慷慨英雄VS.保守小卒──社會心理學剖析助人行為的深層秘密

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

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。

有些時候，沉默就是背叛。
——馬丁．路德．金（Martin Luther King Jr.）

「幫臉蛋打分數」實驗

想像一下，你是二○○○年代末的荷蘭大學生，有一天在上課的路上穿過社會科學院，看到一張召募受試者的海報，名字叫〈看見美麗〉，是一群社會心理學家在研究人類如何認知臉蛋的吸引力。平常就愛翻時尚雜誌的你，覺得自己實在不去不行，而且該實驗還在法國與義大利同步進行，實在太酷了，所以你立刻報了名。

幾天之後，研究團隊請你填一份健康調查，例如有沒有幽閉恐懼症之類，並安排實驗時間；實驗似乎非常簡單：一邊接受腦部掃描，一邊幫一大堆女生臉蛋的照片打分數。「這根本只是花一個小時滑社交軟體 Tinder 嘛。」你想著，這樣就能為科學做出貢獻，實在太好了。

實驗當天，一名穿著白袍的助手帶你進入房間，房裡有一張小小的床。床的旁邊是一個巨大的白色塑膠甜甜圈，洞的大小剛好可以塞進那張床。「這叫作功能性磁振造影，」助手表示，她請你躺在床上，遞給你兩個控制器，每個控制器上各有四個按鈕，上面分別寫著 1 到 8。

「接下來我們會放出許多照片，請你告訴我們每張照片有多吸引人，」她指著控制器上的按鈕，「毫無吸引力就打 1 分，非常吸引人就打 8 分；每張照片有三到五秒的時間回答。」她說完之後給你戴上耳機，在你頭上敲了幾下把耳機固定。你看了一下那個塑膠甜甜圈，裡面好像有個小螢幕。

「感覺如何？」耳機傳來助手的聲音。

「OK 啦，」你說，雖然你其實有點緊張，而且有點冷。

助手請你盡量保持安靜，然後整張床緩緩滑入了那個白色甜甜圈。

一分鐘後，甜甜圈裡的小螢幕亮了起來，出現一張女生的臉蛋照片，畫著濃妝面帶微笑，頭髮看起來油膩膩的；照片消失之後，你給照片打了六分，幾秒鐘後數字「8」亮了起來，旁邊寫著「＋2」。看來「米蘭和巴黎的女性受試者」對這張臉的評價，平均比你高兩分。

「喔？」你皺起眉頭，「這樣啊？是我漏看什麼嗎？」

螢幕上出現第二張功能性磁振造影照片，你努力無視磁振造影機器的嗡嗡聲，繼續打分數。在那之後，照片一張又一張出現，就這樣經過了五十分鐘。

實驗完成之後你來到休息室，另一個助理突然走了進來，說要拜託你在沒有磁振造影機的情況下，把每張照片再打一次分數；他把你帶到另一個房間，確認你覺得舒服之後，以不同的順序給你看之前那些照片。

不過這次，那些「歐洲受試者給出的平均分數」消失了，而且沒有時間限制，每張照片你愛看多久就看多久。結束之後助手問你感覺如何，並感謝你的參與，你也很高興對科學做出貢獻。

大腦認為錯的意見

不過你做出貢獻的方式，其實跟你想的不太一樣。實驗結束之後你才知道，其實整個設定都是騙你的，這個實驗的真正目的，是研究你對臉蛋的評價會如何因為其他人的評價而改變。

實驗根本就沒有「歐洲各地同步進行」，那些「其他國家」或者什麼「米蘭和巴黎受試者的平均評分」全都是事先寫好規則的極端值，只是刻意為了跟你唱反調而已。但有趣的是，這個虛構設定的實驗，卻告訴了我們很多真實的事情。

功能性磁振造影的掃描結果顯示，當我們發現自己偏離了主流意見，大腦就會在神經層次上，產生一種跟事與願違時相同的反應。

當事情的走向出乎預期，我們通常會認為是自己搞錯，這時大腦會把錯誤記錄下來，讓我們下一次不要再犯。這種機制在我們學習開車跟滑雪的時候很有用，卻會在社會之中造成麻煩：大腦會把與眾不同的意見當成錯誤的意見，讓我們下意識服從群體的共識。

因此，當我們重新幫同一疊照片評分，我們給出的分數就變得跟「歐洲各地的平均分數」更近，請注意這個設定的真正意義。這些「歐洲各地的受試者」並不是我們的內團體，「巴黎跟米蘭的女性受試者」遠在天邊，我們根本就不認識，即使意見不同也不用擔心被他們排擠，可是我們還是被影響了。

這表示即使「其他人」不在現場、不知道打哪來的、甚至根本就不存在，他們的意見還是能夠讓我們服從。

這個實驗告訴我們，即使眼前是一群自己未必重視的群體，即使「主流意見」可能只是我們的錯覺，我們也會在意自己是否偏離。在社交場合，我們的大腦不會仔細檢查眼前的表象是否為真，只會照著本能做事。這種情況我稱之為「共識陷阱」（consensus trap）。

它會創造出另一種集體錯覺：不是奠基於謊言，而是奠基於沉默，讓我們為了保持沉默，最後搞到彼此誤解。這種沉默的共識很可怕，它讓我們搞不清楚自己做錯了什麼，畢竟我們既沒有盲從他人，也沒有假意迎合，只是保持沉默而已。

——本文摘自《集體錯覺：真相，不一定跟多數人站在同一邊！》，2022 年 12 月，平安文化出版，未經同意請勿轉載。

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪撰文／劉韋佐、田偲妤
• 美術設計／蔡宛潔

熱心助人背後隱藏什麼樣的內心劇場？

臺灣民眾熱心公益，世界有目共睹，不論是日本 311 大地震、防疫物資捐贈，還是烏俄戰爭，都可見到臺灣人的無私捐獻。然而，當援助者數量遠多於待援者時，你依然願意慷慨相助嗎？中央研究院「研之有物」專訪院內社會學研究所江彥生研究員，以社會心理學剖析助人行為的群眾效應。經由「獨裁者遊戲」揭露「英雄／小卒效應」，到底多數人是樂於當慷慨的英雄？還是甘為保守的小卒？一起揭開助人行為的內心劇場吧！

搭公車時，目睹身邊的乘客受到他人無端騷擾，你會怎麼做？

1. 見義勇為，立即出手援助！
2. 深怕第一個出手反而招來麻煩，還是先觀察一下好了。
3. 當作沒看到，少一事是一事。

這樣的場景常在公共場合發生，多數人會忖量他人行為來評估是否出手助人，這正是社會心理學所關注的「旁觀者效應」（Bystander Effect）。面對單一的待援者時，作為一個旁觀者的「我」，往往會等待他人搶先一步伸出援手。或許是出於自利心態，也可能是「責任分擔」心理作祟，這樣的旁觀者效應在不同狀態下對助人行為的影響與衝突，引發社會心理學家想進一步探究人類社會行為的動機。

社會心理學（Social Psychology）是一門研究人類社會行為的學科，以科學方法研究在不同情境下，人們會採取的行動，以及這些行動所造成的後果。上述提到的旁觀者效應是社會心理學的經典案例，通常是數名援助者面對單一待援者會產生的現象，那麼若是單一援助者面對數名待援者，又會發生什麼樣的狀況呢？

來玩獨裁者遊戲，英雄、小卒現身！

江彥生提到，許多研究證據指出，當單一援助者面對數名待援者，這名援助者更願意展現「英雄氣概」，援助通常會給得很霸氣！但是，當有好幾名援助者面對單一待援者，此時似乎沒有展現英雄氣概的機會，若只能當「小卒」，那還是先等看看其他人會不會出手吧！

為了驗證上述心理狀態，江彥生借用行為經濟學（Behavioral Economics）中的「獨裁者遊戲」（Dictator Game）來設計實驗。實驗以匿名方式進行，先支付每位受試者新臺幣 200 元酬勞，再請受試者擔任援助者的角色。在絕對自由的情境下，觀察受試者會選擇獨享這 200 元，抑或將部分所得捐給其他待援者。

實驗結果顯示，手上握有酬勞的人或多或少都願意捐款。此外，江彥生也發現，比起面對單一待援者，若面對數名待援者時，受試者通常願意捐得更多。然而，當知道有其他握有酬勞的援助者時，受試者就不會這麼大方了，原因可能出自「責任分擔」心理，甚至可能在援助者之間產生社經地位的比較心態，不想因捐款而讓自己的經濟狀況趨於劣勢。研究結果與「英雄／小卒效應」可說是不謀而合。

慷慨英雄VS.保守小卒，選擇是「對稱」的嗎？

「英雄／小卒效應」獲得驗證後，江彥生更想進一步探究的是：在面對眾多援助者時，一個人所減少的慷慨度，比起面對眾多待援者所增加的慷慨度，是否相同？換句話說，助人行為的群眾效應是否對稱？

為什麼會談到「對稱」呢？原來在認知心理學（Cognitive Psychology）中，有一個著名的「不對稱理論」，源於 2002 年諾貝爾經濟學獎得主丹尼爾．康納曼（Daniel Kahneman）所提出的「展望理論」（Prospect Theory，或譯「前景理論」）。展望理論指出，「損失」所帶來的負面情緒，比起「獲得」的正面感受，人們更在意損失所帶來的影響。這說明了人類對於「得」與「失」的感受是不對稱的。

那麼英雄和小卒之間的助人行為會是對稱的嗎？在下列圖示中，援助者贈與待援者的金額為「縱軸」，而援助者與待援者的人數比例為「橫軸」。來看看受試者得知援助者和待援者的人數變化時，捐款行為會產生什麼樣的改變。

實驗結果顯示，當援助者的人數超過待援者時，贈與金額下滑的幅度（小卒效應），比起援助者少於待援者時，贈與金額上升的幅度（英雄效應），竟足足多出了一倍之多！

「小卒效應」是「英雄效應」的兩倍強！

換句話說，當我們發現自己當不了英雄，選擇「縮手」的程度反而更快！即便有當英雄的機會，「出手」也不盡然闊綽。

「英雄／小卒效應」不僅揭露人在面對弱勢者的心理變化，更能運用在線上捐款或募資活動的設計上。江彥生以「Kiva」平台為例，這是一個和全球微型貸款合作的網站，讓每個人都有機會捐款幫助他人，減緩貧窮問題。平台上的待援者會寫出自己的背景和財務需求，供援助者瀏覽後決定要給予多少經濟支援。若能利用上述的「英雄效應」，透過調整演算法，調配出最適當的瀏覽分配比例，應能激發援助者最大的英雄氣概，盡量不遺漏每一個需要幫助的人！

想當社會心理學家？你必須先是個好導演

社會心理學家常常遊走在不同的社群之間，藉由精心設計的實驗，發掘人性的各種衝突與複雜層面。江彥生談到，一名社會心理學家要對組織或社群互動感興趣，關注人格、社會影響力，以及群體的行為狀態。除此之外，你還需具備設計實驗的想像力。

江彥生笑著說，做實驗的時候覺得自己好像導演！設計實驗有點像在編寫劇本，要先在腦海中沙盤推演角色可能的行為舉止，思考如何讓角色之間產生互動。接著還要讓角色投入實驗情境，然後觀察這些人在情境中的反應。

正統的社會學像是紀錄片，而社會心理學就像電影，透過劇本的編寫，設計一個實驗情境，觀察個人或群體的互動關係、心理反應，以科學研究分析其中的因果關係。

江彥生的研究室有佔滿整片牆的黑板，上頭用粉筆畫了許多圖式及演算公式，是在反覆推敲不對稱助人行為等研究計畫所留下的思考軌跡。面對我們習以為常的日常情景，江彥生卻以銳利的眼光探究每個行為背後更深層的心理狀態。雖然自嘲是「談話殺手」，但在訪談之間，卻處處顯露江彥生對研究的熱情，藉由剖析當前複雜的社會系統，讓我們更了解芸芸眾生難以言說的內心劇場。

延伸閱讀

• Chiang, Y-S., Hsu, Y-F. (2019). The asymmetry of altruistic giving when givers outnumber recipients and vice versa. JOURNAL OF ECONOMIC PSYCHOLOGY 73, 152-160.
• 江彥生（2021）。【專欄】英雄氣短，小卒氣長？淺談助人行為的群眾效應。中研院訊。