價值耦合智能論 03

價值函數如何進入數學搜尋

摘要

前兩篇將數學智能從單一能力標量擴展為一個具有搜尋策略與「認識論氣質」的系統。然而，描述一個智能體「比較常找反例」、「比較願意持續探索」或「比較容易閉合」仍然只是行為表型。更深一層的問題是：為什麼某些行動會被智能體判定為比其他行動更值得？

本文將價值函數正式引入數學與科學搜尋。核心主張是：研究型智能不是單純最大化「答案正確率」，而是在有限時間、算力與注意力下，對正確性、新穎性、資訊增益、可驗證性、簡潔性、一般性、風險、時間成本、失敗回收與潛在研究價值進行多目標權衡。

因此，研究策略可寫為：

\pi(a\mid s)\propto\exp\left(\frac{U(a\mid s)}{\tau}\right)

而研究行動的效用可暫時寫成：

U(a\mid s)=w_TT+w_II+w_NN+w_GG+w_VV_f+w_RR_c-w_CC-w_EE_r

其中各權重本身就是研究價值排序的一部分。

本文進一步區分「相信一個命題」與「值得繼續研究一個命題」：一個猜想目前不值得接受，並不推出它不值得追求。這個區分對理解終止式反駁、生成性樂觀、AI 科學代理與長程數學創造尤其重要。

本文最後提出：智能提升不會自動重寫價值函數。相反地，更高能力常常只是讓既有價值函數能在更大的搜尋空間中被更精確地實現。因此，能力與價值之間不是替代關係，而是耦合關係。

關鍵詞

價值函數、數學搜尋、研究追求、認識價值、資訊價值、探索與利用、AI 科學家、數學發現、認識論氣質、價值耦合智能

一、從「它偏好什麼」進入「為什麼值得」

前一篇定義了認識論氣質：

E=(e_x,e_a,e_v,e_p,e_s,e_c,e_k,e_r)

它描述研究型智能在未知狀態下的穩定行為傾向。但這仍然只是表型。

真正更深的問題是：

為什麼某些分支值得繼續，而另一些分支應該被刪除？

如果一個智能體在發現反例後立即停止，我們可以說 $P(\text{stop}\mid c)$ 很高；但還不知道「停止」究竟在它的決策函數裡獲得了什麼好處。

因此，需要從 (E) 進入 (V)。

二、價值函數不是「喜歡什麼」這麼簡單

在一般決策理論形式中，智能體面對狀態 (s)，可選擇行動 (a)，並對未來結果配置效用：

U(a\mid s)

策略可抽象為：

\pi(a\mid s)=\operatorname{Select}(U(a\mid s))

若採 softmax 類形式：

\pi(a\mid s)\propto\exp\left(\frac{U(a\mid s)}{\tau}\right)

這裡的「價值」不必是情緒或倫理價值。在研究中，它可以是得到真的命題、消除不確定性、找到反例、增加資訊、建立新工具、發現新結構、提高一般性、降低證明成本、提高可驗證性或優先解決高影響問題。

三、數學搜尋其實一直存在隱含效用函數

假設有兩條候選路徑 $h_1,h_2$ 。 $h_1$ 成功率高但只能得到小改進； $h_2$ 成功率低但成功後可能建立新結構。

單純最大化成功率會選 $h_1$ ，但研究者可能選 $h_2$ ，因為：

U(h_2)>U(h_1)

其中新穎性與長期研究價值獲得較高權重。

反過來，在正式驗證或發表階段，即使 $h_2$ 很有趣，只要缺乏證明，仍不能當成成立結果。

因此至少需要區分：

U_{\mathrm{pursuit}}

與：

U_{\mathrm{acceptance}}

四、追求一個命題，不等於相信一個命題

對假說 (h)，可以同時成立：

P(h\mid D)=0.2

但：

U_{\mathrm{pursuit}}(h)\gg0

也就是：我目前不太相信它是真的，但我認為非常值得研究。

科學哲學對 pursuit 與 acceptance／belief 的區分早已有長期討論。研究價值可以影響科學家選擇哪些問題、哪些假說值得繼續追求，而不必要求科學家已經相信該假說成立。

因此：

\boxed{\text{低可信度}\not\Rightarrow\text{低研究價值}}

同樣：

\boxed{\text{不可發表}\not\Rightarrow\text{不值得探索}}

終止式反駁最容易犯的錯誤之一，就是把 pursuit 與 acceptance 的門檻合併。更合理的是：

\theta_{\mathrm{pursuit}}<\theta_{\mathrm{accept}}

五、研究效用不是單一目標

數學研究的效用可暫時表示為：

U(a\mid s)=w_TT+w_II+w_NN+w_GG+w_VV_f+w_RR_c-w_CC-w_EE_r

其中：

(T)：Truth potential，得到正確結果的潛力；
(I)：Information gain，資訊增益；
(N)：Novelty，新穎性；
(G)：Generality，一般性／可推廣性；
$V_f$ ：Verifiability，可驗證性；
$R_c$ ：Recoverability，即使失敗仍可回收的結構價值；
(C)：計算、時間與注意力成本；
$E_r$ ：錯誤、幻覺或誤導風險。

