# 選擇配置動力學：顯著性、激活、注意與更新的分離 **英文題名：** Selection Allocation Dynamics: Separating Salience, Activation, Attention, Observation, and Update **系列：** ADHD 動態配置與認知拓撲系列，第 3 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. 醫學與證據邊界聲明 本文不是臨床研究、診斷工具、治療指南、藥理研究或醫療建議。 本文提出的「選擇配置動力學」「配置算子」「注意債務」「配置競爭」「更新門控」「配置穩定性」等概念均屬待驗證理論命題，不代表已被醫學界確認的 ADHD 病理機制。 原作者並非醫學、精神醫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；本文新增內容只屬理論整合、形式化與可證偽研究綱領。 本文不以原作者個人經驗作為一般化證據，不應被用於自行診斷、治療、停藥、調藥或其他醫療決策。 本文延續本系列前兩篇，但仍保持一項基本限制： $$ \boxed{ \text{formal model} \neq \text{established medical mechanism}. } $$ --- # 摘要 「注意力」在日常語言中經常同時指涉至少數個不同過程：刺激是否顯著、神經或表徵是否被激活、有限處理資源是否被分配、內容是否進入可報告觀察、資訊是否被更新至工作記憶或長期記憶，以及是否進一步產生行動。若將這些過程壓縮為單一 attention variable，ADHD 中的分心、持續注意困難、工作記憶失誤、反應時間變異、超聚焦與情境依賴性便容易被誤寫成「注意力多或少」的單一問題。 本文提出「Selection Allocation Dynamics, SAD」的 ADHD-specific 中層版本。核心區分為： $$ \boxed{ \text{Salience} \neq \text{Activation} \neq \text{Allocation} \neq \text{Observation} \neq \text{Update} \neq \text{Action}. } $$ 其中配置算子 $\Pi_t(e)$ 不表示事件是否存在、是否被喜歡、是否被理解，也不保證最後行動成功；它只表示事件 $e$ 在時間 $t$ 獲得相對處理資源、優先權或准入機會的程度。 本文將有限認知資源表示為： $$ \int_{\mathcal E_t} c(e,t)\Pi_t(e)\,d\mu(e) \leq R_t^{\max}, $$ 並提出候選配置分數： $$ s_t(e) = \alpha_t S_t(e) + \beta_t G_t(e) + \gamma_t N_t(e) + \delta_t H_t(e) + \zeta_t Q_t(e) - \lambda_t C_t(e) - \kappa_t K_t(e). $$ 其中顯著性、目標相關性、新穎性、歷史、預期資訊價值、處理成本與切換成本共同影響配置，但不直接等同於配置。 2025 年成人 ADHD symptoms 的工作記憶研究發現，當特定資訊被明確賦予更高價值時，受試者仍能有效優先化該資訊，且優先化效果未隨 ADHD symptoms 顯著改變。這反對「ADHD 等於普遍失去注意分配能力」的過強版本。另一方面，2025 年兒童 ADHD 的單試次 fMRI 研究發現 salience 與 frontoparietal networks 的 neural representations 呈現較高 trial-to-trial variability 與較低 spatial stability；另一項 rest-to-task network 研究亦顯示 ADHD 兒童的 network reconfiguration 與 dynamic connectivity 隨 cognitive demand 改變。2026 年一般人口研究又顯示 working memory、sustained attention、response inhibition 與 delay discounting 可形成多路徑關係，而非單一認知缺陷。 因此本文提出：ADHD-related difficulties 可能不是「沒有配置能力」，而是在部分個體、部分任務與部分時間尺度上出現配置競爭、維持失穩、切換成本異常、更新門控失配或狀態—任務不匹配。 本文最後提出十項可證偽命題，要求未來研究分別測量 salience、allocation、activation、working-memory update、action gating 與 objective performance，而不是繼續以單一「注意力」分數替代整條認知因果鏈。 **關鍵詞：** ADHD、選擇配置、注意力、顯著性、激活、工作記憶、認知控制、狀態穩定性、反應時間變異、salience network、frontoparietal network --- # 1. 「注意力」是一個過度壓縮的詞 在日常與部分理論敘述中，一個人若： - 沒看見某刺激； - 看見但沒記住； - 記住但沒有執行； - 被無關刺激吸引； - 反覆切換； - 長時間鎖在單一活動； - 知道任務重要卻無法開始； 這些情況都可能被描述為： > 注意力問題。 然而，它們並不必然屬於同一計算失效。 因此本文拒絕： $$ \text{Attention} = \text{single latent scalar}. $$ 至少在中層理論上，更合理的是建立分解： $$ \boxed{ S \rightarrow A \rightarrow \Pi \rightarrow O \rightarrow U \rightarrow M \rightarrow G } $$ 其中各符號暫定為： - $S$：salience； - $A$：activation； - $\Pi$：allocation； - $O$：observation／effective processing； - $U$：update； - $M$：memory state； - $G$：action gating。 