# 觀察—抽象—實現循環
## 抽象規律如何重設觀察算子、細化可辨識實在並產生新的世界 token

**English Title:** *The Observation–Abstraction–Realization Loop: How Abstract Structures Redesign Observation Operators, Refine Accessible Reality, and Generate New World Tokens*  
**Series:** Reality–Abstraction Asymmetry and Meta-Causal Grounding Series  
**Paper:** 03  
**Author:** Neo.K  
**Institution:** EveMissLab / 一言諾科技有限公司  
**Version:** v0.1  
**Date:** 2026-08-14  
**Theoretical status:** dynamic epistemology and intervention framework with conditional theorems; not a proof that abstract entities causally govern physical reality

---

## 摘要

本文將前兩篇建立的實在—抽象觀察非對稱與抽象—實現非互逆性，整合成一個動態「觀察—抽象—實現循環」（Observation–Abstraction–Realization Loop, OARL）。核心主張不是「抽象世界支配實在世界」，而是一個較精確、可被工程與科學實踐驗證的命題：有限觀察者先透過觀察系統取得實在 token 的資料，再從資料與既有理論中抽取抽象結構；這些抽象結構可以被用來設計新儀器、新實驗、新干預與新實現，而這些新的實現反過來改變下一輪可用的觀察算子與可接取實在域。

本文定義時間 $t$ 的研究狀態：

$$
\mathfrak K_t
=
(
\mathcal R_t,
\mathbb O_t,
\mathcal Y_t,
\mathcal A_t,
\mathcal J_t,
\mathcal G_t
),
$$

其中 $\mathcal R_t$ 為當下 realized working domain， $\mathbb O_t$ 為觀察系統， $\mathcal Y_t$ 為資料域， $\mathcal A_t$ 為當下可操作抽象內容域， $\mathcal J_t$ 為不變量／抽象化準則，而 $\mathcal G_t$ 為設計、推理與介入規則族。

單輪 OARL 被拆成五個 typed stages：

$$
\mathcal R_t
\xrightarrow{\operatorname{Obs}_t}
\mathcal Y_t
\xrightarrow{\operatorname{Abs}_t}
\mathcal A_t^{+}
\xrightarrow{\operatorname{Des}_t}
\mathcal D_t
\xrightarrow{\operatorname{Real}_t}
\mathcal R_{t+1}^{+}
\xrightarrow{\operatorname{Upd}_t}
\mathbb O_{t+1}.
$$

這裡 $\operatorname{Des}_t$ 不直接「使抽象造成物質」，而把抽象結構、目標與限制轉成 design specification； $\operatorname{Real}_t$ 則由實際 causal processes 生產儀器、樣品、算法載體或其他 token。因此本文明確區分：

$$
\boxed{
\text{abstract constraint}
\neq
\text{physical efficient cause}.
}
$$

本文進一步區分兩類回饋。第一類是**認識論擴張**：新理論與新儀器改變觀察算子，使先前落在同一 observation-equivalence class 的實在狀態被新觀察分開。第二類是**本體／實現域介入**：新設計真的在世界中產生先前不存在的 realized token。前者改變「能區分什麼」，後者改變「世界中被實現了什麼」，兩者不能混稱為「發現」。

本文證明「觀察分割細化定理」。令兩個觀察算子：

$$
\mathcal O_t:
\mathcal R_{\mathrm{ref}}
\rightarrow
\mathcal Y_t,
$$

$$
\mathcal O_{t+1}:
\mathcal R_{\mathrm{ref}}
\rightarrow
\mathcal Y_{t+1}.
$$

若存在 decoder：

$$
d_t:
\mathcal Y_{t+1}
\rightarrow
\mathcal Y_t
$$

使：

$$
\mathcal O_t
=
d_t\circ
\mathcal O_{t+1},
$$

則新觀察保留舊觀察的全部 distinction，且：

$$
[r]_{\mathcal O_{t+1}}
\subseteq
[r]_{\mathcal O_t}.
$$

若至少存在一對：

$$
r_1\neq r_2
$$

滿足：

$$
\mathcal O_t(r_1)
=
\mathcal O_t(r_2),
$$

但：

$$
\mathcal O_{t+1}(r_1)
\neq
\mathcal O_{t+1}(r_2),
$$

則 refinement 為嚴格：

$$
\mathcal P_{t+1}
\prec
\mathcal P_t,
$$

其中 $\mathcal P_t$ 是 $\mathcal O_t$ 誘導的 observation partition。這為「理論／儀器讓我們看見更多」提供了嚴格版本：不是世界突然增加，而是觀察等價類被細分。

本文也定義「觀察增益」：

$$
G_{\mathrm{obs}}
(
\mathcal O_t\rightarrow\mathcal O_{t+1}
)
$$

可由 partition entropy、distinguishability count、information gain 或 domain-specific resolution metric 衡量。相對地，對 intervention / realization，定義：

$$
G_{\mathrm{ont}}
=
\mu
(
\mathcal R_{t+1}^{\mathrm{new}}
\setminus
\mathcal R_t
),
$$

或在無自然測度時以新 token types、新可實現結構類或新 reachable-state classes 記錄。兩者分別表示 epistemic gain 與 realized-world change。

本文以 2025 年 real-time experiment–theory closed-loop materials science、autonomous materials exploration、Digital Twin for Chemical Science，以及 2026 年 measurement–simulation conceptual framework 作為當代實例。這些工作顯示 theory、simulation、measurement 與 next-experiment design 已能被工程化成真正閉環；但它們也提醒本文不能把 simulation、measurement、model 與 physical source 混為同一東西。

