科學新聞糾察隊：「人類具10秒前預知能力？」

• 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。

如何改變學生對犯錯的看法？

老師或家長能夠採取的行動當中，最有效的就是改變在孩子出錯和答錯時所表現的態度。最近我收到一個令我很感動的影片，是一位老師寄來的，這位老師參加過我的線上課程，而從這個學年開始，把錯誤的重要性和價值教給一班成績不好的學生。這班學生在一年之間改頭換面，讓自己從過去的失敗中重振，和數學重新建立興趣。

這個老師寄來的影片是這些學生的反響，在影片中，他們說到「錯誤可以增長大腦」這個觀念讓自己完全改變了。他們說，過去他們覺得自己是個失敗者，這種思維阻礙了他們進步，新來的老師給他們很多觀念和教法，讓他們擺脫長久以來對數學的恐懼，用新的態度跟數學打交道。如果我們讓學生知道錯誤是正面的，就能給他們一種如釋重負的解脫感。

如何重新定位錯誤？

在我開給老師和家長的線上課程中，我分享了關於錯誤的新觀念，也提出一個難題給大家當作課堂活動。我請上課的人設計一個新的活動，這個活動要能夠在教室或家裡重新定位「錯誤」這件事。

有位老師的回應我很喜歡，她告訴我她會在上課一開始，要學生把一張紙揉成紙團，然後一邊想著數學做錯時的感受，一邊朝黑板丟紙團。她請這些學生藉由丟紙團來發洩他們的感受─通常是挫折感。

接著，她要學生撿回自己的紙團，把它攤平，然後用色筆描出紙上所有的摺痕，這些紋路就代表他們的大腦增長。最後，她要這些學生把這張紙收進文件夾，保管一整個學年，隨時提醒他們錯誤的重要性。

幾年前我開始和金．哈莉維爾（Kim Halliwell）合作，她善於鼓舞學生，是維斯塔聯合學區（Vista Unified School district）的老師，我和該學區的一群老師已經密切合作兩年多，哈莉維爾也是其中一位。去年我去參觀哈莉維爾的教室，看到牆上貼滿學生畫的漂亮大腦圖畫，畫紙上寫滿了跟大腦成長和錯誤有關的正面訊息。

哈莉維爾向我解釋，他們先一起複習跟大腦成長有關的訊息，然後她要學生挑出自己最喜歡的部分，寫在自己的畫裡。

分享錯誤並了解錯誤帶來的好處

另外一個在課堂上讚揚錯誤的方法，是要求學生交功課，形式不拘─即使是測驗卷也行（但給學生做測驗的次數越少越好），然後老師再特別標出他們「最喜歡的錯」。老師應該跟學生分享，而且這些錯應該是觀念錯誤，而非數字算錯。

接下來老師還可以跟全班分享，同時讓大家討論錯誤是從哪裡產生的，以及為什麼是錯的。這也是加深重要觀念的好時機。有學生犯錯是好事，因為他們正處於努力認知的階段，他們的大腦在放電與增長。分享並討論錯誤也是有好處的，因為只要有一個學生犯某個錯，也會有其他人出同樣的錯，所以讓每個人都重新思考錯誤是非常有幫助的。

如果替學生的數學功課打分數（我在後面會討論到，這是毫無益處的做法），而且一犯錯就扣分，學生就會接收到對犯錯和數學學習很負面的訊息。若要灌輸成長型思維，傳達數學學習的普遍正面觀念，老師應該盡可能捨棄測驗和打分數；假如非得繼續測驗打分數，針對錯誤的地方就應該給一樣的分數或是更高分，同時附上一個訊息，指出這個錯是學習和大腦成長的絕佳機會。

透過一對一互動建立成長型思維

在課堂上公開重視錯誤雖然重要，但老師也必須一對一給予正面訊息。我的女兒剛開始上學的那幾年，老師給予的都是相當負面的回饋，讓她在很小的時候就產生僵固型思維。她四、五歲時患有聽力障礙，就因為這樣，老師認定她能力不足，所以給她做簡單的功課。當時她才四歲，但心裡非常明白，回家後問我為什麼老師給其他小朋友做的功課比較難。

我們知道，學生在學校會花很多時間弄清楚老師對他們的評價，所以我的女兒感覺得到她的老師不很看重她，正因如此，她開始相信自己很笨。但自從三年前，她進了一間很棒的小學就讀，這間學校的老師很快就發現她的僵固型思維，看出這種思維讓她退縮。現在她十二歲，整個人脫胎換骨，變得很喜歡數學。

