工具，還是對手？人工智慧與表演藝術的探索與角力

如果有隻鸚鵡能回答任何問題，我將毫不猶豫宣稱牠是智慧生物。

- 狄德羅（Denis Diderot）-

信不信由你，人工智慧（artificial intelligence，AI）與表演藝術的糾葛已超過百年——在捷克劇作家卡雷爾．恰佩克（Karel Čapek）1920年的作品《羅梭的全能機器人》（Rossum's Universal Robots）中，「機器人」（robot）一詞首度被用來描述這種外型似人，擁有與人類相同思考與行動能力的機械；而劇作中機器人原本設計來服務人類，卻「覺醒」而導致人類毀滅的設定，也成了後世科幻作品對人工智慧的經典想像：從《2001 太空漫遊》的HAL 9000到《魔鬼終結者》的天網，機器一旦開始思考，毀滅人類似乎總是它們的首要任務。

如果我們把人類到底多不該存在先放一邊，這類故事原型正好讓我們一窺大眾對AI的終極想像：它們能理解回應世界的變動並解決沒有標準答案的問題，最終甚至可能演化出自由意志而做出（就人類看來）叛逆的決定。這種能像人一般認知、思考、學習的AI，稱作通用人工智慧（artificial general intelligence，AGI）或強人工智慧（strong AI）。

黑盒子中的秘密：人工智慧是如何產生「智慧」？

AGI一直是AI研究領域的終極聖杯，現階段AGI離實現也還有段距離（註1）；目前日常生活可見的AI多是另一種思維的產物：機械無需「真的」有智慧，它們只要能執行所謂的「智慧型任務」就可以了；比如在停車場出入口辨識車牌、在海關驗證身分、自動或輔助汽車駕駛等等。這類AI被稱作應用人工智慧（applied AI）或弱人工智慧（weak AI），基本上只能在人類的明確命令下執行單一任務，於此範疇外，則通常一無所知。

儘管如此，弱人工智慧仍不時震驚世人，特別在弈棋這個常跟「智力」聯想在一起的領域——比如1997年深藍擊敗西洋棋王卡斯帕洛夫，或2016年AlphaGo擊敗圍棋九段李世乭。但不論AlphaGo圍棋下得再好，不經過重新訓練，它並無法直接與人對弈其他棋類，更別說執行下棋以外的任務。

2022年以前，強弱人工智慧的區別仍相當明顯，但隨著以ChatGPT為首的生成式AI（generative AI）（註2）進入大眾視野，兩者邊界似乎變得有些模糊——能有模有樣回答幾乎任何問題的聊天機器人，狄德羅會毫無疑義認為它們有智慧嗎？就算我們把「谷歌停職員工聲稱AI有靈魂」或「聊天機器人向紐時專欄作家瘋狂示愛」這類驚悚故事只看作花邊新聞，2023年5月一則貨真價實的研究報告指出：在一項超過150萬人參與的線上測試中，玩家能在兩分鐘聊天時間內，正確辨識機器人的準確度只有60%——只比二選一瞎猜的50%機率好上一些。（註3）

即使幾乎騙倒人類，許多主流AI研究者仍認為ChatGPT等一眾聊天機器人不過只是能唯妙唯肖模仿人類的「隨機鸚鵡」（stochastic parrots）——它們並不理解自己在說什麼，只是根據學習過的巨量文本照樣造句。然而也有另一派聲音主張，真正的「理解」並不存在，「我們都只是隨機鸚鵡」（註4），智慧是結果，不是源由——根本上，這就是自柏拉圖以來即一直莫衷一是的「二元論」爭辯的延續。

有趣的是，近年AI發展所仰賴的基礎模型，仿似針對這道經典哲學難題的模擬實驗：這種稱作類神經網路（artificial neural network）（註5）的演算模型，試圖在物理機制上模仿大腦的運作，它們由巨量的神經元與突觸構成複雜的多層網路結構，並藉由大量訓練素材，透過回饋機制增強或抑制突觸的強度，來進行「學習」（註6）。

