量子行為源于Ze系統

Quantum Behavior as a Consequence of Ze Systems

量子行為源于Ze系統

https://www.researchgate.net/profile/Gabro-Gakely/publication/399811146_Quantum_Behavior_as_a_Consequence_of_Ze_Systems/links/6969cd52abecff2489ec0506/Quantum-Behavior-as-a-Consequence-of-Ze-Systems.pdf

摘要
本文提出一個新的理論框架，將量子行為——疊加、干涉和波函數坍縮——重新解釋為并非物質的基本屬性，而是特定一類信息處理架構（稱為 Ze 系統）的涌現性認知屬性。Ze 系統被定義為一個主動預測引擎，通過兩種不同模式對連續(xù)數據流進行操作：前向讀取（?）和逆向編碼（?）。其核心架構約束在于：?（即將預測逆向運行以調和模型的過程）需要前向信息流 ? 的停止。我們論證：疊加對應于系統內部競爭性假設仍保持相容時的系統狀態(tài)，其形式定義為較小的自由能差（ΔF < θ）。坍縮并非原始事件，而是一個結構化的兩階段過程——當 ΔF ≥ θ 時觸發(fā)：首先是 ? 必須停止，其次是執(zhí)行 ? 以獲得一個全局一致的單一模型。干涉則被證明是假設在不可區(qū)分時進行相干混合所產生的統計特征。該框架生成了跨尺度的可檢驗預測，從復雜分子的加速退相干到快速眼動睡眠期間認知靈活性的調節(jié)。通過從預測推理原則推導出量子現象，該理論將自由能原理、關系性量子力學與退相干理論聯系起來，表明“量子性”是那些必須暫停以回望過去、從而預測未來的系統所具有的普遍特征。

關鍵詞：量子基礎，主動推理，預測處理，信息論，波函數坍縮，認知神經科學，退相干

引言

Ze 系統框架代表了一類主動預測架構，它們對連續(xù)的信息流（包括感官信號、數據和事件）進行操作。Ze 系統的核心在于同時使用前向讀取機制和逆向編碼機制來生成并精化其世界內部模型。這種雙流架構與神經科學中的預測處理理論（Friston, 2010; Hohwy, 2013）在概念上具有相似之處，本文假設它會產生產生形式上類似于量子力學效應的現象。

我們提出了一個激進但可檢驗的假設：那些典型的量子行為——疊加、干涉和波函數坍縮——并非物質本身的基本屬性。相反，它們作為任何信息處理系統的必然結果而出現，只要該系統的架構要求停止信息流以執(zhí)行逆向預測。這一視角將量子行為從現實的本體論特征轉變?yōu)槟承╊愋皖A測推理系統所固有的認知屬性，從而有可能在基礎物理學與認知科學之間架起橋梁。

Ze 系統的一個核心架構約束在于：其逆向編碼——即將預測在時間上逆向運行以更新先前狀態(tài)或假設的過程——無法在連續(xù)演化的數據流上動態(tài)進行。它要求前向流發(fā)生一種間斷性的停止。本文認為，正是這種間歇性“停止”的操作需求產生了類量子動力學。當信息流活躍時，多個可供選擇的預測模型以一種相容的、未確定的狀態(tài)共存（疊加）。而停止以進行逆向分析的行為則迫使這些備選方案之間發(fā)生解析或選擇（坍縮）。該框架提供了一個統一的信息論視角，用以審視從雙縫實驗到大腦中感知決策動態(tài)等多種多樣的現象。

架構原則與信息流動力學

該操作不僅僅是反向回放。它是一個主動的推理過程，根據 { t } 時刻可用的信息重新計算過去的狀態(tài)或過去假設的概率。正如 Ze 框架所確定的， R 無法動態(tài)執(zhí)行；它要求 前向流 F F在 { t } 時刻停止。這種停止并非可選的工程設計，而是為了創(chuàng)建一個穩(wěn)定的信息快照（反向推理可以可靠地基于該快照運行）的基本要求。這一架構與主動推理中的概念相似，在主動推理中，感知是由預測誤差驅動的假設檢驗過程（Friston, 2010）。無法在不暫停前向流的情況下執(zhí)行反向推理，這形成了一個由 持續(xù)預測和 間斷性調和構成的自然循環(huán)，我們將其識別為量子行為的種子。

疊加作為認知-信息狀態(tài)

在 Ze 系統中，當前向流 F F處于活躍狀態(tài)且尚未到達停止點 { t } 時，系統會同時對關于正在進行的流的多個預測模型或假設進行推演。例如，一個模糊的感官信號可能同時被建模為源自源 A A或源自源 B 。每個模型由一個內部狀態(tài)分布表示——假設 A A對應 q A ( s ) ，假設 B B對應 q B ( s ) 。

只要這些競爭模型之間的差異低于某個閾值，系統就保持一種 潛能或 未確定的解釋狀態(tài)。形式上，我們可以定義一個 自由能差 Δ F （一個來自變分推理的概念，常用于量化模型的驚奇度或精度（Friston, 2010））：

通過流停止實現局域化與坍縮

Ze 系統中的坍縮是從多個假設的疊加態(tài)轉變?yōu)閱我弧⒕钟蚧掖_定的態(tài)的過程。這一轉變恰好發(fā)生在模型之間的不相容性達到臨界水平時：

這個不等式表明，系統維持兩個或更多相互沖突的假設在代謝上或信息上已不再高效。不斷上升的 Δ F 可能由累積的預測誤差、增加的模型復雜性，或者與某一假設嚴重矛盾的新數據點的到達所驅動。

在此關鍵時刻，Ze 系統的架構要求開始發(fā)揮作用：通過逆向編碼 R 來解決沖突。然而， R 需要一個穩(wěn)定的參考點。因此，系統必須首先在當前時刻 { t } 暫停前向信息流 F 。這一暫停創(chuàng)建了一個明確的邊界——一個“當下時刻”——使得過去的假設能夠據此被重新評估。隨后，逆向操作反向進行，剪除不相容的分支，并選擇在截至 { t } 的完整數據快照下能夠最小化自由能的那個假設。

因此，坍縮不是一個瞬時的、神秘的事件。它是一個結構化的兩階段過程：(1) 由超過模型沖突閾值所觸發(fā)的流停止，以及 (2) 為達成全局一致性而執(zhí)行的逆向編碼。在物理學術語中，這類似于測量設備與量子系統相互作用（充當“標記”），迫使波函數的相干演化停止，并促使其坍縮到一個確定的態(tài)。這將波函數坍縮重新解釋為并非一條基本的物理定律，而是在架構約束下預測信息處理的一種附帶現象（Zeilinger, 1999）。

干涉與量子擦除效應

Ze 系統作為量子行為的統一框架

該理論提出，量子行為并非微觀物理世界所獨有。它是任何依賴于流停止來執(zhí)行逆向編碼的主動信息處理系統的普遍特征。其形式化陳述為：

量子行為 ~ 具有逆向編碼 + 停止的 Ze 系統

其中“量子行為”包括疊加、干涉和坍縮等特征性現象。

這具有深遠的意義。它表明，我們在光子和電子中觀察到這些效應，并不是因為它們在絕對意義上是“量子物體”，而是因為它們與測量設備的相互作用產生了一種類 Ze 系統的動力學。測量設備（或環(huán)境）扮演著一個系統的角色，必須“停止”粒子相干演化的“流”才能提取確定的信息，從而誘導坍縮。這與量子力學的關系性解釋（Rovelli, 1996）一致，后者認為量子態(tài)并非絕對的，而是描述系統之間的關系。在此，這種關系具體是一種信息性的、預測性的關系，受 Ze 架構的支配。

