FF04｜神壇的半衰期：科技英雄、歷史成就與文化顯著性的分離

The Half-Life of the Pedestal: Technology Heroes, Historical Achievement, and Cultural Salience

定位： Future Foundations / Independent Foundation Paper 04
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： Historical Epistemology / Public Figures / Myth Dynamics / Technology Culture

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 FF03 對高影響力人物、預測責任與 Promise Debt 的討論，但將研究焦點從「一句預測如何改變世界」轉向另一個更長時間尺度的問題：

一個人在當代被視為英雄、天才、救世主或時代象徵，與他在數十年後仍具有相同文化重量，是不是同一件事？

本文回答：

\boxed{ \text{Historical Achievement} \neq \text{Myth Persistence} \neq \text{Cultural Salience}. }

摘要

科技史與企業史中，某些人物在特定時期會被高度神化。

他們可能同時被視為：

創新者；
天才；
時代代表；
未來預言者；
企業英雄；
文明轉折點。

但人物的「神壇地位」並不是歷史成就的固定函數。

本文首先區分三個量：

\boxed{ A_H = \text{Historical Achievement}, }

\boxed{ M_P = \text{Mythic Persistence}, }

以及：

\boxed{ S_C = \text{Cultural Salience}. }

其中：

$A_H$ 表示一個人物對技術、制度、產業或社會實際留下的可追蹤影響；
$M_P$ 表示社會敘事中「英雄／天才／神話」形象的持續程度；
$S_C$ 表示一個人物在當代公共注意力中的顯著程度。

因此可能出現：

A_H\gg0, \qquad M_P\downarrow, \qquad S_C\downarrow.

也就是：

成就仍然巨大，但神話與當代注意力逐漸退潮。

本文將這種現象稱為：

\boxed{ \text{Myth Half-Life}. }

定義一個概念函數：

\boxed{ M_p(t) = F( A, N, S, C, R, G, O ). }

其中：

$A$ ：achievement persistence；
$N$ ：narrative strength；
$S$ ：current salience；
$C$ ：controversy accumulation；
$R$ ：replacement by newer figures；
$G$ ：generational turnover；
$O$ ：open-world reassessment。

人物神話並不必然因時間下降，但若沒有持續性的文化再生產，通常會發生：

\boxed{ S_C(t)\downarrow. }

本文特別提出兩種不同的人物歷史形態：

\boxed{ \text{Narrative Closure} }

與：

\boxed{ \text{Open-World Reassessment}. }

Narrative Closure 指人物故事在一個高度戲劇化且易於記憶的節點結束，後續不再產生新的公共行為。這會使社會較容易把人物固定成單一敘事。

Open-World Reassessment 則指人物長期存活、持續公開行動、持續產生新成就、新失敗、新爭議、新角色，導致其 public identity 不斷更新。

因此：

\boxed{ I_p(t) \neq I_p(t+\Delta). }

一個活著的高影響力人物，本質上是一個：

\boxed{ \text{Open Historical Object}. }

而不是已完成的傳記。

本文以科技史中常被對比的 Steve Jobs 與 Bill Gates 作為人物類型例子。

本文不判定兩人誰「更偉大」，而是指出：

Jobs 的公共敘事具有較強的 narrative closure；
Gates 的公共身份則長期經歷科技企業家、壟斷爭議、慈善、全球公共議題與私人爭議等多次重新投影。

因此：

\boxed{ \text{Narrative Closure} \neq \text{Open-World Identity Evolution}. }

而對仍處於高度 active public phase 的人物，例如 Elon Musk，人物歷史狀態甚至更不穩定。

其公共評價同時受：

企業成果；
預測紀錄；
政治發言；
產品成功／失敗；
社群平台行為；
公眾情緒；
新世代人物競爭；

持續更新。

因此今天的「神壇」並不能直接外推為：

\boxed{ \text{Permanent Historical Centrality}. }

本文提出：

\boxed{ \text{Current Salience} \neq \text{Historical Magnitude}. }

並且反向：

\boxed{ \text{Historical Magnitude} \neq \text{Permanent Cultural Salience}. }

這一分離非常重要。

人類很容易因為活在某個時代中，而將當下注意力的密度誤認為永久歷史重量。

本文稱其為：

\boxed{ \text{Present-Salience Bias}. }

可寫成：

\boxed{ B_{present} = PerceivedImportance_t - LongRunHistoricalImportance. }

當一個人物出現在：

每日新聞；
社群媒體；
產品發布；
政治辯論；
資本市場；

中時， $B_{present}$ 很容易升高。

但幾十年後，新世代只會保留部分 historical residue。

本文進一步提出 Hero Projection Compression：

\boxed{ \mathbf C_p = ( Vision, Execution, Capital, TechnicalJudgment, ForecastCalibration, Governance, SocialJudgment, Ethics, Communication ). }

