← Archive
lm-005019 · 2026-11

全域規則勢論 09：不可識別性與 Rashomon 規則族——為什麼資料未必唯一決定理論

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇

全域規則勢論 09：不可識別性與 Rashomon 規則族——為什麼資料未必唯一決定理論

Global Rule-Shi Theory 09: Non-Identifiability and Rashomon Rule Families

系列： 全域規則勢論（Global Rule-Shi Theory, GRST）
篇次： GRST-09 / 12
作者： Neo.K
機構： EveMissLab（一言諾科技有限公司）
版本： v0.1
日期： 2026-10-05
文件性質： 科學方法論／因果識別／模型多解性／AI 認識論
狀態： Working Paper / Identifiability Draft
前篇： GRST-01 至 GRST-08
主要前置框架： Rashomon 因果框架、TECD、FDCS、DPS、規則約束計算、理論存活判準

摘要

GRST-08 提出理論展開—證據壓縮對偶：

T→R→Σ→Γ→D,T \rightarrow R \rightarrow \Sigma \rightarrow \Gamma \rightarrow D,

以及反向：

D→[Γ]→[Σ]→[R]→[T].D \rightarrow [\Gamma] \rightarrow [\Sigma] \rightarrow [R] \rightarrow [T].

本文專門處理方括號中的問題：為什麼資料即使很多，也未必唯一決定理論？

本文提出多層不可識別性。兩個理論 T1,T2T_1,T_2 可以分別在以下層級等價：

T1∼OT2T_1\sim_O T_2

表示觀測等價；

T1∼IT2T_1\sim_I T_2

表示干預等價；

T1∼ΣT2T_1\sim_\Sigma T_2

表示規則勢等價；

T1∼RT2T_1\sim_R T_2

表示規則等價；

T1∼PT2T_1\sim_P T_2

表示表示／投影等價。

這些等價關係不必重合。兩理論可能在觀察層不可區分，但一經干預便分離；也可能規則語法不同，卻生成近似同構的全域規則勢；甚至可能只因使用不同坐標、變數或形式語言而表面不同，實際描述同一結構。

本文將 Rashomon Set 從模型層提升到 GRST 的多層架構。定義理論族：

Tϵ(D)={T:L(T,D)≤L∗+ϵ},\mathcal T_\epsilon(D) = \left\{ T: L(T,D)\leq L^\ast+\epsilon \right\},

規則族：

Rϵ(D)={RT:T∈Tϵ(D)},\mathcal R_\epsilon(D) = \left\{ R_T: T\in\mathcal T_\epsilon(D) \right\},

以及勢族：

Sϵ(D)={ΣR:R∈Rϵ(D)}.\mathcal S_\epsilon(D) = \left\{ \Sigma_R: R\in\mathcal R_\epsilon(D) \right\}.

Rashomon 規則族不是「還沒選出最好模型」的暫時垃圾桶，而可能是資料本身結構性不足的真實反映。若多個規則在所有可觀測與可干預條件下都不可區分，科學上正確的輸出不是強迫選一個，而是：

currently non-identifiable rule class\boxed{ \text{currently non-identifiable rule class} }

本文並區分五類不可識別來源：資料不足、觀察器不足、干預不足、表示不足與規則本身等價。它們需要完全不同的修復方式。成熟 AI 科學系統因此不應只輸出 Best Theory，而應輸出 surviving theory classes、equivalence level、rejected families、missing discriminator、next-best experiment 與 representation warning。

關鍵詞： 不可識別性、Rashomon Set、規則族、觀測等價、干預等價、規則勢等價、理論等價類、AI 科學、科學誠實

1. 問題：資料很多，為什麼答案還可能不唯一？

常見直覺是：

D→T.D\rightarrow T.

似乎只要：

∣D∣→∞,|D|\rightarrow\infty,

理論就應該收斂成唯一：

T∗.T^\ast.

但一般並不成立。

可能存在：

T1≠T2T_1\neq T_2

卻：

P(D∣T1)=P(D∣T2).P(D\mid T_1) = P(D\mid T_2).

