第二十六章　典范猜想：如果“数”包含影响范围

一、把一个触觉提问变成研究任务

设想一个很小的研究场景。桌面上放着一条具有三个可记录位置的柔性材料，研究者依次在左端、中间或右端施加作用，传感器记录各位置的响应。这里暂不讨论人体感觉的真实机制，也不声称三个位置足以模拟皮肤。它是一个明确标注为合成的实验台：我们要考察的，只是某次作用能否越过标记它的中心位置，影响邻近位置和后续作用。如果答案可以是肯定的，那么把一次作用仅记为一个孤立的点和一个大小，可能不足以支持我们关心的预测。

“一个触觉具有影响范围”的直觉，由此获得了可以追问的形式。范围具体落在哪些位置？边缘处的影响是否减弱？前一次作用的残留怎样进入下一次作用？两次作用发生在同一中心，是否就应该算作同一个对象？如果把左右两端的读数合并成一个总量，合并后的总量是否还能够预测下一时刻？这些问题并不预先要求一种全新数学。它们要求我们明确原来省略了什么，以及补入这些内容后获得什么可检验的收益。

从直觉到数学的第一个困难，往往不是缺少复杂公式，而是过早把一个名字当成已经成立的对象。研究者可以把具有范围的单元叫作伞，也可以叫作影响单元；名字都不能替代定义。如果伞模型只是把一个向量重新命名，本书就应该承认它仍然是向量。如果它组织了已有数学没有被用于当前任务的关系，那么它可能具有建模贡献。如果它进一步产生了无法在原有描述中自然提出的问题，又发展出稳定的方法、结果和接续者，才有理由讨论更高层次的研究纲领。

本编因此选择一条可失败的路线：先构造一个足够小的版本，使每一个选择都能够被看见；再检查它的运算、历史更新和观察方式；最后比较其研究价值。选择小模型并不表示真实世界简单。恰恰因为真实互动复杂，我们必须先知道一个结论来自哪条假设。把所有复杂性同时放入模型，往往只能得到无法判断对错的整体叙述。

在人—AI复合研究中，这个开端尤其重要。AI很容易迅速提出“广义数”“非局域数”“动态伞代数”等名称，也能够为这些名称生成漂亮的说明。研究者必须让命名接受后果约束：对象属于什么集合，等号怎样判断，组合结果是否还属于该集合，预测能够怎样失败。AI也应当参与提出这些约束，而不只是执行已经规定好的计算。共同研究的第一件事，是让猜想获得承受反驳的形状。

二、建立有限度量空间上的伞事件

设 X 是一个非空有限集合，其元素表示可区分的记录位置。给定距离函数 d，满足非负性、对称性、同一性和三角不等式。这里的距离可以来自实际长度，也可以来自明确说明的操作规则。不同来源的距离不能混为一谈：毫米距离、图上的最短路径与由行为数据估计的差异，各自提出不同的经验要求。本章的所有算例取 $X=\{0,1,2\}$，距离为 $d(i,j)=|i-j|$，因而不需要估计问题掩盖基本构造。

一个伞事件记作 $p=(c,r,a)$。其中 $c\in X$ 是中心，$r\ge 0$ 是范围参数，$a\ge 0$ 是中心强度。它产生的影响剖面记作 $\kappa _p$，定义如下：当 $r>0$ 时，$\kappa_p(x)=a\max\left\{0,1-\frac{d(x,c)}{r}\right\}$；当 $r=0$ 时，$\kappa _p(x)=a$ 当且仅当 $x=c$，否则为零。这个分段定义避免了半径为零时的除零问题，也给单点作用保留了位置。

我们把 $\kappa _p$ 称为剖面，是因为它为每个记录位置给出一个非负值。它并非一个飘浮在空间之外的“范围概念”，而是可以逐项列出的数表。若 $p=(1,2,1)$，三个位置的剖面是 $(\frac{1}{2},1,\frac{1}{2})$。若 $p=(0,1,1)$，剖面是 (1,0,0)。半径参数等于一并不意味着距离恰为一的点仍有正影响，因为本定义把边界影响设为零。范围参数与正值支持集由此相关，却不是同一个词的两种写法。

