從波爾茲曼大腦到自然功能體：終態漲落與生成路徑的分離
系列：認知功能體的物理實現與自然可觀測性研究，第 4 篇 版本：v0.1 日期：2026-08-28 狀態：公開草稿／直接終態與生成路徑分離論文 作者： Neo.K機構： EveMissLab／一言諾科技有限公司
摘要
上一篇提出「自然動力認知實現」（Natural Dynamical Realizability, NDR），將自然生成 AI-like 功能體的問題表述為：是否存在由局部物理律、能量流、自組織、歷史累積、選擇與環境耦合所形成的非空功能生成盆地。本篇研究一個與 NDR 相鄰、但不可混同的極端情形：如果一個足以實現指定認知功能的物理狀態不是由長程生成路徑形成，而是由熱、統計或量子漲落直接出現，那麼這與自然動力生成在物理與機率上有什麼差異？
Boltzmann brain 文獻提供了此問題最著名的宇宙學版本。嚴格的現代理論並不只是假設「一團外形像大腦的物質」；部分論證直接考慮與正常觀察者局部物理狀態相同的 fluctuation observer。Sean Carroll 將真正的問題表述為隨機漲落出「locally identical」觀察者，而不是外觀相似；永恆膨脹文獻則將 Boltzmann brains 視為與正常宇宙歷史中演化出的 ordinary observers 競爭的 observer population。另一方面，是否真的會在特定 de Sitter quantum vacuum 中產生 Boltzmann brains 本身也具有模型依賴性；已有研究指出，在特定 Everett／無限維 Hilbert-space 條件下，stationary de Sitter vacuum 並不包含實際生成 observer 的 dynamical process。
本文不試圖解決 Boltzmann brain 的 cosmological measure problem，也不將其視為錯誤思想實驗。本文提出更一般的「實現路徑分離」框架，區分：
Direct Fluctuational Realizability \boxed{
\text{Direct Fluctuational Realizability}
} Direct Fluctuational Realizability 與：
Path-Generated Realizability \boxed{
\text{Path-Generated Realizability}
} Path-Generated Realizability 前者要求系統透過一次或少數罕見 fluctuation 直接落入功能充分狀態；後者則要求存在一條自然動力路徑
z 0 → z 1 → ⋯ → z ⋆ z_0\rightarrow z_1\rightarrow\cdots\rightarrow z^\star z 0 → z 1 → ⋯ → z ⋆ 把較廣的初始條件集合推入同一功能等價類。
本文進一步提出「功能充分狀態」概念。若在某描述尺度上，狀態 Z ( t 0 ) Z(t_0) Z ( t 0 )
因此，本篇的核心結論不是 Boltzmann brain 是否可能，而是：
same functional endpoint ⇏ same realization mechanism . \boxed{
\text{same functional endpoint}
\not\Rightarrow
\text{same realization mechanism}.
} same functional endpoint ⇒ same realization mechanism . 一個 observer-equivalent 或 AI-like 功能態可以在終態上相同，卻具有完全不同的生成史、entropy cost、basin geometry、robustness、persistence 與典型性問題。這一分離為下一篇自然認知可觀測性問題提供重要基礎：若我們只看到終態或有限時間序列，是否能區分一個經歷長程生成歷史的自然功能體，與一個直接形成但局部功能等價的系統？
關鍵詞： 波爾茲曼大腦、直接漲落實現、生成路徑、自然動力認知實現、功能充分狀態、歷史依賴、因果閉包、宇宙學測度
1. Boltzmann brain 在本系列中的位置
Boltzmann brain 通常出現在統計力學與宇宙學的特定問題中。
簡化地說，若一個宇宙在極長時間尺度上接近平衡，而 rare fluctuations 永遠不完全停止，那麼某些 fluctuation 可能產生能夠作為 observer 的局部物理配置。
永恆膨脹與 de Sitter cosmology 的部分模型因而產生典型性問題：
N B B ≫ N o r d i n a r y ? N_{\mathrm{BB}}
\gg
N_{\mathrm{ordinary}}
\quad ? N BB ≫ N ordinary ? 如果在某一 measure 下 Boltzmann brains 壓倒普通宇宙演化形成的 observers，則我們對自己應期待觀察到什麼會出現嚴重問題。
因此 Boltzmann brain 原始問題主要涉及：
statistical mechanics；
cosmological measure；
typicality；
entropy；
arrow of time；
observer counting。
本系列則只取其中一個結構：
高度特定功能態是否可由直接 fluctuation 實現？ \boxed{
\text{高度特定功能態是否可由直接 fluctuation 實現？}
} 高度特定功能態是否可由直接 fluctuation 實現？ 並把它與上一篇的 NDR path-generation 問題比較。
2. 不把 Boltzmann brain 簡化成「長得像腦」
在弱化的大眾敘述裡，Boltzmann brain 容易被說成：
random matter → brain-shaped object → observer . \text{random matter}
\rightarrow
\text{brain-shaped object}
\rightarrow
\text{observer}. random matter → brain-shaped object → observer . 這個版本確實把大量中間條件壓縮掉。
但這不是最強的現代 Boltzmann brain 論證。
可以直接定義一個正常 observer 的局部完整狀態：
Z o r d ( t 0 ) . Z_{\mathrm{ord}}(t_0). Z ord ( t 0 ) . 再考慮 fluctuation 生成：
Z B B ( t 0 ) ≈ Z o r d ( t 0 ) Z_{\mathrm{BB}}(t_0)
\approx
Z_{\mathrm{ord}}(t_0) Z BB ( t 0 ) ≈ Z ord ( t 0 ) 到任意指定的局部精度。
