台南古都融合 AI 科技，發展交通智慧化

作者 TechNews | 發布日期 2021 年 06 月 24 日 10:00 |

人工智慧（AI）一直是近年的熱門科技詞彙，根據「2021 台灣 AI 趨勢報告」，台灣有 84% 的受訪企業導入 AI 技術，以提高組織效率及創造營收為主要目標，在製造、行銷與客服等領域中獲得深入地應用。

AI 深度學習效果事半功倍

綠捷能智控股份有限公司（HIPOWER）長期致力於AI影像偵測辨識演算法的開發，過去應用領域也多於車牌辨識、車輛追蹤相關。2020 年參與臺南市政府合作 AI 城市巡檢先導應用試驗計畫，在臺南市政府智慧發展中心及交通局的協助之下，以臺南市東區東門路與自由路口、中西區府前路與南門路口為試驗場域，試驗情境則是配合臺南市政府的基礎設施下，在未對現有攝影系統架構有任何調整的情況，利用路口現地攝影鏡頭搜集影像數據，最終所使用影像解析度為 640×480，採用 YOLO 類神經演算法進行物件深度學習，並加入深度物件定位追蹤演算法。

在試驗的計畫裡，YOLO 模型主要應用在多類別與多場景的物件辨識上，所以會設計較多的卷積層，而每一種會再進行多次的卷積運算，造成模型本身較大，考量這次計畫中所需辨識的物件類型與場景相對單純的情況下，過多的卷積層及運算對提升準確率沒有明顯地影響，並且會造成模型訓練效能不佳，因此利用剪枝技術減少卷積層數與運算次數，來提升模型的訓練效能。同時在影像數據上進行優化的前置處理，提升整體影像亮度達一致程度，降低亮度不均及部分雜訊的干擾，如此對後續物件辨識及定位追蹤準確率將有所幫助。因此在本案中僅利用約 5,000 張的物件圖快速片建立辨識模型及完成調校參數，成功開發出路口行人偵測、車種（機車、小型車、大型車）辨識、各向車流及其轉向偵測辨識的解決方案。經過最終的驗證測試，在不同天色的情況下，整體車流偵測辨識準確率可達 95%，車流轉向比分析及車種辨識準確率則有 90% 以上，而人流亦有 90% 以上的辨識準確率。

原有設備升級，效益最大化

此方案除可以有效減輕交通單位的人力負擔外，也能為交通智慧化提供充足有效的即時基礎數據，並且因為使用地方政府路口現有攝影系統，未來在複製擴散上也可以用相對較低成本的方式來進行，試驗單位不需要為了導入AI技術而將現有攝影機升級。未來將可以此解決方案為基礎，建構路口動態資訊即時回饋，協助路口及行人號誌燈秒數優化，以提升整體交通運行的順暢度。

在完成上述臺南市政府試驗計畫後，2021 年第一季也順利將此方案的核心技術衍生應用到隧道事件偵測系統 IIDs 及在道路壅堵偵測系統 QLD 中，用以偵測追蹤隧道逆行車輛、隧道路邊停等、壅堵車流(種)偵測及佔有率計算等情形。在新一代行動通訊日漸普及的情況下，未來將會有更多以 AI 影像辨識技術為基礎的衍生性應用產生，推進智慧化應用的演進。

由此可見，影像辨識技術所衍生的應用豐富性，對於地方政府推動城市智慧化的過程中，將能以最低成本的方式來發揮既有影像系統的最大效益。

公私協力成為 AI 應用夥伴

目前市場上 AI 影像辨識分析應用開發上，多半採用開放式模型來進行演算法的開發，而實務環境條件複雜多變，為能達到商品化對穩定性的要求，通常需要搭配自主開發的演算法，以強化模型偵測及辨識的能力，同時更需要實際場域建置的經驗、高品質數據的採樣及訓練參數組的建構，來對模型進行分析與調校，如此才能成為成熟且穩定的應用系統架構。

臺南是一個持續進化的科技古都，市府非常積極在導入創新科技應用，也因此保持開放態度在智慧化應用推動上，有系統地啟動在地方政府間相當少見的應用試驗計畫，在提供題目、條件限制及實際場域的情況下，邀請產業界進行解決方案開發與技術驗證，並希望業者能持續投入資源進行商品化，協助地方政府智慧化應用能夠水平擴散及垂直深化，這是一個成功案例，將對公部門與民間合作推動智慧化應用有正向的影響。

