Facebook沒有告訴你的事

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

使用社群媒體後，你變得更快樂還是更憂鬱？

想知道更多資訊的時候，你可能會上網搜尋。有時候是為了資訊的工具價值，比如透過 Google 地圖確認 A 地到 B地 的路線；腳踝扭傷時，也可以從網路上搜尋到應變的實用資訊；又或是並非真的出於任何用途，只覺得知道某些事很有趣，像是忽然想了解流行音樂歷史。你當然完全可以這樣做。

我們身邊有許多資訊都是一些抽象的概念，其中部分資訊卻可能和你切身相關。比如依據某些基本事實可以推斷你的預期壽命；某些資訊可以了解你的健康風險、未來「錢」景，甚至是個性。比起 10 年前，我們現在能得到的資訊更為詳盡正確，再過 10 年，肯定能夠知道得更多。

這章要談的內容很多，不妨開頭就先提示最大的重點：

研究顯示，整體而言，臉書會讓人變得比較不開心，而且可能感到憂鬱、更為焦慮，也對生活變得更不滿意。

我並不打算危言聳聽，事實上這些影響並不大。然而，它們的確存在。

而與此同時，有些人明明已經停用臉書、也感受到幸福感明顯增加，卻又非常想要重新打開臉書。實際上他們要求要得到一大筆錢才願意放棄臉書。這是為什麼？我們雖然無法確定，但一項合理的解釋是，使用臉書的體驗，包括帶來的資訊，並不會讓人變得更快樂，但還是有它的價值。

無知並不是幸福，而很多人都感受到這一點。人們需要知道自己在意的資訊，這是因為喜歡、甚至珍視一種和重要的人之間產生連結的感覺。

若須付費才能使用社群媒體，會怎樣？

重要的是，我們必須強調，社群媒體的功能不僅僅是提供資訊，至少不是我在這裡反覆強調的揭露資訊的意義。你會使用臉書，可能是為了和家人或朋友聯繫，也可能是為了改善荷包或健康。但無論如何，社群媒體的一大重點在於資訊傳遞，雖然這個概念要比我目前所談的更為廣泛。

而這裡的核心問題是：社群媒體究竟多值錢？

在社群媒體上，大部分的資訊是免費的，至少表面上你無須付費；或許可以說你仍需要付出注意力或個資等等。臉書和推特這些企業是從廣告獲得收益，但有鑑於相關爭議不斷，也有人認真討論起將這些平台及其服務的商業模式改成付費使用。

除此之外也有些偏理論的探討，主要關注在如何評估這些平台的經濟價值。要是民眾必須付費才能使用臉書，情況會變得如何？而民眾又願意花多少錢成為用戶？

這些答案會透露出一些重要的資訊，讓我們知道社群媒體與一般資訊所擁有的價值。而回答這些問題，也有助於了解一些更基本的問題：如何計算經濟上的價值；知道某些消費決定可能只是表面工夫；了解傳統經濟指標與實際民眾福利有何差距（請見第二章）。此外，這些答案也會進一步影響政策與法規。

要你放棄使用 FB ，可能比要你付費使用來得更難？

行為經濟學特別感興趣的一個問題，就是「支付意願」和「願意接受金額」間可能出現的巨大落差。

以臉書為例，如果我們想知道它能為我們帶來多少福利，究竟該問民眾願意為此付出多少錢，抑或該問要給他們多少錢才會願意放棄使用臉書？許多研究都探討過稟賦效應（endowment effect）的現象，也就是被要求放棄某樣商品時所要求的價格，會遠高於他們當初獲得這些商品時支付的費用。

稟賦效應目前還有爭議，至少在適用的領域、來源與程度上仍未有定論。我們可能會想知道，使用社群媒體願意付出的費用，是否大於不使用社群媒體所得到的費用？如果是的話，傳統論點又能否提出說明？

另一個同樣常見、甚至是更基本的問題，則是涉及支付意願或願意接受金額的衡量與民眾福利。我在前面也提過，在經濟學中，要是談到民眾擁有某樣商品時的福利效果，往往是以民眾願意付出多少錢來使用那件商品作為衡量。

