# 沒有他，世界還會如此嗎？反事實歷史與不可替代性的重新定義

**Without Them, Would the World Still Be This Way? Counterfactual History and the Redefinition of Irreplaceability**

**作者：Neo.K**  
**系列：多尺度去崇拜與因果歸因框架｜第 4 篇**  
**版本：v1.0 草案**  
**日期：2026 年 8 月**

---

## 摘要

歷史敘事經常使用「沒有某人，就沒有某事」來表達一個個體的重要性。這類語句看似直觀，實際上同時混合了至少五個不同問題：某人是否為事件的必要條件、某人是否只是眾多充分原因之一、某人是否使事件提前、某人是否改變了實現路徑，以及某人是否只是最早到達一個本來就高度可達的結果。

本文提出「多世界線反事實歷史」（Multi-Worldline Counterfactual History, MWCH）框架，將歷史人物、普通個體、理論、制度與其他節點的不可替代性，從單一「有／無」判定改寫為條件化、多維度的世界線差異估計。

本文主張，歷史影響至少應區分：**必要者（necessary actor）**、**充分集成員（member of a sufficient set）**、**加速者（accelerator）**、**路徑改寫者（path transformer）**、**首達者（first arriver）**、**瓶頸解除者（bottleneck breaker）**、**韌性替補者（resilience substitute）**與**高可替代者（highly substitutable actor）**。上述角色可以重疊，但不可被一個「偉大程度」純量取代。

本文引入世界線距離 $D(W,W_{\neg x})$ 、結果保留率、時間延遲 $\Delta T_x$ 、路徑距離、替代者集合與反事實可達度等量，並強調模型不應只建立單一反事實世界，而應生成一族受約束的可行反事實世界：

$$
\mathcal W_{\neg x}
=
\{W_{\neg x}^{(1)},W_{\neg x}^{(2)},\ldots,W_{\neg x}^{(m)}\}.
$$

因此，「沒有 $x$ 會怎樣」的答案本身應是一個分布，而非一則故事。

本文亦吸收 structural causal models 與 actual causation 文獻的重要提醒：簡單 but-for test 在預先截斷、過度決定與多重充分原因情形下並不足夠；歷史反事實分析所追求的往往也不只是狹義因果，而是辨認 difference makers。本文將這種觀點進一步擴張到多尺度歷史歸因，並為後續「歷史可見度、資料覆蓋與普通人的消失」提供方法論接口。

