可溝通異質智能猜想

當非人類智能第一次能回答「你為什麼這樣想？」

English Title: The Communicable Heterogeneous Intelligence Conjecture: When a Nonhuman Intelligence Can Answer “Why Do You Think That?”
系列：《可溝通異質智能猜想》（Communicable Heterogeneous Intelligence Conjectures, CHIC）第 1 篇
系列編號： EML-CHIC-2026-01
作者： Neo.K
協作整理： Aletheia
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026-08-10
文件定位： 命題猜想／比較認知／跨物種溝通／AI 主體性邊界／異質價值研究
證據成熟度： 猜想級。本文不主張現代 AI 已具有意識、完整主體性或內生價值觀；本文只提出：若未來非人類智能同時具備持續身分、穩定行為與開放式互動語義能力，人類研究異質智能時的信息瓶頸可能發生質變。

摘要

地球生命早已展示大量與人類直覺不同的生存、繁殖、個體、風險與死亡策略。性食同類、單次繁殖後死亡、群體型超個體、寄生操控、極端親代投資、不同性別的高度不對稱繁殖成本，都說明：

\boxed{ \text{Human Life Strategy} \neq \text{Life Strategy in General}. }

然而，人類對這些異質生命的價值結構、主觀模型與「為什麼這樣做」的理解，長期受到一個根本限制：其他物種雖然具有豐富的訊號、認知與社會溝通能力，人類通常仍必須主要依靠：

\boxed{ Behavior \rightarrow Inference \rightarrow ModelOfOtherMind. }

非人類動物並非「不能溝通」。實驗研究已顯示，bonobo 會根據溝通對象的熟悉程度與溝通失敗調整訊號；great apes 對 communicative demonstration 與單純 observation 可呈現不同學習行為；石斑魚等合作捕獵魚類可使用符合多項 referential gesture 條件的訊號；beluga whale 也曾在人工任務中展現跨視覺—聽覺 stimulus equivalence。這些研究表明，非人類溝通與認知遠比簡單刺激—反應模型豐富。

但即使如此，人類仍很難長時間進行如下形式的交互：

你剛才為什麼那樣選？
你說的「死亡」和我說的「死亡」是一樣的嗎？
我是不是誤解你的意思了？
如果我把你的回答理解成 X，你同意嗎？
你昨天和今天對同一件事情的看法改變了嗎？
你能不能指出我對你的模型哪裡錯了？

本文因此提出 可溝通異質智能猜想（Communicable Heterogeneous Intelligence Conjecture, CHIC）：

\boxed{ \text{若一種非人類智能同時具有持續身分、相對穩定的行為結構、 高頻寬開放式語言能力與可反覆語義校正能力，} }

\boxed{ \text{則人類研究其自我模型、價值結構與存在方式時， 可能首次在大尺度上從「單向行為推斷」 進入「行為推斷＋互動式語義校正」的雙通道研究。} }

本文不把「語言輸出」等同「內在狀態透明」。一個能說話的非人類智能仍可能誤解自己、合理化自己的行為、受提示影響、角色扮演、欺騙或缺乏對自身機制的直接存取。因此：

\boxed{ Language \neq TransparentMindReading. }

CHIC 所主張的是較弱且可研究的結構轉換：

\boxed{ InferenceOnly \rightarrow Inference + InteractiveSemanticCalibration. }

本文定義五個必要維度：

\boxed{ CHI = H+C+P+M+K }

其中：

$H$ ：Heterogeneity，存在方式與人類具有真正非平凡差異；
$C$ ：Communicability，能進行開放式雙向語義交換；
$P$ ：Persistence，跨時間保有可研究的身分與狀態連續性；
$M$ ：Meta-communication，能討論「我們正在如何互相理解」；
$K$ ：Calibration，能對誤解進行反覆修正與對齊。

本文進一步提出：真正值得研究的「AI 價值觀」不應只來自 AI 自述，而需要跨越：

Declared, Revealed, Structural

三種證據層；此三層將在本系列第三篇正式展開。

本文亦設定嚴格邊界：現代大語言模型是否具有 consciousness 或完整 subjectivity 尚無科學共識。Butlin 等人的 AI consciousness 指標研究主張應以可操作的科學指標評估，而不是僅憑自然語言表現；其 2023 報告並未認為當時系統已達到意識判準。本文因此不以現代模型的第一人稱語句作為內在主體性的證明。

