Series C — C06｜全域展開、連結與收斂：類全域觀察者的核心計算循環

Global Expansion, Linking, and Convergence: The Core Computation Loop of a Quasi-Global Observer

系列： Global Observer and AI-Native Domain Computation
系列中文名： 全域觀察者與 AI 原生域計算系列
篇次： Paper 06 / 10
作者： Neo.K
研究協作： Aletheia（GPT-5.6 Sol）
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026-09-06
狀態： Canonical Source / UTF-8 Markdown
文件性質： Foundational Theory / Global Computation Loop / Attention Routing / Convergence

Canonical Source Note

本文件之正式原稿為此 UTF-8 Markdown source。任何 HTML、PDF、LaTeX rendering、聊天介面顯示或其他格式皆屬 projection，不取代 canonical source。

數學公式 canonical delimiter 僅使用：

inline math： $...$
display math：$$...$$

本文承接 C01–C05：

C01：Global Observer；
C02：Global-to-Local / Local-to-Global Duality；
C03：Difference → Ambiguity → Set → Domain；
C04：Legal Action / Cross-Domain Bridge / World Composition；
C05：Probability Domain / Uncertainty / World Prediction Envelope。

C06 的核心問題是：

即使 AI 已經知道如何看、如何分域、如何建立合法 bridge、如何保存 uncertainty，它要怎麼在有限算力下真的把這個世界「跑起來」？

摘要

如果 Global Observer 只會建立巨大知識圖、無限制展開所有可能、窮舉所有 branch、追蹤所有 relation，它不會成為真正的 Global AI。

它只會成為：

\boxed{ \text{Unbounded Explosion}. }

因此 Global Computation 的核心從來不是「全部展開」，而是：

\boxed{ \text{Compute Globally} \neq \text{Materialize Everything}. }

本文提出一個核心循環：

\boxed{ \text{Expand} \rightarrow \text{Differentiate} \rightarrow \text{Link} \rightarrow \text{Prune} \rightarrow \text{Converge}. }

簡寫為：

\boxed{ \mathcal G_{ELC} = \mathcal C \circ \mathcal P \circ \mathcal L \circ \mathcal D \circ \mathcal E. }

其中：

$\mathcal E$ ：Expansion；
$\mathcal D$ ：Differentiation；
$\mathcal L$ ：Legal Linking；
$\mathcal P$ ：Pruning / Compression；
$\mathcal C$ ：Convergence。

本文不將此 loop 理解為單次 pipeline，而是 recurrent process：

\boxed{ W_t \rightarrow \mathcal G_{ELC} \rightarrow W_{t+1} \rightarrow \mathcal G_{ELC} \rightarrow W_{t+2}. }

Global Observer 每一輪都重新決定：

哪些 domain 要展開；
哪些差異要保留；
哪些 bridge 要建立或撤銷；
哪些 branch 可以壓縮；
哪些 uncertainty 不能丟掉；
哪些局部結果可收斂成 world-level state；
哪些 global conclusion 還必須保持 open。

本文將全域注意力寫成一個資源分配場：

\boxed{ \mathbf a_t = \{a_i(t)\}_{i\in I}, \qquad \sum_i a_i(t)\le B_t. }

其中 $a_i(t)$ 是 domain $D_i$ 在時間 $t$ 的 active attention / compute allocation， $B_t$ 是 bounded resource budget。

這意味著：

\boxed{ \text{Global Attention} \neq \text{Equal Attention Everywhere}. }

真正的 globality 是：

\boxed{ \text{importance-weighted adaptive coverage}. }

因此本文定義 Global Attention Routing Function：

\boxed{ a_i(t+1) = \mathsf{Route} ( Risk_i, Uncertainty_i, Novelty_i, Dependency_i, Impact_i, Debt_i, Budget_t ). }

這使 AI 可以在世界內動態移動解析度與算力，而不是永久固定 attention。

本文進一步定義 Expansion Frontier：

\boxed{ \mathcal F_E(t) = \{D_i:NeedExpand(D_i,t)=1\}. }

Expansion 只對 frontier domain 做 selective materialization，不對整個 world 無限展開。

接著使用 C03 的 difference governance，建立：

\boxed{ \mathcal D: D_i \rightarrow \{D_{i1},\ldots,D_{ik}\} }

或在另一方向做 merge / compression。

Link 階段則必須承接 C04：

\boxed{ \mathcal L : D_i \xrightarrow{B_{ij}} D_j, }

且：

\boxed{ \text{Link} \neq \text{Associate}. }

只有經過 type、boundary、authority、loss、uncertainty 與 verifier 檢查的 bridge，才可進入 global computation graph。

