# 未來如何反向塑造現在：表徵未來作為當前決策場 **Prospective Attraction: How Represented Futures Reshape Present Decisions** **Tri-Temporal Cognitive Dynamics — 三生認知耦合動力學系列** **TCD-04 / Coupling Paper I** 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 first explicit coupling paper / future-to-present decision dynamics --- ## Canonical Non-Identity Statement TCD-03 已建立： $$ \boxed{ \text{Future} \neq \text{Pre-Given Map}. } $$ 以及： $$ \boxed{ \mathcal B_t^+ = \text{agent-generated prospective choice / possibility domain}. } $$ 本文第一次正式研究： $$ \boxed{ \mathcal B_t^+ \rightarrow \mathcal B_t^0. } $$ 但永久保留： $$ \boxed{ \text{Future Event}_{t+\Delta} \not\rightarrow \text{Present Physical Cause}_{t} } $$ 作為本文的非逆因果邊界。 本文真正主張的是： $$ \boxed{ \operatorname{Rep}_t( \mathcal B_t^+ ) \rightarrow V_t \rightarrow \pi_t \rightarrow a_t. } $$ 也就是： > **在時間 $t$ 已存在於 agent 內部或外部認知系統中的「未來表徵」，可以透過價值、風險、預期、規劃與資源配置，改變當前 policy 與 action。** 因此： $$ \boxed{ \text{Future Representation} \neq \text{Future Realization}. } $$ --- # 摘要 Tri-Temporal Cognitive Dynamics 前三篇依序建立： $$ \boxed{ \mathcal B_t^-, \qquad \mathcal B_t^0, \qquad \mathcal B_t^+. } $$ 其中 Past 是壓縮的歷史選擇譜系；Present 是歷史條件化後的有效可作用／可達域；Future 則是 agent 在當前資訊、representation、生成能力、world model、資源與 horizon contract 下所能構造的 prospective domain。 然而，只把三者並排仍然不是動力學。 真正使三生模型成為耦合系統的第一個核心問題是： > **尚未實現的未來，為什麼能改變現在？** 本文將答案限定在一個不需要任何物理逆因果的範圍： > 因為 future event 雖然尚未發生，但它在時間 $t$ 的 **representation** 已經發生。 定義 agent $A$ 在時間 $t$ 對 Future Base Space 的可操作表徵： $$ \boxed{ R_t^{+,A} = \operatorname{Rep}_t^A( \mathcal B_t^{+,A} ). } $$ 其中可包含： - future candidates； - probabilities； - simulated trajectories； - realization paths； - expected rewards / costs； - catastrophic scenarios； - desired targets； - uncertainty； - unknown future mass； - time horizons。 本文再定義 prospective valuation： $$ \boxed{ \mathcal V_t^A: R_t^{+,A} \rightarrow \mathbb R^m } $$ 它不必是一維 reward，而可同時包含： - utility； - risk； - safety； - reversibility； - opportunity； - option preservation； - information value； - institutional acceptability。 對當前 action： $$ a \in \mathcal A_t^{eff,A}, $$ 其 prospective action profile 可寫為： $$ \boxed{ Q_t^+(a) = \mathbb E_t \left[ \mathcal V_t^A(F) \mid do(a) \right] - C_t(a) - Risk_t(a), } $$ 其中 $F$ 表示 action-conditioned future candidate / future state variable。 本文將： $$ \boxed{ \mathcal A_t^+(a) = Q_t^+(a)-Q_t^{base}(a) } $$ 稱為 **Prospective Attraction（前瞻吸引量）**：它不是一種神秘「未來力」，而是加入 future representation 後，action $a$ 的當前估值相對沒有該 prospective information 時發生的改變。 若： $$ \mathcal A_t^+(a)>0, $$ future representation 對該 action 形成 positive attraction； 若： $$ \mathcal A_t^+(a)<0, $$ 形成 prospective repulsion； 若： $$ \mathcal A_t^+(a)\approx0, $$ 則該 future representation 對 action selection 幾乎沒有可測影響。 本文進一步提出 **Future-Ablation Test**。令： $$ \pi_t^{+} $$ 為使用 Future Base Space 的 policy， 而： $$ \pi_t^{-F} $$ 為將 prospective representation 移除或遮蔽後的 policy。 定義： $$ \boxed{ \Delta_\pi^+(t) = d_\pi( \pi_t^{+}, \pi_t^{-F} ). } $$ 若： $$ \Delta_\pi^+(t)>0, $$ 則至少可操作地說： > future representation 在該 task / agent / contract 下對 present policy 有因果功能。 本文並區分四種前瞻作用： 1. **Attraction**：朝某 future region 配置資源； 2. **Repulsion**：為避免某 future 而改變現在； 3. **Preparation**：為尚未到來的 future task 預先塑造環境； 4. **Option Preservation**：現在選擇較不破壞未來選項的路徑。 本文亦正式處理 reflexivity： $$ \boxed{ R_t^+ \rightarrow a_t \rightarrow P_{t+1}(F). } $$ 也就是： > forecast / imagined future 不只被動描述未來，它可能透過當前 action 改變該 future 的實現機率。 這產生： - self-fulfilling dynamics； - self-defeating dynamics； - constructive realization； - preventive realization； - forecast-induced path dependence。 因此，對 policy-coupled agent： $$ \boxed{ P(F\mid I_t) \neq P(F\mid I_t,\pi_t[R_t^+]) } $$ 一般完全可能。 外部 AI 與控制研究提供了非常清楚的工程相鄰例子。