親情、友情、愛情都是愛？解壓縮愛情三元論，讓你知道這些愛大不同

• 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。

理解期望值，有助於分析賭場裡的大部分賭局，以及美國中西部和英國的嘉年華會中，常有人玩、但一般人比較不熟悉的賭法：骰子擲好運（chuck-a-luck）。

招攬人來玩「骰子擲好運」的說詞極具說服力：你從 1 到 6 挑一個號碼，莊家一次擲三顆骰子，如果三個骰子都擲出你挑的號碼，莊家付你 3 美元。要是三個骰子裡出現兩個你挑的號碼，莊家付你 2 美元。

假如三個骰子裡只出現一個你挑的號碼，莊家付你 1 美元。如果你挑的號碼一個也沒有出現，那你要付莊家 1 美元。賽局用三個不同的骰子，你有三次機會贏，而且，有時候你還不只贏 1 美元，最多也不過輸 1 美元。

我們可以套用名主持人瓊安．李維絲（Joan Rivers）的名言（按：她的名言是：「我們能聊一聊嗎？」），問一句：「我們能算一算嗎？」（如果你寧願不算，可以跳過這一節。）不管你選哪個號碼，贏的機率顯然都一樣。不過，為了讓計算更明確易懂，假設你永遠都選 4。骰子是獨立的，三個骰子都出現 4 點的機率是 1/6×1/6×1/6＝1/216，你約有 1/216 的機率會贏得 3 美元。

僅有兩個骰子出現 4 點的機率，會難算一點。但你可以使用第 1 章提到的二項機率分布，我會在這裡再導一遍。三個骰子中出現兩個 4，有三種彼此互斥的情況：X44、4X4 或 44X，其中 X 代表任何非 4 的點數。而第一種的機率是 5/6×1/6×1/6＝5/216，第二種和第三種的結果也是這樣。三者相加，可得出三個骰子裡出現兩個 4 點的機率為 15/216，你有這樣的機率會贏得 2 美元。

同樣的，要算出三個骰子裡只出現一個 4 點的機率，也是要將事件分解成三種互斥的情況。得出 4XX 的機率為 1/6×5/6×5/6＝25/216，得到 X4X 和 XX4 的機率亦同，三者相加，得出 75/216。這是三個骰子裡僅出現一個 4 點的機率，因此也是你贏得 1 美元的機率。

要計算擲三個骰子都沒有出現 4 點的機率，我們只要算出剩下的機率是多少即可。算法是用 1（或是100％）減去（1/216 +15/216 + 75/216），得出的答案是 125/216。所以，平均而言，你每玩 216 次骰子擲好運，就有 125 次要輸 1 美元。

這樣一來，就可以算出你贏的期望值（$3×1/216）+（$2×15/216）+（$1×75/216）+（–$1×125/216）＝$（–17/216）＝–$0.08。平均來說，你每玩一次這個看起來很有吸引力的賭局，大概就要輸掉 8 美分。

尋找愛情，有公式？

面對愛情，有人從感性出發，有人以理性去愛。兩種單獨運作時顯然效果都不太好，但加起來⋯⋯也不是很妙。不過，如果善用兩者，成功的機率可能還是大一些。回想舊愛，憑感性去愛的人很可能悲嘆錯失的良緣，並認為自己以後再也不會這麼愛一個人了。而用比較冷靜的態度去愛的人，很可能會對以下的機率結果感興趣。

在我們的模型中，假設女主角——就叫她香桃吧（按：在希臘神話中，香桃木﹝Myrtle﹞是愛神阿芙蘿黛蒂﹝Aphrodite﹞的代表植物，象徵愛與美）有理由相信，在她的「約會生涯」中，會遇到 N 個可能成為配偶的人。對某些女性來說，N 可能等於 2；對另一些人來說，N 也許是 200。香桃思考的問題是：到了什麼時候我就應該接受X先生，不管在他之後可能有某些追求者比他「更好」？我們也假設她是一次遇見一個人，有能力判斷她遇到的人是否適合她，以及，一旦她拒絕了某個人之後，此人就永遠出局。

為了便於說明，假設香桃到目前為止已經見過 6 位男士，她對這些人的排序如下：3—5—1—6—2—4。這是指，在她約過會的這 6 人中，她對見到的第一人的喜歡程度排第 3 名，對第二人的喜歡程度排第 5 名，最喜歡第三個人，以此類推。如果她見了第七個人，她對此人的喜歡程度超過其他人，但第三人仍穩居寶座，那她的更新排序就會變成 4—6—1—7—3—5—2。每見過一個人，她就更新追求者的相對排序。她在想，到底要用什麼樣的規則擇偶，才能讓她最有機會從預估的 N 位追求者中，選出最好的。

