補章：時間迴圈學作為主體性 AI 的自主判斷層
在 Cyc-Optional 常識層中，TCF 負責知識格式化與來源歸屬，MDAS 負責概念態空間與因果超圖，ADL 負責行動時的強制判斷，三態邏輯負責保留 Ω 未定與螺旋演化狀態。然而，若只到此為止，系統仍缺少一個關鍵層：
當 AI 面對未成熟條件、未定語境、外部事件、人類授權、多 Agent 協作與長時程任務時，它應如何決定「現在判斷」還是「稍後再判斷」？
這一層不是 Cyc 能解決的，也不是單純知識圖譜能解決的。它屬於控制流問題，亦即時間中的判斷治理問題。
本文將其稱為：
時間迴圈判斷層 Temporal Loop Judgment Layer
1\. 為何需要時間迴圈判斷層？
傳統 AI 判斷通常假設問題在當下必須回答：
Input → Reasoning → Output
但主體性 AI / Agentic AI 面對的真實世界並非如此。許多問題不是「現在答不出來」，而是「條件尚未成熟」。
例如：
- 等使用者授權。
- 等外部 API 回覆。
- 等其他 Agent 完成子任務。
- 等資料同步完成。
- 等市場資料更新。
- 等測試結果出來。
- 等新證據累積。
- 等語境更明確。
- 等多個候選方案跑完評估。
- 等系統冷卻、資源恢復或部署窗口打開。
這些情況不應被視為失敗，也不應全部推給人類判斷。它們應被視為時間化控制流：
Condition not mature → Persist state → Suspend → Wake by time / event / signal → Reload → Validate → Resume / Degrade / Escalate
因此，主體性 AI 的自主性不只是「能回答」，而是：
能判斷何時不回答、何時等待、何時保存狀態、何時醒來、何時重新判斷、何時降級、何時請求外部主體。
2\. 時間迴圈與三態邏輯的銜接
三態邏輯將判斷域分為：
{ 真, 假, Ω }
其中 Ω 不是失敗，而是螺旋態、未定態、演化態。
但若只有 Ω，系統會知道「此處未定」，卻不一定知道「接下來該怎麼辦」。時間迴圈學補上的正是這一點。
可定義：
Ω\_state + TemporalLoopPolicy = Managed Uncertainty
也就是說：
- Ω 不再只是未定標記。
- Ω 會進入某種時間迴圈。
- 時間迴圈決定何時重檢、由誰喚醒、如何恢復、何時降級。
例如：
{ "state": "Omega", "reason": "context\_not\_mature", "temporalLoop": { "type": "condition\_maturation", "wakeRule": "new\_context\_available", "resumePolicy": "reload\_validate\_continue", "timeoutPolicy": "ask\_human\_or\_degrade" } }
這使三態邏輯從靜態判斷域，升級為可執行的時間治理結構。
3\. 時間迴圈與 ADL 的銜接
ADL 負責強制判斷。當 Agent 必須行動時，系統不能永遠停留在未定狀態。
但不是所有情況都應立刻進入 ADL。若條件未成熟，應先進入時間迴圈；只有在必須行動、超時、資源耗盡、高風險決策或授權邊界到達時，才啟動 ADL。
可定義：
If action\_required\_now: ADL\_Force\_Judgment() Else: TemporalLoop\_Suspend()
因此，ADL 與時間迴圈不是衝突，而是分工：
- 時間迴圈：管理尚未成熟的未來。
- ADL：處理必須當下閉合的判斷。
- 三態邏輯：保留未定與螺旋演化狀態。
更精確地說：
Ω → TemporalLoop → Recheck Ω + deadline → ADL Ω + high\_risk → Human / External Authority Ω + sufficient\_context → ⊤ / ⊥ Ω + repeated\_failure → Crash / Degrade
4\. 時間迴圈與 MDAS 的銜接
MDAS-TCH 將概念放入四層十五態系統與因果超圖。時間迴圈則提供狀態演化的 runtime 機制。
在 MDAS 中，一個概念可能處於：
- Ψ：混沌態。
- Δ：臨界態。
- Ξ：透明態。
- Θ：黑箱態。
- Ω：邏輯螺旋態。
- ⊕：生成態。
- ⊙：循環態。
- ⊗：糾纏態。
時間迴圈可以成為這些狀態之間的遷移規則。
例如：
Ψ + knowledge\_accumulation\_loop → Δ Δ + evaluation\_loop → Ξ Θ + observation\_loop → Δ Ω + context\_maturation\_loop → ⊤ / ⊥ / Ω ⊗ + multi\_agent\_coordination\_loop → partial disentanglement
