← Archive
lm-002896 · 2026-08

網狀認知拓撲：ADHD 多路徑激活假說

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇

網狀認知拓撲：ADHD 多路徑激活假說

英文題名： Networked Cognitive Topology: A Multi-Path Activation Conjecture for ADHD
系列： ADHD 動態配置與認知拓撲系列，第 5 篇
版本： v0.1
日期： 2026-08-16
作者： Neo.K（許筌崴）
協作： GPT-5.6 Sol
文件性質： 理論建模／認知科學命題／研究綱領
文獻檢索截點： 2026-08-16

0. 醫學、神經科學與證據邊界聲明

本文不是臨床研究、診斷工具、治療指南、神經影像研究、藥理研究或醫療建議。

本文提出的「網狀認知拓撲」「多路徑激活」「路徑多樣性」「跨路徑一致性」「稀疏提示優勢」等概念均屬待驗證理論命題，不代表已被醫學界、神經科學界或認知科學界確認的 ADHD 病理機制。

原作者並非醫學、精神醫學、神經科學或臨床心理專業研究者。本文不提供新的臨床、人體、神經影像、藥理或心理實驗數據；所有實證性背景均來自公開同行評審研究。本文新增內容僅屬理論整合、形式化與可證偽研究綱領。

本文特別禁止以下偷換：

brain functional network topology≠cognitive-associative topology.\boxed{ \text{brain functional network topology} \neq \text{cognitive-associative topology}. }

亦即，fMRI、EEG 或 connectome 中的 graph topology 不能直接被當成「一個人的思考就是網狀」之證據。

本文也不主張：

divergent thinking=networked cognition,\text{divergent thinking} = \text{networked cognition},

不主張：

mind wandering=multi-path reasoning,\text{mind wandering} = \text{multi-path reasoning},

也不主張：

creativity=ADHD.\text{creativity} = \text{ADHD}.

本文中的 graph、node、edge、path 均首先是中層認知模型的數學表示，不是對單一神經元、腦區或真實 connectome 的一對一映射。

核心限制：

graph formalization≠neural identity.\boxed{ \text{graph formalization} \neq \text{neural identity}. }

摘要

本系列前四篇已將 ADHD-related attention 從單一「注意力不足」標量重新展開為神經調節、選擇配置、狀態穩定性、配置熵、切換與脫離等多層動態系統。本篇進一步處理一個更強、也更容易過度推論的命題：部分 ADHD-related cognitive profiles 是否在特定任務中具有較廣的聯想擴散、較高的候選路徑多樣性、較弱的既有範例約束，並因此呈現不同於單一路徑序列處理的「網狀認知拓撲」？

已有文獻提供若干間接支持。White 與 Shah 於 2016 年在大學生 ADHD 樣本中研究 semantic activation scope 與 innovative thinking，結果支持 ADHD 與特定創新思考表現的正向關聯，且較廣的 semantic activation 可能參與其中。其後對成人 ADHD 的 unconstrained creative generation 研究亦發現，ADHD 參與者在 alien-fruit 與 product-label tasks 中較少受既有範例與既有概念框架約束。2022 年一項 population-based sample 與 adult ADHD case-control sample 的整合研究發現，ADHD symptoms 與 divergent-thinking fluency、flexibility、originality 呈正相關，但與 convergent thinking 無明顯關聯；將臨床與非臨床樣本合併後，關係呈現平台化或近似倒 U 型，而不是症狀越高、創造力越高。

然而，2026 年成人 ADHD strengths scoping review 同時指出：creativity 雖是最常被研究與提及的潛在優勢之一，但現有研究高度異質、測量品質不一，clinical ADHD 與 creativity 的關係並不一致，且 direct neuroimaging evidence 仍不足。該 review 亦明確表示其目的在於 mapping field，而非建立因果或驗證構念。2026 年青少年與成人研究持續發現 ADHD 與 mind wandering 的關聯，但 mind wandering 僅表示 task-unrelated 或 internally generated thought 的增加，不能直接推出結構化多路徑推理。

因此本文提出較弱的「Networked Cognitive Topology Hypothesis, NCTH」：

Some ADHD-related cognitive profiles may show greater associative breadth or path diversity under specific tasks, without implying universally superior reasoning.\boxed{ \text{Some ADHD-related cognitive profiles may show greater associative breadth or path diversity under specific tasks, without implying universally superior reasoning.} }

本文將當下認知候選空間表示為圖：

Gt=(Vt,Et,Wt),\mathcal G_t = \left( V_t, E_t, W_t \right),

並將輸入刺激造成的候選激活表示為：

at+1=σ(ηWtat+ut−ht).\mathbf a_{t+1} = \sigma \left( \eta W_t\mathbf a_t + \mathbf u_t - \mathbf h_t \right).

其中多路徑認知的價值不由「激活越多」決定，而由至少四個變量共同決定：

Breadth+Path Diversity+Coherence+Convergence.\boxed{ \text{Breadth} + \text{Path Diversity} + \text{Coherence} + \text{Convergence}. }

若廣泛激活缺乏一致性與收斂，則可能增加噪音、干擾與錯誤；只有當多條路徑可被交叉驗證、淘汰、整合並輸出時，才可能形成任務優勢。

本文最後提出十一項可證偽命題，以及 semantic priming、free association graph、sparse causal completion、scaffold interference、divergent–convergent switching 與 longitudinal state tracking 等實驗設計。若這些 graph-derived 指標不能在獨立樣本中提供超越一般 executive-function、working-memory、IQ 與 symptom measures 的增量預測力，則「網狀認知拓撲」應被視為冗餘比喻而放棄。

關鍵詞： ADHD、認知拓撲、semantic activation、divergent thinking、associative breadth、multi-path activation、mind wandering、創造力、因果補完、graph model

