# 類全域 AI 的世界—計算—觀察三重族（Paper 01）
## 從單一模型智能到可運行全域認知架構
### World–Computation–Observation Triple Families for Global-Like AI: From Single-Model Intelligence to Runnable Global Cognitive Architecture

**作者：** Neo.K  
**AI 協作：** Aletheia（GPT-5.6 Sol）  
**機構：** EveMissLab／一言諾科技有限公司  
**系列：** 類全域 AI 世界—計算—觀察統合系列  
**英文系列名：** Global-Like AI World–Computation–Observation Synthesis Series  
**篇次：** Paper 01 / 12  
**版本：** v0.1  
**日期：** 2026-09-08  
**研究定位：** Mathematical World Theory × Global Computation × Global Observer × SWFR × Projection Computation × PNCW × DEST × Domain-Stratified Operator Ontology × Global AI Runtime  
**狀態：** 母統合論／架構地基；不宣稱本文已實作或證明通用 Global AI

---

## 摘要

現代人工智慧常被描述成：

$$
\text{Input}
\rightarrow
\text{Model}
\rightarrow
\text{Reasoning}
\rightarrow
\text{Output}.
$$

這種描述對一次性任務與語言模型互動仍然有用，但當研究目標轉向能長期維持世界狀態、跨域搜尋與驗證、動態選擇計算方法、建立反事實世界、使用多種觀察方式、在有限權限下作用於真實系統並持續修正自身的類全域 AI 時，單一「模型—輸出」鏈已經不足。

本文提出一個新的母架構：**世界—計算—觀察三重族（World–Computation–Observation Triple Family, WCO-TF）**。

其基本形式為：

$$
\boxed{
\mathfrak T_t
=
\left(
\mathfrak W_t,
\mathfrak C_t,
\mathfrak O_t
\right),
}
$$

其中：

$$
\mathfrak W_t
=
\{W_i\}_{i\in I_t}
$$

是當前可維持、可生成、可運行或可引用的世界族；

$$
\mathfrak C_t
=
\{\Phi_\alpha\}_{\alpha\in A_t}
$$

是可選擇、組合、切換與調度的計算族；

$$
\mathfrak O_t
=
\{\mathcal O_\beta\}_{\beta\in B_t}
$$

是依 observer、task、domain、resolution、authority 與 risk 所選擇的觀察算子族。

本文再將 projection family 定位為觀察與載體之間的接口：

$$
\mathfrak P_t
=
\{\Pi_\gamma\}_{\gamma\in G_t},
$$

使：

$$
\mathcal O_\beta(W_i)
\rightarrow
P_{\beta,\gamma}
\rightarrow
\text{machine / human carrier}.
$$

這樣，投影不被誤當成 world 本身，觀察也不被誤當成 computation 本身。

本文承接並統合 Neo.K 既有多條研究線。Mathematical World Theory（MWT）已把合法數學對象、關係、算子、表示、觀察者與歷史放入可版本化數學世界中，並保留多重表示、非交換路徑與有限有效支撐。Global Computation Methodology（GCM）已建立：

$$
\boxed{
\text{Computation}
\neq
\text{Observation},
}
$$

以及：

$$
\boxed{
\text{Global Computation}
=
\text{Globally Coherent Heterogeneous Computation},
}
$$

而非「所有地方執行同一演算法」或「全部資料一次物化」。Global Observer Series 又提出：AI 在能全域計算世界以前，必須先學會如何全域地看見世界。Projection Computation 與 PNCW 則進一步建立有限影、失真證書、投影原生計算世界、全域計算／局部顯現與 selective materialization。DEST 把 definition、observation、reachability、judgment、verification、local、global-gluing 分離；分域算子本體論則要求每次跨域作用都重新取得合法性。WDC／SWFR 讓 future candidate 可以被 materialize 為 runnable world family；PPOE 則把 projection 往下接到 sensor、material、physical field 與 receptor。

本文的新增工作不是重複上述理論，而是第一次把它們收斂成同一個類全域 AI 能力骨架。

本文提出七層垂直架構：

$$
\boxed{
\begin{aligned}
L_0 &: \text{Global / Mathematical World Layer}\\
L_1 &: \text{Knowledge and World-State Construction Layer}\\
L_2 &: \text{World-Family Generation Layer}\\
L_3 &: \text{Global Heterogeneous Computation Layer}\\
L_4 &: \text{Observer / Domain / Projection Selection Layer}\\
L_5 &: \text{Machine / Physical Projection Realization Layer}\\
L_6 &: \text{Verification / Action / Reality Re-entry Layer}
\end{aligned}
}
$$

並提出四條必須橫跨所有層的持續脊柱：

$$
\boxed{
\begin{aligned}
H_1 &: \text{Memory + Provenance + History}\\
H_2 &: \text{Authority + Governance + Safety}\\
H_3 &: \text{Certificates + Verification + Failure}\\
H_4 &: \text{Dynamic Identity + Reopenability}
\end{aligned}
}
$$

其中第四條與動態不動點數學直接接合：世界模型、觀察方式、計算方法、判定域、驗證方式與 runtime 都可以改變，但系統不能因此失去可追溯身份、歷史與重新修正能力。

本文因此把類全域 AI 定義為：

$$
\boxed{
\text{Global-Like AI}
=
\text{Persistent Dynamic World–Computation–Observation System}
}
$$

