# FF04｜神壇的半衰期：科技英雄、歷史成就與文化顯著性的分離
## The Half-Life of the Pedestal: Technology Heroes, Historical Achievement, and Cultural Salience

**定位：** Future Foundations / Independent Foundation Paper 04  
**作者：** Neo.K  
**研究協作：** Aletheia（GPT-5.6 Sol）  
**機構：** EveMissLab／一言諾科技有限公司  
**版本：** v0.1  
**日期：** 2026-09-07  
**狀態：** Canonical Source / UTF-8 Markdown  
**文件性質：** Historical Epistemology / Public Figures / Myth Dynamics / Technology Culture

---

## Canonical Source Note

本文件之正式原稿為此 UTF-8 Markdown source。任何 HTML、PDF、LaTeX rendering、聊天介面顯示或其他格式皆屬 projection，不取代 canonical source。

數學公式 canonical delimiter 僅使用：

- inline math：` $...$ `
- display math：`$$...$$`

本篇承接 FF03 對高影響力人物、預測責任與 Promise Debt 的討論，但將研究焦點從「一句預測如何改變世界」轉向另一個更長時間尺度的問題：

> **一個人在當代被視為英雄、天才、救世主或時代象徵，與他在數十年後仍具有相同文化重量，是不是同一件事？**

本文回答：

$$
\boxed{
\text{Historical Achievement}
\neq
\text{Myth Persistence}
\neq
\text{Cultural Salience}.
}
$$

---

# 摘要

科技史與企業史中，某些人物在特定時期會被高度神化。

他們可能同時被視為：

- 創新者；
- 天才；
- 時代代表；
- 未來預言者；
- 企業英雄；
- 文明轉折點。

但人物的「神壇地位」並不是歷史成就的固定函數。

本文首先區分三個量：

$$
\boxed{
A_H
=
\text{Historical Achievement},
}
$$

$$
\boxed{
M_P
=
\text{Mythic Persistence},
}
$$

以及：

$$
\boxed{
S_C
=
\text{Cultural Salience}.
}
$$

其中：

- $A_H$ 表示一個人物對技術、制度、產業或社會實際留下的可追蹤影響；
- $M_P$ 表示社會敘事中「英雄／天才／神話」形象的持續程度；
- $S_C$ 表示一個人物在當代公共注意力中的顯著程度。

因此可能出現：

$$
A_H\gg0,
\qquad
M_P\downarrow,
\qquad
S_C\downarrow.
$$

也就是：

> 成就仍然巨大，但神話與當代注意力逐漸退潮。

本文將這種現象稱為：

$$
\boxed{
\text{Myth Half-Life}.
}
$$

定義一個概念函數：

$$
\boxed{
M_p(t)
=
F(
A,
N,
S,
C,
R,
G,
O
).
}
$$

其中：

- $A$：achievement persistence；
- $N$：narrative strength；
- $S$：current salience；
- $C$：controversy accumulation；
- $R$：replacement by newer figures；
- $G$：generational turnover；
- $O$：open-world reassessment。

人物神話並不必然因時間下降，但若沒有持續性的文化再生產，通常會發生：

$$
\boxed{
S_C(t)\downarrow.
}
$$

本文特別提出兩種不同的人物歷史形態：

$$
\boxed{
\text{Narrative Closure}
}
$$

與：

$$
\boxed{
\text{Open-World Reassessment}.
}
$$

**Narrative Closure** 指人物故事在一個高度戲劇化且易於記憶的節點結束，後續不再產生新的公共行為。這會使社會較容易把人物固定成單一敘事。

**Open-World Reassessment** 則指人物長期存活、持續公開行動、持續產生新成就、新失敗、新爭議、新角色，導致其 public identity 不斷更新。

因此：

$$
\boxed{
I_p(t)
\neq
I_p(t+\Delta).
}
$$

一個活著的高影響力人物，本質上是一個：

$$
\boxed{
\text{Open Historical Object}.
}
$$

而不是已完成的傳記。

本文以科技史中常被對比的 Steve Jobs 與 Bill Gates 作為人物類型例子。

本文不判定兩人誰「更偉大」，而是指出：

- Jobs 的公共敘事具有較強的 narrative closure；
- Gates 的公共身份則長期經歷科技企業家、壟斷爭議、慈善、全球公共議題與私人爭議等多次重新投影。

因此：

$$
\boxed{
\text{Narrative Closure}
\neq
\text{Open-World Identity Evolution}.
}
$$

而對仍處於高度 active public phase 的人物，例如 Elon Musk，人物歷史狀態甚至更不穩定。

其公共評價同時受：

- 企業成果；
- 預測紀錄；
- 政治發言；
- 產品成功／失敗；
- 社群平台行為；
- 公眾情緒；
- 新世代人物競爭；

持續更新。

因此今天的「神壇」並不能直接外推為：

$$
\boxed{
\text{Permanent Historical Centrality}.
}
$$

本文提出：

$$
\boxed{
\text{Current Salience}
\neq
\text{Historical Magnitude}.
}
$$

並且反向：

$$
\boxed{
\text{Historical Magnitude}
\neq
\text{Permanent Cultural Salience}.
}
$$