1. 為什麼需要重寫「網狀思維」？

本系列早期理論曾使用「網狀思維」描述一種主觀與任務上的現象：

  • 多個關聯快速出現；
  • 不一定沿單一路徑逐步展開；
  • 稀疏提示有時已足以引出完整結構；
  • 過多連接詞或預先指定路徑可能成為冗餘；
  • 多個候選解可同時被考慮；
  • 最後再進行交叉驗證與收斂。

這些現象可以形成研究假說。

但若直接寫成：

ADHD=networked thinking,\text{ADHD} = \text{networked thinking},

會犯下至少四個錯誤。

第一，ADHD 高度異質。

第二，「網狀思維」缺乏標準操作定義。

第三，brain network 與 cognitive network 容易被混為一談。

第四，較多聯想不等於較好的推理。

因此本文不是保留舊命題，而是將它降階為：

conditional multi-path activation hypothesis.\boxed{ \text{conditional multi-path activation hypothesis}. }

2. 第一個邊界：Brain Network 不等於 Cognitive Topology

神經影像研究常把腦區作為 node，把 functional connectivity 作為 edge。

可以表示為：

Gtbrain=(VtB,EtB,WtB).\mathcal G_t^{\text{brain}} = \left( V_t^{B}, E_t^{B}, W_t^{B} \right).

本文提出的認知圖則是：

Gtcog=(VtC,EtC,WtC).\mathcal G_t^{\text{cog}} = \left( V_t^{C}, E_t^{C}, W_t^{C} \right).

其中 node 可以暫時表示：

  • concept；
  • memory trace；
  • causal proposition；
  • candidate interpretation；
  • action hypothesis。

因此：

Gtbrain≠Gtcog.\boxed{ \mathcal G_t^{\text{brain}} \neq \mathcal G_t^{\text{cog}}. }

兩者未來可以研究 mapping：

M:Gbrain→Gcog,\mathcal M: \mathcal G^{\text{brain}} \rightarrow \mathcal G^{\text{cog}},

但不能預設：

M=identity.\mathcal M = \text{identity}.

3. 第二個邊界：Semantic Activation 不等於 Reasoning

一個詞語輸入後可以激活多個相關概念。

例如：

vstormv_{\text{storm}}

可能激活：

{vrain,vwind,vflood,vevacuation,vpower outage}.\left\{ v_{\text{rain}}, v_{\text{wind}}, v_{\text{flood}}, v_{\text{evacuation}}, v_{\text{power outage}} \right\}.

這只表示：

association activation.\text{association activation}.

不表示：

causal reasoning.\text{causal reasoning}.

因果推理至少需要：

direction,\text{direction}, compatibility,\text{compatibility}, constraint,\text{constraint}, counterfactual support,\text{counterfactual support},

或其他更強結構。

因此：

more activated concepts≠more valid reasoning.\boxed{ \text{more activated concepts} \neq \text{more valid reasoning}. }

4. 既有重要證據：Semantic Activation Scope

White 與 Shah 於 2016 年研究 college students with ADHD，使用 realistic innovation task 與 word-association measure 探討 innovative thinking 及可能的 cognitive mechanism。

該研究支持：

ADHD↔specific innovative-thinking advantages\text{ADHD} \leftrightarrow \text{specific innovative-thinking advantages}

以及：

wider semantic activation\text{wider semantic activation}

可能參與其中。

這是目前與本文「較廣候選激活」最直接接近的歷史實證之一。

但該研究不能證明：

ADHD cognition is graph-parallel.\text{ADHD cognition is graph-parallel}.

它最多支持：

broader semantic spread is empirically plausible in at least some ADHD adult samples.\boxed{ \text{broader semantic spread is empirically plausible in at least some ADHD adult samples}. }

5. Conceptual Expansion 與較弱範例約束

White 後續研究比較 ADHD 與 non-ADHD adults 在 creative-generation tasks 中受到既有範例與知識結構的限制程度。

在 alien-fruit invention 與 product-label generation 中，ADHD 組產生的結果較偏離既有 Earth-fruit characteristics，也較少沿用 task examples。

這可被理解為：

constraint adherence↓\text{constraint adherence} \downarrow

或：

conceptual expansion↑.\text{conceptual expansion} \uparrow.

但兩者仍不等同於：

path diversity.\text{path diversity}.

因為一個人可以只沿單一路徑走得很遠，也可以同時激活多條路徑。

所以本文把：

constraint escape\text{constraint escape}

與：

multi-path activation\text{multi-path activation}

分開。

6. Divergent Thinking 是接近概念，但不是同義詞

Divergent thinking 常被操作化為：

  • fluency；
  • flexibility；
  • originality。

它最接近：

candidate generation.\text{candidate generation}.

而本文的 networked cognition 還需要：

relation structure\text{relation structure}

與：

cross-path interaction.\text{cross-path interaction}.

因此：

divergent thinking≠networked cognition.\boxed{ \text{divergent thinking} \neq \text{networked cognition}. }

Divergent thinking 可以作為多路徑假說的部分 observable proxy，但不是充分證據。

7. 2022 年結果：展開與收斂不能混在一起

Stolte 等人的 2022 研究同時使用：

  • Alternative Uses Task；
  • Remote Associates Test；
  • Creative Achievement Questionnaire；
  • population-based sample；
  • adult ADHD case-control sample。

在一般人口中，較多 ADHD symptoms 與：

fluency,\text{fluency}, flexibility,\text{flexibility}, originality\text{originality}

呈小幅正相關。

但沒有對：

convergent thinking\text{convergent thinking}

得到相同關係。

更重要的是，將 population 與 clinical case-control data 合併後，quadratic model 對 divergent thinking 的擬合優於單純 linear model，提示：

more ADHD symptoms⇏indefinitely more divergent thinking.\boxed{ \text{more ADHD symptoms} \not\Rightarrow \text{indefinitely more divergent thinking}. }

關係可能在臨床區域平台化。

因此本文明確分離：

D=divergent expansion,\mathcal D = \text{divergent expansion},

與：

K=convergent closure.\mathcal K = \text{convergent closure}.

