耕耘愛情：想要有收穫，該怎麼栽？──依附理論系列（六）

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

讓房子增值的方法

一位房地產經紀人接受《房地產》雜誌訪問時談到，她在澳洲賣過一棟房子，那棟房子「有一個寬廣的花園露台，冬天面向波濤洶湧的大海，迎著狂風吹拂」。

她開了暖氣，但在開放看屋日刻意把暖氣調小，「點燃蠟燭，放一些有情調的音樂。」她告訴《房地產》雜誌，那棟房子「之前的售價是兩百五十萬澳幣，最終是以兩百七十六萬澳幣賣出，成果斐然，我覺得這一切要歸功於在冬天做出那樣溫暖的展示」。

由此可見，在「寒冬」戶外環境的對比下，提供「溫暖」的室內環境能夠有效地提高賣價。或許吧！但是，一如既往，當我們試圖根據心理學原理提出切實可行的現實建議時，往往赫然發現我們生活在一個充滿因果關係的世界裡，深受多種可能變數的影響。

因此，我們應該謹記統計學中所謂的「可解釋變異」（explained variance），而我們通常只能解答其中一些。例如，房地產產業裡，購屋者的購屋時間會受到一些固有的變化所影響，比如熱門假期有較多的閒暇時間看房、總體經濟狀況（景氣好壞）、房貸是否容易取得等等。

此外，冬天雖然可以讓一棟精心陳列的「溫暖」屋子看起來特別有吸引力，但在很多地區，這種賣屋方式需要買家在寒冬中冒著風雪與凍雨去看屋，那很容易令人望之卻步。一間房子或許在冬天看起來價值較高，但要是缺乏前景與競爭出價，就可能會壓低價格。那些因素與溫度無關，卻也會影響一間房子的預期售價。

所以，在我們深入研究資料之前，這裡有個免責聲明：除了溫度以外，還有其他變數也對房屋的售價有很大的影響。

為什麼會有家的感覺？

雖然我們應該認真看待這種涉及多種因果關係的情況，但無論你是想賣屋、還是推銷其他產品、服務、想法或觀點，瞭解背後的演化與文化驅動因素，仍能為你增添一些優勢。知道該從演化與社交體溫調節的哪個角度出發以說服顧客，其實滿實用的。我們也應該注意，不要從單一面向解釋我們與房屋及其他「商品」之間的溫度調節關係。

歷史顯示，人類一直在尋找空間的分界線─從天然洞穴、壁龕、洞室到小屋，最後是房屋─以便把掠食者與大自然的力量隔絕在外，尤其是抵禦要命的酷寒。

我認為，生存是一個關鍵的動機，促使人類強化住屋功能，使其超出維持基本生存所需。物質文化的證據也證明了，住屋是用來滿足我們的從屬或歸屬感。一間房子越能夠滿足這種從屬或歸屬感的需求，感覺起來越舒適溫馨，也會越有家的感覺，或者套用依附理論的說法，越容易讓人覺得那是一個「安全的避風港」。

許多研究提出以下假說：我們把某個空間分界視為「家」的認知機制，跟早期演化與個體發展時，幫助我們透過其他人來禦寒的生理機制（即依附與恆定體溫調節機制）是一樣的。

早期人類與其他哺乳動物，確實會把體溫調節任務分散給一個群體來承擔，而在社交演化的過程中，房子至少取代了一部分社會分擔的功能。某種意義上來說，這個概念如此明顯，甚至不言而喻。隨著文化發展，房子變成一種方便又有效率的禦寒方式，再加上室內供暖技術的發展，也提供了產生熱能的方法。

為了研究這點，我和以前的學生范艾克（Bram van Acker）與潘托夫萊特（Jennifer Pantophlet），以及其伙伴克瑟雷爾斯（Kayleigh Kerselaers）一起設計了幾個研究，以測試氣溫下降時，房地產廣告中的房屋是否變得更有吸引力。

