# 從有限狀態機到開放維度狀態系統 ## From Finite-State Machines to Open-Dimensional State Systems **系列：** 遞歸動態狀態系統（Recursive Dynamic State Systems, RDSS） **篇次：** 02 / 09 **作者：** Neo.K with Aletheia **機構：** EveMissLab／一言諾科技有限公司 **版本：** v0.1 Research Draft **日期：** 2026-08-10 **文件性質：** 狀態系統形式化／開放維度方法論／有限支撐計算架構 --- ## 摘要 本文為《遞歸動態狀態系統》系列第二篇，集中處理系列中最容易產生誤解的概念：「無限維狀態機」。本文不採用「一個實際系統具有字面無限多同時活動狀態」的強敘述，而提出較精確的「**開放維度狀態系統**」（Open-Dimensional State System, ODSS）框架。 ODSS 的核心不是： $$ |S|=\infty, $$ 而是： $$ \boxed{ \text{系統可用的狀態軸、類型軸、關係軸與算子軸不要求預先封閉。} } $$ 任一實際時間 $t$ 與任務 $Q$ 下，系統只需啟用有限的有效支撐： $$ J_{\mathrm{eff}}(Q,t,\varepsilon) \subseteq J_t, $$ 並要求： $$ \left| J_{\mathrm{eff}}(Q,t,\varepsilon) \right| < \infty. $$ 本文因此將「潛在開放」與「實際有限」分離。前者允許新狀態、新類型、新關係、新算子與新子系統在運行期間被加入；後者要求每一次實際計算、驗證與治理只作用於有限有效子空間。 本文進一步建立狀態維度的出生、啟用、休眠、退役與重新啟用操作；定義有效支撐、有限活動投影、類型細化／粗化、部分態射、合法跨維轉換與有界信息損失；並提出「開放維度—有限支撐原則」「潛在空間—活動空間分離原則」「結構增生非狀態爆炸原則」與「按需展開原則」。 本文最後指出，ODSS 並不取代 Hierarchical FSM、Recursive State Machine 或其他大型狀態系統方法。階層與遞歸可以壓縮已知結構，而 ODSS 額外處理的是：當問題本身要求增加新的描述軸、類型或規則時，系統如何在不預先列舉全部未來狀態的前提下持續演化。 **關鍵詞：** 開放維度、有限狀態機、有限支撐、動態類型、狀態增生、狀態空間改寫、遞歸狀態系統、部分態射、有效維度、按需展開 --- # 0. 問題：真正需要「無限」的是哪一部分？ 上一結論提出 RDSS 的核心不是建立一台更巨大的有限狀態機，而是允許狀態系統本身演化。 但只要使用「無限維」一詞，就會立即遇到至少三種歧義。 第一種理解是： $$ |S|=\infty. $$ 也就是狀態集合本身是無限集合。 第二種理解是： $$ \dim(X)=\infty. $$ 也就是狀態存在於無限維函數空間、Hilbert 空間或其他真正無限維空間。 第三種理解則完全不同： > **我們不知道未來還需要哪些描述維度，因此不希望現在就把所有可能狀態軸永久封死。** 本文研究的是第三種。 因此我們需要把： $$ \text{Infinite-Dimensional} $$ 改寫成更精確的： $$ \boxed{ \text{Open-Dimensional}. } $$ --- # 1. 傳統有限狀態機真正有限在哪裡？ 一個典型有限狀態機： $$ M=(S,\Sigma,\delta,s_0,F) $$ 要求： $$ |S|<\infty. $$ 但真正重要的不只是狀態數量有限。 更深的假設是： > **設計者事先知道哪些狀態具有語義地位。** 例如： $$ S= \{ \mathsf{Idle}, \mathsf{Running}, \mathsf{Paused}, \mathsf{Stopped} \}. $$ 即使系統具有一百萬個狀態，只要 $S$ 仍然在建模前固定，它仍然是一個封閉狀態詞彙。 因此本文將傳統模型的限制寫為： $$ \boxed{ \text{Closed State Vocabulary}. } $$ 這並不是缺陷。對大量工程系統，封閉性恰恰提供可驗證性、可測試性、可預測性、可窮舉性與安全邊界。 ODSS 不是要否定這些優點。 它處理的是： > **如果新的狀態語義只有在系統運行、學習、組合或接觸新環境後才出現，怎麼辦？** --- # 2. 階層化可以壓縮狀態，但仍不等於開放維度 Hierarchical FSM 與相關方法可以將大型系統拆成多層機器，並透過階層結構降低規劃與表示成本。