選舉看板高高掛，真的有用嗎？廣告背後的心理學效應，潛移默化你的想法

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

• 作者 / 林子平

幾年前，有一則蝴蝶遷徙的新聞，引起了我的興趣。澎湖有位民眾發現住家的花園內有隻蝴蝶，身上被標示了日期和日本地名，原來是一隻從日本富山縣標放的青斑蝶，歷經46天從日本飛行了2,277公里來到台灣。富山縣自然博物館負責人說：「這隻青斑蝶創下了富山縣蝴蝶的最長距離飛行紀錄，飛到翅膀已破裂，令人感到心碎。」

創下地表上最長昆蟲遷徙紀錄的是帝王斑蝶。每年會有上億隻帝王斑蝶在接近冬天時，由北美寒冷的洛磯山往南遷徙至溫暖的墨西哥，並在春天來臨時往北飛回洛磯山，但因為不順風，長達4,800公里、歷時四個月的長途遷徙，讓生命週期僅有一個多月的蝴蝶沒辦法在有生之年飛抵目的地，中途還得暫停德州來繁衍下一代，一共要歷經三代接棒才能返回洛磯山。

在台灣新竹苗栗等地山區，多達五十萬隻的紫斑蝶，也會在秋末準備南飛度冬，常落腳在高雄茂林。「氣溫是蝴蝶長程遷徙的一個很重要的因素，溫暖的環境讓蝴蝶能夠生存並產卵，還能讓剛孵化的幼蟲找到豐富的食物。」嘉義大學生物資源學系黃啟鐘教授這麼告訴我，他對昆蟲生態及植物病蟲害都很有研究。

「也許是遺傳基因，這裡的氣溫一直刻劃在牠們的記憶之中，驅動著牠們歷代返回。」黃教授說，「雖然蝴蝶一代只有一個多月的生命，但為了下一代，牠們長途遷徙到最適合幼蟲出生的氣溫及生態環境，等到春天清明節前，經數代後剛羽化之成蝶，就開始往北飛，回到牠們此生未曾到過的故鄉。」

生物為了生存而追尋溫度

昆蟲願意冒這樣的風險長途跋涉，那人類也有這種追求溫度的本能嗎？

我們得從現代人類的起源「智人」（Homo sapiens）的發展談起。科學家普遍認為，在二十萬年前智人起源於非洲。直到了四萬年前，智人已經遍布歐亞大陸。科學家一直在探索，究竟是什麼原因造成我們這個物種「遠離非洲」。

亞利桑那大學地球科學系Jessica Tierney教授透過氣候重建資料，並比對化石及石器的狀況，推論八萬年前非洲東北部溫暖且溼潤，適合居住。然而，在七萬年前，氣候開始變得寒冷而乾燥，艱難的氣候條件，使人類在六萬年前走出非洲進行大遷徙，這才讓歐亞大陸有人類出現。

無獨有偶，德國科隆大學Frank Schäbitz教授等人則是透過衣索比亞湖岩芯來重建氣候，同樣也發現，在距今六萬到一萬四千年間非洲氣候的極度乾燥達到頂峰，使智人最終在距今五萬到四萬年間抵達歐洲。

除了因為溫度而遷徙之外，比智人更早，比「露西」（Lucy）^[註1]更晚的「直立人」（Homo erectus），大概在一百萬年前開始會用火來獲取他們想要的溫度。除了用來烹煮食物，火還可以使身體溫暖來度過寒冬，得以生存。

今日，我們為了舒適追求溫度

以前的人類，就像會遷徙的蝴蝶及候鳥一樣，追求溫度是為了活命，是最基礎的生理需求 ^[註2] 。然而，時至今日，人們追求溫度的目的已經不同。

經濟學家西托夫斯基（Tibor Scitovsky）認為，近代人類的第一個需求，就是「舒適」^[註3]。

近代的人們會為了追求更舒適的氣溫而遷徙。對英國君主來說，白金漢宮是他們的冬季宮殿，溫莎城堡則是夏日宮殿，讓他們在不同的季節中得以維持長時間舒適的居住環境。另外則是觀光旅遊，近代西歐人（如德、法、荷）冬天移動至地中海旁溫暖的國家西班牙、希臘旅遊，或是更遠的東南亞國家，以求得數日的舒適氣溫。

