# 因果吸收數學 ## ——從現象進入數學到子理生成 **英文題名：** Causal-Absorptive Mathematics: From Phenomenal Entry into Mathematics to Subprinciple Generation **文件編號：** EML-DFPM-2026-S04-v0.1 **作者：** Neo.K（許筌崴）with Aletheia（GPT-5.6 Thinking） **機構：** 一言諾科技有限公司／EveMissLab **日期：** 2026 年 7 月 27 日 **版本：** v0.1 **文件性質：** 數學方法論母稿／因果接入論／子理生成框架草案 **系列地位：** 「動態不動點數學奠基系列」第四篇 **前置文件：** 1. 《動態不動點數學宣言：為後人類、AI與多智能長時間尺度而設計的數學》 2. 《唯一虛擬錨點：動態不動點公理與單錨點數學》 3. 《從公理到子理：無限擴充數學的知識階層》 4. 《帳本因果數學與數學因果帳本》 5. 《數學普適性與共識性的個人命題》 **理論地位：** 動態不動點數學之因果接入與子理生成母稿；尚非完備觀測理論、因果推論系統或自動形式化協議 --- ## 摘要 本文提出「因果吸收數學」（Causal-Absorptive Mathematics），作為動態不動點數學中處理外部現象接入、形式生成與子理更新的第一代方法論。動態不動點數學主張，任何可辨識、可區分、可連接的因果現象，原則上都不得被數學永久排除。然而，「不得永久排除」不等於「所有現象已被數學化」，也不等於「任何敘述都能立即成為合法數學」。因果吸收數學的任務，正是處理從現象到數學之間的責任鏈。 本文將一項待接入現象記為： $$ \mathfrak C = ( \mathcal O, \mathcal D, \mathcal R, \mathcal B, \mathcal U ), $$ 其中 $\mathcal O$ 表示可觀測部分， $\mathcal D$ 表示差異結構， $\mathcal R$ 表示候選因果關係， $\mathcal B$ 表示觀測邊界， $\mathcal U$ 表示不可觀測、未決或尚無法表達部分。現象並不直接等同於數學對象；它必須經過辨識、切分、編碼、型別化、連接、驗證與局部閉合，才能生成新的子理或修改既有子理。 本文提出第一代因果吸收鏈： $$ \boxed{ \text{現象} \rightarrow \text{觀測} \rightarrow \text{差異辨識} \rightarrow \text{因果候選} \rightarrow \text{形式編碼} \rightarrow \text{子理連接} \rightarrow \text{驗證} \rightarrow \text{局部閉合} \rightarrow \text{重新開放}. } $$ 本文並區分「吸收」「翻譯」「壓縮」「同化」與「還原」。吸收不要求新現象被完全還原為既有數學，也不要求所有異質結構被強迫同化。成熟的因果吸收必須保留不可譯部分、轉譯損失、觀察者依賴、測量誤差、因果方向不確定性與未清債務。 本文提出五種主要吸收結果：生成新子理、擴張舊子理、限制舊子理、分裂舊子理與建立不可比較邊界。不是所有現象都必須被成功吸收；「暫時不可接入」也可以成為合法結果，只要其失敗原因被記錄。由此，因果吸收數學不是將萬物強制壓入數學，而是為數學建立永久保持可接入性的制度。 本文最後指出，當代AI開始具備大規模模式辨識、跨模態轉譯、候選因果生成、符號化、程式化驗證與長鏈帳本生成能力，因此可以成為因果吸收的初代孵化器。但AI不能直接將統計相關性、語言流暢性或高機率預測提升為因果子理。其輸出必須保留觀測來源、候選性、驗證狀態、反例與不可確定部分。 **關鍵詞：** 因果吸收數學、動態不動點數學、現象形式化、子理生成、因果接入、觀測邊界、轉譯損失、局部閉合、AI數學、不可接入債務 --- # 0. 核心命題 本文提出： > 數學不應宣稱自己已經包含所有現象， > 但應永久保留將任何可辨識、可區分、可連接之因果現象 > 轉化為可追溯數學結構的能力。 > 無法完成轉化時，失敗原因本身亦應進入數學帳本。 所以： $$ \boxed{ \text{因果吸收} \neq \text{萬物已被數學化}. } $$ 更精確地說： $$ \boxed{ \text{因果吸收} = \text{可接入性} + \text{轉譯責任} + \text{差異保留} + \text{失敗明示}. } $$ --- # 1. 