「讓她活過聖誕節」比「偏鄉醫院倒閉」更賺人熱淚?專家揭背後的受害者效應
「讓她活過聖誕節」比「偏鄉醫院倒閉」更賺人熱淚?專家揭背後的受害者效應

向需要幫助的人伸出援手,是一股強大的動力。 這種自發的情緒反應,和書中描述的其他各種傳訊者效應一樣,在年紀很小的時候就形成,而且不光人類會這樣,就連動物也是。老鼠會幫助籠內的老鼠脫困,而且經常是先幫助完後,才去吃研究人員刻意擺的巧克力脆片(老鼠愛吃的食物)。由於援助的老鼠選擇先幫助別的老鼠後才去吃美味的點心,而且在受困的同伴被放出來後,也讓牠們享用餅乾,可見助人的動機顯然是利他的。

即使沒有被明白要求幫忙,還是會伸出援手。 在一項倫敦大學學院的莫莉.克羅克特(Molly Crockett)等人的實驗中,幾組參加者被接上電擊機器,然後被要求做出一系列選擇,參加者可以選擇多次遭受電擊以多賺點錢,或者少接受幾次電擊但是少賺點錢,不過這項實驗有個詭計。

雖然參加者總是拿得到錢,但電擊有時是針對他們,有時是針對(匿名的)夥伴,換言之,讓夥伴挨電擊可以換來自己的好處,結果很少人這麼做。如 果拿了錢會讓別人痛苦,大部分的參加者寧可少拿一點錢。同情和罪惡感是強大的動力,因此人經常會設法避免傷害陌生人,而這也是為何看似脆弱且身分地位不高的傳訊者,依然有辦法讓大家聽他的話。

事實上,喚起大家關注弱者的需求會極具說服力,一份名為「不光是為我」的研究中發現,讓醫療團隊明白他們的行動對病弱者可能的影響,相較於使他們關注自身利益,更能說服他們遵守感染控制的措施。醫院的給皂器上方有個牌子寫著:「手部衛生預防感染疾病」,這幾乎無法說服醫療人員在檢查病人之前清潔雙手,但是把關注導向病人:「手部衛生能防止病人感染疾病」,結果診間的肥皂和乾洗手的使用量增加45%。

救世軍(Salvation Army)的紅水壺運動(Red Kettle Campaign),是美國極知名也是最大規模的街頭募款活動,此活動說明用簡單的話語激發個人責任感,能影響我們對柔弱傳訊者的反應。在聖誕節前幾個禮拜,神情快活的志工身穿鮮豔的大紅圍裙和聖誕老人帽,搖著鈴鐺請路人捐款,把錢拿去購買食物、玩具和衣服給眾多貧困的人。三不五時會有路人捐獻,但有趣的在於募得的金額,會因為志工單純只是搖鈴鐺,還是用某種方式接近上街購物的人而有所不同。在購物者進出店家之際搖鈴鐺,平均每三分鐘會招來一筆捐款, 但如果多說一句「聖誕快樂,請捐款」,就會使捐款人數增加55%,總捐款金額增加69%。 一句簡單的提示,讓路人處在進退兩難的局面,證明無比有用。

donate_bottle-2747759_1920.jpg
圖/ Pixabay

人通常覺得自己應該幫助一位像「舞男」這種明顯、可辨識的受害者,而不是一群抽象的團體。 一群人沒有名字,但一個人就是獨立個體,於是我們不太容易同情一群受害者,卻比較容易同情個人。蘇維埃的獨裁者史達林(Joseph Stalin)有句名言: 「死一位俄羅斯士兵是悲劇。死一百萬人是統計數字。」

我們對新聞報導的反應,正說明這點。 人類的苦難故事往往激不起太多火花,但聚焦在個人故事上就能引起較大反應 ,舉例來說,西方媒體對沙烏地阿拉伯的報導往往非常嚴苛,特別是該國軍方介入葉門,數千人在沙烏地的空襲中喪生;然而引起更大憤怒的,卻是沙烏地記者賈邁勒.卡舒吉(Jamal Khashoggi)被謀殺一事,而且影響西方世界對這個國家的觀感最深。

