2018《十年後的世界與現在的我們》－寶博士．葛如鈞

2018

DE SIGN SOCI ETY FORUM

04

主 講 人

葛如鈞

首位進入最聰明大學 點 大 學 」台 灣 人

葛 如 鈞 ∣ 現 任 國立臺北科技大學互動設計系專任 助 理

( Mon )15:00-17:00

家 企 業 探 討 I CO、數位貨幣交 易所、區塊鏈 遊 戲、智能 合

04/23

實踐大學A棟301教室

教 授，亦 進 行 多 項 區 塊 鏈、智 能 合 約 開 發 計 畫，並 協 助 多 約 票 券 等 專案。

Ju-Chun KO

葛如鈞 －寶博士

葛如鈞 ∣ 現 任 國 立 臺 北 科 技 大 學 互 動 設 計 系 專 任助理

未 來，不 僅 是 個 抽 象 的 哲 學 概 念，不 只 存 在 於 科 幻 小 說 字

家企業 探 討 I CO、數 位 貨 幣 交 易 所、區 塊 鏈 遊 戲、智能合

創 新 商 業 者 間 最 熱 切 的 話 題，與 他 們 目 光 所 遠 望 的 焦 點。

教 授，亦 進 行 多 項 區 塊 鏈、智 能 合 約 開 發 計 畫，並 協 助 多 約票券 等 專 案。

2 0 1 2 年 取 得 臺 大 資 訊 工 程 學 博 士 學 位，2 0 1 4 年 獲 國 科

會 博 士 後 獎 助，赴 日 本 慶 応 大 學 媒 體 設 計 研 究 所（K M D） 任 博 士 後 研 究 員；後 成 為 首 位 獲 選 進 入 號 稱「全 球 最 聰 明 大學」的 美 國 奇 點 大 學（S i n g u l a r i t y

U n i ve rs i t y）就讀

的臺灣 人。2015 年 共 同 發 起 3 6 0 V R 相 機 LU N A 計畫， 於群眾 募 資 平 台 成 功 募 資 3 5 萬 美 金 並 獲 H TC 投資， 2017 獲 紅 點 設 計 獎（全 球 三 大 設 計 獎）其 後 開 始 積極投 入區塊 鏈 產 業 推 動 及 相 關 計 畫。

裡 行 間 的 情 節，而 是 圍 繞 在 當 今 頂 尖 科 學 家、專 家 學 者、 立基於未來學家 Ray Kurz we i l 的著作《奇點迫近》的理

念，指 出 本 世 紀 將 迎 來「 人 工 智 能 優 於 人 類 智 慧 」的 時 代，Goog le

（S i n g ulari ty

與美國太空總署N A S A 共同創辦奇點大學

Un i ve rs i ty） ，透過集結全球最 聰明的頭

腦，解 決 人 類 面 臨 的 重 大 難 題，如 能 源、環 境、醫 療 和 貧 困，從容應對科技的快速發展做好準備。

葛 如 鈞，擁 有 跨 藝 術、傳 播 與 資 訊 工 程 背 景 的 創 意 人，為 首位獲選進入奇點大學的台灣人，在這所 Goo gle 未來 學 院，他 看 見 的 未 來 是 甚 麼 樣 貌？我 們 又 如 何 依 據 現 有

的 前 提 預 見 未 來，乘 著 指 數 時 代 的 科 技 趨 勢，在 人 工 智 能 超 越 人 腦、區 塊 鏈 連 結 一 切 的 奇 點 來 臨 前，打 開 選 擇 的 大 門？

( 上圖) 指數成長解說

「人 類 的 社 會 結 構 已 經 到 了 重 要 轉 折 點，科 技 正 在 擊 垮 整 個 社 會 既 有 的 價 值，科 技 讓 一 切 變 得 更 多 元，更 多 可 能 性，但 我 們的 思 維 還 陷 在 過 去 的 線 性 思 維，我 們 必 須 早 點 學會指數型思維，才能提早為未來作準備。」葛如鈞說。