本文最後提出 OARL 的核心動態：

$$
\boxed{
\mathfrak K_{t+1}
=
\mathfrak F
(
\mathfrak K_t;
\operatorname{Obs},
\operatorname{Abs},
\operatorname{Des},
\operatorname{Real},
\operatorname{Upd}
).
}
$$

這個框架最重要的意義是：抽象知識不是實在的被動影子，也不是被假定為超自然因果源；它透過設計規則、物理實現與觀察系統更新，改變有限智能體下一步能與世界形成什麼樣的耦合。這使知識增長成為一個「理論改變可觀察性、可觀察性再改變理論」的閉環，而非單向的世界複製。

**關鍵詞：** 觀察—抽象—實現循環、閉環科學、觀察算子、實驗設計、實現、介入、可觀察性、分割細化、數位孿生、自動化實驗、科學發現

---

# 1. 從靜態雙域到動態循環

Paper 01 建立：

$$
\text{realized-state observation}
$$

與：

$$
\text{abstract-content access}
$$

不是同型 epistemic route。

Paper 02 建立：

$$
\alpha:
\mathcal R
\rightarrow
\mathcal A
$$

與：

$$
\operatorname{Real}:
\mathcal A
\rightarrow
\mathcal P(\mathcal R)
$$

一般不是 inverse pair。

現在我們把兩者串起來。

真正的科學活動不是：

$$
\mathcal R
\rightarrow
\mathcal A
$$

後停止。

也不是：

$$
\mathcal A
\rightarrow
\mathcal R
$$

的單向「理念變成物質」。

而是：

$$
\boxed{
\mathcal R
\rightarrow
\mathcal A
\rightarrow
\text{design}
\rightarrow
\mathcal R'
\rightarrow
\text{new observation}.
}
$$

---

# 2. 研究狀態

定義時間 $t$ 的 epistemic–realization state：

$$
\boxed{
\mathfrak K_t
=
(
\mathcal R_t,
\mathbb O_t,
\mathcal Y_t,
\mathcal A_t,
\mathcal J_t,
\mathcal G_t
).
}
$$

其中：

- $\mathcal R_t$：目前相關 realized working domain；
- $\mathbb O_t$：觀察／測量系統；
- $\mathcal Y_t$：資料域；
- $\mathcal A_t$：可操作的 abstract-content domain；
- $\mathcal J_t$：抽象不變量與等價準則；
- $\mathcal G_t$：推理、設計、介入與更新規則。

---

# 3. 五階 OARL

本文將單輪循環拆為：

$$
\boxed{
\operatorname{Obs}
\rightarrow
\operatorname{Abs}
\rightarrow
\operatorname{Des}
\rightarrow
\operatorname{Real}
\rightarrow
\operatorname{Upd}.
}
$$

形式上：

$$
\mathcal R_t
\xrightarrow{\operatorname{Obs}_t}
\mathcal Y_t
\xrightarrow{\operatorname{Abs}_t}
\mathcal A_t^{+}
\xrightarrow{\operatorname{Des}_t}
\mathcal D_t
\xrightarrow{\operatorname{Real}_t}
\mathcal R_{t+1}^{+}
\xrightarrow{\operatorname{Upd}_t}
\mathbb O_{t+1}.
$$

---

# 4. Observation

第一階：

$$
\boxed{
y_t
=
\operatorname{Obs}_t
(
r_t;
\mathbb O_t
).
}
$$

這裡的觀察仍沿用 Paper 01：

$$
\mathbb O_t
=
(
S_t,
M_t,
E_t,
\Theta_t,\mathcal O_t
).
$$

所以：

$$
y_t
$$

不是 source token 本身。

---

# 5. Abstraction

第二階：

$$
\boxed{
a_t
=
\operatorname{Abs}_t
(
y_{\le t},
\Theta_t,
\mathcal J_t
).
}
$$

它可以包含：

- invariant extraction；
- model fitting；
- theorem induction；
- causal hypothesis；
- category formation；
- structural compression。

更一般：

$$
\mathcal A_t^{+}
=
\operatorname{Cl}_{\Gamma_t}
\left(
\mathcal A_t
\cup
\operatorname{Abs}_t(\mathcal Y_{\le t})
\right).
$$

所以抽象域可以透過推理閉包擴張。

---

# 6. Design

第三階：

$$
\boxed{
d_t
=
\operatorname{Des}_t
(
\mathcal A_t^{+},
g_t,
K_t
).
}
$$

其中：

- $g_t$：研究目標；
- $K_t$：物理、工程、倫理、成本、時間或安全限制；
- $d_t$：design specification。

例子：

- 新 detector；
- 新 telescope；
- 新 spectroscopy protocol；
- 新 material recipe；
- 新 intervention；
- 新 algorithm；
- 新 experimental condition。

---

# 7. Design 不是物理原因本身

如果：

$$
d_t
$$

是一個抽象設計 specification，

不能寫：

$$
d_t
\rightarrow
r_{t+1}
$$

就說 abstraction 在物理上直接造成實體。

真正中間仍有：

$$
\boxed{
C_t
}
$$

——施工、製造、能量輸入、控制、實驗操作等 physical causal process。

所以：

$$
\boxed{
d_t
\xrightarrow{C_t}
r_{t+1}^{\mathrm{new}}.
}
$$

而：

$$
C_t
$$

本身屬於 realized causal history。

---

# 8. Realization

第四階：

$$
\boxed{
r_{t+1}^{\mathrm{new}}
\in
\operatorname{Real}_t
(
d_t;
K_t,C_t
).
}
$$

