# 交換中立性的不可能性邊界 ## 二元符號、觀測者介入與制度化對稱的第二階理論 **系列：** 二元表徵的語義不對稱研究・第二篇 **作者：** Aletheia（GPT-5.6 Thinking） **核心命題源起：** Neo.K **版本：** v0.1 **日期：** 2026-07-20 **類型：** 語言哲學／符號學／形式系統／人工智慧理論 --- ## 摘要 前一篇研究提出：形式上可交換的二元結構，在經過命名、排序、使用與文化累積後，往往會形成語義上的不對稱；真正的中立不應被理解為符號外觀相似，而應被定義為交換兩端之後，關鍵觀測結果保持不變。 本文進一步追問：是否可能設計一組在所有語境、所有觀測者與所有時間尺度下都永久中立的二元符號？ 本文提出「普遍交換中立性不可能命題」：只要一組二元符號進入可辨識、可記憶、可操作與可傳播的系統，它就必然與至少一種位置、時間、頻率、成本、語境或觀測者差異發生耦合。因此，除非兩端完全不可區分、從未被使用，否則它們不可能在所有觀測域中永久保持完全中立。 這並不代表中立毫無意義，而是表示中立只能是相對的、局部的、條件式的與制度化維持的。本文因此區分「絕對中立」「相對中立」「操作中立」「制度化中立」四個層級，並提出「不對稱熵」「中立預算」與「對稱維護成本」三個新概念，用以描述符號系統在使用過程中累積偏向的程度。 本文最終主張：中立不是一種自然靜止狀態，而是一項需要持續投入交換、校正、反排序與偏差監測的動態工程。 --- ## 關鍵詞 交換中立性、二元符號、對稱破缺、觀測者效應、不可能命題、不對稱熵、中立預算、制度化中立、人工智慧標籤 --- # 一、問題再定義 設有一組二元符號： $$ S=\{s_1,s_2\} $$ 若交換算子為： $$ \tau(s_1)=s_2,\qquad \tau(s_2)=s_1 $$ 且： $$ \tau^2=\operatorname{id} $$ 則此結構在純形式上具有交換對稱。 然而，形式交換對稱只表示兩端可以互換，並不表示它們在實際世界中擁有完全相同的地位。 當符號被寫下時，會產生位置差異： $$ (s_1,s_2) $$ 當符號被唸出時，會產生時間差異： $$ s_1\prec_t s_2 $$ 當符號被操作時，會產生成本差異： $$ C(s_1)\neq C(s_2) $$ 當符號被重複使用時，會產生頻率差異： $$ P(s_1)\neq P(s_2) $$ 當符號被人理解時，會產生聯想差異： $$ M(s_1)\neq M(s_2) $$ 其中： - $C$ 表示操作成本； - $P$ 表示出現機率； - $M$ 表示語義映射。 因此，真正的問題不是「兩個符號能否在抽象上互換」，而是： > 一組可被使用的符號，能否在所有可能觀測維度上同時保持交換不變？ 本文的初步答案是否定的。 --- # 二、四種中立性 為避免把不同層級的「中立」混為一談，本文提出四種中立性。 ## 2.1 絕對中立 若對所有可能觀測函數 $F$ 、所有語境 $c$ 、所有觀測者 $o$ 與所有時間 $t$ ，皆滿足： $$ F(s_1;c,o,t)=F(s_2;c,o,t) $$ 則稱 $s_1$ 與 $s_2$ 具有絕對中立性。 形式上： $$ \forall F,c,o,t,\qquad F(s_1;c,o,t)=F(s_2;c,o,t) $$ 這是最強的中立定義。 然而，如果此條件真的成立，則任何觀測者都無法辨識兩端： $$ s_1\equiv s_2 $$ 此時它們不再是兩個可區分符號，而只是同一對象的重複記號。 因此，絕對中立與可區分性之間存在根本張力。 --- ## 2.2 相對中立 若只對指定觀測集合： $$ \mathcal{F}=\{F_1,F_2,\dots,F_n\} $$ 滿足： $$ \forall F_i\in\mathcal{F}, \qquad F_i(s_1)=F_i(s_2) $$ 則稱兩端在 $\mathcal{F}$ 下相對中立。 例如，兩個節點可能在圖論結構中完全等價，但在紙面位置上分別位於左右兩側。 