女人天生愛挑剔嗎？

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

理解期望值，有助於分析賭場裡的大部分賭局，以及美國中西部和英國的嘉年華會中，常有人玩、但一般人比較不熟悉的賭法：骰子擲好運（chuck-a-luck）。

招攬人來玩「骰子擲好運」的說詞極具說服力：你從 1 到 6 挑一個號碼，莊家一次擲三顆骰子，如果三個骰子都擲出你挑的號碼，莊家付你 3 美元。要是三個骰子裡出現兩個你挑的號碼，莊家付你 2 美元。

假如三個骰子裡只出現一個你挑的號碼，莊家付你 1 美元。如果你挑的號碼一個也沒有出現，那你要付莊家 1 美元。賽局用三個不同的骰子，你有三次機會贏，而且，有時候你還不只贏 1 美元，最多也不過輸 1 美元。

我們可以套用名主持人瓊安．李維絲（Joan Rivers）的名言（按：她的名言是：「我們能聊一聊嗎？」），問一句：「我們能算一算嗎？」（如果你寧願不算，可以跳過這一節。）不管你選哪個號碼，贏的機率顯然都一樣。不過，為了讓計算更明確易懂，假設你永遠都選 4。骰子是獨立的，三個骰子都出現 4 點的機率是 1/6×1/6×1/6＝1/216，你約有 1/216 的機率會贏得 3 美元。

僅有兩個骰子出現 4 點的機率，會難算一點。但你可以使用第 1 章提到的二項機率分布，我會在這裡再導一遍。三個骰子中出現兩個 4，有三種彼此互斥的情況：X44、4X4 或 44X，其中 X 代表任何非 4 的點數。而第一種的機率是 5/6×1/6×1/6＝5/216，第二種和第三種的結果也是這樣。三者相加，可得出三個骰子裡出現兩個 4 點的機率為 15/216，你有這樣的機率會贏得 2 美元。

同樣的，要算出三個骰子裡只出現一個 4 點的機率，也是要將事件分解成三種互斥的情況。得出 4XX 的機率為 1/6×5/6×5/6＝25/216，得到 X4X 和 XX4 的機率亦同，三者相加，得出 75/216。這是三個骰子裡僅出現一個 4 點的機率，因此也是你贏得 1 美元的機率。

要計算擲三個骰子都沒有出現 4 點的機率，我們只要算出剩下的機率是多少即可。算法是用 1（或是100％）減去（1/216 +15/216 + 75/216），得出的答案是 125/216。所以，平均而言，你每玩 216 次骰子擲好運，就有 125 次要輸 1 美元。

這樣一來，就可以算出你贏的期望值（$3×1/216）+（$2×15/216）+（$1×75/216）+（–$1×125/216）＝$（–17/216）＝–$0.08。平均來說，你每玩一次這個看起來很有吸引力的賭局，大概就要輸掉 8 美分。

尋找愛情，有公式？

面對愛情，有人從感性出發，有人以理性去愛。兩種單獨運作時顯然效果都不太好，但加起來⋯⋯也不是很妙。不過，如果善用兩者，成功的機率可能還是大一些。回想舊愛，憑感性去愛的人很可能悲嘆錯失的良緣，並認為自己以後再也不會這麼愛一個人了。而用比較冷靜的態度去愛的人，很可能會對以下的機率結果感興趣。

在我們的模型中，假設女主角——就叫她香桃吧（按：在希臘神話中，香桃木﹝Myrtle﹞是愛神阿芙蘿黛蒂﹝Aphrodite﹞的代表植物，象徵愛與美）有理由相信，在她的「約會生涯」中，會遇到 N 個可能成為配偶的人。對某些女性來說，N 可能等於 2；對另一些人來說，N 也許是 200。香桃思考的問題是：到了什麼時候我就應該接受X先生，不管在他之後可能有某些追求者比他「更好」？我們也假設她是一次遇見一個人，有能力判斷她遇到的人是否適合她，以及，一旦她拒絕了某個人之後，此人就永遠出局。

為了便於說明，假設香桃到目前為止已經見過 6 位男士，她對這些人的排序如下：3—5—1—6—2—4。這是指，在她約過會的這 6 人中，她對見到的第一人的喜歡程度排第 3 名，對第二人的喜歡程度排第 5 名，最喜歡第三個人，以此類推。如果她見了第七個人，她對此人的喜歡程度超過其他人，但第三人仍穩居寶座，那她的更新排序就會變成 4—6—1—7—3—5—2。每見過一個人，她就更新追求者的相對排序。她在想，到底要用什麼樣的規則擇偶，才能讓她最有機會從預估的 N 位追求者中，選出最好的。

