完全理性仍然可能失敗：認知底空間不完備下的超博弈問題

Perfect Rationality Can Still Fail: Hypergame Problems under Incomplete Cognitive Base Spaces

系列：超博弈、認知底空間與多主體不可完備性，第 1 篇／共 3 篇
系列英文名：Hypergame, Cognitive Base Space, and Multi-Agent Incompleteness
系列代碼：HGCB
文件編號：EML-HGCB-2026-01-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：2026-09-12
性質：Game Ontology／Meta-Game／Epistemic Modeling／Cognitive Base-Space Theory
狀態：Public Theory Draft
直接前置：《無界策 3.0》；《無界策：源點》；《現實不是單一遊戲：多尺度嵌套遊戲與跨層因果》
後續接口：HGCB-02《從理性法人到多自由意志系統》；HGCB-03《內生博弈空間》

摘要

傳統博弈論通常在一個已指定的遊戲中研究策略、信念、均衡與理性選擇。即使後續理論放寬完全資訊、共同知識或完全理性的假設，研究往往仍需先接受某組玩家、策略、狀態、規則、效用與時間結構作為分析底盤。本文提出一個更前置的問題：分析者與行動者憑什麼相信，被指定為「這場博弈」的認知底空間已經足以承載真正相關的可能性？

本文將觀察者對世界所建立的遊戲模型記為認知投影，而非世界本身。即使一個行動者在其認知模型內具有完全資訊處理能力、無限計算能力並執行完全理性的效用最大化，只要其認知底空間遺漏了可行行動、相關玩家、耦合遊戲、規則生成機制、時間尺度、效用來源或可改變遊戲本身的操作，則其「完全理性」仍然只具有局部模型內有效性。本文因此提出「認知底空間審查」（Cognitive Base-Space Audit, CBSA），將策略求解之前的模型閉合性問題明確化。

本文不主張傳統博弈論錯誤，也不主張本文的「超博弈」比既有博弈論具有更高的全域量詞。相反，本文主張：任何宣稱全域的博弈模型，都應將自身的全域性視為待審查命題，而非分析起點。 本文並區分有限理性、認知錯置與認知底空間不完備三類問題，討論其與 metagame analysis、hypergame analysis、epistemic game theory 及 endogenous institutional change 的關係；最後提出一組可操作的審查算子與實驗指標，為後續多主體模型與 Agent 遊戲實驗建立理論接口。

關鍵詞

超博弈；認知底空間；博弈本體論；完全理性；模型不完備；認知投影；狀態空間；策略生成；內生規則；Agent

1. 問題不是「如何下得更好」，而是「我們真的知道棋盤有多大嗎？」

對一個標準遊戲，研究者可以先指定：

G= \left( N, S, A, R, U, T \right),

其中：

$N$ 為玩家集合；
$S$ 為狀態空間；
$A$ 為可行動集合；
$R$ 為規則與可行性限制；
$U$ 為效用或支付結構；
$T$ 為時間與轉移結構。

在此之後，可以研究最佳回應、均衡、信念更新、混合策略、重複博弈、演化博弈、合作博弈或各種不完全資訊問題。

這些工作本身沒有問題。

真正被忽略的前置問題是：

\boxed{ \text{Why should this }G\text{ be considered sufficient?} }

也就是：

為什麼我們相信目前被列出的玩家、策略、規則、效用、時間尺度與狀態，就是這個現實問題真正相關的全部結構？

這個問題與「行動者是否理性」不同。

一個行動者甚至可以在自己的模型內完全理性：

a_O^* = \arg\max_{a\in A_O} U_O(a),

卻因為：

A_O \subsetneq A_{\mathrm{relevant}}

而錯失一個從未被納入候選集合的行動。

同樣地，行動集合可以列得完整，卻可能有：

N_O \subsetneq N_{\mathrm{relevant}},

代表某些實際影響結果的主體根本沒有被視為玩家。

或者：

R_O \neq R_{\mathrm{effective}},

表示分析者以為規則固定，但實際上存在能改變規則、退出規則、創造新規則或跨越另一個遊戲場域的機制。

因此，本文的核心命題不是：

\text{Game Theory is wrong}.

