不再當個討人厭的長輩！掌握自我揭露的技巧，讓你成為年夜飯的話題高手

本文由 鼎新數智 與 泛科學 共同規劃與製作

你有沒有想過，當 AI 根據病歷與 X 光片就能幫你診斷病症，或者決定是否批准貸款，甚至從無人機發射飛彈時，它的每一步「決策」是怎麼來的？如果我們不能知道 AI 的每一個想法步驟，對於那些 AI 輔助的診斷和判斷，要我們如何放心呢？

馬斯克與 OpenAI 的奧特曼鬧翻後，創立了新 AI 公司 xAI，並推出名為 Grok 的產品。他宣稱目標是以開源和可解釋性 AI 挑戰其他模型，而 xAI 另一個意思是 Explainable AI 也就是「可解釋性 AI」。

如今，AI 已滲透生活各處，而我們對待它的方式卻像求神問卜，缺乏科學精神。如何讓 AI 具備可解釋性，成為當前關鍵問題？

黑盒子模型背後的隱藏秘密

無法解釋的 AI 究竟會帶來多少問題？試想，現在許多銀行和貸款機構已經使用 AI 評估借貸申請者的信用風險，但這些模型往往如同黑箱操作。有人貸款被拒，卻完全不知原因，感覺就像被分手卻不告訴理由。更嚴重的是，AI 可能擅自根據你的住所位置或社會經濟背景給出負面評價，這些與信用風險真的相關嗎？這種不透明性只會讓弱勢群體更難融入金融體系，加劇貧富差距。這種不透明性，會讓原本就已經很難融入金融體系的弱勢群體，更加難以取得貸款，讓貧富差距越來越大，雪上加霜。

AI 不僅影響貸款，還可能影響司法公正性。美國部分法院自 2016 年起使用「替代性制裁犯罪矯正管理剖析軟體」 COMPAS 這款 AI 工具來協助量刑，試圖預測嫌犯再犯風險。然而，這些工具被發現對有色人種特別不友好，往往給出偏高的再犯風險評估，導致更重的刑罰和更嚴苛的保釋條件。更令人擔憂的是，這些決策缺乏透明度，AI 做出的決策根本沒法解釋，這讓嫌犯和律師無法查明問題根源，結果司法公正性就這麼被悄悄削弱了。

此外，AI 在醫療、社交媒體、自駕車等領域的應用，也充滿類似挑戰。例如，AI 協助診斷疾病，但若原因報告無法被解釋，醫生和患者又怎能放心？同樣地，社群媒體或是 YouTube 已經大量使用 AI 自動審查，以及智慧家居或工廠中的黑盒子問題，都像是一場越來越複雜的魔術秀——我們只看到結果，卻無法理解過程。這樣的情況下，對 AI 的信任感就成為了一個巨大的挑戰。

為什麼人類設計的 AI 工具，自己卻無法理解？

原因有二。首先，深度學習模型結構複雜，擁有數百萬參數，人類要追蹤每個輸入特徵如何影響最終決策結果，難度極高。例如，ChatGPT 中的 Transformer 模型，利用注意力機制（Attention Mechanism）根據不同詞之間的重要性進行特徵加權計算，因為機制本身涉及大量的矩陣運算和加權計算，這些數學操作使得整個模型更加抽象、不好理解。

其次，深度學習模型會會從資料中學習某些「特徵」，你可以當作 AI 是用畫重點的方式在學習，人類劃重點目的是幫助我們加速理解。AI 的特徵雖然也能幫助 AI 學習，但這些特徵往往對人類來說過於抽象。例如在影像辨識中，人類習慣用眼睛、嘴巴的相對位置，或是手指數量等特徵來解讀一張圖。深度學習模型卻可能會學習到一些抽象的形狀或紋理特徵，而這些特徵難以用人類語言描述。

深度學習模型通常採用分佈式表示（Distributed Representation）來編碼特徵，意思是將一個特徵表示為一個高維向量，每個維度代表特徵的不同方面。假設你有一個特徵是「顏色」，在傳統的方式下，你可能用一個簡單的詞來表示這個特徵，例如「紅色」或「藍色」。但是在深度學習中，這個「顏色」特徵可能被表示為一個包含許多數字的高維向量，向量中的每個數字表示顏色的不同屬性，比如亮度、色調等多個數值。對 AI 而言，這是理解世界的方式，但對人類來說，卻如同墨跡測驗般難以解讀。

