輸出大量資料點。

「U-net可以一次輸出單一時間的所有肢體骨架點，而非一個一個骨架點逐步輸出。

」蘇黎說。

蘇黎與研究團隊採用U型網路模型訓練AI，自動生成虛擬音樂家動畫影像。

圖／蘇黎（Wu,Y.T.,Chen,B.,&Su,L.(2020)）除此之外，還有自注意力（self-attention）機制，讓AI學習判斷肢體動作與音樂的相關性。

因為肢體動作跟音樂都是序列形式，有時間上的關聯性，假設真人音樂家某個動作在大鼓響起時一直出現，就會判定兩者存在關聯。

之後自注意力機制在虛擬動作生成過程中，只要聽到該音樂的大鼓聲出現，就會發出明顯訊號，認為此時要搭配相應的肢體動作。

簡單來說，想要自動化生出虛擬小提琴家，不僅聲音要到位，動畫也要足夠精準。

音樂需要自動伴奏系統，即時追蹤真人演奏者的進度並觸發伴奏；而相應的肢體動作，則有賴透過U型網路與自注意力機制，讓AI在音樂現場了解此時要搭配何種動作。

虛擬音樂家動畫的比較，左邊採用之前的研究，動作較不精準；中間是蘇黎團隊研究成果，自動生成的動畫骨架已有較多變化，並且右手拉弓動作較為準確；最右邊是符合真人動作的演奏動畫，需人工製作。

圖／蘇黎（虛擬音樂家VirtualMusician）進階挑戰：由聽覺到視覺的跨感官轉換自動生成聲音和影像後，研究團隊還有一個更進階的目標。

「我們想讓機器聽到某一首歌，就聯想到一幅畫。

但坦白講，這種音樂到視覺風格轉換（music-to-visualstyletransfer）非常困難。

」蘇黎說。

當初有學生向他提出這個構想，想要訓練AI將音樂與畫面連結。

只是這設定一開始就困難重重，因為最重要的訓練資料幾乎是無法取得。

AI並非無中生有，機器學習有賴龐大、高品質的資料。

想要讓AI學習聽音樂聯想畫面，就必須要有真人示範，聆聽音樂並畫出心中所浮現的畫面來當作訓練資料。

找人聽音樂不難，但找來的人未必善於繪畫；即使花大錢請畫家參與實驗，人少沒有代表性，人多則風格又可能大相逕庭。

「演奏動作還有跡可循，但大家聽音樂腦補的畫面都不一樣，這樣是沒辦法當作訓練素材的。

」蘇黎點出其中關鍵。

研究團隊決定退而求其次，改成在一組音樂跟一組影像資料庫，透過兩者之間共享的語義標註（labels），試圖建立起對應關係。

就像是電腦在連連看，如果配對起來共通點還算合理就成功。

此時問題又來了，所謂「合理」實在難以界定，於是執行標準只好再一次降低，音樂與畫面的共同標註越簡單越好。

「雖然這跟當初想像中的差距非常大，但目前我們也只能用創作年代來當標註。

」蘇黎說，經由創作年代這個共同標註，電腦聽到1800年的樂曲就會連到同樣年代的圖畫。

即使不符原本理想，模型建立起來後，在虛擬音樂家系統裡還是可以發揮一些功能，像是為演奏會搭配符合音樂年代的背景畫面，或色彩效果。

蘇黎團隊風格轉換的案例，透過共享語義標註，在電腦聽到印象樂派作曲家德布西的音樂（SarabandeinPourlepiano,L.95（1901））之後，原本為巴比松畫派的圖像（TheLakeHerLoneBosomExpandstotheSky（1850）），會轉換成印象畫派風格。

圖／蘇黎（CrossingYouinStyle）如何成為音樂資訊研究者？在虛擬音樂家系統之前，蘇黎與實驗室團隊（音樂與文化科技實驗室）在自動音樂採譜方面的研究已經有豐厚成果，他們研發出開源工具《Omnizart》。

