文 / 蔡孟利（國立宜蘭大學 生物機電工程學系教授）
雖說是 2015 年出版的中譯書1，但在十年後的今天，卻是一本恰恰好值得在此時閱讀的書。書裡面寫的雖然是十九世紀末的故事，不過對於現代因為 ChatGPT 的問世而引起大眾新一波的AI（人工智慧，artificial intelligence）焦慮，卻可以在這一本書中，找到定靜思考的線索。
就生物學的研究來說，從一個完整的個體到細胞內的組成分子，這些「真實存在的東西」是所有研究的基礎。但是在研究進行的過程中，我們無法窮究同類別中的所有成員，例如我們無法將體內所有抗體都分離出來，然後測試每個抗體跟抗原的對應關係；現實上只能取一部分成員進行研究，若是累積的研究結果都支持該類別的成員具有某項特質、而且該特質在物理、化學或數學的自然律中也找得到對應的解釋說法，那麼即便沒有對該類別的所有成員都進行確認此特質的工作，還是可以將此特質視為生物體運作機制中的一項通則；而且是自然律般的通則，亦即此通則所敘述的內容，是在自然界中一定會以如此樣態發生的事情。
像是「專一性 (specificity)」的概念就是這類課題典型的例子。「專一性」指的是兩種物體在相互作用上具有高度排他性的對應關係，不論是酶與受質、荷爾蒙與受體、抗原與抗體，專一性的對應作用通常被當作解釋實驗結果的論說基礎。然而看似普遍成立的「專一性」，其實只是經過有限種類的測試後所作的普遍性推論，例如我們並無法將所有抗原都拿來與特定抗體作結合測試，所以事實上我們並沒有確切的證據說僅有一種抗原能跟這個抗體作專一性結合；這個專一性的認定，僅是我們在有限種類的抗原測試中所作的延伸推論。但因為造成抗原與抗體專一性的理由，可以從分子結構的獨特性以及蛋白質結構變化的多樣性，這兩項化學上的事實找到解釋的基礎，所以雖然並沒有窮究所有抗體進行實驗，但因為有理論基礎，所以可以用來作為解釋免疫機制的通則。
「生物體在構造上的基礎單位，細胞，都是體積很小的結構物」這個敘述也是個以有限樣本推論出普遍性通則的例子。事實上，我們不可能將所有生物體的各種組織均取出製備切片，然後在顯微鏡底下觀察其微結構；直到現在我們確認過的細胞結構，也芸芸眾生中的某些部份而已。但因為各種生命現象都可視為在水溶液的環境下，許多化學反應有序串接後所呈現的結果，所以如何讓本質上無次序的諸多反應組合出有次序的串接過程？直接有效的解方，就是以空間的區隔來導引隨機事件成為不那麼隨機的事件；又如何讓數量有限的反應物與酶，在一般溫度壓力條件下快速地進行反應？直接有效的解方，就是讓這些反應發生的空間越小越好，有效地提高反應物濃度，增快反應速率。正因為有這樣的理論基礎，所以即便沒有檢查所有生物的所有組織，但說生物體是以有明顯區隔的微結構（即細胞）作為生命展現的基礎，也是可接受的通則。
觀察生物學中，不論是屬於特質的內涵或是結構的特性，若稱得上是通則的事項，那麼用來解釋這個通則的各種物理、化學或數學的理由，都僅在被解釋的特質或結構中就可作出完整的論述，不需要再拖拉其它的生物特質或結構來類比助陣。就像抗原與抗體之間的專一性，可以純由這兩種分子在結構的獨特互補關係中做出完整解釋，而無須考慮抗體與補體系統 (complement system) 之間的配合；關於細胞體積皆很小的認知，完全可以就細胞內所發生的化學反應之條件來說明，不用再考慮細胞跟別的細胞之間的交互作用。唯有這種問題與解釋可單純對應的通則，才能廣泛地應用到不同的生物體；也因為這樣單純對應的關係，所以通則中所敘述特質或結構，在自然界中也容易被辨識出來。
如果從「問題與解釋可單純地對應」這個角度來看，「真實存在的東西」並不是在任何層次與面向都可以得出通則化的推論；能通則化的，大都只屬於基礎形質的結構樣態或作用機制，通常牽涉到器官層級以上的結構樣態或作用機制，就很難有通則化的定論。
例如動物步態分析是個牽涉到器官與系統層級的課題，光是動物的腳有幾隻就相當多樣性，一看就不是那種「大家都一樣」的可通則化事項。但是不是有可能以分類的方式來討論？例如，將動物分成雙足、四足、六足、多足等類別，然後僅討論「四足動物的運動步態」通則化的可能性？因為以這種分類的方式處理，有可能經由化約分析將討論的事項拆解成各種基礎元件，然後於既有的物理、化學或數學中找到解釋其合理性的說法。雖然看起來可行，不過這類「合理性的說法」，通常只是一種後見之明的理解，並不具有延伸推論的功用，無法讓我們據以猜測某隻新發現的四足動物，一定會出現什麼樣的步態。
主要是因為每個生物體都是由諸多細胞連結堆疊出的複雜結構，而這些結構之所以是現在這個樣子，不光只是本身運動的需求，若從更巨觀的角度來看，單一個生物體內部各結構的功能，除了讓自己活下去之外，也是為了與其他同種的個體協同運作，以達到同種族群能夠持續繁衍生存的這個更上位之目標。是以，我們在說明這隻動物的四足為什麼會以這樣的步態行走時，解釋所觸及的範圍就不能只侷限在這四隻腳上，還得觸及到身體其它器官系統的配合，以及生存環境中的物理化學條件、食物來源、天敵的威脅以及繁殖的策略。