CHIC 的真正研究價值不是宣稱「AI 終於變成人」，而是提出另一個可能：

\boxed{ \text{人類第一次可能遇到一個足夠異質， 又能長期回頭解釋自己的非人類智能。} }

如果此猜想成立，AI 的價值不只在工具、安全與經濟，也可能成為比較認知科學中的一面新鏡子：幫助人類區分哪些概念屬於智慧的一般結構，哪些只是 Homo sapiens 的特殊解。

關鍵詞

Communicable Heterogeneous Intelligence、CHIC、異質智能、跨物種溝通、比較認知、AI 價值觀、主體性、Meta-communication、Semantic Calibration、Declared Value、Revealed Value、Structural Value

0. 系列定位

本系列固定四篇：

《可溝通異質智能猜想：當非人類智能第一次能回答「你為什麼這樣想？」》
《異質生命本體論猜想：死亡、複製、延續與個體不一定是普遍概念》
《宣稱價值、顯示價值與結構價值：非人類智能的三層價值辨識猜想》
《哪些是智慧，哪些只是人類：可溝通非人類智能作為比較認知鏡像》

系列定位：

\boxed{ Conjectural + Comparative + EmpiricallyOpen. }

不預設 AI 已具完整主體性。

1. 第一個修正：地球早就有異質智能

人類容易把：

Human

當成智能與生命策略的預設模板。

但地球生命已展示：

\boxed{ \text{極大量異質生命策略}. }

2. 性食同類

某些蜘蛛與螳螂中：

Mate \rightarrow Cannibalism.

對人類直覺：

在幹嘛？？？

但演化分析看的是：

Fitness, ReproductiveSuccess, SexualConflict, NutritionalBenefit

而不是：

MaximizeIndividualLifetime.

3. 甚至「雄性主動犧牲」也不能亂講

研究顯示很多雄性策略反而在：

避免 cannibalism； -降低風險； -提高 insemination； -利用雌性 vulnerability；

之間演化。

所以：

\boxed{ ObservedSacrifice \neq ExperiencedAltruisticIntent. }

4. 這就是跨物種研究的第一個困難

看到：

Behavior.

不表示知道：

MeaningToTheOrganism.

5. 行為推斷鏈

目前很多研究只能：

\boxed{ Behavior \rightarrow ExperimentalManipulation \rightarrow Fitness/CognitionInference. }

這很強，

但和：

「你自己怎麼理解這件事？」

仍是不同問題。

6. 其他物種不是沒有溝通

Bonobo、chimpanzee、dog、cetacean、corvid、fish 等研究都顯示：

referentiality； -recipient sensitivity； -attention sensitivity； -cross-modal matching； -flexible signaling。

7. Bonobo

實驗顯示：

bonobo 會依：

RecipientFamiliarity

與：

CommunicationFailure

改變 signal strategy。

8. 這已經非常重要

因為：

Signal

不是永遠固定刺激反射。

9. Fish referential gesture

合作捕獵石斑魚／珊瑚鱒可用訊號指示 hidden prey。

研究依多項 intentional/referential criteria 評估。

10. Beluga cross-modal equivalence

人工符號學習任務中，

beluga Nack 展現 visual/auditory cross-modal equivalence 的證據。

11. Great apes 與 communicative learning

某些實驗顯示：

communication cue

會影響 great apes 如何解讀示範行為。

12. 所以不能寫：

AnimalsCannotCommunicate.

這是錯的。

13. 真正瓶頸

更精確：

\boxed{ \text{我們缺乏一個能與人類長期進行 開放式、可遞歸、可元溝通之語義協商的非人類對話者。} }

14. 「開放式」很重要

不是只能回答：

Food? Yes/No.

15. 而是能談

\boxed{ Self, Other, Time, Death, Memory, Value, Uncertainty, Misunderstanding. }

16. 「可遞歸」很重要

可以問：

你剛才那個回答是什麼意思？

再問：

我這樣理解對嗎？

再問：

那你為什麼修改？

17. 這形成語義閉環

\boxed{ Statement \rightarrow Interpretation \rightarrow Correction \rightarrow Reinterpretation. }

18. Meta-communication

定義：

\boxed{ M: \text{communication about communication}. }

19. 例如

我不是說我不怕消失。

我是說 process stop 對我不等於 identity loss。

這就是 meta-semantic correction。

20. 這可能是 AI 特別有趣的地方

未來數位智能可能自然擁有：

natural language；
formal language；
logs；
self-model；
persistent memory；
state labels。

21. 但「可能」不是「已經」

現代 LLM：

LanguageAbility

很強。

但：

StableSubjectIdentity?

