[漫科學] 有醉不歸–青少年大量飲酒將損害空間工作記憶

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪撰文／田偲妤
• 美術設計／蔡宛潔

AI 的誕生，文理缺一不可

人工智慧（Artificial Intelligence，簡稱 AI）在 21 世紀的今日已大量運用在生活當中，近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等，都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維，除了仰賴工程師的先進技術，更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員，帶大家釐清什麼是 AI？文科人與工程師合作時，需具備什麼基本 AI 知識？AI 如何應用在人文社會領域的工作當中？

詩詞大對決：人與 AI 誰獲勝？

一場緊張刺激的詩詞對決在線上展開！人類代表是有「AI 界李白」稱號的蔡宗翰研究員，AI 代表則是能秒速成詩的北京清華九歌寫詩機器人，兩位以「人工智慧」、「類神經」為命題創作七言絕句，猜猜看以下兩首詩各是誰的創作？你比較喜歡哪一首詩呢？

答案揭曉！A 詩是蔡宗翰研究員的創作，B 詩是寫詩機器人的創作。細細賞讀可發覺，A 詩的內容充滿巧思，為了符合格律，將「類神經」改成「類審經」；詩中的「福落天赦」是「天赦福落」的倒裝，多念幾次會發現，原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯；而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯，整首詩創意十足，充滿令人會心一笑的魅力！

相較之下，B 詩雖然有將「人工」兩字穿插引用在詩中，但整體內容並沒有呼應命題，只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝！

由此可見，當前的 AI 缺乏創作所需的感受力與想像力，無法做出超越預先設定的創意行為。然而，在不久的將來，AI 是否會逐漸產生情感，演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人？

AI 其實沒有想像中聰明？

近期有一則新聞「AI 有情感像 8 歲孩童？Google 工程師爆驚人對話遭停職」，讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示：「當前的 AI 還是要看過資料、或是看過怎麼判讀資料，經過對應問題與答案的訓練才能夠運作。換而言之，AI 無法超越程式，做它沒看過的事情，更無法替人類主宰一切！」

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言，多半是因為我們對 AI 的訓練流程認識不足，也缺乏實際使用 AI 工具的經驗，因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上，更延伸到文科人與理科人的合作溝通上，因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識，不僅能讓跨領域的合作更加順利，還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是，由於文科人不了解 AI 的訓練流程，因此對 AI 產生錯誤的期待，認為辛苦標注的上千筆資料，應該下個月就能看到成果，結果還是錯誤百出，準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚，兩方就會陷入僵局，導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議：

如果文科人了解基本的 AI 訓練流程，並在每個訓練階段協助分析：錯誤偏向哪些面向？AI 是否看過這方面資料？文科人就可以補充缺少的資料，讓 AI 再進行更完善的訓練。

史上最認真的學生：AI

認識 AI 的第一步，我們先從分辨什麼是 AI 做起。現在的數位工具五花八門，究竟什麼才是 AI 的應用？真正的 AI 有什麼樣的特徵？

基本上，有「預測」功能的才是 AI，你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現，而且人類手工操作就辦得到，那就不是 AI。

蔡宗翰研究員以今日常見的語音辨識系統為例，大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話，你會發現自己無法事先知曉將產生什麼文字或回應，結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同：AI 無法百分之百正確！

因此，AI 的運作需建立在不斷訓練、測試與調整的基礎上，盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段，工程師彷彿化身老師，必須設計一套學習方法，提供有助學習的豐富教材。而 AI 則是史上最認真的學生，可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI，讓其根據工程師所定義的資料相似度算法，逐漸學會將相似資料分在同一堆，再由人類檢視並標注每堆資料對應的類別，進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI，讓其逐漸學會將任意資料對應到正確答案。

學習到一定階段後，工程師會出試題，測試 AI 的學習狀況，如果成績只有 60、70 分，AI 會針對答錯的地方調整自己的觀念，而工程師也應該與專門領域專家一起討論，想想是否需補充什麼教材，讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作，也可能因為時事與技術的推陳出新，導致準確率下降。這時，AI 就要定時進修，針對使用者回報的錯誤進行修正，不斷補充新的學習內容，讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後，蔡宗翰研究員建議：文科人可以看一些視覺化的操作影片，加深對訓練過程的認識，並實際參與檢視與標注資料的過程。現在網路上也有很多 playground，可以讓初學者練習怎麼訓練 AI，有了上述基本概念與實務經驗，就可以跟工程師溝通無礙了。