然而，人們逐漸覺得為了追求舒適而頻繁地遷徙和移動有點麻煩，因此反過來想要讓日常生活居住的空間及場域能配合人的需要，常保舒適，於是開始思考如何打造一個四季都舒適的居住空間。在寒冷的國家，增加牆面的厚度，提高隔熱性，來達到保溫的效果，或在屋頂做一個閣樓，能阻擋大雪的低溫直接傳到室內。而在炎熱的國家，則利用室內通風、窗戶遮陽，來確保室內維持舒適，並透過選用適合的植栽、設置水域來調節戶外氣溫，讓人們在戶外行走或活動時都感到舒適。

溫度控制全面強力介入

這些使居住環境舒適的方法，其實都不需要耗用能源及資源，我們稱為被動式設計（passive design，或稱誘導式設計）。它雖然能讓冬天暖一點，夏天涼一點，但是沒辦法維持在一個恆定的氣溫。

因此，人們又想更進一步控制生活及居住環境的溫度，我們開始利用能源及資源來介入控制。一開始是耗費較少電力及資源的手段，例如溫帶國家燒柴的暖爐，熱帶國家使用的電風扇，而後一些更耗能源的設備出現了，如冷氣或暖氣的設備及系統，這些都屬於主動式控制（active control）。以冷氣或暖氣來改變氣溫，讓我們不必大老遠遷徙及移動，可以四季都維持在恆溫舒適的狀況。

而在生活環境中，我們也開始控制各種溫度。例如控制液體的溫度，把冬天冰冷的水加熱，洗澡才舒服；或是使用電冰箱讓飲料涼一些，使用電熱水瓶來保持最適合入口的水溫。

人類當然不會滿足於基本的溫度，我們對於溫度的控制只會愈加精確及全面。我們希望冷暖氣控制的溫度是恆定的，最好一年四季，一天二十四小時，都能維持相同的溫度。我們還希望冬天冰冷的廁所能溫暖些，所以現在廁所的馬桶座不但可以加熱，甚至還可以整晚持續保溫，讓你隨時都能享受剛剛好的溫度。

人類除了舒適，還要刺激

然而，有時人對溫度需求的還不只是為了舒適。追求「刺激」，則是西托夫斯基提出的人類第二個需求—人們追求溫度，有時只是想要有不一樣的體驗。

就像長年低溫的寒帶國家中，一旦有個難得的溫暖晴天，人們就會傾巢而出到公園做日光浴。同樣的，像台灣一樣位處於熱溼氣候區的人們，偶有山區下雪的機會，許多人會不畏寒冷地上山賞雪，這就是本於氣候刺激造成的新鮮感。

不過，如果是為了刺激而想要控制環境，就可能造成不必要的能源浪費。冬天時，人們湧入滾燙的三溫暖或烤箱，這麼高的溫度絕對算不上是舒適吧，但人們希望透過這樣的生理刺激來滿足心理的需求。

又比如說在寒帶地區滑雪是常態，但位在熱帶國家興建一個室內滑雪場，甚至是單純造雪讓人們遊玩，就是要讓人們能感受到溫帶國家寒冷的天氣能帶來的體驗。

你追求的是什麼呢？

你或許有過這樣的經驗：當你滑著手機上的社群、新聞、影片，你點擊的每個按鈕，停留的每段時間，都在告訴媒體你喜歡的是什麼；不久之後，頁面上跳出的內容你都喜歡極了，不順眼的內容都消失了，這一切彷彿為你量身打造，你就這麼瀏覽下去。回過神才發現時間已過了大半，你接受了不重要（甚至錯誤）的資訊，買了你不需要的東西。

讓我們從虛擬環境切換到實體空間。當我們進入一個室內空間，你直覺地按下空調開關，它也許就記憶著你上次設定的溫度。先進的系統還能觀察現在室內有多少人、你是靜止或移動的、你以前喜歡什麼樣的溫度，就幫你調得好好的。太冷的時候，你也許會選擇穿上外套，而不是起身去調整溫度設定，或是反映給管理者知道。