也就是說，MDAS 描述「概念處於什麼態」，時間迴圈描述「概念如何跨時間遷移」。
5\. 時間迴圈與 TCF 的銜接
TCF 將理論壓縮成結構化格式，包括原語、公理、DAG、定理、證明、模型、壓縮度量、指紋與 provenance。
但理論不是一次完成的。理論本身也會經過時間迴圈：
v0.1 → 批判 → 修正 → 壓縮 → 實例 → 驗證 → v0.2
因此，TCF 可以加入 Temporal Metadata：
{ "theoryId": "EML-COMMONSENSE-LAYER-v0.1", "temporalStatus": { "loopType": "spiral\_progress", "phase": "awaiting\_formalization", "nextWake": "new\_counterexample\_or\_schema\_update", "resumePolicy": "revise\_and\_recompute\_CR", "timeoutPolicy": "freeze\_as\_draft" } }
這代表 TCF 不只是理論快照，也可以成為理論演化的版本化時間容器。
6\. 主體性 AI 的自主判斷原則
在加入時間迴圈學後，未來主體性 AI 的判斷模式應從：
遇到不確定 → 問人類
升級為：
遇到不確定 → 判斷不確定類型 → 進入對應時間迴圈 → 條件成熟後自主重判 → 必要時才請求人類
可定義五級自主判斷原則：
Level 0：立即判斷
條件充足、風險低、語境清楚。
Judge now.
Level 1：時間等待
條件尚未成熟，但可由時間自然成熟。
Suspend until time / condition.
Level 2：事件喚醒
需要等待外部事件。
Suspend until event.
Level 3：演化選路
需要同時探索多個候選方案，等待結果後選擇。
Explore → Evaluate → Select.
Level 4：外部主體介入
涉及高風險、權限、責任、價值衝突或不可自決事項。
Escalate to human / institution / policy.
這裡的重點是：人類不再是所有未定狀態的預設裁判者。人類只在 Level 4 出現。
7\. Agent 常識憲法層的更新架構
加入時間迴圈後，Cyc-Optional Knowledge Layer 應更新為：
LLM / Agent 神經主體 ↓ TCF Knowledge Card / Provenance ↓ MDAS Concept-State Hypergraph ↓ Cyc-like / Self-built Commonsense Layer ↓ Triadic Logic Ω Detection ↓ Temporal Loop Judgment Layer ↓ ADL Forced Judgment if Action Required ↓ Execute / Suspend / Wake / Degrade / Escalate
其中，Temporal Loop Judgment Layer 負責決定：
- 當下是否需要判斷？
- 是否條件未成熟？
- 應進入哪一類時間迴圈？
- 應由時間、事件、人類、Agent 還是系統訊號喚醒？
- 是否需要 timeout？
- timeout 後降級還是升級？
- 醒來後是否重新驗證？
- 是否進入 ADL 強制判斷？
這一層是主體性 AI 的時間治理核心。
8\. 對 Cyc 的重新定位
Cyc / OpenCyc 類系統提供的是常識內容、本體論與語境工程經驗。 但它不提供完整的時間化自主判斷 runtime。
因此，在 EML 架構中：
Cyc-like Layer = 常識材料 TCF = 格式與來源 MDAS = 動態態空間 三態邏輯 = 未定態 時間迴圈學 = 未定態的時間治理 ADL = 必須行動時的強制閉合 Agent Runtime = 實際執行
這使 Cyc 更加 optional。 因為即使沒有 Cyc，只要有自建常識庫與時間迴圈判斷層，主體性 AI 仍能自主處理大量未定狀態。
9\. 結論
時間迴圈學補上了 Cyc-Optional 架構中最重要的缺口。
沒有時間迴圈，AI 面對未定狀態時只剩三種粗糙選擇：
- 立刻亂判。
- 永遠不判。
- 問人類。
有了時間迴圈，AI 可以：
- 保存狀態。
- 暫停判斷。
- 等待條件成熟。
- 由事件喚醒。
- 重新驗證。
- 自主重判。
- 超時降級。
- 高風險時才請求人類。
- 長期沿著螺旋路線演化。
因此，未來主體性 AI 的真正自主性，不是永遠立即回答，而是能在時間中管理自己的不確定性。
一句話：
三態邏輯讓 AI 承認 Ω。 時間迴圈學讓 AI 管理 Ω。 ADL 讓 AI 在必要時閉合 Ω。
這才是 Agent 常識憲法層的完整形態。