这个帐篷形衰减只是最小候选。我们没有证明真实触觉、压力传递或认知影响一定按距离线性下降。选择它的理由是定义透明、算例简单、范围有限，并且能够立即暴露边界问题。以后可以把线性衰减替换为其他函数，但替换必须回答具体问题：是在修复已有误差，还是引入新的经验知识？不能在每次预测失败后随意换一个函数，最后把任何结果都解释成模型的成功。

还需要明确一个常被忽略的区别。数学中的核具有多种含义。本书暂把 $\kappa _p$ 看作影响分布函数，把下文的矩阵 K 看作作用传递规则，并没有因此获得再生核希尔伯特空间所需的正定性。对于任意度量空间，上述帐篷函数是否满足某种正定条件，需要另行证明。出现“核”这个词，不会自动把核方法已经取得的全部结论转移到这里。

从研究的发生看，定义同时完成了保留和排除。它保留了位置、强度和范围，排除了方向差异、随机波动、疲劳、主动控制及主体报告。这些排除是当前阶段的边界，而不是关于世界不存在这些因素的判断。一个好定义让研究者知道自己在研究什么，也让其他人知道在哪些地方可以提出不同版本。

三、为什么必须区分三种同一性

在给出运算之前，先要回答：什么算作同一个伞？最直接的答案是参数相等，即中心、半径和强度全部相等。但参数是生成记录，不一定等于当前影响。若 $a=0$，无论中心和半径如何选择，剖面都是零。即使强度非零，在有限记录网格上，不同范围也可能产生同一个剖面。例如中心为零、强度为一时，半径为零与半径为二分之一都产生 (1,0,0)。对当前三个记录位置而言，它们不可区分。

因此，第二种同一性是剖面同一：对于每个 $x\in X$，都有 $\kappa _p(x)=\kappa _q(x)$。这是一种逐位置的相等。它把一些参数不同的事件归为同类，却不宣布这些事件具有完全相同的发生历史。若以后加密记录位置，在中心和相邻位置之间增加一个测点，原先相同的剖面可能再次分开。有限网格上的同一性总是相对于这个网格；改变研究分辨率，等号所表达的对象条件也可能改变。

第三种同一性来自实际观测。设 P 是一个给定的线性观测矩阵，把完整剖面 u 映射为观测值 $y=Pu$。例如一个传感器只报告三个位置的总和，那么 $P=(1,1,1)$；另一个装置只报告左右两端之和，那么 $P=(1,0,1)$。只要 $Pu=Pv$，我们就称 u 与 v 在 P 下观测同一。这比剖面同一更弱，可能把具有明显不同空间分布的状态合并。

取 $u=(1,0,0)$，$v=(0,0,1)$。在总量观察下，二者相同；在观察完整剖面的装置下，二者不同。这里没有逻辑矛盾，因为两个判断使用不同的观察规则。真正的问题是：研究任务允许我们把这种观测同一当成什么？若任务只是在当前时刻计算总量，合并完全合理。若任务要预测下一次作用出现在哪一端，仅有总量就可能不够。

这一区分使SDE关于同一性发生的提问有了数学落点。同一性不是研究者随心所欲宣布的，也不是只能接受的唯一先验形式。它由对象表示、差异运行和实际观察共同限定。当我们选择 P 时，我们规定哪些差异暂时不进入显露；当后续更新重新放大这些差异时，原来的合并可能失效。第五编提出的哲学问题，由此进入了一个能够证明成功条件、给出失败反例的研究区域。

本编将始终保留三层语言：事件参数记录怎样生成，剖面记录当前怎样分布，观测记录此时怎样显露。历史是否还需要作为独立对象，是后续章节的问题。先把三层分开，可以防止我们一会儿依据参数说对象不同，一会儿依据传感器说对象相同，却把两种结论当作对同一问题的回答。

