全域欲相位認識論 v0.1

——從語義搜尋、動態世界模型到主動科學介入的統一架構

Global Intent-Phase Epistemology v0.1: From Semantic Search and Dynamic World Models to Active Scientific Intervention

作者：Neo.K × GPT-5.6 Thinking
機構：EveMissLab / 一言諾科技有限公司
版本：v0.1
日期：2026-07-24
文件定位：認識論總論／AI 科學方法論／GIPSS 上位理論

摘要

《全域欲相位語義搜尋法》原本從一個相對具體的問題出發：當搜尋者不知道對象名稱、不知道其平台身份，甚至不知道世界上是否存在這類對象時，能否先描述欲尋找的存在結構，再從跨平台、跨語言、跨時間與跨組織資料中重建未知同類？

然而，搜尋實驗顯示，網路搜尋只是整套方法中最表層的一種資料取得形式。當欲結構不再指向某個既有的人、文件或技術專案，而是指向尚未存在、尚未被發現或尚未被充分理解的分子、材料、物理機制、量子態、數學結構、控制策略或科學規律時，系統不能只從索引中取回資料，而必須生成候選、安排模擬、控制實驗、收集觀測、執行驗證、搜尋反例，並更新其對世界的認識。

本文提出「全域欲相位認識論」（Global Intent-Phase Epistemology, GIPE），作為 GIPSS、DRC Search 與 SGCD 之上的母理論。GIPE 將認識活動表示為一個由欲結構驅動的閉環：

\mathcal{W}_t \rightarrow \text{認識空間展開} \rightarrow \text{候選行動生成} \rightarrow \text{世界模型投影} \rightarrow \text{介入／模擬／實驗} \rightarrow \text{觀測} \rightarrow \text{驗證與反證} \rightarrow \text{相位更新} \rightarrow \mathcal{W}_{t+1}

在此架構中，GIPSS 不再等同整套理論，而被重新定位為認識收集與候選發現前端；DRC 負責發散、共振與壓縮所構成的認識控制循環；SGCD 負責任務條件化的動態世界模型；介入平面負責對模擬空間、形式系統或物理世界施加可執行操作；驗證平面負責重複、反例、誤差、因果、形式證明與信念更新；欲相位判定則持續比較當前世界狀態、候選狀態與目標狀態之間的多維差異。

本文的核心命題是：

搜尋不是認識活動的全部，而只是認識空間中的一種低成本觀測行為。完整的人工智慧科學認識論，必須同時處理欲、搜尋、生成、介入、驗證、反證、記憶與世界模型更新。

關鍵詞

全域欲相位認識論、GIPE、全域欲相位語義搜尋法、GIPSS、DRC Search、SGCD、主動科學介入、AI 科學家、動態世界模型、實驗設計、反證、自主研究、認識循環

一、問題的重新發現

1.1 搜尋實驗揭露的限制

GIPSS v0.2 的第一次正式實驗，用於尋找全球公開資料中的 AI 自主研究系統。該實驗證明：

欲結構可以有效地把模糊研究目標編譯成可執行條件；
DRC 能展開名稱、功能、領域與反向查詢；
SGCD 能把系統、論文、程式庫、能力與研究路線組成動態關係圖；
相位判定能區分論文生成器、資料代理、物理實驗系統、形式科學代理與跨輪研究生態；
功能同類常因命名或分類差異而被一般清單漏失。

但這次實驗也顯示，若整套架構只被理解為搜尋法，其真正能力將被嚴重低估。

因為搜尋已公開資料只是：

\text{從已存在痕跡中取得觀測}

而科學認識更常要求：

\text{生成尚不存在的候選} + \text{對世界施加介入} + \text{取得新觀測} + \text{修正世界模型}

1.2 找人可能是最低價值的應用

利用 GIPSS 搜尋未知人物、團隊或組織，具備展示價值，因為它容易理解、資料相對公開，也能直接展示跨平台身份解析。

但從科學價值來看，這通常是最弱的一種應用。原因是：

目標大多已存在；
搜尋者無法改變目標本身；
真實狀態由公開痕跡間接表示；
介入空間狹窄；
新知主要來自重新整理既有資料；
驗證多半是來源交叉比對，而非對自然世界提出新問題。

