來自異空間的圖案？－Anamorphosis

• 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？

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。

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：

• 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

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？

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。

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？

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?

（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）或。

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。

J……J 個是！這顆石頭一接觸到我的舌頭，它就像火一樣燃燒，同時留下苦澀和尿味的味道，在這之後還留下了一點甜味。

這，這一顆石頭不一樣，它有酸辣味和硫酸鹽味，卻同時給我一種難以形容的愉悅感！就像在品嘗紅酒的酸味一樣！

等等，我並沒有壞掉，我現在做的事是某些地質學家和古生物學家真的會做的事，而且這件事還得了諾貝爾獎！只是是搞笑諾貝爾獎。

搞笑歸搞笑，舔石頭卻真的是再實用不過的方法。因為，舌頭真的是太好用了！

地質地科系祖傳秘招——舔石大法！

2023 年的搞笑諾貝爾獎的化學與地質獎頒給了地質學家揚．扎拉謝維奇，得獎的原因不是因為特定研究，而是它整理了地質學家和古生物學家「品嘗」岩石和化石的「研究史」。

有在跟我們直播的泛糰肯定知道，在今年搞笑諾貝爾獎頒發的隔週，上個月的 9 月 18 日，我們在 YouTube 官方舉辦的 2023 YouTube Festival 活動中，辦了一個實體見面會。在見面會中我們介紹了今年其中三個搞笑諾貝爾獎，其中就包含這則「地質學家為什麼要舔石頭」。另外兩個獎項分別是操縱死靈蜘蛛，和研究為什麼上課為什麼會令人感到無聊。這場見面會也有同時開直播，連結放在右上角的資訊卡，裡面提到不少有趣的觀點，歡迎去直播存檔複習。

當天，除了就像開場演繹的，不同岩石真的嚐起來味道不一樣以外，有一個地科系的觀眾，現場分享了另一個有趣的觀點。但先說聲抱歉，那時候觀眾手持的麥克風訊號沒有進到我們的混音器，所以在線上收聽的朋友沒有聽到前半段。

我們這邊重新轉述一下，這位觀眾說早在這個獎項頒發前，就知道用舔石頭來辨識種類的這種方法了，因為他的老師就是這麼教他的！沒想到，這竟然是地科與地質系祖傳的秘技嗎！

舌頭比手指還好用？

但除了味道外，觀眾還分享了一個這次搞諾沒有提到的原因，就是舌頭的觸覺可能比手還靈敏。某些岩石例如砂岩跟頁岩，可能用手摸不出差別；用舌頭舔，竟然就能分別出差別。

什麼，舌頭真的這麼厲害嗎？想想好像也是，我們吃東西的時候會用舌頭去感受食物的形狀，這些觸感甚至也是我們品嘗食物時，了解食物的重要一環。除此之外，我們還可以找出食物中的魚刺，或是卡在牙縫中的菜渣，有些人還能幫櫻桃梗打結呢。

但好像從來沒有人拿舌頭和手去做比較，因為只要講到觸覺，我們第一時間就會認為手指更加靈敏。

其實，還真的找到有人研究過，一群俄亥俄州立大學食品科技系的實驗團隊，就研究了這個問題。他們準備了幾個形狀極為相似的樣品，樣品的長度、厚度、缺口的大小都一樣，只有缺口處的傾角不同。

傾角從 45 度到 90 度都有，每塊的角度以 5 度為間隔。受試者必須拿起兩塊樣品，並在蒙眼的情況下，分別用摸或舔的方式來分辨出兩者分別為哪一塊。其中一塊始終是 90 度，另一塊則是從 65 度開始角度遞增。

這次的實驗有 30 位受試者，結果表明，使用手指來分辨兩塊樣品，平均要兩塊的角度差超過 19.81 度時，才能分辨出差異。如果用舌頭舔呢？只要兩者的角度差超過 12.75 度，就能分辨出差異！比用手摸的角度差小了許多，也就是舌頭真的比較靈敏。

