斯佩里誕辰│ 科學史上的今天：8/20

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

一刀切開大腦的糾葛！

我挺幸運，1970 年代末期身為大學生的我，親眼目睹神經科學邁向主流，舉世聞名的裂腦手術也備受矚目：史培利（Roger Sperry）博士將數名癲癇病人左右腦之間的連結切斷。

我保守一點說好了，他的研究迷得我神魂顛倒。

史培利施以連合帶切開術（commissurotomy），將胼胝體切斷，連結兩個大腦半球之間的近三億條神經軸突纖維束於是斷開，成功防止不正常放電情形波及另一個半腦。

裂腦手術還揭開另一項優勢：葛詹尼加（Michael Gazzaniga）博士對這類病人執行心理實驗，深究胼胝體切斷後、兩半腦分別運作的模式，研究結果斐然。

我這初出茅廬的神經科學家，尤其著迷於這些實驗有如《化身博士》（Strange Case of  Dr. Jekyll and Mr. Hyde）的故事：兩個大腦半球在心理學及解剖學上的能力涇渭分明。顯然兩個半腦中間的連結切斷後，裂腦病人的行為就像是兩個獨特的人格，表現通常背道而馳。

左右腦分開後，會發生什麼事？

部分病人身上，「占據」右腦的人格表現出的意向與行為，會與「占據」左腦的人格恰恰相反。舉例來說，一名男士想用左手（右腦）打老婆，右手（左腦）則同時保護老婆。其他時候顯然也出現相同狀況：他一手使勁拉下褲子，另一手卻同時替自己拉上。

另一名病人剛好是個孩子，則是左右腦言詞不一致。問及人生目標時，他右腦說長大想當賽車手，左腦卻想當製圖師。

還有一位病人提到，她每天早上選衣服時，都要爭鬥一番，左右手好比同極相斥的磁鐵，各有既定喜好，早就描繪好自己當天該穿什麼。她去雜貨店買吃的，兩個半腦想要的食物也天差地別。她手術過後一年多，才有辦法駕馭單一意向，有意識的遏止兩個意見相左的人格在內心激烈交戰。

你讀到這些故事，務必了解，這些經過連合帶切開術的病人在解剖學上和你我的唯一差異，在於我們的兩個大腦半球之間有胼胝體連結，互相溝通。

科學家理解到，以神經解剖學而言，大部分的連合纖維本質屬於抑制性，運作時，訊息是從一個腦半球的某組細胞，跑到另一腦半球對應的那組細胞。兩個腦半球的細胞隨時為活躍狀態，但對應的腦半球細胞群卻是分別處在支配與抑制的狀態。

如此一來，一個腦半球即有能力抑制另一個腦半球對應的細胞群，支配特定細胞群的功能。例如，我們專心聽某人所說的詞彙及意義時(左腦)，比較不會專注於對方的語調變化或情緒內容（右腦）—— 但這反而是對方真正打算溝通的事情，反之亦然。譬如，有沒有人曾對你大吼，說你根本沒聽到重點，而你錯愕不已？

既然上天給你一對腦，為何只用一邊呢？

1970 年代和 1980 年代，社會上對裂腦研究的反應有點過於熱烈，著重開發「右腦」或「左腦」的社群課程如雨後春筍冒出，許多學校甚至積極投入，設計出可以刺激一個半腦或兩個半腦的課程。

左腦人及右腦人的刻板印象進入主流：左腦人表現較有條理、準時、注重細節，右腦人點子多、創新、運動發達。

可惜，在大家痴迷左右腦之際，許多家長想讓孩子贏在起跑點，策略卻是讓孩子接觸適合其天賦的課程。沒錯，這合情合理，畢竟家長希望孩子因拿手之事獲得回報。

不過，若家長希望孩子全腦、全方位均衡發展，較完善的方式應該是鼓勵孩子參與自己並不拿手的活動。例如，若孩子具左腦優勢，擅長科學及數學，可以鼓勵他們參加戶外活動，到林間探索與蒐集資料，也可以引導擅長運動及藝術的孩子發揮創意，設計超酷的科展作品，參加衡量某類表現的科學展覽會。

由於過去四十年來，家長只著重激發單個半腦的優勢，造成孩子的能力朝向兩極端發展。目前有些著作及教學技巧專門開發不慣用的腦半球，例如至今仍廣為使用的經典之作《像藝術家一樣思考》（Drawing on the Right Side of the Brain）。

