你看到了生活中的說服嗎？

• 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。

作者／周玟萱　執行編輯／郭宜蓁

搞笑諾貝爾獎創辦人亞伯拉罕斯曾說過，舉辦此獎的目的是幽默表揚完成「乍看令人發笑，後又引人深思」的研究貢獻者。讓我們一起來看看有哪些「令人發笑」的臺灣獲獎者吧！

1995 年「搞笑諾貝爾和平獎」

2019 年 4 月初，就在英國國會議員陷入辯論時，忽然有幾名半裸的男女闖入會場，高呼抗議口號、身上塗有 SOS 字樣，讓在場議員的眼睛都不知道該先看哪位才好……啊，不對！我的意思是說，大家只好無奈的多花一些時間，才將這些抗議人士請出會場。

反觀臺灣，我們的立法院擂臺大戲精彩指數，完全不輸給歪果仁的裸體抗議啊！飆國罵不過就是小菜一疊，其他還有男打女、女打男、翻桌、拔麥克風、跨講台、賞巴掌、釘孤枝、打群架……族繁不及備載，反正一進到那個會場人人都會琦玉老師上身，一言不合就直接送給對方一個正義的鐵拳！

1995 年，臺灣的立法院甚至榮獲「搞笑諾貝爾和平獎」的國際殊榮！

得獎原因在於，台灣立院的「拳」武行已向國際證明，比起對外發動戰爭，立委們自己先在家裡打個架、達成協議，才是為人民謀求福利的理想方式，但這個理由依舊難以抵擋人民的質疑：立委是不是太會浪費納稅人的錢了？

臺灣的立法院會肢體衝突的起源

這件事情得從早期的臺灣政壇來解釋，解嚴之前的臺灣一直是由國民黨執政，直到解嚴後才出現其他合法政黨，其中又以民進黨為大，自此之後臺灣政壇就呈現兩黨抗衡的情勢。

而就在民主運動以及投票制度啟蒙之時，立法院多數席次仍是由老牌的國民黨委員把持，兩個勢不兩立的政黨在人數懸殊的情形之下，又要在同一個地方開會，本來就很容易引發唇槍舌戰，再加上不斷地有人質疑，為什麼戒嚴過後的國民黨依然大權在握？總是可以仗著人數跟資源的優勢，快速通過法案，難道我們是專門繳稅來養一批會蓋章的人嗎？於是，這些質疑的聲浪也讓立院衝突逐漸升溫，肢體衝突就接連出現了。

1988年，號稱「民主戰艦」的立委朱高正，因為不滿預算審核制度，直接跳上主席台毆打當時的立法院院長劉闊，正式成為了我們議會暴力的開端。現在的各位或許對這個名字不熟悉，也認為議會暴力是家常便飯。但想想當時的立法院內，國民黨一黨獨大的風氣尚未完全解除，民進黨立委朱高正的舉動也可堪稱創新啊。

2007 年「搞笑諾貝爾經濟學獎」

獲獎者謝國楨有鑑於犯罪率上升，發明「抓住銀行搶匪的羅網陷阱系統」，獲得該年的經濟學獎。當年因為搞笑諾貝爾獎主辦單位找不到謝國楨，因此他並未出席頒獎典禮，而針對他當時這項發明的原由，Taipei Times 有進一步的採訪報導。

如影片中的例子，這個系統和野外放置的陷阱很相似，看起來就是把搶匪當作獵物抓起來。先是在銀行大廳布置一張羅網，當銀行搶匪出現時，透過遠端操控，這張羅網就會在鎖定目標之後從天而降，快速抓住搶匪。

從這兩個獲獎的事件與研究來看，獎項好笑是一時的，在「搞笑」之後，別忘了我們依舊生活在這片土地上，如果對於已經發生或是正在發生的事情仍是漠不關心，那麼搞笑諾貝爾獎初衷後半段「引人深思」的部分，便失去了它原本的意義。偶爾換個角度想一想，說不定這些事件也能帶給我們不同的靈感唷！

在探討完社會科學之後，接下來要介紹的是在自然科學這方面，提供「深思」的研究：《可樂真的能殺精？尿尿時間都是21秒？那些年，臺灣曾得過的「搞笑諾貝爾獎」（下）》

為何我們挑選了這本書：

現代的科學研究無疑讓我們的生活進步，但 人們「反科學」的例子卻仍時有所聞：不願接種疫苗、對基改食物過度的恐慌、跟從樓梯上摔下來相比更害怕墜機但明明是前者機率比較高……等等等，是因為集體的科學素養不夠嗎？還是有什麼因子在背後操縱？為何明明科學證據都放在眼前，大家卻還是不相信科學？
《拒絕真相的人》不只探討人們抗拒健康相關的科學背後的心理機制，也談它在演化上的原因。對這不科學的世界百思不得其解的你，讓我們一起來尋求解答吧！

