為何會記得不曾發生過的事？你的記憶真的可靠嗎？——《神奇的心理學》

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

有沒有曾經聽見長輩對年輕人說：「年輕人真的特別有創意！」又或者，也有人常常這麼說：「果然薑（前輩）還是老的辣啊！」

到底是年輕人比較厲害，還是閱歷豐富的長輩更勝一籌呢？

其實，這些敘述大致上都是對的，而且背後都有科學理論概念的支持。

沒想到吧！這些敘述跟心理學有關！

在差異心理學的領域中，對於智力的廣義定義是：「迅速學會複雜知識，並解決問題的總合能力，包含完成作業的速度及難度等」。

智力由什麼組成呢？雖然不同心理學家有不同看法，但多數皆認同為智力有某種程度的共通性，也就是所有智力測驗中都會討論的內容普通因素（general factor，G factor），包含了：理解並掌握事件的概念、推論事件間的關係，或是從已知知識類推至新事件等。

不同的智力型態，衰退速度也不一樣

心理學家卡特爾（Raymond B. Cattell）在 1963 年提出「流體和晶體智力理論」來解釋¹，將智力分類成兩種獨立的智力型態：

• 流體智力：泛指個體天生的能力，包含邏輯推理、抽象思維等解決新穎問題的能力。
• 晶體智力：經由後天的經驗和教育所獲得的知能。

針對流體智力與晶體智力的研究指出，兩者會隨著年齡的增長而有不同的發展與衰退的程度。

流體智力的功能，主要依靠前額葉皮層²中的工作記憶³，因此前額葉發展趨於成熟的 20 歲左右會達到頂峰，逐漸隨著年齡開始衰退⁴。其中，又因為人類面臨衰老和腦部病變的時候，前額葉的變化速度會比其他皮質區域快，因此在老年時流體智力會衰退得更快。⁵

雖然隨著年紀增長，不可避免都會有智力下降的情形，但與流體智力相比之下，晶體智力就衰退得比較慢。

流體智力是你創意的泉源，卻容易衰退！

流體智力( Fluid intelligence, g f )，是一種不需要依賴任何現有的知識，只要透過邏輯推理、抽象思維，就可以解決新穎問題的能力。

在非語言性，或需創意的作業中，如數學、腦筋急轉彎等等，由於需要跳出既有思維，才能發現解決方法，因此流體智力在這個類型的解題過程中，扮演相當重要的角色。

流體智力強調對於新奇問題的抽象推理，不受特定知識或語言的限制，主要以非語文測驗測量。

常見的包含瑞文氏測驗（Raven Progressive Matrices,RPM）⁶，該測驗強調文化公平性，以圖形為試題，測量不同文化下學童的智力及認知推理的能力，亦顯示流體智力不受文化因素的影響。

薑是老的辣？由經驗累積而成的晶體智力！

晶體智力（Crystallized intelligence, g c）是透過教育及過去學習經驗所學到的知識或技能等，它代表文化知識方面的智力，是透過後天學習或經驗而習得，包括一般常識、語文理解、數學能力和應付社會情況的能力等。

與流體智力不同之處，它不需要跳出箱子思考，只要透過既有知識慢慢推理，就可以理解當前的新知，甚至解決問題。

不論是學習知識的媒介，或是智力測驗的方式，「語言」則晶體智力中都扮演重要角色，所以「文化因素」在晶體智力中也有深遠的影響，像是在母語的閱讀理解或文法等作業中，多是依靠過去的知識積累而成，我們所學習並維持的知識，也屬於晶體智力。

雖然流體及晶體智力，說明我們所擁有的兩種不同的能力，看似相互獨立，但不表示兩者間沒有合作，只是涉入程度不同。

例如，在學習微積分的同時，不全然僅靠流體智力就可以完成，其中晶體智力，包含過去所學的定理公式，這時就扮演重要角色。

有沒有方法可以讓人變老卻不變笨？

正如上述所說，流體智力會在青春期後開始走下坡，相對而言，晶體智力衰退的比較慢，主要可以透過後天的學習來維持特定知識。

其中，心理學家 Susanne M. Jaeggi 和同事（2008）⁷要求參與者執行高強度的工作記憶（短期記憶）的作業，分別為期 8、12、17 或 19 天四個實驗組別。

實驗結束後發現，參與者的流體智力有明顯的進步，尤其是參與天數較多的組別，因此研究團隊推論流體智力可以通過訓練來改善。

然而，Redick（2013）⁸重複相同實驗，卻未發現相同結果。在短時間內進行密集且困難的大腦認知訓練，並不意味同樣技術我們適用於生活中，所以 Jaeggi 的研究結果仍被視為有爭議的。