這不是唯一可能的認知架構，只是本文要檢驗的候選分層。 --- # 2. 第一個核心分離：Salience 不等於 Allocation 事件可以非常顯著，卻未必獲得深度處理。 令： $$ S_t(e) $$ 表示事件 $e$ 在時間 $t$ 的顯著性。 令： $$ \Pi_t(e) $$ 表示對該事件的配置強度。 則： $$ S_t(e) \uparrow $$ 可能提高： $$ P \left( \Pi_t(e)\uparrow \right), $$ 但不推出： $$ S_t(e) = \Pi_t(e). $$ 例如高聲音、閃動、意外通知、內部突發念頭都可能提升顯著性。 但主體仍可能： - 抑制； - 延後處理； - 重新導向； - 忽略； - 只作快速分類。 所以： $$ \boxed{ \text{salient} \neq \text{deeply processed}. } $$ --- # 3. 第二個核心分離：Activation 不等於 Allocation 一個概念可以被激活，卻未必獲得足夠處理資源。 令： $$ A_t(e) $$ 表示事件／表徵的激活強度。 則可能有： $$ A_t(e)>0 $$ 但： $$ \Pi_t(e)\approx0. $$ 反過來也可能由目標控制主動提高配置，使原本低顯著、低激活的任務持續被處理： $$ S_t(e)\approx0, \qquad \Pi_t(e)>0. $$ 因此： $$ \boxed{ \text{activated} \neq \text{selected}. } $$ 這個分離對 ADHD 尤其重要，因為若大量外部與內部事件同時產生激活，外部觀察可能看見「分心」，但其底層可能是： $$ \text{activation competition} $$ 而不是： $$ \text{absence of activation}. $$ 此為待驗證命題。 --- # 4. 第三個核心分離：Allocation 不等於 Observation 本文把： $$ O_t(e) $$ 定義為事件 $e$ 是否被充分處理到可形成有效表徵、可報告內容或可供後續操作的程度。 即使： $$ \Pi_t(e) $$ 很高，也可能因： - 表徵噪音； - 感知品質差； - 處理時間不足； - 競爭事件； - 工作記憶負荷； - 疲勞； 而出現： $$ O_t(e) \downarrow. $$ 因此： $$ \boxed{ \Pi \text{ 改變的是處理機會結構，而不是結果保證。} } $$ 形式上： $$ P \left( O_t(e)=1 \mid \Pi_t(e) \right) $$ 可以隨 $\Pi_t(e)$ 上升，但不必等於 $1$。 --- # 5. 第四個核心分離：Observation 不等於 Update 一個內容已被看見與理解，不表示它一定更新進工作記憶或長期狀態。 令： $$ U_t(e) $$ 表示事件對內部狀態的更新強度。 可以出現： $$ O_t(e)=1, \qquad U_t(e)\approx0. $$ 例如： - 聽懂一句話後立刻忘記； - 看見待辦但沒有形成未來提醒； - 理解規則卻沒有寫入可執行程序； - 意識到錯誤卻未更新原先策略。 因此： $$ \boxed{ \text{noticed} \neq \text{updated}. } $$ 這使「我明明知道」與「我之後仍沒有做」可以在理論上分離，而不必直接歸因於缺乏意願。 --- # 6. 第五個核心分離：Update 不等於 Action 即使內部狀態已更新，也不保證行動。 令： $$ G_t(a) $$ 表示行動 $a$ 的門控狀態。 則： $$ U_t(e)>0 $$ 仍可能搭配： $$ G_t(a)=0. $$ 原因可能包括： - 即時成本； - 延遲獎勵； - 任務厭惡； - 衝突目標； - 不確定性； - 缺乏程序； - 外部限制； - 行動啟動門檻。 因此： $$ \boxed{ \text{knowledge} \neq \text{action}. } $$ 這項分離讓 ADHD-related executive difficulties 可以被研究為「多段門控鏈條」問題，而不是把所有行動失敗都叫 attention deficit。 --- # 7. 有限資源公理 設某時刻的候選事件集合： $$ \mathcal E_t = \left\{ e_1,e_2,\ldots,e_n \right\}. $$ 可用處理資源上界為： $$ R_t^{\max}. $$ 若有效候選量： $$ \mu(\mathcal E_t) > R_t^{\max}, $$ 則主體無法對所有候選事件進行等深度處理。 因此： $$ \boxed{ \text{finite resources} \Rightarrow \text{allocation problem}. } $$ 但不推出： $$ \boxed{ \text{all individuals solve allocation in the same way}. } $$ 這個限制非常重要。 本文不是把 ADHD 描述為「有配置、一般人沒有配置」。 所有有限認知主體都需要配置。 研究問題是： > 配置函數、穩定性、競爭、切換與更新機制是否存在可重現的群體與個體差異？ --- # 8. 成本加權配置 不同事件的處理成本不同。 令： $$ c(e,t)>0. $$ 則： $$ \int_{\mathcal E_t} c(e,t)\Pi_t(e)\,d\mu(e) \leq R_t^{\max}. $$ 離散形式： $$ \sum_{i=1}^{n} c_i(t)\Pi_i(t) \leq R_t^{\max}. $$ 所以即使： $$ \Pi_i=\Pi_j, $$ 只要： $$ c_i\neq c_j, $$ 兩者對總資源的消耗就不同。 這意味著「維持同樣程度的注意」對不同任務並不一定具有相同成本。 --- # 9. 可用資源本身也是狀態變量 本文不把： $$ R_t^{\max} $$ 當成固定人格常數。 候選模型為： $$ R_t^{\max} = f \left( F_t, A_t^{\text{arousal}}, S_t^{\text{sleep}}, L_t^{\text{load}}, P_t^{\text{phys}}, E_t \right). $$ 其中： - $F_t$：疲勞； - $A_t^{\text{arousal}}$：喚醒； - $S_t^{\text{sleep}}$：睡眠狀態； - $L_t^{\text{load}}$：同時負荷； - $P_t^{\text{phys}}$：生理狀態； - $E_t$：環境擾動。 因此： $$ R_{t_1}^{\max} \neq R_{t_2}^{\max} $$ 並不表示個體的長期能力發生根本改變。 --- # 10. 配置分數模型 本文沿用候選配置分數： $$ s_t(e) = \alpha_t S_t(e) + \beta_t G_t(e) + \gamma_t N_t(e) + \delta_t H_t(e) + \zeta_t Q_t(e) - \lambda_t C_t(e) - \kappa_t K_t(e). $$ 其中： - $S_t(e)$：顯著性； - $G_t(e)$：目標相關性； - $N_t(e)$：新穎性／驚奇； - $H_t(e)$：歷史、習慣與重複暴露； - $Q_t(e)$：預期資訊價值； - $C_t(e)$：處理成本； - $K_t(e)$：切換成本。 再令： $$ \Pi_t(e_i) = R_t^{\max} \frac{ \exp \left( s_t(e_i)/\tau_t \right) }{ \sum_j \exp \left( s_t(e_j)/\tau_t \right) }. $$ 此 softmax 只是候選形式。 本文不主張人腦實際使用 softmax。 --- # 11. 重要修正：ADHD 不應被寫成「無法配置」 2025 年 Atkinson 等人的兩項線上實驗研究具有 ADHD symptoms 的成人是否能依據 working-memory item value 進行優先化。 當其中一個項目被明確賦予更高價值時，參與者會提高對高價值項目的記憶準確率，並犧牲較低價值項目；這種 prioritization effect 並未隨 ADHD symptom scores 顯著改變。 因此以下強命題受到挑戰： $$ \boxed{ \text{ADHD} \Rightarrow \text{general inability to allocate attention by value}. } $$ 本文改採較弱命題： $$ \boxed{ \text{allocation capacity may remain intact while allocation stability, maintenance, competition, or context coupling differs}. } $$ 同時必須注意： - 該研究主要涉及 ADHD symptoms，而非全體正式臨床 ADHD 成人； - 任務是特定的 working-memory prioritization paradigm； - 結果不能外推至所有 attention allocation processes。 --- # 12. 「能配置」不等於「能長期維持配置」 假設目標事件為： $$ e^{*}. $$ 個體在時間 $t_0$ 能正確提高： $$ \Pi_{t_0}(e^{*}). $$ 這只能證明： $$ \text{initial allocation succeeds}. $$ 它不保證： $$ \Pi_t(e^{*}) $$ 在： $$ t_0 群體差異不只表現在平均 neural activation，而表現在同類試次之間是否穩定地重建相似的控制表徵。 這可以形式化為： $$ \mathbb E \left[ A_t \right] \approx \text{similar} $$ 但： $$ \operatorname{Var} \left[ A_t \right] \neq \text{similar}. $$ 因此本文提出： $$ \boxed{ \text{mean activation} \neq \text{representational stability}. } $$ 這與 SAD 的「配置維持」概念形成一個可測試的神經層接口。 --- # 14. 網路重配置與 cognitive demand Michael 等人於 2025 年發表的兒童研究比較 resting state、較簡單 go/no-go task 與較複雜 go/no-go task。 研究顯示 ADHD 與 typically developing children 在： - whole-network modularity； - frontoparietal within-module degree； - cingulo-opercular／salience； - default-mode； - somatomotor dynamic connectivity； 等指標上的 reconfiguration 隨 task demand 出現不同模式。 因此： $$ \boxed{ \text{brain state at rest} \neq \text{brain state under demand}. } $$ 以及： $$ \boxed{ \text{group difference} = f \left( \text{cognitive context} \right) } $$ 是值得保留的研究語言。 這與第 1 篇的： $$ \text{Phenotype} = F \left( \text{Configuration}, \text{Task}, \text{Environment} \right) $$ 一致，但仍不能視為 ADCC 已被驗證。 --- # 15. 多路徑而不是單一路徑缺陷 2026 年 Ikegami 等人以一般大學生樣本建立 structural equation model，同時測量： - working memory； - sustained attention； - response inhibition； - delay discounting； - decision-making； - ADHD traits。 研究結果支持 executive 與 motivational variables 共同形成多路徑關聯，而不是一個單一 deficit variable 直接決定所有決策結果。 本文將其轉成方法論命題： $$ \boxed{ \text{ADHD-related outcome} \neq f(x) } $$ 更可能需要： $$ \boxed{ \text{ADHD-related outcome} = F \left( x_1,x_2,\ldots,x_n \right). } $$ 但該研究樣本量有限，且研究 ADHD traits 而非正式臨床診斷，因此只能作為多路徑建模的支持背景。 --- # 16. Salience 過高也可能造成干擾 2026 年 medication-naïve Chinese children 的 resting-state fMRI 研究發現，較高的 sensorimotor–salience network connectivity 與較差的 Stroop performance 有探索性關聯。 研究作者明確避免因果宣稱，但提出較高 salience-related coupling 可能與 task-irrelevant stimuli 干擾 sensorimotor integration 的解釋相容。 因此本文保留一個候選失效模式： $$ S_t(e_{\text{irrelevant}}) \uparrow $$ 可能造成： $$ \Pi_t(e_{\text{irrelevant}}) \uparrow $$ 並透過有限資源約束： $$ \Pi_t(e_{\text{target}}) \downarrow. $$ 這不是「注意力太少」。 它可能是： $$ \boxed{ \text{competitive misallocation}. } $$ 但目前不能把該 fMRI 關聯直接當作此機制的因果證明。 --- # 17. 配置競爭 若： $$ e^{*} $$ 為目標事件，而： $$ e_1,\ldots,e_m $$ 為競爭事件，則定義競爭壓力： $$ \mathcal C_t = \frac{ \sum_{j=1}^{m} \Pi_t(e_j) }{ \Pi_t(e^{*})+\varepsilon }. $$ 當： $$ \mathcal C_t \uparrow, $$ 目標事件可能因資源排擠而失去後續處理機會。 但： $$ \mathcal C_t $$ 不等於症狀嚴重度。 它只是候選動態指標。 --- # 18. 配置鎖定 另一個方向則是過度集中。 若： $$ \Pi_t(e^{*}) \rightarrow R_t^{\max}, $$ 其他事件獲得： $$ \Pi_t(e_j) \rightarrow0. $$ 這可定義為配置鎖定： $$ L_t = \max_i \frac{ \Pi_t(e_i) }{ R_t^{\max} }. $$ 當： $$ L_t\rightarrow1, $$ 系統進入高度集中狀態。 這可能在某些任務提高效率，也可能使： - 時間感降低； - 外部提示被忽略； - 任務切換困難； - 次要需求長時間未處理。 因此： $$ \boxed{ \text{high focus} \neq \text{globally optimal allocation}. } $$ 本系列第 4 篇將把這一問題與 hyperfocus、配置熵及相變獨立處理。 --- # 19. 切換成本 若目前焦點為： $$ e_a $$ 而欲切換至： $$ e_b, $$ 定義： $$ K_t \left( e_a\rightarrow e_b \right). $$ 高切換成本可以造成： $$ \Pi_t(e_b) $$ 即使具有高目標價值仍遲遲無法上升。 因此： $$ G_t(e_b)\gg0 $$ 與： $$ \Pi_t(e_b)\ll1 $$ 可以同時成立。 這提供「知道重要，但開始不了」的候選形式化。 --- # 20. 更新門控 定義工作狀態： $$ M_t. $$ 觀察輸入： $$ O_t(e). $$ 更新： $$ M_{t+1} = U \left( M_t, O_t(e), g_t^{U} \right), $$ 其中： $$ g_t^{U}\in[0,1] $$ 表示更新門控。 因此可以有： $$ O_t(e)=1 $$ 但： $$ g_t^{U}\approx0 $$ 使得： $$ M_{t+1} \approx M_t. $$ 這說明： $$ \boxed{ \text{effective perception} \neq \text{state revision}. } $$ 未來實驗必須區分： - encoding failure； - maintenance failure； - retrieval failure； - update failure。 不能全部命名為「不專心」。 --- # 21. 注意債務 若某些必要事件持續未獲資源： $$ \Pi_t(e_{\text{necessary}}) \approx0 $$ 但其未處理後果會累積，可以定義： $$ D_{t+1}^{\text{attn}} = \rho D_t^{\text{attn}} + \sum_{e\in\mathcal N_t} w_e \left[ 1-\widetilde{\Pi}_t(e) \right], $$ 其中： - $\mathcal N_t$：必要事件集合； - $w_e$：事件後果權重； - $\widetilde{\Pi}_t(e)$：正規化配置； - $\rho$：債務保留係數。 