試想，AI 協助診斷疾病時，若理由是基於醫生都無法理解的邏輯，患者即使獲得正確診斷，也會感到不安。畢竟，人們更相信能被理解的東西。

打開黑盒子：可解釋 AI 如何運作？我們要如何教育 AI？

首先，可以利用熱圖（heatmap）或注意力圖這類可視化技術，讓 AI 的「思維」有跡可循。這就像行銷中分析消費者的視線停留在哪裡，來推測他們的興趣一樣。在卷積神經網絡和 Diffusion Models 中 ，當 AI 判斷這張照片裡是「貓」還是「狗」時，我需要它向我們展示在哪些地方「盯得最緊」，像是耳朵的形狀還是毛色的分布。

其次是局部解釋，LIME 和 SHAP 是兩個用來發展可解釋 AI 的局部解釋技術。

SHAP 的概念來自博弈，它將每個特徵看作「玩家」，而模型的預測結果則像「收益」。SHAP 會計算每個玩家對「收益」的貢獻，讓我們可以了解各個特徵如何影響最終結果。並且，SHAP 不僅能透過「局部解釋」了解單一個結果是怎麼來的，還能透過「全局解釋」理解模型整體的運作中，哪些特徵最重要。

以實際的情景來說，SHAP 可以讓 AI 診斷出你有某種疾病風險時，指出年齡、體重等各個特徵的影響。

LIME 的運作方式則有些不同，會針對單一個案建立一個簡單的模型，來近似原始複雜模型的行為，目的是為了快速了解「局部」範圍內的操作。比如當 AI 拒絕你的貸款申請時，LIME 可以解釋是「收入不穩定」還是「信用紀錄有問題」導致拒絕。這種解釋在 Transformer 和 NLP 應用中廣泛使用，一大優勢是靈活且計算速度快，適合臨時分析不同情境下的 AI 判斷。比方說在醫療場景，LIME 可以幫助醫生理解 AI 為何推薦某種治療方案，並說明幾個主要原因，這樣醫生不僅能更快做出決策，也能增加患者的信任感。

第三是反事實解釋：如果改變一點點，會怎麼樣？

如果 AI 告訴你：「這家銀行不會貸款給你」，這時你可能會想知道：是收入不夠，還是年齡因素？這時你就可以問 AI：「如果我年輕五歲，或者多一份工作，結果會怎樣？」反事實解釋會模擬這些變化對結果的影響，讓我們可以了解模型究竟是如何「權衡利弊」。

最後則是模型內部特徵的重要性排序。這種方法能顯示哪些輸入特徵對最終結果影響最大，就像揭示一道菜中，哪些調味料是味道的關鍵。例如在金融風險預測中，模型可能指出「收入」影響了 40%，「消費習慣」占了 30%，「年齡」占了 20%。不過如果要應用在像是 Transformer 模型等複雜結構時，還需要搭配前面提到的 SHAP 或 LIME 以及可視化技術，才能達到更完整的解釋效果。

講到這裡，你可能會問：我們距離能完全信任 AI 還有多遠？又或者，我們真的應該完全相信它嗎？

我們終究是想解決人與 AI 的信任問題

當未來你和 AI 同事深度共事，你自然希望它的決策與行動能讓你認可，幫你省心省力。因此，AI 既要「可解釋」，也要「能代理」。

舉例來說，當一家公司要做一個看似「簡單」的決策時，背後的過程其實可能極為複雜。例如，快時尚品牌決定是否推出新一季服裝，不僅需要考慮過去的銷售數據，還得追蹤熱門設計趨勢、天氣預測，甚至觀察社群媒體上的流行話題。像是暖冬來臨，厚外套可能賣不動；或消費者是否因某位明星愛上一種顏色，這些細節都可能影響決策。

這些數據來自不同部門和來源，龐大的資料量與錯綜關聯使企業判斷變得困難。於是，企業常希望有個像經營大師的 AI 代理人，能吸收數據、快速分析，並在做決定時不僅給出答案，還能告訴你「為什麼要這麼做」。

