《當證據變得太便宜——證書義務膨脹與數學驗證軍備競賽》

《AI 時代數學傳承工程論》09

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司
日期： 2026-10-07（整理日期；原稿未標註日期）
版本： 原稿未標註（本次整理版）

摘要

AI 時代正在快速降低數學證明、形式化、計算驗證、來源追蹤、依賴分析與多模型審查的成本。從技術角度看，這是一個巨大進步：更多成果可以被驗證、更容易被重現，也更容易被組織成高密度證據包。然而，當證據生成成本下降時，制度不一定只獲得「更可靠的數學」；它也可能產生新的規範壓力，使原本可選的證書逐步轉化為預期、常態，最後成為發表、評價與可信度競爭中的隱性義務。

本文提出「證書義務膨脹」（Certificate-Obligation Inflation）、「數學驗證軍備競賽」（Mathematical Verification Arms Race）、「自動化負擔反彈」（Automation Burden Rebound）與「證書回歸」（Certificate Regress）等概念，分析一條可能的制度鏈：AI 使證書變便宜，部分研究者開始附加更多 formal proof、computation、provenance、semantic audit 與 independent verification；這些額外證據成為品質訊號後，其他研究者被迫跟進；當整體標準上升後，原本節省下來的驗證成本被新的合規要求重新吞噬。

本文進一步指出，證書數量並不等同於數學理解、意圖對齊或研究價值。若制度把「可生成更多證據」錯誤轉換為「應要求更多證據」，數學研究可能從證據豐裕滑向證書通膨，甚至出現以證書堆疊代替真正判斷的情況。本文主張，AI 時代需要的不是最大化證書數，而是建立風險相稱、任務相稱、可停止的驗證制度，避免把數學研究轉變為一種高密度合規工程。

關鍵詞

證書義務膨脹、驗證軍備競賽、AI 數學、形式證明、證書通膨、自動化負擔反彈、合規工程、形式驗證、證據治理、數學制度

1. 當證據變便宜，會發生什麼？

直覺上：

\boxed{ C_{evidence}\downarrow \Rightarrow \text{Better Mathematics}. }

其中：

C_{evidence}

代表生成、整理與驗證證據的成本。

這個推論在局部上常常成立。

AI 可以讓：

proof search 更快；
formalization 更便宜；
computation 更容易重現；
provenance 更容易整理；
independent checking 更容易自動化。

因此：

\text{Evidence Supply}\uparrow.

但制度上還有第二個問題：

當大家都更容易附上證據之後，沒有附的人會發生什麼？

這才是本文的起點。

2. 從「可選加分」到「隱性義務」

任何新的學術證據形式通常會經歷一條路徑：

\boxed{ \text{Optional} \rightarrow \text{Valuable} \rightarrow \text{Expected} \rightarrow \text{Norm} \rightarrow \text{Requirement}. }

最開始：

有 formal proof 很好。

後來：

高品質工作通常都有 formal proof。

再後來：

為什麼你的沒有？

最後：

沒有 formal proof 的成果不完整。

這就是：

Certificate-Obligation Inflation

3. 證書義務膨脹

定義：

O_C(t) = \text{Expected Certificate Obligation at time }t.

若：

\frac{dO_C}{dt}>0,

則表示制度對一項研究成果所期待的證書負擔持續增加。

證書可以包括：

formal proof；
computational certificate；
code；
provenance；
dependency graph；
reproduction log；
semantic audit；
independent model verification；
proof assistant artifact；
explanation package。

因此：

\boxed{ O_C = O_F + O_{comp} + O_P + O_S + O_I +\cdots }

其中不同 $O_i$ 對應不同驗證層。

4. 為什麼證書會形成義務？

因為證書會成為：

\boxed{ \text{Quality Signal}. }

假設研究者 A 提供：

P

即 paper。

研究者 B 提供：

P+L

其中：

L=\text{Lean certificate}.

若其他條件相近，

reviewer 很自然可能認為：

B

更可靠。

於是下一輪：

P+L

開始成為競爭基準。

5. 驗證軍備競賽

假設：

C_1=P,

C_2=P+L,

C_3=P+L+Comp,

C_4=P+L+Comp+Prov,

C_5=P+L+Comp+Prov+Audit.

