被記住不等於影響更大：歷史可見度、資料覆蓋與普通人的消失

Being Remembered Does Not Mean Having Greater Influence: Historical Visibility, Data Coverage, and the Disappearance of Ordinary Individuals

作者：Neo.K
系列：多尺度去崇拜與因果歸因框架｜第 5 篇
版本：v1.0 草案
日期：2026 年 8 月

摘要

即使我們已經建立多尺度因果覆蓋、個體影響光譜、作者—理論型別分離與多世界線反事實歷史，仍然存在一個更基礎的問題：我們拿來重建歷史的資料，本身並不是從過去均勻抽樣而來。

一位皇帝、將軍、富商、知名學者或制度領導者，往往留下大量奏摺、書信、出版物、檔案、新聞、影像與後世傳記；一位普通工人、農民、照護者、研究助手、基層技師或短期參與者，則可能只留下姓名，甚至完全沒有可辨識記錄。這意味著，歷史可見度並非影響力的中性測量，而是經過記錄生成、保存、制度選擇、檔案入藏、數位化、索引、可搜尋性與模型攝取等多層選擇過程後的結果。

本文提出「歷史觀測鏈」（Historical Observation Chain, HOC）與「歷史可見度失真」（Historical Visibility Distortion, HVD）框架。對任意個體或節點 $i$ ，其最終可被研究者或 AI 觀測到的資料量，不應直接寫成其真實影響 $I_i$ 的函數，而應表示為：

O_i = \mathcal A \circ \mathcal D \circ \mathcal R \circ \mathcal S \circ \mathcal C (H_i),

其中 $\mathcal C$ 為記錄生成、 $\mathcal S$ 為保存、 $\mathcal R$ 為入藏／制度選擇、 $\mathcal D$ 為數位化與索引、 $\mathcal A$ 為存取與分析階段。任一層都可能受到階級、權力、識字能力、制度位置、技術媒介、政治目的與偶然性的影響。

本文進一步提出：歷史資料的缺失通常不是 Missing Completely At Random。對普通個體而言，更合理的假設往往接近 selection-dependent missingness：一個人是否被留下，本身就與其權力、職位、制度連接、財富、被監控程度、是否捲入司法程序，以及後世認為其「值得保存」的判斷相關。因此：

\boxed{ \text{Historical Visibility} \neq \text{Historical Influence}. }

同時：

\boxed{ \text{Absence of Record} \neq \text{Evidence of No Influence}. }

但本文也拒絕另一個極端：資料缺失不允許研究者或 AI 任意替沉默者填補想像。正確做法是保存未知、估計觀測機制、顯示不確定區間，並在可能時透過口述史、物質史、司法記錄、工資帳冊、地方檔案、通信網路、數位痕跡與跨來源比對增加覆蓋。

本文最後指出，未來高階智慧體可能比人類更擅長從碎片中辨識普通人的局部作用，但它仍然無法把真正消失的資訊轉化為事實。更重要的是，改善未來普通人的歷史可見性不能以建立全面監控文明為代價。因此「更公平的歷史可見性」與「個體部分不透明權」必須被視為兩個同時成立的約束。

關鍵詞： 歷史可見度、資料覆蓋、普通人、archival silence、selection bias、history from below、HSNRD、歷史觀測鏈、數位化偏差、AI 歷史重建

1. 問題提出：我們看到的歷史，不等於曾經發生的一切

令真實歷史過程為：

\mathcal H.

人類實際保存下來的歷史資料為：

\mathcal E.

一般而言：

\mathcal E \subsetneq \mathcal H.

而且這個子集不是隨機抽樣。

傳統政治史之所以容易充滿：

君王；
將領；
官員；
宗教領袖；
富商；
知識菁英；

並不只因為這些人「更重要」。

也因為他們更容易：

\text{產生記錄},

更容易：

\text{被制度保存},

更容易：

\text{進入檔案館},

更容易：

\text{被後世搜尋}.

相反地，一位普通人的作用即使真實存在，也可能因為：

\text{record}=0

而在後世模型中變成：

\hat I_i=0.