因此：

more data⇏unique theory necessarily.\boxed{ \text{more data} \not\Rightarrow \text{unique theory necessarily}. }

資料增加可以縮小候選空間，但未必消滅結構性多解。

2. 不可識別性的最低定義

定義 2.1（不可識別性）

若在允許的觀察與實驗集合 E\mathcal E 下，存在：

T1≠T2T_1\neq T_2

使：

∀e∈E,P(De∣T1)=P(De∣T2),\forall e\in\mathcal E, \qquad P(D_e\mid T_1) = P(D_e\mid T_2),

則稱：

T1∼ET2.T_1 \sim_{\mathcal E} T_2.

也就是：

在目前允許的證據通道中，兩理論無法被區分。

3. Unknown 不等於 Non-identifiable

「不知道」至少有兩種。

第一種是：

還沒算完、還沒收集夠資料。

第二種是：

即使把目前允許的資料都收完，多個理論仍產生完全相同後果。

所以：

Unknown≠Non-identifiable.\boxed{ \text{Unknown} \neq \text{Non-identifiable}. }

這個區分對 AI 科學極重要。

4. 觀測等價

定義：

T1∼OT2T_1\sim_O T_2

若：

PO(ΓT1)=PO(ΓT2).P_O(\Gamma_{T_1}) = P_O(\Gamma_{T_2}).

表示在觀察器 OO 下，兩理論產生相同資料。

但：

same observation≠same world.\boxed{ \text{same observation} \neq \text{same world}. }

因為差異可能被投影抹掉。

5. 觀測等價的來源

包括：

  • 感測解析度不足；
  • 取樣太少；
  • 時間窗太短；
  • 關鍵變數不可測；
  • 投影丟失維度；
  • 噪音蓋過差異。

所以觀測不可識別不一定是理論問題。

它也可能是：

observer bottleneck.\boxed{ \text{observer bottleneck}. }

6. 干預等價

若對所有允許干預：

doX(a)do_X(a)

都有：

P(D∣doX(a),T1)=P(D∣doX(a),T2),P(D\mid do_X(a),T_1) = P(D\mid do_X(a),T_2),

則：

T1∼IT2.T_1\sim_I T_2.

這比：

∼O\sim_O

更強。

7. 觀測等價不推出干預等價

可能：

T1∼OT2T_1\sim_O T_2

但：

T1̸∼IT2.T_1\not\sim_I T_2.

亦即：

平常看起來一樣，一干預就分開。

因此：

intervention refines observational equivalence classes.\boxed{ \text{intervention refines observational equivalence classes}. }

8. 規則勢等價

GRST 新增：

R1∼ΣR2R_1\sim_\Sigma R_2

當：

ΣR1≅ΣR2\Sigma_{R_1} \cong \Sigma_{R_2}

在指定尺度、時間窗與研究域下成立。

這表示：

規則文字可以不同，但它們生成的未來地形近似相同。

所以：

different rule syntax⇏different world structure.\boxed{ \text{different rule syntax} \not\Rightarrow \text{different world structure}. }

9. 規則等價

若兩理論：

T1,T2T_1,T_2

編譯後：

RT1=RT2,R_{T_1}=R_{T_2},

則：

T1∼RT2.T_1\sim_R T_2.

它們可能在敘述上不同，但執行層完全相同。

10. 表示等價

若存在可逆映射：

ϕ:T1↔T2\phi:T_1\leftrightarrow T_2

保持所有相關結構、預測與干預後果，

則：

T1∼PT2.T_1\sim_P T_2.

