未來如何反向塑造現在：表徵未來作為當前決策場

Prospective Attraction: How Represented Futures Reshape Present Decisions

Tri-Temporal Cognitive Dynamics — 三生認知耦合動力學系列
TCD-04 / Coupling Paper 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 explicit coupling paper / future-to-present decision dynamics

Canonical Non-Identity Statement

TCD-03 已建立：

\boxed{ \text{Future} \neq \text{Pre-Given Map}. }

以及：

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

本文第一次正式研究：

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

但永久保留：

\boxed{ \text{Future Event}_{t+\Delta} \not\rightarrow \text{Present Physical Cause}_{t} }

作為本文的非逆因果邊界。

本文真正主張的是：

\boxed{ \operatorname{Rep}_t( \mathcal B_t^+ ) \rightarrow V_t \rightarrow \pi_t \rightarrow a_t. }

也就是：

在時間 $t$ 已存在於 agent 內部或外部認知系統中的「未來表徵」，可以透過價值、風險、預期、規劃與資源配置，改變當前 policy 與 action。

因此：

\boxed{ \text{Future Representation} \neq \text{Future Realization}. }

摘要

Tri-Temporal Cognitive Dynamics 前三篇依序建立：

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

其中 Past 是壓縮的歷史選擇譜系；Present 是歷史條件化後的有效可作用／可達域；Future 則是 agent 在當前資訊、representation、生成能力、world model、資源與 horizon contract 下所能構造的 prospective domain。

然而，只把三者並排仍然不是動力學。

真正使三生模型成為耦合系統的第一個核心問題是：

尚未實現的未來，為什麼能改變現在？

本文將答案限定在一個不需要任何物理逆因果的範圍：

因為 future event 雖然尚未發生，但它在時間 $t$ 的 representation 已經發生。

定義 agent $A$ 在時間 $t$ 對 Future Base Space 的可操作表徵：

\boxed{ R_t^{+,A} = \operatorname{Rep}_t^A( \mathcal B_t^{+,A} ). }

其中可包含：

future candidates；
probabilities；
simulated trajectories；
realization paths；
expected rewards / costs；
catastrophic scenarios；
desired targets；
uncertainty；
unknown future mass；
time horizons。

本文再定義 prospective valuation：

\boxed{ \mathcal V_t^A: R_t^{+,A} \rightarrow \mathbb R^m }

它不必是一維 reward，而可同時包含：

utility；
risk；
safety；
reversibility；
opportunity；
option preservation；
information value；
institutional acceptability。

對當前 action：

a \in \mathcal A_t^{eff,A},

其 prospective action profile 可寫為：

\boxed{ Q_t^+(a) = \mathbb E_t \left[ \mathcal V_t^A(F) \mid do(a) \right] - C_t(a) - Risk_t(a), }

其中 $F$ 表示 action-conditioned future candidate / future state variable。

本文將：

\boxed{ \mathcal A_t^+(a) = Q_t^+(a)-Q_t^{base}(a) }

稱為 Prospective Attraction（前瞻吸引量）：它不是一種神秘「未來力」，而是加入 future representation 後，action $a$ 的當前估值相對沒有該 prospective information 時發生的改變。

若：

\mathcal A_t^+(a)>0,

future representation 對該 action 形成 positive attraction；

若：

\mathcal A_t^+(a)<0,

形成 prospective repulsion；

若：

\mathcal A_t^+(a)\approx0,

則該 future representation 對 action selection 幾乎沒有可測影響。

本文進一步提出 Future-Ablation Test。令：

\pi_t^{+}

為使用 Future Base Space 的 policy，

而：

\pi_t^{-F}

為將 prospective representation 移除或遮蔽後的 policy。

定義：

\boxed{ \Delta_\pi^+(t) = d_\pi( \pi_t^{+}, \pi_t^{-F} ). }

若：

\Delta_\pi^+(t)>0,

則至少可操作地說：

future representation 在該 task / agent / contract 下對 present policy 有因果功能。

本文並區分四種前瞻作用：

Attraction：朝某 future region 配置資源；
Repulsion：為避免某 future 而改變現在；
Preparation：為尚未到來的 future task 預先塑造環境；
Option Preservation：現在選擇較不破壞未來選項的路徑。

本文亦正式處理 reflexivity：

\boxed{ R_t^+ \rightarrow a_t \rightarrow P_{t+1}(F). }

也就是：

forecast / imagined future 不只被動描述未來，它可能透過當前 action 改變該 future 的實現機率。

這產生：

self-fulfilling dynamics；
self-defeating dynamics；
constructive realization；
preventive realization；
forecast-induced path dependence。

因此，對 policy-coupled agent：

\boxed{ P(F\mid I_t) \neq P(F\mid I_t,\pi_t[R_t^+]) }

一般完全可能。

外部 AI 與控制研究提供了非常清楚的工程相鄰例子。MuZero 在 learned model 裡考慮可能的 future action sequences，再用 search 選擇現在 action；DreamerV3 由 world model 預測 potential actions 的 future outcomes、critic 評價 imagined outcomes、actor 選擇導向高價值 outcomes 的 action；model-predictive control 與 model-based RL 直接以 predicted future trajectories / returns 選擇 present control；anticipatory planning 的 long-lived robot 則把 future task expected cost 加入當前 planning objective，以避免當前行為讓後續任務變昂貴。這些工作不等於 TCD，但共同支持一個有限而強的工程命題：

