人格病態成功學－《非典型力量》

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

合作與私利的權衡：囚徒困境

最廣為人知的賽局理論悖論是囚徒困境，這個賽局由加拿大數學家塔克所命名。塔克教授的囚徒困境賽局就像是好萊塢的犯罪劇情片，有人提供認罪協商給兩名嫌疑犯去供出對方。這個賽局說明了為共同利益而採取聯合行動十分困難，因為人們往往追求私利。

囚徒困境賽局中的誘因屢見不鮮，很適合拿來分析許多領域的問題。從經濟學中公司的競爭，到社會學中的社會規範，到心理學中的決策，到生物學中動物競爭稀缺資源，再到資訊工程中電腦系統競爭頻寬。

阿倫和阿班因為合夥偷車而被捕。警方懷疑他們還涉嫌一起肇事逃逸案件，但沒有足夠的證據起訴他們。兩人被帶到不同的房間分開偵訊。

阿倫和阿班都有兩個可能的行動：保持沉默或認罪。因此，賽局中總共有四種結果。

阿倫沉默，阿班沉默。阿倫認罪，阿班沉默。阿倫沉默，阿班認罪。阿倫認罪，阿班認罪。

我們可以用策略型式表達這個囚徒困境。支付矩陣中，列代表阿倫的可能行動，欄代表阿班的可能行動。我們在行與列的相交處填入每位參與者的報酬，在本例中也就是他們各自的刑期。

如果兩人都沉默，兩人都將因偷車而服刑一年。這當然不好，所以報酬是負值（阿倫：-1，阿班：-1）。如果兩人都認罪，兩人都要服刑十年（阿倫：-10，阿班：-10）。

囚徒都知道這個支付矩陣，也都知道彼此面對相同的矩陣。

合作或私利考量下的「最佳解」不同

這是一個同步賽局：即使並非字面意義上的同步，但由於兩人身處不同的偵訊室，做決定時也不知道對方的選擇，因此可以視為同步。

請注意，以策略型式表現賽局，並不意味著我們指出了可能會發生什麼事。我們只是列出所有可能結果，無論合理與否，並且把每個結果中參與者的報酬記下來。

現在，寫下囚徒困境賽局的策略型式後，我們可以嘗試分析可能發生的結果。

很明顯，如果阿倫和阿班可以共同做決定，兩人會選擇一起沉默，只需要坐牢一年。

但這並非均衡的結果。對阿倫來說，「認罪」的策略絕對優於「沉默」：不管他預期阿班會怎麼做，他的最佳回應都是認罪。

同樣地，不管阿班預期阿倫會怎麼做，阿班的最佳回應都是認罪。

在囚徒困境中，納許均衡是兩名參與者都認罪。這個結果的標準寫法是：

｛ 認罪，認罪 ｝

前者是橫列參與者（阿倫）的行動選擇，後者是直欄參與者（阿班）的行動選擇。在均衡中，雙方都要坐牢十年。

這屬於柏雷多效率嗎？

一個有趣的問題是，囚徒困境賽局中的納許均衡是否為柏雷多效率？這個資源分配效率的概念是以義大利經濟學家柏雷多（1848 – 1923）來命名。如果再也沒有其他可能的結果可以使至少一人變得更好，但沒有任何人變糟，這樣的結果就是柏雷多效率。

囚徒困境賽局中的納許均衡並非柏雷多效率，因為如果兩人都沉默，每個囚徒都可以變得更好。這也就是「囚徒困境」名稱的由來。

不過，在多數的賽局中，納許均衡就是柏雷多效率。例如在前面電影檔期的賽局中，沒有其他的結果能使雙方以不損及對方的方式獲得更高利益。

——本文摘自《大話題：賽局理論》，2023 年 3 月，大家出版出版，未經同意請勿轉載。

人格病態成功學

有趣的是，人格病態者不只在生殖能力上表現突出，在某些方面的表現也優於常人。像喬納森這類演化心理學家的研究結果[1]，支持前幾章提及科爾曼這些賽局理論家的主張。換句話說，人格病態者在生活其他領域也受惠良多。人格病態策略不只讓他們的性生活更多彩多姿，也讓他們在企業董事會裡如魚得水。

