🎬 YouTube Premium 家庭 Plan成員一位 只需
HK$148/年！
不用提供密碼、不用VPN、無需轉區
直接升級你的香港帳號 ➜ 即享 YouTube + YouTube Music 無廣告播放
1943年：史金納與「鴿子導彈」計劃
二戰期間，當全球最頂尖的物理學家忙於原子彈曼哈頓計劃時，美國心理學家B.F.史金納卻秘密領導一個政府項目，目標是協助美軍贏得戰爭。他並非致力於開發更大威力的武器，而是想令傳統炸彈更精準。靈感來自他乘火車時，看到一群鳥兒成隊飛翔，他想到：「牠們像是擁有優秀視覺和靈活性的‘裝置’，是否可以用來導引導彈？」
史金納最初用烏鴉作試驗，但聰明的烏鴉難以馴服，於是他轉向賣給中餐館的普通鴿子，展開「鴿子導彈計劃」。雖然普通鴿子並不被視為聰明，但牠們在實驗室中相當合作。史金納透過給食物獎勵，訓練鴿子用嘴啄擊航空照片上正確的目標，計劃將牠們綁在彈頭的前端，通過在鏡頭投影的畫面中啄擊目標，控制導彈方向。
軍方最終沒有部署這種「神風鴿子」，但史金納的實驗讓他堅信鴿子是「極其可靠的學習研究工具」。他說：「我們用鴿子，不因為牠聰明，而是因為牠實用，能被塑造成機器。」
心理學與人工智能的意想不到連結
談起人工智能的前身，人們常會提及艾薩克‧阿西莫夫的科幻小說或圖靈測試，但史金納的鴿子研究則是一個少為人知卻同樣重要的先驅。史金納相信，通過試錯將行為和獎懲連結的「聯想學習」是所有行為的基礎，不僅限於鴿子，亦包括人類。儘管他的行為主義理論在1960年代被心理學家及動物研究者冷落，電腦科學家卻將其理念應用於人工智能，成為Google和OpenAI等巨頭背後強化學習（reinforcement learning）的理論根基。
強化學習讓電腦能駕駛汽車、解決複雜數學問題，甚至在國際象棋和圍棋擊敗頂尖高手，但它並非模仿人腦的複雜運作，而是加強了類似鴿子腦袋的簡單聯想過程。電腦科學家理查德‧薩頓和安德魯‧巴托因為強化學習的開創性貢獻，於2024年獲得被譽為電腦界諾貝爾獎的圖靈獎。
「苦澀的教訓」：AI不似人腦，反而像有翅膀的老鼠
薩頓提出，70年的AI研究給了我們一個「苦澀的教訓」：人類智慧不是機器學習的好模型，反而是鴿子般簡單的聯想學習原理，驅動著如今能超越人類的演算法。如果人工智能真的有一天能掙脫創造者的束縛，那麼它們更像「有翅膀的老鼠」，而非像我們一樣的存在。
這種觀點反過來也促使動物行為學家重新思考自然智慧的演化。斯德哥爾摩大學生物學家約翰‧林德提出「聯想學習矛盾」：生物學家認為聯想學習過於簡單，無法解釋動物複雜行為，卻被電腦科學家用來解釋人類般的電腦行為。這暗示聯想學習在高智商動物如黑猩猩和烏鴉的生活中可能扮演更重要角色，甚至讓我們重新評價那些長期被視為愚笨的普通鴿子。
從巴甫洛夫到史金納：行為塑造理論的發展
十九世紀末，伊凡‧巴甫洛夫通過著名的「經典制約」實驗揭示聯想學習的機制：狗隨著鈴聲與食物的聯結產生流口水反應。史金納則將此原理擴展至動物自主行為，提出「操作性制約」理論：行為由其後果塑造和維持，正面結果會強化行為，使動物重複該行為。
史金納的實驗包括教老鼠玩彈珠、讓鴿子彈簡單鋼琴曲。這種通過試錯形成行為鏈以最大化長期獎勵的聯想學習，被他視為所有行為的基礎。他甚至認為人類語言也是透過操作制約發展而來的。雖然他的著作《語言行為》（1957）遭到諾姆‧喬姆斯基嚴厲批評，心理學界也逐漸轉向研究心智的認知能力，行為主義理論一度被邊緣化。
鴿子實驗啟示人工智能新路徑
20世紀後半葉，許多工程師試圖用「符號AI」模仿人類思考，但面對物體識別等簡單任務卻屢屢失敗，因為人類識別依賴大量模糊且難以編碼的分類規則。相比之下，鴿子實驗證明動物能透過聯想學習，不靠規則也能辨識概念和分類，為機器學習提供了另一條路。
