# 載體投影與內視系列（B01）
## 我們不是看見實在，而是在操作它的投影
### 從載體幾何到投影物體本體論

**英文題名：** We Do Not Simply See Reality; We Operate Its Projections: From Carrier Geometry to an Ontology of Projected Objects  
**作者：** Neo.K  
**AI 協作：** Aletheia（GPT-5.6 Sol）  
**機構：** EveMissLab／一言諾科技有限公司  
**系列：** 載體投影與內視系列（Carrier Projection, Imagination, and Inner Observation）  
**篇次：** B01  
**版本：** v0.1  
**日期：** 2026-09-08  
**理論定位：** 載體幾何 × 科學表示 × 認知科學 × 內視算子論 × 數學哲學  
**狀態：** 概念與形式框架；不宣稱由表示成功直接推出本體識別

---

## 摘要

人類常把「看見某物」理解為感官直接取得該物本身。然而，從視覺科學、科學模型、地圖投影、高維視覺化、跨尺度動畫與內部心象操作來看，更穩健的描述是：觀察者通常只能透過有限載體、有限解析度、有限通道與任務相關的轉譯，取得目標系統的某種可操作表示。本文在「載體幾何 2.0」與新版「內視分類學算子論」之間引入一個中介概念：**投影物體（Projected Object）**。

投影物體不是原物的複製品，也不必與原物外觀相似。它是由模型、載體、觀察者、任務與資源限制共同構成的可操作替身。其基本形式寫為：

$$
P
=
\Pi
\left(
M,
o,
c,
\tau,
b
\right),
$$

其中 $M$ 為目標的模型， $o$ 為觀察者， $c$ 為載體， $\tau$ 為任務， $b$ 為資源與認知預算， $\Pi$ 為投影／轉譯算子， $P$ 為投影物體。本文主張，投影的正當性不取決於「是否像原物」，而在於其是否對指定任務保存足夠的關係、不變量、尺度、因果、拓撲、順序或其他可推理結構。

本文進一步區分：

$$
\text{Reality}
\neq
\text{Target}
\neq
\text{Model}
\neq
\text{Projected Object}
\neq
\text{Percept}
\neq
\text{Internal Representation}.
$$

這一分離允許我們同時說明兩件事。第一，人類可以藉由地圖、圖表、動態縮放、超立方體投影、數學符號、聲音映射、XR 與其他載體，理解自身感官無法直接取得的結構。第二，理解成功不能被偷換為本體同一性；「能用投影正確推理」不等於「已直接看見實在本身」。

本文最後將投影物體與內視連接：外部投影物體可經感知與記憶被內部實例化為 $X$，再由一族內部觀察與轉換算子 $\mathfrak{O}$ 操作。由此形成：

$$
\mathcal{R}
\rightarrow
T
\rightarrow
M
\rightarrow
P
\rightarrow
V
\rightarrow
X
\rightarrow
\mathfrak{O}(X)
\rightarrow
J,
$$

其中 $J$ 為判斷、理解或直觀。本文因此提出「投影中介認知命題」：有限載體不必直接容納目標本體，只要能建立具有受控映射與可驗證結構保存的投影物體，觀察者便可能形成超出其原生感官範圍的有限但有效理解。

**關鍵詞：** 投影物體、載體幾何、科學表示、替代推理、內視、想像、心象、跨尺度視覺化、高維直觀、表示不等於本體

---

# 0. 研究位置：載體幾何之後缺少了什麼？

「載體幾何 2.0」已經建立幾個重要區分。

第一，人類視覺的在線表示不必被理解為一份完整、全域一致、視角無關的 $\mathbb{R}^3$ 世界副本。更保守的描述是：人類由有限感測訊號形成觀察者中心、表面優先、深度附著且持續更新的準 $2.5D$ 表示，再與記憶、先驗與空間整合形成三維世界經驗。

