我們的自我內言，是如何被塑造出來的？

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

我們身處資訊爆炸的時代，網路上常常會有許多未經求證的事物，被當成正確的事不停地傳誦，然後就三人成虎了，扭曲的事情被當成真的事情一樣，好像父母不照著做就是虧待小孩一樣。

這裡舉一個最近發生的例子。這件事情我是從FB上看到，這個連結被轉引超過上千次，因為源頭是一個知名的小兒科醫生作家（這裡就不要亂公布人家的名字，我是就事論事，而非要攻訐他人）。大家認為醫療人員說的，應該不會錯，但是偏偏就是有一些問題。

個人看到從外國翻譯或轉載的中文文章，第一個反應都是先去找看看有沒有原文，不過很不幸地，這一篇是德文的。當然原文為德文，基本上就是一個進入障礙，畢竟英文能看得懂的人多了許多，大家在理解上也比較不會有問題。因此我試著去找看看有沒有英文相關文章，然後也可以說明清楚原文到底再說什麼，在理解上才不會有落差存在。

這一篇文章之所以被瘋狂轉載，理由在於放了一張小朋友所畫之圖的比較。雖然裡面的細節被這位醫師解釋有錯誤出現，但是大家哪管那麼多，一看到這張圖，情緒整個被挑起來，贊成派決定維護到底，再也不讓自己的小孩看電視超過一小時。這是一個大腦機轉，讓情緒激發，就會繞過理性思考的前額葉，勸募機構或無良媒體常用這種手法。人們一看到照片二話不說就捐錢了，哪管內容是什麼。

這張被轉載的圖有問題，它跟原圖不同，原圖有a、b、c、d四排，但d這一排被截掉了，我不知道截掉他的人心存何種想法，但畢竟不是原圖。我只能說修過的圖會使你在解讀上產生偏差，這是網路謠言常見手法。另外，這張圖在解釋上被曲解，故意省略一部份的原意。a應為非吸煙家庭且一天看電視少於一小時，b應為非吸煙家庭且一天看電視超過三小時，c應為家庭吸煙超過20支且一天看電視多於三小時，d為心理有嚴重偏差的小孩所畫之圖（這一組並未進入研究之中）。

除此之外，這個研究還有一些問題。這個研究分成三組，但仔細想想應該要為四組，漏掉了家庭吸煙超過20支且一天看電視小於一小時。接著這個研究為何要把兩個不同特質的事情綁在一起看，一為吸煙，一為看電視。我實在無法理解這樣的作法，難道吸煙與看電視所造成的影響可以等量齊觀？他們所走的大腦路徑難道會是一樣的嗎？這種研究方式根本偏離基本的研究方法學了。但是為什麼作者們還是這麼做了？這裡唯一可以猜測的路，是統計上的問題。因為若吸煙與看電視各自分開來看，對小孩的影響上做不出結果，說不上話。那統計上可以怎麼玩，就是把兩個變項同時丟進去跑跑看，看會出現什麼結果。這個很可能就是這樣做出來的，跑出了一個不知道該怎麼解釋的結果來（這個是研究常見的弊病，一堆變項先丟進去試看看，能說話的再挑出來。但問題是，挑出來的變項，跟原來要做事情已經偏離了）。

另外，研究的依變項是畫人測驗的分數。選了「畫人測驗」說真的是不太聰明的作法，因為這個老測驗長久以來被批評的，就是信、效度有問題。要評估一個兒童的發展指標，有很多種方法，但這個研究偏偏選擇爭議最大的一種，嚴格說起來是非常不明智的。

當然，寫這篇文章，不是希望大家無止盡的抽煙與看電視，而是希望父母們有獨立思考判斷的能力，不要人云亦云。我們有各種方法去驗證我們看到的東西，可以去確認他真偽與否，到底只是單一研究？還是嚴謹的回顧性文章？只要多多練習，肯定可以練就火眼金睛，看透妖魔鬼怪的偽裝。

• 原文在這裡
• 英文介紹文章

附註：可用”Medienkonsum und Passivrauchen bei Vorschulkindern”蒐集相關資料。20140219註記。）

本文轉載自作者部落格暗香浮動月黃昏

當你遇到挫折時，你總是怎麼面對你自己的呢？你會告訴自己「我下次會變得更好的」，還是「我真是一個一無是處的人」？

我們都知道，懂得鼓勵自己的人，往往比起面對挫折自怨自艾的人，更能夠從挫折當中重新站起來。心理學家Meichenbaum把我們告訴自己的內心話，稱為自我內言(self-verbalization）。自我內言又可以分為正向自我內言，以及負向自我內言兩種。採取正向自我內言的人，會鼓勵自己更加進步，而負向自我內言的人，則會對於失敗耿耿於懷。關於這方面的相關理論，我已經在我的文章：〈半杯水的故事：樂觀，真的比較好？（理論篇）〉當中提到了不少。但是，是什麼讓我們選擇了正向的自我內言，或是負向的自我內言呢？

