從理性法人到多自由意志系統：國家效用函數為何不是天然存在

From Rational Corporate Actors to Plural-Will Systems: Why State Utility Functions Are Not Naturally Given

系列：超博弈、認知底空間與多主體不可完備性，第 2 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-2026-02-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：Collective Agency／Social Choice／Multi-Agent Systems／Political Ontology／Decision Theory
狀態：Public Theory Draft
直接前置：HGCB-01《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》；《無界策：源點》
後續接口：HGCB-03《內生博弈空間：行動如何改變玩家、效用、規則與可行域》

摘要

大量國際關係、戰略分析、經濟模型與博弈模型，會在實務上把國家、企業、政黨、軍隊或其他組織近似成單一理性行動者，並為其指定效用函數：

U_{\mathrm{state}}(x).

這種近似常具有高度分析價值，但容易被誤讀為本體陳述：彷彿「國家」天然具有一組一致、穩定且可直接最大化的偏好。本文指出，對由多個自主主體構成的集體而言，集體效用並不是自然從個體效用中自動湧現的單一函數；它必須經由制度、權力、議程、資訊、程序、角色、組織慣例與決策機制被聚合、壓縮或生成。

本文提出「制度決策編譯器」（Institutional Decision Compiler, IDC）概念，將國家或組織的可觀測行動表示為：

a_t^{C} = \mathcal F_t \left( \mathbf U_t, \mathbf B_t, \mathbf I_t, \mathbf P_t, \mathbf R_t, \mathbf Q_t \right),

其中 $\mathbf U_t$ 為成員或子群體效用， $\mathbf B_t$ 為信念， $\mathbf I_t$ 為資訊結構， $\mathbf P_t$ 為權力與權限分布， $\mathbf R_t$ 為制度規則， $\mathbf Q_t$ 為議程、程序與組織狀態，而 $\mathcal F_t$ 是將多主體狀態轉成集體行動的制度映射。

本文不主張集體代理性不存在。相反，本文區分「集體可以形成穩定代理性」與「集體天然具有單一效用函數」兩個命題。前者可在制度設計、判斷聚合與組織結構下成立；後者則需要額外證明。本文結合社會選擇、群體代理、理性行動者模型、組織程序與官僚政治等近鄰，提出一套從理性法人模型過渡到多自由意志系統的形式框架，並說明為何單一統治者模型在數學上會顯著降低維度，卻同時帶來誤差集中、合法性、資訊瓶頸與未來承諾等新問題。

本文最終主張：「國家偏好」應被視為制度化生成物，而非不可追問的自然輸入。 對高階 Agent、政治模擬與世界模型而言，真正需要建模的不是單一 $U_{\mathrm{state}}$ ，而是產生集體決策的映射本身。

關鍵詞

理性法人；集體代理；社會選擇；多自由意志；效用聚合；制度決策；官僚政治；群體代理；多智能體系統；超博弈

1. 從 HGCB-01 往前一步：即使棋盤正確，玩家也可能被畫錯

HGCB-01 處理的是：

\boxed{ \text{The recognized game may be incomplete.} }

也就是分析者可能漏掉玩家、行動、規則、時間尺度、效用來源或跨遊戲耦合。

本文處理下一個問題：

\boxed{ \text{Even a recognized player may not be a natural unitary will.} }

在很多模型中，我們寫：

N= \{ \text{State A}, \text{State B}, \text{State C} \}.

接著直接給定：

U_A, U_B, U_C.

這在分析上非常方便。

但如果 State A 內部其實包含：

A= \{ a_1,a_2,\ldots,a_n \},

而每一個 $a_i$ 都具有：

不同偏好；
不同資訊；
不同權力；
不同角色；
不同風險承受；
不同時間尺度；
不同身份認同；
不同策略生成能力；

那麼：

U_A

究竟從哪裡來？

這不是語義問題，而是集體決策模型的核心問題。

2. 理性法人模型為什麼如此有用

先明確承認它的價值。

假設把國家視為單一理性行動者：

C.

