從有限狀態機到開放維度狀態系統

From Finite-State Machines to Open-Dimensional State Systems

系列： 遞歸動態狀態系統（Recursive Dynamic State Systems, RDSS）
篇次： 02 / 09
作者： Neo.K with Aletheia
機構： EveMissLab／一言諾科技有限公司
版本： v0.1 Research Draft
日期： 2026-08-10
文件性質： 狀態系統形式化／開放維度方法論／有限支撐計算架構

摘要

本文為《遞歸動態狀態系統》系列第二篇，集中處理系列中最容易產生誤解的概念：「無限維狀態機」。本文不採用「一個實際系統具有字面無限多同時活動狀態」的強敘述，而提出較精確的「開放維度狀態系統」（Open-Dimensional State System, ODSS）框架。

ODSS 的核心不是：

|S|=\infty,

而是：

\boxed{ \text{系統可用的狀態軸、類型軸、關係軸與算子軸不要求預先封閉。} }

任一實際時間 $t$ 與任務 $Q$ 下，系統只需啟用有限的有效支撐：

J_{\mathrm{eff}}(Q,t,\varepsilon) \subseteq J_t,

並要求：

\left| J_{\mathrm{eff}}(Q,t,\varepsilon) \right| < \infty.

本文因此將「潛在開放」與「實際有限」分離。前者允許新狀態、新類型、新關係、新算子與新子系統在運行期間被加入；後者要求每一次實際計算、驗證與治理只作用於有限有效子空間。

本文進一步建立狀態維度的出生、啟用、休眠、退役與重新啟用操作；定義有效支撐、有限活動投影、類型細化／粗化、部分態射、合法跨維轉換與有界信息損失；並提出「開放維度—有限支撐原則」「潛在空間—活動空間分離原則」「結構增生非狀態爆炸原則」與「按需展開原則」。

本文最後指出，ODSS 並不取代 Hierarchical FSM、Recursive State Machine 或其他大型狀態系統方法。階層與遞歸可以壓縮已知結構，而 ODSS 額外處理的是：當問題本身要求增加新的描述軸、類型或規則時，系統如何在不預先列舉全部未來狀態的前提下持續演化。

關鍵詞： 開放維度、有限狀態機、有限支撐、動態類型、狀態增生、狀態空間改寫、遞歸狀態系統、部分態射、有效維度、按需展開

0. 問題：真正需要「無限」的是哪一部分？

上一結論提出 RDSS 的核心不是建立一台更巨大的有限狀態機，而是允許狀態系統本身演化。

但只要使用「無限維」一詞，就會立即遇到至少三種歧義。

第一種理解是：

|S|=\infty.

也就是狀態集合本身是無限集合。

第二種理解是：

\dim(X)=\infty.

也就是狀態存在於無限維函數空間、Hilbert 空間或其他真正無限維空間。

第三種理解則完全不同：

我們不知道未來還需要哪些描述維度，因此不希望現在就把所有可能狀態軸永久封死。

本文研究的是第三種。

因此我們需要把：

\text{Infinite-Dimensional}

改寫成更精確的：

\boxed{ \text{Open-Dimensional}. }

1. 傳統有限狀態機真正有限在哪裡？

一個典型有限狀態機：

M=(S,\Sigma,\delta,s_0,F)

要求：

|S|<\infty.

但真正重要的不只是狀態數量有限。

更深的假設是：

設計者事先知道哪些狀態具有語義地位。

例如：

S= \{ \mathsf{Idle}, \mathsf{Running}, \mathsf{Paused}, \mathsf{Stopped} \}.

即使系統具有一百萬個狀態，只要 $S$ 仍然在建模前固定，它仍然是一個封閉狀態詞彙。

因此本文將傳統模型的限制寫為：

\boxed{ \text{Closed State Vocabulary}. }

這並不是缺陷。對大量工程系統，封閉性恰恰提供可驗證性、可測試性、可預測性、可窮舉性與安全邊界。

ODSS 不是要否定這些優點。

它處理的是：

如果新的狀態語義只有在系統運行、學習、組合或接觸新環境後才出現，怎麼辦？

2. 階層化可以壓縮狀態，但仍不等於開放維度

Hierarchical FSM 與相關方法可以將大型系統拆成多層機器，並透過階層結構降低規劃與表示成本。已有研究顯示，hierarchical finite-state controllers 可以透過 controller calling 形成模組化甚至遞歸的控制器；HFSM 也能在大型系統中利用階層結構有效規劃。

例如：

M_{\mathrm{world}} \supset M_{\mathrm{region}} \supset M_{\mathrm{entity}}.

