以下為虛構對話，人物與情節為創作，科學內容來源標註於文末。

▌靈魂與槌子

辦公室裡只有冷氣的聲音。

Dg 把一個影片連結扔進對話框，等了三秒，對方沒反應。

「你有沒有在聽。」

「有。」

K 的視線沒有離開螢幕。桌上的咖啡已經涼了一半。

Dg 清了清喉嚨。「李斯特說過，鋼琴家的手指是靈魂的延伸。我覺得這句話放在這篇研究上剛好。」

「李斯特沒說過這句話。」

「……什麼？」

「那是後人加在他名下的。原話查不到出處。」K 終於轉過來看他，「你每次引用之前有沒有查過？」

Dg 沉默了兩秒。「……重點是那個概念。靈魂、表達、觸感——」

「重點是你說錯了。那個概念你自己說就好，不要借名人的嘴。」

▌槌子的物理學

K 把那篇 PNAS 論文拖到副螢幕上。

「鋼琴是槌擊樂器。你按下琴鍵，機構接管，槌子打弦，發聲。從物理上來說，手指在琴鍵離開的瞬間就已經跟聲音沒有關係了。」

「所以你的意思是——」

「我的意思是，一百年來有人說觸鍵方式可以改變音色，也有人說那只是演奏者的自我感覺，爭論一直沒有結果。」他指了指螢幕，「直到這篇。」

Dg 湊近看。「Sony 做的？」

「NeuroPiano Institute，掛在 Sony CSL 底下。他們用一套叫 HackKey 的感測系統，每秒一千幀，追蹤鋼琴家按鍵時的微動作。」

「一千幀是什麼概念？」

「你眨一次眼大約一百五十毫秒。一千幀代表每毫秒都有資料。」

Dg 沒有說話。窗外有一輛機車停下來的聲音，然後又走了。

「他們找到了五種動作特徵，」K 繼續說，「對應到聽者感知到的三類音色：重量感、清晰度、明亮度。不是比喻，是可以測量的參數。」

▌靈魂也需要校準

「等等，」Dg 說，「所以觸鍵真的可以改變音色？」

「對。」

「那不就證明了——手指的動作確實在表達什麼。」Dg 停頓了一下，選擇不再提李斯特，「就算不叫靈魂，也是某種……意圖的物理化。」

K 看了他一眼。「意圖的物理化。」

「對。你想彈出重量感，你的關節就會用某種方式移動，然後聽者就接收到了。這不是很奇怪嗎？意圖變成動作，動作變成聲音，聲音變成感知。」

K 沒有立刻回應。

「更有趣的是感知那側，」他說，「他們讓聽者只憑耳朵判斷演奏者想表達哪種音色——有音樂訓練的人和完全沒有訓練的人，都可以做到，準確率都高於隨機。」

「就是說普通人也聽得出來？」

「聽得出來，但訓練過的人更敏感。音樂訓練不只改變你怎麼彈，也改變你怎麼聽。」

Dg 想了一下。「所以是雙向的。手跟耳朵同時在被訓練。」

K 沒有立刻回答。他看了 Dg 一眼，然後看回螢幕。

「對。」

▌五種特徵，一個問題

「那五種動作特徵，」Dg 說，「是每個鋼琴家都不一樣，還是有共同模式？」

「共同模式。不同的鋼琴家在產生同一類音色時，用的是同樣的運動策略。」

「所以這是可以教的。」

「理論上。」K 拿起咖啡杯，發現已經涼了，放回去。「以前老師只能說『讓聲音更有重量感』，學生不知道那對應到哪個肌肉動作。現在有了五個可以測量的指標。」

「就像……有人終於把食譜寫下來了。」

K 沒有說話。

這個比喻不精確，但也不算錯。

▌還有一件事

「有一個反直覺的地方，」K 說，「你知道有個研究發現，人在評判音樂比賽時，靠靜音影片的預測準確率比純音訊還高嗎？」

「……什麼？」

「Tsay，2013，PNAS。視覺資訊在音樂評判裡被嚴重過度加權。」

Dg 皺眉。「所以大家其實都在看，不是在聽？」

「在有視覺競爭的情境下，是的。」K 說，「但這篇研究把視覺排除掉之後，音色的聽覺感知是成立的。兩件事都是真的，只是在不同條件下。」

Dg 靠回椅背，盯著天花板。

「所以問題不是『能不能聽出來』，是『有沒有機會聽』。」

K 把論文視窗關小一格。「你今天說了一句沒有錯的話。」

「才一句？」

沉默。

Dg 把那個「李斯特語錄」的截圖從收藏夾裡刪掉了。他想了想，又搜尋了一次 HackKey 的技術規格。

鋼琴家的秘密：觸鍵如何塑造音色？一個百年謎題的科學解答

一個多世紀以來，鋼琴家與音樂教師始終深信：觸鍵方式能改變音色。然而這究竟是藝術直覺，還是可測量的科學事實？2025 年，索尼電腦科學實驗室與 NeuroPiano Institute 的研究團隊，透過高精度感測器與雙重實驗設計，首次從運動科學角度確認：音色操控是一項真實存在、可測量、可教授的運動技能。

關鍵亮點

• 鋼琴家透過五種特定觸鍵動作特徵，能系統性地操控三類音色感知：重量感（weight）、清晰度（clarity）、明亮度（brightness）
• 無論有無音樂訓練背景，聽者都能感知到鋼琴家意圖表達的音色；有訓練者的感知敏感度更高
• 研究使用 1000fps 高速非接觸式感測器（HackKey），首次在科學層面建立觸鍵動作與音色感知之間的因果連結
• 這項發現為音樂教育、神經復健與人機介面設計開啟了新的跨領域應用可能

百年之問：音色能被觸鍵改變嗎？

圖：不同觸鍵方式在鍵盤上產生的微動作差異，是音色變化的物理根源。（示意圖）

鋼琴是一種槌擊樂器。從物理學角度來看，鋼琴的發聲機制高度自動化：演奏者按下琴鍵，一套槓桿機構驅動琴槌敲擊琴弦，產生聲音。由於手指離開琴鍵的瞬間，機構便已接管後續動作，理論上，音量（由敲擊速度決定）和音高（由弦的張力決定）似乎是唯一能被演奏者控制的聲音參數。

然而，鋼琴家、教師與音樂學者數百年來都宣稱能做到更多——他們說，觸鍵方式能改變音色（timbre）：同樣的音量和音高，不同的演奏者彈出來就是不同的聲音質地，可以是溫暖的，也可以是銳利的；可以是沉重的，也可以是輕盈透明的。

這個主張在 20 世紀初就曾出現在《自然》雜誌的通訊欄位中，引發過一波論戰。但爭論始終停留在感性層面——直到 Kuromiya 等人（2025）這篇發表於 PNAS 的研究，才正式將這個問題從藝術信仰的領域，移交給了科學數據。

實驗設計：雙軌驗證策略

研究團隊採用了一個簡潔而嚴謹的雙重設計，同時回答兩個不同層次的問題：

問題一：聽者能感知到不同音色嗎？（感知實驗）

研究邀請職業鋼琴家以不同音色意圖演奏片段，再讓受試者——包括有音樂訓練者與未受訓者——僅憑聆聽判斷演奏者的音色意圖。結果顯示，兩組受試者的判斷準確率均顯著高於隨機水準，確認了音色確實可被聽者感知。

問題二：哪些動作製造了這些音色？（動作分析實驗）

研究使用名為 HackKey 的非接觸式高速感測系統（拍攝速率 1000fps），在鋼琴家演奏期間捕捉每一個琴鍵的微動作資料。這套系統能偵測肉眼無法察覺的鍵面運動細節，包括速度曲線、加速度模式、接觸時機等。

這種雙軌設計的關鍵在於：它不只問「有沒有差異」，更追問「是什麼造成了差異」——從而建立起觸鍵動作與音色感知之間的因果連結。

五種動作特徵與三類音色感知

研究最核心的發現，來自動作分析實驗的結果。

研究團隊從 HackKey 的大量動作資料中，識別出五種特定的鍵盤運動特徵，這些特徵能系統性地預測聽者的音色感知。進一步的分析將音色感知歸納為三個主要維度：

• 重量感（weight）：聲音是否讓人感覺沉重、有份量
• 清晰度（clarity）：音符的輪廓是否分明、俐落
• 明亮度（brightness）：音色的頻譜偏暖／偏亮的程度

更值得注意的是，不同鋼琴家在操控同一音色類型時，使用了共同的運動策略——也就是說，這五種動作特徵不是個人風格的偶然差異，而是職業鋼琴家群體共享的技能組合。

早期的相關研究（Furuya et al., 2010）已指出，pressed touch（手指預先接觸琴鍵後再按壓）與 struck touch（手指從空中落下敲擊）在上肢關節協調上有根本性的差異，前者產生較「軟」的音色，後者產生較「硬」的音色。2025 年這篇論文則大幅擴展了這個發現的解析度：從兩種觸鍵類型的粗粒度對比，推進到五種連續動作特徵的精細測量。

聽者能感知到嗎？訓練程度的差異

感知實驗的結果帶來了幾個值得深入討論的面向。

首先，音色的感知並不是鋼琴家的專利。未受過音樂訓練的一般人，同樣能在高於隨機水準的準確率下辨識出演奏者的音色意圖。這意味著鋼琴音色所承載的聽覺訊息，並非只對專業耳朵開放——它是一種具有普遍性的感知信號。

其次，音樂訓練顯著提升了感知敏感度。有訓練的聽者表現出更高的辨識準確率，以及更細緻的音色辨別能力。這指向一個有趣的方向：音樂訓練不只是在「輸出端」（演奏技能）留下痕跡，也在「輸入端」（聽覺感知）重塑了神經系統的處理方式。

這種雙向的訓練效應，與神經科學領域中感覺—運動整合（sensorimotor integration）的研究結果一致。Hirano 等人（2020）的研究也顯示，音樂家的體感運動整合功能具有特殊化的神經機制，而這套機制同時影響動作的產生與感知的精確度。

視覺 vs. 聽覺：音樂判斷的感知競爭

這篇論文提出了一個隱含的挑戰：既然音樂欣賞大量依賴視覺資訊，我們有多少機會真正「聽到」那些細膩的音色差異？

Tsay（2013）的研究在 PNAS 上提出了一個令人不安的發現：當人們在判斷音樂比賽勝負時，無論受試者有無音樂訓練，靜音影片的預測準確率反而高於純音訊。這個結果暗示，在音樂的社會性評判脈絡中，視覺資訊可能被系統性地過度加權。

然而，Kuromiya 等人（2025）的研究設計選擇了一個更純粹的聽覺情境——排除視覺線索，直接測試音色的聽覺可感知性。在這個條件下，結果是明確的：音色差異確實可被聽見，不論受試者是否接受過音樂訓練。

這兩項研究並不矛盾，而是在描述不同的現象：在有視覺競爭的自然情境下，聽覺細節可能被壓抑；但在純聽覺情境中，觸鍵所創造的音色差異是真實可感的。換言之，問題不在於音色「能否被感知」，而在於「在什麼條件下」它有機會被聽見。

應用潛力：從音樂教育到復健工程

研究團隊指出，這項發現的應用潛力跨越了音樂領域的邊界。

音樂教育：過去，教師只能用「聽起來要更溫暖」或「試著讓聲音更有重量感」這類隱喻性語言指導學生。現在，五種可量測的動作特徵提供了具體的教學目標，使音色訓練從「玄學」變成可視化、可追蹤的技能學習。HackKey 系統的即時回饋能力，理論上可以讓學生直接看到自己的觸鍵動作如何影響音色輸出。

復健應用：研究揭示了精緻運動控制與高階感知體驗之間的神經機制連結。對於因神經疾病（如局灶性肌張力障礙，focal dystonia）而喪失演奏能力的音樂家，理解正常觸鍵動作的精確模式，可以為復健方案的設計提供科學基礎。

人機介面設計：音色操控所需的微動作精確度，提供了一個關於人類運動技能上限的基準參考。對於設計需要高精確度觸覺回饋的介面——例如外科手術機器人、觸覺式電子樂器——這種對「細膩動作→感知差異」關係的量化理解，具有直接的工程參考價值。

常見問題 FAQ

Q1：鋼琴的物理機制不是決定了音色只受音量影響嗎？

鋼琴雖然是槌擊樂器，但琴鍵在被按壓過程中的動態特性——尤其是接觸噪音（finger-key contact noise）和底部衝擊噪音（key-bed bottom noise）——都受到演奏者觸鍵方式的影響，進而影響聽者對整體音色的感知。這篇研究正是從這個機制入手，系統性地測量了相關動作特徵。

Q2：研究中的「五種動作特徵」具體是什麼？

論文中具體識別了五種鍵盤運動特徵（key movement features），技術細節層面的完整說明需參閱論文原文。大致方向包括鍵面接觸速度的曲線形狀、加速度模式、以及下鍵過程中的力量分布時序等。這些特徵組合起來，能可靠地預測音色落在重量感、清晰度或明亮度哪個維度。

Q3：沒有音樂訓練的人，真的能辨識出這些音色差異嗎？

根據實驗結果，是的——未受訓者的辨識準確率雖然低於有訓練者，但仍顯著高於隨機水準。這表示鋼琴音色所傳遞的感知訊息具有普遍性，不需要音樂訓練作為前提。

Q4：這項研究為何花了一百年才有答案？

關鍵限制在於技術工具。要從鍵盤運動中提取有意義的微動作資料，需要能以千分之一秒為單位、非接觸式地同時追蹤 88 個琴鍵的感測技術。HackKey 系統代表了這個技術門檻的突破；在此之前，研究工具的解析度不足以捕捉音色操控所涉及的細節層次。

Q5：這對非鋼琴樂器的演奏有什麼啟示？

論文的結論主要基於鋼琴，但背後的原理——精緻運動控制如何塑造高階感知體驗——對其他需要微動作精確度的樂器（如提琴、笛）同樣具有參考意義。未來研究可以探討類似的機制是否在其他樂器上也成立。

結論

Kuromiya 等人（2025）這篇研究的貢獻，不只是替一個百年爭論畫上句點。更深層的意義在於，它示範了如何將一個長期停留在「感性直覺 vs. 物理懷疑論」對立框架中的問題，轉化為可以被實驗設計、感測技術與統計分析逐步解開的科學問題。

「觸鍵能改變音色」這句話，從此不再只是音樂學院的課堂格言，而是一個有五種可測量動作特徵作為支撐的科學命題。

對於音樂教育而言，這意味著表達性演奏的核心技巧——那些以往只能靠師徒之間口耳相傳、隱喻比擬的東西——現在有了量化的著力點。未來，結合即時動作回饋的教學系統，或許能大幅縮短學生建立音色控制能力所需的時間，也能幫助教師更早識別並糾正不良的觸鍵習慣。

而這背後更廣泛的問題仍然開放：人類的藝術創造力，在多大程度上是精緻運動技能的延伸？這篇論文給出了一個具體而清晰的答案——至少在鋼琴音色這個維度上，答案是：非常深刻。

推薦閱讀

• 鋼琴觸鍵與音色感知研究
• 音樂演奏的神經科學
• 感覺運動整合與音樂家大腦
• HackKey 感測器技術

參考資料

1. Kuromiya K., Kobayashi Y., Hirano M., Furuya S. (2025). Motor origins of timbre in piano performance. PNAS, 122(39).
2. Furuya S., Altenmüller E., Katayose H., Kinoshita H. (2010). Control of multi-joint arm movements for the manipulation of touch in keystroke by expert pianists. BMC Neuroscience, 11:82.
3. Furuya S. et al. (2013). Flexibility of movement organization in piano performance. Frontiers in Human Neuroscience.
4. Tsay C.-J. (2013). Sight over sound in the judgment of music performance. PNAS, 110(36).
5. Hirano M., Sakurada M., Furuya S. (2020). Overcoming the ceiling effects of experts’ motor expertise through active haptic training. Science Advances, 6.
6. NeuroPiano Institute. (2025). A century-old piano mystery has just been solved. ScienceDaily.

以下為虛構對話，人物與情節為創作，科學內容來源標註於文末。

▌外送到了，K 不在

中午十二點半。辦公室的冷氣聲比平常明顯，因為只有一個人。

敲門聲。

「外送——K 訂的兩碗。」Liy 提著袋子進來，左右看了一下。「K 呢？」

「出去了。說一點回來。」Dg 從一疊列印紙後面抬頭，意識到現在房間裡只有他們兩個，腰桿自動挺直了三公分。「麵放著就好。我正在整理一篇論文，很深的。」

「喔。」Liy 把袋子放在桌上沒被紙佔據的角落。「湯要先喝，放久會被麵吸掉。」

「妳知道為什麼人不肯承認自己錯了嗎？」

「因為錯了？」

「不——」Dg 豎起一根手指。「因為痛。達爾文說過，存活下來的不是最強的物種，而是最能接受改變的。人類拒絕事實，就是因為不能接受改變帶來的痛。所以只要學會接受那個痛，人就能接受事實。這叫情緒調節。」

「達爾文有說這個？」

「呃，大意是這樣。」

▌心裡的律師

「妳想想看，」Dg 站起來，開始踱步，這是他進入講解模式的訊號。「人心就像一個法庭。每個人心裡都住著一個辯護律師，專門替你已經相信的東西辯護。看到不利的證據，律師就跳出來，反對、駁回、不予採信。」

「律師喔。」Liy 把湯碗從袋子裡拿出來，擺正。

「對。所以那篇論文做了一個實驗，找了四千多個丹麥人，教他們跟不舒服的感覺和平共處。照理說，學會跟痛共處，就不需要律師了，對吧？」

「然後呢？」

「然後……」Dg 停下腳步。他昨天其實只整理到一半。「然後沒有用。學會了的人，還是照樣不信對方陣營的事實。」

「所以那個方法是錯的。」

「不是方法錯！」Dg 揮手，「是、是更深層的——等等，妳不要打亂我的節奏。蘇格拉底說過，未經反省的人生不值得活。意思就是人要勇敢反省——」

「他被判死刑的那個法庭，有辯護律師嗎？」

「……那個時代的制度跟現在不一樣。」

「喔。」

▌薪水的問題

Liy 把筷子放在碗旁邊，對齊。然後她想到了什麼，抬起頭。

「你剛剛說，每個人心裡都有一個律師。」

「對，替你的立場辯護的律師。」

「律師是收錢辦事的。」Liy 說。「那心裡那個，誰付他錢？」

「呃。」Dg 張開嘴。「是……你自己付的吧。用心理上的、那個、舒服感當薪水。他幫你擋掉痛，你付他舒服。」

「可是你剛剛說，那些丹麥人學會跟痛共處了。」

「對。」

「那就不需要付薪水了。」Liy 歪頭。「不怕痛的人，幹嘛還要請律師？」

「所以說他們應該要解僱律師——但是沒有，律師還在上班——」Dg 講到一半，自己卡住了。

「沒收錢也照樣上班，」Liy 提起空袋子，往門口走，「那他就不是你請的。」

門關上之前，她補了一句湯要先喝。

Dg 站在原地。桌上那疊論文的第三頁，有一行他昨天畫了線又沒看懂的句子，講什麼東西是寫死在記憶架構裡的。冷氣的聲音又變得很明顯。

長期以來，政治心理學界普遍假設：選民之所以拒絕不利於己方立場的事實，是為了逃避「認錯」帶來的心理不適。然而一項發表於《Politics and the Life Sciences》的研究，透過丹麥三份全國代表性樣本（總計 4186 名選民）的調查與實驗，發現情緒調節能力與黨派事實認知分歧之間幾乎沒有關聯——即使透過音訊練習成功提升受試者的情緒接納程度，他們依然照樣拒絕與自身立場相左的事實。這項發現直接挑戰了「動機性推理＝情緒防衛」的主流解釋。