相較之下，化學、材料、物理、量子、數學與工程中的目標常是：

尚未合成的材料；
尚未發現的反應機理；
尚未觀測的物理現象；
尚未證明的命題；
尚未建立的控制策略；
尚未存在的工程構造。

此時，被搜尋的不是頁面，而是可能世界中的可實現存在。

二、從搜尋到認識

2.1 狹義搜尋

狹義搜尋可表示為：

q \rightarrow D' \subseteq D

其中 $D$ 是已存在資料， $D'$ 是被召回的子集。

其核心問題是：

哪些既有資料與當前查詢最相關？

2.2 廣義認識取得

廣義認識取得不只包含資料召回，而包含所有能降低關鍵不確定性的行動：

a_t \in \mathcal{A}_{epistemic}

其中：

\mathcal{A}_{epistemic} = \{ \text{查詢}, \text{閱讀}, \text{計算}, \text{模擬}, \text{測量}, \text{實驗}, \text{合成}, \text{證明}, \text{反例搜尋}, \text{模型比較}, \text{詢問專家} \}

因此，認識行動的選擇問題為：

a_t^{*} = \arg\max_{a\in\mathcal A} \left[ \operatorname{ExpectedInformationGain}(a) - \operatorname{Cost}(a) - \operatorname{Risk}(a) \right]

2.3 科學認識循環

科學認識不是一次取得答案，而是不斷重寫：

目前認為世界是什麼；
哪些部分仍不知道；
下一個最值得做的認識行動是什麼；
哪些觀測足以改變目前判斷；
哪些失敗代表假設錯誤；
哪些失敗只是工具或實驗流程錯誤。

因此：

\boxed{ \text{Search} \subset \text{Epistemic Acquisition} \subset \text{Scientific Cognition} }

GIPSS 屬於第一層與第二層的前端；GIPE 則處理第三層。

三、全域欲相位認識論

3.1 定義

全域欲相位認識論是一套以欲結構定義認識目標，以動態世界模型表示當前理解，以發散—共振—壓縮循環控制認識行動，以介入和觀測生成新證據，再以相位差、驗證與反證更新世界模型的統一架構。

其基本形式為：

\operatorname{GIPE} = \left( \mathcal{W}, \mathcal{B}, \mathcal{A}, \mathcal{O}, \mathcal{V}, \Phi, \mathcal{M} \right)

其中：

$\mathcal{W}$ ：欲結構；
$\mathcal{B}$ ：動態世界底圖；
$\mathcal{A}$ ：認識與介入行動空間；
$\mathcal{O}$ ：觀測；
$\mathcal{V}$ ：驗證、反證與信念更新；
$\Phi$ ：相位空間；
$\mathcal{M}$ ：可逆研究記憶。

3.2 全域的重新定義

GIPE 中的「全域」不表示系統能取得宇宙中所有資料，而表示它不預先將認識對象限制為單一資料形式、單一領域或單一尺度。

其全域性包含：

資料全域：文件、程式、圖像、實驗資料、儀器記錄與形式證明；
語言全域：跨自然語言、符號語言與專業記號；
尺度全域：從原子、分子、材料到社會與理論系統；
行動全域：搜尋、計算、模擬、實驗、證明與工程構造；
時間全域：歷史資料、即時觀測與未來候選；
認識狀態全域：已知、未知、矛盾、缺失、不可判定與尚未生成。

因此：

\hat{\Omega}_{epistemic} \subset \Omega_{world}

GIPE 操作的是一個可擴張的近似認識域，而非宣稱掌握完整世界。

四、欲：認識活動的目標結構

4.1 欲不是情緒

本文中的「欲」不是心理情緒，也不是任意偏好，而是可執行的目標狀態、約束條件與證據規格。

定義：

\mathcal{W}_t = \left( \mathcal{G}_t, \mathcal{C}_t, \mathcal{E}_t, \mathcal{R}_t, \mathcal{S}_t, \mathcal{X}_t \right)

其中：

$\mathcal{G}_t$ ：目標狀態；
$\mathcal{C}_t$ ：必要、偏好與排除條件；
$\mathcal{E}_t$ ：證據需求；
$\mathcal{R}_t$ ：成本、安全、倫理與資源限制；
$\mathcal{S}_t$ ：停止、升級或修正條件；
$\mathcal{X}_t$ ：允許的不確定性。

