司法中的科學與偽科學：十個有用小指標幫你辨識偽科學（六）

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

• 作者： 吳姵瑩

本文摘錄自《不願放手的父母，過度涉入的你》探討有關個人界限、家庭關係對個人造成的影響。本文著重討論家庭中常扮演重擔的「小大人」角色。

有一天，課程上的學員 Peggy 在自我探索時，發現自己身上有小大人的角色。她問我：「老師，我真的有這個角色嗎？可是我承認這個角色真的好嗎？」

親愛的，困惑、猶豫的感受，在自我探索中很常發生。我們都會在面對自己真實的感受時，感覺到強烈的恐懼和不安；因為這就像是一股指責父母的壓力，似乎因為父母不盡職，而讓你背負某種責任和壓力。

你會一直要自己替別人著想，自我催眠：「能力好就責任大，因為我是家中的長子／長女，所以我承擔責任是應該的，長子如父、長女如母，這本來就是理所當然的。」

可是這個小大人的角色，有時候會是一輩子的，它除了犧牲你的童年，還可能會一路挾持你的青春歲月到終老。有的小大人會以為：只要我的弟弟妹妹都開始工作，也許就能解脫了，但事實往往不然。

家庭的問題，老大是被期望的「小大人」

Peggy 年近六十，和先生兩人都已退休。她工作了一輩子，開始希望能享清福，但卻發現自己並不快樂，有很多照顧的責任和壓力。她有一個快九十歲的老母親，還有事業有成，卻還是「需要幫忙」的弟弟妹妹。甚至遠在歐洲的妹妹一通電話打來，她就會拋家棄子地飛過去幫忙。

「我有時候覺得自己是所有人的媽媽：老公的媽媽、孩子的媽媽、媽媽的媽媽，甚至也是弟弟妹妹的媽媽……」

她有點無奈地說著，話語中卻帶著一絲絲驕傲，像在說著有很多人需要她，她還是精力旺盛，即使六十歲了也還是很有功能。

但是，這個小大人的形成，背後卻有著強烈的委屈和辛酸。

「我印象好深刻，小學三年級的時候，我放學後跟同學在公園裡玩遊戲玩得很開心，晚了半小時回家；回家後媽媽很生氣地甩了我一巴掌，痛罵我一頓。確切的內容我已經忘記了，只記得自己覺得做錯事，還有媽媽說的那句話：『妳知道家裡有多少張嘴巴等妳吃飯嗎？』以及轉過頭時，弟弟妹妹無助的眼神。」

她在那瞬間忘了自己的委屈和無助，只留下巨大的罪惡感和責任感。她也明白：從那一刻起煮飯、照顧弟妹，還有盯他們的功課都要由她一手包辦，她不再擁有童年。

父親後來得知這件事，只淡淡地說了一句：「小孩子就想玩，讓他們晚一點吃飯有什麼關係。」但似乎也於事無補，因為父親實際上沒幫上任何忙。她繼續忙碌做事，只為了讓母親開心和安心。

在 Peggy 的父母關係中，母親其實是孤單且不被理解的。

在農業時代，做媳婦的總是要張羅許多事情；但每次做決定後，先生卻都是淡然又不以為意，只覺得太太把很多事情放大檢視，只想息事寧人，自己卻不一定幫得上忙。失望的母親只能將期許或擔憂分配給孩子，也愈來愈少向自己的先生求助，轉而開始在大女兒身上找寄託。

被「責任感」淹沒，又害怕不再被需要

Peggy 是家中最早懂事的孩子，即使一開始對自己不能跟同齡孩子一樣玩樂有所埋怨，也總是羨慕身旁年齡相仿的孩子可以自在享樂，也可以只專注於自己的學業；但終究，她還是會覺得自己的辛苦跟母親的苦比起來根本不算什麼。

自此，即使年齡和歲月增長，她依舊對弟妹的事情一手包辦，弟妹也將一切視為理所當然，需要幫忙的時候才會想到姊姊。先生經常為此對她感到憤怒，因為她總是為了弟妹而丟下先生。在先生終於跟她大吵、要求離婚時，她才真正意識到自己的多重角色，並開始正視這件事。

