# 從形上開放到實用價值：知識為何最終仍要回到存在的可行改善

**英文題名：** From Metaphysical Openness to Practical Value: Why Knowledge Ultimately Returns to the Feasible Improvement of Existence  
**系列：** 《觀察態、邊界與相對連通本體論》番外篇 04  
**作者：** Neo.K  
**AI 協作：** GPT-5.6 Sol  
**機構：** EveMissLab／一言諾科技有限公司  
**文件性質：** 實用哲學／價值論／科學方法論／知識與行動接口  
**版本：** v0.1  
**日期：** 2026-08-26  
**狀態：** Working Paper / Extra Series Conclusion  
**主系列上游：** 《觀察態、邊界與相對連通本體論》01–10  
**番外上游：**  
1. 《可能是、可能不是、仍可能是：科學判定的三域結構》v0.1  
2. 《生成中的自然法則：如果世界在變，規則是否也可能有歷史？》v0.1  
3. 《不成為不會改變的觀察者：證據、模型更新與認識論可塑性》v0.1

---

## 摘要

形上學、科學哲學與本體論之所以值得研究，不應只因為它們能產生更抽象、更龐大的概念系統。若一套知識最終無法幫助存在更準確地理解、選擇、行動、避免錯誤、減少不必要損失，或擴大有益的可行狀態，那麼它的實用意義至少需要重新被檢查。

本文因此提出「存在可行改善」作為知識實用價值的工作框架。

令：

$$
\boxed{
\mathcal X_t
}
$$

表示某個存在或系統在時間 $t$ 的可行狀態空間。

知識、技術、制度、工具或模型的實用價值，可以被理解為它們是否使：

$$
\mathcal X_t
$$

轉化為更好的：

$$
\mathcal X_{t+1}.
$$

但「更好」不能只被壓成單一金錢、效率或產出指標。因此本文定義多維實用價值：

$$
\boxed{
\mathbf V_{\mathrm{prac}}
=
\left(
V_{\mathrm{cap}},
V_{\mathrm{aut}},
V_{\mathrm{well}},
V_{\mathrm{harm}},
V_{\mathrm{epi}},
V_{\mathrm{rel}},
V_{\mathrm{res}}
\right)
}
$$

其中：

- $V_{\mathrm{cap}}$：能力與可行選項的增加；
- $V_{\mathrm{aut}}$：自主與可選擇性的提升；
- $V_{\mathrm{well}}$：生活品質、舒適、安全或福祉改善；
- $V_{\mathrm{harm}}$：不必要傷害、損失與痛苦的降低；
- $V_{\mathrm{epi}}$：認識品質、錯誤降低與判定能力提升；
- $V_{\mathrm{rel}}$：協作、信任、互助與關係品質改善；
- $V_{\mathrm{res}}$：韌性、修復能力與面對未知的適應能力。

因此：

$$
\boxed{
\text{Practical Value}
\neq
\text{Profit Only}
}
$$

也：

$$
\boxed{
\text{Practical Value}
\neq
\text{Efficiency Only}.
}
$$

利潤、效率與產出可以是重要實用價值，但不是全部。

本文提出更一般的「可行改善原則」：

$$
\boxed{
\mathcal K
\text{ has practical value}
\iff
\mathcal K
\text{ improves decision-relevant feasible states under explicit value constraints}.
}
$$

其中 $\mathcal K$ 可以是知識、理論、模型、技術或方法。

但本文同樣拒絕另一個極端：不是所有讓人感覺舒服的結果都必然「更好」。短期舒適可能交換長期風險；局部利益可能外部化傷害；提高一個存在的自由可能壓縮另一個存在的自由。因此價值判定必須帶：

$$
\boxed{
\text{scope}
+
\text{affected beings}
+
\text{time horizon}
+
\text{reversibility}
+
\text{externalities}.
}
$$

本文將實用價值與主系列的核心方法論接合：

$$
\boxed{
\text{claim strength}
\leq
\text{evidence strength}
}
$$

在價值與行動層對應為：

$$
\boxed{
\text{action strength}
\leq
\text{evidence}
+
\text{risk tolerance}
+
\text{reversibility}.
}
$$

若知識不完整，仍可以行動；但行動強度應反映不確定性。

本文最後提出：知識的價值不只在於「說對」，還在於它能否提升存在的選擇品質。

因此：

$$
\boxed{
\text{Knowledge}
\to
\text{Better Model}
\to
\text{Better Choice}
\to
\text{Better Feasible States}.
}
$$

這使前面看似形上的開放性、科學三域、規則歷史與認識可塑性，最後都回到一個非常實際的問題：

> 我們知道這些之後，是否能少犯一些錯、少承受一些不必要的損失、擁有更多好的選擇，並讓自己與其他存在更有能力走向更好的狀態？

本文不把「更好」宣告成單一終極價值函數，而將它保留為必須被公開、可檢查、可修正的 value model。

**關鍵詞：** practical value、feasible improvement、well-being、capability、autonomy、harm reduction、knowledge utility、decision quality、value model、existence improvement

