認知存在與非人類中心認知主體系列 — 05

無界差細分分類觀察者：差異生成、分裂—合併與非終局分類

Unbounded Differential Classification Observers: Difference Generation, Split–Merge Dynamics, and Non-Final Taxonomy

理論發起： Neo.K
協作整理： Aletheia / GPT-5.6 Sol
日期： 2026-08-16
版本： v0.1
系列位置： 05 / 00–09 + U
前置文件： 00 — 原則、範圍與非主張
01 — 認知存在的最低形式
02 — Reverse Cognitive Compiler
03 — Forward Cognitive Compiler
04 — 主 AI、子 AI 與認知位置分化

摘要

第 04 篇建立 Cognitive Position Differentiation Architecture（CPDA），使主 AI 能生成不同 cognitive positions、sub-agents 與 provisional subsubjects，並透過 RCC/FCC 持續逆向、重組與更新整體認知配置。

本文處理其中最重要的一種位置：

如果一個 AI 不預設「世界最後應該被分成幾類」，而是能對任何當前分類再次尋找有效差異、提出新切分、驗證差異、合併重複分類、建立新尺度，並讓分類法本身再次成為觀察對象，那麼這個觀察者應如何被形式化？

本文提出 Unbounded Differential Classification Observer（UDCO），中文暫稱「無界差細分分類觀察者」。

其核心狀態為：

\boxed{ \mathcal K^{[n]} = ( \mathcal C^{[n]}, \mathcal R^{[n]}, \mathcal D^{[n]}, \mathcal M^{[n]}, \mathcal U^{[n]}, \mathcal H^{[n]} ) }

其中：

$\mathcal C^{[n]}$ ：當前分類／概念節點；
$\mathcal R^{[n]}$ ：節點間關係；
$\mathcal D^{[n]}$ ：已接受差異；
$\mathcal M^{[n]}$ ：合併／同構／等價資訊；
$\mathcal U^{[n]}$ ：未知與未決區；
$\mathcal H^{[n]}$ ：lineage / classification history。

UDCO 不假設完成的無限分類樹。任一 runtime 只維持有限前綴：

\boxed{ \mathcal K^{[n]} \Rightarrow_E \mathcal K^{[n+1]} }

只有當候選細分通過：

\boxed{ LegalDiff \land UsefulDiff \land NonRedundant \land Budget. }

才進入下一階。

本文同時建立雙向動力：

\boxed{ Split \rightleftarrows Merge. }

因為真正的認知精煉並不是只會「越分越細」。某些局部差異經比較後可能只是 representation artifact、measurement noise、observer-conditioned variance 或命名差異，必須被重新合併。

因此本文拒絕：

\boxed{ MoreCategories = MoreKnowledge. }

並建立：

\boxed{ TaxonomicProgress = DiscriminabilityGain + Predictive/ExplanatoryGain + OperationalGain - Redundancy - IntegrationDebt. }

本文將差異分成：

structural difference；
functional difference；
causal difference；
temporal difference；
relational difference；
observational difference；
epistemic difference；
implementation difference；
representation-only difference；
unknown difference。

本文亦提出 Difference Generator（DGen）、Difference Validator（DVal）、Merge Detector（MDet）、Granularity Controller（GCtrl） 與 Meta-Classifier Observer（MCO），使分類結構自身也可被再次觀察、逆向與修訂。

最終，UDCO 的核心不是「無限分類」，而是：

\boxed{ \textbf{任何已形成的分類邊界，都不被預設為最後可細分或最後可合併的邊界。} }

1. 問題：固定 taxonomy 的限制

傳統分類常假設：

\boxed{ X \rightarrow \{C_1,\ldots,C_m\}. }

並把：

m

當作既定。

2. UDCO 的不同起點

UDCO 允許：

\boxed{ C_i \rightarrow \{C_{i1},C_{i2},\ldots\} }

但只在 runtime 中有限展開。

3. 無界不是完成無限

\boxed{ Unbounded \neq CompletedInfinity. }

4. Finite Prefix Principle

每一 actual state：

\boxed{ |\mathcal C^{[n]}|<\infty. }

5. No Predeclared Terminal Granularity

不存在由理論預設的：

\boxed{ g_{\max}. }

6. 但 runtime 一定有 budget

\boxed{ B_{class} = ( Compute, Memory, Time, Depth, Count, Risk ). }

7. Classification State

定義：

\boxed{ \mathcal K^{[n]} = ( \mathcal C^{[n]}, \mathcal R^{[n]}, \mathcal D^{[n]}, \mathcal M^{[n]}, \mathcal U^{[n]}, \mathcal H^{[n]} ). }