要得出最好的策略，要善用條件機率（我們會在下一章介紹條件機率）和一點微積分，但策略本身講起來很簡單。如果有某個人比過去的對象都好，且讓我們把此人稱為真命天子。如果香桃打算和 N 個人碰面，她大概需要拒絕前面的 37％，之後真命天子出現時（如果有的話），就接受。

舉例來說，假設香桃不是太有魅力，她很可能只會遇見 4 個合格的追求者。我們進一步假設，這 4 個人與她相見的順序，是 24 種可能性中的任何一種（24＝4×3×2×1）。

由於 N＝4，37％ 策略在這個例子中不夠清楚（無法對應到整數），而 37％ 介於 25％ 與 50％ 之間，因此有兩套對應的最佳策略如下：

（A）拒絕第一個對象（4×25％＝1），接受後來最佳的對象。

（B）拒絕前兩名追求者（4×50％＝2），接受後來最好的求愛者。

如果採取A策略，香桃會在 24 種可能性中的 11 種，選到最好的追求者。採取 B 策略的話，會在 24 種可能性中的 10 種裡擇偶成功。

以下列出所有序列，如同前述，1 代表香桃最偏好的追求者，2 代表她的次佳選擇，以此類推。因此，3—2—1—4 代表她先遇見第三選擇，再來遇見第二選擇，第三次遇到最佳選擇，最後則遇到下下之選。序列後面標示的 A 或 B，代表在這些情況下，採取 A 策略或 B 策略能讓她選到真命天子。

1234；1243；1324；1342；1423；1432；2134（A）；2143（A）；2314（A, B）；2341（A, B）；2413（A, B）；2431（A, B）；3124（A）；3142（A）；3214（B）；3241（B）；3412（A, B）；3421；4123（A）；4132（A）；4213（B）；4231（B）；4312（B）；4321

如果香桃很有魅力，預期可以遇見 25 位追求者，那她的策略是要拒絕前 9 位追求者（25 的 37％ 約為 9），接受之後出現的最好對象。我們也可以用類似的表來驗證，但是這個表會變得很龐雜，因此，最好的策略就是接受通用證明。（不用多說，如果要找伴的人是男士而非女士，同樣的分析也成立。）如果 N 的數值很大，那麼，香桃遵循這套 37％ 法則擇偶的成功率也約略是 37％。接下來的部分就比較難了：要如何和真命天子相伴相守。話說回來，這個 37% 法則數學模型也衍生出許多版本，其中加上了更合理的戀愛限制條件。

——本書摘自《數盲、詐騙與偽科學》，2023 年 11 月，大牌出版，未經同意請勿轉載。

根據 10 月 30 號內政部最新公布的統計數據，台灣人最常取用的疊字名字，女性是「婷婷」，男性是「彬彬」，這男生的名字聽起來就很有禮貌，女生則是身材高挑，姿態端莊，而最常見的名字，男性是「家豪」，女性是「淑芬」，這些名字充滿了對於孩子的想像與祝福，希望男生能成為一位顧家卻又不失豪氣的大丈夫，女生則要保持賢淑，同時要像鮮花的芬芳那樣討人喜歡⋯⋯

等等⋯⋯我是不是掉入性別刻板印象了？

電視電影是刻板印象的修煉場，也是打破刻板印象的主戰場

名字就，就名字嘛！幹嘛說人家刻板？不過當我一說這些名字以及他們代表的意義，你應該也很快就察覺這是屬於刻板印象的一部分。這是因為我們的社會已經成長到能辨識這些觀念的程度了，但反過來說，你知道還有多少地方藏著沒有被發現的性別刻板印象嗎？

舉例來說，幾個月前在台灣掀起 MeToo 浪潮的電視劇《人選之人》，用一句「我們不要就這樣算了好不好」，許多人站出來指控那些糾纏他們多年的加害者。能有如此大的迴響，其實是天時地利人和的結果。想想以前看的鄉土劇、日韓劇或台劇，當劇中角色，特別是女性遇到性騷擾，通常是得等男主角出面「拯救」他們，不管是陪著他們去保警處理，或是用比較⋯⋯私人的方法解決。這樣的劇情設計，反映出當時社會給女性貼上的被動與柔弱標籤，必須要依靠勇敢、堅強的白馬王子才有辦法在社會上生存。雖然人選之人這部劇並非全繞著性騷擾事件發展，但一個由女性自己提出「我們不能這樣算了」的橋段，打破了過去影視作品裡的框架，也恰好與當前社會進步的步調吻合，這才如此多曾經被社會期待壓著不敢發聲的人，特別是女性與性少數站出來說出早就該讓大眾知曉的真相。

類似的案例還有留下「可是瑞凡，我回不去了」這句名言的台劇《犀利人妻》，相信你就算沒看過這部戲，也肯定看過這些衍生出來的迷因。犀利人妻之所以如此經典，是因為它翻轉了過去影視作品中對於「伴侶出軌」這件事的刻板印象。想想以前女性角色發現伴侶出軌，大多會選擇自怨自艾，又或者是對所謂的「小三」進行報復，試圖讓被奪走的愛人回心轉意。但是，犀利人妻的主角謝安真卻在悲痛之後卻選了一條新的道路。他割捨了背叛自己的瑞凡，做到了「沒有你，我過得更好」，這才有那句「我回不去了」。這些打破刻板印象的影視作品，不只是提供新觀點這麼簡單，他們更像是一種社會風氣的試水溫。假如這個作品收穫正向的迴響、甚至成為啟發許多人的契機，那代表我們已經做好準備踏入新的階段。

不然你想想，像犀利人妻或人選之人這樣的戲劇，有辦法在三十，甚至五十年前的台灣出現，取得同樣的成功嗎？或者比較一下 2000 年早期當紅偶像劇的男女主角形象（例如《惡作劇之吻》、《流星花園》、《公主小妹》），跟 2010 年開始台劇男女角色形象（《我可能不會愛你》、《女兵日記》、《我的婆婆怎麼那麼可愛》），是不是多了很多有趣的變化與多樣性？

從這個角度去看，一直在進步、向著更平等社會邁進的我們，其實是真的已經「回不去」了。不只製作品質不斷提升，我們也越來越重視劇中傳達的訊息，希望讓影視作品不再是單純的娛樂取向產品，更能為我們生活的環境所有貢獻。

欸，「靠影視改變社會」，這可不只是嘴巴上說得好聽的空頭支票，你我都很熟悉的一個娛樂巨擎已經在做，而且做很多年了。

如果你腦中突然出現三個閃亮亮圓圈⋯⋯恭喜你，答對了！

迪士尼是公主製造工廠？

說到迪士尼，不知道你最先想到的哪個角色呢？對我來說，肯定是最經典的《小美人魚》。但其實啊，現在已經有許多心理學研究發現，這些角色以及他們的故事不只是陪伴我們長大，其實還潛移默化了我們對於自己與他人，乃至於整個世界的想像。

當然，這不是迪士尼對觀眾施了什麼魔法，而是我們，特別是自我認同尚未穩固的小孩子，特別容易從接觸的童話故事、小說、電視電影等媒介中，汲取角色的言行與價值觀成為自己的一部分。這樣的學習歷程在 2012 年被心理學家注意到，並命名為「經驗擷取」（experience-taking），可以把它想像成是一種把虛構角色當成榜樣的學習過程。我們小時候都曾想像自己能成為故事裡的英雄，當個帥氣的白馬王子，或是成為眾星拱月的公主，在充滿愛與勇氣的世界裡過上永遠幸福快樂的日子。經驗擷取就是把這個過程變成無意識、很難覺察得到的悄然變化。

也因為這個人類內建的機制存在，使得迪士尼的公主系列不只是打造出一系列的經典 IP，他還把順應當時性別刻板印象的角色模板偷偷植入每個小小觀眾的腦袋裡。如果你想當公主，就必須穿得像個公主、言行舉止像個公主、活得像個公主⋯⋯而當這些公主與王子都極為相似時，你就會得到兩套（公主與王子）偏頗且平面的刻板印象。對根本不懂人情世故的小孩來說，他們無從判斷這些「必須」是否恰當，又或者適不適合自己，所以更容易無條件地相信這些價值觀。這可不是危言聳聽，早在 1996 年就有心理學家注意到這件事，但要真的引發學術界廣泛的討論，還得等到 2011 年，性別平權意識又再提升之後。在 2017 年的一篇行為分析研究，便明確觀察到頻繁暴露於迪士尼作品的 3-5 歲女童在玩妝扮公主遊戲時，會不假思索地直接複製刻板印象的內容，並且會對自己無法「穿得像位公主」或「動得像位公主」而焦慮。

你可能會想，這些事情等長大自己就會想通了。但其實這些小時候建立起來的想像，就跟雛鳥的印刻效應一樣，會在我們的認知裡停留很久很久，有些人可能一輩子都擺脫不了他們的影響。不只心理學家注意到這件事，迪士尼其實也很清楚自家作品擁有的影響力，這讓他們在 21 世紀後進入了「反轉」期。同樣是改編經典作品，但像《青蛙與王子》、《魔髪奇緣》等作品都賦予角色全新的形象，讓公主挑起英雄的大樑。到了《冰雪奇緣》，更是直接把艾莎晉升成女王，不但讓漢斯這個口蜜腹劍的負心漢王子露出真面目，還藉由與妹妹安娜之間的對比強調「女生為什麼不能自己做主」。雖然看起來還是王權封建制度，但傳達出來的訊息可是截然不同，這些努力也受到近年心理學研究的肯定。

而且大家仔細想想這些被翻轉的迪士尼角色，除了個性獨立，在行為上還有個很重要的共通點，那就是在面對不公義時，他們選擇了反抗。這是過去數百年間性別議題很常碰壁的死結：女性必須要為自己應有的權益發聲，但因為傳統社會期待女性要柔弱，所以當他們真的挺身而出，會先遇到「你怎麼這麼不像女生」的指責，真該重視的權益議題反而被忽略了。這時候，一個能在社會輿論中引發討論、「以身作則」的榜樣，就算是虛構的角色也足以打破那條深埋在社會文化中的無形界線。

過去的迪士尼是公主製造工廠，現在則是扭轉性別刻板印象不可或缺的盟友之一呢。

但是，也有人認為迪士尼已經「政治正確」搞過頭，反而破壞了我們的童年回憶，這又該怎麼看待呢？

矯枉過正的政治正確？

莎士比亞在《哈姆雷特》裡寫下「請您善待這班戲子伶人，不可怠慢！因為他們是這個時代的縮影！」，這句話其實到了現代仍然適用，因為創作作品的是人，所以難免會把自己的經驗與想像投射進去。而且除了創作者自己的意向，作品內容同樣會受到市場箝制，就好比歐洲中世紀的藝術作品會有濃厚的宗教色彩，又或者台灣在解嚴後出現的鄉土文學熱潮，可以說是相輔相成的角色。

但就像 20 世紀的迪士尼迎合市場，卻無意間成為助長性別刻板印象的幫兇，很多東西都是過猶不及，一但走向極端就可能衍生出新的議題。相信大家就算再不關心，肯定都聽過關於「政治正確」的討論吧？但若我們只看一些較為激烈或極端的案例，會很容易誤解這個「政治正確」風氣出現的本意。

前面有說到，所謂的性別刻板印象，是一種偏頗且扁平的框架，告訴你「要想成為他，就必須符合這些條件」。打個比方，你喜歡吃哇沙比嗎？雖然是生魚片的好朋友，但假如今天你從小被教育吃任何食物都要加哇沙比，如果不加就不准吃，那即使你再怎麼討厭哇沙比，也會因為肚子餓而不得不忍受這些難以下嚥的食物組合。這樣隨著時間逐漸僵化的性別框架，在心理學被稱為「性別基模」（gender schema），是一個在過去 30 年來被廣泛研究的題目。

根據提出性別基模理論的心理學家 Bem（貝姆），要想拯救這樣悲劇的味蕾，單純跟你說「你可以不要哇沙比」是沒有用的。因為時間一久，你很可能已經習慣了哇沙比的味道，甚至不需要外力逼迫，你都不覺得這樣搭配有什麼奇怪的。你需要的，是實際感受「沒有哇沙比的食物」吃起來是什麼味道。品嚐過食物原本的味道後，你封閉的經驗被打開了，就算最後決定你還是喜歡哇沙比，那也是自身意願的選擇。

而這些所謂「政治正確」的創作選擇，其實就是在提供過去作品中欠缺的「多樣性」與「社會期待以外的選擇」。像剛拿下金鐘獎最佳女主角、戲劇導演與戲劇節目的《村裡來了個暴走女外科》，便是讓觀眾看見「不符合傳統醫師形象」也能「當個好醫生」的劉梓旭醫師，用超乎社會期待的方式處理自己生活中的議題。另外像是接連刷新華視收視率紀錄的《俗女養成記》又或者是十多年前的偶像劇《敗犬女王》，都是在用自己的方式回應「女生年紀大，身價塌」的歧視，讓同樣對年齡有焦慮感的女性看見選擇就算「不回答標準答案」也能找到幸福的可能性。

