母乳能否促進智力發展？

• 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。

高智商成績分數可以用買的！？

當時，在布洛瓦郡鑑別資優生的程序在一、二年級時展開。如果老師判斷一個孩童可能有資格參加資優課程，就會轉介孩子去學校心理師那裡作一個測驗。家長也可以聘請私人心理師來進行測驗。凡是被測出智商在一百三十以上的孩童就會被評估納入資優課程。由於幼年貧困和英語能力有限已經被證明會影響標準化測驗的成績，低收入戶學生以及英語非母語的學生被判定為資優生的門檻比較低，是一百一十五。

可是該郡學生的智商分數看起來很怪。分數並非正常分布，而是在一百二十九分時人數歸零，然後在一百三十分時（亦即被認定為資優的最低門檻）人數驟然升高。而且沒有一個孩子拿到不達門檻的一百二十九分。

後來分析這些數據的經濟學家蘿拉．朱里安諾（Laura Giuliano）帶著冷冷的幽默感告訴我：「高智商分數似乎是有市場的。」私人心理師表面上是被聘請來評估孩子，可是以每次幾百美元的價格，他們實際上是被雇來確保孩子被認定為資優。朱里安諾告訴我，當她自己的孩子接近入學年齡，其他的家長低聲告訴她哪些心理師是「好的」。「好」似乎意味著掌握了「發現」智商一三〇的技巧。

這種買來的智商是理解這種差距的一條線索：大多是白人的富有家長基本上是替子女買到資優生的名額。但是這仍舊無法解釋黑人孩童和拉美裔孩童、英語非母語的孩童、低收入戶孩童被鑑別為資優的人數何以如此之少。就算富有的白人小孩被鑑別為資優的人數超出正常比例，這也不該壓低其他孩童被鑑別為資優的人數。

辨別資優生的新作法——剔除老師和家長的推薦制度

帕克懷疑篩選過程的第一步可能有問題，亦即當老師和家長推薦學生去作測驗。於是在二○○三年十一月，她把那張地圖展示給學校董事會看，並且提出了一種鑑別資優生的新做法。帕克說，關於誰該接受測驗，布洛瓦郡不該仰賴任何人的個別判斷。該郡應該對每一個孩子進行篩選。面對那張凸顯出不平等的閃亮紅色地圖，學校董事會一致投票贊成。

二○○五年，布洛瓦郡展開了全面篩選。員工得到加班費，加班對該郡兩萬名二年級學生進行測驗。由於眾所周知智商測驗和其他標準化測驗都含有偏見，所選用的測驗是一種非語言的認知測驗，把這種風險降到最低。該測驗不依靠與任何特定文化有關的文字或圖像，而是測量解決問題的綜合能力。

在學生作過測驗之後，帕克的團隊就親手把用葡萄牙文、西班牙文和海地克里奧爾語寫成的家長同意書送到每個學校，讓家長能夠同意接下來的步驟。他們有技巧地回答家長的來電，那些家長擔心這張有關「特殊學生」的書面通知乃是表示孩子有行為問題。團隊成員要他們放心，說事情正好相反，說這是個好消息。

等到篩選程序完成，結果很驚人。在全面進行篩選之後，黑人孩童和拉美裔孩童被認定為資優的人數增加為三倍。在接下來那一年裡，有資格參加資優課程的另外數百名孩童中，有八成來自低收入戶或是英語非母語的學生。這些學生當中有許多人的分數明顯高出門檻，這表示即使是資賦特別優異的孩子從前也被排除在資優課程之外。

問題不在於這些孩子的資賦不優異，而在於沒有人費心去把他們找出來。

改變篩選制度與教育環境——不同種族間的成績差距就消失了

改變不僅止於此。布洛瓦郡規定：只要學校裡有資優兒童，哪怕只有一個，該校就必須替這名學生設立一間特殊的「高成就學生教室」，配備有受過特殊訓練的教師和更進階的課程。然後這間教室就會把分數接近門檻的那些學生也收進去──例如，某個年級有四名資優生，而一間「高成就學生教室」可以容納二十四名學生，就表示分數緊跟在後的二十名學生也可以在這間教室學習。

於是這些學生就也能從更快的步調、更豐富的課外活動、更高的教師期望和同儕支持中獲益。朱里安諾及其同事大衛．卡爾德（David Card）發現：在這種特殊教室學習的黑人和拉美裔「高成就學生」在數學和閱讀的成績大幅提升。在被安排進入這些教室之前，這些學生的數學和閱讀成績比不上智商相同的白人學生。在那之後，這個差距消失了。