而是：

\boxed{ \text{Solving a game presupposes a prior act of defining the game.} }

而這個「定義遊戲」的動作，本身就是一個需要被審查的認知操作。

2. 從《無界策》到認知底空間問題

《無界策》早期的「宏界策」已將策略問題從「局內最佳化」推向「創局、破界、改規與換場」。其重點並不只是「規則可以改」，而是進一步逼問：

當分析者把某套規則、邊界與勝負條件視為當然時，他是否已經在不知不覺中把可能性空間壓縮成一個局部模型？

若只把這個思想翻譯成：

\text{Meta-game} = \text{Change the rules},

仍然不夠。

因為「改規則」可能只是：

R_1 \rightarrow R_2,

但兩者依舊被假設包含於某個已知固定的更大底空間：

R_1,R_2 \in \Omega.

真正更前置的問題是：

\boxed{ \text{How do we know that }\Omega\text{ is cognitively sufficient?} }

本文因此不把「超博弈」定義為一套比博弈論更高階、更終極的博弈論，而把它視為一種對博弈模型閉合性的持續審查。

也就是：

\boxed{ \text{Before solving the game, audit the space in which the game is believed to exist.} }

3. 既有理論近鄰：本文不是從真空開始

本文的問題具有多個重要近鄰，因此必須先清楚劃定邊界。

3.1 Metagame analysis

Howard 的 metagame analysis 已將傳統策略互動推向更高階的政治與衝突分析，並明確處理策略選項、威脅、承諾與對局勢結構的重新表達。

本文與其相通之處在於：

\text{game-level reasoning} \rightarrow \text{reasoning about the game}.

但本文更強調一個認知論前置條件：

分析者用來建立 metagame 的元素集合本身，是否已經充分？

3.2 Hypergame analysis

Bennett 的 hypergame analysis 明確處理不同玩家所感知到的遊戲並不相同。玩家可能對彼此偏好、策略與局勢結構產生錯誤認知，甚至存在操控另一方認知模型的情況。

這可以表示為：

G_i \neq G_j.

本文接受這一重要思想，但將問題再向前移一層：

\boxed{ \{G_i,G_j,\ldots\} \text{ 是否已經涵蓋真正相關的遊戲結構？} }

換句話說，既有 hypergame 可以研究：

玩家 $i$ 與玩家 $j$ 看見不同的遊戲。

本文則追加：

分析者如何知道「玩家所可能看見的遊戲集合」本身沒有漏掉另一層場域、另一類玩家、另一種規則生成方式或另一個尚未被概念化的行動空間？

因此本文不是取代 hypergame analysis，而是提出一個可與之組合的模型閉合性審查層。

3.3 Epistemic game theory

Epistemic game theory 研究理性、信念以及高階信念：

B_i(B_j(B_k(\cdots))).

它使「我相信你相信我會如何行動」等問題得到嚴格形式化。

本文與它的差異在於，本文不只問：

\text{What does the player believe within the game?}

而要問：

\boxed{ \text{What makes these objects count as the game in the first place?} }

也就是說，本文把「可被形成信念的對象集合」本身也視為可能不完備。

3.4 Bounded rationality

Simon 的有限理性指出，真實決策者受到資訊、計算能力、時間與認知容量限制，因而不能總是執行理想化的全域效用最大化。

本文完全接受這一點，但處理另一個邏輯上獨立的問題。

有限理性可以寫成：

\text{Agent cannot fully optimize over known space}.

本文的認知底空間不完備則是：

\text{Agent may perfectly optimize over an incomplete space}.

因此：

\boxed{ \text{Bounded Rationality} \neq \text{Incomplete Cognitive Ontology}. }

一個計算能力無限的行動者，仍然可能遭遇後者。

3.5 Endogenous institutions and endogenous games

制度研究與內生博弈研究已指出，制度、規則、策略集合與參與結構可能由博弈過程本身生成或改變。

本文與此高度相容。

但本文 Paper 01 的焦點不是完整建立內生遊戲動力學，而是建立一個更基本的判定：

\boxed{ \text{If rules or feasible sets can change endogenously, then treating them as closed exogenous inputs requires justification.} }

這一問題將在 HGCB-03 中進一步展開。

4. 世界、認知底空間與遊戲模型

4.1 世界不等於模型

令某時刻與研究問題相關的世界結構記為：

\mathcal W_t.

