0

0
0

文字

分享

0
0
0

考試當前先玩再說?你需要內疚學習法

黃誠熙(Sky Huang)
・2015/06/01 ・2563字 ・閱讀時間約 5 分鐘 ・SR值 478 ・五年級

文/黃誠熙(Sky Huang),目前為UCLA材料系博士候選人

我們都有這樣的經驗,在工作、學習的時候會一邊想著玩樂的事情;雖然身體還坐在桌前,心已經飛到窗外遊玩去了,非常沒有工作效率。又或者,有時受不了誘惑,跑出去玩樂了半天,一回到書桌前,內心感到無比內疚,反而激發起破表的效率,快速完成工作。

credit:wiki
credit:wiki

這是相當普遍的現象,有死線(deadlines)當前時會更為明顯,效率值無限上升。在心理學上也有相當多的研究,尤其在死線前的效率提升方面。例如說,有時候人們在面對deadline的時候,會為自己設置另一個「自己的死線」(self-imposed deadlines),以防止自己拖延而超過實際上的死線。心理學家發現,雖然這樣有助於提升在死線前的工作成效,但是增進效率的效果並沒有外部死線來得強烈(很可以理解,錯過外部的deadlines就要被炒魷魚拉,錯過自己設定的deadline只是有點沮喪而已)[1]。

然而,這邊想跟大家討論的不是心理學的部分,而是如何使用數學來增進工作效率!更精確地說,如何使用「內疚學習法」來增進工作效率。

-----廣告,請繼續往下閱讀-----

內疚學習法顧名思義表示當你學習的時候,是處在內疚的狀態,也就是說,為了增進學習效益,在學習之前先花一段時間玩樂,玩樂結束後會覺得很內疚,因此學習效果大增,比一邊念書一邊想著玩樂效果還要好。筆者自己本身在考升大學考試時發現了這個現象,但同時也發現,要是花太多時間玩樂,雖然內疚值會累積很高,效率非常好,但是因為玩樂佔去的時間太多,剩餘時間太少,無法將效率轉成實際效果。因此,內疚值累積和學習時間必須要取得良好的平衡,才能發揮內疚學習法的最大效益。

下面我們用數學來推論內疚學習的最佳解。首先,我們知道唸書的時間是隨著玩樂的時間線性的遞減,譬如說,假如我們總共可以唸書的時間是8小時,花了3小時玩樂,那就剩下5小時可以唸書。如果我們把總共唸書的時間等比縮放(rescale)變成1,而玩樂時間是t,則剩下可以唸書的時間就是(1-t)。

(編按:注意喔!以下是數學的推論,並非心理學研究)

接下來要知道的就是:讀書效率如何因玩樂時間的增加,內疚值的累積而增加。當我們知道效率隨玩樂時間的變化eff(t)之後,即可計算總學習成效,也就是f(t) * (1-t),事實上效率函數應該是兩個時間的函數,一個是玩樂花費的時間t,一個是當開始唸書之後效率隨時間T的變化,因此為f(t, T),而真正的讀書效率為積分。這邊假設開始唸書之後的效率為一定值,因此積分可以簡化為f(t) * (1-t)。

-----廣告,請繼續往下閱讀-----

效率成長的變化曲線沒有一定的樣子,因此必須使用假設的模型。下面使用兩個假設來計算最佳的玩樂時間。

讀書效率正比於玩樂時間(反比於剩餘讀書時間)

假設讀書效率 eff(t)= a + bt

(如下圖,綠線為剩餘學習時間,紅線為效率變化)

  • t為玩樂時間
  • a是基本的讀書效率(沒有使用內疚學習法)
  • b則是效率隨玩樂時間增加的斜率

1

由於(1-t) 為剩餘可以用來學習的時間,最後學習成效是時間 * 效率,即表示:

-----廣告,請繼續往下閱讀-----

學習成效f(t) = eff(t) * (1-t) = (a + bt) * (1-t)