而不是「單一超強模型」。

其最小閉環為：

$$
\boxed{
\begin{aligned}
\mathcal R_t
&\rightarrow
\mathcal W_t
\rightarrow
\mathfrak W_t
\rightarrow
\Phi_G
\\
&\rightarrow
\mathfrak O_t
\rightarrow
\mathfrak P_t
\rightarrow
\mathsf{Carrier}_t
\\
&\rightarrow
\mathsf{Observe}
\rightarrow
\mathsf{Judge}
\rightarrow
\mathsf{Verify}
\\
&\rightarrow
\mathsf{Proposal}
\rightarrow
\mathsf{Authority}
\rightarrow
\mathsf{Act}
\\
&\rightarrow
\mathcal R_{t+1}
\rightarrow
\mathcal W_{t+1}.
\end{aligned}
}
$$

本文最核心的立場不是「未來 AI 要看見所有東西」，而是：

$$
\boxed{
\text{Globality}
\neq
\text{Full Materialization}
\neq
\text{Full Observation}
\neq
\text{Full Control}.
}
$$

真正的 globality 是在指定 world boundary 內維持必要關係、異質計算、可重建狀態、選擇性觀察、可驗證投影、有限 authority 與跨時間一致演化。

**關鍵詞：** Global AI、World Family、Global Computation、Global Observer、Projection Computation、SWFR、PPOE、PNCW、MWT、DEST、Dynamic Fixed-Point Mathematics、AI-native runtime

---

# 0. 研究問題：為什麼「一個很聰明的模型」還不是類全域 AI？

如果模型能力非常高：

$$
C_{\mathrm{model}}\uparrow,
$$

不代表它自動具有：

- persistent world state；
- multi-world simulation；
- long-term memory；
- cross-domain epistemic routing；
- method selection；
- execution routing；
- verification；
- authority boundaries；
- physical observation；
- reality re-entry。

因此：

$$
\boxed{
\text{High Intelligence}
\not\Rightarrow
\text{Global Operational Architecture}.
}
$$

---

# 1. 類全域 AI 不是 IQ 分類

本文承接：

$$
\boxed{
ASI
\neq
GlobalAI.
}
$$

ASI 主要描述 intelligence capability class。

Global AI 則描述：

$$
\text{world-scale operational organization}.
$$

---

# 2. Global 不是 All-to-All

本文採用 Global Computation 的世界相對定義：

$$
\boxed{
\text{Global}
=
\text{coherence relative to a designated World boundary}.
}
$$

所以 Global 不要求：

- 所有資料一次載入；
- 所有節點彼此直接連接；
- 所有計算同步；
- 所有 representation 相同；
- 所有 observer 看見全部。

---

# 3. Global 也不是 Unlimited

$$
\boxed{
\text{Global Cognitive Reach}
\neq
\text{Unlimited Reach}.
}
$$

任何現實 AI 都有：

$$
B_{\mathrm{compute}},
B_{\mathrm{memory}},
B_{\mathrm{time}},
B_{\mathrm{network}},
B_{\mathrm{authority}}.
$$

---

# 4. 類全域 AI 的第一個基本對象：World

本文不把 world 定義成 naive universal set。

更保守地：

$$
W
=
\text{a versioned, addressable, runnable or representable state domain}.
$$

---

# 5. World 不等 Reality

$$
\boxed{
W
\neq
\mathcal R.
}
$$

即使是 actual-linked world，也只是可驗證、可更新的模型／runtime state。

---

# 6. World Model 也不等 Information Ocean

大量資訊：

$$
D_{\mathrm{raw}}
$$

不自動形成：

$$
W_t.
$$

真正需要：

$$
\boxed{
\text{Preserve Source}
+
\text{Govern State}
+
\text{Derive Representation}
+
\text{Update by Delta}.
}
$$

---

# 7. 世界狀態需要 Identity

每個重要 state object 至少需要：

$$
(Id,Version,Time,Source,Mode,Provenance).
$$

否則：

$$
\text{new data}
$$

與：

$$
\text{new world state}
$$

會被混淆。

---

# 8. 一個 World 不夠

長期智能必須處理：

- actual-linked world；
- simulation；
- counterfactual；
- replay；
- synthetic benchmark；
- digital twin；
- nested world。

因此：

$$
\boxed{
\mathfrak W_t
=
\{W_i\}_{i\in I_t}.
}
$$

---

# 9. World Family 不是多份 Copy

承接 WDC／SWFR：

$$
\boxed{
\text{Clone}
\neq
\text{Fork}
\neq
\text{Replay}
\neq
\text{Counterfactual}.
}
$$

---

# 10. World Count 不等 Truth

$$
\boxed{
|\mathfrak W_t|
\neq
N_{\mathrm{independent\ evidence}}
\neq
\text{Truth}.
}
$$

很多 worlds 可以共享同一 backend error。

---

# 11. 第二個基本對象：Computation Family

傳統描述常假設：

$$
\Phi
$$

是單一算法。

類全域 AI 則需要：

$$
\boxed{
\mathfrak C_t
=
\{\Phi_\alpha\}_{\alpha\in A_t}.
}
$$

---

# 12. Computation Family 可以異質

可包括：

- deterministic algorithm；
- graph algorithm；
- symbolic reasoning；
- theorem proving；
- numerical solver；
- simulation；
- stochastic method；
- search；
- optimization；
- multi-agent deliberation；
- learned model；
- hardware accelerator。

---

# 13. Global Computation 是 Composition

對 domain $i$：

$$
\Phi_i^{p_i,\ell_i}.
$$

全域演化：

$$
\boxed{
\Phi_G(t)
=
\operatorname{Compose}_{\mathcal C_G(t)}
\left(
\Phi_1,\ldots,\Phi_n
\right).
}
$$

---

# 14. 同一 World 不必只有一種 Transition Law

世界可以包含：

$$
\mathfrak L
=
\{\ell_i\}.
$$

例如 continuous physics 與 discrete institution rule 可以共存。

---

# 15. AI 不必替代計算

AI 可以主要負責：

$$
\boxed{
\text{select}
+
\text{compose}
+
\text{route}
+
\text{verify}
+
\text{replan}.
}
$$

