Loading [MathJax]/extensions/MathMenu.js

1

0
0

文字

分享

1
0
0

人類超有事?為何總是著迷於先救女友還是媽媽的問題呢?──《囚犯的兩難》

左岸文化_96
・2019/09/24 ・3008字 ・閱讀時間約 6 分鐘 ・SR值 515 ・六年級

由於我們個人的利益與其他人利益發生牴觸,或者與社會利益發生衝突,因而以各式各樣的方式形成兩難問題。我們每天都面臨著舉棋不定的選擇:有時候,做出選擇的方式與我們期望的方式很不一樣。

兩難的困境引發了一個簡單卻令人困惑的本質問題:是否在每一種情況下都存在合情合理的行動呢

如果女友跟媽媽的生命同時被威脅,怎麼辦?

有個男人和母親、妻子一起過河,突然一隻長頸鹿出現在對岸,男人立即舉槍瞄準牠,卻聽到長頸鹿說話了:「如果你開槍,你的母親就會沒命;如果你不開槍,你的妻子就會沒命。」他該怎麼辦呢?

大家不要騷動,反正先假設,只是假設,假設長頸鹿會說話嘛!圖/Giphy

這則經典的兩難故事源於達荷美的波波族。類似這種古怪而令人難以決斷的情節,在非洲民間傳說中頗為常見,其中許多被西方的作家和哲學家借用過。在這個波波族的故事中,你得要相信長頸鹿會說人話,而且牠所言不假。當然,我們也可以用比較西式和專業的術語來重述這個兩難困境:你、你的母親和配偶被幾個瘋狂科學家綁架,關在一個房間裡,被綑在椅子上動彈不得。房子裡有一架古怪的機器,而你正好可以觸及上面的一個按鈕。一挺機關槍正對著你的配偶和母親。牆上掛著一座時鐘,滴滴答答走著,在陰森森的空氣中發出令人恐怖的聲音。

其中一個科學家宣稱,如果你按動前面的按鈕,那麼機關槍將瞄準並擊斃你的母親;相反的,如果你在六十分鐘內不按鈕,那麼機關槍將會瞄準你的配偶開火。

你仔細端詳這架殘酷的機器,確信它真會執行科學家所說的殺人步驟。這時你該怎麼辦呢?

-----廣告,請繼續往下閱讀-----

類似這樣的兩難問題有時會在大學的倫理學課程中進行討論,當然永遠難有令人滿意的答案。如果你堅持認為在如此情況下只能什麼也不做(不去按那個按鈕,從而讓機關槍擊斃你的配偶),理由是什麼也沒做就不能被判為「有罪」,這顯然是很牽強的推託之詞。

你唯一可以選擇的是,確定你到底更愛你的配偶還是更愛母親,從而確定要保住誰的性命。

一個按鈕,決定了兩位摯愛的生與死。圖/Pixabay

在你心中,女朋友比自己還重要嗎?

在某些兩難困境中,有另外一個人也同時進行選擇,從而使決定更加困難。在這種情況下,結局將取決於雙方所做的選擇。在史塔克的《答案,在你心中》,有一則類似但更具有挑戰性的兩難問題:

「你和深愛的人被分別關在兩個房間中,兩人身邊各有一個按鈕,並且都知道,除非兩人中有一個在規定的六十分鐘內按下按鈕,否則兩個人都要被處死;而先按下按鈕的人雖然會立刻被處死,卻可以保住對方的性命。你想你應該怎麼辦呢?」

兩個人都要估量他們所處的困境,並獨立做出選擇。不管誰按下按鈕,都是生死攸關的決定。最棘手的在於做出犧牲的時間點。這個兩難困境強迫你在自己和心上人的性命做出抉擇。究竟誰應該活下來?

