想知道古埃及人怎麼說話？科學家讓三千歲的木乃伊發給你聽！──法科地史合作企劃

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

• 文／賴郁婷 | 雅文基金會聽語科學研究中心　助理研究員

「咔滋咔滋、咔滋咔滋」——聽到吃東西的聲音是不是讓人忍不住食指大動、唾液快速分泌呢？夜半時刻肚子感到空虛，美食又還在外送途中，一時半會兒吃不到宵夜該怎麼辦呢？先看看吃播也是能夠過過癮的，也因此一部分的影音創作者就抓住人們對於食物的關注，搭配 ASMR，強調食物在唇齒間的咀嚼聲，將大啖美食的畫面及聲音製作成影音大飽觀眾耳福。然而真的所有人都對 ASMR 放大的聲音感到愉悅或療癒嗎？ 

對聲音過敏？

您是否有這樣的經驗？在忙碌、deadline 逼近感到焦慮時，或是一個人走在暗巷中緊張、害怕時，任何風吹草動的聲音都會被放大或形成干擾。從空調的運轉聲、時鐘的滴答聲到進出門的開關聲等，都像是背後有隻怪獸正朝我們撲過來，若長期維持聽覺過度敏感化（Auditory Hypersensitivity / Oversensitivity）的狀況，則可能會導致注意力不集中、坐立不安、頭痛、噁心的感覺，甚至要到身心科尋求幫助；而原本有慢性耳鳴問題的人，也有可能會增加耳鳴發作的頻率 ^[1]。

這類對外界聲音過度敏感的狀態，最早是由美國聽力學家 Johnson 在 1990 年代將其定義為選擇性聲音敏感綜合症（Selective Sound Sensitivity Syndrome, 4S），然而與聽覺過度敏感化不同的是，4S 患者主要是對特定的「觸發聲音」（trigger sound）出現時，才會出現明顯的不耐受性（intolerance），有些患者甚至連相關的視覺或嗅覺刺激也可能引發恐音反應 ^[2]。2001 年時，恐音症（misophonia）一詞被提出，其字義為：對聲音的憎恨 ^[3]，被用來描述當面對特定、重複的觸發刺激時（例如：咀嚼聲、呼吸聲），會出現憤怒、厭惡的衝動反應。

容易對聲音感到焦慮、不舒服，就是有恐音症嗎？

人類因聲音感到困擾、對聲音耐受性較低的狀況，主要可分為以下三種類型 ^[4]：

1. 噪音敏感（Noise sensitivity）：指無論噪音大小（響度）如何，人們對噪音的生理及心理反應都變得敏感的狀態，因此他們通常在安靜的環境中感到最舒適。此症狀在經歷過重大腦外傷的人是很普遍的，在自閉症患者中也很常見。
2. 聽覺過敏（Hyperacusis）：指當聲音大小（響度）是在大多數人可以忍受的範圍時，聽覺過敏者則會感到生理上的不適或疼痛。研究指出，一般人對聲音響度的容忍度可以達到 100 分貝，甚至更高 ^[5]，而聽覺過敏患者只能容忍 60 至 70 分貝的聲音大小，大約是一般人說話的音量，即會造成其不適。
3. 聲音恐懼症（Phonophobia）：與上述兩者不同，聲音恐懼症所造成的不適並非由物理聲音引起，而是患者對聲音的預期恐懼，他們「害怕」可能出現的聲音，這樣的害怕情緒會導致焦慮，且可能加劇已有的聽覺問題（聽力損失、耳鳴）。

雖然這些對聲音耐受性的相關症狀各有不同，但這些病症不一定都是單獨出現的，聽覺過敏者有很高的比例會伴隨著嚴重耳鳴 ^[6]、聲音恐懼症的患者也可能因有聽覺過敏而更容易對聲音感到焦慮、害怕。