這非常接近 RDSS 的遞歸容器概念。

但仍有一個差異。

假設所有子機器類型在設計時已經存在：

\mathcal M = \{ M_1,\ldots,M_n \}.

那麼階層結構主要處理：

\boxed{ \text{Known Structure Compression}. }

ODSS 額外處理：

\boxed{ \text{Unknown Future Structural Extension}. }

例如原本系統只有：

\{ \text{位置}, \text{生命}, \text{派系} \},

後來世界中出現「法律身份」，才新增：

j_{\mathrm{law}}.

再後來產生「跨世界身份」，才增加：

j_{\mathrm{crossworld}}.

所以問題不是如何在既有階層中安排很多狀態，而是：

如何允許原本不存在的描述軸正式加入系統？

3. 開放維度狀態系統的最小定義

令時間 $t$ 的可用維度索引集合為：

J_t.

每個：

j\in J_t

對應一個局部狀態域：

X_j.

則時間 $t$ 的潛在狀態結構可寫為：

\mathfrak X_t = \prod_{j\in J_t}^{\!*}X_j,

其中：

\prod^{\!*}

不表示所有維度必須同時被實例化，而表示一個允許有限支撐的依賴乘積。

對具體系統狀態 $x_t$ ，定義活動支撐：

\operatorname{supp}(x_t) = \{ j\in J_t: x_t[j]\text{ 在當前任務中有效} \}.

ODSS 要求：

\boxed{ \left| \operatorname{supp}(x_t) \right| < \infty. }

但不要求：

J_{t+1}=J_t.

相反地，允許：

J_{t+1} = J_t \cup B_t \setminus D_t,

其中：

$B_t$ ：新出生的維度集合；
$D_t$ ：被退役或移除的維度集合。

這就是 ODSS 最核心的形式。

4. 開放不等於活動

這裡需要區分三個空間。

4.1 潛在維度空間

J_t.

表示系統目前「知道可以存在」的維度。

4.2 活動有效支撐

對任務 $Q$ 、時間 $t$ 、容許失真 $\varepsilon$ ：

\boxed{ J_{\mathrm{eff}}(Q,t,\varepsilon) \subseteq J_t. }

既有 DMSSTT 已經明確引入有效類型支撐：不是所有類型維度都應一直啟用，而應依任務、時間與容許失真選擇真正需要的維度。

4.3 當前實例狀態

x_t \in X_{J_{\mathrm{eff}}}.

因此：

\boxed{ \text{Potential} \neq \text{Active} \neq \text{Instantiated}. }

這個三分法是控制複雜度的核心。

5. 有效維度不是單純降維

如果 $J_t$ 很大，我們可能想選擇較小的 $J_{\mathrm{eff}}$ 。

但這不能簡化成 PCA 或「保留最大方差」。

因為某些低頻維度可能是安全權限、法律限制、極端事件、稀有故障、不可逆狀態或身份約束。

它們統計上可能很少出現，卻不能刪除。

因此有效支撐選擇可以是一個多目標問題：

\mathcal P(Q,t) = \operatorname{Pareto} \left[ C_{\mathrm{state}}, E_{\mathrm{illegal}}, L_{\mathrm{info}}, L_{\mathrm{pred}}, L_{\mathrm{govern}} \right].

其中：

$C_{\mathrm{state}}$ ：活動狀態成本；
$E_{\mathrm{illegal}}$ ：因刪除維度導致非法操作的風險；
$L_{\mathrm{info}}$ ：信息損失；
$L_{\mathrm{pred}}$ ：預測損失；
$L_{\mathrm{govern}}$ ：治理成本。

因此：

\boxed{ \text{Effective Support Selection} \neq \text{Variance Maximization}. }

6. 維度的生命週期

一個開放維度系統若只能增加，最終仍然會爆炸。

因此每個維度 $j$ 需要生命週期。

本文暫定：

\operatorname{Life}(j,t) \in \{ \mathsf{Candidate}, \mathsf{Active}, \mathsf{Dormant}, \mathsf{Deprecated}, \mathsf{Archived} \}.