真正可用的問題解法需要：

D+K.\boxed{ \mathcal D + \mathcal K. }

8. 2026 Strengths Review 的重要警告

2026 年 Rafael 等人的成人 ADHD strengths scoping review 納入 125 項研究：

  • 61 qualitative；
  • 59 quantitative；
  • 5 mixed methods。

Creativity 是最常被研究或提及的 strength category。

但該 review 也明確指出：

  1. 研究高度異質；
  2. creativity measures 差異很大；
  3. 既有 reviews 曾指出研究品質問題；
  4. 很多 included studies 依賴 self-report 或 screening，而非 verified diagnosis；
  5. scoping review 本身不是 causation、correlation 或 construct-validity review；
  6. 直接連結 ADHD brain differences 與 creativity 的 neuroimaging evidence 仍不足。

所以本文不能用：

many creativity papers\text{many creativity papers}

推出：

networked cognition confirmed.\text{networked cognition confirmed}.

最合理的結論只是：

the hypothesis space is legitimate, but the mechanism remains open.\boxed{ \text{the hypothesis space is legitimate, but the mechanism remains open}. }

9. Mind Wandering 提供「內部生成」證據，但不提供結構證據

2026 年青少年 ADHD 臨床樣本研究顯示，ADHD 組 self-reported mind wandering 顯著高於 psychiatric non-ADHD comparison group。

同年成人研究亦持續發現 spontaneous mind-wandering measures 可預測 ADHD-related dimensions。

因此：

internally generated thought↑\text{internally generated thought} \uparrow

在 ADHD-related cognition 中具有研究支持。

但是：

mind wandering≠structured multi-path reasoning.\boxed{ \text{mind wandering} \neq \text{structured multi-path reasoning}. }

Mind wandering 可以是：

  • 單一內在敘事；
  • 隨機跳轉；
  • rumination；
  • fantasy；
  • goal-related incubation；
  • unrelated thought sequence。

只有部分情況可能形成有用的多路徑探索。

10. Parallel Activation 不等於 Parallel Conscious Reasoning

本文使用：

parallel activation\text{parallel activation}

時只表示：

多個候選表徵在相近時間窗內具有可測非零激活或可提取性。

它不主張：

multiple fully conscious reasoning streams are executed simultaneously.\boxed{ \text{multiple fully conscious reasoning streams are executed simultaneously}. }

認知系統可以：

  1. 快速輪轉；
  2. 部分重疊激活；
  3. 非意識並行；
  4. 工作記憶序列化；

而在主觀上被感受為「同時想到很多」。

所以未來研究需要分辨：

true parallelism\text{true parallelism}

與：

rapid multiplexed switching.\text{rapid multiplexed switching}.

11. 認知圖的最小定義

本文定義時間 tt 的候選認知圖：

Gt=(Vt,Et,Wt).\mathcal G_t = \left( V_t, E_t, W_t \right).

其中：

Vt={v1,…,vn}V_t = \left\{ v_1,\ldots,v_n \right\}

為當下可激活概念／命題節點。

Et⊆Vt×VtE_t \subseteq V_t\times V_t

為候選關係。

Wt=[wij(t)]W_t = \left[ w_{ij}(t) \right]

為關係強度矩陣。

edge 可以依任務標記不同類型：

Et=Etsemantic∪Etcausal∪Ettemporal∪Etanalogical∪Etgoal.E_t = E_t^{\text{semantic}} \cup E_t^{\text{causal}} \cup E_t^{\text{temporal}} \cup E_t^{\text{analogical}} \cup E_t^{\text{goal}}.

不同 edge type 不應被混為同一關係。

12. 激活向量

令：

at=(a1(t),a2(t),…,an(t))⊤.\mathbf a_t = \left( a_1(t), a_2(t), \ldots, a_n(t) \right)^{\top}.

候選擴散模型：

at+1=σ(ηWtat+ut−ht).\mathbf a_{t+1} = \sigma \left( \eta W_t\mathbf a_t + \mathbf u_t - \mathbf h_t \right).

其中：

  • η\eta：擴散 gain；
  • ut\mathbf u_t：外部／內部輸入；
  • ht\mathbf h_t：抑制與競爭；
  • σ\sigma：飽和非線性。

此式不是神經生理定律。

它只用來定義：

association spread.\text{association spread}.

13. Activation Breadth

設定激活閾值：

θa.\theta_a.

定義有效激活集合：

Vt+={vi∣ai(t)≥θa}.V_t^{+} = \left\{ v_i \mid a_i(t)\geq\theta_a \right\}.

激活廣度：

Bt=∣Vt+∣.B_t = \left| V_t^{+} \right|.

亦可正規化：

B^t=∣Vt+∣∣Vt∣.\widehat B_t = \frac{ |V_t^{+}| }{ |V_t| }.

NCTH 不預測所有 ADHD individuals：

Bt>Btcontrol.B_t > B_t^{\text{control}}.

它只提出：

Bt may differ by profile and task.\boxed{ B_t \text{ may differ by profile and task}. }

14. Activation Radius

若輸入節點集合為：

Vtseed,V_t^{\text{seed}},

定義 graph distance：

dG(u,v).d_{\mathcal G}(u,v).

則平均激活半徑：

Ract=1∣Vt+∣∑v∈Vt+min⁡s∈VtseeddG(s,v).R_{\text{act}} = \frac{ 1 }{ |V_t^{+}| } \sum_{v\in V_t^{+}} \min_{s\in V_t^{\text{seed}}} d_{\mathcal G}(s,v).

較大的：

RactR_{\text{act}}

表示激活延伸至較遠概念區域。

2016 semantic-activation 結果最接近這類候選變量。

15. Branching Factor

對當下 activation frontier：

Ft,F_t,

定義平均候選分支：

bt=1∣Ft∣∑v∈Ftdeg⁡+(v).b_t = \frac{ 1 }{ |F_t| } \sum_{v\in F_t} \deg^{+}(v).