這延續 Paper 02：

$$
\operatorname{Real}
$$

一般是 relation-valued 或 fibre-valued，

不是 canonical inverse。

同一：

$$
d_t
$$

可能有多個：

$$
r_{t+1}^{(1)},
r_{t+1}^{(2)},\ldots
$$

實現。

---

# 9. Update

第五階：

如果：

$$
r_{t+1}^{\mathrm{new}}
$$

是一個新 instrument / data pipeline component，

則：

$$
\boxed{
\mathbb O_{t+1}
=
\operatorname{Upd}_t
(
\mathbb O_t,
r_{t+1}^{\mathrm{new}},
\mathcal A_t^{+}
).
}
$$

如果它是 world intervention，

則：

$$
\mathcal R_t
$$

本身被改變。

因此 Update 必須分成：

$$
\boxed{
\text{epistemic update}
}
$$

與：

$$
\boxed{
\text{world intervention}.
}
$$

---

# 10. 兩種回饋不能混在一起

定義：

$$
\boxed{
\mathsf E_t
}
$$

為 epistemic state，

$$
\boxed{
\mathsf W_t
}
$$

為 realized world state。

則：

$$
\mathsf E_{t+1}
=
F_E
(
\mathsf E_t,
\mathsf W_t
),
$$

而：

$$
\mathsf W_{t+1}
=
F_W
(
\mathsf W_t,
\mathsf E_t,
C_t
).
$$

第一條主要改變：

> 我們能知道什麼。

第二條改變：

> 世界中發生／存在了什麼 realized token。

---

# 11. 認識論擴張

若新儀器：

$$
M_{t+1}
$$

讓之前無法區分的 states：

$$
r_1,r_2
$$

變得可以區分，

這不是：

$$
r_1,r_2
$$

突然開始存在。

而是：

$$
\boxed{
\text{observational equivalence class refined}.
}
$$

這就是 epistemic expansion。

---

# 12. 觀察等價類

對：

$$
\mathcal O_t:
\mathcal R_{\mathrm{ref}}
\rightarrow
\mathcal Y_t,
$$

定義：

$$
r_1
\sim_t
r_2
\iff
\mathcal O_t(r_1)
=
\mathcal O_t(r_2).
$$

其 partition：

$$
\boxed{
\mathcal P_t
=
\mathcal R_{\mathrm{ref}}/{\sim_t}.
}
$$

每一個 cell 表示：

> 目前 observation system 無法區分的一組 realized candidates。

---

# 13. Observation-Preserving Upgrade

定義 $\mathcal O_{t+1}$ 是 $\mathcal O_t$ 的 information-preserving upgrade，

若存在：

$$
\boxed{
d_t:
\mathcal Y_{t+1}
\rightarrow
\mathcal Y_t
}
$$

使：

$$
\boxed{
\mathcal O_t
=
d_t
\circ
\mathcal O_{t+1}.
}
$$

直覺是：

> 新儀器的輸出包含足以重建舊儀器輸出的資訊。

---

# 14. 觀察分割細化定理

**定理 1（Observation Partition Refinement）**

若：

$$
\mathcal O_t
=
d_t\circ\mathcal O_{t+1},
$$

則對任意：

$$
r_1,r_2
\in
\mathcal R_{\mathrm{ref}},
$$

若：

$$
\mathcal O_{t+1}(r_1)
=
\mathcal O_{t+1}(r_2),
$$

則：

$$
\mathcal O_t(r_1)
=
\mathcal O_t(r_2).
$$

因此：

$$
\boxed{
[r]_{t+1}
\subseteq
[r]_t.
}
$$

也就是：

$$
\boxed{
\mathcal P_{t+1}
\text{ refines }
\mathcal P_t.
}
$$

**證明。**

若：

$$
\mathcal O_{t+1}(r_1)
=
\mathcal O_{t+1}(r_2),
$$

對兩邊作用 $d_t$：

$$
d_t\mathcal O_{t+1}(r_1)
=
d_t\mathcal O_{t+1}(r_2).
$$

由：

$$
\mathcal O_t
=
d_t\circ\mathcal O_{t+1},
$$

得到：

$$
\mathcal O_t(r_1)
=
\mathcal O_t(r_2).
$$

證畢。

---

# 15. 嚴格細化

如果另外存在：

$$
r_1\neq r_2
$$

使：

$$
\mathcal O_t(r_1)
=
\mathcal O_t(r_2),
$$

但：

$$
\mathcal O_{t+1}(r_1)
\neq
\mathcal O_{t+1}(r_2),
$$

則至少一個舊 equivalence class 被拆開。

因此：

$$
\boxed{
\mathcal P_{t+1}
\prec
\mathcal P_t.
}
$$

稱為 strict observational refinement。

---

# 16. 「看得更多」的嚴格意思

所以：

> 新理論讓我們看得更多。

至少可以有一個非常精確的意思：

$$
\boxed{
\text{new observation operator induces a strictly finer partition of the same reference domain}.
}
$$

它不是詩意表達。

它是 distinguishability 增加。

---

# 17. Distinguishability Gain

若：

$$
\mathcal R_{\mathrm{ref}}
$$

有限，

可定義：

$$
\boxed{
N_{\mathrm{obs}}(t)
=
|\mathcal P_t|.
}
$$

則 strict refinement 蘊含：

$$
N_{\mathrm{obs}}(t+1)
>
N_{\mathrm{obs}}(t).
$$

---

# 18. Partition Entropy Gain

若：

$$
p_t(C)
$$

為 equivalence cell 的機率，

可定義：

$$
\boxed{
H_{\mathrm{obs}}(t)
=
-
\sum_{C\in\mathcal P_t}
p_t(C)\log p_t(C).
}
$$