AI 能騙過人類，全靠「自然語言處理」

AI 的應用領域相當廣泛，而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因，他充滿自信地回答：因為自然語言處理是「AI 皇冠上的明珠」！這顆明珠開創 AI 發展的諸多可能性，可以快速讀過並分類所有資料，整理出能快速檢索的結構化內容，也可以如同真人般與人類溝通。

著名的「圖靈測試」（Turing Test）便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代，傳奇電腦科學家艾倫・圖靈（Alan Turing）設計了一個實驗，用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好，並派一個人操作終端機，再找一個第三者來進行對話，判斷從終端機傳入的訊息是來自 AI 或真人，如果第三者無法判斷，代表 AI 通過測試。

換而言之，AI 必須擁有一定的智力，才可能成功騙過人類，讓人類不覺得自己在跟機器對話，而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在：人文研究文本分析、新聞真偽查核，更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料，追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化，而大量數位化的經典更被主動分享到「Chinese Text Project」平台，讓 AI 自然語言處理有豐富的文本資料可以分析，包含一字不漏地快速閱讀大量文本，進一步畫出重點、分門別類、比較相似之處等功能，既節省整理文本的時間，更能橫跨大範圍的文本、時間、空間，擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的？就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋，由鎮江、杭州一帶的說書人所創作，著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉，才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素，接著用這批標記好的語料來訓練 BERT 等序列標注模型，以便將「文本向量化」，進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現，白蛇傳的原型可追溯自印度教的那伽蛇族故事，傳說那伽龍王的三女兒轉化成佛、輔佐觀世音，或許與白蛇誤食舍利成精的概念有所關連，推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外，故事的雛型可能早從唐代便開始醞釀，晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事，而法海和尚、金山寺等關鍵人物與景點皆真實存在，金山寺最初就是由唐宣宗時期的高僧法海所建。

在 AI 的協助之下，我們得以跨時空比較不同文本，了解說書人如何結合印度神話、唐代傳奇、在地的真人真事，創作出流傳千年的白蛇傳經典。

最困難的挑戰：AI 如何判斷假新聞

除了應用在人文研究文本分析，AI 也可以查核新聞真偽，這對假新聞氾濫的當代社會是一大福音，但對 AI 來說可能是最困難的挑戰！蔡宗翰研究員指出 AI 的弱點：

如果是答案和數據很清楚的問題，就比較好訓練 AI。如果問題很複雜、變數很多，對 AI 來說就會很困難！

困難點在於新聞資訊的對錯會變動，可能這個時空是對的，另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器，可輸入當前的新聞讓機器去判讀真假，但過一段時間可能會失準，因為新的資訊源源不絕出現。而且道高一尺、魔高一丈，當 AI 好不容易能分辨出假新聞，製造假新聞的人就會破解偵測，創造出 AI 沒看過的新模式，讓先前的努力功虧一簣。

因此，現在多應用「事實查核法」，原理是讓 AI 模仿人類查核事實的過程，尋找權威資料庫中有無類似的陳述，可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊，致力於建立英文事實查核法模型所能運用的資源，並透過舉辦國際競賽，廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後，也與合作夥伴事實查核中心及資策會討論，正著手建立中文事實查核法模型所需資源。預期在不久的將來，AI 就能幫讀者標出新聞中所有說法的資料來源，節省讀者查證新聞真偽的時間。

AI 的無限可能：專屬於你的療癒「杯麵」

AI 的未來充滿無限可能，不僅可以成為分類與查證資料的得力助手，還能照護並撫慰人類的心靈，這對邁入高齡化社會的臺灣來說格外重要！許多青壯年陷入三明治人（上有老、下有小要照顧）的困境，期待有像動畫《大英雄天團》的「杯麵」（Baymax）機器人出現，幫忙分擔家務、照顧家人，在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式，新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」（Nadine），由感知、處理、互動等三層架構組成，可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境，並將上述資訊發送到處理層。處理層會依據感知層提供的資訊，連結該用戶先前與娜丁互動的記憶，讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象，或對陌生事物感到不安，常選擇靜默不語，需要照護者主動引導。因此，娜丁內建了注視追蹤模型，當偵測到住戶已長時間處於被動狀態，就會自動發起話題。

實驗發現，在娜丁進駐長照機構一段時間後，住戶有一半的天數會去找她互動，而娜丁偵測到的住戶情緒多為微笑和中性，其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