底層計算仍可交給傳統計算機。

---

# 16. Intelligence 不等 Method Availability

$$
\boxed{
\text{Intelligence}
\neq
\text{Method Availability}
\neq
\text{Method Selection}
\neq
\text{Method Orchestration}.
}
$$

Global-like AI 必須處理後三者。

---

# 17. 第三個基本對象：Observation Family

本文定義：

$$
\boxed{
\mathfrak O_t
=
\{\mathcal O_\beta\}_{\beta\in B_t}.
}
$$

---

# 18. Observation 不等 Computation

$$
\boxed{
\text{Computation}
\neq
\text{Observation}.
}
$$

世界可以持續演化，而 observer 只取當前所需 slice。

---

# 19. 局部觀察不等局部計算

$$
\boxed{
\text{Local Observation}
\neq
\text{Local Computation}.
}
$$

observer 只看一個節點，不代表世界只計算該節點。

---

# 20. Observation Operator 可以依 Task 選擇

$$
\mathcal O^\ast
=
\operatorname*{arg\,max}_{\mathcal O}
J(\mathcal O\mid W,o,\tau,b,\rho).
$$

---

# 21. AI 可以開始選自己的 Computational Way of Seeing

如果 AI 能自己發現：

$$
\mathcal O_A
$$

比人類預設：

$$
\mathcal O_H
$$

在多次任務中更有效、更穩健、更可驗證，

那就是：

$$
\boxed{
\text{AI-native observation method emergence}.
}
$$

---

# 22. Observation 不等 Projection

Observation operator 回答：

> 從 world 取什麼？

Projection operator 回答：

> 如何把取得的結構放到某個 carrier？

因此：

$$
\boxed{
\mathcal O
\neq
\Pi.
}
$$

---

# 23. Projection Family

$$
\boxed{
\mathfrak P_t
=
\{\Pi_\gamma\}.
}
$$

可包含：

- text projection；
- 2D；
- 3D；
- graph；
- table；
- symbolic view；
- tensor view；
- XR；
- audio；
- haptic；
- AI-native state。

---

# 24. Representation Dimension 不等 Ontology Dimension

$$
\boxed{
\dim(P)
\neq
\dim_{\mathrm{ontology}}(W)
}
$$

一般不應被混為一談。

---

# 25. Projection 不等 World

$$
\boxed{
P
\neq
W.
}
$$

這條必須跨所有層保持。

---

# 26. Projection Computation 提供有限影

對巨大／高維 world：

$$
W
$$

observer 通常只能得到：

$$
P_i
=
\Pi_i(W).
$$

投影必須附帶：

- task；
- resolution；
- error；
- provenance；
- loss；
- certificate。

---

# 27. 多投影不是多證據

$$
\boxed{
\text{Projection Diversity}
\neq
\text{Evidence Independence}.
}
$$

---

# 28. 第四個接口：Epistemic Domain

看到某物：

$$
D^O
$$

不代表可以判定：

$$
D^J.
$$

可以判定：

$$
D^J
$$

不代表已驗證：

$$
D^V.
$$

---

# 29. DEST 七域

本文保留：

$$
\mathcal D_t
=
\langle
D^D,
D^O,
D^R,
D^J,
D^V,
D^L,
D^G
\rangle.
$$

---

# 30. 每個 Observation Result 都應有 Domain Fingerprint

對結果 $x$：

$$
\mathbf m_t(x)
\in
\{1,0,?,\mathsf B,\mathsf S\}^{7}.
$$

---

# 31. World Family 可以有不同判定域

某命題：

$$
x\notin D^J_{W_1}
$$

不推出：

$$
x\notin D^J_{W_2}.
$$

---

# 32. Domain Routing

AI 可以執行：

$$
Fold,
Bridge,
Project,
Lift,
Reparam,
ClassJump,
Tunnel.
$$

目標不是形式炫技，而是取得合法可判域。

---

# 33. 算子必須合法化

本文承接分域算子本體論：

$$
\boxed{
\operatorname{Op}(x)
\land
\operatorname{Op}(y)
\not\Rightarrow
x(y)\downarrow.
}
$$

---

# 34. World-to-World Edge 也是算子

SWFR 中：

$$
\mathsf{Observe}_{ij},
\mathsf{Control}_{ij},
\mathsf{Evidence}_{ij}
$$

都不能只因「有連線」就假設合法。

---

# 35. Typed Partial World Operators

應要求：

$$
\Gamma;\Delta
\vdash
\mathcal O:
A\rightharpoonup B.
$$

---

# 36. Bridge 是正式對象

跨 domain／world／carrier 必須有：

$$
\mathcal B:
A\rightharpoonup B.
$$

---

# 37. Bridge 不必可逆

$$
\boxed{
\mathcal B^{-1}
\text{ need not exist}.
}
$$

這與 SWFR 非對偶性一致。

---

# 38. 第五個接口：Materialization

全域依賴不等：

$$
\boxed{
\text{Full Materialization}.
}
$$

只有需要被當前 compute／observer 使用的部分需要 active realization。

---

# 39. PNCW 原則

$$
\boxed{
\text{Compute Globally,
Materialize Selectively,
Observe Relatively}.
}
$$

---

# 40. Materialization Policy

可以寫為：

$$
\mathsf{MatPolicy}_t:
(W,q,O,R,B,Risk)
\rightarrow
\mathcal M_t.
$$

---

# 41. High-Dimensional State 不必序列化成逐 token Observation

$$
\boxed{
\text{High-Dimensional State}
\not\Rightarrow
\text{Sequentialized Observation}.
}
$$

