公堂之上真相為何越辯越謎？從《第三度殺人》談虛假記憶和確認偏誤

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

在過去許多冤案研究、司法心理學研究中，都發現確認偏誤（confirmation bias）是誤判的重要因素^{註 1}，意即人容易受到先入為主的意見影響。

例如有一晚，小安下班回家後發現他太太與情夫正在偷情，心灰意冷出去喝酒，回家後卻發現太太與情夫都被殺了；小安百口莫辯，被判處無期徒刑。^{註 2}

在缺乏其他證據的情況下，一般人都會認為小安的作案動機十足，兇手不可能另有他人；因此在受到這個成見的影響下，進而看重能佐證的證據、忽略其他證據，形成所謂「隧道視野」^{註 3}，導致職業法官也可能誤判（各國都有許多關於審判出錯的研究）^{註 4}。

國民法官也可能受到偏見影響，那還能保持公正嗎？

國民法官法在 2023 年 1 月 1 日正式上路，年滿 23 歲的你，人人皆有可能坐在法檯上與職業法官一同進行重大刑案的審判。關於什麼才是「最正確的判決」，也不是國民法官才會遇到的問題，而是社會大眾所要共同面對的司法難題。

進入審理程序後，會先由職業法官向國民法官說明程序、法律原則；再一一檢視檢辯雙方提出的證據；最後再與職業法官討論、進行投票，決定被告是否有罪，以及決定被告的量刑。

如同開頭所說，確認偏誤會是個難題。來自不同群體的國民法官，也可能帶有各自的意見。

例如一位白領階級的 30 歲上班族，與一位伴侶是藍領階級的家庭主婦，他們看待情殺案的態度會一樣嗎？一個重大案件發生後，國民法官很有可能先看見媒體報導，才會真正進入法庭。再加上國民法官所看見的證據，已經受到審、檢、辯三方前期的篩選，因此在審理中所聽見的敘事，可能是兩種截然不同的版本（因為檢察官的任務基本上是證明被告有罪，而律師則是證明被告無罪或沒有犯那麼重的罪）。身為素人的國民法官，要怎麼評估證據的可信度？怎麼排除偏見、形成自己的判斷？

藏在程序中的魔鬼，不只是偏見的問題，還包括「使用的語言不同」的問題。這個語言不僅是台語、客語、各原住民族語的語言不同，還有怎麼讓不同專業領域、不同年齡層的國民法官理解法律術語。如，什麼是無罪推定原則？證據裁判原則又是什麼？怎麼樣算是超越合理懷疑？為什麼有些證據能用，有些則不行？因此，職業法官需要讓素人們了解「遊戲規則」，檢辯在舉證與論述過程中，也不能只講「咒語」；法庭上的三方都需要學習「講人話」，讓法庭上也能納入其他領域的意見。這不僅對國民法官是個挑戰，對法律人而言可能也是個難關。

以有力的證據，支持有邏輯的推理

我們可以把審理的過程想像成科學研究：蒐集證據 >> 提出假說 >> 形成結論。

例如有一判決書說：「用蝴蝶刀殺人很費力，被害人身中多刀，因此一定不止一人作案，另一人一定也有涉案。^{註 5}」這是一個合理的推理嗎？有沒有其他證據可支撐這段論點？

為了確保判決更加公平客觀，思考證據與作案經過的關聯時，或許盡可能以「根據OOO，所以XXX」的方式思考。雖然國民法官制度是為了納入常民意見，並不是要求所有素人都是法律專家；然而，若能具備基礎的法律知識，以及學習科學的方式審視證據、排除「確認偏誤」，或許更能給出公平客觀的判決。畢竟國民法官會參與的案件，都是攸關性命的重大刑案。

《國民法官法》的立法目的，在於加入一般常民的觀點。過往人們常覺得法院像神壇，坐在法庭裡的法律人都是人生勝利組，難以體會百姓常民的苦痛，而許多重大刑案的判決都以社會輿論相左。在國民法官的制度下參與審理過程後，或許也能更深刻理解審判工作的艱難，對台灣的司法制度改觀。

此外，人民參審對於提升司法透明也非常重要，由於過往的司法審理通常是關在司法的象牙塔裡產出，社會大眾也難以反思誤判的情況。國民法官的加入，可以想見一路將充滿荊棘，但也期待能為司法正義注入新的活水。

註解

1. 【黃致豪專欄】蘇炳坤的無罪判決——還是司法心理學
2. 這不是真實案件，而是《刺激1995》的劇情。
3. 無罪推定下仍須自證無罪的被告
4. 可參見湯瑪斯．達恩史戴特（Thomas Darnstäd），2016，《法官的被害人：德國冤案事件簿》
5. 改寫自臺灣高等法院 臺南分院 98 年度上重更(五)字第 68 號刑事判決。

《司法遇到心理學》國民法官上任，然後呢？ → https://link.pansci.asia/7abzs

• 《第三度殺人》預告片。

《第三度殺人》為知名導演是枝裕和的作品，2017 年上片以來引起了一陣旋風，在日本電影獎項中多有斬獲。

在 2018 年三月頒獎的日本電影金像獎甚至囊括六項大獎，包含最佳影片、最佳導演、最佳編劇、最佳剪輯、最佳男配角（役所廣司）、最佳女配角（廣瀨鈴），是枝裕和一人就獨得三項（導演、編劇、剪輯），男主角是大家特別喜歡的福山雅治（雖然是很多人老公，但 2015 已經結婚了，大家可以先收拾碎掉的玻璃心，繼續支持他的作品）。

－－－－－以下有雷，請自行迴避－－－－－

－－－－－以下有雷，請自行迴避－－－－－

越來越撲朔迷離的案件劇情

電影劇情環繞在福山雅治所飾演的律師，企圖想幫殺人犯三隅高司（役所廣司飾）脫罪；這樣的情節聽來很合理──律師盡可能找到可以輕判的證據。然而，隨著一次次的律見（律師與犯人接見），一次次的開庭，犯人竟然一次次的翻供，這當然並非法院所樂見。

日本司法看來比台灣更為僵化，從準備庭開始，就只是在走流程，走完流程便宣布刑度，期間不容翻供或提出不同看法。每個證人已經被設定好要講甚麼話，做什麼事。若有個人觀感，一律不得在法庭上陳述。這樣的情節設定，讓整部戲頓時陷入羅生門之中，到底誰說的故事才是真相？

是被害人的妻子（齊藤由貴飾）所陳述犯人是為了錢財才殺人？還是妻子有了婚外情而雇用犯人殺害自己的先生？亦是被害人的女兒（廣瀨鈴飾）被自己的父親性侵，但被犯人目擊憤而殺人？還是女兒愛上犯人，為了幫犯人逃脫死罪，才虛構出性侵事件？或是女兒其實才是真正的殺人犯，高司只是出於同情（或愛戀）而幫忙頂罪？

還是犯人因被不當解雇，因巧遇被害人而動手殺害？亦是兩人和謀使用不當原料賺取暴利，但事後談不攏分贓事宜，才導致殺人事件？每個角色在法庭上的說詞，與私下的面貌皆不相同。每一種故事情節都有可能發生，那真相到底為何？

電影的推衍故意營造出模糊的氛圍，令觀者有霧裡看花之感，但在公堂之上，大家真的就會好好說實話嗎？

證詞越問越獵奇？

其實並不盡然。過去美國最為知名的性侵害案件麥馬丁幼稚園案（The McMartin preschool trial），約有 360 名兒童作證遭受幼稚園老師性侵害，他們的證詞現在聽來相當怪異，孩子們說他們在飛機上、地下道、洗車廠、機場、熱氣球上被性侵，接著開始涉入邪教崇拜的議題，有女巫戴著黑色帽子在天空飛來飛去；有老師在他們面前將兔子殺死取出內臟，並逼喝動物的血。

但讓他們挑出可能嫌疑人照片時，有的人挑了動作明星查克‧諾里斯（Chuck Norris）的照片，有的人挑了一群修女的照片（她們在四十年就過世了），有的人挑了丹尼‧戴維斯（Danny Davis，該案辯護律師）。整個案子在沒有實質證據之下，進入了法院訴訟。

此案件纏訟了七年，花費了花了一千五百萬美金，但最後無人被定罪（可同時參閱 HBO 製作的電影《無盡的控訴》，並參考此文章：為何兒童性侵害案件難以收集有效的證據？）。

此案件在媒體推波助瀾下，從  1980 年代延燒至 1990 年代，全世界各地有多所幼稚園或托兒所陸續被指控性侵兒童¹，但多數無罪定讞。也有青少女長大之後，回過頭去指控父親性侵自己。內容都是從一開始的性侵，進而加入各種匪夷所思的虐待，把蜘蛛或嬰兒手臂塞進陰道裡面，接著又是一連串的撒旦崇拜戲碼。

美國鄉民們對這一套完全深信不疑，每次都是同樣的劇情看都看不膩。只能說全世界的鄉民都有共同特質：

越獵奇，散播的就越遠；越詭異，盲信的就越深。

「虛假記憶」讓當事人記得沒發生過的事

這些證詞通常曲折離奇、不斷改變、互相矛盾，成了心理學家眼中的虛假記憶（false memory，意指個案回憶出從未發生的事）²。

連最早研究的此概念的佛洛伊德都坦承，這些使用回溯技巧「提取」而出的記憶，很高比例的內容都是孩子遭受父親性侵害，但事實上「那些性誘惑的畫面從未發生過，那些只是我的患者自己編出來的幻想，或者是我強加給他們的」³。

但司法系統並未因此踩下煞車，許多無辜的人，也因為這些莫須有的指控而深陷牢獄之災，至今仍無法重見天日^註。

「確認偏誤」讓司法人員只收集證明成見的證據

回到《第三度殺人》這部電影也是如此，所有的司法人員只是落入「確認偏誤」（confirmation bias）的陷阱之中，只蒐集能證明自己成見的證據；在找尋證據時，只是在證明自己是對的，而不是挖掘出真相。

真相真的有人在乎嗎？還是只能埋藏在大雪之中。這是在觀看這部電影時，不得不進一步深思的問題。

更多心理相關文章，歡迎參閱臉書專頁：陶然心理工作室

• 註：麥馬丁幼稚園案開啟了美國司法訪談（forensic interview）的濫觴，各個單位投入大量經費研發合宜的訪談方法。這些方法以科學為基礎，在中立、客觀、標準化、不引導的情境之下，讓個案陳述其經驗或目睹事件。

參考資料與延伸閱讀

1. Day-care sex-abuse hysteria
2. Maran M. (2010). My Lie: A True Story of False Memory. Jossey-Bass.
3. 紀迺良（譯）（2012）。洗腦：操控心智的邪惡科學（Dominic Streatfeild）。台北：麥田。

• 作者／史坦利．萊斯 (Stanley A. Rice)；譯者／李延輝

我們無法辨別隨機性會直接造成可能是所有偏見中最重要的：確認偏見（confirmation bias）。

當我們看這世界，會看到一些東西，確認了我們已經相信的事， 有一些則與其牴觸。我們自然而然會較注意確認我們已經相信的東西。我們會引用證據支持我們的信念，忽視違背信念的證據，這不是因為我們都是騙子，而是因為我們大腦內的本能偏見。

科學家稱這種偏見為「摘櫻桃」，因為我們摘下確認我們偏好的紅櫻桃，但沒有看到綠櫻桃。這或許是科學家使用統計測試決定結果顯著程度的主要理由。

我已經向你介紹了一個確認偏見的例子。我用維生素 C 補充品和避免感冒之間的相關作為虛假相關的例子，但我也提到偏見可能扮演了某個角色：服用補充品的人會將自己的症狀解釋為吸鼻子，而不是感冒。

在之前章節我討論過人類往往會認為其他有機體有智慧，但這些有機體可能不是真的有智慧。寵物的主人往往認為自己的狗是世界上最聰明的狗，或者養的貓真的很愛自己。這是某種形式的確認偏見。以下有一些滑稽的例子。

我家的動物是世界上最聰明的！

20 世紀初，有一匹叫「聰明漢斯」（Clever Hans）的馬。牠的主人宣稱這匹馬會算數。群眾會聚集看這匹馬算數。馬不會說話（除了靈馬艾德和戰地神騾之外），所以有人告訴聰明漢斯數到五，牠就會用馬蹄重重踩地上五次。聰明漢斯似乎總是能答對。