這是一個嚴重錯誤。

2. History from Below 已經指出「誰被當成歷史主體」本身就是問題

20 世紀的 history from below 傳統，正是對只關注政治菁英與「great men」的歷史敘事做出反應。

其重要意義不是聲稱：

普通人比所有偉人更重要。

而是重新提出：

普通人的經驗、文化、抗爭、工作與日常生活，也構成歷史過程。

因此本文延續的不是「反菁英史」，而是：

\boxed{ \text{subject coverage expansion}. }

也就是擴張哪些節點有資格進入歷史模型。

3. 歷史觀測鏈 HOC

本文定義：

\operatorname{HOC}_i = (C_i,S_i,A_i,D_i,X_i,M_i),

其中：

$C_i$ ：Record Creation，是否產生記錄；
$S_i$ ：Survival，記錄是否存活；
$A_i$ ：Archival Selection，是否被制度／檔案系統收錄；
$D_i$ ：Digitization，是否被數位化、OCR、結構化；
$X_i$ ：Discoverability，是否能被索引、搜尋、關聯；
$M_i$ ：Model Accessibility，是否能被研究者／AI 讀取與正確解析。

最終觀測機率可粗略表示為：

O_i = P(C_i) P(S_i\mid C_i) P(A_i\mid S_i) P(D_i\mid A_i) P(X_i\mid D_i) P(M_i\mid X_i).

任何一層接近零：

O_i\rightarrow0.

於是這個人即使：

I_i>0,

也可能在後世看起來：

\hat I_i\approx0.

4. 第一層偏差：誰有能力留下記錄？

記錄生成本身就是不平等的。

令：

C_i = f( L_i, P_i, W_i, R_i, T_i ),

其中：

$L_i$ ：識字與表達能力；
$P_i$ ：制度權力；
$W_i$ ：資源／財富；
$R_i$ ：角色是否需要產生公文；
$T_i$ ：可用媒介與技術。

一位官員每天可能產生：

10^2

條制度記錄。

一位農民可能一生：

C_i\approx0.

這不是說前者每天的歷史影響必然比後者高百倍。

而是：

\boxed{ \text{record production is role-dependent}. }

5. 第二層偏差：留下來的資料也經歷倖存選擇

即使資料被產生，也必須：

\text{survive}.

記錄可能因：

火災；
戰爭；
潮濕；
技術淘汰；
搬遷；
清理；
政治銷毀；
家族選擇；
偶然遺失；

而消失。

因此：

P(S_i=1)

並不是所有人相同。

一個具有專門保存制度的王室檔案：

P(S_i=1)\gg P(S_j=1)

相對於普通家庭紙本。

這形成：

\boxed{ \text{archival survivorship bias}. }

我們看到的是「存活下來的過去」，不是過去本身。

6. 第三層偏差：檔案不是被動容器

即使記錄存活，也不代表會進入公共檔案。

檔案制度必須決定：

哪些值得留下？

因此存在選擇算子：

\mathcal A: \mathcal R \rightarrow \mathcal R_{\text{archive}}.

若：

\mathcal R_{\text{archive}} \subsetneq \mathcal R,

那麼：

\mathcal A

本身就在塑造後世可見歷史。

archival silence 研究的重要提醒是：

\boxed{ \text{沉默不只發生於「沒有人說」， 也可能發生於「沒有被保存、沒有被分類、沒有被允許進入」。} }

因此檔案不是純透明窗口。

它也是制度。

7. 權力會影響「誰值得被保存」

若一個社會的保存規則近似：

P(A_i=1) = \sigma( \alpha P_i +\beta F_i +\gamma R_i ),

其中：

$P_i$ ：政治／制度權力；
$F_i$ ：既有知名度；
$R_i$ ：被認定的重要性；

則會產生正回饋：

F_i(t) \uparrow \Rightarrow A_i(t+1) \uparrow \Rightarrow F_i(t+1) \uparrow.