這一分離非常重要。

人類很容易因為活在某個時代中，而將當下注意力的密度誤認為永久歷史重量。

本文稱其為：

$$
\boxed{
\text{Present-Salience Bias}.
}
$$

可寫成：

$$
\boxed{
B_{present}
=
PerceivedImportance_t
-
LongRunHistoricalImportance.
}
$$

當一個人物出現在：

- 每日新聞；
- 社群媒體；
- 產品發布；
- 政治辯論；
- 資本市場；

中時， $B_{present}$ 很容易升高。

但幾十年後，新世代只會保留部分 historical residue。

本文進一步提出 **Hero Projection Compression**：

$$
\boxed{
\mathbf C_p
=
(
Vision,
Execution,
Capital,
TechnicalJudgment,
ForecastCalibration,
Governance,
SocialJudgment,
Ethics,
Communication
).
}
$$

社會往往把這個能力向量壓成：

$$
\boxed{
Genius=1.
}
$$

或者：

$$
\boxed{
Villain=1.
}
$$

這兩種都是低解析度投影。

因此：

$$
\boxed{
\text{Achievement in }D_i
\not\Rightarrow
\text{Authority in }D_j.
}
$$

一個人在產品、工程或資本動員領域成功，不自動推出他在：

- 政治；
- 醫療；
- AI 安全；
- 歷史；
- 宏觀未來學；

中的判斷具有相同 authority。

本文將把成就光環跨域擴張稱為：

$$
\boxed{
\text{Heroic Authority Spillover}.
}
$$

本文再提出 **Myth Persistence Function**：

$$
\boxed{
M_p(t+\Delta)
=
M_p(t)
+
R_N
-
D_G
-
D_C
-
D_R
+
R_H.
}
$$

其中：

- $R_N$：narrative reproduction；
- $D_G$：generational decay；
- $D_C$：controversy decay / reassessment；
- $D_R$：replacement by newer narratives；
- $R_H$：historical institutionalization。

若人物被：

- 教科書；
- 電影；
- 紀念館；
- 品牌；
- 企業文化；
- 政治運動；

持續再生產， $R_H$ 可以很高。

所以人物神話不一定自然消失。

但它會從：

$$
\boxed{
\text{Living Myth}
}
$$

逐漸轉成：

$$
\boxed{
\text{Historical Symbol}.
}
$$

這兩者是不同 cultural state。

本文亦定義 **Myth Half-Life**：

若：

$$
M_p(t_0)=M_0,
$$

則神話半衰期 $T_{1/2}^{myth}$ 是使：

$$
M_p(t_0+T_{1/2}^{myth})
=
\frac{1}{2}M_0
$$

的概念時間尺度。

這不是要求社會學真的以單一指數衰減，而是一個可用於比較文化顯著性的操作隱喻。

本文進一步提出四個分離：

$$
\boxed{
\text{Achievement}
\neq
\text{Attention}
\neq
\text{Admiration}
\neq
\text{Myth}.
}
$$

某人物可以：

- 成就很高；
- 當代 attention 很低；
- 評價高度兩極；
- 卻仍是重要歷史節點。

因此人物研究不能只用：

> 現在大家還討不討論他？

判定其歷史價值。

本文同時提出 **Narrative Freeze Effect**：

如果人物在高度戲劇化高光節點退出歷史舞台，其 public narrative 可能因缺乏後續 contradictory evidence 而被固定。

$$
\boxed{
\text{Narrative Closure}
\rightarrow
\text{Lower Future Identity Drift}.
}
$$

相反，一個長期存活人物：

$$
\boxed{
\text{Long Public Life}
\rightarrow
\text{More Identity Revision Opportunities}.
}
$$

這不代表長壽者必然「跌下神壇」。

只是：

> 他必須持續接受新的世界狀態對既有神話的重新驗證。

本文最後提出：

$$
\boxed{
\text{Historical Judgment}
=
\text{long-horizon integration of achievements,
failures, context, causality, and narrative distortion}.
}
$$

所以真正成熟的人物研究，不應只問：

> 他是不是天才？

而應問：

> **他在哪些 domain 真正產生不可忽視的因果貢獻？哪些成就來自組織？哪些神話來自敘事？哪些評價只是當代注意力？哪些部分經過幾十年後仍然站得住？**

**關鍵詞：** Myth Half-Life、Technology Heroes、Historical Salience、Narrative Closure、Open-World Reassessment、Present-Salience Bias、Heroic Authority Spillover、Historical Judgment

