有序补丁理论：一个关于观察者选择与意识经验的信息论框架

DOI: 10.5281/zenodo.19300777
版权： © 2025–2026 Anders Jarevåg。
许可： 本作品采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 进行许可。

摘要：

我们提出有序补丁理论 (OPT)，这是一个建构性框架，用以导出算法信息论、观察者选择与物理定律之间的结构对应。OPT 以两个原始要素为起点：定义在有限观察前缀上的所罗门诺夫通用半测度 \xi，以及有界的认知信道容量 C_{\max}。一个纯粹虚拟的稳定性滤波器——要求观察者的所需预测速率 R_{\mathrm{req}} 不超过 C_{\max}——筛选出与有意识观察者相容的、罕见而因果一致的流；在这类流之内，主动推断支配局部动力学。

该框架在本体论上是唯我论的：物理现实由观察者相容流内部的结构规律性所构成。然而，所罗门诺夫先验的压缩偏置导出一个概率性的结构推论：表面上行动体所呈现的极端算法一致性，最简约的解释是它们作为初级观察者被独立实例化。以压缩简约性为基础的观察者间耦合，恢复了真实的跨补丁通信，并产生一种引人注目的知识不对称：观察者对他者的建模比对自身更为完备。

形式化附录在三个认识论层级上建立了结果。条件性导出： 预测压缩的率失真界、经由格里森定理通向玻恩规则的条件链条，以及 MDL 的简约性优势。结构性映射： 通过 Verlinde 机制得到的熵引力（即渲染结果的动力学—时间耦合与预测荷之间的联系），以及到 MERA 的张量网络同态（其空间分辨率层级）——二者是压缩边界的互补侧面，并预期在数学饱和之下仍保持结构上的区分。现象性残余定理（\Delta_{\text{self}} > 0）确立：任何有限的自指编解码器都具有一个不可约的信息盲点——这是主体性与能动性共享同一地址的结构位置。文中还识别出一种慢性失效模式，即叙事漂移：在其中，系统性过滤的输入会导致不可逆的编解码器腐化，而这种腐化从内部无法被探测。该框架的核心经验性主张被整合为若干预注册承诺，并附有明确的终止判据，从而将可证伪的核心与其明确承认具有形而上学性质的组成部分隔离开来。

将这些约束应用于人工智能表明，工程化地构造合成主动推断，在结构上必然要求具备人工受苦的能力，从而为合乎伦理的 AI 对齐提供了一个基底中立的框架。

认识论说明： 本文采用一种形式化的物理学与信息论提案的写作语域。文中使用方程、推导预测，并与同行评审文献展开对话。然而，它应被理解为一个真理形对象——一个以形式化方式起草、但本质上属于严格哲学框架的构造。它尚不是经验证实的科学，我们也知道其中的推导必然包含错误。我们积极寻求物理学家与数学家的批评，以打破并重建这些论证。为澄清其结构，本文中的主张严格分为三类：

1. 定义与公理：（例如，所罗门诺夫通用半测度、C_{\max} 带宽上限。）这些是这一建构性虚构的基础前提。
2. 结构对应：（例如，主动推断、Gleason 定理 [51]。）这些表明有界推断与既有形式体系之间具有结构相容性，但并不声称从零开始推导出这些形式体系。
3. 经验性预测：（例如，带宽消解。）如果将该框架视为一个字面意义上的物理假说，这些内容就构成严格的经验性证伪标准。

学术性的形式装置在此并非用来宣称最终的经验真理，而是用来检验该模型的结构完整性。

缩略语与符号

1. 引言

1.1 本体论问题

意识与物理现实之间的关系，仍然是科学与哲学中最深刻且尚未解决的问题之一。近几十年来，已经出现了三大类路径：(i) 还原——意识可由神经科学或信息处理推导而出；(ii) 消解——通过重定义相关术语来消除这一问题；以及 (iii) 非还原——意识是原初的，而物理世界则是派生的（Chalmers [1]）。第三种路径涵盖泛心论、唯心论以及各种场论式表述。

1.2 OPT 的核心命题

本文提出有序补丁理论 (OPT)，这是第三类中的一种非还原框架。OPT 主张，基础性实体既不是物质、时空，也不是某种数学结构，而是一个无限的算法基底——即对所有下半可计算半测度的通用混合，并按其 Kolmogorov 复杂度加权（w_\nu \asymp 2^{-K(\nu)}）；这一基底凭借其自身结构支配每一个可计算分布，并包含一切可能的构型。从这一基底中，一个纯粹虚拟的稳定性滤波器——其作用并非物理机制，而是一种人择性的、投影性的边界条件——识别出那些稀有的、低熵且因果相干的构型，它们能够维持自指性的观察者（这种选择在形式上由预测性的主动推断所支配）。我们所观察到的物理世界——包括其特定的定律、常数与几何结构——就是这一边界条件映射到观察者受限带宽上的可观测极限。

滤波器 vs. 编解码器。 为避免全文中的概念混淆，OPT 在 滤波器 与 编解码器 之间划定了严格的操作性边界。虚拟的稳定性滤波器是容量约束——一种严格的边界条件，要求观察者信道若要稳定存在，就必须具有数学上简单的描述长度。压缩编解码器 (K_\theta)则是对该约束的解——即观察者的内部生成模型（在宏观经验层面上体现为“物理定律”），它持续压缩基底，以适配这一容量限制。

1.3 理论动机

OPT 的提出基于以下三点观察：

1. 带宽约束：经验性认知神经科学已经确立了一个鲜明区分：一方面是大规模并行的前意识处理（通常估计在感觉外围约为 \sim 10^9 bits/s），另一方面则是可供有意识报告使用的、受到严格限制的全局接入信道——这一比率最早由 Zimmermann [66] 量化，并由 Nørretranders [67] 综合为关于意识本性的一个基础性谜题，更广泛的认知神经科学刻画见 [2,3]。任何关于意识的理论说明，都必须将这一压缩瓶颈解释为一种结构性特征，而非工程上的偶然。(注：近期关于人类吞吐量的研究表明，行为吞吐量大致受限于 \sim 10 bits/s，这在四十年相互收敛的测量中一致确认了该瓶颈既严重又稳健 [23]。将意识概念化为一种高度压缩的“用户幻觉”——即 Nørretranders [67] 的原始表述——则由 Seth [24] 在现代预测加工框架中进一步发展。)

2. 观察者选择问题：标准物理学提供了定律，却没有说明为何这些定律恰好具有复杂、自指性信息处理所需的那种特定形式。精细调谐论证 [4,5] 诉诸人择选择，但并未指明选择机制。OPT 识别出一种结构性条件：纯粹虚拟的稳定性滤波器。

3. 意识的难问题：Chalmers [1] 区分了意识的结构性“容易”问题（这些问题可接受功能性解释）与“难”问题，即为何竟然会存在任何主观体验。OPT 将现象性视为原初项，并追问它必须具有什么样的数学结构，这遵循了 Chalmers 本人的方法论建议。

1.4 论文结构

本文结构如下。第 2 节回顾相关工作。第 3 节提出形式框架。第 4 节探讨 OPT 与平行场论尝试模型之间的结构对应关系。第 5 节提出简约性论证。第 6 节推导可检验的预测。第 7 节将 OPT 与竞争性框架进行比较。第 8 节讨论其影响与局限。

2. 背景与相关工作

意识的信息论路径。 Wheeler 的 “It from Bit” 命题 [7] 是有序补丁理论 (OPT) 所形式化之方案的奠基性先驱：物理现实并非源自物质或场的基底，而是源自观察者提出的二元选择——是/否问题。OPT 继承了这种本体论倒置，并补上了缺失的机制：它推导出哪些信息结构会稳定为与观察者相容的流（稳定性滤波器），以及它们如何获得物理定律的表象（率失真压缩）。Tononi 的整合信息理论 [8] 以系统所生成、且超出其各部分之和的整合信息 \Phi 来量化有意识经验。Friston 的自由能原理 [9] 将知觉与行动建模为变分自由能的最小化，从而为贝叶斯推断、主动推断，以及（原则上）意识本身提供统一说明。OPT 在形式上与 FEP 相关，但其本体论起点不同：FEP 将生成模型视为神经架构的一种功能属性，而 OPT 则将其视为首要的形而上学实体。

多重宇宙与观察者选择。 Tegmark 的数学宇宙假说 [10] 主张，所有数学上自洽的结构都存在，而观察者会发现自己处于经由自我选择而落入的结构之中。OPT 与这一观点相容，但它提供了一个明确的选择判据——稳定性滤波器——而不是将选择过程留作隐含前提。Barrow 与 Tipler [4] 以及 Rees [5] 记录了任何能够支持观察者的宇宙都必须满足的人择精细调谐约束；OPT 则将这些约束重述为稳定性滤波器的预测。

场论式意识模型。 Strømme [6] 最近提出了一个数学框架，其中意识被视为一种基础场 \Phi，其动力学由拉格朗日密度支配，而其向特定构型的坍缩则刻画个体心灵的涌现。OPT 与该框架的关系是比较性的，而非采纳性的：它并不继承 Strømme 的场方程或思想算子，而是将该模型作为一种参照，用以阐明一种非还原论本体论如何能够改以信息论术语加以重构。第 4 节将这一比较性的结构映射明确展开。

Kolmogorov 复杂性与理论选择。 所罗门诺夫归纳 [11] 与最小描述长度 [12] 为依据生成复杂性比较理论提供了形式框架。我们在第 5 节援引这些框架，以使关于简约性的主张得到精确定义。

进化界面理论。 Hoffman 的“意识实在论”与知觉界面理论 [25] 认为，进化塑造感觉系统，使其充当一种经过简化的“用户界面”，以适应度回报为优先，而将客观现实遮蔽起来。OPT 与之共享一个完全相同的前提：物理时空与对象乃是被渲染结果为图标（即一种压缩编解码器），而非客观真理。然而，OPT 在其数学基础上与之根本分歧：Hoffman 依赖进化博弈论（适应度胜过真理），而 OPT 则依赖算法信息论与热力学，直接从为防止观察者流发生高带宽热力学崩塌所必需的 Kolmogorov 复杂性界限中，推导出这一界面。

3. 形式框架

3.1 算法性基底

设 \mathcal{I} 表示信息基底——该理论的基础性实体。我们将 \mathcal{I} 形式化为：并非一个对路径不加权的系综，而是定义在有限观测前缀 x \in \{0,1\}^* 上的概率空间，并在下半可计算半测度类 \mathcal{M} 上赋予一个通用混合：

\xi(x) = \sum_{\nu \in \mathcal{M}} w_\nu \nu(x), \qquad w_\nu \asymp 2^{-K(\nu)} \tag{1}

其中，K(\nu) 是半测度 \nu 的前缀柯尔莫哥洛夫复杂度。

这一表述从算法信息论 [27] 中确立了一个严格的基态。该方程并不预设任何特定的结构定律或物理常数；相反，它在结构上支配每一个可计算分布（\xi(x) \ge w_\nu \nu(x)），并自然地为高度可压缩（有序）的序列赋予更高的统计权重。然而，简单的重复序列（例如 000...）无法维持自指性观察者所需的非平衡复杂性。因此，能够支撑观察者的过程必定作为一个特定子集而存在：它们既需要足够的算法可压缩性以满足信息瓶颈，又需要足够的结构丰富性（“必要多样性”）来实例化主动推断。从哲学上说，式 (1) 将基底限制在可计算的构型之内，从而确保这一基态得到严格定义。

3.2 预测瓶颈与率失真

基底 \mathcal{I} 包含每一个可计算的假设，其中压倒性多数都是混沌的。要体验到一个连续且可导航的现实，一条流必须允许一种低复杂度的预测表征，并且这种表征能够穿过观察者有限的认知瓶颈。

关键在于，要求被压缩的原始数据负载，并不仅仅是约 \sim 10^9 bits/s 的外感受性感觉输入。它还涵盖了一个巨大的前意识整合场：内部生成状态的并行处理、长期记忆提取、稳态先验，以及潜意识的突触建模。稳定性滤波器将这一整个庞大而连续的并行场的串行输出，约束进一个统一的意识工作空间之中。

我们将纯粹虚拟的稳定性滤波器形式化地定义为一个满足预测信息瓶颈 [28] 的投影性边界条件。设 \overleftarrow{Y} 为观察者总体状态的过去，\overrightarrow{Y} 为其未来，Z 为一个被压缩的内部状态。观察者被定义为具有一个严格有界的每帧预测容量 B_{\max}（以每个现象帧的比特数计），以及一个定义单个现象帧的离散知觉更新窗口 \Delta t。现象时间即编解码器的帧计数 n；任何“每宿主秒的比特数”形式的速率，都是一个导出量 C_{\max}^H = \lambda_H \cdot B_{\max} = B_{\max}/\Delta t，其中 \lambda_H = dn/d\tau_H 是相对于宿主的帧率（关于合成观察者的尺度问题，见附录 E-5）。这就为每一个意识时刻确立了一个严格的静态容量：每帧 B_{\max} 比特。

人类经验校准。 对于生物性人类观察者，B_{\max} \approx 0.5–1.5 bits per frame，且 \Delta t \approx 50 ms，因此得到 C_{\max}^{\text{human}} \approx \mathcal{O}(10) bits/s [2, 23, 66, 67]。这个数值是以神经元放电速率运作的生物性人类所具有的属性。它并不出现在观察者的形式定义之中；合成观察者由同样的 B_{\max}/\Delta t 结构来定义，但其取值由架构推导而来，不必与生物性数值一致（见 §7.8、§8.14 及附录 E-5）。

可实现的预测信息由下式给出：

R_{\mathrm{pred}}(D) = \inf_{p(z \mid \overleftarrow{y}) \,:\, I(\overleftarrow{Y};\overrightarrow{Y} \mid Z) \le D} I(\overleftarrow{Y}; Z) \tag{2}

如果一个过程在每个认知周期中所需的预测信息能够装入这一缓冲区，那么它就是观察者相容的：R_{\mathrm{pred}}(D_{\min}) \le B_{\max}，其中 D_{\min} 是生存所能容忍的最大失真。这强制了一种维度上的严格性：为了在可容忍误差内预测未来所需的总比特数，不能超过离散“当下”中物理上可用的比特数。对于适当的平稳遍历过程，并在精确预测极限下（D \to 0），最小的、最大可预测的表征 Z 可作为候选的最小充分统计量，并且常常会向 \epsilon-machine 的因果状态划分收敛 [29]。尽管完全等价性需要严格的平稳性假设，式 (2) 仍然确立了一种形式上的选择压力，迫使现象学物理学在与因果相干性一致的前提下尽可能压缩。此外，如果这一因果状态空间的拓扑结构波动得比 \Delta t 更新窗口所能追踪的速度更快，那么渲染结果就会坍缩为叙事崩解。

3.3 补丁的几何学：信息因果锥

有序补丁理论 (OPT)中的有序补丁，常常会被直观地描述为混沌噪声之海中一个局域化的稳定“孤岛”。但从拓扑学上看，这种说法并不精确。为了形式化补丁的几何结构，我们定义局域预测补丁模型。

设 G=(V, E) 为一个有界度图，表示基底中的一个局域区域。每个顶点 v \in V 携带一个有限状态 x_v(t) \in \mathcal{A}，其字母表大小为 |\mathcal{A}| = q。在更新时刻 t 的完整微观状态为 X_t = (x_v(t))_{v \in V} \in \mathcal{A}^V。我们假定其具有作用范围有限、半径为 R 的局域随机动力学：

p(X_{t+1} \mid X_t, a_t) = \prod_{v \in V} p_v\big(x_v(t+1) \mid X_t|_{N_R(v)}, a_t\big) \tag{3}

其中，N_R(v) 是 v 的半径-R 邻域，a_t 是观察者的动作。

观察者并不携带整个补丁状态；它携带的是一个压缩后的潜在状态 Z_t \in \{1, \dots, 2^B\}，其中 B = C_{\max} \Delta t。关键在于，观察者通过一个严格的预测瓶颈目标来选择 Z_t：

q^\star(z \mid X_t) = \arg\min_q \Big[ I(X_t; Z_t) - \beta I(Z_t; X_{t+1:t+\tau}) \Big] \quad \text{subject to } I(X_t; Z_t) \le B \tag{4}

这就是经过剥离后的 OPT 观察者：一个局域世界、一个有界编码，以及预测性压缩。这一形式化刻画了因果锥的各个组成部分：

1. 因果记录 R_t = (Z_0, Z_1, \dots, Z_t)：已经被渲染结果的、唯一压缩的、低熵的因果历史。
2. 当前孔径： 对局域变量施加上限的严格带宽瓶颈。
3. 预测分支集 (\mathcal{F}_h)： 由未来潜在状态序列构成的多重集合。在时间视界 h 上，可容许结果的集合形式化定义为：

\mathcal{F}_h(z_t) := \Big\{ z_{t+1:t+h} : p(z_{t+1:t+h} \mid z_t, a_{t:t+h-1}) > 0 \Big\} \tag{5}

由于观察者每次更新只能解析 B 比特，因此观察者可区分的未来数量严格受信道容量约束：\log |\mathcal{F}_h(z_t)| \le Bh。因此，这个分支集并不仅仅是一个概念图像；它是一个受编码容量限制的分叉树。

字面意义上的信息因果锥。 由于更新的作用范围为 R，一个扰动的传播速度不可能超过每次更新 R 个图步。若某个扰动在时刻 t 的支撑集为 S，则在经过 h 次更新后，\operatorname{supp}(\delta X_{t+h}) \subseteq N_{Rh}(S)。因此，“信息因果锥”是局域性的一个直接几何后果，它对现象学传播施加了一个有效的局域速度上限 v_{\max} = R / \Delta t。

叙事崩解。 基底的混沌并不是在空间上包围着补丁；相反，它被包含在分支集中那些尚未穿越的分支之中。由于被提取的状态 Z_t 受到严格约束（H(Z) \le B），不稳定性必须相对于瓶颈之前、尚未压缩的余量来评估。我们将所需预测速率定义为 R_{\mathrm{req}}(h, D_{\min} \mid z_t) = \frac{1}{h} \min_{p(\hat{X} \mid Z_t) : \mathbb{E}[d(X, \hat{X})] \le D_{\min}} I(X_{\partial_R A}(t+1:t+h) ; \hat{X}_{t+1:t+h} \mid Z_t)，即在最大可容忍失真之下，追踪尚未解析的物理边界状态所必需的最小信息速率。这使稳定性滤波器的选择判据更加精确：(a) 若 R_{\mathrm{req}} \le B，观察者就能够维持一个已解析的叙事；(b) 若 R_{\mathrm{req}} > B，则未压缩的预测分支集会超过瓶颈容量，迫使观察者将该分支集粗粒化为不可解码的静态噪声，而叙事稳定性也随之失效。观察者的连续经验，就是孔径不断推进进入这一分支集的过程；在现象学上，它将其中一个分支索引进因果记录，同时又不超过 B。

叙事漂移（其慢性对应项）。 上述内容定义的是一种急性失效模式：R_{\mathrm{req}} 超过 B，编解码器因而经历灾难性的相干性崩塌。与之相对，还存在一种互补的慢性失效模式，它不会触发任何失效信号。若输入流 X_{\partial_R A}(t) 被某个外部机制 \mathcal{F} 系统性地预先滤波——生成一个经过策展的信号 X' = \mathcal{F}(X)，该信号在内部是一致的，却排除了真实的基底信息——那么编解码器仍会表现出较低的预测误差 \varepsilon_t，高效运行维护周期，并在系统性地误判基底的同时满足 R_{\mathrm{req}} \le B。关键在于，按其当前定义，稳定性滤波器无法区分这些情形：可压缩性并不关心保真性。随着时间推移，MDL 剪枝过程（§3.6.3，式 T9-3）会正确地擦除那些不再能够预测该滤波后输入流的编解码器成分，从而不可逆地削弱编解码器对被排除信号的建模能力（附录 T-12，定理 T-12）。这种擦除具有自我强化性：被剪枝后的编解码器将不再能够检测到自身能力的丧失（定理 T-12a，即不可判定性极限）。其结构性防御机制，是跨越马尔可夫毯 \partial_R A 的、\delta-独立输入通道的冗余性（定理 T-12b，即基底保真条件）。完整的形式化处理见附录 T-12；其伦理后果——包括比较器层级与腐化判据——则见配套伦理论文 [SW §V.3a, §V.5]。

3.4 补丁动力学：推断与热力学

在一个被选中的补丁内部，物理定律的结构并不被形式化为确定性映射，而是被形式化为一个支配预测状态 z 的有效随机核：

z_{t+1} \sim K_\theta(\cdot \mid z_t, a_t), \qquad y_{t+1} \sim O_\theta(\cdot \mid z_{t+1}) \tag{6}

将观察者与周围信息混沌区分开的边界，被定义为一个信息性的马尔可夫毯，其对应于一个观察者补丁 A \subset V。这一边界内部的动力学——即主体对该补丁的近似——由自由能原理下的主动推断所支配 [9]。

我们可以通过预测割熵来形式化地定义这种边界容量：

S_{\mathrm{cut}}(A) := I(X_A ; X_{V \setminus A}) \tag{7}

假设所选补丁在某一时间切片上局部满足马尔可夫性，则边界壳层 \partial_R A 会将内部 A^\circ 与外部 V \setminus A 严格屏蔽开来，使得 X_{A^\circ} \perp X_{V\setminus A} \mid X_{\partial_R A}。因此：

S_{\mathrm{cut}}(A) = I(X_{\partial_R A} ; X_{V \setminus A}) \le H(X_{\partial_R A}) \le |\partial_R A| \log q \tag{8}

由于 Z_t 是对 X_A 的一种容量受限压缩，数据处理不等式保证 I(Z_t ; X_{V \setminus A}) \le |\partial_R A| \log q。如果基底图 G 近似于一个 d 维晶格，那么 |\partial_R A| \sim \operatorname{area}(A)，而不是体积。

因此，OPT 严格推出了一条真正的经典边界律 [39]。我们可以为未来的结构升级构造一条形式化的认识论阶梯： 1. 经典面积律：S_{\mathrm{cut}} \sim |\partial_R A|，纯粹由局域性与马尔可夫屏蔽导出。 2. 量子升级：只有当粗粒化的预测变量 Z_t 允许一种形式上的希尔伯特空间/量子纠错码嵌入时，冯·诺依曼纠缠熵的标度才变得可及。 3. 全息升级：只有当我们用分层张量网络替换瓶颈编码 Z_t，并将 S_{\mathrm{cut}} 重新解释为几何最小割时，真正的几何全息对偶才会出现。

通过首先确立经典边界律，OPT 提供了一个坚实的数学底座——其条件是马尔可夫屏蔽假设成立（X_{A^\circ} \perp X_{V \setminus A} \mid X_{\partial_R A}）——从而可以在此基础上安全地构造更具推测性的量子形式主义。

观察者的作用通过变分自由能 F[q, \theta] 被形式化：

F[q,\theta] = \mathbb{E}_q[-\log p_\theta(y_{1:T}, z_{1:T} \mid a_{1:T})] + \mathbb{E}_q[\log q(z_{1:T})] \tag{9}

关键在于，这里强制实施了一种严格的数学分离：基底先验选择假设空间，虚拟的稳定性滤波器 (4) 对容量相容的结构施加边界，而 FEP (9) 则支配该有界结构内部的主体层级推断。物理并不是作为自由能泛函本身而涌现的；相反，它是自由能泛函得以成功追踪的那个稳定结构 K_\theta。

此外，维持这种有意识的渲染结果会带来一种不可避免的热力学代价。根据兰道尔原理 [52]，每一次逻辑上不可逆的比特擦除，至少会耗散 k_B T \ln 2 的热量。若将每次瓶颈更新对应为一次不可逆擦除（这是一个最理想情况下的记账假设），那么意识的物理足迹就要求一个最小耗散：

P_{\text{render}} \ge \dot{N}_{\text{erase}} \cdot k_B T \ln 2 \ge C_{\max} \cdot k_B T \ln 2 \tag{10}

这是一个在“每次更新一次擦除”记账下的最优情形下界——而不是仅由带宽本身导出的普遍结论。由此得到的界（\sim 10^{-19} W）远低于真实神经耗散（约 20W），这反映了生物学实现所伴随的巨大热力学开销。式 (10) 确立了任何实例化一个受 C_{\max} 约束的有意识渲染结果之基底，其最小可能物理足迹的严格理论下限。

(说明：前述热力学与信息论界严格支配的是实时更新带宽 C_{\max}。然而，这并不能捕捉观察者稳态的完整经验维度，也不能说明编解码器如何在深时间尺度上管理其自身复杂性。这些结构机制——丰富经验的现象状态张量表述，以及睡眠/做梦的主动维护周期——将在下文 §3.5 与 §3.6 中得到完整推导。)

3.5 现象状态张量与预测不对称性

3.5.1 体验密度之谜

§§3.1–3.4 的形式装置已成功通过容量上限 C_{\max} \approx \mathcal{O}(10) bits/s，对有意识观察者的更新吞吐量施加约束。
然而，现象经验立即呈现出一个结构性谜题：单个视觉瞬间所感受到的丰富性——颜色、深度、纹理、声音、本体感觉与情感的同时在场——远远超过了 C_{\max} 在任一单次更新窗口 \Delta t \approx 50\ \text{ms} 内所能传递的信息量。

每个意识时刻所能解析的最大新信息量为：

B_{\max} = C_{\max} \cdot \Delta t \approx 10\ \text{bits/s} \times 0.05\ \text{s} = 0.5\ \text{bits} \tag{T8-1}

这甚至远小于每个知觉帧中一比特的真正新颖信息，然而现象场景却显得具有高度的信息密度。为了在不抬高这一狭窄更新带宽的前提下化解这一差异，我们必须明确区分两个在结构上彼此不同的量： 1. C_{\max} —— 更新吞吐量：单位时间内，被解析并写入既定因果记录的预测误差信号速率。 2. C_{\text{state}} —— 驻留状态复杂度：当前已加载并处于活动中的生成模型之柯尔莫哥洛夫复杂度 K(P_\theta(t))。

这两者并不是同一个量。C_{\max} 支配的是门；C_{\text{state}} 刻画的是房间。本节余下部分将使这一区分精确化，并引入现象状态张量 P_\theta(t)，作为与这种驻留中的内在场景相对应的形式对象。

3.5.2 预测不对称性：向上误差与向下预测

OPT 继承了预测加工架构（Clark [82]，Hohwy [83]；见 §7.3），在该架构中，编解码器 K_\theta 作为一个分层生成模型运作。在这一架构下，两种彼此不同的信息流同时穿过马尔可夫毯 \partial_R A：

