老天，我真不敢相信這則新聞是真的！但你已經信了

• 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。

科學，一種帕斯卡賭注

如果一個科學主張會對社會、政治或個人造成影響，那在衡量它時，就必須多考慮一個問題：如果錯了會怎樣？接受一個主張最後卻發現它是錯的，有什麼風險？拒絕一個主張而最後發現它是對的，又如何呢？

如果知道服用避孕藥的風險，一位健康女性就可以在憂鬱出現時即時停藥。避孕藥引發的憂鬱通常很快就會消失，對許多女性來說這樣的風險還算輕微，值得一試。同樣地，牙線很便宜，使用牙線每天只需要幾分鐘，如果最終發現沒什麼用處也不會有太大損失。但某些議題就沒那麼簡單了。

想想人為氣候變遷，儘管相關科學研究已經持續了五十年，累積了上萬篇同儕審查的科學論文、數百篇政府及非政府組織的報告，許多美國人仍懷疑氣候變遷的真實性及人類在其中扮演的角色。總統、國會議員、企業領袖、《華爾街日報》的社論都曾表示懷疑，拒絕相信好幾個世紀以來充分發展的物理理論，以及海平面上升和頻繁極端氣候事件等經驗證據。另外有些人則認為，儘管人為氣候變遷真的有發生，但不會造成太大影響，甚至是件好事。

做為一位科學史學者，我知道能量有限理論、優生學、激素避孕藥的歷史，也知道要判斷使用牙線是否有益十分困難，最重要的是我知道地質學家在衡量大陸漂移理論時受到了政治理念影響。我從未預設我們相信科學永遠合理，或通常是合理的，我一直認為這個問題很棒：科學主張的基礎為何？我們應該相信科學家嗎？

信任科學非常重要，但科學家不能期待大眾單憑信任就接受他們的主張。科學家必須解釋他們如何做成這些主張，並承認他們有可能因為忽略或蔑視某些證據而犯錯。如果有人合理指出某些證據被漠視或不合比例的強調，無論這個人是科學家、業餘專家、記者還是飽學的公民，都該考慮他的想法。科學家必須保持開放，明白他們有可能犯錯或忽略某些重要的事情。重點在於，無論科學家有多麼聰明正直，我們相信的都不是科學家，而是相信科學做為一種社會過程，能夠嚴謹地檢驗科學主張。

有些科學結論已經發展完整，不再有人提出合理的懷疑；有些理論則是早就被推翻了。上述論點並非在說科學家應該繼續投入時間與精力，反覆證明或推翻這些結論。如同孔恩在超過半世紀前所討論的，如果說科學可以說是一種進步，那是因為科學家知道怎樣達成共識、往下一步邁進。針對大陸漂移理論的辯論，是在新一代科學家找到了一系列更切中要害的證據後才重新開啟的，這可說是該案例中最突出的一個面向。

我們可以用帕斯卡的賭注來說明這個問題。無論一項科學知識發展得有多完整，無論專家共識有多強大，永遠還是會有不確定之處。因此每當有人挑戰科學知識（不管是出於什麼原因），我們都可以先學帕斯卡這樣問：如果這項科學主張最後證明是對的，忽視它會有什麼風險？相較之下，因應這項主張而行動，但最後發現它是錯的，代價又是什麼？ 不用牙線的風險真實存在，但不至於太嚴重；對氣候變遷的科學證據視而不見，代價則太高昂了。

不可諱言，提倡優生學社會政策的人也認為不施行這些政策會帶來極大的風險。當然那只是他們對科學證據的解讀，而如我們所見，這些證據該如何解釋，並未有共識達成。這裡我們又要回頭強調共識。如果可以證明相關領域專家並未達成共識，那公共政策的基礎顯然十分薄弱。這也是為什麼菸草公司長久以來，一直嘗試宣稱科學認為菸草會帶來危害這件事其實沒有那麼確定。如果真的是這樣，他們說菸草管制過於倉促就是對的。同樣地，如果人為氣候變遷還沒達成科學共識，石化產業和自由主義智庫要求更多研究，就是正確的。因此共識研究關係重大，知道共識存在無法讓我們知道該如何面對氣候變遷，但可以告訴我們問題確實存在。

如果確定相關領域的專家已達成共識，下一步呢？我們可以充滿信心地接受他們的結論，以此當作決策依據嗎？我的答案是有條件的肯定。可以，條件是社群有理想運作。這個條件很重要，如同溫恩所說，如果科學想要得到尊重與信賴，那麼「在組織型態、管理方式、社會關係等方面擁有優良的制度，就不只是為了讓科學進入大眾生活而作非必要的渲染，而是批判性社會文化評估的必備元素。」

