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？》

本文由 鼎新數智 與 泛科學 共同規劃與製作

你有沒有想過，當 AI 根據病歷與 X 光片就能幫你診斷病症，或者決定是否批准貸款，甚至從無人機發射飛彈時，它的每一步「決策」是怎麼來的？如果我們不能知道 AI 的每一個想法步驟，對於那些 AI 輔助的診斷和判斷，要我們如何放心呢？

馬斯克與 OpenAI 的奧特曼鬧翻後，創立了新 AI 公司 xAI，並推出名為 Grok 的產品。他宣稱目標是以開源和可解釋性 AI 挑戰其他模型，而 xAI 另一個意思是 Explainable AI 也就是「可解釋性 AI」。

如今，AI 已滲透生活各處，而我們對待它的方式卻像求神問卜，缺乏科學精神。如何讓 AI 具備可解釋性，成為當前關鍵問題？

黑盒子模型背後的隱藏秘密

無法解釋的 AI 究竟會帶來多少問題？試想，現在許多銀行和貸款機構已經使用 AI 評估借貸申請者的信用風險，但這些模型往往如同黑箱操作。有人貸款被拒，卻完全不知原因，感覺就像被分手卻不告訴理由。更嚴重的是，AI 可能擅自根據你的住所位置或社會經濟背景給出負面評價，這些與信用風險真的相關嗎？這種不透明性只會讓弱勢群體更難融入金融體系，加劇貧富差距。這種不透明性，會讓原本就已經很難融入金融體系的弱勢群體，更加難以取得貸款，讓貧富差距越來越大，雪上加霜。

AI 不僅影響貸款，還可能影響司法公正性。美國部分法院自 2016 年起使用「替代性制裁犯罪矯正管理剖析軟體」 COMPAS 這款 AI 工具來協助量刑，試圖預測嫌犯再犯風險。然而，這些工具被發現對有色人種特別不友好，往往給出偏高的再犯風險評估，導致更重的刑罰和更嚴苛的保釋條件。更令人擔憂的是，這些決策缺乏透明度，AI 做出的決策根本沒法解釋，這讓嫌犯和律師無法查明問題根源，結果司法公正性就這麼被悄悄削弱了。

此外，AI 在醫療、社交媒體、自駕車等領域的應用，也充滿類似挑戰。例如，AI 協助診斷疾病，但若原因報告無法被解釋，醫生和患者又怎能放心？同樣地，社群媒體或是 YouTube 已經大量使用 AI 自動審查，以及智慧家居或工廠中的黑盒子問題，都像是一場越來越複雜的魔術秀——我們只看到結果，卻無法理解過程。這樣的情況下，對 AI 的信任感就成為了一個巨大的挑戰。

為什麼人類設計的 AI 工具，自己卻無法理解？

原因有二。首先，深度學習模型結構複雜，擁有數百萬參數，人類要追蹤每個輸入特徵如何影響最終決策結果，難度極高。例如，ChatGPT 中的 Transformer 模型，利用注意力機制（Attention Mechanism）根據不同詞之間的重要性進行特徵加權計算，因為機制本身涉及大量的矩陣運算和加權計算，這些數學操作使得整個模型更加抽象、不好理解。

其次，深度學習模型會會從資料中學習某些「特徵」，你可以當作 AI 是用畫重點的方式在學習，人類劃重點目的是幫助我們加速理解。AI 的特徵雖然也能幫助 AI 學習，但這些特徵往往對人類來說過於抽象。例如在影像辨識中，人類習慣用眼睛、嘴巴的相對位置，或是手指數量等特徵來解讀一張圖。深度學習模型卻可能會學習到一些抽象的形狀或紋理特徵，而這些特徵難以用人類語言描述。

