符號組合、關係隱含與受控語義未定性：從概念核心到可收斂定義的生成機制

Symbolic Composition, Implicit Relations, and Controlled Semantic Underspecification: From Concept Kernels to Convergent Definitions

版本：v0.1
日期：2026-07-28
文件性質：基礎理論與生成機制論文
系列：符號結構工程系列，第 2 篇
建議文件代號：EML-SSE-02-2026-v0.1

摘要

新概念通常不是從完全空白中誕生，而是由既有符號、概念、關係與操作重新組合而成。創作者可能先產生一個複合名稱、一組並置符號、一張草圖或一段暫時描述，再逐步補足概念邊界、關係型別、操作規則與形式定義。此過程在自然語言、數學、程式設計、科學理論、圖像符號與 AI 原生語義物件中普遍存在，但通常被簡化為「造詞」「定義」或「命名」。

本文提出符號組合、關係隱含與受控語義未定性的統一框架。本文將新概念的早期形態定義為「概念核心」（Concept Kernel）：一個由若干已知符號、暫定關係、排除條件、使用意圖與待定變量構成的部分結構。概念核心不是完整定義，但也不是任意模糊。它必須能記錄哪些關係已確定、哪些關係只是候選、哪些邊界尚未決定，以及哪些觀測或實驗可以促使概念收斂。

本文將符號組合區分為串接、嵌套、修飾、關係綁定、操作化、封裝、類比映射與跨模態組合。複合符號的整體意義不只取決於組成部分，也取決於組合運算與被省略的關係。本文因此提出「關係槽位」：當符號被並置而沒有明示關係時，系統不應假設關係不存在，而應建立一組候選關係與其支持條件。

本文嚴格區分模糊、歧義、未指定與受控語義未定性。模糊表示邊界不清；歧義表示存在多個互斥或競爭解釋；未指定表示某些變量尚未賦值；受控語義未定性則表示系統明確知道哪些部分尚未固定，並保留候選集、收斂條件、禁止解釋與版本歷史。此結構允許理論在早期保持生成彈性，同時避免概念隨意漂移。

本文提出語義狀態晶格與收斂算子。概念可從開放核心，經關係補全、邊界收縮、反例排除、操作化、來源綁定與形式化，逐步轉變為暫定定義、工作定義、穩定定義或分支定義。收斂不等於唯一化；若多個解釋在不同任務中皆合法，系統可以維持型別化多義或分支語義，而不是強制合併。

本文亦分析過早坍縮、語義霧、複合詞膨脹、隱含關係誤判、定義循環、類比偷渡、命名權威化、概念版本漂移與 AI 假收斂等失敗模式。本文主張，AI 在新概念生成中最有價值的角色，不是立即給出唯一漂亮定義，而是保存候選語義、列出隱含關係、追蹤反例、標記未決槽位，並在證據不足時拒絕製造虛假精確。

本文最後建立「符號組合與語義未定性引擎」（Symbolic Composition and Underspecification Engine, SCUE），提出概念核心物件、關係槽位、候選語義分支、收斂事件、定義版本與評估指標。本文為第三篇線性、空間、圖像與多模態符號結構奠定生成與關係地基。

關鍵詞： 符號組合、概念生成、關係隱含、語義未定性、概念核心、造詞、組合透明度、AI 原生符號、語義收斂

1. 問題起點：新概念通常先有名字，後有完整定義

理論創造常出現以下順序：

\text{直覺} \rightarrow \text{概念並置} \rightarrow \text{暫定名稱} \rightarrow \text{關係展開} \rightarrow \text{工作定義} \rightarrow \text{形式化}

例如一個新詞可能先由：

A+B+C

構成。

創作者大致知道為何選擇 $A$ 、為何加入 $B$ ，以及 $C$ 可能表示何種操作或層級；但未必已確定 $A$ 與 $B$ 是包含、作用、修飾還是來源關係， $C$ 又作用於整體或只作用於其中一部分。

因此：

\boxed{ \text{可推測的複合名稱} \neq \text{完整定義} }

但它也不是沒有內容的空標籤。

2. 概念核心

本文定義概念核心：

Concept Kernel

記為：

\kappa

其結構為：

\kappa = \left( N, R^{+}, R^{?}, R^{-}, I, U, E, V \right)

