Past–Present–Future 六向認知耦合與時間位移算子

Six-Way Temporal Coupling: A Unified Shift Operator for Past–Present–Future Cognitive Dynamics

Tri-Temporal Cognitive Dynamics — 三生認知耦合動力學系列
TCD-07 / Unified Synthesis I

作者：Neo.K（許筌崴）
協作形式化：Aletheia
機構：一言諾科技有限公司（EveMissLab）
日期：2026-08-17
版本：v0.1
狀態：TCD first unified dynamics paper / six-way coupling synthesis

Canonical Non-Identity Statement

TCD-01 至 TCD-06 已分別建立：

\boxed{ \mathcal B_t^-, \qquad \mathcal B_t^0, \qquad \mathcal B_t^+ }

以及六個方向的機制雛型。

本文第一次統一：

\boxed{ \mathfrak T_t^{(3)} = ( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+ ) }

並建立時間位移：

\boxed{ \mathscr S_t: \mathfrak T_t^{(3)} \rightarrow \mathfrak T_{t+1}^{(3)}. }

但永久保留：

\boxed{ \text{Six Coupling Directions} \neq \text{Six Identical Operators}. }

以及：

\boxed{ \text{Temporal Coupling} \neq \text{Physical Retrocausality}. }

本文不主張：

Past、Present、Future 是三個本體上獨立的宇宙層；
六條箭頭具有同樣的數學型別；
Future Event 會物理地改變 Past Fact；
任何 agent 都需要完整六向 coupling；
六向 coupling 越強 intelligence 越高；
TCD 是一般認知科學的已證實普遍定律；
同一時間內的 iterative deliberation 是時間旅行；
所有 coupling 都會收斂；
TCD 可直接取代 POMDP、MPC、RL、world models、memory systems 或 causal models；
本文已給出完整跨域實證證明。

摘要

Tri-Temporal Cognitive Dynamics（TCD）前六篇依序完成三個時間底座與六個 directional couplings。

Past：

\boxed{ \mathcal B_t^- = \text{compressed historical choice lineage}. }

Present：

\boxed{ \mathcal B_t^0 = \text{historically conditioned actionable / reachable domain}. }

Future：

\boxed{ \mathcal B_t^+ = \text{agent-generated prospective possibility domain}. }

六個方向分別為：

\boxed{ \begin{array}{lll} \mathcal B^- \rightarrow \mathcal B^0 &:& \text{Historical Conditioning},\\ \mathcal B^0 \rightarrow \mathcal B^+ &:& \text{Present-Conditioned Future Generation},\\ \mathcal B^+ \rightarrow \mathcal B^0 &:& \text{Prospective Attraction},\\ \mathcal B^0 \rightarrow \mathcal B^- &:& \text{Historical Sedimentation},\\ \mathcal B^- \rightarrow \mathcal B^+ &:& \text{Historical Projection},\\ \mathcal B^+ \rightarrow \mathcal B^- &:& \text{Retrospective Relevance}. \end{array} }

本文最重要的第一個統一原則是：

\boxed{ \textbf{the six arrows are typed}. }

它們分別可能是：

state construction；
candidate generation；
policy valuation；
provenance / dependency sedimentation；
historical projection；
relevance reweighting。

因此不能把：

\mathcal B^- , \mathcal B^0 , \mathcal B^+

當成三個 ordinary vectors，再把六條 coupling 當同一種線性 matrix edge。

本文定義 typed temporal coupling graph：

\boxed{ G_{\mathrm{TCD},t} = ( V_t, E_t, \tau_E ), }

其中：

V_t = \{ \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+ \},

而：

\tau_E: E_t \rightarrow \{ Condition, Generate, Attract, Sediment, Project, Reweight \}

記錄每條 edge 的 operator type。

本文進一步解決一個形式上的核心問題：如果在同一時刻同時寫：

\mathcal B_t^+ \rightarrow \mathcal B_t^0 \rightarrow \mathcal B_t^+

以及：

\mathcal B_t^+ \rightarrow \mathcal B_t^- \rightarrow \mathcal B_t^+,

表面上會形成 circular definition。

因此本文區分：

\boxed{ t = \text{environment / historical time index} }

與：

\boxed{ k = \text{within-step deliberation index}. }

在同一 physical / historical time $t$ 中，agent 可以執行 bounded deliberation：

\boxed{ \mathcal B_t^{+,(k)} \rightarrow \mathbf w_t^{-,(k)} \rightarrow \pi_t^{(k)} \rightarrow \mathcal B_t^{+,(k+1)}, }

但只要：

a_t

尚未對環境執行，

就仍然位於：

\boxed{ t. }

真正 time shift 發生在 action execution 與 environment transition 之後：

\boxed{ Z_t \xrightarrow{a_t} Z_{t+1}. }

本文因此提出一個完整 staged update：

\boxed{ \begin{aligned} \widetilde{\mathcal B}_t^0 &= \Phi_{-0} ( \mathcal B_t^-, \Xi_t ), \\ \mathcal B_t^{+,(0)} &= \Gamma_F ( \mathcal B_t^-, \widetilde{\mathcal B}_t^0, \Xi_t ), \\ \mathbf w_t^{-,(k)} &= \mathcal R_{+-} ( \mathcal H_t^{prov}, \mathcal B_t^{+,(k)}, q_t ), \\ \pi_t^{(k)} &= \Pi ( \widetilde{\mathcal B}_t^0, \mathcal B_t^{+,(k)}, \mathbf w_t^{-,(k)} ), \\ \mathcal B_t^{+,(k+1)} &= \Gamma_F^{refine} ( \mathcal B_t^-, \widetilde{\mathcal B}_t^0, \pi_t^{(k)}, \Xi_t ), \\ a_t &\sim \pi_t^{(K)}, \\ Z_{t+1} &= T_Z( Z_t, a_t, \varepsilon_t ), \\ \mathcal B_{t+1}^- &= \mathcal H_- ( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+, a_t, Z_{t+1}, E_t ), \\ \mathcal B_{t+1}^0 &= \Phi_{-0} ( \mathcal B_{t+1}^-, \Xi_{t+1} ), \\ \mathcal B_{t+1}^+ &= \Gamma_F ( \mathcal B_{t+1}^-, \mathcal B_{t+1}^0, \Xi_{t+1} ). \end{aligned} }

其中：

$\Xi_t$ ：當前 exogenous information / environment / other-agent input；
$\mathcal H_t^{prov}$ ：TCD-06 的 stable historical provenance layer；
$\mathbf w_t^-$ ：retrospective relevance layer；
$K$ ：bounded deliberation budget；
$T_Z$ ：actual environment / system transition；
$\mathcal H_-$ ：Historical Sedimentation update；
$\Gamma_F$ ：Future Base Space generation operator。

因此：

\boxed{ \text{Deliberative Recursion} \neq \text{Physical Time Loop}. }

同一個 $t$ 內可以反覆：

想未來 → 重看過去 → 改估值 → 再想未來。

只有真正 action execution 才讓：

t \rightarrow t+1.