四、单个伞不闭合，状态空间为何必须扩大

如果一次作用产生一个伞，两次作用应该产生什么？一种自然猜想是把两个剖面逐位置相加。若 $u=(u_{0},u_{1},u_{2})$，$v=(v_{0},v_{1},v_{2})$，定义 $u\oplus v=(u_{0}+v_{0},u_{1}+v_{1},u_{2}+v_{2})$。这个运算表达一个明确假设：在当前范围内，影响可以线性叠加，重复作用可以增加总强度。它不是从“伞”这个比喻中自动推出的，而是一个可被实验否定的建模选择。

问题随即出现。两个单伞相加，不一定仍是单伞。取左端的单点伞 (1,0,0) 与右端的单点伞 (0,0,1)，相加得到 (1,0,1)。它不可能由本章定义的一个帐篷伞产生。若中心在中点，中心值必为最大，不会是零；若中心在某一端，对另一端的正影响必须经过距中心更近的中点，而中点却为零。这是一个只需三个位置的闭合性反例。

面对这个反例，研究者有几种选择。可以宣布两个伞不能组合，但那就放弃了描述连续作用的目标；可以强行把组合结果拟合回一个伞，但必须承认发生了信息损失；还可以扩大对象空间，允许多峰和非帐篷形剖面。本书选择第三条路，把一般状态定义为 $\mathbb{R}_{+}^X$，即 X 上所有非负实值函数。单个伞成为状态的一种生成方式，不再垄断状态的形状。

扩大后的对象仍然可以用“伞模型”作为研究项目名称，但不应该再把每个一般状态都想象成一把几何上规则的伞。名称需要服从定义。一个双峰状态可以由两次局部作用形成，一个宽平台可以由许多伞叠加形成。发生过程允许新整体具有各个原始单元没有的形状，而数学上保证这种变化能够被容纳的，是状态空间的扩大。

这一小步已经展示典范探索中的重要机制。最初的对象定义通常携带过多直觉限制。运算把这些限制暴露出来，反例迫使我们决定保留什么、放弃什么。若把初始名称当成不可动摇的本体，就只能不断为异常打补丁；若完全取消限制，又可能失去研究焦点。扩大到非负剖面，是因为它恰好解决已经出现的闭合问题，同时仍保留非负性、位置和范围三个核心要求。

这里也出现了封装的具体意义。逐项相加、检查最大值、搜索反例、绘制剖面，都可以交给可靠程序和AI辅助完成。释放出来的注意力用于判断：是原来的定义不合适，还是研究目标需要改变？工具降低了试错成本，但不会替我们消除每个选择的代价。复合研究的价值，在于让选择能够更快地面对后果。

五、从空间范围转向时间范围

静态叠加仍然遗漏了一个重要问题：先后次序。假如一次作用会逐渐衰减，那么昨天发生的作用与刚刚发生的作用，即使中心和强度相同，也不应该在当前状态中占据完全相同的权重。我们引入一个固定衰减参数 $\lambda$，满足 $0\le \lambda <1$，并把一次新输入 v 对旧状态 u 的更新定义为 $T_v(u)=\lambda u+v$。

这个式子中的旧状态不是一个被动背景。它是此前作用保留下来的组织，它与新输入共同决定当前显露。若没有旧状态，新输入只产生 v；若存在旧状态，同一个 v 会进入不同的组合。暂时把 $\lambda$ 取为常数，是为了隔离次序的作用，而不是宣称所有位置、所有历史都以相同比率衰减。下一章会先研究这个简单系统，随后再允许各位置之间发生传递。

从零状态出发，先输入左端单点伞 $e_{0}$，再输入右端单点伞 $e_{2}$，最终得到 $\lambda e_{0}+e_{2}$。交换顺序，最终得到 $e_{0}+\lambda e_{2}$。只要 $\lambda <1$，二者不同。过去发生的那一次受到一次额外衰减，因此两次事件具有相同的静态总和，却不具有相同的当前状态。这里的“不交换”属于作用的先后组合，不意味着普通向量加法突然失去交换律。

这个区别值得反复明确。研究中很容易先把 u+v 写为组合，再把 $T_v$∘$T_u$ 写为组合，随后宣称“我们的加法不交换”。实际上，两个运算作用在不同层次。前者组合同时呈现的剖面，后者组合改变状态的操作。只要把类型写清楚，就无需制造矛盾。数学创新不一定来自推翻既有定律，也可以来自发现研究者把不同类型的活动错误地压缩进同一个词。

时间范围还涉及状态是否足够。若未来只依赖当前 u 和新输入，那么 u 是我们选定规则下的充分状态，完整事件列表可以被封装。若真实过程具有疲劳，未来响应还取决于此前累计作用次数，而这个次数不能从 u 恢复，当前状态就不充分。此时需要增加历史变量，或者承认模型不能处理这类预测。不能一方面删去历史，另一方面在失败时随意调用历史解释结果。

对数学家而言，这里出现了新的问题空间：什么历史能够被压缩为一个当前状态？什么观察能够继续支持更新？什么时候一个看似成功的封装必须重新打开？这些问题既有成熟数学近邻，也有具体任务中的新实例。把它们组织为连续研究，比宣布“传统数没有时间”更有创造价值。

六、让候选模型与既有理论正面相遇

范围剖面并非前无古人的思想。扎德在一九六五年提出的模糊集，以取值于零和一之间的隶属函数表达程度。我们的剖面同样是一个函数，因此两者在形式上有相近之处。但本书的 u(x) 暂时表示影响强度，可以超过一；它不自动表示某对象属于某集合的程度。是否采用最大、最小或其他运算，必须由语义与任务决定，不能因为图形相似就互换解释。

同样，有限集合上的非负剖面可以对应一个有限测度：对任意子集 A，令 $\mu _u(A)=\sum _{x\in A}u(x)$。这给出了严格的一一对应，而不是模糊类比。普通加法对应测度相加，位置总量对应测度在相应集合上的值。因此，如果有人主张“已有数学无法表达影响范围”，这一最小构造本身就构成反证。已有数学能够表达它，真正值得研究的是怎样选择表示、运算、观察和更新，才能服务具体发生问题。

与核方法的比较也必须具体。核均值嵌入研究把分布映入特定函数空间，并考察这种表示保留信息的条件；Muandet等人的综述系统整理了这一路线。本书没有建立相同的函数空间，也没有证明自己的表示具有相同性质。不过，它提醒我们把问题从“有没有范围”推进到“映射是否区分了需要区分的对象”。当两个生成过程得到同一剖面时，这是可接受的封装，还是研究所需信息的丢失？这个问题可以借鉴已有理论，而不是绕过它。

此外，更新 $u'=Ku+v$ 是已有离散状态空间方法的基本形式。本书随后证明的非负性、稳定界和观测闭合条件，都位于成熟数学的范围内。独立写出证明，是为了让本书的研究路线自足、便于复核，不是把熟知结论改名据为新发现。数学家进入新的研究活动时，识别已有结构往往是一种成功：它让我们直接调用严密成果，把精力投入真正没有解决的部分。

这样比较并不会取消SDE纲领的意义。SDE在这里组织的是提问次序：从具体互动中辨认显露、差异运行与特征纠缠，追查对象和同一性的形成条件，再寻找合适数学结构。它不能仅凭哲学解释证明某个定理，却能够要求研究者检查过去被习惯性省略的构成条件。数学构造则反过来约束哲学语言，指出哪些区分已经明确，哪些仍停留在启发层次。

七、单位、观察者与研究边界

在正式计算之前，还应为每个量安排单位。若 u 表示装置中的响应强度，那么 a 与 u 具有相同单位，r 与 d 具有相同的距离单位，$\lambda$ 是无量纲比例。两个使用不同强度单位的剖面不能直接相加，必须先转换。把位置从毫米换成厘米时，距离与半径应同步缩放，$\kappa$ 的数值才保持不变。如果只改变其中一个，模型实际上已经变更，而不是仅仅改写记号。