Candidate

新維度剛被提出，尚未取得正式語義權。

Active

目前正在被使用：

j \in J_{\mathrm{eff}}.

Dormant

系統保留其定義，但當前任務不啟用。

Deprecated

仍需兼容舊資料或舊狀態，但不建議生成新依賴。

Archived

退出正常運行，只保留歷史、重播或遷移用途。

因此：

\boxed{ \text{Open-Dimensional} \neq \text{Monotonic Growth}. }

真正需要的是：

\boxed{ \text{Birth} + \text{Activation} + \text{Dormancy} + \text{Retirement} + \text{Reactivation}. }

7. 維度出生：什麼情況允許新增一個軸？

不能只因為 AI 想到一個新 label，就新增：

j_{\mathrm{new}}.

否則狀態空間會被語義垃圾淹沒。

因此本文定義維度出生提案：

b_t = ( j_{\mathrm{new}}, X_{j_{\mathrm{new}}}, R_{\mathrm{new}}, \Pi_{\mathrm{new}}, E_{\mathrm{birth}} ).

其中：

$j_{\mathrm{new}}$ ：新維度身份；
$X_{j_{\mathrm{new}}}$ ：狀態域；
$R_{\mathrm{new}}$ ：與既有維度的關係；
$\Pi_{\mathrm{new}}$ ：如何被觀測；
$E_{\mathrm{birth}}$ ：出生證據。

要求至少滿足：

\operatorname{Novel}(j) \land \operatorname{Useful}(j) \land \operatorname{Distinct}(j) \land \operatorname{Governable}(j).

才允許：

J_{t+1} = J_t \cup \{j_{\mathrm{new}}\}.

8. 不是「新增狀態」，而可能是「新增判定域」

普通 FSM 擴張通常是：

S \rightarrow S\cup\{s_{\mathrm{new}}\}.

ODSS 更強的情況是：

J \rightarrow J\cup\{j_{\mathrm{new}}\}.

這兩種完全不同。

例如原本：

x = ( \text{health}, \text{location} ).

新增一個狀態：

health=\mathsf{Poisoned}

只是擴充：

X_{\mathrm{health}}.

但新增：

\text{legal-status}

則是增加新的維度：

J' = J \cup \{ j_{\mathrm{legal}} \}.

因此 ODSS 要區分：

\boxed{ \text{State Birth} }

與：

\boxed{ \text{Dimension Birth}. }

後者是更高階的結構變化。

9. 類型細化與粗化

有時不需要新增完全新的維度，只需把舊類型細分。

形式上：

\mathsf T(i) \rightsquigarrow \mathsf T(i,j).

反向粗化：

U_j: \mathsf T(i,j) \rightarrow \mathsf T(i).

但粗化通常有信息損失：

\mathcal L_j(x)\ge 0.

因此 ODSS 不允許：

\text{unsupported} = 0.

而應保留：

\boxed{ \mathsf{Undefined} }

作為正式結果。

10. 跨維轉移是部分態射

傳統轉移常寫：

\delta: S \times I \rightarrow S.

但如果維度與類型會變，某個操作不一定對所有狀態合法。

因此使用部分態射：

f: X \rightharpoonup Y.

其定義域為：

\operatorname{Dom}(f) \subseteq X.

若：

x \notin \operatorname{Dom}(f),

則：

f(x) = \mathsf{Undefined},

而不是：

f(x)=0.

合法性暫定：

\boxed{ \operatorname{Legal}(f) = D \land B \land S \land A \land L }

其中：

$D$ ：Defined；
$B$ ：Background Compatible；
$S$ ：Scale Compatible；
$A$ ：Arrow / Invariant Preserving；
$L$ ：Loss Bounded。

這讓 ODSS 可以擴張，而不必犧牲型別安全。

11. 有限活動投影

對完整潛在狀態 $x_t$ ，定義任務投影：

\Pi_{Q,t,\varepsilon} : \mathfrak X_t \rightarrow \mathfrak X_{J_{\mathrm{eff}}}.

使：

x_t^{\mathrm{eff}} = \Pi_{Q,t,\varepsilon}(x_t).

