考試當前先玩再說？你需要內疚學習法

本文與 TRPMA 台灣研發型生技新藥發展協會合作，泛科學企劃執行

如果把癌細胞比喻成身體裡的頭號通緝犯，那誰來負責逮捕？

許多人第一時間想到的，可能是化療、放療這些外來的「賞金獵人」。但其實，我們體內早就駐紮著一支最強的警察部隊「免疫系統」。

既然「免疫系統」的警力這麼堅強，為什麼癌症還是屢屢得逞？關鍵就在於：癌細胞是偽裝高手。有的會偽造「良民證」，騙過免疫系統的菁英部隊；更厲害的，甚至能直接掛上「免查通行證」，讓負責巡邏的免疫細胞直接視而不見，大搖大擺地溜過。

過去，免疫檢查點抑制劑的問世，為癌症治療帶來突破性的進展，成功撕下癌細胞的偽裝，也讓不少患者重燃希望。不過，目前在某些癌症中，反應率仍只有兩到三成，顯示這條路還有優化的空間。

今天，我們要來聊的，就是科學家如何另闢蹊徑，找出那些連「通緝令」都發不出去的癌細胞。這個全新的免疫策略，會是破解癌症偽裝的新關鍵嗎？

免疫療法登場：從殺敵一千到精準出擊

在回答問題之前，我們先從人類對抗癌症的「治療演變」說起。

最早的「傳統化療」，就像威力強大的「七傷拳」，殺傷力高，但不分敵我，往往是殺敵一千、自損八百，副作用極大。接著出現的「標靶藥物」，則像能精準出招的「一陽指」，能直接點中癌細胞的「穴位」，大幅減少對健康細胞的傷害，副作用也小多了。但麻煩的是，癌細胞很會突變，用藥一段時間就容易產生抗藥性，這套點穴功夫也就漸漸失靈。

直到這個世紀，人類才終於領悟到：最強的武功，是驅動體內的「原力」，也就是「重新喚醒免疫系統」來對付癌症。這場關鍵轉折，也開啟了「癌症免疫療法」的新時代。

你可能不知道，就算在健康狀態下，平均每天還是會產生數千個癌細胞。而我們之所以安然無恙，全靠體內那套日夜巡邏的「免疫監測 (immunosurveillance)」機制，看到癌細胞就立刻清除。但，癌細胞之所以難纏，就在於它會發展出各種「免疫逃脫」策略。

免疫系統中，有一批受過嚴格訓練的菁英，叫做「T細胞」，他們是執行最終擊殺任務的霹靂小組。狡猾的癌細胞為了躲過追殺，會在自己身上掛出一張「偽良民證」，這個偽裝的學名，「程序性細胞死亡蛋白配體-1 (programmed death-ligand 1, PD-L1) 」，縮寫PD-L1。

當T細胞來盤查時，T細胞身上帶有一個具備煞車功能的「讀卡機」，叫做「程序性細胞死亡蛋白受體-1 (programmed cell death protein 1, PD-1) 」，簡稱 PD-1。當癌細胞的 PD-L1 跟 T細胞的 PD-1 對上時，就等於是在說：「嘿，自己人啦！別查我」，也就是腫瘤癌細胞會表現很多可抑制免疫 T 細胞活性的分子，這些分子能通過免疫 T 細胞的檢查哨，等於是通知免疫系統無需攻擊的訊號，因此 T 細胞就真的會被唬住，轉身離開且放棄攻擊。

這種免疫系統控制的樞紐機制就稱為「免疫檢查點 （immune checkpoints）」。而我們熟知的「免疫檢查點抑制劑」，作用就像是把那張「偽良民證」直接撕掉的藥物。良民證一失效，T細胞就能識破騙局、發現這是大壞蛋，重新發動攻擊！

目前免疫療法已成為晚期癌症患者心目中最後一根救命稻草，理由是他們的體能可能無法負荷化療帶來的副作用；標靶藥物雖然有效，不過在用藥一段期間後，終究會出現抗藥性；而「免疫檢查點抑制劑」卻有機會讓癌症獲得長期的控制。

由於免疫檢查點抑制劑是借著免疫系統的刀來殺死腫瘤，所以有著毒性較低並且治療耐受性較佳的優勢。對免疫檢查點抑制劑有治療反應的患者，也能獲得比起化療更長的存活期，以及較好的生活品質。

