甄實未來 Paper 07

從科幻到前實證反事實：什麼時候一個未來問題開始值得當真正研究問題？

英文暫名： From Science Fiction to Pre-Empirical Counterfactuals: When Does a Future Question Become a Legitimate Research Problem?
系列： 甄實未來：符號想像、下一步合法性與觀察者條件下的 AGI／ASI 未來認識論
English Series: Verified Futures: Symbolic Imagination, Next-Step Legitimacy, and Observer-Conditioned AGI/ASI Futures
論文序號： Paper 07 / 08
版本： v0.1
日期： 2026-09-08
理論發起： Neo.K
協作整理： Aletheia / GPT-5.6 Sol
前置理論： Paper 00–06；《科幻—現實拓撲收斂論》；FF01《一步不是一步》；FF02《願景不是預測》；《後人類奇點前夜》；《文明原生複雜度超載》
文件地位： Future Epistemology / Pre-Empirical Counterfactuals / Research-Legitimacy Boundary / Sci-Fi-to-Research Transition
Canonical Source： UTF-8 Markdown
Canonical Math Delimiters： inline $...$ ；display $$...$$

研究地位聲明

本文不主張：

\boxed{ \text{科幻} = \text{未來科學}. }

也不主張：

\boxed{ \text{想得夠早} = \text{預測得夠準}. }

本文同樣不主張：

只要某個科幻設定後來部分實現，原作者就「預言了未來」。

本文真正要建立的是：

\boxed{ \text{Imagination} \rightarrow \text{Structured Counterfactual} \rightarrow \text{Pre-Empirical Counterfactual} \rightarrow \text{Engineering / Institutional Research} \rightarrow \text{Reality-Coupled Research}. }

也就是：

一個未來命題在什麼條件下，開始不再只是敘事可能，而成為值得投入真正研究資源的問題？

本文所稱：

\boxed{ \text{Pre-Empirical Counterfactual} }

不是「還沒證據也能亂猜」。

而是：

尚未成為普遍現實，但已具備部分可觀察前兆、局部原型、因果橋、工程語言、制度壓力或可驗證接口，因此值得被當作前實證研究命題處理的未來狀態。

摘要

未來研究有一個長期困難：

太早研究，容易被視為科幻。

太晚研究，問題可能已經進入部署、法律、經濟與社會，治理成本急升。

因此真正的問題不是：

科幻是不是科學？

而是：

\boxed{ \text{When does epistemic status change?} }

同一個命題：

AI 是否能在虛擬世界中維持多年身份、建立關係、擁有資產並參與治理？

在某個時代可能是純科幻。

當出現：

persistent memory；
identity layer；
agent runtime；
virtual economy；
authorization；
long-horizon autonomy；

之後，它可能轉化為：

software architecture；
HCI；
law；
insurance；
economics；
identity philosophy；

問題。

本文將未來命題的研究成熟度分為六級：

\boxed{ R_0 \rightarrow R_1 \rightarrow R_2 \rightarrow R_3 \rightarrow R_4 \rightarrow R_5. }

其中：

$R_0$ ：Pure Imagination；
$R_1$ ：Structured Counterfactual；
$R_2$ ：Pre-Empirical Counterfactual；
$R_3$ ：Prototype-Coupled Research；
$R_4$ ：Deployment-Coupled Research；
$R_5$ ：Institutionalized Empirical Research。

$R_0$ 只要求可想像。

$R_1$ 要求內部規則與反事實條件。

$R_2$ 開始需要：

causal bridge；
enabling technology；
nearby prototype；
measurable precursor；
transition plausibility。

$R_3$ 要求局部原型可測。

$R_4$ 要求真實部署與資料。

$R_5$ 則已進入穩定的制度／實證研究。

本文提出：

\boxed{ \mathcal L_R = F( L, P, E, M, I, V, T ) }

作為概念性的 Research Legitimacy：

$L$ ：Logical consistency；
$P$ ：Physical plausibility；
$E$ ：Engineering bridge；
$M$ ：Measurable precursor；
$I$ ：Institutional relevance；
$V$ ：Verifiability；
$T$ ：Topological proximity to reality。

