當你讀到這篇文章，無論接下來的閱讀體驗如何，你都已經在運用你的意識了，對吧？
這個讓我體驗各種感受的意識，我出生前它在哪裡？死後又將去向何處？為何我的意識沒有出現在一個人生勝利組的富X代身上，讓我過個樸實無華且枯燥的生活？
更機車的是，在意識中出現的「我」，真的是真實的嗎？還是我們只是某個更高維度文明中某個肥宅玩電動遊戲時模擬出來的角色？你有沒有想過這些問題呢？老實說，我常常會這樣懷疑。
佛家認為一切事物，包括意識，都是無常的（अनित्य，Anitya），它們不斷地在變化，不存在任何永恆不變的實體。此外，佛家否認「我」的固有存在，這就是所謂的無我（अनात्मन्，Anātman）。這顯示意識不是一個獨立自主且恆常不變的實體，而是由許多因素和條件相互作用的結果。
在哲學上，關於意識的討論通常被稱為「意識難題」（Hard problem of consciousness），這主要是探討如何從物理的大腦中產生主觀的意識體驗。這個問題在哲學界有著悠久的歷史，可以追溯到法國哲學家笛卡兒（René Descartes，1596—1650）提出的心身二元論（mind-body dualism）。而神經科學家從20世紀八零年代和九零年代開始認真研究意識。
然而，英國神經科學家阿尼爾．塞斯 (Anil Seth)對傳統的意識難題持保留態度。在其著作《身為自己：人類意識的新科學》（Being You: A New Science of Consciousness）中，他探討了如何透過科學方法來處理長期被認為是哲學領域的意識問題。這本書不僅涵蓋了神經科學，還結合了哲學和心理學元素，深入探討了自我意識的本質、自我形成的過程，以及它如何影響我們的日常生活和社會互動。他還透過使用虛擬實境和迷幻藥物來探索意識的不同層面，指出這些經驗如何揭示意識在不同條件下的運作方式。
賽斯建議我們應將注意力從這個哲學上的困難問題轉移到更具體的問題上，即如何透過神經機制來解釋意識經驗的結構和變化。他提出，透過研究意識的多個方面──包括其現象學特性、生物機制和不同的表現形式──我們可以更全面地理解意識。
賽斯主張從物理的大腦活動中探尋主觀體驗的起源，並利用現代神經科學的進展來尋找實證的解答。這種方法強調將意識分解為更小、可測量的體驗單元，並尋找這些體驗的神經相關性和理論基礎，從而逐步揭開意識的神秘面紗。他認為，透過解釋這些結構和功能，我們可能對意識的難題有了新的認識。
塞斯在《身為自己》中提出一種解釋意識的方法，主張意識不僅僅是某些生物所具有的特質，更應從大腦如何形成意識現象進行探究。他特別著重於探討意識的各種現象學屬性──即意識體驗的結構和形式──如何與大腦的物理和生物屬性相關。
塞斯把意識的探討分解為幾個方面來分析：
賽斯試圖透過這些分類來解釋意識如何運作，並探討這些不同方面如何互相作用，形成我們的整體意識體驗。此外，他在《身為自己》還介紹了一些測量意識程度的新方法，如「腦電雙頻指數」（Bispectral Index，BSI）和「擾動複雜性指數」（Perturbational Complexity Index，PCI），以及在「整合資訊理論」（Integrated Information Theory，IIT）中使用的「Φ」（Phi）指數，這些方法都是科學界試圖從量化角度探索意識的嘗試。
老實說，當我在《身為自己》前幾章就一再看到這些PCI、IIT的縮寫，曾一度想要放棄閱讀這本書，要不是看在這本書榮登歐美好幾個主流媒體的年度好書榜上，我才懶得一再翻閱尋找解釋。其中，BSI是一種臨床工具，用於量化鎮靜和麻醉深度，主要透過分析大腦電活動來計算。PCI則是評估意識狀態的工具，特別是在麻醉或昏迷狀態下，它透過分析大腦對特定刺激的電生理反應來量化。
