Loading [MathJax]/jax/output/HTML-CSS/config.js

0

0
2

文字

分享

0
0
2

你以為你在推理?背景知識是思考運作的源頭——《學生為什麼不喜歡上學?》

PanSci_96
・2019/02/11 ・3270字 ・閱讀時間約 6 分鐘 ・SR值 519 ・六年級

編按:《學生為什麼不喜歡上學?》這本書以認知心理學研究成果為根基,歸納出大腦如何學習和記憶,並提供了教師如何應用這些認知原則於教學現場的方法。

背景知識不但能提升閱讀力,還是思考力的源頭。我們最希望能培養學生批判思考、邏輯推理的能力,但若沒有背景知識則都是空談。

首先,你要知道,多半時候當我們見到他人在進行邏輯思考時,他其實是在進行記憶檢索

圖/pixabay

缺乏背景知識時,解題比較困難

正如我在第一章所言,記憶是我們認知過程的第一個資源。面對問題時,你會先在記憶裡找解決方法,如果有的話,你很有可能會直接使用。這麼做很省事,也很可能有效;你會記得那個解決方法,多半也是因為上回使用時奏效,而不是行不通。

要理解這個效果,請先試著去解你缺乏相關背景知識的問題,如圖 2-6 所示:

-----廣告,請繼續往下閱讀-----
【圖 2-6】/《學生為什麼不喜歡上學?》

每張卡片的一面是字母,一面是數字。規則如下:如果字母那面是母音,那數字那面就是偶數。你的任務是要查核這四張卡片是否符合上述規則,而翻的卡片數量要降到多少,你應該翻哪機張卡片?

圖 2-6 闡述的題目比看起來難。實際上,只有百分之十五至二十的大學生答對。正確答案就是翻開卡片 A 和卡片 3。

多數人能正確答出卡片 A,顯然若該卡片反面不是偶數,那麼就會違反規則。很多人誤以為需要翻開卡片 2,但是規則裡並沒有說偶數牌的背面一定要是什麼。卡片 3 必須翻開,因為若反面印的是母音字母,那就違反規則了。

如果我有背景知識,解題會是什麼感覺?

現在再來看看這個問題的其他版本,如圖 2-7 所示:

【圖 2-7】/《學生為什麼不喜歡上學?》

假設你是酒吧裡的保鑣。每張卡片代表一位客人,卡片一面寫著客人的年齡,一面是他喝的飲料。你要執行以下規定:喝啤酒的人一定要滿二十一歲。你的任務是查核上述四個人是否符合這個規定,但你只能翻最少數量的卡片,你應該翻哪幾張卡片?

對大多數人來說,這個題目相對簡單:你會翻開寫著啤酒的卡片(確認顧客已經滿二十一歲)和數字 17 的卡片(確認這個未成年人沒喝啤酒)。從邏輯上來看,卡片 17 和前一個版本問題的卡片 3 角色相同,但卡片 3 卻是大家都沒答對的那張卡。

-----廣告,請繼續往下閱讀-----

為什麼第二版的問題容易許多?原因之一(但並非唯一的原因)就是這個主題你很熟悉

你具有飲酒年齡的背景知識,也知道該怎麼執法,因此不需要邏輯推理。你對此問題有經驗,也記得該怎麼做,於是便不需要思考推理。事實上,大家憑記憶來解決問題的頻率,比你想像中要高出許多。

下西洋棋靠推裡?其實頂尖棋手的關鍵在記憶

舉例來說,世界頂尖西洋棋好手的過人之處,不是他們對於棋局推理的能力,也不是能下一著絕妙好棋,而是他們關於棋譜的記憶。之所以有這個結論,最主要的發現如下:西洋棋賽是有計時的,每位棋手都有一小時來走完他的棋。偶爾會有所謂的超快棋錦標賽,棋手只有五分鐘來下完一局(見圖 2-8)。

【圖 2-8】圖/《學生為什麼不喜歡上學?》

這個裝置叫棋鐘,是西洋棋計時器。黑色指針倒數剩下的分鐘數。每下完一步棋,棋手按下自己棋鐘上的按鈕,停止自己的計時,同時也開始對手時鐘的倒數。棋手在時鐘上設定的時間是一樣的,超快棋錦賽只有五分鐘,也就是說在這段時間內要走完所有的棋。黑色指針快要走到 12 時,靠近 12 的小旗就會被指針推到一旁。一旦小旗倒下,就代表棋手超過規定的時間,是喪失比賽資格。

