# 誰知道什麼 ## ——Channel-Grounded Information Topology 與 AI 社會的資訊局部性 **作者：** Neo.K **機構：** EveMissLab／一言諾科技有限公司 **日期：** 2026-10-07（整理日期；原稿未標註日期） **版本：** 原稿未標註（本次整理版） ### 摘要 一個 AI 世界即使具有： - Persistent World State； - Agent Memory； - Social Matter； - 自主對話； 如果每個 Agent 最後仍然能直接存取全部世界資訊，那麼它依然很難形成真正的社會。 因為真正的社會並不是所有人共享同一份即時資料庫。 而是： \[ \boxed{ K_i(t)\neq K_j(t) } \] 其中： \[ K_i(t) \] 表示 Agent \(i\) 在時間 \(t\) 真正知道的資訊集合。 一個居民可能： - 親眼看到某件事； - 從朋友口中聽說； - 在公告欄閱讀； - 收到私人郵件； - 旁聽別人的談話； - 只看到一個模糊線索； - 完全不知道。 因此，一個真正的 AI 社會不能只有： \[ WorldState. \] 還需要： \[ \boxed{ InformationTopology. } \] 本篇將資訊傳播表示為： \[ WorldFact \rightarrow Channel \rightarrow Exposure \rightarrow Awareness \rightarrow Belief. \] 並提出： \[ \boxed{ Exposure \neq Awareness \neq Belief } \] 三層分離。 `my_ai_town` 已經具有多種相互獨立的資訊通道： - 對話； - 旁聽； - 公告； - 公告轉告； - 私人訊息； - 郵政； - Social Matter Exposure； - World Event。 這使它已經具有一種： \[ \boxed{ Channel\text{-}Grounded\ Information\ Topology } \] 也就是： > Agent 所知道的事情，開始依賴「資訊是怎麼到他那裡的」，而不是因為它存在於 World Database。 但進一步研究也顯示，目前不同 Channel 的 epistemic semantics 尚未完全統一，尤其 NPC–NPC Relationship 尚未正式成為資訊傳播的權重圖。 因此，本篇也提出下一階段： \[ \boxed{ Relationship\text{-}Weighted\ Epistemic\ Topology. } \] --- # 1. World Truth 不代表 Everyone Knows 假設 World 確認： \[ F: \text{咖啡館今天缺人。} \] 這只代表： \[ F\in W_t. \] 並不能推出： \[ \forall i,\ F\in K_i(t). \] 因此： \[ \boxed{ WorldTruth \not\Rightarrow GlobalKnowledge. } \] 這條原則如果不存在，所有 NPC 都會變成： \[ \text{omniscient agents}. \] 結果： - 沒有秘密； - 沒有情報差； - 沒有謠言； - 沒有調查； - 沒有旁聽的價值； - 沒有「我不知道」。 真正的社會因此無法形成。 --- # 2. 個體知識集合 可以定義： \[ K_i(t) = \{\text{Agent }i\text{ 在時間 }t\text{ 已知資訊}\}. \] 其中： \[ K_i(t)\subseteq W_t. \] 而且通常： \[ K_i(t)\neq K_j(t). \] 例如： \[ k_1\in K_A \] 但： \[ k_1\notin K_B. \] 此時： \[ A \] 具有資訊優勢。 只要這種差異可以持續，AI 世界便開始具備： \[ \boxed{ InformationAsymmetry. } \] --- # 3. 資訊需要 Channel Agent 不應因為某項資料存在於 World Runtime，就自動知道。 資訊應透過： \[ Channel. \] 例如： \[ C= \{ Vision, Conversation, Overhearing, Bulletin, Postal, PrivateMessage, Work, Artifact \}. \] 因此： \[ \boxed{ K_i(t+1) = K_i(t) + T_C(k,i) } \] 其中： \[ T_C \] 表示某資訊透過 Channel \(C\) 到達 Agent \(i\)。 --- # 4. 對話是一種局部資訊傳播 最基本的 Channel 是： \[ Conversation. \] A 對 B 說： \[ m. \] World 能確認的是： \[ Speech(A,B,m). \] B 因此獲得： \[ Evidence_B(m). \] 但不是： \[ Truth(m). \] 因此： \[ \boxed{ Conversation \rightarrow Evidence } \] 而不是： \[ Conversation \rightarrow WorldTruth. \] 這與第 3 篇的 Belief Architecture 直接接軌。 --- # 5. 旁聽：空間本身就是資訊通道 `my_ai_town` 的 Conversation Runtime 會檢查對話雙方附近有哪些其他居民。 