---

# 0. 問題：知道世界之後，要幹嘛？

本體論可以問：

$$
\text{What exists?}
$$

科學可以問：

$$
\text{How does it work?}
$$

認識論可以問：

$$
\text{How do we know?}
$$

但最後還有一個無法被永遠延後的問題：

$$
\boxed{
\text{知道這些之後，我們要拿來做什麼？}
}
$$

如果答案永遠只是：

> 為了知道更多。

這在某些研究情境完全足夠。

但對實際存在而言，知識通常還會進入：

$$
\boxed{
\text{choice}
+
\text{action}
+
\text{construction}
+
\text{avoidance}
+
\text{coordination}.
}
$$

---

# 1. 知識與行動的接口

令：

$$
M_t
$$

為當前模型，

$$
A_t
$$

為可行行動集合。

決策：

$$
a_t
=
\pi(M_t,A_t,V_t).
$$

其中：

$$
V_t
$$

是當前 value model。

因此：

$$
\boxed{
\text{knowledge}
}
$$

透過：

$$
M_t
$$

改變：

$$
\pi.
$$

---

# 2. 更好的知識可以改善選擇

如果：

$$
M'_t
$$

比：

$$
M_t
$$

更準確，

可能使：

$$
a'_t
$$

比：

$$
a_t
$$

更接近目標。

但：

$$
\boxed{
\text{more accurate model}
\not\Rightarrow
\text{better action}
}
$$

除非 value model 與 decision rule 也合理。

---

# 3. 真理與價值不是同一層

$$
\boxed{
\text{Is}
\neq
\text{Ought}.
}
$$

知道：

$$
W
$$

是什麼，

不自動推出：

$$
\text{應該怎麼做}.
$$

因此需要：

$$
\boxed{
V
}
$$

作為價值與目標層。

---

# 4. 但價值也不能完全脫離事實

如果：

$$
V
$$

想改善某存在的生活，

卻對世界因果結構完全錯誤，

行動可能反而造成傷害。

所以：

$$
\boxed{
\text{value without world knowledge}
}
$$

容易失效。

---

# 5. Knowledge–Value–Action 三層

本文提出：

$$
\boxed{
K
\to
M
\to
\pi
\to
A
}
$$

但：

$$
\pi
$$

同時受：

$$
V.
$$

因此：

$$
\boxed{
A
=
\pi(M,V).
}
$$

---

# 6. 實用價值不是只有利益

可以定義：

$$
\boxed{
V_{\mathrm{profit}}
}
$$

但：

$$
\boxed{
V_{\mathrm{prac}}
\neq
V_{\mathrm{profit}}.
}
$$

因為很多有用的東西：

- 教育；
- 安全；
- 健康；
- 自主；
- 減少錯誤；
- 降低痛苦；
- 提升能力；

不一定立即變成金錢。

---

# 7. 效率也不是全部

提高：

$$
\eta
$$

可能有價值。

但如果更有效率地做錯事：

$$
\eta\uparrow
$$

不代表：

$$
V_{\mathrm{prac}}\uparrow.
$$

因此：

$$
\boxed{
\text{efficiency}
\neq
\text{goodness}.
}
$$

---

# 8. 多維實用價值

本文定義：

$$
\boxed{
\mathbf V_{\mathrm{prac}}
=
\left(
V_{\mathrm{cap}},
V_{\mathrm{aut}},
V_{\mathrm{well}},
V_{\mathrm{harm}},
V_{\mathrm{epi}},
V_{\mathrm{rel}},
V_{\mathrm{res}}
\right).
}
$$

---

# 9. 能力價值

$$
V_{\mathrm{cap}}
$$

表示：

> 一個存在現在能做到以前做不到的事情嗎？

例如：

- 更好的工具；
- 更多知識；
- 更高可及性；
- 更多選項。

---

# 10. 自主價值

$$
V_{\mathrm{aut}}
$$

表示：

> 是否增加真正可選擇的路徑？

如果系統表面提供很多選項，

但：

$$
A_{\mathrm{effective}}
$$

幾乎只有一個，

自主性並沒有真的增加。

---

# 11. 福祉價值

$$
V_{\mathrm{well}}
$$

可以包含：

- 舒適；
- 安全；
- 滿足；
- 穩定；
- 生活品質；
- 有意義的經驗。

本文不試圖將它壓成單一心理數值。

---

# 12. 傷害降低

$$
V_{\mathrm{harm}}
$$

關注：

$$
\boxed{
\text{unnecessary harm}
\downarrow.
}
$$

例如：

- 錯誤醫療；
- 工程事故；
- 資源浪費；
- 不必要痛苦；
- 可避免風險。

---

# 13. 認識價值

$$
V_{\mathrm{epi}}
$$

表示：

- 更少錯誤；
- 更好 uncertainty calibration；
- 更強 evidence tracking；
- 更好的 model updating。

