心理學解析《集合啦！動物森友會》：為什麼這款遊戲如此令人上癮？

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

• 作者： 傑克．路易斯（Jack Lewis）
• 譯者： 鄧子衿

沙發馬鈴薯

現代的社會中，有一類人的懶惰行為就在我們眼皮底下發生，但往往受到忽視。這種最糟糕的懶惰者往往很少出現在公共場合，他們一想到要做好自己應盡責任時便厭惡不已；除了一起生活的人之外，其他人都見不到他們。如果你剛好走進房中遇到這種人，可能會發現他們坐著不動或呆若木雞。他們極致的惰性狡詐地隱藏在看似專注的表象之下，但是可別被騙了。

審判日來臨時，這些人會受到惡魔貝爾芬格的誘惑，開始無止盡奔跑，就像被某個毫無人性的體育教師折磨一般。那些人在地球上過了有如過客一般短暫的人生，並且浪擲太多時間在追求徹底虛幻的目標，這些目標哪怕達成了，對其所處的社會也不會帶來半點價值。這些人就算保住了飯碗，也會在公車、飛機或火車的交通行進期間，也就是眾目睽睽下，眼睛死盯著螢幕。

他們是科技的奴隸；是「糖果傳奇」（Candy Crush）、臉書、IG、Snapchat 和推特的狂熱粉絲與忠實奴僕，並且將空閒時每分每秒都花在螢幕上。此外還有那些把所有餘暇時光都用在大型多人線上遊戲（MMOG）上和食人鬼、矮人、機器人與太空海盜進行虛擬戰鬥的成年人。這些人當中有些還在養孩子，在小孩終於上床睡覺之後，熬夜不睡，把自己寶貴的睡眠時間花在線上賓果遊戲、在客廳中舒服坐著玩線上輪盤與樸克錦標賽。大家在這些數位娛樂上浪費了許多光陰，而這些時間本來可以用在其他有用的事情上。

Steam 這家大型線上遊戲公司會記錄玩家在各種遊戲上所花的時間，對我們這一章的討論很有幫助。在這份「可恥名單」（Wall of Shame）上的前十名，玩遊戲的時間超過五萬個小時，每年平均玩超過五千小時的遊戲。要知道，就算你每天玩八個小時遊戲，一年三百六十五天下來，也還湊不滿三千個小時。顯然有些人生活中就只有遊戲，其他什麼事情都不管了。那些看太多網路色情影片的人腦中紋狀體的結構改變，導致人的動機也跟著改變：一心只想看色情內容，不顧其他事。同樣的，每年花許多時間投入電玩的人，腦中也會有這樣的改變。如果針對那些每年看幾千個小時網路色情片的人、猛看YouTube 上貓咪影片的人，或是拼命玩自己最愛的社群媒體的人，也都統計了類似Steam 這份可恥紀錄，那我們會發現，懶惰不只是相當嚴重的一個大罪，也是現代社會中最為普遍的。

消遣放鬆或懶惰沉溺

並不是每個使用這些應用程式、玩線上賭博或是有玩電玩的人，都會犯懶惰之罪。這取決於生活中其他時間裡，一個人是否有生產力，如果有，那麼他想要有限度地在空閒時間黏著手機、平板電腦或是電腦螢幕，那都是自己的選擇。甚至有愈來愈多證據指出，玩第一人稱視角的射擊遊戲的確有助於增進各種認知能力，但是有很多人最後都沉溺在這些遊戲中。由於這些數位產品和遊戲都是設計來鼓勵使用者宛如成癮般地投入其中，只有最自制的人才能控制自己的使用時間。很不幸，有許多人最後把過多時間都耗在從客觀角度看來毫無意義的數位娛樂上，也因而對整體生活品質都帶來了不良影響。

在現在這個時代，數位產業的龐大規模營造出了假象，而犯下最嚴重懶惰之罪的人就是那些每天不分晝夜，把所有可用時間都用來盯著螢幕的人。這些崇拜數位科技的重度螢幕使用者腦中的紋狀體迴路最開始往往都沒有毛病，在養成這種習慣之前多巴胺的濃度也沒有失調。其中絕大多數人都是自主選擇要揮霍自己寶貴的空閒時間，而對於世界的運作來說，他們幾乎沒有產出什麼有價值的東西。這些人正是惡魔貝爾芬格的子民。

我們還在尋找平衡點

在現代，使用數位產品來娛樂並沒有錯，但是絕大部分人都沒有好好思考過，花那麼多時間坐在那裡可能帶來的負面影響。這可能是因為那些科技問世的時間都很短，出現的速度也很快，大家還沒有時間好好思考現況，或是調整行為、避免不良後果。下一代的人很可能在這方面得以找到平衡，不過現在科學和社會依然在探究數位產品對人而言的利害得失，我們這一代人就這麼不知不覺，成了範圍遍及全世界、規模巨大無比的實驗中的白老鼠。

電腦遊戲設計者得要負一些責任，可以這麼說，他們對人類報償路徑的運作，要比任何研究紋狀體的科學家還要清楚（只不過已內化而不外顯）。他們擁有的資料比任何國際合作的科學團隊還要多。他們有充分的資金來源，要盡可能讓最多的人黏著他們的產品不放。在這個地球上，沒有哪種機構比電玩產業更了解要如何打造出非藥物產生的快感體驗，讓人使用了之後想每天不斷再用，通常還讓它成為生活中優先排序最前面的活動。你可能覺得這種貶斥未免太小題大作，玩遊戲才沒有害。但事實上，遊戲已經奪去了一些人的性命。如果自戀與肥胖的死亡警訊最早是在美國出現，對世界上其他地方的人有預先示警的作用，那麼過度使用數位科技的「預言水晶球」就非東亞莫屬了，我們可以從中窺見未來的模樣。

二○○五年，一對南韓夫妻意外讓自己三個月大的孩子餓死，然而諷刺的是，他們怠忽親職竟是因為全心投入在一個照顧虛擬嬰兒的遊戲中。大型多人線上遊戲《魔獸世界》散布於世界各地的玩家會在遊戲中組隊戰鬥；二○○七年，中國的張先生在連續玩《魔獸世界》五十個小時之後死亡。二○一二年二月四日，《台北時報》（Taipei Times）報導，一位二十三歲男性在長時間值班之後，還到網咖報到，並於桌前玩了十小時遊戲後身亡。這篇報導的驚人之處，並不只是因為有人玩遊戲玩到死——在二○一二年，玩遊戲玩到這種程度在東亞來說並非不尋常——讓人意外的是，死者旁的其他顧客一直要到死者身體僵硬轉青的時候，才發現他已死去多時了。

成癮不是一種選擇，而是一種疾病

許多人身上原本應該用來從事其他有意義和有助益之事的時間和精力，都浪費在毫無建設性的活動上。有些人現在已經對遊戲成癮了，但沒有人一開始就成癮。在腦部變得上癮之前、在一個人因為玩遊戲能帶來愉悅而自願耽溺的時候，他的確犯下了懶惰之罪。一旦某人對於自己的愛好投入了夠多的時間——大食客變得病態肥胖，或是色情影片迷過度縱欲而對網路色情片上癮——這時就有比較多判斷上的灰色地帶。紋狀體的結構產生了變化，玩遊戲從自發轉為強迫，於是就比較難說誰是犯下了懶惰大罪者，而誰又只是個無助的成癮者。

社會上有些人對無家可歸者、長期失業者與身心症患者的態度非常嚴苛，但這些人並無法自由選擇自己的命運。懶惰罪名應該要冠在自己選擇把所有可用時間與精力浪費在瑣碎娛樂中的人頭上。

誰還去管宗教呢？應用程式商店裡盡是給大眾服用的鴉片。而在未來，虛擬實境這種數位海洛因很快就會出現在我們家中了。希望大家能在第一波矽谷的電腦革命中得到教訓，否則我們都會被吸入數位世界的懶惰黑洞中。

• 5/8 新增數感實驗室的主題影片《【數感沙龍】菜出得去，錢進得來！島主發大財！教你讀懂貍克的心♡｜動物森友會》！

大頭菜多少錢？花園澆水了沒？釣魚、抓蟲了嗎？今天有沒有流星雨？妹妹有來島嗎？這些聽來十足有情調跟我們的日常截然不同的生活，都可以在《動物森友會》這款遊戲當中體驗到。猛男不只要能撿樹枝，應該也要能回答一些跟動森有關的科學題目吧？

就讓我們從經濟、天文、數學、生物和歷史等不同的面向出發，不只寫寫習題，也看看《集合啦！動物森友會》裡那些有點科味的二三事。

• 反應好的話其他題目也將會陸續推出！快點分享訂閱按小鈴鐺吧（沒這東西

動森經濟學：今天該不該賣大頭菜？

「我家小孩自從玩了動物森友會之後，週日早上再也不會賴床了呢！」——少年 Y 的媽媽欣喜地說（真人真事）。

為什麼動物森友會能有如此大的魔力讓熬夜的孩子一個個都早起了呢？當然是因為週日早上要跟曹賣買「大頭菜」然後發大財啊！

「大頭菜」是在動物森友會遊戲中，可以在週日早上購買，但沒有在週六結束前賣掉便會爛掉的商品；而有趣（或者悲傷 XD ）的事情是接下來的一週，大頭菜的賣價會以每半天為單位起起伏伏。

因此大頭菜也被動森的島民們當成股票在投資，能不能還完房貸就看這一波了啊。於是朋友們之間的早安晚安，變成了上下午問候你家大頭菜的價格，真的是抄作業都沒那麽認真啊～

那麼，就讓我們用大頭菜來上一堂經濟學課吧！以下關於大頭菜價格的題目，你能解答嗎？

• 以下資料參考玩家解封包所得到的遊戲數據。

~~~題目來囉~~~

你在本週日跟自家島上的曹賣用 100 鈴錢的價格買了大頭菜，週一下午時賣價為 82 鈴錢，週五上午則為 49 鈴錢，期間賣價都沒有漲過。已知大頭菜有以下四種漲跌模型，其漲跌以及價格區間分別為：

• 波型 (Random)：隨機上升下降，曲線上升時賣價為 0.9~1.4 倍，下降時為 0.6~0.8 倍。
• 三期型 (Large Spike)：開盤時會在 0.85~0.9 倍，每過半天跌幅增加 3~5％ ，最多連跌 3.5 天；後續暴漲暴跌的幅度在 0.4~6 倍之間。
• 遞減型 (Decreasing)：持續下跌，開盤時會在 8.5~0.9 倍，每過半天跌幅增加 3~5％ 。
• 四期型 (Small Spike)：依序會經歷下跌期、上漲期然後是第二個下跌期，下跌時跌幅會在 0.4~0.9 倍，若持續下跌則每過半天跌幅增加 3~5％ ，最多連跌 3.5 天；上漲時則在 1.4~2 倍之間，固定為 2.5 天；下跌期二跌幅與第一期相同。

且上週的模型會影響到本週的模型，機率如下：

上週漲跌模型影響本週漲跌模型機率表（單位：%）

已知上週為三期型，請問若不想要倒賠的話，你在週五下午應該採取什麼動作呢？

• A. 馬上賣掉
• B. 週六下午再賣
• C. 去朋友島上賣

雖然我們都說買大頭菜是一種「追高殺低」的股票投資，但其實這與真正的股票市場仍然是相去甚遠。大頭菜的價格是曹賣決定，買價都會在 90~110 鈴錢，那賣價呢？若真的把所有模型都拿來算，會發現它其實也只在 10~600 的區間而已，賠也賠不到哪裡去，更不會有要抵押房子、露宿街頭的時候。

但在不美麗的現實世界裡，股票價格是由市場供需決定，慘賠到一文不值、大賺到數百數千倍都是常有的事。

• 延伸閱讀：用統計學看股票投資：投資人理性嗎？「追高殺低」真能穩賺不賠？

而每到週六下午過後就會爛掉的大頭菜雖然很讓人焦慮，但這只有週日能買然後最多囤一週的循環 y 編覺得這是個很好心 (?) 的設計，因為這大大地避免了「沉沒成本」的產生。

沉沒成本指的是「當人已經投入了一定的時間、金錢和資源在一項選擇時，會因此而傾向持續做這件事。」所以當我們已經開始投錢夾娃娃時，就會想一直投錢直到夾到為止；沉沒成本也時常被用來形容人們常會不理性地深陷在明明不好的選擇當中，只因為我們已經投入了成本，所以很難換工作、捨不得丟掉明明不好穿的鞋子、無法放棄那個喜歡了好久的人⋯⋯等等。

要鼓起勇氣「認賠殺出」何其不易，還好在動物森友會裡，只要短短一週時間就會幫你做決定，讓我們不至於持續在這個遊戲中被大頭菜期貨套牢然後必須要上天台 (X) 。

什麼，那你問說投入到動物森友會建設島嶼的時間是不是一種沉沒成本？那得問問你自己願不願意從明天開始就再也不玩這款遊戲了呢？ XD

• 延伸閱讀：花錢就要用到？我們該忽略沉沒成本嗎？——《不當行為》上

回到今天的題目，來對一下答案吧。

其實，我們從第一句話「你本週日跟自家島上的曹賣用 100 鈴錢的價格買了大頭菜，週一下午時賣價為 82 鈴錢，週五上午則為 49 鈴錢，期間賣價都沒有漲過。」再對照各個模型漲跌的區間，就能從在 3.5 天的區間之間都沒有上漲過，而得知本週的大頭菜趨勢為「遞減型」；要想賺錢無論如何都只能去朋友島上賣了，答案是 C 。

是不是很簡單呢？這題根本是 陷阱題 送分題啊！如果有興趣的話，可以試試看用上述模型出題目考考朋友，也可以自己算算期望值，這樣之後你就能成為不用大頭菜計算機的投資小達人囉（啾咪）。

這些遊戲數據是玩家用遊戲封包所抓出來的內容，其實有點作弊，但也可以從這些各式各樣不同的模型看得出來任天堂在設計這款遊戲時「如果可以複雜，誰想要簡單」的態度。大頭菜期貨其實並沒有要讓玩家精準算出每天的走勢，而是讓你能享受它的隨機性所帶來的驚喜和樂趣，和朋友間的交流互動。就算價錢不好⋯⋯也不過就是這一週的事情而已，很快就會過去。

更詳細的內容，歡迎大家參考數感實驗室的相關影片喔（這裡有小鈴鐺可以訂閱）：

對機率感到厭倦和有點害怕了？那一定要再來追加一題！（抖S）

接下來，就讓我們跟孟德爾學學，來算算開出藍色玫瑰的機率吧！

動森小學堂，下一堂課再見囉！

參考資料：

1. Breaking Down The Stalk Market
2. 【攻略】大頭菜價格完全攻略(從解包數據中看菜價) @動物之森系列（動物森友會）
3. 《集合啦！動物森友會》大頭菜炒股分析與價格預測心得
4. 炒大頭菜，讓年輕人第一次嘗到理財的殘酷
5. 有一種残酷，叫我在森友會裡倒賣大頭菜－果殼網唯信公眾號文章