若每一階都帶來額外可信度訊號，

則研究者可能理性地：

C_n\rightarrow C_{n+1}.

但整體結果是：

\boxed{ \text{Individual Rationality} \rightarrow \text{Collective Burden Inflation}. }

這就是：

Mathematical Verification Arms Race

6. 軍備競賽不需要任何人故意製造

沒有任何 reviewer 需要說：

我要讓大家更累。

只要存在：

\text{Comparative Evaluation},

證書就會成為可比較維度。

若：

CertScore\uparrow \Rightarrow PerceivedReliability\uparrow,

則競爭自然推動：

CertScore\uparrow.

因此：

\boxed{ \text{No malicious intent is required}. }

7. AI 會降低單張證書成本

設：

c_i = \text{cost of producing certificate }i.

AI 使：

c_i\downarrow.

這本來應該是好消息。

但制度可能回應：

既然現在很便宜，那為什麼不附？

於是：

\boxed{ c_i\downarrow \Rightarrow O_i\uparrow. }

這是最重要的反直覺之一。

8. 自動化負擔反彈

本文稱這個現象：

Automation Burden Rebound

其基本形式：

\boxed{ \text{Automation lowers unit cost} \rightarrow \text{Institution raises expected quantity}. }

例如：

過去做 1 份 formal proof 很貴。

未來 AI 可以快速做 5 份。

制度於是開始期待：

formal proof；
second prover；
independent check；
semantic report；
provenance log。

最後總負擔未必下降。

9. Jevons-like Verification Effect

可以類比：

單位成本下降，不代表總消耗下降。

若：

c_{verify}\downarrow

同時：

q_{verify}\uparrow\uparrow,

則總成本：

C_{total} = c_{verify}q_{verify}

可能：

C_{total}\uparrow.

因此：

\boxed{ \text{Cheaper Verification} \not\Rightarrow \text{Less Verification Work}. }

10. 從工具變成基線

一項新驗證工具通常會先被視為：

\text{Optional Enhancement}.

但當採用率：

A(t)

超過某個社會門檻：

A(t)>\theta,

review norm 可能發生相變：

\boxed{ \text{Enhancement} \rightarrow \text{Baseline Expectation}. }

這就是：

Normative Threshold Shift

11. 「大家都有」是最強的制度力量之一

很多學術義務並不是由正式規定開始。

而是由：

別人都有。

開始。

因此：

\boxed{ \text{Peer Comparison} \rightarrow \text{Norm Formation}. }

只要某種證書變成：

\text{Common},

缺少它就可能被解讀為：

\text{Suspicious}.

12. 缺席證書的負面訊號

設：

Cert_i=0.

理論上只代表：

沒附第 $i$ 種證書。

但制度可能解讀為：

沒驗；
不敢驗；
不夠完整；
品質較低。

因此：

\boxed{ \text{Absence} \rightarrow \text{Negative Signal} }

即使這個推論其實不成立。

13. 證書通膨

當所有人都附某種證書後，

它的區分力下降。

設：

S_i = \text{Signaling Value of Certificate }i.

若：

Adoption_i\rightarrow1,

則：

S_i\downarrow.

於是制度會尋找：

Certificate_{i+1}.

形成：

\boxed{ \text{Certificate Inflation}. }

14. 從「有沒有證明」變成「有幾層證明」

未來可能不再是：

你有 proof 嗎？

而是：

你有幾層 verification？

例如：

V_1=\text{human proof},

V_2=\text{formal proof},

V_3=\text{independent prover},

V_4=\text{semantic alignment audit},

V_5=\text{multi-model review}.

這會讓：

\boxed{ \text{Verification Depth} }

成為新的 prestige axis。

15. 證書數量不等於證書價值

若：

N_C = \text{number of certificates},

不能推出：

Reliability\propto N_C.

因為不同證書可能：

重複同一假設；
使用同一錯誤 formalization；
共享同一資料；
共享同一模型；
共享同一 semantic mistake。

因此：

\boxed{ \text{Certificate Count} \neq \text{Independent Evidence Count}. }

16. 偽獨立性

如果三個 AI verifier：

V_A,V_B,V_C

都使用：

相同 training data；
相同 formal statement；
相同 hidden assumption；

那麼：

\boxed{ V_A=V_B=V_C=1 }

不代表：

\text{Three Independent Confirmations}.

