Theorie van de geordende patch

Oorspronkelijke Taak T-4: MDL- / spaarzaamheidsvergelijking Probleem: De live preprint claimt meer spaarzaamheid dan de standaardfysica door natuurwetten op te vatten als macroscopische compressiealgoritmen, maar biedt geen formele MDL-vergelijking. Op te leveren: Vergelijkende MDL-analyse van OPT versus benchmarkklassen van fysische modellen onder expliciete coderingsconventies.

Afsluitingsstatus: GESLOTEN (onder voorbehoud van typicaliteit en IC-normalisatie). Deze appendix levert de formele MDL-evaluatie die door T-4 vereist wordt. Drie benchmarkmodelklassen worden vastgelegd met expliciete coderingsconventies. Vier theorema’s en één conjectuur worden vastgesteld: (T-4a) de selectieregel van OPT heeft beschrijvingslengte \mathcal{O}(1); (T-4b) Solomonoff-dominantie begrenst de log-loss van OPT van bovenaf; (Conjectuur T-4c) de veronderstelde bron van OPT’s structurele voordeel is beginvoorwaardecompressie; (T-4d) OPT bereikt een permanent modelcomplexiteitsvoordeel van een constant aantal bits ten opzichte van elke berekenbare benchmark; (T-4e) het eindige-T-voordeel wordt conditioneel gekwantificeerd. De afsluiting berust op drie dragende voorwaarden: de typicaliteit van de waarnemerstroom, de absorptie van de Solomonoff-normalisatiestrafterm \log(1/\xi(\mathcal{O})), en de toestand K(\text{IC} \mid \text{SP}) > K_0.

§1. Vastleggen van de MDL-codeerconventies

MDL-vergelijkingen zijn betekenisloos zonder expliciete, vaste codeerconventies. §5.1 van de preprint vermeldt deze vereiste maar stelt haar uit. Hier leggen we de conventies vast volgens Rissanen (1978) [12] en het tweedelige MDL-raamwerk van Li & Vitányi (2008) [27].

1.1 De tweedelige codelengte

Voor een hypotheseklasse \mathcal{M} en observatiereeks y_{1:T} \in \{0,1\}^* is de tweedelige MDL-codelengte:

L_T(\mathcal{M}) = K(\mathcal{M}) + L(y_{1:T} \mid \mathcal{M}) \tag{preprint §5.1, Eq. 13}

waarbij K(\mathcal{M}) de prefix-Kolmogorov-complexiteit van de hypothese is — de lengte van het kortste zelfafbakenende programma op een vaste universele Turingmachine (UTM) dat een volledige beschrijving van \mathcal{M} produceert — en L(y_{1:T} \mid \mathcal{M}) de negatieve log-likelihood van de data onder het beste predictieve model van \mathcal{M} is:

L(y_{1:T} \mid \mathcal{M}) = -\log_2 P_\mathcal{M}(y_{1:T})

Voor deterministische theorieën (wetten + IC bepalen de observaties eenduidig) geldt L(y_{1:T} \mid \mathcal{M}) = 0 wanneer y consistent is met de theorie, en anders L = \infty. Alle logaritmen hebben grondtal 2; alle codelengten zijn in bits.

1.2 De universele machine

We fixeren overal één enkele optimale UTM \mathcal{U}. Alle Kolmogorov-complexiteiten zijn relatief ten opzichte van \mathcal{U}; resultaten veranderen met hoogstens \mathcal{O}(1) bits bij een andere keuze van UTM. De Solomonoff-maat \xi wordt gedefinieerd relatief ten opzichte van \mathcal{U} (preprint, Verg. 1). Dit legt de conventie vast voor alle daaropvolgende vergelijkingen.

1.3 Reikwijdte van y_{1:T}

We vergelijken modellen op het domein dat elk model ontworpen is om te voorspellen: de bewuste stroom van de waarnemer y_{1:T} = z_{0:T} (de sequentie van gecomprimeerde latente toestanden, C_{\max} bits per seconde over T seconden). De standaardfysica wordt op hetzelfde domein geëvalueerd door haar voorspellingen via coarse-graining te reduceren tot de waarnemer-compatibele stroom. Beide theorieën moeten exact dezelfde observaties verklaren.