另外，你不必費勁就能發現，行銷人員如何善用策略，瞄準我們對右腦或左腦的偏好。就連電腦作業系統也符合這種分野：一般認為 蘋果產品直指右腦創造力，任何微軟的可笑產品則直指左腦分析力。還記得黑莓機嗎？這機子則是用來讓我的右腦哀哀叫。

• 延伸閱讀：左右腦的理性與感性是真的嗎？兩個腦半球到底是怎麼分工進擊的？──《打破大腦偽科學》

左、右腦獨立運作？這是迷思！

依此種刻板印象推廣的科普知識五花八門，旨在開發左右半腦的潛能。除此之外，也有成山成海的實證科學，清楚描繪左右半腦在解剖學及功能上的差異。

如想知道半世紀以來，科學家在巨觀與微觀方面發現了哪些差異，英國精神科醫師麥基爾克里斯特（Iain McGilchrist）博士的《主人與使者》描寫得深入淺出，亦蒐羅最新的研究內容。

如想了解哈佛精神科醫師如何與左右腦人格合作，協助精神病人復原，不妨閱讀薛佛（Fredric Schiffer）博士的《雙腦革命》，著實教人大長見識；該書甚至敘述了兩個人格有多麼相異：其中一個人格體驗到的疼痛感，另一個人格真的會感覺不到，或是也不會表現出來。

若想知道處理心理健康問題的替代工具，史華茲（Richard Schwartz）博士的內在家族系統值得一試；該模型有助辨識一個人的部分性格，以便互相合作，找出健康的解決之道。上述書籍與工具皆發人深省，可幫助大家知曉大腦的奧祕。

本來左右腦就會持續造就任一經驗時刻的整體經驗，所以我的意思並不是左腦或右腦獨立運作。

現代科技顯示，任何時刻兩個半腦顯然皆會造就神經系統的輸入、經驗與輸出。然而如我先前所述，腦細胞的標準做法，就是支配並抑制對應部位的腦細胞，因此，除非死亡，腦部在任何情況下，都不是全開機或全關機的狀態。

人類的性格，究竟是怎麼被塑造出來的？

想了解大腦運作，自然會提出這問題：「一群腦細胞到底怎麼可能合作打造一種人格？」我可不是第一個提出這問題的人，我也不是第一個經歷腦部創傷、性格大變、創傷細胞復原然後重拾舊迴路、舊技能組合、舊人格特質的人。

不過，我大概是第一位歷經腦部創傷及復原、踏上求解之路的神經解剖學家，率先深入探查自己大腦神經與心理方面的運作模式，並獲得四大人格的獨到見解。

腦細胞是美妙的小生物，形態大小各異，其設計說明了執行特定功能的能力。例如，位在兩個半腦主要聽覺皮質區的神經元具有獨特形狀，能處理聲音資訊；其他連結不同腦部區域的神經元，形狀也適合其功能，運動系統的神經元更不例外。

值得注意的是，從神經解剖學的角度來看，每個人的腦部神經元本身以及互相連結的方式，基本上並無二致。

從結構上來看，每個人的大腦皮質最外層的隆起與溝渠根本一模一樣，而且相像到——如果你腦部特定區域受損，我腦部該區域也受損，那我倆喪失的功能也一模模一樣樣。以運動皮質為例，如果你和我某個半腦的特定細胞群都受損，我們的身體超有可能在同樣的部位癱瘓。

左腦、右腦到底有甚麼差異？

左右半腦固有功能的差異在於，神經元處理資訊時，各有獨特方式。

先說左腦，左腦神經元其實是以線性方式運作：會先接收一個想法，拿這個想法和下一個想法互相比較，接著再拿這些想法的副產物和再下一個想法互相比較。

由此可知，左腦能以次序方式思考。例如，我們知道必須先發動引擎，才能打檔。左腦可是令人嘆為觀止的序列處理器，不僅創造抽象的線性（例如1 + 1 = 2），還為我們展現出時間性，將時間以線性感，分割成過去、現在與未來。

右腦神經元則完全不是用來建立線性次序，反而有如平行處理器，可引進多條資料流，同時顯示單一的複雜經驗時刻。記憶是由兩個腦半球共同創造，右腦則替記憶的創造成果增添深度，豐厚了此時此地的面貌。