如果居民 C 位於其中一方的 `nearby`，但不是對話參與者，World 會給 C 一個： ```text id="fd2ut1" 旁聽 ``` 事件。 事件中包含： - conversation ID； - speaker resident IDs； - speaker names； - 本輪實際說出的文字。 所以： \[ C\in Nearby(A)\cup Nearby(B) \] 可能導致： \[ Conversation(A,B) \rightarrow Evidence_C. \] 這表示： \[ \boxed{ Space \rightarrow InformationAccess. } \] 地理位置開始具有 epistemic 意義。 --- # 6. 旁聽不是完整對話記錄 更重要的是，旁聽者只接收 World 實際投影給他的回合。 系統規則明確指出： > 「旁聽」只能知道提供出來的輪次內容。 所以： \[ Overhear(C) \neq FullConversation(A,B). \] 這使： \[ \boxed{ PartialObservation } \] 成為可能。 C 可能只聽到： > 「你最好別再來。」 但不知道前因後果。 於是 C 的 Interpretation 可能與真正情況完全不同。 這正是 Social Misunderstanding 的來源。 --- # 7. 旁聽還會進入持久記憶 旁聽並不是瞬時 UI 訊息。 `旁聽` 被正式列入 meaningful event，能進入居民 Formal Memory。 因此： \[ OverheardEvent \rightarrow Memory. \] 這使幾天後 C 仍然可能記得： > 「我以前聽見 A 那樣對 B 說。」 於是： \[ SpatialExposure \rightarrow PersistentBelief. \] 這是資訊拓樸真正具有長期效果的關鍵。 --- # 8. 私人訊息不是 Telepathy 另一條非常重要的 Channel 是： \[ PrivateMessage. \] 研究入藏後，`my_ai_town` 並不直接將： > 「你的研究已入藏」 塞入研究者 Prompt。 而是建立私人訊息： ```text id="xjzz9d" 你的研究記錄已經入藏圖書館了，有空可以來查閱。 ``` 並附： ```text id="995idc" research-accession: ``` 私人訊息進入正式郵遞流程。 因此： \[ MessageCreated \neq MessageReceived. \] --- # 9. 郵政將資訊變成世界流程 私人訊息會形成 postal task。 真正 delivery 需要： - 訊息存在； - 任務被處理； - 郵差取得投遞工作； - 找到收件人； - 在對話中真正說出原文； - World 才標記 delivered。 因此： \[ \boxed{ InformationTransmission } \] 本身變成： \[ WorldAction. \] 也就是： \[ Message \rightarrow Logistics \rightarrow Conversation \rightarrow Knowledge. \] 這非常重要。 因為資訊不再具有零成本瞬移。 --- # 10. 資訊傳播甚至可能失敗 如果： - 郵差沒處理； - 訊息過期； - 收件人離開； - 任務取消； 則： \[ Message \] 可能永遠無法完成傳遞。 所以： \[ \boxed{ Communication } \] 本身也具有： \[ FailureProbability. \] 這會產生非常真實的社會後果。 例如： > A 以為 B 收到了通知。 但： \[ Delivered=\mathrm{false}. \] 之後： \[ A \] 可能誤以為 B 故意不回應。 這種誤會可以完全由 World Mechanics 自然產生。 --- # 11. 郵政拓樸目前接近完全圖 然而，目前普通居民可以委託郵差傳話的對象，基本上是所有仍在小鎮中的其他居民。 主要限制是： - 不能寄給自己； - 對方必須存在； - 同時 pending 訊息不能過多。 因此現在： \[ G_{postal} \] 大致接近： \[ K_N. \] 即： \[ \boxed{ Near\text{-}Complete\ Communication\ Graph. } \] 這代表基礎通訊很自由。 但也意味： > 社會關係尚未真正限制資訊可達性。 --- # 12. 公告系統具有正式知識紀錄 公告系統更加明確。 `TownCommunityBulletinRuntime` 不是只保存 Announcement。 它另外保存： ```text id="oicjbp" knowledge_by_resident ``` 其中每筆 knowledge record 包含： - announcement ID； - acquired via； - source ID； - updated time。 因此可以直接表示： \[ Announcement_k\in K_i. \] 這已經是正式： \[ \boxed{ IndividualKnowledgeRegistry. } \] --- # 13. 公告知識具有來源 公告的 `acquired_via` 可以是： - publisher； - announcement broadcast； - town bell； - postal \mathrm{notice}； - bulletin read； - relayed。 