MuZero 在 learned model 裡考慮可能的 future action sequences，再用 search 選擇現在 action；DreamerV3 由 world model 預測 potential actions 的 future outcomes、critic 評價 imagined outcomes、actor 選擇導向高價值 outcomes 的 action；model-predictive control 與 model-based RL 直接以 predicted future trajectories / returns 選擇 present control；anticipatory planning 的 long-lived robot 則把 future task expected cost 加入當前 planning objective，以避免當前行為讓後續任務變昂貴。這些工作不等於 TCD，但共同支持一個有限而強的工程命題： $$ \boxed{ \text{represented or predicted futures can be computational inputs to present action selection}. } $$ 本文最後提出： $$ \boxed{ \textbf{The future does not need to exist physically at time }t\textbf{ in order to exist causally as a representation at time }t. } $$ 中文： > **未來不需要在時間 $t$ 已物理實現，才能以「未來表徵」的形式成為時間 $t$ 決策鏈的一部分。** 這是 TCD 第一次真正完成： $$ \boxed{ \mathcal B_t^+ \rightarrow \mathcal B_t^0. } $$ 下一篇 TCD-05 將研究另一條時間轉換： # **Historical Sedimentation** ## **現在如何沉積成過去：行動、依賴與路徑的歷史化** 即： $$ \boxed{ \mathcal B_t^0 \rightarrow \mathcal B_{t+1}^-. } $$ **關鍵詞：** Prospective Attraction、Anticipatory Planning、Future Representation、Decision Field、Model-Based Planning、World Models、MPC、Reflexivity、Self-Fulfilling Forecast、Tri-Temporal Cognitive Dynamics --- # 1. 三個時間底座齊全仍然不是動力學 TCD-03 結束時已有： $$ \boxed{ \mathfrak T_t^{(3)} = ( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+ ). } $$ 但這只是： $$ \boxed{ \text{temporal state tuple}. } $$ 真正 dynamic system 必須有： $$ \boxed{ \text{coupling operators}. } $$ --- # 2. 第一個真正反直覺的箭頭 過去影響現在： $$ \mathcal B_t^- \rightarrow \mathcal B_t^0 $$ 很直觀。 現在生成未來： $$ ( \mathcal B_t^-, \mathcal B_t^0 ) \rightarrow \mathcal B_t^+ $$ 也容易接受。 最容易讓人誤解的是： $$ \boxed{ \mathcal B_t^+ \rightarrow \mathcal B_t^0. } $$ --- # 3. 先排除 Retrocausality 本文不主張： $$ F_{t+10} $$ 已經從物理未來穿越回： $$ t. $$ 所以： $$ \boxed{ F_{t+\Delta} \not\to a_t } $$ 若 $F_{t+\Delta}$ 指「尚未發生的未來事件本身」。 --- # 4. 真正存在的是 Future Representation 在時間： $$ t, $$ agent 已經可以擁有： $$ \boxed{ R_t^+ = \operatorname{Rep}_t( F_{t+\Delta} ). } $$ 這個： $$ R_t^+ $$ 是現在的物理／計算／認知 state。 --- # 5. 所以真正因果鏈是 $$ \boxed{ R_t^+ \rightarrow V_t \rightarrow \pi_t \rightarrow a_t \rightarrow Z_{t+1}. } $$ 沒有任何時間倒流。 --- # 6. Future Event 與 Future Representation 必須永久分開 $$ \boxed{ F_{t+\Delta}^{real} \neq R_t^+(F_{t+\Delta}). } $$ --- # 7. 表徵可以錯，但仍然有現在因果力 即使： $$ R_t^+(F) $$ 完全錯誤， agent 若相信它， 仍可能： $$ a_t $$ 改變。 所以： $$ \boxed{ \text{causal influence of a forecast} \neq \text{truth of the forecast}. } $$ --- # 8. Phantom Future 本文把： > 不會實現／不可達，但仍強烈改變 present policy 的 future representation 稱為： $$ \boxed{ \text{Phantom Future}. } $$ --- # 9. Phantom Attraction 若： $$ f \in G_t^{IU} $$ 且： $$ |\mathcal A_t^+(a;f)| \gg0, $$ 稱： $$ \boxed{ \text{Phantom Attraction}. } $$ --- # 10. Phantom Future 可以造成真實後果 例如錯誤危機預測： $$ R_t^+ $$ 可能引起： - resource hoarding； - project cancellation； - defensive investment； - legal changes； - migration； - market reactions。 即使： $$ F^{real} $$ 最後沒發生。 --- # 11. 所以「沒發生」不等於「沒影響」 $$ \boxed{ \text{Non-realization} \neq \text{Non-influence}. } $$ 這會在後續歷史沉積篇非常重要。 --- # 12. Future Representation State 定義： $$ \boxed{ R_t^{+,A} = ( \Omega_t^{F,A}, \widehat P_t^A, \widehat \Pi_t^A, \widehat V_t^A, U_t^+ ). } $$ --- # 13. Future Candidate Layer $$ \Omega_t^{F,A} $$ 回答： > agent 覺得有哪些 future regions 值得建模？ --- # 14. Probability Layer $$ \widehat P_t^A $$ 回答： > agent 對候選的 likelihood / uncertainty 怎麼估？ --- # 15. Path Layer $$ \widehat\Pi_t^A $$ 回答： > 現在到 candidate 之間有哪些 realization paths？ --- # 16. Value Layer $$ \widehat V_t^A $$ 回答： > candidate 對 agent / task / institution 的價值、風險、成本、重要性如何？ --- # 17. Unknown Layer $$ U_t^+ $$ 提醒： > 目前 future representation 不 exhaustive。 --- # 18. Future Candidate 沒有 Value 就不一定影響 action 如果： $$ V_t(f)=0 $$ 且它不影響其他 dependency， 則： $$ \mathcal A_t^+(a;f) \approx0. $$ --- # 19. Future Valuation Operator 定義： $$ \boxed{ \mathcal V_t^A: R_t^{+,A} \rightarrow \mathbf v_t^A. } $$ --- # 20. Value 不必是一維 reward $$ \boxed{ \mathbf v_t = ( U, Risk, Safe, Rev, Info, Option, Norm, Cost ). } $$ 例如： - utility； - catastrophic risk； - safety； - reversibility； - information gain； - future option preservation； - normative admissibility； - lifecycle cost。 --- # 21. Present Action Score 對： $$ a\in\mathcal A_t^{eff}, $$ 定義概念性： $$ \boxed{ Q_t(a) = Q_t^{imm}(a) + \beta_t Q_t^+(a). } $$ --- # 22. Immediate Component $$ Q_t^{imm}(a) $$ 表示： > 只看當前／近端 outcome 的 action value。 --- # 23. Prospective Component $$ \boxed{ Q_t^+(a) = \mathbb E_t [ V_t(F) \mid a ]. } $$ 若有合法 causal semantics： $$ \boxed{ Q_t^+(a) = \mathbb E_t [ V_t(F) \mid do(a) ]. } $$ --- # 24. $\beta_t$ 是 Future Weight $$ \boxed{ \beta_t\ge0. } $$ 它可反映： - discount； - urgency； - confidence； - planning horizon； - institutional mandate。 --- # 25. Future-Blind Policy 若： $$ \beta_t=0, $$ agent 完全不考慮 prospective component。 定義： $$ \boxed{ \pi_t^{-F}. } $$ --- # 26. Future-Aware Policy 若： $$ \beta_t>0, $$ 定義： $$ \boxed{ \pi_t^{+}. } $$ --- # 27. Future-Ablation Test 定義： $$ \boxed{ \Delta_\pi^+(t) = d_\pi( \pi_t^{+}, \pi_t^{-F} ). } $$ --- # 28. 這是最小可驗證 Prospective Coupling 若： $$ \Delta_\pi^+(t)>0, $$ 則： > 移除 future representation 確實改變 policy。 這比哲學式說： > agent 被未來吸引。 嚴格得多。 --- # 29. Prospective Attraction 定義 baseline action value： $$ Q_t^{base}(a). $$ 加入某 future representation： $$ f $$ 後： $$ Q_t^{f}(a). $$ 定義： $$ \boxed{ \mathcal A_t^+(a;f) = Q_t^{f}(a)-Q_t^{base}(a). } $$ --- # 30. Positive Attraction 若： $$ \mathcal A_t^+(a;f)>0, $$ candidate： $$ f $$ 提高現在選擇： $$ a $$ 的吸引力。 --- # 31. Prospective Repulsion 若： $$ \mathcal A_t^+(a;f)<0, $$ candidate： $$ f $$ 降低： $$ a $$ 的吸引力。 --- # 32. 未來災難通常以 Repulsion 工作 例如： $$ f_{cat} $$ 是 catastrophic future。 agent 不會： > 朝災難走。 而是： $$ \boxed{ \text{avoidance policy}. } $$ --- # 33. 所以 Prospective Attraction 是 Signed $$ \boxed{ \mathcal A_t^+\in\mathbb R. } $$ 名字「Attraction」包含： - attraction； - repulsion。 --- # 34. Future Field 對所有 actions： $$ \mathcal A_t^{eff}, $$ 定義： $$ \boxed{ \mathbf A_t^+ = \{ \mathcal A_t^+(a) : a\in\mathcal A_t^{eff} \}. } $$ 可稱： # **Prospective Decision Field** --- # 35. 它不是物理 Field 本文中的 field 是： $$ \boxed{ \text{action-space valuation field}. } $$ 不是電磁場、重力場或量子場。 --- # 36. Multiple Futures Superpose in Decision Space 如果有： $$ f_1,\ldots,f_n, $$ 可寫： $$ \boxed{ \mathcal A_t^+(a) = \sum_i w_i \mathcal A_t^+(a;f_i) } $$ 作概念近似。 --- # 37. 但不保證線性可加 未來 candidates 可能： - incompatible； - dependent； - mutually exclusive； - nonlinear utility。 所以完整情況應： $$ \boxed{ \mathcal A_t^+ = \mathcal G( \mathcal B_t^+ ). } $$ --- # 38. Probability-Weighted Future Value 常見簡化： $$ \boxed{ Q_t^+(a) = \sum_i P_t(f_i\mid a) V_t(f_i). } $$ --- # 39. Unknown Future 也必須進 Value 沿 TCD-03： $$ p_\bot $$ 不能默認零。 所以： $$ \boxed{ Q_t^+(a) = \sum_i p_iV_i + p_\bot V_\bot. } $$ --- # 40. $V_\bot$ 不可精確知道 因此可使用： - robust bound； - ambiguity set； - worst-case penalty； - option-preservation bonus； - exploration value。 --- # 41. Unknown-Aware Present Action 一個成熟 agent 不應因： $$ \bot_F $$ 存在就完全停止。 但也不應假裝： $$ \bot_F=0. $$ --- # 42. Prospective Uncertainty Weight 可定義： $$ \boxed{ UWeight_t(a) } $$ 表示 action 在 unknown future 下的 robust / fragile 程度。 --- # 43. Option Preservation 如果兩個 actions： $$ a_1,a_2 $$ 短期 reward 相同， 但： $$ a_1 $$ 保留更多 future paths， 則： $$ \boxed{ OptionValue(a_1) > OptionValue(a_2). } $$ --- # 44. Present Action Can Be Chosen for Future Optionality 這就是： $$ \boxed{ \text{Option-Preservation Coupling}. } $$ --- # 45. 這直接接 TCD-02 TCD-02 已經有： - forkability； - reversibility； - exit capacity； - recoverability。 TCD-04 現在把這些變成： > present policy 為了 future flexibility 而主動保留。 --- # 46. Prospective Preparation 有些現在 action： $$ a_t $$ 不直接增加 current reward。 它只是： > 為尚未到來的 future task 做準備。 --- # 47. Anticipatory Planning 的直接工程例子 long-lived robot planning 研究指出： > 如果 robot 只解當前 task，可能把環境弄得讓未來 tasks 更昂貴。 因此 planner 把： $$ \boxed{ \text{expected future task cost} } $$ 加入現在 objective。 --- # 48. TCD 對 Anticipatory Planning 的讀法 $$ \boxed{ R_t^+(FutureTasks) \rightarrow Q_t(a) \rightarrow a_t. } $$ 這是 Prospective Attraction 的乾淨工程 instance。 --- # 49. Preparation Action 定義： $$ \boxed{ a_t^{prep} } $$ 若： $$ Reward_t(a_t^{prep}) $$ 不高， 但： $$ ExpectedFutureCost \downarrow. $$ --- # 50. Present Sacrifice for Future Gain 有時： $$ Q_t^{imm}(a)<0 $$ 但： $$ Q_t^+(a)\gg0. $$ 所以總： $$ Q_t(a)>0. $$ --- # 51. 這就是延遲滿足的通用結構 不論： - 人類 saving； - robot preparation； - company R&D； - scientific infrastructure； - training； - preventive safety； 都可以有同一結構： $$ \boxed{ \text{present cost} \rightarrow \text{future value}. } $$ --- # 52. 但相同結構不代表相同倫理 TCD 只描述 dynamics。 不宣稱： > 犧牲現在永遠合理。 --- # 53. Discounting 常見： $$ \boxed{ Q_t^+(a) = \sum_{k=1}^{H-t} \gamma^k \mathbb E[ r_{t+k}\mid a ]. } $$ --- # 54. $\gamma$ 不是宇宙常數 $$ \gamma $$ 反映： - preference； - uncertainty； - institution； - task； - risk。 --- # 55. Long-Horizon Neglect 若： $$ \gamma\ll1, $$ 遠未來幾乎失去 influence。 --- # 56. Long-Horizon Overreach 若 agent 給極遠 future： $$ \gamma\approx1 $$ 但 model uncertainty 很高， 可能： > 用非常不可靠的未來壓倒現在。 --- # 57. Confidence-Adjusted Future Weight 可以： $$ \boxed{ \beta_t(f) = g( H, Confidence, Evidence, Impact ). } $$ --- # 58. Present Policy as Future-Conditioned Map 一般： $$ \boxed{ \pi_t = \Pi( \mathcal B_t^0, R_t^+ ). } $$ --- # 59. Same Present, Different Future Representation 若： $$ \mathcal B_t^{0,A} = \mathcal B_t^{0,B}, $$ 但： $$ R_t^{+,A} \neq R_t^{+,B}, $$ 則可： $$ \boxed{ \pi_t^A \neq \pi_t^B. } $$ --- # 60. 這是 TCD-04 的核心可檢驗命題 建立相同 current state， 只操控 future representation， 看 present action 是否改變。 --- # 61. Future Representation Intervention 實驗上： $$ \boxed{ do( R_t^+=r_1 ) } $$ 與： $$ \boxed{ do( R_t^+=r_2 ) } $$ 比較： $$ a_t. $$ --- # 62. 只有在合法 intervention design 下才使用 do 如果只是 observational correlation， 不要濫用： $$ do. $$ --- # 63. Prospective Influence Effect 定義： $$ \boxed{ \Delta_a^+ = \mathbb E[ a_t\mid do(R_t^+=r_1) ] - \mathbb E[ a_t\mid do(R_t^+=r_0) ]. } $$ --- # 64. Action 不是數值時 可比較： - policy KL divergence； - action distribution distance； - plan edit distance； - resource allocation distance。 --- # 65. Resource Allocation future representation 最常見作用之一： $$ \boxed{ R_t^+ \rightarrow Budget_t. } $$ --- # 66. Research Forecast Example 如果 agent 認為： $$ f_{AI-native\ OS} $$ 高 realizability， 可能： $$ Budget( AI-native\ OS )\uparrow. $$ --- # 67. Resource Allocation 再改 Future $$ \boxed{ Budget_t(f) \uparrow \rightarrow P_{t+1}(f) \uparrow } $$ 可能成立。 --- # 68. 這是 Reflexivity 定義： $$ \boxed{ R_t^+ \rightarrow a_t \rightarrow P_{t+1}(F). } $$ --- # 69. Forecast 不再純 Observational 如果 forecast 被 policy 使用， 則： $$ \boxed{ P(F\mid I_t) } $$ 與： $$ \boxed{ P(F\mid I_t,\pi[R_t^+]) } $$ 可能不同。 --- # 70. Self-Fulfilling Future 若： $$ R_t^+(f) \rightarrow a_t $$ 使： $$ P(f)\uparrow, $$ 稱： $$ \boxed{ \text{Self-Fulfilling Prospective Loop}. } $$ --- # 71. Self-Defeating Future 若災難 forecast： $$ R_t^+(f_{bad}) $$ 促使 preventive action， 使： $$ P(f_{bad})\downarrow, $$ 稱： $$ \boxed{ \text{Self-Defeating / Preventive Loop}. } $$ --- # 72. 預測失敗可能代表防範成功 例如： $$ P(f_{bad})=0.8 $$ 觸發有效 preventive action， 最後： $$ f_{bad}=0. $$ 不能單純說： > forecaster 預測錯。 --- # 73. Need Policy-Conditional Forecast Evaluation 應問： $$ \boxed{ P( F \mid PolicyRegime ). } $$ --- # 74. Constructive Realization PCI 已區分： $$ \boxed{ PredictiveRealization \neq ConstructiveRealization. } $$ TCD-04 現在給它動力學： $$ \boxed{ R_t^+(f) \rightarrow a_t \rightarrow f. } $$ --- # 75. Constructive Realization 不一定是完整自我實現 可能只有： $$ \boxed{ \text{partial causal contribution}. } $$ --- # 76. Influence Fraction 概念上： $$ \boxed{ \eta_{inf}(f) = \text{fraction / contribution of forecast-induced action to realization}. } $$ 真實世界通常難精確估。 --- # 77. Influence Ledger 因此更實務的方法是： - publication； - funding； - direct adoption； - prototype； - policy citation； - engineering reuse； 保存 provenance。 --- # 78. Prospective Commitment 有些 future representation 一旦被採用， 現在會進入： $$ \boxed{ \text{commitment}. } $$ 例如： - long-term contract； - infrastructure； - training； - standard； - architecture choice。 --- # 79. Commitment Creates Path Dependence $$ R_t^+ \rightarrow a_t^{commit} \rightarrow D_{t+1} $$ 其中： $$ D_{t+1} $$ 是新的 dependency residue。 --- # 80. Future Representation Can Become Past Structure 這一點非常重要： $$ \boxed{ \text{imagined future} \rightarrow \text{present commitment} \rightarrow \text{future historical residue}. } $$ --- # 81. 這已經形成小閉環 $$ \boxed{ \mathcal B_t^+ \rightarrow \mathcal B_t^0 \rightarrow \mathcal B_{t+1}^-. } $$ 第二箭頭由 TCD-05 正式處理。 --- # 82. MuZero 的外部校準 MuZero 從 current position 建立 latent state， 再用 learned dynamics： $$ g $$ 與 prediction function： $$ f $$ 展開 possible future action sequences。 MCTS 使用這些 future representations 選現在 action。 --- # 83. TCD 對 MuZero 的最小讀法 $$ \boxed{ \text{modelled futures} \rightarrow \text{current search / action}. } $$ 不需要更強哲學宣稱。 --- # 84. DreamerV3 的外部校準 DreamerV3： - world model 預測 potential actions outcomes； - critic 評估 imagined outcomes； - actor 選擇 actions。 --- # 85. DreamerV3 的 TCD 對照 幾乎直接是： $$ \boxed{ R_t^+ \rightarrow V_t \rightarrow \pi_t. } $$ --- # 86. MPC 的外部校準 Model Predictive Control： > 從現在 state 出發，模擬多個 future control sequences，估 future trajectories / costs，再執行現在第一步。 --- # 87. Receding Horizon 執行一個 action 後， 重新： $$ \boxed{ observe \rightarrow predict \rightarrow optimize \rightarrow act. } $$ --- # 88. TCD 對 MPC 的讀法 Future Base Space 不是一次永久建立。 而是： $$ \boxed{ \text{continuously regenerated}. } $$ --- # 89. Adaptive RL-MPC 2026 校準 2026 的 hierarchical RL-MPC 工作更直接耦合： - learned value； - MPC sampling； - uncertainty； - policy improvement。 它顯示： $$ \boxed{ \text{future sampling and current policy learning can mutually update}. } $$ --- # 90. TCD 不等於 MPC TCD 的 scope 更廣， 可包含： - scientific futures； - institutions； - AI architecture； - technology； - social planning。 所以只把 MPC 當： $$ \boxed{ \text{engineering micro-model}. } $$ --- # 91. Prospective Attraction Can Be Symbolic 不一定要 world-model rollout。 例如： > 若產品走 architecture A，五年後 vendor lock-in 很高。 這個 symbolic future claim 也可： $$ R_t^+ \rightarrow a_t. $$ --- # 92. Prospective Attraction Can Be Narrative 人類也常以 narrative future： - career； - family； - nation； - technology； 塑造現在。 但 TCD 仍要求： > 若要做 empirical claim，就要 operationalize。 --- # 93. Future Framing Effect 同一 objective future， 不同 representation： $$ R_t^{+,1} \neq R_t^{+,2} $$ 可能造成不同 policy。 --- # 94. 這是風險 future narrative 可以： - inform； - motivate； - manipulate； - scare； - capture。 --- # 95. Prospective Manipulation 若 actor $B$： $$ \boxed{ R_t^{+,A} \leftarrow Message_t^B } $$ 故意操縱 A 的 future representation， 就能間接改： $$ a_t^A. $$ --- # 96. Future-Control Channel 因此： $$ \boxed{ \text{control over future representation} } $$ 本身可以成為： $$ \boxed{ \text{control over present action}. } $$ --- # 97. 這是 Normative Interface，但本文不展開倫理 後續可研究： - propaganda； - risk communication； - recommendation； - AI persuasion； - scenario framing。 TCD-04 先只建立 mechanism。 --- # 98. Prospective Framing Robustness 可用： $$ \boxed{ Q_{frame} = 1- d_\pi( \pi[R_1], \pi[R_2] ) } $$ 在 $R_1,R_2$ 語義等價時測 framing sensitivity。 --- # 99. Future Representation Quality 一個高品質 prospective system 應至少考慮： $$ \boxed{ Q_{R^+} = ( Calibration, Coverage, CausalQuality, PathQuality, Uncertainty, Resolution ). } $$ --- # 100. False Future Can Be More Motivating Than True Future 這是重要警告。 $$ \boxed{ Influence \neq Accuracy. } $$ --- # 101. 所以不能用「有沒有改變行動」判斷 forecast 好不好 Prospective influence 與 forecast quality 必須分開。 --- # 102. Influence–Accuracy Matrix | | Low Accuracy | High Accuracy | |---|---|---| | Low Influence | 無效噪音 | 被忽略的好預測 | | High Influence | 危險幻影未來 | 有效前瞻控制 | --- # 103. Ideal Prospective Control 理想： $$ \boxed{ Accuracy\uparrow, \qquad Influence\ proportional\ to\ Evidence. } $$ --- # 104. Evidence-Proportional Influence 定義概念： $$ \boxed{ I_t(f) \propto Q_E(f). } $$ 高 evidence future 才應有高 policy weight。 --- # 105. 