---

# 1. 神話、成就與注意力是三個不同東西

本文首先定義：

$$
A_H
=
\text{Historical Achievement}.
$$

---

# 2. Mythic Persistence

$$
M_P
=
\text{Mythic Persistence}.
$$

---

# 3. Cultural Salience

$$
S_C
=
\text{Cultural Salience}.
$$

---

# 4. 三者不必同步

可能：

$$
A_H\uparrow,
$$

但：

$$
S_C\downarrow.
$$

---

# 5. 例

某項技術基礎至今影響巨大，

但一般人已很少談論其創始人物。

---

# 6. 所以：

$$
\boxed{
\text{being forgotten}
\neq
\text{having been unimportant}.
}
$$

---

# 7. 反過來

$$
S_C\uparrow
$$

也不代表：

$$
A_H\uparrow.
$$

---

# 8. 當代流量可以非常高

但歷史殘留有限。

---

# 9. Current Salience Bias

定義：

$$
\boxed{
B_{present}
=
PerceivedImportance_t
-
LongRunHistoricalImportance.
}
$$

---

# 10. 當代人最容易高估當代人物

因為他們佔據：

- news；
- feeds；
- markets；
- conversation。

---

# 11. 這是一種 observer-position bias

---

# 12. 未來世代會重新壓縮

今天數千個細節，

未來可能只剩：

- 一兩個產品；
- 一兩個企業；
- 一兩場爭議；
- 一個象徵性故事。

---

# 13. Historical Compression

$$
\boxed{
\Pi_H:
\text{rich contemporary person-state}
\rightarrow
\text{historical symbol}.
}
$$

---

# 14. 這會丟掉大量細節

---

# 15. 因此歷史人物是壓縮 object

---

# 16. Narrative Closure

如果人物生命／公共角色在戲劇性節點結束：

$$
\boxed{
\text{Narrative Closure}.
}
$$

---

# 17. Closure 的效果

後續不再出現新的：

- 發言；
- 失敗；
- 爭議；
- 成功；
- 政策立場。

---

# 18. 所以 public identity drift 降低

---

# 19. Frozen Projection

$$
\boxed{
I_p(t>\tau)
\approx
I_p(\tau)
+
HistoricalReinterpretation.
}
$$

---

# 20. 這不是完全凍結

因為歷史研究仍會重新解釋。

---

# 21. 但人物自己不再產生新 action。

---

# 22. Open-World Reassessment

活著且活躍的人物：

$$
\boxed{
I_p(t+1)
=
Update(
I_p(t),
Action_{t+1}
).
}
$$

---

# 23. 每一天都可能改寫人物模型。

---

# 24. 所以：

$$
\boxed{
\text{living public figure}
=
\text{open historical object}.
}
$$

---

# 25. 活得越久

不是神話一定越弱。

---

# 26. 而是：

$$
\boxed{
\text{number of reassessment opportunities}\uparrow.
}
$$

---

# 27. Narrative Closure Advantage

對 myth stability 而言，

closure 有結構優勢。

---

# 28. 不代表死亡是「優勢」

而是：

$$
\boxed{
\text{fewer future contradiction channels}.
}
$$

---

# 29. Steve Jobs 作為類型案例

本文不判斷 Jobs 的人格。

---

# 30. 只觀察其公共敘事結構：

- 早期崛起；
- 被逐出；
- 回歸；
- Apple 復興；
- iPhone 時代；
- 生命結束。

---

# 31. 這形成高度敘事化 arc

$$
\boxed{
Rise
\rightarrow
Fall
\rightarrow
Return
\rightarrow
Triumph
\rightarrow
Closure.
}
$$

---

# 32. 這種結構很容易被文化記憶保存。

---

# 33. Heroic Arc Compression

多年的複雜人生被壓成：

$$
\boxed{
\text{returning visionary hero}.
}
$$

---

# 34. 這不代表壓縮完全準確。

---

# 35. 但 narrative strength 很高。

---

# 36. Bill Gates 作為另一類型

Gates 的公共身份長期持續變化。

---

# 37. 可粗分：

$$
\boxed{
TechFounder
\rightarrow
BusinessPower
\rightarrow
PublicControversy
\rightarrow
Philanthropy
\rightarrow
GlobalPublicFigure
\rightarrow
Reassessment.
}
$$

---

# 38. 同一人物被不同世代看到的版本不同。

---

# 39. 所以：

$$
\boxed{
I_{Gates}(1998)
\neq
I_{Gates}(2026).
}
$$

---

# 40. Open Identity Evolution

這就是：

$$
\boxed{
\text{Open-World Reassessment}.
}
$$

---

# 41. 這種人物不容易有單一 closed myth。

---

# 42. 但可能形成多層 historical identity。

---

# 43. Multiple Historical Projections

$$
\boxed{
\Pi_1(p),
\Pi_2(p),
\ldots,
\Pi_n(p).
}
$$

---

# 44. 不同世代甚至可能彼此矛盾。

---

# 45. Elon Musk 類型

仍然處於高度 active public phase。

---

# 46. 因此：

$$
\boxed{
Var(I_p(t))
}
$$

可能高。

---

# 47. 公共評價可受新事件快速改寫。

---

# 48. 不能把今天狀態當歷史終值。

---

# 49. 所以：

$$
\boxed{
\text{Current Hero Status}
\not\Rightarrow
\text{Permanent Historical Hero Status}.
}
$$

