Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

社會科學靠譜嗎?

果殼網_96
・2013/07/01 ・2161字 ・閱讀時間約 4 分鐘 ・SR值 558 ・八年級

社會科學還沒有、也不能夠像自然科學那樣準確地預測未來,「它們頂多能補充一下常識、實踐經驗、理智和關鍵情報」。

(文/Gary Gutting)在有關公共政策的辯論中往往會涉及援引經濟學和社會學等社會科學的研究結論。例如,奧巴馬總統在他2013年的國情咨文中,引用了最近一 項著名的研究以支撐其對這一制度的重視,根據學生的考試成績來評價教師。據稱這項研究表明,提高學生標準化考試成績的教師教出來的這些學生「更容易讀大學、掙更高的工資、住更好的街區、存更多的退休金」。

在制定方針政策時,我們應該把這樣的結論多當一回事?這個問題很重要,因為媒體的報導似乎往往以為,任何以「科學」之名得出的結果,都值得認真對待。但是,這很難說是合理的。比方說,一則研究是天文學家計算的日食,另一個是指出消費者更喜歡藍盒子裝洗衣皂的小型市場研究,我們對兩者結論的重視程度有相當大差異。

要理性地評估一個科研成果,必須首先考慮它所在的這門學科這一更大的背景。從初步研究(設計來提出下一步的研究方向),到這一學科中公認的結論,這個科研成果是處在這個連續體的什麼位置?例如,在物理學中,提出希格斯玻色子可能存在的早期計算,跟最終支持希格斯玻色子確實存在的實驗證據,這兩者是不同的。某一領域的科學家通常都很清楚某個成果在他們這個領域裡所處的地位。但大眾媒體的報導往往沒有明確那些能成為很精彩的報導的科研成果價值是有限的。 好的標題可能造就壞的報導。

其次,更重要的是,要考慮到其他的學科來總體評估某一學科的科研成果。核心自然科學(如物理、化學、生物)由來已久,已經深入人心,自然科學公認的 結論我們都願意相信(例如,沒有人操心基礎物理學的有效性)。而社會科學,哪怕是最成熟的學科(比如經濟學),也得不到這種待遇。

-----廣告,請繼續往下閱讀-----

再來看看歐巴馬總統提到的那份報告。不管怎麼說,它對其領域而言是一大貢獻。《紐約時報》報導,這項研究由兩位哈佛大學和一位哥倫比亞大學的經濟學家完成,「相比很多早期的研究,審查了更大量的學生在更長時期內更深入的數據,使得我們能更深入地瞭解單個教師教學質量的長期影響」。也因此,「這一研究可能會影響當前有關教師素質的重要性,以及如何好好地衡量教學質量的公眾討論」。

但是,就算是最好的教學質量研究結論,又有多可靠?和生化學家研究光照對植物生長影響的最好的結論相比較呢?由於人比植物複雜得多,而生化學家又有著精湛得多的方法去研究植物,大可預期生化學家的結論會更為可靠。不過,要在公共政策方面作出明智的決定,需要對這個可靠性之間的差距有一個更精確的把握。 在教學成效方面,有沒有什麼結論是紮實可靠,足以支撐起重大決策的呢?

我們之所以會給出否定的答案,原因在於即使是最成熟的社會科學學科,其預測能力與核心自然科學學科之間也差了很遠一段距離。社會科學裡面雖然也會用到技術術語、數學公式、經驗數據乃至精心設計的實驗;但是,說到得出可靠的科學知識,沒有什麼比長期穩定地預測未來事件並給出詳盡的預測結果更加重要。我們可以用一個理論來解釋所有已知的數據,但那可能只是用理論去切合數據的結果。一個理論最有力的支撐來自其正確預測未知的能力

自然科學得出了許多詳細和精確的預測結果,而社會科學卻沒有。原因是這樣的預測幾乎總是需要進行隨機對照實驗,而涉及到人的時候,進行隨機對照實驗幾乎是不可能實現的。首先,我們都太複雜:人的行為依賴於數量龐大且密切相關的變量,要把它們區分開來並單獨加以研究,其困難程度超乎想像。此外,道德上的種種顧慮禁止研究者像操控無生命物體那樣操縱人類。 結果是,大多數社會科學研究都遠遠達不到自然科學對照實驗的標準。

-----廣告,請繼續往下閱讀-----

沒有用實驗成功得出預測結果的良好記錄,也就沒有什麼基礎去讓社會科學的結論站住腳。吉姆·曼茲(Jim Manzi)在他的新書《失控》(Uncontrolled)中,徹底而全面地審視了社會科學研究的種種問題,並得出結論,「非實驗的社會科學無法有效、 可靠和非顯著性地預測大多數政策干預提議的效果」。