整合資訊理論（IIT）〔中文譯本把「資訊」誤譯成「訊息」（message）是個嚴重錯誤！〕是一種試圖從根本上解釋意識的科學理論，由美國神經學家托諾尼（Giulio Tononi）於2004年提出。IIT不僅試圖解釋人類的意識，還試圖解釋所有可能的意識形式，包括可能存在於非人類生物和人造系統中的意識。這些理論和測量方法共同構成了塞斯對於意識科學的全面探索，目的在從更具體的科學問題出發，逐步解開意識的謎團。
塞斯提出，我們所感知的世界實際上是大腦根據經驗創建的一種現實表象，這一表象常被我們誤認為是實際的物理世界。他把這種意識體驗稱為「受控的幻覺」（Controlled hallucinations），指出我們的感知雖然基於感官輸入，但實際上是大腦對這些輸入的處理和解釋結果。感知是一個由內而外的過程，大腦主動預測外部世界的資訊，而不僅僅是被動接收。
在這個模型中，大腦被視為一個基於貝氏統計的機器，不斷更新對世界的理解和預測。這一過程建立在機率推理之上，結合了大腦的先前信念（事前機率）和新的感官輸入（概度），以形成對當前環境狀況的更新估計（事後機率）。
根據貝氏推理，大腦持續生成對感官輸入的預測，並將這些預測與實際的感官輸入進行對比。任何不匹配（稱為「預測誤差」）都用於更新和改善未來的預測。這種過程稱為預測編碼，是大腦減少感知不確定性和增強效率的方式。
貝氏推理在解釋意識中的另一個應用是自由能原則。這一原則認為，大腦的主要目的是最小化自由能，也就是最小化預測和實際體驗之間的誤差。這顯示大腦致力於形成能夠準確預測感官輸入的內部模型，有效指導行為和感知。透過貝氏推理，我們可以理解意識的主觀性是如何形成的。大腦的預測不僅涵蓋了外部世界的預測，也包括了內部體驗如情緒和驅動力的預測。這種持續的內部模擬和預測過程可能是豐富主觀經驗和自我意識的來源。
「受控的幻覺」這也為理解意識和感知錯誤──如幻覺和錯覺──提供了新的方法。我們對外部世界的理解基於大腦的預測模型，這些模型會根據新的感官輸入不斷進行更新和修正。當這些預測與實際感官輸入不匹配時，就會產生認知的偏差或錯誤，通常稱之為「幻覺」。
塞斯的研究強調了大腦如何透過建立關於外部世界的預測模型來導航和解釋世界，這些模型基於過去的經驗和感官輸入。這種預測處理模式不僅幫助我們理解了如何處理感官資訊，還揭示了意識本質上如何與我們的生物生存機制相連。
賽斯進一步將情緒和自我概念視為由預測驅動的過程。他提倡，意識可以視為一種「野獸機器」，其主要功能是促進生物的生存。意識是一種高度發展的自我組織過程，目的在管理和調節生物體的內部生理狀態，以適應外部環境的變化。他認為，我們的意識經驗源於身體的內部狀態以及對這些狀態的調節需求，包括饑餓、疼痛和溫度感知等。這些內感受是大腦對身體需求的解讀。意識作為一個調節機制，幫助我們維持生理的平衡和整合。
塞斯認為意識的核心問題在於找到能夠解釋人類所有意識體驗的機制，從外在感覺如視覺、聽覺等，到內部感覺如疼痛、溫度感覺等，再到情緒體驗如快樂、悲傷等，甚至包括自我意識的反思如意識到自己正在進行某項活動。在他看來，我們的情緒和自我感知是對我們內在狀態的預測反應，這些反應調節我們的生理變數，如體溫和血糖濃度。這意味著我們的情緒和自我認識不只是反應外部事件，而是積極形成我們如何感知和回應這些事件的方式。
