# UNPNP Series 02 ## 底空間與真正的超連結：跨空間可尋址轉移的計算本體 ### Subspaces and Real Hyperlinks: An Ontology of Addressable Cross-Space Transitions **系列名稱：** UNPNP Hyperlink & Crystallized Computation Series **系列篇次：** 02 **作者：** Neo.K with Aletheia（GPT） **機構：** EveMissLab／一言諾科技有限公司 **版本：** v0.1 **日期：** 2026-09-07 **文件性質：** 計算本體論／AI 原生計算架構論文 **狀態：** Canonical Draft --- ## 摘要 傳統 Web 中的 hyperlink 通常被理解為一種介面元件：使用者點擊文字、按鈕或 URL，瀏覽器便從一個頁面移動到另一個頁面。然而，若將這個操作從 UI 表面剝離，可以看到更一般的計算結構：一個可識別的地址，使執行狀態能從目前所在的操作空間，轉移到另一個操作空間。 本文將這種結構稱為**廣義超連結**。其基本形式為： $$ \ell: (\mathcal B_i,s_i) \rightarrow (\mathcal B_j,s_j), $$ 其中 $\mathcal B_i$ 與 $\mathcal B_j$ 是不同的計算底空間， $s_i$ 與 $s_j$ 是對應狀態，而 $\ell$ 是一個可尋址、可解析、可執行的跨底空間 transition。 本文中的「底空間」不是限定於拓撲學或幾何學中的既定數學術語，而是一個操作性計算概念：它表示一組具有自身狀態、地址、操作子、邊界、資料與驗證規則的局部計算世界。檔案系統、函數作用域、資料庫、Web 頁面、API、遊戲場景、模組、Agent 工具環境與語義記憶圖，都可以在適當抽象層級上被視為底空間。 本文進一步提出： $$ \boxed{ \text{Hyperlink} = \text{Addressable Cross-Subspace Transition} } $$ 因此 Web URL 只是廣義超連結的一種表面實作。函數位址、資料庫 key、檔案路徑、API endpoint、object reference、content hash、semantic address、graph edge、capability reference，以及由程序動態生成的 intensional address，都可以是廣義超連結的不同實作。 本文亦區分「UI traversal」與「semantic direct addressing」。人類常透過滑鼠、畫面辨識、層級選單與逐步操作進入新空間；AI 原生 runtime 則可以直接使用符號、狀態與語義地址，在不重置整體工作狀態的情況下連續跨越多個底空間。由此形成： $$ \boxed{ \text{Subspace Boundary} \not\Rightarrow \text{Reasoning Reset}. } $$ 在 UNPNP 框架中，這種能力使巨大計算空間可以被改寫為跨底空間的 transition network。真正的研究焦點不再只是「如何在一個空間中搜尋」，而是： > 如何找到、驗證、穿越並最終重新編譯跨空間的有效 transition？ 本文為後續自適應快速通道、展開—連結—收斂、耦合計算、路徑編譯與結晶化超連結建立正式計算本體。 **關鍵詞：** UNPNP、底空間、超連結、跨空間計算、直接尋址、AI 原生計算、semantic address、typed transition、MSSP、hypergraph、path compilation --- # 1. 超連結從來不只是藍色文字 一般使用者所見的超連結通常是： ```text Page A → click → Page B ``` 因此超連結容易被理解為： > 一個讓使用者方便跳頁的 Web UI 元件。 但這只是表面。 真正重要的結構是： $$ \text{Current State} \rightarrow \text{Address Resolution} \rightarrow \text{New State}. $$ 若目前存在於一個操作空間： $$ \mathcal B_A, $$ 而某個地址： $$ a_B $$ 可以將執行狀態轉移到： $$ \mathcal B_B, $$ 則超連結真正做的是： $$ \mathcal B_A \xrightarrow{\ell} \mathcal B_B. $$ 因此本文提出： $$ \boxed{ \text{Hyperlink is fundamentally a transition primitive, not a visual widget.} } $$ --- # 2. 