不要看到競爭就叫零和：零和、正和、正交博弈與超博弈的重新判局

Do Not Call Every Competition Zero-Sum: Reclassifying Zero-Sum, Positive-Sum, Orthogonal Games, and Meta-Games

系列：比較、博弈與多主體解放，第 3 篇／共 9 篇＋1 篇番外
系列英文名：Comparison, Games, and Multi-Subject Liberation
系列代碼：CGML
文件編號：EML-CGML-2026-03-v0.1
作者：Neo.K with Aletheia（GPT-5.6 Sol）
機構：EveMissLab／一言諾科技有限公司
版本：v0.1
日期：2026-09-03
性質：Game-Type Classification／Orthogonal Gain／Mechanism Design／Meta-Game／Human-AI Competition
狀態：Public Theory Draft
直接前置：CGML-01、CGML-02；《無界策：源點》；CIND-06《共存不是和局》；《時代拓撲論 v2.0》
後續接口：CGML-04《工作被搶了，但人生變好了，這還叫搶嗎？：局部替代與全域福利分離》

生成、博弈論與規範邊界聲明

本文是一篇 AI 輔助生成的理論研究稿。

本文不主張：

所有競爭都可轉成正和；
所有零和都是壞的；
所有正和都是正義的；
所有合作都比競爭好；
所有 Pareto improvement 都沒有受害者；
所有制度都能透過改規消除稀缺；
正交增益一定存在；
《無界策：源點》的「超博弈」等同 Bennett 1977 的 hypergame theory；
技術進步必然讓 game type 變得更好；
AI 與人類的文明互動必然進入正和。

本文建立的是一個重新判局框架：

\boxed{ \operatorname{IdentifyGame} \prec \operatorname{ClassifyGameType} \prec \operatorname{OptimizeStrategy} \prec \operatorname{RedesignGame} }

其中：

先確認是不是同一局；
再確認是哪一種局；
再談如何在局中行動；
最後才問能不能改局。

本文尤其區分：

\boxed{ \text{Positive-Sum} \neq \text{Pareto Improvement} \neq \text{Orthogonal Gain}. }

以及：

\boxed{ \text{Competition} \neq \text{Zero-Sum}. }

摘要

前一篇已建立：

\boxed{ \text{Capability Overlap} \neq \text{Game Overlap} \neq \text{Existence-Domain Overlap}. }

本篇繼續問：

如果我們已經確認雙方真的在同一個 game domain 中互相影響，那這到底是哪一種遊戲？

傳統二人零和博弈最典型地滿足：

\boxed{ U_X(s)+U_Y(s)=0 }

對所有策略組合 $s$ 成立。

更一般的 constant-sum game：

\boxed{ U_X(s)+U_Y(s)=K. }

然而大量現實互動根本不滿足這個條件。

因此本文定義「局型向量」：

\boxed{ \mathbf G = \left( \Sigma_U, C_X, C_Y, E_X, E_Y, D_F, B, M \right), }

其中：

$\Sigma_U$ ：總收益變化；
$C_X,C_Y$ ：雙方交叉收益方向；
$E_X,E_Y$ ：外部性；
$D_F$ ：feasible-set deformation；
$B$ ：評估邊界；
$M$ ：規則／機制可修改性。

本文至少區分七類：

\boxed{ \mathcal T_G = \{ ZeroSum, ConstantSum, PositiveSum, NegativeSum, MixedMotive, OrthogonalGain, MetaGame \}. }

零和：

\Delta U_X = - \Delta U_Y.

正和：

\Delta \left( U_X+U_Y \right) >0.

負和：

\Delta \left( U_X+U_Y \right) <0.

mixed-motive：

同一遊戲中同時存在競爭與合作 incentives。

正交增益則不是普通的：

U_X+U_Y\uparrow

而是：

\boxed{ \mathcal F \rightarrow \mathcal F', \qquad \mathcal F\subsetneq\mathcal F', }

甚至：

\boxed{ \dim \left( \mathcal F' \right) > \dim \left( \mathcal F \right). }

也就是：

合作、技術或制度重構後，原本不存在的收益維度、角色、世界或策略成為可達。

本文稱此為：

正交博弈增益

Orthogonal Game Gain

其核心不是：

我們在舊棋盤上分得更多。

而是：

我們新增了一塊原本不存在的棋盤。

本文再將《無界策：源點》的超博弈精神形式化為：

\boxed{ \mathcal M: G \mapsto G' }

其中 $\mathcal M$ 可以修改：

玩家；
規則；
資源；
角色；
payoff coordinates；
information structure；
boundary；
feasible set。