這就是舒適圈，為你量身打造客製化的體驗。舒適的感受可能掠奪你的專注力，讓你忘了你真實的需求。

從智人遠離非洲到歐亞大陸，到近代人類移動到舒適的地點、建立舒適的住居，都是有意識地了解需求，因為，這都有風險，也需要付出代價。

然而，當空間內的氣溫控制變成輕鬆自在的生活常態，卻可能導致我們不認真去思考我們的需求。我們得自問：「為什麼要設定在這個溫度呢？」是為了舒適，還是為了刺激，還是只是習慣性地延續你昨天的設定，或是直接由人工智慧幫你決定？

一個根本的問題是，舒適究竟是怎麼一回事？是生理的需求，還是心理的滿足？每個人對舒適需求的差異，又是怎麼產生的？是體質的差異，過去的經驗，還是個人的喜好？

唯有理解舒適的起源，我們才能客觀地檢視我們的觀點及行為，並做出適當的調整與改變。下一節，就讓我們從一盤蛋炒飯，來談談什麼是舒適吧。

消暑涼方03：動物和原始人只為生存而追尋溫度，但現代人卻是為了舒適而改變溫度。嘿，享受舒適的同時，也為地球上其它生物想想吧！

註釋

• 註1： 露西是在衣索比亞發現的南方古猿標本。也就是由盧貝松執導且在台北取景的《露西》片中，那位將人腦用到100%且具有超能力的主角，在片尾回到遠古時期時見到的人類祖先。
• 註2： 馬斯洛需求理論（Maslow’s hierarchy of needs），是由亞伯拉罕．馬斯洛（Abraham Harold Maslow）於1943年提倡的理論，他劃分出五種等級的需求：自我實現、尊重、社會、安全、生理。生理屬於為基礎的需求，如食物、呼吸、基本維生環境等—溫度就是屬於最基礎的生理需求。
• 註3： 西托夫斯基認為人有舒適和刺激兩種需求，舒適又分為個人舒適（personal comforts）及社會舒適（social comforts）兩種。

——本文摘自《跳出溫度舒適圈》，2022 年 9 月，商周出版，未經同意請勿轉載。

廷貝亨是在某個意外情況下偶然發現「超常刺激」概念的。

當時，他在荷蘭實驗室研究有著亮紅色腹部的公刺魚：即使養在水族缸裡，公刺魚依然保有領域行為，會攻擊其他侵入領域的公刺魚。

顏色鮮豔的「超常刺激」實驗

為了研究這種行為，廷貝亨和他的學生利用鐵絲操作死魚，接近守護領域的公刺魚；為方便操作，他們改用木假魚，結果沒多久就發現原來是公魚腹部的紅顏色會誘發攻擊行為——就算假魚再怎麼逼真，只要它的腹部不是紅色的，公刺魚似乎便完全不在意，但牠們會攻擊所有底部為紅色的物體，即使長得再不像魚也照樣攻擊不誤；養在窗邊的公刺魚就連看見路上駛過的紅色廂型車也會起反應。最重要的是，廷貝亨注意到：如果假魚身上的紅色比真魚更耀眼，公刺魚會無視真魚、攻擊假魚。

顏色鮮豔的假魚即為「超常刺激」，也就是比所有自然刺激更能強烈激發動物反應的人為刺激。廷貝亨發現，要製造這類刺激其實不難：譬如，習慣撿「流浪蛋」回家的鵝媽媽會為了把體積碩大的排球滾回家，而對自己生的一窩蛋置之不理。

如果綁在木棍上的假鳥嘴有著比親鳥嘴喙更鮮明的記號，剛孵化的雛鳥也會無視自己的爸媽，轉而向假鳥嘴索討食物。廷貝亨發現，放諸整個動物界，任何一個為了增強吸引力而刻意設計的人為刺激，似乎都能改變並控制動物的本能行為——這也是加工食品製造商、香菸產業、違禁藥藥頭們、還有那些供應類鴉片藥物的大藥廠對「顧客」所做的勾當。

