0

2
0

文字

分享

0
2
0

我「以為」我最懂你-《為什麼我們經常誤解人心?》

PanSci_96
・2015/04/20 ・2546字 ・閱讀時間約 5 分鐘 ・SR值 571 ・九年級

為什麼我們經常誤解人心判讀別人的心智雖然不容易,但在日常生活中卻不是太大的問題,原因是大腦對於最熟悉的對象知覺最為敏銳,例如我們最親近的朋友、親戚、同事與配偶。結婚多年的夫妻有時候會說他們對彼此極為了解,甚至能在對方還沒說之前就把話接下去說完。你也許會認為,真正了解一個人能夠讓你和對方心志如一,所以兩人就算一句話也沒說,還是能夠知道彼此心中的想法。朋友、同事與愛人之間,無疑認為自己對彼此內心的了解勝過陌生人。這樣的自信是否禁得起檢驗?我們對朋友與愛人,真的有自己認為的那麼了解嗎?

再一次,答案又是否定的。不過,這個答案必須分成兩部分來看。第一個部分是,相較於陌生人,你讀出好友與愛人心思的精準度確實較高,但差別其實沒那麼大。心智判讀準確度的開創性研究者威廉.伊克斯指出,他在實驗中錄影,事後要求實驗對象報告自己每一刻的想法與感受,結果發現「陌生人判讀彼此心思的準確率平均為百分之二十」,而好友與夫妻「準確率提高到百分之三十五」。所以,你確實會比陌生人更了解自己的配偶或好友的喜好,但其間的差異可能小得令你吃驚。至於這個答案的第二個部分,則是你對於熟識的好友或愛人的心思所懷有的自信,遠遠超出你實際上擁有的能力。熟識一個人,包括在長達一輩子的婚姻生活裡,會讓人產生一種自以為了解對方的錯覺,而且這種錯覺遠遠超越你實際上對他們的了解。

要看出這兩種結果,你可以想像和愛人共同參與一場有如《新婚夫妻大挑戰》那種節目的實驗。你們兩人分別坐在不同的房間裡,實驗人員向你告知你的愛人絕對不會看到你的答案,然後向你提出一長串有關你自己的問題。其中有些問題涉及自我價值,要求你針對若干陳述指出你有多麼同意或者不同意,例如:「我往往會貶低自己」或「我對自己很滿意」。另外有些問題則是要評估自己的能力與特質:你認為自己的智力、體能、社交技巧等能力與別人相比孰優孰劣。最後還有一些問題與偏好有關,尤其是你對二十四種不同活動的喜好或厭惡程度(例如打牌、游泳、拜訪朋友以及洗衣服)。在另一個房間裡,你的愛人則要預測你會怎麼回答這些問題,並且指出自己對於每項預測的準確度懷有多少自信—從百分之零到百分之百。

實驗過程中,情侶實際做了這樣的測驗。然後,實驗人員再把結果列製成表,看看這些情侶有多麼了解對方,同時又自認為有多麼了解對方。

-----廣告,請繼續往下閱讀-----

首先談好消息。情侶預測彼此想法的準確度高於隨機猜測。這些情侶的交往時間最高達六年,所以這樣的結果並不令人意外。舉例而言,自我價值問題所使用的量表共有從一到五的五個等級,其中「一」代表非常不同意,「五」則是代表非常同意。由於只有五個選項,因此隨機猜測的正確度會是百分之二十(因為猜對每一個問題的機率為五分之一)。情侶之間的預測準確度遠高於這個水準,他們對於伴侶的自我價值感所提出的預測,正確度達百分之四十四。這是相當不錯的結果。如果你是棒球選手,這樣的結果相當於擊出二壘打。

接下來是不太好的消息。情侶實際上了解對方的程度,與他們認為自己了解對方的程度,這兩者之間的落差,比他們的預測準確度與隨機猜測準確度之間的差別還要大。別忘了,實驗參與者對愛侶自我價值感的預測,每十次之中正確次數只比四次略多一點(平均正確率為百分之四十四)。然而,他們卻認為自己十次當中能夠猜對八次(自認正確率平均達百分之八十二)。從下圖可以看得出來,其他問題也同樣存在著二比一或甚至更高的過度自信率。心智判讀的真正問題,在於這張圖裡的白色長條與灰色長條之間的落差。這些情侶雖然擊出了二壘安打,卻自認為擊出了全壘打。