寶 博 士 提 到，人 類 從 過 去 的 十 五 萬 年 前 發 展 到 現 在，人 類 的 D N A 里 已 經 刻 印 了 一 個 東 西 叫 做：事 物 的 發 展 速 度 是 線 性 的

（1 2 3 4 5 6 7） ，但 這 個 世 界 的 發 展 速 度 已 經 是 指 速 級 了。從 線 性 思 維 一 下 跳 躍 到 指 數 型 思 維 並 不 是 件 簡 單 的 事，你 必 須 能 夠 在 心 中 時 時 抱 持 著 開 放 的 可 能 性，將 自 己 放 到 新 的 高 度 去 看 問 題，才 能 更 持 平 地 去 思 考 社 會 發 展 的 速 度，緊 緊 跟 上 時 代的 速 度 不 被 拋 下。

我們 已 經 在 頂 點 了 嗎？ 不，我 們 才 到 達 膝 蓋。

About AI

ＡＩ與運用 機器自 主 代 理 的 智 能 行 為 就 是 A I。 AI

這 個 詞 描 述 的 是 大 腦，而 不 是 身 體，所 以 今 天 許多的

機器已 經 是 A I 了（注 意 A I ≠ 機 器 人） 。今 天 的 A I 可以完

成 某 些 特 定 的 任 務（駕 駛 一 輛 車、預 訂 會 議、挑 選 你 的 下 一個 Net flix 影 集） 。人 工 智 能 研 究 正 在 導 向 更 先 進的 綜

合人工 智 能（art ifi ci a l ge n e ra l i n te l l i ge n ce , AGI） 。 綜合人工智能將可以用和人類一模一樣的方式學習與工 作，這 是 我 們 都 在 等 待 的。

‒

由神經元在大腦中工作的方式啟發的算法 ‒ 通過組合多 層 人 造 神 經 元 來 找 到 原 始 數 據 中 的 模 式。隨 著 層 數 的 增 加，神經網絡學習抽象的概念的能力也越來越大。

例 如，神 經 網 絡 可 以 學 習 如 何 識 別 人 臉。怎 麼 辦 到 的？第 一 層 神 經 元 從 範 例 圖 片 獲 取 像 素，下 一 層 學 習 像 素 如 何 邊 緣 的 知 識 以 學 習 臉 部 的 概 念。這 種 分 層 知 識 的 過 程 一

直 持 續 到 神 經 網 絡 可 以 識 別 特 定 的 特 徵，最 終 就 能 夠 判

1.機器學 習（Mach in e Lea r n i n g , M L）

M ach in e l earn in g = patte r n s re co g n i t i o n 模 式辨 認 ⸺AI成長動能

機器學 習 和 AI 是 不 一 樣 的。機 器 學 習 是 A I 交 響 樂中的

一個工 具 ‒ A I 的 一 個 組 成 部 分。那 麼 機 器 學 習（ML）究

竟 是 什 麼？它 是 一 種 從 先 前 的 數 據 學 習 進 行 運 算 以 預 測 行為的 能 力。 ML 是 教 機 器 在 他 們 從 未 見 過 的 情 況 下做

出決策。ML 最 主 流 的 方 法 是 向 算 法 顯 示 情 境 的 數 據 集， 並 且 透 過 訓 練 模 型 告 訴 它 什 麼 是 正 確 的 決 定。這 是 有 監

督 的 機 器 學 習。一 旦 模 型 已 經 被 訓 練，我 們 可 以 通 過 算 法 餵 給 機 器 新 的，更 多 的 外 部 數 據，並 且 希 望 機 器 能 夠 在 這

些 新 的 情 況 下 做 出 聰 明 的 決 定 。 這 張 圖 是 美 國 某 市 調 公 司 用 他 們 的資

料 庫 繪 製 出 來 的，其 中 每 一 個 點 都 是 某 一 種 類 型 的 商 品， 每 一 個 商 品 會 購 買 的 人 都 會 有 一 些 前 置 作 業，比 如 說 先

