左腦人？右腦人？別再用過度簡化的二分法──《為什麼有點變態，反而很可以？》

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

一刀切開大腦的糾葛！

我挺幸運，1970 年代末期身為大學生的我，親眼目睹神經科學邁向主流，舉世聞名的裂腦手術也備受矚目：史培利（Roger Sperry）博士將數名癲癇病人左右腦之間的連結切斷。

我保守一點說好了，他的研究迷得我神魂顛倒。

史培利施以連合帶切開術（commissurotomy），將胼胝體切斷，連結兩個大腦半球之間的近三億條神經軸突纖維束於是斷開，成功防止不正常放電情形波及另一個半腦。

裂腦手術還揭開另一項優勢：葛詹尼加（Michael Gazzaniga）博士對這類病人執行心理實驗，深究胼胝體切斷後、兩半腦分別運作的模式，研究結果斐然。

我這初出茅廬的神經科學家，尤其著迷於這些實驗有如《化身博士》（Strange Case of  Dr. Jekyll and Mr. Hyde）的故事：兩個大腦半球在心理學及解剖學上的能力涇渭分明。顯然兩個半腦中間的連結切斷後，裂腦病人的行為就像是兩個獨特的人格，表現通常背道而馳。

左右腦分開後，會發生什麼事？

部分病人身上，「占據」右腦的人格表現出的意向與行為，會與「占據」左腦的人格恰恰相反。舉例來說，一名男士想用左手（右腦）打老婆，右手（左腦）則同時保護老婆。其他時候顯然也出現相同狀況：他一手使勁拉下褲子，另一手卻同時替自己拉上。

另一名病人剛好是個孩子，則是左右腦言詞不一致。問及人生目標時，他右腦說長大想當賽車手，左腦卻想當製圖師。

還有一位病人提到，她每天早上選衣服時，都要爭鬥一番，左右手好比同極相斥的磁鐵，各有既定喜好，早就描繪好自己當天該穿什麼。她去雜貨店買吃的，兩個半腦想要的食物也天差地別。她手術過後一年多，才有辦法駕馭單一意向，有意識的遏止兩個意見相左的人格在內心激烈交戰。

你讀到這些故事，務必了解，這些經過連合帶切開術的病人在解剖學上和你我的唯一差異，在於我們的兩個大腦半球之間有胼胝體連結，互相溝通。

科學家理解到，以神經解剖學而言，大部分的連合纖維本質屬於抑制性，運作時，訊息是從一個腦半球的某組細胞，跑到另一腦半球對應的那組細胞。兩個腦半球的細胞隨時為活躍狀態，但對應的腦半球細胞群卻是分別處在支配與抑制的狀態。

如此一來，一個腦半球即有能力抑制另一個腦半球對應的細胞群，支配特定細胞群的功能。例如，我們專心聽某人所說的詞彙及意義時(左腦)，比較不會專注於對方的語調變化或情緒內容（右腦）—— 但這反而是對方真正打算溝通的事情，反之亦然。譬如，有沒有人曾對你大吼，說你根本沒聽到重點，而你錯愕不已？

既然上天給你一對腦，為何只用一邊呢？

1970 年代和 1980 年代，社會上對裂腦研究的反應有點過於熱烈，著重開發「右腦」或「左腦」的社群課程如雨後春筍冒出，許多學校甚至積極投入，設計出可以刺激一個半腦或兩個半腦的課程。

左腦人及右腦人的刻板印象進入主流：左腦人表現較有條理、準時、注重細節，右腦人點子多、創新、運動發達。

可惜，在大家痴迷左右腦之際，許多家長想讓孩子贏在起跑點，策略卻是讓孩子接觸適合其天賦的課程。沒錯，這合情合理，畢竟家長希望孩子因拿手之事獲得回報。

不過，若家長希望孩子全腦、全方位均衡發展，較完善的方式應該是鼓勵孩子參與自己並不拿手的活動。例如，若孩子具左腦優勢，擅長科學及數學，可以鼓勵他們參加戶外活動，到林間探索與蒐集資料，也可以引導擅長運動及藝術的孩子發揮創意，設計超酷的科展作品，參加衡量某類表現的科學展覽會。

由於過去四十年來，家長只著重激發單個半腦的優勢，造成孩子的能力朝向兩極端發展。目前有些著作及教學技巧專門開發不慣用的腦半球，例如至今仍廣為使用的經典之作《像藝術家一樣思考》（Drawing on the Right Side of the Brain）。