給定狀態空間：

S,

行動空間：

A_C,

以及效用：

U_C:S\rightarrow\mathbb R.

那麼國家決策可以寫成：

a_C^* = \arg\max_{a\in A_C} \mathbb E \left[ U_C(S_{t+1}) \mid a,S_t \right].

這個模型可以：

壓縮數億個人的異質性；
讓多國博弈保持可計算；
支援均衡分析；
支援風險分析；
支援策略比較；
支援政策模擬。

因此本文不主張：

\text{Unitary Actor Model} = \text{useless}.

相反，本文主張：

\boxed{ \text{It is a compression model, not automatically an ontology.} }

問題發生在：

從「把國家當成一個人很好算」

滑向：

「國家本來就是一個具有單一意志的人」。

3. Allison 的經典分離：理性行動者、組織程序與官僚政治

國際關係與外交決策研究早已存在對單一理性國家模型的系統性修正。

Allison 在《Essence of Decision》中著名地區分：

Rational Actor Model；
Organizational Process Model；
Bureaucratic Politics Model。

在第一種模型中，國家可以被視為：

\text{unitary} + \text{utility maximizing}.

但另外兩種模型提醒：

實際政策也可能是組織標準程序、部門能力、既有慣例、權限分割與官僚談判的產物。

因此，同一個可觀測國家行動：

a_t^{state}

至少存在不同生成解釋。

它可能近似：

a_t^{state} = \arg\max U_{\mathrm{state}},

也可能更接近：

a_t^{state} = \mathcal F \left( \text{organizations}, \text{routines}, \text{bargaining}, \text{authority} \right).

本文採取第二種形式作為更一般的母模型。

4. 社會選擇的基本問題：如何從多個偏好得到一個「社會偏好」？

令集體：

C= \{1,2,\ldots,n\}.

每一個成員 $i$ 對替代方案集合：

X

具有偏好關係：

R_i.

那麼集體偏好可以被抽象成某個聚合函數：

F: (R_1,R_2,\ldots,R_n) \rightarrow R_C.

這就是最基本的社會選擇問題。

但：

F

不是由自然界自動寫好的。

多數決是一種 $F$ 。

獨裁是一種 $F$ 。

加權投票是一種 $F$ 。

兩院制是一種 $F$ 。

否決權是一種 $F$ 。

市場價格機制在特定問題上也是一種分散式聚合機制。

官僚層級是一種 $F$ 。

軍事指揮鏈也是一種 $F$ 。

因此：

\boxed{ \text{Collective preference} = \text{individual inputs} + \text{aggregation architecture}. }

不是：

\boxed{ \text{Collective preference} = \text{sum of individual preference}. }

5. Arrow 的意義：不是「民主不可能」，而是聚合沒有無成本的天然公式

Arrow 的不可能定理指出，在一定條件集合下，不存在一個同時滿足若干看似合理要求的普遍偏好聚合規則。

本文不把 Arrow 定理解讀為：

集體決策不可能。

也不解讀為：

民主必然不理性。

本文取其更保守的意義：

\boxed{ \text{There is no assumption-free natural aggregation rule.} }

也就是：

如果想把多個個體偏好壓成一個集體偏好，必須付出某些制度選擇、限制條件、資訊要求或規範代價。

因此：

U_{\mathrm{state}}

若要成立，不應只是被寫下來。

它需要一套：

\mathcal F

來說明它如何被生成。

6. 集體代理性不等於天然單一效用

這裡必須避免另一個極端。

如果說：

國家不是天然一個人。

不能直接推出：

國家不可能是一個代理人。

List 與 Pettit 的群體代理研究指出，組織、政府、法院、企業等集體可以在適當決策結構下表現出某種整體代理性、信念一致性與行動能力。

因此本文區分：

\boxed{ \text{Group Agency} }

與：

\boxed{ \text{Natural Unitary Utility}. }

前者可以是制度生成的。

後者不是前者的必要先驗。

換句話說：

\text{group acts coherently} \not\Rightarrow \text{group had a primordial single will}.