這些學生當中有更多人變得有資格繼續參加步調加速的課程，使他們走上新的學習道路。事實上，黑人和拉美裔學生的整體數據情況都有了改變。事實證明，在進行普遍篩選之前，這些學生不僅比較不可能被篩選為資優，而且更可能被篩選出有學習障礙。而這種加強篩選反映在智商分數的整體分布上。在進行普遍篩選之後，黑人和拉美裔學生的分數分布圖和白人學生的分數分布圖變得一致。

——本文摘自《隱性偏見》，2022 年 10 月，平安文化出版，未經同意請勿轉載。

喝母乳的寶寶，真的會更聰明嗎？母乳不僅能夠提供小寶寶所需的營養以及免疫力，而透過母親的生理機制，更能將各種符合自己孩子需求的成分，客製成孩子專屬的母乳。需要發育大腦，就多給些相關的成分，如果要長肌肉也沒問題，媽媽隨時隨地都準備為孩子產製最適合的母乳，這可是任何產業都難以複製的機能。因此母乳被說是對寶寶是最好的禮物，想當然各種與母乳哺育相關的研究主題，便是眾多學者探討了解的目標。

其中，研究智力發展應該是最吸引人的主題之一，不過目前為止也是有研究指出，母乳哺育的孩子，他們的平均智商與沒有母乳哺育的孩子相差無幾，這不知潑了多少人一身的冷水，掃了無數爸媽的興致。但以前的證據說智商沒差異，不代表新的研究一樣沒差異，科學這件事就是會不斷變化，產出新的結論，全世界仍有不少研究都提出母乳可能使寶寶更聰明。

這次要介紹的羅徹斯特大學醫學中心（URMC）神經科學研究所（Del Monte Institute for Neuroscience）的成果就是其中之一，他們這次提出的新證據是與認知能力有關，而且他們的結論應該會讓人眼睛一亮，因為他們發現，母乳哺育的時間長短與 9-10 歲兒童的部分認知發展有關連，而且只要孩子有吃母乳一段時間就可以看出差異^[1]。

改變研究方向，找出母乳與智力之間的正向證據

隨著各種研究產出，我們得以知道智力受到很多變項影響，尤其是與父母親直接相關的因素，例如父母的社經地位、智力程度、學經歷等都可能使孩子擁有較高的智力。換句話說，也就是研究者比較了相同教育程度或是經濟程度的母親後，結論是不管有沒有哺餵母乳，他們孩子的智商分數可能相近。

既然知道多種因素可以影響智力，便要在研究方法的設計下足功夫，因為要盡可能控制所有影響，讓母乳哺育的小孩，以及沒有母乳哺育的小孩都能在同一個基準線上比較，才能看出客觀上的差異，或可說是未能控制好混雜因素^[2]。

不過就如開頭所說，研究目標、方法不同，看到的成果就不一樣，羅徹斯特大學醫學中心這篇藉由分析青少年大腦認知發展研究計畫^[3]（The Adolescent Brain Cognitive Development Study；ABCD Study）數據的報告，就看到了母乳與認知的正向關係，改而分析更細項的各種認知能力^[4]，其涉及了執行與感知、學習、記憶、理解、意識、推理、判斷、直覺和語言相關的等各種任務技能。

認知能力分好多，研究分析哪些？

這個認知研究採用 ABCD 研究數據來探討，但為了減少測量誤差的影響（例如孩童曾經暴露會接觸酒精的環境、未參加訪視的兒童等因素），研究者最終保留了 9,116 名兒童的數據，並以此分析母乳哺育時間與神經認知能力之間的關係。那列入分析的認知能力向度有哪些？

向度一共有三項，而且跟每個人都有關，分別是一般能力（general ability）、執行能力（executive function）以及記憶力（memory），而這三項能力各自有其解釋在，如一般能力，美國心理學會對此提出的解釋定義是，一種可以被衡量的能力，且被認為是基礎能力，用來處理所有與智力相關的任務。

再來是執行能力，這個能力則可用來管理和控制工作記憶、注意力，也跟抽象思考等種種認知過程有關，像是設定目標、想像並預見；最後一個是大家耳熟能詳的記憶力，是透過大腦系統所儲存的訊息，是能回憶特定訊息或曾經有過的經歷。