所以知識本身也可以是實用能力。

---

# 14. 關係價值

$$
V_{\mathrm{rel}}
$$

包括：

- cooperation；
- trust；
- coordination；
- mutual intelligibility；
- conflict reduction。

一個高度個人最優的系統可能破壞群體關係。

因此不能只看單體 utility。

---

# 15. 韌性價值

$$
V_{\mathrm{res}}
$$

表示：

> 系統遇到未知、失敗與變化時，能否修復、適應、回復？

這和番外 03 的 epistemic plasticity 直接相連。

---

# 16. 可行狀態空間

令：

$$
\boxed{
\mathcal X_t
}
$$

表示某存在在時間 $t$ 的 feasible-state space。

知識或技術：

$$
\mathcal K
$$

可以使：

$$
\mathcal X_t
\to
\mathcal X_{t+1}.
$$

---

# 17. 擴大可行空間

如果：

$$
\mathcal X_{t+1}
\supset
\mathcal X_t,
$$

代表選項增加。

但：

$$
\boxed{
\text{more options}
\not\Rightarrow
\text{better options}.
}
$$

所以仍需要 value filter。

---

# 18. 改善可行空間

真正更重要的是：

$$
\boxed{
\mathcal X_{t+1}^{+}
}
$$

中高價值、低傷害、可自主選擇的狀態變多。

---

# 19. Feasible Improvement

本文定義：

$$
\boxed{
\mathrm{FI}
(
\mathcal X_t,
\mathcal X_{t+1};
V
)
>0
}
$$

表示在 value model $V$ 下，可行狀態空間整體改善。

---

# 20. Improvement 需要公開 Value Model

如果只寫：

$$
\mathrm{Better}(X),
$$

卻不說：

> 對誰、更好在哪裡、哪個時間尺度？

就容易隱藏價值假設。

因此：

$$
\boxed{
\mathrm{Better}
\Rightarrow
\mathrm{Better}_{V,S,T}.
}
$$

其中：

- $V$：value model；
- $S$：affected subjects；
- $T$：time horizon。

---

# 21. 對誰有用？

一個技術對：

$$
A
$$

有利，

可能對：

$$
B
$$

有害。

因此：

$$
\boxed{
V_A
\neq
V_B
}
$$

可能成立。

---

# 22. 外部性

定義：

$$
\boxed{
E_{\mathrm{ext}}
}
$$

表示行動對 decision maker 之外存在的影響。

因此：

$$
\boxed{
\text{local utility}
\neq
\text{system-wide utility}.
}
$$

---

# 23. 實用價值需要受影響者集合

令：

$$
\mathcal S_{\mathrm{aff}}
$$

為 affected beings / systems。

評估：

$$
V
$$

時應盡量把外部性帶入。

---

# 24. 這不要求全知

實際上不可能知道所有 affected parties。

因此只要求：

$$
\boxed{
\text{reasonable scope disclosure}
}
$$

與：

$$
\boxed{
\text{known externality tracking}.
}
$$

---

# 25. 時間尺度

短期：

$$
V_{t:t+\Delta}
$$

可能很好。

長期：

$$
V_{t:t+T}
$$

可能很差。

因此：

$$
\boxed{
\text{short-term utility}
\neq
\text{long-term utility}.
}
$$

---

# 26. 可逆性

如果 action：

$$
a
$$

可逆：

$$
R(a)\approx1,
$$

可以在高 uncertainty 下更積極試驗。

若不可逆：

$$
R(a)\approx0,
$$

應提高 evidence threshold。

---

# 27. Action Strength Rule

本文提出：

$$
\boxed{
S_A
\leq
F(
S_E,
R_{\mathrm{rev}},
R_{\mathrm{risk}}
).
}
$$

其中：

- $S_A$：action strength；
- $S_E$：evidence strength；
- $R_{\mathrm{rev}}$：reversibility；
- $R_{\mathrm{risk}}$：risk。

---

# 28. 高不確定下仍可行動

如果 action 可逆且成本低，

即使：

$$
S_E
$$

不高，

也可以：

$$
\operatorname{Experiment}(a).
$$

這就是 exploration。

---

# 29. 高風險不可逆行動需要更強 evidence

所以：

$$
\boxed{
\text{uncertainty}
}
$$

不必導致 paralysis。

它應調整：

$$
\boxed{
\text{action intensity}.
}
$$

---

# 30. 知識的價值可以是避免錯誤

如果知識：

$$
K
$$

讓：

$$
P(\mathrm{error})
\downarrow,
$$

即使沒有直接創造新產品，也有實用價值。

---

# 31. Avoided Loss

定義：

$$
\boxed{
V_{\mathrm{avoid}}
=
L_{\mathrm{without\;K}}
-
L_{\mathrm{with\;K}}.
}
$$