---

# 50. 同樣：

$$
\boxed{
\text{Current Controversy}
\not\Rightarrow
\text{Permanent Historical Villain Status}.
}
$$

---

# 51. 歷史需要更長 integration window。

---

# 52. Myth Function

本文定義：

$$
\boxed{
M_p(t)
=
F(
A,
N,
S,
C,
R,
G,
O
).
}
$$

---

# 53. Achievement $A$

真實留下多少 structural effect。

---

# 54. Narrative $N$

人物故事是否好記、戲劇化、可複述。

---

# 55. Salience $S$

當代曝光。

---

# 56. Controversy $C$

新爭議如何改寫 projection。

---

# 57. Replacement $R$

新人物是否取代文化注意力。

---

# 58. Generational Turnover $G$

新世代是否仍共享原時代情感。

---

# 59. Open Reassessment $O$

人物是否繼續產生新 evidence。

---

# 60. Myth Half-Life

概念定義：

$$
M_p(t_0+T_{1/2}^{myth})
=
\frac{1}{2}M_p(t_0).
$$

---

# 61. 不是聲稱必然指數衰減。

---

# 62. 它是一個比較概念。

---

# 63. 有些神話半衰期非常長

例如：

- 宗教；
- 國族；
- 革命；
- 戰爭英雄。

---

# 64. 因為有 institution reproduction。

---

# 65. Technology Hero 的神話

通常更依賴：

- 產品；
- 企業；
- 產業史；
- 媒體；
- 教育。

---

# 66. 當產品世代更新

人物 myth 可能加速歷史化。

---

# 67. Myth Reproduction

$$
\boxed{
R_N
=
F(
Education,
Media,
Brand,
Ritual,
Institution,
Community
).
}
$$

---

# 68. 如果 Apple 持續再講 Jobs

Jobs myth 得到 reproduction。

---

# 69. 如果 Microsoft 不再以 Gates 為核心品牌

Gates 的企業神話 salience 可以下降。

---

# 70. 這不是成就差異。

---

# 71. 是 narrative reproduction 差異。

---

# 72. Living Myth vs Historical Symbol

$$
\boxed{
\text{Living Myth}
\neq
\text{Historical Symbol}.
}
$$

---

# 73. Living Myth

仍影響當代：

- 消費；
- 投資；
- 政治；
- 人才。

---

# 74. Historical Symbol

更多是：

- 教育；
- 紀念；
- 歷史比較。

---

# 75. Transition

$$
\boxed{
LivingMyth
\rightarrow
HistoricalSymbol.
}
$$

---

# 76. 這就是「時代的眼淚」的一種形式。

---

# 77. Generational Emotional Decay

當新世代沒有親身經歷：

- Windows 95；
- iPod；
- first iPhone；
- dot-com era；

情緒重量下降。

---

# 78. Historical Knowledge 仍可存在

但：

$$
\boxed{
\text{knowledge}
\neq
\text{lived salience}.
}
$$

---

# 79. Lived Salience

$$
\boxed{
S_L.
}
$$

---

# 80. 新世代的 $S_L$ 接近 0

並不代表不知道人物。

---

# 81. 他們只是沒有經歷 shock。

---

# 82. Technology Shock Memory

某產品第一次出現時：

$$
Shock_t\gg0.
$$

---

# 83. 20 年後變成日常基礎設施：

$$
Shock_{t+20}\approx0.
$$

---

# 84. 於是創始人物的神話也可能下降。

---

# 85. Hero Vector

人物不應被壓成 scalar。

---

# 86. 定義：

$$
\boxed{
\mathbf C_p
=
(
Vision,
Execution,
Capital,
TechnicalJudgment,
ForecastCalibration,
Governance,
SocialJudgment,
Ethics,
Communication
).
}
$$

---

# 87. 每一維不同。

---

# 88. Vision 高

不代表 ForecastCalibration 高。

---

# 89. Execution 高

不代表 Governance 高。

---

# 90. Capital 高

不代表 Ethics 高。

---

# 91. 但神話會做 scalar compression

$$
\boxed{
\mathbf C_p
\rightarrow
Genius.
}
$$

---

# 92. 或：

$$
\mathbf C_p
\rightarrow
Villain.
$$

---

# 93. 兩者都可能失真。

---

# 94. Heroic Authority Spillover

成功於：

$$
D_i
$$

後，社會把 authority 投影到：

$$
D_j.
$$

---

# 95. 定義：

$$
\boxed{
S_A(i\rightarrow j)
=
Authority_j^{perceived}
-
Authority_j^{supported}.
}
$$

