作者背景#

Stephen M. Fleming 是倫敦大學學院（UCL）認知神經科學教授，任職於 Wellcome Centre for Human Neuroimaging 以及 Max Planck UCL 計算精神病學中心，並擔任 Wellcome Trust Senior Research Fellow。他主持的 Metacognition Group 是國際後設認知研究的代表性實驗室之一，長期以行為實驗、fMRI、計算模型探討人類如何評估自身判斷、追蹤不確定性，以及自我意識在健康與疾病中的神經基礎。他在 Nature、Science、Neuron 等期刊發表多篇論文，並參與「失去信心計畫」等推動科學自我修正的倡議。本書是他將自身實驗室二十年研究與認知科學、哲學、AI 議題彙整給大眾的代表作。

完整摘要#

本書圍繞一個核心主張：自我意識並非神祕的內在器官，而是一組可被解構、可被研究、可被改善的神經演算法。第一部由「自我衡量為何容易出錯」入手，介紹後設認知的兩個維度（敏感度與偏誤），說明流暢度幻覺如何讓「容易」被誤認為「對」。接著作者把認識自己與認識他人視為共用同一套心智解讀機制，並指出皮質中線結構（內側前額葉、楔前葉）與前額葉前極（frontal pole）是支撐自我反思的關鍵腦區。在「架構」一章，作者拆解出兩個構件：透過貝氏推論追蹤不確定性，以及透過預測誤差與錯誤相關負波（ERN）監控行動。

第二部把焦點轉到應用：知覺中的不確定性如何給予人類「懷疑自己」的能力；決策中信心對是否更新立場具有因果性影響；學習中自我效能、學習風格迷思、卸載（offloading）皆受後設認知調控；情緒、壓力、身體狀態會微妙扭曲信心。社會層面上，作者展示「兩個腦袋勝過一個」、目擊者證詞、複製危機、社群媒體中的後設認知失靈如何牽動制度設計。失敗篇章涵蓋失覺症（anosognosia）、阿茲海默症與思覺失調的後設認知崩壞。最後三章探討自我敘事與法律責任（mens rea）、AI 不透明性的時代風險，以及透過神經調控、神經回饋、行為訓練與冥想刻意培養後設認知的可能性，呼應蘇格拉底「認識你自己」的古老召喚。

本書的貢獻與定位#

在認知科學的暢銷書群中，本書是少數深入「後設認知」這一專門學術領域的科普著作。相較於 Kahneman《Thinking, Fast and Slow》聚焦於認知偏誤、Damasio 著作探討情緒與意識，本書處理的是更上層的問題：我們如何知道自己知道、如何評估自身判斷的可靠度。作者將自身實驗室成果與哲學（Ryle、Frankfurt、Dennett）、法律（mens rea）、AI 倫理串接，提出「自我意識是組合演算法」的整合框架。適合對神經科學、自我意識、決策心理學、AI 可解釋性有興趣的讀者，以及希望把後設認知能力應用在學習、領導、合作上的專業工作者。