1970年代末，薩頓和巴托合作提出「強化學習」概念，打造能自主探索環境、記憶行動與結果關聯的智能代理。隨著計算能力提升，AI可透過數百萬次試驗不斷學習，終於在棋藝和電子遊戲中擊敗人類高手。2017年，Google DeepMind開發的AlphaGo Zero完全通過強化學習，在40天內從零開始達到超越人類的圍棋水平，甚至創新策略。
現今多個科技公司將強化學習應用於聊天機械人等產品。早期大型語言模型（如GPT-2、GPT-3）主要用監督式學習，後期則結合人類反饋的強化學習微調性能。OpenAI最新模型更聲稱具備「推理」能力，但薩頓等專家認為這只是行為上的聯想和獎勵最大化，並非真正的認知推理。
鴿子與AI：重新認識動物智慧
AI的成就讓一些動物學家重新評估聯想學習在動物行為中的地位。愛荷華大學心理學家埃德‧瓦瑟曼訓練鴿子完成複雜分類任務，甚至超越部分大學生。他的鴿子還能準確辨識醫療影像中的癌症組織和心臟病症狀，表現媲美資深醫生。
斯德哥爾摩大學的林德指出，許多動物的複雜行為可能是透過聯想學習發展，不必訴諸高階認知機制。他批評動物認知研究標準過低，忽視替代假設。近年有心理學家用強化學習模型成功解釋烏鴉的行為，反駁了之前的「高階統計推理」結論。
史金納晚年依然堅持行為主義，認為心理學不應探討心靈內部，並試圖用行為主義理念改造社會。雖然行為主義曾被批評簡化動物和人類行為，但現代研究強調聯想學習是強大且「認知性」的機制，動物的智慧不容小覷。
動物感知與AI的界限
聯想學習不等於動物是簡單機械，動物的本能和情感同樣影響行為。鴿子甚至能在藥物識別任務中展現內在狀態的分辨能力，類似內省。這是AI無法做到的，因為AI沒有感受痛苦或情感的能力。
哲學家指出，要理解AI的「有感知」問題，需同時深入研究動物認知，因為兩者面臨類似的挑戰：如何區分真實感知與行為表現。這不僅關乎科技和動物，也關乎人類自身。
最後，聯想學習雖是最古老的學習機制，卻是許多複雜行為的基石。從品酒師辨別葡萄的細微差別，到鴿子在實驗室外的環境認知，這些能力都建立在我們與動物共享的基本聯想過程之上。鴿子的學習不只存在於實驗室，也是我們大腦和科技進步的引擎。
—
評論與啟示
這篇文章以鴿子為切入點，巧妙地串起心理學、人工智能與動物認知的歷史與現狀，提醒我們許多現代科技的根基其實源自最簡單的生物學原理。尤其是強化學習的成功，讓我們重新思考智能的本質：並非必須複雜模仿人腦，而是深植於動物世界的試錯與獎懲機制。
這種視角對香港及全球讀者都有啟發。當我們面對AI的快速發展與潛在風險時，認識AI其實是「鴿子腦」的超級版，或許能降低對AI神秘化的恐懼，也提醒我們技術發展不應忽視倫理與情感的維度。此外，動物行為學的新發現促使人類反思自我中心的認知偏見，尊重並重新評價平凡動物的智慧。
從媒體報道角度，我們應該將科學故事講得生動有趣，讓公眾理解AI背後的科學原理及其局限，並引導理性討論技術與倫理。文章中鴿子能識別醫療影像的故事尤其引人入勝，有助拉近科技與生活的距離，讓讀者感受科技與自然世界的奇妙聯繫。
總括來說，這是一次跨學科的深度報導，成功挑戰了傳統認知，為大眾帶來嶄新思考。未來，隨著AI進一步融入生活，理解其基礎與限制，將是每個人都應具備的科普素養。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
✨🎱 Instagram留言 →
AI即回覆下期六合彩預測
🧠 AI 根據統計數據即時生成分析
💬 只要留言，AI就會即刻覆你心水組合
🎁 完！全！免！費！快啲嚟玩！
下期頭獎號碼
📲 去 Instagram 即刻留言