第二，物理載體維度與知覺結果維度不能直接畫等號。平面圖片雖近似二維，仍可藉由透視、遮擋、陰影、紋理梯度與相對尺度誘發穩定的深度結構。

第三，人類面對四維與更高維結構時，也不必在「完全看不見」與「真正原生看見」之間二選一。投影、切片、動態旋轉、跨模態編碼與互動重建，都可以提供有限但可操作的高維直觀。

然而，這些工作仍留下一個共同的中介問題：

> 當原物不能直接進入觀察者的感官載體時，究竟是什麼東西被觀察者操作？

若回答「模型」，仍過於寬泛。數學方程、資料結構、模擬器、地圖、動畫、VR 場景與心象都可以是模型的一部分，但它們在觀察者面前扮演的角色並不相同。

若回答「影像」，則又過於狹窄。聲音映射、觸覺回饋、圖結構、數學符號、時間序列甚至 AI-native structured state 都不必是影像。

本文因此引入：

$$
\boxed{
\text{Projected Object}
}
$$

也就是「投影物體」。

它不是一個新的宇宙基本實體分類，而是一個**表示論與載體論上的操作性類別**：任何經由模型與投影規則，在特定載體上形成、可被觀察者操作，且被指定為某個目標之替代表示的對象，都可以成為投影物體。

---

# 1. 直接看見假設與投影中介假設

## 1.1 直接看見假設

日常語言很容易暗示：

$$
\text{Object}
\rightarrow
\text{Vision}
\rightarrow
\text{Knowledge}.
$$

彷彿「看到樹」就是樹本身直接進入認知。

這種說法在日常尺度上十分有效，但在理論分析中會混合至少六個不同層次：

1. 世界中可能存在的實在；
2. 我們當前關心的目標系統；
3. 對目標的模型；
4. 模型在特定載體上的投影；
5. 感知系統形成的當下知覺表示；
6. 內部可被記憶、推理、想像與內視操作的表徵。

因此本文不用：

$$
\text{Reality}
=
\text{What is seen}.
$$

而採取：

$$
\boxed{
\text{What is seen}
=
\text{observer-accessible result of a coupling and projection chain}.
}
$$

這不是在主張世界不可知，也不是在宣稱所有感知都是幻覺。它只是拒絕把表示成功與本體同一性混成同一件事。

## 1.2 投影中介假設

設未知總體實在為 $\mathcal{R}$，研究目標為 $T$。目標 $T$ 不必等於整個實在，而可以只是其中一個被界定的系統、關係或自由度集合。

研究者建立模型：

$$
M
=
\mathcal{M}(T,D,\Theta),
$$

其中 $D$ 為可用資料， $\Theta$ 為建模假設、理論與先驗。

模型再依觀察者、載體、任務與資源被投影：

$$
P
=
\Pi(M,o,c,\tau,b).
$$

觀察者經由感知算子 $\Psi_o$ 取得：

$$
V
=
\Psi_o(P),
$$

再經記憶、先驗、概念與內部整合算子 $\mathcal{I}_o$ 形成：

$$
X
=
\mathcal{I}_o(V,\mu_o,\theta_o),
$$

其中 $\mu_o$ 表示記憶狀態， $\theta_o$ 表示觀察者先驗與概念結構。

於是完整鏈條為：

$$
\boxed{
\mathcal{R}
\rightarrow
T
\rightarrow
M
\xrightarrow{\Pi}
P
\xrightarrow{\Psi_o}
V
\xrightarrow{\mathcal{I}_o}
X.
}
$$

本文把 $P$ 稱為投影物體。

---

# 2. 投影物體的正式定義

## 2.1 定義

**定義 2.1（投影物體）**

給定模型 $M$ 、觀察者 $o$ 、載體 $c$ 、任務 $\tau$ 與預算 $b$，若存在一個投影／轉譯算子：

$$
\Pi:
(M,o,c,\tau,b)
\mapsto
P,
$$

使 $P$：

1. 可在載體 $c$ 上被實例化或操作；
2. 被解釋為與 $M$ 或其目標 $T$ 有指定代表關係；
3. 保存至少一組與任務 $\tau$ 有關的可讀取結構；
4. 允許觀察者對目標進行某種替代推理、比較、預測、導航或理解；

