# 網狀認知拓撲：ADHD 多路徑激活假說 **英文題名：** Networked Cognitive Topology: A Multi-Path Activation Conjecture for ADHD **系列：** ADHD 動態配置與認知拓撲系列，第 5 篇 **版本：** v0.1 **日期：** 2026-08-16 **作者：** Neo.K（許筌崴） **協作：** GPT-5.6 Sol **文件性質：** 理論建模／認知科學命題／研究綱領 **文獻檢索截點：** 2026-08-16 --- # 0. 醫學、神經科學與證據邊界聲明 本文不是臨床研究、診斷工具、治療指南、神經影像研究、藥理研究或醫療建議。 本文提出的「網狀認知拓撲」「多路徑激活」「路徑多樣性」「跨路徑一致性」「稀疏提示優勢」等概念均屬待驗證理論命題，不代表已被醫學界、神經科學界或認知科學界確認的 ADHD 病理機制。 原作者並非醫學、精神醫學、神經科學或臨床心理專業研究者。本文不提供新的臨床、人體、神經影像、藥理或心理實驗數據；所有實證性背景均來自公開同行評審研究。本文新增內容僅屬理論整合、形式化與可證偽研究綱領。 本文特別禁止以下偷換： $$ \boxed{ \text{brain functional network topology} \neq \text{cognitive-associative topology}. } $$ 亦即，fMRI、EEG 或 connectome 中的 graph topology 不能直接被當成「一個人的思考就是網狀」之證據。 本文也不主張： $$ \text{divergent thinking} = \text{networked cognition}, $$ 不主張： $$ \text{mind wandering} = \text{multi-path reasoning}, $$ 也不主張： $$ \text{creativity} = \text{ADHD}. $$ 本文中的 graph、node、edge、path 均首先是中層認知模型的數學表示，不是對單一神經元、腦區或真實 connectome 的一對一映射。 核心限制： $$ \boxed{ \text{graph formalization} \neq \text{neural identity}. } $$ --- # 摘要 本系列前四篇已將 ADHD-related attention 從單一「注意力不足」標量重新展開為神經調節、選擇配置、狀態穩定性、配置熵、切換與脫離等多層動態系統。本篇進一步處理一個更強、也更容易過度推論的命題：部分 ADHD-related cognitive profiles 是否在特定任務中具有較廣的聯想擴散、較高的候選路徑多樣性、較弱的既有範例約束，並因此呈現不同於單一路徑序列處理的「網狀認知拓撲」？ 已有文獻提供若干間接支持。White 與 Shah 於 2016 年在大學生 ADHD 樣本中研究 semantic activation scope 與 innovative thinking，結果支持 ADHD 與特定創新思考表現的正向關聯，且較廣的 semantic activation 可能參與其中。其後對成人 ADHD 的 unconstrained creative generation 研究亦發現，ADHD 參與者在 alien-fruit 與 product-label tasks 中較少受既有範例與既有概念框架約束。2022 年一項 population-based sample 與 adult ADHD case-control sample 的整合研究發現，ADHD symptoms 與 divergent-thinking fluency、flexibility、originality 呈正相關，但與 convergent thinking 無明顯關聯；將臨床與非臨床樣本合併後，關係呈現平台化或近似倒 U 型，而不是症狀越高、創造力越高。 然而，2026 年成人 ADHD strengths scoping review 同時指出：creativity 雖是最常被研究與提及的潛在優勢之一，但現有研究高度異質、測量品質不一，clinical ADHD 與 creativity 的關係並不一致，且 direct neuroimaging evidence 仍不足。該 review 亦明確表示其目的在於 mapping field，而非建立因果或驗證構念。2026 年青少年與成人研究持續發現 ADHD 與 mind wandering 的關聯，但 mind wandering 僅表示 task-unrelated 或 internally generated thought 的增加，不能直接推出結構化多路徑推理。 因此本文提出較弱的「Networked Cognitive Topology Hypothesis, NCTH」： $$ \boxed{ \text{Some ADHD-related cognitive profiles may show greater associative breadth or path diversity under specific tasks, without implying universally superior reasoning.} } $$ 本文將當下認知候選空間表示為圖： $$ \mathcal G_t = \left( V_t, E_t, W_t \right), $$ 並將輸入刺激造成的候選激活表示為： $$ \mathbf a_{t+1} = \sigma \left( \eta W_t\mathbf a_t + \mathbf u_t - \mathbf h_t \right). $$ 其中多路徑認知的價值不由「激活越多」決定，而由至少四個變量共同決定： $$ \boxed{ \text{Breadth} + \text{Path Diversity} + \text{Coherence} + \text{Convergence}. } $$ 若廣泛激活缺乏一致性與收斂，則可能增加噪音、干擾與錯誤；只有當多條路徑可被交叉驗證、淘汰、整合並輸出時，才可能形成任務優勢。 本文最後提出十一項可證偽命題，以及 semantic priming、free association graph、sparse causal completion、scaffold interference、divergent–convergent switching 與 longitudinal state tracking 等實驗設計。若這些 graph-derived 指標不能在獨立樣本中提供超越一般 executive-function、working-memory、IQ 與 symptom measures 的增量預測力，則「網狀認知拓撲」應被視為冗餘比喻而放棄。 **關鍵詞：** ADHD、認知拓撲、semantic activation、divergent thinking、associative breadth、multi-path activation、mind wandering、創造力、因果補完、graph model --- # 1. 為什麼需要重寫「網狀思維」？ 