底空間的操作性定義 本文將一個計算底空間定義為： $$ \boxed{ \mathcal B_i = \langle S_i, A_i, O_i, D_i, V_i, C_i \rangle. } $$ 其中： - $S_i$：state space，底空間可表達的狀態； - $A_i$：address space，可識別的內部與外部地址； - $O_i$：operator set，可在底空間內執行的操作； - $D_i$：data / object domain，可操作資料與物件； - $V_i$：validation rules，狀態與結果的驗證規則； - $C_i$：capability boundary，可用能力與權限邊界。 這個定義刻意保持抽象。 因為底空間可以是一個： - Web page； - process； - function scope； - class / object graph； - database； - game scene； - inventory； - combat state； - repository； - filesystem subtree； - API domain； - knowledge graph； - memory region； - agent tool environment； - semantic field。 底空間不是固定尺度。 --- # 3. 底空間具有巢狀性 一個底空間內可以包含其他底空間。 形式上： $$ \mathcal B_i \supset \{ \mathcal B_{i1}, \mathcal B_{i2}, \ldots, \mathcal B_{in} \}. $$ 例如遊戲世界： $$ \mathcal B_{\mathrm{game}} $$ 可以包含： $$ \mathcal B_{\mathrm{world}}, \mathcal B_{\mathrm{city}}, \mathcal B_{\mathrm{combat}}, \mathcal B_{\mathrm{inventory}}, \mathcal B_{\mathrm{dialogue}}. $$ 而： $$ \mathcal B_{\mathrm{combat}} $$ 又可以包含： $$ \mathcal B_{\mathrm{target}}, \mathcal B_{\mathrm{position}}, \mathcal B_{\mathrm{ability}}, \mathcal B_{\mathrm{resource}}. $$ 因此： $$ \boxed{ \text{Subspace is scale-relative.} } $$ 同一個結構在上一層可以是一個節點，在下一層則可以展開成整個內部世界。 --- # 4. 底空間不是資料夾 需要避免一個過度簡化。 底空間不是： > 把不同資料放進不同資料夾。 真正的底空間至少要有局部計算語義。 也就是： $$ \mathcal B_i $$ 不只是保存資料，而是決定： - 什麼狀態在這裡有效； - 什麼地址可解析； - 什麼操作可執行； - 什麼資料可見； - 什麼 transition 可以離開； - 什麼結果算有效。 所以： $$ \boxed{ \text{Container} \neq \text{Computational Subspace}. } $$ 一個資料夾可以被當作底空間，但只有在系統賦予它操作邊界與狀態語義之後才成立。 --- # 5. 廣義超連結的基本定義 令： $$ \mathcal B_i $$ 與： $$ \mathcal B_j $$ 為兩個底空間。 則一個廣義超連結： $$ \ell_{ij} $$ 定義為： $$ \boxed{ \ell_{ij}: (\mathcal B_i,s_i) \rightarrow (\mathcal B_j,s_j). } $$ 它至少要回答： 1. 從哪裡出發？ 2. 到哪裡？ 3. 需要什麼輸入？ 4. 轉移時執行什麼？ 5. 哪些狀態被攜帶？ 6. 到達後產生什麼狀態？ 7. 如何知道轉移成功？ 所以真正可執行的超連結不是一個裸地址。 它是一個 transition contract。 --- # 6. Typed Hyperlink 本文提出第一版 typed hyperlink： $$ \boxed{ \ell = \langle a, \tau, I, G, E, O, V, P \rangle. } $$ 其中： - $a$：address； - $\tau$：transition type； - $I$：input contract； - $G$：guard / precondition； - $E$：execution semantics； - $O$：output / postcondition； - $V$：validator； - $P$：provenance。 因此： $$ \operatorname{Traverse}(\ell,s) $$ 不是單純「開啟一個位置」，而是： $$ \operatorname{Traverse}(\ell,s) \rightarrow (s',o,v,p). $$ 其中： - $s'$：新狀態； - $o$：observation； - $v$：validation result； - $p$：provenance / receipt。 --- # 7. Web URL 只是超連結的一種 Surface Web 中： $$ a= \text{URL}. $$ 但廣義計算中，地址可以是： $$ a\in \{ \text{URL}, \text{filepath}, \text{function}, \text{database key}, \text{API endpoint}, \text{object ID}, \text{graph node}, \text{hash}, \text{semantic address}, \text{capability reference} \}. $$ 因此： $$ \boxed{ \text{Hyperlink} \neq \text{URL}. } $$ 更準確地說： $$ \boxed{ \text{URL} \subset \text{Hyperlink Surfaces}. } $$ --- # 8. Extensional Address 與 Intensional Address 傳統地址通常回答： > 東西在哪裡？ 例如： $$ a_{\mathrm{ext}} = \text{location}(x). $$ 本文稱為 extensional address。 但 AI 原生計算還可能使用另一種地址： > 如何生成我要的下一個狀態？ 令： $$ a_{\mathrm{int}} = \operatorname{GenerateSpec}(x). $$ 則： $$ a_{\mathrm{int}} $$ 不直接指向已存在物件，而指向一個可生成該物件或狀態的 procedure。 因此： $$ \boxed{ \text{Address} = \text{Location} \cup \text{Procedure}. } $$ 更一般地： $$ \boxed{ \text{Address} = \text{Resolvable Transition Specification}. } $$ 這將成為後續「尋址即生成」的重要基礎。 --- # 9. 直接尋址與 UI Traversal 人類常以 GUI 執行： $$ S_0 \rightarrow S_1 \rightarrow S_2 \rightarrow \cdots \rightarrow S_k. $$ 例如： ```text 打開選單 → 找到背包 → 點擊物品 → 找藥水 → 選擇角色 → 確認 ``` 這種路徑包含大量： - 視覺辨識； - 操作定位； - 選單切換； - 畫面重讀； - 人類動作成本。 若存在語義地址： $$ a= \operatorname{UseBestHealingItem}(\text{character}), $$ AI 原生 runtime 可以直接： $$ S_0 \xrightarrow{a} S_k. $$ 因此： $$ \boxed{ \text{UI traversal} \neq \text{semantic addressing}. } $$ UI 是為人類操作設計的表面。 AI 不必永遠模仿人類 UI 路徑。 --- # 10. 為什麼終端機常給人「更快」的感覺？ 終端機並不是因為文字本身具有神秘速度。 真正的差異是： $$ \boxed{ \text{symbolic direct addressing}. } $$ GUI 常需要： $$ \text{perceive} \rightarrow \text{locate} \rightarrow \text{move} \rightarrow \text{click} \rightarrow \text{perceive again}. $$ 命令列則可能： $$ \text{symbol} \rightarrow \text{address} \rightarrow \text{execute}. $$ 所以真正的效率來源不是： $$ \text{mouse}<\text{keyboard}. $$ 而是： $$ \boxed{ \text{indirect navigation} < \text{direct symbolic addressing}. } $$ 這個原理可以被 AI 原生計算進一步放大。 --- # 11. 跨底空間不應等於認知重置 人類點進新頁面後通常需要重新理解： > 我現在在哪裡？ > 這一頁在說什麼？ > 接下來要做什麼？ 所以人類 traversal 常近似： $$ \mathcal B_i \rightarrow \text{cognitive reset} \rightarrow \mathcal B_j. $$ 但 AI runtime 可以保持一個跨空間狀態： $$ H_t. $$ 於是： $$ (\mathcal B_i,H_t) \xrightarrow{\ell} (\mathcal B_j,H_{t+1}). $$ 因此本文提出： $$ \boxed{ \text{Subspace Boundary} \not\Rightarrow \text{Reasoning Reset}. } $$ 這是 AI 相對於人類操作介面最重要的計算優勢之一。 --- # 12. State-Carrying Hyperlink 更完整地，超連結不只轉移位置，也可以攜帶狀態。 