恐音症到底是什麼？

在恐音症還未被正式定義前，經常被歸類為聽覺過敏或是強迫症，對其應該被歸類為精神疾病或是聽覺的相關障礙，各界學者們也都有不同看法，究竟恐音症有什麼特殊之處，讓我們來揭露它的廬山真面目。

對恐音症的診斷標準最早由荷蘭的阿姆斯特丹大學醫學中心在 2013 年首先提出。而後，Jager 等人 ^[7] 歷時五年對近 600 位恐音症患者進行研究，並於 2020 年提出修訂版的恐音症診斷標準。對於恐音症的診斷標準建立及更新，都可以看出學者們對於恐音症的重視與關注，然而恐音症至今仍未被列入在《精神疾病診斷與統計手冊》（DSM）及《國際疾病分類》（ICD）當中。

由於，恐音症在研究的早期階段定義及描述並不統一，診斷的方法和評估的標準也不相同，在如何定義和評估恐音症上尚無一致性，而這也促成了 Swedo 等人 ^[8] 透過與各界學者的討論與對話，逐漸對恐音症的概念達成共識，其項目包含：

1. 症狀描述：對特定聲音刺激（觸發因素）的耐受性降低，且觸發因素通常是重複的、由人的身體產生的，會造成患者過度的情緒、生理和行為反應。
2. 觸發因素：最常見的觸發因素是聽覺上的，包含口腔的聲音（咀嚼、進食、咂嘴、吸食、咳嗽、清喉嚨和吞嚥等）、鼻音（呼吸和嗅聞等）、人為製造出的聲音（按原子筆、敲鍵盤、輕敲手腳和拖長腳步），以及物體發出的聲音（例如：時鐘滴答聲）或動物發出的聲音。同時也有機率對視覺上的觸發因素（折手指、抖腳、晃腿或看他人進食）有強烈反應。
3. 觸發反應：在情緒方面，憤怒、惱怒、厭惡和焦慮是最常見的；生理上則會引起自主神經興奮，使肌肉緊繃、心率加快和出汗；行為反應上可能會對觸發因素進行攻擊，或以迴避、阻止、模仿的方式減低觸發因素所帶來的不適反應。
4. 與其他疾病的關係：恐音症的症狀無法用同時發生的其他疾病做更好的解釋。恐音症可能出現在聽力正常或聽力損失的人身上，單獨或和耳鳴、聽覺過敏等病症一起發生都是可能的。同時，精神疾病也可能與恐音症共病，包含焦慮症、情緒障礙、人格障礙、自閉症、注意力不足過動症等。
5. 對生活的影響：患者在職場及求學階段都可能因注意力無法集中，而無法執行工作任務、達到目標。在社會上，也會因無法如常與人互動、建立關係，最終與人群疏離。於家庭關係上，患者可能因家庭成員的行為或聲音觸發患者的不適反應，導致關係緊張和衝突。

神燈精靈請幫幫他們吧！

雖然目前恐音症的盛行率、發生率、好發年齡及患病原因尚無定論，但患者們無法與其他人正常社交、共餐甚至可能連大眾交通工具都無法搭乘，真的很辛苦！所幸，應對恐音症，專家們還是有點辦法的。目前主要治療、減緩恐音症症狀的方法主要有三項：

1. 物理隔絕：使用能降低因觸發因素引起心理或生理反應的用品，如：耳罩、耳塞、降噪／隔音耳機、白噪音機等用具，阻擋聲音或降低對觸發因素的反應。
2. 治療法：主要為耳鳴再訓練療法（Tinnitus retraining therapy, TRT）與認知行為療法（Cognitive behavioral therapy, CBT）。兩項療法皆協助患者在遇到觸發因素時，對產生的情緒及行為進行控制，需透過專業人員制定計畫與課程，搭配患者逐步練習、適應觸發因素，最終回歸日常生活中。
3. 藥物：用於恐音症的藥物尚在研究當中，目前有研究顯示使用抗憂鬱藥物（如：舍曲林、氟西汀），能使患者獲得不錯的治療效果 ^{[9, 10]}，近期也發現類固醇可以減緩恐音症者的不適症狀 ^[11]。