另外，你不必費勁就能發現，行銷人員如何善用策略，瞄準我們對右腦或左腦的偏好。就連電腦作業系統也符合這種分野：一般認為 蘋果產品直指右腦創造力，任何微軟的可笑產品則直指左腦分析力。還記得黑莓機嗎？這機子則是用來讓我的右腦哀哀叫。

• 延伸閱讀：左右腦的理性與感性是真的嗎？兩個腦半球到底是怎麼分工進擊的？──《打破大腦偽科學》

左、右腦獨立運作？這是迷思！

依此種刻板印象推廣的科普知識五花八門，旨在開發左右半腦的潛能。除此之外，也有成山成海的實證科學，清楚描繪左右半腦在解剖學及功能上的差異。

如想知道半世紀以來，科學家在巨觀與微觀方面發現了哪些差異，英國精神科醫師麥基爾克里斯特（Iain McGilchrist）博士的《主人與使者》描寫得深入淺出，亦蒐羅最新的研究內容。

如想了解哈佛精神科醫師如何與左右腦人格合作，協助精神病人復原，不妨閱讀薛佛（Fredric Schiffer）博士的《雙腦革命》，著實教人大長見識；該書甚至敘述了兩個人格有多麼相異：其中一個人格體驗到的疼痛感，另一個人格真的會感覺不到，或是也不會表現出來。

若想知道處理心理健康問題的替代工具，史華茲（Richard Schwartz）博士的內在家族系統值得一試；該模型有助辨識一個人的部分性格，以便互相合作，找出健康的解決之道。上述書籍與工具皆發人深省，可幫助大家知曉大腦的奧祕。

本來左右腦就會持續造就任一經驗時刻的整體經驗，所以我的意思並不是左腦或右腦獨立運作。

現代科技顯示，任何時刻兩個半腦顯然皆會造就神經系統的輸入、經驗與輸出。然而如我先前所述，腦細胞的標準做法，就是支配並抑制對應部位的腦細胞，因此，除非死亡，腦部在任何情況下，都不是全開機或全關機的狀態。

人類的性格，究竟是怎麼被塑造出來的？

想了解大腦運作，自然會提出這問題：「一群腦細胞到底怎麼可能合作打造一種人格？」我可不是第一個提出這問題的人，我也不是第一個經歷腦部創傷、性格大變、創傷細胞復原然後重拾舊迴路、舊技能組合、舊人格特質的人。

不過，我大概是第一位歷經腦部創傷及復原、踏上求解之路的神經解剖學家，率先深入探查自己大腦神經與心理方面的運作模式，並獲得四大人格的獨到見解。

腦細胞是美妙的小生物，形態大小各異，其設計說明了執行特定功能的能力。例如，位在兩個半腦主要聽覺皮質區的神經元具有獨特形狀，能處理聲音資訊；其他連結不同腦部區域的神經元，形狀也適合其功能，運動系統的神經元更不例外。

值得注意的是，從神經解剖學的角度來看，每個人的腦部神經元本身以及互相連結的方式，基本上並無二致。

從結構上來看，每個人的大腦皮質最外層的隆起與溝渠根本一模一樣，而且相像到——如果你腦部特定區域受損，我腦部該區域也受損，那我倆喪失的功能也一模模一樣樣。以運動皮質為例，如果你和我某個半腦的特定細胞群都受損，我們的身體超有可能在同樣的部位癱瘓。

左腦、右腦到底有甚麼差異？

左右半腦固有功能的差異在於，神經元處理資訊時，各有獨特方式。

先說左腦，左腦神經元其實是以線性方式運作：會先接收一個想法，拿這個想法和下一個想法互相比較，接著再拿這些想法的副產物和再下一個想法互相比較。

由此可知，左腦能以次序方式思考。例如，我們知道必須先發動引擎，才能打檔。左腦可是令人嘆為觀止的序列處理器，不僅創造抽象的線性（例如1 + 1 = 2），還為我們展現出時間性，將時間以線性感，分割成過去、現在與未來。

右腦神經元則完全不是用來建立線性次序，反而有如平行處理器，可引進多條資料流，同時顯示單一的複雜經驗時刻。記憶是由兩個腦半球共同創造，右腦則替記憶的創造成果增添深度，豐厚了此時此地的面貌。