本文不主張研究者能取得一個形上學意義上的「宇宙全部真實狀態」。

因此 $\mathcal W_t$ 在本文中只表示：

相對於指定研究問題，在原則上可能對結果造成因果或策略影響的實在結構。

觀察者 $O$ 無法直接使用 $\mathcal W_t$ 。

他必須透過某種認知投影：

\mathcal C_O: \mathcal W_t \rightarrow \Omega_O.

其中：

\Omega_O

稱為觀察者 $O$ 的認知底空間（Cognitive Base Space）。

它包含觀察者目前承認、表示並可以運算的：

主體；
狀態；
行動；
規則；
效用；
時間尺度；
因果連結；
資訊結構；
跨遊戲耦合；
模型修改操作。

遊戲模型則是認知底空間上的一個局部結構：

G_O = \Phi_O(\Omega_O).

因此：

\boxed{ G_O \neq \mathcal W_t }

在一般情況下是合理預設。

5. 定義：認知底空間充分性

絕對「全域」通常不可直接證明，因此本文避免定義：

\Omega_O = \mathcal W_t

作為可實際驗證條件。

相反，對一組研究問題族：

\mathcal Q,

定義相對充分性。

定義 1：任務相對認知充分性

若對研究問題族 $\mathcal Q$ 中所有判定，將 $\Omega_O$ 替換為更豐富的候選底空間 $\Omega'$ 都不改變相關可觀測結論，則稱：

\Omega_O \equiv_{\mathcal Q} \Omega'

在 $\mathcal Q$ 上任務等價。

若在一組合理替代底空間族：

\mathfrak B

中，沒有發現某個：

\Omega' \in \mathfrak B

使核心判定改變，則可稱 $\Omega_O$ 在目前證據下具有暫時認知充分性。

注意：

\boxed{ \text{No detected omission} \neq \text{Proven global completeness}. }

6. 完全理性只對其可見空間負責

令行動者 $i$ 在其認知底空間中具有策略集合：

A_i^{O}

以及效用函數：

U_i^{O}.

若它可以精確求得：

a_i^* = \arg\max_{a\in A_i^{O}} U_i^{O}(a),

本文稱其具有模型內完全理性。

這不代表它具有世界層級的全域理性。

命題 1：模型內完全理性不蘊含跨底空間全域最優

若存在某個可行行動：

a' \notin A_i^{O}

且在較豐富的候選模型中：

U_i(a') > U_i(a_i^*),

則即使 $a_i^*$ 是 $A_i^O$ 上唯一全域最優解，也不能推出：

a_i^* = \arg\max_{a\in A_i^{\mathrm{relevant}}} U_i(a).

證明

由假設：

a_i^* = \arg\max_{a\in A_i^O}U_i^O(a).

但存在：

a' \in A_i^{\mathrm{relevant}} \setminus A_i^O

且：

U_i(a')>U_i(a_i^*).

因此 $a_i^*$ 只在 $A_i^O$ 上最優，不能是 $A_i^{\mathrm{relevant}}$ 上的全域最優。證畢。

這個命題看似簡單，但其理論後果非常重要：

\boxed{ \text{Perfect Optimization} + \text{Incomplete Action Ontology} \Rightarrow \text{Potential Global Failure}. }

而且遺漏不必發生在行動集合。

同樣可以是：

N_O \subsetneq N',

S_O \subsetneq S',

R_O \subsetneq R',

或者：

T_O \subsetneq T'.

任何一個層次的底空間遺漏，都可能使模型內理性產生跨模型錯誤。

7. 認知底空間缺口

為了避免假裝知道真正的絕對全域空間，本文不直接使用：

\mathcal W_t-\Omega_O

作為可計算量。

改定義相對缺口。

定義 2：相對認知底空間缺口

給定基準模型：

\Omega_O

以及一個經證據、對抗分析、替代模型或新觀測得到的擴展模型：

\Omega',

定義：

\Delta_{\Omega}(O,\Omega') = \Omega' \setminus \Omega_O.