深度學習模型通常採用分佈式表示（Distributed Representation）來編碼特徵，意思是將一個特徵表示為一個高維向量，每個維度代表特徵的不同方面。假設你有一個特徵是「顏色」，在傳統的方式下，你可能用一個簡單的詞來表示這個特徵，例如「紅色」或「藍色」。但是在深度學習中，這個「顏色」特徵可能被表示為一個包含許多數字的高維向量，向量中的每個數字表示顏色的不同屬性，比如亮度、色調等多個數值。對 AI 而言，這是理解世界的方式，但對人類來說，卻如同墨跡測驗般難以解讀。

試想，AI 協助診斷疾病時，若理由是基於醫生都無法理解的邏輯，患者即使獲得正確診斷，也會感到不安。畢竟，人們更相信能被理解的東西。

打開黑盒子：可解釋 AI 如何運作？我們要如何教育 AI？

首先，可以利用熱圖（heatmap）或注意力圖這類可視化技術，讓 AI 的「思維」有跡可循。這就像行銷中分析消費者的視線停留在哪裡，來推測他們的興趣一樣。在卷積神經網絡和 Diffusion Models 中 ，當 AI 判斷這張照片裡是「貓」還是「狗」時，我需要它向我們展示在哪些地方「盯得最緊」，像是耳朵的形狀還是毛色的分布。

其次是局部解釋，LIME 和 SHAP 是兩個用來發展可解釋 AI 的局部解釋技術。

SHAP 的概念來自博弈，它將每個特徵看作「玩家」，而模型的預測結果則像「收益」。SHAP 會計算每個玩家對「收益」的貢獻，讓我們可以了解各個特徵如何影響最終結果。並且，SHAP 不僅能透過「局部解釋」了解單一個結果是怎麼來的，還能透過「全局解釋」理解模型整體的運作中，哪些特徵最重要。

以實際的情景來說，SHAP 可以讓 AI 診斷出你有某種疾病風險時，指出年齡、體重等各個特徵的影響。

LIME 的運作方式則有些不同，會針對單一個案建立一個簡單的模型，來近似原始複雜模型的行為，目的是為了快速了解「局部」範圍內的操作。比如當 AI 拒絕你的貸款申請時，LIME 可以解釋是「收入不穩定」還是「信用紀錄有問題」導致拒絕。這種解釋在 Transformer 和 NLP 應用中廣泛使用，一大優勢是靈活且計算速度快，適合臨時分析不同情境下的 AI 判斷。比方說在醫療場景，LIME 可以幫助醫生理解 AI 為何推薦某種治療方案，並說明幾個主要原因，這樣醫生不僅能更快做出決策，也能增加患者的信任感。

第三是反事實解釋：如果改變一點點，會怎麼樣？

如果 AI 告訴你：「這家銀行不會貸款給你」，這時你可能會想知道：是收入不夠，還是年齡因素？這時你就可以問 AI：「如果我年輕五歲，或者多一份工作，結果會怎樣？」反事實解釋會模擬這些變化對結果的影響，讓我們可以了解模型究竟是如何「權衡利弊」。

最後則是模型內部特徵的重要性排序。這種方法能顯示哪些輸入特徵對最終結果影響最大，就像揭示一道菜中，哪些調味料是味道的關鍵。例如在金融風險預測中，模型可能指出「收入」影響了 40%，「消費習慣」占了 30%，「年齡」占了 20%。不過如果要應用在像是 Transformer 模型等複雜結構時，還需要搭配前面提到的 SHAP 或 LIME 以及可視化技術，才能達到更完整的解釋效果。

講到這裡，你可能會問：我們距離能完全信任 AI 還有多遠？又或者，我們真的應該完全相信它嗎？

我們終究是想解決人與 AI 的信任問題

當未來你和 AI 同事深度共事，你自然希望它的決策與行動能讓你認可，幫你省心省力。因此，AI 既要「可解釋」，也要「能代理」。

舉例來說，當一家公司要做一個看似「簡單」的決策時，背後的過程其實可能極為複雜。例如，快時尚品牌決定是否推出新一季服裝，不僅需要考慮過去的銷售數據，還得追蹤熱門設計趨勢、天氣預測，甚至觀察社群媒體上的流行話題。像是暖冬來臨，厚外套可能賣不動；或消費者是否因某位明星愛上一種顏色，這些細節都可能影響決策。

