針對 DSM-IV 撰寫的反串文，描述了新生活型態的隱憂——「網路成癮」一詞的起源與反思

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

多巴胺與大腦的愉悅中心

腦幹是大腦最早演化出的區域之一，也是連結脊髓的關鍵。腦幹頂部有一組稱為腹側被蓋（ventral tegmentum）的神經元，而大腦中有一個控制行為的區域，稱為依核（nucleus accumbens），腹側被蓋與依核的溝通，是透過一群會釋放多巴胺的神經元，稱為中腦邊緣路徑（mesolimbic pathway）；雖然這些神經元只占了大腦所有神經細胞的一小部分（不到 0.001%），卻對激勵人類生存與繁殖的行為至為關鍵。

人吃東西、解渴或做愛的時候，都會讓中腦邊緣路徑釋放多巴胺。而且觀看、甚至只是去想些色色的事情，就足以刺激多巴胺的分泌。某些讓人覺得心滿意足的事，例如第一章〈文明背後的軟體〉談過的復仇、或是打電玩獲勝，也能刺激我們的多巴胺系統。

人腦接收到這些報償訊號，就會感覺愉悅，因此常有人說多巴胺是大腦裡的快樂物質。在動物界，不是只有人類具備這樣的多巴胺釋放機制。所有哺乳動物都有這樣的中腦邊緣報償路徑，可說是大腦運作最古老而基本的其中一項功能。事實上，整個動物界都很常看到這種用多巴胺或相關神經傳遞物質，來影響行為的系統。

只要遇上對人有利的情形，例如有吃有喝，或特別是意外之喜，中腦邊緣路徑就會大量分泌多巴胺；相對的，遇上對人不利的情形，例如接受到負面經驗，或是沒有得到預期的報酬，則會讓多巴胺濃度下降。所以，為了調整人類行為，好讓我們在自然棲地成功生存，大腦就會讓我們想去重複那些上次啟動多巴胺系統的行為，並避開那些曾經抑制多巴胺系統的舉動。所以，這套關於快樂與報償的神經化學系統，其實也就是一套關於學習的神經化學系統。

這條多巴胺路徑也連結了腹側被蓋與前額葉皮質；前額葉皮質是大腦前側一個有皺摺的區域，人類的這個區域明顯大於其他動物。前額葉皮質掌管各種高階的「執行」功能，例如對特定目標做出決策與規劃，因此也同樣受到多巴胺報償系統的控制。

這套由多巴胺引導的機制，很有效的讓人類表現出有利於在自然界生存的行為。然而，等到人類發現可以用其他方式（也就是各種藥物）來刺激這套機制，目的並不是為了生存，那就開始出問題了。酒精、咖啡因、尼古丁、鴉片，這四種藥物會有效讓人腦的報償系統出現短路，引誘中腦邊緣路徑釋放多巴胺（或是抑制多巴胺的消退、又或是讓神經元表面的受體更加敏感），於是讓人感受到愉悅、甚至是狂喜，強度遠遠超出自然界能給人的快樂。然而，相較於像是「進食」這種自然觸發多巴胺的因素，由這些藥物產生的愉悅永遠不會讓人覺得已經滿足。

這些藥物會在中腦邊緣路徑產生錯誤的訊號，讓人誤以為這種行為大大有益於生存繁衍，於是推動學習機制，重新設計大腦的連線，來反覆追求這些行為。人的癮頭正是由此而生，讓人產生渴望與強迫的行為，追求立刻就要得到的滿足感，不像是在自然世界當中，總得付出一些代價（例如花時間狩獵），才能得到多巴胺的報償。

科學家曾在 1950 年代做過實驗，以手術將電極植入大鼠的大腦深處，讓大鼠只要每次按下某個開關，就能刺激依核。結果發現大鼠開始出現強迫性按開關的行為，每小時高達兩千次。牠們不喝水、不吃飯、不睡覺，不做任何正常的行為，就只為了讓自己不斷感受那純粹的歡愉，直到最後不支倒地。

可悲的是，人類現在可能也困在類似的陷阱裡，只不過並不是有個電極埋在大腦裡直接發出刺激，而是有些化學物質同樣瞄準了提供報償的中腦邊緣路徑。更糟的是，原本的天然植物產品現在還能提煉濃縮，甚至用化學手法提升效力，像是從鴉片原料合成海洛因（heroin）。比起過去口服的方式，現在透過口吸、鼻吸、甚至是直接注射到血管裡，就會讓活性物質更快對大腦發送一波衝擊，不但讓人更為狂喜，也讓人更容易成癮。

由於多巴胺系統會重新校正，經過幾次感受到重大報償後，多巴胺的釋放還是會回到基本水準。這稱為對藥物的習慣化，也是因此，才讓癮君子（不管習慣化的是咖啡因、還是古柯鹼）總會需要愈來愈高的劑量，才能感受到原本的興奮程度。正如神經內分泌學家薩波斯基（Robert Sapolsky）所言：「昨天還覺得是意想不到的快感，到今天就覺得理所當然，再到明天還會覺得怎可以此為滿。」於是不用多久，藥物曾經能夠帶來的愉悅就這樣消逝不再，繼續用藥只是為了避免戒斷時的種種不適。到頭來，這幾種藥物極有效的侵入大腦，劫持了原本能夠調整行為以利生存的報償系統，藥物濫用也成了人類普遍的弱點。

——本文摘自《人類文明：生物機制如何塑造世界史》，2024 年 05 月，天下文化出版，未經同意請勿轉載。

你聽過「網路成癮」這個詞——這不是問句，而是肯定句。

不管你是出生在哪個年代，又是在人生哪個階段開始接觸「網路」這個偉大發明，大家都肯定在最近十年越來越常聽到「網路成癮」被提出來討論。

有些人對它嗤之以鼻，也有人衷心感覺擔憂，深怕自己或後代一不小心就深陷這個「21世紀最嚴重的文明病」。不論你是哪派立場，都得承認這個被各方專家描繪得極其可怕的精神疾病確實「有點樣子」，感覺亂可怕一把的。

但是你知道「網路成癮」，從始至終就只是個八字都沒一撇的假議題嗎？

一則反串貼文，成為「網路成癮」濫觴

1995 年，名為戈德堡 (Ivan K. Goldberg) 的精神科醫師為了證明當時使用的第 4 版精神疾病診斷與統計手冊 (DSM 4^th) 在臨床診斷上太過死板、難以應用，因此按照 DSM 本身的格式捏造了一個「網路成癮」的新興精神疾病，並且（為了增加諷刺意味）張貼在當時規模較大的心理治療網路論壇 PsyCom 上。

必須要說，戈德堡確實下了苦工在撰寫論述上，除了明確的外顯行為症狀外，還包含了模稜兩可的有害後果。這位醫生最初的用意是想讓同業對他捏造的假病哈哈大笑之餘，理解 DSM 試圖用硬框架去診斷病人的問題所在。

結果⋯⋯只能說人沒事真的不要太認真。

也許是因為撥接網路傳輸太慢，戈德堡並沒有收穫預期的反應，卻無意間點燃一場席捲 20 世紀末精神醫學界的燎原大火。

嗯，是的，你應該也想到了，戈德堡的同事們非但沒有 get 到他精心設計的笑點，反而像是發現新大陸一樣瘋狂地投入研究。霎時間大量實徵研究出現，甚至有些地方政府開始成立相關研究小組、試圖對這個「極具風險」的文明病做出超前部署。

戈德堡傻了，這跟說好的不一樣啊！

於是出現了一個極為有趣的現象：戈德堡，這位本應被拱為「網路成癮之父」的偉大精神科醫師，成為堅決駁斥網路成癮被視為真正精神疾病的第一線成員，把不明所以的同業搞得一臉問號。

這也能理解，畢竟這時候誰有勇氣去說自己其實是「開玩笑」的呢？

不過認真說，網路成癮真的就只是一個笑話嗎？倒也不是，雖然戈德堡瞎掰的品質異常優良，但是認真來說他也不是真的「騙過」其他人，比較像是無意間「提醒」了大家這個問題可能存在，變成現在「無心插柳柳橙汁」(？？) 的發展。

你知道嗎？就算有為數不少的臨床工作者與學者在倡議，「網路成癮」卻仍然不是被 DSM 認可的精神疾病。不管你在坊間看見多少相關工作坊，或是電視上的名嘴講得如何天花亂墜，「網路成癮」確實（還）不是病。

說來好笑，戈德堡的玩笑之所以沒有釀成大亂，還得歸功於他最討厭、古板的 DSM 診斷標準。

DSM是怎樣的一本工具書？

詳細內容說起來有點複雜，但你只需要知道頁內記載的任何一項診斷標準，外顯與認知症狀，甚至是疾病成因與風險因子等內容，其背後都有海量的臨床個案與實徵研究數據撐腰。

有幾分證據，說幾分話。這也是 DSM 會被戈德堡等實務工作者抱怨「古板」、「僵硬」的主因，因為對每一個收錄的病症都極為謹慎，在更新的速度上難免差強人意。

最經典的例子大概就是「同性戀傾向」在 1952 年被列入初版 DSM，並被冠上「反社會」、「人格疾患」等標籤，也成為如今許多反同性戀者用來攻擊弱勢族群的依據。這在當時引起軒然大波，也成為大量「挺同」研究的濫觴。

然而即便相關研究如雨後春筍般湧現，「同性戀是病」的結論一直到 22 年後才被第二版第七刷的 DSM 刪除。

這當然不是因為 DSM 反同，而是基於很簡單的加減算式：當今天已經有許多研究得出 A 結論，你想要扭轉它就得提出對等、甚至是更多的反例。

若不是初版 DSM 給了大家一個警訊、卯起來做挺同研究，同性戀者的有病標籤很可能還要再貼上好一段時間。DSM 比雷龍還慢的傳導確實造成很多人的困擾，因為某些診斷而導致的污名化、標籤化問題甚至到現在都還存在。

這正是 DSM 作為一個「官方文件」擁有的影響力，而編撰 DSM 的人也知道這點，這才堅持「數據導向」的編撰原則。

寧放過，不錯殺。要讓一個精神疾病收納進 DSM 得經過重重關卡，耗時也是以年為單位。

把話題拉回網路成癮。這個議題不只是 DSM還在觀望，另一項被廣泛運用在臨床醫學的國際疾病分類標準 (ICD) 同樣也持保留態度。為了明確告訴所有臨床工作者「再等等」，WHO在最新版的 ICD-11 中明確提到要以現有的數據來承認網路以及電腦相關成癮還「言之過早」。

這也點出一個很重要的關鍵：「網路成癮」這個概念不管在外有多少人支持，它在實徵研究上就是難以得到令人信服的一面倒結果。

是的，網路成癮在學術界連「達成共識」都做不到。

「網路成癮」的問題到底出在哪裡？

簡單來說，就是21世紀初期的研究者太過小看網路的不可取代性。

菸酒毒品等「物質成癮 / 依賴」之所以會被視為病態，是因為這些東西並不是生活必需品，卻因為過度使用產生「不能沒有」的生理或心理制約。這些「強制力」會造成成癮者無法靠自己的力量跳出負面行為迴圈，令生活品質與工作能力嚴重受損、甚至影響到他人的福祉。

網路雖然不像陽光空氣水那樣是生存所需的物質，但卻早已是現代生活不可分割的一部份。特別是在都市化程度高到爆表的台灣，食衣住行育樂的每個面向都離不開網路，甚至衍生出「我今天已經用夠多網路了」的流行語。

換言之，我們並不是依賴「網路」，而是依賴網路帶來的生活。

網路充其量就只是一種工具，是我們與寬廣世界接上線的資訊大門，其代表的是一種「可能性」。在這個認知下，用「成癮」去界定人類與網路的關係並不適切，甚至會窄化我們對這項科技的想像。

正因為當前社會超過半數的人口都不是「網路原住民」（也就是一出生就生活在有網路的環境裡），我們對於像是「網路」、「智慧裝置」等足以全面改造生活型態的外來物都會需要一段適應陣痛期。這個「適應」，其實就是在學著「推翻」自己過去長時間累積起來的人生經歷，越是重大的改變造成的衝擊也越大。

舉個比較近一點的例子，「戴口罩」這個行為在最近一兩年已經變成世界共同提倡「防疫生活」的一環，卻也在各地引發「戴或不戴」的爭議。相較於歐美等國，台灣雖然比較早取得共識，卻還是時不時能看到不戴或是有戴跟沒戴一樣的人在公共場合趴趴走。

這就是一種對新生活型態「適應不良」的表現。

正因為過去數十年人生都不曾養成類似的習慣，「沒必要戴口罩」的慣性思維就會不斷跑出來搗亂。使用網路也是同樣的概念，對於非網路原住民來說，「沒有網路的生活」是很好想像的，感覺上也沒出過什麼大問題。

或許你曾聽過某些長輩在感概「現在年輕人都不寫字了」、「以前收到手寫信多開心，現在用簡訊一點誠意都沒有」，這些論述雖然有它的道理在，卻也是奠基在過度低估網路必要性的前提上。順著這個「必要性」的脈絡往下，你就會發現老一輩人沒有意識到自己與時代脫節、把年輕族群「離不開網路」的生活型態當成「成癮」其實⋯⋯還挺合理的。

然而，「網路」就安全下莊了嗎？雖然按照現有的研究數據，我們還沒有辦法建構出明確的病理以及外顯症狀，然而這並不代表所有因網路產生的困擾都是假的。

為了能更好地探討這些議題，我們得先做好兩個認知準備：

首先，避免繼續使用「成癮」或其他帶有負面意義的標籤。

這點不只是跟網路使用行為有關，就連最原本的「物質成癮」、「物質濫用」也在最新版的 DSM-5 中被整合成更中性的「物質使用疾患」(substance use disorder)，減少有需要幫助的人在實務上遭受的污名化，以及接受治療者本身對於稱呼的牴觸。

這應該不用多解釋什麼吧？看看年輕世代有多討厭被人講自己「網路成癮」、「草莓族」，就多少能理解「標籤」對於族群造成的傷害與分化。（這個問題也同樣存在於所有精神疾病的治療中，有多少受苦的人是因為擔心會被社會投以異樣眼光而不敢求助、以致於釀成大禍？）

再來，我們得明確地把「網路」跟「因網路衍生的行為」分開。

每個年代都會有其獨特的文明病，網路時代也不例外。

問題在於「網路」這項科技本身是中性的存在，是因為人類本身的「議題」在網路空間突變，這才造成當前種種社會現象乃至於文明病。

如果只是一昧地怪罪「網路」的存在，豈不是在模糊焦點、忽略了背後真正需要關切的「人」？

「網路遊戲濫用」、「社群媒體依賴」、「網路色情片濫用」（嘿對，真的有人在研究這個）都是當前學界備受矚目、在許多研究團隊努力下穩定發展的領域。相較於把網路綁上火刑柱的獵巫行為，這些更聚焦的研究也有助於我們理解行為背後的「動機」，讓網路世界這個全新媒介成為深入人類心理活動的橋樑。

至於這些議題往後會不會成為能被DSM或ICD認可的精神疾病？那還是得有更多研究數據才能見真章。

但我還是得說，今天不管「網路使用疾患」有沒有被判定為正式精神疾病，我們都還是要對自己的身心狀態負起責任。理性使用任何東西，如果發現有難以自制的問題出現，請儘早尋求專業協助，千萬不要放任自己陷入負面的行為迴圈。

不說了，我要去YouTube吸天竺鼠車車了（？

參考文獻

1. Block, J. J. (2008). Issues for DSM-V: Internet addiction.
2. Dalal, P. K., & Basu, D. (2016). Twenty years of internet addiction… quo Vadis?. Indian journal of psychiatry, 58(1), 6.
3. Pies, R. (2009). Should DSM-V designate “Internet addiction” a mental disorder?. Psychiatry (Edgmont), 6(2), 31.
4. Pontes, H. M., & Griffiths, M. D. (2014). Internet addiction disorder and internet gaming disorder are not the same. Journal of Addiction Research & Therapy, 5(4).
5. Weinstein, A., Feder, L. C., Rosenberg, K. P., & Dannon, P. (2014). Internet addiction disorder: Overview and controversies. Behavioral addictions, 99-117.

• 作者： 傑克．路易斯（Jack Lewis）
• 譯者： 鄧子衿

網路色情成癮

在本章的最後，我們會從兩個角度探討色情內容可能造成的傷害，它會讓人犯下色欲之罪：過度觀看會對腦部功能造成衝擊，而且也會對文化常規帶來不良影響。

青少年男孩看了太多色情內容會怎麼樣？最好的歸納總結，可能來自於義大利男性生殖醫學與性醫學學會（Italian Society of Andrology and Sexual Medicine）會長：卡羅．佛斯塔（Carlo Foresta）。他檢閱了大量關於青少年男孩如何利用色情內容，以及他們真實生活中性經驗的調查，歸納出的結果是接觸頻率愈密集，就愈容易發生性功能障礙。一開始的時候，色情網站帶來的性興奮感會比往常少，然後慢慢造成性欲降低，最後的結果是無法勃起。

它如何影響大腦

瘋狂觀看色情影片會造成這些行為上的變化，原因在於這麼做影響了腹側紋狀體對能造成性刺激之人事物的反應，同時受到改變的還有腦部對其他可帶來報償的刺激的反應。如果要正確了解腹側紋狀體受刺激而產生的反應是怎麼被削弱的，我們先要退回一步，看看它正常的反應本來是怎樣。

腦部造影研究指出，人類腹側紋狀體的反應要比其他哺乳動物更精細。如果在掃描器中的人看到了有吸引力的臉孔，腹側紋狀體產生的反應要比看到沒有吸引力臉孔強烈，也就表示前者的魅力要大於後者。微笑的表情在腹側紋狀體所引起的「預期報償」（predicted reward）反應，要大於面無表情。如果符合受試者所偏好的性別、有吸引力的裸體，同時再搭配上微笑，那麼觀看者的腹側紋狀體的反應會更強烈，表示腦部預期到的報償又更增加了。腹側紋狀體活躍程度的差異，說明了人們偏好有吸引力且面部微笑的裸體，勝於有吸引力的微笑，而這兩者又勝於不帶微笑的表情。這些偏好就反映在腹側紋狀體反應的高低差別，而且也影響了我們的決定。