本系列早期理論曾使用「網狀思維」描述一種主觀與任務上的現象： - 多個關聯快速出現； - 不一定沿單一路徑逐步展開； - 稀疏提示有時已足以引出完整結構； - 過多連接詞或預先指定路徑可能成為冗餘； - 多個候選解可同時被考慮； - 最後再進行交叉驗證與收斂。 這些現象可以形成研究假說。 但若直接寫成： $$ \text{ADHD} = \text{networked thinking}, $$ 會犯下至少四個錯誤。 第一，ADHD 高度異質。 第二，「網狀思維」缺乏標準操作定義。 第三，brain network 與 cognitive network 容易被混為一談。 第四，較多聯想不等於較好的推理。 因此本文不是保留舊命題，而是將它降階為： $$ \boxed{ \text{conditional multi-path activation hypothesis}. } $$ --- # 2. 第一個邊界：Brain Network 不等於 Cognitive Topology 神經影像研究常把腦區作為 node，把 functional connectivity 作為 edge。 可以表示為： $$ \mathcal G_t^{\text{brain}} = \left( V_t^{B}, E_t^{B}, W_t^{B} \right). $$ 本文提出的認知圖則是： $$ \mathcal G_t^{\text{cog}} = \left( V_t^{C}, E_t^{C}, W_t^{C} \right). $$ 其中 node 可以暫時表示： - concept； - memory trace； - causal proposition； - candidate interpretation； - action hypothesis。 因此： $$ \boxed{ \mathcal G_t^{\text{brain}} \neq \mathcal G_t^{\text{cog}}. } $$ 兩者未來可以研究 mapping： $$ \mathcal M: \mathcal G^{\text{brain}} \rightarrow \mathcal G^{\text{cog}}, $$ 但不能預設： $$ \mathcal M = \text{identity}. $$ --- # 3. 第二個邊界：Semantic Activation 不等於 Reasoning 一個詞語輸入後可以激活多個相關概念。 例如： $$ v_{\text{storm}} $$ 可能激活： $$ \left\{ v_{\text{rain}}, v_{\text{wind}}, v_{\text{flood}}, v_{\text{evacuation}}, v_{\text{power outage}} \right\}. $$ 這只表示： $$ \text{association activation}. $$ 不表示： $$ \text{causal reasoning}. $$ 因果推理至少需要： $$ \text{direction}, $$ $$ \text{compatibility}, $$ $$ \text{constraint}, $$ $$ \text{counterfactual support}, $$ 或其他更強結構。 因此： $$ \boxed{ \text{more activated concepts} \neq \text{more valid reasoning}. } $$ --- # 4. 既有重要證據：Semantic Activation Scope White 與 Shah 於 2016 年研究 college students with ADHD，使用 realistic innovation task 與 word-association measure 探討 innovative thinking 及可能的 cognitive mechanism。 該研究支持： $$ \text{ADHD} \leftrightarrow \text{specific innovative-thinking advantages} $$ 以及： $$ \text{wider semantic activation} $$ 可能參與其中。 這是目前與本文「較廣候選激活」最直接接近的歷史實證之一。 但該研究不能證明： $$ \text{ADHD cognition is graph-parallel}. $$ 它最多支持： $$ \boxed{ \text{broader semantic spread is empirically plausible in at least some ADHD adult samples}. } $$ --- # 5. Conceptual Expansion 與較弱範例約束 White 後續研究比較 ADHD 與 non-ADHD adults 在 creative-generation tasks 中受到既有範例與知識結構的限制程度。 在 alien-fruit invention 與 product-label generation 中，ADHD 組產生的結果較偏離既有 Earth-fruit characteristics，也較少沿用 task examples。 這可被理解為： $$ \text{constraint adherence} \downarrow $$ 或： $$ \text{conceptual expansion} \uparrow. $$ 但兩者仍不等同於： $$ \text{path diversity}. $$ 因為一個人可以只沿單一路徑走得很遠，也可以同時激活多條路徑。 所以本文把： $$ \text{constraint escape} $$ 與： $$ \text{multi-path activation} $$ 分開。 --- # 6. Divergent Thinking 是接近概念，但不是同義詞 Divergent thinking 常被操作化為： - fluency； - flexibility； - originality。 它最接近： $$ \text{candidate generation}. $$ 而本文的 networked cognition 還需要： $$ \text{relation structure} $$ 與： $$ \text{cross-path interaction}. $$ 因此： $$ \boxed{ \text{divergent thinking} \neq \text{networked cognition}. } $$ Divergent thinking 可以作為多路徑假說的部分 observable proxy，但不是充分證據。 --- # 7. 2022 年結果：展開與收斂不能混在一起 Stolte 等人的 2022 研究同時使用： - Alternative Uses Task； - Remote Associates Test； - Creative Achievement Questionnaire； - population-based sample； - adult ADHD case-control sample。 