而就算社會科學學科能夠更多地應用隨機對照實驗,曼茲的判斷是,社會科學「將不能用以裁決大多數的政策辯論」。鑑於社會系統中存在諸多相互關聯的作用因素,很多問題根本「無法付諸實驗」。而就算能夠得到可靠的實驗結果,其因果關係的複雜性使我們只能得到「極端條件下的統計聲明」,嚴重限制了結果適用的範圍。

我的結論並不是說討論政策時應該完全忽略社會科學研究。相反,就像曼茲提議的那樣,應該想方設法在政府決策中加入更多的實驗數據。但首先,我們需要對社會科學成果極其有限的可靠性形成一個更好的理解。媒體在報導研究時應當更多地關注這些侷限,其道理跟科學家在報告結論時既強調這表明了什麼、也強調沒 沒有表明什麼是一樣的。

鑑於成功預測的案例有限且學科之間缺乏共識,社會科學的研究結論很少能成為制定政策的主要依據,它們頂多是常識、實踐經驗、理智和關鍵情報的補充,但願我們的政治領導人不缺後面這幾項。

-----廣告,請繼續往下閱讀-----

PS:想起了果殼編輯部例會,大家逗心事鑑定組的 @0.618,「心理學不是科學!」 不過,人總是會有一種衝動要去解釋自己的行為——這在心理學上叫做什麼呢?

資料來源:How Reliable Are the Social Sciences? NYT [May 17, 2012]

轉載自果殼網

-----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

4
1

文字

分享

0
4
1
即便不認同群體意見,我們也不敢提出異議?「共識陷阱」創造了沉默的同意——《集體錯覺》
平安文化_96
・2023/01/14 ・2432字 ・閱讀時間約 5 分鐘

有些時候,沉默就是背叛。
——馬丁.路德.金(Martin Luther King Jr.)

「幫臉蛋打分數」實驗

想像一下,你是二○○○年代末的荷蘭大學生,有一天在上課的路上穿過社會科學院,看到一張召募受試者的海報,名字叫〈看見美麗〉,是一群社會心理學家在研究人類如何認知臉蛋的吸引力。平常就愛翻時尚雜誌的你,覺得自己實在不去不行,而且該實驗還在法國與義大利同步進行,實在太酷了,所以你立刻報了名。

受試內容非常簡單,一邊接受腦部掃描,一邊幫臉蛋打分數。圖/Envato Elements

幾天之後,研究團隊請你填一份健康調查,例如有沒有幽閉恐懼症之類,並安排實驗時間;實驗似乎非常簡單:一邊接受腦部掃描,一邊幫一大堆女生臉蛋的照片打分數。「這根本只是花一個小時滑社交軟體 Tinder 嘛。」你想著,這樣就能為科學做出貢獻,實在太好了。

實驗當天,一名穿著白袍的助手帶你進入房間,房裡有一張小小的床。床的旁邊是一個巨大的白色塑膠甜甜圈,洞的大小剛好可以塞進那張床。「這叫作功能性磁振造影,」助手表示,她請你躺在床上,遞給你兩個控制器,每個控制器上各有四個按鈕,上面分別寫著 1 到 8。

「接下來我們會放出許多照片,請你告訴我們每張照片有多吸引人,」她指著控制器上的按鈕,「毫無吸引力就打 1 分,非常吸引人就打 8 分;每張照片有三到五秒的時間回答。」她說完之後給你戴上耳機,在你頭上敲了幾下把耳機固定。你看了一下那個塑膠甜甜圈,裡面好像有個小螢幕。

-----廣告,請繼續往下閱讀-----

「感覺如何?」耳機傳來助手的聲音。

「OK 啦,」你說,雖然你其實有點緊張,而且有點冷。

助手請你盡量保持安靜,然後整張床緩緩滑入了那個白色甜甜圈。

實驗在磁振造影機裡進行,令人感到有點緊張及不適。圖/Envato Elements

一分鐘後,甜甜圈裡的小螢幕亮了起來,出現一張女生的臉蛋照片,畫著濃妝面帶微笑,頭髮看起來油膩膩的;照片消失之後,你給照片打了六分,幾秒鐘後數字「8」亮了起來,旁邊寫著「+2」。看來「米蘭和巴黎的女性受試者」對這張臉的評價,平均比你高兩分。

-----廣告,請繼續往下閱讀-----

「喔?」你皺起眉頭,「這樣啊?是我漏看什麼嗎?」

螢幕上出現第二張功能性磁振造影照片,你努力無視磁振造影機器的嗡嗡聲,繼續打分數。在那之後,照片一張又一張出現,就這樣經過了五十分鐘。

實驗完成之後你來到休息室,另一個助理突然走了進來,說要拜託你在沒有磁振造影機的情況下,把每張照片再打一次分數;他把你帶到另一個房間,確認你覺得舒服之後,以不同的順序給你看之前那些照片。