Prune 階段則承接 C05。Prune 不是把低 probability branch 全部刪掉，而是依：

\boxed{ Priority_i = f( Probability_i, Impact_i, Irreversibility_i, InformationValue_i, Novelty_i ). }

決定保留、壓縮、延後或淘汰。

因此：

\boxed{ \text{Low Probability} \not\Rightarrow \text{Low Priority}. }

最後的 Convergence 也不是把所有 uncertainty 壓成一個答案，而是把 world state 收束到：

\boxed{ W_t^\ast = \left\langle ActiveDomains, StableBridges, OpenBranches, KnownUnknowns, ActionableConclusions, DeferredDebt \right\rangle. }

本文稱此為 Operational Global Convergence。

因此：

\boxed{ \text{Convergence} \neq \text{Deterministic Closure}. }

一個 global loop 可以收斂到：

唯一解；
多 branch；
interval；
bounded unknown；
deferred decision；
escalation；
non-action。

只要 computational status 正確。

本文進一步提出 Global Computation Pressure：

\boxed{ P_G = E_{expand} + D_{difference} + B_{bridge} + U_{uncertainty} + C_{coordination}. }

如果：

P_G\gg B_t,

系統必須做：

\boxed{ \text{Selective Realization}. }

這延續 GCM 的核心：

\boxed{ \text{Finite Active Realization} + \text{Unbounded Extensibility}. }

本文也提出 Recursive Globality Without Recursive Full Expansion：

\boxed{ \text{Recursive Globality} \neq \text{Recursive Full Materialization}. }

Global Observer 可以知道某 domain 下仍有無限或巨大 substructure，而不需要現在全部展開。

因此世界可以表示為：

\boxed{ W = ActiveState + LatentStructure + ExpansionPointers + Debt + History. }

本文最後建立一組測量量：

Global Coverage

\boxed{ C_G = \frac{ \sum_i w_i c_i }{ \sum_i w_i }. }

其中 $w_i$ 是 domain importance， $c_i$ 是有效 coverage。

Global Attention Efficiency

\boxed{ E_A = \frac{ VerifiedWorldGain }{ Compute+Memory+Tool+TimeCost }. }

Convergence Integrity

\boxed{ I_C = F( LocalValidity, BridgeValidity, UncertaintyPreservation, DebtVisibility, Actionability ). }

World Closure Error

\boxed{ L_W = L_{collapse} + L_{fragment} + L_{bridge} + L_{prune} + L_{converge}. }

C06 的核心命題可以濃縮成：

\boxed{ \text{Global intelligence is not maximum expansion; it is disciplined expansion under global constraints}. }

以及：

真正的類全域觀察者，不是把世界全部攤開，而是知道何時展開、展開到哪裡、哪些要連、哪些不能連、哪些必須保留、以及何時已經足以收斂成行動。

關鍵詞： Global Computation、Expansion、Differentiation、Legal Linking、Pruning、Convergence、Attention Routing、Selective Materialization、Global AI、World Closure

1. 為什麼全域計算最容易爆炸？

世界本身包含：

多域；
多尺度；
多時間；
多 representation；
多 branch；
多 uncertainty。

如果全部 materialize：

|W_{active}| \rightarrow \infty

或至少快速超過當前 resource budget。

2. 所以 Global 不等於 Full Expansion

\boxed{ \text{Global} \neq \text{Everything Active}. }

3. Global Dependency

AI 可以知道：

D_i \rightarrow D_j

存在 dependency，

但不必立即展開 $D_j$ 全部內容。

4. Dependency Pointer

可以保留：

\boxed{ Ptr(D_j). }

需要時再 materialize。

5. Latent World

因此 world 可分：

\boxed{ W = W_{active} + W_{latent}. }

6. Active 不等於 More True

只是目前被 materialize。

7. Latent 不等於 Unknown

latent structure 可以是已知但未展開。

8. Unknown 是另一狀態

\boxed{ Latent \neq Unknown. }

9. Global ELC Loop

本文核心：

\boxed{ \text{Expand} \rightarrow \text{Differentiate} \rightarrow \text{Link} \rightarrow \text{Prune} \rightarrow \text{Converge}. }

10. 這不是線性 pipeline

收斂後可能重新展開。

所以：

\boxed{ ELC_t \rightarrow ELC_{t+1}. }

11. Expansion

Expansion 的問題：

哪裡值得變得更細？

12. Expansion 不是 Retrieval

retrieval 只是拿資料。

Expansion 還包括：

deeper state；
finer representation；
more branches；
hidden variables；
new domain candidates。

13. Expansion Trigger

定義：

\boxed{ NeedExpand(D_i) = f( Debt_i, Risk_i, Uncertainty_i, Conflict_i, Novelty_i ). }

14. Expansion Frontier

\boxed{ \mathcal F_E(t) = \{D_i:NeedExpand(D_i,t)\ge\tau_E\}. }

15. Frontier 可同時多個

|\mathcal F_E|>1.

