康納曼生日｜科學史上的今天：3/5

本文由 高柏科技 合作，泛科學撰文

林唯耕剛回台灣任教時，曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏，那股刺鼻的氣味瞬間瀰漫整棟大樓，引來眾多師生抗議。

「從此以後，我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中，帶著笑意回憶這段往事。

這段插曲聽來像是一則工程師的寓言：在理論模型中，氨是太空熱控系統的理想介質；但在現實的辦公大樓裡，它首先是逼人逃竄的臭味。公式本身沒有錯，但現實世界永遠比公式更複雜——它包含了人、成本、風險，以及必須為後果負責的工程師。

高柏科技技術專家、清華大學榮譽退休教授林唯耕 ，曾任職於美國 OAO 工程部熱流組，深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球，他鑽研一輩子的老問題再次被推向科技產業的核心：當晶片運算速度無止境攀升，那股伴隨而生的熱，究竟該往哪裡去？

熱不會讀新品發表會

科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗，彷彿進步毫無邊界。然而，每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化，一旦設備過熱，系統便會降頻保護。在物理現實面前，再動聽的發表會敘事也必須低頭。

回顧個人電腦發展早期，晶片幾乎不需專屬散熱元件。隨後，鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級，其實更像是對空間的極限勒索：晶片功率翻倍，發熱源的面積卻沒變大，機箱空間也不可能無限擴張。

林唯耕指出，散熱設計的核心只有三要素：功率、熱源面積與空間限制。他舉例，在標準的 1U 機箱中，若發熱面積約為三十乘三十毫米，氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數，而是取決於空間、面積與氣流的動態平衡。最現實的代價在於，風扇轉速提升的背後，是噪音、電力損耗與空間占用。

因此，「液冷技術」的興起並非單純為了追求酷炫，而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱，卻也將新的挑戰帶入機房：漏液風險、流道堵塞、材料相容性，以及維運時的難度。工程的進步，本質上鮮少是徹底消滅問題，更多時候是選擇一組「比較值得承擔」的新問題。

太空教他的，不是把答案搬回地面

太空熱控工程之所以迷人，是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中，沒有空氣能讓風扇製造對流；受光面溫度破百度，陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射，以及熱管與環路型熱管（LHP）來搬移熱能。

熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱，冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力：在他設定的特定條件下，實心銅塊約能傳導 120 瓦的熱能；但若每秒有一立方公分的水發生蒸發相變，移熱量可瞬間拉升至 2.4 千瓦（kW）。他強調「每秒」的觀念，因為散熱談的是動態流動速率，而非靜態的冷卻魔法。

儘管如此，太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度，偏好無馬達幫浦的被動式設計；但地面 AI 伺服器面臨更高的熱負載與環境溫度，往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒：技術是否「先進」，與它是否「適合」當下的場景，始終是兩回事。

好論文，為什麼仍可能造不出好產品

學術研究致力於證明「可行性」，而工業現場則要求「可重複性」——不僅要能運作，還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據，在產線上往往未必管用。

他從不避談失敗。在高柏科技早期與學界合作時，也曾遇過實驗數據無法複製，或研究方向偏離產業需求。這未必是雙方努力不夠，而是彼此對「成功」的標準不同。為了解決這道鴻溝，高柏科技推動「柏苗啟航創新培育計畫」，每年投入逾千萬資金與成大、中山、台科大等校合作，並指派專業人才在過程中持續微調、校正，確保研發貼近產線現實。

他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測，但由於儀器預設以「水」校正，換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算，卻發現缺乏重複性，數據甚至推導出不合理的蒸發率。最後團隊回歸基本面，改用秤重法搭配能量平衡進行交叉驗證，才讓數據成功收斂。

這個故事真正的價值不在於「產學雙贏」的口號，而在於那段不夠優雅的挫折：假設失效、數據混亂、方法砍掉重練。也正是在這種時刻，企業需要的不只是會算數的人才，而是能洞察研究何時「走鐘」，並有權力喊停、要求重來的關鍵決策者。