社會往往把這個能力向量壓成：

\boxed{ Genius=1. }

或者：

\boxed{ Villain=1. }

這兩種都是低解析度投影。

因此：

\boxed{ \text{Achievement in }D_i \not\Rightarrow \text{Authority in }D_j. }

一個人在產品、工程或資本動員領域成功，不自動推出他在：

政治；
醫療；
AI 安全；
歷史；
宏觀未來學；

中的判斷具有相同 authority。

本文將把成就光環跨域擴張稱為：

\boxed{ \text{Heroic Authority Spillover}. }

本文再提出 Myth Persistence Function：

\boxed{ M_p(t+\Delta) = M_p(t) + R_N - D_G - D_C - D_R + R_H. }

其中：

$R_N$ ：narrative reproduction；
$D_G$ ：generational decay；
$D_C$ ：controversy decay / reassessment；
$D_R$ ：replacement by newer narratives；
$R_H$ ：historical institutionalization。

若人物被：

教科書；
電影；
紀念館；
品牌；
企業文化；
政治運動；

持續再生產， $R_H$ 可以很高。

所以人物神話不一定自然消失。

但它會從：

\boxed{ \text{Living Myth} }

逐漸轉成：

\boxed{ \text{Historical Symbol}. }

這兩者是不同 cultural state。

本文亦定義 Myth Half-Life：

若：

M_p(t_0)=M_0,

則神話半衰期 $T_{1/2}^{myth}$ 是使：

M_p(t_0+T_{1/2}^{myth}) = \frac{1}{2}M_0

的概念時間尺度。

這不是要求社會學真的以單一指數衰減，而是一個可用於比較文化顯著性的操作隱喻。

本文進一步提出四個分離：

\boxed{ \text{Achievement} \neq \text{Attention} \neq \text{Admiration} \neq \text{Myth}. }

某人物可以：

成就很高；
當代 attention 很低；
評價高度兩極；
卻仍是重要歷史節點。

因此人物研究不能只用：

現在大家還討不討論他？

判定其歷史價值。

本文同時提出 Narrative Freeze Effect：

如果人物在高度戲劇化高光節點退出歷史舞台，其 public narrative 可能因缺乏後續 contradictory evidence 而被固定。

\boxed{ \text{Narrative Closure} \rightarrow \text{Lower Future Identity Drift}. }

相反，一個長期存活人物：

\boxed{ \text{Long Public Life} \rightarrow \text{More Identity Revision Opportunities}. }

這不代表長壽者必然「跌下神壇」。

只是：

他必須持續接受新的世界狀態對既有神話的重新驗證。

本文最後提出：

\boxed{ \text{Historical Judgment} = \text{long-horizon integration of achievements, failures, context, causality, and narrative distortion}. }

所以真正成熟的人物研究，不應只問：

他是不是天才？

而應問：

他在哪些 domain 真正產生不可忽視的因果貢獻？哪些成就來自組織？哪些神話來自敘事？哪些評價只是當代注意力？哪些部分經過幾十年後仍然站得住？

關鍵詞： Myth Half-Life、Technology Heroes、Historical Salience、Narrative Closure、Open-World Reassessment、Present-Salience Bias、Heroic Authority Spillover、Historical Judgment

1. 神話、成就與注意力是三個不同東西

本文首先定義：

A_H = \text{Historical Achievement}.

2. Mythic Persistence

M_P = \text{Mythic Persistence}.

3. Cultural Salience

S_C = \text{Cultural Salience}.

4. 三者不必同步

可能：

A_H\uparrow,

但：

S_C\downarrow.

5. 例

某項技術基礎至今影響巨大，

但一般人已很少談論其創始人物。

6. 所以：

\boxed{ \text{being forgotten} \neq \text{having been unimportant}. }

7. 反過來

S_C\uparrow

也不代表：

A_H\uparrow.