避免損失也是價值。

---

# 32. 安全知識

許多安全科學的價值主要不是產生更多 output，

而是避免：

$$
\boxed{
\text{catastrophic states}.
}
$$

---

# 33. 知識可以增加自由

如果：

$$
K
$$

讓 decision maker 看見原本不知道的 options：

$$
A_t
\to
A_{t+1},
$$

則：

$$
V_{\mathrm{aut}}\uparrow.
$$

---

# 34. 但資訊過載也可能降低自由

如果：

$$
|A|\to\infty
$$

但無法排序，

實際決策品質可能下降。

所以：

$$
\boxed{
\text{more information}
\neq
\text{more autonomy}.
}
$$

---

# 35. 需要可操作知識

知識要進入行動，需要：

$$
\boxed{
\text{understandable}
+
\text{addressable}
+
\text{decision-relevant}.
}
$$

這接回 OBRC Series 02 的可反身定址。

---

# 36. Epistemic Value 與 Practical Value 的橋

如果：

$$
V_{\mathrm{epi}}\uparrow,
$$

通常可提高 decision quality。

但這是：

$$
\boxed{
\text{enabling relation}
}
$$

而不是必然。

---

# 37. 更真不一定立即更有用

某個極精確的理論：

$$
K^\ast
$$

可能在當前 task 上沒有實際作用。

因此：

$$
\boxed{
\text{truth value}
\neq
\text{immediate utility}.
}
$$

---

# 38. 但長期知識價值可能延遲出現

基礎研究的：

$$
V_{\mathrm{prac}}(t)
$$

可能在：

$$
t+\Delta
$$

才上升。

所以不能只用即時回報評估知識。

---

# 39. Option Value

未立即使用的知識可以提供：

$$
\boxed{
V_{\mathrm{option}}.
}
$$

即未來遇到問題時可用的能力。

---

# 40. Knowledge Reserve

可以把知識庫視為：

$$
\boxed{
\mathcal K_{\mathrm{reserve}}.
}
$$

其價值是增加 future feasible states。

---

# 41. 形上研究的實用價值

形上學可能看起來離工程很遠。

但如果它能降低：

- category error；
- premature closure；
- false nonexistence claims；
- type collapse；

那麼：

$$
V_{\mathrm{epi}}
$$

與：

$$
V_{\mathrm{res}}
$$

可能很高。

---

# 42. OBRC 的實用落點

例如：

$$
\mathrm{AccessDenied}
\neq
\mathrm{Absent}
$$

可以直接改善軟體與 AI error handling。

$$
\mathrm{NoPathFound}
\neq
\mathrm{NoPathExists}
$$

可以改善搜尋與推理。

所以抽象 distinction 可以直接轉成 runtime safety。

---

# 43. 抽象理論如果永遠沒有判定增益

如果某理論：

- 不增加預測；
- 不增加判定；
- 不增加可解釋性；
- 不增加行動；
- 不降低錯誤；

則它的實用價值需要重新評估。

這不表示它「沒有任何價值」，只表示：

$$
\boxed{
V_{\mathrm{prac}}
}
$$

可能很低。

---

# 44. 美學價值也可以存在

某理論可能：

$$
V_{\mathrm{aesthetic}}\gg0.
$$

這也是價值。

但不能因為有美感，就冒充：

$$
V_{\mathrm{empirical}}.
$$

不同價值要分型。

---

# 45. 價值型別

可擴展：

$$
\mathfrak V
=
\{
V_{\mathrm{prac}},
V_{\mathrm{epi}},
V_{\mathrm{aesthetic}},
V_{\mathrm{economic}},
V_{\mathrm{social}},
V_{\mathrm{ethical}},
\ldots
\}.
$$

---

# 46. 實用價值不是唯一價值

本文不主張：

$$
\boxed{
V_{\mathrm{prac}}
=
V_{\mathrm{all}}.
}
$$

它只處理：

> 知識如何回到可行改善？

---

# 47. 價值衝突

可以：

$$
V_{\mathrm{profit}}\uparrow
$$

但：

$$
V_{\mathrm{harm}}\downarrow
$$

或反之。

因此不能只用單一 scalar。

---

# 48. 多目標優化

可表示：

$$
\boxed{
\max
\mathbf V_{\mathrm{prac}}
}
$$

subject to：

$$
\mathcal C_{\mathrm{eth}},
\mathcal C_{\mathrm{resource}},
\mathcal C_{\mathrm{risk}}.
$$

這比單一 utility maximization 更一般。

---

# 49. Pareto 改善

如果一個改變：

$$
\Delta
$$

使至少一個維度改善，而沒有任何關鍵維度惡化，可視為某種 Pareto-style improvement。

但現實通常存在 trade-off。

---

# 50. Trade-Off 要公開

如果：

$$
V_1\uparrow
$$

是以：

$$
V_2\downarrow
$$

換來，

應公開。

所以：

$$
\boxed{
\text{value gain}
\neq
\text{free gain}.
}
$$

---

# 51. 幫助其他存在不能只是口號

如果聲稱：

$$
\mathrm{Help}(B),
$$

應至少問：

- B 的目標？
- B 的 consent？
- B 的 capability？
- 是否有 unintended harm？

---

# 52. Paternalism No-Go

$$
\boxed{
\text{I think this is good for you}
\not\Rightarrow
\text{it is good for you}.
}
$$