不過，儘管免疫檢查點抑制劑改寫了治癌戰局，這些年下來，卻仍有些問題。

CD47來救？揭開癌細胞的「免死金牌」機制

「免疫檢查點抑制劑」雖然帶來治療突破，但還是有不少挑戰。

首先，是藥費昂貴。 雖然在台灣，健保於 2019 年後已有條件給付，但對多數人仍是沉重負擔。 第二，也是最關鍵的，單獨使用時，它的治療反應率並不高。在許多情況下，大約只有 2成到3成的患者有效。

換句話說，仍有七到八成的患者可能看不到預期的效果，而且治療反應又比較慢，必須等 2 至 3 個月才能看出端倪。對患者來說，這種「沒把握、又得等」的療程，心理壓力自然不小。

為什麼會這樣？很簡單，因為這個方法的前提是，癌細胞得用「偽良民證」這一招才有效。但如果癌細胞根本不屑玩這一套呢？

想像一下，整套免疫系統抓壞人的流程，其實是這樣運作的：當癌細胞自然死亡，或被初步攻擊後，會留下些許「屍塊渣渣」——也就是抗原。這時，體內負責巡邏兼清理的「巨噬細胞」就會出動，把這些渣渣撿起來、分析特徵。比方說，它發現犯人都戴著一頂「大草帽」。

接著，巨噬細胞會把這個特徵，發布成「通緝令」，交給其他免疫細胞，並進一步訓練剛剛提到的菁英霹靂小組─T細胞。T細胞學會辨認「大草帽」，就能出發去精準獵殺所有戴著草帽的癌細胞。

而PD-1/PD-L1 的偽裝術，是發生在最後一步：T 細胞正準備動手時，癌細胞突然高喊：「我是好人啊！」，來騙過 T 細胞。

但問題若出在第一步呢？如果第一關，巡邏的警察「巨噬細胞」就完全沒有察覺這些屍塊有問題，根本沒發通緝令呢？

這正是更高竿的癌細胞採用的策略：它們在細胞表面大量表現一種叫做「 CD47 」的蛋白質。這個 CD47 分子，就像一張寫著「自己人，別吃我！」的免死金牌，它會跟巨噬細胞上的接收器─訊號調節蛋白α (Signal regulatory protein α，SIRPα) 結合。當巨噬細胞一看到這訊號，大腦就會自動判斷：「喔，這是正常細胞，跳過。」

結果會怎樣？巨噬細胞從頭到尾毫無動作，癌細胞就大搖大擺地走過警察面前，連罪犯「戴草帽」的通緝令都沒被發布，T 細胞自然也就毫無頭緒要出動！

這就是為什麼只阻斷 PD-L1 的藥物反應率有限。因為在許多案例中，癌細胞連進到「被追殺」的階段都沒有！

為了解決這個問題，科學家把目標轉向了這面「免死金牌」，開始開發能阻斷 CD47 的生物藥。但開發 CD47 藥物的這條路，可說是一波三折。

不只精準殺敵，更不能誤傷友軍

研發抗癌新藥，就像打造一把神兵利器，太強、太弱都不行！

第一代 CD47 藥物，就是威力太強的例子。第一代藥物是強效的「單株抗體」，你可以想像是超強力膠帶，直接把癌細胞表面的「免死金牌」CD47 封死。同時，這個膠帶尾端還有一段蛋白質IgG-Fc，這段蛋白質可以和免疫細胞上的Fc受體結合。就像插上一面「快來吃我」的小旗子，吸引巨噬細胞前來吞噬。

問題來了！CD47 不只存在於癌細胞，全身上下的正常細胞，尤其是紅血球，也有 CD47 作為自我保護的訊號。結果，第一代藥物這種「見 CD47 就封」的策略，完全不分敵我，導致巨噬細胞連紅血球也一起攻擊，造成嚴重的貧血問題。

這問題影響可不小，導致一些備受矚目的藥物，例如美國製藥公司吉立亞醫藥（Gilead）的明星藥物 magrolimab，在2024年2月宣布停止開發。它原本是預期用來治療急性骨髓性白血病（AML）的單株抗體藥物。