我們想要測試「房子就是家」的概念中、比較沒那麼顯而易見的一面：更具體地說，是它的社交體溫調節功能。我們想知道，環境溫度較低，會不會讓人對房屋產生偏好，就像低溫使人對他人產生依附感，而去租浪漫電影來看或產生懷舊念頭一樣。

由於房地產經紀人直覺認為「溫暖」的房子最熱銷，所以我們試著從經驗上驗證，像家一樣的房子，要如何藉由營造「家的感覺」讓我們想要與他人在一起。此外，我們也想調查這種歸屬感能不能滿足體溫調節的需求，以及是否會使人更願意為廣告中的房子支付更高的價格。

我們的推論是，溫度與「家的感覺」之間的關聯，是由我們想與他人在一起的動機所促成的。接著，我們設計了一套研究，裡面包含三個研究，以調查較低溫度如何誘發社會心理學家帕克（Lora E. Park）與馬納（Jon K. Maner）所謂的「歸屬的渴望」，這個歸屬的渴望是由想要打電話給朋友或跟朋友在一起等行為來衡量。

從這裡，我們希望進一步知道，這種歸屬的渴望如何促使我們對「感覺像家」的房子產生偏好。

為了確保研究結果的準確性與可複製性，我們使用線上協作網站「開放科學平台」（Open Science Framework）來決定我們的假說，並在收集資料之前先暫停一切決定，把探索性的「假說生成研究」與驗證性的「假說檢驗研究」分開。

我們認為，較低的溫度應該會引發一種「歸屬的需求」。此外，溫度也能用來預測一個人覺得一間房子多有家的感覺，以及他願意付多少錢買那間房子。第二個維度因為看似較為「客觀」（因為它提供具體的數字，例如對溫度的感知，而不是「較暖」或「較冷」這種主觀的感覺），也許能佐證一個觀點：待售屋給人的「居家舒適感」渴望，與行動的經濟性有關。

其他的因素

本書前面提過，行為生態學以及由此延伸的體現認知，可為行動機會的決策提供資訊，以便權衡行動的效益與成本。

例如，面對相同的斜坡時，背負沉重背包的人所估計的坡度，會比沒有背背包的人還陡。一個人所估算的上坡代謝成本（能量消耗），會影響他對角度的「客觀」感知。就像考慮爬坡的旅人會先自問是否負擔得起爬坡的代謝成本一樣，潛在的購屋者雖然想要一個溫馨的家，但也會自問是否負擔得起那些舒適特質的額外成本。

我們在本書中已經看到，體溫調節在人際互動中扮演多麼重要的角色。體溫調節在基因與文化的演化，以及這兩種演化的持續相互交流中，都扮演吃重的角色。尤其，我們已經看到社交體溫調節如何促使我們組織與加入更多元的網絡，創造文化、社會、文明。

這一切的核心，都在於我們始終非常需要把核心溫度維持在很窄的範圍內，以達到溫度恆定。雖然如今人類已經開發出許多工具，使富國的人民不再覺得這是如此重要的問題，但這其實是攸關生死的迫切課題。

——本文摘自《做個有溫度的人：溫度如何影響我們的生活、行為、健康與人際關係》，2022 年 9 月，時報出版，未經同意請勿轉載。

我們每個人，都和生命中重要的人們，有著不同程度的依附關係。而分手後與前任的聯繫，更是有可能剪不斷理還亂，依附系統不會那麼快就善罷甘休的！分手後如果跟前任保持互動，對於生活或情緒是好事嗎？跟依附又有怎麼的關聯呢？本篇文章就要來介紹我研究論文的主題！

在此感謝眾位填寫量表的人，以及教授們的協助，我的畢業論文終於產出來了。這一篇論文的主題，可想而知圍繞在依附理論，而且還出現了前所未見的分手後與前任依附關係的調查！

有些人可能會直覺反應：分手後，還與前任有所聯繫，聽起來不是怪怪的嗎？別著急，在國外的文獻上早就發現，有許多人在分手之後還會和對方當朋友，甚至是繼續維持著性愛的關係。