附圖：▲ 模型建立作業流程
▲ VDS 系統辨識畫面
▲ 以 AI 影像辨識為基礎的衍生應用
▲ 辨識分析結果畫面呈現

資料來源：https://technews.tw/2021/06/24/tainans-ancient-capital-integrates-ai-technology-to-develop-intelligent-transportation/?fbclid=IwAR1OJBuRIm3IbznQ-YcDuJo4r7xaKjlCyMpxS7oiiFP4Xogl7YXTMaAKRpM

【永豐投顧】#永豐總經與產業月報2021年04月報

🔺1.9兆紓困案發酵、放寬限制，美國3月高頻指標全面走揚，2021/2Q GDP成長上看10%。3/17 FOMC：尚未考慮QE縮減，2023維持零利率，部分外資喊6月釋出QE縮減訊息。拜登3/31公布規模2.25兆基建法案，預計要到下個財年2021/10後才會過關；台灣1~2月出口金額620億美元，創歷年同期最高，yoy成長23.2%，景氣燈號亮出熱絡紅燈，央行利率連4凍；疫情干擾減弱，中國3月景氣PMI反彈，內需與就業加速跡象，美國不斷加碼刺激政策，外需仍有超預期表現空間，基本面無虞。邁入4月，投資人將以1Q上市企業業績做為檢視復甦依據，惟中國政府選擇在2Q展開穩槓桿政策，疊加大量信用債到期，需要留意違約風險。

🔺最狂資金行情已過，QE縮減已可預期，建議財報利多調節持股，保留現金彈性；拜登甫簽署1.9兆刺激，再推2.3兆基建，美國疫苗接種快速，夏季前實現群體免疫在望；Fed維持鴿派基調，但無意干預殖利率上行，美債GT10升破1.75%，展望4月，總經環境依舊利空美債、經濟數據進入雜訊期，預期美債GT10震盪偏空，殖利率易升難跌。疫苗與政策利多，美國復甦前景較佳，加上殖利率飆升，吸引資金回流美元，DXY升至93，展望4月，歐盟疫苗短缺問題將獲得改善，歐元可望底部反彈，預期DXY、日圓震盪偏空，歐元偏多。

🔺重點產業近、遠期趨勢評析—晶圓代工：近期展望：消費性產品動能延續，2Q21 QoQ將維持季增水準，長期展望：先進製程市占率持續提升且晶片中半導體含量增加，2022-2023年可望受惠IDM競爭對手聚焦高階產品，而將成熟產品外包；車用市場緩步回升而工業需求穩定，但電源管理類產品規格轉換持續朝大電流、高壓發展，面板驅動IC拉貨動能未見減緩。
——————————————————
永豐慶典！快來參加刮刮樂，刮好運🎉🎉
永豐刮刮卡，邀你一起 #豐好運
✅活動詳情➜ https://www.spf.com.tw/mktinfo/Futures/Scratch/index.html

📌活動時間：2021/4/5-2021/6/27。
📌活動內容：👇👇
1. 週為計算區間，區間內海期交易達1口，即可於永豐期貨LINE@領取1張刮刮卡。
2. 海期首動加碼送：首次成交海期加送1張刮刮卡。

各項好獎，等你來試試手氣 #刮好運。
獲得抽獎券之客戶，將於 #直播抽獎 每月抽出現金1,000元共20名。✌️✌️
✅活動詳情➜ https://www.spf.com.tw/mktinfo/Futures/OA/index.aspx

-小提醒-
▪️想參與豐好運活動，請先前往永豐期貨LINE@完成報名參加活動。
▪️海期首動戶定義為2021/1/1-2021/3/31未交易海期(含活動期間新開戶)之客戶。
▪️更多詳情請見活動官網。

永豐期貨股份有限公司
台北市重慶南路一段2號8樓
109年金管期總字第008號

台中市南屯區惠中路三段69號4樓
電話：04-3601-8288
104年金管期分字號第0016號

創新工場“AI蒙汗藥”入選NeurIPS 2019，3年VC+AI佈局進入科研收穫季

本文來自量子位微信公眾號
……………………………………………………………………

NeurIPS 2019放榜，創新工場AI工程院論文在列。

名為“Learning to Confuse: Generating Training Time Adversarial Data with Auto-Encoder”。