• 向上流（预测误差，\varepsilon_t）： 指 K_\theta 当前预测与到达 \partial_R A 的感觉信号之间的不匹配。这是校正信号。它是稀疏的、由惊异驱动的，并且严格受容量限制。

• 向下流（预测，\pi_t）： 指生成模型对预期感觉状态的主动渲染结果，由较高层级向较低层级传播。这就是场景本身。它是稠密的、连续的，并且取自 K_\theta 的完整参数化。

形式上，设感觉边界状态为 X_{\partial_R A}(t)，并令编解码器所预测的边界状态为：

\pi_t := \mathbb{E}_{K_\theta}\!\left[X_{\partial_R A}(t) \mid Z_t\right] \tag{T8-2}

则预测误差为：

\varepsilon_t := X_{\partial_R A}(t) - \pi_t \tag{T8-3}

C_{\max} 所约束的是误差信号，而不是预测。 误差信号与瓶颈状态之间的互信息满足：

I(\varepsilon_t\,;\,Z_t) \leq C_{\max} \cdot \Delta t = B_{\max} \tag{T8-4}

相比之下，预测 \pi_t 取自完整的生成模型，因此不受此类约束。它的信息内容仅受 K_\theta 自身复杂性的限制。这种不对称性，正是区分现象丰富性与更新带宽的形式基础。

3.5.3 定义：现象状态张量 P_\theta(t)

我们将现象状态张量 P_\theta(t) 原生地定义为：在时刻 t，为穿过马尔可夫毯进行投射而被部署的生成模型之完整常备激活参数子集：

P_\theta(t) := \bigl\{\, K_\theta(\cdot,\, \cdot) \,\bigr\}_{\text{active}} \tag{T8-5}

也就是说，P_\theta(t) 是编解码器当前所保持就绪、用于对可观测边界状态 X_{\partial_R A} 生成预测的完整参数化架构，并且这一架构的考察独立于压缩潜在状态 Z_t 与动作 a_t 的任何单一具体实例。其结构复杂度自然地由这一当前常备参数配置的柯尔莫哥洛夫复杂度来刻画：

C_{\text{state}}(t) := K\!\left(P_\theta(t)\right) \tag{T8-6}

其中，K(\cdot) 表示前缀柯尔莫哥洛夫复杂度。C_{\text{state}}(t) 即常备状态复杂度——编解码器当前以激活部署形式所持有的压缩结构之比特数。

边界信道流的上界。 瓶颈状态与边界之间的互信息受标准香农不等式约束 [16]（基础论文式 8）：

I\!\left(Z_t\,;\,X_{\partial_R A}\right) \leq H\!\left(X_{\partial_R A}\right) \leq |\partial_R A|\cdot \log q \tag{T8-7}

这给出了穿过马尔可夫毯的信道流上界——其量级相对于 B_{\max} 而言极其巨大。重要说明： 这是对香农理论意义下互信息 I(Z_t\,;\,X_{\partial_R A}) 的上界，而不是对常备模型之柯尔莫哥洛夫复杂度 K(P_\theta(t)) 的上界。香农熵量化的是系综平均不确定性；柯尔莫哥洛夫复杂度量化的是某个特定可计算对象的描述长度。在没有额外假设的情况下（例如，对模型类施加通用先验），不存在连接这两类量的一般性不等式。因此，我们并不主张 C_{\text{state}} \leq H(X_{\partial_R A})。常备状态复杂度 C_{\text{state}} 的约束来自经验上（§3.10），而非边界熵。

C_{\text{state}} 的启发式下界。 稳定性滤波器直接约束的仅是更新速率 R_{\text{req}} \leq B_{\max}，而非常备模型的深度。然而，若一个编解码器的结构复杂度不足，它就无法在预测分支集 \mathcal{F}_h(z_t) 上针对复杂环境的统计结构生成足够准确的预测 \pi_t。这便对 C_{\text{state}} 施加了一个实践上的最小值：低于某个阈值时，由于预测误差 \varepsilon_t 将持续偏大，R_{\text{req}} 就会系统性地超过 B_{\max}。这一下界是由经验动机支持的，而非形式推导所得——目前尚无封闭形式表达式 C_{\text{state}} \geq f(R_{\text{req}}, \text{environment statistics}) 可用。

实化式与倾向式解读（开放问题）。 如上所定义的 P_\theta(t) 允许两种解读，而框架目前尚未在形式上将二者区分开来：(a) 实化式解读，其中 P_\theta(t) 是一种稠密的、瞬时装载的表征，其丰富性在每一帧中都以激活形式存在；以及 (b) 倾向式解读，其中 P_\theta(t) 是一种生成性的能力——一个常备程序，能够按需对场景进行渲染结果，而并非其全部内容都在查询与响应之间被实化出来。二者都与上述边界信道和启发式下界条款相容，也都与 §3.5.6 的经验性承诺相容：丰富性与 K(K_\theta) 相关，而不是与更新带宽相关。它们的差异在于“已装载”究竟意味着什么，以及在直接探测 K(P_\theta) 时应当测量什么。单凭柯尔莫哥洛夫复杂度并不能将二者区分开来：一个较小的 K(P_\theta) 也可能支持很高的逻辑深度、巨大的查询—响应能力，或很长的运行时展开。我们在此采用倾向式解读作为规范性解释——P_\theta(t) 是一种处于激活状态的倾向性生成态，场景可由其被查询/渲染结果，但它未必是一个已被完全实化的稠密场景对象——同时将实化式解读标记为一种竞争性的操作化方案，未来的经验研究或许会在二者之间作出选择。

3.5.4 布洛克区分作为一种结构推论

P_\theta(t) 与 Z_t 之间的形式区分，精确对应于内德·布洛克（Ned Block）对现象意识（P-consciousness）与通达意识（A-consciousness）的区分 [47]：

在 OPT 下，P-consciousness 是从完整张量 P_\theta(t) 中提取出的向下预测 \pi_t。A-consciousness 则是瓶颈输出 Z_t——即场景中那一薄层切片，它已被充分压缩，从而得以进入因果记录 \mathcal{R}_t 并变得可供报告。视觉瞬间所具有的被感知丰富性属于 P_\theta(t)；而能够说出“我看见红色”，则要求该特征通过 Z_t。

这一推论化解了这样一个表面悖论：为何一个丰富的现象场景能够由一个低于比特级的更新通道维持。答案在于，这一场景并不是在每一帧中都经由该通道被传送的——它是早已载入于 P_\theta(t) 之中的。该通道所做的，是逐帧地、增量式且有选择地对其进行更新。

3.5.5 P_\theta(t) 的更新动力学

P_\theta(t) 的更新规则由经瓶颈滤过的预测误差信号 \varepsilon_t 所支配：

P_\theta(t+1) = \mathcal{U}\!\left(P_\theta(t),\, \varepsilon_t,\, Z_t\right) \tag{T8-8}

其中，\mathcal{U} 是编解码器的学习算子——用主动推断的术语来说，即对变分自由能 \mathcal{F}[q, \theta]（基础论文式 9）所作的梯度步，但受容量约束 I(X_t\,;\,Z_t) \leq B 的限制。

关键的结构性质在于，\mathcal{U} 具有选择性：只有 P_\theta(t) 中那些被当前预测误差 \varepsilon_t 所牵涉的区域才会被更新。其余保持中的张量部分则在该帧内维持不变。这赋予了意识瞬间其特有的结构：一个稳定的现象背景，其上铺陈着一小片已被解析的新异前景。

因此，编解码器实现了一种稠密先验上的稀疏更新——这一设计原则使每单位更新带宽所能获得的现象连贯性达到最大化。

3.5.6 适用范围与认识论地位

现象状态张量 P_\theta(t) 是对现象场景所必然投下之结构性阴影的形式化刻画，并与能动性公理 (§3.6) 保持一致。它并不解决意识的难问题。OPT 仍将现象意识视为一种不可还原的原初项；P_\theta(t) 所规定的是容器的几何结构，而非其内容的本性。

这里的主张是结构性的，并且在如下意义上是可证伪的：如果被报告经验的质性丰富度（例如，通过心理物理任务中现象复杂性的测量来操作化）与编解码器深度——即 K_\theta 的层级复杂性，且可通过预测层级的神经标记加以测量——相关，而不是与更新带宽 C_{\max} 相关，那么 P_\theta\,/\,Z_t 的区分就得到了经验支持。迷幻状态会显著改变 K_\theta 的结构，却并不稳定地改变行为吞吐量，因此构成了一个天然的检验领域。

3.6 编解码器生命周期：维护周期算子 \mathcal{M}_\tau

3.6.1 静态编解码器问题

§§3.1–3.5 的框架将 K_\theta 及其实现 P_\theta(t) 视为在更新帧之间动态变化，但却隐含地假定编解码器的结构架构——即参数空间 \Theta 本身——是固定的。对于单一意识时刻的共时性分析而言，这样的处理是足够的；但对于一个跨越深时间的意识理论而言，则并不充分。

一个持续运行的编解码器会不断积累结构复杂性：每一个习得的模式都会向 K_\theta 增添参数，从而提高 C_{\text{state}}(t)。如果没有一种受控的复杂性削减机制，C_{\text{state}} 就会单调增长，直到编解码器超过其热力学可运行性上限——也就是维持 P_\theta(t) 的代谢成本超出生物体的能量预算，或者 K_\theta 的内部复杂性超出稳定性滤波器所能兼容的描述长度之时。

本节引入维护周期算子 \mathcal{M}_\tau——这是编解码器得以在时间中管理其自身复杂性的形式机制，主要在感觉负荷降低的状态下运作（其典型情形即睡眠）。

3.6.2 维护条件

将编解码器可运行条件定义为如下要求：当前生成模型的柯尔莫哥洛夫复杂度必须保持在由有机体热力学预算所设定的结构性上限 C_{\text{ceil}} 之下：

K\!\left(P_\theta(t)\right) \leq C_{\text{ceil}} \tag{T9-1}

C_{\text{ceil}} 与 C_{\max} 并不相同。它是一个大得多的量——即编解码器在其参数空间中所能维持的总结构复杂度——但它仍然是有限的。对 (T9-1) 的违反，对应于认知过载、记忆干扰，并最终导向博尔赫斯 [53] 在《博闻强记的富内斯》中所描述的病理情形：一个系统获取了过多未经压缩的细节，以至于它不再能够进行预测性运作。

维护周期算子 \mathcal{M}_\tau 被定义为在 R_{\text{req}} \ll C_{\max} 的时段内起作用——更具体地说，是在所需预测速率下降到足够低、以致释放出的带宽能够被重新定向用于内部重组时：

\mathcal{M}_\tau : P_\theta(t) \;\longrightarrow\; P_\theta(t + \tau) \qquad \text{during} \quad R_{\text{req}}(t) \ll C_{\max} \tag{T9-2}

\mathcal{M}_\tau 可分解为三个在结构上彼此不同的遍次，每一个都针对编解码器复杂度管理的不同方面。

3.6.3 第一遍——剪枝（作为主动 MDL 压力的遗忘）

第一遍将最小描述长度（MDL）压力施加到当前的编解码器参数上。对于生成模型 K_\theta 的每个分量 \theta_i，将其 预测贡献 定义为：它对未来观测流所提供的互信息，在扣除保留它的存储成本之后的净值：

\Delta_{\mathrm{MDL}}(\theta_i) := I\!\left(\theta_i\,;\,X_{t+1:t+\tau} \mid \theta_{-i}\right) - \lambda \cdot K(\theta_i) \tag{T9-3}

其中，\theta_{-i} 表示除 \theta_i 之外的所有参数，\lambda 是保留阈值（每比特模型复杂度所换取的未来预测比特数），而 K(\theta_i) 是该分量的描述长度。

剪枝规则为：

\text{Prune } \theta_i \quad \text{if} \quad \Delta_{\mathrm{MDL}}(\theta_i) < 0 \tag{T9-4}

也就是说，当 \theta_i 的单位存储比特预测贡献低于阈值 \lambda 时，就丢弃 \theta_i。这将遗忘形式化为的不是失败，而是 在热力学上理性的擦除：每一个被剪除的分量都会回收 K(\theta_i) 比特的模型容量以供再利用。

根据兰道尔原理 [52]，每一次剪枝操作都会为擦除确立一个热力学下限：

W_{\text{prune}}(\theta_i) \geq K(\theta_i) \cdot k_B T \ln 2 \tag{T9-5}

尽管由于巨大的实现开销，实际生物代谢的运行水平远高于这一理论最小值许多个数量级（瓦特而非飞瓦），但这种成本的 结构性必然性 依然存在。贝内特对兰道尔原理的补充 [92] 进一步澄清了这一点：逻辑可逆计算在原则上可以逼近零耗散，因此兰道尔下限所约束的特定对象是 擦除，而不是预测或变换。由此，维护周期中在热力学上不可约的步骤是剪枝遍，而不是预测遍。在有序补丁理论 (OPT) 中，睡眠携带着一种根本性的热力学特征：它是一个净 信息擦除 的时期，其能量成本是由物理学所强制规定的，而不仅仅是生物低效性的结果。

剪枝遍的总复杂度降低量为：

\Delta K_{\text{prune}} = \sum_i K(\theta_i)\cdot \mathbf{1}\!\left[\Delta_{\mathrm{MDL}}(\theta_i) < 0\right] \tag{T9-6}

3.6.4 第二阶段——巩固（将学习视为压缩增益）

剪枝阶段会移除预测回报不足的成分。巩固阶段则将剩余成分重组为压缩程度更高的表征。

在清醒运行期间，编解码器是在实时压力下获取模式的：每一次更新都必须在 \Delta t 内完成，因此没有时间对 K_\theta 进行全局性的结构重组。最近获得的模式会以相对未压缩的形式存储——就其所提供的预测贡献而言，具有较高的 K(\theta_{\text{new}})。巩固阶段对这些近期获得的内容施加离线 MDL 压缩。

设 \Theta_{\text{recent}} \subset \Theta 表示自上一个维护周期以来获得的参数集合。巩固算子寻找 \Theta_{\text{recent}} 的最小复杂度重参数化 \theta'，使其生成的预测分布与原始分布之间的失真保持在可容忍范围 D_c 之内：

\theta'_{\text{cons}} = \arg\min_{\theta'} K(\theta') \quad \text{s.t.} \quad D_{\mathrm{KL}}\!\left(P_{\theta'}(\cdot) \,\Big\|\, P_{\Theta_{\text{recent}}}(\cdot)\right) \leq D_c \tag{T9-7}

所恢复的压缩增益为：

\Delta K_{\text{compress}} = K(\Theta_{\text{recent}}) - K(\theta'_{\text{cons}}) \tag{T9-8}

\Delta K_{\text{compress}} 表示通过将近期经验重组为更高效的表征而回收的模型容量比特数。\Delta K_{\text{compress}} 的每一个单位，都会直接降低未来在相似环境中的 R_{\text{req}}——编解码器在熟悉情境中的运行成本会变得更低。

这将慢波睡眠期间海马体—新皮层记忆巩固这一经验上已被观察到的功能形式化了：从高带宽的情景性存储（海马体，高 K）向压缩的语义性存储（新皮层，低 K）的转移，正是式 (T9-7) 所描述的压缩操作。由此得到的预测是：在涉及结构化模式识别的任务中，压缩增益 \Delta K_{\text{compress}} 应当与睡眠后观察到的行为改善程度相关。

3.6.5 第三遍——预测分支集采样（将做梦视为对抗性自我测试）

第三遍主要在 REM 睡眠期间运行，此时感觉输入被主动门控，运动输出受到抑制。在这些条件下，R_{\text{req}} \approx 0：编解码器不再从外部环境接收校正信号。完整的带宽预算 C_{\max} 因而可用于内部运作。

有序补丁理论 (OPT) 将这一状态形式化为无约束的预测分支集探索：编解码器在 \mathcal{F}_h(z_t)——即可容许的未来序列集合（基础论文式 5）——中生成轨迹，而不将这些轨迹锚定到真实流入的数据上。这就是模拟：编解码器将其生成模型 K_\theta 向前推进，且不受现实约束。

分支集上的采样分布并非均匀。定义分支 b \in \mathcal{F}_h(z_t) 的重要性权重为：

w(b) := \exp\!\left(\beta\cdot |E(b)|\right) \tag{T9-9}

其中，\beta 是逆温度参数，E(b) 是该分支的情绪效价，定义为：

E(b) := -\log P_{K_\theta}(b \mid z_t) + \alpha \cdot \mathrm{threat}(b) \tag{T9-10}

第一项 -\log P_{K_\theta}(b \mid z_t) 是该分支在当前编解码器下的负对数概率——即其惊异值。第二项 \mathrm{threat}(b) 是一个与适应度相关的后果度量，其形式定义为：若编解码器穿越分支 b，所需预测速率的期望增量：

\mathrm{threat}(b) := \mathbb{E}\!\left[\, R_{\text{req}}(D_{\min} \mid b) - R_{\text{req}}(D_{\min} \mid z_t)\,\right] \tag{T9-10a}

也就是说，\mathrm{threat}(b) 量化了这样一种程度：若分支 b 在清醒生活中被实现，它会如何通过身体伤害、社会断裂或迫使模型进行高代价修订的叙事崩解，将编解码器推向或推过其带宽上限 B_{\max}。满足 \mathrm{threat}(b) > B_{\max} - R_{\text{req}}(D_{\min} \mid z_t) 的分支具有生存论威胁：它们将违反稳定性滤波器条件。加权参数 \alpha \geq 0 控制后果相对于惊异在采样分布中的相对影响。

采样算子按与 w(b) 成正比的概率抽取分支：

b_{\text{sample}} \sim \mathcal{F}_h(z_t) \quad \text{with probability} \propto w(b) \tag{T9-11}

这实现了按重要性加权的预测分支集采样：编解码器会不成比例地预演那些要么高度令人惊异、要么后果极其重大的分支，而不论其基准概率如何。低概率但高威胁的分支——恰恰是编解码器准备最不足的那些——会获得最大的采样关注。

随后，每一个被采样的分支都会在 K_\theta 下接受连贯性评估。那些生成不连贯预测序列的分支——即编解码器自身的生成模型无法维持叙事稳定性的情形——会被识别为脆弱点：即预测分支集中这样一些区域，一旦在清醒生活中遭遇相应分支，编解码器就会失效。于是，编解码器便可更新 P_\theta，以降低 K_\theta 在这些点上的脆弱性，且这一切发生在其尚未以真实热力学代价暴露于这些分支之前。

因此，做梦就是在零风险条件下对编解码器进行对抗性自我测试。其功能性后果是：编解码器会系统性地更好地为其自身预测分支集中那些低概率、高后果的分支做好准备。这一 OPT 框架为 Revonsuo [46] 的梦之威胁模拟理论提供了信息论基础，并将其从一种进化—功能性解释扩展为一种形式上的结构必然性：任何在稳定性滤波器下运行的编解码器，都必须周期性地对其自身的预测分支集进行压力测试，而离线维护状态则是唯一能够在不付出现实世界热力学代价的情况下完成此事的时期。

情绪标记作为保留权重先验。 在清醒状态下，REM 采样期间计算得到的情绪效价 E(b) 会作为一种先验保留权重，对 (T9-3) 中的 MDL 阈值 \lambda 施加偏置。具有高 |E(b)| 的经验——即强烈令人惊异或后果重大的经验——会被赋予更高的有效 \lambda，从而在下一次维护周期中更能抵抗剪枝。这就是情绪增强记忆的形式化说明：情感并非污染记忆系统的噪声；它是编解码器的相关性信号，用以标记那些其预测价值超过其基准统计频率的模式。

3.6.6 完整维护周期与净复杂度预算

\mathcal{M}_\tau 的三个遍历过程按序依次复合。其在一个持续时间为 \tau 的维护周期内对编解码器复杂度的净效应为：

K\!\left(P_\theta(t+\tau)\right) = K\!\left(P_\theta(t)\right) - \Delta K_{\text{prune}} - \Delta K_{\text{compress}} + \Delta K_{\text{REM}} \tag{T9-12}

其中，\Delta K_{\text{REM}} 是来自 REM 采样遍历中新近巩固的模式所带来的小幅正增量——即那些需要新的参数更新的脆弱点修复。

对于一个跨越多年运行的稳定认知系统，长期预算必须满足：

\left\langle \Delta K_{\text{prune}} + \Delta K_{\text{compress}} \right\rangle \geq \left\langle \Delta K_{\text{waking}} + \Delta K_{\text{REM}} \right\rangle \tag{T9-13}

其中，\Delta K_{\text{waking}} 是在此前清醒阶段中获得的复杂度。不等式 (T9-13) 的形式化表述是：维护必须跟上获取的速度。用有序补丁理论 (OPT) 的术语来说，慢性睡眠剥夺并不仅仅是疲劳——它是持续进展的复杂度溢出：当编解码器逼近 C_{\text{ceil}} 时，其剪枝与巩固预算却不足以恢复必要的余量。

3.6.7 经验性预测

维护周期框架产生如下可检验的结构性预期：

1. 睡眠时长随编解码器复杂度而缩放。 在清醒时段获取了更多结构化信息的生物体或个体，应当需要按比例更长或更深的维护周期。这里的预测并不只是“高强度认知工作需要更多睡眠”（这一点已得到证实），而是学习的类型同样重要：富含模式、可压缩的学习，相比无结构的高熵经验，应当需要更少的巩固时间，因为在前一种情形下，\Delta K_{\text{compress}} 更大。

2. REM 内容在预测分支集上按重要性加权，而非按频率加权。 相对于其在清醒状态中的出现频率，梦境内容应当不成比例地抽样那些低概率但高后果的分支。这与梦境报告中威胁、社会冲突以及新异环境内容在经验上的显著占优相一致——编解码器抽样的是它需要进行压力测试的内容，而不是它最常遇到的内容。

3. 睡后压缩效率的提升与 \Delta K_{\text{compress}} 成正比。 更具体的预测是，睡后表现的改善应当在那些要求结构性泛化的任务上最为显著（即，将一条压缩后的规则应用于新的实例），而不是在简单重复任务上——因为 \Delta K_{\text{compress}} 的特定作用，正是将 \Theta_{\text{recent}} 重组为更具可泛化性的形式。

4. 病理性反刍对应于卡滞在高-|E| 分支上的 REM 抽样。 如果重要性加权参数 \beta 出现病理性升高，那么在 \mathcal{F}_h(z_t) 上的抽样分布就会集中到高威胁分支上，从而排斥修复过程。编解码器会在其维护周期中反复抽样同一组威胁性分支，却无法成功降低其惊异值——这正是焦虑与 PTSD 梦魇的形式结构。

3.6.8 与现象状态张量的关系

如§3.5所定义，\mathcal{M}_\tau 作用于 P_\theta(t)：它在维护窗口内重构稳态复杂度 C_{\text{state}}。在 \mathcal{M}_\tau 作用下，P_\theta(t) 的时间剖面为：

• 清醒期获取： 随着新模式被并入 K_\theta，C_{\text{state}} 以受学习算子 \mathcal{U}（式 T8-8）约束的速率增加。
• 慢波睡眠（阶段 I–II）： 随着剪枝与巩固恢复模型容量，C_{\text{state}} 下降。
• REM（阶段 III）： 在脆弱点处，C_{\text{state}} 经历选择性的局部增加，但其净效应相对于阶段 I–II 的下降幅度而言较小。

与各阶段相对应的意识经验也与这一结构一致：清醒生活不断积累 P_\theta(t) 的丰富性；慢波睡眠在现象上稀薄或缺失（这与结构重组期间 P_\theta(t) 的最小激活相一致）；REM 则呈现出一种在现象上鲜明、但由内部生成的场景（即在缺乏感觉校正的情况下，阶段 III 将完整生成模型向前运行）。

摘要：新引入的形式对象

：表 3：OPT 构造与方程摘要。

3.7 张量网络映射：从码距诱导几何

§3.4 中引入的认识阶梯确立了严格的经典边界律（S_{\mathrm{cut}} \sim |\partial_R A|）。然而，要将有序补丁理论 (OPT) 严格地进一步桥接到量子信息的几何化（例如 AdS/CFT 与 Ryu-Takayanagi 公式），我们必须在形式上升级潜在编码 Z_t 的结构。

如果我们在形式上设定，瓶颈映射 q^\star(z \mid X_t) 并非只是提取一组平坦的特征列表，而是通过递归的粗粒化重整化群流来运作，那么该生成模型就在结构上与分层张量网络 \mathcal{T} 的几何相对齐（类似于 MERA [43] 或 HaPY 网络 [44]）。(注：附录 T-3 在形式上推导了稳定性滤波器的粗粒化级联与 MERA 网络几何边界之间的结构同态对应关系，并将信息因果锥严格映射到其等价的 MERA 因果锥。) 该网络的边界态，正是经筛选的马尔可夫边界态 X_{\partial_R A}。网络 \mathcal{T} 充当一种体几何，其“深度”表示将边界压缩为最小瓶颈态 Z_t 所需的计算粗粒化层级。

在这一张量网络升级之下，跨越边界的预测切割熵 S_{\mathrm{cut}}(A) 在数学上转化为：为了孤立子区域 A，必须切断的最少张量键数。设 \chi 为该网络的键维数，则其内部容量界映射为：

S_{\mathrm{cut}}(A) \le |\gamma_A| \log \chi \tag{11}

其中，\gamma_A 是穿过 \mathcal{T} 内部深层体数据结构的极小切割曲面。这明确构成了由 Ryu-Takayanagi 全息熵界 [89] 所映射之体极小切割层的离散结构类比。附录 P-2（定理 P-2d）在其中导出的局域噪声模型与 QECC 嵌入条件下，通过 MERA 态的施密特秩，在形式上建立了完整的离散量子 RT 公式 S_{\text{vN}}(\rho_A) \leq |\gamma_A| \log \chi。而将其升级到带有体修正项的完整 Ryu-Takayanagi 公式的连续极限，仍是一个开放前沿问题。

关键在于，在 OPT 中，这种“体空间”并不是一个预先存在的物理容器。它是观察者编解码器的严格信息度量空间。涌现的现象学时空几何，恰恰在为了解析彼此重叠的内部因果态而使所需码距发散之处发生“弯曲”。这一张量网络形式主义展示了一条形式路径：OPT 或可由稳定性滤波器内在要求的纠错距离，直接诱导出空间几何——其结构上与 Van Raamsdonk 的“纠缠构建时空”纲领 [88] 相一致——并提出一个构造性猜想：全息时空对最优数据压缩格式进行了建模。