傳統 AI 像個黑盒子，而可解釋 AI （XAI）則清楚解釋其判斷依據。例如，為什麼不建議推出厚外套？可能理由是：「根據天氣預測，今年暖冬概率 80%，過去三年數據顯示暖冬時厚外套銷量下降 20%。」這種透明解釋讓企業更信任 AI 的決策。

但會解釋還不夠，AI 還需能真正執行。這時，就需要另一位「 AI 代理人」上場。想像這位 AI 代理人是一位「智慧產品經理」，大腦裝滿公司規則、條件與行動邏輯。當客戶要求變更產品設計時，這位產品經理不會手忙腳亂，而是按以下步驟行動：

1. 檢查倉庫物料：庫存夠不夠？有沒有替代料可用？
2. 評估交期影響：如果需要新物料，供應商多快能送到？
3. 計算成本變化：用新料會不會超出成本預算？
4. 做出最優判斷，並自動生成變更單、工單和採購單，通知各部門配合執行。

這位 AI 代理人不僅能自動處理每個環節，還會記錄每次決策結果，學習如何變得更高效。隨時間推移，這位「智慧產品經理」的判斷將更聰明、決策速度更快，幾乎不需人工干預。更重要的是，這些判斷是基於「以終為始」的原則，為企業成長目標（如 Q4 業績增長 10%）進行連續且動態地自我回饋，而非傳統系統僅月度檢核。

這兩位 AI 代理人的合作，讓企業決策流程不僅透明，還能自動執行。這正是數智驅動的核心，不僅依靠數據驅動決策，還要能解釋每一個選擇，並自動行動。這個過程可簡化為 SUPA，即「感知（Sensing）→ 理解（Understanding）→ 規劃（Planning）→ 行動（Acting）」的閉環流程，隨著數據的變化不斷進化。

以偉勝乾燥工業為例，他們面臨高度客製化與訂單頻繁變更的挑戰。導入鼎新 METIS 平台後，偉勝成功將數智驅動融入業務與產品開發，專案準時率因此提升至 80%。他們更將烤箱技術與搬運機器人結合，開發出新形態智慧化設備，成功打入半導體產業，帶動業績大幅成長，創造下一個企業的增長曲線。

值得一提的是，數智驅動不僅帶動業務增長，還讓員工擺脫繁瑣工作，讓工作更輕鬆高效。

數智驅動的成功不僅依賴技術，還要與企業的商業策略緊密結合。為了讓數智驅動真正發揮作用，企業首先要確保它服務於具體的業務需求，而不是為了技術而技術。

這種轉型需要有策略、文化和具體應用場景的支撐，才能讓數智驅動真正成為企業持續增長的動力。

還在猶豫數智驅動的威力？免費上手企業 AI 助理！ 企業 AI 體驗 現在使用專屬邀請碼《 KP05 》註冊就享知：https://lihi.cc/EDUk4 訂閱泛科學獨家知識頻道，深入科技趨勢與議題內容。 立即免費加入

本文由 環境部 委託，泛科學企劃執行。 

政策環評是什麼，跟一般環評差在哪？

隨著公共建設的規模越來越大，傳統的環境影響評估（EIA），難以應對當今層層疊疊的環境議題。當我們評估一項重大政策時，只看「單一開發案」已經不夠，就像評估一棵樹，卻忽略了整片森林。因此，政策環境影響評估（SEA）應運而生，它看樹，也看森林，從政策的角度進行更全面的考量與評估。

與只專注於「單一開發案」的個案環評不同，政策環評更像是一場全面性的檢視，強調兩個核心重點：「整合評估」與「儘早評估」。簡單來說，這不再是逐案評估的模式，而是要求政府在制定政策時，就先全面分析可能帶來的影響，從單一行為的侷限中跳脫，轉而聚焦在整體影響的視角。無論是環境的整體變化，還是多項行為累計起來的長期影響，政策環評的目的就是讓這些潛在問題能儘早浮現、儘早解決。

除此之外，政策環評還像是一個大型的協商平台，以永續發展為最高指導原則，公開整合來自不同利益團體、民眾與各機關的意見。這裡，決策單位不再只是單純的「評分者」，而是轉為「協調者」或「仲裁者」，協調各方的意見看法在這裡得到整合，讓過程更具包容性。