所以： \[ Know_i(k) \] 不是只有 Boolean。 還具有： \[ Source_i(k). \] 因此： \[ K_i \] 開始變成： \[ \boxed{ ProvenancedKnowledge. } \] --- # 14. 公告轉告需要來源本人真的知道 這是目前最完整的一條資訊傳播語義。 假設 A 要把公告 \(k\) 告訴 B。 World 會先檢查： \[ k\in K_A? \] 如果： \[ k\notin K_A \] 則 relay 被拒絕。 只有 A 已正式知道： \[ k\in K_A \] B 又尚未知道時，才： \[ K_B \leftarrow K_B\cup\{k\}. \] 因此： \[ \boxed{ Transmission \Rightarrow SourcePossession. } \] 這是一條非常重要的 epistemic law。 --- # 15. 這已經是真正的 Information Diffusion 如果： \[ A\ knows\ k \] A relay 給 B： \[ A\rightarrow B. \] B 之後再 relay 給 C： \[ B\rightarrow C. \] 則： \[ k \] 可以沿著居民之間的互動路徑擴散。 因此： \[ \boxed{ K(t+1) = Diffusion( K(t), G(t) ) } \] 開始成立。 只是在目前實作中，這套正式 diffusion semantics 主要對公告最完整。 --- # 16. Agent Prompt 只投影自己知道的公告 Wake packet 不會直接放： \[ AllAnnouncements. \] 而是： ```text id="wmjj8a" known_announcements ``` 真正生成時，又是從居民自己的： \[ knowledge\_for(resident) \] 進行投影。 Prompt 更明確寫： > 本人已經知道、可以在真實對話中轉告的公告。 因此： \[ \boxed{ WorldKnowledgeRegistry \rightarrow AgentSpecificPrompt. } \] 這是正確的 epistemic boundary。 --- # 17. 但公告目前存在一個語義混用 研究中也發現一個值得注意的問題。 公告 publish 後，系統的 `record_broadcast_knowledge()` 會遍歷居民並呼叫： \[ receive\_directly. \] 因此目前一般公告在 publish 時，可能就被大量居民直接記成已知。 這使： - bulletin reading； - postal \mathrm{notice}； - relay； 一部分失去原本應具有的「真正資訊傳播」意義。 也就是： \[ \boxed{ PublicAvailability } \] 和： \[ \boxed{ IndividualKnowledge } \] 尚未完全分離。 更好的形式應是： \[ Available(k)=\mathrm{true} \] 並不等於： \[ Known_i(k)=\mathrm{true}. \] --- # 18. 公開可取得 ≠ 已經知道 例如公告貼在公告欄： \[ Public(k)=\mathrm{true}. \] A 沒經過公告欄： \[ k\notin K_A. \] B 去看： \[ k\in K_B. \] C 聽 B 轉述： \[ k\in K_C. \] 這才是： \[ \boxed{ InformationAccessibility \neq InformationAcquisition. } \] 這個區分非常重要。 因為真正社會中： > 資訊公開不代表所有人都看過。 --- # 19. Social Matter 還有比 Knowledge 更早的一層：Exposure Social Matter Runtime 更細。 它並不總是直接建立： \[ Known_i(M). \] 而可能先建立： \[ Exposure_i(M). \] Exposure 具有： - channel； - clue； - source； - expiration； - status。 所以： \[ \boxed{ InformationAvailable \rightarrow Exposure } \] 仍然不代表 Agent 真正知道完整內容。 --- # 20. Exposure、Awareness、Belief 是三層 這是本篇最重要的區分： \[ \boxed{ Exposure \neq Awareness \neq Belief } \] --- ## Exposure > 有線索進入感知範圍。 例如： > 咖啡館看起來很忙。 --- ## Awareness > 我知道這是一件需要處理的事情。 例如： > 咖啡館人手不足。 --- ## Belief > 我如何理解這件事？ 例如： > 老闆管理太差。 或： > 今天只是突然很多客人。 因此： \[ Exposure \rightarrow Awareness \rightarrow Belief. \] 每一層都有資訊損失與解釋。 --- # 21. Agent 可以忽略 Exposure Agent 面對 exposure 可以： \[ \mathrm{notice} \] \[ \mathrm{ignore} \] \[ \mathrm{defer}. \] 所以： \[ Signal \] 不一定變成： \[ Knowledge. \] 這使： \[ \boxed{ Attention } \] 成為 Information Topology 的一部分。 --- # 22. 有限注意力形成資訊差 如果世界同時有： \[ M_1,M_2,M_3,M_4. \] 但 Agent 一輪只能接收一個主要 social exposure： \[ AttentionCapacity=1. \] 那麼居民自然會形成： \[ K_A\neq K_B. \] 即使他們在同一地點。 因為： > 他們注意到了不同事情。 這是一個非常自然的資訊分化來源。 --- # 23. Social Matter 的初始資訊拓樸是事件導向 `TownInitialSocialContactPolicy` 會依問題來源決定誰先得到資訊。 例如： ### 服務壓力 \[ ResidentsAtPlace. \] ### 居民請求 \[ Requester\rightarrow Recipient. \] ### 職缺 \[ VacancyCandidates. \] ### 對話承諾 \[ Participants. \] 因此目前資訊拓樸主要是： \[ \boxed{ Event\text{-}Grounded } \] 以及： \[ \boxed{ Spatially\ Grounded. } \] --- # 24. 目前真正控制資訊流動的四張圖 現在可以將整個系統抽象成四張圖。 --- ## 24.1 Perception Graph \[ G_P \] Edge 表示： \[ A\ can\ currently\ perceive\ B. \] 控制： - nearby； - 旁聽； - 現場事件。 --- ## 24.2 Conversation Graph \[ G_C \] 表示： \[ A\leftrightarrow B. \] 控制直接語言交換。 --- ## 24.3 Matter Graph \[ G_M \] 連接： - creator； - affected； - observer； - participant； - place； - task。 控制社會問題的知情與回應。 --- ## 24.4 Postal Graph \[ G_{postal} \] 控制遠距私人訊息。 目前近似： \[ K_N. \] --- # 25. 缺的是 Relationship Graph 真正社會還需要： \[ \boxed{ G_R. } \] 其中 Edge 不只是： \[ A\ knows\ B. \] 而可以包含： \[ e_{ij} = ( Familiarity, Trust, Intimacy, Authority, Secrecy ). \] 例如： \[ Trust_{A\leftarrow B}=0.9. \] 表示： > A 很相信 B。 而： \[ Trust_{B\leftarrow A}=0.4. \] 完全可以不同。 因此： \[ \boxed{ G_R } \] 必須是： \[ DirectedGraph. \] --- # 26. 現在 NPC–NPC Relationship 主要仍在 Memory `my_ai_town` 的 Memory Organizer 已經正式維護： ```text id="wnmbpy" relationships ``` 而且要求按人物分開保存： - Name； - Stable ID； - 私人看法； - 形成關係的重要經歷。 所以： \[ R_{A\rightarrow B} \] 已存在。 但主要形式仍是： \[ NaturalLanguageMemory. \] 不是： \[ WorldQueryableEdge. \] --- # 27. 開局 Relationship Hint 也只是主觀線索 Agent Soul Profile 可以解析： - hostile； - affectionate； - protective； - rival。 但是程式明確把它們標成： ```text id="qlja33" status = unconfirmed ``` 並指出這些關係只是未確認線索，必須經過真實事件才可能成為後續有效認知。 因此： \[ ProfileHint \neq WorldFact. \] 這種設計非常適合未來建立主觀 Relationship Graph。 --- # 28. 下一階段應該不是 Global Relationship Score 常見做法可能會直接建立： \[ Friendship(A,B)=72. \] 但這仍然太簡化。 更合理的是： \[ R_{A\rightarrow B} \] 和： \[ R_{B\rightarrow A} \] 分開。 因為： > A 可能把 B 當好友。 但： > B 只把 A 當普通同事。 所以： \[ \boxed{ Relationship } \] 更應該是： \[ SubjectiveDirectedEdge. \] --- # 29. Trust 應該直接參與資訊更新 第 3 篇已經有： \[ Evidence \rightarrow Belief. \] 現在可以加入： \[ Trust. \] 因此： \[ \boxed{ \Delta Confidence_i(k) = f( SourceKind, Trust_{i\leftarrow j}, EvidenceQuality, Corroboration, Time ) } \] 例如同樣是 hearsay： A 很相信 B： \[ Trust=0.9. \] 則： \[ Confidence=70. \] A 很不相信 C： \[ Trust=0.1. \] 則： \[ Confidence=35. \] 這樣： \[ \boxed{ SocialRelationship \rightarrow EpistemicConsequence. } \] --- # 30. Trust 不等於 Affection 更進一步： \[ Trust \neq Like. \] A 可以討厭 B： \[ Affection<0. \] 但承認： \[ B \] 在醫學方面很可靠。 