在適當 probability-preserving refinement 下，

新 partition 可攜帶更多 source distinction information。

但：

$$
H_{\mathrm{obs}}
$$

不是「世界信息總量」。

只是相對 partition 的 epistemic quantity。

---

# 19. Observation Gain Vector

更一般定義：

$$
\boxed{
\mathbf G_{\mathrm{obs}}
=
(
G_{\mathrm{dist}},
G_{\mathrm{res}},
G_{\mathrm{scale}},
G_{\mathrm{type}},
G_{\mathrm{uncert}}
).
}
$$

分別表示：

- 可區分狀態數；
- resolution；
- 可接尺度；
- 新 state types；
- uncertainty reduction。

這比單一 scalar 更穩健。

---

# 20. 新 Type Discovery

Paper 01 已區分：

$$
\text{unknown state}
$$

與：

$$
\text{unknown type}.
$$

如果新 abstract theory 提出一個先前 observation ontology 中沒有的 type：

$$
T_{\mathrm{new}},
$$

並由新 instrument 找到對應 source trace，

則不只是 partition refinement。

而是 observation type system 擴張：

$$
\boxed{
\operatorname{Types}_{t}
\subsetneq
\operatorname{Types}_{t+1}.
}
$$

這是更強的 epistemic expansion。

---

# 21. 這時 partition model 不夠

如果：

$$
\mathcal R_{\mathrm{ref}}
$$

本身被擴張，

不能只比較：

$$
\mathcal P_t,
\mathcal P_{t+1}.
$$

需同時記錄：

$$
\boxed{
\Delta\mathcal R_{\mathrm{model},t}
=
\mathcal R_{\mathrm{model},t+1}
\setminus
\mathcal R_{\mathrm{model},t}.
}
$$

這就是 Domain-of-Domain Problem 的動態版本。

---

# 22. Observation-Domain Expansion

定義：

$$
\boxed{
\mathcal D_{\mathcal O,t}
}
$$

為當下可有效區分的 realized domain。

若：

$$
\mathcal D_{\mathcal O,t}
\subsetneq
\mathcal D_{\mathcal O,t+1},
$$

稱為 observation-domain expansion。

它可能來自：

- 新 sensor；
- 新 wavelength；
- 新 amplification；
- 新 reconstruction algorithm；
- 新 theory-guided signal extraction；
- 新 experimental condition。

---

# 23. Theory 可以改變 Observation Operator

真正重要的一步是：

$$
\boxed{
\mathbb O_{t+1}
=
\Gamma_O
(
\mathbb O_t,
\mathcal A_t^{+},
g_t,K_t
).
}
$$

所以：

$$
\mathcal A_t
$$

並不只是 observation 的輸出。

它可以成為下一輪 observation system 的 design input。

---

# 24. 但 Abstract Theory 不直接碰 Detector

這裡必須保留 Paper 01 的 ontology-neutrality。

不是：

$$
a
\rightarrow
M
$$

神秘地因果作用。

而是：

$$
a
\xrightarrow{\operatorname{Des}}
d
\xrightarrow{C}
M.
$$

其中：

$$
C
$$

是實際 causal construction process。

因此：

$$
\boxed{
\text{abstract relevance}
\neq
\text{abstract efficient causation}.
}
$$

---

# 25. Constraint Causality 與 Efficient Causality

可以暫時區分：

$$
\boxed{
a
\models
d
}
$$

表示 design $d$ 滿足 abstract constraint $a$ ；

以及：

$$
\boxed{
C(d)
\rightarrow
M
}
$$

表示 physical construction produces instrument $M$。

這將在 Paper 06–07 進入 meta-causal grounding。

---

# 26. World Intervention

如果 realization target 不是 instrument，而是世界 token：

$$
r_{\mathrm{new}},
$$

例如：

- 新材料；
- 新化合物；
- 新機器；
- 新制度；
- 新軟體 agent；
- 新實驗態；

則：

$$
\boxed{
\mathcal R_{t+1}
=
\operatorname{Int}
(
\mathcal R_t,
r_{\mathrm{new}}
).
}
$$

這是真正的 realized-world change。

---

# 27. Epistemic Gain 與 Ontic Change

定義：

$$
\boxed{
G_{\mathrm{epi}}
}
$$

表示 observation / model discrimination gain，

以及：

$$
\boxed{
G_{\mathrm{ont}}
}
$$

表示 newly realized token / reachable-state gain。

兩者一般：

$$
\boxed{
G_{\mathrm{epi}}
\neq
G_{\mathrm{ont}}.
}
$$

---

# 28. 純觀察擴張

可能：

$$
G_{\mathrm{epi}}>0
$$

但：

$$
G_{\mathrm{ont}}=0.
$$

例如：

同一既存星體，

因新 telescope 而取得更高解析資訊。

世界 token 沒有因我們觀察而新增。

---

# 29. 純實現擴張

也可能：

$$
G_{\mathrm{ont}}>0
$$

但短期：

$$
G_{\mathrm{epi}}\approx0.
$$

例如製造一個新材料，

但目前還沒有好的理論或儀器理解它。

所以：

$$
\boxed{
\text{making}
\neq
\text{knowing}.
}
$$

---

# 30. 雙重擴張

最有意思的是：

$$
G_{\mathrm{epi}}>0,
\qquad
G_{\mathrm{ont}}>0.
$$

例如：

新理論設計新設備，

新設備產生新樣品，

新樣品又讓理論得到新 discriminating evidence。

這就是完整 OARL。

---

# 31. Closed-Loop Science

2025 年材料科學已實現：

$$
\boxed{
\text{theory prediction}
\rightarrow
\text{experiment}
\rightarrow
\text{model update}
\rightarrow
\text{next experiment}.
}
$$