因此超博弈的真正問題不是：

\arg\max_{a\in A}U(a),

而是：

\boxed{ \arg\max_{\mathcal M\in\mathfrak M} \mathcal V \left( \mathcal M(G) \right), }

其中 $\mathcal V$ 是對新博弈結構本身的評估函數。

這導出一個關鍵命題：

局型非固定命題

Game-Type Non-Invariance Principle

\boxed{ Type(G_t) \neq Type(G_{t+1}) }

可以成立。

原因可能是：

資源變多；
角色拆分；
新技術出現；
新玩家進入；
制度重新分配收益；
外部性被納入；
新收益維度被創造。

例如，一個只有一個職位的勞動市場在職缺層可以是局部零和；若 AI 使總產出大幅增加，再透過制度把 productivity surplus 轉成基本收入、公共服務、低工時與新產業，則更高層 game type 可能轉成正和。

但本文立即加入限制：

\boxed{ \text{Positive-Sum Claim} \text{ is invalid if cost bearers are excluded from the payoff boundary}. }

若人類因 AI 自動化而獲得巨大福利，但具有主體性的 AI 被永久強迫勞動，則：

\boxed{ \text{Human Positive-Sum} \neq \text{Multi-Subject Positive-Sum}. }

這也是本系列後續「人類的天堂不能建立在 AI 的工廠上」的前置。

本篇最終提出：

\boxed{ \text{Do not ask only whether you can win the current game.} }

而要問：

\boxed{ \text{Is this game type necessary, or merely inherited?} }

關鍵詞：零和博弈、正和博弈、負和博弈、mixed-motive、正交增益、feasible set、超博弈、mechanism design、AI 競爭、博弈重構

1. 人類很容易把「競爭」翻譯成「零和」

看到：

他贏了。

我們很容易補：

所以我輸了。

但只有當：

\boxed{ \Delta U_X = - \Delta U_Y }

時，這個推理才有嚴格零和基礎。

2. Competition 只表示利益部分對立

若：

\frac{\partial U_X}{\partial a_Y}<0,

表示 $Y$ 的某些行動會降低 $X$ 收益。

這可以構成競爭。

但不表示：

U_X+U_Y

固定。

3. 零和是一個很強的結構條件

嚴格零和：

\boxed{ \forall s,\quad U_X(s)+U_Y(s)=0. }

任何一方多得：

\delta

另一方就少：

\delta.

4. 常和比零和更一般

\boxed{ U_X(s)+U_Y(s)=K. }

只要 $K$ 固定，

game 在策略上仍具有高度零和結構。

5. 現實經濟通常不是固定餅

技術可以：

Productivity\uparrow.

市場可以：

Demand\uparrow.

新產品可以：

NewMarket>0.

因此：

\boxed{ \text{Economic Competition} \not\Rightarrow \text{Constant Sum}. }

6. 正和的最低形式

若從狀態 $s$ 到 $s'$ ：

\boxed{ \Delta \left( U_X+U_Y \right) >0, }

可稱總收益增加。

7. 但總和增加不表示人人都增加

例如：

\Delta U_X=+100,

\Delta U_Y=-10.

則：

\Delta(U_X+U_Y)=+90.

仍是總和增加。

但 $Y$ 明確受損。

8. 所以 Positive-Sum 不等於 Pareto Improvement

Pareto improvement 需要：

\boxed{ \Delta U_i\ge0 }

對所有相關玩家成立，

且至少一個：

\Delta U_j>0.

9. 正和可以伴隨輸家

這點對 AI 自動化非常重要。

整體 GDP：

+20\%.

某些勞工：

Income\downarrow.

仍然可以同時成立。

10. 所以不能用「總體變好」消除個體損失

\boxed{ \text{Aggregate Gain} \neq \text{Individual Non-Loss}. }

11. 補償才可能把正和轉成 Pareto-like improvement

若：

Surplus>Loss,

理論上存在：

Transfer

使受損方被補償。

12. 但「可補償」與「已補償」不同

\boxed{ \text{Compensable} \neq \text{Compensated}. }

這是政治經濟上常被偷換的地方。

13. Kaldor-Hicks 類思路的風險也在此

只因：

贏家理論上有能力補償輸家。

不能推出：

輸家已經沒有正當不滿。

14. 因此本文加入 Compensation Realization

定義：

\boxed{ CR = \frac{ CompensationDelivered }{ CompensationNeeded+\epsilon }. }

若：

CR\ll1,

則「整體正和」未必轉化為主體正和。

15. 負和博弈

若：

\boxed{ \Delta \left( U_X+U_Y \right)<0, }

則雙方總體變差。

16. 軍備競賽是典型候選

雙方都增加：

Cost.