若 $\Delta_{\Omega}$ 中存在元素會改變：

最佳策略；
均衡集合；
可行域；
玩家集合；
風險排序；
長期效用；
因果歸因；

則稱其為決策有效缺口。

記為：

\Delta_{\Omega}^{\mathrm{eff}} \neq \varnothing.

這比「模型還有不知道的東西」更嚴格。

真正重要的是：

\boxed{ \text{Does the omission change the decision-relevant structure?} }

8. 七類認知底空間缺口

本文提出至少七類可審查缺口。

8.1 玩家缺口

\Delta_N

問題：

是否存在被當成環境噪音、背景條件或資源，但實際具有自主反應能力的主體？

一旦回答為是，原本的單一行動者控制問題可能變成多主體博弈。

8.2 行動缺口

\Delta_A

問題：

可行策略是否真的已列完？

這一類與創造力、策略生成與尾端能力直接相關。

普通模型可能認為：

A= \{a_1,a_2,a_3\},

高生成能力主體卻發現：

a_4 \notin A.

問題不是它在 $A$ 裡算得更好，而是：

\boxed{ \text{it enlarged the recognized action space}. }

8.3 規則缺口

\Delta_R

問題：

哪些規則是真正不可改變的，哪些只是當前制度、習慣、介面或參與者共同接受的局部約束？

如果某條規則可被重新協商、退出、替換或上位規則覆蓋，則把它視為永久外生常數會造成模型錯置。

8.4 效用缺口

\Delta_U

問題：

模型裡的效用函數，是主體真正追求的，還是分析者為了簡化而投影出的代理目標？

一個組織可以同時具有：

U_{\mathrm{survival}}, U_{\mathrm{prestige}}, U_{\mathrm{profit}}, U_{\mathrm{legitimacy}}, U_{\mathrm{identity}}, \ldots

將其壓成單一標量可能在某些場景有效，也可能在轉折點完全失效。

8.5 時間尺度缺口

\Delta_T

問題：

所謂勝利是在一天、一年、十年，還是跨世代尺度定義？

若：

U^{(\mathrm{short})}(x)>U^{(\mathrm{short})}(y),

但：

U^{(\mathrm{long})}(x)<U^{(\mathrm{long})}(y),

那麼「最佳策略」依賴時間底空間，而不是單一固定排序。

8.6 耦合遊戲缺口

\Delta_C

現實主體往往同時位於：

G_1,G_2,\ldots,G_k.

一場遊戲中的勝利可能消耗另一場遊戲中的資源。

因此：

\text{Victory}^{G_1} \not\Rightarrow \text{Improvement}^{\mathfrak G}.

其中：

\mathfrak G = \{G_1,\ldots,G_k\}

表示遊戲生態系。

8.7 觀察者缺口

\Delta_O

最容易被忽略的是：

誰正在定義這個模型？

分析者選擇：

哪些變量被記錄；
哪些主體被視為玩家；
哪些目標算作效用；
哪些時間尺度被截斷；
哪些行動被認為「不現實」；
哪些領域被排除。

因此：

\boxed{ \text{Model boundary} }

不是純中性的技術行為。

它本身會影響可被看見的解。

9. 認知底空間審查算子族

本文將策略求解前的審查程序抽象為算子族：

\mathcal O_{\mathrm{CBSA}} = \{ O_N, O_A, O_R, O_U, O_T, O_C, O_O \}.

分別對應：

$O_N$ ：玩家審查；
$O_A$ ：行動審查；
$O_R$ ：規則審查；
$O_U$ ：效用審查；
$O_T$ ：時間尺度審查；
$O_C$ ：跨遊戲耦合審查；
$O_O$ ：觀察者審查。

對原模型：

G_O

執行：

O_k(G_O) \rightarrow \tilde G_O^{(k)}.

