FF02｜願景不是預測：符號想像、模糊推演與可校準未來學

Vision Is Not Forecast: Symbolic Imagination, Fuzzy Projection, and Calibrated Futures

定位： Future Foundations / Independent Foundation Paper 02
作者： Neo.K
研究協作： Aletheia（GPT-5.6 Sol）
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026-09-07
狀態： Canonical Source / UTF-8 Markdown
文件性質： Future Methodology / Forecast Calibration / Narrative Epistemology / Scenario Reasoning

Canonical Source Note

本文件之正式原稿為此 UTF-8 Markdown source。任何 HTML、PDF、LaTeX rendering、聊天介面顯示或其他格式皆屬 projection，不取代 canonical source。

數學公式 canonical delimiter 僅使用：

inline math： $...$
display math：$$...$$

本篇承接 FF01《一步不是一步》。FF01 處理宏觀箭頭如何壓縮底層路徑空間；FF02 進一步處理一個更常見的混淆：

一個未來敘事很有想像力、很有方向感、很能鼓舞人，與它是一個高品質預測，是不是同一回事？

本文回答：

\boxed{ \text{Vision} \neq \text{Scenario} \neq \text{Forecast} \neq \text{Reality-Coupled Forecast}. }

摘要

人類對未來的語言經常混合四種不同功能：

想像；
動員；
推演；
預測。

一句：

AI 最終會讓人類不用工作。

可能是：

科幻想像；
企業願景；
社會 scenario；
技術預測；
經濟預測；
政治主張；
動員口號。

如果講者與聽者沒有區分這些不同語義域，就會產生：

\boxed{ \text{Narrative Category Collapse}. }

本文因此建立 Future Narrative Ladder：

\boxed{ N_0 \rightarrow N_1 \rightarrow N_2 \rightarrow N_3 \rightarrow N_4. }

其中：

$N_0$ ：Metaphor / Imaginative Symbol；
$N_1$ ：Vision；
$N_2$ ：Scenario；
$N_3$ ：Forecast；
$N_4$ ：Reality-Coupled Forecast。

其中 $N_0$ 與 $N_1$ 不要求高 forecast accuracy。

它們可以主要服務：

\boxed{ \text{Direction} + \text{Meaning} + \text{Coordination} + \text{Motivation}. }

而 $N_3$ 開始需要：

scope；
time horizon；
conditions；
confidence；
observable indicators；
falsifiers；
update rules。

$N_4$ 更要求預測在新 evidence 到來後持續更新。

本文因此提出：

\boxed{ \text{Narrative Utility} \neq \text{Forecast Accuracy}. }

一個願景可以非常有用，即使它不是高準確率 forecast。

相反，一個非常準的 forecast 也可能完全沒有鼓舞作用。

本文定義 Narrative Utility：

\boxed{ U_N = F( Coordination, Motivation, CapitalMobilization, Attention, Identity, Exploration ). }

以及 Forecast Quality：

\boxed{ Q_F = F( Calibration, Resolution, Conditionality, Falsifiability, Updateability, OutcomeAccuracy ). }

因此：

\boxed{ U_N \neq Q_F. }

最危險的情況不是願景存在，而是：

\boxed{ N_1 \text{ is presented as } N_3. }

也就是 Vision 被講成 Forecast。

本文將此稱為：

\boxed{ \text{Forecast Category Inflation}. }

本文進一步建立 Confidence Inflation：

\boxed{ C_I = C_{public} - C_{evidence}. }

若：

C_I\gg0,

則公眾收到的確定語氣遠高於 evidence 實際支持程度。

本文特別處理一種常見未來敘事：

\boxed{ \text{Very Strong Technology} \Rightarrow \text{Desired Social Outcome}. }

例如：

AI 很強，所以 abundance 必然到來。

機器人很強，所以人類不用工作。

ASI 很強，所以疾病、政治、戰爭都會被解決。

這類推演常使用 Capability-to-World Leap：

\boxed{ C_T \rightarrow W_F. }

FF01 已指出：

\boxed{ \text{Capability Proof} \neq \text{World-State Proof}. }

FF02 則進一步指出：

只要中介因果域沒有展開，這類語句最多是 vision / scenario，不應自動被升格為 calibrated forecast。

本文提出 Forecast Contract：

\boxed{ \mathfrak F = \left\langle Claim, Scope, Horizon, Conditions, Probability, Indicators, Falsifiers, UpdateRule, Provenance \right\rangle. }