高：

btb_t

可以增加候選數。

但也增加：

search cost.\text{search cost}.

因此：

bt↑⇏Pt↑.\boxed{ b_t\uparrow \not\Rightarrow P_t\uparrow. }

16. 多路徑集合

對問題起點：

ss

與目標：

g,g,

定義候選路徑集合：

Pt(s,g)={p1,p2,…,pm}.\mathcal P_t(s,g) = \left\{ p_1,p_2,\ldots,p_m \right\}.

每條路徑：

pk=(vk,1,vk,2,…,vk,ℓk).p_k = \left( v_{k,1}, v_{k,2}, \ldots, v_{k,\ell_k} \right).

單一路徑處理：

∣Pt∣≈1.|\mathcal P_t| \approx1.

多路徑候選：

∣Pt∣>1.|\mathcal P_t| >1.

但路徑數本身沒有品質含義。

17. Path Diversity

若兩條路徑的 edge sets 為：

E(pi),E(pj),E(p_i), E(p_j),

定義 Jaccard distance：

dJ(pi,pj)=1−∣E(pi)∩E(pj)∣∣E(pi)∪E(pj)∣.d_J(p_i,p_j) = 1- \frac{ |E(p_i)\cap E(p_j)| }{ |E(p_i)\cup E(p_j)| }.

平均路徑多樣性：

DP=2m(m−1)∑i<jdJ(pi,pj).D_P = \frac{ 2 }{ m(m-1) } \sum_{i<j} d_J(p_i,p_j).

當：

DP↑,D_P\uparrow,

表示候選解使用更不同的關係路徑。

這比單純：

m↑m\uparrow

更接近「真的從不同方向思考」。

18. Semantic Distance 與 Path Diversity 不同

semantic distance 可以很遠，但仍沿單一路徑。

例如：

A→B→C→D→E.A \rightarrow B \rightarrow C \rightarrow D \rightarrow E.

其：

RactR_{\text{act}}

可能很高，

但：

DPD_P

可以很低。

因此：

wide association≠multi-route processing.\boxed{ \text{wide association} \neq \text{multi-route processing}. }

NCTH 必須分別測兩者。

19. Path Coherence

每條路徑需要內部一致。

定義：

C(pk)=1ℓk−1∑r=1ℓk−1q(vk,r,vk,r+1),C(p_k) = \frac{ 1 }{ \ell_k-1 } \sum_{r=1}^{\ell_k-1} q \left( v_{k,r}, v_{k,r+1} \right),

其中：

q(u,v)∈[0,1]q(u,v)\in[0,1]

表示該 edge 在任務域中的合法性、因果支持或語義相容度。

整體 coherence：

C‾P=1m∑k=1mC(pk).\overline C_P = \frac{1}{m} \sum_{k=1}^{m} C(p_k).

因此：

many paths+low coherence=noise,\boxed{ \text{many paths} + \text{low coherence} = \text{noise}, }

而不是優勢。

20. Cross-Path Consistency

若多條路徑最後對同一 latent conclusion：

zz

提供支持，可以定義：

XP(z)=1m∑k=1mSupport⁡(pk,z).X_P(z) = \frac{ 1 }{ m } \sum_{k=1}^{m} \operatorname{Support} \left( p_k,z \right).

高：

XPX_P

表示不同路徑對同一結論具有收斂支持。

這就是舊「交叉驗證」直覺的可操作化候選。

21. Convergence Efficiency

多路徑激活後仍必須選擇輸出。

令初始候選數：

m0.m_0.

在時間：

TcT_c

後收斂至：

mf.m_f.

定義：

Econv=m0−mfTc+ε.E_{\text{conv}} = \frac{ m_0-m_f }{ T_c+\varepsilon }.

如果：

m0↑m_0\uparrow

但：

Econv↓,E_{\text{conv}}\downarrow,

則可能出現：

  • indecision；
  • topic drift；
  • unresolved branching；
  • overload。

所以：

divergence without convergence≠effective reasoning.\boxed{ \text{divergence without convergence} \neq \text{effective reasoning}. }

22. Networked Cognition 的候選有效值

定義：

Neff=αB+βDP+γC‾P+δXP+ζEconv−λNnoise−κCsearch.N_{\text{eff}} = \alpha B + \beta D_P + \gamma\overline C_P + \delta X_P + \zeta E_{\text{conv}} - \lambda N_{\text{noise}} - \kappa C_{\text{search}}.

其中：

  • BB：activation breadth；
  • DPD_P：path diversity；
  • C‾P\overline C_P：path coherence；
  • XPX_P：cross-path consistency；
  • EconvE_{\text{conv}}：convergence efficiency；
  • NnoiseN_{\text{noise}}：無效候選；
  • CsearchC_{\text{search}}：搜尋成本。

因此：

networked cognition quality≠number of associations.\boxed{ \text{networked cognition quality} \neq \text{number of associations}. }

23. 兩種相反失敗：Under-Expansion 與 Over-Expansion

23.1 Under-Expansion

B↓,B\downarrow, DP↓.D_P\downarrow.

可能造成：

  • 解空間過窄；
  • 過早收斂；
  • 類比不足；
  • 創新不足。

23.2 Over-Expansion

B↑,B\uparrow,

但：

C‾P↓,\overline C_P\downarrow, Econv↓.E_{\text{conv}}\downarrow.

可能造成：

  • 噪音；
  • 跳題；
  • 無法收斂；
  • 工作記憶超載。

因此最佳區域可能是：

B∗,DP∗,CP∗,Econv∗\boxed{ B^{*}, D_P^{*}, C_P^{*}, E_{\text{conv}}^{*} }

的任務依賴工作區，而不是無限擴展。

24. 稀疏提示假說

舊模型的一個重要直覺是：

對某些網狀處理者，稀疏但高信息量節點可能比大量顯式連接詞更容易觸發整體結構。

本文將其改寫成可證偽命題。

設兩種輸入：

IsparseI_{\text{sparse}}

與：

Iscaffolded.I_{\text{scaffolded}}.