從「吸收萬物」到「不永久排除」 ## 1.1 最容易產生的誤解 若說動態不動點數學要「吸收世間萬物所有的因果現象」，最容易被理解為： $$ \text{所有存在都能被立即還原為數學}. $$ 或者： $$ \text{任何現象都已有對應公式}. $$ 本文不採取這種強宣告。 ## 1.2 最低主張 本文只提出： $$ \boxed{ \forall \mathfrak C, \quad \text{若 }\mathfrak C\text{ 可辨識、可區分、可連接，} \quad \text{則數學不得永久拒絕其接入可能。} } $$ 這裡有三個限制： 1. 可辨識； 2. 可區分； 3. 可連接。 如果一個現象目前連最小差異都無法建立，數學不能假裝已經理解它。 ## 1.3 永久不排除不等於立即接受 對一個新現象 $\mathfrak C$ ，可以有： $$ \operatorname{Accept}_t(\mathfrak C)=0, $$ 但： $$ \operatorname{Reconsider}_{t+1}(\mathfrak C)=1. $$ 當期拒絕可以是合理的，永久封死才違反動態不動點。 ## 1.4 吸收是一個歷史過程 同一現象可能經歷： $$ \mathfrak C^{(0)} \rightarrow \mathfrak C^{(1)} \rightarrow \cdots \rightarrow \mathfrak C^{(n)}. $$ 每一版本的觀測精度、語義與數學結構都可能不同。 --- # 2. 什麼是待吸收的因果現象 ## 2.1 第一代五元組 令一項待吸收現象為： $$ \mathfrak C = ( \mathcal O, \mathcal D, \mathcal R, \mathcal B, \mathcal U ). $$ 其中： - $\mathcal O$ ：可觀測資料或現象片段； - $\mathcal D$ ：可辨識差異； - $\mathcal R$ ：候選因果關係； - $\mathcal B$ ：觀測與系統邊界； - $\mathcal U$ ：未觀測、未決、不可譯或未知部分。 ## 2.2 現象不是純資料 資料可以是： $$ d_1,d_2,\ldots,d_n. $$ 但現象通常還包含： - 時序； - 條件； - 關係； - 觀察者； - 邊界； - 缺失； - 反事實可能性； - 解釋框架。 因此： $$ \mathfrak C \neq \{d_1,\ldots,d_n\}. $$ ## 2.3 因果不是相關 若觀測到： $$ \operatorname{Corr}(X,Y)\neq 0, $$ 不能直接推出： $$ X\rightarrow Y. $$ 因果候選至少需考慮： - 時序方向； - 共同原因； - 選擇偏差； - 介入； - 反事實； - 邊界條件； - 觀測器影響。 ## 2.4 現象可以來自數學內部 待吸收現象不只來自物理世界。 它也可以來自： - 反例； - 證明失敗； - 計算異常； - 不同形式系統的失配； - 新符號語言； - AI生成的新模式； - 理論之間的不可通約； - 數學共同體的驗證制度變化。 因此，數學自身也是因果現象來源。 --- # 3. 因果吸收的九階流程 ## 3.1 第一階：現象登錄 任何候選現象先進入暫存帳本： $$ \operatorname{Register}(\mathfrak C). $$ 此時不宣稱它已被理解。 登錄至少包含： - 來源； - 時間； - 觀測方式； - 原始資料； - 初始描述； - 已知限制； - 權限與倫理邊界。 ## 3.2 第二階：觀測 建立觀測算子： $$ \mathcal O_b: \mathfrak C \rightarrow Y_b, $$ 其中 $b$ 表示觀測邊界。 不同觀測方式可能得到： $$ Y_{b_1}\neq Y_{b_2}. $$ 因此，任何觀測結果都必須綁定邊界。 ## 3.3 第三階：差異辨識 因果分析的最小起點不是公式，而是差異： $$ \Delta_{ij} = \operatorname{Diff}(Y_i,Y_j). $$ 若沒有可辨識差異，就無法建立事件、狀態與轉變。 ## 3.4 第四階：因果候選生成 對差異序列建立候選關係： $$ R_k: X \rightsquigarrow Y. $$ 符號 $\rightsquigarrow$ 表示候選因果，不表示已證明因果。 ## 3.5 第五階：形式編碼 將候選現象轉入某一表示系統： $$ \mathcal E: \mathfrak C \rightarrow \widehat{\mathfrak C}. $$ 編碼可能採用： - 方程； - 圖； - 超圖； - 張量； - 型別； - 範疇； - 程式； - 帳本； - 自然語言加形式標記； - 尚未出現的新表示。 ## 3.6 第六階：子理連接 尋找既有子理： $$ \{S_1,\ldots,S_m\} $$ 與新形式物件 $\widehat{\mathfrak C}$ 的關係。 可能關係包括： - 支持； - 衝突； - 特化； - 泛化； - 限制； - 轉譯； - 不可比較。 ## 3.7 第七階：驗證 對候選結構進行： - 邏輯檢查； - 計算重放； - 反例搜索； - 跨實作比較； - 實驗回測； - 語義審查； - 人類與AI交叉判讀。 ## 3.8 第八階：局部閉合 若指定邊界內的責任已足夠清楚，可建立： $$ \operatorname{Close}_{\mathfrak A} (\widehat{\mathfrak C})=1. $$ 局部閉合必須明示： - 適用域； - 誤差； - 依賴； - 未決； - 不可外推範圍。 ## 3.9 第九階：重新開放 任何局部閉合仍保留： $$ \operatorname{Reopen}=1. $$ 新資料、反例、觀測器或智能可以重新啟動吸收循環。 --- # 4. 吸收、翻譯、壓縮、同化與還原 ## 4.1 吸收 吸收表示數學系統為新現象建立可追溯接口： $$ \mathfrak C \hookrightarrow \mathfrak M. $$ 它不要求完全理解。 ## 4.2 翻譯 翻譯是： $$ \mathcal T: \mathfrak C \rightarrow L. $$ 它將現象轉入某一語言或形式。 翻譯必須記錄語義損失。 ## 4.3 壓縮 壓縮是： $$ \mathcal C: \mathfrak C \rightarrow \overline{\mathfrak C}. $$ 它降低表示複雜度，但可能丟失資訊。 ## 4.4 同化 同化是將新現象完全套入既有結構： $$ \widehat{\mathfrak C} \in S_i. $$ 若過早同化，可能抹除真正的新穎性。 ## 4.5 還原 還原是宣稱： $$ \mathfrak C = F(S_1,\ldots,S_n). $$ 這是強主張，需額外證明。 ## 4.6 因果吸收不要求還原 因此： $$ \boxed{ \text{吸收} \not\Rightarrow \text{還原}. } $$ 數學可以承認現象已接入，但尚未被完全還原。 --- # 5. 形式化不是現象本身 ## 5.1 編碼差距 任何形式化都有： $$ \mathfrak C \xrightarrow{\mathcal E} \widehat{\mathfrak C}. $$ 一般不能假設： $$ \widehat{\mathfrak C} = \mathfrak C. $$ ## 5.2 轉譯損失 定義： $$ L_{\mathcal E} = \operatorname{Loss} (\mathfrak C,\widehat{\mathfrak C}). $$ 損失可能包括： - 時序細節； - 語境； - 連續變化； - 觀察者位置； - 不確定性； - 多義性； - 未知變數； - 不可量化特徵。 ## 5.3 多重形式化 同一現象可以有： $$ \mathcal E_1(\mathfrak C), \mathcal E_2(\mathfrak C), \ldots, \mathcal E_n(\mathfrak C). $$ 不同形式化可並行存在。 ## 5.4 不強迫唯一表示 如果多種表示各自保留不同結構，過早選擇唯一表示會造成損失。 所以因果吸收允許表示分支。 --- # 6. 因果吸收的五種主要結果 ## 6.1 生成新子理 若新現象無法被既有子理充分表達，可生成： $$ S_{\mathrm{new}}. $$ ## 6.2 擴張舊子理 若新現象擴大原適用域： $$ \operatorname{Dom}(S_i) \subset \operatorname{Dom}(S_i'). $$ ## 6.3 限制舊子理 若新現象揭示舊子理只在較小域成立： $$ \operatorname{Dom}(S_i') \subset \operatorname{Dom}(S_i). $$ ## 6.4 分裂舊子理 若舊子理混合了不同條件： $$ S_i \rightarrow \{ S_{i,\alpha}, S_{i,\beta} \}. $$ ## 6.5 建立不可比較邊界 若新現象與既有子理暫時無法語義對齊： $$ \mathfrak C \parallel S_i. $$ 不可比較也是合法結果。 --- # 7. 失敗吸收與不可接入債務 ## 7.1 不是所有現象都能立即吸收 可能出現： - 資料不足； - 觀測不可重現； - 因果方向不明； - 形式語言不足； - 驗證成本過高； - 倫理上不可進一步實驗； - 不同智能無法轉譯； - 現象本身不穩定。 ## 7.2 不可接入集合 定義： $$ \mathfrak D_{\mathrm{absorb}}(\mathfrak C) = D_{\mathrm{observe}} \cup D_{\mathrm{distinguish}} \cup D_{\mathrm{cause}} \cup D_{\mathrm{encode}} \cup D_{\mathrm{connect}} \cup D_{\mathrm{verify}}. $$ ## 7.3 失敗不是刪除理由 若： $$ \operatorname{Absorb}_t(\mathfrak C)=0, $$ 仍應保存： - 嘗試方式； - 失敗位置； - 使用工具； - 已排除假設； - 尚需條件； - 未來重試接口。 ## 7.4 暫時拒絕 可以建立： $$ \operatorname{Deferred}(\mathfrak C)=1. $$ 表示暫緩，不表示永久排除。 --- # 8. 觀察者與智能差異 ## 8.1 觀察不是中性的 對不同智能 $I_a,I_b$ ： $$ \operatorname{Obs}_{I_a}(\mathfrak C) \neq \operatorname{Obs}_{I_b}(\mathfrak C). $$ 原因可能包括： - 感知通道不同； - 時間尺度不同； - 記憶容量不同； - 表示能力不同； - 價值與注意力不同； - 計算能力不同。 ## 8.2 人類可見不等於AI可見 某些模式可能對AI顯著，對人類不可直接理解。 反過來，人類的具身經驗、情境判斷與價值辨識，也可能不是當代AI能完整取得的。 ## 8.3 多智能吸收 因此更合理的是： $$ \mathcal A(\mathfrak C) = \bigcup_{I\in\mathfrak I} \mathcal A_I(\mathfrak C). $$ 不同智能提供不同投影。 ## 8.4 不可轉譯也需保存 若： $$ \mathcal T_{I_a\rightarrow I_b} $$ 不存在，應標記不可轉譯邊界，而不是假裝已達共識。 --- # 9. 現象如何生成子理 ## 9.1 候選子理生成 令： $$ \mathcal G: (\widehat{\mathfrak C},\mathfrak G_t) \rightarrow \{S_1^\ast,\ldots,S_k^\ast\}. $$ 其中 $S_i^\ast$ 是候選子理。 ## 9.2 候選不等於成熟 候選子理至少需要補足： $$ S_i^\ast \rightarrow ( \operatorname{Dom}, \operatorname{Cond}, \operatorname{Sem}, \operatorname{Prov}, \operatorname{Dep}, \operatorname{Cert}, \operatorname{Ver}, \operatorname{Debt} ). $$ ## 9.3 新穎性判定 新子理可能只是既有子理的重述。 需比較： $$ \operatorname{Novel}(S_i^\ast,\mathfrak S_t). $$ 新穎性可以來自： - 新適用域； - 新因果方向； - 新結構； - 新表示； - 新證明方式； - 新智能接口； - 新失敗邊界。 ## 9.4 接入後的影響傳播 若新子理 $S_k$ 接入，需計算： $$ \operatorname{Impact}(S_k) = \operatorname{Anc}(S_k) \cup \operatorname{Desc}(S_k) \cup \operatorname{Conflict}(S_k). $$ --- # 10. 