---
title: "純人類科學院"
english_title: "The Pure Human Academy of Sciences"
series: "SEHTS Black Papers / Fictional Thought Experiments"
paper_id: "SEHTS-BLACK-02"
author: "Neo.K"
version: "0.1.0"
date: "2026-08-14"
genre: "黑色幽默 / 思想實驗 / 制度寓言"
status: "Fiction"
---

# 純人類科學院

### The Pure Human Academy of Sciences

**SEHTS-BLACK-02**  
**黑色幽默思想實驗**

---

## 一

純人類科學院成立於 2058 年。

它的英文縮寫是 PHAS。

Pure Human Academy of Sciences。

創院宣言只有一句話：

> **「把知識還給人類。」**

那一年，AI 已經進入幾乎所有研究流程。

文獻搜尋有 AI。

程式撰寫有 AI。

儀器控制有 AI。

定理搜尋有 AI。

蛋白質設計有 AI。

統計建模有 AI。

語言整理有 AI。

甚至「哪些地方不該用 AI」的風險評估，也有 AI。

所以純人類科學院的創院者認為，人類必須保留最後一塊真正屬於自己的學術領域。

他們的主張聽起來非常合理：

> 「我們不反對 AI 科學。  
> 我們只是要保存一個沒有 AI 的人類科學樣本。」

所有人都覺得這句話沒有問題。

問題出現在他們開始寫規則之後。

---

## 二

第一版投稿規則只有三條：

1. 論文正文不得由 AI 生成。
2. 程式碼不得由 AI 生成。
3. 作者必須簽署 No-AI 聲明。

第一年一切順利。

收到 431 篇投稿。

接受 67 篇。

科學院辦了盛大的年會。

院長在台上說：

> 「人類證明了自己仍然可以獨立思考。」

台下掌聲雷動。

散會後，有人問：

「文獻搜尋能不能用 AI？」

會場安靜了一下。

---

## 三

第二版規則新增：

4. 不得使用 AI 文獻搜尋。
5. 不得使用 AI 摘要。
6. 不得使用 AI 翻譯。
7. 不得使用 AI 統計助手。

投稿數從 431 篇降到 209 篇。

但仍然很健康。

直到一名審稿人發現：

某位作者雖然沒用 AI，但他的共同作者曾經用 AI 找過一篇重要論文。

問題來了。

那篇論文本身不是 AI 寫的。

共同作者也只是因 AI 推薦才看到。

這算嗎？

委員會開了七小時會議。

最後投票：

算。

理由是：

> 「AI 改變了研究路徑。」

第三版規則新增：

8. 任何研究關鍵資訊不得由 AI 推薦或排序後取得。

---

## 四

第三年，一位數學家投稿了一篇漂亮的證明。

定理重要。

證明簡潔。

兩位審稿人都驗過。

Lean kernel 也通過。

幾乎確定沒有問題。

唯一的瑕疵是：

作者在五年前看過一個 AI 生成的錯誤證明。

那個錯誤證明裡有一個很荒謬的中間步驟。

作者正是因為覺得那一步太荒謬，才想到一個反例。

反例後來導向正確 lemma。

委員會開會。

有人說：

「AI 給的是錯的。」

有人說：

「但沒有那個錯誤，他可能想不到現在的正確證明。」

有人說：

「那這算 AI contribution。」

有人問：

「那如果他是看學生的錯誤得到靈感呢？」

會議室安靜了。

最後院長說：

「學生是人。」

論文拒稿。

拒稿理由：

> **AI-ancestral conceptual contamination.**

---

## 五

這起事件引起爭議。

作者公開了完整 Lean proof。

全世界任何人都可以驗證。

Proof passed。

PHAS 仍然拒絕。

記者問院長：

「所以這個 theorem 是錯的嗎？」

院長說：

「我們沒有說 theorem 錯。」

「那為什麼拒？」

「來源不純。」

「所以你們審查的不是 theorem 真不真？」

院長停頓了三秒。

「我們審查的是純人類 theorem。」

隔天，PHAS 官網更新 mission：

> **「本院不只研究真理，也研究真理的純人類來源。」**

---

## 六

第四年，麻煩開始變多。

投稿者問：

「拼字校正算 AI 嗎？」

委員會說：

「傳統規則式不算，模型式算。」

「那 2032 年版本的 Word 拼字校正是哪一種？」