逛 這 些，先 逛 那 些，消 費 額 度 是 多 少，男 女 比 例 是 怎 麼 樣 怎 麼，他 會 在 這 個 坐 標 上 畫 出 這 些 圖，來 決 定 這 些 人 會 做 哪 一 些 事。沒 一 個 東 西 都 四 散 的 分 佈，但 是 A I 做 的 事 情 是， 把 過 去 的 資 料 輸 入 進 A I

深度學習是機器學習的一個分支，其中人工神經網絡

形 成 邊 緣 的 概 念，然 後 該 層 將 該 知 識 傳 遞 到 其 他 層，組 合

關於一 些ＡＩ的 關 鍵 字：

一個簡 單 的 例 子

2 .深度學習（D e e p Learn i n g , D L）

再給AI一筆新的資料

AI

be yo n d 統 計 學 用 類 神 經 網 絡 A I « 從 過 去 的 資 料 學習出 了某一 種 patter n 但他 也 不 會 告 訴 你 為 什 麼（黑 盒 子） ，

斷特定的面孔。

( 左圖) 講解ＡＩ運用

( 右圖) 寶博士實際操作

寶博 士 提 到，一 個 簡 單 的 例 子 這 張 圖 是 美 國 某 市調公司

每一個東西都四散的分佈，但是A I做的事情是，

類 型 的 商 品，每 一 個 商 品 會 購 買 的 人 都 會 有 一 些 前 置 作

學

用 他 們 的 資 料 庫 繪 製 出 來 的，其 中 每 一 個 點 都 是 某 一 種

業，比 如 說 先 逛 這 些，先 逛 那 些，消 費 額 度 是 多 少，男 女

比 例 是 怎 麼 樣 怎 麼，他 會 在 這 個 坐 標 上 畫 出 這 些 圖，來 決 定這 些 人 會 做 哪 一 些 事。 （黑 盒 子） ，

把過去

的資料輸入進A I 再給A I一筆新的資料 A I be yond統計 用類神經網絡

A I«從過去的資料學習出 了某一種

patte rn 但他也不會告訴你為什麼。

Crypto & Blockchain

區塊鏈與加密貨幣

區塊鏈 就 如 同 每 一 個 人 都 是「村 長」的 角 色， 分 散 式 帳本 ( D e ce n trali ze d Le dge r ) ， 「去中心化的分散式資料庫」 ，透過

集 體 維 護 讓 區 塊 鏈 裡 面 的 資 料 更 可 靠，或 是 可 以 把 它 理 解 成 是 一 個 全 民 皆 可 參 與 的 電 子 記 帳 本，一 筆 一 筆 的 交 易 資 料 都 可以被 記 錄。每 個 人 都 是 參 與 者，也 是 監 督 者。

虛 擬 貨 幣 本 身 須 通 過 挖 礦（m i n i n g）的 過 程 所 創 建，所 有 使 用 虛 擬 貨 幣 的 交 易 記 錄 都 會 被 記 在 共 享 的 數 位 帳 本，也 就 是

區 塊 鏈 上。而 以 泰 幣 就 是 一 種 加 密 數 字 貨 幣，就 像 比 特 幣 一 樣。每 隻 虛 擬 貓，其 實 在 以 太 坊 區 塊 鏈 平 台 上 都 是 一 條 代 碼。 每一條 代 碼 都 是 獨 特的，按 照 C r y pto K i tt i e s 的 開發算法，對應成每一隻貓獨特的外觀特徵和屬性。至於這些虛擬貓，可 以用以 太 坊 區 塊 鏈 的「法 定 貨 幣」以 太 幣 (Et h e r, E TH ) 來購買。

購 買 一 隻 貓 的 行 為，相 當 於 在 區 塊 鏈 上 宣 示 對 這 隻 貓 的 所 有 權。在 你 進 行 這 個 動 作 的 時 候，區 塊 鏈 對 你 的 動 作 進 行 公 開 的 記 錄，所 有 人 都 能 夠 看 到，並 且 自 動 認 可「這 隻 貓 歸 你 所 有」 。理 論 上 講，除 非 你 賣 掉 這 隻 貓，它 在 被 你 購 買 之 後 就 永 遠