在許多情境下,有人可能選擇犧牲自己去保護另一個人,例如,父母親可能為保護孩子而慷慨赴死,因為孩子顯然有更長的路要走。

-----廣告,請繼續往下閱讀-----
某些父母對孩子的深愛,讓他們甚至願意犧牲自己,只求讓孩子有一個更好更長遠的人生。圖/Pixabay

但不管應用什麼準則(當然沒有理由相信當事雙方會應用同一個準則),這種性命攸關的抉擇都存在以下三種可能結局。

  1. 情況一最不令人困擾:雙方對誰應犧牲、誰應活下去的問題有共識。這時,該犧牲的人應該按下按鈕,犧牲自己以挽救對方。
  2. 第二種可能性是雙方都決定保護對方:母親決定保護女兒,因為女兒會活得更久一些;而女兒決定保護母親,因為母親賜給她生命。在這種情況下,結局取決於誰先按下按鈕。
  3. 最令人困擾的情形是:雙方都認為自己應該活下去。因此,沒有人願意按下按鈕,而時鐘還在滴滴答答走下去⋯⋯

當我們都比較愛自己的時候

想像一下這第三種情景:時間已經過了五十九分鐘,你沒有按下按鈕,希望你所愛的人會這麼做,但她(或他)卻沒有按(我們假定當另一方按了按鈕後,倖存者會立刻得到通知)。你曾有時間把各種可能性都仔細考慮一遍。有人也許會思考整整一個小時才能決定誰該活下來,或者去醞釀按鈕的勇氣。

但整整五十九分鐘過去了,卻沒有任何動靜,那你就應該開始想想,是否你所愛的人認為應該由你犧牲。

即使到了最後一秒鐘,發誓決不去按鈕也毫無意義。不管你怎麼自我中心,你也沒有能力拯救自己。總有人要死,這是這個兩難困境的必然結局。如果你所愛的人不願意犧牲,你最好成全她(或他)。記住,你是真的愛著對方。

在理想情況下,到了最後關頭你會願意按下按鈕。而你心愛的人可能也想這麼做。這就是你拖延直到最後關頭來臨的全部理由。你想給對方在最後關頭按下按鈕的機會,但她(或他)卻沒有這麼做,於是,僅僅在這種情況下,你才去按下按鈕。當然,你心愛的人可能也有同樣的打算。

-----廣告,請繼續往下閱讀-----

還有兩個因素使雙方都企圖拖到最後一秒才做決定的情況更加複雜,那就是反應時間和時鐘精度。

那架該死的機器是不會有一絲一毫同情心的,一到時間如果沒有人按鈕,兩人就會立刻被擊斃。因此,必須有人搶在發生這種結局之前,確實做出犧牲的決定並迅速按鈕。此外,沒有人清楚牆上的時鐘是否與機器精確同步。瘋子科學家當然說是如此,但因為他是瘋子,說的未必可信。為安全起見,為了確保你是在規定時限內按鈕,實際上你必須提前一點點。因此,在採取「等到最後一刻才決定」的策略中,最棘手的一件事就是,你不能等待到最後一刻!

滴滴答答,已經快要到抉擇的最後時刻了,你的選擇會是什麼呢?圖/Pixabay

你所愛的人也在拖延時間,而如果雙方都只在最後時刻來臨才下定決心,後果將難以預料。也許,其中一個人正好在期限到來之前的千鈞一髮片刻,比另一人搶先一步按鈕;也許,雙方都錯過了時限而同時被擊斃。事實上,結果可能是隨機的,偶然性勝過理性。

這些絕境下的難題,其實與生活經驗共鳴

在古怪的房間裡下絕望的決定,這類問題在哲學文獻中比比皆是,從而贏得了「問題箱」的名稱。

這類兩難問題為什麼如此引起人們的興趣?