我的女兒念四年級的時候，仍然持著僵固型思維，有一次我和她在她的學校旁聽三年級生上課。老師把兩個數字問題寫在白板上，我的女兒答對一題，另一題答錯。當她發現自己答錯之後，馬上表現出負面情緒，說自己數學很差，連三年級生都不如。我便乘機傳遞很直接又重要的東西給她。

我說：「妳知不知道剛才發生了什麼事？妳答錯的時候，妳的大腦會增大，可是答對時腦袋裡什麼事也沒發生；大腦沒有增大。」這就是老師在學生犯錯時，可以跟他們進行的一對一互動。她瞪大眼睛看著我，我知道她明白了這個觀念的重要性。現在她上六年級了，已經是個很不一樣的學生：她欣然接受錯誤，肯定自己。有這種改變並不是因為教她更多數學或其他功課，而是教她要有成長型思維。

皮亞傑：「對學習來說讓心智模型產生不平衡狀態是必要的。」而錯誤能引發不平衡狀態。

在一九三○年代，世界頂尖的瑞士心理學家尚．皮亞傑（Jean Piaget）駁斥了「學習即熟記程序」的看法；他指出，真正的學習是需要去理解觀念如何結合在一起。他提到，學生的心智模型會規畫統整觀念的方式，當這些心智模型對學生來說有道理時，他們就處於平衡（equilibrium）狀態（可參考 Piaget, 1958 , 1970 等）。

當學生遇到新觀念時，他們會努力地把新的觀念放進現有的心智模型，但若是看起來放不進去，或是他們既有的模型需要改變，就會進入不平衡（disequilibrium）狀態。處於不平衡狀態的人明白新的資訊無法納入他們的學習模型，不過因為新資訊解釋得通，所以也沒辦法摒棄，於是他們就必須盡力更改模型。

不平衡的過程會讓學習者很不自在，但皮亞傑主張，不平衡狀態才能帶來真正的智慧。皮亞傑告訴我們，學習是從平衡狀態進入不平衡狀態的過程，在平衡狀態，一切觀念都融合得很好，而在不平衡狀態，則有新的觀念無法融入。皮亞傑指出，這個過程對於學習來說是必要的（Haack, 2011）。

重視錯誤、學會與不平衡狀態共處

在第 4 章談到數學演練和哪些演練形式有益、哪些無益的時候，我還會多加說明。現行數學教育的一大問題就是，學生接收到重複簡單的觀念並不會幫助他們進入關鍵的不平衡狀態。我們很清楚，能容忍模稜兩可的人會讓不平衡狀態更容易過渡到平衡狀態──這是我們必須給學生經歷更多數學上的模稜兩可與冒險的另一個理由。

針對錯誤與不平衡狀態的研究對數學課堂有極大的影響，不只是影響了處理錯誤的方式，還包括給學生的功課。如果我們希望學生犯錯，就必須給他們具挑戰性、有難度的作業，引發不平衡狀態。這種功課也應該要附帶與錯誤有關的正向訊息，讓學生在解決難題、犯錯及繼續下去時能夠覺得自在。

這對很多老師來說會是重大的轉變，因為他們目前在數學課上設計給學生的活動，是為了確保他們能夠順利完成，因而給學生一些通常能正確作答的問題。這就表示，學生並未充分施展能力，沒有獲得足夠的機會學習並讓大腦成長。

和杜維克一起參與工作坊的時候，我常聽到她告訴家長，要讓孩子知道：把功課做對並不是特別優秀的事，因為這表示他們不是在學習。

杜維克提到，假如孩子回家之後說他們在上課或小考時答對了所有的題目，家長應該要說：「噢，真是可惜，那表示你沒機會學到東西。」這雖然是個激進的回饋，不過我們有必要給學生強烈的訊息，去壓過他們經常在學校得到的想法──做得對最重要、正確是智力的表現。我和杜維克都企圖扭轉老師的目標，讓他們少重視正確成果，多重視錯誤。