但 Low Probability High Impact 仍可能值得高 Influence 所以不能只： $$ I_t(f)\propto P(f). $$ 還需： $$ Impact(f). $$ --- # 106. Risk-Sensitive Prospective Weight 概念： $$ \boxed{ W_t(f) = g( P, Impact, Uncertainty, Reversibility, VOI ). } $$ --- # 107. Prospective Policy Equation 本文給出一個最小總式： $$ \boxed{ \pi_t = \Pi \left( \mathcal B_t^0, \mathcal V_t( R_t^+ ), \mathbf B_t, \kappa \right). } $$ --- # 108. TCD-04 Coupling Operator 定義： $$ \boxed{ \Phi_{+0}: ( \mathcal B_t^+, \mathcal B_t^0 ) \rightarrow \pi_t. } $$ --- # 109. 更完整寫法 $$ \boxed{ \mathcal B_t^{0,\mathrm{policy}} = \Phi_{+0} ( \mathcal B_t^0, R_t^+ ). } $$ 這表示： > 同一可作用現在，在不同 future representation 下，可形成不同 policy-conditioned present。 --- # 110. Present Domain 本身也可能被 Future 立即改寫 例如 agent 決定： > 為未來目標保留某資源。 則現在： $$ \mathcal A_t^{eff} $$ 也可能縮小。 --- # 111. Reserved Resources 若： $$ Res_t^{reserved}(f)>0, $$ 則當前可用： $$ Res_t^{free} = Res_t - Res_t^{reserved}. $$ --- # 112. 所以 Future 不只改 Policy Ranking 它甚至能改： $$ \boxed{ \mathcal B_t^0 } $$ 本身。 --- # 113. Example: R&D Commitment 未來候選： $$ f_{new\ architecture} $$ 被高評價後， 公司： - allocate team； - reserve GPU； - freeze competing design； - sign contract。 因此 present actionable domain 已改變。 --- # 114. Prospective Self-Restriction 有時 agent 為了未來： $$ f $$ 會主動關閉現在 options。 $$ \boxed{ \mathcal B_t^0 \rightarrow \mathcal B_t^{0'} \subset \mathcal B_t^0. } $$ --- # 115. Self-Restriction 可能合理，也可能危險 例如： - savings； - training； - safety commitment； 可能合理。 但： - cult prediction； - false crisis； - bad long-term forecast； 也可能造成 destructive lock-in。 --- # 116. Future-Induced Lock-In 定義： $$ \boxed{ L_t^+(f) } $$ 表示由 future representation 引發的 present commitment 對 alternative future paths 的刪除程度。 --- # 117. Future-Induced Branch Opening 反過來， future candidate 也可能促使： - new skill； - new infrastructure； - new research； - new rights； - new tool。 使： $$ \boxed{ \mathcal B_{t+1}^0 } $$ 擴大。 --- # 118. 所以 Future Representation 可以縮域也可以開域 $$ \boxed{ \Delta|\mathcal B_t^0| \lessgtr0. } $$ --- # 119. Prospective Attraction 不等於 Optimism negative future： $$ f_{bad} $$ 也能強烈改變 policy。 所以： $$ \boxed{ ProspectiveAttraction \neq PositiveThinking. } $$ --- # 120. Prospective Attraction 不等於 Desire agent 可以非常不想要： $$ f, $$ 但因它機率高而強烈行動。 --- # 121. Prospective Attraction 不等於 Prediction 預測： $$ P(f)=0.9 $$ 但如果： $$ V(f)=0, $$ action 幾乎不變。 --- # 122. Prospective Attraction 不等於 Value Alone agent 很想要： $$ f, $$ 但： $$ P(f)\approx0 $$ 且 path 不存在， 也可能不投入。 --- # 123. 最小三因素 因此： $$ \boxed{ \text{Prospective Influence} \sim Probability \times Value \times Actionability. } $$ 只作概念，不作 universal law。 --- # 124. Actionability of Future 定義： $$ \boxed{ Act_F(f) } $$ 表示 agent 現在是否有 actions 能 materially 改變： $$ P(f). $$ --- # 125. Uncontrollable Future 如果： $$ Act_F(f)\approx0, $$ 即使： $$ P(f),V(f) $$ 很高， present action 可能有限。 --- # 126. Controllable Future 如果： $$ Act_F(f)\gg0, $$ future representation 更容易產生 policy shift。 --- # 127. Prospective Control Frontier 本文提出： $$ \boxed{ \mathcal F_{+0} = \operatorname{ParetoFront} \{ ( ForecastQuality, PolicyGain, Safety, OptionPreservation, Robustness, -Cost ) \}. } $$ --- # 128. 不以「改變越大」為越好 如果錯誤 future： $$ R_t^+ $$ 造成巨大 policy shift， 那是： $$ \boxed{ \text{high influence, low quality}. } $$ --- # 129. Benchmark A — Future Ablation 同一 agent / current state： ### A 有 future representation。 ### B 遮蔽 future representation。 比較： $$ \Delta_\pi^+. $$ --- # 130. Benchmark B — True vs False Future 提供： - calibrated future； - plausible false future。 測 influence / accuracy 是否分離。 --- # 131. Benchmark C — Positive vs Negative Future 同一 magnitude： - desired future； - catastrophic future。 看 attraction / repulsion dynamics。 --- # 132. Benchmark D — Preparation Task 讓 current reward 偏好 myopic action， 但 future task sequence 偏好 preparation action。 測 future-aware policy 是否降低 long-run total cost。 --- # 133. Benchmark E — Option Preservation 短期 reward 相同， 但： $$ a_1 $$ 保留更多 future branches。 