其中：

$Claim$ ：具體主張；
$Scope$ ：適用世界／地區／domain；
$Horizon$ ：時間窗；
$Conditions$ ：成立條件；
$Probability$ ：主觀或模型信心；
$Indicators$ ：leading / lagging indicators；
$Falsifiers$ ：什麼 evidence 會降低信心；
$UpdateRule$ ：如何根據現實更新；
$Provenance$ ：資料與推理來源。

本文將預測品質分成六個級別：

\boxed{ F_0 \rightarrow F_1 \rightarrow F_2 \rightarrow F_3 \rightarrow F_4 \rightarrow F_5. }

其中：

$F_0$ ：Imaginative Narrative；
$F_1$ ：Trend Extrapolation；
$F_2$ ：Capability Forecast；
$F_3$ ：Causal-System Forecast；
$F_4$ ：World Scenario Envelope；
$F_5$ ：Continuously Updated Reality-Coupled Forecast。

$F_0$ 並不是低劣內容，它只是不能被當成 $F_5$ 。

本文進一步提出 Forecast Resolution：

\boxed{ R_F = F( StateResolution, PathResolution, TimeResolution, DomainResolution, UncertaintyResolution ). }

以及 Forecast Calibration Error：

\boxed{ E_{cal} = d( P_{claimed}, P_{observed} ). }

對多次預測者，可以建立：

\boxed{ \mathcal C_{hist} = \{(p_i,o_i)\}_{i=1}^n }

並檢查：

宣稱 80% 的事件，長期是否約有 80% 發生？

本文也提出 Prediction Debt：

\boxed{ D_P = \sum_i w_i \cdot Miss_i \cdot Confidence_i \cdot Impact_i. }

當一個人／組織反覆提出高影響、高確定度、帶時間點的預測，卻長期未實現、也沒有進行原因重估，prediction debt 會累積。

但 Prediction Debt 可以下降：

承認錯誤；
找到失敗 transition；
修改 causal model；
降低 confidence；
更新時間窗；
說明新增 evidence。

所以：

\boxed{ \text{Revision} \neq \text{Failure}. }

真正的失敗是：

\boxed{ \text{prediction misses} + \text{model does not learn}. }

本文也處理所謂「精神奮鬥法」。一個宏大願景可以：

動員資本；
招募人才；
壓縮組織方向；
提供共同未來；
強化 persistence。

因此它具有：

\boxed{ \text{Coordination Power}. }

如果最後真的因為這個願景而增加了 outcome probability，願景甚至可能具有 self-fulfilling effect：

\boxed{ Narrative \rightarrow Coordination \rightarrow Investment \rightarrow Capability \rightarrow Outcome. }

但是：

\boxed{ \text{Self-Fulfilling Narrative} \neq \text{Passive Forecast Accuracy}. }

講者若用自己的影響力促使預測成真，這其實是：

\boxed{ \text{Prediction as Intervention}. }

而不是純 observation。

本文最後提出：

\boxed{ \text{Good Future Thinking} = \text{Imagination} + \text{Decompression} + \text{Calibration} + \text{Falsification} + \text{Revision}. }

其中任何一項都不能完全取代其他項。

沒有 imagination，future reasoning 會缺乏探索力。

沒有 calibration，vision 容易假裝成 certainty。

沒有 falsification，forecast 會變成不可反駁的神諭。

沒有 revision，預測會退化成信仰。

因此本文的核心不是反對願景，而是：

願景可以很大，但要知道自己什麼時候正在做願景；預測可以很大，但要願意讓現實來修改它。

關鍵詞： Vision、Scenario、Forecast、Calibration、Narrative Utility、Prediction Debt、Falsifiability、Reality-Coupled Forecast、Future Studies

1. 為什麼 Vision 很容易被誤認成 Forecast？

因為兩者使用相同自然語言。

2. 例

AI 最終會消除大量工作。

這句可能沒有：

time；
probability；
scope；
condition。

3. 如果沒有這些

它更接近：

N_1

或：

N_2.

4. 加上時間後

2036 年大部分工作會變 optional。

開始進入：

N_3.

5. 因為它已經可以被檢驗

6. Narrative Category Collapse

當不同 narrative types 被混用：

\boxed{ N_0,N_1,N_2,N_3,N_4 \rightarrow \text{one undifferentiated future statement}. }

7. Metaphor

N_0.

目的主要是啟發。

8. Vision

N_1.

目的主要是方向、動員與意義。

9. Scenario

N_2.

描述條件式可能世界：

\boxed{ \text{If }C,\text{ then }W_i. }

10. Forecast

N_3.

開始需要 probability / time / scope。

11. Reality-Coupled Forecast

N_4.