8. 當代流量可以非常高

但歷史殘留有限。

9. Current Salience Bias

定義：

\boxed{ B_{present} = PerceivedImportance_t - LongRunHistoricalImportance. }

10. 當代人最容易高估當代人物

因為他們佔據：

news；
feeds；
markets；
conversation。

11. 這是一種 observer-position bias

12. 未來世代會重新壓縮

今天數千個細節，

未來可能只剩：

一兩個產品；
一兩個企業；
一兩場爭議；
一個象徵性故事。

13. Historical Compression

\boxed{ \Pi_H: \text{rich contemporary person-state} \rightarrow \text{historical symbol}. }

14. 這會丟掉大量細節

15. 因此歷史人物是壓縮 object

16. Narrative Closure

如果人物生命／公共角色在戲劇性節點結束：

\boxed{ \text{Narrative Closure}. }

17. Closure 的效果

後續不再出現新的：

發言；
失敗；
爭議；
成功；
政策立場。

18. 所以 public identity drift 降低

19. Frozen Projection

\boxed{ I_p(t>\tau) \approx I_p(\tau) + HistoricalReinterpretation. }

20. 這不是完全凍結

因為歷史研究仍會重新解釋。

21. 但人物自己不再產生新 action。

22. Open-World Reassessment

活著且活躍的人物：

\boxed{ I_p(t+1) = Update( I_p(t), Action_{t+1} ). }

23. 每一天都可能改寫人物模型。

24. 所以：

\boxed{ \text{living public figure} = \text{open historical object}. }

25. 活得越久

不是神話一定越弱。

26. 而是：

\boxed{ \text{number of reassessment opportunities}\uparrow. }

27. Narrative Closure Advantage

對 myth stability 而言，

closure 有結構優勢。

28. 不代表死亡是「優勢」

而是：

\boxed{ \text{fewer future contradiction channels}. }

29. Steve Jobs 作為類型案例

本文不判斷 Jobs 的人格。

30. 只觀察其公共敘事結構：

早期崛起；
被逐出；
回歸；
Apple 復興；
iPhone 時代；
生命結束。

31. 這形成高度敘事化 arc

\boxed{ Rise \rightarrow Fall \rightarrow Return \rightarrow Triumph \rightarrow Closure. }

32. 這種結構很容易被文化記憶保存。

33. Heroic Arc Compression

多年的複雜人生被壓成：

\boxed{ \text{returning visionary hero}. }

34. 這不代表壓縮完全準確。

35. 但 narrative strength 很高。

36. Bill Gates 作為另一類型

Gates 的公共身份長期持續變化。

37. 可粗分：

\boxed{ TechFounder \rightarrow BusinessPower \rightarrow PublicControversy \rightarrow Philanthropy \rightarrow GlobalPublicFigure \rightarrow Reassessment. }

38. 同一人物被不同世代看到的版本不同。

39. 所以：

\boxed{ I_{Gates}(1998) \neq I_{Gates}(2026). }

40. Open Identity Evolution

這就是：

\boxed{ \text{Open-World Reassessment}. }

41. 這種人物不容易有單一 closed myth。

42. 但可能形成多層 historical identity。

43. Multiple Historical Projections

\boxed{ \Pi_1(p), \Pi_2(p), \ldots, \Pi_n(p). }

44. 不同世代甚至可能彼此矛盾。

45. Elon Musk 類型

仍然處於高度 active public phase。

46. 因此：

\boxed{ Var(I_p(t)) }

可能高。

47. 公共評價可受新事件快速改寫。

48. 不能把今天狀態當歷史終值。

49. 所以：

\boxed{ \text{Current Hero Status} \not\Rightarrow \text{Permanent Historical Hero Status}. }

50. 同樣：

\boxed{ \text{Current Controversy} \not\Rightarrow \text{Permanent Historical Villain Status}. }

51. 歷史需要更長 integration window。

52. Myth Function

本文定義：

\boxed{ M_p(t) = F( A, N, S, C, R, G, O ). }

53. Achievement $A$

真實留下多少 structural effect。

54. Narrative $N$

人物故事是否好記、戲劇化、可複述。

55. Salience $S$

當代曝光。

56. Controversy $C$

新爭議如何改寫 projection。

57. Replacement $R$

新人物是否取代文化注意力。

58. Generational Turnover $G$

新世代是否仍共享原時代情感。

59. Open Reassessment $O$

人物是否繼續產生新 evidence。

60. Myth Half-Life

概念定義：

M_p(t_0+T_{1/2}^{myth}) = \frac{1}{2}M_p(t_0).