在一般人口中，較多 ADHD symptoms 與： $$ \text{fluency}, $$ $$ \text{flexibility}, $$ $$ \text{originality} $$ 呈小幅正相關。 但沒有對： $$ \text{convergent thinking} $$ 得到相同關係。 更重要的是，將 population 與 clinical case-control data 合併後，quadratic model 對 divergent thinking 的擬合優於單純 linear model，提示： $$ \boxed{ \text{more ADHD symptoms} \not\Rightarrow \text{indefinitely more divergent thinking}. } $$ 關係可能在臨床區域平台化。 因此本文明確分離： $$ \mathcal D = \text{divergent expansion}, $$ 與： $$ \mathcal K = \text{convergent closure}. $$ 真正可用的問題解法需要： $$ \boxed{ \mathcal D + \mathcal K. } $$ --- # 8. 2026 Strengths Review 的重要警告 2026 年 Rafael 等人的成人 ADHD strengths scoping review 納入 125 項研究： - 61 qualitative； - 59 quantitative； - 5 mixed methods。 Creativity 是最常被研究或提及的 strength category。 但該 review 也明確指出： 1. 研究高度異質； 2. creativity measures 差異很大； 3. 既有 reviews 曾指出研究品質問題； 4. 很多 included studies 依賴 self-report 或 screening，而非 verified diagnosis； 5. scoping review 本身不是 causation、correlation 或 construct-validity review； 6. 直接連結 ADHD brain differences 與 creativity 的 neuroimaging evidence 仍不足。 所以本文不能用： $$ \text{many creativity papers} $$ 推出： $$ \text{networked cognition confirmed}. $$ 最合理的結論只是： $$ \boxed{ \text{the hypothesis space is legitimate, but the mechanism remains open}. } $$ --- # 9. Mind Wandering 提供「內部生成」證據，但不提供結構證據 2026 年青少年 ADHD 臨床樣本研究顯示，ADHD 組 self-reported mind wandering 顯著高於 psychiatric non-ADHD comparison group。 同年成人研究亦持續發現 spontaneous mind-wandering measures 可預測 ADHD-related dimensions。 因此： $$ \text{internally generated thought} \uparrow $$ 在 ADHD-related cognition 中具有研究支持。 但是： $$ \boxed{ \text{mind wandering} \neq \text{structured multi-path reasoning}. } $$ Mind wandering 可以是： - 單一內在敘事； - 隨機跳轉； - rumination； - fantasy； - goal-related incubation； - unrelated thought sequence。 只有部分情況可能形成有用的多路徑探索。 --- # 10. Parallel Activation 不等於 Parallel Conscious Reasoning 本文使用： $$ \text{parallel activation} $$ 時只表示： > 多個候選表徵在相近時間窗內具有可測非零激活或可提取性。 它不主張： $$ \boxed{ \text{multiple fully conscious reasoning streams are executed simultaneously}. } $$ 認知系統可以： 1. 快速輪轉； 2. 部分重疊激活； 3. 非意識並行； 4. 工作記憶序列化； 而在主觀上被感受為「同時想到很多」。 所以未來研究需要分辨： $$ \text{true parallelism} $$ 與： $$ \text{rapid multiplexed switching}. $$ --- # 11. 認知圖的最小定義 本文定義時間 $t$ 的候選認知圖： $$ \mathcal G_t = \left( V_t, E_t, W_t \right). $$ 其中： $$ V_t = \left\{ v_1,\ldots,v_n \right\} $$ 為當下可激活概念／命題節點。 $$ E_t \subseteq V_t\times V_t $$ 為候選關係。 $$ W_t = \left[ w_{ij}(t) \right] $$ 為關係強度矩陣。 edge 可以依任務標記不同類型： $$ E_t = E_t^{\text{semantic}} \cup E_t^{\text{causal}} \cup E_t^{\text{temporal}} \cup E_t^{\text{analogical}} \cup E_t^{\text{goal}}. $$ 不同 edge type 不應被混為同一關係。 --- # 12. 激活向量 令： $$ \mathbf a_t = \left( a_1(t), a_2(t), \ldots, a_n(t) \right)^{\top}. $$ 候選擴散模型： $$ \mathbf a_{t+1} = \sigma \left( \eta W_t\mathbf a_t + \mathbf u_t - \mathbf h_t \right). $$ 其中： - $\eta$：擴散 gain； - $\mathbf u_t$：外部／內部輸入； - $\mathbf h_t$：抑制與競爭； - $\sigma$：飽和非線性。 此式不是神經生理定律。 