Loading [MathJax]/extensions/tex2jax.js

0

1
0

文字

分享

0
1
0

解決對立沒有特效藥:從認知科學找到社會衝突的原因與解法

研之有物│中央研究院_96
・2017/06/17 ・3129字 ・閱讀時間約 6 分鐘 ・SR值 587 ・九年級

從心理學哲學思考,找出社會對立原因

為何不同立場的支持者,總深信自己才是正義的一方?中研院歐美所副研究員洪子偉,探討社會心理學家海特的認知模型,結合自身經驗與論點,試圖找出化解社會衝突的解方。

哲學學門的洪子偉,曾加入特戰部隊,擔任烏干達衛教講習員、盧安達醫院助理。圖/張語辰 攝

從台大哲學系畢業後,洪子偉自願加入空降部隊,經歷兩年的特戰訓練生活。當年研究所落榜後先去當兵,恰好遇上前總統李登輝提出「兩國論」,引發台海的緊張局勢。

當時國防部雖然頻繁透過記者會安撫民心,但沒人知道能否像 1996 年飛彈危機化險為夷。他想,如果要打戰,便要加入最強悍的部隊。後來戰爭沒有爆發,卻發生九二一大地震,隔年在谷關參與重建,也曾擔任首次政權和平轉移時的戰備任務。

面對地震後滿目瘡痍的屋舍,頓時覺得自己變得很渺小,產生了與台灣命運相羈絆的心情,也有更多關懷社會的體悟。

投入哲學領域的契機:台大哲學系事件平反

洪子偉在高三時遇到了「台大哲學系事件」的平反。當時全國媒體都在報導台大哲學系作為「社會良知」在戒嚴時期遭整肅的經過,他便以台大哲學系作為第一志願。

在就讀期間,洪子偉對「政治哲學」與「道德哲學」漸漸產生興趣,但後來發現,許多理論爭議來自後設的語言定義。

-----廣告,請繼續往下閱讀-----

例如:什麼是「正義」?對正義的概念有很多詮釋,如效益主義與義務論就分別從行為的結果與過程來決定。但光是什麼才算是「結果」或「過程」?不同哲學家就有完全不同的定義。許多理論上爭論,其實只不過是語言定義上的爭論。

因此,洪子偉在台大哲學系讀碩班時,以古典邏輯和非古典邏輯在語義上的爭論為研究主題,而到了英國倫敦大學國王學院攻讀心理學哲學碩士、哲學博士時,仍以語言為研究核心,並主修當時在台灣學不到的「認知科學哲學」,以語言與認知作為博士論文的研究題目。

參與國內外非營利組織,關注社會不平等

洪子偉在大學期間,投入不少國內的非營利組織,當時學長在臺灣勞工陣線、學姊也介紹到勵馨基金會打工。在非營利組織中,逐漸認識社會的不平等結構,也促使他在英國讀書時參與國際特赦組織。

「台灣有許多對特定議題感興趣的年輕人,願意投入非營利組織工作。然而,在英國的國際特赦組織的經驗,發現跟臺灣並不一樣。參加聚會的成員大多年齡層較高,成員來自其他國家的留學生、失婚婦女、記者或少數族群」洪子偉回憶。

-----廣告,請繼續往下閱讀-----

事前預防總比事後解救好,當時他們常透過寫信的方式,對英國議員針對特定議題進行施壓,後來國際特赦組織的工作重點轉為教育推廣,關注的議題對象包含剛果跟中國的人權問題、英國的家暴婦女與種族問題等等。

解決社會對立,沒有特效藥

從柏拉圖的《理想國》開始,幾千年來人類都在尋找一個烏托邦的典範。後來,人們開始轉而探討「人類的本質」以及「人們是怎麼思考」,探討人類的推理及理性思考實際上是如何運作,了解運作的機制後,才能在機制的現實限制下,思考理想社會的典型。

多元價值是民主社會的寶貴資產,適度的對立與競爭也有助於進步。然而當社會衝突加劇,卻可能危及民主國家的運作效率與互信基礎。國內鬧得沸沸揚揚的死刑與同婚議題,雙方立論的前提預設就是不同,結論自然南轅北轍。

按照海特的認知模型,這是很難達到共識的,因為當人們面臨道德判斷時,「直覺」會先於「理性」。

有別於海特 (Jonathan Haidt) 的論點,另一位學者格林 (Joshua Greene) 則是提出「雙重程序模型」,格林認為:人們在面臨抉擇時,會在直覺與理性兩種模式中切換。