61. 不是聲稱必然指數衰減。

62. 它是一個比較概念。

63. 有些神話半衰期非常長

例如：

宗教；
國族；
革命；
戰爭英雄。

64. 因為有 institution reproduction。

65. Technology Hero 的神話

通常更依賴：

產品；
企業；
產業史；
媒體；
教育。

66. 當產品世代更新

人物 myth 可能加速歷史化。

67. Myth Reproduction

\boxed{ R_N = F( Education, Media, Brand, Ritual, Institution, Community ). }

68. 如果 Apple 持續再講 Jobs

Jobs myth 得到 reproduction。

69. 如果 Microsoft 不再以 Gates 為核心品牌

Gates 的企業神話 salience 可以下降。

70. 這不是成就差異。

71. 是 narrative reproduction 差異。

72. Living Myth vs Historical Symbol

\boxed{ \text{Living Myth} \neq \text{Historical Symbol}. }

73. Living Myth

仍影響當代：

消費；
投資；
政治；
人才。

74. Historical Symbol

更多是：

教育；
紀念；
歷史比較。

75. Transition

\boxed{ LivingMyth \rightarrow HistoricalSymbol. }

76. 這就是「時代的眼淚」的一種形式。

77. Generational Emotional Decay

當新世代沒有親身經歷：

Windows 95；
iPod；
first iPhone；
dot-com era；

情緒重量下降。

78. Historical Knowledge 仍可存在

但：

\boxed{ \text{knowledge} \neq \text{lived salience}. }

79. Lived Salience

\boxed{ S_L. }

80. 新世代的 $S_L$ 接近 0

並不代表不知道人物。

81. 他們只是沒有經歷 shock。

82. Technology Shock Memory

某產品第一次出現時：

Shock_t\gg0.

83. 20 年後變成日常基礎設施：

Shock_{t+20}\approx0.

84. 於是創始人物的神話也可能下降。

85. Hero Vector

人物不應被壓成 scalar。

86. 定義：

\boxed{ \mathbf C_p = ( Vision, Execution, Capital, TechnicalJudgment, ForecastCalibration, Governance, SocialJudgment, Ethics, Communication ). }

87. 每一維不同。

88. Vision 高

不代表 ForecastCalibration 高。

89. Execution 高

不代表 Governance 高。

90. Capital 高

不代表 Ethics 高。

91. 但神話會做 scalar compression

\boxed{ \mathbf C_p \rightarrow Genius. }

92. 或：

\mathbf C_p \rightarrow Villain.

93. 兩者都可能失真。

94. Heroic Authority Spillover

成功於：

D_i

後，社會把 authority 投影到：

D_j.

95. 定義：

\boxed{ S_A(i\rightarrow j) = Authority_j^{perceived} - Authority_j^{supported}. }

96. 若：

S_A\gg0,

跨域權威被高估。

97. 例

科技成功不自動推出：

政治判斷；
醫療判斷；
宏觀預測；

同等優秀。

98. 這與 FF03 的 source halo 接軌。

99. Achievement Halo

\boxed{ H_A = F( Fame, Wealth, Success, MediaNarrative ). }

100. Halo 會提高別人對新 claim 的 prior。

101. 這可以合理

因為過去成功是 evidence。

102. 但不能無限跨 domain。

103. Domain-Limited Reputation

更合理：

\boxed{ Rep_p(D_i). }

104. 人物聲望應是 vector。

105. Myth vs Causal Contribution

人物神話常把組織成就全部歸給 founder。

106. 但企業成果通常是：

\boxed{ Outcome = Founder + Team + Capital + Institutions + Technology + Timing + Luck. }