科學史顯示社群不見得能如理想般達到開放、多元、確實執行轉化型質問，而且通常都做不到（不過沒達成這些理想，影響也不一定會很深刻，有時甚至難以察覺）。歷史學家史塔克指出，美國國家生命倫理委員會建議在審查以人類為實驗對象的研究時，委員會至少要有四分之一成員不隸屬執行該研究的機構，但這個目標很少達成。

我們要如何知道科學社群夠不夠多元、有沒有做到自我批判、讓另類意見有機會發聲？尤其是研究進行初期，有潛力的方法不該太早被否定。我們該如何判斷制度好不好？這裡沒有統一標準。很多科學家對大陸漂移的想法錯了，這不代表現在另一群科學家對氣候變遷的想法也錯了，他們可能對可能錯，我們不能預設立場。

除了檢查高素質的專家社群有沒有達成共識，我們也可以問：

社群中的科學家能接受不同觀點嗎？社群成員是否能代表廣泛的觀點，有不同的想法、理論取向、方法學偏好和個人價值？

是否使用不同的方法和多樣的證據？

不同的意見有沒有機會發聲、被充分考慮和看重？

社群是否對新資訊開放？能否自我批判?

在年齡、性別、種族、族群、性向、國家等面向上，社群的組成是否多元？

最後一點需要進一步解釋，科學訓練的目的是要限制個人偏見沒錯，但所有已知證據都顯示我們沒做到這點，而且可能真的很難。個人偏見很難避免，但可以透過多樣化來校正。不過，真的需要在人口組成上多元，才能讓觀點多元嗎？

關於這個問題最好的答案，是人口多元很接近觀點多元，甚至可以說是能夠促成該目標的手段。一群白人、中年、異性戀男性可能對許多議題看法分歧，但他們也會有盲點，例如在性別或性向上。在團隊中加入女性和酷兒是一個辦法，讓更多本來可能錯失的觀點被納入考量。

這是觀點知識論的基本論點，主要由哈定提出（見第一章）。我們的觀點很大程度取決於生活經驗，比起有男有女的社群，一個全由男性（在觀點知識論上則是全由女性）組成的社群，經驗可能比較狹隘，觀點也可能因此比較狹隘。商業世界有證據支持這點，針對職場性別多樣性的研究顯示，女性加入領導階層有助於公司獲利，但只限於一定比例：60%。如果公司領導階層全部或大部分是女性，這種「多元紅利」就會開始降低。這也的確符合以上論點。

前面提到的問題其實並不容易做到，但如果任何一點沒有做到，通常很容易就會被發現。更常見到的是社群中的某些人性格傲慢、心胸狹窄、自我膨脹（這些實在太常出現了！），但社會學觀點的知識論認為個人的影響不大，重要的是團隊整體足夠多元，公開討論的管道暢通，新證據和新想法有機會傳播。

哲學家道格拉斯論證過，當科學結論帶來的影響不在知識層面，而是關係到道德、倫理、政治或經濟，就無法避免價值觀在不知不覺中影響我們對證據的判斷。（例如自由派可能會比較快接受氣候變遷的科學證據，因為這代表政府可能要干預市場運作，而他們對這點接受度較高。）

因此，一個議題影響社會愈深，研究它的社群就更必須公開且多元。 不過有時候某些議題看似單純、只是知識問題，實際上卻不是。科學家可能會說他們純粹在討論問題的知識面，但實際上不是。這表示無論是什麼議題，科學社群都需要留意多元和開放程度，對新想法保持開放，尤其是得到實證證據支持的想法，或嶄新的理論概念。

例如可以在決定經費補助對象或審查論文時，多加考慮新穎的想法。包容新穎想法最後發現它錯了，應該還是好過因為批判而錯過好的想法。很多科學家非常強調在面對知識時應該表現出嚴厲的態度，實際上還可能流於粗暴，這可能在無意間造成同行不願多言，特別是年輕、害羞或缺乏經驗的科學家。嚴厲很重要沒錯，但保持開放可能更重要。

We have been authorized by Princeton University Press to use this conten. 該內容由普林斯頓大學出版社授權使用

實驗發現：在酒吧帳單上附上印了笑話的卡片，客人小費給得特別多；在酒類專賣店，客人聽到古典樂時所買的酒，平均比聽到流行樂時買的酒貴三倍；電視播放名人重量級拳擊賽後隔週，謀殺率通常都會增加。