這可能只是：

  • 換坐標；
  • 換變數；
  • 換基底；
  • 換語言。

所以：

different formulation≠different ontology necessarily.\boxed{ \text{different formulation} \neq \text{different ontology necessarily}. }

11. 五層等價

因此：

∼O,∼I,∼Σ,∼R,∼P\boxed{ \sim_O, \quad \sim_I, \quad \sim_\Sigma, \quad \sim_R, \quad \sim_P }

必須分開。

科學系統不只要問：

這兩個理論一不一樣？

而要問：

它們在哪一層不一樣？

12. Rashomon Set

定義理論 Rashomon Set：

Tϵ(D)={T:L(T,D)≤L∗+ϵ}.\boxed{ \mathcal T_\epsilon(D) = \left\{ T: L(T,D)\leq L^\ast+\epsilon \right\}. }

它表示：

有多個理論在目前資料上幾乎同樣好。

13. 規則 Rashomon Set

把理論映射到規則：

Rϵ(D)={RT:T∈Tϵ(D)}.\boxed{ \mathcal R_\epsilon(D) = \left\{ R_T: T\in\mathcal T_\epsilon(D) \right\}. }

有可能：

∣Rϵ∣<∣Tϵ∣.|\mathcal R_\epsilon| < |\mathcal T_\epsilon|.

因為不同理論可能導出同一規則。

14. 勢 Rashomon Set

再定義：

Sϵ(D)={ΣR:R∈Rϵ(D)}.\boxed{ \mathcal S_\epsilon(D) = \left\{ \Sigma_R: R\in\mathcal R_\epsilon(D) \right\}. }

又可能：

∣Sϵ∣<∣Rϵ∣.|\mathcal S_\epsilon| < |\mathcal R_\epsilon|.

因為不同規則可能生成同構勢。

15. 世界線 Rashomon Set

同理：

Gϵ(D)={ΓT:T∈Tϵ(D)}.\boxed{ \mathcal G_\epsilon(D) = \left\{ \Gamma_T: T\in\mathcal T_\epsilon(D) \right\}. }

這一層真正比較：

不同理論會生成哪些不同世界？

16. Rashomon Set 不是暫時垃圾桶

如果：

∣Tϵ∣>1,|\mathcal T_\epsilon|>1,

不應自動理解成：

AI 還沒選好。

也可能是：

the data genuinely supports multiple surviving theories.\boxed{ \text{the data genuinely supports multiple surviving theories}. }

此時理論族本身就是答案。

17. 不可識別性的五種來源

本文提出：

Uid∼(UD,UO,UI,UP,UR).\boxed{ U_{\mathrm{id}} \sim \left( U_D, U_O, U_I, U_P, U_R \right). }

這裡使用向量式，而不是硬宣稱線性可加。

其中：

  • UDU_D：資料不足；
  • UOU_O：觀察器不足；
  • UIU_I：干預不足；
  • UPU_P：表示不足；
  • URU_R：規則本身等價。

18. 資料不足

如果只是樣本太少：

UD≫0,U_D\gg0,

解法是：

more and more diverse data.\boxed{ \text{more and more diverse data}. }

這是最普通的情況。

19. 觀察器不足

若關鍵差異被：

POP_O

壓掉，

再多同類資料也沒用。

需要：

  • 新感測器；
  • 新尺度；
  • 新測量；
  • 新變數。

所以：

more data from the same blind projection\boxed{ \text{more data from the same blind projection} }

可能毫無幫助。

20. 干預不足

若被動觀察永遠分不開：

T1∼OT2,T_1\sim_O T_2,

但存在：

doXdo_X

可使：

T1̸∼IT2,T_1\not\sim_I T_2,

真正缺的是實驗，而不是資料量。

21. 表示不足

若理論語言根本不能表達真實差異：

UP≫0,U_P\gg0,

就需要：

Pi→Pj.P_i\rightarrow P_j.

例如：

  • 加新變數；
  • 改坐標；
  • 改範疇；
  • 加歷史；
  • 加規則勢；
  • 改模型基底。

這是最容易被誤診成「資料不夠」的情況。

22. 規則本身等價

如果：

R1≠R2R_1\neq R_2

但所有可操作後果都同構，

那麼：

URU_R

可能無法被消除。

這時唯一底層語法未必具有可操作科學意義。

也許真正可識別的是：

[R]Σ.\boxed{ [R]_\Sigma. }

23. 語法真實與結構真實

這帶出：

syntactic uniqueness≠structural uniqueness.\boxed{ \text{syntactic uniqueness} \neq \text{structural uniqueness}. }