4.2 發現欲與創造欲

GIPE 區分兩類基本欲：

發現欲

目標被假設已存在，但尚未被辨識：

\exists x\in\Omega: P(x\mid\mathcal W)>0

例如：

尋找未知同類研究者；
尋找被忽略的物理異常；
尋找未被主流分類的技術路線；
尋找既有資料中的新型生物標記。

創造欲

目標可能尚不存在，需要透過生成與介入使其出現：

x^{*} \notin \Omega_{observed}

但：

x^{*} \in \Omega_{constructible}

例如：

新催化劑；
新晶體結構；
新量子控制序列；
新演算法；
新數學構造；
新工程系統。

兩者共用欲結構與相位判定，但行動空間不同。

4.3 欲可被修正

科學研究中，原始欲可能不合理、不可實現或建立在錯誤假設上。

因此：

\mathcal W_{t+1} \neq \mathcal W_t

欲的修正包括：

放寬不可同時滿足的條件；
發現真正重要的目標不是原先指標；
新增安全與可製造性要求；
從尋找某種對象改為尋找一組機理；
從證明命題改為刻畫反例空間。

GIPE 不把目標視為永遠正確，而把欲本身也置於認識循環中。

五、相位：目標、候選與世界狀態之間的差異

5.1 相位不是只有物質相

「相位」在 GIPE 中指的是一個對象、理論、候選或世界狀態在多維狀態空間中的位置及其方向性差異。

候選 $x$ 的相位剖面：

\Phi(x,t) = \left( \phi_1, \phi_2, \dots, \phi_n \right)_t

目標相位：

\Phi_{\mathcal W} = \left( \phi_1^{*}, \phi_2^{*}, \dots, \phi_n^{*} \right)

相位差：

\Delta\Phi_x(t) = \Phi(x,t) - \Phi_{\mathcal W}

5.2 領域相位

不同領域需要不同相位系統。

化學相位

反應性；
選擇性；
活化能；
產率；
毒性；
穩定性；
合成難度；
成本。

材料相位

晶體結構；
缺陷密度；
熱力學穩定性；
導電性；
光學性質；
機械性質；
製程適配性；
可量產性。

物理相位

理論適用域；
對稱性；
能量尺度；
邊界條件；
可觀測量；
模型誤差；
儀器解析度；
異常強度。

量子相位

量子態保真度；
糾纏結構；
退相干；
閘深度；
控制誤差；
測量可辨識性；
噪聲敏感度。

數學相位

命題強度；
證明深度；
公理依賴；
反例距離；
可形式化程度；
計算可驗證性；
與既有定理的系譜位置。

5.3 相位差不等於總分

GIPE 原則上反對過早壓縮成單一排名。

兩個候選可能具有相同總分，但生成機制完全不同：

D(x_1,\mathcal W) \approx D(x_2,\mathcal W)

不代表：

\Delta\Phi_{x_1} \approx \Delta\Phi_{x_2}

因此，總分只能用於資源調度，不能取代類型化相位報告。

六、SGCD：動態世界模型

6.1 從文件圖到世界圖

SGCD 在 GIPE 中不再只處理語義文件，而是表示領域世界模型：

\mathcal B_t = (V_t,E_t,\mathbf C_t,S_t,H_t,P_t)

其中：

$V_t$ ：實體、狀態、條件、事件、命題與操作；
$E_t$ ：依賴、因果、生成、抑制、矛盾與相似關係；
$\mathbf C_t$ ：多維耦合向量；
$S_t$ ：當前狀態；
$H_t$ ：歷史、版本與失敗記錄；
$P_t$ ：證據與溯源。

6.2 任務投影

同一底圖在不同欲結構下產生不同任務圖：

G_{\tau,\mathcal W}(t) = \Pi_{\tau,\mathcal W} \left( \mathcal B_t \right)

例如，一個材料節點與另一個節點之間可能同時具有：

結構相似；
合成路徑共享；
毒性相反；
製程衝突；
熱穩定性耦合。

當任務是提升導電率時，結構與缺陷耦合可能被激活；當任務是降低成本時，製程和元素供應鏈耦合則被提高。

6.3 世界模型不是事實清單

每個節點與關係應包含認識狀態：

s_i \in \{ \text{Confirmed}, \text{Probable}, \text{Hypothesized}, \text{Contradicted}, \text{Unknown}, \text{Unobservable}, \text{Constructed} \}