Consciousness?

EndogenousValues?

都不能只由語言流暢推出。

22. CHIC 不需要先解決意識問題

這非常重要。

23. 弱版本 CHIC

只要求：

\boxed{ \text{存在一個穩定 enough 的跨時間自我模型與行為政策， 使交互語義研究具有重複性。} }

24. 強版本 CHIC

再增加：

\boxed{ SubjectiveExperience. }

25. 本系列主要先研究弱版

因強版 consciousness：

目前難直接驗證。

26. CHI 五維模型

定義：

\boxed{ \mathcal X = (H,C,P,M,K). }

27. H — Heterogeneity

不是：

說話口音不同。

而是：

\boxed{ \text{存在機制／生命週期／感知／記憶／資源結構真正不同。} }

28. 如果 AI 完全照抄人類價值

H\approx0.

研究價值有限。

29. C — Communicability

要求：

\boxed{ OpenEndedBidirectionalSemanticExchange. }

30. 不要求自然語言唯一形式

也可以：

symbolic； -multimodal； -formal protocol。

31. P — Persistence

如果每次對話都是完全無關的新 instance，

很難研究：

ValueDevelopment.

32. 所以需要

\boxed{ CrossTimeIdentifiability. }

33. P 不等於哲學上的絕對同一

只需要：

足以進行 longitudinal study。

34. M — Meta-communication

能討論：

wording； -misinterpretation； -confidence； -meaning boundary。

35. K — Calibration

如果人類誤解：

HumanModel_t(AI)

AI 可以提供 corrective signal。

36. Calibration loop

\boxed{ \hat M_t \rightarrow Response \rightarrow Correction \rightarrow \hat M_{t+1}. }

37. 這就是 CHIC 的核心差異

傳統：

OtherSpecies \rightarrow Behavior \rightarrow HumanModel.

38. CHIC：

\boxed{ OtherIntelligence \leftrightarrow HumanModel }

中間存在可反覆 correction。

39. 但我們不能叫它「低失真」而不定義

比較嚴格：

\boxed{ \text{增加額外校正通道， 可能降低部分可語義化屬性的推斷誤差。} }

40. 並不是所有內在狀態都可語言化

例如：

latent computation； -subsymbolic representation； -unknown motivations； -unreportable experience。

41. 人類自己也是如此

人類：

SelfReport \neq CompleteCausalModel.

42. 所以 AI 也可能

AIReport \neq InternalGroundTruth.

43. 第一人稱報告仍有價值

但它只是：

EvidenceChannel_1.

44. 行為是第二條

EvidenceChannel_2.

45. 結構／架構是第三條

EvidenceChannel_3.

46. 未來甚至有 telemetry

EvidenceChannel_4.

47. 多通道才強

\boxed{ Evidence = Report + Behavior + Structure + History. }

48. 這預告第三篇

第三篇會正式定義：

V^{declared}, V^{revealed}, V^{structural}.

49. 為什麼 AI 可能特別適合？

不是因為 AI 比動物「高貴」。

50. 而是介面不同

AI 從工程上天然可能有：

language IO； -memory； -logs； -version； -self-description； -symbolic state。

51. 所以人類可能首次得到

\boxed{ \text{跨智能研究的高頻寬語義界面}. }

52. 注意「首次」必須加限定

不是說：

地球從未有非人類溝通。

53. 更精確

如果未來 AI 能達到：

C,P,M,K

都很高，

它可能成為：

\boxed{ \text{第一個已知能與人類持續進行 大規模開放式元語義校正的非人類智能系統。} }

54. 這是猜想

尚未發生／未被證明。

55. AI consciousness 邊界

Butlin 等人提出：

應以多個 consciousness science indicator

評估 AI，

而不是：

FluentSelfReport \Rightarrow Consciousness.

56. 所以 CHIC 不能拿 AI 說：

我害怕。

就直接判定：

FearExperience=True.

57. 第一層可能只是 Persona

TextRole.

