懲罰的功用之一是幫助受害人原諒？

• 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。

在網際網路發達的現代，私刑正義一直是社會議題值得被重視的一塊。當名人、演員、政治人物，甚至是個沒沒無聞的小卒犯錯時，許多人蜂擁到他們的社群媒體攻擊、肉搜、堵人等等，是一件值得被重視的議題。

在這一篇文章中，我將從一些心理學研究，探討「私刑正義」的可能成因，以及可能削減私刑正義的方式。

為什麼我們會想伸張正義？

人們對於不公平，似乎有著天生的敏感度。有一個德國萊比錫的研究團隊，就針對小孩子進行研究。他們讓小孩子看木偶劇場，有些木偶會對小孩子很親切，也就是所謂的好木偶，也有一些木偶會送小孩子禮物，再把禮物搶走，也就是所謂的壞木偶。

實驗者發現，當孩子看到好木偶被毆打時，他們會不開心；但是看到壞木偶被毆打時，則會雀躍不已。

實驗者好奇的是，我們是否願意花錢，來換取觀看壞人被打呢？他們在壞木偶要被懲罰的剎那，將布幕拉上，除非孩子交出手上的代幣，否則就無法繼續觀看。

結果，孩子們紛紛交出了手上的代幣，以求繼續觀看壞木偶被打^[1]。

然而，這篇實驗僅能解釋，當欺負我們的人跟被懲罰的人是同一個人時，我們先天就很樂見他們被懲罰，甚至是犧牲自己的利益也在所不惜。

但是，當我們只是袖手旁觀的第三者時，為何我們依然會希望伸張正義呢？神經心理學家 Lisa Barret 對此提出了解釋^[2]。

Lisa Barret 指出，人們的腦容量是有限的，正因為如此，我們不能等自己被攻擊了，才要求別人對這些人做出懲罰，而是希望「當和我們類似的人受到攻擊時，那些犯罪者能夠得到報應，以避免我們自身也受到攻擊。」

因此，當我們對某個人的受罰為之叫好時，肯定是因為他們所損害的他人利益，和我們自身有關。

這就是為什麼比起開車族、機車族，平常徒步走在街上的行人，對於警察針對行駛人行道的汽機車加強取締時，人們會更為振奮的緣故。

同情心，或許可以撫平報復心理

然而，並不是所有人，都能等待警察、法官等等來懲罰犯罪者，私刑正義的新聞我們可是時有所聞，例如先前一則疑似女兒被性侵後自殺，父親烙人抓人虐殺犯人的新聞，就在社會版面轟動一時。有些人為之叫好，但也有些人擔心「私刑正義」的嚴重性。

事實上，精神病學講師 James Kimmel Jr. 便曾指出，過度沉迷於私刑正義的結果，可能會導致「恐怖主義、復仇謀殺、幫派犯罪」等等的發生^[3]。

那麼，有什麼可以避免私刑正義呢？有一篇研究指出，也許同情心是一個可能的解決之道^[4]。

在這份研究中，實驗者招來了 44 名受試者，並將他們隨機分配到三種實驗情境中。在三種實驗情境裡，他們都必須要完成一份測驗，該份測驗是 20 題數學題，而他們都被安排坐在一男一女中間。

受試者不知道的是，那一男一女都是實驗者安排好的演員。

實驗開始了，在考卷發下去之前，女演員都會用眼藥水讓自己裝哭，並表示需要離開實驗。在實驗組裡面的女演員會裝作是得知哥哥得了癌症，自己卻要周末才能返家，此刻時在無法控制住自己的情緒；在控制組裡面，女演員則會裝作要趕著去看醫生，必須離開實驗室。

接著，受試者和男演員留在教室內，開始做那 20 題數學題，做了 4 分鐘，實驗者就會走過來，先收走受試者的問券，並檢查完答案後將答案卷用碎紙機碎掉，接著給他答對題數所應得的獎金。此時，實驗者會裝作身上的獎金不夠，必須要離開去拿獎金。

在實驗組中，實驗者離開之後，男演員會自己把答案卷碎掉，並在實驗者回來後，告訴對方「為了省時間，我自己對了答案，結果 20 題全對，我要領取 20 題的獎金。」並真的順利將獎金領走。