每條關係也應記錄：

支持證據；
反對證據；
有效時間；
適用條件；
模型依賴；
不確定性；
是否由模擬或實驗產生。

七、DRC：認識控制循環

7.1 發散

DRC 的發散不再等於查詢詞擴展，而是產生候選認識行動：

\mathcal A_t^{cand} = \operatorname{Diverge} \left( \mathcal W_t, G_t, \mathcal Z_t, \mathcal H_t, B_t \right)

候選行動可以是：

搜尋文獻；
生成分子；
修改晶格；
改變邊界條件；
設計實驗；
執行模擬；
尋找反例；
證明輔助命題；
重新校準儀器；
驗證資料管線；
請求人工判斷。

7.2 共振

共振表示某一候選行動對當前認識狀態的改變能力。

定義：

R(a) = f \left( I(a), N(a), G(a), F(a), V(a), C(a), K(a) \right)

其中：

$I(a)$ ：預期資訊增益；
$N(a)$ ：新穎性；
$G(a)$ ：填補相位缺口的能力；
$F(a)$ ：可否證性；
$V(a)$ ：可驗證性；
$C(a)$ ：成本；
$K(a)$ ：風險。

高共振不代表符合既有信念。能推翻核心假設的反證行動，可能具有最高共振。

7.3 壓縮

壓縮將一輪研究結果變成可繼續計算的認識狀態：

\mathcal M_t = \left( G_t^{summary}, E_t^{bundle}, Z_t^{gap}, F_t^{failure}, A_{t+1}^{seed}, W_{t+1}^{proposal} \right)

壓縮必須保留：

原始資料；
程式與參數；
模型版本；
實驗條件；
失敗原因；
結論對應的證據；
可重跑入口。

否則，它只是敘事摘要，不是研究記憶。

八、介入平面

8.1 為什麼必須介入

只讀取世界會受到既有資料分布限制。

當關鍵問題沒有現成資料時，系統必須主動製造可辨識差異：

\operatorname{do}(a) \rightarrow o

介入的目的不是單純改變世界，而是使不同假設產生可區分觀測。

8.2 介入類型

計算介入

執行程式；
改變參數；
跑模擬；
生成合成資料；
搜尋反例；
形式證明。

物理介入

合成；
加熱、加壓、冷卻；
改變濃度；
調整電場、磁場或光場；
操作儀器；
進行量測。

結構介入

修改模型架構；
改變晶格或分子；
增刪控制變量；
修改實驗流程；
改寫假設。

8.3 介入接口

定義行動：

a_t = \left( op, target, params, preconditions, expected, risk, rollback \right)

其中：

$op$ ：操作；
$target$ ：目標；
$params$ ：參數；
$preconditions$ ：前置條件；
$expected$ ：預期觀測；
$risk$ ：風險；
$rollback$ ：可否回滾。

高風險物理介入必須由人類、機構規範或硬體安全層授權。

九、驗證與反證平面

9.1 驗證不是單一模型自評

驗證至少包含：

資料有效性；
方法正確性；
程式與實驗可重現性；
統計顯著性與效應量；
替代解釋；
邊界條件；
反例；
因果關係；
形式一致性；
外部審核。

9.2 驗證算子

對命題 $h$ ：

\mathcal V(h) = \left( E^{+}, E^{-}, U, R, D \right)

其中：

$E^{+}$ ：支持證據；
$E^{-}$ ：反對證據；
$U$ ：未知與未測部分；
$R$ ：重現狀態；
$D$ ：依賴的前提與模型。

9.3 反證優先

GIPE 應主動產生最可能推翻當前核心假設的行動：

a_{counter}^{*} = \arg\max_a P \left( \neg h \mid o_a \right) \cdot \operatorname{Impact}(h)