當然，「願意付出多少錢」也是現實市場的衡量標準。但請回想一下，要提出這項金額，事實上也就是做出預測：預測該商品會對自己的福利造成什麼樣的影響。

這個問題乍看不難，尤其當談到自己熟悉的商品（鞋子、襯衫、肥皂）；但換做是從未使用過的商品，回答起來也就沒那麼簡單。對於一項從未擁有過的商品，哪知道能帶給自己多大的福利效果，以及可以換算成多少錢？

對許多人而言，臉書、推特、Instagram 等平台都是再熟悉不過的社群媒體，而且有著豐富的使用體驗。但出於某些我們馬上會討論到的原因，社群媒體用戶就是很難估算這些平台可以換算的金錢價值。

只要看看民眾提出使用社群媒體願意付出的金額，就會了解在尋求資訊上，「願意付出的金額」和民眾得到的福利效果似乎並不對等；同時值得進一步研究其中的福利效果究竟是什麼。

在這種時候，「願意付出的金額」只反映出部分的福利效果，還可能只反映一小部分。我們必須找出反映效果不佳的實際原因，並且嘗試找出更能呈現福利效果的方式。而我在這裡的目標，就是希望推進這項任務的進展。

——本文摘自《資訊超載的幸福與詛咒》，2022 年 8 月，天下文化 ，未經同意請勿轉載。

• （編按）根據不同世代的背景和特徵，歐美國家流行將不同年代出生的人們依序冠以：
  • 嬰兒潮世代：1946 年～1964 年，二戰後嬰兒潮
  • X 世代：1965年～1980年
  • Y 世代：1980年～1990年，千禧世代
  • Z 世代：1990年代末～2010年代前期，數位原生世代
  • α 世代：Z 世代的子女

隨著科技日新月異，各個世代產生了哪些轉變？

千禧世代之後，Z 世代接棒，他們的父母通常是思想獨立的 X 世代。這些 Z 世代青年比父母一輩更獨立，更運用全腦生活，原因如下：

• 第一，這些孩子是由 X 世代撫養，長成的一號人格_^註1超級給力。
• 第二，Z 世代接受右腦學習教育，造就強大的全腦思維。
• 第三，X 世代得將嫻熟科技的全腦思維，融入嬰兒潮世代。

那由左腦建構的世界，無獨有偶，Z 世代也得將全腦思維融入千禧世代那右腦主導的世界。綜上所述，Z 世代在生物學上和文化方面都是史上第一個全腦世代。

Z 世代與千禧世代相仿，從嬰兒床時期就與科技產品綁在一起，許多人說自己的母語之前，早就會說谷歌語言。

不過，千禧世代喜歡群體，希望置身社群網路，Z 世代在社交活動上卻更為自主，沒那麼喜歡與人互動，反而與科技互動更自在。

將科技視為自我延伸的「Z 世代」

深究發現，Z 世代其實是將科技視為自我的延伸，有意識的將科技工具整合至日常生理活動。

手機應用程式替他們監控生命徵象，計算步數及每分鐘的呼吸次數，追蹤睡眠，減緩心率，降低焦慮，還會以任何你可想像的方式協助轉移注意力；手機應用程式會告訴他們該吃什麼，何時達到社群媒體每日使用時間上限，何時該睡覺——然後，會播放 δ 波音樂，提升睡眠品質。

儘管資通訊科技可促使人與人之間更頻繁交流，

卻不會激起人際連結的火花，

無法以正向方式刺激大腦。

Z 世代青年如此頻繁使用科技，變得愈來愈自動化，神經愈來愈根據科技來調節，世代差異益發明顯。與美軍世代及嬰兒潮世代的傳統思維、價值觀與行動相比，這些孩子及之後的 α 世代，神經學層面實有獨到之處。