它只用來定義： $$ \text{association spread}. $$ --- # 13. Activation Breadth 設定激活閾值： $$ \theta_a. $$ 定義有效激活集合： $$ V_t^{+} = \left\{ v_i \mid a_i(t)\geq\theta_a \right\}. $$ 激活廣度： $$ B_t = \left| V_t^{+} \right|. $$ 亦可正規化： $$ \widehat B_t = \frac{ |V_t^{+}| }{ |V_t| }. $$ NCTH 不預測所有 ADHD individuals： $$ B_t > B_t^{\text{control}}. $$ 它只提出： $$ \boxed{ B_t \text{ may differ by profile and task}. } $$ --- # 14. Activation Radius 若輸入節點集合為： $$ V_t^{\text{seed}}, $$ 定義 graph distance： $$ d_{\mathcal G}(u,v). $$ 則平均激活半徑： $$ R_{\text{act}} = \frac{ 1 }{ |V_t^{+}| } \sum_{v\in V_t^{+}} \min_{s\in V_t^{\text{seed}}} d_{\mathcal G}(s,v). $$ 較大的： $$ R_{\text{act}} $$ 表示激活延伸至較遠概念區域。 2016 semantic-activation 結果最接近這類候選變量。 --- # 15. Branching Factor 對當下 activation frontier： $$ F_t, $$ 定義平均候選分支： $$ b_t = \frac{ 1 }{ |F_t| } \sum_{v\in F_t} \deg^{+}(v). $$ 高： $$ b_t $$ 可以增加候選數。 但也增加： $$ \text{search cost}. $$ 因此： $$ \boxed{ b_t\uparrow \not\Rightarrow P_t\uparrow. } $$ --- # 16. 多路徑集合 對問題起點： $$ s $$ 與目標： $$ g, $$ 定義候選路徑集合： $$ \mathcal P_t(s,g) = \left\{ p_1,p_2,\ldots,p_m \right\}. $$ 每條路徑： $$ p_k = \left( v_{k,1}, v_{k,2}, \ldots, v_{k,\ell_k} \right). $$ 單一路徑處理： $$ |\mathcal P_t| \approx1. $$ 多路徑候選： $$ |\mathcal P_t| >1. $$ 但路徑數本身沒有品質含義。 --- # 17. Path Diversity 若兩條路徑的 edge sets 為： $$ E(p_i), E(p_j), $$ 定義 Jaccard distance： $$ d_J(p_i,p_j) = 1- \frac{ |E(p_i)\cap E(p_j)| }{ |E(p_i)\cup E(p_j)| }. $$ 平均路徑多樣性： $$ D_P = \frac{ 2 }{ m(m-1) } \sum_{i 對某些網狀處理者，稀疏但高信息量節點可能比大量顯式連接詞更容易觸發整體結構。 本文將其改寫成可證偽命題。 設兩種輸入： $$ I_{\text{sparse}} $$ 與： $$ I_{\text{scaffolded}}. $$ 前者保留主要 content nodes，後者加入更多關係提示與連接詞。 定義： $$ P_{\text{completion}} \left( I \right) $$ 為正確補完表現。 NCTH 不預測 ADHD 一定： $$ P_{\text{sparse}} > P_{\text{scaffolded}}. $$ 只預測某一 latent profile： $$ \mathcal L_{\text{networked}} $$ 可能出現： $$ \boxed{ \Delta P = P_{\text{sparse}} - P_{\text{scaffolded}} > 0. } $$ 此 latent profile 是否與 ADHD 富集，是實驗問題。 --- # 25. Scaffold Interference 顯式 scaffold 可以降低搜索空間。 但如果主體已經快速形成多條候選路徑，額外 scaffold 可能： - 強迫單一路徑； - 增加語言解析負荷； - 抑制 alternative routes； - 造成 redundant processing。 定義 scaffold cost： $$ C_{\text{scaf}} = P_{\text{free}} - P_{\text{forced-route}}. $$ 如果： $$ C_{\text{scaf}}>0, $$ 表示該 scaffold 對特定任務與個體造成干擾。 這是可測個體差異，不是 ADHD 的預設特徵。 --- # 26. 因果補完比創造力更接近本理論 Creativity 太寬。 本文真正要檢驗的是： $$ \text{structured completion under sparse constraints}. $$ 例如輸入： $$ \left\{ \text{prey decrease}, \text{predator hunger}, \text{migration}, \text{balance recovery} \right\}. $$ 受試者需要重建： $$ \text{causal paths}. $$ 而不是只產生最多想法。 所以核心 outcome 應包含： - causal accuracy； - number of valid paths； - path diversity； - convergence time； - confidence calibration； - false-path rate。 --- # 27. 多路徑並不必然並行 若候選路徑： $$ p_1,p_2,p_3 $$ 都在短時間內被產生，可能有兩種實作： ## 27.1 True parallel candidate activation $$ p_1\parallel p_2\parallel p_3. $$ ## 27.2 Rapid serial multiplexing $$ p_1 \rightarrow p_2 \rightarrow p_3 \rightarrow p_1 \rightarrow\cdots $$ 行為上兩者可能很像。 因此 NCTH 不把： $$ \text{subjective simultaneity} $$ 當成 parallelism 的證據。 需要： - millisecond-level neural measurements； - interference paradigms； - dual-route priming； - computational model comparison； 才能區分。 --- # 28. Creativity 的倒 U 提供一個重要一般原理 2022 結果提示： $$ \text{ADHD symptoms} \rightarrow \text{divergent thinking} $$ 可能不是線性無界增加。 本文將此抽象成： $$ P_{\text{div}} = f \left( B, D_P, C_P, E_{\text{conv}} \right). $$ 若 breadth 與 path diversity 太低，探索不足。 若太高而 coherence 與 convergence 不足，performance 也可能下降。 