# Series I / Paper 01  
# 有名—無名的多維狀態空間：公共顯著性、可辨識度與聲譽的非等價框架
## The Multidimensional State Space of Fame and Obscurity: A Non-Equivalence Framework for Public Prominence, Recognizability, and Reputation

**作者：Neo.K（許筌崴）**  
**機構：EveMissLab**  
**版本：v0.1**  
**日期：2026-08-14**

---

## 摘要

「有名」與「無名」在日常語言中經常被壓縮成一條單一光譜：一個人、組織、作品或概念被假設可以由某個標量表示其知名程度。然而，數位平台、搜尋引擎、推薦系統與生成式 AI 的普及，使此一維模型愈來愈難以描述現實。一個實體可以具有大量公開內容而缺乏社會認知；可以容易被精確搜尋卻不容易被被動發現；可以被 AI 高信心辨識而仍對大多數人類陌生；也可以高度知名而具有負面聲譽。本文提出「公共顯著性狀態空間」（Public Prominence State Space, PPSS），將資訊存在度、可搜尋度、介面可見度、可發現度、身份可辨識度、機器可辨識度、人類認知度、權威度與聲譽極性分離建模。本文主張：「有名」不是原始屬性，而是觀察者、平台、查詢與時間條件下，對高維公共狀態的一種標量投影。本文給出非等價性、標量化非唯一性、觀察者依賴性、機器—人類辨識分離與顯著性—聲譽分離等基本命題，並提出可操作的測量方案。此框架不試圖以單一公式重新定義名氣，而是建立一個可供後續研究搜尋顯著性、AI 可辨識度、資訊累積、第三方傳播與公共顯著性相變的共同數學底座。

**關鍵詞：** 公共顯著性、知名度、可見度、可發現度、可辨識度、AI 可辨識度、聲譽、注意力經濟、資訊擴散、狀態空間

---

## 1. 問題：為什麼「有名／無名」不是一條線？

最簡單的知名度模型可寫成

$$
F(E,t)\in[0,1],
$$

其中 $E$ 為實體， $F=0$ 表示完全無名， $F=1$ 表示極高知名度。

此表示雖然方便，卻會把數種本質不同的現象壓縮在一起。例如：

1. 某實體在網路上存在大量資料，但沒有多少人知道；
2. 某實體只要輸入精確名稱就容易搜尋，卻很少被推薦系統主動展示；
3. 某實體對人類陌生，但 AI 可由多個名稱、品牌與作品推回同一身份；
4. 某實體極度知名，但聲譽高度負面；
5. 某實體在某一專業領域具有權威，在一般公共空間卻幾乎不可見；
6. 某實體在某平台高度可見，在另一平台近乎不存在。

因此，「有名」至少混合了存在、檢索、曝光、辨識、認知、權威與評價。既有研究已分別指出 visibility 的關係性與對象依賴性、注意力的競爭與加速、科學中的累積優勢，以及社會影響對成功不平等與不可預測性的放大作用 [1–5]。本文進一步提出：這些量不應只被視為「名氣」的不同測量方式，而應先被視為可相互解耦的狀態變數。