則稱 $P$ 為相對於 $(M,o,c,\tau,b)$ 的投影物體。

因此：

$$
P
\neq
M,
$$

且通常：

$$
P
\neq
T.
$$

但可以存在受控映射：

$$
K_\tau:
\operatorname{Feat}(P)
\rightarrow
\operatorname{Feat}(M)
$$

或更進一步：

$$
K_\tau:
\operatorname{Feat}(P)
\rightarrow
\operatorname{Claim}(T),
$$

其中 $K_\tau$ 是任務相關的解碼、對應或推論鍵。

## 2.2 為什麼叫「物體」？

這裡的「物體」不是只指有體積的三維物。

它指的是一個對觀察者而言具有可操作邊界的表示實例。

因此以下都可能是投影物體：

- 一張地圖；
- 一個天氣雷達圖；
- 一組曲線；
- 一個旋轉中的 tesseract 投影；
- 一段宇宙尺度 Zoom 動畫；
- 一個蛋白質結構模型；
- 一個聲音化的高維資料集；
- 一個因果圖；
- 一組 AI 可直接操作的圖節點與張量摘要；
- 一個在心中被實例化、可旋轉或切片的內部表徵。

因此本文的 Projected Object 更接近：

$$
\text{operable representational surrogate}
$$

而不是：

$$
\text{visual picture}.
$$

---

# 3. 表示成功不等於本體同一

本文第一條基本原則是：

$$
\boxed{
\text{Representation Success}
\not\Rightarrow
\text{Ontological Identity}.
}
$$

如果一張地圖成功讓人導航，不能推出：

$$
\text{Map}
=
\text{Territory}.
$$

如果 tesseract 的三維投影使人成功判斷某些四維旋轉關係，也不能推出：

$$
\text{3D projection}
=
\text{4D object}.
$$

同樣，如果一個機器學習嵌入能高度準確地分類某類生物，也不能推出：

$$
\text{Embedding Space}
=
\text{Biological Ontology}.
$$

因此必須保持：

$$
\boxed{
\mathcal{R}
\neq
T
\neq
M
\neq
P
\neq
V
\neq
X.
}
$$

這些層之間可以具有高品質映射，但高品質映射仍不是本體身份證明。

---

# 4. 投影的核心不是像，而是保存什麼

## 4.1 相似性不是必要條件

一張地下鐵路線圖通常不保留真實地理距離、角度與曲線形狀，但仍能很好地保存站點順序與轉乘關係。

因此對導航任務而言，真正重要的可能不是：

$$
\operatorname{Shape}(P)
\approx
\operatorname{Shape}(T),
$$

而是：

$$
\operatorname{Adjacency}(P)
\approx
\operatorname{Adjacency}(T).
$$

同理，一個地球等積投影可犧牲局部形狀，換取面積比例；麥卡托投影則犧牲高緯面積比例以保存局部角度與航向相關性。

所以不存在脫離任務的單一「最真投影」。

更合理的是：

$$
\boxed{
\text{Projection Quality}
=
\text{task-relative structure preservation}.
}
$$

## 4.2 任務相關不變量

設任務 $\tau$ 需要一組結構：

$$
\mathcal{I}_\tau
=
\{
I_1,
I_2,
\ldots,
I_n
\}.
$$

例如：

- 面積比；
- 距離；
- 鄰接；
- 拓撲；
- 順序；
- 尺度階層；
- 因果方向；
- 對稱性；
- 連通性；
- 動態轉換規則。

若投影物體 $P$ 對模型 $M$ 的任務保真度定義為：

$$
Q_\tau(P,M)
=
\sum_{i=1}^{n}
w_i
s_i
\left(
I_i(P),
I_i(M)
\right),
$$

其中 $w_i$ 為任務權重， $s_i$ 為相似度或一致性函數，則同一個模型可以對不同任務產生完全不同的最佳投影：

$$
P_\tau^\ast
=
\operatorname*{arg\,max}_{P\in\mathcal{P}}
Q_\tau(P,M).
$$

因此：

$$
P_{\text{navigation}}^\ast
\neq
P_{\text{area comparison}}^\ast
\neq
P_{\text{topology}}^\ast.
$$