注意債務可能表現為： - 未回覆訊息堆積； - 行政工作堆積； - 未完成小任務增加； - 後續切換成本提高； - 壓力提高； - 反過來再降低可用資源。 因此可能形成閉環： $$ \boxed{ \text{misallocation} \rightarrow \text{attention debt} \rightarrow \text{load} \rightarrow R_t^{\max}\downarrow \rightarrow \text{further misallocation}. } $$ 此為理論命題，不是已證實 ADHD-specific mechanism。 --- # 22. 歷史與習慣回饋 配置不是每一秒重新從零計算。 令： $$ H_t(e) $$ 為歷史／習慣權重。 則： $$ H_{t+1}(e) = \eta H_t(e) + \phi \left( \Pi_t(e), R_t(e), A_t(e) \right). $$ 因此過去反覆獲得資源的事件可能更容易再次被選中。 這形成： $$ \text{allocation history} \rightarrow \text{future allocation bias}. $$ 因此 ADHD-related behavior 若存在長期路徑依賴，就不能只測單次任務。 --- # 23. 探索—利用平衡 將候選事件分成： $$ \mathcal E_t^{\text{known}} $$ 與： $$ \mathcal E_t^{\text{novel}}. $$ 配置需要處理： $$ \text{exploit} \leftrightarrow \text{explore}. $$ 若新穎性權重： $$ \gamma_t $$ 較高，可能提高探索。 若歷史／目標鎖定： $$ \delta_t,\beta_t $$ 較高，可能提高利用。 因此同一配置在： - 需要創新搜尋； - 需要程序穩定； - 需要長期重複； 三種任務中的價值可能完全不同。 --- # 24. 狀態轉移模型 令配置狀態集合： $$ \mathcal Z = \left\{ z_1,z_2,\ldots,z_k \right\}. $$ 建立轉移矩陣： $$ T_{ab} = P \left( z_{t+1}=z_b \mid z_t=z_a \right). $$ ADHD-related differences 可以存在於： $$ \mathbb E[z] $$ 也可以存在於： $$ T. $$ 例如兩組平均配置相同，但一組： $$ P \left( z_{\text{focused}} \rightarrow z_{\text{distracted}} \right) $$ 較高。 因此： $$ \boxed{ \text{same mean state} \neq \text{same dynamics}. } $$ --- # 25. 視覺處理的時間結構 2025 年 Pelland-Goulet 等人在成人 ADHD 與 matched controls 中以 temporal sampling 研究 visual word processing，發現視覺處理效率的時間特徵可出現群體差異。 本文不把該研究視為 ADHD attention allocation 的直接證明。 它的重要性是提示： $$ \boxed{ \text{processing efficiency itself can have temporal structure}. } $$ 因此配置模型不應只採： $$ \Pi(e) $$ 而應保留： $$ \Pi_t(e). $$ 時間索引不是裝飾，而是核心。 --- # 26. 六層認知鏈 本文目前提出最小六層： $$ \boxed{ S_t \rightarrow A_t \rightarrow \Pi_t \rightarrow O_t \rightarrow U_t \rightarrow G_t. } $$ 但箭頭不是單向唯一因果。 實際上存在回饋： $$ G_{t-1} \rightarrow S_t, $$ $$ M_t \rightarrow \Pi_t, $$ $$ U_t \rightarrow G_t, $$ $$ R_t \rightarrow H_{t+1}, $$ 以及： $$ E_t \rightarrow S_t, A_t, \Pi_t. $$ 所以更完整表示為： $$ \boxed{ \mathcal S_{t+1} = \mathcal F \left( \mathcal S_t, E_t, T_t, R_t \right). } $$ --- # 27. 與第 2 篇神經調節層的接口 第 2 篇提出： $$ \mathbf N_t \rightarrow \mathbf Z_t \rightarrow \mathbf C_t. $$ 本文進一步展開： $$ \mathbf C_t = \left( S_t, A_t, \Pi_t, O_t, U_t, M_t, G_t \right). $$ 所以系列主幹更新為： $$ \boxed{ \mathbf N_t \rightarrow \mathbf Z_t \rightarrow (S_t,A_t,\Pi_t,O_t,U_t,M_t,G_t) \rightarrow P_t \rightarrow Y_t. } $$ 其中： - $\mathbf N_t$：神經調節； - $\mathbf Z_t$：arousal／reward／salience-gain／stability； - $\Pi_t$：有限資源配置； - $P_t$：客觀任務表現； - $Y_t$：臨床或日常可見表型。 --- # 28. 十項可證偽命題 ## SAD-H1：分離命題 $$ S \neq A \neq \Pi \neq O \neq U \neq G. $$ 若實驗資料顯示這些變量無法被可靠區分，分層模型應被簡化。 --- ## SAD-H2：配置非缺失命題 部分 ADHD 個體仍能在明確價值提示下進行有效配置。 