一作是創新工場南京國際AI研究院執行院長馮霽，二作是創新工場南京國際人工智慧研究院研究員蔡其志，南京大學AI大牛周志華教授也在作者列。

論文提出了一種高效生成對抗訓練樣本的方法DeepConfuse，通過微弱擾動資料庫的方式，徹底破壞對應的學習系統的性能，達到“資料下毒”的目的。

創新工場介紹稱，這一研究就並不單單是為了揭示類似的AI入侵或攻擊技術對系統安全的威脅，還能協助針對性地制定防範“AI駭客”的完善方案，推動AI安全攻防領域的發展。

NeurIPS，全稱神經資訊處理系統大會(Conference and Workshop on Neural Information Processing Systems)，自1987年誕生至今已有32年的歷史，一直以來備受學術界和產業界的高度關注，是AI學術領域的“華山論劍”。

作為AI領域頂會，NeurIPS也是最火爆的那個，去年會議門票在數分鐘內被搶光，而且在論文的投稿錄取上，競爭同樣激烈。

今年，NeurIPS會議的論文投稿量再創新高，共收到6743篇投稿，最終錄取1428篇論文,錄取率為21.2%。

▌“資料下毒”論文入選頂會NeurIPS

那這次創新工場AI工程院這篇入選論文，核心議題是什麼？

我們先拆解說說。

近年來，機器學習熱度不斷攀升，並逐漸在不同應用領域解決各式各樣的問題。不過，卻很少有人意識到，其實機器學習本身也很容易受到攻擊，模型並非想像中堅不可摧。

例如，在訓練(學習階段)或是預測(推理階段)這兩個過程中，機器學習模型就都有可能被對手攻擊，而攻擊的手段也是多種多樣。

創新工場AI工程院為此專門成立了AI安全實驗室，針對人工智慧系統的安全性進行了深入對評估和研究。

在被NeurIPS收錄的論文中，核心貢獻就是提出了高效生成對抗訓練資料的最先進方法之一——DeepConfuse。

▌給數據下毒

通過劫持神經網路的訓練過程，教會雜訊生成器為訓練樣本添加一個有界的擾動，使得該訓練樣本訓練得到的機器學習模型在面對測試樣本時的泛化能力盡可能地差，非常巧妙地實現了“資料下毒”。

顧名思義，“資料下毒”即讓訓練資料“中毒”，具體的攻擊策略是通過干擾模型的訓練過程，對其完整性造成影響，進而讓模型的後續預測過程出現偏差。

“資料下毒”與常見的“對抗樣本攻擊”是不同的攻擊手段，存在於不同的威脅場景：前者通過修改訓練資料讓模型“中毒”，後者通過修改待測試的樣本讓模型“受騙”。

舉例來說，假如一家從事機器人視覺技術開發的公司希望訓練機器人識別現實場景中的器物、人員、車輛等，卻不慎被入侵者利用論文中提及的方法篡改了訓練資料。

研發人員在目視檢查訓練資料時，通常不會感知到異常（因為使資料“中毒”的噪音資料在圖像層面很難被肉眼識別），訓練過程也一如既往地順利。

但這時訓練出來的深度學習模型在泛化能力上會大幅退化，用這樣的模型驅動的機器人在真實場景中會徹底“懵圈”，陷入什麼也認不出的尷尬境地。

更有甚者，攻擊者還可以精心調整“下毒”時所用的噪音資料，使得訓練出來的機器人視覺模型“故意認錯”某些東西，比如將障礙認成是通路，或將危險場景標記成安全場景等。

為了達成這一目的，這篇論文設計了一種可以生成對抗雜訊的自編碼器神經網路DeepConfuse。

通過觀察一個假想分類器的訓練過程更新自己的權重，產生“有毒性”的雜訊，從而為“受害的”分類器帶來最低下的泛化效率，而這個過程可以被歸結為一個具有非線性等式約束的非凸優化問題。

▌下毒無痕，毒性不小

從實驗資料可以發現，在MNIST、CIFAR-10以及縮減版的IMAGENET這些不同資料集上，使用“未被下毒”的訓練資料集和“中毒”的訓練資料集所訓練的系統模型在分類精度上存在較大的差異，效果非常可觀。

與此同時，從實驗結果來看，該方法生成的對抗雜訊具有通用性，即便是在隨機森林和支援向量機這些非神經網路上也有較好表現。

其中，藍色為使用“未被下毒”的訓練資料訓練出的模型在泛化能力上的測試表現，橙色為使用“中毒”訓練資料訓練出的模型的在泛化能力上的測試表現。

在CIFAR和IMAGENET資料集上的表現也具有相似效果，證明該方法所產生的對抗訓練樣本在不同的網路結構上具有很高的遷移能力。

此外，論文中提出的方法還能有效擴展至針對特定標籤的情形下，即攻擊者希望通過一些預先指定的規則使模型分類錯誤，例如將“貓”錯誤分類成“狗”，讓模型按照攻擊者計畫，定向發生錯誤。

