大科學人專訪｜職業棋士黑嘉嘉：台語課我考了一百分，事實上我一句台語都不會講

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

• 文 ／ 雅文基金會聽語科學研究中心 林旻萱 助理研究員

在你的日常生活中，是否也有過這樣的經驗呢？四周一片寂靜，你坐在書桌前，試圖專心準備即將到來的考試，卻發現怎麼樣都無法靜下心來，因為腦袋裡正不受控制地播放同一首歌，甚至有時候還會不自覺的哼唱起旋律。那也許是你在商店裡無意間聽到的廣告歌曲，也或許是喜歡的歌手發的新歌，無論你有沒有刻意去回想，它都會佔據你的腦海，像是腦中的背景音樂，不斷重播。

像這樣被一首歌「洗腦」的狀況，到底為什麼會發生呢？

為什麼我們會被歌曲洗腦？原來是耳蟲搞的鬼

事實上，上述的這種現象稱為不自主音樂意象（Involuntary Musical Imagery, INMI），也稱為卡歌症候群（Stuck Song Syndrome, SSS），在口語上常被稱為耳蟲（earworm），是指一段旋律在大腦中自發浮現，並不斷重播的現象 ^[1][2]。耳蟲這個詞是從德文的詞彙 “ohrwurm” 而來 ^[3]，”ohr” 是指耳朵，而 “wurm” 則是小蟲子的意思，用以形容像小蟲子爬進耳朵一般，在腦中揮之不去的音樂。根據研究，耳蟲最早的文學來源，或許可以追溯到 19 世紀 ^[3]。在 1845 年美國出版的一部短篇小說《悖理的惡魔》中，故事的角色就遭遇了「腦中自發響起旋律而無法擺脫」的困擾，這與現代常被提起的耳蟲現象極為相似。這顯示出，即使當時尚未明確定義耳蟲現象，人們也早已在日常生活中有過這種音樂入侵大腦的經驗，甚至為此感到困擾。

心理學教授 Philip Beaman 指出，2008 年就曾有研究針對芬蘭約 12000 名網路使用者進行大規模的問卷調查，結果顯示，有 33% 的受試者表示耳蟲會每天出現，且有超過 90% 的受試者表示至少每週會發生一次耳蟲現象 ^[2][4]，由此可見，耳蟲現象其實相當普遍。那麼，究竟是什麼原因導致耳蟲現象呢？

常見的耳蟲現象，與大腦構造息息相關

為了探討大腦結構與耳蟲現象之間的關聯，Farrugia 等人於 2015 年進行了一項研究 ^[1]，他們調查了 44 名受試者接觸音樂的經驗，並透過問卷了解受試者對耳蟲現象的看法，包括耳蟲的出現頻率及其對生活的影響等等。結果顯示，曾學習音樂或經常接觸音樂的人，更容易出現耳蟲現象，而且這些音樂片段可能對他們產生更強烈的情緒與心理影響。

另一方面，研究也透過磁振造影（Magnetic Resonance Imaging, MRI）對受試者進行腦部掃描，分析大腦的灰質體積與皮質厚度。結果發現，耳蟲現象的頻率可能與某些特定腦區的結構有關。大腦右側的額下回（Inferior Frontal Gyrus, IFG）不僅與音高記憶有關 ^[1][5-7]，也負責抑制機制，當右側 IFG 的皮質厚度降低，抑制能力便會減弱 ^[1]。研究者發現，耳蟲現象發生時，IFG 的活動或許能夠抑制耳蟲出現 ^[1][8-9]。此外，耳蟲出現的頻率與大腦的前扣帶迴皮質（Anterior Cingulate Cortex, ACC） 厚度也有顯著的關聯，當耳蟲出現得越頻繁，ACC 的皮質厚度越薄 ^[1]。ACC 位置所在的大腦網絡區域，即使是大腦處於「非任務狀態」時，仍在進行各種思維活動 ^[1][10]。也就是說，在人們處於放空、發呆，甚至沉浸在白日夢中的時候，ACC 並不會休息停滯，反而呈現高度活躍的狀態。一項研究顯示，ACC 的皮質厚度與非任務狀態的思維活動比例有關 ^[11]。若將耳蟲視為一種非刻意但可感受到的意識活動，則 ACC 在耳蟲現象的神經機制中，可能扮演重要的角色。

對某些人而言，耳蟲能喚起愉快回憶，帶來正面影響；但對另一些人來說，強烈情緒反而可能使耳蟲成為困擾。先前已有研究指出，聆聽音樂時較容易產生正向情緒的人，其海馬旁迴（Parahippocampal Cortex, PHC）體積通常較大 ^[1][12]， Farrugia 等人也進一步發現，認為耳蟲對自己有幫助的人，其 PHC 的灰質體積也相對較大。他們推測，PHC 灰質體積較大可能喚起與耳蟲相關的記憶，激發情緒，讓耳蟲產生較正向的作用。此外，右側顳極（Temporal Pole, TP）則被認為與情感處理相關 ^[1][13]，若 TP 灰質體積較大，個體對情緒的刺激反應可能更為敏感，而這一類的人也較難抑制耳蟲經驗所連結到的負向情緒反應。這些結果顯示，大腦結構與功能互相影響，使每個人對於耳蟲的感受都有所不同。

那些「洗腦神曲」是怎麼來的？這些特徵是關鍵！

除了大腦結構與自身情感機制會使得耳蟲現象發生之外，歌曲本身的特徵也扮演了重要角色。根據研究，歌曲若具備某些特徵，會更容易引發耳蟲現象 ^[14]，如下所示：

1. 節奏較快：INMI 歌曲的節奏通常比非 INMI 歌曲快，輕快的節奏更容易吸引注意力並留下記憶。
2. 旋律輪廓常見：若旋律的起伏模式符合人們熟悉的音樂結構，更容易在腦中重播。
3. 特殊旋律轉折：即使旋律不常見，只要具有獨特且引人注意的起伏變化，也可能成為耳蟲。
4. 近期曝光與流行程度：最近聽過或正在流行的歌曲，更容易成為耳蟲。

重複的旋律，能夠促進兒童語言發展嗎？

根據研究，使用兒歌作為教學素材，能有效提升 4 至 5 歲兒童的詞彙量，且兒童在理解與運用新詞彙方面皆有明顯進步 ^[15]。兒歌是兒童日常生活中最常接觸的音樂形式之一，而且具備了引來耳蟲的特性：旋律輕快、有節奏感，常見且具記憶點。若兒歌能透過耳蟲現象在兒童腦中自發性地重現，利用這種「非刻意但頻繁回想」的特性，或許能在自然語境中提供兒童額外的語言練習機會，使語言學習不僅僅是限於教學情境中，甚至能夠延伸至日常生活的潛意識層面。

研究也指出，透過兒歌進行學習，不僅能提升幼兒的詞彙量，亦能增強其語言學習的自信心，自我表達也會更為積極 ^[15]。因此，若能善用兒歌作為語言學習的媒介，並考量耳蟲現象可能帶來的記憶強化效果，也許有助於促進兒童在語言學習上的發展。

耳蟲現象，其實有跡可循

總而言之，當你腦中突然浮現一段旋律，反覆播放、揮之不去時，其實不必感到意外。這正是大腦運作與音樂特性交互作用的結果，是一種相當普遍且自然的現象。即使你沒有刻意記住某首歌，它仍可能在潛意識中悄悄留下痕跡。

所以下次當某首歌又悄悄佔據你的思緒時，不妨放鬆心情，靜靜欣賞它的旋律與節奏。你之所以忍不住想哼唱，並不是因為分心，而是因為這段旋律剛好觸發了大腦中的某個開關，也許還會勾起某些情緒或回憶呢！

耳蟲，是音樂在我們腦海中留下的溫柔印記，時刻提醒著我們：大腦與音樂之間，總有著令人著迷的互動。

1. Farrugia, N., Jakubowski, K., Cusack, R., & Stewart, L. (2015). Tunes stuck in your brain: The frequency and affective evaluation of involuntary musical imagery correlate with cortical structure. Consciousness and cognition, 35, 66-77.
2. Liikkanen, L. A. (2008). Music in everymind: commonality of involuntary musical imagery. In 10th International Conference of Music Perception and Cognition. Sapporo, Japan, August 2008 (pp. 1-5).
3. Beaman, C. P. (2018). The literary and recent scientific history of the earworm: A review and theoretical framework. Auditory Perception & Cognition, 1(1-2), 42-65.
4. Beaman, C. P., & Williams, T. I. (2010). Earworms (stuck song syndrome): Towards a natural history of intrusive thoughts. British Journal of Psychology, 101(4), 637-653.
5. Albouy, P., Mattout, J., Bouet, R., Maby, E., Sanchez, G., Aguera, P. E., … & Tillmann, B. (2013). Impaired pitch perception and memory in congenital amusia: the deficit starts in the auditory cortex. Brain, 136(5), 1639-1661.
6. Hyde, K. L., & Peretz, I. (2004). Brains that are out of tune but in time. Psychological science, 15(5), 356-360.
7. Hyde, K. L., Lerch, J. P., Zatorre, R. J., Griffiths, T. D., Evans, A. C., & Peretz, I. (2007). Cortical thickness in congenital amusia: when less is better than more. Journal of Neuroscience, 27(47), 13028-13032.
8. Aron, A. R., Robbins, T. W., & Poldrack, R. A. (2004). Inhibition and the right inferior frontal cortex. Trends in cognitive sciences, 8(4), 170-177.
9. Aron, A. R., Robbins, T. W., & Poldrack, R. A. (2014). Inhibition and the right inferior frontal cortex: one decade on. Trends in cognitive sciences, 18(4), 177-185.
10. 廖泊喬。（2024/3/13）。DMN腦神經科學研究：好好躺平有助潛能發展。觀點同不同。取自：https://issues.ptsplus.tv/articles/7927/
11. Bernhardt, B. C., Smallwood, J., Tusche, A., Ruby, F. J., Engen, H. G., Steinbeis, N., & Singer, T. (2014). Medial prefrontal and anterior cingulate cortical thickness predicts shared individual differences in self-generated thought and temporal discounting. Neuroimage, 90, 290-297.
12. Koelsch, S., Skouras, S., & Jentschke, S. (2013). Neural correlates of emotional personality: A structural and functional magnetic resonance imaging study. PLoS One, 8(11), e77196.
13. Royet, J. P., Zald, D., Versace, R., Costes, N., Lavenne, F., Koenig, O., & Gervais, R. (2000). Emotional responses to pleasant and unpleasant olfactory, visual, and auditory stimuli: a positron emission tomography study. Journal of Neuroscience, 20(20), 7752-7759.
14. Jakubowski, K., Finkel, S., Stewart, L., & Müllensiefen, D. (2017). Dissecting an earworm: Melodic features and song popularity predict involuntary musical imagery. Psychology of Aesthetics, Creativity, and the Arts, 11(2), 122.
15. Christina, Y., & Pujiarto, P. (2023). The Effectiveness of Nursery Rhymes Media to Improve English Vocabulary and Confidence of Children (4-5 Years) in Tutor Time Kindergarten. Journal of Education Research, 4(3), 1326-1333.

為什麼我們總是找不到鑰匙？

讓我們想像一個日常中會發生的情況。你下班回家，用手機確認電子郵件，同時把鑰匙插入鑰匙孔，打開大門。你踏入家中，家裡那隻不久前才認養、還沒訓練好規矩的好動小狗撲過來，纏著你跳來跳去，搞得你身上沾滿狗兒的口水。

你聽到女兒的房間大聲傳出卡加咕咕樂團（Kajagoogoo）的歌曲，一小段極易琅琅上口的重低音合成流行音樂鑽進你的腦門。你疲憊的走進廚房，裡面有股腐臭味，告訴你昨晚忘記把垃圾拿出去。然後，忽然一個抽痛，提醒你要冰敷幾週前扭傷的腳踝。

現在，不要轉頭，試著回想你把鑰匙放在哪裡。如果你想起自己把鑰匙留在鎖孔上，那很好，但如果實在想不起來，你也並不孤單。你可能只是被太多事情轉移了注意力，一旦有一大堆訊息襲來，我們對單一事件的記憶會變得混亂。

更糟的是，當我們試圖回想自己最後把鑰匙放在哪裡時，會一一過濾各式記憶，包括自己以前曾放置鑰匙的所有地方，以及我們把鑰匙放在各個地方的各種不同情況，不管那些事件是發生在昨晚、上個星期，甚至去年。會有很多這樣的干擾，所以諸如鑰匙、手機、眼鏡、皮夾，甚至車子等常用的東西，我們經常忘記它放在哪裡。競爭的記憶那麼多，能夠記住這些東西放在哪裡才奇怪。

破解記憶混亂：注意力如何幫助你記住重要細節

試著把記憶想像成一張桌子，上面雜亂的放滿皺皺的紙片。如果你把網路銀行的密碼隨手抄在這種紙片上，要重新找到這張紙片，不僅需要耗費一番努力和運氣，同時也在挑戰你的記憶力。這類經驗就像艾賓浩斯努力背誦的無意義三字母組，要找到當下所需的正確記憶，難度會不成比例的增加。

但如果你把密碼寫在一張亮眼的桃紅色便利貼，要找到就變得格外容易，因為桃紅色便利貼會從桌上所有其他紙片之中凸顯出來。記憶以同樣的方式運作。愈特殊的經驗愈容易記得，因為它會從所有其他記憶裡凸顯出來。

那麼，要如何使記憶從我們堆滿雜亂事物的腦袋中凸顯出來呢？答案是「注意力」和「動機」。利用注意力，大腦能把我們看到、聽到、想到的事情提高優先順序。我們隨時都可能把注意力放在四周的諸多事物上，而環境裡發生的事情常常會吸引我們注意。

在前面描述的假想情況中，你的注意力可能短暫的放在鑰匙上，接著注意力就被門打開後遇到的許多事情給轉移。即使你留意著應該記住的重要事物（一小時後得去機場接妻子，你需要那串鑰匙，否則會遲到），也不見得能幫你建立特殊的記憶，足以對抗各式各樣吸引你注意的干擾（好動的狗、廚房裡的垃圾臭氣，或女兒房間傳出的樂團聲音）。

這就是「動機」登場的時候了。你需要利用動機來引導注意力，讓注意力鎖定在某個特定的事物上，好製造一個之後能找得到的記憶。下次你放下鑰匙這類經常找不到的東西時，花一點時間專注在當時和當地的某個獨特事物，例如檯面的顏色，或鑰匙旁邊那疊未拆封的信件。只要一點點專心的動機，就能對抗大腦忽略日常事件的天性，建立較為明顯的記憶，如此便有機會戰勝那些干擾的喧囂。

——本文摘自《記憶決定你是誰：探索心智基礎，學習如何記憶》，2024 年 7 月，天下文化，未經同意請勿轉載。