安全感與安全依附者的內心世界──依附理論系列（三）

• 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。

讓房子增值的方法

一位房地產經紀人接受《房地產》雜誌訪問時談到，她在澳洲賣過一棟房子，那棟房子「有一個寬廣的花園露台，冬天面向波濤洶湧的大海，迎著狂風吹拂」。

她開了暖氣，但在開放看屋日刻意把暖氣調小，「點燃蠟燭，放一些有情調的音樂。」她告訴《房地產》雜誌，那棟房子「之前的售價是兩百五十萬澳幣，最終是以兩百七十六萬澳幣賣出，成果斐然，我覺得這一切要歸功於在冬天做出那樣溫暖的展示」。

由此可見，在「寒冬」戶外環境的對比下，提供「溫暖」的室內環境能夠有效地提高賣價。或許吧！但是，一如既往，當我們試圖根據心理學原理提出切實可行的現實建議時，往往赫然發現我們生活在一個充滿因果關係的世界裡，深受多種可能變數的影響。

因此，我們應該謹記統計學中所謂的「可解釋變異」（explained variance），而我們通常只能解答其中一些。例如，房地產產業裡，購屋者的購屋時間會受到一些固有的變化所影響，比如熱門假期有較多的閒暇時間看房、總體經濟狀況（景氣好壞）、房貸是否容易取得等等。

此外，冬天雖然可以讓一棟精心陳列的「溫暖」屋子看起來特別有吸引力，但在很多地區，這種賣屋方式需要買家在寒冬中冒著風雪與凍雨去看屋，那很容易令人望之卻步。一間房子或許在冬天看起來價值較高，但要是缺乏前景與競爭出價，就可能會壓低價格。那些因素與溫度無關，卻也會影響一間房子的預期售價。

所以，在我們深入研究資料之前，這裡有個免責聲明：除了溫度以外，還有其他變數也對房屋的售價有很大的影響。

為什麼會有家的感覺？

雖然我們應該認真看待這種涉及多種因果關係的情況，但無論你是想賣屋、還是推銷其他產品、服務、想法或觀點，瞭解背後的演化與文化驅動因素，仍能為你增添一些優勢。知道該從演化與社交體溫調節的哪個角度出發以說服顧客，其實滿實用的。我們也應該注意，不要從單一面向解釋我們與房屋及其他「商品」之間的溫度調節關係。

歷史顯示，人類一直在尋找空間的分界線─從天然洞穴、壁龕、洞室到小屋，最後是房屋─以便把掠食者與大自然的力量隔絕在外，尤其是抵禦要命的酷寒。

我認為，生存是一個關鍵的動機，促使人類強化住屋功能，使其超出維持基本生存所需。物質文化的證據也證明了，住屋是用來滿足我們的從屬或歸屬感。一間房子越能夠滿足這種從屬或歸屬感的需求，感覺起來越舒適溫馨，也會越有家的感覺，或者套用依附理論的說法，越容易讓人覺得那是一個「安全的避風港」。

許多研究提出以下假說：我們把某個空間分界視為「家」的認知機制，跟早期演化與個體發展時，幫助我們透過其他人來禦寒的生理機制（即依附與恆定體溫調節機制）是一樣的。

早期人類與其他哺乳動物，確實會把體溫調節任務分散給一個群體來承擔，而在社交演化的過程中，房子至少取代了一部分社會分擔的功能。某種意義上來說，這個概念如此明顯，甚至不言而喻。隨著文化發展，房子變成一種方便又有效率的禦寒方式，再加上室內供暖技術的發展，也提供了產生熱能的方法。

為了研究這點，我和以前的學生范艾克（Bram van Acker）與潘托夫萊特（Jennifer Pantophlet），以及其伙伴克瑟雷爾斯（Kayleigh Kerselaers）一起設計了幾個研究，以測試氣溫下降時，房地產廣告中的房屋是否變得更有吸引力。

我們想要測試「房子就是家」的概念中、比較沒那麼顯而易見的一面：更具體地說，是它的社交體溫調節功能。我們想知道，環境溫度較低，會不會讓人對房屋產生偏好，就像低溫使人對他人產生依附感，而去租浪漫電影來看或產生懷舊念頭一樣。

由於房地產經紀人直覺認為「溫暖」的房子最熱銷，所以我們試著從經驗上驗證，像家一樣的房子，要如何藉由營造「家的感覺」讓我們想要與他人在一起。此外，我們也想調查這種歸屬感能不能滿足體溫調節的需求，以及是否會使人更願意為廣告中的房子支付更高的價格。

我們的推論是，溫度與「家的感覺」之間的關聯，是由我們想與他人在一起的動機所促成的。接著，我們設計了一套研究，裡面包含三個研究，以調查較低溫度如何誘發社會心理學家帕克（Lora E. Park）與馬納（Jon K. Maner）所謂的「歸屬的渴望」，這個歸屬的渴望是由想要打電話給朋友或跟朋友在一起等行為來衡量。