關鍵亮點

• 丹麥選民平均而言，相信「支持己方立場的事實陳述」的機率，比相信「挑戰己方立場的事實陳述」高出約 31 個百分點——即使陳述全部為真、且來自中立的官方統計機構。
• 擅長「情緒接納」（與不適感共處）的人，拒絕對立事實的程度與其他人完全相同；實驗性誘發情緒接納狀態，也沒有縮小黨派認知分歧。
• 「認知重評」（換個角度想讓自己好受）的結果與理論預測恰好相反：習慣重評的人反而略微更願意相信令自己不舒服的政治數據。
• 研究結論指向：單純教導公民「容忍負面情緒」，可能無法解決政治假訊息與事實分歧的問題。

當事實也分藍綠：什麼是動機性政治推理

律師腦，而非法官腦

人在處理資訊時，往往不像一位中立的法官公平衡量證據，而更像一位辯護律師——先選定立場，再為它蒐集有利的證詞。心理學家將這種保護既有信念的資訊處理傾向稱為動機性政治推理（motivated political reasoning）。

它的後果是：不同政治陣營的人，對基本現實的認知出現系統性分裂。同一份統計數據，支持者看到的是政績，反對者看到的是造假。

為什麼這對民主社會是個問題

民主問責的前提是公民能根據事實評價執政者的表現。當「事實」本身淪為立場的延伸，選民便無法有效監督政治菁英——做得差的政府可以被支持者的認知濾鏡保護，做得好的政府也可能被反對者的濾鏡抹煞。這正是政治心理學界長期關注事實認知分歧（perceptual divides）的原因。

主流假設：拒絕事實，是為了讓自己好受一點

認知失調與情緒調節假說

數十年來，最具影響力的解釋是：相信與自身世界觀矛盾的資訊，會引發認知失調（cognitive dissonance）——一種因持有衝突想法而產生的緊張、不舒服的心理狀態。為了消除這種內在張力，人們乾脆拒絕那個不方便的事實。

在這個框架下，動機性推理本質上是一種情緒調節（emotion regulation）行為：一種為了「最小化負面感受、最大化正面感受」而部署的心理防衛機制。2006 年 Westen 等人的 fMRI 研究曾為此提供神經影像證據，顯示黨派人士處理威脅己方候選人的資訊時，與情緒調節相關的腦區活化增加，此後這個假設便廣為學界引用——但直接的行為層面驗證，其實一直很少。

可被檢驗的推論

哥本哈根商學院的研究者 Filip Kiil 指出：如果動機性推理真的是為了管理情緒，那麼人們日常處理情緒的習慣，應該能預測他們處理政治事實的方式。他聚焦兩種被廣泛研究的情緒調節策略：

• 情緒接納（emotional acceptance）：注意並擁抱不舒服的感受，不試圖逃避或改變它。擅長此道的人，理論上應該能「坐得住」閱讀對立事實的不適，因而更願意接受跨黨派的真相。
• 認知重評（cognitive reappraisal）：改變對壓力情境的詮釋以減輕其情緒衝擊。習慣此道的人，理論上應該很擅長「把資訊轉個彎」保護自己的感受，因而展現更大的黨派認知落差。

三項研究、四千名選民：哥本哈根商學院的驗證之路

為什麼選丹麥的移民議題

研究全部聚焦丹麥的移民政策——這是丹麥政治中極化程度最高、情緒最強烈的議題，過去十年主導了丹麥的政黨競爭。如果情緒調節假說在哪裡會成立，這裡是最可能的場域。

三項研究的設計差異

實驗操弄的巧思

研究二的設計特別值得注意。為了排除「不信任消息來源」的干擾，所有事實陳述全部為真，且歸屬於權威中立的丹麥統計局。接著，一半受試者聆聽一段引導情緒接納的音訊練習——指示他們專注於不愉快的身體感受，並放下與這些感受的對抗；對照組則聆聽誘發一般漫遊心智狀態的音訊。

後續檢核確認：音訊練習確實成功提升了受試者當下的情緒接納狀態。換句話說，操弄是有效的——失效的是假說本身。

結果出乎意料：情緒管理高手照樣拒絕事實

31 個百分點的鴻溝，誰也躲不掉

受試者展現了教科書級的黨派偏誤：平均而言，他們相信「支持自身政治傾向的事實陳述」的可能性，比相信「挑戰自身傾向的陳述」高出約 31 個百分點。

然而當 Kiil 分析受試者的情緒習慣時，發現：

• 情緒接納與相信對立事實的能力之間，完全沒有關聯。 高度接納自身負面感受的人，拒絕不方便的政治資訊的程度與任何人一樣。
• 研究二中，被成功誘發情緒接納狀態的受試者，對牴觸自身移民立場的真實事實的相信程度，與對照組沒有差異。
• 研究三再次確認：無論事實來自政治人物還是中立專家，情緒接納都無法縮小黨派落差。

認知重評：與預測完全相反

更尷尬的是認知重評的結果。理論預測「擅長轉念的人黨派落差更大」，實際資料卻顯示：日常習慣使用認知重評的人，略微更願意相信令自己不舒服的政治數據——也就是黨派落差反而略微縮小。三項研究合計，沒有任何一條證據支持「選民拒絕政治事實是為了調節情緒」。

值得注意的是，情緒調節介入在其他政治情境並非無效——先前研究顯示認知重評訓練能提升政治容忍度、增加對妥協政策的支持。它失效的地方很精確：對基本事實的認知分歧。

如果不是情緒防衛，那會是什麼？

情感汙染模型：偏見發生在意識之前

如果管理心理不適不是拒絕事實的驅動力，那驅動力是什麼？論文討論的主要替代解釋來自 Lodge 與 Taber 的 JQP 模型：人腦對社會政治概念的好惡，是以「線上計數器」（online tallies）的形式自動儲存於記憶架構中。當政治刺激出現，這些情感標記會在意識介入之前就透過「情感汙染」（affective contagion）機制扭曲後續的思考。

在這個模型裡，拒絕對立事實不是一個「為了好受而做」的防衛動作，而是內建於記憶系統架構的無意識反射。有意識的情緒處理練習之所以無效，是因為偏誤在「幕後」瞬間就完成了——等你開始接納情緒時，認知已經被汙染了。

更隱微的防衛路徑？

論文也提出另一種未被排除的可能：選民或許會採用更細緻的心理手段保護世界觀——例如承認某個不利事實為真，但悄悄貶低它的重要性。這樣既不必否認現實，也保住了感受。這類「重要性貶值」策略是否存在、規模多大，是未來研究的方向。

研究侷限與未來方向

邊界條件明確

研究本身劃定了清楚的適用範圍：

• 單一國家、單一議題：丹麥選民、移民政策。情緒調節在不同政治體制、不同議題（如氣候變遷、公共衛生）中是否扮演更大角色，仍是開放問題。
• 聚焦外顯策略：研究測量的是有意識、自陳式的情緒調節策略。內隱（自動化）的情緒調節歷程未被直接檢驗——而 JQP 模型恰恰主張關鍵機制是無意識的。
• 橫斷面成分：研究一與部分分析為相關性設計，雖然研究二、三加入實驗操弄並預先註冊，因果鏈仍有待更多複製。

對假訊息治理的啟示

這項研究最具實務意義的訊息或許是：單純教公民「與負面情緒共處」，無法治癒政治假訊息問題。 如果事實認知分歧的根源不在情緒防衛，那麼以「降低心理威脅感」為核心的介入設計（從事實查核的措辭軟化到自我肯定練習）可能都打錯了靶。要讓選民在基本事實上達成共識，需要更深入理解人類心智如何分類政治現實——而不只是如何安撫它。

常見問題（FAQ）

Q1：這項研究是否證明了「情緒與政治偏見無關」？

不是。研究否定的是一條特定因果路徑：「人們為了調節情緒而拒絕事實」。情感仍可能深度參與政治認知——例如 JQP 模型主張情感標記在無意識層面汙染思考。差別在於：情緒可能是偏誤的載體，而非偏誤服務的目的。

Q2：為什麼研究二要把事實陳述全部設為「真」且來自丹麥統計局？

為了排除一個合理的替代解釋：受試者拒絕陳述可能只是不信任消息來源（例如對立陣營的政治人物），而非拒絕事實本身。當陳述全部為真、且來自中立權威機構時，剩下的拒絕就更可能反映黨派認知偏誤本身。

Q3：「情緒接納」和「認知重評」具體差在哪？

情緒接納是不改變想法、改變與感受的關係——注意到不舒服，然後與它共處。認知重評是改變對情境的詮釋來改變感受——「換個角度想就沒那麼糟」。兩者是情緒調節文獻中最常被研究的策略，分別對應正念療法與認知行為療法的核心技術。

Q4：認知重評者反而「略微更相信」不舒服的事實，該怎麼解讀？

論文並未對此提出確定解釋，僅指出此結果與情緒調節假說的預測方向相反。一種可能性是：習慣重評的人較能將「接受不利事實」重新框架為較不具威脅性的事件，因而不需要透過否認來防衛——但這屬於推測，需後續研究檢驗。

Q5：研究結果可以推論到其他國家嗎？

需謹慎。丹麥是相對共識型的多黨制國家，研究議題僅限移民政策。作者明確指出，在不同政治脈絡、不同族群、不同政策議題中，情緒調節仍可能扮演更大的角色。

結論

「人們拒絕對立事實，是因為認錯太痛」——這個直覺上極具說服力的解釋，在丹麥 4186 名選民的資料面前未能存活。情緒接納幫不上忙，認知重評的效果甚至與預測相反。事實認知的黨派分歧，可能比「心理防衛」更深一層：它或許根植於記憶系統自動為概念貼上好惡標籤的底層架構，在意識能介入之前就已完成。

這對假訊息治理是個冷靜的提醒：問題的解方可能不在「讓人們不怕面對真相」，而在理解大腦如何在我們察覺之前，就替我們決定了什麼算「真相」。

推薦閱讀

• 動機性推理與政治極化
• 認知失調理論的當代驗證
• 情緒調節策略：接納與重評
• 假訊息與事實查核的心理學

參考資料來源

• Kiil, F. (2025). Motivated political reasoning: Testing the emotion regulation account in the case of perceptual divides over politically relevant facts. Politics and the Life Sciences, 44(2), 169–187.
• Petrova, K. (2026, June 6). New research challenges a major theory about political bias. PsyPost.
• Westen, D., et al. (2006). Neural bases of motivated reasoning. Journal of Cognitive Neuroscience, 18(11), 1947–1958.
• Halperin, E., et al. (2014). Emotion regulation and the cultivation of political tolerance. Journal of Conflict Resolution, 58(6).

以下為虛構對話，人物與情節為創作，科學內容來源標註於文末。

▌牠記得那個味道

午餐時段，麵店滿座。湯底的香氣浮在熱氣裡。

K 坐在角落，碗裡的麵還冒著煙。

Dg 一進門就找到 Liy。「Liy，妳知道嗎，現在的蚊子，已經被我們親手訓練成巴夫洛夫的狗了。」

Liy 端著兩碗乾麵經過，停下來。「蚊子是狗？」

「不是狗——是比喻。」Dg 擺出他自認最學術的姿態。「狗聽到鈴聲會流口水，蚊子聞到防蚊液，會……」

「會流口水。」Liy 說。

「會靠過來。」

角落傳來聲音。「前提是牠在那個氣味裡，真的吸到過血。」

Dg 回頭。K 在。

「沒吸到血，學不起來。」K 夾起一筷麵。「對照組光聞氣味，照樣逃。」

▌鈴聲與口水

「所以防蚊液在幫蚊子打鈴。」Dg 把這句學了起來，像撿到寶。

「圖爾大學跟維吉尼亞理工的研究。」K 說，「DEET 氣味配對吸血成功，反覆下來，嫌惡翻成趨近。他們叫效價翻轉。」

「效價翻轉。」Dg 重複，「就是——本來討厭的，學一學變成喜歡的。」

「對。」

信心回來了。Dg 挺直腰。「孫子兵法說，知己知彼，百戰百勝——我們太了解蚊子，反而把對付牠的方法，變成教材了。」

「是『百戰不殆』。」K 沒抬頭。「而且不是你了解牠，是牠記住了你的味道。」

「……」

廚房裡傳來老闆的聲音：「好——兩碗乾麵！」

Liy 把麵放上鄰桌，回過頭。「牠喜歡的不是防蚊液吧。」

K 停了一下。

「牠喜歡的是血。」Liy 收起空盤，「防蚊液只是順便。」

Dg 張嘴，又閉上。過了一會，才慢慢開口。「……對。氣味從頭到尾只是訊號。我們以為關掉氣味就關掉牠，但牠想要的東西，根本沒變過。所以噴一半、留個腳踝，等於開課。」

K 看了他一眼，沒糾正。

▌開關在哪裡

「不過蚊子也不是只會學。」Dg 想扳回一城。「牠們身上有個煞車，吸飽了就會停。哥倫比亞大學找到了——那個開關，藏在屁股裡。」

Liy 放下抹布。「屁股裡有開關？」

「直腸。」K 說，「NPYLR7 受體，集中在直腸末端的六個直腸墊，不在大腦。吸飽血，直腸細胞會像神經元一樣放電，回頭告訴牠：停。」

「不在大腦。」Dg 跟著說，「所以蚊子是用屁股決定還要不要咬人。」

「……可以這樣理解。」K 喝了口湯。

「那這跟人一樣。」Liy 說。

三個人看她。

「人吃飽，腸子先知道，腦袋才知道。」Liy 把碗疊起來。「我爸說的。」

K 又停了一下。那條軸線——腸道感知、訊號回傳、抑制進食——在哺乳類叫腸—腦軸，在減重針劑上叫 GLP-1。他沒說出來。

「客人吃飽，不會講。」Liy 端起那疊碗，往櫃台走。「是碗推開的。你不用問他腦袋，看碗就知道。」

K 沒說話。

Dg 低頭看自己面前那碗還沒動的麵，過了一會，才把筷子拿起來。

我們花了一個世紀，把昆蟲當成沒有內心戲的反射機器——聞到驅避劑就逃、吸飽血就停、腦子一換代就重置。但 2026 年前後的三項研究，從學習、動機與遺傳三個方向同時動搖了這個假設。蚊子能把防蚊液的氣味從「危險」學成「獵物就在附近」；牠喊停叮咬的開關竟長在直腸而非大腦；而一名十歲日本小學生的鳳蝶實驗，甚至追問記憶能不能傳給孫代。這不只是幾則有趣的蟲子新聞，而是一場對「昆蟲到底有多笨」的集體重估——並且直接改寫了下一代防蟲科學的問題清單。

🔑 關鍵亮點

• 學習：埃及斑蚊能透過巴夫洛夫式聯結學習，把 DEET 氣味從嫌惡訊號翻轉為趨近訊號——前提是牠在氣味存在下「真的吸到血」。
• 動機：哥倫比亞大學發現調控蚊子飽足與叮咬的 NPYLR7 受體集中在直腸而非大腦，直腸細胞的行為幾乎等同神經元。
• 遺傳：一名十歲學生的鳳蝶實驗主張厭惡記憶可能跨三個世代傳遞——但此項證據等級遠低於前兩者，尚無同儕審查。
• 共同結論：三項研究合看，迫使防蟲科學把昆蟲當成「會學習、控制分散、機制可能跨代延續」的對手，而非可被化學物質永久關閉的感測器。

一、三項研究，一個被推翻的假設

被低估了一百年的蟲腦

長久以來，昆蟲在大眾與不少防治實務中的形象，就是一台刺激—反應機器：給牠一個訊號，牠給你一個固定動作，中間沒有「學習」、沒有「記憶」、更談不上「跨代傳遞」。聯結學習能力在果蠅、蜜蜂身上其實早被充分研究，但蚊子、蝴蝶這類「要嘛是害蟲、要嘛只是漂亮」的昆蟲，其認知能力長期沒被認真對待。

近期三項研究，正好從三個不同角度鬆動了這個假設。

三篇研究速覽

圖一：三項研究分別從「學習」「動機控制」「跨代遺傳」三個層次，挑戰「昆蟲是簡單反射機器」的舊認知。

這三篇放在一起最有意思的地方，不在於各自的單點突破，而在於它們彼此之間的對話——尤其是兩篇都以埃及斑蚊為對象、卻指向完全相反的防治哲學。

二、同一隻蚊子，兩種相反的防治哲學

DEET：可以被「學掉」的嫌惡

DEET 自 1946 年問世以來，被信任了將近八十年。它的原理長期被簡化成一句話：「蚊子聞到就跑。」更精確地說，DEET 分子會干擾蚊子嗅覺受體，使其對該氣味產生強烈嫌惡反應而迴避。這個機制被認為穩固——因為它是化學的、物理的，不需要蚊子「配合」。

直到圖爾大學與維吉尼亞理工的團隊做了一個關鍵實驗：讓埃及斑蚊在 DEET 氣味存在下成功吸到血。結果，蚊子把氣味與「獲得食物」綁在一起，下一次聞到 DEET，不再逃，反而靠近。研究者稱之為效價翻轉（valence switch）——不只是嫌惡程度減弱，而是方向整個反轉：負效價變成正效價。

關鍵在於時序配對：只有「氣味＋吸血成功」同時出現才會改變行為；單純暴露於氣味的對照組，照樣迴避。

DEET 氣味（中性刺激）＋ 吸血成功（非制約刺激）→ 反覆配對 → DEET 氣味（制約刺激）→ 趨近行為（制約反應）

這項研究的結論帶著警訊：嗅覺驅避之所以脆弱，是因為它依賴蚊子的行為選擇，而行為選擇可以被學習覆蓋。防蚊的重點，因此從「有沒有效」轉向「覆蓋夠不夠完整」——塗一半、留個腳踝，等於替蚊子開課。

直腸開關：學不掉的生理煞車

幾乎在同時，哥倫比亞大學 Laura Duvall 團隊處理的是另一個老謎題：吸飽血的雌蚊為何會進入數天「靜默期」、對人類氣味失去反應？

答案出人意料。透過 RNA 定序與免疫螢光染色，他們發現調控飽足的 NPYLR7 受體幾乎完全集中在腸道最末端的六個「直腸墊（rectal pads）」，而非原本假設的大腦。每當雌蚊吸完血，周圍神經釋放神經肽 RYamide，與直腸墊上的 NPYLR7 結合，觸發細胞內鈣離子濃度急升——鈣訊號正是神經元被激活的標準指標。這些直腸細胞還會主動打包並釋放化學訊號封包，向中樞傳達「停止尋找宿主」的指令。

換句話說，這是一個生理性的飽足煞車：它不問蚊子「想不想靠近」，而是直接在腸道層級關閉叮咬動機。

兩篇研究的對話

DEET 研究呼籲「把蚊子當成會學習的對手」；NPYLR7 研究恰好提供了一種較難靠學習繞過的開關。從這個角度看，後者像是前者所提問題的一個候選答案——整個防治領域的重心，可能正從「行為驅避」（可被學習擊敗）轉向「生理性動機抑制」（學習較難介入）。

三、從學習到遺傳：一道證據強度遞減的階梯

第三篇研究，把「昆蟲會學」的問題推到了最極端的版本：學到的東西，能不能傳給後代？

記憶能穿越蛹期嗎？

鳳蝶是完全變態昆蟲，化蛹時體內組織幾乎完全液化重組，神經系統劇烈改變。早在 2008 年，喬治城大學 Blackiston 團隊就對蛾做過類似實驗：幼蟲期被訓練對特定氣味產生嫌惡的蛾，羽化後仍會迴避，證明記憶可以穿越蛹期。一般認為，部分神經元叢在液化過程中存活，可能是記憶保留的物質基礎。