親愛的，從家族系統的角度來看，「小大人」的角色已經讓家庭結構失衡。在早期的環境裡，有許多不得已的因素讓長子／長女成為超級照顧者；但到了一定年紀，就應該要讓自己卸除這個角色。

然而，困難之處就在於：「我很怕自己不再被需要」、「我不忍心不去幫他們，放他們變成那樣」、「如果我不去做，我媽一定會說『妳這個姊姊是怎麼當的』」等等，諸如此類的自我內言。

過度負責的傾向，加上渴望被認可和需要的習性，讓「小大人」們難以從這個角色中跳脫，而容易被他人言語使喚甚至勒索。

你往往會很容易感到內疚，會因為過往發生的某次（或不只一次）家庭事件，而學會用照顧與順應性高的特質來保護自己、掩蓋自己心中真實的想法和渴望。

即使事過境遷，你已經不再需要當小大人，可以真正傾聽內心聲音，還是會有回不去的感受—─因為在你心中，仍存在著一個被禁錮的孩子。

永遠無法突破「能者過勞死」的窘境？

當一個孩子長期穿戴保護機制，也就是扮演小大人的角色，其實會違反孩子發展的狀態。

玩樂能刺激成長的過程，並豐富孩子的內在創造力；當孩子不能真實做自己，就會出現許多否認機制，包括：否認自己、否認內心感受，甚至是否認認情感連結與關係。所以就算有許多人圍繞在身邊，你仍會感覺到空虛與空洞，因為你並沒有真正接觸到自己，更沒有真正被理解。

然而，基於關係的互補性，愈是能幹負責的人，身旁就愈容易環繞失功能又看似脆弱無助的大寶寶，或者難以對自己行為負責又任性的小孩。

因此，你便容易在一邊付出、一邊感覺被需要而滿足的同時，因他們視一切為理所當然而感到憤怒，或者指責他們不知感恩；卻又在他們需要你的時候，馬上飛奔過去。

孩子有時也會成為夫妻關係互補性中的補償。當太太總覺得有事要發生、總是想要未雨綢繆，先生卻總覺得那沒什麼、沒什麼好大驚小怪的。久而久之，這個家就似乎是太太在操持。

當太太過於勞累又缺乏支持，孩子就會一躍而入成為支持與協助母親的角色，補償家庭裡失衡的關係結構。

所以，你該怎麼做呢？

盡力成為最好的自己

請讓自己時時保持自覺。我們的確不可能把所有的角色都當好，所以時常傾向當我們最習慣、最有成就感，或是得罪最少人的角色。因此，有可能出現一些弔詭的現象，例如：努力當好「姊姊」，而忽略了「妻子」的角色。

也因為，我們讓自己困在那個想要玩樂的孩子的罪惡感中，因此不管被使喚，或感覺被勒索，都是因為我們的情緒早在童年就被挾持，讓我們無法放過自己、不允許自己有一絲懈怠。因為真正讓你恐懼的，就是再度籠罩在小時候那無助的罪惡感中。

當你可以看向自己，看向這已經長大的孩子，同時看向弟妹，看見他們都已經成年，你可以不斷提醒自己：他們已經是有能力的成年人，你也不再是需要依靠父母而生的孩子。你不用再汲取父母的認可，來確保自己安全無虞。

有許多人在步入中年後，會開始能夠鬆動身上小大人的角色。大部分原因是，他們終於認知到父母對孩子的需求沒這麼大；或是父母開始能夠彼此相處，因而減少了對孩子的責備與關注力，讓孩子得以獲得「做自己」的空間。

所以親愛的，當你看懂這一切，請你抱抱內在小孩。玩樂向來是孩子的語言，孩子不該因為玩樂被處罰，而是需要被好好理解和擁抱。當你的罪惡感又升起時，請你想想內在小孩的無助，抱抱他並且告訴他：