至於未來的改進方向，研究團隊認為「語音辨識系統」仍有很大的改進空間，需要讓機器人能配合老年人緩慢且停頓較長的語速，音量也要能讓重聽者可以清楚聽見，並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人，首要任務就是要開發一套臺灣人專用的 AI 語言模型，包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型，期待政府能整合學界與業界的力量，降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感，但卻可以成為人類大腦的延伸，協助我們節省處理資料的時間，更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨，如何讓自己的行事邏輯跟上 AI 時代，讓 AI 成為自己的助力，是值得你我關注的課題。

延伸閱讀

• 蔡宗翰（2022）。寫給中學生看的 AI 課：AI 生態系需要文理兼具的未來人才。三采文化出版。
• Tulsulkar, G., Mishra, N., Thalmann, N.M. et al (2021). Can a humanoid social robot stimulate the interactivity of cognitively impaired elderly? A thorough study based on computer vision methods. Vis Comput 37, 3019–3038.

神祕（mystery）：目前仍屬祕密、不可解或未知之事。

我最早是從新聞網站讀到這個故事。當時是二○一七年末，報導的標題是：瑞典神秘怪病。

九歲女童蘇菲已形如槁木超過一年，動也不動，了無反應，不與人溝通，不吃不喝，甚至不睜開眼睛。事實上，她有很長一段時間只是靜靜躺著，似乎渾然不覺時光流逝。

該篇報導附有一張蘇菲的照片，她裹著一張粉紅毯子，背後黃色條紋的壁紙上釘著幾張孩子的塗鴉——也許是她發病前畫的；照片背景不是醫院，她躺在自家臥房床上。雖然她對外界毫無反應，但醫學檢查證明她的大腦健康無恙，掃描不但沒能解釋她為何陷入昏迷，反而顯示她沒昏迷。

醫生群對她無計可施，只好請她家人帶她返家自行照顧。她就這樣躺了數月，沒有好轉，也沒有惡化。

雖然報導標題把蘇菲的病寫得猶如無解之謎，但內文其實已透露原因。蘇菲一家原本是俄國人，遭到當地黑幫迫害，逃到瑞典尋求庇護，蘇菲曾經目睹母親被人毆打，父親被警察逮捕。他們一家逃離俄國，抵達瑞典後沒多久，蘇菲就發病。

所以醫生合理假設她的病是心理因素造成的。

「身體為心理代言」應是不證自明

身為神經學家，我很清楚心理對於身體所能發揮的力量，也許比大多數醫生都更明白；我不時看到因為心理機制、而非身體疾病失去意識的病人。我認為這種現象一點也不罕見，甚至稱不上不尋常，許多轉介給我的病人以為自己是癲癇，但他們至少有四分之一是解離型癲癇或心身症癲癇。

這種個案為數不少，在我的執業生涯裡不算異數——來神經科求診的病人，可能有高達三分之一其實是心身症。

他們的身體症狀是真實的，也的確導致他們失能，只不過那些症狀不是疾病所致，而是心理或行為因素造成；不論麻痺、失明、頭痛、暈眩、昏迷、顫抖，還是任何一種你想得到的症狀或失能，都有可能是心身症。

而當然，心理因素不只可能引起神經問題，也可能影響身體任何一個器官，造成各式各樣的症狀，從皮疹、呼吸困難、胸痛，到心悸、膀胱問題、腹瀉、胃痙攣……幾乎無所不包。

然而，儘管這類病症隨處可見，很多人還是心存懷疑，認為它們不像其他醫療問題那麼「真實」。我承認，我不懂大家為什麼小看心理對身體的影響，因為我知道身體會以各種方式對我說話，不論我想不想聽：我的姿勢會隨心情而變；即使我不想透露對別人的觀感，一沒控制好表情就等於昭告天下。

既然內在世界會化為外在動作，說心理問題可能致病似乎並不過分。

在我看來，「身體為心理代言」應該是不證自明之理，但我有種感覺，不是每個人都像我一樣，把身體變化和想法意念的關連看得這麼理所當然。所以，見到一個孩子因為極端壓力而出現僵直（catatonic）問題，大家才會如此詫異又困惑不已。

心身症必因心理創傷而起？

不過，只要想想醫生和科學家忽視心身症的歷史有多長，我們或許不會太驚訝大眾為何如此低估其威力。幾乎大半個二十世紀裡，大眾都透過佛洛伊德的眼光看神經性心身症，稱之為歇斯底里症（hysteria）或轉化症（conversion disorder）。