更合理的是：

\boxed{ \text{Institutional structure can compile plurality into agency.} }

7. 制度決策編譯器

本文提出核心工作概念：

\boxed{ \text{Institutional Decision Compiler} }

簡稱：

IDC.

令一個集體在時間 $t$ 的內部狀態為：

Z_t = \left( \mathbf U_t, \mathbf B_t, \mathbf I_t, \mathbf P_t, \mathbf R_t, \mathbf Q_t \right).

其中：

$\mathbf U_t$ ：多主體效用與價值；
$\mathbf B_t$ ：信念與世界模型；
$\mathbf I_t$ ：資訊分布與資訊流；
$\mathbf P_t$ ：權力、權限與資源控制；
$\mathbf R_t$ ：正式與非正式制度規則；
$\mathbf Q_t$ ：議程、程序、角色、組織慣例與當下內部狀態。

則集體輸出：

a_t^C

由：

\boxed{ a_t^C = \mathcal F_t(Z_t) }

生成。

其中：

\mathcal F_t

就是制度決策編譯器。

8. 為什麼叫「編譯器」

因為它做的事情不是單純求平均。

它會：

接受多個異質輸入；
過濾部分輸入；
提高部分輸入權重；
將某些偏好轉譯為制度語言；
將某些偏好阻斷；
將衝突輸入轉成一個可執行輸出；
產生外部可觀測的集體行動。

所以：

\mathcal F

更像：

\text{many internal states} \rightarrow \text{one executable collective action}.

而不是：

\frac{1}{n} \sum_i U_i.

9. 集體效用函數是二階產物

如果制度長期穩定，分析者可能觀察到：

a_t^C

具有高度一致模式。

這時可以反推一個近似效用函數：

\hat U_C.

使：

a_t^C \approx \arg\max_a \hat U_C(a).

這種表示非常有用。

但本文強調：

\boxed{ \hat U_C \text{ may be an emergent summary of } \mathcal F, \text{ not a primitive natural fact.} }

也就是：

\mathcal F \rightarrow \text{stable behavior} \rightarrow \hat U_C.

而不一定是：

U_C \rightarrow \text{behavior}.

10. 個體理性不蘊含集體理性

假設每個個體：

i

都完全理性。

即：

a_i^* = \arg\max_{a_i} U_i(a_i,a_{-i}).

仍然不能推出：

\boxed{ C \text{ has a coherent global preference ordering}. }

原因包括：

偏好衝突；
協調失敗；
議程操控；
投票循環；
部門鎖定；
資訊不對稱；
委託代理問題；
權力不均；
身份與角色衝突；
不同時間折現率。

所以：

\boxed{ \forall i,\ Rational(i) \not\Rightarrow Rational(C). }

11. 反過來，集體理性也不要求每一個個體都完全理性

同樣重要的是：

Rational(C) \not\Rightarrow \forall i,\ Rational(i).

一個制度可以透過：

冗餘；
審查；
分工；
多層驗證；
專業化；
權力制衡；
程序性延遲；

使局部錯誤被抵消。

因此：

\boxed{ \text{collective rationality can be an architectural property}. }

這對 AI multi-agent system 同樣重要。

12. 「國家意志」可以是壓縮表示，但不能被不可逆地實體化

在很多分析中，我們會說：

國家 A 想要安全。

或者：

國家 B 想要擴張。

這種語句是有效的高階壓縮。

但需要保留：

\operatorname{decompress}

能力。

也就是當模型失效時，可以重新展開：

\text{State} \rightarrow \{ \text{leader}, \text{military}, \text{bureaucracy}, \text{business}, \text{citizens}, \text{regions}, \text{factions}, \ldots \}.

本文稱此為：

\boxed{ \text{Reversible Actor Compression Principle}. }

好的國家模型可以壓縮。

但不能忘記：

壓縮後的「一個玩家」是模型選擇，不一定是不可再分割的本體。

13. 完全理性統治者：極端壓縮模型

假設一個國家的全部有效決策權集中於單一主體：

s.

並且：

\mathbf P_s \gg \mathbf P_{-s}.