二○○五年時，美國史丹佛大學、卡內基梅隆大學和愛荷華大學的心理學家和神經經濟學家共同組成的研究團隊，就巧妙證實這項說法。這項研究由一個二十回合的賭博遊戲組成。參賽者被分為下列三組：正常人；腦部情緒相關區域（杏仁核、眼窩前額葉皮質、右島葉和主要體覺皮質）受損病患；腦部非情緒相關區域受損病患。研究人員分發給每位參與者二十美元，每一回合遊戲開始時，讓參賽者準備好以一美元做賭注，並利用丟硬幣這種方式來決定輸贏。輸了罰一美元，贏了拿回二．五美元。

大家不難看出怎樣才能贏錢。「以邏輯來說，」史丹佛大學商學院行銷學教授巴巴．希夫（Baba Shiv）說，「參賽者該做的就是，每回合都下注。」

但是，如同美國政治活動家和女權主義者葛洛莉亞．史坦能（Gloria Steinem）所說，邏輯往往只存在於邏輯學家眼中。

如果事實就像賽局理論預測的，有時候只要繼續踩油門就有收獲，那麼人格病態者會踩得更用力。然後依據遊戲進展，那些有人格病態（情緒處理缺陷）的參賽者就能大賺一筆。他們應該比那些沒有人格病態的參賽者表現得更好，即贏過另外兩組參賽者。

這項研究的結果就是如此。隨著遊戲的進行，腦部情緒功能正常的參賽者開始拒絕下賭注，他們漸漸選擇保守替代方案：把已經贏到的錢牢牢抓住。相反地，腦部情緒功能受損的參賽者不像我們大多數人那樣會被情緒緊緊束縛，他們不停下注，直到遊戲結束，最後獲利自然遠比其他人高出許多。

「這或許是有史以來第一份研究報告，說明腦部受損者在某種情況下，能做出比常人更優異的財務決策。」卡內基梅隆大學經濟學暨心理學教授羅威斯坦說。

美國南加大心理學暨神經經濟學教授安東尼．貝沙拉（Antoine Bechara）的研究更勝一籌。貝沙拉指出：「研究需要確定在哪種情況下，情緒是有利的或具有破壞性；在哪種情況下，情緒能做為人類行為的指導準則。最成功的股票經紀人被稱為『功能性人格病態者』或許是有道理的，一則是這些人更擅長控制自己的情緒，一則是他們感受不到跟別人同等程度的緊張。」

史丹佛大學教授希夫也支持這種說法。「很多企業執行長，」他令人緊張不安地補充說，「以及許多頂尖律師，很可能也具有這種特性。」

經濟學家卡里．弗里德曼（Cary Frydman）跟在美國加州理工學院的同事曾進行一項研究，證實希夫的發現是可信的。弗里德曼交給每個志願者二十五美元，然後向他們提出許多棘手的理財問題。志願者必須在很短的時間內做出決定，是要保守投資，接受穩定收益，比方說：賺進二美元，或是要大膽下注，承擔風險，藉此取得更大獲利的可能性，比方說：可能獲得十美元，也可能失去五美元，兩者機率各半。最後，究竟誰會大撈一筆，誰會破產？

這可不是隨機選擇的問題。研究結果顯示，有一小部分志願者遠比其他人聰明，他們可以承擔風險持續做出最佳選擇。這些人不是金融奇才，也不是經濟學家、數學家或撲克牌世界大賽冠軍。他們不過是帶有「鬥士基因」—單胺氧化酶A基因多態性（MAOA-L），這種基因先前被認為跟危險的「人格病態」行為有關。

「跟以往文獻中的討論截然不同的是，我們的研究結果顯示，這些行為模式不見得不好，」弗里德曼團隊寫道，「因為在做財務抉擇時，這些人只在有利可圖的情況下，才會冒險行事。」

弗里德曼更進一步地說明。「如果兩名賭徒在玩牌，其中一人賭很大，」他說，「看起來這個人似乎更暴力或衝動。但是你並不知道他手中拿了什麼牌，或許他因為贏面大才押大賭注。」