對抗說服

在面對魅力領袖使用說服技巧時，我們該怎麼做？我們有可能抗拒他的說服嗎？

雖然說服的相關研究遠多過抗拒說服的研究，但心理學家仍發現我們有可能避免被說服：你可以用一樣的字眼來對抗說服，例如回覆說施打疫苗後能抵抗某些疾病。人們可以組織出相反的論點、預先提醒自己即將有說服性的訊息出現，以及在聽過說服性的訊息後與採取行動之前先獨自思考，以對抗這些說服性的說法。尤其是，就好比一個人在注射微量病毒後，就擁有對抗病毒的能力，他的免疫力會升高並能與病毒對抗。我們可以把自己置身在較溫和的說服裡，以取得對抗說服的能力，然後就能產生出相反的論點。

有一群理論家提出所謂的「說服知識模型」，意思是指人們處理強大訊息的方式，並且認出訊息來源以及說服出現的過程。該理論指出，人們學習用「應付」的技巧來處理會隨著時間發展、改變的說服性訊息。

應付技巧可以幫助人們把他們對訊息的情緒反應和理性評估區分開來，重新把注意力放在對他們來說更重要的訊息上，而不是去注意說服者試圖強調的部分，並了解說服訊息源自哪些連鎖事件，或是判斷說服者的目的和手法。

其他實驗則顯示，個人的認知來源對於他們是否會被一則訊息說服具有重要影響。認知負荷是指一個人的認知之緊繃程度為何。在實驗裡，人們被迫記憶很長的數字串，就是個高負荷的認知狀況；至於記憶非常短的數字串，就可能是低負荷的認知狀況。其操作目的在於想知道當人們稍微分心時，說服的影響會有什麼變化。有個研究嘗試透過受試者認知負荷的程度，評估他們抗拒說服的能力。

在情況一當中，受試者被告知有種新藥叫做阿司匹林強效藥，這種藥由於味道不好所以評價很差，而且大量製造時會產生對環境有害的影響。然後，這些受試者被要求記憶一長串數字（高負荷認知狀況），接下來再觀看阿司匹林強效藥的廣告，並被要求盡可能多寫一些反對使用這產品的想法。

在另一種情況裡，受試者被要求記憶短字串（低負荷認知狀況），然後觀賞廣告，並被要求想出反對這種藥的想法。結果研究者發現，高認知負荷的人較無法確定自己對藥的態度，儘管他們認為廣告來源相當可信；至於低認知負荷的人，他們提出的反對看法品質較好，儘管處在高認知負荷的人反對新藥的絕對數字較高。

這些實驗清一色地顯示出，人們抗拒說服的難度與說法來源以外的因素有關，人們獲得資訊的情況、對議題的了解程度，以及他們的分心程度，全都會影響人們思考反對想法的能力，而這些反對想法可以避免他們被完全說服。和人們的直覺相反的是，當你越疲累、壓力越大、越忙碌，你越可能被說服性訊息給說服，因為你已經沒有力氣想出更好的想法了。

另外一些證據顯示，讓人們意識到他們正在處理說服性訊息以及所相信的偏見，有助於他們重新思考自己的態度。在一項實驗中，研究者讓受試者接收一則訊息，訊息來源有可能讓人喜歡或討厭，其中有些受試者還特別被告知不要讓「非訊息」因素影響他們對該訊息的判斷。當受試者已被一個仰賴非訊息性認知的邊緣途徑說服（例如演講者的權威），這時若提醒他他可能有偏見，他便會更小心檢視訊息，並在解讀訊息時帶著較少偏見。

這些實驗結果顯示，說服過程確實存在著可讓人們干預的空間，我們確實可以鼓勵人們更謹慎地檢視魅力領袖所提出的說服性訊息。舉例來說，護士和醫生在面對害怕讓孩子接種疫苗的父母時，也許可以試著先幫他們的態度打個預防針。與其和家長爭辯，健康照護人員可以提出家長可能聽過的弱化版反疫苗說法，醫生或護士甚至可以接受訓練，用高度平實的態度提出這些觀點。

研究顯示，當人接收到大量弱化版本的說服性說法時，他們會提出有效的反對意見來對抗它們。之後，健康照護人員可以鼓勵父母過幾天再回來，大家再次討論接種疫苗的可能性。在這段空檔期間，父母有可能會提出反對意見與之抗衡，但更有可能會帶著改變的態度回到醫生那裡。