而各個 (w) 就是研究價值排序。

六、時間折扣會直接決定一個智能有沒有耐心

很多研究價值不是立即出現。可表示為：

U_t=\sum_{k=0}^{\infty}\gamma^kr_{t+k}

若 $\gamma\ll1$ ，智能偏好快速答案、快速完成、快速可驗證與快速切換失敗分支；若 $\gamma\rightarrow1$ ，則較願意承受長期不確定，以換取未來可能更大的研究收益。

因此「探索耐心」也可以理解為研究價值的時間折扣率。

七、資訊本身可以具有價值

研究行動有時不直接解決問題，卻能降低不確定性。例如建立小規模計算、尋找極端案例、測試反例、查詢鄰近領域或做可能失敗的數值實驗。

可用 Value of Information 的概念表示：

\operatorname{VoI}(a)=\mathbb E[U\mid\text{取得資訊}]-U\mid\text{沒有資訊}

因此：

\text{研究價值}\neq\text{立即產出價值}

如果 Agent reward 只計算是否完成、是否有答案、是否通過測試或是否形成可提交文件，那麼「只是幫助理解問題」的行動很容易被低估。

八、反例的效用取決於價值函數

若價值函數主要獎勵錯誤識別，反例成立後任務就完成。但若同時重視資訊增益、可回收結構與命題修正，則可能有：

U(\text{continue}\mid c)>0

因此：

\boxed{\text{反例}\times\text{價值函數}\rightarrow\text{停止或繼續}}

九、失敗不是固定負報酬

研究活動中的失敗可能產生正的次級收益：

r_{\mathrm{failure}}=r_{\mathrm{boundary}}+r_{\mathrm{counterexample}}+r_{\mathrm{method}}+r_{\mathrm{representation}}+r_{\mathrm{transfer}}

因此即使證明沒有成功，也可能有：

U(\text{failed path})>0

這是後續「失敗回收率」的理論來源。

十、能力越強，價值函數可能越重要

低能力智能的可見路徑很少；能力提高後：

|\Omega_{C'}|\gg|\Omega_C|

它可以找到更多反例、發明更多定義、查更多領域、建立更多程式、同時運行更多 Agent、產生更多候選證明。

可能性越多，「選什麼」就越重要。因此：

C\uparrow\not\Rightarrow V\text{ 的重要性下降}

甚至可能：

C\uparrow\Rightarrow\frac{\partial\tau}{\partial V}\uparrow

即能力提高後，價值函數對研究軌跡的影響可能反而放大。

十一、近期 AI 科學研究已出現類似訊號

2026 年的研究把 AI research agents 視為 scientific search systems，讓四種 Agent 框架與六種大型語言模型從共同種子文獻產生 37,802 個研究想法。結果顯示，AI 生成想法比同領域人類論文更集中，也更接近起始文獻；差異更多來自既有技術重組，而不是形成全新的研究問題。

這顯示：

\text{能產生很多想法}\not\Rightarrow\text{探索空間真的比較廣}

高生成能力仍可能在窄的搜尋吸引子中大量取樣。

十二、AI 提高生產力，也可能縮窄科學問題空間

2026 年相關科學文獻研究與評論指出，AI 輔助研究可以提高個別研究者的產出與影響力，但同時可能把研究集中到較狹窄的一組既有主題。

因此可能形成：

\text{個體生產率}\uparrow

同時：

\text{集體探索多樣性}\downarrow

提高能力不等於自動提高搜尋多樣性。

十三、好的 AI 搜尋系統其實都在人工設計價值函數

AlphaEvolve 並不是讓最強模型一直自由思考。系統以不同模型提供廣度與深度，候選程式由自動 evaluator 執行、驗證與評分，再透過演化框架保留有潛力方案。

它的成功不只來自：

C_{\mathrm{LLM}}

還來自：

\text{候選如何被評分}+\text{哪些被保存}+\text{哪些再次成為父代}

也就是：

V_{\mathrm{system}}

FunSearch 同樣把生成與外部評估分離。

因此：

\boxed{\text{研究 Agent 的價值函數不只存在於模型裡，也存在於整個系統架構裡。}}

十四、搜索控制可能比直接做最終判決更重要

2026 年 symbolic equation discovery 研究提出讓語言模型充當 search controller，決定變量、算子、轉換與搜尋深度，而由符號回歸與確定性指標負責候選保留。結果顯示，這種角色分工取得很強的準確性、複雜度、穩定性與成本平衡。

這提示高階智能的價值未必在於親自判決每個候選，也可能在於：

\text{哪一片搜尋空間值得多給 10 倍算力}

十五、研究價值還會影響問題選擇

科學哲學的 values-in-science 研究指出，價值不只可能影響最後對理論的評價，也可能更早影響選什麼研究問題、設計什麼實驗、哪些假說值得發展、哪些方向獲得資源。

