女人天生愛挑剔嗎？

• 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。

理解期望值，有助於分析賭場裡的大部分賭局，以及美國中西部和英國的嘉年華會中，常有人玩、但一般人比較不熟悉的賭法：骰子擲好運（chuck-a-luck）。

招攬人來玩「骰子擲好運」的說詞極具說服力：你從 1 到 6 挑一個號碼，莊家一次擲三顆骰子，如果三個骰子都擲出你挑的號碼，莊家付你 3 美元。要是三個骰子裡出現兩個你挑的號碼，莊家付你 2 美元。

假如三個骰子裡只出現一個你挑的號碼，莊家付你 1 美元。如果你挑的號碼一個也沒有出現，那你要付莊家 1 美元。賽局用三個不同的骰子，你有三次機會贏，而且，有時候你還不只贏 1 美元，最多也不過輸 1 美元。

我們可以套用名主持人瓊安．李維絲（Joan Rivers）的名言（按：她的名言是：「我們能聊一聊嗎？」），問一句：「我們能算一算嗎？」（如果你寧願不算，可以跳過這一節。）不管你選哪個號碼，贏的機率顯然都一樣。不過，為了讓計算更明確易懂，假設你永遠都選 4。骰子是獨立的，三個骰子都出現 4 點的機率是 1/6×1/6×1/6＝1/216，你約有 1/216 的機率會贏得 3 美元。

僅有兩個骰子出現 4 點的機率，會難算一點。但你可以使用第 1 章提到的二項機率分布，我會在這裡再導一遍。三個骰子中出現兩個 4，有三種彼此互斥的情況：X44、4X4 或 44X，其中 X 代表任何非 4 的點數。而第一種的機率是 5/6×1/6×1/6＝5/216，第二種和第三種的結果也是這樣。三者相加，可得出三個骰子裡出現兩個 4 點的機率為 15/216，你有這樣的機率會贏得 2 美元。

同樣的，要算出三個骰子裡只出現一個 4 點的機率，也是要將事件分解成三種互斥的情況。得出 4XX 的機率為 1/6×5/6×5/6＝25/216，得到 X4X 和 XX4 的機率亦同，三者相加，得出 75/216。這是三個骰子裡僅出現一個 4 點的機率，因此也是你贏得 1 美元的機率。

要計算擲三個骰子都沒有出現 4 點的機率，我們只要算出剩下的機率是多少即可。算法是用 1（或是100％）減去（1/216 +15/216 + 75/216），得出的答案是 125/216。所以，平均而言，你每玩 216 次骰子擲好運，就有 125 次要輸 1 美元。

這樣一來，就可以算出你贏的期望值（$3×1/216）+（$2×15/216）+（$1×75/216）+（–$1×125/216）＝$（–17/216）＝–$0.08。平均來說，你每玩一次這個看起來很有吸引力的賭局，大概就要輸掉 8 美分。

尋找愛情，有公式？

面對愛情，有人從感性出發，有人以理性去愛。兩種單獨運作時顯然效果都不太好，但加起來⋯⋯也不是很妙。不過，如果善用兩者，成功的機率可能還是大一些。回想舊愛，憑感性去愛的人很可能悲嘆錯失的良緣，並認為自己以後再也不會這麼愛一個人了。而用比較冷靜的態度去愛的人，很可能會對以下的機率結果感興趣。

在我們的模型中，假設女主角——就叫她香桃吧（按：在希臘神話中，香桃木﹝Myrtle﹞是愛神阿芙蘿黛蒂﹝Aphrodite﹞的代表植物，象徵愛與美）有理由相信，在她的「約會生涯」中，會遇到 N 個可能成為配偶的人。對某些女性來說，N 可能等於 2；對另一些人來說，N 也許是 200。香桃思考的問題是：到了什麼時候我就應該接受X先生，不管在他之後可能有某些追求者比他「更好」？我們也假設她是一次遇見一個人，有能力判斷她遇到的人是否適合她，以及，一旦她拒絕了某個人之後，此人就永遠出局。

為了便於說明，假設香桃到目前為止已經見過 6 位男士，她對這些人的排序如下：3—5—1—6—2—4。這是指，在她約過會的這 6 人中，她對見到的第一人的喜歡程度排第 3 名，對第二人的喜歡程度排第 5 名，最喜歡第三個人，以此類推。如果她見了第七個人，她對此人的喜歡程度超過其他人，但第三人仍穩居寶座，那她的更新排序就會變成 4—6—1—7—3—5—2。每見過一個人，她就更新追求者的相對排序。她在想，到底要用什麼樣的規則擇偶，才能讓她最有機會從預估的 N 位追求者中，選出最好的。