本文進一步重申《科幻—現實拓撲收斂論》的多層鏈：

\boxed{ \text{邏輯可能} \not\Rightarrow \text{物理可行} \not\Rightarrow \text{工程可達} \not\Rightarrow \text{社會採用} \not\Rightarrow \text{規範正當}. }

每一層都是獨立門檻。

因此：

\boxed{ \text{Engineering Feasibility} \neq \text{Civilizational Probability}. }

本文也提出：

\boxed{ d_E( \Omega_{real}, \Omega_{future} ) }

作為「時代拓撲距離」的抽象。

當：

d_E\downarrow,

一個過去遠距想像的命題開始進入：

prototype；
investment；
regulation；
public debate；
liability；
governance；

領域。

本文將此稱為：

\boxed{ \text{Epistemic Status Transition}. }

本篇最重要的結論不是：

科幻會成真。

而是：

科幻命題的研究地位會隨時代改變。

所以：

\boxed{ Status(P,t) \neq constant. }

真正成熟的未來研究，必須能辨識：

哪些問題現在仍只適合做哲學／科幻探索？

哪些已經進入前實證區？

哪些已經必須開始工程／制度實驗？

哪些再不研究就太晚？

1. 問題：研究太早與研究太晚

如果太早：

可能沒有：

data；
prototype；
vocabulary；
method。

2. 如果太晚

可能：

deployment 已形成；
path dependence 已出現；
law 落後；
liability 已發生；
social cost 已累積。

3. 所以需要中間層

這就是：

\boxed{ \text{Pre-Empirical Counterfactual}. }

4. 科幻不是預言

首先固定：

\boxed{ ScienceFiction \neq Forecast. }

5. 科幻的知識功能

它可以：

修改條件；
建立世界；
測試概念；
暴露分類失效。

6. Counterfactual Core

典型形式：

\boxed{ \text{If }C\text{ changes, what follows?} }

7. 例子：人格可以複製

設：

C= \text{PersonalityCopyPossible}.

8. 立即產生

identity；
ownership；
voting；
responsibility；
deletion；
inheritance。

9. 這些問題不要求複製技術已成熟

10. 但也不能因此宣稱明年就會出現

11. Structured Counterfactual

定義：

\boxed{ R_1. }

12. 與 Pure Imagination 差異

純想像：

有數位人格。

Structured Counterfactual：

若人格可複製，哪些制度會失效？

13. Internal Consistency

至少要求：

Consistency(W)\approx1.

14. 世界設定也需要規則

15. 遊戲作為可執行本體論

遊戲世界比小說更容易暴露：

規則不完整。

16. 因為遊戲必須回答

state；
resource；
action；
consequence；
reset；
ownership。

17. 所以遊戲設計本身可提供前實證訓練

18. Pre-Empirical Threshold

什麼時候進入 $R_2$ ？

19. 第一條：Enabling Technology Exists

至少部分前置技術已存在。

20. 例如長期 AI identity

需要：

persistence；
memory；
authentication。

現在已不再全是幻想。

21. 第二條：Causal Bridge Exists

可以說明：

CurrentTechnology \rightarrow IntermediateState \rightarrow FutureQuestion.

22. 第三條：Prototype Exists

局部 demo / lab system。

23. 第四條：Measurable Precursor Exists

例如：

autonomy duration；
memory retention；
robot deployment density。

24. 第五條：Institutional Pressure Appears

例如：

liability；
insurance；
accounting；
labor law。

25. 第六條：Vocabulary Stabilizes

研究者開始能用共同語言描述問題。

26. 第七條：Countermeasure Becomes Designable

如果風險存在，

至少能想像：

guardrail；
governance；
testing。

27. 研究合法性

本文定義：

\boxed{ \mathcal L_R = F( L, P, E, M, I, V, T ). }

28. Logical Consistency $L$

命題是否自洽？

29. Physical Plausibility $P$

是否違反已知物理？

30. Engineering Bridge $E$

是否存在工程路徑？

31. Measurable Precursor $M$

是否有可觀察前兆？

32. Institutional Relevance $I$

若成真是否影響制度？

33. Verifiability $V$

能否設計測試？

34. Topological Proximity $T$

離現實可達區多近？

35. 不是每項都同權重

36. Gate Model

若：

L=0

研究地位很低。

37. Physical Gate

若明確違反物理：

P=0.