儘管許多腦細胞負責執行顯而易見的工作，例如理解語言或呈現視覺，其他神經元卻負責創造想法或情緒。

「模組」這詞就是用來說明哪組神經元和其他神經元互相連結，並以集合體的形式共同運作。我們大腦中的四大人格，即是以特定且獨特的神經元模組運作。

——本文摘自《全腦人生：讓大腦的四大人格合作無間，當個最棒的自己徒》，2022 年 ８ 月，天下文化，未經同意請勿轉載。

關於大腦，一個最常見的迷思（大概就和「人的一生當中只使用了大腦的 10％」這個謠言一樣熱門）是：人類可能有左腦人和右腦人之分。根據這個迷思，你的個性和「認知方式」會由你哪一邊的大腦比較強來決定，而左右兩邊大腦有明顯不同的功能，左腦據說主管分析和語言，右腦則負責創意和情感。這個迷思到底是從哪裡來的？又有多少真實性呢？

地球分南北，大腦分左右？

首先，大家必須先理解左腦和右腦是什麼。這是指大腦的左半球和右半球，就和一般人常見的大腦圖像一樣。

左右半腦構成大腦皮質，而大腦皮質是腦部最大、最外層的部分，分成左右兩個半球，中間以一道溝（或說裂縫）分隔兩半。正常來說，左右半腦之間會以神經纖維束作為橋梁連接，尤其是稱為「胼胝體」（corpus callosum）的神經纖維束，裡頭有超過六億個神經纖維，左右半腦便是藉此溝通、協同合作，而外在世界的感知訊息也會因此同時進入左右半腦，所以左右半腦通常會獲得等量的訊息輸入。

有鑑於此，好奇心旺盛的科學家們自然會想知道，如果胼胝體斷裂，而形成所謂的「裂腦」，會發生什麼事？於是，美國神經心理學家斯佩里（Roger Sperry）在 1960 年代開始實驗裂腦的貓隻（他後來以這項研究獲得諾貝爾獎），最後，他和認知神經科學之父葛詹尼加（Michael Gazzaniga）受邀在人體上進行實驗，受試者為患有可導致殘疾的癲癇病人，為了減緩症狀，兩人透過手術切斷了患者的胼胝體，造就出一連串影響深遠的研究。

實驗證明，左右腦的功能的確有所不同，最明顯的發現是，大多數病人的右腦難以製造語言。這些實驗的結果很細微複雜，若是直接刊登在科普報導裡頭，勢必晦澀難懂，於是，許多過度簡化，甚至以偏概全的學說開始流傳。

偏側化只是小區域的局部現象

1973 年，《紐約時報週報》（New York Times Magazine）刊登了一篇千古留名的文章，標題為〈我們是左腦人或右腦人〉（We Are Left-Brained or Right-Brained），開頭便寫道：「我們的腦袋住著兩個極為不同的人（中略）……一個擅長語言、分析，一個擅長藝術……。」在這之後，《時代雜誌》（Time）、《哈佛商業評論》（Harvard Business Review）、《今日心理學》（Psychology Today）也刊登了類似文章，這個廣為人知的科學迷思就此誕生！左腦和右腦的分野，如今已成為「認知方式」最籠統的概論：左腦是聰明但無趣的會計師，有自閉傾向；右腦則是呆呆傻傻但心靈奔放、情感強烈、有創意的藝術家。但斯佩里本人也提出警告：「實驗觀察到的左右腦認知方式二分法只是個大致的概念，這樣的二分法很容易失控。」斯佩里如果地下有知，大概也沒料到自己的學說竟然會失控到這種程度吧？

此後，心理學家一再指出左右腦二分概論的謬誤。2013 年，一份明確的證據出現於猶他大學（University of Utah）神經科學家的研究中。他們掃描了超過一千個人的大腦，得到的結論是：「腦部功能的偏側化 [1] 顯然只是發生於小區域的局部現象，而不是整個腦部網絡的普遍特性；研究數據無法佐證人的整體腦部表型（phenotype）有出現左腦比較優勢，或右腦較占上風的情況。」換句話說，某些功能的確與大腦某些小區域的活躍活動有關，但並沒有證據顯示人的某半腦強過另外半腦。