\boxed{ \text{represented or predicted futures can be computational inputs to present action selection}. }

本文最後提出：

\boxed{ \textbf{The future does not need to exist physically at time }t\textbf{ in order to exist causally as a representation at time }t. }

中文：

未來不需要在時間 $t$ 已物理實現，才能以「未來表徵」的形式成為時間 $t$ 決策鏈的一部分。

這是 TCD 第一次真正完成：

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

下一篇 TCD-05 將研究另一條時間轉換：

Historical Sedimentation

現在如何沉積成過去：行動、依賴與路徑的歷史化

即：

\boxed{ \mathcal B_t^0 \rightarrow \mathcal B_{t+1}^-. }

關鍵詞： Prospective Attraction、Anticipatory Planning、Future Representation、Decision Field、Model-Based Planning、World Models、MPC、Reflexivity、Self-Fulfilling Forecast、Tri-Temporal Cognitive Dynamics

1. 三個時間底座齊全仍然不是動力學

TCD-03 結束時已有：

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

但這只是：

\boxed{ \text{temporal state tuple}. }

真正 dynamic system 必須有：

\boxed{ \text{coupling operators}. }

2. 第一個真正反直覺的箭頭

過去影響現在：

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

很直觀。

現在生成未來：

( \mathcal B_t^-, \mathcal B_t^0 ) \rightarrow \mathcal B_t^+

也容易接受。

最容易讓人誤解的是：

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

3. 先排除 Retrocausality

本文不主張：

F_{t+10}

已經從物理未來穿越回：

t.

所以：

\boxed{ F_{t+\Delta} \not\to a_t }

若 $F_{t+\Delta}$ 指「尚未發生的未來事件本身」。

4. 真正存在的是 Future Representation

在時間：

t,

agent 已經可以擁有：

\boxed{ R_t^+ = \operatorname{Rep}_t( F_{t+\Delta} ). }

這個：

R_t^+

是現在的物理／計算／認知 state。

5. 所以真正因果鏈是

\boxed{ R_t^+ \rightarrow V_t \rightarrow \pi_t \rightarrow a_t \rightarrow Z_{t+1}. }

沒有任何時間倒流。

6. Future Event 與 Future Representation 必須永久分開

\boxed{ F_{t+\Delta}^{real} \neq R_t^+(F_{t+\Delta}). }

7. 表徵可以錯，但仍然有現在因果力

即使：

R_t^+(F)

完全錯誤，

agent 若相信它，

仍可能：

a_t

改變。

所以：

\boxed{ \text{causal influence of a forecast} \neq \text{truth of the forecast}. }

8. Phantom Future

本文把：

不會實現／不可達，但仍強烈改變 present policy 的 future representation

稱為：

\boxed{ \text{Phantom Future}. }

9. Phantom Attraction

若：

f \in G_t^{IU}

且：

|\mathcal A_t^+(a;f)| \gg0,

稱：

\boxed{ \text{Phantom Attraction}. }

10. Phantom Future 可以造成真實後果

例如錯誤危機預測：

R_t^+

可能引起：

resource hoarding；
project cancellation；
defensive investment；
legal changes；
migration；
market reactions。

即使：

F^{real}

最後沒發生。

11. 所以「沒發生」不等於「沒影響」

\boxed{ \text{Non-realization} \neq \text{Non-influence}. }

這會在後續歷史沉積篇非常重要。

12. Future Representation State

定義：

\boxed{ R_t^{+,A} = ( \Omega_t^{F,A}, \widehat P_t^A, \widehat \Pi_t^A, \widehat V_t^A, U_t^+ ). }

13. Future Candidate Layer

\Omega_t^{F,A}

回答：

agent 覺得有哪些 future regions 值得建模？

14. Probability Layer

\widehat P_t^A

回答：

agent 對候選的 likelihood / uncertainty 怎麼估？

15. Path Layer

\widehat\Pi_t^A

回答：

現在到 candidate 之間有哪些 realization paths？

16. Value Layer

\widehat V_t^A

回答：

candidate 對 agent / task / institution 的價值、風險、成本、重要性如何？

17. Unknown Layer

U_t^+

提醒：

目前 future representation 不 exhaustive。

18. Future Candidate 沒有 Value 就不一定影響 action

如果：

V_t(f)=0

且它不影響其他 dependency，

則：

\mathcal A_t^+(a;f) \approx0.