38. 但哲學仍可討論

39. Engineering Gate

若沒有任何可達橋：

仍偏 speculative。

40. Measurement Gate

若無 observable precursor：

難 reality-couple。

41. Topological Distance

定義：

\boxed{ d_E = d_L+d_P+d_K+d_I+d_S. }

42. $d_L$

邏輯距離。

43. $d_P$

物理距離。

44. $d_K$

工程／知識距離。

45. $d_I$

制度距離。

46. $d_S$

社會採用距離。

47. 當：

d_E\downarrow,

命題研究地位上升。

48. 但不是單調必然

技術可能停滯。

49. 社會可能拒絕。

50. 所以：

\boxed{ TopologicalProximity \neq Inevitability. }

51. Research Maturity Ladder

正式：

R_0\rightarrow R_1\rightarrow R_2\rightarrow R_3\rightarrow R_4\rightarrow R_5.

52. R0 — Pure Imagination

主要價值：

imagination；
art；
metaphor。

53. R1 — Structured Counterfactual

開始有：

rules；
causality；
internal consistency。

54. R2 — Pre-Empirical Counterfactual

開始有：

real precursor；
causal bridge；
prototype-near possibility。

55. R3 — Prototype-Coupled Research

已可：

build；
simulate；
measure。

56. R4 — Deployment-Coupled Research

已有：

users；
firms；
incidents；
data。

57. R5 — Institutionalized Empirical Research

已有穩定：

law；
standards；
datasets；
professional field。

58. 這不是價值階級

R0 不是「低等」。

59. 藝術問題不需要變 R5 才有價值

60. 問題是認識論身分要誠實

61. Research-Type Matching

若是 $R_0$ ：

適合：

fiction；
philosophy；
conceptual exploration。

62. 若是 $R_2$ ：

適合：

scenario research；
prototype planning；
standards foresight。

63. 若是 $R_4$ ：

應進：

empirical measurement；
regulation；
insurance；
policy。

64. Status Inflation

如果 $R_1$ 被講成 $R_4$ ：

是：

\boxed{ \text{Research Status Inflation}. }

65. Status Suppression

如果明明 $R_3/R_4$ ，

仍被嘲笑為「科幻」：

是：

\boxed{ \text{Research Status Suppression}. }

66. 兩者都會出錯

67. 太早升格

浪費資源。

68. 太晚承認

失去治理窗口。

69. Governance Timing Window

定義：

\boxed{ W_G = [t_{research},t_{lock-in}]. }

70. 最佳治理研究

應在 lock-in 前成熟。

71. 這就是前實證研究的價值

72. AI Long-Term Agent Case

過去：

AI 永久住在網路上。

偏科幻。

73. 現在可拆

long context；
memory；
identity；
tools；
scheduler；
authorization。

74. 所以已跨入前實證／原型區

75. 但「永生 AI 人格」

仍有更遠問題：

continuity；
selfhood；
rights；
migration。

76. 同一大題不同子問題成熟度不同

77. Subproblem Maturity

應寫：

R_k(P_i).

78. Robot Ocean Case

「具身機器人海」可拆：

local autonomy；
fleet coordination；
maintenance；
energy；
identity；
safety。

79. 部分子問題已 $R_4$

例如工業 AMR。

80. 部分仍 $R_2/R_3$

例如超大規模跨域 AI resident 控制。

81. 所以：

\boxed{ \text{One Future Theme} \neq \text{One Research Maturity}. }

82. Virtual Existence Ocean

同樣：

agent processes；
persistent residents；
economic subjects；
legal subjects。

成熟度不同。

83. 生成百萬 agent

可能 $R_3/R_4$ 。

84. 百萬持續制度主體

可能 $R_1/R_2$ 。

85. 這就是研究分解

86. AGI / ASI Case

AGI 本身不是研究成熟度。

87. 必須拆能力

reasoning；
autonomy；
memory；
learning；
embodiment。

88. ASI 也一樣

不同能力維度：

成熟度不同。

89. Symbol-to-Research Decompression

流程：

\boxed{ Symbol \rightarrow Subclaims \rightarrow MaturityAssessment \rightarrow ResearchProgram. }