部分是因為這種異乎尋常的困境使人感到新奇、刺激。但是,如果它們只是一些智力測驗的難題,與我們的個人經歷沒有共鳴,是不會引起這麼大興趣的。

-----廣告,請繼續往下閱讀-----
小孩子才做選擇?不,這是與生活經驗呼應的思想訓練!圖/Giphy

當然了,現實生活中的兩難不是由發瘋的科學家製造出來,而是由於我們個人的利益與其他人利益發生牴觸,或者與社會利益發生衝突,因而以各式各樣的方式形成兩難問題。我們每天都面臨著舉棋不定的選擇:有時候,做出選擇的方式與我們期望的方式很不一樣。兩難的困境引發了一個簡單卻令人困惑的本質問題:是否在每一種情況下都存在合情合理的行動呢?

——本文摘自《囚犯的兩難:賽局理論、數學天才馮紐曼,以及原子彈的謎題》,2019 年 6 月,左岸文化出版

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
左岸文化_96
39 篇文章 ・ 11 位粉絲
左岸的出版旨趣側重歷史(文明史、政治史、戰爭史、人物史、物質史、醫療史、科學史)、政治時事(中國因素及其周邊,以及左岸專長的獨裁者)、社會學與人類學田野(大賣場、國會、工廠、清潔隊、農漁村、部落、精神病院,哪裡都可以去)、科學普通讀物(數學和演化生物學在這裡,心理諮商和精神分析也在這裡)。

0

0
0

文字

分享

0
0
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

2
10

文字

分享

0
2
10
擁有「控制感」有助於維持心理健康?無助導致的憂鬱又是怎麼來的?——《選擇的弔詭》
一起來
・2023/12/31 ・3327字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

習得無助、控制感,以及憂鬱

提過塞利格曼等人發現的「習得無助」現象,他們進行了一系列動物基本學習歷程的實驗,訓練動物跳過柵欄以避開腳下的電擊。動物通常很快就能學會怎麼做,但有一組動物,因為先前經歷過一連串無法躲避的電擊,所以始終都學不會,牠們甚至放棄嘗試,只是待在原地乖乖接受電擊,而從不試著跳過柵欄。研究者的解釋是,當動物遭受自己無法控制的電擊,就會學到不管怎麼做都無濟於事,這樣的習得無助感會轉移到新情境,即使牠們能夠控制這個新情境,還是會放棄嘗試。

塞利格曼深入研究習得無助現象之後,驚訝地發現,這些無助的動物跟憂鬱症患者有許多共同點,尤其是兩者的消極心態,憂鬱症患者有時連「今天要穿什麼衣服」這樣的小事都力不從心。塞利格曼推論,至少有部分憂鬱症患者是因為經歷過一次強烈的失控感,於是開始相信自己對任何事都無能為力,並認為這種無助感會一直持續出現在各種情境。根據塞利格曼的假設,擁有控制感對於心理健康至關重要。

五十多年前,一項研究以三個月大的嬰兒為受試者,凸顯了控制感的重要性。研究者將嬰兒分成兩組,A 組是有控制權的嬰兒,他們躺在嬰兒床上,頭靠著枕頭,床的上方倒掛著一把半透明的傘,裡面用彈簧黏著幾隻動物玩偶,如果嬰兒轉一下頭,傘裡的燈就會亮起,嬰兒就可以看到那些玩偶在「跳舞」,但一會兒燈就熄滅了。當 A 組嬰兒碰巧轉頭,讓傘裡的燈亮起並看到玩偶,他們就會表現出好奇、開心和興奮的樣子,而且很快就學會利用轉頭來控制玩偶的出現,然後一次又一次重複這個動作,看起來一直都很開心。B 組嬰兒則沒有控制權,只有在 A 組轉頭時,他們床上的燈也跟著亮起,才可以「順便」看到玩偶, 所以 B 組看到玩偶的次數和時間都跟 A 組一樣多,但他們只有在一開始表現得跟 A 組一樣開心,然後很快就因為適應而失去興趣。