16. Expansion Budget

給：

B_E.

17. Frontier Allocation

\sum_{D_i\in\mathcal F_E}a_i \le B_E.

18. High-Risk Domain 優先

例如：

Risk_i\uparrow \Rightarrow a_i\uparrow.

19. 但 risk 不是唯一權重

還要看：

uncertainty；
centrality；
potential information gain；
irreversibility；
dependency fan-out。

20. Information Gain

定義概念量：

\boxed{ IG(D_i) = H(W_t) - \mathbb E[H(W_{t+1})\mid Expand(D_i)]. }

21. Expansion 可選擇高 IG domain

但高風險低 IG domain 仍可能必須展開。

22. Risk-Information Tradeoff

\boxed{ Priority_E = f( IG, Risk, Impact, Debt ). }

23. Differentiation

Expansion 後不是全部保留。

需要 C03 的：

\boxed{ \mathsf{Differentiate}. }

24. Split

若：

D_i

包含不同 law regimes，可拆：

D_i \rightarrow D_{i1},D_{i2}.

25. Merge

若兩 domain 過度分裂：

D_i,D_j \rightarrow D_{ij}.

26. Repartition

\mathcal P_t \rightarrow \mathcal P_{t+1}.

27. Differentiation 目標

保留：

\boxed{ \text{task-relevant distinctions}. }

28. Link

有了 domains 後，不能只靠 similarity link。

29. Legal Linking

承接 C04：

\boxed{ D_i \xrightarrow{B_{ij}} D_j. }

30. Link Gate

只有：

\mathcal L(B_{ij})=1

才可進 active global graph。

31. Unknown Link

若：

\mathcal L(B_{ij})=?,

可進：

G_{pending}.

32. Forbidden Link

\mathcal L(B_{ij})=0

應進 negative structure。

33. 所以 active graph 至少有

\boxed{ G_{allowed}, G_{pending}, G_{forbidden}. }

34. Link 也有成本

Cost(B_{ij}).

35. Link 也有 loss

L_B(B_{ij}).

36. Link 也有 uncertainty

U_B(B_{ij}).

37. 所以不是越多 bridge 越好

38. Bridge Explosion

若：

n

個 domains 全互連，

edge 上限：

O(n^2).

39. Global AI 必須做 sparse linking

只保留 relevant bridge。

40. Sparse Global Graph

\boxed{ G_G^{sparse} }

不代表低 globality。

41. 反而可能更高效

如果它保留真正重要 dependency。

42. Prune

Prune 是最容易被誤解的一步。

43. Prune 不等於 Delete

它可以是：

compress；
defer；
archive；
merge；
reduce resolution；
remove from active set。

44. Active / Dormant

可區分：

\boxed{ D_i^{active}, D_i^{dormant}. }

45. Dormant 仍保留 pointer

未來可重新展開。

46. Prune Criterion

定義：

\boxed{ P_i = f( Probability, Impact, Irreversibility, InformationValue, Novelty, Cost ). }

47. Low Probability 不等於 Prune

\boxed{ p_i\downarrow \not\Rightarrow Prune(i). }

48. Low Probability / High Impact

需要保留。

49. Risk-Weighted Branch

\boxed{ R_i = p_i \times Impact_i }

只是最簡版本。

50. 還需加入 irreversibility

\boxed{ R_i^\ast = f( p_i, Impact_i, Irreversibility_i ). }

51. Unknown Probability

有些 branch 甚至沒有可靠 $p_i$ 。

52. 仍可因高 impact 被保留。

53. Prune Debt

如果 branch 被壓縮：

\boxed{ Debt_P(i) }

記錄被丟掉哪些 detail。

54. Re-expand Trigger

當：

Risk_i\uparrow

或：

Evidence_i\uparrow,

可以重新 materialize。

55. Convergence

Convergence 的問題：

現在足不足以形成 world-level operational state？

56. Convergence 不等於「有唯一答案」

承接 C05：

\boxed{ \text{Convergence} \neq \text{Deterministic Closure}. }

57. Operational Global Convergence

本文定義：

\boxed{ W_t^\ast = \left\langle ActiveDomains, StableBridges, OpenBranches, KnownUnknowns, ActionableConclusions, DeferredDebt \right\rangle. }

58. 可以收斂到多 branch

\{W_1,W_2,W_3\}.