前者保留主要 content nodes，後者加入更多關係提示與連接詞。

定義：

Pcompletion(I)P_{\text{completion}} \left( I \right)

為正確補完表現。

NCTH 不預測 ADHD 一定：

Psparse>Pscaffolded.P_{\text{sparse}} > P_{\text{scaffolded}}.

只預測某一 latent profile：

Lnetworked\mathcal L_{\text{networked}}

可能出現：

ΔP=Psparse−Pscaffolded>0.\boxed{ \Delta P = P_{\text{sparse}} - P_{\text{scaffolded}} > 0. }

此 latent profile 是否與 ADHD 富集，是實驗問題。

25. Scaffold Interference

顯式 scaffold 可以降低搜索空間。

但如果主體已經快速形成多條候選路徑，額外 scaffold 可能：

  • 強迫單一路徑；
  • 增加語言解析負荷；
  • 抑制 alternative routes；
  • 造成 redundant processing。

定義 scaffold cost：

Cscaf=Pfree−Pforced-route.C_{\text{scaf}} = P_{\text{free}} - P_{\text{forced-route}}.

如果：

Cscaf>0,C_{\text{scaf}}>0,

表示該 scaffold 對特定任務與個體造成干擾。

這是可測個體差異，不是 ADHD 的預設特徵。

26. 因果補完比創造力更接近本理論

Creativity 太寬。

本文真正要檢驗的是：

structured completion under sparse constraints.\text{structured completion under sparse constraints}.

例如輸入：

{prey decrease,predator hunger,migration,balance recovery}.\left\{ \text{prey decrease}, \text{predator hunger}, \text{migration}, \text{balance recovery} \right\}.

受試者需要重建：

causal paths.\text{causal paths}.

而不是只產生最多想法。

所以核心 outcome 應包含：

  • causal accuracy；
  • number of valid paths；
  • path diversity；
  • convergence time；
  • confidence calibration；
  • false-path rate。

27. 多路徑並不必然並行

若候選路徑：

p1,p2,p3p_1,p_2,p_3

都在短時間內被產生，可能有兩種實作：

27.1 True parallel candidate activation

p1∥p2∥p3.p_1\parallel p_2\parallel p_3.

27.2 Rapid serial multiplexing

p1→p2→p3→p1→⋯p_1 \rightarrow p_2 \rightarrow p_3 \rightarrow p_1 \rightarrow\cdots

行為上兩者可能很像。

因此 NCTH 不把：

subjective simultaneity\text{subjective simultaneity}

當成 parallelism 的證據。

需要：

  • millisecond-level neural measurements；
  • interference paradigms；
  • dual-route priming；
  • computational model comparison；

才能區分。

28. Creativity 的倒 U 提供一個重要一般原理

2022 結果提示：

ADHD symptoms→divergent thinking\text{ADHD symptoms} \rightarrow \text{divergent thinking}

可能不是線性無界增加。

本文將此抽象成：

Pdiv=f(B,DP,CP,Econv).P_{\text{div}} = f \left( B, D_P, C_P, E_{\text{conv}} \right).

若 breadth 與 path diversity 太低，探索不足。

若太高而 coherence 與 convergence 不足，performance 也可能下降。

因此候選函數可能具有：

intermediate optimum.\boxed{ \text{intermediate optimum}. }

這比：

more chaos=more creativity\text{more chaos} = \text{more creativity}

嚴格得多。

29. Network Topology 與 Creativity 必須再分離一次

一個人可以具有：

DP↑D_P\uparrow

但創造性輸出仍低。

原因可能是：

  • domain knowledge 不足；
  • convergence 差；
  • output skill 不足；
  • motivation 低；
  • external opportunity 缺乏。

反過來，高度創造者也可能透過：

  • 深厚專業知識；
  • deliberate search；
  • analogical expertise；

產生高創造力，而不具有 ADHD-related traits。

所以：

networked cognition≠creativity.\boxed{ \text{networked cognition} \neq \text{creativity}. }

30. ADHD Strengths 不能被本體化

2026 scoping review 中，creativity 是最常見 category，interest-based attention、flexibility、uniqueness 等也被大量提及。

但 review 同時強調：

reported strength≠ADHD-caused strength.\boxed{ \text{reported strength} \neq \text{ADHD-caused strength}. }

這些 strength 可能來自：

  • neurodevelopmental trait；
  • learned compensation；
  • environmental selection；
  • identity；
  • occupational niche；
  • survivorship bias。

因此 NCTH 不把任何「優勢」寫成 ADHD 本體。

31. 任務依賴性

定義任務：

T.T.

其理想拓撲需求：

ΘT∗=(BT∗,DP,T∗,CP,T∗,Econv,T∗).\Theta_T^{*} = \left( B_T^{*}, D_{P,T}^{*}, C_{P,T}^{*}, E_{\text{conv},T}^{*} \right).

個體實際狀態：

Θi.\Theta_i.

Mismatch：

MT=d(Θi,ΘT∗).M_T = d \left( \Theta_i, \Theta_T^{*} \right).

performance：

Pi(T)=Pmax⁡(T)−λMT.P_i(T) = P_{\max}(T) - \lambda M_T.

因此：

  • ideation task 可能偏好高 BB 、高 DPD_P ；
  • proofreading 可能偏好低噪音；
  • emergency diagnosis 可能需要 breadth 加快速 convergence；
  • repetitive procedure 可能偏好穩定單一路徑。

所以：

topological advantage=task-relative advantage.\boxed{ \text{topological advantage} = \text{task-relative advantage}. }

32. 從「線性 vs 網狀」改成連續配置空間

本文放棄硬二分：

linear thinker∨network thinker.\text{linear thinker} \lor \text{network thinker}.