我很確定你已經猜到發生什麼事。假如他們告訴馬數到五，觀察者會在踩二或第三下時冷靜地閒站著。馬踩第四下時，觀察者就會開始留意。踩第五下時，他們就以幽微的方式傳達出他們的讚許，並準備鼓掌。結果證實馬只是非常擅長解讀人的肢體語言。不久，真相就傳了出去。就馬主人來說，這不一定是騙術，而只是觀察者的偏見。容易受影響的觀眾持續得出錯誤的結論，那些看到聰明漢斯的人也一樣。

情況是變好了。你可能會認為到了 21 世紀，我們會注意像這樣的事。但我看到一個電視節目，裡面的人會展示他們的寵物多有智慧。一個家庭宣稱他們的狗不只可以算數，也能讀木塊上的數字。我發誓我不是胡謅的，像這樣的東西可捏造不出來。

狗在簾幕的一邊。主人會在另一邊拿起一個木塊，假設上面有數字七好了，他會拿給熱切的觀眾看，然後放回原位，和其他木塊放在一起。簾幕一掀開，狗主人就會告訴狗去找上面有「七」的木塊，然後狗就會直接找到那個木塊。觀眾欣喜若狂，評審至少會裝得好像他們相信狗會讀數字一樣。

我知道你已經搶先猜到了。狗並不會讀數字，牠只是聞了聞哪個木塊上面人的味道最新。事實上，狗在人告訴它找哪一個數字之前就開始找數字七的木塊！你會想這原本就會讓觀察者稍微起疑。

自我欺騙的大腦，不可信任的記憶

人類大腦不只無可避免會製造偏見，看起來似乎也天生就會自我欺騙。

我們的心靈時常再現我們的記憶。記憶並不是一套不變的原始資料，我們的頭腦每次都可以重新查閱。相反的，每次我們想到一件事，我們的大腦就會改變記憶，過程中可能帶來偏見，並儲存修正後的版本。

我們實際上無法記得偏見出現前那件事的樣貌。這就是為什麼執法人員和國家安全調查員很容易將假記憶灌輸進人的腦袋，這些人之後會說記得實際上並沒有發生的事。一旦假記憶存了下來，就很難和真的記憶區別。

科學家為了避免這樣的偏見，會填寫實驗室紀錄本，取得任何結果的當天就寫下來，而不是之後再寫。這也是為什麼目擊證人的證詞可能不是故意騙人，但必須以實物證據，例如犯罪現場的 DNA 加以對照檢查。

歷史上重大的偏見：奴隸制度

人類歷史上很普遍的偏見就是奴隸制度，直到不到一百年前才逐漸式微。奴隸主人單純不把奴隸當人看。

羅馬人將他們的奴隸定義為「會說話的工具」。傑佛遜在革命戰爭前的大陸會議堅稱奴隸也是人，但會議中的南方代表將他們視為財產。捍衛奴隸制度的人往往相信奴隸對他們的小塊土地心滿意足。

年輕的達爾文搭乘羅伯特．斐茲洛伊（Robert FitzRoy）船長的船，航行整個世界。斐茲洛伊就相信奴隸很快樂。達爾文和他看法不同。由於達爾文是平民乘客，他可以與斐茲洛伊意見相左而不會造成任何後果。

斐茲洛伊想向達爾文證明奴隸很快樂。因此，停留巴西時，斐茲洛伊要一名奴隸主人帶他的奴隸出來見達爾文。主人和船長都在，那些奴隸告訴達爾文他們實際上非常滿足。達爾文指出了一件事，對今天我們任何人來說都很顯而易見：奴隸不敢在主人在場時抱怨，他會處罰他們。達爾文告訴斐茲洛伊這證據毫無價值，這船長的反應就沒那麼客氣了。

遺憾的是，就著名政治評論家比爾．歐萊利（Bill O’Reilly）的說法，這種偏見還一直持續下去。

——本文摘自泛科學 2020 年 5 月選書《像科學家一樣思考》，2020 年 4 月，商周出版。