這些數據來自不同部門和來源，龐大的資料量與錯綜關聯使企業判斷變得困難。於是，企業常希望有個像經營大師的 AI 代理人，能吸收數據、快速分析，並在做決定時不僅給出答案，還能告訴你「為什麼要這麼做」。

傳統 AI 像個黑盒子，而可解釋 AI （XAI）則清楚解釋其判斷依據。例如，為什麼不建議推出厚外套？可能理由是：「根據天氣預測，今年暖冬概率 80%，過去三年數據顯示暖冬時厚外套銷量下降 20%。」這種透明解釋讓企業更信任 AI 的決策。

但會解釋還不夠，AI 還需能真正執行。這時，就需要另一位「 AI 代理人」上場。想像這位 AI 代理人是一位「智慧產品經理」，大腦裝滿公司規則、條件與行動邏輯。當客戶要求變更產品設計時，這位產品經理不會手忙腳亂，而是按以下步驟行動：

1. 檢查倉庫物料：庫存夠不夠？有沒有替代料可用？
2. 評估交期影響：如果需要新物料，供應商多快能送到？
3. 計算成本變化：用新料會不會超出成本預算？
4. 做出最優判斷，並自動生成變更單、工單和採購單，通知各部門配合執行。

這位 AI 代理人不僅能自動處理每個環節，還會記錄每次決策結果，學習如何變得更高效。隨時間推移，這位「智慧產品經理」的判斷將更聰明、決策速度更快，幾乎不需人工干預。更重要的是，這些判斷是基於「以終為始」的原則，為企業成長目標（如 Q4 業績增長 10%）進行連續且動態地自我回饋，而非傳統系統僅月度檢核。

這兩位 AI 代理人的合作，讓企業決策流程不僅透明，還能自動執行。這正是數智驅動的核心，不僅依靠數據驅動決策，還要能解釋每一個選擇，並自動行動。這個過程可簡化為 SUPA，即「感知（Sensing）→ 理解（Understanding）→ 規劃（Planning）→ 行動（Acting）」的閉環流程，隨著數據的變化不斷進化。

以偉勝乾燥工業為例，他們面臨高度客製化與訂單頻繁變更的挑戰。導入鼎新 METIS 平台後，偉勝成功將數智驅動融入業務與產品開發，專案準時率因此提升至 80%。他們更將烤箱技術與搬運機器人結合，開發出新形態智慧化設備，成功打入半導體產業，帶動業績大幅成長，創造下一個企業的增長曲線。

值得一提的是，數智驅動不僅帶動業務增長，還讓員工擺脫繁瑣工作，讓工作更輕鬆高效。

數智驅動的成功不僅依賴技術，還要與企業的商業策略緊密結合。為了讓數智驅動真正發揮作用，企業首先要確保它服務於具體的業務需求，而不是為了技術而技術。

這種轉型需要有策略、文化和具體應用場景的支撐，才能讓數智驅動真正成為企業持續增長的動力。

還在猶豫數智驅動的威力？免費上手企業 AI 助理！ 企業 AI 體驗 現在使用專屬邀請碼《 KP05 》註冊就享知：https://lihi.cc/EDUk4 訂閱泛科學獨家知識頻道，深入科技趨勢與議題內容。 立即免費加入

本文由 環境部 委託，泛科學企劃執行。 

政策環評是什麼，跟一般環評差在哪？

隨著公共建設的規模越來越大，傳統的環境影響評估（EIA），難以應對當今層層疊疊的環境議題。當我們評估一項重大政策時，只看「單一開發案」已經不夠，就像評估一棵樹，卻忽略了整片森林。因此，政策環境影響評估（SEA）應運而生，它看樹，也看森林，從政策的角度進行更全面的考量與評估。