但國內呢？很抱歉，在我做這篇研究之前，國內的資料數是 0。所以，欲知國內情況如何，請看下面敘述分解！

分手後能不能繼續聯絡，與「交往時」的逃避程度有關？

交往時的依附風格，會影響「分手後會不會持續聯繫」。我們無法鐵口直斷說事情就是這樣，只能說在研究結果上，有著這樣的傾向。

在我的研究中，用了所謂的 ANOVA，透過分手後的關係類型，來回推交往時的依附分數是否有所差異。由於我的樣本收集的緣故，因此懂研究方法的人就知道，這不能推論說交往時的依附風格會影響分手後的關係類型。用個簡單一點的比喻就是：

我今天走進一座果園，A 果園的橘子比較多，B 果園的芒果比較多，但我不能保證說，A 果園的土壤一定比較適合種橘子，B 果園的土壤比較適合種芒果。（聽不懂統計方法的就跳過這句話吧！）

總而言之就是呢，我把分手後與前任的關係分成了四種：

• 無聯繫型：在分手之後，彼此幾乎或完全不再有聯絡。
• 被迫聯繫型：當事人無意願繼續連繫，但因為一些外力因素（如上課、社團），使得彼此被迫有所交集。
• 分手後友誼型(post-dissolutional friendship)：在分手之後，彼此成為普通朋友。
• 似戀關係型：分手後彼此的互動仍然和情侶很類似，例如會接吻、牽手、擁抱、做愛等等。

在我收集到的樣本裡面，有 494 人和前任毫無聯繫，87 人屬於被迫聯繫，還是朋友的高達 161 人，而似戀關係的也有 20 人。

結果呢，根據分析發現，不同分手後的類型，在交往的時候，他們的焦慮分數平均值分別是：3.45、3.36、3.43、3.78，在統計上不具有顯著的差異。

看到這邊，你或許會想問：「欸～不是應該交往的時候越焦慮，分手之後越會去跟對方勾勾迪嗎？怎麼分手後有聯繫的人，焦慮分數和沒有聯繫的一樣呢？」這是因為，你要勾勾迪，也要對方願意配合你演出啊！如果只有你單方面想跟對方保持聯絡，對方卻不想的話，那也連絡不下去啦！

至於不同分手後類型的人，在交往時的逃避分數，就有明顯的差異了：無聯繫型的平均逃避分數是 3.15，被迫聯繫型是 3.26，分手後友誼型是 2.74，似戀關係型是 2.50，很顯然的，前面兩組看起來就比後面兩組高。

如果精確一點的用事後比較來看，確實，無聯繫型跟被迫聯繫型的逃避分數，都比分手後友誼型跟似戀關係型來得更高。也就是說，老子、老娘在交往的時候就越不想跟你親近、越是逃避，分手後自然就不會想跟你做朋友或糾纏不清啦！

唉！俗話說的好，交往是兩個人的事情，分手是一個人的事情，分手後能不能聯繫下去，也得雙方都願意才行！

排除分手時間超過一年的結果：還是一樣

欸～等等，我剛剛好像忘了說一件事情，這份問卷裡面，與前任分手時間的範圍居然有 0 個月到 104 個月啊！天啊，有些人分手不到一個月，心還在淌血的寫我這份問卷，有的人分手 104 個月……那就是快 9 年了，這樣的資料真的準嗎？順便提一下平均數跟標準差吧，這群人平均分手了 24.74 個月，標準差則是 22.42 個月。

沒關係，那我就把所有分手超過 12 個月的人全部刪掉，再重新跑一次，看看結果會不會有所不同吧！

結果發現，刪掉了分手超過 12 個月的資料之後，比例上幾乎沒有變化嘛！

好，沒關係，我們再來看看分手後的關係類型跟交往時的焦慮分數與逃避分數有沒有關係呢？

分析顯示，焦慮分數還是沒有顯著差異，而逃避分數有著顯著差異。無聯繫、被迫聯繫、分手後友誼、似戀關係的平均值分別為 3.05、3.23、2.66、2.59，前三者的逃避平均差異就沒有篩選前的數據那麼顯著了，而似戀關係和前兩者則沒有顯著結果。當然，如果用嚴謹一點的統計來看，14 個人的似戀關係組，樣本過小，要顯著本來就有一定的困難度，所以參考價值也就沒有那麼高嘍。