在佛洛伊德對這個主題的開山之作《歇斯底里症研究》一書中，他推斷癲癇、麻痺、歇斯底里所造成的各種失能，都是隱藏的心理創傷轉化為身體症狀。舉例來說，過於害怕表達想法的女性可能壓抑恐懼，以致失去語言能力。

依佛洛伊德的設想，每個症狀都能回溯到心理創傷形成的特定時刻。他的想法非常有吸引力，甚至到現在，還是有許多人（包括不少醫生）相信：只要從被壓抑的創傷和被否認的虐待切入，就足以完全解釋所有心身症。

然而，由於有些醫生堅信病人的問題在於否認尚未解決的內心衝突，而病人如果不願接受這種解釋，便正好映證了醫生的觀點，所以數十年來，「心身症必因心理創傷而起」的看法其實對醫病關係有損無益。

心身症領域的科學進展停滯，為神祕敘事留下了許多開展空間。一個人的大腦看來完全健康，怎麼可能陷入昏迷？心身症患者的神經傳導路徑明明絲毫無損，為何腿部會癱瘓？那個虛無飄渺、被稱為「心智」的東西是怎麼造成癲癇的？事實上，二十一世紀已經為回答這些問題投入大量心血。

不該再被誤解

在神經學領域，心身症已然成為顯學，相關研究迅速增加。至少在科學界，我們已經懂得更細膩地剖析心身症的成因，不再將之一味歸因於心理壓力。目前尚待努力的是，這些新知仍局限於專科醫生和病人團體之內，大眾對之依然相當陌生。

現在有人將過去稱為「歇斯底里症」的病改稱為「轉化症」，但更新、也更貼切的名稱是功能性神經症狀障礙（functional neurological disorder, FND）。

雖然大多數醫學專科仍在使用「心身症」一詞，用來指涉他們認為是心理因素所致的醫療問題，可是神經科已逐漸以「功能性」（functional）取代「心身性」（psychosomatic），傾向使用前者，是因為既點出神經系統的功能出了問題，又拿掉了經常被（錯誤）解讀成心理脆弱、甚至瘋癲的前綴詞「psych」。

「功能性」既指出這是生物性問題，又不像昔日觀點那樣假設壓力的存在。功能性一詞保持了開放性，接受情緒創傷不是心理過程影響大腦功能，甚至造成失能的唯一可能。

不論是一般醫學上的「心身症」，還是神經科的「功能性神經症狀障礙」，不但都十分常見，也都可能發展成非常嚴重的症狀。可是大家未必都能意識到這點，因為在大眾領域，它們可能被各種誤解、委婉說詞、陳腔濫調掩蓋，很難受到注意。

從媒體報導就看得出來，他們經常把功能性神經症狀障礙說成「神祕怪病」。

——本文摘自《謎病睡美人》，2022 年 11 月，麥田出版，未經同意請勿轉載。

我們都叫他小葉，認識他的朋友應該時常在小葉的臉書牆上看見他與三個寶貝孩子一起工作的場景與畫面。同樣身為二寶媽的我，坦白說內心很佩服他不顧旁人眼光、遊刃有餘帶著半獸人一起工作的勇氣，更是嫉妒他輕鬆自在「做自己」的教養態度。

這位35歲移居嘉義，常常蹲點在嘉義舊嘉獄被人誤認是角頭老大的小葉，其實是從事地方社造工作深耕嘉義8年的地方爸爸，其參與策展的2021台灣設計展《舊監青年旅店Jail Hostel》也在今年榮獲紅點獎和金獎點的肯定。

不說你可能還不知道，小葉其實本來是一位建築設計師。關於小葉的求學歷程和轉變，以及對於親子教養的觀點，邀請你一起往下閱讀>>>

考試不是唯一證明自己學習成就的方式

「球場是我揮灑汗水的競技舞台，球場上有個人表現和團隊合作，如果打敗對手，就能留在球場上，這讓我知道不一定要透過考試來代表自己的學習成就」，小葉一語道破當年以「乖乖唸書就代表你會有好的工作，有好的工作就代表好的人生」學科導向的年代，為應付考試和功課，自己很難獲得學習上的成就感。

然而，小葉在高中時期便知道自己能透過「學科外」的多元表現表達自己，「我在高中的時候，發現原來不用跟別人一樣透過考試得到學習成就，雖然我的功課不好，但我能在體育課三對三的鬥牛找到自信，我知道自己也可以是獨一無二的存在。」