研究使用玩偶測試後發現嬰兒的快樂似乎源自於「控制感」。圖/envato

研究者從兩組嬰兒的反應差異,得到下列結論:讓嬰兒一直很開心的原因,並不是會跳舞的動物玩偶,而是控制感。A 組嬰兒之所以對著玩偶咯咯笑個不停,是因為他們似乎知道是自己讓這一切發生,「是我幹的好事,很棒吧,而且只要我想要,隨時都可以再來一次」。B 組嬰兒雖然什麼都不用做就可以看到玩偶,但是卻沒有體驗到這種令人興奮的控制感。

-----廣告,請繼續往下閱讀-----

小嬰兒幾乎無法控制任何事物,既不能任意靠近自己想要的東西,也無法離討厭的東西遠遠地。他們無法靈活控制自己的手,所以抓取或操作物品都很吃力。他們還會無預警地被被東戳戳、西捏捏,或是被抱起又放下。小嬰兒的世界就是只能被動讓事情發生在自己身上,任由別人擺佈。或許正是基於這個原因,當他們偶然發現自己可以控制那麼一點小事, 就異常在意和興奮。

另一項研究以生命的另一端——老年人為受試者,也戲劇化地證明了「控制感」對於幸福快樂的重要性。研究者告訴 A 組養老院的住民必須為自己負責、照顧好自己;B 組住民則被告知他們的一切生活起居都由工作人員打理。此外,A 組每天都要決定一些簡單的事,並照顧一盆植物;B 組則沒有任何決定權,他們的植物也由工作人員照顧。結果,A 組老人(對自己的生活有一定的控制權)比 B 組(沒有控制權)更有活力、更靈敏,主觀幸福感也更高。最引人注目的是,A 組的平均壽命比 B 組多好幾年。可見,從出生到死亡,人都需要擁有對生活的掌控權。 

從出生到死亡,人都需要擁有對生活的掌控權。 圖/envato

無助感、憂鬱和歸因風格

塞利格曼的「無助-憂鬱理論」仍然受到質疑,最大的問題是,並非每個失去掌控感的人都會陷入憂鬱。因此,塞利格曼和同事在 1978 年修正了這一理論,並指出在無助感和憂鬱之間,還存在另一個重要的心理歷程。根據修正後的新理論,人在失敗和失去掌控感之後,會問自己為什麼,像是「為什麼他要跟我分手?」「為什麼我被刷下來?」「為什麼我沒有談成那筆生意?」「為什麼我的成績這麼爛?」。換句話說,人會尋找失敗的原因。

塞利格曼等人認為,人對事情的解釋——即歸因風格(attributional style)大致有兩種,每種風格都傾向接受特定類型的原因,而這些原因不一定跟實際情形有關。根據歸因風格的特性,造成失敗的原因可以分成三個向度:全面或特定、長期或短暫、內在或外在。

-----廣告,請繼續往下閱讀-----

假設你去應徵一份行銷業務的職缺,卻沒被錄取,你在分析自己為什麼會失敗時,下面是一些可能的原因: 

全面:我的自傳和履歷都寫得不好,面試時又很緊張,看來不管找什麼工作都不會被錄取了。

特定:我對那家公司的產品類型不太了解,我得多做一些功課,面試時才能脫穎而出。

長期:我的個性不是很主動積極,也無法擔負責任,這份工作根本不適合我。

短暫:我最近感冒,好幾天沒睡好,面試時狀態不佳。

內在:原本應該可以順利得到這份工作,是我自己搞砸了。

-----廣告,請繼續往下閱讀-----

外在:他們應該早就內定好了,找人去面試只是做做樣子,大家都是去陪榜的。

如果你用特定、短暫、外在因素去解釋自己為何沒被錄取,那麼你對下次找工作的預期會是什麼?你也許會想:如果去應徵自己熟悉的領域,並且保持睡眠充足,自己也更主動機靈一點,而且面試沒有黑箱作業,一切就會很順利。換句話說,這次的失敗經驗不太會影響下次找工作的表現。

