4

4
2

文字

分享

4
4
2

如何成為歌手?談絕對音感——《好音樂的科學》

大雁出版基地_96
・2016/07/23 ・3767字 ・閱讀時間約 7 分鐘 ・SR值 487 ・五年級

-----廣告,請繼續往下閱讀-----

試想有三個人在沐浴時高歌。別想歪,不是在同一個浴室裡,本書可不是那方面的書。這三個人是在某座社區中不同樓層各自的浴室裡開唱。

歌手7
《Mamma Mia》裡的招牌主題曲(Dancing Queen)。圖/Wikipedia

天生的絕對音感

金正嫦在二樓唱,一手拿著琴酒,一邊用破鑼嗓高分貝地嘶吼阿巴合唱團(ABBA)的經典金曲「Dancing Queen」。要是我們把她的聲音錄下來,跟原聲帶做個比較的話,就會發現以下兩點:

  1. 雖然音調高低起伏的位置大致正確,但不免有時高了點、有時卻又低了些。而這是我們大多數人唱歌的水準。這也正是為何我們得乖乖上班的原因。
  2. 她的起音跟原唱阿巴合唱團的不同。事實上,她的起音在鋼琴上也找不到(為什麼非要找到不可呢?)這個音不過是她從自己的音域中「隨便」抓的一個罷了,若你認真追究的話,就會發現這個音是介於琴鍵上兩個音的中間。再強調一次,我們大多數人都是這麼唱的。

而住在七樓的則是簡新歌先生,雖然他是一名受過訓練的社區唱詩班團員,但他也沒有絕對音感。幸好,為了參與這段討論,他唱的也是「Dancing Queen」。若我們將他的歌聲與原曲做個比較,就會發現上下起伏的旋律相當正確。不過,就如同樓下的那位鄰居般,他的起音跟原唱也不一樣,而是跟我們大多數人的選擇雷同──位於兩個音的中間。

在更上面 15 樓的一間浴室裡,施完美小姐也正沉浸在 70 年代的時光中,高歌著……沒錯,也是「Dancing Queen」。施小姐不但是專業歌手,且剛好擁有絕對音感。若我們拿她的演唱跟原曲比較一番後,就會發現她不但音調起伏很準確,連起音都在正確的位置上。這就表示她唱的每一個音都跟原唱一致。

-----廣告,請繼續往下閱讀-----

施小姐的演唱不但出色還相當少見,唯有少數人擁有絕對音感,但這並非暗指她有任何獨特的音樂天分,反倒是簡先生有可能會是更好的歌手。若將一架鋼琴搬到簡先生的浴室並起個音給他,他就能像施小姐一樣,跟阿巴合唱團所唱的完全相同的第一個音開始唱。

施小姐所展現的,其實是她能「記住」鋼琴或長笛等其他樂器上所有的音,這不過證明她在六歲前就已掌握了這項驚人的記憶能力罷了。小朋友的記性比任何人都要好,這是因為他們必須學習說話或其他各項技能,像是前一分鐘他們還坐在花園裡抓蟲吃,發出「嘰嘰咕咕」的聲音,幾個月後就能到處跑,並毫不客氣地批評餅乾難吃。

若你教小朋友唱一首歌,他們就會把歌調和歌詞學起來。所謂的「歌調」並非由特定音符所組成,而是在特定節奏下,一連串音高的上下起伏。〈黑綿羊咩咩叫〉不論從哪一個音開始唱都一樣好聽,而且別忘了,幾乎我們所有人的起音都是介於兩個鋼琴音之間

歌手8
小孩時期的記憶力能幫助他們記憶準確的音高。圖/flickr

如何培養絕對音感

只有用樂器彈奏出來的歌調,才能幫小朋友培養出絕對音感的能力。如果家長每次唱〈黑綿羊咩咩叫〉的同時,也在鋼琴上彈奏出一樣的音,那麼小朋友就會開始去記歌裡的每一個音,而不只是高高低低的旋律而已。到後來,小朋友就可能會在腦中為鋼琴上所有的音建立一整套記憶系統,甚至還會把這些音的名字學起來,像是「中央 C 上的 F 音」(中央 C 顧名思義即是位於鋼琴琴鍵中央的 C 音)。

