創作意圖與視覺理由：從作者意圖到視覺決策的證據模型

Creator Intent, Visual Rationale, and Evidence Provenance

——如何讓 AI 解釋「為什麼這樣畫」，又不把推論偽裝成作者史實

VUSD Series — Paper 02 / 05
作者： Neo.K
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026-08-31
定位： 基礎理論 / Evidence Model / Intent–Rationale Theory
研究狀態： 理論模型；供藝術史分析、AI 視覺理解、SEDB-Visual、Style Atlas、AADS 與 Visual Theory Runtime 使用

摘要

Visual Understanding Shared-Domain Theory（VUSD）在 Paper 01 中提出：

I \rightarrow C \rightarrow D \rightarrow P \rightarrow U \rightarrow \Pi_O \rightarrow M,

其中 $I$ 表示 Creator Intent， $C$ 表示 Context / Constraints， $D$ 表示 Visual Decisions。

但若系統要進一步回答：

「作者為什麼這樣畫？」

就立即遇到一個核心認識論問題：

\boxed{ \text{我們看到的是作品，} \text{不是作者內部意圖本身。} }

因此：

\boxed{ \hat I \neq I, }

其中 $\hat I$ 表示由作品、歷史資料、文本、評論或模型推得的 Inferred Intent。

本文建立一套 Creator Intent–Visual Rationale Evidence Model，用以區分：

已知作者陳述
委託／設計 brief
同時代文獻
歷史證據
後世學術解讀
分析者推論
模型推論
未知

並進一步將「作者為什麼這樣做」拆成三個不同問題：

Creator Intent：作者主觀上希望達成什麼；
Contextual Cause / Constraint：哪些歷史、媒介、技術、經濟、政治與市場條件影響選擇；
Functional Rationale：無論作者是否意識到，某個視覺決策實際可能透過什麼機制造成什麼效果。

因此：

\boxed{ \text{Creator Rationale} \neq \text{Contextual Cause} \neq \text{Functional Rationale}. }

本文的目的不是讓 AI 更會「替畫家編故事」，而是建立一套 Evidence-first 視覺解釋框架，使系統在證據足夠時可以提出強解釋，在證據不足時保留多重假說，並在未知時明確輸出 UNKNOWN。

1. 「為什麼這樣畫？」其實包含至少三個不同問題

一句：

為什麼作者要這樣畫？

表面看起來只有一個問題。

實際上可能包含三類不同因果。

1.1 作者自己的理由

例如作者可能明確說：

我想讓角色看起來疏離。
我想讓觀者先看到臉。
我故意把背景壓暗。
我想反抗當時的學院派。
我只是喜歡這種顏色。

這是：

Creator-Reported Rationale

若有可靠來源，證據強度很高。

1.2 外部條件造成的選擇

作者可能沒有主動說：

我因為印刷技術限制，所以這樣構圖。

但媒介、材料、成本、政治或市場仍可能塑造結果。

例如：

印刷色數有限
畫布尺寸固定
遊戲 UI 需要角色置中
贊助者要求宗教題材
手機螢幕要求高辨識輪廓
動畫成本限制細節
平台規範限制某些表現

這是：

Contextual Causation / Constraint

1.3 視覺決策的作用理由

作者可能從未理論化某個決策。

例如作者只是憑直覺把角色的臉轉向觀看者。

但分析可以指出：

身體方向與視線方向分離
→ directional conflict
→ reciprocity 上升
→ distance tension 增加

這是：

Functional Rationale

它回答：

這個視覺決策「可能如何運作」。

而不是：

作者當時腦中是不是這樣想。

2. 三種理由不能合併

因此本文提出：

\boxed{ R= ( R_c, R_x, R_f ), }

其中：

$R_c$ ：Creator Rationale；
$R_x$ ：Contextual Rationale / Cause；
$R_f$ ：Functional Rationale。

2.1 Creator Rationale

R_c: I \rightarrow D.

表示：

作者想達成某個 Intent，所以選擇某個 Decision。

2.2 Contextual Cause

R_x: C \rightarrow D.

表示：

歷史／技術／市場／媒介條件促成或限制某個 Decision。

2.3 Functional Rationale

R_f: D \rightarrow P \rightarrow U.