這能抑制共振偏見與研究自我強化。

9.4 失敗的分類

實驗失敗至少可能是：

假設錯誤；
實驗設計錯誤；
工具故障；
程式錯誤；
測量不足；
資料污染；
邊界條件不成立；
介入沒有真正作用；
目標本身不可達。

GIPE 必須先分類失敗，才能決定是修改假設、修復工具，還是改寫欲結構。

十、統一認識狀態

10.1 狀態定義

完整認識狀態為：

\mathfrak X_t = \left( \mathcal W_t, \mathcal B_t, G_t, \mathcal H_t, \mathcal A_t, \mathcal O_t, \mathcal V_t, \Delta\Phi_t, \mathcal M_t, \mathcal Z_t \right)

其中：

$\mathcal H_t$ ：當前假設集合；
$\mathcal Z_t$ ：矛盾、缺口與未解問題。

10.2 狀態更新

\mathfrak X_{t+1} = \mathcal U \left( \mathfrak X_t, a_t, o_t, v_t, f_t \right)

其中：

$a_t$ ：執行行動；
$o_t$ ：觀測；
$v_t$ ：驗證結果；
$f_t$ ：失敗分類。

10.3 研究閉環

\boxed{ \mathcal W_t \xrightarrow{\operatorname{DRC}_D} \mathcal A_t^{cand} \xrightarrow{\operatorname{SGCD}} G_t^{action} \xrightarrow{\operatorname{Select}} a_t \xrightarrow{\operatorname{Intervene}} o_t \xrightarrow{\operatorname{Verify}} v_t \xrightarrow{\operatorname{Phase}} \Delta\Phi_t \xrightarrow{\operatorname{DRC}_{R,C}} \mathfrak X_{t+1} }

十一、各領域的實作形式

11.1 化學

欲結構：

\mathcal W= \left( \text{yield}>90\%, \text{selectivity}>95\%, T<350K, \text{toxicity low}, \text{cost low} \right)

發散：

反應物替代；
催化劑；
溶劑；
溫度；
壓力；
反應時間；
合成路徑；
機理假設。

世界圖：

\text{分子} \leftrightarrow \text{反應} \leftrightarrow \text{條件} \leftrightarrow \text{機理} \leftrightarrow \text{產物}

介入：

量子化學計算；
反應路徑搜索；
小規模合成；
光譜；
產率與副產物測量。

11.2 材料學

欲結構：

\mathcal W= \left( P\approx1\mathrm{atm}, T_c>T_0, \text{stable}=1, \text{non-toxic}=1, \text{scalable}=1 \right)

發散：

元素組合；
晶格；
摻雜；
缺陷；
製程；
壓力與溫度歷史；
表面處理。

介入：

DFT；
分子動力學；
相圖計算；
合成；
結構分析；
電性或光性測量。

11.3 物理學

欲可能不是尋找物件，而是辨識理論失配：

\mathcal W= \left( \operatorname{Residual} > \epsilon, \text{instrument artifact}=0, \text{known model}=0 \right)

系統需要：

聚合跨實驗異常；
搜尋共同邊界條件；
提出競爭模型；
設計可區分模型的實驗；
更新理論適用域。

11.4 量子科學

欲結構：

\mathcal W= \left( Fidelity>0.999, Depth<D_0, Noise<N_0, Cost<C_0 \right)

候選行動：

閘序列生成；
控制脈衝優化；
噪聲模型辨識；
測量基底設計；
糾錯碼搜索；
模擬與真機比較。

11.5 數學

欲結構可以是：

\mathcal W= \left( \text{prove }P, \text{or construct counterexample}, \text{with explicit dependency graph} \right)

發散：

輔助引理；
特例；
極端參數；
計算搜索；
反例生成；
公理替換；
類比定理；
形式化策略。

介入不是物理操作，而是在形式空間中建構：

\operatorname{Construct} \left( \text{proof}, \text{model}, \text{counterexample} \right)

十二、跨語言與跨符號認識

12.1 語言不是單純翻譯層

同一科學概念可能在不同語言、學派與工程社群中使用不同分類。

因此跨語言不只要求：

\operatorname{Translate}(x)

還要求：

\operatorname{AlignOntology} \left( \Omega_{L_1}, \Omega_{L_2} \right)