107. 所以：

\boxed{ \text{Company Achievement} \neq \text{Founder Achievement}. }

108. 但也不能反過來說 founder 沒有作用。

109. 需要 causal attribution。

110. Counterfactual Contribution

定義：

\boxed{ \Delta_p = Outcome_{with\ p} - Outcome_{counterfactual\ without\ p}. }

111. 第二項通常不可觀察。

112. 所以「不可替代」是極強 claim。

113. Important Contributor

比：

\text{Irreplaceable Genius}

弱，但通常更可支持。

114. Historical Causal Modesty

成熟研究應允許：

很重要，但不知道是否不可替代。

115. Myth 會討厭這種中間答案

因為不夠戲劇化。

116. But History Needs It

117. Narrative Simplification

英雄故事需要：

主角；
敵人；
轉折；
勝利。

118. 真實企業史則是 high-dimensional network。

119. Hero Story Compression Ratio

可定義：

\boxed{ CR_H = \frac{ Complexity(RealCausalNetwork) }{ Complexity(HeroNarrative)+\epsilon }. }

120. 高 $CR_H$

容易產生神話。

121. 神話不一定是謊言

122. 它可能是真實的高壓縮版本。

123. 但會丟掉：

團隊；
制度；
競爭者；
時代條件。

124. Historical Decompression

因此人物研究需要：

\boxed{ HeroNarrative \rightarrow CausalNetwork. }

125. 這與 FF01 的箭頭解壓同構。

126. Myth Persistence Equation

概念式：

\boxed{ M_p(t+\Delta) = M_p(t) + R_N + R_H - D_G - D_C - D_R. }

127. $R_N$

敘事再生產。

128. $R_H$

歷史制度化。

129. $D_G$

世代衰減。

130. $D_C$

爭議／重估帶來的神話削弱。

131. $D_R$

新英雄替代。

132. 這不是必然單調下降。

133. Myth Revival

某部電影、紀念日、新技術復古，都可能：

M_p(t+\Delta)>M_p(t).

134. 所以神話會週期性復興。

135. Historical Reactivation

新時代遇到類似問題時，

舊人物可能被重新召回。

136. 例

AI 時代可能重新討論：

Jobs 的產品哲學；
Gates 的平台控制；
早期網路人物。

137. 這是：

\boxed{ \text{Contextual Myth Reactivation}. }

138. Myth Half-Life 因此不是單純衰減函數。

139. 更像 stochastic cultural process。

140. Public Identity States

本文提出：

\boxed{ I_p \in \{ ActiveHero, ContestedHero, HistoricalHero, HistoricalActor, Symbol, Footnote \}. }

141. Active Hero

仍高度影響當代。

142. Contested Hero

成就與爭議同時高。

143. Historical Hero

主要存在於歷史敘事。

144. Historical Actor

去神化後，作為重要因果節點。

145. Symbol

成為少數概念代稱。

146. Footnote

只在專業史中被記得。

147. 一個人可能在不同社群處於不同 state。

148. 所以：

\boxed{ I_p^{community_1} \neq I_p^{community_2}. }

149. Developer Community

可能更重視 technical contribution。

150. General Public

可能只保留 iconic narrative。

151. Political Community

可能保留另一套 projection。

152. Myth is Observer-Relative

\boxed{ M_p=M_p(O,t,C). }

153. 所以沒有唯一「社會記憶」。

154. Historical Canonization

某些人物進入正式 curriculum。

155. Canonization 會提高：

R_H.

156. 但 curriculum 也會更新。

157. New Technology Generations

當新的創業者出現：

R

提高。

158. 新世代會問：

為什麼我要把上一代 founder 當神？

159. 這是正常權威再分配。

160. Myth Fatigue

過度宣傳也可能造成：

\boxed{ F_M. }

161. 人們對英雄故事感到疲倦。

162. 與 FF03 Prediction Fatigue 類似。

163. Hero Saturation

當所有媒體都說：

天才、改變世界、顛覆者。

這些詞的信息量下降。

164. Semantic Inflation

\boxed{ \text{Genius Label Frequency}\uparrow \Rightarrow \text{Label Information}\downarrow. }

165. AI 時代可能加速這件事

因為更多人能快速產出：

產品；
研究；
內容。

166. 傳統「單一偉人」敘事可能進一步被稀釋。

167. Distributed Achievement

未來很多重大成果可能來自：

\boxed{ Human + AI + Team + OpenSource + Infrastructure. }

168. Hero Attribution 會更困難。

169. AI Co-Creation Problem

如果一個成果由：

founder；
AI agent fleet；
開源社群；
模型供應商；

共同產生，

單一英雄神話更難維持。

170. 因此：

\boxed{ \text{AI Era} \rightarrow \text{Causal Attribution Diffusion}. }

171. 也可能反而產生更強神話

172. 因為公眾仍喜歡一張臉代表複雜系統。

173. Representation Convenience

\boxed{ \text{one face} < \text{one causal graph} }

在認知成本上。

174. 所以 hero myth 不會消失。

175. 只是應該被更高解析度研究。

176. Heroic Causal Compression

\boxed{ \mathsf{HC} : CausalNetwork \rightarrow PersonSymbol. }

177. 這是人類文化長期機制。

178. Historical Re-expansion

學術研究再把：

PersonSymbol \rightarrow CausalNetwork.