同性戀和異性戀的差異？

啊，說到這裡，好像又該討論一件事情：樣本包含同性戀和異性戀，這兩者會不會有所差異？

在我收到的樣本之中，有 663 名異性戀，99 名同性戀（更精確的來說，應該說是前任是同性或異性）。四種類型對應到同異性戀的人數與平均數如下表：

有些謠傳認為同性戀的關係比較糾纏不清，結果事實上卻顯示：所有的似戀關係都來自於異性戀呀！

結果顯示，不同分手後關係類型，在交往時的逃避分數上有所差異；至於同性戀／異性戀，則不會影響逃避分數的差異的啦！

以後別做朋友？分手後做朋友真的會過得比較差嗎？

如果只是把研究問題放在交往時的依附關係與分手後的關係類型，這篇論文未免也太無聊。

事實上，我更好奇的是，分手之後跟對方當朋友，到底好不好？我相信這也是許多人的困惑：既然有 20% 的人在分手後和對方做了朋友，那麼周興哲苦苦相勸要我們「以後別做朋友，朋友不能牽手」不就白搭了嗎？（誤）

那就來看看，不同分手後關係類型的人，在情緒適應與生活適應上的差別吧！

咦，適應就適應，還有分情緒適應跟生活適應的喔？

是阿，情緒適應指的是「經歷分手事件之後，各式負面情緒出現的頻率」，得分越高代表情緒適應越差（邏輯上應該要再做轉換，姑且讓我偷懶吧）。

而生活適應指的則是「在經歷分手之後，能夠回歸日常生活、如平時一般面對日常生活的程度，或是將生活重心轉移至感情之外的其他層面的程度」，生活適應得分越低，代表在經歷分手後，在生活中適應得越好。

好吧，就讓我們來看看分手後的情緒適應吧：

從統計結果可以看到，分手後和對方斷絕聯繫的人，情緒適應的平均分數是 2.78、被迫聯繫的人則是 3.04、分手後做朋友的人是 2.83、分手後和對方勾勾迪的人則是 3.77。很明顯的，似乎只有似戀關係的人，在情緒適應上來得比較差！在經過事後比較之後，也確實顯示了前三者的情緒適應沒有顯著差異，但前三者都比似戀關係適應得來得更好。

所以說，周興哲，你錯了！分手後也是可以好好做朋友的！

再來看看生活適應吧！生活適應呈現了同樣的結果：

前三者的生活適應沒有顯著差異，但前三者都比似戀關係適應得來得更好。

所以，周興哲，你又錯了！分手後也可以做朋友的，只要不是曖昧不明的關係，做朋友跟斷絕聯絡可以過得一樣好的！

分手後維持聯繫，依附關係差在哪？

不過，事情沒有這麼簡單。為了針對那些分手後還有聯繫的人，與前任之間的關係品質到底如何，於是我創造出世界上第一個奇妙的名詞：「分手後依附關係」。既然依附量表可以以爸爸為對象、媽媽為對象、朋友為對象、曖昧關係為對象、伴侶為對象，那又有甚麼原因不能以「前任伴侶的現行互動狀況為對象呢？」

於是啦，我就讓這些分手後和對方仍然有聯繫的人，填了所謂的「分手後依附關係量表」，來看看他們之間到底發生了什麼事情。

純友誼與似戀關係差在哪？

首先，我們先來看看，分手後純友誼跟分手後勾勾迪之間，他們的「分手後依附關係」有何差別吧！

首先先看他們在分手之後，與對方互動的焦慮程度。在那些分手後和前任是普通朋友的人身上，他們的焦慮程度只有 2.20 分，但和前任仍然類似於情侶的人，則有 3.22 分，有著顯著的差異存在。也就是說，分手後和對方維持聯繫的人，如果你在聯繫的過程中，對對方的焦慮感越高，你就越有可能跟對方糾纏不清！

