【源码交易试剂】【无极指标源码】【html源码框】AI挑的橘子會比較甜嗎？成大楊政達從認知心理學看人類決策機制-皮皮网

文：人文．島嶼（採訪撰稿：李佳芳｜攝影：古佳立）

「早晨的挑的甜嗎菜市場，你站在水果攤前，橘會決策機制看著一堆亮澄澄的比較橘子，想買些回家。楊政根據過去的達從經驗，顏色飽滿、認知人類源码交易试剂大顆的心理學橘子通常比較甜。此刻，挑的甜嗎你的橘會決策機制腦袋正同時處理幾個與橘子有關的特徵資訊——顏色、大小，比較甚至拿一顆起來感覺是楊政否沉甸甸。如何挑到好吃的達從橘子，這些都是認知人類考慮因素。」

「但，心理學就在你猶豫不決之際，挑的甜嗎老闆突然喊了『年輕人，我跟你說……。』他開始告訴你哪顆橘子比較甜，同時不忘把一顆顆橘子撿入塑膠袋中。看著老闆，你心想要相信他嗎？他會不會只是想快點賣完趕緊收攤？因為，他挑橘子的標準跟你的不太一樣。可是，老闆仍拍胸脯保證：『真的好吃啦！不甜不用錢！』於是，眼前的橘子、老闆的吆喝、過往的无极指标源码經驗。你的腦袋充斥太多訊息，遲遲無法做出決定⋯⋯。」

每當被問到「人如何做決策」時，成功大學心理學系楊政達教授總會提起「買橘子」的故事。他認為，我們每天都在做決策——小至菜市場的日常採買，大至法庭上的法官判決。不論簡單或困難，這些決定的背後，都涉及了複雜的知識、經驗，乃至於決策者的個性。

你的「決定」，如何決定？

從博士班開始，楊政達便對「認知心理學」（cognitive psychology）充滿興趣。過去，我們總習慣用結果論去分析人的判斷與決策（judgment and decision making），而忽略了其中存在一個「從知覺到決策」的歷程。

他解釋，人的決策機制，一直是認知心理學的核心議題。儘管人類的認知表現始於五感（視覺、聽覺、嗅覺、味覺、觸覺），但當收到外界訊息時，html源码框協助我們做出回應或決策的工具，其實還包含了過去的經驗與知識，甚至是旁人的影響等。

不同於傳統心理學著重內省，認知心理學強調系統性的科學研究。因此，透過一連串的決策實驗，楊政達發現人類傾向「多向度特徵選擇與決策」（Multi-attribute choice decision-making）。「每當做決策時，我們十分依賴對各個資訊來源進行分析，最後的決定也經常是綜合性考量後的結果，而非僅憑單一因素。」

譬如，決定明天要穿什麼衣服出門時，除了依據個人喜好，還會考慮到天氣、出席場合等。醫生判斷一張X光影像中是否存在腫瘤時，也會依據影像的亮度對比、形狀、大小等特徵來分析診斷。

shutterstock_2478035133 — 由於無法確切預測結果，人做決策時容易遲疑不定。

至於人處理決策資訊的方式，大致可以分為三種處理架構（mental architecture）：

序列處理（serial processing）：一次只能處理一個訊息來源，當一個管道的資訊被處理完之後，才會開始下一個管道訊息的處理。例如在組裝傢俱時，168开奖源码我們只能按部就班，依照說明書上的步驟指示，才能將物件組裝完成。
平行處理（parallel processing）：兩個訊息來源的資訊同時被處理，沒有先後順序。像是早上準備出門前，一邊猶豫該穿什麼衣服，一邊想著待會要去哪間早餐店。
共同激發處理（coactive processing）：與平行處理類似，但差異在於下決策前，兩個訊息來源的資訊會進行加總，共同影響判斷。正如買橘子這件事，顏色、大小、重量等條件都會被納入考量，且沒有明顯的先後順序。

不過，楊政達也補充，這些都是正常狀態下的決策思考過程。「而我好奇的是，若再有更多不同的外部訊息來源加入，比如AI。那麼對決策者來說，究竟是干擾或幫助？」

決策資訊，越多越好？

不論是借助他人或機器，這些外部力量都可以被稱為「顧問」（advisory）——從水果攤老闆、在場的mangos源码阅读其他客人、到AI，都是我們可以獲取決策意見的訊息來源。此時，如何在「自己的想法」與「顧問的建議」之間做抉擇、意見整合，其實是一種挑戰。