如果：

\operatorname{Decision} \left( \tilde G_O^{(k)} \right) \neq \operatorname{Decision} \left( G_O \right),

則說明原模型對第 $k$ 類底空間擴展敏感。

10. 閉合性不是布林值，而是一個待校準信念

很多分析容易落入二元判斷：

\text{complete} \quad\text{or}\quad \text{incomplete}.

但實務上我們通常不能證明絕對完備。

因此更合理的是定義閉合信念：

\kappa_O \in [0,1],

表示觀察者對「目前底空間對指定任務已足夠」的校準信心。

關鍵不是讓：

\kappa_O \rightarrow 1

越快越好。

而是要求：

\boxed{ \kappa_O \text{ must remain revisable by evidence}. }

換句話說，一個高品質模型不只是答案準確，還要能正確表達：

自己對模型閉合性的信心有多高。

11. 超博弈的最低定義

基於以上結構，本文提出一個保守定義。

定義 3：超博弈審查

對任一遊戲模型：

G_O,

若分析程序在求解：

\operatorname{Solve}(G_O)

之前或過程中，允許對：

N,S,A,R,U,T

及其跨遊戲耦合、觀察邊界與生成方式進行可修正審查，則稱該程序具有超博弈審查能力。

形式上：

\operatorname{HyperAudit}(G_O) \rightarrow \{ G_O, G_O', G_O'', \ldots \}.

然後：

\operatorname{Solve} \left( \operatorname{HyperAudit}(G_O) \right)

而不是直接：

\operatorname{Solve}(G_O).

12. 超博弈不是「更大的固定棋盤」

這個區別非常重要。

錯誤理解是：

G \subset G'

所以：

G'

比較「高階」。

如果只是把小棋盤換成大棋盤，問題仍然沒有消失。

因為仍然可以問：

\boxed{ \text{Why assume }G'\text{ is closed?} }

因此本文的超博弈不是追求一個終極固定遊戲：

G_{\infty}.

而是保留：

G_t \rightarrow G_{t+1}

的模型修正能力。

所以更接近：

\boxed{ \text{Hypergame as anti-premature-closure discipline}. }

即：

拒絕過早宣布可能性空間已被列完。

13. 一個簡單例子：市場競爭

假設兩家公司在同一產品市場競爭。

傳統模型：

A= \{ \text{降價}, \text{廣告}, \text{提高品質} \}.

若公司甲在此集合中求得最佳策略：

a^* = \text{降價},

那麼它可以在模型內完全理性。

但公司乙沒有接受該底空間，而重新定義產品：

\text{product} \rightarrow \text{platform}.

於是新的行動：

a' = \text{create platform ecosystem}

根本不位於原始 $A$ 。

此時甲的失敗不能單純解釋成：

甲算錯了。

更精確的說法是：

\boxed{ \text{甲在錯誤閉合的策略本體上完成了正確最佳化。} }

這正是本文試圖描述的問題。

14. 「意外」可能是認知底空間差異，而不只是低概率事件

假設某策略在既有模型中根本沒有被列入：

a' \notin A_O.

那麼觀察者事後可能將其稱為：

奇招；
天才；
意外；
不可預測；
黑馬；
非理性；
運氣。

但這些詞有時只是因為：

A_O

比實際可生成行動空間更小。

因此：

\boxed{ \text{Surprise} \not\Rightarrow \text{Low-probability event}. }

它也可能是：

\boxed{ \text{Model-space omission}. }

這一區分對後續「極端能力生成論」非常重要。

15. 概率不能補救未建模的存在

如果某個事件：

e

根本沒有被納入樣本空間：

e \notin \Omega_O,

那麼給既有事件做再精確的概率估計：

P(x), \quad x\in\Omega_O

也無法自動發現 $e$ 。

因此：

\boxed{ \text{Better probability estimation} \neq \text{Better ontology discovery}. }

這不是反對概率論。

而是指出概率推理與可能性空間生成是兩個不同問題。

第一個問題是：

P(x\mid\Omega_O).