§2. Benchmarkmodelklassen

Drie benchmarkklassen worden vastgelegd. Aan elk wordt onder onze UTM-conventie een expliciete schatting van K(\mathcal{M}) toegekend. Precieze numerieke waarden zijn schattingen van grootteorde; de structurele resultaten in §§3–7 hangen alleen af van de ordening, niet van de exacte waarden.

2.1 \mathcal{M}_1 — Standaardmodel + algemene relativiteit

De fysische theorie die momenteel het hoogste voorspellende vermogen heeft. De beschrijving ervan vereist drie componenten:

• Wiskundige structuur K_{\text{struct}}: de ijkgroep \text{SU}(3) \times \text{SU}(2) \times \text{U}(1), Lorentz-invariantie, renormaliseerbaarheid en de diffeomorfismesymmetrie van de algemene relativiteit. Kolmogorov-complexiteit: K_{\text{struct}} \approx 10^3 bits.

• Parameterwaarden K_{\text{param}}: 19 vrije parameters van het SM + 3 menghoeken + 1 CP-fase + \Lambda + G + c \approx 25 constanten gecodeerd met experimentele precisie (\sim 30 bits elk): K_{\text{param}} \approx 750 bits.

• Beginvoorwaarden K_{\text{IC}}: binnen het inflationaire paradigma geldt K_{\text{IC}}^{\text{inf}} \approx 200–400 bits. Opmerking: We nemen Penroses thermodynamische entropiegrens van 10^{123} hier niet mee, omdat die het macroscopische fase-ruimtevolume (S) meet, en niet de specifieke algoritmische Kolmogorov-complexiteit (K). De specifieke microtoestand kan sterk comprimeerbaar zijn. We baseren ons uitsluitend op de eerlijke inflationaire grenzen.

K(\mathcal{M}_1) = K_{\text{struct}} + K_{\text{param}} \approx 1750 \text{ bits}

K(\text{IC} \mid \mathcal{M}_1) \approx 300 \text{ bits (inflationair)}

2.2 \mathcal{M}_2 — Generieke renormaliseerbare QFT

De klasse van alle renormaliseerbare kwantumveldentheorieën in \leq 4 ruimtetijddimensies. Deze klasse bevat \mathcal{M}_1 als één element. Omdat ook de ijkgroep en de deeltjesinhoud gespecificeerd moeten worden:

K(\mathcal{M}_2) \gg K(\mathcal{M}_1) \gg 1750 \text{ bits}

\mathcal{M}_2 is opgenomen als contrastgeval voor de claim van OPT dat wetten geselecteerd worden, niet geënumeerd. Hoewel de MDL-vergelijking met \mathcal{M}_2 triviaal wordt gewonnen door elke eindige subklasse (waaronder \mathcal{M}_1), omdat K(\mathcal{M}_2) onbegrensd is, dient de opname ervan er formeel toe de oneindige schaal van het parameterselectieprobleem te demonstreren die het Stabiliteitsfilter van nature doet instorten.

2.3 \mathcal{M}_3 — Boltzmannbrein / thermische fluctuatie

Standaardfysica met maximaal eenvoudige beginvoorwaarden: een thermische toestand (toestand van maximale entropie) op de Planck-schaal. De wetten zijn identiek aan die van \mathcal{M}_1; de beginvoorwaarden zijn triviaal eenvoudig:

K(\mathcal{M}_3) \approx K(\mathcal{M}_1) \approx 1750 \text{ bits}, \qquad K(\text{IC} \mid \mathcal{M}_3) \approx 10 \text{ bits}

De log-likelihood van het waarnemen van een geordende bewuste stroom y_{1:T} onder \mathcal{M}_3 is echter astronomisch klein: L(y_{1:T} \mid \mathcal{M}_3) \approx K(y_{1:T}) \gg T \cdot C_{\max}. \mathcal{M}_3 heeft dus verwaarloosbare IC-kosten maar catastrofale likelihood-kosten, en wordt opgenomen om te laten zien dat het MDL-voordeel van OPT niet via dezelfde truc wordt verkregen.