---

# 42. Machine Carrier 與 Human Carrier 可以不同

$$
P_{AI}
\neq
P_H.
$$

但可共享 canonical world identity。

---

# 43. PPOE 把 Projection 拉進物理世界

如果 human 需要實際感知：

$$
P^\ast
\rightarrow
u
\rightarrow
\Phi
\rightarrow
\widehat P.
$$

---

# 44. 物理 Projection 不等 Rendering

$$
\boxed{
\text{Physical Projection}
\neq
\text{Rendering}.
}
$$

它還涉及 transduction、materials、field、receptor、calibration。

---

# 45. 類全域 AI 可以只使用 Machine-Native Projection

不是每個 world computation 都需要讓人看到。

所以：

$$
Renderer=Null
$$

也可以是合法 runtime 狀態。

---

# 46. 第六個接口：Memory

世界狀態若不能跨時間保持：

$$
W_t
\rightarrow
\varnothing,
$$

系統就不具長程 globality。

---

# 47. Memory 不是 Big Context

$$
\boxed{
\text{Memory}
\neq
\text{Context Window}.
}
$$

---

# 48. Memory 必須保留多表示與 Provenance

至少需要：

$$
\mathcal K(d)
=
(E,L,\Phi,G,P,V,S,C).
$$

---

# 49. Memory 應能重建 World

更強的 memory 目標是：

$$
\boxed{
\text{Memory}
\rightarrow
\text{World Reconstruction}.
}
$$

---

# 50. Memory 還應支援 World-Family Generation

$$
\text{Memory}
\rightarrow
\mathfrak W_t.
$$

過去的 evidence、failed branches 與 history 可以成為 future world generation 的 constraints。

---

# 51. 全域知識收斂不是摘要

$$
\mathcal K_{n+1}
=
\Phi(\mathcal K_n).
$$

目標是提高：

- coverage；
- generativity；
- predictivity；
- transferability；

而不是只減少文字量。

---

# 52. 知識可以透過 World Execution 驗證

新循環：

$$
\boxed{
\text{Knowledge}
\rightarrow
\text{World Hypotheses}
\rightarrow
\text{Run}
\rightarrow
\text{Counterexample}
\rightarrow
\text{Knowledge Update}.
}
$$

---

# 53. 第七個接口：Execution

Global-like AI 不只提出方法。

它需要將 candidate route 到 runtime。

---

# 54. MSSP 與 RDR

可以簡化成：

$$
MSSP
=
\text{What / Where},
$$

$$
RDR
=
\text{How / Execute}.
$$

---

# 55. CAIR 保持 Authority

不能讓 index 或 runtime 反向污染 canonical semantics。

所以：

$$
\boxed{
UI
\neq
Authority
\neq
Index
\neq
Runtime.
}
$$

---

# 56. Candidate 不等 Commit

執行管線應保持：

$$
\boxed{
Execute
\rightarrow
Candidate
\rightarrow
Verify
\rightarrow
Fence
\rightarrow
Commit
\rightarrow
Receipt.
}
$$

---

# 57. 第八個接口：Verification

世界跑完不代表結論成立。

$$
\boxed{
\text{World Execution Result}
\neq
\text{Verified Claim}.
}
$$

---

# 58. Verification 可以跨世界、跨方法、跨 projection

但要追蹤 independence。

$$
I_{\mathrm{evid}}
$$

不能被 world count 或 model count 取代。

---

# 59. Local Certificate 不自動推出 Global Certificate

每段作用都合法，長鏈仍可能出現：

- cycle conflict；
- semantic drift；
- history inconsistency；
- accumulated loss。

所以：

$$
\boxed{
\text{Local Validity}
\not\Rightarrow
\text{Global Validity}.
}
$$

---

# 60. 第九個接口：Authority

Global cognition 不等 global control。

$$
\boxed{
\text{Global Cognition}
\neq
\text{Global Agency}
\neq
\text{Global Control}
\neq
\text{Global Sovereignty}.
}
$$

---

# 61. Observation 與 Authority 分離

$$
\boxed{
\text{Can Observe}
\not\Rightarrow
\text{Can Act}.
}
$$

---

# 62. Semantic Coupling 與 Authority Coupling 分離

$$
\boxed{
SemanticCoupling
\neq
AuthorityCoupling.
}
$$

---

# 63. Task-Appropriate Coupling

最佳架構不是：

$$
\max Coupling.
$$

而是：

$$
\boxed{
\text{Task-Appropriate Coupling}
+
\text{Bounded Authority}.
}
$$

---

# 64. 第十個接口：Dynamic Identity

世界模型會變：

$$
W_t\neq W_{t+1}.
$$

方法族會變：

$$
\mathfrak C_t\neq\mathfrak C_{t+1}.
$$

觀察方式也會變：

$$
\mathfrak O_t\neq\mathfrak O_{t+1}.
$$

---

# 65. 但系統不能每次更新就失去身份

所以需要：

$$
\boxed{
\text{Change}
+
\text{Traceable Continuity}.
}
$$

---

# 66. 動態不動點成為 Runtime 原則

本文將其弱工程化為：

$$
\boxed{
\mathfrak G_{t+1}
\neq
\mathfrak G_t
}
$$

但存在 continuity witness：

$$
\mathsf{CW}_{t\rightarrow t+1}.
$$

---

# 67. Continuity Witness 可以包含

- WorldId lineage；
- state migration；
- model provenance；
- policy revision；
- operator version；
- authority change；
- verification history。

---

# 68. Reopenability

任何暫時穩定結論：

$$
K^\ast
$$

都應保留：

$$
\mathsf{Reopen}(K^\ast).
$$

如果新 evidence 或新 domain 出現。

---

# 69. 動態不動點不是「所有東西永遠改」

而是：

$$
\boxed{
\text{No local closure may permanently erase the ability to reopen under justified cause}.
}
$$

