0

0
0

文字

分享

0
0
0

讚不絕口! MVP 教你如何槓桿你的「讚」

reBuzz 來報這
・2013/03/01 ・2519字 ・閱讀時間約 5 分鐘 ・SR值 521 ・七年級


許多專家說 Facebook的「讚」不再重要,因為難以轉換成有利的 outcome。

像是 TechOrange 的文章: 按「讚」並不代表對品牌具有忠誠度 ,因為按讚可能有很多原因
你的「讚」代表了什麼意義? ,很多按讚的原因只是為了利益交換。

其實原先 Facebook 「讚」的設計 可追朔回社會影響理論 (SIT, Social Influence Theory),理論主張每個人的行動多少會影響他人,像是當你按某個 po 文讚,你的朋友也會跟著按、甚至是留言轉貼..進而影響越來越多人。

但隨著臉書的粉絲專頁、品牌專頁以及贊助廣告越來越多,資訊滿載加上越來越麻痺,SIT 理論的影響力也慢慢降低了。

「讚」,真的毫無價值了嗎?

NO!「讚」還有很多可以槓桿的方式,而現在常見的手法是利用 MVP

-----廣告,請繼續往下閱讀-----

什麼是 MVP 呢?在講解之前,請大家先看看下面的圖,是否看過很多類似的官網/拍賣網有這樣品牌支持的粉絲圖示呢?

當你看到某個品牌網站揭露的粉絲們都是跟你相似的人,你自然會對它不自覺地有股親切感。 ─ MVP 效應

以學術上來說,上述這種列出支持粉絲的方式,我們稱之為「虛擬存在」(mere virtual presence, MVP),意思是一個人或個體以線上虛擬的方式呈現於公眾。也就是說,你在現實中看到的人是「真實存在」,而你在線上所看到的人、個體則是一個「虛擬存在」。

當揭露的粉絲與 TA 特質差異甚大,往往會弄巧成拙

但問題是網站使用 MVP 時,往往不知道所揭露的粉絲特質是否跟目標客群 (Target Audience, TA)的特質一樣。

舉例來說,如果某網站之前的粉絲都是男性,但當他們想推出一個針對女性的商品,網站上呈現的 MVP 粉絲卻都是男性,反而會造成這些女性 TA 的反感。

MVP 的呈現方式可分為下述四種不同情境:

-----廣告,請繼續往下閱讀-----
  1. MVP 特質與 TA 特質相似的情況 (similar MVP condition)
  2. MVP 特質與 TA 特質不相似的情況 (dissimilar MVP condition)
  3. 無差別亂槍打鳥 MVP (heterogeneous MVP condition)
    目前許多網站的常見做法,揭露所有年齡層、不同性別的粉絲。
  4. 模糊的 MVP 情況 (ambiguous MVP)
    模糊的 MVP 是指網站不完全揭露粉絲的個人資訊 (像是照片、性別、年齡),常見的作法是不顯示支持者的圖像(如下圖)

模糊 MVP 策略意外地有效!

針對上述不同 MVP,學者 Naylor, Lamberton和 West 做了一連串的實驗,發現了不同的 MVP 呈現方式,對於消費者的購買決策以及品牌評價可有大大的影響力接下來讓我們來看看他們的研究吧。

Naylor 邀請了 128位大學生參與此實驗,受試者被告知他們將觀看一個賣服飾的品牌網站 ROOT,而網站上揭露了其支持粉絲們。受試者被隨機分配到三種不同的情境:
1. 特質與其相似的 MVP (similar MVP condition):受試者將看到網站上揭露了與其性別、年齡相似的粉絲。
2. 特質與其不相似的 MVP (dissimilar MVP condition):受試者將看到網站揭露了與其性別、年齡不同的粉絲。
3. 模糊的 MVP (ambiguous MVP):網站所揭露的粉絲無法得知其性別與年齡。

結果發現,當受試者在特質相近的 MVP 模糊的 MVP 兩種情況下,願意按讚或是與該品牌互動的比率竟然差不多。而上述兩種情況比起與特質不相似的 MVP 情況,願意按讚的比例當然高上許多。

而第二個實驗情境換成一家品牌線上購物網站,同樣也發現與第一個實驗一樣的狀況。更進一步來說,在受試者在面對模糊 MVP 粉絲以及特質相似 MVP 粉絲的狀況下,更加願意購買其商品

當你不確定已按讚的粉絲們,特質是否與想推廣商品的 TA 相似時,不要揭露這些粉絲照片/身分是較佳的解法,否則可能會造成反效果。

多品牌狀況下,模糊 MVP 策略將失靈

前兩個實驗都是品牌自身的網站,但如果網站中包含各式不同品牌呢?
為了驗證多品牌下,不同 MVP 之影響力,學者做了第三個實驗(受試者看到的網站包含三種不同的品牌)去測試。

-----廣告,請繼續往下閱讀-----

結果發現,單獨品牌狀況下,模糊的 MVP 效果跟 特質相近的 MVP效果差不多。
在多品牌的狀況下,特質相近的 MVP 才能更有效地激發受試者的購買與互動意圖

如果你知道你的 TA 與既有的粉絲們特質相似時,不要客氣,直接揭露出已按讚的粉絲照片吧!