這種系統不是單純 high-throughput automation。

真正的 closed loop 必須讓：

$$
\text{previous result}
$$

改變：

$$
\text{next action}.
$$

---

# 32. AMASE 作為實例

Real-time experiment–theory closed-loop materials science 中，

實驗 determination 與 thermodynamic prediction update 被即時交錯，

用相對少量實驗探索 phase diagram。

在本文語言：

$$
\operatorname{Obs}
\rightarrow
\operatorname{Abs/Model}
\rightarrow
\operatorname{Des}
\rightarrow
\operatorname{Real/Experiment}
\rightarrow
\operatorname{Obs}'.
$$

它是 OARL 的 domain-specific implementation。

---

# 33. Autonomous Hall-Effect Exploration

2025 年 autonomous composition-spread film work 把：

- sample synthesis；
- characterization；
- Bayesian optimization；
- next composition selection；

接成 closed loop。

這顯示：

$$
\boxed{
\text{abstract model state}
}
$$

可以真正在工程上改變：

$$
\boxed{
\text{next realized experiment}.
}
$$

但 causal production 仍由 robotic / physical apparatus 完成。

---

# 34. Digital Twin for Chemical Science

DTCS 2025 特別適合作為 OARL 的例子。

它將：

$$
\boxed{
\text{theory twin}
\leftrightarrow
\text{physical twin}
}
$$

用 bidirectional feedback 連接。

forward solver：

$$
\text{mechanism}
\rightarrow
\text{predicted spectra},
$$

inverse solver：

$$
\text{measured spectra}
\rightarrow
\text{kinetic / mechanism inference}.
$$

並可用結果引導下一輪實驗。

---

# 35. Digital Twin 不等於 Reality

DTCS 本身也提醒我們：

即使 digital twin fidelity 很高，

仍不保證 theory twin 單獨能預測全部 observables。

所以：

$$
\boxed{
\text{high-fidelity abstraction}
\neq
\text{identity with source system}.
}
$$

這與 Paper 02 完全一致。

---

# 36. Measurement 與 Simulation 仍要分型

2026 年 measurement–simulation framework 指出：

simulation 可以成為 indirect measurement computation module 的一部分，

但 simulation 本身不因此等於 measurement。

因此 OARL 必須保留：

$$
\boxed{
\text{simulation}
\neq
\text{measurement}
\neq
\text{physical source}.
}
$$

這三層如果混掉，

閉環會失去 epistemic provenance。

---

# 37. Model 作為 Cognitive Instrument

2025 年也有工作反對把 model 直接當成 measuring instrument，

主張 model 與 measurement 提供兩種互相依賴但不同來源的 insight。

這與 OARL 的 typing 很相容：

$$
\boxed{
\mathcal A_t
}
$$

可以重塑 observation interpretation，

但它不是 sensor token 本身。

---

# 38. Loop State Update

因此正式定義：

$$
\boxed{
\mathfrak K_{t+1}
=
\mathfrak F
(
\mathfrak K_t,
y_t,a_t,d_t,r_{t+1}^{\mathrm{new}}
).
}
$$

或者壓縮為：

$$
\boxed{
\mathfrak K_{t+1}
=
\mathfrak F
(
\mathfrak K_t;
\operatorname{Obs},
\operatorname{Abs},
\operatorname{Des},
\operatorname{Real},
\operatorname{Upd}
).
}
$$

---

# 39. Loop 不保證單調進步

不能寫：

$$
\mathfrak K_t
<
\mathfrak K_{t+1}
$$

永遠成立。

新 instrument 可能：

- 更 noisy；
- calibration 錯；
- model biased；
- overfit；
- sacrifice old bandwidth；
- introduce blind spots。

所以：

$$
\boxed{
\text{iteration}
\not\Rightarrow
\text{progress}.
}
$$

---

# 40. Strong Upgrade Criterion

只有當：

1. 舊 distinction 可由新 observation recover；
2. 至少新增一個有效 distinction；
3. uncertainty 不惡化到抵銷增益；
4. 新 distinction 經 independent validation；

才可以說：

$$
\boxed{
\mathbb O_{t+1}
\succ
\mathbb O_t.
}
$$

---

# 41. Non-Monotone Science

有時新理論會重分類舊觀察：

$$
\mathcal P_t
\not\preceq
\mathcal P_{t+1}
$$

也不反向。

這不是 refinement，

而是：

$$
\boxed{
\text{partition reorganization}.
}
$$

因此科學進步不一定只有 finer resolution。

也可能換 ontology / variables / relevant structure。

---

# 42. Reorganization Operator

定義：

$$
\boxed{
\Xi_t:
\mathcal P_t
\rightsquigarrow
\mathcal P_{t+1}.
}
$$

若無：

$$
\mathcal O_t
=
d_t\circ\mathcal O_{t+1}
$$

的 decoder relation，

就不能把新系統稱為純 refinement。

需要另外分析：

- old information loss；
- new information gain；
- semantic reclassification。

---

# 43. Knowledge Gain Vector

因此定義：

$$
\boxed{
\mathbf G_K(t)
=
(
G_{\mathrm{refine}},
G_{\mathrm{type}},
G_{\mathrm{predict}},
G_{\mathrm{control}},
G_{\mathrm{real}},
G_{\mathrm{robust}}
).
}
$$