§3. Codelengte van OPT — Theorema T-4a

De MDL-codelengte voor OPT valt uiteen als:

L_T(\text{OPT}) = K(\xi, \text{Filter}) + L(y_{1:T} \mid \xi, \text{Filter}) = K_0 + \left(-\log \xi^{\text{Filter}}(y_{1:T})\right)

waarbij \xi^{\text{Filter}} de Solomonoff-maat \xi is, geconditioneerd op de waarnemer-compatibele klasse \mathcal{O} (stromen die voldoen aan R_{\text{req}} \leq B_{\max}), en K_0 = K(\xi, \text{Filter}) de beschrijvingslengte is van de selectieregel.

Theorema T-4a (Complexiteitsgrens van de metaregel). K(\xi, \text{Filter}) = K_0 = \mathcal{O}(1) bits. Meer bepaald:

K_0 \leq K(\mathcal{U}) + K(C_{\max}) + K(\Delta t) + c

waarbij K(\mathcal{U}) de complexiteit van de UTM is, K(C_{\max}) = \mathcal{O}(\log C_{\max}) bits de bandbreedtedrempel encodeert tot experimentele precisie, K(\Delta t) = \mathcal{O}(\log \Delta t) het updatevenster encodeert, en c een kleine universele constante is.

Bewijs. De Solomonoff-maat \xi wordt eenduidig bepaald door de vaste UTM \mathcal{U}, dus K(\xi \mid \mathcal{U}) = \mathcal{O}(1). Het Stabiliteitsfilter vereist twee parameters: C_{\max} en \Delta t, elk gemeten tot \sim 4 significante cijfers, zodat K(C_{\max}, \Delta t) \leq 2 \times (4 \times \log_2 10) \approx 26 bits. De voorwaarde R_{\text{req}} \leq B_{\max} is één enkele ongelijkheid in vaste notatie: \sim 10 bits. Totaal: K_0 \leq K(\mathcal{U}) + 36 bits.

Om K(\mathcal{U}) eerlijk te absorberen, moeten we uitgaan van een “epistemisch neutrale” UTM — dat wil zeggen een referentiemachine waarvan de ingebouwde instructieset geen enkele fysische theorie bevoordeelt (d.w.z. een elementaire combinator- of Brainfuck-equivalente geometrie, volledig agnostisch ten aanzien van de fysica). Onder zo’n onbevooroordeelde machine is het geldig om K(\xi, \text{Filter}) \approx 36 bits te handhaven terwijl K(\mathcal{M}_1) \approx 1750 bits wordt gestandaardiseerd. We erkennen uitdrukkelijk dat dit de absolute bittelling kwetsbaar laat voor een \mathcal{O}(1)-schaling van de constante als de UTM wordt gewijzigd, wat betekent dat de berekening 36 versus 1750 intrinsiek relatief is. De structureel eerlijke wiskundige uitspraak hier is de rangordening (K_0 \ll K(\mathcal{M}_1)), die een robuust structureel voordeel stelt dat onafhankelijk is van de precieze numerieke constante. \blacksquare

Vergelijking: Exclusief de gedeelde UTM-overhead geldt K_0 \approx 36 bits tegenover K(\mathcal{M}_1) \approx 1750 bits. De OPT-selectieregel is korter dan de beschrijving van het Standaardmodel met K(\mathcal{M}_1) - K_0 \approx 1714 bits. Dit is het structurele spaarzaamheidsvoordeel dat in §5 van de preprint wordt geclaimd — nu met een expliciete bittelling.

§4. De Solomonoff-dominantiegrens — Theorema T-4b

Theorema T-4b (Solomonoff-dominantiegrens). Voor elke berekenbare fysicameting \nu (inclusief \mathcal{M}_1, \mathcal{M}_2, \mathcal{M}_3) met K(\nu) < \infty, en voor elke datastroom y_{1:T}:

L_T(\text{OPT}) \leq L_T(\nu) + K'_0

waarbij K'_0 = K_0 + \log(1/\xi(\mathcal{O})). Dit representeert de basiscomplexiteit van de regel plus de noodzakelijke algoritmische normalisatiestraf die ontstaat door de universele maat te conditioneren op de waarnemersklasse \mathcal{O}.

