學術論文可以Revision 專利申請為何不能「補料」？

本文獲邀刊載於「信報教育」(2026.03.09) 

對於身處大學環境的教授與研究人員而言，「投稿」是最熟悉不過的工作。從初稿送出、回應審查意見，到依審稿建議進行大修（Major Revision）或小修（Minor Revision），這種「邊走邊修」的模式，早已是學術常態。

資料來源：作者攝於大觀書社

在學術界，Revision是一種使研究品質更周延的過程。補做實驗、增加數據、重寫段落，都是為了強化研究的嚴謹度。

然而，這種在學術界理所當然的修訂機制，到了專利申請卻成了高度敏感的禁區，甚至可能導致無法獲批。許多教授把研究成果轉化為專利時，最常感到困惑的是：為什麼寫論文可以不斷補強，專利申請卻幾乎不能「補料」？

一次定江山 嚴禁「附加事項」

有別於學術論文能在Revision階段補強，香港《專利條例》設有一條相當嚴格的紅線，申請文件的修訂不得包括「附加事項」（Added Matter），亦即不能在提交日之後，把原本未披露的新內容加進去。

簡單來說，學術論文的Revision可以是「加法」，但專利申請文件的修訂，只能接受「減法」或「重組」，也就是在原本已披露的內容中進行限縮、重新編排或解釋，絕不能把後來得到的新實驗數據直接補進去，卻主張原先的提交日期。

對習慣學術邏輯的研究人員來說，這套制度設計似乎有些僵化，但其背後其實有個清楚的制度考量。

關鍵︰時間基準的公平性

專利制度採納「先到先得」（先申請）原則，誰先向知識產權署提交專利申請，誰就佔據了時間優勢，而這往往決定了何者能獲批專利。

如果允許提交專利申請後，繼續補充新的技術內容，卻依然享有較早的提交日期，那麼在這段期間也研發出相同技術的競爭者，因較晚的提交日期而失去時間優勢。原本先到先得的競爭秩序將被事後改寫，使制度的可預測性整個亂了套。

專利制度真正要保護的，並非個別申請人的方便，而是整體產業競爭的公平性。提交日期一旦押上，申請文件的披露範圍即被「時間鎖定」。事後補充，縱然能使披露更加完整，但也不能穿越時空回到過去，改變既定的競爭基礎。

換個角度想：學術論文的Revision是為了「追求研究結論的完備」，而專利制度要求的，則是劃定「產業競爭的起跑線」。

有新突破該怎麼辦？

假設提交專利申請後，實驗室又取得重大突破，而原申請文件並未披露這些內容，實務上會另行提交一件新的專利申請。這些突破成果，將會獲得新的提交日期，而無法回溯至舊案。

論文與專利並不存孰優孰劣的問題，兩者只是服務於不同目的、遵循不同邏輯的遊戲規則。專利申請文件的披露，攸關法律上權利要求的楚河漢界，在時間基準的確定上自然會錙銖必較。

400日圓測謊機—是在追求真相，還是在購買「確定性」？

本文獲邀刊載於「香港01論壇」(2026.03.04)

在街頭的扭蛋機裏，偶爾會看到一種充滿戲謔感的塑膠玩具：玩具測謊機。投下400日圓，轉動旋鈕，就會掉出一個附有按鈕與紅綠燈號的小盒子。按下按鈕，機器會發出一陣嗶嗶聲，然後隨機亮起紅燈（說謊）或綠燈（誠實）。

資料來源：作者攝於台北玩具地下街

大家都心知肚明，這只不過是簡單的隨機電路設計，與真正的測謊技術（依據生理指標進行推論）毫無關聯。有趣的是，在派對或聚會上，人們依然樂於將手指按上去，屏氣凝神地等待燈號揭曉。

為何明知是隨機的，我們還是忍不住按下去？因為在燈號亮起的瞬間，原本模糊、曖昧、難以判讀的情境，被壓縮成一個簡單明確的二元訊號：紅或綠？真或假？。此刻我們得到的不是真相，而是一種「非黑即白」的確定幻覺。

從塑膠玩具到儀表板

如果把視角從街頭扭蛋機，拉回到各類決策現場，你會發現，類似的心理機制正以更昂貴也更精緻的形式反覆上演。在AI逐漸滲透金融市場、政策制定與組織管理的今天，這種傾向尤其明顯。

面對高度變動的環境、龐雜的資訊與難以預測的後果，心理認知會本能地感到焦慮。為了降低壓力，人類開始發展出各種量化指標、預測模型，乃至當紅的AI演算法，逐步形成一套模型與演算法系統。