與只專注於「單一開發案」的個案環評不同，政策環評更像是一場全面性的檢視，強調兩個核心重點：「整合評估」與「儘早評估」。簡單來說，這不再是逐案評估的模式，而是要求政府在制定政策時，就先全面分析可能帶來的影響，從單一行為的侷限中跳脫，轉而聚焦在整體影響的視角。無論是環境的整體變化，還是多項行為累計起來的長期影響，政策環評的目的就是讓這些潛在問題能儘早浮現、儘早解決。

除此之外，政策環評還像是一個大型的協商平台，以永續發展為最高指導原則，公開整合來自不同利益團體、民眾與各機關的意見。這裡，決策單位不再只是單純的「評分者」，而是轉為「協調者」或「仲裁者」，協調各方的意見看法在這裡得到整合，讓過程更具包容性。

政策環評並沒有所謂的「否決權」，而是側重意見的蒐集與整合，讓行政機關在政策推動時，能更全面地掌握各方意見。政策環評旨在建立系統化、彈性的決策評估程序（包含量化、特徵化等評估方式），也廣納社會面或民眾滿意度等影響因子，把正式與非正式的作法一併考量進去。再來，決策程序中能層層檢討、隨時修正，也建立了追蹤機制和成效評估標準（如環境殘餘效應、累積效應等），透過學習來強化決策品質與嚴謹度。就像一場球賽，隨時根據變化、調整策略。

這樣的制度設計，就非常適合離岸風電這類規模大、跨區域、影響層面廣泛的能源政策評估，讓我們可以在政策推動初期就想到整個工程對環境、產業發展與社會的諸多影響，也為後續政策執行奠定更穩固的基礎。

離岸風電為何需要的是政策環評？

離岸風電是能源轉型的重要策略之一，但這不是只在某塊空地上架幾個風車，而是要在廣闊的大海中進行大規模建設，牽涉的不僅是發電，還涉及海洋保育、航空交通、水下文化資產等議題，更與當地漁民的權益息息相關。

這樣的大型離岸風電工程，因海洋環境的風險和不確定性極高，很容易讓人擔心生態影響。如何在海洋生態保護和綠能發展之間找到平衡點？這就需要政策環評的把關，從多方檢視這些複雜的挑戰，確保政策推行既能穩妥，又能達成發電目標。

2016 年 3 月，經濟部自願提出「離岸風電區塊開發政策評估說明書」，是臺灣首次針對再生能源政策所進行的政策環評。根據這份評估說明書，政府將採分期公告、逐年檢討的方式，每三年開放 0.5~1 百萬瓩（GW）的電量額度鼓勵業者投入開發。當時環保署（現為環境部）歷經九個月召開 2 次意見徵詢會議，蒐集環評委員、專家學者、相關機關、民眾等意見，最終於同年 12 月的環評委員會作出徵詢意見。這些協商和檢討的過程，讓政策「名正言順」，得以充分顧及各方利益與生態平衡。

共通性環境議題與因應對策

在「離岸風電區塊開發政策評估說明書」中，環評會議盤點了開發過程中共通的環境議題。

首先，對於海洋生態保育的重點，特別是對中華白海豚的保護。環評會要求風機基座必須距離白海豚棲地1公里以上，以減少對其生態的干擾。實際上，這項規範在後續的實務執行中更為嚴格，例如，福海二期示範風場已退縮到 2.5 公里外，臺電二期風場甚至退到 4.2 公里外，顯示政策環評確實發揮了實質作用。此外，針對施工期間的聲音干擾，要求施工需有 30 分鐘以上的打樁緩啟動時間，並限制聲量不得超過 180 分貝等。