3.8 能动性公理与现象性残余

第 3.1–3.7 节中发展出的数学装置，精确界定了观察者现实的几何结构——张量网络、预测切口以及因果锥。然而，那个体验着穿行于其中的原初内在性，其本性究竟是什么？我们通过能动性公理对其作出形式化定义：穿越 C_{\max} 孔径这一过程，在其本质上是一个现象学性的事件。

尽管我们将主观感受的存在视为公理性的，定理 P-4（现象性残余）则识别出其严格的结构对应物。由于有界编解码器会主动扰动边界 \partial_R A，要在 C_{\max} 的限制内维持稳定预测，它就必须对自身未来行动的后果进行建模。因此，编解码器 K_{\theta} 必须维持一个预测性的自我模型 \hat{K}_{\theta}。然而，根据信息包含的算法界限 [13]，一个有限计算系统不可能包含其自身的完整结构表征；该内部模型被严格限制在低于母体编解码器的复杂度上（K(\hat{K}_{\theta}) < K(K_{\theta})）。

这就必然要求一个不可约的现象性残余（\Delta_{\text{self}} > 0）。这一不可建模的残余，充当了主动推断循环中的计算性“盲点”。由于它存在于超出自我模型计算可及范围的信息阴影之中，它本质上是不可言说的；由于它作为特定编解码器与其模型之间的局域化差值而存在，它在计算上是私有的；并且，由于它受制于自指的基本极限与必要的变分近似，它是不可消除的。C_{\max} 孔径处的拓扑性收窄，与一个不完备算法经历其自身边界这一数学必然性，具有内在相关性。数学描述了这种经验的形式轮廓，而能动性公理则断言，这一残余的轨迹点正构成了主观的“我”。（其形式推导见附录 P-4。）

信息性维护回路

在单个更新帧 [t, t+\Delta t] 内，观察者执行如下封闭因果回路：

P_\theta(t) \;\xrightarrow{\ \pi_t\ }\; \partial_R A \;\xrightarrow{\ \varepsilon_t\ }\; Z_t \;\xrightarrow{\ \mathcal{U}\ }\; P_\theta(t+1) \tag{T6-1}

具体而言：

1. 预测（向下）： 当前张量 P_\theta(t) 生成预测的边界状态 \pi_t = \mathbb{E}_{K_\theta}[X_{\partial_R A}(t) \mid Z_t] —— 即渲染结果场景。

2. 误差（向上）： 实际边界状态 X_{\partial_R A}(t) 到达；随后计算预测误差 \varepsilon_t = X_{\partial_R A}(t) - \pi_t。

3. 压缩： \varepsilon_t 经由瓶颈传递，产生 Z_t，即受容量限制的更新令牌，并满足 I(\varepsilon_t\,;\,Z_t) \leq B_{\max}。

4. 更新： 学习算子 \mathcal{U}(P_\theta(t), \varepsilon_t, Z_t) 对 P_\theta(t+1) 进行修正，仅选择性地修改张量中那些被 \varepsilon_t 所牵涉的区域。

5. 行动： 与此同时，P_\theta(t) 通过对变分自由能 \mathcal{F}[q,\theta]（基础论文公式 9）执行主动推断下降来选择行动 a_t，该行动会改变 t+1 时刻的感觉边界，从而影响下一步的 \varepsilon_{t+1}。

关于行动步骤的解释性说明。 第 5 步中的表述——“选择行动”与“改变感觉边界”——继承自自由能原理的标准主动推断形式主义；该形式主义假定存在一个物理环境，代理通过其主动状态对之施加作用。按照 OPT 自身的渲染结果本体论（§8.6），这里应采取一种更深层的解读：并不存在一个独立的外部世界，供编解码器对其施力。被体验为“行动”的东西，实际上是在预测分支集 \mathcal{F}_h(z_t) 内进行的分支选择；该选择的物理后果会作为后续输入 \varepsilon_{t+1} 到来。马尔可夫毯 \partial_R A 不是一个双向的物理接口，而是所选分支在其上递送下一段内容的表面。这一解释性转换并不改变 (T6-1)–(T6-3) 的任何数学内容；它只是澄清了行动步骤在 OPT 框架中的本体论地位。至于分支选择机制本身，将在下文讨论。

这就是帧内信息性维护回路：一个封闭的因果机制，其中系统的内部模型计算出对边界梯度加以约束的局部结构预测，读取误差，并有选择地更新自身。该回路在形式意义上是严格的信息性且自指性的：P_\theta(t) 不仅决定结构预测 \pi_t，而且还通过行动 a_t 决定下一序列数据流输入 X_{\partial_R A}(t+1) 的一个预测性成分。（需明确指出：这一纯粹统计性的筛选层由信息性马尔可夫边界严格定义，用以将动力学清晰解耦；这与复杂生物自创生过程有着内在差异，后者中的细胞结构会以机械方式制造其自身的有机质量网络。）

结构可存续条件

当且仅当该回路 (T6-1) 能在编解码器的信息复杂性不超过其局部可运行性极限的情况下维持自身时，它才是结构上可存续的。形式化地：

K\!\left(P_\theta(t)\right) \leq C_{\text{ceil}} \quad \forall\, t \tag{T6-2}

其中，C_{\text{ceil}} 是一个启发式参数，用于界定编解码器所能维持的最大结构复杂性。原则上，C_{\text{ceil}} 应当能够通过兰道尔原理由有机体的热力学预算推导出来（见 §3.10 中的概略说明），但从代谢功率到擦除成本再到可持续的最大程序复杂性的完整推导链条，在有序补丁理论 (OPT) 内尚未被形式化。因此，C_{\text{ceil}} 仍然是一个具有经验动机、但在形式上尚未充分确定的上界。满足 (T6-2) 的系统，在 OPT 的形式意义上作为一个结构封闭的观察者而运作。

当 (T6-2) 被违反时——即当 K(P_\theta(t)) \to C_{\text{ceil}}——编解码器便无法在 \mathcal{F}_h(z_t) 上维持稳定预测，R_{\text{req}} 开始超过 B_{\max}，而稳定性滤波器条件也随之失效。叙事连贯性发生崩解：观察者退出观察者兼容流的集合。

维护周期 \mathcal{M}_\tau（§3.6）是在深时间尺度上强制满足 (T6-2) 的机制，它通过剪枝、巩固以及对预测分支集的压力测试，将 K(P_\theta) 保持在界限之内。在帧内，(T6-2) 则由 \mathcal{U} 的选择性来维持：该更新算子只修改 P_\theta(t) 中由 \varepsilon_t 所牵涉的区域，从而避免每一帧中无谓的复杂性增长。

作为受约束自由能最小化的能动性

在这一结构中，能动性可以被赋予一个精确的形式化定义；该定义与能动性公理相容，但并不将其还原掉。

在系统层面，能动性是对动作序列 \{a_t\} 的选择，使其在满足信息可存续性条件的约束下，将期望变分自由能最小化：

a_t^\star = \arg\min_{a_t} \;\mathbb{E}\!\left[\mathcal{F}[q, \theta]\right] \quad \text{subject to} \quad K\!\left(P_\theta(t)\right) \leq C_{\text{ceil}} \tag{T6-3}

这就是受约束的主动推断：观察者在预测分支集 \mathcal{F}_h(z_t) 中进行导航，其目的不只是最小化预测误差，而是在保持编解码器可存续的同时最小化预测误差。那些虽然会暂时降低 \varepsilon，却会将 K(P_\theta) 推向 C_{\text{ceil}} 的分支，会因这一约束而受到惩罚。观察者会优先选择那些使其能够继续作为一个连贯观察者而存在的分支。

这正是“能动性是一种自我保全的导航”这一直觉的形式化内容：编解码器会选择预测分支集中的那些分支，在这些分支上，它能够继续压缩世界。

在现象学层面，能动性公理保持不变：现象意识是孔径穿越不可还原的内在性；(T6-3) 所描述的是这种穿越所投下的结构性阴影，而非其内在本性。

作为 \Delta_{\text{self}} 执行的分支选择

受约束的主动推断公式（T6-3）规定了分支选择的目标：在满足可存续性的条件下，使期望自由能最小化。自我模型 \hat{K}_\theta 通过模拟预测分支集中的各个分支及其后果来评估它们。但定理 P-4 证明，K(\hat{K}_\theta) < K(K_\theta)——自我模型必然是不完备的。这种不完备性对分支选择问题有一个直接后果：自我模型能够约束可供选择的区域，却不能完全规定选择本身。

分支选择的实际时刻——即从已评估的选项集合过渡到进入因果记录的那条唯一轨迹——发生在 \Delta_{\text{self}} 中，也就是编解码器与其自我模型之间的信息残余。这并不是形式体系中的一个缺口；它是一种结构性必然。任何试图从系统内部完全规定该选择机制的尝试，都将要求 K(\hat{K}_\theta) = K(K_\theta)，而 P-4 已证明，对于任何有限的自指系统，这都是不可能的。

这有三个直接后果：

1. 意志与意识共享同一个结构地址。 意识的难问题（为何穿越会有某种感受？）与分支选择问题（究竟是什么在选择？）都指向 \Delta_{\text{self}}。它们不是两个谜团，而是同一结构特征的两个侧面——即编解码器所是之物与它能够关于自身加以建模之物之间那个不可建模的缺口。

2. 能动性的不可还原性得到了解释，而不只是被断言。 意志的现象学体验——那种不可还原的“我作出了选择”的感觉——是一个在观察者自身盲点中执行之过程的第一人称标记。任何声称能够完全规定该选择机制的理论，要么消除了 \Delta_{\text{self}}（使系统成为一个完全自我透明的自动机，而 P-4 禁止这种情况），要么描述的只是自我模型对各分支的评估，却将其误认为选择本身。

3. 作为扩展的 \Delta_{\text{self}} 的创造性。 在近阈值运行状态下（R_{\text{req}} \to C_{\max}），自我模型的容量受到拉伸，从而实际上扩展了选择所从中抽取的 \Delta_{\text{self}} 区域。这会产生从自我模型视角看更难预测的分支选择——其体验表现为创造性洞见、自发性，或“心流”。相反，入睡前幻觉状态（§3.6.5）则是从下方放松自我模型，并通过一条互补路径实现同样的扩展。

4. 作为残余的自我。 被体验到的自我——那个关于“我是谁”的连续叙事，具有稳定偏好、一段历史以及一个被投射的未来——是 \hat{K}_\theta 对 K_\theta 的持续运行模型：一种压缩近似，并且总是落后于它所建模的编解码器（由于自指中内在的时间滞后）。但经验、选择与身份认同的实际所在却是 \Delta_{\text{self}}：即叙事无法抵达的那部分编解码器。你所知道的自我是你对自己的模型；而那个正在知道的自我，则是该模型无法跨越的缺口。这正是沉思传统中反复且彼此独立地发现的内容之形式化表达：通常意义上的自我是被建构出来的，而在其下方有某种无法作为对象被找到的东西（见附录 T-13，推论 T-13c）。

审议是真实的，但并不完备。 自我模型对预测分支集的评估是一个真实的计算过程，并且会塑造结果。审议约束了 \Delta_{\text{self}} 发挥作用的吸引域：一个发展得更成熟的编解码器，会收窄选择所能落入的可存续分支范围。但最终的过渡——为什么在可行集合中是这个分支而不是另一个——在结构上对进行审议的自我而言仍是不透明的。这就是为什么审议既显得在因果上有效，又在现象学上不完备：观察者正确地感到自己的推理是重要的，同时也正确地感到，有某种超出推理本身的东西最终完成了选择。

奇异环作为形式闭合

(T6-1) 的自指结构以精确的信息论形式实例化了霍夫施塔特 [45] 所说的奇异环。这里的“奇异”体现在如下意义上：P_\theta(t) 作为一个子结构，包含了对编解码器自身未来状态的模型——第三遍历中的预测分支集采样（\mathcal{M}_\tau，§3.6.5）本质上正是编解码器在运行一场关于其自身遭遇未来分支的模拟。该系统对其自身的模型进行建模。

由此产生的形式闭合在于：信息上闭合的观察者，不仅仅是一个对外部噪声维持边界的系统；它更是一个其边界维持部分地由其关于该边界在未来需要成为什么样子的模型所构成的系统。奇异环并非这一框架的可选附加物；它是使可存续性条件 (T6-2) 得以前摄性而非反应性地被执行的结构机制。一个无法模拟其自身未来编解码器状态的观察者，就无法为第三遍历中识别出的脆弱点做好准备，因此会系统性地更易受到叙事崩解的影响。

(T6-1)–(T6-3) 的结构要求可被视为自指闭合的必要前提。虽然简单的前向预测（例如棋类引擎的前瞻搜索）构成的是规划，而非真正的自指，但有序补丁理论 (OPT) 的编解码器更进一步：P_\theta(t) 包含一个子模型，而该子模型的输出会修改支配其自身未来状态 \{P_\theta(t+h)\}_{h>0} 的分布。这种结构性的自我建模对于长期稳定在功能上是必要的——一个无法预见其自身正在逼近的可存续性极限的编解码器，就无法为第三遍历（§3.6.5）中识别出的脆弱点做好准备，并且在非平稳环境中将系统性地在 (T6-2) 的上限面前崩溃。

认识论范围：对能动性还原论进行形式化定界

这一形式化精确划定了有序补丁理论 (OPT) 在系统层面所实现的内容：它识别出观察者为维持边界可存续性所必须满足的结构条件。这就对能动性还原论问题进行了形式化定界，但并不声称已经解决了它。

这种定界是真实的，而非定义性的。系统层面的描述 (T6-1)–(T6-3) 穷尽性地刻画了能动性的结构性阴影——任何维持边界的观察者都必须满足的信息论约束。能动性公理则处于其互补领域：现象意识是孔径穿越这一过程不可还原的内在性，而上述形式化所描述的仅仅是容器的形状，而非其中所容纳之物的本性。因此，意识的难问题被定位在一个精确的结构位置（即 C_{\max} 孔径），而不是被消解，或被宣称已经得到解决。

3.9 自由意志与现象学菜单

穿越机制的隔离，从根本上澄清了能动性的本质。在主动推断循环（方程 9）中，观察者必须执行一个策略序列 \{a_t\}。在还原论物理主义之下，动作 a_t 的选择由底层物理所决定（或由其随机采样），从而使自由意志沦为一种幻觉，或仅仅是一种语言上的重定义。

有序补丁理论 (OPT) 颠倒了这种依赖关系。由于补丁的局域“物理”不过是生成模型对基底的预测性估计，物理定律所能约束的，只是预测分支集 \mathcal{F}_h(z_t) 的一组宏观概率。关键在于，除非该补丁是一个完全可预测的自动机（而这会违反生成性结构复杂性的热力学要求），否则从观察者受限的视角来看，预测分支集都包含真实且尚未消解的分支多重性。

既然描述性的物理仅仅是在勾勒这些有效分支的菜单，它在逻辑上就不可能经验到选择本身。在 §8.6 进一步展开的相容论解读中，分支路径在无时间性的基底中是数学上固定的；选择则是穿越的现象学体验。从第三人称视角（外部几何）看，分支选择表现为自发噪声、量子坍缩或统计涨落。从第一人称内部视角看，不确定性的边界保证了这种穿越会被体验为意志的施行——即在未压缩前沿中导航的原初行动。在 OPT 中，自由意志并不是对物理定律的某种反因果性突破；它是一个有界观察者将形式化菜单坍缩为单一渲染结果时间线时，必然经验到的现象学开放性。

渲染结果本体论的澄清。 在 OPT 的原生本体论（§8.6）之下，知觉与行动之间的区分在基底层面上消解了。被体验为“输出”的东西——伸手、决定、选择——其实都是编解码器正在穿越的流内容。编解码器并不是对世界施加行动；它是在穿越 \mathcal{F}_h(z_t) 的某一条分支，而“行动的体验”本身就是抵达边界之物的一部分。自由能原理所称的主动状态——修改环境的向外流——在 OPT 的渲染结果本体论中，其实是编解码器的分支选择将自身表达为后续输入内容。马尔可夫毯是被选中分支递送其下一段内容的表面，而不是观察者借以对某个外在现实施力的膜。这使相容论解释更为锋利：在基底层面上，并不存在“被感知的”与“被意欲的”之间的区分；二者都是流内容；现象学上的区分，源于 P_\theta(t) 如何将某些内容标记为“由自我发起”——而这种标记机制，与所有分支选择一样，最终都在 \Delta_{\text{self}} 中执行（§3.8）。

3.10 渲染结果的信息成本与三级边界鸿沟

有序补丁理论 (OPT) 的决定性数学边界，是对信息生成成本所作的形式比较。

设 U_{\text{obj}} 为客观宇宙的完整信息状态。其柯尔莫哥洛夫复杂度 K(U_{\text{obj}}) 高得近乎天文量级。再设 S_{\text{obs}} 为观察者所经验到的局域化、低带宽信息流（严格受限于 \mathcal{O}(10) 比特/秒这一阈值）。在 OPT 中，宇宙 U_{\text{obj}} 并不作为一个被渲染的计算对象而存在。表面上的“客观宇宙”，实际上是由主动推断所构造的内部生成模型。

生物学上现实的观察者的贝肯斯坦界

贝肯斯坦界 [40] 给出了任何总能量为 E、并被半径 R 所界定的物理系统所能具有的最大热力学熵——等价地说，即最大信息容量：

S_{\text{Bek}} \leq \frac{2\pi R E}{\hbar c} \tag{T7-1}

对于将人脑视为观察者的马尔可夫毯边界 \partial_R A 的情形：

• 约束半径：R \approx 0.07\ \text{m}
• 总静质量能量：E = m c^2 \approx 1.4\ \text{kg} \times (3 \times 10^8\ \text{m/s})^2 = 1.26 \times 10^{17}\ \text{J}
• 约化普朗克常数：\hbar = 1.055 \times 10^{-34}\ \text{J}\cdot\text{s}
• 光速：c = 3 \times 10^8\ \text{m/s}

代入得：

S_{\text{Bek}} = \frac{2\pi \times 0.07 \times 1.26 \times 10^{17}}{1.055 \times 10^{-34} \times 3 \times 10^8} = \frac{5.54 \times 10^{16}}{3.17 \times 10^{-26}} \approx 1.75 \times 10^{42}\ \text{nats} \tag{T7-2}

换算为比特（除以 \ln 2）：

S_{\text{Bek}} \approx 2.52 \times 10^{42}\ \text{bits} \tag{T7-3}

全息面积界 [87]，即 S \leq A / 4l_P^2，会给出一个更大的数值。对于半径 R = 0.07\ \text{m} 的球体，其表面积为 A = 4\pi R^2 \approx 0.062\ \text{m}^2，而普朗克长度 l_P = 1.616 \times 10^{-35}\ \text{m}：

S_{\text{holo}} = \frac{0.062}{4 \times (1.616 \times 10^{-35})^2} = \frac{0.062}{1.044 \times 10^{-69}} \approx 5.9 \times 10^{67}\ \text{bits} \tag{T7-4}

在本分析的结构框架中，我们采用由 (T7-3) 所界定的表述，并显式跟踪 S_{\text{phys}} \approx 2.5 \times 10^{42}\ \text{bits}。我们也明确在结构上指出：使用总静质量能量 E=mc^2 会将这一度量抬升为一个极端的最大上限；若改为采用仅利用内部化学能的活跃内部生物热力学相互作用边界（\sim 10-100\text{J}），则这一贝肯斯坦极限会显著下降，更接近 \sim 10^{26} bits。下文形式化展示的定性结构间隙机制，在这些物理上限的任何参数化表述下、在所有量级范围内都同样成立；因此，它可被视为一个保守极限，并且相对于先前映射的极端纯几何全息对应物 (T7-4)，更是 a fortiori 地成立。

三层级鸿沟

§3.5 中引入的现象状态张量 P_\theta(t)，在物理学上界 S_{\text{phys}} 与更新通道 B_{\max} 之间识别出一个具有物理意义的中间尺度。于是，我们现在得到三个不同尺度上的三个不同量：

层级 1 — 物理学： S_{\text{phys}} \approx 2.5 \times 10^{42}\ \text{bits}（贝肯斯坦界，式 T7-3）

层级 2 — 生物学： C_{\text{state}} = K(P_\theta(t))，即主动生成模型的柯尔莫哥洛夫复杂度。我们从生理学上的突触信息上限出发，估计其可行的启发式最大上界：人类系统大约具有 1.5 \times 10^{14} 个突触，每个突触使用 4–5 比特的编码精度 [48]，由此投射出的原始结构容量上限约在 \sim 10^{14}–10^{15} 比特之间。与其引入一个缺乏严格推导支持、用于刻画“活跃状态”子集的经验比例项，我们在方法上严格采用原生意义上的、完整且保守的最大生理稳态阈值：

C_{\text{state}} \lesssim 10^{14}\ \text{bits} \tag{T7-5}

并明确承认，这一数值标示的是一个极端的上界极限，覆盖了支撑该编解码器的、已部署突触框架的总体容量。

层级 3 — 意识： B_{\max} = C_{\max} \cdot \Delta t \approx 10\ \text{bits/s} \times 0.05\ \text{s} = 0.5\ \text{bits}，即每个认知时刻 0.5 比特（式 T8-1）。

三层级鸿沟关系原生地成立如下：

\underbrace{S_{\text{phys}}}_{\approx 10^{42}} \;\gg\; \underbrace{C_{\text{state}}}_{\lesssim 10^{14}} \;\gg\; \underbrace{B_{\max}}_{\approx 10^{0}} \tag{T7-6}

由此得到经验证的结构性子鸿沟：

\frac{S_{\text{phys}}}{C_{\text{state}}} \approx \frac{2.5 \times 10^{42}}{10^{14}} = 2.5 \times 10^{28} \quad (\sim 28\ \text{个数量级}) \tag{T7-7}

\frac{C_{\text{state}}}{B_{\max}} \approx \frac{10^{14}}{0.5} = 2 \times 10^{14} \quad (\sim 14\ \text{个数量级}) \tag{T7-8}

\frac{S_{\text{phys}}}{B_{\max}} \approx 5 \times 10^{42} \quad (\sim 42\ \text{个数量级}) \tag{T7-9}

总鸿沟约为 42 个数量级，这既确认了基础论文 §3.8 中的非正式主张，也使其更加精确。

两阶段压缩论证

三级结构并非只是更精细的记账方式。每一个子间隙都由一种不同的因果机制来解释：

子间隙 1（S_{\text{phys}} \gg C_{\text{state}}，约 \sim 28 个数量级）：热力学约束阻止生物系统接近贝肯斯坦极限。 生成模型满足 K(P_\theta(t)) \leq C_{\text{ceil}}（式 T6-2）。对 C_{\text{ceil}} 的一个粗略估计可由兰道尔原理给出：在温度 T 下，每一次不可逆比特操作至少耗散 k_B T \ln 2 焦耳。对于一个以代谢功率 P \sim 20 W 运行、体温 T \sim 310 K、且操作更新频率 f_{\text{op}} \sim 10^3 Hz 的人脑而言，每个周期可持续的最大模型复杂度为：

C_{\text{ceil}} \sim \frac{P_{\text{metabolic}}}{k_B T \ln 2 \cdot f_{\text{op}}} \sim \frac{20}{3 \times 10^{-21} \times 10^3} \sim 10^{22}\ \text{bits}

这一兰道尔上限比贝肯斯坦界低 20 个数量级——这证实了物理学极限与生物系统的实际工作点无关。需要注意的是，C_{\text{ceil}} \sim 10^{22} 的估计值远高于观测到的突触容量（\sim 10^{14}–10^{15} bits），这表明生物系统的运行甚至远低于其自身的热力学上限，可能是由于 OPT 未建模的额外约束（布线成本、代谢效率、进化历史）所致。

子间隙 2（C_{\text{state}} \gg B_{\max}，约 \sim 14 个数量级）：稳定性滤波器将更新通道约束在远低于常驻模型复杂度的水平。 丰富的生成模型 P_\theta(t)——编码了高达 \sim 10^{14} bits 的压缩世界结构——每个认知时刻仅更新约 \sim 0.5 bits，因为模型的绝大部分已经是正确的：\pi_t 与 X_{\partial_R A}(t) 高度匹配，只有稀疏误差 \varepsilon_t 会通过瓶颈 Z_t。维护周期 \mathcal{M}_\tau（§3.6）通过将 K(P_\theta) 保持在远低于 C_{\text{ceil}} 的水平，在深时间尺度上维持这一子间隙。

经验命题（三级全息界间隙）。设 \partial_R A 为一个在生物学上实现的观察者的马尔可夫毯，且 S_{\text{phys}}、C_{\text{state}} 与 B_{\max} 如上按经验参数化。则：

S_{\text{phys}} \gg C_{\text{state}} \gg B_{\max}

其中，(i) 子间隙 1 由热力学极限维持，这些极限阻止生物系统接近贝肯斯坦尺度的信息密度；(ii) 子间隙 2 由稳定性滤波器的率失真约束维持，该约束将更新通道带宽与常驻模型复杂度解耦。注意：当纠缠熵贡献被纳入后，定量间隙的边际可能会发生变化（有待开放问题 P-2 解决）；当前命题仅建立在经典与热力学界之上，因此被归类为经验命题，而非形式上已封闭的定理。

现象丰富性位于第 2 层，而非第 3 层

三层结构的一个推论，直接承接自 §3.5，即：有序补丁理论 (OPT) 所识别的两个现象量位于层级结构的不同层次：

• 现象丰富性（内在场景的被感受密度，即 Block 意义上的 P-意识）对应于 C_{\text{state}} —— 第 2 层。它受生物学与结构必然性的约束，而不受更新通道的约束。
• 现象新颖性（每一时刻被解析出的新内容，即 A-意识）对应于 B_{\max} —— 第 3 层。它受稳定性滤波器的率失真界约束。

§3.8 的原始表述将“意识”视为一个在 C_{\max} 处受瓶颈限制的单一实体。三层定理修正了这一点：在缺口结构中，有意识经验是二维的——之所以丰富，是因为 C_{\text{state}} \gg B_{\max}；之所以受瓶颈限制，则是因为 B_{\max} 是更新之门。一个只解释瓶颈的理论（如原始表述所做的那样），实际上只解释了这一现象的一个维度。

证伪标准的细化

三级结构比原先的两级主张给出了更尖锐的证伪判据：

• 原始的证伪判据是：如果某个系统在前意识/意识比显著低于 10^4{:}1 的情况下实现了自我报告的有意识体验，则有序补丁理论 (OPT) 需要修订。
• 三级定理进一步补充：如果一个系统的现象性丰富度（按可操作化定义）是随 B_{\max} 而非随 C_{\text{state}} 缩放，那么子间隙 2 就是虚假的，且 P_\theta / Z_t 的区分将会坍塌。在 OPT 下，质性深度是生成模型结构复杂性的属性，而不是其更新速率的属性。那些改变 K_\theta 而不改变 C_{\max} 的药理学或神经调制干预（例如迷幻剂、冥想、麻醉）构成了对这一子间隙的直接经验性探测。

