讓高中生多睡一點！

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

「VR 睡眠」能讓你我感受到實體世界絕對無法實現的入眠體驗。

在元宇宙的世界裡，現在還興起了一種「VR 睡眠」的文化。

它並不是指玩家在遊戲過程中不小心打盹的「睡著」，而是置身在虛擬實境中，直接戴著VR眼鏡睡著。

這種直到睡著前都能置身同好社群，和同伴共度的體驗，很受好評，讓人直呼「簡直就像校外教學的晚上一樣」，引人入勝。

還有，在現實世界裡，我們會和別人同床共枕；而在元宇宙裡還有更不一樣的體驗，就是可以在 VR 才能去得了的地方，例如南極的冰上、崖邊、太空、動物的背上等，一直待到睡著為止。

這正是「方便好用」的虛擬實境才做得到的獨門絕活。

今後，為了讓這些體驗更普及，VR 眼鏡等裝置可望朝更輕巧、更安靜的方向進化。

另外，「VR 睡眠直播」活動也蔚為話題。據了解，這個活動是由當紅的虛擬替身，在虛擬實境上直播睡眠時的模樣。

它的目的，是為了向那些對 VR 還不太熟悉的使用者，介紹 VR 睡眠的概念。

這場長達八小時以上的直播，共有逾百位使用者一路守著直播到天亮，收視總人數更達三千人之多。

簡直就像校外教學的晚上？

——本文摘自《元宇宙超圖解：從刀劍神域到寶可夢，一小時讀懂78個概念，掌握本世紀最大商機》，2023 年 9 月，漫遊者文化出版，未經同意請勿轉載。

「我們正在做夢？」「妳其實是在進行中的工作坊睡覺，這是共享夢境的第一課。保持冷靜。」^[1]電影《全面啟動》（Inception）於夢裡互動的概念，被美、德、法和荷蘭的科學家，以非常初階的形式實現。2021 年 4 月《當代生物學》（Current Biology）期刊的論文，稱之為「互動式做夢」（interactive dreaming）。^[2]

清醒夢

一個人睡醒後，描述的夢境記憶，多半相當殘破。要是做夢時，能與科學家雙向對談，勢必有利研究。然而，人們易於接受夢裡的經歷，鮮少在當下檢視批判，根本沉迷其中。^[2]就像電影預告片所言：「在夢裡，我們覺得真實；醒來後，才明白事有蹊蹺。」^[1]唯獨於睡眠的快速動眼期（rapid eye movement sleep），某些人會有罕見的清醒夢（lucid dreams），意識到自己正在夢境之中。這種情形似乎提供了科學家即時訪談的契機。無奈清醒夢一般為自然發生，時機難以掌控。^[2]倘若能將任何夢境，轉換為清醒夢，那就方便得多。

標的清醒再活化

電影畫面上，陀螺不合理地無止盡旋轉，主角提醒他的雇主：「這個世界不是真的。」^[1]陀螺是否會停止並倒下，為《全面啟動》中判定虛實的經典線索。換句話說，也是由做普通的夢，轉變為做清醒夢的關鍵。臨床試驗中，進行標的清醒再活化（targeted lucidity reactivation）時，這類線索就是聲音或光線等感官刺激。受試者先認識設定來代表清醒的線索，並於即將入睡前加強此連結；睡著且進入快速動眼期後，科學家再次給出的線索，會暗示正在做夢的受試者保持清醒。^[2]

就拿此研究裡，美國組的流程為例：首先，科學家設定短促輕柔（650 ms；40－45 dB），音調漸升（400、600和800 Hz）的「嗶、嗶、嗶」三個音，作為線索。訓練受試者將之與清醒的狀態連結。再告訴他們這個線索會出現在睡覺時，以促成清醒夢。接下來的 15 分鐘內，反覆播放 15 次。前 4 次搭配語音指示：「當你聽到線索，你就會清醒。專注於你的思考，並注意心思的流向…（停頓）現在觀察你的身體、知覺和感受…（停頓）觀察你的呼吸…（停頓）維持清醒，保有批判的意識，注意此經驗在哪方面與你平常清醒時不同。」^[2]

受試者通常會在 15 次「嗶、嗶、嗶」結束前睡著。科學家一旦偵測到他們進入快速動眼期，就會以 30 秒為間隔，再度重複播放。當受試者以事前約定好的眼球運動，通知外界他正在做清醒夢，或是在 10 次「嗶、嗶、嗶」後，仍然毫無動靜，互動測試便開始進行。^[2][註]