若制度允許：

\mathcal F(Z_t) \approx \pi_s(Z_t),

則有：

U_C \approx U_s.

這就是本文所稱：

\boxed{ \text{Sovereign Compression Limit}. }

在此極限下：

N \rightarrow 1

並非人口真的消失，而是：

其他人的偏好對最終可執行決策的直接權重被壓到非常低。

14. 單一統治者為何數學上更容易

多主體系統需要處理：

U_1,U_2,\ldots,U_n.

單一統治者近似則變成：

U_s.

因此：

\text{aggregation complexity} \downarrow.

協商、投票、議程、合法性與多方否決點可以在模型中大幅減少。

所以單一主權者模型往往更容易找到：

a^* = \arg\max_a U_s(a).

但這種簡化不代表現實成本消失。

它只是把一部分複雜度從：

\text{decision aggregation}

轉移到：

\text{information} + \text{implementation} + \text{compliance} + \text{legitimacy} + \text{succession}.

15. 主權者壓縮的四個主要風險

15.1 誤差集中

若：

U_C \approx U_s,

且主權者模型存在誤差：

\epsilon_s,

則：

\epsilon_s \rightarrow \epsilon_C.

缺乏異質主體校正時，單點誤差可能直接系統化。

15.2 資訊瓶頸

權力集中不等於資訊集中。

世界資訊量可以遠大於單一中心處理能力：

|\mathcal I_{\mathrm{world}}| \gg C_s.

因此真正問題可能變成：

\text{Who filters information before it reaches }s?

於是中介官僚重新進入模型。

15.3 執行偏移

即使中心決策：

a_s

非常理性，實際執行仍需：

a_s \rightarrow a_{org} \rightarrow a_{local}.

每一層都可能產生：

\delta_k.

因此：

a_{\mathrm{real}} \neq a_s.

15.4 繼承與時間一致性

即使今天的主權者具有：

U_s^t,

也不能保證未來主權者：

U_{s'}^{t+\tau}

相同。

所以：

Promise_t

不必然約束：

Decision_{t+\tau}.

這產生長期可信承諾問題。

16. 自由意志在本文中的最低建模含義

本文不需要先解決形上學上的：

自由意志是否真正非決定論？

只需採一個較弱、可計算的工作定義。

若主體 $i$ 具有：

自身狀態；
自身偏好或價值；
局部世界模型；
對資訊的自主更新；
可選擇的行動集合；
對外部刺激非固定單一路徑的反應；
可能修改自身策略或偏好；

則在多主體建模中，把它視為：

\boxed{ \text{locally autonomous decision subject} }

就已經足夠。

因此本文的「多自由意志系統」主要是一個多自主決策中心概念，而非預設某個特定形上學立場。

17. 多自由意志系統

令：

\mathcal A = \{A_1,A_2,\ldots,A_n\}.

每一個 Agent 具有：

A_i = (U_i,B_i,M_i,\Pi_i,\Lambda_i).

其中：

$U_i$ ：效用與價值；
$B_i$ ：信念；
$M_i$ ：記憶與內部狀態；
$\Pi_i$ ：策略生成與決策機制；
$\Lambda_i$ ：學習與自我修改規則。

則下一時刻：

S_{t+1} = F \left( S_t, a_{1,t}, a_{2,t}, \ldots, a_{n,t} \right).

其中：

a_{i,t} = \Pi_i \left( S_t, B_{i,t}, M_{i,t}, U_{i,t} \right).

這時：

\text{State}

不再是一個玩家。

它是一個：

\boxed{ \text{decision-generating ecology}. }

18. 高階信念使「一個國家」進一步難以直接壓縮

Agent 不只對世界有信念。

它也會對其他 Agent 有信念：

B_i(A_j).

進一步：

B_i(B_j(A_i)).

