像極了義大利！生得少，活得長，我們的老年誰來顧？

• 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。

人類如何發展成多元族群？

自從三十萬年前智人在非洲現身，多元化便幫助人類適應非洲各地不同的環境。這期間大部分時候，適應成功漸漸產生更好的獵人和採集者，使食物供給增加，人口明顯上升。

之後每個人可享有的生存空間和自然資源減少，早在六萬至九萬年前的某個時間，智人開始大規模出走非洲大陸，尋找更多肥沃的生存土地。由於這種外移過程有連續性，便自然產生一種相關：定居的地方離非洲越遠，人口多元化就越低。智人離開非洲越遠，其社會的文化、語言、行為、體格多元化程度就越低。這種現象反映著連續始祖效應（serial founder effect）。

什麼是「連續始祖效應」？

假設有個島上，住著五種主要品種的鸚鵡：藍、黃、黑、綠、紅，牠們在島上適應存活的能力相當。當颱風來襲，有幾隻鸚鵡被吹到很遠的荒漠小島。這一子群鸚鵡不太可能涵蓋所有五個品種。假定牠們以紅、黃、藍居多，不久滿布新島上的幼雛將遺傳牠們的毛色。於是新島上形成的鸚鵡群就不及原棲息地的多樣化。要是後來又有很小一群鸚鵡，從第二島移往第三島，這一群的多樣化更不及前二島。所以只要鸚鵡從母島移出的速度快過原島上可能產生突變的速度，則牠們（相繼）移得越遠，就越不多樣。

人類移出非洲也是類似模式。起先有一群人離開非洲，定居在附近肥沃地帶，他們只帶走非洲母體人口多樣化的一部分。等這群最早的移民成長到新環境無法支撐他們再擴大，便會有一群人離開，去尋找別的處女地，定居在更遠的地方，其多元化將更低。人類向非洲以外散布，以致各洲都有人類蹤跡的這段期間，同樣的過程一再重複：人口增加，新群體再移出，去追尋更綠的草地，但多樣化僅及母體人口的一部分。

儘管有移民改變方向，這顯而易見，不過這種移居模式的影響是，離開非洲來到西亞的人群不像原本在非洲的人口那樣多樣化，其後代又繼續向東移往中亞，最後來到大洋洲和美洲，或是向西北移往歐洲，多其樣性也越來越比不上留在原地的人。解剖學上的現代人類，從非洲的搖籃向外擴張，為世界各地文化、語言、行為、形體多元化的程度不同，刻下深刻且不可磨滅的印記。

這種與非洲離得越遠、人口整體多元程度就降低，部分反映在較遠的在地民族基因較不多樣化上。根據對二百六十七種不同人口做基因多元化的比較測量，這些人口大都可找出原屬的本土族群和地理上的發源地。結果很明顯，距東非最近的本土族群基因最多樣化。多樣化最低的是中南美洲的本土族群，他們從陸路移出非洲的距離最長。多元化與移出東非的距離成負相關，這種模式不僅出現在各大洲之間，在各洲內部也是如此。

體質與認知人類學領域提供更多這種證據。研究人體體型的特徵，比方與牙齒特徵、骨盆特徵、產道形狀相關的骨骼架構，以及研究文化特徵，例如不同語言的基本詞語單位（「音素」〔phonemes〕），都證實有源自東非的連續始祖效應存在；同樣是距東非越遠，體形和文化特徵的多樣化越低。

人口多元化表現的形式是多方面的，若要適當探究整體多元化程度對國家經濟繁榮的影響，當然需要比基因學家和人類學家所提供的更廣泛許多的測量標準。此外，這標準也需要獨立於經濟發展的程度之外，以便用於評估多元化對國家財富的因果效應。這會是什麼樣的測量標準呢？

測量人類多樣性的標準是什麼？

測量人口多元化慣用的標準，往往只擷取人口中族裔或語言群體的比例代表。這類標準因此有二大缺點；一是某些族裔和語言群體的關係較密切。由等比例丹麥人和瑞典人組成的社會，或許不如由等比例丹麥人和日本人組成的社會那麼多元。另一缺點是，族裔和語言群體的內部也不盡然完全同質。全由日本人組成的國家與全由丹麥人組成的國家，多元化程度不見得相同。事實上，族裔團體內在的多樣性通常比不同群體間的多樣性要大上十倍。

