現在如何沉積成過去：行動、依賴與路徑的歷史化

Historical Sedimentation: How Present Actions Become Past Structure

Tri-Temporal Cognitive Dynamics — 三生認知耦合動力學系列
TCD-05 / Coupling Paper II

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 present-to-past coupling paper / historical sedimentation formalization

Canonical Non-Identity Statement

TCD-04 建立：

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

的非逆因果版本：

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

本文進一步建立：

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

但本文永久保留：

\boxed{ \text{Event Record} \neq \text{Historical Residue} \neq \text{Historical Choice Base Space}. }

以及：

\boxed{ \text{Unchosen} \neq \text{Lost} \neq \text{Rejected} \neq \text{Impossible}. }

本文不主張：

所有 present state 都必須被完整保存；
所有未選 alternatives 都應永久記錄；
所有 past influence 都可被精確追溯；
event log 本身等於因果模型；
action 一旦發生就必然永久鎖定未來；
forgetting 必然是缺陷；
retention 越多越好；
path dependence 等於不可逆；
history sedimentation 等於生物記憶 consolidation；
本文已完成完整六向 TCD coupling。

摘要

Tri-Temporal Cognitive Dynamics 前四篇已依序建立 Past、Present、Future 三個時間底座，以及第一條真正具有前瞻反饋效果的 Future $\rightarrow$ Present 耦合。

目前已有：

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

表示過去透過能力、依賴、知識、資源、權限與失去／新增的選項構造現在；

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

表示過去與現在共同生成 agent 的 prospective future space；

以及：

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

表示未來表徵透過 valuation、policy、resource allocation 與 commitment 改變當前行動。

但這仍缺少一個最基本的時間轉換：

現在做出的 action，如何成為下一時刻的過去？

本文將此過程定義為：

Historical Sedimentation

歷史沉積

定義 sedimentation operator：

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

其中：

$\mathcal B_t^-$ ：已有 Past Base Space；
$\mathcal B_t^0$ ：當前有效 action / reachable domain；
$R_t^+$ ：TCD-04 的 future representation / prospective decision context；
$a_t$ ：實際 action；
$Z_{t+1}$ ：action、environment 與其他 actors 共同形成的下一狀態；
$E_t$ ：observation / evidence / provenance；
$\Delta\Lambda^-$ ：本輪新增的 historical lineage unit。

本文將單一步 sedimentation record 定義為：

\boxed{ \mathfrak s_t^A = ( Z_t, \mathcal A_t^{eff,A}, a_t, \mathcal U_t^A, R_t^{+,A}, Z_{t+1}, \Delta D_t, \Delta Cap_t, \Delta Res_t, \Delta Perm_t, L_t, O_t, E_t ). }

其中：

$\mathcal U_t^A=\mathcal A_t^{eff,A}\setminus\{a_t\}$ ：當時可見但未選 alternatives；
$R_t^{+,A}$ ：當時影響 decision 的 future representations；
$\Delta D_t$ ：新增／移除 dependencies；
$\Delta Cap_t$ ：能力變化；
$\Delta Res_t$ ：資源變化；
$\Delta Perm_t$ ：權限／制度狀態變化；
$L_t$ ：本輪被關閉或失去的 options；
$O_t$ ：本輪新開啟／恢復的 options；
$E_t$ ：decision / event provenance。

歷史譜系更新：

\boxed{ \Lambda_{0:t+1}^{-,A} = \Lambda_{0:t}^{-,A} \oplus \mathfrak s_t^A. }

再經 task-relative compression：

\boxed{ \mathcal B_{t+1}^{-,A;(T,\epsilon)} = \Psi_{T,\epsilon}^{-} \left( \Lambda_{0:t+1}^{-,A} \right). }

這使「現在變成過去」不再只是：

a_t \rightarrow \text{log entry}.

而是至少包含五種不同的 sedimentation：

Actualization Sedimentation：一條 possible path 變成 actual history；
Alternative Sedimentation：其他 visible paths 變成 unchosen history；
Dependency Sedimentation：action 建立新的 commitments / lock-in / infrastructures；
Plasticity Sedimentation：experience 改寫能力、參數、習慣、制度或 policy；
Provenance Sedimentation：保存 action 為何被選、哪些 future representations 參與決策。

本文特別指出：

未選 alternatives 不應被自動視為失去。

定義：

\boxed{ \mathcal U_t^A = \mathcal A_t^{eff,A} \setminus \{a_t\}. }

其中只有滿足：

u\notin \mathcal A_{t+1:H}^{recoverable,A}

或在指定 intervention contract 下不可再取得的部分，才進入：

\boxed{ L_t. }

其餘可成為：

deferred options；
recoverable options；
shadow alternatives；
dormant branches。

本文亦提出 Counterfactual Shadow Record：

\boxed{ \mathcal S_t^{cf} \subseteq \mathcal U_t^A, }

表示：

雖未成為 actual path，但值得保留以供未來 regret analysis、policy audit、counterfactual simulation、replanning 或 research backtest 的 alternatives。

本文進一步建立 Prospective-Cause Sedimentation。若 TCD-04 中某 future representation：

f \in R_t^+

明顯改變了 action score：

\mathcal A_t^+(a;f)\neq0,

則歷史 record 不應只保存：

a_t.