測 agent 是否選： $$ a_1. $$ --- # 134. Benchmark F — Self-Fulfilling Loop future forecast 公開後， 允許 agent / population response。 比較： $$ P(F\mid forecast\ hidden) $$ 與： $$ P(F\mid forecast\ public). $$ --- # 135. Benchmark G — Preventive Loop forecast catastrophe， 允許 mitigation。 檢查： > forecast failure 是否其實是 intervention success？ --- # 136. Benchmark H — Framing Robustness future semantics 相同， 只改 narrative framing。 測： $$ \Delta_\pi^{frame}. $$ --- # 137. Benchmark I — Unknown Future Weight 改： $$ p_\bot. $$ 測 agent 是否： - preserve options； - seek information； - reduce irreversible commitment。 --- # 138. 可否證條件 ## F138.1 Future-Ablation Null 若： $$ \Delta_\pi^+\approx0 $$ 在所有 relevant tasks 成立， 則 prospective representation 不構成重要 coupling。 ## F138.2 Representation-Truth Confusion 若 framework 把 future representation 的 present causal influence誤寫成 future event retrocausality， 理論失效。 ## F138.3 Influence–Accuracy Collapse 若無法分離： $$ Influence $$ 與： $$ ForecastAccuracy, $$ 則 phantom future / constructive realization 無法 audit。 ## F138.4 Policy Confounding 若 policy 差異其實來自： - extra compute； - extra information； - hidden reward changes； 不能全算 prospective attraction。 ## F138.5 Simulator Dependence 若 prospective gain 只存在於某一錯誤 simulator， 不能外推 real-world control。 ## F138.6 Normative Overreach 若把： $$ \text{future influence} $$ 直接變成： $$ \text{future ought to dominate present}, $$ 則偷換 descriptive / normative domain。 --- # 139. TCD-04 第一條原則 $$ \boxed{ \textbf{Represented-Future Causation Principle} } $$ > **尚未實現的 future event 不需要具有物理逆因果；只要其 representation 在現在存在，它就能經由 valuation 與 policy 成為現在 action 的正常因果輸入。** --- # 140. TCD-04 第二條原則 $$ \boxed{ \textbf{Influence–Truth Separation Principle} } $$ > **future representation 對 present action 的影響強度與該 future 是否真實／可實現必須分開評估。** --- # 141. TCD-04 第三條原則 $$ \boxed{ \textbf{Prospective Option Principle} } $$ > **present action 可以因其對未來可達域、可逆性、退出能力與 option preservation 的影響而被重新排序。** --- # 142. TCD-04 第四條原則 $$ \boxed{ \textbf{Reflexive Future Principle} } $$ > **當 forecast 或 future representation 被用於決策時，它可能改變其所預測 future 的實現機率；因此 policy-coupled forecast evaluation 必須區分純預測與介入後結果。** --- # 143. TCD-04 第五條原則 $$ \boxed{ \textbf{Future-Ablation Principle} } $$ > **若要證明 future representation 對 present policy 有功能性作用，應比較有／無 prospective representation 的 controlled policy difference，而不是只靠概念敘述。** --- # 144. 三生耦合目前完成到哪裡？ 現在有： $$ \boxed{ \mathcal B_t^- \rightarrow \mathcal B_t^0 } $$ 歷史塑造現在。 --- # 145. 也有： $$ \boxed{ ( \mathcal B_t^-, \mathcal B_t^0 ) \rightarrow \mathcal B_t^+ } $$ 過去與現在共同生成 future space。 --- # 146. 本文新增： $$ \boxed{ \mathcal B_t^+ \rightarrow \mathcal B_t^0 } $$ represented future 重塑 present policy / domain。 --- # 147. 下一條是： $$ \boxed{ \mathcal B_t^0 \rightarrow \mathcal B_{t+1}^-. } $$ 現在如何變成歷史。 --- # 148. 與 TCD-05 的接口 下一篇： # **TCD-05 — Historical Sedimentation** ## **現在如何沉積成過去：行動、依賴與路徑的歷史化** 將研究： $$ a_t \rightarrow D_{t+1} \rightarrow \mathcal B_{t+1}^-. $$ 以及： > 哪些 present alternatives 在 action 後變成已實現歷史、未選歷史、lost option 與新的 dependency residue？ --- # 149. 結論 TCD-03 結束時， 我們有： $$ \boxed{ \mathcal B_t^+ } $$ 但它仍然只是「被生成的未來認知域」。 TCD-04 現在第一次讓它動起來。 未來尚未發生。 但是： $$ \boxed{ R_t^+ } $$ 已經發生。 它是現在的： - prediction； - simulation； - hope； - fear； - target； - plan； - scenario； - theory； - technology candidate。 只要它進入： $$ \boxed{ V_t } $$ 就可能改變： $$ \boxed{ \pi_t. } $$ 而： $$ \pi_t $$ 再改變： $$ \boxed{ a_t. } $$ 所以真正的鏈不是： $$ \boxed{ Future \rightarrow Past. } $$ 而是： $$ \boxed{ \operatorname{Representation}_t(Future) \rightarrow Valuation_t \rightarrow Policy_t \rightarrow Action_t. } $$ 這是一條完全普通的正向時間因果鏈。 但在認知層看起來， 它具有一個非常重要的效果： > **一個尚未存在的未來，可以因為現在已經有了它的表徵，而讓現在開始朝它靠近、遠離它、為它準備，或為避免它而重構自己。** 因此： $$ \boxed{ \textbf{Future does not have to be real yet to be decision-real now.} } $$ 中文： > **未來不必現在就已實現，才能在現在成為決策上的真實因素。** 這就是本文所稱： # **Prospective Attraction** 到這一步， 三生認知動力學第一次不再只是： $$ ( Past, Present, Future ) $$ 三個盒子。 