在短期內，進行大量的認知訓練，是否可以增進我們的流體智力，目前學界並沒有相同的看法或結論，但如果希望自己可以保持在思考的靈活度，或是維持一定水準的智力程度，「活到老，學到老」的不斷學習則是不二法門，不僅能幫助自己時刻獲取新知外，亦能增進大腦突觸的連結性。

參考資料

1. Cattell, R. B. (1963). Theory of fluid and crystallized intelligence: A critical experiment. Journal of Educational Psychology, 54, 1–22. doi:org/10.1037/h0046743
2. Dehn, Milton J. Long-Term Memory Problems in Children and Adolescents John Wiley & Sons, 2010, p. 69
3. Kyllonen, Patrick C.; Christal, Raymond E. (1990). “Reasoning ability is (little more than) working-memory capacity?!”. Intelligence. 14 (4): 389–433. doi:10.1016/S0160–2896(05)80012–1.
4. Cacioppo, John T.; Freberg, Laura. Discovering Psychology: The Science of Mind. Cengage Learning, 2012, p. 448
5. Fuster, Joaquin. The Prefrontal Cortex Elsevier, 2008, p. 44
6. 瑞文氏測驗的設計，正是為了避免多數智力測驗的弊病－以文字描述為試題，對於較不強調語言導向的特定文化學童，在閱讀試題本身就會造成困難，更不用說可以在測驗中答對。
7. Jaeggi, Susanne M., et al. “Improving Fluid Intelligence with Training on Working Memory.” Proceedings of the National Academy of Sciences of the United States of America, vol. 105, no. 19, 2008, pp.6829–6833,
8. Redick, Thomas S., et al. “No Evidence of Intelligence Improvement After Working Memory Training: A Randomized, Placebo-Controlled Study.” Journal of Experimental Psychology: General, vol. 142, no. 2, 2013, pp. 359–379.

在這個網路媒體發達的時代，人人都有機會成為假訊息的傳遞者！這並不代表我們愛說謊，而是我們以為的「真話」可能並不「真實」。所以到底是你的「真」，還是我的「真」呢？

《哈利波特》中沒喝到也幸運的幸運水

在《哈利波特：混血王子的背叛》中，哈利在魁地奇比賽前，讓榮恩自以為喝下幸運水，在比賽中大顯身手，最後獲得勝利。（沒有被喝下的）幸運水為什麼會有用呢？

1955 年，畢闕博士（Henry K. Beecher）提出了「安慰劑效應」。此效應的緣起於一份醫療紀錄，在紀錄中大約四分之一服用安慰劑的病人，表示服用藥劑之後，疼痛得到舒緩，而這些疼痛的舒緩是可以透過客觀方法被檢測到；同時沒有接受安慰劑的病人，症狀並無改善。

簡單來說，安慰劑效應就是當進行一個無實質效果的療程時，不知情的病人症狀隨之好轉的情況。此時可能病人常會有錯誤歸因，以為這個療程具有療效，實際上有可能是心理因素加上身體本來就能夠靠著免疫系統自癒。而以心理狀態來說，一個有實力的人可能因為緊張，導致在比賽中失利，若能在賽前「以為自己喝下幸運水」，便能夠讓自信心大大提升，在場上完整地表現出自己的能力，這也就是安慰劑的效用了。

說到這裡，是不是就想起許多網路上小偏方、小撇步呢？這些偏方，有些可能真的具有實質效用，有些說不定就是安慰劑效應，有些甚至會誤導民眾，讓情況變得更糟糕！所以除了沒事多看看泛科學，當遇到生理或是心理病症時，記得馬上尋求專業，不要延誤治療唷！

你的記憶不是你的記憶

還記得小時候和家人的相處過程嗎？腦中可能浮出某些畫面，當你跟家人核對這些畫面時，他們記得的內容可能跟你完全不一樣，是誰記錯了嗎？

電視劇《你的孩子不是你的孩子》第三單元〈茉莉的最後一天〉，茉莉的媽媽透過機器讀取茉莉的記憶，得知她是以什麼樣的型態，在茉莉的成長歷程中影響著茉莉。

但實際上，大腦並不像電腦，可以按下儲存（ctrl+S）後，就將記憶原封不動的儲存在硬碟中。我們的大腦很容易被外界環境誘導，在記憶的歷程中不斷的重組，所以我們的記憶幾乎可說是「被製造」出來的，而這些「被製造」出來的記憶也深深地影響著我們。

美國心理學家羅芙托斯（Elizabeth Loftus）有個非常有名的「在大賣場走失」的記憶實驗，透過語言誘導、生動且詳細的描述，以及情緒衝擊，便能製造出新的記憶，以為自己曾經在大賣場走失過。詳細實驗過程可參考〈為何會記得不曾發生過的事？你的記憶真的可靠嗎？——《神奇的心理學》〉

