← Archive
lm-004796 · 2026-10

量到的不一定是想知道的：Proxy–Target 分離、代理量有效域與認識誤置

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇
📎 附件 · Companion files — 隨文交付的程式 / 證明 / 資料，可獨立下載重驗
title
量到的不一定是想知道的：Proxy–Target 分離、代理量有效域與認識誤置
english_title
What Is Measured Is Not Necessarily What Is Known: Proxy–Target Separation, Proxy Validity Domains, and Epistemic Misplacement
series
認識生成、推論閉合與觀察者校準系列
series_en
Knowledge Formation, Inferential Closure, and Observer Calibration Series
paper
02
author
Neo.K
institution
EveMissLab／一言諾科技有限公司
research_assistance
AI-assisted theoretical development
version
v0.1
date
2026-09-16
language
zh-TW
status
Canonical UTF-8 Source / Working Paper
research_class
EPISTEMOLOGY / MEASUREMENT THEORY / META-METHODOLOGY
claim_state
THEORETICAL FRAMEWORK / PROXY–TARGET MODEL
evidence_state
CONCEPTUAL / CROSS-DOMAIN OBSERVATIONAL
scope_note
本文討論一般認識論中的代理量與目標變量問題。AI、學術評估、平台指標、組織治理與日常判斷僅作為案例，不將任何單一系統或群體視為問題唯一來源。

量到的不一定是想知道的：Proxy–Target 分離、代理量有效域與認識誤置

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司
日期： 2026-09-16
版本： v0.1

摘要

有限認識幾乎必然依賴代理量。當一個目標變量無法直接觀察、成本過高、需要等待太久、具有抽象性，或本身無法被單一測量完整表示時，認識主體通常會尋找一個較容易取得的可觀察變量作為 proxy。這是科學、工程、治理、商業、教育、AI 評估與日常推理不可避免的工具。

問題不在於使用 proxy，而在於 proxy 容易在認識過程中失去其「代理」身份，逐步被誤認為 target 本身。

本文提出 Proxy–Target 分離框架：

Px≠T\boxed{ P_x \neq T }

其中：

  • PxP_x：可觀察代理量；
  • TT：真正欲判定的目標變量。

本文進一步定義 Proxy Validity：

VP(Px,T∣D,C,t)\boxed{ V_P(P_x,T\mid D,C,t) }

表示某代理量在特定 domain、condition 與 time 下，作為 target 替代訊號的有效程度。代理量的有效性不是固定本質，而具有範圍、時間與條件依賴性。

本文區分五種常見代理失真：Identity Collapse、Scope Transfer、Temporal Substitution、Authority Substitution 與 Metric Reification。並主張：

High Correlation≠Identity\boxed{ \text{High Correlation} \neq \text{Identity} } Measurement Precision≠Target Validity\boxed{ \text{Measurement Precision} \neq \text{Target Validity} } Observable≠Fundamental\boxed{ \text{Observable} \neq \text{Fundamental} }

本文最後提出 Proxy Ledger、Target Declaration、Validity Domain、Failure Condition 與 Proxy–Target Guard，使代理量不再以隱性方式支配判斷，而被明確標記為一種可校準、可失效、可替換的認識工具。

關鍵詞： Proxy–Target、代理量、目標變量、測量、認識論、指標治理、Metric Reification、Proxy Validity、Goodhart、AI 評估

0. 問題起點：我們真正量到的是什麼？

研究、治理與日常判斷經常提出：

這個人能力高不高？

這篇研究品質好不好？

這家公司成長得快不快？

這個模型聰不聰明？

這個制度有效不有效？

但這些問題本身通常不是直接可量測變量。

於是認識系統會尋找：

  • 分數；
  • 次數；
  • 排名；
  • timestamp；
  • citation；
  • benchmark；
  • 收入；
  • 測驗；
  • publication；
  • error rate；

作為替代。

因此實際操作常是：

T⟵Px.T \longleftarrow P_x.