表示：

某個 Decision 經由 Perceptual Mechanism 產生 Shared-domain Effect。

3. Known Intent 與 Inferred Intent

VUSD 對 Intent 的第一條硬規則：

\boxed{ \text{Known Intent} \neq \text{Inferred Intent}. }

3.1 Known Intent

只有在存在足夠 evidence 時，才可表示為：

KNOWN
DOCUMENTED
DIRECTLY_STATED

例如：

作者訪談；
書信；
設計文件；
創作說明；
委託 brief；
同時代工作筆記。

3.2 Inferred Intent

從作品或間接資料推測：

LIKELY
PLAUSIBLE
SPECULATIVE
MODEL_INFERRED

例如：

角色被放在畫面中央，因此作者「可能」希望提高人物主導性。

這是可分析的。

但不能寫成：

作者就是為了提高人物主導性。

4. Intent Evidence Hierarchy

本文提出第一版 Intent Evidence Hierarchy：

E0 — Unknown

UNKNOWN

無足夠 evidence。

E1 — Model Inference

MODEL_INFERENCE

由 AI 根據作品或上下文提出。

不能當成史實。

E2 — Human Analyst Inference

HUMAN_ANALYST_INFERENCE

由分析者提出，但未有直接歷史證據。

E3 — Scholarly Interpretation

SCHOLARLY_INTERPRETATION

具有公開論證、脈絡與學術來源，但仍可能是 interpretation。

E4 — Historical Context Evidence

HISTORICAL_DOCUMENT
CONTEMPORARY_RECORD
MARKET_RECORD
TECHNICAL_RECORD

能支持當時存在某種限制或動機背景。

E5 — Commission / Design Evidence

COMMISSION_BRIEF
DESIGN_SPEC
CLIENT_REQUEST
PRODUCTION_DOCUMENT

可以直接支持作品功能需求。

E6 — Explicit Creator Evidence

EXPLICIT_AUTHOR_STATEMENT
AUTHOR_NOTE
AUTHOR_LETTER
AUTHOR_INTERVIEW

最接近作者自述。

但仍要注意：

作者事後陳述不一定完整等同於創作當下全部心理狀態。

所以 E6 也不是「不可質疑真理」。

5. Evidence Strength 不等於 Truth

即使是作者本人陳述：

我當時只是隨便畫。

也可能：

忘記；
事後合理化；
簡化複雜決策；
出於宣傳目的；
不願公開真實理由。

因此：

\boxed{ \text{Evidence Strength} \neq \text{Absolute Truth}. }

VUSD 所做的是：

建立證據層級與來源，而不是建立不可質疑的作者心理讀心術。

6. Intent Record

建議 Intent Record：

{
  "intentId": "intent:...",
  "artifactRef": "artifact:...",
  "statement": "建立疏離但仍具吸引力的角色",
  "status": "INFERRED",
  "evidenceClass": "MODEL_INFERENCE",
  "sourceRefs": [],
  "confidence": 0.54,
  "alternatives": [
    "主要目標可能只是角色辨識",
    "可能受到類型市場慣例影響"
  ]
}

若有作者陳述：

{
  "status": "DOCUMENTED",
  "evidenceClass": "EXPLICIT_AUTHOR_STATEMENT",
  "sourceRefs": ["source:interview:..."]
}

7. 不只作者有 Intent

很多作品不是單一作者。

Intent 可能來自：

藝術家
導演
美術總監
委託人
品牌
製作人
遊戲策劃
市場部門
宗教機構
贊助者
共同創作團隊
AI Agent
使用者

因此：

I = \{ I_1,I_2,\dots,I_n \}.

有時甚至互相衝突：

導演想藝術化
市場部想更大眾
角色設計想保留辨識度
平台要求降低某些風險

所以作品可能是：

D = Resolve( I_1, I_2, \dots, I_n, C ).

8. Intent Conflict

本文建議記錄：

PRIMARY_INTENT
SECONDARY_INTENT
CONFLICTING_INTENT
CONSTRAINT_DERIVED_INTENT
UNKNOWN_PRIORITY

例如：

Primary:
角色辨識

Secondary:
受眾魅力

Constraint:
UI 小尺寸可讀性

Conflict:
過多裝飾會降低小尺寸辨識

這使 AI 能理解：

為什麼作品不是把所有美學目標都最大化。

9. 視覺設計是一個取捨問題

Visual Decision 通常是 multi-objective。

例如：

Q= ( Readability, Novelty, Appeal, Coherence, Detail, ProductionCost ).