本文也正式提出 Temporal Shift Operator：

\boxed{ \mathscr S_t \left( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+; \Xi_t, \varepsilon_t \right) = \left( \mathcal B_{t+1}^-, \mathcal B_{t+1}^0, \mathcal B_{t+1}^+ \right). }

這是 TCD 第一個完整 dynamical-system scaffold。

外部 AI、控制與認知研究提供了六向架構的局部工程對照，但沒有任何單一外部系統等同完整 TCD。MuZero 以 learned future-relevant dynamics 與 tree search 支援 current action selection；DreamerV3 的 world model 預測 potential actions outcomes、critic 評估 imagined outcomes、actor 學習 present policy；Mattar–Daw 的 prioritized-memory theory 則依某 memory 對未來 decision improvement 的 utility 選擇現在應 replay 的 past；Momennejad 等人的 human revaluation experiment 顯示 offline replay of distal past states 與之後 replanning 相關。2025 年的 navigation neuroscience 結果進一步顯示，新資訊可以快速改變 prospective representations of future choices，並伴隨 flexible route switching。這些局部結果共同支持一個保守結論：

\boxed{ \text{past representations, prospective representations, and present choices can participate in recurrent decision loops}. }

但本文仍不宣稱六向 TCD 已被任何單一 biological or artificial system 實驗完整驗證。

本文最後提出：

\boxed{ \textbf{Intelligence is not only a function from present state to action; for history-bearing prospective agents, it may be more usefully modeled as a bounded recurrent transformation among remembered/structured past, actionable present, and generated future.} }

中文：

智能不只是在現在輸入狀態後輸出 action；對具有歷史與前瞻能力的 agent，它可以被更完整地描述成：過去、現在與生成未來之間的有限反覆轉換，最後再把 action 寫回世界與歷史。

本文將 TCD-01～07 封裝成第一版：

TCD v0.1 Core

下一個理論接口不再只是增加第七條時間箭頭，而是把：

\boxed{ \mathcal B_t^+ }

中的 prospective branches 從 cognitive objects 升級為：

\boxed{ \text{runnable world instances}. }

也就是後續：

Branching World Computation

分支世界計算／世界域認知 Runtime

的正式入口。

關鍵詞： Tri-Temporal Cognitive Dynamics、Six-Way Coupling、Temporal Shift Operator、Deliberative Recursion、World Models、Replay、Prospective Attraction、Historical Sedimentation、Retrospective Relevance、UCPNP

1. TCD-07 的任務：從六篇局部理論變成一個系統

TCD-01～03 建立三個 object。

TCD-04～06 建立三組重要 feedback mechanisms。

現在需要問：

如果把它們放在同一個 agent 裡，究竟怎麼更新？

2. 三個基本時間域

2.1 Past

\boxed{ \mathcal B_t^- }

是：

historical choice lineage 的 task-relative compressed structure。

3. Present

\boxed{ \mathcal B_t^0 }

是：

historically conditioned actionable / reachable domain。

4. Future

\boxed{ \mathcal B_t^+ }

是：

agent-generated prospective possibility / choice domain。

5. Triple State

因此：

\boxed{ \mathfrak T_t^{(3)} = ( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+ ). }

6. 為什麼不是三個普通 state vectors？

因為三者內部型別不同。

7. Past 可能包含

\boxed{ \mathcal B_t^- = ( \mathcal H_t^{prov}, \mathbf w_t^-, D_t, L_t, O_t ). }

8. Present 可能包含

\boxed{ \mathcal B_t^0 = ( Z_t^{est}, \mathcal A_t^{eff}, \widehat{\mathcal R}_{t:H}^{eff}, \mathcal V_t, U_t^0 ). }

9. Future 可能包含

\boxed{ \mathcal B_t^+ = ( \Omega_t^F, P_t, \Pi_t, \mathcal G_t^F, U_t^+, E_t^+ ). }

10. 所以 coupling 必須 Typed

一條：

\mathcal B_t^- \rightarrow \mathcal B_t^0

和：

\mathcal B_t^+ \rightarrow \mathcal B_t^-

根本不是同一種 function。

11. Typed Coupling Graph

定義：

\boxed{ G_{\mathrm{TCD},t} = ( V_t, E_t, \tau_E ). }

12. Vertex Set

\boxed{ V_t = \{ B^-, B^0, B^+ \}. }

13. Edge-Type Map

\boxed{ \tau_E(e) \in \{ Condition, Generate, Attract, Sediment, Project, Reweight \}. }

14. Edge I — Past → Present

\boxed{ \Phi_{-0}: \mathcal B_t^- \times \Xi_t \rightarrow \mathcal B_t^0. }

名稱：

Historical Conditioning

15. 它做什麼？

Past 的：

capability residue；
dependency；
resource history；
permissions；
path dependence；
lost / recovered options；

參與構造現在有效 domain。

16. 它不是 Memory Retrieval

\boxed{ \Phi_{-0} \neq RetrieveMemory. }

因為很多 history 已經固著在 current structure。

17. Edge II — Present → Future

\boxed{ \Gamma_{0+}: \mathcal B_t^0 \rightarrow \mathcal B_t^+. }

名稱：

Present-Conditioned Future Generation

18. 它做什麼？

Present 決定：

current capabilities；
current resources；
current permissions；
current reachable paths；

因此限制／啟發 agent 生成哪些 futures。

19. Edge III — Future → Present

\boxed{ \Phi_{+0}: ( \mathcal B_t^+, \mathcal B_t^0 ) \rightarrow \pi_t. }

名稱：

Prospective Attraction

20. 它做什麼？

Future representations 經：

probability；
value；
risk；
option preservation；
preparation；

改變現在 policy。

21. 永久邊界

\boxed{ \Phi_{+0} }

使用的是：

\boxed{ \operatorname{Rep}_t(Future), }

不是：

\boxed{ FutureEvent_{t+\Delta}. }

22. Edge IV — Present → Past

\boxed{ \mathsf{Sed}_{0-}: ( \mathcal B_t^0, a_t, Z_{t+1}, E_t ) \rightarrow \Delta\mathcal B_{t+1}^-. }