早期的社會學家Cooley，曾經提出了鏡中自我（looking-glass self）的概念。他在探討人們是如何產生自我概念的。他將自我概念的產生提出了三個要素[2]：

1.表現(presentation)：我們想像自己在他人心中的形象。

2.辨認(identification)：想像其他人會怎麼看待我這樣的形象。

3.主觀解釋(subjective interpretation)：依照”想像中”別人的看法，給自己一個主觀的解釋。

Cooley的理論，強調的不是客觀上他人如何看待我們，而是主觀上，我們是怎麼認知到這個世界的。就拿一個學妹跟我聊過的一件事來說好了。她告訴我說，她覺得女生在追男生時，如果追失敗了，會是一個很受傷的經驗，因為，這個社會很難接受女生到追男生，會用很難聽的語言，如「倒貼」、「很隨便」之類的字眼，來貶抑勇敢追愛的女孩。如果把這個例子，套用到鏡中自我的概念，那麼就是這樣的：

1.表現：我是一個主動追男生的女生。

2.辨認：別人一定會覺得我很隨便。

3.主觀解釋：我主動追男生是一個很隨便、很糟糕的行為。

聽起來是一個很讓人悲傷，也很讓人憤怒的認知歷程。

而心理學家Mead，也將兒童的發展階段，分為三個部分[3]：

1.「模仿階段」：三歲以前的兒童，會受到重要他人的影響，透過學習與模仿，來了解他人的行為。所謂的重要他人，根據Sullivan的定義，指的是「對一個人的生活或是福祉，具有重要性的人物」[4]，在這個階段，通常是指父母。

2.「遊戲階段」：三歲到八歲的兒童，會透過遊戲當中的角色扮演，來模仿、學習大人的角色。

3.「團體遊戲階段」：八歲以上的兒童，則受到「概括化他人」的影響，學習用他人角度來看自己。所謂的概括化他人，指得並不是真實存在的某個人，而是這個社會的價值觀，會用什麼樣的角度看待自己。講的其實就是Cooley鏡中自我的概念。

綜合這兩位國中公民課本的常客，我想我們更容易了解，一個人的自我內言是如何被塑造出來的：當一個孩子很小的時候，他的重要他人對他所說的話，將會成為他最早的自我價值觀。當一個孩子碰到挫折時，他的重要他人選擇的是責備還是鼓勵？當一個孩子成功的時候，他的重要他人是覺得他做得很棒，還是採取一種貶抑的態度？這些都成了小孩子鏡中自我的來源。而隨著孩子漸漸長大，開始上幼稚園、小學之後，學校老師的價值觀也很容易塑造孩子的自我內言，因為對他們而言，老師是一個價值觀標準的存在，孩子們還沒有能力去反思其他人的價值觀是否正確，會把他人的價值觀，內攝（introjection）為自我的一部分（所以我們才會常常聽到小孩子會跟爸媽說，老師說這時候應該要怎樣怎樣）。

根據皮亞傑的研究，這時候的孩子還沒有邏輯推理能力，要等到11-16歲的形式運思期，邏輯推理能力才會開始發展[5]，因此他們不會去思考說，他人對自己的觀點是不是合理的。而即使是邏輯推理能力發展完全之後的國高中生，他們的理性腦「前額葉」，也要到20歲左右才會發展完備（有些諮商師的諮商經驗認為是23歲，我國法律的成年標準是採取18歲為基準。這方面的說法較歧異，大略在18-25歲）[6]。也就是說，直到我們大腦結構發展完全之前，我們不斷的將他人的價值觀，透過鏡中自我的方式，逐漸內化為自己的一部分，形成了我們的自我內言。

記得曾經聽到一個朋友跟我說，她在小學時，曾有一次考差了，結果就被老師說她準備的不夠好。這一句話深深影響了她，讓她一直以來都在追求完美當中渡過，總是給予自己過多的批評，即使她做了一件很棒的事，也會去想自己是不是還有哪裡不夠好。而台灣父母教育小孩子的方式，總是會在孩子考好的時候，採取一種貶抑的態度，告訴孩子「你不該這麼得意，一山還有一山高，你考第一，還有很多其他學校的孩子也考第一。」；當孩子考差時，父母也總是告訴孩子「你看你那個朋友xxx都考多高，你補習補這麼多怎麼還是這麼差勁。」而這一些父母和師長的話，也都成了長大之後，面對自己的自我內言。

延伸閱讀：

[1]Meichenbaum, D. (1977). Cognitive behavioral modification: An integrative approach. New York: Plenum Press.