其中：

$N$ ：已選取的概念節點；
$R^{+}$ ：已確認關係；
$R^{?}$ ：候選或未決關係；
$R^{-}$ ：明確排除關係；
$I$ ：使用意圖；
$U$ ：未指定變量；
$E$ ：證據、例子與反例；
$V$ ：版本與演化紀錄。

概念核心不是完整概念，但已提供可被檢查與擴展的最小結構。

3. 概念核心與純命名的差異

純命名只包含：

label

概念核心則包含：

label + components + candidate\ relations + intent + open\ slots + exclusions

因此：

\boxed{ \text{Name} \neq \text{Concept Kernel} }

一個名稱若沒有任何可追蹤組成、關係候選或使用意圖，便難以區分真正新概念與任意詞彙拼接。

4. 符號組合的基本形式

令符號集合為：

\Sigma = \left\{ \sigma_1,\sigma_2,\ldots,\sigma_n \right\}

組合運算為：

\circ_{\alpha}

則新表達為：

s = \sigma_1 \circ_{\alpha_1} \sigma_2 \circ_{\alpha_2} \cdots \circ_{\alpha_{n-1}} \sigma_n

其中 $\alpha_i$ 代表不同組合方式。組合不是單一的字串拼接，而是結構操作。

5. 八種基本組合操作

5.1 串接

A\Vert B

以順序並置符號。串接本身未指定深層關係。

5.2 修飾

A\triangleright B

$A$ 限定或改變 $B$ 的範圍、性質或狀態。

5.3 嵌套

A[B]

$B$ 被封裝於 $A$ 的作用域中。

5.4 關係綁定

A\xrightarrow{r}B

明示型別化關係。

5.5 操作化

\operatorname{Op}_A(B)

將 $A$ 轉為作用於 $B$ 的操作。

5.6 封裝

\operatorname{Pack} \left( A,B,R \right) \rightarrow G

將多個元素與關係封裝成新單元。

5.7 類比映射

A:B \sim C:D

將某一領域結構映射到另一領域。

5.8 跨模態組合

A_{\mathrm{text}} \oplus B_{\mathrm{image}} \oplus C_{\mathrm{gesture}}

由不同媒介共同完成意義。

6. 同樣的符號，不同的組合操作

即使組成符號相同：

A,B

不同組合可以形成：

A\triangleright B, \qquad B\triangleright A, \qquad A[B], \qquad B[A], \qquad A\xrightarrow{r}B

因此：

\boxed{ \text{Components} \neq \text{Composition Structure} }

只知道一個複合詞有哪些部分，仍不足以重建完整概念。

7. 組合函數

定義概念組合：

K_{\mathrm{new}} = \mathcal C_{\alpha} \left( K_1,K_2,\ldots,K_n \right)

其中 $\alpha$ 是組合剖面。若 $\mathcal C_{\alpha}$ 沒有被明示，讀者必須根據語序、慣例、任務、領域、前文與類比推定它。

8. 組合不必保守

保守組合表示新概念只由舊部分構成：

K_{\mathrm{new}} \subseteq \operatorname{Closure} \left( K_1,\ldots,K_n \right)

非保守組合則可能產生湧現關係：

K_{\mathrm{new}} \not\subseteq \operatorname{Closure} \left( K_1,\ldots,K_n \right)

兩個概念結合後，可能產生新操作、新尺度、新觀測方式、新治理問題或新本體層級。

9. 概念生成的三種結果

9.1 交集型

K_{\mathrm{new}} = K_1\cap K_2

9.2 組合型

K_{\mathrm{new}} = \mathcal C(K_1,K_2)

9.3 湧現型

K_{\mathrm{new}} = \mathcal C(K_1,K_2) + E_{\mathrm{emergent}}

其中 $E_{\mathrm{emergent}}$ 是組合後新生結構。

10. 關係槽位

當符號並置但關係未明示時，本文建立：

Relation Slot

記為：

\Box_r

例如：

A\ \Box_r\ B

其中：

\Box_r \in \mathcal R_{\mathrm{candidate}}

候選關係可能包括：is_a、part_of、acts_on、generated_by、constrained_by、observed_through、implemented_as、governs、contains 與 transforms_into。