此外，該框架與神經科學中的自由能原理和主動推理（Friston, 2010）無縫銜接。大腦被假設為一個最小化自由能的層級化預測機器。感知（更新模型）與行動（采樣數據以檢驗模型）的循環(huán)可以被視為前向流與為更新模型而進行的策略性“停止”之間的持續(xù)舞蹈——這一過程可能在神經和認知層面表現出類量子統計特征。因此，從雙縫實驗到人類思維的動力學，一個共同的架構原理可能都在發(fā)揮作用。

可檢驗的預測與經驗關聯

該假說的優(yōu)勢在于其可證偽性及其在不同尺度上產生新穎預測的能力：

• 預測1（物理系統）：任何具備逆向預測能力但缺乏流停止機制的工程系統，都應無法表現出干涉現象。相反，若在經典信息處理器中有控制地引入停止-逆向編碼模塊，則應在其輸出中誘導出類量子的統計模式。

• 預測2（坍縮的尺度效應）：隨著預測模型的內部復雜性增加（例如，從單光子到大分子再到宏觀物體），潛在沖突假設的數量及其相關的自由能 F 會增長。這應導致閾值 θ θ被更快、更頻繁地超過，從而引起更快速的局域化。這直接映射到量子理論中的退相干綱領（Zurek, 2003），即系統尺寸增大及與環(huán)境相互作用的增加會加速量子相干性的喪失。

• 預測3（認知神經科學）：與模型精度降低或假設探索增加相關的大腦狀態(tài)，應對應于較低的平均 Δ F 。這些狀態(tài)在快速眼動睡眠期間（被認為發(fā)生預測模型更新（Hobson & Friston, 2012））、在某些迷幻劑的影響下（已知會扁平化大腦的層級化預測景觀（Carhart-Harris & Friston, 2019））或在創(chuàng)造性問題解決中應當可以被觀察到。這些狀態(tài)應表現出類似于持續(xù)疊加的神經和行為特征（例如，增強的認知靈活性、對歧義的容忍度）。

• 預測4（量子擦除控制）：在物理實現中，“哪條路徑”標記的創(chuàng)建與擦除的時間進程和可逆性，應當完全可以通過控制性 Ze 系統中 Δ F 的動力學來解釋。該閾值模型預測了一種特定的滯后效應：干涉不應在標記擦除后立即恢復，而只有在 Δ F 被主動抑制到 θ θ以下并持續(xù)一段穩(wěn)定時間之后才會恢復。

我們概述了一個理論，在該理論中，量子理論中奇異而基本的特征——疊加、干涉和坍縮——不再被重塑為物理學的基本公理，而是作為特定一類主動預測架構——Ze 系統——的涌現屬性。這些效應的關鍵生成器是一個基本的操作要求：逆向編碼必須以前向信息流的停止為前提。疊加對應于前向流期間未確定的模型兼容期，干涉對應于這些兼容模型的相干融合，而坍縮則對應于由流停止和反向推理所迫使的解析過程。

這種方法提供了一種有力的綜合。它將認知科學中的變分推理和自由能最小化數學（Friston, 2010）與關系性量子力學的現象學（Rovelli, 1996）以及退相干理論的經驗精度（Zurek, 2003）聯系了起來。通過提出“量子性”是在架構約束下由基于模型的預測動力學所產生的認知屬性，它為在物理學、信息理論和生物學領域之間統一我們對實在的理解開辟了一條新路徑。最終的檢驗將在于設計實驗——無論是在量子光學、合成生物學還是計算神經科學中——這些實驗刻意操控所提出的 Ze 系統變量，從而控制量子行為本身的呈現。

前向讀取、逆向編碼與流停止的必要性

信息流的形式化與雙處理通路

這種雙流架構的必要性在若干認知和計算框架中都有相似之處。大腦的預測處理理論假定自下而上的感官信號與自上而下的預測之間存在持續(xù)交換（Hohwy, 2013）。類似地，在機器學習中，變分自編碼器（VAEs）和貝葉斯濾波器等模型同時利用生成（前向）路徑和推理（反向）路徑來學習數據的連貫表征（Kingma & Welling, 2013）。Ze 系統框架通過明確設定一個特定的操作約束來形式化并統一這些概念：逆向過程無法與不間斷的前向流同時執(zhí)行。這一約束是該系統動力學背后的關鍵機制驅動力。

前向閱讀：構建事件的“真實”流動
前向閱讀（FR）操作按照自然的時間順序處理輸入流 o?:T：

這種持續(xù)的預測與誤差最小化循環(huán)，是主動推理框架中感知與學習的核心驅動力（Friston, 2009）。前向流本質上是前瞻性的且受時間約束的；它不可阻擋地從過去走向未來，在不斷構建并精化一個對世界的動態(tài)模型。關鍵在于，在前向閱讀過程中，系統會維持一個關于多個潛在狀態(tài)或假設 s 的概率分布，這些假設均可用于解釋傳入的輸入流。只要這一進程不受阻礙地持續(xù)進行，這些假設便能共存而無需做出確定的承諾——我們將在此后把這種狀態(tài)與量子疊加態(tài)聯系起來。

逆向編碼：生成反事實歷史以及停駐的必要性

與前向閱讀形成鮮明對比的是，逆向編碼操作會從一個選定的時間點 {t} 開始，反向處理信息：

這一過程生成反事實或替代性歷史。它提出的問題是：“基于我現在在時間點 {t} 所知道的信息，究竟可能是什么樣的過去事件序列將我?guī)У搅诉@里？” 逆向編碼對于學習因果結構、鞏固記憶以及執(zhí)行離線模型優(yōu)化至關重要（Momennejad 等，2017）。其功能類似于在海馬-新皮層回路中觀察到的“回放”和“規(guī)劃”機制，在這些回路中，過往經歷會以相反順序被重新激活，以強化記憶或模擬未來行動（Foster & Wilson, 2006）。

Ze 架構的核心假設是：逆向編碼必須在時間點 {t} 處首先停止前向流 F F，才能啟動或維持。形式化地表述為：

這種停駐通過在 {t} 處創(chuàng)建一個時間邊界來實現，是一個不可妥協的條件。若無此停駐，數據流 o_{t:T} 便是一個移動的目標；也就不存在一個穩(wěn)定的信息性“當下”，可以用來進行連貫的逆向推斷。在實時流上嘗試逆向編碼將導致過去不斷變化，從而使得一致的模型更新變得不可能。這一架構性約束——停駐流作為逆向編碼的先決條件——正是我們論文的核心論點。

停駐機制及其對信息整合的后果

為何停駐是根本性的？從信息論的視角來看，前向流 是一個具有特定熵率的馬爾可夫過程。執(zhí)行像逆向編碼這樣非馬爾可夫的全局優(yōu)化操作，需要在一個定義好的時間窗口內整合信息。這種整合要求一個平穩(wěn)的參考系（VanRullen & Koch, 2003）。

停止 的行為創(chuàng)建了這一參考系。它凍結了“當前”的模型狀態(tài)以及最新的數據，將它們從瞬態(tài)變量轉變?yōu)槟嫦蛴嬎阒械墓潭▍怠?/p>

