想分手卻分不了？談愛情裡失去的自我——《為什麼我們愛的如此不安？》

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

拒絕是一門學問

就算是勇於開口拒絕的人，事後也難以立刻釋懷，情感一定會產生波動。否則的話，前文提到在圖書館藏書上塗鴉的實驗，這種不合理的請求又怎會有那麼多人答應？

假如希望自己在拒絕他人時能稍微輕鬆一點，那麼建議你先審視一下自己在哪些情況下，或者基於何種需求和恐懼，特別難以開口向他人推辭。

是不是為了逃避恐懼、滿足欲望，所以選擇「答應他人請求」這種最簡單的途徑？又或是你現在就在後悔、不滿的泥淖中苦苦掙扎呢？

拒絕的關鍵技巧

即使掌握了個人因素，一時之間也很難改變。如果你屬於這種類型，不妨謹記接下來的幾項關鍵技巧，然後加以練習、活用。

「拒絕的時候，務必要把結論放在前面，明確地表達回絕之意」，例如收到不想答應的委託時，一開始就要把話說清楚。若對方追問理由，只要簡單扼要地說明即可，接著再傳達出自己沒能應允的遺憾。

拒絕時最糟糕的情況，就是讓對方持續抱有希望。如果用一些冠冕堂皇的理由來包裝，反而讓對方心懷期待，不如明確地拒絕提案，讓對方能盡快尋找其他對策。這種方式，或許才是真正的體貼。

不僅僅是工作，在人際關係方面，假如知道某人對自己懷有好感，但自己無意讓關係進一步發展時，最好能明確表達拒絕之意。

一拖再拖、坐等對方自己摸摸鼻子放棄的心態，很可能是因為不想讓自己變成壞人，或者是打算把對方當成備胎。如果不知道該怎麼回絕，就試著把立場互換，思考一下自己會希望對方怎麼做。

假如我是他的話，會想要被「凌遲」嗎？答案應該是否定的。在工作或人際關係上碰到難以推辭的狀況時，不妨試試看「換位思考」，如此一來，或許更能理解自己的拒絕不是壞事，反倒是得以顧全雙方的舉動。

拒絕他人時，經常會擔心對方會不會覺得我很無情、彼此的關係會不會因此決裂，或者對方是否會認為我能力不足。整體而言，對方很少會產生我們預想的負面感受。

當然，有時就算我們考慮到各種情況，鄭重地予以拒絕，但對方還是會失望，甚至顯露出不友善的態度。這種時候，我們必須提醒自己，對方的行為、反應與我無關，我們無法連他人的情緒都一併扛起。

把拒絕變成選擇，嘗試轉換觀點

實在難以開口表達拒絕之意時，觀察自己內心的思維模式，才是最接近問題核心的解決方法吧？為了減輕回絕、推卻時的負擔感，建議轉換一下自己對「拒絕」的觀點。

第一，不是無法拒絕他人，而是自己難以放下心中渴望的事物。

仔細回想一下前文提到的原因，會發現不管是哪一種情況，其實裡頭都藏著自己的渴望：希望被當成好人、想要獲得認可與關愛、不想讓對方受傷，或者想為他人提供協助等。

追根究柢，之所以無法拒絕他人，是因為自己內心渴求的事物，與是否答應對方的要求息息相關。

最近，萬能博士接到非常吸引人的合作提案，雖然超過她的能力範圍，卻很難開口拒絕對方。在仔細想過一遍之後，才發現裡面藏有萬能博士的個人欲望——因為提案十分有趣，所以內心不想放棄。

於是，她領悟到了自己並非不懂得拒絕，而是根本放不下透過該合作案可能獲得的利益。假如能釐清自己足以承擔的範圍和渴望的事物，並且權衡其中的利弊，或許就能更明確地表達拒絕之意。

