喝點小酒後，外語會說的更流利？

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

F 編按：本文編譯自 Live Science

在許多人心裡，「喝到茫」似乎就是「喝太多」的指標。但實際上，研究機構對「濫飲（binge drinking）」有明確的量化定義。根據美國國家酒精濫用及酒精中毒研究所（NIAAA），濫飲行為意指在短時間內（約兩小時內）攝入足以讓血液酒精濃度（BAC）達到或超過 0.08% 之酒精量。對大多數成人而言，這通常相當於女性至少四杯，男性則至少五杯。（未成年請勿飲酒喔！）

這裡的「一杯」指的是每份飲品含有約 14 克純酒精。舉例來說，約一瓶 355 毫升左右的啤酒、一杯約 148 毫升的葡萄酒，或約 44 毫升的烈酒，皆可視為「一杯」。

之所以男性和女性的門檻不同，關鍵在於身體結構上的差異。一般來說，女性體脂率較高、體水分含量較低，加上體重與激素等因素，使得女性在攝取同等量酒精後，血液酒精濃度更可能飆升至高水準。因此，同樣是喝下五杯啤酒，女性往往比男性更易到達「醉」的狀態。

高強度飲酒：喝到兩倍量，風險再度飆升

若「四杯（女性）/五杯（男性）」是濫飲的基準線，那麼什麼又叫做「高強度飲酒（high-intensity drinking）」？NIAAA 進一步將此定義為：一次攝入酒精量達到「濫飲門檻的兩倍或以上」，也就是女性一次喝八杯、男性喝十杯以上，且同樣於短時間內喝完。

當然，相比濫飲，高強度飲酒在短時期內身體所承受的風險更高。當瞬間酒精攝入量過高（有時可達血液酒精濃度 0.2~0.3% 以上），身體中樞神經受壓抑會更強烈，出現意識模糊、嚴重嘔吐、呼吸抑制，甚至完全失去意識的可能。醫學上稱之為「酒精中毒（alcohol poisoning）」，其後果可能包含昏迷、痙攣，或因嘔吐物阻塞呼吸道導致窒息等，嚴重可致死。

除了急性中毒，急性的大量飲酒更易誘發嚴重心律不整或急性心衰；肝臟在短時間內無法及時代謝大量酒精，也可能面臨嚴重負擔。有時「高強度飲酒」會出現在派對或極端挑戰場域，一但發生突發狀況，常讓人措手不及。

濫飲造成的影響：從危險行為到慢性病風險

1. 當下容易發生意外與作出危險決策

酒精會抑制大腦活動，導致反應時間延長、判斷力與協調力下降。這意味著濫飲或高強度飲酒者常更容易發生交通事故、溺水、墜落等意外，也更可能在酒後進行不安全性行為，或捲入暴力事件。此外，大腦海馬迴（hippocampus）的記憶功能也會受到抑制，誘發「斷片（blackout）」現象，事後無法回憶當時發生了哪些事。

2. 長期器官損傷：肝病與心臟問題

對於反覆進行濫飲的人，肝臟最先承擔了巨大的代謝壓力。長年下來，酒精性肝炎、肝硬化，甚至肝癌風險都相對提高。心血管系統方面，過量酒精易引發高血壓、心律不整，加重心臟負荷，進而增加中風、心肌梗塞等風險。其他可能併發症包括神經炎（如「酒精性神經病變」）、消化道潰瘍與免疫力下降。

3. 酒精依賴與成癮

酒精使用障礙（alcohol use disorder，AUD）是一種以持續性酒精需求為特徵的疾病。濫飲雖不等於酒癮，但多次濫飲會大幅提高發展成「酒精依賴」的可能。一旦進展到 AUD 階段，患者可能在未喝酒時出現顯著焦慮、抑鬱或身體不適，陷入負面循環。

4. 增加罹患癌症的風險

醫學研究顯示，反覆大量飲酒與多項癌症風險升高相關，如食道癌、胃癌、肝癌、胰臟癌等。酒精並非唯一致癌因素，但它會令細胞 DNA 遭受更頻繁的損傷，也干擾體內細胞修復機制。若再合併抽菸或其他不良生活習慣，更容易加劇。

5. 腸道菌相失衡

近年來，「腸道菌叢」與人體健康之間的關係受到關注。酒精的攝入過量，會打亂腸道中原本平衡的菌相，使特定菌種過度繁殖，其他菌種則銳減。由於酒精可破壞腸壁細胞連結，造成「腸漏（leaky gut）」現象，讓有害物質跑進血液循環，引發慢性發炎反應。

