Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

你是高估了還是低估了你的美貌?

果殼網_96
・2013/06/20 ・2109字 ・閱讀時間約 4 分鐘 ・SR值 522 ・七年級
相關標籤: 自我感覺良好 (2)

Dove的行銷廣告讓人相信我們比自己想像得更美,但《Scientific American》雜誌一文則表示我們更傾向於高估自己的美貌。而且,高估的可能還不只是美貌。

2013年4月15日,Dove發佈了一款名為「美麗真相素描(Dove Real Beauty Sketches)」的短片。短片推出後,立刻受到追捧。幾百萬的點擊率,讓其成為眾人津津樂道的病毒式營銷(viral campaign)的成功典範。

美麗真相?

在影片中,我們可以看到一名女性在向一名法醫素描師口頭描述自己的長相,然後法醫素描師據此來給她畫像。為了排除干擾,他們彼此用簾子隔開,因此在 作畫過程中法醫素描師並不能看到女性的臉。除了根據女性的自我報告進行創作,法醫素描師還會根據他人對該名女性的描述來完成一幅素描。「他人」有男有女, 他們與來參加實驗的女性並不熟悉,只是在實驗前兩人有過寒暄罷了。

最後,所有的女性都會看到兩幅畫像,一幅是自我報告的成果,另一幅則是他人描述的結果。讓所有女性驚訝和欣喜的是,對比兩幅畫像,根據他人描述所畫 的自己更加美麗。影片最終以這樣一句話結尾——「你比自己認為的更美。」(You are more beautiful than you think)而畫上句點。考慮到生活中很多女性對自己相貌的挑剔,這個看似科學的實驗似乎得出了一個非常讓人心動的結論。就像安徒生童話裡的醜小鴨,如果有一天突然意識到自己竟是一隻白天鵝,那該是如何地暢快。

-----廣告,請繼續往下閱讀-----

「美麗真相」的真相

然而當人們沉浸在創造出的驚奇和欣喜中時,心理學研究告訴我們,這一影片的結論是錯誤的。實際的情況是,相比如貶低自己,人們更加傾向於抬高自己。透過玫瑰色的眼睛審視自己是人的天性,大部分人大腦中的自己都比真實的自己更優秀,不僅是在外貌上,在每一個方面都如此。

芝加哥大學的尼克勞斯·艾普利(Nicholas Epley)和弗吉尼亞大學的艾琳·惠徹(Erin Whitchurch)的研究最直接地證明了此廣告具有的欺騙性。他們的一系列研究證明,我們認為自己比真實的自己更加美麗。研究者拍攝了所有參與者的照 片,然後通過相關軟件將照片變形,來提高或者降低照片的吸引力。最終得到三種圖片,未變形的、高吸引力和低吸引力的照片。隨後,研究人員告知實驗參與者, 電腦將會給他們呈現一些圖片,包括他們原始的圖片和變形後的圖片。參與者的任務就是在這些照片中識別出沒有經過變形的圖片。實驗的結果表明,人們會更多地 將高吸引力的圖片認定為沒有變形的圖片。

有意思的是,實驗者只有在識別自己照片時才會出現這樣的偏差,在識別陌生人照片時卻非常準確。同樣的實驗程序,當照片上的人由自己變成了一個在3周 前在另一個完全不相關的實驗中遇到過的陌生人,人們會更多選擇沒有經過變形的圖片。為了進一步驗證自己的結論,研究人員進行了新的實驗。以往的研究表明, 當外界對象和人的內在表徵相符合時,人們識別該對象的速度更快。也就是說,如果人們內心深處認為吸引力更高的圖片就是自己的話,他們識別這樣圖片的速度會更快。果不其然,實驗結果驗證了先前的假設。