政策環評並沒有所謂的「否決權」，而是側重意見的蒐集與整合，讓行政機關在政策推動時，能更全面地掌握各方意見。政策環評旨在建立系統化、彈性的決策評估程序（包含量化、特徵化等評估方式），也廣納社會面或民眾滿意度等影響因子，把正式與非正式的作法一併考量進去。再來，決策程序中能層層檢討、隨時修正，也建立了追蹤機制和成效評估標準（如環境殘餘效應、累積效應等），透過學習來強化決策品質與嚴謹度。就像一場球賽，隨時根據變化、調整策略。

這樣的制度設計，就非常適合離岸風電這類規模大、跨區域、影響層面廣泛的能源政策評估，讓我們可以在政策推動初期就想到整個工程對環境、產業發展與社會的諸多影響，也為後續政策執行奠定更穩固的基礎。

離岸風電為何需要的是政策環評？

離岸風電是能源轉型的重要策略之一，但這不是只在某塊空地上架幾個風車，而是要在廣闊的大海中進行大規模建設，牽涉的不僅是發電，還涉及海洋保育、航空交通、水下文化資產等議題，更與當地漁民的權益息息相關。

這樣的大型離岸風電工程，因海洋環境的風險和不確定性極高，很容易讓人擔心生態影響。如何在海洋生態保護和綠能發展之間找到平衡點？這就需要政策環評的把關，從多方檢視這些複雜的挑戰，確保政策推行既能穩妥，又能達成發電目標。

2016 年 3 月，經濟部自願提出「離岸風電區塊開發政策評估說明書」，是臺灣首次針對再生能源政策所進行的政策環評。根據這份評估說明書，政府將採分期公告、逐年檢討的方式，每三年開放 0.5~1 百萬瓩（GW）的電量額度鼓勵業者投入開發。當時環保署（現為環境部）歷經九個月召開 2 次意見徵詢會議，蒐集環評委員、專家學者、相關機關、民眾等意見，最終於同年 12 月的環評委員會作出徵詢意見。這些協商和檢討的過程，讓政策「名正言順」，得以充分顧及各方利益與生態平衡。

共通性環境議題與因應對策

在「離岸風電區塊開發政策評估說明書」中，環評會議盤點了開發過程中共通的環境議題。

首先，對於海洋生態保育的重點，特別是對中華白海豚的保護。環評會要求風機基座必須距離白海豚棲地1公里以上，以減少對其生態的干擾。實際上，這項規範在後續的實務執行中更為嚴格，例如，福海二期示範風場已退縮到 2.5 公里外，臺電二期風場甚至退到 4.2 公里外，顯示政策環評確實發揮了實質作用。此外，針對施工期間的聲音干擾，要求施工需有 30 分鐘以上的打樁緩啟動時間，並限制聲量不得超過 180 分貝等。

針對鳥類保育，政策環評也訂立了具體規範。其中，包括風機之間必須留設 500 公尺以上的鳥類穿行廊道，並在施工期間避開每年 11 月至隔年 3 月的候鳥過境期。同時，為確保這些措施確實生效，工程方也被要求設置「鳥類活動監測系統」，持續追蹤、評估風場對鳥類的影響。

此外，環評會也確立了「先遠後近」的開發原則，要求優先開發較單純的航道外側區塊，待累積足夠經驗及相關資料後，再進行近岸區域的開發。這項原則考量了近海生態系的複雜性，也顧到養殖漁業的漁民權益，展現出政策環評在平衡發展需求與環境保護上的價值。

新一代的審查機制：達成能源轉型及環境保護雙贏

為提升環評效率並確保審查品質，環境部參考過去離岸風電審查經驗，制定「風力發電離岸系統開發行為環境影響評估初審作業要點」，建立了全新的二階段審查機制。

這套新機制分為兩個階段。第一階段，就像「初步檢查」，由環境部依照檢核表進行初審，並由環評審查委員會執行秘書邀集 2-5 位環評委員進行初審，通過第一階段初審之業者，可取得經濟部遴選資格，其初審結果有效期為兩年，必要時可申請展延一年。接著進入「第二階段」，開發單位檢附目的事業主管機關核配的容量證明文件等資料，提供更詳細的環境影響說明書以進行實質審查。