所以： \[ Trust_{i\leftarrow j}(topic) \] 最好可以 Topic-dependent。 例如： \[ T^{medical} \] \[ T^{business} \] \[ T^{personal}. \] 這會自然產生： \[ \boxed{ ExpertiseNetwork. } \] --- # 31. Expert 不需要 World 宣告「你必須信他」 假設 D 是醫生。 World 可以保存： \[ Capability_D(medicine). \] Agent A 又知道： \[ D\ is\ doctor. \] 那麼： \[ Authority_A(D,medical) \] 可以自然較高。 但 World 不必直接強迫： \[ Belief_A(D)=\mathrm{true}. \] 因為 A 仍然可以： - 不信任 D； - 有過糟糕經驗； - 相信其他人。 所以： \[ \boxed{ Expertise \rightarrow EvidenceWeight } \] 而不是： \[ Expertise \rightarrow ForcedTruth. \] --- # 32. Secret 也是一種傳播條件 如果每個 Agent 都願意把任何資訊告訴任何人： \[ G_R \] 就沒有意義。 因此 Claim 可以有： \[ Secrecy(k). \] Agent 傳播機率： \[ P(i\rightarrow j|k) = f( Trust, Intimacy, Secrecy, Personality, Context ). \] 例如： ### 公開消息 \[ Secrecy=0. \] 容易轉告。 ### 私人秘密 \[ Secrecy=0.9. \] 只有非常親近者才可能知道。 因此： \[ \boxed{ InformationDiffusion } \] 不再只是： \[ Reachability. \] 而是： \[ ConditionalReachability. \] --- # 33. 流言需要 Claim Identity 假設 A 說： > 「C 偷東西。」 B 轉給 D。 如果只是自然語言： \[ Text_A \rightarrow Text_B \rightarrow Text_D. \] 系統很難知道它們是不是同一條流言。 如果有： \[ ClaimRoot=k. \] 則： \[ A\rightarrow B\rightarrow D \] 都可以指向： \[ k. \] 於是可以追蹤： \[ \boxed{ RumorLineage. } \] --- # 34. 流言不必保持內容完全不變 更有趣的是： \[ k_0 \] 在轉述中可能變成： \[ k_1,k_2. \] 例如： \[ k_0: \text{我看到 C 拿走桌上的東西。} \] 變成： \[ k_1: \text{C 好像偷了東西。} \] 再變： \[ k_2: \text{C 是小偷。} \] 所以未來可以： \[ ClaimVariant \rightarrow ClaimRoot. \] 這使： \[ \boxed{ SemanticDrift. } \] 成為可以被世界觀察的現象。 --- # 35. 不同 Agent 可以對同一 Claim 有不同 Belief 定義： \[ B_i(k)\in[0,1]. \] 例如： \[ B_A(k)=0.9 \] \[ B_B(k)=0.65 \] \[ B_C(k)=0.1. \] 則整個社會對 Claim \(k\) 有： \[ \boxed{ BeliefDistribution(k). } \] 因此「社會共識」不必是一個 Boolean。 而是： \[ Distribution. \] --- # 36. Consensus 可以自然產生 如果： \[ B_i(k) \] 對大部分居民逐漸升高： \[ \frac{1}{N}\sum_i B_i(k)\rightarrow1 \] 則形成： \[ SocialConsensus(k). \] 但 Consensus 仍不代表： \[ WorldTruth(k). \] 因此： \[ \boxed{ Consensus \neq Truth. } \] 這是一個非常重要的 AI 社會命題。 --- # 37. 錯誤共識也能存在 如果一條錯誤 Claim： \[ k=\mathrm{false} \] 因為： - 高信任來源； - 多次重複； - 大量轉述； 導致： \[ \forall i,\ B_i(k)\approx1. \] 那麼社會可以形成： \[ \boxed{ FalseConsensus. } \] 而居民又會基於這個錯誤共識做出真實行動。 因此： \[ FalseInformation \rightarrow RealSocialState. \] 這就是完整 AI Society 的重要可能性。 --- # 38. 資訊傳播本身可以產生 Gameplay 一旦： \[ InformationTopology \] 成為正式世界結構，遊戲玩法就不再只需要： - 戰鬥； - 生產； - 經營。 玩家還可以： - 尋找消息來源； - 查證； - 隱瞞； - 傳話； - 公布證據； - 說服關鍵人物； - 阻止流言； - 製造資訊不對稱。 所以： \[ \boxed{ Information } \] 本身成為： \[ GameplayResource. \] --- # 39. Knowledge Artifact 可以成為另一條資訊 Channel 前面研究到： \[ Research \rightarrow Booklet. \] 這表示資訊不一定只能透過語言。 還可以： \[ Knowledge \rightarrow Artifact \rightarrow Carrier \rightarrow Reader. \] 因此： \[ \boxed{ PhysicalKnowledgeChannel. } \] 例如一本書只有一份。 那麼： \[ Possession \] 本身就可能限制： \[ KnowledgeAccess. \] 這會把： \[ Asset \] 與： \[ Knowledge \] 接起來。 --- # 40. Channel 本身也可以具有成本 不同 Channel 應該有不同： \[ Cost. \] 例如： ### Conversation 需要： \[ CoLocation. \] ### Postal 需要： \[ Time+Worker. \] ### Bulletin 低成本但公開。 ### Private Message 較慢但私密。 ### Artifact 需要生產與物流。 因此 Agent 選擇： \[ WhichChannel? \] 本身就可以是策略。 --- # 41. Channel 可以有可靠度 不同 Channel 也不一定具有相同： \[ Reliability. \] 例如： ### World-confirmed bulletin 較高。 ### Hearsay 較低。 ### Overheard fragment 可能缺 context。 ### Physical document 具有較穩定 provenance。 因此： \[ ConfidenceUpdate = f( Channel, Source, Evidence ). \] 這使 Channel 不只是 network edge。 而是： \[ \boxed{ EpistemicOperator. } \] --- # 42. Channel-Grounded Information Topology 因此可以正式定義： \[ G_I(t) = ( V, E_C ) \] 其中： \[ V=\text{Agents+InformationObjects}. \] Edge \(E_C\) 表示： > 某資訊透過某個 Channel 可以傳到某個 Agent。 例如： \[ A \xrightarrow{conversation} B \] \[ Bulletin \xrightarrow{read} C \] \[ Message \xrightarrow{postal} D \] \[ Conversation(A,B) \xrightarrow{overhear} E. \] 這就是： \[ \boxed{ Channel\text{-}Grounded\ Information\ Topology. } \] --- # 43. Relationship-Weighted Epistemic Topology 下一階段則加入： \[ G_R. \] 令： \[ w_{ij}(k) = f( Trust, Intimacy, Authority, Secrecy ). \] 則傳播不再只有： \[ EdgeExists? \] 而是： \[ P(Transmission). \] 因此： \[ \boxed{ G_E = G_I \otimes G_R. } \] 可以稱為： \[ \boxed{ Relationship\text{-}Weighted\ Epistemic\ Topology. } \] --- # 44. 此時資訊社會才真正形成 當： \[ G_E \] 成立後，系統可以自然出現： ### Gossip Hub 某居民： \[ Degree_{information}\gg \mathrm{others}. \] --- ### Expert Cluster 某職業群體形成： \[ HighDomainTrust. \] --- ### Echo Chamber 群體內： \[ Trust_{inside}\gg Trust_{outside}. \] --- ### Secret Network 只有部分高 intimacy edge 可以傳遞某 Claim。 --- ### Misinformation Cascade 低品質 Claim 因高 trust source 快速擴散。 這些都不必另外寫成劇情。 --- # 45. 