比較有趣的是，還記得前面說的嗎？這些人在交往時的焦慮分數相差不大──前者是 3.43 分，後者則是 3.78 分，是沒有顯著差異的。

但是，如果把交往時的焦慮分數，與分手後的焦慮分數，丟到皮爾森相關來跑的話，卻會發現兩者之間居然高達 0.437 的相關，且相關的顯著性高達.00，也就是說，那些交往時越焦慮的人，分手後與對方維持聯繫時，也會是高焦慮的那群人！

那麼，我們再來看看交往時的逃避分數和分手後的逃避分數是否有關連性吧！如果把交往時的逃避分數，與分手後的逃避分數，丟到皮爾森相關來跑的話，會發現兩者之間居然高達 .485 的相關，且相關的顯著性高達 .00，也就是說，交往時越逃避的人，分手後若與對方維持聯繫，也恰巧會是分手後越逃避的人！

而總結上面的這些話來說，當你在分手後與對方維持聯繫，若你的焦慮越高、逃避越低，你們的聯繫就越有可能變成勾勾迪的關係；反之，則比較有可能真的當普通朋友。

分手前的依附關係，將影響你的分手適應

但是，與前任有所聯繫，到底會對分手適應造成什麼樣子的影響呢？

前面提到，如果你是屬於普通朋友的聯繫，那麼你的情緒適應跟生活適應程度，和沒有在聯繫的人相比，是沒有差別的。但是，與前任有所聯繫這件事情，其實代表著你和她之間依然存在著某種羈絆，只要有羈絆在，就一定會有依附關係。

於是，我把依附量表改寫成適合測量受試者分手後與對方的互動情形的形式，來測量他們在分手後的依附關係，是否會影響分手調適呢？或是只有交往時的依附關係，能夠預測他們的分手調適？

透過回歸分析，可以發現，如果是會和前任做朋友的人，交往時的焦慮程度會影響分手後的調適情形（β=.555，p<.001，△R²=.334），但交往時的逃避程度則不會。這代表說，交往的時候越是焦慮，分手後的情緒適應會越差。但我的研究重點並不是交往時的依附分數，而是分手後的依附情形。

根據統計結果顯示，分手後和對方做朋友的人，他們和前任互動的焦慮程度如果越高，那她們在分手後的情緒適應會越差（β=.473，p<.001），而與前任互動的逃避程度如果越高，他們的情緒適應也會越差（β=.132，p=.035），整體而言，分手後的焦慮與逃避程度，在預測分手後情緒適應的模型當中，增加了 0.181 的解釋率。

至於在分手後的生活適應上，交往時的焦慮分數，對於生活適應不具有顯著的預測力；但交往時的逃避程度越高，反而越能預測分手後的生活適應越好（β=.221，p=.011，△R²=.067）。這一點蠻有趣的，其中可能的原因是，交往的時候本來就比較獨來獨往的逃避依附，在分手之後要恢復日常作息是比較容易的；不過，我的重點依然不在這裡，而是分手後的依附情形。

迴歸分析顯示，分手後與對方互動上越是焦慮的人，他們的生活適應也會越差（β=-.288，p=.001，△R²=.070），但分手後的互動逃避程度則沒有影響，也就是說，如果妳在分手後和對方做朋友，那麼，如果你和對方的關係依然很焦慮的話，那麼你要恢復日常作息的可能性就越低。

看不懂上面的統計沒關係，總結來說就是，如果你在分手後和前任做朋友，也不一定是件壞事，而是得看你和她做朋友之後，你和她的互動關係，焦慮程度與逃避程度有多高：如果越焦慮，那你就會有比較多的負面情緒，也比較難回歸日常生活；如果越逃避，你要恢復日常生活步調的可能性也會比較低。

因此，分手後想要調適自己的心情與回歸日常生活作息，並不一定得和對方切斷關係，做朋友，也可以是一個選擇，但得看你是不是純友誼。如果是純友誼的話，那得看你的焦慮程度與逃避程度有多少，你在分手後和對方做朋友時，你們的互動關係，依然會影響到你的分手適應。

如果你喜歡我的文章，歡迎追蹤粉專 Psydetective-貓心