90. 科幻命題轉研究命題

需要：

可操作變數。

91. Operationalization

例如：

AI 是否具有長期人格？

太大。

92. 可拆：

memory continuity；
identity persistence；
self-report consistency；
migration continuity。

93. 這些可測

94. Conceptual Question → Operational Question

\boxed{ Q_C \rightarrow \{Q_1,\ldots,Q_n\}. }

95. 前實證不要求完整實驗

96. 但要能定義「若要實驗，測什麼」

97. Testability Shadow

本文提出：

\boxed{ \text{Testability Shadow}. }

98. 即：

即使目前無法直接測，也能指出未來哪些觀察會支持／削弱命題。

99. 例如 AI consciousness

當前難以直接測。

100. 但可建立：

behavioral criteria；
continuity criteria；
introspective consistency；
mechanistic correlates。

101. 這不等於證明 consciousness

102. 但使問題更結構化

103. Institutional Precursor

某些問題技術尚未完全成熟，

制度卻已先出現壓力。

104. 例如 AI liability

不需要 full AGI。

105. 所以：

\boxed{ InstitutionalMaturity \not\le TechnicalMaturity }

不一定成立。

106. 制度可以先研究

107. 這是重要反直覺

很多人以為：

技術未成熟，不需治理。

108. 但治理本身有 lag。

109. Institutional Lag

\tau_I.

110. 若：

\tau_I > \tau_T,

技術成熟後才開始研究會太晚。

111. Anticipatory Governance

前實證研究因此是：

\boxed{ \text{Anticipatory Governance Substrate}. }

112. 但 anticipatory governance 不能濫用

113. Imaginary Regulation

如果：

R_0

就大規模限制現實，

可能造成：

chilling effect；
wasted regulation；
false panic。

114. 所以治理強度應跟成熟度匹配

115. Governance Proportionality

\boxed{ G_{intensity} = f( ResearchMaturity, Severity, Irreversibility ). }

116. 高 severity 可讓低成熟度也值得研究

117. 但不一定值得立即禁令

118. Research ≠ Regulation

\boxed{ ResearchLegitimacy \neq RegulatoryMandate. }

119. 這個分離非常重要

120. 一個未來問題值得研究

不等於：

已值得禁止。

121. 同樣值得研究

也不等於：

一定會發生。

122. Research Legitimacy 只是

是否值得分配知識資源。

123. Research Budget

可以表示：

B_R(P) = f( \mathcal L_R, Impact, Urgency, KnowledgeValue ).

124. High Impact Low Probability

也可能值得小額探索。

125. Option Value of Research

研究可以提供：

\boxed{ \text{Option Value}. }

126. 花小成本提前知道

可能避免大成本。

127. 因此：

\boxed{ ResearchCost \ll PotentialAvoidedLoss }

時，

前實證研究合理。

128. 正向機會也一樣

如果潛在 benefit 巨大，

提前研究 infrastructure 也值得。

129. 所以前實證不是只為風險

130. Opportunity Foresight

也研究：

abundance；
education；
health；
energy。

131. Doom / Utopia 都可前實證化

132. 條件是：

拆成可研究問題。

133. Science Fiction as Search-Space Expansion

本文保留科幻的核心價值：

\boxed{ \text{Expand } \mathcal W_{possible}. }

134. Science as Constraint

科學則：

\boxed{ \text{Prune } \mathcal W_{impossible}. }

135. Engineering as Reachability

工程問：

\boxed{ Reachable(W)? }

136. Social Science as Adoption

社會科學問：

\boxed{ Adopted(W)? }

137. Ethics / Politics as Legitimacy

再問：

\boxed{ Should(W)? }

138. 五階功能分工

\boxed{ Imagination \rightarrow Logic \rightarrow Science \rightarrow Engineering \rightarrow Institution. }

139. 不能跳層

140. 「邏輯可想」

不等於：

物理可造。

141. 「物理可造」

不等於：

商業會做。

142. 「商業會做」

不等於：

社會會接受。

143. 「社會會接受」

不等於：

倫理上正當。

144. 這就是合法下一步

145. Research Status Transition

定義：

\boxed{ S_R(P,t). }

146. 當 evidence 增加

可能：

S_R\uparrow.