例如，下圖為MINIST資料集上，不同場景下測試集上混淆矩陣的表現，分別為乾淨訓練資料集、無特定標籤的訓練資料集、以及有特定標籤的訓練資料集。

實驗結果有力證明，為有特定標籤的訓練資料集做相應設置的有效性，未來有機會通過修改設置以實現更多特定的任務。

對資料“下毒”技術的研究並不單單是為了揭示類似的AI入侵或攻擊技術對系統安全的威脅，更重要的是，只有深入研究相關的入侵或攻擊技術，才能有針對性地制定防範“AI駭客”的完善方案。

隨著AI演算法、AI系統在國計民生相關的領域逐漸得到普及與推廣，科研人員必須透徹地掌握AI安全攻防的前沿技術，並有針對性地為自動駕駛、AI輔助醫療、AI輔助投資等涉及生命安全、財富安全的領域研發最有效的防護手段。

▌還關注聯邦學習

除了安全問題之外，人工智慧應用的資料隱私問題，也是創新工場AI安全實驗室重點關注的議題之一。

近年來，隨著人工智慧技術的高速發展，社會各界對隱私保護及資料安全的需求加強，聯邦學習技術應運而生，並開始越來越多地受到學術界和工業界的關注。

具體而言，聯邦學習系統是一個分散式的具有多個參與者的機器學習框架，每一個聯邦學習的參與者不需要與其餘幾方共用自己的訓練資料，但仍然能利用其餘幾方參與者提供的資訊更好的訓練聯合模型。

換言之，各方可以在在不共用資料的情況下，共用資料產生的知識，達到共贏。

創新工場AI工程院也十分看好聯邦學習技術的巨大應用潛力。

今年3月，“Learning to Confuse: Generating Training Time Adversarial Data with Auto-Encoder”論文的作者、創新工場南京國際人工智慧研究院執行院長馮霽代表創新工場當選為IEEE聯邦學習標準制定委員會副主席，著手推進制定AI協同及大資料安全領域首個國際標準。

創新工場也將成為聯邦學習這一技術“立法”的直接參與者。

▌創新工場AI工程院科研成績單

創新工場憑藉獨特的VC+AI（風險投資與AI研發相結合）的架構，致力於扮演前沿科研與AI商業化之間的橋樑角色。

創新工場2019年廣泛開展科研合作，與其他國際科研機構合作的論文，入選多項國際頂級會議，除上述介紹的“資料下毒”論文入選NeurlPS之外，還有8篇收錄至五大學術頂會，涉及影像處理、自動駕駛、自然語言處理、金融AI和區塊鏈等方向。

┃兩篇論文入選ICCV

Disentangling Propagation and Generation for Video Prediction
https://arxiv.org/abs/1812.00452

這篇論文的主要工作圍繞一個視頻預測的任務展開，即在一個視頻中，給定前幾幀的圖片預測接下來的一幀或多幀的圖片。

Joint Monocular 3D Vehicle Detection and Tracking
https://arxiv.org/abs/1811.10742

這篇論文提出了一種全新的線上三維車輛檢測與跟蹤的聯合框架，不僅能隨著時間關聯車輛的檢測結果，同時可以利用單目攝像機獲取的二維移動資訊估計三維的車輛資訊。

┃一篇論文入選IROS

Monocular Plan View Networks for Autonomous Driving
http://arxiv.org/abs/1905.06937

針對端到端的控制學習問題提出了一個對當前觀察的視角轉換，將其稱之為規劃視角，它把將當前的觀察視角轉化至一個鳥瞰視角。具體的，在自動駕駛的問題下，在第一人稱視角中檢測行人和車輛並將其投影至一個俯瞰視角。

┃三篇論文入選EMNLP

Multiplex Word Embeddings for Selectional Preference Acquisition

提出了一種multiplex詞向量模型。在該模型中，對於每個詞而言，其向量包含兩部分，主向量和關係向量，其中主向量代表總體語義，關係向量用於表達這個詞在不同關係上的特徵，每個詞的最終向量由這兩種向量融合得到。

What You See is What You Get: Visual Pronoun Coreference Resolution in Dialogues
https://assert.pub/papers/1909.00421