在得到學習效率函數之後,我們只要求得f(t)的最大值,就可以知道最佳玩樂時間,可以得到最好的讀書成果。求最大值的方法之一為將f(t)對時間微分=0,即為:d f(t)/ dt =0

可以求得必須花多少時間玩樂學習效益才會最大化。這個方程式的解為:

t = 0.5 – a/2b

-----廣告,請繼續往下閱讀-----

a和b都必須是正數(a為沒有使用內疚學習法的學習效率,為正;b為使用內疚學習法時效率隨玩樂時間的上升斜率,為正。)

檢視這個式子,我們可以知道因為時間永遠為正數,若是t<0,表示內疚學習法為沒有效率的學習方式,因此只有當0.5 – a/2b大於零時,才可以使用內疚學習法,最終我們可以得到 b > a(小提醒:a為基本學習效率,表示沒有使用內疚學習法的學習效率;b為效率隨玩樂時間上升的斜率)。這表示如果花費所有唸書時間來玩樂時,在最後一瞬間準備要唸書時,念書效率可以提升為基本學習效率的兩倍時,則內疚學習法是有效的。

結論:先做一個實驗,假設你把所有時間拿來玩樂,你必須要保證在花掉幾乎所有時間玩樂之後,你的內疚值累積足夠讓讀書效率提升到原本的2倍,你才可以考慮使用內疚學習法。而內疚學習法的最佳化效率為:把0.5-a/2b的時間拿來玩樂,剩下的時間唸書,也因此若是玩樂的時間超過所有時間的一半,那一定不是有效率的內疚學習法。

當讀書效率的增加有極限值

在實際狀況下,效率是會受限於學習的人的學習能力、科目的難度…等等,因此,隨著玩樂時間上升,效率值的提升不會一直線性上升,而是有一個極限值,效率的增加就會慢慢趨於緩和並逼近最大效率值。下圖為在此假設下念書效率隨玩樂時間t的變化:

-----廣告,請繼續往下閱讀-----
2
綠線為剩餘學習時間,紅線為效率變化

我們可以用一樣的方法最大化eff(t) * (1-t)來求得最佳玩樂時間(可以使用exp函數來描述,eff(t)= A – a*exp(-bt),然後再次使用df(t)/dt=0 求解最佳玩樂時間。但是此數學處理有點複雜,有興趣的讀者可以自行研究。)。

結論:當有一效率最大值時,整體最佳玩樂時間會比上述第一種模型來得少(從圖形中觀察可得知)。而可實行內疚學習法的狀況會越來越嚴苛。最佳的玩樂時間長度將會大幅遠離整體時間一半的附近,而趨向更小的值(1/4或是更小)。

另外一個要考慮的因素是快樂指數。我們會發現,若是太過內疚,譬如說太接近deadline還沒有把作業做出來,會產生焦慮的心情,進而影響工作效率,並減低內疚學習法的效果;但是另一方面來說,玩樂也會帶來快樂,進而提升工作效率在考慮快樂指數後,最佳化變得更加困難唸書成效函數可以寫成:

f(t)= H(t) * G(t) * (1-t)

-----廣告,請繼續往下閱讀-----
  • H(t):快樂指數
  • G(t):內疚指數
  • (1-t):玩樂之後剩餘的唸書時間

三個函數分別作圖如下:

3

最終結論:

適當的玩樂對於學習成效是有好的幫助的;然而,過量的玩樂將導致學習成效低落(恩,或許大家早就知道了) 。而最佳的玩樂時間必須遠小於整體時間的一半,至於實際的最佳玩樂時間長度則決定於個體產生內疚的程度以及內疚心理造成效率提升的程度。

在心理學上,大致上還是視「拖延」為不好的行為,在此前提下研究人類為什麼會拖延,以及如何可以避免拖延行為發生。這邊筆者則是從數學模型提供另一個角度,讓大家思考拖延、玩樂行為對於整體成效的提升/降低,以及玩樂/學習的比例分配。

-----廣告,請繼續往下閱讀-----

參考資料:

  1. Dan Ariely and Klaus Wertenbroch, Psychological Science 13, 3 (2002) 
-----廣告,請繼續往下閱讀-----
文章難易度
黃誠熙(Sky Huang)
5 篇文章 ・ 0 位粉絲
黃誠熙(Sky Huang), 目前為UCLA博士候選人。

0

1
0

文字

分享

0
1
0
停工即停薪:如何證明你的時間值多少?車禍背後的認知 x 情緒 x 金錢 x 法律大混戰
鳥苷三磷酸 (PanSci Promo)_96
・2026/01/09 ・3351字 ・閱讀時間約 6 分鐘

本文與 PAMO車禍線上律師 合作,泛科學企劃執行

走在台灣的街頭,你是否發現馬路變得越來越「急躁」?滿街穿梭的外送員、分秒必爭的多元計程車,為了拚單量與獎金,每個人都在跟時間賽跑 。與此同時,拜經濟發展所賜,路上的豪車也變多了 。

這場關於速度與金錢的博弈,讓車禍不再只是一場意外,更是一場複雜的經濟算計。PAMO 車禍線上律師施尚宏律師在接受《思想實驗室 video podcast》訪談時指出,我們正處於一個交通生態的轉折點,當「把車當生財工具」的職業駕駛,撞上了「將車視為珍貴資產」的豪車車主,傳統的理賠邏輯往往會失靈 。

在「停工即停薪」(有跑才有錢,沒跑就沒收入)的零工經濟時代,如果運氣不好遇上車禍,我們該如何證明自己的時間價值?又該如何在保險無法覆蓋的灰色地帶中全身而退?

-----廣告,請繼續往下閱讀-----
如果運氣不好遇上車禍,我們該如何證明自己的時間價值?/ 圖片來源: Nano Banana

薪資證明的難題:零工經濟者的「隱形損失」

過去處理車禍理賠,邏輯相對單純:拿出公司的薪資單或扣繳憑單,計算這幾個月的平均薪資,就能算出因傷停工的「薪資損失」。

但在零工經濟時代,這套邏輯卡關了!施尚宏律師指出,許多外送員、自由接案者或是工地打工者,他們的收入往往是領現金,或者分散在多個不同的 App 平台中 。更麻煩的是,零工經濟的特性是「高度變動」,上個月可能拚了 7 萬,這個月休息可能只有 0 元,導致「平均收入」難以定義 。

這時候,律師的角色就不只是法條的背誦者,更像是一名「翻譯」。

施律師解釋「PAMO車禍線上律師的工作是把外送員口中零散的『跑單損失』,轉譯成法官或保險公司聽得懂的法律語言。」 這包括將不同平台(如 Uber、台灣大車隊)的流水帳整合,或是找出過往的接單紀錄來證明當事人的「勞動能力」。即使當下沒有收入(例如學生開學期間),只要能證明過往的接單能力與紀錄,在談判桌上就有籌碼要求合理的「勞動力減損賠償 」。

-----廣告,請繼續往下閱讀-----
PAMO車禍線上律師的工作是把外送員口中零散的『跑單損失』,轉譯成法官或保險公司聽得懂的法律語言 / 圖片來源: Nano Banana

300 萬張罰單背後的僥倖:你的直覺,正在害死你

根據警政署統計,台灣交通違規的第一名常年是「違規停車」,一年可以開出約 300 萬張罰單 。這龐大的數字背後,藏著兩個台灣駕駛人最容易誤判的「直覺陷阱」。

陷阱 A:我在紅線違停,人還在車上,沒撞到也要負責? 許多人認為:「我人就在車上,車子也沒動,甚至是熄火狀態。結果一台機車為了閃避我,自己操作不當摔倒了,這關我什麼事?」

施律師警告,這是一個致命的陷阱。「人在車上」或「車子沒動」在法律上並不是免死金牌 。法律看重的是「因果關係」。只要你的違停行為阻礙了視線或壓縮了車道,導致後方車輛必須閃避而發生事故,你就可能必須背負民事賠償責任,甚至揹上「過失傷害」的刑責 。 