科學未必需要知道世界「究竟用哪套語法寫」。

但可以知道：

  • 哪些狀態可達；
  • 哪些不變量穩定；
  • 哪些因果存在；
  • 哪些規則勢結構被保留。

24. 識別深度

可定義：

Lid(T1,T2)L_{\mathrm{id}}(T_1,T_2)

表示：

兩理論要到哪一層才可被區分？

例如：

  • OO：觀察即可區分；
  • II：需要干預；
  • Σ\Sigma：需要勢／世界線分析；
  • PP：需要換表示才可區分。

25. 識別成本

越深的識別通常越貴。

可寫：

cO<cI<cΣc_O < c_I < c_\Sigma

作為常見但非必然關係。

因此最佳科學策略不是一開始就用最昂貴方法。

而是：

use the cheapest discriminator that resolves the ambiguity.\boxed{ \text{use the cheapest discriminator that resolves the ambiguity}. }

26. 等價類逐步切細

初始候選：

[T]0.[T]_0.

加入觀察：

[T]O.[T]_O.

加入干預：

[T]I.[T]_I.

加入規則勢與世界線：

[T]Σ.[T]_\Sigma.

理想地：

[T]0⊇[T]O⊇[T]I⊇[T]Σ.\boxed{ [T]_0 \supseteq [T]_O \supseteq [T]_I \supseteq [T]_\Sigma. }

但不保證最後縮成單點。

27. 等價類本身可以是最終答案

如果：

[T]Σ[T]_\Sigma

在所有可操作條件下仍無法細分，

則：

[T]Σ\boxed{ [T]_\Sigma }

就是目前最精確答案。

強迫選一個成員，只是在製造虛假確定性。

28. 科學誠實原則

本文提出：

Do not collapse an equivalence class without evidence.\boxed{ \text{Do not collapse an equivalence class without evidence}. }

這是 AI 科學的核心紀律之一。

29. AI 的過早單點收斂問題

AI 很容易因語言格式要求輸出：

最可能是 T1。

即使真正情況是：

Tϵ={T1,T2,T3}.\mathcal T_\epsilon = \{T_1,T_2,T_3\}.

這會把：

epistemic uncertainty\text{epistemic uncertainty}

偽裝成：

certainty.\text{certainty}.

30. 應改成集合式輸出

例如：

Surviving theory family:
  T1
  T2
  T3

Current equivalence:
  observationally equivalent

Intervention status:
  unresolved

Next discriminator:
  E7

這比單一答案更科學。

31. 概率排序也可能誤導

如果：

T1,T2T_1,T_2

結構性不可識別，

posterior：

P(T1∣D)=0.51,P(T_1\mid D)=0.51, P(T2∣D)=0.49P(T_2\mid D)=0.49

可能主要來自 prior。

所以：

probabilistic ranking≠structural identification.\boxed{ \text{probabilistic ranking} \neq \text{structural identification}. }

32. 應同時輸出等價層

AI 應能輸出：

T1∼OT2T_1\sim_O T_2

但：

T1̸∼IT2.T_1\not\sim_I T_2.

這比只給機率更有科學信息。

33. Rashomon 族內距離

可同時定義：

DT(Ti,Tj),D_T(T_i,T_j), DR(Ri,Rj),D_R(R_i,R_j), DΣ(Σi,Σj),D_\Sigma(\Sigma_i,\Sigma_j), DΓ(Γi,Γj).D_\Gamma(\Gamma_i,\Gamma_j).

這樣能分辨：

它們只是文字不同，還是世界生成真的不同？

34. 多層聚類

對：

Tϵ\mathcal T_\epsilon

做多層聚類：

C1,…,Ck.\mathcal C_1,\ldots,\mathcal C_k.

群內可能共享：

  • 相同規則；
  • 相同勢；
  • 相同觀察；
  • 不同因果細節。

這能大幅降低理論比較成本。

35. 代表理論與等價類

可選代表：

TirepT_i^{\mathrm{rep}}

作為工程用模型，

但必須保留：

Ci.\mathcal C_i.