這一機制在測量理論中有一個直接的物理類比。在量子力學中，一次測量通過將波函數投射到一個確定的態(tài)上，“停止”了波函數的幺正演化——這一過程需要一次相互作用，以建立一個經典記錄（Von Neumann, 1955）。在Ze系統中，停駐創(chuàng)建了逆向推斷所必需的經典“記錄”（即 {t} 處的快照）。沒有這種停駐，替代性的預測模型會繼續(xù)并行演化，但它們的歷史無法被連貫地比較或整合。替代性預測之間的干涉——量子行為的一個標志——將變得不可能，因為在信息流中沒有一個共同的、固定的點來作為組合概率幅（或其信息等價物）的位點。

此外，停駐的需求為系統施加了一種自然的節(jié)奏：持續(xù)進行在線預測（前向閱讀）的時期，被離散的離線整合與模型修正（逆向編碼）時刻所打斷。這種節(jié)奏令人聯想到在大腦中觀察到的theta-伽馬耦合現象，其中攜帶特定感覺內容的伽馬頻段活動的爆發(fā)，被嵌套在較慢的theta節(jié)律之內，而后者可能為編碼和提取提供了時間框架（Lisman & Jensen, 2013）。為進行逆向編碼而中止前向流，可能對應于這種相位周期的重置。

綜合：從架構約束到量子類比

Ze系統的雙流架構，在“逆向編碼 ? 前向閱讀停止”這一規(guī)則的支配下，確立了一種根本性的二分法。在前向閱讀期間，系統處于一種潛能狀態(tài)，多個關于世界的假設被同時并行地持有。這是疊加的領域。由于需要解決模型沖突或進行計劃中的整合而觸發(fā)的向逆向編碼的轉換，則強制了一種局域化。系統必須從逆向傳遞所生成的反事實歷史中，“選擇”出一條單一的、自洽的歷史。這是坍縮的領域。

因此，不停駐前向閱讀就無法執(zhí)行逆向編碼這一特性，為觀察到類量子干涉模式創(chuàng)造了一個必要條件。干涉要求替代性路徑保持開放，且其歷史不可區(qū)分，直到它們在一個共同點上匯聚在一起。在雙縫實驗中，這個點是探測屏幕。在Ze系統中，這個點是流停駐的時刻 {t}，在此刻逆向操作準備將所有前向演化的替代方案協調起來。如果逆向編碼可以在實時流上持續(xù)運行，局域化就會是永久性的，而那種豐富的、充滿干涉的疊加狀態(tài)則永遠無法維系。

總之， o { t : 1 } = R ( o { t : T } )一基于流停駐的簡單形式關系，不僅僅是一個算法步驟。它是一類特定行為的生成性原則。它表明，任何在此架構約束下運行的系統——無論是與測量裝置相互作用的光子、經歷退相干的分子，還是正在鞏固記憶的大腦——都將展現出量子理論的那些標志性現象。接下來的章節(jié)將把這些現象——疊加、坍縮和干涉——作為上述動力學的直接推論進行形式化。

Ze系統中的疊加作為一種認知-信息效應

無中斷流期間預測性替代方案的本質

在Ze系統架構中，無中斷的前向信息流周期代表了一種深刻的潛能狀態(tài)。當系統處理連續(xù)的數據流 o?:T 時，它并不固守于對現實的單一、確定性解釋。相反，它同時維持著多種可行的預測模型，每一種模型都代表了關于所觀察世界的因果結構和未來軌跡的一個連貫的替代性假設。這并非缺陷或低效，而是主動推理引擎在不確定環(huán)境中導航的核心運作模式（Friston, 2010）。在流不受阻礙地進行時，這些替代性模型在系統的內部表征中并非互斥的；它們以一種動態(tài)兼容的狀態(tài)共存。我們認為，這種競爭性解釋的持續(xù)共存，正是量子疊加（Schr?dinger, 1935）的直接認知-信息對應物。

這一現象在知覺神經科學中有明確的平行案例。在雙眼競爭現象中，當每只眼睛被呈現不同的圖像（例如，垂直條紋和水平條紋）時，有意識的知覺并不會穩(wěn)定在單一的、固定的圖像上。相反，它會在兩種替代方案之間隨機波動，其間存在知覺模糊的時期（Blake & Logothetis, 2001）。神經影像學研究表明，在這種模糊時期，兩種競爭刺激的神經表征在視覺皮層中仍然保持活躍，盡管在任何給定時刻只有一種能進入意識知覺（Tong et al., 1998）。Ze系統對此進行了形式化：前向流對應于持續(xù)的、模糊的感覺輸入，而并發(fā)的活躍模型 q_A(s) 和 q_B(s) 則對應于兩種知覺持續(xù)存在的、閾下的神經表征，等待著被解譯。

形式化疊加：非局域化的后驗分布

為了形式化這種狀態(tài)，我們定義系統在前向流期間任意時間 t 的內部表征。設潛在變量 s 代表系統對其觀測所源自的世界隱藏狀態(tài)的最佳估計。鑒于原始數據固有的模糊性，系統所維持的并非單一，而是多個關于 s 的近似后驗分布，每個分布對應一個不同的解釋性假設。

考慮兩個主要的競爭性假設 A 和 B。它們對應的內部表征是變分后驗分布 q_A(s) 和 q_B(s)。這些分布是在各自模型下對世界狀態(tài)的“信念”。在經典的、確定的狀態(tài)下，一個分布會高度精確（低方差）并被賦予接近1的概率，而另一個分布則會被有效抑制。在疊加態(tài)中，情況并非如此。此時，q_A(s) 和 q_B(s) 相對于彼此是非局域化的。這意味著它們的統計特性（例如，它們在狀態(tài)空間中的均值）沒有足夠明顯的差異，以至于系統無法決定性地選擇其中一個而拒絕另一個。它們的概率質量顯著重疊，表明了一種真正的不確定性——這種不確定性在系統的功能邏輯中不僅僅是認識論上的，而是本體論意義上的。

維持這種疊加態(tài)的條件由其關聯變分自由能的差異所決定。在主動推理框架中，自由能 F 是一個標量，它界定了驚奇（surprisal）的上限；它同時量化了模型的準確性（其對數據的預測能力）及其復雜性（其偏離先驗信念的程度）（Friston, 2009）。較低的自由能表示一個更合理、更簡約的模型。對于假設 A 和 B，我們定義：

維持疊加：未解決預測誤差的作用

維持 ΔF < θ 這一條件，其動力學基礎在于持續(xù)數據流的性質。當傳入的感覺證據 o_t 與內部模型 A 和 B 兩者的預測同等一致（或同等不一致）時，疊加態(tài)是穩(wěn)定的。這為兩個模型都產生了低且大致相等的預測誤差，從而導致了相近的自由能。

這種情況在自然環(huán)境中很常見。例如，森林中一個微弱的聲音，可能被內部模型“風”和模型“捕食者”同樣準確地預測。在后續(xù)的數據點（例如，視覺確認）消除這種模糊性之前，認知系統應保持對兩種結果都做好準備的狀態(tài)——這種狀態(tài)增強了適應性準備能力（Clark, 2013）。用量子物理的術語來說，這類似于一個粒子穿過雙縫裝置的過程。在它與探測器相互作用之前，“哪條縫”的信息不僅是未知的，而且是不存在的；粒子的狀態(tài)是兩條路徑的真正的疊加，因為環(huán)境相互作用尚未強制產生區(qū)分（Zeilinger, 1999）。