第二個問題是：

\boxed{ \text{Should }x\text{ or another class of events be in }\Omega_O\text{ at all?} }

16. 完全理性的悖論：理性越強，錯誤底空間可能越危險

若一個普通行動者對錯誤模型執行得不穩定，偶爾可能因噪音偏離模型。

但若一個高度優化系統：

A_{\mathrm{strong}}

對同一錯誤模型具有極高執行一致性：

\operatorname{Optimize}(G_O)

則可能更堅定地走向模型內最佳、模型外失敗的結果。

因此存在一個值得注意的風險：

\boxed{ \text{Optimization Power} \uparrow \quad+ \quad \text{Ontology Error fixed} \quad\Rightarrow\quad \text{Failure Amplification} \uparrow. }

這對高能力 AI 尤其重要。

提升推理能力不自動等於提升底空間生成能力。

提升搜索深度也不自動等於提升「發現搜索空間定義錯了」的能力。

17. 對 AI Agent 的直接含義

一個 Agent 可以被設計成：

\pi: S \rightarrow A.

這代表在已知狀態與已知行動集合中選擇行動。

但更高階 Agent 需要至少追加：

G_{\mathrm{space}}: S \rightarrow \mathcal P(A),

也就是策略空間生成器。

再進一步：

O_{\mathrm{audit}}: G \rightarrow G',

允許它審查：

玩家是否漏列；
行動是否漏列；
規則是否可變；
效用是否錯置；
時間尺度是否太短；
是否存在另一個耦合遊戲；
自己是否因觀察介面而產生模型盲區。

因此 Agent 的能力不應只用：

\operatorname{Solve}(G)

評估。

還應加入：

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

18. 可實驗化：人工遊戲中的底空間衝擊

本文理論可以在可控人工世界中測試。

設一個基準 Agent：

A_0

與一個具有 CBSA 算子的 Agent：

A_1.

兩者一開始都面對相同遊戲：

G_0.

在未知時間：

t^*

引入一種底空間衝擊。

類型 A：新增合法行動

A_t \rightarrow A_t\cup\{a_{\mathrm{new}}\}.

類型 B：加入新玩家

N_t \rightarrow N_t\cup\{n_{\mathrm{new}}\}.

類型 C：規則切換

R_t \rightarrow R_t'.

類型 D：耦合另一個遊戲

G_t \rightarrow G_t \oplus G_t'.

類型 E：改變時間尺度上的真實報酬

U^{\mathrm{short}} \neq U^{\mathrm{long}}.

然後比較兩 Agent。

19. 建議指標

19.1 底空間修復延遲

\tau_{\mathrm{repair}} = t_{\mathrm{correct\ model}} - t^*.

越小越好。

19.2 新行動發現率

D_A = \frac{ |\text{newly discovered valid actions}| }{ |\text{available hidden actions}| }.

19.3 本體衝擊後遺憾

R_{\mathrm{onto}} = U(a_{\mathrm{best\ under\ repaired\ model}}) - U(a_{\mathrm{executed}}).

19.4 閉合信念校準誤差

若 Agent 報告：

\kappa_t

作為其底空間充分性信心，可評估：

E_{\kappa} = |\kappa_t-y_t|,

其中：

y_t \in \{0,1\}

表示後續證據是否發現決策有效缺口。

19.5 跨遊戲遷移

若某審查算子只對一款遊戲有效，它可能只是環境 heuristic。

若：

O_{\mathrm{audit}}

能跨：

G_1,G_2,\ldots,G_m

保持效用，才更接近一般策略算子。

20. 可反證性

本文不是不可驗證的「世界永遠還有更多可能」宣言。

它提出的是較窄命題：

對許多複雜博弈問題，將當前模型的玩家、行動、規則、效用、時間與耦合結構視為已閉合，會產生可觀測的決策風險；而顯式執行底空間審查，可以在一部分環境中降低這種風險。

因此可以被反證。

若大量跨環境實驗顯示：

\operatorname{CBSA}

不提升：

模型修復；
新行動發現；
規則變化適應；
長期報酬；
跨遊戲遷移；

甚至穩定降低表現，則必須縮小其適用範圍。

同樣地，如果傳統固定模型已能在某類環境充分描述所有決策有效變量，那麼：

\operatorname{CBSA}

只會增加不必要成本。

本文不主張所有問題都需要超博弈審查。

21. 計算成本與過度懷疑問題

持續懷疑底空間也可能造成另一種失敗：

\text{never commit}.