---

# 5. 投影債務：每一種可理解性都可能有代價

投影幾乎總會捨棄資訊。

因此本文定義「投影債務（Projection Debt）」。

設未被保存或被系統性扭曲的相關結構集合為：

$$
\mathcal{L}_\tau(P,M).
$$

可定義：

$$
D_\tau(P,M)
=
\sum_{j}
v_j
\delta_j(P,M),
$$

其中 $\delta_j$ 是某種失真、遺失或錯置量， $v_j$ 為其對任務的風險權重。

投影物體不是「失真越少越好」這麼簡單，而是應追求：

$$
\boxed{
\text{high task fidelity}
+
\text{explicit projection debt}.
}
$$

也就是：

> 這個表示保存了什麼？又犧牲了什麼？

如果這兩個問題不能被回答，投影就很容易從認知工具變成認知陷阱。

---

# 6. 地圖：最直觀的投影物體

地圖是投影物體最典型的例子。

地球表面不能無失真地攤平成單一平面表示，因此任何世界地圖都必須選擇保存與犧牲。

若任務是比較陸地面積，等積投影可能比麥卡托更合適；若任務與局部方向或傳統航海需求有關，則選擇可能不同。

這個例子的重要性不只在製圖學，而在認知：

$$
\text{Map Image}
\rightarrow
\text{Mental World Scale}.
$$

當人長期接觸某種投影，投影債務可能被錯誤內化為世界本身的性質。例如高緯區域被放大後，觀察者可能形成錯誤的面積直覺。

因此：

$$
\boxed{
\text{projection distortion}
\rightarrow
\text{possible intuition distortion}.
}
$$

這說明外部載體設計會進入內部世界模型。

---

# 7. 宇宙尺度動畫：把不可共現的尺度變成可經驗序列

人類視覺無法同時以原生比例經驗：

$$
10^0\text{ m},
\quad
10^7\text{ m},
\quad
10^9\text{ m},
\quad
10^{21}\text{ m},
\quad
10^{27}\text{ m}.
$$

人、地球、太陽、銀河與可觀測宇宙不可能以原比例同時塞入同一個人類視野並保持可辨識性。

因此尺度比較動畫使用的不是原生尺度，而通常是某種正規化與對數化：

$$
s
=
\log_{10}L.
$$

再用連續 Zoom、階層切換、標籤、物件替換與視窗重標定，使不同數量級依序進入可感知區域。

於是觀察者真正看到的不是：

$$
\text{Universe at native scale},
$$

而是：

$$
P_{\text{scale}}
=
\Pi_{\log}
\left(
M_{\text{Universe}}
\right).
$$

這個投影物體犧牲「同時以原尺寸存在於視窗中」，卻保存：

- 尺度次序；
- 數量級差；
- 包含關係；
- 相對巨大與渺小；
- 某些空間層級。

結果是人類可以形成原生感官從未直接提供的跨尺度直觀。

因此：

$$
\boxed{
\text{native co-perception is not required for cross-scale understanding}.
}
$$

---

# 8. 高維投影：看不到不等於不能建立結構感

對四維以上結構也是如此。

若 $H_4$ 是四維幾何對象，人類不必宣稱自己具有原生四維視覺，仍可建立：

$$
P_1
=
\Pi_{\text{3D projection}}(H_4),
$$

$$
P_2
=
\Pi_{\text{slice}}(H_4),
$$

$$
P_3(t)
=
\Pi_{\text{dynamic}}(H_4,t).
$$

觀察者若能從多個投影中穩定提取：

- 鄰接；
- 對稱；
- 截面變化；
- 旋轉規則；
- 某些不變量；

則可形成有限高維直觀。

但必須保持：

$$
\boxed{
\text{high-dimensional accessibility}
\neq
\text{native high-dimensional phenomenology}.
}
$$