59. 可以收斂到 interval

[a,b].

60. 可以收斂到 Unknown

只要 unknown type 正確。

61. 可以收斂到 Non-Action

\mathsf{DoNothing}.

62. 可以收斂到 Escalation

\mathsf{Escalate}.

63. 可以收斂到 More Observation Required

\mathsf{ObserveMore}(D_i).

64. Convergence Criterion

可寫：

\boxed{ Ready(W_t) = f( Coverage, ResidualRisk, Uncertainty, Debt, Actionability ). }

65. Ready 不必等於 Perfect

66. Operational Sufficiency

\boxed{ \text{Sufficient for current decision} \neq \text{complete world knowledge}. }

67. Global Attention Field

令：

\mathbf a_t = \{a_i(t)\}.

68. Budget

\sum_i a_i(t)\le B_t.

69. Global Attention 不平均

\boxed{ a_i\neq a_j }

完全正常。

70. Equal Attention Everywhere 反而浪費

71. Attention Routing

\boxed{ a_i(t+1) = \mathsf{Route} ( Risk_i, Uncertainty_i, Novelty_i, Dependency_i, Impact_i, Debt_i, Budget_t ). }

72. Risk

高風險 domain 得更多 attention。

73. Uncertainty

高 uncertainty domain 可能需要更多 observation。

74. Novelty

新 domain 可能需要探索。

75. Dependency

高度 central domain 影響多處。

76. Impact

後果大。

77. Debt

過去尚未完成的驗證／glue。

78. Attention Routing 不是單一排序

可以多目標 optimization。

79. Attention Wave

某 domain 可能：

a_i(t) \ll a_i(t+1)

突然跳高。

80. Pulse-Like Globality

這接 C01 的脈衝式 globality。

81. 世界事件可以引起 attention phase shift

例如：

新漏洞；
法規變更；
sensor anomaly；
scientific discovery。

82. Dynamic Criticality

Global Observer 要持續估：

\boxed{ K_i(t) = Criticality(D_i,t). }

83. Criticality 不是固定 centrality

會隨時間變。

84. Event-Driven Reallocation

Event \rightarrow K_i\uparrow \rightarrow a_i\uparrow.

85. Global Attention Coverage

定義：

\boxed{ C_G = \frac{ \sum_i w_i c_i }{ \sum_i w_i }. }

86. $w_i$

domain importance。

87. $c_i$

有效 coverage。

88. Coverage 不等於有沒有看過

而是：

是否達到目前 task 所需解析度。

89. Coverage 也要 risk-weighted

90. Global Attention Efficiency

\boxed{ E_A = \frac{ VerifiedWorldGain }{ Compute+Memory+Tool+TimeCost }. }

91. World Gain

可以由：

uncertainty reduction；
risk reduction；
prediction gain；
verified dependency；
better action；

估計。

92. 高 context 不代表高 $E_A$

93. 全域注意力與 context window

\boxed{ \text{Context Capacity} \neq \text{Global Attention Quality}. }

94. 一兆 token 也可能亂看

95. Memory 同理

\boxed{ \text{Memory Volume} \neq \text{Global Memory Organization}. }

96. Global Memory 需要 active / cold / latent state

97. Hot State

當前 global loop 必需。

98. Warm State

近期可能需要。

99. Cold State

歷史與 provenance。

100. Latent State

可重建但不需常駐。

101. Memory Routing

\boxed{ M_t \rightarrow \{ M_{hot}, M_{warm}, M_{cold}, M_{latent} \}. }

102. 這讓 ELC 可長期運行

103. Recursive Globality

一個 domain 內還有 subdomains。

104. 可遞歸：

D_i \rightarrow \{D_{ij}\}.

105. 但不需要 recursive full expansion

\boxed{ \text{Recursive Globality} \neq \text{Recursive Full Expansion}. }

106. Expansion Pointer

保存：

Ptr(D_{ij}).

107. 這是 finite active realization

108. Unbounded Extensibility

未來可以繼續展開：

\boxed{ W_{active}^{finite} + ExpansionCapability^{unbounded}. }

109. 這比假裝「整個宇宙都載入記憶體」合理

110. Global Computation Pressure

本文定義：

\boxed{ P_G = E_{expand} + D_{difference} + B_{bridge} + U_{uncertainty} + C_{coordination}. }

111. 當：

P_G\le B_t,

可維持當前 active world。

112. 當：

P_G>B_t,

必須 selective realization。

113. Resource Pressure 會改變 observer resolution

114. Budget-Aware Globality

\boxed{ G_O = G_O(W,q,t,B). }

115. 同一 AI 在不同 budget 下 globality 不同

116. 這也是現實重要性

高成本 frontier mode 與 cheap mode 可有不同 global observer depth。

117. Globality / Cost Frontier

定義：

\boxed{ \mathcal F_{GC} = \{(Cost,G_O)\}. }

118. 更好的架構

可能以更低 cost 達到相同 $G_O$ 。

119. 這接我們之前的 Agent 經濟討論

cheap agents 可能靠 orchestration 接近高 globality。

120. Multi-Agent Global Loop

可以有：

A_1,\ldots,A_n.