在控制組當中，男演員不會碎掉答案紙，而是表示自己比受試者多對了一題，然後領走獎金。

給予受試者報復機會

實驗者接著讓受試者有機會調配味覺測試的材料，並且讓受試者得知，這瓶材料將會讓作弊的男演員喝下，且對方不會知道是他調的。同時受試者也會知道，男演員超級怕辣。

透過這三種情境測試，實驗者想觀察兩件事情：

1. 受試者是否會因為對方作弊，而想要懲罰對方？
2. 受試者是否會因為剛剛另一位成員因哥哥癌症離去，而產生同情心（compassion），進而原諒作弊者的行為？

同情心可能會讓我們心軟

結果發現，在控制組裡面，受試者平均加入了 2 公克多的辣椒醬，而在實驗組裡面，受試者平均加入了將近 10 公克的辣椒醬，可見受試者對於報復作弊者，是確實會付諸行動的。

問題來了，這些受試者如果先前受到另一位演員的影響，是否會減少加入辣椒醬的量？如果是的話，這也表示，我們會因為自身的同情心，而減少對其他人的報復舉動。

研究結果顯示，同情心確實會有這樣的作用。參與到同情心實驗組的受試者，確實加入了較少的辣椒醬，只有平均約 3 公克左右，和控制組差不多。

這樣的研究結果顯示了，也許同情心，真的能讓我們更加寬容地看待這個社會，不再那麼執著於懲罰受試者。

不過，實驗者也特別強調，本篇研究的「同情對象」和「我們想報復的對象」是不同人。如果是同一個人的話，我們會有什麼舉動，其實是值得再進一步探討的。

參考資料

1. Natacha Mendes et al., ‘Preschool children and chimpanzees incur costs to watch punishment of antisocial others,’ Nature Human Behaviour, vol. 2, 2018, pp. 45-51.
2. Lisa Feldman Barrett, How Emotions Are Made: The Secret Life of The Brain, Macmillam, London,2017,p.73.
3. K.M. Carlsmith et al.., ‘The paradoxical consequences of revenge’, Journal of Personality and Social Psychology, vol.95(6), pp.1,316-24.
4. Condon, Paul & Desteno, David. (2011). Compassion for one reduces punishment for another. Journal of Experimental Social Psychology.

• 作者： 喬登．彼得森 (Jordan B. Peterson)
  譯者： 劉思潔, 何雪綾

喬登•彼得森是多倫多大學心理學教授、臨床心理學家，前哈佛大學心理學系教授。主要研究異常心理、社會心理，以及人格心理學。《生存的12條法則》討論我們該如何改變現況，建立生命的架構、過得更好。本文摘自 法則 05：別讓孩子做出令你討厭他們的事。

管教不只懲罰一招，還有獎勵可用

現代父母很怕兩個經常並列的詞：管教與懲罰。

這兩個詞令人想起監獄、士兵、納粹的長筒靴等畫面。事實上，管教與暴虐或懲罰與酷刑之間的距離，是很容易跨越的，因此管教和懲罰一定要小心拿捏。父母會害怕並不足為奇，但這二者都有其必要，在運用時可能是無意識或有意識，也可能用得拙劣或妥善，但不可能完全避免。

用獎勵來管教並非不可能。實際上，獎勵良好表現可能非常有效。最著名的行為心理學家史金納（F. B. Skinner）便大力提倡這個方法，他是這方面的專家。

史金納教鴿子玩乒乓球，不過牠們只是用喙部啄著球來回滾動，雖然表現得不好，但以鴿子來說算是相當不錯。史金納甚至訓練他的鳥兒在第二次世界大戰期間導航飛彈，稱為「鴿子計畫」（後來稱為「生控計畫」）。他的研究成果卓越，直到電子導航系統問世，他的心血才遭到淘汰。

史金納格外仔細地觀察他訓練的動物如何執行這些動作。牠們只要做出與他的目標接近的行為，就會立刻得到一個大小適度的獎勵，不至於太小而無足輕重，也不至於太大而消減日後獎勵的價值。