記憶能傳給後代嗎？

神戶小學生長井丈把問題再推進一步。他用經典的厭惡條件反射框架：讓幼蟲聞薰衣草氣味、同時施加低頻電流，羽化後以 Y 字裝置測試氣味選擇，再追蹤子代（F1）與孫代（F2）。第一批約 100 隻中，受訓成蟲有 68% 迴避薰衣草氣味，而未受訓對照組無明顯偏好；報導描述其子代與孫代亦出現相似傾向。他持續擴充樣本，累計達 397 隻、770 次實驗。

※ F1、F2 具體數值尚未以正式論文公布，以上為學會發表與媒體報導中的描述性結果。

這裡必須踩煞車：「個體會學習」與「記憶能遺傳」是兩個完全不同層次的主張。DEET 研究談的是個體生命週期內的行為改變，研究者自己也說明，是否能透過表觀遺傳傳遞「需進一步研究」——他們並未宣稱遺傳。鳳蝶研究的核心主張正是跨代遺傳，而這恰恰是三篇中證據最薄弱的一塊。

四、腸—腦軸與巴夫洛夫：跨越物種的古老機制

共通的實驗範式：巴夫洛夫

DEET 研究是教科書式的古典條件反射——氣味＝鈴聲、吸血＝食物；鳳蝶研究則是它的鏡像版本，用氣味與電流配對製造迴避。兩項相隔甚遠的研究使用同一個十九世紀範式，顯示巴夫洛夫框架至今仍是測量昆蟲學習的標準工具。

共通的演化遺產：腸—腦軸

NPYLR7 研究最令科學界振奮的，是它為跨物種腸—腦軸的演化保守性添了新證據。蚊子的「RYamide—NPYLR7—直腸—神經系統」軸線，在邏輯結構上與哺乳類腸—腦軸驚人相似：腸道感知養分 → 釋放訊號分子 → 抑制進食行為。哺乳類 NPY 受體與昆蟲 NPYLR7 序列相似度約 60%，部分為哺乳類設計的化合物也能激活昆蟲受體——這正是 GLP-1（Ozempic、Wegovy 的作用靶點）的同源故事。

無獨有偶，鳳蝶研究也把昆蟲當成理解人類自身的參照：哺乳類（小鼠）與線蟲（C. elegans）已有後天厭惡記憶經表觀遺傳傳給後代的實驗，研究框架甚至連結到人類偏頭痛、PTSD 的跨世代現象。在這兩篇裡，昆蟲的角色都從「防治對象」升級為「研究普遍生命機制的低成本模型」。

五、推論的紀律：哪些能說，哪些還不能說

綜合多篇研究最大的陷阱，是把它們拉到同一個信賴水準。三者的證據等級差距極大，必須分層對待：

• 證據強度遞減：DEET 與 NPYLR7 都是同儕審查、有完整對照與機制鏈（後者更有鈣成像、電子顯微鏡囊泡影像、基因剔除突變對照）；鳳蝶研究則尚無同儕審查、出自單一研究者、早期樣本偏少，仍在擴充以達投稿所需統計效力。
• 層次不可混用：個體學習（DEET）≠ 跨代遺傳（鳳蝶）。後代迴避也可能來自親代行為或費洛蒙的環境影響，而非真正的表觀遺傳傳遞，需更嚴格對照才能排除。
• 實驗室 ≠ 野外：DEET 的配對訓練高度受控，野外能否重現尚無定論；NPYLR7 化合物也僅在實驗室測試，研究者估計轉化為實際防蚊產品至少需 5 至 10 年。
• 類比有界線：60% 的序列相似與 GLP-1 類比是「邏輯結構相似」與「分子相容性」，不等於機制完全等同；昆蟲結果連結人類記憶現象，也僅是「間接啟發」。

跨三篇能安全成立的命題是：昆蟲具備被長期低估的學習與分散式行為控制能力，且部分機制跨物種保守——DEET 與 NPYLR7 足以支撐。而「昆蟲記憶可跨代遺傳」則應標記為有趣但尚未確立的開放問題，不宜與前兩者並列為既成結論。

常見問題（FAQ）

Q1：我用了防蚊液還是被咬，是不是已經把蚊子訓練壞了？

不一定。單次吸血不足以確認學習是否發生，實驗室條件下需要反覆配對才能產生穩定制約。被咬更可能是防護不完整（漏塗、用量不足），而非學習效應。

Q2：DEET 學習效應會遺傳給下一代蚊子嗎？

目前的 DEET 研究沒有提供這方面的直接證據。聯結學習屬個體生命週期內的行為改變，能否透過機制傳給後代，需另行研究——這正是鳳蝶研究試圖回答、但尚未確立的問題。

Q3：直腸飽足開關什麼時候能變成真正的防蚊產品？

仍處基礎科學階段。需先釐清直腸細胞回傳訊號的化學本質，再進行戶外小規模試驗與安全審查，樂觀估計至少需 5 至 10 年。

Q4：鳳蝶記憶遺傳的研究可信嗎？

實驗設計參照了學術文獻，並獲昆蟲館學藝員與大學研究者指導。但因尚無同儕審查、樣本仍在擴充，結論需保留空間，等待獨立重複驗證。

Q5：這些昆蟲研究和人類有什麼關係？

腸—腦軸機制與哺乳類 GLP-1 高度相似，記憶表觀遺傳的問題也與人類偏頭痛、PTSD 的跨世代現象相關。昆蟲在此扮演的是低成本研究模型，提供跨物種比較的參照框架。

結論

三項研究從三個角度共同瓦解「昆蟲是簡單反射機器」的舊認知：蚊子會學——連我們對付牠的武器都能學成獵物提示；蚊子的動機開關不在大腦——而在直腸的類神經元細胞；記憶或許還能跨越生死與世代——雖然這一點仍待證實。

放在一起，它們指向同一個方向：下一代的病媒與害蟲防治，必須把昆蟲當成會學習、控制分散、機制可能跨代延續的對手來設計，而非可被單一化學物質永久關閉的感測器。同時，這些研究也讓昆蟲從「待消滅的害蟲」變成理解腸—腦軸、學習與表觀遺傳等普遍生命機制的入口。而貫穿全局的方法論主角——巴夫洛夫的條件反射——提醒我們：一個十九世紀的範式，到了今天仍在重新定義我們對最微小生命的理解邊界。

推薦閱讀

• 蚊子如何感知氣味：嗅覺神經科學入門
• 腸—腦軸與 GLP-1：跨物種的飽足機制
• 表觀遺傳學入門：什麼是 DNA 甲基化？
• 昆蟲聯結學習研究前沿：從蜜蜂到蚊子

參考資料來源

• Associative learning switches DEET valence from aversive to appetitive in Aedes aegypti — Journal of Experimental Biology
• The Conversation：Mosquitoes learn to link the smell of DEET with a blood meal
• 原始論文全文（Current Biology）：直腸細胞與蚊子食慾
• 預印本版本（bioRxiv）
• 哥倫比亞大學官方新聞稿
• ABEMA TIMES：鳳蝶記憶遺傳研究報導
• BE-PAL 深度採訪：長井丈的研究歷程

以下為虛構對話，人物與情節為創作，科學內容來源標註於文末。

▌人性本惡

「人不為己，天誅地滅。」Dg 把手機螢幕轉過來，「荀子說的。這世界至少一半的人都在偷雞摸狗。」

「荀子沒說過那句。」K 沒抬頭。「而且你連數字都是猜的。」

「那是常識。」

「常識是你以為你知道，但其實沒量過的東西。」K 終於看他一眼，「有人實際量過了。匿名擲骰子，猜中有錢拿，沒人查得到你說謊。你猜多少人作弊？」

Dg 想了想。「七成。」

「三成。」

辦公室的冷氣壓著一層低頻的嗡鳴。Dg 愣了一下。

▌差了十四個百分點

「不可能。匿名又沒懲罰，誰不撈？」

「你剛剛就沒撈。」K 把咖啡推到一邊，「八千多筆資料，十一個實驗。大家平均高估別人說謊的比例——十四個百分點。你猜七成，真實三成，你也踩在這條線上。」

「所以我是……正常的偏差？」

「你是教科書等級的偏差。」K 說，「而且有趣的是，自己誠實的人跟自己說謊的人，預測都一樣高。不是『做賊的喊抓賊』，是大家集體把這個數字算錯。」

Dg 抓了抓頭。「那為什麼會算錯？」

「其中一個猜測——錢擺在眼前的時候，你會清楚感覺到『說謊有多誘人』。」K 頓了一下，「然後你以為別人跟你一樣擋不住。其實他們大多擋住了。」

▌監視器的代價

Dg 不死心，又翻出一句。「『懷疑是智慧的開端』，笛卡兒——」

「笛卡兒講的是懷疑知識，不是懷疑同事。」K 打斷，「而且這個高估有後果。研究裡那些經理人，高估得比一般人還兇——預測五成五的人會作弊。然後呢？」

「然後？」

「越覺得別人會騙，越想裝監視器、查考勤、盯報帳。」K 的手指在桌面敲了一下，「可是給他們看真實數字之後，六個情境裡有五個，他們對監控的支持度就掉下來了。」

Dg 沉默了一會兒。

「所以……」他慢慢說，「不是大家比較壞，是我們以為大家比較壞。然後照著這個錯覺去蓋牆。」

「嗯。」

「牆蓋起來，被盯的人覺得不被信任，反而——」Dg 停住，「這會不會變成一種自己騙自己的循環？」

K 看了他一眼，沒說話。那種沉默通常表示 Dg 沒說錯。

Dg 把手機鎖上，順手把桌角那杯早就涼掉的咖啡端去重新加熱了——K 的那杯。

我們對陌生人、同事、甚至整個社會的道德評估，系統性地偏離現實。一項橫跨 11 個實驗、超過八千筆數據的大規模研究揭示：人類普遍高估他人的不誠實程度，平均偏差高達 14 個百分點——而這個認知錯誤，正悄悄重塑我們的職場制度與社會信任。

關鍵亮點

• 人們平均高估他人不誠實行為的比例約 14 個百分點，跨情境、跨個體差異皆高度一致
• 在匿名、無懲罰風險的條件下，實際上約 70% 的受試者選擇誠實
• 專業經理人對欺騙率的預測比實際高出 25 個百分點，且這種道德悲觀主義直接預測了對職場監控的偏好
• 僅提供一段說明真實誠實比率的短文，即可顯著提升受試者的社會信任感並降低犬儒主義程度

為什麼我們天生不信任別人？

每個社會都依賴一個看不見的基礎在運作——那就是誠實。

當人們繳稅、不虛報保險理賠、在超市結帳時沒有順手牽羊，整個系統才得以低摩擦地運轉。然而心理學與行為經濟學花了數十年探究「什麼讓人說謊」，卻鮮少回頭問另一個同樣關鍵的問題：人們究竟怎麼看待他人的誠實程度？這些看法，準確嗎？

挪威經濟學院（NHH）助理教授 Jareef Martuza 在撰寫博士論文期間注意到一個奇特的現象：他給數百名受試者機會，讓他們可以在匿名環境中說謊並獲得金錢報酬。同時，他請受試者預測：有百分之多少的其他人，會在同樣的情況下選擇說謊？

「我原本以為大家的預測大致上是準確的，」Martuza 說，「但他們幾乎一致地高估了。諷刺的是，我對別人信念的信念，自己也錯了。」

這個發現啟動了一個系統性研究計畫。學術文獻中原本存在兩種競爭假設：一是「犬儒主義預測」——為了自我保護，人們傾向預設他人最壞的行為；二是「真相偏誤（truth bias）」——人們預設他人通常在說真話。兩個方向各有支持證據，真實情況究竟偏向哪一邊？

Martuza 與合著者 Helge Thorbjørnsen、Hallgeir Sjåstad 設計了一套大規模研究計畫，試圖在受控條件下直接量化「信念」與「現實」之間的落差。這項研究發表於 2026 年的《實驗社會心理學期刊》（Journal of Experimental Social Psychology）。

擲骰子裡的謊言：研究設計揭秘

要測量欺騙行為，研究者面對一個根本性難題：說謊本來就不留痕跡，而且人們不會誠實地告訴你「我說謊了多少次」。

為了繞過這個困境，研究者採用了行為科學中已被廣泛驗證的機率式欺騙典範（probabilistic cheating paradigm），最常見的形式是「擲骰子任務」：

受試者在心裡預先猜一個數字，然後觀看螢幕上隨機出現的骰子結果，並回報自己猜中了沒有。猜中就能獲得小額金錢獎勵。由於研究者無從得知受試者「真正猜的是什麼」，個別說謊行為完全無法被偵測——沒有任何懲罰風險。

這個設計的巧妙之處在於：雖然無法確認誰說謊，卻可以通過統計推算多少人說謊。如果沒有人作弊，在大樣本中「猜中」的機率應符合數學期望值；若「猜中率」顯著高於期望，差距就反映了欺騙的比例。

研究中也使用了一種「顏色配對任務」：受試者記住一個顏色，再判斷這個顏色是否出現在一張新的顏色清單中。若謊稱「有」，就能以犧牲匿名夥伴的代價換取金錢獎勵。

在所有這些測試中，受試者除了做選擇之外，還被要求預測：有百分之多少的其他人，會在相同情況下做出不誠實的選擇？這個設計讓研究者可以直接比較「信念」與「測量到的行為」之間的差距。

整個研究計畫橫跨 11 個獨立實驗，共產生 31 個不同的比較效果，涵蓋 8,126 筆回應、7,340 名獨立受試者，全部透過美國線上平臺 Prolific 招募。

數字說話：高估幅度究竟有多大

研究結果清晰而一致：人們系統性地高估他人的不誠實程度。

內部元分析顯示，跨越 31 個比較效果，受試者平均將他人的不誠實行為高估了 13.6 個百分點（效果量 Hedges’ g = 0.61，屬中等至大型效果）。63.5% 的受試者高估幅度超過 5 個百分點，而僅有約四分之一的受試者低估了欺騙率。

換句話說：如果實際上有 30% 的人在匿名環境下選擇說謊，人們通常會預測有 44% 的人這樣做。

更值得注意的是，這個偏誤在涉及真實金錢誘因的測試中格外顯著，在假設性的零售情境中則相對較弱。研究者推測，金錢誘因讓說謊的誘惑更加具體可感，受試者因此將這種主觀誘惑投射到對他人行為的預測上——即使實際上大多數人選擇了不為所動。

研究者還發現，這個悲觀偏誤與受試者自己的行為無關：無論受試者本人選擇了誠實還是說謊，他們對他人的預測都同樣偏高。這排除了「只有說謊的人才會預期他人也說謊（投射效應）」的簡單解釋，暗示這是一種更普遍的認知傾向。

「我們非常驚訝這個效果在各種情境中是如此一致，」Martuza 說，「包括個體差異——例如受試者自己在回報信念之前是否選擇誠實——都沒有影響這個模式。」

從認知偏誤到組織決策：管理者的道德悲觀主義

認知偏誤不只是個人的心理現象——當它滲入決策者的思維，就會以制度的形式具體化。

研究的第三項研究招募了 285 名職業經理人，包括總監、副總裁與高階主管，請他們估算六種現實世界中不誠實行為的盛行率：職場竊盜、虛報費用、多報工時、購買仿冒品、保險詐騙、以及商店行竊。

結果：這些每天負責設計規則與管理系統的專業人士，對欺騙率的高估幅度甚至比一般受試者更大。他們預測有 55% 的人會在擲骰子測試中說謊——比實際欺騙率高出整整 25 個百分點。

不僅如此，這種「道德悲觀主義」具有直接的政策含義：對他人不誠實程度預估越高的管理者，越傾向支持更嚴格的職場監控措施。這種相關性跨越了職場竊盜、報銷舞弊等六項情境皆成立。

這個發現的隱憂在於一種潛在的自我實現預言：當管理者因為高估欺騙率而部署過度監控，員工可能感受到不被信任，反而降低自發性的道德行為；而當偶發的不誠實事件被監控系統捕捉到，又進一步強化了管理者對「人性本惡」的信念——即使這些事件的頻率本來就在預期之內。

知道真相之後，改變發生了嗎？

如果悲觀偏誤源自於資訊缺乏，那麼提供正確資訊應該能夠校正它。研究者在第二和第四項研究中直接驗證了這個假設。

第二項研究（981 名成人）將受試者分為兩組。介入組閱讀一段短文，說明研究發現約 70% 的人在匿名測試中選擇誠實，且一般人對欺騙率的預測平均高出實際值約 14 個百分點。對照組只閱讀對研究的一般性描述，不包含具體數字。

結果相當顯著：接收真實資訊的受試者，在一般社會信任、對他人公正性的信念、以及對他人樂於助人的預期上，均顯著高於對照組。整體犬儒主義分數也明顯下降。

這提示一個重要的可能性：人們對他人的負面評估在某種程度上並非根深蒂固，而是建立在錯誤的基準率認知上。一旦這個基準率被校正，整體的社會觀就會隨之改善。

第四項研究（741 名經理人）進行了相同的介入，並測量受試者對六項假設性職場情境的監控政策偏好，使用從 -50（強烈希望減少監控）到 +50（強烈希望增加監控）的滑動量表。

接受正確誠實率資訊的管理者，在六項情境中的五項裡，對監控措施的支持程度均顯著低於對照組。一段短文所傳遞的事實，足以校正管理者對組織風險的評估，並降低他們對限制自由的制度措施的偏好。

不過，研究者也謹慎地指出一個邊界：「我們展示的是，糾正錯誤認知改變了人們對監控政策的陳述態度，但我們尚未驗證它是否能改變實際的組織決策。」這也是後續研究的重要方向。

研究邊界與未解之謎

這項研究的結論是強健的，但有幾個值得留意的侷限。

首先是地理與文化範圍：所有受試者均招募自美國線上平臺，高信任度社會（如北歐）與低信任度社會之間，悲觀偏誤的幅度是否有所差異？目前無從得知。

其次是心理機制尚未確立：悲觀偏誤究竟從何而來？研究者提出了幾個可能解釋：負面事件在記憶中更易留存（可得性啟發法）；媒體對欺騙、詐騙事件的選擇性報導放大了感知頻率；或者，金錢誘惑情境下人們將自身感受到的「誘惑強度」投射到對他人的預測中。這些機制仍待直接驗證。

第三個問題是生態效度：線上匿名實驗與真實職場環境存在本質差異。擲骰子遊戲的誠實率不能直接等同於「現實中 70% 的人從不說謊」——研究所測量的，是在特定條件下（匿名、無懲罰、小額獎勵）的行為傾向。

最後，研究者也特別澄清：「我們不是說人們是完全誠實的——約 30% 的受試者在有機會的時候確實作弊了。我們的核心發現是：人們預估的數字遠高於實際值。」

這個區別至關重要。承認「確實存在欺騙行為」與「我們嚴重高估了欺騙的普遍程度」，這兩件事可以同時成立。

常見問題（FAQ）

Q1：這個研究是否代表我們應該無條件信任所有人？

研究者明確表示，研究結論不是呼籲無條件信任。研究顯示的是，人們對欺騙率的預估系統性偏高，而非說欺騙不存在。適度的懷疑主義在現實中有其保護功能；問題在於當懷疑程度遠超過實際風險時，產生的制度成本與社會摩擦是否值得。

Q2：悲觀偏誤是否有自我保護的功能？

從演化心理學角度來看，對欺騙保持高度警覺可以降低被剝削的風險，具有適應意義。然而，研究者指出，當這種警覺轉化為系統性的高估，其代價——包括對職場監控的過度支持、對他人的普遍不信任、以及可能的自我實現預言——可能超過保護性收益。