檢核表明確規範了 15 大項審查事項、112 項檢核項目，涵蓋開發案的全生命週期。

在工程面，包含風機及海上變電站基礎設置、海域電纜路線規劃、陸域設施工程等硬體設施的規範。其中，風機基礎設置必須避開海岸保護區、河口、潮間帶等環境敏感區域，且須進行地震危害度分析。海域電纜部分，除特殊情形外，埋設深度至少須達 1.5 公尺，且不得跨越中華電信海底電纜 1 公里的範圍。

環境保護上，檢核表則對施工噪音管制訂立了明確標準。舉例來說，打樁期間警戒區 750 公尺範圍內的水下噪音不得超過 160 分貝，且必須全程採用最佳噪音防制工法。同時，每個開發案或聯席審查的風場，同一時間內只能進行一支基樁施作，而日落前一小時到日出前也不得啟動新的打樁作業。

環境監測計畫更是檢核表中的重點，分為「施工前、施工期間、營運期間」三階段，每個階段都規定了詳細的監測要求（包括海域底質監測、水下噪音監測、鯨豚目視監測等）。以鯨豚監測為例，每年需執行20趟次，四季中每季至少執行 2 趟次。此外，所有監測數據都必須上傳至環境部「環保專案成果倉儲系統」（https://epaw.moenv.gov.tw/）供各界查閱。

這套標準化的審查機制不僅解決了「同一風場可能有多家廠商重複調查或審查」的資源浪費，也透過明確的檢核項目，讓開發單位在規劃階段就能掌握更具體的環境保護要求。不僅如此，該機制亦確保了環境保護標準前後一致，避免不同案件之間標準不一。

結語

透過新的審查機制，環境部正積極推動再生能源開發案的環評審查作業，在提升行政效率之餘，也確保環境影響評估的品質，支持臺灣的離岸風電開發及國家能源轉型政策，也做好把關。藉由標準化檢核表和二階段審查制度，期待能在推動能源轉型的同時落實環境保護。

為確保制度能持續精進，環境部每半年至一年會進行制度檢討，並持續公開所有環評書件於「環評書件查詢系統」（https://eiadoc.moenv.gov.tw/eiaweb/）。此外，環評會議召開前一週，也必須在指定網站公布開會訊息，讓民眾能申請列席旁聽或發表意見。透明化措施一方面展現了政府推動永續發展的決心，另一方面也確保全民能共同參與監督離岸風電的發展過程。未來，這套制度將在各界的檢視與建議中持續完善，為臺灣的永續發展貢獻心力，發揮環評作業的最大效益。

難得有空抽手出來寫長文，再加上最近《我推的孩子》正紅，來聊聊最近這段時間一直很想講的擬社會互動（parasocial interaction）好了。（不過雖然講了這麼多，還是不足以涵蓋擬社會互動的所有面向跟相關議題，如果對此議題感興趣歡迎去找其他論文來看，或是在下面提問，我會盡可能回應）（倒地

擬社會互動是什麼？

擬社會互動，是指某人透過某種媒介，在對方不知情的前提下建立的單向人際關係。

正常的人際關係，歸功於人際互動中的各種你來我往，讓參與者可以在有覺察（或未覺察）的情況下逐漸修正自己的行為，最終找到適合的平衡點。然而擬社會互動的本質是虛構的「擬態」、欠缺實際互動打底，其內涵完全取決於建立者的想像，很容易發生極端的偏差甚至是扭曲。

現在在討論擬社會互動時，最常舉的例子是網路紅人，包括 YouTuber、VTuber，以及其他在社群媒體上活躍的公眾人物。確實，網路世界的可觸及性大幅度擴張了擬社會互動發生的規模，個人資訊在無意間被洩漏、濫用的風險也在過去十年呈現指數級的飆升。

精心設計的「人物設定」

當受眾不再受制於實體線路與媒介，「紅人」們要面對的粉絲組成自然更複雜，導致雙方對這段關係的認知落差越來越嚴重。特別是當網紅的工作便是討好受眾時，單方面的不對等訊息，能潛移默化粉絲認知中的人際界線，讓他們覺得自己在某種程度上與這位網紅建立起情感連結——即便對那位網紅來說，他很可能只是在扮演「角色（persona）」，對一顆鏡頭、一行網路 ID 說話。