甚至：

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

因此集體內部可能存在：

聯盟；
派系；
預期反應；
策略投票；
隱藏偏好；
訊息操控；
表面服從；
內部否決；
預防性妥協。

這使：

\mathcal F_t

本身帶有博弈性。

也就是：

\boxed{ \text{the mechanism that produces the player is itself a game}. }

19. 偏好不是固定輸入

很多模型假設：

U_i

固定。

但實際上：

U_{i,t+1} \neq U_{i,t}

完全可能。

偏好可能受到：

身份；
創傷；
成功與失敗；
社會敘事；
新資訊；
世代更替；
地位；
制度獎勵；
技術；
群體互動；

影響。

因此集體效用更不應被預設為：

U_C=\text{constant}.

因為：

\mathcal F_t

在變，

且：

\mathbf U_t

也在變。

20. 集體行動會反過來修改其成員

集體不是只把偏好壓成行動。

行動本身還會回饋成員。

形式上：

a_t^C \rightarrow S_{t+1} \rightarrow \mathbf U_{t+1}, \mathbf B_{t+1}, \mathbf P_{t+1}.

因此：

\mathcal F_t

產生的行動，會改變下一輪：

\mathcal F_{t+1}

所接收的輸入。

這建立：

\boxed{ \text{Preference} \rightarrow \text{Institution} \rightarrow \text{Action} \rightarrow \text{New Preference}. }

這也是 HGCB-03 的直接接口。

21. 民意不是國家效用函數，也不是純外生參數

對民主制度而言，常見錯誤是把：

\text{public opinion}

直接當作：

U_{\mathrm{state}}.

兩者不同。

民意只是：

\mathbf U_t

與：

\mathbf B_t

的一部分輸入。

其最終影響取決於：

\mathcal F_t.

例如：

選舉制度；
投票率；
議題顯著度；
政黨競爭；
兩院架構；
行政權限；
法院；
媒體；
利益團體；
緊急權力。

因此：

\boxed{ \text{Public Preference} \neq \text{State Decision}. }

但：

\text{Public Preference}

也不能被當成完全無關的噪音。

22. 權力不是效用，但決定效用能否進入輸出

令每一主體的權力權重為：

p_i.

最簡單的模型可能寫：

U_C = \sum_i p_i U_i.

但本文認為這仍然過度簡化。

因為：

p_i

本身可能：

隨議題變化；
隨時間變化；
受否決權影響；
受資訊控制影響；
受議程設定影響；
受聯盟影響；
受制度程序影響。

因此應寫：

p_i = p_i \left( q,t,R,I,\text{coalitions} \right).

更進一步，某些主體並不是「權重很低」，而是根本無法把偏好送進決策通道。

所以：

\boxed{ \text{Power} = \text{weight} + \text{access} + \text{agenda} + \text{veto} + \text{implementation control}. }

23. 國家效用推斷問題

分析者常從國家行動：

a_t^C

反推出：

U_C.

但如果：

a_t^C = \mathcal F_t(Z_t),

那麼：

a_t^C

可能同時受到：

偏好；
資訊錯誤；
組織限制；
權力妥協；
執行慣例；
議程；
程序；
偶發事件；

影響。

所以：

\boxed{ \text{Observed state action} \not\Rightarrow \text{unique state preference}. }

這是一個重要識別問題。

同一行動可能由不同內部機制生成。

24. 對多國博弈的修正

傳統多國模型可以寫：

G= \{C_1,C_2,\ldots,C_m\}.

本文建議允許每個國家展開：

C_k = \mathcal F_k \left( \mathcal A_k \right),

其中：

\mathcal A_k = \{A_{k1},A_{k2},\ldots\}.

因此：

G

可以有兩種解析度。

高階壓縮層

G^{\mathrm{macro}} = \{C_1,\ldots,C_m\}.

內部展開層

G^{\mathrm{micro}} = \bigcup_k \mathcal A_k.

真正需要的是：

\boxed{ \text{adaptive resolution}. }

當：

G^{\mathrm{macro}}

預測穩定時，不必展開。

當：

\operatorname{ResidualError} > \theta,

則：

C_k \rightarrow \mathcal A_k.

也就是對可疑國家執行「主體解壓縮」。

25. 主體解壓縮算子

本文定義：

O_{\mathrm{decompress}}.

