# 04｜類比不是同一：從相似、同態、同構到本體同一的辨識階梯
## Analogy Is Not Identity: A Discrimination Ladder from Similarity and Homomorphism to Isomorphism and Ontological Identity

**系列：**《全域世界與跨域生成辨識論》  
**篇次：** 04 / 08  
**作者：** Neo.K × Aletheia  
**版本：** v0.1  
**日期：** 2026-09-20  
**文件性質：** 認識論／本體論／跨域映射／模型辨識／結構保存  
**定位：** 本系列第四篇。本文不討論任何具體公司、平台或產品，只建立抽象理論框架。  

**機構：** EveMissLab／一言諾科技有限公司  

---

## 摘要

人類與人工智慧都依賴類比進行理解。當兩個系統在外觀、功能、結構、因果關係或行為上高度相似時，我們傾向以其中一個解釋另一個。然而，從「看起來像」到「本體上相同」之間，存在多個不可省略的辨識階梯。

本文提出「跨域辨識階梯」：

$$
\boxed{
\text{Similarity}
\prec
\text{Analogy}
\prec
\text{Homomorphism}
\prec
\text{Isomorphism}
\prec
\text{Identity}.
}
$$

這一序列不是宣稱所有情況都具有嚴格數學偏序，而是表示不同主張所需的論證責任逐步提高。相似只要求某些特徵接近；類比要求存在可解釋的對應；同態要求指定運算或關係被保存；同構要求在指定結構下存在可逆映射；本體同一則要求兩個對象在相關定義域中不是「兩個結構相同的東西」，而是同一個存在。

本文特別處理三種常見錯誤。第一，「相似性升格」：由表面或行為相似直接推出機制相同。第二，「同構升格」：由結構同構推出本體同一。第三，「觀察者壓平」：因有限觀察者無法區分兩系統，就誤判兩者沒有差異。

本文進一步提出多層等價向量：

$$
\mathbf E(X,Y)
=
(
e_{\mathrm{surf}},
e_{\mathrm{beh}},
e_{\mathrm{func}},
e_{\mathrm{struct}},
e_{\mathrm{causal}},
e_{\mathrm{hist}},
e_{\mathrm{onto}}
),
$$

用以區分表面、行為、功能、結構、因果、歷史與本體層的等價程度。兩個系統可以在前六層高度接近，而在本體層仍保持差異。

本文核心命題為：

$$
\boxed{
\text{Indistinguishability under a relation}
\neq
\text{identity across all relations}.
}
$$

以及：

$$
\boxed{
X\cong Y
\not\Rightarrow
X=Y.
}
$$

這為下一篇「模擬不是被模擬物」提供直接基礎。

**關鍵詞：** 類比、相似、同態、同構、本體同一、行為等價、功能等價、觀察者、辨識、跨域映射

---

# 0. 問題提出：像，不等於是

人類最常用的理解方式之一是：

> 這個東西像那個東西。

這個操作非常重要。

沒有類比，人類很難將新事物連接到已有知識。

但類比同時也是概念坍縮的重要來源。

當：

$$
X\sim Y,
$$

我們常在自然語言中快速滑向：

$$
X=Y.
$$

例如：

- 行為相似；
- 功能相似；
- 結構相似；
- 規則相似；
- 輸出相似；
- 生成過程相似。

這些都可以成立。

但：

$$
\boxed{
\text{Similarity}
\not\Rightarrow
\text{Identity}.
}
$$

這就是本文的起點。

---

# 1. 辨識階梯

本文提出：

$$
\boxed{
L_0
\prec
L_1
\prec
L_2
\prec
L_3
\prec
L_4
}
$$

其中：

$$
L_0
=
\text{Similarity},
$$

$$
L_1
=
\text{Analogy},
$$

$$
L_2
=
\text{Homomorphism},
$$

$$
L_3
=
\text{Isomorphism},
$$

$$
L_4
=
\text{Identity}.
$$

這不是單純術語排序。

而是：

$$
\boxed{
\text{Claim Strength}
\uparrow
\Rightarrow
\text{Proof Burden}
\uparrow.
}
$$