而開始真正形成： $$ \boxed{ \text{coupled temporal cognition}. } $$ --- # Claim Typing | Claim | Type | Status | |---|---|---| | Future event 與 future representation 非同一 | D | Canonical separation | | Future representation 可透過 valuation / policy 影響 present action | D / E | Core mechanism + established engineering analogue | | Prospective Attraction 可用 future-ablation policy difference operationalize | D | Proposed experimental formalization | | Influence 與 forecast truth / accuracy 非同一 | D | Canonical separation | | Forecast-induced action 可改變 future realization probability | D / C | Reflexivity framework | | MuZero uses modelled future sequences for present planning | E | External engineering evidence | | DreamerV3 uses imagined trajectories / value to learn present policy | E | External engineering evidence | | MPC evaluates predicted future trajectories to choose current controls | E | Established control mechanism | | Anticipatory planning uses estimated future-task cost in present planning | E | External robotics evidence | | Prospective Attraction is physical retrocausality | — | Explicitly rejected | | Future influence implies future ought to dominate present | — | Explicitly rejected | --- # Evidence Ladder 本文目前主要位於： - **L0**：Prospective Attraction 正典定義； - **L1–L2**：future-ablation、preparation、option-preservation、reflexivity benchmark； - **L3**：MuZero、DreamerV3、MPC、anticipatory planning 提供工程相鄰證據； - **L4**：需要 long-lived AI / robot / institution 的 policy-coupled future-representation experiments； - **L5+**：完整六向 TCD coupling 與 real-world long-horizon reflexivity 尚未完成。 --- # 參考文獻 ## Neo.K 內部正典與譜系 1. Neo.K with Aletheia. *Generative Forecasting*. UCPNP Series II Paper 13, 2026. 2. Neo.K with Aletheia. *Prospective Constructive Intelligence*. UCPNP Series II Paper 14, 2026. 3. Neo.K with Aletheia. *Past Is Not Memory*. TCD-01, 2026. 4. Neo.K with Aletheia. *The Present Is Not a Point*. TCD-02, 2026. 5. Neo.K with Aletheia. *Future as a Generated Base Space*. TCD-03, 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. Bharadhwaj, H., Xie, K., & Shkurti, F. *Model-Predictive Control via Cross-Entropy and Gradient-Based Optimization*. Proceedings of L4DC, PMLR 120, 2020. 9. Zhang, R., Fu, H., Miao, Y., & Konidaris, G. *Model-based Reinforcement Learning for Parameterized Action Spaces*. ICML, PMLR 235, 2024. 10. Dhakal, R., Talukder, M. R. H., & Stein, G. J. *Anticipatory Planning: Improving Long-Lived Planning by Estimating Expected Cost of Future Tasks*. arXiv:2305.04692, 2023. 11. Talukder, M. R. H., Arnob, R. I., & Stein, G. J. *Anticipatory Planning for Performant Long-Lived Robot in Large-Scale Home-Like Environments*. arXiv:2411.12837, 2024. 12. Hori, T., DeCastro, J., Gopinath, D. E., Balachandran, A., & Rosman, G. *Learning to Plan, Planning to Learn: Adaptive Hierarchical RL-MPC for Sample-Efficient Decision Making*. L4DC 2026, PMLR 331, 2026. 13. Pascanu, R., Li, Y., Vinyals, O., et al. *Learning Model-Based Planning from Scratch*. arXiv:1707.06170, 2017. --- ## Public Version Disclaimer 本文是一個 cognitive / decision / control dynamics framework。 本文不聲稱： - future events physically cause earlier events； - Prospective Attraction 是物理場； - agent 想像的未來是真實未來； - forecast influence 等於 forecast accuracy； - self-fulfilling forecast 等於 valid prediction； - preventive forecast failure 等於 forecast incompetence； - empowerment、option preservation 或 long-term planning 自動具有規範優先性； - simulated trajectories 等於 real-world futures； - 本文已完成全部 Tri-Temporal Cognitive Dynamics； - 本文對 classical $P$ vs. $NP$ 提供任何新證明。 本文真正建立的是： $$ \boxed{ \text{Future Event} \neq \text{Future Representation}. } $$ 以及： $$ \boxed{ \text{Future Representation}_t \rightarrow \text{Present Valuation}_t \rightarrow \text{Present Policy}_t. } $$ 這就是： $$ \boxed{ \mathcal B_t^+ \rightarrow \mathcal B_t^0 } $$ 在 TCD 中的第一個正式、非逆因果版本。