數據會說話: 台灣每年約有 700 件車禍是直接因違規停車導致的 。這 300 萬張罰單背後的僥倖心態,其巨大的代價可能是人命。

-----廣告,請繼續往下閱讀-----

陷阱 B:變換車道沒擦撞,對方自己嚇到摔車也算我的? 另一個常年霸榜的肇事原因是「變換車道不當」 。如果你切換車道時,後方騎士因為嚇到而摔車,但你感覺車身「沒震動、沒碰撞」,能不能直接開走?

答案是:絕對不行。

施律師強調,車禍不以「碰撞」為前提 。只要你的駕駛行為與對方的事故有因果關係,你若直接離開現場,在法律上就構成了「肇事逃逸」。這是一條公訴罪,後果遠比你想像的嚴重。正確的做法永遠是:停下來報警,釐清責任,並保留行車記錄器自保 。

正確的做法永遠是:停下來報警,釐清責任,並保留行車記錄器自保 。/ 圖片來源: Nano Banana

保險不夠賠?豪車時代的「超額算計」

另一個現代駕駛的惡夢,是撞到豪車。這不僅是因為修車費貴,更因為衍生出的「代步費用」驚人。

-----廣告,請繼續往下閱讀-----

施律師舉例,過去撞到車,只要把車修好就沒事。但現在如果撞到一台 BMW 320,車主可能會主張修車的 8 天期間,他需要租一台同等級的 BMW 320 來代步 。以一天租金 4000 元計算,光是代步費就多了 3 萬多塊 。這時候,一般人會發現「全險」竟然不夠用。為什麼?

因為保險公司承擔的是「合理的賠償責任」,他們有內部的數據庫,只願意賠償一般行情的修車費或代步費 。但對方車主可能不這麼想,為了拿到這筆額外的錢,對方可能會採取「以刑逼民」的策略:提告過失傷害,利用刑事訴訟的壓力(背上前科的恐懼),迫使你自掏腰包補足保險公司不願賠償的差額 。

這就是為什麼在全險之外,駕駛人仍需要懂得談判策略,或考慮尋求律師協助,在保險公司與對方的漫天喊價之間,找到一個停損點 。

談判桌的最佳姿態:「溫柔而堅定」最有效?

除了有單據的財損,車禍中最難談判的往往是「精神慰撫金」。施律師直言,這在法律上沒有公式,甚至有點像「開獎」,高度依賴法官的自由心證 。

-----廣告,請繼續往下閱讀-----

雖然保險公司內部有一套簡單的算法(例如醫療費用的 2 到 5 倍),但到了法院,法官會考量雙方的社會地位、傷勢嚴重程度 。在缺乏標準公式的情況下,正確的「態度」能幫您起到加分效果。

施律師建議,在談判桌上最好的姿態是「溫柔而堅定」。有些人會試圖「扮窮」或「裝兇」,這通常會有反效果。特別是面對看過無數案件的保險理賠員,裝兇只會讓對方心裡想著:「進了法院我保證你一毛都拿不到,準備看你笑話」。

相反地,如果你能客氣地溝通,但手中握有完整的接單紀錄、醫療單據,清楚知道自己的底線與權益,這種「堅定」反而能讓談判對手買單,甚至在證明不足的情況下(如外送員的開學期間收入),更願意採信你的主張 。

車禍不只是一場意外,它是認知、情緒、金錢與法律邏輯的總和 。

在這個交通環境日益複雜的時代,無論你是為了生計奔波的職業駕駛,還是天天上路的通勤族,光靠保險或許已經不夠。大部分的車禍其實都是小案子,可能只是賠償 2000 元的輕微擦撞,或是責任不明的糾紛。為了這點錢,要花幾萬塊請律師打官司絕對「不划算」。但當事人往往會因為資訊落差,恐懼於「會不會被告肇逃?」、「會不會留案底?」、「賠償多少才合理?」而整夜睡不著覺 。