也就是說，我們無法光從這隻動物的腳的特質就能說明其行走步態的特徵，也無法光從其體內各器官系統的協調就足以說明其步態為何是這樣，還得從天擇的角度、從生活中的種種挑戰來看其步態之所以如此的理由；如果真要針對四足步態找出通則性，那我們就不能只聚焦在那四足，也無法只將討論擴充到個體層級就足以進行完整的分析，還得考慮外在環境對生物體結構與功能在演化過程中的形塑。而一旦牽涉到演化，步態的特徵就不光只是當下這個時間點的問題，而是拉長了時間軸的複雜機率問題，裡面有族群變異、遺傳漂變、天擇等複雜因素參與其間，完全不是「若 A 則 B」那類可純由自然律推演出的固定模式。若從這個角度來看，即便勉強對四足動物的步態整理出一個類似通則的性質，但那只是在有限種類與個體的觀察下所得到的歸納結果，無法直接以物理化學或數學的自然律直接說明，很容易被新加入的成員推翻。
本書中的歐文與赫胥黎當時對人類和其他靈長類的「海馬迴辯論」，基本上，就是在這類無法通則化的歸納中各持己見，找不到能夠藉以作為仲裁的憑據，即便是梮謝呂帶來的大猩猩也沒辦法，因為事實有太多面向，大家都各取所需。
AI 在許多場域的成功經驗，讓我們對 AI 產生既驚艷又敬畏的心理。不過如果仔細分疏一下應用 AI 成功的場域，其實現階段的 AI 應該還是驚豔已達但敬畏未滿的階段。
八年前 AlphaGo 擊敗多位頂尖的圍棋高手事件，算是 AI 對大眾造成大衝擊的初始。然而圍棋的規則是可以用明確文字表示的活動，而且對弈雙方落子的位置有限，所以棋譜的變化雖多但組合仍有限（雖然組合的可能數量超龐大），因此就 AI 本質是演算法來說，圍棋本來就是個理想的發揮場域；因為所處理的課題定義明確，供其機器學習的合格資料可以不斷快速累積，所以 AI 對戰的經驗越多，可用來精煉演算法的有效資料就越多，演算效能就越高。這也是為什麼當年 AlphaGo 在越戰越勇之後，在圍棋界打到無敵手便被 google 宣布引退；因為無敵手，新聞價值就會越來越低，所以在此時不再戰，可留個高潮結尾。
AlphaGo 的圍棋應用若算是可通則化的 AI，那 ChatGPT 就相當於無法通則化的環境中強要通則化運作的 AI。
目前的 AI 在運作上，靠的是以演算法對各種可數位化的資料庫進行整理、歸納與重組，以取得最符合人類習慣與需求的問題答案，所以如果資料庫的種類涵蓋的層面不夠廣、個別資料庫裡面的內容不夠豐富、數據資料可以規格化的程度不高，那麼即便演算法再怎麼厲害，AI 回答問題的正確性或精準度仍會大打折扣。但即便資料庫的種類涵蓋層面夠多、個別資料庫裡面可規格化的內容也相當龐大豐富，使用的演算法也可以高效率地善用這些資料進行創作，不過由於這些 AI 創作在本質上仍是以既有的資料庫內容為本所做的加工，所以在 AI 的運用中，若要提高其創作的正確性或精準度，還有個根本性的問題需要解決：人對一件事情、一個物品、一種感覺的所有細節，是不是都可以使用文字、符號、影像這類可數位化的資料形式記錄下來？
如果一件事情、一個物品、一種感覺的所有細節，並無法僅僅使用文字、符號、影像這類可數位化的資料形式記錄下來，那麼資料庫的內容就無法充分反映這件事情、這個物品、這種感覺的全部，如此，便會在資料庫中造成關於這事情、這物品與這感覺在特定面向的缺損。若是以一個天生就在特定面向有缺損的資料庫做為 AI 的機器學習之根據，輸入給 AI 命令的也是缺少特定面向的陳述，那麼 AI 告訴我們的答案，也將是帶有偏見的答案。就如同本書作者對於赫胥黎和威爾伯福斯在 1860 年代的辯論所下的註解：
在相距一個半世紀的今天，回顧這場辯論時，我們可以看出雙方都沒有取得明確而持久的勝利。還需要等上數十年的時間，當化石記錄和遺傳理論的新證據有大幅的進展時，才能幫助新一代的科學家發展出「新達爾文主義」，這個今日大多數科學家都接受的演化論版本。
就像是，我們對於「四足動物的運動步態」沒辦法只從看得到的那隻動物的那四條腿取得充分的理解；AI 也無法演算出，那個資料庫沒涵蓋到的「新」。
書中有一段對於「業餘野蠻人」伯頓想法的描述：
他最近和皇家地理學會接觸的經驗讓他對那些「扶手椅上的地理學家」十分不滿，他們這些人好整以暇地留在英國開會，而真正具有行動力的人則在外面冒著生命危險。有些皇家地理學會的人毫不遮掩地展現出對野外科學家的蔑視，將他們看成是不需要動腦的機器人，只要發送到野外，便能蒐集數據，供國內的專家分析。柏頓痛恨這種將探險家當成「只去看而不動腦」的想法，他在那本寫尼羅河的書的序言中便提了出來。
「野外科學家」超越「扶手椅上的地理學家」的是，發現在文獻記載中沒出現過的「真實存在的東西」，那是扶手椅上的地理學家們怎麼想都無法想出的東西。這對我們身處在 AI 時代的啟示是，人類的智慧若要超越人工智慧，只有繼續嘗試創作、發現那個資料庫沒涵蓋到的「新」，就像梮謝呂到死之前，都不斷地想要勇闖未知之境那樣。
※文中粗體字為編輯團隊所加