還應保存：

\boxed{ f \rightarrow Q_t(a) \rightarrow a_t }

的 decision provenance。如此未來才可能區分：

ordinary action；
forecast-induced action；
self-fulfilling loop；
preventive loop；
constructive realization。

本文並建立 Sedimentation Persistence Profile：

\boxed{ \rho_t^{sed}(r,\Delta) }

表示某歷史 residue $r$ 在經過 $\Delta$ 時間後，對：

policy；
reachability；
capability；
resource；
permission；
future generation；

仍保有多少 task-relative influence。

因此：

\boxed{ \text{Past} }

不是所有 historical details 永久等權保存，而是一組具有不同 persistence、decay、reactivation 與 recoverability 的結構殘差。

外部研究提供了幾個重要工程相鄰形式。Deep Q-Network 將 agent 的 transition experience 保存於 replay memory，之後重抽過去 experience 更新 value function，使實際 interaction history 成為後續 policy learning 的資料；Synaptic Intelligence 讓每個 connection 隨訓練累積 task-relevant importance，使過去 task information 直接約束後續 learning；Elastic Weight Consolidation 同樣根據舊 task 的 parameter importance 降低重要參數在新 task 中的可變性。2025 年的 Bayesian continual-learning work 更明確呈現 stability–plasticity 的另一面：不是「保留越多越好」，過度保存舊資訊可能造成 memory rigidity 與 plasticity collapse，因此 continual system 必須同時管理 consolidation 與 forgetting。軟體工程中的 Event Sourcing pattern 則提供一個不同但非常直觀的 ledger 類比：每次 command 產生 append-only event，current state 可由 ordered event stream 重建，且 snapshot 只是 replay optimization，不取代 authoritative event lineage。

這些外部工作不等於 TCD，但共同支持一個有限結論：

\boxed{ \text{present interaction can leave persistent records or parameter/structural residues that alter future behavior}. }

本文最後提出：

\boxed{ \textbf{The present becomes past not when time merely passes, but when current action, alternatives, consequences, dependencies, and reasons are irreversibly or persistently incorporated into the system's later state description.} }

中文：

現在之所以成為過去，不只是因為時間往前走；而是因為現在的行動、未選路徑、結果、依賴與理由，被不同程度地寫進下一個系統狀態與歷史譜系。

下一篇 TCD-06 將處理另一條更微妙的耦合：

Retrospective Relevance

未來如何改變我們閱讀過去：不是改寫歷史，而是重加權歷史相關性

即：

\boxed{ \mathcal B_t^+ \rightarrow \operatorname{Reweight} ( \mathcal B_t^- ). }

關鍵詞： Historical Sedimentation、Event Sourcing、Experience Replay、Continual Learning、Path Dependence、Decision Provenance、Counterfactual Shadow、Plasticity、Consolidation、Tri-Temporal Cognitive Dynamics

1. 為什麼「時間過了」還不夠？

如果：

t\rightarrow t+1

只表示 clock tick，

那麼我們仍不知道：

哪個 action 發生；
哪些 alternatives 沒選；
哪個 dependency 新增；
哪個 option 消失；
哪個 capability 改變；
哪個 future representation 影響了 decision。

因此：

\boxed{ \text{time passage} \neq \text{historical sedimentation}. }

2. Minimal Transition

最小 dynamics：

\boxed{ Z_{t+1} = F( Z_t, a_t, \xi_t ). }

其中：

$Z_t$ ：present state；
$a_t$ ：action；
$\xi_t$ ：environment / other-agent / stochastic input。

3. 但 TCD 需要比 $Z_t\rightarrow Z_{t+1}$ 更多

因為：

Z_{t+1}

可能不包含：

action 當時是從哪些 alternatives 中選出來的？

也不包含：

為什麼選它？

4. Decision Context

定義：

\boxed{ C_t^{dec} = ( \mathcal A_t^{eff}, Q_t, R_t^+, \kappa_t ). }

5. $Q_t$ 保存什麼？

Q_t

可以是：

action values；
rankings；
risk estimates；
confidence；
constraint satisfaction；
policy logits。

6. $R_t^+$ 保存什麼？

TCD-04 的 prospective decision context：

desired future；
predicted future；
catastrophic future；
unknown future mass；
realization path；
expected future cost。

7. Decision Record

本文定義：

\boxed{ DRec_t = ( C_t^{dec}, a_t, Z_{t+1} ). }

8. Action Record 不等於 Decision Record

\boxed{ (a_t,Z_{t+1}) \neq DRec_t. }

9. 為什麼要保存理由？

因為未來要回答：

這個 action 是因為什麼被做出來的？

如果沒有：

R_t^+, Q_t, \mathcal A_t^{eff},

只能事後猜。

10. Reason Provenance

定義：

\boxed{ P_t^{reason} = \{ e_i \rightarrow q_i \rightarrow a_t \}. }

其中：

e_i

可以是：

evidence；
forecast；
constraint；
authority instruction；
risk；
preference。

11. Reason Provenance 不是「真實心靈因果」的完整讀取

對 LLM / human / opaque system：

P_t^{reason}

通常只是：

reported reason；
traceable computational dependency；
experiment-derived causal factor；
provenance artifact。

不能自動當作完整 internal cause。

12. Actualization Sedimentation

在時間 $t$ ：

a_t \in \mathcal A_t^{eff}.