在一個世紀內，大腦的支配方式及價值觀已然產生變化，儘管我們數十年來早已發現，人與人的接觸有助建立更健康的神經網路，科技卻造成人際連結嚴重中斷。

儘管資通訊科技可促使人與人之間更頻繁交流，卻不會激起人際連結的火花，無法以正向方式刺激大腦。人類天生就是社會動物，我們與科技的緊密互動，正在戕害我們的健康。

越科技，與孤獨的距離也更近

根據一份各世代孤獨感的自陳報告研究，科技使用程度與孤獨感之間呈直接正相關。

比起從小身處科技環境的世代，美軍世代及嬰兒潮世代成長過程畢竟並未時常伴著手機、電腦、平板電腦，受試者自陳的孤獨感較低。此外，機不離身導致人機界線模糊，病態狀況層出不窮，夫妻與家人莫不帶著這頭號問題，尋求治療解方。再加上電磁輻射對生物系統的影響仍為未知，科技也開始彷彿列車長不在的失速列車。

2001 年，全腦 Z 世代族群年紀尚小，有些人甚至還沒有出生，全美社會就歷經九一一事件的創傷，承受創傷後壓力症的餘波；後來 2008 年金融危機，迪士尼樂園假期縮成宅度假，這些孩子很快就知道這世界危機四伏，他們的二號人格遭恐懼和焦慮淹沒，也是理所當然；日常言論充斥著政治對立和仇恨，無怪乎藥物過量與自殺情形肆虐，年輕一代那些自覺在人際網路中無足輕重的孩子，更是置身險境。

要是上述事件還不夠嚴重，請想想這些孩子還面臨 2020 年開始的新冠肺炎大流行，說他們有點像是在野外求生，也不為過。

世道如此艱難，Z 世代如同千禧世代，耗費許多時間應付戰鬥或逃跑反應，並未累積太多財富，當然不願買房或安頓下來，反而希望繼續移動，畢竟移動的目標才難以被抓住。

所以，Z 世代究竟有哪些特徵？

Z 世代如父母一樣獨立，重視左腦一號人格的個體性，沒興趣將自己擠入社會組織架構的框架，於是，許多人選擇直接跳過大學。

Z 世代只要動動手指，就能通達浩如煙海的資訊，真真切切以強大的一號人格與科技共存，也以三號人格的價值觀過活。想要什麼東西，就上亞馬遜訂購，無論他們可能身在何處，訂購物品幾乎立刻就送達門前。三號人格好喜歡科技帶來的即時滿足感。

Z 世代天生熟悉電腦程式碼，許多人幾乎沒什麼開銷，便賺得大筆收入，因為大型科技公司現在直接透過網路雇用他們的技能。事實上，在科技盛行的世界，Z 世代人才炙手可熱，谷歌與亞馬遜等大公司甚至不需要員工有學士學位。

Z 世代喜愛高薪工作，開名車，身著最新的花押字印花名牌。Z 世代一號人格的自我價值由所持有的事物反映，但若二號人格感覺遭威脅，而三號人格需要衝至別處，也要隨時能將所需要的事物一把抓起帶著走。

這點，與典型的千禧世代特徵有如天壤之別，千禧世代通常會到古著店或二手衣店買衣服，錢比較不會用在自己身上，更傾向捐款做公益。

與社群媒體共生：Z 世代更寬容、更不受拘束

若說千禧世代有了社群媒體而如虎添翼，Z 世代則需要社群媒體，才能如魚得水。

Z 世代建立關係的對象主要是手機、iPad、電腦，因此他們站在文化潮流的尖端，了解現今當紅時事，簡直是第二天性。

右腦強勢又強大的他們，儘管常聽到長輩仇恨言論喋喋不休，面對與之殊異的文化、族裔、宗教、性傾向，都更為寬容；比起應該做的事，花時間做喜歡的事更自在。

Z 世代手藝精巧，對自己下了工夫的創作，引以為傲。他們的四號人格希望種植可食用的健康作物，打造美麗花園，關心清淨的空氣和水源，一心保護地球家園。

電腦對人腦帶來的加速、耗損與壓迫

我們這個社會已經達到人類與科技融合的轉捩點。這麼說好了，儘管大腦是由數百億個互相傳遞訊息的神經元組成，造就的神奇副產物卻是人類個體意識的展現；相形之下，我們有數十億顆大腦互相交流，共同展現人類的集體意識。