---

## 2. 公共實體與觀察條件

### 定義 1：公共實體

公共實體 $E$ 可以是人、組織、品牌、作品、理論、產品、網站或其他可被公共資訊系統指涉的對象。

### 定義 2：觀察條件

令

$$
\Omega=(o,p,q,t),
$$

其中：

- $o$：觀察者或觀察者類型；
- $p$：平台、搜尋系統或資訊介面；
- $q$：查詢、任務或注意力入口；
- $t$：時間。

因此，同一實體的公共狀態不寫成單純的 $\mathbf{x}_E$，而寫成

$$
\mathbf{x}_E^{\Omega}.
$$

此處的核心理由是：一個實體是否「看起來有名」，往往取決於誰在看、從哪裡看、用什麼查詢看，以及在什麼時間看。

---

## 3. 公共顯著性狀態空間

本文定義：

$$
\mathbf{x}_E^{\Omega}
=
\left(
I,S,V,D,R,M,H,A,\rho
\right).
$$

除 $\rho$ 外，其餘量先規範化至 $[0,1]$ ；聲譽極性取值於 $[-1,1]$。

因此：

$$
\mathcal{F}
=
[0,1]^8\times[-1,1].
$$

各維度定義如下。

### 3.1 資訊存在度 $I$

$$
I(E,t)
$$

表示與實體有關、公開存在且可被資訊系統接觸的有效資訊質量。

它不等同於頁面數。大量重複、不可解析或互相矛盾的內容，不應與高資訊密度、結構完整的內容具有相同權重。

---

### 3.2 可搜尋度 $S$

$$
S(E,p,q,t)
$$

表示在具有相對明確查詢意圖時，資訊系統能否將實體或其資料召回。

「存在」不推出「可搜尋」：

$$
I>0
\not\Rightarrow
S>0.
$$

一份公開但未被索引的文件具有資訊存在，卻可能幾乎沒有搜尋可達性。

---

### 3.3 介面可見度 $V$

$$
V(E,p,q,t)
$$

表示在特定搜尋結果頁、推薦頁、資訊流或回答介面中，實體實際被呈現給觀察者的程度。

因此：

$$
S\neq V.
$$

一個系統可能「找得到」某實體，但排序位置、摘要選擇或介面設計使其實際可見度很低。

---

### 3.4 可發現度 $D$

$$
D(E,o,p,t)
$$

表示觀察者在不知道精確名稱、沒有直接搜尋該實體的前提下，仍有多大機會經由推薦、關聯查詢、社群傳播、引用、分類頁面或其他路徑遇到它。

此變數使下列區別成為可能：

$$
\text{Searchability}
\neq
\text{Discoverability}.
$$

可搜尋度高的實體，可以長期具有低可發現度。

---

### 3.5 身份可辨識度 $R$

$$
R(E,\Omega)
$$

表示觀察者能否將分散符號、名稱、作品、品牌或組織關係，閉合為同一實體或穩定關係網。

若一個實體具有符號集合

$$
\Sigma_E=\{s_1,s_2,\ldots,s_n\},
$$

則高 $R$ 不只表示能找到每個 $s_i$，還表示觀察者能推得

$$
s_1\sim s_2\sim\cdots\sim s_n
$$

在特定身份或關係意義下具有一致性。

---

### 3.6 機器可辨識度 $M$

$$
M(E,p,q,t)
$$

表示搜尋引擎、知識圖譜、語言模型或其他機器系統能否由公開證據穩定重建該實體及其關係。

它與人類認知度分離：

$$
M\neq H.
$$

可能存在

$$
M\gg H,
$$

即機器已能重建實體，但大多數人類尚未聽聞；也可能存在歷史人物、地方人物或低數位足跡名人，使某些人群中的 $H$ 高於特定機器系統的 $M$。

---

### 3.7 人類認知度 $H$

$$
H(E,\mathcal{U},t)
$$

表示在指定人群 $\mathcal{U}$ 中，有多少人能辨認該實體。

因此不存在脫離人群的絕對 $H$。例如：

$$
H(E,\mathcal{U}_{\text{專業}})
\neq
H(E,\mathcal{U}_{\text{一般}}).
$$

領域知名度與一般公共知名度必須分開測量。

---

### 3.8 權威度 $A$

$$
A(E,o,t)
$$

表示觀察者將實體視為可信、重要、具資格或具有制度性地位的程度。

權威不等於可見：

$$
A\neq V.
$$

一名高度專業但低曝光的研究者可具有高 $A$ 、低 $V$ ；一名極度曝光的娛樂人物則可能具有高 $V$ 、但在特定專業問題上低 $A$。

科學中的 Matthew effect 顯示，既有地位與認可可能進一步影響後續認可分配，故 $A$ 亦可能具有累積動力學 [4]。

---

### 3.9 聲譽極性 $\rho$

$$
\rho(E,o,t)\in[-1,1]
$$

表示觀察者對實體的評價方向。

$$
\rho=-1
$$

表示高度負面；

$$
\rho=0
$$

表示中性、混合或未定；

$$
\rho=1
$$

表示高度正面。

本文特別主張：

$$
\text{Prominence}
\neq
\text{Reputation}.
$$

一個實體可以非常有名但聲譽負面，因此「知名度」不能由正面評價定義。

---

## 4. 「名氣」是一個投影，而不是原始座標

在上述狀態空間中，日常語言中的「這個人很有名」可以被理解為觀察者對高維狀態的標量化：

$$
\Pi_E^{\Omega}
=
G_{\Omega}
\left(
\mathbf{x}_E^{\Omega}
\right),
$$

其中 $G_{\Omega}$ 為依賴觀察條件的投影函數。

例如，一般使用者可能高度依賴 $V$ 與 $H$ ；搜尋引擎研究者可能更重視 $S$ 、 $R$ 與 $M$ ；學術共同體可能提高 $A$ 與領域內 $H$ 的權重。