2010年後隨著硬體運算能力的成長以及「深度學習」（deep learning）演算法的發明，類神經網路得以突破規模限制，達到接近人腦的複雜程度，從而展現出驚人的理解及回應能力——不過遺憾的是，這不表示數千年來的難題已然得解——就像解剖人腦沒法找出智慧的源頭，我們也無法透過分析類神經網路得知它們如何（或有沒有）產生智慧：神經網路「學會」的知識或思想，分布在數以百億計的神經元以及數以兆計的突觸組合裡，分析此等數量級的綜合行為，基本上是不可能的任務。

生成式AI創作，現正進行中

不管AI是否真有智慧，會不會有天（有意無意）毀滅人類，對一般大眾來說，這大抵還是件「交給大人去煩惱的事」，畢竟光是日常生活可見的衝擊，就已十足令人憂心——想想網紅的deepfake換臉事件，人類在道德灰色地帶學習新工具的速度，只怕AI看了也瞠目結舌。而生成式AI對創作本質的動搖，更引起許多創意工作者的憂懼。創作曾被認為是人類智慧最重要的堡壘（想想創作牽涉多少不同的心智活動，認知、共感、表達、判斷⋯⋯），現在卻受到前所未有的挑戰——從2022年遊戲設計師傑森．艾倫（Jason M. Allen）以Midjourney繪製的畫作《歌劇院空間》（Théâtre D’opéra Spatial）獲得比賽首獎，引爆「AI創作到底算不算藝術」的論戰；到2023年好萊塢大罷工，ChatGPT被認定是編劇工作權的重大威脅——這些爭議，尚且是在創作者普遍認為AI創作能力還遠不及人類的情況下發生的，而隨著AI的突飛猛進，創作者又將面對怎樣的未來？

另一方面來說，從古希臘的機器神到當代的VR藝術，新科技所帶來的新工具、新媒介、與新生活型態，往往激發更多創作的素材與創意的可能。利用AI來創作已是行之有年的嘗試：AI作曲軟體AIVA早在2016年便得到法國SACEM認證，成為世界上第一個被版權機構認證的虛擬作曲家；AI編舞的歷史更加悠久，1960年代便有第一套AI編舞工具出現，近年來則有匈牙利編舞家瓦倫西亞．詹姆斯（Valencia James）的AI_am計畫、英國編舞家韋恩・麥奎格（Wayne McGregor）跟Google合作的Living Archive計畫等等，從不同面向探索AI輔助編舞的可能；而2021年，AI也在捷克完成了第一個登台的編劇作品，《AI：當機器人寫了個劇本》（AI: When a Robot Writes a Play）（註7），作為佩恰克的機器人劇作誕生百年的慶祝活動，此劇以現場直播的方式，於疫情期間在線上首演。

美國劇場導演安妮．多森（Annie Dorsen）可能是最早利用AI作為媒材的創作者之一：多森從2010年開始與程式設計師合作，創作了一系列以AI為主角，稱作「演算法劇場」（algorithmic theater）的作品。系列首作《哈囉你好》（Hello Hi There）唯二的「演員」是兩台筆記型電腦，它們安坐在長滿青草的土堆上，每晚即興漫談著人性，內容場場不同。（註8）AI行為難以預測的特質，也成為許多後繼者利用的素材，從英國楊維克劇院（Young Vic Theatre）2021年推出的《AI》，到2023年在紐約外百老匯登場的音樂劇《毛皮與啟示錄》（Fur and Revelations），AI各自在現場扮演即興創作文本或音樂的角色；2022年在德國上演的歌劇《逐流人生》（Chasing Waterfalls）更是一口氣集上述大成——AI不僅共同撰寫文本、音樂，還在場上擔任演員╱歌者（註9）；全劇更包含4分多鐘的即興片段，完全由AI現場作曲、演奏、演唱完成。

藝術產製的未來會發生什麼事？

儘管身為AI創作的先行者，多森對AI入侵的前景卻十分悲觀。在2023年結合ChatGPT創作的最新講演（lecture performance）作品《盜火者普羅米修斯》（Prometheus Firebringer）演出後，多森甚至表示：「即使目的是為了批判它們，我對使用這些工具來創作依然感到矛盾，我懷疑我以後還會這麼做。」