这个简单要求能够拦住不少貌似深刻的错误。若研究者把一边的触觉强度与另一边的认知意义直接放在同一个加法中，数学式子也许仍可书写，却没有确定的操作解释。跨界建模应先说明两种量如何共同测量、如何进入同一任务，或者明确它只是形式类比。本书使用SDE语言贯通不同领域，不等于它们的数值可以未经转换地混合。

观察者在本模型中出现于记录位置的选择、观测矩阵的确定与任务的提出，但并没有因此被完整地数学化。一个人为什么关注左端而忽略右端，为什么认为某种预测有价值，这些属于更广的研究互动。P 可以记录这种选择的一个结果，却不是主体全部活动的替身。把观察写进公式，比假装没有观察条件更清楚；把一个公式当作完整主体，则会再次造成不恰当的封装。

同样，K 中的传递关系也不等于全部特征纠缠。固定 K 仅代表我们在这一阶段保持不变的一部分作用条件。若装置的性质随使用而改变，或者研究者的干预改变了空间联系，K 就需要成为随时间变化、乃至受状态影响的对象。最小模型暂不处理这些变化，是为了让一条推理链得到检验；它不能由此反驳现实中存在更复杂的纠缠，也不能宣称已经解释全部SDE运行。

研究契约还包括谁负责做什么。人的研究者和AI都可以提出定义、计算反例、检查证明和修改目标；责任分配不应按照“人只创造、AI只执行”的固定界线。更合适的安排是按照可复核的工作单元组织协作：每个定义留版本，每个候选命题附依赖条件，每个计算保留输入，每次决定说明保留或放弃的理由。复合体的能力并非把两份能力清单相加，而是在这种持续反馈中形成。

最后，我们把经验验证与数学验证分成两个明确出口。数学出口检验从假设到结论是否成立；经验出口检验假设是否适合预定对象。本书能够在纸面和程序中完成前者的一个最小闭环，能够为后者提出实验设计，却不能把尚未实施的实验写成已经完成的事实。这个边界让读者知道可以直接使用哪些结论，又应在哪些地方重新承担测量与判断。

八、预先写下能够失败的条件

一个候选方案若没有失败条件，就无法从研究走向知识。本编至少设置四种失败。第一种是形式失败：定义或运算不闭合，定理假设不足，证明含有错误。第二种是表达失败：看似保留范围，实际观察仍把关键差异全部压缩掉。第三种是任务失败：增加状态维度后，在明确任务上没有改善，或者改善不足以抵偿成本。第四种是新颖性失败：已有理论已经完整覆盖所声称的数学贡献。

四种失败不能相互替代。证明没有错误，不说明模型适合触觉；合成算例上预测准确，不说明它比强基线更好；采用新术语，不说明产生了新结构。反过来，发现模型属于已有结构，也不意味着应用问题没有价值。研究结果可以是一个有效的教学模型、一个经过比较的建模方案、一组关于观测选择的条件，或者一个值得继续展开的理论问题。每种结果都应当用恰当名称报告。

本编预先规定的任务不是“证明伞模型优于传统数学”。那样的目标既含混，又容易诱导研究者不断调整标准。我们的第一个任务是区分静态总量相同、空间分布不同的作用序列，并预测下一时刻的指定观测；第二个任务是判断某个低维观测能否独立更新；第三个任务是比较线性叠加、最大合并和饱和组合对重复作用的不同解释。这些任务足够小，却能迫使模型产生清楚后果。

下一章将从这里开始执行。我们会证明非负剖面的基本运算性质，计算次序效应，推导历史展开式，并把空间传递纳入更新。AI可以帮助枚举候选和检查算例，但每个一般结论都必须有能够逐步核对的证明。只有经过这样的执行，最初那个“如果数包含影响范围”的问题，才会从一个富有启发的说法，变成一项真正可以继续的数学工作。