因此候選函數可能具有： $$ \boxed{ \text{intermediate optimum}. } $$ 這比： $$ \text{more chaos} = \text{more creativity} $$ 嚴格得多。 --- # 29. Network Topology 與 Creativity 必須再分離一次 一個人可以具有： $$ D_P\uparrow $$ 但創造性輸出仍低。 原因可能是： - domain knowledge 不足； - convergence 差； - output skill 不足； - motivation 低； - external opportunity 缺乏。 反過來，高度創造者也可能透過： - 深厚專業知識； - deliberate search； - analogical expertise； 產生高創造力，而不具有 ADHD-related traits。 所以： $$ \boxed{ \text{networked cognition} \neq \text{creativity}. } $$ --- # 30. ADHD Strengths 不能被本體化 2026 scoping review 中，creativity 是最常見 category，interest-based attention、flexibility、uniqueness 等也被大量提及。 但 review 同時強調： $$ \boxed{ \text{reported strength} \neq \text{ADHD-caused strength}. } $$ 這些 strength 可能來自： - neurodevelopmental trait； - learned compensation； - environmental selection； - identity； - occupational niche； - survivorship bias。 因此 NCTH 不把任何「優勢」寫成 ADHD 本體。 --- # 31. 任務依賴性 定義任務： $$ T. $$ 其理想拓撲需求： $$ \Theta_T^{*} = \left( B_T^{*}, D_{P,T}^{*}, C_{P,T}^{*}, E_{\text{conv},T}^{*} \right). $$ 個體實際狀態： $$ \Theta_i. $$ Mismatch： $$ M_T = d \left( \Theta_i, \Theta_T^{*} \right). $$ performance： $$ P_i(T) = P_{\max}(T) - \lambda M_T. $$ 因此： - ideation task 可能偏好高 $B$ 、高 $D_P$ ； - proofreading 可能偏好低噪音； - emergency diagnosis 可能需要 breadth 加快速 convergence； - repetitive procedure 可能偏好穩定單一路徑。 所以： $$ \boxed{ \text{topological advantage} = \text{task-relative advantage}. } $$ --- # 32. 從「線性 vs 網狀」改成連續配置空間 本文放棄硬二分： $$ \text{linear thinker} \lor \text{network thinker}. $$ 改成： $$ \Theta_i = \left( B_i, R_{\text{act},i}, D_{P,i}, C_{P,i}, X_{P,i}, E_{\text{conv},i} \right). $$ 因此： $$ \boxed{ \text{networkedness} = \text{multidimensional profile}. } $$ 一個人可以： - breadth 高； - path diversity 高； - convergence 也高； 另一個人可以： - breadth 高； - coherence 低； - convergence 低。 兩者不能都只叫「網狀」。 --- # 33. Latent Networked Profile 本文定義潛在 profile： $$ \mathcal L_N $$ 而不直接定義 ADHD profile。 例如： $$ P \left( \mathcal L_N \mid ADHD \right) > P \left( \mathcal L_N \mid control \right) $$ 才是需要未來資料檢驗的命題。 這比： $$ ADHD = \mathcal L_N $$ 弱很多，也合理很多。 --- # 34. NCTH 十一項可證偽命題 ## NC-H1：Semantic Breadth 命題 部分 ADHD-related profiles 在 semantic activation tasks 中可能呈現： $$ B\uparrow $$ 或： $$ R_{\text{act}}\uparrow. $$ 若大型 clinical replications 不支持，則此命題削弱。 --- ## NC-H2：Path Diversity 命題 某些 profiles 的差異不只在想法數量，而在： $$ D_P\uparrow. $$ 若 path diversity 不提供增量信息，則刪除。 --- ## NC-H3：非全域優勢命題 $$ B\uparrow $$ 不保證： $$ P\uparrow. $$ 優勢需要 coherence 與 convergence。 --- ## NC-H4：Sparse-Cue Interaction 命題 部分 profiles 在 sparse but informative inputs 下可能相對表現更佳。 這是 interaction： $$ \text{Profile} \times \text{Input Structure}. $$ 不是主效應。 --- ## NC-H5：Scaffold Interference 命題 過度指定 relation path 可能對部分 high-diversity profiles 產生： $$ C_{\text{scaf}}>0. $$ --- ## NC-H6：Expansion–Closure 分離命題 Divergent expansion 與 convergent closure 是不同能力。 $$ \mathcal D \neq \mathcal K. $$ --- ## NC-H7：Mind-Wandering 非等同性命題 Mind wandering 可以增加 internal candidate generation，但： $$ MW \neq NCTH. $$ --- ## NC-H8：Brain–Cognition 非等同性命題 functional-connectivity topology 不能單獨驗證 cognitive graph topology。 --- ## NC-H9：倒 U 命題 部分任務可能存在： $$ B^{*} $$ 或： $$ D_P^{*} $$ 最佳區，而非單調越高越好。 --- ## NC-H10：Profile 富集命題 若 NCTH 與 ADHD 有關，則 latent networked profile 在 ADHD population 中應有統計富集，但不要求人人存在。 --- ## NC-H11：增量價值命題 若 graph-derived variables 在控制： - IQ； - working memory； - executive function； - language ability； - symptom severity； 後不能提高 out-of-sample prediction，則 NCTH 應被視為冗餘。 --- # 35. 實驗一：Semantic Spreading Activation 使用： - cue word； - near associate； - remote associate； - unrelated distractor。 測量： $$ RT(d), $$ 其中： $$ d $$ 為 semantic distance。 若 activation spread 較廣，可能出現較遠距離的 priming effect。 核心比較： $$ RT_{\text{remote}} - RT_{\text{near}}. $$ 需要控制： - vocabulary； - IQ； - language proficiency； - medication； - sleep； - age。 --- # 36. 實驗二：Free Association Graph 對同一 cue 連續產生 associations。 建立個體 semantic graph： $$ \mathcal G_i^{\text{assoc}}. $$ 測量： - node count； - degree distribution； - average semantic distance； - clustering coefficient； - path diversity； - repetition； - off-domain drift。 但： $$ \mathcal G_i^{\text{assoc}} $$ 仍然只是 behavioral graph，不是 brain graph。 --- # 37. 實驗三：Sparse Causal Completion 建立三種 stimulus： ## Condition A：Full Scaffold 因果連接詞完整。 ## Condition B：Partial Scaffold 保留部分關係標記。 ## Condition C：Sparse Nodes 只提供核心內容節點。 測量： $$ T_{\text{completion}}, $$ $$ A_{\text{causal}}, $$ $$ N_{\text{valid paths}}, $$ $$ D_P, $$ $$ N_{\text{false paths}}. $$ 核心不是問： > 哪組最快？ 而是檢驗： $$ \text{Profile} \times \text{Scaffold Level}. $$ --- # 38. 實驗四：Constraint Injection 先讓受試者自由形成解。 之後逐步加入： $$ c_1,c_2,\ldots,c_k $$ 約束。 觀察： $$ \frac{ \partial D_P }{ \partial k } $$ 與： $$ \frac{ \partial P }{ \partial k }. $$ 若某些 profiles 對過早 scaffold 較敏感，可能出現： $$ D_P\downarrow $$ 並伴隨 performance 下降。 --- # 39. 實驗五：Divergent–Convergent Switch 第一階段： $$ \mathcal D $$ 要求產生盡可能多的候選。 第二階段： $$ \mathcal K $$ 要求快速選出最可行解。 測量： $$ N_{\text{ideas}}, $$ $$ D_P, $$ $$ T_{\text{closure}}, $$ $$ A_{\text{final}}. $$ NCTH 真正預測的不是 ADHD 只在第一階段更好，而是： > 不同 profile 在 expansion 與 closure 的 trade-off 形狀不同。 --- # 40. 實驗六：Cross-Path Validation 設計具有： $$ m $$ 條獨立線索路徑的問題。 其中部分路徑支持： $$ H_1, $$ 部分支持： $$ H_2. $$ 測量受試者是否能： 1. 同時保持多個 hypothesis； 2. 找出衝突； 3. 淘汰不一致路徑； 4. 最後收斂。 定義： $$ X_P $$ 與： $$ E_{\text{conv}}. $$ 這比單純 divergent-thinking task 更直接測試「網狀推理」。 --- # 41. 實驗七：Parallelism vs Rapid Switching 使用時間解析方法： - EEG； - MEG； - eye tracking； - response probes； - hidden-state computational modeling。 比較兩個模型： $$ M_{\parallel} $$ 與： $$ M_{\text{switch}}. $$ 若： $$ P \left( D \mid M_{\parallel} \right) \leq P \left( D \mid M_{\text{switch}} \right), $$ 則不能宣稱真正 parallel processing。 --- # 42. 失敗條件 NCTH 應被削弱或淘汰，如果： 1. semantic breadth 無法在 clinical ADHD replication； 2. path diversity 不可可靠測量； 3. sparse-cue interaction 不存在； 4. scaffold effect 只由語言能力解釋； 5. multi-path metrics 不優於普通 divergent-thinking scores； 6. cross-path coherence 無群體或 profile 差異； 7. latent profile 不在 ADHD population 富集； 8. 所有差異可由 IQ、working memory 或 executive function 完整解釋； 9. out-of-sample performance 不優於簡單模型。 形式上： $$ P_{\text{NCTH,out}} \leq P_{\text{baseline,out}} $$ 時，應優先保留 baseline model。 --- # 43. 最重要的反例：Clinical ADHD 與 Creativity 的關係並不穩定 2026 scoping review 明確指出，較早 reviews 對 clinical ADHD 與 creativity 的結果並不一致。 因此： $$ \boxed{ \text{clinical ADHD} \not\Rightarrow \text{higher creativity}. } $$ 這對 NCTH 不是問題，反而是必要限制。 