第二，把拒絕變成選擇，嘗試轉換觀點。

難以拒絕的時候，就是關係到個人渴望的時刻。如果能清楚分辨自己的需求，拒絕就不再只是從「應允」或「推卻」之間二選一，而是站在滿足個人渴望的角度去做判斷。

如此一來，「我」就會成為選擇的主體，責怪他人或推卸責任等情況也會跟著減少。

拒絕與控制的實驗

讓我們來看一個與「拒絕用語」和「控制感」有關的有趣實驗吧！

根據喬治亞大學凡妮莎．帕特里克（Vanessa M. Patrick）教授與同事進行的實驗，在表達拒絕時，「我不要」（I don’t）和「我不能」（I can’t）這兩句用語，會在行為上顯現出差異。

研究人員提供垃圾食物給有減重計畫的實驗參加者，並且讓其中一組在拒絕時說「我不吃」，而另一組則是回答「我不能吃」，接著在實驗過程裡反覆地練習。

實驗結束後，研究人員讓每位受試者自行挑選一樣小點心做為謝禮：其中一個籃子，裝的是高卡路里的巧克力棒，另外一個籃子，則裝有健康的穀物棒。

研究結果顯示，回答「我不吃」的組別，選擇穀物棒的比率明顯較高；而強調「我不能吃」的組別，選擇高卡路里巧克力棒的比率，幾乎比另一組高出兩倍。

換句話說，「我不要」這句話充滿了自我控制感，但「我不能」這句話，卻讓人有種受到外部因素影響的感覺。

只是選擇不同的拒絕用語，實驗結果卻令人驚訝。

反覆表示「我不要」後，感覺自我控制和權限都獲得強化，最後在不知不覺間，做出更多與個人目標一致的行為。

相反的，一再強調「我不能」，就會更切身體會到無力感，在真的被賦予選擇權時，反而失去了自制能力，最終做出與個人目標不符的舉動。

當我們表示拒絕時，如果說「抱歉，我做不到」，就會覺得是外部壓力或因素導致自己無能為力，因此，開口「拒絕」就會變得十分困難，讓人下意識想要逃避。

反之，如果說「抱歉，我沒有意願」，就會有一種操之在我的感覺，回應時也較能理直氣壯。

關鍵就在於看待「拒絕」一事的角度。當然，我們也可以說：「有點困難，我沒辦法。」但重要的是，不要認為自己是在無可奈何的情況下才拒絕對方，而是手中握有控制權，幾經考慮後才予以回絕。

如此一來，開口拒絕他人時，才會變得更加輕鬆、容易。此外，在那之後的行動與責任，也會回歸到自己身上，不至於陷入怨天尤人或自我譴責的地步。

——本文摘自《懂了以後更輕鬆的心理學：心理諮商專家精選最有感15個議題，克服拖延症、完美主義、自卑、過度擔憂的日常練習》，2022 年 11 月，大好書屋出版，未經同意請勿轉載。

歷經超過半年的延期，發售一波三折的 2020 年（末）遊戲大作電馭叛客 2077 終於姍姍來遲，讓玩家感受「科技始終來自人性」這句話發展到極致的世界是長什麼樣子。

在電馭叛客 2077 的世界觀裡，「人」已經被重新定義。透過各種高科技插件，我們可以強化甚至是替換掉人體內建的脆弱器官，讓鋼鐵與電線無止盡地擴充體能與認知的極限。

到最後，我們終於把目光放到生命的永恆上。

意識數位化並不是電馭叛客 2077 特有的概念，我們想像只要能保存、傳承人的內在，即便肉體終究腐朽，我們也能在一定程度上達到「永生」。

但是這個過程到底該怎麼進行，從現今學術的觀點來看又有多少可行性？

——前方爆雷，爆大雷，請客官高速迴避——

——前方爆雷，爆大雷，請客官高速迴避——

電馭叛客 2077 的故事圍繞一款高科技晶片「聖物」（或者更精準一點說，聖物2.0）打轉，大家期待已久的基奴李維——或者說強尼‧銀手也是因為它才有辦法出現在遊戲裡面。