另外，因應科技化的時代，恐音症治療協會也提供 app 及操作說明影片 ^[12]，透過應用程式錄下觸發聲音，並設定觸發因素的音量、持續時間、播放頻率，這些設定會在使用者聽音樂、看影片等放鬆時段運作；使用者可以透過慢慢增加觸發因素的持續時間，逐漸適應觸發因素的出現、降低對觸發因素的敏感反應。

所以，真的所有人都對 ASMR 放大的聲音感到療癒與愉悅嗎？相信大家心中已經有了答案。也因為恐音症的發展歷史相對較短，大眾對於恐音症的了解尚未普及，因此對聲音耐受性低的相關疾病已有所熟悉的你，若是發現身邊親朋好友對於聲音感到敏感或是對重複動作所造成的聲音感到嚴重不適，請協助就醫尋求幫助、釐清病因。最後，若真的遇見「專屬」的觸發因素，當下除了要求對方 Freeze & mute 之外，相信我們已經知道還有哪些方法及資源可以應對這樣的狀況了！

參考文獻

1. 簡婉曦（2021 年 1 月 27 日）。【焦慮腦學】有一種恐懼，害怕聲音可能存在。醫療心空間。https://vocus.cc/article/6011126efd89780001410d53
2. Ferrer-Torres, A., & Giménez-Llort, L. (2022). Misophonia: A Systematic Review of Current and Future Trends in This Emerging Clinical Field. International journal of environmental research and public health, 19(11), 6790. https://doi.org/10.3390/ijerph19116790
3. Jastrebo, M. M., and Jastrebo, P. J. (2001). Components of decreased sound tolerance: hyperacusis, misophonia, phonophobia. ITHS News Lett 2, 1–5.
4. Henry, J. A., Theodoroff, S. M., Edmonds, C., Martinez, I., Myers, P. J., Zaugg, T. L., & Goodworth, M. C. (2022). Sound Tolerance Conditions (Hyperacusis, Misophonia, Noise Sensitivity, and Phonophobia): Definitions and Clinical Management. American journal of audiology, 31(3), 513–527. https://doi.org/10.1044/2022_AJA-22-00035
5. Jastreboff, M. M., & jastreboff, P. J. (2001, June 18). Hyperacusis. Audiologyonline. https://www.audiologyonline.com/articles/hyperacusis-1223
6. Cederroth, C. R., Lugo, A., Edvall, N. K., Lazar, A., Lopez-Escamez, J. A., Bulla, J., Uhlen, I., Hoare, D. J., Baguley, D. M., Canlon, B., & Gallus, S. (2020). Association between hyperacusis and tinnitus. Journal of Clinical Medicine, 9(8), 2412. https://doi.org/10.3390/jcm9082412
7. Jager, I., de Koning, P., Bost, T., Denys, D., & Vulink, N. (2020). Misophonia: Phenomenology, comorbidity and demographics in a large sample. PloS one, 15(4), e0231390. https://doi.org/10.1371/journal.pone.0231390
8. Swedo, S. E., Baguley, D. M., Denys, D., Dixon, L. J., Erfanian, M., Fioretti, A., Jastreboff, P. J., Kumar, S., Rosenthal, M. Z., Rouw, R., Schiller, D., Simner, J., Storch, E. A., Taylor, S., Werff, K. R. V., Altimus, C. M., & Raver, S. M. (2022). Consensus Definition of Misophonia: A Delphi Study. Frontiers in neuroscience, 16, 841816. https://doi.org/10.3389/fnins.2022.841816
9. Zuschlag, Z. D., & Leventhal, K. C. (2021). Rapid and Sustained Resolution of Misophonia-Type Hyperacusis With the Selective Serotonin Reuptake Inhibitor Sertraline. The primary care companion for CNS disorders, 23(3), 20l02731. https://doi.org/10.4088/PCC.20l02731
10. Sarigedik, E., & Yurteri, N. (2021). Misophonia Successfully Treated of With Fluoxetine: A Case Report. Clinical neuropharmacology, 44(5), 191–192. https://doi.org/10.1097/WNF.0000000000000465
11. Webb, J., & Williamson, A. (2024). Steroids for the Treatment of Misophonia and Misokinesia. Case reports in psychiatry, 2024, 3976837. https://doi.org/10.1155/2024/3976837
12. Dozier, T. (2016). Misophonia Trigger Apps. Misophonia Treatment Institute. https://misophoniatreatment.com/misophonia-apps/