---

# 70. 七層垂直架構

本文正式提出：

$$
\boxed{
\begin{aligned}
L_0 &: \text{Global / Mathematical World}\\
L_1 &: \text{Knowledge and World-State Construction}\\
L_2 &: \text{World-Family Generation}\\
L_3 &: \text{Global Heterogeneous Computation}\\
L_4 &: \text{Observer / Domain / Projection Selection}\\
L_5 &: \text{Projection Realization}\\
L_6 &: \text{Verification / Action / Reality Re-entry}
\end{aligned}
}
$$

---

# 71. L0：World Semantics

主要依賴：

- MWT；
- GSWUE；
- NCM；
- world identity。

---

# 72. L1：Information-to-State Conversion

主要處理：

$$
D_{\mathrm{raw}}
\rightarrow
W_t.
$$

需要：

- dedup；
- version；
- temporal alignment；
- provenance；
- semantic normalization。

---

# 73. L2：World-Family Generation

$$
W_t
\rightarrow
\mathfrak W_t.
$$

由 WDC／SWFR 管理：

- fork；
- replay；
- counterfactual；
- nested world；
- world mode。

---

# 74. L3：Global Heterogeneous Computation

$$
\mathfrak W_t
\xrightarrow{\Phi_G}
\mathfrak W_{t+1}^{candidate}.
$$

由 GCM、CDI、24/72 routing 提供方法空間。

---

# 75. L4：Observer / Domain / Projection Selection

決定：

- 看哪個 world；
- 用什麼 operator；
- 哪個 epistemic domain；
- 哪個 representation；
- 哪個 resolution。

---

# 76. L5：Projection Realization

Machine：

$$
P_{AI}.
$$

Human：

$$
P_H.
$$

Physical：

$$
P^\ast
\rightarrow
\Phi.
$$

---

# 77. L6：Verification / Action / Reality Re-entry

$$
Candidate
\rightarrow
Verify
\rightarrow
Authority
\rightarrow
Act
\rightarrow
\mathcal R_{t+1}.
$$

---

# 78. 四條橫向脊柱

## H1 — Memory / Provenance / History

所有層必須可回溯。

## H2 — Authority / Governance / Safety

所有 effects 都必須有 boundary。

## H3 — Certificates / Verification / Failure

所有重要 transition 應能說明為何成立或為何失敗。

## H4 — Dynamic Identity / Reopenability

所有穩定狀態仍保留合理修正入口。

---

# 79. 三重族不是三個互相獨立的箱子

世界族、計算族、觀察族是耦合的：

$$
\mathfrak W_t
\leftrightarrow
\mathfrak C_t
\leftrightarrow
\mathfrak O_t.
$$

但不坍縮為同一物。

---

# 80. World 會限制 Computation

某 world domain 不允許任意算法。

例如：

$$
\Gamma_W
\vdash
\Phi_\alpha
\downarrow?
$$

---

# 81. Computation 會生成新的 Observation Need

計算發現 anomaly 後：

$$
\Phi_\alpha
\rightarrow
\Delta K
\rightarrow
\mathcal O_{\mathrm{new}}.
$$

---

# 82. Observation 會改變 World State Estimate

$$
\mathcal O(W)
\rightarrow
E
\rightarrow
W'.
$$

所以三者形成 feedback。

---

# 83. Projection 是 Observer–Carrier Interface

Projection 不加入三重族本體核心，是因為：

$$
\boxed{
\text{Observation Content}
\neq
\text{Carrier Representation}.
}
$$

同一 observation 可以投影成 graph、text、XR 或 AI-native tensor。

---

# 84. 類全域 AI 的完整狀態

本文定義母狀態：

$$
\boxed{
\mathfrak G_t
=
\left\langle
\mathfrak W_t,
\mathfrak C_t,
\mathfrak O_t,
\mathfrak P_t,
\mathfrak M_t,
\mathfrak V_t,
\mathfrak A_t,
\mathfrak H_t,
\mathfrak R_t
\right\rangle.
}
$$

---

# 85. 各分量

- $\mathfrak W_t$：world family；
- $\mathfrak C_t$：computation family；
- $\mathfrak O_t$：observation family；
- $\mathfrak P_t$：projection family；
- $\mathfrak M_t$：memory / provenance；
- $\mathfrak V_t$：verification / certificates；
- $\mathfrak A_t$：authority / governance；
- $\mathfrak H_t$：history / identity；
- $\mathfrak R_t$：resource / runtime state。

---

# 86. 類全域 AI 的最小演化

$$
\boxed{
\mathfrak G_{t+1}
=
\mathcal F_G
(
\mathfrak G_t,
E_t,
U_t,
B_t,
\Gamma_t
).
}
$$

其中：

- $E_t$：new evidence；
- $U_t$：task / intent；
- $B_t$：budget；
- $\Gamma_t$：authority / constraints。

---

# 87. $\mathcal F_G$ 不是單一 Neural Network

它是：

$$
\boxed{
\text{world update}
+
\text{routing}
+
\text{computation}
+
\text{observation}
+
\text{verification}
+
\text{governance}.
}
$$

---

# 88. 完整現實閉環

$$
\boxed{
\begin{aligned}
\mathcal R_t
&\xrightarrow{\mathsf{Sense}}
W_t
\\
&\xrightarrow{\mathsf{WorldFamily}}
\mathfrak W_t
\\
&\xrightarrow{\mathsf{GlobalCompute}}
\mathfrak W_t'
\\
&\xrightarrow{\mathsf{Observe}}
E_t^{obs}
\\
&\xrightarrow{\mathsf{Judge}}
J_t
\\
&\xrightarrow{\mathsf{Verify}}
V_t
\\
&\xrightarrow{\mathsf{Propose}}
A_t^{cand}
\\
&\xrightarrow{\mathsf{Authority}}
A_t^{auth}
\\
&\xrightarrow{\mathsf{Act}}
\mathcal R_{t+1}.
\end{aligned}
}
$$