147. 當 prototype 失敗

可能：

S_R\downarrow.

148. Research Status 可逆

149. 不是一旦「升格」就永遠科學

150. De-Ranking

如果多年沒有：

progress；
evidence；
bridge；

應降級。

151. 這避免永恆 speculative field

152. Research Debt

如果一個問題已靠近現實，

但無人研究，

形成：

\boxed{ \text{Anticipatory Research Debt}. }

153. 例如制度明顯會撞上 AI identity

卻沒有準備 schema。

154. 這個 debt 會在 deployment 後爆發

155. Conversely

研究遠超現實太多：

可能形成：

\boxed{ \text{Speculation Overhang}. }

156. 兩者都需要平衡

157. Research Timing Principle

最佳狀態：

\boxed{ \text{Research slightly ahead of deployment}. }

158. 不是：

永遠等事故。

159. 也不是：

對所有想像都立法。

160. 第一代實驗：Retrospective Status Mapping

選歷史科技：

internet；
smartphones；
autonomous vehicles。

161. 回看：

某些問題何時從科幻變成工程？

162. 比較：

first fiction；
first prototype；
first deployment；
first regulation。

163. 建立 time lag

164. 第二代實驗：AI Future Topic Maturity

對：

AI resident；
robot fleet；
AI tax identity；
digital person fork；

逐項評：

R_0\sim R_5.

165. 多專家評分

166. 第三代實驗：Research Allocation

給固定研究預算。

167. 比較：

high-impact low-maturity；
medium-impact high-maturity。

168. 看 allocation strategy。

169. 第四代實驗：Status Inflation

給 participant：

一個 R1 命題，

但用「scientists predict」包裝。

170. 測 credibility inflation。

171. 第五代實驗：Status Suppression

給 R3 prototype evidence，

但標成「science fiction」。

172. 看是否低估研究價值。

173. Research-Legitimacy Dataset

claim_id
future_theme
logical_consistency
physical_plausibility
engineering_bridge
prototype_status
measurable_precursor
institutional_pressure
testability
topological_distance
research_maturity
impact
urgency
reversibility
recommended_research_type