Bewijs. Uit de definitie van Solomonoffs universele semimaat (preprint, vgl. 1), met w_\nu \asymp 2^{-K(\nu)}:

\xi(y_{1:T}) \geq w_\nu \cdot \nu(y_{1:T}) \geq 2^{-K(\nu)} \cdot \nu(y_{1:T})

Neem negatieve logaritmen:

-\log \xi(y_{1:T}) \leq -\log \nu(y_{1:T}) + K(\nu)

Bij de overgang van de universele maat \xi naar het beperkte filter \xi^{\text{Filter}}, betalen we de normalisatiekost -\log \xi^{\text{Filter}}(y) = -\log \xi(y) + \log(1/\xi(\mathcal{O})). Ingevuld in L_T(\text{OPT}) geeft dit:

L_T(\text{OPT}) = K_0 - \log \xi^{\text{Filter}}(y_{1:T}) \leq K_0 + \log(1/\xi(\mathcal{O})) + K(\nu) - \log \nu(y_{1:T}) = K'_0 + L_T(\nu) \qquad \blacksquare

Belangrijke kanttekening. Theorema T-4b laat niet zien dat OPT beter presteert dan SP. Het laat zien dat OPT het niet slechter kan doen dan enige benchmark met meer dan K'_0 bits. We absorberen \log(1/\xi(\mathcal{O})) hierna in K_0 door aan te nemen dat de klasse van waarnemersequenties netjes begrensd is ten opzichte van structurele UTM-constanten, maar noteren deze normalisatiekloof als een formele kwetsbaarheid.

§5. De compressie van beginvoorwaarden — Theorema T-4c

De structurele bron van OPT’s MDL-voordeel is de compressie van beginvoorwaarden. In de standaardfysica zijn de wetten en de beginvoorwaarden afzonderlijke objecten die beide beschreven moeten worden. In OPT worden de beginvoorwaarden in de prior opgenomen: de Solomonoff-maat kent al het hoogste gewicht toe aan de eenvoudigste waarnemer-compatibele stromen, waardoor een afzonderlijke specificatie van beginvoorwaarden overbodig wordt.

5.1 Het IC-redundantieargument

Onder de standaardfysica (\mathcal{M}_1) is de volledige MDL-code voor een deterministische theorie:

L_T(\text{SP}) = K_{\text{laws}} + K(\text{IC} \mid \text{laws}) + 0 \qquad \text{[deterministisch: } -\log P = 0 \text{ indien consistent]}

De IC-term K(\text{IC} \mid \text{laws}) is de beschrijvingslengte van de specifieke beginvoorwaarden gegeven de wetten — zij is niet afleidbaar uit de wetten zelf. Dit is de locus van fine-tuning.

Onder OPT is de tweedelige code:

L_T(\text{OPT}) = K_0 + \left(-\log \xi^{\text{Filter}}(y_{1:T})\right)

De term -\log \xi^{\text{Filter}}(y_{1:T}) codeert de specifieke stroom gegeven de metaregel. De Solomonoff-prior incorporeert al een universeel model van de fysica: -\log \xi(y) \approx K(y). De OPT-codering hoeft nooit afzonderlijk voor de IC te betalen.

Conjectuur T-4c (heuristische bovengrens voor IC-compressie). Definieer het IC-compressievoordeel:

\Delta_{\text{IC}} = K(\text{IC} \mid \text{SP laws}) - K(\text{IC} \mid \text{OPT})

Wij beargumenteren de volgende heuristische bovengrens:

\boxed{L_T(\text{OPT}) \leq L_T(\text{SP}) - \Delta_{\text{IC}} + K_0 + \mathcal{O}(1)}

waarbij K(\text{IC} \mid \text{OPT}) := K(\text{IC} \mid \xi, \text{Filter}, \text{codec}) de residuele beschrijvingslengte is van de beginvoorwaarden gegeven het volledige model van OPT. \Delta_{\text{IC}} \geq 0, met gelijkheid dan en slechts dan als het Stabiliteitsfilter geen extra compressie van de IC oplevert boven wat de wetten al geven.