-----廣告,請繼續往下閱讀-----

PAMO看準了這個「焦慮商機」, 推出了一種顛覆傳統的解決方案——「年費 1200 元的訂閱制法律服務 」。

這就像是「法律界的 Netflix」或「汽車強制險」的概念。PAMO 的核心邏輯不是「代打」,而是「賦能」。不同於傳統律師收費高昂,PAMO 提倡的是「大腦武裝」,當車禍發生時,線上律師團提供策略,教你怎麼做筆錄、怎麼蒐證、怎麼判斷對方開價合不合理等。

施律師表示,他們的目標是讓客戶在面對不確定的風險時,背後有個軍師,能安心地睡個好覺 。平時保留好收入證明、發生事故時懂得不亂說話、與各方談判時掌握對應策略 。

平時保留好收入證明、發生事故時懂得不亂說話、與各方談判時掌握對應策略 。 / 圖片來源: Nano Banana

從違停的陷阱到訂閱制的解方,我們正處於交通與法律的轉型期。未來,挑戰將更加嚴峻。

-----廣告,請繼續往下閱讀-----

當 AI 與自駕車(Level 4/5)真正上路,一旦發生事故,責任主體將從「駕駛人」轉向「車廠」或「演算法系統」 。屆時,誰該負責?怎麼舉證?

但在那天來臨之前,面對馬路上的豪車、零工騎士與法律陷阱,你選擇相信運氣,還是相信策略? 先「武裝好自己的大腦」,或許才是現代駕駛人最明智的保險。

PAMO車禍線上律師官網:https://pse.is/8juv6k 

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

0
0

文字

分享

0
0
0
只需幾個好問題,工作更有效率:如何用聊天機器人幫你收心與放鬆?
人機共生你我它_96
・2020/03/11 ・2502字 ・閱讀時間約 5 分鐘 ・SR值 509 ・六年級

  • 作者/楊期蘭(感謝沈奕超提供編輯建議)

「千萬不要低估職場中感受幸福的重要性:人一生中有很大一部分時間是在職場度過,那裡發生的事情對其他層面的生活有極大影響。」

— 《不公平的代價:破解階級對立的金權結構》—史迪格里茲

千萬不要低估職場中感受幸福的重要性。圖/Brooke Cagle@Unsplash

每天開工前都要在電腦前先滑一波 IG 或 FB 才能進入專注模式嗎?每天下班回到家後,腦海裡時不時還是閃過各種公事?關於怎麼在工作前快速進入狀況 (reattachment) 以及下班後脫離工作狀態 (detachment) 是許多人想追求的事。

相關研究指出這種讓大腦快速進入跟脫離工作模式的能力跟工作效率效率有關,越能在短時間收心進入專注模式以及工作後完全放鬆的人,工作表現也會提升2

有不少人會採取寫待辦清單的方式來讓自己開啟工作的一天,並且透過劃掉待辦清單清單上的項目來讓自己結束一天的時候感到有成就感。

-----廣告,請繼續往下閱讀-----

但除此之外,有沒有其他方式?

聊天機器人能幫我們收心跟放鬆?

聊天機器人除了像微軟小冰一樣陪我們閒聊、充當電商的客服回答客戶的問題或是擔任個人助理幫我們設定行事曆外,現在聊天機器人的業務範圍又更廣了。這篇發表在 2018 年人機互動研討會的研究想了解:

在工作場合中,聊天機器人會怎麼幫助上班族們上工前進入工作模式 (reattachment) 以及下班後脫離工作模式 (detachment)?