要得出最好的策略，要善用條件機率（我們會在下一章介紹條件機率）和一點微積分，但策略本身講起來很簡單。如果有某個人比過去的對象都好，且讓我們把此人稱為真命天子。如果香桃打算和 N 個人碰面，她大概需要拒絕前面的 37％，之後真命天子出現時（如果有的話），就接受。

舉例來說，假設香桃不是太有魅力，她很可能只會遇見 4 個合格的追求者。我們進一步假設，這 4 個人與她相見的順序，是 24 種可能性中的任何一種（24＝4×3×2×1）。

由於 N＝4，37％ 策略在這個例子中不夠清楚（無法對應到整數），而 37％ 介於 25％ 與 50％ 之間，因此有兩套對應的最佳策略如下：

（A）拒絕第一個對象（4×25％＝1），接受後來最佳的對象。

（B）拒絕前兩名追求者（4×50％＝2），接受後來最好的求愛者。

如果採取A策略，香桃會在 24 種可能性中的 11 種，選到最好的追求者。採取 B 策略的話，會在 24 種可能性中的 10 種裡擇偶成功。

以下列出所有序列，如同前述，1 代表香桃最偏好的追求者，2 代表她的次佳選擇，以此類推。因此，3—2—1—4 代表她先遇見第三選擇，再來遇見第二選擇，第三次遇到最佳選擇，最後則遇到下下之選。序列後面標示的 A 或 B，代表在這些情況下，採取 A 策略或 B 策略能讓她選到真命天子。

1234；1243；1324；1342；1423；1432；2134（A）；2143（A）；2314（A, B）；2341（A, B）；2413（A, B）；2431（A, B）；3124（A）；3142（A）；3214（B）；3241（B）；3412（A, B）；3421；4123（A）；4132（A）；4213（B）；4231（B）；4312（B）；4321

如果香桃很有魅力，預期可以遇見 25 位追求者，那她的策略是要拒絕前 9 位追求者（25 的 37％ 約為 9），接受之後出現的最好對象。我們也可以用類似的表來驗證，但是這個表會變得很龐雜，因此，最好的策略就是接受通用證明。（不用多說，如果要找伴的人是男士而非女士，同樣的分析也成立。）如果 N 的數值很大，那麼，香桃遵循這套 37％ 法則擇偶的成功率也約略是 37％。接下來的部分就比較難了：要如何和真命天子相伴相守。話說回來，這個 37% 法則數學模型也衍生出許多版本，其中加上了更合理的戀愛限制條件。

——本書摘自《數盲、詐騙與偽科學》，2023 年 11 月，大牌出版，未經同意請勿轉載。

怎樣才能讓夫妻的感情加溫且長長久久？研究證實，只要夫妻一起玩障礙競賽就會大有幫助！ 

實驗證明：墜入愛河可能比想像中簡單

一九八○年代末期，麻州克拉克大學（Clark University）的詹姆斯‧萊爾德（James Laird）與同仁刊登廣告，招募自願者參與一項罕見的實驗，探討第六感有沒有可能存在。他們安排互不相識的男女同時抵達實驗室，經歷一段特別的流程。研究人員解釋，兩位受測者做心電感應測試以前，必須先做默契培養練習。研究人員請受測者花點時間凝視對方的眼睛，然後再把他們帶到不同的房間，讓其中一人看幾張簡單的照片，請另一人用感應的方式猜測那些照片的性質。

研究結束後，萊爾德觀察他的資料，發現沒有證據顯示心電感應力。他覺得失望嗎？一點也不。事實上，這個研究和心電感應無關，所謂的心電感應測試只是一個幌子，他們的目的是想做愛情心理研究。

很多人認為墜入愛河是很複雜的事，視外表、個性、默契、機會等複雜的因素混合而定。不過，萊爾德有另一番看法，他懷疑這種獨特神祕的感覺可能很直接了當，或許有可能用幾個小心安排的時間點製造出來。他的假設很簡單，從日常生活即可明顯看出，相愛的人會花不少時間凝視彼此的雙眼。萊爾德想知道反過來是否也成立：讓兩人彼此凝視一會兒，是不是也有可能產生愛意？

一般而言，盯著陌生人瞧，頂多讓人覺得很怪或不禮貌，所以萊爾德必須編出可信的理由，讓人可以彼此凝視更久，所以他才會想出用心電感應測試做為幌子。受測者在不知情下凝視彼此的雙眼，那行為看起來就像他們覺得彼此有魅力一樣，萊爾德覺得這樣就足以激發愛意了。

假心電感應測試結束後，萊爾德請所有受測者評估他們對實驗伙伴有多少愛戀的感覺。驚人的是，資料證明萊爾德想得沒錯，受測者果然對新認識的伙伴有好感，覺得對方有吸引力。

這研究變成了解感情心理的一種創新方式。根據這種觀點， 不僅我們的想法與感覺會影響我們的行動，我們行動的方式也會反過來影響我們的想法與感覺。

增加新奇感，可以增加對彼此的吸引力

萊爾德不是唯一探索如何用這種方式幫助研究人員更了解人心運作的人，紐約州立大學石溪分校的艾隆與同仁做的另一個研究顯示，同樣的方法也可以讓夫妻變得更親近。感情的發展一開始通常充滿興奮，愛戀的雙方都很享受和新伙伴一起體驗生活的新鮮感。

但是快轉二十年後，往往會出現全然不同的情況，雙方都很熟悉彼此，生活變得平淡無奇。同樣的餐廳、同樣的度假地點、同樣的交談。雖然熟悉感令人放心，也讓人覺得無聊，不太可能讓人再像以往一樣怦然心動。

艾隆心想，如果凝視彼此的雙眼可以讓人產生愛意，讓老夫老妻這麼做，是不是也能讓他們感受到戀愛時期的興奮感，幫他們重燃愛火。也就是說，打破一成不變的婚姻生活，做點新奇好玩的事，也可以讓他們覺得彼此更有吸引嗎？在最初的實驗中，艾隆刊登報紙廣告，徵求夫妻參與實驗，探討「影響婚姻關係的因素」。

如何增加生活新奇感？一起玩障礙賽就好！

自願受測者到達實驗室時，他們就請每對夫妻做一份有關婚姻關係的問卷，並隨機把他們分成兩組。之後研究人員搬開所有桌椅，鋪上健身房用的墊子，開始做下一階段的研究。

研究人員給其中一半的夫妻一卷魔鬼氈，告訴他們即將參與一個比較奇怪的遊戲。如果那對夫妻一聽到說明就雙眼為之一亮，會心相視，研究人員就馬上拿走魔鬼氈，請他們離開。至於留下來的人，研究人員用魔鬼氈把一人的右手腕和配偶的左手腕綁在一起，也把他們的左右腳踝綁在一起。

研究人員忍住哼唱萊諾‧李奇〈Stuck On You〉（譯註：直譯是「黏上你」，亦即「戀上你」）一曲的衝動，在房間的中央放一個一米高的泡棉障礙，給每對夫妻一個大枕頭。每對夫妻都必須趴在地上，爬過障礙，到房間的另一端，再轉頭爬回障礙，再次跨過它，回到起點。

為了讓過程更有趣，他們必須隨時把枕頭夾在兩人身體之間（不准用手掌、手臂或牙齒），必須在六十秒內完成。為了不讓任一組失望，研究人員請受測者都拿下手錶（「我們不希望手錶在混亂中刮傷了」），假裝每個人都在限定時間內完成任務。

他們叫另一組的夫妻做比較平常的事，給其中一人一顆球， 請他趴下來，把球滾到房間中央，讓他的配偶在房間的另一邊觀看。球滾到中央時，兩人再交換角色，由另一人把球滾回起點。

研究人員假設多數夫妻不會有很多機會一起爬過泡棉障礙， 所以那經驗應該滿新奇有趣的，那是給他們機會一起達成目標，並從罕見的新觀點觀看彼此。概念上來說，這就像他們初次見面時，比較令人興奮的經驗。相反的，另一組是對照組，他們做的事情比較平凡無奇，也沒有合作效果。

實驗結束後，他們請所有夫妻填寫幾份問卷（其中包括一份名稱很不浪漫的問卷〈浪漫愛情徵狀核對表〉），評估的項目包括配偶讓他們「心動」與「滿心歡喜」的程度。誠如預期，爬過大型泡棉障礙的夫妻對彼此的愛意比完成滾球任務的夫妻還深。只花幾分鐘一起做新奇有趣的活動，似乎產生了意想不到的效果。