因果吸收與數學因果帳本 ## 10.1 每次吸收都是一筆交易 一筆吸收交易可以寫為： $$ \ell_i = ( \mathfrak C_i, \mathcal O_i, \mathcal E_i, \mathcal T_i, S_i, \operatorname{Loss}_i, \operatorname{Cert}_i, \operatorname{Debt}_i ). $$ ## 10.2 來源守恆 任何生成子理都不得無來源出現： $$ S_i \Rightarrow \operatorname{Prov}(S_i)\neq\varnothing. $$ ## 10.3 資訊去向 原始現象資訊可能： - 被保留； - 被轉碼； - 被壓縮； - 被丟棄； - 被標記未決； - 由外部補入。 這些去向均須有帳。 ## 10.4 因果清帳 當來源、轉譯、驗證、損失、外部依賴與未決均已明示時，可稱該次吸收相對清帳： $$ \operatorname{Settle}_{\mathfrak A}(\ell_i)=1. $$ 相對清帳不等於現象已被完全理解。 --- # 11. 因果吸收與局部閉合 ## 11.1 為什麼需要閉合 若吸收永遠停留在候選狀態，數學無法形成可使用成果。 因此必須允許： $$ \operatorname{Close}_{\mathfrak A}. $$ ## 11.2 局部閉合條件 第一代條件包括： $$ \boxed{ \begin{aligned} &\text{觀測邊界明示},\\ &\text{因果候選狀態明示},\\ &\text{形式編碼可重放},\\ &\text{轉譯損失已記錄},\\ &\text{子理關係已接入},\\ &\text{反例與未決已登錄},\\ &\text{重新開放接口存在}. \end{aligned} } $$ ## 11.3 閉合不是宣稱終極真理 局部閉合只表示： $$ \text{在指定域與版本內足以使用}. $$ ## 11.4 重新開放觸發 重新開放可以由以下觸發： - 新資料； - 新反例； - 新觀察器； - 新智能； - 新形式語言； - 新驗證器； - 新倫理限制； - 舊帳本發現缺口。 --- # 12. AI作為因果吸收孵化器 ## 12.1 AI的潛在優勢 當代AI已可協助： - 多模態觀測整理； - 差異檢測； - 候選因果生成； - 文獻與子理連接； - 形式符號轉換； - 程式生成； - 反例搜索； - 帳本整理； - 多模型交叉比較。 ## 12.2 AI的核心風險 AI容易將： $$ \text{高相關} \rightarrow \text{因果}, $$ 將： $$ \text{語言一致} \rightarrow \text{數學成立}, $$ 或將： $$ \text{多模型同意} \rightarrow \text{公共證明}. $$ 這些跳躍都不合法。 ## 12.3 候選性標記 AI生成內容必須標記： $$ \operatorname{Status} \in \{ \text{觀測}, \text{猜測}, \text{候選因果}, \text{候選子理}, \text{局部驗證}, \text{已證}, \text{未決} \}. $$ ## 12.4 多AI仍可能共享偏差 即使多個AI同意，也可能因： - 相同訓練資料； - 相同模型架構； - 相同評估器； - 相同提示； - 相同外部工具； 而形成共享錯誤。 所以需要依賴獨立性帳本。 --- # 13. 因果吸收的最低原則 ## 原則一：現象不等於形式 任何形式化都必須標記與原現象的差距。 ## 原則二：相關不等於因果 任何因果方向都必須保留候選性與反例責任。 ## 原則三：接入不等於還原 現象可以被數學接入而不被完全還原。 ## 原則四：多表示可以共存 不得在尚未證明等價前強迫唯一表示。 ## 原則五：不可譯部分必須保留 無法形式化的部分不得被無痕刪除。 ## 原則六：失敗吸收也是結果 不可接入原因應成為未清債務。 ## 原則七：局部閉合必須可重開 任何吸收成果都必須保留重新檢查接口。 ## 原則八：AI輸出先是候選 除非經過可重放驗證，AI生成不得直接升格為成熟子理。 ## 原則九：觀察者差異有帳 不同智能的可見範圍與轉譯損失必須明示。 ## 原則十：吸收制度本身也是子理 因果吸收流程可以被未來修正、分裂或替換。 --- # 14. 