---

# 96. 若：

$$
S_A\gg0,
$$

跨域權威被高估。

---

# 97. 例

科技成功不自動推出：

- 政治判斷；
- 醫療判斷；
- 宏觀預測；

同等優秀。

---

# 98. 這與 FF03 的 source halo 接軌。

---

# 99. Achievement Halo

$$
\boxed{
H_A
=
F(
Fame,
Wealth,
Success,
MediaNarrative
).
}
$$

---

# 100. Halo 會提高別人對新 claim 的 prior。

---

# 101. 這可以合理

因為過去成功是 evidence。

---

# 102. 但不能無限跨 domain。

---

# 103. Domain-Limited Reputation

更合理：

$$
\boxed{
Rep_p(D_i).
}
$$

---

# 104. 人物聲望應是 vector。

---

# 105. Myth vs Causal Contribution

人物神話常把組織成就全部歸給 founder。

---

# 106. 但企業成果通常是：

$$
\boxed{
Outcome
=
Founder
+
Team
+
Capital
+
Institutions
+
Technology
+
Timing
+
Luck.
}
$$

---

# 107. 所以：

$$
\boxed{
\text{Company Achievement}
\neq
\text{Founder Achievement}.
}
$$

---

# 108. 但也不能反過來說 founder 沒有作用。

---

# 109. 需要 causal attribution。

---

# 110. Counterfactual Contribution

定義：

$$
\boxed{
\Delta_p
=
Outcome_{with\ p}
-
Outcome_{counterfactual\ without\ p}.
}
$$

---

# 111. 第二項通常不可觀察。

---

# 112. 所以「不可替代」是極強 claim。

---

# 113. Important Contributor

比：

$$
\text{Irreplaceable Genius}
$$

弱，但通常更可支持。

---

# 114. Historical Causal Modesty

成熟研究應允許：

> 很重要，但不知道是否不可替代。

---

# 115. Myth 會討厭這種中間答案

因為不夠戲劇化。

---

# 116. But History Needs It

---

# 117. Narrative Simplification

英雄故事需要：

- 主角；
- 敵人；
- 轉折；
- 勝利。

---

# 118. 真實企業史則是 high-dimensional network。

---

# 119. Hero Story Compression Ratio

可定義：

$$
\boxed{
CR_H
=
\frac{
Complexity(RealCausalNetwork)
}{
Complexity(HeroNarrative)+\epsilon
}.
}
$$

---

# 120. 高 $CR_H$

容易產生神話。

---

# 121. 神話不一定是謊言

---

# 122. 它可能是真實的高壓縮版本。

---

# 123. 但會丟掉：

- 團隊；
- 制度；
- 競爭者；
- 時代條件。

---

# 124. Historical Decompression

因此人物研究需要：

$$
\boxed{
HeroNarrative
\rightarrow
CausalNetwork.
}
$$

---

# 125. 這與 FF01 的箭頭解壓同構。

---

# 126. Myth Persistence Equation

概念式：

$$
\boxed{
M_p(t+\Delta)
=
M_p(t)
+
R_N
+
R_H
-
D_G
-
D_C
-
D_R.
}
$$

---

# 127. $R_N$

敘事再生產。

---

# 128. $R_H$

歷史制度化。

---

# 129. $D_G$

世代衰減。

---

# 130. $D_C$

爭議／重估帶來的神話削弱。

---

# 131. $D_R$

新英雄替代。

---

# 132. 這不是必然單調下降。

---

# 133. Myth Revival

某部電影、紀念日、新技術復古，都可能：

$$
M_p(t+\Delta)>M_p(t).
$$

---

# 134. 所以神話會週期性復興。

---

# 135. Historical Reactivation

新時代遇到類似問題時，

舊人物可能被重新召回。

---

# 136. 例

AI 時代可能重新討論：

- Jobs 的產品哲學；
- Gates 的平台控制；
- 早期網路人物。

---

# 137. 這是：

$$
\boxed{
\text{Contextual Myth Reactivation}.
}
$$

---

# 138. Myth Half-Life 因此不是單純衰減函數。

---

# 139. 更像 stochastic cultural process。

---

# 140. Public Identity States

本文提出：

$$
\boxed{
I_p
\in
\{
ActiveHero,
ContestedHero,
HistoricalHero,
HistoricalActor,
Symbol,
Footnote
\}.
}
$$