名稱：

Historical Sedimentation

23. 它做什麼？

把：

actual action；
alternatives；
dependencies；
plasticity；
resource changes；
permission changes；
decision provenance；

寫入下一時刻 Past。

24. Edge V — Past → Future

\boxed{ \Gamma_{-+}: \mathcal B_t^- \rightarrow \mathcal B_t^+. }

名稱：

Historical Projection

25. 它做什麼？

使用：

analogies；
prior failures；
historical trajectories；
recurring mechanisms；
latent capabilities；
dormant options；

生成／約束 future candidates。

26. Historical Projection 不是簡單 Extrapolation

\boxed{ \Gamma_{-+} \neq \text{trend line only}. }

它可以：

recombine past；
invert past failure；
reopen lost branches；
abstract mechanism。

27. Edge VI — Future → Past

\boxed{ \mathcal R_{+-}: ( \mathcal H_t^{prov}, \mathcal B_t^+, q_t ) \rightarrow \mathbf w_t^-. }

名稱：

Retrospective Relevance

28. 它做什麼？

Future target 改變：

retrieval；
attention；
support search；
counterevidence search；
historical reactivation。

29. 它不能改 Past Fact

\boxed{ \mathcal R_{+-} : \text{weights change} }

而不是：

\boxed{ \mathcal H_t^{prov} : \text{facts change}. }

30. 六條 Edge 的 Mechanism Table

Edge	Name	Primary Mechanism
$-\to0$	Historical Conditioning	state construction
$0\to+$	Present-Conditioned Future Generation	prospective generation
$+\to0$	Prospective Attraction	valuation / policy
$0\to-$	Historical Sedimentation	provenance / structural update
$-\to+$	Historical Projection	analogy / mechanism generation
$+\to-$	Retrospective Relevance	retrieval / relevance reweighting

31. 六向不等於六個對稱 Arrow

例如：

\boxed{ \Phi_{-0} \neq \mathcal R_{+-}^{-1}. }

32. 同樣：

\boxed{ \Gamma_{0+} \neq \mathsf{Sed}_{0-}^{-1}. }

33. 過去、現在、未來也不是 Information-Conserving Transform

一般：

\boxed{ \mathscr S }

可以：

lose information；
add exogenous information；
generate candidates；
compress history。

34. TCD 因此不是 Reversible Time Physics

它是：

\boxed{ \text{agent-level cognitive dynamics}. }

35. Circularity Problem

如果直接寫：

B^0 \rightarrow B^+ \rightarrow B^0,

會問：

哪個先算？

36. 第二個 Circularity

B^- \rightarrow B^+ \rightarrow B^-.

也會問：

是 history 先生成 future，還是 future 先重看 history？

37. 解法：分離兩種時間 Index

本文定義：

\boxed{ t = \text{historical / environment time} }

與：

\boxed{ k = \text{deliberation iteration}. }

38. $t$ 的意義

當 agent 真正：

act；
environment transition；
resource change；
external event；

才進入下一個：

t+1.

39. $k$ 的意義

同一 decision moment 中：

想一下。

可以：

k\rightarrow k+1.

40. Deliberation Does Not Advance Historical Time

\boxed{ k\rightarrow k+1 \not\Rightarrow t\rightarrow t+1. }

41. Initial Present Construction

先從 past + exogenous current information：

\boxed{ \widetilde{\mathcal B}_t^0 = \Phi_{-0} ( \mathcal B_t^-, \Xi_t ). }

42. Initial Future Generation

\boxed{ \mathcal B_t^{+,(0)} = \Gamma_F ( \mathcal B_t^-, \widetilde{\mathcal B}_t^0, \Xi_t ). }

43. $\Gamma_F$ 同時接受 Past 與 Present

因此概念上：

\boxed{ \Gamma_F = \operatorname{Couple} ( \Gamma_{-+}, \Gamma_{0+} ). }

這不是線性加法。

44. Retrospective Reweighting

第 $k$ 輪：

\boxed{ \mathbf w_t^{-,(k)} = \mathcal R_{+-} ( \mathcal H_t^{prov}, \mathcal B_t^{+,(k)}, q_t ). }

45. Active Past

\boxed{ \mathcal B_t^{-,act,(k)} = View( \mathcal H_t^{prov}, \mathbf w_t^{-,(k)} ). }

46. Policy Update

\boxed{ \pi_t^{(k)} = \Pi ( \widetilde{\mathcal B}_t^0, \mathcal B_t^{+,(k)}, \mathcal B_t^{-,act,(k)} ). }

47. Future Refinement

policy candidate 本身可以改變：

如果我這樣行動，future 會怎樣？

因此：

\boxed{ \mathcal B_t^{+,(k+1)} = \Gamma_F^{refine} ( \mathcal B_t^-, \widetilde{\mathcal B}_t^0, \pi_t^{(k)}, \Xi_t ). }

48. 這形成 Deliberation Loop

\boxed{ Future^{(k)} \rightarrow PastView^{(k)} \rightarrow Policy^{(k)} \rightarrow Future^{(k+1)}. }

49. Deliberation Loop 可以很短

例如：

K=1.

就是一次：

預測 → 選 action。

50. 也可以多輪

K>1.

例如：

提方案 → 找歷史反例 → 改方案 → 再模擬。

51. $K$ 必須 Bounded

真實 agent：

\boxed{ K<\infty }

受：

latency；
compute；
energy；
deadline；

限制。

52. 不要求 Fixed-Point Convergence

\boxed{ \pi^{(k+1)} \rightarrow \pi^\star }

不保證。

53. Deliberation 可 Oscillate

例如：

f_1 \rightarrow h_1 \rightarrow f_2 \rightarrow h_2 \rightarrow f_1.