都是「自我感覺良好」

對自己相貌的誇大性認知是一種常見的現象,心理學家將其稱為「自我提升(Self Enhancement)」。心理學研究表明,人們對自己做好事的可能作出過高的估計,但是在預測陌生人此類行為時卻非常準確。例如,相比如實際捐款數, 人們會高估自己會捐助的數額,但是在預測陌生人的捐款時卻客觀又準確。同樣的,當面對即將到來的總統選舉,人們會高估自己給某位候選人投票的可能性,卻能 比較客觀預測他人的投票意願。人人都認為自己比一般人要優秀得多,當然我們都知道這在統計學上是不成立的。這種效應被命名為「平均數之上效應(the above average effects)」。該效應在生活中隨處可見,比如93%的司機認為自己比其他司機的平均車技更好;94%的大學教授覺得自己的工作表現優於他人工作表現 的平均值。人們也會不切實際地低估自己和他人相比的健康風險:人們覺得自己得流感的概率比他人低。股民會認為自己買的那隻股票肯定會賺錢。如果你天真地認 為這種「自我提升」效應只存在於他人身上時,你並不孤單,因為大多數人都會說自己比其他人更能做出準確的自我評估。

-----廣告,請繼續往下閱讀-----

為什麼人們需要進行「自我提升」呢?這得從自我提升帶來的好處說起。在社交生活中,表達出自己擁有良好的個性品質能帶來和諧的人際交往。理論上,人 們可以在自己有準確的認知的同時去欺瞞他們。但是欺瞞有兩個缺點。首先,會給人們增加認知上的負擔,作為一個欺瞞者,人們需要在真實和虛假中來回周旋,這 樣的糾結會影響大腦執行其他任務。第二,人們其實都很擅長發現欺騙者,並且對於虛偽的行為表現出極強的負面情緒。所以現實中人們選擇了「自我提升」,真心地相信自身是優秀的、美麗的,高於平均數的,不再需要為了讓自己受歡迎而去精心編制謊言,這樣的自我提升也增加了人們的自信。研究者也發現,在選擇人群中 的領頭人和戀人時,自信都起了很大的作用。自信的人更容易獲得人們的信任並且他們的建議更容易被採納。

結論

儘管此營銷視頻得出的結論——真實的你比大腦中的你更加美麗,是錯誤的。但是認為自己比實際中的自己更美似乎並不是一件壞事。

果殼編按:似乎為了規避欺騙他人的風險,人們最終選擇了欺騙自己。

參考資料:You Are Less Beautiful Than You Think

轉載自果殼網

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
果殼網_96
108 篇文章 ・ 9 位粉絲
果殼傳媒是一家致力於面向公眾倡導科技理念、傳播科技內容的企業。2010年11月,公司推出果殼網(Guokr.com) 。在創始人兼CEO姬十三帶領的專業團隊努力下,果殼傳媒已成為中國領先的科技傳媒機構,還致力於為企業量身打造面向公眾的科技品牌傳播方案。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

0
0

文字

分享

0
0
0
IKEA效應讓你自我感覺良好
Lu-Tzu-Yao
・2013/04/02 ・976字 ・閱讀時間約 2 分鐘 ・SR值 467 ・五年級

-----廣告,請繼續往下閱讀-----

credit: CC by dullhunk@flickr

你曾經深深著迷於自己花了好幾個小時完成的手工藝品嗎?或曾覺得自己剛設計好的一份簡報背景顏色挑得真是超棒,棒到得往後坐遠一點來讚賞自己的作品嗎?這樣的話,表示你已經中了「Ikea效應」。

這種心理現象名稱源於幾萬人對於組裝家具的熱愛,以來自北歐那知名的組裝家具店為名。研究這現象的美國杜蘭大學(Tulane University)行銷學教授莫雄(Daniel Mochon)說:「想像一下,當你組裝好一張桌子,或許看起來有點小瑕疵,而你的太太跟鄰居看這張桌子則很直接,就是個有點差勁的手藝品,但在你眼中卻覺得很完美,只因為這是你親手創造的,是你勞力的成果。這就是Ikea效應的意思。」

通常我們都認為因為喜歡一件事所以才付出心力,不過莫雄教授和諾頓(Michael Norton)在想:會不會反而是因為付出了心力所以喜歡這件事情呢

-----廣告,請繼續往下閱讀-----

在經過一系列實驗後他們發現,相同的工藝品,如果是自己完成的,比起經他人之手,會對其賦予更高的價值。最近的研究發現:除了因為自己完成了一份「偉大的作品」而感到自豪之外,也能藉此向別人展示「我很行」。