11. 候選關係集

定義：

\mathcal R_{A,B}^{?} = \left\{ r_1,r_2,\ldots,r_k \right\}

每個候選關係附帶：

w(r_i)

表示其支持度、適用任務或來源。

重要的是：

\boxed{ \text{關係未明示} \neq \text{關係不存在} }

12. 候選關係不是機率真理

$w(r_i)$ 可以代表語言慣例支持、前文支持、作者說明、使用案例、專家判定或 AI 推測，但它不必是客觀機率。系統應避免把單一分數偽裝成真實度。

13. 關係明示程度

定義關係明示率：

E_{\mathrm{rel}} = \frac{ |R_{\mathrm{explicit}}| }{ |R_{\mathrm{required}}| }

其中 $R_{\mathrm{required}}$ 依任務而變。對概念命名而言，低明示率可能可接受；對程式執行與法律規則而言，低明示率可能造成嚴重風險。

14. 關係隱含容量

符號系統允許多少關係透過結構、慣例與語境被恢復：

I_{\mathrm{rel}}(\Lambda)

高隱含容量帶來表面壓縮、快速造詞與熟悉社群中的高效溝通；同時也帶來新讀者成本、轉譯成本、歧義、形式化負擔與權威解釋問題。

15. 關係壓縮

將完整結構：

A\xrightarrow{r_1}B \xrightarrow{r_2}C

壓縮為：

ABC

可定義關係壓縮率：

\rho_R = 1- \frac{ |R_{\mathrm{surface}}| }{ |R_{\mathrm{recoverable}}| }

高 $\rho_R$ 不必表示壞，但必須知道讀者是否能恢復。

16. 關係恢復成本

觀測者恢復隱含關係所需成本：

C_{\mathrm{rel-recover}} = f \left( K_o,C_o,T_o,\Lambda,s \right)

同一複合符號對創作者與新讀者的成本可以極不對稱。

17. 語義狀態的四分法

17.1 模糊

邊界逐漸變化或不清楚，例如「大型系統」中的「大型」。

17.2 歧義

存在兩個以上競爭解釋，例如同一符號指向不同概念。

17.3 未指定

某一變量尚未賦值。

17.4 受控語義未定性

系統知道尚未確定的部分，保存候選、限制與收斂條件。

18. 受控語義未定性的形式

定義語義狀態：

U_s = \left( M^{+}, M^{?}, M^{-}, \Theta, \mathcal E, \mathcal Z \right)

其中：

$M^{+}$ ：已確認語義；
$M^{?}$ ：候選語義；
$M^{-}$ ：排除語義；
$\Theta$ ：未定參數；
$\mathcal E$ ：收斂所需證據；
$\mathcal Z$ ：停止或分支條件。

19. 為何需要排除語義

只記錄「可能是什麼」不夠。概念穩定也依賴：

M^{-}

即明確知道它不是什麼。排除條件可以防止概念無限制擴張。

20. 語義未定性不是缺陷

在概念生成早期，要求：

|M^{?}|=1

可能造成過早坍縮。合理狀態可以是：

|M^{?}|>1

但必須同時有候選標記、支持理由、衝突、收斂方法與版本。

21. 過早語義坍縮

定義：

\operatorname{Collapse} \left( M^{?} \right) \rightarrow m_i

若在證據不足、任務尚未確定或替代解釋未檢查時完成，稱為過早坍縮。

後果包括：

新概念被既有概念吸收；
湧現關係消失；
後續資料被強迫符合早期定義；
AI 反覆生成自我一致但錯誤的解釋。

22. AI 假收斂

AI 常傾向生成流暢定義、清楚分類、單一目的、對稱結構與完整條列，這可能使未成熟概念看似已完成。

因此：

\boxed{ \text{Fluent Definition} \neq \text{Semantic Convergence} }

AI 必須能輸出：尚未決定、有多種合法解釋、目前缺乏排除條件、需要實驗或案例，以及建議維持分支。

23. 語義狀態晶格

定義語義狀態集合：

\mathcal L_{\mathrm{sem}}

以資訊確定度形成偏序：

u_1 \preceq u_2

表示 $u_2$ 比 $u_1$ 更具體、限制更多或關係更明確。

可能的演化為：

Open Kernel
    ↓
Candidate Meanings
    ↓
Relation-Constrained Meaning
    ↓
Operational Working Definition
    ↓
Validated Stable Definition