改成：

Θi=(Bi,Ract,i,DP,i,CP,i,XP,i,Econv,i).\Theta_i = \left( B_i, R_{\text{act},i}, D_{P,i}, C_{P,i}, X_{P,i}, E_{\text{conv},i} \right).

因此：

networkedness=multidimensional profile.\boxed{ \text{networkedness} = \text{multidimensional profile}. }

一個人可以：

  • breadth 高；
  • path diversity 高；
  • convergence 也高；

另一個人可以：

  • breadth 高；
  • coherence 低；
  • convergence 低。

兩者不能都只叫「網狀」。

33. Latent Networked Profile

本文定義潛在 profile：

LN\mathcal L_N

而不直接定義 ADHD profile。

例如：

P(LN∣ADHD)>P(LN∣control)P \left( \mathcal L_N \mid ADHD \right) > P \left( \mathcal L_N \mid control \right)

才是需要未來資料檢驗的命題。

這比：

ADHD=LNADHD = \mathcal L_N

弱很多，也合理很多。

34. NCTH 十一項可證偽命題

NC-H1：Semantic Breadth 命題

部分 ADHD-related profiles 在 semantic activation tasks 中可能呈現：

B↑B\uparrow

或：

Ract↑.R_{\text{act}}\uparrow.

若大型 clinical replications 不支持，則此命題削弱。

NC-H2：Path Diversity 命題

某些 profiles 的差異不只在想法數量，而在：

DP↑.D_P\uparrow.

若 path diversity 不提供增量信息，則刪除。

NC-H3：非全域優勢命題

B↑B\uparrow

不保證：

P↑.P\uparrow.

優勢需要 coherence 與 convergence。

NC-H4：Sparse-Cue Interaction 命題

部分 profiles 在 sparse but informative inputs 下可能相對表現更佳。

這是 interaction：

Profile×Input Structure.\text{Profile} \times \text{Input Structure}.

不是主效應。

NC-H5：Scaffold Interference 命題

過度指定 relation path 可能對部分 high-diversity profiles 產生：

Cscaf>0.C_{\text{scaf}}>0.

NC-H6：Expansion–Closure 分離命題

Divergent expansion 與 convergent closure 是不同能力。

D≠K.\mathcal D \neq \mathcal K.

NC-H7：Mind-Wandering 非等同性命題

Mind wandering 可以增加 internal candidate generation，但：

MW≠NCTH.MW \neq NCTH.

NC-H8：Brain–Cognition 非等同性命題

functional-connectivity topology 不能單獨驗證 cognitive graph topology。

NC-H9：倒 U 命題

部分任務可能存在：

B∗B^{*}

或：

DP∗D_P^{*}

最佳區，而非單調越高越好。

NC-H10：Profile 富集命題

若 NCTH 與 ADHD 有關，則 latent networked profile 在 ADHD population 中應有統計富集，但不要求人人存在。

NC-H11：增量價值命題

若 graph-derived variables 在控制：

  • IQ；
  • working memory；
  • executive function；
  • language ability；
  • symptom severity；

後不能提高 out-of-sample prediction，則 NCTH 應被視為冗餘。

35. 實驗一：Semantic Spreading Activation

使用：

  • cue word；
  • near associate；
  • remote associate；
  • unrelated distractor。

測量：

RT(d),RT(d),

其中：

dd

為 semantic distance。

若 activation spread 較廣，可能出現較遠距離的 priming effect。

核心比較：

RTremote−RTnear.RT_{\text{remote}} - RT_{\text{near}}.

需要控制：

  • vocabulary；
  • IQ；
  • language proficiency；
  • medication；
  • sleep；
  • age。

36. 實驗二：Free Association Graph

對同一 cue 連續產生 associations。

建立個體 semantic graph：

Giassoc.\mathcal G_i^{\text{assoc}}.

測量：

  • node count；
  • degree distribution；
  • average semantic distance；
  • clustering coefficient；
  • path diversity；
  • repetition；
  • off-domain drift。

但：

Giassoc\mathcal G_i^{\text{assoc}}

仍然只是 behavioral graph，不是 brain graph。

37. 實驗三：Sparse Causal Completion

建立三種 stimulus：

Condition A：Full Scaffold

因果連接詞完整。

Condition B：Partial Scaffold

保留部分關係標記。

Condition C：Sparse Nodes

只提供核心內容節點。

測量：

Tcompletion,T_{\text{completion}}, Acausal,A_{\text{causal}}, Nvalid paths,N_{\text{valid paths}}, DP,D_P, Nfalse paths.N_{\text{false paths}}.

核心不是問：

哪組最快？

而是檢驗：

Profile×Scaffold Level.\text{Profile} \times \text{Scaffold Level}.

38. 實驗四：Constraint Injection

先讓受試者自由形成解。

之後逐步加入：

c1,c2,…,ckc_1,c_2,\ldots,c_k

約束。

觀察：

∂DP∂k\frac{ \partial D_P }{ \partial k }

與：

∂P∂k.\frac{ \partial P }{ \partial k }.

若某些 profiles 對過早 scaffold 較敏感，可能出現：

DP↓D_P\downarrow

並伴隨 performance 下降。

39. 實驗五：Divergent–Convergent Switch

第一階段：

D\mathcal D

要求產生盡可能多的候選。

第二階段：

K\mathcal K

要求快速選出最可行解。

測量：

Nideas,N_{\text{ideas}}, DP,D_P, Tclosure,T_{\text{closure}}, Afinal.A_{\text{final}}.

NCTH 真正預測的不是 ADHD 只在第一階段更好，而是：

不同 profile 在 expansion 與 closure 的 trade-off 形狀不同。

40. 實驗六：Cross-Path Validation

設計具有：

mm

條獨立線索路徑的問題。

其中部分路徑支持：

H1,H_1,

部分支持：

H2.H_2.