令： $$ h_t $$ 表示跨空間工作狀態。 則： $$ \ell: (\mathcal B_i,s_i,h_t) \rightarrow (\mathcal B_j,s_j,h_{t+1}). $$ 其中： $$ h_{t+1} = U(h_t,o_j). $$ 所以 link 可以同時攜帶： - 任務； - 目標； - 已知證據； - 當前假說； - 權限狀態； - 資源預算； - 搜尋歷史； - 失敗記錄； - 下一步條件。 這讓多底空間 traversal 形成連續計算，而不是多個互不相干的工具呼叫。 --- # 13. Hyperlink Chain 若： $$ \ell_1: \mathcal B_1 \rightarrow \mathcal B_2, $$ $$ \ell_2: \mathcal B_2 \rightarrow \mathcal B_3, $$ 則： $$ \ell_2\circ\ell_1 $$ 形成一個兩階 transition。 一般化： $$ \Gamma = \ell_n \circ \ell_{n-1} \circ \cdots \circ \ell_1. $$ 因此： $$ \Gamma: \mathcal B_0 \rightarrow \mathcal B_n. $$ 第一次執行時： $$ \Gamma $$ 可能真的需要逐步 traversal。 後續路徑編譯則可能將： $$ \Gamma $$ 重新結晶為： $$ \widehat{\ell}_{0n}. $$ 因此： $$ \boxed{ \text{Hyperlink chain} \rightarrow \text{compiled hyperlink} } $$ 是後續計算結晶化的核心接口。 --- # 14. 搜尋不再只尋找內容，而是尋找 Link 傳統搜尋： $$ q \rightarrow \{d_1,d_2,\ldots,d_k\}. $$ 其中： $$ d_i $$ 通常是文件或結果。 但在跨底空間計算中，更核心的輸出可以變成： $$ q \rightarrow \{\ell_1,\ell_2,\ldots,\ell_m\}. $$ 也就是： > 哪些 transition 可以把目前狀態帶往更有價值的底空間？ 因此： $$ \boxed{ \text{Search} = \text{Candidate Transition Discovery}. } $$ 文件本身只是某些 transition 的證據或中介。 --- # 15. Semantic Revealing 作為 Link Frontier 顯影 設完整可用 transition 集合： $$ \mathcal L. $$ AI 不應每次對： $$ |\mathcal L| $$ 全部做深度推理。 可以依目前條件： $$ \xi_t $$ 生成局部 frontier： $$ F_t = \Pi_{\xi_t}(\mathcal L). $$ 其中： $$ F_t \subset \mathcal L, $$ 且理想情況： $$ |F_t| \ll |\mathcal L|. $$ 這裡： $$ \Pi_{\xi_t} $$ 可以由： - 語義顯影； - DRC； - graph search； - exact search； - temporal filtering； - constraint filtering； - identity resolution； - learned routing； 等方法共同構成。 所以顯影的不是「全部世界」。 而是： $$ \boxed{ \text{the currently actionable hyperlink frontier}. } $$ --- # 16. 底空間之間的 transition 不一定對稱 若： $$ \ell_{ij}: \mathcal B_i \rightarrow \mathcal B_j $$ 存在， 不代表： $$ \ell_{ji} $$ 也存在。 因此： $$ \boxed{ \mathcal B_i\rightarrow\mathcal B_j \centernot\Rightarrow \mathcal B_j\rightarrow\mathcal B_i. } $$ 這可能來自： - 不可逆狀態； - 資料損失； - 權限限制； - side effect； - 時間前進； - destructive mutation； - one-way transformation。 所以 Hyperlink Graph 一般不是 undirected graph。 它更適合表示成： $$ G_H=(V,E) $$ 的有向圖，甚至有向超圖。 --- # 17. 從 Graph 到 Hypergraph 傳統二元 link： $$ \ell: B_i\rightarrow B_j. $$ 但很多 transition 需要多個前置空間共同成立。 