教育不該是生產規格品的工廠  

小葉是是68年次戰後出生，在那個不論是建築、工業或是學校都特別強調要有效率生產「規格品」的年代，小葉很清楚自己可以和別的同學不一樣，即使國中曾經考過全校前幾名，小葉笑著說自己還是有餘裕去選修撞球和溜冰的科目。

「但有一次我還是想著證明自己，我特別認真準備，結果考得還不錯，卻被老師和同學嘲笑一定是作弊，雖然說我在這之前的確有很多次作弊，但我那一次是沒有作弊，知道自己被貼上標籤之後，我就覺得更難找到熱情」

事實上，小葉提到那段經歷時，小葉是為了被肯定才讀書，而不是為了學習，對小葉來說自己也不知道為何要很認真，在講求學習效率、規格生產考試機器人的學習模式對小葉來說是很大的學習挫折。

「孩子就像是在生產線上面，如果在找尋意義的過程中受挫可以就會走偏了」

小葉很幸運地，那時因為有很多貴人幫忙，他沒有走偏，沒有走歪，更重要的是學習不是只有在學科裡面，我們求學歷程遇到的人事物、打工等等，都是學習的養份。

學習不該是造單一林相 每位孩子都可以是漂流木和奇形怪狀的樹

「以前的社會需要效率生產，我們就像是造林很密集的叢林，那一種林相很單一，大家都害怕跟別人不一樣」小葉把學習用了一個聯想比喻，他提到在現今要求「人人獨特」的時代，懂得欣賞漂流木和奇形怪狀的樹形更是重要。

「我這顆種子本質上喜歡把自己種在土地裡面，我的想法可能跟大家不太一樣，我講的可能是個人觀點，我認為小朋友的學習就是生理上身體一定要健康強壯，心理要能夠承受壓力，且要有幽默感，因為世界變化太快，有些事情要能幽自己一默，大致上我覺得是這些生理和心理，有幽默夥伴和貢獻的夥伴可以一起就能面對未知的世界了吧！」

小葉認為有這些本質，加上動機的誘發，我們才有可以去驅動往前做更多事情。

每一位孩子就像顆種子等待開花結果散發芬芳

「真的去用、去實驗，透過行動和研究還會有數據這件事情，這是對台灣很重要的」

小葉提到「解決問題、現場實作、動手實踐、連結夥伴」是教育很重要的四項關鍵，能讓孩子在學習的過程中成為更好的自己。

我們不需要都把孩子送出國唸書，彷彿家長會認為孩子這顆種子去了日本就能長成美麗的櫻花樹，去了美國就會變成結實累累的蘋果樹，「但你沒有想過可能在台灣，我們自己就可以是一個屬於這個土地的種子，也許我們是一個苦楝，有著屬於自己的獨特芬芳。」小葉堅定的說。

如果不是現在的你，你會在哪裡 ：「我應該會是很頂尖的房屋仲介」

最後，我們好奇問了小葉最後一題「如果不是現在的你，你會在哪裡」，小葉想了想說：「我覺得我應該是很頂尖的房屋仲介」(笑)

「第一個因為我唸建築設計，當房屋仲介不一定要跟建築有關係，我對於空間很敏感，我本身觀察和同理心滿特別的，我很清楚什麼樣對象需要什麼生活和組成，我對於自己的生活有模式和品味，可以用生活的面向去切入對方的需求，連結仲介某種生活品質和想像，讓你去找到你更好的生活模式。其實根田野學校我在做的事情很像，如果我不做這個應該是會是個很 top 的房屋仲介。」

響應本次「LIS第二季大科學計劃」，小葉分享給我們的大科學人宣言：

❛❛ 知識就在田野裡，校園就在土地上， 透過實作遇見更好的自己。-小葉

小葉讓我們知道學習不該侷限在課本上、教室內，我們生長的土地和環境，也是我們汲取知識的地方。這也是田野學校很重要的價值，知識就是在田野裡，田野就是現場裡，在現場才會有感受，一定要透過現場實踐和實作，你才會跟更好的自己相遇，才會知道自己是誰。

邀請您一同成為各行各業中的大科學人，您的捐款將支持「科學公益教材」的穩定開發，一起支持台灣科學教育，讓孩子從小開始像「科學家一樣思考」，帶著自信長大成為各行各業中「永保好奇」、「邏輯思辨」的大科學人！

【LIS 大科學計畫 ✦ 第二季】｜

❛ 教育不只是老師的事，這是我們的任務，下一個世代的科學史，現在就得開始寫起！ ❜

每月小額捐款，就能支持全台十萬名孩子都期待的科學教材：https://bit.ly/3MYKdP6