另外，加拿大心理學家海爾跟同事在二○一○年所做的調查研究，也證實這一點。海爾邀請二百多名美國企業高階主管填寫《病態人格檢測表修訂版》，藉此比較企業高階主管跟一般人的人格病態特性有何不同。結果，企業高階主管不但在得分上遙遙領先，他們本身的人格病態跟企業內部對其個人魅力和簡報風格的評比也出現正相關：這群人擁有創造力、優秀的策略思維能力、以及出色的溝通技巧。

後來，我們在第一章提過英國薩里大學學者博德和弗里松進行的調查，當然也為這種論點提出佐證。他們將企業執行長跟布羅德莫精神病院（Broadmoor Hospital，英國一家高安全級別的鑑定機構）的住院者，就其心理特徵測試進行比較。結果，在人格病態特徵方面，企業執行長這類人士竟然勝出。大家可要知道，布羅德莫精神病院裡面關的可是全英國最危險的罪犯。

我跟海爾說，近年來由於企業精簡人力、改組和併購，其實為人格病態者提供更適當的溫床。我認為，就像政治動盪和不穩定性也是「培養」人格病態者的好環境，工商業同樣也成為造就人格病態者的廣大領域。海爾點頭表示贊同。

「我一直認為，如果我不在監獄裡研究人格病態者，那麼我一定會到股票交易所去研究這群人，」他興奮地說，「毫無疑問，跟人格病態在一般人群中的比例相比，企業界裡人格病態的比例簡直高得嚇人。你在任何組織都能找到他們，在那裡他們有相應的地位和身分，有控制他人的權力，還有機會取得物質財富。」

跟海爾共同撰寫企業內部人格病態相關論文的合著者、美國紐約產業與組織心理學家保羅．巴比亞克（Paul Babiak）贊同這種說法。

「人格病態者在處理緊急多變狀況時，幾乎毫無困難。其實，他們在這方面游刃有餘，」巴比亞克解釋說，「組織內部的混亂，剛好滿足人格病態者尋求刺激的必要需求，也為其強烈的控制慾和施虐行為提供足夠的掩護。」

諷刺的是，這些膽敢打破常規、承擔風險和尋求刺激的人，掌控著世界經濟發展走向，而他們跟廢墟上的崛起者擁有完全相同的個性。就像電影中的騙子主角艾班尼爾說的，他們是掉進鮮奶油裡的老鼠，透過不斷抗爭，終於把鮮奶油攪拌成奶油，得以順利脫困。

[1] 演化心理學家試圖將人類的特性和行為，解釋成物競天擇這類功能的產物，例如：人格和繁殖策略；也解釋成人類祖先為解決生活環境中的問題，逐漸發展出的心理適應性。

本文摘錄自《非典型力量：瘋癲的智慧、偏執的專注、冷酷的堅毅，暗黑人格的正向發揮》，大牌出版

什麼是「賽局理論」？

賽局理論是在研究策略性互動。策略性互動也是很多桌遊的關鍵元素，賽局理論因此得名。你的決策影響別人的行動，反之亦然。賽局理論的不少術語直接取自這類遊戲。我們把決策者稱為「參與者」（player）。參與者做決定後，就採取了行動（move）。

運用模型簡化複雜世界

真實世界的策略性互動可能非常複雜。例如在人際互動中，不僅行動，包括我們的表情、聲調和肢體語言都會影響他人。

在與他人往來時，人們展現不同的經歷與觀點。這樣無以計數的變化會使得情況異常複雜，也很難分析。

藉由稱為「模型」的簡化結構，我們可以大幅縮減複雜的程度。模型雖然簡單且容易分析，但仍然捕捉了真實世界問題的某些重要特徵。選用適當的簡單模型，可以有效幫助大家學習真實世界的複雜問題。

西洋棋可以幫助我們瞭解這些變化會讓參與（及預測）賽局變得多麼複雜。西洋棋的規則明確，雖然每一步棋的選項有限，但整體棋局的複雜度令人生畏。不過比起許多人類的基本互動，西洋棋其實簡單多了！