-----廣告,請繼續往下閱讀-----

有趣的是,「絕對音感」的能力在歐美各國雖屬罕見,但在中國和越南等這些語言中包含有聲調的國家卻普遍得多。以這類聲調語言來發音的單字,同時擁有歌唱和說話的特性,以中文普通話來說,把一個字「唱」出來的各種音高,便成了溝通的關鍵──字音若聲調不同,意義也就不同。舉例來說,發音「ㄇㄚ」的字,若以既高且平的音高來唱或說的時候,即有「媽」的意思;但若從中等音高開始接著聲調上揚,就會變成「麻」;要是從較低的音高下降後再上揚,就會是「馬」;而當你從高音開始再往下直落,說出來的就成了「罵」了。因此,一句無辜的問話本來應是「媽!午飯好了嗎」要是聲調錯了,就很可能會變成「馬,午飯好了嗎?」。由於這類無心之過很可能會讓你落入沒飯可吃的悲慘境地。因此這些國家的小朋友在學習聲調上,要比西方人更為謹慎,而重視音高學習的結果,也就比較可能養成絕對音感的能力。

很少有西方人培養這種音符記憶的能力,是因為這項能力對他們來說不太有用。事實上,擁有絕對音感反而會有點痛苦,因為這樣一來,他們在吹起口哨或唱歌時,聽起來會與多數人不同而成了走音。不過當你是交響樂團的小提琴手,必須一邊坐計程車趕赴音樂會一邊為樂器調音時,擁有絕對音感就很有用了。同樣地,若妳是一位職業歌手,即使在荒郊野外練唱,也能確保每個音都唱對──但好處也僅止於此。缺乏實用性是我們的音樂教育從未嘗試教導絕對音感的原因。另一個主要的因素,則是年紀一旦超過六歲後,就很難養成這種能力了。

歌手 3
以絕對音感著名的美國歌手麥可·傑克森。圖/Wikipedia

即使如此,還是有不少的音樂人士以及某些一般民眾擁有部分的絕對音感,這裡指的意思是他們只記得一兩個音。例如,多數交響樂團的團員必須在每場音樂會開始前,為他們的樂器調音。這和那些擁有絕對音感且自命不凡,能獨自在計程車裡調琴的小提琴家不同。團員利用「A 音」來調音,由其中一項樂器,通常是雙簧管來奏出 A 音,而其他人跟進,這樣一來大家就能彈奏出同一個 A 音了。這畫面也就是你在交響樂演奏會前所聽到的那一陣恐怖的尖銳雜音。如此這般重複地彈奏 A 音能幫助許多樂手記住它。

部分絕對音感的能力

其他擁有部分絕對音感的例子,則跟持續地接觸特定音符或樂曲有關。有時,即使是不知道音符名稱的非專業樂手,也會有類似經驗並能記住一個或幾個音。你自己可以試試看,找出你最喜愛的幾首歌,憑記憶唱出這些歌中的第一個音,然後在一邊繼續哼唱的同時,一邊播放這些歌的 CD。很難說,搞不好你也擁有部分絕對音感。

-----廣告,請繼續往下閱讀-----

這類部分絕對音感不像一開始所以為的那般神奇,我們其實都能記住一個音幾秒鐘(可同時播放 CD 試試看),且短時間的記憶在經過不斷重複後,有時會變成長期記憶。

對了,如果你用手指將一隻耳朵塞住的話,唱歌或許就會準確得多,而這正是某些歌手在獨唱時會這麼做的原因。之所以產生這樣的效果,是因為我們原始的生理構造設計,會避免讓自己的聲音聽起來太大聲,以免蓋過了周遭應該注意的各種聲音,像是獅子、雪崩、關門時間等等。而用一隻手指塞住耳朵就可「加強」嘴巴與腦部之間的回饋作用,同時有助你更仔細地監聽自己的音高。你可能注意到了,在鼻塞的時候,口耳回饋作用也會增強,這樣其實還滿討厭的。話說有一次我不小心跟女友抱怨這件事,說「我的聲音真的好大啊,煩死了」;而她則挑起了一邊眉毛,回答「你終於知道我們其他人的感受了……」。

歌手5
保持音量也是很重要的。圖/flickr

我想回過頭來,想像一下前面那三位歌手唱歌時腦子裡在想什麼。但首先,你需要知道一首樂曲中各音符的高低起伏,叫做音程,而不同大小的音程則有不同的名稱。最小的音程即是鋼琴上相鄰兩個琴鍵的距離,叫做半音,而其兩倍距離的音程,則理所當然叫做全音。你不需要知道所有音程的名稱,但可以在書末最後一章〈若干繁瑣細節〉的「音程命名與辨識」中,找到它們的名字以及辨識它們的小訣竅。

所以,當這三位歌手在高歌時,下意識裡究竟在想什麼呢?