不可能全部無限提高。

例如：

Detail\uparrow

可能造成：

Readability\downarrow.

又例如：

Symmetry\uparrow

可能：

Stability\uparrow

但：

DynamicTension\downarrow.

因此：

\boxed{ \text{Creator Decision} = \text{Trade-off Resolution}. }

10. Context Layer 的正式拆分

本文將 $C$ 拆成：

C= ( C_m, C_t, C_h, C_c, C_e, C_p, C_a ),

其中：

$C_m$ ：Medium；
$C_t$ ：Technology；
$C_h$ ：Historical；
$C_c$ ：Cultural；
$C_e$ ：Economic / Market；
$C_p$ ：Political / Institutional；
$C_a$ ：Audience / Distribution。

11. Medium Constraint

不同媒介允許不同 Decision。

例如：

油畫
木刻
動畫
遊戲立繪
手機 UI
電影鏡頭
生成模型
VR

具有不同限制。

所以：

D = f( I, Medium ).

同一 Intent：

強調臉部。

在：

電影

可能用特寫；

在：

遊戲立繪

可能用高對比臉部與極簡背景；

在：

32x32 icon

則可能簡化五官與輪廓。

12. Technology Constraint

技術進步會改變可用 Decision Set。

例如：

新顏料
攝影
印刷
數位繪圖
3D
實時 shader
生成 AI
ControlNet
高解析螢幕

因此：

\mathcal D_t \neq \mathcal D_{t+1}.

這也是 Paper 05「視覺演化與自適應算子生態」的重要前置。

13. Historical Constraint

某種 visual decision 可能是：

延續傳統
反抗傳統
重組傳統
引用傳統
市場慣例
宗教規範
政治象徵

因此若脫離時間：

只分析形式。

就可能失去真正的 contextual cause。

14. Market / Audience Constraint

Appeal-Preserving 研究已指出：

Audience Appeal

本身可能是角色語義。

這意味：

某些設計不是「多餘性感」或「多餘漂亮」，而是作品原本的 audience-facing language。

因此：

D = f( I, Audience, Market ).

這不表示：

市場是唯一藝術原因。

而是：

市場也可以是 Context 的一部分。

15. Creator Rationale Record

若有直接理由：

{
  "decision": "use_dark_background",
  "creatorRationale": {
    "statement": "希望人物輪廓更突出",
    "evidenceClass": "EXPLICIT_AUTHOR_STATEMENT",
    "confidence": 0.96
  }
}

若沒有：

{
  "creatorRationale": {
    "statement": null,
    "evidenceClass": "UNKNOWN"
  }
}

不能因為 Functional Rationale 很合理就補成 Creator Rationale。

16. Functional Rationale Record

例如深色背景：

Decision:
dark minimal background

Mechanism:
figure-ground separation
contrast

Shared-domain effect:
subject salience ↑
background competition ↓

這是：

R_f: D\rightarrow P\rightarrow U.

即使作者沒有相關說明，也可以作為 functional analysis。

17. 同一 Decision 可以有多個 Rationale

例如：

角色露肩

可能同時服務：

服裝設計辨識
身體輪廓閱讀
市場魅力
材質對比
角色階級
文化設定
氣候設定
純粹造型偏好

因此：

D_i \rightarrow \{ R_1, R_2, \dots,R_n \}.

不能強迫：

one visual choice
=
one reason

18. 同一 Intent 也可以由不同 Decision 實現

例如 Intent：

建立威嚴

可能用：

低視角
對稱
大尺度
高垂直線
低彩度
距離
中央構圖
空間占有

所以：

I \rightarrow \{D_a,D_b,D_c,\dots\}.

這代表：

VUSD 不是 visual recipe book。

它描述的是：

many-to-many causal relation

19. Intent–Decision Graph

因此建議使用 Graph：

Intent
  ↓
Rationale
  ↓
Decision
  ↓
Mechanism
  ↓
Shared Effect

但任一節點可以：

one-to-many
many-to-one

所以：

G_{\mathrm{VUSD}}

比線性 chain 更適合實作。

20. Alternative Explanation Set

對未知作品，AI 不應只輸出一個故事。

應保留：

H= \{ H_1,H_2,\dots,H_k \}.

例如：

H1:
為了主體 salience

H2:
受到當代視覺慣例影響

H3:
純粹是作者重複偏好

H4:
受媒介限制

並標：

supporting evidence
contradicting evidence
confidence

21. Abduction，而不是讀心

從作品推意圖，本質上更接近：

Abductive Reasoning

即：

Artifact + Context \rightarrow BestExplanation.

不是：

Artifact \rightarrow DirectAccessToMind.

因此：

\boxed{ \text{Intent Inference} = \text{Abduction}, }

而不是 mind-reading。

22. Visual Rationale 的反事實檢驗

一個 rationale 若有因果價值，應能接受：

如果不這樣做會怎樣？

例如：

dark background

改成：

high-detail bright background

若預測：

subject salience ↓
competition ↑

並可在實驗中觀察，

則 Functional Rationale 得到更多支持。

所以：

\boxed{ \text{Rationale Quality} \propto \text{Counterfactual Testability}. }

23. Creator Rationale 也可能和 Functional Effect 不一致

例如作者說：

我用紅色只是因為喜歡。

但作品在特定文化脈絡中，紅色仍可能產生：

ritual
danger
celebration

等 interpretation。

因此：

\boxed{ \text{Creator Intent} \neq \text{All Effects}. }

創作者並不壟斷作品所有可能意義。

24. Observer 也不壟斷作者意圖

反過來：

某個 observer 覺得作品悲傷。

不代表：

作者就是想表達悲傷。

所以：

\boxed{ \text{Experienced Meaning} \neq \text{Creator Intent}. }

這是 VUSD 最重要的雙向去混淆。

25. Intent / Effect Matrix

建議使用：

	Known	Inferred	Unknown
Creator Intent	有直接 evidence	由資料推論	無法判定
Context Cause	有歷史資料	有合理推論	無法判定
Functional Effect	有實驗／理論支持	模型推論	無法判定
Observer Meaning	有 observer report	預測	無法判定

這避免所有問題被壓成：

AI 說這張圖代表...

26. Historical Analysis 的最低要求

若分析歷史作品，至少應分：

artifact evidence
creator evidence
contemporary context
later interpretation
modern interpretation
model inference

例如：

這個構圖在今天看起來很 cinematic。

可能是現代 interpretation。

不能因此說：

當時作者使用 cinematic composition。

因為「cinematic」本身可能晚於作品。

這是：

anachronism risk

27. 時代錯置防護

VUSD 建議：

CONTEXT_MISMATCH
ANACHRONISTIC_TERM
LATE_INTERPRETATION

等標籤。

系統應能說：

這是用現代視覺語言描述的效果，不代表作者或當代觀眾使用相同概念。

28. Artist Style Archive 的升級

未來畫家建檔不只：

palette
brush
composition

還要保存：

KnownIntentEvidence
RecurringDecision
DocumentedRationale
ContextConstraint
FunctionalRationale
InterpretationHistory
CounterfactualBoundary

例如：

某畫家反覆使用某種構圖

可建立：

RecurringDecision

但只有在有資料時，才建立：

KnownCreatorRationale

29. Recurring Decision ≠ Explicit Theory

一個畫家可能重複做某件事，但從未寫出理論。

因此：

\boxed{ \text{Recurring Practice} \neq \text{Explicit Doctrine}. }

AI 可以發現：

作品中反覆出現某種非對稱重心。

但不能自動寫：

這位畫家的美學理論就是非對稱重心。

除非有 evidence。

30. Tacit Knowledge

許多藝術家的知識屬於：

Tacit Knowledge

即：

會做
會判斷
但不一定能完整語言化

所以作者沒有留下完整 rationale 並不奇怪。

VUSD 的任務之一，就是：

在不冒充作者自述的前提下，將 tacit visual practice 建模成 Functional Rationale。

31. Tacit → Explicit 的 AI 角色

AI 可以協助：

作品聚類
重複 pattern 發現
visual decision extraction
counterfactual simulation
自然語言 explanation

把部分 tacit practice 轉成：

explicit candidate theory

但輸出必須標：

MODEL_INFERRED_THEORY

不是：

ARTIST_CONFIRMED_THEORY

32. Creator Intent 的時間問題

Intent 也可能變。

同一創作者：

I_t \neq I_{t+1}.