我們一出生就獲得一個名字，多數人就這樣用了一輩子。不過，有些影響我們思考與行為的因素比較隱約，有時候甚至一句話、一段音樂或一個新聞標題都能影響我們。我們不需大費周章就能改變人的思考、感覺與行為方式。

最近全球知名的學術刊物《人格與社會心理學期刊》（Journal of Personality and Social Psychology）刊出兩項研究，完美闡述了這個概念。

數秒鐘內的改變

第一個研究是由紐約大學的約翰．巴爾（John Bargh）與同仁進行，他們請受試者把幾個字湊成的字串，重新排列成語意連貫的句子，其中一半受試者拿到的字和老年人有關，例如「man’s was skin the wrinkled」，另一半受試者也是拿到同一組字串，但以另一字取代和老年有關的字，例如「man’s was skin the smooth」。

受試者排好句子後，實驗者就跟他們道謝，並指引他們去搭最近的電梯，受試者以為實驗結束了。事實上，重頭戲才正要開始而已。

第二位實驗者拿著碼錶坐在走廊上，受試者一走出實驗室，實驗者就開始計算他穿過走廊走到電梯的時間。剛剛排字時有排到老年相關字眼的人走得比較慢，光是看到 wrinkled（皺紋）、grey（灰色）、bingo（賓果遊戲）（老年人較常玩這個遊戲）、Florida（佛羅里達州）之類的字眼幾分鐘，就已經完全改變他們的行為方式。那幾個字在不知不覺中「增添」了他們的歲數，讓他們如老人般緩步。

荷蘭奈美根大學的艾波． 狄克斯特霍伊斯（Ap Dijksterhuis）與艾德．凡．尼培貝（Ad van Knippenberg）也做過類似的實驗，他們要求一群受試者花五分鐘寫下幾句和瘋狂足球迷的行為、生活形態與外貌有關的敘述，也請另一群人寫下幾句和教授有關的句子。接著他們問每個人四十題益智問答，例如：「孟加拉的首都是什麼？」、「哪一國舉辦 1990 年的世界盃足球賽？」等等。剛剛花五分鐘思考瘋狂足球迷樣子的人可以答對 46％ 的問題，剛剛思考教授樣子的人可以答對 60％ 的問題。大家在不知情下，光是思考瘋狂足球迷或教授的刻板印象就可以大幅改變自己。

小費給多少？心情比較重要

在比較人工化的實驗室裡，這一切看起來都很明顯，但是在真實世界裡，同樣的效果也會影響人的行為嗎？

美國人每年在餐廳留下的小費金額高達 260 億元，你可能以為小費的多寡和食物、飲料或服務有關，但是在全球各地酒吧與餐廳秘密進行的研究，顯現出真正決定小費多寡的隱藏因素。心情在過程中扮演重要的角色，愉悅的用餐者會給較多的小費。在一項研究中，法國餐館要求員工給顧客帳單時，順便附上一張小卡片，卡片上有一半是當地夜店的廣告，另一半則印了以下的笑話：

一位愛斯基摩人已經在戲院門口等候女友很久了，外面氣溫愈來愈低，隔了一會，他冷得發抖，氣得打開外套取出體溫計，他大聲說：「降到十五度她還沒來，我就走了！」

收到笑話的客人笑得比較開心，給的小費也比較多。

研究人員的實驗一再證實快樂與小費多寡的關係。服務生在帳單下方畫上笑臉或寫下「謝謝」，或是對顧客展露明顯的笑容時，都可以得到較多的小費。外頭陽光照耀或服務生告訴客人外頭是大晴天時，客人給的小費也比較多。有些研究也發現，服務生以小名自稱或以客人的名字相稱時，也會讓小費大幅增加。

另外還有觸摸的力量。艾普洛． 克魯斯科（April Crusco）在論文〈點金術：人際觸摸對餐廳小費的影響〉（The Midas Touch: The Effects of Interpersonal Touch on Restaurant Tipping）中說明她如何訓練兩位女服務生在給客人帳單時，觸摸他們的手掌或肩膀一秒半。這兩種觸摸方式都可以比沒碰到的方式獲得更多的小費。觸摸手掌的效果又比輕拍肩膀的效果好一些。

