司法中的科學與偽科學：十個有用小指標幫你辨識偽科學（一）

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

占星術的背後

占星術是極普遍的偽科學，書店架上塞滿了談占星的書，而且幾乎每一份報紙都會發布每日星座運勢。蓋洛普（Gallup）1986 年發布的一項調查報告指出，52％ 的美國青少年相信星座，而各行各業中，認同占星學中某些亙古流傳說法的人，也多到讓人難過。我說讓人難過，是因為如果那些人相信占星師和占星術，當你進一步思考他們還可能相信哪些人事物，會讓人不寒而慄。一旦那些人手握大權（比方說雷根總統）、卻根據這類信念行事，特別可怕。

占星術主張，人出生那一刻的各星球牽引力，會影響一個人的個性。但這個論點很難讓人接受，理由有二：（一）占星學完全沒有提到這種牽引（或是其他）力道，到底要透過哪一種生理或神經生理機制運作，更別說解釋了；（二）負責接生的產科醫師施加的牽引力，遠高於各個星球。請記住，一件物體對於身體（比方說，新生兒）施加的牽引力，和物體的質量成正比，但和物體與身體的距離平方成反比。這是否代表比較胖的產科醫師接生的寶寶，會有一組人格特質；比較瘦的產科醫師接生的寶寶，會有另一種不同的人格特質？

占星理論中有很多缺陷，但數盲視而不見。他們不太關心運作的機制，也不太想去比較數值大小。話說回來，即使沒有清晰明瞭的理論基礎，但如果占星術有用、有實務證據撐腰，還是應該獲得尊重。只可惜，一個人的出生日期，與標準人格測驗的得分之間，沒有任何相關性。

一直以來，都有人找占星師做相關的實驗（最近是加州大學的蕭恩．卡爾森﹝Shawn Carlson﹞）。研究人員會給占星師看三個匿名的人格特質側寫，其中一個是當事人的。當事人提供所有占星要用到的數據（透過問卷，而非面對面），占星師必須從人格特質側寫中挑出哪一份是當事人。實驗中總共有 116 位當事人，而負責檢驗的是歐洲與美國 30 位最頂尖（由同業判定）的占星師。實驗結果如下：占星師約有三分之一的機率，可以挑出正確的當事人人格特質側寫，也就是說，和隨機猜測沒什麼區別。

凱斯西儲大學（Case Western Reserve Univer sity）物理學家約翰．馬蓋文（John McGervey）檢視《美國科學名人錄》（American Men of Science）上，超過 1 萬 6,000 位科學家，以及《美國政治名人錄》（Who’s Who in American Politics）上，超過 6,000 位政治人物的出生日期，發現他們的星座是隨機且均勻分布在十二個月中。密西根州立大學（Mi chi gan State University）的伯納德．西弗曼（Bernard Silver-man）取得密西根州 3,000 對夫婦的紀錄，發現他們的星座和占星師預測相配的星座之間，沒有相關性。

那麼，為何這麼多人相信占星之說？一個明顯的理由是：在通常語焉不詳的占星預言中，人們會去讀他們想讀到的一切，然後為預言添加根本不存在的真實性。他們也比較可能記得有成真的「預言」，過度看重巧合，忽略其他。其他理由還包括，占星術的歷史悠久（當然，人祭﹝ritual murder﹞和獻祭也同樣古老）。或是因為，它原理很簡單、但操作起來有一定的複雜度，會讓人感到安心。或者是，堅稱這個月能不能墜入愛河和天上的浩瀚星海有關，很能寬慰人心。

我猜，此外還有最後一個理由，那就是在一對一諮詢期間，占星師會從臉部表情、儀態、肢體語言等等，尋找和人格特質有關的線索。我們來看看知名的案例：聰明的漢斯（Clever Hans）。漢斯看來是一匹會算數的馬，牠的訓練師會擲骰子，問牠骰子上面的點數是多少。而漢斯會用馬蹄踏出正確答案，然後停住，旁觀者都大為驚異。但人們看不出來的是，訓練師原先都站定不動，等到馬兒敲到正確的次數，會有意無意地動了一下，就是這樣的反應讓漢斯停了下來。所以，不是這匹馬知道答案，牠只是反映了訓練師知道答案。人常無意間在占星師面前扮演訓練師的角色，占星師就像漢斯一樣，反映出客戶的需求。

美國天文學家卡爾．薩根（Carl Sagan）就說過，要破解占星術以及更廣義的偽科學，最好的辦法就是真正的科學。真正科學的奇妙之處也同樣神奇，不過多了一項優點：這些奇妙之處很可能是真有其事。說到底，偽科學之所以成為偽科學，並不是因為得出的結論稀奇古怪。畢竟，運氣好猜中、機緣巧合、奇特的假說，甚至是一開始的誤信，都在科學上扮演過一定角色。偽科學失當，是因為其結論經不起檢驗，以及無法和其他經過檢驗的主張之間，建立起一致的關係。我很難想像，像演員莎莉．麥克琳（Shirley MacLaine，按：麥克琳是推動新時代運動的先驅）這些人會因為證據不足、或有更好的替代解釋，就去否定通靈等超自然現象。

——本書摘自《數盲、詐騙與偽科學》，2023 年 11 月，大牌出版，未經同意請勿轉載。

source:here

你有沒有看過「動情之後就不會變心的星座前五名」、「做容易劈腿的星座前三名」、「這陣子水星逆行影響最大的星座前三名」等文章標題呢？這些描述真得準嗎？如果不準，為什麼又會有許多人相信呢[1]？

在討論星座之前，我想把半個世紀前有一個心理學家Forer（1949）的一個有趣的實驗挖出來，在這裡稍稍改良一下，讓大家玩玩看：

如果有人送你一束花，你會將它放在家中的哪裡呢？請用直覺立刻回答！

A.客廳 B.臥室 C.廁所 D.玄關 E.餐廳

準備好了嗎？

要公布答案了喔！

.

.

.

.

.

.

「選A的人，你需要別人喜歡你與欣賞你，但你通常對自己很嚴苛。你雖然有個性上的缺點，但通常會加以彌補。你有很多實力沒有好好發揮成你的優勢、你的外在表現很有自律也很自制、內心卻比較焦慮不安。有時候你會比較懷疑自己是不是做對決定或事情。
你比較喜歡事情有多一點改變與多樣性，而且受到拘束或限制時，你會感到不滿。你覺得自己是個獨立思考者，為此感到自豪。在沒有令人滿意的證據下，你不輕易接受別人的說詞。
你也覺得對別人太過坦白是不智的。有時候，你是外向、好親近、和善的，但有時你也比較內向、謹慎、沉默寡言。噢，還有，你有些夢想比較不切實際一些。」
──引自（Wiseman，2008）

先解到這邊，選A的人覺得準嗎？大約有幾成準？如果你是選A的人，請你把準確性用0%~100%默寫在心裡。

選擇性注意的陷阱（selective attention）

實際上，那個花的題目是我胡謅的。而且，我並沒有為選其他選項的人量身訂做任何答案。

在心理學家Bertram Forer（1949）的研究中，他請參與者寫一份小測驗，一週後給「所有」的人都拿到類似上述內容一模一樣的解測報告書[2]，可是，縱使用這種荒謬的做法，還是有超過一半的人認為這測驗很準，在滿分5分的測量中，平均得分4.6分（越高分越準）－－這意味著，人總是選擇性地注意自己認同的事情與資訊。

後來的研究者又重新做了一次研究，請學生用標準的明尼蘇達多項人格問卷（MMPI），然後給他們看兩份結果。其中一是真實測驗的結果本身，另外一個是隨意瞎掰的「模糊」測驗（但學生不知情），問他們相信哪一個，結果有59%的學生覺得瞎掰的結果比較準！

下次看爽報或P-Paper的時候，你可以把星座名稱遮起來，單看每個星座的描述或運勢，你同樣會發現：要命！每個都好像在說自己。這就是有名的巴納姆效應（The Barnum Effect）。