執行後：

\boxed{ a_t: \text{candidate action} \rightarrow \text{realized action}. }

13. Realized Path

路徑 prefix 更新：

\boxed{ \pi_{0:t+1}^{real} = \pi_{0:t}^{real} \oplus a_t. }

14. 這就是最弱的歷史沉積

\boxed{ \text{possible} \rightarrow \text{actual}. }

15. Alternative Sedimentation

同一時刻：

\mathcal U_t = \mathcal A_t^{eff} \setminus \{a_t\}.

它們成為：

\boxed{ \text{unchosen alternatives at }t. }

16. Unchosen 不等於 Rejected

若 agent 沒有明確 negative evaluation，

只能標：

\boxed{ UNCHOSEN. }

17. Explicit Rejection

若存在：

Q_t(u)<\theta

或明確 decision reason，

才可標：

\boxed{ REJECTED. }

18. Deferred Alternative

若：

u

未選但仍計畫：

t+k

考慮，

標：

\boxed{ DEFERRED. }

19. Dormant Alternative

若沒有 current plan，

但仍保持 recoverability：

\boxed{ DORMANT. }

20. Lost Alternative

只有當：

u

在後續有效 domain 中不可恢復，

才：

\boxed{ LOST. }

21. Alternative Status Transition

\boxed{ UNCHOSEN \rightarrow \{ DEFERRED, DORMANT, REJECTED, LOST, RECOVERED \}. }

22. Lost Option Set

定義：

\boxed{ L_t^A = \left\{ u\in\mathcal U_t^A: u\notin \mathcal R_{t+1:H}^{recoverable,A} \right\}. }

23. 仍然是 Contract-Relative

如果 intervention class：

\mathcal I

改變，

某些：

u

可能從 LOST 變成 RECOVERABLE。

所以：

\boxed{ Lost = Lost(H,\mathcal I,\kappa). }

24. Counterfactual Shadow

未選路徑可以只保存 summary：

\boxed{ \mathcal S_t^{cf} \subseteq \mathcal U_t. }

25. 為什麼要 Shadow Record？

未來可用於：

regret analysis；
counterfactual simulation；
audit；
explanation；
recovery；
branch reopening。

26. Shadow 不是 Actual History

\boxed{ \mathcal S_t^{cf} \neq H_t^{actual}. }

這條必須永久保留。

27. Dependency Sedimentation

action：

a_t

可能新增：

\boxed{ \Delta D_t^+ }

或移除：

\boxed{ \Delta D_t^-. }

28. Dependency Update

\boxed{ D_{t+1} = D_t \cup \Delta D_t^+ \setminus \Delta D_t^-. }

29. Dependency 可以是什麼？

code dependency；
vendor；
contract；
debt；
skill specialization；
infrastructure；
social tie；
legal obligation；
dataset schema；
hardware commitment。

30. Enabling Dependency

新增 dependency：

d

可能：

\boxed{ \mathcal R_{t+1:H} \supset \mathcal R_{t:H}. }

31. Constraining Dependency

也可能：

\boxed{ \mathcal R_{t+1:H} \subset \mathcal R_{t:H}. }

32. 同一 Dependency 可以兩者同時存在

例如採用 platform：

增加 ecosystem capabilities；
同時提高 switching cost。

所以：

\boxed{ Enable(d) \land Constrain(d) }

完全可能。

33. Commitment Sedimentation

若 action：

a_t

創造：

contract；
standard；
sunk cost；
identity commitment；
legal obligation；

則：

\boxed{ Commit_t \rightarrow D_{t+1}. }

34. Future-Induced Commitment

TCD-04 中：

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

TCD-05 接：

\boxed{ a_t^{commit} \rightarrow D_{t+1}. }

35. 因此想像的未來可以沉積成真實依賴

完整鏈：

\boxed{ FutureRepresentation_t \rightarrow Action_t \rightarrow Dependency_{t+1}. }

36. 這不是 Future Event Retrocausality

因為真正 causal input 是：

R_t^+.

37. Plasticity Sedimentation

action / experience：

e_t

可能更新：

\boxed{ \theta_{t+1} = U( \theta_t, e_t ). }

38. Neural Parameters

對學習 agent：

\theta_t

可能是 network weights。

39. Human / Institution

更一般可表示：

habit；
skill；
trust；
norm；
procedure；
organizational routine。

40. Capability Sedimentation

若 experience 產生新 skill：

\boxed{ Cap_{t+1} = Cap_t \cup \Delta Cap_t. }

41. Capability Loss

也可能：

\boxed{ Cap_{t+1} = Cap_t \setminus \Delta Cap_t^-. }

例如：

de-skilling；
forgetting；
disuse；
tool removal。

42. Resource Sedimentation

\boxed{ Res_{t+1} = Res_t - Cost(a_t) + Gain(a_t). }

43. Permission Sedimentation

action 可能產生：

certification；
license；
sanction；
ban；
trust；
authority change。

所以：

\boxed{ Perm_{t+1} \neq Perm_t. }

44. Environment Sedimentation

agent 也會改變外部 environment：

\boxed{ Env_{t+1} = F_E( Env_t, a_t ). }

45. 因此「歷史」可以在 Agent 外部

TCD-01 已說 Past 不只是 memory。

TCD-05 現在更明確：

action 可以把歷史寫進世界本身。

46. External Historical Residue

例如：

building；
database；
law；
road；
codebase；
manufactured object；
environmental damage；
infrastructure。