我們希望：

Cost(x_t^{\mathrm{eff}}) \ll Cost(x_t),

但：

Loss_Q ( x_t, x_t^{\mathrm{eff}} ) \le \varepsilon.

因此真正要最佳化的是：

\boxed{ \min \left| J_{\mathrm{eff}} \right| }

滿足：

Loss_Q \le \varepsilon

以及所有必要安全／合法條件。

ODSS 的目標不是把所有東西都載入 context，而是：

讓系統知道哪些維度可能存在，但只在需要時展開。

12. 按需展開原則

令：

Need(j\mid Q,t)

表示任務 $Q$ 在時間 $t$ 對維度 $j$ 的需求。

設定啟用門檻：

\tau_{\mathrm{on}}.

若：

Need(j\mid Q,t) > \tau_{\mathrm{on}},

則：

j: \mathsf{Dormant} \rightarrow \mathsf{Active}.

反之若長期：

Need(j\mid Q,t) < \tau_{\mathrm{off}},

且：

\tau_{\mathrm{off}} < \tau_{\mathrm{on}},

則可：

j: \mathsf{Active} \rightarrow \mathsf{Dormant}.

使用雙閾值是為避免頻繁抖動：

\boxed{ \tau_{\mathrm{off}} < \tau_{\mathrm{on}}. }

這就是最小的支撐遲滯機制。

13. 狀態爆炸與結構增生不是同一件事

傳統狀態爆炸可粗略表示為：

|S_{\mathrm{joint}}| = \prod_{i=1}^{n}|S_i|.

如果所有維度永久共同展開，ODSS 顯然會更加嚴重。

所以 ODSS 不能使用：

\boxed{ \text{Open Dimensions} \Rightarrow \text{Full Cartesian Expansion}. }

反而要求：

\boxed{ \text{Open Dimensions} + \text{Sparse Activation} + \text{Local Composition}. }

假設總共知道：

|J_t|=10^5

個可能維度，但當前任務只啟用：

|J_{\mathrm{eff}}|=17.

那麼 runtime 應只針對這 17 維建立必要局部結構。

所以：

\boxed{ \text{Potential Complexity} \neq \text{Runtime Complexity}. }

這是 ODSS 能否工程成立的生死線。

14. 關係也應稀疏化

即使有效維度只有 $k$ ，若所有維度都互相連接，仍有：

O(k^2)

關係。

因此定義有效關係集合：

R_{\mathrm{eff}} \subseteq J_{\mathrm{eff}} \times J_{\mathrm{eff}}.

並希望在稀疏系統中：

|R_{\mathrm{eff}}| \ll |J_{\mathrm{eff}}|^2.

如果需要高階關係，則可使用超邊：

e \subseteq J_{\mathrm{eff}}.

但仍應由任務／事件按需激活，而不是永久物化所有可能高階組合。

15. 子狀態機也採有限支撐

如果每個維度又可以展開：

j \rightarrow \mathfrak M_j,

就會形成遞歸。

因此還需要定義活動子機器集合：

\mathcal N_{\mathrm{eff}}(Q,t) \subseteq \mathcal N_t.

只對：

\mathfrak M_j \in \mathcal N_{\mathrm{eff}}

進一步展開。

因此：

\boxed{ \text{Recursive} \neq \text{Fully Unrolled}. }

而是：

\boxed{ \text{Recursive} = \text{Callable / Expandable on Demand}. }

16. 開放維度中的身份問題

如果一個系統：

J_t \neq J_{t+1},

它還是同一個系統嗎？

本文先不以「所有欄位完全相同」定義身份。

定義核心不變量：

\mathcal I_t.

若結構改寫：

\Phi: \mathfrak M_t \rightarrow \mathfrak M_{t+1}

仍保持：

\operatorname{Preserve} ( \mathcal I_t, \mathcal I_{t+1} ) = 1,

則可暫視為同一演化個體。

核心不變量可能包括：

系統 ID；
主契約；
歷史連續性；
權威鏈；
某些不可變安全條件；
外部承諾。

因此：

\boxed{ \text{Structural Change} \neq \text{Automatic Identity Loss}. }

17. 維度退役不是刪除歷史

若：

j \in D_t,

從活動模型退出，不表示應從歷史中消失。

應區分：

J_t^{\mathrm{active}}

與：

J_t^{\mathrm{historical}}.