《Omnizart》是音樂與文化科技實驗室研究成果集大成的實用開源工具。

它具備當前全世界最多樣樂器組合的分析功能，只要輸入一段音樂，不管是鋼琴獨奏、多重樂器、打擊樂，還是和弦辨識、節拍偵測，甚至是困難的人聲處理，都會幫你分析。

「像鋼琴這類樂器的話，是音樂進去《Omnizart》，生出MIDI；而人聲進去會輸出成供電腦判讀的數位資料。

」蘇黎解釋，透過這些數字化的音訊數據能了解每一瞬間的音高變化，或是泛音、抖音等手法。

研究自動採譜AI是因為，蘇黎想探究如蕭邦的夜曲等，這些百年來不斷被重複演奏超過千百次的古典樂，在不同時代、風格迥異的音樂家手中究竟是如何被詮釋。

而這次蘇黎用AI創造虛擬音樂家系統，同樣也是源於本身對音樂的喜愛與好奇。

不是科班出身的他能彈奏鋼琴、吉他，會吹小號，喜歡聽經典的古典樂。

對蘇黎來說，興趣是驅使研究向前的一大動力，他認為身為研究者必須要時常探索新的領域，因此常會要求自己不斷接觸世界各國的在地歌謠。

蘇黎的下一步，是以現有虛擬音樂家系統為基礎，加入更多細膩動作（例如臉部表情）的虛擬多人樂團。

他也坦言目前自動伴奏系統、肢體生成還有風格轉換這三項技術，都還有很大的進步空間。

想訓練電腦產生出更貼近真人演奏者動作的虛擬音樂家，必須花大量人力取得更多影片資料。

「民眾常以為不用多做什麼AI就會自己學習，但真相是沒有夠好的資料什麼都不用談。

」蘇黎解釋，AI研究者的時間幾乎都耗在蒐集資料上。

同時，研究室也在規劃下一場發表。

蘇黎認為，實體演奏會是考驗研究品質最好的方式。

除了訓練好模型，現場還有很多要克服的變數，像是很多音樂廳沒有網路，團隊必須將整場演奏會所需的模型，事先設計成用一台筆電就能執行。

「總不可能演奏到一半，資料量太大電腦跑不動，然後要跑出去連網路吧。

」蘇黎笑著說，音樂會現場要面對很多做研究時不曾碰到的狀況，是很刺激、有挑戰性的任務。

AI將是未來主流，是好、是壞終究取決於人心。

AI出現之後，自然也面臨許多批判，例如工作是否會被AI取代，甚至以AI操控虛假言論或用在軍事用途，但蘇黎覺得，主導權終究還是躲在背後操作的「人」。

同樣，隨著虛擬音樂家系統日漸完善，真人音樂家是否擔心未來飯碗被搶走？令人意外的是，蘇黎說身邊最期待這個系統的反而就是與他合作的藝術家，「別小看他們，藝術家可是一群勇敢、期待新事物、信仰未來的人。

」蘇黎未來研究方向是以現有虛擬音樂家系統為基礎，再加入更多細膩動作的虛擬多人樂團。

他坦言目前自動伴奏系統、肢體生成還有風格轉換這三項技術，都還有很大的進步空間。

圖／研之有物延伸閱讀：蘇黎（2021）。

〈我們與機器的距離：與人類互動的虛擬音樂家系統〉，《中研院訊》。

張凱鈞（2017）。

〈天才莫札特的傳說很狂？現在只要一鍵就做得到！〉，《研之有物》。

音樂與文化科技實驗室，《Omnizart:MusicTranscriptionMadeEasy》。

Wu,Y.T.,Chen,B.,&Su,L.(2020). Multi-InstrumentAutomaticMusicTranscriptionWithSelf-Attention-BasedInstanceSegmentation.IEEE/ACMTransactionsonAudio,Speech,andLanguageProcessing, 28,2796–2809.發表意見文章難易度剛好太難所有討論 1登入與大家一起討論#1hbzgwhzcvmqp2021/11/18回覆在臉書上發文吐槽過了簡單解釋一下以內文來看這種應用應該歸類成VOCALOID的升級版也就是初音未來這類初音只有單純的形象及聲音沒有個性及人設所以音樂創作者可以不用考慮形象及相關問題概念上就是把自己的作品請初音來唱而已然而vtuber是虛擬實況主撇開實況主不見得會音樂和主打音樂這點vtuber是牽涉到人設的而且vtuber是以虛擬外皮進行活動的以文中情況請問現在這名實況主應該是作曲者呢?還是這個ai生成只有外皮跟動作的空殼呢?不管回答是哪種皆不符合vtuber的概念這是個單純有在看v的人都能分辨出的基本錯誤甚至內文提到自動生成動作這點都不是v需要的因為這些動作細節都屬於v自己表演甚至是詮釋v人設的一環所以這個替v團隊撐腰的標題簡直是…鬼扯我也不是什麼內行人就我所知道v所需要的成本基本上是硬體設備動態捕捉以及模組問題本來看標題以為是我不知道什麼但進來後很失望我不清楚這序言是中央研究院寫的還是貴團隊但從貴團隊創立至今極少犯這種連基本查詢都沒有的超低級錯誤希望能看到有所說明或更改研之有物│中央研究院240篇文章・ 1900位粉絲＋追蹤研之有物，取諧音自「言之有物」，出處為《周易·家人》：「君子以言有物而行有恆」。

