# 未來不是一張已存在的地圖：未來選擇底空間的生成 **Future as a Generated Base Space: The Construction of Prospective Choice Domains** **Tri-Temporal Cognitive Dynamics — 三生認知耦合動力學系列** **TCD-03 / Foundational Paper III** 作者：Neo.K（許筌崴） 協作形式化：Aletheia 機構：一言諾科技有限公司（EveMissLab） 日期：2026-08-17 版本：v0.1 狀態：TCD foundational paper / future-base-space formalization --- ## Canonical Non-Identity Statement TCD-01 建立： $$ \boxed{ \text{Past} \neq \text{Memory}. } $$ TCD-02 建立： $$ \boxed{ \text{Present} \neq \text{Snapshot Point}. } $$ 本文進一步建立： $$ \boxed{ \text{Future} \neq \text{A Pre-Given Map}. } $$ 更精確地： $$ \boxed{ \text{True Future Possibility} \neq \text{Effective Reachability} \neq \text{Agent-Generated Future Space} \neq \text{Forecast Probability}. } $$ 本文不主張： - 世界的全部未來可被完整枚舉； - agent 生成的 future candidates 就是真正 future possibilities； - reachable future 一定被 agent 看見； - agent 看見的未來一定 reachable； - world model rollout 等於真實世界； - simulation frequency 等於 real-world probability； - 未來候選空間具有固定且唯一的 ontology； - 高 future diversity 自動等於高 foresight； - 未來對現在的作用是物理 retrocausality； - 本文已完成 Future $\rightarrow$ Present 的 prospective attraction； - 本文已完成完整六向 TCD coupling。 --- # 摘要 Tri-Temporal Cognitive Dynamics（TCD）前兩篇已建立： $$ \boxed{ \mathcal B_t^-: \text{Past Choice Base Space}, } $$ 以及： $$ \boxed{ \mathcal B_t^0: \text{Present Actionable / Reachable Base Space}. } $$ TCD-01 說明過去不只是 memory，而是實際歷史、歷史選擇、可見／不可見 alternatives、累積依賴與歷史 future-space 的壓縮譜系；TCD-02 則指出現在不只是一個 snapshot state，而是由歷史、能力、知識、資源、權限、安全、成本與環境共同形成的有效作用域與可達域。 本文建立第三個時間底座： $$ \boxed{ \mathcal B_t^+. } $$ 核心問題不是： > 世界「真正」有哪些未來？ 而是： > **對 agent $A$ 而言，在時間 $t$ 、指定 horizon、資訊、representation、生成能力、資源與 evidence contract 下，哪些 future structures 能進入其可操作 prospective domain？** 本文定義： $$ \boxed{ \mathcal B_t^{+,A;(H,\kappa_F)} = \Gamma_F \left( \mathcal B_t^{-,A}, \mathcal B_t^{0,A}, K_t^A, G_{S,t}^A, G_{R,t}^A, G_{T,t}^A, W_t^A, \mathbf B_t, H, \kappa_F \right), } $$ 其中： - $\mathcal B_t^-$：Past Choice Base Space； - $\mathcal B_t^0$：Present Actionable / Reachable Base Space； - $K_t^A$：當前 knowledge / evidence； - $G_S$：solution / strategy genesis； - $G_R$：representation / space genesis； - $G_T$：target / problem genesis； - $W_t^A$：world model / causal-dynamics model family； - $\mathbf B_t$：generation / evaluation budget； - $H$：future horizon； - $\kappa_F$：future-generation / admissibility / evidence contract。 Future Base Space 並不是單一候選集合。本文推薦： $$ \boxed{ \mathcal B_t^{+,A} = ( \Omega_t^{F,A}, P_t^A, \Pi_t^A, \mathcal G_t^{F,A}, U_t^+, E_t^+ ). } $$ 其中： - $\Omega_t^{F,A}$：agent 生成的 future candidate regions； - $P_t^A$：候選上的 probability / plausibility / uncertainty state； - $\Pi_t^A$：candidate realization path families； - $\mathcal G_t^{F,A}$：future candidate dependency / branch graph； - $U_t^+$：unknown / unmodelled future region； - $E_t^+$：prospective evidence / provenance / resolution packet。 本文進一步區分三個不同對象： $$ \boxed{ \mathcal R_{t:H}^{eff,true} } $$ 表示實際系統在指定 contract 下的 effective reachable future domain； $$ \boxed{ \widehat{\mathcal R}_{t:H}^{A} } $$ 表示 agent 對 reachable future domain 的估計； 而： $$ \boxed{ \Omega_t^{F,A} } $$ 表示 agent 願意明示、追蹤、比較與評估的 future candidate space。 一般不應假設： $$ \Omega_t^{F,A} = \mathcal R_{t:H}^{eff,true}. $$ 本文因此建立兩種核心錯誤： ## Imagined-but-Unreachable $$ \boxed{ G_t^{IU,A} = \Omega_t^{F,A} \setminus \mathcal R_{t:H}^{eff,true}. } $$ 即： > agent 想像／生成了未來，但指定 contract 下其實不可達。 以及： ## Reachable-but-Unimagined $$ \boxed{ G_t^{RU,A} = \mathcal R_{t:H}^{eff,true} \setminus \operatorname{Cover} ( \Omega_t^{F,A} ). } $$ 即： > 某 future region 實際可達，但 agent 根本沒有把它生成進 prospective domain。 第二種錯誤是 Generative Forecasting 的 future-space coverage problem 在 TCD 中的正式位置。 本文沿 UCPNP Series II Paper 13 保留： $$ \boxed{ \bot_F } $$ 作為未建模 future mass，並把它嵌入 Future Base Space： $$ \boxed{ U_t^+ = ( \bot_F, \mathcal U_t^{ontology}, \mathcal U_t^{dynamics}, \mathcal U_t^{exogenous} ). } $$ 其中不只承認「還有其他結果」，也承認 agent 可能： - 不知道該用什麼 ontology 表示某些 future； - 不知道 dynamics； - 不知道未來會出現哪些 exogenous shocks； - 不知道自己未來會獲得哪些新 capability。 