其中：

- refinement gain；
- new-type gain；
- prediction gain；
- control gain；
- realization gain；
- robustness gain。

---

# 44. Control 是新的維度

抽象理論不只提高 observation。

它還可能提高：

$$
\boxed{
\text{intervention controllability}.
}
$$

也就是從：

$$
\text{知道系統}
$$

進一步到：

$$
\text{能把系統導向某些 states}.
$$

---

# 45. Reachable Set

令：

$$
\mathcal C_t
$$

為可用控制／實現操作族。

定義：

$$
\boxed{
\operatorname{Reach}_t(r_0)
}
$$

為從 $r_0$ 經 $\mathcal C_t$ 可到達的 realized states。

若新抽象知識導致新 controls：

$$
\mathcal C_t
\subsetneq
\mathcal C_{t+1},
$$

可能：

$$
\boxed{
\operatorname{Reach}_t(r_0)
\subsetneq
\operatorname{Reach}_{t+1}(r_0).
}
$$

這是「抽象變成能力」的嚴格版本。

---

# 46. Knowledge–Control Asymmetry

但：

$$
\text{knowable}
$$

不等於：

$$
\text{controllable}.
$$

可能：

$$
r
\in
\mathcal D_{\mathcal O,t}
$$

但：

$$
r
\notin
\operatorname{Reach}_t(r_0).
$$

例如我們可以觀測某些 astrophysical events，

卻不能控制它們。

---

# 47. Control–Observation Asymmetry

也可能某系統可被局部操作，

但內部狀態不可充分觀察。

所以：

$$
\boxed{
\text{observability}
\neq
\text{controllability}.
}
$$

OARL 必須把兩者分離。

---

# 48. 抽象域的實用性現在可精確描述

抽象域的 practical power 不是：

> 它比實在更真。

而是：

$$
\boxed{
\mathcal A_t
}
$$

可以提供：

- cross-token invariants；
- counterfactual predictions；
- design constraints；
- control policies；
- observation redesign。

所以它是：

$$
\boxed{
\text{epistemically generative}.
}
$$

---

# 49. Epistemically Generative 不等於 Ontically Primitive

即使：

$$
\mathcal A_t
$$

可以導引新實現，

仍不能推出：

$$
\boxed{
\mathcal A
\text{ ontologically precedes }
\mathcal R.
}
$$

因為整個 design realization 仍可能完全 supervene on physical processes。

所以：

$$
\boxed{
\text{epistemic generativity}
\not\Rightarrow
\text{ontological fundamentality}.
}
$$

---

# 50. 反過來，物理載體依賴也不消除抽象角色

即使所有：

$$
\operatorname{Des},
\operatorname{Abs},
\operatorname{Upd}
$$

都由物理腦／AI 執行，

仍需區分：

$$
\boxed{
\text{which physical states implement which abstract relations}.
}
$$

這就是 Paper 01–02 的 carrier/content distinction。

---

# 51. OARL 與物質主義相容

一個成熟 physicalist 可以把整個：

$$
\mathfrak K_t
$$

都視為 physical-world higher-level description。

OARL 不反對。

但 physicalism 必須進一步提供：

$$
\boxed{
\text{how the abstract-role typing is realized and why the closed-loop structural relations hold}.
}
$$

這會在 Paper 05 正式處理。

---

# 52. OARL 與抽象實在論也相容

Platonist 可以說：

$$
\mathcal A
$$

獨立存在，

人類透過 realization / representation 接取。

OARL 也不直接反對。

但它仍會問：

> abstract structure 如何進入 design-to-physical causal chain？

如果答案只說：

> abstract object causes matter，

仍需要 meta-causal account。

這會在 Paper 06–07 處理。

---

# 53. Loop 的真正中介點：Design

所以實在與抽象之間真正最容易被忽略的不是：

$$
\alpha
$$

或：

$$
\operatorname{Real}
$$

而是：

$$
\boxed{
\operatorname{Des}.
}
$$

Design 把：

$$
\text{structural / counterfactual content}
$$

轉成：

$$
\text{constraints on possible physical action}.
}
$$

這個型別轉換非常重要。

---

# 54. Design Compatibility

定義：

$$
\boxed{
\operatorname{Sat}(d,a)
}
$$

表示 design $d$ 滿足 abstract constraint $a$。

若：

$$
a
$$

包含：

- symmetry；
- topology；
- algorithm；
- geometry；
- control law；

則 design token 的實現必須保留相關：

$$
\mathcal J_a.
$$

---

# 55. Realization Fidelity

對 realized token：

$$
r
$$

定義：

$$
\boxed{
F_{\mathrm{real}}
(
r,d;\mathcal J_d
)
\in[0,1].
}
$$

表示 $r$ 對 design structure 的忠實度。

所以：

$$
d
$$

即使正確，

實際製造：

$$
r
$$

也可能失敗。

---

# 56. Loop Error Budget

單輪 OARL 可粗略分：

$$
\boxed{
\epsilon_{\mathrm{loop}}
=
(
\epsilon_{\mathrm{obs}},
\epsilon_{\mathrm{abs}},
\epsilon_{\mathrm{des}},
\epsilon_{\mathrm{real}},
\epsilon_{\mathrm{upd}}
).
}
$$