但：

Px≠T.\boxed{ P_x \neq T. }

這個不等號是本文的核心。

1. Target Variable

本文定義：

T=Target Variable.\boxed{ T = \text{Target Variable}. }

Target 是認識主體真正想知道、估計或判斷的對象。

例如：

Research Quality
Actual Creation Time
General Capability
Scientific Validity
Learning Ability
Organizational Health
Economic Productivity
Public Trust

Target 可以：

  • 直接可觀察；
  • 部分可觀察；
  • 潛在變量；
  • 複合概念；
  • 動態狀態；
  • 規範性構念。

2. Proxy Variable

本文定義：

Px=Proxy Variable.\boxed{ P_x = \text{Proxy Variable}. }

Proxy 是因為 target 難以直接取得，而被用來估計 target 的可觀察訊號。

例如：

Citation Count→Research Influence.\text{Citation Count} \rightarrow \text{Research Influence}. Benchmark Score→Model Capability.\text{Benchmark Score} \rightarrow \text{Model Capability}. Publication Timestamp→Creation Time.\text{Publication Timestamp} \rightarrow \text{Creation Time}. Exam Score→Knowledge.\text{Exam Score} \rightarrow \text{Knowledge}.

這些箭頭不是等號。

3. Proxy 為什麼必要？

如果完全禁止 proxy，很多領域將無法運作。

因為 target 常具有：

Latent+Expensive+Distributed+Delayed\boxed{ \text{Latent} + \text{Expensive} + \text{Distributed} + \text{Delayed} }

等特徵。

因此 Proxy 的真正角色是：

Epistemic Compression Interface.\boxed{ \text{Epistemic Compression Interface}. }

它把難以直接取得的 target 轉成一個較容易操作的觀察接口。

4. Proxy 不是低級工具

本文不採取：

代理量都是壞的。

而是：

Proxy Use is often necessary.\boxed{ \text{Proxy Use} \text{ is often necessary}. }

問題只在於：

使用者是否仍然知道它是 proxy？

5. Proxy–Target Mapping

本文定義：

ϕ:Px→T.\boxed{ \phi: P_x \rightarrow T. }

這不是 identity map。

而是一個推定關係。

因此必須問：

ϕ 在什麼條件下有效？\boxed{ \phi \text{ 在什麼條件下有效？} }

6. Proxy Validity

本文定義：

VP(Px,T∣D,C,t).\boxed{ V_P(P_x,T\mid D,C,t). }

其中：

  • DD：domain；
  • CC：conditions；
  • tt：time。

因此 proxy validity 不是：

VP=constant.V_P=\text{constant}.

更合理是：

VP=f(D,C,t).\boxed{ V_P = f(D,C,t). }

7. 同一 Proxy 在不同 Domain 可能完全不同

例如：

Px=citation count.P_x=\text{citation count}.

在：

  • 某些成熟學科；
  • 小眾新領域；
  • 新發表論文；
  • 綜述；
  • 開源工程；

中，與 research quality 的關係可能完全不同。

因此：

VP(Px,T∣D1)≠VP(Px,T∣D2).\boxed{ V_P(P_x,T\mid D_1) \neq V_P(P_x,T\mid D_2). }

8. Temporal Validity

Proxy 也會隨時間失效。

例如一個 benchmark：

BtB_t

在某時期能區分模型能力。

但模型快速進步後：

Bt+ΔtB_{t+\Delta t}

可能飽和。

因此：

VP(t) can decay.\boxed{ V_P(t) \text{ can decay}. }

9. Proxy Drift

本文定義：

DP=Proxy Drift.\boxed{ D_P = \text{Proxy Drift}. }

表示 proxy 與 target 的關係隨時間、環境或策略改變。

典型原因包括：

  • 系統學會優化指標；
  • 使用情境改變；
  • 分布改變；
  • target 定義改變；
  • measurement pipeline 改變。

10. Identity Collapse

第一種代理失真是：

Proxy→Target\boxed{ \text{Proxy} \rightarrow \text{Target} }

在語言與推理中被悄悄改成：

Proxy=Target.\boxed{ \text{Proxy} = \text{Target}. }

本文稱為：

Proxy Identity Collapse.\boxed{ \text{Proxy Identity Collapse}. }

11. Publication Time 例子

觀察：

tp=2026-09-10.t_p = \text{2026-09-10}.

若 target 是：

tc=creation time,t_c = \text{creation time},

則：

tpt_p

只是 proxy candidate。

不能直接寫：

tp=tc.\boxed{ t_p=t_c. }

12. Citation Count 例子

若：

Px=Citation Count,P_x = \text{Citation Count},

而：

T=Research Quality,T = \text{Research Quality},

則：

Citation Count≠Research Quality.\boxed{ \text{Citation Count} \neq \text{Research Quality}. }

Citation 可能受：

  • topic popularity；
  • field size；
  • controversy；
  • age；
  • network position；

影響。

13. Benchmark Score 例子

若：

Px=Benchmark Score,P_x = \text{Benchmark Score},

而：

T=General Capability,T = \text{General Capability},

則：

Benchmark Score≠General Capability.\boxed{ \text{Benchmark Score} \neq \text{General Capability}. }

Benchmark 只測：

SB⊆ST.S_B \subseteq S_T.