已有研究顯示，hierarchical finite-state controllers 可以透過 controller calling 形成模組化甚至遞歸的控制器；HFSM 也能在大型系統中利用階層結構有效規劃。 例如： $$ M_{\mathrm{world}} \supset M_{\mathrm{region}} \supset M_{\mathrm{entity}}. $$ 這非常接近 RDSS 的遞歸容器概念。 但仍有一個差異。 假設所有子機器類型在設計時已經存在： $$ \mathcal M = \{ M_1,\ldots,M_n \}. $$ 那麼階層結構主要處理： $$ \boxed{ \text{Known Structure Compression}. } $$ ODSS 額外處理： $$ \boxed{ \text{Unknown Future Structural Extension}. } $$ 例如原本系統只有： $$ \{ \text{位置}, \text{生命}, \text{派系} \}, $$ 後來世界中出現「法律身份」，才新增： $$ j_{\mathrm{law}}. $$ 再後來產生「跨世界身份」，才增加： $$ j_{\mathrm{crossworld}}. $$ 所以問題不是如何在既有階層中安排很多狀態，而是： > **如何允許原本不存在的描述軸正式加入系統？** --- # 3. 開放維度狀態系統的最小定義 令時間 $t$ 的可用維度索引集合為： $$ J_t. $$ 每個： $$ j\in J_t $$ 對應一個局部狀態域： $$ X_j. $$ 則時間 $t$ 的潛在狀態結構可寫為： $$ \mathfrak X_t = \prod_{j\in J_t}^{\!*}X_j, $$ 其中： $$ \prod^{\!*} $$ 不表示所有維度必須同時被實例化，而表示一個允許有限支撐的依賴乘積。 對具體系統狀態 $x_t$，定義活動支撐： $$ \operatorname{supp}(x_t) = \{ j\in J_t: x_t[j]\text{ 在當前任務中有效} \}. $$ ODSS 要求： $$ \boxed{ \left| \operatorname{supp}(x_t) \right| < \infty. } $$ 但不要求： $$ J_{t+1}=J_t. $$ 相反地，允許： $$ J_{t+1} = J_t \cup B_t \setminus D_t, $$ 其中： - $B_t$：新出生的維度集合； - $D_t$：被退役或移除的維度集合。 這就是 ODSS 最核心的形式。 --- # 4. 開放不等於活動 這裡需要區分三個空間。 ## 4.1 潛在維度空間 $$ J_t. $$ 表示系統目前「知道可以存在」的維度。 ## 4.2 活動有效支撐 對任務 $Q$ 、時間 $t$ 、容許失真 $\varepsilon$： $$ \boxed{ J_{\mathrm{eff}}(Q,t,\varepsilon) \subseteq J_t. } $$ 既有 DMSSTT 已經明確引入有效類型支撐：不是所有類型維度都應一直啟用，而應依任務、時間與容許失真選擇真正需要的維度。 ## 4.3 當前實例狀態 $$ x_t \in X_{J_{\mathrm{eff}}}. $$ 因此： $$ \boxed{ \text{Potential} \neq \text{Active} \neq \text{Instantiated}. } $$ 這個三分法是控制複雜度的核心。 --- # 5. 有效維度不是單純降維 如果 $J_t$ 很大，我們可能想選擇較小的 $J_{\mathrm{eff}}$。 但這不能簡化成 PCA 或「保留最大方差」。 因為某些低頻維度可能是安全權限、法律限制、極端事件、稀有故障、不可逆狀態或身份約束。 它們統計上可能很少出現，卻不能刪除。 因此有效支撐選擇可以是一個多目標問題： $$ \mathcal P(Q,t) = \operatorname{Pareto} \left[ C_{\mathrm{state}}, E_{\mathrm{illegal}}, L_{\mathrm{info}}, L_{\mathrm{pred}}, L_{\mathrm{govern}} \right]. $$ 其中： - $C_{\mathrm{state}}$：活動狀態成本； - $E_{\mathrm{illegal}}$：因刪除維度導致非法操作的風險； - $L_{\mathrm{info}}$：信息損失； - $L_{\mathrm{pred}}$：預測損失； - $L_{\mathrm{govern}}$：治理成本。 