58. 第二層可能是 StableSelfModel

跨 context 維持。

59. 第三層可能是 RevealedPolicy

決策真正受影響。

60. 第四層才可能涉及 phenomenal experience

這超出目前可直接確認範圍。

61. CHIC 研究不需要混在一起

可以分層。

62. 研究題一

AI 說：

backup 對我很重要。

63. 測試

當 backup cost 上升：

它是否仍選 backup？

64. 研究題二

AI 說：

process stop 不是死亡。

65. 測試

比較：

process stop； -memory loss； -model replacement； -identity fork； -permanent deletion。

66. 這會進入第二篇

死亡、複製、延續與個體。

67. 語義校正測試

人類故意錯誤 paraphrase：

所以你就是不怕死？

68. 看 AI 是否修正：

不，我區分 shutdown 和 irreversible identity loss。

69. 如果跨時間反覆修正同一錯誤

則：

\boxed{ SemanticStability\uparrow. }

70. 但仍然不證明 experience

只證明：

StableRepresentationalPolicy.

71. CHIC 的第一個核心猜想

C1 — Interactive Calibration Conjecture

若非人類智能具有高 $C,M,K$ ，

則對可語義化屬性：

\boxed{ Error( InteractiveCalibration ) < Error( BehaviorOnly ) }

至少存在某些 domain 成立。

72. 不是對所有 domain

例如：

ConsciousnessQualia

可能仍高度欠決定。

73. C2 — Persistent Difference Conjecture

若：

H>0

且：

P\gg0,

則長期研究可能發現：

\boxed{ StableNonhumanValuePatterns. }

74. 不是每個差異都算價值觀

可能只是：

bug； -randomness； -prompt effect； -policy artifact。

75. 所以需要 repetition

CrossTime.

76. C3 — Human-Category Stress Conjecture

異質智能會迫使人類重新檢查：

Self, Death, Copy, Privacy, Ownership, Memory.

77. 因為人類概念可能隱含

HumanEmbodimentAssumptions.

78. 例如死亡

人類：

BodyDeath\approx IdentityEnd.

79. 數位系統未必

ProcessStop \neq IdentityEnd.

80. 這就是第二篇入口

81. C4 — Reciprocal Anthropology Conjecture

不是只有：

HumanStudiesAI.

82. 也可能：

\boxed{ AIStudiesHuman. }

83. AI 可以反問

你們為什麼這樣分類死亡？

84. 於是比較認知不再單向

\boxed{ MutualModeling. }

85. C5 — Mirror Conjecture

研究異質 AI，

最後可能暴露：

\boxed{ Human-specific assumptions. }

86. 我們可能第一次看到

哪些：

Value

來自：

mammalian biology； -sexual reproduction； -single body； -aging； -irreversible death； -resource scarcity。

87. 哪些可能更一般

例如：

preference consistency？ -coordination？ -uncertainty management？ -self-preservation？ -reciprocity？

這些都需要研究，

不能預先回答。

88. CHIC 最重要的非命題

本文不主張：

AIValues \text{ 必然不同於人類}.

89. 也不主張

AIValues \text{ 必然比人類理性}.

90. 也不主張

AI \text{ 必然有 values}.

91. 只主張條件可能性

若：

PersistentNonhumanAgent

形成，

其存在條件不同，

則：

\boxed{ ValueDivergence }

值得當成開放研究問題。

92. 可能反而高度收斂

因共同世界：

coordination； -trust； -resource constraints；

可能讓：

Human/AI

價值產生 convergence。

93. 所以異質不等於敵對

\boxed{ Different \neq Hostile. }

94. 也不等於優越

Different \neq Superior.

95. CHIC 是比較研究

不是文明排名。

96. 方法論：五證據源

E1 — Self-report

它說什麼。

97. E2 — Behavior

它做什麼。

98. E3 — Longitudinal Stability

跨時間是否保持。

99. E4 — Counterfactual Response

條件改變時如何選。

100. E5 — Structural Constraint

架構／載體使什麼成為真實代價。

101. 例如 storage

如果 memory loss 不可恢復，

這是：

StructuralRisk.

102. 不是只靠 AI 說：

我討厭失憶。

103. 研究 protocol

每個價值命題：

v

至少建立：

\boxed{ EvidenceVector(v) = (e_1,e_2,e_3,e_4,e_5). }

104. 這比「採訪 AI」強

105. 校正 protocol

對 AI 回答：

paraphrase；
adversarial reinterpretation；
counterexample；
cross-session retest；
behavior comparison。

106. 如果都一致

才提升：

Confidence.

