Loading [MathJax]/extensions/tex2jax.js

0

0
1

文字

分享

0
0
1

當你凝視深淵,深淵也呼喚著你:在高處為何會想往下跳?

莊 霈淳
・2017/06/25 ・3961字 ・閱讀時間約 8 分鐘 ・SR值 572 ・九年級

-----廣告,請繼續往下閱讀-----

「本篇文章部分內容仍在討論,經調整之後會在重整推出。」2017.09.26 P.M.12:36

編譯/莊霈淳|成功大學心理系學生,PanX 實習生

source:Gregg Scott

人的知覺現象真的非常奇妙,有時候甚至根本自相矛盾。就如懼高症總好發於走在斷崖時,面對腳下隔不到幾步路的無望深淵,想到自己粉身碎骨就暈眩,只希望這個可怕的路程趕快結束。只是當我們終於爬上山麓頂端,心中充滿成就感,前一秒還怕得要死,此刻竟然閃過一個念頭:

「好想跳下去啊,不知道會是什麼感覺呢?」

別偷笑,因為你八成也曾經這麼幻想過吧!這種「來自深淵的呼喚」原自於法文 L’Appel du Vide。關於平衡、恐懼和認知功能的科學研究指出,「深淵的聲音」既是真實又有影響的;研究指出,我們對高度的感知並不全然如你所想的那麼單純、只是懼高而已。

這樣的焦慮哪裡來?其實是來自於知覺的適應

研究極端恐懼症反應的理論包含對於看到高處、蛇、或血的恐慌、情緒問題、負面思考、焦慮狀態、過去的創傷。以突破性的懼高症研究著名的心理學家卡洛斯·柯爾荷(Carlos Coelho)教授對於恐懼症的解釋是:我們害怕是因為焦慮,或是我們沒有對應機制去處理

-----廣告,請繼續往下閱讀-----

身在高處的情況下,人的心理活動不只是會感到焦慮而已,還結合了知覺、身體動力學和我們的精神狀態。猶他大學認知神經科學中心(Cognition and Neural Science at the University of Utah)的珍妮·史蒂芬努西(Jeanine Stefanucci)教授研究情緒、年齡、物理狀況的改變會如何影響我們對空間,特別是垂直空間的感知。

她的研究駁斥了我們常見「眼見為憑」的觀念:恐懼可以解釋為什麼人類對於垂直的感知敏銳程度不如水平方向。想像一下,我們站在欄杆附近的陽台高處,然後開始後退直到欄杆離你遠去,試著去評估所在位置的垂直和水平距離是否相同;你會發現這其實很容易判斷錯誤。

在研究中受試者會高估垂直方向的距離,平均比實際高度多了三分之一到一倍之多(也高太多了吧囧),但人們對於判斷水平方向的距離基本上沒有問題。由於垂直方向的過度感知偏見,對某些人來說高處似乎更加令人害怕了。而越懼高的人越會認為垂直方向的高度比起真實來得高,如此他們的恐懼感疊加,形成一種回饋機制迴路。史蒂芬努西教授說:「許多人問我們為什麼高估高度是件好事,我說因為這是適應的現象。」

圖/Pixabay

而柯爾荷的假設則是,高處形成的峭壁也會讓我們的產生類似暈車的感受,也叫做動暈症(motion sickness)。因為視覺系統和與平衡感相關的前庭系統之間的感知有所牴觸。比方說暈船的時候,當我們的身體隨著船搖晃時,雖然前庭系統知道我們在移動,但是我們坐船當下看起來是靜止不動的,這樣的牴觸感知造成了暈眩噁心的狀態;所以當我們眼睛閉上時可以降低不適感。

-----廣告,請繼續往下閱讀-----

對倚賴視覺移動的人來說,在移動時保持平衡更困難,這讓他們在失去深度判斷視力的時候更加怕高;雖然有些人可能是因為天生比較不擅長姿勢控制的影響。柯爾荷教授在他的實驗室裡使用阮柏氏測試(Romberg test)測量姿勢控制,這需要肌肉骨骼的力量和敏捷性。這個測驗有點像測酒駕那樣,請你走一直線,不過更困難的實驗室版本是這樣的:赤腳把腳踮起來,左腳在右腳前方,雙手放在胸前,閉上眼睛,維持這個姿勢兩分鐘。聽起來很容易吧?但其實許多人只能維持幾秒鐘。 柯爾荷實驗室測出的平均數據約為 40 秒。有幾個特別厲害,能維持兩分鐘的幾個受試者,是最不怕高的。