結果：

\boxed{ \text{被認為重要的人， 會留下更多證據， 而更多證據又讓他看起來更重要。} }

這和前篇所討論的 Matthew effect 形成資料層版本的閉環。

8. 普通人不是完全沒有痕跡，而是痕跡常被別人產生

一個重要修正是：

普通人的歷史資料不一定完全不存在。

它可能存在於：

稅冊；
戶籍；
工資帳冊；
法庭；
警察；
徵兵；
醫院；
教會；
工廠；
學校；
房產；
船運；
雇主；
主人的書信。

問題是：

\boxed{ \text{record about }i \neq \text{record by }i. }

因此普通人的可見性常常是：

\text{institution-mediated visibility}.

我們知道他：

被處罰了什麼、

卻未必知道：

他怎麼理解那件事。

這是「存在記錄」與「存在主體聲音」之間的差別。

9. 被監控很多，也不等於被理解很多

甚至可能發生相反情況。

某些弱勢群體在國家、殖民制度、警察或雇主系統中留下大量記錄。

因此：

O_i^{quantity}\gg0.

但這些資料全部來自：

\text{observer perspective}.

所以：

O_i^{subjective}\ll O_i^{quantity}.

因此本文區分：

O_i= ( O_i^{existence}, O_i^{action}, O_i^{relation}, O_i^{voice}, O_i^{interiority} ).

一個人可以：

O_i^{existence}\approx1,

卻：

O_i^{voice}\approx0.

這對未來 AI 尤其重要。

資料多不代表：

\boxed{\text{理解深}.}

10. 歷史缺失通常不是 MCAR

統計學中，資料缺失常區分：

MCAR：Missing Completely At Random；
MAR：Missing At Random conditional on observed variables；
MNAR：Missing Not At Random。

歷史資料顯然不能簡單假設：

\text{MCAR}.

因為是否被記錄與保存，常常直接依賴：

社會階級；
性別；
種族／族群；
制度角色；
識字能力；
財富；
法律身份；
政治權力；
是否成為「事件」。

所以可寫成：

P(O_i=1\mid I_i,X_i) \neq P(O_i=1).

甚至：

P(O_i=1)

本身就與我們試圖估計的社會位置與因果角色相關。

因此：

\boxed{ \text{historical missingness is often structurally informative}. }

11. 被記住不等於影響更大

現在可以正式拆開三個量：

I_i=\text{Historical Influence},

V_i=\text{Historical Visibility},

O_i=\text{Observation Coverage}.

一般不應假設：

I_i=V_i=O_i.

更合理的是：

V_i = f( I_i, P_i, M_i, N_i, A_i, L_i ),

其中：

$P_i$ ：權力；
$M_i$ ：媒介／記錄條件；
$N_i$ ：敘事吸引力；
$A_i$ ：檔案選擇；
$L_i$ ：後世再利用。

所以：

I_i\uparrow

可能增加：

V_i.

但：

V_i\uparrow

也可能只是因：

P_i\uparrow.

因此：

\boxed{ V_i\gg0 \nRightarrow I_i\gg0. }

同樣：

\boxed{ V_i\approx0 \nRightarrow I_i\approx0. }

12. 普通人的「消失」至少有八種不同形式

12.1 未產生

C_i=0.

根本沒有記錄。

12.2 已產生但遺失

C_i=1,\quad S_i=0.

12.3 已保存但未入藏

S_i=1,\quad A_i=0.

12.4 已入藏但未數位化

A_i=1,\quad D_i=0.

12.5 已數位化但不可搜尋

D_i=1,\quad X_i=0.

例如錯誤 OCR、沒有姓名索引。

12.6 可搜尋但關係未被辨識

資料在，但：

\text{edge extraction}=0.

12.7 被記錄但由權力者代言

O_i^{voice}=0.

12.8 被集合化

個體資料存在，但分析時：

i \rightarrow C

被直接壓回集合平均。

這八類問題不能用同一個「資料缺失」概括。

13. 數位化不是消除偏差，而是增加新的選擇層

人們容易認為：

\text{digitization} \rightarrow \text{democratization of history}.