「你已經很棒了，你不用做這麼多，這不是你的責任，放心吧！」

一次次讓自己更安心，也一次次肯定自己的價值，你最後就能脫離「小大人」的角色。

全文摘自《不願放手的父母，過度涉入的你》，2019 年 5 月，遠流出版

• 文／蔡亭安 │ 目前就讀於輔大生科系，現任理工代會文書紀錄。從小對生物的奧秘感到驚奇，以科學家為夢想前進，現在離夢想越來越近卻發現路卻越來越艱辛。偶爾賣弄一下文筆，紀錄生活中的奇趣。

回歸正題，我們知道「司法」與「科學」是兩種不同的知識與權力體系，當兩者交會時，會碰出什麼樣的火花？多數法官作為一名「科學素人」，會用什麼樣的角度去決定經過假設、實驗與同儕審查的科學資料？究竟，科學資料可不可以作為呈堂證供？

這次，2016 泛知識節邀請到瀛睿律師事務所的易先勇律師，帶著大家一窺司法到底如何「解讀」科學。

台灣的法庭如何運作？

記得當年轟動全台的非法食品添加物 ── 塑化劑嗎？塑化劑事件爆發後，許多消費者向法院控告這家廠商，他們的求償金額為 78 億台幣，但最後僅判賠 120 萬元，原因是法官認為提告者沒辦法說明「塑化劑吃下肚後，對人體會造成什麼樣的危害」。

「要打倒恐龍法官，就得先了解什麼是恐龍。」易先勇笑說：「當然，並非所有的法官都是恐龍。」

多數人受到歐美電影、電視劇的影響，常想像在法庭上，律師們會拿著許多證據、資料，直接對著民眾或證人說：「小姐，你為什麼前後陳述矛盾？你是不是在說謊？」法庭內看似充滿了戲劇張力，只不過這些多多少少都有戲劇效果的考量，也不是在台灣的法院系統容易見到的場景。他由下面兩張圖解釋，在台灣法院中，這種充滿張力的演出並不多見，取而代之的是：每個人都緊緊盯著眼前電腦或投影幕的畫面。

「我們主要由律師論述、書記官紀錄。台灣法院好比一台機器，法官就是技術員領班，指揮兩造律師與書記官將陳述輸入機器之中。」

美國則採「陪審團制度」，地方法院找一群當地居民組成陪審團，陪審團只會根據法庭上聽到的論述、證據或當事人的神色做判斷，並提供「事實」給法官，法官不去評斷這個「事實」，僅尋找適用於這個「事實」的法律。「受此制度影響，美國訴訟著重於辯論交鋒，很著重當下聽到的陳述。反觀台灣，比較重視書狀的提出，法官習慣從筆錄、卷證中的記錄與文字來思考判斷，因此，彼此熱絡鋒的機會相對較少。」

事實跟法律都很重要，而當我們將這兩者交由同一人去審判，這個人就變得很重要了。

因此，「自由心證」便是台灣制度下，賦予專業法官同時決定事實與法律的判斷空間。「這是因為，在專業法官的體制下，我們信賴他們的判斷，把事實與法律都交給他們。但不同的法官，受到自身經歷與主觀經驗的影響，評斷角度多多少少會不一樣，有時甚至會有所衝突。」

易先勇律師強調，像是在車禍中，事發原因和結果通常顯而易見、且事發時間較為短暫；但如「食品安全」、「職業災害」、「環境汙染」等事件並非馬上出現反應，需要長時間的作用，甚至會受到個案不同背景因素的複雜影響，這些例子便涉及到科學以及因果關係的判斷。