線性近似可寫為

$$
\Pi_E^{\Omega}
=
\sum_{i=1}^{8}
w_i^{\Omega}x_i
+
\lambda^{\Omega}\rho,
$$

其中

$$
\sum_{i=1}^{8}w_i^{\Omega}=1.
$$

然而本文不主張真實的 $G_{\Omega}$ 必須線性。相反，高階交互作用可能十分重要。例如，高資訊存在度只有在可搜尋度與身份可辨識度同時足夠高時，才會明顯提升感知顯著性。

因此更一般地：

$$
\Pi_E^{\Omega}
=
G_{\Omega}
\left(
I,S,V,D,R,M,H,A,\rho
\right).
$$

---

## 5. 五個基本命題

### 命題 1：非等價性命題

一般而言，

$$
I,S,V,D,R,M,H,A,\rho
$$

彼此不等價。

更具體地，對任意兩個不同維度 $x_i,x_j$，不存在普遍成立的

$$
x_i\uparrow
\Rightarrow
x_j\uparrow.
$$

例如資訊存在度增加，不保證可發現度增加；可見度增加，不保證權威度增加；人類認知度增加，也不保證聲譽變正。

此命題否定「名氣漏斗必然單調」的直覺。

---

### 命題 2：標量化非唯一性命題

若公共狀態至少具有兩個獨立維度，則任何單一顯著性標量 $\Pi$ 一般都不是對原狀態的單射。

亦即存在

$$
\mathbf{x}_a\neq\mathbf{x}_b
$$

但

$$
G_{\Omega}(\mathbf{x}_a)
=
G_{\Omega}(\mathbf{x}_b).
$$

因此，兩個被描述為「差不多有名」的實體，可以具有完全不同的公共結構。

---

### 命題 3：觀察者依賴命題

存在實體 $E$ 與兩組觀察條件 $\Omega_1,\Omega_2$，使

$$
\Pi_E^{\Omega_1}
\neq
\Pi_E^{\Omega_2}.
$$

這不是測量誤差，而可能是系統本身的結構性事實。

例如專業研究者、一般大眾與 AI 對同一實體可使用不同證據、不同入口與不同權重。

---

### 命題 4：機器—人類辨識分離命題

存在公共實體 $E$，使

$$
M(E)\gg H(E).
$$

此狀態稱為「機器潛在可辨識而社會低認知」狀態。

其典型形成條件包括：

1. 大量可索引文本；
2. 穩定 metadata；
3. 高度一致的身份符號；
4. 多站點交叉連結；
5. 低人際傳播或低媒體曝光。

反方向

$$
H(E)\gg M(E)
$$

亦可能成立，因此 $M$ 與 $H$ 不應合併。

---

### 命題 5：顯著性—聲譽分離命題

存在

$$
\Pi_a>\Pi_b
$$

但

$$
\rho_a<\rho_b.
$$

換言之，更有名不等於更受喜愛，也不等於更具權威。

此命題使「臭名」、「爭議性知名」與「高權威低曝光」都可以被同一框架描述。

---

## 6. 典型狀態

為避免把 PPSS 誤解成抽象名詞列表，考慮以下理想化狀態。

### 6.1 搜尋富集但社會低認知

$$
I,S,R,M\gg0,
\qquad
D,H\ll I.
$$

此實體具有大量可搜尋資訊，機器也容易辨識，但一般大眾很少主動遇見它。

---

### 6.2 大眾高曝光但低專業權威

$$
V,D,H\gg0,
\qquad
A_{\text{domain}}\ll H.
$$

此狀態對應「很多人知道，但不代表在指定領域具權威」。

---

### 6.3 專業權威但公共低曝光

$$
A_{\text{domain}}\gg0,
\qquad
V_{\text{public}},H_{\text{public}}\ll A_{\text{domain}}.
$$

因此「無名」若不指定觀察人群，本身就是不充分描述。

---

### 6.4 高顯著、負聲譽

$$
\Pi\gg0,
\qquad
\rho<0.
$$

此狀態證明「有名」與「好名聲」不可合併。

---

## 7. 與既有理論的關係

### 7.1 Visibility research

Barta 與 Andalibi 將 self visibility 描述為內容、人物與身份等不同 visibility objects 的組合，顯示「被看見」本身已具有關係性與多對象結構 [1]。Tsinovoi 與 Munk 進一步以 topology 描述平台與使用者實踐如何共同形成不同的線上可見空間 [2]。PPSS 接受此關係性前提，但再向外推一步：visibility 只是一個座標，並不能代表完整的公共顯著性狀態。