大家在超快棋錦標賽中下得比較差是意料中事。 但令人訝異的是,頂尖棋手表現還是最優異,次優的依然是次優,以此類推。這個發現指出,讓頂尖選手優於其他人的原因,在超快棋錦標賽中依然存在;他們具有的優勢,並不是花很多時間的過程,因為倘若如此,那在超快棋錦標賽中就會失去優勢。

-----廣告,請繼續往下閱讀-----

頂尖棋手之所以卓越超群,原因似乎是記憶。錦標賽等級的西洋棋手在選擇走法時會先評估局勢,判斷棋盤上哪塊區域最危急、自己與敵手防禦最弱之處等等。這個過程要靠棋手對於類似棋譜的記憶,而且因為那是記憶處理過程,花費時間極少,也許不過幾秒而已。經過評估之後,大幅縮小了棋手可能走的步數。只有到這個時候棋手才會進行較慢的推理過程,從好幾個可能的步數中選定最佳走法。

也因如此,頂尖棋手在超快棋錦標賽中表現依然亮眼。大部分的重活都是靠記憶完成,這個過程所花時間極少。根據這個和其他研究,心理學家預估,頂尖西洋棋手的長期記憶中可能儲存了五萬份棋譜。因此,即使在西洋棋這種大家認為是典型的思考推理遊戲中,背景知識依然具有決定性的作用。

背景知識幫助意義組塊的形成

毫無疑問,所有的問題都是藉由比對你過去見過的案例來解決的。當然,你有時候確實會思考推理,而當你在思考時,背景知識也有幫助。先前我在本章討論過意義組塊,也就是讓我們把個別部件視為一個整體單位的過程(比方說 C、N、N 變成 CNN),好為工作記憶騰出更多空間。我強調過,在閱讀中因為意義組塊而多出的腦力空間,可以用來連結句子之間的意思。這個多出來的空間對推理思考也很有用。

舉個例子來說,你有沒有那種能夠走入別人家廚房,快速地用現有素材做出一整桌美味佳餚,讓主人家驚訝不已的朋友?你的朋友看食物儲藏櫃時,眼中看到的不是烹調原料,而是食譜, 她利用了自己對於食物與烹飪的淵博背景知識。

-----廣告,請繼續往下閱讀-----

請看看圖 2-9 中的食品儲藏櫃:

【圖 2-9】假設你到朋友家,朋友請你用一些雞肉和現成素材烹煮晚餐。你會怎麼做?圖/《學生為什麼不喜歡上學?》

美食專家具備背景知識,能從中端詳出多道食譜,例如:菰米蔓越莓餡料或是雞肉莎莎醬義大利麵。必備原料會在工作記憶中形成意義組塊,於是專家的工作記憶就有空間來進行規劃的其他層面,比如考量可以為這道菜增色的其他菜餚,或是開始規劃烹調步驟。

意義組塊也可應用在課堂活動中。就拿代數課上的兩位學生來說吧,其中一位對分配律還不太熟悉,另一位則非常熟練。 當第一位學生試著要解題,看到 a(b+c),不確定那表示 ab+c, 還是 b+ac,抑或是 ab+ac。因此他停下來,拿幾個簡單數字代入 a(b+c),確定他沒搞錯。第二位學生把 a(b+c) 視為意義單位,不需要停下來釐清,不會多占工作記憶。顯然第二位學生更可能成功解出題目。

學習專家的思考策略?背景知識仍不可或缺

關於知識與思考技巧,還有最後一個重點。專家告訴我們,他們在思考有關其領域的過程中,許多都需要背景知識,即使並非那麼描述。

-----廣告,請繼續往下閱讀-----

舉科學為例,我們可以告訴學生許多科學家如何思考事情,學生也能記住那些建言。比方說,我們能告訴學生詮釋實驗結果時,科學家對異常(也就是出乎意料的)結果特別有興趣。出乎意料的結果顯示他們的知識不盡完全,而這個實驗包含了新知識蘊藏的種子。若想結果能出乎意料,你得先有所預料!而對於結果的預料,則是根據你對該領域的知識。我們告訴學生所有關於科學思考的策略,多數或全部都不可能在缺少恰當背景知識之下運用(見圖 2-10)。

