0

1
1

文字

分享

0
1
1

世風日下人心不古?為何明明治安變好了,還是覺得壞事很多?

活躍星系核_96
・2018/11/30 ・3681字 ・閱讀時間約 7 分鐘 ・SR值 496 ・六年級

  • 文:何崇瑋

前陣子台北市長柯文哲的妻子陳珮琪醫師因受不了名嘴的抹黑, 因而在其個人臉書動態上提到:市長常說壞人想不到好人為何會做好事?我心裡也常想為何這些人看到任何東西都是想到齷齪的一面?

在這篇文章中,我們希望來探究一個問題:為什麼有些人做了許多好事,但在旁觀者眼中,卻會把這些好事硬生生的解讀為壞事?

人們一般對「政治人物」的概念有好有壞,覺得政治人物雖然有時在做為人民服務的「好事」,但有時也會為了政治或私人利益做一些「不好的事」;如此先入為主的觀念是不是容易反而導致當我們討論政治人物時,即使對方有許多正面事蹟,反而還是會將某些好事也都視為是壞事呢?

人們為何會對某些正面的事情,莫名地產收負面想法,甚至感到懼怕?Photo by Melanie Wasser on Unsplash

盛行率導致概念改變,改變人們的判斷

其實,這種將正面事件轉為負面思考的傾向,在心理學上是有跡可循的──心理學家將之稱為「盛行率導致概念改變 (Prevalence-induced concept change)」

什麼是盛行率導致概念改變呢?聽起來很饒舌。我舉一個簡單的例子,譬如說一個曾經混過幫派的人,突然開始做一些慈善行為時,反而會讓人懷疑他心懷不軌,進而將之所做的好事都解讀為別有意圖。這就是網路紅人──「館長」陳之漢在社會上常常面對的質疑。例如,前陣子館長幫助花蓮地震賑災,卻遭到「買贖罪券」的批判

-----廣告,請繼續往下閱讀-----

盛行率導致概念改變,傳達了一個心理學的概念:當我們對某些人、事、物產生刻板印象時,要翻轉這個刻板印象,就會變得十分困難。

認為該有更多藍色,紫色也被當成藍色

先用一個關於色彩判斷的實驗來簡述這個概念吧。Levari等人(2018)請受試者觀看 1000 個彩色圓點,圓點顏色的組成是從純紫色 (RGB 100–0–155) 漸進變化到純藍色(RGB 0–0–255)。所以這些圓點會有兩類,一類是紫色向度的圓點 (從RGB 100–0–155 到 RGB 51–0–204)、另一類是藍色向度的圓點 (從 RGB 50–0–205 到 RGB 1–0–254)。研究者會從這兩類的圓點中,一次呈現一個圓點,並請受試者分辨螢幕上的彩色圓點是不是藍色。

彩色圓點的實驗材料,其顏色組成是從純紫色到純藍色。From Levari et al, 2018

 

參與實驗的受試者被分為兩組。一組是「機率穩定組」,紫色圓點以及藍色圓點出現的機率各是 50%。另一組為「藍色機率下降組」,在前 200 個圓點當中,紫色及藍色出現的機率各半;但在第 201 個圓點開始,藍色圓點出現的機率就開始下降,在第 201 到 250 個圓點中,藍色出現的機率是 40%,第 251 到 300 個則為 28%,第 301 到 350 降到 16%,第 351 到第 1000 圓點,藍色出現機率則低到只有 6%。

研究結果發現,在「機率穩定組」中,前 200 個彩色圓點的顏色判斷跟最後 200 個彩色圓點的判斷一致,一開始被認為是藍色(或紫色)的圓點,在最後依然會被判定為藍色(或紫色);可是在「藍色機率下降組」,隨著藍色圓點出現的機率降低,受試者卻反而將許多紫色的圓點判定為藍色,在最後 200 個圓點當中,受試者將螢幕上出現的圓點判定為藍色的機率,居然反而高過於將前 200 個圓點判定為藍色的機率!

橫軸為顏色向度變化,縱軸為認為是藍色的機率;圖示部分藍色代表頭兩百個圓點的反應,黃色代表最後兩百個圓點的反應。左邊圖A為「機率穩定組」的顏色判斷表現,可知受試者從頭到尾顏色判斷的表現一致;右邊圖B為「藍色機率下降組」,可知受試者把原認為是紫色的顏色,最後卻更可能認為是藍色。From Levari et al, 2018

 

這種「盛行率導致概念改變」的實驗結果一直穩定存在,就算是研究者主動警告受試者「等一下藍色向度的圓點出現的機率一定會降低」、或是告知受試者「請維持一樣的判斷」、甚至告訴受試者「如果能成功維持一樣的判斷就會給予獎金」;其結果都發現,隨著藍色向度出現的機率降低,受試者對藍色的概念也跟著膨脹,把原先認為是紫色的顏色認定為藍色。另外,如果改成紫色圓點出現的機率下降,受試者也會把紫色的概念膨脹,原本認為是藍色的顏色最後認為是紫色。