本文摘錄自《幫孩子找到自信的成長型數學思維》， 2018 年 12 月，臉譜 出版

a. 新聞怎麼說？

「人類具「特異功能」，擁有超強念力、能未卜先知？這些繪聲繪影、穿鑿附會的認知，並未有堅實的科學根據支持，但美國一項最新研究顯示，人體對即將發生的「大事」確實具有預感能力，並在10秒前就可只預知。根據美國西北大學神經學研究團隊最新研究發現，人體對於即將發生的大事件具有感應能力。研究團隊從實驗中發現，人的生理活動會在「即將到來的大事件」發生前10秒左右產生明顯變化，例如瞳孔縮放、心跳加速，以及腦部活動變化等。」–台灣醒報

這篇頗吸引人注目的報導，在英文新聞的部份，源頭很多，不太好追，有的報導比較正確(但不代表這研究結果就是無懈可擊的)，有的問題很大，但大部份華文的媒體都是編譯自問題最大的FoxNews.com的這篇：Can our bodies predict the future?。台灣的源頭是台灣醒報記者李長勳發佈在Yahoo新聞上的版本，我判斷應該是直接抄中國網站的，可能連原始(但依舊有錯)外電報導都沒看就發了。醒報現在同時供稿給多家台灣媒體，也證實沒有任何台灣媒體有把關的能力。

b. 錯誤在哪裡？原始資料或正確資料怎麼說，正確的詮釋應該是？

我們直接來看西北大學自己的新聞稿跟研究全文，作者是Julia Mossbridge，Patrizio Tressoldi，與 Jessica Utts。主要作者Julia Mossbridge是一位博士後助理研究員，已經發表過12篇paper。這篇論文的發表時間是今年10/17日，發表於Frontiers in Psychology。

首先，在醒報的報導中提到「研究團隊從實驗中發現，人的生理活動會在「即將到來的大事件」發生前10秒左右產生明顯變化，例如瞳孔縮放、心跳加速，以及腦部活動變化等。」這是錯的，因為這是一篇後設分析研究，也就是三位作者並沒有進行實驗，他們是針對過去已經發表過的研究案例跟數據進行再分析。

接著，報導又提到「為了驗證人體是否真有預測未來的能力，西北大學神經學家茱莉雅莫斯布里奇與其研究團隊共同分析了24項研究，並將其中存在偏見或錯誤的研究結果刪除。」這也是錯的。研究團隊分析了26項，而非24項，從1978-2010年的研究。也沒有將存在偏見或錯誤的研究結果刪除，並不是不該刪除，而是研究團隊的研究方法寫得很清楚，他們是很寬鬆地將這段期間內，以英文、德文、義大利文、法文發表的量化相關論文非重複的實驗案例結果都納入，不管同儕審核的品質如何。他們並沒有去判斷哪些是有偏見的或是錯誤的。

然後更扯的是報導說：「在試驗中，科學家安排受試者瀏覽一系列的畫面，其中安插部分令人恐懼的畫面隨機出現於圖片群組中。結果顯示，受試者會在10秒前感應到下一個可能是令人恐懼的畫面即將出現。」前面已經說過了，這是篇後設分析研究，並沒有做試驗。至於為何報導會出現這段，應該是因為Foxnews.com的那篇報導裡頭有插入這段「Many studies have shown that physical responses including heart rate, pupil dilation and brain activity change between one and 10 seconds before people see a scary image」，但這段是Foxnews自己加油添醋的。原論文裡頭並沒有這樣的陳述。

最後，報導說「雖然莫斯布里奇團隊成功證實人類具有預知能力，不過部分科學家持懷疑角度看待這項研究，『很有可能是研究中的受試者某些主觀偏見恰好發揮而已。』」一個不是沒有缺點的後設分析研究就可以成功證實人類具有預知能力？先不論報導本身犯了多起嚴重錯誤，就原論文來說，可以質疑的點包括：1. 是否有系統性錯誤？ 2. 更多沒有正面結果的研究一開始就被捨棄而未發表，後設分析很容易陷入在偏頗的結果中重新複製的圈套。 請見LiveScience對這篇研究較中肯的報導。身為新聞媒體報導者，對於這類比較聳動的消息應該更嚴格檢視才是，現在反而是愈誇張愈不可能愈難以置信的科學新聞，愈容易被大篇幅報導，而且採取毫不質疑的寫作態度跟下標方式，真的很糟糕！

c. 感想

醒一醒啊！

編按：本次事件感謝作者洪群甯和陳怡嘉等其他專家的指正，未來泛科學會優化留言系統以強化討論進行。此次的事件編輯部責無旁貸，未來若相關事件再次發生時，將會依循以下方式處理–

基於尊重作者的專業與觀點，我們不會在未徵得作者共識前把文章下架，如果文章有誤，與事實不符，我們會作出以下處理：

編輯部內部討論，判斷是否出錯。
發現錯誤，知會作者再查證。
要求作者修改文章，確認事實。
重新發表文章，文末註明修改原因。
在網頁及主要社群媒體帳號（如 Facebook ）公告已作出之修正。

我是洪群甯，一位正在學習心理學的碩士生，心中小小的願望是想藉由科普寫作推廣心理學，但是這條路總是在錯誤中學習……

身為科普文章應該有的樣子是…..