不是發表一次後就結束。

12. 它有 update loop

\boxed{ Forecast_t \rightarrow Reality_{t+1} \rightarrow Calibration \rightarrow Forecast_{t+1}. }

13. Vision 的價值

本文不反對 vision。

14. Vision 可以降低組織 coordination cost

如果所有人知道：

我們要往火星、電動車、AGI、疾病治療走。

方向被壓縮。

15. Narrative Utility

定義：

\boxed{ U_N = F( Coordination, Motivation, CapitalMobilization, Attention, Identity, Exploration ). }

16. Coordination

共同方向。

17. Motivation

提高 persistence。

18. Capital Mobilization

吸引資源。

19. Attention

把社會注意力集中到某議題。

20. Identity

建立：

我們是做這件事的人。

21. Exploration

讓尚未證明的未來先被探索。

22. 所以 Vision 可非常有價值

即使：

Q_F

不高。

23. Forecast Quality

\boxed{ Q_F = F( Calibration, Resolution, Conditionality, Falsifiability, Updateability, OutcomeAccuracy ). }

24. Calibration

confidence 與 actual frequency 是否一致。

25. Resolution

預測有多具體。

26. Conditionality

是否知道依賴條件。

27. Falsifiability

是否有反證條件。

28. Updateability

是否能修。

29. Outcome Accuracy

最後實際結果。

30. Narrative Utility 與 Forecast Quality

\boxed{ U_N \neq Q_F. }

31. 高 $U_N$ / 低 $Q_F$

可能是很好的企業願景，但不是可靠 forecast。

32. 低 $U_N$ / 高 $Q_F$

可能是枯燥但準確的氣象／經濟預測。

33. Category Inflation

當：

N_1\rightarrow N_3

只靠語氣，而不是 evidence。

34. Forecast Category Inflation

\boxed{ I_F = Level_{presented} - Level_{supported}. }

35. 如果：

I_F>0,

預測被過度升格。

36. 模糊語句為什麼吸引人？

因為它有：

\boxed{ \text{low cognitive cost} + \text{high interpretive flexibility}. }

37. Interpretive Degrees of Freedom

定義：

\boxed{ D_I }

表示一個敘事可被事後重新解釋的自由度。

38. 例如

最終 AI 會帶來 abundance。

39. 「最終」沒有 horizon

40. 「abundance」沒有 threshold

41. 所以事後很難證偽

D_I\uparrow.

42. 模糊預測的結構優勢

\boxed{ \text{Narrative Impact}\uparrow \quad \text{Falsifiability}\downarrow }

可能同時成立。

43. 這是危險的不對稱

因為講者得到 influence，

但 accountability 低。

44. Confidence Inflation

\boxed{ C_I = C_{public} - C_{evidence}. }

45. Public Confidence

來自：

語氣；
身份；
舞台；
品牌；
媒體擴散。

46. Evidence Confidence

來自：

資料；
模型；
歷史校準；
外部驗證。

47. 兩者可以差很多

48. Authority Halo

如果一個人在 domain $D_1$ 成功，

公眾可能把其 authority 擴展到：

D_2,D_3,D_4.

49. 這形成：

\boxed{ \text{Achievement Halo}. }

50. 但：

\boxed{ Success(D_1) \not\Rightarrow ForecastAuthority(D_2). }

51. 尤其跨入宏觀未來學時

需要：

system modeling；
economics；
politics；
institutions；
human behavior。

52. 技術直覺不是全部

53. Capability-to-World Leap

本文定義：

\boxed{ L_{CW} : C_T \rightarrow W_F. }

54. 常見形式：

技術很強，所以社會必然如此。

55. FF01 已指出

中間其實是：

C_T \rightarrow \Gamma \rightarrow W_F.

56. 所以 capability claim 與 social forecast 應分離。

57. Forecast Contract

\boxed{ \mathfrak F = \left\langle Claim, Scope, Horizon, Conditions, Probability, Indicators, Falsifiers, UpdateRule, Provenance \right\rangle. }

58. Claim

必須能被理解。

59. Scope

例如：

美國；
台灣；
高收入國家；
軟體工程；
所有知識工作。

60. Horizon

最好是 interval：

[t_1,t_2].

61. Conditions

例如：

C_1=\text{agent reliability threshold}.

62. Probability

可以是：

p

或：

[\underline p,\overline p].

