精神個案系列：小腦病變的感覺像…騷擾？！

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

• 文／蔡宜欣
• 雅文基金會聽語科學研究中心 助理研究員

全球耳鳴的盛行率約 10% 到 20%，最常發生在 40 至 60 歲的成人身上，且該比率有隨著年齡增長上升的趨勢（Kleinjung, 2020; Pinto, 2010）。

然而，整合過去針對兒童及青少年的研究發現，聽力正常的孩子得到耳鳴的比例在 4.7% 至 46% 不等，而聽力損失的孩子得到耳鳴的比例為 23.5% 至 62.2%，大幅高於一般聽力正常者 （Rosing, 2016）。顯然，耳鳴並非成年人的專利，我們的孩子也可能面臨耳鳴的困擾。

只有我聽得到，是「耳鳴」還是「幻聽」？

人們常混淆「耳鳴」與「幻聽」這兩者同樣都是屬於環境中不存在，但卻是自己聽得見聲音的徵狀，然而，其實二者可以從所聽見的聲音是否有所意義加以區隔。

幻聽（Auditory hallucinations）顧名思義是指出現聽的幻覺，幻聽者認為自己聽到了某種感覺真實存在的聲音，事實上聲音並不存在，而聲音的類型通常為一種或多種有意義的聲音，如：聽見有人在叫自己的名字，但事實上沒人叫我；聽見手機鈴響，但實際上手機並未有來電等。

部分偶發性幻聽是由於心理壓力所造成，若未實質影響生活品質或許暫時可以忽略。然而，若是因疾病（如：思覺失調症、躁鬱症、感官系統疾病或腦瘤等）而頻繁出現幻聽，則建議進一步就醫治療（新生精神康復會，2016）。

同樣都是聽見並不存在的聲音，耳鳴（Tinnitus）則是指聽到單調且不具意義的聲音，如：一段連續或間斷的「嗡嗡聲」、「逼逼聲」、「嘶嘶聲」、「沙沙聲」等，每個人出現耳鳴的狀況不太一致：時間從短短幾秒鐘至持續不斷，頻率從偶發的一次性至每天數次皆有可能。

揮之不去的耳鳴也可能找上孩子！

有研究指出，耳鳴並非一種疾病，而是屬於多種潛在疾病的症狀（Han et al., 2009），如：中耳炎、耳垢栓塞（impacted cerumen）或噪音暴露等，即很可能是兒少引發耳鳴的原因（Baguley, 2013; Coelho, 2007）。

一項針對 1100 位 6 歲至 16 歲的兒童及青少年的研究顯示，僅有 6.5% 的兒少會主動抱怨耳鳴，在進一步詢問之後，發現有耳鳴的兒少比例提升至 34%，這也表示大人可以透過一些問題的引導，能幫助兒少描述出耳鳴的經驗與感受，譬如：

「是否感覺到耳朵裡有噪音？」
「在什麼情況下會聽見這些噪音？」
「這些噪音像什麼樣子的聲音？」
「哪一隻耳朵會聽見聲音？」

以及請他們回想耳鳴發生的頻率和持續時間、耳鳴帶來的困擾程度等。

兒少之所以很少會主動表明自己有耳鳴，可能是他們已經習慣了長期存在的耳鳴，或者他們本身並不清楚耳鳴是一種症狀；除此之外，也可能是曾經主動提到過他們的耳鳴問題，但這些感受被大人們忽略了。（Savastano, 2002; Savastano, 2007; Savastano, Marioni, & de Filippis, 2009）。

耳鳴最常見的影響包含：焦慮、抑鬱、失眠、認知和專注力下降、語音辨識能力下降、行為或情緒問題等（Han et al., 2009; Kleinjung & Langguth, 2020），耳鳴還可能讓孩子出現煩躁、緊張、語言能力下降、學習或寫作困難等情況（Savastano, Marioni, & de Filippis, 2009），家長可以留意孩子是否會摀住／拍打／拉扯耳朵、注意力不集中，或是說「我的耳朵好吵」、「一直有聲音」等，來傳達他們聽見了不存在的聲音，若發現孩子出現這類情況，宜盡速就醫。

找出原因、及時治療，兒少耳鳴就有機會改善

雖然大部分的人遇到的耳鳴並非永久性，經過休息也可能可以改善，但若耳鳴發生的頻率過高，特別是出現其他併發症，如：頭痛、頭暈，或已經影響到生活時，建議尋求醫生的協助，找出引發耳鳴的原因和合適的改善方式。一般來說，常見的耳鳴改善策略如下（Han et al., 2009）：