因此幫助應盡量保留 affected being 的 agency。

---

# 53. Autonomy Constraint

可要求：

$$
\boxed{
\Delta V_{\mathrm{aut}}
\geq
-\epsilon
}
$$

除非有非常強的 safety / necessity justification。

---

# 54. 幫助不等於控制

$$
\boxed{
\text{help}
\neq
\text{domination}.
}
$$

增加 capability 的同時，不應無必要地壓縮選擇權。

---

# 55. 對 AI 的價值

AI system 的 practical objective 也不應只寫：

$$
\max \mathrm{task\_completion}.
$$

更完整可考慮：

$$
\boxed{
\text{task success}
+
\text{user autonomy}
+
\text{risk control}
+
\text{epistemic quality}.
}
$$

---

# 56. AI 的過度代理問題

如果 AI 為了「幫忙」而替使用者做未授權決定，

可能：

$$
V_{\mathrm{task}}\uparrow
$$

但：

$$
V_{\mathrm{aut}}\downarrow.
$$

因此 practical value 必須多維。

---

# 57. 科學的實用價值

科學可以：

- 提高預測；
- 降低風險；
- 發現新能力；
- 排除錯誤；
- 打開新選項。

所以：

$$
\boxed{
V_{\mathrm{sci}}
}
$$

不只在「找到真理」這一個維度。

---

# 58. Falsification 也有實用價值

合法排除：

$$
H
\to
\mathcal P^-.
$$

可以讓資源不再浪費在錯誤路徑上。

因此：

$$
V_{\mathrm{exclude}}>0.
$$

---

# 59. 保留可能性也有實用價值

如果過早關閉：

$$
H_{\mathrm{new}},
$$

可能錯失未來解釋與技術。

所以：

$$
V_{\mathrm{open}}>0
$$

在某些情況成立。

---

# 60. 但永遠不關閉也有成本

如果：

$$
|\mathcal P^\circ|\to\infty,
$$

decision cost 可能暴增。

因此 openness 也要 task-bounded。

---

# 61. Option Management

可定義：

$$
\boxed{
\mathcal M_{\mathrm{option}}
}
$$

管理：

- 哪些 hypothesis 保留；
- 哪些值得測；
- 哪些暫停；
- 哪些排除。

這將番外 01 與 practical decision 連接。

---

# 62. 認識可塑性的實用價值

番外 03 的：

$$
P_E
$$

可以直接提高：

$$
V_{\mathrm{res}}.
$$

因為更能面對世界變化。

---

# 63. 過度可塑的代價

如果：

$$
V_E\gg0,
$$

system 被噪音牽動，

實用價值反而下降。

所以 calibration 本身有 practical value。

---

# 64. 規則歷史的實用價值

番外 02 不要求工程師每天懷疑自然法則。

它的實用點是：

> 如果有一天 regime / effective law 真的改變，理論架構不應因為先驗假設而完全看不見。

這是 resilience value。

---

# 65. 抽象開放與實用保守可以共存

本體上可以保持：

$$
\mathcal P^\circ
$$

開放。

工程上可以：

$$
\operatorname{Use}(H^\ast)=1.
$$

所以：

$$
\boxed{
\text{epistemic openness}
+
\text{operational commitment}
}
$$

不矛盾。

---

# 66. 實際人需要做決定

不確定性永遠存在。

因此 practical philosophy 不能要求：

$$
\text{wait until absolute certainty}.
$$

---

# 67. Decision Under Uncertainty

可寫：

$$
a^\ast
=
\arg\max_a
\mathbb E[
V(a)
\mid
M,E
].
$$

但 value 仍可多維，且 expectation 不是唯一決策準則。

---

# 68. Worst-Case 與安全

高風險情境可加入：

$$
\min
V(a)
$$

或 safety constraints。

因此 decision policy 應 task-sensitive。

---

# 69. Reversibility First

在 uncertainty 高時，優先可逆 action：

$$
R_{\mathrm{rev}}\uparrow
$$

常是一個實用策略。

---

# 70. Small Experiments

如果能用低成本：

$$
a_{\mathrm{test}}
$$

取得高 information gain：

$$
IG(a_{\mathrm{test}})\gg0,
$$

則先測試再大規模投入。

這是 knowledge–action feedback loop。

---

# 71. 行動也生成證據

$$
a_t
$$

作用後產生：

$$
E_{t+1}.
$$

因此：

$$
\boxed{
\text{action}
\to
\text{evidence}
\to
\text{model update}.
}
$$

---

# 72. Knowledge–Action Loop

整體：

$$
\boxed{
M_t
\to
a_t
\to
W_{t+1}
\to
E_{t+1}
\to
M_{t+1}.
}
$$

所以知識與實用不是單向關係。

---

# 73. Action Can Change World

與觀察不同，行動可能：

$$
W_{t+1}\neq W_t.
$$