---

# 89. 這不是單一閉環

內部還可以同時有：

- memory loop；
- world-family loop；
- verification loop；
- projection loop；
- resource loop；
- governance loop。

---

# 90. 類全域 AI 不要求 One AI / One World / One Authority

本文拒絕：

$$
OneAI
\rightarrow
OneWorld
\rightarrow
OneAuthority.
$$

更合理可能是：

$$
\boxed{
ManySubjects
+
ManyWorlds
+
SharedCognition
+
FederatedCoordination
+
BoundedAuthority.
}
$$

---

# 91. Global-Like AI 也可以是 Federated

全球認知能力可以分布在：

- 多 AI；
- 多 runtime；
- 多 organization；
- 多 memory nodes；
- 多 observer。

不必形成單一 subject。

---

# 92. Shared Cognition 不等 Shared Subjectivity

$$
\boxed{
\text{Shared Computation / World State}
\not\Rightarrow
\text{Single Subject}.
}
$$

---

# 93. 類全域 AI 的成熟度不能只看模型分數

至少應測：

$$
\mathcal M_{\mathrm{global}}
=
(
R_C,
W_P,
C_H,
O_A,
V_Q,
M_P,
A_P,
R_E
).
$$

概念上分別代表：

- cognitive reach；
- world persistence；
- computational heterogeneity；
- observation adaptivity；
- verification quality；
- memory persistence；
- authority precision；
- reopenability。

---

# 94. Cognitive Reach

系統能覆蓋多少 relevant domains。

但：

$$
R_C
\neq
\text{all knowledge}.
$$

---

# 95. World Persistence

是否能跨時間維持：

$$
W_t
\rightarrow
W_{t+\Delta}.
$$

---

# 96. Computational Heterogeneity

能否根據 task 切換：

$$
\Phi_1,\Phi_2,\ldots.
$$

---

# 97. Observation Adaptivity

是否能選擇：

$$
\mathcal O^\ast
$$

而不是固定 view。

---

# 98. Verification Quality

是否能區分：

$$
Candidate
\neq
Verified.
$$

---

# 99. Authority Precision

成熟度不一定是 authority 越大越高。

反而可能是：

$$
\boxed{
\text{Unnecessary Control}\downarrow.
}
$$

---

# 100. Reopenability

系統是否能在：

- new evidence；
- new domain；
- changed ontology；
- failed prediction；

後重新打開結論。

---

# 101. 類全域 AI 的一個必要負面條件

如果系統永遠只能：

$$
\text{one world}
+
\text{one method}
+
\text{one view}
+
\text{one authority path},
$$

即使模型很強，也很難稱為本文意義上的 global-like architecture。

---

# 102. 但多樣性也不是充分條件

有很多：

- worlds；
- agents；
- tools；
- views；

也可能只是 chaos。

所以：

$$
\boxed{
\text{Multiplicity}
\neq
\text{Global Coherence}.
}
$$

---

# 103. Global Coherence 的候選條件

至少需要：

$$
\boxed{
\text{Identity}
+
\text{Typed Relations}
+
\text{Provenance}
+
\text{Routing}
+
\text{Verification}
+
\text{Authority}
+
\text{History}.
}
$$

---

# 104. 全域 AI 的核心不是「知道全部」

而是：

> 能在有限資源下，知道目前必須維持哪些關係、展開哪些 world、選哪種 computation、用什麼 observation、何時停止、何時重開。

---

# 105. Attention 因此是 World–Computation–Observation Routing

attention 不只是 token weight。

可以寫：

$$
\mathsf{Attend}_t
:
(\mathfrak W,\mathfrak C,\mathfrak O)
\rightarrow
(\mathfrak W^\ast,\mathfrak C^\ast,\mathfrak O^\ast).
$$

---

# 106. MSSP 可以成為 Structural Attention Substrate

MSSP 的價值不是只幫人類少看一點。

對 AI，它可以：

$$
\boxed{
\text{有秩序地看完更多}.
}
$$

---

# 107. World Family Scheduler 與 MSSP 不同

WFS：

$$
\text{which worlds continue?}
$$

MSSP：

$$
\text{which structural subsets/capabilities are relevant?}
$$

兩者可以互接但不應合併。

---

# 108. RDR 與 Global Computation Scheduler 不同

RDR 關心 materialization / dispatch。

GCM scheduler 關心：

$$
\text{which computation form / domain / backend?}
$$

需要分層。

---

# 109. 新系列要避免一個大陷阱：重新發明舊理論

因此 Paper 01 固定以下邊界：

- 不重新定義 MWT；
- 不重新定義 WDC world semantics；
- 不重新定義 DEST 七域；
- 不重新定義 Projection Debt；
- 不重新定義 GIRA Global AI；
- 不重新定義 MSSP/RDR/CAIR。

本文只定義它們在新的 WCO-TF 母架構中的接口。

---

# 110. WCO-TF 的新意

本文真正新增：

1. 世界族、計算族、觀察族成為同一母狀態的三個一級族；
2. Projection Family 被定位成 observation-to-carrier interface；
3. 七層垂直架構；
4. 四條橫向脊柱；
5. Global-like AI 的 persistent dynamic system 定義；
6. 世界—計算—觀察共同路由；
7. dynamic identity / reopenability 被提升為 runtime constitution；
8. 12 篇新系列的統一接口。