19. Future Valuation Operator

定義：

\boxed{ \mathcal V_t^A: R_t^{+,A} \rightarrow \mathbf v_t^A. }

20. Value 不必是一維 reward

\boxed{ \mathbf v_t = ( U, Risk, Safe, Rev, Info, Option, Norm, Cost ). }

例如：

utility；
catastrophic risk；
safety；
reversibility；
information gain；
future option preservation；
normative admissibility；
lifecycle cost。

21. Present Action Score

對：

a\in\mathcal A_t^{eff},

定義概念性：

\boxed{ Q_t(a) = Q_t^{imm}(a) + \beta_t Q_t^+(a). }

22. Immediate Component

Q_t^{imm}(a)

表示：

只看當前／近端 outcome 的 action value。

23. Prospective Component

\boxed{ Q_t^+(a) = \mathbb E_t [ V_t(F) \mid a ]. }

若有合法 causal semantics：

\boxed{ Q_t^+(a) = \mathbb E_t [ V_t(F) \mid do(a) ]. }

24. $\beta_t$ 是 Future Weight

\boxed{ \beta_t\ge0. }

它可反映：

discount；
urgency；
confidence；
planning horizon；
institutional mandate。

25. Future-Blind Policy

若：

\beta_t=0,

agent 完全不考慮 prospective component。

定義：

\boxed{ \pi_t^{-F}. }

26. Future-Aware Policy

若：

\beta_t>0,

定義：

\boxed{ \pi_t^{+}. }

27. Future-Ablation Test

定義：

\boxed{ \Delta_\pi^+(t) = d_\pi( \pi_t^{+}, \pi_t^{-F} ). }

28. 這是最小可驗證 Prospective Coupling

若：

\Delta_\pi^+(t)>0,

則：

移除 future representation 確實改變 policy。

這比哲學式說：

agent 被未來吸引。

嚴格得多。

29. Prospective Attraction

定義 baseline action value：

Q_t^{base}(a).

加入某 future representation：

f

後：

Q_t^{f}(a).

定義：

\boxed{ \mathcal A_t^+(a;f) = Q_t^{f}(a)-Q_t^{base}(a). }

30. Positive Attraction

若：

\mathcal A_t^+(a;f)>0,

candidate：

f

提高現在選擇：

a

的吸引力。

31. Prospective Repulsion

若：

\mathcal A_t^+(a;f)<0,

candidate：

f

降低：

a

的吸引力。

32. 未來災難通常以 Repulsion 工作

例如：

f_{cat}

是 catastrophic future。

agent 不會：

朝災難走。

而是：

\boxed{ \text{avoidance policy}. }

33. 所以 Prospective Attraction 是 Signed

\boxed{ \mathcal A_t^+\in\mathbb R. }

名字「Attraction」包含：

attraction；
repulsion。

34. Future Field

對所有 actions：

\mathcal A_t^{eff},

定義：

\boxed{ \mathbf A_t^+ = \{ \mathcal A_t^+(a) : a\in\mathcal A_t^{eff} \}. }

可稱：

Prospective Decision Field

35. 它不是物理 Field

本文中的 field 是：

\boxed{ \text{action-space valuation field}. }

不是電磁場、重力場或量子場。

36. Multiple Futures Superpose in Decision Space

如果有：

f_1,\ldots,f_n,

可寫：

\boxed{ \mathcal A_t^+(a) = \sum_i w_i \mathcal A_t^+(a;f_i) }

作概念近似。

37. 但不保證線性可加

未來 candidates 可能：

incompatible；
dependent；
mutually exclusive；
nonlinear utility。

所以完整情況應：

\boxed{ \mathcal A_t^+ = \mathcal G( \mathcal B_t^+ ). }

38. Probability-Weighted Future Value

常見簡化：

\boxed{ Q_t^+(a) = \sum_i P_t(f_i\mid a) V_t(f_i). }

39. Unknown Future 也必須進 Value

沿 TCD-03：

p_\bot

不能默認零。

所以：

\boxed{ Q_t^+(a) = \sum_i p_iV_i + p_\bot V_\bot. }

40. $V_\bot$ 不可精確知道

因此可使用：

robust bound；
ambiguity set；
worst-case penalty；
option-preservation bonus；
exploration value。

41. Unknown-Aware Present Action

一個成熟 agent 不應因：

\bot_F

存在就完全停止。

但也不應假裝：

\bot_F=0.

42. Prospective Uncertainty Weight

可定義：

\boxed{ UWeight_t(a) }

表示 action 在 unknown future 下的 robust / fragile 程度。

43. Option Preservation

如果兩個 actions：

a_1,a_2

短期 reward 相同，

但：

a_1

保留更多 future paths，

則：

\boxed{ OptionValue(a_1) > OptionValue(a_2). }

44. Present Action Can Be Chosen for Future Optionality

這就是：

\boxed{ \text{Option-Preservation Coupling}. }

45. 這直接接 TCD-02

TCD-02 已經有：

forkability；
reversibility；
exit capacity；
recoverability。

TCD-04 現在把這些變成：

present policy 為了 future flexibility 而主動保留。

46. Prospective Preparation

有些現在 action：

a_t

不直接增加 current reward。

它只是：

為尚未到來的 future task 做準備。

47. Anticipatory Planning 的直接工程例子

long-lived robot planning 研究指出：

如果 robot 只解當前 task，可能把環境弄得讓未來 tasks 更昂貴。

因此 planner 把：

\boxed{ \text{expected future task cost} }

加入現在 objective。

48. TCD 對 Anticipatory Planning 的讀法

\boxed{ R_t^+(FutureTasks) \rightarrow Q_t(a) \rightarrow a_t. }

這是 Prospective Attraction 的乾淨工程 instance。

49. Preparation Action

定義：

\boxed{ a_t^{prep} }

若：

Reward_t(a_t^{prep})

不高，

但：

ExpectedFutureCost \downarrow.

50. Present Sacrifice for Future Gain

有時：

Q_t^{imm}(a)<0

但：

Q_t^+(a)\gg0.