為什麼你會覺得準？

後續的研究者Dickson與Kelly（1985）心想這不科學阿！怎麼會這樣呢？所以針對「假結果」的內容部份做了一些分析，結果發現三個「讓你覺得準」的重要因素：

獨特性：
研究者相信這個結果是他所「獨有」的。你可以看上面這張圖，你會發現「最專情的前五名星座」就是打中了這點，因為只有「我」是專情的！

權威性：
如果那是由研究者、「星座專家」所公布的結果，你就會更信賴它，（反之，某些新聞或媒體你甚至還沒看到他寫什麼就不相信了）（Milgram，1963；朱邦彥，1976）。

正向性：
我們通常喜歡聽好聽話，如果你的內容是「其實你是一個溫柔、又會替別人著想的人……」會比「你很自私，常常堅持己見……」更容易我們覺得「這就是我，只是別人都沒看見我這個部分！」。其實，就算是「堅持己見」也有「好聽的說法」，例如「愛上了就不會放手的五個星座」、「最有主見的三個星座」等等（只能說，嘴砲才是王道阿）。

所以，有些戀愛網站只要用一些花俏的插圖，甚至只要重複、誇大、模稜兩可地列出一些「特質」，很容易讓你在做完測驗後有非常準的錯覺。如果，這個網站又有一些「兩性專家」背書，可信度又會上昇許多。

啊所以星座到底準不準？

那麼，星座到底有沒有用呢？過去研究發現星座預測任何東西的效果量都不同，不過整體來說，你可以發現有些研究獲得很大的效果量，有些研究效果量在「零」的附近徘徊（就是沒有效果的意思），想了解研究細節可以參考「星座與科學」的網站，裡面還是有許多支持（與反對）的研究。

目前心理學家比較一致的答案是：相信星座的人，就會覺得準。

當然，星座學如果用統計來看，當樣本夠大、切分夠細小的時候，或許仍有值得參考的部份（據我所知，占星家瑪法達最近也在做類似的事情，收集台灣大量樣本的資料庫進行研究）。

那真的有「最專情的五個星座」嗎？

其實，我的想法是，如果你相信有「最專情的五個星座」，那就和相信下面這些「真正愛妳的男人會做的七件事」是一樣的[3]：

1. 「回到家之後看手機，第一個Line的是妳。」
2. 「不管妳在不在身邊，妳都在他心裡面。」
3. 「妳笑的時候會陪妳一起笑，妳哭的時候會比妳還傷心。」
4. 「別的男生盯著妳看的時候會生氣，然後告訴妳說他生氣是因為在乎妳。」
5. 「走路的時候會牽著妳的手，騎機車的時候會讓妳的手摟著他的腰。」
6. 「不會對別的女生動心，因為心裡只有妳！」

你之所以會這麼相信這些期待，並不是因為它描述的是真愛，而是因為它戳中了你最深的不安與焦慮。

妳希望有一個人永遠不會離開你、永遠對妳好、眼裡只有你，可是，如果你真正在情場打滾多年就會發現，這些「你知道我知道但是大家都做不到」的事情，其實並沒有辦法真正反映，對方是真的愛妳，還是只是逢場作戲，玩玩而已。

不過，並不是所有的星座都只是巴納姆效應，如果不只是把人切分成12種、還有更多上升、太陽、月亮等等的切分，星座學如果用統計來看，當樣本夠大、切分夠細小的時候，或許仍有值得參考的部份（據我所知，占星家瑪法達最近也在做類似的事情，收集台灣大量樣本的資料庫進行研究）。

尤其最近念了很不科學的榮格心理學之後更產生了兩種比較「溫和」的觀點：

• 很多時候我們談特質，其實只是討論到自己的「顯性」特質而已。在不同情境、與不同人在一起下，我們仍然可能表現出不一樣的自己；甚至否些時候你會發現，那些你所討厭的「別人的特質」，其實自己身上也有[4]。
• 我自己的感覺是，科學、星座、統計、或心理學，都只是一種「看待世界」的觀點、都很有限，沒有誰比較優越，只是不同的人，選擇不同的眼鏡窺見世界而已。