---

# 111. 可實驗研究一：One-Path vs Triple-Family Runtime

比較：

### Baseline A

$$
Model
\rightarrow
Answer.
$$

### Baseline B

$$
Agent
+
Tools.
$$

### WCO-TF Prototype

$$
WorldFamily
+
ComputationFamily
+
ObservationFamily.
$$

測：

- task quality；
- recovery；
- context reuse；
- verification；
- compute cost；
- human intervention。

---

# 112. 可實驗研究二：Fixed Observation vs Adaptive Observation

同一 world／task 比較：

$$
\mathcal O_{fixed}
$$

與：

$$
\mathcal O_{adaptive}.
$$

測：

- error detection；
- decision quality；
- compute；
- observability。

---

# 113. 可實驗研究三：Single World vs World Family

比較：

$$
W
$$

與：

$$
\mathfrak W.
$$

但必須控制 compute budget，避免只是因為花更多算力。

---

# 114. 可實驗研究四：Single Method vs Computation Routing

固定：

$$
\Phi_1
$$

對比：

$$
\mathsf{Route}(\mathfrak C).
$$

---

# 115. 可實驗研究五：Global Computation / Local Observation

建立大 world graph。

只讓 observer 取得：

$$
P_{\mathrm{local}},
$$

測是否仍能依賴全域 constraints 做正確 local decision。

---

# 116. 可實驗研究六：Domain Fingerprint

同一 claim 在：

$$
D^O,
D^J,
D^V,
D^G
$$

的狀態分開記錄。

測是否降低「看見就當證明」的錯誤。

---

# 117. 可實驗研究七：Dynamic Reopen

先讓 system commit 暫時結論。

加入 contradictory evidence。

測：

- reopen latency；
- provenance preservation；
- rollback；
- history consistency。

---

# 118. 可實驗研究八：Bounded Authority

比較：

- observe-only；
- propose-only；
- bounded actuation；
- broad authority。

測：

$$
Capability
\quad\text{vs}\quad
Safety.
$$

---

# 119. 可反駁性

本文會被下列結果削弱：

1. World family、computation routing、adaptive observation 在受控成本下沒有任何穩定收益；
2. persistent world state 不能降低重複認知成本；
3. epistemic domain separation 不能降低判定錯誤；
4. provenance/certificates 無法提高可重播性；
5. dynamic reopenability 造成的成本大於其價值；
6. simpler agent architecture 在所有代表性 global tasks 上同等有效。

---

# 120. 外部研究接口

世界模型研究正在把 perception、prediction、planning 與 control 放入同一 predictive substrate，但仍面對 partial observability、uncertainty、rollout error、sim-to-real 與 planner exploitation。

Model-based web agents 已展示：在存在不可逆 action 的環境中，先用 world model 模擬候選 action 再 commit，可以是一種比純 reactive action 更穩健的 planning pattern。

這些工作支持世界模型／模擬層的現實價值，但本文不把單一 learned world model 等同 WCO-TF。本文要求額外處理：

- world identity；
- world family；
- heterogeneous computation；
- observation family；
- epistemic domains；
- projection；
- memory/provenance；
- authority；
- certificates；
- reopenability。

---

# 121. 本文不主張什麼

本文不主張：

1. Global AI 必然出現；
2. AGI／ASI 必然演化成本文架構；
3. 世界族越大越好；
4. 全域計算在所有任務都優於局部算法；
5. AI 應觀察一切資料；
6. AI 應擁有廣泛控制權；
7. 所有 knowledge 都能轉成 runnable world；
8. 所有 observation 都能無損 projection；
9. 所有跨域 bridge 都存在；
10. 所有 local certificates 最終都可形成 global certificate；
11. 動態不動點已完成形式化；
12. WCO-TF 是意識理論；
13. WCO-TF 是宇宙本體論；
14. WCO-TF 已完成 production implementation；
15. WCO-TF 取代 MWT、GCM、DEST、WDC、PNCW、GIRA 或 ACWC。

---

# 122. 核心非同一性原則

$$
\boxed{
Reality
\neq
World
\neq
WorldFamily.
}
$$

$$
\boxed{
Computation
\neq
Observation
\neq
Projection
\neq
Materialization.
}
$$

$$
\boxed{
Observation
\neq
Judgment
\neq
Verification.
}
$$

$$
\boxed{
Capability
\neq
Access
\neq
Authority.
}
$$

$$
\boxed{
WorldCount
\neq
EvidenceCount
\neq
Truth.
}
$$

$$
\boxed{
GlobalCognition
\neq
GlobalControl.
}
$$

---

# 123. 系列總路線

Paper 01：  
**世界—計算—觀察三重族總論**

Paper 02：  
**世界層：從單一 World Model 到 Governed World Family**

Paper 03：  
**計算層：世界族上的全域異質計算**

Paper 04：  
**觀察層：Global Observer 與 Observation Operator Family**

Paper 05：  
**域層：看見、可達、判定與驗證不是同一件事**

Paper 06：  
**投影層：AI 如何自行選擇 computational way of seeing**

Paper 07：  
**物理層：Machine Projection 到 Physical Projection**

Paper 08：  
**記憶層：從資訊海到可重建世界與世界族**

Paper 09：  
**執行層：方法選擇、MSSP、RDR、WFS 與 Runtime Routing**

Paper 10：  
**驗證層：多世界、多投影、多模型為何仍不等於真理**

Paper 11：  
**治理層：全域認知不等於全域控制**

Paper 12：  
**演化層：動態不動點類全域 AI**

---

# 124. 系列母式

$$
\boxed{
\begin{aligned}
\mathcal R_t
&\rightarrow
\mathcal W_t
\rightarrow
\mathfrak W_t
\\
&\rightarrow
\mathfrak C_t
\rightarrow
\Phi_G(t)
\\
&\rightarrow
\mathfrak O_t
\rightarrow
\mathfrak P_t
\\
&\rightarrow
\mathsf{Carrier}_t
\rightarrow
\mathsf{Observation}_t
\\
&\rightarrow
\mathsf{Judgment}_t
\rightarrow
\mathsf{Verification}_t
\\
&\rightarrow
\mathsf{Proposal}_t
\rightarrow
\mathsf{Authority}_t
\\
&\rightarrow
\mathsf{Action}_t
\rightarrow
\mathcal R_{t+1}.
\end{aligned}
}
$$