例如： $$ \{ B_{\mathrm{inventory}}, B_{\mathrm{skill}}, B_{\mathrm{position}} \} \rightarrow B_{\mathrm{combat-action}}. $$ 這時更自然的是 hyperedge： $$ e: \{B_1,B_2,\ldots,B_k\} \rightarrow B_j. $$ 因此更一般的計算結構是： $$ \boxed{ \mathcal H = (V,\mathcal E). } $$ 其中： $$ \mathcal E $$ 可以承載： - 多來源狀態； - 多重前置條件； - 多輸入資料； - 聯合權限； - 複合驗證條件。 這與自指 Hypergraph Programming 的思想形成自然接口，但本文不要求所有實作必須採用同一種 hypergraph representation。 --- # 18. 自指底空間 一個節點可以在當前層級被視為： $$ v_i. $$ 但需要時展開為： $$ \rho(v_i)=\mathcal H_i. $$ 因此： $$ \boxed{ \text{node at level }k = \text{subspace at level }k+1. } $$ 這形成： $$ v_i \rightarrow \mathcal B_i \rightarrow \{v_{i1},v_{i2},\ldots\}. $$ 所以： > 一個已經結晶化的超連結，在上一層可以是一個 primitive；在下一層仍可以展開回完整 traversal。 這為後續「結晶可以解壓」建立結構基礎。 --- # 19. MSSP 與底空間 MSSP 的母集—子集思想可以與底空間形成結構對應。 一個 MSSP 可看成： $$ \mathcal M = (F,C,S,T,D,R,X), $$ 其中不同模組具有： - 身分； - 穩定性； - 任務性； - 設定契約； - 診斷； - 路由； - 執行。 若將一個 MSSP instance 視為： $$ \mathcal B_i, $$ 則其內部 TMS 或子 MSSP 可以形成： $$ \mathcal B_{ij}. $$ 因此： $$ \boxed{ \text{Nested MSSP} \approx \text{Nested Computational Subspaces} } $$ 但兩者不是定義同一物件。 MSSP 是架構方法。 底空間是 UNPNP 中的計算本體。 兩者可以相互映射，但不應混為同一理論。 --- # 20. Reachability 與 Computability 若從： $$ B_i $$ 存在 transition chain： $$ B_i \rightsquigarrow B_j, $$ 則： $$ B_j $$ 對目前系統而言是 reachable。 但： $$ \boxed{ \text{Reachable} \neq \text{Cheap}. } $$ 也： $$ \boxed{ \text{Reachable} \neq \text{Authorized}. } $$ 更不是： $$ \boxed{ \text{Reachable} \Rightarrow \text{Globally Optimal}. } $$ 所以 UNPNP 後續需要把： $$ \text{reachability}, \text{cost}, \text{authorization}, \text{verification}, \text{optimality} $$ 分開。 本文只建立 transition ontology，不在此處提前完成安全與最短路徑理論。 --- # 21. Transition Cost 每條 link 都有成本： $$ C(\ell). $$ 其成本可能包含： $$ C(\ell) = C_A + C_R + C_E + C_V + C_S. $$ 其中： - $C_A$：address resolution； - $C_R$：routing； - $C_E$：execution； - $C_V$：verification； - $C_S$：state transfer。 一條路徑： $$ \Gamma = (\ell_1,\ldots,\ell_n) $$ 的成本可以寫成： $$ C(\Gamma) = \sum_{i=1}^{n}C(\ell_i) + C_{\mathrm{boundary}} + C_{\mathrm{coordination}}. $$ 如果 path compilation 能消除大量 boundary cost： $$ C(\widehat{\ell}) < C(\Gamma), $$ 那麼新的超連結才具有真正計算價值。 --- # 22. 快速通道的真正來源：移除邊界成本 很多軟體流程慢，不只因為核心運算慢。 還因為： $$ \text{serialize} \rightarrow \text{transfer} \rightarrow \text{parse} \rightarrow \text{reconstruct} \rightarrow \text{revalidate} $$ 在每個底空間邊界反覆發生。 因此： $$ C_{\mathrm{boundary}} $$ 可能非常大。 