因為 NCTH 本來就只允許： $$ \boxed{ \text{specific profile} \times \text{specific task} \rightarrow \text{specific topology effect}. } $$ --- # 44. NCTH 不是優勢理論，而是結構理論 本文不先問： > 網狀思維好不好？ 而問： > 候選激活、路徑形成、路徑比較與收斂的結構是否不同？ 所以： $$ N_{\text{eff}}>0 $$ 或： $$ N_{\text{eff}}<0 $$ 都可能。 這使理論可以同時描述： - creative expansion； - distractibility； - cross-domain analogy； - irrelevant association； - fast pattern completion； - unresolved branching。 --- # 45. 與第 4 篇 Attention Entropy 的分離 第 4 篇定義： $$ \widehat{\mathcal H}_{\Pi} $$ 描述資源配置的分散程度。 本篇定義： $$ \mathcal G_t $$ 描述候選內容之間的關係拓撲。 所以： $$ \boxed{ \text{allocation entropy} \neq \text{cognitive graph topology}. } $$ 可能： $$ \widehat{\mathcal H}_{\Pi}\uparrow $$ 但圖結構很亂。 也可能： $$ \widehat{\mathcal H}_{\Pi}\uparrow $$ 同時多條高 coherence 路徑被有效維持。 這是完全不同的情況。 --- # 46. 系列整合 第 1 篇： $$ \text{dynamic configuration}. $$ 第 2 篇： $$ \mathbf N_t \rightarrow \text{neuromodulatory reparameterization}. $$ 第 3 篇： $$ S_t \neq A_t \neq \Pi_t \neq O_t \neq U_t \neq G_t. $$ 第 4 篇： $$ \mathbf X_t = \left( R^{\max}, \widehat{\mathcal H}_{\Pi}, L, T_{\text{dwell}}, \nu_{\text{switch}}, B_{\text{exit}}, R_G \right). $$ 第 5 篇現在加入： $$ \boxed{ \mathcal G_t = \left( V_t, E_t, W_t \right) } $$ 以及： $$ \boxed{ \Theta_t^{\text{topo}} = \left( B, R_{\text{act}}, D_P, \overline C_P, X_P, E_{\text{conv}} \right). } $$ 系列主幹因此更新為： $$ \boxed{ \mathbf N_t \rightarrow \mathbf Z_t \rightarrow \Pi_t \rightarrow \mathbf X_t \rightarrow \mathcal G_t \rightarrow O_t \rightarrow U_t \rightarrow G_t \rightarrow P_t \rightarrow Y_t. } $$ --- # 47. 本文不主張的內容 本文不主張： 1. ADHD 等於網狀思維； 2. 所有 ADHD individuals 都有較廣 semantic activation； 3. semantic activation 等於推理； 4. divergent thinking 等於 networked cognition； 5. creativity 是 ADHD 固有優勢； 6. mind wandering 等於多路徑推理； 7. functional-connectivity graph 等於 cognitive graph； 8. 主觀「同時想到很多」證明真正 parallel processing； 9. 更多 association 一定更好； 10. path diversity 越高越好； 11. sparse input 對 ADHD 一定比較好； 12. scaffold 對 ADHD 一定有害； 13. clinical ADHD 一定具有較高 creativity； 14. creativity research 已驗證 NCTH； 15. graph metrics 可以直接用於 ADHD diagnosis； 16. 本文模型是神經生理模型。 --- # 48. 結論 「網狀思維」若只是： > 想很多、跳很快、聯想很多， 那它缺乏科學價值。 本文把它拆解成： $$ \boxed{ \text{activation breadth} } $$ $$ \boxed{ \text{activation radius} } $$ $$ \boxed{ \text{path diversity} } $$ $$ \boxed{ \text{path coherence} } $$ $$ \boxed{ \text{cross-path consistency} } $$ $$ \boxed{ \text{convergence efficiency}. } $$ 因此真正有用的 networked cognition 不是： $$ \text{more associations}. $$ 而是： $$ \boxed{ \text{generate multiple candidate routes, preserve useful diversity, reject incoherent routes, and converge when the task requires closure}. } $$ 已有 ADHD 文獻使「較廣 semantic activation」「較少受既有範例約束」「divergent-thinking differences」成為合理研究背景，但 2026 的 evidence synthesis 仍明確顯示 creativity literature 高度異質，clinical evidence 不一致，而且現有 neuroimaging 不能直接證明 cognitive-network mechanism。 因此 NCTH 的最終命題必須保持為： $$ \boxed{ \text{Some ADHD-related cognitive profiles may occupy a different region of associative-path topology space, but the existence, prevalence, and functional value of that region remain empirical questions}. } $$ 真正需要回答的是： $$ \boxed{ \text{Do graph-derived measures of associative breadth, path diversity, coherence, and convergence predict ADHD-related task differences better than simpler cognitive models?