Argument. Uitgaand van de volledige tweedelige code voor SP en met toepassing van Solomonoff-dominantie (waarbij de normalisatieconstanten worden geabsorbeerd in een \mathcal{O}(1)-begrenzingsterm voor de UTM):

L_T(\text{OPT}) \leq K_0 + K(\text{laws}) + K(\text{IC} \mid \text{laws}) - \log P_{\text{SP}}(y) + \mathcal{O}(1)

Na herschikking en substitutie van L_T(\text{SP}) = K_{\text{laws}} + K(\text{IC} \mid \text{laws}) (deterministische theorie):

L_T(\text{OPT}) \leq L_T(\text{SP}) + K_0 + \mathcal{O}(1)

Binnen OPT hoeft -\log \xi^{\text{Filter}}(y_{1:T}) de IC niet afzonderlijk te coderen: het Filter selecteert uit de Solomonoff-prior, die de IC intrinsiek comprimeert via lengtesgewichten. AIT-subadditiviteit garandeert K(\text{IC} \mid x, f(x)) \leq K(\text{IC} \mid x) + \mathcal{O}(1). Als we postuleren dat de OPT-selectieregel als een strakkere beschrijvende string begrensd is dan het louter declareren van de ruwe wetten (wat de kerninzet van het raamwerk is, niet een wiskundig afgeleid bewijs), dan kan de residueel gecodeerde K(\text{IC} \mid \text{OPT}) K(\text{IC} \mid \text{laws}) niet significant overschrijden. Heuristisch levert dit \Delta_{\text{IC}} \geq 0 op.

Door substitutie: L_T(\text{OPT}) \leq L_T(\text{SP}) - \Delta_{\text{IC}} + K_0 + \mathcal{O}(1). \blacksquare

Opmerking. Wij veronderstellen dat de antropische compressie K(\text{IC} \mid \text{OPT}) \approx 0 werkzaam is in de limiet waarin het Stabiliteitsfilter sterk beperkend is en wiskundig afbeeldt op uniek waarnemer-compatibele toestanden. Dit is een gemotiveerde fysische propositie en geen algoritmisch bewezen uniciteitsgrens.

§6. Constant-Bit-voordeel in modelcomplexiteit — Theorema T-4d

Theorema T-4d (Permanent MDL-voordeel met constante bits — voorwaardelijk op typicaliteit). Voor elk vast, niet-triviaal berekenbaar fysisch model \nu met K_0 < K(\nu) < \infty, bereikt de OPT-formulering een vast, permanent voordeel in modelcomplexiteit, specifiek voor elk y_{1:T} \in \mathcal{O} dat ook \nu-typisch is. Naarmate de sequentielengte T \to \infty, is het verschil in totale codelengte structureel begrensd:

L_T(\text{OPT}) - L_T(\nu) \to K_0 - K(\nu)

Bewijs. Uit T-4b volgt dat L_T(\text{OPT}) \leq K'_0 - \log \xi^{\text{Filter}}(y_{1:T}). Voor elke berekenbare \nu garandeert Solomonoffs stelling dat \xi naar \nu convergeert precies op \nu-typische sequenties: gemeten als \nu-bijna-alle y_{1:\infty}. Let hier op de diepgaande formele spanning: het Stabiliteitsfilter isoleert stromen die strikt evalueren als entropiearm en gestructureerd, en classificeert deze daardoor structureel als atypisch ten opzichte van standaard, onbegrensde maximum-entropie-\nu-maatstromen. Tenzij de gefilterde waarnemersklasse \mathcal{O} en de \nu-typische klasse een aantoonbare niet-triviale wiskundige overlap bezitten, kan de Solomonoff-convergentielimiet niet op natuurlijke wijze worden benut. Bijgevolg geldt dit theorema voorwaardelijk dan en slechts dan als de specifieke gefilterde waarnemersstroom \nu-typisch blijft onder de specifieke benchmarkwetten (waarbij de verzameling van zulke theoretisch conforme, elkaar snijdende stromen formeel ongekarakteriseerd blijft):