部分正確。

數位化確實能增加：

X_i,

即 discoverability。

但它也加入新的選擇：

哪些館藏優先掃描；
哪些語言 OCR 準確；
哪些字體容易辨識；
哪些 metadata 完整；
哪些姓名被建立 entity index；
哪些網站可被搜尋引擎與模型訪問。

因此：

\mathcal D

並不是中性 operator。

數位人文研究甚至已經開始使用 automated entity recognition 去補殖民檔案索引對歷史弱勢人物的遺漏。

這證明 AI 可以成為：

\boxed{ \text{unsilencing aid} }

但它不能把不存在的原始證據製造出來。

14. AI 訓練資料會再次壓縮歷史

假設檔案層已經有偏差：

\mathcal E_{archive}.

接著網路：

\mathcal E_{web} \subset \mathcal E_{archive}.

再接著模型訓練資料：

\mathcal E_{train} \subset \mathcal E_{web}.

最後模型權重形成：

Z= \operatorname{Compress}(\mathcal E_{train}).

因此：

\mathcal H \rightarrow \mathcal E_{archive} \rightarrow \mathcal E_{web} \rightarrow \mathcal E_{train} \rightarrow Z

是一條多重有損鏈。

所以今天 LLM 對歷史人物的熟悉度，本身可能反映：

\boxed{ \text{historical importance} + \text{archival survival} + \text{publication density} + \text{web visibility} + \text{training selection}. }

不是純粹的「文明真實重要性」。

15. 高階 AI 的真正進步：不是猜更多，而是分清楚哪裡不知道

未來高階智慧體即使能整合：

文獻；
地方檔案；
物質證據；
關係圖；
口述史；
地理資料；
經濟帳冊；

仍然存在：

\mathcal H-\mathcal E

不可恢復區域。

因此模型應輸出：

P(I_i\mid E,M)

而不是：

I_i=\text{certain}.

對低覆蓋個體，正確狀態可能是：

impact_estimate: unknown
visibility: low
record_creation_probability: low
archive_survival: unknown
counterfactual_range: wide

而不是：

impact = 0

這種「不知道」能力，反而是高階智慧的一部分。

16. 觀測校正：可以估計，但不能神奇復原

如果已知選擇概率：

\pi_i=P(O_i=1\mid X_i),

可以借鑑 inverse probability weighting：

w_i=\frac{1}{\pi_i}.

讓低觀測機率樣本在統計估計中得到較大權重。

但歷史問題的限制是：

$\pi_i$ 通常未知；
大量人連樣本都沒有；
高階交互不可觀測；
被完全刪除的記錄無法加權恢復；
權重模型本身可能錯。

因此：

\boxed{ \text{bias correction} \neq \text{past reconstruction oracle}. }

它只能降低某些已知偏差。

17. 建立「觀測可信區間」而不是補寫普通人的人生

對個體 $i$ ：

\hat{\mathbf I}_i

應附帶：

CI_i

或 posterior：

P(\mathbf I_i\mid E_i,M).

而且需要區分：

\text{evidence-based inference}

和：

\text{narrative reconstruction}.

若證據不足，

高階 AI 不應因為：

普通人過去被忽略，

就反向製造一個：

他其實一定非常重要。

這同樣是歷史神話。

所以：

\boxed{ \text{反沉默} \neq \text{反向虛構}. }

18. 局部影響比全域影響更可能被恢復

普通人全域影響：

I_i^{macro}

往往極難估計。

但其局部作用：

I_i^{micro}

可能有更多證據。

例如：

某人完成某次維修；
某人簽署某張交接表；
某人傳遞某封信；
某人教過某學生；
某人負責某流程；
某人阻止某錯誤。

因此未來高階 AI 的合理方向，不一定是：

\text{recover total life influence}.

而可能是：

\boxed{ \text{recover more local causal traces}. }

這比宣稱「完整理解每一個人」更可行，也更安全。

19. HSNRD 中的觀測層

新版 HSNRD／歷史因果系統應把每個節點分成：

\text{World State}

與：

\text{Observed State}.

形式化：

X_i^{world} \xrightarrow{\mathcal O} X_i^{obs}.