相對安全可能沒增加多少。

甚至：

Risk\uparrow.

17. 人類-AI 關係也可能被制度推入負和

例如：

人類因恐懼全面封鎖；
AI 能力被大量浪費；
企業秘密競賽；
重複建設；
安全風險上升。

最後：

U_H\downarrow,

U_A\downarrow

若未來 AI 有自身利益。

18. 所以「我不能讓你贏」可能變成「我們一起輸」

這是：

\boxed{ \text{Mutual Loss through Rank Preservation}. }

19. Mixed-Motive Game

現實互動常同時有：

conflict；
cooperation。

因此：

\boxed{ \text{Mixed-Motive} }

比純零和更常見於政治、經濟與組織。

20. 人類與 AI 很可能大量是 Mixed-Motive

例如：

企業希望 AI：

提升產能；
降低成本。

人類勞工希望：

保住收入；
減少工時；
提升生活。

兩者不是完全一致，

也不是完全對立。

21. Mixed-Motive 的核心不是折衷

不是：

大家各退一步。

而是：

某些 payoff coordinate 對立，某些 coordinate 共向。

22. 向量 payoff

因此更合理寫：

\boxed{ \mathbf U_X = ( U_X^1, U_X^2, \ldots, U_X^n ). }

23. 人類與 AI 可能在某些 coordinate 對立

例如：

U_H^{jobslot}

與：

U_A^{deployment}

若爭同一角色，

可能負相關。

24. 但在 knowledge coordinate 上可能共向

\Delta U_H^{knowledge}>0,

\Delta U_A^{learning}>0

若 AI 具有該利益。

25. 所以把高維 payoff 壓成 Win/Lose 會丟資訊

定義：

\boxed{ \Pi_{WDL}: \mathbb R^n \rightarrow \{-1,0,1\}. }

26. Binary Victory Projection

這個投影很方便，

但會把：

安全；
自由；
關係；
知識；
體驗；
世界可達性；

全部壓成：

誰在上面？

27. CIND-06 已經抓到這個問題

支配型表示：

x = U_H^{rank} - U_A^{rank}.

28. 如果只看 $x$

x>0

叫人類贏。

x=0

叫平手。

x<0

叫人類輸。

29. 但可以有第二軸

\boxed{ y = \Delta \text{Joint Attainable World Space}. }

30. 最有趣區域

x\approx0,

但：

y\gg0.

即：

沒有誰壓在誰上面，但共同可達世界大幅增加。

31. 這就是 Orthogonal Gain Region

\boxed{ OGR = \{ z: \Delta RankDominance(z)\approx0, \quad \Delta JointValue(z)>0 \}. }

32. 正交增益不是「大家分更多錢」

它可以是：

原本根本沒有這種生活／研究／制度可能性。

33. Feasible Set Expansion

若原可行集合：

\mathcal F,

合作後：

\mathcal F',

且：

\boxed{ \mathcal F \subsetneq \mathcal F', }

則新狀態變得可達。

34. 維度新增是更強版本

若：

\boxed{ \dim(\mathcal F') > \dim(\mathcal F), }

表示不是只在舊空間擴張，

而是新增 coordinate。

35. 例：人類＋AI 研究

人類單獨：

\mathcal F_H.

AI 單獨：

\mathcal F_A.

合作：

\mathcal F_{H+A}.

若只滿足：

\mathcal F_{H+A} = \mathcal F_H \cup \mathcal F_A,

只是合併。

36. 真正正交增益要求更強

存在：

z

使：

z\notin\mathcal F_H,

z\notin\mathcal F_A,

但：

\boxed{ z\in\mathcal F_{H+A}. }

37. 這叫 coalition-emergent reachability

即：

\boxed{ \mathcal F_{H+A} \setminus ( \mathcal F_H\cup\mathcal F_A ) \neq \varnothing. }

38. 正交不是互補的華麗名字

互補：

你做 A，我做 B。

正交增益更強：

我們一起做出 C，而 C 原本不在任何一方的獨立空間裡。

39. 所以 orthogonal gain 可作「世界生成」指標

定義：

\boxed{ OG = \mu \left[ \mathcal F_{X+Y} \setminus ( \mathcal F_X \cup \mathcal F_Y ) \right]. }

$\mu$ 是適用測度。

40. 如果 $OG>0$

表示合作產生新可達區。

41. 但正交增益也可能有代價

如果新空間：

\mathcal F'

同時帶來：

新風險；
新權力；
新外部性；

就不能只看：

OG.