-\frac{1}{T} \log \xi(y_{1:T}) \to H(\nu) \quad \text{als } T \to \infty

waar H(\nu) de entropiesnelheid van \nu is. Evenzo geldt -\frac{1}{T} \log \nu(y_{1:T}) \to H(\nu). Asymptotisch convergeren de log-loss-log-likelihoodtermen per bit en worden ze gelijk, wat betekent dat het resterende voordeel in totale codelengte zich zuiver reduceert tot de lengte van de modelbeschrijving:

\left[L_T(\text{OPT}) - L_T(\nu)\right] \to K_0 - K(\nu) < 0 \qquad \text{[aangezien } K_0 \approx 36 \text{ vs } K(\nu) \sim 1750 \text{]}

Opmerking: Hoewel de totale codelengte dit permanente voordeel van een vast aantal bits behoudt, krimpt het voordeel per bit (\frac{K_0 - K(\nu)}{T}) actief naar nul. Dit vertegenwoordigt geen asymptotisch voortdurend groeiend voordeel via data-accumulatie, maar veeleer een permanente, rigide structurele offset. \blacksquare

Numerieke schatting voor \mathcal{M}_1: K(\mathcal{M}_1) - K_0 \approx 1714 bits. Zodra de log-loss-likelihoods convergeren over voldoende \nu-typische observatievensters, behoudt OPT een permanent wiskundig overwicht in totale encodering van ongeveer 1714 bits.

§7. Het conditionele voordeel bij eindige T — Theorema T-4e

Voor stromen van eindige lengte vereist de MDL-vergelijking dat het IC-compressievoordeel van T-4c groter is dan de overhead van K_0.

Theorema T-4e (Conditioneel MDL-voordeel bij eindige T). OPT bereikt een strikt MDL-voordeel bij eindige T ten opzichte van \mathcal{M}_1 — dat wil zeggen, L_T(\text{OPT}) < L_T(\mathcal{M}_1) — dan en slechts dan als aan de volgende voorwaarde is voldaan:

\boxed{K(\text{IC} \mid \text{SP laws}) > K_0 + \log\left(\frac{1}{\xi(\mathcal{O})}\right) + \left[-\log \xi^{\text{Filter}}(y_{1:T}) - \left(-\log P_{\text{SP}}(y_{1:T})\right)\right]}

De haakterm aan de rechterkant is het log-likelihoodtekort van OPT ten opzichte van SP voor de specifieke stroom y_{1:T}. Aan de voorwaarde is voldaan wanneer de beschrijvingskost van IC groter is dan de gecombineerde overhead van de metaregel en het voorspellingstekort van OPT op deze stroom.

Bewijs. Rechtstreekse manipulatie van de tweedelige codelengten:

L_T(\text{OPT}) < L_T(\text{SP}) \iff \quad K_0 + \log\left(\frac{1}{\xi(\mathcal{O})}\right) - \log \xi^{\text{Filter}}(y) < K_{\text{laws}} + K(\text{IC} \mid \text{laws}) - \log P_{\text{SP}}(y) \iff \quad K(\text{IC} \mid \text{laws}) - K_0 > \log\left(\frac{1}{\xi(\mathcal{O})}\right) + \left[-\log \xi^{\text{Filter}}(y) - \left(-\log P_{\text{SP}}(y)\right)\right] + \left[K_{\text{laws}} - K_{\text{laws}}\right]

Herschikken (waarbij K_{\text{laws}} aan beide zijden wegvalt) geeft direct de geformuleerde voorwaarde. \blacksquare

7.1 Evaluatie van de voorwaarde voor standaardkosmologie

Onder de inflationaire codering (het gunstigste geval voor SP):

• K(\text{IC} \mid \text{SP laws}) \approx 300 bits (inflatoire parameters + aantal e-folds + reheating)
• K_0 \approx 36 bits (T-4a)
• Het log-likelihoodtekort: We veronderstellen functioneel dat OPT, uitgerust met de R_{T,h}(D)-codeclimieten zoals gemapt in T-1, op een waarnemer-compatibele stroom minstens een even robuuste puntsgewijze log-likelihood bereikt als de standaardfysica. Merk op dat Solomonoff-grenzen strikt genomen alleen dominantie over verwachte sommen opleveren, niet definitieve puntsgewijze grenzen op specifieke singuliere stromen; dus \left[-\log \xi^{\text{Filter}}(y) - \left(-\log P_{\text{SP}}(y)\right)\right] \leq 0 vertegenwoordigt een empirische structurele verwachting en geen algoritmische garantie.