54. Oscillation 不是自動 Bug

若 evidence 真 ambiguous，

policy indecision 可能合理。

55. 但需要 Stopping Contract

例如：

\boxed{ Stop = BudgetExhausted \lor PolicyStable \lor RiskThreshold \lor Deadline. }

56. Policy Stability

\boxed{ d_\pi( \pi^{(k+1)}, \pi^{(k)} ) < \epsilon_\pi. }

57. Future-Space Stability

\boxed{ d_F( \mathcal B^{+,(k+1)}, \mathcal B^{+,(k)} ) < \epsilon_F. }

58. Historical-View Stability

\boxed{ d_H( \mathbf w^{-,(k+1)}, \mathbf w^{-,(k)} ) < \epsilon_H. }

59. Bounded Cognitive Closure

可定義：

\boxed{ \mathfrak C_t^{(K)} = \operatorname{Delib}^{K} ( \mathfrak T_t^{(3)} ). }

60. Cognitive Closure 不是 Logical Completeness

它只表示：

在 bounded deliberation budget 下完成的一輪 internal refinement。

61. Action Commitment

deliberation 結束：

\boxed{ a_t \sim \pi_t^{(K)}. }

62. Environment Transition

\boxed{ Z_{t+1} = T_Z( Z_t, a_t, \varepsilon_t ). }

63. $\varepsilon_t$ 包含

noise；
exogenous event；
other-agent action；
model mismatch；
stochasticity。

64. Actual Outcome May Differ from Predicted Future

\boxed{ Z_{t+1}^{real} \neq \widehat Z_{t+1}. }

65. Prediction Error Becomes New Information

定義：

\boxed{ \delta_t = d( Z_{t+1}^{real}, \widehat Z_{t+1} ). }

66. Sedimentation

TCD-05：

\boxed{ \mathcal B_{t+1}^- = \mathcal H_- ( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+, a_t, Z_{t+1}, E_t ). }

67. New Past Includes

what happened；
what was chosen；
what was unchosen；
which future influenced decision；
which dependencies changed；
which prediction failed。

68. New Present

新 observation：

\Xi_{t+1}

到來後：

\boxed{ \mathcal B_{t+1}^0 = \Phi_{-0} ( \mathcal B_{t+1}^-, \Xi_{t+1} ). }

69. New Future

\boxed{ \mathcal B_{t+1}^+ = \Gamma_F ( \mathcal B_{t+1}^-, \mathcal B_{t+1}^0, \Xi_{t+1} ). }

70. Full Shift

因此：

\boxed{ \mathscr S_t : ( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+ ) \rightarrow ( \mathcal B_{t+1}^-, \mathcal B_{t+1}^0, \mathcal B_{t+1}^+ ). }

71. Extended Shift

更完整：

\boxed{ \mathscr S_t = \mathscr S ( \mathfrak T_t^{(3)}, \Xi_t, \varepsilon_t, \mathbf B_t, \kappa_t ). }

72. TCD Master Update

本文將第一版 master update 壓縮為：

\boxed{ \begin{aligned} \widetilde B_t^0 &= \Phi_{-0}(B_t^-,\Xi_t),\\ B_t^{+,(0)} &= \Gamma_F(B_t^-,\widetilde B_t^0,\Xi_t),\\ (w_t^{-,(k)},\pi_t^{(k)},B_t^{+,(k+1)}) &= \mathfrak D( B_t^-, \widetilde B_t^0, B_t^{+,(k)} ),\\ a_t &\sim \pi_t^{(K)},\\ Z_{t+1} &= T_Z(Z_t,a_t,\varepsilon_t),\\ B_{t+1}^- &= \mathcal H_-(B_t^-,B_t^0,B_t^+,a_t,Z_{t+1}),\\ B_{t+1}^0 &= \Phi_{-0}(B_{t+1}^-,\Xi_{t+1}),\\ B_{t+1}^+ &= \Gamma_F(B_{t+1}^-,B_{t+1}^0,\Xi_{t+1}). \end{aligned} }

73. $\mathfrak D$ 是 Deliberative Coupling Block

它包含：

\boxed{ \mathcal R_{+-} + \Phi_{+0} + \Gamma_F^{refine}. }

仍然不是普通 algebraic sum。

74. Why Deliberative Block Matters

因為 agent 在 action 前可以：

生成 future；
用 future 找 past；
用 past 修正 future；
用 future 重新排序 action。

75. 這就是 Reflexive Cognition

不是：

\boxed{ \text{one-pass inference}. }

而是：

\boxed{ \text{bounded recurrent inference}. }

76. TCD 與普通 Markov Policy 的差別

普通形式：

\boxed{ a_t \sim \pi(a\mid s_t). }

77. TCD 形式

更像：

\boxed{ a_t \sim \pi \left( a \mid \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+ \right). }

78. 但如果 $s_t$ 已充分包含三者呢？

那：

\boxed{ s_t = Compress( B^-, B^0, B^+ ) }

完全可以。

79. TCD 不反對 Markovization

如果能找到 sufficient augmented state：

S_t^\star,

TCD 可被壓縮進：

S_t^\star.

80. TCD 真正關心的是：壓縮前你有沒有漏掉功能

所以：

\boxed{ \text{TCD} \neq \text{anti-Markov}. }

81. Temporal Sufficiency

定義：

\boxed{ S_t^\star = \Psi_{TCD} ( B_t^-, B_t^0, B_t^+ ). }

82. 若 $S_t^\star$ 足夠

使：

P( Y_{t:H} \mid B^-, B^0, B^+ ) \approx P( Y_{t:H} \mid S_t^\star ),

則可使用 compressed state。

83. 這延續 HSV

不是所有 history 都要永久展開。

84. Coupling Strength

如何量一條 edge 的重要性？

用 ablation。

85. Edge-Ablation

對 edge：

e_{ij},

建立：

\boxed{ G_{\mathrm{TCD}}^{-e_{ij}}. }

86. Coupling Sensitivity

對 task loss：

\mathcal L_T,

定義：

\boxed{ \chi_{ij}^{(T)} = \mathcal L_T( G^{-e_{ij}} ) - \mathcal L_T( G ). }

87. $\chi>0$

表示移除 coupling 使 performance 變差。

88. $\chi\approx0$

表示在該 task：

這條 edge 可能不重要。

89. $\chi<0$

表示移除 edge 反而更好。

這非常重要。

90. More Coupling Is Not Always Better

\boxed{ \text{more temporal coupling} \not\Rightarrow \text{better cognition}. }

91. Example：Bad Future Representation

如果：

B_t^+

充滿 phantom futures，

強：

+\to0

可能傷害 policy。

92. Example：Bad Retrospective Relevance

若：

+\to-

只找支持 future 的 history，

形成 narrative capture。

93. Example：Excess Sedimentation

若：

0\to-

保存太多 old constraints，

plasticity 崩潰。

94. TCD 因此需要 Coupling Governance

每條 edge 都要有：

budget；
uncertainty；
evidence；
stopping；
audit。

95. Coupling Profile

對 agent：

\boxed{ \Pi_{\mathrm{TCD}}^A = ( Q_{-0}, Q_{0+}, Q_{+0}, Q_{0-}, Q_{-+}, Q_{+-} ). }