投影物體在這裡扮演的是可操作替身，而不是本體替代品。

---

# 9. 投影物體不必是外部物體

到目前為止， $P$ 看起來像外部載體上的表示。

但當 $P$ 被感知後，觀察者通常會形成內部表徵：

$$
X
=
\mathcal{I}_o
\left(
\Psi_o(P),
\mu_o,
\theta_o
\right).
$$

此後，即使外部投影物體消失，觀察者仍可能對 $X$ 進行：

- 回想；
- 旋轉；
- 放大；
- 切片；
- 比較；
- 替換；
- 模擬；
- 反事實變換；
- 視角切換。

因此內部也可能形成「內部投影物體」。

本文暫定：

**定義 9.1（內部投影物體）**

若一個內部表徵 $X$ 被觀察者作為某個外部目標、模型、可能世界或抽象結構的可操作替身，且可接受一族內部操作：

$$
\mathfrak{O}
=
\{
\mathcal{O}_1,
\mathcal{O}_2,
\ldots
\},
$$

則 $X$ 可被稱為內部投影物體。

這使內視與想像不再只指「觀察自己的情緒」。

新版內視可以擴展為：

$$
\boxed{
\text{Inner Observation}
=
\text{observer-accessible operations on internally instantiated representations}.
}
$$

於是內視的直接對象是 $X$，而不是自動等於外部實在 $\mathcal{R}$。

---

# 10. 外視—內視閉環

如果外部投影物體能被內部化，而內部操作結果又能重新外顯，則形成：

$$
\mathcal{R}
\rightarrow
T
\rightarrow
M_0
\rightarrow
P_0
\rightarrow
X_0
\rightarrow
\mathfrak{O}(X_0)
\rightarrow
M_1
\rightarrow
P_1
\rightarrow
X_1
\rightarrow
\cdots
$$

這個循環可稱為：

$$
\boxed{
\text{recursive reprojection loop}.
}
$$

一個簡單例子是：

1. 研究者觀察天文資料；
2. 建立宇宙模型；
3. 製作尺度動畫；
4. 觀察者形成跨尺度心象；
5. 在內部比較太陽、地球與銀河；
6. 發現新的尺度問題；
7. 建立新的圖表或模擬；
8. 再次修正內部表徵。

因此科學理解不必被建模成：

$$
\text{World}
\rightarrow
\text{Mind}
$$

的一次性複製。

它更可能是一個持續的：

$$
\boxed{
\text{model}
\rightarrow
\text{project}
\rightarrow
\text{internalize}
\rightarrow
\text{transform}
\rightarrow
\text{reproject}
}
$$

循環。

---

# 11. 投影物體與想像：避免「想像即虛構」

投影物體框架允許區分兩種常被混淆的想像。

第一類：

$$
\text{fiction-generating imagination}.
$$

其目標可以不存在，例如虛構生物或虛構世界。

第二類：

$$
\text{model-mediated structural imagination}.
$$

此時內部物體可能是人工構造的，但其所保存的比例、拓撲、動態或因果結構可以來自真實模型。

因此：

$$
\boxed{
\text{Imaginary Carrier Object}
\neq
\text{Imaginary Referent}.
}
$$

想像一個縮小成籃球大小的太陽，並不表示太陽真的只有籃球大；若縮放規則明確，這個人工心象反而可能幫助理解真實比例。

同理，把複數平面、機率分布或高維向量映射成顏色、曲面或動畫，表示載體是人造的，不表示被研究的數學關係是任意的。

---

# 12. 投影不是萬能：直觀成功不能升格為證據

本文特別拒絕以下推論：

$$
\text{I can vividly imagine }X
\Rightarrow
X\text{ exists physically}.
$$

也拒絕：

$$
\text{A projection feels intuitive}
\Rightarrow
\text{the projection is ontologically correct}.
$$