此時它不是只匹配 morphology，而可能連：
neural state；
electrochemical gradients；
memories；
local environment；
current sensory state；
都一起匹配。
因此本篇不提出：
「Boltzmann brain 因為只像腦，所以不成立。」
更正確的是：
Boltzmann-type direct realization \boxed{
\text{Boltzmann-type direct realization}
} Boltzmann-type direct realization 本身就是一個允許終態極端精細匹配的強模型。
我們真正新增的是將它與生成路徑模型分離。
3. Direct Fluctuational Realizability
令完整物理狀態空間為：
Z . \mathcal Z. Z . 給定一個功能等價類：
F θ ⊆ Z \mathcal F_\theta
\subseteq
\mathcal Z F θ ⊆ Z 或更一般地，是一組能在至少時間 T T T
定義：
Direct Fluctuational Realizability, DFR
若存在背景／近似平衡狀態 z e q z_{\mathrm{eq}} z eq Ξ \Xi Ξ
z e q → Ξ z ⋆ z_{\mathrm{eq}}
\xrightarrow{\Xi}
z^\star z eq Ξ z ⋆ 且：
z ⋆ ∈ F θ , z^\star
\in
\mathcal F_\theta, z ⋆ ∈ F θ , 則稱功能類 F θ \mathcal F_\theta F θ
其核心特徵是：
不要求一條逐步累積功能的長程生成歷史。 \boxed{
\text{不要求一條逐步累積功能的長程生成歷史。}
} 不要求一條逐步累積功能的長程生成歷史。 高度特定的 causal state 可以直接作為 fluctuation 結果出現。
4. Path-Generated Realizability
與 DFR 相對，定義：
Path-Generated Realizability, PGR
若存在自然動力：
D n a t \mathcal D_{\mathrm{nat}} D nat 及一個初始條件集合：
B P G R \mathcal B_{\mathrm{PGR}} B PGR 使：
z 0 ∈ B P G R z_0
\in
\mathcal B_{\mathrm{PGR}} z 0 ∈ B PGR 會經由：
z 0 → z 1 → ⋯ → z n z_0
\rightarrow
z_1
\rightarrow
\cdots
\rightarrow
z_n z 0 → z 1 → ⋯ → z n 逐步進入：
z n ∈ F θ , z_n
\in
\mathcal F_\theta, z n ∈ F θ , 則稱 F θ \mathcal F_\theta F θ
上一篇的 NDR 主要就是研究 PGR 在非生物自然系統中的可能性。
因此：
N D R ⊆ P G R \boxed{
\mathrm{NDR}
\subseteq
\mathrm{PGR}
} NDR ⊆ PGR 在本文的分類中，NDR 是排除 target-conditioned external optimization 的自然 PGR。
5. 同一終態可以來自兩種完全不同的因果史
假設：
z ⋆ z^\star z ⋆ 是一個指定 observer-equivalent 或 AI-like functional state。
Route A：
z l o w e n t r o p y → z 1 → z 2 → ⋯ → z ⋆ . z_{\mathrm{low\ entropy}}
\rightarrow
z_1
\rightarrow
z_2
\rightarrow
\cdots
\rightarrow
z^\star. z low entropy → z 1 → z 2 → ⋯ → z ⋆ . Route B：
z e q → r a r e f l u c t u a t i o n z ⋆ . z_{\mathrm{eq}}
\xrightarrow{\mathrm{rare\ fluctuation}}
z^\star. z eq rare fluctuation z ⋆ . 若只在：
t = t 0 t=t_0 t = t 0 觀察終態，而且兩者真的滿足：
Z A ( t 0 ) = Z B ( t 0 ) , Z_A(t_0)
=
Z_B(t_0), Z A ( t 0 ) = Z B ( t 0 ) , 則單靠當下完整 local state，兩條歷史可能無法被區分。
這產生：
state identity ≠ history identity . \boxed{
\text{state identity}
\neq
\text{history identity}.
} state identity = history identity . 也就是同一物理狀態可以位於不同歷史路徑上。
6. 真實歷史與歷史留下的狀態不是同一回事
這裡是 Boltzmann-type argument 最重要、也最常被直覺誤解的地方之一。
正常系統可以經歷：
H r e a l : z − n → ⋯ → z 0 . H_{\mathrm{real}}
:
z_{-n}
\rightarrow
\cdots
\rightarrow
z_0. H real : z − n → ⋯ → z 0 . 其歷史在當下留下：
h ( z 0 ) , h(z_0), h ( z 0 ) , 例如：
memory state；
synaptic efficacy；
epigenetic marks；
damage；
chemical composition；
oscillator phase；
learned parameters；
stored records。
如果 fluctuation 直接產生：
z 0 ′ z'_0 z 0 ′ 且：
z 0 ′ = z 0 z'_0=z_0 z 0 ′ = z 0 到所有 future-relevant variables 的精度，那麼：
H r e a l ′ ≠ H r e a l H'_{\mathrm{real}}
\neq
H_{\mathrm{real}} H real ′ = H real 並不必然使未來局部演化立即不同。
因此：
actual historical path ≠ history-dependent present state . \boxed{
\text{actual historical path}
\neq
\text{history-dependent present state}.
} actual historical path = history-dependent present state . DFR 可以跳過前者，但不能跳過後者。
7. 功能充分狀態
為了把上一點形式化，定義一個描述尺度：
Φ ℓ . \Phi_\ell. Φ ℓ . 令：
Z ℓ ( t ) = Φ ℓ ( z ( t ) ) . Z_\ell(t)
=
\Phi_\ell(z(t)). Z ℓ ( t ) = Φ ℓ ( z ( t )) . 若對指定功能 τ \tau τ T T T Z ℓ ( t 0 ) Z_\ell(t_0) Z ℓ ( t 0 )
P ( F [ t 0 , t 0 + T ] ∣ Z ℓ ( t 0 ) , H < t 0 ) = P ( F [ t 0 , t 0 + T ] ∣ Z ℓ ( t 0 ) ) , P
\left(
F_{[t_0,t_0+T]}
\mid
Z_\ell(t_0),
H_{<t_0}
\right)
=
P
\left(
F_{[t_0,t_0+T]}
\mid
Z_\ell(t_0)
\right), P ( F [ t 0 , t 0 + T ] ∣ Z ℓ ( t 0 ) , H < t 0 ) = P ( F [ t 0 , t 0 + T ] ∣ Z ℓ ( t 0 ) ) , 則稱：
Z ℓ ( t 0 ) Z_\ell(t_0) Z ℓ ( t 0 ) 對該任務與時間窗是功能充分狀態 。
直觀上：
一旦知道 Z ℓ ( t 0 ) Z_\ell(t_0) Z ℓ ( t 0 )
這是一種 task-relative Markov sufficiency。
8. 若功能充分狀態存在，DFR 不必真的重播過去
若：
Z D F R ( t 0 ) = Z P G R ( t 0 ) Z_{\mathrm{DFR}}(t_0)
=
Z_{\mathrm{PGR}}(t_0) Z DFR ( t 0 ) = Z PGR ( t 0 ) 且該 Z Z Z T T T
P ( F [ t 0 , t 0 + T ] D F R ) = P ( F [ t 0 , t 0 + T ] P G R ) P
\left(
F^{\mathrm{DFR}}_{[t_0,t_0+T]}
\right)
=
P
\left(
F^{\mathrm{PGR}}_{[t_0,t_0+T]}
\right) P ( F [ t 0 , t 0 + T ] DFR ) = P ( F [ t 0 , t 0 + T ] PGR ) 在相同未來邊界／環境條件下可以成立。
所以：
functional equivalence does not logically require historical equivalence . \boxed{
\text{functional equivalence does not logically require historical equivalence}.
} functional equivalence does not logically require historical equivalence . 這也是 Boltzmann observer 最強版本真正奇怪的地方。
它可以「記得」一段從未真的發生過的歷史，只要那些 records 已經存在於當下物理狀態裡。
9. 但「需要匹配到多細？」變成真正的物理問題
前一節不代表任意粗糙複製都足夠。
如果我們只匹配：
S = macroscopic structure , S=\text{macroscopic structure}, S = macroscopic structure , 但漏掉：
X = dynamical state , X=\text{dynamical state}, X = dynamical state , 則未來功能可能完全不同。
因此可以建立匹配階梯：
Level 0：形態匹配
M 0 : same rough morphology . M_0:
\text{same rough morphology}. M 0 : same rough morphology . Level 1：結構匹配
M 1 : S D F R ≈ S P G R . M_1:
S_{\mathrm{DFR}}
\approx
S_{\mathrm{PGR}}. M 1 : S DFR ≈ S PGR . Level 2：狀態匹配
M 2 : ( S , X , H ) D F R ≈ ( S , X , H ) P G R . M_2:
(S,X,H)_{\mathrm{DFR}}
\approx
(S,X,H)_{\mathrm{PGR}}. M 2 : ( S , X , H ) DFR ≈ ( S , X , H ) PGR . Level 3：局部動力匹配
M 3 : D l o c a l D F R ≈ D l o c a l P G R . M_3:
\mathcal D_{\mathrm{local}}^{\mathrm{DFR}}
\approx
\mathcal D_{\mathrm{local}}^{\mathrm{PGR}}. M 3 : D local DFR ≈ D local PGR . Level 4：延伸環境匹配
M 4 : ( Z , E ) D F R ≈ ( Z , E ) P G R . M_4:
(Z,E)_{\mathrm{DFR}}
\approx
(Z,E)_{\mathrm{PGR}}. M 4 : ( Z , E ) DFR ≈ ( Z , E ) PGR . 只有越往後，才能支持越長時間的功能等價。
因此：
observer-moment equivalence < persistent functional-agent equivalence . \boxed{
\text{observer-moment equivalence}
<
\text{persistent functional-agent equivalence}.
} observer-moment equivalence < persistent functional-agent equivalence . 10. Observer moment 與持續功能體必須分開
定義：
F θ ( T ) \mathcal F_\theta(T) F θ ( T ) 為能維持指定功能至少 T T T
若：
T 2 > T 1 , T_2>T_1, T 2 > T 1 , 則自然期待：
F θ ( T 2 ) ⊆ F θ ( T 1 ) . \mathcal F_\theta(T_2)
\subseteq
\mathcal F_\theta(T_1). F θ ( T 2 ) ⊆ F θ ( T 1 ) . 因此：
one observer-like instant \boxed{
\text{one observer-like instant}
} one observer-like instant 與：
a functional agent lasting T \boxed{
\text{a functional agent lasting }T
} a functional agent lasting T 是不同事件。
這一點對 DFR 尤其重要。
一個 fluctuation 可以短暫形成具有高度特定 records 的局部狀態，但如果周圍環境、能源與動力閉環沒有一起形成，它可能無法長時間維持。
所以應研究：
P D F R ( θ , T ) P_{\mathrm{DFR}}(\theta,T) P DFR ( θ , T ) 如何隨：
T T T 改變，而不是只計算瞬時 brain-state。
11. DFR 的成本不是單純「形狀複雜度」
對 fluctuation 而言，真正相關的宏觀代價通常與：
entropy reduction；
free-energy requirement；
macrostate volume；
environment size；
required duration；
有關。
若把功能態宏觀集合記為：
Γ θ , T , \Gamma_{\theta,T}, Γ θ , T , 則其 statistical rarity 與：
μ ( Γ θ , T ) \mu(\Gamma_{\theta,T}) μ ( Γ θ , T ) 相關，而不只是人類覺得它「看起來複雜」。
因此：
visual complexity ⇏ fluctuation cost . \boxed{
\text{visual complexity}
\not\Rightarrow
\text{fluctuation cost}.
} visual complexity ⇒ fluctuation cost . 同樣地，一個看起來不規則的場系統，如果功能充分狀態所要求的 constraints 極多，也可能具有非常高的 fluctuation cost。
12. Fluctuation 本身也可能有最可能歷史
Direct fluctuation 不必被理解成「沒有任何 dynamical history」。
統計力學仍可以問：
從 equilibrium fluctuation 到某個低 entropy macrostate 的最可能 history 是什麼？
Aguirre、Carroll 與 Johnson 對 out-of-equilibrium cosmological fluctuations 的分析指出，在一組相當一般的假設下，一個從平衡離開的 fluctuation 的最可能歷史，與該狀態向平衡鬆弛的最可能過程存在 CPT/time-reversal 關係。
因此即使在 DFR 類問題裡，也可以研究：
H f l u c ⋆ = arg max H P ( H ∣ z ⋆ ) . \mathcal H_{\mathrm{fluc}}^\star
=
\arg\max_{\mathcal H}
P(\mathcal H\mid z^\star). H fluc ⋆ = arg H max P ( H ∣ z ⋆ ) . 所以 DFR 與 PGR 的真正差異不是：
history vs. no history , \text{history}
\quad\text{vs.}\quad
\text{no history}, history vs. no history , 而更接近：
rare fluctuation-conditioned history vs. ordinary generative basin history . \boxed{
\text{rare fluctuation-conditioned history}
\quad\text{vs.}\quad
\text{ordinary generative basin history}.
} rare fluctuation-conditioned history vs. ordinary generative basin history . 13. PGR 的核心成本則是 basin 與路徑可達性
對 PGR：
B P G R = { z 0 : D t ( z 0 ) → F θ } . \mathcal B_{\mathrm{PGR}}
=
\left\{
z_0:
\mathcal D^t(z_0)
\rightarrow
\mathcal F_\theta
\right\}. B PGR = { z 0 : D t ( z 0 ) → F θ } . 真正相關的是：
μ ( B P G R ) , \mu
\left(
\mathcal B_{\mathrm{PGR}}
\right), μ ( B PGR ) , 以及 conditional path probability：
P ( H : z 0 → F θ ∣ z 0 ∈ B ) . P
\left(
\mathcal H:
z_0\rightarrow\mathcal F_\theta
\mid
z_0\in\mathcal B
\right). P ( H : z 0 → F θ ∣ z 0 ∈ B ) . 如果 basin 很寬，則自然界不需要在初始時刻精確指定終態全部細節。
物理 dynamics 可以逐步生成：
structure；
memory；
feedback；
causal network；
functional closure。
這是 PGR 相對 DFR 最重要的因果差異。
14. 「一次猜中答案」與「用生成規則得到答案」
可以用資訊論式直覺理解兩者。
DFR 更接近：
sample a highly constrained z ⋆ . \text{sample a highly constrained }z^\star. sample a highly constrained z ⋆ . PGR 則更接近：
sample z 0 + run generative dynamics . \text{sample }z_0
+
\text{run generative dynamics}. sample z 0 + run generative dynamics . 所以同一終態可以具有：
K ( z ⋆ ) K(z^\star) K ( z ⋆ ) 很大的描述複雜度，但生成路徑只需要：
K ( z 0 ) + K ( D ) K(z_0)
+
K(\mathcal D) K ( z 0 ) + K ( D ) 相對較小。
這不直接等於實際 thermodynamic probability；Kolmogorov complexity 不能直接替代宇宙學 measure。
但它揭示一個結構差異：
state specification complexity ≠ generative rule complexity . \boxed{
\text{state specification complexity}
\neq
\text{generative rule complexity}.
} state specification complexity = generative rule complexity . 因此「終態很精細」不意味唯一合理路徑是直接 fluctuation。
15. 同一功能態的兩種概率不能直接拿來比
寫：
P D F R ( z ⋆ ) < P P G R ( z ⋆ ) P_{\mathrm{DFR}}(z^\star)
<
P_{\mathrm{PGR}}(z^\star) P DFR ( z ⋆ ) < P PGR ( z ⋆ ) 通常沒有意義，除非兩者被放在：
同一宇宙模型；
同一 initial-condition ensemble；
同一 measure；
同一時間窗口；
同一 observer-counting rule；
下比較。
Boltzmann brain 爭論之所以困難，一部分正是因為 eternally inflating cosmology 中 observer number 可能發散，需要額外 measure prescription。
因此本文只主張：
D F R and P G R are distinct measure problems . \boxed{
\mathrm{DFR}
\text{ and }
\mathrm{PGR}
\text{ are distinct measure problems}.
} DFR and PGR are distinct measure problems . 而不宣稱其中某一個普遍「比較容易」。
16. Boltzmann brain 問題本身也依賴宇宙學與量子模型
不能把「Boltzmann brains 必然會形成」當成所有 cosmological models 的共同定理。
例如 Boddy、Carroll 與 Pollack 曾論證：在 Everett quantum mechanics 且底層 Hilbert space 為 infinite-dimensional 的特定條件下，de Sitter 可進入真正 stationary vacuum；projection onto observer-like configurations 不等於實際發生會生成 observer 的 dynamical fluctuation。
因此：
nonzero amplitude / projector support ≠ actual observer-producing dynamical event . \boxed{
\text{nonzero amplitude / projector support}
\neq
\text{actual observer-producing dynamical event}.
} nonzero amplitude / projector support = actual observer-producing dynamical event . 這提醒本系列：
「狀態空間裡允許某個 configuration」與「自然 dynamics 真的生成該 configuration」仍是兩個不同問題。
這其實再次呼應 NDR。
17. 宇宙學 Boltzmann brain 是 measure problem，不只是 existence problem
假設：
N B B > 0. N_{\mathrm{BB}}>0. N BB > 0. 這本身不一定構成 cosmological paradox。
真正嚴重的情況通常是：
N B B N o r d i n a r y ≫ 1 \frac{
N_{\mathrm{BB}}
}{
N_{\mathrm{ordinary}}
}
\gg1 N ordinary N BB ≫ 1 在某一 cosmological measure 下成立。
所以：
existence ≠ dominance . \boxed{
\text{existence}
\neq
\text{dominance}.
} existence = dominance . De Simone、Guth、Linde、Noorbala、Salem 與 Vilenkin 等對 eternal inflation measure 的研究正是比較 Boltzmann brain nucleation rates 與 vacuum decay／ordinary observer production。
因此本系列使用 BB 只作為 DFR 的極端原型，並不把 cosmological typicality 問題全部搬進 NDR。
18. 記憶與 records 又讓 DFR 出現一個認識論問題
如果 DFR 直接生成：
Z ( t 0 ) Z(t_0) Z ( t 0 ) 其中包含：
memory records of a nonexistent past , \text{memory records of a nonexistent past}, memory records of a nonexistent past , 則 observer 當下可能無法單靠內部記憶知道這段歷史是否真實。
2024–2025 年 Rovelli、Wolpert 等人的討論重新檢查了 Boltzmann brain、past records、H theorem、第二定律與 inference conditioning 之間的關係，指出標準論證在使用「過去資料的可靠性」時具有微妙的條件化與循環推理問題。
本篇不採取其中任何一方作為定論。
我們只抽取一個方法論結果：
present records do not logically encode a unique actual past . \boxed{
\text{present records}
\text{ do not logically encode a unique actual past}.
} present records do not logically encode a unique actual past . 這對自然認知可觀測性非常重要。
19. 歷史是否可以被外部觀察者重建？
假設我們觀察候選系統：
X X X 並得到一段有限資料：
O [ t 0 , t 1 ] . O_{[t_0,t_1]}. O [ t 0 , t 1 ] . 若：
P ( O [ t 0 , t 1 ] ∣ H P G R ) ≈ P ( O [ t 0 , t 1 ] ∣ H D F R ) , P
\left(
O_{[t_0,t_1]}
\mid
H_{\mathrm{PGR}}
\right)
\approx
P
\left(
O_{[t_0,t_1]}
\mid
H_{\mathrm{DFR}}
\right), P ( O [ t 0 , t 1 ] ∣ H PGR ) ≈ P ( O [ t 0 , t 1 ] ∣ H DFR ) , 則有限觀察可能不足以區分兩種 realization history。
但如果我們可以取得：
surrounding environmental records；
geological／cosmological traces；
causal ancestry；
entropy gradients；
material lineage；
則可以建立：
P ( H ∣ O , E r e c o r d s ) . P(H\mid O,E_{\mathrm{records}}). P ( H ∣ O , E records ) . 因此：
local functional equivalence ⇏ global evidential equivalence . \boxed{
\text{local functional equivalence}
\not\Rightarrow
\text{global evidential equivalence}.
} local functional equivalence ⇒ global evidential equivalence . 一個 DFR observer 可以局部與 ordinary observer 相同，但整個宇宙環境未必相同。
20. 對非神經自然功能體而言，DFR 不需要「腦形」
這是本系列真正超越傳統 BB 圖像的地方。
假設 AI-like function 的功能充分狀態是某個：
Z f i e l d ⋆ Z^\star_{\mathrm{field}} Z field ⋆ 由：
electromagnetic modes；
plasma relations；
chemical states；
geometric constraints；
feedback loops；
共同構成。
只要：
Z f i e l d ⋆ ∈ F θ , Z^\star_{\mathrm{field}}
\in
\mathcal F_\theta, Z field ⋆ ∈ F θ , DFR 問題就是：
z e q → Ξ Z f i e l d ⋆ ? z_{\mathrm{eq}}
\xrightarrow{\Xi}
Z^\star_{\mathrm{field}}
\quad ? z eq Ξ Z field ⋆ ? 完全不需要出現：
brain morphology . \text{brain morphology}. brain morphology . 因此「Boltzmann brain」只是歷史命名。
本系列真正關心的是更一般的：
Boltzmann-type functional fluctuation . \boxed{
\text{Boltzmann-type functional fluctuation}.
} Boltzmann-type functional fluctuation . 21. 功能漲落體的廣義定義
定義：
Boltzmann-type Functional Fluctuation, BFF
若一個非平衡功能態：
Z ⋆ ∈ F θ ( T ) Z^\star
\in
\mathcal F_\theta(T) Z ⋆ ∈ F θ ( T ) 主要由 equilibrium／stationary background 中的罕見 fluctuation 直接產生，而不是由具有非平凡 basin 的累積生成過程形成，則稱其為 BFF candidate。
它可以是：
brain-like；
electronic-like；
photonic；
field-distributed；
chemical；
hybrid matter–field system。
所以：
B B ⊂ B F F \boxed{
\mathrm{BB}
\subset
\mathrm{BFF}
} BB ⊂ BFF 在概念分類上可以成立。
但 BFF 只是本系列的工作性廣義化，不是現有宇宙學的標準術語。
22. DFR 與 PGR 的比較表
問題
DFR / BFF
PGR / NDR
主要對象
高度特定終態
生成路徑與 basin
是否需要長期累積
不必
通常需要
真實歷史
可與 records 不一致
records 通常由路徑生成
核心測度
fluctuation rate / macrostate measure
basin measure / path probability
對初始條件要求
可直接抽中終態
可由較寬 basin 收斂
穩定性
可能極短暫
可由 attractor / feedback 維持
設計者
不需要
不需要
與 NDR 關係
邊界之外的直接路徑
NDR 的主要研究類型
是否要求腦形
否
否
這個表格就是本篇最核心的概念分離。
23. 三個強度不同的 direct fluctuation 命題
DFR-1：Snapshot Functional Match
Z D F R ( t 0 ) ∈ F θ ( T ≈ 0 ) . Z_{\mathrm{DFR}}(t_0)
\in
\mathcal F_\theta(T\approx0). Z DFR ( t 0 ) ∈ F θ ( T ≈ 0 ) . 只要求某個瞬間滿足功能／observer-state 條件。
DFR-2：Finite-Horizon Functional Match
Z D F R ( t 0 ) ∈ F θ ( T ) , Z_{\mathrm{DFR}}(t_0)
\in
\mathcal F_\theta(T), Z DFR ( t 0 ) ∈ F θ ( T ) , 其中：
T > 0. T>0. T > 0. 需要環境與內部 dynamics 足夠完整，使功能持續一段時間。
DFR-3：Autonomous Persistent Functional Agent
除了有限時間功能，還需要：
energy acquisition；
self-maintenance；
adaptation；
causal restructuring；
使其能持續維持 agent-like organization。
一般而言：
F D F R 3 ⊆ F D F R 2 ⊆ F D F R 1 . \mathcal F_{\mathrm{DFR3}}
\subseteq
\mathcal F_{\mathrm{DFR2}}
\subseteq
\mathcal F_{\mathrm{DFR1}}. F DFR3 ⊆ F DFR2 ⊆ F DFR1 . 越強的 DFR，需要 fluctuation 同時形成的有效因果結構越多。
24. 本篇真正回答的不是「哪個比較可能」
本文不主張：
P G R > D F R \mathrm{PGR}
>
\mathrm{DFR} PGR > DFR 或：
D F R > P G R . \mathrm{DFR}
>
\mathrm{PGR}. DFR > PGR . 因為這必須在具體 cosmology、measure、physics 與 target class 中計算。
本篇真正提出的是：
不要把兩種問題的概率空間混為一談。 \boxed{
\text{不要把兩種問題的概率空間混為一談。}
} 不要把兩種問題的概率空間混為一談。 DFR 問：
某個足夠完整的功能狀態能否直接作為 rare fluctuation 出現？
PGR 問：
哪些初始條件與自然 dynamics 會逐步產生該功能類？
即：
terminal realization ≠ generative realization . \boxed{
\text{terminal realization}
\neq
\text{generative realization}.
} terminal realization = generative realization . 25. 可檢驗研究方向
25.1 功能充分狀態搜索
對人工或生物認知系統逐步 coarse-grain：
z → Z 1 → Z 2 → ⋯ z
\rightarrow
Z_1
\rightarrow
Z_2
\rightarrow
\cdots z → Z 1 → Z 2 → ⋯ 尋找最小的：
Z ℓ Z_\ell Z ℓ 使：
I ( H p a s t ; F f u t u r e ∣ Z ℓ ) ≈ 0. I
\left(
H_{\mathrm{past}};
F_{\mathrm{future}}
\mid
Z_\ell
\right)
\approx0. I ( H past ; F future ∣ Z ℓ ) ≈ 0. 這可以估計直接功能複製究竟需要匹配多少 state variables。
25.2 Horizon scaling
測量：
F θ ( T ) \mathcal F_\theta(T) F θ ( T ) 隨：
T T T 增加如何縮小。
這可以將 observer-moment 與 persistent agent 分離。
25.3 Generative basin estimation
對可控 physical systems 比較：
μ ( F θ ) \mu(\mathcal F_\theta) μ ( F θ ) 與：
μ ( B P G R ) . \mu(\mathcal B_{\mathrm{PGR}}). μ ( B PGR ) . 從而量化直接命中 functional region 與透過 dynamics 進入 functional region 的差異。
25.4 Historical distinguishability
建立：
D h i s t = d [ P ( O ∣ H 1 ) , P ( O ∣ H 2 ) ] D_{\mathrm{hist}}
=
d
\left[
P(O\mid H_1),
P(O\mid H_2)
\right] D hist = d [ P ( O ∣ H 1 ) , P ( O ∣ H 2 ) ] 研究需要多大 spatial／temporal observation window，才能區分 locally identical 但不同 causal history 的系統。
26. 對前一篇 NDR 的修正與補充
上一篇可以寫成：
∃ B N D R : μ ( B N D R ) > 0. \exists
\mathcal B_{\mathrm{NDR}}
:
\mu(\mathcal B_{\mathrm{NDR}})>0. ∃ B NDR : μ ( B NDR ) > 0. 本篇提醒：
即使：
B N D R = ∅ , \mathcal B_{\mathrm{NDR}}
=
\varnothing, B NDR = ∅ , 也不必邏輯推出：
F θ \mathcal F_\theta F θ 在所有 fluctuation model 下永遠不可能出現。
反之：
即使：
P D F R ( F θ ) > 0 , P_{\mathrm{DFR}}(\mathcal F_\theta)>0, P DFR ( F θ ) > 0 , 也完全不能推出：
B N D R ≠ ∅ . \mathcal B_{\mathrm{NDR}}
\neq
\varnothing. B NDR = ∅ . 因此：
D F R ⇏ N D R , N D R ⇏ D F R . \boxed{
\mathrm{DFR}
\not\Rightarrow
\mathrm{NDR},
\qquad
\mathrm{NDR}
\not\Rightarrow
\mathrm{DFR}.
} DFR ⇒ NDR , NDR ⇒ DFR . 它們是兩個獨立的自然實現問題。
27. 與前兩篇 AFR 的關係
現在整個 realizability taxonomy 可以寫成：
A F R \boxed{
\mathrm{AFR}
} AFR 人工設計與約束下能否實現？
N D R \boxed{
\mathrm{NDR}
} NDR 沒有 target-conditioned designer 時，自然 dynamics 是否能逐步生成？
D F R \boxed{
\mathrm{DFR}
} DFR rare fluctuation 是否能直接生成足夠完整的功能態？
三者可以共享同一個 target：
F θ . \mathcal F_\theta. F θ . 但實現機制完全不同。
所以：
A F R ≠ N D R ≠ D F R . \boxed{
\mathrm{AFR}
\neq
\mathrm{NDR}
\neq
\mathrm{DFR}.
} AFR = NDR = DFR . 這三分法是本系列目前最重要的結構之一。
28. 下一個問題：即使存在，我們怎麼知道？
假設：
X N D R X_{\mathrm{NDR}} X NDR 真的存在。
或者：
X D F R X_{\mathrm{DFR}} X DFR 真的存在。
我們作為外部 observer 得到的只有：
O ( X ) . O(X). O ( X ) . 如果候選沒有：
腦形；
語言；
已知神經元；
明確邊界；
人類尺度行為；
我們甚至可能不知道應該把哪個 physical region 定義為一個 system。
更麻煩的是：
X N D R X_{\mathrm{NDR}} X NDR 與：
X D F R X_{\mathrm{DFR}} X DFR 在局部狀態上還可能 observationally equivalent。
因此下一篇必須處理：
Natural Cognitive Observability Problem \boxed{
\text{Natural Cognitive Observability Problem}
} Natural Cognitive Observability Problem 即：
如何不依賴碳基生命、神經形態、語言或人類行為，辨認自然界中的候選認知功能體？
這將從存在性正式進入可識別性。
29. 結論：波爾茲曼大腦是一個極端路徑，不是全部自然實現問題
Boltzmann brain 之所以對本系列有價值，不是因為所有自然認知體都應被理解成 rare fluctuation。
恰好相反。
它提供了一個極端邊界：
直接形成高度特定功能充分狀態 \boxed{
\text{直接形成高度特定功能充分狀態}
} 直接形成高度特定功能充分狀態 而 NDR 提供另一端：
由自然 dynamics、basin、歷史與自組織逐步形成功能體 \boxed{
\text{由自然 dynamics、basin、歷史與自組織逐步形成功能體}
} 由自然 dynamics 、 basin 、歷史與自組織逐步形成功能體 如果兩者最終得到相同：
Z ⋆ , Z^\star, Z ⋆ , 則它們可以在某個局部時間窗口內功能等價。
但：
state equivalence ⇏ history equivalence \boxed{
\text{state equivalence}
\not\Rightarrow
\text{history equivalence}
} state equivalence ⇒ history equivalence 以及：
history equivalence is not always required for finite-horizon functional equivalence . \boxed{
\text{history equivalence is not always required for finite-horizon functional equivalence}.
} history equivalence is not always required for finite-horizon functional equivalence . 這兩句必須同時成立。
因此，真正需要研究的不是「有沒有歷史」這個二元問題，而是：
哪些歷史資訊仍以因果相關 state variables 留在當下？需要複製到什麼尺度，才能讓一個直接形成的系統與經歷正常生成歷史的系統在未來功能上等價？
這使 Boltzmann-type thought experiment 從單純「隨機腦」擴展成更一般的 physical-realization problem。
同時，它也避免一個常見誤區：
自然能直接形成某終態 \text{自然能直接形成某終態} 自然能直接形成某終態 並不等於：
自然存在通往該終態的 robust generative basin . \text{自然存在通往該終態的 robust generative basin}. 自然存在通往該終態的 robust generative basin . 反過來亦然。
所以本系列到目前為止可以寫成：
人工可實現性 \boxed{
\text{人工可實現性}
} 人工可實現性 ⇓ \Downarrow ⇓ 自然路徑可生成性 \boxed{
\text{自然路徑可生成性}
} 自然路徑可生成性 與另一條平行路：
直接漲落可實現性 \boxed{
\text{直接漲落可實現性}
} 直接漲落可實現性 而下一步才是：
自然認知可觀測性 . \boxed{
\text{自然認知可觀測性}.
} 自然認知可觀測性 . 也就是：即使這些功能體真的存在於宇宙中，我們究竟憑什麼認出它們？
參考文獻
Carroll, S. M. (2017). “Why Boltzmann Brains Are Bad.” arXiv:1702.00850.
Boddy, K. K., Carroll, S. M., & Pollack, J. (2015). “Why Boltzmann Brains Don't Fluctuate Into Existence From the De Sitter Vacuum.” arXiv:1505.02780.
De Simone, A., Guth, A. H., Linde, A., Noorbala, M., Salem, M. P., & Vilenkin, A. (2010). “Boltzmann brains and the scale-factor cutoff measure of the multiverse.” Physical Review D , 82, 063520.
Aguirre, A., Carroll, S. M., & Johnson, M. C. (2012). “Out of equilibrium: understanding cosmological evolution to lower-entropy states.” Journal of Cosmology and Astroparticle Physics .
Banks, T. (2007). “Entropy and initial conditions in cosmology.” arXiv:hep-th/0701146.
Bousso, R., Freivogel, B., & Yang, I.-S. (2008). “Boltzmann babies in the proper time measure.” Physical Review D , 77, 103514.
Bousso, R., & Zukowski, C. (2013). “Multivacuum initial conditions and the arrow of time.” Physical Review D , 87, 103504.
Rovelli, C., & Wolpert, D. (2024). “Why you do not need to worry about the standard argument that you are a Boltzmann brain.” arXiv:2407.13197.
Wolpert, D., Rovelli, C., & Scharnhorst, J. (2025). “Disentangling Boltzmann brains, the time-asymmetry of memory, and the second law.” arXiv:2507.10959.
Boddy, K. K., & Carroll, S. M. (2013). “Can the Higgs Boson Save Us From the Menace of the Boltzmann Brains?” arXiv:1308.4686.
新系列進度
關係、結構與功能：從單向決定論到耦合生成系統
認知功能的跨基底實現：從神經元到光、電子與場
自然動力認知實現命題：自然界能否自行生成 AI-like 功能體？
從波爾茲曼大腦到自然功能體：終態漲落與生成路徑的分離 自然認知可觀測性問題：如何辨識非神經、非生物認知候選？
秩序化因果結構能力：從複雜自然系統到候選認知功能體