倚賴視覺移動的人來說,在移動時保持平衡更困難,這讓他們在失去深度判斷視力的時候更加怕高。圖/flickr

這些影響所呈現的種種困難:錯誤的視覺感知、身體控制不良、前庭信號衰弱、過度估算高度等等症狀的綜合,讓懼高症成為世界上最常見的恐慌症之一,平均 20 人中的就有 1 人如此。但不像對蛇、蜘蛛的恐懼,懼高症卻會讓我們產生一種怪異的反直覺效果:屈服於恐懼的根源,以及想跳下去的衝動。

想跳下去不代表真的想死

我們對高度的恐懼比我們想像中更加複雜。聖母大學(University of Notre Dame)臨床心理學哈密斯(Jennifer Hames)教授專門進行自殺行為的研究,她把我們往下跳的衝動命名為「高處現象」(High Place Phenomenon)。

在她們研究團隊於 2012 年的論文中,431 位受試者當中,有一半沒想過自殺,不過他們確實曾經有過從高處電梯跳下的念頭;而想過自殺的受試者中,想往下跳的人則是佔百分之 75。哈密絲教授給出的理論是,這樣的衝動也許來自於身體防衛機制發送給意識大腦的訊號誤解。我們的恐懼迴路(fear circuitry)包含杏仁核和其他快速潛意識的腦區,可能會向前額葉皮層發出警報以進行判斷。你的意識處理比恐懼迴路的速度運行來得慢,它辨識得出報警訊號,但可能不知道為什麼發送。

-----廣告,請繼續往下閱讀-----
「高處現象」往下跳的衝動。圖/pxhere

簡單地說,當一個人站在高處時,是正在面臨會掉下去的潛在危險的。此時在他腦中的恐懼迴路會發送像是:「後退!你可能會掉下去!」之類的快速訊號。這種訊號是為了保護我們擺脫危險的先天生理機制,好讓人們可以快速遠離危險源。直到心情平復,且不處在危險的情況時,我們較慢的感知系統才會啟動,去理解剛才發生的事,接著我們可能會將這種訊號(「太靠近了,退後!」)引導到跟死亡的念頭有關,導致誤解。所以你可能事後會這樣想:「為什麼我要後退?我又不可能掉下去,而且那邊也有欄杆啊,我覺得想跳下去看看。」

另外,那些不考慮自殺的人事實上也會經歷更多的焦慮,包括更關注自己的身體反應。 這些感覺包括出汗、心悸、眩暈和搖搖欲墜的膝蓋,這些都是對高處的常見反應。那些從來沒有想過自殺的受試者,對高處現象焦慮的經驗反映了焦慮敏感度較高,對一般的感覺線索更為敏感,因此更可能將安全訊號誤導為「跳躍的衝動」。

恐懼迴路會發送像是:「後退!你可能會掉下去!」之類的快速訊號。圖/Flickr

當然也有一種可能是原本就愛好高處。而這樣的興奮狀態跟那種「我快要死了」之類的觸發恐慌情緒的區別是什麼呢? 柯爾荷教授說:「這些現象的解釋很主觀,特別是前庭系統的訊號。」在知覺的詮釋性來說,前庭系統比起視力來說,更加取決於你個人的主觀解釋,因為它在意識之外運作。那些最有可能感受到跳下去衝動的人也往往更加擔心其他生活問題,包括害怕自己變成瘋子。

不過,這種焦慮與哈密斯教授研究中的曾經有過自殺念頭的受試者感受的跳躍衝動無關,他們的興奮慾望是反映出實際想死的願望或只是一個曲解的安全信號還不清楚,這是值得進一步研究的方向。

-----廣告,請繼續往下閱讀-----

醒醒吧!其實你沒有危險了

康乃爾大學(Cornell University)認知神經科學家亞當·安德森(Adam Anderson)提供了另一種跳躍衝動的理論,他使用腦成像為行為和情緒成像。他認為「高處現象」源自人類面臨巨大風險的冒險傾向。 他說:「當自身情況不好時,人們傾向不去冒險。」

在高處的情況下,跳躍的舉動就像孤注一擲的賭注。安德森教授說:「對於自己在高處的躁動,我感覺地面有種拉力,就像那裏很安全一樣;當然跳下去會死,但我們內在偏見包括時間折價(temporal discounting,指潛在報酬讓人感受到的價值會隨時間而減少)和負增強(negative reinforcement,在過程中藉由減少或取消增強物以增強某種預期行為),告訴我們避免現在損失的發生,比未來收益更有價值。」安德森解釋。