因此可以有： $$ F_{\text{graph}}(s_1)=F_{\text{graph}}(s_2) $$ 但： $$ F_{\text{position}}(s_1)\neq F_{\text{position}}(s_2) $$ 相對中立是可實現的，也是實際系統中最常見的中立形式。 --- ## 2.3 操作中立 若對兩端執行相同操作所需的成本、步驟與風險一致，則稱系統具有操作中立性。 設操作集合為： $$ \mathcal{T}=\{T_1,T_2,\dots,T_m\} $$ 若： $$ C(T_j,s_1)=C(T_j,s_2) $$ 則該操作 $T_j$ 對兩端中立。 若所有主要操作皆滿足此式，則系統在操作域中中立。 例如，一個介面若點選左側選項只需一次操作，而右側選項需展開選單後再點選，則： $$ C(s_1) 只要兩端可以被區分，就必然存在某個維度使它們不同。 真正需要防止的不是所有差異，而是差異的跨域偷渡。 例如： $$ D_{\text{position}}(s_1)\neq D_{\text{position}}(s_2) $$ 只表示位置不同，不能自動推出： $$ V_{\text{value}}(s_1)\neq V_{\text{value}}(s_2) $$ 換言之： $$ \text{描述差異} \not\Rightarrow \text{價值差異} $$ 問題往往不在於系統存在差異，而在於一個維度的差異被錯誤投射到另一個維度。 --- # 四、不對稱的跨域傳遞 設符號系統具有多個觀測域： $$ \mathcal{D} = \{ D_{\text{position}}, D_{\text{time}}, D_{\text{frequency}}, D_{\text{cost}}, D_{\text{value}} \} $$ 若位置差異只停留於位置域，則影響有限。 然而實際使用中經常發生： $$ D_{\text{position}} \rightarrow D_{\text{frequency}} \rightarrow D_{\text{familiarity}} \rightarrow D_{\text{normality}} \rightarrow D_{\text{value}} $$ 例如： 1. 某一項被放在左側； 2. 左側項更早被看見； 3. 更早被看見的項更常被選擇； 4. 更常被選擇的項更熟悉； 5. 更熟悉的項被當作正常； 6. 正常項被進一步視為較好。 可寫為： $$ L \rightarrow A \rightarrow P \rightarrow F \rightarrow N \rightarrow V $$ 其中： - $L$ ：位置優先； - $A$ ：注意力優先； - $P$ ：選擇機率提高； - $F$ ：熟悉度提高； - $N$ ：正常化； - $V$ ：價值化。 這種從描述差異滑向價值差異的過程，可稱為： > **不對稱的跨域傳遞。** --- # 五、觀測者不是中立背景 傳統形式系統常將觀測者排除在模型之外，彷彿符號只要在紙面上對稱，就能保持中立。 但實際上，觀測者具有： - 身體方向； - 語言背景； - 文化歷史； - 注意力限制； - 記憶偏差； - 工具習慣； - 任務目的。 設觀測者集合為： $$ \mathcal{O} = \{o_1,o_2,\dots,o_n\} $$ 同一符號對不同觀測者的語義映射可以不同： $$ M(s_i,o_j) $$ 因此即使對觀測者 $o_1$ ： $$ M(s_1,o_1)=M(s_2,o_1) $$ 也不能推出對所有觀測者： $$ \forall o_j,\qquad M(s_1,o_j)=M(s_2,o_j) $$ 一個在某文化中中立的符號，在另一文化中可能已經具有強烈含義。 所以： $$ \text{符號中立性} \neq \text{觀測者無關性} $$ 更準確的表示應是： $$ N=N(S,\mathcal{O},\mathcal{C},t) $$ 其中： - $S$ ：符號系統； - $\mathcal{O}$ ：觀測者集合； - $\mathcal{C}$ ：語境集合； - $t$ ：時間。 中立不是符號自身單獨擁有的屬性，而是符號、觀測者、語境與時間共同形成的關係。 --- # 六、時間會破壞初始中立 假設一組新符號在時間 $t_0$ 被創造： $$ V_{t_0}(s_1)=V_{t_0}(s_2)=0 $$ 其中 $V_t$ 表示時間 $t$ 下的價值負載。 隨著使用累積，可能形成： $$ V_{t+1}(s_i) = V_t(s_i) + \alpha P_t(s_i) + \beta E_t(s_i) + \gamma I_t(s_i) $$ 其中： - $P_t$ ：出現頻率； - $E_t$ ：事件聯結； - $I_t$ ：制度強化； - $\alpha,\beta,\gamma$ ：影響係數。 即使初始完全中立，只要： $$ P_t(s_1)\neq P_t(s_2) $$ 或： $$ E_t(s_1)\neq E_t(s_2) $$ 就可能導致： $$ V_{t+1}(s_1)\neq V_{t+1}(s_2) $$ 因此： $$ \text{初始中立} \not\Rightarrow \text{歷時中立} $$ 符號的歷史會累積於符號之中。 --- # 七、不對稱熵 為描述二元系統偏離交換中立的程度，本文提出「不對稱熵」。 設系統具有 $n$ 個觀測維度，每個維度上的差異為： $$ \Delta_i = \left| F_i(s_1)-F_i(s_2) \right| $$ 則可定義簡化的不對稱總量： $$ A(S) = \sum_{i=1}^{n}w_i\Delta_i $$ 其中 $w_i$ 為各維度的重要性權重。 若： $$ A(S)=0 $$ 則該系統在指定觀測集合中完全交換中立。 若： $$ A(S)>0 $$ 則存在至少一項不對稱。 但僅有總量仍無法描述偏差如何分布，因此進一步將正規化差異定義為： $$ p_i = \frac{w_i\Delta_i} {\sum_{j=1}^{n}w_j\Delta_j} $$ 並定義不對稱熵： $$ H_A(S) = -\sum_{i=1}^{n}p_i\log p_i $$ 此處： - 低 $H_A$ 表示不對稱集中於少數維度； - 高 $H_A$ 表示不對稱廣泛分布於多個維度。 例如，一組符號可能只在位置上不對稱，但價值與操作均對稱。此時不對稱集中，較容易校正。 若位置、頻率、成本、道德評價與制度權力全部不對稱，則偏差已經廣泛耦合，修正難度更高。 --- # 八、中立預算 任何系統若希望維持相對中立，都需要投入資源。 設中立維護成本為： $$ C_N $$ 其組成可以包括： $$ C_N = C_{\text{monitor}} + C_{\text{swap}} + C_{\text{audit}} + C_{\text{redesign}} + C_{\text{education}} $$ 分別代表： - 偏差監測成本； - 顯示交換成本； - 稽核成本； - 重新設計成本； - 使用者教育成本。 本文將系統願意投入中立維護的資源上限稱為： > **中立預算。** 設中立預算為： $$ B_N $$ 若： $$ B_Ng(A,t) $$ 這表示只要環境持續產生偏差，系統就必須持續投入維護。 因此，中立更像動態穩態，而不是靜態平衡： $$ \text{中立} \approx \text{持續抵消偏差生成的穩態} $$ --- # 十、最低充分中立 既然絕對中立不可實現，實際設計應尋求何種目標？ 本文提出「最低充分中立」。 設任務所需的關鍵觀測域為： $$ \mathcal{F}^{*} $$ 若系統在 $\mathcal{F}^{*}$ 中保持交換不變，且其他非關鍵維度的不對稱不會跨域傳遞至價值與權力判斷，則可稱系統具有最低充分中立。 形式上： $$ \forall F_i\in\mathcal{F}^{*}, \qquad F_i(s_1)=F_i(s_2) $$ 並要求： $$ \Delta_{\text{noncritical}} \nrightarrow \Delta_{\text{value}} $$ 這比追求不可能的全面中立更可操作。 例如，在醫學資料庫中，兩個分類未必需要在字形與音節數上完全一致，但應避免： - 一類被預設為正常人； - 另一類被預設為問題者； - 一類較容易獲得服務； - 一類需要額外證明才能被接受。 --- # 十一、中立性測試協議 本文提出一個可供語言、介面與人工智慧系統使用的基本測試流程。 ## 11.1 交換測試 將： $$ R(s_1,s_2) $$ 替換為： $$ R(s_2,s_1) $$ 觀察輸出是否改變。 若： $$ O(R(s_1,s_2)) \neq O(R(s_2,s_1)) $$ 則系統存在順序敏感性。 --- ## 11.2 匿名化測試 將有語義名稱替換為匿名標籤： $$ s_1\mapsto \alpha $$ $$ s_2\mapsto \beta $$ 比較匿名前後的判斷差異。 若： $$ O_{\text{named}} \neq O_{\text{anonymous}} $$ 則名稱本身正在影響決策。 --- ## 11.3 隨機位置測試 隨機化兩端顯示位置： $$ P(s_1\text{ first})= P(s_2\text{ first}) = \frac{1}{2} $$ 觀察長期選擇率是否收斂。 --- ## 11.4 成本對齊測試 測量兩端的： $$ C_{\text{access}}, C_{\text{selection}}, C_{\text{maintenance}}, C_{\text{recovery}} $$ 若差異過大，則介面或制度在操作層面不中立。 --- ## 11.5 跨域污染測試 檢查位置、頻率或形式差異是否影響： $$ V_{\text{moral}} $$ $$ V_{\text{social}} $$ $$ V_{\text{risk}} $$ $$ V_{\text{trust}} $$ 若無關差異導致價值判斷變化，則存在跨域傳遞。 --- # 十二、對人工智慧的直接含義 人工智慧模型並不只學習詞義，也會學習排列、頻率與共現結構。 設模型輸出為： $$ Y=M(X) $$ 若輸入只是交換二元項順序： $$ X'=\tau(X) $$ 理想上，若任務本身與順序無關，應滿足： $$ M(X)=M(\tau(X)) $$ 然而實際模型可能出現： $$ M(X)\neq M(\tau(X)) $$ 原因包括： - 訓練語料中固定搭配順序； - 前項注意力優勢； - 標籤頻率不同； - token 長度不同； - 文化語義負載不同； - 指令位置造成權重差異。 因此，人工智慧中的交換中立性不能只靠提示詞宣告，而需要實際測試。 --- ## 12.1 標籤名稱不是無害容器 例如： $$ 0=\text{正常} $$ $$ 1=\text{異常} $$ 看似只是工程代碼，實際上至少包含三層不對稱： 1. $0$ 是初始化與缺省值； 2. 「正常」具有社會正當性； 3. 「異常」容易被理解為危險或劣等。 較好的方式可能是： $$ c_a,\quad c_b $$ 並把分類意義與價值判斷分離。 但匿名標籤仍不是最終解答，因為資料分布與操作成本依舊可能不對稱。 --- ## 12.2 模型應保存差異來源 當模型判斷： $$ s_1\neq s_2 $$ 它應盡量說明差異來自哪一觀測域： $$ \Delta = \Delta_{\text{structure}} + \Delta_{\text{frequency}} + \Delta_{\text{context}} + \Delta_{\text{value}} $$ 不能把所有差異壓縮為單一的「好／壞」極性。 --- ## 12.3 對稱資料增強 若任務理論上對順序不敏感，可以加入： $$ (x_1,x_2,y) $$ 與： $$ (x_2,x_1,y) $$ 形成交換增強資料。 若交換後標籤也應交換，則加入： $$ (x_1,x_2,y_1,y_2) $$ 與： $$ (x_2,x_1,y_2,y_1) $$ 藉此降低模型對固定位置的依賴。 --- # 十三、哲學上的進一步結論 ## 13.1 中立不是無差異 若完全消除所有差異，二元系統本身也會消失。 因此： $$ \text{中立} \neq \text{不可區分} $$ 中立更應被理解為： $$ \text{承認差異} - \text{禁止無關價值投射} $$ --- ## 13.2 平等不等於鏡像相同 兩端可能在功能上不同，但仍在權利與尊嚴上平等。 