【圖 2-10】科學家善於用「像科學家一樣思考」,但要這麼做不僅得知道並練習思考策略,還要有背景知識,才能讓他們運用思考策略。難怪知名地質學家里德曾說:「最優秀的地質學家是見過最多石頭的那位。」圖/《學生為什麼不喜歡上學?》

同樣道理在歷史、語言、藝術、音樂等也通用。我們可以提供學生關於某領域中如何成功思考推理的歸納陳述,可能看起來像不需要背景知識,但當你考量怎麼去應用時,其實是需要的。

 

 

 

本文摘自《學生為什麼不喜歡上學?:認知心理學家解開大腦學習的運作結構,原來大腦喜歡這樣學》,久石文化,2018  年 12 月出版。

-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

4
3

文字

分享

0
4
3
前額葉皮質的奇蹟:如何保養你的記憶引擎!——《記憶決定你是誰》
天下文化_96
・2024/08/04 ・2641字 ・閱讀時間約 5 分鐘

憂鬱症或阿茲海默症?前額葉皮質的雙面效應

額葉損傷病患遇到的記憶問題,跟我們在日常生活中所面對的記憶挑戰有著直接的關聯,而這個關聯成為我對前額葉皮質深感興趣的原因之一。即使在沒有具體損傷的情況下,前額葉皮質的功能仍會受到許多因素影響,進一步導致顯著的記憶問題,例如我在埃文斯頓醫院神經心理學診間測試的許多病患,轉介過來是為了評估阿茲海默症的可能性,但在進一步測驗後,卻發現是臨床上的憂鬱症。

在年紀較長的成人身上,憂鬱症有可能看起來很像早期的阿茲海默症,好比我曾經測驗過一名剛退休不久的學校老師,他一向以頭腦清晰自豪,現在卻難以專注,一直忘東忘西。儘管從磁振造影看不出明顯的腦部損傷,但他的認知卻不比前額葉皮質受損的人好上多少。他和醫生都沒想到,這些認知問題可能與他剛經歷一場離婚,以及幾十年來第一次獨居的情況有關。

前額葉皮質是腦部最晚成熟的區域之一,在整個青春期會持續調整與其他腦區的聯繫。兒童雖然學習很快,卻不擅長專注在應該專注的事物上,因為容易分心。這對於有 ADHD(注意力缺失/過動障礙症)的兒童更是嚴重,他們在學校表現不佳並不是因為缺乏理解力,而是因為在教室裡難以集中注意力、培養有效的學習習慣,以及利用可以應付考試的策略。有大量證據顯示,ADHD與前額葉皮質的異常活動有關。

前額葉皮質也是我們進入老年時,首先開始衰退的區域之一,我們因此覺得自己變得比較健忘。幸好,對多數年長的人來說,形成記憶的能力不會有問題,倒是專注力的改變會影響我們記憶事件的方式。舉例來說,你可能記不住你在表妹婚禮上遇到的某個人叫什麼名字,卻可以記得你們會面時各式各樣的其他資訊,諸如他臉上有雀斑,戴著鮮黃色的領結,或不停說著他最近到田納西州那許維爾(Nashville)的事。

-----廣告,請繼續往下閱讀-----

隨著年齡變長,我們想起瑣事卻想不起重要事情的傾向也會提高。已經有無數研究顯示,在必須專心、忽視干擾的情況下記憶時,年長者表現得比年輕人要差,然而他們記得干擾訊息的能力卻與年輕人一樣好,有時甚至更好。隨著年歲漸長,我們依然能夠學習,卻較難專注於想要記住的細節,反倒常常記住無關緊要的事情。

多工殺手:為什麼一心多用讓你大腦退化

除了年齡之外,讓你覺得自己的前額葉皮質有問題的因素多得不得了。在現代世界裡,一心多用恐怕是最常見的罪魁禍首。我們的對話、活動和會議不斷受到簡訊、電話的干擾,而我們本身又常把注意力分散在好幾個目標上,使得問題更加嚴重。就算是神經科學家也無法免於多工作業--在今天,幾乎每一場學術演講中,都能發現臺下的科學家(包括我自己)拿出筆記型電腦,時而聽講、時而回電子郵件。

