人為什麼會被打動?—當AI遇上敘事與智能節奏|科學史沙龍2026【美從哪裡來?】

臺大科學教育發展中心CASE · 發布於 2026/06/07 上午04:26 · 更新於 2026/10/31 上午09:35 · 台北時間 · 本頁的資料來源與計算方式 ⓘ

觀看數
2,439次
喜歡
71次
YouTube 留言總數
0則
長度
—
字幕狀態未確認

觀看數觀測

目前僅一筆觀測 ·
2,439次

共同標籤

這支影片尚未比對共同詞彙

比對版本

youtube-quality-20261017-a

影片說明

▸講師一◂ 馮勃翰|臺灣大學經濟學系副教授 馮老師擅長經濟學,談論全球娛樂產業,電影結構、敘事方式與情緒如何在市場與人性偏好之間被反覆選擇、放大,進而形塑我們熟悉的美感與流行形式。很榮幸能邀請馮老師分享AI如何帶我們重新理解故事創作。 ▸講師二◂ 劉奕汶|清華大學電機資訊學院電機工程學系特聘教授 劉奕汶老師會詢問大家:「節奏感是一種智能嗎?」 音樂的旋律、和聲、節奏三要素中,似乎節奏感是最不需要學習的,彷彿人類天生就會隨著音樂而律動起來。如此「不難」的事情,算是一種智能(intelligence) 嗎?本演講將嘗試由聽神經系統構造,數學建模,以及舉實際範例的方式,來分享「打拍子」其實不是件單純的事情。或許節奏之美,就在於它有無法精準描述的地方,多人合奏更牽涉到音樂家之間難以言喻的默契 -- 然而我們還是嘗試要模擬它。 ―――― 演講資訊 ―――― ▸講題◂ 人為什麼會被打動?——當AI遇上敘事與智能節奏 ▸時間◂ 2026年6月6日 星期六 14:00-16:00 ▸地點◂ 臺灣大學思亮館國際會議廳 ▸講師◂ 馮勃翰|臺灣大學經濟學系副教授 ▸講師◂ 劉奕汶|清華大學電機資訊學院電機工程學系特聘教授 ▸主持◂ 詹瀅潔 |臺大土木工程學系副教授兼副系主任 重點時間軸 🎬故事之美(結構、類型與 AI 情感分析) 00:05:54|美感的本質:美來自於世界或故事中那些「隱而未現的秩序與規律」。 00:07:33|數位人文學:AI 其實是極度擅長「辨認模式與分類」的強大工具。 00:14:22|救貓咪理論:好萊塢劇本讓觀眾對主角自發產生認同、產生情感連結的底層機制。 00:19:35|重新定義類型:電影類型本質上是為了滿足「人類在真實世界生活所需的情緒體驗」。 00:37:57|大師的密碼:以李安導演為例,說明創作者如何不自覺地受困於特定故事原型。 00:40:06|英雄旅程結構:全世界、跨文化的神話與商業故事,為何能用同一套敘事結構來統一? 00:43:19|AI 情感分析:電腦如何透過字詞的「正負向、強弱度」為一部小說畫出情緒心電圖。 00:46:40|結構重合實驗:驚人的數據大發現!《達文西密碼》與《格雷的五十道陰影》的情緒起伏曲線幾乎完全重合。 🎹 節奏之美(節奏本能、人機合奏與耦合同步) 00:53:24|生物學的秘密:人類的耳蝸(聽覺)與半規管(平衡覺)在構造上天生連通,這解釋了為什麼我們聽到節奏身體就會想動。 00:55:00|腦幹資訊整合:聲音訊號在抵達大腦前,早在腦幹(梭形細胞)就與頭頸轉動的本體感覺融合。 00:57:35|小腦的搶先感知:震撼發現!聲音傳到小腦(掌管運動、協調)只要 35 毫秒,比傳到大腦皮質產生意識(50毫秒)還要快。 01:01:18|節奏感是本能:節奏感與其說是智慧,不如說是演化留下來的防禦與生存本能。 01:06:40|AI 找拍演算法:電腦如何用數學公式在「高能量高峰(敲擊聲)」與「前後拍點穩定度」之間取得平衡。 01:18:20|音樂的脈搏:致敬台大退休教授——音樂是活的脈搏、是心靈與熱情(Soul),絕不能像鐘擺般死板。 01:21:00|合奏同步數學模型:引入 Kuramoto 螢火蟲同步模型,嘗試用微分方程去模擬音樂家之間的默契與隱形溝通。 01:25:35|人機圖靈測試:AI 伴奏(小星星變奏曲)實測,探討 AI 能否透過即時速度修正騙過人類耳朵。 01:29:35|AI 合奏大翻車:兩台 AI 在彼此不知道對方身份的情況下合奏莫札特,結果陷入「無盡等待對方」越彈越慢的系統死結。 01:31:41|AI 音樂的終極詰問:AI 音樂成功的標準,一定要是「勝過人類」嗎? 💬 座談與關鍵提問(QA) 01:40:34|Q: AI 是否會取代創作者?:大師聯手回應!AI 最擅長產出「平均值以上、優秀的平庸之作」,但真正能打動人的「爆款驚喜」與「歷史靈魂」,仍舊無法被取代。 01:51:02|Q: 未來 AI 藝術的兩條路線:美國的「AI 輔助手工(人主控細節)」vs 另一派嚮往的「AI 一鍵生成」,究竟哪一條路才能真正走向市場、帶給人類快樂與感動? ※本時間軸由AI產生 ------------------------------------------------------------------- 𝐂𝐀𝐒𝐄 臺灣大學科學教育發展中心 科學史沙龍系列講座 2026【美從哪裡來?】 ―――― 策劃顧問 ―――― 陳一平|陽明交通大學應用藝術研究所教授 蔡振家|臺灣大學音樂學研究所專任副教授 -------------------------------------------------------------------

