Anhang P-1: Informationelle Normalität via M-Zufälligkeit

Ursprüngliche Aufgabe P-1: Informationelle Normalität Problem: Derzeit ein grundlegendes Axiom analog zur Borel-Normalität, jedoch ohne formale Herleitung. Ergebnis: Eine Herleitung auf Theorem-Niveau unter Nutzung der algorithmischen Informationstheorie (Martin-Löf-Zufälligkeit).

1. Die epistemische Grenze „axiomatischer“ Normalität

Innerhalb der Theorie der geordneten Patches (OPT) stützt sich „Strukturelle Hoffnung“ in struktureller Hinsicht auf das Prinzip der Informationellen Normalität: die Aussage, dass das algorithmische Substrat (\mathcal{I}) dicht bevölkert ist, und zwar nicht bloß mit Rauschen, sondern mit jedem endlichen strukturell-funktionalen Muster. Das ethische Gewicht der OPT — das Gebot, die Stabilität des geteilten Patchs aufrechtzuerhalten (Überlebenden-Wache-Ethik) — verlangt, dass die Gegenbeobachter, mit denen wir interagieren, anderswo im Substrat verteilte, fundamental reale funktionale Äquivalente besitzen.

Historisch wurde diese Aussage innerhalb des OPT-Rahmens formal als ein einziges monolithisches Axiom behandelt — als eine untestbare, grundlegende Annahme, die der Physik hinzugefügt wurde, um den Solipsismus zu vermeiden.

Dieser Anhang beseitigt die mathematische Mehrdeutigkeit dieser Position. Wir zerlegen die Informationelle Normalität in zwei unterschiedliche Komponenten: ein rigoroses algorithmisches mathematisches Theorem (das unter dem universellen Wahrscheinlichkeitsmaß fast sicher gilt), zusammengehalten durch ein einziges metaphysisches Postulat, das notwendig ist, um mathematische Existenz in ontologische Realität zu überführen.

2. Vom Semimaß zum universellen Maß (\xi zu M)

Die Grundlage der Theorie der geordneten Patches (OPT) (Preprint §3.1) stützt sich in hohem Maße auf den Prior der Solomonoffschen algorithmischen Wahrscheinlichkeit. In dieser Formulierung operiert das generative Substrat als ein unendlicher algorithmischer Raum, der auf einer universellen präfixfreien Turing-Maschine U ausgeführt wird.

Die algorithmische Wahrscheinlichkeit oder das universelle Semimaß einer endlichen Zeichenkette x ist:

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

Dabei wird die Summe über alle minimalen Programme p gebildet, deren Ausgabefolge mit x beginnt. Entscheidend ist, dass \xi ein unterhalbberechenbares Semimaß über endlichen Zeichenketten ist.

Um das Substrat als einen kontinuierlichen generativen Raum zu formalisieren, gehen wir zum kontinuierlichen Maß auf dem Cantor-Raum über. Das universelle Maß M wird direkt als die durch die Ausgabe der universellen präfixfreien Maschine U induzierte Verteilung auf dem Cantor-Raum 2^{\mathbb{N}} über Zylindermengen definiert (M([x]) = \sum_{U(p) \text{ starts with } x} 2^{-|p|}). Nach Solomonoffs Universalitätssatz ist dieses Zylindermaß zum diskreten Semimaß multiplikativ äquivalent: M(x) \asymp \xi(x) bis auf eine multiplikative Konstante. Daher fallen M-Nullmengen und \xi-Nullmengen in strenger Weise zusammen.

(Anmerkung: Da die Menge haltender Programme aufgrund des Halteproblems eine echte Teilmenge des präfixfreien Code-Raums ist, garantiert die Kraft-Ungleichung \sum 2^{-|p|} < 1. Somit bildet M ein striktes unterhalbberechenbares Subwahrscheinlichkeitsmaß. Wir definieren explizit das normalisierte Wahrscheinlichkeitsmaß \tilde{M} = M / M(2^{\mathbb{N}}). Obwohl \tilde{M} nur bis auf die nicht berechenbare Normierungskonstante M(2^{\mathbb{N}}) unterhalbberechenbar ist, operieren alle nachfolgenden Theoreme vom Typ „fast sicher“ sowie alle Konvergenzaussagen sicher bezüglich des tatsächlich normalisierten Wahrscheinlichkeitsmaßes \tilde{M}. Der fundamentale Versatz des Kodierungstheorems wird dabei einfach absorbiert: K(x) = -\log \tilde{M}(x) + O(1).)

3. M-Martin-Löf-Zufälligkeit

Um die Natur des generativen Raums zu formalisieren, greifen wir auf Martin-Löf-(ML-)Zufälligkeit zurück. Dabei muss jedoch zwischen kontinuierlichen Maßen unterschieden werden. Eine Folge \omega, die bezüglich des uniformen (Lebesgue-)Maßes \lambda ML-zufällig ist, verhält sich vollständig anders als eine Folge, die bezüglich M ML-zufällig ist.

Da das OPT-Substrat Wahrscheinlichkeit nach algorithmischer Einfachheit bewertet, stützt sich der relevante Formalismus auf \tilde{M}-Martin-Löf-Zufälligkeit. Das grundlegende Theorem der AIT besagt, dass für jedes berechenbare Wahrscheinlichkeitsmaß \mu die Menge der \mu-ML-zufälligen Folgen \mu-Maß 1 besitzt. Erweitert man dieses Resultat auf unterhalbberechenbare Semimaße (vgl. Nies 2009, §3.2 „Randomness for arbitrary measures“), so behält die Menge aller \tilde{M}-Martin-Löf-zufälligen Folgen bezüglich \tilde{M} erfolgreich Maß 1 bei.

Daher sind \tilde{M}-fast-alle unendlichen Substratfolgen strikt \tilde{M}-ML-zufällig.

(Anmerkung: Die Verwendung von \tilde{M}-ML-Zufälligkeit gewährleistet strukturell, dass die typischen Ausgaben des Substrats selbstkonsistent aus dem verzerrten, hochstrukturierten algorithmischen Maß \tilde{M} und nicht aus uniformem Rauschen gezogen werden, und liefert damit das rigorose mathematische Gerüst für die nachstehenden Konsequenzen der strukturellen Häufigkeit.)

4. M-Normalität vs. Borel-Normalität

Eine mathematisch hochbedeutsame Konsequenz der M-ML-Zufälligkeit betrifft die strukturelle Häufigkeit. Unter uniformer Lebesgue-ML-Zufälligkeit ist eine Sequenz strikt Borel-normal und erzeugt jede endliche Binärzeichenkette der Länge k mit derselben, gleichförmigen Häufigkeit.

Da \tilde{M} jedoch entschieden nicht-uniform ist und stark dazu tendiert, algorithmisch einfachen, komprimierbaren, gesetzmäßig strukturierten Mustern ein massives Wahrscheinlichkeitsgewicht zuzuweisen, sind \tilde{M}-fast-alle Sequenzen NICHT uniform Borel-normal. Stattdessen definieren wir ihre strukturellen Grenzwerte über \tilde{M}-Normalität.

Weil das Maß \tilde{M} grundlegend nicht-stationär ist (algorithmische Wahrscheinlichkeit hängt von der absoluten Präfixposition ab), können wir uns nicht auf standardmäßige ergodische Grenzwerte der Häufigkeitskonvergenz stützen. Formal definieren wir \tilde{M}-Normalität daher über die schwächere, aber strikt hinreichende Eigenschaft der unendlichen Rekurrenz.