這叫：

Pseudo-Independence

17. 證書可能共享同一個錯置

例如原始意圖：

I.

formal specification：

S.

若：

S\not\approx I,

但所有 verifier 都只驗：

S,

那麼：

\boxed{ V_1(S)=V_2(S)=V_3(S)=1 }

仍然可能：

Align(S,I)<1.

因此：

\boxed{ \text{Many Green Lights} \neq \text{Correct Destination}. }

18. 證書回歸

當證書很多後，

自然會有人問：

誰驗證這些證書？

因此：

Cert_1 \rightarrow Audit(Cert_1).

接著：

Cert_2 = Audit(Cert_1).

再問：

誰驗證 audit？

形成：

\boxed{ Cert_1 \rightarrow Cert_2 \rightarrow Cert_3 \rightarrow\cdots }

本文稱：

Certificate Regress

19. 回歸不必無限，但需要停止條件

實務上：

Cert_n

不會真的無限。

但制度仍需要回答：

\boxed{ \text{Why stop at }n? }

如果沒有原則，

停止點只是：

大家目前做到這裡。

這會讓：

n(t)\uparrow.

20. 理解義務可能被轉化成證書義務

這是整個問題最諷刺的地方之一。

原始目標可能是：

\boxed{ \text{More Human Understanding}. }

制度回應卻變成：

\boxed{ \text{More Evidence Artifacts}. }

於是：

\text{UnderstandingDuty} \rightarrow \text{CertificateDuty}.

但：

\boxed{ \text{CertificateDuty} \neq \text{Understanding}. }

21. 證書變多後，人類還是看不完

假設每篇成果平均證書量：

n_C\uparrow.

人類審查容量：

H_R

基本有限。

則：

\boxed{ \frac{n_C}{H_R}\uparrow. }

最後：

人類需要 AI 幫忙閱讀 AI 產生的證書。

22. AI-mediated Verification Stack

這會形成：

\boxed{ AI_{gen} \rightarrow AI_{verify} \rightarrow AI_{summarize} \rightarrow \text{Human}. }

即：

AI 產生 proof，
AI 產生 certificate，
AI 審查 certificate，
AI 再摘要給人看。

這不是必然壞事。

但它沒有自動解決：

\text{Human Understanding Problem}.

23. 驗證層數越多，認知層不一定越厚

可能：

V_{layers}\uparrow

但：

U_{human}\approx\text{constant}.

因此：

\boxed{ \text{Verification Depth} \neq \text{Human Understanding Depth}. }

這是 AI 數學治理必須持續記住的區分。

24. 合規工程化

當證書被制度化後，

研究工作可能增加大量：

metadata；
checklist；
formatting；
proof export；
audit report；
version compatibility；
model disclosure。

其中部分非常有價值。

但累積後可能形成：

Mathematical Compliance Engineering

即：

\boxed{ \text{Research} \rightarrow \text{Research} + \text{Compliance Package}. }

25. 合規不是沒有價值

本文不是說：

compliance 都是浪費。

相反地，

某些：

reproducibility；
provenance；
formal certificate；

非常重要。

問題是：

\boxed{ \text{Necessary Compliance} \neq \text{Unlimited Compliance}. }

26. 證書負擔可能對小型研究者更不利

大型團隊可能擁有：

AI infrastructure；
formalization engineer；
compute；
automated audit pipeline。

小型研究者可能沒有。

因此若證書要求快速增加：

O_C\uparrow,

則：

\boxed{ EntryCost_{research}\uparrow. }

可能反而增加：

Institutional Verification Inequality

27. 「AI 很便宜」不代表對所有人都一樣便宜

即使模型 API 成本低，

仍有：

workflow knowledge；
infrastructure；
setup；
debugging；
tool integration；
audit expertise。

所以：

\boxed{ Nominal Cost \neq Effective Cost. }

證書義務增加可能強化大型機構優勢。

28. 證書可能變成新的學術身份符號

當某一類證書具有高 prestige，

研究者可能開始：

為了證書而證書。

即：

\boxed{ \text{Verification as Signal} > \text{Verification as Need}. }

這會造成：

Certificate Signaling Distortion

29. 最危險的是「證書替代判斷」

如果 reviewer 面對大量成果，

最容易依賴：

formal verified；
green；
all tests passed；
multi-agent checked。

這些標記很方便。

於是：

\boxed{ \text{Judgment} \rightarrow \text{Checklist}. }

但：

\text{Checklist} \neq \text{Mathematical Evaluation}.