為什麼我們經常誤解人心1
情侶的其中一人預測另一人在各種不同量表上會如何評定自己,包括自我價值感、對自身能力的評定,以及對於各種活動的偏好。長條圖形當中的橫線代表隨機猜測的正確率。白色長條代表情侶做出正確決定的平均百分率;灰色長條代表的是他們認為自己預測正確的百分率。交往中的情侶預測彼此心思的準確度高於隨機猜測,卻遠遠不及他們自認為的正確率。這張圖闡釋了本書的主要目標:在你自己的人生中盡量縮小灰色長條與白色長條之間的落差,一方面藉著讓你體認到自己的侷限而縮短灰色長條的高度,另一方面則是提出建議,讓你夠對別人獲得更多了解,從而提高白色長條的高度。

 

更令人驚訝的是,這種過度自信的程度,與兩人交往的時間成正比。情侶的交往時間越長,越認為自己了解對方。實際上,在這項研究裡,情侶的交往時間與正確率「完全不相關」。交往時間越長並不會讓情侶能更準確預測對方的想法,只是讓他們懷有自認為更了解對方的錯覺而已。

這種自認為了解對方的錯覺,可能帶來危險的後果。有一項實驗是讓自願參與實驗的對象觀看一系列影片,影片裡的人物一一表明自己接受愛滋病毒篩檢的結果是否呈陽性反應,但有些人說的是實話,有些人則是說謊。實驗對象都相當自信自己辨別得出影片裡的人是否說謊,並且預測自己猜對的機率達百分之七十。實際上,他們猜對的機率根本沒比隨機猜測好到哪裡去,正確辨識出影片中人物吐實或說謊的機率只有百分之五十二(隨機猜測的正確率為百分之五十)。一旦從影片裡的人物獲得更多資訊,實驗對象對於自己辨識出對方是否說謊的自信也隨之提高,但實際上的正確率卻沒有任何改善。在愛滋病興起之際,美國衛生總署署長庫普懇求美國民眾「了解自己的伴侶」,他所指的應該是真正的了解,而不是自以為了解的錯覺。

-----廣告,請繼續往下閱讀-----

第六感的問題並不是有瑕疵,若是嚴格測試,人的第六感確實達不到完美的程度,不過通常還是遠優於隨機猜測。此外,相較於地球上其他物種的心智能力,人的大腦之所以彷彿具有超能力,也正是這種第六感的功勞。問題是,我們對這種第六感的自信遠超出其實際上的能力,而對自己的判斷所懷有的自信,也很少讓我們真切了解自己的判斷力實際上究竟有多準確。

本書的主要目標就在於:減少你高估自身判斷力的錯覺。一方面藉以提高你對別人的了解,另一方面則是為你灌輸一些謙遜,讓你知道,你其實並沒有你以為的那麼了解別人。

 

本文節錄自《為什麼我們經常誤解人心?》,究竟出版社

-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1293 篇文章 ・ 2683 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

0
0

文字

分享

0
0
0
AI 可以設計散熱,但誰敢讓它出貨?林唯耕談算力背後的物理現實
鳥苷三磷酸 (PanSci Promo)_96
・2026/08/20 ・2819字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

本文由 高柏科技 合作,泛科學撰文

林唯耕剛回台灣任教時,曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏,那股刺鼻的氣味瞬間瀰漫整棟大樓,引來眾多師生抗議。

「從此以後,我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中,帶著笑意回憶這段往事。

這段插曲聽來像是一則工程師的寓言:在理論模型中,氨是太空熱控系統的理想介質;但在現實的辦公大樓裡,它首先是逼人逃竄的臭味。公式本身沒有錯,但現實世界永遠比公式更複雜——它包含了人、成本、風險,以及必須為後果負責的工程師。

-----廣告,請繼續往下閱讀-----

高柏科技技術專家、清華大學榮譽退休教授林唯耕 ,曾任職於美國 OAO 工程部熱流組,深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球,他鑽研一輩子的老問題再次被推向科技產業的核心:當晶片運算速度無止境攀升,那股伴隨而生的熱,究竟該往哪裡去?