在上述結果的鼓勵下，艾隆與研究團隊又重複了一次實驗， 不過這次他們是以不同的方式衡量婚姻的滿意度。研究結束時， 研究人員拍下每對夫妻閒聊下次假期規畫或如何裝修家裡的影片，然後請另一組研究人員觀察影片，仔細計算影片裡夫妻任一人反對對方的次數。結果顯示，綁魔鬼氈的夫妻做出較多的正面評論。

艾隆的研究再次證明，我們的行為會大幅影響我們的思考與感覺。就像凝視陌生人可以讓雙方互相產生吸引力一樣，進行和熱戀時期有關的活動，也可以幫人重新點燃過去的熱情。

根據這個研究，想要常保感情的熱度，可能只要靠一卷魔鬼氈、一大塊泡棉障礙和開放的心胸就夠了。

同場加映：了解對方想要什麼

最近我做了一次大規模的網路調查，探討浪漫舉動的心理。我和作家瑞秋‧阿姆斯壯（Rachael Armstrong）合作設計一份問卷，裡面列了許多不同的浪漫敘述，例如「另一半辛苦工作一天後，幫他放滿一盆溫熱的洗澡水」、「對方感到冷時，脫下自己的外套幫他披上」、「突然帶另一半去某個刺激的地方共度週末」。

那份調查總共吸引一千五百多位來自英美的網友完成問卷，研究結果有助於透露浪漫背後不為人知的心理。女人常抱怨男人不夠浪漫，但調查結果也確認她們的懷疑嗎？ 

我們請女性閱讀那份清單，指出他們的伴侶多常做那些浪漫舉動，結果頗令人失望。55% 的女性表示，她們辛苦工作一天回家後，另一半從來沒幫她們放過洗澡水。45% 表示她們覺得冷時，另一半從來沒脫下外套讓她們禦寒。53% 表示另一半從來沒有突然帶她們去度意外的週末。這些客觀的數據證實了長久以來女性覺得男性不夠浪漫的抱怨，但是這些失望數據可能是什麼因素造成的？ 

在另一部份的調查中，我們請男性受訪者閱讀浪漫清單，用一到十來評分他們做任一舉動時，女性覺得有多浪漫。我們也請女性受訪者用一到十評分，如果另一半做任一浪漫舉動時，她們覺得有多浪漫。結果顯示，連最簡單的舉動男性都會大幅低估它的浪漫程度。

例如，只有 11% 的男性覺得「告訴她，她是你見過最棒的女人」非常浪漫，但有 25% 的女性覺得那很浪漫。同樣的，只有 8% 的男性覺得「女人辛苦工作一天後，幫她放洗澡水」很浪漫，但有 22% 的女性覺得那很浪漫。幾乎每一項浪漫舉動都得出同樣的結果，這顯示男性不願做浪漫的舉動可能不是因為懶惰或不體貼，而是因為他們低估了女性對浪漫舉動的觀感。

那份調查的結果也透露了女性覺得最浪漫與最不浪漫的舉動，剛好可以為有心求愛的男性提供一點指南。以下列出十大浪漫舉動，以及認為那舉動非常浪漫（給十分）的女性比率： 

1. 蒙上她的眼，給她一個驚喜（40%）。
2. 突然帶她到某個地方共度意外週末（40%）。
3. 為她寫首歌或寫一首詩（28%）。
4. 告訴她，她是你遇過最棒的女人（25%）。
5. 她辛苦工作一天後，幫她放洗澡水（22%）。
6. 傳給她一則浪漫簡訊或電子郵件，或在家裡留一張浪漫的紙條（22%）。
7. 幫她準備床前早餐（22%）。
8. 她感到冷時，脫下外套幫她披上（18%）。
9. 送一大束花或一盒巧克力到她上班的地方（16%）。
10. 幫她把最愛的音樂編集在一起（12%）。

有趣的是，有逃離現實與意外驚喜的舉動最受女性青睞，之後是反映體貼的舉動，明顯偏物質享樂的舉動則殿後。科學證明，關於浪漫，最重要的或許是心意。

——本文摘自《怪咖心理學之 59 秒的練習，靠表情、姿勢和小動作，輕鬆翻轉工作與人生！、社區裡的用藥悲劇與重生》，2023 年 4 月，漫遊者文化出版，未經同意請勿轉載。