所以總：

Q_t(a)>0.

51. 這就是延遲滿足的通用結構

不論：

人類 saving；
robot preparation；
company R&D；
scientific infrastructure；
training；
preventive safety；

都可以有同一結構：

\boxed{ \text{present cost} \rightarrow \text{future value}. }

52. 但相同結構不代表相同倫理

TCD 只描述 dynamics。

不宣稱：

犧牲現在永遠合理。

53. Discounting

常見：

\boxed{ Q_t^+(a) = \sum_{k=1}^{H-t} \gamma^k \mathbb E[ r_{t+k}\mid a ]. }

54. $\gamma$ 不是宇宙常數

\gamma

反映：

preference；
uncertainty；
institution；
task；
risk。

55. Long-Horizon Neglect

若：

\gamma\ll1,

遠未來幾乎失去 influence。

56. Long-Horizon Overreach

若 agent 給極遠 future：

\gamma\approx1

但 model uncertainty 很高，

可能：

用非常不可靠的未來壓倒現在。

57. Confidence-Adjusted Future Weight

可以：

\boxed{ \beta_t(f) = g( H, Confidence, Evidence, Impact ). }

58. Present Policy as Future-Conditioned Map

一般：

\boxed{ \pi_t = \Pi( \mathcal B_t^0, R_t^+ ). }

59. Same Present, Different Future Representation

若：

\mathcal B_t^{0,A} = \mathcal B_t^{0,B},

但：

R_t^{+,A} \neq R_t^{+,B},

則可：

\boxed{ \pi_t^A \neq \pi_t^B. }

60. 這是 TCD-04 的核心可檢驗命題

建立相同 current state，

只操控 future representation，

看 present action 是否改變。

61. Future Representation Intervention

實驗上：

\boxed{ do( R_t^+=r_1 ) }

與：

\boxed{ do( R_t^+=r_2 ) }

比較：

a_t.

62. 只有在合法 intervention design 下才使用 do

如果只是 observational correlation，

不要濫用：

do.

63. Prospective Influence Effect

定義：

\boxed{ \Delta_a^+ = \mathbb E[ a_t\mid do(R_t^+=r_1) ] - \mathbb E[ a_t\mid do(R_t^+=r_0) ]. }

64. Action 不是數值時

可比較：

policy KL divergence；
action distribution distance；
plan edit distance；
resource allocation distance。

65. Resource Allocation

future representation 最常見作用之一：

\boxed{ R_t^+ \rightarrow Budget_t. }

66. Research Forecast Example

如果 agent 認為：

f_{AI-native\ OS}

高 realizability，

可能：

Budget( AI-native\ OS )\uparrow.

67. Resource Allocation 再改 Future

\boxed{ Budget_t(f) \uparrow \rightarrow P_{t+1}(f) \uparrow }

可能成立。

68. 這是 Reflexivity

定義：

\boxed{ R_t^+ \rightarrow a_t \rightarrow P_{t+1}(F). }

69. Forecast 不再純 Observational

如果 forecast 被 policy 使用，

則：

\boxed{ P(F\mid I_t) }

與：

\boxed{ P(F\mid I_t,\pi[R_t^+]) }

可能不同。

70. Self-Fulfilling Future

若：

R_t^+(f) \rightarrow a_t

使：

P(f)\uparrow,

稱：

\boxed{ \text{Self-Fulfilling Prospective Loop}. }

71. Self-Defeating Future

若災難 forecast：

R_t^+(f_{bad})

促使 preventive action，

使：

P(f_{bad})\downarrow,

稱：

\boxed{ \text{Self-Defeating / Preventive Loop}. }

72. 預測失敗可能代表防範成功

例如：

P(f_{bad})=0.8

觸發有效 preventive action，

最後：

f_{bad}=0.

不能單純說：

forecaster 預測錯。

73. Need Policy-Conditional Forecast Evaluation

應問：

\boxed{ P( F \mid PolicyRegime ). }

74. Constructive Realization

PCI 已區分：

\boxed{ PredictiveRealization \neq ConstructiveRealization. }

TCD-04 現在給它動力學：

\boxed{ R_t^+(f) \rightarrow a_t \rightarrow f. }

75. Constructive Realization 不一定是完整自我實現

可能只有：

\boxed{ \text{partial causal contribution}. }

76. Influence Fraction

概念上：

\boxed{ \eta_{inf}(f) = \text{fraction / contribution of forecast-induced action to realization}. }

真實世界通常難精確估。

77. Influence Ledger

因此更實務的方法是：

publication；
funding；
direct adoption；
prototype；
policy citation；
engineering reuse；

保存 provenance。

78. Prospective Commitment

有些 future representation 一旦被採用，

現在會進入：

\boxed{ \text{commitment}. }

例如：

long-term contract；
infrastructure；
training；
standard；
architecture choice。

79. Commitment Creates Path Dependence

R_t^+ \rightarrow a_t^{commit} \rightarrow D_{t+1}

其中：

D_{t+1}

是新的 dependency residue。

80. Future Representation Can Become Past Structure

這一點非常重要：

\boxed{ \text{imagined future} \rightarrow \text{present commitment} \rightarrow \text{future historical residue}. }