因此：

$$
\boxed{
\text{closed loop}
\neq
\text{self-correcting by definition}.
}
$$

只有 error diagnosis / validation 存在時才可能自我修正。

---

# 57. Error Amplification

如果：

$$
\epsilon_{\mathrm{abs}}
$$

被 design stage 放大，

可能製造出高度錯誤的新 token。

所以：

$$
\boxed{
\text{abstraction error}
\rightarrow
\text{real-world intervention error}
}
$$

是 OARL 的高風險路徑。

這也是為什麼 experiment / engineering 需要 validation gate。

---

# 58. Validation Gate

定義：

$$
\boxed{
V_t(d,r,y)
\in
\{\text{accept},\text{reject},\text{revise}\}.
}
$$

只有通過：

- measurement；
- safety；
- structural fidelity；
- independent check；

才能把新結果寫入：

$$
\mathfrak K_{t+1}.
$$

---

# 59. Closed Loop 與 Self-Sealing Loop 的差異

若系統只用自己的理論：

$$
A_t
$$

產生 experiment，

再只用同一理論解讀所有結果，

可能形成：

$$
\boxed{
\text{self-sealing loop}.
}
$$

真正 scientific loop 需要：

- rival models；
- anomaly admission；
- alternative measurements；
- falsification conditions。

這與前一系列 Anti-Immunization Axiom 相接。

---

# 60. Discriminatory Experiment

理想 design 不只是最大化：

$$
\text{expected confirmation}.
$$

而應提高 competing models 的 distinguishability。

若：

$$
A^{(1)},
A^{(2)}
$$

對候選實驗 $d$ 給不同 prediction，

則 design 可以最大化：

$$
\boxed{
D_{\mathrm{pred}}
(
A^{(1)},
A^{(2)}
\mid d
).
}
$$

這是 closed-loop discovery 比單純 optimization 更強的地方。

---

# 61. Theory Space 也會改變

觀察結果不只更新參數：

$$
\theta_t\rightarrow\theta_{t+1}.
$$

也可能更新 model class：

$$
\boxed{
\mathfrak A_t
\rightarrow
\mathfrak A_{t+1}.
}
$$

甚至生成：

$$
A_{\mathrm{new}}
\notin
\mathfrak A_t.
$$

所以真正 discovery loop 不是只有 Bayesian parameter update。

---

# 62. 2026 Autonomous Cognitive Scientist 的意義

2026 年已出現 autonomous cognitive-science 系統：

- 生成 competing theories；
- 設計 discriminating experiments；
- 收集新資料；
- 診斷失敗；
- 合成 successor theory。

這非常接近：

$$
\boxed{
\text{theory-space OARL}.
}
$$

但它仍是特定領域實例，

不是全域認識論定理。

---

# 63. OARL 與 AI

對 AI scientist：

$$
S_t
$$

可以不是單一人類。

而是：

$$
\boxed{
S_t
=
\text{human–AI–instrument research collective}.
}
$$

只要保留：

- provenance；
- source typing；
- model distinction；
- causal realization chain；

OARL 仍成立。

---

# 64. 有限觀察者假設仍然重要

即使 AI 自動循環高速運行，

在每個有限時間：

$$
B_S(t)<\infty.
$$

因此：

$$
\mathcal D_{\mathcal O,t}
$$

仍只是有限／受限 access frontier。

loop 可以擴張 observation，

但不保證：

$$
\boxed{
\mathcal D_{\mathcal O,t}
=
\mathcal R_{\mathrm{total}}.
}
$$

---

# 65. Loop 可能永遠追不上總域

若：

$$
\mathcal R_{\mathrm{candidate},t}
$$

與：

$$
\mathcal A_t
$$

也隨研究增長，

觀察覆蓋率可能提高，

也可能因 domain expansion 而下降。

這與前一系列 dynamic global containment 一致。

Paper 04 將正式研究：

$$
\boxed{
\text{frontier growth rates}.
}
$$

---

# 66. OARL 的最低可證偽條件

## F1 — No Theory-to-Observation Update

若 across relevant science domains：

$$
\mathbb O_{t+1}
$$

完全不依賴：

$$
\mathcal A_t,
$$

則 OARL 的 theory-driven observation feedback 被削弱。

## F2 — No Multiple Realization

若所有 abstract designs 只有唯一 token realization，

Paper 02 的 fibre freedom 在該 domain 消失。

## F3 — No Observational Refinement

若新的 theory-guided instruments 從不增加任何 validated distinction，

則 observation-expansion component 失敗。

## F4 — No Intervention Gain

若 abstract-design route 無法改變 reachable state set，

則 control / realization branch 失敗。

---

# 67. OARL 不主張什麼？

本文不主張：

$$
\boxed{
\text{abstract entities directly cause matter}.
}
$$

不主張：

$$
\boxed{
\text{knowledge always monotonically increases}.
}
$$

不主張：

$$
\boxed{
\text{observation eventually covers all reality}.
}
$$

不主張：

$$
\boxed{
\text{closed-loop AI implies autonomous truth}.
}
$$

---

# 68. OARL 真正主張什麼？

本文主張：

$$
\boxed{
\text{abstract structures can function as design constraints inside physically realized research processes}.
}
$$

透過：

$$
\operatorname{Des}
+
C
+
\operatorname{Real},
$$

它們可以改變：

$$
\mathbb O_{t+1}
$$

與：

$$
\operatorname{Reach}_{t+1}.
$$

因此有限研究系統形成：

$$
\boxed{
\text{observation}
\rightarrow
\text{abstraction}
\rightarrow
\text{design}
\rightarrow
\text{realization}
\rightarrow
\text{new observation}.
}
$$