96. 不是 Scalar

不要：

\boxed{ TCDIQ=95. }

97. Agent A 可能 History 強

Q_{-0}\gg0,

但：

Q_{0+}

弱。

98. Agent B 可能 Future Generation 強

但 Sedimentation 差，

反覆重犯。

99. Agent C 可能 Prospective Attraction 太強

容易被 phantom future 操縱。

100. Agent D 可能 Retrospective Relevance 太弱

無法從新目標重新啟用 old knowledge。

101. Six-Edge Bottleneck

定義：

\boxed{ e^\star = \arg\max_e \chi_e^{(T)}. }

表示在該 task 移除後造成最大性能損失的 temporal coupling。

102. Coupling Bottleneck Can Migrate

隨 agent 改進：

\boxed{ e_t^\star \neq e_{t+1}^\star. }

103. Positive Feedback Loop I — Narrative Capture

\boxed{ f \rightarrow supportive\ past \rightarrow P(f)\uparrow \rightarrow more\ support\ search. }

104. 這可能形成 Self-Reinforcing Belief

不是因為 evidence 真變強，

而是 retrieval bias。

105. Negative Feedback Loop I — Adversarial Correction

\boxed{ f \rightarrow counterhistory \rightarrow P(f)\downarrow \rightarrow future\ revision. }

106. 這是 Desired Stabilization

TCD 不只研究正 feedback。

107. Positive Feedback Loop II — Constructive Realization

\boxed{ f \rightarrow action \rightarrow infrastructure \rightarrow P(f)\uparrow. }

108. Negative Feedback Loop II — Prevention

\boxed{ f_{bad} \rightarrow mitigation \rightarrow P(f_{bad})\downarrow. }

109. Feedback Sign Depends on Mechanism

所以：

\boxed{ Cycle \neq SelfReinforcement. }

110. Loop Gain

概念上可定義：

\boxed{ G_{loop} = \prod_{e\in cycle} g_e. }

但只在 edge gains 有可比尺度時使用。

111. 一般 TCD 不假設 Linear Stability Theory 直接適用

如果 operator nonlinear / typed，

應使用：

simulation；
ablation；
local linearization；
empirical dynamics。

112. Temporal Coherence

一個 mature agent 的三個 base spaces 不應互相完全矛盾。

113. Example

Present says：

\text{resource}=0,

Future says：

tomorrow deploy giant system。

若沒有 path：

\boxed{ \text{future-present incoherence}. }

114. Past-Future Coherence

Future claim 若依賴已被 Past falsified 的 dependency，

也有：

\boxed{ \text{historical-future incoherence}. }

115. Coherence Checks

可定義：

\boxed{ C_{-0}, C_{0+}, C_{-+}. }

116. Coherence 不等於 Conformism

new future 可以挑戰 past trend。

只要：

有 explicit mechanism。

117. Surprise Is Allowed

TCD Future 仍保留：

U_t^+.

118. Unknown Mass Prevents Temporal Overclosure

如果：

p_\bot=0

被濫用，

agent 容易：

把目前三生模型當宇宙全部可能性。

119. TCD Unknown Triple

可寫：

\boxed{ \mathbf U_t = ( U_t^-, U_t^0, U_t^+ ). }

120. Past Unknown

無法完整重建 historical alternatives。

121. Present Unknown

不知道 hidden capability / path / dependency。

122. Future Unknown

不知道未命名 future regions。

123. Temporal Epistemic Humility

所以：

\boxed{ \widehat{\mathfrak T}_t^{(3)} \neq \mathfrak T_t^{(3),true} }

一般應保留。

124. Observation of TCD Is Observer-Relative

不同 observer：

A,B

可能建出：

\widehat{\mathfrak T}_t^{(3),A} \neq \widehat{\mathfrak T}_t^{(3),B}.

125. Observer Difference 不是 Arbitrary Subjectivism

仍受：

evidence；
provenance；
dynamics；
experiment；
resolution；

約束。

126. Multi-Agent TCD

對 agents：

A_1,\ldots,A_n,

每個有：

\mathfrak T_t^{(3),i}.

127. Shared Present

它們可能共享：

Env_t,

但：

B_t^{+,i}

不同。

128. Shared Future Candidate Can Couple Agents

若：

f

被多人採用，

可：

\boxed{ f \rightarrow a_t^1,\ldots,a_t^n. }

129. Collective Prospective Attraction

未來 narrative 可以形成 collective coordination。

130. 也可能形成 Collective Phantom Future

錯誤 future narrative 也能同時改變大量 agents。

131. Collective Sedimentation

multi-agent actions 產生：

standards；
institutions；
markets；
infrastructure。

132. 這為 Branching World / Institution TCD 留接口

本文不展開。

133. MuZero 的外部對照

MuZero 建立 planning-relevant learned dynamics，

用 tree search 評估 action sequences，

再選 current action。

外部意義：

\boxed{ \text{future model} \rightarrow \text{present action}. }

134. DreamerV3 的外部對照

DreamerV3 的 world model：

預測 potential action outcomes；

critic：

評估 imagined outcomes；

actor：

學習導向高 value outcome 的 action。

這是非常清楚的：

\boxed{ FutureRepresentation \rightarrow Valuation \rightarrow Policy. }

135. Mattar–Daw 的外部對照

其 prioritized memory access theory：

依 memory 對 future decision improvement 的 utility 決定 replay priority。

對照：

\boxed{ FutureNeed \rightarrow PastAccess. }

136. Momennejad 等人的外部對照

reward revaluation 後：

distal past states 的 offline replay 與後續 replanning 相關。

對照：

\boxed{ NewInformation \rightarrow PastReplay \rightarrow NewPolicy. }

137. 2025 Prospective Navigation Codes 的外部對照

一項大鼠 flexible navigation 研究顯示：

新 reward-location information 到來後，hippocampal/prefrontal prospective representations of future choices 可以快速調整，並伴隨 route switching。

138. TCD 的最保守讀法

這只支持：

\boxed{ \text{past integration} + \text{prospective representation} + \text{current choice update} }

在至少某些 biological decision tasks 中具有經驗相鄰性。

139. 不宣稱 Rat Brain = TCD Runtime

\boxed{ \text{biological analogue} \neq \text{theory identity}. }

140. Six-Edge Ablation Benchmark

建立 finite environment。

141. Full Agent

有六條 coupling。

142. Ablation 1

移除：

-\to0.