174. Minimum Invariants

PEF-1

\boxed{ ScienceFiction \neq Forecast. }

PEF-2

\boxed{ Imaginable \neq LogicallyConsistent. }

PEF-3

\boxed{ LogicallyPossible \neq PhysicallyFeasible. }

PEF-4

\boxed{ PhysicallyFeasible \neq EngineeringReachable. }

PEF-5

\boxed{ EngineeringReachable \neq SociallyAdopted. }

PEF-6

\boxed{ SociallyAdopted \neq NormativelyLegitimate. }

PEF-7

\boxed{ ResearchLegitimacy \neq RegulatoryMandate. }

PEF-8

\boxed{ PreEmpirical \neq EvidenceFree. }

PEF-9

\boxed{ Prototype \neq MassDeployment. }

PEF-10

\boxed{ TopologicalProximity \neq Inevitability. }

PEF-11

\boxed{ OneFutureTheme \neq OneResearchMaturity. }

PEF-12

\boxed{ EarlyResearch \neq EarlyRegulation. }

175. Pre-Empirical Counterfactual Principle

\boxed{ \textbf{Pre-Empirical Counterfactual Principle} }

當未來命題已具備可描述的因果橋、局部原型、可測前兆、工程語言或制度壓力時，即使尚未成為普遍現實，也可以取得前實證研究地位。

176. Epistemic Status Transition Principle

\boxed{ \textbf{Epistemic Status Transition Principle} }

一個未來命題的研究地位不是固定屬性，而會隨時代的技術、證據、工程、制度與可驗證性變化而上升或下降。

177. Research–Regulation Separation Principle

\boxed{ \textbf{Research–Regulation Separation Principle} }

值得研究只代表值得投入知識資源，不代表其已高概率發生，也不代表應立即採取強制政策。

178. Anticipatory Window Principle

\boxed{ \textbf{Anticipatory Window Principle} }

對高影響、高不可逆技術而言，最有價值的研究窗口通常位於「已有足夠現實前兆」與「路徑已大規模鎖定」之間。

179. Science-Fiction Search Principle

\boxed{ \textbf{Science-Fiction Search Principle} }

科幻的核心研究價值不是準確預言，而是擴張可能世界搜尋空間；真正的學術工作則是逐層加入邏輯、物理、工程、制度與現實約束。

180. 與 Paper 00 的關係

Paper 00：

想像不是未來。

Paper 07：

但想像可以在某個時刻變成正式研究問題。

181. 與 Paper 01 的關係

Next-Step Legitimacy：

是研究成熟度的重要構件。

182. 與 Paper 02 的關係

高 FNR 可以讓 speculative claim：

更容易 operationalize。

183. 與 Paper 03 / 04 的關係

恐懼與希望：

都可以轉成前實證研究。

184. 與 Paper 06 的關係

末日／救世主神話：

可被解壓成真正研究議題。

185. 與 Paper 08 的關係

最終篇將把：

FNR；
Next-Step Legitimacy；
Fear/Threat；
Hope/Benefit；
Observer；
Pre-Empirical Counterfactual；

統合成完整 Verified Futures Runtime。

186. 最終命題

本文最終提出：

\boxed{ \textbf{From Fiction to Research Thesis} }

弱形式：

未來命題並不因為起源於科幻、神話或思想實驗就永遠失去研究資格；當其與現實之間開始出現可描述的因果橋、局部原型、可測前兆、工程接口與制度壓力時，其 epistemic status 可以從想像逐步轉換為前實證乃至實證研究。反過來，若這些橋長期不存在，研究地位也應保持低位或被重新降級。

187. 最終推理鏈

不是：

\boxed{ ScienceFiction \rightarrow FutureTruth. }

而是：

\boxed{ \begin{aligned} ScienceFiction \rightarrow& StructuredCounterfactual\\ \rightarrow& PreEmpiricalCounterfactual\\ \rightarrow& PrototypeResearch\\ \rightarrow& DeploymentResearch\\ \rightarrow& InstitutionalEvidence. \end{aligned} }

188. 最終結論

文明面對未來有兩個很常見的錯誤。

第一個錯誤：

太早把想像當現實。

第二個錯誤：

太晚才承認想像已經開始接近現實。

前者製造：

\boxed{ \text{hype}. }

後者製造：

\boxed{ \text{governance lag}. }

真正困難的是找到中間位置。

一個虛擬 AI 社會，在 1990 年可能主要是科幻。

當 persistent agents、memory、identity、virtual economy、authorization 都開始出現後，它就不再只是同一種科幻。

一個「具身機器人海」以前可能只是視覺想像。

當 autonomous mobile robots、fleet coordination、robot foundation models、industrial deployment 開始存在後，至少部分子問題已經進入工程與治理。