更進一步來說, MVP 的效應,不僅僅只能槓桿臉書的讚,更能應用到許多層面上,像是網拍的 model,當你無法確定 TA 與 model 的特質是否相符時,可以裁掉 model 的臉部將其轉為模糊的 MVP,效果不會比較差。

但如果 model 是正妹時, 模糊的 MVP 就不是一個好的策略了,畢竟不論男女老少都愛看正妹…(無誤)

當然以目前 Facebook 來說,企業還無法自由選擇要呈現粉絲團中的那些紛絲給 TA看 ,只能用自有或其他社群推薦系統來呈現精準的 MVP 策略。或許 Facebook 未來也該考慮新功能,讓 企業端用戶能自由地選擇要呈現給 TA 的 MVP 粉絲。

MVP 槓桿:揭露支持者已增加品牌認同

一個網站為何需要崁入他自己的粉絲團或是支持的粉絲呢?除了口碑效應外,目的不在於展現說他們現在有好多粉絲啊!
而是希望當使用者看到他們的粉絲們時,有股熟悉感、溫馨感,進而認同他的品牌與其產生更多的互動,這就是 MVP 的真諦了!(當然面對不同情況,也要選擇對的 MVP 策略拉。)

-----廣告,請繼續往下閱讀-----

你的網站 MVP 了嗎?
有看過哪些網站運用上述的 MVP 方法~~~歡迎與我們分享喔 😀
reBuzz 現在還是用無差別打鳥法阿 ~

 

研究資料來源:Journal of Marketing Volume 76 (November 2012), 105-120 / Beyond the “Like” Button: The Impact of Mere Virtual Presence on Brand Evaluations and Purchase Intentions in Social Media Settings

 

◎衍伸閱讀

 

reBuzz 來報這 專注於分享行銷與心理學、使用者行為、創新商業個案的分析文章,歡迎有興趣的朋友訂閱文章加入粉絲團,大家一起來交流!

-----廣告,請繼續往下閱讀-----

(資料來源:Journal of Marketing;圖片來源: Nemo, CC License)

文章難易度
reBuzz 來報這
13 篇文章 ・ 1 位粉絲
reBuzz 來報這,由一群熱血的校園瘋子成立於2012年9月 (目前成員包含,台大、清大、元智等校研究生與媒體、網路業界人士),我們致力於開放存取(open access) 的學術應用與產業知識庫。希望能將學術界最頂尖的研究精華帶入商用實務界、並將國內外新創團隊與台灣校園創意散布給全世界,創造一個開放創新點子的資料庫與創業家的知識庫。

0

0
0

文字

分享

0
0
0
如何靠溫度控制做出完美的料理?
鳥苷三磷酸 (PanSci Promo)_96
・2024/06/21 ・2766字 ・閱讀時間約 5 分鐘

本文由 Panasonic 委託,泛科學企劃執行。 

炸雞、牛排讓你食指大動,但別人做的總是比較香、比較好吃?別擔心,只要掌握關鍵參數,你也可以做出完美料理!從炸雞到牛排,烹調的關鍵就在於溫度的掌控。讓我們一起揭開這些美食的神秘面紗,了解如何利用科學的方法,做出讓人垂涎三尺的料理。

美味關鍵 1:正確油溫

炸雞是大家喜愛的美食之一,但要做出外酥內嫩的炸雞,關鍵就在於油溫的掌控。炸雞的油溫必須維持在 160 到 180℃ 之間。當你將炸雞放入熱油中,食物的水分會迅速蒸發,形成氣泡,這些氣泡能夠保證你的炸雞外皮酥脆而內部多汁。