打破左右分野，柯斯林提出新分法

頂尖認知神經科學家費德梅爾（Kara D. Federmeier）則表示：「看起來比較安全的說法是：大多數情況下，我們幾乎每次都是同時使用左右兩邊的腦。」儘管「裂腦」病人的腦部的確在某些區域有差異，但也不是分得那麼涇渭分明，也就是說，雖然右腦無法言語，但仍然會參與處理語言的某些層面，例如語調和重音。另一方面，有別於「右腦有創造性、左腦缺乏想像力」的普遍認知，葛詹尼加從裂腦實驗得到的結論是：左腦才是「創造力、敘述能力」的中心。

既然各種理論都無法周延，或許打破左腦和右腦的分野會有幫助。頂尖認知心理學家柯斯林（Stephen Kosslyn）和米勒（Wayne Miller）合寫了一本《上腦與下腦：人類思維方式新洞見》（Top Brain, Bottom Brain: Surprising Insights into How You Think, 2014），他們提出另一個方法來取代左右腦的分法，強調：「上腦負責擬定計畫，以及在情況不如預期時修改計畫；下腦則是分類、解讀我們所感知的事物。」

注解：

• [1]：即腦側化（lateralization），意指左右腦各有專司職掌。

本文摘自《為什麼有點變態，反而很可以？》，2018 年 3 月，遠流出版。

• 作者／安德魯・勞勒 (Andrew Lawler)；譯者／吳建龍
• 瓦洛帝嘉拉為義大利神經科學家，以雞為研究對象，透過實驗發現人類與雞有著許多共同特徵。

義大利的阿爾卑斯山麓有個城鎮叫羅韋雷托，瓦洛帝嘉拉的研究室就位於該城鎮一處 16 世紀的女修道院地窖內。會面時，瓦洛帝嘉拉身穿淺藍襯衫搭配絲質領帶，看起來衣冠楚楚。

他是在羅韋雷托出生的，當時第二次世界大戰剛結束十多年，義大利還很貧窮，牲畜是村民賴以為生的命脈。「沒有雞就沒有蛋」他說道，而沒有雞跟蛋往往意味著要挨餓。當他還小的時候，就對動物如何看待這個世界充滿好奇。

自從 17 世紀法國哲學家笛卡爾斷言動物缺乏心靈、理性與靈魂以來，關於「動物具有類似於人類心智能力」的這個想法就一直存在爭議。他指出，動物可藉由聲音來表達憤怒、恐懼或是飢餓，但牠們不會說話，因而缺乏「內心獨白」（inner voice，又稱內心言語），而這正是人類思維的基礎。

他的名言「我思故我在」，或許更適合改為「我說故我在」。動物也許能夠感受到疼痛或歡愉（「我不否認動物擁有感覺」，他寫道），但牠們缺乏更進一步的覺察或認知等人類具有的特質。自此，哲學家、科學家、宗教人士和動物保護人士便針對這一點爭辯不休。

雞所看見的世界，色彩繽紛

瓦洛帝嘉拉等神經科學家們著手收集動物知覺的相關確切資料，至今他們已經發現，雞在看待世界的深度和細節要比人類深入、豐富得多。

哺乳類最初是夜行性動物，以躲避像是喜歡在白天活動的恐龍等獵食者；鳥類則偏好陽光，因此擁有較為發達的彩色視覺。紅原雞有著鮮豔的紅、藍、綠羽色，但在這種鳥的眼中，牠們所看到的卻是眩目耀眼、擴展到紫外光譜的色彩組合，超出了人類肉眼的辨色力。

雞的雙眼也有各自的用途，牠們可讓一隻眼睛盯著某個物體（比如：可能的食物）但同時讓另一隻眼留意獵食者的動靜。這就能說明為何雞的頭會出現奇怪的突然抽動了。

人們曾經認為雞的優異視覺是由於缺乏嗅覺所產生的感官補償，不過最近有支團隊對一群家雞進行研究，發現把大象和羚羊糞便放在牠們周圍時，牠們不為所動，但如果換成野狗跟老虎的糞便，牠們便會開始警戒並停止進食。

雞跟人類一樣較為依賴視覺而非嗅覺，可是牠們確實能夠嗅出危險的氣味。雞還能回想起人類和雞的面容，並依據先前的經驗對該個體做出反應。比方說，當一隻公雞看到心儀的母雞時，公雞體內的精子生產量便會突然增加。

