# 價值耦合智能論 14 # 理論可救性：局部錯誤為什麼不等於整體價值歸零 ## 摘要 第 13 篇處理的是「失敗是否會從局部一路傳播到目標、研究譜系與自我模型」。本篇把尺度拉回理論本身，回答另一個核心問題： > 當一個理論已經出現明確錯誤、反例、證明缺口或適用域失效時，究竟哪些部分還值得保留？ 本文提出「理論可救性」（Theory Salvageability），但立即限制其含義： $$ \boxed{ \text{Salvageability} \neq \text{Truth Probability} } $$ 理論可救性不是替錯誤理論辯護，也不是把「部分有用」偷換成「整體仍正確」。一個理論可以在真值層面被否定，卻仍保留可重用的方法、局部成立域、表示工具、反例分類能力或問題生成價值；反過來，一個局部近似成立的模型也可能因缺乏新的研究收益而不值得繼續投入。 本文將理論分解為： $$ T = ( C,S,A,L,M,R,E,Q ) $$ 其中： - \(C\)：Core commitments，核心結構承諾； - \(S\)：Scope，適用域； - \(A\)：Auxiliary assumptions，輔助假設； - \(L\)：Lemmas / local claims，局部命題與引理； - \(M\)：Methods，方法與推導技術； - \(R\)：Representations，表示、語言與模型形式； - \(E\)：Established results，已被獨立支撐的結果； - \(Q\)：Question-generating capacity，問題生成能力。 對失敗 \(F\)，每一個理論成分同時具有兩個不同狀態： $$ e_i = \text{epistemic status} $$ 與： $$ g_i = \text{generative value}. $$ 因此可以出現： $$ e_i=0, \qquad g_i>0. $$ 也就是： > 這一部分已知不成立，但它仍能產生新的問題、方法或分類。 本文定義理論可救性： $$ TS(T\mid F) = \sum_i w_i \Bigl( \alpha e_i + \beta g_i + \gamma t_i - \delta c_i \Bigr), $$ 其中： - \(e_i\)：認識論殘值； - \(g_i\)：生成殘值； - \(t_i\)：遷移價值； - \(c_i\)：繼續保留或修復的成本。 並提出六種 component-level recovery operator： $$ \mathcal O = \{ \text{Keep}, \text{Restrict}, \text{Repair}, \text{Transfer}, \text{Archive}, \text{Discard} \}. $$ 因此真正成熟的理論修正不是： $$ \{\text{save all},\text{delete all}\}, $$ 而是對每一個成分進行： $$ \boxed{ \text{status diagnosis} \rightarrow \text{salvage valuation} \rightarrow \text{recovery routing}. } $$ 本文同時區分「漸進式回收」（Progressive Salvage）與「退化式救援」（Degenerative Rescue）。前者透過修正提高解釋力、預測力、適用域清晰度或新問題生成能力；後者則只是持續加入補丁，使理論免於已知反例，而沒有獨立的認識論收益。 本篇核心結論是： $$ \boxed{ \text{局部錯誤不等於整體價值歸零，} } $$ 但同時： $$ \boxed{ \text{局部價值殘留也不等於整體理論值得繼續相信。} } $$ 真正成熟的研究智能必須同時會「殺死錯的部分」與「保存沒有被錯誤一起證偽的結構」。 --- ## 關鍵詞 理論可救性、Theory Salvageability、partial truth、scientific models、Lakatos、model pluralism、idealization、理論修正、理論回收、生成價值、反身智能、價值耦合智能 --- # 一、第 13 篇處理「失敗不要擴散太遠」，第 14 篇處理「失敗之後還剩什麼」 第 13 篇提出： $$ ESR = \text{Evaluation Scope Ratio} $$ 與： $$ CPD = \text{Closure Propagation Depth}. $$ 核心是： > 一個局部失敗，不應沒有證據地一路擴散成對整條研究譜系與自我能力的否定。 但即使我們成功阻止這種失敗擴散，仍然會遇到下一個問題。 假設理論： $$ T $$ 確實有一部分錯了。 那麼： $$ \boxed{ \text{到底要留下什麼？} } $$ 若答案只是： > 留下有用的部分。 這仍然太模糊。 所以本篇要把： $$ \text{salvage} $$ 變成真正可操作的理論分解。 --- # 二、理論不是一個不可分割的真假 bit 最粗糙的理論表示是： $$ T\in\{\text{true},\text{false}\}. $$ 如果： $$ T=\text{false}, $$ 則： $$ V(T)=0. $$ 這種表示對某些形式命題足夠。 但真實研究中的「理論」通常混合了： - 核心假設； - 適用域； - 輔助條件； - 推導； - 局部命題； - 數學方法； - 表示方式； - 實驗程序； - 已驗證結果； - 問題生成框架。 因此一個理論失敗： $$ F(T)=1 $$ 很少表示以上所有元素都同時失效。 所以本文首先主張： $$ \boxed{ \text{Theory} \neq \text{single proposition}. } $$ --- # 三、本文將理論拆成八個部分 定義： $$ T = ( C,S,A,L,M,R,E,Q ). $$ --- ## \(C\)：Core Commitments 理論真正想主張的核心結構。 例如： - 某種因果機制； - 某種對稱性； - 某個基本方程； - 某個關鍵不變量。 --- ## \(S\)：Scope 理論聲稱自己在哪些條件下成立： $$ S = \operatorname{Domain}(T). $$ 很多「理論錯誤」其實主要是： $$ S $$ 設得太大。 --- ## \(A\)：Auxiliary Assumptions 為了讓核心理論可以推導、計算或接受驗證而加入的輔助條件。 --- ## \(L\)：Local Claims / Lemmas 理論內部可以被獨立檢查的局部命題、子定理、引理與衍生結果。 --- ## \(M\)：Methods 理論研究過程中形成的方法： - 證明技巧； - 演算法； - 實驗設計； - 計算方法； - 資料處理流程。 --- ## \(R\)：Representations 理論使用的： - 座標； - 圖形； - 符號； - 狀態空間； - 模型表示； - 分類架構。 --- ## \(E\)：Established Results 即使整體理論受損，仍有其他證據或獨立證明支持的結果。 --- ## \(Q\)：Question-Generating Capacity 理論是否仍能生成： - 新問題； - 新反例； - 新分類； - 新測試； - 新數學對象。 這一項尤其重要。 因為： $$ \boxed{ \text{一個理論可以失去作為答案的價值，} } $$ 卻仍保有： $$ \boxed{ \text{作為問題生成器的價值。} } $$ --- # 四、「部分錯」真正需要問的是錯在哪一個 component 有了： $$ T=(C,S,A,L,M,R,E,Q), $$ 失敗就不再寫成： $$ F(T)=1. $$ 而應寫成： $$ F(T) = ( f_C, f_S, f_A, f_L, f_M, f_R, f_E, f_Q ). $$ 例如： $$ f_S=1 $$ 可能表示： > 適用域過度宣稱。 但： $$ f_C=0. $$ 也就是： > 核心結構在較窄條件中仍有效。 這正是第 09 篇 Euler 公式案例所展示的典型狀況。 --- # 五、局部錯誤不等於「部分真理」這麼簡單 這裡需要非常小心。 本文不是簡單提出： > 所有錯理論都有一部分是真的。 這個說法太強。 真正應區分的是： $$ \boxed{ \text{Epistemic Residue} } $$ 和： $$ \boxed{ \text{Generative Residue}. } $$ 某個理論成分可能： $$ e_i=0 $$ 即： > 我們已知道它不正確。 但： $$ g_i>0. $$ 也就是： > 它仍然是一個很好的對照模型、失敗模型、反例生成器或研究啟發器。 所以： $$ \boxed{ \text{錯誤} \not\Rightarrow \text{生成價值為零}. } $$ --- # 六、科學哲學中確實存在「partial truth」路線 Da Costa 與 French 的 *Science and Partial Truth* 提出以 partial structures 與 quasi-truth 處理科學理論與模型，主張理論與模型不必只被理解為「全真或全假」，而可以從 partial truth 的框架研究其接受、實踐與啟發作用。 本文不直接採用其完整哲學立場。 但這至少顯示： $$ \boxed{ \text{把理論狀態從二值真值擴展出去} } $$ 在科學哲學中有成熟先例。 本文更關心的則是： > 如何把這種 partiality 變成 Agent 可計算的回收策略？ --- # 七、甚至「錯模型」也可能因殘差而有價值 Wimsatt 對 false models 的分析提供一個很適合本篇的案例。 某些模型即使含有錯誤假設，也可能因為： $$ \text{model} - \text{reality} $$ 留下的： $$ \text{residual pattern} $$ 而揭示真正機制的限制。 