新年新希望，為什麼用意志力培養新習慣不是個好主意？

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／奇普‧希思、丹‧希思；譯者／洪士美
• 延續上篇〈每當想要改變時，理智與情感總是拉扯，就像是「象與騎象人」——《學會改變》上〉

想控制大象？可你總有筋疲力竭的時候

當騎象人和大象對前進的方向沒有共識時，你的麻煩可就大了。騎象人或許可以暫時得逞，藉由用力拉扯韁繩讓大象就範（這就是你運用意志力時所做的事），但是長時間和一頭巨獸拔河，騎象人根本沒有勝算，他肯定會筋疲力竭。

為了更了解這一點，讓我們來看看一群大學生參加「食物感知」研究（至少他們被告知如此）時的表現。他們在肚子有點餓的時候來到研究室；研究要求他們至少三小時內不能進食。學生們被帶到一間充滿香味的房間，研究人員剛剛烤了巧克力脆片餅乾。在房間中央的桌上有兩個碗。一碗裝著試吃的巧克力，和又香又熱、剛剛出爐的巧克力脆片餅乾。另一個碗則放著一堆小蘿蔔。

研究人員預先準備了一套說詞：我們之所以選擇了巧克力和蘿蔔，是因為它們具有非常獨特的味道。明天會有工作人員與你們聯絡，請問你們品嚐兩種食物時的感受。

一半的參與者得到二、三片餅乾和一些巧克力糖，但沒分配到蘿蔔。另外一半則必須吃二、三條蘿蔔，但不能吃餅乾。在學生進食的時候，研究人員刻意離開房間製造誘惑：他們希望那些分配到蘿蔔的可憐學生，孤零零的坐在那兒，啃著兔子食物，嫉妒的看著那些吃著新鮮出爐餅乾的同學（不用說也知道，那些吃餅乾的同學輕輕鬆鬆就能抵抗蘿蔔的誘惑）。

雖然過程必須面對誘惑，但所有參與者都吃了分配到的食物，沒有任何一個蘿蔔組的參與者偷吃餅乾。這正是意志力的展現。

「味覺研究」此時正式結束，另一組研究人員走了進來，帶了一份據稱無相關性的研究：我們想要知道，是大學生還是高中生比較擅長解決問題。這個說法的目的是，要讓研究對象認真看待接下來的任務，卯足全勁。

學生們拿到一組很難的題目，他們得在空白的紙上、一筆畫出複雜的幾何圖形。他們拿到很多張紙，因此可以反覆嘗試，直到滿意為止。其實這些題目根本無解，研究人員只是想要看看學生在面對這個令人沮喪的難題時，會堅持多久才放棄。

那些「沒有受到誘惑」的學生，也就是嚐到巧克力美味的那群人，花了十九分鐘，認真的試了三十四種方法來解題。分配到蘿蔔的那組同學則顯得較缺乏耐心。才試了八分鐘，就宣告放棄（時間不及巧克力餅乾組的一半），而且他們只嘗試了十九種方法。為什麼他們那麼快就放棄？

答案可能會讓你感到驚訝：他們的自制力已經耗盡。

看似懶散，其實是因為「自制力」被消耗殆盡

在類似的研究中，心理學家發現自制力是一種有限資源。就像在健身房練舉重一樣。舉第一下感覺很輕鬆，因為肌肉還有著充沛的精力。但每多舉一下，肌肉的疲勞度就會增添一分，直到你完全舉不動為止。

分配到蘿蔔的那組同學在抗拒餅乾的誘惑時，已經耗盡了自制力。因此，當他們的大象開始抱怨「任務太困難、又無聊，自己根本辦不到」時，儘管騎象人用他僅剩的力量猛拉韁繩，還是撐不過八分鐘。可是，另一組學生的騎象人卻還是精力充沛，足以駕馭大象達十九分鐘之久。

自制力是一種有限資源。當我們在討論「自我控制」時，有這份認知至關重要，因為我們所討論的自我控制，並非狹義的代表抵抗惡習（煙、餅乾、酒精）所需的意志力，而是指更廣義的自我監控。

回想一下，當你在責備員工、組裝新書架，或學跳舞時的心智運作方式。你對於自己的言行舉止表現得小心謹慎。彷彿旁邊有個主管看著你似的，這也是一種自我控制（自制力）。與之相反的是所有「不受監控」的行為，例如，你開車時的感覺，你根本不記得前幾分鐘開過的路，或是你在淋浴和早上沖泡咖啡時，用的是一種隨性、不假思索的態度。