若大型臨床樣本反覆顯示所有 ADHD individuals 在多種 value-based prioritization tasks 中均一致失敗，則此命題被削弱。 --- ## SAD-H3：維持失穩命題 部分 ADHD-related impairment 更接近： $$ V_{\Pi}\uparrow $$ 而不是： $$ \mathbb E[\Pi]\downarrow. $$ --- ## SAD-H4：競爭排擠命題 當非目標刺激的 salience／activation 增加時，目標配置下降幅度在部分 ADHD profiles 中可能更大。 --- ## SAD-H5：更新門控命題 部分「知道但沒有留下」的錯誤來自： $$ O=1, \qquad U\approx0. $$ 若 encoding、maintenance、update、retrieval 無法在行為與神經層可靠區分，則此命題需修改。 --- ## SAD-H6：行動門控命題 部分「知道但沒有做」的情況來自： $$ U>0, \qquad G=0. $$ 而不是注意輸入不足。 --- ## SAD-H7：任務交互命題 $$ \frac{ \partial P }{ \partial \Pi } $$ 受： $$ T $$ 調節。 因此同一配置策略不會對所有任務同樣有效。 --- ## SAD-H8：動態優先命題 狀態轉移矩陣： $$ T_{ab} $$ 可能對 ADHD-related performance 提供超越平均值的預測力。 --- ## SAD-H9：注意債務命題 未配置之必要事件可累積為後續負荷，形成回饋閉環。 若 longitudinal data 不支持未處理任務與後續配置惡化之關係，則此命題應被削弱。 --- ## SAD-H10：中層增量價值命題 若： $$ S,A,\Pi,O,U,G $$ 的分層模型不能在 out-of-sample prediction 中超越簡單 symptom-score／single-attention models，則 SAD 沒有必要保留其複雜度。 --- # 29. 實驗研究綱領 ## 29.1 Salience—Allocation Dissociation Task 操弄： $$ S(e) $$ 但保持： $$ G(e) $$ 固定。 測量： - eye movement； - pupil； - response probability； - memory encoding； - task interference。 目的： $$ S\uparrow \Rightarrow? \Pi\uparrow. $$ --- ## 29.2 Value-Based Allocation Task 重製並擴展 value prioritization paradigm： - 正式 clinical ADHD； - adult-diagnosed ADHD； - controls； - 不同 reward magnitude； - feedback／no-feedback； - low／high distraction。 檢驗： $$ \text{initial prioritization} $$ 與： $$ \text{maintenance stability} $$ 是否分離。 --- ## 29.3 Allocation Maintenance Task 目標在長時間窗內維持高配置。 測量： $$ M_{\Pi} $$ 與： $$ V_{\Pi}. $$ 如果 ADHD 與 controls 的初始配置相似，但 $V_{\Pi}$ 顯著不同，將直接支持 selection-maintenance separation。 --- ## 29.4 Update-Gating Task 在確認受試者已正確看見／理解資訊後，測： - working-memory update； - delayed recall； - prospective memory； - action execution。 建立： $$ O \rightarrow U \rightarrow G $$ 的分離測試。 --- ## 29.5 Trial-wise Neuroimaging 不只估計： $$ \mathbb E[\text{BOLD}], $$ 也估計： $$ \operatorname{Var}[\text{BOLD}], $$ $$ \text{representational similarity}, $$ $$ \text{state dwell time}, $$ $$ \text{transition probability}. $$ 這是 dynamic configuration view 最直接的神經檢驗方式之一。 --- # 30. 重要反例：不是所有 ADHD cognition 都應顯示配置缺陷 Atkinson 等人的 2025 結果本身就構成一個重要反例： > ADHD symptoms 不必然破壞 value-based prioritization。 因此任何合理 SAD 理論都必須允許： $$ \boxed{ \Pi_{\text{function}} = \text{intact} } $$ 在某些個體／任務成立。 所以 SAD 不是： $$ \text{ADHD} = \text{allocation disorder}. $$ 本文較精確的立場是： $$ \boxed{ \text{ADHD-related phenotype may involve conditional dysregulation of allocation dynamics in a subset of contexts and individuals}. } $$ --- # 31. 為什麼這不是重新命名 executive function？ SAD 與 executive function literature 有大量重疊。 本文不否認此點。 