不過這次,那些「歐洲受試者給出的平均分數」消失了,而且沒有時間限制,每張照片你愛看多久就看多久。結束之後助手問你感覺如何,並感謝你的參與,你也很高興對科學做出貢獻。

-----廣告,請繼續往下閱讀-----

大腦認為錯的意見

不過你做出貢獻的方式,其實跟你想的不太一樣。實驗結束之後你才知道,其實整個設定都是騙你的,這個實驗的真正目的,是研究你對臉蛋的評價會如何因為其他人的評價而改變。

實驗根本就沒有「歐洲各地同步進行」,那些「其他國家」或者什麼「米蘭和巴黎受試者的平均評分」全都是事先寫好規則的極端值,只是刻意為了跟你唱反調而已。但有趣的是,這個虛構設定的實驗,卻告訴了我們很多真實的事情。

實驗中的極端值只是刻意為了跟你唱反調而已。圖/Envato Elements

功能性磁振造影的掃描結果顯示,當我們發現自己偏離了主流意見,大腦就會在神經層次上,產生一種跟事與願違時相同的反應。

當事情的走向出乎預期,我們通常會認為是自己搞錯,這時大腦會把錯誤記錄下來,讓我們下一次不要再犯。這種機制在我們學習開車跟滑雪的時候很有用,卻會在社會之中造成麻煩:大腦會把與眾不同的意見當成錯誤的意見,讓我們下意識服從群體的共識。

-----廣告,請繼續往下閱讀-----

因此,當我們重新幫同一疊照片評分,我們給出的分數就變得跟「歐洲各地的平均分數」更近,請注意這個設定的真正意義。這些「歐洲各地的受試者」並不是我們的內團體,「巴黎跟米蘭的女性受試者」遠在天邊,我們根本就不認識,即使意見不同也不用擔心被他們排擠,可是我們還是被影響了。

這表示即使「其他人」不在現場、不知道打哪來的、甚至根本就不存在,他們的意見還是能夠讓我們服從。

即使「其他人」不在現場、甚至根本不存在,他們的意見還是能讓人服從。圖/Envato Elements

這個實驗告訴我們,即使眼前是一群自己未必重視的群體,即使「主流意見」可能只是我們的錯覺,我們也會在意自己是否偏離。在社交場合,我們的大腦不會仔細檢查眼前的表象是否為真,只會照著本能做事。這種情況我稱之為「共識陷阱」(consensus trap)。

它會創造出另一種集體錯覺:不是奠基於謊言,而是奠基於沉默,讓我們為了保持沉默,最後搞到彼此誤解。這種沉默的共識很可怕,它讓我們搞不清楚自己做錯了什麼,畢竟我們既沒有盲從他人,也沒有假意迎合,只是保持沉默而已。

-----廣告,請繼續往下閱讀-----

——本文摘自《集體錯覺:真相,不一定跟多數人站在同一邊!》,2022 年 12 月,平安文化出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
平安文化_96
5 篇文章 ・ 3 位粉絲
皇冠文化集團旗下的平安文化有限公司以出版非文學作品為主,書系涵蓋心理勵志、人文社科、健康、兩性、商業……等,致力於將好書推廣給廣大讀者。

0

4
0

文字

分享

0
4
0
當虛榮成為主流,自戀程度也能評比——《墮落的人腦》
臉譜出版_96
・2021/08/05 ・2169字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

  • 作者: 傑克.路易斯(Jack Lewis)
  • 譯者: 鄧子衿

你實在太虛榮了,我敢說你認為這本書是為了你而寫的

八卦雜誌和追蹤名流的部落格,經常會計算每個明星利用自己各式各樣的社群平台帳號所放上網的自拍照總數。2013年在IG中放最多自拍照的是凱莉.詹娜(Kylie Jenner),好姊妹坎達兒(Kendall)和金.卡戴珊(Kim Kardashian)只稍微落後,分別名列第四與第五。

光憑自拍的數量當然不能用來判斷虛榮程度高低,但這種自我推銷的社群媒體機器,影響力非常廣泛。卡戴珊三姊妹和詹娜兩姊妹的追蹤人數,加總起來有一億五千萬,有數百萬人每週觀賞他們的電視節目《與卡戴珊一家同行》(Keeping Up with the Kardashians),好密切追蹤她們一連串的攝影工作、購物行程,以及家庭爭端。這種社交媒體的流行,讓愈來愈多人能夠接受極端現象:人們把自己對外貌之美的講究推到極限。極度虛榮並不會直接導致自戀(見四十八頁),那只是形成自戀的七個因素之一,但大眾把虛榮當成正常社會現象而接受它,卻會讓自戀的情況惡化。

Pay Me Kim Kardashian GIF by GQ
金.卡戴珊(Kim Kardashian)在Instagram上坐擁超過兩億的粉絲,一家人時常傳出八卦、霸佔新聞版面,飽受批評但人氣和話題依舊居高不下。圖/GIPHY