63. Indicators

哪些世界變數可以提前觀察。

64. Falsifiers

什麼出現就要降信心。

65. Update Rule

多久／何時更新。

66. Provenance

資料與推演從哪裡來。

67. Forecast Ladder

\boxed{ F_0 \rightarrow F_1 \rightarrow F_2 \rightarrow F_3 \rightarrow F_4 \rightarrow F_5. }

68. $F_0$ — Imaginative Narrative

純想像。

69. $F_1$ — Trend Extrapolation

把：

x_t

的 trend 往後拉。

70. 問題

容易忽略 phase shift。

71. $F_2$ — Capability Forecast

預測：

模型能力；
算力；
成本；
機器人 dexterity。

72. 比 $F_1$ 更好

但仍不是社會 outcome。

73. $F_3$ — Causal-System Forecast

加入：

adoption；
demand；
capital；
regulation；
organization；
human response。

74. $F_4$ — World Scenario Envelope

不給單一 future。

而是：

\boxed{ \mathcal E_W = \{ (W_i,p_i,C_i) \}. }

75. $F_5$ — Reality-Coupled Forecast

持續：

\boxed{ Predict \rightarrow Observe \rightarrow Calibrate \rightarrow Revise. }

76. 這六級不是 prestige ranking

77. 它是 epistemic requirement ranking。

78. 一個 $F_0$ 科幻作者

可以非常偉大。

79. 只是不能說：

因此我的故事是 calibrated forecast。

80. Forecast Resolution

\boxed{ R_F = F( StateResolution, PathResolution, TimeResolution, DomainResolution, UncertaintyResolution ). }

81. State Resolution

終點 world 說得多清楚。

82. Path Resolution

中間怎麼走。

83. Time Resolution

何時。

84. Domain Resolution

哪些領域。

85. Uncertainty Resolution

未知與 probability 怎麼表達。

86. High Resolution Forecast

不一定更準。

87. 但它更容易被檢驗。

88. Resolution / Accuracy 分離

\boxed{ R_F \neq A_F. }

89. Calibration

如果一個預測者說：

80% 會發生。

長期要看：

ObservedFrequency\approx0.8.

90. Forecast History

\boxed{ \mathcal C_{hist} = \{(p_i,o_i)\}_{i=1}^n. }

91. Calibration Error

\boxed{ E_{cal} = d( P_{claimed}, P_{observed} ). }

92. 一次預測無法很好校準人格

93. 多次才有意義。

94. Timestamped Prediction

serious forecast 應保存：

原始日期；
原始 wording；
原始 confidence。

95. 防止 hindsight rewrite。

96. Prediction Debt

\boxed{ D_P = \sum_i w_i \cdot Miss_i \cdot Confidence_i \cdot Impact_i. }

97. Miss

時間到未實現。

98. Confidence

原本說多確定。

99. Impact

對公眾／決策影響。

100. $w_i$

可加入 claim type 權重。

101. Prediction Debt 不是永久污點

102. 它可以被「還」

透過：

acknowledgment；
causal diagnosis；
model revision；
recalibration。

103. 不能被還的方式

只是：

把日期再往後移。

104. Date-Rolling Without Model Update

定義：

\boxed{ R_D^{roll}. }

105. 如果：

Date_{n+1}>Date_n

但 causal structure 不變，

只是 prediction deferral。

106. 這不等於 learning。

107. Prediction Learning

\boxed{ Model_t \rightarrow Miss \rightarrow FailureLocalization \rightarrow Model_{t+1}. }

108. Revision 不是 Failure

\boxed{ \text{Revision} \neq \text{epistemic weakness}. }

109. 拒絕 revision 才可能是問題。

110. Brier-Like Thinking

本文不固定單一 scoring rule。

111. 但重要原則：

probability claim 必須能被長期 score。

112. Point Prediction vs Interval

如果 uncertainty 高，

不應總是：

T=2036.

113. 更合理：

T\in[2034,2042].

114. 或：

P(T\le2036)=0.35.

115. Time Window 是 humility interface

116. 但過寬 window 也會降低資訊量。

117. Sharpness

需要：

\boxed{ \text{Calibration} + \text{Sharpness}. }

118. 永遠說：

0% 到 100%

雖然不會錯，卻沒有資訊。

119. Forecast Value

可以概念化：

\boxed{ V_F = F( Calibration, Sharpness, DecisionUsefulness ). }

120. Falsifiability

一個 forecast 至少要回答：

哪個 evidence 出現，我會改變信心？

121. 如果答案是：

無論發生什麼我都還是對。

那不是 forecast。

122. Narrative Immunization

定義：

\boxed{ I_N }

表示敘事對反證免疫程度。

123. $I_N$ 高

常見於：

vague horizon；
vague endpoint；
vague causal mechanism。

124. Explainability / Interpretive Freedom

預測越模糊，事後解釋空間越大。

125. 這就是：

\boxed{ D_I\uparrow \Rightarrow Falsifiability\downarrow. }

126. 但公眾常把 narrative flexibility 當成深刻。

127. 因為一句話可以映射很多現實。

128. Symbolic Elasticity

定義：

\boxed{ E_S = \text{number of distinct outcomes compatible with the statement}. }