如果一段： $$ B_1 \rightarrow B_2 \rightarrow \cdots \rightarrow B_n $$ 被重新編譯，使中間邊界不再需要完整 materialization， 則： $$ \boxed{ \text{Path Compression} = \text{Transition Reduction} + \text{Boundary Reduction}. } $$ 這是「一個新超連結」能真正比 macro 更快的重要條件之一。 --- # 23. Direct Hyperlink 不代表跳過語義 如果從： $$ B_1 $$ 直接生成： $$ \widehat{\ell}_{1,100} $$ 到： $$ B_{100}, $$ 真正要求的是保持必要語義： $$ \operatorname{Semantics} (\widehat{\ell}_{1,100}) \simeq \operatorname{Semantics} (\Gamma_{1,100}). $$ 不是： > 因為中間步驟看不到，所以它們不重要。 因此： $$ \boxed{ \text{Direct Transition} \neq \text{Unverified Skipping}. } $$ 後續結晶化必須建立： - equivalence； - guard； - validator； - fallback； - provenance。 否則只是把錯誤藏在 shortcut 裡。 --- # 24. 人類與 AI 的根本差異之一 人類非常依賴可視 UI。 這是因為 UI 同時負責： - 提示目前狀態； - 顯示可用操作； - 降低記憶需求； - 防止錯誤； - 建立可導航性。 AI 若具備： $$ \text{state model} + \text{typed addresses} + \text{tool contracts} + \text{semantic routing} $$ 則不必透過完整 UI 才能操作。 因此未來程式可能同時存在兩個表面： $$ \boxed{ \text{Human Surface} } $$ 與： $$ \boxed{ \text{AI Address Surface}. } $$ 兩者可以指向同一底層計算世界。 這不是取消 GUI，而是承認： > 人類與 AI 的最佳尋址介面不必相同。 --- # 25. 從 Application 到 Addressable World 傳統應用通常是： ```text Application → screens → menus → buttons → functions ``` AI 原生版本則可以重新表示為： $$ \mathcal W = (\mathcal B,\mathcal L). $$ 其中： $$ \mathcal B $$ 是底空間， $$ \mathcal L $$ 是可尋址 transitions。 此時 application 不再主要是一堆畫面。 而是： $$ \boxed{ \text{Addressable Computational World}. } $$ GUI 只是其中一種投影。 CLI、API、Agent tool、semantic interface 也只是其他投影。 --- # 26. UNPNP 中的超連結不是固定集合 設： $$ \mathcal L_t $$ 為時間 $t$ 可用 link 集合。 傳統程式通常假設： $$ \mathcal L_{t+1} \approx \mathcal L_t $$ 除非程式被人修改。 但 UNPNP Computer 的核心假設之一是： $$ \boxed{ \mathcal L_{t+1} \neq \mathcal L_t } $$ 可以由 runtime learning 發生。 例如： $$ \Gamma: B_1 \rightarrow B_2 \rightarrow \cdots \rightarrow B_{100} $$ 經過驗證與編譯後生成： $$ \widehat{\ell}_{1,100}. $$ 則： $$ \mathcal L_{t+1} = \mathcal L_t \cup \{ \widehat{\ell}_{1,100} \}. $$ 計算世界因此會隨運行而增加新的有效通道。 --- # 27. 超連結的生命週期 一條 AI 生成 link 不應永久有效。 它可以具有生命週期： $$ \boxed{ \text{candidate} \rightarrow \text{tested} \rightarrow \text{verified} \rightarrow \text{warm} \rightarrow \text{hot} \rightarrow \text{stale} \rightarrow \text{retired}. } $$ 當底空間改變： $$ \mathcal B_i(t+1) \neq \mathcal B_i(t), $$ 舊 link 可能失效。 所以需要： $$ \operatorname{Validate} (\ell,\mathcal B_i(t+1)). $$ 若失敗： $$ \ell \rightarrow \text{repair} $$ 或： $$ \ell \rightarrow \text{retire}. $$ 這使 hyperlink network 成為動態結構，而不是一次建好的靜態圖。 --- # 28. Hyperlink Stability 可以定義一個簡化穩定度： $$ S_H(\ell) = f( \text{success rate}, \text{semantic invariance}, \text{environment stability}, \text{verification history} ). $$ 若： $$ S_H(\ell)\ge\theta_H, $$ 則允許更積極重用。 若： $$ S_H(\ell)<\theta_H, $$ 則降低權重或重新展開。 因此： $$ \boxed{ \text{Hyperlink reuse should be evidence-weighted}. } $$ 這將成為路徑結晶化的重要工程條件。 --- # 29. 最短路徑不一定是步數最少 若： $$ \Gamma_1 $$ 只有兩個 transition， 但每一步成本高； 而： $$ \Gamma_2 $$ 有五個 transition， 但總成本低， 則： $$ |\Gamma_1|<|\Gamma_2| $$ 不代表： $$ C(\Gamma_1) 下一個底空間所需要的東西，必須由前一個底空間產生，或由合法持續狀態提供。 如此才是一條真正的 computation chain。 --- # 32. 真正的超連結與假的超連結 本文可暫時區分三類。 ## 32.1 Navigational Link 只做位置轉移： $$ B_i\rightarrow B_j. $$ ## 32.2 Executable Link 轉移時帶有操作： $$ (B_i,s_i) \rightarrow (B_j,s_j). $$ ## 32.3 Crystallized Computational Link 一個已驗證的複合 traversal 被重編譯為新的有效 transition： $$ \Gamma_{ij} \xrightarrow{K} \widehat{\ell}_{ij}. $$ 真正與 UNPNP 密切相關的是第三種。 --- # 33. 從超連結到計算原語 一旦： $$ \widehat{\ell} $$ 足夠穩定，它可以被上一層視為 primitive。 所以： $$ \text{complex path} \xrightarrow{K} \text{primitive transition}. $$ 這代表 computation primitive 並不一定要在程式設計初期固定。 它可以由運行歷史產生。 因此： $$ \boxed{ \text{Runtime may create new primitives}. } $$ 這是 AI 原生計算相對傳統固定 ISA、固定 API、固定函數圖的一個重要理論差異。 --- # 34. 從「程式」到「會長路的程式」 傳統程式： $$ P_t=P_0 $$ 通常只有在開發者修改後才變化。 UNPNP 的理想版本允許： $$ P_{t+1} = P_t + \Delta L_t, $$ 其中： $$ \Delta L_t $$ 是新驗證通道。 所以程式不只是執行： $$ \text{existing routes}. $$ 也會： $$ \text{discover} \rightarrow \text{verify} \rightarrow \text{compile} \rightarrow \text{add new routes}. $$ 這可以被描述為： $$ \boxed{ \text{a program that learns its own computational shortcuts}. } $$ 但這不是無限制自我修改。 後續安全篇將處理： - 哪些路徑可生成； - 哪些可部署； - 哪些只能 sandbox； - 哪些需要外部批准。 --- # 35. 與傳統編譯器的關係 傳統 compiler 已經會做： - inlining； - dead-code elimination； - constant folding； - loop optimization； - instruction scheduling； - common-subexpression elimination。 UNPNP 不否認這些成熟技術。 其新問題在於： > 能否在更高層的跨底空間、跨模組、跨工具、跨語義狀態上，產生新的 transition？ 即： $$ \boxed{ \text{Compiler Optimization} \subset \text{Possible Corridor Rewriting}. } $$ 但 UNPNP 的 corridor rewriting 不等同傳統 compiler optimization。 兩者應在後續工程研究中實際比較，而不是預設 UNPNP 一定更強。 --- # 36. 