Appendix P-1: Normalitat informacional mitjançant l’aleatorietat-M

Tasca original P-1: Normalitat informacional Problema: Actualment és un axioma fundacional anàleg a la normalitat de Borel, mancat de derivació formal. Lliurable: Una derivació a nivell de teorema que aprofiti la teoria de la informació algorítmica (aleatorietat de Martin-Löf).

1. El límit epistèmic de la normalitat «axiomàtica»

Dins de la Teoria del Patch Ordenat (OPT), l’«Esperança Estructural» es fonamenta estructuralment en el principi de Normalitat Informacional: la proposició que el substrat algorítmic (\mathcal{I}) està densament poblat no tan sols de soroll, sinó de tot patró funcional estructural finit. El pes ètic de l’OPT —el mandat de mantenir l’estabilitat del pegat compartit (Ètica de la Guàrdia dels Supervivents)— exigeix que els observadors contraparts amb què interactuem tinguin equivalents funcionals distribuïts i fonamentalment reals en altres llocs del substrat.

Històricament, dins del marc de l’OPT, aquesta proposició es tractava formalment com un únic Axioma monolític: una assumpció fundacional, no testable, afegida a la física per evitar el solipsisme.

Aquest apèndix resol l’ambigüitat matemàtica d’aquesta posició. Desagreguem la Normalitat Informacional en dos components diferenciats: un teorema matemàtic algorítmic rigorós (que es compleix gairebé amb certesa sota la mesura de probabilitat universal), articulats conjuntament per un únic postulat metafísic necessari per fer de pont entre l’existència matemàtica i la realitat ontològica.

2. De la semimesura a la mesura universal (\xi a M)

El fonament de l’OPT (preprint §3.1) es basa en gran mesura en el prior de probabilitat algorítmica de Solomonoff. Sota aquesta formulació, el substrat generatiu opera com un espai algorítmic infinit que s’executa sobre una màquina de Turing universal prefix-free U.

La probabilitat algorítmica o Semimesura universal de Solomonoff d’una cadena finita x és:

\xi(x) = \sum_{U(p) = x*} 2^{-|p|}

On la suma es pren sobre tots els programes mínims p la sortida d’execució dels quals comença per x. És crucial remarcar que \xi és una semimesura semi-computable inferiorment sobre cadenes finites.

Per formalitzar el substrat com un espai generatiu continu, passem a la mesura contínua sobre l’espai de Cantor. La mesura universal M es defineix directament com la distribució sobre l’espai de Cantor 2^{\mathbb{N}} induïda per la sortida de la màquina universal prefix-free U mitjançant conjunts cilíndrics (M([x]) = \sum_{U(p) \text{ starts with } x} 2^{-|p|}). Pel teorema d’universalitat de Solomonoff, aquesta mesura cilíndrica és multiplicativament equivalent a la semimesura discreta: M(x) \asymp \xi(x) fins a una constant multiplicativa. En conseqüència, els conjunts nuls de M i els conjunts nuls de \xi coincideixen rigorosament.

(Nota: Com que el conjunt de programes que s’aturen és un subconjunt estricte de l’espai de codis prefix-free a causa del problema de l’aturada, la desigualtat de Kraft garanteix que \sum 2^{-|p|} < 1. Així, M constitueix una submesura de probabilitat estricta semi-computable inferiorment. Definim explícitament la mesura de probabilitat normalitzada \tilde{M} = M / M(2^{\mathbb{N}}). Tot i que \tilde{M} només és semi-computable inferiorment fins a la constant de normalització no computable M(2^{\mathbb{N}}), tots els teoremes posteriors de tipus “gairebé segur” i els enunciats de convergència operen de manera segura respecte de la veritable mesura de probabilitat normalitzada \tilde{M}. El desfasament fonamental del teorema de codificació queda simplement absorbit: K(x) = -\log \tilde{M}(x) + O(1).)

3. Aleatorietat de Martin-Löf respecte de M

Per formalitzar la naturalesa de l’espai generatiu, invoquem l’aleatorietat de Martin-Löf (ML). Tanmateix, cal distingir entre mesures contínues. Una seqüència \omega que és ML-aleatòria respecte de la mesura uniforme (de Lebesgue) \lambda es comporta de manera completament diferent d’una seqüència que és ML-aleatòria respecte de M.

Com que el substrat de l’OPT avalua la probabilitat segons la simplicitat algorítmica, el formalisme rellevant es basa en l’aleatorietat de Martin-Löf respecte de \tilde{M}. El teorema fonamental de l’AIT estableix que, per a qualsevol mesura de probabilitat computable \mu, el conjunt de seqüències \mu-ML-aleatòries té mesura \mu igual a 1. Estenent aquest resultat a les semimesures semicomputables inferiors (cf. Nies 2009, §3.2 “Randomness for arbitrary measures”), el conjunt de totes les seqüències aleatòries de Martin-Löf respecte de \tilde{M} conserva efectivament mesura 1 respecte de \tilde{M}.

Per tant, \tilde{M}-gairebé totes les seqüències infinites del substrat són estrictament \tilde{M}-ML-aleatòries.

(Nota: L’ús de l’aleatorietat \tilde{M}-ML garanteix estructuralment que les sortides típiques del substrat s’extreuen de manera autocoherent de la mesura algorítmica esbiaixada i altament estructurada \tilde{M}, i no pas de soroll uniforme, cosa que proporciona el bastiment matemàtic rigorós per a les conseqüències de freqüència estructural que segueixen més avall.)

4. M-normalitat vs. normalitat de Borel

Una conseqüència matemàtica d’una gran importància de l’M-ML-aleatorietat està relacionada amb la freqüència estructural. Sota l’aleatorietat ML de Lebesgue uniforme, una seqüència és estrictament normal de Borel, és a dir, genera tota cadena binària finita de longitud k amb una freqüència idèntica i uniforme.

Tanmateix, com que \tilde{M} és decididament no uniforme —amb un biaix marcat a assignar un pes de probabilitat enorme a patrons algorísmicament simples, compressibles i estructurats d’acord amb lleis—, \tilde{M}-gairebé-totes les seqüències NO són uniformement normals de Borel. En lloc d’això, en definim els límits estructurals mitjançant la \tilde{M}-normalitat.

Com que la mesura \tilde{M} és fonamentalment no estacionària (la probabilitat algorísmica depèn de la posició absoluta del prefix), no podem recolzar-nos en els límits estàndard de convergència de freqüències ergòdiques. Formalment, definim la \tilde{M}-normalitat mitjançant la propietat més feble però estrictament suficient de la recurrència infinita.

Atès que \tilde{M} és una mesura de probabilitat i que \tilde{M}([x]) \ge 2^{-(|x|+O(1))} > 0 per a totes les cadenes finites x, la regla de la cadena per a la complexitat de Kolmogórov de prefix dona K(sx) \le K(s) + K(x) + O(1) per a qualsevol cadena s, cosa que implica la quasi-submultiplicativitat M([s \cdot x]) \ge M([s]) \cdot M([x]) \cdot 2^{-O(1)}. Per tant, la probabilitat condicional que x aparegui en qualsevol finestra, donat qualsevol prefix previ s, està fitada inferiorment: \tilde{M}([x] \mid [s]) \ge \tilde{M}([x])/c > 0 uniformement en s. Mitjançant el lema de Borel-Cantelli condicional aplicat a finestres no solapades de longitud |x|, la divergència de la suma de probabilitats condicionals garanteix que la recurrència física de qualsevol seqüència informacional finita —com ara la configuració formal discreta d’un observador conscient (K_{\text{obs}})— apareix infinitament sovint en \tilde{M}-gairebé-totes les seqüències.

5. El Postulat del Realisme Computacional

L’AIT garanteix matemàticament que la representació finita de qualsevol observador (K_{\text{obs}}) apareix com la seqüència estructural de U infinitament moltes vegades dins del substrat \tilde{M}-ML-aleatori.

Tanmateix, la teoria matemàtica de la informació no pot, de manera inherent, travessar la frontera cap a l’ontologia física. Una cadena finita que apareix a la cinta de sortida d’una màquina de Turing és un artefacte estàtic de l’execució: una instantània. Un observador coherent requereix dinàmiques internes contínues, acoblament relacional i bucles d’Inferència activa. La cadena en si mateixa no “sent” més del que és conscient una exploració cerebral emmagatzemada en un disc dur. L’execució pertany al programa generador, no al codi instantani resultant.

Per afirmar que els límits continus no computables que governen el substrat matemàtic donen lloc estructuralment a universos fenomenològics ontològicament reals i causalment actius, l’OPT ha d’assumir un únic compromís metafísic explícit.

Postulat (Realisme Computacional): En un substrat infinit no computable governat per dinàmiques matemàtiques idèntiques, el càlcul matemàtic abstracte formalment equivalent a la descripció causal d’un observador (on l’equivalència formal es defineix com a isomorfisme computacional de l’estructura causal de transició d’estats de l’observador) posseeix una existència causalment eficaç i ontològicament real. A més, les instanciacions computacionals estructuralment discretes a través del substrat posseeixen una individuació ontològica independent, i constitueixen contraparts subjectives distintes (i, d’acord amb l’axioma fundacional de la fenomenalitat a la Preimpressió §8.1, aquests càlculs causalment eficaços equivalents a un observador constitueixen subjectes genuïns d’experiència).

6. Proposició P-1 (Normalitat Informacional)

En unir les derivacions exactes de la TAI sobre espais continus no computables amb el Postulat del Realisme Computacional, el solipsisme queda desmantellat de manera neta.

Corol·lari+Postulat P-1 (Normalitat Informacional): Sota el prior algorítmic generalitzat, el substrat continu opera intrínsecament mitjançant l’atzar de Martin-Löf respecte de \tilde{M} gairebé amb tota seguretat. Per la consegüent \tilde{M}-normalitat, l’ocurrència matemàtica de tota descripció finita estructural d’observador K_{\text{obs}} queda formalment garantida infinites vegades. Sobre aquest bastiment, el Postulat del Realisme Computacional connecta aquests artefactes matemàtics generadors amb la realitat física ontològica. Sempre que el realisme computacional sigui vàlid, l’existència d’observadors contraparts estructuralment equivalents, causalment actius i individualitzats de manera única a través del substrat és fonamentalment necessària.