探索具體研究案例、直擊研究員生活，成為串聯您與中研院的橋梁，通往博大精深的知識世界。

網頁：研之有物臉書：研之有物@FacebookTRENDING熱門討論即時熱門高音唱不上去可以降KEY，高頻聽不清楚可以……？──談助聽器降頻技術110小時前【2018諾貝爾化學獎】化學的革命性進化：酵素定向演化111小時前在被澳洲喜鵲猛烈攻擊前，跪求交友！11天前阿茲海默風暴：通訊作者的辯駁與責任61天前阿茲海默風暴：通訊作者的辯駁與責任61天前你低頭看得到腳趾嗎？從腳趾頭看人類祖先的生存方式——《人從哪裡來：人類六百萬年的演化史》42022/07/24未知死，焉知生？從南美館《亞洲的地獄與幽魂》爭議看信仰的存在危機32022/07/17貓的痛，AI懂？——貓臉疼痛辨識技術32022/07/21RELATED相關文章AI是大藝術家？人工智慧演算出的作品可以被稱為藝術嗎？——《再．創世》專題人工智慧能力步步進逼人類？談「人工智慧」與「人類智慧」──《LIFE3.0》人工智慧浪潮來襲怎麼辦？給社會新鮮人的三個職涯建議！──《LIFE3.0》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⋯⋯？1111文字分享友善列印1111躲在牆後還被爆頭？讓AI幫你揪出外掛狗！——《科技報導》科學月刊・2021/01/15・1125字・閱讀時間約2分鐘・SR值489・五年級＋追蹤相關標籤：AI人工智慧外掛多人線上遊戲熱門標籤：大麻量子力學CT值女科學家後遺症快篩時間作者／《科技報導》編輯部本文選自《科學月刊》姊妹刊物——《科技報導》468期隨著網路發展，多人線上（multiplayeronline,MMO）遊戲早已成為許多人每日必備的休閒娛樂，然而，有心人士仍可透過設備的漏洞強行開掛，在遊戲裡佔盡優勢，最終剝奪玩家的遊戲體驗。

因此，若遊戲公司再不處理這個問題，就可能流失大量玩家，更可能影響到整個電競產業。

多人線上遊戲是許多人每日的休閒娛樂。

圖／pixabay德州大學達拉斯分校（UniversityofTexasatDallas,UTDallas）計算科學學系研究團隊，日前利用人工智慧（artificialintelligence,AI）開發一款偵測遊戲作弊的工具，能快速識別作弊玩家在遊戲流量（traffic）傳送過程中的特徵，進而對該玩家發出警告。

研究發表於《IEEE可靠和安全計算交易》（IEEETransactionsonDependableandSecureComputing）期刊。

此次研究以《絕對武力Online》（CounterStrikeOnline,CSO）這款射擊遊戲進行實驗，過程中，玩家需與他人合作，透過其所賺取的遊戲幣購買武器，藉以消滅恐怖份子並救出人質。

首先，團隊建立研究專用的伺服器，並召募20名學生玩家以作弊軟體參與遊戲，這些軟體包括可自動瞄準敵人的Aimbot、提升移動速度的SpeedHack，以及能透視戰場環境的Wallhack。

當玩家進行遊戲時，往返伺服器的數據與流量根據內容而有所不同，因此，研究人員便可從數據的大小、數量、傳輸時間、方向以及其他突發狀況，分析出可辨識的作弊特徵。

得到可供參考的特徵後，研究人員調整統計模型以對更大的群體進行測試，並用這些資料訓練機器學習模型，進而標記出遊戲過程中的異常流量。

此外，研究團隊以圖形處理器（GPU）為基礎開發新的學習方法，以減少中央處理器（CPU）的負荷並克服標記數據的限制，加快分析的速度。

在過去的研究裡，遊戲作弊的偵測並不容易，因為那些從玩家電腦傳到伺服器的流量，無論異常與否，都會經過加密（encrypt）；換句話說，以前若要分析這些數據，就必須對遊戲記錄檔（gamelogs）進行解密。