要得出最好的策略，要善用條件機率（我們會在下一章介紹條件機率）和一點微積分，但策略本身講起來很簡單。如果有某個人比過去的對象都好，且讓我們把此人稱為真命天子。如果香桃打算和 N 個人碰面，她大概需要拒絕前面的 37％，之後真命天子出現時（如果有的話），就接受。

舉例來說，假設香桃不是太有魅力，她很可能只會遇見 4 個合格的追求者。我們進一步假設，這 4 個人與她相見的順序，是 24 種可能性中的任何一種（24＝4×3×2×1）。

由於 N＝4，37％ 策略在這個例子中不夠清楚（無法對應到整數），而 37％ 介於 25％ 與 50％ 之間，因此有兩套對應的最佳策略如下：

（A）拒絕第一個對象（4×25％＝1），接受後來最佳的對象。

（B）拒絕前兩名追求者（4×50％＝2），接受後來最好的求愛者。

如果採取A策略，香桃會在 24 種可能性中的 11 種，選到最好的追求者。採取 B 策略的話，會在 24 種可能性中的 10 種裡擇偶成功。

以下列出所有序列，如同前述，1 代表香桃最偏好的追求者，2 代表她的次佳選擇，以此類推。因此，3—2—1—4 代表她先遇見第三選擇，再來遇見第二選擇，第三次遇到最佳選擇，最後則遇到下下之選。序列後面標示的 A 或 B，代表在這些情況下，採取 A 策略或 B 策略能讓她選到真命天子。

1234；1243；1324；1342；1423；1432；2134（A）；2143（A）；2314（A, B）；2341（A, B）；2413（A, B）；2431（A, B）；3124（A）；3142（A）；3214（B）；3241（B）；3412（A, B）；3421；4123（A）；4132（A）；4213（B）；4231（B）；4312（B）；4321

如果香桃很有魅力，預期可以遇見 25 位追求者，那她的策略是要拒絕前 9 位追求者（25 的 37％ 約為 9），接受之後出現的最好對象。我們也可以用類似的表來驗證，但是這個表會變得很龐雜，因此，最好的策略就是接受通用證明。（不用多說，如果要找伴的人是男士而非女士，同樣的分析也成立。）如果 N 的數值很大，那麼，香桃遵循這套 37％ 法則擇偶的成功率也約略是 37％。接下來的部分就比較難了：要如何和真命天子相伴相守。話說回來，這個 37% 法則數學模型也衍生出許多版本，其中加上了更合理的戀愛限制條件。

——本書摘自《數盲、詐騙與偽科學》，2023 年 11 月，大牌出版，未經同意請勿轉載。

根據 10 月 30 號內政部最新公布的統計數據，台灣人最常取用的疊字名字，女性是「婷婷」，男性是「彬彬」，這男生的名字聽起來就很有禮貌，女生則是身材高挑，姿態端莊，而最常見的名字，男性是「家豪」，女性是「淑芬」，這些名字充滿了對於孩子的想像與祝福，希望男生能成為一位顧家卻又不失豪氣的大丈夫，女生則要保持賢淑，同時要像鮮花的芬芳那樣討人喜歡⋯⋯

等等⋯⋯我是不是掉入性別刻板印象了？

電視電影是刻板印象的修煉場，也是打破刻板印象的主戰場

名字就，就名字嘛！幹嘛說人家刻板？不過當我一說這些名字以及他們代表的意義，你應該也很快就察覺這是屬於刻板印象的一部分。這是因為我們的社會已經成長到能辨識這些觀念的程度了，但反過來說，你知道還有多少地方藏著沒有被發現的性別刻板印象嗎？

舉例來說，幾個月前在台灣掀起 MeToo 浪潮的電視劇《人選之人》，用一句「我們不要就這樣算了好不好」，許多人站出來指控那些糾纏他們多年的加害者。能有如此大的迴響，其實是天時地利人和的結果。想想以前看的鄉土劇、日韓劇或台劇，當劇中角色，特別是女性遇到性騷擾，通常是得等男主角出面「拯救」他們，不管是陪著他們去保警處理，或是用比較⋯⋯私人的方法解決。這樣的劇情設計，反映出當時社會給女性貼上的被動與柔弱標籤，必須要依靠勇敢、堅強的白馬王子才有辦法在社會上生存。雖然人選之人這部劇並非全繞著性騷擾事件發展，但一個由女性自己提出「我們不能這樣算了」的橋段，打破了過去影視作品裡的框架，也恰好與當前社會進步的步調吻合，這才如此多曾經被社會期待壓著不敢發聲的人，特別是女性與性少數站出來說出早就該讓大眾知曉的真相。