卡舒吉的案子是典型「可辨識的受害者效應」,也就是震撼人心的單一悲劇事件,但如果沒有清楚可辨識的核心人物,一般人對於涉及多位傳訊者的事件,卻是相對冷漠。

我們可以主張,在這愈來愈分裂的世界中,鼓勵大家對彼此有點同情心是有益社會的。但是耶魯大學心理學家保羅.布魯姆(Paul Bloom)說,仰賴大家的同理心的問題在於,同理心不懂科學。人不太容易認同一個「統計學上」的受害者,或者就如諾貝爾獎得主美國經濟學家湯瑪斯.謝林(Thomas Schelling)在1968年所說:

個人的生命和統計學上的生命是有區別的。一位棕髮的六歲女孩需要幾千美元開刀,好讓生命延續到聖誕節,為了救她,郵局被淹沒在五分一毛的硬幣中。另一方面,據可靠來源報導,沒有銷售稅收的話,麻薩諸塞州的醫院將逐漸老朽,結果導致可預防的死亡案例幾乎難以覺察地提高了,這時沒有多少人會掉一滴眼淚,或者伸手去拿支票本。

shutterstock_poor_no money_439390204.jpg
圖/ perfectlab via Shutterstock

許多時候很難、甚至不可能分辨誰比較弱勢,因為這些人往往淹沒在廣大群眾中。 因此同理心驅使我們幫助在聚光燈下的柔弱傳訊者,但他們未必是最窮困的人。

事實上,對於可辨識受苦者的同理心,反而可能使我們做出不道德的決定,例如選擇幫助某位正在受苦的特定孩子,而不是八位不知其姓名的受苦孩童,或者醫療專業人士由於和某特定病人有較密切的接觸,可能會讓那個人在等待治療的名單上插隊,提前到一群不知名但等待時間更久的病人之前。

忽略眾多統計學上的生命,比忽視一位特定受害者容易,因此有些人擔心,國家領導人可能無法正確思考發動戰爭會使人類付出多大的成本。基於為數眾多的人民是個抽象概念,因此美國總統會擔心核武攻擊可能讓某位有名有姓的受害者受苦,但卻可以心安理得對敵國發射相當於一座兵工廠的核武。

已故的哈佛法學教授羅伯特.費雪(Robert Fisher)針對這方面的擔憂,建議以一種具爭議性的方式,來改變發動核子攻擊的通用協定。費雪提議,無論總統到哪裡,必須要有一位年輕人隨行在側,姑且假設這位年輕人叫羅伯特,二十歲,長得很高,有一頭烏黑的鬈髮。羅伯特負責拎一只公事包,裡面放的不是啟動核彈的密碼,而是一把大菜刀。核彈的啟動密碼在一個小小的膠囊中,植入羅伯特的胸膛,接近他心臟的位置。萬一總統要下令發射核彈,他首先需要親手從羅伯特的公事包拿出菜刀,在他胸膛砍一刀,取出裡面裝了核武密碼的那個血淋淋膠囊。

換言之, 在領導者發動攻擊殺死數十萬不知名的受害者之前,必須先實實在在、掏心掏肺殺死一位有名有姓的受害者。 當提出這個想法的費雪聯繫五角大廈時,他表示受到不同程度的驚訝。其中一位高階官員的反應是:「天哪,太恐怖了,必須殺人這件事會扭曲總統的決策,他可能永遠不會按下按鈕。」

憑什麼相信你_立體書
《憑什麼相信你?:掌握8大影響力特質,增強自身可信度,洞悉他人話語背後的真相》
圖/ 《憑什麼相信你?:掌握8大影響力特質,增強自身可信度,洞悉他人話語背後的真相》

本文授權轉載自《憑什麼相信你?:掌握8大影響力特質,增強自身可信度,洞悉他人話語背後的真相》,時報出版

責任編輯:傅珮晴

關鍵字: #數位書選
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