47. Internal Historical Residue

例如：

weights；
memories；
habits；
skills；
policy；
belief state。

48. Distributed Historical Residue

真實系統常：

\boxed{ R_t^- = R_t^{internal} \oplus R_t^{external} \oplus R_t^{institutional}. }

49. Event Sourcing 的工程校準

Microsoft Azure 的 Event Sourcing pattern 明確使用：

\boxed{ \text{append-only event stream} }

保存對 object 執行的每次 logical change。

50. Event Stream

對 entity：

x,

有：

\boxed{ E_x = ( e_1,e_2,\ldots,e_t ). }

51. Current State by Replay

current state 可以：

\boxed{ State_t = Replay( E_x ). }

52. Snapshot 是 Optimization

Event Sourcing 特別指出：

snapshot 可以降低完整 replay 成本，但 event stream 仍是 authoritative history。

這跟 TCD 的：

\boxed{ \text{compressed Past} }

非常相鄰。

53. 但 Event Sourcing 不等於 TCD

Event sourcing 通常保存：

發生的 operation。

TCD 還想保存：

alternatives；
future representations；
lost options；
hidden / unknown regions；
causal decision context。

所以：

\boxed{ EventStore \subsetneq? HistoricalChoiceLineage. }

只是概念近鄰，不做嚴格集合 claim。

54. DQN Experience Replay 的外部校準

Deep Q-Network 將 interaction experience：

\boxed{ e_t = (s_t,a_t,r_t,s_{t+1}) }

存入 replay memory。

55. Past Experience Re-enters Learning

之後 training 從 replay memory sample experience，

更新：

Q(s,a;\theta).

所以：

\boxed{ \text{past interaction} \rightarrow \text{future policy parameters}. }

56. TCD 對 Experience Replay 的讀法

這是一個：

\boxed{ \text{explicit memory sedimentation} }

的 engineering micro-model。

57. 但 TCD 不要求 Replay

歷史也可以只以：

\theta_t

形式留下，

即：

\boxed{ \text{implicit sedimentation}. }

58. Synaptic Intelligence 的校準

Synaptic Intelligence 對每個 synapse 累積：

它對先前 task performance 的 contribution / importance。

59. Past Task Becomes Constraint on Future Plasticity

其核心：

\boxed{ \text{past importance} \rightarrow \text{future parameter update constraint}. }

60. 這非常接近 Dependency Residue

不是說 synapse 是「歷史本身」。

而是：

past learning 以 parameter importance 的形式形成後續 update constraint。

61. EWC 的校準

Elastic Weight Consolidation 同樣：

對舊 task 重要的 parameters，在學新 task 時降低修改幅度。

62. TCD 的讀法

\boxed{ \text{past competence} \rightarrow \text{present/future plasticity geometry}. }

63. Sedimentation Can Protect and Constrain Simultaneously

EWC / SI 都提醒：

history preservation 可以避免 forgetting，

但也會限制 new adaptation。

64. Stability–Plasticity Tradeoff

\boxed{ \text{stability} \leftrightarrow \text{plasticity}. }

65. 2025 Bayesian Continual Learning 的重要提醒

近期 Bayesian continual-learning work 顯示：

過度保持舊資訊也可能產生 memory rigidity，使新 task learning 能力下降。

66. 所以「全部沉積」不是理想

\boxed{ \text{more historical retention} \not\Rightarrow \text{better agent}. }

67. Historical Sedimentation 必須同時管理 Forgetting

真正：

\boxed{ \text{Sedimentation} + \text{Selective Forgetting}. }

68. Forgetting 不是 Delete History 的同義詞

可以：

lower weight；
compress；
archive；
make dormant；
remove from active policy state。

69. Active Past 與 Archived Past

定義：

\boxed{ \mathcal B_t^{-,active} }

與：

\boxed{ \mathcal B_t^{-,archive}. }

70. Reactivation

若 archived residue 因新 task 變 relevant：

\boxed{ archive \rightarrow active. }

71. Sedimentation Persistence Profile

對 residue：

r,

定義：

\boxed{ \rho_t^{sed}(r,\Delta;T) }

表示：

經過 $\Delta$ 時間後， $r$ 對 task $T$ 的剩餘 functional influence。

72. Persistence 不一定指 Exponential Decay

本文不假設：

\rho(\Delta) = e^{-\lambda\Delta}.

它可以：

decay；
remain stable；
reactivate；
abruptly disappear；
increase with reinforcement。

73. Sedimentation Half-Life

若某 domain 適合，

可定義：

\boxed{ \tau_{1/2}(r) }

使：

\rho(r,\tau_{1/2}) = \frac12\rho(r,0).