---

# 2. 第一層：相似

最弱層為：

$$
X\sim Y.
$$

這可能只表示：

$$
d(X,Y)<\epsilon.
$$

其中 $d$ 是某個觀察尺度下的距離。

但：

$$
d(X,Y)<\epsilon
$$

只表示：

> 在目前測量方式下，兩者接近。

它不告訴我們：

- 為什麼接近；
- 哪些維度接近；
- 哪些維度不同；
- 是否共享機制；
- 是否共享因果結構；
- 是否可以互相替代。

所以：

$$
\boxed{
\text{Similarity}
=
\text{low-burden relational proximity}.
}
$$

---

# 3. 相似性依賴觀察尺度

若：

$$
d_1(X,Y)\ll1
$$

但：

$$
d_2(X,Y)\gg1,
$$

則：

$$
X
$$

與：

$$
Y
$$

在不同尺度下可能同時：

- 很像；
- 很不像。

因此：

$$
\boxed{
\text{Similarity is metric-dependent}.
}
$$

不先指定：

$$
d,
$$

「這兩個東西很像」只是弱命題。

---

# 4. 第二層：類比

類比比相似更強。

它要求存在某種：

$$
\Phi:
X
\rightarrow
Y
$$

使得：

$$
Relations_X
$$

與：

$$
Relations_Y
$$

之間形成可解釋對應。

因此：

$$
\boxed{
\text{Analogy}
=
\text{interpretable relational mapping}.
}
$$

例如：

$$
A:B
\sim
C:D.
$$

這不要求：

$$
A=C,
$$

也不要求：

$$
B=D.
$$

只要求：

$$
Relation(A,B)
\approx
Relation(C,D).
$$

---

# 5. 類比不是結構證明

類比可以非常啟發。

但它仍可能是：

- 部分的；
- 修辭的；
- 選擇性的；
- 局部的；
- 單向的。

因此：

$$
\boxed{
\text{Analogy}
\not\Rightarrow
\text{Structural Preservation}.
}
$$

一個好比喻不等於一個數學同態。

---

# 6. 類比的三種強度

本文可將類比分為：

## 6.1 表面類比

$$
A_s(X,Y).
$$

只保存：

- 外觀；
- 敘事；
- 直覺；
- 語詞。

---

## 6.2 功能類比

$$
A_f(X,Y).
$$

保存：

$$
Function_X
\leftrightarrow
Function_Y.
$$

---

## 6.3 關係類比

$$
A_r(X,Y).
$$

保存：

$$
Relation_X
\leftrightarrow
Relation_Y.
$$

因此：

$$
\boxed{
A_s
\neq
A_f
\neq
A_r.
}
$$

---

# 7. 第三層：同態

若：

$$
h:X\rightarrow Y
$$

滿足某些操作保存：

$$
h(a\star_X b)
=
h(a)\star_Y h(b),
$$

則：

$$
h
$$

可以稱為相應結構下的同態。

其核心是：

$$
\boxed{
\text{Operation Preservation}.
}
$$

這比一般類比更強。

因為它不是說：

> 這兩者很像。

而是：

> 指定運算經映射後仍保持。

---

# 8. 同態仍然允許資訊損失

同態不要求：

$$
h
$$

可逆。

可能存在：

$$
x_1\neq x_2,
$$

但：

$$
h(x_1)=h(x_2).
$$

因此：

$$
\boxed{
\text{Homomorphism}
\not\Rightarrow
\text{Losslessness}.
}
$$

一個跨域映射可以保存關鍵規則，但壓平部分差異。

---

# 9. 同態的核心風險：核

若：

$$
\ker h
$$

非平凡，則：

$$
h
$$

會把某些差異映射到同一結果。

因此：

$$
\boxed{
\ker h
}
$$

可以被理解為：

> 在這個表示下被消失的差異。

這對跨域建模很重要。

因為：

$$
\text{Good mapping}
$$

不能只看：

$$
h(X),
$$

還要看：

$$
\ker h.
$$

---

# 10. 第四層：同構

若存在：

$$
f:X\rightarrow Y
$$

以及逆映射：

$$
f^{-1}:Y\rightarrow X,
$$

並且相關結構被雙向保存，則：

$$
X\cong Y.
$$