當然，這個實驗還有兩個方向值得討論，一是這只針對物體邊緣形狀的靈敏作分析，但觸覺有許多不同感受，例如紋理、粗糙程度等，所以可能每種觸覺做出來的實驗結果會不同。這個實驗看起來不難做，各位可以準備一些能放入嘴的材料，例如請朋友直接將比較硬的芭樂切成不同形狀來舔舔看差別，就能簡單復刻這個實驗甚至更改參數，有實際測試的觀眾也不要忘記留言告訴我們。我們這邊也同步徵求花京院來協助我們實驗。

而另一點是，關於舌頭為什麼有跟手指同等，甚至更強觸覺的生理機制，本篇研究僅止於現象探討，還未有深入研究。

濕濕的石頭更好觀察？

除了味覺和觸覺外，舔石頭還有另一個重要的原因，就是濕潤的石頭紋理更清楚，更方便研究。

這應該大家都有經驗，在學校的大理石地板拖地，或是海邊的鵝卵石，沾到水之後，石頭的紋理都更加清楚，看起來也更漂亮。但這又是為什麼呢？

影響的原因有很多，但影響最大的，就是濕潤的表面讓石頭更「平」，產生類似拋光的效果。但為什麼磨平拋光，顏色就更好看呢？

我們知道光線照到鏡子會產生反射，但鏡子很平整，如果現在照射到的是一個凹凸不平的表面，光線就會往四處反射，這種現象稱為漫反射。當我們只想看石頭上的其中一點時，旁邊的光卻會雜亂的跑進我們的眼睛，影響到對比度。並且各種顏色的色光聚在一起會形成白光，因此這些漫反射而來的光線，就會以白光的形式被我們看到。白話文就是，物體的對比下降了，但是整體的亮度提高，變成我們常看到灰白色的石頭表面。

直到石頭被拋光，或是因為濕潤產生拋光的效果，這些漫反射就會減少，石頭整體變得比較暗沉，但是斑紋之間的對比度提高了。這就是為什麼粗糙的石頭顯得灰白，浸濕之後卻呈現深沉而圖樣明顯的原因。

還沒完，薄薄一層水還會造成更多影響。例如，這層折射率介於空氣與石頭之間的介質，可以幫助光線稍微穿透岩石的表層後再反射出來，提供視覺上更多的紋理細節。如果將水換成木工中常使用的亮光漆，除了反射與折射外，亮光漆中的分子，還足以讓光線產生散射，讓你在上不同厚度的亮光漆時，能產生不同的顏色變化。

簡單來說，不論是水還是漆，這薄薄的一層介質，能像相機的鏡片一樣，透過光學調校，將更清楚、細節更多的影像送進相機的感光元件，也就是我們的眼睛上。而替換不同的鏡片，就能改變我們看到的樣子。

這個看似玩笑的舔石頭研究，確實好像又有幾分認真的道理，我們自己在研究的時候，最開始也覺得超ㄎㄧㄤ，後來又發現能學到不少冷知識。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

參考資料

• https://www.palass.org/publications/n…
• https://kb.osu.edu/bitstream/handle/1…
• https://www.askamathematician.com/201…
• https://www.tandfonline.com/doi/abs/1…

現代科學對「情緒有其必要」的看法並不一致，也有人認為情緒比反射行為好不到哪兒去。

事實上，不到半個世紀以前，認知心理學家艾倫．紐厄爾（Allen Newell）和諾貝爾獎經濟學家司馬賀（Herbert Simon，但他並非以這個題目獲獎）等學者仍堅信人類思考乃是以反射為基礎。一九七二年，紐厄爾和司馬賀讓受試者回答一系列邏輯、西洋棋與代數謎題，要求他們一邊解答、一邊交代自己的思考過程。^[1]

「思考」的過程，其實只是一種反射動作？

兩人把受試者解謎的過程錄下來，煞費苦心地一段段分析，試圖找出規律性。他們的目標是找出並描述每一位受試者的思考法則及特徵，藉此建立人類思考的數學模型，期望利用這套模型深入了解人類心智，找出發明「智慧型」電腦程式和超越邏輯線性極限的方法。