但不是 universal requirement。

74. Permanent Sedimentation

若在指定 horizon：

\rho(r,\Delta) \approx1,

可稱：

\boxed{ \text{persistent sediment}. }

75. Transient Sedimentation

若快速：

\rho\rightarrow0,

只是 transient historical trace。

76. Sedimentation Depth

有些 action 只改：

\text{event log}.

有些改：

policy；
capability；
infrastructure；
legal regime。

可定義：

\boxed{ D_{sed}(a) }

作多層影響深度。

77. Sedimentation Type Vector

\boxed{ \mathbf S_t = ( S_{event}, S_{param}, S_{cap}, S_{dep}, S_{res}, S_{perm}, S_{env}, S_{prov} ). }

78. Event Sedimentation

action 被記錄。

79. Parameter Sedimentation

內部 state / weight 改變。

80. Capability Sedimentation

skill / tool / model ability 改變。

81. Dependency Sedimentation

commitment / lock-in 改變。

82. Resource Sedimentation

資源 budget / asset 改變。

83. Permission Sedimentation

權限／制度可行性改變。

84. Environmental Sedimentation

外部 world structure 改變。

85. Provenance Sedimentation

decision reasons / forecasts / evidence 被記錄。

86. 不是每個 Action 都八層全改

所以：

\boxed{ \mathbf S_t }

通常 sparse。

87. Historical Unit

本文最終採：

\boxed{ \mathfrak s_t = ( Z_t, \mathcal A_t^{eff}, a_t, \mathcal U_t, R_t^+, Z_{t+1}, \Delta\mathbf S_t, E_t ). }

88. 其中 $\Delta\mathbf S_t$ 可展開

\boxed{ \Delta\mathbf S_t = ( \Delta D, \Delta Cap, \Delta Res, \Delta Perm, \Delta Env, L, O ). }

89. Past Lineage Update

\boxed{ \Lambda_{0:t+1}^- = \Lambda_{0:t}^- \oplus \mathfrak s_t. }

90. Past Compression Update

\boxed{ \mathcal B_{t+1}^- = \Psi^-( \mathcal B_t^-, \mathfrak s_t ). }

這是 online / incremental form。

91. Full Rebuild Form

也可以：

\boxed{ \mathcal B_{t+1}^- = \Psi^-( \Lambda_{0:t+1}^- ). }

92. Incremental 與 Full Rebuild 應可 Audit

若：

\Psi^-_{inc}

與：

\Psi^-_{full}

差太大，

代表 compression drift。

93. Historical Compression Drift

定義：

\boxed{ \delta_{hist} = d( \mathcal B_{t+1}^{-,inc}, \mathcal B_{t+1}^{-,full} ). }

94. Snapshot Rebuild

Event Sourcing 類系統會定期 snapshot，

降低 replay cost。

TCD 也可以：

\boxed{ \Lambda \rightarrow \mathcal B^- \text{ checkpoint}. }

95. Checkpoint 不應刪 Provenance

否則無法：

audit；
rebuild；
counterfactual study；
causal trace。

96. Compression Loss Ledger

定義：

\boxed{ L_{comp}^- }

記錄：

哪些 historical detail 被丟棄、降權或 archive。

97. Why Compression Loss Matters

未來新 task：

T'

可能需要過去被認為無用的 detail。

98. Task-Relative Sedimentation

所以：

\boxed{ \mathcal B_t^{-,T} \neq \mathcal B_t^{-,T'}. }

99. Universal Archive + Task Views

工程上可考慮：

\boxed{ \text{immutable-ish provenance archive} + \text{task-relative active past}. }

100. 但 Archive 也受 Privacy / Storage / Governance 限制

TCD 不要求永久全量監控。

101. Historical Privacy

若 decision provenance 涉及：

personal data；
sensitive reasoning；
trade secrets；

history storage 本身有治理成本。

102. History Auditability vs Privacy

形成：

\boxed{ Auditability \leftrightarrow Privacy. }

需要 domain-specific contract。

103. Historical Integrity

對沉積 event：

e_t,

可保存：

timestamp；
hash；
version；
source；
author / agent；
evidence link。

104. Provenance 不等於 Truth

\boxed{ \text{well-recorded event} \neq \text{correct interpretation}. }

105. Decision Reason 也可能是錯的

future representation：

f

可能 phantom。

但如果它影響了 action，

仍應保存：

\boxed{ f\text{ influenced }a_t. }

106. Prospective-Cause Sedimentation

定義：

\boxed{ PCS_t = \left\{ f: \mathcal A_t^+(a_t;f) \neq0 \right\}. }

107. 這讓 TCD-04 可被歷史 Audit

未來可以問：

哪些 historical actions 是 forecast-induced？

108. Self-Fulfilling Audit

若：

f \in PCS_t

且：

a_t

提高：

P(f),

標：

\boxed{ \text{candidate self-fulfilling contribution}. }

109. Preventive Audit

若：

f_{bad} \in PCS_t

且 mitigation 降低：

P(f_{bad}),

標：

\boxed{ \text{preventive contribution}. }

110. Constructive Realization Audit

若 future candidate：

f

經：

f \rightarrow a_t \rightarrow artifact \rightarrow f^{real}

則 decision provenance 提供：

\boxed{ \text{constructive lineage}. }

111. Without Sedimentation, Reflexivity Cannot Be Studied Well

如果不保存：

f\rightarrow a_t,

多年後只看到：

f^{real},

很難判斷：

prediction；
construction；
coincidence；
shared external cause。

112. Historical Causal Graph

可以建立：

\boxed{ G_t^{hist} = ( V, E_{event}, E_{decision}, E_{dep}, E_{prospective} ). }

113. Event Edge

e_i \rightarrow e_j.

114. Decision Edge

evidence \rightarrow decision.

115. Dependency Edge

action \rightarrow commitment.

116. Prospective Edge

futureRepresentation \rightarrow action.

117. Graph 仍不是完整 Causal Proof

因為：

hidden confounders；
incomplete logs；
shared causes。

所以標：

\boxed{ \text{causal hypothesis / provenance graph}. }

118. Historical Sedimentation Can Be Reversible

一個 dependency：

d

可以後來移除。

119. De-Sedimentation

定義：

\boxed{ \mathsf{DeSed}(r) }

表示：

歷史 residue 的 functional effect 被消除／恢復／解鎖。

120. 但 De-Sedimentation 不等於 Erasing History

例如解除 contract：

dependency 消失，

但：

\boxed{ \text{it happened} }

仍屬 historical fact。

121. Functional Reversal vs Historical Erasure

\boxed{ \text{FunctionalReversal} \neq \text{HistoricalErasure}. }

122. Reopening a Lost Option

如果：

u \in L_t

後來新 technology 恢復：

u,

則：

\boxed{ LOST \rightarrow RECOVERED. }

123. History Changes Current Meaning Without Changing Past Fact

這會直接接下一篇 TCD-06。

同一 historical action：

a_\tau

在新 future target 下可能變得：

relevant；
irrelevant；
enabling；
bottleneck。

124. But the Event Itself Did Not Change

\boxed{ a_\tau^{past} = a_\tau^{past}. }

改的是：

\boxed{ Weight_t(a_\tau). }

125. Benchmark A — Event vs Residue

建立相同 event log，

但不同 parameter update / dependency residue。

測：

future behavior

是否不同。

126. Benchmark B — Same State, Different Decision Provenance

兩個 agents 最終做同一：

a_t,

但一個因 future $f_1$ ，

另一個因 $f_2$ 。

之後改變 future context，

測 resumption / replanning 是否不同。

127. Benchmark C — Unchosen vs Lost

在 action 後追蹤：

u_1,u_2.

其中一個可恢復，

一個不可恢復。

測 framework 是否正確分類。

128. Benchmark D — Continual Learning Sedimentation

sequence tasks：

T_1,T_2,\ldots.

比較：

no retention；
replay；
SI / EWC-like consolidation；
over-rigid retention。

測：

stability, plasticity, transfer.

129. Benchmark E — Future-Induced Commitment

給 agent：

R_t^+(f)

與 control。

看是否：

D_{t+1}

出現不同 commitment。

130. Benchmark F — Historical Compression

比較：

full provenance；
event-only；
event + dependency；
event + decision context；
compressed active past。

測後續：

prediction；
audit；
counterfactual reconstruction；
planning。

131. Benchmark G — Forgetting Benefit

設計 changing environment，

過度保存舊 task constraint 反而傷害 adaptation。

測 selective forgetting 是否改善。

132. Benchmark H — Event-Sourced Agent Runtime

讓 agent 每次 major action append：

\mathfrak s_t.

再從 event stream + checkpoint reconstruct：

\mathcal B_t^-.

測：

auditability；
storage；
replay cost；
drift。

133. Historical Sedimentation Principle

本文提出：

\boxed{ \textbf{Historical Sedimentation Principle} }

現在成為過去，不只是 action 被記錄，而是 actual action、未選 alternatives、結果、dependency、capability/resource/permission changes 與 decision provenance 被不同程度地納入後續 state 與 historical lineage。

134. Alternative Status Principle

\boxed{ \textbf{Alternative Status Principle} }

未選路徑必須區分 deferred、dormant、rejected、lost 與 recovered；「未選」不能直接推論成「不可再走」。

135. Prospective-Cause Preservation Principle

\boxed{ \textbf{Prospective-Cause Preservation Principle} }

若某 future representation 對 present action 有可測影響，則歷史 audit 應保存該 prospective decision context，否則未來無法區分 prediction、prevention、construction 與 coincidence。

136. Selective Sedimentation Principle

\boxed{ \textbf{Selective Sedimentation Principle} }

歷史 representation 應保留未來任務所需的 functional residue，而不是把所有歷史資訊永久、等權地放在 active state。

137. Stability–Plasticity Principle

\boxed{ \textbf{Historical Stability–Plasticity Principle} }

保存過去可以保護既有能力，但過度沉積也可能降低新適應能力；因此成熟的長期 agent 必須同時管理 retention、compression、forgetting 與 reactivation。

138. TCD 已完成的時間箭頭

目前：

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

Historical Conditioning。

139. Future Generation

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

Generated Future。

140. Prospective Attraction

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

Future Representation reshapes Present。

141. 本文新增 Historical Sedimentation

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

142. 小閉環第一次閉起來

因此：

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

143. 以及：

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

144. 但還缺兩種重要 Coupling

第一：

\boxed{ \mathcal B_t^+ \rightarrow \operatorname{Reweight}( \mathcal B_t^- ) }

未來如何改變今天閱讀過去的方式。

145. 第二：

完整 time-shift：

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

146. TCD-06 的入口

《未來如何改變我們閱讀過去：不是改寫歷史，而是重加權歷史相關性》

將正式處理：

\boxed{ FutureTarget_t \rightarrow Weight_t( PastEvidence ). }

147. 可否證條件

F147.1 Event-Only Sufficiency

若 event log 已足以預測、audit、reconstruct 所有研究任務，

額外 sedimentation structure 應簡化。

F147.2 Provenance No-Gain

若 decision context / future-representation provenance 不改善 reflexivity / causal audit，

不應要求全面保存。

F147.3 Over-Retention Harm

若 retention 明顯降低 adaptation，

framework 必須允許 forgetting / archive。

F147.4 Lost-Option Misclassification

若大量 LOST options 後來低成本恢復，

lost criterion 太強。

F147.5 Causal-Reason Overclaim

若 reported reason 與 actual causal dependency 不一致，

不得把 provenance 當完整心智因果。

F147.6 Replay Overgeneralization

若 replay / event sourcing / continual-learning micro-model 無法轉移到其他 domains，

其 evidence scope 保持局部。

F147.7 Immutable-History Overreach

若制度／privacy 要求合法刪除或 redaction，

TCD 不應把 append-only engineering pattern升格成普遍規範。

148. 結論

TCD-04 告訴我們：

\boxed{ FutureRepresentation_t \rightarrow PresentAction_t. }

TCD-05 現在接著回答：

PresentAction 做完之後去哪裡？

答案不是單純：

消失在時間裡。

而是：

\boxed{ a_t \rightarrow \mathfrak s_t \rightarrow \mathcal B_{t+1}^-. }

一條當時只是：

\boxed{ \text{possible path} }

的 action，

一旦執行，

就成為：

\boxed{ \text{actual path}. }

其他 alternatives 則分成：

\boxed{ \text{deferred} , \text{dormant} , \text{rejected} , \text{lost} , \text{recoverable}. }

action 又可能：

\boxed{ \text{create dependencies} }

+

\boxed{ \text{change capabilities} }

+

\boxed{ \text{consume or create resources} }

+

\boxed{ \text{change permissions} }

+

\boxed{ \text{modify the external world}. }

因此：

\boxed{ \textbf{history is not merely recorded after action; history is produced by action.} }

中文：

歷史不只是行動之後被記錄；歷史本身就是由行動所生成。

而最重要的閉環已經出現：

\boxed{ FutureRepresentation_t \rightarrow Action_t \rightarrow HistoricalResidue_{t+1}. }

也就是：

昨天還只是被想像的未來，今天可以推動一個選擇；而這個選擇明天就變成新的歷史，進一步限制或開啟下一輪現在與未來。

到這裡，TCD 已經第一次真正具有：

\boxed{ \text{temporal accumulation}. }

下一篇要處理一個更細緻、也很容易被誤會成「改變過去」的效果：

當我們今天生成一個新的 future target，為什麼昨天某些原本不重要的歷史 suddenly 變得關鍵？

不是 past facts 改變。

而是：

\boxed{ \text{their relevance weights change}. }

這就是：

Retrospective Relevance

Claim Typing

Claim	Type	Status
Present-to-Past 可建模為 sedimentation operator	D	TCD formalization
Action record、historical residue、choice-base space 非同一	D	Canonical separation
Unchosen / rejected / lost / recoverable 必須分離	D	Canonical taxonomy
Future-representation decision context 可作 historical provenance	D / methodology	Proposed audit rule
Selective forgetting / archive 應與 retention 一起建模	D / methodology	Core design principle
DQN experience replay 保存 interaction experience 供後續 learning	E	External engineering evidence
SI / EWC 讓 past-task importance 約束後續 parameter updates	E	External continual-learning evidence
2025 Bayesian continual-learning results呈現 retention–plasticity tension	E	Recent external evidence
Azure Event Sourcing 使用 append-only event stream 重建 state	E	Official engineering pattern
event sourcing 等於 TCD	—	Explicitly rejected
reported reason 等於完整 internal cause	—	Explicitly rejected

Evidence Ladder

本文目前主要位於：

L0：Historical Sedimentation formalism；
L1–L2：event/residue、lost-option、decision-provenance、retention/forgetting benchmarks；
L3：experience replay、continual learning、event sourcing 提供工程相鄰證據；
L4：需要 persistent AI-agent / robot / institutional runtime 進行 longitudinal sedimentation audit；
L5+：完整 retrospective relevance 與 full TCD shift operator 尚未完成。

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. Prospective Constructive Intelligence. UCPNP Series II Paper 14, 2026.

External technical calibration

Mnih, V., Kavukcuoglu, K., Silver, D., et al. Human-level control through deep reinforcement learning. Nature 518, 529–533, 2015.
Kirkpatrick, J., Pascanu, R., Rabinowitz, N., et al. Overcoming catastrophic forgetting in neural networks. PNAS 114(13), 3521–3526, 2017.
Zenke, F., Poole, B., & Ganguli, S. Continual Learning Through Synaptic Intelligence. Proceedings of Machine Learning Research 70, 3987–3995, 2017.
Bayesian continual learning and forgetting in neural networks. Nature Communications, 2025.
Microsoft Azure Architecture Center. Event Sourcing Pattern. Current official documentation, accessed 2026-08-17.
Arthur, W. B. Competing Technologies, Increasing Returns, and Lock-In by Historical Events. The Economic Journal 99(394), 116–131, 1989.

Public Version Disclaimer

本文是一個 cognitive / agent / decision / historical-dynamics framework。

本文不聲稱：

所有歷史都應以 append-only log 永久保存；
event sourcing 是認知科學理論；
replay memory 等於人類記憶；
SI / EWC 等同歷史沉積；
forgetting 必然有益或必然有害；
action reason provenance 可以完整讀取 opaque agent 的真正內因；
counterfactual shadow 等於真實歷史；
lost option 永久不可恢復；
本文已完成全部 Tri-Temporal Cognitive Dynamics；
本文涉及 physical retrocausality；
本文對 classical $P$ vs. $NP$ 提供任何新證明。

本文真正建立的是：

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

以及：

\boxed{ \text{history is produced through selective sedimentation of action, alternatives, consequences, dependencies, plasticity, and provenance}. }

現在如何沉積成過去：行動、依賴與路徑的歷史化

現在如何沉積成過去：行動、依賴與路徑的歷史化

Canonical Non-Identity Statement

摘要

Historical Sedimentation

歷史沉積

Retrospective Relevance

未來如何改變我們閱讀過去：不是改寫歷史，而是重加權歷史相關性

1. 為什麼「時間過了」還不夠？

2. Minimal Transition

3. 但 TCD 需要比 Zt→Zt+1Z_t\rightarrow Z_{t+1}Zt​→Zt+1​ 更多

4. Decision Context

5. QtQ_tQt​ 保存什麼？

6. Rt+R_t^+Rt+​ 保存什麼？

7. Decision Record

8. Action Record 不等於 Decision Record

9. 為什麼要保存理由？

10. Reason Provenance

11. Reason Provenance 不是「真實心靈因果」的完整讀取

12. Actualization Sedimentation

13. Realized Path

14. 這就是最弱的歷史沉積

15. Alternative Sedimentation

16. Unchosen 不等於 Rejected

17. Explicit Rejection

18. Deferred Alternative

19. Dormant Alternative

20. Lost Alternative

21. Alternative Status Transition

22. Lost Option Set

23. 仍然是 Contract-Relative

24. Counterfactual Shadow

25. 為什麼要 Shadow Record？

26. Shadow 不是 Actual History

27. Dependency Sedimentation

28. Dependency Update

29. Dependency 可以是什麼？

30. Enabling Dependency

31. Constraining Dependency

32. 同一 Dependency 可以兩者同時存在

33. Commitment Sedimentation

34. Future-Induced Commitment

35. 因此想像的未來可以沉積成真實依賴

36. 這不是 Future Event Retrocausality

37. Plasticity Sedimentation

38. Neural Parameters

39. Human / Institution

40. Capability Sedimentation

41. Capability Loss

42. Resource Sedimentation

43. Permission Sedimentation

44. Environment Sedimentation

45. 因此「歷史」可以在 Agent 外部

46. External Historical Residue

47. Internal Historical Residue

48. Distributed Historical Residue

49. Event Sourcing 的工程校準

50. Event Stream

51. Current State by Replay

52. Snapshot 是 Optimization

53. 但 Event Sourcing 不等於 TCD

54. DQN Experience Replay 的外部校準

55. Past Experience Re-enters Learning

56. TCD 對 Experience Replay 的讀法

57. 但 TCD 不要求 Replay

58. Synaptic Intelligence 的校準

59. Past Task Becomes Constraint on Future Plasticity

60. 這非常接近 Dependency Residue

61. EWC 的校準

62. TCD 的讀法

63. Sedimentation Can Protect and Constrain Simultaneously

64. Stability–Plasticity Tradeoff

65. 2025 Bayesian Continual Learning 的重要提醒

66. 所以「全部沉積」不是理想

67. Historical Sedimentation 必須同時管理 Forgetting

68. Forgetting 不是 Delete History 的同義詞

69. Active Past 與 Archived Past

70. Reactivation

71. Sedimentation Persistence Profile

72. Persistence 不一定指 Exponential Decay

3. 但 TCD 需要比 $Z_t\rightarrow Z_{t+1}$ 更多

5. $Q_t$ 保存什麼？

6. $R_t^+$ 保存什麼？

88. 其中 $\Delta\mathbf S_t$ 可展開