反之,假設你用全面、長期、內在角度看待自己的失敗,認為自己的履歷毫不起眼, 面試時老是緊張得說不出話,而且個性太被動,別人都比自己更適合這份工作,那麼你預期的未來就會黯淡無光,你不但沒得到這份工作,接下來要找任何工作都會很困難。

修正後的「無助-憂鬱理論」認為,如果用全面、長期、內在因素去解釋失敗,那麼由失敗或失去掌控所引發的無助感才會導致憂鬱,因為在這種情況下,人有充分理由預期自己將不斷遭遇失敗。既然註定會失敗,那麼每天起床、換好衣服,繼續應徵下一份工作又有什麼意義? 

如果用全面、長期、內在因素去解釋失敗,人有充分理由預期自己將不斷遭遇失敗,那麼由失敗或失去掌控所引發的無助感會導致憂鬱。圖/envato

對上述理論的檢驗已得到令人矚目的結果。人確實會表現出不同的歸因風格,「樂觀者」會將自己的成功解釋為全面、長期、內在因素所致,而認為失敗是由特定、短暫、外在因素造成。「悲觀者」則恰好相反。如果兩個人得到同樣的分數,樂觀者會說「我得了 A」 或「她給我成績打 C」,悲觀者卻說「她給我打 A」或「我得了 C」,因此悲觀者更可能陷入憂鬱。此外,從一個人的歸因風格也可以預測他未來遭受失敗時是否會憂鬱。如果認為失敗的原因是全面性的,就會預期自己在其他生活領域也會遭遇失敗,而如果歸因於特定因素則不會這麼想;如果認為失敗的原因是長期性的,就會預期失敗將一直發生,而如果歸因於短暫因素就不會這麼想;如果認為失敗是跟個人內在因素有關,自尊就會遭受嚴重打擊,而如果歸因於外在因素則不會如此。

-----廣告,請繼續往下閱讀-----

這並不表示,把功勞都歸於自己,把失敗都歸咎於外在環境,就是擁有成功、幸福人生的祕訣。最好的方法是面對現實、做出正確歸因,雖然這樣做可能會造成情緒負荷,但準確分析成敗原因,並找出問題所在,才可能在下一次獲得更好的結果。不過平心而論,在大多數情況下,過度自責確實會造成不良心理後果。正如接下來所要探討的,在擁有無限選擇的世界,人們更容易因為結果不如意而自責。

——本書摘自《選擇的弔詭》,2023 年 11 月,一起來出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

一起來
5 篇文章 ・ 2 位粉絲

0

1
2

文字

分享

0
1
2
更多的選擇,更大的快樂?無法選擇時又會發生什麼事?——《選擇的弔詭》
一起來
・2023/12/29 ・3325字 ・閱讀時間約 6 分鐘

選擇的要義

兩個多世紀前,哲學家和經濟學家亞當.斯密觀察到,當每個人都擁有選擇自由,社會商品的生產和分配就會達到最有效率的狀態。在不受政府干預的競爭市場中,企業家將竭盡所能地迎合消費者的需求和渴望,生產者和供應商會更彈性應變、不受限制,確切地提供消費者所期望的商品和服務。 

「選擇」不但有工具價值,還反映了更重要的表達價值。我們透過選擇來告訴世界「我是誰、我在乎什麼」,即使是比較表面的層次,例如穿衣風格,也都是有意地表達自己的品味,傳達特定訊息,像是「我是個嚴肅的人」、「我是個理性的人」、「我很有錢」,甚或「我愛怎麼穿就怎麼穿,才不管別人的眼光」。要表達自我,就要有足夠多的選擇。