「但就像剛才說的，科學有檢視因果關係的方式，受過專業訓練的法官也有一套判斷準則，兩者的想法有時不會一致。」易先勇說。

司法 V.S. 科學

他說，在法院的傳統見解中，若要承認 A 與 B 有因果關係，必須是「同一條件下，均有此結果發生」，這便稱為「相當因果關係」。

進一步查看定義，相關因果關係指的是「依經驗法則，綜合行為當時所存在之一切事實，為客觀之事後審查，認為在一般情形之下，有此環境、有此行為之同一條件，均可發生同一之結果者，則該條件即為發生結果之相當條件，行為與結果即有相當之因果關係。」但是，若 A 導致 C，B 也可以導致 C，這表示不必然要有 A 才會有 C，也許是 B 導致了 C，如此一來，A 和 C 也許就某些情況有所關聯，卻不存在所謂的「相當因果關係」。

那麼，從科學的角度怎麼看？最常見的是透過「統計」檢視，但也僅能知道在某信賴區間的要求下，機率上多半有此結果，不見得符合有同一條件，均可發生同一結果的要求。

易先勇以職業災害為例。「假設一名客運司機已無休息地連開三天車，這天開車時突然病倒了，他的家人一定會責備貨運公司讓員工過勞，並提告貨運公司造成職業傷害。但是，這件事在法院審查中必須有一定的成因及要求，必須證明是因為『執行雇主的要求』這個前因，才會導致『病倒』這個後果，這也就是我們所說的『業務遂行性』。若能證明災害（病倒）與職務（長期工作）間有相當因果關係，則具有『業務起因性』。」

對法官而言，相當因果關係不見得能在這種案例中，得到一個最適切的判斷，也因此面對這個傳統見解與科學論證的衝突或調和，法院便產生了幾種不同觀點。

實戰演練：以職業傷害為例

易先勇律師將法官判斷數據的方式歸類為四種：科學權威派、大家找碴派、嚴格因果派、舉證責任派。

從舉個例子來說明這四種的差異：

有一位中年汽車行男雇員，工作內容包含洗車、整理、車輛移動等工作，並兼任業務代表，上午 7:30 分上班，雖然該店 22:00 即結束營業，但需要進行移置車輛等後續作業，常延至凌晨才回家。

某天他在烈日下洗車時突然倒地，送醫急救發現有腦中風症狀，治療之後由家人送往護理之家照護。雇主認為沒有異常因素、不承擔職災補償，主管機關的委員會鑑定結論也不挺，家屬找上了法院，法官會怎麼辦？

科學權威：尊重主管機關的鑑定結果

原理：依據三權分立與功能最適理論，法院原則上不置喙高度專業性的判斷。

說明：認為司法的本質無從判斷高度專業或屬人性的事件，因此選擇尊重、接受由專業人員鑑定出來的結果。

大家找碴：我是想信鑑定但是有瑕疵

原理：行政機關保有判斷餘地，但法院仍有審查權限，鑑定結果是出於事實錯誤或不完全的資訊，訪問對象跟就醫記錄都有問題！

說明：對於收集資料的方法以及整理資料的方式存在質疑。

在鑑定結果中包含以下兩點：一、鑑識人員發現，這名男子本身患有高血壓，在烈日下工作本來就有風險，與過度壓力或超時工作無關。二、男子在洗車之前都無異狀，而工作狀況也與他平時工作時沒有異處。

後來開庭時，法官發現，雖然鑑定結果得知男子具有高血壓，但在他的就診紀錄裡完全沒有高血壓的相關病史；而法官向男子同事詢問了其工作狀況，才知道鑑定報告採樣的那位同事，原來才到職三個月，根本對當事人的情形或公司對待員工的方式還不是很熟悉。因此，法官認為這樣的科學資料是錯誤或是不完全的，不能採信。

嚴格因果：不存在相當因果關係

原理：一個人中風的原因很多，包含年齡、不良的生活習慣等等，不能僅憑工作情形，就認定因果關係（混淆因子）。

說明：雖然這個當事人中風倒下，但也有可能因為他最近較勞累，造成免疫力低下，所以才會昏倒，但要將這全部的責任歸因於雇主，仍有疑慮。在流行病學中，這種與「原因」與「結果」可能有所關聯的其他因子，被稱為「干擾因子」。一個人的生活環境所累積、造成的身體素質，也有可能是導致他疾病的可能性之一。因此回到相當因果關係的判斷，法官可能也會認為並不全然是因為有此條件（過度勞累）均能有此結果（中風倒下）。