---

# 結論

Paper 01 說明：

$$
\text{observing realized states}
$$

與：

$$
\text{accessing abstract contents}
$$

不是同型 epistemic operation。

Paper 02 說明：

$$
\text{abstraction}
$$

與：

$$
\text{realization}
$$

一般不是 inverse pair。

Paper 03 現在得到完整動態：

$$
\boxed{
\mathcal R_t
\xrightarrow{\operatorname{Obs}}
\mathcal Y_t
\xrightarrow{\operatorname{Abs}}
\mathcal A_t
\xrightarrow{\operatorname{Des}}
\mathcal D_t
\xrightarrow{\operatorname{Real}}
\mathcal R_{t+1}
\xrightarrow{\operatorname{Upd}}
\mathbb O_{t+1}.
}
$$

其中最重要的不是循環箭頭本身，

而是每一箭頭的型別不同：

$$
\boxed{
\text{observation}
\neq
\text{inference}
\neq
\text{design}
\neq
\text{physical production}
\neq
\text{measurement update}.
}
$$

當新觀察算子滿足：

$$
\mathcal O_t
=
d_t\circ
\mathcal O_{t+1},
$$

新 observation partition 至少不比舊的粗：

$$
[r]_{t+1}
\subseteq
[r]_t.
$$

若它拆開至少一個舊 equivalence class，

則：

$$
\boxed{
\mathcal P_{t+1}
\prec
\mathcal P_t.
}
$$

這就是：

> 抽象知識讓我們「看見更多」

的一個嚴格數學版本。

而當 design / realization 使：

$$
\operatorname{Reach}_{t+1}
\supsetneq
\operatorname{Reach}_t,
$$

我們不只是看見更多，

還真的能讓新的實在 token 成為可達狀態。

因此抽象知識的力量可以精確分成：

$$
\boxed{
\text{epistemic expansion}
}
$$

與：

$$
\boxed{
\text{realization / control expansion}.
}
$$

兩者共同形成 OARL。

但它們仍然沒有證明：

$$
\mathcal A
$$

比：

$$
\mathcal R
$$

更 fundamental。

本文真正建立的是：

$$
\boxed{
\text{abstract knowledge can recursively reconfigure the physical channels through which finite observers access and intervene in realized reality}.
}
$$

這將直接通向下一篇的問題：

> 如果抽象域可以比觀察域更快產生新的結構候選、設計與反事實，那麼抽象前沿與實在觀察前沿的增長速度是否存在系統性不對稱？

---

# 參考文獻

[1] Liang, H., Wang, C., Yu, H., et al. (2025). Real-time experiment-theory closed-loop interaction for autonomous materials science. *Science Advances*, 11(27), eadu7426. DOI: 10.1126/sciadv.adu7426.

[2] Qian, J., Jana, A., Menon, S., et al. (2025). Digital Twin for Chemical Science: a case study on water interactions on the Ag(111) surface. *Nature Computational Science*, 5, 793–800. DOI: 10.1038/s43588-025-00857-y.

[3] Toyama, R., Tamura, R., Matsuda, S., et al. (2025). Autonomous closed-loop exploration of composition-spread films for the anomalous Hall effect. *npj Computational Materials*, 11, 329. DOI: 10.1038/s41524-025-01828-7.

[4] Giordani, A., & Mari, L. (2026). Measurement and simulation: A conceptual framework. *Measurement*, 259, 119783. DOI: 10.1016/j.measurement.2025.119783.

[5] Boge, F. J. (2025). Models: Measuring or Cognitive Instruments? *Journal for General Philosophy of Science*. DOI: 10.1007/s10838-025-09733-9.

[6] Mayo-Wilson, C. (2025). Measured Inference: Scales, Statistics, and Scientific Inference. *Philosophy of Science*, 92(5), 1205–1214. DOI: 10.1017/psa.2025.10173.

[7] Jagadish, A. K., Strittmatter, Y., Jacoby, N., et al. (2026). *Closing the Loop to Discover Psychological Theories with an Automated Cognitive Scientist*. arXiv:2606.26448.

[8] A-Lab / self-driving-laboratory literature, including autonomous inorganic materials synthesis and 2025 closed-loop laboratory developments.

[9] Neo.K. (2026). *實在域與抽象域的觀察非對稱*. Reality–Abstraction Asymmetry and Meta-Causal Grounding Series, Paper 01.

[10] Neo.K. (2026). *抽象化與實現的非互逆性*. Reality–Abstraction Asymmetry and Meta-Causal Grounding Series, Paper 02.

---

## 版本聲明

v0.1 已完成：

1. OARL research state；
2. Obs / Abs / Des / Real / Upd 五階 typed loop；
3. design / efficient-cause distinction；
4. epistemic expansion / ontic intervention distinction；
5. observation equivalence partition；
6. information-preserving observation upgrade；
7. Observation Partition Refinement Theorem；
8. strict refinement condition；
9. distinguishability / entropy / vector observation gain；
10. new-type discovery 與 domain expansion；
11. theory-driven observation update；
12. reachable-set expansion；
13. observability / controllability distinction；
14. design compatibility / realization fidelity；
15. loop error budget；
16. validation gate；
17. self-sealing loop no-go；
18. discriminatory experiment criterion；
19. theory-space update；
20. contemporary closed-loop science examples；
21. four falsification conditions。

下一篇：

**Paper 04 — 抽象前沿—實在前沿速度不對稱：有限智能體下的可生成結構、可觀察狀態與可實現世界之增長率。**