生活各方面的選擇都是如此,我們吃的食物、開的車、住的房子、聽的音樂、讀的書、喜歡的興趣、捐助的慈善機構、參加的示威活動……每一個選擇不論它們重要與否,都具有表達功能。而且有些選擇可能只有表達功能,以投票為例,許多選民都明白,一張選票從來就不具有實質意義,不太可能影響結果(除了 2000 年的美國大選),所以其實不值得大老遠跑去投票。但他們還是會去,為什麼?也許至少有部分是因為,投票可以表達自己的立場。這些選民認真看待自己的公民身分,盡責地履行自己的義務,而不認為政治自由是天上掉下來的、可以輕忽。

投票可以表達自己的立場。圖/envato

有個例子可以清楚看出投票的表達功能:兩位美國政治學家在選舉當天還在歐洲,他們明知彼此支持不同的候選人,所以兩張選票會互相抵銷,卻還是一起開了三小時的車去投遞郵寄選票。我們所做的每一個選擇,都證明了我們的自主性和自決意識。自柏拉圖以來,幾乎所有探討社會、道德、政治議題的西方哲學家或思想家,都高度重視這樣的自主性。每當選擇增加,就表示我們又有機會宣告自主權,展現自己的個性。

-----廣告,請繼續往下閱讀-----

不過,只有當我們能夠自由選擇,選擇才具有表達功能。舉例來說,想想婚姻誓詞,「不論順境或逆境,富貴或貧困……我將永遠愛你、珍惜你,直到死亡將我們分開」,但如果你沒有權力解除婚姻關係,那麼這段誓言反映的並非你的個人意願,而是社會約束和規範。就算離婚合法,但是卻受到社會和宗教強力譴責,導致離婚者受人唾棄,那麼你的婚姻誓詞主要也是反映社會而不是你這個人。只有當你所在的社會對離婚抱持開放、包容態度, 你對婚姻的承諾才是真正反映你個人的價值觀和品格。

自主權的價值已深植在我們的法律和道德體系中,它賦予我們權利,讓我們對自己和他人的行為負起道德(和法律)責任,它是我們得以讚揚個人成就和指責個人缺失的前提。如果不再尊重個人的自主性和自由意志,我們整個社會都將面臨價值觀和制度的混亂,變得面目全非。

學習無助

我們不僅在政治、道德和社會層面仰賴自主權的概念,現在還知道心理健康也深受自主權影響。1960 年代,心理學家塞利格曼(Martin Seligman)帶領的一項實驗,讓三組經歷過不同情境的動物學習跳躍柵欄,以避開輕微電擊。A 組動物先前沒有類似經驗,B 組動物已經在其他情境學會如何躲避電擊,C 組動物先前也經歷過類似情境,但無論做出任何反應都無法逃開電擊。結果正如塞利格曼等人所預期,B 組學得比 A 組更快,牠們把其他情境的學習效應轉移到目前的實驗情境。值得關注的是,C 組完全學不會,甚至根本就放棄嘗試,只是默默地接受電擊,直到研究人員不忍心而結束實驗。 

塞利格曼等人認為,C 組動物已經從「無法逃避電擊」的經驗中學到:不管怎麼做都無法改變現況,無力掌控自己的命運。牠們跟 B 組一樣,將先前的學習經驗應用在跳柵欄的實驗情境,只不過牠們學到的是無助,即「習得無助」(learned helplessness)。 

-----廣告,請繼續往下閱讀-----
習得無助會讓人失去嘗試動機,無法判斷自己是否能夠掌控新情境,此外還會降低免疫功能,導致生病機率增加,在特定情況下甚至會罹患嚴重憂鬱症。圖/envato

塞利格曼提出的「習得無助」在各個心理學領域激起漣漪,數百項研究皆證實了,我們會從經驗中學到自己無法控制局面。而一旦學到這點,後果將不堪設想。習得無助會讓人失去嘗試動機,無法判斷自己是否能夠掌控新情境,此外還會降低免疫功能,導致生病機率增加,在特定情況下甚至會罹患嚴重憂鬱症。因此可以說,有能力掌控所處環境,並且意識到自己擁有這樣的能力,是維持基本身心健康的大前提。

現在來想想「無助感」和「選擇」的關係。在某個情境下有所選擇,就表示能夠掌控整個局面,那麼就不會感到無助。只有在毫無選擇的情況下,才會產生無助感。因此,「選擇」除了能帶來工具效益(得到自己想要的東西)和表達效益(展現自我),還有重大的心理效益(讓人能夠積極、有效地投入生活)。

選擇是越多越好嗎?