互動式做夢

美、德、法和荷蘭的科學家，總共招募了 36 名志願者。他們涵蓋下列 3 種類型：^[2]

1. 數名具清醒夢經驗的人。^[2]
2. 幾個雖無經驗，但訓練後能做清醒夢的健康人士。^[2]
3. 白天睡眠過多，容易突然進入快速動眼期，又常做清醒夢的猝睡症（亦稱「嗜睡症」；narcolepsy）患者1名。^[2]

他們在做夢時答覆提問；醒來後立即報告夢境與感受。期刊論文中，列舉了下面幾個例子。^[2]

美國組：計算

曾有過 2 次清醒夢的 19 歲美國受試者，在 90 分鐘的白天睡眠過程中，回答簡單的計算問題。首先，他以 3 次連續的眼球左右運動，表達自己進入了清醒夢。於是，科學家就問他「8 減掉 6」等於多少。約莫 3 秒內，他做了 2 次上述的眼球運動。科學家馬上又重複問題，他也再度用相同的方式，給予正確答案。^[2]

醒來之後，這名美國男子分享其經歷：「本來是夜間，於一處停車場。…然後是白晝，我在電玩裡。…我想，好，大概是在做夢。接著很怪…我失去對全身肌肉的控制。有一陣血流洶湧的浪濤聲，朝我的耳朵襲來。」此外，他依稀記得當時的題目與答案。^[2]

德國組：計算

在德國，也有曾做過清醒夢的受試者。這名 35 歲的男子，在夜間睡眠的快速動眼期，以眼球運動表示自己進入了清醒夢。科學家就用 LED 燈改變房間的光線，來發出摩斯密碼。那串訊號的意思是「4 減去 0」，事前受過訓練的男子，則以 4 次左右交替的眼球運動答覆。看起來是答對了，但是他醒來後說，以為題目是「4 加上 0」。^[2]

德國男子覺得夢裡的場景，可能是物理治療診所。四周無人，只有架子、櫥櫃和醫師的座椅。當診間的燈光忽明忽滅，他「意識到閃爍的訊號來自外面」，便運動眼球作答。之後，男子尋找發光工具，弄到一只碗。裏頭盛滿的水，竟像魚缸燈管般發出明滅光芒。他知道，又是訊號。偏偏無法判讀，還不小心在解碼時把碗摔破。^[2]
　　
他離開診間，看室外有無發光工具，卻在抬頭時見到雲彩變化多端：黃澄澄的陽光，灑在淺灰的烏雲上。亮度多元，飄移迅速。他明知是計算題的訊號，卻再度錯失解碼的時機。^[2]

荷蘭組：計算

26 歲的荷蘭受試者，因為記得夢中的細節，並正確回答「1 加上 2」等於「3」，而感到自豪。可惜她在 134 分鐘晨眠的清醒夢起始點，沒有通知科學家，所以儘管 5 題對了 2 題，數據並未允予採計。^[2]

「我必須記得事情」，她在夢裡這麼想著，並聽到科學家的聲音。「我坐進車裡…」，那些題目「感覺像是某種車上的廣播」。^[2]

法國組：是非題

法國組招募到 1 名 20 歲的猝睡症患者，他於 16 歲確診，每天平均做 4 次清醒夢。論文形容他「做清醒夢的能力卓越」，能輕易控制夢境。在 20 分鐘白天小睡的第 1 分鐘，他就火速進入快速動眼期，並且於 5 分鐘後開始做清醒夢。科學家問是非題，請他收縮臉部肌肉作答：顴肌（zygomatic muscle）代表「是」；而皺眉肌（corrugator muscle）則為「非」。^[2]

「我聽到你的聲音，你簡直像上帝。」猝睡症患者回憶夢裡的派對上，出現猶如電影旁白，來自外面的幾個問題，例如：愛不愛吃巧克力；是否唸生物學；還有會不會講西班牙語。「最後一題我不確定，因為我的西班牙語不流利…終究我決定答『否』，然後回到派對裡去。」^[2]

法國組：觸覺

這名法國的猝睡症患者，還有參與觸覺等其他測試。他在清醒夢的過程中，以收縮皺眉肌的次數，來表達自己的手被科學家輕觸了幾下。其答案有時正確，有時錯誤，還有的模稜兩可。^[2]

雖然沒有全部答對，但能有此成績，說來也頗不簡單。畢竟他當時正在清醒夢中打怪，並且對自己「能一心這麼多用」，感到吃驚。^[2]