甚至同一作品在不同製作階段：

初稿
中稿
完成稿
後期修訂

可能具有不同 Intent。

所以 Intent Record 應有：

time
phase
version

33. Team Intent 的演化

大型遊戲／動畫／電影作品更明顯。

例如：

CharacterDesignerIntent
ArtDirectorIntent
MarketingIntent
NarrativeIntent
PlatformConstraint

在製作過程中可能反覆協商。

因此作品不是：

OneMind \rightarrow OneArtifact.

更可能是：

MultiAgentNegotiation \rightarrow Artifact.

34. AI 作為 Creator 時

未來 AI 也可能成為 Intent source。

但要區分：

User Intent
AADS Derived Intent
AI Proposed Subgoal
Provider Behavior
Model Prior

尤其：

\boxed{ \text{Model Prior} \neq \text{Creator Intent}. }

例如模型自動把所有角色畫得更保守，

那可能只是：

default prior / safety-style entanglement

不是使用者 Intent。

35. AI Proposed Rationale

AI 可能在創作時提出：

為了保留角色危險感，我建議保留蛇的輪廓與高飽和綠色焦點。

這可以成為：

AI_PROPOSED_RATIONALE

若使用者接受：

USER_ACCEPTED_RATIONALE

但仍要保留 lineage。

36. 對 AADS 的意義

AADS 的 Visual Plan 不應只有：

Operator 1
Operator 2
Operator 3

應附：

why
target effect
constraint
evidence
trade-off

例如：

{
  "operator": "REGION_REPAIR",
  "target": "hand:right",
  "rationale": "local artifact only; global identity/style remain accepted",
  "evidenceRefs": [
    "eval:artifact:..."
  ]
}

37. 對 Reflexive Generation 的意義

RVGR 中若 Observer 說：

garment volume drifting

Rewrite Compiler 不應只是：

change prompt

還應知道：

why garment volume matters

例如：

same-series silhouette
character elegance
body proportion readability

這些 rationale 可以幫助決定：

repair
vs
continue
vs
accept

38. 對 Visual Evaluation 的意義

Evaluator 也需要回答：

哪一個 constraint 被破壞？

與：

為什麼它重要？

因此：

Evaluation = ( Finding, Effect, Rationale, Evidence ).

而不是：

score = 0.73

39. 對美術教育的意義

VUSD 不取代美術教育。

它可能補足：

很多教學中「這樣比較有張力」「這樣比較穩」「這樣比較好看」之間缺少的中介解釋。

例如從：

使用三角構圖

走向：

三角關係如何影響重心
如何形成穩定性
在哪些情況反而會降低動勢

這使 AI 可以把：

rule

轉成：

conditional rationale

40. Rule ≠ Rationale

這是本文重要命題：

\boxed{ \text{Rule} \neq \text{Rationale}. }

「三分法」是一個 Rule。

但：

為什麼這一張圖使用三分法有效？

需要：

goal
subject placement
visual weight
observer path
context

共同回答。

41. Good Practice ≠ Universal Law

因此：

\boxed{ \text{Good Practice} \neq \text{Universal Law}. }

某種做法只在特定：

goal
medium
audience
era
style

成立。

這與 Paper 05 的動態 Operator Ecology 完全一致。

42. Evidence Graph

VUSD 建議建立：

IntentEvidence
ContextEvidence
DecisionEvidence
RationaleEvidence
EffectEvidence
ObserverEvidence
CounterfactualEvidence

透過：

supports
contradicts
derived_from
interprets
measured_by
observed_at

連接。

43. Minimum Evidence Node

{
  "evidenceId": "evidence:...",
  "type": "SCHOLARLY_INTERPRETATION",
  "sourceRef": "source:...",
  "time": "2026-08-31",
  "supports": [
    "rationale:..."
  ],
  "confidence": 0.74
}

44. Confidence 不是證據類型

不能把：

confidence = 0.95

當作：

這一定是真的。

Confidence 只是模型／分析者的內部估計。

所以：

\boxed{ \text{Confidence} \neq \text{Evidence Provenance}. }

兩者都要記。

45. Falsification

對每個 Inferred Rationale，應問：

什麼 evidence 會推翻它？
是否存在更簡單解釋？
是否存在相反作品？
是否是時代錯置？
是否只是模型習慣說法？

因此：

Rationale = ( Hypothesis, Evidence, Counterevidence, Falsifier ).

