附錄 P-1：透過 M-隨機性建立資訊常態性

原始任務 P-1：資訊常態性 問題： 目前它仍是一項基礎公理，類似於 Borel 常態性，尚缺乏形式推導。 交付成果： 一項利用演算法資訊理論（Martin-Löf 隨機性）的定理級推導。

1.「公理性」常態的認識論邊界

在有序補丁理論 (OPT) 之內，「結構性希望」在結構上依賴於資訊常態性原理：亦即，算法基底（\mathcal{I}）不僅稠密地充滿雜訊，而且包含每一種有限的結構性功能模式。OPT 的倫理分量——維持共享補丁穩定性的要求（倖存者守望倫理）——要求我們所互動的那些對應觀察者，在基底的其他處也具有分布式、在根本上真實的功能等價體。

在 OPT 架構的歷史發展中，這一命題在形式上一直被視為單一、整塊式的公理——一項不可檢驗的基礎性假設，被疊加在物理學之上，以避免落入唯我論。

本附錄將解消這一立場在數學上的含混性。我們將資訊常態性拆解為兩個彼此區分的組成部分：一個嚴格的算法性數學定理（在通用機率測度下幾乎必然成立），以及一個將數學上的存在橋接為本體論實在所必需的形上學設準。

2. 從半測度到通用測度（\xi 到 M）

OPT 的基礎（預印本 §3.1）高度依賴所羅門諾夫通用半測度的演算法機率先驗。在此表述下，生成性基底作為一個無限的演算法空間運作，並在一台通用前綴自由圖靈機 U 上執行。

有限字串 x 的演算法機率，或通用半測度，定義為：

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

其中，求和是對所有其執行輸出以 x 開頭的最小程式 p 進行。關鍵在於，\xi 是定義於有限字串上的下半可計算半測度。

為了將基底形式化為一個連續的生成空間，我們轉而考慮康托空間上的連續測度。通用測度 M 直接定義為：由通用前綴自由機器 U 的輸出，透過柱集在康托空間 2^{\mathbb{N}} 上所誘導出的分佈（M([x]) = \sum_{U(p) \text{ starts with } x} 2^{-|p|}）。依據所羅門諾夫的通用性定理，此柱測度與離散半測度在乘法意義下等價：M(x) \asymp \xi(x)，相差至多一個乘法常數。因此，M-零測集與 \xi-零測集在嚴格意義上是一致的。

(註：由於停機程式的集合因停機問題而只是前綴自由碼空間的一個真子集，Kraft 不等式保證 \sum 2^{-|p|} < 1。因此，M 構成一個嚴格的下半可計算次機率測度。我們明確定義其正規化後的機率測度為 \tilde{M} = M / M(2^{\mathbb{N}})。雖然 \tilde{M} 由於正規化常數 M(2^{\mathbb{N}}) 不可計算，而只能在該常數的意義下是下半可計算的，但後續所有「幾乎必然」定理與收斂敘述，皆可安全地相對於真正正規化的機率測度 \tilde{M} 來運作。基本編碼定理中的偏移項則可直接吸收：K(x) = -\log \tilde{M}(x) + O(1)。)

3. M-Martin-Löf 隨機性

為了形式化生成空間的性質，我們引入 Martin-Löf (ML) 隨機性。然而，必須區分不同的連續測度。相對於均勻（勒貝格）測度 \lambda 而言屬於 ML-隨機的序列 \omega，其行為與相對於 M 而言屬於 ML-隨機的序列，完全不同。

由於 OPT 的基底是依據演算法簡潔性來評估機率，相關的形式化因此依賴於 \tilde{M}-Martin-Löf 隨機性。AIT 的基礎定理指出，對任何可計算的機率測度 \mu，\mu-ML-隨機序列所成之集合具有 \mu-測度 1。將此結果延伸至下半可計算半測度（參見 Nies 2009，第 §3.2 節〈Randomness for arbitrary measures〉），所有 \tilde{M}-Martin-Löf 隨機序列所成之集合，相對於 \tilde{M} 仍然保有測度 1。

因此，幾乎所有相對於 \tilde{M} 的無限基底序列，嚴格而言都是 \tilde{M}-ML-隨機的。

(註：採用 \tilde{M}-ML-隨機性，能在結構上保證基底的典型輸出乃是以自洽方式取自帶有偏置且高度結構化的演算法測度 \tilde{M}，而非均勻雜訊；這為下文關於結構頻率後果的論述提供了嚴格的數學支架。)