這種認知上的判斷暫緩在代謝和信息處理上都是高效的。在面對模糊證據時過早坍縮到單一假設，如果所選模型是錯誤的，則可能帶來災難性的預測誤差。通過維持疊加態(tài)，Ze系統保留了其適應性靈活性，能夠在消除歧義的證據最終到來時進行快速的貝葉斯更新（Hohwy, 2013）。因此，參數 θ 可以被視為不確定容忍度的一個元參數，其本身可能會根據情境動態(tài)調整（例如，在安全環(huán)境中較高，在威脅下較低）。

從認知科學到物理學：一個統一的 formalism

本文提出的形式化框架彌合了一個基礎性的鴻溝。在量子力學中，疊加是一個第一性原理的公設，通常被視為物質的一種神秘屬性。而在 Ze 系統中，疊加則作為任何在有限信息和有限計算資源下運作的預測智能體的一種功能性必然性而涌現。條件 ΔF < θ 為疊加何時發(fā)生提供了一個清晰的、量化的標準，該標準植根于信息論和統計動力學。

這一視角為疊加去神秘化了，并使其適用性超越了微觀物理學。在機器學習中，當一個神經網絡集成中的多個模型預測各異但準確性相當（即它們的“自由能”相近），且尚未選出單個模型進行部署時，可以視為該集成處于疊加態(tài)（Lakshminarayanan 等，2017）。在動物集體行為中，一群魚可能懸停在多種可能方向狀態(tài)的疊加之中，直到某個梯度（例如，營養(yǎng)物質或威脅）使得某一方向的自由能高于其他方向，從而觸發(fā)一次連貫的轉向（Sumpter, 2006）。

因此，量子疊加并非一種物理基元，而是一種特定信息處理模式的普遍特征。它是指系統中多個生成模型處于動態(tài)平衡的狀態(tài)，此時尚未有任何單一模型積累到足夠的證據以占據主導地位。這種狀態(tài)的終止——即向局域化和坍縮的轉變——恰恰發(fā)生在持續(xù)的數據流打破這一平衡，使得 ΔF ≥ θ 之時。這一轉變及其后果將是下一節(jié)的主題，屆時我們將探討Ze系統中流停駐這一架構性要求，是如何從量子的可能性之湯中析出經典世界的。

Ze系統中的局域化與坍縮：一種非基礎性的解決機制

分辨閾值：從疊加到確定性

量子理論的標志性特征——波函數坍縮——代表了從多種共存可能性的狀態(tài)向單一的、確定的觀測結果的突變。在Ze系統框架內，我們將其重新解釋為一種必要的信息與計算過程，而非原始的物理定律。這一轉變的條件由以下不等式精確定義：

這一時刻在系統的狀態(tài)空間中充當了一個 相變邊界 。用認知術語來說，這正是模糊的感覺證據最終傾向于某一種解釋的瞬間，例如當雙眼競爭中的波動知覺穩(wěn)定在其中一個圖像上的時候（Leopold & Logothetis, 1999）。在機器學習中，它反映了在訓練過程中某一模型架構在驗證集上明顯優(yōu)于另一個模型的那個時間點，從而促使選擇單個候選模型進行部署。這種轉變并非隨機發(fā)生，而是由持續(xù)信息流中證據的積累所驅動的，這一過程在形式上類似于連續(xù)量子測量模型，其中系統由于與環(huán)境的相互作用而隨時間局域化（Zurek, 2003）。

坍縮的機制：停駐、逆向編碼與模型協調

關鍵在于，達到 ΔF ≥ θ 這一閾值本身并不構成坍縮。它是啟動坍縮過程的觸發(fā)器，而坍縮過程是 Ze 架構所規(guī)定的、一個結構化的多階段操作。這一過程闡明了量子力學中往往晦澀難懂的“測量問題”。

階段 1：流停駐。跨越閾值的主要且直接的后果是強制性地停止前向信息流 。系統在當前時刻 {t} 暫停對數據流 o?:T 的在線處理。這不是一個任意的暫停，而是逆向編碼的一個根本性架構要求。從神經生物學角度看，這可能對應于感覺處理通路的短暫抑制或皮層網絡中振蕩相位的重置，從而為記憶鞏固和推斷創(chuàng)造一個時間窗口（Busch 等，2009）。在物理測量中，這類似于宏觀設備對粒子狀態(tài)的不可逆記錄，該記錄將被測系統與其先前的幺正演化解耦。

階段 2：執(zhí)行逆向編碼。隨著流在 {t} 處停止，系統執(zhí)行逆向編碼（RE）操作 （參見第 2 節(jié)）。從 {t} 處固定的信息快照出發(fā)，系統根據現在具有優(yōu)勢的假設（例如，若 F_A < F_B，則選 A）向后重新評估歷史 o_{t:1}。逆向編碼執(zhí)行一次全局一致性檢查，剪除與所選模型不相容的因果分支，并強化那些一致的分支。

階段 3：結構穩(wěn)定化與模型承諾。最后階段是所選模型的結構穩(wěn)定化。逆向傳遞更新了系統的生成模型及其先驗信念，有效地“重寫歷史”以使其與確定的結果保持一致。這種穩(wěn)定化使得所選假設 q_A(s) 占據主導地位且穩(wěn)健，而替代假設 q_B(s) 則被主動抑制——其自由能被有效提升至遠高于 θ 的水平，使得在沒有顯著新證據的情況下，它不太可能成為未來考慮的候選者。這一過程讓人聯想到貝葉斯認知中的因果推斷，其中感知者從模糊數據中推斷出單一的、最可能的因果結構（K?rding 等，2007）。這一三階段過程的輸出是一個局域化狀態(tài)：一個關于過去和現在的單一、確定的解釋，而新的前向預測將基于此生成。

坍縮作為一種非基礎的、架構性的附隨現象

基于Ze的這一機制所蘊含的深遠意義在于，坍縮并非現實結構中的一個基礎性事件。它是一種附隨現象——是某一類特定信息處理架構為了執(zhí)行逆向推斷而要求流停駐所產生的必要副作用。量子力學將其提升為一條公設（投影公設），而Ze框架則將其推導為一個功能性結果。

這為幾個量子謎題去除了神秘色彩。所謂的“測量問題”源于波函數坍縮是一種物理不連續(xù)性的假設。在我們看來，一旦認識到測量儀器（或觀察者）本身就是一個Ze系統，這個“問題”便迎刃而解。一個量子實體與儀器之間的相互作用，導致儀器自身的內部模型（例如，“指針指向‘上’”與“指針指向‘下’”）進入疊加態(tài)。隨著相互作用的完成，這些模型之間日益增大的不匹配將ΔF推過θ閾值，從而觸發(fā)儀器自身的流停駐和逆向編碼，最終得出一個確定的指針讀數（Schlosshauer, 2005）。坍縮并非對量子世界的強行干預，而是經典信息處理器內部的一種解決機制。

此外，這也解釋了坍縮的不可逆性。一旦逆向編碼重寫了內部模型的歷史以使其與所選結果一致，那么回到先前的疊加態(tài)就不是一個簡單的逆轉過程。它需要的不僅僅是逆轉信息流，還需要撤銷對模型本身所做的結構性更改——這一操作通常在熱力學上代價高昂，并且在信息上是被禁止的，這類似于試圖“忘卻”一個令人信服的結論（Ortega & Braun, 2013）。