因此：

representative≠unique truth.\boxed{ \text{representative} \neq \text{unique truth}. }

36. 商空間搜尋

若：

R1∼ΣR2,R_1\sim_\Sigma R_2,

可以在：

R/∼Σ\boxed{ \mathcal R/{\sim_\Sigma} }

上搜尋。

這樣不必浪費算力反覆探索生成同一勢的規則。

37. 商空間不是失憶

R→R/∼Σ\mathcal R \rightarrow \mathcal R/{\sim_\Sigma}

不是刪除原始規則。

而是建立高階索引。

所以：

quotienting≠forgetting.\boxed{ \text{quotienting} \neq \text{forgetting}. }

38. 更好的觀察器會細化商類

如果：

O→O′O\rightarrow O'

解析度提高，

原本：

R1∼OR2R_1\sim_O R_2

可能變成：

R1̸∼O′R2.R_1\not\sim_{O'}R_2.

因此：

better instruments refine equivalence classes.\boxed{ \text{better instruments refine equivalence classes}. }

39. 干預也會細化等價類

加入：

doXdo_X

可能使：

[T]O→[T]I.[T]_O \rightarrow [T]_I.

所以干預的本質之一是：

equivalence-class refinement.\boxed{ \text{equivalence-class refinement}. }

40. 規則反事實的作用

GRST-07 的：

doRdo_R

可比較：

ΣR1\Sigma_{R_1}

與：

ΣR2.\Sigma_{R_2}.

這幫助辨認：

哪些規則差異只是語法，哪些差異真的改變世界勢？

41. 不可識別性與實驗設計

若：

∣Tϵ∣|\mathcal T_\epsilon|

仍大，

則搜尋：

e∗=arg⁡max⁡eE[H(Tϵ)−H(Tϵ∣e)].e^\ast = \arg\max_e \mathbb E \left[ H(\mathcal T_\epsilon) - H(\mathcal T_\epsilon\mid e) \right].

也就是：

maximize expected equivalence-class refinement.\boxed{ \text{maximize expected equivalence-class refinement}. }

42. 最小分割實驗

對候選族：

C\mathcal C

找：

e∗e^\ast

使實驗結果把它分成：

C1,…,Cm\mathcal C_1,\ldots,\mathcal C_m

並使：

max⁡i∣Ci∣\max_i|\mathcal C_i|

盡可能小。

這是一個 minimax 鑑別策略。

43. 不可識別性與負證據

有時最有效的識別不是證明誰對，

而是一次排除：

T4,T5,T6.T_4,T_5,T_6.

所以：

identification can proceed by elimination.\boxed{ \text{identification can proceed by elimination}. }

這直接接 GRST-06 的負知識。

44. 理論活著不代表被強支持

某理論：

TT

仍在候選集，

可能只是：

not yet distinguishable from the rest.\boxed{ \text{not yet distinguishable from the rest}. }

所以理論狀態不能只有：

alive / dead

45. 理論狀態建議

至少區分：

supported
weakly-supported
observationally-equivalent
interventionally-unresolved
representation-limited
contradicted
archived

這比 true / false 更符合研究流程。

46. 「不知道」的六種形式

成熟 AI 應區分：

  1. 沒有資料；
  2. 還沒算完；
  3. 觀察器看不到；
  4. 需要干預；
  5. 理論表示不夠；
  6. 本質不可識別。

這六種「不知道」的下一步完全不同。

47. 科學誠實輸出協議

最小輸出可寫：

⟨Candidates,Equivalence Level,Rejected,Missing Discriminator,Next Experiment,Representation Warning⟩.\boxed{ \left\langle \text{Candidates}, \text{Equivalence Level}, \text{Rejected}, \text{Missing Discriminator}, \text{Next Experiment}, \text{Representation Warning} \right\rangle. }

48. Occam 的正確位置

若：

T1∼T2T_1\sim T_2

且：

K(T1)<K(T2),K(T_1)<K(T_2),

可用 Occam 選：

T1T_1

作工程代表。

但不能因此宣稱：

T1T_1

已被實驗唯一識別。

49. 工程代表與本體真理

因此：

engineering representative≠ontological unique truth.\boxed{ \text{engineering representative} \neq \text{ontological unique truth}. }