提出了一個新模型（VisCoref）及一個配套資料集（VisPro），用以研究如何將代詞指代與視覺資訊進行整合。

Reading Like HER: Human Reading Inspired Extractive Summarization

人類通過閱讀進行文本語義的摘要總結大體上可以分為兩個階段：1）通過粗略地閱讀獲取文本的概要資訊，2）進而進行細緻的閱讀選取關鍵句子形成摘要。

本文提出一種新的抽取式摘要方法來模擬以上兩個階段，該方法將文檔抽取式摘要形式化為一個帶有上下文的多臂老虎機問題，並採用策略梯度方法來求解。

┃一篇論文入選IEEE TVCG

sPortfolio: Stratified Visual Analysis of Stock Portfolios
https://www.ncbi.nlm.nih.gov/pubmed/31443006

主要是對於金融市場中的投資組合和多因數模型進行可視分析的研究。通過三個方面的分析任務來幫助投資者進行日常分析並升決策準確性。

並提出了一個全新的視覺化分析系統sPortfolio，它允許使用者根據持倉，因數和歷史策略來觀察投資組合的市場。sPortfolio提供了四個良好協調的視圖。

┃一篇論文入選NSDI

Monoxide: Scale Out Blockchain with Asynchronized Consensus Zones
https://www.usenix.org/system/files/nsdi19-wang-jiaping.pdf

提出了一種名為非同步共識組 Monoxide 的區塊鏈擴容方案，可以在由 4.8 萬個全球節點組成的測試環境中，實現比比特幣網路高出 1000 倍的每秒交易處理量，以及 2000 倍的狀態記憶體容量，有望打破“不可能三角”這個長期困擾區塊鏈性能的瓶頸。

▌獨特的“科研助推商業”思路

國內VC，發表論文都很少見，為什麼創新工場如此做？

這背後在於其“VC+AI”模式。

最獨特之處在于，創新工場的AI工程院可以通過廣泛的科研合作以及自身的科研團隊，密切跟蹤前沿科研領域裡最有可能轉變為未來商業價值的科研方向。

這種“科研助推商業”的思路力圖儘早發現有未來商業價值的學術研究，然後在保護各方智慧財產權和商業利益的前提下積極與相關科研方開展合作。

同時，由AI工程院的產品研發團隊嘗試該項技術在不同商業場景裡可能的產品方向、研發產品原型，並由商務拓展團隊推動產品在真實商業領域的落地測試，繼而可以為創新工場的風險投資團隊帶來早期識別、投資高價值賽道的寶貴機會。

“科研助推商業”並不是簡單地尋找有前景的科研專案，而是將技術跟蹤、人才跟蹤、實驗室合作、智慧財產權合作、技術轉化、原型產品快速反覆運算、商務拓展、財務投資等多維度的工作整合在一個統一的資源體系內，用市場價值為導向，有計劃地銜接學術科研與商業實踐。

以AI為代表的高新技術目前正進入商業落地優先的深入發展期，產業大環境亟需前沿科研技術與實際商業場景的有機結合。

創新工場憑藉在風險投資領域積累的豐富經驗，以及在創辦AI工程院的過程中積累的技術人才優勢，特別適合扮演科研與商業化之間的橋樑角色。

於是，創新工場AI工程院也就順勢而生。

創新工場人工智慧工程院成立於2016年9月，以“科研+工程實驗室”模式，規劃研發方向，組建研發團隊。

目前已經設有醫療AI、機器人、機器學習理論、計算金融、電腦感知等面向前沿科技與應用方向的研發實驗室，還先後設立了創新工場南京國際人工智慧研究院、創新工場大灣區人工智慧研究院。

目標是培養人工智慧高端科研與工程人才，研發以機器學習為核心的前沿人工智慧技術，並同各行業領域相結合，為行業場景提供一流的產品和解決方案。

而且， 創新工場還與國內外著名的科研機構廣泛開展科研合作。

例如，今年3月20日，香港科技大學和創新工場宣佈成立電腦感知與智慧控制聯合實驗室（Computer Perception and Intelligent Control Lab）。

此外，創新工場也積極參與了國際相關的技術標準制定工作。例如，今年8月，第28屆國際人工智慧聯合會議（IJCAI）在中國澳門隆重舉辦，期間召開了IEEE P3652.1（聯邦學習基礎架構與應用）標準工作組第三次會議。

IEEE聯邦學習標準由微眾銀行發起，創新工場等數十家國際和國內科技公司參與，是國際上首個針對人工智慧協同技術框架訂立標準的專案。

創新工場表示，自身的科研團隊將深度參與到聯邦學習標準的制定過程中，希望為AI技術在真實場景下的安全性、可用性以及保護資料安全、保護使用者隱私貢獻自己的力量。

歡迎再度來到諾蘭全解析系列! 這次要來談的是《星際效應》。這部諾蘭評價最兩極的作品，到底是它的大師級之作，還是只是在炫技呢? 快來看看《星際效應》的真正意義吧!