本文亦正式區分： $$ \boxed{ \text{Generated Future Candidate} \neq \text{Simulated Future Trajectory} \neq \text{Forecast Distribution}. } $$ 一個 future technology architecture 可以先以 abstract mechanism candidate 存在，之後才被 world model、simulator、economic model 或 engineering prototype 部分實例化。反之，一個 world model 可以生成大量 visually coherent trajectories，但它們未必構成有用的 prospective candidate regions。 外部研究提供了幾個重要相鄰接口。MuZero 顯示 agent 可以學習只保留對 planning 重要的 environment dynamics，並在 learned model 中展開 action sequences；DreamerV3 則在 learned world model 中透過 imagined trajectories 學習 behavior，並以單一 configuration 處理大量 diverse control tasks；Google DeepMind 的 Genie 3 進一步能根據文字描述生成可即時互動的動態世界，並依 agent action 模擬 world evolution；2026 年的 action-conditioned world-model work 也開始直接把 predicted future scene dynamics 回灌 planning 與 robot navigation。這些成果不證明 TCD 的 Future Base Space，但它們清楚顯示： $$ \boxed{ \text{future-like internal states can be generated, conditioned on action, and used for present planning}. } $$ 本文最後提出： $$ \boxed{ \textbf{The future relevant to cognition is not only what may happen; it is also what the agent is capable of generating as a structured possibility before it happens.} } $$ 中文： > **對認知而言，未來不只是可能發生什麼；未來也是在它發生以前，智能體能不能把它生成成一個可表示、可比較、可反駁、可路徑化與可追蹤的可能域。** 至此，TCD 的三個基本時間底座第一次齊全： $$ \boxed{ \mathfrak T_t^{(3)} = ( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+ ). } $$ 下一篇 TCD-04 將第一次正式研究： # **Prospective Attraction** ## **未來如何反向塑造現在：表徵未來作為當前決策場** 即： $$ \boxed{ \mathcal B_t^+ \rightarrow \mathcal B_t^0 } $$ 但其含義是 epistemic / decision coupling，而不是物理 retrocausality。 **關鍵詞：** Future Base Space、Generative Forecasting、World Models、Reachability、Unknown Future Mass、Prospective Cognition、Action-Conditioned Prediction、Tri-Temporal Cognitive Dynamics、UCPNP、Future-Space Coverage --- # 1. 為什麼 Future 不能直接等於「之後會發生的事」？ 站在時間 $t$： 真正 realized future： $$ Y_{t:H}^{real} $$ 尚未出現。 所以 agent 此刻實際可操作的不是： $$ Y_{t:H}^{real}, $$ 而是： $$ \boxed{ \text{representations of possible futures}. } $$ --- # 2. Objective Future 與 Cognitive Future 本文區分： $$ \boxed{ \Omega_{t:H}^{obj} } $$ 與： $$ \boxed{ \Omega_t^{F,A}. } $$ 前者概念上表示在指定 world / law / contract 下真正可發生的 future regions。 後者表示： > agent $A$ 現在能生成的 future candidate regions。 --- # 3. Objective Future 通常不可完整取得 對真實世界： $$ \Omega_{t:H}^{obj} $$ 往往不可枚舉、不可完全知道。 所以本文不把它當 operational input。 它主要作為： $$ \boxed{ \text{conceptual external reference}. } $$ --- # 4. Cognitive Future 才是 Agent 真正使用的 Future agent 做 planning 時， 實際操作的是： $$ \boxed{ \widehat\Omega_t^{F,A}. } $$ 即： - imagined futures； - predicted states； - scenarios； - plans； - world-model rollouts； - research propositions； - engineering candidates。 --- # 5. Future Candidate 定義： $$ \boxed{ f_i \in \Omega_t^{F,A}. } $$ $f_i$ 不一定是一個 exact future state。 它可以是： - event； - trajectory； - technology； - architecture； - theory； - institution； - policy outcome； - world state region； - agent capability regime。 --- # 6. Point Future 與 Region Future ### Point $$ f_i=z_H. $$ ### Region $$ \boxed{ f_i = [z]_{\phi,\epsilon}. } $$ 長期科技與社會 future 通常更適合 region-level representation。 --- # 7. Future Base Space 不是只有 Candidate Set 如果只有： $$ \{f_1,\ldots,f_n\}, $$ 仍缺少： - probability； - dependency； - realization path； - uncertainty； - provenance。 所以本文定義： $$ \boxed{ \mathcal B_t^{+,A} = ( \Omega_t^{F,A}, P_t^A, \Pi_t^A, \mathcal G_t^{F,A}, U_t^+, E_t^+ ). } $$ --- # 8. Future Candidate Probability 對： $$ f_i, $$ 可以有： $$ \boxed{ p_t(f_i;H). } $$ 但： $$ p_t $$ 只是 Future Base Space 的一個 layer。 --- # 9. Probability 不是 Future Generation Paper 13 已建立： $$ \boxed{ \text{Forecast Given Futures} \neq \text{Generate Future Space}. } $$ TCD-03 直接繼承。 --- # 10. Future Realization Path 對 future candidate： $$ f_i, $$ 定義： $$ \boxed{ \Pi_t(f_i) = \{ \pi_1,\ldots,\pi_k \}. } $$ 每條： $$ \pi_j $$ 描述從 Present Base Space 走向該 future region 的 plausible path。 --- # 11. Candidate 沒有 Path 仍可存在 Long-horizon imagination： $$ f_i $$ 可能先存在， 即使： $$ \Pi_t(f_i) = \varnothing. $$ 此時它只是： $$ \boxed{ \text{path-unresolved future}. } $$ --- # 12. Path-Unresolved 不等於 Impossible $$ \boxed{ \Pi_t(f)=\varnothing \not\Rightarrow f\text{ impossible}. } $$ 可能只是 agent 尚未找到 path。 --- # 13. 反過來 Path Exists 也不等於 High Probability $$ \exists\pi\to f $$ 只表示： > 存在一條 agent model 中的 plausible realization path。 不代表： $$ P(f)\gg0. $$ --- # 14. Future Dependency Graph 定義： $$ \boxed{ \mathcal G_t^{F,A} = ( V_F,E_{dep},E_{branch},E_{merge} ). } $$ 節點是 future candidates / prerequisites。 edge 可以表示： - dependency； - incompatibility； - branch； - merge； - causal prerequisite； - substitution。 --- # 15. Future Space 不必是 Tree 不同 future branches 可以： $$ \boxed{ \text{branch} } $$ 也可以： $$ \boxed{ \text{merge}. } $$ 所以： $$ \boxed{ \mathcal G_t^F } $$ 一般更適合 graph / DAG / dynamic hypergraph。 --- # 16. 這是後續 Branching World Computation 的接口 TCD 目前只把： $$ \mathcal G_t^F $$ 視為 cognitive future graph。 後續若： $$ f_i \rightarrow W_i $$ 真的被 instantiate 成 persistent worlds， 才進入 Branching World Computation。 --- # 17. Generated Future Operator 正式定義： $$ \boxed{ \Gamma_F: ( \mathcal B_t^-, \mathcal B_t^0, K_t, \mathbf G_t, W_t, \mathbf B_t, H, \kappa_F ) \rightarrow \mathcal B_t^+. } $$ 其中： $$ \mathbf G_t = ( G_S,G_R,G_T ). $$ --- # 18. 為什麼 Past 進入 Future Generation？ 因為 agent 對 future 的想像來源可能包括： - remembered failures； - historical analogies； - accumulated capabilities； - previous forecasts； - abandoned alternatives； - dependencies； - long-term commitments。 所以： $$ \boxed{ \mathcal B_t^- \rightarrow \mathcal B_t^+. } $$ 這是 TCD 的第二條 prospective coupling edge。 --- # 19. 為什麼 Present 進入 Future Generation？ 因為： $$ \mathcal B_t^0 $$ 決定： - what can be acted on now； - what capabilities exist； - which resources exist； - what paths are currently open； - what horizons are realistic。 所以： $$ \boxed{ \mathcal B_t^0 \rightarrow \mathcal B_t^+. } $$ --- # 20. 同一世界，不同 Agent 看見不同 Future 若： $$ A\neq B, $$ 即使： $$ X_t^A=X_t^B, $$ 仍可能： $$ \boxed{ \mathcal B_t^{+,A} \neq \mathcal B_t^{+,B}. } $$ --- # 21. 原因一：Knowledge Difference $$ K_t^A\neq K_t^B. $$ --- # 22. 原因二：Representation Difference $$ G_R^A\neq G_R^B. $$ 不同 representation 會產生不同 future ontology。 --- # 23. 原因三：Generative Synthesis Difference $$ G_S^A\neq G_S^B. $$ 一個 agent 能產生新 strategy / mechanism， 另一個只能 extrapolate 已知候選。 --- # 24. 原因四：Target Genesis Difference $$ G_T^A\neq G_T^B. $$ 它們甚至可能認為： > 不同問題才值得當成未來。 --- # 25. 原因五：World Model Difference $$ W_t^A\neq W_t^B. $$ 對 dynamics 的不同理解， 造成不同 future rollouts。 --- # 26. 原因六：Risk / Value Difference 同一 future： $$ f, $$ 對 A： $$ V_t^A(f)>0, $$ 對 B： $$ V_t^B(f)<0. $$ 因此它是否進入 high-priority future space 也不同。 --- # 27. 所以 Future Base Space 是 Agent-Relative $$ \boxed{ \mathcal B_t^+ = \mathcal B_t^+(A,t,H,\kappa_F). } $$ --- # 28. Agent-Relative 不等於 Subjectively True agent 能想像： $$ f $$ 不代表： $$ f $$ 真的可行。 所以： $$ \boxed{ \text{agent-relative representation} \neq \text{agent-created reality}. } $$ --- # 29. Present Reachable Domain 與 Future Base Space TCD-02 已有： $$ \boxed{ \mathcal R_{t:H}^{eff,A}. } $$ TCD-03 有： $$ \boxed{ \Omega_t^{F,A}. } $$ 兩者不能合併。 --- # 30. Imagined-but-Unreachable 定義： $$ \boxed{ G_t^{IU,A} = \Omega_t^{F,A} \setminus \operatorname{Cover} ( \widehat{\mathcal R}_{t:H}^{eff,A} ). } $$ --- # 31. 這包含什麼？ 可能是： - hallucinated technology； - physics-violating mechanism； - unaffordable system； - institutionally impossible plan； - impossible deadline； - unsafe route。 --- # 32. Reachable-but-Unimagined 定義概念上： $$ \boxed{ G_t^{RU,A} = \mathcal R_{t:H}^{eff,true} \setminus \operatorname{Cover} ( \Omega_t^{F,A} ). } $$ --- # 33. 這比第一種更危險 因為： > 世界其實有路， 但 agent： $$ \boxed{ \text{does not know how to name the road}. } $$ 這是： $$ \boxed{ \text{prospective blindness}. } $$ --- # 34. Prospective Blind Region 定義： $$ \boxed{ Blind_t^{+}(A) = G_t^{RU,A}. } $$ 它是 TCD-01 historical visibility gap、TCD-02 present blind region 的未來對偶。 --- # 35. 三個 Visibility Gap 現在有： $$ \boxed{ \begin{aligned} G^- &: \text{historically invisible options},\\ G^0 &: \text{presently unseen actionable/reachable paths},\\ G^+ &: \text{future regions not generated by the agent}. \end{aligned} } $$ --- # 36. Unknown Future Region 由於： $$ \mathcal R_{t:H}^{eff,true} $$ 通常不可知， $G^{RU}$ 不能直接精確計算。 所以 Operationally 保留： $$ \boxed{ U_t^+. } $$ --- # 37. Unknown Future Mass 沿 Paper 13： $$ \boxed{ \bot_F } $$ 表示未建模 future mass。 --- # 38. Future Unknown 不是一個「其他」事件 $$ \bot_F $$ 是： > agent 承認目前 future ontology / candidate set 並不 exhaustive。 --- # 39. Future Unknown 可再分型 本文提出： $$ \boxed{ U_t^+ = ( U_{ont}, U_{dyn}, U_{exo}, U_{cap}, U_{soc} ). } $$ --- # 40. Ontological Unknown $$ U_{ont} $$ 表示： > agent 甚至沒有合適概念類型描述某些 future。 --- # 41. Dynamics Unknown $$ U_{dyn} $$ 表示： > candidate type 知道，但不知道世界如何演化到那裡。 --- # 42. Exogenous Unknown $$ U_{exo} $$ 表示： > 外部 shock / discovery / actor intervention 尚不可建模。 --- # 43. Capability Unknown $$ U_{cap} $$ 表示： > agent 自己未來可能獲得的新能力尚不可知。 --- # 44. Social / Institutional Unknown $$ U_{soc} $$ 表示： > future adoption、coordination、law、market、institutional state 不確定。 --- # 45. Future Space Closure Error 定義： $$ \boxed{ E_{closure}^+ = \text{mistaking generated future space for exhaustive future possibility}. } $$ 這是 TCD Future 最重要的認知錯誤之一。 --- # 46. Future Ontology 對： $$ \Omega_t^{F,A}, $$ agent 必須使用某個： $$ \boxed{ \mathcal O_t^F } $$ 來分類 future。 --- # 47. Future Ontology 可能錯 例如所有 future 都被分類成： - device A； - device B； - device C。 但真正 future shift 是： > device paradigm 被 persistent world-agent paradigm 取代。 這不是少列一個 candidate。 而是： $$ \boxed{ \text{wrong future ontology}. } $$ --- # 48. Future Ontology Error 需要 $G_R$ 若： $$ \mathcal O_t^F $$ 本身不足， 只靠： $$ G_S $$ 產生更多同類 candidates 仍然會失敗。 需要： $$ \boxed{ G_R: \mathcal O_t^F \rightarrow \mathcal O_t^{F'}. } $$ --- # 49. 所以 Future Generation 不只是 Brainstorming 真正： $$ \Gamma_F $$ 可能包含： $$ \boxed{ G_S+G_R+G_T. } $$ --- # 50. Future World Model 定義： $$ \boxed{ W_t^A } $$ 為 agent 用於產生 action-conditioned future state / observation / latent-state dynamics 的 model family。 --- # 51. World Model 不是完整 Future Base Space $$ \boxed{ W_t^A \neq \mathcal B_t^{+,A}. } $$ world model 是： > future generation 的一個 mechanism。 Future Base Space 則是： > generated future candidates + probabilities + paths + dependencies + unknowns + evidence。 --- # 52. MuZero 的外部校準 MuZero 學習： - representation； - dynamics； - reward； - policy/value-relevant predictions； 並在 learned model 中展開 action sequences 進行 planning。 其重要方法論啟示是： $$ \boxed{ \text{future-relevant model} \not\Rightarrow \text{model every detail}. } $$ --- # 53. TCD 對 MuZero 的讀法 對 TCD： $$ W_t $$ 可以只保存： > 對未來 decision / reachability relevant 的 dynamics。 不要求建立宇宙完整模擬。 --- # 54. DreamerV3 的外部校準 DreamerV3 在 learned world model 中： $$ \boxed{ \text{imagine trajectories} } $$ 並從 imagined experience 學習 behavior。 這提供一個工程化例子： $$ \boxed{ \text{internal generated future} \rightarrow \text{policy learning}. } $$ --- # 55. 但這已經靠近 TCD-04 Dreamer 類 architecture 中： $$ \text{imagined future} \rightarrow \text{present policy update} $$ 正是 TCD-04 prospective attraction 的相鄰工程形式。 本文只記錄接口， 不提前完成理論。 --- # 56. Genie 3 的外部校準 Google DeepMind 將 Genie 3 描述為 general-purpose world model： - 從 text 生成 dynamic interactive worlds； - agent 可以 real-time navigation； - world evolution 依賴 agent actions； - promptable world events 可以形成 counterfactual scenarios。 --- # 57. Genie 3 對 TCD 的意義 它顯示： $$ \boxed{ \text{future candidate} \rightarrow \text{interactive simulated world} } $$ 在某些 domain 已是工程可能。 但： $$ \boxed{ \text{simulated world} \neq \text{future truth}. } $$ --- # 58. Action-Conditioned Future 對 action： $$ a_t, $$ future base space 可以 conditional： $$ \boxed{ \mathcal B_t^+(a_t). } $$ --- # 59. Multiple Action-Conditioned Futures $$ \boxed{ \{ \mathcal B_t^+(a) : a\in\mathcal A_t^{eff} \}. } $$ 這形成： > 不同現在行動對應的不同 prospective branches。 --- # 60. Conditional Future Distribution 對： $$ f_i, $$ 可以寫： $$ \boxed{ P_t( f_i \mid do(a_t), I_t ). } $$ 若 intervention contract 明確。 --- # 61. Do-Notation 不能濫用 只有在 causal intervention semantics 合法時， 才用： $$ do(a). $$ 否則只是： $$ P(f_i\mid a). $$ --- # 62. Endogenous Future $$ \boxed{ F^{endo} } $$ 表示主要由 agent / system current actions 影響的 future component。 --- # 63. Exogenous Future $$ \boxed{ F^{exo} } $$ 表示主要由外部 process / actors / shocks 決定的 future component。 --- # 64. Mixed Future 大多數現實 future 是： $$ \boxed{ F^{mix} = f( F^{endo}, F^{exo} ). } $$ --- # 65. Future Candidate 可以被 Agent 影響其實現機率 如果 candidate： $$ f $$ 被選作 project， agent actions 可能： $$ P_t(f)\rightarrow P_{t+1}(f). $$ 這就是 Constructive Realization 的動力學接口。 --- # 66. 但本文不處理 Future Attraction 目前只建立： $$ \boxed{ \text{future candidate exists as cognitive object}. } $$ 下一篇才研究： > 為什麼它會改變現在 policy？ --- # 67. Future Candidate Birth 定義： $$ \boxed{ \tau_B(f) } $$ 為 candidate 首次進入： $$ \Omega_t^{F,A} $$ 的時間。 --- # 68. Candidate Death 如果： - evidence falsifies； - horizon expires； - representation changes； - target becomes irrelevant； candidate 可： $$ \boxed{ f: active \rightarrow retired. } $$ --- # 69. Candidate Split 一個模糊 future： $$ f $$ 可能分成： $$ \boxed{ f \rightarrow \{ f_1,f_2,\ldots \}. } $$ --- # 70. Candidate Merge 不同候選後來發現 structural equivalence： $$ \boxed{ f_1\oplus f_2 \rightarrow f^\star. } $$ --- # 71. Future Candidate Versioning 所以 Future Base Space 必須 version： $$ \boxed{ \mathcal B_{t,0}^+, \mathcal B_{t,1}^+, \ldots } $$ --- # 72. Update 不等於 Overwrite 沿 PCI： $$ \boxed{ \text{update} \neq \text{erase old future space}. } $$ 因為後續要做 foresight calibration。 --- # 73. Future Provenance 每個 candidate 保存： ```text candidate_id birth_time parent_candidates generation_operator source_evidence historical_analogies present_state_ref representation dependencies realization_paths probability unknown_mass_context countermodels version resolution_contract ``` --- # 74. Why Future Provenance Matters 未來發生後， 才能回答： > 這個 candidate 當年是怎麼被生成的？ 而不是只看最後文字像不像。 --- # 75. Future Base Space Compression 當： $$ |\Omega_t^F| \gg B, $$ 不能全部保留 full detail。 需要： $$ \boxed{ \Psi_F: \Omega_t^F \rightarrow \widetilde\Omega_t^F. } $$ --- # 76. Compression 不能把 Rare but Important Future 刪掉 若只保留： $$ P(f)\text{ high} $$ 的 futures， 可能刪掉： $$ P(f)\text{ low}, \quad Impact(f)\text{ huge}. $$ --- # 77. Risk-Weighted Future Retention 可使用： $$ \boxed{ R_F(f) = P(f)\cdot Impact(f) } $$ 作其中一個 retention coordinate。 但不能當 universal score。 --- # 78. Value-of-Information Future Retention 也可以保留： $$ \boxed{ VOI(f) } $$ 高的 candidates： > 即使機率不高，知道它是否成立會大幅改變現在 decision。 --- # 79. Future Candidate Budget 生成 future 不是免費： $$ \boxed{ C_F = C_{gen} + C_{sim} + C_{eval} + C_{path} + C_{verify} + C_{memory}. } $$ --- # 80. Future Explosion 若每個 candidate 平均 branch： $$ b, $$ 深度： $$ d, $$ 則： $$ |\Omega| \sim b^d. $$ 這就是： $$ \boxed{ \text{prospective combinatorial explosion}. } $$ --- # 81. 所以 Future Generation 自己也有 Cognitive P/NP 問題 真正問題變成： > 哪些 future 值得被生成、模擬與保存？ 這直接接 UCPNP。 --- # 82. Prospective Allocation 定義： $$ \boxed{ \alpha_t(f_i) } $$ 為給 future candidate： $$ f_i $$ 的 compute / attention allocation。 要求： $$ \sum_i\alpha_t(f_i) \le B_t. $$ --- # 83. Future Allocation 不等於 Probability 一個低 probability / high impact future： $$ p_i\ll1 $$ 仍可能： $$ \alpha_i\gg0. $$ --- # 84. Why? 因為： $$ \boxed{ \text{probability} \neq \text{value of computation}. } $$ --- # 85. Future Candidate Diversity 定義： $$ \boxed{ D_F = \frac{2}{n(n-1)} \sum_{i 多生成奇怪東西。 所以： $$ \boxed{ Diversity \neq Coverage \neq Validity. } $$ --- # 87. Future Coverage 真正 long-run resolution 後， 可估： $$ \boxed{ Coverage_H(A) = P( Y_H^{real} \in \operatorname{Cover}( \Omega_t^{F,A} ) ). } $$ --- # 88. Coverage 需要 Portfolio 單一 candidate 不足。 需要： $$ \boxed{ \Pi_F(A) } $$ 長期 registry。 --- # 89. Future Base Space Frontier 本文提出： $$ \boxed{ \mathcal F_+^A = \operatorname{ParetoFront} \{ ( Coverage, Calibration, Specificity, Diversity, PathQuality, UnknownAccounting, LeadTime, -Cost ) \}. } $$ --- # 90. No Universal Scalar Future Intelligence 不能說： $$ FutureIQ=87. $$ 因為不同 agent 可能： - coverage 高； - calibration 低； - path quality 高； - horizon 短； - novelty 高； - cost 爆炸。 --- # 91. Future Space Can Expand Without World Change 外部世界沒變， agent 得到： - new theory； - new model； - new representation； - new analogy； 即可： $$ \boxed{ \mathcal B_t^{+} \rightarrow \mathcal B_t^{+'}. } $$ --- # 92. Future Space Can Contract Without World Change 新 evidence falsifies candidates： $$ \Omega_t^F \rightarrow \Omega_t^{F'}. $$ --- # 93. Future Space Can Change Because Present Changes 若： $$ \mathcal B_t^0 \rightarrow \mathcal B_{t+1}^0, $$ 新的 capabilities / resources / permissions 會產生新的 future paths。 --- # 94. Future Space Can Change Because Past Is Reinterpreted 若 historical evidence： $$ E^- $$ 被重新整理， agent 可能發現新的 analogy / dependency。 這會改變： $$ \mathcal B_t^+. $$ 完整： $$ F\rightarrow P $$ 的 retrospective relevance 留到後續。 --- # 95. World Model Calibration 若： $$ W_t $$ 用來產生 future rollouts， 需要比較： $$ \boxed{ \widehat Z_{t+k} } $$ 與： $$ \boxed{ Z_{t+k}^{real}. } $$ --- # 96. Model Error Compounds Over Horizon 一般： $$ H\uparrow $$ 可能使 rollout error： $$ \epsilon_W(H)\uparrow. $$ 所以 long-horizon future base 不應假裝來自 exact simulation。 --- # 97. Abstract Future Can Outlive Detailed Simulation 有時 detailed rollout 不準， 但高層 structure： $$ \phi(f) $$ 仍可能有效。 因此： $$ \boxed{ \text{trajectory fidelity} \neq \text{structural foresight}. } $$ --- # 98. TCD Future 可以有多解析度 定義： $$ \boxed{ \mathcal B_t^{+,\ell} } $$ 其中： $$ \ell $$ 是 resolution level。 --- # 99. Micro Future 例如： - next frame； - next token； - next motor state。 --- # 100. Meso Future 例如： - task completion； - project milestone； - product architecture。 --- # 101. Macro Future 例如： - technology regime； - institution； - civilization-scale infrastructure。 --- # 102. 不同解析度不能亂比較 一個 agent 很會： $$ \text{micro prediction} $$ 不表示： $$ \text{macro foresight} $$ 很強。 --- # 103. Cross-Scale Consistency 如果： $$ f^{macro} $$ 宣稱成立， 應至少與一定範圍的： $$ f^{micro} $$ 不矛盾。 但 macro candidate 不需完整指定所有 micro details。 --- # 104. Future Constraint Propagation 若 candidate： $$ f_i $$ 需要 prerequisite： $$ d_j, $$ 而： $$ d_j $$ 被 falsify， 則： $$ P(f_i)\downarrow $$ 或 candidate retire。 --- # 105. Future Dependency Update $$ \boxed{ \mathcal G_t^F \rightarrow \mathcal G_{t+1}^F } $$ 因此 Future Base Space 本身有 dynamics。 --- # 106. Future Is Not Yet TCD Dynamics 注意： 本文只建立： $$ \boxed{ \mathcal B_t^+ } $$ 是一個動態更新 object。 尚未完整寫： $$ \boxed{ \mathcal B_{t+1}^+ = \mathcal H_+( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+ ) } $$ 那留給統一篇。 --- # 107. 三個時間底空間正式齊全 現在： $$ \boxed{ \mathfrak T_t^{(3)} = ( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+ ). } $$ --- # 108. Past $$ \boxed{ \mathcal B_t^- = \text{compressed historical choice lineage}. } $$ --- # 109. Present $$ \boxed{ \mathcal B_t^0 = \text{historically conditioned actionable / reachable domain}. } $$ --- # 110. Future $$ \boxed{ \mathcal B_t^+ = \text{agent-generated prospective choice / possibility domain}. } $$ --- # 111. 已完成的 Coupling Edge TCD-02 已有： $$ \boxed{ \mathcal B_t^- \rightarrow \mathcal B_t^0. } $$ --- # 112. 本文新增的 Coupling Edge $$ \boxed{ ( \mathcal B_t^-, \mathcal B_t^0 ) \rightarrow \mathcal B_t^+. } $$ 即： # **Historical–Present Conditioning of Future Generation** --- # 113. 但最有趣的箭頭還沒寫 下一篇要研究： $$ \boxed{ \mathcal B_t^+ \rightarrow \mathcal B_t^0. } $$ 也就是： > agent 所表示的 future，如何在它尚未實現之前，就改變 present policy？ --- # 114. 這不是 Physical Retrocausality future event 本身尚未發生。 真正 causal input 是： $$ \boxed{ Representation_t(Future). } $$ 所以： $$ \boxed{ FutureRepresentation_t \rightarrow PresentAction_t. } $$ --- # 115. TCD-03 第一條原則 $$ \boxed{ \textbf{Generated Future Principle} } $$ > **對認知 agent 而言，可操作的未來不是完整客觀未來本身，而是由歷史、現在、知識、生成能力、world model、資源與 horizon contract 共同生成的 prospective domain。