連小孩也以外表決定第一印象

• 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。

編按：本篇提及的「力量姿勢（Power Posing）」在心理學界仍存在爭議，有興趣的讀者可以再追蹤後續研究。

「假裝成真」：行為會改變你的性格

多數改善自信的課程，是以下面的概念為基礎：自信低落是因為看待自己的方式有問題。所以他們鼓勵受測者把焦點放在過去做得很好的事情上，或想像自己變得更堅定、更有自信。相反的，「裝假成真」原理則認為，改變行為的效果更快，也更有效。

在早期的一項研究中，研究人員找來一群受測者，假裝請他們測試新開發的塑膠眼鏡對人的感知力有沒有影響。受測者分成兩組，研究人員要求兩組做一樣的智商測驗和性格測驗，其中一半是以正常的方式完成測試，另一半則是戴上平光鏡片的眼鏡做測試。

由於我們常把眼鏡和智慧聯想在一起，研究人員預測，光是戴上眼鏡，就會讓人突然覺得更有自信、更聰明。結果的確如此，儘管兩組的智力測驗成績差不多，但是戴眼鏡的受測者覺得自己比較穩定、能幹、有學問。

另外，姿勢也會產生影響。哥倫比亞大學的研究人員戴娜． 卡尼（Dana Carney）知道，自信的人通常自我感覺良好，比較願意冒險，體內睪固酮（攸關控制力的化學物質）的濃度較高， 皮質醇（攸關壓力的化學物質）的濃度較低。

改變姿勢使你變得更有自信

卡尼想知道，讓一些人表現出強勢的樣子會發生什麼事？為了找出答案，卡尼和同事找來一群受測者，告訴他們是來幫忙評估新的心臟追蹤系統， 並把他們分成兩組。

其中一組受測者擺出下面的強勢姿態（見下圖）。有些人是坐在桌邊，把腳翹到桌面上，把頭抬高，手臂交叉放在後腦杓； 另一些人是站在桌邊，身子前傾，手掌撐在桌面上。

另一組受測者則擺出不強勢的姿勢（見下頁圖）。有些人坐著，腳平放在地上，雙手放在大腿上，眼睛看著地面。另一些人是雙臂交叉，雙腳也交叉。

受測者擺出上述姿勢一分鐘後，研究人員請他們評估自己感覺有多「強大」。那姿勢對他們的自信產生了很大的影響。擺出強勢姿態的人覺得自己比較強大，但效果不只這樣而已。

接著，研究人員請受測者做冒險測試，給他們兩美元，告訴他們可以把錢留著，或拋硬幣賭博。如果拋硬幣時受測者贏了， 他可以得到加倍的錢（亦即四美元）；萬一輸了，就空手而歸。結果跟「強勢姿態讓人更願意冒險」的假設相符，剛剛擺出強勢姿態的人中，有80%決定賭博，另一組願意賭博的人只有60%。

在實驗的最後階段，研究人員把注意力轉向受測者血管中流動的化學物質。他們叫受測者擺出姿勢之前和之後，分別把唾液吐到試管中。研究人員分析唾液後，發現剛剛擺出強勢姿態的受測者，睪固酮濃度上升了，皮質醇濃度降低了。總之，表現出強勢的樣子僅短短一分鐘，就改變了他們體內的化學成分。

如果你沒時間擺出強勢姿態，握緊拳頭也可以。心理學家湯瑪斯．舒伯特（Thomas Schubert）請一群人評估自己的自信度， 接著以玩剪刀石頭布為由，請受測者握拳幾秒鐘，之後再評估自信度。結果受測者的行為影響了他們的大腦，剛剛握拳片刻讓他們的信心大增了。

——本文摘自《怪咖心理學之鍛鍊正能量思維，用科學方法讓好事成真》，2023 年 4 月，漫遊者文化出版，未經同意請勿轉載。

許多人對於星座和性格的關係，都有著一些既定的印象：天蠍座就是可怕、雙魚座就是多情、水瓶座就是怪、牡羊座就是火爆⋯⋯。甚至，有一些人在選交往對象時，還會特別篩選掉某些星座，或是熱愛某些星座。

然而，星座和性格之間，到底有沒有關係呢？恰好我大學時期的一份研究當中，曾經順手收集了相關的資料，現在就帶大家一起來看看這份研究，以及星座和性格到底有沒有關係吧！

一份關於色彩偏好與人格特質的研究

這份研究主要要探討的是「不同人格特質是否有色彩偏好上的差異性」，但除此之外，我們也跑了一些有趣的統計，其中包含了「血型和星座和色彩偏好的關聯性」，以及與色彩完全無關，但你我都很好奇的「人格特質和星座的關聯性」。為了蒐集研究的基礎資料，我們透過網路問卷，徵求受試者參與測驗。