當偏見形成時，該怎麼辦？

當然，這個策略不一定對每個人都有效，對於反疫苗態度已經根深蒂固的人，或是面臨巨大社會壓力要他們別讓孩子接種疫苗的人，他們也許不會因為這個策略而有所動搖。然而，這個策略對於單純不確定疫苗優劣，並且可能被反疫苗提倡者說服的父母會有效。比起已確信疫苗有害的人，這類父母是廣大且更脆弱的一群人。如果我們可以讓拿不定主意的父母決定讓孩子接種疫苗，也許就能避免看到當今疫苗接種率的可怕落差。

這種「打預防針」的做法可以根據以下的方式進行：

父母：我聽說疫苗會對孩童造成嚴重的腦部傷害，像是自閉症。我不確定該不該讓我的孩子接種疫苗。

護士：沒錯，有些人說疫苗會導致自閉症，他們提出的證據包括過去幾年罹患自閉症的人數增加、人們使用的疫苗有少量水銀防腐劑、大量使用水銀會傷害腦部，有些父母則堅持說他們的小孩接種疫苗後開始出現自閉症徵兆。你聽過這些說法，可能會想做些相關研究，看看這些說法有什麼證據。我很樂意幫你，然後再針對你的顧慮和你聊聊。我們何不約個時間，來聊聊你的想法和顧慮？

對於正面臨讓人困惑、彼此衝突科學訊息的人，我們建議採取一些策略。花點時間，往後退一步，然後思考一下如果是你，你會如何處理你面前的資訊呢。當你在打掃家裡、打電話並幫孩子做晚餐時，在你身後是珍妮．麥卡錫出現在電視的畫面嗎？或是你坐下來，帶著清醒頭腦聽那些說法，然後給自己足夠的時間想想反面論證呢？你是否可能出現任何偏見呢？

當你正為自己的健康與安全做出重要決定時，例如是否要購買槍枝或讓你的家人接受休克療法，花點時間列出你在接收這些訊息時可能會有的偏見，這會是個明智的做法。

是誰告訴你休克療法會導致腦部損傷？他們有沒有任何可能的偏見呢？有哪些非訊息因素可能影響你對訊息的理解？我們可以列出很多這類的簡單反思，好確定自己不會被魅力領袖或偏見說服，並且真正徹底思考過這些事實，好去意識到所有可能的認知陷阱。認出壓力來源也很重要，就像我們前面說的，在認知負荷達到最低時，人可以做出合理的決定。

諾瑞娜．赫茲（Noreena Hertz）在她非常有用的書《老虎、蛇和牧羊人的背後》（Eyes Wide Open）裡，討論到鼓勵人們平靜思考其他觀點：

研究顯示，只要安插像「試著想想看，如果……」這樣的問句，就可以讓我們思考其他解釋和不同的觀點，讓我們可以拉開和各種可能影響自己的框架、暗示、錨點和修辭之間的距離。當我們掙脫這些花招和手法時，我們就可以用更中立、較不情緒化、較理性和細緻的角度來看待這些資訊。

從公眾健康的角度看，任何希望降低魅力領袖影響之做法，其中很重要的一點是要認真思考這些領袖讓人們覺得安全、被理解甚至被愛的強大影響。我們說過，魅力領袖越能召喚出追隨者潛在的恐懼，對既定大腦迴路的啟動就越強烈，因此，可與之抗衡的證據就越難產生影響。

魅力領袖誘發大腦改變的步驟是先升高大腦中心的恐懼（像杏仁體），然後抑制位於前額葉皮質的決策區域，這些大腦變化也會提高催產素的釋放，而讓我們擁有歸屬感和安慰感。在面對這些強大的效果時，用枯燥、學究般的訓斥口吻說明資料，將讓我們徒勞無功。相反地，讓人們覺得自己能夠用理性思考評估科學論點非常重要，這樣能讓他們覺得自己正在加入一個友善的團體，裡面的人信任科學方法，並且願意找到健康的真相。

抗拒說服需要自覺和批判性思考，這不必然是一種直覺或天生就有的能力；但是，學習這種批判性思考對任何人的生涯或人生都有幫助，而不會只對抗拒反科學觀點有幫助。因此，中學和高中課程若能花更多時間培養這種技術，這也是很合理的。就像我們在整本書裡所倡導的，學校與其花很多時間要孩子死背，不如教孩子思考複雜問題的技巧，孩子應該學習如何分辨有瑕疵的實驗設計或有問題的說法，意識到自己該如何處理這些說法，以及自製有效的反面論證並檢測這些想法。

多花時間在辯論技巧上，要求孩子就他們直覺上相信的事情彼此辯論，或甚至只是教孩子看出說服背後的措辭和心理學，這些都有助於人們發展出有用的批判性思考能力。培養批判性思考並且意識到認知陷阱與偏見，不只能幫我們認出有問題的科學論述，也能讓我們成為更好的決策者、思考家以及更有見識的公民。

本文摘自《拒絕真相的人：人們為何不相信科學？》，八旗文化出版。