} } $$ 若答案是否定，「網狀認知拓撲」就應被放棄。 若答案肯定，則它可以成為連接 semantic activation、divergent thinking、mind wandering、因果補完與情境性 performance 的一個中層計算語言，而不是 ADHD 的新標籤。 --- # 參考文獻 1. White, H. A., & Shah, P. Scope of Semantic Activation and Innovative Thinking in College Students with ADHD. *Creativity Research Journal*. 2016;28(3):275–282. DOI: 10.1080/10400419.2016.1195655. 2. White, H. A. Thinking “Outside the Box”: Unconstrained Creative Generation in Adults with Attention Deficit Hyperactivity Disorder. *The Journal of Creative Behavior*. 2020;54(2):472–483. DOI: 10.1002/jocb.382. 3. Hoogman, M., Stolte, M., Baas, M., & Kroesbergen, E. Creativity and ADHD: A review of behavioral studies, the effect of psychostimulants and neural underpinnings. *Neuroscience & Biobehavioral Reviews*. 2020;119:66–85. 4. Stolte, M., Trindade-Pons, V., Vlaming, P., Jakobi, B., Franke, B., Kroesbergen, E. H., Baas, M., & Hoogman, M. Characterizing Creative Thinking and Creative Achievements in Relation to Symptoms of Attention-Deficit/Hyperactivity Disorder and Autism Spectrum Disorder. *Frontiers in Psychiatry*. 2022;13:909202. DOI: 10.3389/fpsyt.2022.909202. 5. Hupfeld, K. E., Osborne, J. B., Tran, Q. T., Hyatt, H. W., Abagis, T. R., et al. Validation of the dispositional adult hyperfocus questionnaire (AHQ-D). *Scientific Reports*. 2024;14:19460. DOI: 10.1038/s41598-024-70028-y. 6. Gao, Z., et al. Reduced temporal and spatial stability of neural activity patterns predict cognitive control deficits in children with ADHD. *Nature Communications*. 2025. DOI: 10.1038/s41467-025-57685-x. 7. Arabacı, G., & Parris, B. A. Daily life mind wandering and its relation to symptoms of ADHD in a community sample of emerging adults. *Current Psychology*. 2026;45:442. DOI: 10.1007/s12144-025-08962-x. 8. Ogata, H., Nakane, E., Kondo, C., Saima, S., Ihara, H., et al. Mind-Wandering in Adolescents With ADHD: A Comparative Study. *Journal of Attention Disorders*. 2026;30(4). DOI: 10.1177/10870547251385660. 9. Minamoto, T., Hayashi, T., & Al-Mamun, M. A. Behavioral and Self-Report Measures of Spontaneous Mind Wandering Predict Different Aspects of ADHD in Adults. *Journal of Attention Disorders*. 2026. DOI: 10.1177/10870547261448262. 10. Rafael, R. B., Jia, H., Rouel, M., Wootton, B. M., & Mitchison, D. Attention Deficit/Hyperactivity Disorder (ADHD)-Related Strengths in Adults: A Scoping Review. *Journal of Attention Disorders*. 2026. DOI: 10.1177/10870547261425737. --- # 文獻使用聲明 本文僅使用上述研究建立截至 2026-08-16 的外部實證邊界。 本文提出的 NCTH、認知圖 $\mathcal G_t$ 、activation breadth $B_t$ 、activation radius $R_{\text{act}}$ 、path diversity $D_P$ 、path coherence $\overline C_P$ 、cross-path consistency $X_P$ 、convergence efficiency $E_{\text{conv}}$ 、networked cognition effective score $N_{\text{eff}}$ 與 sparse-cue／scaffold-interference hypotheses，均為本文理論構件，不應被誤認為上述研究作者的原始結論。 不同文獻包含臨床 ADHD、subclinical traits、community samples、college samples、adolescents、adults、self-report、behavioral tasks、creativity measures、mind-wandering measures 與 neuroimaging。它們不能被視為單一大型實驗直接累加。 --- **狀態：** v0.1，理論稿 **新增原始臨床／人體數據：** 無 **醫學用途：** 無 **下一篇：** 《感覺變強不等於真的變強：主觀清晰度、元認知信心與客觀表現》