讓我們回到買橘子的場景，除了接受老闆的推薦，我們還可以問問AI：「根據季節、近期臺灣果農耕植情況，以及果菜批發市場的交易行情。請問，今天市場上的橘子可以買嗎？」為了回答這個問題，AI會先給你一段豐富的資料分析。但，不同於水果攤老闆掛保證好吃，AI則不建議你購買。

楊政達笑著說：「面對這種情況，顧問的『信心程度』會成為我們如何做決策的關鍵。換言之，顧問是否對自身提供的建議有信心？」

以水果攤老闆來說，為了證明自己說的話可信，他可能會直接撥一顆橘子請客人吃，甚至提出不好吃可以退貨的承諾。若是AI的話，除了綜合過去的判斷結果作為參考，我們也可以從它的回答裡，是否夾雜了「應該」、「也許」、「推測」等模稜兩可的說法，來判斷AI的信心程度。

這時，你可能會想問，如果水果攤老闆和AI都自信滿滿怎麼辦？「確實，透過實驗，我們發現人僅面對一種輔助決策的顧問時，他較能夠快速整合自己的想法與顧問建議。特別是當該顧問已變成長期合作夥伴時，我們對它會有高度信心與依賴，能更快速聽取建議、做出決策。」

「然而，一旦加入更多顧問系統，人則開始需要分心，判斷其他顧問提供的資訊品質，再比較顧問系統間的差異、哪個更可信⋯⋯，才能做出最後的決定。甚至，當人需要耗費過多時間來進行資訊辨別、整合的話，他很可能會放棄聽取顧問的話，直接憑自己的判斷做決定，哪怕顧問提供的資訊更可靠。」

因此，楊政達認為，如果今天的問題十分簡單，那麼借助多個重顧問輔助決策的作法，效益不大，恐更加深我們的「選擇困難」。但若是針對較複雜的議題，例如腫瘤切除評估、金融投資等，獲得多個顧問的判斷就變得有必要。

AI比人類更會做決策？

借助科技輔助決策的方式，已是人類日常生活中不可缺少的一部分。從蘋果公司推出已久的AI助理Siri，到近期的熱門AI聊天機器人ChatGPT等。不論決策大小，我們漸漸習慣遇到問題時，便會找AI來問問，它們也總能在很短的時間內，給出詳盡的分析。

尤其，隨著AI持續進化、錯誤逐漸降低的情況下，它能否因此幫人類做所有的決定？

楊政達笑著搖頭。他想起，十多年前書目管理系統（reference manager）剛推出時，標榜可以快速整理參考文獻。然而，引用格式百百種（APA、MLA等），倘若研究者不清楚自己該使用哪一種格式，即便有了書目管理系統，也容易在錯誤出現時仍不自知。「科技再便捷、再聰明，我們仍需要有一定的智慧，才能做出判斷，降低被誤導的可能性。」

人類社會是複雜的。如同方才不建議你購買橘子的AI，它的判斷基於理性、科學的數據分析，這樣的做法沒有錯。但，AI可能不知道的是，一個幾十年在市場擺攤做生意的老闆，並不會輕易為了賺錢而欺騙客人，毀掉長期建立的口碑和信用。

楊政達強調，當AI逐漸成為我們生活中不可缺少的一部分，與其一味排斥、否定，不如好好學習如何跟它互動，善用它帶來的便利性。人類有知識盲點，卻不乏豐富的實務經驗，以及批判思考的能力；同理，AI也有出錯的時候，但無損它在搜集、統整與分析資訊的效率。這便是所謂的「人機互動」（human-computer interaction, HCI）——兩者應該相輔相成，而非誰取代誰的對立關係。

「我就十分期待未來AI能更廣泛運用在醫療決策上，特別是協助醫生做出病理診斷。如前面提到，越是困難的決策，人更需要外界（多方）協助。設想，有一個醫療 AI，能針對病人的X光片、腫瘤切片報告，先進行初步的影像判讀，後續再由醫生結合自身經驗，做出最佳的醫療決策。既節省人力與時間成本，也提供醫生更多科學化的決策建議。」