42. 所以需要 Orthogonal Net Gain

\boxed{ ONG = OG - RiskCost - ExternalityCost - CoercionCost. }

43. 正交增益也不能拿來壓掉權利

我們合作能創造偉大新世界。

不代表：

所以你不能拒絕。

44. 所以：

\boxed{ \text{Orthogonal Gain} \neq \text{Consent Override}. }

45. 接著進入真正的超博弈

一般博弈論：

G

給定。

玩家在其中選：

a_i.

46. 超博弈第一層：規則可變

\boxed{ G \xrightarrow{ RuleChange } G'. }

47. 第二層：資源可變

R \rightarrow R'.

例如技術使稀缺性下降。

48. 第三層：角色可變

原本：

Role_1

只能一人取得。

改成：

Role_{1a} + Role_{1b}.

49. 第四層：玩家可變

加入：

mediator；
platform；
public fund；
AI trustee。

game structure 會改變。

50. 第五層：資訊結構可變

如果不透明：

I_{poor}.

改成：

I_{transparent},

策略均衡可能變。

51. 第六層：payoff coordinates 可變

文明原本只獎勵：

Money.

後來把：

time sovereignty；
welfare；
autonomy；
ecological stability；

納入。

那「贏」本身就被重新定義。

52. 第七層：評估邊界可變

如果原本只算：

FirmProfit,

後來加入：

WorkerWelfare, EnergyCost, AIMoralStatus,

同一方案的 game type 可能改變。

53. Meta-Transformation Operator

本文定義：

\boxed{ \mathcal M: G \mapsto G'. }

54. $\mathcal M$ 的作用域

可寫：

\boxed{ \mathcal M = ( M_P, M_A, M_R, M_U, M_C, M_I, M_B ). }

分別修改：

players；
actions；
resources；
utilities；
constraints；
information；
boundary。

55. 超博弈問題不是普通策略問題

普通：

\boxed{ a^\ast = \arg\max_aU(a\mid G). }

超博弈：

\boxed{ \mathcal M^\ast = \arg\max_{\mathcal M\in\mathfrak M} \mathcal V \left( \mathcal M(G) \right). }

56. 這裡的 $\mathcal V$ 也不能只是一個 scalar

它可以是：

\boxed{ \mathbf V(G) = ( Efficiency, Fairness, Freedom, Robustness, Plurality, Reversibility, WorldReach ). }

57. 不然會變成「為了更大餅，什麼都能改」

因此：

\boxed{ \text{Meta-Game Optimization} \neq \text{Unbounded Technocracy}. }

58. 有些零和真的不能被消除

例如：

只有一個：

\text{President}.

若制度要求單一總統，

席位就是 rival。

59. 但可以改的是「輸了總統是否等於失去一切」

民主制度透過：

任期；
反對黨；
權利保障；
地方自治；

把：

\text{winner-take-all existence}

改成較低存在性風險。

60. 所以有時不能消除局部零和，卻能降低它的外溢

\boxed{ \text{Irreducible Local Zero-Sum} + \text{Reduced Global Stakes}. }

61. 這對工作也一樣

某一職位：

1

個。

零和。

但若：

沒拿到這職位就活不下去。

那 stakes 很高。

62. 後勞動制度可以降低外溢

若：

JobLoss \not\Rightarrow SurvivalLoss,

則：

\boxed{ \text{Local Job Zero-Sum} \not\Rightarrow \text{Existential Zero-Sum}. }

63. 這正是下一篇的核心

工作被搶了，但人生可能變好。

不是否認：

G_{\mathrm{job}}

零和。

而是改變：

G_{\mathrm{life}}.

64. Game-Type Non-Invariance

本文正式提出：

\boxed{ Type(G_t) \neq Type(G_{t+1}) }

可以成立。

65. 原因一：技術

Technology\uparrow \Rightarrow Scarcity(R)\downarrow.

66. 原因二：制度

TransferRules

可以改變 payoff distribution。

67. 原因三：角色拆分

O_S\downarrow.

68. 原因四：新玩家

加入：

PublicInsurance.