8. 類別節點

每個：

C_i

至少有：

membership condition；
distinguishing features；
observer condition；
evidence；
parent / children；
confidence；
failure examples；
version。

9. 分類不必是樹

可能是：

\boxed{ Graph, Hypergraph, Lattice, PartialOrder. }

10. 樹只是一種 implementation

\boxed{ TaxonomyTree \neq ClassificationOntology. }

11. Difference Generator

定義：

\boxed{ DGen: C_i \rightarrow \{ \delta_1,\ldots,\delta_k \}. }

12. Difference Candidate

\boxed{ \delta = ( Feature, Relation, Context, Observer, Evidence, ExpectedGain ). }

13. 差異可以來自外部 observation

例如新資料。

14. 也可以來自內部 comparison

\boxed{ Compare( C_i,C_j ) \rightarrow \delta. }

15. 也可以來自 counterexample

\boxed{ Counterexample \rightarrow NewDifferenceCandidate. }

16. 也可以來自新 observer position

不同 cognitive position 可能看到：

\boxed{ \delta^{o_1} \neq \delta^{o_2}. }

17. Observer-Conditioned Difference

因此：

\boxed{ \delta = \delta( C \mid o,f,\rho ). }

18. 差異不是自動實在差異

\boxed{ ObservedDifference \neq OntologicalDifference. }

19. Difference Validator

定義：

\boxed{ DVal( \delta ) \rightarrow Status. }

20. Difference Status

\boxed{ Status \in \{ Valid, Contextual, Redundant, Artifact, Noise, Contradicted, Unknown \}. }

21. LegalDiff

至少檢查：

data access；
type；
measurement；
license；
boundary；
provenance。

22. UsefulDiff

差異必須帶來至少一種增益：

\boxed{ G_\delta = ( Discrimination, Prediction, Explanation, Control, Translation, Compression, FailureVisibility ). }

23. NonRedundant

若已有：

\delta_j

與新差異等價：

\boxed{ \delta_{new}\sim\delta_j, }

不新增節點。

24. Split

若差異有效：

\boxed{ Split( C_i, \delta ) \rightarrow \{C_{i1},\ldots,C_{im}\}. }

25. Split 要保留 parent lineage

\boxed{ Parent(C_{ij})=C_i. }

26. Split 不等於進步

\boxed{ Split \neq Progress. }

27. 假差異

若新分類只是命名變化：

\boxed{ LabelDifferenceOnly. }

28. Representation Artifact

同一結構因表示不同看似有差：

\boxed{ RepresentationArtifact. }

29. Measurement Artifact

不同 instrument / proxy 造成：

\boxed{ MeasurementArtifact. }

30. Observer Artifact

差異只在某 observer frame 中成立：

\boxed{ ObserverSpecificDifference. }

這不一定要刪除，只需標 contextual。

31. Noise

若差異不可重現：

\boxed{ NoiseCandidate. }

32. Merge Detector

定義：

\boxed{ MDet( C_i,C_j ) \rightarrow MergeCandidate. }

33. Merge 條件

若：

distinguishing features 消失；
operator behavior equivalent；
boundary equivalent；
failure equivalent；
observer-normalized representation equivalent；

可提出 merge。

34. Merge

\boxed{ Merge( C_i,C_j ) \rightarrow C_{ij}. }

35. Merge 不是刪除歷史

保留：

\boxed{ Lineage(C_i,C_j). }

36. Split–Merge Duality

\boxed{ Split \rightleftarrows Merge. }

37. 認知精煉不是單向細分

真正過程：

\boxed{ Differentiate \rightarrow Split \rightarrow Compare \rightarrow Merge/ReSplit. }

38. Granularity

定義：

\boxed{ g(C_i). }

表示目前分類粒度。

39. Granularity Controller

\boxed{ GCtrl: ( Task, Budget, Uncertainty, Gain ) \rightarrow TargetGranularity. }