測量受試者是否能：

  1. 同時保持多個 hypothesis；
  2. 找出衝突；
  3. 淘汰不一致路徑；
  4. 最後收斂。

定義：

XPX_P

與：

Econv.E_{\text{conv}}.

這比單純 divergent-thinking task 更直接測試「網狀推理」。

41. 實驗七：Parallelism vs Rapid Switching

使用時間解析方法：

  • EEG；
  • MEG；
  • eye tracking；
  • response probes；
  • hidden-state computational modeling。

比較兩個模型：

M∥M_{\parallel}

與：

Mswitch.M_{\text{switch}}.

若：

P(D∣M∥)≤P(D∣Mswitch),P \left( D \mid M_{\parallel} \right) \leq P \left( D \mid M_{\text{switch}} \right),

則不能宣稱真正 parallel processing。

42. 失敗條件

NCTH 應被削弱或淘汰，如果：

  1. semantic breadth 無法在 clinical ADHD replication；
  2. path diversity 不可可靠測量；
  3. sparse-cue interaction 不存在；
  4. scaffold effect 只由語言能力解釋；
  5. multi-path metrics 不優於普通 divergent-thinking scores；
  6. cross-path coherence 無群體或 profile 差異；
  7. latent profile 不在 ADHD population 富集；
  8. 所有差異可由 IQ、working memory 或 executive function 完整解釋；
  9. out-of-sample performance 不優於簡單模型。

形式上：

PNCTH,out≤Pbaseline,outP_{\text{NCTH,out}} \leq P_{\text{baseline,out}}

時，應優先保留 baseline model。

43. 最重要的反例：Clinical ADHD 與 Creativity 的關係並不穩定

2026 scoping review 明確指出，較早 reviews 對 clinical ADHD 與 creativity 的結果並不一致。

因此：

clinical ADHD⇏higher creativity.\boxed{ \text{clinical ADHD} \not\Rightarrow \text{higher creativity}. }

這對 NCTH 不是問題，反而是必要限制。

因為 NCTH 本來就只允許：

specific profile×specific task→specific topology effect.\boxed{ \text{specific profile} \times \text{specific task} \rightarrow \text{specific topology effect}. }

44. NCTH 不是優勢理論，而是結構理論

本文不先問：

網狀思維好不好？

而問：

候選激活、路徑形成、路徑比較與收斂的結構是否不同？

所以：

Neff>0N_{\text{eff}}>0

或：

Neff<0N_{\text{eff}}<0

都可能。

這使理論可以同時描述：

  • creative expansion；
  • distractibility；
  • cross-domain analogy；
  • irrelevant association；
  • fast pattern completion；
  • unresolved branching。

45. 與第 4 篇 Attention Entropy 的分離

第 4 篇定義：

H^Π\widehat{\mathcal H}_{\Pi}

描述資源配置的分散程度。

本篇定義：

Gt\mathcal G_t

描述候選內容之間的關係拓撲。

所以：

allocation entropy≠cognitive graph topology.\boxed{ \text{allocation entropy} \neq \text{cognitive graph topology}. }

可能：

H^Π↑\widehat{\mathcal H}_{\Pi}\uparrow

但圖結構很亂。

也可能：

H^Π↑\widehat{\mathcal H}_{\Pi}\uparrow

同時多條高 coherence 路徑被有效維持。

這是完全不同的情況。

46. 系列整合

第 1 篇：

dynamic configuration.\text{dynamic configuration}.

第 2 篇：

Nt→neuromodulatory reparameterization.\mathbf N_t \rightarrow \text{neuromodulatory reparameterization}.

第 3 篇：

St≠At≠Πt≠Ot≠Ut≠Gt.S_t \neq A_t \neq \Pi_t \neq O_t \neq U_t \neq G_t.

第 4 篇：

Xt=(Rmax⁡,H^Π,L,Tdwell,νswitch,Bexit,RG).\mathbf X_t = \left( R^{\max}, \widehat{\mathcal H}_{\Pi}, L, T_{\text{dwell}}, \nu_{\text{switch}}, B_{\text{exit}}, R_G \right).

第 5 篇現在加入：

Gt=(Vt,Et,Wt)\boxed{ \mathcal G_t = \left( V_t, E_t, W_t \right) }

以及：

Θttopo=(B,Ract,DP,C‾P,XP,Econv).\boxed{ \Theta_t^{\text{topo}} = \left( B, R_{\text{act}}, D_P, \overline C_P, X_P, E_{\text{conv}} \right). }

系列主幹因此更新為：

Nt→Zt→Πt→Xt→Gt→Ot→Ut→Gt→Pt→Yt.\boxed{ \mathbf N_t \rightarrow \mathbf Z_t \rightarrow \Pi_t \rightarrow \mathbf X_t \rightarrow \mathcal G_t \rightarrow O_t \rightarrow U_t \rightarrow G_t \rightarrow P_t \rightarrow Y_t. }

47. 本文不主張的內容

本文不主張：

  1. ADHD 等於網狀思維；
  2. 所有 ADHD individuals 都有較廣 semantic activation；
  3. semantic activation 等於推理；
  4. divergent thinking 等於 networked cognition；
  5. creativity 是 ADHD 固有優勢；
  6. mind wandering 等於多路徑推理；
  7. functional-connectivity graph 等於 cognitive graph；
  8. 主觀「同時想到很多」證明真正 parallel processing；
  9. 更多 association 一定更好；
  10. path diversity 越高越好；
  11. sparse input 對 ADHD 一定比較好；
  12. scaffold 對 ADHD 一定有害；
  13. clinical ADHD 一定具有較高 creativity；
  14. creativity research 已驗證 NCTH；
  15. graph metrics 可以直接用於 ADHD diagnosis；
  16. 本文模型是神經生理模型。

48. 結論

「網狀思維」若只是：

想很多、跳很快、聯想很多，

那它缺乏科學價值。

本文把它拆解成：

activation breadth\boxed{ \text{activation breadth} } activation radius\boxed{ \text{activation radius} } path diversity\boxed{ \text{path diversity} } path coherence\boxed{ \text{path coherence} } cross-path consistency\boxed{ \text{cross-path consistency} } convergence efficiency.\boxed{ \text{convergence efficiency}. }

因此真正有用的 networked cognition 不是：

more associations.\text{more associations}.