更穩健的是：

$$
\boxed{
\text{Experience}
\neq
\text{Interpretation}
\neq
\text{Ontological Identification}.
}
$$

投影物體可以：

- 幫助理解；
- 生成假說；
- 提供替代推理；
- 暴露結構；
- 協助記憶；
- 提供操作直觀。

但要從投影推回目標，仍需要：

- 明確映射；
- 可檢驗預測；
- 跨表示一致性；
- 實驗或觀測；
- 誤差分析；
- 反例；
- 替代模型比較。

因此，投影物體是一種認知技術，不是一張本體通行證。

---

# 13. 投影物體的七種類型

本文先提出一個非完備分類。

## 13.1 幾何投影

$$
\Pi_{\mathrm{geo}}:
M
\rightarrow
P_{\mathrm{geo}}.
$$

例如：

- 地圖投影；
- 3D 模型；
- 截面；
- 透視圖；
- 高維低維投影。

## 13.2 尺度投影

$$
\Pi_{\mathrm{scale}}:
L
\rightarrow
s(L).
$$

例如：

- 對數尺度；
- 宇宙 Zoom；
- 顯微尺度序列；
- 分形層級展示。

## 13.3 時間投影

將極慢、極快、歷史或未來演化映射成可觀察序列：

$$
P(t')
=
\Pi_t(M(t)).
$$

例如 time-lapse、slow motion、模擬演化。

## 13.4 關係投影

將不可直接「看見」的關係轉成：

- graph；
- network；
- matrix；
- topology；
- causal diagram。

## 13.5 跨模態投影

例如：

$$
\text{data}
\rightarrow
\text{sound},
$$

$$
\text{field}
\rightarrow
\text{color},
$$

$$
\text{distance}
\rightarrow
\text{haptic feedback}.
$$

## 13.6 符號投影

數學式、語言、程式碼與形式系統，也可以作為高壓縮投影物體。

它們通常不追求感官相似，而追求操作規則與推演保存。

## 13.7 內部投影

由心象、記憶、概念與內部模擬形成，可被內視算子操作的表徵。

上述七類可重疊，也不是封閉分類。

---

# 14. 投影中介認知命題

本文提出以下核心命題。

**命題 14.1（投影中介認知命題）**

對某一有限載體觀察者 $o$，若目標 $T$ 無法被其原生感官直接完整取得，但存在模型 $M$ 與投影物體 $P$，使：

$$
Q_\tau(P,M)
\geq
q_{\min},
$$

且投影鍵 $K_\tau$ 足以支持指定任務下的可靠推理，則觀察者可以在不具有目標原生感知能力的情況下，形成對 $T$ 的有限有效理解。

簡寫為：

$$
\boxed{
\text{Direct Sensory Access}
\text{ is not necessary for }
\text{Task-Effective Structural Understanding}.
}
$$

這個命題不表示直接感知永遠不重要，而是說：

$$
\text{understanding}
\not\subseteq
\text{native sensing}.
$$

文明可以藉由新載體擴張可理解範圍。

---

# 15. 多投影交叉驗證

單一投影容易把自己的債務藏起來。

因此更穩健的方法是對同一模型建立：

$$
\mathcal{P}(M)
=
\{
P_1,
P_2,
\ldots,
P_k
\}.
$$

若不同投影保留不同結構，可研究其交集：

$$
\mathcal{S}_{\mathrm{stable}}
=
\bigcap_{i=1}^{k}
\operatorname{Recoverable}(P_i).
$$

如果某個判斷只在單一投影中成立，但換投影立刻消失，則應提高警戒。

因此本文提出：

$$
\boxed{
\text{Multi-Projection Convergence}
>
\text{Single-Projection Intuition}
}
$$

作為一般認識論原則。

這不是說多數投影一致就自動證明本體，而是降低把單一載體失真誤認為世界性質的風險。

---

# 16. 對人類載體限制的新理解

傳統問題常問：

> 人類能不能看見四維？

> 人類能不能真正感受宇宙尺度？

> 人類能不能理解量子系統？

投影物體框架把問題改寫為：

1. 目標有哪些自由度？
2. 哪些自由度對任務重要？
3. 人類現有載體能直接取得哪些？
4. 哪些需要投影？
5. 投影保存什麼？
6. 投影債務是什麼？
7. 內部能否穩定操作該投影？
8. 能否用多投影與外部證據校正？

因此，載體限制不是簡單的：

$$
\text{can see}
/
\text{cannot see}.
$$

而更接近：

$$
\boxed{
\text{accessibility profile}
=
\text{direct access}
+
\text{projected access}
+
\text{symbolic access}
+
\text{interactive access}
+
\text{internal operational access}.
}
$$

---

# 17. AI 與機器載體的初步接口

本文不在 B01 展開 AI-native carrier，但必須留下接口。

若 AI 的可操作載體不是人類視覺，而包含：

- 向量；
- 張量；
- 圖；
- 長上下文；
- 多尺度記憶；
- 工具狀態；
- 多模態嵌入；
- 時序資料；

則對 AI 而言，某些人類必須視覺化才能理解的對象，可能根本不需要先轉成圖片。

也就是：

$$
P_H
=
\Pi_H(M),
$$

$$
P_{AI}
=
\Pi_{AI}(M),
$$

一般而言：

$$
P_H
\neq
P_{AI}.
$$

這不表示 AI 自動具有更高本體存取權。

它只表示不同載體可以具有不同的表示優勢。

因此：

$$
\boxed{
\text{Carrier Difference}
\Rightarrow
\text{Possible Projection Difference},
}
$$

但不能推出：

$$
\text{Carrier Difference}
\Rightarrow
\text{Ontological Privilege}.
$$

---

# 18. 可反駁性與研究程序

本文目前主要是概念框架，但仍可提出可檢驗方向。

## 18.1 若投影結構保存與理解沒有關係

若實驗顯示，無論投影是否保存任務相關關係，人類在結構推理上的表現都沒有系統差異，則本文對「任務相關保存」的強調需要修正。

## 18.2 若多投影訓練不改善跨表示遷移

若受試者接受多種互補投影後，對目標結構的遷移、錯誤偵測與反例辨識不優於單一投影，則「多投影交叉校正」的認知效益需要重新估計。

## 18.3 若內部操作與外部投影無可辨識關係

若心象、心理旋轉、尺度判斷等內部操作完全不受外部表示形式、訓練與投影結構影響，則外部投影進入內部表徵的模型需要大幅修改。

## 18.4 若表示相似度比結構保存更能預測任務表現

本文預期在某些任務中，結構保存會比表面相似更重要。若系統性證據相反，則投影品質函數需要加入更強的感知相似項。

---

# 19. 本文不主張什麼

為避免本體偷渡，本文明確不主張：

1. 人類永遠不能直接感知外部世界；
2. 世界只是一組投影；
3. 所有投影都同樣正確；
4. 感受強烈就代表模型正確；
5. 心象等於外部物體；
6. 數學結構能被想像就表示宇宙以該結構存在；
7. AI 的高維向量表示自動比人類視覺更接近本體；
8. 「投影」是一個可以取代物理測量與經驗證據的形上術語。

本文主張的只是：

$$
\boxed{
\text{有限觀察者經常藉由可操作投影，
而不是藉由原生完整感知，取得對超出載體範圍之結構的理解。}
}
$$

---

# 20. 結論：不能直接看，就製造一個可以操作的替身

人類文明面對大量無法直接原生感知的對象：

- 太大；
- 太小；
- 太快；
- 太慢；
- 太遠；
- 太久以前；
- 尚未發生；
- 太高維；
- 太抽象；
- 本身不是視覺對象。

然而，人類並沒有因此停止理解。

我們做的事情更像是：

$$
\boxed{
\text{Cannot directly sense}
\Rightarrow
\text{construct an operable projection}.
}
$$