「以為記得的事情，不一定是真實發生的」就像電視劇〈最佳利益〉中的這個段落，只是要目擊者回憶歹徒的外觀，目擊者所說的也不一定是最正確的。除了我們的記憶本身容易被誘導，每個人記下的內容也都會因為各自注意的細節而有所不同，所以下次再聽見「目擊者的證詞」我們可以嘗試從證詞中，聽出一些事件的過程，同時可以再多觀察，先別急著下定論。

是什麼讓我們改變態度？

人們通常先入為主相信一些觀念，當對立的證據呈現眼前 ，信念便會出現矛盾。在面對這種情況，人們可能選擇漠視，或者找一些自我安慰的主觀理由，總之就是要堅信自己是對的。

對於這樣的情況，多數社會心理學家認為是由於，人有追求認知一致性（信念、態度、行為都能彼此相容的心智狀態）的強烈動機。在這個前提之下，人們反而因此做出不合理的行為；或者在發覺行為與原有信念有矛盾時，強行解釋已經完成的行為。

1959 年 Leon Festinger 和 J. Merrill Carlsmith 的研究中，要求受試者在一小時內完成極其無聊的任務（前半小時，重複的向左、向右轉動木板上的木樁，後半小時，重複將 12 捲線纏上木板，再拆掉，再纏上，再拆掉……）。完成任務之後告訴受試者：「他們只是整個實驗中的控制組，而為了實驗的完整性，是否願意告訴接下來的參與者（真正的實驗同謀）這個測驗非常有趣？」當受試者遲疑時，實驗者便提出完成告知之後，會得到另外的酬勞（分別是 1 美元與 20 美元）。

整個實驗結束之後，再訪談受試者們對第一項任務的「真實反應」，得到 20 美元而說謊的受試者多數坦白，這份任務非常無聊。值得注意的是，得到 1 美元說謊的多數受試者，會改變自己的狀態，反倒認為這項任務是有趣的。為什麼得到 1 美元而說謊的多數受試者，會轉變自己的態度，認為這項任務是有趣的呢？

簡單來說，回答這個問題的受訪者是在「為了 1 美元這種小錢而說謊」和「這個實驗是有趣的」這兩個立場選邊站。

在執行當下受試者可能是感到無趣的，得到 1 美元的酬勞（在心裡上）並無法有效的說服他說謊時（誠實可能比 1 美元更有價值），他便會陷入矛盾之中（為了不值得的事情而說謊）；而為了減少認知失調，他便會改變自己的態度，讓態度（覺得過程有趣）與他的行為（告訴別人過程有趣）盡可能的一致，因此便產生這種看似不合理的現象。

而這些「為了維護……的認知，選擇支持或否定某些現實」經常發生在我們的日常生活中，像是在教育現場常見的，家長跟老師的觀察有明顯的出入，有些家長為了維護「自己對自己家小孩瞭若指掌的家長」這個認知，否認其他人對小孩的觀察；又或者男女交往時的各種占有與限制，有些人可能為了維護「他／她是因為喜歡我，才會這樣對我」的認知，支持其中一方的掌控行為。

心態上保持空間，才有機會走出騙局了解真相

面對訊息的真真假假，我們除了透過邏輯判斷真偽之外，還可以試著不預設立場地聽不同的聲音。或許會覺得無法認同對方的言論、無法理解怎麼會有這種人存在，有時甚至還會覺得「氣氣氣氣氣氣氣」，但是別人所說的每句話，背後想傳達的是什麼，我們真的了解嗎？就像〈茉莉的最後一天〉的劇情，家人總在「為彼此好」之中互相傷害，如果能夠坐下來核對各自背後真正的想法，是不是就能少一些猜測、少一些傷害了呢？

此外，在這個資訊傳播快速的時代，人人都可以使用社群媒體傳遞自己想法的同時，我們也應該要為自己的「分享」負責，確認自己是不是假消息的放送者。仔細想想，你是不是曾經一看到「認同請分享」就把訊息轉傳出去了呢？從上面的幾個心理學概念就能知道，你認同的「真」和事實的「真」不必然相同，因此轉傳訊息前，如果能夠先查證，也能減少假消息再被散佈。

參考資料

• 為何會記得不曾發生過的事？你的記憶真的可靠嗎？——《神奇的心理學》
• 你的大腦有多容易被誘導？在迪士尼樂園遇到賓尼兔的「虛假記憶」——The News Lens 關鍵評論網
• 《週末心理話》看見的一定是真實嗎？目擊者的記憶可能是錯的！
• 人性中的傲慢與偏見：認知失調
• 實驗你的心：（二）今天你認知失調了嗎？——Vocus 方格子
• 同溫層裡又暖又舒服，為什麼要刻意讓自己「認知失調」？——The News Lens 關鍵評論網