高貴的感覺

給服務生與酒吧工作人員一點小錢是一回事，但是這種隱約的作用也會讓人付出比較高額的金錢嗎？

1990 年代，德州理工大學的研究人員查爾斯．艾能尼（Charles Areni）與大衛．金恩（David Kim）有計畫地改變市區美酒專賣店裡播放的音樂，他們讓一半客人聽莫札特、孟德爾頌、蕭邦的音樂，讓另一半客人聽佛利伍麥克合唱團（Fleetwood Mac）、羅伯．普藍特（Robert Plant）、匆促樂團（Rush）等等流行樂。實驗人員喬裝成補貨的店內助理，觀察顧客的行為，包括他們從架上拿下來的瓶數、是否閱讀標籤、最重要的是他們購買的瓶數。

實驗結果令人驚訝，音樂並不影響客人待在酒窖裡的時間長短，以及他們檢視或購買的瓶數，但是對某方面卻有極大的影響：買酒的價格。客人聽到古典樂時所買的酒，平均比聽到流行樂時買的酒貴三倍。

研究人員認為聆聽古典音樂讓他們在無意中覺得自己比較高尚，促使他們購買較貴的酒。

攸關生死的音樂

有些證據甚至顯示，這類隱約的刺激還攸關生死。

社會學家吉米．羅傑斯（Jimmie Rogers）教授分析一千四百多首鄉村音樂，發現歌詞常提到負面的生活經驗，包括單戀、酗酒、財務問題、絕望、宿命、辛酸、貧困等等。1990 年代中期，韋恩州立大學的史蒂芬．斯戴克（Steven Stack）與奧本大學的吉姆．岡德勒（Jim Gundlach）想知道持續接觸悲觀主題，會不會讓人更容易自殺。

為此，他們觀察全美四十九區的自殺率以及全國電台播放的鄉村歌曲量。排除貧困、離婚、持槍等等其他因素後，他們的確發現廣播電台播的鄉村歌曲愈多，自殺率也愈高。

這些結果聽起來可能令人難以置信，有些研究人員也提出質疑，但是很多研究都證明它的基本前提：

大眾媒體會影響人的自殺決定，其中「維特效應」（Werther Effect）就是一個很好的例子。

大眾媒體下的維特效應

1774 年，歌德出版小說《少年維特的煩惱》（The Sorrows of Young Werther ），少年維特愛上一位已有婚約的女子，維特不願面對沒有她的人生，決定自殺以求解脫。這本書出版後引起廣泛迴響，事實上它在很多方面都太成功了，引發連串的自殺模仿效應，導致歐洲好幾個國家都把這本書列為禁書。

1974 年，加州大學聖地牙哥分校的社會學家大衛．菲利普決定檢視媒體的自殺報導會不會誘發現代的「維特效應」。他一開始先檢視 1947 至 1968 年間美國各地的自殺統計數據，發現頭版的自殺報導平均和另外六十件自殺案件有關。此外，這些自殺案件也是仿效媒體披露的死法，媒體報導自殺的程度和後續發生的自殺件數有直接相關。平均而言，媒體報導兩週內，自殺件數大約增加 30％，名人死訊一經披露，效果更是顯著。例如，菲利普計算 1962 年 8 月瑪麗蓮夢露死後，全國死亡率約增加 12％。

菲利普率先做了這項研究，之後又有四十多份科學論文探討這個主題，促使有些國家開始規劃媒體守則，要求記者不要以聳動的言詞報導自殺的新聞，或是描述自殺的方式。

拳擊賽和謀殺案

菲利普的另一項研究是探討電視播放的拳擊賽與謀殺率之間的關係，他仔細分析全美的每日謀殺率，研究顯示電視播放名人重量級拳擊賽後隔週，謀殺率通常都會增加。如果白人拳擊手輸了，菲利普發現白人遇害的人數增加，但黑人沒變。同樣的，如果黑人拳擊手輸了，黑人遇害的人數增加，但白人沒變。

以上結果整體歸納出一個簡單的事實，我們的想法與感受常在不知不覺中受到其他因素的影響。名字影響我們的自信與職業選擇，光是讀一句話也會影響我們的感覺與回憶。簡單的微笑或微妙的觸摸會影響我們在餐廳與酒吧給的小費多寡。商店裡的音樂會在無意間潛入我們的心靈，影響我們的消費額度。

這些奇怪的影響因素也會左右我們看別人的方式嗎？它們會不會影響我們投票給哪位政治人物，或是判斷別人是否有罪？

——本文摘自《怪咖心理學之史上最ㄎ一ㄤ實驗，用科學揭露你內心的真實想法》，2023 年 2 月，漫遊者文化出版，未經同意請勿轉載。