這個區分能避免「最好用」偷換成「唯一真」。

50. 規則勢在不可識別性中的新增價值

如果：

T1∼OT2,T_1\sim_O T_2,

但：

DΣ(ΣT1,ΣT2)≫0,D_\Sigma \left( \Sigma_{T_1}, \Sigma_{T_2} \right) \gg0,

就表示：

它們現在看起來一樣，但生成的世界地形其實差很多。

這能引導新實驗。

51. 勢差導向實驗

搜尋：

x∗=arg⁡max⁡xDΣ(σT1(x),σT2(x)).x^\ast = \arg\max_x D_\Sigma \left( \sigma_{T_1}(x), \sigma_{T_2}(x) \right).

在：

x∗x^\ast

附近做實驗，

最可能把兩理論分開。

52. 世界線差導向實驗

同理：

x∗=arg⁡max⁡xDΓ(ΓT1,x,ΓT2,x).x^\ast = \arg\max_x D_\Gamma \left( \Gamma_{T_1,x}, \Gamma_{T_2,x} \right).

這是：

worldline-discriminative experiment.\boxed{ \text{worldline-discriminative experiment}. }

53. 因果差導向實驗

若主要差異在因果結構，

應選：

do(X=x∗)do(X=x^\ast)

使：

DCD_C

最大。

54. 多層鑑別函數

可定義：

J(e)=λODO+λIDI+λΣDΣ+λΓDΓ.J(e) = \lambda_O D_O + \lambda_I D_I + \lambda_\Sigma D_\Sigma + \lambda_\Gamma D_\Gamma.

選：

e∗=arg⁡max⁡eJ(e).e^\ast = \arg\max_e J(e).

這是多層實驗設計。

55. 計算不可識別性

有些理論其實可識別，

只是成本：

cdistinguish>Cbudget.c_{\mathrm{distinguish}} > C_{\mathrm{budget}}.

這是：

computational non-identifiability.\boxed{ \text{computational non-identifiability}. }

不是本體不可識別。

56. 時間窗不可識別性

兩理論在：

T<TcT<T_c

完全相同，

但：

T>TcT>T_c

開始分岔。

若實驗只能跑到：

T<Tc,T<T_c,

就有：

horizon-limited non-identifiability.\boxed{ \text{horizon-limited non-identifiability}. }

57. 尺度不可識別性

兩理論宏觀上相同：

ℓM,\ell_M,

微觀上不同：

ℓμ.\ell_\mu.

如果只能觀察宏觀，

則：

identifiability is scale-conditioned.\boxed{ \text{identifiability is scale-conditioned}. }

58. 邊界條件不可識別性

兩理論在：

B0B_0

下相同，

換：

B1B_1

才分。

因此：

boundary variation can reveal hidden rule differences.\boxed{ \text{boundary variation can reveal hidden rule differences}. }

59. 規則族穩定核心

若：

Rϵ\mathcal R_\epsilon

有許多成員，

但共享某些結構：

KR,K_R,

可定義：

KR=⋂R∈RϵInv⁡(R).K_R = \bigcap_{R\in\mathcal R_\epsilon} \operatorname{Inv}(R).

它是規則族共享核心。

60. 勢族穩定核心

同理：

KΣ=⋂Σ∈SϵInv⁡(Σ).K_\Sigma = \bigcap_{\Sigma\in\mathcal S_\epsilon} \operatorname{Inv}(\Sigma).

即使不知道唯一規則，

也可能已經知道：

shared world-structure core.\boxed{ \text{shared world-structure core}. }

61. 共享核心比硬選唯一理論更可靠

如果：

KΣK_\Sigma

被全部倖存理論支持，

那它比某個任意選出的單一理論更接近：

evidence-supported structure.\boxed{ \text{evidence-supported structure}. }

62. 穩定核心與開放自由度

成熟輸出應拆成：

Stable Core+Open Degrees of Freedom.\boxed{ \text{Stable Core} + \text{Open Degrees of Freedom}. }

而不是完整但虛假的單一敘事。

63. 不可識別性地圖

可以建立：

MidM_{\mathrm{id}}

標記理論空間中的：

  • 已識別方向；
  • 未識別方向；
  • 需干預方向；
  • 需新觀察器方向；
  • 需換表示方向。

這張圖本身就是科學成果。

64. 理論開放自由度

定義：

dopen=dim⁡(Tϵ/∼).d_{\mathrm{open}} = \dim \left( \mathcal T_\epsilon/{\sim} \right).

它表示：

還有多少有效理論自由度尚未被證據固定。

65. 科學進步可以是開放自由度下降

若：

dopen(t+1)<dopen(t),d_{\mathrm{open}}(t+1) < d_{\mathrm{open}}(t),

表示識別能力提高。

但若換表示：

L→L′,\mathcal L\rightarrow\mathcal L',

理論空間可能先變大。

這不一定是退步。

66. 新表示可能先擴張，再更深收斂

新的理論語言能表達以前看不到的候選。

所以：

temporary expansion→deeper later compression\boxed{ \text{temporary expansion} \rightarrow \text{deeper later compression} }

完全合理。

67. 不可識別性與相對的絕對

即使整個理論族不可唯一識別，

共享核心：

KK

仍可能在指定規則與條件下形成：

relative absolute.\boxed{ \text{relative absolute}. }

這直接接 GRST-05。

68. 整體不可識別不代表每個不變量都不可識別

本文提出：

non-identifiability of the whole⇏non-identifiability of every invariant.\boxed{ \text{non-identifiability of the whole} \not\Rightarrow \text{non-identifiability of every invariant}. }

這一點非常重要。

69. 科學輸出的五層

一個成熟研究結論可分：

  1. 已識別結構；
  2. 跨模型穩定不變量；
  3. 候選等價類；
  4. 未決自由度；
  5. 已排除區域。

比單純：

true / false

更精確。

70. 最小實驗 A：觀測等價

構造：

R1≠R2R_1\neq R_2

但：

PO(ΓR1)=PO(ΓR2).P_O(\Gamma_{R_1}) = P_O(\Gamma_{R_2}).

驗證觀察無法分辨。

71. 最小實驗 B：干預分離

尋找：

doX(x∗)do_X(x^\ast)

使：

PO(ΓR1,x∗)≠PO(ΓR2,x∗).P_O(\Gamma_{R_1,x^\ast}) \neq P_O(\Gamma_{R_2,x^\ast}).

驗證：

∼O\sim_O

不推出：

∼I.\sim_I.

72. 最小實驗 C：不同規則、相同勢

構造：

R1≠R2R_1\neq R_2

但：

ΣR1≅ΣR2.\Sigma_{R_1} \cong \Sigma_{R_2}.

驗證：

rule syntax≠world structure.\boxed{ \text{rule syntax} \neq \text{world structure}. }

73. 最小實驗 D：投影不可識別

在：

O1O_1

下：

R1∼O1R2.R_1\sim_{O_1}R_2.

換：

O2O_2

後：

R1̸∼O2R2.R_1\not\sim_{O_2}R_2.

驗證識別依賴觀察投影。

74. 最小實驗 E：表示不足

令所有：

TiT_i

都在某殘差方向系統性失敗。

加入新變數或新表示：

L→L′.\mathcal L\rightarrow\mathcal L'.

若整體失配明顯下降，

則支持：

UP.U_P.

75. 可反駁性

GRST-09 若要保留獨立價值，必須允許以下結果削弱其主張：

  1. 若所有近似最優模型最終都能靠更多同類資料自動收斂到唯一理論，結構性 Rashomon 族的重要性下降；
  2. 若觀測、干預、規則勢、規則與表示等價在所有研究域中總是重合，多層等價區分可能過度；
  3. 若勢層比較不能比普通 likelihood 更有效設計鑑別實驗，GRST 對不可識別性的新增層價值下降；
  4. 若等價類輸出不能提升 AI 科學的誠實性、重現性與下一步決策，工程價值不足；
  5. 若表示不足無法與資料不足操作性區分， UPU_P 需要更精確形式化；
  6. 若共享核心 KR,KΣK_R,K_\Sigma 在任何 Rashomon 族中都無法抽取，則穩定核心命題應降級。