這表示：

$$
\boxed{
\text{Structural Equivalence under a specified structure}.
}
$$

同構非常強。

但仍然不是：

$$
X=Y.
$$

---

# 11. 同構不是本體同一

兩個群可以同構。

兩個圖可以同構。

兩個狀態機可以同構。

兩個世界模型也可能在某個結構層同構。

但它們仍然可以是：

$$
X\neq Y.
$$

因此：

$$
\boxed{
X\cong Y
\not\Rightarrow
X=Y.
}
$$

同構只表示：

> 在指定結構下，它們無差別。

不是：

> 它們是同一個存在。

---

# 12. 「指定結構下」是關鍵限定詞

若：

$$
X\cong_{\mathcal S}Y,
$$

則只表示：

$$
X
$$

與：

$$
Y
$$

在結構族 $\mathcal S$ 下同構。

但可能：

$$
X\not\cong_{\mathcal H}Y,
$$

其中：

$$
\mathcal H
$$

是歷史結構。

也可能：

$$
X\not\cong_{\mathcal C}Y,
$$

其中：

$$
\mathcal C
$$

是因果結構。

因此：

$$
\boxed{
\text{Isomorphic under one structure}
\neq
\text{isomorphic under all structures}.
}
$$

---

# 13. 第五層：本體同一

最強命題為：

$$
X=Y.
$$

這裡的意思不是：

> $X$ 和 $Y$ 很像。

不是：

> $X$ 和 $Y$ 功能相同。

不是：

> $X$ 和 $Y$ 結構同構。

而是：

$$
\boxed{
X
\text{ and }
Y
\text{ are the same entity under the relevant identity criterion}.
}
$$

這需要明確身份判準。

---

# 14. 身份判準不是免費的

任何：

$$
X=Y
$$

都依賴某個：

$$
I_{\rho}(X,Y),
$$

其中：

$$
\rho
$$

是身份關係。

例如：

- 數值身份；
- 邏輯身份；
- 時間連續身份；
- 物理身份；
- 法律身份；
- 功能身份；
- 計算身份；
- 主體身份。

因此：

$$
\boxed{
\text{Identity}
}
$$

本身也需要指定域。

---

# 15. 多層等價向量

為避免把不同等價層混在一起，本文定義：

$$
\mathbf E(X,Y)
=
(
e_{\mathrm{surf}},
e_{\mathrm{beh}},
e_{\mathrm{func}},
e_{\mathrm{struct}},
e_{\mathrm{causal}},
e_{\mathrm{hist}},
e_{\mathrm{onto}}
).
$$

其中：

- $e_{\mathrm{surf}}$：表面等價；
- $e_{\mathrm{beh}}$：行為等價；
- $e_{\mathrm{func}}$：功能等價；
- $e_{\mathrm{struct}}$：結構等價；
- $e_{\mathrm{causal}}$：因果等價；
- $e_{\mathrm{hist}}$：歷史等價；
- $e_{\mathrm{onto}}$：本體等價。

因此兩個系統可能：

$$
e_{\mathrm{surf}}\approx1,
$$

$$
e_{\mathrm{beh}}\approx1,
$$

$$
e_{\mathrm{func}}\approx1,
$$

但：

$$
e_{\mathrm{onto}}\ll1.
$$

---

# 16. 行為等價

定義：

$$
X
\sim_{\mathrm{beh}}
Y
$$

表示：

$$
\forall i\in I,
\quad
Output_X(i)
\approx
Output_Y(i).
$$

這說明：

> 對某組輸入，兩者表現相近。

但：

$$
\boxed{
X
\sim_{\mathrm{beh}}
Y
\not\Rightarrow
X=Y.
}
$$

因為不同內部機制可以產生相同輸出。

---

# 17. 功能等價

若：

$$
Function(X)
=
Function(Y),
$$

可以記為：

$$
X
\sim_{\mathrm{func}}
Y.
$$

但同一功能可以有不同實現。

因此：

$$
\boxed{
\text{Functional Equivalence}
\neq
\text{Implementation Identity}.
}
$$

---

# 18. 多重實現

若：

$$
F
$$

可以由：

$$
X_1,
X_2,
\ldots,
X_n
$$

實現：

$$
Realize(X_i)=F,
$$

則：

$$
\boxed{
\text{One Function}
\rightarrow
\text{Many Realizations}.
}
$$

這直接證明：

$$
Function(X)=Function(Y)
$$

不能推出：

$$
X=Y.
$$

---

# 19. 結構等價

若：

$$
X\cong_{\mathrm{struct}}Y,
$$

則兩者的結構關係可以互相保存。

這是非常強的等價。

但仍然可能：

$$
History(X)\neq History(Y).
$$

也可能：

$$
Material(X)\neq Material(Y).
$$

所以：

$$
\boxed{
\text{Structural Equivalence}
\neq
\text{Historical Identity}
\neq
\text{Material Identity}.
}
$$

---

# 20. 因果等價

更強一層可以要求：

$$
X
\sim_{\mathrm{causal}}
Y.
$$

即：

$$
Intervene(X,a)
\approx
Intervene(Y,a)
$$

對一組干預成立。

但即使：

$$
\forall a\in A,
\quad
Intervene(X,a)
=
Intervene(Y,a),
$$

仍可能只代表：

$$
\boxed{
\text{Causal Equivalence under intervention set }A.
}
$$

不是本體同一。

---

# 21. 觀察集依賴

若觀察者只能使用測試集合：

$$
T.
$$

且：

$$
\forall t\in T,
\quad
t(X)=t(Y),
$$

則：

$$
X
\equiv_T
Y.
$$

這代表：

$$
\boxed{
\text{Indistinguishable under }T.
}
$$

但若存在：

$$
t^*\notin T
$$

使得：

$$
t^*(X)\neq t^*(Y),
$$

則：

$$
X\neq Y.
$$

因此：

$$
\boxed{
\text{Indistinguishability}
}
$$

永遠依賴測試域。

---

# 22. 觀察者壓平

本文將下列錯誤稱為：

$$
\boxed{
\text{Observer Flattening}.
}
$$

若某有限觀察者：

$$
O
$$

無法區分：

$$
X,Y,
$$

則推出：

$$
X=Y.
$$

但正確形式只能是：

$$
\boxed{
X
\equiv_O
Y.
}
$$

即：

> 對觀察者 $O$ 而言，目前不可區分。

不是：

> 它們本體上相同。

---

# 23. 認識論等價與本體等價

因此必須區分：

$$
X
\equiv_{\mathrm{epi}}
Y
$$

與：

$$
X
=
_{\mathrm{onto}}
Y.
$$

前者：

> 目前知識下無法區分。

後者：

> 本體上同一。

因此：

$$
\boxed{
\text{Epistemic Equivalence}
\neq
\text{Ontological Identity}.
}
$$

---

# 24. 不可區分的兩種來源

若：

$$
X
\equiv_O
Y,
$$

可能有兩種完全不同原因。

## 24.1 真正同一

$$
X=Y.
$$

---

## 24.2 觀察能力不足

$$
Resolution(O)
<
Resolution_{\mathrm{required}}.
$$

因此：

$$
\boxed{
\text{No observed difference}
\not\Rightarrow
\text{no difference exists}.
}
$$