46. 一個完整分析範例

Artifact：

角色回眸、露肩、薄紗、蛇、黑背景

Decision

D1 backward glance
D2 exposed shoulder
D3 translucent garment
D4 serpentine motif
D5 black background

Functional Rationale

D1 → directional conflict / reciprocity
D2 → surface salience
D3 → reveal-conceal
D4 → contour repetition / thematic danger cue
D5 → figure-ground separation

Creator Intent

若沒有直接資料：

UNKNOWN

可以另外提出：

MODEL_INFERENCE:
可能意圖為危險 + 吸引 + 神秘

但不得標為 documented intent。

Context

fantasy character-art market
game portrait / character display
SFW sensual visual language

若有來源再提升 evidence class。

47. 一個歷史作品分析範例

若 AI 分析古代作品，不應：

直接使用現代心理學詞彙
→ 宣稱作者採用該理論

而應：

Artifact effect:
modern analysis suggests...

Historical context:
documented evidence suggests...

Creator intent:
unknown / documented...

Later interpretation:
scholars have argued...

把不同時間層分開。

48. Core Invariants

VUSD-R1

\boxed{ \text{Known Intent} \neq \text{Inferred Intent}. }

VUSD-R2

\boxed{ \text{Creator Rationale} \neq \text{Functional Rationale}. }

VUSD-R3

\boxed{ \text{Contextual Cause} \neq \text{Creator Intent}. }

VUSD-R4

\boxed{ \text{Observer Meaning} \neq \text{Creator Intent}. }

VUSD-R5

\boxed{ \text{Evidence Strength} \neq \text{Absolute Truth}. }

VUSD-R6

\boxed{ \text{Confidence} \neq \text{Evidence Provenance}. }

VUSD-R7

\boxed{ \text{Recurring Practice} \neq \text{Explicit Doctrine}. }

VUSD-R8

\boxed{ \text{Rule} \neq \text{Rationale}. }

VUSD-R9

\boxed{ \text{Model Prior} \neq \text{User / Creator Intent}. }

VUSD-R10

\boxed{ \text{Interpretation} \neq \text{Historical Fact}. }

49. 對未來 Visual Theory Knowledge Runtime 的要求

未來知識庫至少需要：

Creator
Artifact
IntentRecord
IntentEvidence
ContextRecord
ContextEvidence
VisualDecision
CreatorRationale
FunctionalRationale
RationaleEvidence
AlternativeExplanation
Counterevidence
CounterfactualTest
ObserverInterpretation
InterpretationHistory

並全部版本化。

50. 結論

「作者為什麼這樣畫？」不是一個可以靠 AI 看圖後直接猜一句話回答的問題。

更合理的模型是：

\boxed{ \text{Intent} + \text{Context} + \text{Decision} + \text{Rationale} + \text{Evidence} }

共同構成視覺創作理解。

本文最重要的不是增加更多藝術術語，而是建立一條認識論邊界：

AI 可以提出理由，但必須知道自己提出的是哪一種理由。

如果是作者明說：

documented creator intent

就如實記錄。

如果只是歷史脈絡支持：

context-supported explanation

就如此標記。

如果只是作品功能分析：

functional rationale

就不要假裝成作者心理。

如果只是 AI 推論：

model inference

就必須承認它是推論。

如果不知道：

UNKNOWN

本身就是正確答案。

因此：

\boxed{ \text{Visual Understanding} \text{ requires explanation,} \text{ but responsible explanation requires provenance.} }

這讓 VUSD 可以在藝術理論、藝術史、AI 美術生成與視覺評估之間建立一個共同的證據層。

下一篇將進一步處理：

理解共享域算子族

也就是：

當我們暫時不依賴「性感、神聖、可愛、恐怖」這些人類高階感受詞時，是否可以先建立一組更底層、跨觀察者可共享描述的視覺關係算子？

End of VUSD Paper 02 / 05 — v0.1