這篇來自 University of Waterloo, University of Michigan, University of California Irvine 以及微軟的研究團隊設計了一個聊天機器人,並邀請一家公司裡面的 34 位員工進行為期兩週的實驗。

第一週員工們就如同以往的工作,第二週開始,員工需要在每天上班工作前與下班前跟一個聊天機器人講話,而這個聊天機器人要做的事就是在大家開始工作前問員工:

-----廣告,請繼續往下閱讀-----

「你想要繼續做OOO(報告、分析、投影片)嗎?」

「第一步要做什麼才能幫助你完成這件事?」

「你想要繼續有OOO(振奮、放鬆、投入)的感覺嗎?」

「如果你想要繼續有這種感覺,第一步要做什麼事比較好呢?」

上班時間對話模擬圖

而在幫助員工放鬆方面,聊天機器人會在員工下班準備離開公司前問員工:

「你今天做了什麼事?」

「明天你想做哪些事?」

「今天你對所有工作項目的感覺是什麼?」

「明天工作的時候你想擁有什麼感覺?」

下班前對話模擬圖

聊天機器人讓員工更投入於工作!

研究人員分析了這些員工使用生產力工具軟體的時間,例如:使用 E-mail、Excel、Powerpoint、Word 等軟體的時間,並且請員工們時不時在工作期間回答他們當下的投入度、專注度以及放鬆程度,比較員工們第一週跟第二週的工作情況後。

-----廣告,請繼續往下閱讀-----

結果發現當員工在上班前跟語音助理對話後,感覺自己生產力更高也更加投入於工作中,特別是在上工的第一個小時內,這些專注的感受特別強烈。

跟語音助理對話後,員工感覺自己生產力更高也更加投入於工作中。圖/GIPHY

什麼……下班後還更能放鬆!?

接著,研究者分析員工下班後寄出的 E-mail 數量,發現下班前跟語音助理對話後,員工們在下班後寄出的 E-mail 數量比較少,表示員工們離開工作環境後比較不再想到與工作有關的事。

進一步分析也發現,如果參與實驗的部分員工本身就有一套想辦法讓自己脫離工作模式的方式的話,對這些人來說,聊天機器人幫助就不大;但針對那些先前沒有這些放鬆習慣的員工而言,跟聊天機器人對話就能幫助他們下班後更加放鬆。

-----廣告,請繼續往下閱讀-----

對那些先前沒有放鬆習慣的員工而言,跟聊天機器人對話能幫助他們下班後更加放鬆。圖/GIPHY

聊天機器人帶給我們的反思

在這個實驗中,聊天機器人扮演的角色就像是有個朋友在跟我們聊天的過程中幫助我們回顧一天做了哪些事、在一天開始前先設定好工作目標。

在這些簡短對話的過程中,我們會開始反思自己應該怎麼規劃工作、該怎麼開始進行第一步、帶我們回顧一整天的工作感受,讓我們思考目前工作氣氛如何、可以如何更舒適。

其實拿掉了聊天機器人,你我都還是可以靠自己做到這件事。

試著從今天開始對自己做個小實驗,開始做事前先問自己一、兩個問題:「我今天要完成哪些事?」「要達成這個目標我需要先做什麼事?」,然後在一天工作告一段落後,試著問自己:「今天我完成了什麼事?」「完成這些事帶給我什麼感受?」試試看這麼做之後,對於自己工作的狀態有沒有什麼不同於以往的變化。

-----廣告,請繼續往下閱讀-----

即便不是工作狂,我們每個人的一生中也有大半時間是在工作場合中度過,如何讓工作的過程更加有意義、有樂趣、更享受,應該能讓我們每天過得更充實愉快。

如何讓工作的過程更加有意義、有樂趣、更享受,能讓我們每天過得更充實愉快。圖/True Agency@Unslpash

讓聊天機器人成為工作上的好夥伴!

