# 全域規則勢論 07：因果勢與雙層反事實——改狀態與改宇宙規則

## Global Rule-Shi Theory 07: Causal Shi and Dual-Layer Counterfactuals — Changing States and Changing World Rules

**系列：** 全域規則勢論（Global Rule-Shi Theory, GRST）  
**篇次：** GRST-07 / 12  
**作者：** Neo.K  
**機構：** EveMissLab（一言諾科技有限公司）  
**版本：** v0.1  
**日期：** 2026-10-05  
**文件性質：** 因果推論／反事實理論／世界模型／法則層干預  
**狀態：** Working Paper / Counterfactual Formalization Draft  
**前篇：** GRST-01 至 GRST-06  
**主要前置框架：** FDCS、規則約束計算框架、統一博弈理論框架、動態規則層、DPS、SIO、萬物力量論

---

## 摘要

既有反事實推理通常在固定因果機制下改變某一變數、事件或狀態，例如：

$$
do(x=x').
$$

這類反事實回答：

> 在同一套世界規則下，如果事件不同，會發生什麼？

GRST 提出第二種更深的反事實：

$$
do_R(R=R').
$$

本文稱為「法則層反事實」（rule-level counterfactual）或「元反事實」（meta-counterfactual）。它回答：

> 如果同一狀態被放入另一套底層規則中，它的未來地位、可達性、穩定性與世界線會如何改變？

兩者不能混同。前者修改的是世界內部的狀態；後者修改的是生成世界線的規則本身。本文因此提出雙層反事實空間：

$$
\boxed{
\mathcal C
=
\mathcal C_{\mathrm{state}}
\times
\mathcal C_{\mathrm{rule}}.
}
$$

在 GRST 中，規則 $R$ 先誘導全域規則勢：

$$
R\rightarrow\Sigma_R,
$$

再使狀態 $x$ 取得局部態勢：

$$
\sigma_R(x).
$$

因此法則層反事實的核心不只是：

$$
R\rightarrow R',
$$

而是：

$$
\boxed{
R\rightarrow R'
\Longrightarrow
\Sigma_R\rightarrow\Sigma_{R'}
\Longrightarrow
\sigma_R(x)\rightarrow\sigma_{R'}(x).
}
$$

本文將此稱為「態勢換位」（Shi Relocation）。

本文進一步提出「因果勢」（Causal Shi）：不是單一因果邊權重，而是某狀態在給定規則下對未來世界線造成的結構性可達、放大、抑制、延遲與分岔配置。對任意狀態 $x$，可寫：

$$
\mathfrak C_R(x)
=
\mathcal P_{\mathrm{causal}}
\left(
\sigma_R(x)
\right),
$$

其中 $\mathcal P_{\mathrm{causal}}$ 是把局部態勢投影到因果表示的算子。因果勢因此比單純「X 導致 Y」更廣；它描述「X 位於什麼樣的因果未來地形」。

本文同時區分四種操作：狀態干預、規則干預、邊界干預與觀察干預。更完整的世界反事實可寫成：

$$
\mathcal W'
=
\mathfrak F
\left(
do_X,
do_R,
do_B,
do_O
\right).
$$

其中只有 $do_X$ 對應一般世界內干預； $do_R$ 改變生成規則； $do_B$ 改變邊界／環境； $do_O$ 改變觀察方式。這四者若未標記，極易造成因果層級錯置。

本文最後提出可操作實驗：固定同一初始狀態，在多個元胞自動機規則、圖重寫規則或世界狀態機規則中重跑，測量吸引域、存續、分岔、擾動放大與因果連通性；再固定同一規則改變初始狀態，建立兩種反事實的對照。由此可以第一次直接測量狀態差與規則差對世界線造成的不同類型差異。

本文不主張現實宇宙的基本物理定律可以被人為任意改寫；法則層反事實首先是一種模型層、模擬層與理論層操作。其科學價值在於：它讓我們能把「物體的性質」與「規則賦予物體的態勢」分離，也讓 AI 世界模型可以更精確地研究「若世界本身遵循另一套規則，哪些現象仍然不變」。