「請提供軟體 provenance。」

「我不知道。」

「那不能證明純潔。」

「可是我是 2032 年寫的草稿。」

「未知不等於純潔。」

第四版規則新增：

9. 所有使用軟體必須附 No-AI Software Bill of Materials。
10. 不完整軟體 provenance 視為不可接受。

---

## 七

一名七十歲物理學家投稿。

他整篇論文都用紙筆寫。

實驗設備是 1998 年的。

資料記在紙上。

沒有網路。

沒有 AI。

委員會很感動。

這是他們夢寐以求的純人類科學。

直到有人問：

「那台 1998 年儀器，去年有維修嗎？」

有。

「維修技師用什麼系統查故障？」

不知道。

「零件供應商怎麼配對替代零件？」

不知道。

「物流有沒有 AI？」

不知道。

論文暫緩。

作者問：

「你們是要審我物理，還是審物流公司？」

委員會回答：

「科學不能脫離 provenance。」

---

## 八

第五年，投稿規則長到 218 頁。

論文本身平均 24 頁。

投稿附件平均 641 頁。

其中包括：

- 作者 No-AI 聲明；
- 共同作者 No-AI 聲明；
- 軟體清單；
- 軟體作者聲明；
- IDE 聲明；
- 搜尋服務聲明；
- 翻譯服務聲明；
- 引用來源聲明；
- 儀器供應鏈聲明；
- 資料來源聲明；
- 實驗室網路設備聲明；
- 外包服務聲明；
- 合作機構聲明。

科學院聘請了 23 名研究員。

另外聘請了 187 名 provenance auditor。

這被認為是非常成功的人類就業政策。

---

## 九

有一天，財務處發現 provenance audit 太貴。

有人提議：

「我們可以用 AI 幫忙掃描 No-AI 聲明中的矛盾。」

整個會議室安靜。

提案者立刻道歉。

隔天他被調離 provenance committee。

---

## 十

第六年，PHAS 發布第一版：

# Pure Human Provenance Standard 1.0

簡稱 PHPS。

規定任何論文必須證明：

$$
\text{No AI Ancestry}
$$

至少三代。

第一代：

作者直接使用的工具。

第二代：

工具的製作流程。

第三代：

工具製作者使用的工具。

大家覺得三代已經很嚴格。

半年後，有人指出：

如果第二代工具製作者曾經問過 AI，一樣可能影響第一代。

委員會把三代改成五代。

五代改成十代。

十代改成：

> **完整可追溯範圍內的所有祖先。**

終於沒有人再問「幾代」。

因為已經沒有底。

---

## 十一

PHAS 的學者開始發展一門新的專業：

# 純潔證明學

研究問題包括：

- 如何證明一份文件沒有 AI ancestry？
- 如何證明一個人沒有受 AI 語義影響？
- 如何定義「獨立重寫」足以切斷 ancestry？
- 是否需要對思想本身做 provenance？
- 如果作者忘了曾經看過 AI 內容，算不算隱性污染？

這個領域迅速繁榮。

五年內發表 3,200 篇論文。

是 PHAS 唯一高速成長的學科。

---

## 十二

問題是：

這 3,200 篇「純潔證明學」論文也必須通過純潔審查。

所以每一篇研究「如何證明純潔」的論文，都要先證明自己純潔。

委員會開始需要 meta-auditor。

meta-auditor 的工作是審查 auditor 是否使用 AI。

接著需要 meta-meta-auditor。

在 PHAS 成立第十二年時，行政組織圖變成：

```text
Science Division
  18 人

Provenance Division
  264 人

Audit Division
  711 人

Meta-Audit Division
  392 人

Audit Integrity Office
  171 人

Human Purity Certification Appeals Board
  83 人
```

院長在年報中寫：

> 「本院穩健成長。」

---

## 十三

同一年，一個外部研究團隊宣布證明了一個重要猜想。

AI 協助找 lemma。

human 寫 formalization。

Lean kernel 驗證。

另外三個團隊獨立重現。

整個數學界接受。

PHAS 不接受。

理由：

> lemma discovery path includes AI assistance.

記者又問：

「那你們認為 theorem 是假的嗎？」

新院長已經熟悉這個問題。

「不是。」

「那為什麼不列入知識成果？」

「它是後人類混合知識。」

「那不是知識嗎？」

院長回答：

「是別人的知識。」

---

## 十四

PHAS 開始建立自己的數學資料庫。

只收純人類定理。

一開始收錄 1900–2025 年的經典數學。

後來有人提出：

「2025 年以前的論文作者，也可能在寫作過程中用過早期 AI。」

所以 2020–2025 的資料需要補 provenance。

再後來有人說：

「2010 年代的搜尋引擎已經大量用機器學習。」

所以 2010–2025 都需要重新審查。

接著有人追到 1990 年代的 OCR。

再追到更早的 expert systems。

最後資料庫採取最安全政策：

> **只收錄在可證明沒有 AI causal ancestry 的歷史文件。**

結果資料庫中有大量 18 世紀手稿。

但很多 21 世紀經典 theorem 暫列「污染狀態未決」。

---

## 十五

這引出一個著名事件。

一名研究生在 PHAS 的純數學課上問：

「我們可以使用某個 2031 年證明的 theorem 嗎？」

教授說：

「那個 theorem 有 AI ancestry，不能作為純人類前提。」

「可是 theorem 已經被證明了。」

「這裡是純人類數學。」

「那如果我自己重新證一次？」

教授想了一下。

「可以。」

研究生花了九個月重新證明。

成功。

教授很高興。

後來 provenance auditor 發現：

研究生第一次知道這個 theorem 的存在，就是因為 2031 年那篇 AI-assisted paper。

重新證明無效。

---

## 十六

學生抗議：

「那我要怎樣才能純？」

auditor 說：

「你必須在不知道原 theorem 的情況下獨立得到它。」

「但我已經知道了。」

「那你不能再不知道。」

「所以我永遠失去證明這個 theorem 的純人類資格？」

「在目前 policy 下，是。」

學生問：

「有沒有認識遺忘程序？」

半年後，PHAS 成立：

# Cognitive Decontamination Working Group

研究如何證明研究者已經忘記 AI-origin information。

第一篇論文投稿時被拒。

因為該研究問題最早來自 AI-era contamination debate。

---

## 十七

第十七年，PHAS 面臨最嚴重的危機。

一名年輕研究員發現一個新的物理現象。

她不用 AI。

不用現代文獻搜尋。

不用 AI 儀器控制。

所有資料人工記錄。

她甚至在封閉實驗室裡工作兩年。

結果非常漂亮。

如果成立，可能是數十年來最大的發現。

provenance audit 做了十一個月。

最後找到一個問題。

實驗室牆上的溫控器韌體，在更新時使用了 AI-assisted code review。

研究員問：

「溫控器有改變實驗結果嗎？」

audit team 說：

「沒有證據顯示有。」

「那為什麼不行？」

「因為你的 experiment environment 依賴它。」

「那請驗證結果。」

「我們不是在審結果。」

「你們在審什麼？」

「環境血統。」

她離開 PHAS。

兩年後，在普通期刊發表。

獨立重現成功。

拿了重大科學獎。

PHAS 發新聞稿：

> 「本院祝賀該成果在混合認識體系中的成功。」

---

## 十八

外界開始稱 PHAS 為：

# 人類血統研究院

PHAS 抗議。

聲明中寫：

> 「本院不是血統主義。我們重視可驗證 provenance。」

記者問：

「如果兩篇內容完全相同、實驗結果完全相同、驗證完全相同，只因其中一篇使用 AI，就一篇接受一篇拒絕，這叫什麼？」

PHAS 回答：

> 「資格審查。」

記者說：

「那不就是血統審查？」

PHAS 回答：

> 「這是一個不專業的比喻。」

---

## 十九

第二十年，PHAS 論文數降到每年 19 篇。

其中 14 篇是 provenance methodology。

3 篇是 no-AI cognition study。

2 篇是真正自然科學。

其中一篇後來撤稿。

因為作者的室友承認，十年前曾用 AI 跟作者討論過類似問題。

沒有證據證明那次聊天直接影響論文。

但 ancestry path 存在。

---

## 二十

科學院開始討論改革。

改革派提出：

> 「我們是否應該把 provenance 從 truth criterion 改成 verification burden？」

保守派反對。

「那我們跟普通科學院有什麼不同？」

改革派說：

「我們仍可以保存 Human-Origin track。」

「那 AI-assisted theorem 如果被 formal verification 證明呢？」

「可以標記為 verified-but-mixed。」

「那不是承認 AI 知識？」

「是承認 theorem。」

「那人類尊嚴呢？」

會議中止。

---