本文最終提出：**不可替代性不是人格屬性，而是某節點在指定世界模型、時間窗口、結果定義與替代空間中的條件性結構位置。**

**關鍵詞：** 反事實歷史、不可替代性、actual causation、difference maker、世界線、必要性、可替代性、多重充分原因、HSNRD、多尺度因果覆蓋

---

# 1. 問題提出：「沒有他就沒有今天」到底是什麼意思？

歷史敘事常說：

> 沒有牛頓，就沒有現代物理。

> 沒有圖靈，就沒有現代計算機。

> 沒有某位政治人物，就沒有某次制度轉型。

這些句子具有強烈敘事力。

但在因果分析上，它們過於粗糙。

設：

$$
x=\text{某個個體},
$$

$$
Y=\text{某個歷史結果}.
$$

「沒有 $x$ 就沒有 $Y$ 」可能實際指：

$$
P(Y\mid do(\neg x))\approx0.
$$

也可能只是：

$$
T(Y\mid do(\neg x))
\gg
T(Y\mid do(x)).
$$

又可能是：

$$
Y_{\neg x}\approx Y,
$$

但實現路徑完全不同。

甚至可能：

$$
Y_{\neg x}=Y,
$$

而唯一差異只是：

> 不是由這個人首先完成。

所以本篇第一個主張是：

$$
\boxed{
\text{「沒有他會怎樣」不是一個問題，
而是一組不同的反事實問題。}
}
$$

---

# 2. 單一 but-for test 為什麼不夠？

最簡單的反事實因果判準是：

$$
x\text{ causes }Y
\iff
Y_{\neg x}\neq Y.
$$

即：

> 如果沒有 $x$ ， $Y$ 就不會發生。

這種 but-for test 非常直觀。

但在複雜歷史系統中，它經常失敗。

## 2.1 多重充分原因

假設：

$$
A\lor B\rightarrow Y.
$$

而實際世界中：

$$
A=1,\quad B=1.
$$

移除 $A$ ：

$$
Y_{\neg A}=Y.
$$

因此簡單 but-for test 會說：

$$
A
$$

不是原因。

但如果：

$$
A
$$

和：

$$
B
$$

都是足以獨立造成 $Y$ 的機制，這個結論顯然不完整。

## 2.2 預先截斷

假設：

$$
A
$$

先完成某件事，

$$
B
$$

原本也會完成，但因 $A$ 已完成而沒有實際作用。

此時：

$$
Y_{\neg A}=Y
$$

因為 $B$ 會接手。

但這並不表示 $A$ 在實際世界沒有因果角色。

## 2.3 備援系統

工程、制度與組織中大量存在：

$$
A\rightarrow Y,
$$

若 $A$ 失效：

$$
B\rightarrow Y.
$$

所以：

$$
Y_{\neg A}=Y.
$$

但：

$$
A
$$

仍是實際運行路徑中的主要節點。

這些例子都說明：

$$
\boxed{
\text{不可替代性}
\neq
\text{實際因果性}.
}
$$

一個節點可以是實際原因，但高度可替代。

反過來，一個節點也可能具有高不可替代性，卻沒有在特定實際世界中被觸發。

---

# 3. 反事實歷史不應只生成一條替代故事

歷史反事實最危險的錯誤之一是：

> 移除一個人，然後由研究者自行講一條替代歷史。

更合理的方式不是：

$$
W
\rightarrow
W_{\neg x},
$$

而是：

$$
W
\rightarrow
\mathcal W_{\neg x},
$$

其中：

$$
\mathcal W_{\neg x}
=
\{
W_{\neg x}^{(1)},
W_{\neg x}^{(2)},
\ldots,
W_{\neg x}^{(m)}
\}.
$$

每一條世界線都必須滿足：

- 當時存在的知識條件；
- 可用技術；
- 合理行動者能力；
- 既有制度限制；
- 通信與地理條件；
- 時序一致性；
- 不引入無根據的新事件。

因此反事實歷史不是：

$$
\text{fiction generation},
$$

而更接近：

$$
\boxed{
\text{constrained worldline sampling}.
}
$$

---

# 4. 世界線距離：不只問結果有沒有發生

對實際世界 $W$ 與反事實世界 $W_{\neg x}$ ，定義：

$$
D(W,W_{\neg x})
$$

為世界線差異。

但 $D$ 不能只看終點。

本文將它拆成：

$$
D=
(
D_Y,
D_T,
D_P,
D_S,
D_R
).
$$

其中：

- $D_Y$ ：結果差異；
- $D_T$ ：時間差異；
- $D_P$ ：路徑差異；
- $D_S$ ：後續結構差異；
- $D_R$ ：影響範圍差異。

因此，即使：

$$
D_Y\approx0,
$$

仍可能：

$$
D_T\gg0
$$

或：

$$
D_P\gg0.
$$

這正是傳統「有／沒有」因果敘事最容易漏掉的地方。

---

# 5. 必要者：真正的低反事實可達節點

對結果 $Y$ ，若：

$$
P(Y\mid do(\neg x),M)\ll1,
$$

則稱 $x$ 在模型 $M$ 下具有高必要性。

定義：

$$
N_x(Y)
=
1-
P(Y\mid do(\neg x),M).
$$

若：

$$
N_x\rightarrow1,
$$

則表示沒有 $x$ 時，指定結果高度難以出現。

但必須注意：

$$
N_x
$$

不是人格的永久屬性。

更精確地：

$$
N_x=
N(x\mid Y,t,s,M).
$$

它依賴：

- 你把 $Y$ 定義多細；
- 時間窗口多長；
- 觀察尺度；
- 世界模型；
- 可用替代者集合。

例如：

> 「某個具體證明在 1905 年以這個形式出現」

和：

> 「類似理論最終在 20 世紀出現」

是完全不同的 $Y$ 。

---

# 6. 加速者：結果仍會來，但晚很多

設：

$$
P(Y\mid do(\neg x))\approx1.
$$

若：

$$
T_{\neg x}(Y)-T(Y)
=
\Delta T_x\gg0,
$$

則 $x$ 的主要作用不是「使結果從無到有」，而是：

$$
\boxed{
\text{把未來提前。}
}
$$

本文稱：

$$
A_x=\Delta T_x
$$

為歷史加速量。

這類角色在科學與技術史中尤其重要。

因為某些領域已經存在：

- 足夠知識；
- 足夠工具；
- 足夠問題壓力；

使結果具有高可達性。

但一個極端個體仍可能：

$$
\text{縮短數十年探索時間}.
$$

此時若只因：

$$
Y_{\neg x}=Y
$$

便認為其作用不大，是嚴重誤判。

---

# 7. 首達者：第一名不等於不可替代

定義：

$$
F_x(Y)=1
$$

若 $x$ 是第一個到達指定結果的人。

但：

$$
F_x(Y)=1
$$

不能推出：

$$
N_x(Y)\gg0.
$$

如果：

$$
P(Y\text{ appears soon}\mid\neg x)\approx1,
$$

則 $x$ 可以是：

$$
\boxed{\text{first arriver}}
$$

但不是：

$$
\boxed{\text{unique enabler}}.
$$

這一區分對學術史特別重要。

「誰第一個完成」是歷史事實。

「只有他能完成」則是反事實命題。

兩者不是同一問題。

---

# 8. 路徑改寫者：終點相似，世界卻不同

某些人並不決定：

$$
Y
$$

是否出現。

他們改變的是：

$$
P(Y).
$$

這裡的 $P$ 不是 probability，而是 path。

假設：

$$
W:
A\rightarrow B\rightarrow C\rightarrow Y,
$$

移除 $x$ 後：

$$
W_{\neg x}:
A\rightarrow D\rightarrow E\rightarrow Y.
$$

雖然：

$$
Y_{\neg x}=Y,
$$

但：

$$
D_P(W,W_{\neg x})\gg0.
$$

而不同路徑又會生成不同：

- 方法；
- 學派；
- 工具；
- 制度；
- 後續問題；
- 詞彙；
- 技術標準。

所以世界終點看似一致，

但：

$$
W_{t+100}
$$

可能已經差很多。

本文將這類個體稱為：

$$
\boxed{\text{Path Transformer}}.
$$

---

# 9. 結構改寫者：真正重要的是後續狀態空間

比路徑改變更強的是：

$$
\Omega_{after}
$$

被改變。

某個理論、制度或個體可能不是只完成一個事件，而是創造新的可行狀態集合：

$$
\Omega
\rightarrow
\Omega'.
$$

其中：

$$
|\Omega'_{\text{reachable}}|
\gg
|\Omega_{\text{reachable}}|.
$$

這時其歷史作用不應只用：

$$
Y
$$

來衡量。

應定義：

$$
S_x
=
D(
\Omega_{future},
\Omega_{future,\neg x}
).
$$

這表示：

> 沒有它，未來能走的路會少多少、改變多少？

這類節點可能是：

- 新數學表示；
- 新計算架構；
- 新制度；
- 新測量工具；
- 新學科接口。

因此：

$$
\boxed{
\text{一個節點真正巨大的影響，
有時不是做成一件事，
而是改變後來什麼事情變得可能。}
}
$$

---

# 10. 瓶頸解除者：能力不一定最高，但位置最關鍵

設系統存在 gate：

$$
g.
$$

在 $g$ 未解除之前：

$$
\operatorname{Reach}(Y)=0.
$$

某個節點 $x$ 可能並不是整個系統最強者，

但：

$$
x\rightarrow g^{-1}
$$

使瓶頸解除。

因此：

$$
G_x\gg0.