Daarom reduceert de voorwaarde tot K(\text{IC} \mid \text{SP laws}) > K_0, d.w.z. 300 > 36. Hieraan is voldaan met een aanzienlijke structurele marge. De voorwaarde faalt alleen als IC minder dan \sim 36 bits kost — d.w.z. als de specifieke IC van ons universum structureel afleidbaar is uit de SP-wetten alleen, met minder dan 36 residuele bits. Geen enkel huidig kosmologisch model bereikt dit.

§8. De vergelijkende MDL-tabel

^* Onder de expliciete codec-identificatie van §9.2 reduceert OPT’s actieve dataterm tot -\log P_{K_\theta}(y) = -\log P_\text{SP}(y) = 0 zodra K_\theta wordt geïdentificeerd met de SP-codec.

§9. Grenzen van de vergelijking

9.1 K(y \mid \text{Filter}) is niet berekenbaar

De OPT-codelengte K_0 + K(y \mid \text{Filter}) = K_0 - \log \xi^{\text{Filter}}(y) bevat een term die in Turing-zin niet berekenbaar is (het stopprobleem verhindert dat \xi exact wordt berekend). In de praktijk moeten de voorspellingen van OPT worden benaderd door een eindige codec K_\theta — wat standaard is in de natuurkunde. Dit betekent dat OPT voor predictieve doeleinden neerkomt op de best beschikbare berekenbare codec. Het MDL-voordeel van OPT ten opzichte van SP is daarom een structureel voordeel (in de beschrijving van de selectieregel) en geen operationeel voordeel bij het doen van nieuwe voorspellingen.

Dit is geen gebrek — het is de juiste formele inhoud van de claim van de preprint: “OPT verschuift een deel van de verklarende last van wetsenumeratie naar wetsselectie.” Die verschuiving is reëel en formeel gekwantificeerd (\approx 1700 bits voor de selectieregel versus \mathcal{M}_1), maar zij genereert geen nieuwe predictieve inhoud boven op wat de codec al verschaft.

9.2 Het codec-identificatieprobleem

De OPT-codec K_\theta is de specifieke berekenbare maat uit \mathcal{M} die door het Stabiliteitsfilter wordt geselecteerd. T-4 bepaalt niet welke maat dit is — die identificatie vereist T-5 (herstel van constanten) en het volledige programma voor fysische unificatie. Zolang K_\theta niet expliciet is geïdentificeerd met SM + GR, is de MDL-vergelijking voorwaardelijk op deze identificatie. De formele bovengrens L_T(\text{OPT}) \leq L_T(\text{SP}) + K_0 garandeert dat OPT het niet slechter kan doen dan SP, maar garandeert niet dat het het in eindige tijd beter doet tenzij aan de IC-voorwaarde van T-4e is voldaan — wat, onder standaard kosmologische aannames, het geval is.

Beperking vanuit P-2. Appendix P-2 (Hilbertruimte-inbedding via Quantum Error Correction) stelt vast dat de codec, onder lokale ruis, aan een QECC-structuur moet voldoen — zijn interne representatie moet een quantumfoutcorrigerende code met specifieke parameters (n, k, d) vormen. Dit vernauwt het codec-identificatieprobleem: K_\theta is niet langer een willekeurige berekenbare maat, maar een maat waarvan de predictieve toestanden de foutcorrigerende geometrie van een Hilbertruimte dragen. Deze beperking gaat vooraf aan het programma van T-5 voor het herstel van constanten en kan aanvullende selectiecriteria bieden om K_\theta met het Standaardmodel te identificeren.

