【AI嘉年華】心智的具現化:人工智慧於心理學領域的應用

分享至

講師|政治大學心理系副教授 楊立行
彙整撰文|葉珊瑀

●心理學——探究人類心智行為的科學

在認識人工智慧如何協助心理學知識之前,必須先了解心理學。心理學是一門探究人類心智行為的科學,心智的認知運作機制,如同手機的應用程式 APP 之於手機,無法抽離主體觀察,虛無飄渺難以掌握,卻存在於人類智能中。記憶、學習、知覺、策劃等抽象的概念無法像實體一樣拿來剖析,只能從外向內逼近。楊立行教授在此介紹了四種方式:行為實驗、眼動軌跡、事件相關電位、磁振照影。

以記憶為例,行為實驗會給予以長串刺激材料,請受試者背誦,之後請對方回憶,計算其回憶正確率,判斷人類的記憶廣度。人的記憶有限,但電腦的記憶在容量充分的情況下,近乎無限;眼動軌跡多用於判斷受試者的注意力,在實驗中,除了傳統的自我陳述,還可以觀察受試者的眼動,例如人在看文章時,若畫面一旁突然跳出警告,視線可能被吸引過去,這是因為大腦會更快注意對於人生有幫助的訊息;事件相關電位是在實驗中透過蒐集受試者腦波資料,來判斷各個情境下大腦的活化程度;磁振照影是在受試者進行作業時,以全腦掃描記錄大腦活動訊息,藉此作出推論,觀察心智活動。上述四種,皆可蒐集認知功能的基本資料。

●以數學模型探究人心

早在人工智慧興起以前,心理學界就會以數學模型來解析人類心智運作。以「遺忘曲線」為例,實驗是以無意義的刺激材料進行,每日測試記得多少。起初記得的內容尚可,而後會越來越少,但不會完全遺忘。然而對心理學家而言,僅止於描述是不夠的,除了觀察人類行為,科學家還希望了解「How」,知其運作模式。

●從腦神經到類神經網路

19 世紀末期,大腦神經網路有了更系統性的研究,網絡中的神經元,興奮時會以軸突傳送電訊號至另一神經元,兩神經元並無直接相連,中間存在著稱為突觸的空隙。抵達下個神經元的樹突後,該細胞的離子通道會打開,一連串的電位變化達到閾值,興奮過後將訊號傳至下個神經元⋯⋯

觀察到這些生理現象後,心理學家心想:可否從生理角度尋求模仿對象呢?

80 年代末期,開始有人以數學模型模仿這個生理機制,也就是「類神經網路」。網路中含有節點,模仿神經元,其中調整層次就如同突觸。神經元具有可塑性,可以透過學習改變,如同類神經網路,能夠在研究者的操弄下學習不同資訊,例如類別、相似性。訓練模型過後,新的刺激若和既往相似,興奮量會增強,學習種類的異同。當今以類神經網路區辨類別的技術遇到的挑戰之一,是自然類別,以鸚鵡為例,有嘴型、毛色、型態、腳爪⋯⋯等等,皆可以作為特徵,但這些五花八門的種類該如何取捨,這還是當今認知模型還不能處理的。

卷積類神經網路模型(Convolutional Neural Networks, CNN)可望突破類神經網路的困境,它是由多層類神經網路組成,以分類鸚鵡為例,鳥的圖片即像素組成的二維空間,也就是一群神經元節點,處理時,並非一個個處理,而是一整塊過濾,如同壓縮,不斷濃縮、提煉,某些步驟可略過不算。

使用深度學習的 Alpha GO,在建立模型的過程就使用了卷積類神經網絡。資料經過一層層處理,從 Convolution 到 Fully connected layer,最後產出 Output,這些下棋指令讓它不斷刷新戰績,打敗人類棋王。

過去有人以此進行礦物質相似性的辨別測試,以常人較陌生的礦物質作為刺激材料,可以屏除一些過往知識形成的誤差。受試者將不同礦物質倆倆比較以後,資料以統計軟體分類出四種特徵,而後以卷積學習人類判斷,結果在四種特徵上達到 98% 的相似度。學習以後,可以用此模型預測新刺激材料,不需要人類的報告作為參考。

●心智的具現化:未來研究方向

楊教授表示,對於 AI 的崛起他樂見其成。過往就以量化作為研究工具的楊教授認為,在大數據、人工智慧的協助之下,心理學若能借助其力,能夠在研究上更有突破。如果能尋出思考、意識、情感、創造力的運作歷程,對於整個學界,或是個人理解人類作為智識擁有者,都是一大幫助。

 

--
本文整理自:107/12/16由楊立行老師在臺大思亮館國際會議廳所主講之「心智的具現化:人工智慧於心理學領域的應用」演講內容。

 

加入好友

(Visited 47 times, 1 visits today)

分享至
views