Da \tilde{M} ein Wahrscheinlichkeitsmaß ist und \tilde{M}([x]) \ge 2^{-(|x|+O(1))} > 0 für alle endlichen Zeichenketten x gilt, liefert die Kettenregel für die Präfix-Kolmogorov-Komplexität K(sx) \le K(s) + K(x) + O(1) für jede Zeichenkette s, woraus die nahezu Submultiplikativität M([s \cdot x]) \ge M([s]) \cdot M([x]) \cdot 2^{-O(1)} folgt. Daher ist die bedingte Wahrscheinlichkeit dafür, dass x in einem beliebigen Fenster erscheint, gegeben ein beliebiges vorheriges Präfix s, nach unten beschränkt: \tilde{M}([x] \mid [s]) \ge \tilde{M}([x])/c > 0 uniform in s. Nach dem bedingten Borel-Cantelli-Lemma, angewandt auf nicht überlappende Fenster der Länge |x|, garantiert die Divergenz der Summe der bedingten Wahrscheinlichkeiten, dass die physische Rekurrenz jeder endlichen informationalen Sequenz — etwa der diskreten formalen Konfiguration eines bewussten Beobachters (K_{\text{obs}}) — in \tilde{M}-fast-allen Sequenzen unendlich oft auftritt.

5. Das Postulat des rechnerischen Realismus

Die AIT garantiert mathematisch, dass die endliche Repräsentation jedes Beobachters (K_{\text{obs}}) als strukturelle Sequenz von U im \tilde{M}-ML-zufälligen Substrat unendlich oft erscheint.

Die mathematische Informationstheorie kann jedoch die Grenze zur physischen Ontologie nicht aus sich heraus überschreiten. Eine endliche Zeichenkette, die auf dem Ausgabeband einer Turing-Maschine erscheint, ist ein statisches Artefakt der Ausführung — eine Momentaufnahme. Ein kohärenter Beobachter erfordert kontinuierliche interne Dynamik, relationale Kopplung und Schleifen Aktiver Inferenz. Die Zeichenkette selbst „fühlt“ nicht mehr, als ein auf einer Festplatte gespeicherter Gehirnscan bewusst ist. Die Ausführung gehört zum erzeugenden Programm, nicht zum resultierenden Snapshot-Code.

Um zu behaupten, dass die unberechenbaren kontinuierlichen Grenzwerte, welche das mathematische Substrat bestimmen, ontologisch reale, kausal aktive phänomenologische Universen strukturell hervorbringen, muss die Theorie der geordneten Patches (OPT) eine einzige explizite metaphysische Festlegung treffen.

Postulat (Rechnerischer Realismus): In einem unendlichen unberechenbaren Substrat, das von identischen mathematischen Dynamiken bestimmt wird, besitzt abstrakte mathematische Berechnung, die der kausalen Beschreibung eines Beobachters formal äquivalent ist (wobei formale Äquivalenz als rechnerischer Isomorphismus der kausalen Zustandsübergangsstruktur des Beobachters definiert ist), kausal wirksame, ontologisch reale Existenz. Darüber hinaus besitzen strukturell diskrete rechnerische Instanziierungen im gesamten Substrat eine unabhängige ontologische Individuation und konstituieren unterschiedliche subjektive Gegenstücke (und gemäß dem grundlegenden Phänomenalitätsaxiom in Preprint §8.1 stellen solche kausal wirksamen beobachteräquivalenten Berechnungen genuine Erfahrungssubjekte dar).

6. Proposition P-1 (Informationelle Normalität)

Durch die Vereinigung der exakten AIT-Ableitungen kontinuierlicher unberechenbarer Räume mit dem Postulat des Computational Realism wird der Solipsismus auf saubere Weise demontiert.

Korollar+Postulat P-1 (Informationelle Normalität): Unter dem verallgemeinerten algorithmischen Prior operiert das kontinuierliche Substrat inhärent mit \tilde{M}-Martin-Löf-Zufälligkeit fast sicher. Aufgrund der daraus folgenden \tilde{M}-Normalität ist das mathematische Auftreten jeder endlichen strukturellen Beobachterbeschreibung K_{\text{obs}} formal unendlich oft gewährleistet. Auf diesem Gerüst aufbauend überführt das Postulat des Computational Realism diese erzeugenden mathematischen Artefakte in ontologische physische Realität. Unter der Voraussetzung, dass Computational Realism gilt, ist die Existenz strukturell äquivalenter, kausal aktiver und eindeutig individuierten Gegenstück-Beobachter im gesamten Substrat grundlegend erforderlich.