類似的案例還有留下「可是瑞凡，我回不去了」這句名言的台劇《犀利人妻》，相信你就算沒看過這部戲，也肯定看過這些衍生出來的迷因。犀利人妻之所以如此經典，是因為它翻轉了過去影視作品中對於「伴侶出軌」這件事的刻板印象。想想以前女性角色發現伴侶出軌，大多會選擇自怨自艾，又或者是對所謂的「小三」進行報復，試圖讓被奪走的愛人回心轉意。但是，犀利人妻的主角謝安真卻在悲痛之後卻選了一條新的道路。他割捨了背叛自己的瑞凡，做到了「沒有你，我過得更好」，這才有那句「我回不去了」。這些打破刻板印象的影視作品，不只是提供新觀點這麼簡單，他們更像是一種社會風氣的試水溫。假如這個作品收穫正向的迴響、甚至成為啟發許多人的契機，那代表我們已經做好準備踏入新的階段。

不然你想想，像犀利人妻或人選之人這樣的戲劇，有辦法在三十，甚至五十年前的台灣出現，取得同樣的成功嗎？或者比較一下 2000 年早期當紅偶像劇的男女主角形象（例如《惡作劇之吻》、《流星花園》、《公主小妹》），跟 2010 年開始台劇男女角色形象（《我可能不會愛你》、《女兵日記》、《我的婆婆怎麼那麼可愛》），是不是多了很多有趣的變化與多樣性？

從這個角度去看，一直在進步、向著更平等社會邁進的我們，其實是真的已經「回不去」了。不只製作品質不斷提升，我們也越來越重視劇中傳達的訊息，希望讓影視作品不再是單純的娛樂取向產品，更能為我們生活的環境所有貢獻。

欸，「靠影視改變社會」，這可不只是嘴巴上說得好聽的空頭支票，你我都很熟悉的一個娛樂巨擎已經在做，而且做很多年了。

如果你腦中突然出現三個閃亮亮圓圈⋯⋯恭喜你，答對了！

迪士尼是公主製造工廠？

說到迪士尼，不知道你最先想到的哪個角色呢？對我來說，肯定是最經典的《小美人魚》。但其實啊，現在已經有許多心理學研究發現，這些角色以及他們的故事不只是陪伴我們長大，其實還潛移默化了我們對於自己與他人，乃至於整個世界的想像。

當然，這不是迪士尼對觀眾施了什麼魔法，而是我們，特別是自我認同尚未穩固的小孩子，特別容易從接觸的童話故事、小說、電視電影等媒介中，汲取角色的言行與價值觀成為自己的一部分。這樣的學習歷程在 2012 年被心理學家注意到，並命名為「經驗擷取」（experience-taking），可以把它想像成是一種把虛構角色當成榜樣的學習過程。我們小時候都曾想像自己能成為故事裡的英雄，當個帥氣的白馬王子，或是成為眾星拱月的公主，在充滿愛與勇氣的世界裡過上永遠幸福快樂的日子。經驗擷取就是把這個過程變成無意識、很難覺察得到的悄然變化。

也因為這個人類內建的機制存在，使得迪士尼的公主系列不只是打造出一系列的經典 IP，他還把順應當時性別刻板印象的角色模板偷偷植入每個小小觀眾的腦袋裡。如果你想當公主，就必須穿得像個公主、言行舉止像個公主、活得像個公主⋯⋯而當這些公主與王子都極為相似時，你就會得到兩套（公主與王子）偏頗且平面的刻板印象。對根本不懂人情世故的小孩來說，他們無從判斷這些「必須」是否恰當，又或者適不適合自己，所以更容易無條件地相信這些價值觀。這可不是危言聳聽，早在 1996 年就有心理學家注意到這件事，但要真的引發學術界廣泛的討論，還得等到 2011 年，性別平權意識又再提升之後。在 2017 年的一篇行為分析研究，便明確觀察到頻繁暴露於迪士尼作品的 3-5 歲女童在玩妝扮公主遊戲時，會不假思索地直接複製刻板印象的內容，並且會對自己無法「穿得像位公主」或「動得像位公主」而焦慮。