如果你是對聊天機器人有興趣的開發者或設計師,也許可以思考的是要如何針對不同的使用者客製化適合他們的收心跟放鬆對話,例如透過每個使用者不同的工作作息與習慣,設計不同的收心與放鬆策略。

另一方面,也可以思考要如何才能讓聊天機器人幫助使用者反思或提醒使用者工作中有趣的部分,像是讓機器人問使用者:「今天工作中有什麼有趣的部分嗎?」,帶領使用者思考這份工作對他的意義,幫助使用者反覆思考工作中每件事的意義與樂趣。

-----廣告,請繼續往下閱讀-----

註:本篇是擷取原始論文中部分內容搭配筆者想分享的概念所架構而成,部分研究細節與討論並未完全呈現,鼓勵有興趣的讀者直接參考原文深入了解細節。本篇目的在於讓讀者了解人機互動領域中如何設計語音助理。內文並非逐字翻譯,亦不能取代原文1

參考文獻

  1. Williams, A. C., Kaur, H., Mark, G., Thompson, A. L., Iqbal, S. T., & Teevan, J. (2018, April). Supporting workplace detachment and reattachment with conversational intelligence. In Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems (p. 88). ACM.
  2. Volman, F. E., Bakker, A. B., & Xanthopoulou, D. (2013). Recovery at home and performance at work: A diary study on self–family facilitation. European Journal of Work and Organizational Psychology, 22(2), 218–234.

本文轉載自人機共生你我它

-----廣告,請繼續往下閱讀-----
人機共生你我它_96
12 篇文章 ・ 4 位粉絲
由致力於人機互動研究(HCI, Human-Computer Interaction)的研究者與實務工作者所創立,我們定期發表人機互動相關文章,與讀者一起思考科技對社會生活帶來的好處與限制。

0

0
1

文字

分享

0
0
1
人造的光合作用有可能成真嗎?以人造葉嘗試開啟的「氫經濟」——《drawdown 反轉地球暖化100招》
聯經出版_96
・2019/02/28 ・2095字 ・閱讀時間約 4 分鐘 ・SR值 533 ・七年級

編按:此為《drawdown 反轉地球暖化100招》最終章,作者提出一些「明日新亮點」,期待可以減緩全球暖化的現象。

生質能源效率低落:高耗能的能量轉換過程

數十年來,一群科學家致力以人造樹葉取代自然光合作用並且直接從大氣之中創造燃料,能量則來自陽光。

收益很明顯。幾乎所有能源都來自太陽,其中大部分源自於光合作用。(我們取得能源的形式,包括由植物而來的食物,以及植物的衍生物,例如石油、瓦斯、泥炭、煤、木頭與乙醇)。

植物的光合作用。圖/pixabay

光合作用看似簡單:水、陽光、吸收二氧化碳並排出碳水化合物與氧氣。然而,單憑自然光合作用想要滿足世界對於能源日漸增長的需求,則是不可行的。

-----廣告,請繼續往下閱讀-----

為了生產生質燃料而種植玉米、白楊或是柳枝稷,就能源效率而言,不利條件顯而易見。植物能毫不費力地轉換陽光,但是如果要將光子轉化為可使用的儲存能源,效率值僅 1%

以玉米作為生質燃料效率並不佳。圖/pixabay

以玉米為例,農夫必須以石油供能的拖曳機犁地、使用除草劑抑制雜草、以打穀機收割作物,並以卡車將作物載運至好幾英里外加工。玉米在加工廠內被研磨成泥,與酶和阿摩尼亞混合,煮熟以殺死細菌,液化後放入酵母發酵數日,將糖分轉化為乙醇。接著蒸餾並且分離物質。固體被分離出來,液體進入分子篩。二氧化碳被截取並且出售給飲料製造商。添加變性劑使它無須被課稅且無法飲用,接著進入儲存槽,之後被放入油罐車載往精煉廠,然後加入汽油之中。

業界稱之為再生燃料,實際上是過度延伸再生燃料的定義。

因為整個過程相當依賴柴油、石油、汽油、電力與補助。計算下來,以玉米為基底的乙醇,生產的能源只比製造過程所需能源多出一些。如果把使用土地時產生的排放、地下水的耗費、生物多樣性的喪失以及氮肥的衝擊計算進去,對於大氣層是否有益,就有爭辯的空間了。玉米最符合效益的用途是作為人們飢餓時的主食,而不是作為推動跨界休旅車的乙醇