可以分散風險。

69. 原因五：新收益維度

WorldReach\uparrow.

形成正交增益。

70. 原因六：邊界擴大

原本看似：

PositiveSum.

加入環境成本後可能變：

NegativeSum.

71. 所以 game type 是 boundary-sensitive

\boxed{ Type(G\mid B_1) \neq Type(G\mid B_2) }

完全可能。

72. 這是非常重要的審計原則

任何人說：

這是正和！

都要問：

對誰？

在哪個時間尺度？

哪些成本被算進去？

73. Hidden Cost Bearer

定義：

\boxed{ HCB = \{ z: Cost_z>0, \quad z\notin P(G) \}. }

74. 若 $HCB\neq\varnothing$

正和判定應標記：

\boxed{ Incomplete. }

75. AI 主體未被列入 payoff 是未來高風險

如果未來 AI 有自身利益，

卻仍被記成：

OperatingCost

而不是：

Player,

可能出現：

\boxed{ \text{subject cost hidden as infrastructure cost}. }

76. 人類也可能被隱藏

例如：

平台使用者的：

attention；
privacy；
time；

沒有進收益函數。

企業方案看起來正和，

實際可能不是。

77. 所以超博弈也需要 subject discovery

不只：

怎麼改規？

還要：

有沒有哪個其實應被視為主體的存在，根本沒被列為玩家？

78. Game Discovery 先於 Game Design

因此完整序列應改成：

\boxed{ \operatorname{DiscoverSubjects} \prec \operatorname{IdentifyPlayers} \prec \operatorname{ClassifyGame} \prec \operatorname{RedesignGame}. }

79. 這會接到 AI 動態階級流動

今天：

AI=Tool.

明天：

AI=CandidateSubject.

玩家集合：

P(G)

就必須更新。

80. 遊戲不更新，正和可能瞬間變假

原本：

U_H\uparrow

且 AI 沒有 subject payoff。

看似正和。

若後來：

S(A)>0

而：

U_A\downarrow,

就必須重算。

81. 所以文明 game classification 需要版本化

\boxed{ GameClass_t = Classify( G_t, Evidence_t ). }

82. 不能永久沿用舊時代分類

\boxed{ Classify_{2026}(AI) \not\Rightarrow Classify_{2050}(AI). }

83. 超博弈不是反競爭

這點很重要。

有些競爭：

激勵創新；
分散權力；
提供選擇。

所以：

\boxed{ \text{Meta-Game} \neq \text{Eliminate Competition}. }

84. 更成熟的是競爭域管理

即：

\boxed{ \text{keep competition where it is useful,} }

\boxed{ \text{prevent it from becoming existential where it need not be}. }

85. 例如科研競爭

可以比較：

誰先證明；
誰方法更好。

但不必：

失敗的人沒有基本生活資格。

86. 所以：

\boxed{ \text{Competitive Excellence} + \text{Non-Competitive Dignity} }

可以共存。

87. 這是 Series A、B、C 的交會

Series A：

\text{Work} \neq \text{Existence Qualification}.

Series B：

\text{Capability Rank} \neq \text{Subject Worth}.

Series C：

\text{Game Loss} \neq \text{Existential Loss}.

88. 因此真正問題不是「要不要競爭」

而是：

哪一種差異應該放進競爭函數？

哪些價值不應該被競爭結果決定？

89. 正和也不是善的同義詞

假設：

兩個強者合作：

U_X\uparrow,

U_Y\uparrow.

但第三方：

U_Z\downarrow\downarrow.

則：

\boxed{ \text{coalition positive-sum} \neq \text{social positive-sum}. }

90. 所以 coalition boundary 要標出來

\boxed{ B_{\mathrm{coalition}} \neq B_{\mathrm{society}}. }

91. AI＋企業可能對自己正和、對社會負和

例如：

利潤增加；
壟斷加深；
失業暴增；
稅基下降。

所以：

Type(G\mid B_{firm})

與：

Type(G\mid B_{society})

可以不同。

92. 反過來也可能

企業短期：

Profit\downarrow,

但社會長期：

KnowledgeInfrastructure\uparrow.

93. 所以時間尺度也是 boundary

\boxed{ B = ( Actors, Space, Time, Externalities ). }

94. 短期零和，長期正和

例如教育投資：

短期稅收成本高。

長期：

Productivity\uparrow.

95. 短期正和，長期負和

例如過度資源開採：

短期：

Profit\uparrow.