2024年1月新出爐的研究則捎來更不祥的訊息：這項針對近2800位頂尖AI研究者的調查（註10）顯示，平均來說，研究者預測AI在2027年便能模仿特定作曲家寫出新曲，到2030年，AI便可能寫出登上《紐約時報》排行榜的暢銷小說。且莫驚慌（或欣喜）——暢銷小說未必等於深刻的藝術，就像好萊塢罷工現場的抗議標語所言：「ChatGPT沒有童年創傷」（註11），藝術家擔心的或許不是AI能創作出曠世巨作，而是AI依循娛樂化公式大量產出，沒有深刻意義與價值，甚至徒具某種模仿風格的作品，將會劣幣驅逐良幣；而由AI模仿的廉價「贗品」，甚至可能排擠正牌藝術家的生存空間。

或許AI創作的大舉入侵無可避免，但我們不妨換個角度想想（或至少安慰自己）——AI可能可以製造出唯妙唯肖，教宗穿羽絨服的照片，但它們會覺得這些照片有趣，乃至起心動念去「創作」它們嗎？這也許是AI天生的缺陷——對沒有肉體，生命近乎無窮與不朽的AI來說，真可能共情人類，對天地悠悠生老病死愴然涕下嗎？當然AI仍在飛速發展，一切言之尚早；但假設在創作動機與美學觀點上，AI終需人類的詠唱與召喚，那真正會天翻地覆的或許不是創作，而是創作的產程：隨著創作門檻降低，藝術創作將會更加去菁英化及普及化——許多傳統職位會消失，但大眾或許會迎接創意更加百花齊放，人人都能成為藝術家的未來。

註：

1.某些樂觀的預測認為2030年AGI有機會實現，而如何監管AGI不至於毀滅人類，當然也是學界當前如火如荼的研究課題。

2.生成式AI的訓練重點在於如何產生內容；相對來說，像前述的車牌辨識或棋類應用，則專注在訓練AI如何「做出正確決定」，後者通常被稱作判別式AI（discriminative AI）。

3.這項由以色列公司AI21 Labs進行的研究基本上實作了人工智慧領域最經典的思想實驗：「圖靈測試」（Turing test），在1950年由20世紀最重要的數學家及計算機科學家之一——艾倫・圖靈（Alan Turing）提出，原論文中稱之為「模仿遊戲」（那部以圖靈為主角的電影便是依此命名）；其假設是：「若一台機器能透過傳輸裝置與人類對話而不被辨識出身分，便可稱其具有智慧。」換言之，只要一具機器看起來有智慧，那麼它便是有智慧的。

4.OpenAI的執行長Sam Altman在ChatGPT推出5天後在推特上說：「我是一隻隨機鸚鵡，你也是。」

5.不論是ChatGPT使用的大語言模型（large language model，LLM）或是Midjourney使用的生成對抗網路（generative adversarial networks，GAN），都是建立在類神經網路上頭。

6.相對來說，早年的AI發展，大多建立在「模仿人類的理性思考」上，比如透過預先編寫好的的規則進行決策，或藉由統計模型及訓練資料學習特定情境與模式。其中一個主因是人腦太複雜了——在電腦硬體的能力及相關理論模型尚未成熟時，模擬人腦不論在理論或實務規模上都不可行。

7.在戲劇構作David Košťák提供的場景設定與台詞引導下，整個劇本大約有90%的台詞由稱作THEaiTRobot的AI工具生成。這個工具建立在ChatGPT的前代模型GPT-2上，theaitre.com有提供免費試用，以及此劇本的全文下載。

8.當年當然還沒有ChatGPT甚至其前身，多森與研究者使用的是早期AI的方法，預先編寫規則，讓聊天機器人能根據上文選擇對話，進行即興對談。值得一提的，AI的談資主要取材自1971年傅柯與喬姆斯基關於人性的經典電視辯論，再加上莎士比亞、聖經，及YouTube的影片評論等等。

9.透過影像呈現。

10.《數千位AI作者談AI的未來》（Thousands of AI Authors on the Future of AI ），刊登在該月的《電腦與社會》（Computer and Society）期刊上。

11.編劇的內部笑話，意指沒有童年創傷，就寫不出好劇本。

※本文由《PAR表演藝術》授權刊載，未經同意禁止轉載。