因此要全面測量一國人口的整體多元化，至少應當再多加二個多元化的面向。一是族裔或次民族群體內在的多元化，如美國的愛爾蘭裔和蘇格蘭裔人口。其次是比對任一組族裔或次民族群體之間的多元化程度，例如，比起美國的愛爾蘭裔和墨西哥裔人口，愛爾蘭裔和蘇格蘭裔的文化較為相近。

鑑於移出東非的距離與可觀察特質的多元化之間存在緊密的負相關，這個遷徙距離可用於代表地球上每個地方的歷史多元化程度。我們依據各地人口的祖先與遷徙出非洲的距離有多遠，可以建構推算今日各國人口整體多元化的指數，列入考量的包括 (1) 國內各次群體的祖先人數多寡；(2) 依據各次群體的祖先走出東非時遷徙的距離，來推測其多元化；(3) 每一次群體配對後，由兩方祖先和地理發源地的遷徙距離來推算多元化程度。

這樣用統計學測量來推算多元化水準有二大優點。一是史前遠離非洲有多遠，顯然完全與當今的經濟繁榮水準無關，所以這種測量法可用於估計多元化對生活水準的因果效應。其次是如上文所強調，有越來越多體質與認知人類學領域的證據顯示，遠離非洲的遷徙距離深深影響到許多表現在身體及行為上的特質的多元化；所以我們有把握，用這種測量法推算的多元化類別會產生社會結果。

要是用這種指數測量多元化不精準（採隨機方式進行），原因比方說是未能適當考量各洲的內部移民，則根據統計學理論，我們多半會因此否定、而非確認多元化影響經濟繁榮的假設。也就是說，如果我們犯錯，是因為過於謹慎。

人口特質多元性和能不能賺大錢有關係！？

最後很重要的一點是，我們是針對個別社會的特徵測量多元化。這測量的是某一社會的人口特質有多少不同種類，無論這些特質是什麼，或是不同社會間有什麼差別。因此它不會、也不能用於暗示某些特質比別的特質對經濟成功更有利。反而它可以掌握到某個社會的人口特質多元化，對經濟繁榮有何潛在影響。事實上，把地理與歷史干擾因子納入考量，遠離非洲的遷徙距離本身似乎並未影響全球各地如身高體重等特徵的平均水準。它主要是影響群體中的個人與平均水準的差異。

有了這強有力的測量法可測定每一群人口的整體多樣性，我們終於可以探究數萬年前遠離非洲的大出走，以及它對人類多元化的影響，是否如此源遠流長，以致居然還能左右當前的全球生活水準。

———本書摘自《人類的旅程》，2022 年 10 月，商業周刊，未經同意請勿轉載。

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪編輯｜劉芝吟
• 美術設計｜林洵安

從婚育文化看臺灣的低生育率

1950 年代，臺灣每位婦女平均生育數曾高達 7 人，但近年生育率卻呈現雪崩式下滑，一再探底。為何生育率好似青春小鳥，一去不回頭？「研之有物」專訪中研院社會學研究所鄭雁馨副研究員，她透過數據與生育指標指出，臺灣生育困境並非來自年輕夫妻只生一胎，而是因為未婚人口持續上升，低生育率的背後，與東亞的家庭和婚育文化密切相關。

重視家庭、強調傳承，東亞生育率為何持續探底？

「新生兒再創新低」、「生育率全球最低」，臺灣生育率警訊年年登上新聞。多年來，政府從育嬰假、生育津貼、第二胎獎勵等各式政策輪番端上桌，但生育數據卻似乎鐵了心，一去不回頭。

年輕人為什麼不生孩子了？許多人直指低薪、高房價、工時過長，中研院社會所副研究員鄭雁馨則把焦點轉向文化與傳統價值，她直言：「經濟結構有它的影響力。但我認為，放到東亞文化脈絡來看，低生育率和家庭性別文化脫不了關係。」