你可能會想，這些事情等長大自己就會想通了。但其實這些小時候建立起來的想像，就跟雛鳥的印刻效應一樣，會在我們的認知裡停留很久很久，有些人可能一輩子都擺脫不了他們的影響。不只心理學家注意到這件事，迪士尼其實也很清楚自家作品擁有的影響力，這讓他們在 21 世紀後進入了「反轉」期。同樣是改編經典作品，但像《青蛙與王子》、《魔髪奇緣》等作品都賦予角色全新的形象，讓公主挑起英雄的大樑。到了《冰雪奇緣》，更是直接把艾莎晉升成女王，不但讓漢斯這個口蜜腹劍的負心漢王子露出真面目，還藉由與妹妹安娜之間的對比強調「女生為什麼不能自己做主」。雖然看起來還是王權封建制度，但傳達出來的訊息可是截然不同，這些努力也受到近年心理學研究的肯定。

而且大家仔細想想這些被翻轉的迪士尼角色，除了個性獨立，在行為上還有個很重要的共通點，那就是在面對不公義時，他們選擇了反抗。這是過去數百年間性別議題很常碰壁的死結：女性必須要為自己應有的權益發聲，但因為傳統社會期待女性要柔弱，所以當他們真的挺身而出，會先遇到「你怎麼這麼不像女生」的指責，真該重視的權益議題反而被忽略了。這時候，一個能在社會輿論中引發討論、「以身作則」的榜樣，就算是虛構的角色也足以打破那條深埋在社會文化中的無形界線。

過去的迪士尼是公主製造工廠，現在則是扭轉性別刻板印象不可或缺的盟友之一呢。

但是，也有人認為迪士尼已經「政治正確」搞過頭，反而破壞了我們的童年回憶，這又該怎麼看待呢？

矯枉過正的政治正確？

莎士比亞在《哈姆雷特》裡寫下「請您善待這班戲子伶人，不可怠慢！因為他們是這個時代的縮影！」，這句話其實到了現代仍然適用，因為創作作品的是人，所以難免會把自己的經驗與想像投射進去。而且除了創作者自己的意向，作品內容同樣會受到市場箝制，就好比歐洲中世紀的藝術作品會有濃厚的宗教色彩，又或者台灣在解嚴後出現的鄉土文學熱潮，可以說是相輔相成的角色。

但就像 20 世紀的迪士尼迎合市場，卻無意間成為助長性別刻板印象的幫兇，很多東西都是過猶不及，一但走向極端就可能衍生出新的議題。相信大家就算再不關心，肯定都聽過關於「政治正確」的討論吧？但若我們只看一些較為激烈或極端的案例，會很容易誤解這個「政治正確」風氣出現的本意。

前面有說到，所謂的性別刻板印象，是一種偏頗且扁平的框架，告訴你「要想成為他，就必須符合這些條件」。打個比方，你喜歡吃哇沙比嗎？雖然是生魚片的好朋友，但假如今天你從小被教育吃任何食物都要加哇沙比，如果不加就不准吃，那即使你再怎麼討厭哇沙比，也會因為肚子餓而不得不忍受這些難以下嚥的食物組合。這樣隨著時間逐漸僵化的性別框架，在心理學被稱為「性別基模」（gender schema），是一個在過去 30 年來被廣泛研究的題目。

根據提出性別基模理論的心理學家 Bem（貝姆），要想拯救這樣悲劇的味蕾，單純跟你說「你可以不要哇沙比」是沒有用的。因為時間一久，你很可能已經習慣了哇沙比的味道，甚至不需要外力逼迫，你都不覺得這樣搭配有什麼奇怪的。你需要的，是實際感受「沒有哇沙比的食物」吃起來是什麼味道。品嚐過食物原本的味道後，你封閉的經驗被打開了，就算最後決定你還是喜歡哇沙比，那也是自身意願的選擇。

而這些所謂「政治正確」的創作選擇，其實就是在提供過去作品中欠缺的「多樣性」與「社會期待以外的選擇」。像剛拿下金鐘獎最佳女主角、戲劇導演與戲劇節目的《村裡來了個暴走女外科》，便是讓觀眾看見「不符合傳統醫師形象」也能「當個好醫生」的劉梓旭醫師，用超乎社會期待的方式處理自己生活中的議題。另外像是接連刷新華視收視率紀錄的《俗女養成記》又或者是十多年前的偶像劇《敗犬女王》，都是在用自己的方式回應「女生年紀大，身價塌」的歧視，讓同樣對年齡有焦慮感的女性看見選擇就算「不回答標準答案」也能找到幸福的可能性。