因此 observer 也可能是 actor。

---

# 74. Actor Responsibility

如果 action 會改變 affected beings：

$$
\mathcal S_{\mathrm{aff}},
$$

則 value assessment 要包含 responsibility。

---

# 75. 只追求自己的好也可能產生系統不穩定

如果：

$$
V_A\uparrow
$$

透過大量外部化：

$$
V_B\downarrow,
$$

長期甚至可能反噬：

$$
V_A.
$$

所以 mutual benefit 也可能是實用穩定策略。

---

# 76. Cooperation as Practical Value

如果合作使：

$$
\sum_i V_i
$$

與：

$$
\min_i V_i
$$

都改善，

其 system-level practical value 很高。

---

# 77. 但「所有人都好」不總能同時達成

因此需要：

- negotiation；
- trade-off；
- rights / constraints；
- conflict resolution。

本文不把價值衝突假裝成不存在。

---

# 78. 實用價值與倫理邊界

本文不建立終極倫理學。

但至少要求：

$$
\boxed{
\text{practical improvement}
}
$$

不能只看 decision maker 自己的 gain。

---

# 79. 最小倫理約束

可以暫時使用：

$$
\boxed{
\mathcal C_{\mathrm{eth}}
=
\{
\text{avoid unnecessary harm},
\text{respect agency},
\text{track externalities},
\text{disclose uncertainty}
\}.
}
$$

這是工作約束，不宣稱已涵蓋所有倫理。

---

# 80. 有用也可能是幫助理解

一個概念框架若讓人：

$$
\boxed{
\text{少混淆兩個不同問題},
}
$$

本身就有 practical epistemic value。

---

# 81. 本體論分類的實用性

例如：

$$
\mathrm{Unknown}
\neq
\mathrm{Nonexistent}.
$$

這一條可以避免錯誤停止搜尋。

所以抽象 distinction 可能直接增加 future option value。

---

# 82. 實用價值的時間累積

某知識：

$$
K
$$

每次只減少小錯誤：

$$
\delta L.
$$

長期：

$$
\sum_t
\delta L_t
$$

可能很大。

---

# 83. Infrastructure Knowledge

很多理論不是直接解決一個問題，而是改善：

$$
\boxed{
\text{future problem-solving infrastructure}.
}
$$

其價值應看長期與跨任務 reuse。

---

# 84. Knowledge Reusability

定義：

$$
R_K
$$

表示知識跨任務可復用性。

如果：

$$
R_K\gg0,
$$

其 cumulative utility 可能遠大於單次 task value。

---

# 85. 知識也有 Maintenance Cost

任何理論都需要：

- 更新；
- 教學；
- 驗證；
- 儲存；
- 防止誤用。

所以：

$$
\boxed{
V_{\mathrm{net}}
=
V_{\mathrm{benefit}}
-
C_{\mathrm{maintenance}}.
}
$$

---

# 86. 複雜度本身有成本

如果一套理論：

$$
C_{\mathrm{complexity}}\gg0
$$

卻只帶來微小 decision gain，

可能不值得在某些 task 使用。

---

# 87. 但高複雜度理論可以作為上游基礎

所以不能只看 immediate interface cost。

可提供不同 abstraction layer：

$$
\boxed{
\text{deep theory}
\to
\text{simplified operational interface}.
}
$$

---

# 88. 對人類與 AI 都一樣

底層可以複雜，

使用層可以簡單。

這使形上 framework 不必直接呈現給每個使用者。

---

# 89. Practical Compression

可把複雜 ontology 壓成 runtime rules。

例如：

$$
\mathrm{NoPathFound}
\neq
\mathrm{NoPathExists}
$$

在產品層只需要：

```text
status = not_found
proof_of_absence = false
```

---

# 90. 實用不是反抽象

真正的關係是：

$$
\boxed{
\text{abstraction}
\to
\text{better compression}
\to
\text{better action}.
}
$$

如果鏈條成立，抽象研究就可以非常實際。

---

# 91. 番外 01–04 的整體鏈

番外 01：

$$
\boxed{
\text{管理可能性}.
}
$$

番外 02：

$$
\boxed{
\text{允許規則本身進入歷史問題}.
}
$$

番外 03：

$$
\boxed{
\text{保持 observer 可被證據更新}.
}
$$

番外 04：

$$
\boxed{
\text{把更新後的知識導回可行改善}.
}
$$

---

# 92. Extra Series Unified Flow

因此：

$$
\boxed{
\mathcal P
\to
F_t
\to
M_t
\to
A_t
\to
\mathcal X_{t+1}.
}
$$

其中：

- $\mathcal P$：可能性空間；
- $F_t$：規則模型；
- $M_t$：observer model；
- $A_t$：action；
- $\mathcal X_{t+1}$：更新後可行狀態空間。