-----廣告,請繼續往下閱讀-----

金正嫦的腦中正在傳送以下的信號:

  • 隨便起一個音;
  • 下個音唱低一些;
  • 再下個音唱高一點……

簡新歌的腦中正在傳送以下的信號:

  • 隨便起一個音;
  • 下個音要降低一個全音;
  • 再下個音要升高三個半音……

施完美的腦中正在傳送以下的信號:

  • 唱升 C 音;
  • 降到 B 音;
  • 升到 D 音……

但是,就如我之前所說,即使施小姐唱的每個音都與 1939 年那個委員會所挑選出來的標準音相符,也不代表她就一定唱得比簡先生好。所謂的好歌手不只是把音唱對而已,還必須唱得清晰、有一定的力道,同時還得確保唱到最後一個音時不會沒氣。最重要的是,你聲音的質地會受你與生俱來的配備──亦即你的聲帶、嘴巴和喉嚨等的形狀和大小所影響。幾乎所有人在經過培訓後,都能成為一位不錯的歌手,但若真要唱得好,就必須接受訓練,「同時」擁有正確的配備。

-----廣告,請繼續往下閱讀-----
歌手4
每年熱烈舉辦的歐洲歌唱大賽(Eurovision 2016)的其中一組參賽者。圖/Youtube

音高4

 

 

你知道最早被記錄下來的完整樂曲竟然是古希臘的搖滾樂嗎?為什麼身為亞洲人的我們,比較容易擁有「絕對音感」?從科學的角度書寫音樂的故事。 《好音樂的科學:破解基礎樂理和美妙旋律的音階秘密》,大雁文化出版。

文章難易度
所有討論 4
大雁出版基地_96
5 篇文章 ・ 8 位粉絲
一個支撐成熟編輯人獨當一面、有利中小品牌生存發展的書業基地。

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

1
0

文字

分享

0
1
0
資訊量過大啦!我們其實不擅長處理複雜的資訊?——《生物轉大人的種種不可思議》
商周出版_96
・2023/11/21 ・1330字 ・閱讀時間約 2 分鐘

誰不接受多樣性?

我們的成長方式具有多樣性。有人長得快,有人長得慢;有人長得高大,有人長不高。這種多樣性是「生物的策略」。不過有個東西並不接受多樣性。就是我們的大腦。

人腦不善於處理複雜的訊息。

有一個法則叫做「神奇數字七法則」,意思是:人類一次頂多只能記住七樣東西。

這是真的嗎?我們來試試看。

-----廣告,請繼續往下閱讀-----

請記住以下插圖,限時三十秒。

接著再看下面的圖,什麼東西不見了?

答案是不倒翁。為什麼明明十樣物品也不多,我們就是記不住呢?

再來試試下一題吧。

-----廣告,請繼續往下閱讀-----

雖然超過七個圖,但是這一題可能大家都記得住,因為這些圖都與《桃太郎》的故事有關。先找出關聯性,再加以歸納整理,大腦才有辦法勉強記住超過七樣東西。

大腦不擅長處理太多資訊

記憶圖畫或許比較困難,試試看數字吧。

請記住旁邊的數字,限時五秒。

怎麼樣? 是不是太簡單了點!

-----廣告,請繼續往下閱讀-----

下面這一組數字呢? 也是限時五秒。

上面這一題是不是也太簡單了!

下一組數字呢? 限時同樣五秒鐘。

如何?

-----廣告,請繼續往下閱讀-----

前兩題應該可以輕輕鬆鬆記住,但是第三題就比較不容易了吧?

你知道第三題有幾個數字嗎?

答案是八個。

只有八個!

-----廣告,請繼續往下閱讀-----

人類厲害到發明了電腦,我們優秀又傑出的大腦照理說應該能理解一百、一萬,甚至一億個數字。然而實際上,人腦必須費盡力氣才能記住兩隻手數得完的數字。我們的大腦本質上不擅長處理「大量」的資訊。

理解「大量」的方法

如同上述的例子,當題目是文字(圖像)時,只要歸納出《桃太郎》的故事,我們的大腦就更容易理解。

那麼數字呢?

我們來看看下面的數列。

-----廣告,請繼續往下閱讀-----

把亂七八糟的數字排成一列,是不是就好記很多?