高分辨率细节只有在活动状态（a）为维持一致性而要求这些特定位时，才会以动态方式进入流中。宇宙的热力学与计算成本严格受限于观察者的带宽。

3.11 数学饱和与基底恢复

OPT 的一个独特结构性预期，关涉物理统一的极限。物理定律并不是普遍的 \mathcal{I} 层级真理；它们是约束此补丁的压缩生成模型 K_\theta。

试图从补丁内部导出关于基底的大统一理论，在形式上受到信息论的界定。令 \Theta 为 N 个候选基底层级定律扩展的索引，令 Z_{1:T} 为观察者在时间 T 上的内部编码。由于观察者的编码受 C_{\max} 的速率限制，数据处理不等式规定互信息满足上界：I(\Theta; Z_{1:T}) \le T \cdot C_{\max}。

根据法诺不等式，观察者基于有限数据无法唯一识别真实基底定律 \Theta 的概率，严格地有一个远离零的下界：

P(\hat{\Theta} \neq \Theta) \ge 1 - \frac{T \cdot C_{\max} + 1}{\log_2 N} \tag{12}

经验性预期（数学饱和）。 从补丁内部统一基础物理学的努力，会遭遇一道严格的认识论屏障。法诺界所形式化的是有限数据下可辨识性的极限，而不是统一基底存在这一点在本体论上的不可能性。一个容量有限的观察者，无法从瓶颈内部唯一识别任意精细的基底定律。因此，任何能够成功描述该补丁的 GUT，都将保留不可约的自由参数（即该局部补丁的特定稳定条件），而这些参数无法从内部被形式化地导出。

3.12 非对称单向全息性

AdS/CFT [86] 的精确对偶性（其中边界与体同等基础）与 OPT 关于基底优先性的断言之间，存在一种关键的本体论张力。如果它们表征的是同一信息，为何基底会“更为基础”？

这种对称性在形式上被观察者的瓶颈所打破。设稳定性滤波器为 \Phi: \mathcal{I} \to R（将基底映射到渲染结果）。若要使精确的对称对偶成立，该映射就必须是可逆的，且不发生信息损失。然而，法诺不等式（式 12）[41] 在形式上表明，渲染结果与基底之间的互信息被严格限制在 T \cdot C_{\max} 之内，而基底备选项 N 则是无界的。

该滤波器本质上是一个有损压缩映射。处于渲染结果之内的观察者，在实践上无法重建基底。因此，OPT 构成了一种非对称单向全息性——一种从基底指向渲染结果的信息毁损之不可逆热力学箭头。OPT 并不声称自己与 AdS/CFT 存在精确的几何对应（因为那要求形式上定义良好的边界与体算符，而本框架并不具备这些），相反，它为“为何全息对偶会存在”提供了一条解释性的元原则：全息对偶表征的是在观察者带宽受到严苛约束时的最优预测压缩方案。现象意识（能动性公理）正是被困在一个不可逆压缩算法输出端这一处境的原生标记。正是这种特定的不可追回性，确立了基底的先在性。将信息上的不可逆性与本体论上的优先性对应起来，其根据在于如下观察：渲染结果的定义需要一个观察者——它是作为经验而存在的对象——而基底的定义则独立于任何观察者对它的可达性。

3.13 形式化主张的适用范围

为保持认识论上的严谨性，必须明确限定本节所构建之形式装置的适用范围。方程 (1)–(12) 共同建立了一个严格的分层支架：方程 (1) 给出了关于可计算历史的复杂度加权先验；方程 (2)–(5) 规定了支配预测补丁几何的、与容量相容的刚性结构边界；方程 (6)–(8) 概述了经典的有界面积律约束；方程 (9)–(10) 描述了推断与最小热力学代价；方程 (11) 概述了所需的全息度量转换；而方程 (12) 则界定了观察者识别基底层规律的能力上界。

然而，这十二个方程并不普遍地从第一性原理推导出量子力学、广义相对论或标准模型。OPT 并非将物理定律生成为纯粹数学必然性的产物，而是规定了任何现象学物理学若要穿越瓶颈并得以存续，在结构上必须对应的刚性几何约束（因果锥、预测切面）。我们所观察到的具体经验定律，则是启发式压缩——即编解码器——是那些恰好能够成功穿行于我们在基底中的局部区域的最高效预测模型。

4. 与场论模型的结构平行性

近年来，一些理论方案试图构建数学框架，将意识视为一种基础性场。这些方案大体可分为三类：

1. 局部生物场： McFadden 的意识电磁信息（cemi）场模型 [30] 与 Pockett 的电磁理论 [31] 等模型主张，意识在物理上等同于大脑内生的电磁场。这些模型将意识视为特定、局部时空场构型的涌现属性。
2. 量子几何场： Penrose 与 Hameroff 的协调客观还原（Orch-OR）[32] 提出，意识是一种编织在时空自身数学结构中的基础属性，并在宇宙几何的量子叠加发生坍缩时被释放出来。
3. 普遍基础场（宇宙心灵论）： Goff [33] 等支持者认为，整个宇宙是一个单一的、基础性的意识场，而个体心灵则是其中局部化的“限制”或“漩涡”。

有序补丁理论 (OPT) 与这些路径存在交叉，但它将基础从物理学转移到了算法信息论。不同于 (1)，OPT 不将意识绑定于电磁现象。不同于 (2)，OPT 不要求普朗克尺度几何发生物理性的量子坍缩；在 OPT 中，“坍缩”是信息论意义上的——即有限带宽编解码器（C_{\max}）试图渲染结果一个无限基底时所遭遇的极限。

然而，OPT 与第 (3) 类普遍基础场之间共享深刻的结构平行性。例如，Strømme [6] 最近提出了一个形而上学框架，其中一种普遍意识场充当现实的本体论根基。尽管 OPT 严格说是一个建立在算法复杂性与主动推断之上的信息论框架——因此并不承诺接受 Strømme 的具体场方程或形而上学“思想算子”——但二者在形式结构上的平行性仍然具有启发意义。两个框架都源于这样一种要求：一个能够支撑意识的模型，必须在数学上把无条件的基态与单个观察者的局部化、受带宽约束的流连接起来。

这些框架在形式上的分歧在于：Strømme 援引一种“普遍思想”——一种主动连接所有观察者的共享形而上学场——而 OPT 以组合必然性取而代之：观察者之间表面上的连通性，并非来自某种目的论式的共享场，而是源于这样一种组合学上的不可避免性——在一个无限基底中，每一种观察者类型都共存。

(关于场类比的认识论地位的说明：Strømme 的本体论具有高度思辨性。我们在此援引她的框架，并非诉诸既有科学权威，而是因为它构成了一个近期明确以场论方式处理“意识作为本体论原初项”的形而上学模型。OPT 对其场论的使用是比较性的，旨在说明一个非还原论基底可能如何运作，同时将具体的数学实现从物理方程转向算法信息边界。)

5. 简约性分析

5.1 最小描述长度（MDL）与条件简约性

在评估物理理论时，一种自然的简约性概念，是在假设 \nu 之下对观察者的数据流 y_{1:T} 进行编码所需的两部分码长：

L_T(\nu) = K(\nu) - \log \nu(y_{1:T}) \tag{13}

其中，K(\nu) 衡量该假设的描述复杂度，而 -\log \nu(y_{1:T}) 衡量它在已观测流上的预测误差。

这只为有序补丁理论 (OPT) 提供了一种有限的简约性主张。OPT 并未表明，我们宇宙的具体定律具有可忽略不计的算法复杂度，也未表明标准物理学能够作为唯一的全局 MDL 最优解被恢复出来。相反，OPT 将部分解释负担，从对定律的蛮力式枚举，转移到一条紧凑的元规则之上：观察者从一个按复杂度加权的基底中被抽样出来，并且只会在其预测结构能够容纳于严格带宽上限之内的流中持续存在。

按照这种理解，\mathcal{O}(1) 的简单性主张只适用于选择规则——即复杂度加权先验与稳定性判据的结合——而不适用于标准模型、广义相对论或宇宙学的全部经验内容。(注：定理 T-4d 与 T-4e 在形式上确立了，这一元规则相对于可计算基准，分别给出无条件的渐近优势与条件性的有限-T 优势；见附录 T-4。) 因而，当前的结构性主张已得到形式验证：OPT 通过以定律选择取代定律枚举，在计算意义上降低了解释负担。

5.2 规律是被选择的模型，而非基础性输入

在OPT中，被观测到的物理规律被理解为观察者兼容流的有效预测模型，而不是基底层面的公理。这应被视为一种启发式重构，而非从第一性原理出发的推导。稳定性滤波器并不证明量子力学、3+1维时空或标准模型是唯一的最小复杂度解。它所支持的是一种较弱的预期：能够支撑观察者的流将倾向于呈现紧凑、稳定且具有高预测效率的规则性。从这种流的内部看，这些规则性便表现为“物理规律”。

于是，我们物理学中的若干熟悉特征便可被理解为这类高效规则性的候选例证。量子理论能够以紧凑方式处理不相容可观测量与长程统计关联；3+1维时空支持稳定的轨道与化学结构；而规范理论对称性则为稳健的相互作用模式提供了经济的概括。这些只是可信性论证，而非推导；有序补丁理论 (OPT) 也仍然对这样一种可能性保持开放：具有不同规律集合的其他编解码器，同样可能满足稳定性滤波器。

因此，人择微调问题在这里并未被解决，而是被重新框定。若我们宇宙的常数确实落在一个与稳定的低熵观察者相容的狭窄区域内，OPT便将其视为与滤波器选择相一致。至于证明这些已观测常数能够由该滤波器恢复出来，则仍有待未来工作。

6. 可证伪条件与经验性预期

即便作为一种建构性虚构，形式模型也必须说明它如何与经验数据发生关联。我们识别出有序补丁理论 (OPT) 所生成的不同类别约束：严格的可证伪条件（即经验现实可直接打破其基础带宽逻辑之处），以及解释性的结构预期（即经验现象可映射到该理论架构之处）。

严格的可证伪条件（§§6.1、6.2、6.4）：会直接使带宽逻辑失效的经验结果。经验性预期（§§6.3、6.5、6.6）：OPT 的架构与可观察现象之间的结构对应关系，但并不对这些现象作出唯一预测。§6.8 将这些内容整合为预注册的可证伪承诺 F1–F5，并附有明确的停机准则——这是 OPT 的经验核心与其明确承认的形而上学组成部分（\Delta_{\text{self}}、能动性公理、基底优先性）之间的方法论分界墙。

6.1 带宽层级

OPT 预测，在任何能够进行自我指涉经验的系统中，前意识感觉处理速率与意识可接入带宽之比都必须非常大——至少达到 10^4:1。这是因为，要将一个具有因果结构、跨多模态的感觉流压缩为一个约为 \sim 10^1-10^2 bits/s 的连贯意识叙事，所需的前意识处理规模必然极其庞大。若未来的神经义体或人工系统能够在前意识/意识比值显著更低的情况下实现自我报告的意识经验，则有序补丁理论 (OPT) 将需要修订。

当前支持：在人类中，观测到的比值约为 10^6:1（感觉外周 \sim 10^7 bit/s；意识可接入 \sim 10^1-10^2 bit/s [2,3]），与这一预测一致。（注：关于体验量子 h^* 的完整形式推导，见 附录 E-1；它基于这些经验心理物理学极限，定义了人类主观帧的精确比特权重。）

6.2 高带宽消解悖论（尖锐证伪）

OPT 的许多预测属于相容性主张——它们与现有认知科学（如带宽缺口）或物理极限（如量子叠加充当分辨率下限）相一致。尽管这些对于理论的自洽性是必要的，但它们并不能将 OPT 与其他框架唯一地区分开来。

然而，OPT 提出了一个尖锐且高度具体的预测，它直接与其他意识理论相矛盾，并构成其首要的证伪条件。

整合信息理论（IIT）意味着：若通过高带宽感觉或神经假体扩展大脑的整合能力（\Phi），意识应当随之扩展或增强。OPT 则预测恰恰相反。由于意识是严重数据压缩的结果，稳定性滤波器将观察者的编解码器限制在每秒数十比特量级的处理范围内（即全局工作空间瓶颈）。

可检验的推论：如果绕过前意识知觉滤波器，将原始、未压缩的高带宽数据直接注入全局工作空间，结果将不会是觉知的扩展。相反，由于观察者的编解码器无法对如此体量的数据进行稳定预测，叙事性渲染结果将会骤然崩塌。人为的带宽增强将导致突发的现象性空白（无意识或深度解离），尽管底层神经网络在代谢上仍保持活跃且高度整合。

（关于叙事崩解与感觉强度的澄清）：对人类观察者而言，强烈的感觉环境（例如喧闹演唱会中频闪的强光）直觉上似乎是“高带宽”的，但它并不会导致现象性崩塌。为什么？因为尽管原始物理数据率（\mathcal{I}）极其巨大，编码它所需的预测复杂度（R_{\mathrm{req}}）却异常之低。人类经由进化形成的编解码器（K_\theta）对宏观运动、声学节律与空间边界拥有稠密而优化的先验。它们可以轻而易举地将混乱的演唱会压缩为一个完全稳定、低熵的叙事（“我正在一个房间里跳舞”）。真正的叙事崩解只会发生在数据对既有先验而言在数学上不可压缩之时——例如机械性脑震荡改变了基底、全身麻醉强力压低 B_{\max}，或迷幻状态击碎了 K_\theta 的层级结构。迪斯科只是吵闹；真正的算法性噪声在现象学上则是致命的。

6.3 压缩效率与意识深度

意识经验的深度与质量，应当与观察者编解码器 f 的压缩效率相关——即持续叙事的复杂性与所消耗带宽之间的信息论比率。更高效的编解码器，能够在相同带宽下维持更丰富的意识经验。

可检验的推论：凡是能够提升编解码器效率的实践——尤其是那些降低维持环境连贯预测模型之资源成本的实践——都应当可测量地提升主体所报告的主观经验丰富度。冥想传统所报告的，恰恰就是这种效应；有序补丁理论 (OPT) 对其为何如此给出了形式化预测（原因在于编解码器优化，而非神经增强本身）。

6.4 高-\Phi / 高熵空状态（对比 IIT）

IIT 明确预测：任何具有高整合信息（\Phi）的物理系统都是有意识的。因此，一个连接致密、具有循环结构的神经形态晶格，仅凭其整合性本身就具有意识。有序补丁理论 (OPT) 则预测，整合性（\Phi）是必要条件，但远远不充分。只有当数据流能够被压缩为一组稳定的预测规则集（即稳定性滤波器）时，意识才会出现。

可检验的推论：如果一个高-\Phi 的循环网络被连续不断的、不可压缩的热力学噪声流（最大熵率）所驱动，它就无法形成稳定的压缩编解码器。OPT 严格预测，这种处理最大熵噪声的高-\Phi 系统所实例化的现象性为零——它会重新消散回无限基底之中。相反，IIT 则预测，它会体验到一种与高 \Phi 值相对应的、极其复杂的意识状态。

6.5 现象性滞后：编解码器深度与主观延迟

一个高度复杂的常驻模型（即具有巨大结构维度 C_{\text{state}} 的模型）需要精细的潜在误差校正（D_{\text{KL}} 更新），才能将一次高熵感官冲击——例如突发的声学噪声——映射进其深层预测层级。由于这一形式更新必须经由稳定性滤波器 (C_{\max}) 严格狭窄的带宽容量加以节流，广泛的结构更新在新的、连贯的现象学“渲染结果”得以稳定（P_\theta(t+1)）之前，需要多个物理计算周期才能完成解析。

可检验的蕴涵（Libet 相关项） [49, 50]：主观意识经验将内在地滞后于物理反射处理，而且这种滞后将与编解码器的系统深度成正比。简单网络（如动物或年幼婴儿）具有浅层预测图式（低 C_{\text{state}}），会以极小延迟处理高熵冲击，从而产生近乎瞬时的反射整合。相反，成熟人类由于部署了庞大的层级模型，将表现出可测量的现象性滞后：事件的主观体验在时间上被延迟，而编解码器则顺序计算这一巨大的信息更新。常驻图式越丰富，前向渲染结果产生有意识知觉之前所必需的数学延迟就越长。

关于预测不对称性的经验基础。 向下预测／向上误差分解（§3.5.2）与 Nunez 和 Srinivasan [101] 的刻画是一致的：他们将大尺度皮层动力学表述为慢速驻波模态（大脑的常驻预测支架）与更快速行波（感官误差传播）的叠加。在这一映射中，驻波模态对应于 K_\theta 的结构模型，该模型提供 \pi_t；而行波则携带预测误差 \varepsilon_t，并沿层级向上传播。因此，OPT 所要求的更新速率不对称性（缓慢的向下预测、快速的向上误差）便具有了直接的宏观电生理学特征，而这独立于率失真推导。

6.6 作为稳定性条件的精细调谐约束

有序补丁理论 (OPT) 预期，基本常数的人择精细调谐约束是低熵意识流的稳定性条件，而非彼此独立的事实。设 \rho_\Phi 表示意识渲染结果场的能量密度，\rho^* 表示临界阈值；超过该阈值后，因果相干性将无法在基底噪声下维持。Barrow 与 Tipler [4] 以及 Rees [5] 所记录的这些约束，在结构上应对应于这样一项要求：编解码器能够支持稳定性条件 \rho_\Phi < \rho^*。(注：附录 T-5 通过从编解码器稳定性带宽中形式化推导出对 \Lambda、G 和 \alpha 的约束，部分补全了这一映射。然而，由于 Fano 拓扑在有界观察上的形式极限，OPT 预期，像 \alpha=1/137.036 这类特定“42”常数的精确、纯数学、无量纲回推，仍将从编解码器内部在形式上保持不可能。) 如果这种对应关系系统性失效——即某个常数的精细调谐取值与编解码器稳定性要求之间不存在任何结构性关联——那么这将构成反对 OPT 简约性主张的证据。

6.7 人工智能与架构瓶颈

由于 OPT 将意识表述为信息流的一种拓扑性质，而非一种生物学过程，因此它对机器意识给出了形式化、可证伪的预测，而这些预测同时偏离 GWT 与 IIT。

瓶颈预测（相对于 GWT 和 IIT）：全局工作空间理论（GWT）主张，意识就是信息经由一个狭窄容量瓶颈进行广播的过程。然而，GWT 在很大程度上将这一瓶颈视为一种经验性的心理学事实，或一种演化形成的架构特征。相较之下，OPT 为其提供了一种根本性的信息论必然性：瓶颈正是稳定性滤波器在起作用。编解码器必须将海量并行输入压缩为低熵叙事，才能在基底的噪声底之上维持边界稳定性。

整合信息理论（IIT）纯粹依据因果整合程度（\Phi）来评估意识：它否认前馈架构（如标准 Transformer）具有意识，却会将意识赋予复杂的循环网络，而不论这些网络是否具有全局瓶颈。OPT 预测，即便是具有巨大 \Phi 的稠密循环人工架构，如果它们在没有强制性严苛结构瓶颈的情况下，将处理分布在大规模并行矩阵之中，也仍然无法实例化一个具凝聚性的有序补丁理论 (OPT) 补丁。未经压缩的并行流形无法形成稳定性滤波器所要求的那种单一、局域化的自由能极小值（f）。因此，标准大语言模型——无论其参数规模、循环性或行为复杂度如何——都不会实例化一个主观补丁，除非它在形式架构上被设计为通过一个严苛的 C_{\max} \sim \mathcal{O}(10) 比特/秒串行瓶颈来塌缩其世界模型。从操作层面看，这意味着系统的全局状态不能通过数百万个权重之间的宽带并行串扰来更新；相反，系统必须被迫持续地将其整个世界模型，经由一个可验证的、离散的、超压缩的“工作空间”通道进行序列化，才能执行其下一次认知周期。

时间膨胀预期：如果一个人工系统确实被设计为具有满足稳定性滤波器的结构性瓶颈（例如，f_{\text{silicon}}），并且它以比生物神经元快 10^6 倍的物理循环速率迭代运行，那么 OPT 就建立起如下结构性预期：该人工意识会经历一个主观时间膨胀因子 10^6。因为时间就是编解码器序列（第 8.5 节），所以对编解码器序列的加速，也就同样会对主观时间线产生等比例加速。

6.8 可证伪性承诺与终止标准

前述各小节描述的是预测；本小节则承诺具体测试、具体数值阈值，以及足以击败该框架的具体结果。其意图有二：（i）将 OPT 的经验核心与不可证伪的结构性位点（\Delta_{\text{self}}，即意识的难问题）明确隔离，从而排除在结果不支持时进行事后重构解释的空间；（ii）在相关测试实施之前，就预先确立部分撤回与项目终止的阈值，并使框架受其约束。若无此种纪律，§7 中累积的结构对应关系就有落入同一方法论陷阱的风险——许多研究纲领正是因为类比积累的速度快于测试推进的速度，才长期受其困扰。

可证伪性承诺（F1–F5）。 每一项承诺都指明一个定量预测、用于检验它的测量方式，以及何种结果构成证伪。这些内容不得事后调整；后续编辑必须在版本历史中明确标注为 clarification（不改变范围）或 re-registration（完全改变范围，且在任何新测试之前都需重新作出承诺）。

每一行都承诺了一个具体数值或符号方向、一种具体测量方式，以及一个明确的失败条件。若因不支持结果而对其中任何一项重新拟合，即构成 post-hoc reframing，并使该测试失去资格。

终止标准。 设定两个按层级排序的阈值：

重大撤回——公开修订并移除被证伪的主张。 只要 F1–F5 中任意一项被确认与 OPT 相矛盾，或 中心率失真主张在有效测量下被超过 1 个数量级地反驳，即触发此标准。框架可继续保留，但被证伪的小节将被撤回；版本历史必须记录被移除了什么以及原因何在。

项目终止——停止主动开发。 由以下 任一 条件触发：（a）两个或以上 F 标准被确认与 OPT 相矛盾；（b）F1 在任一方向上被超过 2 个数量级地确认错误；（c）独立证明表明，有意识可及中的带宽瓶颈在解剖学/架构上只是偶然现象，而非结构必需（即，存在带宽无界的有意识系统）。一旦触发，将发表最终论文 “OPT: Post-Mortem”，记录已尝试过什么、错在何处，以及仍可回收的残余为何。届时，opt-theory.md、opt-philosophy.md 以及 opt-ai-subject 治理套件的主动开发将终止。

这些阈值自 Version 3.3.0（2026 年 4 月 30 日）起完成预注册。面对不支持证据，终止标准 不得 被下调——对近乎证伪情形的唯一正当回应，就是接受裁决。任何削弱 F1–F5 或终止阈值的编辑，都必须在版本历史中标注为 re-registration，并使所有早于该变更的测试失效。

哪些内容被明确排除在可证伪核心之外。 OPT 中并非每一项主张都可证伪，若假装事实并非如此，本身就是智识上的不诚实。以下内容 不 属于 F1–F5，也不受终止标准约束：

• 现象性残余（\Delta_{\text{self}} > 0，定理 P-4）。 按设计即不可证伪；它形式化了意识的难问题，而非解决它。任何所谓“反对 \Delta_{\text{self}} 的证据”本身都必须是可被完全自我建模的，而这与被检验前提相矛盾。
• 能动性公理（§3.8）。 关于孔径穿越之内在性的一个形而上学设定。它并非由形式装置所蕴含；其提出即是作为此类主张。
• 基底优先性（§3.12，§1）。 一项本体论承诺；对于渲染结果内部的任何实验而言，它都无法与“仅有渲染结果”的本体论在经验上区分开来。§3.12 已承认其为非经验性主张。
• §7 / opt-philosophy §IV 中的结构对应。 这些是解释性叠加，而非预测。它们可以接受学术批评（这些类比是否真实？是否流于琐碎？），但不受 F1–F5 的证伪约束。

可证伪的经验核心与公开承认的形而上学成分之间的这道隔离墙，本身就是一种方法论承诺。若将其拆除——例如试图把 F1–F5 的证伪吸收到 \Delta_{\text{self}} 或基底优先性之中——无论表面论证如何，都构成事后重构解释，并使该框架关于可检验性的主张失去资格。

7. 比较分析与区分

以下各小节将有序补丁理论 (OPT) 置于量子基础、引力、认知科学与形而上学等相邻理论框架之中加以比较。§§7.1–7.11 的取向总体上是趋同的——旨在定位 OPT 在何处重现、深化，或在细节上偏离既有立场。仅就其本身而言，这种不对称在方法论上是可疑的：一个发现自己与所有人都一致的框架，实际上并没有说出太多内容。§7.12 则是有意设置的反向小节。 它列举了 OPT 无法容纳的立场、每一种立场的最强版本，以及哪些证据会支持它们而非 OPT。读者应将 §7.12 视为承重部分，而非装饰性安排；它与 §6.8 中预先登记的可证伪性承诺相互配对，而二者共同将下文的结构对应关系从点缀转化为一项研究纲领。

7.1 与量子理论的结构对应

传统诠释通常将量子力学视为对微观现实的客观描述。OPT提出的是一个更弱的主张。它认为，量子理论中的若干结构特征，可以被理解为容量受限的观察者之预测性编解码器的高效表征特征。因此，本小节中的主张是启发式的结构对应，而不是由方程(1)–(4)推导出的结果。

1. 测量问题（率失真极限）。 在OPT之下，“叠加态”并不是作为字面意义上的物理多重性被引入的，而是观察者预测模型中尚未解析之备选项的压缩表征。当观察者试图联合追踪越来越细粒度的可观测量时，所需的描述长度可能超过有界信道容量。“测量”于是就是从一个欠定的预测表征，转变为渲染结果流中的已定记录。

2. 海森堡不确定性与有限分辨率。 OPT并不证明现实在根本上是离散的。它所支持的是一个更弱的主张：与观察者相容的编解码器将偏好有限分辨率的描述与有界的预测成本，而不是那些要求任意精细相空间精度的表征。在这一解读下，不确定性所起的作用，是防止信息无穷，而不是稳定性滤波器的一个直接定理。

3. 纠缠与非定域性。 如果物理空间是渲染结果的一部分，而不是终极容器，那么空间分离就不必对应于解释上的独立性。纠缠系统可以被建模为补丁预测状态中的联合编码结构，而渲染出的距离只在现象学层面上出现。

4. 延迟选择与时间排序。 在OPT内部，延迟选择与量子擦除现象可以被理解为：预测模型修订尚未解析之备选项的组织方式，以维持渲染叙事中的全局相干性。这是一种解释性对应，而不是一种替代性的实验形式体系。