紐厄爾和司馬賀認為，人類的理智行動——也就是「思考」——其實就是比較複雜的反射系統罷了。

說得更精確一點，兩位學者相信思考可以用「生產規則系統」（production rule system）這套模型來解釋：意即思考是一套邏輯嚴謹的「條件陳述式」（if-then）規則集合，而「思考」這種反射就是執行這套規則所得到的結果。

譬如西洋棋有一條規則是：如果對方將了你的國王，你得立刻移走國王。生產規則系統讓我們在面對抉擇時更容易做出選擇，繼而影響行動（比如我們或多或少會不經意採用「如果有人向我乞討，直接忽略即可」這條法則）。

假如人類思考當真只是一套大型生產規則系統，那麼我們跟那些成天跑大數據的電腦應該沒什麼不同。不過，紐厄爾和司馬賀的想法並不正確，兩人的努力自然付諸東流。

若能了解兩位學者假設失敗的原因，或許就能更明白情緒系統的目的和功能。

用例題試想「生產規則系統」為何失敗

一組生產規則指令如何產出可應用於簡單系統的完整行動策略？假設屋外氣溫不到零度，而你想寫一套恆溫程式，讓室溫維持在一定範圍內——就設定在攝氏二十一到二十二度之間好了，那麼只要利用以下兩條規則就能辦到：

• 規則一：若室外氣溫低於攝氏二十一度，啟動暖氣。
• 規則二：若室外氣溫高於攝氏二十二度，關閉暖氣。

不論你家的暖氣是快要散架的老東西、抑或聰明的現代系統，這兩條規則都是溫控的基礎原則。

早期的生產規則系統就是靠這類條件式指令建構出來的，複雜程度更高的任務也可以利用規模更大的指令集合來完成。譬如小學生學的減法，包括「減數數字若大於被減數的數字，要從被減數左方借一位來計算」在內的運算法則少說十來條。

某些複雜的應用軟體甚至需要數千條規則指令。電腦科學家運用這些規則指令打造出所謂的「專家系統」expert system）——專為特殊用途設計（譬如醫療診斷、抵押承保等），可模擬人類決策的程式系統。生產規則系統應用在這些領域勉強還算成功，但成果有限，且不適合作為模擬人類思考的基本模型。

紐厄爾和司馬賀的根本錯誤在於，他們忽視人類生活的豐富程度。大腸桿菌這類構造簡單的生物確實能靠幾條反射規則過活，但生活條件更複雜的物種根本辦不到。

生活中看似簡單的任務也沒辦法系統化

就拿「如何避開腐敗或有毒食物」這種看似簡單的任務做例子吧。

這類食物有的能靠氣味辨別出來，但「不好聞」的氣味實在多不勝數；其他時候或可利用外觀、味道或觸感作為「不可食」的信號，但這類特質也同樣能以多種形式呈現（譬如酸掉的牛奶和發霉的麵包不論外觀或氣味皆截然不同）。

此外，這類判斷指標的「程度」也很重要：如果眼前有一道看起來可疑、聞起來還算可以的餐點，各位可能會依找到其他食物的挑戰程度和可能性，選擇接受或不接受這份餐點。

又或者，就算味道聞起來完全沒問題，各位仍舊可能會因為食物外觀太詭異而選擇放棄；再不然就是你無論如何都會吃掉它，因為你餓壞了，你的身體需要養分。若要將這套非黑即白、定義狹隘的死板規則套用在各種可能的「情境—反應」組合上，大腦肯定會燒掉，因此我們需要另一套辦法。

另一套辦法就是情緒

在反射架構下，特定誘因——譬如「牛奶聞起來有點酸，但我已經好幾天沒吃東西，附近大概也找不到其他食物和飲水了」——會自動產生一個專門處理這種狀況的反應（譬如「喝掉牛奶」）。

但情緒完全不是這樣運作的。引發情緒的誘因大多模稜兩可（牛奶看起來／聞起來怪怪的），且誘發的直接產物並非「動作」，而是某種程度的情緒（隱約感到噁心）。

這時，大腦會琢磨這股情緒，一併考量其他因素（我好幾天沒吃了，而且附近可能沒有其他食物），然後計算如何反應——此舉免除了動用「誘因—反應」制式規則此一浩大工程，並且納入更多彈性：我們可能會想出許許多多、各式各樣的做法（「不為所動」也算），然後做出深思熟慮的決定。