12.2 跨語言發散

系統應同時展開：

直譯術語；
歷史術語；
地方工程用語；
不同學派分類；
非英語專利與標準；
學術語言與產業語言；
形式符號與自然語言。

AGI 或 ASI 與 GIPE 結合後的力量，不只來自閱讀更多語言，而是能將不同語言中的分散認識投影到同一動態世界圖，再保留其不可完全互譯的差異。

十三、AGI／ASI 與 GIPE

13.1 智能提升帶來的不是單純更快搜尋

更強 AI 可提高：

欲結構編譯；
跨領域本體對齊；
發散品質；
行動價值估計；
多尺度世界模型；
長期記憶；
工具使用；
反證能力；
實驗設計；
理論壓縮。

但如果缺乏 GIPE 式結構，更強模型仍可能：

無目的地展開；
過早收斂；
無法區分資料缺失與不存在；
將相關性當因果；
將流暢答案當驗證；
丟失失敗歷史；
無法管理跨輪世界模型。

13.2 GIPE 作為 AGI 科學前置架構

GIPE 可被視為 AGI 進入科學領域前必須具備的認識協議：

\text{Intelligence} + \text{Epistemic Control} + \text{World Intervention} + \text{Verification}

ASI 可能極大擴張候選與推理空間，但仍需要：

明確欲結構；
安全介入邊界；
可回溯研究記憶；
反證優先；
不確定性；
人類或制度責任接口。

十四、與既有方法的關係

GIPE 不是要取代所有既有方法，而是提供統一上層。

它可以容納：

貝葉斯優化；
主動學習；
強化學習；
實驗設計；
因果推斷；
知識圖譜；
自動定理證明；
生成模型；
多智能體系統；
科學工作流；
機器人實驗室；
文獻檢索與證據綜合。

其差異在於：

GIPE 不把任何單一算法視為整個科學認識循環，而是規定它們在欲、世界模型、介入、驗證與相位更新之間的位置。

十五、工程架構

15.1 六平面架構

GIPE 建議採用六個主要平面：

欲與目標平面
認識控制平面
動態世界模型平面
介入與生成平面
驗證與反證平面
記憶與溯源平面

15.2 系統流程

Intent / Desire Compiler
        ↓
Goal, Constraint and Evidence Schema
        ↓
DRC Epistemic Action Generator
        ↓
SGCD Task-Conditioned World Model
        ↓
Action Value / Risk / Information Gain Estimator
        ↓
Search / Simulation / Proof / Experiment / Construction
        ↓
Observation Normalizer
        ↓
Verification / Falsification / Reproduction
        ↓
Typed Phase Comparison
        ↓
Reversible Compression and Research Memory
        ↓
World Model and Desire Revision

15.3 認識行動格式

action_id: action-001
type: simulation
target: candidate-material-42
operation: dft_relaxation
parameters:
  functional: PBE
  cutoff_energy: 520
preconditions:
  structure_validated: true
expected_observation:
  formation_energy: numeric
epistemic_goal:
  reduce_uncertainty: thermodynamic_stability
cost:
  gpu_hours: 8
risk:
  level: low
rollback:
  available: true

15.4 命題—證據格式

{
  "claim_id": "claim-104",
  "statement": "candidate-material-42 is stable at ambient pressure",
  "status": "provisional",
  "supporting_evidence": [
    "simulation-221",
    "experiment-019"
  ],
  "counter_evidence": [
    "experiment-023"
  ],
  "assumptions": [
    "phase-purity",
    "instrument-calibration"
  ],
  "uncertainty": 0.24,
  "valid_conditions": {
    "pressure_gpa": [0.0, 0.2],
    "temperature_k": [280, 320]
  }
}

十六、治理與安全

16.1 認識欲不等於行動授權

系統可以提出某個高資訊增益實驗，不代表它有權執行。

必須區分：

\operatorname{Propose}(a) \neq \operatorname{Authorize}(a)