除非有額外證據支持泛化。

14. Scope Transfer

第二種代理失真是：

Scope Transfer.\boxed{ \text{Scope Transfer}. }

某 proxy 在局部 domain 有效：

VP≫0V_P\gg0

卻被直接轉移到另一個 domain。

例如：

D1→D2D_1 \rightarrow D_2

時未重新驗證。

15. Local Validity 不等於 Global Validity

因此：

VP(Px,T∣D1)⇏VP(Px,T∣∀D).\boxed{ V_P(P_x,T\mid D_1) \not\Rightarrow V_P(P_x,T\mid \forall D). }

這是 proxy reasoning 最常見的失誤之一。

16. Temporal Substitution

第三種失真是：

Temporal Substitution.\boxed{ \text{Temporal Substitution}. }

即把某個可見事件時間：

tot_o

代替真正想知道的形成時間：

tf.t_f.

例如：

publish time→creation time.\text{publish time} \rightarrow \text{creation time}.

17. Measurement Precision Illusion

Proxy 可以被非常精確量測。

例如：

14:32:17.042

但：

Precision≠Validity.\boxed{ \text{Precision} \neq \text{Validity}. }

一個精確 measurement 仍可能精確量錯東西。

18. Precision 與 Validity 是不同軸

可以寫成：

QM=(Pr,VP),\boxed{ Q_M = ( P_r, V_P ), }

其中：

  • PrP_r：measurement precision；
  • VPV_P：proxy validity。

所以：

Pr≫0P_r\gg0

並不推出：

VP≫0.V_P\gg0.

19. Metric Reification

第四種失真是：

Metric Reification.\boxed{ \text{Metric Reification}. }

原本只是量測工具的 metric，逐漸被當成目標本身。

例如：

Learning→Exam Score\text{Learning} \rightarrow \text{Exam Score}

最後變成：

Exam Score=Learning.\text{Exam Score} = \text{Learning}.

20. Metric Optimization

當制度開始獎勵 proxy：

Px,P_x,

行為者會學會優化：

Px.P_x.

這時：

PxP_x

與：

TT

的關係可能改變。

21. Goodhart-like Effect

本文不將所有 proxy failure 都簡化成單一 Goodhart 定律，但保留一個一般結構：

When a proxy becomes an optimization target,VP may degrade.\boxed{ \text{When a proxy becomes an optimization target,} \quad V_P \text{ may degrade}. }

也就是：

Px→optimized⇒VP↓.P_x \rightarrow \text{optimized} \Rightarrow V_P\downarrow.

22. Proxy Gaming

如果行為者知道：

PxP_x

會被用來評價：

T,T,

就可能產生：

Proxy Gaming.\boxed{ \text{Proxy Gaming}. }

例如：

  • citation manipulation；
  • benchmark overfitting；
  • KPI gaming；
  • engagement farming；
  • test teaching。

23. Proxy Gaming 不等於欺詐

有時候系統只是合理回應獎勵。

因此：

Proxy Gaming≠Fraud by Definition.\boxed{ \text{Proxy Gaming} \neq \text{Fraud by Definition}. }

真正問題可能在 metric design。

24. Authority Substitution 作為 Proxy 特例

權威訊號可以表示為：

PA.P_A.

如果 target 是：

T=Truth or Validity,T=\text{Truth or Validity},

則：

PA≠T.\boxed{ P_A \neq T. }

因此 Authority Substitution 其實是 Proxy–Target 問題的一個特例。

25. Institutional Signal

例如：

PA=Prestigious Institution.P_A= \text{Prestigious Institution}.

它可能提高：

P(E reliable),P(E\text{ reliable}),

但不能直接推出：

T(C)=1.T(C)=1.

26. Scale Signal

大量資料：

N≫1N\gg1

本身也可能被當成權威 proxy。

但：

N↑⇏VP↑.\boxed{ N\uparrow \not\Rightarrow V_P\uparrow. }

如果 target variable 選錯，大樣本只會高精度地量錯東西。

27. Data Abundance Illusion

本文稱：

Data Abundance Illusion\boxed{ \text{Data Abundance Illusion} }

為：

因為資料很多，所以推論一定更接近 target。

這不成立。

28. Proxy Chain

有時候不是單層 proxy。

而是：

P1→P2→P3→T.P_1 \rightarrow P_2 \rightarrow P_3 \rightarrow T.