$$

如果移除 $x$ 後，存在其他人：

$$
x'
$$

也能解除 gate，只是需要更久：

$$
\Delta T_x>0.
$$

那麼 $x$ 同時是：

- bottleneck breaker；
- accelerator；

但不一定是唯一必要者。

這種角色非常適合解釋一些「不起眼但關鍵」的普通個體。

---

# 11. 韌性替補者：平時不重要，失效世界裡極重要

一個備援節點 $b$ 在實際世界中可能：

$$
I_b^{actual}\approx0.
$$

因為主系統從未失效。

但在：

$$
W_{failure}
$$

中：

$$
I_b^{failure}\gg0.
$$

因此影響函數應寫成：

$$
I_x(\omega),
$$

其中：

$$
\omega
$$

是世界狀態或 regime。

這導出：

$$
\boxed{
\text{沒有被使用的能力}
\neq
\text{沒有系統價值}.
}
$$

它也說明為什麼普通人的歷史作用不能只從已發生事件倒推。

大量人的價值可能存在於：

> 如果某個主路徑失效，他們本可以／確實接住系統。

---

# 12. 高可替代者：貢獻很大，但不可替代性低

假設一個人完成大量工作：

$$
D_x\gg0.
$$

但存在替代集合：

$$
R_x=
\{r_1,\ldots,r_k\},
$$

且：

$$
k\gg1.
$$

每個替代者都能：

$$
r_j\rightarrow Y
$$

且成本差異不大。

則：

$$
\operatorname{Substitutability}(x)\gg0.
$$

這並不否認 $x$ 的實際功績。

只是說：

$$
\boxed{
\text{high contribution}
\neq
\text{high irreplaceability}.
}
$$

這一點對反崇拜尤其重要。

一個人可以：

> 做了非常多。

同時：

> 如果不是他，也有很多人能做。

兩句可以同時為真。

---

# 13. 替代性不只是「另一個人」

傳統反事實容易問：

> 沒有 A，會不會由 B 取代？

但替代者不只可以是個體。

更一般地：

$$
\mathcal R_x=
\{
\text{person},
\text{group},
\text{institution},
\text{technology},
\text{AI},
\text{different theory},
\text{different path}
\}.
$$

例如某人做的工作，可能不是由另一個同型人才替代，而是：

$$
\text{automation}
$$

直接消除該工作。

因此不可替代性必須相對於：

$$
\mathcal R_x.
$$

如果替代空間被定義太窄，就會人工製造：

$$
\text{false uniqueness}.
$$

---

# 14. 反事實最重要的限制：不能違反當時世界的可行域

任意反事實極易退化成：

> 如果沒有 Einstein，就假設另一個 Einstein 出現。

這沒有分析價值。

令時刻 $t$ 的可行狀態集合為：

$$
\Omega_t^{feasible}.
$$

任何候選世界：

$$
W_{\neg x}^{(j)}
$$

必須滿足：

$$
W_{\neg x}^{(j)}(t)
\in
\Omega_t^{feasible}.
$$

並對關鍵替代事件保存：

$$
P(e\mid \text{historical state}).
$$

因此不能：

- 任意創造不存在的技術；
- 任意創造不具備相應能力的人；
- 任意讓機構做出與其歷史條件完全不相容的決策；
- 讓資訊跨越不存在的通信路徑。

反事實推演越強，越需要：

$$
\boxed{
\text{constraint discipline}.
}
$$

---

# 15. 「最近世界」也不是唯一答案

Lewis 式反事實常使用某種「最相似可能世界」直覺。

但歷史中的 similarity 並沒有唯一自然度量。

我們可以有：

$$
d_1=\text{minimal event changes},
$$

$$
d_2=\text{minimal institutional changes},
$$

$$
d_3=\text{minimal causal mechanism changes}.
$$

不同距離函數可能選出不同反事實世界。

因此本文不宣稱：

$$
W_{\neg x}^{*}
$$

是唯一正確世界。

而保存：

$$
P(W_{\neg x}^{(j)}\mid M,E).
$$

這表示：

> 在模型 $M$ 與證據 $E$ 下，各反事實世界有不同可信權重。

---

# 16. 從 actual cause 到 historical difference maker

actual causation 問：

> $x$ 是否是 $Y$ 的實際原因？

歷史研究更常需要問：

> $x$ 對世界線造成了多大的可識別差異？

本文因此定義：

$$
\Delta_x
=
\mathbb E_{W'\sim\mathcal W_{\neg x}}
[D(W,W')].
$$

稱為：

$$
\boxed{\text{Counterfactual Difference Magnitude}}
$$

即反事實差異量。

它不是要取代因果哲學中的 actual cause。

而是服務另一個目的：

$$
\text{historical attribution}.
$$

因此：

$$
\text{cause}
\neq
\text{difference magnitude}.
$$

但二者可以共同保存。

---

# 17. 不可替代性向量

本文最終不使用單一：

$$
R_x.
$$

而定義：

$$
\mathbf U_x=
(
N_x,
A_x,
P_x,
S_x,
G_x,
Q_x
).
$$

其中：

- $N_x$ ：必要性；
- $A_x$ ：時間加速；
- $P_x$ ：路徑改寫；
- $S_x$ ：結構／可達空間改寫；
- $G_x$ ：瓶頸作用；
- $Q_x$ ：替代稀缺性。