FB(有各種影視迷因): https://www.facebook.com/tessereq/
加入會員:https://www.youtube.com/channel/UC0Q-fBheHysYWz9ObSEzMdA/join
如果你剛來，請看這裡: https://www.youtube.com/watch?v=iZj5phF46N8&list=PLNsYSXaDLA89TvBjuV3h7l0wVRSPLk7FJ&index=1
諾蘭電影全解析: https://www.youtube.com/watch?v=cv3pZ8GCNnI&list=PLNsYSXaDLA896bdu-7_WbeX4sDLI5JIjS
=====================================

剪輯: Bruce Lu
監製/編輯: 黃豪瑞 (Jasper)

歡迎來到超粒方，一個主要探討影視作品的頻道，在這裡，你可以看到各種電影和影集的觀點解析，從熱門大片道經典老片到必看的冷門電影! 有時也會探究時事。還有迷因，非常，非常多的謎因

這部電影對於眾多諾蘭的觀眾來說，可說是代表著一個重要的轉折點，
在這之前，幾乎所有人都認為諾蘭的堅持以及他融合無可比擬的娛樂和深層議題的能力，
足以讓他成為電影業的救星。
但是《星際效應》這部電影，卻讓某些人開始對這個想法抱持懷疑。

如今，在《星際效應》之後，
你要不是認為他只會拿看似龐大的概念以及曲折離奇的劇情炫技，
加入Bravo Nolan的黑粉行列，
要不然就是更深沉地陷入它所營造的世界之中，成為忠實諾蘭腦粉。
究竟，這部電影到底是個前所未見的史詩級作品，闡述某種宇宙性的道理，
又能描述一個令人發自內心潸然淚下的父女故事，
又或者，這部電影，只是一部用力、刻意地擠出觀眾眼淚，充斥著炫技操弄之作?
就連另一名我很欣賞的導演，
因《水底情深》而得到奧斯卡的吉勒摩戴托羅都說諾蘭是個「情感數學家」。
我相信他這樣說是沒有貶意的，
但是用數學如此「公式化」的冰冷手法去營造「情感」如此不理性的概念，不是有些矛盾嗎?
確實，諾蘭電影之中的情緒往往都彷彿是經由精密計算，
已經都抓準什麼時候能夠產生最大效益，配合漢斯季默令人無從抵抗的配樂
一次次重擊觀眾的各種感官，雖然非常有效，卻也顯得不夠人性化。
又或者是他闡述的一些主旨，讓人感覺像是在講大道理。
像是這部的罪魁禍首，當然就是安海瑟薇的這句話:
"Love is the one thing capable of transcending time and space etc etc”
對...這句確實許多令人詬病之處
我先不暴雷我到底是屬於剛剛所提的兩種諾蘭極端派別的哪一邊，
但是這一整段獨白，用在這裡不僅有些突兀，甚至可說是無厘頭
尤其在這段出現之前，這部都非常細心的建立在紮實的科學根據來建構劇情，
怎麼突然跳到這種虛無縹緲的概念?
更何況，「愛情是一切的解答」，無論在音樂、文學、電影之中，都早已是陳腔濫調了。
那麼，總是求新求變的諾蘭，
究竟為什麼會拿一個如此老套肉麻的概念來做為這部星際電影的中心主旨?