酒精背後的隱憂，從自身覺察開始

在許多社交場合，酒精似乎是慶祝、解壓或促進人際互動的必備品。然而，適度與過量往往只有一線之隔。一旦超越濫飲門檻，短暫的快感不僅使健康暴露於各種急性危險，也可能種下長期病痛的種子。若加碼到「高強度飲酒」，其負面影響更如滾雪球般加速擴大。要檢視自己是否已跨越健康警戒線，所謂的「舉杯同慶」不一定要靠豪飲才能獲得；維持健康的生活方式，才有餘力去享受人際社交和歡聚時刻。在舉杯暢飲前，或許更需問問自己：這一杯下去是否值得？

冰箱裡的啤酒數量跟你的年紀成正比嗎？喝酒成了成年人放鬆、解放煩惱的良藥（編按：注意注意，如果你未滿18歲的話是禁止飲酒的喔！）。而過量的飲酒或酗酒會造成身心的損害，這我們就別老話重談了！但你知道少量的飲酒可幫助你的外語口說能力嗎？

很多流言都會說喝酒能促進外語能力，但之前並沒有研究針對此假設進行實驗。而在日前，終於有相關實驗出現啦！由荷蘭馬斯垂克大學與英國劍橋大學的 Fritz Renner 博士及其同事完成，並發表在 《Journal of Psychopharmacology（精神藥理學期刊）》（Renner, Kersbergen, Field, & Werthmann, 2017）。

說德語、學荷蘭語的學生，喝酒後荷蘭語會比較流利嗎？

實驗請來了 50 位母語為德語的受試者，且最近正在學習荷蘭語的心理系學生。分別給予 25 位少量的酒精，以及另外 25 位提供無酒精飲料（冰水）做為對照組。利用酒精濃度 37.5％的伏特加調成 250 c.c.的飲品，則依據身高體重的計算給予不同程度的酒量（根據ALKOHOL-BERECHNUNG），目的使受試者的血液酒精濃度達到千分之 0.4（德國酒駕法律認定血液中酒精超過千分之 1.1，為絕對無駕駛能力，千分之 0.3-1.1 則為相對無駕駛能力）。10 分鐘內喝完酒後，在等待的 15 分鐘內進行呼氣酒測，以此確定酒精進入血液中。

接著利用荷蘭語進行對談，討論內容主要為「動物試驗」，統一給予標準問題後回答，例如：你對於動物試驗了解多少？交談中會錄音紀錄並且給兩位母語為荷蘭語的人士進行評判（觀察者評分）。而受試者也會進行自評（受試者評分）。評分標準根據整體狀態、理解程度、詞彙、發音、文字選擇以及流利程度給予 0-100 分評價，此外也針對受試者的發音、文法、詞彙以及論述能力給予評分（各項給予 1-10 分，分數越高代表越優異）。此外，為了瞭解受試者在飲用酒精後的非語言能力是否有受到影響，將在兩分鐘內給予 13 道從簡單（22＋67＝？）到較複雜的（（2＋7）X（17－4）＝？）數學題目。

作者假設實驗組（接受酒精者）在說荷蘭語的自評分數上，會比控制組（喝水者）高，但結果並無明顯差異。在觀察者評比中，作者假設實驗組的整體分數將低於控制組，然而結果相反，實驗組的分數（61.53）顯著的高於控制組的分數（56.65）（p=0.02），且在發音的項目中，實驗組（6.72）也顯著的優於控制組（6.27）（p=0.05），在其他項目則並無明顯差異。

值得一提的是，單一受試者血液中的酒精濃度與其語言表現並無統計上的差異。作者也假設實驗組與控制組在語言與非語言（算數學題目）的結果會相似，結果顯示並無明顯關聯。總而言之，接受酒精的受試者在觀察者評分上顯著的高於為喝水者，也就是說少量飲酒者整體說外語能力提升，特別會有較好的發音。

作者也提到，喝酒後的受試者並不會認為自己的外語表現能力會更好，也就是說飲酒並不會真的壯膽或較有自信。然而，過去的研究認為第二外語的語言焦慮會降低其外語能力的表現，或許飲酒後可減輕其焦慮而使得語言表現能力增強，但這還需要更多研究來測試語言焦慮的議題。