30. 綠燈與研究價值是不同軸

設：

G = \text{Verification Green},

V = \text{Research Value}.

則：

G=1

不代表：

V\gg0.

一個 theorem 可以：

完全正確；
完全形式化；
完全可重現；

但：

很平凡。

因此：

\boxed{ \text{Correctness} \neq \text{Generativity}. }

31. 證書軍備競賽可能排擠生成性工作

研究時間總量有限：

T = T_{explore} + T_{prove} + T_{verify} + T_{comply}.

如果：

T_{verify}+T_{comply}\uparrow,

則可能：

T_{explore}\downarrow.

這會壓縮：

conjecture；
new language；
new abstraction；
theory construction。

32. 最糟的情況：AI 省下的時間全部被制度重新吃掉

原本：

AI \rightarrow \Delta T_{saved}.

但制度提高要求：

\Delta T_{obligation}.

若：

\Delta T_{obligation} \ge \Delta T_{saved},

則：

\boxed{ \text{Net Freedom Gain}\le0. }

這就是：

Automation Burden Rebound

的最完整形式。

33. 證據豐裕時代真正稀缺的是什麼？

如果：

EvidenceSupply\uparrow\uparrow,

新的稀缺資源可能變成：

attention；
judgment；
prioritization；
semantic alignment；
question quality；
research direction。

因此：

\boxed{ \text{Proof Scarcity} \rightarrow \text{Judgment Scarcity}. }

或者：

\boxed{ \text{Certificate Scarcity} \rightarrow \text{Obligation Selection Scarcity}. }

34. 不是「能驗多少」，而是「值得驗多少」

設所有可驗證項目集合：

\Omega_V.

實際值得投入驗證的子集：

\Omega_V^*.

理想制度不是：

\Omega_V^*=\Omega_V.

而是：

\boxed{ \Omega_V^* \subset \Omega_V. }

由：

risk；
impact；
uncertainty；
centrality；
cost；

決定。

35. 證書義務應該與風險相稱

設成果風險：

R(M).

合理證書義務：

O_C(M)

應近似：

\boxed{ O_C(M) \propto R(M). }

而不是：

O_C(M) \propto \text{maximum possible verification}.

36. 證書義務也應與用途相稱

例如：

草稿；
exploratory note；
教學 conjecture；
high-stakes theorem；
foundational library component；

不應使用相同驗證要求。

因此：

\boxed{ O_C = f( \text{Risk}, \text{Use}, \text{Impact}, \text{Uncertainty}, \text{Reuse} ). }

37. Formalization Optionality

成熟制度應保留：

Formalization Optionality

即：

不是所有有價值數學都必須立即進最高形式層。

一些成果可以停在：

E_1,

一些：

E_3,

一些：

E_5.

這是合理多樣性。

38. 多樣證據文化

未來數學可以允許：

\boxed{ \text{Plural Evidence Regimes}. }

例如：

human proof；
computer-assisted proof；
formal proof；
experimental mathematics；
certified computation。

不同成果使用不同組合。

而不是：

\boxed{ \text{One Universal Certificate Stack}. }

39. 證書應該是「型別化」而不是「數量化」

與其說：

你有 12 張證書。

更合理是：

Cert(M) = \{ \text{type}, \text{scope}, \text{assumptions}, \text{independence}, \text{coverage} \}.

也就是：

這張證書到底證明什麼？

因此：

\boxed{ \text{Typed Evidence} > \text{Certificate Count}. }

40. 證書也應標示覆蓋範圍

一個 certificate 應說明：

Coverage(C_i).