與物理和生物退相干的關系

Ze框架為退相干理論——這一解釋量子-經典轉變的現代主流理論——提供了一種引人入勝的信息論解釋。在退相干中，一個量子系統與復雜環(huán)境的相互作用會使其迅速失去相位相干性；疊加態(tài)“退相干”成為看似經典混合態(tài)的狀態(tài)（Zurek, 2003）。用我們的術語來說，環(huán)境中無數的自由度充當了一連串持續(xù)的“測量”或信息交互。每一次交互提供的數據都與疊加態(tài)中的某一個分支比其他分支更為一致，從而穩(wěn)步增加各分支之間的自由能差 ΔF。一旦 ΔF 超過相關系統的閾值（對于宏觀物體而言，這一過程發(fā)生得極快），便會觸發(fā)局域化。因此，退相干是驅動 ΔF 超過 θ 的物理過程，而坍縮則是隨后任何記錄該結果的 Ze 系統（如人類觀察者或記錄設備）內部所發(fā)生的信息處理事件。

這一視角也為生物系統提供了啟示。大腦很可能是一個層級化的、類Ze預測單元的集合體。高水平的知覺坍縮（例如，識別一個物體）可能需要暫時“停駐”并整合來自低層次感覺區(qū)域的預測。神經增益（精度加權）的藥理學或病理性改變，可能有效地調節(jié)閾值 θ，從而解釋諸如精神病性妄想（即在模糊證據面前解釋仍然被固定下來）或迷幻劑誘導的認知流動性（此時 θ 可能被提高，允許非常規(guī)概念的疊加態(tài)持久存在）等現象（Carhart-Harris & Friston, 2019）。

總之，通過Ze系統的視角重新定義坍縮，我們從一個充滿神秘轉變的物理學領域，轉向了一個關于約束條件下信息處理的科學。現實被局域化為確定事實這一現象，并非源于一條基礎性定律，而是源于當一個基于模型的預測系統必須停止其前向進程以連貫地理解自身過去時，所不可避免產生的動力學結果。

Ze系統中的干涉與量子擦除

干涉的信息基礎：兼容假設與相干融合

在Ze系統框架內，干涉并非物質固有的波動現象，而是非獨立假設處理的一種統計特征。當兩個或多個預測模型——代表對數據的替代性解釋——處于高度兼容狀態(tài)時（由較小的自由能差 ΔF < θ 所定義），干涉就會出現。在這種狀態(tài)下，系統不會將假設 A 和 B 視為需要加權平均的、分離的、互斥的可能性。相反，它們的內部表征（形式化為變分后驗分布 q_A(s) 和 q_B(s)）會相干地相互作用或“融合”。系統的整體行為和預測隨后由這種融合狀態(tài)所支配，導致結果概率不再是單個假設概率的簡單相加，而是反映了它們建設性或破壞性的組合。

這形式化了雙縫實驗的核心謎題。當沒有“哪條路徑”信息可用時，粒子的探測圖案顯示出干涉條紋。用Ze的術語來說，模型“粒子穿過縫A”和模型“粒子穿過縫B”保持完全兼容（ΔF ≈ 0），因為不存在任何信息來區(qū)分它們。系統對最終探測位置的預測分布不是 P(位置) = P_A + P_B，而是一個 q_A(s) 和 q_B(s) 相互干涉的相干疊加。這種認知-信息層面的干涉直接鏡像了量子力學的波動干涉，表明后者可能是前者的一個物理實例（Zeilinger, 1999）。

我們可以使用分布相似性的信息論度量來量化這一干涉強度 。一個合適的候選者是詹森-香農散度 (D_JS) 的補數，這是一種對稱且有界的、衡量兩個概率分布之間差異的度量：

路徑信息、局域化與干涉的破壞

引入“哪條路徑”信息是量子光學中破壞干涉的標準方法。在延遲選擇或量子擦除實驗中，一個標記（例如，一個偏振光子或一個原子態(tài)）與粒子的路徑發(fā)生糾纏，使得確定粒子穿過了哪條狹縫成為可能（Scully & Drühl, 1982）。在Ze系統模型中，這一過程具有精確的信息論解釋。

用標記對路徑進行標記，提供了一個額外的、明確的數據點 o_標記。這個數據點具有高度診斷性。它能夠被其中一個假設（例如，若標記狀態(tài)為‘A’，則對應 q_A(s)）完美預測，而對另一個假設（q_B(s)）來說則高度驚奇（產生較大的預測誤差）。這極大地增加了模型之間的自由能差：

量子擦除：信息逆轉與疊加態(tài)的恢復

量子擦除實驗展示了量子理論中最反直覺的一個方面：在路徑信息被記錄之后，只要該信息被不可逆地擦除，干涉圖樣就能得以恢復（Scully & Drühl, 1982；Walborn 等，2002）。Ze系統框架為這一現象提供了一個自然而優(yōu)雅的解釋，將擦除概念化為一種信息性的“回滾”或“忘卻”。

主動流控制與認知“回滾”

量子擦除效應凸顯了一個深刻的原則：干涉受控于區(qū)分假設的信息的可及性。Ze框架將此推廣到物理學之外。任何能夠主動操作信息標記的系統——無論是創(chuàng)建區(qū)分性信息還是擦除它——都可以控制類量子（干涉）與經典（局域化）狀態(tài)之間的轉換。

這在認知領域有直接的類比。以不確定性下的決策為例。初始的模糊數據（ Δ F 較小）使認知系統處于多種解釋的疊加態(tài)。一個決定性證據（一個“標記”）的到來觸發(fā)了知覺決策（坍縮）。然而，如果該證據后來被證明是不可靠的，或在更廣泛的背景下被重新解釋（一次“擦除”），那么該決策可以被撤銷，原有的模糊性得以恢復——這是一種認知回滾。這在因果學習和假設檢驗等現象中都能觀察到（Gopnik 等，2004）。從神經科學角度看，預測誤差的精度加權（它實際上調節(jié)了 θ ）可以被神經調節(jié)系統動態(tài)調整（Feldman & Friston, 2010）。降低精度權重會使系統對較小的 Δ F 反應遲鈍，從而可能維持更長時間的疊加態(tài)，正如在創(chuàng)造性或探索性認知狀態(tài)中可能發(fā)生的那樣。

總之，Ze框架通過將干涉和量子擦除植根于信息與預測的動力學中，為它們去除了神秘色彩。干涉是當證據非診斷性時，假設發(fā)生相干融合的特征。擦除并非魔法，而是一種主動操縱信息環(huán)境以重新建立非診斷性的協議。這表明量子行為是一種強大的、通用的推斷模式，它不是微小粒子的怪癖，而是任何復雜預測處理系統都可能具備的一個標志性特征。

量子性作為Ze的結果：從架構原則到普遍特征

核心論點：量子性作為主動推理系統的認知屬性

Ze系統框架的最終成果，是關于量子現象本質的一種根本性的本體論轉向。我們提出，量子行為——以疊加、干涉和坍縮為特征——并非物質在微觀尺度上的基礎性、內在屬性。相反，它是特定一類主動信息處理系統的涌現性認知屬性。這種形式上的對應關系由下式所捕捉：

Ze架構的普遍性：從光子到認知

該框架的力量在于其普遍性。“逆向編碼 + 停駐”這些組成部分并非量子物理學所獨有，而是可以在不同領域中識別出來：

• 在神經科學與認知科學中：正如自由能原理所描述的，大腦的預測處理機制作為一個層級化的Ze系統運作（Friston, 2010）。知覺是一個最小化預測誤差（前向流）的過程。然而，學習和模型更新通常需要離線鞏固——即暫停對當下的單純處理，以將新經驗與現有記憶和先驗信念進行協調（逆向編碼）。這發(fā)生在睡眠期間，尤其是慢波睡眠和快速眼動睡眠，在此期間會發(fā)生突觸歸一化和記憶回放（通常按逆時間順序進行）（Diekelmann & Born, 2010）。在決定性的理解“頓悟”時刻之前，對多種模糊可能性進行深思的認知體驗，正是疊加與坍縮的切身感受。