透過加工讓使用者更容易成癮

最易成癮的物質或行為活動都屬於超常刺激。正如同超常刺激對刺魚世界的影響，它們也會擾亂人類世界的自然平衡。比方說，最容易使人上癮的藥物其實都源自植物，只是它們被精煉成高濃度，意即透過加工製成更強效、使主成份能更快被吸收並進入血液循環的產品。^[1]

各位不妨再想想古柯葉（coca leaf）：若是放在口中嚼嚼或煮成茶汁，它只會產生輕微刺激，成癮性也不強；若是精煉成古柯鹼或「快克」，不只吸收速度變快，成癮性也會大幅提高。同樣的，如果罌粟花是人類取得類鴉片物質的唯一途徑，大概也就不會有嗎啡濫用的問題了。

香菸的情況也差不多。由於人類將採集來的菸草加工製成能以「菸氣」的形式抽吸，又加入數百種能增添香氣與風味、且令其能更快進入肺部的添加物，結果做出「香菸」這種明顯比未加工菸草葉更容易使人上癮的菸草產品。

酒也是加工品。如果我們在店裡買不到伏特加，只能靠馬鈴薯自然腐爛發酵的方式取得，或許也就不會有這麼多酒鬼了。

現今的肥胖問題也屬於超常刺激

現代社會的肥胖問題同樣源自超常刺激，食品科學界稱這類食品為「超可口食品」（hyperpalatable food）。為了避免營養不良，演化讓大腦偏好熱量密度高、像是漿果或肉類這種含糖量高或高油脂的食物；不過這種食物在自然界相對不易取得，故肥胖在古代並不常見。

工業時代以前，人類主要以榖類和富含蛋白質的未加工食物維生，再加上這類食物鹽分不高，因此肥胖問題依舊罕見。

然而，近數十年來，加工食品製造商學會利用類似藥頭製造成癮性藥物的手法，改變食物風味——他們一發現人類酬賞系統會對哪些物質起反應，就馬上把這些物質變成非自然、能更快進入血液循環的高濃度型態。於是，含有這類物質的食品就像違禁藥一樣，憑藉其高濃度和快速吸收的特性，增強酬賞系統反應。

今天，食品公司每年投入數百萬美元研究如何開發超可口食品——業界稱為「食品最適化研究」（food optimization）。

某位哈佛出身、從事食品研發的實驗心理學家表示：

「我做過披薩最適化，也改良過沙拉調料和椒鹽餅乾風味。我可以說是改變這個領域遊戲規則的人。」^[2]

這群食品改良員之所以能改變遊戲規則，理由是超可口食品會干擾人類的自然傾向，就像排球對母鵝母性直覺、或假鳥嘴對雛鳥餵食的超常影響。於是乎，人類對這類最適化食品的渴望程度會遠大於愉悅感激發的需要程度。

成為良好的消費者，做出對的選擇

光是在美國，每年大約有三十萬人死於肥胖問題。^[3]由於這種情況就像溫水煮青蛙一樣，並非突然發生，而是漸進使然，導致我們意識到問題時多半已經來不及了——容易取得並導致濫用的藥物和突飛猛進的商業食品加工技術，雙雙愚弄了人類的情緒酬賞系統。

儘管科學能闡釋食品使人上癮的機制，但留心警訊、避免被操縱導致肥胖，仍需仰賴消費者本身的自覺，方能達成。

喜歡和欲求系統的設計與機制、還有發現這些機制的故事，無一不教人驚歎。一旦明白酬賞系統在分子層次的運作方式，有些人便學會以之牟利，譬如利用生化機制操縱人類行為的菸草、食品及藥品製造商（違禁藥頭和某些大藥廠皆然）。

你我都是教育良好的消費者，既然已知他們的所作所為，我們更應該運用知識，做出更好、更健康的選擇，見招拆招。

1. Gearhardt et al., “Addiction Potential of Hyperpalatable Foods.”
2. Moss, “Extraordinary Science of Addictive Junk Food.”
3. K. M. Flegal et al., “Estimating Deaths Attributable to Obesity in the United States,” American Journal of Public Health 94 (2004): 1486–89.

——本文摘自《情緒的三把鑰匙：情緒的面貌、情緒的力量、情緒的管理－情緒如何影響思考決策？》，2022 年 8 月，網路與書出版，未經同意請勿轉載。