同樣的，讓女性或少數族群擔綱過往由男性把持的英雄角色，也是在提供觀眾一種新的角色模板。例如哈利波特裡最聰明、能力最強的並不是被預言選上唯一能與佛地魔對抗的哈利，而是麻瓜出身的妙麗。先不討論作者 JK 羅琳近年與 LGBTQ 族群起的爭議，在 21 世紀初期，那位願意一拳揍上馬份鼻子、永遠是第一個想出困境解法的年輕女巫可是西方女性培力的代言人，成為許多年輕女孩嚮往與效仿的對象。

或許不是每部影視作品都能像哈利波特或迪士尼形塑一整個世代的社會風氣，又或者像人選之人這樣啟發前所未有的 Me Too 運動，但他們多少反映了我們現在身處的環境，同時為他的改變與延續做出一點貢獻。從這個角度去想，你會發現政治正確並不是現在才有的現象，而是從古至今一直都有的創作取向。而之所以「政治正確」會在現代引起如此大的爭議，其實還得歸功我們成功打破了刻板印象，以致於大家都有了「正確答案不只一種」的認知，這才會對與自身想法不同的答案表達質疑，不是嗎？

對了，你最近看過的戲劇作品中，哪些作品的性別呈現最深得你心呢？歡迎跟我們分享吧！我先說，我自己最愛的是《八尺門的辯護人》裡的 Leena 跟陳令秋，那你呢？

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

• https://www.moi.gov.tw/News_Content.a…
• Corwin, H. J. （1998）. Reading with empathy: The effect of self-schema and gender-role identity on readers’ empathic identification with literary characters （Order No. 9937004）. Available from ProQuest Dissertations & Theses A&I. （304459026）. Retrieved from http://search.proquest.com/docview/30…
• Giezrzynski, A., & Eddy, K. （2013）. Harry Potter and the Millennials: Research Methods and the Politics of the Muggle Generation. JHU Press.
• Kaufman, G. F., & Libby, L. K. （2012）. Changing beliefs and behavior through experience-taking. Journal of personality and social psychology, 103（1）, 1.
• Kidd, D. C., & Castano, E. （2013）. Reading literary fiction improves theory of mind. Science, 2013, 342.6156: 377-380.
• Klodt, J. E. （2003）. Sex, drugs, and self-destruction: Reading decadence and identity in spain’s youth narrative.
• Todd, A. R., & Galinsky, A. D. (2014). Perspective‐taking as a strategy for improving intergroup relations: Evidence, mechanisms, and qualifications. Social and Personality Psychology Compass, 8(7), 374-387.
• Green, M. C., & Jenkins, K. M. (2014). Interactive narratives: Processes and outcomes in user-directed stories. Journal of Communication, 64(3), 479-500.
• England, D. E., Descartes, L., & Collier-Meek, M. A. (2011). Gender role portrayal and the Disney princesses. Sex roles, 64, 555-567.
• Streiff, M., & Dundes, L. (2017). Frozen in time: How Disney gender-stereotypes its most powerful princess. Social Sciences, 6(2), 38.
• Garabedian, J. (2015). Animating gender roles: How Disney is redefining the modern princess. James Madison Undergraduate Research Journal (JMURJ), 2(1), 4.
• Hoerrner, K. L. (1996). Gender roles in Disney films: Analyzing behaviors from Snow White to Simba. Women’s studies in communication, 19(2), 213-228.
• Wiersma, B. A. (2000). The gendered world of Disney: A content analysis of gender themes in full-length animated Disney feature films. South Dakota State University.
• Hunt, S. (2015). Representations of gender and agency in the Harry Potter series. In Corpora and discourse studies: Integrating discourse and corpora (pp. 266-284). London: Palgrave Macmillan UK.
• Hoerrner, K. L. (1996). Gender roles in Disney films: Analyzing behaviors from Snow White to Simba. Women’s studies in communication, 19(2), 213-228.
• Bem, S. L. (1983). Gender schema theory and its implications for child development: Raising gender-aschematic children in a gender-schematic society. Signs: Journal of women in culture and society, 8(4), 598-616.
• Bem, S. L. (1981). Gender schema theory: A cognitive account of sex typing. Psychological review, 88(4), 354.
• Starr, C. R., & Zurbriggen, E. L. (2017). Sandra Bem’s gender schema theory after 34 years: A review of its reach and impact. Sex Roles, 76, 566-578.