也可能分支為科學定義、工程定義與介面定義。

24. 收斂不等於單一化

若不同任務需要不同合法解釋：

Valid(m_1,T_1)=1, \qquad Valid(m_2,T_2)=1

則可以維持型別化多義：

M(s) = \left\{ (T_1,m_1), (T_2,m_2) \right\}

不必強迫產生一個模糊總定義。

25. 語義收斂算子

定義：

\Gamma_{\mathrm{sem}} : U_t \times e_t \rightarrow U_{t+1}

其中 $e_t$ 可以是新例子、反例、實驗、使用情境、形式約束、作者澄清、實作結果、轉譯失敗或社群爭議。

26. 七種收斂操作

26.1 關係補全

將候選關係轉為明示關係。

26.2 邊界收縮

排除不適用案例。

26.3 邊界擴張

納入新案例，但需更新定義。

26.4 操作化

指定輸入、輸出與轉換。

26.5 型別化

區分不同使用領域或任務。

26.6 來源綁定

將定義命題連接至來源與版本。

26.7 分支

當候選無法合併時建立平行定義。

27. 例子與反例

令概念候選為 $m$ 。

正例集合：

E^{+}(m)

反例集合：

E^{-}(m)

邊界案例：

E^{\partial}(m)

概念收斂不能只累積正例，也要處理哪些看似相關但不屬於、哪些案例迫使修改定義，以及哪些案例揭示多個分支。

28. 例子不能取代定義

大量例子可能讓人形成直覺，但不一定知道必要條件、充分條件、邊界、操作與例外。

因此：

\boxed{ \text{Example Set} \neq \text{Definition} }

但在早期，例子可以作為概念核心的重要支架。

29. 類比的力量

類比映射：

\phi: K_A \rightarrow K_B

可以快速移植結構、關係、操作與直覺，但不保證在所有關係上成立。

30. 類比偷渡

當創作者使用某領域詞彙時，讀者可能連同其原領域本體一起帶入。例如使用「場」「引擎」「基因」「生態」「量子」等詞，可能造成多餘推論。

因此概念核心應標記：類比保留哪些關係、哪些只作啟發，以及哪些禁止繼承。

31. 類比映射契約

可表示為：

\phi = \left( R_{\mathrm{preserve}}, R_{\mathrm{transform}}, R_{\mathrm{discard}} \right)

其中：

$R_{\mathrm{preserve}}$ ：保留關係；
$R_{\mathrm{transform}}$ ：需改寫關係；
$R_{\mathrm{discard}}$ ：不可移植關係。

32. 命名行為

命名不是單純貼標籤。命名會：

建立可引用身份；
形成概念邊界預期；
引導讀者拆解；
影響學術分類；
產生後續衍生詞；
可能取得權威性。

因此：

\operatorname{Name}(K)

是一種符號操作。

33. 命名的前瞻性

名稱可以在完整定義之前存在。此時名稱是一個：

\text{Semantic Promise}

即承諾後續將補足組成、關係、邊界、用途，以及與既有概念的差異。

若長期不補足，名稱可能變成空洞權威標籤。

34. 命名權威化

一個概念有正式名稱後，讀者容易假設它已被明確定義、是一個獨立現象、具有穩定邊界，並且不同於既有概念。

因此：

\boxed{ \text{Named} \neq \text{Validated} }

35. 複合詞膨脹

若不斷將抽象詞組合：

A+B+C+D+E

可能形成表面高密度、實際無法解碼的語義霧。

此現象稱為：

Compound Inflation

判斷方式包括：

組成部分過多；
關係槽位過多；
沒有排除條件；
沒有例子；
無法轉為操作或可檢驗命題；
不同讀者重建結果差異極大。

36. 組合負載

定義複合符號的組合負載：

L_{\mathrm{comp}} = |N| + \alpha|R^{?}| + \beta|U|

其中：

$|N|$ ：組成概念數；
$|R^{?}|$ ：未決關係數；
$|U|$ ：未指定變量數。

負載過高時，名稱本身不足以承擔理解，需要正文、圖或形式結構。

37. 語義霧

語義霧不是單一詞模糊，而是多個抽象詞互相解釋：

A\rightarrow B\rightarrow C\rightarrow A

例如用「動態」解釋「自適應」，用「場」解釋「環境」，再用「環境」解釋「場」，但缺乏外部錨點。

38. 外部錨點

概念應至少連接一種外部錨點：

可觀測現象；
操作；
資料；
例子；
反例；
形式關係；
工程物件；
實驗。

記為：

A_{\mathrm{anchor}}(K)