143. Ablation 2

移除：

0\to+.

144. Ablation 3

移除：

+\to0.

145. Ablation 4

移除：

0\to-.

146. Ablation 5

移除：

-\to+.

147. Ablation 6

移除：

+\to-.

148. Measure

比較：

cumulative task return；
safe reachability；
future coverage；
adaptation；
repeated-error rate；
option preservation；
provenance fidelity；
compute cost。

149. Exact Finite Micro-Model

可用 dynamic graph：

G_t=(V_t,E_t).

150. Past Choice Alters Graph

action：

a_t

可以：

add edge；
remove edge；
increase edge cost。

151. Present Domain

agent 只能看到：

V_t^{vis}

與：

E_t^{vis}.

152. Future Generator

生成 candidate goals：

f_1,\ldots,f_n.

153. Prospective Attraction

future value 改 path selection。

154. Sedimentation

action 改 graph + log。

155. Retrospective Relevance

future goal 改 past transition retrieval。

156. 這可以完整執行六條 Edge

而且：

\boxed{ \text{finite} }

可 exact audit。

157. TCD Runtime Trace

每輪至少輸出：

t
past_base_version
present_base_version
future_base_version
deliberation_rounds
active_past_items
future_candidates
future_unknown_mass
policy_before_future
policy_after_future
chosen_action
predicted_outcomes
real_outcome
prediction_error
sedimentation_record
dependencies_changed
options_lost
options_opened
next_state_versions

158. Replayability

理想：

\boxed{ Trace_{0:t} \rightarrow \widehat{\mathfrak T}_t^{(3)}. }

159. Replay 不必 Deterministic

若 system stochastic，

保存：

seeds；
distributions；
model versions。

160. Temporal Provenance

每一個：

B^-, B^0,B^+

都應有：

timestamp；
version；
parent；
evidence；
operator；
cost。

161. Six-Way Coupling Evidence Passport

對每條 edge claim：

edge
agent
task
domain
source_state
target_state
operator
budget
ablation
effect_size
uncertainty
evidence_level
failure_conditions

162. Edge Claim 不能越界

例如：

DreamerV3 有 $+\to0$ engineering analogue。

不能推出：

DreamerV3 已具完整 TCD。

163. Temporal Shift Operator

本文正式命名：

TCD Shift Operator

\boxed{ \mathscr S_t. }

164. Minimal Definition

\boxed{ \mathscr S_t : \mathfrak T_t^{(3)} \times \Xi_t \times \mathcal E_t \rightarrow \mathfrak T_{t+1}^{(3)}. }

165. $\mathcal E_t$ 表示

actual action；
environment event；
observed consequence；
new evidence。

166. Shift Operator 不是 Closed Autonomous Law

真實 agent 會接收：

\boxed{ \Xi_t. }

167. 所以 TCD 是 Open Dynamical System

\boxed{ \text{TCD agent} + \text{environment} + \text{other agents}. }

168. No Closed-World Assumption

future unknown：

U_t^+

永遠可能非零。

169. Temporal Fixed Point

若：

\mathfrak T_{t+1}^{(3)} \approx \mathfrak T_t^{(3)},

可稱：

\boxed{ \text{local temporal cognitive fixed regime}. }

170. 不一定是好事

可能是：

stable expertise；
rigid institution；
stuck loop；
mature policy。

171. Temporal Cycle

若：

\mathfrak T_{t+k}^{(3)} \approx \mathfrak T_t^{(3)},

可研究 periodic cognitive regime。

172. Temporal Drift

若 state 持續移動但無突然轉變：

\boxed{ \text{drift}. }

173. Temporal Phase Shift

若：

future ontology；
capability；
reachable domain；
historical relevance；

突然重構，

可標：

\boxed{ \text{temporal cognitive phase shift}. }

174. 本文不正式建立 Phase Theory

只留接口。

175. Learning Is Temporal-State Change

如果：

Cap_{t+1}\neq Cap_t,

這是：

\boxed{ \mathfrak T_{t+1}^{(3)} \neq \mathfrak T_t^{(3)}. }

176. Forgetting Is Temporal-State Change

如果：

B_{t+1}^-

壓縮／失活某些 residue，

也會改：

B_{t+1}^0, B_{t+1}^+.

177. Prediction Error Can Trigger Temporal Reorganization

若：

\delta_t\gg0,

agent 可能：

reweight past；
revise world model；
expand unknown mass；
generate new future ontology。

178. Error-Driven TCD Update

概念：

\boxed{ \delta_t \rightarrow ( \Delta B^-, \Delta B^0, \Delta B^+ ). }

179. Surprise Does Not Automatically Mean Learning

若 agent 不 sediment / update：

\delta_t

可能被忽略。

180. Long-Term Intelligence Requires Temporal Credit Assignment

某 action：

a_t

結果：

t+100

才顯現。

181. Credit Assignment Across TCD

需要追：

\boxed{ R_t^+ \rightarrow a_t \rightarrow Sediment \rightarrow FutureOutcome. }

182. 這是 PCI 長期 Resolution 的 runtime 版本

PCI 保存：

prediction；
realization path；
future resolution。

TCD 現在保存它們之間的 temporal lineage。

183. TCD 與 UCPNP 的關係

UCPNP 問：

哪些 intervention 能改變 agent-relative tractability frontier？

184. TCD 回答其中一個動力來源

同一 intervention：

新 knowledge；
new tool；
new future；
reactivated past；

會經 TCD couplings 改變：

\boxed{ \mathcal B^0 }

與：

\boxed{ \mathcal B^+. }

185. UCPNP 是 Frontier Program

TCD 是：

\boxed{ \text{one temporal dynamics layer beneath frontier motion}. }

186. TCD 不能取代 UCPNP

它不直接定義：

verification；
certification；
completion cost；
complexity regime。

187. 兩者接口

\boxed{ \mathfrak U_t \supset \mathfrak T_t^{(3)} }

可作未來整合方向。

188. TCD v0.1 Core

本文建議將：

TCD-01～TCD-07

視為：

\boxed{ \text{TCD v0.1 Core}. }

189. v0.1 包含

Past Base Space；
Present Base Space；
Future Base Space；
Prospective Attraction；
Historical Sedimentation；
Retrospective Relevance；
Six-Way Coupling + Shift Operator。