-----廣告,請繼續往下閱讀-----

目前學界對人類如何思考做決策尚無共識,大家研究得越多,越是發現知道的少。要進一步找出化解社會對立的解方,還有很長的路要走。

但有一點值得樂觀的是,哲學問題的研究,從啟蒙時代的歸納、演繹法,到邏輯形式化(數學化)與語言分析,現在甚至能透過磁振造影紀錄大腦對特定議題的反應,在方法論與研究工具上已有很大的進步。

研究海特的認知模型,探討社會對立原因

在洪子偉發表的論文〈化解社會對立?海特的認知模型及其批判〉中,他剖析海特的認知模型,並提出論點補充。過去的經驗,讓洪子偉對研究海特的模型有更深一層理解。

圖/研之有物

洪子偉認為海特雖然矯正了過去啟蒙時代高舉的「理性至上」想法,然而,卻過度強調「直覺」的重要性,有些矯枉過正。奠基於海特的模型,洪子偉提出三點補充,盼拋磚引玉思考如何化解社會衝突:

-----廣告,請繼續往下閱讀-----

1. 製造「個人直覺衝突」:當直覺無法產生立即判斷,則可讓理性介入以衡量更好的方案。

相較於海特建議「緩和」直覺判斷的環境,洪子偉認為製造直覺的「衝突」可使大腦啟動推理程序,來尋找其他線索以供判斷。他以哈普林 (Eran Halperin) 研究以巴衝突的容忍實驗為例,當人們突然聽到敵對陣營的人自我批判,說出有違直覺的反省言論時,會逐漸理解到對方不是只有單一價值,而比較願意聆聽對方意見。

2. 擴大我群認同的範圍,有助於凝聚團結。

共同威脅也有助於擴大我群認同的範圍。洪子偉舉例,1920 年前台灣島上的泉州人、漳州人有各自的認同,但在面臨日本同化政策的壓力下,逐漸發展出「台灣人」的概念與認同。當前台灣面臨中國越來越多文攻武嚇的威脅,對形塑共同體是很重要的契機。

-----廣告,請繼續往下閱讀-----

洪子偉再以徵兵制為例,大部分的人只從軍事角度探討徵兵制,但事實上它對社會穩定與形塑共同體也有幫助。這與海特的「社群直覺模型」中所提到的「共感經驗」,或抑制團體中自私行為的「蜂巢開關」不謀而合。

海特所指稱的共感經驗,是指當不同團體的人們有相同目標或威脅時,會抑制自我意識。而蜂巢開關則是指人們在自私的情況下,仍能發展出有限利他的團體感,只要當團體感的開關(也就是蜂巢開關)被打開後,人們會傾向幫助同團體中的成員。

徵兵制源自法國大革命要求所有公民(成年男性)負有保衛共和的責任。當巴黎 2005 年爆發失業青年的示威時,不少評論把部分原因指向 2001 年取消的徵兵制,切斷了少數族群、新移民與國家的聯繫。來自不同社會階層與文化背景的人民,少了團體交流、發展共感的機會。當國家政策與個人利益相衝突時,只能以砸車焚屋等暴力來反抗。

有鑑於北歐國家如挪威和瑞典的男女皆需從軍,洪子偉認為自由不是免費的 (freedom is not free) 。而全面徵兵若「實施得宜」,在同一個屋簷下共同生活的經驗,對於不同社會階級之間的相互理解,或甚至是階級流動都有幫助。

-----廣告,請繼續往下閱讀-----

3. 鍛鍊理性推理的能力,並培養同理心。

洪子偉認為,海特忽略了「時間」這個變項在決策與道德判斷上的角色。不少實驗指出,若將判斷的時間延後,大腦比較會做出效益主義式的全盤考量。所以當與人發生重大價值衝突時,先冷靜別急著做判斷。

此外,培養理性推理的能力也有助於排除較情緒性的判斷。這並不限於學校教育,例如哲學星期五、哲思台灣、沃草烙哲學或哲學新媒體等新興哲普團體,提供了批判思考與對話的機會。

最後,即便對立雙方都願意用相同理性方法推理與討論,但由於用來推論所預設的前提就是不同,不見得會有相同結論。這些基本預設常涉及核心價值,只能透過同理心來理解。

-----廣告,請繼續往下閱讀-----

延伸閱讀

 

  • 採訪編輯|王怡蓁     美術編輯|張語辰

CC 4.0

本著作由研之有物製作,以創用CC 姓名標示–非商業性–禁止改作 4.0 國際 授權條款釋出。

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

-----廣告,請繼續往下閱讀-----
文章難易度
研之有物│中央研究院_96
296 篇文章 ・ 3652 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
225 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