有趣的是，過去的研究已知飲酒將降低母語的音調與詞彙流暢度，但此結果與這篇研究相反，而可能的原因是本篇使用第二外語作為研究項目，另外過去的研究使用較高的酒精濃度。

本篇研究仍有許多限制，作者（相當誠實）的提到：

1. 本篇研究只用德語為母語者的學生，而以荷蘭與作為外語進行測試，可能不同的族群與不同的語言會有不同的結果。
2. 受試者的數量可能不夠。
3. 並無使用正式、專業的語言評分，結果可能不具全面的代表性。（觀察者評分中的觀察者並非專業人士，或許更貼近真實世界的狀態。）
4. 造成結果的原因是由於藥理學上的機制還是酒精假藥效應（placebo effect）的影響，還需更進一步研究。
5. 飲酒並無精準明確的範圍限制，在實驗對象較少的情況下會造成較大誤差。
6. 並無針對受試者的意識進行評估，部分有可能是「需求特徵（demand characteristics）」（受試者為了迎合實驗所產生的特定回答與反應）而產生的結果。
7. 並沒有比較受試者的外語及母語表現。

筆者不是很了解德語與荷蘭語的起源與相關性，會不會荷蘭語本身就比較像喝了酒後的語言呢？或許同一實驗者在給予不同的酒精量下，進行評估，可能哪一天我們就可以有個方程式得以計算在多少酒精下，外語表現最好。但從這研究看起來，其實影響外語能力還是有限度的，所以千萬不要拿此研究來作為喝酒的藉口啊！過度飲酒，有害身心。

不過根據這個實驗的結果，少量飲酒或許對於近期新學習語言的發音與口說表現有所幫助。下次外國朋友來的時候，跟他們約在酒吧喝點小酒吧！

參考資料

1. Renner, F., Kersbergen, I., Field, M., & Werthmann, J. (2017). Dutch courage? Effects of acute alcohol consumption on self-ratings and observer ratings of foreign language skills. Journal of Psychopharmacology, 26988111773568. 
2. Dutch courage: Alcohol improves foreign language skills.
3. 泛科學相關：2012/8/12 

新研究指出，要是臉書使用者愈常看到飲酒相關頁面的分享或評論，他們會愈想喝酒。密西根州立大學（Michigan State University）的研究團隊，在詢問了超過400名研究參與者當他們看了及回覆飲酒相關臉書頁面/連結後的感覺。結論是，與這些飲酒相關資訊有愈多的接觸，會愈想喝酒。

此研究的作者，助理教授Saleem Alhabash博士說：「我們發現要是人們真的被那些訊息所吸引且想要做評論或分享，會使得他們更想飲酒。」

Alhabash表示，這項研究說明了飲酒的相關頁面可能會造成一些嚴重影響，由其是對未滿法定飲酒年齡的年輕人。

Alhabash認為，不適合飲酒的青少年「極其容易」接觸到酒類廣告。他表示，依法社群媒體並不能設定21歲以下的青少年為酒類內容的目標顧客群，但是「一旦那些內容存在於網路上，且那些內容也不屬於你所有，那些內容會造成什麼影響就不是你能控制的。」

研究中，參與者看了三個臉書頁面：第一個是酒類行銷的臉書貼文搭配上鼓勵飲酒的訊息，第二個搭配了公共反酒宣導，最後一個則是搭配與飲酒無關的廣告（如：銀行廣告）。

研究團隊發現，那些對貼文感興趣、分享或評論的實驗參與者有較高的飲酒意圖，尤其是當他們閱讀的酒類行銷貼文已經有大量的讚及分享數時。

「意圖會導致實際行動嗎？」參與這研究的廣告及公共關係助理教授Anna McAlister博士提到，「意圖是最能預測行為的依據。」

奇怪的是，當酒類相關的貼文搭配上反酒的訊息時，反而讓觀看者更想飲酒。「這點真的很諷刺，因為一般電視上的行銷手法是飲酒訊息搭配上酒類品牌做宣傳」，Alhabash表示，「不過我們的研究顯示，這可能不是最佳的宣傳方式。」

資料來源：

• Bad Driving Linked to Less Empathy Psych Central [07 FEBRUARY 2015]
• 密西根州立大學 –DOES ALCOHOL-RELATED ACTIVITY ON FACEBOOK PROMOTE DRINKING?