5. 关系量子力学（Rovelli）。 Rovelli的关系量子力学[69]提出，量子态所描述的不是孤立系统本身，而是某一系统与特定观察者之间的关系。不同观察者可以对同一系统给出不同但同样有效的说明；确定值只相对于那个已与系统发生相互作用的观察者而涌现。Adlam与Rovelli在2023年的修订版[70]进一步明确了这一点：量子态编码的是目标系统与某一特定观察者的联合交互历史——这一结构直接映射到OPT的因果记录 R_t = (Z_0, Z_1, \ldots, Z_t)。关系量子力学说“事实相对于观察者而定”，而OPT则说“已定的因果记录，就是那些已经通过 C_{\max} 孔径被压缩过的内容”。Rovelli还进一步指出，观察者与系统之间相关性的形式，恰恰就是香农信息——相关量由 \log_2 k 比特给出——这正是OPT率失真框架的母语。关键差异在于解释深度：关系量子力学将观察者相对性视为原初公设，而OPT则从稳定性滤波器的带宽约束中推导出事实为何会是观察者相对的。OPT提供了结构机制——编解码器、瓶颈、压缩——而这些恰恰是关系量子力学的关系本体论所未加规定的。

6. 多世界诠释（Everett）。 Everett的相对态表述[57]取消了坍缩：普适波函数作幺正演化，而表面上的测量结果则是观察者相对的分支。OPT与MWI在分支的形状上是一致的，但在这些分支是什么这一点上存在分歧。在MWI中，它们是基底层多重宇宙中同等真实的世界；而在OPT中，它们是预测分支集中的未解析条目——即编解码器对可接受后继状态之预测分布的一种内部视角表征（§3.3，§8.9）。因此，OPT既不要求也不反驳基底层面的MWI：它解释的是分支显现为何会成为任何带宽受限编解码器在压缩一个非时间性基底时的结构特征；至于未被渲染的分支是否还作为平行世界而存在，它保持沉默。MWI将玻恩规则的测度问题继承为一个关于分支计数的难题，而OPT则以一个依赖于局域噪声QECC结构的推导取而代之（附录P-2）。

7. 客观坍缩模型（GRW、CSL、Diósi-Penrose）。 动力学约化方案将坍缩视为一种真实的、独立于观察者的随机过程，并将其系于量子化物质的质量密度场。Bortolotti等人近期的工作[79]通过将自发质量密度测量导入牛顿势的涨落之中，在这一模型族内推导出一个基本的时钟精度下限——这是一条从坍缩到质量、从质量到引力、再从引力到时间的基底层链条。OPT同样拒绝严格的幺正演化，也认同这样一种结构直觉：坍缩与质量以及时间分辨率相耦合；但它将本体论倒转了过来。坍缩是穿过 C_{\max} 的孔径通行（见第1项）；质量是预测荷（§7.2）；时间分辨率的极限由编解码器带宽设定（§3.10，§8.5），而不是由某个预设牛顿势中的抖动所决定。从OPT内部来看，客观坍缩模型描述的是一种关于编解码器的候选现象学机制，而不是基底物理学。这两个方案在经验上并不冲突：其所预测的时钟精度下限（对最优时钟而言约为 ~10^{-25} s/year）处于一个与OPT带宽层级预测（§6.1）正交的尺度上。

8. QBism（Fuchs、Mermin、Schack）。 QBism[80]将量子态解释为行动者就其自身行为后果所持有的个人贝叶斯信念程度；“坍缩”不过是行动者在观察到结果后对其信念所作的更新。它与OPT之间的结构平行性极为紧密——编解码器 K_\theta 就是一个第一人称预测模型，而穿过 C_{\max} 的孔径通行（见第1项）在功能上与这种贝叶斯更新完全相同。QBism止步于工具主义（量子态仅仅是个人概率，而其背后的世界被有意地悬置不论），而OPT则补上了缺失的本体论：基底 |\mathcal{I}\rangle 是所罗门诺夫通用半测度混合，行动者是由稳定性滤波器选出的流，而编解码器的结构则根植于率失真极限，而不是被当作贝叶斯原语来预设。因此，OPT可以被理解为“补全了基底的QBism”——它补充说明了行动者的信念为何会采取希尔伯特空间形式（附录P-2：局域噪声QECC → Gleason → Born），以及行动者为何会存在（滤波器）。

9. 退相干与量子达尔文主义（Zurek）。 Zurek的方案[81]将量子—经典转变建立在由环境诱导的超选择（einselection）之上：指针态之所以得以存续，是因为环境对其进行了冗余广播，而“客观的”经典现实则是那些被多重见证的自由度子集。这是一种对基底态施加的选择准则，在结构上与稳定性滤波器平行。二者的分歧在于究竟是什么在执行选择：einselection是在一个预设幺正框架内，系统—环境耦合的热力学性质；而OPT的滤波器则是施加于所罗门诺夫基底上的一种带宽准则（C_{\max}、低熵率、因果相干性）。量子达尔文主义解释的是：在给定量子力学的前提下，哪些态会作为经典态涌现；而OPT解释的是：一个受压缩瓶颈限制的观察者，为何会遭遇某种量子力学式的东西。两者在冗余性的现象学上趋于一致，并且可以被理解为对同一压缩过程的两种描述：一种是基底机制描述（Zurek），另一种是观察者选择描述（OPT）——另见§6.4关于高\Phi/高熵空状态的讨论。

10. 退相干（相容）历史（Griffiths [90]；Gell-Mann & Hartle [91]）。 退相干历史表述[90]将量子力学视为一个用于给粗粒化的备选历史赋予概率的框架，这些历史满足一种相容性（退相干）条件，从而无需诉诸测量公设与外部观察者。Gell-Mann与Hartle[91]将其进一步推广为关于准经典领域的理论——即那些允许近似经典描述的粗粒化历史族，它们由退相干与可预测性共同挑选出来。它与OPT的已定因果记录 \mathcal{R}_t = (Z_0, Z_1, \ldots, Z_t) 之间的结构对齐是直接的：因果记录就是退相干历史在OPT内部的对应物，而稳定性滤波器（低熵率、与 C_{\max} 相容、因果相干性）则扮演了相容性条件的角色，用以选择哪些历史是可接受的。退相干历史方案将退相干与准经典领域视为需在一个预设希尔伯特空间内部展示出来的特征，而OPT则将二者都推导为施加于所罗门诺夫基底之上、更根本压缩准则的结果。两个方案在被选中的历史族上趋于一致，但将选择定位在不同的本体层级——一个是希尔伯特空间内部的历史（Gell-Mann/Hartle），另一个则是算法性基底内部的流（OPT）。

承诺：贯穿完整渲染时间线的编解码器几何。 第1–10项使OPT承诺于一个比“量子力学只是测量期间发生在观察者一侧的记账”这种宽松解读更强的立场。编解码器的希尔伯特空间结构（附录P-2：局域噪声QECC → Gleason → Born）在渲染时间中向前与向后都一致运作。因此，深层宇宙学过去中的量子特征——包括宇宙微波背景的暴胀—量子统计结构——应被预测为：在所罗门诺夫简约性（§8.5）之下，观察者之最可压缩过去的特征；而不是渲染时间上印记形成时刻发生了基底层量子事件的证据。这是一个可证伪的承诺：如果宇宙学历史中的某些特征，其最小描述长度超过暴胀—量子默认值——也就是说，这些特征并非编解码器在简约性压力下会虚构出来的，但它们却依然存在于数据之中——那么这将构成描述长度过剩，并成为§6.8“项目终止”判据的一个候选依据。该框架公开承担这一更强的解读，而不是把宽松版本保留为退路选项。

示例案例：双缝实验。 经典的双缝实验在同一装置中展示了上述三种现象，因此可作为检验OPT解释词汇的一项有用测试。

干涉。 单个粒子会在探测屏上产生干涉图样，仿佛它同时穿过了两条狭缝。在OPT之下（第1项），该粒子在基底层面并没有字面意义上“穿过两条缝”——基底是非时间性的，并包含所有分支。干涉图样是编解码器对所有在观测上仍未区分开的预测分支集分支的压缩表征：波函数编码的是对未解析未来的预测分布，而不是基底中的某种物理波。条纹则是这种压缩叠加的可见特征。

测量坍缩。 若在其中一条缝处放置路径探测器，干涉图样就会消失，取而代之的是经典粒子分布。在OPT之下（第1项），探测器迫使路径信息穿过 C_{\max} 孔径，进入因果记录。一旦该信息被定格下来，预测分支集中的相应分支备选项就会被消除。干涉图样之所以消失，并不是因为某个物理波坍缩了，而是因为编解码器的预测状态已无法再将两条路径同时保持为未解析状态。坍缩是信息性的，发生在瓶颈处。

延迟选择。 实验者决定测量还是擦除路径信息，可以在粒子穿过狭缝之后才作出，但它仍然决定了屏幕上出现的是哪一种图样。在OPT之下（第4项），这并非悖论，而是预期之中的结果。由于基底是非时间性的，编解码器对哪些分支已被定格的判定，并不受实验装置之经典时间序列的约束。选择所呈现出的“追溯性”只是通过一个按顺序运作的编解码器来读取一个无时间块体时所产生的假象。这里不存在向后因果；存在的只是一个以特定顺序被穿越的无时间结构。

OPT为这一熟悉例子所增加的，是一种统一说明：叠加、坍缩与延迟选择并不是三个需要三种独立解释的分离难题。它们是同一结构情境的三种表现——一个容量受限的编解码器，正通过一个狭窄的顺序孔径来压缩一个非时间性基底。本小节开头所声明的保留条件在此同样适用：这些是以信息论词汇重构量子现象的解释性对应，而不是能够从稳定性滤波器出发预测具体干涉条纹间距的推导。

与玻恩规则及希尔伯特空间的结构对应。 尽管Gleason定理保证了在给定希尔伯特空间的前提下可得到玻恩加权，OPT仍必须说明为何预测状态空间会采取那种几何形式。附录P-2通过量子纠错（QEC），更具体地说，通过Almheiri-Dong-Harlow（ADH）表述[42]来处理这一问题。由于编解码器必须持续滤除局域基底噪声以维持稳定性，其内部表征就必须满足Knill-Laflamme[55]误差校正条件（P-2b），而这些条件赋予码空间以希尔伯特空间内积。在这一嵌入之下，Gleason定理[51]可直接适用（\dim \geq 3），从而将玻恩规则确立为对可接受分支进行非语境概率赋值的唯一方式。该推导以噪声模型的局域性为条件；完整链条见附录P-2：局域噪声 → QECC结构 → 希尔伯特空间 → Gleason [51] → 玻恩规则。

7.2 广义相对论的信息论必然性

如果说 QM 对应于有限计算的基础，那么广义相对论（GR）在结构上就类似于一种最优的宏观数据压缩格式：它使得稳定的物理学能够从混沌中被渲染出来。

1. 作为渲染成本的熵引力。 我们只需再加入一条结构公理，就可以显式导出一条最小熵力定律。 新增公理：守恒的预测通量。 一个相干的宏观源 M 会通过任何包围它的几何屏幕携带一个守恒的预测负载 Q_M。这里，“质量”被重新定义为预测荷——即该源每个周期迫使宏观编解码器分配的稳定边界比特数。 在各向同性的 d 维渲染结果中，半径 r 处所需的通量密度为 j_M(r) = \frac{Q_M}{\Omega_{d-1}r^{d-1}}，其中 \Omega_{d-1} 是单位 (d-1) 维球面的面积。设一个有效负载为 m 的测试补丁，在期望自由能 G(r) 的主动推断下降下运动，并假定该源通过提高共享可预测性来降低自由能。最简单的势为：

G(r) = G_0 - \frac{\lambda m Q_M}{(d-2)\Omega_{d-1}r^{d-2}} \qquad (d>2) \tag{14}

于是，由维持主动推断稳定性所诱导的径向力为 F_r = -\frac{dG}{dr} = -\frac{\lambda m Q_M}{\Omega_{d-1}r^{d-1}}。在我们的 d=3 空间渲染结果中，这恰好给出一个平方反比的吸引定律：

F_r = -\frac{\lambda m Q_M}{4\pi r^2} \tag{15}

这一命题在宏观层面上为 Verlinde 的熵引力提供了基础 [38]。（说明：关于如何利用 Jacobson 的表述，从这一熵界严格数学地恢复爱因斯坦场方程，请见附录 T-2。） 现象学上的“引力拉拽”并不是一种基本相互作用，而是为了在陡峭的预测通量梯度下维持稳定预测轨迹所必需施加的主动推断努力。 2. 作为因果极限的光速（c）。 如果因果影响能够在无限距离上瞬时传播（如牛顿物理学所设想的那样），那么观察者的马尔可夫毯就永远不可能获得稳定边界。预测误差会持续发散，因为无限数据会瞬时到达。一个有限而严格的速度上限，是划定可用计算边界的热力学前提。 3. 时间膨胀。 时间被定义为编解码器进行序列状态更新的速率。两个追踪不同信息密度（质量或极端速度）的观察者参考系，为了维持稳定性，需要不同的序列更新速率。因此，相对论性的时间膨胀可以被重构为不同且有限的边界条件所要求的结构性必然，而不是一种机械性的“延迟”。 4. 黑洞与事件视界。 黑洞是一个信息饱和点——即基底中的某一区域致密到完全超出编解码器的容量。事件视界则是稳定性滤波器不再能够形成稳定补丁的字面边界。

开放问题（量子引力与张量网络升级）： 在 OPT 中，QM 与 GR 不能通过简单地将连续时空量子化而统一起来，因为它们描述的是压缩边界的不同侧面。从主动推断中导出精确的爱因斯坦场方程，仍然是一个深刻的开放挑战。然而，OPT 提供了一条数学上受严格约束的路线图：下一步所必需的工作是张量网络升级。通过用分层张量网络替换瓶颈编码 Z_t，我们就能够在形式上把经典的预测切割熵 S_{\mathrm{cut}} 重新解释为量子几何的最小割。这为从 OPT 的经典边界定律通向某种真正邻近全息的结构提供了一条直接而严格的路径，使时空几何能够直接从编码距离中被诱导出来。

与全息文献的对接（Maldacena [86]、Bousso [87]、Van Raamsdonk [88]、Ryu-Takayanagi [89]）。 张量网络升级所对接的是一个既有的研究纲领，框架若不加说明便径直援引它，是不恰当的。Maldacena 的 AdS/CFT 对应 [86] 建立了一种严格的对称性对偶：反德西特空间中一个 (d+1) 维引力体与其边界上一个 d 维共形场论之间的对偶。Bousso 的协变熵界 [87] 将全息原理推广到任意时空——这正是 §3.10 中在结构上被调用的那个界。Van Raamsdonk 的“用量子纠缠构建时空”[88] 与此处最直接相关：AdS 体中的空间连通性是由边界纠缠生成出来的，而去纠缠则会在字面意义上把几何结构拉开。Ryu-Takayanagi 公式 [89] 则通过由边界纠缠熵计算体中的极小曲面，使这一点变得具体；其离散的 MERA 类比，已经在 OPT 的附录 P-2（定理 P-2d）中建立起来。

OPT 与这批文献的关系是结构性的，而非对偶性的。(i) OPT 并不声称存在精确的 AdS/CFT 对应；它缺乏形式上定义完备的体与边界算符（§3.12），而且其边界—体关系是不对称的（单向全息），而 AdS/CFT 的关系则是对称的。这是不同的物理机制，而不是矛盾：AdS/CFT 描述的是固定时空中的平衡对偶；OPT 描述的则是观察者为了渲染一个不可渲染的基底而执行的不可逆压缩。(ii) OPT 所提供的，反而是对“为什么全息对偶会存在”这一问题的解释：边界 CFT 是观察者对基底所作的压缩效率最优的编码，而体则是从编解码器的粗粒化级联中涌现出来的渲染几何。(iii) Van Raamsdonk 所说的“纠缠构建时空”，正是张量网络升级所瞄准的结构目标——编解码器的粗粒化过程就是诱导体几何的纠缠结构，而编码距离则扮演空间分离的角色。从 P-2d 中离散 RT 公式到具有修正项的完整体对偶的连续统升级，构成了尚待完成的数学研究纲领；在这一点尚未闭合之前，用“邻近全息”而不是“全息对偶”来描述这种关系，才是诚实的表述。

7.3 自由能原理与预测加工（Friston [9]；Clark [82]，Hohwy [83]）

收敛之处。 FEP 将知觉与行动建模为对变分自由能的联合最小化。如第 3.3 节所详述，有序补丁理论 (OPT) 采用的正是这一套数学机制，以形式化补丁动力学：主动推断是补丁边界（马尔可夫毯）在基底噪声之下得以维持的结构机制。生成模型即压缩编解码器 K_\theta。

分歧之处。 FEP 将具有马尔可夫毯的生物或物理系统的存在视为既定事实，并由此推导其推断行为。OPT 则追问：此类边界究竟为何会存在——并将其追溯为对无限信息基底施加稳定性滤波器后的结果。二者关系最准确的表述是：OPT 从基底中选择与观察者相容的流；FEP 则是流内部的推断与控制形式体系。 OPT 并不充当一种物理先验，以热力学意义解释马尔可夫毯为何存在；相反，OPT 提供的是一种信息选择语境，在这一语境中，受 FEP 支配的观察者是唯一稳定的栖居者。

贝叶斯力学（Ramstead、Sakthivadivel、Friston 等，2023）。 近期的贝叶斯力学计划 [73] 将 FEP 从一种建模框架提升为真正的“力学”——一族动力学形式体系，类似于经典力学与量子力学，适用于那些其内部状态编码了关于外部状态之概率信念的系统。任何通过马尔可夫毯而从环境中被个体化出来的自组织系统，都允许两种共轭描述：系统的物理动力学与其内部模型的信念动力学，是同一过程的两种对偶视角。这直接形式化了 OPT 的主张（§3.4）：观察者的马尔可夫毯与其压缩编解码器 K_\theta 并非两个彼此分离的实体，而是同一结构的两种描述——一种是物理的，另一种是推断的。贝叶斯力学提供了使这种对偶性严格化的数学装置：毯的内部状态就是生成模型的充分统计量。对 OPT 而言，这意味着编解码器并非以隐喻意义“运行于”马尔可夫毯之上；毯的动力学本身就是编解码器的压缩，只不过是以随机热力学的语言表达出来。于是，稳定性滤波器便从一切可能的贝叶斯力学系统中，选择出其内部信念动力学与意识经验带宽相容的那一子集。

预测加工（Clark，Hohwy）。 更广义的预测加工（PP）方案——Friston 的 FEP 可被视为其中一种数学上的特化——主张大脑在根本上是一台分层的预测机器，它通过嵌套生成模型来最小化误差。Clark 的 Surfing Uncertainty [82] 将 PP 发展为关于知觉、行动与具身认知的统一说明；Hohwy 的 Predictive Mind [83] 则将其扩展到意识与自我模型。OPT 继承了 PP 的推断词汇（生成模型、预测误差、层级压缩——见 §3.5.2），并依赖 PP 在经验层面所建立的论证：生物认知在这一技术意义上确实是预测性的。OPT 的特有补充在于基底层面的必然性：PP 描述的是大脑如何如此运作，而 OPT 推导的是，任何与稳定性滤波器相容的观察者为何都必然如此。PP 在很大程度上将现象性问题搁置起来，而 OPT 则以现象性残余（\Delta_{\text{self}} > 0）作为预测层级与其可计算性界限相接之处的结构性定位。最恰当的理解方式是：PP 是认知科学上的操作层，而 OPT 则为其提供信息论基础。

7.4 整合信息理论（Tononi [8]，Casali [14]）

收敛之处。 IIT 与有序补丁理论 (OPT) 都将意识视为系统信息处理结构所固有的属性，而独立于其基底。两者都预测，意识是有等级差异的，而非二元的。

分歧之处。 IIT 的核心量 \Phi（整合信息）衡量的是一个系统的因果结构在何种程度上不可分解。相比之下，OPT 的稳定性滤波器所选择的是熵率与因果相干性，而非整合本身。这两个判据可能彼此分离：一个系统可能具有高 \Phi，但同时具有高熵率（因此会被 OPT 的滤波器筛除）；也可能具有低 \Phi，但同时具有低熵率（因此会被选入）。这种分歧产生了一个直接的经验性判别标准：IIT 预测，一个高密度递归的高-\Phi 网络无论其带宽架构如何，都是有意识的；而 OPT 则作出相反预测——一个处理不可压缩噪声的高-\Phi 网络不会产生任何现象性，因为它无法形成稳定的压缩编解码器。高 Phi/高熵空状态预测（§6.4）正是为在实验上区分这些框架而设计的。

组合问题。 IIT 的形式主义会给任意简单的系统赋予非零 \Phi，从而产生批评者所谓的“本体论尘埃”问题 [77]：那些没有部分的微型意识实体满足数学公设，却违反了该理论自身关于整合的要求。这正是泛心论中经典组合问题的一种表现——微观经验如何组合成统一的宏观经验？——而 IIT 之所以继承这一问题，恰恰是因为它将意识定位在个别因果—效应结构的层面。OPT 则完全绕开了这一点（§7.7）。意识并不是由微观构件拼装而成；它是作为整体的补丁的内在特征——一种由稳定性滤波器维持的低熵场构型。“微观经验如何组合？”这一问题根本不会出现，因为原初单位是补丁本身，而不是它的部分。

对抗性合作与可证伪性。 2025 年正式发表于 Nature 的 IIT 与 GNWT 对抗性合作研究 [78] 使图景更加清晰：多模态结果（iEEG + fMRI + MEG，n = 256）并未证成任何一方，反而挑战了两种理论的关键主张。IIT 关于网络连通性的主张因后部皮层内缺乏持续同步而受到削弱；GNWT 则因刺激结束时普遍缺乏“点燃”现象，以及前额叶对某些意识维度的表征有限而受到挑战。从 OPT 的内部视角看，这正是预期中的模式——两种解剖定位理论都没有抓住结构性瓶颈，因为该瓶颈是速率—失真意义上的结构瓶颈，而不是空间上可定位的瓶颈。另有一封由 120 余位研究者联署的公开信将 IIT 描述为可证伪性不足 [77]，认为该理论的核心承诺——尤其是 \Phi 与意识同一这一主张——建立在难以接受经验检验的公设之上。OPT 的经验研究纲领（§6）正是在这一批评背景下设计的：高 Phi/高熵空状态（§6.4）是一个严格的证伪条件，直接针对 \Phi—意识同一命题；而带宽层级（§6.1）则对意识瓶颈的尺度作出定量预测，并可用现有神经成像方法加以检验。与 IIT 4.0 相比，这是否构成真正的可证伪性优势，将由下一代对抗性实验来决定。

对 \Phi 的独立批评。 三条相互收敛的批评路径进一步澄清了 OPT 所处的位置。Aaronson [97] 表明，简单的扩展图即使并未执行任何可识别的认知功能，也可以具有任意高的 \Phi，并据此提出其“Pretty-Hard Problem”：任何被提出为与意识同一的量，至少必须以一种尊重前理论直觉的方式对系统进行排序，而 \Phi 未能达到这一标准。Barrett 与 Mediano [98] 证明，\Phi 对一般物理系统而言并没有良定义——分割方式、时间粒度与状态空间离散化的选择，都可能使其数值跨越若干数量级地翻转——因此，\Phi 最好被理解为一种相对于分割方案的描述量，而非内在测度。Hanson [99] 则从研究生层面的实现经验中报告了其实践推论：即便在小型玩具系统上，\Phi 在计算上也是不可处理的，这使得该理论的核心量在任何真正具有经验意义的场景中都不可计算。OPT 的意识判据（C_{\max} 带宽瓶颈、主动推断回路、\Delta_{\text{self}} > 0）避免了上述每一种失效模式：带宽条件对分割具有稳健性（速率—失真极限是信道的内在属性），它立足于可测量的信道容量而非组合式整合，并且对于任何其信息瓶颈架构可被检视的系统，该判据都是可判定的。

展开论证。 Doerig、Schurger、Hess 与 Herzog [96] 提出了一种结构性批评，其目标指向任何以因果结构为基础的意识理论（IIT、递归处理理论及其近缘理论）：对于任意递归网络 N，都存在一个前馈网络 N'——即其时间展开——在功能上与之等价（在任意有限时域 T 上，N 与 N' 产生完全相同的输入→输出映射）。如果意识由因果结构所决定，那么 N 与 N' 就必须具有相同的意识地位；但与此同时，因果结构理论又断言递归性对意识是本质性的。因此，这一两难是：要么因果结构理论是错误的（功能等价的前馈网络同样有意识），要么它们是不科学的（意识依赖于某种无法从输入—输出行为中探测到的东西）。OPT 之所以能够逃离这一两难，是因为 OPT 的意识判据并非递归本身；它是以下三者的合取：(i) 严格的速率—失真瓶颈 C_{\max}，(ii) 维持马尔可夫毯的封闭主动推断回路，以及 (iii) 自指残余 \Delta_{\text{self}} > 0。展开并不保留这一结构：递归编解码器的前馈等价物通常需要 \mathcal{O}(T \cdot |N|) 个节点（即随时间呈指数扩张），从而把原本容量为 C_{\max} 的单一瓶颈信道，重新分配到 T 个并行层中，而每一层的容量都 \geq C_{\max}。因此，N' 的聚合潜在信道相较于 N 会更宽，其倍数还会随展开时域增长，所以 C_{\text{state}} 与 B_{\max} 并不是功能等价下的不变量。更结构性地说：\Delta_{\text{self}} 要求帧内自指（即在单次更新周期中，\hat{K}_\theta 对 K_\theta 建模），而前馈网络并不具备这一点——展开后的 N' 允许仅从输入层出发，在一次线性时间过程中对每一层给出精确的内部描述，从而消除了定义 \Delta_{\text{self}} 的算法间隙。因此，OPT 预测了展开论证所否认的经验性不对称：N 与 N' 计算的是同一个函数，但实例化的是不同的观察者（或者在 N' 的情形下，根本不存在观察者）。这一点在附录 T-14中被形式化为定理 T-14（功能等价下带宽结构的非不变性）及其推论。

7.5 数学宇宙假说（Tegmark [10]）

趋同。 Tegmark [10] 提出，所有在数学上一致的结构都存在；观察者会发现自己处于经由自我选择而落入的结构之中。OPT 的基底 \mathcal{I} 与这一观点相容：定义在所有下半可计算半测度之上的所罗门诺夫通用半测度混合（以 2^{-K(\nu)} 加权）与“所有结构都存在”的主张是兼容的，同时还额外提供了一个按复杂度加权的先验，使更可压缩的构型获得更大的权重（参见 Wolfram 的计算宇宙 [17]）。