例如，有一次我在跟瑪法達對談的時候，聊到怎麼樣的人在一起比較適合、比較幸福，她用了四種不同象的星座（火、風、水、土）做了一些切割，分成幾種不同類型的人，我則是用交友網站顧問兼心理學家Helen Fisher（2004）的統計結果區分的四種人去討論，但最後我們達到同樣的結論是：沒有哪一對情侶在一起「絕對」會比較幸福，因為每對情侶都有他們的辛苦、也有他們獨特的幸福。

真正要說的話，願意在關係裡面有更多的調整和彈性（flexibility）的情侶，比較能夠透過更種回饋和互動去調整行為，也能一起度過困難（Goldenberg，2008）。

就像我常常說的那句話：

當你給愛情多一點時間，那麼時間也會給你多一點愛情。

註解：

1. 例如這裡有很多「星座的討論」，你可以邊滑邊驚嘆：真是感恩師父、讚嘆師父阿！
2. Forer（1949）後來坦承，那些描述是他從星座書上面摘錄下來的。閜面試他當時用的材料（你可以拿去唬你朋友）
   「你祈求受到他人喜愛卻對自己吹毛求疵。雖然人格有些缺陷，大體而言你都有辦法彌補。你擁有可觀的未開發潛能尚未就你的長處發揮。看似強硬、嚴格自律的外在掩蓋著不安與憂慮的內心。許多時候，你嚴重的質疑自己是否做了對的事情或正確的決定。你喜歡一定程度的變動並在受限時感到不滿。你為自己是獨立思想者自豪並且不會接受沒有充分證據的言論。但你認為對他人過度坦率是不明智的。有些時候你外向、親和、充滿社會性，有些時候你卻內向、謹慎而沉默。你的一些抱負是不切實際的。」引自維基百科。
3. 摘自「真正愛妳的男人會做的七件事」
4. 初學者可以參考這本「圖解榮格心理學（修訂版）」，專業度夠又容易懂

延伸閱讀：

• Dickson, D.、Kelly, I. W. （1985）。 The’Barnum Effect’in personality assessment: A review of the literature。Psychological Reports， 57（2），頁 367-382。
• Fisher, H. E.（2004）。Why We Love: The nature and chemistry of romantic love。New York：Henry Holt and Company。
• Forer, B. R. （1949）。 The fallacy of personal validation – a classroom demonstration of gullibility。Journal of Abnormal and Social Psychology， 44（1），頁 118-123。 doi: 10.1037/h0059240
• Goldenberg, I.（2008）。 Interlocking systems: the individual, the family, and the community [Chapter 4 from: Family therapy: an overview]。載於I. Goldenberg與H. Goldenberg（主編）， Family therapy: an overview。（頁 90-113）。 Belmont, Calif： Thomson Brooks/Cole。
• Milgram, S. （1963）。 Behavioral study of obedience。The Journal of abnormal and social psychology， 67（4），頁 371。
• Wiseman, R.（2008）。 伯特倫。弗爾教授與夜店筆跡學家 (洪慧芳 譯）。載於 讓你瞬間看穿人心的怪咖心理學—-史上最搞怪的心理學實驗報告(Quirkology：how we discover the big truths in small things)。（頁 30-31）。 台北： 漫遊者文化。
• 朱邦彥 （1976）。 自我概念及說服者的權威與聽從性的關係─以台北市國民中學學生為例的實驗研究。新聞學研究（18），頁 135-171。

作為一個司法與科學的研究與實務工作者，相當苦惱的事情之一莫過於在辦案過程中，接收到來自當事人、法官、檢察官、警調、鑑定人甚至律師同道的善意誤解：

「指紋辨識當然是百分百可依賴的科學，沒錯吧？」（Fingerprint Analysis）