另外,由德國奧斯納布魯克大學(Osnabrück University)的心理學家和馬克斯·普朗克生物控制論研究所(Max Planck Institute for Biological Cybernetics)共同執行的存在神經科學(Existential Neuroscience)大腦成像研究中,觀察人們對死亡可能性的間接和延遲處理。17 名男性大學生的功能性磁振造影(fMRI)掃描中,他們發現與預期死亡觸發的腦區跟預期焦慮的腦區有相關,而不是與實際上經歷焦慮的腦區相關。換句話說,我們的大腦在情感上擁有死亡的想法。

預期死亡觸發的腦區跟預期焦慮的腦區有相關。圖/flickr

這些理論相同之處在於他們對於活下去的意志。高處現象是非常多人的經歷;事實上,這種現象可能是一種以反直覺的角度去反向肯定一個人的求生意志,就如美國社會心理學家蘇利文(Harry Stack Sullivan)於1953年所說:「對自殺幻想是一種非直覺的目標,研究了危險、個人主觀對概率的認知。個體沒有意識到幻想自殺是在防止這種自我毀滅的行為。」所以說,深淵或高度本身在某種程度上對我們有吸引力,可以見得人的天性就是喜歡冒險又害怕危險吧。

-----廣告,請繼續往下閱讀-----
深淵或高度本身在某種程度上對我們有吸引力,可以見得人的天性就是喜歡冒險又害怕危險吧!圖/Army.mil
  • y編按:應該推薦《空之境界》看看這篇,多想三秒鐘啊Q
《空之境界–俯瞰風景》官方宣傳圖。

參考資料:

-----廣告,請繼續往下閱讀-----
文章難易度
莊 霈淳
3 篇文章 ・ 0 位粉絲
PanX 實習編輯。 左手文、右手理,舉頭三尺想社會。不擅長二元對立,解決問題需要理性與感性並用。

0

1
0

文字

分享

0
1
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。

2

0
1

文字

分享

2
0
1
皮質醇能阻斷恐懼
陸子鈞
・2011/03/30 ・787字 ・閱讀時間約 1 分鐘 ・SR值 572 ・九年級

有懼高症的人常常做出誇張的舉動,比方為了避免坐飛機,而選擇長途巴士,或避免駕駛經過很高的橋,而花費好幾個小時繞路。新的研究發現,人類的皮質醇(cortisol)或許有助於克服懼高症的行為療程。

目前標準的行為療程,包括將求診者在安全環境中,藉由視覺虛擬實境,模擬害怕的因子,像是高度、蛇或者其他恐怖的事物。療程中,當然沒有壞事發生,而求診者就會漸漸以安全的印象,取代過去的恐懼。

然而,這樣的療程需要重複許多次,而且過程中可能會感到不舒服,所以有時求診者會中途放棄。一些科學家已經開始尋找藥物輔助,希望能加速標準的行為療程。其中一種能幫助新記憶生成的物質,環絲胺酸(D-cycloserine),已經於恐懼症的臨床治療中測試。此外,在動物及人類的研究中,壓力荷爾蒙除了能加速產生「安全印象」,還能抑制害怕的記憶。

瑞典的神經生物學家Dominique de Quervain領導的研究團隊,在40名有懼高症的受測者,進行療程前,給予皮質醇藥丸,或安慰劑。療程中,受測者會在虛擬實境中,「搭乘」很高的電梯,或者之類的情境。「這真的很可怕,如果你怕高的話。我去體驗過;我只有一點怕高,而他也能讓我害怕。」de Quervain說。

療程前及開始一個月後,受測者都必須填寫一份問卷;問卷將恐懼程度分為120個等級。結果有服用皮質醇的受測者,害怕等級從58降到24;而服用安慰劑的對照組,則平均只從59降到35。除了問卷,若療程一個月後,讓受測者再進入虛擬實境,並記錄其電生理反應,和對照組相比,只有五分之一的受測者會有激動的反應。

-----廣告,請繼續往下閱讀-----

de Quervain認為,理論上,這項技術也能應用在其他恐懼症上,像是社交恐懼、強迫症或者創傷症候群。但因為專一的恐懼症(對高、蜘蛛…等感到恐懼)較容易建立療程,未來對於其他恐懼的治療,仍需要更多的研究。

資料來源:ScienceNow: Damping Down Fear With Cortisol [28 March 2011]

-----廣告,請繼續往下閱讀-----
所有討論 2
陸子鈞
294 篇文章 ・ 4 位粉絲
Z編|台灣大學昆蟲所畢業,興趣廣泛,自認和貓一樣兼具宅氣和無窮的好奇心。喜歡在早上喝咖啡配RSS,克制不了跟別人分享生物故事的衝動,就連吃飯也會忍不住將桌上的食物作生物分類。