簡單扼要來說，「聖物」就是意識的複製品。在某人死前將意識轉化成 AI，就可以透過插入晶片的方式在意識裡與這位被保留下來的「人」交流。聖物在遊戲裡被廣告成數位形式的永生，只不過作為升級版本的聖物 2.0 並沒有依循原本的方針，反而採用更粗暴的手段來實現目標。

同樣是乘載一個人的意識，聖物 2.0 會在插入人體之後強行用晶片上的內容覆蓋宿主大腦，藉此借屍還魂。玩家自訂的角色V就是在陰錯陽差下插入聖物 2.0，面臨自己會被晶片裏的強尼‧銀手取代人格的危機。

當然以目前人類連換個膝蓋都有風險的現況，距離聖物晶片這類產品還有一段不短的路要走。但如果有天我們的科技水準追上了電馭叛客 2077 的世界，這樣轉移記憶來延續生命的作法從心理學的觀點來看的確可行。但要更進一步討論之前，我們得先知道被移轉的「自我」究竟從何而來。

「我」存在我深深的腦海裡

如果要你現在馬上給出 5 個描述「你自己」的詞，你會想到什麼？

不過答案不是今天的重點，而是這些答案產出的「過程」。

不管你給出多有趣或多無聊的答案，這些描述肯定會伴隨著一些回憶浮現在意識表層。這些片段並不是無的放矢，是大腦為了翻找自我概念（self-concept）這個知識框架時必經的思考過程。

就算我們在物理上一直存在，「我」依然是個需要經過後天摸索才能獲取的知識。透過與外界互動的反饋，我們一邊認識這個世界，一邊確立自己的好惡與價值觀，讓自我概念漸漸豐富多元起來。為什麼發展心理學家會建議父母不要過度保護孩子，就是怕扼殺了他們接觸新事物、拓展心靈的機會。

簡單來說，自我概念就是「我經歷了 OO，而我決定用 XX 回應」的經驗法則集合體。

當然，不是任何記憶片段都能進入自我概念，會被納入的往往是自傳形式、包含強烈情感的情節記憶（episodic memory）。從本質來說，記憶就只是腦神經細胞之間交流，是資訊處理過後留下來的痕跡。但是在強烈情感加持下，就能讓特定記憶片段變得有「意義」，進而成為自我概念的一小塊拼圖，影響整幅圖案最後呈現的樣貌。

例如人很常在遭遇重大創傷事件時產生閃光燈記憶（flashbulb memory），像拍照一樣把事件發生當下的細節記得清清楚楚，這正是因為情感太強烈以至於無關的環境刺激都被刻進記憶中。不過人生也不會只看悲劇，皮克斯的《腦筋急轉彎》也告訴我們不管是喜怒哀樂愛惡欲，每次心神蕩漾都同等重要。換言之，生命中深刻的記憶就是構成「我」的關鍵。如同《銀翼殺手》的人造人瑞秋在植入記憶後就有了「人性」，更對自己的「人生」深信不疑。

遠比想像還要真實的記憶操弄

水能載舟亦能覆舟，記憶作為確立自我的基石，如果喪失或被人竄改自然也會有相應的後果。電馭叛客 2077 就有一個支線任務「浮生若夢」，講述競選市長的政客被大企業盯上，透過安插虛假記憶來改變當事人的喜好與行為模式，最終把政客捏成企業眼中理想的提線木偶。

有趣的是，「記憶修改」乍看之下是很符合 2077 科幻世界觀的技術，不過實際上卻是現實世界早就有的東西。不需要高科技的玩具或龐大企業支持，有時候你只需要找對方法，再加上充足的耐心。

記憶修改技術（Memory Modification Techniques, MMTs）自10多年前就開始引發心理學界的熱烈討論，包括技術上的可行性、臨床價值，以及最重要的倫理議題。過去許多研究都證實記憶確實有可塑性，透過特定手段也能人為修改或甚至消除特定記憶片段，這也是 MMTs 備受關注、乃至於爭議的主因──因為它還真有可能成功（是的，我知道這聽起來很諷刺）。