很多人甚至對一心多用的能力很自豪,但同時做兩件事很難不用付出代價。為了達成目標,前額葉皮質能幫助我們專注在所需的事情上,但如果我們在不同目標間迅速換來換去,這項美妙的能力就會消失。

加州大學舊金山分校神經科學家安卡佛(Melina Uncapher)的團隊便指出,「媒體多工」(media multitasking)對記憶不利,意思是在不同媒體的訊息間切換會妨礙記憶,例如一下子看簡訊、一下子看電子郵件。更嚴重的是,習慣重度媒體多工的人,平均而言前額葉皮質的某些區域會變得較薄。

-----廣告,請繼續往下閱讀-----

至於額葉的功能失常究竟是媒體多工的原因或是結果,還需要更多研究才能了解,但不管如何,這裡傳達出來的訊息相當一致。我的樂團夥伴米勒爾(Earl Miller)是世界頂尖的前額葉皮質專家及麻省理工學院的教授,他經常這樣說:

「沒有所謂一心多用;你只是輪流把不同的事情做得很糟。」

前額葉的功能也會遭到一些健康問題的破壞。例如高血壓和糖尿病會傷害大腦各區域間相互溝通的神經纖維通路,也就是白質。我和同事發現,與年齡相關的白質損傷,似乎會讓前額葉皮質失去跟大腦其他部分的聯繫--試想這名執行長被單獨鎖在房間裡,無法使用電話和網路。

感染疾病後如果造成腦部的發炎,也可能導致相似的結果,例如在新冠肺炎流行早期受到感染的人,注意力和記憶力等執行功能出現衰退,而且前額葉皮質部分區域的結構發生改變。

一旦前額葉的運作發生改變,就可能導致「腦霧」(又稱為「長新冠」)--當感染的時間很長,或罹患慢性疲勞症候群(chronic fatigue syndrome)等與感染相關的病症時,有機率出現腦霧的症狀。

-----廣告,請繼續往下閱讀-----
感染或罹患慢性疲勞症候群,都可能影響到前額葉皮質。圖/envato

養成健康生活:強化前額葉皮質的簡單步驟

如果我們生活時忽視自己的身心健康,也可能使前額葉皮質暫時失能。例如睡眠剝奪可能對前額葉皮質和記憶造成毀滅性的打擊。酒精也對前額葉皮質帶來負面影響,有些研究顯示這些影響在大量喝酒後還會持續好幾天。我們在後面的章節將探討,壓力會破壞前額葉的運作。如果你在充滿壓力的一週工作之後,熬夜喝酒又不停滑手機看網路新聞,然後整個週末都在跟腦霧奮戰,不用太驚訝。

幸運的是,我們確實可以做一些事來增進前額葉皮質的運作,雖然那些事可能跟你想的不一樣。你的腦是身體的一部分,所以任何對身體有幫助的事情,對你的腦都有幫助,進一步也對記憶有幫助。例如充足的睡眠、適度的運動、健康的飲食,這些事物都有益於你的生理和心理健康,也有益於你的前額葉皮質。

有氧運動如跑步,能促進腦部化學物質釋放,進而提升神經可塑性,改善為腦運送氧氣和能量的血管系統,降低發炎並減少罹患腦血管疾病和糖尿病的可能性。運動也會改善睡眠、降低壓力,而睡眠不足和壓力過高正是耗盡前額葉資源的兩大元凶。

這些因素會一同作用,影響記憶功能在我們年齡增長時的維持狀況。有一項令人敬佩的研究,追蹤了多達兩萬九千人的記憶表現,發現那些在生活方式裡包含上述某些有益因素的人,在十年期間記憶能力的維持狀況也較佳。

-----廣告,請繼續往下閱讀-----

——本文摘自《記憶決定你是誰:探索心智基礎,學習如何記憶》,2024 年 7 月,天下文化,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

天下文化_96
142 篇文章 ・ 624 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。

0

2
0

文字

分享

0
2
0
掌控注意力與動機:終結找不到東西的困擾!——《記憶決定你是誰》
天下文化_96
・2024/08/03 ・1563字 ・閱讀時間約 3 分鐘

為什麼我們總是找不到鑰匙?