從這裡，我們希望進一步知道，這種歸屬的渴望如何促使我們對「感覺像家」的房子產生偏好。

為了確保研究結果的準確性與可複製性，我們使用線上協作網站「開放科學平台」（Open Science Framework）來決定我們的假說，並在收集資料之前先暫停一切決定，把探索性的「假說生成研究」與驗證性的「假說檢驗研究」分開。

我們認為，較低的溫度應該會引發一種「歸屬的需求」。此外，溫度也能用來預測一個人覺得一間房子多有家的感覺，以及他願意付多少錢買那間房子。第二個維度因為看似較為「客觀」（因為它提供具體的數字，例如對溫度的感知，而不是「較暖」或「較冷」這種主觀的感覺），也許能佐證一個觀點：待售屋給人的「居家舒適感」渴望，與行動的經濟性有關。

其他的因素

本書前面提過，行為生態學以及由此延伸的體現認知，可為行動機會的決策提供資訊，以便權衡行動的效益與成本。

例如，面對相同的斜坡時，背負沉重背包的人所估計的坡度，會比沒有背背包的人還陡。一個人所估算的上坡代謝成本（能量消耗），會影響他對角度的「客觀」感知。就像考慮爬坡的旅人會先自問是否負擔得起爬坡的代謝成本一樣，潛在的購屋者雖然想要一個溫馨的家，但也會自問是否負擔得起那些舒適特質的額外成本。

我們在本書中已經看到，體溫調節在人際互動中扮演多麼重要的角色。體溫調節在基因與文化的演化，以及這兩種演化的持續相互交流中，都扮演吃重的角色。尤其，我們已經看到社交體溫調節如何促使我們組織與加入更多元的網絡，創造文化、社會、文明。

這一切的核心，都在於我們始終非常需要把核心溫度維持在很窄的範圍內，以達到溫度恆定。雖然如今人類已經開發出許多工具，使富國的人民不再覺得這是如此重要的問題，但這其實是攸關生死的迫切課題。

——本文摘自《做個有溫度的人：溫度如何影響我們的生活、行為、健康與人際關係》，2022 年 9 月，時報出版，未經同意請勿轉載。

• 文／雞湯來了特約作者吳心予
• 校稿／雞湯來了張芷晴、陳世芃
• 製圖／雞湯來了實習生翁欣容
• 編輯／雞湯來了蕭子喬

電視劇《華燈初上》以日式酒店為背景，描述劇中人物的愛恨情仇。其中最受到關注的是劇中兩位女主角：蘿絲跟蘇之間發生的故事。蘿絲和蘇在高中時期成為好姐妹，一路以來發生了蘿絲離家出走、蘇未婚懷孕、蘿絲因為前夫的債務坐牢、兩人共同經營「光」酒店、各自面對不同的愛情煩惱等等人生轉折的時候，蘿絲跟蘇都一直陪伴在彼此身邊、不離不棄。

「就像我和蘇一樣，有人在背後支撐妳，不管發生什麼事，只要有她在就心安」
－《華燈初上》蘿絲

然而，在第二季的劇情裡，蘇跟蘿絲親密的情感卻出現裂痕，發生激烈的爭吵。在爭吵之中，蘇頻頻說出傷人的話，甚至讓蘿絲拿起煙灰缸想要砸向蘇。是什麼原因讓原本要好的閨蜜決裂？原生家庭的溝通模式，如何影響她們的相處？

「同情就像一把刀子，一刀刺死我，這種你最擅長，

又假裝一副清高溫柔、與世無爭的樣子，妳就是要證明妳是最優秀、贏的那個。」
－《華燈初上》蘇

女生的感情為什麼這麼好？獨特性的閨蜜情感

從蘿絲跟蘇的感情互動中，可以看到女性親密情感關係的獨特性，它自成一格，獨立於女同志以及異性戀關係框架之外。相較常見女性的人生規劃以原生家庭或另一半為主，劇中蘇跟與蘿絲都把對方當作人生規劃的重心，事業跟養育子女的計畫都與彼此相關。不論是生活安排或者情緒感受，蘇跟蘿絲的狀態緊緊相連，除了考慮對方的感受與處境，也將對方視為生命中重要的夥伴。

甚至當蘿絲跟蘇兩人在面對「情人跟閨蜜」二選一的情境時，都選擇了彼此。蘿絲跟江瀚在一起之後，蘇選擇隱忍自己對江瀚的情愫，支持好姊妹的感情。蘿絲與江瀚分手後，蘇與江瀚無縫接軌的戀情曝光，一開始蘿絲非常憤怒，但是蘿絲在蘇與他人衝突或遇到人生困境的時候，都站在蘇的立場處理事情，可見閨蜜情感對蘇跟蘿絲來說都勝過愛情。　