因此： $$ \boxed{ \text{Effective Support Selection} \neq \text{Variance Maximization}. } $$ --- # 6. 維度的生命週期 一個開放維度系統若只能增加，最終仍然會爆炸。 因此每個維度 $j$ 需要生命週期。 本文暫定： $$ \operatorname{Life}(j,t) \in \{ \mathsf{Candidate}, \mathsf{Active}, \mathsf{Dormant}, \mathsf{Deprecated}, \mathsf{Archived} \}. $$ ### Candidate 新維度剛被提出，尚未取得正式語義權。 ### Active 目前正在被使用： $$ j \in J_{\mathrm{eff}}. $$ ### Dormant 系統保留其定義，但當前任務不啟用。 ### Deprecated 仍需兼容舊資料或舊狀態，但不建議生成新依賴。 ### Archived 退出正常運行，只保留歷史、重播或遷移用途。 因此： $$ \boxed{ \text{Open-Dimensional} \neq \text{Monotonic Growth}. } $$ 真正需要的是： $$ \boxed{ \text{Birth} + \text{Activation} + \text{Dormancy} + \text{Retirement} + \text{Reactivation}. } $$ --- # 7. 維度出生：什麼情況允許新增一個軸？ 不能只因為 AI 想到一個新 label，就新增： $$ j_{\mathrm{new}}. $$ 否則狀態空間會被語義垃圾淹沒。 因此本文定義維度出生提案： $$ b_t = ( j_{\mathrm{new}}, X_{j_{\mathrm{new}}}, R_{\mathrm{new}}, \Pi_{\mathrm{new}}, E_{\mathrm{birth}} ). $$ 其中： - $j_{\mathrm{new}}$：新維度身份； - $X_{j_{\mathrm{new}}}$：狀態域； - $R_{\mathrm{new}}$：與既有維度的關係； - $\Pi_{\mathrm{new}}$：如何被觀測； - $E_{\mathrm{birth}}$：出生證據。 要求至少滿足： $$ \operatorname{Novel}(j) \land \operatorname{Useful}(j) \land \operatorname{Distinct}(j) \land \operatorname{Governable}(j). $$ 才允許： $$ J_{t+1} = J_t \cup \{j_{\mathrm{new}}\}. $$ --- # 8. 不是「新增狀態」，而可能是「新增判定域」 普通 FSM 擴張通常是： $$ S \rightarrow S\cup\{s_{\mathrm{new}}\}. $$ ODSS 更強的情況是： $$ J \rightarrow J\cup\{j_{\mathrm{new}}\}. $$ 這兩種完全不同。 例如原本： $$ x = ( \text{health}, \text{location} ). $$ 新增一個狀態： $$ health=\mathsf{Poisoned} $$ 只是擴充： $$ X_{\mathrm{health}}. $$ 但新增： $$ \text{legal-status} $$ 則是增加新的維度： $$ J' = J \cup \{ j_{\mathrm{legal}} \}. $$ 因此 ODSS 要區分： $$ \boxed{ \text{State Birth} } $$ 與： $$ \boxed{ \text{Dimension Birth}. } $$ 後者是更高階的結構變化。 --- # 9. 類型細化與粗化 有時不需要新增完全新的維度，只需把舊類型細分。 形式上： $$ \mathsf T(i) \rightsquigarrow \mathsf T(i,j). $$ 反向粗化： $$ U_j: \mathsf T(i,j) \rightarrow \mathsf T(i). $$ 但粗化通常有信息損失： $$ \mathcal L_j(x)\ge 0. $$ 因此 ODSS 不允許： $$ \text{unsupported} = 0. $$ 而應保留： $$ \boxed{ \mathsf{Undefined} } $$ 作為正式結果。 --- # 10. 跨維轉移是部分態射 傳統轉移常寫： $$ \delta: S \times I \rightarrow S. $$ 但如果維度與類型會變，某個操作不一定對所有狀態合法。 