因此錯模型的價值有時不在： > 它像不像真實。 而在： $$ \boxed{ \text{它錯得有沒有結構。} } $$ 如果錯誤殘差呈現可解釋規律， 那麼： $$ g_i>0. $$ 這正是第 07 篇「反例結構資訊」在模型尺度上的對應。 --- # 八、理想化模型更直接證明「錯誤假設」和「無用」不是同一概念 科學模型經常使用： - 無摩擦； - 質點； - 完全理性； - 無限大系統； - 完美混合； - 線性近似。 這些通常不是對現實的逐字真描述。 但有些理想化會： - 隔離核心機制； - 降低複雜度； - 提供基準； - 產生可檢驗偏差； - 建立近似區間。 所以不能用： $$ \text{assumption literally false} $$ 直接推出： $$ \text{model epistemically worthless}. $$ 真正問題是： $$ \boxed{ \text{這個失真是受控理想化，還是欺騙性扭曲？} } $$ --- # 九、所以第一個可救性維度是「核心結構殘值」 定義： $$ s_C = \operatorname{Salvage}(C\mid F). $$ 如果失敗只發生在： $$ S $$ 或： $$ A, $$ 但核心機制： $$ C $$ 仍然有獨立支持， 則： $$ s_C\uparrow. $$ 反之，如果反例直接擊中： $$ C, $$ 則： $$ s_C\downarrow. $$ 這是最基本的： $$ \boxed{ \text{core hit} } $$ 與： $$ \boxed{ \text{peripheral hit} } $$ 區分。 --- # 十、Lakatos 的 hard core / protective belt 提供了歷史上的相鄰框架 Lakatos 的 research programme 把： - hard core； - protective belt； 區分開來。 這個框架的一個重要價值是提醒： > 一次經驗困難並不自動告訴我們究竟是哪個理論成分出錯。 但本文不把： $$ \text{hard core} $$ 設定為不可修改的神聖區域。 對反身智能而言： $$ C $$ 本身也可以死亡。 本文只保留更一般的思想： $$ \boxed{ \text{理論的不同層級具有不同的修正成本與證據作用域。} } $$ --- # 十一、第二個維度是 Scope Salvage 很多理論真正需要的不是： $$ \text{discard}, $$ 而是： $$ \text{restrict}. $$ 定義： $$ s_S = \operatorname{Value} ( S'\subset S \mid T\text{ valid on }S' ). $$ 例如原來聲稱： $$ \forall x\in S, $$ 後來發現只在： $$ S' $$ 成立。 此時： $$ S\rightarrow S' $$ 不是一定的「理論退步」。 如果： $$ S' $$ 被更清楚地刻畫， 反而可能提升： $$ \text{boundary knowledge}. $$ --- # 十二、第三個維度是 Auxiliary Salvage 某些理論失敗主要是： $$ A_i $$ 不成立。 如果替換： $$ A_i\rightarrow A_i' $$ 便能恢復： $$ C $$ 與主要結果， 則： $$ s_A\uparrow. $$ 但這裡開始出現一個危險： $$ \boxed{ \text{ad hoc rescue}. } $$ 也就是每出現一個反例，就加入一個只為消滅反例而存在的新假設。 所以 Auxiliary Salvage 必須加入： $$ \text{independent value}. $$ --- # 十三、不是所有補丁都算「救回」 若修正版： $$ T' $$ 只是： $$ T+\text{patch}_1+\text{patch}_2+\cdots $$ 讓已知反例無法再攻擊， 但沒有： - 新預測； - 新解釋； - 新簡化； - 新統一； - 新問題； 那麼： $$ \boxed{ \text{survival} \neq \text{progress}. } $$ 本文把這種狀態稱為： # Degenerative Rescue 即： $$ \text{理論還活著，} $$ 但： $$ \text{生成能力正在下降。} $$ --- # 十四、相反地，可以有 Progressive Salvage 定義： # Progressive Salvage 若修正後： $$ T\rightarrow T' $$ 至少提高某些： $$ \{ \text{accuracy}, \text{scope clarity}, \text{explanation}, \text{novel prediction}, \text{compression}, \text{transfer}, \text{question generation} \}, $$ 則： $$ \operatorname{Salvage}(T) $$ 不只是讓理論免死。 