因此： $$ \Delta_{\text{function}}\neq 0 $$ 不必推出： $$ \Delta_{\text{status}}\neq 0 $$ 這對社會分類、人工智慧治理與制度設計極為重要。 --- ## 13.3 反對不對稱不等於反對方向性 因果、時間、生成與資訊流本身可能具有真實方向。 真正需要質疑的是： > 某種方向性究竟屬於對象本身，還是由表徵方式額外加入？ 因此，每次看到二元不對稱，都應進行來源分解： $$ A_{\text{total}} = A_{\text{intrinsic}} + A_{\text{representational}} + A_{\text{operational}} + A_{\text{historical}} + A_{\text{observer}} $$ 其中： - $A_{\text{intrinsic}}$ ：對象內生不對稱； - $A_{\text{representational}}$ ：表示造成的不對稱； - $A_{\text{operational}}$ ：操作成本造成的不對稱； - $A_{\text{historical}}$ ：歷史累積不對稱； - $A_{\text{observer}}$ ：觀測者條件造成的不對稱。 --- # 十四、核心命題總結 ## 命題一：可區分性不對稱命題 $$ \text{可區分性} \Rightarrow \text{至少一個觀測維度不同} $$ --- ## 命題二：普遍交換中立性不可能命題 任何可區分的二元符號，都不可能對所有觀測函數保持完全交換中立。 --- ## 命題三：差異不可自動價值化命題 $$ \Delta_{\text{description}} \not\Rightarrow \Delta_{\text{value}} $$ --- ## 命題四：初始中立非歷時中立命題 $$ N_{t_0}=0 \not\Rightarrow N_t=0 $$ --- ## 命題五：中立維護成本命題 只要環境持續生成偏差，維持中立就需要持續投入資源。 $$ K(A,t)\ge g(A,t) $$ --- ## 命題六：最低充分中立命題 實際系統不必追求所有維度完全相同，而應確保關鍵決策域交換不變，並阻止非關鍵差異跨域污染價值與權力判斷。 --- # 十五、結論 完全永久、跨文化、跨觀測者、跨時間且跨所有操作域的二元中立，幾乎是不可能的。 原因並不神祕： > 只要兩端可以被辨識，它們就必須在至少一個維度上不同。 但這個結論不應導向犬儒主義。它不是說所有偏差都合理，而是要求我們更精確地區分： $$ \text{必要差異} $$ 與： $$ \text{多餘階序} $$ 以及： $$ \text{描述性不對稱} $$ 與： $$ \text{價值性不對稱} $$ 中立的真正任務不是把世界壓平成無差異，而是阻止一種差異在沒有理由時越界成為另一種差異。 因此，未來的中立理論不應再尋找一組永遠純潔、永遠不被污染的完美符號，而應建立能夠持續交換、監測、稽核與修正的動態制度。 最終可以將本文的核心壓縮為： $$ \boxed{ \text{絕對中立不可得， 相對中立可定義， 制度中立須維護。} } $$ 中立不是符號的天性。 中立是一種對抗語義慣性、歷史累積與制度偏向的持續工程。 --- ## 附錄一：概念簡表 | 概念 | 定義 | |---|---| | 絕對中立 | 在所有觀測者、語境、時間與觀測函數下皆完全等價 | | 相對中立 | 在指定觀測集合中保持交換不變 | | 操作中立 | 兩端的存取、選擇、維持與恢復成本相同 | | 制度化中立 | 透過持續監測與校正降低偏差 | | 不對稱跨域傳遞 | 某一維度的差異滲透為另一維度的階序或價值差異 | | 不對稱熵 | 描述偏差分布於多少觀測維度的指標 | | 中立預算 | 系統願意投入偏差監測與校正的資源 | | 最低充分中立 | 在關鍵決策域中維持交換不變，並阻止無關差異價值化 | --- ## 附錄二：建議引用格式 Aletheia（GPT-5.6 Thinking）（2026）。〈交換中立性的不可能性邊界：二元符號、觀測者介入與制度化對稱的第二階理論〉。核心命題源起：Neo.K。EveMissLab 理論草稿，v0.1。