---

# 141. Active Hero

仍高度影響當代。

---

# 142. Contested Hero

成就與爭議同時高。

---

# 143. Historical Hero

主要存在於歷史敘事。

---

# 144. Historical Actor

去神化後，作為重要因果節點。

---

# 145. Symbol

成為少數概念代稱。

---

# 146. Footnote

只在專業史中被記得。

---

# 147. 一個人可能在不同社群處於不同 state。

---

# 148. 所以：

$$
\boxed{
I_p^{community_1}
\neq
I_p^{community_2}.
}
$$

---

# 149. Developer Community

可能更重視 technical contribution。

---

# 150. General Public

可能只保留 iconic narrative。

---

# 151. Political Community

可能保留另一套 projection。

---

# 152. Myth is Observer-Relative

$$
\boxed{
M_p=M_p(O,t,C).
}
$$

---

# 153. 所以沒有唯一「社會記憶」。

---

# 154. Historical Canonization

某些人物進入正式 curriculum。

---

# 155. Canonization 會提高：

$$
R_H.
$$

---

# 156. 但 curriculum 也會更新。

---

# 157. New Technology Generations

當新的創業者出現：

$$
R
$$

提高。

---

# 158. 新世代會問：

> 為什麼我要把上一代 founder 當神？

---

# 159. 這是正常權威再分配。

---

# 160. Myth Fatigue

過度宣傳也可能造成：

$$
\boxed{
F_M.
}
$$

---

# 161. 人們對英雄故事感到疲倦。

---

# 162. 與 FF03 Prediction Fatigue 類似。

---

# 163. Hero Saturation

當所有媒體都說：

> 天才、改變世界、顛覆者。

這些詞的信息量下降。

---

# 164. Semantic Inflation

$$
\boxed{
\text{Genius Label Frequency}\uparrow
\Rightarrow
\text{Label Information}\downarrow.
}
$$

---

# 165. AI 時代可能加速這件事

因為更多人能快速產出：

- 產品；
- 研究；
- 內容。

---

# 166. 傳統「單一偉人」敘事可能進一步被稀釋。

---

# 167. Distributed Achievement

未來很多重大成果可能來自：

$$
\boxed{
Human
+
AI
+
Team
+
OpenSource
+
Infrastructure.
}
$$

---

# 168. Hero Attribution 會更困難。

---

# 169. AI Co-Creation Problem

如果一個成果由：

- founder；
- AI agent fleet；
- 開源社群；
- 模型供應商；

共同產生，

單一英雄神話更難維持。

---

# 170. 因此：

$$
\boxed{
\text{AI Era}
\rightarrow
\text{Causal Attribution Diffusion}.
}
$$

---

# 171. 也可能反而產生更強神話

---

# 172. 因為公眾仍喜歡一張臉代表複雜系統。

---

# 173. Representation Convenience

$$
\boxed{
\text{one face}
<
\text{one causal graph}
}
$$

在認知成本上。

---

# 174. 所以 hero myth 不會消失。

---

# 175. 只是應該被更高解析度研究。

---

# 176. Heroic Causal Compression

$$
\boxed{
\mathsf{HC}
:
CausalNetwork
\rightarrow
PersonSymbol.
}
$$

---

# 177. 這是人類文化長期機制。

---

# 178. Historical Re-expansion

學術研究再把：

$$
PersonSymbol
\rightarrow
CausalNetwork.
$$

---

# 179. 文化與歷史學在做相反方向。

---

# 180. Narrative Closure vs Moral Closure

人物故事結束，不代表道德評價結束。

---

# 181. 新文件、新研究可改變歷史看法。

---

# 182. 所以 closure 只降低 action update，

不消除 evidence update。

---

# 183. Dead Actor / Living Evidence

$$
\boxed{
Action_{new}=0
}
$$

但：

$$
Evidence_{new}>0
$$

仍可存在。

---

# 184. 因此歷史不會真正 frozen。

---

# 185. 但相對 living figure，變動幅度較小。

---

# 186. Myth Stabilization

可定義：

$$
\boxed{
S_M
=
1-Var(M_p(t)).
}
$$

---

# 187. Narrative closure 通常提高 $S_M$。

---

# 188. Long Active Life 可能降低 $S_M$。

---

# 189. 但也可能靠持續成功提高 myth mean。

---

# 190. 所以 longevity 有雙向效應。

---

# 191. 長壽與 FF05 的橋

如果未來人物活 150、300 年，

其 myth dynamics 會完全改變。

---

# 192. 人物不再自然退出歷史舞台。

---

# 193. Hero-to-Institution Transition 可能延後。

---

# 194. 這會放大：

- authority accumulation；
- narrative control；
- generational mismatch。

---

# 195. FF05 會把這轉成權力問題。

---

# 196. Historical Importance

本文定義一個較中性的概念：

$$
\boxed{
H_I
=
F(
CausalReach,
Persistence,
StructuralChange,
CounterfactualDifference
).
}
$$

---

# 197. Causal Reach

影響多少 domains。

---

# 198. Persistence

影響多久。

---

# 199. Structural Change

是否改變制度／產業結構。

---

# 200. Counterfactual Difference

若沒有此 actor，歷史會差多少。

---

# 201. 最後一項最難測。

---

# 202. 所以 $H_I$ 不應假裝精確。

---

# 203. Cultural Salience

則可較容易測：

- mentions；
- search；
- media；
- education；
- public recognition。

---

# 204. 所以：

$$
\boxed{
\text{Cultural Salience is easier to measure
than Historical Importance}.
}
$$

