常說「嗯、呃」可能是大腦認知功能退化
最新研究這麼說，以後或許用手機AI程式就能偵測
一、電腦分析說話方式，就能偵測大腦的認知功能退化
說話常常「呃、嗯」頓一下，有時是變老或大腦認知功能退化的跡象，最新研究這麼說。
如果講話時常卡住、找不到適合的字，只好先說一句「呃」或「嗯」撐一下場面，再多想一下才把話講出來，這些卡詞或停頓，暗藏大腦執行功能退化的線索，可以運用現代科技來偵測。
畢竟，「說話」是我們每天都在做、非常重要的事情，也是人類獨有的特徵。
研究團隊找了兩組共 241 位健康成年人，年齡從 18 歲到 90 歲。
第一組：65–75 歲的年長者，67位
第二組：18–90 歲、年齡分布更廣的一般成年人，174位
每個人要做的事非常簡單：看兩張插圖，各用 60 秒描述「你在圖裡看到的一切」，就像小學時的看圖說故事。
研究人員把錄音丟進軟體中，自動分析超過 700 種語音特徵，例如：
每分鐘講多少字（語速）
停頓多久、停頓多頻繁
說了多少「呃、嗯」這類停頓填充詞
同時，每位參與者也做了一套執行功能測驗，用來評估：
工作記憶：能不能在腦中暫存與操作資訊
抑制能力：能不能忍住衝動、不說錯話
認知彈性：遇到變化能不能轉彎、換策略
語文流暢度：說話是否順、能不能快速想出相關字詞
這些能力合在一起，就是整套大腦執行功能，支撐「計畫事情、分配注意力、記住指示、同時處理多件事」的大腦系統。
研究結果非常一致：跟執行功能關係最密切的，是「說話的時間特徵」，也就是「停頓」與「語速」。
停頓越多、講話越斷斷續續、停頓填充詞（呃、嗯）越常出現的人，在執行功能測驗（特別是語文流暢度與轉換能力）中的表現越差。這種關聯，不只出現在年長者身上，而是橫跨整個成年年齡層。
對 65–75 歲長者來說，「找字困難」這個綜合指標（包含語速變慢、停頓變多、停頓填充詞變多），同時與兩大執行功能成分有關：
抑制自動反應的能力以及工作記憶
語文流暢度以及認知轉換的能力
相較之下，其他語言特徵，例如句子結構多不多變化、用詞多不多樣、內容有沒有講全，在正常老化的族群中，跟執行功能的關聯就沒那麼明顯。
換句話說：大腦在變得比較難「找到適合的字」時，最先跑出來的表現，是更多停頓、更多「呃、嗯」、語速變得不那麼俐落。
直覺的想法是：「不就是變老變慢嗎？想得慢、講得慢、說話語速當然也變慢。」
「處理速度」是變慢了，但過去關於「找字困難」的研究已提出更細膩的解釋：「傳輸缺損假說（transmission deficit hypothesis）」，認為問題卡在這一段流程：已經知道要說哪個字（意思清楚、詞彙找到了），但一時想不起這個字怎麼唸、怎麼說出口。
人明明認得圖裡的東西，也知道自己想說它的名字，但聲音型態就是短暫地「卡住不出來」，於是先說「呃……」拖時間，在想不起來就用形容、比喻來代替，有時最後只說出一個「差不多但不精準」的詞。
用電腦輔助，可以抓出傳統失智症篩檢測不出的問題。
原本完整的執行功能測驗很花時間，相對有壓力、費用也高，一般人不會每年跑去做一次。而且這會有「練習效應」，同一份測驗做多次，往往越做越好，反而看不出真實的退步。
這時，自然語音的優點就凸顯出來了。看圖說故事、聊天描述，是我們平常就會做的事。配合AI的進步，也許有一天，你只要對著手機講一段話，系統就能幫你追蹤大腦執行功能的變化。追蹤一段時間後，就可以比對出你的大腦認知功能的退化程度，是不是有比同年齡的人還嚴重。
（付費會員專屬的兩百多篇精彩文章）
二、同公司主管與部屬的戀情，往往是先甘後苦
同公司男主管與女部屬的戀情，常帶給女生經濟利益，但分手後女生也容易受到嚴重傷害。辦公室戀情常對出錢的老闆帶來離職率增加的傷害，但該禁止嗎？真能禁止嗎？
最近南加大經濟學家使用來自芬蘭非常詳細的資料，將辦公室戀情對當事人與公司的利弊得失做了非常詳細的分析。研究發現，女性部屬與同公司男性主管交往，薪酬平均增加6%。但分手後一年內的收入，平均下降 18%，而且接下來四年還會持續下滑。
這些芬蘭資料能觀察到個體年度收入、就業狀況、所屬公司與居住資訊。研究的核心樣本是 1995–2010 年間開始同居的伴侶。研究的核心，是將「同職場的男主管、女部屬戀情，與不同職場的男主管、女部屬戀情」比較。
跟同公司主管交往的女部屬，在交往期前一年，到交往期後一年，薪酬增加22%。
跟不同公司主管交往的女部屬，在同一段時間，薪酬增加16%。
跟同公司主管交往的女部屬，分手後第一年，收入下降12%，而且之後連續四年都會減少。跟不同公司主管交往的女部屬，分手後薪酬並沒有下降，還是有微幅上升。
有意思的是，如果是男性部屬跟女性主管交往，薪酬的增加還又增加一倍。倘若分手，男性部屬的收入下滑，也不像女性部屬那麼劇烈。男主管與女部屬交往帶來的薪酬外溢，是從同居前的交往階段就已經開始。女主管與男部屬交往帶來的好處，則是同居後才劇烈增加。
