先問劑量到哪失效，再問量對了沒

線蟲敲掉睡眠調控通路，壽命確實延長 5.6%～11.6%，但 24 小時長期記憶完全消失，脂肪囤積，代謝崩壞。一個指標往上，另外兩個往下。今天二十一篇素材，大多在示範一個道理：別只看被宣稱有益的那個數字。

一、你量的那個指標，未必是你真正在意的結果

發生了什麼：BMJ 一篇 124 項 RCT、18,429 人的網狀分析顯示，運動護骨呈倒 U 型。約 600 METs-min/週開始有臨床意義，900～1000 達峰，再往上獲益不升反落。同一系列骨密度分析發現，快走慢跑是唯一同時改善腰椎、股骨頸、全髖骨密度的運動，但降骨折風險的卻是混合有氧（OR 0.29）與身心運動（OR 0.58）。NEJM EPoS II 顯示，高危腺瘤切除後，5 年複查在大腸癌發生率上非劣於 3 年複查（0.77% vs 0.82%），少做 4,180 次腸鏡。更頻繁的監測確實多找出息肉，但那是替代結局，沒有轉化成癌症發生率的下降。STAREE 追蹤近萬名 70 歲以上健康老人，他汀讓主要心血管事件降 30%，無失能生存期卻無統計學差異。EPoS II 只是 5.5 年期中分析，10 年最終結果未出。這些數字出自來源轉述，尚未回查原始論文。

原理：代理指標與終點指標各有自己的最優解，優化前者不保證後者跟著動，而倒 U 型劑量反應下，加大力度會從優化變成破壞。

怎麼用：做任何監測或干預設計，先問「我量的這個數字，跟我真正想要的結果之間，有沒有被驗證過的橋」。

何時不成立：劑量反應仍在線性上升段，或終點本身無法觀測時，這條會反轉，例如罕見事件、超長潛伏期。那時代理指標是唯一可操作的抓手，硬等硬終點等於什麼都不做。

二、不能被模型修改的外部驗證器，決定產出的可信度

發生了什麼：DeepMind AlphaProof Nexus 在 350 多個開放的 Erdős 問題中解掉 9 個，含 2 個卡了人類 56 年的。關鍵在模型被關進 Lean 的沙盒。原定理陳述連一個標點都不准改，sorry 暫時標記未完成的推導讓編譯器放行，最終要把所有 sorry 消乾淨，交出 100% 機器可驗證的證明。成本數據也刺眼。並發開到 k=10 時，最簡陋的 basic agent 與全功能 agent 在多數問題上都落在 200 美元附近。只有 Erdős 第 125 號這種極限題，全功能才把解決率從 10% 拉到 50%。

原理：語言模型生成的自然語言論證，看起來詳實卻可能藏著邏輯跳躍。差別在有沒有一個不能被模型修改的外部驗證器，沙盒的精髓是需求不可寫、實作可寫。

怎麼用：下次讓一個模型審另一個模型的產出，先要求審查對象附上可執行的驗收條件，例如測試或 build。並發與架構在多數任務上可互換，預設先加線程，再考慮加層次。

何時不成立：只在正確性可被機器判定的領域成立。寫作、設計、策略這類沒有形式化驗收條件的工作，硬套沙盒會退化成用一個同樣不可靠的模型去審另一個。並發替代架構也有下限：問題落進基礎 agent 的 0% 區，再開一百個線程仍然是 0%。

三、AI 的價值在嫁接既有的高頻行為

發生了什麼：過去三年 AI 硬體的成敗分得很開。想取代現有介面的全死了。Humane AI Pin 上市到退市 10 個月，Rabbit R1 十萬台裡僅 5,000 台活躍。Embodied Moxie 單台成本高於售價，2025 年初破產。在成熟品類上加 AI 的全賣爆。Ray-Ban Meta 破 100 萬台，Plaud 錄音卡一年 200 萬台，Oura 戒指累計 250 萬枚。三家失敗團隊的配置都是頂配，所以是路線問題。招聘側指向同一方向：廣告傳媒整體招聘三年掉約 60%，AI 崗位漲約 4.5 倍，其中 84% 來自主業非 AI 的傳統企業。

原理：AI 的落點應該選在使用者已經每天打開的那個動作上，再說服人養成新習慣的成本太高。

怎麼用：評估一個 AI 想法時問一句：這是取代 X，還是增強 X？如果是增強，X 必須已經是高頻行為。

何時不成立：品類本身正在消失時失效，嫁接在衰退的高頻行為上，只是讓下滑得更體面。

四、證據不足時，仍有一套能做決策的檢核

發生了什麼：隱翅蟲在中國北方「爆發」，真相是分佈帶北移。蟲子一直都在，暖化加上今年聖嬰（8 月上半月海溫指數 2.64℃）把北方推進了 20～30℃、濕度 60%～80% 的最適繁殖區。WHO 2026 痴呆指南則把減少空氣污染暴露列為有條件推薦。PM2.5 長期暴露對應痴呆風險 HR 1.40，理論上清零可預防約 3% 的痴呆，證據確定性卻是「極低」。WHO 仍給出推薦，理由有四項：跨地區結果一致、暴露普遍、因素可干預，以及減污與減碳有共同效益。

原理：證據等級低時，一致性、覆蓋面、可操作性、共同效益這四項，可以支撐一個有條件的決策。

怎麼用：證據等級偏低、又得做決定時，用一致性、覆蓋面、可操作性、共同效益四項逐一檢查，看能否撐起一個有條件的決策。

何時不成立：只適用於介入成本低、副作用小的場合。介入昂貴或有傷害時，用同一套理由推進就成了拿證據不足當放行理由。WHO 自己在「65 歲以上不建議用停經荷爾蒙治療防痴呆」上，就採取相反的謹慎態度。

五、小規模已有不尋常價值，推到沒試過的規模

發生了什麼：OpenAI 與 YC 的訪談裡，最有實證味道的是 YC 自己。業內普遍建議縮減到每批 10 家公司，但規模擴大後出現的批次內部網絡效應，是小規模階段完全看不到的。代價是系統故障會隨規模以不可預測的方式加速出現。ChatGPT 的起點也不是頂層設計：GPT-3 API 上線初期幾乎零關注，是開發者拿自己的 key 跟模型聊天，催生了產品構想。

原理：湧現特性在小規模下不可見，把有不尋常價值的東西推到前人沒試過的規模，常拿到超出線性外推的結果。

怎麼用：發現需求時，看使用者實際拿你的東西做什麼，別只聽他們說想要什麼。

何時不成立：只在故障模式可觀測、可回滾的系統裡才該賭規模。故障不可逆，例如安全、醫療、資金，或邊際成本隨規模上升時，這條就是災難配方。

今天的主線

這組研究共同在示範：生理系統是多目標優化器，不是單一指標最大化器。它會主動犧牲壽命去換代謝與記憶，這是演化選過的配置，不是缺陷。同樣的思路也適用於工具與產業：問清楚劑量、終點、驗證器與落點，比問「有沒有效」更有資訊量。

本文數據引自所列來源之解讀內容，未逐一回查原始報告。

來源

• 〈Science Advances：生長抑素調控睡眠、代謝、壽命與記憶〉，期刊研究解讀
• 〈NEJM EPoS II：高危腺瘤切除後結腸鏡監測間隔〉，期刊研究解讀
• 〈NEJM STAREE：老年人他汀一級預防萬人試驗〉，期刊研究解讀
• 〈BMJ：中老年人運動護骨的模式與劑量〉，期刊研究解讀
• 〈歐洲心臟雜誌：全穀物攝取的劑量—反應（87 項 RCT）〉，期刊研究解讀
• 〈Nature Aging：運動延緩卵巢衰老的脂聯素通路〉，期刊研究解讀
• 〈Cell Reports Medicine：鞣花酸變構調節 YTHDF 家族〉，期刊研究解讀
• 〈J Gerontol：U.S. POINTER-zzz 午睡、睡眠呼吸中止與認知〉，期刊研究解讀
• 〈WHO 2026 認知下降與痴呆風險降低指南解讀（第四篇：12 項慢病）〉，指南解讀
• 〈WHO 2026 指南解讀（第五篇：空氣污染、多領域干預、實施策略）〉，指南解讀
• 〈WHO 2026 指南範圍綜述解讀：哪些因素要更新、哪些新增〉，指南解讀
• 〈Google DeepMind AlphaProof Nexus 工程拆解〉，播客
• 〈Demis Hassabis 獲頒 RSA 阿爾伯特獎章〉，演講／頒獎活動
• 〈AI 領域 scaling、ChatGPT 與 Codex 發展對話〉，訪談
• 〈AI 創業規模效應（同場訪談摘要）〉，訪談
• 〈AI 硬體生意拆解：傳統形態 + AI 才是爆款公式〉，得到 App《快刀青衣》
• 〈975｜AI 時代，工作機會現在正流向哪裡？〉，得到 App《矽谷AI觀察》
• 〈998｜最近的「隱翅蟲大爆發」，到底是怎麼回事？〉，得到 App《矽谷AI觀察》
• 〈02｜快刀青衣 × 脫不花：普通人如何打破天花板？〉，得到 App
• 〈24Keys · 榮格心理學入門〉，書籍解讀
• 〈螞蟻阿福「AI 飲食分」功能解析〉，產品評測