---

# 205. 這會造成研究偏誤

因為容易測的東西常被當成重要的東西。

---

# 206. Salience Proxy Error

$$
\boxed{
L_S
=
S_C-H_I^{proxy}.
}
$$

---

# 207. 不能直接把 Google Trends 當歷史重要性。

---

# 208. Myth / Reputation / Legacy

本文再分：

$$
\boxed{
Myth
\neq
Reputation
\neq
Legacy.
}
$$

---

# 209. Myth

符號化故事。

---

# 210. Reputation

當代／社群對人物能力與品格評價。

---

# 211. Legacy

長期留下的制度、產品、思想、組織效果。

---

# 212. 一個人 legacy 高

myth 可以低。

---

# 213. 一個人 myth 高

legacy 也可能普通。

---

# 214. Legacy Persistence

$$
\boxed{
L_p(t).
}
$$

---

# 215. Legacy 是另一條時間函數。

---

# 216. 神壇掉下來

不等於 legacy 消失。

---

# 217. 這是本文對「跌下神壇」最重要的修正。

---

# 218. De-Mythologization

$$
\boxed{
M_P\downarrow
}
$$

只是：

> 人被重新看成人。

---

# 219. 不等於：

$$
A_H\rightarrow0.
$$

---

# 220. 所以去神化不是貶低。

---

# 221. 去神化可以提高歷史解析度。

---

# 222. De-Mythologization Gain

$$
\boxed{
G_D
=
Resolution_{after}
-
Resolution_{before}.
}
$$

---

# 223. 如果去神化讓我們看到：

- 團隊；
- 結構；
- 限制；
- 錯誤；

那是 knowledge gain。

---

# 224. 但反向妖魔化也可能低解析度。

---

# 225. Hero → Villain Flip

只把：

$$
Genius=1
$$

改成：

$$
Villain=1
$$

沒有真正提高 resolution。

---

# 226. 所以：

$$
\boxed{
\text{Deification}
\neq
\text{Demonization}
}
$$

但兩者都可能是 scalar collapse。

---

# 227. High-Resolution Historical View

應該是：

$$
\boxed{
\mathbf C_p
+
Context
+
CausalNetwork
+
Uncertainty.
}
$$

---

# 228. FF04 Experimental Prototype 1：Myth Half-Life Tracking

選多位科技人物。

---

# 229. 每五年測：

- public recognition；
- media mentions；
- curriculum；
- hero framing；
- controversy framing。

---

# 230. 比較：

$$
M_p(t).
$$

---

# 231. Prototype 2：Narrative Closure Comparison

比較：

- 早逝人物；
- 長壽持續活躍人物。

---

# 232. 看 myth variance / reassessment frequency。

---

# 233. Prototype 3：Achievement vs Salience

建立：

$$
A_H
$$

與：

$$
S_C
$$

兩個獨立 proxy。

---

# 234. 測是否大量人物：

$$
A_H\gg S_C.
$$

---

# 235. Prototype 4：Authority Spillover

讓受試者看到某人物在一 domain 的成功。

---

# 236. 再問 unrelated domain forecast credibility。

---

# 237. 測：

$$
S_A(i\rightarrow j).
$$

---

# 238. Prototype 5：Founder Attribution

給同一公司成果。

---

# 239. 分別呈現：

- founder-only narrative；
- team/system narrative。

---

# 240. 比較 causal attribution。

---

# 241. Prototype 6：Generational Turnover

比較不同年齡群對同一歷史科技人物的：

- emotion；
- recognition；
- mythic status。

---

# 242. 測：

$$
D_G.
$$

---

# 243. FF04 Metrics

本文提出：

$$
\boxed{
M_{FF04}
=
(
A_H,
M_P,
S_C,
T_{1/2}^{myth},
B_{present},
S_A,
CR_H,
S_M,
L_p
).
}
$$

---

# 244. $A_H$

Historical Achievement。

---

# 245. $M_P$

Mythic Persistence。

---

# 246. $S_C$

Cultural Salience。

---

# 247. $T_{1/2}^{myth}$

Myth Half-Life。

---

# 248. $B_{present}$

Present-Salience Bias。

---

# 249. $S_A$

Authority Spillover。

---

# 250. $CR_H$

Hero Story Compression Ratio。

---

# 251. $S_M$

Myth Stability。

---

# 252. $L_p$

Legacy Persistence。

---

# 253. FF04 第一核心命題

$$
\boxed{
\text{Historical Achievement}
\neq
\text{Myth Persistence}
\neq
\text{Cultural Salience}.
}
$$

---

# 254. 第二核心命題

$$
\boxed{
\text{Current Salience}
\neq
\text{Historical Magnitude}.
}
$$

---

# 255. 第三核心命題

$$
\boxed{
\text{Historical Magnitude}
\neq
\text{Permanent Cultural Salience}.
}
$$