• 朱家瑩／雅文基金會聽語科學研究中心 研究員

想像一下當你聽到手指甲刮著黑板產生的摩擦聲，或者是拿著叉子摩擦著不鏽鋼碗的聲音，抑或是小孩的哭叫聲，有沒有哪一個聲音會讓你全身起雞皮疙瘩，想要用手摀住耳朵，甚至是情緒爆炸、只想要遠離現場呢？這些讓人不適的聲音，是有其特有的聲學特質？或是其他緣故呢？

不是尖銳、高頻音就刺耳，而是流淌在你我血液的祖先智慧

一般認為，令人不適的聲音是因為刺耳的高頻聲，尤其像是手指甲刮黑板時所產生的摩擦聲，其中那種「ㄍㄧ ㄍㄧ ㄍㄧ」的聲音，似乎是造成不適感的主因。

然而，Halpern、Blake 和 Hillenbrand（1986）這三位研究者對於這個現象感到好奇，因此他們進行了一項實驗 ^[1]，他們將那些令人不適聲音（如：刮金屬或石板的聲音）中的高頻音減弱。

結果顯示，即使減弱尖銳的高頻聲音，受試者仍然感到不適，因而主張尖銳的高頻音並不是造成不適感的主因。接續 Halpern 等人在企圖尋求答案時，意外發現刮黑板的聲音頻譜圖跟靈長類猴子的警告叫聲非常相似，因而大膽推測這個不適感並非高頻音造成的，而是源於人類祖先的記憶。

人類對特定頻率區間的聲音感知最敏感，加上跨感官的連結，讓人聽到某些音就不適

可惜，到底是不是來自老祖先的智慧傳承，這點未獲得後續研究的支持。另一方面，Kumar 等人（2008）進一步以聲學分析探究是否是因特定頻率導致聆聽的不適感時，發現聲音中涵蓋 2500-5500 赫茲這個頻率區間的聲學頻率似乎特別容易引起聽者的不適感 [2]。

他們推測這可能是因為這個頻率範圍的聲音感知上最為強烈，同時也具有最高的能量，因此使得聽覺系統特別對這些頻率的聲音敏感。

但是，我們平常聊天談話中也涵蓋了這個頻率範圍的聲音，除了頻率之外，是不是還有其他因素造成對某些聲音的不適感呢？

Ro 等人（2013）發現當聽到聲音時，聲音進入大腦的聽覺皮質同時，會傳遞訊號到觸覺感官系統，啟動了觸覺感官，讓聽者聽到聲音時，「感覺」到自己的皮膚彷彿被指甲刮的刺痛感 ^[3]。

聽聲音會啟動身體觸覺感官系統並非只存在刮黑板這類聲音，有些人在聽到音樂聲，像是聽到低音貝斯的聲音時，也會感覺到自己的身體也在震動，甚至感受到皮膚的不適感 ^[4、5]。

也許因為這個跨感官的訊號傳遞，讓身體的其他部位也出現不適的感受，才會讓聽者對於這些聲音感到不適。

當感知到令人不適的聲音，杏仁核會依據習得經驗，決定是否啟動保護機制！

Zald 與 Pardo（2002）發現當聽到讓人感到不適的聲音刺激時，大腦中的杏仁核（amygdala）會高度活化 ^[6]，而杏仁核在大腦中負責掌控恐懼、焦慮、害怕等負面情緒，換句話說，當聲音訊息抵達杏仁核時，它會誘發情緒反應，進而導致我們做出不同行為反應 ^[7]。