-----廣告,請繼續往下閱讀-----

不只是顏色:威脅臉孔的判斷

為了確認這樣的情形,不僅僅出現在顏色判斷這樣簡單的作業(task)之上,研究者修改原先的實驗設計,把原本的彩色圓點改成電腦產生的人臉,其人臉變化範圍從看起來最沒有威脅性到看起來最有威脅性。研究者一樣每次呈現一個臉孔給受試者,受試者要回答看到的臉孔具不具威脅性。受試者一樣也分成兩組,一組是「機率穩定組」,具威脅性的臉孔與不具威脅性的臉孔出現機率各為 50%;另外一組是「威脅臉孔機率下降組」,具威脅性的臉孔出現機率一樣逐漸下降到6%。

由電腦所產生的人臉,從左到右為看起來最沒有威脅性到看起來最有威脅性。From Levari et al, 2018

 

臉孔實驗最後也發現,如果是「機率穩定組」,一開始 200 個臉孔的判斷與最後 200 個臉孔的判斷表現一致,代表一開始認為是具威脅性(或不具威脅性)的臉孔,到後面一樣認為是具威脅性(或不具威脅性)。但是在「威脅臉孔機率下降組」,隨著具威脅性的臉孔出現機率降低,受試者對「具威脅性」的概念也隨之膨脹,原本看起來沒有威脅性的臉孔,到後面有更大的機會判斷成具威脅性。

橫軸為臉孔威脅性的程度變化,縱軸為認為是威脅臉孔的機率;圖示部分藍色代表頭兩百個臉孔的反應,黃色代表最後兩百個臉孔的反應。左邊圖A為「機率穩定組」的顏色判斷表現,可知受試者從頭到尾對威脅性判斷的表現一致;右邊圖B為「威脅臉孔機率下降組」,可知受試者把原先有的認為不具威脅性的臉孔,最後卻更可能認為是具有威脅性。From From Levari et al, 2018

道德判斷,同樣的現象依舊

於是研究者再度修改實驗,請受試者假裝自己是「倫理審查委員」在審查實驗計畫。這些實驗計畫已另外先經過幾百人的評分,分成沒道德的、道德界線模糊的、以及有道德的實驗計畫。研究者請受試者評斷,如果是認為有道德的實驗計畫,就允許實驗計畫通過(道德實驗計畫例如:請參與者對貓咪照片的可愛程度評分);如果是認為不道德的實驗計畫,就不允許實驗計畫通過(不道德實驗計畫例如:強迫給參與者觀看各種貓咪被屠殺的影片,並測量參與者的情緒感受)。

實驗結果依然發現「盛行率導致概念改變」。如果符合道德、道德界線模糊與不道德的實驗計畫,其出現的機率維持一致時,受試者一開始的判斷標準會與最後的判斷標準一致。但是當不道德的實驗計畫出現機率降低時,受試者對「不道德」的概念也會隨之而膨脹,尤其是面臨道德界線模糊的實驗計畫時,原先認為是具有道德的實驗計畫,最後反而更有可能被判定為是不道德的。

-----廣告,請繼續往下閱讀-----
橫軸為實驗計畫的道德程度,縱軸為認為是沒道德的機率;圖示部分藍色代表一開始的48個實驗計畫,黃色代表最後48個實驗計畫。左邊圖A為「機率穩定組」的顏色判斷表現,可知受試者從頭到尾對道德的判斷表現一致;右邊圖B為「不道德機率下降組」,可知受試者把原先有的認為有道德的實驗計畫,最後卻更可能認為是沒道德的。From Levari et al, 2018

當社會問題減少,人們反而放大負面的概念?

我認為這個研究最重要的,其實是給了人們一個警示:人們常為這個社會的發展感到無望,但其實是放大了負向的概念,進而造成了負面的想法,反而忽略了許多人正在為了這個社會進步所付出的努力。當今人們對這個社會的未來常感到絕望,種種「經濟不景氣」、「社會沒在進步」等想法,讓人覺得這世界每況愈下(YouGov Survey, 2015)。但其實當今全球社會安定自由,已不再像以前深受貧窮所困、人們的教育程度提高、死亡率也降低 (Roser, 2018)

這種對社會感到無望的想法,可能就是因為「盛行率導致概念改變」。當社會問題逐步下降時,人們反而放大了負向概念,進而讓負面的想法忽略了許多正在為社會付出努力的人。

回到一開始政治人物的例子,但由於我們過去對於「政治人物」這個概念,普遍有著不好的印象,因此當一個新的政治人物,做了許多好事時,我們反而會受到「盛行率導致概念改變」的影響,進而將他的善舉視為別有意圖。

因此要記得,對任何事物要懷著「謝天之情」,並保持著理性思考,如此一來才不會被負面的想法壟罩而讓自己成為別人眼中的黑特 (hater)。

-----廣告,請繼續往下閱讀-----

參考資料

-----廣告,請繼續往下閱讀-----
文章難易度
活躍星系核_96
776 篇文章 ・ 130 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia

0

0
0

文字

分享

0
0
0
AI 可以設計散熱,但誰敢讓它出貨?林唯耕談算力背後的物理現實
鳥苷三磷酸 (PanSci Promo)_96
・2026/08/20 ・2819字 ・閱讀時間約 5 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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 / 圖片:envato

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/圖片:envato

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
249 篇文章 ・ 319 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia