Loading [MathJax]/extensions/tex2jax.js

1

10
0

文字

分享

1
10
0

工作出包壓力爆表怎麼辦?可以嘗試 20 分鐘的「冥想」,讓疲憊的大腦更清晰!

異吐司想Toasty Thoughts_96
・2021/10/16 ・2957字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

俗話說:「人非聖賢,孰能無過」,不管是日常生活或工作場合,犯錯總是難以避免的。也因此,如何不要「一錯再錯」早已是當前工作場域要求的基本素養,也成為許多人自我砥礪的目標。

不過這種事總是說得比做得容易,有時候我們總是會因為各種狀況,例如精神不佳、有外務干擾,甚至是工作內容本身的複雜性而出錯。有些人會選擇靠咖啡因或能量飲料給自己一點「推力」,有些人則會覺得這是該吃下午茶的訊號(例如我),用熱量撫慰疲憊的身心。

上述提到的都不是什麼壞主意,只要注意「適時」與「適量」原則,我們當然可以選擇自己喜歡的方法。不過最近心理學界產出的新研究,倒是提供一種能讓大家能在低成本、低熱量的前提下提升工作效率,同時降低出錯頻率的方法。

那就是——冥想(meditation)。

-----廣告,請繼續往下閱讀-----
圖/Pexels

欠缺科學證據的神秘技術:開放覺察冥想

先別急著左上離開。雖然冥想在一般社會大眾的印象中,大多跟「神秘學」、「靈修」脫不了關係,但其實它就跟同樣風評被害的「催眠」一樣,是心理治療常見的技術。不過這裡所說的冥想,並不是要讓你的靈體脫離、遊走各種異次元或微宏觀宇宙,而是幫助你聚焦,重新覺察那些一直被干擾的心理活動。心理治療中的冥想,與其說是在拓展視野,反倒更像是幫你清掃堆積在心裡的瑣碎,用更加清晰的視野去審視自我。

也因此,冥想在實際操作上又能被概分為「聚集專注冥想」(focused attention meditation,FAM)與「開放覺察冥想」(open monitoring meditation,OMM)。前者是聚焦在單一事物上,例如某種感官刺激或情緒,來讓自己維持在「當下」(present)的狀態。這也是所謂「正念」(mindfulness)的核心概念,讓我們藉由活在當下,對自己的身心狀態有更全面的掌控。

如果你想用更形象的方式了解 FAM,我會推薦你去看《深夜加油站遇見蘇格拉底》這部電影。雖然在真實世界中,FAM 沒辦法讓你變成無所不能的超人,但是在臨床研究中卻被證實具有提升注意力的效果,同時減輕作業過程中心智能量的損耗。如果你覺得在冥想後自己工作起來有如神助,那也只是因為阻礙消失,讓你真正的能力得以被發揮出來。

與 FAM 相對的 OMM,則是讓焦點發散,擁抱當下經驗的一切。包括理性與感性思考,以及自己有無覺察到的生理變化,這些都是可以在 OMM 中覺察到的心理活動。之所以要這樣「覺察」,是要消除主觀難免的狹隘視野,略過雜訊、用更加全面的觀點去看事情。例如當你在為了某項快到死線的工作,或是難解的人際衝突感到焦慮,OMM 便可以幫忙釐清狀況,讓你看見被埋藏在各種情緒底下的脈絡。

-----廣告,請繼續往下閱讀-----
圖/Pexels

有趣的是,從機制上來看 FAM 跟 OMM 幾乎可以說是互斥的存在,一個是要引導注意力到單一事物上,另一個則是提醒自己不要太聚焦在單一事物上。然而這兩種冥想卻都在神經科學的研究中,被證實能夠抑制預設模式網路(default mode network,又稱反作業網路),減少大腦「空轉」、「分心」的時間。

只是,相較於能明顯觀測到腹內側前額葉(mPFC)與後扣帶皮層(PCC)的活動減少,以及背外側前額葉皮質(DLPFC)與視覺皮層等腦區活動增加的 FAM,不專注在任何特定刺激上的 OMM,很難在 fMRI 或其他腦活動觀測裝置中表現出顯著差異。雖然有部分研究指出 OMM 對預設模式網路的抑制效果足以跟 FAM 媲美,但目前仍需要更多數據來支持這個說法。

冥想如何增進你的錯誤覺察能力?

為了能夠對 OMM 的效果與機制有更深入的了解,美國密西根州立大學的林博士(Yan-li Lin)與其同事找來 212 名沒有任何冥想經驗的女性進行實驗。半數受試者會在錄音的引導下進行 20 分鐘的 OMM,其餘控制組則會聽見語速、音調、時長皆相似的 TED 演講。在前置作業完成後,受試者會被要求完成一系列的埃里克森側翼測驗(Eriksen flanker task),在極短的時間內判斷眼前的複數圖案是否具有一致性。

由於圖形僅會出現 200 毫秒(0.2 秒),受試者沒有閒暇去仔細辨識每一個圖案,因此更能區分出「錯誤覺察」能力的高低,也就是能否辨識出「不協調的刺激」。雖然有先 OMM 的受試者在正確率與作答速度沒有顯著進步,但研究團隊卻觀測到錯誤關連正波(error positivity,Pe)的振幅變大,顯示即便是單次 20 分鐘的冥想就足以對人的大腦活動產生影響。

-----廣告,請繼續往下閱讀-----
由箭頭表示的不協調、協調和中性刺激。這是參與者在標準 Eriksen Flanker Task 中可能看到的內容。圖/WIKIPEDIA

不要小看這個錯誤關連正波,它與錯誤關聯負波(error-related negativity,ERN)皆是大腦在認知到「錯誤」出現時會出現的特殊腦波,也被視為人類錯誤覺察能力的指標。換言之,林博士在實驗中提供的 20 分鐘 OMM 雖然不足以改變受試者的答題能力,但單從腦部活動來看,經過冥想的大腦確實對「錯誤」表現出更強的反應。會有這樣的落差,是因為大腦在「發現錯誤」跟「針對錯誤作出反應」之間還得經過許多步驟,需要更多練習才能反映出成效。

這不但是令人振奮的發現,更是學界少數有神經科學證據的 OMM 研究。林博士認為將來若能進行更長時間跨度的 OMM 研究,或許能觀察到更顯著、足以影響外顯行為的大腦活動變化,並從神經科學的角度去剖析背後的運作機制。

不過要注意的是,不管是 OMM 或 FAM 都只能提升我們對事物的敏銳度,更容易發現當前工作出了問題,而不是讓人「完全不會犯錯」。

在你感到失望之前,要知道犯錯是人之常情,只要不是毀滅性的大錯,日常工作的小偏差只要在當下做出修正,往往都不會有什麼負面影響。這也是 OMM 在自我激勵上的效果之一,用客觀的角度去接納自己犯錯的可能性,以免在真的出錯時因為過度焦慮無法及時反應,甚至是越弄越糟。

-----廣告,請繼續往下閱讀-----
圖/Pexels

同樣的,很多時候我們犯錯並不是因為「能力不足」、「態度不佳」,而是有雜訊干擾了我們的大腦運作。例如太過心急要把報告寄出去,卻忘了檢查 email 附件是否正確,又或者是太焦慮要對上司做提案簡報,反而在關鍵時刻忘詞,這些只要靜下心來就能避免的問題,便是 OMM 可以提供幫助的地方。

當我們把焦點從外界移開,放到自己內在的身心活動,雖然觀測的重點還是「我」,但卻是用更加宏觀的視角去審視行為與環境之間的因果。唯有釐清知道自己正在經歷什麼、想要什麼,才能做出最好的判斷。很多人把冥想當成帶有神秘色彩的超自然儀式,但其實它最大的效用,是排除認知阻礙,給大腦能高效運作、不受瑣碎干擾的環境。

下次如果覺得生活諸事不順,或是陷入瓶頸,不妨給自己半個小時的冥想時間,讓大腦好好「排毒」一下。或許,你會因此看見全新的世界。

  1. Fujino, M., Ueda, Y., Mizuhara, H., Saiki, J., & Nomura, M. (2018). Open monitoring meditation reduces the involvement of brain regions related to memory function. Scientific reports8(1), 1-10.
  2. Hsieh, S., Li, T. H. & Tsai, L. L. (2010). Impact of monetary incentives on cognitive performance and error monitoring following sleep deprivation. Sleep, 33(4), 499-507.
  3. Lin, Y., Eckerle, W. D., Peng, L. W., & Moser, J. S. (2019). On variation in mindfulness training: a multimodal study of brief open monitoring meditation on error monitoring. Brain sciences9(9), 226.
-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
異吐司想Toasty Thoughts_96
29 篇文章 ・ 132 位粉絲
最初是想用心理學剖析日常事物,一方面「一吐思想」,另一方面借用吐司百變百搭的形象,讓心理學成為無處不在的有趣事物。基於本人雜食屬性,最後什麼都寫、什麼都分享。歡迎至臉書搜尋「異吐司想」。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

2
3

文字

分享

0
2
3
大家都認為自己值得更多的薪水!給你更多錢會提升工作表現嗎?——《超越直覺》
一起來
・2024/05/02 ・1949字 ・閱讀時間約 4 分鐘

框架問題理應提醒我們,我們只要自動腦補就一定會犯錯。我們確實向來如此。不過「人類」這個對象不同於 AI 研究人員開發的機器人或電腦,並不會讓我們訝異到必須被迫改寫思考時的整個心智模式。相反地,一旦我們知道答案,就似乎總能找出先前被忽略、後來明顯相關的面向,就像拉扎斯菲爾德假想的《美國士兵》讀者——他們在事後發現,每一個對立的結果都同樣理所當然。

也許我們原本預期自己中了樂透之後會超級開心,結果中獎之後,卻發現自己很鬱悶,這個預測顯然很糟糕。但當我們意識到自己預測錯誤時,同時也獲得新的資訊,例如那些突然出現要借錢的親戚。於是我們會心想,如果早點知道這些資訊,就可以正確預測未來的幸福狀態,也許就不會去買樂透彩了。

因此,我們沒有質疑自己預測未來幸福程度的能力,反而只是認為我們漏掉了一些重要的東西,並且確保自己不再犯相同錯誤。然而我們卻一錯再錯。事實上,無論對於他人行為的預測失準了多少次,我們總是可以用當時未知的事情做為辯解。透過這種方式,我們掩蓋了框架問題,一再說服自己下次會做好,卻永遠都不明白我們真正錯在哪裡。

圖/envato

這種行為模式在動機與金錢報酬的關係中最為明顯,也最難消除。例如,實施金錢獎勵制度顯然能提升員工表現,而且數十年來,職場上大幅出現以績效為基礎的薪資制度,最具代表性的就是高階主管薪酬與股價掛鉤。

-----廣告,請繼續往下閱讀-----

當然,員工在意的顯然不只薪水,還有內在的愉悅感、認同感,以及在個人職涯上的成長與晉升等因素,這些都會影響工作表現。

在其他條件都相同的情況下,適當的金錢獎勵可以提升個人表現——這似乎理所當然。然而,多年來有多項研究顯示,薪酬與工作表現之間的關係,實際上的複雜程度讓人難以想像。

舉個例子,最近我跟雅虎(Yahoo!)的同事梅森(Winter Mason)進行了一系列網路實驗。我們給予受試者不同的薪資,並要求他們執行各種簡單的重複性工作,例如:按照正確的時間順序排列一組車流照片,或是在矩形網格上,找出隱藏在一堆英文字母中的英文單字。

所有受試者都是在亞馬遜土耳其機器人(Amazon’s Mechanical Turk)這個外包網站上招募而來,這個網站是亞馬遜公司於二○○五年推出,原先是用來找出重複的庫存商品。現在有數百家企業使用土耳其機器人進行「群眾外包」(crowd-source),處理五花八門的各種任務,像是標示圖片中的物品、描述新聞報導的觀點,或是判斷兩種說法中哪一個比較清楚。這個網站也是招募心理學實驗受試者的一個有效方法,就像心理學家多年來在大學校園裡張貼廣告那樣,不過土耳其機器人網站的「託客」(turkers)完成一件任務的報酬通常只需要幾美分,只占了研究經費的一小部分。

-----廣告,請繼續往下閱讀-----
圖/envato

我們的實驗總共納入數百位受試者,完成了數萬件任務。有些受試者完成一件任務只能得到 1 美分的酬勞,例如整理一組圖片、找出一個單字。但是,有些受試者完成相同任務卻會得到 5 美分或 10 美分。這在工資上是相當大的差異,要知道,美國電腦工程師的平均時薪只有聯邦最低工資的六倍,所以你可以預期這個工資差異會對受試者的行為產生強烈影響。