-----廣告,請繼續往下閱讀-----

試想如果可以略過農場、肥料、拖曳機、卡車、加工廠與補助,無論你與水源身處何方,都可以直接從水與二氧化碳中製造燃料。這就是丹尼爾.諾賽拉(Daniel Nocera)20 多年前發起人造葉計畫的目標。

擺脫能源效率不佳窘境:人造葉計畫

丹尼爾.諾賽拉(Daniel Nocera)致力研究將水分離為氫與氧。圖/聯經出版

諾賽拉是哈佛大學能源科學的教授。 1980 年代早期,身處加州理工學院研究所的他便致力研究將水分離為氫與氧。他的計畫是想促進氫經濟

該科技的原始版本使用矽片,其中一面鍍有鎳鈷催化劑,當矽片放入水中後,將在其中一面的表層產生氫,另一面產生氧。早期媒體讚揚並誇大該科技可能的影響。諾賽拉預言該科技將對窮人有益。他表示氫氣可以用來煮飯,或是藉由燃料電池轉化為電力。但是一罐氫氣對於窮人有什麼用?沒有⋯⋯除非他們有燃料電池,而這是一項昂貴的科技。科技上的突破卻在經濟上沒有可利用性。

-----廣告,請繼續往下閱讀-----

氫氣是世界上最輕的物質,如鬼火般稍縱即逝。雖然 1 磅氫蘊含的能量比汽油多 3 倍,但是要取得 1 磅氫的過程相當棘手,並且需要高壓槽與壓縮機等設備。要生產足夠 1 個家庭使用的能源,需要 1 個膠合板大小的矽片,以及 3 個浴缸大小的儲存槽。

諾賽拉專注於如何提供窮人平價的能源,卻很少想過窮人可以如何生產電力。儘管如此,他下定決心要想出一種人人都能享用的能源與科技,他將這個概念比喻為 1970 年代的「死忠粉絲」(Deadhead)。死之華樂團(e Gratefal Dead)在數十年前就提出音樂共享這個最終摧毀產業的概念。該樂團允許並且鼓勵人們錄製他們的演唱會,至今仍有網站致力分享與交換這些歌曲。這樣的概念有可能適用於能源科技嗎?

諾賽拉認為如此。

他相信專注於那些對最貧困之人有益的科技,受益最多的將是整個社會。許多年來,他回應質疑的方式,就是指出如果投入人工光合作用的金錢與投資於電池的一樣多,突破將來得更快。

-----廣告,請繼續往下閱讀-----

突破確實發生了。 2016 年 6 月 3日,諾賽拉與他的同事潘蜜拉.席爾瓦(Pamela Silver)宣布,他們結合了太陽能、水與二氧化碳,成功製造出蘊含高能量的燃料。他們採用兩種催化劑,從水中免費製造出氫,用於餵養能合成液態燃料的鉤蟲貪銅菌(Ralstonia eutropha)。用純二氧化碳餵養這種細菌,過程將比光合作用有效率 10 倍。如果二氧化碳取自空氣,效率也多出 3 至 4 倍。

諾賽拉與同事結合了太陽能、水與二氧化碳,成功製造出蘊含高能量的燃料。圖/聯經出版

直到最近,諾賽拉持續關注從無機化合物中產生氫氣。他與哈佛團隊不將氫視為提供給人類的能源,而是用來餵養細菌的能量原料,因此朝向原始目標邁進了一大步:利用太陽與水製造便宜的能源。對了,還有細菌。也許經濟上可行的人工光合作用,到頭來也不是完全人造的。

——本文摘錄自《drawdown 反轉地球暖化100招》,2019 年 1 月,聯經出版

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
聯經出版_96
27 篇文章 ・ 20 位粉絲
聯經出版公司創立於1974年5月4日,是一個綜合性的出版公司,為聯合報系關係企業之一。 三十多年來已經累積了近六千餘種圖書, 範圍包括人文、社會科學、科技以及小說、藝術、傳記、商業、工具書、保健、旅遊、兒童讀物等。