於是：

$$
\text{Irreplaceability}
$$

不再是一個神秘的個人特質。

它是：

$$
\boxed{
\text{條件化結構向量}.
}
$$

---

# 18. 五種常見人物可以被重新分類

## 類型 I：高必要、高結構改寫

$$
N_x\gg0,\quad S_x\gg0.
$$

這是最接近真正歷史不可替代的情形。

## 類型 II：低必要、高加速

$$
N_x\ll1,\quad A_x\gg0.
$$

沒有他也會發生，但晚很多。

## 類型 III：低必要、高路徑改寫

$$
N_x\ll1,\quad P_x\gg0.
$$

結果仍出現，但整個學派、方法與後續拓撲不同。

## 類型 IV：首達、高可替代

$$
F_x=1,\quad Q_x\ll1.
$$

第一個做到，但其他人非常接近。

## 類型 V：低可見、高瓶頸

$$
S^{symbolic}_x\ll1,\quad G_x\gg0.
$$

這正是普通人最容易被歷史壓掉的一種情形。

---

# 19. 不要問「如果沒有牛頓」；先指定你到底要移除什麼

歷史人物不是一個 binary variable。

移除：

$$
x=\text{Newton}
$$

可能意味：

1. 這個人生理上不存在；
2. 他存在但不研究數學；
3. 他研究數學但不公開；
4. 他公開但著作延遲；
5. 他提出理論但沒有形成後續學派。

這些介入：

$$
do(X=x_1),
do(X=x_2),
\ldots
$$

會得到完全不同世界。

所以「沒有某人」本身也必須 typed。

本文建議至少分：

```text
REMOVE_EXISTENCE
REMOVE_CONTRIBUTION
REMOVE_PUBLICATION
REMOVE_NETWORK_POSITION
DELAY_CONTRIBUTION
REPLACE_WITH_BASELINE_ACTOR
```

否則：

$$
do(\neg x)
$$

本身就含糊不清。

---

# 20. 普通人與極端個體終於可以放在同一反事實框架

對任何個體 $i$ ：

$$
i\in\mathcal P,
$$

都可以問：

$$
\mathcal W_{\neg i}.
$$

差異只在：

$$
D(W,\mathcal W_{\neg i})
$$

大小不同。

因此不需要先將人分類成：

$$
\text{ordinary}
$$

或：

$$
\text{great}.
$$

模型運算後自然可能得到：

$$
\Delta_{i_1}\approx0,
$$

$$
\Delta_{i_2}>0,
$$

$$
\Delta_{i_3}\gg0.
$$

這才是真正的連續影響光譜。

極端人物不需要神話才能保持極端。

普通人也不需要被浪漫化才能保留其局部作用。

---

# 21. 高階 AI 的優勢與危險

未來高階 AI 相對人類歷史學家可能具有：

- 更大的事件記憶；
- 更多世界線模擬；
- 更細的網路拓撲；
- 更高維度的交互估計；
- 更好的跨尺度一致性檢查。

所以它可能更適合計算：

$$
\mathcal W_{\neg x}.
$$

但：

$$
\text{more simulation}
\neq
\text{historical truth}.
$$

如果觀測資料不足：

$$
O_x\ll1,
$$

再強的模型也只能得到：

$$
P(W_{\neg x}\mid E,M),
$$

而不是：

$$
W_{\neg x}^{true}.
$$

所以高階智慧體真正應該提高的不只是推演能力，也包括：

$$
\boxed{
\text{uncertainty honesty}.
}
$$

---

# 22. HSNRD／MWCH 最小資料結構

可建立：

```text
CounterfactualAttributionRecord
- target_node
- outcome_definition
- intervention_type
- time_horizon
- scale
- causal_model_version
- feasible_world_constraints
- sampled_counterfactual_worlds
- result_retention_probability
- time_delay_distribution
- path_distance_distribution
- future_state_space_delta
- gate_score
- substitute_set
- substitute_scarcity
- evidence_coverage
- confidence_interval
```