結果確實如此。我們付的錢越多,受試者離開實驗之前完成的任務就越多。我們還發現,不管工資多少,分配到「簡單」任務(每一組有兩張圖片需要歸類)的人,比分配到中等或困難任務(每一組有三至四張)的人完成更多任務。換句話說,這些都符合常理。

但接下來的問題是:雖然存在上述差異,我們發現這群受試者的工作品質,也就是歸類圖片的準確度,並不會因為工資不同而下降,即使只有正確完成才能拿到酬勞。

該如何解釋這個結果?我們並不十分確定。在受試者完成任務之後,我們問了一些問題,包括他們認為自己的工作該得到多少報酬。有趣的是,他們的回答與工作難度無關,而是取決於獲得的工資。平均而言,每件任務得到 1 美分的受試者,認為自己該得到 5 美分。得到 5 美分的認為自己該得到 8 美分,而得到 10 美分的則認為自己該得到 13 美分。

-----廣告,請繼續往下閱讀-----

換句話說,不論他們實際上得到多少(還記得有些受試者的工資是別人的十倍嗎),每個人都覺得工資過低。大家在直覺上會認為,給予金錢獎勵就能夠提升員工的動機,但這個實驗告訴我們,即使是非常簡單的工作,工作動機也會因爲員工的權利意識提升而大幅減弱。

——本文摘自《超越直覺》,2024 年 01 月,一起來出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

1
0

文字

分享

0
1
0
精神個案系列:冥想練功,直到發瘋?!
胡中行_96
・2022/12/08 ・2024字 ・閱讀時間約 4 分鐘

四年前,印度女子經人引介,與師父僅一面之緣。 [1]

該師父傳授超覺冥想(transcendental meditation),其與靜觀冥想(mindfulness meditation)並列靜坐兩大門派。前者聆聽反覆唱頌的梵咒(mantra),輕易獲得心靈平靜;後者專注於體驗當下的每一刻,以提升官能、情緒、行為、自我調節,以及目標立定的意識。[2]師父建議女子每日做兩次超覺冥想,一次 20 分鐘。[1]

(圖/Conscious Design on Unsplash)

女子自述的修練始末

超覺冥想令女子放鬆,彷彿靈肉分離,內心充滿法喜。她遂擅自延長,逐漸達到每天 14 至 18 小時。其餘時間,仰賴電視及網路影片鑽研心法。成日與外界隔絕,獨自於房裡靜坐,女子感應到他人不可得之「天音」。那是師父,她確信,便呢喃回應。師父命她由冥想啟動脈輪,練就絕世神功。睡眠銳減,飲食節度,不修邊幅。終於,她能穿梭時空,往返自如;長出第三隻眼,預見眾生未來;並得以異語和外星人溝通。他們之中有些具人形外觀,跟蹤女子數年,還試圖綁架她。然而,她足不出戶,主要是擔心功力遭人竊取。遠離紅塵,社交封閉,師父是她唯一的知己。他們兩縷靈魂於宇宙間交媾,使女子不再眷戀世俗的婚姻。[1]

是的,她原本也不過一介平凡婦女。25 歲和公務員結縭,育有 2 名子嗣,曾任小學教師直到 36 歲。那年女子拜見師父,從此居家修行,拋下事業與家務。如今 40 歲的她,不與丈夫同寢,並要求離婚。家人勸她停止冥想,就遭拳腳相向。最後,女子硬是被拖去醫院。[1]

-----廣告,請繼續往下閱讀-----

醫師分析精神狀態

印度安德拉邦的 Indlas VIMHANS 醫院裡,精神醫師聆聽女子以上的自述,並在互動之間,觀察精神狀態檢查(mental status examination,縮寫 MSE)的幾個項目:外表(appearance)看起來衛生欠佳,營養不良;後來驗血結果,也證實其血紅素偏低。自言自語的行為(behaviour),顯示知覺(perception)異常,想必是幻聽到師父說話,並與之交談。至於問診時,女子的語無倫次,以及誇大奇幻,甚至被害妄想的故事內容,都源自緒亂且脫離現實的思考(thought)。她就這麼言其所信,毫無判斷力(judgement)與病識感(insight)。[1, 3][註]

思覺失調症

完成 MSE,醫師又為女子進行幾項檢測,最後認定她得了思覺失調症(schizophrenia)。此疾患的症狀,大致可分為三類:

  1. 正性症狀,又稱精神病症狀(positive or psychotic symptoms):思考、行為和知覺上的改變,例如:幻覺、妄想,以及思考或動作障礙等,造成病患對現實世界的理解與他人迥異。[4-6]
  2. 負性症狀(negative symptoms):失去動力、減少社交、表情侷限,還有聲調平淡等。[4-6]
  3. 認知症狀(cognitive symptoms):難以專注、記憶、做決定,或是處理接收到的資訊。[4, 5]

思覺失調症開始浮現的年紀,通常約在 16 至 30 歲之間,鮮少於 45 歲後發病。[5]特殊的基因與家族病史、高壓的生活環境,以及異常的腦部發展等,都可能提高罹患思覺失調症的機率。[4, 5]以此個案的印度女子為例,她 36 歲前沒有徵兆,40 歲被診斷出來;而其母親與舅舅均有精神疾病,並曾接受治療。[1]

治療思覺失調

醫師給這名入院的女子,開了口服抗精神病藥物奧氮平(olanzapine)、抗焦慮劑蘿拉西泮(lorazepam)與鐵劑。嚴重缺乏病識感的她,拒絕藥品和食物。直到經歷 6 次改良型電痙攣治療(modified electroconvulsive therapy,縮寫 M-ECT),才開始服藥並進食。住院 20 天後,女子帶著奧氮平藥錠返家,但家人懷疑她是否會定時用藥。於是,醫師就把每日口服的短效藥物,改為每月施打的同成份長效肌肉注射。[1]此為精神科的常見作法,目的是避免病患因為忘記吃藥,而導致病況惡化。[7]

-----廣告,請繼續往下閱讀-----

超覺冥想的利弊

2022 年初,《心理學前沿》(Frontiers in Psychology)期刊介紹了一個針對英國和愛爾蘭小學的超覺冥想計劃,叫做「寧靜時光」(Quiet Time)。學生由受過訓練的老師帶領,每天到校後與放學前,各練習一次,每次 10 至 15 分鐘。他們的學業雖未因此突飛猛進;但在情緒和記憶方面多少受惠。重點是徹頭徹尾,無人發瘋。[2]「冥想是把雙面刃。」報導印度女子病例的《精神個案報告》(Case Reports in Psychiatry)期刊,在結論中強調。尤其是精神病的高風險群,格外容易走火入魔。唯有跟隨適切的指引,才能安全地藉冥想促進身心健康。 [1]

  

備註

精神狀態檢查其實還包含情緒(mood)、表情(affect)、認知(cognition),以及言語(speech)的速度、音量和語調等項目,[3]但本文參考的個案報告沒有提供完整資訊。

  1. Goud SS. (2022) ‘Meditation: A Double-Edged Sword—A Case Report of Psychosis Associated with Excessive Unguided Meditation’. Case Reports in Psychiatry, 2661824.
  2. Conti G, Doyle O, Fearon P, et al. (2022) ‘A Demonstration Study of the Quiet Time Transcendental Meditation Program’. Frontiers in Psychology, 12: 765158.
  3. Mental state examination‘. (NOV 2018) The Royal Children’s Hospital Melbourne.
  4. Schizophrenia’. (MAY 2022) U.S. National Institute of Mental Health.
  5. Schizophrenia’. (13 APR 2016) MedlinePlus.
  6. Hany M, Rehman B, Azhar Y, et al. ‘Schizophrenia’. (15 AUG 2022) In: StatPearls. Treasure Island (FL): StatPearls Publishing.
  7. Antipsychotic medications’. (OCT 2021) Healthdirect Australia.
-----廣告,請繼續往下閱讀-----
胡中行_96
169 篇文章 ・ 67 位粉絲
曾任澳洲臨床試驗研究護理師,以及臺、澳劇場工作者。 西澳大學護理碩士、國立台北藝術大學戲劇學士(主修編劇)。邀稿請洽臉書「荒誕遊牧」,謝謝。