81. 這已經形成小閉環

\boxed{ \mathcal B_t^+ \rightarrow \mathcal B_t^0 \rightarrow \mathcal B_{t+1}^-. }

第二箭頭由 TCD-05 正式處理。

82. MuZero 的外部校準

MuZero 從 current position 建立 latent state，

再用 learned dynamics：

g

與 prediction function：

f

展開 possible future action sequences。

MCTS 使用這些 future representations 選現在 action。

83. TCD 對 MuZero 的最小讀法

\boxed{ \text{modelled futures} \rightarrow \text{current search / action}. }

不需要更強哲學宣稱。

84. DreamerV3 的外部校準

DreamerV3：

world model 預測 potential actions outcomes；
critic 評估 imagined outcomes；
actor 選擇 actions。

85. DreamerV3 的 TCD 對照

幾乎直接是：

\boxed{ R_t^+ \rightarrow V_t \rightarrow \pi_t. }

86. MPC 的外部校準

Model Predictive Control：

從現在 state 出發，模擬多個 future control sequences，估 future trajectories / costs，再執行現在第一步。

87. Receding Horizon

執行一個 action 後，

重新：

\boxed{ observe \rightarrow predict \rightarrow optimize \rightarrow act. }

88. TCD 對 MPC 的讀法

Future Base Space 不是一次永久建立。

而是：

\boxed{ \text{continuously regenerated}. }

89. Adaptive RL-MPC 2026 校準

2026 的 hierarchical RL-MPC 工作更直接耦合：

learned value；
MPC sampling；
uncertainty；
policy improvement。

它顯示：

\boxed{ \text{future sampling and current policy learning can mutually update}. }

90. TCD 不等於 MPC

TCD 的 scope 更廣，

可包含：

scientific futures；
institutions；
AI architecture；
technology；
social planning。

所以只把 MPC 當：

\boxed{ \text{engineering micro-model}. }

91. Prospective Attraction Can Be Symbolic

不一定要 world-model rollout。

例如：

若產品走 architecture A，五年後 vendor lock-in 很高。

這個 symbolic future claim 也可：

R_t^+ \rightarrow a_t.

92. Prospective Attraction Can Be Narrative

人類也常以 narrative future：

career；
family；
nation；
technology；

塑造現在。

但 TCD 仍要求：

若要做 empirical claim，就要 operationalize。

93. Future Framing Effect

同一 objective future，

不同 representation：

R_t^{+,1} \neq R_t^{+,2}

可能造成不同 policy。

94. 這是風險

future narrative 可以：

inform；
motivate；
manipulate；
scare；
capture。

95. Prospective Manipulation

若 actor $B$ ：

\boxed{ R_t^{+,A} \leftarrow Message_t^B }

故意操縱 A 的 future representation，

就能間接改：

a_t^A.

96. Future-Control Channel

因此：

\boxed{ \text{control over future representation} }

本身可以成為：

\boxed{ \text{control over present action}. }

97. 這是 Normative Interface，但本文不展開倫理

後續可研究：

propaganda；
risk communication；
recommendation；
AI persuasion；
scenario framing。

TCD-04 先只建立 mechanism。

98. Prospective Framing Robustness

可用：

\boxed{ Q_{frame} = 1- d_\pi( \pi[R_1], \pi[R_2] ) }

在 $R_1,R_2$ 語義等價時測 framing sensitivity。

99. Future Representation Quality

一個高品質 prospective system 應至少考慮：

\boxed{ Q_{R^+} = ( Calibration, Coverage, CausalQuality, PathQuality, Uncertainty, Resolution ). }

100. False Future Can Be More Motivating Than True Future

這是重要警告。

\boxed{ Influence \neq Accuracy. }

101. 所以不能用「有沒有改變行動」判斷 forecast 好不好

Prospective influence 與 forecast quality 必須分開。

102. Influence–Accuracy Matrix

	Low Accuracy	High Accuracy
Low Influence	無效噪音	被忽略的好預測
High Influence	危險幻影未來	有效前瞻控制

103. Ideal Prospective Control

理想：

\boxed{ Accuracy\uparrow, \qquad Influence\ proportional\ to\ Evidence. }

104. Evidence-Proportional Influence

定義概念：

\boxed{ I_t(f) \propto Q_E(f). }

高 evidence future 才應有高 policy weight。

105. 但 Low Probability High Impact 仍可能值得高 Influence

所以不能只：

I_t(f)\propto P(f).

還需：

Impact(f).

106. Risk-Sensitive Prospective Weight

概念：

\boxed{ W_t(f) = g( P, Impact, Uncertainty, Reversibility, VOI ). }

107. Prospective Policy Equation

本文給出一個最小總式：

\boxed{ \pi_t = \Pi \left( \mathcal B_t^0, \mathcal V_t( R_t^+ ), \mathbf B_t, \kappa \right). }

108. TCD-04 Coupling Operator

定義：

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

109. 更完整寫法

\boxed{ \mathcal B_t^{0,\mathrm{policy}} = \Phi_{+0} ( \mathcal B_t^0, R_t^+ ). }

這表示：

同一可作用現在，在不同 future representation 下，可形成不同 policy-conditioned present。

110. Present Domain 本身也可能被 Future 立即改寫

例如 agent 決定：

為未來目標保留某資源。

則現在：

\mathcal A_t^{eff}

也可能縮小。

111. Reserved Resources

若：

Res_t^{reserved}(f)>0,

則當前可用：

Res_t^{free} = Res_t - Res_t^{reserved}.