這個結構禁止輸出：

```text
irreplaceable = true
```

除非同時顯示：

```text
with_respect_to = ...
time_horizon = ...
substitute_space = ...
model = ...
confidence = ...
```

因為：

$$
\boxed{
\text{不可替代性沒有無條件版本。}
}
$$

---

# 23. 本篇十條核心命題

## 命題 A：but-for 非完備性

$$
Y_{\neg x}=Y
$$

不能直接推出 $x$ 無因果作用。

## 命題 B：多世界線原則

反事實歷史應建模：

$$
\mathcal W_{\neg x}
$$

而非唯一替代故事。

## 命題 C：結果—時間分離

$$
D_Y\neq D_T.
$$

結果相同不代表歷史作用相同。

## 命題 D：結果—路徑分離

$$
D_Y\approx0
$$

仍可有：

$$
D_P\gg0.
$$

## 命題 E：必要—加速分離

必要者與加速者是不同角色。

## 命題 F：首達—不可替代分離

$$
F_x=1
\nRightarrow
N_x\gg0.
$$

## 命題 G：結構改寫優先於單事件歸因

某些節點的最大作用是改變後續可達狀態空間。

## 命題 H：替代空間必須顯式

不可替代性取決於允許哪些替代者與替代路徑。

## 命題 I：反事實可行域約束

反事實世界必須遵守歷史時點的可行條件。

## 命題 J：不可替代性條件化

$$
U_x=U(x\mid Y,t,s,M,\mathcal R).
$$

不存在脫離參考框架的永久「不可替代者」。

---

# 24. 結論

「如果沒有這個人，世界會怎樣？」

這可能是人類判斷偉人最常使用、也最容易被濫用的問題之一。

它的問題不在於反事實本身。

而在於人類往往只生成一條符合既有崇拜或反崇拜立場的替代故事。

本文因此將問題改寫為：

$$
\boxed{
\text{在指定歷史條件下，
移除或改變節點 }x，
\text{哪些可行世界仍然可達？}
}
$$

接著再問：

$$
\boxed{
\text{結果差多少？
時間差多少？
路徑差多少？
未來狀態空間差多少？}
}
$$

如此，歷史人物便不再只剩：

$$
\text{important}
\quad/\quad
\text{not important}.
$$

而可以被放回：

$$
\text{necessary},
\text{accelerating},
\text{path-transforming},
\text{structure-transforming},
\text{first-arriving},
\text{bottleneck-breaking},
\text{substitutable}.
$$

這些座標之中。

真正的反崇拜，不是試圖證明：

> 沒有人不可替代。

因為某些條件下，某些節點可能真的極難替代。

真正需要拒絕的是：

> 因為某人在一個世界線中極其重要，所以他具有跨所有時間、尺度、目標與替代空間的永久不可替代性。

本文因此提出：

$$
\boxed{
\text{Irreplaceability is relational, not sacred.}
}
$$

**不可替代性是一種關係性結構，而不是神聖屬性。**

這也使下一篇問題變得不可避免。

即使我們有更好的反事實框架：

> 我們拿來重建世界線的資料，本身公平嗎？

如果一位皇帝留下十萬頁記錄，而一位普通工人只留下一個名字，

那麼再精密的反事實模型，也可能只是：

$$
\text{高精度地重建一個先天不平等的歷史觀測場。}
$$

因此下一篇將正式處理：

**歷史可見度、資料覆蓋與普通人的消失。**

---

## 參考文獻與理論對照

Lewis, David. “Causation.” *Journal of Philosophy*, 1973.

Pearl, Judea. *Causality: Models, Reasoning, and Inference*. Cambridge University Press, 2000/2009.

Halpern, Joseph Y.; Pearl, Judea. “Causes and Explanations: A Structural-Model Approach. Part I: Causes.” *British Journal for the Philosophy of Science*, 2005.

Halpern, Joseph Y. *Actual Causality*. MIT Press, 2016.

Reiss, Julian. “Counterfactuals, Thought Experiments, and Singular Causal Analysis in History.” *Philosophy of Science*, 2022.

Woodward, James. *Making Things Happen: A Theory of Causal Explanation*. Oxford University Press, 2003.

Stanford Encyclopedia of Philosophy. “Counterfactual Theories of Causation.”

---

**系列下一篇：**

**《被記住不等於影響更大：歷史可見度、資料覆蓋與普通人的消失》**