190. v0.1 不包含

runnable world branching；
world-domain governance；
cross-world evidence；
multi-world allocation；
persistent subworld agents；
full normative deployment layer。

191. 為什麼下一步應該分新系列？

因為：

\boxed{ \mathcal B_t^+ }

目前仍是：

cognitive / modelled future domain。

192. 下一階

若把 candidate：

f_i

instantiate：

\boxed{ f_i \rightarrow W_i, }

世界：

W_i

開始：

run；
accumulate history；
contain agents；
receive interventions；

就不是單純 TCD representation。

193. 這是 Runnable Future

\boxed{ \text{Represented Future} \rightarrow \text{Executable Future World}. }

194. 新問題

不再只是：

哪些 futures 值得想？

而是：

\boxed{ \text{哪些 futures 值得實際投入計算？} }

195. 這就是下一系列

Branching World Computation

分支世界計算／世界域認知 Runtime

196. 可否證條件

F196.1 Edge-Indistinguishability

若六條 coupling 在 controlled ablation 中無法操作性區分，

taxonomy 應簡化。

F196.2 Deliberation No-Gain

若 $K>1$ 的 reflective loop 長期不比 $K=1$ 好，

bounded recursion 不應被神化。

F196.3 Circularity Failure

若 implementation 無法區分 deliberation index $k$ 與 historical time $t$ ，

runtime formalization 需要重構。

F196.4 Past-Fact Contamination

若 $+\to-$ 會 silently rewrite provenance，

統一系統失效。

F196.5 Phantom-Future Instability

若錯誤 future representation 經 $+\to0$ 造成大規模 harmful lock-in，

需要降低 coupling gain / 增加 adversarial gate。

F196.6 Over-Sedimentation

若 $0\to-$ 造成 memory rigidity / plasticity collapse，

需增加 forgetting / archive。

F196.7 Historical Confirmation Loop

若 $+\to-\to+$ 只強化同一 narrative，

需強制 counter-retrieval。

F196.8 External-Shock Failure

若 TCD 忽略 $\Xi_t,\varepsilon_t$ 後只能解釋封閉世界，

必須保留 open-system formulation。

F196.9 No Predictive Gain

若完整 TCD state 對 planning / adaptation / audit 完全不優於更簡單 sufficient state，

應使用簡單模型。

197. 結論

TCD-01 說：

\boxed{ Past\neq Memory. }

TCD-02 說：

\boxed{ Present\neq Point. }

TCD-03 說：

\boxed{ Future\neq PreGivenMap. }

TCD-04 說：

\boxed{ FutureRepresentation \rightarrow PresentPolicy. }

TCD-05 說：

\boxed{ PresentAction \rightarrow PastSediment. }

TCD-06 說：

\boxed{ FutureTarget \rightarrow PastRelevance. }

TCD-07 現在把它們全部放進同一個系統。

真正的核心不再是：

\boxed{ Past, Present, Future. }

而是：

\boxed{ Past \leftrightarrows Present \leftrightarrows Future \leftrightarrows Past }

但每一條箭頭都有不同 operator semantics。

在 agent 的同一 decision moment：

t

內，

可以有：

\boxed{ Future^{(k)} \rightarrow PastView^{(k)} \rightarrow Policy^{(k)} \rightarrow Future^{(k+1)}. }

這不是時間旅行。

它只是：

\boxed{ \text{bounded deliberation}. }

當 agent 真正執行：

a_t,

世界才：

\boxed{ t\rightarrow t+1. }

於是：

\boxed{ PresentAction_t \rightarrow Past_{t+1}. }

新的 Past 又重新構造：

Present_{t+1},

新的 Present 再與新的 Past 一起生成：

Future_{t+1}.

所以第一版完整 TCD 可以壓縮成一句話：

智能不只是在現在解題；它利用沉積的過去生成可行的現在與想像的未來，再讓被生成的未來重新組織現在的行動與過去的相關性，而行動又被沉積成下一輪歷史。

形式上：

\boxed{ \mathscr S_t: ( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+ ) \longrightarrow ( \mathcal B_{t+1}^-, \mathcal B_{t+1}^0, \mathcal B_{t+1}^+ ). }

這就是：

Tri-Temporal Cognitive Dynamics v0.1 Core

第一次完整閉合。

下一步不再需要多畫一條時間箭頭。

真正的新問題是：

如果 Future Base Space 中的候選不只被想像，而可以被 instantiate 成可持續執行、具有自身 agent、history、rules 與 interventions 的子世界，智能體要如何管理大量並行世界？

那已經是另一個研究層：

Branching World Computation

Claim Typing

Claim	Type	Status
TCD 可表示為三個 typed temporal base spaces	D	Canonical synthesis
六個 coupling 方向具有不同 operator semantics	D	Canonical boundary
deliberation index $k$ 應與 historical time $t$ 分離	D / methodology	Core anti-circularity formalization
TCD Shift Operator 可作完整一步更新 scaffold	D	Proposed unified dynamics
coupling importance 可用 edge ablation 衡量	D / experiment design	Proposed operationalization
MuZero / Dreamer 提供 future-model-to-present-action engineering analogues	E	External calibration
prioritized / offline replay 提供 future-need-to-past-access analogues	E	External calibration
prospective navigation codes adapt with new information	E	External neuroscience evidence
完整六向 TCD 已被單一實驗系統證明	—	Not claimed
Future $\to$ Past 是物理逆因果	—	Explicitly rejected
更多 coupling 一定更智能	—	Explicitly rejected

Evidence Ladder

本文目前主要位於：

L0：typed six-way coupling + shift operator；
L1–L2：finite six-edge ablation / deliberation benchmarks 可實作；
L3：world-model planning、replay、revaluation、prospective-navigation studies 提供局部機制外部對照；
L4：需要 persistent AI / robot / institution runtime 做 longitudinal six-edge ablation；
L5+：跨 domain replication、multi-agent TCD、runnable-world extension 尚待後續。