同樣的，讓女性或少數族群擔綱過往由男性把持的英雄角色，也是在提供觀眾一種新的角色模板。例如哈利波特裡最聰明、能力最強的並不是被預言選上唯一能與佛地魔對抗的哈利，而是麻瓜出身的妙麗。先不討論作者 JK 羅琳近年與 LGBTQ 族群起的爭議，在 21 世紀初期，那位願意一拳揍上馬份鼻子、永遠是第一個想出困境解法的年輕女巫可是西方女性培力的代言人，成為許多年輕女孩嚮往與效仿的對象。

或許不是每部影視作品都能像哈利波特或迪士尼形塑一整個世代的社會風氣，又或者像人選之人這樣啟發前所未有的 Me Too 運動，但他們多少反映了我們現在身處的環境，同時為他的改變與延續做出一點貢獻。從這個角度去想，你會發現政治正確並不是現在才有的現象，而是從古至今一直都有的創作取向。而之所以「政治正確」會在現代引起如此大的爭議，其實還得歸功我們成功打破了刻板印象，以致於大家都有了「正確答案不只一種」的認知，這才會對與自身想法不同的答案表達質疑，不是嗎？

對了，你最近看過的戲劇作品中，哪些作品的性別呈現最深得你心呢？歡迎跟我們分享吧！我先說，我自己最愛的是《八尺門的辯護人》裡的 Leena 跟陳令秋，那你呢？

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.moi.gov.tw/News_Content.a…
• Corwin, H. J. （1998）. Reading with empathy: The effect of self-schema and gender-role identity on readers’ empathic identification with literary characters （Order No. 9937004）. Available from ProQuest Dissertations & Theses A&I. （304459026）. Retrieved from http://search.proquest.com/docview/30…
• Giezrzynski, A., & Eddy, K. （2013）. Harry Potter and the Millennials: Research Methods and the Politics of the Muggle Generation. JHU Press.
• Kaufman, G. F., & Libby, L. K. （2012）. Changing beliefs and behavior through experience-taking. Journal of personality and social psychology, 103（1）, 1.
• Kidd, D. C., & Castano, E. （2013）. Reading literary fiction improves theory of mind. Science, 2013, 342.6156: 377-380.
• Klodt, J. E. （2003）. Sex, drugs, and self-destruction: Reading decadence and identity in spain’s youth narrative.
• Todd, A. R., & Galinsky, A. D. (2014). Perspective‐taking as a strategy for improving intergroup relations: Evidence, mechanisms, and qualifications. Social and Personality Psychology Compass, 8(7), 374-387.
• Green, M. C., & Jenkins, K. M. (2014). Interactive narratives: Processes and outcomes in user-directed stories. Journal of Communication, 64(3), 479-500.
• England, D. E., Descartes, L., & Collier-Meek, M. A. (2011). Gender role portrayal and the Disney princesses. Sex roles, 64, 555-567.
• Streiff, M., & Dundes, L. (2017). Frozen in time: How Disney gender-stereotypes its most powerful princess. Social Sciences, 6(2), 38.
• Garabedian, J. (2015). Animating gender roles: How Disney is redefining the modern princess. James Madison Undergraduate Research Journal (JMURJ), 2(1), 4.
• Hoerrner, K. L. (1996). Gender roles in Disney films: Analyzing behaviors from Snow White to Simba. Women’s studies in communication, 19(2), 213-228.
• Wiersma, B. A. (2000). The gendered world of Disney: A content analysis of gender themes in full-length animated Disney feature films. South Dakota State University.
• Hunt, S. (2015). Representations of gender and agency in the Harry Potter series. In Corpora and discourse studies: Integrating discourse and corpora (pp. 266-284). London: Palgrave Macmillan UK.
• Hoerrner, K. L. (1996). Gender roles in Disney films: Analyzing behaviors from Snow White to Simba. Women’s studies in communication, 19(2), 213-228.
• Bem, S. L. (1983). Gender schema theory and its implications for child development: Raising gender-aschematic children in a gender-schematic society. Signs: Journal of women in culture and society, 8(4), 598-616.
• Bem, S. L. (1981). Gender schema theory: A cognitive account of sex typing. Psychological review, 88(4), 354.
• Starr, C. R., & Zurbriggen, E. L. (2017). Sandra Bem’s gender schema theory after 34 years: A review of its reach and impact. Sex Roles, 76, 566-578.