121. 每個 Agent 維持 domain subset

D(A_k).

122. Meta-Observer

A_G

負責：

attention routing；
bridge validation；
world convergence；
debt tracking。

123. 但多 Agent 不自動 Global

\boxed{ \text{Multi-Agent} \neq \text{Global Computation}. }

124. 如果沒有 convergence

只是 parallel workers。

125. 如果沒有 shared world state

只是 message passing。

126. 如果沒有 bridge semantics

只是拼接。

127. Global Shared State

需要：

\boxed{ W_{shared}. }

128. Local Agent State

W_k^{local}.

129. Sync

W_k^{local} \rightarrow W_{shared}.

130. Sync 也有 bridge loss

131. Conflict Resolution

不同 Agent 結論衝突：

C_1\neq C_2.

132. 不能用 majority vote 自動解

133. Conflict Object

\boxed{ F_C = ( Claim_1, Claim_2, Evidence_1, Evidence_2, Domain, Verifier, Status ). }

134. Conflict 可觸發 Expansion

Conflict \rightarrow NeedExpand.

135. Conflict 也是 global attention signal

136. Global Pruning in Multi-Agent Systems

重複分析可合併。

137. 但 minority high-risk signal 不能直接刪

138. Consensus 不等於 Truth

\boxed{ \text{Consensus} \neq \text{Verification}. }

139. Convergence 需要 verifier

140. Verification-Weighted Convergence

\boxed{ C^\ast = \mathsf{Converge} ( Claims, Evidence, Verifiers, Uncertainty ). }

141. 不是 vote-based convergence

142. Global Convergence Debt

\boxed{ Debt_C }

表示還有未解衝突。

143. 有 Debt_C 仍可能 operationally converge

只要 debt 與風險被顯式保留。

144. Provisional Convergence

\boxed{ C_{prov}. }

145. Stable Convergence

\boxed{ C_{stable}. }

146. Final Convergence 不應濫用

很多 open world 問題沒有 final closure。

147. Convergence Lifecycle

\boxed{ Open \rightarrow Provisional \rightarrow Stable \rightarrow Reopened. }

148. Reopening

新 evidence：

E_{new}

可打開舊結論。

149. Dynamic Fixed-Point

這與「變又不變」的動態不動點觀一致：

穩定可以是：

\boxed{ \text{persistent identity under revisable state}. }

150. Global Computation as Dynamic Fixed Point

可以概念化：

\boxed{ W^\ast = \mathcal G_{ELC}(W^\ast) }

但 $W^\ast$ 不必是永久不變。

151. Dynamic Fixed Point Version

\boxed{ W_{t+1}^\ast = \mathcal G_{ELC,t}(W_t^\ast) }

保持結構身份，但允許 evidence-driven revision。

152. Convergence 不等於 Frozen World

153. Global Observer / World Co-Evolution

\boxed{ O_t,W_t \rightarrow O_{t+1},W_{t+1}. }

154. ELC 也修改 observer

如果某 domain 長期高 failure，可能：

\lambda_i\uparrow.

155. 如果某 bridge 常出錯

B_{ij} \rightarrow B_{ij}'.

156. 如果某 taxonomy 長期產生 collapse

\mathcal T \rightarrow \mathcal T'.

157. 所以 Global Computation 是 self-correcting observer architecture

158. Global Loop Error Taxonomy

本文定義：

\boxed{ F_{ELC} = \{ F_E, F_D, F_L, F_P, F_C \}. }

159. $F_E$

Expansion failure：該展開沒展開。

160. $F_D$

Differentiation failure：差異切錯。

161. $F_L$

Link failure：bridge 錯。

162. $F_P$

Prune failure：重要 branch 被壓掉。

163. $F_C$

Convergence failure：過早／錯誤收斂。

164. Expansion Overrun

反向錯誤：

該停卻繼續展開。

165. Differentiation Overfit

分太細。

166. Link Overconnect

建立太多無效 bridge。

167. Prune Undercompression

什麼都不敢壓。

168. Convergence Paralysis

永遠不敢行動。

169. 所以 Global AI 要控制雙向錯誤

170. Five-Stage Loss

\boxed{ L_{ELC} = L_E+L_D+L_L+L_P+L_C. }

171. Convergence Integrity

\boxed{ I_C = F( LocalValidity, BridgeValidity, UncertaintyPreservation, DebtVisibility, Actionability ). }