屬於你 了。自 從 上 線以 來，C r y pto K i tt i e s 已 經 成 為了以太坊區塊鏈上最受歡迎的項目，一度佔據了整個以太坊 20 %的

流量。根 據 以 太 坊 的數 據，目 前 有 2 5 2 4 1 只 虛 擬 貓 咪完成交易，總交易次數超過了 3 萬， 買賣市場的交易額逼近 400 萬 美元，而 且 仍 在 快 速增 長 著 … …。

( 左圖 ) 去中心化介紹 ( 右 圖) 以太貓示範

ENGLISH TITLE

訪談問答

Ｑ Ａ

Ｑ Ａ

Ｑ Ａ

我 們 在 做 的 事 是 用 設 計 詮 釋 科 技 想 象，在 我 們 學 習 過 程 中 我 們 並 無 法 證 明 這 件 事 情，那 我 們 應 該 做 什 麼 樣 的 努 力？那 在 未 來 工 業 設 計 師 會 不會被取代？ 多 跨 領 域，多 合 作，多 交 朋 友。

只 要 A I 歷 史 學 家、A I 詩 人 … … 等 等 還 沒被開發出來。 另外設計師的品味能力還有同理心是難以被AI 所 取 代 的，因 為ＡＩ目 前 還 是 無 法 判 斷更精緻的使用者taste 所以不必擔心工業設計師的消失。

什 麼 是 bl o c k c h a i n？bl o c k c h a i n 核心是trust，bloc k c hai n 會碰觸生活裡的每一件事情，未來的 虛 擬 貨 幣 會 怎 樣？

每 一 個 人 都 是「村 長」的 角 色， 分 散 式 帳本 ( D e ce n trali ze d Le dge r ) ，所有的交易都會被記錄，并 無 法 被 破 壞，就 像 是 佛 地 魔 的 分 靈 體。

對 於 未 來 的 虛 擬 貨 幣 什 麼 是 d i g i ta l n ati on al ，那界限在哪裡 就是你的貨幣新任防衛在哪裡。

貨 幣 的 價 值 怎 麼 樣 確 立？ cu r ren c y 和 co i n 有 點 不 一 樣，但 b i tcoi n 更像是一個資產，數位版黃金。但是以太幣或者其他貨幣

有 的 會 被 期 待 可 以 交 易，但 目 前 還 沒 有 太 多 的 例 子，比 較 多 人 不 是 拿 來 在 真 實 世 界 利 用 的 貨 幣，比 較 像 是 約 定 好 的 代 幣，替 代 真 實 世 界 中 的 貨幣還沒有出現。

Ｑ Ａ

Ｑ Ａ

作 為 一 個 設 計 學 生，我 們 沒 有 s k i l l ，我們要怎麼參與？建議學生去做投資嗎？

你 可 以 上 課、做 一 個 小 實 驗 例 如 測 試市場或是服務方式例如c r ypto ki tty。 小 額 的 話 可 以，但 要 有 思 辨 的 精 神，獨立的思考。

請 問 一下 D e e p l ea r n i n g v s m a c h in e learn i n g 的差別在於？ AI 是 一個 統 稱 的 概 念，m a c h i n e l ea rn i n g 是一個方法和技術，de e p learn i n g 是一個工具或者演算

法，很 早 就 有 了，但 一 直 無 法 實 作，不 過 現 在 應 該 可 以 了。但 只 要 你 越 d e e p 就 會 越 來 越 明 白 到 底 發 生 什 麼 事，l i ke bl a c k box。

CREDIT

工作分配

日工三甲/工業設計系

邱亭瑜

拍攝紀錄

陳築萱

拍攝紀錄

駱可薇

海報視覺

根子堯

海報視覺

邱榮康

講座紀錄

鍾宛儒

專題報導編排

胡東凱

專題報導編排