[2]Neil J. Smelser, Sociology (Englewood Cliffs, N. J.: Prentice-Hall, 1981), 29-30.

[3]The Social Self – by George Herbert Mead (1913)

[4]Harry S. Sullivan, The Interpersonal Theory of Psychiatry, 1953

[5]McLeod, S. A. “Piaget | Cognitive Theory”. Simply Psychology. Retrieved 18 September 2012

[6]曹中瑋 (2013). 當下，與情緒相遇, 張老師文化事業股份有限公司.

近來，父母對於兒童的發展也越來越注重，也越來越小心自己的孩子是否有發展遲緩的問題。最輕易被拿到手的簡易量表，堪稱「簡易兒童發展量表」，因為它就被附在兒童健康手冊中，很多人常以這些項目當作指標，來推估自己的孩子的狀況。

使用這個量表有很多需要注意的地方，但是兒童健康手冊完全略過這些重點。這也是讓人哭笑不得之處。明明政府已經花很多錢印這些東西了，卻把重要的說明略過不提，其實加印這些東西應該不可能超過一頁，但不知為何卻被拿掉了。也因為這樣，讓許多父母們白白擔心了很久。（就是加上下面這一段就好，並未超過三百字。）

這個量表一開始發展的目的，並不在於精確的診斷，而是作為一個簡易的篩檢，並配合兒童在預防接種時一併評估。每一個階段皆有四大領域、十個小題，每題十分，大約百分九十的孩子都能得90分以上。在一個階段得到80分，是需要注意沒錯，但這只是要父母再多加觀察。需要進一步轉介是要連續兩個階段，在同一領域，有兩個項目都未通過者。簡單舉一個例子大家比較容易理解，在九個月大這個階段，若語言溝通這個領域中，「轉向聲源」及「發出單音」都未做到；至十二個月大時，在同一領域中，「以揮手表示再見」、「模仿簡單聲音」也未做到，這樣這個孩子才可能是有問題的，需要進一步找尋專科醫師進行相關檢查。

因此，偶爾缺個一題並不是災難來臨，他們可能在下一個階段就趕上，並不需要特別擔心。有的家長甚至以為缺個一題，就覺得自己的孩子不如別人，衝動的想要將孩子抓去做治療。但這些過多的訓練都是多餘的，只會讓小孩更挫折而已。總而言之，最後需要被好好進行療育的個案，只會占百分之三到五，其他百分九十七都是沒問題的，請不需要過度擔憂小孩的狀況。

兒童發展本來就是有快有慢，不可能所有的小孩都像教科書那樣，幾個月大就立刻做到什麼事。人的發展本來就是一個有機體，要求所有小孩發展一致是不切實際的。況且，也不要以為發展越快就是越好，發展太快有其他需要擔心的問題。我們在第一線做了這麼久，常有感概：人生漫長，並無起點，也無終點。全部的人都是在黑暗中跑步，輸贏也都是一時的。我們只要拉大了時間的跨距，很多事情，很多無謂的比較，都是過眼雲煙，並不是那麼重要。

附註一：這是兒童健康手冊的網站，可直接下載。

附註二：「簡易兒童發展量表」最初發表的研究在這裡，有興趣者可自行找尋該
篇章，裡面告訴我們很多事。
黃美涓、張春琴、王錦滿與林鴻圖（民86）。經簡化的台灣兒童發展量表之設計及其臨床試用。台灣醫學，1，424-438。

本文轉載自作者部落格暗香浮動月黃昏

當你遇到挫折時，你總是怎麼面對你自己的呢？你會告訴自己「我下次會變得更好的」，還是「我真是一個一無是處的人」？

我們都知道，懂得鼓勵自己的人，往往比起面對挫折自怨自艾的人，更能夠從挫折當中重新站起來。心理學家Meichenbaum把我們告訴自己的內心話，稱為自我內言(self-verbalization）。自我內言又可以分為正向自我內言，以及負向自我內言兩種。採取正向自我內言的人，會鼓勵自己更加進步，而負向自我內言的人，則會對於失敗耿耿於懷。關於這方面的相關理論，我已經在我的文章：〈半杯水的故事：樂觀，真的比較好？（理論篇）〉當中提到了不少。但是，是什麼讓我們選擇了正向的自我內言，或是負向的自我內言呢？

早期的社會學家Cooley，曾經提出了鏡中自我（looking-glass self）的概念。他在探討人們是如何產生自我概念的。他將自我概念的產生提出了三個要素[2]：