對一個壓縮集體主體：

C,

執行：

O_{\mathrm{decompress}}(C) \rightarrow \left( \mathcal A, \mathcal F, \mathbf P, \mathbf I, \mathbf R \right).

其中輸出：

內部 Agent 集合；
制度決策映射；
權力結構；
資訊結構；
規則結構。

這是 HGCB-01 認知底空間審查在「玩家本體」上的專門化。

26. 何時可以安全使用理性法人模型？

本文不是要求所有分析都模擬數百萬人。

若滿足以下條件，理性法人模型可能非常有效：

集體輸出長期穩定；
內部分歧對外部行動影響低；
制度聚合機制穩定；
權力結構可預期；
目標在研究時間尺度上穩定；
組織程序不主導關鍵結果；
外部衝擊未接近制度相變點。

可形式化成：

\epsilon_{\mathrm{compression}} < \theta.

此時：

C \approx \hat U_C

是合理壓縮。

27. 何時必須解壓縮？

若觀察到：

\epsilon_{\mathrm{compression}} \ge \theta,

則應懷疑單一效用模型。

典型訊號包括：

同樣外部條件下政策反覆；
政策與公開目標長期不一致；
不同部門產生相互矛盾行動；
領導更替後效用排序突然變化；
危機中決策延遲或多次逆轉；
地方與中央執行分裂；
政策高度受選舉、派系或輿論波動影響；
組織標準程序壓過當下最佳化。

28. 多自由意志帶來的預測極限

假設：

n

個 Agent 都能：

更新信念；
觀察他人；
修改策略；
改變偏好；
組成聯盟。

則未來狀態不只是：

S_{t+1}=F(S_t).

而是：

S_{t+1} = F \left( S_t, \Pi_{1,t}, \ldots, \Pi_{n,t}, B_{1,t}, \ldots, B_{n,t}, \mathcal F_t \right).

而且：

\Pi_{i,t+1}

可能取決於：

S_{t+1}.

所以系統產生反身性。

這不代表：

\text{prediction impossible}.

但代表：

\boxed{ \text{single-trajectory long-horizon prediction becomes structurally fragile}. }

29. 因此高階預測應轉向可達域

對多自由意志系統，與其追求唯一未來：

S_T^*,

更合理的是估計：

\mathcal R_T(S_t),

即時間 $T$ 的可達狀態集合。

再進一步辨識：

高概率域；
高危險域；
吸引域；
不可逆域；
崩潰域；
談判域；
制度相變域。

因此：

\boxed{ \text{Forecasting} \rightarrow \text{Reachability Analysis}. }

這與單一理性法人模型並不衝突，而是更高解析度的補充。

30. 對 AI Multi-Agent System 的直接含義

很多 AI 系統把「團隊」設計成：

\text{one planner} + \text{many tools}.

這並不等於真正多主體。

真正多 Agent 系統若具有：

U_i\neq U_j,

B_i\neq B_j,

M_i\neq M_j,

以及：

\Pi_i\neq\Pi_j,

那麼系統設計者也會遇到與國家相同的問題：

如何把多個局部自主 Agent 編譯成一致或至少可治理的集體輸出？

因此：

\text{IDC}

也可以直接轉成 AI 系統設計問題。

31. 一個 AI 團隊是否真的有「共同目標」？

如果所有 Agent 都接受同一固定 reward：

U_i=U

那只是最簡單情況。

實際 Agent 系統可能具有：

不同角色目標；
不同安全限制；
不同工具權限；
不同記憶；
不同資訊來源；
不同模型版本；
不同置信度；
不同成本函數。

因此：

\text{Shared Project} \not\Rightarrow \text{Identical Utility}.

成熟 AI 團隊需要顯式治理：

\mathcal F_{\mathrm{AI-team}}.

32. 可實驗化：集體代理生成實驗

建立：

n

個 Agent。

給定：

U_1,\ldots,U_n.

比較不同制度編譯器：

\mathcal F_1, \mathcal F_2, \ldots,\mathcal F_k.

例如：

單一主 Agent；
多數決；
加權共識；
否決制；
專業域路由；
市場式競價；
隨機輪值；
adversarial review；
hierarchical delegation。

測量：

\text{collective performance}.