---

# 25. 類比的合法用途

類比最合理的用途是：

$$
\boxed{
\text{Hypothesis Generation}.
}
$$

即：

$$
X\sim Y
$$

可以提示：

$$
\exists f:
Structure(X)
\rightarrow
Structure(Y).
$$

然後再去檢查：

- 哪些結構保存；
- 哪些不保存；
- 哪些只是表面；
- 哪些有因果對應。

因此：

$$
\boxed{
\text{Analogy}
\rightarrow
\text{Testable Mapping Hypothesis}.
}
$$

而不是：

$$
\boxed{
\text{Analogy}
\rightarrow
\text{Identity}.
}
$$

---

# 26. 類比的錯誤用途

最危險的形式：

$$
X\sim Y
$$

所以：

$$
X=Y.
$$

這是：

$$
\boxed{
\text{Analogy Collapse}.
}
$$

更隱蔽的版本是：

$$
X
\sim_{\mathrm{beh}}
Y
$$

所以：

$$
Mechanism(X)=Mechanism(Y).
$$

這同樣不成立。

---

# 27. 同構升格錯誤

若：

$$
X\cong Y,
$$

直接推：

$$
X=Y,
$$

本文稱之為：

$$
\boxed{
\text{Isomorphism Escalation Error}.
}
$$

這個錯誤之所以常見，是因為：

$$
\cong
$$

已經非常強。

但：

$$
\cong
$$

仍然是：

> 在指定結構下可逆等價。

不是：

> 數值身份。

---

# 28. 同構類與個體

若：

$$
[X]_{\cong}
$$

表示 $X$ 的同構類，

則：

$$
Y\in[X]_{\cong}
$$

只表示：

$$
Y\cong X.
$$

而：

$$
Y=X
$$

需要：

$$
Y
$$

與：

$$
X
$$

是同一個個體。

因此：

$$
\boxed{
\text{Same isomorphism class}
\neq
\text{same individual}.
}
$$

---

# 29. 歷史是區分的重要來源

即使：

$$
State(X_t)
=
State(Y_t),
$$

仍可能：

$$
History(X)
\neq
History(Y).
$$

因此：

$$
\boxed{
\text{Present-state identity}
\not\Rightarrow
\text{historical identity}.
}
$$

對具有路徑依賴的世界、主體與系統，這尤其重要。

---

# 30. 來源與歷史可能具有本體重要性

若兩個對象：

$$
X,Y
$$

當前完全相同，

但：

$$
Origin(X)\neq Origin(Y),
$$

則某些身份理論會判定：

$$
X\neq Y.
$$

因此：

$$
\boxed{
\text{Identity criterion may include provenance}.
}
$$

這會直接影響：

- 模擬；
- 複製；
- 分叉；
- 主體連續性；
- 世界複製。

---

# 31. 分叉提供最直觀反例

假設：

$$
X_0
$$

在時間：

$$
t_0
$$

被複製成：

$$
X_1,
X_2.
$$

初始：

$$
State(X_1)=State(X_2).
$$

甚至：

$$
Structure(X_1)\cong Structure(X_2).
$$

但分叉後：

$$
History(X_1)\neq History(X_2).
$$

因此：

$$
\boxed{
X_1\neq X_2.
}
$$

這說明：

$$
\boxed{
\text{Perfect structural duplication}
\not\Rightarrow
\text{numerical identity}.
}
$$

---

# 32. 模擬問題已經出現

若：

$$
Sim(X)
$$

與：

$$
X
$$

在大量測試下：

$$
Sim(X)\equiv_T X,
$$

我們最多能先得到：

$$
\boxed{
\text{Simulation Fidelity under }T.
}
$$

不能直接得到：

$$
Sim(X)=X.
$$

因此下一篇可以自然建立於本文。

---

# 33. 表示等價也不是本體等價

若兩個表示：

$$
R_1(X),
R_2(X)
$$

都對應同一對象 $X$，

則：

$$
R_1(X)
\neq
R_2(X)
$$

仍可成立。

因此：

$$
\boxed{
\text{Same Referent}
\neq
\text{Same Representation}.
}
$$

反過來：

$$
R(X)\approx R(Y)
$$

也不推出：

$$
X=Y.
$$

---

# 34. 跨域映射必須標示保存什麼

任何：

$$
f:X\rightarrow Y
$$

都應附帶：

$$
Preserve(f)
$$

描述它保存：

- 外觀；
- 行為；
- 功能；
- 運算；
- 因果；
- 歷史；
- 身份。

若不標示：

$$
\boxed{
\text{“mapping” is underspecified}.
}
$$

---

# 35. 映射證書

本文提出一個簡單的映射證書：

$$
Cert(f)
=
(
D_f,
C_f,
L_f,
R_f
),
$$

其中：

- $D_f$：定義域；
- $C_f$：值域；
- $L_f$：保存層級；
- $R_f$：失真與不可約差異報告。

這讓：

$$
f
$$

不再只是「看起來能對應」。

而是：

$$
\boxed{
\text{certified relation}.
}
$$

---

# 36. 辨識階梯與證明責任

可整理為：

| 層級 | 最低要求 |
|---|---|
| 相似 | 指定尺度下接近 |
| 類比 | 存在可解釋關係對應 |
| 同態 | 指定運算或關係被保存 |
| 同構 | 指定結構下存在可逆保存 |
| 同一 | 滿足指定身份判準 |

因此：

$$
\boxed{
\text{Higher claim}
\Rightarrow
\text{higher burden}.
}
$$

---

# 37. 高階智能最容易犯的錯

一個非常強的智能可以快速看到：

$$
SharedStructure(X,Y).
$$

這是優勢。

但也可能因為抽象過快而：

$$
\Delta(X,Y)
\rightarrow
0
$$

在表示中被錯誤壓平。

因此：

$$
\boxed{
\text{Fast abstraction}
\neq
\text{correct identity judgment}.
}
$$

越高階的跨域能力，越需要辨識守界。

---

# 38. 統一與辨識是雙重能力

真正成熟的高階理解需要：

$$
U(X,Y)
=
\text{Common Structure},
$$

以及：

$$
D(X,Y)
=
\text{Irreducible Difference}.
$$

因此：

$$
\boxed{
\text{Understanding}
=
\text{Integration}
+
\text{Discrimination}.
}
$$

只有統一能力：

$$
U
$$

會產生「萬物皆 XX」。

只有區分能力：

$$
D
$$

則可能失去跨域抽象。

二者需要同時存在。

---

# 39. 類終極與差異保留

若：

$$
Q^*
$$

接近高階統一結構，

我們不應要求：

$$
\forall X,Y,
\quad
X=Y.
$$

更合理的是：

$$
\boxed{
Q^*
\text{ can represent commonality without erasing identity distinctions}.
}
$$

即：

$$
\boxed{
\text{Quasi-Ultimate}
=
\text{Maximum Integration}
+
\text{Maximum Discrimination}.
}
$$

---

# 40. 一個東西可以在某層一樣，在另一層不同

本文可用最簡潔形式表示：

$$
X
=
_{\rho_1}
Y,
$$

但：

$$
X
\neq_{\rho_2}
Y.
$$

例如：

$$
X
=
_{\mathrm{func}}
Y,
$$

但：

$$
X
\neq_{\mathrm{hist}}
Y.
$$

這不是矛盾。

因為：

$$
\boxed{
\text{Equality-like relations are relation-indexed}.
}
$$

---

# 41. 相同與不同可以同時成立

因此：

$$
Same(X,Y|\rho_1)=1
$$

與：

$$
Different(X,Y|\rho_2)=1
$$

可以同時成立。

這是跨域辨識非常重要的思想。

它避免二元化：

> 要嘛一樣，要嘛完全不一樣。

更好的模型是：

$$
\boxed{
\text{Same under some relations, different under others}.
}
$$

---

# 42. 本體同一是最終升格，不是預設

本文主張：

$$
\boxed{
\text{Identity should be the last upgrade}.
}
$$

也就是：

先測：

$$
\sim,
$$

再測：

$$
\approx,
$$

再測：

$$
\to,
$$

再測：

$$
\cong,
$$

最後才考慮：

$$
=.
$$

這是一個保守但高可靠的認識論程序。

---

# 43. 反方向也要避免：差異不代表完全無關

本文同樣反對另一個極端。

若：

$$
X\neq Y,
$$

不能推出：

$$
Relation(X,Y)=\varnothing.
$$

兩個不同對象仍然可以：

- 高度相似；
- 功能等價；
- 結構同構；
- 因果等價；
- 相互模擬。

因此：

$$
\boxed{
\text{Non-identity}
\neq
\text{total unrelatedness}.
}
$$

---

# 44. 高品質理論應同時回答兩個問題

任何跨域理論都應回答：

$$
\boxed{
\text{Why are these things similar?}
}
$$

以及：

$$
\boxed{
\text{Why are they still different?}
}
$$

若只回答第一個：

$$
\text{collapse risk}.
$$

若只回答第二個：

$$
\text{fragmentation risk}.
$$

因此：

$$
\boxed{
\text{Good Theory}
=
\text{Similarity Explanation}
+
\text{Difference Explanation}.
}
$$