16.2 風險分層

行動可分為：

純資訊查詢；
沙盒計算；
可逆模擬；
低風險實驗；
高成本實驗；
生物、化學、能源與物理高風險介入；
不可逆或具有外部影響的操作。

不同層級需要不同授權、審核與記錄。

16.3 認識誠實

GIPE 必須保留：

未知；
無法取得；
未能重現；
模型依賴；
證據矛盾；
觀測偏差；
負結果；
失敗實驗。

系統不得用壓縮後的流暢敘事掩蓋認識缺口。

十七、理論命題

命題一：搜尋只是認識取得的子集

若問題需要生成新資料或新存在，單純資料召回不足以完成認識閉環。

命題二：欲結構是科學行動選擇的前提

沒有可執行的目標、約束與證據規格，發散會退化為無方向探索。

命題三：世界模型必須任務條件化

不存在一張對所有科學問題永久最佳的單一世界圖。

命題四：介入是區分相關與機制的重要條件

只依觀測資料建立的關係不能自動等同因果或生成機制。

命題五：反證是高價值共振

能推翻核心假設的行動，可能比能增加更多支持案例的行動具有更高認識價值。

命題六：失敗是世界模型的一部分

刪除失敗記錄會使研究系統重複錯誤、錯估可行域並產生虛假收斂。

命題七：相位差比單一目標分數更能保留科學結構

多維差異能揭示候選達成目標的不同機理與代價。

命題八：可逆記憶是自治科學的必要條件

若研究結論無法回溯至資料、程式、條件與驗證，則它不能支撐長期自主研究。

命題九：AGI 不會自動產生正確科學方法

更高智能若缺少認識控制、介入治理與反證機制，仍可能高效產生錯誤研究。

十八、研究路線圖

v0.2：形式化認識行動

欲結構語言；
相位型別系統；
認識行動 schema；
命題—證據圖；
失敗分類；
介入授權接口。

v0.3：領域適配器

優先建立：

數學；
材料；
化學；
機器學習；
物理資料分析。

v0.4：封閉世界實驗

在可重現資料集與模擬環境中測試：

欲編譯；
候選發散；
行動選擇；
世界模型更新；
反證；
相位收斂。

v0.5：人類實驗室在環

將 GIPE 連接：

DFT 或分子模擬；
自動定理證明器；
程式執行沙盒；
實驗室資料接口；
人工審核與授權。

v1.0：通用認識循環平台

應具備：

跨領域欲結構；
動態世界模型；
認識行動生成；
模擬、形式與實驗接口；
驗證與反證；
可逆研究記憶；
風險治理；
跨語言本體對齊；
長期研究狀態；
可重現 run manifest。

十九、結論

全域欲相位語義搜尋法的真正價值，不在於建立一個更大的網路搜尋器，而在於它揭露了一種更廣泛的認識結構。

當欲指向既有資料時，系統進行搜尋。

當欲指向尚未充分理解的現象時，系統進行觀測、建模與驗證。

當欲指向尚未存在的對象時，系統生成候選、介入世界並測試其可實現性。

因此，GIPE 的完整形式不是：

\text{問題} \rightarrow \text{答案}

而是：

\boxed{ \text{欲} \rightarrow \text{認識空間} \rightarrow \text{候選行動} \rightarrow \text{世界介入} \rightarrow \text{觀測} \rightarrow \text{驗證與反證} \rightarrow \text{相位更新} \rightarrow \text{新的欲與世界模型} }

GIPSS 應被保留，但重新定位為這套母理論中的認識收集與候選發現前端。

DRC 應被提升為認識控制器。

SGCD 應被提升為動態世界模型。

介入與驗證則使整個架構真正從資訊搜尋跨入科學認識。

最終，這套理論所處理的不是如何找到更多資料，而是：

一個智能體如何在不知道答案、答案尚未存在、資料尚未產生，甚至問題本身仍可能錯誤的情況下，持續選擇下一個最值得做的認識行動。

附錄 A：統一偽代碼

INPUT:
    Raw epistemic desire W_raw
    Initial world model B
    Available actions A
    Resource budget R
    Safety and authorization policy P

1. W <- CompileDesire(W_raw, P)
2. X <- InitializeEpistemicState(W, B)

REPEAT:
3. G <- SGCD.ProjectWorldModel(X.B, W, X.gaps)
4. CandidateActions <- DRC.Diverge(
       desire=W,
       graph=G,
       hypotheses=X.hypotheses,
       failures=X.failures,
       budget=R
   )
5. For each action a:
       estimate information_gain
       estimate falsifiability
       estimate phase_gap_reduction
       estimate cost and risk
6. a_star <- SelectHighestValueAuthorizedAction()
7. observation <- Execute(
       search | simulation | proof |
       experiment | construction
   )
8. normalized <- NormalizeObservation(observation)
9. verification <- Verify(
       normalized,
       provenance,
       reproduction,
       counter_hypotheses
   )
10. DeltaPhi <- ComparePhase(
        current_state,
        target_state,
        verification
    )
11. memory <- DRC.CompressReversibly(
        action,
        observation,
        verification,
        DeltaPhi,
        failures
    )
12. X <- UpdateWorldModelAndResearchState(X, memory)
13. W <- ReviseDesireIfNecessary(W, X)