這也是擬社會互動的癥結點之一。當事人並沒有意識到自己投射情感的對象，很可能只是組精心捏塑、下班後就會跟灰姑娘禮服一樣消失不見的「人物設定」。

「畢竟是死忠的」 資訊不對等下的盲目心理

想當然，會有部分網紅（或其經紀公司）瞄準這個心理現象，利用擬社會互動，吸引死忠且願意付出實質資源的追隨者。例如幫後援會取親暱的綽號、透過（類）會員制的小圈圈分享私生活等。這些看似沒有特定指涉對象的粉絲回饋（當然還有更親近的互動，但那已非擬社會的範疇），其實都會助長擬社會互動，在粉絲心中種下虛妄的關係種子。

除了網紅產業，政治領袖也是受益於擬社會互動的群體（之一）。尤其是主打親民、大家長形象的政治人物，刻意塑造擬社會互動有助於昇華支持者的動機，從單純的理念或利益相符上升到更加私人的情感連結。一但支持者對政治人物產生家人般的親暱感，他們對於瑕疵的包容度也會提高，甚至陷入盲目的認知失調。

即便對方是真誠展現自我，不是在刻意討好受眾，不對等的問題依然存在。

如同演唱會時歌手對著舞台某處揮手，至少會有數十甚至數百人產生「我跟他對到眼了！他在跟我揮手」的錯覺。但歌手眼中，很可能只看見一片密密麻麻的黑點，連你頭髮的顏色都分辨不出來。

在聚光燈的照射下，每位觀眾都只是歌手眼中的「之一」，但歌手卻是每位觀眾眼中的「唯一」。

擬社會互動引發的社會問題

從這個比喻出發，不難看出擬社會互動確實有助於強化粉絲黏著度。但長遠來看，這個心理現象並不全然是優點，反而有不少潛在風險需要注意。

像《我推的孩子》裡面的危險瘋狂粉絲並不是想像出來的產物，而是當前人類社會真實存在的問題。因為當事人無法覺察到擬社會互動的存在，很難及時做出正確的應對，往往都得等到對方開始越界、侵犯到自己的私領域，才驚覺事態嚴重，卻已來不及阻止。

擬社會互動與明星們的自我揭露

拆解擬社會互動，這份單向的人際關係認知，有很大一部分是建立在不對等的自我揭露（self-disclosure）上。

這並不奇怪，自我揭露本就是人際關係的基礎，是互信關係的體現。我們願意對自己信任的人敞開心胸，同樣也會在被人傾訴時感受到自己「被需要」、「被信賴」的溫暖，進而建立起正向的迴圈，加深彼此的情感連結。

正是「距離」產生信任

但這理所當然的心理現象，有個尷尬的例外。出於奇妙的心理機制，比起半生不熟的點頭之交，人類更容易對僅是萍水相逢的人放下戒備。

大家可能都看過社群媒體或網路論壇莫名其妙變成告解室或團體治療空間，又或者你曾經對計程車司機或首次見面的酒保傾訴積壓在心裡、不敢讓身邊人發現的苦水。這既是一種健康的宣洩，也可能成為建立新關係的基石。

但這與其說是信任眼前的陌生人，倒不如說我們信任的是這份陌生感，以及它代表的「距離」。

因為相信彼此只會有這一次的相遇機會，分別之後繼續兩不相干，所以反而能把對方當成秘密樹洞，什麼東西都往裡面倒。這份「陌生」帶來的安全感是如此真實，讓它成為心理師能締結治療關係、引導個案打開心防的重要工具之一。

自我揭露 讓人誤解的熟悉感

但問題在於，對沒有對等認知的接收端（受眾）來說，這些自我揭露帶來的熟悉感很容易混淆他們的判斷。明明沒有真的見過面，卻知道對方的好惡、星座血型、休閒嗜好、時尚品味，甚至連深入許多的童年創傷跟過往戀情都能如數家珍，這些照理說只有熟識朋友才會了解的個人訊息，都是擬社會互動的基礎。

有趣的是，在相關心理學研究中，發現具有焦慮與矛盾型依附的人，特別容易對物理上未曾接觸過的人產生擬社會互動的依賴。

或許是擬社會互動欠缺實體交流、單向的本質，讓這些依附型有了可以放心透放不安全感的對象——畢竟，想像總是最美。就像蒙娜麗莎的微笑，明明他只是盯著前方的某塊虛空，卻讓每個觀畫者都覺得自己與之有了眼神交流，甚至迷戀起這份完美。

