網站更新隱私權聲明
本網站使用 cookie 及其他相關技術分析以確保使用者獲得最佳體驗,通過我們的網站,您確認並同意本網站的隱私權政策更新,了解最新隱私權政策

0

5
2

文字

分享

0
5
2

依附傾向:我對你的依附沒有絕對分類──依附理論系列(二)

貓心——龔佑霖
・2016/10/13 ・3558字 ・閱讀時間約 7 分鐘 ・SR值 560 ・八年級

編按:在本系列的第一篇〈依附理論的起源:我們為什麼會依賴別人〉中,提及了依附理論從最初的嬰兒對於母親的依賴,延伸到後來運用在愛情世界裡,簡單地介紹了古往今來(?)依附理論的研究脈絡。在上篇文章的最後,作者也提到了近代心理學家將依附傾向分成了四個類型,或許你會好奇這些類型該怎麼區分?而自己又屬於哪種依附傾向?就讓作者繼續帶我們看下去。

從類別區分到向度區分

當前最主要的依附研究,大多採取向度的測量而非類別的測量,也就是說,我們不再把人分為絕對的安全型依附、焦慮型依附、逃避型依附類型等等,而是以一個人在焦慮依附與逃避依附向度上的得分,把人的依附類型畫在一個 2 × 2 的座標軸上。

那麼,為什麼現在的依附理論,不再採取「類型」做為區分依附類型的標準,而改以「程度」做為區分的方式呢?原來,那是因為原本所採取的類型區分,在研究上會遇到一些問題[1][2],例如,原本的類型分類,其實是假設了安全型依附、焦慮型依附、逃避型依附等三個類型之間是沒有關連的;但實際上,我們並沒有辦法確定一個人的依附特質是不是能夠完全地歸類成某個類型;而且,即使我們成功地把一個人區分成某一個依附類型,我們也沒有辦法知道他的焦慮程度有多高?逃避程度有多高?

不同依附類型並非是截然獨立的,只是程度上的不同而已。 圖/wikipedia

因此,為了更為詳細的測量依附特質,就有一群心理學家[1][2][3],將哈珊與薛佛當初編制的三種依附類型測量[4]拆解成好幾個句子,並讓受試者針對每一個句子做評分,從而得到更詳盡的成人依附特質。而布倫南、克拉克與薛佛則進一步將當前採用的所有依附量表,進行統計上的因素分析,得到了兩大依附向度,分別為「焦慮向度」與「逃避向度」[5],而這份量表也成了當前最常被採用的依附量表。根據他們所編製的兩向度量表,可以將依附風格分成四種類型,分別為:

●高焦慮低逃避的焦慮依戀(又稱焦慮 / 矛盾型,anxious-ambivalent)

●低焦慮、高逃避的逃避依戀(avoidant)

●低焦慮、低逃避的安全依戀(secure)

●高焦慮、高逃避的矛盾依戀(又稱紊亂型依附風格,disoriented / disorganized)

依戀風格
圖/作者繪製。

而國內的學者林佳玲亦曾翻譯、編修該量表,根據她的研究結果,這份編修後的量表在國內的研究上也具有良好的效度,能夠有效測量國內受試者的依附程度[6]。

或許你會問我說,到頭來還是把依附風格給分類了呀!不過這和原本的類型學假說是有所不同的,過去的類型是用完全獨立、不同分類的觀點來看待不同類型的人;但現在的看法則是依造傾向性的方式來看不同依附向度的人。就好像在台灣的統獨議題上,有些人是極端的獨立派、有些人是極端的統一派、有一些人則是站在中立的位置上一樣,我們還是可以依照傾向來把一個人分成不同的依附類型,只是這個類型區分並非絕對的,而是傾向性的區分方式。

除此之外,雖然我們每個人都會有一個主要的依附風格(global attachment style),但是針對不同的互動對象時,仍會發展出特定關係的依附風格(relationship-specific attachment styles)[7],例如你可能和家人互動時是焦慮型依附風格,但是你卻和伴侶建立起安全型的依附關係。

焦慮與逃避向度的意涵

freely-10157
圖/Freely Photos

那麼,焦慮和逃避這兩個向度所代表的意涵又是什麼呢?國內學者孫頌賢將這兩個向度的概念整理如下(改寫自原論文p.22)[8]:

焦慮(anxiety) :當一個人在和伴侶互動時,常常會擔心失去這段感情,而時常對於彼此的分離感到擔憂與焦慮。這種分離可以是實際上的分離(如暫時無法碰面),也可以是想像中的分離(如對方在一段時間內都未讀自己的訊息)。尤其當一個人處在壓力之中時,更容易感受到此種焦慮感。如:「我很害怕聯絡不上對方」、「我需要對方不斷保證他/她是愛我的」、「我很難忍受彼此分離」。

逃避(avoidance) :當一個人在和伴侶互動時,會擔心對方不願親近自己;也因此,這個人也不願意與對方太過親近,甚至會刻意疏遠對方、維持一定的距離。例如:「我擔心彼此的關係太過緊密,這樣我會很不安。」「當對方太親近我時,我會試圖躲開。」

因此,所謂的焦慮型依附,指得就是在依附量表中焦慮分數得分較高、逃避分數得分較低的一群人;逃避型依附則是在逃避分數得分較高、焦慮分數得分較低的另一群人;而安全型依附則是在兩個分數上得分都較低的那群人。關於這三種依附類型,分別會在不同互動情境當中表現出不同的特性,後面的文章會慢慢介紹;至於量表當中還有一種類型的人,我們稱之為矛盾型依附或是紊亂型依附,則是在焦慮和逃避向度上得分都較高,關於這一種類型的人,如同前一篇文章所提到的,他們沒有特定的反應模式,而是依照環境表現出焦慮的特性或是逃避的特性。

值得注意的是,如同前面所提到的,不同的依附類型在焦慮與逃避分數上,只是程度上的差異而已,並不是類別上的差異[9],也就是說,一個安全型依附的人和一個逃避型依附型態的人,他們只是對於能不能和他人太親密這一點有著程度上的差異而已,並不是兩個本質上完全不同的人。

IMG_1094
依附類型的不同,只是程度上的差異而已,並非本質上的不同,就好像我們都活在同樣的世界當中,只是看到了不同的景色罷了。 圖/Psyphotographer(作者攝影粉專)

巴塞洛繆與霍洛維茨:另一種雙向度依附風格區分方式

除此之外,心理學家巴塞洛繆與霍洛維茨[10]採取了另外一種模式來闡釋依附理論,他們透過訪談法,結合鮑比的理論,發展出了「內在自我意象」「內在他人意象」兩軸的依附理論。所謂的內在自我意象指得是一個人對自己的看法,一個人是怎麼看待自己的呢?對自己是有自信的呢?還是覺得自己是不值得被愛的呢?同樣的,內在他人意象則是自己對周遭他人的看法,一個人是怎麼看待其他人的呢?其他人是友善的嗎?或是充滿敵意的呢?

依附軸 內在自我

由這兩個向度,也可以將依附理論分成四種類型:

安全依附型態(secure attachment):認為自己是可愛的、值得被愛的,他人也是值得信任且會給予自己回應的,這種人在人際關係中能夠獨處,同時也能享受親密。

焦慮依附型態(preoccupied attachment):這一種類型的人對自己的看法是負面的,對自己沒有信心,覺得自己不值得被愛;但他們卻對其他人抱持著正向的看法,認為他人是值得相信的。但是這種人因為對自己的自卑,認為其他人比自己好,因此在關係中很擔心會被拋棄,必須不斷尋求他人認同以獲得肯定。

排除依附型態(dismissing attachment):這種人對自己抱持著正向的看法,但是卻不信任其他人,為了保護自己,他們會逃避和他人建立親密關係,傾向於保持界線與獨立。

逃避依附型態(fearful attachment):這一類型的人,對於自我和他人都帶著負向的看法,認為自己不值得被愛,他人也難以信任,雖然他們希望獲得他人的肯定,但為了避免預期中的傷害,他們會逃避關係來保護自己。

總結而言,這一篇文章是針對目前主要採行的依附理論量表做一個簡單的介紹;從下一篇文章開始,我將回顧近年來對於依附理論如何應用在生活中各個層面的研究,幫助讀者更了解不同依附模式會在各種情境當中展現出怎麼樣的互動模式。

 