本頁的資料來源與計算方式

影片的數字

公開統計
觀看、喜歡與留言總數是取得當時的 YouTube 公開統計,不是即時數值;各項統計的觀測時間可能不同。「資料最後記錄」是影片資料的記錄時間,不代表觀看、喜歡或留言都在那時重新觀測。
觀看歷史
圖上每個點是實際儲存的觀測,連線只為方便閱讀,不代表中間時間的測量值;沒有歷史觀測時不建立時間序列。
喜歡占互動
喜歡 ÷(喜歡+不喜歡+顯示留言),任一來源缺值時不估算。
字幕
只記錄來源是否提供字幕,尚未擷取逐字稿,因此字幕不列入標籤比對。
觀測分析
直播逐時/逐日最高同時在線取自所讀直播紀錄;讀取上限、略過與解析失敗的筆數列在「資料涵蓋範圍與解析限制」。

共同標籤

標籤來源:新文易數(tag.observe.tw)。共同標籤以文字比對影片標題與說明,不是 AI 判讀;命中不代表事件歸屬或立場,與頻道分類分開。標題或說明出現標籤,不代表影片主題;可能來自固定宣傳或版權文字。字幕尚未取得,不列入比對。

比對範圍
僅列出目前詞彙版本與影片標題、說明仍相符的比對結果;待比對或來源文字已變動的影片不列入,數量見「收錄與比對範圍」。
期間
「往前 N 日」包含今天與前 N 天,共 N+1 個台北日曆日(往前 7 日為 8 個日曆日);指定起訖日期時以實際起訖日為準。日數、日期與小時條件同時套用。
命中片段
每支影片最多顯示 3 段,標示來自標題、說明或字幕;沒有片段時顯示「沒有命中片段」,來源文字缺漏時顯示「來源文字未提供」,不另行補寫。完整比對依據在影片頁的「共同標籤與比對依據」。
顯示排除
符合標籤顯示規則的詞(上游排除詞、雜訊、純數字或日期、長度不符,以及核定的來源或平台名稱、雙字通用詞、國家城市政黨詞、少數 YouTube 平台或宣傳用語)整詞不列入排行,但仍保留在原始詞彙池與比對證據中;原始詞彙池列出排除原因。雙字通用詞只依核定清單判定,包含它們的人名、事件或具體議題不會因此被排除。管理員也可以在排行上直接排除個別標籤,同樣只影響排行顯示,每次排除與恢復都留有紀錄。
說明欄樣板
同一頻道說明欄反覆出現的宣傳段落不列入比對。「24小時」這類詞只在這種重複宣傳段落中略過,出現在一般新聞內容時照常計入;這不同於整詞的顯示排除。
示例
列表與片段只是符合條件的影片例子,不能用來推算整體比例或全站失真程度;有效比對的影片比例只代表比對完成度。
觀看
累計觀看是取得當時的公開觀測值,不是期間增量;無觀看值的影片不當作 0。

本頁資料範圍

觀看數與互動數為取得當時的公開觀測值。

時間序列只有一筆有效觀測時,只列出該值與觀測時間,不畫走勢圖;累積兩筆以上才畫圖。

資料來源

本站以納入名單的 YouTube 頻道與影片為範圍(名單見頻道觀測),數據來自 YouTube 公開資料與定時觀測:直播約每分鐘輪詢一次,頻道統計、新影片與影片統計則分批輪流更新,所以同一頁的數字不一定在同一時間取得。不涵蓋全 YouTube;缺漏、尚未收錄或資料服務中斷都不等於零,尚未取得的數值顯示「—」。

頁面使用台北時間(UTC+8)。「更新於」是來源已記錄的觀測時間;來源沒有記錄時顯示「未記錄」,不以開啟網頁的時間代替。

共同標籤詞彙的標籤來源:新文易數(tag.observe.tw),保留來源、版本與比對依據;本站的頻道分類沿用有影儀表板的來源組織方式,與內容標籤是不同維度。影片數、觀看數與直播同時在線人數分開計算,不代表 YouTube 全站流量,也不表示因果關係。

完整的資料來源與計算方式 →