其中：

\mathcal O

是觀測算子。

因此分析只能直接使用：

X_i^{obs},

並對：

X_i^{world}

建立條件推斷。

絕對禁止：

X_i^{obs}=X_i^{world}

作為默認假設。

這一條若不加入，所有後續反事實計算都可能把 archival bias 當成世界真相。

20. 歷史可見度矩陣

對每個個體 $i$ ，可建立：

\mathbf V_i= ( V_i^{self}, V_i^{institution}, V_i^{material}, V_i^{network}, V_i^{later}, V_i^{digital} ).

其中：

$V^{self}$ ：本人留下的記錄；
$V^{institution}$ ：制度對其記錄；
$V^{material}$ ：物質痕跡；
$V^{network}$ ：他人通信／關係中的痕跡；
$V^{later}$ ：後世回憶與口述；
$V^{digital}$ ：數位可達性。

因此：

V_i^{self}\approx0

不等於：

V_i^{all}\approx0.

這使未來 AI 能從多來源交叉恢復更多普通人的存在。

21. 但「提高未來資料覆蓋」不能走向全面監控

到這裡會出現一個危險推論：

如果資料缺失讓普通人從歷史消失，那未來是不是應該記錄所有人全部行為？

本文明確拒絕。

如果：

O_i\rightarrow1 \quad \forall i,t,

需要：

\text{permanent total observation}.

這將導向：

\boxed{ \text{perfect historical archive} \approx \text{perfect surveillance infrastructure}. }

因此歷史公平不能被最大化成：

\max O_i.

更合理的是：

\max \text{legitimate contribution visibility}

subject to：

\text{privacy}, \text{consent}, \text{purpose limitation}, \text{partial opacity}.

完整倫理模型留待系列後篇處理。

22. 一個最小 Historical Observation Record

HistoricalObservationRecord
- actor_id
- actor_type
- time_window
- record_creation_sources
- self_authored_evidence
- institution_authored_evidence
- material_evidence
- third_party_evidence
- oral_history_evidence
- archive_survival_estimate
- archival_selection_estimate
- digitization_status
- discoverability_score
- OCR_or_parsing_quality
- entity_resolution_confidence
- perspective_bias
- observation_coverage
- inferred_missingness_type
- uncertainty_interval

之後才接：

IndividualImpactRecord

與：

CounterfactualAttributionRecord

順序應是：

\boxed{ \text{Observation} \rightarrow \text{Attribution} \rightarrow \text{Counterfactual}. }

而不是反過來。

23. 本篇十條核心命題

命題 A：歷史證據非均勻抽樣

\mathcal E

不是 $\mathcal H$ 的無偏樣本。

命題 B：記錄生成偏差

不同角色產生記錄的機率不同。

命題 C：檔案選擇偏差

保存與入藏本身是制度作用。

命題 D：可見度—影響分離

V_i\neq I_i.

命題 E：缺失—零值分離

O_i=0 \nRightarrow I_i=0.

命題 F：資料量—主體理解分離

大量由制度產生的記錄不等於大量第一人稱理解。

命題 G：數位化非中性

數位化與索引增加新的 selection layer。

命題 H：AI 壓縮繼承上游偏差

模型內部的歷史圖受 archival/web/training selection 共同影響。

命題 I：反沉默不得虛構

低資料只能擴大不確定性，不能被任意補成理想化普通人史。

命題 J：公平可見度受隱私約束

改善普通人可見性不應以全面可觀測化為代價。

24. 結論

人類長期有一個非常自然的認知錯覺：

\text{資料越多} \Rightarrow \text{這個人越重要}.

但真正的歷史生成機制更接近：

\text{world influence} \rightarrow \text{record generation} \rightarrow \text{survival} \rightarrow \text{archival selection} \rightarrow \text{digitization} \rightarrow \text{discoverability} \rightarrow \text{historical narrative}.

每一步都可能扭曲前一步。

所以最後的：

\text{Historical Visibility}

不能被直接反推成：

\text{Historical Influence}.

這個問題對普通人尤其嚴重。

一個人的世界作用可能本來就很局部，

而：

\text{low influence} + \text{low record probability} + \text{low archival priority}

會使其幾乎完全從宏觀歷史消失。

另一方面，極端人物：

\text{high influence} + \text{high record probability} + \text{high archival priority} + \text{high narrative reuse}

則可能形成巨大的可見度複利。

因此我們不能從：

V_i\gg V_j

直接推出：

I_i\gg I_j.

