工作虛累累～檢查看看，你過勞了嗎？

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

框架問題理應提醒我們，我們只要自動腦補就一定會犯錯。我們確實向來如此。不過「人類」這個對象不同於 AI 研究人員開發的機器人或電腦，並不會讓我們訝異到必須被迫改寫思考時的整個心智模式。相反地，一旦我們知道答案，就似乎總能找出先前被忽略、後來明顯相關的面向，就像拉扎斯菲爾德假想的《美國士兵》讀者——他們在事後發現，每一個對立的結果都同樣理所當然。

也許我們原本預期自己中了樂透之後會超級開心，結果中獎之後，卻發現自己很鬱悶，這個預測顯然很糟糕。但當我們意識到自己預測錯誤時，同時也獲得新的資訊，例如那些突然出現要借錢的親戚。於是我們會心想，如果早點知道這些資訊，就可以正確預測未來的幸福狀態，也許就不會去買樂透彩了。

因此，我們沒有質疑自己預測未來幸福程度的能力，反而只是認為我們漏掉了一些重要的東西，並且確保自己不再犯相同錯誤。然而我們卻一錯再錯。事實上，無論對於他人行為的預測失準了多少次，我們總是可以用當時未知的事情做為辯解。透過這種方式，我們掩蓋了框架問題，一再說服自己下次會做好，卻永遠都不明白我們真正錯在哪裡。

這種行為模式在動機與金錢報酬的關係中最為明顯，也最難消除。例如，實施金錢獎勵制度顯然能提升員工表現，而且數十年來，職場上大幅出現以績效為基礎的薪資制度，最具代表性的就是高階主管薪酬與股價掛鉤。

當然，員工在意的顯然不只薪水，還有內在的愉悅感、認同感，以及在個人職涯上的成長與晉升等因素，這些都會影響工作表現。

在其他條件都相同的情況下，適當的金錢獎勵可以提升個人表現——這似乎理所當然。然而，多年來有多項研究顯示，薪酬與工作表現之間的關係，實際上的複雜程度讓人難以想像。

舉個例子，最近我跟雅虎（Yahoo!）的同事梅森（Winter Mason）進行了一系列網路實驗。我們給予受試者不同的薪資，並要求他們執行各種簡單的重複性工作，例如：按照正確的時間順序排列一組車流照片，或是在矩形網格上，找出隱藏在一堆英文字母中的英文單字。

所有受試者都是在亞馬遜土耳其機器人（Amazon’s Mechanical Turk）這個外包網站上招募而來，這個網站是亞馬遜公司於二○○五年推出，原先是用來找出重複的庫存商品。現在有數百家企業使用土耳其機器人進行「群眾外包」（crowd-source），處理五花八門的各種任務，像是標示圖片中的物品、描述新聞報導的觀點，或是判斷兩種說法中哪一個比較清楚。這個網站也是招募心理學實驗受試者的一個有效方法，就像心理學家多年來在大學校園裡張貼廣告那樣，不過土耳其機器人網站的「託客」（turkers）完成一件任務的報酬通常只需要幾美分，只占了研究經費的一小部分。

我們的實驗總共納入數百位受試者，完成了數萬件任務。有些受試者完成一件任務只能得到 1 美分的酬勞，例如整理一組圖片、找出一個單字。但是，有些受試者完成相同任務卻會得到 5 美分或 10 美分。這在工資上是相當大的差異，要知道，美國電腦工程師的平均時薪只有聯邦最低工資的六倍，所以你可以預期這個工資差異會對受試者的行為產生強烈影響。

結果確實如此。我們付的錢越多，受試者離開實驗之前完成的任務就越多。我們還發現，不管工資多少，分配到「簡單」任務（每一組有兩張圖片需要歸類）的人，比分配到中等或困難任務（每一組有三至四張）的人完成更多任務。換句話說，這些都符合常理。

但接下來的問題是：雖然存在上述差異，我們發現這群受試者的工作品質，也就是歸類圖片的準確度，並不會因為工資不同而下降，即使只有正確完成才能拿到酬勞。

該如何解釋這個結果？我們並不十分確定。在受試者完成任務之後，我們問了一些問題，包括他們認為自己的工作該得到多少報酬。有趣的是，他們的回答與工作難度無關，而是取決於獲得的工資。平均而言，每件任務得到 1 美分的受試者，認為自己該得到 5 美分。得到 5 美分的認為自己該得到 8 美分，而得到 10 美分的則認為自己該得到 13 美分。