腹側紋狀體神經元的神經纖維會伸到內側額葉眼眶皮質。科學家最初認為內側額葉眼眶皮質參與了決策的過程，因腦部受傷致使這個腦區受到影響的人，往往難以做出選擇。他們很容易在原地兜圈子，沒有辦法下最後的決心，這是由於內側額葉眼眶皮質正常運作時，能夠把來自腹側紋狀體的預估報償值和其他的有關因素一起納入考量（下一章會再敘其他內容）。那些因素包括了目前的優先事項、最近發生的事情、可用的時間長短、現在的情緒、今天之後的計畫、周遭環境的現況等。腹側紋狀體與內側額葉眼眶皮質會幫助我們決定可選擇的食物和色情影片對當下而言的價值，並且會把眼前的狀況納入考量，好做出可能從中得到最多報償及愉悅感的決定。

為何越來越｢重口味」?

最近，科學界研究了色情內容成癮者因過量觀賞而造成的行為改變，相關的證據便借鑒了藥物成癮和網路成癮等研究的文獻。每天固定觀看露骨色情影片的人，腦中會出現大量多巴胺，科學家認為這會使調節機制得要試著保持系統的平衡。在報償迴路受到過度刺激的狀況下，身體會分泌鴉片類胜肽代腦（dynorphin），好抑制多巴胺的釋放。而多巴胺在報償系統中的影響力下降，就減少了之前帶來報償的刺激所引發的反應強度，結果便是對愉悅感的敏感度下降。這樣一來，除了非色情刺激所帶來的愉悅感也隨之減少之外，報償迴路對色情影像的反應還會變得不敏銳；用卡羅．佛斯塔博士的話來說，就是「色情網站開始刺激不了觀看者。」最早能讓人獲致所追求之愉悅感的色情內容失效，無法引起並維持性興奮感，所以看色情影片的人會開始點選各種不同類型的影片，直到某一種「有效」為止。其中對他們「有效」的，大部分都含有不尋常或是訴求震撼的內容，以此加強刺激已趨於遲鈍的愉悅反應。第一眼看會讓人反感的色情影片類型，到頭來會變成他們看了唯一仍有反應的類型。

不論是青少年還是成人，若是一連幾個月每天看色情影片，那就像是不經意訓練腦部只對超乎尋常的刺激產生性反應。「超乎尋常」的意思是比尋常生活中所能遇到的更大、更顯眼、更震撼的事物。可能是有巨大陰莖的影片，由豐臀巨乳女性演出的色情片段，以上種種雖然在色情影片中屬於正常，但絕大多數人在日常生活中不可能遇得到。不過稍後我還會再談，有初步的證據顯示這樣的看法正在改變。

有人把上述現象連結到諾貝爾獎得主尼可拉斯．丁伯根（Nikolaas Tinbergen）的黑脊鷗（herring gull）研究。他觀察的黑脊鷗也學會了偏好超乎尋常的人為刺激，而較不喜愛真實事物。他在研究中用到了比正常鳥蛋還要大、色彩更鮮豔的人工蛋。那些黑脊鷗通常會坐在更大或更鮮豔的蛋上面孵，而不是選擇裡面有自己後代的正常鳥蛋。這是科學界首度有人指出生物對超乎尋常的人工選項，喜好程度更勝於自然界的生物原始版本。

網路色情影片成癮和丁伯根教授的黑脊鷗最後都發展出喜好偽造物更勝真實事物的傾向，這是最讓人擔憂之處。黑脊鷗想要去孵熟石膏做成的卵，這也表示自己的卵遭到拋棄，不會孵化。網路色情影片成癮導致的問題，是把本來可以用在真正的性生活上的時間、精力與意圖放錯了地方，縱使有真正的性生活，看色情影片的習慣也會嚴重影響他們在床笫之間的表現。雖然本來看起來可能只是一些無害的樂趣，但是長期下來，這顯然對建立有意義伴侶關係的能力有不良影響，會讓人與人疏離而非靠得更近。對於人類發展關係中的親密感而言，性是非常重要的，而且長期關係裡也不是只有性愛而已。對每個人來說，最好是要注意觀看色情影片的量，並且也要注意不讓自己的性偏好失去控制。