今年三月我在泛科學當實習編輯，當時寫了一篇文篇「排整齊讓你感覺對了」試圖去描述為何有些人會有想把東西排整齊的行為，但文中僅是推論卻沒有引用「科學」證據，這完全是犯了科普大忌呀。

泛科學作為一個努力推廣科學知識給予大眾的網站，所撰寫的科普文也一定是要有幾分證據說幾分話，而這也是科普文的核心價值，引用自維基百科對「科普作品」的定義：

科普作品的角色主要充當專業科學論文與大眾文化之間的橋樑。生產這類作品的主要目的是要用淺白的言辭去交代準確的科學數據和研究，令大眾更容易領會這類資訊。

定義看來科普作品的核心就是要準確地傳遞科學研究結果，而科學結果是經過大家熟知的步驟：【觀察-提出問題-參考文獻提出假說-做實驗-是否能驗證假說】；也就是說科學知識要能被科學界承認，不僅是觀察現象提出問題假說，還需要進一步做實驗證明自己所提出的假說是可信的，甚至是能夠被後人重現複製做出來。

因此作為一位科普人，要撰寫一篇好文章的是需要大量文獻研究佐證，作者就像是科學與大眾間的橋樑，負責幫大眾閱讀該領域的過去、現在與未來，然後將脈絡裡清楚之後再以淺白的口文去述說，這也是泛科學大多數作者致力於方向；而有時候作家可能因為閱讀的量少了些、翻譯能力差了點，或求快出文章就偏頗地寫出不符合該領域共識的論調。

但我當時卻屬於 — 誤把自我推論當作科普文撰寫，只先在腦中猜想可能造成排整齊背後的原因，好比是否為視覺處理的緣故？或是控制感讓我們想要排整齊？卻沒有充分地查找資料驗證，然後將想法兜在一起就寫出文章，時任心理文實習編輯的我便將文章po上網，造就了這場害人又害己的恐怖錯誤（跪）。

第一時間的讀者指正

在泛科學網站中，每篇文章的背後都有讀者留言的欄位，讀者的回應與建議時常讓該文作者有不一樣的見解，甚至當遇到留言者是該領域同好時，其內容就更夠幫助這篇文章被闡述得更好。

其實在刊登文章的當時，就有該專業領域的讀者反應與疑慮（連結），目前為美國耶魯認知心理學博士候選人陳怡嘉，也很明確地指出「排整齊讓你感覺對了」一文並沒有引用相關/直接研究來佐證；而在這一天上萬人瀏覽的科普網站中，這文章的負面影響是讓讀者接收錯誤資訊，誤以為這就是排整齊背後的「答案」。

當時我僅做了「修正文章」但這又是另一場悲劇，因為「為何人會排整齊」這問題根本沒有直接研究證據沒有答案；修正只是又做了另一番推論罷了，最恐怖核心的問題依舊沒有解決，那就是「還是沒有科學證據」！

時至今日事隔半年，因台大校訊訪問了泛科學這起爭議又再度被提起，離開了泛科學的實習編輯變成了一位正職學生的我，才漸漸明白原來錯誤一直都在只是我始終沒看開。

科普人應有的責任….

身為一位推廣科學的科普人理應嚴謹地拿出證據說話，卻因我一時腦殘把推論幻想文當科普文，而生出了這號稱科普文卻絲毫沒科學成分的文章，這一點確實是我怠忽職守科普人的角色。

「抱歉我失職了，但今後我會記取教訓更嚴謹！」原本的錯誤資訊也已經不知道散播了多遠；無論如何我都會面對並承認這場錯誤，將這次經驗作為往後寫科普的教訓，未來時時提醒自己用更謙卑更嚴謹的腦去看待科學，以及背後能使其言之有物的證據們。

畢竟科普寫作的一小步，是可能毀掉或成就科學領域的一大步！