如果 Agent 永遠懷疑：

還有沒有別的玩家？
還有沒有別的規則？
還有沒有另一層世界？

則可能陷入：

\text{Meta-analysis paralysis}.

因此實際系統需要停止條件。

例如定義審查成本：

C_{\mathrm{audit}}

以及預期資訊價值：

VOI_{\mathrm{audit}}.

當：

VOI_{\mathrm{audit}} < C_{\mathrm{audit}},

則暫停擴展底空間並進入行動。

所以成熟的超博弈系統不是：

永遠不相信任何棋盤。

而是：

\boxed{ \text{保持可修正，但允許暫時閉合。} }

22. 從「全域」改成「可修正的局部全域」

本文因此建議避免無條件宣稱：

G = G_{\mathrm{global}}.

更合理的術語是：

\boxed{ G_t^{\text{local-global}} }

意指：

在目前任務、觀測、證據、時間與計算條件下，被暫時當作足夠全域使用的模型。

它的核心不是規模最大，而是：

\operatorname{Revisable} = 1.

這種「局部全域」概念比宣稱絕對全域更符合有限認識者的真實處境。

23. 與後續兩篇的關係

本文只處理：

\boxed{ \text{The game model itself may be incomplete.} }

HGCB-02 將處理另一個更困難的問題：

\boxed{ \text{The player called a state may not possess a single natural utility function.} }

也就是從「完全理性法人」進入多自由意志系統。

HGCB-03 則進一步處理：

\boxed{ G_{t+1} = F(G_t,a_t,\text{agents},\text{institutions},\text{beliefs}). }

亦即行動不只是發生在遊戲裡，而會修改下一刻的遊戲本身。

三篇合起來形成：

\text{Model Incompleteness} \rightarrow \text{Actor Incompleteness} \rightarrow \text{Endogenous Game-Space Evolution}.

24. 核心命題整理

本文提出以下九個核心命題。

命題一：遊戲定義前置命題

\boxed{ \text{Game solving presupposes game construction.} }

命題二：模型內理性命題

\boxed{ \text{Perfect rationality is always relative to a represented space.} }

命題三：全域非蘊含命題

\boxed{ \text{Perfect Rationality} \not\Rightarrow \text{Global Optimality}. }

命題四：概率非本體生成命題

\boxed{ \text{Probability over }\Omega \text{ cannot by itself discover what was excluded from }\Omega. }

命題五：驚奇來源分離命題

\boxed{ \text{Surprise} = \text{low probability} \quad\text{or}\quad \text{model-space omission} \quad\text{or both}. }

命題六：超博弈非大棋盤命題

\boxed{ \text{Hypergame audit} \neq \text{merely choosing a larger fixed game}. }

命題七：暫時閉合命題

\boxed{ \text{Operational closure should be provisional and revisable.} }

命題八：強最佳化放大錯誤命題

\boxed{ \text{Stronger optimization can amplify errors in a fixed wrong ontology.} }

命題九：高階 Agent 雙能力命題

\boxed{ \text{Advanced Agent} = \operatorname{Solve}(G) + \operatorname{Repair}(G). }

25. 討論：真正的超博弈不是「我知道更多」，而是「我知道自己可能沒看到全部」

超博弈最容易被誤解成一種智力優越敘事：

我跳出你的棋盤，所以我的棋盤比較高階。

本文拒絕這種理解。

因為只要某個行動者宣稱：

\Omega_{\mathrm{mine}} = \Omega_{\mathrm{global}},

他就再次建立了一個不可被質疑的新邊界。

本文更重視的是：

\boxed{ \text{epistemic non-closure}. }

即：

我可以暫時把某個模型當作足夠使用，但不把「足夠使用」誤認成「世界已被窮盡」。

這也使超博弈與單純的「規則破壞」區分開來。

高階策略不必永遠破壞規則。

有時最佳策略就是遵守既有規則。

有時是改規。

有時是換場。

有時是加入新玩家。

有時是重新定義勝利。

有時最重要的操作反而是承認：

\boxed{ \text{目前沒有足夠證據知道哪一個遊戲模型才是正確的。} }

26. 結論

本文從一個簡單但容易被忽略的問題出發：

在求解一場博弈之前，我們如何知道自己已經正確定義了這場博弈？

本文提出，完全理性本身不能解決認知底空間不完備。

若：

\Omega_O \subsetneq \Omega_{\mathrm{relevant}},

那麼：

\arg\max_{a\in A_O} U(a)