附註

無論是你在本系列文章,或是其他書籍當中讀到的「安全型依附」、「焦慮型依附」、「逃避型依附」、「紊亂型依附」,都是採取傾向性、向度化的測量,均為光譜的概念,而非絕對的分類,特此註明。

延伸閱讀

  • [1]Collins, N. L., & Read, S. J.(1990). “Adult attachment, working models, and relationship quality in dating couples,” Journal of Personality and Social Psychology 58, 644-663.
  • [2]Simpson, J. A. (1990). “Influence of attachment styles on romantic relationships,” Journal of Personality and Social Psychology 59, 971-980.
  • [3]Mikulincer, M. , Florian, V., & Tolmacz, R.(1990). “Attachment styles and fear of personal death: A case study of affect regulation,” Journal of Personality & Social Psychology 58, 273-280.
  • [4]Hazan, C. and P. Shaver(1987)Romantic love conceptualized as an attachment process. Journal of Personality and Social Psychology, 1987 ,52(3),511-524.
  • [5]Brennan, K. A., Clark, C. L., & Shaver, P. R. (1998). “Self-report measurement of adult romantic attachment: An integrative overview,” In J. A. Simpson & W. S. Rholes (Eds.), Attachment theory and close relationships (pp.46-76).New York: Guilford Press.
  • [6]林佳玲(2000)。 夫妻依附風格、衝突因應策略與婚姻滿意度之相關研究。國立台灣師範大學教育心理與輔導研究所碩士論文。
  • [7] Baldwin, M. W., Keelan, J. P. R., Fehr, B., Enns, V., & Koh-Rangarajoo, E. (1996). Social-cognitive conceptualization of attachment working models: Availability
  • and accessibility effects.Journal of Personality and Social Psychology, 71, 94–109.
  • [8]孫頌賢(2006)。是鴛鴦還是冤家?愛情伴侶中依附風格配對之人際行為對關係品質的影響。
  • [9]Fraley, R.C., & Waller, N.G.(1998). “Adult attachment patterns: A test of the typological model,” In J. A. Simpson & W.S. Rholes(Eds.), Attachment theory and close relationships (pp.77-114). New York: Guilford Press.
  • [10] Bartholomew, K., & Horowitz, L. M. (1991) . Attachment styles among young adults: a test of a four-category model. Journal of Personality and Social Psychology, 61, 226-244.

 

文章難易度
貓心——龔佑霖
73 篇文章 ・ 57 位粉絲
心理作家。台大心理系學士、國北教心理與諮商所碩士。 寫作主題為「安全感」,藉由依附理論的實際應用,讓缺乏安全感的人,了解安全感構成的要素,進而找到具有安全感的對象,並學習建立具有安全感的對話。 對於安全感,許多人有一個想法:「安全感是自己給自己的。」但在實際上,安全感其實是透過成長過程中,從照顧者對自己敏感而支持的回應,逐漸內化而來的。 因此我認為,獲得安全感的兩個關鍵在於:找到相對而言具有安全感的伴侶,並透過能夠創造安全感的說話方式與對方互動,建立起一段具有安全感的關係。 個人專欄粉專: https://www.facebook.com/psydetective/ 個人攝影粉專: https://www.facebook.com/psyphotographer/


1

0
0

文字

分享

1
0
0

Deepfake 不一定是問題,不知道才是大問題!關於 Deepfake,你需要知道的是⋯⋯?

TingWei
・2022/01/24 ・3489字 ・閱讀時間約 7 分鐘

編按:你的理智知道「眼見不為憑」,但你的眼睛還是會背叛你的理智,不自覺得被眼前的影像所吸引,儘管你真的、真的知道他是假的。Youtuber 小玉於2021年底涉嫌利用 Deepfake 技術,偽造多位名人的色情影音內容並販售的事件,既不是第一起、也不是唯一、更不會是最後一個利用「深偽技術」進行科技犯罪的事件。

當科技在走,社會和法律該如何跟上甚至超前部署呢?本次 Deepfake 專題,由泛科學和法律白話文合作,從Deepfake 技術與辨偽技術、到法律如何因應,讓我們一起全方位解析Deepfake!

第一篇,讓我們就 Deepfake 技術做一基礎的介紹,那我們就開始囉!

什麼是 Deepfake?