參考文獻

Neo.K 內部正典與譜系

Neo.K. 歷史作為狀態變量：路徑依賴、記憶增廣與複雜系統的動力身份. 2026.
Neo.K with Aletheia. Past Is Not Memory. TCD-01, 2026.
Neo.K with Aletheia. The Present Is Not a Point. TCD-02, 2026.
Neo.K with Aletheia. Future as a Generated Base Space. TCD-03, 2026.
Neo.K with Aletheia. Prospective Attraction. TCD-04, 2026.
Neo.K with Aletheia. Historical Sedimentation. TCD-05, 2026.
Neo.K with Aletheia. Retrospective Relevance. TCD-06, 2026.
Neo.K with Aletheia. Neo.K Ultimate Cognitive P/NP Unified Theory. UCPNP Paper 09, 2026.
Neo.K with Aletheia. Generative Forecasting. UCPNP Series II Paper 13, 2026.
Neo.K with Aletheia. Prospective Constructive Intelligence. UCPNP Series II Paper 14, 2026.

External technical calibration

Schrittwieser, J., Antonoglou, I., Hubert, T., et al. Mastering Atari, Go, Chess and Shogi by Planning with a Learned Model. Nature 588, 604–609, 2020.
Hafner, D., Pasukonis, J., Ba, J., & Lillicrap, T. Mastering Diverse Control Tasks through World Models. Nature 640, 647–653, 2025.
Mattar, M. G., & Daw, N. D. Prioritized Memory Access Explains Planning and Hippocampal Replay. Nature Neuroscience 21, 1609–1617, 2018.
Momennejad, I., Otto, A. R., Daw, N. D., & Norman, K. A. Offline Replay Supports Planning in Human Reinforcement Learning. eLife 7:e32548, 2018.
Prince, S. M., Cushing, S. D., Yassine, T. A., et al. New Information Triggers Prospective Codes to Adapt for Flexible Navigation. Nature Communications 16, 4822, 2025.
Schaul, T., Quan, J., Antonoglou, I., & Silver, D. Prioritized Experience Replay. arXiv:1511.05952, 2015.
Andrychowicz, M., Wolski, F., Ray, A., et al. Hindsight Experience Replay. Advances in Neural Information Processing Systems 30, 2017.

Public Version Disclaimer

本文是 agent-level cognitive / decision / temporal dynamics framework。

本文不聲稱：

六向 coupling 是標準認知科學定律；
Past、Present、Future 是三個物理本體層；
Future physically causes Past；
recurrent deliberation 是時間旅行；
六條 edge 必須存在於所有 agent；
coupling strength 可以跨 domain 直接比較；
world models、replay 或 hippocampal prospective coding 等同完整 TCD；
TCD 必然提高 performance；
TCD v0.1 已經完成 runnable-world / multi-world architecture；
本文對 classical $P$ vs. $NP$ 提供任何新證明。

本文真正建立的是：

\boxed{ \mathfrak T_t^{(3)} = ( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+ ) }

與：

\boxed{ \mathscr S_t: \mathfrak T_t^{(3)} \rightarrow \mathfrak T_{t+1}^{(3)}. }

並明確要求：

\boxed{ \text{six temporal couplings are typed, bounded, auditable, and empirically ablatable}. }

Past–Present–Future 六向認知耦合與時間位移算子

Past–Present–Future 六向認知耦合與時間位移算子

Canonical Non-Identity Statement

摘要

TCD v0.1 Core

Branching World Computation

分支世界計算／世界域認知 Runtime

1. TCD-07 的任務：從六篇局部理論變成一個系統

2. 三個基本時間域

2.1 Past

3. Present

4. Future

5. Triple State

6. 為什麼不是三個普通 state vectors？

7. Past 可能包含

8. Present 可能包含

9. Future 可能包含

10. 所以 coupling 必須 Typed

11. Typed Coupling Graph

12. Vertex Set

13. Edge-Type Map

14. Edge I — Past → Present

Historical Conditioning

15. 它做什麼？

16. 它不是 Memory Retrieval

17. Edge II — Present → Future

Present-Conditioned Future Generation

18. 它做什麼？

19. Edge III — Future → Present

Prospective Attraction

20. 它做什麼？

21. 永久邊界

22. Edge IV — Present → Past

Historical Sedimentation

23. 它做什麼？

24. Edge V — Past → Future

Historical Projection

25. 它做什麼？

26. Historical Projection 不是簡單 Extrapolation

27. Edge VI — Future → Past

Retrospective Relevance

28. 它做什麼？

29. 它不能改 Past Fact

30. 六條 Edge 的 Mechanism Table

31. 六向不等於六個對稱 Arrow

32. 同樣：

33. 過去、現在、未來也不是 Information-Conserving Transform

34. TCD 因此不是 Reversible Time Physics

35. Circularity Problem

36. 第二個 Circularity

37. 解法：分離兩種時間 Index

38. ttt 的意義

39. kkk 的意義

40. Deliberation Does Not Advance Historical Time

41. Initial Present Construction

42. Initial Future Generation

43. ΓF\Gamma_FΓF​ 同時接受 Past 與 Present

44. Retrospective Reweighting

45. Active Past

46. Policy Update

47. Future Refinement

48. 這形成 Deliberation Loop

49. Deliberation Loop 可以很短

50. 也可以多輪

51. KKK 必須 Bounded

52. 不要求 Fixed-Point Convergence

53. Deliberation 可 Oscillate

54. Oscillation 不是自動 Bug

55. 但需要 Stopping Contract

56. Policy Stability

57. Future-Space Stability

58. Historical-View Stability

59. Bounded Cognitive Closure

60. Cognitive Closure 不是 Logical Completeness

61. Action Commitment

62. Environment Transition

63. εt\varepsilon_tεt​ 包含

64. Actual Outcome May Differ from Predicted Future

65. Prediction Error Becomes New Information

66. Sedimentation

38. $t$ 的意義

39. $k$ 的意義

43. $\Gamma_F$ 同時接受 Past 與 Present

51. $K$ 必須 Bounded

63. $\varepsilon_t$ 包含

73. $\mathfrak D$ 是 Deliberative Coupling Block

78. 但如果 $s_t$ 已充分包含三者呢？

82. 若 $S_t^\star$ 足夠

87. $\chi>0$

88. $\chi\approx0$

89. $\chi<0$