如今，透過這個新工具，遊戲公司便可實時分析往返伺服器的加密數據，並及時對作弊玩家發出警告。

從玩家電腦傳到伺服器的流量都會經過加密，使得遊戲作弊的偵測工作變得困難重重。

圖／pixabay除此之外，UTDallas的計算科學教授翰恩（LatifurKhan）也在該大學的報導中表示，未來將建立一個不需往返客戶端與伺服器的偵測方法，讓這個工具的機制可以更安全。

參考資料KimHorner,ComputerScientistsLaunchCounteroffensiveAgainstVideoGameCheaters,UniversityofTexasatDallas,2020.MdShihabulIslametal.,GCI:AGPUBasedTransferLearningApproachforDetectingCheatsofComputerGame,IEEETransactionsonDependableandSecureComputing,2020.發表意見文章難易度剛好太難所有討論 1登入與大家一起討論#1shrpengchuang2021/01/17回覆原來作弊程式會回傳阿一直以為是在本機做計算所以才會抓不到跟遊戲方多安裝收集資料的程序科學月刊227篇文章・ 1971位粉絲＋追蹤非營利性質的《科學月刊》創刊於1970年，自創刊以來始終致力於科學普及工作；我們相信，提供一份正確而完整的科學知識，就是回饋給讀者最好的品質保證。

TRENDING熱門討論即時熱門高音唱不上去可以降KEY，高頻聽不清楚可以……？──談助聽器降頻技術110小時前【2018諾貝爾化學獎】化學的革命性進化：酵素定向演化111小時前在被澳洲喜鵲猛烈攻擊前，跪求交友！11天前阿茲海默風暴：通訊作者的辯駁與責任61天前阿茲海默風暴：通訊作者的辯駁與責任61天前你低頭看得到腳趾嗎？從腳趾頭看人類祖先的生存方式——《人從哪裡來：人類六百萬年的演化史》42022/07/24未知死，焉知生？從南美館《亞洲的地獄與幽魂》爭議看信仰的存在危機32022/07/17貓的痛，AI懂？——貓臉疼痛辨識技術32022/07/21RELATED相關文章人工智慧浪潮來襲怎麼辦？給社會新鮮人的三個職涯建議！──《LIFE3.0》取代動物實驗有望？以人工智慧預測化學毒性準確度更高AI是大藝術家？人工智慧演算出的作品可以被稱為藝術嗎？——《再．創世》專題讓人工智慧為VTuber團隊撐腰！——AI幫你一鍵生成虛擬音樂家！000文字分享友善列印000人工智慧能力步步進逼人類？談「人工智慧」與「人類智慧」──《LIFE3.0》天下文化・2018/07/31・3480字・閱讀時間約7分鐘・SR值511・六年級＋追蹤相關標籤：AIAI人工智慧人工智慧工人智慧廣泛智慧智慧有限智慧科技通用人工智慧電腦熱門標籤：大麻量子力學CT值女科學家後遺症快篩時間《科學生》科普素養閱讀一篇不到3元!!年訂輸入summer1000，現折1000元在人工智慧崛起的現在，你希望看見甚麼樣的未來？當人工智慧超越人類時，人類該何去何從？人工智慧對犯罪、戰爭、司法、工作、社會將造成甚麼影響？又會帶給生而為人的我們甚麼感受？《LIFE3.0》將毫不隱諱呈現這個最具爭議性話題的全方位觀點，舉凡超人工智慧所代表的意義，意識究竟是怎麼一回事，甚至是宇宙生命發展最終的物理法則定律極限，包羅萬象的豐富內容，盡皆收錄在《LIFE3.0》中。

迎接人工智慧時代，你我都該上的30堂必修課什麼是「智慧」？「智慧」是「達成複雜目標的能力」我太太和我前不久有幸出席一場關於人工智慧的研討會，其中一場專題演講中，頂尖的人工智慧專家被問到要怎樣定義智慧時，花了很長的時間交換意見，結果沒有取得共識。

這讓我們倆覺得滿有趣的：就連研究智慧的聰明專家也都沒辦法定義什麼叫做智慧！這就表示智慧的定義並沒有「標準答案」，而是有各種不同的說法，其中包括邏輯的強度、理解能力、規劃能力、情緒控管、自我意識、創造力、解決問題的能力、學習力等等，不一而足。