深偽技術 Deepfake 於 2017 年陸續開始進入大眾的目光中。原文 Deepfake 源自於英文「deep learning」(深度學習)和「fake」(偽造)組合,主要意指應用人工智慧深度學習的技術,合成某個(不一定存在的)人的圖像或影片、甚至聲音。最常見的應用,就是將影片中的人臉替換為另一張臉(常是名人),讓指定的臉在影片中做出自己從未說過或做過的事情。

利用深度學習技術合成或是置換人臉的技術,都是屬於Deepfake。圖 / stephenwolfram

現今談到 Deepfake,大多數人想到的可能是偽造的成人影片,就如前述 Youtuber 小玉的事件,Deepfake 一開始受到關注,主要與名人或明星的臉部影像被合成到成人影片有關,然而,Deepfake 的功能遠不僅於此,相關的技術使用還包括了替換表情、合成一整張臉、合成語音等等。

除了像是讓過去或現在的名人在影片中「栩栩如生」做出使用者想要的表情與動作,之前在社群媒體上曾有好幾款 APP一度風靡,包括上傳一張照片就可以看看「變老」「變性」自己的 FaceApp,甚至於讓自己的臉在經典電影中講上一段台詞的「去演」APP,這類的功能也是應用前述 Deepfake 的技術。

雖然有些線索顯示這類 APP 常有潛在的資安疑慮[註],但好歹技術的成果多屬搏君一燦自娛娛人,尚可視為無傷大雅。

「栩栩如生」的愛因斯坦

而過往電影的影音產業要仿造人臉需要應用許多複雜、耗時、昂貴的電腦模擬,有了 Deepfake 相關的技術,也使得許多只能抱憾放棄的事情出現了彌補的空間。最有名的應用應是好萊塢電影《玩命關頭7》與《星際大戰》系列。《玩命關頭7》拍攝期間主角保羅・沃克(Paul William Walker IV)意外身亡,剩下的戲份後來由弟弟擔綱演出,劇組再以 Deepfake 的技術讓哥哥弟弟連戲,整部電影才得以殺青上映。

Weta Digital 說明如何讓保羅・沃克的弟弟 Brian O’Conner 能透過 Deefake 的技術,繼續協助 保羅・沃克演完《玩命關頭7》

Deepfake 讓「變臉」變得太容易了?

想想過去的電影如《魔戒》中的咕嚕、或是 2008 年布萊德・彼特主演的《班傑明的奇幻旅程》,將影片或照片中人物「換臉」「變老」的修圖或 CG 技術,在 Deepfake 出世之前就已經存在了。Deepfake 受到關注的核心關鍵在於,應用 AI 的深度學習的演算法,加上越來越強大的電腦與手機運算能力,讓「影片換臉」這件事情變得越來越隨手可得、並且天衣無縫。

利用CG技術把布萊德・彼特「變老」。 圖 / © 2008 – Paramount Pictures

過往電影中採用的 CG 技術要花好幾個月由專業人士進行後製,才能取得難辨真偽的影像效果,而應用了 AI 演算法,只需要一台桌上型電腦甚或是手機,上網就可以取得軟體、有機會獲得差強人意的結果了。

進一步,傳統軟體演算法主要依靠工程師的持續修改調整,而如 Deepfake 這類技術,內部的演算法會經過訓練持續進化。有許多技術被應用於提高 Deepfake 的偽造效果,其中最常見的一個作法被稱為「生成對抗網路(Generative Adversarial Network, GAN)」,這裡面包含了兩組神經網路「生成器(Generator)」和「辨識器(Discriminator)」。

在投入訓練資料之後,這兩組神經網路會相互學習訓練,有點像是坐在主人頭上的小天使與小惡魔會互相吐槽、口才越來越好、想出更好的點子;在練習的過程中,「生成器」會持續生成偽造的影像,而「辨識器」則負責評分,反覆訓練下來,偽造生成的技術進步,辨識偽造的技術也得以進步。

舉例來說,This Person Does Not Exist 這個網站就充滿了使用 GAN 架構建構的人臉,這個網站中的人臉看上去非常真實,實際上都是 AI 製造出來的「假臉」。