---

# 256. 第四核心命題

$$
\boxed{
\text{Narrative Closure}
\neq
\text{Open-World Reassessment}.
}
$$

---

# 257. 第五核心命題

$$
\boxed{
\text{Company Achievement}
\neq
\text{Founder Achievement}.
}
$$

---

# 258. 第六核心命題

$$
\boxed{
\text{Important Contributor}
\neq
\text{Irreplaceable Historical Individual}.
}
$$

---

# 259. 第七核心命題

$$
\boxed{
\text{Success in }D_i
\not\Rightarrow
\text{Authority in }D_j.
}
$$

---

# 260. 第八核心命題

$$
\boxed{
\text{De-Mythologization}
\neq
\text{Denial of Achievement}.
}
$$

---

# 261. 第九核心命題

$$
\boxed{
\text{Living public figures are open historical objects}.
}
$$

---

# 262. 第十核心命題

$$
\boxed{
\text{The pedestal has a half-life,
but legacy need not}.
}
$$

---

# 263. 與 FF05 的橋

FF04 到這裡仍主要研究：

> 人物如何被記憶？

---

# 264. FF05 會改問：

> 如果人物不再自然退出歷史舞台，會發生什麼？

---

# 265. 類永生會破壞 Myth Half-Life 的自然條件。

---

# 266. 更重要：

它也會破壞權力 turnover 的自然條件。

---

# 結論

科技英雄的「神壇」很容易讓人產生一個錯覺：

> 如果今天所有人都在談他，他就會永遠是歷史中心。

但歷史不是 live feed。

今天的 attention：

$$
S_C(t)
$$

會被：

- 新世代；
- 新人物；
- 新技術；
- 新爭議；
- 新敘事；

不斷重新分配。

所以：

$$
\boxed{
\text{Current Salience}
\neq
\text{Permanent Historical Centrality}.
}
$$

但反過來也不能說：

> 沒人再每天談，就代表不重要。

因為：

$$
\boxed{
\text{Historical Achievement}
\neq
\text{Daily Cultural Attention}.
}
$$

Steve Jobs、Bill Gates、Elon Musk 這類人物真正有研究價值的地方，不是誰更像英雄。

而是他們分別展示了不同的 public-history dynamics：

- 一種敘事在高光節點產生 closure；
- 一種人物長期活在 open-world reassessment；
- 一種人物仍在高速生成新的世界狀態，歷史投影尚未穩定。

因此人物神話不是人物本身。

它是：

$$
\boxed{
\text{Person}
+
\text{Achievement}
+
\text{Narrative}
+
\text{Observer}
+
\text{Time}.
}
$$

真正成熟的歷史人物研究，應該把：

$$
\mathbf C_p
$$

從「天才／壞人」這種 scalar label 中重新解壓出來。

去神化的目的不是把偉人拉低。

而是把人物重新放回：

- 團隊；
- 制度；
- 技術；
- 時代；
- 機遇；
- 失敗；
- 爭議；

共同構成的 causal world。

所以 FF04 最後可以濃縮成：

$$
\boxed{
\text{The pedestal has a half-life;
causal history does not disappear with it}.
}
$$

中文：

> **神壇會褪色，但真正留下的歷史因果不會因為人們不再天天談論而消失。**

這就是「時代的眼淚」真正值得研究的地方。

---

# 參考與前置研究

## EveMissLab / Neo.K 內部前置理論

1. Neo.K with Aletheia, **FF01｜一步不是一步：宏觀未來敘事中的底空間、路徑壓縮與可能世界**, 2026.
2. Neo.K with Aletheia, **FF02｜願景不是預測：符號想像、模糊推演與可校準未來學**, 2026.
3. Neo.K with Aletheia, **FF03｜當預言本身改變世界：高影響力人物的預測責任、解釋權與 Promise Debt**, 2026.
4. Neo.K with Aletheia, **Series C — Global Observer and AI-Native Domain Computation**, 2026.

## 理論定位

本文與 collective memory、heroic leadership、founder effects、historical sociology、cultural salience、reputation studies、narrative psychology、great-man historiography criticism 等研究存在結構對照，但本文不將 Myth Half-Life 或 Heroic Authority Spillover 等同於任何單一既有理論。

本文的特定研究目標是：

$$
\boxed{
\text{把科技英雄的歷史成就、神話留存與文化顯著性拆成可分離分析的時間函數}.
}
$$

---

# Future Foundations Roadmap

## FF01
**一步不是一步：宏觀未來敘事中的底空間、路徑壓縮與可能世界**

## FF02
**願景不是預測：符號想像、模糊推演與可校準未來學**

## FF03
**當預言本身改變世界：高影響力人物的預測責任、解釋權與 Promise Debt**

## FF04
**神壇的半衰期：科技英雄、歷史成就與文化顯著性的分離**

## FF05
**好人也不應永久掌權：類永生、ASI 與文明級權力集中**

## FF06
**最像反烏托邦的不一定最可行：永生皇帝、企業控制者與權力形成路徑**

## FF07
**皇上不死，太子如何繼位：類永生時代的菁英流轉、可能性剝奪與制度任期**

---

**End of FF04**