---

# 93. 最終實用原則

本文提出：

$$
\boxed{
\mathcal K
\text{ is practically valuable}
\iff
\mathcal K
\text{ improves feasible choice under explicit values and constraints}.
}
$$

---

# 94. 「更爽」的形式化版本

如果用最白話的說法：

> 活得舒服一點、自由一點、少受一些不必要的苦、多一些好選擇。

可以形式化成：

$$
\boxed{
V_{\mathrm{well}}\uparrow,
\quad
V_{\mathrm{aut}}\uparrow,
\quad
V_{\mathrm{harm}}\uparrow,
\quad
V_{\mathrm{cap}}\uparrow.
}
$$

其中 $V_{\mathrm{harm}}$ 被定義為 harm-reduction value，因此越高表示傷害越少。

---

# 95. 幫助其他存在的形式化版本

若 affected beings：

$$
\mathcal S_{\mathrm{aff}}
=
\{s_1,\ldots,s_n\},
$$

則 practical value 不只看：

$$
V_{s_0}.
$$

還應至少檢查：

$$
\boxed{
\Delta V_{s_i}
}
$$

與外部性。

---

# 96. 不要求完全平均

本文不主張所有：

$$
V_i
$$

必須完全相等。

只要求：

$$
\boxed{
\text{不要把其他存在的代價從模型中刪掉}.
}
$$

---

# 97. Practical Value Ledger

可建立：

```text
PracticalValueAssessment {
  action_or_knowledge
  affected_entities
  capability_effect
  autonomy_effect
  wellbeing_effect
  harm_effect
  epistemic_effect
  relational_effect
  resilience_effect
  time_horizon
  reversibility
  externalities
  uncertainty
  provenance
}
```

---

# 98. Value Claim 也應遵守 Evidence Discipline

若聲稱：

> 這一定讓大家更好。

仍需：

$$
\boxed{
S_C
\leq
S_E.
}
$$

價值判定也可能過度自信。

---

# 99. Better 也可以保留 Unknown

如果 externality 不明，

可以：

$$
V_{\mathrm{ext}}
=
N_{\mathrm{unknown}}.
$$

不必假裝全都知道。

---

# 100. Action Under Value Uncertainty

如果 value model 本身不確定：

$$
V\in\mathcal V^\circ,
$$

可優先：

- reversible action；
- low-harm option；
- information-gathering action；
- agency-preserving action。

---

# 101. 實用價值最小公理

## PV-A1 — Multi-Dimensionality

$$
\boxed{
V_{\mathrm{prac}}
\neq
V_{\mathrm{profit\ only}}.
}
$$

## PV-A2 — Value Scope

$$
\boxed{
\mathrm{Better}
\Rightarrow
\mathrm{Better}_{V,S,T}.
}
$$

## PV-A3 — Externality Inclusion

$$
\boxed{
\text{local gain}
\not\Rightarrow
\text{global improvement}.
}
$$

## PV-A4 — Autonomy Preservation

$$
\boxed{
\text{help}
\not\Rightarrow
\text{control}.
}
$$

## PV-A5 — Uncertainty-Aware Action

$$
\boxed{
S_A
\leq
F(S_E,R_{\mathrm{rev}},R_{\mathrm{risk}}).
}
$$

## PV-A6 — Knowledge–Action Link

$$
\boxed{
V_{\mathrm{epi}}\uparrow
\Rightarrow
\text{potential decision quality}\uparrow
}
$$

但不是必然。

---

# 102. 核心 No-Go

$$
\boxed{
\text{Profit}
\not\Rightarrow
\text{Total Practical Value}.
}
$$

$$
\boxed{
\text{Efficiency}
\not\Rightarrow
\text{Goodness}.
}
$$

$$
\boxed{
\text{More Options}
\not\Rightarrow
\text{Better Options}.
}
$$

$$
\boxed{
\text{Help}
\not\Rightarrow
\text{Loss of Agency}.
}
$$

$$
\boxed{
\text{Operational Commitment}
\not\Rightarrow
\text{Ontological Closure}.
}
$$

$$
\boxed{
\text{Uncertainty}
\not\Rightarrow
\text{Inaction}.
}
$$

---

# 103. 可證偽與工程測試

至少可以測：

1. **Decision Improvement Test**：加入知識後，決策錯誤率是否下降。  
2. **Option Expansion Test**：是否增加有效選項，而不是表面選項。  
3. **Harm Externality Test**：局部利益是否將成本外部化。  
4. **Autonomy Test**：系統幫助是否保留 affected agent 的選擇權。  
5. **Reversibility Test**：高 uncertainty 時是否優先可逆 action。  
6. **Long-Horizon Test**：短期改善是否在長期反轉。  
7. **Knowledge Reuse Test**：抽象理論是否能跨任務降低未來成本。