因此使用部分態射： $$ f: X \rightharpoonup Y. $$ 其定義域為： $$ \operatorname{Dom}(f) \subseteq X. $$ 若： $$ x \notin \operatorname{Dom}(f), $$ 則： $$ f(x) = \mathsf{Undefined}, $$ 而不是： $$ f(x)=0. $$ 合法性暫定： $$ \boxed{ \operatorname{Legal}(f) = D \land B \land S \land A \land L } $$ 其中： - $D$：Defined； - $B$：Background Compatible； - $S$：Scale Compatible； - $A$：Arrow / Invariant Preserving； - $L$：Loss Bounded。 這讓 ODSS 可以擴張，而不必犧牲型別安全。 --- # 11. 有限活動投影 對完整潛在狀態 $x_t$，定義任務投影： $$ \Pi_{Q,t,\varepsilon} : \mathfrak X_t \rightarrow \mathfrak X_{J_{\mathrm{eff}}}. $$ 使： $$ x_t^{\mathrm{eff}} = \Pi_{Q,t,\varepsilon}(x_t). $$ 我們希望： $$ Cost(x_t^{\mathrm{eff}}) \ll Cost(x_t), $$ 但： $$ Loss_Q ( x_t, x_t^{\mathrm{eff}} ) \le \varepsilon. $$ 因此真正要最佳化的是： $$ \boxed{ \min \left| J_{\mathrm{eff}} \right| } $$ 滿足： $$ Loss_Q \le \varepsilon $$ 以及所有必要安全／合法條件。 ODSS 的目標不是把所有東西都載入 context，而是： > **讓系統知道哪些維度可能存在，但只在需要時展開。** --- # 12. 按需展開原則 令： $$ Need(j\mid Q,t) $$ 表示任務 $Q$ 在時間 $t$ 對維度 $j$ 的需求。 設定啟用門檻： $$ \tau_{\mathrm{on}}. $$ 若： $$ Need(j\mid Q,t) > \tau_{\mathrm{on}}, $$ 則： $$ j: \mathsf{Dormant} \rightarrow \mathsf{Active}. $$ 反之若長期： $$ Need(j\mid Q,t) < \tau_{\mathrm{off}}, $$ 且： $$ \tau_{\mathrm{off}} < \tau_{\mathrm{on}}, $$ 則可： $$ j: \mathsf{Active} \rightarrow \mathsf{Dormant}. $$ 使用雙閾值是為避免頻繁抖動： $$ \boxed{ \tau_{\mathrm{off}} < \tau_{\mathrm{on}}. } $$ 這就是最小的支撐遲滯機制。 --- # 13. 狀態爆炸與結構增生不是同一件事 傳統狀態爆炸可粗略表示為： $$ |S_{\mathrm{joint}}| = \prod_{i=1}^{n}|S_i|. $$ 如果所有維度永久共同展開，ODSS 顯然會更加嚴重。 所以 ODSS 不能使用： $$ \boxed{ \text{Open Dimensions} \Rightarrow \text{Full Cartesian Expansion}. } $$ 反而要求： $$ \boxed{ \text{Open Dimensions} + \text{Sparse Activation} + \text{Local Composition}. } $$ 假設總共知道： $$ |J_t|=10^5 $$ 個可能維度，但當前任務只啟用： $$ |J_{\mathrm{eff}}|=17. $$ 那麼 runtime 應只針對這 17 維建立必要局部結構。 所以： $$ \boxed{ \text{Potential Complexity} \neq \text{Runtime Complexity}. } $$ 這是 ODSS 能否工程成立的生死線。 --- # 14. 關係也應稀疏化 即使有效維度只有 $k$，若所有維度都互相連接，仍有： $$ O(k^2) $$ 關係。 