你看到了生活中的說服嗎？

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

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。