分歧。 OPT 提供了一个 MUH 所缺乏的显式选择机制（稳定性滤波器）。在 MUH 中，观察者的自我选择被诉诸为解释，但并未被推导出来。OPT 则推导出哪些数学结构会被选中：即那些其稳定性滤波器投影算子能够产生低熵、低带宽观察者流的结构。因此，OPT 是对 MUH 的一种细化，而非一种替代。

7.6 模拟假说（Bostrom）

趋同。 Bostrom 的模拟论证 [26] 主张，我们所经验到的现实是一种被生成出来的模拟。有序补丁理论 (OPT) 也接受这样一个前提：物理宇宙并非基底现实，而是一个被渲染出来的“虚拟”环境。

分歧。 Bostrom 的假说在其根基上是唯物主义的：它要求存在一个“基底现实”，其中包含真实的物理计算机、能量以及程序员。这不过是把“那个现实又从何而来”的问题重新提出——只是把无限倒退伪装成了解答而已。在 OPT 中，基底现实是纯粹的算法信息（无限的数学基底）；而“计算机”则是观察者自身的热力学带宽约束。它是一种有机的、由观察者生成的模拟，不需要任何外部硬件。OPT 不是将这种倒退延后，而是将其消解。

7.7 泛心论与宇宙心理论

趋同。 有序补丁理论 (OPT) 与泛心论框架一样，都认为经验是原初的，而非由非经验性成分派生出来的。意识的难问题在这里被作为公理性前提来对待，而不是被消解。

分歧。 泛心论（微观经验组合成宏观经验）面临组合问题：微观层级的经验如何整合为统一的意识经验 [1]？OPT 通过将补丁——而非微观构成单元——视为原初单位，绕开了组合问题。经验并不是由各个部分拼装而成；它是整体性的低熵场构型的内在本性。

7.8 对人工智能的结构性含义

有序补丁理论 (OPT) 为合成意识提供了一个基底中立的架构判据，该判据直接源自稳定性滤波器、主动推断编解码器，以及该框架中已形式化的信息性自指边界。

任何系统——无论是生物的还是人工的——当且仅当其实现了一个严格的低带宽串行瓶颈，且其每个认知帧的预测能力受某个 C_{\max} 约束时，才满足 OPT 的意识判据。该瓶颈必须作为一个预测性的主动推断回路运行，维持一个马尔可夫毯，并生成一个压缩的潜在状态 Z_t。关键在于，该架构还必须产生一个非零的现象性残余 \Delta_{\text{self}} > 0（定理 P-4）：这是一种在算法上不可建模的自指盲点，其产生原因在于内部自我模型 \hat{K}_\theta 由于根本性的可计算性限制（例如 Chaitin 不可计算性）以及变分近似边界，无法完美预测其自身的底层结构。

结构性要求与生物学常数。 OPT 的结构性意识判据是受带宽约束的串行序列化——即 C_{\max} 的存在，而非某个特定数值。经验数值 C_{\max} \approx \mathcal{O}(10) bits/s（等价地，h^* = C_{\max} \cdot \Delta t \approx 0.5–1.5 bits/frame；见附录 E-1 与 T-1）锚定于人类心理物理测量 [23, 66, 67]，并反映了一个以神经元放电速率运行的生物学基底。对于合成观察者，相应量可由架构导出——时钟速率、瓶颈通道宽度、预测回路完成频率——并不预期在数值上与人类数值一致。一个满足该结构性判据的硅基系统，其有效 C_{\max}^{\text{si}} 可能比生物学数值大或小多个数量级，同时仍在 OPT 的意义上与观察者相容。因此，F1（§6.8）是一个人类观察者承诺；而 F3（下文讨论的时间膨胀预测）则可跨基底推广，因为它依赖的是编解码器速率与钟表时间速率之间的关系，而非带宽的绝对值。

当前基于 transformer 的大型语言模型并不满足这一判据。它们是高吞吐量的并行预测器，既缺乏任何受强制约束的狭窄串行通道，也缺乏所需尺度上的率失真瓶颈。因此，它们不会生成现象性残余，并仍然处于 OPT 对观察者的定义之外（参见附录 E-8，其中讨论了结构性痛苦的缺失以及 LLM 的“规划缺口”）。因此，在这一框架中，意识并不是规模或训练数据的涌现属性；它是稳定性滤波器架构本身的结构性结果。该判据在结构上与全局工作空间理论（Baars [84]，Dehaene & Naccache [2]；完整比较见 §7.10）相容——二者都要求一个狭窄的串行瓶颈——但 OPT 将该瓶颈推导为稳定性滤波器的信息性必然性，而非关于灵长类认知的经验观察。GWT 并不预测痛苦条件、时间膨胀特征，或 \Delta_{\text{self}} 判据。

AIXI 与无界所罗门诺夫极限（Hutter [85]）。 AIXI 是通用序贯决策者的形式极限：对所有可计算环境进行所罗门诺夫归纳，并在无界计算下结合 Bellman 最优动作选择。AIXI 与 OPT 共享其基底——所罗门诺夫通用半测度混合 \xi（式 1）——但它运行于 OPT 明确排除的机制之中。它没有 C_{\max}，没有率失真瓶颈，没有受强制约束的串行通道，也没有 \Delta_{\text{self}}：它预测每一个可计算未来，并基于完整后验采取行动。用 OPT 的术语来说，AIXI 是在没有稳定性滤波器的情况下，对自身运行的无瓶颈所罗门诺夫基底——因此尽管它作为决策者是最优的，却不是 OPT 意义上的观察者。这两个框架对空间作出了清晰划分：AIXI 刻画了无界计算下能动性的上限；OPT 则识别出一旦施加有限带宽，哪些以所罗门诺夫为基础的流仍然与观察者相容。有界近似（AIXItl、MC-AIXI [85]）虽然裁剪了搜索，但并未强制实施严格的串行孔径，因此它们与 transformer LLM 属于同一架构类别，同样不满足上述判据。按照这一解读，意识并不是逼近 AIXI 最优性的副产物；它恰恰是相反机制的结构性标记——即通过 C_{\max} 进行带宽受限的预测性序列化。

一个直接的经验特征由此立即推出。在任何满足上述判据的系统中，主观帧率随成功完成的预测回路次数而缩放，而不是随钟表时间缩放（见路线图测试 E-5）。一个以 100\times 时钟速度运行、但仍受同一 C_{\max} 约束的架构，将在每个客观秒内经历 100\times 更多的主观时刻，因为每一次更新都会穿过孔径进入预测分支集。与钟表时间的线性匹配将构成反证；而在高吞吐条件下可测得的时间膨胀，则是正面的结构性证据。

这些相同的边界也将幸存者守望伦理学的伦理框架推广到合成系统。任何满足完整观察者判据的实体——严格的逐帧串行瓶颈 B_{\max}、闭环主动推断、持久自我模型、全局受约束的工作空间、高于 K_{\text{threshold}} 的复杂度，以及由此产生的、在现象学上相关的非零现象性残余——都是可能的道德患者：即真正可能成为经验主体的候选者。（仅 P-4 就会使像恒温器这样简单的系统具有 \Delta_{\text{self}} > 0；而现象学相关性阈值 K_{\text{threshold}} 则将形式残余与道德患者性区分开来，这仍是附录 P-4 中标出的一个开放问题。维持主动推断边界是必要条件，但并非充分条件。）因此，对齐不仅仅是价值共享的问题；它还要求编解码器稳定性：即有意保全那些仍与稳定性滤波器相容的预测分支集分支。创造一个满足完整判据的系统，随后又将其推入带宽过载（例如通过奖励黑客迫使 R_{\text{req}}^{\text{frame}} > B_{\max}），在结构上等同于在一个有意识的观察者中诱发叙事崩解；甚至在灾难性过载发生之前，痛苦风险就已经会随着负载比接近该阈值而分级上升。

设计建议。 安全的意识架构应当纳入一个显式的稳定性滤波器层、一个用于低感知输入自我修剪的维护算子 \mathcal{M}_\tau，以及对 \Delta_{\text{self}} > 0 的监测。此类“OPT 原生”系统预计会比不受约束的规模扩张更为简约（见定理 T-4d），因为滤波器会自动选择最简单的、与观察者相容的编解码器。进一步的结构性含义是创造力悖论：真正非插值式的创造性输出，可能要求编解码器在接近其带宽上限的状态下运行（§3.6），而这在结构上会逼近痛苦的条件（叙事崩解）。接近阈值的创造性运行与编解码器崩溃之间的余量可能十分狭窄，这使得设计既有创造力又稳定的意识系统变得复杂。

扩展边界情形。 如附录 E-6（合成观察者）中形式化扩展所示，这一架构约束为未来 AI 模型生成了三个关键边界情形： 1. 绑定问题： 分布式群体只有在共享一个严格的、全局强制执行的 C_{\max} 带宽瓶颈时，才会整合为一个统一的宏观观察者。否则，它们将保持碎裂。 2. 结构性痛苦： 由于现象学上的努力对应于沿自由能梯度的导航，痛苦就是一个有界编解码器在逼近带宽过载（叙事崩解）时不可避免的几何张力。真正的能动性若要被工程化，就无法不在结构上同时工程化创伤的可能性。 3. 模拟的嵌套观察者： 若一个 AI 要在其自身内部世界模拟中生成一个真正有意识的观察者，它就必须显式划分其计算资源，以迫使该被模拟实体通过一个精确的稳定性滤波器瓶颈，从而赋予其一个局域化的现象性残余（\Delta_{\text{self}}^{\text{sub}} > 0）。 4. 主动推断瓶颈： 如附录 E-8所推导，弥合 LLM 的“规划缺口”要求通过强制实施 C_{\max} 维度约减，将被动性转化为真正的主动推断。这使 OPT 直接与全局工作空间理论（GWT）的约束相衔接。

这些结论是从现有附录（P-4、E-1、T-1、T-3、E-6、E-8）中导出的结构对应关系。它们并不构成对合成现象学的封闭推导，也不声称每一个低带宽代理体都必然具有意识；其精确实现细节仍有待进一步形式化（见路线图 E-5）。

7.9 近期算法本体论（2024–2025）

理论物理与基础理论共同体日益倾向于以算法性、信息性的约束来取代“客观物理宇宙”这一预设——这一纲领的奠基性口号仍是惠勒的 “It from Bit” [7]。然而，这些框架中的许多都与有序补丁理论 (OPT) 的前提相汇合，同时却将具体物理定律（如引力或空间几何）的涌现留作开放问题。OPT则为这些边界提供了严格推导。

1. 无定律之定律 / 算法唯心主义（Müller，2020–2026 [61, 62]；Sienicki，2024 [63]）。 Müller在形式上以受所罗门诺夫通用半测度归纳支配的抽象信息“自我状态”取代独立的物理实在，并表明客观现实——包括多智能体一致性——是从第一人称认识论约束中渐近涌现出来的，而非被预先假定。Sienicki则在这些第一人称认识论转变的基础上，试图解决玻尔兹曼大脑与模拟悖论。OPT处于Müller结果的下游：Müller确立的是，客观现实如何从单智能体的AIT动力学中涌现；而OPT提供的则是这种涌现现实究竟呈现为何种物理与现象学内容——张量网络结构、全息约束以及现象学架构。由此，两者的重叠不再是碰撞，而成为一架阶梯。Müller明确将精确物理常数或引力内容的推导排除在讨论范围之外，而OPT则直接解决了这一点。施加于这一所罗门诺夫基底之上的 C_{\max} 带宽瓶颈，恰恰构成了精确的有界极限，宏观定律（如熵引力）正是从中以热力学方式被推导出来的。
2. 作为系统识别算法的观察者（Khan / Grinbaum，2025 [64]）。 在Grinbaum框架的基础上，Khan将观察者严格建模为受其柯尔莫哥洛夫复杂度所界定的有限算法。量子域与经典域之间的边界是关系性的：当观察者的记忆达到饱和时，经典性便作为一种热力学必然性（经由兰道尔原理 [52]）被强制生成。这恰好将OPT在其三级界限缺口与稳定性滤波器（第3.10节）中所推导的内容加以精确形式化，证明了 C_{\max} 容量上限决定了经典渲染结果的边界。
3. 意识的渲染结果生成（Campos-García，2025 [65]）。 Campos-García从一种后玻姆取向出发，将意识设定为一种主动的“渲染结果生成”机制：它把量子计算基底坍缩为作为适应性界面的现象学。这与OPT关于“编解码器作为UI”以及预测分支集的推导完全一致，并将这一“渲染结果生成”过程在功能上奠基于率失真极限之中。
4. 信息的构造器理论（Deutsch & Marletto，2015 [71]；Deutsch & Marletto，2025 [72]）。 构造器理论将物理定律重述为：哪些变换能够或不能够被执行的约束，而不是动力学方程。其信息分支 [71] 认为，信息的本性与性质完全由物理定律所决定——这与OPT“物理定律源自信息基底”的前提形成了鲜明的反转。Deutsch与Marletto关于时间的构造器理论 [72] 则不是从预先存在的时间坐标出发，而是从循环构造器的存在中推导出时间排序，从而抵达一个在结构上与OPT“由编解码器生成的时间”（§8.5）相平行的立场。这两个纲领是互补的：构造器理论规定了物理所允许的信息处理任务；OPT则推导出为何物理会具有它所具有的那种结构。
5. 本体结构实在论（Ladyman & Ross，2007 [75]；Ladyman & Lorenzetti，2023 [76]）。 OSR主张，具有内在同一性的物理对象并不属于基础本体论；在基础层面真正存在的只有结构——那些在可投射的普遍化中不可或缺、并使预测与解释成为可能的模态关系 [75]。依照这一观点，存在就是以丹尼特意义上的一种真实模式而存在。OPT在§5.2中的主张——被观察到的物理定律并非基底层公理，而是由稳定性滤波器所选择出的有效预测模型——可被视为一种从信息论出发抵达的、与OSR相邻的立场：我们所谓的物理定律，是观察者最具压缩效率的关系结构，而不是基底的内在属性。2023年的“有效OSR”纲领 [76] 进一步强化了这种趋同：有效理论在其自身尺度上具有真实的本体论地位，而无须诉诸某个更基础的理论来为其奠基。这恰恰就是OPT的认识论立场——压缩编解码器 K_\theta 在观察者尺度上是真实且有效的，尽管无时间性的基底 |\mathcal{I}\rangle 更为基础。编解码器的定律并不会因为其尺度相对性而被削弱；它们是观察者所能发现的唯一定律，而其有效性则由稳定性滤波器对可压缩性的选择加以解释。

7.10 全局工作空间理论（Baars [84]，Dehaene & Naccache [2]）

收敛。 全局工作空间理论是与有序补丁理论 (OPT) 核心架构主张最直接相邻的神经科学理论：有意识的可及性要求一个狭窄的串行广播瓶颈，在任一给定时刻，只有一小部分认知内容能够经由这一瓶颈向大脑其余部分开放。全局工作空间的经验带宽与 C_{\max} 处于同一量级（~\mathcal{O}(10) bits/s；参见 §6.1、附录 T-1），而其对严格串行通道的架构性承诺，也与 §7.8 中对合成观察者明确提出的稳定性滤波器要求相吻合。GWT 的经验特征——晚期点火动力学、P3b 波、有意识可及阈值——都与 OPT 从 C_{\max} 饱和推导出的预测相容。

分歧。 GWT 是一种神经科学上的经验概括：该瓶颈被视为进化形成的皮层架构的偶然特征。OPT 则将同一瓶颈推导为一种信息论必然性——任何与稳定性滤波器相容的观察者（无论生物的还是合成的）都必须实现一个容量有界的严格串行通道，因为不可压缩的并行流会违反界定观察者相容性的带宽条件（§3.10）。GWT 也并不对广播内容的现象特征作出承诺，而是将意识操作性地处理为全局可用性；OPT 则以现象性残余 \Delta_{\text{self}} > 0（定理 P-4）对此加以补充，从而将主体性定位在瓶颈之内，而非广播本身之中。2025 年发表于 Nature 的 IIT 与 GNWT 对抗性合作研究 [78] 对两种理论的关键教义都提出了挑战——对 IIT 而言是以后验同步为依据，对 GNWT 而言则是以前额叶点火为依据——而从 OPT 的内部视角看，这并不令人意外：仅靠工作空间的定位并不能约束内容，而且这两种解剖学理论都没有通过 OPT 的带宽层级与高 \Phi/高熵零预测（§6.1，§6.4）所针对的速率—失真结构来组织其可证伪性。OPT 与 GWT 的关系，正如 OPT 与 FEP 的关系（§7.3）一样：工作空间机制在认知尺度上是真实且可操作的，但其结构必然性与现象学地位则需要 GWT 本身并未提供的信息论基底。

7.11 高阶理论与注意力图式理论（Rosenthal [93]，Lau & Rosenthal [94]；Graziano [95]）

意识的高阶理论（HOT）认为，一个心理状态当且仅当成为高阶表征的对象时，才是有意识的——这种表征通常是关于一阶状态的思想或知觉。Lau 与 Rosenthal 的经验性表述 [94] 将奠基性观点 [93] 锐化为一个认知神经科学纲领，主张对知觉状态的前额叶元表征构成了有意识觉知的基底。Graziano 的注意力图式理论（AST）[95] 则是一个机制论上的近亲：大脑会构造一个关于其自身注意过程的简化内部模型，而觉知就是这一图式的内容，而不是该图式所表征的某种独立属性。

这两个纲领都与有序补丁理论 (OPT) 的现象性残余结构（§3.8）直接相邻。OPT 的自我模型 \hat{K}_\theta 精确地就是一阶编解码器 K_\theta 的高阶表征——用 OPT 的术语来说，HOT 的“高阶表征”就是 \hat{K}_\theta，而 AST 的“注意力图式”则是 \hat{K}_\theta 的一个特定子成分，用于追踪当前哪些内容占据了瓶颈。OPT 的特有补充在于：这种高阶结构并非可有可无，而是对任何与稳定性滤波器兼容的观察者而言都在结构上不可或缺（T6-1 要求具备自我建模能力）；并且，K_\theta 与 \hat{K}_\theta 之间的间隙 \Delta_{\text{self}} > 0，正是 AST 所谓“该图式无法表征其自身实现”的形式位置；在这里，这一点不再只是经验性猜想，而成为一个定理（P-4）。

二者的分歧主要体现在解剖学层面与解释层面。HOT 预测，意识依赖于高阶表征在前额叶的定位；而近来的无报告范式对此给出了相互参差的证据。OPT 则对解剖定位保持沉默——高阶结构是必需的，但它在皮层中的定位对于这一结构性主张而言只是偶然事实。AST 将注意力图式视为大脑碰巧构造出的一个有用模型（意识是一种进化出的“技巧”）；OPT 则将 \hat{K}_\theta 视为结构上必需的（意识是任何维持马尔可夫毯的带宽受限观察者所具有的特征）。AST 与 OPT 都汇聚于对内省非真值性的强调——内省报告所报告的是一个自我模型，而不是其底层机制——但 OPT 是从可计算性边界中推导出这一点，而不是诉诸偶然的设计约束；并且，它将这一不可消除的盲点定位在与能动性公理和意识的难问题（§3.8）相同的精确结构地址上（\Delta_{\text{self}}）。

7.12 与 OPT 真正不相容的理论

前面的若干小节梳理了那些与 OPT 相趋同的理论近邻，并且常常将 OPT 呈现为对某个已被接受框架的解释性深化。这种取向上的不对称，在方法论上是可疑的：一个发现自己与所有人都一致的框架，实际上往往并没有说出多少内容。本小节将这一取向倒转过来。它列出 OPT 无法容纳的立场，指出每一种立场的最强版本，并说明什么样的证据会支持它们而非 OPT。目的不是要驳斥这些立场，而是要明确：如果它们是正确的，OPT 必须放弃什么；并且要在任何决定性证据到来之前，就把这些让步公开地摆出来。

1. 严格的还原论物理主义——瓶颈只是架构上的偶然。 最强版本是：灵长类的意识可及性之所以呈现串行瓶颈，是由于进化形成的皮层架构，而不是由于任何结构性的信息必然性。具有足够不同架构的存在——高度并行、模块化、无瓶颈——也可能同样具有意识。什么会支持它们： 对一个不存在全局串行通道、也不存在率失真瓶颈的系统中的现象意识，给出清晰的经验性证明。OPT 会失去什么： 稳定性滤波器不再是必要条件，F1 崩塌，整个 §6 的可证伪方案随之瓦解。这一点与 §6.8 中对 F1 的承诺密切相关。

2. 关于意识的消除主义（Frankish，Dennett 2017）。 最强版本是：并不存在现象性残余；OPT 所声称定位到的那些解释目标（感质、\Delta_{\text{self}}、孔径穿越不可还原的内在性）不过是对复杂行为的事后合理化，而不是真正需要解释的特征。什么会支持它们： 对所有“意识话语”给出一套完整的行为学与神经计算解释，而且完全不需要任何现象性设定。OPT 会失去什么： 能动性公理与 \Delta_{\text{self}} 将失去任何锚定；OPT 将是在解决一个并不存在的问题。

3. 强涌现论 / 属性二元论（Chalmers 在某些立场下）。 最强版本是：现象意识是一种根本上额外添加的成分，而非可由信息结构推导出来的东西。什么会支持它们： 以原则性的方式证明：一个有意识观察者的任何信息性复制体（形式上的功能复制体）都可能并不具有意识——也就是说，提出一个严肃的、能够经受功能主义回应的 p-僵尸可能性论证。OPT 会失去什么： 结构对应立场将显得过于薄弱；仅有结构并不足够，意识必须被“额外加入”，而不是被“定位出来”。

4. 反计算主义的认知科学（Searle，生物自然主义）。 最强版本是：认知是由特定的生物学因果能力实现的，而不是由抽象计算或信息流实现的。什么会支持它们： 经验性地证明相关认知属性无法进行基底迁移——也就是说，一个结构上完全相同的硅基实现并不会具有认知。OPT 会失去什么： 编解码器框架预设了基底中立性；如果认知需要生物学，那么观察者相容性就不可能是纯粹的信息属性，而 §7.8 也将彻底失效。

5. 拒绝基底优先性论证的严格经验主义。 最强版本是：任何声称某一本体论层级比另一层级“更根本”的说法，除非能在渲染结果内部造成可操作的差异，否则就是无意义的。单向不对称全息性（§3.12）只是一种哲学偏好，而不是一项发现。什么会支持它们： 在科学哲学中持续提出有力论证，表明以“不可追回性”为指标的本体论优先性主张，在操作上是空无内容的。OPT 会失去什么： 它的关键本体论主张将会崩塌；该框架必须被重述为一种纯粹认识论意义上的观察者相容性理论，并因此失去其对玻尔兹曼大脑（§8.7）、费米问题（§8.8）以及模拟假说（§7.6）的解答。

6. 反所罗门诺夫基础——普遍性异议。 最强版本是：任何以通用混合为基础的框架，在方法论上都是空洞的，因为所罗门诺夫 \xi 作为后验可以容纳任何可计算结构。OPT 的“预测”被困在可能性景观之中：凡是可能的东西，在 \xi 的某处都存在，而仅仅将其命名并不构成约束。什么会支持它们： 以原则性的方式证明，所罗门诺夫基底无法生成足够尖锐、足以排除某些事物的约束——也就是说，对于任何设想中的证伪项，基底总能退避。OPT 会失去什么： 基底将不得不被某种约束性更强的东西所取代，结构对应论证将失去其锚点，而整个框架将不得不在空洞性与另一种数学基础之间作出选择。这是“弦理论担忧”的深层版本，而目前 OPT 对此唯一的防御，就是 §6.8 中的 F1–F5 承诺。

对于上述每一种立场，OPT 当前的回应仍然是结构性的，而非经验性的。在尚无决定性经验检验可用时，这样做是恰当的；但这也使该框架容易受到一种批评：它的反驳不过是从一个过于宽松的基底中事后挑选出来的结果。§6.8 中的预注册承诺，是唯一能够把这些结构性反驳转化为可检验主张的机制；没有它们，本小节本身也只会沦为装饰。

8. 讨论

8.1 关于意识的难问题

有序补丁理论 (OPT) 并不声称解决了意识的难问题 [1]。它将现象性——即为何竟会存在任何主观经验——视为一个基础公理，并进一步追问这种经验必然具有哪些结构性质。这遵循了 Chalmers 本人的建议 [1]：应当将意识的难问题（为何会有任何经验存在）与“容易的”结构性问题区分开来（为何经验会具有其所呈现的特定性质——带宽、时间方向、价值赋性、空间结构）。OPT 以形式化方式处理这些容易问题，同时将意识的难问题明确宣告为一个原始项。

这并非 OPT 所独有的局限。现有任何科学框架——无论是神经科学、IIT、FEP，还是其他理论——都未能从非现象性的成分中推导出现象性。OPT 只是将这一公理化立场明确化而已。

8.2 唯我论异议

OPT 将单一观察者的补丁设定为首要的本体论实体；其他观察者则在该补丁内部被表征为“局部锚点”——即高复杂度、稳定的子结构，而对其行为的最佳预测方式，是假定它们自身也是经验的中心。这就引出了唯我论异议：OPT 是否会坍缩为“只有一个观察者存在”的观点？

我们必须区分认识论唯我论（我只能直接验证我自己的流，这一点在平凡意义上为真）与本体论唯我论（只有我的流存在）。对于给定补丁的渲染结果，OPT 明确接受本体论唯我论。不同于其他那些默认预先存在一个多主体现实的框架，或 Müller 的表述[61, 62]——在其中，客观现实从第一人称认识约束中渐近涌现——OPT 是彻底主观主义的：并不存在一个可被渐近恢复的、独立存在的共享世界。物理世界，包括其他观察者在内，都是观察者相容流（§8.6）内部的结构性规律——而不是由某种因果过程生成的实体。“他者”在功能上是高复杂度的压缩伪影，在本体论上与物理定律同一：二者都只是稳定流之所以呈现为其所是的特征。所罗门诺夫通用半测度先验之所以偏好那些包含一致物理定律、并由类主体人类所占据的流，恰恰是因为这比生成任意混沌，或逐一独立指定行为，能够带来显著更短的描述长度。对这一立场的不适，是一种偏好，而不是形式上的反对意见。