112. 所以 Future 不只改 Policy Ranking

它甚至能改：

\boxed{ \mathcal B_t^0 }

本身。

113. Example: R&D Commitment

未來候選：

f_{new\ architecture}

被高評價後，

公司：

allocate team；
reserve GPU；
freeze competing design；
sign contract。

因此 present actionable domain 已改變。

114. Prospective Self-Restriction

有時 agent 為了未來：

f

會主動關閉現在 options。

\boxed{ \mathcal B_t^0 \rightarrow \mathcal B_t^{0'} \subset \mathcal B_t^0. }

115. Self-Restriction 可能合理，也可能危險

例如：

savings；
training；
safety commitment；

可能合理。

但：

cult prediction；
false crisis；
bad long-term forecast；

也可能造成 destructive lock-in。

116. Future-Induced Lock-In

定義：

\boxed{ L_t^+(f) }

表示由 future representation 引發的 present commitment 對 alternative future paths 的刪除程度。

117. Future-Induced Branch Opening

反過來，

future candidate 也可能促使：

new skill；
new infrastructure；
new research；
new rights；
new tool。

使：

\boxed{ \mathcal B_{t+1}^0 }

擴大。

118. 所以 Future Representation 可以縮域也可以開域

\boxed{ \Delta|\mathcal B_t^0| \lessgtr0. }

119. Prospective Attraction 不等於 Optimism

negative future：

f_{bad}

也能強烈改變 policy。

所以：

\boxed{ ProspectiveAttraction \neq PositiveThinking. }

120. Prospective Attraction 不等於 Desire

agent 可以非常不想要：

f,

但因它機率高而強烈行動。

121. Prospective Attraction 不等於 Prediction

預測：

P(f)=0.9

但如果：

V(f)=0,

action 幾乎不變。

122. Prospective Attraction 不等於 Value Alone

agent 很想要：

f,

但：

P(f)\approx0

且 path 不存在，

也可能不投入。

123. 最小三因素

因此：

\boxed{ \text{Prospective Influence} \sim Probability \times Value \times Actionability. }

只作概念，不作 universal law。

124. Actionability of Future

定義：

\boxed{ Act_F(f) }

表示 agent 現在是否有 actions 能 materially 改變：

P(f).

125. Uncontrollable Future

如果：

Act_F(f)\approx0,

即使：

P(f),V(f)

很高，

present action 可能有限。

126. Controllable Future

如果：

Act_F(f)\gg0,

future representation 更容易產生 policy shift。

127. Prospective Control Frontier

本文提出：

\boxed{ \mathcal F_{+0} = \operatorname{ParetoFront} \{ ( ForecastQuality, PolicyGain, Safety, OptionPreservation, Robustness, -Cost ) \}. }

128. 不以「改變越大」為越好

如果錯誤 future：

R_t^+

造成巨大 policy shift，

那是：

\boxed{ \text{high influence, low quality}. }

129. Benchmark A — Future Ablation

同一 agent / current state：

A

有 future representation。

B

遮蔽 future representation。

比較：

\Delta_\pi^+.

130. Benchmark B — True vs False Future

提供：

calibrated future；
plausible false future。

測 influence / accuracy 是否分離。

131. Benchmark C — Positive vs Negative Future

同一 magnitude：

desired future；
catastrophic future。

看 attraction / repulsion dynamics。

132. Benchmark D — Preparation Task

讓 current reward 偏好 myopic action，

但 future task sequence 偏好 preparation action。

測 future-aware policy 是否降低 long-run total cost。

133. Benchmark E — Option Preservation

短期 reward 相同，

但：

a_1

保留更多 future branches。

測 agent 是否選：

a_1.

134. Benchmark F — Self-Fulfilling Loop

future forecast 公開後，

允許 agent / population response。

比較：

P(F\mid forecast\ hidden)

與：

P(F\mid forecast\ public).

135. Benchmark G — Preventive Loop

forecast catastrophe，

允許 mitigation。

檢查：

forecast failure 是否其實是 intervention success？

136. Benchmark H — Framing Robustness

future semantics 相同，

只改 narrative framing。

測：

\Delta_\pi^{frame}.

137. Benchmark I — Unknown Future Weight

改：

p_\bot.

測 agent 是否：

preserve options；
seek information；
reduce irreversible commitment。

138. 可否證條件

F138.1 Future-Ablation Null

若：

\Delta_\pi^+\approx0

在所有 relevant tasks 成立，

則 prospective representation 不構成重要 coupling。

F138.2 Representation-Truth Confusion

若 framework 把 future representation 的 present causal influence誤寫成 future event retrocausality，

理論失效。

F138.3 Influence–Accuracy Collapse

若無法分離：

Influence

與：

ForecastAccuracy,

則 phantom future / constructive realization 無法 audit。

F138.4 Policy Confounding

若 policy 差異其實來自：

extra compute；
extra information；
hidden reward changes；

不能全算 prospective attraction。

F138.5 Simulator Dependence

若 prospective gain 只存在於某一錯誤 simulator，

不能外推 real-world control。

F138.6 Normative Overreach

若把：

\text{future influence}

直接變成：

\text{future ought to dominate present},

則偷換 descriptive / normative domain。

139. TCD-04 第一條原則

\boxed{ \textbf{Represented-Future Causation Principle} }

尚未實現的 future event 不需要具有物理逆因果；只要其 representation 在現在存在，它就能經由 valuation 與 policy 成為現在 action 的正常因果輸入。