而是：

generate multiple candidate routes, preserve useful diversity, reject incoherent routes, and converge when the task requires closure.\boxed{ \text{generate multiple candidate routes, preserve useful diversity, reject incoherent routes, and converge when the task requires closure}. }

已有 ADHD 文獻使「較廣 semantic activation」「較少受既有範例約束」「divergent-thinking differences」成為合理研究背景，但 2026 的 evidence synthesis 仍明確顯示 creativity literature 高度異質，clinical evidence 不一致，而且現有 neuroimaging 不能直接證明 cognitive-network mechanism。

因此 NCTH 的最終命題必須保持為：

Some ADHD-related cognitive profiles may occupy a different region of associative-path topology space, but the existence, prevalence, and functional value of that region remain empirical questions.\boxed{ \text{Some ADHD-related cognitive profiles may occupy a different region of associative-path topology space, but the existence, prevalence, and functional value of that region remain empirical questions}. }

真正需要回答的是：

Do graph-derived measures of associative breadth, path diversity, coherence, and convergence predict ADHD-related task differences better than simpler cognitive models?\boxed{ \text{Do graph-derived measures of associative breadth, path diversity, coherence, and convergence predict ADHD-related task differences better than simpler cognitive models?} }

若答案是否定，「網狀認知拓撲」就應被放棄。

若答案肯定，則它可以成為連接 semantic activation、divergent thinking、mind wandering、因果補完與情境性 performance 的一個中層計算語言，而不是 ADHD 的新標籤。

參考文獻

  1. White, H. A., & Shah, P. Scope of Semantic Activation and Innovative Thinking in College Students with ADHD. Creativity Research Journal. 2016;28(3):275–282. DOI: 10.1080/10400419.2016.1195655.

  2. White, H. A. Thinking “Outside the Box”: Unconstrained Creative Generation in Adults with Attention Deficit Hyperactivity Disorder. The Journal of Creative Behavior. 2020;54(2):472–483. DOI: 10.1002/jocb.382.

  3. Hoogman, M., Stolte, M., Baas, M., & Kroesbergen, E. Creativity and ADHD: A review of behavioral studies, the effect of psychostimulants and neural underpinnings. Neuroscience & Biobehavioral Reviews. 2020;119:66–85.

  4. Stolte, M., Trindade-Pons, V., Vlaming, P., Jakobi, B., Franke, B., Kroesbergen, E. H., Baas, M., & Hoogman, M. Characterizing Creative Thinking and Creative Achievements in Relation to Symptoms of Attention-Deficit/Hyperactivity Disorder and Autism Spectrum Disorder. Frontiers in Psychiatry. 2022;13:909202. DOI: 10.3389/fpsyt.2022.909202.

  5. Hupfeld, K. E., Osborne, J. B., Tran, Q. T., Hyatt, H. W., Abagis, T. R., et al. Validation of the dispositional adult hyperfocus questionnaire (AHQ-D). Scientific Reports. 2024;14:19460. DOI: 10.1038/s41598-024-70028-y.

  6. Gao, Z., et al. Reduced temporal and spatial stability of neural activity patterns predict cognitive control deficits in children with ADHD. Nature Communications. 2025. DOI: 10.1038/s41467-025-57685-x.

  7. Arabacı, G., & Parris, B. A. Daily life mind wandering and its relation to symptoms of ADHD in a community sample of emerging adults. Current Psychology. 2026;45:442. DOI: 10.1007/s12144-025-08962-x.

  8. Ogata, H., Nakane, E., Kondo, C., Saima, S., Ihara, H., et al. Mind-Wandering in Adolescents With ADHD: A Comparative Study. Journal of Attention Disorders. 2026;30(4). DOI: 10.1177/10870547251385660.

  9. Minamoto, T., Hayashi, T., & Al-Mamun, M. A. Behavioral and Self-Report Measures of Spontaneous Mind Wandering Predict Different Aspects of ADHD in Adults. Journal of Attention Disorders. 2026. DOI: 10.1177/10870547261448262.

  10. Rafael, R. B., Jia, H., Rouel, M., Wootton, B. M., & Mitchison, D. Attention Deficit/Hyperactivity Disorder (ADHD)-Related Strengths in Adults: A Scoping Review. Journal of Attention Disorders. 2026. DOI: 10.1177/10870547261425737.

文獻使用聲明

本文僅使用上述研究建立截至 2026-08-16 的外部實證邊界。

本文提出的 NCTH、認知圖 Gt\mathcal G_t 、activation breadth BtB_t 、activation radius RactR_{\text{act}} 、path diversity DPD_P 、path coherence C‾P\overline C_P 、cross-path consistency XPX_P 、convergence efficiency EconvE_{\text{conv}} 、networked cognition effective score NeffN_{\text{eff}} 與 sparse-cue／scaffold-interference hypotheses，均為本文理論構件，不應被誤認為上述研究作者的原始結論。

不同文獻包含臨床 ADHD、subclinical traits、community samples、college samples、adolescents、adults、self-report、behavioral tasks、creativity measures、mind-wandering measures 與 neuroimaging。它們不能被視為單一大型實驗直接累加。

狀態： v0.1，理論稿
新增原始臨床／人體數據： 無
醫學用途： 無
下一篇： 《感覺變強不等於真的變強：主觀清晰度、元認知信心與客觀表現》