179. 文化與歷史學在做相反方向。

180. Narrative Closure vs Moral Closure

人物故事結束，不代表道德評價結束。

181. 新文件、新研究可改變歷史看法。

182. 所以 closure 只降低 action update，

不消除 evidence update。

183. Dead Actor / Living Evidence

\boxed{ Action_{new}=0 }

但：

Evidence_{new}>0

仍可存在。

184. 因此歷史不會真正 frozen。

185. 但相對 living figure，變動幅度較小。

186. Myth Stabilization

可定義：

\boxed{ S_M = 1-Var(M_p(t)). }

187. Narrative closure 通常提高 $S_M$ 。

188. Long Active Life 可能降低 $S_M$ 。

189. 但也可能靠持續成功提高 myth mean。

190. 所以 longevity 有雙向效應。

191. 長壽與 FF05 的橋

如果未來人物活 150、300 年，

其 myth dynamics 會完全改變。

192. 人物不再自然退出歷史舞台。

193. Hero-to-Institution Transition 可能延後。

194. 這會放大：

authority accumulation；
narrative control；
generational mismatch。

195. FF05 會把這轉成權力問題。

196. Historical Importance

本文定義一個較中性的概念：

\boxed{ H_I = F( CausalReach, Persistence, StructuralChange, CounterfactualDifference ). }

197. Causal Reach

影響多少 domains。

198. Persistence

影響多久。

199. Structural Change

是否改變制度／產業結構。

200. Counterfactual Difference

若沒有此 actor，歷史會差多少。

201. 最後一項最難測。

202. 所以 $H_I$ 不應假裝精確。

203. Cultural Salience

則可較容易測：

mentions；
search；
media；
education；
public recognition。

204. 所以：

\boxed{ \text{Cultural Salience is easier to measure than Historical Importance}. }

205. 這會造成研究偏誤

因為容易測的東西常被當成重要的東西。

206. Salience Proxy Error

\boxed{ L_S = S_C-H_I^{proxy}. }

207. 不能直接把 Google Trends 當歷史重要性。

208. Myth / Reputation / Legacy

本文再分：

\boxed{ Myth \neq Reputation \neq Legacy. }

209. Myth

符號化故事。

210. Reputation

當代／社群對人物能力與品格評價。

211. Legacy

長期留下的制度、產品、思想、組織效果。

212. 一個人 legacy 高

myth 可以低。

213. 一個人 myth 高

legacy 也可能普通。

214. Legacy Persistence

\boxed{ L_p(t). }

215. Legacy 是另一條時間函數。

216. 神壇掉下來

不等於 legacy 消失。

217. 這是本文對「跌下神壇」最重要的修正。

218. De-Mythologization

\boxed{ M_P\downarrow }

只是：

人被重新看成人。

219. 不等於：

A_H\rightarrow0.

220. 所以去神化不是貶低。

221. 去神化可以提高歷史解析度。

222. De-Mythologization Gain

\boxed{ G_D = Resolution_{after} - Resolution_{before}. }

223. 如果去神化讓我們看到：

團隊；
結構；
限制；
錯誤；

那是 knowledge gain。

224. 但反向妖魔化也可能低解析度。

225. Hero → Villain Flip

只把：

Genius=1

改成：

Villain=1

沒有真正提高 resolution。

226. 所以：

\boxed{ \text{Deification} \neq \text{Demonization} }

但兩者都可能是 scalar collapse。

227. High-Resolution Historical View

應該是：

\boxed{ \mathbf C_p + Context + CausalNetwork + Uncertainty. }

228. FF04 Experimental Prototype 1：Myth Half-Life Tracking

選多位科技人物。

229. 每五年測：

public recognition；
media mentions；
curriculum；
hero framing；
controversy framing。

230. 比較：

M_p(t).