2
1

文字

分享

0
2
1
來自「腸道」的感覺訊息:人的「直覺」和「預感」到底是什麼?——《超級感官》
天下文化_96
・2023/04/20 ・2407字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

  • 艾瑪.楊恩(Emma Young)/著
  • 鄧子衿/譯

許多人可能多多少少瞭解「飢怒(hanger)」的狀況,但是和食物相關的感覺訊息對心理造成的影響,並非只有這樣。

潛在的學習行為

在日常對話中,經常會出現「直覺」(gut feeling)這個字眼。你無法確定要買這棟房子還是那棟房子?靠直覺吧!這種直覺的特徵是:並非由意識評估利弊得失,而是更多取決於下意識對不同選擇之間的偏好,而且往往會影響到重大的決定

選擇偏好是在下意識發生的,但並非代表就不會受到事實的影響。你的腦部會學習到某種程度的內隱知識(implicit knowledge)關聯持續性,但是你自己並沒有瞭解到這點,那屬於演化上較原始的學習形式。

雖然人群中,這種學習能力有高有低,但是與智商無關。有人可能智商測驗的得分高到可以成為門薩(Mensa)會員,但是在內隱學習上是個笨蛋,當然也有反過來的人。如果你仔細瞭解到在實驗室裡內隱學習發生的過程,就馬上能夠瞭解箇中道理。

內隱學習:感知身體狀態的訊息

其中許多的研究中,會追蹤人們玩賭博遊戲時的心理狀態,但是那些人在玩的時候並不瞭解遊戲規則。玩家如果想玩得好,就需要在遊戲進行時,摸索遊戲行動與勝負效應之間的模式,也就是遊戲規則。不過由於設定的遊戲規則非常複雜,藉由邏輯推理的方式難以整理出來。

-----廣告,請繼續往下閱讀-----

儘管如此,根據經驗,有些玩家至少顯示出學習到了一些規則,或是對規則的掌握程度高到足以做出明智的決定,他們會選擇在贏錢機率高的時候下賭注,在容易輸錢的時候收手。但是當研究人員問這些受試者真正的規則是什麼,他們通常會說不知道。那麼,他們是怎麼學習到遊戲規則的?

研究發現,儘管遊戲的確切規則複雜到難以用邏輯推理,有些玩家仍然可以從中掌握到一些已經足以做出明智決策的規則(示意圖)。圖/envatoelements

答案和他們的生理狀態有關。在進行遊戲時,研究人員會測量受試者的身體狀態,例如心跳速率和皮膚出汗的程度。研究指出:處於適合下注的時機與不適合下注的時機之間,這些狀態會有微妙的差異。大腦喜歡贏,杏仁體會很快學到「勝利」的狀態(不論是在賭博遊戲中,或是其他會影響生存繁衍的事情上)以及「失敗」的狀態。

當杏仁體偵測到威脅,便引發了生理學家坎農所說的「戰或逃」反應,告知下視丘讓心跳加速、流汗增加,以及產生身體的其他變化。如果威脅既實際又明顯,那麼反應就會很強。如果威脅曖昧又模糊(例如你拿到一手爛牌),那麼反應就會比較弱。

不過就算沒有意識到那真正的威脅,但是身體對於威脅所產生的曖昧又模糊的感覺訊息,你依然可以察覺到。身體的這些訊息能夠讓你在下意識中,靠直覺而非以邏輯思維,做出正確的決定。比較能夠感知到身體狀態訊息的人,往往比較擅長內隱學習。由於感知身體內部狀態的能力和智商無關,我們從事這種內隱學習的能力,也就和智商無關了。

-----廣告,請繼續往下閱讀-----

內隱學習與高風險決策的能力

有鑑於每個人感知身體內部狀態的能力不相同,薩塞克斯大學的克里奇利(Hugo Critchley)和葛芬柯(Sarah Garfinkel)想要知道,這種能力是否會影響實際生活中的決策與成功。為了研究,他們要找一群能夠快速吸收大量知識、從很複雜的資料中看出模式,能夠快速進行高風險決策的人。結果他們找到的是股票交易員

上述的那些能力,股票交易員樣樣精通,往往能夠做出正確的決定,報酬則是大把鈔票和保有工作,錯誤的決定則會讓他們被踢出華爾街。

理論上,感知身體內部狀態的能力更敏銳,內隱學習和憑直覺做決策的能力就更強。

股票交易員能夠快速吸收大量知識、從很複雜的資料中看出模式,並快速進行高風險決策。研究人員將他們作為實驗對象,想知道對身體內部狀態感知能力的敏銳度,對內隱學習和高風險決策能力的影響。(示意圖)圖/envatoelements

關鍵在敏銳的內感受能力

克里奇利和葛芬柯與同事一起研究倫敦股票交易市場的營業員,驚人的結果於 2016 年發表。

-----廣告,請繼續往下閱讀-----

首先,和從事其他不同工作的對照組相比,股票交易員對於心跳的感覺比較敏銳,這確實代表了對身體內部狀態的感覺比較敏銳,有助於交易成功。但是研究團隊竟然發現:可以用個別交易員的內感受能力,預測他們能賺多少錢,以及在這行業能夠待多久。在這個內感受能力超強的群體中,愈敏銳的人愈成功。

研究團隊寫道:

金融界的交易員經常提到,在挑選有利的交易時,直覺很重要。我們的研究指出,這種直覺並不只是金融圈的神話傳說而已,而是真實的生理訊息,有真正的用處。

意識都還來不及反應的「預感」

知道心跳速率稍微變化,並不屬於直覺,但是我們知道:對於心跳的感覺可以用來當成內感受能力的普遍指標。在受到威脅的狀況下,進入腸道的血液會減少,而腎上腺素會使得小腸中的不自主平滑肌放鬆,那些肌肉的伸展受器能夠偵測到這種現象。腦部察覺到這些改變,在意識還沒有瞭解到的情況下,就知道了可能會發生的狀況,只不過這時你覺得產生的是「預感」。

對於內感受更為敏銳的金融交易員,可能就是如此。同時,如果其他人對於要做的事情猶疑不定的時候,這些內感受更為敏銳的人通常會建議:「相信你的直覺。」(Trust your gut.)

-----廣告,請繼續往下閱讀-----

——本文摘自《超級感官:人類的32種感覺和運用技巧》,2023 年 3 月,下文化出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
天下文化_96
142 篇文章 ・ 624 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。

1

2
2

文字

分享

1
2
2
凡事都想知道「為什麼」,是踏入科學探究的第一步——《教出科學探究力》
親子天下_96
・2022/08/14 ・2566字 ・閱讀時間約 5 分鐘

在某個燠熱難耐的夏日午後,你打開電風扇,卻發現吹出來的風好像比印象中來得小。你眉頭一皺,覺得案情並不單純。就在走近電風扇的那幾步裡,好幾種可能性閃過心頭:

「會不會是按錯按鈕了?」、「會不會是扇葉太髒了?」、「會不會是轉軸黏住了?」、「會不會是⋯⋯?」這些猜想背後,都是根據你對電風扇原理的一些些認識才會做出的假設。

當你打開電風扇卻發現吹出來的風好像比印象中來得小,心中會冒出許多假設。圖/Pexels

在提出疑問和假設之後,尋找問題的答案

靠近電扇之後,你看到按鈕確實是按下了「強」。接著你切斷風扇電源,看了看扇葉,發現確實有點髒,於是把電風扇拆洗後裝回去,再按下按鈕。結果風吹起來,就如同你印象中的那麼涼了。這證實了你的第二個猜想,並且解決你所關心的問題。

上述這樣的過程,其實就是「察覺差異,提出問題」、「根據理論,連結現象」、「提出假設,進行驗證」、「預測結果」等等的探究過程。

-----廣告,請繼續往下閱讀-----

再舉個例子。

我有一天走在馬路上,看到白色分隔標線的一端閃著黃色的光。我心想:「難道馬路地上埋了一顆黃色的燈?是要作為交通警示用途嗎?」

我覺得奇怪,記得前幾天沒看到這裡有燈。接著我把視野放大,往左往右看了看周圍。發現有一台車停在遠處,車頭開啟方向燈,燈是黃色的,而且還在閃爍。然後我馬上注意到,兩者閃爍的頻率是相同的。

於是我有了新的猜想:「地上的神祕閃光,非常可能來自於汽車閃爍的方向燈的反光。」

但是柏油路面怎麼會反光呢?

仔細一看,地上似乎有一小灘水。汽車的方向燈發出來的光,剛好通過那一小灘水的反光進到我眼睛,讓我覺得地面在發光。接著馬上一台車經過,就擋在方向燈和積水的中間。我看到的亮光馬上消失,證實我的第二個猜想是正確的。

-----廣告,請繼續往下閱讀-----
你可能會猜想:「地上的閃光,可能來自於汽車方向燈的反光。」但是柏油路面怎麼會反光呢?圖/Pexels

「哪裡怪怪的」這個念頭,會帶領我們尋找答案

像這樣的心智活動,在我們的生活中無時無刻都在進行著。只要我們發現「哪裡怪怪的」,腦袋幾乎就會立刻啟動探究的機制:

  • 廚房怎麼那麼多螞蟻?(察覺問題)
  • 是不是有食物殘渣沒有清理乾淨?(根據理論提出假設)
  • 仔細觀察一下,發現⋯⋯(得到結論)

既然這些能力是我們原本就自然會的,那又為什麼要學呢?因為我們雖然很習慣對於意料之外的事情展開探索,但是以直覺來進行思考及解決問題的方式,往往並不太科學。

抓住內心的每次疑惑,成為具有好奇心和探究心的人吧!圖/Pixabay

古人說的「地牛翻身」,其實也是一種探究的精神

古人在觀察自然現象的時候,會提出自己的解釋。例如面對地震的時候,台灣民俗的說法是「地牛翻身」,日本民俗的說法則是「棲息在地底的大鯰魚搖動身體」;至於日食在中國的傳說中是「天上的狗把太陽吃掉了」。

於是後人也會根據這些「理論」來規劃解決問題的方法。例如,綠島人認為地牛不只一隻,還會彼此打架,所以地震時要敲打金屬臉盆來分開牠們;同樣的,古時候的中國人看到日食,也會敲鑼打鼓、放鞭炮來趕走天狗。

-----廣告,請繼續往下閱讀-----

有趣的是,根據這些「理論」採取的「實驗」,還真的每一次都會成功喔!一代又一代的人反覆進行著下圖這樣的實驗,所以千年來人們始終對這些「理論」深信不疑。

如果你是一位受過基礎科學教育的公民,這時候可能就會提出質疑,認為這樣的實驗並沒有對照組。

例如下一次出現日食的時候,如果不要敲鑼、打鼓、放鞭炮,日食是不是也會結束?如果不這麼做,日食仍然會結束的話,那麼用敲鑼打鼓的方式趕走天狗的假說就會受到挑戰了。

當然,在一個深信天狗傳說的社會中,沒有人會膽敢拒絕敲鑼打鼓,不然萬一太陽真的就被吃掉而永遠消失了,這責任誰負擔得起?用這個角度來看會發現,有時候要突破傳統,其實是一件非常困難的事情。

恐懼源自於未知:想消除恐懼,需要探究未知

人對於未解的現象,往往會用隨意的想像與歸因來尋求解釋,用很直覺的方式來建立對自然現象的理解,也是人類天生的習慣。

-----廣告,請繼續往下閱讀-----

直到距今兩千六百多年前,古希臘哲學家泰利斯才撥開直覺的迷霧,主張應該拒絕再用人格化的神祇來解釋自然現象,而是要藉由理性的假說來理解和解釋自然現象。但即使西方在兩千六百多年前已經出現這樣的思想,但近代科學真正臻至蓬勃發展,還是近半個世紀內的事情。

正由於科學的研究和思考方法並不直覺、並不符合人類的天生習慣,所以必須透過後天的教育與訓練,才能慢慢熟練並妥善運用在生活之中。

雖然探究是我們的天性,但是具有科學素養的探究卻不是天性,無法一蹴可幾。就像科學家需要訓練有素的探究技術,才能做好自己的研究。

一般公民也需要具備科學探究的素養,來幫助自己在面對生活中諸多不熟悉的現象時,能運用一套思考和研究的方式來做判斷,特別是幫助我們更加注意到生活中不尋常的現象,能對許多直覺、缺乏事實支持的歸因有更高的警覺。

-----廣告,請繼續往下閱讀-----

正因為我們的生活離不開探究,所以更應該透過學習來提升探究品質。這正是國民教育自然課程中所應教會每個公民的事情。

——本文摘自《教出科學探究力》,2021 年 8 月,親子天下 ,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
所有討論 1
親子天下_96
26 篇文章 ・ 25 位粉絲
【親子天下】起源於雜誌媒體和書籍出版,進而擴大成為華文圈影響力最大的教育教養品牌,也是最值得信賴的親子社群平台:www.parenting.com.tw。我們希望,從線上(online)到實體(offline),分齡分眾供應華人地區親子家庭和學校最合身體貼的優質內容、活動、產品與服務。