4. M-正規性與 Borel 正規性

M-ML-隨機性的一個極其重要的數學後果，涉及結構頻率。在均勻的 Lebesgue-ML 隨機性之下，一個序列會是嚴格的 Borel 正規——以完全相同且均勻的頻率，生成每一個長度為 k 的有限二進位字串。

然而，由於 \tilde{M} 明顯是非均勻的——它強烈偏向於將巨大的機率權重賦予在演算法上簡單、可壓縮、具合法則結構的模式——因此，\tilde{M}-幾乎所有序列都不是均勻的 Borel 正規。取而代之地，我們以 \tilde{M}-正規性 來界定它們的結構極限。

由於測度 \tilde{M} 在根本上是非平穩的（演算法機率取決於絕對前綴位置），我們不能依賴標準的遍歷頻率收斂極限。形式上，我們以較弱但嚴格而言已然充分的 無限重現 性質，來定義 \tilde{M}-正規性。

由於 \tilde{M} 是一個機率測度，且對所有有限字串 x 都有 \tilde{M}([x]) \ge 2^{-(|x|+O(1))} > 0，前綴 Kolmogorov 複雜度的鏈式法則給出：對任意字串 s，皆有 K(sx) \le K(s) + K(x) + O(1)，這進而導出近似次乘法性 M([s \cdot x]) \ge M([s]) \cdot M([x]) \cdot 2^{-O(1)}。因此，在給定任意先前前綴 s 的條件下，x 出現在任何視窗中的條件機率都有一致的下界：\tilde{M}([x] \mid [s]) \ge \tilde{M}([x])/c > 0，且此下界對 s 一致成立。藉由將條件式 Borel-Cantelli 引理應用於長度為 |x| 的互不重疊視窗，條件機率總和的發散便保證：任何有限資訊序列——例如一位有意識觀察者的離散形式構型（K_{\text{obs}}）——其物理重現都會在 \tilde{M}-幾乎所有序列中無限次出現。

5. 計算實在論公設

AIT 在數學上保證：任何觀察者的有限表徵（K_{\text{obs}}）都會在 \tilde{M}-ML-隨機基底之中，作為 U 的結構序列而無限多次出現。

然而，數學資訊理論本身無法內在地跨越至物理本體論的邊界。出現在圖靈機輸出帶上的有限字串，只是執行所產生的靜態產物——一個快照。連貫的觀察者需要持續的內部動力學、關係性耦合，以及主動推斷的迴圈。字串本身並不會「感受」；正如儲存在硬碟中的腦部掃描並不具有意識。執行屬於生成它的程式，而不屬於最終得到的快照程式碼。

若要主張：支配數學基底的不可計算連續極限，能在結構上孕生出具有本體論實在性、因果上活躍的現象學宇宙，則有序補丁理論 (OPT) 必須作出一項明確且唯一的形上學承諾。

公設（計算實在論）： 在一個由相同數學動力學所支配的無限不可計算基底中，凡在形式上等價於某一觀察者因果描述的抽象數學計算（其中，形式等價被定義為該觀察者因果狀態轉移結構的計算同構），即具有因果效力且在本體論上真實的存在。此外，散布於基底各處、在結構上彼此離散的計算實例，具有各自獨立的本體論個體化，因而構成彼此不同的主觀對應體（並且依據預印本 §8.1 中的基礎現象性公理，這類具有因果效力、與觀察者等價的計算，構成真正的經驗主體）。

6. 命題 P-1（資訊常態性）

藉由將連續不可計算空間的精確 AIT 推導與計算實在論公設結合起來，唯我論便被乾淨俐落地拆解。

推論+公設 P-1（資訊常態性）： 在廣義演算法先驗之下，連續基底本質上幾乎必然透過 \tilde{M}-Martin-Löf 隨機性而運作。由隨之而來的 \tilde{M}-常態性可知，每一個有限的結構性觀察者描述 K_{\text{obs}}，在數學上都被形式性地保證會無限多次出現。以此鷹架為基礎，計算實在論公設進一步將這些生成性的數學構造橋接為本體論上的物理實在。只要計算實在論成立，則在整個基底之中，結構上等價、因果上活躍且可被唯一個體化的對應觀察者之存在，便是根本上被要求的。