在美國主修社會學與人口學的鄭雁馨，五年前開始投入生育議題的量化研究。她發現過去三、四十年，臺灣的家庭模式經歷劇烈變化，晚婚日趨普遍、同居逐漸不再是禁忌，但同時許多傳統價值依然延續，例如香火傳承、孩子必須在婚姻關係中出生。

鄭雁馨運用戶政資料和社會調查進行人口研究，爬梳數據背後的婚育圖像，試圖從更廣泛的文化視角，探究低生育率的根本構成。

「臺灣與東亞各國的狀況非常相似，經濟發展已高度現代化，但父權文化和家庭主義盛行，長輩對年輕人成家仍有很強影響力。我們需要從東亞文化的角度出發，來分析生育率議題。」

平平都是生育率，有什麼不一樣？ 拆解 PTFR、CTFR

東亞家庭與性別文化，交織出臺灣特殊的生育圖像。一大特色是：相較於西方多數國家，臺灣的生育率持續走低，沒有「回血」的跡象。

媒體報導常提及的探底生育率，指的是「時期生育率」（Period Total Fertility Rate, PTFR）。以 2020 年為例，計算方式是：將 1971-2005 年次各年齡的女性生育率加總起來推算，如果女性依循這一系列年齡別生育率，度過可生育階段（15-49 歲）後會有幾個孩子，以此推估婦女一生的平均生育數。

這項指標方便快速，能立即呈現生育景況，不過也有盲點。由於計算方式混合了 35 個世代，一旦社會急速變遷，大量女性晚婚晚育，讓 15-30 歲的生育率明顯大幅下降， PTFR 便會被低估而失真。

「PTFR 適合用來比較全世界的生育概況，描繪出鉅觀的圖像。但是若一個社會經歷劇烈變化，要精準地分析生育狀況與診斷低生育率成因，世代生育率（CTFR）是比較可靠的指標。」

「世代生育率」 （Cohort Total Fertility Rate, CTFR ）不受生育步調的影響，但必須等到女性年滿 49 歲 （或至少滿 45 歲） ，才能計算出同一世代的女性實際平均生育數。

當女性地位提升後，開始大量接受高等教育、進入職場，生育年齡因而逐步後延，會讓時期生育率（PTFR）顯著下滑⸺這是已開發國家都曾走過的路。例如， 20 世紀瑞典生育率從 3.6 到世紀末腰斬至 1.5。不過如同少部分高生育率的西方國家，瑞典 CTFR 一直維持在平穩的兩個小孩，PTFR 雖然看似下降，CTFR 卻能撐住在替代水準，主要是那些「行程 」延後的瑞典女性最後都有加入生育行列 。

這個現象來到東亞，卻明顯不存在！

比對臺灣這兩項生育率指標，自 2000 年初以來，PTFR 已近二十年低於 1.5，香港、南韓和日本同樣低迷，始終看不到生育率回補逆轉。進一步觀察 1950-1979 年出生者的 CTFR，東亞是全世界極少數持續下滑的地區。

主要原因是：15–30 歲延後未發生的大量生育率，在 30–45 歲回補力道不足，造成 PTFR 和 CTFR 雙雙下跌。其中關鍵，便在於日益增多的各年齡層未婚人口！

年輕夫妻不想生？低生育率關鍵：未婚人口越來越多

「 同時參照 PTFR 和 CTFR，才能掌握低生育率的真實結構，進一步分析為何臺灣或東亞生育率無法回補。 」鄭雁馨強調。

在東亞各國，未婚人口對生育率的影響異常關鍵，因為東亞的一大婚育特色是：孩子必須出生在婚姻關係中。以臺灣來說，非婚生育僅 2～4%，數十年不動如山。獨特的「婚育包裹」文化，讓不結婚幾乎等同不會生孩子，因此分析世代總生育率（CTFR）、並對照未婚率，便能拆解生育率的結構。

那麼比對數據，究竟是「誰」不生孩子了？

1965 年之後出生的女性，同一世代生育率開始低於兩人。然而，一直到近年，已婚婦女的平均生育數依舊達到兩人，世代生育率下滑，其實是因為越來越多人沒有結婚。以六年級中段班（1975 年出生）為例，世代生育率為 1.6 人，但已婚人妻平均生育兩名子女，細究來看，原因是有 20% 未婚女性。