最後，塞斯探討了人工智慧（AI）發展意識的可能性，指出即使我們的意識與生物功能緊密相連，這並不排除機器或矽基生命形式發展出類似的意識結構。這種觀點挑戰了對意識的傳統理解，提出了意識可能不局限於有機生物體。
在《身為自己》一書中，塞斯挑戰了關於意識和現實的傳統觀點，開創了理解大腦如何創造我們所體驗世界的新方法。這本書是一次廣泛而深入的探索，可能會顛覆人們對自我、現實和意識的看法。他的見解不僅重新定義了我們對現實、意識和自我的理解，而且挑戰了多個科學和哲學的傳統範疇，提出了一種更加動態和主觀的方法來解釋人類的心理和認知過程。
本文原刊登於閱讀最前線【GENE思書軒】
2024年10月29日 星期二
身為自己的意識新科學
2024年10月7日 星期一
醫學的AI革命——讓自我診療近在眼前？
當我們感到身體不適時，經常會先上網查詢相關資訊吧？至少我自己是這麼做。只有當症狀嚴重，或有相互矛盾的病徵時，才會攜帶健保卡前往醫療院所掛號。
因此有了「谷歌醫生」（Dr. Google）這種說法，指的是人們透過Google搜尋健康資訊、疾病診斷及尋求醫療建議的行為。這種方法因便利而廣受歡迎，特別是遇到健康問題時，許多人傾向先求助Google以獲得迅速的解答。當然，這種行為也引起了醫療和公衛專家的關注與討論，因為從網路上獲得的健康資訊可能不準確、過時或不符合真正的病況。這可能會使人們錯誤看待自身病症，並採取不當的治療方式，甚至延誤尋求專業醫療協助的時間。因此醫師通常建議，雖然上網搜尋可做為獲取健康資訊的途徑，但應該謹慎評估資訊來源。
關於身體健康的問題和疑慮，直接諮詢專業的醫療人員當然是最佳選擇。然而，在面臨某些重大疾病時，由於有效的治療方法眾多，且醫師或醫療機構與病患之間存在明顯的資訊不對等，病患要自主做出對自身健康及經濟最有利的決策，無疑仍是一大難題。此外，在台灣由於健保體系過於便利，醫護人員分配給病患的時間有限。病患在接受治療前後，需要主動獲取許多資訊，以確保治療順利進行及早日康復。這是我在陪同家人進行重大疾病治療時的深刻感想。
因此，如果我們除了透過Google，還利用如ChatGPT這樣的大型語言模型來獲取重要的醫療資訊，我們可能會面臨哪些新的機遇與挑戰呢？醫療專業人士是否也能借助這類新技術，創建一個更高效的醫療環境？
診間裡知識淵博的全能助理
《AI醫療革命：GPT-4與未來》（The AI Revolution in Medicine: GPT-4 and Beyond）便深入地探討AI如何改變醫療保健領域：藉由GPT-4來展示AI在診斷、疾病預測、病患照護、醫學教育等方面的應用，並探討AI在個人化、遠程醫療和新藥開發方面的潛力。本書的三位作者分別是專注於AI在醫學應用上的微軟高階主管、一位資深醫學與科學新聞記者，以及美國哈佛醫學院生物資訊系的創系主任，他們從不同的角度，討論生成式AI和大型語言模型在醫學中的功能和應用，提出關於技術發展前景的豐富見解。
這三位作者因提前半年獲得了GPT-4的使用權限，得以在GPT-4推出時出版本書。他們詳細解釋GPT-4技術的運作機制及如何結合其他AI技術，以分析大量醫學文獻、臨床試驗資料和病患健康記錄，提供更快速、準確的診斷，並探討這在提升醫療服務品質、降低成本及增進全球健康平等方面的潛力。
書中提到，美國的醫療工作者常需要在「睡衣時間」（Pajama time）處理大量的文書工作，例如整理病歷或處理保險。如果能夠有效利用工具，不僅能節省寶貴的時間，還能為病患提供更全面的照護。此外，借助自然語言處理技術，GPT-4能理解醫師或護理師對於病情的描述，並把相關資訊自動填到相應的報告範本，大幅減少手動輸入的時間與出錯率。此外，GPT-4可依醫療專業人員的需求，提供特定的檔案範本，涵蓋常見的醫療報告類型，包括病例、診斷報告等，為填入資訊提供結構化的框架。