129. 高 $E_S$

預測更難錯。

130. 但資訊量下降。

131. Future Claim Information

可以粗略理解：

\boxed{ I_F \propto -\log ( \text{compatible outcome volume} ). }

132. 精確 claim 資訊量高

但風險也高。

133. 模糊 claim 安全

但 forecast value 低。

134. 精神奮鬥法

宏大願景確實可以讓組織前進。

135. Narrative Coordination Loop

\boxed{ Vision \rightarrow Belief \rightarrow Coordination \rightarrow Capital \rightarrow Execution. }

136. 這本身可以是 causal mechanism。

137. Self-Fulfilling Narrative

\boxed{ N \rightarrow P(W_F)\uparrow. }

138. 這不是「原來它本來就會發生」。

139. 是 narrative 改變了概率。

140. 所以：

\boxed{ \text{Prediction as Description} \neq \text{Prediction as Intervention}. }

141. 這會在 FF03 深入。

142. Self-Defeating Prediction

反過來也可能：

N \rightarrow ActorResistance \rightarrow P(W_F)\downarrow.

143. 例如公開威脅預測導致國家提早反制。

144. 因此 future forecast 有 reflexivity。

145. Public Figures

高影響者的：

PublicReach

高。

146. 所以其 narrative 不只是聊天。

147. 但本篇不做人名評價。

148. FF03 會處理：

\boxed{ \text{Influence} \times \text{Prediction} \rightarrow \text{Public Responsibility}. }

149. AI 時代的 Forecasting

AI 可以顯著降低：

資料搜尋成本；
scenario expansion 成本；
simulation 成本；
反例生成成本。

150. 所以：

\boxed{ C_{analysis}\downarrow. }

151. 但這不代表 uncertainty 消失。

152. 反而 AI 可能生成更多 plausible branches。

153. Branch Explosion

|\mathcal W_F|\uparrow.

154. 所以新問題是：

怎麼壓縮而不誤導？

155. AI-Assisted Forecast Loop

\boxed{ HumanClaim \rightarrow AIExpansion \rightarrow EvidenceSearch \rightarrow ScenarioSet \rightarrow Calibration \rightarrow Human/AIReview. }

156. 提出者的基本能力仍重要

因為 AI 不知道：

哪個問題重要；
哪個 social impact 值得關注；
哪個 branch 是倫理上 unacceptable；
哪個 assumption 不合理。

157. AI 可以補 computation

不能自動補價值選擇。

158. Forecast Governance

serious organization 應區分：

vision team；
strategy team；
forecast team；
risk team。

159. 因為四者目標函數不同。

160. Vision Team

最大化：

U_N.

161. Forecast Team

最大化：

Q_F.

162. Risk Team

最大化：

\text{tail-risk detection}.

163. Strategy Team

將：

Vision+Forecast+Risk

轉成 action。

164. 如果四者合成一個人格

容易互相污染。

165. Founder Forecast Problem

創辦人常同時扮演：

vision generator；
capital mobilizer；
public forecaster。

166. 這會造成 incentive conflict。

167. 因為越 optimistic：

U_N\uparrow

可能：

募資更好；
人才更多；
媒體更多。

168. 但：

Q_F

未必提高。

169. Optimism Incentive

\boxed{ I_{opt} = Benefit_{narrative} - Cost_{miscalibration}. }

170. 如果 miscalibration cost 很低，

系統會獎勵過度樂觀。

171. Prediction Accountability

因此需要提高：

Cost_{miscalibration}.

172. 方法不是懲罰說錯話

而是：

保留 timestamp；
追蹤 miss；
區分 vision / forecast；
要求更新。

173. Forecast Ledger

\boxed{ \mathcal L_F = \{Claim_i,Time_i,Confidence_i,Outcome_i,Revision_i\}. }

174. 這讓公眾可以看歷史校準。

175. 不是把人簡化成「準／不準」。

176. 不同 domain 要分開。

177. Domain Calibration

\boxed{ Calib(D_i) \neq Calib(D_j). }

178. 一個人在 engineering timeline 可能準，

在 geopolitics 很差。

179. 不應平均成「這人很會預測」。

180. Forecast Authority Domain

\boxed{ A_F(D). }

181. 這接 C04 的 Authority Domain 思想。

182. 成就也不能跨域自動賦權。

183. Prediction Reputation

可以用 vector：

\boxed{ \mathbf R_P = ( Calib_{tech}, Calib_{market}, Calib_{politics}, Calib_{social}, \ldots ). }