即便 MMTs 很可能成為治療創傷後壓力症候群（PTSD）或其他與記憶相關的精神疾病的重大突破，但是透過人工介入並修改他人記憶仍然有我們尚不理解的風險存在。就好像《全面啟動》的柯伯只是在茉兒腦海埋下一顆小小種子就能引發一連串毀滅性的悲劇，我們不能保證修改記憶只有良善的後果，更沒辦法確認被修改記憶的人還是保有原本的自我。

更可怕的是，我能察覺我不再是「自己」了嗎？

新的記憶，新的人生

在電馭叛客2077，我們能看見V因為聖物2.0作祟，在各方面漸漸跟強尼‧銀手越來越像。如果放任晶片繼續侵占大腦，最終等待V的就只有形式上的死亡──身體依然活著，名為「V」的人格卻不復存在。

有趣的是，除非玩家在遊戲中做出嚴重違反強尼行事準則的決定，我們才會看到聖物晶片偵測到錯誤、透過疼痛「懲罰」V，其他時間幾乎感受不到強尼記憶的潛移默化。

這是因為記憶本就處在意識之外，只有我們需要使用特定資訊時才會把記憶片段「提取」（retrieve）到意識表層。此外因為記憶本身就是我們判斷事物的依據，就跟你「不會記得自己忘記什麼」一樣（能被提醒的那種叫提取失敗），除非恰好接觸到跟過去有關的紀錄（例如自己的日記、照片等），否則你根本察覺不到記憶被竄改的事實。

換句話說，如果你判別得出來哪塊記憶被動了手腳，表示你「還記得」事情原貌，修改工程自然是失敗了。

因為被塞入新記憶導致人格異變，是 ACG 或電視電影常見的編排。日本漫畫鬼才藤田和日郎的《魔偶馬戲團》，便有飲用溶有人類情報的生命之水（不是芬蘭的 96% 伏特加，是把賢者之石泡水產生的溶液）來「傳送」意識或記憶到新軀體、進而延續生命的設定。刺客教條裡擷取基因記憶的機器 Animus 也有名為「出血效應」副作用，使得被喚醒的先祖記憶與使用者結合，導致各種幻覺幻聽，嚴重一點甚至會精神崩潰。

然而不管是聖物晶片、生命之水、Animus，都只是「將意識的備份轉移到新的身體裡」，意識的原檔還是消逝了。就好比電影《巔峰對決》裡休傑克曼用複製自己實現瞬移魔術，卻終究還是得面對自己在下一場表演就得死的恐懼。

依賴 Save & Load 大法只是在技術上完成「延續生命」的目標，但是這樣的轉世真是我們追求的永生嗎？

1. Kredlow, M. A., Eichenbaum, H., & Otto, M. W. (2018). Memory creation and modification: Enhancing the treatment of psychological disorders. American Psychologist, 73(3), 269.
2. Levenson, J. M., & Sweatt, J. D. (2005). Epigenetic mechanisms in memory formation. Nature Reviews Neuroscience, 6(2), 108-118.
3. Liao, S. M., & Sandberg, A. (2008). The normativity of memory modification. Neuroethics, 1(2), 85-99.
4. Liivoja, R., & Kroes, M. C. (2020). Memory Modification as Treatment for PTSD: Neuroscientific Reality and Ethical Concerns. In Ethics of Medical Innovation, Experimentation, and Enhancement in Military and Humanitarian Contexts (pp. 211-234). Springer, Cham.
5. Loftus, E. F., & Palmer, J. C. (1996). Eyewitness testimony. In Introducing psychological research (pp. 305-309). Palgrave, London.
6. Singer, J. A., & Salovey, P. (2010). Remembered self: emotion and memory in personality. Simon and Schuster.
7. Turner, J. C., & Onorato, R. S. (1999). Social identity, personality, and the self-concept: A self-categorization perspective. The psychology of the social self, 11-46.