這效應中有個陰險的元素存在:被操弄而自認為自己較無能的人,可能更容易受到Ikea效應影響。另一方面,莫雄也發現,當人們獲得自信心的提升後,他們就比較沒有興趣向自己跟向別人展現能力。

那麼,像Ikea這樣的DIY家具店,有可能在店裡要顧客解決艱難的數學問題,而增加家具的銷路嗎?(刺激消費者藉組裝家具重拾自信)

莫雄答到:「這無疑是一種冒險的策略,要是消費者發現Ikea讓他們覺得自己很笨來增加家具的銷量,我不確定對Ikea會帶來什麼衝擊。」

-----廣告,請繼續往下閱讀-----

莫雄的研究反映出一個嚴重的問題:全世界的公司、經理人愛上了自己的點子,並且否決了外來但更好的主意-因為那些主意不是出於自家。

「如果我陷在一個計畫裡,而且我為此工作一、兩年了,我可能會認為這個計畫是非常好的點子」,莫雄說,「所以如果有別人來跟我說這計畫非常的失敗,別再浪費時間了,我還是會埋頭苦幹的去做,就因為那是我的心血,這就是Ikea效應帶來的影響,我可能會認為這計畫比事實來得好。」

不管你是否在執行一個牽涉數百萬元預算的計畫,或是學校裡的專題研究,你非常需要在將你的「完美計畫」公諸於世之前,請沒有參與計畫的其他人給些意見吧!

資料來源:Why You Love That Ikea Table, Even If It’s Crooked. NPR [February 06, 2013]

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

0

0
0

文字

分享

0
0
0
你是高估了還是低估了你的美貌?
果殼網_96
・2013/06/20 ・2109字 ・閱讀時間約 4 分鐘 ・SR值 522 ・七年級
相關標籤: 自我感覺良好 (2)

Dove的行銷廣告讓人相信我們比自己想像得更美,但《Scientific American》雜誌一文則表示我們更傾向於高估自己的美貌。而且,高估的可能還不只是美貌。

2013年4月15日,Dove發佈了一款名為「美麗真相素描(Dove Real Beauty Sketches)」的短片。短片推出後,立刻受到追捧。幾百萬的點擊率,讓其成為眾人津津樂道的病毒式營銷(viral campaign)的成功典範。

美麗真相?

在影片中,我們可以看到一名女性在向一名法醫素描師口頭描述自己的長相,然後法醫素描師據此來給她畫像。為了排除干擾,他們彼此用簾子隔開,因此在 作畫過程中法醫素描師並不能看到女性的臉。除了根據女性的自我報告進行創作,法醫素描師還會根據他人對該名女性的描述來完成一幅素描。「他人」有男有女, 他們與來參加實驗的女性並不熟悉,只是在實驗前兩人有過寒暄罷了。

最後,所有的女性都會看到兩幅畫像,一幅是自我報告的成果,另一幅則是他人描述的結果。讓所有女性驚訝和欣喜的是,對比兩幅畫像,根據他人描述所畫 的自己更加美麗。影片最終以這樣一句話結尾——「你比自己認為的更美。」(You are more beautiful than you think)而畫上句點。考慮到生活中很多女性對自己相貌的挑剔,這個看似科學的實驗似乎得出了一個非常讓人心動的結論。就像安徒生童話裡的醜小鴨,如果有一天突然意識到自己竟是一隻白天鵝,那該是如何地暢快。

-----廣告,請繼續往下閱讀-----

「美麗真相」的真相

然而當人們沉浸在創造出的驚奇和欣喜中時,心理學研究告訴我們,這一影片的結論是錯誤的。實際的情況是,相比如貶低自己,人們更加傾向於抬高自己。透過玫瑰色的眼睛審視自己是人的天性,大部分人大腦中的自己都比真實的自己更優秀,不僅是在外貌上,在每一個方面都如此。