事情從此開始，會變得有些麻煩。

擬社會互動與情愛妄想

程度嚴重的擬社會互動，有可能發展成臨床診斷上的情愛妄想（erotomanic delusions），開始相信自己與擬社會互動的對象發展出不存在的親密關係。

不容易被人覺察的「妄想」

值得注意的是，在精神疾病的臨床診斷上幻想（fantasy）、幻覺（hallucination）與妄想（delusion）是不同的症狀。前兩者涉及經驗事實上不存在的刺激或想像，後者則是過度解讀或扭曲既存的瑣碎，最終得出與客觀現實有所出入的結論。

妄想必須有所依據（例如把超商店員的營業用笑容當成調情，又或者覺得鴿子都是政府派出來監視你的生化兵器），這也代表妄想者的「失現實感」，往往只會體現在與妄想對象有關的事物上，比明顯與現實脫節的幻覺或幻想症狀更難在第一時間被他人覺察，遑論獲得需要的幫助（甚至是外力介入）。

妄想引發的過激行為

畢竟在認為對方有精神疾病之前，一般大眾更傾向把妄想內容視為刻意為之的謊話，又或者是虛榮心作祟的自欺欺人。這些針對妄想的否定，可能刺激妄想者去證明妄想為真，進而做出對他人有危害的過激行為。

不只是情愛妄想，諸如被害妄想、嫉妒妄想，或是身體臆形妄想，都有惡化出自傷傷人的案例。

需要理解的是，妄想者不一定是帶著惡意去傷害他人，很多時候在他們的世界觀裡自己才是受害者，被客觀不存在的加害者逼著進行困獸之鬥。

以情愛妄想為例，當妄想者的「愛意」滿溢而出、不再受控，等待他們的往往是拒絕、排斥，還有赤裸裸的嫌惡與恐懼。這些與妄想不符的負面回應有可能一記暮鼓，把妄想者帶回現實；但若情況惡化，無法被捨棄的妄想，會迫使當事人合理化明顯與想像相悖的現實。至於如何合理化一個你深信與自己相愛的人，突然明確表達出對你的排斥，甚至宣稱根本不認識你？嗯，看一些社會新聞，應該能理解這樣的思考歷程有多危險。

惹出一堆麻煩的擬社會互動

講了這麼多關於擬社會互動的壞話（？），那要該怎麼避免擬社會互動呢？

真的，很難。

人類本就內建對自我揭露有情感反應的迴路，而自我揭露又是人類社會中不可避免的一環，這個微妙的因果關係又在資訊科技的一日千里下被無限制地放大，在我們還沒學會如何自處前，便先製造出各種各樣的麻煩。

老實說，擬社會互動根本不是現代的特產或文明病，只是建立起這類情感連結的人，有了更多手段去「實踐」他心中認定的關係，大幅度提升了潛在風險。

但就前面所提到的依附相關研究結果可以看出，大多情況下擬社會互動都不是一個「選擇」，而是自然發生的「現象」。當事人能力所及的，很可能只有事後覺察，然而這又回到老問題：當你意識到它的存在，它已經對你產生足夠顯著的影響或傷害了。

早期論述會把擬社會互動歸咎於現實生活中匱乏人際互動，但這點已被近代心理學研究駁斥。

個人認知的孤獨感與社會支持可能扮演催化劑的角色，但卻不是最根本的原因，強加因果關係反而會讓我們忽略其他重要變項。包括前面提到的依附型，還有成長過程中在社交場合經驗到的正向與負向刺激，都可能潛移默化人們對社交行為的期許與需求，進而驅使他們投向擬社會互動營造出來的舒適圈。

擬社會互動一定不好嗎？

近年來有些研究指出適量的擬社會互動，能為現實生活的離群分子提供一定程度的社會支持、社群凝聚力，甚至藉由效仿情感連結的對象而成長（當然也有負面的案例）。有些學者則認為擬社會互動是現代人適應網路生活的重要策略，與其排斥不如接受它、完善它。

然而不管是哪種論述，大多都有一個共識：適可而止。越界的擬社交互動，就跟任何其他社會互動一樣，只會造成別人的困擾喔。

本文亦刊載於作者 facebook 同名專頁。