杏仁核的啟動是大腦的一種保護機制，透過過往的經驗連結學習會對讓人不適的聲音發出警報^[8] ，當聽者遇到可能危及安全的聲音時，杏仁核就會發出警報。

例如，當聽到車子緊急剎車的聲音時，這個聲音傳送到杏仁核，會進而引起我們想要逃離的反應，或者產生對駕駛者行為的憤怒反應。

由於杏仁核在聆聽這些聲音時會高度活化，Kumar 等人（2012）進一步試圖了解在聆聽令人不適的聲音時，杏仁核在大腦中扮演著怎樣的角色，以及聲音資訊如何被傳遞到杏仁核。

他們的研究結果顯示，聲音刺激會最先傳送到聽覺皮質（auditory cortex）進行聲學訊息處理和分析，解碼聲音所代表的意義，例如，聽到「ㄍㄧ」的剎車聲，解碼出來的是來自汽車或者腳踏車的剎車聲。聽覺皮質處理完畢後，將資訊傳遞到杏仁核，當杏仁核接收到來自聽覺皮質的訊號後，依據這些訊息及過去經驗發出警報 ^[8]，誘發恐懼、焦慮或憤怒等負面情緒，並可能促使進一步的行為反應，像是尖叫、摀住耳朵，或逃離現場。

舉例來說，如果是汽車的剎車聲，基於過去的經驗，可能存在危險，因此可能會誘發恐懼情緒，並引發立馬逃離現場的行為舉動。

然而，如果解碼後的聲音是腳踏車的剎車聲，根據過去的經驗，可能不會有危及生命的危險，因此即便會觸發閃躲的動作行為，但負面情緒可能不如汽車剎車聲來的強烈，可能只會憤怒的罵騎車的人不長眼。

聽到某些聲音，讓人立馬想逃或想戰，也許這個過往的經驗是來自遠古時代祖先的傳承，但更可能是因為聽到這些聲音時，觸覺感官系統被啟動了，身體上「感覺」到不適，所以當不適的聲音再次出現時，杏仁核的活化反應就更增強，讓我們除了單純的接收到聲音之外，也產生了身體及情緒上的反應。

參考文獻

1. Halpern, D. L., Blake, R., & Hillenbrand, J. (1986). Psychoacoustics of a chilling sound. Perception & Psychophysics, 39, 77-80.
2. Kumar, S., Forster, H. M., Bailey, P., & Griffiths, T. D. (2008). Mapping unpleasantness of sounds to their auditory representation. The Journal of the Acoustical Society of America, 124(6), 3810-3817.
3. Ro, T., Ellmore, T. M., & Beauchamp, M. S. (2013). A neural link between feeling and hearing. Cerebral cortex, 23(7), 1724-1730.
4. Koenig, L., & Ro, T. (2022). Sound Frequency Predicts the Bodily Location of Auditory-Induced Tactile Sensations in Synesthetic and Ordinary Perception. bioRxiv.
5. Lad, D., Wilkins, A., Johnstone, E., Vuong, Q.C. (2022). Feeling the music: The feel and sound of songs attenuate pain. British Journal of Pain, 16(5), 518-527. 
6. Zald, D. H., & Pardo, J. V. (2002). The neural correlates of aversive auditory stimulation. Neuroimage, 16(3), 746-753.
7. LeDoux, J. E. (2000). Emotion circuits in the brain. Annual review of neuroscience, 23(1), 155-184.
8. Kumar, S., von Kriegstein, K., Friston, K., & Griffiths, T. D. (2012). Features versus feelings: dissociable representations of the acoustic features and valence of aversive sounds. Journal of Neuroscience, 32(41), 14184-14192.