「 一窩蜂只關注時期生育率（PTFR）超低，很容易陷入盲點，通通鎖定在『大家不想生孩子』。實情是，多數夫妻婚後都會生育，甚至逾七成生到兩胎以上。」

換言之，低生育率的關鍵密碼並非不生孩子，更可能是：還沒結婚。

當越來越多人不只晚婚，且最後根本沒有走入婚姻，在東亞文化背景下，也意味著關上了生育大門，西方常見的生育率延後回補，因此失靈。

翻倍增加的單身男女

1980 年代以前，「不結婚」這個人生選項鮮少出現。若三字頭還是孤家寡人，左鄰右舍、叔伯阿姨早已爭相出手牽紅線。 當時，40 歲仍未婚的比例不到 5%。

如今，大齡單身男女不再鳳毛麟角， 45-49 歲仍未婚的比例已近二成。鄭雁馨參與的國際研究團隊從模型推估，到了 2050 年，臺灣 40-49 歲男性未婚比例很可能將超過 30%、女性超過 25%。換言之，假設非婚生育仍不被主流文化接受，幾乎也就預告了生育率一路下滑的劇本。

想要打破冰凍三尺的生育率，進一步理解這些未婚者的生命狀態，至關重要。「如果因為負擔不起成家壓力，提升薪資水平、生育補助或許有效；如果多數人是不婚主義，經濟政策自然無濟於事。」

為何她／他們還沒結婚？傳統婚育的壓力

結婚不好嗎，為什麼這麼多人選擇另一條路？他們是堅持不婚？渴望成家卻找不到另一半？受限經濟壓力不敢「婚頭」？或者，想有孩子但不想結婚？

從臺灣社會變遷調查來看，越年輕的世代，越傾向不把婚姻視為人生必選題，認同「未婚也能幸福和享受生活」的比例呈上升趨勢，「敗犬」標籤慢慢被「一個人也很精采」取代。

然而，許多單身者其實並非是不婚主義者。根據 2013 年主計處調查，未婚女性裡學歷越高、結婚意願越強，而且 45-49 歲仍有兩成考慮成家。那麼，她們單身的原因又是什麼？

除了學生族群以外，「尚未遇到適婚對象」在各年齡、學歷都壓倒性勝利，尤其以大專以上最明顯。顯然，並非徹底拒絕結婚，而是難以找到共度人生的「牽手」，是不少單身女性的難題。雖然結婚和生育是兩個人的事，但弔詭的是：社會調查很少詢問男性未婚的原因，所以其生命處境是否與女性相似，仍亟待研究。

「許多人傾向結婚，但沒有找到合適對象。關鍵在於社會高速發展後，新世代對婚姻、家庭角色的期待轉變，而與傳統文化發生衝突，這就形成了婚育配對的困難。」鄭雁馨分析。

半世紀以來，臺灣的政治、經濟飛躍性成長，躋身先進國家。女性的教育、就業與社會成就，不斷突破傳統限制，公領域裡女力崛起，但目光移轉至家庭與文化價值，傳統父權力道的鬆動遠不如預期。

拚兒子是其中一個例子。

在臺灣胎次越高，新生兒性別比例的失衡越嚴重。當媽媽拚到第三、四胎，經常承受非男孩不可的香火壓力，「性別篩選」成為不能說的秘密。對照 2006 年與 2016 年東亞社會調查，儘管已相隔十年，臺灣男性認為「至少要生下一個兒子來傳宗接代」，始終有堅定不移的 44% 。

家務分工是另一個東亞共同性別文化。時至今日，臺灣婦女依舊負擔近八成的家務，家事、小孩一肩扛。但即便丈夫想共同育兒，性別環境的土壤也未必足夠厚實。

北歐廣泛使用的雙親育嬰假，移植到臺灣，2017 年統計 76% 媽媽申請育嬰假，但爸爸僅 8%。除了傳統文化通常預設母親是優先照顧者，兩性的薪水差異，也讓爸爸休假帶孩子，必須同時承受經濟成本與傳統文化的雙重壓力。