可以完全正確，卻仍然在更大的決策有效空間中失敗。

因此真正高階的策略智能不能只擁有：

\operatorname{Solve}(G).

還需要：

\operatorname{Audit}(G)

與：

\operatorname{Repair}(G).

本文不把超博弈視為比傳統博弈論更「全域」的理論，而將其定位為：

\boxed{ \text{a discipline against premature closure of the game space}. }

也就是對「棋盤是否已被正確畫出」保持制度化、可操作且可停止的懷疑。

最終核心可濃縮為：

\boxed{ \text{Before asking for the best move, ask whether the recognized game is the right game.} }

以及：

\boxed{ \text{完全理性可以解一個錯誤的問題，而且解得非常完美。} }

這正是認知底空間審查存在的理由。

參考文獻

Bennett, P. G. (1977). Toward a theory of hypergames. Omega, 5(6), 749–751. https://doi.org/10.1016/0305-0483(77)90056-1
Bennett, P. G. (1980). Bidders and dispenser: Manipulative hypergames in a multinational context. European Journal of Operational Research, 4(5), 293–306. https://doi.org/10.1016/0377-2217(80)90141-1
Dekel, E., & Siniscalchi, M. (2015). Epistemic Game Theory. In Handbook of Game Theory with Economic Applications, Vol. 4, 619–702. Elsevier. https://doi.org/10.1016/B978-0-444-53766-9.00012-4
Greif, A., & Laitin, D. D. (2004). A Theory of Endogenous Institutional Change. American Political Science Review, 98(4), 633–652.
Howard, N. (1971). Paradoxes of Rationality: Theory of Metagames and Political Behavior. MIT Press.
Simon, H. A. (1955). A Behavioral Model of Rational Choice. The Quarterly Journal of Economics, 69(1), 99–118.
Simon, H. A. (1957). Models of Man: Social and Rational. Wiley.
Neo.K. (2026). 《無界策 3.0》. EveMissLab working manuscript.
Neo.K. (2026). 《無界策：源點》. EveMissLab working manuscript.
Neo.K with Aletheia. (2026). 《現實不是單一遊戲：多尺度嵌套遊戲與跨層因果》. EveMissLab working manuscript.

附錄 A：認知底空間審查最小模板

對任一待分析問題，先建立：

G_0= (N,S,A,R,U,T).

然後依序執行：

A. 玩家審查

O_N(G_0): \quad \text{Who can react but is currently modeled as environment?}

B. 行動審查

O_A(G_0): \quad \text{Which feasible actions are absent because they are unfamiliar rather than impossible?}

C. 規則審查

O_R(G_0): \quad \text{Which rules are physical, institutional, conventional, interface-level, or negotiable?}

D. 效用審查

O_U(G_0): \quad \text{Whose utility is being represented, and what has been compressed away?}

E. 時間審查

O_T(G_0): \quad \text{Does the preferred action change under another relevant horizon?}

F. 耦合審查

O_C(G_0): \quad \text{Which other games share actors, resources, identities, risks, or consequences?}

G. 觀察者審查

O_O(G_0): \quad \text{Which modeling choices come from the observer rather than the world?}

最後不輸出：

\text{This is the complete game}.

而輸出：

\boxed{ \text{This is the currently adequate game model under stated scope and evidence.} }

並保留：

\operatorname{Repair}(G)

接口。

附錄 B：一句話版本

傳統博弈問「在這盤棋裡怎麼走最好」；本文的超博弈先問「你怎麼知道你看到的真的是整盤棋」。