《華燈初上》的劇情，讓我們不只看見愛情如何影響閨蜜情感，而是兩個原生家庭及婚姻破裂的異性戀女生，如何成為互相支持的角色，以及緊密的關係如何受到兩人的自我價值感、成長背景以及戀愛經驗影響，發生劇烈的爭吵與誤會。

閨蜜情感總是脆弱？3大因素影響友情

蘇跟蘿絲在學生時期跟成年後曾經歷強烈的爭吵，在吵架的過程中，可以看到兩人面對衝突時的不知所措。她們看待友誼跟處理衝突的方式，都受到家庭關係、自我價值感跟戀愛經驗的影響。

因素1｜家庭關係影響溝通習慣

原生家庭的互動方式，大幅影響蘇跟蘿絲看待自我與人際關係的角度。蘇的媽媽與蘇之前沒有良好的溝通與照顧關係，導致蘇缺乏與親近的人溝通的能力。蘿絲的爸爸用權威的方式教育子女，所以蘿絲沒有機會跟父母表達內心想法，也無法被父母理解，年少的時候就離家出走。

因為兩人都生在缺乏良好溝通的家庭，每當蘇跟蘿絲的關係出現矛盾，都是用大聲爭吵的方式跟對方互動，無法順暢面對衝突。不管青少年時期或者成年後的蘿絲跟蘇，對於關係都缺乏安全感與溝通能力，無法坦誠對人際關係中的對象說出自己的感受與期望，只會習慣性地用傷害對方或自己的形式，期望情感關係朝向理想的方向發展。

因素2｜自我價值影響自尊與安全感

青少年時期形塑的自我價值，也進一步影響蘇與蘿絲的閨蜜感情。當青少年的自我價值感低落，認為自己不值得獲得友情支持，就不容易感受到身邊朋友的情感支持。

蘇從小被母親拋棄，在學校除了蘿絲沒有其他朋友，在戀愛關係中用激烈的手段離開或者挽留關係，對於人際關係有著強烈的不安全感與不自信，認為自己不值得被愛。低落的自我價值感影響蘇從蘿絲身上感受到的支持，讓蘇認為「蘿絲跟其他人一樣可能會背叛自己」，難以獲得關係中的安全感。

因素3｜戀愛經驗影響自我覺察深度

戀愛關係的結束，可能引爆原本隱藏的感受，以及對閨蜜情感進一步的覺察，也可能因此動搖原本的姐妹情誼。蘿絲因為跟江瀚分手，發現堅強的內心也有脆弱的地方；蘇也在跟江瀚分手之後，發現自己面對感情沒有想像中理性，一旦面對破裂的關係，沒有復原的能力與勇氣。

蘇與蘿絲激烈爭吵後，無法面對蘿絲可能傷心的情緒，同時出於對於現有生活的逃避，離開與蘿絲共同經營的日式酒店，連股份也劃分得一乾二凈。

閨蜜吵架怎麼辦？2個方法梳理過去、尋找關係共識

蘿絲跟蘇因為長期在生活上跟情感上互相扶持，累積了深厚的情誼，但感情在突發事件爆發後，引爆過去的家庭、自尊與戀愛經驗議題帶來的影響，尤其兩人跟原生家庭成員溝通不良的經驗，持續影響她們的友情發展，難以維持像是學生時期一樣的單純互動。

面對閨蜜情感中的爭吵，可以透過自我覺察與表達感受兩個方式，找到能夠一起長期經營閨蜜關係的模式。

• 自我覺察｜
  回顧過往的家庭關係與人際關係（戀愛經驗），思考過去與家人溝通的方式，能不能對家人說出內心的想法？心裡的想法有沒有被聆聽？跟家人互動的時候，能不能感受到愛和支持的正向感受？
• 表達感受｜
  從過去的人際互動經驗中，找到順利溝通的方式，用來與閨蜜表達內心想法。或者從過去不愉快人際經驗中，反思自己不適應的互動模式，以及期望的互動方式，並嘗試與閨密討論兩人對關係的期待，一起尋找共識。

參考資料

張晏榛（2011）。「非標準親密關係」的女性友「情」：以異性戀女性為例。高雄醫學大學性別研究所碩士論文，未出版。

許皓宜（2004）。姊妹情誼的舊曲與新調～戀愛經驗對成年前期女性友誼影響之探究。國立台灣師範學院教育心理與輔導學系碩士論文，未出版。

Niobe Way & Melissa L. Greene（2006）。Trajectories of Perceived Friendship Quality During

Adolescence: The Patterns and Contextual Predictors。JOURNAL OF RESEARCH ON ADOLESCENCE，16(2)，293–320。