**關鍵詞：** 因果勢、雙層反事實、狀態干預、規則干預、法則層反事實、態勢換位、世界模型、因果推論、元反事實、規則勢

---

# 1. 問題：反事實到底改了什麼？

最常見的反事實形式是：

$$
do(X=x').
$$

它預設：

- 因果規則不變；
- 變數集合不變；
- 結構關係不變；
- 只改某一個值。

例如：

> 如果昨天沒有下雨，地面會不會濕？

這仍然活在同一套世界因果規則裡。

GRST 問的是另一個問題：

> 如果「雨會讓地面變濕」這條規則本身不同呢？

這不是普通事件反事實。

這是：

$$
\boxed{
\text{rule-level counterfactual}.
}
$$

---

# 2. 世界內反事實

定義世界模型：

$$
\mathcal M
=
\left\langle
\mathcal X,
R,
B,
O
\right\rangle.
$$

其中：

- $\mathcal X$：狀態空間；
- $R$：規則；
- $B$：邊界與環境條件；
- $O$：觀察投影。

普通狀態干預：

$$
do_X(x=x')
$$

改變的是世界內狀態，而保持：

$$
R
$$

不變。

這類反事實回答：

$$
\boxed{
\text{same rules, different state}.
}
$$

---

# 3. 法則層反事實

本文定義：

$$
\boxed{
do_R(R=R').
}
$$

此時：

$$
x
$$

可以保持不變，

但：

$$
R
$$

被替換。

更嚴格地說：

$$
do_R
$$

可能連合法狀態空間、邊界與觀察結構都一起重建。

因此：

$$
\boxed{
do_R
\text{ may induce model reconstruction}.
}
$$

---

# 4. 為什麼規則不能當普通變數

狀態干預：

$$
do_X
$$

修改的是模型內部變數。

規則干預：

$$
do_R
$$

可能修改：

- 節點集合；
- 因果邊；
- 轉移函數；
- 合法操作；
- 守恆量；
- 更新時序；
- 邊界條件。

所以：

$$
\boxed{
do_R
\neq
do_X.
}
$$

這是層級差異，不只是符號差異。

---

# 5. 雙層反事實空間

本文提出：

$$
\boxed{
\mathcal C
=
\mathcal C_{\mathrm{state}}
\times
\mathcal C_{\mathrm{rule}}.
}
$$

普通反事實：

$$
(R,x)
\rightarrow
(R,x').
$$

法則反事實：

$$
(R,x)
\rightarrow
(R',x).
$$

雙重反事實：

$$
(R,x)
\rightarrow
(R',x').
$$

---

# 6. 四類干預

GRST 進一步區分：

$$
\boxed{
do_X,
\quad
do_R,
\quad
do_B,
\quad
do_O.
}
$$

## 6.1 狀態干預

$$
do_X
$$

改世界內狀態。

## 6.2 規則干預

$$
do_R
$$

改生成規則。

## 6.3 邊界干預

$$
do_B
$$

改環境、容器、資源或外部條件。

## 6.4 觀察干預

$$
do_O
$$

改尺度、感測器、投影與觀察方式。

任何反事實若不標記這四個層級，容易產生因果錯置。

---

# 7. 規則改變首先改的是勢

GRST 的母鏈是：

$$
R
\rightarrow
\Sigma_R
\rightarrow
\sigma_R(x)
\rightarrow
\Gamma_{R,x}.
$$

所以：

$$
R\rightarrow R'
$$

首先意味：

$$
\Sigma_R
\rightarrow
\Sigma_{R'}.
$$

然後：

$$
\sigma_R(x)
\rightarrow
\sigma_{R'}(x).
$$

因此：

$$
\boxed{
\text{Rule intervention}
=
\text{global Shi transformation}.
}
$$

---

# 8. 態勢換位

**定義 8.1（態勢換位）**

對同一狀態 $x$，若：

$$
\sigma_R(x)
\neq
\sigma_{R'}(x),
$$

則稱 $x$ 發生態勢換位：

$$
\boxed{
x:
\sigma_R
\rightsquigarrow
\sigma_{R'}.
}
$$

狀態本身不必改，但：

- 穩定性；
- 吸引域；
- 可達集；
- 存續性；
- 擾動敏感；
- 因果連通；

都可能改變。

---

# 9. 同一形狀、不同規則

令：

$$
x
$$

表示完全固定構形。

在：

$$
R_1
$$

下：

$$
\tau_{R_1}(x)\gg0.
$$

在：

$$
R_2
$$

下：

$$
\tau_{R_2}(x)\approx0.
$$

則：

$$
\boxed{
\text{same configuration}
\neq
\text{same future role}.
}
$$

因此某些性質應寫成：

$$
\operatorname{Property}(x\mid R),
$$

而不是裸寫：

$$
\operatorname{Property}(x).
$$

---

# 10. 因果勢

**定義 10.1（因果勢）**

$$
\boxed{
\mathfrak C_R(x)
=
\mathcal P_{\mathrm{causal}}
\left(
\sigma_R(x)
\right).
}
$$

也就是局部態勢在因果表示上的投影。

它可包含：

- 因果可達性；
- 干預敏感度；
- 因果放大；
- 延遲；
- 反饋；
- 可逆性；
- 分岔；
- 因果中心性。

因果勢不是單一 causal edge，而是：

$$
\boxed{
\text{causal future position}.
}
$$

---

# 11. 因果邊權重只是投影

若：

$$
W_R(i,j)
$$

表示：

$$
i\rightarrow j
$$

的局部因果權重，

它仍不足以表達：

- 多步放大；
- 迴圈；
- 路徑冗餘；
- 延遲；
- 吸引域；
- 非局部效果。

因此：

$$
\boxed{
W_R(i,j)
\subset
\mathfrak C_R(i).
}
$$

---

# 12. 狀態反事實差

定義：

$$
\Delta_X
=
D
\left(
\Gamma_{R,x},
\Gamma_{R,x'}
\right).
$$

它衡量：

> 規則不變時，只改狀態造成多少世界線差異？

---

# 13. 規則反事實差

定義：

$$
\Delta_R
=
D
\left(
\Gamma_{R,x},
\Gamma_{R',x}
\right).
$$

它衡量：

> 狀態不變時，只改規則造成多少世界線差異？

---

# 14. 雙重差分

若同時改：

$$
x\rightarrow x'
$$

與：

$$
R\rightarrow R',
$$

則：

$$
\Delta_{XR}
=
D
\left(
\Gamma_{R,x},
\Gamma_{R',x'}
\right).
$$

一般不要求：

$$
\Delta_{XR}
=
\Delta_X+\Delta_R.
$$

因為規則與狀態可以非線性交互。

---

# 15. 規則—狀態交互項

概念性定義：

$$
I_{XR}
=
\Delta_{XR}
-
\Delta_X
-
\Delta_R.
$$

若：

$$
I_{XR}\neq0,
$$

則表示存在：

$$
\boxed{
\text{state-rule interaction}.
}
$$

這是 GRST 中規則與局部構形耦合的重要量。

---

# 16. 法則反事實不等於魔法

GRST 不主張：

> 人類可以直接修改自然基本定律。

法則層反事實首先屬於：

- 模型操作；
- 模擬操作；
- 理論比較；
- 虛擬世界實驗。

所以：

$$
\boxed{
do_R^{\mathrm{model}}
\neq
do_R^{\mathrm{physical}}
\text{ necessarily}.
}
$$

---

# 17. 有效規則與基本規則

人類常能改：

$$
R_{\mathrm{eff}}.
$$

例如：

- 軟體規則；
- 遊戲規則；
- 控制律；
- 邊界條件；
- 制度；
- 介質。

但不代表改了：

$$
R^\ast_{\mathrm{fundamental}}.
$$

所以：

$$
\boxed{
\text{effective rule intervention}
\neq
\text{fundamental law intervention}.
}
$$

---

# 18. 法則反事實的三層

## 18.1 軟規則反事實

$$
R(\theta)
\rightarrow
R(\theta').
$$

只改參數。

## 18.2 結構規則反事實

$$
R
\rightarrow
R'.
$$

改轉移拓撲或機制。

## 18.3 元規則反事實

若：

$$
R_{t+1}
=
\mathcal M(R_t,x_t),
$$

則改：

$$
\mathcal M
\rightarrow
\mathcal M'.
$$

這是在改「規則如何改變」。

---

# 19. 動態規則世界

若規則本身隨時間：

$$
R_t,
$$

則：

$$
x_{t+1}
=
T_{R_t}(x_t).
$$

同時：

$$
R_{t+1}
=
\mathcal M(R_t,x_t).
$$

因此真正狀態應擴展為：

$$
\boxed{
z_t=(x_t,R_t).
}
$$

---

# 20. 動態地形

在動態規則世界中：

$$
\Sigma_t
=
\Sigma_{R_t}.
$$

因此：

$$
\Sigma_t
\rightarrow
\Sigma_{t+1}.
$$

世界不是只在固定地形上移動。

而是：

$$
\boxed{
\text{state moves while the landscape itself moves}.
}
$$

---

# 21. 規則平穩性錯誤

如果真實：

$$
R_{t+1}\neq R_t,
$$

但推理系統一直使用：

$$
R_t,
$$

則會產生：

$$
\boxed{
\text{rule-stationarity error}.
}
$$

這在：

- 制度；
- 市場；
- AI 系統；
- 生態；
- 戰略；

中特別常見。

---

# 22. 反事實污染

另一種錯誤是：

研究者本來只想做：

$$
do_X,
$$

卻不自覺連：

$$
R
$$

一起改了。

本文稱：

$$
\boxed{
\text{counterfactual contamination}.
}
$$

所以每個反事實都應標記：

$$
(do_X,do_R,do_B,do_O).
$$

---

# 23. 因果勢與干預敏感度

對擾動：

$$
\delta,
$$

定義：

$$
S_{\mathrm{int}}(x,\delta;T)
=
D
\left(
\Gamma_{R,x}^{(T)},
\Gamma_{R,x+\delta}^{(T)}
\right).
$$

若：

$$
S_{\mathrm{int}}\gg0,
$$

表示小干預造成巨大後續差異。

這是因果勢的一個可操作投影。

---

# 24. 因果槓桿點

若某狀態位置：

$$
x^\ast
$$

滿足：

$$
\|\delta\|\ll1
$$

但：

$$
D
\left(
\Gamma_{R,x^\ast},
\Gamma_{R,x^\ast+\delta}
\right)
\gg1,
$$

則稱：

$$
x^\ast
$$

為高因果槓桿點。

這些位置適合：

- 干預；
- 政策；
- 控制；
- 實驗設計。

---

# 25. 中心性不等於因果勢

網路中心性：

$$
C_{\mathrm{network}}
$$

高，

不一定代表因果槓桿高。

因為可能：

- 有冗餘；
- 有吸收；
- 有回復；
- 只有局部作用。

所以：

$$
\boxed{
\text{structural centrality}
\neq
\text{causal Shi}.
}
$$

---

# 26. 因果勢與分岔

若：

$$
\|\delta_1-\delta_2\|\ll1
$$

但：

$$
D
\left(
\Gamma_{x+\delta_1},
\Gamma_{x+\delta_2}
\right)
\gg1,
$$

則 $x$ 位於高因果勢分岔區。

這與分岔點觀察方法論直接接軌。

---

# 27. 延遲因果勢

某干預短期：

$$
D_T\approx0,
$$

但長期：

$$
D_{T'}\gg0.
$$

所以因果勢必須帶時間窗：

$$
\mathfrak C_R(x;T).
$$

低即時影響，不代表低長期因果勢。

---

# 28. 世界線束

對不確定系統：

$$
\Gamma_{R,x}
=
\{\gamma_1,\gamma_2,\ldots\}.
$$

反事實比較的對象應是：

$$
\boxed{
\text{worldline bundles}.
}
$$

而非只比較一條單線。

---

# 29. 因果勢距離

可定義：

$$
D_{\mathrm{CausalShi}}
\left(
x_A,x_B
\mid
R,T
\right).
$$

跨規則：

$$
D_{\mathrm{CausalShi}}
\left(
(R,x),
(R',x)
\right).
$$

它是法則反事實的核心比較量之一。

---

# 30. 規則距離不等於勢距離

兩套規則語法差很多：

$$
d(R_1,R_2)\gg0,
$$

仍可能：

$$
D_\Sigma
\left(
\Sigma_{R_1},
\Sigma_{R_2}
\right)
\approx0.
$$

也可能：

$$
d(R_1,R_2)\ll1
$$

但：

$$
D_\Sigma\gg1.
$$

所以：

$$
\boxed{
\text{rule distance}
\neq
\text{Shi distance}.
}
$$

---

# 31. 規則勢等價類

若：

$$
\Sigma_{R_1}
\cong
\Sigma_{R_2}
$$

在指定尺度下成立，

則定義：

$$
R_1
\sim_\Sigma
R_2.
$$

不同語法規則可以屬於同一：

$$
\boxed{
\text{Shi-equivalence class}.
}
$$

---

# 32. 對理論逆推的含義

從資料逆推規則時，

可能只能得到：

$$
[R]_\Sigma.
$$

而不是唯一：

$$
R.
$$

因此：

$$
\boxed{
\text{inverse science must respect rule equivalence}.
}
$$

這將在 GRST-08 正式展開。

---

# 33. 與 FDCS 的接縫

FDCS 已把因果推理推向：

- 動態；
- 多尺度；
- 語境依賴；
- 分形因果。

GRST-07 加入：

$$
R.
$$

可把：

$$
W_t(i,j,c)
$$

升級為：

$$
W_t(i,j,c\mid R).
$$

如果規則也變：

$$
R_t,
$$

則因果權重本身隨規則勢演化。

因此：

$$
\boxed{
\text{FDCS}
+
\text{GRST}
=
\text{rule-aware dynamic causal field}.
}
$$

---

# 34. 與結構因果模型的關係

一般結構因果模型研究：

$$
do(X=x)
$$

在固定機制下的干預。

GRST 不否定這個框架。

GRST 新增的是：

> 若 structural equations 或生成機制本身也要被替換，必須把它標記成更高層級的規則干預。

所以：

$$
\boxed{
\text{GRST }do_R
=
\text{intervention on model-generating mechanisms}.
}
$$

---

# 35. 與 DPS 的接縫

實際觀察的是：

$$
P_O(\Sigma_R).
$$

若：

$$
P_O(\Sigma_R)
=
P_O(\Sigma_{R'}),
$$

兩規則在此投影下不可區分。

但換：

$$
O\rightarrow O'
$$

可能：

$$
P_{O'}(\Sigma_R)
\neq
P_{O'}(\Sigma_{R'}).
$$

因此：

$$
\boxed{
\text{rule equivalence can be projection-dependent}.
}
$$

---

# 36. 與 SIO 的接縫

規則變：

$$
R\rightarrow R'
$$

可能改變：

$$
\mathcal F_R(x)
\rightarrow
\mathcal F_{R'}(x).
$$

也可能改：

$$
\Theta_R(x)
\rightarrow
\Theta_{R'}(x).
$$

因此規則干預可能同時重寫：

- 自由空間；
- 勢賦形。

---

# 37. 規則敏感度

定義：

$$
S_R(x)
=
\frac{
D_\Gamma
\left(
\Gamma_{R,x},
\Gamma_{R+\delta R,x}
\right)
}{
\|\delta R\|
}.
$$

若：

$$
S_R(x)\gg1,
$$

則狀態 $x$ 對規則變化高度敏感。

---

# 38. 狀態敏感度

同理：

$$
S_X(x)
=
\frac{
D_\Gamma
\left(
\Gamma_{R,x},
\Gamma_{R,x+\delta x}
\right)
}{
\|\delta x\|
}.
$$

比較：

$$
S_X
$$

與：

$$
S_R
$$

可區分：

> 世界差異主要來自初始條件，還是規則？

---

# 39. 狀態混沌與規則混沌

狀態混沌：

$$
\delta x\ll1
\quad\Longrightarrow\quad
\Delta\Gamma\gg1.
$$

規則混沌：

$$
\delta R\ll1
\quad\Longrightarrow\quad
\Delta\Gamma\gg1.
$$

因此：

$$
\boxed{
\text{state chaos}
\neq
\text{rule chaos}.
}
$$

---

# 40. 元規則敏感度

若：

$$
R_{t+1}
=
\mathcal M(R_t),
$$

還可研究：

$$
S_{\mathcal M}.
$$

因此至少有：

$$
\boxed{
S_X,
\quad
S_R,
\quad
S_{\mathcal M}.
}
$$

三種不同敏感層。

---

# 41. 因果勢不等於命定

即使某方向具有高因果勢，

也不表示：

$$
\text{future is inevitable}.
$$

因為還可能有：

- 多分支；
- 隨機；
- 外部干預；
- 規則改變。

所以：

$$
\boxed{
\text{high causal Shi}
\neq
\text{deterministic destiny}.
}
$$

勢描述偏置，不是命定。

---

# 42. 世界內自由與規則級自由

在固定規則下：

$$
\mathcal F_R(x)
$$

是世界內自由。

如果 agent 可以改變規則，

還有：

$$
\mathcal F_{\mathcal R}(R).
$$

因此：

$$
\boxed{
\text{freedom within rules}
\neq
\text{freedom to change rules}.
}
$$

---

# 43. 世界內代理與規則級代理

一般 agent：

$$
A_X
$$

在固定規則裡選策略。

規則級 agent：

$$
A_R
$$

可以修改有效規則。

例如：

- 制定制度；
- 改程式；
- 改控制器；
- 改遊戲規則；
- 改環境接口。

所以：

$$
\boxed{
\text{acting in a world}
\neq
\text{rewriting the world interface}.
}
$$

---

# 44. AI 世界模型的兩種能力

未來 AI 世界模型至少應有：

## 44.1 狀態反事實能力

$$
(R,x)
\rightarrow
(R,x').
$$

## 44.2 規則反事實能力

$$
(R,x)
\rightarrow
(R',x).
$$

只有第一種，AI 只能研究：

> 同一世界發生不同事件。

有第二種，AI 才能研究：

> 另一套規則下，哪些結構仍然存活？

---

# 45. 跨規則不變量

若某性質：

$$
I
$$

在：

$$
R_1,\ldots,R_n
$$

下都保持，

則：

$$
I
$$

可能是更深層的 meta-structure 候選。

定義：

$$
K_{\mathrm{cross-rule}}
=
\bigcap_i
\operatorname{Inv}(R_i).
$$

---

# 46. 跨規則與跨尺度的對偶

GRST-05 已提出跨尺度不變量。

GRST-07 增加跨規則不變量。

因此可同時考察：

$$
\boxed{
\text{cross-scale invariance}
}
$$

與：

$$
\boxed{
\text{cross-rule invariance}.
}
$$

兩者共同存活的結構，比單一尺度或單一規則下的不變量更值得研究。

---

# 47. 反事實矩陣

建立：

$$
M_{ij}
=
D
\left(
\Gamma_{R_i,x_j},
\Gamma_{R_0,x_0}
\right).
$$

其中：

- 行：不同規則；
- 列：不同狀態。

這張矩陣可以直接顯示：

- 規則敏感區；
- 狀態敏感區；
- 交互主導區；
- 穩定核。

---

# 48. 規則反事實與理論比較

不同理論：

$$
T_1,T_2
$$

常蘊含：

$$
R_1,R_2.
$$

所以不只比較：

$$
\hat y_1
\quad\text{與}\quad
\hat y_2.
$$

還可以比較：

$$
\Gamma_{R_1,x}
\quad\text{與}\quad
\Gamma_{R_2,x}.
$$

也就是：

> 如果兩套理論各自是真的，同一初始世界會展開成什麼？

---

# 49. 最具鑑別力的實驗

若：

$$
R_1,R_2
$$

目前無法區分，

可以搜尋：

$$
x^\ast
=
\arg\max_x
D
\left(
\Gamma_{R_1,x},
\Gamma_{R_2,x}
\right).
$$

這個：

$$
x^\ast
$$

就是最具理論鑑別力的實驗條件。

這是 AI 自動實驗設計的重要形式。

---

# 50. 法則反事實的不可識別性

如果：

$$
\forall x,
\quad
P_O(\Gamma_{R_1,x})
=
P_O(\Gamma_{R_2,x}),
$$

則在觀察器 $O$ 下：

$$
R_1
\sim_O
R_2.
$$

這是：

$$
\boxed{
\text{observational non-identifiability}.
}
$$

不是推理失敗。

---

# 51. 更換觀察器或干預

如果換：

$$
O\rightarrow O'
$$

後：

$$
P_{O'}(\Gamma_{R_1,x})
\neq
P_{O'}(\Gamma_{R_2,x}),
$$

則兩理論被區分。

或者選：

$$
do_X(x^\ast)
$$

使：

$$
\Gamma_{R_1,x^\ast}
\neq
\Gamma_{R_2,x^\ast}.
$$

這就是：

$$
\boxed{
\text{observation-based}
+
\text{intervention-based discrimination}.
}
$$

---

# 52. 最小實驗 A：規則反事實

固定：

$$
x_0.
$$

選：

$$
R_1,\ldots,R_n.
$$

建立：

$$
\Gamma_{R_i,x_0}.
$$

測：

- 存續；
- 分岔；
- 吸引域；
- 擾動敏感；
- 因果連通；
- 複製；
- 吞噬。

---

# 53. 最小實驗 B：狀態反事實

固定：

$$
R.
$$

選：

$$
x_1,\ldots,x_n.
$$

建立：

$$
\Gamma_{R,x_i}.
$$

與實驗 A 對照。

---

# 54. 最小實驗 C：雙重反事實

遍歷：

$$
(R_i,x_j).
$$

建立反事實矩陣：

$$
M_{ij}.
$$

分析：

$$
I_{XR}.
$$

找出：

- 規則主導區；
- 狀態主導區；
- 交互主導區。

---

# 55. 最小實驗 D：規則臨界點

令：

$$
R(\lambda).
$$

掃描：

$$
\lambda.
$$

尋找：

$$
\lambda_c
$$

使：

$$
D_\Sigma
\left(
\Sigma_{\lambda^-},
\Sigma_{\lambda^+}
\right)
$$

突然放大。

這就是：

$$
\boxed{
\text{rule-Shi phase transition}.
}
$$

---

# 56. 可反駁性

GRST-07 若要成立，必須允許以下結果削弱其獨立價值：

1. 若所有規則干預都可無損改寫成普通狀態干預，則 $do_R$ 沒有獨立層級價值；
2. 若改變規則從不改變 $\Sigma_R$，則規則勢映射需要重構；
3. 若因果勢不能提供比普通因果邊權重更多的預測或干預價值，則其獨立性下降；
4. 若規則距離總與勢距離單調等價，規則—勢分離可能過度；
5. 若跨規則不變量不存在於任何研究系統，則該概念應降級；
6. 若法則反事實不能提升理論鑑別或實驗設計，其科學用途應重新評估。

---

# 57. 本篇暫定命題

## GRST-07-P1：雙層反事實

$$
\boxed{
\mathcal C
=
\mathcal C_{\mathrm{state}}
\times
\mathcal C_{\mathrm{rule}}.
}
$$

## GRST-07-P2：規則干預獨立性

$$
\boxed{
do_R
\neq
do_X.
}
$$

## GRST-07-P3：態勢換位

$$
\boxed{
\sigma_R(x)
\neq
\sigma_{R'}(x)
}
$$

可在 $x$ 不變時成立。

## GRST-07-P4：因果勢

$$
\boxed{
\mathfrak C_R(x)
=
\mathcal P_{\mathrm{causal}}
\left(
\sigma_R(x)
\right).
}
$$

## GRST-07-P5：規則距離非勢距離

$$
\boxed{
d(R_1,R_2)
\not\equiv
D_\Sigma
\left(
\Sigma_{R_1},\Sigma_{R_2}
\right).
}
$$

## GRST-07-P6：動態規則擴展

若 $R_t$ 可變，則完整狀態需擴展為：

$$
z_t=(x_t,R_t).
$$

---

# 58. 本篇核心結論

第一：

$$
\boxed{
\text{普通反事實}
=
\text{同規則、改狀態}.
}
$$

第二：

$$
\boxed{
\text{法則反事實}
=
\text{同狀態、改規則}.
}
$$

第三：

$$
\boxed{
R\rightarrow R'
\Longrightarrow
\Sigma_R\rightarrow\Sigma_{R'}.
}
$$

第四：

$$
\boxed{
\text{same state}
\not\Rightarrow
\text{same causal Shi}.
}
$$

第五：

$$
\boxed{
\text{causal edge}
\neq
\text{causal Shi}.
}
$$

第六：

$$
\boxed{
\text{state chaos}
\neq
\text{rule chaos}.
}
$$

第七：

$$
\boxed{
\text{rule-level counterfactuals}
}
$$

為未來 AI 世界模型與理論鑑別提供獨立推理軸。

---

# 59. 下一篇

**GRST-08｜理論展開—證據壓縮對偶：從實驗數據逆推世界規則**

下一篇將集中處理：

1. 理論前向生成：

$$
T\rightarrow R\rightarrow\Sigma\rightarrow\Gamma\rightarrow D;
$$

2. 資料反向壓縮：

$$
D\rightarrow[\Gamma]\rightarrow[\Sigma]\rightarrow[R]\rightarrow[T];
$$

3. 為什麼逆問題以前困難；
4. AI 如何同時做 Forward Explosion 與 Backward Compression；
5. 理論等價類、不可識別與觀察分辨率；
6. 反事實生成如何幫助逆推理論；
7. 「從資料逆推規則」如何成為未來科學的核心計算任務。

---

# 附錄 A：四類干預速查

| 干預 | 改變什麼 |
|---|---|
| $do_X$ | 狀態／事件 |
| $do_R$ | 規則／機制 |
| $do_B$ | 邊界／環境 |
| $do_O$ | 觀察／投影 |

---

# 附錄 B：三種敏感度

$$
\boxed{
S_X
=
\text{state sensitivity}
}
$$

$$
\boxed{
S_R
=
\text{rule sensitivity}
}
$$

$$
\boxed{
S_{\mathcal M}
=
\text{meta-rule sensitivity}
}
$$

---

# 附錄 C：雙層反事實最小記法

世界內反事實：

$$
(R,x)
\rightarrow
(R,x').
$$

法則反事實：

$$
(R,x)
\rightarrow
(R',x).
$$

雙重反事實：

$$
(R,x)
\rightarrow
(R',x').
$$

---

**文件結束**