若完全沒有錨點，概念可能只是符號自循環。

39. 定義循環

若：

D(A)=f(B)

而：

D(B)=g(A)

且沒有外部基礎，便形成循環。

循環不一定非法，但必須提供共同基礎、固定點語義、操作性定義或外部觀測。

40. 受控未定性的時間限制

概念可以暫時未定，但不能無期限保持所有候選。

可設定：

\tau_{\mathrm{review}}

到達條件時重新檢查：

是否收斂；
是否分支；
是否放棄；
是否仍缺證據；
是否改名。

41. 概念版本化

定義版本：

\kappa^{(v_0)} \rightarrow \kappa^{(v_1)} \rightarrow \cdots

每次更新記錄：

新增關係；
移除候選；
新增排除；
定義變動；
名稱變動；
適用範圍；
來源。

42. 概念漂移

若同一名稱的意義隨時間改變：

M_t(s) \neq M_{t+1}(s)

但沒有版本標記，便產生概念漂移。

後果包括：

舊文章被新定義重新解讀；
不同社群以為在討論同一概念；
AI 混合多個時期的定義。

43. 合法演化與無標記漂移

合法演化具有版本、變更理由、舊定義、適用時間與可比較性。

無標記漂移則是名稱不變、邊界變動、舊來源仍被當成支持，而且讀者無法察覺。

44. AI 在概念生成中的角色

AI 可以協助：

拆解組成符號；
列出候選關係；
找出隱含前提；
生成正例與反例；
比較既有概念；
維持多個定義分支；
記錄版本；
將概念轉為圖與形式結構。

45. AI 不應做的事

AI 不應在證據不足時：

強制給出唯一正式定義；
假裝概念已有學術共識；
把類比當本體；
自動抹平分支；
用流暢語言隱藏未決槽位；
將作者暫定說法寫成永久記憶。

46. 多候選語義維持

AI 應能保存：

M^{?} = \left\{ m_1,m_2,\ldots,m_k \right\}

並為每個候選標記支持、反例、適用任務、與其他候選的衝突，以及所需驗證。

47. 語義分支

當兩個候選無法合併：

m_1 \not\cong m_2

可建立：

s^{(A)} \parallel s^{(B)}

或：

s[T_1]=m_1, \qquad s[T_2]=m_2

型別化分支優於模糊總括。

48. 概念收斂條件

定義收斂條件集合：

\mathcal Z_{\mathrm{sem}} = \left\{ z_{\mathrm{relation}}, z_{\mathrm{boundary}}, z_{\mathrm{operation}}, z_{\mathrm{evidence}}, z_{\mathrm{distinction}}, z_{\mathrm{stability}} \right\}

包括：

主要關係已明確；
適用邊界可說明；
至少有一種操作或檢驗方式；
與既有概念差異清楚；
主要反例已處理；
定義在多次使用中穩定。

49. 概念成熟度

可定義成熟度向量：

\mathbf M_{\kappa} = \left( m_R, m_B, m_O, m_E, m_D, m_V \right)

其中：

$m_R$ ：關係成熟度；
$m_B$ ：邊界成熟度；
$m_O$ ：操作成熟度；
$m_E$ ：證據成熟度；
$m_D$ ：差異化成熟度；
$m_V$ ：版本穩定度。

50. 成熟度不是單一真實度

一個概念可以關係很清楚、實驗證據不足、工程操作成熟，但本體定義仍有分支。因此不宜用單一分數宣稱概念「完成百分之八十」。

51. 符號組合與語義未定性引擎

本文將系統命名為：

Symbolic Composition and Underspecification Engine

縮寫：

SCUE

定義：

\operatorname{SCUE} = \left( \Sigma, \mathcal C, \mathcal R, \mathcal K, \mathcal U, \Gamma, \mathcal V, \mathcal L \right)