184. 這比「天才」更高解析度。

185. Forecast Failure Typology

本文提出：

\boxed{ F_{fail} = \{ F_{time}, F_{scope}, F_{condition}, F_{model}, F_{actor}, F_{shock}, F_{definition} \}. }

186. $F_{time}$

方向對、時間錯。

187. $F_{scope}$

某 domain 成立，被錯推全世界。

188. $F_{condition}$

忽略必要條件。

189. $F_{model}$

因果模型錯。

190. $F_{actor}$

低估反制與適應。

191. $F_{shock}$

外生事件。

192. $F_{definition}$

終點定義太模糊。

193. 這些 failure 應被區分。

194. 因為修正方式不同。

195. Time Miss

不一定代表方向錯。

196. 但反覆 time miss 仍要更新 timeline model。

197. Scope Miss

需要縮小 claim。

198. Model Miss

需要重建 causal structure。

199. Actor Miss

需要加入 game-theoretic response。

200. Definition Miss

要先重新定義 endpoint。

201. Forecast Maturity Ladder

本文再給一個實務成熟度：

\boxed{ M_0 \rightarrow M_1 \rightarrow M_2 \rightarrow M_3 \rightarrow M_4. }

202. $M_0$

單句預言。

203. $M_1$

有時間與 scope。

204. $M_2$

有 conditions / branches。

205. $M_3$

有 calibration / falsifiers。

206. $M_4$

有 reality update / historical scoring。

207. 這是一個可操作標準。

208. Serious Forecast Template

最低可寫：

Claim
Scope
Horizon
Conditions
Confidence
Leading Indicators
Blocking Indicators
Falsifiers
Update Date

209. 這已經比一句「我覺得會」高很多解析度。

210. 但 public communication 可以再壓縮

211. 只要完整版本存在。

212. Vision / Forecast Dual Release

企業可以同時發布：

Vision Version：一句話。
Forecast Appendix：完整條件。

213. 這樣既保留動員，也保留 accountability。

214. 精神奮鬥法的正面版本

\boxed{ \text{Bold Vision} + \text{Honest Uncertainty}. }

215. 而不是：

\boxed{ \text{Bold Vision} + \text{Pretended Certainty}. }

216. 前者可創造未來。

217. 後者容易製造神話與誤導。

218. 「預言」的政治性

當一個未來敘事影響政策：

N \rightarrow Policy.

它就不再只是 epistemic object。

219. 它具有 governance consequence。

220. 所以高影響 forecast 需要更高 evidence standard。

221. Impact-Weighted Forecast Duty

定義：

\boxed{ D_F = Impact \times Reach \times Uncertainty \times DecisionSensitivity. }

222. $D_F$ 越高，

越需要：

條件；
證據；
修正。

223. 這不等於限制言論。

224. 是 epistemic responsibility。

225. FF02 Metrics

本文提出：

\boxed{ M_{FF02} = ( U_N, Q_F, I_F, C_I, D_I, E_{cal}, D_P, I_N ). }

226. $U_N$

Narrative Utility。

227. $Q_F$

Forecast Quality。

228. $I_F$

Forecast Category Inflation。

229. $C_I$

Confidence Inflation。

230. $D_I$

Interpretive Degrees of Freedom。

231. $E_{cal}$

Calibration Error。

232. $D_P$

Prediction Debt。

233. $I_N$

Narrative Immunization。

234. High-Quality Vision

可有：

U_N\uparrow, Q_F\text{ undefined}.

這是合法的。

235. High-Quality Forecast

應：

Q_F\uparrow, E_{cal}\downarrow, I_N\downarrow.

236. Bad Future Communication

常見：

U_N\uparrow

但：

I_F,C_I,D_I,I_N\uparrow.

237. 這就是「很有話題但很難負責」。

238. FF02 Experimental Prototype 1：Narrative Type Classification

收集未來陳述。

讓 evaluator 判：

N_0\ldots N_4.

239. Prototype 2：Forecast Contract Completion

把一句宏觀預測補齊：

\mathfrak F.