例如：

Clicks→Engagement→Interest→Value.\text{Clicks} \rightarrow \text{Engagement} \rightarrow \text{Interest} \rightarrow \text{Value}.

每一層都有 validity loss。

29. Proxy Chain Attenuation

可以概念化：

Vchain=∏iVi.\boxed{ V_{\mathrm{chain}} = \prod_iV_i. }

這不是普遍數學定律，只用來表示：

多層代理會累積不確定性。

30. Proxy Distance

本文定義概念：

dP(Px,T)=Proxy Distance.\boxed{ d_P(P_x,T) = \text{Proxy Distance}. }

距離越大，越需要：

  • 更多 bridge；
  • 更多 calibration；
  • 更多 uncertainty。

31. Direct Measurement 也不是零距離

即使看起來是 direct measurement，也可能依賴：

  • instrument；
  • operational definition；
  • preprocessing；
  • calibration。

所以：

Direct Measurement≠Theory-Free Access.\boxed{ \text{Direct Measurement} \neq \text{Theory-Free Access}. }

32. Operationalization

很多抽象 target 必須先被 operationalize。

例如：

T=Intelligence.T=\text{Intelligence}.

研究者必須定義：

O(T).O(T).

所以：

Operationalization\boxed{ \text{Operationalization} }

本身就是一個理論步驟。

33. Operational Definition 不等於 Ontological Identity

一旦定義：

intelligence = score on test X

很容易把 operationalization 當成 ontology。

因此：

Operational Definition≠Ontological Identity.\boxed{ \text{Operational Definition} \neq \text{Ontological Identity}. }

34. Proxy Target Ambiguity

有些系統甚至沒有明確寫 target。

只知道：

我們要提升 score。

這時會出現：

Target Ambiguity.\boxed{ \text{Target Ambiguity}. }

甚至 proxy 反過來定義 target。

35. Target Declaration

因此任何重要 metric 都應先聲明：

target:
  name: research_quality
  definition: ...
  domain: ...

再聲明：

proxy:
  name: citation_count

這避免 proxy 偷偷變 target。

36. Proxy Ledger

本文提出：

LP=Proxy Ledger.\boxed{ \mathcal L_P = \text{Proxy Ledger}. }

每一個 proxy 至少記：

  • target；
  • validity domain；
  • known failure；
  • calibration evidence；
  • drift status；
  • last reassessed time。

37. Minimal Proxy Schema

proxy:
  id: PX-17
  observed_variable: publication_timestamp
  target_variable: creation_time

  validity:
    domain: batch-publishing platform
    status: weak

  known_failures:
    - batch_ingest
    - migration
    - delayed_publication

  confidence: low

38. Proxy Validity Domain

可以表示：

DV(Px,T)=Validity Domain.\boxed{ D_V(P_x,T) = \text{Validity Domain}. }

只有在：

x∈DVx\in D_V

時，proxy 才應被使用。

39. Out-of-Domain Proxy Use

若：

x∉DV,x\notin D_V,

仍使用 proxy，就形成：

Out-of-Domain Proxy Use.\boxed{ \text{Out-of-Domain Proxy Use}. }

40. Proxy Calibration

Proxy 不應一次驗證永久有效。

應定期做：

Calibrate⁡(Px,T).\boxed{ \operatorname{Calibrate}(P_x,T). }

Calibration 可使用：

  • direct target samples；
  • external validation；
  • longitudinal comparison；
  • ablation；
  • intervention。

41. Proxy Failure Condition

每個 proxy 應記：

FP=Proxy Failure Condition.\boxed{ F_P = \text{Proxy Failure Condition}. }

例如 citation count 可能在：

  • 新論文；
  • 小領域；
  • 被操控引用；

下失效。

42. Proxy Replacement

若：

VP↓,V_P\downarrow,

應允許：

Px→Px′.P_x \rightarrow P_x'.

甚至使用 proxy ensemble：

{P1,P2,…,Pn}.\{P_1,P_2,\ldots,P_n\}.