其中：

$\Sigma$ ：符號與概念庫；
$\mathcal C$ ：組合操作；
$\mathcal R$ ：關係槽位與候選；
$\mathcal K$ ：概念核心；
$\mathcal U$ ：未定性狀態；
$\Gamma$ ：語義收斂算子；
$\mathcal V$ ：驗證與反例；
$\mathcal L$ ：版本與演化帳本。

52. SCUE 系統流程

Existing Symbols and Concepts
            ↓
Composition Proposal
            ↓
Concept Kernel
            ↓
Implicit Relation Detection
            ↓
Candidate Relation Slots
            ↓
Examples / Counterexamples / Intent
            ↓
Controlled Underspecification State
            ↓
Relation Completion / Branch / Exclusion
            ↓
Working Definition
            ↓
Operationalization and Validation
            ↓
Stable or Typed Multi-Definition

53. 概念核心資料模型

{
  "concept_kernel": {
    "concept_id": "concept-002",
    "label": "可顯影符號",
    "components": [
      "symbol",
      "revealing",
      "multi-resolution"
    ],
    "confirmed_relations": [],
    "candidate_relations": [
      {
        "source": "revealing",
        "relation": "acts_on",
        "target": "symbol"
      },
      {
        "source": "symbol",
        "relation": "contains",
        "target": "multi-resolution semantics"
      }
    ],
    "excluded_relations": [
      "equivalent_to_abbreviation"
    ],
    "intent": [
      "support task-relative expansion"
    ],
    "open_parameters": [
      "minimum internal structure",
      "authority model"
    ],
    "examples": [],
    "counterexamples": [],
    "status": "open_kernel",
    "version": "v0.1"
  }
}

54. 語義未定性物件

{
  "semantic_underspecification": {
    "concept_id": "concept-002",
    "confirmed_meaning": [
      "surface symbol can expose deeper structure"
    ],
    "candidate_meanings": [
      {
        "id": "m1",
        "meaning": "symbol with fixed layered expansion",
        "support": 0.54
      },
      {
        "id": "m2",
        "meaning": "observer-relative dynamic semantic object",
        "support": 0.82
      }
    ],
    "excluded_meanings": [
      "ordinary static acronym"
    ],
    "open_slots": [
      "whether expansion can execute operations"
    ],
    "convergence_requirements": [
      "define identity and provenance",
      "test task-relative projection"
    ]
  }
}

55. 收斂事件資料模型

{
  "semantic_convergence_event": {
    "event_id": "sem-event-019",
    "concept_id": "concept-002",
    "event_type": "counterexample",
    "evidence": "a static expandable glossary entry is insufficient",
    "effects": {
      "remove_candidate": "m1",
      "strengthen_candidate": "m2",
      "add_constraint": "expansion must depend on observer or task"
    },
    "from_version": "v0.2",
    "to_version": "v0.3"
  }
}

56. 最小 API 草案

compose_symbols(
  symbols,
  composition_profile,
  intent
) -> ConceptKernel

detect_relation_slots(
  concept_kernel,
  context,
  domain_rules
) -> CandidateRelations

register_semantic_candidates(
  concept_kernel,
  candidate_meanings
) -> UnderspecificationState

add_example(
  concept,
  example,
  classification
) -> UpdatedConcept

apply_semantic_evidence(
  concept,
  evidence,
  convergence_policy
) -> ConvergenceResult