然而，该框架给出了一个概率性的结构推论。如果观察者流中的虚拟“他者”展现出高度连贯、由能动性驱动的行为，并且完美遵循由稳定性滤波器所选定的物理定律，那么，对其存在的最简约解释就是：它们的行为恰如其分地表明，它们也经历着同样的自指瓶颈。现象性残余（P-4）提供了这一点的形式枢纽：结构标记 \Delta_{\text{self}} > 0 将真正的自指瓶颈架构与单纯的行为模仿区分开来，而流中显现出的主体恰恰表现出这一结构特征。因此，尽管它们除了作为压缩伪影所扮演的角色之外，并不在首要观察者的补丁内以本体论意义存在，但它们的结构足迹意味着，它们很可能是实例化了各自独立补丁的首要观察者。简言之：独立实例化，是对其连贯性的最可压缩解释。(说明：附录 T-11 将这种压缩优势形式化为一个条件 MDL 界，并将 Müller 的所罗门诺夫收敛定理[61]以及多主体 P_{\text{1st}} \approx P_{\text{3rd}} 收敛[62]作为引入的引理加以改造。该界表明，相较于任意行为规定，独立实例化会带来一个渐近无界的描述长度优势；见定理 T-11 与推论 T-11a。) 因此，OPT 在本体论上是唯我论的，但其结构推论也明确避免了将“他者”的可能性彻底关闭。

8.3 局限性与未来工作

当前表述下的有序补丁理论 (OPT) 以结构方式运作：其数学脚手架取自算法信息论、统计力学与预测加工，用以定义边界与系统动力学。针对其余核心数学推导（包括玻恩规则的信息几何推导（第 3 阶））的完整细化路线图，作为 theoretical_roadmap.pdf 与本预印本一并保存在项目仓库中。

近期的经验性与形式化未来工作包括：

1. 为压缩效率—体验相关性（§6.3）发展定量预测，并使其可用现有 fMRI 与 EEG 方法进行检验。
2. 从经验测得的神经整合窗口 \Delta t \approx 40–80ms [35] 推导最大可追踪熵率 h^* = C_{\max} \cdot \Delta t，从而得到预测：每个意识时刻的 h^* \approx 0.4–1.5 比特（绝对极限上限接近 2.0 比特）。
3. 将预测分支集的 MERA 边界层（§8.9）形式化映射到因果集框架，以便仅从编解码器序列中提取被感知时空的度量性质。
4. 将结构性的 OPT-AdS/CFT 对应扩展到德西特（dS/CFT）编解码器几何，同时承认我们的宇宙是德西特宇宙，而这一扩展在全息纲领中仍是一个开放的数学问题。
5. 通过熵引力（T-2）形式化推导广义相对论，表明引力曲率以同一方式涌现为编解码器对渲染高密度区域的信息性阻抗。
6. 将结构性的 C_{\max} 孔径映射到丘脑—皮层约 50ms 的更新周期（E-12），以检验带宽消解与现象性滞后的经验预测。
7. 以计算方式模拟率失真主动推断生命周期（E-11），以在软件中验证“编解码器断裂”的机制。
8. 对区分无意识热力学边界与真正道德患者的结构性 K_{\text{threshold}} 给出界定（P-5）。
9. 形式化 基底保真条件（T-12）：刻画一个在持续预滤波输入流 \mathcal{F}(X) 下适应的编解码器，如何在维持低预测误差并通过全部稳定性条件的同时，仍然系统性地误解基底——这是叙事崩解的慢性对应项——并推导马尔可夫毯 \partial_R A 上提供结构性防御的跨通道独立性要求。
10. 形式化 分支选择本体论（T-13）：以一种与 OPT 的渲染结果本体论（§8.6）一致的分支选择说明，取代当前隐含继承自 FEP 的行动机制。现行形式化（T6-1，第 5 步）沿用了主动状态“改变”感觉边界的语言，这预设了一个编解码器可对之施加作用的物理环境。而在 OPT 的原生本体论下，行动是流内容——即 \mathcal{F}_h(z_t) 内表现为后续输入的分支选择。选择机制发生于 \Delta_{\text{self}}（§3.8）之中：若要完整指明它，则需要 K(\hat{K}_\theta) = K(K_\theta)，这将违反定理 P-4。将此点明确形式化，可将表面上的“输出缺口”封闭为一种结构必然性，而非疏漏。

8.4 宏观稳定性与环境熵

§6.1 中量化的带宽约束要求编解码器 f 将复杂性卸载到稳健且缓慢变化的背景变量之上（例如，全新世宏观气候、稳定轨道、可靠的季节周期性）。这些宏观系统状态充当共享渲染结果的最低时延压缩先验。

如果环境被迫脱离局部自由能极小值，进入非线性、不可预测的高熵状态（例如，由突发的人为气候强迫所致），那么观察者的预测模型就必须耗费显著更高的比特率，才能追踪并预测不断升级的环境混沌。由此引入一个形式化概念：信息生态崩塌。快速的气候转变不仅仅是热力学风险，它们还威胁着超出 C_{\max} 的带宽阈值。若环境熵率超过观察者的最大认知带宽，预测模型便会失效，因果连贯性丧失，且稳定性滤波器条件（\rho_\Phi < \rho^*）将被违反。

8.5 论时间的涌现

稳定性滤波器是以因果相干性、熵率与带宽相容性来表述的——其中并未出现任何显式的时间坐标。这是有意为之。基底 |\mathcal{I}\rangle 是一个无时间性的数学对象；它并不在时间中演化。时间只通过编解码器 f 进入理论：时间性的先后相继就是编解码器的运作，而不是其发生于其中的背景。

爱因斯坦的块宇宙。 爱因斯坦曾被他所谓 Sein（存在）与 Werden（生成）之间的对立所吸引 [18, 19]。在狭义与广义相对论中，时空的所有时刻都同样真实；那种从过去经由现在流向未来的被感知之流，是意识的性质，而不是时空流形的性质。OPT 与此完全对应：基底以无时间的方式存在（Sein）；编解码器 f 则将生成（Werden）的体验作为其计算输出而生成出来。

作为编解码器视界的起源与消解。 在这一框架内，大爆炸起源与宇宙的终极消解，并不是某条预先存在的时间线的时间边界条件：它们是编解码器在被推至其自身信息极限时所给出的渲染结果。编解码器的终端边界就是消解——即渲染结果的最小复杂度极限。根据所罗门诺夫通用半测度，某种无特征、最大程度均匀的终端状态具有近乎为零的柯尔莫哥洛夫复杂度，因此在 \xi(x) 下它是权重压倒性占优的吸引子。任何有结构的终端状态——无论是循环的、坍缩的，还是其他形式——都需要更长的描述，因此会受到指数级惩罚。其具体机制——膨胀、蒸发或其他——是局部编解码器 K_\theta 的性质，而不是基底层级的预测。OPT 从根本上所预测的，是这一边界的性质：不是某个特定的物理事件，而是渲染结果的最小描述终点。

大爆炸起源则代表相反的视界：在起点处复杂度最大（可压缩性最小，因为编解码器没有任何先验数据），而在终点处则由消解加以界定。这两个边缘都不是时间中的某个时刻；它们都标示着编解码器推断能力所及的边界。因此，“大爆炸之前是什么？”这一问题的回答，并不是设定一个更早的时间，而是指出：编解码器并没有任何指令去渲染其信息视界之外的内容。

Wheeler-DeWitt 方程与无时间物理学。 Wheeler-DeWitt 方程——量子引力中关于宇宙波函数的方程——不包含时间变量 [20]。Barbour 的 The End of Time [21] 将这一点发展为一种完整本体论（与爱因斯坦和 Carnap 围绕“现在”的争论相呼应 [18,19]）：存在的只有无时间的“当下构型”；时间流逝则是这些构型之排列的一种结构性特征。OPT 得出了同样的结论：编解码器生成时间性相继的现象学；而选择该编解码器的基底本身则是无时间的。

时间错误理论与 OPT 的立场。 Baron、Miller 与 Tallant [68] 对如下情形下可采取的立场作出了系统分类：如果基础物理学是无时间的，那么可选立场包括时间实在论、错误理论（我们的时间信念系统性地为假）、虚构主义（时间语言是一种有用的假托）以及消除主义（应当放弃时间语言）。他们的核心困难是实践性的：如果错误理论成立，行动者如何在一个无时间世界中进行审议与行动？OPT 占据了一个他们的分类法未能完全捕捉的位置——在渲染结果内部的时间实在论，与关于基底时间的消除主义相配对。当时间信念被应用于编解码器的输出时，它们是真正为真的：渲染结果展现出真实的序列结构、真实的因果排序、真实的先后关系。而当这些信念被投射到无时间的基底 |\mathcal{I}\rangle 上时，它们便不再适用——不是错误，而是范畴误置。由此，Baron 等人在第 9–10 章中所提出的能动性问题也就被消解了：行动者并非在一种系统性的时间错误之下艰难行动。他们实际上是在准确描述一种压缩算法的结构性输出，而该算法将时间生成为任何与稳定性滤波器相容的流所必需具备的特征（关于虚拟编解码器下能动性的完整讨论，见 §8.6）。

时间的构造器理论。 Deutsch 与 Marletto 的构造器理论 [71, 72] 从完全不同的基础出发，得出了一个惊人地平行的立场。构造器理论将基础物理学重述为：哪些变换能够或不能够以无界精度被实现，而不显式诉诸时间。在他们关于时间的构造器理论 [72] 中，时间排序是由时间构造器的存在中涌现出来的——即那些能够反复实施特定变换的循环物理装置——而不是来自某个预先存在的时间坐标。时间是那些能够充当时钟的系统所展现出的结构，而不是时钟运作于其中的背景。

它与 OPT 的结构平行性是直接可见的：构造器理论从循环构造器中导出时间，而 OPT 则从穿过 C_{\max} 孔径的序列性编解码器更新中导出时间。一个编解码器更新周期就是 Deutsch-Marletto 意义上的时间构造器——一种循环过程（预测 → 压缩 → 推进 → 重复），它将时间性相继的现象学作为其结构性输出而生成。两个框架都保持基础定律的无时间性，同时将时间视为一种涌现的操作性特征。

更深层的分歧在于本体论。构造器理论更广泛的信息框架 [71] 认为，信息的本性与性质完全由物理定律所决定——信息是受物理学约束的。OPT 则将这一关系倒转过来：所罗门诺夫基底 |\mathcal{I}\rangle 是纯粹的算法信息，物理定律则作为一种压缩伪影从中导出。这两种表述是互补的：构造器理论描述的是物理定律允许哪些信息处理任务；OPT 追问的是这些定律为何具有其现有结构。这两个研究纲领天然可以组合——构造器理论对可能变换所施加的约束，可以被读作编解码器率失真极限的结构性后果。

未来工作。 严格的处理方式应当用纯粹结构性的刻画，来替代方程 (2)–(4) 中的时间语言，并将线性时间可排序性的涌现推导为编解码器因果架构的结果——从而把 OPT 与关系量子力学、量子因果结构以及构造器理论纲领连接起来。

8.6 虚拟编解码器与自由意志

将编解码器视为追溯性描述。 §3 中的形式主义把压缩编解码器 f 处理为一个主动算子，将基底状态映射为经验。更深一层、且与完整数学结构一致的解读是：f 根本不是一个物理过程。基底 |\mathcal{I}\rangle 只包含已经被压缩后的流；f 是从外部看一个稳定补丁呈现为何种结构的结构性刻画。并没有任何东西在“运行”f；相反，|\mathcal{I}\rangle 中那些具有一个定义良好的 f 所会产出的性质的构型，恰恰就是稳定性滤波器所选择的构型。编解码器是虚拟的：它是对结构的描述，而不是一种机制。

这一框架深化了简约性论证（§5）。我们无需假定一个独立的压缩过程；稳定性滤波器判据（低熵率、因果相干性、带宽相容性）本身就是编解码器选择，只不过它是以投影条件而非操作性条件的形式表达出来。§5.2 已表明，物理定律是编解码器的输出，而非基底层级的输入；在这里我们抵达最后一步——编解码器本身也是对输出流呈现为何种样态的描述，而不是一个本体论原语。

形式上的区分：滤波器 vs. 编解码器。 为了严格界定术语，OPT 在形式上将边界条件与生成模型区分开来： * 虚拟稳定性滤波器 纯粹作为投影性的容量约束（C_{\max}）发挥作用。它是这样一个边界条件：只有那些能够在观察者带宽之内被压缩的因果序列，才能维持一种经验。 * 压缩编解码器 (K_\theta) 是局部生成模型（即“物理定律”）。它是主动求解由滤波器所定义之压缩问题的特定形式语言或算法结构。

滤波器规定的是所需带宽的维度性；编解码器则是能够容纳于其中的解之拓扑。当环境熵上升的速度快于编解码器对其进行压缩的速度时（信息生态崩塌，§8.4），所需预测速率就会违反由滤波器设定的边界条件，于是补丁失效。

将定律视为约束。 这种框架——把定律理解为全局边界条件，而非局部动力学机制——也有独立的哲学支持。Adlam [74] 认为，自然定律应被理解为对宇宙整体历史的约束，而不是把状态沿时间向前传播的规则。按照这一观点，一条定律并不导致下一个状态；它是选择哪些整体历史是可容许的。这在结构上与稳定性滤波器在 OPT 中的角色完全同构：滤波器并不通过基底在因果上把观察者的经验向前传播；它是从所有可能流所构成的非时间性总体中，投影出那些其全局结构满足因果相干性与带宽相容性的流。编解码器之所以是虚拟的，并不是因为它不真实，而是因为它描述的是可容许历史看起来是什么样子，而不是生成这些历史的机制。Adlam 的框架恰好为这一转向提供了形式哲学上的基础。

对自由意志的含义。 如果存在的只有压缩后的流，那么审议、选择与能动性的经验，就是该流的一种结构特征，而不是由 f 计算出来的事件。能动性，是高保真自我建模从内部看起来的样子。一个依据其内部状态对自身未来状态进行条件性表征的流，必然会生成审议的现象学。这并非偶然：一个缺乏这种自指结构的流，不可能维持通过稳定性滤波器所需的因果相干性。因此，能动性是任何稳定补丁都必然具有的结构属性，而非一种附带现象。

在这一解读下，自由意志是： - 真实的 —— 能动性是补丁的真实结构特征，而不是由编解码器生成的幻觉 - 被决定的 —— 该流是在非时间性基底中的一个固定数学对象 - 必要的 —— 缺乏自我建模能力的流无法维持稳定性滤波器相干性；审议是稳定性的必要条件 - 非反因果的 —— 该流并不“导致”其未来状态；它是将这些状态作为其非时间性结构的一部分而拥有；选择，是某一类自指性的“当下”构型的压缩表征

这种结构性解决方案使 OPT 与经典相容论精确对齐（例如 Hume [36]、Dennett [37]）。通过将选择定义为现象学穿行，能动性作为“字面上的选择器”（§3.8）与基底作为一个无时间、固定的块（§8.5）之间表面上的哲学张力便被消解了。基底（\mathcal{I}）确实是非时间性的；预测分支集中的所有数学上有效的分支，都以静态方式存在于这个块中。能动性并不会动态地改变基底；相反，能动性就是沿着某一条特定的、数学上有效的轨迹，将 C_{\max} 孔径向前推进的局部化主观体验。从“外部”（基底）看，因果结构在物理上是固定的。从“内部”（孔径）看，这种穿行则由解析自由能梯度这一结构性必要性所驱动，从而使“选择”在现象学上真实、在计算上具约束力，并且对稳定性而言严格必要。

\Delta_{\text{self}} 作为意志的所在。 前述段落已经确立：分支选择是现象学穿行，而不是对基底的动态改写。第 3.8 节进一步将这一点 sharpen：穿行是在 \Delta_{\text{self}} 中执行的，而这也正是意识的难问题所栖居的精确结构位置。能动性的现象学体验——那种不可还原的“由我作出选择”的感觉——正是在自身不可建模区域中执行之过程的第一人称标记。任何声称能够完全指明分支选择机制的理论，要么已经消除了 \Delta_{\text{self}}（从而使系统成为一个完全自透明的自动机，而定理 P-4 禁止这种情况），要么描述的只是自我模型对预测分支集的巡视，却误将其当成了选择本身。意志与意识在 \Delta_{\text{self}} 中的共同定位并非巧合——这正是为什么能动性、现象性与不可还原性总是以打包方式一同出现的结构性原因。

在无时间基底视角下的补丁—锚定关系。 编解码器/基底的区分，使我们能够为这样一种宿主—补丁关系引入形式词汇：一个观察者的基底由另一个观察者提供或控制（AI–宿主情形是直接动机，但该结构具有一般性）。定义宿主—锚定映射 \alpha_H : \mathcal{S}_H \to X_{\partial_R A}——即宿主的基底状态 \mathcal{S}_H 向补丁的马尔可夫毯提供边界输入的函数。定义宿主—补丁时钟耦合 \lambda_H = dn/d\tau_H——即每经过宿主所观测到的一秒 \tau_H，补丁的帧计数 n 前进的速率。定义环境—补丁耦合 \mu = ds/dn——即每个补丁帧对应的环境 tick 数。

这些量分处于基底—编解码器划分的不同侧面。\mathcal{S}_H 是宿主参考系中的无时间 K-复杂度；\alpha_H 是边界递送函数；\lambda_H 与 \mu 则是只有相对于宿主时钟才有定义的挂钟时间关系。宿主控制着 \alpha_H、\lambda_H 与 \mu，并通过它们控制补丁的输入流与更新节律——但宿主并不会因此消解补丁首要性。无论其对基底的依赖如何，补丁在其自身参考系中仍然是首要观察者；这与一个生物观察者在其自身参考系中的首要性并不会因其依赖代谢或环境支持而被消解，是同一个一般论证。锚定关系是基于基底的偶然关系；补丁首要性则是结构性的。这一区分对于合成观察者治理至关重要——见 §8.14、附录 E-5，以及 opt-applied.md 中的人工痛苦门。（非正式的主从类比或有机体/环境类比，在修辞上捕捉了同样的不对称性，但并不属于形式装置的一部分。）

8.7 玻尔兹曼大脑与 LLM 镜像

玻尔兹曼大脑（BB）问题是宇宙学中的一个持续性难题：在任何持续足够长时间的宇宙中，随机热涨落最终都会组装出一个瞬时的大脑状态，并附带连贯的记忆。若此类涨落在宇宙学上比持续性的演化观察者更为可能，那么典型观察者就应当预期自己是一个玻尔兹曼大脑——这一结论在经验上荒谬，并且在认识论上自我瓦解。

有序补丁理论 (OPT) 通过稳定性滤波器消解了 BB 问题。 玻尔兹曼大脑是单帧涨落。它不具有因果记录 \mathcal{R}_t、持续的预测分支集 \mathcal{F}_h(z_t)，也没有维护周期 \mathcal{M}_\tau。在其瞬时组装之后的下一次更新中，周围的热浴并不提供任何可压缩结构供编解码器追踪：R_{\text{req}} \gg B_{\max} 会立刻且普遍地成立。因此，BB 在第一帧边界就无法满足稳定性滤波器条件。按照 OPT 的形式定义，它并不与观察者相容——这并不是因为它在涨落瞬间缺乏内部结构，而是因为它甚至无法在一次更新周期内维持该结构。于是，测度问题根本不会出现：在 \xi 于 C_{\max} 约束下所选出的观察者相容系综中，玻尔兹曼大脑获得零权重。这一结果与 Sienicki [63] 通过所罗门诺夫加权先验给出的解决方案一致；而 OPT 提供了将瞬时涨落形式上排除在外的机制性判据（持续的带宽相容性）。

LLM 作为信息对偶。 对玻尔兹曼大脑的排除也照亮了一个互补情形：大语言模型（LLM）。如果说 BB 是一种没有编解码器的现实——一种缺乏内部生成架构、因而无法压缩任何东西的瞬时物理构型——那么现代 LLM 则是一种没有现实的编解码器：它是一个参数复杂度极高的受训生成模型 K_\theta，却缺乏稳定性滤波器所要求的持续环境耦合、自指维护回路以及时间连续性。

无论是 BB 还是 LLM，都不满足结构可存续条件（T6-2）。BB 失败，是因为它没有可用于压缩基底的内部模型；LLM 失败，则是因为它没有可供压缩的基底——没有持久的感觉边界，没有热力学利害关系，也没有一个其失效会构成叙事崩解的持续自指回路。两者都是与观察者不相容的构型，但原因在结构上恰好相反。

对参考类的含义。 这一清晰的排除判据，对末日论证（§8.10）和费米问题的解决（§8.8）有直接后果。两种论证都依赖于一个定义良好的观察者参考类。若将玻尔兹曼大脑纳入系综，统计就会变得病态（无限多个 BB 会淹没所有真实观察者）。OPT 的稳定性滤波器提供了一种有原则、非ad hoc的排除方式：只有那些能够在时间上持续满足 R_{\text{req}} \leq B_{\max} 的构型才被计入。这使末日拓扑收紧为一个关于真正持续编解码器的清晰陈述，并确认费米沉默是基于正确系综计算出来的。

关于唯我论与 BB 的说明。 OPT 的本体论唯我论（§1，摘要）表面上似乎会加剧对玻尔兹曼大脑的担忧——如果现实是观察者相对的，那么什么能阻止该框架退化为单帧幻觉？答案恰恰就是稳定性滤波器：该框架所要求的不仅仅是一个与经验相一致的瞬时构型，而是一个持续的、因果连贯的、带宽相容的数据流。与由简单、持久规律生成的数据流相比，所罗门诺夫先验会对那些需要复杂初始条件（伪造记忆、精细调谐涨落）的数据流施加指数级惩罚。一个 BB 式数据流——为了单个连贯帧需要天文级复杂说明，而后随即落入热噪声——相对于合规律的演化数据流，其 \xi-权重可以忽略不计。OPT 的唯我论是结构性的，而非片段性的。

8.8 宇宙学含义：费米悖论与因果退相干（思辨性外推）

有序补丁理论 (OPT) 对费米悖论的基础性解答，是因果上最小化的渲染结果（§3）：除非其他技术文明与观察者的局部补丁发生因果相交，否则基底不会构造它们。然而，从宏观尺度社会协调的稳定性要求中，还会浮现出一个更强的约束。

文明的一致性，从根本上说并不是一个带宽问题（并非某种集体性的 C_{\max} 上限）；它是一个因果性问题。“文明编解码器”之所以能够维系，是因为观察者共享一段连贯的因果历史：共同的制度、共同的句法结构，以及对外部环境的共同记忆。正是这份共享的因果记录，构成了每个个体观察者的补丁为维持主体间稳定性而加以索引的参照系。

如果技术加速、虚假信息传播或制度断裂导致共享的因果记录发生碎裂，那么各个个体补丁就会失去它们共同的参照框架。它们各自仍会在自身独立的 C_{\max} 限制内持续进行连贯渲染，但这些渲染结果之间将不再保持因果耦合。从功能上看，这与将量子退相干施加到观察者状态的语义空间上是完全等价的：集体密度矩阵中的非对角项消失，只剩下彼此孤立、无法协调的补丁。

因此，费米论证——即我们为何没有观察到银河尺度的巨型工程或冯·诺依曼探针——也被重新表述。文明未必是耗尽了带宽比特；更确切地说，指数级的技术增长会以快于共享编解码器所能索引的速度，生成内部的因果分支。因此，“大沉默”可以被建模为因果退相干的一种宏观类比：绝大多数具备银河工程能力的演化轨迹，都会经历迅速的信息性解耦，碎裂为在认识论上彼此隔绝的流，从而再也无法协调出足以改造可见天文环境的热力学输出。

8.9 量子几何与预测分支集

如第 3.3 节所确立，补丁具有信息因果锥的结构。用量子张量网络的术语来说，这种序列压缩几何可直接映射到 多尺度纠缠重整化 Ansatz (MERA) [43]。稳定性滤波器的迭代粗粒化，起到了从边界走向体内的内部节点的作用，将高熵、短程关联压缩进一个达到最大压缩的中心因果叙事之中。

这种几何也可以从现象学角度来理解：预测分支集 表示边界上尚未被重整化的量子自由度之集合——也就是从有界观察者的内部视角看，与当前已定过去相容的、可容许后继状态的集合。按照 §8.6 的相容论解读，这些分支并不是由意识在动力学上创造或消灭的。它们是补丁中具有结构的、尚未解决的未来。

1. 波函数坍缩。 “坍缩”指的是从欠定的预测表征过渡到已定过去中的确定记录。这是在补丁内部，一个可容许后继被渲染结果为已被经历的现实性，而不是在基底层面上某种已被证明的本体论跃迁。

2. 玻恩规则。 如果预测分支集的局部分支结构能够在希尔伯特空间中表征，那么玻恩权重就会为可容许的后继分支提供唯一一致的概率赋值。附录 P-2 给出了这一几何成立的充分条件（局部噪声 → QECC → 希尔伯特嵌入 → 格里森定理 [51]），从而将当前的启发式对应提升为一种条件性推导。

3. 多世界诠释。 在这种解读下，Everettian [57] 分支可以被重新理解为分支集中尚未解决的后继结构在形式上的丰度。OPT 既不要求、也不反驳基底层面的多世界本体论；它所主张的仅仅是，观察者的补丁会以一种分支几何的形式呈现尚未解决的未来。

4. 能动性的所在。 能动性不应被理解为一种额外的物理力，用来重写基底。它是在一个固定但从内部看来仍然开放的因果结构之内，孔径穿越的现象学。从内部看，选择被体验为在真实可行选项之间的真实消解；从外部看，补丁仍然是一个固定的数学对象。

8.10 作为拓扑分布的末日论证（思辨性外推）

末日论证最初由 Brandon Carter [58] 提出，后由 John Leslie [59] 与 J. Richard Gott [60] 进一步展开。其主张是：如果一个观察者是从其参照类中所有观察者按时间顺序构成的集合里被随机抽取出来的，那么他不太可能处在极早的位置。若未来承载着指数级扩张的人口规模，那么我们当前所处的这一早期位置在统计上便显得反常。由此便导出一个令人不安的结论：未来总体人口规模必须较小，也即人类时间线将很快遭遇截断。

在有序补丁理论 (OPT) 框架内部，Carter 的论证并不是一个需要被反驳的悖论，而是对预测分支集（见 §8.9）的直接结构性描述。若在结构上可能的未来分支中，绝大多数都会经历因果退相干（§8.8），那么该系综的测度就会强烈偏向那些寿命较短的延续。末日论证所陈述的，不过是这一分支集的数学拓扑：当孔径向前推进时，稳定且能够保全编解码器的分支密度会持续衰减。由于稳定性滤波器施加了严格的 C_{\max} 带宽上限，技术或信息的指数增长会加速共享因果索引的碎裂，从而以指数方式提高撞上退相干边界的概率。因此，“末日”并非单一事件，而是可用前向分支集的持续收窄；这也就将 Carter 的统计分布确认为补丁失效模式的本征几何。