看還缺哪些欄位。

240. Prototype 3：Calibration Ledger

對歷史預測做 timestamped scoring。

241. Prototype 4：Hindsight Resistance

在不知道 outcome 時先評 forecast quality。

242. 再與知道 outcome 後的評價比較。

243. 防止：

\boxed{ \text{Outcome Bias}. }

244. Prototype 5：Vision/Forecast Separation

同一 claim 產生：

vision version；
forecast version。

比較兩者使用目的。

245. Prototype 6：Intervention Test

觀察 prediction publication 是否改變：

investment；
talent；
policy；
public expectation。

246. 如果有，

就不能把其成功完全當 passive forecasting skill。

247. AI-Assisted Calibration

AI 可以：

保存 ledger；
追蹤 dates；
搜尋 evidence；
重算 confidence；
找 missed assumptions。

248. 這讓人類未來學可以更嚴格。

249. 但 AI 不能保證 objectivity

250. AI 也可能被 prompt bias。

251. 所以需要 multi-model / human audit。

252. Forecast Ensemble

\boxed{ \mathcal F_E = \{F_1,\ldots,F_n\}. }

253. 不同模型／人類給不同 probability。

254. 分歧本身是資訊。

255. Disagreement Map

\boxed{ D_G = Var( p_1,\ldots,p_n ). }

256. 高 disagreement

代表 uncertainty 高，

不應被平均值掩蓋。

257. Expert + AI

未來可能是：

\boxed{ HumanVision + AICausalExpansion + ForecastEnsemble + RealityCalibration. }

258. 這比單一名人預言更可靠。

259. 但仍保留個人想像的價值。

260. 因為未來學不是只有 prediction。

261. 還有：

possibility discovery；
risk imagination；
goal construction；
moral choice。

262. Forecasting 只是其中一個 domain。

263. 這一點非常重要。

264. 未來想像不能被 calibration 完全殖民

265. 否則人類只會預測最可能的未來，

卻不再創造新的未來。

266. 因此：

\boxed{ \text{Futures Studies} = \text{Imagination} + \text{Scenario} + \text{Forecast} + \text{Choice}. }

267. Prediction 不是唯一價值。

268. 但如果你說自己在 prediction，

就要接受 prediction standard。

269. FF02 第一核心命題

\boxed{ \text{Vision} \neq \text{Forecast}. }

270. 第二核心命題

\boxed{ U_N \neq Q_F. }

271. 第三核心命題

\boxed{ \text{Imaginability} \neq \text{Probability}. }

272. 第四核心命題

\boxed{ \text{Narrative Impact} \neq \text{Forecast Accuracy}. }

273. 第五核心命題

\boxed{ \text{Self-Fulfilling Narrative} \neq \text{Passive Forecast Accuracy}. }

274. 第六核心命題

\boxed{ \text{Revision} \neq \text{Failure}. }

275. 第七核心命題

\boxed{ \text{Miss without model update} = \text{prediction debt accumulation}. }

276. 第八核心命題

\boxed{ \text{Forecasting requires falsifiers}. }

277. 第九核心命題

\boxed{ \text{High-impact forecasts carry higher decompression and calibration duties}. }

278. 第十核心命題

\boxed{ \text{Bold vision should be compatible with honest uncertainty}. }

結論

一個人說：

AI 會改變世界。

這可以是一句很好的願景。

一個人說：

AI 會在 2036 年讓大部分人不用工作。

這已經不是同一類語句。

第二句包含：

time；
scope；
world-state claim；
implicit causal path；
implied confidence。

所以它應承擔更高 forecast standard。

本文不反對宏大願景。

相反，很多真正改變世界的工程、企業與政治行動，本來就需要：

\boxed{ \text{Imagination before proof}. }

但：

\boxed{ \text{Imagination before proof} \neq \text{certainty before evidence}. }

願景的正面功能是：

Vision \rightarrow Coordination \rightarrow Exploration \rightarrow Possibility.

預測的責任則是：

Forecast \rightarrow Calibration \rightarrow Falsification \rightarrow Revision.

兩者可以合作，但不能互相冒充。

因此本文最後把高品質未來學濃縮成：

\boxed{ \text{Imagine Boldly, Label Honestly, Forecast Conditionally, Calibrate Continuously, Revise Publicly}. }

中文：

可以大膽想像，但要誠實標示自己是在想像；可以提出預測，但要讓現實有權修改你的預測。

這就是「願景不是預測」真正的意思。

參考與前置研究

EveMissLab / Neo.K 內部前置理論

Neo.K with Aletheia, FF01｜一步不是一步：宏觀未來敘事中的底空間、路徑壓縮與可能世界, 2026.
Neo.K with Aletheia, Series C — Global Observer and AI-Native Domain Computation, 2026.
Neo.K with Aletheia, C05｜概率也有域：不確定性、混沌、不可判定與世界預測包絡, 2026.
Neo.K with Aletheia, C06｜全域展開、連結與收斂：類全域觀察者的核心計算循環, 2026.
Neo.K with Aletheia, WDC Series — World-Domain Computation, 2026.
Neo.K, 《概率、意圖與能動性——人類與 AI 的約束未來空間》, 2026.