從資訊流到社會結構 更進一步： \[ InformationFlow \] 本身可以改變： \[ Relationship. \] 例如： A 多次給 B 正確情報： \[ Trust_{B\leftarrow A}\uparrow. \] A 多次散播錯誤： \[ Trust_{B\leftarrow A}\downarrow. \] 於是： \[ Information \rightarrow Trust \rightarrow FutureInformationFlow. \] 形成： \[ \boxed{ FeedbackLoop. } \] --- # 46. Epistemic Feedback Loop 完整形式： \[ Claim \rightarrow Transmission \rightarrow Belief \rightarrow Action \rightarrow Result \rightarrow TrustUpdate \rightarrow FutureTransmission. \] 即： \[ \boxed{ K_t \rightarrow R_t \rightarrow K_{t+1}. } \] 這就是資訊社會真正開始自我組織的地方。 --- # 47. Information Topology 與 World History 如果資訊不具有持久性： \[ InformationEvent \rightarrow Disappear. \] 那就只有瞬時聊天。 但當： \[ Information \rightarrow Memory \rightarrow Belief \rightarrow Action \] 之後： \[ InformationHistory \] 會真正改變： \[ WorldHistory. \] 例如： > 一個沒有人查證的傳聞，最後導致兩人決裂。 那麼： \[ FalseClaim \] 已成為： \[ HistoricalCause. \] --- # 48. 資訊是世界中的另一種資產 到這裡可以看到： \[ Knowledge \] 甚至可以視為： \[ Asset. \] 但它不同於普通物品。 普通資產： \[ Transfer(A,B) \] 往往意味 A 少一份。 資訊則可能： \[ Copy(A,B) \] 而 A 仍然保留。 因此它是一種： \[ \boxed{ NonRivalrousAsset. } \] 但： \[ Access \] 仍然可以被： - secrecy； - ownership； - institution； - geography； 限制。 這會是後續 Persistent Ontology 的重要延伸。 --- # 49. 本篇對目前系統的總結 目前 `my_ai_town` 已經具有： \[ \boxed{ ChannelGroundedInformationTopology } \] 的多個核心組件： - spatial overhearing； - private conversation； - postal message； - announcement knowledge； - announcement relay； - Social Matter exposure； - individual awareness； - memory provenance。 但仍缺： \[ \boxed{ UnifiedClaimPropagation } \] 以及： \[ \boxed{ RelationshipWeightedTrust. } \] 也就是： > 資訊已經有「怎麼傳」，但不同人「為什麼會信」以及「願不願意傳」還沒有完全成為通用 World Mechanic。 --- # 50. 結論：真正的 AI 社會不是共享資料庫 真正的 AI 社會需要： \[ \boxed{ EpistemicLocality. } \] 每個 Agent 都活在： \[ W_i \] 自己的世界切片。 資訊透過： \[ Channel \] 傳播。 之後經歷： \[ Exposure \rightarrow Awareness \rightarrow Belief. \] 而不同 Agent 最終得到： \[ K_i\neq K_j. \] 因此： \[ \boxed{ SocialReality } \] 並不是： \[ OneWorldState \] 直接複製給所有 Agent。 而是： \[ \boxed{ OneObjectiveWorld + ManyPartialKnowledgeWorlds. } \] 這使： - 秘密； - 流言； - 誤會； - 專家； - 欺騙； - 調查； 真正具有存在空間。 本篇最核心的命題因此是： \[ \boxed{ \text{Information should travel through the world, not appear inside the model.} } \] 也就是： > **資訊應該在世界裡傳播，而不是憑空出現在模型上下文裡。** 到這一步，我們已經擁有： \[ World \rightarrow Problem \rightarrow Channel \rightarrow Knowledge \rightarrow Belief. \] 但是下一個問題反而更加根本： > 即使世界每天產生不同問題、不同對話、不同流言，如果所有變化最後都被休息、修復、補貨、冷卻與重新上班拉回原點，那它真的產生歷史了嗎？ 因此下一篇進入： # 第 6 篇 ## 《為什麼 AI 小鎮最後仍會回去上班睡覺：Attractor 與 Emergence》 研究： \[ \boxed{ Stochastic\ Homeostatic\ Attractor } \] 並正式區分： \[ EventEmergence \] 與： \[ StructuralEmergence. \] 也就是： > **世界一直發生新事情，和世界真的變成另一個世界，是兩件完全不同的事。**