讓我們想像一個日常中會發生的情況。你下班回家,用手機確認電子郵件,同時把鑰匙插入鑰匙孔,打開大門。你踏入家中,家裡那隻不久前才認養、還沒訓練好規矩的好動小狗撲過來,纏著你跳來跳去,搞得你身上沾滿狗兒的口水。

你聽到女兒的房間大聲傳出卡加咕咕樂團(Kajagoogoo)的歌曲,一小段極易琅琅上口的重低音合成流行音樂鑽進你的腦門。你疲憊的走進廚房,裡面有股腐臭味,告訴你昨晚忘記把垃圾拿出去。然後,忽然一個抽痛,提醒你要冰敷幾週前扭傷的腳踝。

現在,不要轉頭,試著回想你把鑰匙放在哪裡。如果你想起自己把鑰匙留在鎖孔上,那很好,但如果實在想不起來,你也並不孤單。你可能只是被太多事情轉移了注意力,一旦有一大堆訊息襲來,我們對單一事件的記憶會變得混亂。

有時候就是無法想起自己將物品放在哪裡。 圖/envato

更糟的是,當我們試圖回想自己最後把鑰匙放在哪裡時,會一一過濾各式記憶,包括自己以前曾放置鑰匙的所有地方,以及我們把鑰匙放在各個地方的各種不同情況,不管那些事件是發生在昨晚、上個星期,甚至去年。會有很多這樣的干擾,所以諸如鑰匙、手機、眼鏡、皮夾,甚至車子等常用的東西,我們經常忘記它放在哪裡。競爭的記憶那麼多,能夠記住這些東西放在哪裡才奇怪。

-----廣告,請繼續往下閱讀-----

破解記憶混亂:注意力如何幫助你記住重要細節

試著把記憶想像成一張桌子,上面雜亂的放滿皺皺的紙片。如果你把網路銀行的密碼隨手抄在這種紙片上,要重新找到這張紙片,不僅需要耗費一番努力和運氣,同時也在挑戰你的記憶力。這類經驗就像艾賓浩斯努力背誦的無意義三字母組,要找到當下所需的正確記憶,難度會不成比例的增加。

但如果你把密碼寫在一張亮眼的桃紅色便利貼,要找到就變得格外容易,因為桃紅色便利貼會從桌上所有其他紙片之中凸顯出來。記憶以同樣的方式運作。愈特殊的經驗愈容易記得,因為它會從所有其他記憶裡凸顯出來。

愈特殊的經驗愈容易記得,就像一張亮眼的便條紙。 圖/envato

那麼,要如何使記憶從我們堆滿雜亂事物的腦袋中凸顯出來呢?答案是「注意力」和「動機」。利用注意力,大腦能把我們看到、聽到、想到的事情提高優先順序。我們隨時都可能把注意力放在四周的諸多事物上,而環境裡發生的事情常常會吸引我們注意。

在前面描述的假想情況中,你的注意力可能短暫的放在鑰匙上,接著注意力就被門打開後遇到的許多事情給轉移。即使你留意著應該記住的重要事物(一小時後得去機場接妻子,你需要那串鑰匙,否則會遲到),也不見得能幫你建立特殊的記憶,足以對抗各式各樣吸引你注意的干擾(好動的狗、廚房裡的垃圾臭氣,或女兒房間傳出的樂團聲音)。

-----廣告,請繼續往下閱讀-----

這就是「動機」登場的時候了。你需要利用動機來引導注意力,讓注意力鎖定在某個特定的事物上,好製造一個之後能找得到的記憶。下次你放下鑰匙這類經常找不到的東西時,花一點時間專注在當時和當地的某個獨特事物,例如檯面的顏色,或鑰匙旁邊那疊未拆封的信件。只要一點點專心的動機,就能對抗大腦忽略日常事件的天性,建立較為明顯的記憶,如此便有機會戰勝那些干擾的喧囂。

——本文摘自《記憶決定你是誰:探索心智基礎,學習如何記憶》,2024 年 7 月,天下文化,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

天下文化_96
142 篇文章 ・ 624 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。