76. 本篇暫定命題

GRST-09-P1：多層等價

∼O,∼I,∼Σ,∼R,∼P\boxed{ \sim_O, \sim_I, \sim_\Sigma, \sim_R, \sim_P }

一般不等價。

GRST-09-P2：Rashomon 正當性

若：

∣Tϵ∣>1|\mathcal T_\epsilon|>1

且證據無法區分，

則：

Tϵ\mathcal T_\epsilon

本身是合法科學輸出。

GRST-09-P3：不可識別性分解

Uid∼(UD,UO,UI,UP,UR).\boxed{ U_{\mathrm{id}} \sim (U_D,U_O,U_I,U_P,U_R). }

GRST-09-P4：等價類細化

[T]0⊇[T]O⊇[T]I⊇[T]Σ.\boxed{ [T]_0 \supseteq [T]_O \supseteq [T]_I \supseteq [T]_\Sigma. }

GRST-09-P5：商空間搜尋

科學搜尋可在：

R/∼Σ\boxed{ \mathcal R/{\sim_\Sigma} }

上進行，以避免浪費算力於勢等價規則。

GRST-09-P6：誠實輸出

AI 應輸出：

surviving class+equivalence level+next discriminator.\boxed{ \text{surviving class} + \text{equivalence level} + \text{next discriminator}. }

77. 本篇核心結論

第一：

資料很多⇏理論唯一.\boxed{ \text{資料很多} \not\Rightarrow \text{理論唯一}. }

第二：

不可識別≠不知道≠推理失敗.\boxed{ \text{不可識別} \neq \text{不知道} \neq \text{推理失敗}. }

第三：

觀測等價≠干預等價≠規則勢等價.\boxed{ \text{觀測等價} \neq \text{干預等價} \neq \text{規則勢等價}. }

第四：

Rashomon Set\boxed{ \text{Rashomon Set} }

不是暫時垃圾桶，而可能就是資料允許的真正答案。

第五：

科學進步=等價類逐步切細+穩定核心逐步增加.\boxed{ \text{科學進步} = \text{等價類逐步切細} + \text{穩定核心逐步增加}. }

第六：

成熟 AI 科學必須能誠實地說： 目前無法唯一識別，但可以識別到這個等價類。\boxed{ \text{成熟 AI 科學必須能誠實地說： 目前無法唯一識別，但可以識別到這個等價類。} }

78. 下一篇

GRST-10｜AI 剪枝科學：大規模世界推演、適應性推理與因果逼近

下一篇將集中處理：

  1. AI 如何大規模展開世界線；
  2. 適應性推理如何取代平均窮舉；
  3. 規則勢如何作為剪枝優先級；
  4. 理論世界與觀察世界的大規模吻合測試；
  5. 因果正確性如何重新成為 AI 時代的科學核心；
  6. 如何避免 AI 成為高速錯誤剪枝器；
  7. 新一代 AI 科學系統的計算架構與安全閘門。

附錄 A：五層等價速查

等價 意義
∼O\sim_O 觀測等價
∼I\sim_I 干預等價
∼Σ\sim_\Sigma 規則勢等價
∼R\sim_R 規則等價
∼P\sim_P 表示／投影等價

附錄 B：不可識別性來源速查

來源 解法
UDU_D 更多／更廣資料
UOU_O 新感測器／新尺度
UIU_I 主動干預
UPU_P 換變數／坐標／範疇
URU_R 接受等價類

附錄 C：AI 科學誠實輸出模板

Surviving theory family:
  T1
  T2
  T3

Current equivalence:
  observationally equivalent

Intervention status:
  unresolved

Rule-Shi status:
  T1/T2 similar
  T3 distinct

Rejected:
  T4 — causal mismatch
  T5 — worldline instability

Stable shared core:
  K1
  K2

Missing discriminator:
  intervention on X

Next-best experiment:
  E17

Representation warning:
  low

文件結束