其實大部分的日常行為多是出於習慣，而非監控下的產物。這是件好事，因為行為受到監控真的很累人，會讓人筋疲力竭。

數十項研究報告指出，自我監控也是有限度的。例如，比起先前不需做出困難抉擇的人，剛完成結婚禮物登記清單和訂購新電腦這類困難抉擇和交易的人，更難以專注和解決問題。

在一項研究中，部分參與者被要求在觀看一部關於生病動物的悲傷電影時，控制自己的情緒。之後，和放任淚水宣洩的人相比，這些人展現的體力較差。該研究指出，人們在各式各樣的情境下將自制力燃燒殆盡，舉凡控制他人對我們的觀感、克服恐懼、控制花費、試著專注於簡單的指令，例如「不要想到白熊」等，不一而足。

這項事實對改變之所以很重要，原因如下：

當人們試圖改變時，通常會把心思花在那些習慣成自然的行為上，而改變這些行為需要騎象人的小心監控。改變的幅度愈大，就會愈快耗盡自制力。

當人們耗盡自制力時，他們所消耗掉的是心智肌肉，無論創意思考、專心、壓抑衝動、或是不屈不撓的面對挫折與失敗，都需要用上它。換句話說，人們所燃燒殆盡的正是做出重大改變所需要的心智肌肉。

因此，當你聽到有人說改變之所以很困難，是因為人們的懶惰或抗拒，根本就是大錯特錯。其實答案恰好相反：改變之所以很難，是因為人們已經難以承受。

這是關於改變的第二件事：看似懶散，其實是因為筋疲力竭。

——本文摘自《學會改變》，2019 年 7 月，樂金文化

• 王雅涵　諮商心理師

小瑤與小雯是高中死黨，兩人都是三十出頭的女生，已出社會工作五、六年，平時工作再忙碌，仍常相約見面。

某天，小雯約小瑤聚餐，兩人聊起目前的工作，小瑤不禁哀怨地說著：「唉！好想辭職呀！這工作沒有發展性，晉升也輪不到我，要不是為了薪水，我真是沒有動力在這間公司待下去了！」

小雯用半嘲笑的口吻回答說：「我已經聽妳說要辭職，聽了一○七八次啦！如果妳真的離職了，我們就去杜拜慶祝啊！等妳喔！」接著小雯話鋒一轉，「不說工作了啦，妳跟男朋友小傑的進度怎麼樣啦？這個男友可以讓妳定下來了吧？」

小瑤頓了頓，雙手轉動桌上的杯子，低著頭說：「剛開始小傑確實很吸引我，我雖然不能自己完成機車環島的夢想，但看著小傑騎著重機，就好像是我自己馳騁在公路上一樣暢快，只是……你知道的，這麼個瀟灑浪子，我實在無法抓住他的心，每次小傑出去騎車，我都不知道他什麼時候會回來陪我……」

原來是習慣了穩定的感覺

小瑤沒有很喜歡自己的工作，總覺得不夠有發展性，不過也不知道自己還可以做什麼，就這樣默默地成為公司的資深員工。在台北生活許久的她，其實也沒有很喜歡這座城市、沒有很喜歡現在的生活環境，但就當旅人的休息站般繼續待著。

其實小瑤不僅工作和生活環境如此，連感情也是一樣。小瑤很喜歡騎機車環島，所以總在這個環境下尋找自己的另一半，因為曾經出過車禍加上工作忙碌，小瑤幾乎沒有再去騎車環島，會騎車的男友像是在幫她完成夢想，所以小傑的出現讓她眼前一亮，但小瑤似乎很難抓住騎車男孩的心，因為他們總是飄忽不定。

其實沒有很喜歡這份工作、其實沒有很喜歡這座城市、其實也沒有很喜歡自己的另一半，但小瑤已習慣了這份穩定的感覺。

一開始因興趣的連結而相識，但其實小瑤已經離機車環島這個興趣有點遠了，只能用類似崇拜的心態，仰望著熱愛騎車的小傑，但兩人之間的心理距離已經在無形之間越來越遠了。然而，就像想離職卻一直沒有離開，小瑤也曾經覺得這段食之無味、棄之可惜的感情讓她很想分開，但又覺得現在這樣也不錯，要再找一個戀愛對象好麻煩，或許結婚後一切就會有所不同吧！

身邊了解小瑤感情狀況的朋友，常問她說：「這樣的感情繼續維持著，真的有意義嗎？妳真的知道自己要什麼嗎？」

的確，小瑤似乎找不到她自己，她希望擁有穩定的家庭和工作、結婚生子，過著簡單的生活，所以有份過得去的工作就好，能不能發揮所長，不重要；有份還算可以的感情就好，是不是真的很愛彼此，不重要；但是小瑤卻在這狀態下越來越不快樂，且在關係中像是處在被掌控的位置，永遠以對方的需求為主，不斷地忽略自己的聲音，只為了維持表面的「穩定」。