測驗內容首先，受試者必須從 37 個色塊當中，挑選出自己喜歡的顏色。挑選的數量沒有上限，只要喜歡都可以選。此外，我們也透過五大人格測驗，蒐集了受試者的性格。

另外他們也必須填上自己的基本資料，生理性別、職業或學校、出生年月日、血型、教育程度，居住區域、興趣、族群、母語、宗教信仰與是否相信星座或血型等等，可能對個性有影響的題目。

最後，我們蒐集到 743 份問卷，其中獲得 728 份有效問卷，受試者年齡介於 14～68 歲之間，有 438 位女性，290 位男性。

不同性別、星座、血型的人，都選了什麼顏色？

那麼，首先就先來看看大家都選了什麼顏色吧！可以發現在所有受試者當中，對於黑色與白色的偏好是最高的，而灰色則是大家普遍不喜歡的顏色。

在性別上，無論是男性或女性，都特別喜歡藍色和紅色；但男性喜愛藍色的比例比女性還要多，而女性喜愛紅色的比例比男性還要多。

那麼，不同星座與血型的人，喜好的色彩是否有所差異？根據卡方檢定，不同星座，在選顏色的時候，並沒有喜好上的顯著差異；至於血型倒是有兩個顏色特別受到偏好。其中一個是「薰衣草色」（色表圖第 30 號），A 型的人比 B 型的人，更喜歡這一個顏色；另一個是藍綠色（色表圖第 23 號），A 型的人比 O 型的人更愛這個顏色。

顏色與性格有關嗎？

而本份研究的重點，其實是色彩偏好和個性是否有關。

在過去，心理學家主要都是以「五大人格測驗（Big Five）」來做為研究研究人格的主要依據。而所謂的五大人格，則分別包含了以下五大類別：

• 開放性（Openness）──對於一個新經驗、新事物的開放程度。
• 盡責性（Conscientiousness）──是否能夠嚴謹地管理自己達成目標。
• 外向性（Extroversion）──喜歡交際、喜愛與人接觸。
• 宜人性（Agreeableness）──對待他人是否善解人意、親切帶人。
• 神經質（Neuroticism）──情緒是否容易因為外在而有所起伏。

根據我們研究的結果發現，喜歡第 11 號（土黃色）的人裡面，外向性高及開放性高的人佔多數；喜歡第 12 號色（棕色）的人裡面，外向性、開放性，及嚴謹自律性高的人佔多數。

而當我們採用 PCA 分析，去看不同性格與喜好色彩之間的關係時，更得出了許多顯著的結果：

• 神經質程度較高的人偏好偏好高彩度、低明度的顏色（例如５、３０、２６號色）。
• 外向性和盡責性程度較高的人偏好高彩度、低明度的顏色（例如２６、２５、２７號色）。
• 開放性程度較高的人彩度部分沒有明顯的偏好，另外則偏好低明度的顏色（例如１、２、３ ６號色）。
• 親和性程度較高的人偏好高彩度、高明度的顏色，除神經質程度較高的人外，大多數人偏好藍色色相的顏色（例如２６、２５、２２、２７號色）。
• 神經質程度較高的人對於色相的偏好較不明顯。開放性程度較高的人，除了偏好藍色外，也偏好紅色色相的顏色（例如１、２號色）。

至於喜好與不喜好單色方面，就得出了更豐富的結果了：

• 喜歡2號色的人，比起不喜歡的人，有較高的宜人性。
• 喜歡4號的人，比起不喜歡的人，有較高的開放性(p=.013<.05)、較低的宜人性。
• 喜歡7號色的人，比起不喜歡的人，有較高的開放性。
• 喜歡9號色的人，比起不喜歡的人有較低的神經質傾向、更外向。
• 喜歡10號色的人，比起不喜歡的人，有較高的神經質傾向、較高的開放性。
• 喜歡11號色的人，比起不喜歡的人，有較高的開放性。
• 喜歡12號色的人，比起不喜歡的人，有較高的開放性。
• 喜歡14號色的人，比起不喜歡的人，有較高的神經質，較高的開放性，較低的謹慎性。
• 喜歡15號色的，比起不喜歡的，有較高的開放性。
• 喜歡16號色的，比起不喜歡的，有較高的開放性。
• 喜歡18號色的人，比起不喜歡的人，有較高的神經質、與較高的開放性。
• 喜歡19號色的人，比起不喜歡的人，有較高的開放性。
• 喜歡21號色的人，比起不喜歡的人，有較高的神經質傾向、較低的宜人性。
• 喜歡22號色的人，比起不喜歡的人，有較高的神經質傾向、較高的開放性、較低的謹慎性。
• 喜歡24號色的人，比起不喜歡的人，有較高的開放性。
• 喜歡28號色的人，比起不喜歡的人，有較低的謹慎性。
• 喜歡32號色的人，比起不喜歡的人，有較高的開放性。
• 喜歡33號色的人，比起不喜歡的人，有較低的謹慎性。
• 喜歡34號色的人，比起不喜歡的人，有較低的外向性、較高的開放性、較低的謹慎性。
• 喜歡35號色的人，比起不喜歡的人，有較低的外向性與謹慎性。
• 喜歡36號色的人，比起不喜歡的人，有較高的開放性、較低的宜人性。