第一版 Hyperlink Computer 本文可以暫時將 Hyperlink Computer 定義為： $$ \boxed{ \mathfrak H = ( \mathcal B, \mathcal L, \mathcal A, \mathcal R, \mathcal V, \mathcal H_t ). } $$ 其中： - $\mathcal B$：底空間； - $\mathcal L$：typed hyperlinks； - $\mathcal A$：address resolver； - $\mathcal R$：routing mechanism； - $\mathcal V$：verification； - $\mathcal H_t$：跨空間持續狀態。 一次運行： $$ (\mathcal B_t,s_t,H_t) \xrightarrow{\operatorname{Reveal}} F_t \xrightarrow{\operatorname{Route}} \ell_t \xrightarrow{\operatorname{Traverse}} (\mathcal B_{t+1},s_{t+1},H_{t+1}). $$ 後續才加入： $$ \operatorname{Crystallize}. $$ --- # 37. 本篇與 UNPNP Series 01 的關係 Series 01 提出： $$ \boxed{ \text{複雜度不是消失，而是轉移。} } $$ 本篇則建立： > 複雜度究竟可以被轉移到什麼結構？ 其中最重要的一種結構就是： $$ \boxed{ \text{Hyperlink Network}. } $$ 原本每次都需要重新搜尋的路徑，可以逐步被轉化為： $$ \text{addressable transitions}. $$ 因此： $$ \text{complexity externalization} \rightarrow \text{transition structure}. $$ 這就是 Series 01 與 Series 02 的直接接口。 --- # 38. 理論邊界 本文不主張： > 任何兩個底空間都能直接建立低成本 link。 不主張： > semantic address 一定比傳統函數呼叫更快。 不主張： > AI 一定能正確發現所有有效 transition。 也不主張： > 只要把程式改成 hyperlink graph 就能自動改善複雜度。 真正待驗證的是： $$ \boxed{ \text{哪些跨底空間路徑值得被尋址化、編譯化與結晶化？} } $$ 這是後續實驗的核心。 --- # 39. 核心命題 本文將第二篇的核心命題壓縮為： $$ \boxed{ \textbf{ 超連結的計算本體不是「跳到另一個頁面」， 而是一個可尋址、可解析、可攜帶狀態、可執行且可驗證的跨底空間 transition。 } } $$ 更進一步： $$ \boxed{ \textbf{ AI 原生計算的優勢之一，是能在不重置整體推理狀態的前提下， 沿 typed hyperlinks 連續穿越多個底空間。 } } $$ 因此： $$ \boxed{ \textbf{ 計算世界可以被重新表示為底空間與超連結所構成的可尋址世界。 } } $$ --- # 40. 結論 Web 超連結之所以強大，不只是因為它讓人類少打一段網址。 其更深的意義是： > 它把兩個原本分離的資訊空間建立成一條可直接穿越的通道。 UNPNP 將這個原理推廣到一般計算。 一個函數、一個檔案、一個資料庫、一個遊戲狀態、一個 Agent 工具、一個 API、一個語義記憶節點，都可以被視為某個底空間中的可尋址對象。 一條真正的 AI-native hyperlink 則是： $$ \ell: (\mathcal B_i,s_i,H_t) \rightarrow (\mathcal B_j,s_j,H_{t+1}). $$ 它不只是位置跳轉。 它是： $$ \boxed{ \text{Address} + \text{Transition} + \text{State Continuity} + \text{Execution} + \text{Validation}. } $$ 當這些 link 可以被搜尋、組合、驗證與重新編譯時，計算就開始從： $$ \text{在固定空間中求解} $$ 轉向： $$ \boxed{ \text{在可改寫的跨空間 transition network 中運行}. } $$ 而後續最重要的問題便自然出現： > 誰來決定下一條 link？ 這正是下一篇的主題。 --- ## 後續篇章 **Series 03｜自適應快速通道：從固定演算法到 Corridor Generator** 下一篇將正式建立： $$ \mathcal M: (s_t,g,h_t,B_t,R_t) \mapsto \Phi_t, $$ 並討論： - 固定通道與自適應通道； - Local／Family／Adaptive corridor； - AI 作為 corridor generator； - 通道生成成本； - novelty threshold； - 何時不需要 LLM reasoning； - 何時應重新展開； - 如何避免把「每個案例都有捷徑」誤認成「存在統一快速生成器」。