舉證責任：降低門檻，因果關係成立

原理：主張權利者，需就權利存在之法定要件，負舉證責任。但是有原則就有例外，若已具備諸多跡證，就該要由他方負責提出反證，並承擔敗訴風險。

說明：首先說明何謂「舉證責任」。舉例而言，今天走在路上不小心被一個人撞到，你必須向法官澄清三件事情：第一，他撞到我。第二，我受傷了。第三，他撞到我所以我受傷了。因此，負舉證責任的原告必須證明其中的相當因果關係才成立；如果舉證不足，那麼就必須承擔敗訴的責任，法院不會支持你的請求。在這種派別的想法，如果男子有較長時間的工作，又有勞累或身體健康不佳的狀態等等條件，原則上法官會認為相當因果關係成立，反倒是雇主（或被告）要去提出反證來駁倒這些跡證的加總，並不足以認為相當因果已經成立。

易先勇用幾句話加強大家對這四種類別的認識：

1. 科學權威派 → 讓專業的來
2. 大家來找碴 → 蛋裡挑骨頭
3. 嚴格因果派 → 傳統不可破
4. 舉證責任派 → 換人來舉證

最後，他以媒體的報導作結：「新聞常把不同法官的東西放在一起，然後下個標題，去質疑為什麼同樣是台灣法官，卻有不一樣的判決結果？其實這種說法常常忽略法官對不同個案細節的判斷，也忽略台灣法官本來就享有『獨立審判』的權限。未來大家看到批評判決的新聞時，不妨多查點資料，搞不好可以碰觸到許多未曾思考過的觀點與看法。」

（續上篇）

指標8. 「是你要證明我錯，不是我要證明我對」：舉證責任倒置

許多偽科學領域的共通特色是：先講先贏。我先丟一個理論或作法出來，在沒有人證明我有錯之前，我就是可以被接受的科學原則。

但科學不是這樣跑的（Science does not run like that.）。

科學家為甚麼每個都這麼辛苦，生活在無盡的理論實驗與數據之中，幹得要命？正是因為：科學理論建立的基本原則，就在於提出理論者必須透過各式的假說驗證、證據檢視、實驗結果等，來一步步的證立或修正他早先提出的理論。做不到？那就回家吃自己。理論進垃圾桶（念博士班之後特別有這種悲情感受…）。

但偽科學理論的倡議者或接受者往往不這樣想，他們不願意證明自己是對的，卻常要求別人要證明他們是錯的。

舉例來說吧：在國外因為鬧出諸多性侵冤案，已經漸漸被揚棄的指證娃娃（anatomically detailed doll）（見上圖），在台灣的使用正是方興未艾。

這樣的指證娃娃之所以被使用，乃是基於：疑似性侵被害者的兒少，或許因為年齡問題、智力問題、情緒問題或壓力問題，無法靠自己的陳述來指證被害的歷程之類的思維而生。因此，國內就有司法實務人士與學者支持：透過指證娃娃的利用，來協助兒少在性侵或家暴案件的陳述。

但當科學家或者辯護人依據心理學與邏輯指出：指證娃娃的利用可能不僅不容易透過「協助」取得接近正確的陳述，反而可能因為「誘導」（詢問者的言語加娃娃的利用），以及指證娃娃本身具備的意涵（與性相關的場域），而迫使指證者重新打造出原本不存在的記憶時，支持指證娃娃的人往往會說：小孩都自己指出來摸那裡了，難道會假嗎！那你們要證明使用這個娃娃有問題啊！要證明被告確實無罪啊！之類的說詞。

為什麼不是指證娃娃的支持者要提出理論與實務數據來支持這樣的做法確實有「協助回復記憶」的顯著性呢？我也不知道。

或許是因為，辯護人（就我啦，其他辯護人都很正義）永遠站在邪惡的一方之故吧。

（續下篇）