「我們的性別平等改革，在教育、就業率表現很高。相對來說，文化層面的變化沒那麼明顯，包括婚育、家庭關係，這是東亞文化圈的共性。」鄭雁馨分析。

因為家庭關係緊密，長輩對下一代婚姻具有高度影響。新好媳婦除了上網「靠北婆家」，回到現實世界，多半仍得努力和長輩們磨合。這也意味，在講求孝道與家庭主義的社會，家庭內的傳統性別文化更難動搖。

種種盡在不言中的文化規範，交織出一片無形的婚育壓力，也形成兩性對婚姻家庭的期待落差。

對高社經背景的女性而言，走入家庭、養育照顧孩子，要付出比男性更高的機會成本，可能間接延緩兩性結婚的時程。

大齡女子想結婚？沒那麼容易

走入婚姻，需要直面傳統文化壓力，但單身者卻也可能被同一套價值，無情拒於門外。

鄭雁馨研究發現，二字頭的未婚男女，未來結婚的機率兩性相差不大；但若到了 35-39 歲，往後十年，女性結婚的機率就遠比男性下降許多。

研究突顯了殘酷的社會現實：

在婚姻市場裡，大齡是女性的「被扣分項」。背後不僅隱含父權文化對性別角色、形象的期待，另一個關鍵原因仍是生育——好不好生、生得好不好，經常被歸責在母親身上。

鄭雁馨直言：「十幾年來，我們的公衛體系依然不斷強調『34 歲以前是黃金生育年齡』，而且主要針對高齡女性。但現實是，整個社會有一半女性 （和男性）此時還沒有進入婚姻，但她們已經被貼上不好生的標籤。」

隨之而來，也是她們在婚姻市場上將面對的歧視與擇偶困境。事實上，高齡生育風險不僅存在女性身上，越來越多流行病學研究也指出高齡爸爸對母親生育的影響，但我們的社會選擇忽視後者而強調前者。

更多實證研究，更友善彈性的婚育文化

當社會結構急速轉變，家庭與文化價值變動緩慢，齒輪時不時被卡絆，凍結的人口成長有機會回溫嗎？

「我們必須認清，人口萎縮是必然的。」鄭雁馨認為，生育率下滑已非一日之秋，現階段只能減緩速度。綜觀來看，已婚夫妻的生育狀況並不悲觀，了解結婚率下滑的原因是較直接的目標。但相較於日本早已進行系統性研究，臺灣對未婚圖像的掌握始終蒼白貧乏。

「如果高生育率奠基於昔日女性必須犧牲受教和就業權，人生只有育兒持家一個選項，那當代的低生育率或許沒什麼不好。」鄭雁馨直言：「但如果很多女性想成家卻無法實現，政策應該更努力解決，包括未婚而想當父母的人，我們能否有更彈性開放的思維，達到生育自主。」

有多少人渴望成家？有多少人因為低薪高房價，不敢組成家庭？又有多少單身者只想要孩子？更多細緻的實證研究，是思考生育政策的重要基礎。

持續推動友善、支持婚育的性別平權社會，更是根本。「歐洲經驗告訴我們，家戶內的性別平等如果沒有跟上，整體生育率就很難提升。」鄭雁馨這麼說，

「育兒需要成為一整個村莊、社會、國家的事，而不是女性理所當然的天職。」

延伸閱讀：

• 媽媽我不想努力了！想多生一個？研究顯示：爸爸先當「神隊友」，研之有物
• Yen-hsin Alice Cheng, 2020, “Ultra-low Fertility in East Asia: Confucianism and its discontents”, Vienna Yearbook of Population Research, 18
• Albert Esteve, Ridhi Kashyap, Joan García-Román, Yen-hsin Alice Cheng, Setsuya Fukuda, Wanli Nie, and Hyun Ok Lee, 2020, “Demographic Change and Increasing Late Singlehood in East Asia, 2010–2050”, DEMOGRAPHIC RESEARCH, 43
• 鄭雁馨、許宸豪，2019，〈臺灣超低生育率的迷思與現實〉，巷子口社會學
• 鄭雁馨，2019〈關於女性生育的二三事：高教﹑遲育與外配〉，巷子口社會學