林唯耕坦言，過去在校園裡總認為「技術第一、成本第二」，進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽，卻是產品能否進入市場的殘酷真相。再卓越的散熱設計，若無法穩定生產或贏得客戶信任，也僅止於一份精美的報告。

AI 會給答案，誰來負責出貨？

訪談尾聲，主持人國威提出了一個時代難題：假設 AI 能在彈指間生成散熱架構、材料配方與流道設計，企業該選擇全面擁抱 AI 的速度，還是保留緩慢但穩定的工程驗證，以規避潛在的失效風險？

林唯耕拒絕落入二選一的框架。他的觀點是：兩者並存。AI 擅長處理資訊、生成草案；但工程師仍須實作原型，進行嚴苛的性能與可靠度測試，最終由人決定是否出貨。這並非盲目崇拜人類直覺，而是基於一項事實：AI 的資料庫裡，通常沒記載下一次「意外洩漏」或「材料疲勞」的細節，且模型永遠無法為量產結果擔負法律與商業責任。

在 AI 時代，最稀缺的未必是熟練下指令（Prompt）的人，而是具備這種能力的人：能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來，並且願意為最終的量產品質負起責任。

大眾習慣將雲端想像成輕盈、無重量的空間。但現實中，雲端是由龐大的機房架構而成，裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張，都會在實體世界留下發熱的足跡。散熱工程師的價值，就是不讓這筆物理帳單，被埋沒在光鮮亮麗的投影片背後。

框架問題理應提醒我們，我們只要自動腦補就一定會犯錯。我們確實向來如此。不過「人類」這個對象不同於 AI 研究人員開發的機器人或電腦，並不會讓我們訝異到必須被迫改寫思考時的整個心智模式。相反地，一旦我們知道答案，就似乎總能找出先前被忽略、後來明顯相關的面向，就像拉扎斯菲爾德假想的《美國士兵》讀者——他們在事後發現，每一個對立的結果都同樣理所當然。

也許我們原本預期自己中了樂透之後會超級開心，結果中獎之後，卻發現自己很鬱悶，這個預測顯然很糟糕。但當我們意識到自己預測錯誤時，同時也獲得新的資訊，例如那些突然出現要借錢的親戚。於是我們會心想，如果早點知道這些資訊，就可以正確預測未來的幸福狀態，也許就不會去買樂透彩了。

因此，我們沒有質疑自己預測未來幸福程度的能力，反而只是認為我們漏掉了一些重要的東西，並且確保自己不再犯相同錯誤。然而我們卻一錯再錯。事實上，無論對於他人行為的預測失準了多少次，我們總是可以用當時未知的事情做為辯解。透過這種方式，我們掩蓋了框架問題，一再說服自己下次會做好，卻永遠都不明白我們真正錯在哪裡。

這種行為模式在動機與金錢報酬的關係中最為明顯，也最難消除。例如，實施金錢獎勵制度顯然能提升員工表現，而且數十年來，職場上大幅出現以績效為基礎的薪資制度，最具代表性的就是高階主管薪酬與股價掛鉤。

當然，員工在意的顯然不只薪水，還有內在的愉悅感、認同感，以及在個人職涯上的成長與晉升等因素，這些都會影響工作表現。

在其他條件都相同的情況下，適當的金錢獎勵可以提升個人表現——這似乎理所當然。然而，多年來有多項研究顯示，薪酬與工作表現之間的關係，實際上的複雜程度讓人難以想像。

舉個例子，最近我跟雅虎（Yahoo!）的同事梅森（Winter Mason）進行了一系列網路實驗。我們給予受試者不同的薪資，並要求他們執行各種簡單的重複性工作，例如：按照正確的時間順序排列一組車流照片，或是在矩形網格上，找出隱藏在一堆英文字母中的英文單字。

所有受試者都是在亞馬遜土耳其機器人（Amazon’s Mechanical Turk）這個外包網站上招募而來，這個網站是亞馬遜公司於二○○五年推出，原先是用來找出重複的庫存商品。現在有數百家企業使用土耳其機器人進行「群眾外包」（crowd-source），處理五花八門的各種任務，像是標示圖片中的物品、描述新聞報導的觀點，或是判斷兩種說法中哪一個比較清楚。這個網站也是招募心理學實驗受試者的一個有效方法，就像心理學家多年來在大學校園裡張貼廣告那樣，不過土耳其機器人網站的「託客」（turkers）完成一件任務的報酬通常只需要幾美分，只占了研究經費的一小部分。

我們的實驗總共納入數百位受試者，完成了數萬件任務。有些受試者完成一件任務只能得到 1 美分的酬勞，例如整理一組圖片、找出一個單字。但是，有些受試者完成相同任務卻會得到 5 美分或 10 美分。這在工資上是相當大的差異，要知道，美國電腦工程師的平均時薪只有聯邦最低工資的六倍，所以你可以預期這個工資差異會對受試者的行為產生強烈影響。

結果確實如此。我們付的錢越多，受試者離開實驗之前完成的任務就越多。我們還發現，不管工資多少，分配到「簡單」任務（每一組有兩張圖片需要歸類）的人，比分配到中等或困難任務（每一組有三至四張）的人完成更多任務。換句話說，這些都符合常理。

但接下來的問題是：雖然存在上述差異，我們發現這群受試者的工作品質，也就是歸類圖片的準確度，並不會因為工資不同而下降，即使只有正確完成才能拿到酬勞。

該如何解釋這個結果？我們並不十分確定。在受試者完成任務之後，我們問了一些問題，包括他們認為自己的工作該得到多少報酬。有趣的是，他們的回答與工作難度無關，而是取決於獲得的工資。平均而言，每件任務得到 1 美分的受試者，認為自己該得到 5 美分。得到 5 美分的認為自己該得到 8 美分，而得到 10 美分的則認為自己該得到 13 美分。

換句話說，不論他們實際上得到多少（還記得有些受試者的工資是別人的十倍嗎），每個人都覺得工資過低。大家在直覺上會認為，給予金錢獎勵就能夠提升員工的動機，但這個實驗告訴我們，即使是非常簡單的工作，工作動機也會因爲員工的權利意識提升而大幅減弱。

——本文摘自《超越直覺》，2024 年 01 月，一起來出版，未經同意請勿轉載。

2024 年總統大選，你決定好要投給誰了嗎？

或許有人心中已有答案，有人則還在猶豫。但你可能從沒和這些候選人碰過面講過話，甚至可能沒加入任何政黨。那你想過，你是怎麼決定要將票投給誰的呢？

大部分的人都是透過網路、電視、廣播以及報刊，來認識每一位看似陌生又熟悉的參選人。但不知不覺地，你可能早就落入媒體的框架中，認為螢幕中的他就是你心目中的首選。

很遺憾地告訴你，泛科學也是媒體。因此，你也早就陷入泛科學的鏡花水月之中啦！不過，本篇也會告訴你逃離媒體框架的方法，但你又真的會想逃離嗎？

什麼是框架？媒體怎麼製造框架？

先來看看這張照片，裏頭有一位美國大兵和一名戰俘，你看到這張相片時的感受是什麼呢？我看到的是一個和平的畫面，即使對方是戰俘，美國大兵仍主動餵敵方俘虜喝水，把對方當人看。

但事實真的是如此嗎？其實這張照片是被截取過的，還調整了色調，在美聯社的報導中，完整的照片是這張。旁邊還有一位士兵拿著槍抵著俘虜的頭。我想和平感應該完全消失了吧？

如果你以為故事只到這邊，那就錯了。當大家都在譴責有心人士故意只擷取半邊，刻意誤導群眾時。有網友發現把照片放大，可以看到槍口處很模糊，但俘虜本身的輪廓卻相當清楚，說明兩者的景深不同，很可能槍口並沒有抵在俘虜頭上，而是在一段距離外將槍口指向地面。

若這是事實，就有可能是攝影師刻意透過借位的方式，來拍出一張聳動具有話題性的照片。可惜的是，事實的真相，或許只有現場當事人才知道了。這種大眾只能乖乖被媒體牽著鼻子，隨著片面資料，根據視角不同出現 180 度又 180 度的髮夾彎，你我應該都似曾相識。

在大眾傳播學領域的術語中，這稱為新聞框架（News Framing），指的是新聞媒體通過改變報導問題，來影響人們的態度和行為，說白話一點就是「選擇性報導」。

此概念源自於人類學家格雷戈里．貝特森（Gregory Bateson）在 1954 年的一篇論文：遊戲與幻想的理論（A Theory of Play and Fantasy）。在論文中，他提到框架是一組互動訊息的空間和時間邊界，奠定了人們在社會科學領域使用框架概念的基礎。到了 1974 年，歐文．高夫曼 (Erving Goffman) 在框架分析：經驗組織論（Frame analysis: An essay on the organization of experience）一書中，解釋人們如何在他們的經歷中建構和組織意義，正式將框架的概念帶到跨領域學科，並持續受到後人關注。至今約 50 年的時間，該書引用次數已超過 4 萬次，相當驚人，也是我讀傳播研究所時最喜歡的理論。

除了新聞的畫面材料外，標題也是塑造框架的一大利器。當人們閱讀標題時，就會提前預期內容與標題主旨是相同的。若有不合適的標題，又或是出現在錯誤位置的標題，也容易讓讀者產生錯誤的聯想，甚至造成刻板印象或是種族歧視。

你現在看到的是美國《人物》雜誌在 911 事件 10 周年所發行的紀念刊物，專題關於 10 位在出生前父親就因 911 事件死亡的孩子。雜誌標題是「9/11 的孩子」，配圖是一張白人女孩的照片。

接下來我們看另一本雜誌的封面，這是美國《新聞週刊》2010 年 1 月份的刊物。標題是「賓拉登的孩子」，下方列了許多與恐怖攻擊相關的文章，配圖則是一張黑人男孩的照片。

當這兩張封面圖分別出現時，我們只會被斗大的標題吸引，預設「9/11 的孩子」可能會有感性的被害者故事，而「賓拉登的孩子」可能會有較多恐怖攻擊相關的內容。

但不知不覺中，大腦可能將圖片與標題做聯結，產生看到白人小女孩就等於天真無辜，看到黑人小男孩就等於具有潛在暴力風險的錯誤印象。

或許雜誌的編輯們當初都沒注意到這背後的隱含的種族歧視，但更進一步來說，這也為其他媒體提供了機會，可以將這兩張圖放在一起，創造另一個框架來證明美國存在隱性的種族歧視。沒錯，就像是我現在正在做的事。

從這兩個例子就可以看出，媒體總是能善用心理學的手法，讓我們的大腦不知不覺中掉入陷阱，只看見媒體想讓你看見的事。

但為什麼，我們總是輕易落入這種框架中呢？

為什麼我們常落入框架之中？認知偏誤如何影響決策？

從框架概念延伸出的框架效應是一種認知偏誤的現象，指的是人們會根據選項的描述來進行決策，思考和決策就像是受限在框架內。

「框架效應」起源於 1979 年，當時心理學家阿莫斯·特維斯基和丹尼爾．康納曼，正在研究人類是否會因為情境不同做出不理性的決策。透過實驗和嚴謹的數學模型，他們提出提出前景理論（Prospect theory），理論認為，不同人對於獲利和損失發生的機率高低，在心理感受上是不同的，也導致人們往往做出「不理性」的風險決策。這項研究成果讓丹尼爾‧康納曼在 2002 年獲得諾貝爾經濟學獎。

在一個情境中，當你可以用不同的陳述方式來呈現邏輯結論相同的狀況時，框架效應就有可能發生。想像一下，有一位病人正在糾結是否該動手術，而醫師告訴他，手術後一個月內的存活率是 90%，那麼大概大部分的病人都會同意執行手術。但如果醫師和病人說的是，手術後一個月內的死亡率是百分之 10%。那可能會有更多的病人選擇拒絕手術。

我們的大腦發生了什麼事？為什麼總是掉進框架之中？包括框架效應在內的認知偏誤都和行為決策有關，並涉及很複雜的認知歷程以及行為變化，很難用一兩個神經迴路完全解釋。但目前認為認知偏誤與大腦前額葉以及邊緣系統的連結有關。

媒體帶風向還有另一個關鍵，就是他們知道如何吸引你的注意力。聳動的標題，配上血腥暴力色情且超乎常理的內容總是能獲取讀者注意力，激發人類的原始慾望跟恐懼。這些由內在深層動機產生的注意力，和大腦的神經傳導物質多巴胺有關。多巴胺刺激大腦的獎賞迴路，控制我們被與生存有關的初級獎賞吸引（Primary rewards）例如食物、性、母愛。

講到這邊，我們已經知道我們有多容易掉入框架，接下來最重要的問題，就是我們究竟有沒有辦法，逃離這個框架？

要怎麼打破框架？我們有辦法逃離這些限制嗎？

很難，但不是不可能。不用擔心，我們先分別從觀眾和媒體的角度來談談。

從觀眾的角度出發，我們獲取知識的方式，已經從以前的閱讀整本書籍，變成看 10 分鐘的統整影片、圖文懶人包，或是請 AI 直接回答。這不只是大家常說的「現代人專注力下降」，其中一個原因，還包含我們前面提過的，我們的大腦被設計成很容易切換注意力投注的對象。越短越有重點的東西越能吸引注意力，也成為了網路短影音興起的流量密碼。

此外，比起生硬的教科書或是科學理論，讀者對有趣且具故事性的題材更有興趣。但說到這了你也肯定知道，框架更容易從主觀修飾跟挑選過的故事中誕生，而不是那些客觀且全面的科學理論。當然啦，科學研究也有 cherrypicking 跟過度詮釋甚至造假的問題，這我們之後再談。

身為觀眾的我們也很難為，總是被迫透過有限的資訊在有限的時間內做出決定，沒有接觸框架外的機會。舉例來說，如果告訴你一杯 600 毫升的大杯飲料要 100 元，你可能覺得很貴。此時如果告訴你中杯飲料 90 元，但容量只有一半的 300 毫升，你可能就會覺得：「欸，買大杯好像滿划算的。」殊不知不論是 90 或是 100，都遠遠高於市場價格。這就是有名的錨定理論，選舉時也是同樣的道理，就像大家說的「爛是比較出來的」或是「從裡面挑一個比較不爛的」，如果你覺得 B 候選人比 A 候選人還要爛很多，我們就會說服自己 A 候選人好像不錯。

講完讀者視角，我們換個角度，從媒體出發。框架往往是媒體刻意製造的，而讀者就像是受困在城牆內的人民，想要逃離，門都沒有。眾所皆知，放眼國內外，許多媒體都具有財團背景，因此媒體有可能會偏頗報導來為金主謀求利益。就算沒有背後金主直接下指導棋，媒體也明白暴力、血腥、煽情、炒作，與有話題性的假新聞有市場，因此故意誇大或扭曲事實來提高收視率／曝光點閱率也相當常見，被演算法控制的 YouTube 或臉書粉專、IG、Tiktok 帳號更是如此。

既然接觸外在資訊就會被潛移默化，那要逃離框架，我們只能放棄觀看任何媒體了嗎？恰恰相反，可以看看楚門，或是尼歐，或是炭治郎，即使他們身處在虛假的世界中，卻因為好奇、懷疑與不放棄追隨真相，最終脫離了那個禁錮自身的牢籠。

當然，我也不知道我們是不是身處在外星人的社會實驗中。但至少，我們可以透過以下方式來突破偏誤的框架：多看些沒有被濃縮的書籍資料、請教專家、勇於提出假說與不同立場的人討論、交換意見，以及最重要的——永遠保持好奇、開放與健康的質疑，這不只是對外來的資訊，對自己的立場跟態度更是如此，如此便能大幅降低資訊過於偏頗而出現錯誤的機會。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！