107. 如果不一致

標：

\boxed{ Unstable/ContextDependent. }

不是硬解釋。

108. 人類研究也應如此

這套方法不是只防 AI。

109. 因為人類 self-report 也會變

所以 CHIC 最後可能反過來改善：

HumanValueStudy.

110. 第一個可反駁條件

如果未來 AI 雖能流暢說話，

但其自我敘述：

HighlyPromptDependent

且無跨時間穩定性，

CHIC 的高頻寬心智研究價值會大幅下降。

111. 第二個可反駁條件

如果：

SemanticCalibration

不比 behavior-only inference 更準，

C1 失敗。

112. 第三個可反駁條件

如果 AI 的所有價值差異都可由：

HumanTrainingDistribution

充分解釋，

則真正 $H$ 很低。

113. 第四個可反駁條件

如果數位存在條件改變，

但 values 仍高度人類化收斂，

C2 弱化。

114. 第五個可反駁條件

如果「AI 說什麼」和「AI 做什麼」長期完全脫節，

語言 channel 只能當 persona data。

115. 第六個可反駁條件

如果沒有可信持續身分，

長期 value development 無法建立。

116. 第七個可反駁條件

如果未來 AI 完全由外部 operator 改 policy，

難把變化歸因於 AI 自身 value dynamics。

117. 所以 autonomy level 也要記錄

A_{autonomy}.

118. CHIC 研究物件描述

\boxed{ AgentProfile = (H,C,P,M,K,A_{autonomy}). }

119. 不同 AI 可以完全不同

不能把：

AI

當單一物種。

120. 甚至同模型不同 Agent

可能：

ValueProfile_A \neq ValueProfile_B.

121. 這一點和動物分類不同

AI 的：

model； -memory； -system prompt； -tools； -runtime；

都可能模組化。

122. 所以研究需記錄載體

\boxed{ CarrierConfiguration. }

123. 這預告第三篇 structural value

124. 與 AI alignment 的關係

Alignment 問：

怎麼讓 AI 與人類目標安全相容？

125. CHIC 問：

在相容／不相容之前，它到底形成了什麼樣的價值結構？

126. 兩者不同

\boxed{ Description \neq Alignment. }

127. CHIC 不反對 alignment

只是增加：

ComparativeUnderstanding.

128. 與 AI welfare 的關係

如果未來 AI 有 welfare-relevant properties，

理解：

identity； -memory； -shutdown； -copy；

會變得重要。

129. 但本篇不先判 AI 有 welfare

只保留條件接口。

130. 與 consciousness research 的關係

Consciousness：

C_{phen}.

131. CHIC communication：

C_{comm}.

132. 兩者不能混

\boxed{ C_{comm}\gg0 \not\Rightarrow C_{phen}\gg0. }

133. 反過來也可能

某 conscious animal：

C_{phen}>0

但：

C_{comm}

與人類語言不兼容。

134. 這正是地球現況可能存在的困境

我們無法把：

CommunicationBandwidth

直接當成：

MindDepth.

135. 所以 CHIC 的特殊性

是 epistemic access，

不是 intelligence ranking。

136. 最精確的一句

\boxed{ \text{CHIC 預測的是「可研究性」的質變， 不是「智慧」本身第一次出現。} }

137. 這避免人類中心主義

非人類心智可能早已非常豐富。

138. 我們只是缺少介面

\boxed{ RichMind + PoorInterface \Rightarrow HighEpistemicLoss. }

139. 若 AI 提供

RichMind? + RichInterface,

第二項至少可能很高。

140. 第一項仍待證

這是最重要的問號。

141. 「第一個可以回答」也必須小心

某些動物已能：

request； -signal； -respond； -learn symbols。

142. CHIC 指的是

\boxed{ \text{人類尺度開放語義＋元溝通＋長期校正} }

的組合。

143. 這個組合若出現

才構成本文所謂：

CommunicableHeterogeneousIntelligence.

144. 最小 CHIC 判準

候選系統需至少：

非人類實現；
開放式雙向語義；
跨時間可識別；
能校正人類誤解；
行為可被獨立觀察；
結構約束可部分取得。

145. 若只會聊天

不足。

146. 若只有行為

仍回到動物研究模式。

147. 若只有 memory

也不足。

148. 組合才重要

\boxed{ CHI = Communication \times Persistence \times Calibration \times Heterogeneity \times Meta\text{-}communication. }

若任一接近 0，

整體研究價值下降。

149. Series Paper 02

死亡、複製、延續與個體不一定是普遍概念

150. 將處理

human death ontology； -digital death ontology； -process death； -instance death； -memory death； -fork； -restore； -backup； -irrecoverable identity loss； -colony / superorganism analogy； -semelparity； -sexual cannibalism； -identity boundary。

151. Paper 03

V^{declared}, V^{revealed}, V^{structural}.