就連研究智慧的聰明專家也都沒辦法定義什麼叫做智慧，這就表示智慧的定義並沒有「標準答案」！圖／DariuszSankowski@pixabay在進入探討智慧之前，我希望先提出一個最廣義、最籠統的定義，而且不要被現有的智慧形式定型了。

智慧＝達成複雜目標的能力這樣就可以滿足種種不同的定義，因為不論是理解能力、自我意識、解決問題的能力和學習力，都可以算是複雜目標。

這個定義也與《牛津字典》的講法：取得與運用知識和技能的能力，並行不悖，只要把運用知識和技能設定成複雜的目標就行了。

由於複雜目標多到族繁不及備載，所以就會有各種可能的智慧。

依照我們的定義，用智商這樣單一的數字量化人類、動物或是機器的智慧高低，就會變成沒有意義。

只會下西洋棋的電腦跟只會下圍棋的電腦，哪一台比較聰明？這個問題的答案不會有意義，因為這兩者擅長的項目不同，無法直接比較，不過如果有第三台電腦，能以同樣的水準達成所有目標，而且會有一項表現得比其中一部電腦更好（像是能下贏西洋棋），那麼說第三台電腦比較聰明，就沒有多大爭議了。

Alphago是只會下圍棋的電腦，跟IBM只會下西洋棋的深藍相比，哪一台比較聰明？這個問題的答案不會有意義，因為這兩者擅長的項目不同，無法直接比較。

圖／BusterBenson@flickr電腦特定能力超專精vs人類的廣泛智慧──邁向「通用人工智慧」IBM深藍電腦專門用來下西洋棋，在1997年還擊敗過世界棋王卡斯帕洛夫（GarryKasparov），不過它只能達成下西洋棋這麼有限的目標——別看深藍電腦的軟硬體設施有多麼厲害，事實上它就連跟四歲的小朋友玩井字棋都會輸。

人類的智慧與之相比就廣泛得太多了，熟練幾十種令人嘆為觀止的技巧都不是問題。

只要給頭好壯壯的小孩子夠多的訓練，別說任何遊戲都能來上一手，還有能力開口說任何語言、從事任何運動跟職業。

以現階段人類和機器的智慧相互比較，如下圖所示：圖中每個箭頭分別表示，現階段最優秀的人工智慧系統可以達成的目標，也呈現出現階段人工智慧有限的屬性：每個系統都只能達成非常特定的目標。

相較之下，人類的智慧可就廣泛許多：一個頭好壯壯的小孩子透過學習，就幾乎可以在每一個目標中，表現得更好。

我們輕而易舉就能大獲全勝，機器只能在少數有限的範圍內贏過人類，只是項目正持續增加。

研究人工智慧的終極目標是打造「通用人工智慧」，盡可能擴大廣泛的範圍：幾乎可以達成任何目標的能力，包括學習在內。

假定你將來擁有做為個人助理的全新機器人，這個機器人沒有自己的目標，完全依照你的吩咐行事，而你要求它準備一頓豐富的義大利佳餚。

收到指令的機器人開始上網搜尋義大利食譜、找出最近的超市去採買、學習怎樣做義大利麵，如此這般。

最後它順利買回食材弄出大餐，酒足飯飽的你想必會認為它聰明得可以。

收到指令的機器人開始上網搜尋義大利食譜、找出最近的超市去採買、學習怎樣做義大利麵，最後順利買回食材弄出大餐。

其實機器人只是井然有序替自己設定了好幾個子目標，再一一完成。

圖／Pexels＠pixabay實際上，這頓飯原本就是你設定的目標，機器人則是在你提出要求後，接收了你的目標，然後井然有序替自己設定了好幾個子目標，包括超市結帳和磨碎帕馬森起司都算在內。

在這個案例中，能否使命必達是判定智慧行為與否的必要條件。

對我們人類而言，工作的困難度理所當然會跟我們要付出多大代價去完成有關。

但是將這種標準套用到電腦上就不適當了。

要我們算出314,159乘以271,828可比認出照片中的朋友難多了，但是電腦早在我出生以前，就展現出遠遠超出人類的算術能力，但直到最近才開始有辦法像人類一樣辨識圖像。

莫拉維克悖論（Moravecparadox）指的就是這種看似簡單的感受能力，背後其實卻需要耗費龐大運算資源的現象，也說明了為什麼人類的大腦能輕鬆完成辨識工作，因為我們投注了龐大的客製化硬體設施在這個領域—確切的規模超過我們腦容量的四分之一。