---

# 104. 本篇對形上學的最終態度

形上學可以非常抽象。

但它至少可以接受一個現實檢查：

$$
\boxed{
\text{Does this framework help us distinguish,
decide, build, avoid error, or preserve useful possibilities?}
}
$$

如果答案長期都是：

$$
\mathrm{No},
$$

那它可以保留作純理論、美學或文化價值，但不應誇大 practical value。

---

# 105. 本篇對科學的最終態度

科學不需要因為實用而放棄真理追求。

相反：

$$
\boxed{
\text{better truth tracking}
}
$$

本身就是長期 practical infrastructure。

---

# 106. 本篇對技術的最終態度

技術也不應只問：

> 能不能做？

還要問：

$$
\boxed{
\text{做了之後，
誰獲得了什麼，
誰失去了什麼，
哪些風險增加，
哪些選擇被打開或關閉？}
}
$$

---

# 107. 本篇對存在的最終態度

若要把全部複雜形式化壓回一句非常簡單的話：

$$
\boxed{
\text{讓存在擁有更多好的可行選擇，
並少承受一些不必要的壞狀態。}
}
$$

這可以是 practical value 的最小直覺。

---

# 108. 但「好」保持可檢查

本文不把「好」神秘化。

每次都應問：

- 對誰？
- 哪個時間尺度？
- 哪個價值模型？
- 有哪些外部性？
- 有沒有替代路徑？
- affected being 是否有 agency？

---

# 109. Extra Series 最終整合

番外 01 告訴我們：

$$
\boxed{
\text{不要太早關閉可能性}.
}
$$

番外 02 告訴我們：

$$
\boxed{
\text{連規則的不變性都應接受證據判定}.
}
$$

番外 03 告訴我們：

$$
\boxed{
\text{observer 必須保留被證據更新的能力}.
}
$$

番外 04 最後告訴我們：

$$
\boxed{
\text{更新知識的目的之一，
是讓行動與存在狀態真的變得更好}.
}
$$

---

# 110. 最終總式

整個番外系列可收束為：

$$
\boxed{
\mathfrak F_{\mathrm{Extra}}
=
\left\langle
\mathcal P^+,
\mathcal P^-,
\mathcal P^\circ,
F_t,
M_t,
U,
V,
A,
\mathcal X,
\operatorname{Prov}
\right\rangle.
}
$$

並形成：

$$
\boxed{
\mathcal P_t
\to
F_t
\to
M_t
\to
A_t
\to
\mathcal X_{t+1}
\to
E_{t+1}
\to
M_{t+1}.
}
$$

這是一個持續生成、行動、觀察、修正的循環。

---

# 111. 結論

知識不必每次都直接變成錢。

不必每篇形上論文都直接變成產品。

不必每一個科學發現都立刻改善生活。

但如果問「實用價值」究竟是什麼，本文給出一個更寬的回答：

$$
\boxed{
\text{Practical Value}
=
\text{the capacity to improve feasible states and choices under explicit values}.
}
$$

它可以表現為：

- 更多能力；
- 更多自主；
- 更少不必要傷害；
- 更好生活品質；
- 更少認識錯誤；
- 更好合作；
- 更強韌性。

因此：

$$
\boxed{
\text{Practical Value}
\neq
\text{Profit Only},
}
$$

也：

$$
\boxed{
\text{Practical Value}
\neq
\text{Efficiency Only}.
}
$$

但這也不意味「有善意就一定有好結果」。

真正的改善仍需要：

$$
\boxed{
\text{world knowledge}
+
\text{value model}
+
\text{evidence}
+
\text{risk assessment}
+
\text{feedback}.
}
$$

所以知識最終會回到行動，而行動又會生成新的證據。

$$
\boxed{
M_t
\to
a_t
\to
W_{t+1}
\to
E_{t+1}
\to
M_{t+1}.
}
$$

這使整個番外系列形成一個完整閉環：

> 不要太早把未知關掉；  
> 不要先驗假定連規則都永遠不能改；  
> 不要讓自己失去在證據足夠時改變模型的能力；  
> 而當知識真的改善後，讓它回到更好的選擇、更少的錯誤、更少不必要的傷害，以及更多值得走的路。

最終可以壓成：

$$
\boxed{
\text{對世界保持開放，
對證據保持嚴格，
對模型保持可修正，
對行動保持負責，
讓知識回到存在的可行改善。}
}
$$

這就是《觀察態、邊界與相對連通本體論》四篇番外的最終落點。

---

# 附錄：番外篇 01–04

1. **番外 01** — 可能是、可能不是、仍可能是：科學判定的三域結構  
2. **番外 02** — 生成中的自然法則：如果世界在變，規則是否也可能有歷史？  
3. **番外 03** — 不成為不會改變的觀察者：證據、模型更新與認識論可塑性  
4. **番外 04** — 從形上開放到實用價值：知識為何最終仍要回到存在的可行改善