如果 SAD 只是將： - inhibition； - working memory； - task switching； - sustained attention； 重新命名，則沒有新理論價值。 SAD 必須額外提供： 1. 事件層配置函數； 2. salience／activation／allocation 分離； 3. processing opportunity 概念； 4. state-transition dynamics； 5. competition and debt； 6. 可映射至 trial-wise measurements 的中層算子。 若這些新增結構沒有實證增量： $$ \boxed{ \text{SAD should be discarded as redundant}. } $$ --- # 32. 為什麼這不是「注意力過載」的文學比喻？ 「注意力過載」只有在可測量時才有研究價值。 本文將其拆成： $$ \mu(\mathcal E_t)\uparrow, $$ $$ \mathcal C_t\uparrow, $$ $$ V_{\Pi}\uparrow, $$ $$ R_t^{\max}\downarrow, $$ 或其組合。 因此： $$ \boxed{ \text{overload} = \text{candidate dynamical state}, } $$ 而不是單純主觀形容詞。 --- # 33. 對 ADHD 語言的修正 本文不建議把臨床「inattention」名稱直接刪除。 它仍然描述重要表型。 但機制研究可以將： $$ \text{inattention} $$ 重新展開為候選集合： $$ \left\{ \begin{array}{l} \text{low target salience}\\ \text{high distractor salience}\\ \text{activation competition}\\ \text{allocation instability}\\ \text{high switching rate}\\ \text{low update gate}\\ \text{poor maintenance}\\ \text{action-gating failure} \end{array} \right\}. $$ 因此： $$ \boxed{ \text{one phenotype} \leftarrow \text{multiple possible mechanisms}. } $$ --- # 34. 本文不主張的內容 本文不主張： 1. ADHD 是單純注意配置疾病； 2. 所有 ADHD 個體都有較高 salience sensitivity； 3. 所有 ADHD 都有高 neural variability； 4. working-memory prioritization 在正式 ADHD 一定完全正常； 5. salience network 是 ADHD 的唯一核心； 6. frontoparietal instability 可以作單一 biomarker； 7. 高配置熵必然是缺陷； 8. 高集中配置必然是 hyperfocus； 9. 「知道但做不到」都由 action gate 解釋； 10. SAD 已經優於現有 executive-function models； 11. 數學形式化本身等於神經機制； 12. 本文可被用於臨床個體診斷。 --- # 35. 與前兩篇的系列整合 第 1 篇建立： $$ \text{ADHD} \rightarrow \text{dynamic configuration conjecture}. $$ 第 2 篇建立： $$ \mathbf N_t \rightarrow \text{neuromodulatory reparameterization}. $$ 第 3 篇現在補上： $$ \boxed{ \text{Salience} \neq \text{Activation} \neq \text{Allocation} \neq \text{Observation} \neq \text{Update} \neq \text{Action}. } $$ 因此系列主架構已形成： $$ \boxed{ \mathbf N_t \rightarrow \mathbf Z_t \rightarrow S_t \rightarrow A_t \rightarrow \Pi_t \rightarrow O_t \rightarrow U_t \rightarrow M_t \rightarrow G_t \rightarrow P_t \rightarrow Y_t. } $$ 下一篇將不再增加更多一般層，而是集中處理： $$ \boxed{ \Pi_t \text{ 的分散、鎖定與相變}. } $$ --- # 36. 結論 本文將「注意力問題」重新表達成一個有限資源系統的多階段動態配置問題。 最重要的不是： $$ \text{How much attention?} $$ 而是： $$ \boxed{ \text{What became salient?} } $$ $$ \boxed{ \text{What was activated?} } $$ $$ \boxed{ \text{What received resources?} } $$ $$ \boxed{ \text{What was effectively processed?} } $$ $$ \boxed{ \text{What updated the internal state?} } $$ $$ \boxed{ \text{What finally passed the action gate?} } $$ 這六個問題可以得到不同答案。 因此「注意到但忘了」「知道但沒做」「能選中但維持不了」「被無關刺激吸走」「長時間鎖定單一事件」不必再被迫使用同一個 scalar deficit 解釋。 本文最小命題為： $$ \boxed{ \Pi \text{ 改變後續處理的機會結構， 但不保證理解、記憶、更新或行動。