§10. Afsluitende samenvatting

T-4-resultaten — Bevestigd afgesloten (met normalisatie- en typicaliteitsvoorwaarden)

1. Coderingsconventies vastgelegd (§1). Tweedelige MDL, prefix-Kolmogorovcomplexiteit relatief ten opzichte van een inclusieve vaste UTM, waarbij het datadomein functioneel wordt afgebeeld op de bewuste stroom y_{1:T} = z_{0:T}.

2. Benchmarkklassen vastgelegd (§2). Evalueert \mathcal{M}_1 (SM+GR) tegenover triviale grenzen zoals \mathcal{M}_2 (exploderende selectie van parameters voor generatieve reikwijdte) en \mathcal{M}_3 (Boltzmann-instorting van waarschijnlijkheid).

3. T-4a (Meta-regelcomplexiteit). K(\xi, \text{Filter}) = K_0 \approx 36 bits, inclusief relatieve UTM-offsets.

4. T-4b (Solomonoff begrensd). L_T(\text{OPT}) \leq L_T(\nu) + K_0 + \log(1/\xi(\mathcal{O})). Definieert de parameter voor de algoritmische normalisatiestraf expliciet.

5. Conjectuur T-4c (heuristische grens voor IC-compressie). Structurele redundantie in beginvoorwaarden is de veronderstelde motor van compressie: \Delta_{\text{IC}} = K(\text{IC}\mid\text{SP}) - K(\text{IC}\mid\text{OPT}) \geq 0, hoewel de uniciteit van de afbeelding voorwaardelijk is. Dit fungeert als een heuristische grens, niet als een formeel bewezen stelling.

6. T-4d (Modelvoordeel met constante bits). Begrensd conditioneel het limietgedrag: voor berekenbare benchmarks waarvan de \nu-typische klasse niet-triviaal overlapt met \mathcal{O}, verwerft OPT een permanent numeriek complexiteitsvoordeel (\sim -1714 bits), hoewel de oneindige dichtheid per bit naar nul schaalt.

7. T-4e (Voordeel bij eindige T — conditioneel). OPT verslaat \mathcal{M}_1 numeriek bij eindige T precies wanneer empirische puntsgewijze verliezen de structurele kerngrens K(\text{IC}\mid\text{SP}) > K_0 (300 > 36) niet tenietdoen. Dit concentreert de kwetsbaarheid rechtstreeks op aannames over algoritmische puntsgewijze dominantie.

Falsificatievoorwaarden voor de MDL-claim

• Een afleiding van de kosmologische beginvoorwaarden uit alleen SP-wetten in minder dan \sim 36 bits — waaruit volgt dat K(\text{IC} \mid \text{SP laws}) < K_0.
• Een demonstratie dat de beperking van het Stabiliteitsfilter tot waarnemer-compatibele stromen IC niet comprimeert — d.w.z. K(\text{IC} \mid \xi, \text{Filter}) = K(\text{IC} \mid \text{laws}), zodat \Delta_{\text{IC}} = 0.
• Een expliciete berekenbare codec K_\theta voor OPT die aantoonbaar minder accuraat is dan SM+GR op waarnemerstromen, waardoor het log-waarschijnlijkheidstekort de winst uit IC-compressie overschrijdt.

Afhankelijke vervolgstappen

• T-5 (Herstel van constanten) is de essentiële volgende stap: zodra de codec K_\theta via T-1/T-2/T-3 met de SM+GR-wetten wordt geïdentificeerd, wordt de MDL-vergelijking volledig expliciet en wordt de voorwaarde in T-4e een concrete ongelijkheid tussen bekende grootheden.
• Update van preprint §5.2: de formulering “Whether this meta-rule yields an actual MDL advantage… is an open comparative question” kan nu worden bijgewerkt naar: “Theorem T-4d establishes a conditional asymptotic advantage (for observer streams that are also \nu-typical under the benchmark physics, a set currently uncharacterised); Theorem T-4e establishes a conditional finite-T advantage; see Appendix T-4.”

Deze appendix wordt onderhouden als onderdeel van de OPT-projectrepository naast theoretical_roadmap.pdf. Referenties: Rissanen (1978) [12], Li & Vitányi (2008) [27], Solomonoff (1964) [11], Penrose (2004).