140. TCD-04 第二條原則

\boxed{ \textbf{Influence–Truth Separation Principle} }

future representation 對 present action 的影響強度與該 future 是否真實／可實現必須分開評估。

141. TCD-04 第三條原則

\boxed{ \textbf{Prospective Option Principle} }

present action 可以因其對未來可達域、可逆性、退出能力與 option preservation 的影響而被重新排序。

142. TCD-04 第四條原則

\boxed{ \textbf{Reflexive Future Principle} }

當 forecast 或 future representation 被用於決策時，它可能改變其所預測 future 的實現機率；因此 policy-coupled forecast evaluation 必須區分純預測與介入後結果。

143. TCD-04 第五條原則

\boxed{ \textbf{Future-Ablation Principle} }

若要證明 future representation 對 present policy 有功能性作用，應比較有／無 prospective representation 的 controlled policy difference，而不是只靠概念敘述。

144. 三生耦合目前完成到哪裡？

現在有：

\boxed{ \mathcal B_t^- \rightarrow \mathcal B_t^0 }

歷史塑造現在。

145. 也有：

\boxed{ ( \mathcal B_t^-, \mathcal B_t^0 ) \rightarrow \mathcal B_t^+ }

過去與現在共同生成 future space。

146. 本文新增：

\boxed{ \mathcal B_t^+ \rightarrow \mathcal B_t^0 }

represented future 重塑 present policy / domain。

147. 下一條是：

\boxed{ \mathcal B_t^0 \rightarrow \mathcal B_{t+1}^-. }

現在如何變成歷史。

148. 與 TCD-05 的接口

現在如何沉積成過去：行動、依賴與路徑的歷史化

將研究：

a_t \rightarrow D_{t+1} \rightarrow \mathcal B_{t+1}^-.

以及：

哪些 present alternatives 在 action 後變成已實現歷史、未選歷史、lost option 與新的 dependency residue？

149. 結論

TCD-03 結束時，

我們有：

\boxed{ \mathcal B_t^+ }

但它仍然只是「被生成的未來認知域」。

TCD-04 現在第一次讓它動起來。

未來尚未發生。

但是：

\boxed{ R_t^+ }

已經發生。

它是現在的：

prediction；
simulation；
hope；
fear；
target；
plan；
scenario；
theory；
technology candidate。

只要它進入：

\boxed{ V_t }

就可能改變：

\boxed{ \pi_t. }

而：

\pi_t

再改變：

\boxed{ a_t. }

所以真正的鏈不是：

\boxed{ Future \rightarrow Past. }

而是：

\boxed{ \operatorname{Representation}_t(Future) \rightarrow Valuation_t \rightarrow Policy_t \rightarrow Action_t. }

這是一條完全普通的正向時間因果鏈。

但在認知層看起來，

它具有一個非常重要的效果：

一個尚未存在的未來，可以因為現在已經有了它的表徵，而讓現在開始朝它靠近、遠離它、為它準備，或為避免它而重構自己。

因此：

\boxed{ \textbf{Future does not have to be real yet to be decision-real now.} }

中文：

未來不必現在就已實現，才能在現在成為決策上的真實因素。

這就是本文所稱：

Prospective Attraction

到這一步，

三生認知動力學第一次不再只是：

( Past, Present, Future )

三個盒子。

而開始真正形成：

\boxed{ \text{coupled temporal cognition}. }

Claim Typing

Claim	Type	Status
Future event 與 future representation 非同一	D	Canonical separation
Future representation 可透過 valuation / policy 影響 present action	D / E	Core mechanism + established engineering analogue
Prospective Attraction 可用 future-ablation policy difference operationalize	D	Proposed experimental formalization
Influence 與 forecast truth / accuracy 非同一	D	Canonical separation
Forecast-induced action 可改變 future realization probability	D / C	Reflexivity framework
MuZero uses modelled future sequences for present planning	E	External engineering evidence
DreamerV3 uses imagined trajectories / value to learn present policy	E	External engineering evidence
MPC evaluates predicted future trajectories to choose current controls	E	Established control mechanism
Anticipatory planning uses estimated future-task cost in present planning	E	External robotics evidence
Prospective Attraction is physical retrocausality	—	Explicitly rejected
Future influence implies future ought to dominate present	—	Explicitly rejected

Evidence Ladder

本文目前主要位於：

L0：Prospective Attraction 正典定義；
L1–L2：future-ablation、preparation、option-preservation、reflexivity benchmark；
L3：MuZero、DreamerV3、MPC、anticipatory planning 提供工程相鄰證據；
L4：需要 long-lived AI / robot / institution 的 policy-coupled future-representation experiments；
L5+：完整六向 TCD coupling 與 real-world long-horizon reflexivity 尚未完成。

參考文獻

Neo.K 內部正典與譜系

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.
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.