在諾蘭的電影之中，主角們在絕大多數時候都被困在某種無形的「監獄」之中，
而這些監獄，多半是他們自己施加。
一個保險業務員在老婆死後給自己灑下的各種虛假線索，讓自己維持些許的人生目標，
一名魔術師，為了自己對於藝術的追求，而不惜犧牲自己的身分以及人性，
相信我不用繼續舉例了，你大概知道意思。
而他們，就像諾蘭本人，都執著於「做好自己的工作」，
這些Good Job，往往卻也都帶著無法彌補的個人犧牲。
而這種為完成任務而犧牲自己的最佳例子，莫過於《星際效應》的庫柏。
困住他的監獄，並不完全是來自於他自身，而是全人類的共同體驗，
這個監獄，也就是「時間」。
他不僅被時間所困住，還被如玩物一般折磨、操弄，
轉瞬之間，他對於女兒的承諾就這麼破滅，莫菲的年紀，已經來到當年離開時的庫柏。
他曾經的家，已然成為了陌生的領土，而當年哭喊著要他留下的小女兒，
已經成為了漠然，甚至失望的成年人。
庫柏看著已然是陌生人的兒女，不禁啜泣，卻也無力挽回。

但是，既然我們都被時間所掌控，無能為力地被拖著走，那這一切究竟有什麼意義?
此時，因為過了23年，太空艘原料消耗不少，現在他們一行人必須面臨一個難題，
要選擇安海瑟威飾演的艾蜜莉亞前愛人愛德蒙斯，
還是「人類的模範」，整個計畫的核心人物曼恩博士?
這也讓我們再次回到她那句被許多人認為是謬論的說法，
也就是愛，愛是穿越時間與空間，維繫一切的最大力量。
想當然耳，這時後的庫柏，直接否定她所提出的理論，
只有能被客觀驗證、觀察與證明的科學，才是最終能夠拯救我們的答案。
一行人因此前往曼恩博士的星球。
不過...回到地球上，臨死前的布蘭教授揭露了A計畫只是個漫天大謊，
沒有黑洞之中的新資料，他其實無法真正解決重力的問題。
不僅如此，我們也發現了曼恩博士也在撒謊，他的星球根本不宜人居。
如果你看這個系列看到現在，你也會注意到在諾蘭過去的作品裡，
「謊言」以及「欺騙」也是其中的一大主題。
角色們時常告訴自己各種謊言來維持住自身的假想道德觀以及些微的理智，
他們的這些謊言是為了「保護他人的安全」、「犧牲小我完成大我」。
而《星際效應》直接顯現了，一切謊言都只是一時的，
在時間這無窮的監獄之中，這些謊言的表皮終究會逐漸脫落，顯露其空洞的真面目。
不過，謊言的本質也不總是惡毒的，布蘭博士對於所有人撒下的謊，
也促使世界各國再次團結一心，即使終究會滅亡，無庸置疑也是帶來短暫和平的關鍵。
諷刺的是，在人類的自私本質之下，
有時只能透過謊言來讓我們停止盯著眼前可見的膚淺目標。
就如電影中布蘭博士所說:
“I’m not afraid of death, I’m afraid of...time”
「時間」並不是克蘇魯般的宇宙恐懼，盯一眼就會讓人失去神智，
但是它在無形之中，在無意識之下，卻無時無刻不悄悄剝奪你的一小部分。
那麼，受困於這監獄之中，給予我們意義的，究竟是什麼?
你又猜對了，就是愛。
《星際效應》說明，愛正是在這廣袤無垠的囚牢之中，
牽引我們，引導我們的強大力量。
沒有時間，也不會有愛，這兩者就有如量子糾纏
(Will Smith: “Entanglement?”)
如果我們是那全知的五次元生物，同時能夠看到、存在於所有時間，
一切情感以及掙扎都會顯得毫無意義、微不足道。
就如天能解析影片提過，經典後現代小說《第五號屠宰場》之中能夠看到所有時間軸的外星人，
在被問到為什麼不阻止他們已經看到會發生的宇宙毀滅時，
只淡淡地回答:「事情就是這樣。」
反之亦然，如果沒有對於某樣人、事、物無法抹滅的熱愛，
時間的流逝就會失去意義，虛擲光陰也似乎是天經地義。
因此，時間雖然困住了我們，但是人不應該就這樣畫地自限，
正因為所有人都知道我們正一步步地步向死亡，才讓這一切產生意義。
但是，時至今日，在人們的壽命愈來愈長之時，我們對於時間的認知反而愈來愈低，
不斷地讓每分每秒充斥無意義的雜訊，
讓自己愈來愈忙碌，實際上在乎的，卻愈來愈少。
雖然說現實世界之中的NASA還在運作，但是庫柏說得對，我們只會盯著腳下的塵土。
他說「我們是先鋒、探險家、不是看護者」
但是對我來說，這句話也不完全是對的。
正是因為我們是「看護者」，有著在乎的心態，有著愛的連結，
才能夠驅使自己成為披荊斬棘的探險家。
《星際效應》所訴說的，其實在第一場戲就講明白了:
“Science is about admitting what we don’t know”
而世間觸手可及，但肉眼卻完全不可見的最大奧義，就是人與人之間的情感。
科學並不能解決所有的問題，科技終究是來自於人性，我們真正需要的，是情感，
唯有可見的科學以及不可見的人類體驗完全合而為一時，人類才能夠有真正的發現。