儘管許多腦細胞負責執行顯而易見的工作，例如理解語言或呈現視覺，其他神經元卻負責創造想法或情緒。

「模組」這詞就是用來說明哪組神經元和其他神經元互相連結，並以集合體的形式共同運作。我們大腦中的四大人格，即是以特定且獨特的神經元模組運作。

——本文摘自《全腦人生：讓大腦的四大人格合作無間，當個最棒的自己徒》，2022 年 ８ 月，天下文化，未經同意請勿轉載。

在你決定打開臉書，宣告你看到的是粉紅／白，或是灰／綠色之前，想讓你知道：不管你看到甚麼顏色，這都跟你是左腦人或右腦人無關。

什麼？不是都說左腦掌管理性與邏輯，右腦掌管感性與創意嗎？

事實上，左右腦理論從未被神經科學界證實，近來也有許多研究證明了左右腦的運作，根本就不存在這樣明確的分界。左右腦理論可以說是完全過時且沒有科學實證的理論。

左右腦理論的起源

左右腦理論最早可以追溯到大約 1953 年左右，與諾貝爾獎得主羅傑·斯佩里醫師（Roger W. Sperry）的研究有關。我們現在已知人類的大腦有左右大腦半球之外，中間還有相互連結的胼胝體，作為左右大腦溝通的橋樑。但在羅傑·斯佩里醫師的時代，左右大腦半球相互溝通的機制還非常神秘。

當時羅傑·斯佩里醫師相當著迷於 一種叫做「眼間信號轉移」的現象。這個現象會先請受試者將一隻眼睛遮起來，用單眼學會某個新的動作，然後再切換到另外一隻眼睛，受試者一樣能夠立刻學會這個動作。羅傑·斯佩里醫師試著將貓的胼胝體切斷後，並對調了貓的左右視神經，嘗試將貓的眼睛遮起來後，教會貓咪分辨三角形與方形。羅傑·斯佩里醫師發現隨著遮住的眼睛不同，左眼和右眼似乎可以學會完全不同的技能（例如：在一堆三角形中辨識方形，而另外一隻眼睛可以學會在一堆方形中辨識三角形，彼此互不干擾）。

另外羅傑·斯佩里醫師也在這個著名的「裂腦實驗」中，發現切斷胼胝體，也許能夠協助治療癲癇患者。癲癇患者大發作的時候，腦部錯誤的放電，會四處發散，透過胼胝體的傳導，影響另一個大腦半球。羅傑·斯佩里醫師認為，如果提前將患者的胼胝體切斷，自然能阻止電波的傳遞，將電波影響的範圍縮小，控制病情。事後羅傑·斯佩里醫師與他的團隊也做了許多接受裂腦手術的自願者，在語言、運動、感覺等各方面的試驗，徹底改變了人們對於大腦與行為的理解，也因此獲得諾貝爾獎。

雖然這些接受裂腦手術的患者，癲癇的狀況獲得控制，但隨之而來，也產生許多其他的問題。由於缺乏了胼胝體，左右腦無法相互協調。常常會出現「右手在扣釦子，左手在解扣子」的情形。病人的運動、語言等功能更受到無可復原的改變，生活品質大受影響。

而裂腦實驗的結果，也從大腦的不同區域可能有不同功能，到被誤解為「左腦處理語言，右腦處理藝術」，形成左右腦理論，甚至是各種心理測驗等，被瘋狂地在商業、心理、教育等領域過份誇張地渲染，被錯誤地推導成各種未經證實的理論。

• 以語言為例，左右大腦處理語言的區域分布極為複雜，並非完全由左大腦主管。

人類多半時間都是全腦人

近年來，由於影像科技的發展，科學家已經可以透過 fMRI或腦波等工具去探索大腦的功能。結果發現，不僅是語言功能、運動功能甚至是更複雜的創意發想能力、藝術天分等等，幾乎都是左右大腦共同相互協作的結果。無論是在神經科學、心理學或是解剖學等領域，都沒有證據支持左右優勢半腦的說法。沒有誰是完全的左腦人或右腦人，人類多半時間都是「全腦人」。

至於有些人會看到特定顏色組合，有些人甚至可以再這樣的顏色組合中切換，很多時候是眼睛接受顏色、亮度的差異，是因為每個人感知顏色的能力不同、大腦受到周邊環境影響，解釋視覺訊號的結果不同，也跟左右腦的運用沒有關係。

• 本文轉載自作者 Medium 你既不是右腦人，也不是左腦人