可能：

j \notin J_{t+1}^{\mathrm{active}}

但：

j \in J_{t+1}^{\mathrm{historical}}.

如此才能支援 replay、audit、migration、backward compatibility 與舊狀態解釋。

因此：

\boxed{ \text{Retire} \neq \text{Erase}. }

18. 開放維度狀態系統的七個基本公理候選

O1 — Open Vocabulary

J_{t+1} \neq J_t

被允許。

O2 — Finite Effective Support

任一實際任務：

|J_{\mathrm{eff}}(Q,t,\varepsilon)|<\infty.

O3 — Explicit Undefinedness

若操作不適用：

f(x)=\mathsf{Undefined}

而不是偽造零值。

O4 — Legal Structural Extension

新增維度與跨維映射必須通過合法性判準。

O5 — Bounded Projection Loss

有效支撐投影必須滿足：

L_Q \le \varepsilon

或明確聲明超界。

O6 — Historical Retention

維度退役不得自動抹除其歷史存在。

O7 — On-Demand Realization

潛在維度不要求永久物化：

\text{Known} \not\Rightarrow \text{Loaded}.

19. 與「真正無限維」的精確關係

本文不禁止真正的無限維數學。

例如某個子系統：

x(t) \in L^2(\Omega)

可以本身就是無限維動力系統。

但這與 ODSS 的開放維度是兩件事。

ODSS 的核心軸不是：

\dim(X)

而是：

\boxed{ \text{Schema Closure}. }

問題變成：

允許的狀態描述語言是否預先封閉？

20. 計算複雜度的第一個粗模型

令：

k_t = |J_{\mathrm{eff}}(Q,t,\varepsilon)|

為有效維度。

令：

m_t = |R_{\mathrm{eff}}|

為有效關係數。

令：

d_t

為實際展開深度。

則一次 ODSS 更新成本可粗略寫成：

T_t = T_{\mathrm{select}}(J_t,Q) + T_{\mathrm{state}}(k_t) + T_{\mathrm{rel}}(m_t) + T_{\mathrm{recursive}}(d_t) + T_{\mathrm{validate}}.

真正應控制的是：

k_t, \quad m_t, \quad d_t,

而不是只看：

|J_t|.

因此即使：

|J_t| \rightarrow \text{very large},

只要：

k_t \ll |J_t|,

且 $m_t$ 與 $d_t$ 可控，runtime 仍可能保持實用。

21. 「展開—收斂」在這裡第一次有了直接計算意義

開放維度系統天然對應系列的三元操作。

展開：

J_{\mathrm{eff}} \rightarrow J_{\mathrm{eff}} \cup B_t.

連接：

R_{\mathrm{eff}} \rightarrow R_{\mathrm{eff}}'.

收斂：

J_{\mathrm{eff}}' \rightarrow J_{\mathrm{min}}.

其中：

J_{\mathrm{min}}

是滿足當前任務精度、合法性與治理條件的最小充分支撐。

所以一輪可寫：

\boxed{ J_t^{\mathrm{eff}} \xrightarrow{\mathcal E} \widetilde J_t \xrightarrow{\mathcal C} (\widetilde J_t,\widetilde R_t) \xrightarrow{\mathcal V} J_{t+1}^{\mathrm{eff}}. }

這使「展開—連接—收斂」不再只是一個哲學圖式，而可以直接落到 runtime active set 的變化。

22. 一個最小案例

假設遊戲 NPC 最初只有：

J_0 = \{ health, location, relation \}.

所以：

x_0 = ( 100, town, friend ).

後來世界加入犯罪制度。

系統觀測到既有維度無法區分普通居民與被通緝居民。

提出新維度：

j_{\mathrm{legal}}.

經驗證後：

J_1 = J_0 \cup \{ legal \}.

NPC 狀態變成：

x_1 = ( health, location, relation, legal ).

但如果當前任務只是戰鬥：

Q=\mathsf{Combat},

則：

J_{\mathrm{eff}} = \{ health, location \}.

如果進入城門檢查：

Q=\mathsf{Checkpoint},

則：

J_{\mathrm{eff}} = \{ location, relation, legal \}.