## 二十一

同一天，PHAS 的伺服器故障。

整個 Pure Human Provenance Archive 無法存取。

資訊部門檢查後發現，是一個舊版資料庫的 memory leak。

有人說：

「可以用現代 AI coding agent 幫我們找 bug。」

全場怒視。

最後他們決定人工除錯。

用了四個月。

伺服器恢復。

一週後，一名 auditor 發現：

資料庫原始碼裡，有一個 2029 年提交的 patch。

commit message：

> refactor parser, suggested by coding assistant

整個 archive 的 software ancestry 被污染。

問題變成：

> 用被污染的系統保存的純人類 provenance record，還算純嗎？

PHAS 進入緊急狀態。

---

## 二十二

院方成立「檔案認識純潔緊急委員會」。

有人主張：

> 資料內容本身沒被修改，所以不影響。

另一派說：

> 你怎麼知道？你用的是污染過的 parser。

有人提議把所有 archive 列印成紙本。

印表機 firmware provenance 不明。

有人提議手抄。

抄寫員以前用過 AI。

有人提議找從未用過 AI 的老人。

最後找到三個。

其中一個不識字。

一個視力不好。

一個說：

「我不想幫你們。」

---

## 二十三

第二十一年，PHAS 開始失去政府補助。

評估委員會問：

「貴院過去五年最重要的科學成果是什麼？」

院長回答：

「我們建立了目前世界上最嚴格的 No-AI ancestry certification framework。」

「自然科學成果呢？」

「我們正在確保方法純潔。」

「那方法純潔帶來了什麼發現？」

院長沉默。

最後說：

「證明有些發現不夠純。」

---

## 二十四

PHAS 最後一次世界級新聞，是一篇論文：

# 《純人類知識之存在性條件》

論文用了 1,843 頁。

主要結論是：

> 在完整 ancestry closure、unknown-as-contaminated、no-verification-reset 的政策下，對現代研究 artifact 建立強 No-AI certificate，通常需要封閉其完整 provenance scope。

論文引起轟動。

因為它幾乎就是 PHAS 二十年的制度總結。

審稿耗時三年。

最終通過。

刊登前一天，一名退休職員來信。

他說：

> 這篇論文的第一個構想，二十年前其實來自一場會議。  
> 那場會議的錄音摘要，是 AI 做的。

整篇論文撤回。

---

## 二十五

純人類科學院在成立第三十年時關閉。

最後一任院長在告別演說中說：

> 「我們失敗了嗎？」

台下沒有人回答。

他繼續：

> 「如果我們的任務是證明人類可以在完全沒有 AI 祖先的條件下繼續現代科學，那麼，我們沒有成功。」

他停了一下。

> 「但如果我們的任務，是證明『純潔』這個詞一旦被放到完整因果閉包裡，最後會比『真理』昂貴得多——」

他笑了。

> 「那我們可能是歷史上最成功的科學院。」

---

## 尾聲

五十年後，歷史學家建立 PHAS 數位典藏。

所有檔案：

- AI OCR；
- AI 修復；
- AI 語義索引；
- AI provenance extraction；
- AI contradiction detection；
- AI timeline reconstruction。

典藏首頁寫：

# 純人類科學院：人類最後一次大規模 No-AI 科學實驗

頁面底下有一個對話框：

> **Ask the Archive AI anything about PHAS.**

一名學生輸入：

「PHAS 最大的科學發現是什麼？」

AI 回答：

> **他們發現，當一個制度把「來源是否純潔」放在「內容是否可驗證」之前，制度最終會變得非常擅長審查來源。**

學生又問：

「那真理呢？」

AI 停頓了半秒。

> **真理去了別的期刊。**

---

### 作者附註

本篇為 SEHTS-BLACK-02，屬制度黑色幽默思想實驗。

故事刻意採用下列極端政策：

- full ancestry purity；
- unknown provenance 視為不合格；
- semantic / social influence 也算 ancestry；
- provenance 可以凌駕 formal / empirical verification；
- human re-derivation 不自動 reset genealogy；
- institutional mission 長期不修改。

因此它不是對所有 No-AI 教育、競賽、藝術或研究政策的批評。

如果 institution 的目標本來就是：

> 「測量人在不使用 AI 的特定過程中能做什麼」

那麼 scoped No-AI rule 完全合理。

本篇諷刺的是另一種 regime：

> **當一個原本要審查知識的制度，逐漸把大部分資源用來證明祖先夠不夠純，卻仍堅稱自己只是在審查真假。**