太猛不行，那第二代藥物就改弱一點。科學家不再用強效抗體，而是改用「融合蛋白」，也就是巨噬細胞身上接收器 SIRPα 的一部分。它一樣會去佔住 CD47 的位置，但結合力比較弱，特別是跟紅血球的 CD47 結合力，只有 1% 左右，安全性明顯提升。

像是輝瑞在 2021 年就砸下 22.6 億美元，收購生技公司 Trillium Therapeutics 來開發這類藥物。Trillium 使用的是名為 TTI-621 和 TTI-622 的兩種融合蛋白，可以阻斷 CD47 的反應位置。但在輝瑞2025年4月29號公布最新的研發進度報告上，TTI-621 已經悄悄消失。已經進到二期研究的TTI-622，則是在6月29號，研究狀態被改為「已終止」。原因是「無法招募到計畫數量的受試者」。

但第二代也有個弱點：為了安全，它對癌細胞 CD47 的結合力，也跟著變弱了，導致藥效不如預期。

於是，第三代藥物的目標誕生了：能不能打造一個只對癌細胞有超強結合力，但對紅血球幾乎沒反應的「完美武器」？

為了找出這種神兵利器，科學家們搬出了超炫的篩選工具：噬菌體（Phage），一種專門感染細菌的病毒。別緊張，不是要把病毒打進體內！而是把它當成一個龐大的「鑰匙資料庫」。

科學家可以透過基因改造，再加上AI的協助，就可以快速製造出數億、數十億種表面蛋白質結構都略有不同的噬菌體模型。然後，就開始配對流程：

1. 先把這些長像各異的「鑰匙」全部拿去試開「紅血球」這把鎖，能打開的通通淘汰！
   
2. 剩下的再去試開「癌細胞」的鎖，從中挑出結合最強、最精準的那一把「神鑰」！

接著，就是把這把「神鑰」的結構複製下來，大量生產。可能會從噬菌體上切下來，或是定序入選噬菌體的基因，找出最佳序列。再將這段序列，放入其他表達載體中，例如細菌或是哺乳動物細胞中來生產蛋白質。最後再接上一段能號召免疫系統來攻擊的「標籤蛋白 IgG-Fc」，就大功告成了！

目前這領域的領頭羊之一，是美國的 ALX Oncology，他們的產品 Evorpacept 已完成二期臨床試驗。但他們的標籤蛋白使用的是 IgG1，對巨噬細胞的吸引力較弱，需要搭配其他藥物聯合使用。

而另一個值得關注的，是總部在台北的漢康生技。他們利用噬菌體平台，從上億個可能性中，篩選出了理想的融合蛋白 HCB101。同時，他們選擇的標籤蛋白 IgG4，是巨噬細胞比較「感興趣」的類型，理論上能更有效地觸發吞噬作用。在臨床一期試驗中，就展現了單獨用藥也能讓腫瘤顯著縮小的效果以及高劑量對腫瘤產生腫瘤顯著部分縮小效果。因為它結合了前幾代藥物的優點，有人稱之為「第 3.5 代」藥物。

除此之外，還有漢康生技的FBDB平台技術，這項技術可以將多個融合蛋白「串」在一起。例如，把能攻擊 CD47、PD-L1、甚至能調整腫瘤微環境、活化巨噬細胞與T細胞的融合蛋白接在一起。讓這些武器達成 1+1+1 遠大於 3 的超倍攻擊效果，多管齊下攻擊腫瘤細胞。

結語

從撕掉「偽良民證」的 PD-L1 抑制劑，到破解「免死金牌」的 CD47 藥物，再到利用 AI 和噬菌體平台，設計出越來越精準的千里追魂香。 

對我們來說，最棒的好消息，莫過於這些免疫療法，從沒有停下改進的腳步。科學家們正一步步克服反應率不足、副作用等等的缺點。這些努力，都為癌症的「長期控制」甚至「治癒」，帶來了更多的希望。

• 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

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。

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：

「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？」

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？」

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。

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。

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。

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。

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。

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。

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

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。

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。

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)。

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

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：

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

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：

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)

• 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：

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。

參考資料：

1. Dan Ariely and Klaus Wertenbroch， Psychological Science 13， 3 (2002) 

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）。

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。

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。

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

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。

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。

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。

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