科學家們曾對「雞隻具有精密複雜的溝通方式」這一觀點嗤之以鼻。「就算雞的世界有一套語法系統」認知心理學家大衛．普雷馬克在 1970 年代寫道「牠們也沒有什麼有趣的可說。」在那之後，有位德國語言學家得出這樣的結論，他認為所有的雞隻都有大約 30 種不同的聲音，可個別對應到特定的具體行為。例如，雞會用不同的叫聲來表達獵食者是從地面或是由空中襲來。

小雞其實很聰明，看看雞的厲害！

瓦洛帝嘉拉之所以會以雞為研究對象，主要是因為牠們不貴，耐受性高，而且容易飼養。大部分的鳥類跟哺乳類一樣，得投入大量精力養育幼雛，但是雞在破殼之後，就具有高度自理能力，而且在外界環境影響其行為之前就能參與實驗。

在這個古老修道院地窖內的研究團隊是由七名博士生及多位碩士生所組成，他們穿著橘鞋及白色實驗衣，在狹窄但燈光明亮的走廊上忙進忙出，儘管如此，這裡還是有一股地牢的氣息。瓦洛帝嘉拉先帶我去一間昏暗溫暖的房間，裡面全是已受精的雞蛋，這些蛋不久就會成為實驗的對象。

實驗焦點是放在「子代銘印」，這是指剛孵出的小雞會讓自己依附到牠們所看見的第一個移動物體。

研究人員會把一些特定的物體拿給新生小雞看，比如紅色圓柱體，然後把小雞放在透明圍欄中，再設置兩片不透明的擋板，把該圓柱體藏在其中一片擋板後方。接著，遮蔽透明圍欄，一分鐘後，讓小雞自己去選擋板。小雞第一次嘗試就能找到那個銘印的物體，說明牠們具有相當好的記憶力。

在另一個實驗裡，圓柱體會被擋板完全擋住，而一旁的擋板則有不同的高度或寬度，可以露出一部分的物體。在這實驗中，小雞每次都選了把圓柱體隱藏起來的擋板，這是瓦洛帝嘉拉稱為「某種直覺物理」的徵象。

雞還會做加減運算。

研究者讓一隻小雞看一個一樣的圓柱體，然後放在一片擋板後方，之後又把幾個相同的圓柱體放在另一片擋板後面，這隻小雞會走向藏比較多個圓柱體的那片擋板。如果研究者把一個圓柱體從一片擋板移到另一片的後方去，使第二片擋板後面有比較多的圓柱體，這時雞就會走到第二片擋板。

另一項實驗中，六個相同的容器沿著圓弧線放置，每個容器跟小雞都是等距的，但其中只有一個容器裡面有放飼料，之後就讓小雞去找出有飼料的容器。接下來把有飼料的容器跟其他容器調換位置後，小雞仍然能夠選對容器。

瓦洛帝嘉拉和研究同仁最近還發現，雞的大腦左右葉各不相同，這點長久以來一直被認為是人類獨具的屬性。我們大腦的左半球掌控著語言，這是讓笛卡爾深信人類之所以有別於其他生物的工具，而右半球則讓我們在周遭人物和環境中可以定位自己。

研究人員把發育中的雞胚胎左眼遮住，再讓右眼朝向蛋殼。在接近孵化的最後三天，將胚胎右眼暴露在光源下，從而削弱這隻雞的視覺處理能力。當牠孵化後，讓牠面向混著榖物的小圓石，此時正常發育的雛雞左腦能夠辨別哪些是榖物哪些是石子，但被動過手腳的小雞則無法分辨這兩種物體。

雞可以用左右大腦半球執行不同的任務，此外，瓦洛帝嘉拉認為，牠們還能分辨出有生命和無生命的物體。另一個實驗中，研究者讓小雞看隨機排列的光點，以及模擬母雞、貓或其他動物走動的光點。無一例外地，小雞總是偏愛模仿動物運動的光點，即便光點排列跟母雞的形象不同也無妨。

正常的人類嬰兒在兩天大時也能做出這種區別，但許多自閉症兒童和青少年卻沒辦法。瓦洛帝嘉拉的團隊正在研究這種自閉症的症狀是否跟理解生物動作的本能有關。藉由確切找出哪些基因在小雞認知生物動作的過程中實際參與運作，他希望這可以讓我們了解自閉症患者中可能出問題的機制，從而踏出治療自閉症的第一步。

——本文摘自《雞冠天下：一部自然史，雞如何壯闊世界，和人類共創文明》，2020 年 3 月，左岸文化