Q3：知道真相之後，效果能持久嗎？

目前的研究只測量了短期介入（閱讀一段短文後立即填答問卷）的效果，尚未追蹤長期持續性。研究者也指出，在複雜的真實組織環境中，資訊介入的效果是否能抵抗組織文化、財務誘因等其他因素的影響，仍是開放的問題。

Q4：這個現象只在美國成立嗎？

目前數據均來自美國受試者，跨文化適用性未知。文化因素可能顯著影響結果：高信任度社會（如北歐國家）的基準誠實率本身較高，悲觀偏誤的幅度是否也會隨之縮小，是值得探索的問題。

Q5：為什麼涉及真實金錢時高估幅度更大？

研究者推測，當自己真的面對金錢誘惑時，人們能更直觀地感受到「說謊的吸引力」有多強，因此在預測他人時，會將這種主觀體驗投射出去——即使實際上多數人仍選擇了抗拒誘惑。

結論

這項研究提出了一個令人不安但也令人鬆了口氣的發現：這個世界，可能比你想象的更誠實。

人類對他人道德水準的悲觀評估，並非精確校準的風險判斷，而是帶有系統性偏差的認知濾鏡。在這面濾鏡的折射下，我們設計了過多的監控系統、對合作夥伴保持不必要的防衛姿態、在公共討論中預設最壞的動機。

Martuza 說，這個研究計畫對他個人來說是一次啟示：「我的同事和我，都在探索我們的信念有多頻繁地不符合現實。」

糾正偏差的方式，原來可以相當直接——僅僅是一段說明實際誠實率的短文，就能在短期內改善受試者對他人的整體評價，並降低他們對限制性政策的支持。

這不是要求我們對欺騙行為視而不見，也不是呼籲解除所有制度性防範措施。而是提醒我們：在制定關於信任的決策之前，不妨先問一個更基本的問題——我對「人們有多不誠實」的直覺判斷，是否真的反映了現實，還是我自己的認知系統把數字算錯了？

推薦閱讀

• 擲骰子典範與欺騙測量
• 職場監控的心理學效應
• 社會信任與犬儒主義研究
• 行為經濟學中的誠實研究

參考資料來源

• Martuza, J., Thorbjørnsen, H., & Sjåstad, H. (2026). Beliefs versus reality: People overestimate the actual dishonesty of others. Journal of Experimental Social Psychology.
• OSF 預印本全文（CC BY 4.0）
• Bø, S., & Sjåstad, H. (2024). Revisiting the moral forecasting error. Journal of Experimental Social Psychology.
• Gerlach, P., Teodorescu, K., & Hertwig, R. (2019). The truth about lies: A meta-analysis on dishonest behavior. Psychological Bulletin.
• PsyPost 原始報導（Eric W. Dolan, 2026）

以下為虛構對話，人物與情節為創作，科學內容來源標註於文末。

▌外送

K 不在。

桌上的咖啡涼了一半，鍵盤聲停了，整間辦公室只剩冷氣低低的運轉聲。Dg 坐在 K 的位子上轉筆，門被推開。

「外送～」Liy 端著托盤進來，麵店的湯味跟著飄進門，「K 呢？」

「出去了。放這就好。」Dg 把筆放下，指了指桌角。

Liy 把麵放下，手裡還拿著一根沒拆封的乾義大利麵——大概是剛剛包裝裡掉出來的。她隨手抓著兩端，輕輕一折。

啪。

「……三段。」她看著掉在桌上的碎屑，「奇怪，我每次都折不成兩段。」

▌Dg 的講解

Dg 眼睛亮了。機會來了。

「這個啊，」他清了清喉嚨，往椅背一靠，「費曼說過，『凡是我不能創造的，我就不能理解』。所以連費曼都搞不懂的東西，妳折不斷很正常。」

「費曼搞不懂折麵嗎？」Liy 歪頭。

「對。他折了一整晚。」Dg 點頭，「重點是，麵條斷的時候會放出一種波。這個波啊——就像妳丟石頭到水裡，會一圈一圈擴散出去——它擴散出去之後，就會把麵條的其他地方也震斷。」

「喔。」Liy 又撿起一根，折斷。啪。「那我把它泡軟，是不是就不會有波了？」

Dg 頓了一下。

「……對，泡軟就沒有波了。」他很有自信地說，「因為波需要硬的東西才能傳。軟掉就傳不動了。妳看，這就是『上善若水』，水最柔軟，所以水裡面沒有波。」

「可是石頭丟到水裡會有波耶。」

「……」

▌越走越遠

「那是另一種波。」Dg 迅速調整，「水波是水波，麵波是麵波，兩種波不一樣。麵的波比較快，所以折不成兩段。妳要折成兩段的話，就要讓波變慢。」

「怎麼讓波變慢？」

「把麵……」Dg 的手在空中比劃，一時找不到動作，「把麵轉一下。轉一轉，波就會打架，打架就互相抵消了。」

「轉哪邊？」

「轉……」Dg 認真想了三秒，「轉就對了。轉到它不想斷成三段為止。」

Liy 點點頭，一臉「原來如此」，認真地抓起一根麵，開始慢慢扭轉。

轉到一半。

啪。

四段。

「比剛剛還多。」Liy 看著桌上，困惑地說。

「那是因為妳轉太快。」Dg 立刻說，「轉慢一點。要慢慢轉。慢工出細活。」

「可是你剛剛說波要快……」

「波要快，手要慢。」

「為什麼？」

Dg 張開嘴。

冷氣的聲音忽然顯得很大。

Liy 又拿起一根麵，這次她什麼也沒問，只是盯著它看了很久，然後輕輕地，往兩個方向同時扭了一下。

從費曼的廚房實驗到 MIT 的實驗室突破——乾燥義大利麵的斷裂物理，揭示的不只是烹飪技巧，更是脆性材料科學的核心難題。

關鍵亮點

• 幾乎不可能：從兩端施力彎折乾燥義大利麵，斷成剛好兩段的機率極低，通常產生三至四段碎片。
• 連鎖波動是元兇：斷裂瞬間釋放的「彈回波」沿麵條傳導，在其他位置引發二次斷裂，形成級聯效應。
• 扭轉是解方：MIT 2018 年研究證明，預先扭轉約 270 度再彎折，可精準達成二段斷裂。
• 工程應用潛力：相關理論可應用於橋樑、建築構件、奈米管等脆性細長材料的斷裂控制。

費曼也折過麵

諾貝爾物理學獎得主理查·費曼（Richard Feynman）以思考實驗聞名於世，但有一個問題讓他不得不動手實驗：拿起一根乾燥義大利麵，從兩端施力折斷，為什麼永遠得到三段以上的碎片，而不是整齊的兩段？

據記載，費曼曾與友人花了一整個晚上在廚房裡反覆折麵，地板上堆滿碎片，卻始終找不到答案。他最終沒能解決這個問題，但這個「廚房物理謎題」從此成為物理學界的一則軼事，激勵後繼的研究者繼續追究。

這不是一個無聊的問題。義大利麵在物理學上可以被視為一根細長脆性彈性桿（brittle elastic rod），而這類結構廣泛存在於工程與自然界——從橋樑桁架、建築鋼筋到細胞內的微管（microtubule），都有類似的力學行為。理解義大利麵為什麼斷成多段，本質上是在理解脆性材料在彎曲應力下的斷裂動力學。

為什麼總是三段以上？

圖：從兩端施力彎折乾燥義大利麵，斷裂後幾乎不可能只有兩段碎片。

憑直覺，我們會預期麵條從中間——也就是彎曲弧度最大、應力最集中的地方——斷成兩段。這個預期在第一次斷裂上是正確的：麵條確實從曲率最大處先行斷裂。

問題出在斷裂之後。

當麵條在中段斷開的瞬間，兩段新形成的碎片突然從彎曲狀態「彈回」成近乎直線的形狀。這個彈回過程並不平靜——它釋放出大量彎曲彈性能，以撓曲波（flexural wave） 的形式向兩端快速傳導。這些波動在傳播過程中，會在碎片的其他位置造成局部曲率突然增大，若超過材料的斷裂極限，就會觸發新的斷裂點。

這就是所謂的級聯斷裂（fracture cascade）：一次斷裂引發波動，波動引發更多斷裂，整個過程在毫秒內連鎖發生，最終留下三段甚至更多的碎片。

直徑與長度的影響

2022 年，研究團隊以有限元素軟體 ABAQUS 對不同尺寸的麵條進行模擬，提供了更細緻的量化描述：

換句話說，在一般廚房常見的義大利麵尺寸範圍內，純粹靠彎折要得到兩段，幾乎是不可能的任務。

2005 年：第一個科學答案

費曼留下謎題的幾十年後，法國巴黎第六大學的 Basile Audoly 與 Sébastien Neukirch 在 2005 年發表了第一篇嚴謹的物理分析，論文刊登於頂級期刊《Physical Review Letters》。

他們的研究重點是：斷裂後的波動動力學。

兩人將乾燥義大利麵的一端固定，另一端施力彎折後突然釋放，並以高速攝影機記錄整個斷裂過程。分析結果顯示，斷裂點釋放的撓曲波並非隨機的雜訊，而是遵循自相似解（self-similar solution）的嚴格數學規律——波形的時空結構具有精確可預測的縮放特性，不需要任何可調整的自由參數。

這個發現將一個「廚房常識」提升為精確的物理現象，也為後來的研究奠定了理論基礎。Audoly 與 Neukirch 的研究在 2006 年獲得 Ig Nobel 物理學獎——這個獎項專門頒給「乍看荒謬、實則深刻」的研究，是科學界以幽默方式致敬嚴肅研究的獨特傳統。

然而，2005 年的研究只回答了「為什麼斷成多段」，並沒有告訴我們「如何才能斷成兩段」。

2018 年：MIT 學生的扭轉破解法

圖：MIT 研究團隊設計的專用扭轉彎折裝置，可精確控制預扭轉角度與彎折速度。

答案來自一堂研究所課程的期末專題。

2015 年，MIT 學生 Ronald Heisser 與同學在修習「非線性動力學：連續體系統」課程時，讀到了費曼的廚房逸事，決定以「能否讓義大利麵斷成兩段」作為研究題目。

起初只是徒手實驗，Heisser 發現一個有趣現象：如果在彎折之前先將麵條用力扭轉，斷成兩段的機率會大幅提高。這個直覺在當時無法解釋，但足以引發更深入的研究動機。

經過數年研究，Heisser 與指導教授 Jörn Dunkel 及數學建模夥伴 Vishal Patil 等人，在 2018 年將完整的理論與實驗結果發表於《Proceedings of the National Academy of Sciences（PNAS）》。

扭轉破解法的物理機制

關鍵在於兩種波的速度差：

• 彎曲波（bending wave）：斷裂後釋放彎曲彈性能，傳播速度相對較慢。
• 扭轉波（twist wave）：預扭轉在斷裂後釋放扭轉彈性能，傳播速度比彎曲波快。

當麵條預先施加足夠的扭轉（實驗約需 270 度），斷裂發生後，扭轉波比彎曲波更早抵達其他位置，在撓曲波尚未到達之前就先消耗掉局部的應力集中能量。兩種波動的干涉效果，使得二次斷裂所需的曲率閾值無法在其他位置被達到——級聯斷裂就此被「熄滅」。

實驗以 Barilla No. 5 與 Barilla No. 7 兩種直徑的麵條驗證，結果具一致性：預扭轉超過臨界角度後再緩慢彎折，穩定產生二段斷裂。

從麵條到樑柱：這個研究有什麼用？

看似只是廚房謎題的研究，實際上觸及了材料科學與工程的核心問題。

研究團隊在論文中明確指出，相關理論可應用於所有「細長脆性彈性桿」類型的結構，包括：

• 撐竿跳選手的竿子：2012 年倫敦奧運就曾出現撐竿在比賽中斷裂的事件，斷成多段的動力學與義大利麵問題高度類似。
• 奈米管與多纖維結構：在材料工程中，控制奈米尺度纖維的斷裂行為是製造高強度複合材料的關鍵挑戰。
• 細胞骨架微管（microtubule）：細胞內負責結構支撐與物質運輸的微管，也是細長脆性結構，其斷裂動力學與細胞功能息息相關。
• 地震中的建築構件：理解細長構件在動態載荷下的級聯斷裂，有助於建築抗震設計。

扭轉預應力的概念，未來或許能被轉化為一種「主動斷裂控制」技術——在需要控制材料斷裂方式的工程場景中，通過預施扭矩來決定斷裂點的數量與位置。

常見問題 FAQ

Q1：我在家可以試著把義大利麵折成兩段嗎？

MIT 的實驗使用專門設計的扭轉裝置來精確控制角度與施力方式。徒手操作時，扭轉角度難以達到穩定的 270 度，成功率較低——更可能的結果是麵條從你手中飛出，然後依然斷成三段。

Q2：為什麼費曼一整晚都沒有解開這個謎題？

因為這個問題需要高速攝影技術才能觀察到斷裂後的波動行為。費曼的貢獻更多是提出了正確的問題，並讓這個問題在物理學界廣為人知。

Q3：這個現象只適用於義大利麵嗎？

義大利麵是研究的方便模型，但相同的物理原理適用於所有細長脆性彈性桿。圓截面的長直麵（spaghetti）是最接近理想圓柱模型的食物，螺旋麵、扁麵等形狀因截面幾何不同，斷裂行為會有所差異，相關研究尚不充分。

Q4：Ig Nobel 獎是在嘲笑這類研究嗎？

恰恰相反。Ig Nobel 獎的宗旨是「先讓你笑，再讓你思考」，得獎研究必須兼具娛樂性與真實的科學價值。Audoly 與 Neukirch 的研究通過了《Physical Review Letters》的嚴格同儕審查，Ig Nobel 的認可是對其「用有趣題目做嚴肅物理」精神的肯定。

Q5：義大利麵的研究成果真的能應用在奈米材料上嗎？

目前還處於理論階段。研究團隊的數學模型在原則上可以縮放到奈米尺度，但實際製程中如何施加「預扭轉」於奈米管等微觀結構，仍是工程技術上的挑戰，需要後續研究驗證可行性。

結論

從費曼廚房地板上的碎麵，到 MIT 實驗室裡精密控制的扭轉裝置，義大利麵的斷裂問題走過了半個世紀。2005 年，法國物理學家用撓曲波理論解釋了「為什麼不能兩段」；2018 年，MIT 團隊用扭轉波干涉機制回答了「如何才能兩段」。

這個故事的深層意義在於：自然界最日常的現象，往往隱藏著最精妙的物理機制。一根乾燥麵條的斷裂，牽涉到彈性力學、波動方程、斷裂力學與動力學的交會，其背後的數學結構與橋樑斷裂、骨折力學、奈米材料設計共享同一套語言。

未來，扭轉預應力概念如果能被工程化，或許能讓材料工程師更精確地控制脆性構件的斷裂行為——讓它在需要的地方斷、以需要的方式斷，而不是像廚房裡的義大利麵一樣，以不可預測的方式碎成一地。

參考資料來源

• Audoly & Neukirch (2005) — PubMed 摘要
• Heisser et al. (2018) — arXiv 全文
• Heisser et al. (2018) — PNAS 官方頁面
• Zhang et al. (2022) — ResearchGate
• MIT News 官方新聞稿 (2018)

以下為虛構對話，人物與情節為創作，科學內容來源標註於文末。

▌午間，麵店

湯的味道先到。

Dg 把手機螢幕轉過來，朝著櫃台後的 Liy。

「看到沒，AI 在那個全世界最難的程式競賽拿了滿分。所以結論很清楚——」他停了半秒，等一個不存在的鼓聲，「人類不用再學寫程式了。」

Liy 探頭看了一眼，把筷子放進筒裡。

「那它會煮麵嗎？」

「⋯⋯不會。」

「那我爸還是不能換成它。」

Dg 卡住了。他想說那是不一樣的，但一時找不到為什麼不一樣。

角落傳來吹麵的聲音。K 坐在那裡，碗還冒著煙，沒抬頭。

▌它考一百分，不等於它懂

「競賽題，」K 終於開口，把筷子放下，「限時、有唯一正解、規則寫死。AI 最擅長那種。真實的開發是需求講不清、一堆歷史包袱、人吵架。完全兩回事。」

Dg 立刻接上，想扳回一城：「對對，就像那句『紙上得來終覺淺』——」

「那是講要實做。」K 看他一眼。「你引的方向跟你想證明的相反。」

Dg 的氣勢漏了一格。

Liy 一邊擦桌子一邊說：「可是它考一百分，應該很厲害吧。」

「考一百分跟會做事，」K 把面前的湯推開一點，「是兩件事。我背得出食譜，不代表我煮的麵能端出去。」

Liy 想了一下，很認真地點頭：「對，你煮的應該不能。」

K 停頓了一下。

「⋯⋯我是在打比方。」

▌把刀交給還沒受過訓練的人

「重點是這個。」K 拿起筷子，在空中比了一下。「一個從來沒被 bug 卡死過的人，看 AI 寫的程式，他憑什麼知道哪裡會炸？看到一個明明很慢的寫法，他不會覺得哪裡怪。」

「所以還是要練基礎。」Dg 說，語氣有點不甘願。

「練的不是『取代 AI 的能力』，」K 說，「是『聞得出 AI 哪裡不對勁』的能力。工具越強，這個越重要，不是越不重要。」

Dg 想引一句來總結，嘴張開——

「把一把刀，」Liy 突然說，手裡正握著切蔥的刀，「交給還不會用的人，他會先切到自己。」

桌上安靜了一秒。

K 看著她，難得地沒有馬上接話。

「⋯⋯對。」他過了一拍才說，「就是那個意思。」

Dg 張著嘴，那句他準備好的名言，硬生生吞了回去。

他默默把手機螢幕關掉，拿起筷子，這次沒急著說話，先把那碗已經有點涼的麵吃完。

2025 年 9 月，一套通用 AI 在全球最頂尖的大學程式競賽 ICPC 拿下滿分，把人類曾經最引以為傲的「解題能力」一次答對。於是一個尖銳的問題浮上檯面：如果連寫程式都輸給 AI，資工系這四年到底該教什麼？學生付出的學費還換得到什麼？而當所有人都在喊「快導入 AI」時，一個更少人談的真相是——連矽谷都還沒算清楚這筆帳。本文拆解教育、就業與產業三個層次，並一路推演到「該怎麼教」的解法與它的代價，看清這場混亂的真正結構。

關鍵亮點

• 🎯 代理指標失效 ≠ 訓練無用：AI 會寫程式，不代表人就不必學；判斷 AI 對不對的能力，正是寫程式磨出來的
• 🏫 頂尖學校反其道而行：MIT 把作業配分從 25% 砍到 5%、考試拉到 95%，用意是確保學生真的懂，而不是交出基礎
• 💸 效能其實衡量得到一半：敏捷開發的速率（Velocity）能測吞吐量，但測不到品質與隱性成本——ROI 的分子算了，分母沒算
• 🔨 訓練方向確實該變：把「建構系統」交給 AI，把人的雙手轉移到「破壞系統」與「驗證系統」，可能比退回紙筆考試更對
• ⚠️ 真正的輸家是學生：當最關鍵的能力培養移到企業內部，那四年學費換到的東西，正在變得難以說清

1. 一個被誤讀的起點：AI 滿分代表了什麼

故事要從一個常見的論證鏈說起。有一種主張是這樣推的：AI 在 ICPC 拿了滿分，所以「把問題變成正確程式碼」這件事人類已經輸了；既然輸了，資工系就不該再把寫程式放在訓練最前面；結論是——大一就該發 AI 付費帳號、作業乾脆假設學生都用 AI 寫、訓練重心整個搬到架構與設計。