再更進一步說，網際網路是由數十億部電腦組成，電腦則透過人腦意識互相連接，結果就是：出現遍及全球的科技意識，而這種意識突破了最狂放的科幻想像。

人類與電腦開始產生這種聯繫之時，是人類建構電腦，影響電腦。然而，現在卻是電腦在影響人腦。

隨著千禧世代與 Z 世代到來，網際網路的追蹤行為司空見慣，我們的上網活動、位置、移動模式、飲食、採買的產品、理財習慣、政治喜好，甚至是我們的臉孔、朋友家人互動程度，都會受到追蹤，手機應用程式會監控、蒐集我們的生物系統資料，提供生活建議。

科技與人類如今步步走向整合，最終我們不僅賦予科技影響我們想法、情緒和生理反應的能力，也已嘗試植入各種形式的科技和神經微晶片。這點令人既期待又害怕。

生物系統的運作集結了各種負回饋迴路，例如，我餓到肚子痛，吃了東西，痛感就沒了。在此生物系統中，我有欲望，並依這種欲望行事，欲望消止之後，我感覺滿足，該系統就暫歇。

以負回饋迴路為本的系統，有其妙處：可以建立並傳達需求，一旦滿足需求，就能恢復自身的平衡與恆定機制。在恆定機制下，生物系統可以自行休息與補足能量。這些負回饋迴路消耗最少的能量來示警，警報一解除，系統就會暫時關閉，返回節能模式，生命因此得以健康發育。

另一方面，資通訊科技堪稱正回饋系統，不會暫歇或停止運作。此系統愈常運轉（也就是你打電動或瀏覽網頁的次數愈多），系統中設置的誘惑也愈多，以便增加你的點閱數，吸引你付出更多時間與注意力。這些科技全天候運作，會加速我們的神經網路，也會耗損我們的神經網路。

大腦就像電腦一樣，偶爾要清理才不會當機

電腦及網際網路的世界都會持續運作，直到當機、需要修復或更新軟體的時候。然後，該系統會重新啟動，並從上次停止的地方再度開始運轉。電腦驅使我們更賣力工作，更用力玩遊戲，更迅速思考。從認知和情緒方面來看，這些科技正在磨耗我們的生物系統，我們更難抵擋科技癮頭。

科技帶來便利，協助我們提高效率，適當使用的話，也能創造更健康的工作與生活平衡狀態——這些當然無可否認，只是，科技老是鼓勵我們「衝衝衝」，可能造成腦部健康大大受損，也可能粉碎我們與身旁親友的關係。

大腦基本上就是人類生命的硬碟，我們成天編譯數十億個 Cookie ——來自電視、手機、社群媒體、以及科技替你量身訂做的健身課表，當然還有工作用的電腦。

人腦就像工作用的電腦，我們若沒有一天清理好幾次垃圾檔案，至少也要每天清理一次，重新啟動大腦，才能呈現最佳效能。若要還原為由負回饋迴路驅動的生物系統，我們必須定期按下暫停鍵，給大腦機會更新、重新校準並執行硬體重設，這也是睡眠如此重要的一大因素。

一天之中找些時間，有意識的與四大人格舉行大腦會議，也享有這種好處。無論我們是否需要接受幫助，或者只是剛好想抱持感恩，擁抱新氣象，我們都有能力選擇想成為什麼樣的人，有能力選擇如何成為那樣的人，有能力扶自己一把。

無論這些世代的差異為何，誠如我在 TED 演講所述：

我們是能量生物，藉由右腦半球的意識互相連結，

形成一個人類大家庭。

而此時此地，我們全都是這個星球上的兄弟姊妹，

來這裡，讓這個世界更美好。

而在這個時刻，我們很完美，我們很完整，我們很美麗。

——本文摘自《全腦人生：讓大腦的四大人格合作無間，當個最棒的自己》，2022 年 ８ 月，天下文化，未經同意請勿轉載。