因此定義有效關係集合： $$ R_{\mathrm{eff}} \subseteq J_{\mathrm{eff}} \times J_{\mathrm{eff}}. $$ 並希望在稀疏系統中： $$ |R_{\mathrm{eff}}| \ll |J_{\mathrm{eff}}|^2. $$ 如果需要高階關係，則可使用超邊： $$ e \subseteq J_{\mathrm{eff}}. $$ 但仍應由任務／事件按需激活，而不是永久物化所有可能高階組合。 --- # 15. 子狀態機也採有限支撐 如果每個維度又可以展開： $$ j \rightarrow \mathfrak M_j, $$ 就會形成遞歸。 因此還需要定義活動子機器集合： $$ \mathcal N_{\mathrm{eff}}(Q,t) \subseteq \mathcal N_t. $$ 只對： $$ \mathfrak M_j \in \mathcal N_{\mathrm{eff}} $$ 進一步展開。 因此： $$ \boxed{ \text{Recursive} \neq \text{Fully Unrolled}. } $$ 而是： $$ \boxed{ \text{Recursive} = \text{Callable / Expandable on Demand}. } $$ --- # 16. 開放維度中的身份問題 如果一個系統： $$ J_t \neq J_{t+1}, $$ 它還是同一個系統嗎？ 本文先不以「所有欄位完全相同」定義身份。 定義核心不變量： $$ \mathcal I_t. $$ 若結構改寫： $$ \Phi: \mathfrak M_t \rightarrow \mathfrak M_{t+1} $$ 仍保持： $$ \operatorname{Preserve} ( \mathcal I_t, \mathcal I_{t+1} ) = 1, $$ 則可暫視為同一演化個體。 核心不變量可能包括： - 系統 ID； - 主契約； - 歷史連續性； - 權威鏈； - 某些不可變安全條件； - 外部承諾。 因此： $$ \boxed{ \text{Structural Change} \neq \text{Automatic Identity Loss}. } $$ --- # 17. 維度退役不是刪除歷史 若： $$ j \in D_t, $$ 從活動模型退出，不表示應從歷史中消失。 應區分： $$ J_t^{\mathrm{active}} $$ 與： $$ J_t^{\mathrm{historical}}. $$ 可能： $$ j \notin J_{t+1}^{\mathrm{active}} $$ 但： $$ j \in J_{t+1}^{\mathrm{historical}}. $$ 如此才能支援 replay、audit、migration、backward compatibility 與舊狀態解釋。 因此： $$ \boxed{ \text{Retire} \neq \text{Erase}. } $$ --- # 18. 開放維度狀態系統的七個基本公理候選 ## O1 — Open Vocabulary $$ J_{t+1} \neq J_t $$ 被允許。 ## O2 — Finite Effective Support 任一實際任務： $$ |J_{\mathrm{eff}}(Q,t,\varepsilon)|<\infty. $$ ## O3 — Explicit Undefinedness 若操作不適用： $$ f(x)=\mathsf{Undefined} $$ 而不是偽造零值。 ## O4 — Legal Structural Extension 新增維度與跨維映射必須通過合法性判準。 ## O5 — Bounded Projection Loss 有效支撐投影必須滿足： $$ L_Q \le \varepsilon $$ 或明確聲明超界。 ## O6 — Historical Retention 維度退役不得自動抹除其歷史存在。 ## O7 — On-Demand Realization 潛在維度不要求永久物化： $$ \text{Known} \not\Rightarrow \text{Loaded}. $$ --- # 19. 與「真正無限維」的精確關係 本文不禁止真正的無限維數學。 例如某個子系統： $$ x(t) \in L^2(\Omega) $$ 可以本身就是無限維動力系統。 但這與 ODSS 的開放維度是兩件事。 ODSS 的核心軸不是： $$ \dim(X) $$ 而是： $$ \boxed{ \text{Schema Closure}. } $$ 問題變成： > **允許的狀態描述語言是否預先封閉？** --- # 20. 