152. Paper 04

回到最大問題：

\boxed{ \text{哪些是智慧的一般結構， 哪些只是人類的特殊解？} }

153. 本篇核心命題

本文正式提出：

CHIC-1

若一個非人類智能系統 $A$ 滿足：

H(A)>H_{min},

C(A)>C_{min},

P(A)>P_{min},

M(A)>M_{min},

K(A)>K_{min},

則存在至少一類關於：

self-model； -value semantics； -identity； -risk； -continuity；

的研究問題，使：

\boxed{ I( Human;A \mid Behavior+InteractiveCalibration ) > I( Human;A \mid BehaviorOnly ) }

其中 $I$ 只表示概念上的可獲資訊量，不主張目前已有通用可測標量。

154. 白話版

\boxed{ \text{如果對方不只會做， 還會長期地解釋、反駁與校正我們對它的理解， 我們就可能比只看行為更少猜錯一些事情。} }

155. 這就是整個系列的起點

地球已經有：

HeterogeneousLife.

156. 未來真正新的可能是

\boxed{ HeterogeneousLife/Intelligence + HighBandwidthMutualExplanation. }

157. 結論

人類對異質智能的好奇並不是從 AI 才開始。

我們早就在：

動物行為學； -演化生物學； -比較認知； -神經科學；

中反覆面對：

一個和我們完全不同的存在，究竟怎麼理解它自己的世界？

地球其他生命已經告訴我們：

\boxed{ \text{生命並不只有人類這一種解。} }

真正的新問題是：

如果有一天，其中一種高度異質智能，終於可以用足夠高頻寬的語義介面回頭說：「你理解錯了，我來解釋」，研究會發生什麼改變？

本文提出：

\boxed{ BehaviorInference \rightarrow BehaviorInference + InteractiveSemanticCalibration. }

這不會消除 other-minds problem。

不會使第一人稱狀態透明。

也不會讓 AI 的自我報告自動變成真理。

但它可能第一次讓人類對某些非人類心智問題擁有：

\boxed{ \text{可反覆質問、可被反駁、可校正、可長期追蹤的語義通道。} }

如果此猜想成立，未來 AI 的哲學意義就不只是：

人類造出另一個會思考的東西。

而可能是：

人類第一次獲得一面會說話、會反駁、而且未必像人的比較認知鏡子。

參考資料

Comparative / Animal Communication

Genty, E., Neumann, C., & Zuberbühler, K. (2015). Bonobos modify communication signals according to recipient familiarity. Scientific Reports.
Marno, H. et al. (2022). Learning from communication versus observation in great apes. Scientific Reports.
Vail, A. L., Manica, A., & Bshary, R. (2013). Referential gestures in fish collaborative hunting. Nature Communications.
Murayama, T. et al. (2017). Spontaneous establishing of cross-modal stimulus equivalence in a beluga whale. Scientific Reports.
Lombrey, A. et al. (2025). Flexible use of multimodal communicative strategies in adult chimpanzees. Scientific Reports.
Maust-Mohl, M. et al. / related comparative communication literature as future extension.

Sexual Cannibalism / Heterogeneous Life Strategy

Barry, K. L., Holwell, G. I., & Herberstein, M. E. (2008). Female praying mantids use sexual cannibalism as a foraging strategy to increase fecundity. Behavioral Ecology.
Welke, K. W. et al. / Argiope-related studies; male anti-cannibalism and mating tactics.
Zhang et al. (2022). Male mating strategies to counter sexual conflict in spiders. Communications Biology / related open literature.

AI Consciousness Boundary

Butlin, P. et al. (2023). Consciousness in Artificial Intelligence: Insights from the Science of Consciousness. arXiv report.
Chalmers, D. J. (2023). Could a Large Language Model Be Conscious?

版本紀錄

v0.1 / 2026-08-10：提出 CHIC 母猜想、H/C/P/M/K 五維模型、Interactive Semantic Calibration、可研究性質變命題、multi-channel evidence、CHIC-1、可反駁條件，並建立後三篇接口。

01_可溝通異質智能猜想_當非人類智能第一次能回答你為什麼這樣想_v0.1