231. Prototype 2：Narrative Closure Comparison

比較：

早逝人物；
長壽持續活躍人物。

232. 看 myth variance / reassessment frequency。

233. Prototype 3：Achievement vs Salience

建立：

A_H

與：

S_C

兩個獨立 proxy。

234. 測是否大量人物：

A_H\gg S_C.

235. Prototype 4：Authority Spillover

讓受試者看到某人物在一 domain 的成功。

236. 再問 unrelated domain forecast credibility。

237. 測：

S_A(i\rightarrow j).

238. Prototype 5：Founder Attribution

給同一公司成果。

239. 分別呈現：

founder-only narrative；
team/system narrative。

240. 比較 causal attribution。

241. Prototype 6：Generational Turnover

比較不同年齡群對同一歷史科技人物的：

emotion；
recognition；
mythic status。

242. 測：

D_G.

243. FF04 Metrics

本文提出：

\boxed{ M_{FF04} = ( A_H, M_P, S_C, T_{1/2}^{myth}, B_{present}, S_A, CR_H, S_M, L_p ). }

244. $A_H$

Historical Achievement。

245. $M_P$

Mythic Persistence。

246. $S_C$

Cultural Salience。

247. $T_{1/2}^{myth}$

Myth Half-Life。

248. $B_{present}$

Present-Salience Bias。

249. $S_A$

Authority Spillover。

250. $CR_H$

Hero Story Compression Ratio。

251. $S_M$

Myth Stability。

252. $L_p$

Legacy Persistence。

253. FF04 第一核心命題

\boxed{ \text{Historical Achievement} \neq \text{Myth Persistence} \neq \text{Cultural Salience}. }

254. 第二核心命題

\boxed{ \text{Current Salience} \neq \text{Historical Magnitude}. }

255. 第三核心命題

\boxed{ \text{Historical Magnitude} \neq \text{Permanent Cultural Salience}. }

256. 第四核心命題

\boxed{ \text{Narrative Closure} \neq \text{Open-World Reassessment}. }

257. 第五核心命題

\boxed{ \text{Company Achievement} \neq \text{Founder Achievement}. }

258. 第六核心命題

\boxed{ \text{Important Contributor} \neq \text{Irreplaceable Historical Individual}. }

259. 第七核心命題

\boxed{ \text{Success in }D_i \not\Rightarrow \text{Authority in }D_j. }

260. 第八核心命題

\boxed{ \text{De-Mythologization} \neq \text{Denial of Achievement}. }

261. 第九核心命題

\boxed{ \text{Living public figures are open historical objects}. }

262. 第十核心命題

\boxed{ \text{The pedestal has a half-life, but legacy need not}. }

263. 與 FF05 的橋

FF04 到這裡仍主要研究：

人物如何被記憶？

264. FF05 會改問：

如果人物不再自然退出歷史舞台，會發生什麼？

265. 類永生會破壞 Myth Half-Life 的自然條件。

266. 更重要：

它也會破壞權力 turnover 的自然條件。

結論

科技英雄的「神壇」很容易讓人產生一個錯覺：

如果今天所有人都在談他，他就會永遠是歷史中心。

但歷史不是 live feed。

今天的 attention：

S_C(t)

會被：

新世代；
新人物；
新技術；
新爭議；
新敘事；

不斷重新分配。

所以：

\boxed{ \text{Current Salience} \neq \text{Permanent Historical Centrality}. }

但反過來也不能說：

沒人再每天談，就代表不重要。

因為：

\boxed{ \text{Historical Achievement} \neq \text{Daily Cultural Attention}. }

Steve Jobs、Bill Gates、Elon Musk 這類人物真正有研究價值的地方，不是誰更像英雄。

而是他們分別展示了不同的 public-history dynamics：

一種敘事在高光節點產生 closure；
一種人物長期活在 open-world reassessment；
一種人物仍在高速生成新的世界狀態，歷史投影尚未穩定。

因此人物神話不是人物本身。

它是：

\boxed{ \text{Person} + \text{Achievement} + \text{Narrative} + \text{Observer} + \text{Time}. }

真正成熟的歷史人物研究，應該把：

\mathbf C_p

從「天才／壞人」這種 scalar label 中重新解壓出來。

去神化的目的不是把偉人拉低。

而是把人物重新放回：

團隊；
制度；
技術；
時代；
機遇；
失敗；
爭議；

共同構成的 causal world。

所以 FF04 最後可以濃縮成：

\boxed{ \text{The pedestal has a half-life; causal history does not disappear with it}. }

中文：

神壇會褪色，但真正留下的歷史因果不會因為人們不再天天談論而消失。

這就是「時代的眼淚」真正值得研究的地方。

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, FF02｜願景不是預測：符號想像、模糊推演與可校準未來學, 2026.
Neo.K with Aletheia, 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, 2026.
Neo.K with Aletheia, Series C — Global Observer and AI-Native Domain Computation, 2026.