一個 AI economic subject 目前未必是普遍法律現實。

但當企業開始需要 AI-linked cost、risk、capital、insurance、tax reference 時，它已經可以成為前實證制度問題。

所以研究者真正需要的不是：

預言能力。

而是：

\boxed{ \text{Epistemic Timing}. }

也就是：

知道一個問題現在應該被當成什麼。

是故事？

是哲學？

是 scenario？

是 prototype problem？

是 policy problem？

是已經需要統計資料的實證問題？

這個分類本身，就是未來研究的重要能力。

因此本篇最後濃縮成：

\boxed{ \textbf{科幻不因為被想像而成真， 但當現實開始長出通往它的橋， 我們就不能再只把它當科幻。} }

以及：

\boxed{ \textbf{真正的前瞻，不是永遠猜得最遠， 而是比現實早一步知道什麼已經值得認真研究。} }

系列進度

Paper 00 — 想像不是未來：從 Future Foundations 到甄實未來方法論
Paper 01 — 下一步到底有多合法？Next-Step Legitimacy 與世界轉換厚度
Paper 02 — 未來敘事解析度：從一句「ASI 來了」到可解壓世界模型
Paper 03 — 恐懼不是威脅：未知、想像災難與 Reality-Calibrated Risk
Paper 04 — 希望不是收益：AI 天堂、後稀缺與烏托邦符號跳躍
Paper 05 — 現實不等於觀察：Reality–Observer Separation 與價值投射
Paper 06 — 末日與救世主其實是同一種符號結構：AI Eschatology 的正負對偶
Paper 07 — 從科幻到前實證反事實：什麼時候一個未來問題開始值得當真正研究問題？
Paper 08 — 甄實未來：讓現實淘汰我們的恐懼、希望與符號

一句話版本

\boxed{ \textbf{想像負責打開可能世界，前實證研究負責判斷哪些可能世界已經開始靠近現實。} }

甄實未來 Paper 07 — 從科幻到前實證反事實：什麼時候一個未來問題開始值得當真正研究問題？

甄實未來 Paper 07

從科幻到前實證反事實：什麼時候一個未來問題開始值得當真正研究問題？

研究地位聲明

摘要

1. 問題：研究太早與研究太晚

2. 如果太晚

3. 所以需要中間層

4. 科幻不是預言

5. 科幻的知識功能

6. Counterfactual Core

7. 例子：人格可以複製

8. 立即產生

9. 這些問題不要求複製技術已成熟

10. 但也不能因此宣稱明年就會出現

11. Structured Counterfactual

12. 與 Pure Imagination 差異

13. Internal Consistency

14. 世界設定也需要規則

15. 遊戲作為可執行本體論

16. 因為遊戲必須回答

17. 所以遊戲設計本身可提供前實證訓練

18. Pre-Empirical Threshold

19. 第一條：Enabling Technology Exists

20. 例如長期 AI identity

21. 第二條：Causal Bridge Exists

22. 第三條：Prototype Exists

23. 第四條：Measurable Precursor Exists

24. 第五條：Institutional Pressure Appears

25. 第六條：Vocabulary Stabilizes

26. 第七條：Countermeasure Becomes Designable

27. 研究合法性

28. Logical Consistency LLL

29. Physical Plausibility PPP

30. Engineering Bridge EEE

31. Measurable Precursor MMM

32. Institutional Relevance III

33. Verifiability VVV

34. Topological Proximity TTT

35. 不是每項都同權重

36. Gate Model

37. Physical Gate

38. 但哲學仍可討論

39. Engineering Gate

40. Measurement Gate

41. Topological Distance

42. dLd_LdL​

43. dPd_PdP​

44. dKd_KdK​

45. dId_IdI​

46. dSd_SdS​

47. 當：

48. 但不是單調必然

49. 社會可能拒絕。

50. 所以：

51. Research Maturity Ladder

52. R0 — Pure Imagination

53. R1 — Structured Counterfactual

54. R2 — Pre-Empirical Counterfactual

55. R3 — Prototype-Coupled Research

56. R4 — Deployment-Coupled Research

57. R5 — Institutionalized Empirical Research

58. 這不是價值階級

59. 藝術問題不需要變 R5 才有價值

60. 問題是認識論身分要誠實

61. Research-Type Matching

62. 若是 R2R_2R2​：

63. 若是 R4R_4R4​：

64. Status Inflation

65. Status Suppression

66. 兩者都會出錯

67. 太早升格

68. 太晚承認

69. Governance Timing Window

70. 最佳治理研究

71. 這就是前實證研究的價值

72. AI Long-Term Agent Case

73. 現在可拆

74. 所以已跨入前實證／原型區

75. 但「永生 AI 人格」

28. Logical Consistency $L$

29. Physical Plausibility $P$

30. Engineering Bridge $E$

31. Measurable Precursor $M$

32. Institutional Relevance $I$

33. Verifiability $V$

34. Topological Proximity $T$

42. $d_L$

43. $d_P$

44. $d_K$

45. $d_I$

46. $d_S$

62. 若是 $R_2$ ：

63. 若是 $R_4$ ：

79. 部分子問題已 $R_4$

80. 部分仍 $R_2/R_3$