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

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。

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

• 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。