水的沸點是 100℃,當麵衣中的水分接觸到 160℃ 的熱油時,會迅速汽化成水蒸氣。這個過程不僅讓麵衣變得酥脆,也能防止內部的雞肉變得乾柴。

-----廣告,請繼續往下閱讀-----

如果油溫過低,麵衣無法迅速變得酥脆,水分和油脂會滲透到食物中,使炸雞變得油膩。而如果油溫過高,水分會迅速蒸發,使麵衣變得過於硬或甚至燒焦。

油炸時,麵衣水分會快速汽化。圖/截取自泛科學 YT 頻道

美味關鍵 2:焦糖化與梅納反應

另一道美味的料理——牛排。無論是煎牛排還是炒菜,高溫烹調都會帶來令人垂涎的香氣,這主要歸功於焦糖化反應和梅納反應。

焦糖化反應是指醣類在高溫下發生的非酵素性褐變反應,這個過程會產生褐色物質和大量的風味分子,讓食物變得更香。而梅納反應則是指醣類與氨基酸在高溫下發生的反應,這個過程會產生複雜的風味分子,使牛排的色澤和香氣更加迷人。

要啟動焦糖化反應和梅納反應的溫度,至少要在 140℃ 以上。如果溫度過低,無法啟動這些反應,食物會顯得平淡無味。

-----廣告,請繼續往下閱讀-----
焦糖畫反應。圖/截取自泛科學 YT 頻道


焦糖化反應與梅納反應。圖/截取自泛科學 YT 頻道

油溫與健康

油溫不僅影響食物的風味,也關係到健康。不能一昧地升高油溫,因為每種油都有其特定的發煙點,即開始冒煙並變質的溫度。當油溫超過發煙點,會產生有害物質,如致癌的甲醛、乙醛等。因此,選擇合適的油並控制油溫,是保證烹調健康的關鍵。

說了這麼多,但是要怎麼控制溫度呢?

各類油品發煙點 。圖/截取自泛科學 YT 頻道

科學的溫度控制

傳統電磁爐將溫度計設在爐面下,透過傳導與熱電阻來測溫,Panasonic 的 IH 調理爐則有光火力感應技術,利用紅外線的 IR Sensor 來測溫,不用再等熱慢慢傳導至爐面下的溫度計,而是用紅外線穿透偵測鍋內的溫度,既快速又精準。

而且因為紅外線可以遠距離量測,如果甩鍋炒菜鍋子離開爐面,也能持續追蹤動態。不會立即斷開功率關掉,只要鍋子放回就會繼續加熱,效率不打折。

-----廣告,請繼續往下閱讀-----

好的溫度感測還要搭配好的溫度控制,才能做出一流的料理。日本製的 Panasonic IH 調理爐,將自家最自豪的 ECONAVI 技術放進了 IH 爐中。有 ECONAVI 的冷氣能完美控制你的室溫,有 ECONAVI 的 IH 調理爐則能為你的料理完美控溫。

有 ECONAVI 的 IH 爐不只省能源、和瓦斯爐相比減少碳排放,更為料理加分。前面說了溫度就是一切的關鍵,但是當我們將食材投到熱鍋中,鍋中的溫度就會瞬間下降,打亂物理與化學反應的節奏,阻止我們為料理施加美味魔法。

所以常常有好的廚師會告訴我們食物要分批下,避免溫度產生太大變化。Panasonic IH 調理爐,只要透過 IR Sensor 一偵測到溫度下降,就能馬上知道有食材被投入並立刻加強火力,讓梅納反應與焦糖化反應能持續發揮變化。而當溫度回到設定溫度,Panasonic IH 調理爐也會馬上將火力轉小,透過電腦 AI 的迅速反應,掌握溫度在最完美區間不劇烈起伏。

不僅保證美味關鍵,更不用擔心油溫超過發煙點而導致油品變質,讓美味變得不健康。

-----廣告,請繼續往下閱讀-----
透過 IR Sensor 精準測溫並提升火力。圖/截取自泛科學 YT 頻道
IH 調理爐完美控溫 。圖/截取自泛科學 YT 頻道

舒適的烹飪環境

最後,IH 爐還有一個大優點。相比於瓦斯爐,因為沒有使用明火,加熱都集中在鍋具。料理過程更安全,同時使用者也不會被火焰的熱氣搞得心煩意亂、汗流浹背,在廚房也能過得很舒適。而且因為熱能集中,浪費的能源也更少。

因為沒有使用明火,料理過程安全又舒適。圖/截取自泛科學 YT 頻道
Panasonic IH調理爐火力精準聚集在鍋內。圖/Panasonic提供

為了更多的功能、更好的效能,我們早已逐步從傳統按鍵手機換成智慧型手機。一樣的,在廚房內,如果你想輕鬆做出好料理,同時讓烹飪的過程舒適愉快又安全。試試改用 Panasonic IH 爐,一起享受智慧廚房的新趨勢吧!👉 https://pse.is/649gm5

文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
200 篇文章 ・ 306 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

0
0

文字

分享

0
0
0
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 53 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

2
8

文字

分享

0
2
8
擁有「控制感」有助於維持心理健康?無助導致的憂鬱又是怎麼來的?——《選擇的弔詭》
一起來
・2023/12/31 ・3327字 ・閱讀時間約 6 分鐘

習得無助、控制感,以及憂鬱

提過塞利格曼等人發現的「習得無助」現象,他們進行了一系列動物基本學習歷程的實驗,訓練動物跳過柵欄以避開腳下的電擊。動物通常很快就能學會怎麼做,但有一組動物,因為先前經歷過一連串無法躲避的電擊,所以始終都學不會,牠們甚至放棄嘗試,只是待在原地乖乖接受電擊,而從不試著跳過柵欄。研究者的解釋是,當動物遭受自己無法控制的電擊,就會學到不管怎麼做都無濟於事,這樣的習得無助感會轉移到新情境,即使牠們能夠控制這個新情境,還是會放棄嘗試。

塞利格曼深入研究習得無助現象之後,驚訝地發現,這些無助的動物跟憂鬱症患者有許多共同點,尤其是兩者的消極心態,憂鬱症患者有時連「今天要穿什麼衣服」這樣的小事都力不從心。塞利格曼推論,至少有部分憂鬱症患者是因為經歷過一次強烈的失控感,於是開始相信自己對任何事都無能為力,並認為這種無助感會一直持續出現在各種情境。根據塞利格曼的假設,擁有控制感對於心理健康至關重要。

五十多年前,一項研究以三個月大的嬰兒為受試者,凸顯了控制感的重要性。研究者將嬰兒分成兩組,A 組是有控制權的嬰兒,他們躺在嬰兒床上,頭靠著枕頭,床的上方倒掛著一把半透明的傘,裡面用彈簧黏著幾隻動物玩偶,如果嬰兒轉一下頭,傘裡的燈就會亮起,嬰兒就可以看到那些玩偶在「跳舞」,但一會兒燈就熄滅了。當 A 組嬰兒碰巧轉頭,讓傘裡的燈亮起並看到玩偶,他們就會表現出好奇、開心和興奮的樣子,而且很快就學會利用轉頭來控制玩偶的出現,然後一次又一次重複這個動作,看起來一直都很開心。B 組嬰兒則沒有控制權,只有在 A 組轉頭時,他們床上的燈也跟著亮起,才可以「順便」看到玩偶, 所以 B 組看到玩偶的次數和時間都跟 A 組一樣多,但他們只有在一開始表現得跟 A 組一樣開心,然後很快就因為適應而失去興趣。

研究使用玩偶測試後發現嬰兒的快樂似乎源自於「控制感」。圖/envato

研究者從兩組嬰兒的反應差異,得到下列結論:讓嬰兒一直很開心的原因,並不是會跳舞的動物玩偶,而是控制感。A 組嬰兒之所以對著玩偶咯咯笑個不停,是因為他們似乎知道是自己讓這一切發生,「是我幹的好事,很棒吧,而且只要我想要,隨時都可以再來一次」。B 組嬰兒雖然什麼都不用做就可以看到玩偶,但是卻沒有體驗到這種令人興奮的控制感。

-----廣告,請繼續往下閱讀-----

小嬰兒幾乎無法控制任何事物,既不能任意靠近自己想要的東西,也無法離討厭的東西遠遠地。他們無法靈活控制自己的手,所以抓取或操作物品都很吃力。他們還會無預警地被被東戳戳、西捏捏,或是被抱起又放下。小嬰兒的世界就是只能被動讓事情發生在自己身上,任由別人擺佈。或許正是基於這個原因,當他們偶然發現自己可以控制那麼一點小事, 就異常在意和興奮。

另一項研究以生命的另一端——老年人為受試者,也戲劇化地證明了「控制感」對於幸福快樂的重要性。研究者告訴 A 組養老院的住民必須為自己負責、照顧好自己;B 組住民則被告知他們的一切生活起居都由工作人員打理。此外,A 組每天都要決定一些簡單的事,並照顧一盆植物;B 組則沒有任何決定權,他們的植物也由工作人員照顧。結果,A 組老人(對自己的生活有一定的控制權)比 B 組(沒有控制權)更有活力、更靈敏,主觀幸福感也更高。最引人注目的是,A 組的平均壽命比 B 組多好幾年。可見,從出生到死亡,人都需要擁有對生活的掌控權。 