方向上，沒有人會反對「學生該接軌業界」。但這條論證鏈藏了幾個沒被驗證的跳躍，值得逐一拆開。

跳躍一：競賽滿分被過度外推

ICPC 的題目限時、有唯一最優解、高度形式化——這本來就是 AI 最擅長的場景。但真實的軟體開發充滿了需求說不清、歷史包袱、多人協作衝突，以及大量無法自動化驗證的取捨。用「競賽滿分」去支撐「全面取代人類開發」，跨度實在太大。

跳躍二：把「會寫」直接等於「不必學」

寫程式的訓練價值，從來不只是產出程式碼這個輸出。它同時在建立對資料結構的直覺、對複雜度的感受、debug 的系統性思維，以及讀懂別人（或 AI）寫的程式碼的能力。「AI 能寫」直接推導出「人不必學寫」，這一步偷渡了一個沒有論證的假設。

跳躍三：新地基同樣懸空

這類主張花大量力氣證明「寫程式已歸零」，卻只用一句「AI 還接不走」就把新地基蓋在架構與設計上。但架構判斷怎麼學？還不是要靠自己踩過坑、設計錯過、協作出過問題——而這些全都需要基礎學能墊底。新地基本身，同樣懸空。

2. 基礎學能之爭：工具越強，底層直覺越重要

這是整場討論裡最站得住腳的一點，而且可以用幾個跨領域的類比看得很清楚。

所有專業訓練的通則都一樣：先建立底層能力，工具才有意義。 機師要先真懂飛行力學，電子輔助系統失靈時才不會出事；醫生要先真懂病理，影像判讀 AI 出錯時才抓得住。這不是情懷，而是容錯能力的唯一來源。

對程式開發完全適用。一個從沒自己把遞迴寫通、沒被 bug 真正卡過的人，讀 AI 生出來的程式碼時，憑什麼判斷它哪裡會炸？他缺的不只是「萬一 AI 壞掉的備援」，而是更根本的東西：

• 看到一個 O(n²) 的解法，不會覺得哪裡怪
• 看到記憶體沒有釋放，沒有那個「好像不對」的感覺
• 系統慢下來，不知道該從哪裡開始懷疑

計程車司機的直覺

有一個更貼切的類比。計程車司機不需要懂引擎維修，但開了幾十萬公里之後，「這個聲音不對、這個手感變了」會變成一種身體長出來的直覺——不是讀手冊讀來的，是大量實際使用累積出來的異常感知。

這正是底層訓練的真正價值：它建立的不是「取代工具的能力」，而是「對工具的異常感知能力」。 工具越強，這個能力越重要，不是越不重要。

把刀交給還沒準備好的人

可以用一個畫面收束這一節：把一把刀交給一個還沒受過訓練的人，他會拿來做什麼，沒人知道——沒概念，先傷到自己，再傷到別人。沒有基礎墊底就拿到強大工具，人不是在用工具，而是被工具使用：把說不清楚的需求，交給 AI 生出看不懂的程式碼，然後不知道它對不對。這比完全不會更危險，因為他有了盲目的自信，卻沒有對應的判斷力。

3. 頂尖學校怎麼做：保住基礎，而非交出基礎

如果「乾脆讓學生都用 AI」是對的，那走在最前面的學校應該最先這樣做。事實正好相反。

MIT：加重考試，限制 AI

以 MIT 資工系的演算法導論課為例，配分在短短一年內出現劇烈調整：2024 年是作業 25%、考試 75%，到 2025 年變成作業 5%、考試 95%。理論課普遍禁止用 AI 完成作業。

邏輯非常直接：作業可以讓 AI 寫、考試不行，所以要確認學生真的懂，就把評量重心整個移到考試。有教授的說法是：在乎學習的人，用 AI 學得更深更快；不在乎的人，只是作弊更方便——AI 改變的是作弊的門檻，不是學習的本質。

Stanford：類比人類協作的邊界

另一種做法，是把 AI 的使用界線類比成「和人類同學合作」：可以用，但不能直接要答案、不能複製解法。意思是工具可以輔助思考，但思考本身不能外包。

一種務實的防守——但也可能是一種退守

這些學校的共同姿態，是一種務實的防守：我不確定怎麼教新的，但至少先確保學生真的學會舊的。它牢牢守住了基礎——但本文第八節會回過頭來質疑：它守住的，會不會是一種「人體編譯器」式的、即將過時的直覺？這是這場討論最後的引爆點。

4. 就業誘因的崩解：文憑還值幾百萬嗎

守住基礎是對的，但它沒有回答學生心裡那個真正的焦慮：就算我把基礎練好了，進場的門票還在不在？

畢業典禮噓聲的真正來源

近來科技業高層到大學畢業典禮致詞，只要提到 AI 就被噓。表面看像是學生抗拒技術，實際上不是。背景是：這些公司一邊在台上說「AI 是機會」，一邊正用 AI 縮減新人招募、砍掉入門職位。學生噓的是說這些話的人的可信度——你叫我擁抱 AI，但你公司剛砍了我本來要去的那個職缺。

這是利益衝突的憤怒，不是技術路線的抗拒。但這個憤怒裡，確實包著一個真實的矛盾：「你要我四年苦練基礎，業界卻說這些基礎工作 AI 都能做了，那我換來什麼？」這個焦慮真實存在，而目前沒有人給出讓人信服的答案。

文憑的交換價值正在被重估

過去這筆學費買的是一個很清楚的東西：進場資格，投資報酬率算得出來。現在這個等式開始鬆動，可能走向兩條路：

• 文憑貶值：越來越多人選擇自學、走 bootcamp、靠作品集直接進場，繞過大學；部分公司已開始取消學歷門檻。
• 文憑重新定價：若大學真能轉型、培養出 AI 取代不了的判斷力，文憑價值反而可能上升，因為能通過這種訓練的人更稀缺。

真正讓人覺得划不來的落差

問題的核心在於一個時間差：學生付的是「轉型後」的價格，拿到的卻還是「轉型前」的產品。

而這個落差被一個結構性事實放大了：大學的設計邏輯是慢的——課程改革要委員會、要審查、要好幾年的週期；產業變化卻是以月為單位的。兩個時間尺度根本對不上。

更深一層看，教授不動也不全是怠惰，而是誘因問題：學術職涯的回報來自發論文、拿終身職、帶研究生，跟「課程是否貼近業界現狀」幾乎無關。把課改得更新，學術評鑑的回報是零；繼續教舊課綱，待遇職位一樣。所以「不改」其實是理性選擇。這類機構真正會動的觸發點，往往只有一個：招生數字下滑——當學生開始用腳投票，學校才會認真改。

5. Chegg 的前車之鑑：標準答案生意如何歸零

要理解「有標準答案的東西」會怎麼瞬間蒸發，有一個現成的案例。

Chegg 做的是學生作業生意：付月費，就能拿到課本習題與作業題的解答和詳解。它一度是全美最大的教育科技公司，2021 年市值高達約 145 億美元，滲透率誇張到全美大學生每三人就有一個是訂戶。

然後 ChatGPT 出現了。它免費、即時、會解釋觀念、可以無限追問。Chegg 累積十年的「解答資料庫」護城河，幾乎在一個產品上線後就蒸發。到 2025 年第一季，訂戶年減約三成、營收同步下滑；股價從高點跌掉 99%，抹去約 145 億美元市值；公司接連裁員，一路走到面臨下市、瀕臨破產。雪上加霜的是，搜尋引擎的 AI 摘要直接在結果頁生成答案，連帶掐斷了 Chegg 的自然流量入口。

對學校的警鐘

Chegg 的故事不能直接類比整個大學教育——大學的核心主張從來不是「來這裡換一個標準答案」。但它精準示範了一件事：「一道有標準答案的題目值得付錢」這個假設，已經不成立了。

任何科系若仍把訓練與評分，大量建立在「有標準答案的作業」上，賣的就是同一個正在歸零的東西。這一點，那套「all-in AI」的主張其實說對了——只是它開的藥方（乾脆讓學生都用 AI 寫）會製造更快的空洞化，而 MIT 把評量移向考試，才是針對同一個威脅的務實回應。

6. 被忽略的真相：連矽谷都算不清這筆帳

最反直覺、也最少人談的一層，是企業端其實也在霧裡——不是「AI 已經取代工程師」，而是「沒有人算得清 AI 到底值不值得」。

token 計費的根本悖論

2025 年底，微軟讓數千名員工用上頂級的 AI coding 工具，鼓勵大家用它重塑工作流程。員工很愛——可能太愛了。到 2026 年中，微軟反而開始撤回這些內部授權，把員工導回自家工具。

工具不是因為難用被砍，恰恰是因為用得太兇。按使用量計費（token 計費）藏著一個根本矛盾：工具越好用，工程師用越多，帳單就越高。這正是企業最不想要的成本結構——變動、不封頂、隨生產力反向膨脹。同一時期，另一家大型科技公司的技術長也坦言，公司把整個年度的 AI coding 預算在短短四個月內燒光，只能「回到原點重新想辦法」。

效能到底能不能評估？一個來回的辯論

這是整個導入討論裡最少人認真面對的問題，也最值得把正反兩面攤開。

質疑方會說：軟體開發不像生產線。同一個零件做一千次，可以算良率、速度、成本；但開發的本質是「不重複的事情才叫開發」，每個問題都是第一次遇到的，沒有對照組，也就沒有評估基準。所謂「導入 AI 後生產力提升三倍」，是跟哪個平行宇宙比？

主張方會反駁：這是不懂現代軟體工程度量機制的誤解。業界早在沒有 AI 的時代，就用敏捷開發的速率（Velocity，例如每個衝刺週期消化的 Story Points）在衡量高度不確定的開發產能。而且就算號稱「全新」的系統，底層仍有大量高度重複的基礎建設（CI/CD、API 路由、資料綁定），真正燒腦的核心邏輯只佔少數。團隊吞吐量從每個 Sprint 消化 50 個 Points 提升到 80 個，這就是現成的數據。

但這個反駁只贏了一半。 Velocity 衡量的是「做了多少」，不是「做得有多好」。一個 Sprint 消化了 80 Points，沒有告訴你那裡頭埋了多少技術債、多少 AI 生成、日後要回頭償還的程式碼——而「真產能提升」和「把成本推到未來」，在短期數字上長得一模一樣。更關鍵的是，這個 ROI 算式只有分子（速度），沒有分母：

• AI 工具的使用費用
• 審查 AI 程式碼的時間成本
• 日後維護 AI 生成程式碼的成本（往往比手寫的更高，因為邏輯不透明）
• 當 AI 出錯時，需要有人看得懂並修正的隱性人力

微軟與那家燒光預算的公司，正是這個分母被嚴重低估的真實案例。吞吐量確實上升了，但總成本也炸了。 衡量工具讓「測速度」變得可能，卻沒有把導入 AI 的完整成本結構納進來。錢花出去了，值不值得，沒人算得清楚——於是整個導入決策，現在靠的不是數據，而是「相信 AI 一定有用，先導入再說」的信仰。

7. 台灣的「落後紅利」：一條很薄的護城河

把以上拼起來，台灣浮現一個諷刺的局面。

台灣企業導入 AI 慢，主因不是不想，而是算過成本後捨不得——捨不得燒算力、買授權、改流程。結果反而形成一個緩衝區：工程師的工作還在，因為老闆根本還沒認真去算「讓 AI 做是不是比較便宜」這筆帳。

但這個「保障」要小心兩件事。

第一：它可能比想像中薄

低成本的勞動條件，反而可能讓替換的門檻變低，而不是變高。當一家公司的人力成本看起來不高，老闆暫時沒有強烈動機去計算 AI 能否取代；可是一旦有人認真算，而 AI 完成同樣工作的成本又持續下降，那把算盤可能打得很快。台灣現在的平靜，原因往往不是「算過覺得不划算」，而更可能只是還沒認真算過。

第二：但工程師有 token 沒有的特性

反過來看，一個領固定月薪的工程師，具備按量計費的 AI 沒有的特性：加班不會另外跳錶、出了問題自己扛、需求說不清楚也能自己猜、被唸兩句還是繼續做。對照大公司踩到的「越好用越貴、永不封頂」，固定薪資的工程師其實是一個定額、可預測、出問題還能追究責任的方案。在台灣的條件下，工程師暫時還打得過 AI 的帳單。

這條護城河說出來，不知該笑還是該哭：真正保護工程師飯碗的，不是技術更強或教育更好，而是成本結構暫時還算得過去。 而且「還沒燒到」不代表問題不存在，只是火燒得慢。台灣此刻討論教育改革，其實是在一個「還沒有真正壓力」的環境裡討論——這反而是一個難得的視窗。

8. 那到底該怎麼教：從「寫的工匠」到「破壞的偵探」

罵完問題，總得問：那到底該怎麼教？這一節把「退回紙筆」與「全交給 AI」之外的第三條路推演出來，它的核心是一場關於「直覺怎麼養成」的辯論。

第一回合：直覺只能轉移，不能消滅

有人主張：工程師不必再逐行審查 AI 寫的程式碼（那既無效又危險，人的注意力會疲勞），而該往上抽離成「自動化防線的設計師」——用架構約束與測試代碼，而不是肉眼，去攔截 AI 的錯。這個「典獄長模式」很漂亮，但有個破綻：你怎麼知道「這裡要建防線」？ 知道要在資料存取層強型別綁定，是因為你被 SQL Injection 燒過；知道要寫高併發壓測，是因為你對 Race Condition 有感覺。直覺沒有消失，只是把輸出形式從「肉眼審查」換成「寫測試」——而典獄長，還是得先當過犯人的鄰居。

第二回合：舊直覺 vs 新直覺

接著有一個更強的切入點：MIT 用紙筆考試捍衛的，是「抓出少一個分號、O(n²) 寫錯」這種人類專屬的低級錯誤直覺；但 AI 幾乎不犯語法錯，它犯的是高維度的幻覺錯——一本正經呼叫已廢棄的 API、把不同模組的商業邏輯搞混導致金額算錯、忽視新舊套件間的深層相依衝突。用舊時代的除錯直覺去審查新時代的生成式代碼，像用聽診器修電動車。這一刀切得準：訓練的「目標」確實該變。但要注意，判斷「這個 API 被廢棄了」「這段商業邏輯不對」，本身仍需要深厚的領域直覺——新直覺的來源，和舊直覺其實是同一條路。

第三回合：概念與語法脫鉤

關鍵的推進出現在這裡：「懂底層」不該再等於「會手寫」。 了解 Race Condition 靠的是扎實的作業系統理論，了解 SQL Injection 靠的是資料庫與網路知識——這些是「宣告性知識」，理論課就能教。過去之所以把概念和手工藝綁死，是因為驗證學生懂不懂的唯一辦法，就是「叫他徒手寫出來」。但你需要知道參數綁定的原理與邊界，不需要背誦它的具體語法。這個脫鉤是對的。可是認知科學會提醒：「知道概念」和「對它有直覺」是兩回事——前者是宣告性知識，後者是程序性知識，而程序性知識需要在情境中被反覆觸發、親手被滾水燙過，才會內化。

收斂：破壞性微型手工 + 鷹架式崩潰

把這些咬合起來，浮現出一個真正完整、也最有說服力的方案：

把「建構系統」交給 AI，把人的雙手轉移到「破壞系統」與「驗證系統」。

• 破壞性微型手工：不必再花三週手刻一個訂單系統（其中 98% 在刻樣板代碼）。讓 AI 三秒吐出一個含高併發漏洞的系統，然後要求學生親手寫 20 行壓測腳本把它搞死。學生一樣看著 Thread Pool 塞爆、Transaction 鎖死，一樣被滾水燙到——直覺來自「觸發錯誤的那一瞬間」，不是「堆砌基礎建設的漫長過程」。
• 鷹架式崩潰：大一新生當然看不懂大型系統，所以要加鷹架。第一週，AI 只生成一個百行內的微型模組；課堂講解 SQL Injection 的理論；作業是「手寫 5 種惡意 Payload 把它刪庫」；成功後，再手寫參數綁定測試來驗證安全。學生不必親手鑿每顆石頭，但必須親手拿鐵鎚敲擊 AI 給的那顆石頭。

這套「以攻代守、以破壞理解結構」的模式，在資安與 QA 領域早已成熟。它在邏輯上，確實比「退回無菌室練手寫」更能回應當下。雙方真正的共識其實已經浮現：底層概念不能省、程序性知識需要親手觸發——分歧只剩「親手的目標」是建構還是破壞。 而後者，站得住腳。

9. 最殘忍的結論：誰才是霧裡真正迷路的人

但這套方案有一個沒被解決的實務缺口，而這個缺口，通往整場討論最殘忍的結論。

缺口一：師資

「破壞性微型手工」需要有人事先設計出帶漏洞的 AI 模組、設計評分標準、判斷學生的攻擊是真觸發了漏洞還是矇到的。這需要同時懂資安、懂教育設計、又懂 AI 生成程式碼特性的人。台灣現在有多少這樣的教授？答案很殘酷：幾乎沒有。大學教授的 KPI 是論文發表與計畫爭取，不是替業界打造最前沿的工程師。

缺口二：零起點的驗證

把資安、QA 領域對「中高階人才」有效的「以攻代守」訓練，直接套到大一新生身上，仍需驗證這個轉移是否有效。雖然「用 AI 動態生成靶場、AI 兼任助教」確實能補上一部分實作斷層——但這仍是一個需要實驗與數據才能回答的教育學問題，不是明天就能拍板的定論。

於是，責任被轉移了

把這兩個缺口放在一起，會推出一個現實但冷酷的結論：教育與實戰的交接點，正從大學校園，轉移到企業的 IT/MIS 部門內部。 既然學校送出來的畢業生注定只帶著空泛理論與被紙筆考試摧殘過的舊語法記憶，企業就不能再指望「即戰力」，而得自己建沙盒、設關卡、用 AI 當靶場與助教，由內部資深架構師親自訓練。能做這件事的，不是大學教授，而是企業的技術管理者。

真正迷路的人

這個結論在務實層面是對的。但把它說完整，會發現它同時否定了一件事——

在這個框架裡，大學教育已經不在解題路徑上了。 不是「需要改革」，而是解法根本在企業內部：靠技術主管、靠 AI 靶場、靠資深架構師設計關卡。

那對學生意味著什麼？他們付了四年學費，拿到一份「空泛理論加上即將過時的語法記憶」的文憑，然後進到企業裡從頭被訓練。那四年，換到的是什麼？

這場辯論真正的輸家，不是退守紙筆的 MIT，也不是抱著手工代碼不放的舊思維——而是那個還在付學費的十八歲學生。 訓練方向可以吵出第三條路，企業可以務實地接管最後一哩路，但「大學這四年對他到底還值不值得」這個問題，沒有任何一方回答得了。

這才是霧裡，真正迷路的人。

結論：三方都在霧裡的過渡期

把所有層次收攏起來，會看到它們其實是同一個病灶的不同症狀：

這些症狀的共同根源是：整個「學了這個 → 去做這個」的線性邏輯正在斷裂——不只資工系，而是整個高等教育。資工系只是因為 AI 衝擊最直接、最快，所以最先把矛盾暴露出來。

真正稀缺、而現有課程和業界方法論都還沒系統性培養的，是能評估 AI 在特定場景值不值得用、用得對不對，並且能設計防線去馴服它的人。這需要同時懂技術底層、成本結構與業務邏輯——而培養這種人的責任，正從學校悄悄滑向企業。

留下一個誠實的判斷：此刻很難找到一個強而有力的理由，說服一個十八歲的人「花這筆學費是穩賺的」。但「目前沒有好答案」不等於「永久無解」。不確定性是真實的，不需要假裝它不存在——而在這個過渡期裡，保住會思考、能判斷、對工具能產生異常感知的底層能力，並且把訓練的雙手從「建構」轉向「破壞與驗證」，仍然是最不容易出錯的那個押注。