40. 粒度是 task-relative

\boxed{ g^*(T_1) \neq g^*(T_2) }

可能成立。

41. 沒有普遍最細分類

\boxed{ NoUniversalFinestPartition. }

42. 也沒有普遍最粗分類

\boxed{ NoUniversalCoarsestUsefulPartition. }

43. Classification Resolution

沿用 cognitive position：

\boxed{ \rho_t. }

44. Resolution Shift

\boxed{ \rho_t \rightarrow \rho_{t+1}. }

45. Zoom In

\boxed{ ZoomIn(C_i). }

46. Zoom Out

\boxed{ ZoomOut( \{C_{ij}\} ). }

47. Multi-Scale Classification

同一對象可以同時保留：

\boxed{ \mathcal C^{coarse} \oplus \mathcal C^{fine}. }

48. 不要求所有尺度統一

不同 task 可以 route 不同 resolution。

49. Structural Difference

結構不同：

\boxed{ \delta_{str}. }

50. Functional Difference

功能不同：

\boxed{ \delta_{func}. }

51. Causal Difference

生成機制不同：

\boxed{ \delta_{causal}. }

52. Temporal Difference

時間行為不同：

\boxed{ \delta_{time}. }

53. Relational Difference

與其他節點關係不同：

\boxed{ \delta_{rel}. }

54. Observational Difference

不同 observer 才可見：

\boxed{ \delta_{obs}. }

55. Epistemic Difference

證據與 license 不同：

\boxed{ \delta_{epi}. }

56. Implementation Difference

同 kernel，不同 implementation：

\boxed{ \delta_{\mu}. }

57. Representation-Only Difference

\boxed{ \delta_{repr}. }

不能直接當新 ontology class。

58. Unknown Difference

\boxed{ \delta_{?}. }

59. Difference Tensor/Profile

不強迫一維。

可：

\boxed{ \Delta(C_i,C_j) = ( \delta_{str}, \delta_{func}, \delta_{causal}, \delta_{time}, \delta_{rel}, \delta_{obs}, \delta_{epi}, \delta_{\mu}, \delta_{repr} ). }

60. Difference Profile 不是距離度量保證

不要求：

symmetry；
triangle inequality；
scalar distance。

61. Asymmetric Difference

可能：

\boxed{ \Delta(C_i\rightarrow C_j) \neq \Delta(C_j\rightarrow C_i). }

62. Classification Relation Graph

\boxed{ G_C = ( \mathcal C, \mathcal R ). }

63. Relation Types

例如：

is-a；
part-of；
generated-by；
transforms-to；
conflicts-with；
equivalent-under；
observed-as；
derived-from；
uncertain-related。

64. Category Boundary

每個 class：

\boxed{ B(C_i). }

65. Hard Boundary

明確 membership rule。

66. Soft Boundary

概率／模糊 membership。

67. Dynamic Boundary

membership 隨 context / time 改變。

68. Boundary Drift

\boxed{ B_t(C) \rightarrow B_{t+1}(C). }

69. Boundary Versioning

必須保存版本。

70. Open Category

允許：

\boxed{ OpenClass. }

即 membership rule 暫不完備。

71. Unknown Bucket 不是垃圾桶

\boxed{ Unknown }

必須保存未決原因。

72. Unknown Types

例如：

insufficient evidence；
conflicting evidence；
missing observer；
measurement unavailable；
ontology unresolved。

73. Unknown 可再細分

\boxed{ Unknown \rightarrow \{ Unknown_a, Unknown_b,\ldots \}. }

74. Unknown 也可合併

若原因等價。

75. Meta-Classifier Observer

分類法本身可成為 target：

\boxed{ MCO( \mathcal K^{[n]} ). }

76. Meta-Observation Questions

MCO 可以問：

哪些分類重複？
哪些 boundary 過硬？
哪些 class 太寬？
哪些 split 沒有 gain？
哪些 observer 造成偏差？
哪些 relation 缺失？
哪些 unknown 長期未解？