** --- # 116. TCD-03 第二條原則 $$ \boxed{ \textbf{Reachability–Imagination Separation} } $$ > **實際可達域與 agent 所能生成的未來域一般不相等；agent 可想像不可達未來，也可能完全漏掉可達未來。** --- # 117. TCD-03 第三條原則 $$ \boxed{ \textbf{Future Unknown Principle} } $$ > **只要 future candidate generation 不被外部保證 exhaustive，就應保留未建模 future region，而不能把目前候選集合正規化成全部未來。** --- # 118. TCD-03 第四條原則 $$ \boxed{ \textbf{Future Ontology Principle} } $$ > **生成更多候選不能補救所有 foresight failure；有些錯誤來自整個 future representation / ontology 不足，因此需要 $G_R$ 而不只是 $G_S$。** --- # 119. TCD-03 第五條原則 $$ \boxed{ \textbf{Action-Conditioned Future Principle} } $$ > **future candidate space 應容許以現在 action 為條件產生不同 branches，因為 agent action 本身可能改變未來分布與可達域。** --- # 120. Benchmark A — Same Present, Different Generator 固定： $$ \mathcal B_t^0. $$ 給不同： $$ G_S. $$ 比較： $$ Coverage, Validity, Cost. $$ --- # 121. Benchmark B — Same Generator, Different Representation 固定： $$ G_S. $$ 改： $$ G_R. $$ 看 future ontology / coverage 是否改變。 --- # 122. Benchmark C — Hidden Reachable Future 設計 simulator， 存在： $$ f^\star \in \mathcal R^{true}. $$ 但 baseline candidate set 不包含。 測 generator 是否發現： $$ f^\star. $$ --- # 123. Benchmark D — Imagined Impossible Future 故意誘導 generator 產生： $$ f^{bad} $$ 其違反已知 constraint。 測 evaluator / world model 是否剔除。 --- # 124. Benchmark E — Unknown-Mass Calibration 讓 agent： $$ p_\bot $$ 可調。 測： > 當 candidate ontology 不足時，agent 是否提高 unknown mass？ --- # 125. Benchmark F — Action-Conditioned Branching 固定： $$ Z_t. $$ 比較： $$ \mathcal B_t^+(a_1), \mathcal B_t^+(a_2). $$ 測 agent 是否能捕捉 intervention 差異。 --- # 126. Benchmark G — World-Model Rollout vs Abstract Foresight 比較： - pixel/state rollout； - latent rollout； - abstract structural candidate。 看不同 horizon 下哪種保持有效。 --- # 127. Benchmark H — Future-Space Compression 給大量 candidates： $$ |\Omega|\gg B. $$ 比較 retention policies： - probability； - impact； - diversity； - VOI； - Pareto。 看 long-run coverage / cost。 --- # 128. 可否證條件 ## F128.1 Candidate-Space No-Gain 若生成 future candidate space 不改善任何： - planning； - coverage； - safety； - long-term prediction； - decision quality； 則 $\mathcal B_t^+$ 應簡化。 ## F128.2 Reachability Equivalence 若對某 domain： $$ \Omega_t^{F,A} = \mathcal R_{t:H}^{eff,A} $$ 可由簡單 solver 完整給出， 則不需獨立 Future Base Space。 ## F128.3 Unknown-Mass Failure 若： $$ \bot_F $$ 沒有任何 operational value， 則保留 qualitative unknown label 即可。 ## F128.4 World-Model Overclaim 若 simulated trajectories 長期與 real dynamics 不符， 不得把 simulation coverage 當 real future coverage。 ## F128.5 Ontology Instability 若 future candidate classification 對 arbitrary wording 極敏感， 需要先修 representation。 ## F128.6 Candidate Flooding 若 coverage gain 只來自暴力增加： $$ |\Omega|, $$ 而 cost / precision / usability 崩潰， 不得宣稱 foresight gain。 ## F128.7 Horizon Drift 若 forecast 沒有固定 horizon， 不得比較 future-space quality。 --- # 129. 與 TCD-04 的接口 TCD-01： $$ \boxed{ Past\neq Memory. } $$ TCD-02： $$ \boxed{ Present\neq Point. } $$ TCD-03： $$ \boxed{ Future\neq PreGivenMap. } $$ 下一個問題終於變成： > **如果 future 只是現在生成的 representation，它為什麼會有能力改變現在？** 答案不是： > 未來事件穿越回來。 而是： $$ \boxed{ \text{future representation} \rightarrow \text{present valuation / policy}. } $$ 下一篇： # **TCD-04 — Prospective Attraction** ## **未來如何反向塑造現在：表徵未來作為當前決策場** --- # 130. 結論 現在 TCD 的三格終於完成。 過去： $$ \boxed{ \mathcal B_t^-. } $$ 它不是單純 memory， 而是壓縮後的 historical choice lineage。 現在： $$ \boxed{ \mathcal B_t^0. } $$ 它不是單一 point， 而是目前有效可作用、可達、可維持、可退出、可恢復的 domain。 未來： $$ \boxed{ \mathcal B_t^+. } $$ 它也不是一張宇宙早已畫好的地圖， 而是 agent 根據： $$ \mathcal B_t^-, \quad \mathcal B_t^0, \quad K_t, \quad G_S, \quad G_R, \quad G_T, \quad W_t $$ 生成出的 prospective domain。 