社會價值、腦神經科學與AI

釋惠敏

法鼓文理學院 校長

台北藝術大學名譽教授

 (本文發表於《人生》雜誌437期,2020. 01)

敝人曾參加2016年5月法鼓文理學院與相關單位合辦第一屆「社會價值與影響力國際論壇」,之後發表〈改變理論與淨土行〉(《人生》雜誌396期,2016年8月)拙文,介紹「在投資上的社會報酬」(Social Return on Investment, SROI)之「改變理論」(Theory of Change, ToC)與佛教之「行淨(見解、行為改變)則眾生淨(社會改變),眾生淨則佛土淨(環境改變)」之關係。

2019年12月,法鼓文理學院有幸協辦「2019社會價值國際研討會」,討論國際上對「社會價值」(Social Value)與企業之「影響力管理」(Impact Management)的新觀念與政府於此發展之角色。在此會議中,對於「社會價值」決策的議題,讓我聯想到與腦神經科學之「酬賞」(reward)機制、作為修正酬賞預測誤差之多巴胺(dopamine)神經元反應以及AI(人工智能)之關聯。

「價值」與酬賞(愉悅)迴路

所謂「在投資上的社會報酬」(SROI)是用一般企業所慣用經濟價值之貨幣數字來呈現企業所產出的社會價值之損益,猶如企業以會計財報的營收、獲利等數字來呈現投資報酬率,以會計準則來看公益善舉的效益「改變」,例如受暴婦女救助專案,每投入1元成本,若可減少9.98元的法律訴訟與醫療支出、提升身心安全與重回職場等面向的社會效益,則可讓決策者與利害關係人更有動機去提升社會價值。

腦神經科學讓我們知道所有生物腦中都已配置尋求「酬賞」迴路,讓生物更接近理想狀態。身體脫水時,水是酬賞;能量儲存下降,食物是酬賞。此外,人類行為更普遍受到次級酬賞(例如語言文字、信念、資訊等)導引,它是讓我們可「預測」到初級酬賞(水、食物等),諺語「書中自有黃金屋、顏如玉」也即是此意。

不論是基本或抽象酬賞,我們面臨的挑戰是,各選項通常不會馬上帶來成果,只能在腦海中模擬不同選項的情境,想像未來,以「通用貨幣」(預期酬賞)標上價格(價值),然後比較與選擇。

多巴胺神經元反應=真實酬賞-預期酬賞

生物演化史很早就已出現基本的「酬賞」機制(愉悅迴路),例如土壤中秀麗隱桿線蟲(1公釐長,302個神經元)也有基本的愉悅迴路。線蟲以細菌為食,善於追蹤氣味尋覓食物。但當含「多巴胺」的8個關鍵神經元沒有反應時,線蟲雖還能偵測到氣味,但對食物變得不在意(不太感覺吃細菌之樂趣)。

人類、老鼠等哺乳動物的酬賞(愉悅)迴路比較複雜,因其與腦部攸關決策、計畫、情緒、記憶儲存的中樞交織連結,若帶給人愉悅感,在此愉悅經驗發生之前或同時發生的感覺訊息與行為會被記憶或聯想為正向的感覺。

然而世事無常,預測與實際常有差距,有效學習的關鍵在於追蹤「預測誤差」(預測結果與實際發生結果之間的差異)。多巴胺的作用是修正誤差,猶如化學評估分子,讓評估盡量維持在最新狀態。

因此,我們可以此算式表達:

多巴胺神經元反應(酬賞預測誤差) =真實的酬賞–預期的酬賞。

當你的預期和真實不符,腦部的多巴胺系統會發送出能重新評估價值的訊息,如果局面比預期好,則增進多巴胺的分泌;反之,則減少多巴胺的分泌。這種預測誤差的訊號,會使腦的其他部位調整期望,試圖在下次更接近現實。

現未、自他之價值抉擇之AI「認知彌補」

但是,人們在即時滿足及未來利益,或自己與他人利益之間進行抉擇時,很容易做出目光短淺的決定。這種「現未、自他」之價值抉擇競爭發生於每天日常生活,車商希望你上車試駕,服飾店希望你試穿衣服,因為純粹在腦海中模擬未來,是比不上此時此刻自身之真實體驗。

因此,許多屬於「未來、他人」之社會價值,容易被忽略或拖延。《科學人》(2019年12月)之「AI助你不拖延」(Cognitive Prostheses for Goal Achievement,認知彌補術激勵人們完成任務)報導中,德國馬克士普朗克智慧系統研究所的認知科學家利德(Falk Lieder)說:「由於這種立即獲得的酬賞與長期價值之間的不對等,人們往往不會實踐對其未來最有利的事。」

他們設計—款名為「認知彌補術」(Cognitive Prosthesis)的數位工具,利用人工智能 (AI),把各種要素列入考量,例如任務列表、個人對每一項任務的主觀厭惡程度,及可用時間的多寡,再根據個別情況,為每項任務分配酬賞積分,輔助人們在進行決策時比較即時酬賞與長期價值,以鼓勵使用者完成所有任務。該團隊研究結果發表於2019年8月的《自然•人類行為》,該研究顯示:120名受試者中,使用此工具者有85 %完成所有任務;反之則是56% 。

未來,若能運用「在投資上的社會報酬」(SROI)之「認知彌補」,或許有助於社會價值之即時評量,也增進「行淨(見解、行為改變)à眾生淨(社會改變)à佛土淨(環境改變)」之原因連結(Causal Linkages),也更能建立緣起法則的正見。