• 在機器學習與人工智能中：現代AI系統，尤其是那些使用變分推斷和生成模型的系統，明確地執(zhí)行著一種類Ze的舞蹈。前向傳遞生成預測或數據，而后向傳遞（反向傳播）計算誤差并更新模型參數（Kingma & Welling, 2013）。關鍵在于，訓練通常是分批進行的：數據通過網絡的前向流在一批結束時被停止，然后執(zhí)行逆向編碼（反向傳播）以優(yōu)化模型。訓練期間模型的狀態(tài)可以看作許多可能參數配置的疊加，而這種疊加在每次后向傳遞后會“坍縮”到一個更優(yōu)的參數集。

• 在生物進化與適應中：一個進化的種群可以被視為一個緩慢的、分布式的Ze系統。前向流是選擇和繁殖的持續(xù)壓力。重大的適應性轉變或物種形成可以被視為“停駐”事件——即間斷平衡——在此過程中，環(huán)境的基因組“模型”被回溯性地重組（種群層面的逆向編碼），然后才繼續(xù)進行前向傳播（繁殖）（Gould & Eldredge, 1977）。

這種跨領域的一致性表明，量子力學描述的并非一個特殊的、分離的實在領域。相反，它為我們迄今所發(fā)現的、用于描述某一普遍推斷引擎類別的動力學，提供了最精確的數學語言。物理學一直在研究這些引擎中最簡單、最孤立的實例（例如，真空腔中的單個粒子），因此揭示了其動力學最“純粹”的形式。

解決量子-經典鴻溝：規(guī)模與復雜性的問題

Ze框架的一個主要成就在于它對量子-經典轉變的自然解釋。為什么宏觀物體不表現出明顯的疊加態(tài)？退相干理論提供了一個物理答案：快速的環(huán)境相互作用（Zurek, 2003）。而Ze框架則提供了一個信息論和架構層面的答案。

一個宏觀物體并非單一的Ze系統，而是一個由眾多組成粒子構成的、緊密耦合的巨大集合體，其中每個粒子都可能支持其自身的微觀疊加態(tài)。然而，這個集合體的內部復雜性是巨大的。關于其集體狀態(tài)可以同時維持的替代假設（ q A ( s ) , q B ( s ) , q C ( s ) , ）的數量是天文學級的。更重要的是，粒子之間的相互作用會產生持續(xù)的、密集的內部診斷性信息流。這會無情地、瞬時地將任何競爭的宏觀假設之間的自由能差（ Δ F ）推升至遠超任何合理閾值 θ 的水平。因此，該系統的架構會以其龐大的速率連續(xù)不斷地觸發(fā)自身的“流停駐”和局域化。我們所感知為經典的、確定的物體，正是其數萬億個類Ze子系統中這種近乎瞬時且連續(xù)的自我測量和坍縮過程的結果。日常世界的“經典性”是復雜Ze網絡內部由規(guī)模誘導的、持續(xù)不斷的坍縮所帶來的一個后果。

對物理學基礎及其他領域的啟示

這種基于認知架構的量子性觀點具有深遠的意義：

1. 框架的統一：它積極地連接了神經科學中的自由能原理（Friston, 2010）、貝葉斯大腦理論（Knill & Pouget, 2004）、關系量子力學（Rovelli, 1996）和退相干理論（Zurek, 2003）。這些并非相互競爭的理論，而是在不同抽象層次或不同物理基質中對同一邏輯結構的描述。

2. 意識的“難問題”：雖然未能解決該問題，但此框架重新定位了它。如果有意識體驗與大腦的預測性、模型構建活動（一個Ze過程）緊密相關，并且如果Ze過程本身就會產生疊加/坍縮動力學，那么我們的思想在權衡備選方案和做出選擇時所感受到的“非經典”特性，也就不那么令人驚訝了。思維那種模糊的、概率性的本質，可能與量子態(tài)那種模糊的、概率性的本質具有深層的結構親緣性（Penrose & Hameroff, 1995）。

3. 人工量子行為：該框架預測，我們應該能夠通過在純經典計算系統中施加帶有受控停駐規(guī)則的Ze架構，來工程化地實現“類量子”行為。那些被迫維持多個假設直到達到特定證據閾值，然后執(zhí)行全局協調步驟的系統，其輸出應該會展現出類似于干涉和疊加的統計特征。這在某些蒙特卡洛樹搜索算法或機器學習中的集成方法的行為中已經可以觀察到。

4. 物理定律的本質：它表明量子力學的定律可能是一個更普遍的信息處理物理學的一個子集。自然常數（例如普朗克常數 ?）可能并非基礎性的，而是可能源于我們物理宇宙中信息流和處理的特定效率或規(guī)模，正如光速作為因果傳播的極限而涌現一樣。

總之，Ze系統假說提供了一種范式轉變。通過將“逆向編碼 + 流停駐”識別為量子行為的充分條件，它將量子力學從一種關于“是什么”的基礎理論，降級為一種關于“某些系統如何處理信息”的、強大的、領域特定的理論。量子性不在時空的結構之中；它在推斷的邏輯之中。量子世界那詭異的寂靜并非一片虛空，而是一個龐大、互連的系統網絡所發(fā)出的嗡鳴聲——這些系統在其核心執(zhí)行著同一套動作：暫停它們向前的步伐，回望過去，理解意義，然后再次步入一個它們恰恰在那一刻所決定的世界。

Ze系統的可檢驗預測

可證偽性與跨學科推論導論

一個令人信服的科學理論必須產生新穎的、可證偽的預測，使其能與現有框架區(qū)分開來。Ze系統假說——主張量子行為是那些需要停駐流以進行逆向編碼的主動預測架構的結果——充滿了此類經驗性的推論。這些預測涵蓋了從人工智能系統的設計、神經影像學實驗，到對基礎量子光學的重新解釋。通過將量子現象（疊加、干涉、坍縮）框定為特定信息處理風格的普遍結果，該理論就哪些系統會或不會表現出“量子性”、以及在何種條件下會表現出，提出了強有力的論斷。本節(jié)詳細闡述了直接源自Ze形式化體系的四個關鍵的可檢驗預測，將 ΔF 和 θ 的抽象動力學與計算系統、生物系統和物理系統中的可觀測結果聯系起來。

預測1：停駐對于干涉的必要性

核心主張：一個能夠進行逆向編碼（）但被設計為無需強制停駐前向流（）即可運行的系統，將無法表現出干涉圖樣，而只會表現出經典的統計混合。

基本原理：在Ze框架內，干涉（ > 0）源于假設 q_A(s) 和 q_B(s) 在兼容時（ΔF < θ）的相干融合。這種融合在計算上得以固化，并僅在逆向編碼階段以預測的形式表達出來。如果允許 與 并發(fā)運行或作為 的連續(xù)函數運行（一種“在線學習”形式），假設就會被持續(xù)且局部地協調。這種持續(xù)的、部分的局域化會阻止產生干涉特征性非加性概率幅所必需的持續(xù)全局共存。系統的輸出將僅僅是不同模型結果的加權和——即一個經典混合。