This Person Does Not Exist 裡的「假臉」。

Deepfake 影片不一定是問題,不知道是 Deepfake 才是問題

現今的 Deepfake 技術得以持續進步、騙過人眼是許多人努力的成果,也不見得都是壞事。像是《星際大戰:俠盜一號》片尾,年輕的萊婭公主出面驚鴻一瞥,就帶給許多老粉絲驚喜。這項技術應用癥結在於,相關演算法輕易就能取得,除了讓有心人可以藉以產製色情影片(這類影片佔了Deepfake濫用的半數以上),Deepfake 製造的影片在人們不知情的情況下,很有可能成為虛假訊息的載體、心理戰的武器,甚至於影響選戰與輿情。

因此,Deepfake 弄假似真不是問題,閱聽者因此「不辨真假」才將是最大的問題所在。

歐巴馬的 Deepfake 影片

相關的研究人員歸納了幾個這類「變臉」影片常見的特徵,可以用來初步辨識眼前的影片是不是偽造的。

首先,由於 AI 尚無法非常細緻的處理一些動作細節,因此其眨眼、視線變化或臉部抽蓄的動作會較不自然。其次,通常在邊緣處,如髮絲、臉的邊緣線、耳環等區域會出現不連貫的狀況。最後,在一些結構細節會出現不合理的陰影瑕疵,像是嘴角的角度位置等。

由於現階段的 Deepfake 通常需要大量的訓練資料(影像或影片)才能達到理想的偽造成果,因此會遭到「換臉」的受害者,主要集中在影像資源豐富的名人,如電影明星、Youtuber、政治人物等。需要注意的是,如果有人意圖使用 Deepfake 技術製造假消息,其所製造的影片不見得需要非常完美,有可能反而降低解析度、非常粗糙,一般人如用手機瀏覽往往難辨真假。

人眼已經難辨真假,那麼以子之矛攻彼之盾,以 AI 技術辨識找出 Deepfake 的成品,有沒有機會呢?隨著 Deepfake 逐漸成為熱門的議題,有許多團隊也開始試圖藉由深度學習技術,辨識偽造影像。2020 年臉書與微軟開始舉辦的「換臉偵測大賽」(Deepfake Detection Challenge)就提供高額獎金,徵求能夠辨識造假影片的技術。然而成果只能說是差強人意,面對從未接觸過的影片,第一名辨識的準確率僅為 65.18%。

「換臉偵測大賽」(Deepfake Detection Challenge)的辨識素材。圖/MetaAi

對於 Deepfake 可能遭到的濫用,某部分我們可以寄望技術的發展未來終將「道高一尺」,讓社群平台上的影像不致於毫無遮攔、照單全收;然而技術持續「魔高一丈」讓防範的科技追著跑,也是顯而易見的。

社群網路 FB 在 2020 年宣布全面禁止 Deepfake 產生的影片,一旦有確認者立即刪除,twitter 則強制註記影片為造假影片。Deepfake 僅僅是未來面對 AI 浪潮,科技社會所需要應對的其中一項議題,法律、社會規範如何跟上?如何解決箇中的著作權與倫理問題?這些都將是需要經過層層討論與驗證的重要課題。

至少大家應該心知肚明,過往的網路流行語:「有圖有真相」已經過去,接下來即將面臨的,是一個「有影片也難有真相」的網路世界了。

  • 註解:推出 FaceApp 與「去演」的兩家公司其軟體皆要求註冊,且對於上傳資料之後續處理交代不清,被認為有侵犯使用者隱私權之疑慮。

參考資料

  1. Deepfakes and the New AI-Generated Fake Media Creation-Detection Arms Race – Scientific American
  2. What To Do About Deepfakes | March 2021 | Communications of the ACM
  3. Tolosana, R., Vera-Rodriguez, R., Fierrez, J., Morales, A., & Ortega-Garcia, J. (2020). Deepfakes and beyond: A survey of face manipulation and fake detection. Information Fusion, 64, 131-148.
  4. Deepfake 深偽技術的技術濫用與道德困境,大眾正要開始面對 | TechNews 科技新報
  5. 台灣團隊研究辨識Deep Fake影片 深偽技術的正邪之戰開打 | 台灣事實查核中心 (tfc-taiwan.org.tw)

 

所有討論 1
TingWei
141 篇文章 ・ 21 位粉絲
據說一生科科的生科中人,不務正業嗜好以書櫃堆滿房間,努力養活雙貓為近期的主要人生目標。