而是： $$ \boxed{ \text{失敗促成理論升級。} } $$ 這與 Lakatos 所區分 progressive / degenerating research programmes 在精神上相近，但本文把評價單位下沉到 component-level recovery。 --- # 十五、第四個維度是 Local Result Salvage 即使： $$ C $$ 最終失效， 也不代表： $$ L_i $$ 全部失效。 某些： - 引理； - 特殊情況； - 推導式； - 數值結果； - 不等式； - 演算法性結論； 可能有獨立證明。 所以： $$ s_L = \frac{ \text{independently retained local results} }{ \text{valuable local results} }. $$ 這可以視為理論尺度的： $$ FSR. $$ --- # 十六、第五個維度是 Method Salvage 一個理論可以錯， 但為了研究它所發明的： $$ M $$ 可能極其有價值。 例如： - 新計算法； - 新證明策略； - 新實驗技術； - 新數值工具； - 新 formalization。 因此： $$ \boxed{ \text{theory failure} \not\Rightarrow \text{method failure}. } $$ 甚至： $$ T=\text{false} $$ 但： $$ M $$ 後來在另一領域成功。 此時： $$ s_M \gg0. $$ --- # 十七、第六個維度是 Representation Salvage 有時候最有價值的不是命題， 而是： $$ R. $$ 也就是理論逼迫研究者發明新的： - 圖表示； - 變量； - 座標； - 分類方式； - 狀態空間； - 語言。 第 09 篇 Euler characteristic 就是一個典型： $$ V-E+F=2 $$ 的過強表述受限， 但： $$ V-E+F $$ 這個表示被升級成： $$ \chi. $$ 因此： $$ s_R $$ 可以高於： $$ s_C. $$ --- # 十八、第七個維度是 Established Result Salvage 一個成熟理論往往已經產生： $$ E = \{e_1,e_2,\ldots,e_n\}. $$ 有些結果可能後來得到： - 獨立證明； - 重複實驗； - 不同模型支持。 所以母理論失效後： $$ E_i $$ 不應自動刪除。 真正需要： $$ \operatorname{DependencyTrace}(e_i,T). $$ 若： $$ e_i $$ 依賴已失效核心， 則： $$ \operatorname{downgrade}(e_i). $$ 若有獨立支撐： $$ \operatorname{retain}(e_i). $$ --- # 十九、第八個維度：Question-Generating Capacity 這是本文最重要但最容易被忽略的一項。 設： $$ Q(T) = \{\text{questions generated by }T\}. $$ 即使理論失敗， 仍可能讓研究者問出： - 為什麼失敗？ - 哪裡失敗？ - 哪一類對象不符合？ - 還缺什麼變量？ - 什麼替代理論能解釋這個殘差？ - 為什麼這個近似在特定區間有效？ 所以可以： $$ \boxed{ e_C\downarrow } $$ 但： $$ \boxed{ g_Q\uparrow. } $$ 一個理論有時最大的歷史價值，就是： > 它讓後來的人知道應該問什麼。 --- # 二十、Model Pluralism 使「淘汰唯一模型」問題更加明顯 模型多元論指出，科學實踐往往不是找到一個唯一模型後消滅其他所有模型。 對同一現象的不同面向，研究者可能需要多個模型，因為不同模型服務： - 不同尺度； - 不同目的； - 不同可觀測量； - 不同解釋任務。 因此： $$ T_1 $$ 被： $$ T_2 $$ 在某一目標上超越， 不必推出： $$ V(T_1)=0. $$ 更合理的是： $$ V(T_i\mid g). $$ 即： $$ \boxed{ \text{模型價值依任務條件化。} } $$ --- # 二十一、所以 Theory Salvageability 也必須 goal-conditioned 定義： $$ TS(T\mid F,g). $$ 同一個理論： $$ T $$ 在： $$ g_1=\text{fundamental explanation} $$ 下可能： $$ TS\downarrow. $$ 但在： $$ g_2=\text{fast approximation} $$ 下： $$ TS\uparrow. $$ 所以不能問： > 這個理論還有沒有用？ 而應問： $$ \boxed{ \text{它對哪一種研究目標還有什麼價值？} } $$ --- # 二十二、本文正式區分「認識論殘值」與「生成殘值」 對每個 component： $$ x_i\in T, $$ 定義： $$ e_i = \text{Epistemic Residue} $$ 以及： $$ g_i = \text{Generative Residue}. $$ 可能有四種情況。 --- ## Type I：\(e_i>0,\ g_i>0\) 仍可信，而且仍有生成力。 應： $$ \text{Keep}. $$ --- ## Type II：\(e_i>0,\ g_i\approx0\) 仍可信，但研究上已沒有太多新收益。 應： $$ \text{Use / Archive}. $$ --- ## Type III：\(e_i\approx0,\ g_i>0\) 已知錯誤或失真，但仍有生成／遷移價值。 應： $$ \text{Transfer / Contrast / Archive}. $$ --- ## Type IV：\(e_i\approx0,\ g_i\approx0\) 既不可信，也沒有後續價值。 應： $$ \text{Discard}. $$ 這比： $$ \{\text{true},\text{false}\} $$ 更適合研究系統。 --- # 二十三、理論可救性公式 因此本文提出： $$ \boxed{ TS(T\mid F,g) = \sum_i w_i \Bigl[ \alpha e_i + \beta g_i + \gamma t_i - \delta c_i \Bigr]. } $$ 其中： - \(e_i\)：認識論殘值； - \(g_i\)：生成殘值； - \(t_i\)：遷移價值； - \(c_i\)：保留、修復與維護成本。 這裡： $$ TS $$ 不是： $$ P(T=\text{true}). $$ 而是： $$ \boxed{ \text{在承認失敗後，這個理論仍有多少結構值得進入未來。} } $$ --- # 二十四、TS 高也不代表繼續相信整體理論 這一點必須反覆強調。 可以： $$ TS(T)\gg0 $$ 但： $$ P(T\text{ as a whole})\approx0. $$ 例如： - 理論整體已被反例推翻； - 但其表示非常好； - 方法可以遷移； - 局部結果仍成立； - 問題生成能力很高。 所以： $$ \boxed{ \text{Theory Salvageability} \neq \text{Theory Acceptance}. } $$ 這是避免把本框架變成「萬物皆可救」的核心防線。 --- # 二十五、本文提出六種 recovery operator 對每個： $$ x_i\in T, $$ 選擇： $$ \mathcal O(x_i) \in \{ K,R_s,R_p,T,A,D \}. $$ 其中： ### Keep 直接保留。 ### Restrict 縮小適用域。 ### Repair 修改假設或結構。 ### Transfer 把方法／表示遷移到其他理論。 ### Archive 保留為歷史、對照或重啟資產。 ### Discard 刪除其作為有效研究成分的地位。 因此理論修正變成： $$ T \xrightarrow{F} \{ \mathcal O(x_1),\ldots,\mathcal O(x_n) \}. $$ 不是一次全局 delete。 --- # 二十六、這個 operator 必須允許真正死亡 如果一個系統只有： $$ \{ \text{Keep}, \text{Repair} \}, $$ 那麼它其實具有： $$ \boxed{ \text{Theory Preservation Bias}. } $$ 任何反例都只會讓它想辦法保存原理論。 這與終止式反駁相反， 但同樣病態。 所以真正的 salvage 系統一定要有： $$ \boxed{ \text{Discard}. } $$ 成熟回收不是： > 什麼都留下。 而是： $$ \boxed{ \text{準確地留下仍有價值的部分。} } $$ --- # 二十七、可以定義 Salvage Precision 與 Salvage Recall 這使理論回收可以像資訊檢索一樣評估。 設真正值得保留的 component 集合： $$ S^*. $$ 智能選擇保留： $$ \hat S. $$ 則： $$ SP = \frac{ |\hat S\cap S^*| }{ |\hat S|+\varepsilon } $$ 稱為： # Salvage Precision 避免： > 留下大量其實應該丟掉的理論殘骸。 而： $$ SR = \frac{ |\hat S\cap S^*| }{ |S^*|+\varepsilon } $$ 稱為： # Salvage Recall 避免： > 因整體失敗而把本來有價值的結構一起刪掉。 真正好的系統需要： $$ SP\uparrow $$ 且： $$ SR\uparrow. $$ --- # 二十八、這正好對應兩種極端錯誤 ## 極端 A：Catastrophic Theory Deletion $$ SR\downarrow. $$ 一次失敗： $$ T\rightarrow\varnothing. $$ 大量有價值結構被刪掉。 --- ## 極端 B：Degenerative Theory Preservation $$ SP\downarrow. $$ 任何東西都不肯丟， 持續加入補丁。 因此： $$ \boxed{ \text{好的理論回收} } $$ 位於： $$ \boxed{ \text{全刪} } $$ 與： $$ \boxed{ \text{全救} } $$ 之間。 --- # 二十九、Stagnant 也應該成為合法狀態 2024 年對 Lakatos research programmes 的延伸工作提出「stagnant programme」作為 progressive / degenerating 之外的第三狀態，理由之一正是某些研究方向可能暫時受外部工具、技術或資源限制，而不宜過早判死。 這與本系列的： $$ \text{Dormant Branch} $$ 非常接近。 因此理論狀態可以不是： $$ \{\text{alive},\text{dead}\}. $$ 而是： $$ \{ \text{progressive}, \text{stagnant}, \text{degenerative}, \text{archived}, \text{discarded} \}. $$ 這使： $$ \boxed{ \text{暫時做不動} } $$ 不必等同： $$ \boxed{ \text{永遠沒有價值}. } $$ --- # 三十、理論可救性還取決於未來能力 這是反身智能版本特別重要的一點。 假設： $$ A_t $$ 目前能力不足， 使： $$ TS_t(T) $$ 很低。 但： $$ A_{t+k} $$ 未來可能擁有： - 更強形式證明； - 新實驗； - 新算力； - 新資料； - 新表示工具。 所以： $$ TS_{t+k}(T) $$ 可能改變。 因此 archive 必須保存： $$ \boxed{ \text{why unsalvageable now} } $$ 與： $$ \boxed{ \text{what future condition would change that judgment}. } $$ 這正是第 13 篇的： $$ \kappa. $$ --- # 三十一、所以「不可救」也應該有置信度與時間戳 與其寫： ```text THEORY UNSALVAGEABLE ``` 更成熟的表示是： ```text current acceptance = rejected current salvageability = low reason = core mechanism contradicted method salvage = high representation salvage = medium question-generation value = high reopen if = evidence/tool condition R timestamp = t ``` 這意味： $$ \boxed{ \text{理論拒絕} } $$ 可以非常嚴格， 同時： $$ \boxed{ \text{理論資產管理} } $$ 仍然非常精細。 --- # 三十二、與第 13 篇的跨時自我正式整合 第 13 篇提出： $$ \kappa_t = \text{Cross-Time Inheritance Value}. $$ 現在： $$ \kappa_t $$ 可以直接由理論 component 的 salvageability 產生。 即： $$ \kappa_t(T) = f( s_C,s_S,s_A,s_L,s_M,s_R,s_E,s_Q ). $$ 所以當： $$ A_t $$ 決定： $$ \text{不再接受 }T, $$ 它仍可以把： $$ \mathfrak S(T) $$ 交給： $$ A_{t+1}. $$ 這不是： > 未來自己再替舊理論翻案。 而是： $$ \boxed{ \text{把仍然有價值的研究資產交給下一時刻。} } $$ --- # 三十三、因此「理論死亡」可以非常乾淨 真正好的系統甚至可以寫： $$ T_{\mathrm{whole}} \rightarrow \mathsf{Dead} $$ 同時： $$ M(T)\rightarrow\mathsf{Transferred}, $$ $$ R(T)\rightarrow\mathsf{Retained}, $$ $$ E(T)\rightarrow\mathsf{Independent}, $$ $$ Q(T)\rightarrow\mathsf{NewProgramme}. $$ 所以： $$ \boxed{ \text{理論可以死，資產可以活。