換句話說，不論他們實際上得到多少（還記得有些受試者的工資是別人的十倍嗎），每個人都覺得工資過低。大家在直覺上會認為，給予金錢獎勵就能夠提升員工的動機，但這個實驗告訴我們，即使是非常簡單的工作，工作動機也會因爲員工的權利意識提升而大幅減弱。

——本文摘自《超越直覺》，2024 年 01 月，一起來出版，未經同意請勿轉載。

你一定聽過安慰劑效應，但到底為什麼會有呢？這個謎團難倒了好幾個世代的科學家，超過百年依舊未解，直到最近，終於揭開了一部分謎底。

生醫圈非常振奮，認為一旦破解祕密，就能知道壓力為什麼會讓人生病！更棒的是，還有機會打造出嶄新療法，治療困擾無數人的疾病和癌症！？難道可以靠「轉念」來治病嗎？

安慰劑效應，指的是患者即使吃到或注射的不是真正的藥，對於外來病原體或體內病變的抵抗力竟然也會變好，讓身體好轉。有很長一段時間，科學家對這個現象背後的原理一無所知。

有兩個問題和解開安慰劑效應之謎有直接關係，乍聽之下都是非常不起眼的問題，可是只要多想兩三秒鐘，就會發現居然回答不出來。

小感冒、腸躁症、安慰劑，藏著同一個答案

你一定有過這樣的經驗：感冒以後沒食慾、提不起勁、只想攤平在沙發上，為什麼會這樣？不就是因為病原體攻進身體裡才造成我們「覺得」不舒服嗎？但是再仔細想想，細菌或病毒根本沒有直接攻擊到腦部，那為什麼會冒出這些討厭的感覺？

再來，不少人一緊張就容易拉肚子，或是肚子痛、脹氣，也有人相反，一緊張就便祕，這些都是大腸激躁症（irritable bowel syndrome），簡稱腸躁症的常見症狀。但是，為什麼發生在大腦裡面的情緒會直接刺激遠在腹腔裡的腸子呢？

針對第一個問題，2022 年 6 月《Nature》一項研究發現，只要刺激腦部下視丘的特定區域，即使體內沒有病菌，小鼠也會發燒和食慾不振。換句話說，感染會引發免疫細胞攻擊病原體，導致體內發炎，腦部不必碰觸到病原體，只要透過血液等途徑感知到發炎的刺激，就會出現不舒服症狀。

至於第二個，發表在 2021 年 11 月《Cell》期刊的研究指出，小鼠如果腸道曾經發炎，刺激腦島皮質（insular cortex）就可以使發炎狀態重現；也就是說，大腦會保有免疫系統活動的記憶，以後只要活化同一群神經細胞，就能在腸道重啟一樣的免疫反應。

2023 年 2 月底《Nature》一篇評論文章說，科學家懷疑這種神經機制是身體為了抵抗可能發生的威脅，事先做好準備，但也會聰明反被聰明誤，在沒有原始觸發因素的時候自行啟動，例如壓力使腸躁症的症狀惡化，說不定就屬於這類情況。

這些發現透露了什麼線索呢？

病得輕重、多快復原，是腦在掌控

安慰劑效應和前面這兩個問題都指向一個方向，三個現象裡不斷出沒的——免疫系統。

科學家發現，目前所有的證據都指出，大腦和遍佈全身的神經，實際上是用一種還不太清楚的方式和免疫系統綁在一起。

也可以換一種說法：喜怒哀樂的情緒及正負面心態究竟是如何和身體連結，已經發現至少有一條路徑是透過神經系統和免疫細胞的緊密互動。

2022 年 5 月底，《Nature》刊登一篇報告，介紹了美國哈佛大學醫學院的研究團隊利用「光遺傳學」和其他技術，畫出小鼠腦部和全身的白血球如何「互動」的地圖，這讓我們有機會進一步揣測人體裡發生的事。

所謂的光遺傳學，可以簡單想像成把設計好的蛋白質基因植入想要觀察的神經元細胞裡，這種蛋白質一旦照到特定波長的光就會啟動，刺激神經細胞跟著活化，這樣就可以非常精細地一次只操作單一種神經細胞，畫出解析度相當高的大腦圖譜。