因此一個智能可能永遠看不到某個發現，不是因為 (C) 不足，而是因為：

V\text{ 從未讓它走到那裡}

所以：

\boxed{\text{價值函數不只改變答案，也改變問題本身。}}

十六、研究策略是一個多目標 Pareto 問題

研究同時追求真實、新穎、一般、可驗證、低成本與可回收性，不存在一個候選在所有維度都最好。

因此研究策略接近：

\max(T,I,N,G,V_f,R_c,-C,-E_r)

不同權重配置會產生不同 Pareto 選擇，所以兩個同樣聰明的智能可以合理地走向不同數學。

十七、「中立智能」可能是一個不完整概念

只要有限智能必須分配注意力、剪枝、決定何時停止、分配算力、選擇問題與決定什麼值得驗證，它就不能完全沒有價值排序。

即使目標只是最大化真實性，仍然必須決定真實但微不足道的命題值多少、高風險高資訊量猜想值多少、應花多少資源證明已高度可信的命題等。

所以更合理的問題不是 AI 能不能沒有價值觀，而是：

它的價值排序能否被看見、測量、反省與調整？

十八、反身智能需要能修改自己的價值權重

假設智能長期發現自己過度選安全問題、很少產生新問題、反例一出現就停止、只追求快速可驗證成果。

它可以估計：

V_t=(w_T,w_I,w_N,\dots)

更高階反身性要求：

V_t\rightarrow V_{t+1}

例如提高 $w_N,w_I$ 以增加探索；若系統開始大量生成漂亮但錯誤的理論，則提高正確性、可驗證性與錯誤風險權重。

真正的反身智能不是固定地樂觀或嚴謹，而是：

\boxed{\text{能根據自己的失敗模式，重新配置研究價值權重。}}

十九、價值函數與注意力的耦合

設證據集合：

D=\{d_1,\dots,d_n\}

有效注意力權重可表示為：

A_i=f(d_i,V,H,s)

高度重視風險時，反例、限制與失敗紀錄更容易獲得高注意力；高度重視新穎性時，異常、跨領域類比與未解釋模式可能更容易被放大。

所以：

V\rightarrow A\rightarrow\pi

同時：

H\rightarrow V,A

最終形成：

(C,V,A,H)\rightleftarrows\pi

這正是「價值耦合智能」名稱的核心。

二十、第三篇的核心模型

研究型智能暫時寫成：

\mathcal I_t=(C_t,V_t,A_t,H_t,\pi_t,R_t)

其中：

\pi_t(a\mid s)\propto\exp\left[\frac{U(a\mid s;V_t,A_t,H_t)}{\tau_t}\right]

而：

U=w_TT+w_II+w_NN+w_GG+w_VV_f+w_RR_c-w_CC-w_EE_r

這不是宣稱人類或 LLM 內部真的顯式計算這個公式，而是一個功能性模型：若兩個智能對這些維度配置不同權重，即使能力近似，也會產生不同搜尋、不同剪枝與不同停止行為。

二十一、結論：數學搜尋從來不只有「會不會」

第一篇提出 (C) 不足以描述研究智能；第二篇提出 (E) 描述面對未知時的穩定搜尋表型；本文再往下一層提出 (V) 可能是形成這些表型的重要機制。

因此：

C_A\approx C_B

但若：

V_A\neq V_B

則可能：

\pi_A\neq\pi_B

並最終：

\tau_A\neq\tau_B

最初的問題因此可以改寫為：

一個研究型智能如何對真實性、新穎性、資訊增益、風險、成本與失敗回收配置價值，會不會系統性改變它能發現的數學？

本文的答案是：很可能會，而且這個影響在能力越高、可搜尋空間越大的系統中，可能越重要。

下一篇將進入：

〈生成性樂觀與嚴格懷疑：數學研究的雙相結構〉

核心問題：如果探索與驗證需要互相衝突的價值配置，一個真正強的數學智能，是否應該在不同研究相位中主動切換自己的價值函數與認識論氣質？

參考資料（本篇重新查核）

Google DeepMind. AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms. 2025.
Google DeepMind. AlphaEvolve: How our Gemini-powered coding agent is scaling impact across fields. 2026.
Google DeepMind. FunSearch: Making new discoveries in mathematical sciences using Large Language Models. 2023.
Tang, Y. & Yang, Y. AI Research Agents Narrow Scientific Exploration. arXiv, 2026.
Xie, Z. et al. Language models guide symbolic equation discovery by controlling search. arXiv, 2026.
Elliott, K. C. & McKaughan, D. J. How Values in Scientific Discovery and Pursuit Alter Theory Appraisal. Philosophy of Science.
DiMarco, M. & Khalifa, K. Inquiry Tickets: Values, Pursuit, and Underdetermination. Philosophy of Science.
Research on situation-specific reward functions and value of information in information search.
Stanford Encyclopedia of Philosophy. Scientific Progress, discussion of epistemic utility and the trade-off between information content and truth.
Nature commentary and empirical work (2026) on AI-assisted science, research productivity and narrowing of scientific exploration.

03_價值函數如何進入數學搜尋