例如：

syntax；
theorem statement；
proof term；
numeric computation；
semantic alignment；
reproducibility。

否則：

\boxed{ \text{Certified} }

會成為過度模糊的詞。

41. 獨立性也要標示

證書不只要問：

通過了嗎？

還要問：

和其他證書共享多少依賴？

可定義：

Ind(C_i,C_j).

若：

Ind\approx0,

則兩張證書提供的新增信息有限。

42. 新增證書的邊際價值

定義：

\Delta V(C_{n+1})

為新增一張證書的邊際驗證價值。

當：

\Delta V(C_{n+1}) \rightarrow0,

應觸發：

\boxed{ \text{Stop}. }

這是防止軍備競賽的重要原則。

43. 邊際證書原則

本文提出：

Marginal Certificate Principle

只在：

\boxed{ \Delta V(C_{n+1}) > \Delta Cost(C_{n+1}) }

時，

增加新的證書層。

否則：

Stop=1.

44. 證書治理需要「拒絕最大化」

一個好的驗證制度需要有能力說：

這已經夠了。

因此成熟度不在於：

\text{Can generate more certificates}.

而在於：

\boxed{ \text{Can justify why no more certificates are currently needed}. }

45. 從證書數量競賽轉向證據充分性

未來應從：

\boxed{ \text{How many certificates?} }

轉向：

\boxed{ \text{Is the evidence sufficient for this claim and use?} }

這就是：

Evidence Sufficiency

46. 證書豐裕本身不是問題

證書變多可以帶來：

更容易重現；
更容易審查；
更容易維護；
更容易跨系統移植。

真正風險是：

\boxed{ \text{Abundance} \rightarrow \text{Obligation} \rightarrow \text{Inflation}. }

47. 理解危機可能以新形式回來

如果原本擔心：

\text{AI produces too much mathematics for humans to understand},

回應是：

\text{Produce more certificates}.

那麼最後可能變成：

\boxed{ \text{AI produces too many certificates for humans to understand}. }

也就是：

P_0 \rightarrow R \rightarrow P_1,

其中：

P_1\sim P_0.

這是後續「理解反生成悖論」的重要基礎。

48. 證書制度的真正目標

證書不是為了：

讓研究看起來更完整。

也不是：

讓每篇 paper 擁有最大 evidence stack。

真正目標應是：

\boxed{ \text{Reduce decision-relevant uncertainty}. }

即：

U_{decision}\downarrow.

49. 三個核心問題

每增加一個證書前，

制度應問：

它降低哪一種不確定性？
它和現有證據獨立嗎？
它的新增價值高於成本嗎？

若三個都答不出，

證書可能只是：

\boxed{ \text{Compliance Ornament}. }

50. 結論

AI 讓數學證據變得前所未有地便宜。

這是一件好事。

但：

\boxed{ \text{Can Produce More Evidence} \neq \text{Should Require More Evidence Without Bound}. }

如果制度將：

C_{evidence}\downarrow

直接轉換為：

O_C\uparrow,

則會形成：

\boxed{ \text{Optional} \rightarrow \text{Expected} \rightarrow \text{Norm} \rightarrow \text{Requirement}. }

再經過比較、訊號與競爭，

形成：

\boxed{ \text{Certificate Arms Race}. }

接著：

\text{Automation Gain} \rightarrow \text{More Obligations} \rightarrow \text{Automation Burden Rebound}.

最終甚至可能出現：

\boxed{ \text{AI 幫人類省下驗證時間，} \quad \text{制度卻把這些時間重新全部變成新的驗證義務。} }

因此，AI 時代數學制度真正需要的不是：

\boxed{ \text{Maximum Certificate Production}. }

而是：

\boxed{ \text{Minimum Sufficient, Typed, Risk-Proportional Evidence}. }

證書應該服務判斷。

形式化應該服務可靠性。

驗證應該服務數學。

而不是最後讓數學反過來服務一個永遠不會停止增長的證書堆疊。

真正成熟的驗證文明，

不是最會產生證書的文明，

而是：

\boxed{ \text{最知道哪些證據值得要、} \quad \text{哪些證據只是重複、} \quad \text{以及什麼時候已經足夠的文明。} }