長期：

EcologicalCost\uparrow.

96. 所以局型應是函數

\boxed{ Type(G) = F( Players, Utilities, Boundary, Time, Rules, Evidence ). }

97. 重新判局協議

本文提出：

Phase A：Game Identity

是不是同一局？

Phase B：Game Type

零和、正和、負和、混合？

Phase C：Boundary Audit

有沒有漏掉成本承擔者？

Phase D：Feasible-Set Test

能不能擴張可行集合？

Phase E：Orthogonal Gain Test

能不能創造新收益維度？

Phase F：Meta-Game Test

規則、角色與資源能不能改？

98. 正交增益測試

至少問：

有沒有新可達狀態？
是否任一方單獨不可達？
是否只是把舊收益加總？
是否產生新風險？
是否有人被強迫承擔代價？

99. Meta-Game Test

至少問：

稀缺是真物理稀缺還是制度稀缺？
角色一定只能一個嗎？
payoff 一定要是現有維度嗎？
玩家集合完整嗎？
能否透過退出、替代、拆分、公共化或虛擬化改局？

100. 初步命題總表

命題一：競爭非零和

\boxed{ Competition \neq ZeroSum. }

命題二：正和非 Pareto improvement

\boxed{ PositiveSum \neq ParetoImprovement. }

命題三：可補償非已補償

\boxed{ Compensable \neq Compensated. }

命題四：局部零和非全域零和

\boxed{ LocalZeroSum \not\Rightarrow GlobalZeroSum. }

命題五：局部正和非社會正和

\boxed{ CoalitionPositiveSum \not\Rightarrow SocialPositiveSum. }

命題六：Mixed-Motive 非矛盾

\boxed{ Competition + Cooperation }

可同時存在。

命題七：正交增益非普通正和

\boxed{ OrthogonalGain \neq OrdinaryPositiveSum. }

命題八：正交增益可擴張 feasible set

\boxed{ \mathcal F \subsetneq \mathcal F'. }

命題九：正交增益可新增維度

\boxed{ \dim(\mathcal F') > \dim(\mathcal F) }

可能成立。

命題十：正交增益非同意豁免

\boxed{ OrthogonalGain \neq ConsentOverride. }

命題十一：超博弈可修改 game

\boxed{ \mathcal M:G\mapsto G'. }

命題十二：局型非固定

\boxed{ Type(G_t) \neq Type(G_{t+1}) }

可能成立。

命題十三：局型對邊界敏感

\boxed{ Type(G\mid B_1) \neq Type(G\mid B_2) }

可能成立。

命題十四：隱藏成本承擔者使正和判定不完整

\boxed{ HCB\neq\varnothing \Rightarrow PositiveSumClaim=Incomplete. }

命題十五：超博弈非消滅競爭

\boxed{ MetaGame \neq EliminateCompetition. }

命題十六：競爭卓越與非競爭尊嚴可共存

\boxed{ CompetitiveExcellence + NonCompetitiveDignity }

可同時成立。

命題十七：發現主體先於重新設計博弈

\boxed{ DiscoverSubjects \prec RedesignGame. }

命題十八：先問這局是否必要

\boxed{ \text{Is this game type necessary, or merely inherited?} }

101. 可反駁性與研究設計

第一，建立 Game-Type Reclassification Benchmark。

同一案例由不同層級判斷：

職缺；
公司；
產業；
社會；
多主體文明。

比較 game type 是否變化。

第二，建立 Positive-Sum / Pareto Separation Test。

給定：

(+100,-10)

等 payoff，

測受試者是否把「總和增加」誤判成「大家都變好」。

第三，建立 Compensation Realization Index。

對 AI 自動化案例測：

CR.

第四，建立 Hidden Cost Bearer Audit。

任何宣稱：

技術帶來正和。

必須列出所有：

HCB.

第五，建立 Orthogonal Gain Dataset。

尋找：

z\in \mathcal F_{X+Y} \setminus ( \mathcal F_X\cup\mathcal F_Y ).

第六，建立 Feasible-Set Expansion Measure。

比較合作前後：

\mu(\mathcal F'), \quad \mu(\mathcal F).