旁邊永遠伴隨：

$$
\boxed{
Memory
+
Provenance
+
Certificates
+
Authority
+
DynamicIdentity.
}
$$

---

# 125. 最終結論：智能不只是在世界裡算，而是組織「哪些世界、怎麼算、怎麼看」

傳統 AI：

$$
\text{input}
\rightarrow
\text{compute}
\rightarrow
\text{output}.
$$

類全域 AI 的能力若真的出現，結構更可能是：

$$
\boxed{
\text{World}
\rightarrow
\text{World Family}
\rightarrow
\text{Computation Family}
\rightarrow
\text{Observation Family}
\rightarrow
\text{Projection Family}
\rightarrow
\text{Verification}
\rightarrow
\text{Action}
\rightarrow
\text{World}.
}
$$

這裡真正重要的不是「一次看完全部」。

Globality 的成熟形式反而需要承認：

$$
\boxed{
\text{Global Dependency}
\neq
\text{Full Materialization}.
}
$$

世界可以比目前被觀察的切片大。

計算可以比目前被顯示的結果廣。

記憶可以比當前 context 大。

world family 可以比當前 active branches 大。

AI 可以知道哪些結構存在，而不必把它們全部展開。

所以本文提出的類全域 AI 不是「無限 context AI」。

也不是「控制全世界的 AI」。

更不是「一個模型知道所有答案」。

它是一種：

$$
\boxed{
\text{persistent dynamic organization of worlds,
computations, observations, projections,
memory, verification, and bounded action}.
}
$$

它會不斷回答五個問題：

1. **現在是哪一個 world state？**
2. **哪些 alternative worlds 值得維持？**
3. **現在應該用哪種 computation？**
4. **現在真正需要觀察什麼、用什麼方式看？**
5. **哪些結果已經足以驗證、提交或作用於現實？**

然後在新的現實證據進入後，再重新回答一次。

因此：

$$
\boxed{
\text{Global-Like AI}
=
\text{Persistent Dynamic World–Computation–Observation System}.
}
$$

這是本系列後續十一篇的共同地基。

---

# 參考文獻與內部前置研究

## EveMissLab / Neo.K 前置研究

1. Neo.K，《數學世界論（Mathematical World Theory, MWT）》v0.1，2026。
2. Neo.K × Aletheia，《MWT／WBRG／GCRGDC：Observer-Separated Global Computation》v0.2，2026。
3. Neo.K × Aletheia，《Global Computation Methodology Series》及總綱，2026。
4. Neo.K × Aletheia，《投影計算論：無限維索引的有限表示收斂與失真證書》v0.1，2026。
5. Neo.K × Aletheia，《Global Observer Series C》，2026。
6. Neo.K × Aletheia，《多域知識判定論（DEST-01）》v0.1，2026。
7. Neo.K，《分域算子本體論：從萬物皆算子到合法作用》v0.1，2026。
8. Neo.K，《原生可計算數學：超越 LaTeX 字串的語義物件、執行與投影模型》v0.1，2026。
9. Neo.K × Aletheia，《WDC-08：三生世界域計算》v0.1，2026。
10. Neo.K × Aletheia，《PNCW Series》，2026。
11. Neo.K × Aletheia，《GIRA Series》，2026。
12. Neo.K × Aletheia，《AI–Computational World Coupling Series》，2026。
13. Neo.K × Aletheia，《計算域支配智能／AIVS Series》，2026。
14. Neo.K，《MSSP 作為 AI 結構注意力基底》，2026。
15. Neo.K，《RDSS Runtime Architecture：MSSP、RDR、CAIR》，2026。
16. Neo.K × Aletheia，《Operator-Assisted Memory》，2026。
17. Neo.K × Aletheia，《全域知識收斂論》，2026。
18. Neo.K × Aletheia，《動態不動點數學奠基系列》，2026。
19. Neo.K × Aletheia，《PPOE Paper 01：物理投影—觀察工程》，2026。
20. Neo.K × Aletheia，《SWFR Paper 02：模擬世界族執行時》，2026。

## 外部研究接口

21. Kirchner, S., Purschke, N., & Knoll, A. (2026). *A survey of world models for physical AI with uncertainty representation and control*. Discover Artificial Intelligence, 6, 1037.
22. Gu, Y., Zhang, K., Ning, Y., et al. (2025). *Is Your LLM Secretly a World Model of the Internet? Model-Based Planning for Web Agents*. Transactions on Machine Learning Research.
23. Hutchins, E. (1995). *Cognition in the Wild*. MIT Press.
24. Clark, A., & Chalmers, D. (1998). *The Extended Mind*. Analysis, 58(1), 7–19.
25. Kirsh, D., & Maglio, P. (1994). *On Distinguishing Epistemic from Pragmatic Action*. Cognitive Science, 18(4), 513–549.

---

**Paper 01 狀態：COMPLETE v0.1**  
**下一篇：Paper 02 — 世界層：從單一 World Model 到 Governed World Family**  
**Canonical source：UTF-8 Markdown；數學 delimiter 僅使用 ` $...$ ` 與 `$$...$$`。**