芝加哥大學的尼克勞斯·艾普利(Nicholas Epley)和弗吉尼亞大學的艾琳·惠徹(Erin Whitchurch)的研究最直接地證明了此廣告具有的欺騙性。他們的一系列研究證明,我們認為自己比真實的自己更加美麗。研究者拍攝了所有參與者的照 片,然後通過相關軟件將照片變形,來提高或者降低照片的吸引力。最終得到三種圖片,未變形的、高吸引力和低吸引力的照片。隨後,研究人員告知實驗參與者, 電腦將會給他們呈現一些圖片,包括他們原始的圖片和變形後的圖片。參與者的任務就是在這些照片中識別出沒有經過變形的圖片。實驗的結果表明,人們會更多地 將高吸引力的圖片認定為沒有變形的圖片。

有意思的是,實驗者只有在識別自己照片時才會出現這樣的偏差,在識別陌生人照片時卻非常準確。同樣的實驗程序,當照片上的人由自己變成了一個在3周 前在另一個完全不相關的實驗中遇到過的陌生人,人們會更多選擇沒有經過變形的圖片。為了進一步驗證自己的結論,研究人員進行了新的實驗。以往的研究表明, 當外界對象和人的內在表徵相符合時,人們識別該對象的速度更快。也就是說,如果人們內心深處認為吸引力更高的圖片就是自己的話,他們識別這樣圖片的速度會更快。果不其然,實驗結果驗證了先前的假設。

都是「自我感覺良好」

對自己相貌的誇大性認知是一種常見的現象,心理學家將其稱為「自我提升(Self Enhancement)」。心理學研究表明,人們對自己做好事的可能作出過高的估計,但是在預測陌生人此類行為時卻非常準確。例如,相比如實際捐款數, 人們會高估自己會捐助的數額,但是在預測陌生人的捐款時卻客觀又準確。同樣的,當面對即將到來的總統選舉,人們會高估自己給某位候選人投票的可能性,卻能 比較客觀預測他人的投票意願。人人都認為自己比一般人要優秀得多,當然我們都知道這在統計學上是不成立的。這種效應被命名為「平均數之上效應(the above average effects)」。該效應在生活中隨處可見,比如93%的司機認為自己比其他司機的平均車技更好;94%的大學教授覺得自己的工作表現優於他人工作表現 的平均值。人們也會不切實際地低估自己和他人相比的健康風險:人們覺得自己得流感的概率比他人低。股民會認為自己買的那隻股票肯定會賺錢。如果你天真地認 為這種「自我提升」效應只存在於他人身上時,你並不孤單,因為大多數人都會說自己比其他人更能做出準確的自我評估。

-----廣告,請繼續往下閱讀-----

為什麼人們需要進行「自我提升」呢?這得從自我提升帶來的好處說起。在社交生活中,表達出自己擁有良好的個性品質能帶來和諧的人際交往。理論上,人 們可以在自己有準確的認知的同時去欺瞞他們。但是欺瞞有兩個缺點。首先,會給人們增加認知上的負擔,作為一個欺瞞者,人們需要在真實和虛假中來回周旋,這 樣的糾結會影響大腦執行其他任務。第二,人們其實都很擅長發現欺騙者,並且對於虛偽的行為表現出極強的負面情緒。所以現實中人們選擇了「自我提升」,真心地相信自身是優秀的、美麗的,高於平均數的,不再需要為了讓自己受歡迎而去精心編制謊言,這樣的自我提升也增加了人們的自信。研究者也發現,在選擇人群中 的領頭人和戀人時,自信都起了很大的作用。自信的人更容易獲得人們的信任並且他們的建議更容易被採納。

結論

儘管此營銷視頻得出的結論——真實的你比大腦中的你更加美麗,是錯誤的。但是認為自己比實際中的自己更美似乎並不是一件壞事。

果殼編按:似乎為了規避欺騙他人的風險,人們最終選擇了欺騙自己。

參考資料:You Are Less Beautiful Than You Think

轉載自果殼網

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
果殼網_96
108 篇文章 ・ 9 位粉絲
果殼傳媒是一家致力於面向公眾倡導科技理念、傳播科技內容的企業。2010年11月,公司推出果殼網(Guokr.com) 。在創始人兼CEO姬十三帶領的專業團隊努力下,果殼傳媒已成為中國領先的科技傳媒機構,還致力於為企業量身打造面向公眾的科技品牌傳播方案。