### 7.2 Collective attention

Lorenz-Spreen 等人顯示，有限集體注意力下，不同內容必須競爭，且資訊生產與消費加速可使注意力週期縮短 [3]。因此資訊供給量增加不必然轉化成持久認知。此結果支持本文將 $I$ 與 $H$ 、 $V$ 、 $D$ 分離。

### 7.3 Matthew effect 與累積優勢

Merton 的 Matthew effect 描述既有地位與認可如何造成後續認可的不均等累積 [4]。PPSS 將此視為狀態空間上的動態耦合，而非名氣的定義本身。例如可能存在

$$
A_t\uparrow
\Rightarrow
V_{t+1}\uparrow
\Rightarrow
H_{t+2}\uparrow,
$$

但此為條件性的動力學路徑，而非邏輯必然。

### 7.4 社會影響與成功不可預測性

Salganik、Dodds 與 Watts 的人工文化市場實驗顯示，社會影響增強會提高成功分布的不平等與不可預測性 [5]。此結果說明作品的內在品質或個體的內在表現不能直接等同於其公共結果。

### 7.5 科學可見度與學術影響的分離

Hall 所提出的 Kardashian Index 雖帶有諷刺性，但其基本出發點正是社群媒體可見度與傳統學術引用之間可能存在落差 [6]。後續研究也持續檢查社群媒體可見度、網路關係與正式學術注意之間的關係 [7]。2026 年的新研究則進一步顯示，科學注意力與影響本身也受到快速增長的文獻環境與高度集中結構影響 [8]。PPSS 不預設哪一種指標較「真」，而是要求先將不同公共狀態分離後再討論其價值。

---

## 8. 從靜態空間到動態場

公共狀態會隨時間變化，因此：

$$
\mathbf{x}_E=\mathbf{x}_E(t).
$$

進一步可寫為：

$$
\frac{d\mathbf{x}_E}{dt}
=
\mathbf{F}
\left(
\mathbf{x}_E,
\mathcal{C}_E,
\mathcal{N},
\mathcal{A},
t
\right),
$$

其中：

- $\mathcal{C}_E$：實體產生或與其相關的內容集合；
- $\mathcal{N}$：社會與資訊網路；
- $\mathcal{A}$：搜尋、推薦與 AI 演算法環境。

此表示允許未來研究如下現象：

$$
I\uparrow
\quad\text{但}\quad
H\approx\text{constant},
$$

以及在某些條件下：

$$
I,S,R,M\uparrow
\Rightarrow
D,H\text{ delayed increase}.
$$

本文不在此主張後者必然發生。其是否存在一般性的「顯著性壓力」或相變條件，將留給本系列後續論文。

---

## 9. 可測量化方案

PPSS 若要成為經驗理論，必須允許近似測量。

### 9.1 $I$：資訊存在度

可由下列量組合估計：

$$
I
=
f(
N_{\text{unique}},
Q_{\text{content}},
C_{\text{structure}},
T_{\text{source}}
).
$$

其中應對重複頁面、鏡像與自動生成內容進行折扣。

### 9.2 $S$：可搜尋度

可以多組精確與模糊查詢測量召回率：

$$
S
=
\frac{\text{成功召回實體的查詢數}}
{\text{測試查詢總數}}.
$$

### 9.3 $V$：介面可見度

可以排名位置、首屏出現率、摘要顯示比例與回答引用率形成加權指標。

### 9.4 $D$：可發現度

應使用「不知道實體名稱」的測試設計，例如主題推薦、相關內容導航或隨機瀏覽情境，估計第一次接觸概率。

### 9.5 $R$ 與 $M$

可建立身份解析 benchmark，要求人類或 AI 判定不同符號是否指向同一實體，並使用 precision、recall 與 calibration 衡量。

### 9.6 $H$

可對不同人群分層抽樣：

$$
H_{\mathcal{U}}
=
P(u\text{ 能正確辨認 }E\mid u\in\mathcal{U}).
$$

### 9.7 $A$ 與 $\rho$

權威度與聲譽應分別測量。問「是否知道」與問「是否信任／喜歡」不能使用同一題取代。

---

## 10. 理論意義

PPSS 產生三個重要後果。

第一，知名度研究不應再只問：

> 這個實體有多有名？

而應問：

> 它在哪些公共維度上顯著？對誰？透過什麼平台與入口？

第二，數位時代允許以前較少見的狀態大量存在：

$$
M\gg H.
$$

即機器世界中的可辨識存在，可能先於人類社會的廣泛認知。

第三，「更多內容」與「更有名」之間不存在一步完成的映射。資訊存在必須經過搜尋、可見、發現、辨識、傳播與社會認知等多個可能失敗的轉換。

因此：

$$
\boxed{
\text{Existence}
\neq
\text{Visibility}
\neq
\text{Discoverability}
\neq
\text{Recognition}
\neq
\text{Prominence}
\neq
\text{Reputation}.
}
$$