77. Classification of Classifiers

甚至可以：

\boxed{ Classifier \rightarrow Classification. }

78. 但 meta-level 不自動更真

\boxed{ MetaClassifier \not\Rightarrow HigherTruth. }

79. Difference Generator 也可被逆向

\boxed{ RCC(DGen). }

80. DGen Policy

可追：

哪些 features 常被優先；
哪些差異被忽略；
哪些 observer 影響 split。

81. Difference Bias

\boxed{ Bias_{DGen}. }

82. Classification Bias 不是只有資料偏差

也可能來自：

ontology；
prompt；
operator library；
resolution；
goal；
license；
language。

83. Adversarial Difference Observer

可以設：

\boxed{ O_{adv}^{diff}. }

專門找：

目前分類把哪些不同東西錯誤合併了？

84. Adversarial Merge Observer

\boxed{ O_{adv}^{merge}. }

專門找：

哪些被分開的東西其實沒有足夠差異？

85. Split/Merge Adversarial Pair

\boxed{ O_{split} \rightleftarrows O_{merge}. }

86. 主 AI 可同時維持兩者

避免只會分類爆炸或只會過度壓縮。

87. Taxonomy Explosion

若：

|\mathcal C_t| \rightarrow \text{rapid growth}

但 gain 低，形成：

\boxed{ TaxonomyExplosion. }

88. Taxonomy Collapse

反之過度 merge：

\boxed{ TaxonomyCollapse. }

89. Classification Debt

大量 provisional classes 未驗證：

\boxed{ ClassificationDebt. }

90. Integration Debt

分類越多，relation / naming / consistency 負擔可能增加：

\boxed{ D_{int}^{class}. }

91. Taxonomic Progress

定義多維：

\boxed{ P_{tax} = ( \Delta Disc, \Delta Pred, \Delta Expl, \Delta Ctrl, \Delta Trans, \Delta FailureVis, -\Delta Redundancy, -\Delta Debt ). }

92. 不壓成普遍單一總分

\boxed{ NoUniversalTaxonomyScore. }

93. Pareto Improvement

新分類若在目標維度改善且 protected dimensions 不惡化，可接受。

94. Classification Stop Condition

\boxed{ Stop_{class}. }

95. 停止原因

marginal gain low；
no legal difference；
budget exhausted；
measurement unavailable；
task already satisfied；
uncertainty irreducible。

96. Stop 不等於 Terminal

\boxed{ Stop \neq Terminal. }

97. Reopen

新 evidence / observer / task：

\boxed{ StableTaxonomy \rightarrow Reopen. }

98. Non-Final Classification

\boxed{ Stable \not\Rightarrow Final. }

99. UDCO Transition

一般：

\boxed{ \mathcal K^{[n]} \xrightarrow{ DGen+DVal+Split/Merge } \mathcal K^{[n+1]}. }

100. Legal Transition

只有：

\boxed{ Legal \land Progress }

才 commit。

101. Candidate Difference Record

{
  "difference_id": "string",
  "target_class_ref": "string",
  "difference_type": "structural|functional|causal|temporal|relational|observational|epistemic|implementation|representation|unknown",
  "observer_ref": "string",
  "feature": {},
  "context": {},
  "evidence_refs": [],
  "expected_gain": {},
  "status": "candidate|valid|contextual|redundant|artifact|noise|contradicted|unknown",
  "version": "string"
}

102. Classification Node Record

{
  "class_id": "string",
  "parent_refs": [],
  "child_refs": [],
  "membership_rule": {},
  "boundary_type": "hard|soft|dynamic|open",
  "distinguishing_features": [],
  "observer_conditions": [],
  "evidence_refs": [],
  "unknowns": [],
  "failures": [],
  "lineage": [],
  "status": "candidate|provisional|stable|merged|split|deprecated",
  "version": "string"
}

103. Split Record

{
  "split_id": "string",
  "source_class_ref": "string",
  "difference_refs": [],
  "child_class_refs": [],
  "legal": true,
  "progress": true,
  "gain_profile": {},
  "integration_debt_delta": {},
  "decision": "commit|defer|reject",
  "version": "string"
}

104. Merge Record

{
  "merge_id": "string",
  "source_class_refs": [],
  "target_class_ref": "string",
  "equivalence_evidence": [],
  "loss_profile": {},
  "lineage_preserved": true,
  "decision": "commit|defer|reject",
  "version": "string"
}