從出生到死亡,人都需要擁有對生活的掌控權。 圖/envato

無助感、憂鬱和歸因風格

塞利格曼的「無助-憂鬱理論」仍然受到質疑,最大的問題是,並非每個失去掌控感的人都會陷入憂鬱。因此,塞利格曼和同事在 1978 年修正了這一理論,並指出在無助感和憂鬱之間,還存在另一個重要的心理歷程。根據修正後的新理論,人在失敗和失去掌控感之後,會問自己為什麼,像是「為什麼他要跟我分手?」「為什麼我被刷下來?」「為什麼我沒有談成那筆生意?」「為什麼我的成績這麼爛?」。換句話說,人會尋找失敗的原因。

塞利格曼等人認為,人對事情的解釋——即歸因風格(attributional style)大致有兩種,每種風格都傾向接受特定類型的原因,而這些原因不一定跟實際情形有關。根據歸因風格的特性,造成失敗的原因可以分成三個向度:全面或特定、長期或短暫、內在或外在。

-----廣告,請繼續往下閱讀-----

假設你去應徵一份行銷業務的職缺,卻沒被錄取,你在分析自己為什麼會失敗時,下面是一些可能的原因: 

全面:我的自傳和履歷都寫得不好,面試時又很緊張,看來不管找什麼工作都不會被錄取了。

特定:我對那家公司的產品類型不太了解,我得多做一些功課,面試時才能脫穎而出。

長期:我的個性不是很主動積極,也無法擔負責任,這份工作根本不適合我。

短暫:我最近感冒,好幾天沒睡好,面試時狀態不佳。

內在:原本應該可以順利得到這份工作,是我自己搞砸了。

-----廣告,請繼續往下閱讀-----

外在:他們應該早就內定好了,找人去面試只是做做樣子,大家都是去陪榜的。

如果你用特定、短暫、外在因素去解釋自己為何沒被錄取,那麼你對下次找工作的預期會是什麼?你也許會想:如果去應徵自己熟悉的領域,並且保持睡眠充足,自己也更主動機靈一點,而且面試沒有黑箱作業,一切就會很順利。換句話說,這次的失敗經驗不太會影響下次找工作的表現。

反之,假設你用全面、長期、內在角度看待自己的失敗,認為自己的履歷毫不起眼, 面試時老是緊張得說不出話,而且個性太被動,別人都比自己更適合這份工作,那麼你預期的未來就會黯淡無光,你不但沒得到這份工作,接下來要找任何工作都會很困難。

修正後的「無助-憂鬱理論」認為,如果用全面、長期、內在因素去解釋失敗,那麼由失敗或失去掌控所引發的無助感才會導致憂鬱,因為在這種情況下,人有充分理由預期自己將不斷遭遇失敗。既然註定會失敗,那麼每天起床、換好衣服,繼續應徵下一份工作又有什麼意義? 

如果用全面、長期、內在因素去解釋失敗,人有充分理由預期自己將不斷遭遇失敗,那麼由失敗或失去掌控所引發的無助感會導致憂鬱。圖/envato

對上述理論的檢驗已得到令人矚目的結果。人確實會表現出不同的歸因風格,「樂觀者」會將自己的成功解釋為全面、長期、內在因素所致,而認為失敗是由特定、短暫、外在因素造成。「悲觀者」則恰好相反。如果兩個人得到同樣的分數,樂觀者會說「我得了 A」 或「她給我成績打 C」,悲觀者卻說「她給我打 A」或「我得了 C」,因此悲觀者更可能陷入憂鬱。此外,從一個人的歸因風格也可以預測他未來遭受失敗時是否會憂鬱。如果認為失敗的原因是全面性的,就會預期自己在其他生活領域也會遭遇失敗,而如果歸因於特定因素則不會這麼想;如果認為失敗的原因是長期性的,就會預期失敗將一直發生,而如果歸因於短暫因素就不會這麼想;如果認為失敗是跟個人內在因素有關,自尊就會遭受嚴重打擊,而如果歸因於外在因素則不會如此。

-----廣告,請繼續往下閱讀-----

這並不表示,把功勞都歸於自己,把失敗都歸咎於外在環境,就是擁有成功、幸福人生的祕訣。最好的方法是面對現實、做出正確歸因,雖然這樣做可能會造成情緒負荷,但準確分析成敗原因,並找出問題所在,才可能在下一次獲得更好的結果。不過平心而論,在大多數情況下,過度自責確實會造成不良心理後果。正如接下來所要探討的,在擁有無限選擇的世界,人們更容易因為結果不如意而自責。

——本書摘自《選擇的弔詭》,2023 年 11 月,一起來出版,未經同意請勿轉載。

討論功能關閉中。

一起來
5 篇文章 ・ 2 位粉絲