這種方法也適用於兒童，而且效果非常好。假設你希望家裡的幼兒幫忙擺設餐桌，這是很實用的技能。如果他做得到，你會更喜愛他，對他（脆弱）的自尊也有幫助。

好，你把預定要達成的行為拆解成幾個部分，其中一項就是從櫥櫃拿一個盤子放在餐桌上。但這個動作可能還是太複雜，或許孩子幾個月前才剛學會走路，仍然搖搖晃晃，不太可靠。所以你一開始訓練時，先拿一個盤子給他，再讓他交還給你，之後你就輕撫他的頭。

你可以把這變成一個遊戲：左手拿盤子，交換到右手，繞過背後轉一圈，把盤子交給他，接著你後退幾步，這樣他就必須走幾步才能交還給你。訓練他成為端盤子大師，別讓他一直笨手笨腳。

觀察與鼓勵，足以形塑出任何行為

你可以用這樣的方法教任何人：第一步，先弄清楚你想要什麼，然後像老鷹一樣觀察身邊的人。最後，每當你看到任何事情稍微更接近你想要的結果，就撲過去（跟老鷹一樣精準，要記得）送出獎勵。你女兒進入青春期之後就非常沈默，你希望她能多開口講話，你的目標就是「比較願意聊心事的女兒」。

有一天早上吃過早餐，她講了一則學校的趣事，這就是你給予關注的絕佳時機，這就是獎賞，停止發簡訊並仔細聆聽，除非你不希望她日後再告訴你任何事。

父母的介入若是能讓孩子高興，顯然就能夠且應該用來形塑孩子的行為。這個道理也適用於丈夫、妻子、同事和父母親。但史金納是現實主義者，他注意到使用獎賞有其難度，觀察者必須耐心關注，直到觀察目標自發地表現出期望的行為，然後才增強。

這需要大量的時間和等待，這就構成了問題。另外，史金納也必須先讓動物挨餓到只剩正常體重的四分之三，動物才會對食物獎賞有足夠的興趣，才會真的關注。但這些並不是純粹正面取向的唯一缺點。

成長過程總有傷害

負面情緒就像正面情緒，也會幫助我們學習。我們需要學習，因為我們很愚蠢，很容易受傷，然後可能會送命，這可不是好事，也令我們痛苦（否則我們就會尋死，然後就沒命了）。就算死亡只是可能發生，我們也不會感到舒服。我們向來如此。可見負面情緒帶來的不愉快可以保護我們。

我們感到受傷、害怕、羞愧、厭惡，所以我們會避開傷害。而且我們很容易受到這些感受的影響。實際上，我們因失落而產生的負面情緒，會大於同樣程度的收穫所帶來的正向感受。痛苦比快樂更深刻，焦慮比希望更強烈。

情緒（正面和負面）有兩種截然不同的變形。

滿意（嚴格來說是飽足）讓我們知道自己做得很好，希望（嚴格來說是誘因式酬賞）表示令人愉快的事即將來到。

痛苦傷害我們，所以我們不會重複做出造成個人損傷或社會孤立的舉動（寂寞嚴格來說也是某種形式的痛苦）。

焦慮使我們遠離帶來傷害的人和不好的地方，讓我們不必感到痛苦。這些情緒都必須相互平衡，並在適當脈絡下審慎判斷，但也都是我們生存與蓬勃發展所必需。因此，如果沒有用盡一切可用的東西幫助孩子學習，就是在傷害他們。可用的東西也包含負面情緒，只是應該以最仁慈的方式運用。

史金納知道威脅和懲罰可以遏阻令人厭惡的行為，正如獎勵會強化理想的行為。現代人一想到會阻礙兒童走上自然發展的假想原始路徑，就嚇呆了，連要討論純粹正面取向的管教技巧也有困難。但假使兒童的行為不必經過塑造，在長大成熟之前就不會有如此漫長的自然發展時期，只會一蹦出子宮就打算買賣股票。兒童也無法完全避免害怕和痛苦。

他們又小又脆弱，對世界沒什麼認識，即使是學走路這麼自然的事，也會一再受到世界的重擊，更別提跟手足、同儕及不配合又固執的大人相處時，難免會經歷受挫、被拒絕。

因此，最基本的道德問題並不是如何保護孩子完全免於不幸和失敗，讓孩子永遠不會經歷任何害怕或痛苦，而是如何極大化學習，讓孩子以最低的成本獲得有用的知識。

本文摘自《生存的12條法則：當代最具影響力的公共知識分子，對混亂生活開出的解方》，2019 年 5 月，大家出版