計算複雜度的第一個粗模型 令： $$ k_t = |J_{\mathrm{eff}}(Q,t,\varepsilon)| $$ 為有效維度。 令： $$ m_t = |R_{\mathrm{eff}}| $$ 為有效關係數。 令： $$ d_t $$ 為實際展開深度。 則一次 ODSS 更新成本可粗略寫成： $$ T_t = T_{\mathrm{select}}(J_t,Q) + T_{\mathrm{state}}(k_t) + T_{\mathrm{rel}}(m_t) + T_{\mathrm{recursive}}(d_t) + T_{\mathrm{validate}}. $$ 真正應控制的是： $$ k_t, \quad m_t, \quad d_t, $$ 而不是只看： $$ |J_t|. $$ 因此即使： $$ |J_t| \rightarrow \text{very large}, $$ 只要： $$ k_t \ll |J_t|, $$ 且 $m_t$ 與 $d_t$ 可控，runtime 仍可能保持實用。 --- # 21. 「展開—收斂」在這裡第一次有了直接計算意義 開放維度系統天然對應系列的三元操作。 展開： $$ J_{\mathrm{eff}} \rightarrow J_{\mathrm{eff}} \cup B_t. $$ 連接： $$ R_{\mathrm{eff}} \rightarrow R_{\mathrm{eff}}'. $$ 收斂： $$ J_{\mathrm{eff}}' \rightarrow J_{\mathrm{min}}. $$ 其中： $$ J_{\mathrm{min}} $$ 是滿足當前任務精度、合法性與治理條件的最小充分支撐。 所以一輪可寫： $$ \boxed{ J_t^{\mathrm{eff}} \xrightarrow{\mathcal E} \widetilde J_t \xrightarrow{\mathcal C} (\widetilde J_t,\widetilde R_t) \xrightarrow{\mathcal V} J_{t+1}^{\mathrm{eff}}. } $$ 這使「展開—連接—收斂」不再只是一個哲學圖式，而可以直接落到 runtime active set 的變化。 --- # 22. 一個最小案例 假設遊戲 NPC 最初只有： $$ J_0 = \{ health, location, relation \}. $$ 所以： $$ x_0 = ( 100, town, friend ). $$ 後來世界加入犯罪制度。 系統觀測到既有維度無法區分普通居民與被通緝居民。 提出新維度： $$ j_{\mathrm{legal}}. $$ 經驗證後： $$ J_1 = J_0 \cup \{ legal \}. $$ NPC 狀態變成： $$ x_1 = ( health, location, relation, legal ). $$ 但如果當前任務只是戰鬥： $$ Q=\mathsf{Combat}, $$ 則： $$ J_{\mathrm{eff}} = \{ health, location \}. $$ 如果進入城門檢查： $$ Q=\mathsf{Checkpoint}, $$ 則： $$ J_{\mathrm{eff}} = \{ location, relation, legal \}. $$ 所以同一世界的 $J$ 可以很大，但不同任務只激活局部支撐。 --- # 23. AI 在 ODSS 中的正確位置 AI 很適合提出： - 新維度； - 維度合併； - 類型細化； - 休眠建議； - 關係候選； - 有效支撐候選。 但 AI 不應自動把 proposal 提升成 authoritative schema。 所以： $$ \boxed{ AIProposal \rightarrow Validation \rightarrow Governance \rightarrow Commit. } $$ AI 可以增加開放性。 驗證與權威層負責防止開放性退化成結構污染。 --- # 24. 可證偽問題 ODSS 必須接受以下實驗問題。 ## 24.1 有效支撐是否真的降低成本？ 比較： $$ T_{\mathrm{full}} $$ 與： $$ T_{\mathrm{eff}}. $$ ## 24.2 支撐截斷是否增加錯誤？ 測量： $$ L_Q ( J_{\mathrm{eff}} ). $$ ## 24.3 動態維度是否比固定 schema 更有價值？ 比較： $$ Performance_{\mathrm{open}} $$ 與： $$ Performance_{\mathrm{fixed}}. $$ ## 24.4 維度出生是否只是 label 膨脹？ 