乍看之下,這似乎意味著選擇的機會越多越好,而既然美國社會已經做到這點,想必美國人應該很少產生無助感。然而,民意調查專家哈里斯(Louis Harris)在 1966 年和 1986 年各做了一項調查,詢問受訪者是否同意一系列陳述,像是「我覺得自己跟世界格格不入」或「我的想法已經不再重要」。在 1966 年,只有 9% 受訪者覺得自己跟世界格格不入,36% 的人認為自己的想法不重要,而到了 1986 年,這兩項數據分別增加到 37% 和 60%。 

看來選擇變多並沒有讓人感覺更好,這樣的矛盾現象有兩種可能解釋。第一:由於人在選擇和控制方面的體驗更加廣泛且深入,對選擇和控制的期待也會跟著提高。隨著自主權的枷鎖一個個被打破,剩下的障礙卻更加令人不安,就像賽道上的賽狗跑得再快,也追不上前面的機械兔,人不論實際上擁有多大的自主權,永遠也滿足不了對控制的渴望和期待。

-----廣告,請繼續往下閱讀-----

第二:更多選擇不代表擁有更多掌控權。選擇無止盡地變多,非但沒有給予人更多的掌控感,反而讓人無所適從。如果我們認為自己無法做出明智的選擇,那就算選擇再多也不是好事。如第2章提過的調查,詢問人們萬一罹癌,是否希望自主決定療法:大部分的人都回答「是」,但是真正得了癌症的患者卻回答「否」。真實情況時常不如我們所想像的有吸引力,而在攸關生死的事上,做選擇造成了沉重的壓力。

因此,選擇的確帶來不少好處,但科學家和一般民眾都錯誤地認為,既然擁有「一些」選擇是好事,想必選擇越多就越好。然而「選擇過多」效應告訴我們,更多選擇並沒有讓生活變得更幸福快樂。

更多選擇並沒有讓生活變得更幸福快樂。圖/giphy

是否存在一個剛剛好的選擇數量,使我們能夠在不付出代價的情況下獲得好處?出乎意料的是,這方面的研究並不多。曾有研究者做了一項實驗,在桌上擺了各種款式的筆,每支售價皆為一美元,兜售對象為學生。在研究者的操弄下,桌上有時只有幾種選擇,有時多達 20 種。最後發現,當人們面對 8 至 10 種選擇時,購買頻率最高。因為選擇太少就挑不到喜歡的筆,而選擇太多又會不知所措而無法抉擇。那麼,我們是否能據此結果推估,在任何需要做決定的事情上,選項的理想數量落在 10 左右?絕非如此。這視領域而定,有的選擇越多越好,而有的則不要太多。也有在同一個領域,有些人希望選擇多一點,也有些人希望選擇少一點。而且證據表明,當人們確切知道自己要的是什麼,選擇再多也不成問題,因為如果有大量選擇,就更容易找到自己想要的東西,但是如果選擇有限,通常就比較難滿足自己的需求。

要享有選擇的好處,又不被選擇淹沒,就必須學會取捨,把精力集中在真正重要的決定上,就算可能因此而錯過其他機會。決定何時該做選擇,何時該放棄選擇的機會,或許正是我們需要做的最重要的選擇。

-----廣告,請繼續往下閱讀-----

——本書摘自《選擇的弔詭》,2023 年 11 月,一起來出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

一起來
5 篇文章 ・ 2 位粉絲