熱不會讀新品發表會

科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗,彷彿進步毫無邊界。然而,每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化,一旦設備過熱,系統便會降頻保護。在物理現實面前,再動聽的發表會敘事也必須低頭。

晶片會發熱、材料會疲勞老化,一旦設備過熱,系統便會降頻保護 / 圖片:envato

回顧個人電腦發展早期,晶片幾乎不需專屬散熱元件。隨後,鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級,其實更像是對空間的極限勒索:晶片功率翻倍,發熱源的面積卻沒變大,機箱空間也不可能無限擴張。

林唯耕指出,散熱設計的核心只有三要素:功率、熱源面積與空間限制。他舉例,在標準的 1U 機箱中,若發熱面積約為三十乘三十毫米,氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數,而是取決於空間、面積與氣流的動態平衡。最現實的代價在於,風扇轉速提升的背後,是噪音、電力損耗與空間占用。

-----廣告,請繼續往下閱讀-----

因此,「液冷技術」的興起並非單純為了追求酷炫,而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱,卻也將新的挑戰帶入機房:漏液風險、流道堵塞、材料相容性,以及維運時的難度。工程的進步,本質上鮮少是徹底消滅問題,更多時候是選擇一組「比較值得承擔」的新問題。

太空教他的,不是把答案搬回地面

太空熱控工程之所以迷人,是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中,沒有空氣能讓風扇製造對流;受光面溫度破百度,陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射,以及熱管與環路型熱管(LHP)來搬移熱能。

熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱,冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力:在他設定的特定條件下,實心銅塊約能傳導 120 瓦的熱能;但若每秒有一立方公分的水發生蒸發相變,移熱量可瞬間拉升至 2.4 千瓦(kW)。他強調「每秒」的觀念,因為散熱談的是動態流動速率,而非靜態的冷卻魔法。

儘管如此,太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度,偏好無馬達幫浦的被動式設計;但地面 AI 伺服器面臨更高的熱負載與環境溫度,往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒:技術是否「先進」,與它是否「適合」當下的場景,始終是兩回事。

-----廣告,請繼續往下閱讀-----
他強調「每秒」的觀念,因為散熱談的是動態流動速率,而非靜態的冷卻魔法。/圖片:envato

好論文,為什麼仍可能造不出好產品

學術研究致力於證明「可行性」,而工業現場則要求「可重複性」——不僅要能運作,還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據,在產線上往往未必管用。

他從不避談失敗。在高柏科技早期與學界合作時,也曾遇過實驗數據無法複製,或研究方向偏離產業需求。這未必是雙方努力不夠,而是彼此對「成功」的標準不同。為了解決這道鴻溝,高柏科技推動「柏苗啟航創新培育計畫」,每年投入逾千萬資金與成大、中山、台科大等校合作,並指派專業人才在過程中持續微調、校正,確保研發貼近產線現實。

他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測,但由於儀器預設以「水」校正,換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算,卻發現缺乏重複性,數據甚至推導出不合理的蒸發率。最後團隊回歸基本面,改用秤重法搭配能量平衡進行交叉驗證,才讓數據成功收斂。

這個故事真正的價值不在於「產學雙贏」的口號,而在於那段不夠優雅的挫折:假設失效、數據混亂、方法砍掉重練。也正是在這種時刻,企業需要的不只是會算數的人才,而是能洞察研究何時「走鐘」,並有權力喊停、要求重來的關鍵決策者。

-----廣告,請繼續往下閱讀-----

林唯耕坦言,過去在校園裡總認為「技術第一、成本第二」,進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽,卻是產品能否進入市場的殘酷真相。再卓越的散熱設計,若無法穩定生產或贏得客戶信任,也僅止於一份精美的報告。

AI 會給答案,誰來負責出貨?

訪談尾聲,主持人國威提出了一個時代難題:假設 AI 能在彈指間生成散熱架構、材料配方與流道設計,企業該選擇全面擁抱 AI 的速度,還是保留緩慢但穩定的工程驗證,以規避潛在的失效風險?

林唯耕拒絕落入二選一的框架。他的觀點是:兩者並存。AI 擅長處理資訊、生成草案;但工程師仍須實作原型,進行嚴苛的性能與可靠度測試,最終由人決定是否出貨。這並非盲目崇拜人類直覺,而是基於一項事實:AI 的資料庫裡,通常沒記載下一次「意外洩漏」或「材料疲勞」的細節,且模型永遠無法為量產結果擔負法律與商業責任。

在 AI 時代,最稀缺的未必是熟練下指令(Prompt)的人,而是具備這種能力的人:能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來,並且願意為最終的量產品質負起責任。

-----廣告,請繼續往下閱讀-----

大眾習慣將雲端想像成輕盈、無重量的空間。但現實中,雲端是由龐大的機房架構而成,裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張,都會在實體世界留下發熱的足跡。散熱工程師的價值,就是不讓這筆物理帳單,被埋沒在光鮮亮麗的投影片背後。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
249 篇文章 ・ 320 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia