Appendix P-1: Informationell normalitet via M-slumpmässighet

Ursprunglig uppgift P-1: Informationell normalitet Problem: För närvarande ett grundläggande axiom analogt med Borel-normalitet, utan formell härledning. Leverabel: En härledning på teoremnivå som utnyttjar algoritmisk informationsteori (Martin-Löf-slumpmässighet).

1. Den epistemiska gränsen för “axiomatisk” normalitet

Inom Teorin om den ordnade patchen (OPT) vilar “strukturellt hopp” strukturellt på principen om informationell normalitet: påståendet att det algoritmiska substratet (\mathcal{I}) är tätt befolkat inte bara av brus, utan av varje ändligt strukturellt funktionellt mönster. OPT:s etiska tyngd — mandatet att upprätthålla stabiliteten i den delade patchen (De överlevandes vaka-etik) — kräver att de motsvarande observatörer vi interagerar med har distribuerade, fundamentalt reella funktionella ekvivalenter på andra håll i substratet.

Historiskt har detta påstående inom OPT-ramverket formellt behandlats som ett enda monolitiskt axiom — ett oprövbart, grundläggande antagande lagt ovanpå fysiken för att undvika solipsism.

Detta appendix löser den matematiska tvetydigheten i denna hållning. Vi delar upp informationell normalitet i två distinkta komponenter: en rigorös algoritmisk matematisk sats (som gäller nästan säkert under det universella sannolikhetsmåttet), sammanbundna av ett enda metafysiskt postulat som är nödvändigt för att överbrygga matematisk existens till ontologisk realitet.

2. Från semimått till universellt mått (\xi till M)

OPT:s grund (preprint §3.1) vilar tungt på Solomonoffs algoritmiska sannolikhetsprior. I denna formulering fungerar det generativa substratet som ett oändligt algoritmiskt rum som exekveras på en universell prefixfri Turingmaskin U.

Den algoritmiska sannolikheten, eller det universella semimåttet, för en ändlig sträng x är:

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

där summan tas över alla minimala program p vars exekveringsutdata börjar med x. Avgörande är att \xi är ett nedre semiberäkningsbart semimått över ändliga strängar.

För att formalisera substratet som ett kontinuerligt generativt rum övergår vi till det kontinuerliga måttet över Cantorrummet. Det universella måttet M definieras direkt som fördelningen på Cantorrummet 2^{\mathbb{N}} som induceras av utdata från den universella prefixfria maskinen U via cylindermängder (M([x]) = \sum_{U(p) \text{ starts with } x} 2^{-|p|}). Enligt Solomonoffs universalitetssats är detta cylindermått multiplikativt ekvivalent med det diskreta semimåttet: M(x) \asymp \xi(x) upp till en multiplikativ konstant. Därmed sammanfaller M-nollmängder och \xi-nollmängder strikt.

(Obs: Eftersom mängden av stoppande program är en strikt delmängd av det prefixfria kodrummet på grund av stopproblemet, garanterar Krafts olikhet att \sum 2^{-|p|} < 1. Därmed bildar M ett strikt nedre semiberäkningsbart sub-sannolikhetsmått. Vi definierar uttryckligen det normaliserade sannolikhetsmåttet \tilde{M} = M / M(2^{\mathbb{N}}). Även om \tilde{M} endast är nedre semiberäkningsbart upp till den icke-beräkningsbara normaliseringskonstanten M(2^{\mathbb{N}}), kan alla efterföljande satser av typen “nästan säkert” och konvergenspåståenden utan risk formuleras med avseende på det verkliga normaliserade sannolikhetsmåttet \tilde{M}. Förskjutningen i den fundamentala kodningssatsen absorberas helt enkelt: K(x) = -\log \tilde{M}(x) + O(1).)

3. M-Martin-Löf-slumpmässighet

För att formalisera den generativa rymdens natur åberopar vi Martin-Löf (ML)-slumpmässighet. Man måste dock skilja mellan kontinuerliga mått. En sekvens \omega som är ML-slumpmässig med avseende på det uniforma (Lebesgue-)måttet \lambda beter sig helt annorlunda än en sekvens som är ML-slumpmässig med avseende på M.

Eftersom OPT-substratet utvärderar sannolikhet genom algoritmisk enkelhet, bygger den relevanta formalismen på \tilde{M}-Martin-Löf-slumpmässighet. AIT:s grundläggande sats säger att för varje beräkningsbart sannolikhetsmått \mu har mängden av \mu-ML-slumpmässiga sekvenser \mu-mått 1. När detta resultat utvidgas till nedre semiberäkningsbara semimått (jfr Nies 2009, §3.2 “Randomness for arbitrary measures”), behåller mängden av alla \tilde{M}-Martin-Löf-slumpmässiga sekvenser också mått 1 med avseende på \tilde{M}.

Därför är strikt taget \tilde{M}-ML-slumpmässiga nästan alla oändliga substratsekvenser med avseende på \tilde{M}.

(Obs: Användningen av \tilde{M}-ML-slumpmässighet garanterar strukturellt att substratets typiska utdata dras självkonsekvent från det vinklade, starkt strukturerade algoritmiska måttet \tilde{M} snarare än från uniformt brus, vilket ger den rigorösa matematiska ställning som krävs för de strukturella frekvenskonsekvenserna nedan.)