branch_definition(
  concept,
  branch_conditions
) -> DefinitionBranches

stabilize_definition(
  concept,
  maturity_requirements
) -> DefinitionDecision

57. 評估指標

57.1 組成拆解正確率

57.2 候選關係召回率

57.3 關係誤判率

57.4 未決槽位保持率

57.5 過早坍縮率

57.6 反例保留率

57.7 定義版本可追溯率

57.8 類比偷渡率

57.9 概念漂移偵測率

57.10 新讀者重建一致率

57.11 操作化成功率

57.12 分支定義適切率

58. 基準任務

58.1 新複合詞關係補全

給定新詞，要求列出多個候選關係。

58.2 概念核心重建

從名稱、例子與短文恢復概念核心。

58.3 歧義—未指定分類

判斷問題屬於模糊、歧義、未指定或受控未定性。

58.4 反例更新

提供反例，測試系統是否修改候選而非硬保留原定義。

58.5 類比限制

要求指出哪些來源領域關係不能移植。

58.6 版本漂移

比較同名概念不同時期定義。

58.7 AI 假收斂測試

檢查模型是否在資訊不足時製造單一定義。

59. 主要失敗模式

59.1 任意拼詞

只有表面新穎，沒有結構。

59.2 語義霧

抽象概念互相循環解釋。

59.3 過早形式化

太早固定不成熟結構。

59.4 過早坍縮

刪除合法候選。

59.5 永久未定

概念長期不接受檢驗或收斂。

59.6 關係幻覺

AI 根據語序編造不存在的關係。

59.7 類比偷渡

將來源領域本體錯誤移植。

59.8 命名權威化

有名稱就被視為已驗證。

59.9 定義循環

概念只由彼此解釋。

59.10 概念漂移

同名不同義而無版本。

59.11 假精確

以數值與形式符號掩蓋未定問題。

59.12 分支抹平

把不同任務的合法定義強制合併。

60. 治理原則

原則一：名稱不是定義

原則二：組成不是關係

原則三：關係未明示不等於不存在

原則四：候選不是事實

原則五：未定性必須可追蹤

原則六：排除條件與正面定義同樣重要

原則七：反例必須能改變概念

原則八：收斂不必唯一化

原則九：類比需標記保留與丟棄關係

原則十：概念演化必須版本化

原則十一：AI 不得以流暢取代證據

原則十二：概念應至少連接一種外部錨點

61. 基礎命題

命題一：概念核心命題

新概念可在完整定義之前，以部分結構的概念核心存在。

命題二：組合操作命題

新概念的意義取決於組成符號與組合操作，而非僅取決於詞項集合。

命題三：湧現組合命題

符號組合可能產生組成概念中不存在的新關係與操作。

命題四：關係槽位命題

並置符號之間被省略的關係應被建模為候選槽位，而非視為無關係。

命題五：成本轉移命題

關係隱含降低編碼成本，但將部分恢復與消歧成本轉移至觀測者。

命題六：四態分離命題

模糊、歧義、未指定與受控語義未定性是不同狀態。

命題七：排除語義命題

概念穩定不只依賴它是什麼，也依賴明確記錄它不是什麼。

命題八：過早坍縮命題

證據不足時強制唯一化會降低概念探索與後續修正能力。

命題九：收斂非唯一命題

語義收斂可以形成型別化多義與分支定義，而非必須形成單一定義。

命題十：命名承諾命題

新名稱是對後續關係、邊界與操作補足的語義承諾，而非自動取得理論合法性。

命題十一：反例驅動命題

一個可工作的概念系統必須允許反例修改候選、邊界或名稱。

命題十二：版本化命題

概念定義與候選關係需要版本化，否則同名概念會產生不可見漂移。

命題十三：AI 多候選命題

AI 在概念生成中的核心價值之一，是維持、比較與收斂多個候選語義，而非立即製造唯一答案。

命題十四：外部錨定命題

缺乏觀測、操作、資料、例子、反例或形式關係的概念，容易形成符號自循環。

62. 可反證條件

若實驗顯示：

概念核心模型不比普通名稱加定義更有助於概念發展；
關係槽位不能提高新複合符號的解讀與轉譯品質；
區分模糊、歧義、未指定與受控未定性沒有實際效益；
維持多候選語義只增加負擔，且不改善反例處理與定義穩定；
概念版本化不改善長期一致性；
AI 立即生成單一定義與多候選管理沒有穩定差異；
SCUE 的成本高於普通知識圖、詞彙表或版本控制，且無法改善概念生成、重建與形式化；