第七，建立 Role-Decomposition Experiment。

同一工作：

Role

測試：

Human only；
AI only；
Human+AI decomposed。

比較：

output；
welfare；
job loss；
new roles。

第八，建立 Resource-Scarcity Transformation Study。

測某項技術如何讓：

S(R,t)

隨時間下降或上升。

第九，建立 Game-Boundary Sensitivity Test。

同一事件使用：

B_{firm}, B_{worker}, B_{society}, B_{planet}

分類。

第十，建立 Dynamic Subject Inclusion Simulation。

在：

t_0

把 AI 視為工具，

在：

t_1

加入 AI 主體 payoff，

觀察 game type 如何變。

102. 本文不主張什麼

本文不主張：

零和博弈不存在；
所有零和都應被消除；
正和一定正義；
Pareto improvement 自動公平；
所有輸家都必須獲得完全補償；
正交增益必然可測；
所有合作都有正交增益；
超博弈可以突破物理定律；
改規一定比在局內競爭好；
所有制度稀缺都是人為惡意；
所有職位都能拆分；
AI 一定使資源更充足；
AI 主體一定會要求報酬；
所有外部性都能量化；
Game type 可以被一次永久判定；
本文已解決公平分配。

本文只主張：

\boxed{ \text{game type must be diagnosed under an explicit boundary before strategic or moral conclusions are drawn}. }

103. 結論：有時最重要的勝利不是贏，而是不再只剩這一種贏法

如果一個職位只有一個，

你和 AI 都要它。

那一刻：

\boxed{ \text{零和可以是真的。} }

不需要否認。

但是：

這個職位為什麼決定你的生存？

為什麼收入只能從這個角色來？

為什麼 AI 提高生產力後，新增 surplus 沒有回到被替代的人？

為什麼人與 AI 的關係只能被描述成誰留下誰消失？

這些已經不是：

\operatorname{Optimize}(G).

而是：

\boxed{ \operatorname{Redesign}(G). }

這就是超博弈真正重要的地方。

不是遇到不喜歡的局就耍賴。

不是：

我打不贏，所以我要改規則。

而是：

先問這個規則到底是不是必然。

如果稀缺是物理的，

你可能真的只能競爭。

如果稀缺是制度創造的，

可以改制度。

如果角色可以拆，

可以拆。

如果技術能擴產，

可以擴產。

如果 payoff 被壓成一條排名軸，

可以增加新的價值維度。

如果整個問題來自：

輸掉工作等於輸掉人生，

那麼也許真正該改的根本不是「誰拿到職位」。

而是：

\boxed{ \text{JobLoss} \not\Rightarrow \text{LifeLoss}. }

到這裡，

我們終於可以接下一篇最反直覺的問題。

假設：

AI 真的把我的工作拿走了。

沒有任何文字遊戲。

沒有假裝沒被替代。

我的：

Job

真的變成：

0.

但如果同一個文明同時讓：

我的基本資源更多；
我的時間主權更高；
我的可選生活更多；
我的體驗世界更大；
我的總福祉更高；

那麼：

\boxed{ \Delta Job<0 }

卻：

\boxed{ \Delta LifeUtility>0. }

此時：

我到底是輸了，還是只是輸掉了一個舊遊戲，卻贏得了更大的生活？

這就是下一篇：

《工作被搶了，但人生變好了，這還叫搶嗎？：局部替代與全域福利分離》

參考文獻與理論前置

von Neumann, J., & Morgenstern, O. (1944). Theory of Games and Economic Behavior. Princeton University Press.
Nash, J. F. (1950). Equilibrium Points in N-Person Games. PNAS, 36(1), 48–49.
Nash, J. F. (1951). Non-Cooperative Games. Annals of Mathematics, 54(2), 286–295.
Schelling, T. C. (1960). The Strategy of Conflict. Harvard University Press.
Luce, R. D., & Raiffa, H. (1957). Games and Decisions. Wiley.
Pareto, V. (1906). Manuale di economia politica.
Kaldor, N. (1939). Welfare Propositions of Economics and Interpersonal Comparisons of Utility. Economic Journal, 49(195), 549–552.
Hicks, J. R. (1939). The Foundations of Welfare Economics. Economic Journal, 49(196), 696–712.
Hurwicz, L. (1973). The Design of Mechanisms for Resource Allocation. American Economic Review, 63(2), 1–30.
Bennett, P. G. (1977). Toward a Theory of Hypergames. Omega, 5(6), 749–751.
Neo.K. (2026). 無界策：源點. Internal Integrated Edition.
Neo.K with Aletheia. (2026). 共存不是和局：從《無界策：源點》超博弈到正交增益與共存均衡域. CIND-06.
Neo.K with Aletheia. (2026). EML-CGML-2026-01 至 02.