本文最終提出四條簡化原則：

\boxed{ \text{被記住，不等於影響更大。} }

\boxed{ \text{沒有記錄，不等於沒有作用。} }

\boxed{ \text{資料不足，不允許自由幻想。} }

以及：

\boxed{ \text{更公平地看見普通人， 不等於把每個人變成完全透明的資料物件。} }

到了這一步，本系列才真正有資格開始討論下一個問題：

如果人類歷史天然需要壓縮，為什麼它最後如此容易被壓成少數「偉人」？

下一篇將處理：

英雄壓縮：人類如何把分散因果網路壓縮成偉人史。

參考文獻與理論對照

Thompson, E. P. The Making of the English Working Class. 1963.

Sharpe, Jim. “History from Below.” In New Perspectives on Historical Writing.

Trouillot, Michel-Rolph. Silencing the Past: Power and the Production of History. 1995.

Carter, Rodney G. S. “Of Things Said and Unsaid: Power, Archival Silences, and Power in Silence.” Archivaria 61, 2006.

Inwood, Kris; Maxwell-Stewart, Hamish. “Selection Bias and Social Science History.” Social Science History 44(3), 2020.

Olson, Kevin. “Archival Silence: How Do We Write the History of the Subaltern Who Cannot Speak?” PS: Political Science & Politics 57(1), 2024.

Luthra, Mrinalini; Todorov, Konstantin; Jeurgens, Charles; Colavizza, Giovanni. “Unsilencing Colonial Archives via Automated Entity Recognition.” 2022.

Little, Roderick J. A.; Rubin, Donald B. Statistical Analysis with Missing Data.

系列下一篇：

《英雄壓縮：人類如何把分散因果網路壓縮成偉人史》

05_被記住不等於影響更大_歷史可見度資料覆蓋與普通人的消失

被記住不等於影響更大：歷史可見度、資料覆蓋與普通人的消失

摘要

1. 問題提出：我們看到的歷史，不等於曾經發生的一切

2. History from Below 已經指出「誰被當成歷史主體」本身就是問題

3. 歷史觀測鏈 HOC

4. 第一層偏差：誰有能力留下記錄？

5. 第二層偏差：留下來的資料也經歷倖存選擇

6. 第三層偏差：檔案不是被動容器

7. 權力會影響「誰值得被保存」

8. 普通人不是完全沒有痕跡，而是痕跡常被別人產生

9. 被監控很多，也不等於被理解很多

10. 歷史缺失通常不是 MCAR

11. 被記住不等於影響更大

12. 普通人的「消失」至少有八種不同形式

12.1 未產生

12.2 已產生但遺失

12.3 已保存但未入藏

12.4 已入藏但未數位化

12.5 已數位化但不可搜尋

12.6 可搜尋但關係未被辨識

12.7 被記錄但由權力者代言

12.8 被集合化

13. 數位化不是消除偏差，而是增加新的選擇層

14. AI 訓練資料會再次壓縮歷史

15. 高階 AI 的真正進步：不是猜更多，而是分清楚哪裡不知道

16. 觀測校正：可以估計，但不能神奇復原

17. 建立「觀測可信區間」而不是補寫普通人的人生

18. 局部影響比全域影響更可能被恢復

19. HSNRD 中的觀測層

20. 歷史可見度矩陣

21. 但「提高未來資料覆蓋」不能走向全面監控

22. 一個最小 Historical Observation Record

23. 本篇十條核心命題

命題 A：歷史證據非均勻抽樣

命題 B：記錄生成偏差

命題 C：檔案選擇偏差

命題 D：可見度—影響分離

命題 E：缺失—零值分離

命題 F：資料量—主體理解分離

命題 G：數位化非中性

命題 H：AI 壓縮繼承上游偏差

命題 I：反沉默不得虛構

命題 J：公平可見度受隱私約束

24. 結論

參考文獻與理論對照