常見問題 (FAQ)

Q1：既然 AI 已經比人會寫程式，學生還有必要從頭學寫程式嗎？ 有，但「寫」的目標要變。底層概念不能省，因為沒有概念框架，就無法對崩潰的系統問出正確的問題。但親手寫的內容，可以從「建構產能代碼」轉向「寫攻擊腳本、壓測、測試案例」——用破壞與驗證來建立直覺，而不是靠手刻樣板代碼。

Q2：頂尖大學是不是都在擁抱 AI、淡化基礎課？ 恰恰相反。以 MIT 為例，核心理論課反而把考試比重大幅拉高、限制作業使用 AI。但這套「保住基礎」的做法也有隱憂：它捍衛的可能是「抓語法低級錯」這種即將被 AI 接手的舊直覺，而不是面對 AI 高維度幻覺錯所需的新直覺。

Q3：為什麼說 AI 導入的效益「算不清」？Velocity 不是能測嗎？ 敏捷開發的速率能測「吞吐量」，這是真的。但它測不到品質與隱性成本：技術債、審查時間、維護成本、AI 出錯時的人力需求。ROI 的分子（速度）算了，分母（完整成本）沒算——微軟與燒光預算的公司，正是分母被低估的後果。

Q4：既然 AI 那麼貴，是不是代表工程師短期內很安全？ 不一定。成本結構暫時對工程師有利，但這條護城河很薄。一旦 AI 使用成本持續下降、企業認真計算，替換的決策可能很快發生。現在的平靜，往往只是因為「還沒認真算」，不是「算過覺得不划算」。

Q5：那現在還該不該讀資工系？ 這要看科系是否在培養「會判斷、會設計防線」的能力，而不只是「會操作工具」或「會解標準答案」。但要誠實面對一個趨勢：最關鍵的能力培養，正從學校滑向企業內部。在學校能否提供對等價值被驗證之前，這筆學費的投報率，確實比過去更難說清。

推薦閱讀

• AI 程式工具的真實成本與企業導入困境
• ICPC 競賽與 AI 解題能力的意義
• 生成式 AI 如何衝擊教育科技產業
• 軟體開發生產力為什麼難以衡量
• 資安以攻代守的訓練模式

參考資料來源

• MIT 資工系課程對 AI 使用態度的調整報導
• Stanford CS 課程的生成式 AI 使用政策
• Chegg 市值崩跌與 ChatGPT 衝擊分析
• 微軟撤回內部 AI coding 工具的成本問題
• 企業 AI 導入成本結構與 token 計費悖論

以下為虛構對話，人物與情節為創作，科學內容來源標註於文末。

▌噴霧

「達爾文說過，能存活的不是最強的物種，是最能適應變化的。」Dg 把防蚊液噴霧轉了半圈，標籤朝外。「所以這瓶 DEET，就是人類適應力的結晶。」

「達爾文沒說過那句。」K 沒抬頭。「而且 DEET 不適應任何東西，蚊子才適應。」

機車聲從窗外掠過。

「DEET 的原理是嫌惡。蚊子聞到，逃。化學干擾嗅覺受體，跟蚊子的意志無關。」K 把咖啡杯往旁邊推了兩公分。「至少我們以前是這樣想的。」

「以前？」

「2026 年，圖爾大學跟維吉尼亞理工。他們讓蚊子在 DEET 的氣味裡，吸到血。」

Dg 噴霧的手停在半空。

▌鈴聲

「吸到血會怎樣？」

「蚊子把氣味跟食物綁在一起。下一次聞到 DEET，不逃了，靠過來。」K 終於抬頭。「嫌惡翻成趨近。他們叫效價翻轉。」

「等等——」Dg 放下噴霧，擺出他自認最學術的姿態，「這不就是巴夫洛夫的狗嗎？鈴聲、口水、食物——『我思故我在』！」

「最後那句是笛卡兒，跟這裡一點關係都沒有。」

「……」

「前半對。」K 補了一句，像施捨。「DEET 氣味是鈴聲，吸血是食物。配對久了，蚊子聞到鈴聲就流口水——比喻意義上的。」

「所以防蚊液在幫蚊子打鈴。」

「只有在牠們突破防線、真的吸到血的時候。沒吸到，學不起來。對照組光聞氣味，照樣逃。」

冷氣低低地運轉。

▌覆蓋率

「那我噴這個還有用嗎。」Dg 看著自己手裡那瓶，像看一個叛徒。

「有用。前提是別讓牠吸到血。」K 說，「重點從『有沒有效』變成『覆蓋夠不夠完整』。塗一半、留個腳踝，等於開課。」

Dg 沉默了一下。

「所以蚊子不是變聰明。是牠本來就會學，我們以前假裝牠不會。」

K 沒回話。喝了口咖啡。那是同意的意思。

「赫拉克利特說，人不能兩次踏進同一條河——」Dg 又要開始。

「停。」

「……我的意思是，我們不能用對付『笨蚊子』的方法，去對付一隻會記得上次吸到血的蚊子。」

K 看了他一眼，沒糾正。

Dg 把噴霧重新拿起來，這次很仔細地，從腳踝開始噴。

一瓶用了幾十年的防蚊液，可能正在幫蚊子做訓練。2026 年一項發表於《實驗生物學期刊》的研究揭示：埃及斑蚊能透過聯結學習，將 DEET 的氣味從「危險訊號」重新詮釋為「獵物就在附近」的提示——這不只是驅蚊劑的危機，更是對昆蟲認知能力的根本性重估。

🔑 關鍵亮點

• DEET 的驅蚊效力並非永久有效——蚊子可透過學習「解除」對 DEET 的嫌惡反應
• 機制類似巴夫洛夫古典條件反射：DEET 氣味與吸血成功配對後，蚊子開始將 DEET 視為「有血可吸」的線索
• 研究對象為埃及斑蚊，登革熱、茲卡病毒、黃熱病的主要媒介
• 此發現促使研究者重新評估全球防蚊策略，並加速 DEET 替代成分的研發需求

DEET 是什麼？為什麼我們信任它五十年

1946 年，美國軍方為了保護熱帶戰區士兵，開發出一種化學驅蚊成分：N,N-二乙基間甲苯醯胺，縮寫 DEET。七十年後，它依然是全球防蚊劑市場的主流成分，出現在無數品牌的噴霧、乳液與貼片裡。

DEET 的作用原理，長期以來被簡化成一句話：「蚊子聞到就跑。」更精確的描述是：DEET 分子會干擾蚊子嗅覺感受器上的氣味受體，使其對 DEET 氣味產生強烈的嫌惡反應，進而迴避。

這個機制被認為是穩固的。化學層面的，物理層面的，不需要蚊子的「配合」。

直到 2026 年。

實驗設計：如何讓蚊子「學壞」

法國圖爾大學的 Claudio Lazzari 與美國維吉尼亞理工大學的 Clément Vinauger 領導的研究團隊，設計了一個關鍵實驗：

訓練組：讓埃及斑蚊在含有 DEET 氣味的環境中成功吸血，使 DEET 氣味與「獲得食物」的正向經驗反覆配對。

對照組：蚊子暴露於 DEET 氣味，但不提供吸血機會。

訓練完成後，研究者測試兩組蚊子對 DEET 氣味的行為反應。

圖一：訓練組蚊子在 DEET 氣味存在下完成吸血，對照組則僅暴露於氣味而無食物獎勵。

結果十分明確：只有在吸血經驗與 DEET 氣味同時出現的條件下，蚊子才會改變行為。 單純的氣味暴露不足以改變反應，關鍵在於兩種刺激的時序配對。

效價翻轉：從嫌惡到趨近

研究者使用「效價翻轉（valence switch）」這個詞彙描述他們觀察到的現象，這個術語選用本身就很說明問題。

「效價」（valence）在行為神經科學中指的是刺激的情緒方向性：正效價代表趨近、獎勵、想要；負效價代表迴避、懲罰、不想要。大多數學習研究討論的是效價強度的改變——例如原本很怕的東西變得沒那麼怕。

但這項研究記錄的是方向本身的翻轉：原本是負效價的刺激，學習後變成了正效價。

這對蚊子的行為意義是：DEET 不再是「遠離」的訊號，而是「靠近」的訊號。

更令人不安的是，這個改變具有持續性。訓練後的蚊子，在後續測試中仍維持對 DEET 的趨近行為，而非隨時間自然消退。

蚊子的巴夫洛夫時刻

理解這個機制，不需要複雜的神經科學背景——巴夫洛夫的狗已經幫我們做了最好的類比。

19 世紀末，俄羅斯生理學家巴夫洛夫發現：原本對食物有反應的狗，在食物反覆與鈴聲配對出現後，最終光聽到鈴聲就會分泌唾液。鈴聲從「無意義」變成了「食物要來了」。

埃及斑蚊的 DEET 學習，遵循的是完全相同的邏輯：

DEET 氣味（中性刺激）＋ 吸血成功（非制約刺激）→ 反覆配對 → DEET 氣味（制約刺激）→ 趨近行為（制約反應）

關鍵點在於：這不是蚊子「變聰明了」，而是牠們本來就具備這樣的神經可塑性。聯結學習能力在昆蟲界並不罕見，果蠅、蜜蜂早已被充分研究；但蚊子作為一種人類長期想消滅的害蟲，其認知能力長期被低估。

這對你的防蚊習慣意味著什麼

先回答最直接的問題：你現在用的防蚊液不會立刻失效。

這項研究的前提條件是，蚊子需要在 DEET 氣味存在的情況下成功吸到血，才能完成制約學習。如果防蚊液用得夠確實、蚊子沒有機會突破防線，學習就無從發生。

然而，這項研究提出了幾個值得思考的問題：

個人層面：若你曾在塗抹防蚊液的情況下仍被叮咬，理論上接觸你的那隻蚊子可能已完成制約。後續牠是否會更「積極」靠近 DEET 氣味而非迴避，是合理的推論。

族群層面：野外環境中，若具有 DEET 學習能力的個體能因此獲取更多食物，繁殖優勢可能推動族群層面的行為改變。目前研究尚未驗證這個推論，但研究者認為值得追蹤。

使用策略層面：確保完整覆蓋、不留空隙，比稀薄塗抹但暴露機會增加更有效。劑量和覆蓋率，而非單純「有沒有用」，可能才是關鍵。

結論：驅蚊劑的未來

DEET 的驅蚊效力來自蚊子的嫌惡反應，而嫌惡反應可以被學習覆蓋——這是 2026 年這項研究帶來的核心訊息。它不是末日預言，而是提醒我們：在演化的賽局裡，沒有哪一方的優勢是永久的。

下一代驅蚊策略，必須把蚊子當成一個會學習的對手，而不是一台可以被化學物質固定關掉的感測器。

干擾學習記憶的形成、阻斷聯結神經迴路、設計「無法被學習覆蓋」的新型驅蚊成分——這些方向，將是下一代防蚊研究的核心問題。

你的防蚊液還是要塗。但蚊子正在學習這件事，大概也值得放在心上。

常見問題（FAQ）

Q1：我用了 DEET 之後被咬，代表防蚊液已經對我的蚊子「失效」了嗎？

不一定。單次吸血不足以確認學習是否發生，實驗室條件下需要反覆配對才能產生穩定的制約反應。此外，被咬的原因可能是防護不完整（未塗到的部位、用量不足），而非學習效應。

Q2：DEET 的學習效應會遺傳給下一代蚊子嗎？

目前研究尚未提供這方面的直接證據。聯結學習屬於個體在生命週期內的行為改變，是否能透過表觀遺傳或其他機制傳遞，需要進一步研究才能確認。

Q3：其他防蚊成分（例如派卡瑞丁、檸檬桉葉油）也有同樣的問題嗎？

這項研究目前只針對 DEET 與埃及斑蚊。其他成分是否也能被蚊子學習「解除」嫌惡，是研究者接下來應回答的問題，現階段無法類推。

Q4：這項研究是在實驗室裡完成的，野外的蚊子真的會這樣嗎？

這是研究的重要侷限。實驗室中的配對訓練條件高度控制，野外環境干擾因素複雜得多。是否能在自然族群中觀察到同樣現象，需要野外研究驗證，目前尚無定論。

Q5：這項發現會影響登革熱的防治策略嗎？

此研究以埃及斑蚊為對象，牠是登革熱的主要傳播媒介。若學習效應在野外族群中得到驗證，防治單位可能需要重新評估以 DEET 為基礎的個人防護建議，但目前研究結果尚不足以直接改變公衛政策建議。

推薦閱讀

• 蚊子如何感知氣味：嗅覺神經科學入門
• DEET 替代成分的研究現況
• 昆蟲學習能力研究前沿：從蜜蜂到蚊子
• 埃及斑蚊與蟲媒病毒：防治挑戰總覽

參考資料來源

• Associative learning switches DEET valence from aversive to appetitive in Aedes aegypti — Journal of Experimental Biology
• EurekAlert 官方新聞稿
• The Conversation：Mosquitoes learn to link the smell of DEET with a blood meal
• The Scientist：A Pavlovian Twist — Mosquitoes Learn to Love DEET
• Gizmodo：A Widely Used Mosquito Repellent Might Actually Be Training Them to Seek Your Blood

以下為虛構對話，人物與情節為創作，科學內容來源標註於文末。

▌定義

「『想像力比知識更重要』。」Dg 把咖啡放下，「愛因斯坦說的。所以 ChatGPT 能寫詩、能編程，它顯然已經理解這個世界了。」

「沒有。」

「沒有？」

K 沒抬頭。「它預測下一個字。它不知道杯子會掉下去。」

「杯子？」

K 把 Dg 的咖啡往桌緣推了五公分。停在那裡。

「你現在知道再推一下會發生什麼事。」K 說，「你閉著眼睛也知道。你腦子裡有一個世界怎麼運作的模型。語言模型沒有。」

冷氣低低地運轉。Dg 把咖啡挪回安全的位置。

▌潛在空間

「那把每個像素都生成出來不就好了？」Dg 說，「畫面愈細，理解愈深。」

「太貴。而且大部分像素不重要。」K 終於抬頭，「你看一個杯子，腦子記的是『杯子、在桌緣、會掉』，不是每一根反光的位置。」

「所以……」

「世界模型不重建像素。它把觀察壓成一個精簡的表示，在那個空間裡預測下一步。叫潛在空間。」

「潛在空間。」Dg 重複，「就像我不用記住你整張臉，只要記住『K、毒舌、不會笑』就夠了。」

K 看他一眼。沒反駁。

▌可識別性

「『真理是時間的女兒』。」Dg 又開始了，「培根說的。所以這套東西總有一天會被證明對吧——」

「五月就證明了。」K 打斷，「LeJEPA。LeCun 他們的論文。」

「證明什麼？」

「證明在某種條件下，這個架構能把觀察值映射回世界真正的內部結構。不是亂猜的對應，是線性的、可還原的。叫線性可識別性。」

Dg 想了三秒。「等於說……模型學到的東西，跟世界真正的樣子，有一條可靠的對應線。不是它自己瞎編一套。」

「對。」

「那條件是什麼？」

「世界的內部變數要服從高斯分布。論文證明高斯是唯一能保證的那個。」

▌落差

「太好了！」Dg 站起來，「『知識就是力量』，培根也說過。所以 AI 已經懂物理了——」

「IntPhys 2。」K 說。

「什麼？」

「一個測試。給模型看兩段影片，其中一段違反物理規則，要它挑出來。人類接近滿分。」K 停頓，「目前最好的模型，很多情況下只比丟銅板好一點。」

Dg 坐了回去。

「所以理論證明它『能』還原世界，前提是高斯。」Dg 慢慢說，「但真實世界不是乾淨的高斯。所以它證明的是上限，不是現在做得到。」

「嗯。」K 低頭繼續看螢幕。

Dg 沒有再翻名言。他把那杯咖啡，從桌緣移到了正中央。

當 ChatGPT 能寫詩、能編程，卻無法預測一顆球被推下桌後會發生什麼——這不是 bug，而是整個架構的根本限制。2026 年，一批研究者正在用「世界模型」重新定義 AI 的上限：不只預測文字，而是預測現實。

✦ 關鍵亮點

• 世界模型不預測像素，而是在「潛在空間」中預測狀態變化，計算效率遠高於生成式模型。
• LeJEPA 是迄今第一個被數學嚴格證明能「還原世界真實結構」的架構，作者包括 Yann LeCun 本人。
• 2026 年，AMI Labs、World Labs、Google DeepMind、Alibaba 已在世界模型領域累計投入或募集超過 30 億美元。
• 現有最強模型（V-JEPA 2）在直覺物理測試上的表現，仍只比隨機猜測稍好。

什麼是世界模型？

一個關於理解的老問題

世界模型是一種機器學習系統，能建構環境的內部表示，並預測在特定行動後環境如何隨時間演變。研究者設計世界模型，目的是讓 AI 代理人能夠規劃、推理和行動，而不需要在真實世界中反覆試錯。

這個定義聽起來抽象，用一個比喻會更清楚：想像你閉上眼睛，有人把一個杯子推到桌緣——你「知道」它會掉下去，而且知道掉下去之後會碎。你不需要親眼看到，因為你腦子裡有一個世界的運作模型。

大型語言模型（LLM）做不到這件事。LLM 操作的是文字輸入，預測的是文字序列中的下一個 token，擅長翻譯或摘要，但缺乏對物理世界的理解。世界模型則不同：它操作感測器輸入（例如像素），在潛在空間中預測狀態變化，支援規劃與因果推理。

歷史比你想的長

這個概念不是最近才有的。Jürgen Schmidhuber 在 1990 年就引入了「世界模型」這個詞，提出用遞歸神經網路從觀察預測未來狀態並訓練代理人。2018 年，David Ha 與 Schmidhuber 重新喚起這個概念，讓代理人學會在自我生成的模擬環境中開車和玩電玩。

真正讓這個領域獲得主流關注的，是 Yann LeCun 2022 年的一篇立場論文。

JEPA 架構：LeCun 的賭注

不預測像素，預測「意義」

LeCun 在 2022 年的論文〈A Path Towards Autonomous Machine Intelligence〉中主張：真正的智慧需要對世界的預測模型，而非純粹的模式比對，並提出聯合嵌入預測架構（JEPA）作為實作基礎。

JEPA 的核心邏輯與生成式模型（例如 Stable Diffusion）截然不同。生成式模型必須重建每一個像素的細節——非常耗資源，而且很多細節根本不重要。JEPA 讓編碼器將觀察壓縮成緊湊的潛在表示，預測器再從當前表示和行動中估計未來的表示，訓練時最小化嵌入空間中的預測誤差。這個方式迴避了逐像素重建的高昂成本。

V-JEPA 2 的里程碑

LeCun 和合作者開發了多個 JEPA 變體，其中 V-JEPA 2 在影片理解和物理推理上達到當時的最先進表現，並支援在陌生環境中的零樣本機器人控制。

LeJEPA：從「會用」到「能證明」

一個數學保證

2026 年 5 月，Klindt、LeCun 與 Balestriero 在 arXiv 發表了論文《When Does LeJEPA Learn a World Model?》，這篇論文的重要性在於：它不只展示 LeJEPA 效果好，而是從數學上證明它在什麼條件下一定能還原世界的真實結構。

研究者證明，LeJEPA（對齊加上高斯正規化）能從非線性觀察中線性還原世界的潛在變數——這個性質稱為「線性可識別性」，在一大類潛在變數服從穩態加性雜訊轉移的世界中均成立。

高斯假設是關鍵

研究的核心結論是：在所有符合條件的世界中，高斯分布是唯一能保證此性質成立的潛在分布。正方向的證明依賴譜分解，每一個非線性程度都被對齊機制嚴格懲罰，使線性映射成為最佳解；反方向則排除了所有非高斯的替代方案。