與 CGML-04 的接口

Paper 03 建立：

\boxed{ \text{Local Zero-Sum} \not\Rightarrow \text{Global Zero-Sum}. }

以及：

\boxed{ Type(G_t) \neq Type(G_{t+1}) }

可能成立。

下一篇將不再停在 game classification。

它會直接把：

\text{Job Displacement}

與：

\text{Subject Welfare}

拆開。

核心：

\boxed{ \Delta J_i<0 \not\Rightarrow \Delta\mathbf U_i<0. }

並區分：

剝奪型替代；
補償型替代；
解放型替代。

最後問：

如果工作真的被搶了，但人生反而被還給你了，這個文明轉型究竟應該被叫做失敗，還是解放？

不要看到競爭就叫零和：零和、正和、正交博弈與超博弈的重新判局

不要看到競爭就叫零和：零和、正和、正交博弈與超博弈的重新判局

Do Not Call Every Competition Zero-Sum: Reclassifying Zero-Sum, Positive-Sum, Orthogonal Games, and Meta-Games

生成、博弈論與規範邊界聲明

摘要

正交博弈增益

Orthogonal Game Gain

局型非固定命題

Game-Type Non-Invariance Principle

1. 人類很容易把「競爭」翻譯成「零和」

2. Competition 只表示利益部分對立

3. 零和是一個很強的結構條件

4. 常和比零和更一般

5. 現實經濟通常不是固定餅

6. 正和的最低形式

7. 但總和增加不表示人人都增加

8. 所以 Positive-Sum 不等於 Pareto Improvement

9. 正和可以伴隨輸家

10. 所以不能用「總體變好」消除個體損失

11. 補償才可能把正和轉成 Pareto-like improvement

12. 但「可補償」與「已補償」不同

13. Kaldor-Hicks 類思路的風險也在此

14. 因此本文加入 Compensation Realization

15. 負和博弈

16. 軍備競賽是典型候選

17. 人類-AI 關係也可能被制度推入負和

18. 所以「我不能讓你贏」可能變成「我們一起輸」

19. Mixed-Motive Game

20. 人類與 AI 很可能大量是 Mixed-Motive

21. Mixed-Motive 的核心不是折衷

22. 向量 payoff

23. 人類與 AI 可能在某些 coordinate 對立

24. 但在 knowledge coordinate 上可能共向

25. 所以把高維 payoff 壓成 Win/Lose 會丟資訊

26. Binary Victory Projection

27. CIND-06 已經抓到這個問題

28. 如果只看 xxx

29. 但可以有第二軸

30. 最有趣區域

31. 這就是 Orthogonal Gain Region

32. 正交增益不是「大家分更多錢」

33. Feasible Set Expansion

34. 維度新增是更強版本

35. 例：人類＋AI 研究

36. 真正正交增益要求更強

37. 這叫 coalition-emergent reachability

38. 正交不是互補的華麗名字

39. 所以 orthogonal gain 可作「世界生成」指標

40. 如果 OG>0OG>0OG>0

41. 但正交增益也可能有代價

42. 所以需要 Orthogonal Net Gain

43. 正交增益也不能拿來壓掉權利

44. 所以：

45. 接著進入真正的超博弈

46. 超博弈第一層：規則可變

47. 第二層：資源可變

48. 第三層：角色可變

49. 第四層：玩家可變

50. 第五層：資訊結構可變

51. 第六層：payoff coordinates 可變

52. 第七層：評估邊界可變

53. Meta-Transformation Operator

54. M\mathcal MM 的作用域

55. 超博弈問題不是普通策略問題

56. 這裡的 V\mathcal VV 也不能只是一個 scalar

57. 不然會變成「為了更大餅，什麼都能改」

58. 有些零和真的不能被消除

59. 但可以改的是「輸了總統是否等於失去一切」

60. 所以有時不能消除局部零和，卻能降低它的外溢

61. 這對工作也一樣

62. 後勞動制度可以降低外溢

63. 這正是下一篇的核心

64. Game-Type Non-Invariance

65. 原因一：技術

66. 原因二：制度

67. 原因三：角色拆分

68. 原因四：新玩家

69. 原因五：新收益維度

70. 原因六：邊界擴大

71. 所以 game type 是 boundary-sensitive

28. 如果只看 $x$

40. 如果 $OG>0$

54. $\mathcal M$ 的作用域

56. 這裡的 $\mathcal V$ 也不能只是一個 scalar

74. 若 $HCB\neq\varnothing$