不過這些能力的發展程度真的能評量嗎？放心，各項認知能力背後有眾多的研究依據，也發展出各種不同的測量方式來評定。像是「魏氏兒童智力量表的矩陣推理測驗」就在這個研究被用來測量知覺推理和組織、空間訊息處理等相關的能力；而美國國立衛生研究院的 NIH Toolbox®-Cognition battery，也在這個研究裡被整合運用評估兒童的神經和行為功能。最後通過次數以極多的神經認知測驗，也才讓研究結果得出有吃母乳的小朋友，是能改善某個認知能力。

母乳真的有助於認知能力！是哪一項呢？

研究要分析的有一般能力、執行能力以及記憶力，那究竟哪像能力獲得提升呢？鏘鏘，從數據提供的結論是一般能力（general ability）與母乳哺育的時間長短有顯著關聯^[1]。但你可能會說「怎麼才提升一種能力？」，這時候我們要關注的是，在心理學上的一般能力也包含多種能力，一般能力只是所有分向能力的統整稱呼。

研究中把這九千多位 9-10 歲的孩子，依照他們吃母乳的時間長短分成四組，第一組是 0 個月的控制組，接著是三組母乳哺育的實驗組，分別是 1-6 個月、7-12 個月以及吃母乳超過 12 個月的寶寶，可以看到在母乳哺育期最短的 1-6 個組別寶寶，他們在一般能力的測驗結果，比起沒吃母乳的寶寶有所提升，而且隨著母乳哺育的時間變長，孩子們在一般能力的發展程度也越來越高。

用另外一個角度來看研究結果就是，今天有某一個家庭選擇餵養母乳，即便哺育期間落在有點長又不算太長的 2 個月或是半年內，對寶寶的神經認知發展來說也是有幫助的，這也符合研究人員的設定目標，因為這有望幫助改善人們的動機，讓更多人想要母乳哺育，不只告訴每個家庭們可以量力而行，也藉此呼籲政府、社會企業能夠更設身處地為媽媽們著想。

研究成果重要，但更該考慮「人」

各種母乳相關的科學證據報告，讓母乳對孩子的好處不言而喻，這次介紹的研究也是，也的確可以藉由這些證據協助家庭做出決定，讓他們決定是否要餵養母乳，但這篇研究成果的重點，是希望能夠「鼓勵」家庭選擇用母乳哺育寶寶，而不是「非得要」。

不可否認的是，母乳哺育對媽媽們是一個壓力來源，常常聽到「給寶寶最好的」，反而讓各種美好變成壓力，像是聽到哪位媽媽不給寶寶吃母乳，各種批評襲來，不餵母乳變成一種罪過。而如果選擇母乳哺育，又可能因為家人不支持而宣告放棄。

研究也實實在在告訴我們，餵養母乳的意願及時間長短，可是牽涉眾多因素，其中個體因素如教育程度、年齡會改變想法，還有環境和社會文化影素也會影響，例如就業問題、丈夫支持程度、家人態度也都大大的參雜其中^[6]。

因此每個家庭間的討論、媽媽的個人意願都很重要，有了共識後再來下決定，而當你們決定好要給寶寶母乳，又就差那決定性的臨門一腳時，不妨想想這篇研究提出的結論，「只要曾經給寶寶喝母乳，便有機會提升他特定的認知能力喔」。

參考資料

1. Lopez, D. A., Foxe, J. J., Mao, Y., Thompson, W. K., Martin, H. J., & Freedman, E. G. (2021). Breastfeeding Duration Is Associated With Domain-Specific Improvements in Cognitive Performance in 9-10-Year-Old Children. Frontiers in public health, 9, 657422. https://doi.org/10.3389/fpubh.2021.657422
2. Walfisch, A., Sermer, C., Cressman, A., & Koren, G. (2013). Breast milk and cognitive development–the role of confounders: a systematic review. BMJ open, 3(8), e003259. https://doi.org/10.1136/bmjopen-2013-003259
3. https://abcdstudy.org/
4. https://dictionary.apa.org/cognitive-ability
5. Natland ST, Andersen LF, Nilsen TI, Forsmo S, Jacobsen GW. Maternal recall of breastfeeding duration twenty years after delivery. BMC Med Res Methodol. 2012 Nov 23;12:179. doi: 10.1186/1471-2288-12-179. PMID: 23176436; PMCID: PMC3568415.
6. Shi, H., Yang, Y., Yin, X. et al. Determinants of exclusive breastfeeding for the first six months in China: a cross-sectional study. Int Breastfeed J 16, 40 (2021). https://doi.org/10.1186/s13006-021-00388-y