如果再排成下面這樣呢?

這次是依照數字的大小排序。

我們可以看到「3」有兩個,而 1 到 9 中間缺少了「7」和「8」。經過排列和整理順序之後,人腦就比較能夠理解這些資料。我們的大腦最喜歡把東西排成一列或排順序。學校排成績也是這樣的關係吧?

-----廣告,請繼續往下閱讀-----

——本文摘自《生物轉大人的種種不可思議:每一種生命的成長都有理由,都值得我們學習》,2023 年 8 月,商周出版,未經同意請勿轉載。

商周出版_96
119 篇文章 ・ 362 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商周出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。

0

6
2

文字

分享

0
6
2
指甲刮黑板的聲音,為何讓人難以忍受?
雅文兒童聽語文教基金會_96
・2023/10/22 ・2522字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

  • 朱家瑩/雅文基金會聽語科學研究中心 研究員

想像一下當你聽到手指甲刮著黑板產生的摩擦聲,或者是拿著叉子摩擦著不鏽鋼碗的聲音,抑或是小孩的哭叫聲,有沒有哪一個聲音會讓你全身起雞皮疙瘩,想要用手摀住耳朵,甚至是情緒爆炸、只想要遠離現場呢?這些讓人不適的聲音,是有其特有的聲學特質?或是其他緣故呢?

想像一下指甲刮黑板的聲音。圖/Pexels

不是尖銳、高頻音就刺耳,而是流淌在你我血液的祖先智慧

一般認為,令人不適的聲音是因為刺耳的高頻聲,尤其像是手指甲刮黑板時所產生的摩擦聲,其中那種「ㄍㄧ ㄍㄧ ㄍㄧ」的聲音,似乎是造成不適感的主因。

然而,Halpern、Blake 和 Hillenbrand(1986)這三位研究者對於這個現象感到好奇,因此他們進行了一項實驗 [1],他們將那些令人不適聲音(如:刮金屬或石板的聲音)中的高頻音減弱。

結果顯示,即使減弱尖銳的高頻聲音,受試者仍然感到不適,因而主張尖銳的高頻音並不是造成不適感的主因。接續 Halpern 等人在企圖尋求答案時,意外發現刮黑板的聲音頻譜圖跟靈長類猴子的警告叫聲非常相似,因而大膽推測這個不適感並非高頻音造成的,而是源於人類祖先的記憶。

-----廣告,請繼續往下閱讀-----

人類對特定頻率區間的聲音感知最敏感,加上跨感官的連結,讓人聽到某些音就不適

可惜,到底是不是來自老祖先的智慧傳承,這點未獲得後續研究的支持。另一方面,Kumar 等人(2008)進一步以聲學分析探究是否是因特定頻率導致聆聽的不適感時,發現聲音中涵蓋 2500-5500 赫茲這個頻率區間的聲學頻率似乎特別容易引起聽者的不適感 [2]

有沒有哪一個聲音會讓你全身起雞皮疙瘩,想要用手摀住耳朵?圖/Pexels

他們推測這可能是因為這個頻率範圍的聲音感知上最為強烈,同時也具有最高的能量,因此使得聽覺系統特別對這些頻率的聲音敏感。

但是,我們平常聊天談話中也涵蓋了這個頻率範圍的聲音,除了頻率之外,是不是還有其他因素造成對某些聲音的不適感呢?

Ro 等人(2013)發現當聽到聲音時,聲音進入大腦的聽覺皮質同時,會傳遞訊號到觸覺感官系統,啟動了觸覺感官,讓聽者聽到聲音時,「感覺」到自己的皮膚彷彿被指甲刮的刺痛感 [3]

-----廣告,請繼續往下閱讀-----

聽聲音會啟動身體觸覺感官系統並非只存在刮黑板這類聲音,有些人在聽到音樂聲,像是聽到低音貝斯的聲音時,也會感覺到自己的身體也在震動,甚至感受到皮膚的不適感 [4、5]

也許因為這個跨感官的訊號傳遞,讓身體的其他部位也出現不適的感受,才會讓聽者對於這些聲音感到不適。

當感知到令人不適的聲音,杏仁核會依據習得經驗,決定是否啟動保護機制!