所以同一世界的 $J$ 可以很大，但不同任務只激活局部支撐。

23. AI 在 ODSS 中的正確位置

AI 很適合提出：

新維度；
維度合併；
類型細化；
休眠建議；
關係候選；
有效支撐候選。

但 AI 不應自動把 proposal 提升成 authoritative schema。

所以：

\boxed{ AIProposal \rightarrow Validation \rightarrow Governance \rightarrow Commit. }

AI 可以增加開放性。

驗證與權威層負責防止開放性退化成結構污染。

24. 可證偽問題

ODSS 必須接受以下實驗問題。

24.1 有效支撐是否真的降低成本？

比較：

T_{\mathrm{full}}

與：

T_{\mathrm{eff}}.

24.2 支撐截斷是否增加錯誤？

測量：

L_Q ( J_{\mathrm{eff}} ).

24.3 動態維度是否比固定 schema 更有價值？

比較：

Performance_{\mathrm{open}}

與：

Performance_{\mathrm{fixed}}.

24.4 維度出生是否只是 label 膨脹？

測量新維度是否帶來：

\Delta Prediction, \quad \Delta Control, \quad \Delta Explainability, \quad \Delta Legality.

若沒有可觀察收益，則應拒絕出生。

24.5 是否存在退役機制？

若：

|J_t|

只增不減，ODSS 很可能失敗。

25. 與 RDSS 總框架的接合

第一篇定義：

\mathfrak M_t = ( S_t, R_t, \Theta_t, \Delta_t, \mathcal A_t, \Pi_t, H_t, \mathbb T_t, \mathcal N_t ).

本篇正式把其中 $S_t$ 與 $\Theta_t$ 改寫成開放維度形式。

因此可進一步寫：

S_t = S ( J_t, J_{\mathrm{eff}}, x_t ),

以及：

\Theta_t = \Theta ( J_t, Life_t, Legal_t ).

於是：

\boxed{ \mathfrak M_{t+1} }

不必與：

\boxed{ \mathfrak M_t }

共享同一維度集合。

這就是 RDSS 從一般遞歸狀態機走向生成式狀態系統的第一個正式步驟。

26. 結論

本文最重要的修正只有一句話：

我們不需要一台「實際展開到無限」的狀態機；我們需要的是一套「不預先封閉未來描述維度，但任一實際計算保持有限支撐」的狀態系統。

因此：

\boxed{ \text{Open-Dimensional State System} = \text{Open Schema} + \text{Finite Effective Support} + \text{Legal Extension} + \text{On-Demand Realization}. }

它允許：

J_t \rightarrow J_{t+1},

但要求：

|J_{\mathrm{eff}}|<\infty.

允許 State Birth，也允許 Dimension Birth。

允許 Refinement，也要求 Coarsening 與 Loss Accounting。

允許 Expansion，但必須同時具有 Convergence。

因此真正重要的不是「無限」。

而是：

\boxed{ \text{永遠保留生成新狀態空間的可能性，卻永遠只計算當下需要的有限部分。} }

這也為下一篇《分類即狀態：從靜態類型到動態類型體制》建立直接基礎。

下一篇將不再只討論「哪些維度存在」，而是進一步問：

當分類本身具有生命週期、證據、歧義、暫存、不可決定與體制轉換時，分類是否已經變成一個真正的動態狀態系統？

參考文獻

外部文獻

Segovia-Aguas, J., Jiménez, S., & Jonsson, A. (2019). Hierarchical Finite State Controllers for Generalized Planning. arXiv:1911.02887.
Stefansson, E., & Johansson, K. H. (2022). Hierarchical Finite State Machines for Efficient Optimal Planning in Large-scale Systems. arXiv:2212.03724.
Stefansson, E., & Johansson, K. H. (2023). Efficient and Reconfigurable Optimal Planning in Large-Scale Systems Using Hierarchical Finite State Machines. arXiv:2303.16567.

EveMissLab 內部前置

Neo.K with Aletheia，《狀態、容器與存在：遞歸動態狀態系統的總命題》。
Neo.K，《多維空間狀態類型論：開放維度依賴類型與合法態射》。
Neo.K with Aletheia，《動態多維空間狀態類型論：有效類型支撐與類型體制轉換》。
Neo.K，《空間狀態論》。
Neo.K，《0/1 之間的無限資訊層》。
Neo.K，《因果狀態流變計算》。
Neo.K，《歷史作為狀態變量》。
Neo.K，《MSSP × RDR 整合規格書》。