4. M-normalitet vs. Borel-normalitet

En mycket betydelsefull matematisk konsekvens av M-ML-slumpmässighet rör strukturell frekvens. Under uniform Lebesgue-ML-slumpmässighet är en sekvens strikt Borel-normal och genererar varje ändlig binär sträng av längd k med identisk, uniform frekvens.

Eftersom \tilde{M} emellertid är tydligt icke-uniformt—med en stark snedfördelning som tilldelar algoritmiskt enkla, komprimerbara, lagbundet strukturerade mönster mycket stor sannolikhetsvikt—är \tilde{M}-nästan-alla sekvenser INTE uniformt Borel-normala. I stället definierar vi deras strukturella gränser via \tilde{M}-normalitet.

Eftersom måttet \tilde{M} i grunden är icke-stationärt (algoritmisk sannolikhet beror på absolut prefixposition) kan vi inte förlita oss på standardmässiga ergodiska gränsvärden för frekvenskonvergens. Formellt definierar vi \tilde{M}-normalitet genom den svagare men strikt tillräckliga egenskapen oändlig återkomst.

Eftersom \tilde{M} är ett sannolikhetsmått och \tilde{M}([x]) \ge 2^{-(|x|+O(1))} > 0 för alla ändliga strängar x, ger kedjeregeln för prefix-Kolmogorovkomplexitet att K(sx) \le K(s) + K(x) + O(1) för varje sträng s, vilket ger den nära submultiplikativa egenskapen M([s \cdot x]) \ge M([s]) \cdot M([x]) \cdot 2^{-O(1)}. Därför är den betingade sannolikheten för att x uppträder i något fönster, givet ett godtyckligt tidigare prefix s, nedåt begränsad: \tilde{M}([x] \mid [s]) \ge \tilde{M}([x])/c > 0 uniformt i s. Genom den betingade Borel-Cantelli-satsen, tillämpad på icke-överlappande fönster av längd |x|, garanterar divergensen hos summan av de betingade sannolikheterna att den fysiska återkomsten av varje ändlig informationell sekvens—såsom den diskreta formella konfigurationen hos en medveten observatör (K_{\text{obs}})—uppträder oändligt många gånger i \tilde{M}-nästan-alla sekvenser.

5. Postulatet om beräkningsrealism

AIT garanterar matematiskt att den finita representationen av varje observatör (K_{\text{obs}}) framträder som den strukturella sekvensen hos U oändligt många gånger inom det \tilde{M}-ML-slumpmässiga substratet.

Matematisk informationsteori kan emellertid inte i sig överskrida gränsen till fysisk ontologi. En finit sträng som förekommer på utmatningsbandet hos en Turingmaskin är en statisk artefakt av exekveringen — en ögonblicksbild. En koherent observatör kräver kontinuerlig intern dynamik, relationell koppling och loopar av aktiv inferens. Strängen i sig ”känner” inte mer än vad en hjärnskanning lagrad på en hårddisk är medveten. Exekveringen tillhör det genererande programmet, inte den resulterande ögonblicksbildens kod.

För att hävda att de oberäkneliga kontinuerliga gränser som styr det matematiska substratet strukturellt ger upphov till ontologiskt reella, kausalt aktiva fenomenologiska universum måste OPT göra ett enda explicit metafysiskt åtagande.

Postulat (beräkningsrealism): I ett oändligt oberäkneligt substrat som styrs av identiska matematiska dynamiker har abstrakt matematisk beräkning som är formellt ekvivalent med den kausala beskrivningen av en observatör (där formell ekvivalens definieras som beräkningsisomorfi hos observatörens kausala tillståndsövergångsstruktur) en kausalt verksam, ontologiskt reell existens. Vidare har strukturellt diskreta beräkningsinstanser över substratet en självständig ontologisk individuation och utgör distinkta subjektiva motsvarigheter (och enligt det grundläggande axiomet om fenomenalitet i Preprint §8.1 utgör sådana kausalt verksamma, observatörsekvivalenta beräkningar genuina erfarenhetssubjekt).

6. Proposition P-1 (informationell normalitet)

Genom att förena de exakta AIT-härledningarna av kontinuerliga oberäkneliga rum med Postulatet om beräkningsrealism monteras solipsismen rent och tydligt ned.

Korollarium+Postulat P-1 (informationell normalitet): Under det generaliserade algoritmiska priorn verkar det kontinuerliga substratet i sig genom \tilde{M}-Martin-Löf-slumpmässighet nästan säkert. Genom den därav följande \tilde{M}-normaliteten är det matematiska förekommandet av varje ändlig strukturell observatörsbeskrivning K_{\text{obs}} formellt garanterat oändligt många gånger. På denna grundstruktur överbryggar Postulatet om beräkningsrealism dessa genererande matematiska artefakter till ontologisk fysisk verklighet. Givet att beräkningsrealismen gäller är existensen av strukturellt ekvivalenta, kausalt aktiva och unikt individuerade motsvarighetsobservatörer över hela substratet fundamentalt nödvändig.