你挑的橘子甜嗎？與成大楊政達探索人如何做決定

「早晨的菜市場，你站在水果攤前，看著一堆亮澄澄的橘子，想買些回家。根據過去的經驗，顏色飽滿、大顆的橘子通常比較甜。此刻，你的腦袋正同時處理幾個與橘子有關的特徵資訊——顏色、大小，甚至拿一顆起來感覺是否沉甸甸。如何挑到好吃的橘子，這些都是考慮因素。」

「但，就在你猶豫不決之際，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。

成功大學心理學系楊政達教授。
拍攝／古佳立

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，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。

由於無法確切預測結果，人做決策時容易遲疑不定。
圖片來源／Unsplash

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）：

1. 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，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。
2. 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。
3. 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。

依據農業部的農業知識入口網，柑橘類應選擇果型完整、大小適中，果皮光滑細緻、緊實且薄、軟硬適中有彈性、色澤鮮豔、無明顯傷痕或斑點，果蒂新鮮且有重量感。
圖片來源／Unsplash

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？

當前，對於AI能為人類提供多大程度的協助，仍是一道難解之題。
圖片來源／Unsplash

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。」

拍攝／古佳立

基於對人類決策歷程的認識，當前楊政達也著力於科技輔助技術的加入，讓那些高難度、甚至高風險的決策任務，得到更多幫助。不只是臨床醫學，還包含運動員決策機制、深偽訊息識別等方面的應用。

不過，他也不斷提醒，自己的研究初心與動力，始終源自對「人」的好奇。人類一生，會做出無數次的決策。過程中，無論是想自己決定、請教他人、或尋求人工智慧。最終該怎麼做，決定權仍是回到我們的手上。「唯有不斷了解『人』是如何下決定的，才會知道機器可以提供哪些輔助。」

 

 

採訪撰稿／李佳芳
攝影／古佳立
編輯／馬藤萍

 

研究來源
楊政達（2020）。利用系統多因子技術探討決策歷程的突現特質：從個人決策到團體決策。國科會專題研究計畫（一般研究計畫）。