} } $$ 而 ADHD-specific 的可證偽問題則是： $$ \boxed{ \text{Do ADHD-related impairments arise more from conditional instability and competition in allocation dynamics than from a universal inability to allocate attention?} } $$ 如果未來大型、多情境、跨年齡研究顯示答案是否定的，SAD 應被削弱或淘汰。 如果答案肯定，則「配置」可以成為連接神經調節、認知控制、工作記憶與日常功能表型的一個可操作中層語言。 --- # 參考文獻 1. Atkinson, A. L., Pinheiro Sanchez, B., Warburton, M., Allmark, H., & Allen, R. J. The Ability to Direct Attention in Working Memory Is Not Impaired in Adults With Symptoms of ADHD. *Journal of Attention Disorders*. 2025;29(9):684-705. DOI: 10.1177/10870547251330039. 2. Gao, Z., Duberg, K., et al. Reduced temporal and spatial stability of neural activity patterns predict cognitive control deficits in children with ADHD. *Nature Communications*. 2025;16. DOI: 10.1038/s41467-025-57685-x. 3. Michael, C., Mitchell, M. E., Cascone, A. D., et al. Reconfiguration of Functional Brain Network Organization and Dynamics With Changing Cognitive Demands in Children With Attention-Deficit/Hyperactivity Disorder. *Biological Psychiatry: Cognitive Neuroscience and Neuroimaging*. 2025;10(8):846-855. DOI: 10.1016/j.bpsc.2024.11.006. 4. Ikegami, M., et al. Executive and motivational pathways to ADHD traits in the general population: a structural equation model of working memory, attention, delay discounting, and decision-making. *BMC Psychology*. 2026. DOI: 10.1186/s40359-026-04279-x. 5. Li, H. L., et al. Resting-state functional connectivity of the sensorimotor network in medication-naïve Chinese children with ADHD: cross-sectional associations with hyperactivity/impulsivity and executive function. *Frontiers in Psychiatry*. 2026;17:1843959. DOI: 10.3389/fpsyt.2026.1843959. 6. Pelland-Goulet, P., Arguin, M., Brisebois, H., & Gosselin, N. Visual processing oscillates differently through time for adults with ADHD. *PLOS ONE*. 2025;20(9):e0310605. DOI: 10.1371/journal.pone.0310605. 7. Nugiel, T., et al. Methylphenidate stabilizes dynamic brain network organization during tasks probing attention and reward processing in stimulant-naïve children with ADHD. *Translational Psychiatry*. 2025. DOI: 10.1038/s41398-025-03694-9. --- # 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 SAD、配置競爭 $\mathcal C_t$ 、配置鎖定 $L_t$ 、配置維持 $M_{\Pi}$ 、配置波動 $V_{\Pi}$ 、注意債務 $D_t^{\text{attn}}$ 、更新門控 $g_t^U$ 與六層分離鏈，均為本文的理論構件，不應被誤認為上述研究作者的原始結論。 不同研究包含正式 ADHD、ADHD symptoms、一般人口、兒童與成人樣本，使用 fMRI、working-memory tasks、resting-state connectivity、behavioral tasks 與 temporal sampling 等不同方法。本文不把它們視為單一實驗的直接累加證據。 --- **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：** 《注意力熵與配置相變：從分心到超聚焦》