# 價值耦合智能論 02
# 數學能力是否具有認識論氣質？

## 摘要

如果兩個智能體具有接近的數學知識、推理深度與工具能力，它們是否必然會用相似方式研究同一個開放問題？

本文提出「認識論氣質」（Epistemic Temperament）作為中介概念。它不是日常語境中的樂觀、悲觀、內向或外向，也不是主張人工智慧必須具有人類式人格；它指智能體在面對未知、模糊、錯誤與不完整資訊時，持續表現出的搜尋偏好、證據門檻、探索持續性、分支切換傾向、反例反應與停止條件。

若：

$$
C_A\approx C_B
$$

但：

$$
E_A\neq E_B
$$

則可能有：

$$
\tau_A\neq\tau_B
$$

## 關鍵詞

數學智能、認識論氣質、數學創造力、探索與利用、認知閉合、模糊容忍、數學韌性、AI 數學、搜尋策略、價值耦合智能

## 一、從「樂觀／悲觀」退回可研究語言

「樂觀」可能同時表示相信問題有解、高估方法成功率、願意探索低機率路徑、容忍失敗、偏好建構或過度自信。這些不是同一件事。因此本文提出：

$$
\boxed{\text{認識論氣質}}
$$

## 二、定義

> 認識論氣質，是智能體在不確定知識狀態中，對搜尋、證據、錯誤、風險、持續探索與閉合所呈現的相對穩定策略偏置。

可表示為：

$$
\pi(a_t\mid s_t,C,E)
$$

即使 \(C_A=C_B\)，也未必有 \(\pi_A=\pi_B\)。

## 三、它不是一般人格

需要區分：表達人格、社會價值偏好與認識論氣質。第三層直接改變知識生成軌跡。

## 四、探索強度

定義：

$$
e_x=\text{exploration propensity}
$$

真正重要的是何時探索、探索多久。

## 五、模糊容忍

定義：

$$
e_a=\text{ambiguity tolerance}
$$

高模糊容忍不是相信錯誤答案，而是「我還不知道，所以先保留問題」。

## 六、證據門檻

設：

$$
\theta_v=\text{verification / commitment threshold}
$$

研究智能可能需要：

$$
\theta_{\mathrm{explore}}<\theta_{\mathrm{publish}}
$$

即「值得探索」不等於「值得公開聲稱成立」。

## 七、探索持續性

定義：

$$
e_p=P(\text{continue}\mid\text{failure})
$$

它描述第一次失敗後，智能是否仍願意給同一問題計算預算。

## 八、分支切換門檻

定義：

$$
\theta_s=\text{branch switching threshold}
$$

太低會一遇困難就換路；太高則明顯死路仍浪費算力。

## 九、反例解讀

找到反例 \(c\) 後可以：

$$
c\Rightarrow\neg h\Rightarrow\text{stop}
$$

也可以：

$$
c\Rightarrow\text{why?}\Rightarrow\text{failure boundary}\Rightarrow h'
$$

定義：

$$
e_c=P(\text{structural investigation}\mid c)
$$

## 十、認知閉合傾向

定義：

$$
e_k=\text{closure propensity}
$$

研究型智能可能需要的是：

$$
\boxed{\text{可逆閉合}}
$$

即現在可以停止，但未來新證據出現時可以重開。

## 十一、失敗回收

定義：

$$
e_r=\text{failure recovery propensity}
$$

失敗可能留下新引理、反例、程式、特殊情況、新表示與可遷移技術。

## 十二、認識論氣質向量

$$
E=(e_x,e_a,e_v,e_p,e_s,e_c,e_k,e_r)
$$

它將「研究人格」轉為可研究的行為變量。

## 十三、正確答案不代表相同研究路徑

兩個模型都得到正確答案，可能經過完全不同的認知路徑；而開放研究真正關心的往往正是路徑。

## 十四、認識論信念可能改變數學行為

人類數學教育研究指出，對數學知識是否可變、是否需要深層理解、是否可能存在多種解法等信念，與後設認知、韌性和投入程度存在關聯。

## 十五、AI 的認識論氣質不必來自人格

可表示為：

$$
E=f(D,O,R,P,M,H,T)
$$

其中包括訓練資料、訓練目標、獎勵／偏好最佳化、系統提示、模型架構與推理流程、對話歷史、工具與 Agent 工作流。

## 十六、認識論氣質可隨情境改變

AUDIT 模式可能提高驗證門檻、反例敏感與閉合；DISCOVERY 模式可能提高探索、模糊容忍與持續性。因此：

$$
E=E(s,M,H)
$$

## 十七、沒有單一最佳氣質

更可能是：

$$
E^*=E^*(\text{task phase})
$$

即最佳認識論氣質是相位依賴的。

## 十八、發現、驗證、收斂與重構相位

發現相位需要較高探索、模糊容忍與持續性；驗證相位提高證據門檻與反例搜尋；收斂相位適度提高閉合；失敗後重構相位提高失敗回收。

因此研究智能更像可調變系統：

$$
E_t\rightarrow E_{t+1}
$$

## 十九、高階能力可能是改變自己的氣質

高階智能能問：我是不是太早放棄？是不是投入太久？是不是只在找反例？是不是因共同研究歷史而高估它？然後：

$$
E_t\rightarrow E_{t+1}
$$

## 二十、認識論氣質與價值函數不同

認識論氣質 \(E\) 是可觀察表型；價值函數 \(V\) 則試圖說明：為什麼某些研究行動與結果被賦予較高價值？因此下一步要從 \(E\) 進入 \(V\)。