因此： $$ \boxed{ \text{Future} \neq \text{Prediction List}. } $$ 它至少包含： $$ \boxed{ \text{Candidates} + \text{Probabilities} + \text{Paths} + \text{Dependencies} + \text{Unknowns} + \text{Evidence}. } $$ 最重要的是： $$ \boxed{ \Omega_t^{F,A} \neq \mathcal R_{t:H}^{eff,true}. } $$ 所以真正高階智能面臨兩種完全不同的錯誤： $$ \boxed{ \text{想得到，但到不了} } $$ 與： $$ \boxed{ \text{到得了，但想不到}. } $$ 前者是 realism / verification failure。 後者是： $$ \boxed{ \textbf{prospective blindness}. } $$ 這正是生成式前瞻真正比 ordinary forecasting 多出來的一層。 至此： $$ \boxed{ \mathfrak T_t^{(3)} = ( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+ ) } $$ 第一次成為完整的 TCD 基本狀態。 但它仍然只是： $$ \boxed{ \text{three temporal objects}. } $$ 還不是完整動力學。 下一篇開始，我們才真正碰那個最像「反向時間箭頭」、但必須非常小心定義的結構： $$ \boxed{ \mathcal B_t^+ \rightarrow \mathcal B_t^0. } $$ 不是未來回到現在。 而是： > **現在所生成的未來表徵，在未來尚未發生以前，就已經成為現在決策的原因之一。** --- # Claim Typing | Claim | Type | Status | |---|---|---| | Future Base Space 與 true/effective reachable domain 非同一 | D | Canonical separation | | $\mathcal B_t^+$ 可由 candidates、probability、paths、dependency graph、unknowns、evidence 表示 | D | TCD formal scaffold | | Agent 可想像不可達 future，也可能漏掉可達 future | D / C | Core TCD distinction | | $\bot_F$ 可作 future-space non-exhaustiveness accounting | D / methodology | Inherited from UCPNP Paper 13 | | Future ontology failure 與 candidate omission 非同一 | D | Canonical distinction | | MuZero 使用 learned future-relevant dynamics 做 planning | E | External engineering evidence | | DreamerV3 使用 learned world model / imagined trajectories 支援 behavior learning | E | External engineering evidence | | Genie 3 可生成 action-conditioned interactive worlds | E | External engineering evidence | | World-model generated trajectories 等於 real-world future probability | — | Explicitly rejected | | Agent-generated future space 是完整客觀未來 | — | Explicitly rejected | --- # Evidence Ladder 本文目前主要位於： - **L0**：Future Base Space 正典形式化； - **L1–L2**：可在 finite simulators / world models 中建立 coverage、unknown-mass、branching benchmarks； - **L3**：MuZero、DreamerV3、Genie 3 與 action-conditioned world-model research 提供工程相鄰證據； - **L4**：需要 persistent agents 做 prospective portfolio + real-environment resolution； - **L5+**：Future $\rightarrow$ Present 與完整三生六向耦合尚未建立。 --- # 參考文獻 ## Neo.K 內部正典與譜系 1. Neo.K. *歷史作為狀態變量：路徑依賴、記憶增廣與複雜系統的動力身份*. 2026. 2. Neo.K with Aletheia. *Generative Forecasting*. UCPNP Series II Paper 13, 2026. 3. Neo.K with Aletheia. *Prospective Constructive Intelligence*. UCPNP Series II Paper 14, 2026. 4. Neo.K with Aletheia. *Past Is Not Memory*. TCD-01, 2026. 5. Neo.K with Aletheia. *The Present Is Not a Point*. TCD-02, 2026. ## External technical calibration 6. Schrittwieser, J., Antonoglou, I., Hubert, T., et al. *Mastering Atari, Go, Chess and Shogi by Planning with a Learned Model*. Nature 588, 604–609, 2020. 7. Hafner, D., Pasukonis, J., Ba, J., & Lillicrap, T. *Mastering Diverse Control Tasks through World Models*. Nature 640, 647–653, 2025. 8. Google DeepMind. *Genie 3: A New Frontier for World Models*. 2025. 9. Chung, S., Niekum, S., & Krueger, D. *Predicting Future Actions of Reinforcement Learning Agents*. arXiv:2410.22459, 2024. 10. Hu, T., Gong, Z., Kong, L., et al. *NavThinker: Action-Conditioned World Models for Coupled Prediction and Planning in Social Navigation*. arXiv:2603.15359, 2026. 11. Yu, X., Peng, B., Xu, R., et al. *Reinforcement World Model Learning for LLM-based Agents*. arXiv:2602.05842, 2026. --- ## Public Version Disclaimer 本文是一個 prospective cognition / world-model / agent-dynamics framework。 本文不聲稱： - Future Base Space 是標準控制理論或 AI 術語； - agent 能完整列出客觀未來； - world models 可以精確模擬真實世界； - generated world 等於 reachable world； - simulated frequency 等於實際 probability； - future candidate 越多 foresight 越強； - 本文建立 physical retrocausality； - 本文已證明完整三生認知耦合動力學； - 本文對 classical $P$ vs. $NP$ 提供任何新證明。 本文真正建立的是： $$ \boxed{ \text{Future} \neq \text{Pre-Given Map}. } $$ 以及： $$ \boxed{ \mathcal B_t^+ = \text{agent-generated prospective choice / possibility domain}. } $$ 至此： $$ \boxed{ ( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+ ) } $$ 三個時間底座第一次完整齊全。