我們凝視著精美的儀表板（Dashboard），某種程度上，就像盯着那台塑膠測謊機。我們渴望系統給出明確的訊號：綠燈代表安全或可控，紅燈則意味着風險或警示。即便許多人心裏清楚，任何模型都有其假設，甚至忽略了難以量化的脈絡與變數。但在講求效率、高度問責與績效導向的制度環境下，依循系統行事，往往比承認不確定性來得安全。

機器負責吸收「決策焦慮」

為什麼企業與組織會如此依賴這些系統？從認知風險（Epistemic risk）的角度來看，機器的首要功能並非提供真相，而是吸收焦慮與轉移責任。

在未知環境下做決策，必須獨自承擔失敗的風險。這種心理壓力是巨大的。但如果今天是由「演算法」給出建議，決策的重擔就被巧妙地「外包」（Outsourcing）出去。一旦結果不如預期，決策者便有了一個完美的免責聲明：「我是根據AI做出的合理判斷。」

這正是最危險的認知盲區，我們誤以為導入了AI演算法，就能消除不確定性；但實際上，紅綠燈訊號無法消除真實世界的複雜度，它只是幫我們消化了做決定的焦慮。

勿把訊號當成「免責聲明」

當我們過度迷信系統給的答案，而放棄對脈絡的主動判斷時，無異於把命運交給一台昂貴的扭蛋機。真正的風險，不在模型是否精準，而在於我們開始讓它取代思考。

成熟的決策，不是盯着綠燈前進，也不是看到紅燈就退卻，而是在訊號出現之後，仍保留質疑與修正的空間。真正值得警惕的，不是模型本身，而是我們誤以為不確定性已經被消化，因而過早鬆懈。

為何最危險的決策失誤—往往來自「太早確定自己是對的」？

 本文獲邀刊載於「香港01論壇」(2026.02.17)

在專業工作中，我們習慣將「做對的事」視為一種正向特質。只要方向看起來合理、有價值，且曾經奏效，便容易被快速鎖定，成為持續投入的路徑。這種傾向，在政策制定、組織轉型、科技投資與各類大型決策過程中，並不罕見。

資料來源：由Grok繪製

當「正確」不再需要被說明

許多判斷並非一開始就出錯，而是在成功經驗累積後逐漸失去彈性。某些做法在特定情境下奏效，獲得正面回饋與組織支持，便會被反覆引用。久而久之，仍有討論與修正空間的判斷，便逐漸被各種「理所當然」所取代。

此時，決策討論的性質悄然改變。原先探討「是否仍然適合」的問題，被扭曲為「是否認同這樣的方向」。當質疑被視為立場問題，而非資訊回饋時，判斷便開始失去自我校準的能力。

常見卻容易忽略的誤判機制

上述轉變並非偶然，而是經由幾個常被忽略、且經常出現在組織與制度層級決策流程中的誤判機制逐步累積而成。

第一，情境成功被誤認為普遍成功。忽略成功是建立在特定的組織規模、分工或權力結構之上，盲目地複製成功經驗，反而可能在情境改變後延遲問題浮現。

第二，價值被誤判為需求。「這件事有意義」與「市場願意為此付出成本」之間，往往存在落差。當價值直接被視為需求，行動速度凌駕於理解速度，回饋機制便失靈。

第三，正當性逐步凌駕於現實回饋之上。當某個方向被賦予高度正當性，原本用來修正判斷的負面訊號，容易被重新解釋為短期雜訊。行動在持續推進的同時，修正錯誤的空間卻不斷萎縮。

為何「專業者」特別容易陷入此境？

我曾在一個高度重視分析能力的產業研究機構，經歷過一種具有不對稱特性的測試設計。任務的規模與複雜度，已超出新人在短時間內可掌握的範圍。當時某位前輩的提醒頗令人玩味：這類測試的目的不全在於篩選頂尖人才，而是確認人與工作型態之間的「適配程度」，避免過早將某條路視為唯一選項。

在高度不確定的環境中，降低長期風險的關鍵，不見得是更強烈的使命感，而是保留重新檢視判斷的空間。理解「值得做」與「適合現在做」之間的差異，本身就是高度的專業修養。

當「做對的事」依然容許被重新討論，它才具備真正的韌性。一旦確定得太早，風險往往早已在不知不覺中累積。對任何握有決策權力的個人或組織而言，這都是一個需要反覆檢視的治理課題。