第一代形式框架 令當前數學總體為： $$ \mathfrak M_t. $$ 令新現象為： $$ \mathfrak C_t. $$ 觀測： $$ Y_t = \mathcal O_t(\mathfrak C_t). $$ 差異抽取： $$ \Delta_t = \mathcal D_t(Y_t). $$ 候選因果： $$ R_t^\ast = \mathcal R_t(\Delta_t). $$ 形式編碼： $$ \widehat{\mathfrak C}_t = \mathcal E_t(Y_t,\Delta_t,R_t^\ast). $$ 候選子理生成： $$ \mathfrak S_t^\ast = \mathcal G_t(\widehat{\mathfrak C}_t,\mathfrak M_t). $$ 驗證： $$ \mathfrak S_t^{\mathrm{val}} = \mathcal V_t(\mathfrak S_t^\ast). $$ 數學更新： $$ \mathfrak M_{t+1} = \Phi_t( \mathfrak M_t, \mathfrak S_t^{\mathrm{val}}, \operatorname{Loss}_t, \operatorname{Debt}_t ). $$ 這一框架只表示責任順序，不宣稱所有現象都能被算法完全處理。 --- # 15. 目前未解問題 本文仍未解決： 1. 什麼構成最小可辨識差異； 2. 如何形式化觀察者邊界； 3. 如何區分因果與高階相關； 4. 如何表達不可量化現象； 5. 如何避免形式化反過來扭曲觀測； 6. 如何量化轉譯損失； 7. 如何處理倫理上不可觀測的現象； 8. 如何判定新子理真正具有新穎性； 9. 如何處理多智能不可通約； 10. 如何避免AI大量生成低品質候選子理； 11. 如何讓失敗吸收可被有效檢索； 12. 如何建立可擴展的吸收帳本； 13. 如何避免局部閉合被社群誤認為終極真理； 14. 是否存在完全不可數學接入的現象； 15. 若存在，這一不可接入性本身能否被數學化。 這些問題構成因果吸收數學的第一代研究債務。 --- # 16. 結論：數學的邊界應是可移動的 因果吸收數學不是宣稱萬物已被數學捕獲。 它提出的是： $$ \boxed{ \text{數學的邊界不應是永久封死的牆，} \quad \text{而應是可以移動、記錄與重新談判的接口。} } $$ 現象進入數學，不是從「非數學」瞬間跳成「已證定理」。 它要經過： $$ \boxed{ \text{觀測} \rightarrow \text{差異} \rightarrow \text{因果候選} \rightarrow \text{形式化} \rightarrow \text{連接} \rightarrow \text{驗證} \rightarrow \text{局部閉合}. } $$ 每一步都可能失敗，每一步都可能產生損失，每一步都必須保存來源。 因此，動態不動點數學所謂的吸收，不是數學對世界的征服，而是數學對自身邊界的持續開放。 其核心可以壓縮為： $$ \boxed{ \text{任何可辨識因果都應具有進入數學的可能；} \quad \text{任何無法進入的原因，也應成為數學的一部分。} } $$ 這使得數學不再只是已被形式化的領域，也包括： - 尚待形式化的現象； - 尚未清償的因果； - 尚未完成的轉譯； - 尚未被理解的智能差異； - 尚未生成的新型數學操作。 因果吸收因此不是一個完成狀態，而是一個永遠可重新啟動的入口。 --- # 附錄 A：因果吸收極簡鏈 $$ \boxed{ \mathfrak C \rightarrow \mathcal O(\mathfrak C) \rightarrow \operatorname{Diff} \rightarrow \operatorname{Cause}^{\ast} \rightarrow \operatorname{Encode} \rightarrow \operatorname{Connect} \rightarrow \operatorname{Verify} \rightarrow \operatorname{Close}_{\mathrm{local}} \rightarrow \operatorname{Reopen}. } $$ --- # 附錄 B：第四篇在九篇系列中的位置 第一篇建立流派宣言。 第二篇建立唯一虛擬錨點。 第三篇建立子理知識階層。 第四篇建立： - 現象的第一代形式； - 因果吸收九階流程； - 吸收與還原的區分； - 五種主要吸收結果； - 失敗吸收與不可接入債務； - 觀察者及多智能差異； - AI作為初代吸收孵化器的能力與限制。 第五篇將進入： $$ \boxed{ \text{數學系統如何在吸收現象後進行生成、修正、連接與重新閉合。} } $$ 也就是《生成、修正與重新閉合：動態不動點數學的演化循環》。