1.表現(presentation)：我們想像自己在他人心中的形象。

2.辨認(identification)：想像其他人會怎麼看待我這樣的形象。

3.主觀解釋(subjective interpretation)：依照”想像中”別人的看法，給自己一個主觀的解釋。

Cooley的理論，強調的不是客觀上他人如何看待我們，而是主觀上，我們是怎麼認知到這個世界的。就拿一個學妹跟我聊過的一件事來說好了。她告訴我說，她覺得女生在追男生時，如果追失敗了，會是一個很受傷的經驗，因為，這個社會很難接受女生到追男生，會用很難聽的語言，如「倒貼」、「很隨便」之類的字眼，來貶抑勇敢追愛的女孩。如果把這個例子，套用到鏡中自我的概念，那麼就是這樣的：

1.表現：我是一個主動追男生的女生。

2.辨認：別人一定會覺得我很隨便。

3.主觀解釋：我主動追男生是一個很隨便、很糟糕的行為。

聽起來是一個很讓人悲傷，也很讓人憤怒的認知歷程。

而心理學家Mead，也將兒童的發展階段，分為三個部分[3]：

1.「模仿階段」：三歲以前的兒童，會受到重要他人的影響，透過學習與模仿，來了解他人的行為。所謂的重要他人，根據Sullivan的定義，指的是「對一個人的生活或是福祉，具有重要性的人物」[4]，在這個階段，通常是指父母。

2.「遊戲階段」：三歲到八歲的兒童，會透過遊戲當中的角色扮演，來模仿、學習大人的角色。

3.「團體遊戲階段」：八歲以上的兒童，則受到「概括化他人」的影響，學習用他人角度來看自己。所謂的概括化他人，指得並不是真實存在的某個人，而是這個社會的價值觀，會用什麼樣的角度看待自己。講的其實就是Cooley鏡中自我的概念。

綜合這兩位國中公民課本的常客，我想我們更容易了解，一個人的自我內言是如何被塑造出來的：當一個孩子很小的時候，他的重要他人對他所說的話，將會成為他最早的自我價值觀。當一個孩子碰到挫折時，他的重要他人選擇的是責備還是鼓勵？當一個孩子成功的時候，他的重要他人是覺得他做得很棒，還是採取一種貶抑的態度？這些都成了小孩子鏡中自我的來源。而隨著孩子漸漸長大，開始上幼稚園、小學之後，學校老師的價值觀也很容易塑造孩子的自我內言，因為對他們而言，老師是一個價值觀標準的存在，孩子們還沒有能力去反思其他人的價值觀是否正確，會把他人的價值觀，內攝（introjection）為自我的一部分（所以我們才會常常聽到小孩子會跟爸媽說，老師說這時候應該要怎樣怎樣）。

根據皮亞傑的研究，這時候的孩子還沒有邏輯推理能力，要等到11-16歲的形式運思期，邏輯推理能力才會開始發展[5]，因此他們不會去思考說，他人對自己的觀點是不是合理的。而即使是邏輯推理能力發展完全之後的國高中生，他們的理性腦「前額葉」，也要到20歲左右才會發展完備（有些諮商師的諮商經驗認為是23歲，我國法律的成年標準是採取18歲為基準。這方面的說法較歧異，大略在18-25歲）[6]。也就是說，直到我們大腦結構發展完全之前，我們不斷的將他人的價值觀，透過鏡中自我的方式，逐漸內化為自己的一部分，形成了我們的自我內言。

記得曾經聽到一個朋友跟我說，她在小學時，曾有一次考差了，結果就被老師說她準備的不夠好。這一句話深深影響了她，讓她一直以來都在追求完美當中渡過，總是給予自己過多的批評，即使她做了一件很棒的事，也會去想自己是不是還有哪裡不夠好。而台灣父母教育小孩子的方式，總是會在孩子考好的時候，採取一種貶抑的態度，告訴孩子「你不該這麼得意，一山還有一山高，你考第一，還有很多其他學校的孩子也考第一。」；當孩子考差時，父母也總是告訴孩子「你看你那個朋友xxx都考多高，你補習補這麼多怎麼還是這麼差勁。」而這一些父母和師長的話，也都成了長大之後，面對自己的自我內言。

延伸閱讀：

[1]Meichenbaum, D. (1977). Cognitive behavioral modification: An integrative approach. New York: Plenum Press.

[2]Neil J. Smelser, Sociology (Englewood Cliffs, N. J.: Prentice-Hall, 1981), 29-30.

[3]The Social Self – by George Herbert Mead (1913)

[4]Harry S. Sullivan, The Interpersonal Theory of Psychiatry, 1953

[5]McLeod, S. A. “Piaget | Cognitive Theory”. Simply Psychology. Retrieved 18 September 2012

[6]曹中瑋 (2013). 當下，與情緒相遇, 張老師文化事業股份有限公司.