互動式做夢的成功率

「這或許可行。」《全面啟動》裡，討論任務計劃時，不意外地下一句台詞就是：「或許？我們需要比『或許』更肯定。」^[1]在此研究中，四個國家的團隊，總共做了 57 場互動式做夢的嘗試：26% 的場次裡，受試者依照指示，告知科學家自己進入了清醒夢；而這些成功案例中的 47%，至少答對 1 個題目。整個臨床試驗的答題正確率，僅約 18.4%；多數則是連反應也沒有，其比例高達 60.1%。^[2]

目前互動式做夢，仍有一些技術侷限，比方說：外界的提問在夢裡走樣；夢境描述依然仰賴事後回顧；受試者在清醒夢與沉睡的狀態間擺盪；或是標的清醒再活化的聲光，把人叫醒等。不過無論如何，科學家已經得知提問的聲音，如何在夢中呈現：有些像天外之音；有的則會合理化地融入夢境。而且研究結果不僅證實做夢者與外界互動的可能，更展現睡夢中的認知能力。有別於以往，只能在人醒著的各種狀態下試驗；將來科學家應該有機會，比較包含清醒夢在內，不同清醒程度的認知表現，甚至影響夢境內容，來治療心靈創傷或增強學習效果。^[2]

備註

美國與荷蘭兩組，皆採取標的清醒再活化，但細節稍有差異；法國的猝睡症患者天賦異稟，無須借助外力；而德國組則是睡著後被叫醒，然後又回去睡覺，並在之間做自我暗示的夢境辨識等練習。^[2]

1. ‘Inception (2010) – Quotes’. IMDB. (Accessed on 15 FEB 2023)
2. Konkoly KR, Appel K, Chabani E, et al. (2021) ‘Real-time dialogue between experimenters and dreamers during REM sleep’. Current Biology, 31 (7): 1417-1427, e6.

撰文／菲謝蒂（Mark Fischetti）
翻譯／張亦葳

美國家長、學生和老師常以少量的證據爭論高中生是否太早到學校上課了。然而，最近三年累積的相關科學研究，都得到相同的結論：晚一點上課能提升學習效果。課程越晚開始，效果越好。

生物學研究顯示，青少年階段的日週期會產生變化，延後了男孩、女孩晚上的睡覺時間及早上的起床時間。這個現象是腦內褪黑激素的改變所引發，大約從13歲開始，15和16歲前增強，到17、18或19歲的時候最為顯著。

這會影響學習嗎？明尼蘇達大學應用研究與教育改進中心主任瓦爾史托姆（Kyla Wahlstrom）說，會的！今年2月，瓦爾史托姆發表一項大型研究結果，以明尼蘇達州、科羅拉多州和懷俄明州八所公立高中超過9000位學生為追蹤對象。當學校改為早上8點35分或更晚才開始上課，經過一學期，學生的數學、英文、科學和社會成績會進步半個等第，例如，從B進步到B和B＋中間。

瓦爾史托姆另外兩篇已通過審閱但尚未發表的論文，也有著類似的結論。美國空軍官校（U.S. Air Force Academy）把大一學生分成不同組，讓他們一整年在不同時間開始上課，得到的結果相同。2012年，有一項北卡羅來納州學區研究針對各校因交通運輸問題而改變上下學時間，結果顯示，上課時間越晚，學生的數學和閱讀成績越高。還有其他研究指出，延後上課時間可提高出席率、降低憂鬱症發生率，並且減少青少年車禍的比率，這都是因為學生能獲得更多充足睡眠時間的關係。

而且上課時間越晚開始，效果越好。不同的研究顯示，把上課時間從早上7點30分延後到8點的學區，獲得的益處多過從早上7點15分延後到7點45分的學區。在巴西、義大利和以色列進行的研究也有類似的成績進步現象。關鍵在於，讓青少年每天睡足至少八個小時，能睡足九個小時更好。歐洲很少有中學是在早上9點前開始上課。

研究也顯示，反對上課時間延後的意見，其實沒什麼道理。已做了改變的數百個學區，其學生仍可以安排運動、打工等課後活動。瓦爾史托姆說：「學區一旦做了改變，就不想再走回頭路了。」

即使是「校車的問題」也有辦法解決。許多地方的校車先把國高中生載到學校，然後才重新走同樣路線把小學生載到學校。如果把順序對調，就能讓中學生晚一點上課，而且對他們的妹妹和弟弟也有好處。因為有另外的研究指出，年紀小的孩童早上清醒得較早，能更早準備好進入學習狀態。

本文摘錄自《科學人》2014年第152期10月號
SA原文：School Starts Too Early. [Aug 19, 2014]