43. Multi-Proxy Estimation

Target 可以由多 proxy 聯合估計：

T^=g(P1,P2,…,Pn).\boxed{ \widehat T = g(P_1,P_2,\ldots,P_n). }

這通常比單一 proxy 更穩。

但：

T^\widehat T

仍然只是 estimate。

44. Proxy Diversity

若多 proxy 來源獨立程度較高，可降低：

Single-Proxy Lock-In.\boxed{ \text{Single-Proxy Lock-In}. }

但多 proxy 不代表自動正確。

45. Correlated Proxy Failure

如果所有 proxy 都來自相同資料生成機制：

P1,P2,P3P_1,P_2,P_3

可能一起失效。

因此：

Proxy Count≠Proxy Diversity.\boxed{ \text{Proxy Count} \neq \text{Proxy Diversity}. }

46. Proxy–Target Guard

本文提出：

GPT=Proxy–Target Guard.\boxed{ G_{PT} = \text{Proxy–Target Guard}. }

它至少檢查：

  1. target 是什麼？
  2. proxy 是什麼？
  3. 為什麼 proxy 與 target 有關？
  4. validity domain 是什麼？
  5. 已知 failure condition 是什麼？
  6. proxy 是否被優化？
  7. 是否發生 drift？
  8. 是否存在 direct target check？

47. Guard 的最小問題

任何看到：

因為 PxP_x 很高，所以 TT 很高。

都應追問：

Why does Px track T here?\boxed{ \text{Why does }P_x\text{ track }T\text{ here?} }

48. Proxy–Target Gap

本文定義：

GPT=Proxy–Target Gap.\boxed{ G_{PT} = \text{Proxy–Target Gap}. }

它描述：

proxy 與 target 之間仍未被橋接的部分。

49. Gap 不代表 Proxy 無效

只要：

GPT>0,G_{PT}>0,

並不代表：

VP=0.V_P=0.

它只是提醒：

不要把 estimate 當 identity。

50. Proxy Confidence

可以定義：

ΓP=Confidence in Proxy Mapping.\boxed{ \Gamma_P = \text{Confidence in Proxy Mapping}. }

而不是把 confidence 直接附在 target conclusion 上。

51. 兩層 Confidence

應區分：

Γ(Px→T)\Gamma(P_x\rightarrow T)

與：

Γ(T).\Gamma(T).

第一個是 mapping confidence。

第二個是 target belief confidence。

52. Proxy Mapping 可能比 Target 判斷更不確定

例如：

Γ(Px)=0.99\Gamma(P_x)=0.99

但：

Γ(Px→T)=0.4.\Gamma(P_x\rightarrow T)=0.4.

所以：

Measurement Confidence≠Inference Confidence.\boxed{ \text{Measurement Confidence} \neq \text{Inference Confidence}. }

53. Proxy 也可以是語言

一個標籤：

專家

高品質

先進

前沿

也可能是 proxy。

它們將複雜 target 壓成一個詞。

54. Semantic Proxy

本文稱：

Semantic Proxy\boxed{ \text{Semantic Proxy} }

為：

用一個語義標籤代替更複雜的認識對象。

因此：

Expert\text{Expert}

不等於：

Always Correct.\text{Always Correct}.

55. Narrative Proxy

故事也可能作為 proxy。

例如：

一個人＋AI＋一台電腦。

這可能是對複雜 production system 的高度壓縮 narrative。

如果 narrative 被當成完整 causal model，就會失真。

56. Narrative Compression

因此：

Narrative≠Full Generative Mechanism.\boxed{ \text{Narrative} \neq \text{Full Generative Mechanism}. }

故事可以幫助理解，但不能自動取代機制。

57. Category Proxy

分類也可能成為 proxy。

例如：

content factory

research lab

startup

academic group

這些 category 會帶入大量 implicit assumption。

58. Category Load

本文定義：

LC=Category Load.\boxed{ L_C = \text{Category Load}. }

表示某個 category 一旦被套用後，自動帶入多少未明示假設。

59. Category Load 越高，越需要拆解

若：

LC≫0,L_C\gg0,

則應問：

這個 category 裡哪些性質真的被 observation 支持？

60. Proxy 與 Classification 的關係

Classification 本身通常也是 proxy system。

它把：

XX

映射到：

Ck.C_k.

所以：

Class Membership≠Full Object Identity.\boxed{ \text{Class Membership} \neq \text{Full Object Identity}. }

61. Proxy–Target 與有限觀察

第 01 篇建立：

Ω⊂SJ.\Omega \subset S_J.