高手過招容易和局！

像西洋棋之類的桌遊有個特性：玩家愈熟練，就容易產生平手的結局。我們如何解釋這種現象？

因為西洋棋太複雜，難以全面分析，以下我們用簡單的井字遊戲來說明一個重要特性。西洋棋和井字遊戲都有明確的勝負規則。玩家輪流落子，且可以下的地方有限。

井字遊戲無法表現西洋棋中的許多特性。但由於兩者有些共同特徵，因此井字遊戲可以幫助人們瞭解高手對陣為什麼容易產生和局。

被簡化的世界縮影：「賽局」

賽局理論的首要關注並非西洋棋之類的桌遊，而是要增進我們對人際、對企業間、對國家間、對生物間……等互動行為的瞭解。原因是，真實的問題可能過於複雜且難以充分掌握。

因此，在賽局理論中我們創造了非常簡化的模型，稱之為「賽局」。創造有用的模型既是科學，也是藝術。

好的模型夠簡單，讓人能充分瞭解驅動參與者的誘因。同時，模型必須能夠捕捉真實世界的重要元素，以富有開創性的洞察力與判斷力決定哪些元素最為相關。

——本文摘自《大話題：賽局理論》，2023 年 3 月，大家出版出版，未經同意請勿轉載。

人格病態成功學

有趣的是，人格病態者不只在生殖能力上表現突出，在某些方面的表現也優於常人。像喬納森這類演化心理學家的研究結果[1]，支持前幾章提及科爾曼這些賽局理論家的主張。換句話說，人格病態者在生活其他領域也受惠良多。人格病態策略不只讓他們的性生活更多彩多姿，也讓他們在企業董事會裡如魚得水。

二○○五年時，美國史丹佛大學、卡內基梅隆大學和愛荷華大學的心理學家和神經經濟學家共同組成的研究團隊，就巧妙證實這項說法。這項研究由一個二十回合的賭博遊戲組成。參賽者被分為下列三組：正常人；腦部情緒相關區域（杏仁核、眼窩前額葉皮質、右島葉和主要體覺皮質）受損病患；腦部非情緒相關區域受損病患。研究人員分發給每位參與者二十美元，每一回合遊戲開始時，讓參賽者準備好以一美元做賭注，並利用丟硬幣這種方式來決定輸贏。輸了罰一美元，贏了拿回二．五美元。

大家不難看出怎樣才能贏錢。「以邏輯來說，」史丹佛大學商學院行銷學教授巴巴．希夫（Baba Shiv）說，「參賽者該做的就是，每回合都下注。」

但是，如同美國政治活動家和女權主義者葛洛莉亞．史坦能（Gloria Steinem）所說，邏輯往往只存在於邏輯學家眼中。

如果事實就像賽局理論預測的，有時候只要繼續踩油門就有收獲，那麼人格病態者會踩得更用力。然後依據遊戲進展，那些有人格病態（情緒處理缺陷）的參賽者就能大賺一筆。他們應該比那些沒有人格病態的參賽者表現得更好，即贏過另外兩組參賽者。

這項研究的結果就是如此。隨著遊戲的進行，腦部情緒功能正常的參賽者開始拒絕下賭注，他們漸漸選擇保守替代方案：把已經贏到的錢牢牢抓住。相反地，腦部情緒功能受損的參賽者不像我們大多數人那樣會被情緒緊緊束縛，他們不停下注，直到遊戲結束，最後獲利自然遠比其他人高出許多。

「這或許是有史以來第一份研究報告，說明腦部受損者在某種情況下，能做出比常人更優異的財務決策。」卡內基梅隆大學經濟學暨心理學教授羅威斯坦說。

美國南加大心理學暨神經經濟學教授安東尼．貝沙拉（Antoine Bechara）的研究更勝一籌。貝沙拉指出：「研究需要確定在哪種情況下，情緒是有利的或具有破壞性；在哪種情況下，情緒能做為人類行為的指導準則。最成功的股票經紀人被稱為『功能性人格病態者』或許是有道理的，一則是這些人更擅長控制自己的情緒，一則是他們感受不到跟別人同等程度的緊張。」