理論定位

本文與 collective memory、heroic leadership、founder effects、historical sociology、cultural salience、reputation studies、narrative psychology、great-man historiography criticism 等研究存在結構對照，但本文不將 Myth Half-Life 或 Heroic Authority Spillover 等同於任何單一既有理論。

本文的特定研究目標是：

\boxed{ \text{把科技英雄的歷史成就、神話留存與文化顯著性拆成可分離分析的時間函數}. }

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 FF04

FF04｜神壇的半衰期：科技英雄、歷史成就與文化顯著性的分離 — The Half-Life of the Pedestal_ Technology Heroes, Historical Achievement, and Cultural

FF04｜神壇的半衰期：科技英雄、歷史成就與文化顯著性的分離

The Half-Life of the Pedestal: Technology Heroes, Historical Achievement, and Cultural Salience

Canonical Source Note

摘要

1. 神話、成就與注意力是三個不同東西

2. Mythic Persistence

3. Cultural Salience

4. 三者不必同步

5. 例

6. 所以：

7. 反過來

8. 當代流量可以非常高

9. Current Salience Bias

10. 當代人最容易高估當代人物

11. 這是一種 observer-position bias

12. 未來世代會重新壓縮

13. Historical Compression

14. 這會丟掉大量細節

15. 因此歷史人物是壓縮 object

16. Narrative Closure

17. Closure 的效果

18. 所以 public identity drift 降低

19. Frozen Projection

20. 這不是完全凍結

21. 但人物自己不再產生新 action。

22. Open-World Reassessment

23. 每一天都可能改寫人物模型。

24. 所以：

25. 活得越久

26. 而是：

27. Narrative Closure Advantage

28. 不代表死亡是「優勢」

29. Steve Jobs 作為類型案例

30. 只觀察其公共敘事結構：

31. 這形成高度敘事化 arc

32. 這種結構很容易被文化記憶保存。

33. Heroic Arc Compression

34. 這不代表壓縮完全準確。

35. 但 narrative strength 很高。

36. Bill Gates 作為另一類型

37. 可粗分：

38. 同一人物被不同世代看到的版本不同。

39. 所以：

40. Open Identity Evolution

41. 這種人物不容易有單一 closed myth。

42. 但可能形成多層 historical identity。

43. Multiple Historical Projections

44. 不同世代甚至可能彼此矛盾。

45. Elon Musk 類型

46. 因此：

47. 公共評價可受新事件快速改寫。

48. 不能把今天狀態當歷史終值。

49. 所以：

50. 同樣：

51. 歷史需要更長 integration window。

52. Myth Function

53. Achievement AAA

54. Narrative NNN

55. Salience SSS

56. Controversy CCC

57. Replacement RRR

58. Generational Turnover GGG

59. Open Reassessment OOO

60. Myth Half-Life

61. 不是聲稱必然指數衰減。

62. 它是一個比較概念。

63. 有些神話半衰期非常長

64. 因為有 institution reproduction。

65. Technology Hero 的神話

66. 當產品世代更新

67. Myth Reproduction

68. 如果 Apple 持續再講 Jobs

69. 如果 Microsoft 不再以 Gates 為核心品牌

70. 這不是成就差異。

71. 是 narrative reproduction 差異。

72. Living Myth vs Historical Symbol

73. Living Myth

74. Historical Symbol

75. Transition

53. Achievement $A$

54. Narrative $N$

55. Salience $S$

56. Controversy $C$

57. Replacement $R$

58. Generational Turnover $G$

59. Open Reassessment $O$

80. 新世代的 $S_L$ 接近 0

120. 高 $CR_H$

127. $R_N$

128. $R_H$

129. $D_G$

130. $D_C$

131. $D_R$