從前從前,但不是太久之前,大家認為男性如果太注重自己的外貌是沒有氣概的事情。當然在特殊的場合會打理外貌,但是一般男性在打理時會盡量注意要把招搖的程度降到最低,但是現在不一樣了。同樣的,在幾十年前,女性如果動刀整容,通常會好好保守祕密,可能只會讓最信賴的密友知道。如果在公開場合問她「是否進廠修了一下」,大多女性都會否認。而今,女性往往會大方承認隆乳,受到稱讚之後還會對朋友說:「如果想,可以試試看。」時至今日沒有人覺得過度虛榮有什麼好害羞的。牙齒美白到整容手術等,現在都已經太普遍了,甚至已不值一提。

如果在街上有人拿著針要對你的臉部進行皮下注射,你可能會叫警察。不過現在每年有許多人接受肉毒桿菌注射,拉平皺紋,好隱藏年歲的痕跡。英國整容外科醫生協會公布的資料指出,二○○三年到二○一三年這十年間,在英國進行整容手術的人數增加了五倍。以往是有錢人和名人才進行隆鼻、臉部拉皮和隆乳等手術,現在這些則已成為十六歲女孩的生日禮物。

-----廣告,請繼續往下閱讀-----
animation domination plastic surgery GIF by gifnews
整容手術的人數在十年裡增加了五倍,已不再是富人的專利。圖/GIPHY

在名人的社群帳號中找尋虛榮的蛛絲馬跡實在是輕而易舉。例如IG上的火紅人物庫特.寇曼(Kurt Coleman),他自稱是澳洲男版的派瑞絲.希爾頓(Paris Hilton)。問他為什麼要照那麼多的自拍,他的各種回答包括了「我喜歡相機裡那些畫面」、「我很性感而且我愛我自己」、「其他人只是嫉妒我,這我懂,我不會為了任何人而改變,因為我愛我自己」之類的。對於這類毫無一絲謙虛的超高自我評價,絕大多數人都會考慮再三才說出口,但是在網路上,大家完全可以接受這樣的虛榮、浮誇與自我膨脹。

我們也來看看唐.比瑟瑞恩(Dan Bilzerian)的例子。他是億萬富翁的兒子,喜歡玩槍、開坦克,在IG上有兩千萬人追蹤。在訪問中他提到,自己經歷過兩次古柯鹼引起的心臟病突發,他經常把數不盡的照片放在網路上,讓粉絲知道他目前開的跑車、射擊的致命武器,以及養著玩的大型貓科動物有哪些。網路上有一支影片,內容是他把未滿二十歲的色情影片演員從屋頂往花園中的游泳池丟下去(她掉到了游泳池邊)。這個超級不尊重女性的行為非但沒有引起大眾反感,反而讓他更受歡迎。看來這個世界並不只愈加能夠忍受這種自溺的表現主義,而是希望多來一點。

Make-Up Beauty GIF by Ilka & Franz
虛榮、浮誇與自我膨脹的行為,在社交媒體上獲得大量關注。圖/GIPHY

意料中事

說名人大多愛慕虛榮,只是在陳述再明顯也不過的事情,但是誰是最佳負面教材?你認為哪個類型的名人最自戀?流行音樂巨星瑪丹娜、賈斯汀.提姆布萊克(Justin Timberlake)與麥莉.希拉(Miley Cyrus)?或是頂級紅星,例如從以前的瑪莉蓮.夢露(Marilyn Monroe)、詹姆士.狄恩(James Dean),到梅莉.史翠普(Meryl Streep)與吉維.蔡斯(ChevyChase)。還是尤塞恩.博爾特(Usain Bolt)、麥克.喬登(Michael Jordan)與C羅(CristianoRonaldo)等身價億萬的運動員?這裡我們不用靠猜的,在《鏡像效應》(The Mirror Effect)這本書中,作者德魯.平斯基(Drew Pinsky)博士和馬克.楊(S. Mark Young)提供了「自戀性格量表」(Narcissistic Personality Inventory, NPI),他們測試了許多有錢人和知名人士,好依據自戀情形加以分類並比較自戀程度的高低。出人意料之外、也令許多人半信半疑的結果:「世界上最自戀的」其實不是音樂人、不是電影明星,更不是運動員。這類自戀到令人反感的名人類型,一直到近期才出現。

——本文摘自《墮落的人腦》,2021 年 6 月,

-----廣告,請繼續往下閱讀-----
臉譜出版_96
88 篇文章 ・ 255 位粉絲
臉譜出版有著多種樣貌—商業。文學。人文。科普。藝術。生活。希望每個人都能找到他要的書,每本書都能找到讀它的人,讀書可以僅是一種樂趣,甚或一個最尋常的生活習慣。