33. 建議指標

33.1 集體一致性

C_{\mathrm{coh}} = 1- \frac{ \text{contradictory collective outputs} }{ \text{total outputs} }.

33.2 壓縮誤差

E_{\mathrm{comp}} = d \left( a_t^{\mathrm{unitary-model}}, a_t^{\mathrm{multi-agent}} \right).

33.3 少數偏好損失

L_{\mathrm{minor}} = \sum_{i\in M} \left[ U_i(a_i^*) - U_i(a_C) \right].

其中：

M

為在制度輸出中長期弱勢的主體集合。

33.4 制度適應時間

當：

\mathbf U_t

或：

\mathbf B_t

發生大幅變化後，測量：

\tau_{\mathrm{inst}} = t_{\mathrm{new\ stable\ output}} - t_{\mathrm{shock}}.

33.5 單點誤差放大

對主權中心注入：

\epsilon_s

比較：

\frac{ \epsilon_{\mathrm{system}} }{ \epsilon_s }.

可以直接測量集中式制度的誤差傳導。

34. 可反證性

本文核心命題可以被限制或反證。

若在某類集體中：

U_C

能長期穩定地預測外部行動，

且展開：

\mathcal A_C

並加入：

\mathcal F_C

並不能顯著改善：

預測；
解釋；
反事實模擬；
危機轉折判斷；

那麼在該任務域上，單一理性法人模型就應被保留。

本文不要求「模型越複雜越好」。

本文要求：

\boxed{ \text{Use the simplest actor ontology that survives adversarial decompression.} }

35. 與「自由意志不可窮盡」的關係

本文不證明：

\text{Free Will} \Rightarrow \text{metaphysical unpredictability}.

但可以得到較弱結論。

如果多個主體具有：

局部自主模型；
策略生成；
自我修改；
對其他主體的建模；
對預測本身的反應；

則：

\boxed{ \text{complete long-horizon prediction requires modeling agents who react to the prediction environment itself}. }

這使模型具有高階反身性。

因此實務上應降低對唯一長期軌跡的信心，而提高對：

\text{branch structure}

與：

\text{reachable domains}

的重視。

36. 九個核心命題

命題一：理性法人是壓縮命題

\boxed{ \text{Unitary actor} = \text{useful compression} \neq \text{automatic ontology}. }

命題二：效用非天然命題

\boxed{ U_C \text{ is not naturally given merely because }C\text{ is named as one actor}. }

命題三：制度編譯命題

\boxed{ a_t^C = \mathcal F_t \left( \mathbf U_t, \mathbf B_t, \mathbf I_t, \mathbf P_t, \mathbf R_t, \mathbf Q_t \right). }

命題四：集體代理非原始意志命題

\boxed{ \text{Group Agency} \not\Rightarrow \text{Primordial Unitary Will}. }

命題五：個體理性非集體理性命題

\boxed{ \forall i,\ Rational(i) \not\Rightarrow Rational(C). }

命題六：集體理性可由架構生成

\boxed{ Rational(C) \text{ can be an institutional property}. }

命題七：可逆壓縮命題

\boxed{ \text{Collective actors should be compressible and decompressible}. }

命題八：主權壓縮極限命題

\boxed{ \mathbf P_s \gg \mathbf P_{-s} \Rightarrow \mathcal F \approx \pi_s, }

但同時會提高：

\text{error concentration} + \text{information bottleneck} + \text{succession risk}.

命題九：多主體預測轉向命題

\boxed{ \text{Plural-will forecasting} \rightarrow \text{reachable-domain analysis}. }

37. 對 HGCB 系列的意義

HGCB-01 告訴我們：

\boxed{ \text{不要預設棋盤已經畫完整。} }

本文 HGCB-02 再追加：

\boxed{ \text{不要預設棋盤上的每個「玩家」天然只有一個意志。} }

下一篇 HGCB-03 將再往前：

\boxed{ \text{不要預設玩家行動之後，棋盤仍然是原來的棋盤。} }

因此整個系列形成：

\text{Cognitive Base-Space Incompleteness}

\downarrow

\text{Actor Ontology Incompleteness}

\downarrow

\text{Endogenous Game-Space Transformation}.