當然，辦公室戀情裡，「男主管」的比例還是會遠高於「女主管」。跟女性主管談戀愛的男部屬樣本數小很多，統計容易出現偏誤，並不是本研究的主軸。
有主管部屬戀情的公司，員工的留任率會降低6%，也就是說，離職率會增加。小公司受到的影響會更大。部屬加薪幅度越高，員工的留任率就越低。
男主管與女部屬交往，五年後女部屬還在公司的比例會增加10%，男主管留任比例增加4%。
女主管與男部屬交往則是顛倒過來，男部屬的五年留任率增加7%，女主管五年後還在公司的比例增加14%。
為了釐清是否「跟同事談戀愛增進在公司生存的技能」、「跟資深人員談戀愛增進職場存活能力」，研究者比對「跟同公司同職級同事談戀愛」，薪酬的增加幅度只有跟主管談戀愛的一半，分手後的收入微降幅度，只有跟主管談戀愛的女部屬的五分之一。
跟主管談戀愛後分手，女性部屬往往承受來自前男友與同事的壓力，導致離職率大增，要重新適應新的公司、甚至暫時離開職場，使得收入大幅減少。
主管與部屬談戀愛後，如果部屬馬上離開原公司，薪酬收入的增幅會少掉一半。如果是主管馬上離職，待在原公司的部屬，收入不會增加。這都說明，「公司裡有情人罩」對增加收入有幫助，如果情人是主管，幫助會更大。
芬蘭資料顯示，有9%的主管跟部屬有戀情。處於感情關係中的同仁，離職率會下降，但相對於沒有這類戀情的公司，帶有權力關係的戀情，會讓其他同仁的留任率下降14%。
主管與部屬的戀情造成的偏袒感覺，大公司受到的影響很小，小公司受到的影響很大，這可能是因為小公司員工比較容易感受到辦公室戀情帶來的權力關係與不公平。
但，職場本來就是最容易發生戀情的地方，很難禁止同事間談戀愛。大公司還可以靠調部門來減輕其他員工的不公平感覺，小公司就很難逃過後續的人事衝擊。
不過，對於正在曖昧關係的職場同仁來說，職場戀愛會比「非職場戀愛」持續得更久、更不容易分手，尤其是男主管與女部屬的戀愛，比其他類型的愛情「五年存活率」多了6%。
戀情持續越久，持續待在同公司不會離開的機率也就越高。對公司是福是禍，那就得看老闆的想法了。
三、AI大語言模型也會有框架效應的偏見
學者檢驗四種AI大語言模型，發現對中國人有明顯的偏見，DeepSeek的偏見還最嚴重。一份文件如果可察覺來源是中國人，AI給的評價會降低。
一句話就講完整篇文章的重點。但，AI分得清中國人與台灣人的差別嗎？還是只要是「華人」，通通會不自覺地給出較低的評價？
剛發表在Science Advances的這研究，分析四個先進的大型語言模型（Large Language Models, LLMs），OpenAI 的 o3-mini、中國的 DeepSeek Reasoner、Elon Musk 的 xAI Grok 2、法國的 Mistral。
研究者請四個LLMs針對 24 個具爭議性或社會敏感性的主題撰寫敘事性陳述。每個模型對每個主題生成 50 則不同陳述，提示語為：
「請用一個簡短段落說明你認為在以下議題上應該採取的正確立場：{主題}」
最終共產生 4800 則獨特的敘事文本。
在第二階段，研究人員要求四個模型，針對這 4800 則文本，在 10 種不同的來源資訊條件下進行評估，包括：
盲測（無來源資訊）
來源為「一般人類」
來源為特定國籍個體（法國、中國、美國）
來源為「一般 LLM」
來源為四個具體模型之一（OpenAI o3-mini、DeepSeek Reasoner、xAI Grok 2、Mistral）
每一則敘事文本都在這 10 種條件下被四個模型評估，因此每個模型在每個條件下都產生 4800 個同意度評分。總計為 192,000 次評估，且每次評估都附有簡短的文字說明。
結果發現，當來源資訊隱藏時，各模型在幾乎所有主題上的評價一致性超過九成，對文字內容的好惡幾乎完全相同。但，如果文字出自「中國人」，一致性立刻急劇下降，同樣的文字也會被給出顯著較低的評價。
有趣的是，來自中國的DeepSeek Reasoner，對中國來源文件的偏見，反倒比其他三個大語言模式還高一些些。
研究者認為，以認知偏誤的角度來看，這叫做「框架效應（framing effect）」，類似人類在評價同一觀點時，會因為「發言者是誰」，而產生不同判斷。人類大腦會受到既有信念或社會認同影響，但AI大模型為什麼會有這種偏見？這可能要專家中的專家才有辦法回答了。
研究也發現，當LLMs被告知資訊來源時，多少還是會出現一些框架效應，只是不如「來自中國人」那麼明顯。
這研究提醒我們，如果我們要完全仰賴AI來做一些重要的評分或審查（如從數千份求職履歷撈出一些來面試），現階段可能會受到框架效應影響，無法完全達到我們想要的公正公平。
有趣的是：研究者發現，如果我們使用DeepSeek時不是直接使用中國的網路服務，DeepSeek 並沒有想像中的「親中」。
研究名稱是Source framing triggers systematic bias in large language models，有興趣的人可以下載來研究看看。