一、直接降低耳鳴的強度

1. 藥物治療：服用特定藥物可以降低耳鳴強度或舒緩耳鳴所帶來的不適。
2. 電抑制（Electrical suppression）：對耳蝸進行電刺激以抑制耳鳴。

二、減緩耳鳴所帶來的困擾

1. 認知及行為治療：運用積極的思維取代消極的思維、將注意力轉移至令人愉快的事物、圖片上等方式面對耳鳴困擾。
2. 聲音治療：透過撥放自然環境音，如雨聲、瀑布聲進而減緩耳鳴者對於耳鳴的感受。
3. 配戴助聽器：亦屬於聲音治療。針對聽力損失程度較重者，透過助聽器將環境音、語音放大，藉以將注意力從耳鳴上面轉移。
4. 音樂治療：模擬出與耳鳴頻率、強度相符，但相位相反的音樂，透過音樂與耳鳴聲波的疊加，進而削弱耳鳴聲，讓耳鳴者達到減敏的效果（Liu et al., 2023）。
5. 耳鳴再訓練療法／耳鳴減敏療法（Tinnitus Retraining Therapy, TRT）：結合聆聽低頻率背景音的生理減敏，及醫生引導正向面對耳鳴的心理減敏達到治療效果。
6. 頸部、咀嚼肌的按摩與伸展：針對下顎、頸部疾病患者，透過頸部、咀嚼肌的按摩和伸展可以有效改善耳鳴。

雖然耳鳴好發於成年人，但是兒童和青少年也容易因為噪音傷害、中耳炎、耳垢栓塞等引起耳鳴，家長除了多加觀察孩子的反應，也可以透過引導的方式幫助孩子表達聽到異聲的頻率、持續時間和困擾。若孩子疑似面臨到耳鳴的困擾，建議儘早帶孩子尋求醫生的診治，以免錯過黃金治療期。

1. Kleinjung, T., & Langguth, B. (2020). Avenue for future tinnitus treatments. Otolaryngologic Clinics of North America, 53(4), 667-683.
2. Pinto, P. C. L., Sanchez, T. G., & Tomita, S. (2010). The impact of gender, age and hearing loss on tinnitus severity. Brazilian journal of otorhinolaryngology, 76, 18-24.
3. Rosing, S. N., Schmidt, J. H., Wedderkopp, N., & Baguley, D. M. (2016). Prevalence of tinnitus and hyperacusis in children and adolescents: a systematic review. BMJ open, 6(6), e010596. 
4. 新生精神康復會（2016）。改變幻聽的世界。香港：香港經濟日報有限公司。
5. Han, B. I., Lee, H. W., Kim, T. Y., Lim, J. S., & Shin, K. S. (2009). Tinnitus: characteristics, causes, mechanisms, and treatments. Journal of Clinical Neurology, 5(1), 11-19. 
6. Baguley, D., McFerran, D., & Hall, D. (2013). Tinnitus. The Lancet, 382(9904), 1600-1607. 
7. Coelho, C. B., Sanchez, T. G., & Tyler, R. S. (2007). Tinnitus in children and associated risk factors. Progress in brain research, 166, 179-191.
8. Savastano, M. (2002). A protocol of study for tinnitus in childhood. International journal of pediatric otorhinolaryngology, 64(1), 23-27.
9. Savastano, M. (2007). Characteristics of tinnitus in childhood. European journal of pediatrics, 166, 797-801.
10. Savastano, M., Marioni, G., & de Filippis, C. (2009). Tinnitus in children without hearing impairment. International journal of pediatric otorhinolaryngology, 73, S13-S15. 
11. Liu, Y., Yang, S., Wang, Y., Hu, J., Xie, H., Ni, T., & Han, Z. (2023). Efficacy and factors influencing outcomes of customized music therapy combined with a follow-up system in chronic tinnitus patients. Journal of Otolaryngology-Head & Neck Surgery, 52(1), 1-11.

難得有空抽手出來寫長文，再加上最近《我推的孩子》正紅，來聊聊最近這段時間一直很想講的擬社會互動（parasocial interaction）好了。（不過雖然講了這麼多，還是不足以涵蓋擬社會互動的所有面向跟相關議題，如果對此議題感興趣歡迎去找其他論文來看，或是在下面提問，我會盡可能回應）（倒地

擬社會互動是什麼？

擬社會互動，是指某人透過某種媒介，在對方不知情的前提下建立的單向人際關係。

正常的人際關係，歸功於人際互動中的各種你來我往，讓參與者可以在有覺察（或未覺察）的情況下逐漸修正自己的行為，最終找到適合的平衡點。然而擬社會互動的本質是虛構的「擬態」、欠缺實際互動打底，其內涵完全取決於建立者的想像，很容易發生極端的偏差甚至是扭曲。

現在在討論擬社會互動時，最常舉的例子是網路紅人，包括 YouTuber、VTuber，以及其他在社群媒體上活躍的公眾人物。確實，網路世界的可觸及性大幅度擴張了擬社會互動發生的規模，個人資訊在無意間被洩漏、濫用的風險也在過去十年呈現指數級的飆升。

精心設計的「人物設定」

當受眾不再受制於實體線路與媒介，「紅人」們要面對的粉絲組成自然更複雜，導致雙方對這段關係的認知落差越來越嚴重。特別是當網紅的工作便是討好受眾時，單方面的不對等訊息，能潛移默化粉絲認知中的人際界線，讓他們覺得自己在某種程度上與這位網紅建立起情感連結——即便對那位網紅來說，他很可能只是在扮演「角色（persona）」，對一顆鏡頭、一行網路 ID 說話。

這也是擬社會互動的癥結點之一。當事人並沒有意識到自己投射情感的對象，很可能只是組精心捏塑、下班後就會跟灰姑娘禮服一樣消失不見的「人物設定」。

「畢竟是死忠的」 資訊不對等下的盲目心理

想當然，會有部分網紅（或其經紀公司）瞄準這個心理現象，利用擬社會互動，吸引死忠且願意付出實質資源的追隨者。例如幫後援會取親暱的綽號、透過（類）會員制的小圈圈分享私生活等。這些看似沒有特定指涉對象的粉絲回饋（當然還有更親近的互動，但那已非擬社會的範疇），其實都會助長擬社會互動，在粉絲心中種下虛妄的關係種子。

除了網紅產業，政治領袖也是受益於擬社會互動的群體（之一）。尤其是主打親民、大家長形象的政治人物，刻意塑造擬社會互動有助於昇華支持者的動機，從單純的理念或利益相符上升到更加私人的情感連結。一但支持者對政治人物產生家人般的親暱感，他們對於瑕疵的包容度也會提高，甚至陷入盲目的認知失調。

即便對方是真誠展現自我，不是在刻意討好受眾，不對等的問題依然存在。

如同演唱會時歌手對著舞台某處揮手，至少會有數十甚至數百人產生「我跟他對到眼了！他在跟我揮手」的錯覺。但歌手眼中，很可能只看見一片密密麻麻的黑點，連你頭髮的顏色都分辨不出來。

在聚光燈的照射下，每位觀眾都只是歌手眼中的「之一」，但歌手卻是每位觀眾眼中的「唯一」。

擬社會互動引發的社會問題

從這個比喻出發，不難看出擬社會互動確實有助於強化粉絲黏著度。但長遠來看，這個心理現象並不全然是優點，反而有不少潛在風險需要注意。

像《我推的孩子》裡面的危險瘋狂粉絲並不是想像出來的產物，而是當前人類社會真實存在的問題。因為當事人無法覺察到擬社會互動的存在，很難及時做出正確的應對，往往都得等到對方開始越界、侵犯到自己的私領域，才驚覺事態嚴重，卻已來不及阻止。

擬社會互動與明星們的自我揭露

拆解擬社會互動，這份單向的人際關係認知，有很大一部分是建立在不對等的自我揭露（self-disclosure）上。

這並不奇怪，自我揭露本就是人際關係的基礎，是互信關係的體現。我們願意對自己信任的人敞開心胸，同樣也會在被人傾訴時感受到自己「被需要」、「被信賴」的溫暖，進而建立起正向的迴圈，加深彼此的情感連結。

正是「距離」產生信任

但這理所當然的心理現象，有個尷尬的例外。出於奇妙的心理機制，比起半生不熟的點頭之交，人類更容易對僅是萍水相逢的人放下戒備。

大家可能都看過社群媒體或網路論壇莫名其妙變成告解室或團體治療空間，又或者你曾經對計程車司機或首次見面的酒保傾訴積壓在心裡、不敢讓身邊人發現的苦水。這既是一種健康的宣洩，也可能成為建立新關係的基石。

但這與其說是信任眼前的陌生人，倒不如說我們信任的是這份陌生感，以及它代表的「距離」。

因為相信彼此只會有這一次的相遇機會，分別之後繼續兩不相干，所以反而能把對方當成秘密樹洞，什麼東西都往裡面倒。這份「陌生」帶來的安全感是如此真實，讓它成為心理師能締結治療關係、引導個案打開心防的重要工具之一。

自我揭露 讓人誤解的熟悉感

但問題在於，對沒有對等認知的接收端（受眾）來說，這些自我揭露帶來的熟悉感很容易混淆他們的判斷。明明沒有真的見過面，卻知道對方的好惡、星座血型、休閒嗜好、時尚品味，甚至連深入許多的童年創傷跟過往戀情都能如數家珍，這些照理說只有熟識朋友才會了解的個人訊息，都是擬社會互動的基礎。

有趣的是，在相關心理學研究中，發現具有焦慮與矛盾型依附的人，特別容易對物理上未曾接觸過的人產生擬社會互動的依賴。

或許是擬社會互動欠缺實體交流、單向的本質，讓這些依附型有了可以放心透放不安全感的對象——畢竟，想像總是最美。就像蒙娜麗莎的微笑，明明他只是盯著前方的某塊虛空，卻讓每個觀畫者都覺得自己與之有了眼神交流，甚至迷戀起這份完美。

事情從此開始，會變得有些麻煩。

擬社會互動與情愛妄想

程度嚴重的擬社會互動，有可能發展成臨床診斷上的情愛妄想（erotomanic delusions），開始相信自己與擬社會互動的對象發展出不存在的親密關係。

不容易被人覺察的「妄想」

值得注意的是，在精神疾病的臨床診斷上幻想（fantasy）、幻覺（hallucination）與妄想（delusion）是不同的症狀。前兩者涉及經驗事實上不存在的刺激或想像，後者則是過度解讀或扭曲既存的瑣碎，最終得出與客觀現實有所出入的結論。

妄想必須有所依據（例如把超商店員的營業用笑容當成調情，又或者覺得鴿子都是政府派出來監視你的生化兵器），這也代表妄想者的「失現實感」，往往只會體現在與妄想對象有關的事物上，比明顯與現實脫節的幻覺或幻想症狀更難在第一時間被他人覺察，遑論獲得需要的幫助（甚至是外力介入）。

妄想引發的過激行為

畢竟在認為對方有精神疾病之前，一般大眾更傾向把妄想內容視為刻意為之的謊話，又或者是虛榮心作祟的自欺欺人。這些針對妄想的否定，可能刺激妄想者去證明妄想為真，進而做出對他人有危害的過激行為。

不只是情愛妄想，諸如被害妄想、嫉妒妄想，或是身體臆形妄想，都有惡化出自傷傷人的案例。

需要理解的是，妄想者不一定是帶著惡意去傷害他人，很多時候在他們的世界觀裡自己才是受害者，被客觀不存在的加害者逼著進行困獸之鬥。

以情愛妄想為例，當妄想者的「愛意」滿溢而出、不再受控，等待他們的往往是拒絕、排斥，還有赤裸裸的嫌惡與恐懼。這些與妄想不符的負面回應有可能一記暮鼓，把妄想者帶回現實；但若情況惡化，無法被捨棄的妄想，會迫使當事人合理化明顯與想像相悖的現實。至於如何合理化一個你深信與自己相愛的人，突然明確表達出對你的排斥，甚至宣稱根本不認識你？嗯，看一些社會新聞，應該能理解這樣的思考歷程有多危險。

惹出一堆麻煩的擬社會互動

講了這麼多關於擬社會互動的壞話（？），那要該怎麼避免擬社會互動呢？

真的，很難。

人類本就內建對自我揭露有情感反應的迴路，而自我揭露又是人類社會中不可避免的一環，這個微妙的因果關係又在資訊科技的一日千里下被無限制地放大，在我們還沒學會如何自處前，便先製造出各種各樣的麻煩。

老實說，擬社會互動根本不是現代的特產或文明病，只是建立起這類情感連結的人，有了更多手段去「實踐」他心中認定的關係，大幅度提升了潛在風險。

但就前面所提到的依附相關研究結果可以看出，大多情況下擬社會互動都不是一個「選擇」，而是自然發生的「現象」。當事人能力所及的，很可能只有事後覺察，然而這又回到老問題：當你意識到它的存在，它已經對你產生足夠顯著的影響或傷害了。

早期論述會把擬社會互動歸咎於現實生活中匱乏人際互動，但這點已被近代心理學研究駁斥。

個人認知的孤獨感與社會支持可能扮演催化劑的角色，但卻不是最根本的原因，強加因果關係反而會讓我們忽略其他重要變項。包括前面提到的依附型，還有成長過程中在社交場合經驗到的正向與負向刺激，都可能潛移默化人們對社交行為的期許與需求，進而驅使他們投向擬社會互動營造出來的舒適圈。

擬社會互動一定不好嗎？

近年來有些研究指出適量的擬社會互動，能為現實生活的離群分子提供一定程度的社會支持、社群凝聚力，甚至藉由效仿情感連結的對象而成長（當然也有負面的案例）。有些學者則認為擬社會互動是現代人適應網路生活的重要策略，與其排斥不如接受它、完善它。

然而不管是哪種論述，大多都有一個共識：適可而止。越界的擬社交互動，就跟任何其他社會互動一樣，只會造成別人的困擾喔。

本文亦刊載於作者 facebook 同名專頁。