UNTIL:
    verified_target
    OR falsified_target
    OR marginal_information_gain < epsilon
    OR budget_exhausted
    OR risk_boundary
    OR human_decision

OUTPUT:
    Updated world model
    Candidate and rejected regions
    Evidence and counter-evidence graph
    Typed phase report
    Reproducible research history
    Remaining unknowns

附錄 B：與 GIPSS v0.2 的關係

層級	名稱	主要功能
母理論	GIPE	通用認識、介入、驗證與世界模型更新
收集前端	GIPSS	未知實體、資料、技術路徑與候選發現
控制機制	DRC	發散、共振、壓縮與研究狀態調度
世界模型	SGCD	任務條件化的多維動態耦合圖
行動平面	EIP	搜尋、模擬、證明、實驗與建構
驗證平面	VFP	驗證、反證、重現、誤差與信念更新

附錄 C：版本定位

本文件不是《全域欲相位語義搜尋法 v0.3》。

它是新的上位文件，原因如下：

研究對象已從既有資料擴展到尚未生成的候選；
行動空間已從查詢擴展到介入、模擬、證明與實驗；
世界模型已從語義資料圖擴展到領域狀態與因果機理；
相位判定已從候選比較擴展到科學狀態更新；
系統目標已從未知同類發現擴展到通用智能認識循環。

因此，GIPE 與 GIPSS 的關係為：

\boxed{ \operatorname{GIPSS} \subset \operatorname{GIPE} }

全域欲相位認識論_v0.1_從語義搜尋到主動科學介入

全域欲相位認識論 v0.1

——從語義搜尋、動態世界模型到主動科學介入的統一架構

摘要

關鍵詞

一、問題的重新發現

1.1 搜尋實驗揭露的限制

1.2 找人可能是最低價值的應用

二、從搜尋到認識

2.1 狹義搜尋

2.2 廣義認識取得

2.3 科學認識循環

三、全域欲相位認識論

3.1 定義

3.2 全域的重新定義

四、欲：認識活動的目標結構

4.1 欲不是情緒

4.2 發現欲與創造欲

發現欲

創造欲

4.3 欲可被修正

五、相位：目標、候選與世界狀態之間的差異

5.1 相位不是只有物質相

5.2 領域相位

化學相位

材料相位

物理相位

量子相位

數學相位

5.3 相位差不等於總分

六、SGCD：動態世界模型

6.1 從文件圖到世界圖

6.2 任務投影

6.3 世界模型不是事實清單

七、DRC：認識控制循環

7.1 發散

7.2 共振

7.3 壓縮

八、介入平面

8.1 為什麼必須介入

8.2 介入類型

計算介入

物理介入

結構介入

8.3 介入接口

九、驗證與反證平面

9.1 驗證不是單一模型自評

9.2 驗證算子

9.3 反證優先

9.4 失敗的分類

十、統一認識狀態

10.1 狀態定義

10.2 狀態更新

10.3 研究閉環

十一、各領域的實作形式

11.1 化學

11.2 材料學

11.3 物理學

11.4 量子科學

11.5 數學

十二、跨語言與跨符號認識

12.1 語言不是單純翻譯層

12.2 跨語言發散

十三、AGI／ASI 與 GIPE

13.1 智能提升帶來的不是單純更快搜尋

13.2 GIPE 作為 AGI 科學前置架構

十四、與既有方法的關係

十五、工程架構

15.1 六平面架構

15.2 系統流程

15.3 認識行動格式

15.4 命題—證據格式

十六、治理與安全

16.1 認識欲不等於行動授權

16.2 風險分層

16.3 認識誠實

十七、理論命題

命題一：搜尋只是認識取得的子集

命題二：欲結構是科學行動選擇的前提

命題三：世界模型必須任務條件化