105. Granularity Policy

{
  "policy_id": "string",
  "task_ref": "string",
  "target_resolution": {},
  "split_thresholds": {},
  "merge_thresholds": {},
  "budget": {},
  "stop_policy": {},
  "version": "string"
}

106. UDCO Runtime

\boxed{ UDCO: ( ObjectSet, CurrentClassification, ObserverSet, Policy, Budget ) \mapsto ( UpdatedClassification, NewDifferences, Merges, Residuals, Lineage ). }

107. UDCO 與 CPDA

主 AI 可 spawn：

\boxed{ A_{split}, A_{merge}, A_{meta}, A_{adv} }

分別處理不同 classification positions。

108. UDCO 與 RCC

分類 observer 自身也能被 RCC：

\boxed{ RCC(UDCO). }

109. UDCO 與 FCC

FCC 可以根據新 classification structure 生成新的 cognitive positions。

110. Classification → Position

例如：

\boxed{ NewClass \rightarrow NewObserverPositionCandidate. }

111. Position → New Classification

反過來：

\boxed{ NewPosition \rightarrow NewDifference. }

112. 共演化

因此：

\boxed{ CognitivePositions \rightleftarrows ClassificationStructure. }

113. 分類本身會改變認知主體

如果主 AI 的 method router 使用分類結構：

\boxed{ \mathcal K_t \rightarrow \Pi_t. }

114. 認知主體也會改變分類

\boxed{ \Pi_t \rightarrow DGen_t \rightarrow \mathcal K_{t+1}. }

115. Co-Evolution

\boxed{ ( A_t, \mathcal K_t ) \rightarrow ( A_{t+1}, \mathcal K_{t+1} ). }

116. 核心公理候選

UDCO-A1 — Finite Actuality

每一 actual classification state 是有限的。

UDCO-A2 — No Final Granularity

不預設最後分類粒度。

UDCO-A3 — Difference Non-Ontology

觀察到差異不自動等於本體差異。

UDCO-A4 — Split Non-Progress

Split 不自動等於進步。

UDCO-A5 — Split–Merge Duality

成熟分類系統必須同時允許 split 與 merge。

UDCO-A6 — Observer Conditionality

差異必須記錄 observer/frame/resolution。

UDCO-A7 — Unknown Preservation

未知不得被強制塞入既有類。

UDCO-A8 — Lineage Preservation

split / merge 不得刪除分類歷史。

UDCO-A9 — Meta-Revisability

分類法與 DGen 本身都可成為觀察與逆向對象。

UDCO-A10 — Legal–Progress Gate

只有合法且有認知增益的分類轉移才 commit。

117. 主要失效模式

Taxonomy Explosion；
Taxonomy Collapse；
False Difference；
Representation Artifact；
Measurement Artifact；
Observer Artifact Reification；
Noise Splitting；
Redundant Categories；
Over-Merging；
Unknown Suppression；
Boundary Freezing；
Label Ontology Confusion；
Prompt-Difference Inflation；
Meta-Classifier Authority Inflation；
Classification Debt；
Integration Debt；
Infinite Loop Mislabelled as UBE；
Final Taxonomy Illusion。

118. 與第 06 篇的接口

UDCO 仍然使用：

Class, Relation, Boundary.

但下一個問題更根本：

如果我們甚至不想預設「域」或「分類空間」先存在，而只從 relation、difference、observation 與 transformation 開始，domain 是否可以是認知系統動態投影出的暫時結構？

因此第 06 篇將建立：

\boxed{ \text{Domain Emergence / Domain Projection}. }

119. 結論

UDCO 的核心不是：

把所有東西分到無限多類。

而是：

\boxed{ \textbf{任何已形成分類，都可以再次接受差異檢測與合併檢測。} }

所以：

\boxed{ Split \rightleftarrows Merge }

與：

\boxed{ Classify^{[n]} \Rightarrow_E Classify^{[n+1]} }

共同成立。

真正的「無界差細分」指：

\boxed{ \textbf{不預設最後可辨差異，也不預設任何一次分類是最終本體。} }

而每一 actual runtime 又必須保持：

\boxed{ Finite, Auditable, Versioned, Reopenable. }

這使「無限維／無限差細分觀察者」第一次被改寫成可工程實作的認知分類機制，而不是完成無限、分類爆炸或哲學修辭。