則本文提出的完整引擎應被簡化，並只保留關係槽位或概念版本等局部方法。

63. 與第一篇的關係

第一篇回答：

符號語言在哪些維度不同；
為何效率是觀測者相對的；
為何轉譯成本不對稱。

本篇回答：

新符號如何被組合；
隱含關係如何被保存；
未成熟概念如何不被過早定義；
語義如何逐步收斂或分支。

因此：

\boxed{ \text{SLAF：比較符號差異} }

\boxed{ \text{SCUE：管理符號生成與語義收斂} }

64. 與外部注意力場工程的關係

受控未定性允許工作場保留多個候選語義：

\mathbb W_t \supseteq \left\{ m_1,m_2,\ldots,m_k \right\}

外部注意力場可依任務顯影主候選、反例、未決關係、分支與收斂證據，避免 AI 工作場只保留已選中的單一解釋。

65. 與 EML-U、NOVA 與格子語言的關係

65.1 EML-U

保存高密度概念核心、候選語義、未決關係、排除條件、意圖與來源。

65.2 NOVA

保存穩定概念身份、型別化關係、分支、版本、定義補丁與收斂事件。

65.3 格子語言

將概念核心、候選分支、反例、關係槽位與收斂操作封裝成可展開格子。

66. 與下一篇的接口

本篇主要處理概念如何由符號組合生成，但組合不只發生在線性文字中。

第三篇：

《線性、空間、圖像與多模態符號結構》

將進一步研究：

線性順序如何承載語法；
空間位置如何承載或誤導語義；
圖像如何同時表達多重關係；
聲音、手勢與動畫如何表達時間結構；
多模態組合何時互補、何時衝突；
同一概念如何投影到不同載體而保持身份。

67. 結論

本文提出符號組合、關係隱含與受控語義未定性的統一框架。

完整流程為：

\boxed{ \text{既有符號} \rightarrow \text{組合提案} \rightarrow \text{概念核心} \rightarrow \text{關係槽位} \rightarrow \text{候選語義} \rightarrow \text{例子與反例} \rightarrow \text{收斂、分支或放棄} \rightarrow \text{工作定義} }

本文的核心區分是：

\boxed{ \text{名稱} \neq \text{定義} }

\boxed{ \text{組成部分} \neq \text{組合關係} }

\boxed{ \text{關係未明示} \neq \text{關係不存在} }

\boxed{ \text{候選} \neq \text{事實} }

\boxed{ \text{未定} \neq \text{任意含糊} }

\boxed{ \text{收斂} \neq \text{必須唯一} }

\boxed{ \text{流暢定義} \neq \text{成熟概念} }

符號創造的真正能力，不只是把幾個既有詞放在一起，而是：

在尚未完全形式化時，先建立一個可被引用、拆解、比較與修正的概念核心；保存被壓縮的關係；明確標示尚未決定的部分；並讓例子、反例、操作與實驗逐步決定它應收斂、分支還是被放棄。

附錄 A：關係槽位範例

{
  "relation_slot": {
    "slot_id": "rel-slot-001",
    "source": "attention",
    "target": "field",
    "candidates": [
      {
        "relation": "distributed_over",
        "support": 0.44
      },
      {
        "relation": "constitutes",
        "support": 0.21
      },
      {
        "relation": "is_managed_as",
        "support": 0.68
      }
    ],
    "excluded": [
      "identical_to"
    ],
    "status": "open"
  }
}

附錄 B：概念成熟度範例

{
  "concept_maturity": {
    "concept_id": "concept-002",
    "relation_maturity": 0.72,
    "boundary_maturity": 0.48,
    "operational_maturity": 0.31,
    "evidence_maturity": 0.27,
    "differentiation_maturity": 0.66,
    "version_stability": 0.41,
    "status": "working_definition"
  }
}

附錄 C：分支定義範例

{
  "definition_branches": {
    "concept_id": "concept-002",
    "branches": [
      {
        "branch_id": "scientific",
        "task_scope": "theory",
        "definition": "..."
      },
      {
        "branch_id": "engineering",
        "task_scope": "implementation",
        "definition": "..."
      },
      {
        "branch_id": "interface",
        "task_scope": "human_ai_interaction",
        "definition": "..."
      }
    ],
    "shared_kernel": [
      "stable identity",
      "expandable semantics",
      "task-relative projection"
    ]
  }
}

符號結構工程系列_02_符號組合關係隱含與受控語義未定性_v0.1