你的大型語言模型醫生已上線
GPT-4還能透過關鍵詞或以問題為導向的方式，從公開資料庫、期刊和會議記錄中檢索相關的醫學文獻和研究。憑著先進的自然語言處理能力，GPT-4能精準判別和篩選關鍵的文獻，大量減少無關文獻的人工閱讀和評估時間。尤其在比較不同治療方案的有效性和安全性，能對不同來源的資料和結果進行整理，提供綜觀視角。GPT-4可針對醫師或護理師具體的問給予題回答，例如針對特定病症的治療選項進行比較，或者藥物副作用或交互作用的資訊，這都能明顯提升醫療專業人士的工作效率，讓他們能做出精準的臨床決策。
此外，GPT-4能夠準確理解醫療記錄中的專業術語和複雜語句結構，包括診斷、治療計畫、藥物說明等，能識別醫療記錄中的關鍵資訊，例如症狀描述、診斷結果、建議的治療方案。根據病患的具體情況和需求，生成個人化的健康資訊說明，這些說明直接關聯到病患的診斷、治療計畫和預後等，並利用列表、標題和小節組織資訊，使病患更易於追蹤和理解關鍵的健康資訊。此外，病患可以透過提問來獲得更多關於自己健康狀況的具體資訊，從而提升對醫療記錄的理解。
GPT-4有助於全球無法獲得基本醫療照護的人民改善健康，且具有龐大的潛力和廣泛的應用前景。這項技術能跨越地理限制和社會障礙，以創新且高效益的方式改善人類健康程度，特別是生活在貧困國家或先進國家中難以迅速獲得醫療的人們。透過提供基於文本的健康諮詢和資訊服務，GPT-4幫助使用者理解他們的症狀，並提供初步關於健康的建言。儘管這不能替代專業醫療診斷，但對那些難以取得醫療服務的人們而言，這是一份珍貴的資源。除此之外，在某些身體保健教育內容，GPT-4還可以幫助人們學會如何管理慢性疾病、調整生活方式，並增加對常見健康議題的了解。
是華佗再世還是江湖郎中？
然而，《AI醫療革命》也提及，在醫療領域應用GPT-4等大型語言模型時，必須面對「幻覺」現象這項重大挑戰，即模型產生的資訊可能有不準確、誤導性或完全虛構（就是一本正經地胡說八道）的可能。這種失誤在醫療用途中尤為敏感，因為可能會對病患的安全與健康造成嚴重危害。此外，GPT-4等模型面臨的「遺忘」問題也不容忽視，由於設計和運作機制的限制，它們無法長期記憶或持久保存特定對話內容，因此提供醫療建議時，可能會缺乏必要的背景資訊。
GPT-4在歐美的研究所課程或入學考試的表現不僅及格，有時甚至比人類平均分數還高。做為GPT-4的用戶，我深感每月僅需支付大約20美元，便能獲得至少具有大學程度的優秀私人助理，無疑這種性價比是相當高。使用過程中，我們需記住GPT-4更像人而非機器。只要耐心溝通，它幾乎能完成所有大學畢業生能做的秘書工作，每個月省下聘請私人助理至少三萬多元新台幣的薪水支出。然而，面對需要碩士學位才能完成的工作，它可能就顯得有些力不從心；若期待它擁有如同博士程度的能力，則完全是天方夜譚。
面對AI在醫療領域的革命性發展，全社會應參與討論，共同建立人與AI的和諧共生關係。《AI醫療革命》以獨特的視角解析了AI如何塑造醫學未來，以及社會應如何準備迎接這項挑戰。作者群分享了自己使用GPT-4的實際案例，這本書不僅對醫療專業人士具有啟發，我們亦能從中看到這些案例在工作和生活中的廣泛應用。
【欲閱讀全文或更豐富內容，請參閱〈科學人知識庫〉2024年第267期5月號】
發表文章