而回到動物最原始的情緒本能，不就是生存本能嗎?
活下去的原始動力就是人們創造力的最大來源，
面對死亡的恐懼，面對無法掌控時間的恐懼，正是人之所以為人的最大原因。
庫柏對於家人的牽掛原本是個累贅，
但他對於女兒的愛，對於女兒的承諾，對於時間將他與這個承諾拉得愈來愈遠的恐懼，
才使他成為這個故事之中的英雄。
「愛」這個難以用言語形容，卻又無可撼動的力量，
正是穿越時間與空間，將我們牢牢穩固的船錨。

但是，愛的「概念」，難道足以彌補時間所造成的損失嗎?
如庫柏，世上所有身為家長的人們，應該都能感受到時間的快速流逝，
轉瞬之間，你已然成為了孩子的鬼魂，當然不是字面上意義的鬼魂
(雖然說如果你已經不在這世上了，卻仍然認真看這部影片，我當然非常感謝你的支持，
晚上不要託夢給我我已經很常失眠了謝謝)
當然，不是每個人都有這個緣分穿越蟲洞然後降落到超靠近黑洞的星球上，
但是為了工作養家而錯過自己孩子的成長，卻是大有人在，
一不注意，他們已經離開家裡，出了社會。
即使庫柏拯救了全世界，
他眼睜睜看著自己女兒在沒有自己的情況下老去的這個代價，值得嗎?
也許他這樣的犧牲是必須的、甚至值得推崇的，
但對於困在超立方體內(oh yes) 的庫柏，絕對...不值得。不可能值得。


最後，這橫跨宇宙的史詩故事，也回到了諾蘭最原始，最平凡無奇的主題-
家。
諾蘭的每一部電影的主角，幾乎都急切著尋求自己曾經擁有，或是從未擁有的家。
這講述的並不一定是真正的一個地方，有可能是任何人事物，
甚至是你自己腦海中的一小角。
敦克爾克看著地平線的士兵、
《記憶拼圖》萊納為了尋求意義而給予自己的謊言、
蝙蝠俠不惜一切代價所保護的高譚市。
而《星際效應》所講述的悲哀，就是時間對於「家」所造成的改變，
有時候，你在隔了一段時間回到家，回到你曾經熟悉之處，
卻發現時過境遷，物是人非。
這並不見得是壞事，畢竟我們的骨子裡都有一個冒險者，「改變」就是人們的命運。
時間是個監獄，但是唯有認知到生命的短暫，一切轉瞬即逝的變化性，
我們才真正有可能得到自由。
這種先鋒的精神，是我們此刻最需要，但是也最匱乏的。
而這種精神最大的推動力，也就是無可預測、無從觀察，但是卻真切存在的愛。
在你看完這部影片之後，我們都老了20分鐘，更靠近死亡20分鐘，
但是《星際效應》訴說了，
我們不應該因為這樣的恐懼而停止仰望自己在星空之中的位置。
沒有人能夠逃離時間，但是我們能做的，是記錄下它、超越它，
就如電影最後太空站的還原房子之中大大小小的螢幕，播放著紀錄片。
我們也許現在不知道對於身邊的人的愛，以及這些紀錄能夠帶來什麼，
但是正如史帝夫賈伯斯所說:
「你無法預先把現在所發生的點點滴滴串聯起來，
只有在未來回顧今日時，你才會明白這些點滴是如何串在一起的。」
而諾蘭也一樣，堅定地透過他最懂的語言來傳達這點，
電影，在本質上就跟愛一樣，其中闡述的想法也是超越時間以及空間的
而諾蘭竭盡一生試圖保存，對於電影的愛，已經愈來愈不受重視，
現代商業大片幾乎只求效率以及一時的歡笑、緊張，觀眾們都說「開心就好」，
但是，曾經，電影也是啟發驚奇、探索未知的最佳先鋒之一，
現在卻成為了不斷地繞著原地旋轉的遊樂園，短短十分鐘就能「看完」，大家也滿足了。
而正如住在四次元空間，但是只能掌控三次元的我們，

電影不也是用一塊二次元的銀幕來塑造充滿無限可能的三次元世界嗎?