莫拉維克的「人類能力地貌圖」，電腦潛力已抵達山腳莫拉維克「人類能力地貌圖」的概念呈現。

海拔高度象徵電腦從事該領域的難度，海平面淹沒的部分則是電腦現在可以完成的任務。

電腦是萬用的機器，擁有完成任一種工作項目的潛力，人類的潛力相較之下，會在需要長期維持重要性的領域表現得比較強，小事當然沒打算放在心上。

想像一張「人類能力地貌圖」，我們可以在低窪地區標上「算術」和「死記硬背」，在山腳處標上「定理證明」和「西洋棋」，在高山頂標上「劇烈運動」、「手眼協調」和「社交互動」，那麼電腦的進展就會像是慢慢淹過地表的洪水。

自從他留下這段文字後不過幾十年，如他所預期，海平面加速上升，彷彿遇到強力的全球暖化，當年他筆下的山腳處，有些（好比說是西洋棋）早就已沉到海水裡一段時間了。

隨著海平面持續上升，或許有一天會淹過某個引爆點，引發翻天覆地的變化。

對機器而言，這個關鍵海平面，就是學會自行設計人工智慧之時。

在海水漫過這個標高位置之前，海平面的上升都是人類改善機器的緣故，超過這個高度以後，海平面的上升就會是機器改善機器的結果，而且極有可能以破紀錄的方式，超越過去人類改善機器的速度，在短時間內吞沒所有地表。

這個神奇又眾說紛紜的概念叫做「人工智慧爆炸奇點」。

隨著海平面持續上升，或許有一天會淹過某個引爆點，這個關鍵海平面就是機器學會自行設計人工智慧之時，也就是「人工智慧爆炸奇點」。

圖／geralt＠pixabay半世紀以前，電腦從低窪處開始，淹過了徒手計算和記帳的工作，不過那時我們大多數人都還是站在陸地上，現在洪水已經抵達山腳，我們得認真看待此地失守的問題。

站在山頂上看似安全，不過，如果洪水氾濫的速度維持不變，這些陣地大概再過半世紀以後，也會無一例外的淪陷。

我想，在那天到來之前，我們要先準備好諾亞方舟，早點習慣在海上的生活才行！  本文摘自《LIFE3.0：人工智慧時代，人類的蛻變與重生》，天下文化出版。

延伸閱讀：迎接人工智慧時代，你我都該上的30堂必修課AI能做什麼事？從工人智慧到人工智慧，如何期待又不怕受傷害？——機器學習月/人工智慧跨域領袖營大家都在說人工智慧，其實現在我們真正做的是智能增強AlphaGo成為「棋靈王」是有多厲害？人工智慧未來又要怎麼走？ 發表意見文章難易度剛好太難所有討論 0登入與大家一起討論天下文化98篇文章・ 583位粉絲＋追蹤天下文化成立於1982年。

一直堅持「傳播進步觀念，豐富閱讀世界」，已出版超過2,500種書籍，涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。

每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫，也持續引領台灣社會與國際重要管理潮流同步接軌。

TRENDING熱門討論即時熱門高音唱不上去可以降KEY，高頻聽不清楚可以……？──談助聽器降頻技術110小時前【2018諾貝爾化學獎】化學的革命性進化：酵素定向演化111小時前在被澳洲喜鵲猛烈攻擊前，跪求交友！11天前阿茲海默風暴：通訊作者的辯駁與責任61天前阿茲海默風暴：通訊作者的辯駁與責任61天前你低頭看得到腳趾嗎？從腳趾頭看人類祖先的生存方式——《人從哪裡來：人類六百萬年的演化史》42022/07/24未知死，焉知生？從南美館《亞洲的地獄與幽魂》爭議看信仰的存在危機32022/07/17貓的痛，AI懂？——貓臉疼痛辨識技術32022/07/21RELATED相關文章人工智慧浪潮來襲怎麼辦？給社會新鮮人的三個職涯建議！──《LIFE3.0》目前超夯的AI前瞻技術「深度學習」，用手機就可以跟數位替身對話——《AI大局》AI接手譜出的貝多芬遺作《第十號交響曲》，連專業音樂家也「難解難分」！讓人工智慧為VTuber團隊撐腰！——AI幫你一鍵生成虛擬音樂家！繁简