用白話說：如果世界的「內部變數」服從高斯分布，LeJEPA 就能保證把觀察值（例如影像像素）映射回正確的世界結構。這是整個 JEPA 研究路線迄今最紮實的理論支撐。

研究者進一步證明，線性正交可識別性能支援最優的潛在空間規劃，並以從二維範例到 1024 維潛在變數的實驗加以驗證，包括像素輸入的機器人控制任務。

競爭格局：百億美元的世界模型軍備競賽

資本的判斷

目前世界模型領域的主要投資包括：General Intuition 完成 1.337 億美元種子輪、World Labs 募集 10 億美元、AMI Labs 募集 10.3 億美元。

AMI Labs 是 LeCun 本人創立的公司，押注 JEPA 路線。World Labs 則由 AI 界的另一位重量級人物——「AI 教母」李飛飛共同創辦。

Genie 3 與 Waymo 的合作

Google DeepMind 於 2025 年 8 月推出 Genie 3，能根據文字提示以每秒 24 幀產生可即時互動的擬真世界，支援持久性三維場景。

Waymo 在 2026 年 2 月採用 Genie 3，建立了專門用於自動駕駛模擬的世界模型，能生成同步的攝影機與光達輸出，並製造現實路況中罕見的邊緣情境——包括龍捲風與異常行人行為。

Alibaba 也進場了

2026 年 4 月，阿里巴巴發布 Happy Oyster 世界模型，主打即時與流暢的世界生成，支援根據文字和圖像提示建構世界的「導演模式」，以及探索生成世界的「漫遊模式」，能生成長達三分鐘的世界內影片片段。同月，World Labs 發布 Spark 2.0，一個針對智慧型手機等級裝置的開源 3D 高斯潑濺渲染引擎。

應用場景：不只是遊戲

機器人與自動駕駛

世界模型在機器人領域的核心優勢是：代理人在模擬環境中訓練，再將技能遷移至實體世界，大幅降低危險或昂貴的真實測試需求。自動駕駛車輛則利用世界模型測試罕見事件，訓練規劃器而無需上路。

遊戲與科學模擬

互動娛樂方面，Genie 3 讓使用者能從簡單描述生成可遊玩環境，遊戲工作室可更快速地進行關卡原型設計。科學模擬方面，研究者能大規模建模物理系統或生物程序；城市規劃者能在精確數位孿生中測試策略。

現在的瓶頸在哪裡？

成果亮眼，但誠實面對現狀：基準測試的結果相當清醒。

IntPhys 2 測試模型偵測物理違規的能力，以呈現出現違反物理規則的影片對來評估。人類得分接近 100%，而 V-JEPA 2 在許多條件下的表現僅略優於隨機猜測。

這個落差揭示了一個根本問題：現有的世界模型在直覺物理上仍遠遠不及人類常識。LeJEPA 的數學保證在「高斯世界」下成立，但真實世界顯然不是純粹的高斯過程。從理論保證到真實世界的穩健泛化，仍是未解的核心挑戰。

常見問題 FAQ

Q1：世界模型和 ChatGPT 有什麼不同？

最根本的差異在於「預測的對象」。ChatGPT 預測文字序列，對物理世界沒有表示；世界模型預測感測器輸入的狀態變化，能支援物理推理和行動規劃。兩者可以組合：LLM 負責語言指令，世界模型負責低階控制。

Q2：LeJEPA 的「線性可識別性」在實際中有什麼意義？

它意味著模型學到的潛在表示，與世界的真實內部結構之間存在可信的線性對應關係，而不是任意的扭曲映射。這讓基於潛在空間的規劃在理論上可以最優，而不只是工程上的近似。

Q3：高斯假設是否過於理想化？

是個合理的質疑。論文本身也提供了「近似可識別性」的結果，說明偏離高斯假設時保證會優雅地衰退，而非直接失效。但真實世界偏離高斯有多遠，仍是開放問題。

Q4：Genie 3 和 JEPA 是同一條技術路線嗎？

不完全是。Genie 3 是生成式世界模型，目標是產生可互動的視覺輸出；JEPA 系列則更偏向表示學習，目標是建構用於規劃的潛在世界模型。兩條路線都走向「理解世界」，但方法論不同。

Q5：這些發展對一般使用者有什麼影響？

短期內最直接的影響在自動駕駛和機器人——更安全的訓練流程、更能應對邊緣情況的系統。中期影響包括遊戲體驗和個人化 AI 代理。長期而言，世界模型可能是實現真正通用人工智慧的必要基礎設施。

結論

世界模型並不是一個新想法——它在 1990 年代就已萌芽，卻花了三十年才等到足夠的算力和資本讓它認真被對待。2026 年的局面是：理論剛剛有了第一個數學保證（LeJEPA），工程端已有多個量級的資金投入（AMI、World Labs、Genie 3），但在最基本的直覺物理測試上，最好的模型表現仍只比猜測略好。

這個落差本身就是值得認真思考的訊號：AI 的下一個真正突破，或許不在語言，而在於讓機器學會「世界是怎麼運作的」。

推薦閱讀

• JEPA 架構介紹
• Yann LeCun 自主機器智慧論文
• 可識別性理論與表示學習
• 世界模型與強化學習

參考資料來源

• Wikipedia: World model (artificial intelligence)
• arXiv:2605.26379 — When Does LeJEPA Learn a World Model?
• Meta AI: Introducing V-JEPA 2
• DeepMind: Genie 3 — A new frontier for world models
• PCMag: Waymo Is Using Google’s Genie 3 AI

以下為虛構對話，人物與情節為創作，科學內容來源標註於文末。

▌午間，湯還在滾

午餐時段的麵店，湯底的味道浮在空氣裡。

Liy 端著一碗剛起鍋的麵走過來，圍裙下襬還沾著一點麵粉。

「Dg，你今天怎麼一個人？K 呢？」

「K 在趕稿。」Dg 接過麵，姿勢端得很正，「不過正好，我最近讀到一個超酷的東西。妳知道嗎，西方婚禮『新郎抱新娘過門檻』這個動作，其實是從一場綁架來的。」

Liy 把筷子擺好。「綁架還能結婚喔？」

「古羅馬人嘛。」Dg 夾起一根麵，慢條斯理，「建城的時候男人太多女人太少，國王羅慕魯斯就辦了個祭典，把鄰居城邦的人騙來，然後——咻——把人家未婚少女全抬走了。」

「咻。」Liy 重複了一次，很認真地點頭，「那少女不會跑嗎？」

「跑不掉啊，被人牆圍住。而且羅馬男人一邊抬還一邊喊口號。」

▌喊出來的那句話

「喊什麼？」

「喊『要給塔拉修斯的！』」Dg 把筷子一放，語氣裡帶著一種揭曉謎底的得意，「Talasio。為什麼要喊這個呢——因為塔拉修斯是個超受尊敬的貴族，大家一聽『喔這是要給塔拉修斯的』，就不會來搶了。」

Liy 歪著頭。「所以那個塔拉修斯，分到很多少女？」

Dg 的筷子停在半空。

「……不是，不是每個都給他。是大家『喊』他的名字。」

「可是大家都喊『要給塔拉修斯的』，」Liy 一臉純粹的疑惑，「那少女們應該都以為自己要嫁給塔拉修斯吧？後來發現不是他，會不會很失望？」

「呃。」

「塔拉修斯壓力很大欸。」Liy 同情地說，「整城的人都喊他名字，結果一個都不是真的要給他。」

▌湯底涼了一點

Dg 試圖把方向拉回來。

「重點不是塔拉修斯本人啦。重點是這句話後來變成婚禮的祝賀詞了，就像我們現在說『百年好合』那樣。古希臘人也有類似的，他們喊的是一個叫海曼……海曼諾斯的神。」

「海曼諾斯也被很多人喊嗎？」

「對，婚禮都喊他。」

「那他應該跟塔拉修斯很聊得來。」Liy 認真地說，「兩個都是被喊很多次、但什麼都沒分到的。」

Dg 張了張嘴。

他想引用一句什麼來反擊——腦中浮現「名者，實之賓也」，覺得很有氣勢，但話到嘴邊，發現好像哪裡接不上，又默默吞了回去。

「……妳這樣講，」Dg 低頭撈麵，「塔拉修斯聽到會哭。」

「你看，連你都覺得他很可憐。」Liy 很滿意，轉身往櫃台走，「麵要趁熱吃喔。」

廚房傳來老闆招呼下一桌客人的聲音。

Dg 盯著碗裡那根還沒夾起來的麵。

他掏出手機，把「塔拉修斯到底是神還是人」打進搜尋欄，按下去之前又停了一下——好像連這個問題本身，今天都被 Liy 問得不太一樣了。

羅馬建城之初是一座「光棍之城」。為了解決女性人口短缺的存亡危機，建國者羅慕魯斯策劃了一場史上最著名的「鴻門宴」——而那天羅馬男人在劫掠少女時喊出的一句口號「給塔拉修斯！」，竟陰錯陽差地成為此後兩千年羅馬婚禮的標準祝賀詞。這個故事不只是一段獵奇傳說，它藏著一個更深的問題：一個文明如何把暴力的開端，改寫成自己最神聖的儀式？

⭐ 關鍵亮點

• 存亡危機：據李維（Livy）記載，羅馬建城後人口幾乎全是男性，女性短缺意味著「羅馬的偉大注定只能維持一個世代」。
• 一句口號的意外：羅馬男人在劫掠時高喊「給塔拉修斯！」（Talasio），原意是阻止他人搶奪，後來竟演變成羅馬婚禮的標準祝賀詞，功能等同於希臘婚禮喊的「Hymenaeus」。
• 活到今天的習俗：普魯塔克明確記載，「新娘被扛過門檻」這個至今仍見於西方婚禮的習俗，正是源自當年強行抬走少女的動作。
• 翻譯的爭議：英文 “rape” 一詞來自拉丁文 raptio，本意是「奪取、綁架」，現代學者多傾向將此事件理解為「集體綁架成婚」而非性侵。

一座光棍之城的存亡焦慮

關於羅馬的起源，有一個不太體面的事實：它一開始幾乎是一座只有男人的城市。

根據羅馬史學家李維（Titus Livius）在《羅馬史》（Ab Urbe Condita）第一卷的記載，建城者羅慕魯斯（Romulus）為了讓新城市快速壯大，曾廣開「庇護所」(asylum)，收容來自周遭城邦的逃犯、流亡者與各路三教九流。這個政策確實讓羅馬人口迅速膨脹，但也帶來一個致命的結構性問題——來的幾乎全是男人。

圖：傳說中羅馬建於西元前 8 世紀中葉的台伯河畔七丘之上。

李維用了一句相當有畫面感的話描述這個危機：羅馬此時雖然強盛到足以和鄰邦抗衡，但「女性的短缺，意味著這份偉大注定只能維持一個世代」——因為既無法在本地生育後代，又沒有與鄰邦通婚的指望。

換句話說，這座新興強權正面臨一個荒謬卻真實的滅絕倒數：不是被外敵打垮，而是會因為「沒有下一代」而自然消失。

被拒絕的求婚與一場精心設計的祭典

面對人口危機，羅馬人最初其實走了「正途」。

體面的提親，換來羞辱的拒絕

在元老院建議下，羅慕魯斯派遣使節前往周遭城邦，正式請求通婚權（conubium）——也就是合法跨城邦聯姻的權利。然而，各城邦不僅一概拒絕，有些還對使節極盡羞辱。據李維記載，鄰邦甚至挖苦地反問：你們羅馬人是不是也該為「女人」開個庇護所？那樣才找得到合適的妻子。

這句話對年輕的羅馬人是莫大的侮辱。和平手段既然行不通，羅慕魯斯決定改用一種「更直接，但又不能太傳統」的方法。

海神祭典：史上最著名的「鴻門宴」

羅慕魯斯想到的辦法，是辦一場盛大的祭典。

他以紀念馬上海神（equestrian Neptune）之名，籌辦了一場名為孔蘇阿利亞節（Consualia）的盛大競技慶典，並向四方廣發邀請，刻意把消息傳得沸沸揚揚，讓眾人都引頸期盼。

結果不負所望。除了薩賓人（Sabines）之外，鄰近的卡埃尼納人（Caenina）、克魯斯圖米里烏姆人（Crustumerium）、安特姆納人（Antemnae）全都拖家帶眷前來，既為了看慶典，也為了一睹這座新城的樣貌。羅馬人熱情款待，賓主盡歡——直到那個信號出現。

圖：文藝復興以降，「薩賓婦女的劫掠」成為畫家與雕塑家最愛的題材之一。

「給塔拉修斯！」——一句口號的誕生

當競技正酣、所有人的目光都聚焦在表演上時，羅慕魯斯起身，將斗篷攤開再重新披上——這就是預先約定的暗號。

行動準則：不殺人，只搶人

信號一出，埋伏的羅馬青年立刻衝向人群。值得注意的是，根據古典記載，羅馬人的行動有一套相當明確的「準則」：不與賓客正面衝突、只挑選未婚少女、用人牆隔開家屬、強行抬走目標。 整個行動的核心是「擄人」而非「殺戮」。

也正是在這個混亂的過程中，那句日後流傳兩千年的口號誕生了。

塔拉修斯到底是誰？

當羅馬男人抬著搶來的少女穿過人群時，旁人不斷追問：「你們要把她帶去給誰？」為了阻止別人來搶這個目標，他們便一路高喊：「要給塔拉修斯的！」（Talasio!）

李維把這解釋成：塔拉修斯（Talasius）是當時一位廣受敬重的年輕貴族（後世版本說他是羅慕魯斯的友人）。由於他名望極高，原本要共搶一名少女的人一聽是「要給塔拉修斯的」，竟也跟著喊起來，一路護送著把少女抬出去。喊這個名字，反而讓劫掠過程順利了許多。

不過，這個「歷史解釋」其實只是眾多說法之一。普魯塔克（Plutarch）指出，羅馬人使用「Talasius」的方式，就如同希臘人在婚禮上呼喊婚姻之神「Hymenaeus」一樣。後世學者對這個詞的真正來源始終沒有定論——有人認為 Talasius 根本是個婚姻之神，有人（如語言學考據）則把它連結到希臘文的「毛線籃」（τάλαρος），象徵新娘即將承擔在夫家紡織家務的職責。

換句話說，連古羅馬人自己都搞不清楚這句婚禮口號到底從哪來的——他們只是反過來編了一個故事來解釋它。

從劫掠到儀式：那些活到今天的婚禮習俗

如果說「給塔拉修斯！」是聽覺上的遺產，那麼還有一個視覺上的習俗，直接源自當年抬走少女的動作——而且你很可能在現代婚禮上見過它。

「扛新娘過門檻」的真正起源

普魯塔克在《羅慕魯斯傳》中留下一句明確的記載，大意是：直到今日仍有一個習俗，新娘不能自己跨過（夫家的）門檻，而必須被人扛起、抬進門——以紀念當年薩賓少女是被強行抬入、而非自願走進去的。

也就是說，西方婚禮中「新郎抱新娘過門」這個浪漫橋段，它的神話源頭其實是一場集體綁架。

當然，古羅馬人後來也為這個動作疊加了其他「正當」的解釋：門檻是灶神維斯塔（Vesta）的聖地，踩到或絆倒被視為不祥；也有說法認為惡靈會盤踞在門檻，新娘必須被抬起以免邪靈從腳底入侵。但無論如何，最原始的解釋，始終指向那場劫掠。

新舊習俗對照表

「劫掠」還是「綁架」？一個翻譯引發的爭論

這個事件在英文裡通常被稱為 “The Rape of the Sabine Women”，中文也常譯為「薩賓婦女的劫掠」。但這個 “rape” 字，其實藏著一個關鍵的翻譯問題。

raptio 的語意

英文 “rape” 在此處是拉丁文 raptio 的傳統翻譯，而 raptio 的本意是「奪取、擄掠、綁架」（同源於義大利文 ratto、西班牙文 rapto，意為「搶婚」）。它本身並不必然指性侵——只是當受詞是女性時，古代用法常隱含性方面的意味。

正因如此，現代學者多傾向將此事件理解為「以成婚為目的的集體綁架」（mass abduction for marriage），而非字面上的性暴力。李維親羅馬立場的敘述也強調：這些少女並未遭到性侵，羅慕魯斯承諾她們將獲得正式婚姻、財產、公民權與子女的權利，最終她們的心也被夫家的善待與共同的羅馬子女所「贏得」。

是歷史，還是神話？

這個故事究竟有幾分真實？學界看法不一。有學者（如杜梅齊爾 G. Dumézil）認為，這反映的是一個印歐神話母題——關於兩個對立群體如何融合成一個新社會的起源敘事。但多數學者相信，傳說背後仍有歷史內核：早期台伯河下游的羅馬人與上游薩賓人之間的文化融合，確實在數百年的模糊歷史中真實發生過。

無論真假，這個故事的功能始終清晰：它為「羅馬人」與「薩賓人」最終合而為一、共同統治的政治現實，提供了一個神話層級的解釋。

常見問題 FAQ

Q1：塔拉修斯（Talasius）到底是神還是人？

沒有定論。李維把他描述成羅慕魯斯時代一位受敬重的年輕貴族（凡人）；但普魯塔克則把「Talasio」的呼喊類比為希臘的婚姻之神「Hymenaeus」，暗示他可能是個神祇。也有語言學說法認為這個詞與希臘文「毛線籃」有關，象徵新娘的家務職責。連古羅馬人自己都莫衷一是。

Q2：被搶走的少女後來怎麼樣了？

據李維記載，羅馬人並未性侵她們，而是承諾給予正式婚姻地位。經過一段時間，加上共同生育的子女，這些薩賓婦女逐漸接受了新身分。後來薩賓人發兵來救，這些婦女反而衝到兩軍之間，哭求父兄與丈夫停戰——最終促成了羅馬與薩賓的和解與合併。

Q3：「扛新娘過門檻」真的是從這件事來的嗎？

至少普魯塔克是這麼說的。他明確記載這個習俗是為了紀念薩賓少女「被強行抬入而非自願走入」。不過古羅馬人後來也疊加了其他解釋（如門檻是灶神聖地、避免絆倒不祥、防止惡靈入侵）。

Q4：為什麼這件事被稱為 “Rape”？是性侵的意思嗎？

這裡的 “rape” 是拉丁文 raptio 的傳統英譯，本意是「奪取、綁架」，不必然指性侵。現代學者多將此事件理解為「以成婚為目的的集體綁架」。

Q5：這個故事是真實歷史嗎？

無法確證。部分學者視之為解釋兩個族群融合的印歐神話母題；但多數學者認為傳說背後反映了早期羅馬人與薩賓人長期文化融合的歷史內核。被擄人數說法也不一，普魯塔克記載從約 30 人到五、六百人都有。

結論：文明如何馴化自己的暴力起源

薩賓婦女的故事，表面上是一則獵奇的建國傳說，但它真正耐人尋味的地方，在於羅馬人如何對待自己這段不光彩的開端。

他們沒有遮掩，反而把劫掠當天的種種細節——那句阻止搶奪的口號、那個強行抬人的動作——一一儀式化、神聖化，織進婚禮這個人生最重要的時刻。一句原本充滿暴力與佔有意味的「給塔拉修斯！」，被打磨成溫情的祝賀；一個強行抬走少女的動作，被浪漫化為「抱新娘過門」。

這或許正是文明運作的一種方式：它不見得會抹除暴力的記憶，而是把暴力重新編碼，賦予它新的、可以被接受的意義。當一對現代新人在門檻前相擁而笑時，他們腳下踩著的，是一條從西元前 8 世紀一路延伸至今的漫長記憶——只是大多數人早已不記得，這份祝福最初竟是一聲劫掠的吶喊。