在決定透過哪種反應回應情緒時，大腦考量的因素很多，就前述例子來說即是「飢餓程度」、「是否願意冒險、繼續尋找其他食物」及其他情境條件。

情緒會影響我們的行為模式

這時理智就來湊一腳了：一旦情緒被挑起，心智就會根據事實、目標、原因理由和情緒等幾項元素進行計算，產生行為。若情況複雜，這種結合情緒和理智的反應路徑能更有效率地提供可行解方。

高等動物的情緒還有另一個重要角色：延長反應時間。在情緒被事件挑起之後，這段空檔能讓理性思維介入，策略性地緩和或延遲我們對該事件的直覺反應，等待更適當的反應時機。

比方說，假設你的身體需要營養，而你剛好看見一袋玉米片；若是反射主導，你一定會不假思索、抓來就吃。但演化在這道反射程序中多加了一道關卡，故即使身體需要營養，你也不會想都不想、看到什麼吃什麼——你會餓。

飢餓會使你想進食^[註]，但你對這個情境的反應不再是不假思索、自動發生。你會評估狀況，然後決定放棄玉米片，這樣才有肚子容納晚上要吃的雙層培根起司堡。

又或者，你打給電信公司詢問某項服務，但對方有夠愛理不理的。如果人類完全靠反射行事，這時你大概會直接抓狂、飆出「去死啦！ 你這白癡」這種話；但事實上，對方的態度只會引發你憤怒或挫折的情緒。

情緒會影響大腦消化處境的方式，也讓你的理智得以發聲。所以你說不定還是會抓狂，但至少不會氣到腦筋一片空白；你或許會漠視抓狂的衝動，深呼吸，然後告訴對方：「我明白你們的規定，不過請容我告訴你為什麼我的狀況可能不適用這條規定。」

情緒也適用在其他動物身上

情緒在非人動物身上也有同樣的功能，其中又以靈長類最明顯——譬如行為學家法蘭斯．德瓦爾的《黑猩猩政治學：如何競逐權與色？》（Frans De Waal, Chimpanzee Politics: Power and Sex Among Apes）。假如你是黑猩猩，肯定邊讀邊冒冷汗。

書中描述，年輕的公黑猩猩若是被某一頭母黑猩猩給撩到了，牠會等待時機，在母黑猩猩配合下避開大頭目耳目，偷偷與之相好（理由是牠可能因此受懲罰）。^[2]

另一方面，大頭目一個一個幫小弟們理毛時，如果遭到某年輕公黑猩猩挑戰，當下牠可能置之不理，然後在隔天發動報復攻擊。還有，如果黑猩猩媽媽的小寶寶被另一隻年輕母黑猩猩搶走，牠會躡手躡腳欺近，在不傷到孩子的前提下伺機搶回來。

任教於加州理工學院、同時也是美國國家科學院院士的大衛．安德森教授（David Anderson）這麼說：「『反射』是由非常特別的刺激所引發的特定反應，而且這個反應是立即的。如果我們一輩子就只會遇到這些刺激、只需要這類反應，那沒問題；然而在演化的某個節骨眼上，生物體需要更多彈性來應付環境刺激，因此才發展出形形色色的『情緒』積木，補足這一塊。」 ^[3]

註解

近代的研究將飢餓、口渴和疼痛歸類為「原始」或「穩態」情緒（primordial / homeostatic emotion），負責維持生理平衡。

參考資料

1. Richard M. Young, “Production Systems in Cognitive Psychology,” in International Encyclopedia of the Social and Behavioral Sciences (New York: Elsevier, 2001).
2. F. B. M. de Waal, Chimpanzee Politics: Power and Sex Among Apes (Baltimore: Johns Hopkins University Press, 1982).
3. 2018 年 6 月 13 日安德森訪談紀錄。

——本文摘自《情緒的三把鑰匙：情緒的面貌、情緒的力量、情緒的管理－情緒如何影響思考決策？》，2022 年 8 月，網路與書出版，未經同意請勿轉載。