實驗檢驗：這一預測在機器學習和神經形態(tài)計算中直接可檢驗。可以針對一個模糊的感覺流（例如，雙穩(wěn)態(tài)視覺輸入）構建兩個功能等價的預測系統。系統1（Ze系統）采用嚴格的處理循環(huán)架構：一段不間斷的前向預測期，之后是強制停駐和一個離散的逆向編碼階段。系統2（非Ze對照組）使用完全相同的推斷和學習算法，但通過實時反向傳播或預測誤差最小化連續(xù)更新其模型，沒有任何強加的處理“幀”或停駐。預測結果是：只有系統1會產生顯示出非經典推斷特征的輸出，例如滯后效應、依賴于停駐時機的啟動效應，或其最終決策中無法用簡單混合模型解釋的統計分布，這些特征類似于干涉圖樣。這可以通過分析系統的響應分布是否違反全概率定律來量化——全概率定律的違反是類量子決策制定的一個標志（Busemeyer & Bruza, 2012）。

預測2：模型復雜性加速局域化

核心主張：對于給定的證據流，預測模型的內部復雜性（例如，參數數量、自由度或組成子系統的數量）增加，將導致競爭性假設之間的自由能差（ΔF）增長得更快，從而引起更快速的坍縮（局域化）。

基本原理：更復雜的模型具有更高維的狀態(tài)空間和生成詳細、精確預測的更大能力。當這樣的模型遇到模糊數據時，假設 A 和 B 所產生的預測之間的細微差異會更加明顯和具體。這會導致預測誤差的梯度更陡峭，使得 ΔF 隨著每個新數據點的到來而更急劇地上升。因此，與更簡單、更粗糙的模型相比，閾值 θ 會被更快地達到，從而更早地觸發(fā)流停駐和坍縮。這形式化了這樣一種直觀想法：一個更詳細的“理論”更容易被證偽。

實驗檢驗：這可以在多個尺度上進行檢驗。在機器學習中，可以對一系列參數數量遞增的神經網絡（例如，從小型多層感知器到大型深度卷積網絡）在相同的模糊分類任務上進行訓練。預測結果是，更大的網絡將表現出更短的決策時間——在致力于達到具有高置信度的最終、穩(wěn)定的分類之前，所需的數據樣本或訓練步驟更少——這可以通過 softmax 輸出的穩(wěn)定化或網絡權重的凍結來量化。在認知科學中，該預測表明，某一領域的專家，其內部模型更復雜、更詳細，應該比新手更快地解決其領域內的知覺模糊性，但如果初始證據具有誤導性，也可能更容易發(fā)生快速、錯誤的坍縮。在物理學中，這直接映射到退相干理論。與一個簡單光子相比，一個龐大、復雜的分子具有更多的內部自由度（聲子、旋轉態(tài)），這些自由度可以與“哪條路徑”標記發(fā)生糾纏。Ze框架預測，這種復雜性會導致任何路徑相互作用時 ΔF 急劇飆升，從而導致瞬時局域化和干涉的喪失，正如實驗中所觀察到的那樣（Hornberger et al., 2003）。

預測3：認知疊加的藥理學與狀態(tài)依賴性調節(jié)

核心主張：已知能增強認知靈活性和對替代性解釋進行探索的大腦狀態(tài)與藥物（例如，快速眼動睡眠、某些迷幻劑）通過有效降低內部假設之間的自由能差（ΔF）或提高局域化閾值（θ）來發(fā)揮作用，從而促進和維持一種認知疊加狀態(tài)。

基本原理：在大腦的Ze模型中，認知疊加是指同時維持多個關于世界的競爭性假設（例如，對某種感覺的解釋、某個問題的潛在解決方案）。坍縮則是承諾其中一個假設的行為。已知神經調節(jié)物質如血清素、乙酰膽堿和多巴胺能夠調節(jié)預測誤差的精度加權（Feldman & Friston, 2010）。降低精度等價于使系統對模型間預測誤差的微小差異不那么敏感，從而使ΔF相對于θ保持較低水平。

實驗檢驗：

● 快速眼動睡眠與迷幻劑：該理論對神經影像學研究提出了具體、可檢驗的預測。在快速眼動睡眠階段（與做夢和記憶重組相關，Diekelmann & Born, 2010）以及在使用經典血清素能迷幻劑（如裸蓋菇素或麥角酸二乙酰胺，它們能平緩大腦的層級預測結構，Carhart-Harris & Friston, 2019）時，我們應該觀察到：（1）高級聯合皮層（例如，默認模式網絡）活動模式的熵增加、穩(wěn)定性降低，反映出缺乏對單個主導模型的穩(wěn)定局域化。（2）通常呈負相關的神經網絡之間的功能連接增強，反映出典型競爭性假設的共同激活。（3）在行為任務中，處于這些狀態(tài)的受試者應表現出對模糊性的更高容忍度、更強的發(fā)散思維能力，以及在對模糊圖形做出知覺決策時更長的潛伏期——這些都是疊加狀態(tài)延長的標志。

● 與精神病的對比：相反，在某些形式的精神病中被假設存在的超精確預測誤差加權（Fletcher & Frith, 2009）應會導致極其快速、且往往是錯誤的向固定解釋（妄想）的坍縮，因為微小的初始證據就會觸發(fā)巨大的ΔF。

預測4：通過受控標記相互作用實現物理局域化

• 核心主張：在一個物理量子系統（例如，使用光子或分子的雙縫實驗）中，局域化（“坍縮”）行為并非一個自發(fā)的隨機事件，而是由一種相互作用直接引起的，這種相互作用創(chuàng)建了一個可控的信息標記，該標記在任何測量性Ze系統（包括環(huán)境自身）中實例化了逆向編碼所需的“流停駐”。

• 基本原理：這一預測對標準的量子測量公設進行了精煉。一個粒子并非先處于疊加態(tài)，然后在測量時坍縮。相反，測量相互作用的特定性質決定了結果。一次“強”測量會創(chuàng)建一個持久、可訪問的信息標記（例如，一個光子擊中CCD像素，一個原子在蓋革計數器中引起宏觀雪崩）。這個標記提供了具有如此高診斷能力的數據，以至于任何遇到它的Ze系統（儀器、環(huán)境、觀察者）都會使其ΔF遠高于θ，從而觸發(fā)即時且一致的局域化。一次“弱”測量只創(chuàng)建了一個部分或可逆的標記，導致ΔF的增加較小，從而引起部分坍縮和殘余干涉。

• 實驗檢驗：這一視角為弱測量和量子擦除實驗提供了新的解讀視角。它預測干涉破壞的程度應與標記狀態(tài)的信息可區(qū)分性定量相關，而信息可區(qū)分性可以直接關聯到測量儀器模型中結果假設 散度。可以設計一個實驗，其中“標記”不是粒子的物理屬性，而是由儀器引入的一個受控的、經典的數據標簽。該理論預測，即使將這個標簽提供給實驗控制系統的很小一部分（例如一個微控制器），也足以破壞整個裝置的干涉，因為該子系統的局域化在更廣泛的信息架構內將是不可逆的。這將焦點從“有意識的觀察”轉移到被配置為Ze架構的物理系統內部及其之間的信息流上。