團隊很驚訝地發現，腦部透過兩種方式指揮免疫系統，一種是大腦控制身體動作的運動迴路（motor circuits）發出訊號刺激骨骼肌，釋出能吸引嗜中性白血球這種免疫細胞的細胞因子，誘導原本在骨髓裡的嗜中性白血球快速移動到感染或受傷的部位。另一個則是腦部的下視丘腦室旁核（paraventricular hypothalamus）會分泌特定的化學分子，命令腎上腺分泌激素，快速引導單核球和淋巴球從淋巴結、脾臟、血管等位置移動到骨髓。

無獨有偶，2022 年 4 月底，德國和其他歐洲科學家組成的跨國團隊也在《Nature》上發表研究結果，直接表明動脈發生粥狀硬化的過程可能部分受腦部控制；也就是說，他們發現了神經、免疫和血液循環這三個系統是怎麼樣融合在一起的。

動脈粥狀硬化是血液裡的膽固醇堆積在血管內側，形成斑塊，在局部區域會有慢性發炎，血管也會愈來愈窄。斑塊一旦剝落就變成血栓，是造成中風、心絞痛和心肌梗塞的關鍵因素，目前還沒有醫療技術可以逆轉病人的動脈硬化。

研究團隊發現，小鼠動脈血管壁外層的神經纖維會傳訊號到腦部，也會接收腦部發來的訊號，免疫細胞會大量聚集在神經末梢周圍，人體也有類似的現象。他們以小鼠做試驗，用化學方法或手術切斷神經聯繫，免疫細胞迅速就地解散，血管斑塊的堆積速度也跟著減慢。

懂得向大腦求助

大腦能指揮身體抵抗病痛，這合理的解釋了你我大概都有過的切身之痛，那就是當滿腦子塞滿消極的情緒如壓力、焦慮的時候，特別容易生病，例如感冒、腸胃炎、皮膚癢等等。

更有趣的是，反過來說，如果創造出積極的情緒，對於抵禦疾病是不是也有用呢？答案可能也是肯定的。

過去就有報告指出，加入支持團體和接受一些心理療法的乳癌患者，可以延長存活時間，在其他幾種癌症像是肺癌、惡性黑色素瘤、胃腸道癌症研究上也有提出類似的現象。

因此，現在世界各地有多個研究團隊正在鑽研如何善用「身」和「心」的力量，結合起來一起治好病痛。

例如癌症腫瘤會以釋放神經訊號、分泌化學物質等方式，造成患者的新陳代謝機制和睡眠大亂，美國紐約冷泉港實驗室的團隊發現刺激罹癌小鼠下視丘的特定區塊，可以把代謝和睡眠週期「喬」回來，有助於幫助癌症病人的復原過程變舒服。

而以色列理工學院團隊則把焦點放在位於中腦的腹側被蓋區（Ventral Tegmental Area, VTA）。VTA 是腦部的獎勵中心，含有分泌多巴胺的細胞，和期望、動機、喜好等情緒有關，也就是讓我們會感到快樂、振奮而去做出實際行動的腦部區域。該團隊發現，刺激 VTA 可以驅動免疫系統，使小鼠肺部和皮膚的腫瘤縮小，他們現在要把成果從小鼠用到人身上。

也有一個團隊是從迷走神經（vagus nerve）下手。迷走神經是副交感神經系統的主要成員，從腦一路向下走過心、肺、胃，一直延伸到大腸，已知和調節免疫反應有關。有一家新創企業 SetPoint Medical 運用他們的技術，研發一種大小像膠囊的神經刺激裝置，植入脖子的迷走神經旁邊，可以無線充電、還可以用 iPad 的程式調整刺激強度，目標是治療類風濕性關節炎、克隆氏症（Crohn’s disease）等自體免疫疾病。

「身心一體」，用比較感性的話來說就是：心靈受苦，身體也受苦。原來，這件事不只是主觀的個人感受，其實它有生理學上的道理。

或許，更重要的是，讓明明覺得不舒服卻一直檢查不出病因的人知道，自己的感受並非無病呻吟，也不是想逃避壓力或做錯事情，而是一體的身心真的在發出警報，或許這就是最大的安慰了。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！