} } $$ 這可能是「理論可救性」最準確的表述。 因為我們真正想救的從來不是： $$ \text{理論的名字}. $$ 而是： $$ \boxed{ \text{它仍值得存在於未來研究中的結構。} } $$ --- # 三十四、結論：會放棄理論，和會浪費理論，是兩件不同的事 成熟研究需要： $$ \boxed{ \text{敢於拒絕錯誤理論。} } $$ 但： $$ \text{Reject}(T) $$ 不應自動等於： $$ \text{Erase}(T). $$ 因為一個理論可以： - 核心錯； - 適用域部分成立； - 引理仍正確； - 方法仍可遷移； - 表示仍然優秀； - 結果部分獨立成立； - 問題生成能力仍然很高。 所以真正的更新流程應是： $$ \boxed{ T \rightarrow \operatorname{Decompose}(T) \rightarrow \operatorname{EvaluateResidue} \rightarrow \operatorname{RouteComponents} \rightarrow T'. } $$ 而不是： $$ T \rightarrow \{\text{save all},\text{delete all}\}. $$ 因此本篇的核心雙命題是： $$ \boxed{ \text{局部錯誤不等於整體價值歸零。} } $$ 同時： $$ \boxed{ \text{局部價值殘留也不等於整體理論仍值得相信。} } $$ 這兩句必須同時成立。 否則第一句會變成理論保護主義， 第二句則會變成終止式反駁。 真正成熟的反身研究智能需要的是： $$ \boxed{ \text{殺死錯的部分，} } $$ $$ \boxed{ \text{保存沒有被一起證偽的結構。} } $$ 下一篇： # 價值耦合智能論 15 # 結構回收、遷移與重新定位 第 14 篇建立了： $$ \text{what survives}. $$ 第 15 篇將進一步處理： $$ \boxed{ \text{surviving structures should go where?} } $$ 也就是讓方法、表示、局部命題與問題生成結構從「被保存」進一步變成「被重新放進正確的新位置」。 --- ## 參考資料（本篇重新查核） 1. da Costa, N. C. A., & French, S. (2003). *Science and Partial Truth: A Unitary Approach to Models and Scientific Reasoning*. Oxford University Press. 2. da Costa & French, chapters on partial structures, partial truth, inconsistency, pursuit and practice. 3. Wimsatt, W. C. (2022). *Using False Models to Elaborate Constraints on Processes: Blending Inheritance in Organic and Cultural Evolution*. Philosophy of Science. 4. Veit, W. (2020). *Model Pluralism*. Philosophy of the Social Sciences, 50(2), 91–114. 5. Literature on Lakatosian research programmes, including the hard-core / protective-belt distinction. 6. Branahl, J. (2024). *Stagnant Lakatosian Research Programmes*. 7. Pincock, C. (2022). *Overextending Partial Structures: Idealization and Abstraction*. Philosophy of Science. 8. Sullivan, E. (2024). *SIDEs: Separating Idealization from Deceptive Explanations in xAI*. 9. Devezer, B., Nardin, L. G., Baumgaertner, B., & Buzbas, E. (2019/2021). Work on model-centric scientific discovery, epistemic diversity and model-space exploration.