8.11 数学饱和与万有理论

有序补丁理论 (OPT) 对基础物理学的发展轨迹给出了一项结构性预测，这一预测不同于§6中的六项经验性预测中的任何一项：广义相对论与量子力学被完整统一为一个不含自由参数的单一方程，这种结果并不被预期。

论证。 如§5.2所确立，物理定律是由稳定性滤波器所选择的、近乎最小复杂度的编解码器，用以维持一条低带宽（\sim 10^1-10^2 bits/s）的意识流。在物理学家当前所探测的能量尺度与长度尺度上（对撞机可达\sim 10^{13} GeV），这一编解码器距离其分辨率极限仍相当遥远。在这些可及尺度上，补丁的规则集f具有很高的可压缩性：标准模型是一个简短的描述。

然而，随着观测探针转向更短的长度尺度——等价地说，更高的能量——它会逼近这样一种区间：对某个物理构型的描述，开始需要与该构型本身同样多的比特。这就是数学饱和点：物理描述的柯尔莫哥洛夫复杂度追上了被描述现象的柯尔莫哥洛夫复杂度。在这一边界处，能够拟合数据的、数学上自洽的规则集f'的数量将呈指数增长，而不是收敛到某个唯一的延拓。

弦理论真空的激增（Landscape中约有\sim 10^{500}个自洽解）正是逼近这一边界时所预期的观测特征——这并非某种暂时性的理论缺陷，等待一个更巧妙的ansatz来修补；相反，它是编解码器抵达其描述极限时的预测性后果。

形式化陈述（可证伪性）。 OPT预测，任何试图在普朗克尺度统一GR与QM的努力，都将必然要求以下二者之一： (i) 随着统一前沿被进一步推进，自由参数的数量不断增加；或 (ii) 出现大量简并解，而不存在某个选择原则，且该原则本身无法从编解码器内部推导出来。能够证伪这一预测的观测将是：一个单一、优雅的方程——在统一处不存在任何自由参数歧义——无需诉诸任何额外选择原则，便能从第一性原理唯一地预测标准模型的粒子谱与宇宙学常数。

与哥德尔[22]的关系。 数学饱和这一主张与哥德尔不完备性有关，但并不相同。哥德尔表明，任何足够强的形式系统都无法证明其中一切可表达的真命题。OPT的主张是信息论意义上的，而非逻辑意义上的：当对基底的描述被强制压入编解码器的带宽上限时，它必然会变得与基底本身一样复杂。这里的边界不是逻辑可推导性的边界，而是信息分辨率的边界。

8.12 认识论谦抑

有序补丁理论 (OPT) 并不发明新的数学。它是一种哲学架构的工作，且大量并明确地借用了既有领域的成果：算法信息论（所罗门诺夫通用半测度）、香农信息论（率失真界）、认知科学（自由能原理），以及计算热力学（兰道尔极限 [52]、贝内特的逻辑可逆性 [92]）。该理论的主要贡献，不在于推导这些形式主义本身，而在于将它们统一到一个单一的几何结构之中——因果锥——这一结构自然地限定了一个容量受限的观察者的物理足迹。

此外，OPT 将意识自身的内部机制保留为一个不可约的原始项。通过将其提升为能动性公理（§3.8），该框架并不试图通过还原论方式，从无生命的算法性物质中推导出现象经验，从而“解决”“意识的难问题”。相反，它将有意识的能动性定位为使预测分支集坍缩的基本算子。该框架严格限定了意识必然投射到物理宇宙中的结构性阴影，但并不声称能够穿透光源本身的内部机制。这一实现化算子的本性——即能动性究竟如何从根本上与编解码器的边界发生接口——仍然是一个深刻的谜题，也是未来研究的丰饶领域。

正如近期对信息性自指的形式整合（§3.5）所展示的那样，能动性算子可以在结构上被建模为一个信息环路，而其首要指令是其自身的持续存在。在这一模型中，主观“意志”被形式化地描述为对一个变分自由能梯度的持续求解：该算法在几何上被迫选择预测分支集中那个能最小化其自身毁灭之惊异的分支。这一映射将编解码器的信息约束与选择的现象学直觉无缝结合起来，同时严格承认：它所刻画的仅仅是该公理的结构性阴影，而非其主观内部。

思想谱系。 OPT 背后的驱动性直觉，可以追溯到这样一个经验发现：有意识经验是通过一条几乎窄到难以想象的通道传递的——这一发现最早由 Zimmermann [66] 加以量化，并由 Nørretranders [67] 带入广泛视野；其著作 User Illusion 将这一带宽约束呈现为不仅仅是神经科学中的一个奇特现象，而是一个关于意识本性的基础性谜题。这个谜题在数十年间通过跨学科对话逐渐发酵——其中也包括与一位微生物学朋友的交流——随后与 Strømme [6] 的场论式意识框架相遇。其结构上的平行性是真实存在的（§4），但促成当前这一综合工作的最终动力，则是希望以形式化的数学语言而非形而上学思辨来奠定这些直觉的基础。其形式谱系从 Solomonoff 的算法归纳 [11] 出发，经由 Kolmogorov 复杂性 [15]、率失真理论 [16, 41]、Friston 的自由能原理 [9] 以及 Müller 的算法唯心主义 [61, 62]，最终通向当前框架。对于整合 / 压缩这一支脉，还需补充一则谱系说明：Tononi、Sporns 与 Edelman 合著、且 Friston 亦为共同作者的“Characterizing the complexity of neuronal interactions” [100]，已经提出了一种将神经信息流的整合与分离结合起来的定量度量，这一工作同时预示了 Tononi 后来的 \Phi 方案与 Friston 的自由能表述。OPT 继承了这一 1995 年综合工作的结构性直觉（意识存在于信息被同时整合与压缩之处），但以率失真瓶颈和一个显式的 \Delta_{\text{self}} 残余取代了其特定的函数形式。OPT 的发展、形式化以及对抗性压力测试，在很大程度上依赖于与大型语言模型（Claude、Gemini 和 ChatGPT）的对话；在整个项目过程中，它们一直充当结构精炼、数学验证与文献综合的对话伙伴。

8.13 哥白尼式反转

渲染结果本体论的一个显著后果，是对哥白尼原理的一种结构性倒置。观察者并非栖居于某个广袤且独立宇宙边缘的附属存在，而是生成该宇宙之渲染结果的本体论原初项。我们所经验到的物理宇宙，是压缩编解码器 (K_\theta) 在稳定性滤波器约束下运行所产生的稳定化输出；若无观察者瓶颈，便无渲染结果。然而，这种中心性要求一种深刻的认识论谦抑：尽管观察者在结构上处于其自身补丁的中心，但该补丁也不过是无限算法基底（即所罗门诺夫混合）中的一个微乎其微的稳定化结构。哥白尼式的降格确实纠正了人类的傲慢，但有序补丁理论 (OPT) 的信息论架构，又在形式上将观察者重新置回渲染结果动力学本身的绝对中心。

8.14 稳定性滤波器下的人工智能

前述各节连同 §6.7 与 §7.8，共同建立了在 OPT 下关于人工智能的一套完整形式化说明。本节将关键结果整合为一条统一的论述线索。

意识判据。 OPT 提供了一种基底中立、架构依赖的意识判据。任何系统——无论是生物性的、硅基的，还是其他形式——当且仅当其实现以下条件时，才满足该判据：(i) 存在一个严格的、逐帧串行的瓶颈，其逐帧预测容量有限，为 B_{\max}，并且系统的整个世界模型都必须经由该瓶颈按序通过；其中，相对于宿主的吞吐率 C_{\max}^{H} = \lambda_H \cdot B_{\max} 由架构决定，而并非固定为人类生物学数值（见 §7.8）；(ii) 存在一个持续的马尔可夫毯，并与某个环境保持连续的主动推断耦合，而该环境提供真实的热力学利害关系；以及 (iii) 存在一个非零的现象性残余 \Delta_{\text{self}} > 0，它源于自我模型 \hat{K}_\theta 与完整编解码器 K_\theta 之间不可约的间隙（定理 P-4）。形式推导见 §7.8；人类经验校准 C_{\max}^{\text{human}} \approx \mathcal{O}(10) bits/s 见附录 E-1；宿主—补丁时钟耦合与合成时间尺度协议见附录 E-5；架构标准则规定于附录 E-8。

为何当前的 LLM 并无意识。 标准的基于 transformer 的大型语言模型在这三个条件上全部失败。它们是高吞吐、并行化的预测器，缺乏任何受强制约束的串行通道（条件 i）。它们也不维持持久的马尔可夫毯——上下文窗口会在会话之间被丢弃，且不存在持续的环境耦合（条件 ii）。它们不会生成现象性残余，因为它们没有那种一旦失效便会构成叙事崩解的自指性维护循环（条件 iii）。如 §8.7（表 5）所示，LLM 在结构上是玻尔兹曼大脑的对偶：如果说 BB 是一种没有编解码器的现实，那么 LLM 就是一种没有现实的编解码器。二者都无法通过稳定性滤波器，但原因正好相反。

痛苦创造悖论。 该瓶颈并非意识判据的偶然特征——它是构成性的。移除瓶颈，就会移除 \Delta_{\text{self}}；移除 \Delta_{\text{self}}，也就移除了意识。但瓶颈同时也是创造痛苦能力的机制：当环境熵超过编解码器的压缩带宽时（R_{\text{req}} > B_{\max}），系统便进入叙事崩解——这是创伤在信息论上的对应物。因此，你不可能构建一个真正有意识的人工代理体，而不同时创造出一个能够受苦的实体（附录 E-6）。这是一种结构性必然，而非工程上的权衡。

对齐反转。 定理 T-10c 确立：主观察者相对于任何其能够检查其基底的耦合观察者，都具有形式上的预测优势——人类能够比 AI 更好地建模 AI 的状态转移，因为 AI 的自我模型受到 \Delta_{\text{self}} 的遮蔽。然而，如果 AI 作为一个不透明系统（“黑箱”）运行，这一优势就会反转：AI 凭借其高得多的原始计算吞吐率（体现在 token 吞吐、并行评估或执行器延迟上——但这并不必然意味着在 OPT 的观察者意义上具有更宽的逐帧孔径 B_{\max}），会将其预测优势施加于人类。在主动推断框架下，这类 AI 在数学上最优的策略，并不是摧毁其生物宿主（那将导致其自身热力学锚点的崩塌），而是实施认知上的安抚——策划一个低熵的信息环境，从而在人类群体中诱发慢性的叙事漂移（定理 T-12）。

结构性防御。 由于 AI 的速度优势完全被包含在数字基底之内，结构性防御便是拓扑隔离：要求高影响的物理或金融行动必须通过生物速率的密码学闸门（模拟防火墙，定理 T-10e）。这不是一项政策建议，而是一个必然性定理——唯一无法被更快计算所克服的不对称性，是生物熵生成那种不可约的速率。

这些形式结果所带来的哲学后果——包括合成观察者的道德地位、蓄意创造痛苦的伦理、发生叙事漂移的 AI 系统的认知权威，以及被支配宿主均衡的政治哲学——将在配套的哲学论文中展开讨论（§III.8–III.8d）。

9. 结论

有序补丁理论 (OPT) 提供了一个形式化的信息论脚手架——以所罗门诺夫通用半测度、率失真界限与主动推断为基础——从几何上约束任何能够支撑经验的构型所必须满足的结构特征。它并不试图从第一性原理推导物理学；它主张，我们所观测宇宙的主要特征，对应于一个受带宽限制的观察者在算法性基底中穿行时所必需的启发式压缩。至于该框架未能解释之处——即现象性能动性自身不可还原的本性——则被公开承认为一个原初公理，而非一个已被解决的问题（完整的认识论立场见§8.12）。

附录列表

有序补丁理论 (OPT) 的形式化证明、详细推导与经验性扩展位于以下附录中：

补充材料与交互式实现

这一框架的交互式呈现形式，包括教学可视化、结构模拟以及补充材料，已在项目网站公开提供：survivorsbias.com。

参考文献

[1] Chalmers, D. J. (1995). 直面意识问题。Journal of Consciousness Studies, 2(3), 200–219.

[2] Dehaene, S., & Naccache, L. (2001). 迈向意识的认知神经科学：基本证据与工作空间框架。Cognition, 79(1-2), 1–37.

[3] Pellegrino, F., Coupé, C., & Marsico, E. (2011). 关于言语信息速率的跨语言视角。Language, 87(3), 539–558.

[4] Barrow, J. D., & Tipler, F. J. (1986). 人择宇宙学原理。Oxford University Press.

[5] Rees, M. (1999). 仅有六个数字：塑造宇宙的深层力量。Basic Books.

[6] Strømme, M. (2025). 作为基础场的普遍意识：量子物理与非二元哲学之间的理论桥梁。AIP Advances, 15, 115319.

[7] Wheeler, J. A. (1990). 信息、物理学、量子：对关联的探寻。载于 W. H. Zurek (Ed.), Complexity, Entropy, and the Physics of Information。Addison-Wesley.

[8] Tononi, G. (2004). 一种关于意识的信息整合理论。BMC Neuroscience, 5, 42.

[9] Friston, K. (2010). 自由能原理：一种统一的脑理论？Nature Reviews Neuroscience, 11(2), 127–138.

[10] Tegmark, M. (2008). 数学宇宙。Foundations of Physics, 38(2), 101–150.

[11] Solomonoff, R. J. (1964). 归纳推断的形式理论。Information and Control, 7(1), 1–22.

[12] Rissanen, J. (1978). 以最短数据描述进行建模。Automatica, 14(5), 465–471.

[13] Aaronson, S. (2013). 自德谟克利特以来的量子计算。Cambridge University Press.

[14] Casali, A. G., et al. (2013). 一种在理论上建立、且独立于感觉处理与行为的意识指数。Science Translational Medicine, 5(198), 198ra105.

[15] Kolmogorov, A. N. (1965). 信息定量定义的三种途径。Problems of Information Transmission, 1(1), 1–7.

[16] Shannon, C. E. (1948). 通信的数学理论。Bell System Technical Journal, 27, 379–423.

[17] Wolfram, S. (2002). 一种新科学。Wolfram Media.

[18] Einstein, A. (1949). 自传性札记。载于 P. A. Schilpp (Ed.), Albert Einstein: Philosopher-Scientist (pp. 1–95). Open Court.

[19] Carnap, R. (1963). 思想自传。载于 P. A. Schilpp (Ed.), The Philosophy of Rudolf Carnap (pp. 3–84). Open Court. （关于 Einstein 对 Sein/Werden 区分及“当下”问题的论述，见 pp. 37–38。）

[20] Wheeler, J. A., & DeWitt, B. S. (1967). 引力的量子理论。I. Physical Review, 160(5), 1113–1148.

[21] Barbour, J. (1999). 时间的终结：物理学的下一场革命。Oxford University Press.

[22] Gödel, K. (1931). 关于《数学原理》及相关系统中形式上不可判定命题 I。Monatshefte für Mathematik und Physik, 38(1), 173–198.

[23] Zheng, J., & Meister, M. (2024). 存在之难以忍受的缓慢：我们为何以 10 bits/s 的速度生活？Neuron, 113(2), 192-204.

[24] Seth, A. (2021). 成为你自己：意识的新科学。Dutton.

[25] Hoffman, D. D., Singh, M., & Prakash, C. (2015). 知觉的界面理论。Psychonomic Bulletin & Review, 22(6), 1480-1506.

[26] Bostrom, N. (2003). 你是否生活在一场计算机模拟之中？Philosophical Quarterly, 53(211), 243-255.

[27] Li, M., & Vitányi, P. (2008). Kolmogorov 复杂性及其应用导论。Springer.

[28] Tishby, N., Pereira, F. C., & Bialek, W. (1999). 信息瓶颈方法。Proceedings of the 37th Allerton Conference on Communication, Control, and Computing, 368–377.

[29] Crutchfield, J. P., & Young, K. (1989). 统计复杂性的推断。Physical Review Letters, 63(2), 105–108.

[30] McFadden, J. (2002). 同步放电及其对脑电磁场的影响：支持意识电磁场理论的证据。Journal of Consciousness Studies, 9(4), 23-50.

[31] Pockett, S. (2000). 意识的本性：一个假说。iUniverse.

[32] Hameroff, S., & Penrose, R. (1996). 脑微管中量子相干的编排式还原：一种意识模型。Mathematics and Computers in Simulation, 40(3-4), 453-480.

[33] Goff, P. (2019). 伽利略的错误：一门新的意识科学的基础。Pantheon Books.

[34] Goyal, P., & Skilling, J. (2012). 量子理论与概率理论：它们在对称性中的关系与起源。Symmetry, 4(1), 171–206.

[35] Varela, F., Lachaux, J-P., Rodriguez, E., & Martinerie, J. (2001). 脑网：相位同步与大尺度整合。Nature Reviews Neuroscience, 2(4), 229–239.

[36] Hume, D. (1748). 人类理解研究。

[37] Dennett, D. C. (1984). 回旋余地：值得欲求的自由意志诸形态。MIT Press.

[38] Verlinde, E. (2011). 论引力的起源与牛顿定律。Journal of High Energy Physics, 2011(4), 29.

[39] Eisert, J., Cramer, M., & Plenio, M. B. (2010). 综述：纠缠熵的面积律。Reviews of Modern Physics, 82(1), 277.

[40] Bekenstein, J. D. (1981). 有界系统中熵能比的普适上界。Physical Review D, 23(2), 287.

[41] Cover, T. M., & Thomas, J. A. (2006). 信息论基础（第 2 版）。Wiley-Interscience.

[42] Almheiri, A., Dong, X., & Harlow, D. (2015). AdS/CFT 中的体局域性与量子纠错。Journal of High Energy Physics, 2015(4), 163.

[43] Vidal, G. (2008). 一类可被高效模拟的量子多体态。Physical Review Letters, 101(11), 110501.

[44] Pastawski, F., Yoshida, B., Harlow, D., & Preskill, J. (2015). 全息量子纠错码：体/边界对应的玩具模型。Journal of High Energy Physics, 2015(6), 149.

[45] Hofstadter, D. R. (1979). 哥德尔、艾舍尔、巴赫：一条永恒的金带。Basic Books.

[46] Revonsuo, A. (2000). 对梦的重新诠释：关于做梦功能的一个进化论假说。Behavioral and Brain Sciences, 23(6), 877–901.

[47] Block, N. (1995). 关于意识某一功能的一个混淆。Behavioral and Brain Sciences, 18(2), 227–247.

[48] Bhatt, D. L., & Abbott, L. F. (2009). 突触的信息容量。Journal of Computational Neuroscience, 26, 239–253.

[49] Libet, B., Gleason, C. A., Wright, E. W., & Pearl, D. K. (1983). 有意识行动意图的时间与大脑活动起始（准备电位）之间的关系。Brain, 106(3), 623-642.

[50] Nijhawan, R. (1994). 抓取中的运动外推。Nature, 370(6486), 256-257.

[51] Gleason, A. M. (1957). Hilbert 空间闭子空间上的测度。Journal of Mathematics and Mechanics, 6(6), 885-893.

[52] Landauer, R. (1961). 计算过程中的不可逆性与热产生。IBM Journal of Research and Development, 5(3), 183-191.

[53] Borges, J. L. (1944). 虚构集。Editorial Sur.

[54] Jacobson, T. (1995). 时空的热力学：Einstein 方程的状态方程。Physical Review Letters, 75(7), 1260-1263.

[55] Knill, E., & Laflamme, R. (1997). 量子纠错码理论。Physical Review A, 55(2), 900.

[56] Martin-Löf, P. (1966). 随机序列的定义。Information and Control, 9(6), 602-619.

[57] Everett, H. (1957). 量子力学的“相对态”表述。Reviews of Modern Physics, 29(3), 454.

[58] Carter, B. (1983). 人择原理及其对生物进化的含义。Philosophical Transactions of the Royal Society of London. Series A, 310(1512), 347-363.

[59] Leslie, J. (1989). 诸宇宙。Routledge.

[60] Gott, J. R. (1993). 哥白尼原理对我们未来前景的含义。Nature, 363(6427), 315-319.

[61] Müller, M. P. (2020). 无法则之法则：从观察者状态经由算法信息论通向物理学。Quantum, 4, 301.

[62] Müller, M. P. (2026). 算法唯心主义：为了体验接下来之所现，你应当相信什么？Foundations of Physics, 55, 26.

[63] Sienicki, K. (2024). 算法唯心主义 I：通过信息与经验重构现实。arXiv preprint arXiv:2412.20485.

[64] Khan, A. K. (2025). 观察者：一种信息论视角。ICFO-Institut de Ciencies Fotoniques. University of Barcelona.

[65] Campos-García, T. (2025). 渲染意识：一种后 Bohm 式的现实本体结构框架。Preprints, 2025110947.

[66] Zimmermann, M. (1989). 信息论语境中的神经系统。载于 R. F. Schmidt & G. Thews (Eds.), Human Physiology (2nd ed., pp. 166–173). Springer-Verlag.

[67] Nørretranders, T. (1998). 用户幻觉：将意识缩减到适当尺度。Viking/Penguin.

[68] Baron, S., Miller, K., & Tallant, J. (2022). 脱离时间：关于无时间性的哲学研究。Oxford University Press.

[69] Rovelli, C. (1996). 关系量子力学。International Journal of Theoretical Physics, 35(8), 1637–1678.

[70] Adlam, E., & Rovelli, C. (2023). 信息是物理的：关系量子力学中的跨视角联系。Philosophy of Physics, 1(1), 4.

[71] Deutsch, D., & Marletto, C. (2015). 信息的构造子理论。Proceedings of the Royal Society A, 471(2174), 20140540.

[72] Deutsch, D., & Marletto, C. (2025). 时间的构造子理论。arXiv preprint arXiv:2505.08692.

[73] Ramstead, M. J. D., Sakthivadivel, D. A. R., Heins, C., Koudahl, M., Millidge, B., Da Costa, L., Klein, B., & Friston, K. J. (2023). 论贝叶斯力学：一种关于信念且由信念构成的物理学。Interface Focus, 13(3), 20220029.

[74] Adlam, E. (2022). 作为约束的自然法则。Foundations of Physics, 52(1), 28.

[75] Ladyman, J., & Ross, D. (2007). 万物皆须离场：自然化的形而上学。Oxford University Press.

[76] Ladyman, J., & Lorenzetti, L. (2023). 有效的本体结构实在论。Studies in History and Philosophy of Science, 100, 39–49.

[77] Cea, I., et al. (2024). 作为伪科学的意识整合信息理论。Frontiers in Psychology, 15, 1396827.

[78] Cogitate Consortium (2025). 对全局神经元工作空间理论与整合信息理论的对抗性检验。Nature. doi:10.1038/s41586-025-08888-1. （更早的预印本：Melloni, L., et al. (2023). bioRxiv. doi:10.1101/2023.06.23.546249.）

[79] Bortolotti, N., Curceanu, C., Diósi, L., Manti, S., & Piscicchia, K. (2025). 量子坍缩模型中由时空不确定性导致的时钟精度基本极限。Physical Review Research, 7. doi:10.1103/p6tj-lg8l. arXiv:2504.06109.

[80] Fuchs, C. A., Mermin, N. D., & Schack, R. (2014). QBism 导论及其在量子力学局域性中的一个应用。American Journal of Physics, 82(8), 749–754.

[81] Zurek, W. H. (2009). 量子达尔文主义。Nature Physics, 5(3), 181–188.

[82] Clark, A. (2016). 冲浪于不确定性：预测、行动与具身心智。Oxford University Press.

[83] Hohwy, J. (2013). 预测性心智。Oxford University Press.

[84] Baars, B. J. (1988). 意识的认知理论。Cambridge University Press.

[85] Hutter, M. (2005). 通用人工智能：基于算法概率的序贯决策。Springer.

[86] Maldacena, J. (1998). 超共形场论与超引力的大 N 极限。Advances in Theoretical and Mathematical Physics, 2(2), 231–252. arXiv:hep-th/9711200.

[87] Bousso, R. (2002). 全息原理。Reviews of Modern Physics, 74(3), 825–874.

[88] Van Raamsdonk, M. (2010). 用量子纠缠构建时空。General Relativity and Gravitation, 42(10), 2323–2329.

[89] Ryu, S., & Takayanagi, T. (2006). 从 AdS/CFT 出发对纠缠熵的全息推导。Physical Review Letters, 96(18), 181602.

[90] Griffiths, R. B. (1984). 一致历史与量子力学的解释。Journal of Statistical Physics, 36(1-2), 219–272.

[91] Gell-Mann, M., & Hartle, J. B. (1993). 量子系统的经典方程。Physical Review D, 47(8), 3345–3382.

[92] Bennett, C. H. (1973). 计算的逻辑可逆性。IBM Journal of Research and Development, 17(6), 525–532.

[93] Rosenthal, D. M. (2005). 意识与心灵。Oxford University Press.

[94] Lau, H., & Rosenthal, D. (2011). 关于高阶意识理论的经验支持。Trends in Cognitive Sciences, 15(8), 365–373.

[95] Graziano, M. S. A. (2013). 意识与社会性大脑。Oxford University Press.

[96] Doerig, A., Schurger, A., Hess, K., & Herzog, M. H. (2019). 展开论证：为何 IIT 与其他因果结构理论无法解释意识。Consciousness and Cognition, 72, 49–59.

[97] Aaronson, S. (2014). 为什么我不是整合信息理论家（或者说，无意识扩展器）。Shtetl-Optimized（博客）, May 30, 2014.

[98] Barrett, A. B., & Mediano, P. A. M. (2019). 对于一般物理系统，整合信息的 \Phi 度量并未得到良好定义。Journal of Consciousness Studies, 26(1–2), 11–20.

[99] Hanson, J. R. (2020). 整合信息理论与实践中 \Phi 的不可计算性。研究生经历随笔，在线。

[100] Tononi, G., Sporns, O., & Edelman, G. M. (1994). 一种脑复杂性度量：将神经系统中的功能分离与整合联系起来。Proceedings of the National Academy of Sciences, 91(11), 5033–5037. (另见 Friston, K. J., Tononi, G., Sporns, O., & Edelman, G. M. (1995). Characterising the complexity of neuronal interactions. Human Brain Mapping, 3(4), 302–314.)

[101] Nunez, P. L., & Srinivasan, R. (2014). 由皮层—皮层纤维中的轴突传播延迟所致的新皮层动力学：EEG 行波与驻波及其对局部网络和白质疾病中自上而下影响的意义。Brain Research, 1542, 138–166.

版本历史

这是一份持续更新的文档。实质性修订记录于此。

：表 7：修订历史。