史丹佛大學教授希夫也支持這種說法。「很多企業執行長，」他令人緊張不安地補充說，「以及許多頂尖律師，很可能也具有這種特性。」

經濟學家卡里．弗里德曼（Cary Frydman）跟在美國加州理工學院的同事曾進行一項研究，證實希夫的發現是可信的。弗里德曼交給每個志願者二十五美元，然後向他們提出許多棘手的理財問題。志願者必須在很短的時間內做出決定，是要保守投資，接受穩定收益，比方說：賺進二美元，或是要大膽下注，承擔風險，藉此取得更大獲利的可能性，比方說：可能獲得十美元，也可能失去五美元，兩者機率各半。最後，究竟誰會大撈一筆，誰會破產？

這可不是隨機選擇的問題。研究結果顯示，有一小部分志願者遠比其他人聰明，他們可以承擔風險持續做出最佳選擇。這些人不是金融奇才，也不是經濟學家、數學家或撲克牌世界大賽冠軍。他們不過是帶有「鬥士基因」—單胺氧化酶A基因多態性（MAOA-L），這種基因先前被認為跟危險的「人格病態」行為有關。

「跟以往文獻中的討論截然不同的是，我們的研究結果顯示，這些行為模式不見得不好，」弗里德曼團隊寫道，「因為在做財務抉擇時，這些人只在有利可圖的情況下，才會冒險行事。」

弗里德曼更進一步地說明。「如果兩名賭徒在玩牌，其中一人賭很大，」他說，「看起來這個人似乎更暴力或衝動。但是你並不知道他手中拿了什麼牌，或許他因為贏面大才押大賭注。」

另外，加拿大心理學家海爾跟同事在二○一○年所做的調查研究，也證實這一點。海爾邀請二百多名美國企業高階主管填寫《病態人格檢測表修訂版》，藉此比較企業高階主管跟一般人的人格病態特性有何不同。結果，企業高階主管不但在得分上遙遙領先，他們本身的人格病態跟企業內部對其個人魅力和簡報風格的評比也出現正相關：這群人擁有創造力、優秀的策略思維能力、以及出色的溝通技巧。

後來，我們在第一章提過英國薩里大學學者博德和弗里松進行的調查，當然也為這種論點提出佐證。他們將企業執行長跟布羅德莫精神病院（Broadmoor Hospital，英國一家高安全級別的鑑定機構）的住院者，就其心理特徵測試進行比較。結果，在人格病態特徵方面，企業執行長這類人士竟然勝出。大家可要知道，布羅德莫精神病院裡面關的可是全英國最危險的罪犯。

我跟海爾說，近年來由於企業精簡人力、改組和併購，其實為人格病態者提供更適當的溫床。我認為，就像政治動盪和不穩定性也是「培養」人格病態者的好環境，工商業同樣也成為造就人格病態者的廣大領域。海爾點頭表示贊同。

「我一直認為，如果我不在監獄裡研究人格病態者，那麼我一定會到股票交易所去研究這群人，」他興奮地說，「毫無疑問，跟人格病態在一般人群中的比例相比，企業界裡人格病態的比例簡直高得嚇人。你在任何組織都能找到他們，在那裡他們有相應的地位和身分，有控制他人的權力，還有機會取得物質財富。」

跟海爾共同撰寫企業內部人格病態相關論文的合著者、美國紐約產業與組織心理學家保羅．巴比亞克（Paul Babiak）贊同這種說法。

「人格病態者在處理緊急多變狀況時，幾乎毫無困難。其實，他們在這方面游刃有餘，」巴比亞克解釋說，「組織內部的混亂，剛好滿足人格病態者尋求刺激的必要需求，也為其強烈的控制慾和施虐行為提供足夠的掩護。」

諷刺的是，這些膽敢打破常規、承擔風險和尋求刺激的人，掌控著世界經濟發展走向，而他們跟廢墟上的崛起者擁有完全相同的個性。就像電影中的騙子主角艾班尼爾說的，他們是掉進鮮奶油裡的老鼠，透過不斷抗爭，終於把鮮奶油攪拌成奶油，得以順利脫困。

[1] 演化心理學家試圖將人類的特性和行為，解釋成物競天擇這類功能的產物，例如：人格和繁殖策略；也解釋成人類祖先為解決生活環境中的問題，逐漸發展出的心理適應性。

本文摘錄自《非典型力量：瘋癲的智慧、偏執的專注、冷酷的堅毅，暗黑人格的正向發揮》，大牌出版