找回關係中的自己，比找到「穩定」重要

兩個人成為情侶，就像共同走進一段旅程，從陌生到熟識、從熟識到親密；而分手，則代表一段關係的結束，如果可以，每個人都希望感情能一直持續下去。愛情的旅程中總有大大小小的碰撞，有時碰撞能被修復，甚至替這段關係加分，但有時卻是埋下了傷害的因子，直到某天再也無法走下去。

分手的成因始終是個謎，我們永遠不知道這天會不會來臨，它可能緩慢地隨著雙方的熱情褪去而到來；可能突然地發生，讓人措手不及；也可能來來去去、分分合合地拉扯著。所以，分手不是可以簡單就做出的決定，而是在關係中不斷統整和擺盪後，產生出來的結果，它是一個歷程，而不是一個動作，在決定分手的前後，都存在著哀傷失落的狀態，我們可能接受適應、可能懊惱悔恨、可能祝福彼此、可能想要立即開展下一段關係，也可能重新享受自己一個人的日子，而其中最辛苦的就是「拉拉扯扯，想分手卻分不開」的情況。

這時候，我們需要做出以下兩種練習：

練習看見自己

如果連你自己都不認識自己，不愛自己，那麼當然會把所有的目光放在對方、放在關係，追求一個虛幻的「穩定」表象，讓別人以為自己很幸福，但其實自己在其中卻感受不到快樂。戀愛關係一開始都是美好的，讓對方看見閃耀的你，你也看見閃耀的對方，而不是只有一方無比閃耀，而你自以為地襯托著那個閃耀，這只會讓你和對方，都看不見你，這時候的穩定只是歹戲拖棚，而不是真正因為雙方互相欣賞喜歡而達到的平衡。

試著去表達自己的需求和不舒服，也練習展現真實的一面在另一半面前，接受自己可以是不完美的，不輕易地接受他人的批評，不承擔他人的情緒，不再一味地付出，試著打開心房，給予他人更多了解你和照顧你的機會。

相信自己是值得擁有美好的，看見自己的價值、找尋自我的動力，而不是把希望投射到他人身上。

小瑤擁有很好的特質，她是一個認真又有責任感的人，所以才能好好地經營工作和感情，雖說她時常感覺不到人生的意義，但其實這種特質依然是很受到推崇和羨慕的。

每個人都擁有不同且特別的價值，只是我們常常忽略自己的價值，甚至有許多自我設限的信念，例如：「我這麼差，有人愛我就該偷笑了」、「我可能找不到更好的了」、「如果我多付出一點，他就會更愛我了吧」，當我們出現這樣的自我信念時，記得讓腦子暫停一下，告訴自己：「我是有價值的人，我是特別的人，我是值得被愛且能夠愛人的人，而不是只能將就的人。」

小瑤因為看不見自己的價值，而將就在一段只有表面穩定的感情，但若她能把眼光放回自己身上，在生活中為自己找尋動力和意義，像是參加路跑、規劃一趟旅行，或是在社區大學中學習課程等，為自己發掘更多的可能，就不會停留在為他人而活的無奈現狀中。到了這個時候，有了穩定的自己，有沒有穩定的感情就沒那麼重要了。

練習拒絕

小瑤對工作和感情，都曾出現想要離開和結束的念頭，但她始終不曾提出，大家常說她是個好人，更明確地說，她是個「不擅長拒絕」的人。

不擅長拒絕的背後，其實是害怕拒絕後可能被討厭或是會傷害他人，因此小瑤寧可自己承擔所有的不開心，也不想承受讓別人不開心所引發的罪惡感。

不過，健康的關係，應該是可以誠實地說出自己的感受，關係中的兩人知道彼此的底限，才不會輕易地侵犯對方或被侵犯。小瑤認為拒絕帶來的可能是結束、傷害，是不好的，但適當地拒絕和表達感受，才是愛自己的方式，唯有當你把不適合自己的結束掉，才有可能得到新的開始，也許是一份新的工作，也許是一段新的戀情，也許是讓別人更加了解你，當然也可能是讓自己更加看見自我。

「在愛情中看不見自己，想分手卻分不開，甚至對許多事漸漸失去熱情」聽起來是很辛苦的狀態，但當你處於這樣的狀態，我想告訴你：這是個絕佳的時刻，提醒你該找回自己了！記得每天對自己說：

「我是有價值的人，我是特別的人，我是值得被愛且能夠愛人的人。」

願這句話，成為幫助你一天天逐步成長的良藥，不再為不適合的關係糾結，不再為不適合的環境勉強自己。

——本文摘自《為什麼我們愛的如此不安？》，2019 年 2 月，商周出版。