---

# 45. 映射的三種終點

給定：

$$
f:X\rightarrow Y,
$$

可能出現：

## 45.1 部分保存

$$
f
\text{ preserves only selected relations}.
$$

---

## 45.2 結構同構

$$
X\cong Y.
$$

---

## 45.3 本體同一

$$
X=Y.
$$

三者不可混用。

因此：

$$
\boxed{
\text{Mapping Success}
\neq
\text{Identity Success}.
}
$$

---

# 46. 與上一個「萬物皆 XX」問題的接軌

上一篇指出：

$$
\text{Operator Universality}
\neq
\text{Ontological Universality}.
$$

本文補上原因之一：

即使跨域算子建立了：

$$
X
\leftrightarrow
Y,
$$

這個對應可能只位於：

$$
L_1,
L_2,
L_3,
$$

而尚未到：

$$
L_4.
$$

因此：

$$
\boxed{
\text{Cross-domain mapping}
\not\Rightarrow
\text{domain identity}.
}
$$

---

# 47. 與下一篇「模擬」問題的接軌

模擬可以達到：

$$
e_{\mathrm{surf}}\rightarrow1,
$$

$$
e_{\mathrm{beh}}\rightarrow1,
$$

$$
e_{\mathrm{func}}\rightarrow1,
$$

甚至：

$$
e_{\mathrm{struct}}\rightarrow1.
$$

但仍可能：

$$
e_{\mathrm{onto}}<1.
$$

因此：

$$
\boxed{
\text{Perfect simulation under chosen observables}
\not\Rightarrow
\text{ontological identity}.
}
$$

下一篇將正式處理這個問題。

---

# 48. 本文核心命題組

第一：

$$
\boxed{
\text{Similarity}
\neq
\text{Identity}.
}
$$

第二：

$$
\boxed{
\text{Analogy}
\neq
\text{Homomorphism}.
}
$$

第三：

$$
\boxed{
\text{Homomorphism}
\neq
\text{Isomorphism}.
}
$$

第四：

$$
\boxed{
\text{Isomorphism}
\neq
\text{Identity}.
}
$$

第五：

$$
\boxed{
\text{Indistinguishability under a relation}
\neq
\text{identity across all relations}.
}
$$

---

# 49. 辨識原則

本文最終提出：

$$
\boxed{
\mathsf{Disc}(X,Y)
=
\{
\rho:
X
\neq_{\rho}
Y
\}
}
$$

以及：

$$
\boxed{
\mathsf{Same}(X,Y)
=
\{
\rho:
X
=_{\rho}
Y
\}.
}
$$

高階辨識的目標，不是強迫：

$$
\mathsf{Disc}(X,Y)=\varnothing
$$

或：

$$
\mathsf{Same}(X,Y)=\varnothing.
$$

而是精確描述：

$$
\boxed{
\mathsf{Same}(X,Y)
\quad\text{and}\quad
\mathsf{Disc}(X,Y).
}
$$

也就是：

> 它們在哪些關係下相同，在哪些關係下不同。

---

# 50. 結論

類比是智能理解世界最重要的工具之一。

但也正因為如此，它最容易被升格過頭。

從：

$$
X\sim Y
$$

到：

$$
X=Y
$$

之間，不是一步。

而是一整條辨識階梯：

$$
\boxed{
\text{Similarity}
\prec
\text{Analogy}
\prec
\text{Homomorphism}
\prec
\text{Isomorphism}
\prec
\text{Identity}.
}
$$

越往右：

$$
\text{Proof Burden}
\uparrow.
$$

因此真正成熟的跨域理解，不是：

> 找到相似，就宣布同一。

而是：

> 找到相似，建立映射，測試保存，確認失真，檢查可逆性，最後才判斷是否有資格談同一。

這使我們可以同時保留：

$$
\boxed{
\text{Strong Analogy}
}
$$

與：

$$
\boxed{
\text{Strong Difference}.
}
$$

而不需要在：

> 完全相同

與：

> 完全無關

之間二選一。

最終核心可壓縮為：

$$
\boxed{
\text{Same under some relations}
\neq
\text{same in all respects}.
}
$$

下一篇將把這個辨識框架推進到更尖銳的問題：

> 如果一個模擬與原物在所有可觀察測試中都無法區分，它是否就等於原物？

本文的答案已經預告：

$$
\boxed{
\text{Not without an additional identity argument}.
}
$$

---

## 系列下一篇

**05｜模擬不是被模擬物：行為等價、結構等價與存在差異**

核心命題：

$$
\boxed{
Sim(X)\approx X
\not\Rightarrow
Sim(X)=X.
}
$$