你金牛，我水瓶，這應該沒有什麼差別吧？

很多人看到這邊，一定會很懷疑，為什麼我一開始破題的答案都沒有講到？好的，事實上，這方面雖然不是我們的研究重點，但我也用統計軟體跑過了相關的數據之後，得到的答案是：「星座和血型跟性格完全無關。」

就我個人的經驗來看，我甚至認識一個跟我同年同月同日生的人，但我們兩個的個性相差極大。所以說，如果以科學的話語來說的話，就是透過本篇研究，無法找到可以支持星座和性格有關的證據囉～

文末致謝

大學時期，我曾跨校到台科大修了一門課研究所的課，名為色彩心理學。此篇研究來自於該門課的課堂研究報告。在此，我要特別感謝我的組員王琪瑄、李梓含、吳典軒、李佳勳、洪維君，儘管至今我們已經沒有再聯絡了，但很謝謝他們當初一起完成了這份研究。

如果你喜歡我的文章，歡迎到我的粉專「貓心—龔佑霖」來看更多的文章

新研究指出孩童與成人相同，都以外表來判斷某人的性格特徵。哈佛大學的心理科學家Emily Cogsdill博士表示，即使是三歲的孩童也以一個人的外表來判斷可信任度及能力。此外，研究也顯示孩童們的判斷有非常高的一致性。

研究顯示，以貌取人的傾向自從幾乎沒什麼社會經歷的孩提時代就已經開始。科學家知道，即使只有短暫照面過，成人總是會以外表評斷某人。但是這個傾向是長期生活經驗累積的結果，或是一個自幼年就存在的基本衝動？專家們仍不明白。

Cogsdill及研究團隊表示：「若成人及孩童以貌取人的傾向是隨著成長才逐漸發生，那就可以推論這個傾向需要長期的社會經驗累積才能達到成年時期的狀態的。假如孩童以貌取人傾向的程度與成人相同的話，則表示這個以外表判斷性格特徵的傾向則是生命早期就已存在的社會認知能力。」

為了驗證這個想法，研究團隊找了99位成人及141位3～10歲的孩童，來判斷由電腦所產出的臉孔的可信度(好人/壞人)、支配度(強勢/不強勢)、及能力(聰明/不聰明)。在看了一組臉孔後，實驗參與者被問了像是「你/妳覺得哪個人感覺人很好？」的問題。

不出所料，成人認為某些臉孔具備某些特定的性格特徵，孩童組也出現相同的實驗結果。

3～4歲孩童判斷的一致性只比7歲組差了一點，但歲數較大的孩童所做的判斷則多與成人組相近。這顯示以貌取人的傾向很有可能為是成長發展的結果。

總體來說，比起其它兩項特徵，孩童似乎在評斷可信度上較有一致性。這表示孩童可能會特別注意一個人的神情，比方這個人感覺是正向或是負向的。

重點是，實驗結果並未說明孩童做出的性格特徵判斷是否正確。結果只顯示不論正確性，孩童與成人都將某些臉孔與特定性格特徵連結在一起。

以臉孔判定性格的傾向到底是何時出現，目前還不清楚，如果讓更年幼的孩童進行相同的臉孔判斷實驗後，或許能找出答案。究人員表示：「若以貌取人的傾向如結果所示，在早期發展就已經出現，那麼即使是嬰兒也會把臉孔與特定的行為特徵(像是親社會性的行為)連結在一起。」

哈佛大學的心理學教授Mahzarin Banaji博士提到，她與研究人員的下一步就是要檢視年歲累積的社會經驗是如何影響認知的。

原文來源：PSYCH CENTRAL- Even Children’s First Impressions Are Based on Appearance「5  MARCH 2014]

資料來源：心理科學協會- Young Children Form First Impressions From Faces