針對鳥類保育，政策環評也訂立了具體規範。其中，包括風機之間必須留設 500 公尺以上的鳥類穿行廊道，並在施工期間避開每年 11 月至隔年 3 月的候鳥過境期。同時，為確保這些措施確實生效，工程方也被要求設置「鳥類活動監測系統」，持續追蹤、評估風場對鳥類的影響。

此外，環評會也確立了「先遠後近」的開發原則，要求優先開發較單純的航道外側區塊，待累積足夠經驗及相關資料後，再進行近岸區域的開發。這項原則考量了近海生態系的複雜性，也顧到養殖漁業的漁民權益，展現出政策環評在平衡發展需求與環境保護上的價值。

新一代的審查機制：達成能源轉型及環境保護雙贏

為提升環評效率並確保審查品質，環境部參考過去離岸風電審查經驗，制定「風力發電離岸系統開發行為環境影響評估初審作業要點」，建立了全新的二階段審查機制。

這套新機制分為兩個階段。第一階段，就像「初步檢查」，由環境部依照檢核表進行初審，並由環評審查委員會執行秘書邀集 2-5 位環評委員進行初審，通過第一階段初審之業者，可取得經濟部遴選資格，其初審結果有效期為兩年，必要時可申請展延一年。接著進入「第二階段」，開發單位檢附目的事業主管機關核配的容量證明文件等資料，提供更詳細的環境影響說明書以進行實質審查。

檢核表明確規範了 15 大項審查事項、112 項檢核項目，涵蓋開發案的全生命週期。

在工程面，包含風機及海上變電站基礎設置、海域電纜路線規劃、陸域設施工程等硬體設施的規範。其中，風機基礎設置必須避開海岸保護區、河口、潮間帶等環境敏感區域，且須進行地震危害度分析。海域電纜部分，除特殊情形外，埋設深度至少須達 1.5 公尺，且不得跨越中華電信海底電纜 1 公里的範圍。

環境保護上，檢核表則對施工噪音管制訂立了明確標準。舉例來說，打樁期間警戒區 750 公尺範圍內的水下噪音不得超過 160 分貝，且必須全程採用最佳噪音防制工法。同時，每個開發案或聯席審查的風場，同一時間內只能進行一支基樁施作，而日落前一小時到日出前也不得啟動新的打樁作業。

環境監測計畫更是檢核表中的重點，分為「施工前、施工期間、營運期間」三階段，每個階段都規定了詳細的監測要求（包括海域底質監測、水下噪音監測、鯨豚目視監測等）。以鯨豚監測為例，每年需執行20趟次，四季中每季至少執行 2 趟次。此外，所有監測數據都必須上傳至環境部「環保專案成果倉儲系統」（https://epaw.moenv.gov.tw/）供各界查閱。

這套標準化的審查機制不僅解決了「同一風場可能有多家廠商重複調查或審查」的資源浪費，也透過明確的檢核項目，讓開發單位在規劃階段就能掌握更具體的環境保護要求。不僅如此，該機制亦確保了環境保護標準前後一致，避免不同案件之間標準不一。

結語

透過新的審查機制，環境部正積極推動再生能源開發案的環評審查作業，在提升行政效率之餘，也確保環境影響評估的品質，支持臺灣的離岸風電開發及國家能源轉型政策，也做好把關。藉由標準化檢核表和二階段審查制度，期待能在推動能源轉型的同時落實環境保護。

為確保制度能持續精進，環境部每半年至一年會進行制度檢討，並持續公開所有環評書件於「環評書件查詢系統」（https://eiadoc.moenv.gov.tw/eiaweb/）。此外，環評會議召開前一週，也必須在指定網站公布開會訊息，讓民眾能申請列席旁聽或發表意見。透明化措施一方面展現了政府推動永續發展的決心，另一方面也確保全民能共同參與監督離岸風電的發展過程。未來，這套制度將在各界的檢視與建議中持續完善，為臺灣的永續發展貢獻心力，發揮環評作業的最大效益。

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。