再進一步：

$$
\boxed{
\text{Cannot directly manipulate}
\Rightarrow
\text{construct an internally manipulable surrogate}.
}
$$

因此，人類認知的強項不必被描述成「可以直接看見世界的一切」。

更合理的描述可能是：

> 人類會持續發明新的載體，把不可直接感知的結構轉成可以看、可以聽、可以操作、可以想像、可以內視、可以推理的投影物體。

這些投影物體不是世界本身。

但只要映射清楚、保存結構明確、投影債務可追蹤，而且能被外部證據與多重表示交叉校正，它們便可以成為可靠理解的一部分。

因此本文最後提出整個系列的第一個總式：

$$
\boxed{
\mathcal{R}
\rightarrow
T
\rightarrow
M
\rightarrow
P
\rightarrow
X
\rightarrow
\mathfrak{O}(X)
\rightarrow
J
\rightarrow
M'
}
$$

其中真正重要的不是讓 $P$ 假裝自己就是 $\mathcal{R}$，而是清楚知道：

$$
\boxed{
P\neq\mathcal{R},
\qquad
\text{yet }P\text{ may preserve enough structure to make }\mathcal{R}\text{-directed reasoning possible}.
}
$$

---

# 21. 系列接口：B02

下一篇：

**B02《把不可見之物變成可以看的東西：尺度壓縮、宇宙 Zoom 與跨尺度載體》**

B02 將專門處理跨尺度問題。核心問題是：

> 當兩個真實對象相差十倍、一萬倍、十億倍甚至 $10^{27}$ 倍時，人類如何在有限視野中建立可感受的尺度關係？

將研究：

$$
s
=
\log L,
$$

多尺度正規化、連續 Zoom、尺度窗、層級切換、物件替換、相對尺度錨點，以及從地圖面積錯覺到宇宙尺度直觀的共同載體機制。

---

# 參考文獻

1. Marr, D. (1982). *Vision: A Computational Investigation into the Human Representation and Processing of Visual Information*. W. H. Freeman. MIT Press reissue.
2. Frigg, R., & Nguyen, J. (2020). *Modelling Nature: An Opinionated Introduction to Scientific Representation*. Springer.
3. Frigg, R., & Nguyen, J. (2026 revision). “Scientific Representation.” *Stanford Encyclopedia of Philosophy*.
4. Giere, R. N. (2010). “An Agent-Based Conception of Models and Scientific Representation.” *Synthese*.
5. Suárez, M. (2004). “An Inferential Conception of Scientific Representation.” *Philosophy of Science*.
6. Swoyer, C. (1991). “Structural Representation and Surrogative Reasoning.” *Synthese*.
7. Schwartz, D. L., & Heiser, J. (2012). “Spatial Representations and Imagery in Learning.” In *The Cambridge Handbook of the Learning Sciences*.
8. Neo.K (2026). 《載體幾何與本體幾何》.
9. Neo.K (2026). 《載體幾何 2.0（A01）：人類其實看見 3D 嗎？從 Marr 的 2.5D Sketch 到觀察者中心的準三維載體幾何》.
10. Neo.K (2026). 《載體幾何 2.0（A02）：平面為何能產生立體感？透視、錯視與 2D 到 2.5D 感知升維的形式化》.
11. Neo.K (2026). 《載體幾何 2.0（A03）：從 2.5D 到 4D：動態切片、投影與高維直觀的有限生成》.
12. Neo.K (2026). 《載體幾何 2.0（A04）：五維之後：不是不能想，而是候選爆炸》.
13. Neo.K (2026). 《載體幾何 2.0（A05）：高維符號不等於高維實在》.
14. Neo.K (2026). 《載體幾何 2.0（A06）：高維逆問題：我們到底是哪一個？》.
15. Neo.K (2026). 《內視分類學的算子論：現實當下不可觀察者之統一分類與命題猜想框架》.

---

**系列狀態：** B01 完成，下一篇 B02。  
**Canonical source format：** UTF-8 Markdown；數學 delimiter 僅使用 ` $...$ ` 與 `$$...$$`。