這不是文字上的細分，而是對數位公共存在結構的基本重新建模。

---

## 11. 限制

本文目前是一篇理論建模論文，存在至少四項限制。

第一，各座標的規範化方式尚未唯一確定，不同應用場景可能需要不同測量器。

第二，各維度並非統計獨立。例如 $V$ 、 $D$ 與 $H$ 可能具有強耦合；本文主張的是「概念上不可等同」，而不是「統計上必須獨立」。

第三， $M$ 高度依賴模型、檢索系統與時間。不同 AI 可能對同一實體具有不同可辨識度。

第四，本文尚未建立從內容產生到公共顯著性的完整因果模型，因此不能由高 $I$ 推出未來必然高 $H$。

---

## 12. 結論

本文提出公共顯著性狀態空間 PPSS：

$$
\mathcal{F}
=
[0,1]^8\times[-1,1],
$$

並以

$$
\mathbf{x}_E^{\Omega}
=
(I,S,V,D,R,M,H,A,\rho)
$$

描述實體在特定觀察條件下的公共狀態。

本文的核心主張可以濃縮為：

$$
\boxed{
\text{Fame is a projection of a multidimensional public state, not a primitive scalar property.}
}
$$

因此，「有名／無名」只是高維狀態經觀察者與平台投影後形成的簡化語句。

此框架為後續問題提供共同底座：多符號身份如何閉合？搜尋顯著性與人類知名度如何分離？AI 是否可能比人類社群更早辨識一個公共實體？大量資訊累積是否會形成顯著性壓力？第三方開始主動產生關於某實體的內容時，是否存在公共顯著性的相變？

這些問題不能在單一 Fame Scalar 中得到充分描述；它們需要一個狀態空間。

---

## 參考文獻

[1] Barta, K., & Andalibi, N. (2024). Theorizing Self Visibility on Social Media: A Visibility Objects Lens. *ACM Transactions on Computer-Human Interaction*, 31(3), Article 31. DOI: 10.1145/3660337.

[2] Tsinovoi, A., & Munk, A. K. (2026). Topologies of visibility: A space-sensitive approach to online visibility analysis. *Big Data & Society*. DOI: 10.1177/20539517261426451.

[3] Lorenz-Spreen, P., Mønsted, B. M., Hövel, P., & Lehmann, S. (2019). Accelerating dynamics of collective attention. *Nature Communications*, 10, 1759. DOI: 10.1038/s41467-019-09311-w.

[4] Merton, R. K. (1988). The Matthew Effect in Science, II: Cumulative Advantage and the Symbolism of Intellectual Property. *Isis*, 79(4), 606–623. DOI: 10.1086/354848.

[5] Salganik, M. J., Dodds, P. S., & Watts, D. J. (2006). Experimental Study of Inequality and Unpredictability in an Artificial Cultural Market. *Science*, 311(5762), 854–856. DOI: 10.1126/science.1121066.

[6] Hall, N. (2014). The Kardashian index: a measure of discrepant social media profile for scientists. *Genome Biology*, 15, 424. DOI: 10.1186/s13059-014-0424-0.

[7] Howoldt, D., Kroll, H., & Neuhäusler, P. (2023). Relating popularity on Twitter and LinkedIn to bibliometric indicators of visibility and interconnectedness: an analysis of 8512 applied researchers in Germany. *Scientometrics*, 128, 5571–5594. DOI: 10.1007/s11192-023-04799-y.

[8] Houssard, A., Gargiulo, F., Venturini, T., Tubaro, P., et al. (2026). The gerontocracy of science: attention dynamics in the age of exponential growth. *npj Complexity*, 3, Article 24. DOI: 10.1038/s44260-026-00073-3.

---

## 系列定位

**Series I：公共顯著性場與實體可辨識理論**

- Paper 01：有名—無名的多維狀態空間
- Paper 02：多符號非均勻權重與高階語義耦合
- Paper 03：搜尋顯著度、人類知名度與機器可辨識度的解耦
- Paper 04：觀察者依賴的感知顯著度理論
- Paper 05：資訊質量累積與顯著性壓力猜想
- Paper 06：第三方生成相變與自我繁殖公共圖