理論定位

本文與 forecasting、scenario planning、calibration theory、decision analysis、strategic foresight、prediction markets、epistemology、narrative studies 等既有領域存在結構對照，但本文不將本篇的 Future Narrative Ladder、Prediction Debt 或 Forecast Contract 等同於任何單一既有標準。

本文的特定研究目標是：

\boxed{ \text{建立「願景、情境、預測、現實耦合預測」之間的可操作認識論邊界}. }

Future Foundations Roadmap

FF01

一步不是一步：宏觀未來敘事中的底空間、路徑壓縮與可能世界

FF02

願景不是預測：符號想像、模糊推演與可校準未來學

FF03

當預言本身改變世界：高影響力人物的預測責任、解釋權與 Promise Debt

FF04

神壇的半衰期：科技英雄、歷史成就與文化顯著性的分離

FF05

好人也不應永久掌權：類永生、ASI 與文明級權力集中

FF06

最像反烏托邦的不一定最可行：永生皇帝、企業控制者與權力形成路徑

FF07

皇上不死，太子如何繼位：類永生時代的菁英流轉、可能性剝奪與制度任期

End of FF02

FF02｜願景不是預測：符號想像、模糊推演與可校準未來學 — Vision Is Not Forecast_ Symbolic Imagination, Fuzzy Projection, and Calibrated Futures

FF02｜願景不是預測：符號想像、模糊推演與可校準未來學

Vision Is Not Forecast: Symbolic Imagination, Fuzzy Projection, and Calibrated Futures

Canonical Source Note

摘要

1. 為什麼 Vision 很容易被誤認成 Forecast？

2. 例

3. 如果沒有這些

4. 加上時間後

5. 因為它已經可以被檢驗

6. Narrative Category Collapse

7. Metaphor

8. Vision

9. Scenario

10. Forecast

11. Reality-Coupled Forecast

12. 它有 update loop

13. Vision 的價值

14. Vision 可以降低組織 coordination cost

15. Narrative Utility

16. Coordination

17. Motivation

18. Capital Mobilization

19. Attention

20. Identity

21. Exploration

22. 所以 Vision 可非常有價值

23. Forecast Quality

24. Calibration

25. Resolution

26. Conditionality

27. Falsifiability

28. Updateability

29. Outcome Accuracy

30. Narrative Utility 與 Forecast Quality

31. 高 UNU_NUN​ / 低 QFQ_FQF​

32. 低 UNU_NUN​ / 高 QFQ_FQF​

33. Category Inflation

34. Forecast Category Inflation

35. 如果：

36. 模糊語句為什麼吸引人？

37. Interpretive Degrees of Freedom

38. 例如

39. 「最終」沒有 horizon

40. 「abundance」沒有 threshold

41. 所以事後很難證偽

42. 模糊預測的結構優勢

43. 這是危險的不對稱

44. Confidence Inflation

45. Public Confidence

46. Evidence Confidence

47. 兩者可以差很多

48. Authority Halo

49. 這形成：

50. 但：

51. 尤其跨入宏觀未來學時

52. 技術直覺不是全部

53. Capability-to-World Leap

54. 常見形式：

55. FF01 已指出

56. 所以 capability claim 與 social forecast 應分離。

57. Forecast Contract

58. Claim

59. Scope

60. Horizon

61. Conditions

62. Probability

63. Indicators

64. Falsifiers

65. Update Rule

66. Provenance

67. Forecast Ladder

68. F0F_0F0​ — Imaginative Narrative

69. F1F_1F1​ — Trend Extrapolation

70. 問題

71. F2F_2F2​ — Capability Forecast

72. 比 F1F_1F1​ 更好

73. F3F_3F3​ — Causal-System Forecast

74. F4F_4F4​ — World Scenario Envelope

75. F5F_5F5​ — Reality-Coupled Forecast

31. 高 $U_N$ / 低 $Q_F$

32. 低 $U_N$ / 高 $Q_F$

68. $F_0$ — Imaginative Narrative

69. $F_1$ — Trend Extrapolation

71. $F_2$ — Capability Forecast

72. 比 $F_1$ 更好

73. $F_3$ — Causal-System Forecast

74. $F_4$ — World Scenario Envelope

75. $F_5$ — Reality-Coupled Forecast

78. 一個 $F_0$ 科幻作者

100. $w_i$

123. $I_N$ 高

129. 高 $E_S$