選擇卷期
- 期刊
圍棋被認為是最複雜、最具挑戰性之棋類運動，其進行過程大致分為三個階段，分別為前期的「布局」、中期的「中盤」及後期的「官子」。雙方棋士皆需運用大量的認知處理能力，包含決策判斷、推理計算等，方能一步一步爭取棋局之最終勝利。然而過去心理學研究對於圍棋認知處理著墨甚少，未有理論探討圍棋三階段所需運用之認知能力是否相同或相異。本研究以實驗心理學研究方法搭配人工智慧之分析技術，探討圍棋三階段之認知能力。本研究由職業棋士編製不同階段之圍棋題目，使題目難度約為業餘棋士高段位之棋力，並且讓棋局符合實驗心理學之基本要求。研究參與者為24名業餘棋士，在電腦上進行不同階段的圍棋題目，並搭配空間視覺搜尋、邏輯推理及數學計算三種認知干擾作業，以探討這些干擾作業對於各階段圍棋題目之認知處理的影響。實驗結果發現，空間干擾作業會顯著影響布局階段之正確率，但對於中盤、官子階段並無影響；推理干擾則會顯著影響中盤、官子階段之正確率，對於布局並無影響；而計算干擾對於三階段圍棋題目的影響並未達到統計顯著。另一方面，本研究亦運用人工智慧之技術，以開放原始碼之深度學習圍棋程式將所有實驗題目進行分析，大量模擬並計算每個選項的勝率，發現與題目正解相當一致。並且利用人工智慧中機器學習演算法（隨機森林演算法、支持向量機演算法與深度神經網路）搭配置換檢驗法，對於棋士們的正確率與反應時間進行分析。結果顯示這個演算法能夠將實驗數據有效地區辨為三階段之圍棋題目、或是區辨為不同認知干擾類型，其預測正確率遠高於隨機猜測水準及虛無假設分配之決斷值，且經由交叉驗證程序可以證實此結果具有良好之可推論性。總結而言，本研究顯示圍棋不同階段所需之認知能力不完全相同，而人工智慧分析也進一步支持這個論點。在對弈過程中的布局階段需具備大局思維，因此空間能力是影響布局階段時棋局判斷之重要因子；而較需沙盤推演之中盤與官子階段則主要依賴推理能力。本研究結果不但有助於瞭解圍棋對弈過程所運用之認知能力，也藉此將人工智慧與實驗心理學融合運用於探討人類智慧與心智功能，期盼未來人工智慧能對於心理學研究帶來更大的影響與貢獻。
- 期刊
Despite being machines, many artificial agents, similar to humans, make biased decisions. The present article discusses when a machine learning system learns to make biased decisions and how to understand its potentially biased decision-making processes using methods developed or inspired by cognitive psychology and cognitive neuroscience. Specifically, we explain how the inductive nature of supervised machine learning leads to nontransparent decision biases, such as a relative ignorance of minority groups. By treating an artificial agent like a human research participant, we then review how to apply neural and behavioral methods from the cognitive sciences, such as brain ablation and image occlusion, to reveal the decision criteria and tendencies of an artificial agent. Finally, we discuss the social implications of biased artificial agents and encourage cognitive scientists to join the movement of uncovering and correcting machine biases.
- 期刊
本研究以台灣社群媒體上的分手文章為分析對象，比較兩種使用於文本分析的詞彙分析方式用於區辨作者性別時的優劣。使用封閉式詞彙分析時，本研究根據過去研究，以中文版LIWC詞典中的人稱代名詞與非代名詞類為預測變項，分別建立邏輯迴歸模型預測作者性別。結果顯示，人稱代名詞有較佳的預測力；唯其無法反映分手的特性。使用開放式詞彙分析時，本研究以寫作風格分析的演算法，直接從分手文章中找出最能代表不同性別的關鍵詞。結果發現即使只選取前1%的關鍵詞建立模型，模型的表現也優於以封閉式詞彙分析建立之模型。接著，針對各性別關鍵詞所對應的中文LIWC詞類，分別進行網路分析。根據網路節點的中間度指標，本研究發現動詞、副詞、關係詞、社交歷程詞、生理歷程詞和認知歷程詞為兩性分手文章中共有的LIWC心理語文特徵；但唯獨女性才有情感歷程詞、性詞和否定詞。由此推知，台灣社群媒體使用者中，女性比男性在文章中更有情感方面的表現。
- 期刊
晚近的深度學習神經網路在大數據與高效計算的時代背景之下，在語音處理與其他辨識任務上取得重大的成就。尤其詞嵌入（word embeddings）的分布向量語意（distributional vector semantics）表徵提出後，計算機逐步掌握人類語言中的詞彙語義關係。然而語言與概念知識中存在的豐富階層關係，仍難以被目前的神經網路架構表徵與概化。在計算語言學領域，學者們從不同的詞彙理論假說，發展出各式詞彙資源（lexical resources），試圖彌補計算機從「共聚性」（syntagmatic）資料難以學習到的「類聚性」（paradigmatic）知識，以讓計算機逐漸靠近人類可以利用少量數據，在未知情況下進行推理，以及瞭解甚至同理人類情感的能力。這些人類能力的共通之處在於涉及個人、社會與文化脈絡的互動，具有高脈絡變異性的特點，難以用巨量的薄數據的方式讓電腦學習。此研究採取計算功能語言學的觀點，認為詞庫是外顯的人類語言知識倉儲。透過人為標記與自動的抽取紀錄，是通用人工智慧自主學習的重要基礎之一。本研究並進一步認為，詞庫中的語言知識除了「形式」與「意義」的配對關係以外，更應回應在中文語言裡，表達形式的流動性以及表達形式與意義的連動性。本研究的目的在整合並發展包含語言、心理、華語教學等各層次變項的「深度詞庫」，以及讓使用者得以自由決定中文語式的標記工具，並討論此語言資源未來的可能應用。