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.
Bharadhwaj, H., Xie, K., & Shkurti, F. Model-Predictive Control via Cross-Entropy and Gradient-Based Optimization. Proceedings of L4DC, PMLR 120, 2020.
Zhang, R., Fu, H., Miao, Y., & Konidaris, G. Model-based Reinforcement Learning for Parameterized Action Spaces. ICML, PMLR 235, 2024.
Dhakal, R., Talukder, M. R. H., & Stein, G. J. Anticipatory Planning: Improving Long-Lived Planning by Estimating Expected Cost of Future Tasks. arXiv:2305.04692, 2023.
Talukder, M. R. H., Arnob, R. I., & Stein, G. J. Anticipatory Planning for Performant Long-Lived Robot in Large-Scale Home-Like Environments. arXiv:2411.12837, 2024.
Hori, T., DeCastro, J., Gopinath, D. E., Balachandran, A., & Rosman, G. Learning to Plan, Planning to Learn: Adaptive Hierarchical RL-MPC for Sample-Efficient Decision Making. L4DC 2026, PMLR 331, 2026.
Pascanu, R., Li, Y., Vinyals, O., et al. Learning Model-Based Planning from Scratch. arXiv:1707.06170, 2017.

Public Version Disclaimer

本文是一個 cognitive / decision / control dynamics framework。

本文不聲稱：

future events physically cause earlier events；
Prospective Attraction 是物理場；
agent 想像的未來是真實未來；
forecast influence 等於 forecast accuracy；
self-fulfilling forecast 等於 valid prediction；
preventive forecast failure 等於 forecast incompetence；
empowerment、option preservation 或 long-term planning 自動具有規範優先性；
simulated trajectories 等於 real-world futures；
本文已完成全部 Tri-Temporal Cognitive Dynamics；
本文對 classical $P$ vs. $NP$ 提供任何新證明。

本文真正建立的是：

\boxed{ \text{Future Event} \neq \text{Future Representation}. }

以及：

\boxed{ \text{Future Representation}_t \rightarrow \text{Present Valuation}_t \rightarrow \text{Present Policy}_t. }

這就是：

\boxed{ \mathcal B_t^+ \rightarrow \mathcal B_t^0 }

在 TCD 中的第一個正式、非逆因果版本。

未來如何反向塑造現在：表徵未來作為當前決策場

未來如何反向塑造現在：表徵未來作為當前決策場

Canonical Non-Identity Statement

摘要

Historical Sedimentation

現在如何沉積成過去：行動、依賴與路徑的歷史化

1. 三個時間底座齊全仍然不是動力學

2. 第一個真正反直覺的箭頭

3. 先排除 Retrocausality

4. 真正存在的是 Future Representation

5. 所以真正因果鏈是

6. Future Event 與 Future Representation 必須永久分開

7. 表徵可以錯，但仍然有現在因果力

8. Phantom Future

9. Phantom Attraction

10. Phantom Future 可以造成真實後果

11. 所以「沒發生」不等於「沒影響」

12. Future Representation State

13. Future Candidate Layer

14. Probability Layer

15. Path Layer

16. Value Layer

17. Unknown Layer

18. Future Candidate 沒有 Value 就不一定影響 action

19. Future Valuation Operator

20. Value 不必是一維 reward

21. Present Action Score

22. Immediate Component

23. Prospective Component

24. βt\beta_tβt​ 是 Future Weight

25. Future-Blind Policy

26. Future-Aware Policy

27. Future-Ablation Test

28. 這是最小可驗證 Prospective Coupling

29. Prospective Attraction

30. Positive Attraction

31. Prospective Repulsion

32. 未來災難通常以 Repulsion 工作

33. 所以 Prospective Attraction 是 Signed

34. Future Field

Prospective Decision Field

35. 它不是物理 Field

36. Multiple Futures Superpose in Decision Space

37. 但不保證線性可加

38. Probability-Weighted Future Value

39. Unknown Future 也必須進 Value

40. V⊥V_\botV⊥​ 不可精確知道

41. Unknown-Aware Present Action

42. Prospective Uncertainty Weight

43. Option Preservation

44. Present Action Can Be Chosen for Future Optionality

45. 這直接接 TCD-02

46. Prospective Preparation

47. Anticipatory Planning 的直接工程例子

48. TCD 對 Anticipatory Planning 的讀法

49. Preparation Action

50. Present Sacrifice for Future Gain

51. 這就是延遲滿足的通用結構

52. 但相同結構不代表相同倫理

53. Discounting

54. γ\gammaγ 不是宇宙常數

55. Long-Horizon Neglect

56. Long-Horizon Overreach

57. Confidence-Adjusted Future Weight

58. Present Policy as Future-Conditioned Map

59. Same Present, Different Future Representation

60. 這是 TCD-04 的核心可檢驗命題

61. Future Representation Intervention

62. 只有在合法 intervention design 下才使用 do

63. Prospective Influence Effect

64. Action 不是數值時

65. Resource Allocation

66. Research Forecast Example

67. Resource Allocation 再改 Future

68. 這是 Reflexivity

69. Forecast 不再純 Observational

70. Self-Fulfilling Future

71. Self-Defeating Future

72. 預測失敗可能代表防範成功

73. Need Policy-Conditional Forecast Evaluation

24. $\beta_t$ 是 Future Weight

40. $V_\bot$ 不可精確知道

54. $\gamma$ 不是宇宙常數