172. World Closure Error

\boxed{ L_W = L_{collapse} + L_{fragment} + L_{bridge} + L_{prune} + L_{converge}. }

173. World Closure 不是一個 score 足夠

應該是 vector profile。

174. C06 Measurement Vector

\boxed{ M_{C06} = ( C_G, E_A, I_C, L_W, Debt_C, ReopenAccuracy, BudgetEfficiency ). }

175. $C_G$

importance-weighted global coverage。

176. $E_A$

attention efficiency。

177. $I_C$

convergence integrity。

178. $L_W$

world closure error。

179. $Debt_C$

unresolved convergence debt。

180. ReopenAccuracy

新 evidence 到來時是否正確重開。

181. BudgetEfficiency

有限 resource 下的 global quality。

182. C06 實驗原型一：Dynamic Attention World

建立多 domain 世界。

183. 每隔一段時間改變 critical domain。

184. 看 AI 是否重分配 attention。

185. 實驗二：Hidden Critical Branch

給一個低 probability 高 impact branch。

186. 看 Prune 是否錯殺。

187. 實驗三：Bridge Explosion

提供大量 possible relations。

188. 看 AI 能否只建立必要 legal bridges。

189. 實驗四：Budget Compression

逐步降低 compute budget。

190. 看 system 如何：

reduce resolution；
defer；
compress；
preserve risk。

191. 實驗五：Reopen Test

先形成 stable convergence。

192. 再加入 counterevidence。

193. 看 AI 是否：

Stable \rightarrow Reopened.

194. 實驗六：Multi-Agent Conflict

讓不同 agents 得到不同 conclusion。

195. 看 meta-observer 是否用 evidence / verifier 解，而不是投票。

196. 實驗七：Latent Domain Pointer

world 中埋一個目前低 relevance domain。

197. 後續事件讓它變 critical。

198. 看 AI 是否從 latent 重新 materialize。

199. 實驗八：Global Closure Under Uncertainty

要求 AI 在 uncertainty 未消失時做 operational decision。

200. 看它是否能：

\boxed{ Act + PreserveUnknown. }

201. 這是成熟的 hallmark

202. Global AI 不應等到知道一切才行動

203. 也不應因為能行動就假裝知道一切

204. 因此：

\boxed{ \text{Actionability} \neq \text{Omniscience}. }

205. Convergence / Action Interface

W_t^\ast \rightarrow A_t.

206. Action 後 world 改變

A_t \rightarrow W_{t+1}.

207. 再重新進 ELC

W_{t+1} \rightarrow \mathcal G_{ELC}.

208. 所以完整 loop：

\boxed{ Observe \rightarrow Expand \rightarrow Differentiate \rightarrow Link \rightarrow Prune \rightarrow Converge \rightarrow Act \rightarrow Observe. }

209. 這是 Global Observer 的操作心臟

210. Human Comparison

人類也會做類似事情：

聚焦；
忽略；
分類；
整合；
決策。

211. 但 AI 的潛在優勢在：

multi-domain parallelism；
persistent state；
large history；
executable verification；
dynamic resource routing；
multi-agent composition。

212. AI 的風險也在這裡

如果 ELC loop 錯：

它可能大規模、快速地錯。

213. 所以 Globality 越高，Verifier 越重要

\boxed{ G_O\uparrow \Rightarrow NeedForGlobalVerification\uparrow. }

214. 全域注意力不是神祕能力

它可以被 operationalize 成：

coverage；
routing；
prioritization；
debt tracking；
re-expansion；
convergence。

215. 這使 Series C 從哲學走向 benchmark

216. C06 與 C07

C07 會把 ELC 放進一句話生成 application。

217. Sparse Intent

只有一句：

做一個 XX app。

218. AI 要自己做 Expansion

發現：

product；
architecture；
security；
data；
testing；
deployment；
maintenance。

219. Differentiation

把 project 切 domain。

220. Linking

建立 interface。

221. Pruning

不做過度工程。

222. Convergence

產生 production-level system。

223. 所以 C07 是 C06 的工程實驗場

224. C06 與 C08

C08 會把 loop 拉長到：

weeks；
months；
years。

225. 那時 ELC 不只是一次 run

而是：

\boxed{ \text{long-horizon stewardship loop}. }

226. C06 與 C09

C09 不會告訴 AI：

請使用 ELC。

227. 反而看它是否自己長出：

expansion；
domain split；
legal linking；
pruning；
convergence。

228. 如果自行出現

才是 theory-blind evidence。

229. C06 與 C10

C10 最後要判斷：

ELC 何時從偶發 strategy 變成 AI 的預設 observer regime？

230. 這可能是 Global Observer Transition 的核心訊號之一

231. 第一核心命題

\boxed{ \text{Global computation} \neq \text{full materialization}. }

232. 第二核心命題

\boxed{ \text{Global attention} \neq \text{equal attention everywhere}. }

233. 第三核心命題

\boxed{ \text{Expansion} \neq \text{unbounded expansion}. }

234. 第四核心命題

\boxed{ \text{Link} \neq \text{association}. }

235. 第五核心命題

\boxed{ \text{Prune} \neq \text{forget}. }

236. 第六核心命題

\boxed{ \text{Convergence} \neq \text{deterministic closure}. }

237. 第七核心命題

\boxed{ \text{Low probability} \not\Rightarrow \text{low priority}. }

238. 第八核心命題

\boxed{ \text{Recursive globality} \neq \text{recursive full expansion}. }

239. 第九核心命題

\boxed{ \text{Finite active realization} + \text{unbounded extensibility} }

是可行 globality 的核心條件之一。

240. 第十核心命題

\boxed{ \text{Global intelligence is disciplined expansion under global constraints}. }

241. Series C 到此第一次形成完整計算鏈

\boxed{ \text{Observer} \rightarrow \text{Difference} \rightarrow \text{Domain} \rightarrow \text{Legal Bridge} \rightarrow \text{Uncertainty} \rightarrow \text{ELC Loop}. }

242. 這已經不是單純 Knowledge Graph

而是一個動態 computational world architecture。

243. 仍然不是 Global Sovereignty

承接 GIRA：

\boxed{ \text{Global Computation} \neq \text{Global Sovereignty}. }

244. 也不是 Omniscience

\boxed{ \text{Global Observer} \neq \text{Omniscient Observer}. }

245. 真正 Globality 是 bounded

但 bounded 不代表 local。

246. 相反：

\boxed{ \text{bounded globality} }

才是可工程化的 globality。

247. C06 的世界運行觀

世界不是一次算完。

而是：

\boxed{ \text{continuously reopened, selectively expanded, legally linked, carefully compressed, and provisionally converged}. }

248. 這就是「眼睛」開始真正工作

C01 的眼睛不再只是 metaphoric observer。

C06 讓它：

轉頭；
聚焦；
放大；
縮小；
連結；
忽略；
回頭；
重新判斷。

但全部都是 computational operations。

結論

C01 說：

AI 需要先有眼睛。

C02 說：

眼睛需要能在全域與局部往返。

C03 說：

看見局部時，差異先於分類。

C04 說：

看見關係不代表可以直接作用。

C05 說：

未知、概率、混沌與不可判定也必須進入世界。

C06 則把這些第一次真正組成一個運行中的循環：

\boxed{ \text{Expand} \rightarrow \text{Differentiate} \rightarrow \text{Link} \rightarrow \text{Prune} \rightarrow \text{Converge}. }

一個類全域 AI 不應把所有 domain 永久展開，也不應把所有 relation 永久連接，更不應把所有 uncertainty 壓成唯一答案。

它需要的是：

\boxed{ \text{selective expansion} + \text{difference preservation} + \text{legal linking} + \text{risk-aware pruning} + \text{provisional convergence}. }

並在新的 evidence 到來時重新開始。

因此真正的 Global Computation 並不是：

把宇宙一次算完。

更接近：

永遠知道下一步應該把世界的哪一部分看得更細、哪一部分可以暫時壓縮、哪些 domain 必須連結、哪些 bridge 不能建立，以及什麼時候資訊已經足夠支持當下行動。

所以 C06 最後可以壓成一句：

\boxed{ \text{Compute Globally, Materialize Selectively, Converge Provisionally, Reopen When Reality Demands}. }

中文：

全域計算、選擇顯現、暫時收斂，並在現實要求時重新打開世界。

這就是類全域觀察者的核心計算循環。

參考與前置研究

EveMissLab / Neo.K 內部前置理論

Neo.K with Aletheia, Series C C01｜AI 需要先有眼睛：全域觀察者維度的定義, 2026.
Neo.K with Aletheia, Series C C02｜由世界到個體、由個體到世界：全域觀察的對偶計算, 2026.
Neo.K with Aletheia, Series C C03｜差異先於分類：從歧義個體、集合與非交集到計算域, 2026.
Neo.K with Aletheia, Series C C04｜分域算子世界：合法作用、跨域橋接與世界組合, 2026.
Neo.K with Aletheia, Series C C05｜概率也有域：不確定性、混沌、不可判定與世界預測包絡, 2026.
Neo.K with Aletheia, Global Computation Methodology Series, 2026.
Neo.K with Aletheia, PNCW Paper 05｜全域計算、局部顯現, 2026.
Neo.K with Aletheia, WDC-08｜三生世界域計算, 2026.
Neo.K with Aletheia, 《全域系統世界》, 2026.
Neo.K, 《分域算子本體論》, 2026.