本文指出：

Inferential Expansion 很多時候就是透過 proxy 完成。

所以：

Proxy=One Major Bridge of Inferential Expansion.\boxed{ \text{Proxy} = \text{One Major Bridge of Inferential Expansion}. }

62. Proxy–Target 與 Premature Closure

當 proxy 被誤認成 target：

Px=T,P_x=T,

替代模型空間會快速縮小。

因此：

Proxy Identity Collapse→Premature Closure Risk.\boxed{ \text{Proxy Identity Collapse} \rightarrow \text{Premature Closure Risk}. }

63. Proxy–Target 與 Authority

下一篇會把：

Authority Signal\boxed{ \text{Authority Signal} }

當成 proxy family 深入處理。

因為：

  • institution；
  • citation；
  • peer review；
  • certificate；

本質上常是：

PA→Tcredibility.P_A \rightarrow T_{\mathrm{credibility}}.

64. Proxy–Target 與 AI

AI 很容易暴露 proxy reasoning。

例如：

  • publication date 推 creation time；
  • repo owner 推 team structure；
  • benchmark 推 general ability；
  • README 推 implementation state。

但人類也完全一樣。

所以：

Proxy Error is substrate-independent.\boxed{ \text{Proxy Error} \text{ is substrate-independent}. }

65. 人類制度高度依賴 Proxy

薪資、升遷、招生、績效、學術評估、政策都依賴 proxy。

因此 Proxy–Target 不是小型邏輯錯誤。

它是：

Institutional Epistemology Problem.\boxed{ \text{Institutional Epistemology Problem}. }

66. Proxy Governance

本文最終提出：

Proxy Governance.\boxed{ \text{Proxy Governance}. }

包括：

  • target declaration；
  • proxy declaration；
  • validity domain；
  • calibration；
  • drift detection；
  • failure conditions；
  • replacement policy；
  • uncertainty display。

67. Proxy 不應隱形

最危險的 proxy 不是弱 proxy。

而是：

Unmarked Proxy.\boxed{ \text{Unmarked Proxy}. }

因為一旦 proxy 身份消失，它就會被認為是 reality itself。

68. Marked Proxy

健康認識系統應讓：

PxP_x

一直保持：

This is an estimate of T.\boxed{ \text{This is an estimate of }T. }

而不是：

This is T.\boxed{ \text{This is }T. }

69. Proxy–Target Record

proxy_target_record:

  target:
    name: ...

  proxy:
    name: ...

  bridge:
    rationale: ...

  validity_domain:
    - ...

  calibration:
    last_checked: ...

  known_failures:
    - ...

  drift_status: stable

  confidence:
    mapping: medium

70. 一般認識論原則

本文最終提出：

Observable≠Fundamental.\boxed{ \text{Observable} \neq \text{Fundamental}. }

以及：

Measurable≠Target.\boxed{ \text{Measurable} \neq \text{Target}. }

再加：

Precise≠Valid.\boxed{ \text{Precise} \neq \text{Valid}. }

71. 下一篇

下一篇將專門處理：

Authority Signal≠Truth.\boxed{ \text{Authority Signal} \neq \text{Truth}. }

並建立：

  • Epistemic Authority Substitution；
  • Prestige Prior；
  • Institutional Signal；
  • Blind Source Test；
  • Authority Dependency；
  • Legitimation Signal Optimization。

結論

有限認識不可能永遠直接接觸 target。

Proxy 因此不可避免。

真正危險的不是：

Px.P_x.

而是：

Px→T→Px=T.\boxed{ P_x \rightarrow T \rightarrow P_x=T. }

也就是 proxy 從工具變成 reality substitute。

因此：

Proxy Use≠Proxy Identity.\boxed{ \text{Proxy Use} \neq \text{Proxy Identity}. }

合理的認識系統應保存：

Target+Proxy+Bridge+Validity Domain+Failure Condition.\boxed{ \text{Target} + \text{Proxy} + \text{Bridge} + \text{Validity Domain} + \text{Failure Condition}. }

只有這樣，認識主體才能知道：

我現在真正觀察到的是什麼？

我真正想知道的是什麼？

中間靠什麼連起來？

這條連結在哪裡會失效？

本文的核心因此可以壓縮為：

What is measurable≠what is meant≠what is true.\boxed{ \text{What is measurable} \neq \text{what is meant} \neq \text{what is true}. }

而真正成熟的認識，不是拒絕 proxy。

而是：

永遠不忘記 proxy 只是 proxy。\boxed{ \text{永遠不忘記 proxy 只是 proxy。} }