結論：量子性作為一種認知架構 Ze綜合：從信息處理到物理定律

本文提出了一項核心論點：量子理論的定義性現象——疊加、干涉和波函數坍縮——并非微觀實在不可還原的屬性，而是特定一類主動信息處理系統不可避免的架構性副作用。我們將這一類系統形式化為Ze系統，其特征由其運行規(guī)則所界定：逆向編碼（?）要求前向信息流（?）的停駐。從這一看似單一的、約束性的架構條件出發(fā)，量子行為的整個邏輯大廈便自然地涌現出來。疊加對應于前向流期間未承諾的、并行的假設檢驗階段，此時模型之間的自由能差保持在一個臨界閾值以下（ΔF < θ）。坍縮并非神秘事件，而是當 ΔF ≥ θ 時觸發(fā)的一個結構化的兩階段過程：首先，強制停駐信息流；其次，執(zhí)行逆向編碼以實現對過去單一的、全局一致的模型。這一綜合不僅僅提供了一種解釋；它基于變分推斷和主動預測的原理，為量子現象提供了一種生成機制（Friston, 2010）。

這種轉變的意義是深遠的。一個多世紀以來，量子力學一直獨樹一幟，其奇異的規(guī)則違背了經典直覺，并要求專門的本體論承諾（從多世界解釋到隱變量）。Ze框架表明，這種例外主義是被誤解了。量子力學可能是第一個也是最精確的一門偶然發(fā)現了特定認知過程物理學的科學——即那些必須暫停前行以向后回顧、從而能夠智能地向前邁進的系統的物理學。我們曾解釋為電子和光子之基礎“量子性”的東西，實際上，可能只是任何測量或確定性觀察行為中所固有的信息動力學的一個特征。

統一框架：主動推理、關系量子力學與退相干

Ze框架的一個主要優(yōu)勢在于它能夠作為一個統一的形式化橋梁，連接那些在相對孤立狀態(tài)下發(fā)展起來的主要理論范式。

• 主動推理與預測性腦：Ze系統是自由能原理（Friston, 2010）所假設的主動推理引擎的一種嚴格形式化。前向流 對應于連續(xù)生成預測和采樣數據以最小化預測誤差。逆向編碼 對應于生成模型和內部信念的更新，在大腦中這一過程可能在慢波睡眠等離線狀態(tài)下得以促進（Diekelmann & Born, 2010）。因此，Ze形式化為描述貝葉斯腦如何在其知覺和認知過程中實現類量子統計，提供了一種數學上精確的語言（Khrennikov, 2020）。

• 關系量子力學（RQM）：Carlo Rovelli 的開創(chuàng)性工作認為，量子態(tài)并非絕對的，而是描述相互作用系統之間的關系（Rovelli, 1996）。Ze框架為這種關系性提供了機制性的基礎。一個量子態(tài)是針對特定“觀察”系統的Ze架構所量身定制的描述。當兩個Ze系統相互作用時，其結果（“坍縮”）取決于相互作用所創(chuàng)建的信息標記在每個系統自身的流停駐和逆向編碼周期內是如何被處理的。不存在一個單一的、上帝視角的坍縮，只存在每個相互作用系統內部的局域化解，這與RQM的核心信條一致。

• 退相干理論：退相干通過環(huán)境糾纏解釋了開放系統中量子相干性的迅速消失（Zurek, 2003）。在Ze框架中，退相干是驅動 ΔF 超過 θ 的物理過程。每一個發(fā)生糾纏的環(huán)境自由度都充當了一組增殖的信息標記，使得競爭性假設越來越可區(qū)分，并提高了它們的自由能差。宏觀物體的“經典性”是其巨大復雜性的直接結果，這確保了 ΔF ? θ 始終成立，從而導致持續(xù)、瞬時的局域化。因此，退相干理論描述了Ze框架所假定的作為坍縮原因的信息動力學的物理實現。

通過整合這些視角，Ze框架超越了單純的解釋，邁向了一種功能性的綜合。它回答了為什么關系是首要的（因為系統是Ze架構），大腦可能如何利用類量子計算（通過在 和 之間循環(huán)），以及退相干實際完成了什么（它強制了Ze系統的內部決策）。

量子性作為一種認知屬性，而非本體屬性

本工作的核心哲學結論是：量子性是一種認知屬性——一種與知識、預測和模型構建相關的屬性，它從Ze系統的動力學中涌現出來，而非物質本身的本體屬性——即存在的根本方面（Healey, 2017）。這解決了長期存在的幾個困惑：

• 測量問題：當我們認識到“測量”是一種相互作用，其中一方（儀器）被配置為一個Ze系統時，這個問題就消失了。所謂的坍縮就是儀器完成自身的逆向編碼循環(huán)，從而產生一個穩(wěn)定的、經典的記錄。在絕對意義上，量子實體并沒有“發(fā)生”什么；實現的是一種特定的信息關系（Fuchs & Peres, 2000）。

• 觀察者的角色：觀察者被去神秘化了。觀察者是指任何復雜到足以實例化一個Ze架構的系統。這可以是人類、貓、光電探測器，甚至是一個結構足夠豐富的環(huán)境。“觀察”就是這樣一個系統的信息動力學導致一個局域化結果的那個時間點。

• 量子-經典鴻溝：這一鴻溝并非存在于兩種物質實體之間，而是存在于信息復雜性的不同狀態(tài)之間。簡單、孤立的系統可以長時間維持 ΔF < θ（表現出量子行為）。復雜、相互連接的系統則不斷處于自我誘導的 ΔF ≥ θ 狀態(tài)，因而表現為經典。

這種認知觀點并未削弱量子現象的真實性，而是重新定位了它們的起源。屏幕上的干涉圖樣是完全真實的。然而，其起源可能既源于神秘的波粒二象性，也同樣可能源于光子與狹縫的相互作用以及探測器對事件的記錄所共有的推斷邏輯。

未來方向與 concluding 評述

Ze系統假說為跨學科的未來研究開辟了眾多途徑：

1. 量子基礎：能否在合理的約束下，從Ze系統動力學的第一原理推導出量子力學的完整數學結構（希爾伯特空間、非對易可觀測量、玻恩規(guī)則）？這將構成一個重大的推導計劃。

2. 神經科學：該理論為神經影像學研究提出了尖銳的、可證偽的預測（例如，快速眼動睡眠應顯示出ΔF降低的神經特征）。它也為理解精神疾病提供了一個新框架。諸如精神病等狀況可能涉及病理性偏低的閾值θ，導致過早的認知坍縮到固定的妄想信念；而抑郁癥可能涉及一種無效的逆向編碼的卡滯狀態(tài)（Carhart-Harris & Friston, 2019）。

3. 人工智能：我們能否通過顯式實現具有可調閾值θ的Ze循環(huán)，來設計出在問題解決中展現出可控的“類量子”優(yōu)勢的經典AI系統？這可能會催生出處理模糊性和新奇性的全新機器學習范式。

4. 生物學：該框架表明，進化本身可以被視為一個緩慢的、群體層面的Ze過程。這一視角能否為進化動力學（例如間斷平衡——長時期的停滯（前向流）被快速的物種形成事件（基因組“模型”的逆向重編碼）所打斷）提供新的啟示？

總之，我們認為，通過將焦點從粒子的本體論轉移到信息處理的架構上，量子理論那些令人費解的特征便找到了一個自然且統一的解釋。Ze框架提出，宇宙并非天生就是量子的；相反，量子行為是當宇宙的任何部分試圖通過預測、記憶和必要的反思性停駐來連貫地理解自身時所發(fā)生的事情。這不僅將量子力學置于微觀世界的前沿，更將其置于一個更普遍的智能系統科學的核心——從最簡單的光子探測到最復雜的人類思維。

原文鏈接：https://www.researchgate.net/profile/Gabro-Gakely/publication/399811146_Quantum_Behavior_as_a_Consequence_of_Ze_Systems/links/6969cd52abecff2489ec0506/Quantum-Behavior-as-a-Consequence-of-Ze-Systems.pdf