展望未來，隨著古典學與考古學持續對早期羅馬進行重新檢視，我們對這類「起源神話」的理解，或許還會不斷被修正。但有一點大概不會變：人類總是擅長把最不堪的開頭，說成最美麗的故事。

推薦閱讀

• 李維《羅馬史》第一卷導讀
• 古羅馬婚禮儀式完整流程
• 印歐神話中的族群融合母題
• 文藝復興繪畫中的薩賓婦女主題

參考資料來源

• Livy, Ab Urbe Condita, Book I (Perseus Digital Library)
• Livy, History of Rome I (Loeb Classical Library)
• Plutarch, Life of Romulus (Penelope, University of Chicago)
• Rape of the Sabine Women (Wikipedia)
• Talasius (Wikipedia)
• The Roman Wedding: Ritual and Meaning in Antiquity (Bryn Mawr Classical Review)
• Consualia (EBSCO Research Starters)

以下為虛構對話，人物與情節為創作，科學內容來源標註於文末。

▌午餐時段，麵店靠窗的位子

湯底的味道從廚房飄出來。

Liy 把一碗麵放到 Dg 面前，轉身要走。

「等一下，」Dg 說，「妳有聽說過 Ozempic 嗎？」

「有啊，瘦瘦針。」

「不只是瘦瘦針。」Dg 把筷子放下，擺出一副剛從學術期刊爬回來的表情。「那個東西會影響大腦的獎賞系統。打了之後，人對食物的慾望會消失——但不只是食物。是所有慾望。」

Liy 想了一下。

「那不就跟吃飽一樣嗎。」

「……不一樣。」

「吃飽也不會想吃東西啊。」

「我說的是所有慾望，不只是食物。」

「喔。」Liy 點頭，「所以就像睡飽一樣？睡飽也不會想睡覺。」

▌Dg 決定換個角度

「妳不懂，」Dg 說，「這個跟飽不飽沒有關係。這是多巴胺的問題。多巴胺是讓你『想要』東西的化學物質，懂嗎？藥物把那個迴路調暗了。」

「調暗？」

「就是……讓它沒那麼亮。」

Liy 看了一眼窗外，「像調光開關那樣？」

「對，就像調光開關。」Dg 覺得這個比喻不錯，繼續說，「所以打了之後，人會失去動力。矽谷那些人都在打，有人開始說他們變無聊了，對工作也提不起勁。就像——」他停頓了一下，想起一句讀過的話——「就像尼采說的，當你凝視深淵，深淵也在凝視你。慾望消失的人，等於把自己的引擎關掉了。」

Liy 把抹布搭在肩上，認真地想了三秒。

「尼采打過瘦瘦針？」

「沒有！」

「那他怎麼知道。」

▌Dg 的補救行動讓情況更糟

「這是比喻，」Dg 說，語氣比剛才更用力，「尼采講的是精神層面的虛無，跟多巴胺的道理是相通的——人失去慾望，就失去前進的意志。叔本華也說過，意志才是生命的本質，沒有意志就沒有人。」

「叔本華也沒打過瘦瘦針。」

「……」

「而且，」Liy 補充，「如果沒有慾望就沒有人的話，那吃飽的時候——」

「那個邏輯不適用在吃飽上面！」

「為什麼？」

Dg 張了張嘴。

廚房傳來一聲炒鍋的響聲，油香竄出來。

「因為，」他說，「吃飽只是暫時的。多巴胺迴路被藥物改變是持續性的。性質不同。」

Liy 把另一桌的空碗收起來，回頭問：「那吃飽之後還會餓，打了針之後也還會想要東西嗎？」

Dg 愣了一下。

「……有些人會，有些人不會。」

「所以也是暫時的？」

「不是——好，從頭說。」

▌兩個人在一個奇怪的地方達成了共識

「重點是，」Dg 說，「這個藥改變的是你的『想要』，不是你的『喜歡』。你還是可以享受東西，你只是不會主動去追。明白嗎？」

Liy 停下來，把抹布從肩上拿下來，折了折。

「像什麼？」

「像——」Dg 想了一下，「像你不會主動想去吃蛋糕，但如果蛋糕放在你面前，你還是覺得好吃。」

「喔。」Liy 點頭，「那就像我爸，」她說，「他說他不喜歡喝酒，可是每次有人請他喝，他都喝光。」

「……對，差不多那個意思。」

「所以，」Liy 說，「打了瘦瘦針就會變得跟我爸一樣？」

「不是——」

「不過我爸最近在打猛健樂，」Liy 說，「他說他打了之後就不太想喝酒了。」

Dg 的筷子停在半空中。

「等等。妳爸在打猛健樂？」

「對啊，醫生叫他打的，說要控制血糖。」

「然後他不想喝酒了？」

「對。他說以前看到啤酒會想喝，現在看到就覺得無所謂。」

廚房又傳來一聲響。

Dg 看著碗裡的湯，沉默了一會兒。

他剛才說的那些——想要、喜歡、迴路、調暗——好像有哪裡是對的。他說不清楚是哪裡。

Liy 已經走向下一桌了。

他把筷子插進麵裡，沒有撈起來。

當 Ozempic 成為矽谷的新生活方式，一個意料之外的副作用悄悄浮現——不是掉髮，不是噁心，而是「火花熄了」。GLP-1 藥物對大腦獎賞系統的作用，遠比任何人預期的更深、更廣，也更複雜。

🔑 關鍵亮點

• GLP-1 受體不只分布在腸道，也大量表現於大腦的腹側被蓋區（VTA）、伏隔核（NAc）等核心獎賞區域
• 2025 年 Nature 研究發現，口服小分子 GLP-1 藥物可穿透腦部深層，影響後腦—中央杏仁核—多巴胺神經元的獨立迴路
• 臨床觀察中的「Ozempic 人格」症狀，醫學上對應 anhedonia（享樂不能）——目前尚未列入官方副作用清單，實際發生率不明
• Kooij et al. (2024) 的動物研究提示：semaglutide 可能選擇性地抑制「預期性」求賞衝動，而非消除享受本身

矽谷的 GLP-1 時代：從糖尿病用藥到成功人士的保養品

2024 年聖誕節，馬斯克在 X 上貼了一張穿聖誕老人裝的照片，沒有肚子。他在留言補了一句：「技術上是 Mounjaro（台灣藥品名：猛健樂），只是這個名字沒那麼順口。」

那一刻之後，GLP-1 藥物在矽谷完成了身份轉型。從「肥胖藥」變成「成功人士的保養品」。馬斯克瘦了 30 磅後公開倡議普及 GLP-1 抑制劑；貝佐斯練出腹肌；祖克伯換上 MMA 制服。Fortune 開始寫「矽谷男孩的肌肉文藝復興」，一整代科技高層、創投合夥人、新創 CEO，集體進入 GLP-1 時代。

藥的機制很直觀：每週一針，食慾被關掉。原本要靠意志力的事情變得不需要意志力。對於每週工作 80 小時、沒空運動、靠外送過日子的矽谷高階主管，這是天賜工具。

問題是，它關掉的不只是食慾。

Ozempic（台灣：胰妥讚）、Wegovy（週纖達）、Mounjaro（猛健樂）：從糖尿病診間到矽谷辦公室，GLP-1 藥物的身份轉型只花了兩年。

GLP-1 受體不只在腸胃——它在大腦裡做什麼？

GLP-1（升糖素類似胜肽-1）最早的故事，是一個腸道荷爾蒙的故事。進食後，小腸的 L 細胞會分泌 GLP-1，訊號傳到胰臟，觸發胰島素釋放；同時訊號往上傳，讓大腦感覺吃飽了。正是模擬這個機制，semaglutide（Ozempic/Wegovy 的有效成分，台灣藥品名胰妥讚／週纖達）和 tirzepatide（Mounjaro 的有效成分，台灣藥品名猛健樂）得以大幅壓制食慾。猛健樂更進一步，同時作用於 GLP-1 與 GIP 兩種受體，是目前減重效果最強的一類。

但 GLP-1 受體（GLP-1R）的分布，遠不止於此。

大腦裡的 GLP-1R 地圖

研究確認，GLP-1R 廣泛表現於：

• 下視丘：調控能量平衡與飲食行為的傳統中樞
• 腦幹孤束核（NTS）：整合內臟訊號，是 GLP-1 進入大腦的關鍵中繼站
• 腹側被蓋區（VTA）：多巴胺神經元的主要來源，獎賞迴路的核心引擎
• 伏隔核（NAc）：接收 VTA 多巴胺投射，負責將「想要」轉化為行動
• 中央杏仁核（CeA）：處理情緒顯著性，參與決定「這件事值得追求嗎？」
• 前額葉皮質（PFC）：執行功能、衝動控制、長期規劃

這個分布圖告訴我們一件事：GLP-1 藥物作用的範圍，本質上涵蓋了整個「欲望處理系統」。

2025 年發表於 Nature 的研究，由維吉尼亞大學神經科學家 Ali D. Güler 領導，進一步揭示口服小分子 GLP-1 藥物能穿透腦部深層，激活一條連接後腦、中央杏仁核與多巴胺神經元的獨立迴路——與傳統注射劑型抑制飢餓的路徑不同。Güler 的結論直接：「這些藥物降低的不只是飢餓，而是追求高熱量獎賞食物的慾望本身。」

獎賞迴路的解剖：VTA、NAc 與多巴胺的三角關係

要理解 GLP-1 藥物對行為的影響，需要先理解大腦如何產生「想要」。

中腦邊緣多巴胺系統

多巴胺系統有兩條主要投射路徑，都從 VTA 出發：

這個系統的運作邏輯，神經科學家用一個詞概括：「想要」（wanting）。重點不是享受，而是驅使你去追求——讓你想按下按鈕、想完成下一個里程碑、想再吃一塊、想再滑一則貼文。多巴胺的核心功能是「預測」與「強化」：當一個行為帶來超過預期的獎勵，多巴胺訊號就會在記憶中強化這個行為，讓你下次更想重複。

GLP-1 藥物的介入點，就在這個迴路上。

NTS → VTA：藥物的神經路徑

目前最清楚的機制是：周邊施用的 GLP-1 藥物，透過孤束核（NTS）投射 GLP-1 分泌神經元至 VTA 的 GABA 神經元，進而抑制 VTA 的多巴胺活性。UAB 研究者 Hardaway 把結果說得很直白：「食物變得不那麼具有獎賞性了。你還是可以享受吃東西，但它不再以相同的方式驅動行為。」

Ozempic 人格：當「想要」被系統性調暗

2026 年第二季，New Yorker、Washington Post、Psychology Today 相繼刊出長文，討論一個新詞：Ozempic Personality（瘦瘦針人格）。

什麼是 Ozempic 人格？

臨床上，這個現象最接近的醫學術語是 anhedonia（享樂不能）：對原本帶來快樂的事物失去興趣或享受感。但 Ozempic 人格的描述往往更模糊、更全面。

北卡肥胖醫學專科醫師 Christopher McGowan 引用病人原話：「就像燈光被調暗了，但你說不出為什麼。」他明確表示：「這不是病人在想像。我們確實一直聽到這樣的回報。」

舊金山心理學家 Avigail Lev 的描述更傳神：「Ozempic 人格不會讓你焦慮，你只是麻掉了。沒什麼焦慮，也沒什麼想完成事情的動機，完成了也沒什麼獎勵感。」

Reddit 的 GLP-1 使用者社群中，一位用戶寫：「我覺得自己變得很 subdued，好像火花熄了。high 的時候也 high 不起來，被壓抑住了。」另一個常見的回報是：朋友和家人開始直接說「你變無聊了」。

需要注意的前提

目前 anhedonia 並未列入 Ozempic（胰妥讚）、Wegovy（週纖達）、Mounjaro（猛健樂）的官方副作用清單。McGowan 強調，遠更多的病人回報的是正面效果：情緒改善、自信提升、精力增加。2024 年的後設分析（基於 STEP 1-5 臨床試驗數據）顯示，semaglutide 與安慰劑組在憂鬱或自殺意念風險上並無顯著差異；同年 Epic Research 的大規模數據顯示，semaglutide 還與焦慮及憂鬱診斷率的下降有關。

換句話說：這個現象是真實的，但不普遍，且方向複雜，並非單向的「讓人麻木」。

VTA 至 NAc 的多巴胺投射路徑，是 GLP-1 藥物影響動機與渴望的核心機制。

藥物把「追求」和「享受」分開了嗎？最新研究的微妙發現

2024 年，烏特勒支大學的 Kooij et al. 發表了一項精細的動物研究，結果讓這個問題更有趣了。

Kooij 研究：巴甫洛夫蔗糖任務

研究團隊讓小鼠執行一個巴甫洛夫制約任務：出現聲音提示（cue）→ 蔗糖溶液出現（reward）。研究者用光纖光度計即時監測 VTA 多巴胺活性，分別比較「提示階段」（預期）和「消費階段」（實際獲得）的多巴胺訊號。

結果出乎意料：

• 低劑量 semaglutide：降低食物攝取量，但對 VTA 多巴胺活性沒有影響
• 較高劑量 semaglutide：在「提示階段」的 VTA 多巴胺活性不變，但在「消費階段」反而增強了多巴胺訊號

這個結果的意涵是：semaglutide 並非簡單地「關掉多巴胺」。它的作用機制更像是重新校準——減少預期性的渴望衝動，但不消除實際享受。

「追求」與「享受」的神經學區分

神經科學中有一組著名的概念區分，由 Kent Berridge 的研究建立：

兩個系統可以解離。你可以強烈渴望某件事，但得到之後沒什麼快感（成癮的典型狀態）；也可以在沒有強烈渴望的情況下享受一件事。

Kooij 的數據暗示：semaglutide 可能主要作用於「wanting」系統，而非「liking」系統。這或許解釋了為什麼許多使用者描述「食物還是好吃，只是不再那麼想吃」——而非「食物變難吃了」。

但臨床報告的「Ozempic 人格」似乎更廣泛，涵蓋了社交、成就感、購物衝動等，不只是食物。這意味著藥物的作用可能不只針對「食物」這個特定獎賞，而是對整個獎賞迴路有系統性的影響。這仍是未解決的核心問題。

慾望是燃料還是問題？一個關於矽谷文化的結構性提問

回到馬斯克的故事。

2008 年，Tesla 和 SpaceX 同時瀕臨破產，他離婚、住朋友家、借錢付薪水。Falcon 1 連三次失敗，只剩最後一次機會，他選擇繼續發射。支撐他做這些事的，不是精算出來的理性，是一種過剩的、近乎病理的「想要」——想證明自己對、想打破那個說不可能的聲音。

矽谷整套運作邏輯都建立在這種慾望上。Founder Mode、hardcore work culture、連續創業——這些都是高多巴胺狀態的延伸。創投在找投資對象時，尋找的是眼睛還在發亮的人，那種「還沒被現實磨平」的過剩渴望。

而 GLP-1——無論是 semaglutide 的單受體版，還是猛健樂（Mounjaro）這樣的雙受體進化版——本質上都是慾望抑制器。它做的事，和矽谷拜的東西，方向是反的。

這是一個真實的結構性張力：一種讓人在健康上更接近「最佳化」的工具，可能同時讓人在動力上遠離「最佳化」。問題不是哪個更重要——健康還是衝勁——而是：當你把獎賞迴路的底噪調低，你同時調低的還有什麼？

目前沒有人知道答案。那把火還在燒，只是沒有人知道它是不是已經比一年前小了一點。

常見問題 FAQ

Q1：Ozempic 人格是真實存在的副作用，還是網路誇大？

真實，但不普遍。多位臨床醫師確認有病人回報類似症狀，且描述高度一致（「燈光被調暗」、「火花熄了」）。然而大規模臨床試驗並未系統性研究 anhedonia 指標，目前尚未列入官方副作用清單。多數使用者反而回報情緒正面改善，兩種結果在不同個體間都是真實的。

Q2：GLP-1 藥物對食物以外的行為有影響嗎？

有，且有相當多的動物與臨床證據。研究顯示 semaglutide 和 liraglutide 等 GLP-1 藥物能降低酒精、尼古丁、古柯鹼的求賞行為。臨床觀察中，部分使用者回報衝動購物、強迫行為等也有改善。這與 GLP-1 受體廣泛分布於獎賞迴路的解剖事實一致。

Q3：semaglutide 究竟是讓多巴胺變少，還是有更複雜的作用？

比「讓多巴胺變少」更精確的說法是：在不同的行為階段，semaglutide 的作用方向不同。Kooij et al. (2024) 的研究顯示，semaglutide 在食物「預期」階段不影響 VTA 多巴胺活性，但在實際「獲得」階段反而增強多巴胺訊號。作用機制細節仍在研究中。

Q4：口服和注射的 GLP-1 藥物，對大腦的影響一樣嗎？

不完全一樣。Güler 團隊 2025 年的 Nature 研究發現，口服小分子 GLP-1 藥物能穿透腦部更深層的區域，啟動一條連結後腦、中央杏仁核與多巴胺神經元的獨立迴路，而注射劑型（如 semaglutide）主要作用於下視丘和腦幹的傳統飢餓抑制路徑。

Q5：在台灣使用猛健樂（Mounjaro）或胰妥讚（Ozempic）的人，需要擔心這些神經副作用嗎？

目前沒有台灣特定族群的流行病學數據。猛健樂（tirzepatide）於 2025 年 6 月獲台灣衛福部核准用於第二型糖尿病及體重管理，胰妥讚（semaglutide）則更早核准。若使用期間出現動力明顯下降、對原本喜歡的事物提不起興趣、或情緒持續低落，建議主動告知開立處方的醫師，不須自行判斷是否停藥。

結論

GLP-1 藥物是近二十年來代謝醫學最重要的突破，這一點毋庸置疑。但它同時也是一個正在進行中的神經科學實驗，規模是人類史上最大的——數百萬人自願參與，且多數人對自己在測試什麼並不完全知情。

從 VTA 到 NAc，從「想要」到「享受」，從食慾到矽谷的創業動能，GLP-1 藥物觸及的系統比任何人預期的都深。這不是反對這類藥物的理由，而是呼籲更細緻的理解：它改變的，可能不只是你在鏡子前看到的那個數字。

未來的研究需要區分藥物在「追求行為」與「享受能力」上的不同作用，找出哪些族群更容易出現 anhedonia，並開發能保留代謝獲益、同時最小化獎賞系統副作用的下一代藥物。Güler 的警告值得記住：「這些是強力化合物。我們的工作不只是說它有效，而是理解它如何有效，以便預測意料之外的後果。」

推薦閱讀

• GLP-1 藥物的神經機制
• Ozempic 與心理健康
• 多巴胺 wanting vs liking
• 矽谷文化與 Ozempic

參考資料來源

1. Kooij KL et al. (2024). GLP-1 receptor agonist semaglutide reduces appetite while increasing dopamine reward signaling. Neuroscience Applied
2. Krupa AJ (2025). Curbing the appetites and restoring the capacity for satisfaction. Neuroscience Applied
3. Eren-Yazicioglu CY et al. (2021). Can GLP-1 Be a Target for Reward System Related Disorders? Front. Behav. Neurosci.
4. Chuong V et al. (2023). Semaglutide reduces alcohol drinking and modulates central GABA neurotransmission. JCI Insight
5. Cook et al. (2026). Quieting “Food Noise”: GLP-1s and the Default Mode Network. PMC
6. UVA / Güler lab (2025). Oral GLP-1 drugs reshape brain reward circuits. Nature（新聞稿）
7. McGowan C, Lev A. 引述自 Today / NBC New York (2026).
8. Hardaway JA. 引述自 UAB News (2025).
9. 元氣網（2026）：瘦瘦針種類、價格、適用族群與副作用整理