Zald 與 Pardo(2002)發現當聽到讓人感到不適的聲音刺激時,大腦中的杏仁核(amygdala)會高度活化 [6],而杏仁核在大腦中負責掌控恐懼、焦慮、害怕等負面情緒,換句話說,當聲音訊息抵達杏仁核時,它會誘發情緒反應,進而導致我們做出不同行為反應 [7]

杏仁核的啟動是大腦的一種保護機制,透過過往的經驗連結學習會對讓人不適的聲音發出警報[8] ,當聽者遇到可能危及安全的聲音時,杏仁核就會發出警報。

-----廣告,請繼續往下閱讀-----

例如,當聽到車子緊急剎車的聲音時,這個聲音傳送到杏仁核,會進而引起我們想要逃離的反應,或者產生對駕駛者行為的憤怒反應。

由於杏仁核在聆聽這些聲音時會高度活化,Kumar 等人(2012)進一步試圖了解在聆聽令人不適的聲音時,杏仁核在大腦中扮演著怎樣的角色,以及聲音資訊如何被傳遞到杏仁核。

他們的研究結果顯示,聲音刺激會最先傳送到聽覺皮質(auditory cortex)進行聲學訊息處理和分析,解碼聲音所代表的意義,例如,聽到「ㄍㄧ」的剎車聲,解碼出來的是來自汽車或者腳踏車的剎車聲。聽覺皮質處理完畢後,將資訊傳遞到杏仁核,當杏仁核接收到來自聽覺皮質的訊號後,依據這些訊息及過去經驗發出警報 [8],誘發恐懼、焦慮或憤怒等負面情緒,並可能促使進一步的行為反應,像是尖叫、摀住耳朵,或逃離現場。

舉例來說,如果是汽車的剎車聲,基於過去的經驗,可能存在危險,因此可能會誘發恐懼情緒,並引發立馬逃離現場的行為舉動。

-----廣告,請繼續往下閱讀-----
有些人基於過去的經驗,聽到汽車的剎車聲,可能會誘發恐懼情緒。圖/Pexels

然而,如果解碼後的聲音是腳踏車的剎車聲,根據過去的經驗,可能不會有危及生命的危險,因此即便會觸發閃躲的動作行為,但負面情緒可能不如汽車剎車聲來的強烈,可能只會憤怒的罵騎車的人不長眼。

聽到某些聲音,讓人立馬想逃或想戰,也許這個過往的經驗是來自遠古時代祖先的傳承,但更可能是因為聽到這些聲音時,觸覺感官系統被啟動了,身體上「感覺」到不適,所以當不適的聲音再次出現時,杏仁核的活化反應就更增強,讓我們除了單純的接收到聲音之外,也產生了身體及情緒上的反應。

參考文獻

  1. Halpern, D. L., Blake, R., & Hillenbrand, J. (1986). Psychoacoustics of a chilling sound. Perception & Psychophysics39, 77-80.
  2. Kumar, S., Forster, H. M., Bailey, P., & Griffiths, T. D. (2008). Mapping unpleasantness of sounds to their auditory representation. The Journal of the Acoustical Society of America124(6), 3810-3817.
  3. Ro, T., Ellmore, T. M., & Beauchamp, M. S. (2013). A neural link between feeling and hearing. Cerebral cortex, 23(7), 1724-1730.
  4. Koenig, L., & Ro, T. (2022). Sound Frequency Predicts the Bodily Location of Auditory-Induced Tactile Sensations in Synesthetic and Ordinary Perception. bioRxiv.
  5. Lad, D., Wilkins, A., Johnstone, E., Vuong, Q.C. (2022). Feeling the music: The feel and sound of songs attenuate pain. British Journal of Pain, 16(5), 518-527. 
  6. Zald, D. H., & Pardo, J. V. (2002). The neural correlates of aversive auditory stimulation. Neuroimage16(3), 746-753.
  7. LeDoux, J. E. (2000). Emotion circuits in the brain. Annual review of neuroscience23(1), 155-184.
  8. Kumar, S., von Kriegstein, K., Friston, K., & Griffiths, T. D. (2012). Features versus feelings: dissociable representations of the acoustic features and valence of aversive sounds. Journal of Neuroscience, 32(41), 14184-14192.
雅文兒童聽語文教基金會_96
56 篇文章 ・ 222 位粉絲
雅文基金會提供聽損兒早期療育服務,近年來更致力分享親子教養資訊、推動聽損兒童融合教育,並普及聽力保健知識,期盼在家庭、學校和社會埋下良善的種子,替聽損者營造更加友善的環境。