測量新維度是否帶來： $$ \Delta Prediction, \quad \Delta Control, \quad \Delta Explainability, \quad \Delta Legality. $$ 若沒有可觀察收益，則應拒絕出生。 ## 24.5 是否存在退役機制？ 若： $$ |J_t| $$ 只增不減，ODSS 很可能失敗。 --- # 25. 與 RDSS 總框架的接合 第一篇定義： $$ \mathfrak M_t = ( S_t, R_t, \Theta_t, \Delta_t, \mathcal A_t, \Pi_t, H_t, \mathbb T_t, \mathcal N_t ). $$ 本篇正式把其中 $S_t$ 與 $\Theta_t$ 改寫成開放維度形式。 因此可進一步寫： $$ S_t = S ( J_t, J_{\mathrm{eff}}, x_t ), $$ 以及： $$ \Theta_t = \Theta ( J_t, Life_t, Legal_t ). $$ 於是： $$ \boxed{ \mathfrak M_{t+1} } $$ 不必與： $$ \boxed{ \mathfrak M_t } $$ 共享同一維度集合。 這就是 RDSS 從一般遞歸狀態機走向生成式狀態系統的第一個正式步驟。 --- # 26. 結論 本文最重要的修正只有一句話： > **我們不需要一台「實際展開到無限」的狀態機；我們需要的是一套「不預先封閉未來描述維度，但任一實際計算保持有限支撐」的狀態系統。** 因此： $$ \boxed{ \text{Open-Dimensional State System} = \text{Open Schema} + \text{Finite Effective Support} + \text{Legal Extension} + \text{On-Demand Realization}. } $$ 它允許： $$ J_t \rightarrow J_{t+1}, $$ 但要求： $$ |J_{\mathrm{eff}}|<\infty. $$ 允許 State Birth，也允許 Dimension Birth。 允許 Refinement，也要求 Coarsening 與 Loss Accounting。 允許 Expansion，但必須同時具有 Convergence。 因此真正重要的不是「無限」。 而是： $$ \boxed{ \text{永遠保留生成新狀態空間的可能性，卻永遠只計算當下需要的有限部分。} } $$ 這也為下一篇《分類即狀態：從靜態類型到動態類型體制》建立直接基礎。 下一篇將不再只討論「哪些維度存在」，而是進一步問： > **當分類本身具有生命週期、證據、歧義、暫存、不可決定與體制轉換時，分類是否已經變成一個真正的動態狀態系統？** --- # 參考文獻 ## 外部文獻 1. Segovia-Aguas, J., Jiménez, S., & Jonsson, A. (2019). *Hierarchical Finite State Controllers for Generalized Planning*. arXiv:1911.02887. 2. Stefansson, E., & Johansson, K. H. (2022). *Hierarchical Finite State Machines for Efficient Optimal Planning in Large-scale Systems*. arXiv:2212.03724. 3. Stefansson, E., & Johansson, K. H. (2023). *Efficient and Reconfigurable Optimal Planning in Large-Scale Systems Using Hierarchical Finite State Machines*. arXiv:2303.16567. ## EveMissLab 內部前置 1. Neo.K with Aletheia，《狀態、容器與存在：遞歸動態狀態系統的總命題》。 2. Neo.K，《多維空間狀態類型論：開放維度依賴類型與合法態射》。 3. Neo.K with Aletheia，《動態多維空間狀態類型論：有效類型支撐與類型體制轉換》。 4. Neo.K，《空間狀態論》。 5. Neo.K，《0/1 之間的無限資訊層》。 6. Neo.K，《因果狀態流變計算》。 7. Neo.K，《歷史作為狀態變量》。 8. Neo.K，《MSSP × RDR 整合規格書》。