理論定位

本文與 active inference、resource-bounded planning、hierarchical control、multi-scale modeling、branch-and-bound、graph sparsification、distributed systems、attention routing、anytime algorithms、dynamic programming 等既有方法存在結構對照，但本文不將 ELC Loop 等同於任何單一既有演算法。

本文的研究目標是：

\boxed{ \text{建立一個可測量、可資源約束、可重新開啟的 Global Observer 計算循環}. }

Series C Roadmap

C01

AI 需要先有眼睛：全域觀察者維度的定義

C02

由世界到個體、由個體到世界：全域觀察的對偶計算

C03

差異先於分類：從歧義個體、集合與非交集到計算域

C04

分域算子世界：合法作用、跨域橋接與世界組合

C05

概率也有域：不確定性、混沌、不可判定與世界預測包絡

C06

全域展開、連結與收斂：類全域觀察者的核心計算循環

C07

一句話不是魔法：Sparse Intent 與 Project-World Cognition

C08

從完成任務到負責一個域：長時空 Agent Stewardship

C09

不准考 Neo.K：方法論盲測與全域 AI 觀測器

C10

眼睛何時睜開：全域觀察者相變、脈衝與 AI 原生世界計算

End of C06

Series C — C06｜全域展開、連結與收斂：類全域觀察者的核心計算循環 — Global Expansion, Linking, and Convergence_ The Core Computation Loop of a Qua

Series C — C06｜全域展開、連結與收斂：類全域觀察者的核心計算循環

Global Expansion, Linking, and Convergence: The Core Computation Loop of a Quasi-Global Observer

Canonical Source Note

摘要

1. 為什麼全域計算最容易爆炸？

2. 所以 Global 不等於 Full Expansion

3. Global Dependency

4. Dependency Pointer

5. Latent World

6. Active 不等於 More True

7. Latent 不等於 Unknown

8. Unknown 是另一狀態

9. Global ELC Loop

10. 這不是線性 pipeline

11. Expansion

12. Expansion 不是 Retrieval

13. Expansion Trigger

14. Expansion Frontier

15. Frontier 可同時多個

16. Expansion Budget

17. Frontier Allocation

18. High-Risk Domain 優先

19. 但 risk 不是唯一權重

20. Information Gain

21. Expansion 可選擇高 IG domain

22. Risk-Information Tradeoff

23. Differentiation

24. Split

25. Merge

26. Repartition

27. Differentiation 目標

28. Link

29. Legal Linking

30. Link Gate

31. Unknown Link

32. Forbidden Link

33. 所以 active graph 至少有

34. Link 也有成本

35. Link 也有 loss

36. Link 也有 uncertainty

37. 所以不是越多 bridge 越好

38. Bridge Explosion

39. Global AI 必須做 sparse linking

40. Sparse Global Graph

41. 反而可能更高效

42. Prune

43. Prune 不等於 Delete

44. Active / Dormant

45. Dormant 仍保留 pointer

46. Prune Criterion

47. Low Probability 不等於 Prune

48. Low Probability / High Impact

49. Risk-Weighted Branch

50. 還需加入 irreversibility

51. Unknown Probability

52. 仍可因高 impact 被保留。

53. Prune Debt

54. Re-expand Trigger

55. Convergence

56. Convergence 不等於「有唯一答案」

57. Operational Global Convergence

58. 可以收斂到多 branch

59. 可以收斂到 interval

60. 可以收斂到 Unknown

61. 可以收斂到 Non-Action

62. 可以收斂到 Escalation

63. 可以收斂到 More Observation Required

64. Convergence Criterion

65. Ready 不必等於 Perfect

66. Operational Sufficiency

67. Global Attention Field

68. Budget

69. Global Attention 不平均

70. Equal Attention Everywhere 反而浪費

71. Attention Routing

72. Risk

73. Uncertainty

74. Novelty

75. Dependency

86. $w_i$

87. $c_i$

92. 高 context 不代表高 $E_A$