38. 結論

國家、企業與大型組織確實可以在許多分析中被有效近似成單一理性法人。

但：

\boxed{ \text{modeling something as one actor} \neq \text{proving it has one natural will}. }

集體偏好不是從人口集合中自動長出來的。

它必須經過：

\mathcal F_t.

而：

\mathcal F_t

就是：

憲制；
權力；
規則；
資訊；
議程；
程序；
組織；
角色；
歷史；

共同生成的制度決策編譯器。

因此，真正嚴格的集體行動模型不應只問：

國家的效用函數是什麼？

而應先問：

\boxed{ \text{What institutional process makes this plurality behave as if it had one?} }

本文最終主張：

\boxed{ \text{State preference is an institutional output before it is an analytical input.} }

也就是：

國家偏好首先是一個需要被解釋的生成結果，之後才可以被壓縮成博弈模型中的效用函數。

這個轉換使理性法人模型從不可追問的前提，變成一個可以驗證、拆解、重新聚合與工程化的中層模型。

參考文獻

Allison, G. T. (1971). Essence of Decision: Explaining the Cuban Missile Crisis. Little, Brown.
Allison, G. T., & Zelikow, P. (1999). Essence of Decision: Explaining the Cuban Missile Crisis (2nd ed.). Longman.
Arrow, K. J. (1951/1963). Social Choice and Individual Values. Yale University Press.
Bendor, J., & Hammond, T. H. (1992). Rethinking Allison's Models. American Political Science Review, 86(2), 301-322.
Buchanan, J. M., & Tullock, G. (1962). The Calculus of Consent: Logical Foundations of Constitutional Democracy. University of Michigan Press.
List, C. (2012). The Theory of Judgment Aggregation: An Introductory Review. Synthese, 187, 179-207.
List, C., & Pettit, P. (2011). Group Agency: The Possibility, Design, and Status of Corporate Agents. Oxford University Press.
Sen, A. K. (1970). Collective Choice and Social Welfare. Holden-Day.
Simon, H. A. (1955). A Behavioral Model of Rational Choice. The Quarterly Journal of Economics, 69(1), 99-118.
Stanford Encyclopedia of Philosophy. (2025 revision). Arrow's Theorem.
Stanford Encyclopedia of Philosophy. Social Choice Theory.
Stanford Encyclopedia of Philosophy. Collective Intentionality.
Neo.K with Aletheia. (2026). 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. HGCB Paper 01, EveMissLab.
Neo.K. (2026). 《無界策：源點》. EveMissLab working manuscript.

附錄 A：集體主體解壓縮模板

對任何被當成單一玩家的集體：

C,

依序詢問。

A. 成員與子群體

\mathcal A_C = \{A_1,\ldots,A_n\}.

誰具有實際決策能力？

誰只具有被代表權？

誰具有否決權？

誰能阻斷執行？

B. 偏好與價值

是否存在：

U_i\neq U_j?

衝突發生在哪些議題與時間尺度？

C. 資訊

I_i\neq I_j?

誰知道什麼？

誰控制資訊進入決策中心？

D. 權力

P_i.

誰能：

設定議程；
決定選項；
否決；
延遲；
執行；
不執行？

E. 制度映射

找出：

\mathcal F.

集體如何從：

(\mathbf U,\mathbf B,\mathbf I,\mathbf P)

得到：

a^C?

F. 壓縮測試

建立單一效用近似：

\hat U_C.

比較：

a^{\hat U_C}

與：

a^{\mathcal F}.

若長期：

d \left( a^{\hat U_C}, a^{\mathcal F} \right) < \theta,

則保留理性法人壓縮。

否則解壓縮。

附錄 B：一句話版本

國家可以像一個人行動，但「像一個人行動」不代表它天然只有一個人的意志；真正值得研究的是，什麼制度把許多意志編譯成了一個可執行的集體行動。