認知事件—算子架構：從選擇、觀察、更新、記憶到行動的最小形式系統

Cognitive Event–Operator Architecture: A Minimal Formal System from Selection, Observation, Update, Memory to Action

作者：Neo.K
機構：一言諾科技有限公司（EveMissLab）
版本：v1.0
日期：2026 年 7 月
文件性質：認知動力學系列前置基礎論文
系列位置：第 1 篇／核心前置篇
公開定位：理論框架、準形式化模型、可檢驗研究綱領

摘要

既有認知理論常將注意力、觀察、記憶、學習、行為與影響力分別置於不同學科框架中，導致同一認知過程在不同理論中被重複命名、重複解釋，甚至由單一變量承擔過多功能。本文提出「認知事件—算子架構」（Cognitive Event–Operator Architecture, CEOA），建立一個不預設特定生物基質、不依賴單一心理學流派、亦不要求強本體論承諾的最小形式系統。

本文的核心主張不是「認知只有一條線性因果鏈」，而是：對任何具有有限資源、狀態持續性、環境交互與行動能力的認知主體，都可以研究一組最小功能角色之間的動態耦合。本文定義事件輸入 $E_t$ 、選擇配置算子 $\Pi_t$ 、觀察—表徵算子 $O_t$ 、狀態更新算子 $U_t$ 、記憶接口 $\mathcal M_t$ 、行動門控 $G_t$ 、行動輸出 $A_t$ 與環境回饋 $R_t$ ，並將主體狀態表示為：

\mathcal S_t = ( X_t, \Pi_t, O_t, U_t, \mathcal M_t, G_t, A_t )

系統演化則由：

\mathcal S_{t+1} = \mathcal F ( \mathcal S_t, E_t, R_t, \Xi_t )

描述，其中 $\Xi_t$ 表示未建模擾動、隨機性或外部干預。

本文提出七項核心區分：選擇不等於觀察、觀察不等於理解、理解不等於更新、更新不等於記憶、記憶不等於儲存、記憶不等於行動、行動不等於影響。基於此，本文重新界定後續認知動力學系列的理論邊界，避免 $\Pi$ 、 $O$ 、 $M$ 、 $B$ 、 $P$ 等符號在不同論文中互相搶奪解釋權。

本文進一步提出三類可證偽方向：（1）功能角色不可分離性檢驗；（2）跨時間耦合與瓶頸檢驗；（3）替代模型比較。若單一低維狀態變量足以在跨任務、跨時間、跨環境條件下穩定解釋選擇、觀察、更新、記憶與行動，則本文的模組分解必要性受到削弱。反之，若不同功能角色存在可重複的選擇性破壞、時間錯位與交互瓶頸，則支持事件—算子架構作為一種有效的中層理論。

關鍵詞： 認知事件、算子架構、注意力選擇、觀察、狀態更新、記憶接口、行動門控、認知動力學、事件時空、AI 認知架構

0. 邊界聲明

本文首先明確以下限制。

第一，本文不是一套完整的人類心智理論。

第二，本文不主張所有認知系統都必須由完全相同的生理結構實現。

第三，本文中的「算子」首先是功能角色與轉換關係的準形式化表示，而非已經證明存在的單一神經模組。

第四，本文不主張存在唯一的認知分解方式。本文提出的是一個最小候選架構，其價值取決於能否：

減少理論重複；
顯示瓶頸位置；
支援跨論文映射；
產生可檢驗預測；
改善 AI 與人類認知模型的可操作性。

第五，本文刻意不將強本體論概念納入最小公理層。任何關於 $\Omega$ 、無限資訊網絡、終極主體、宇宙意識或記憶作為高階本體投影的主張，均屬另一證據層級，不能作為本文最低模型成立的必要前提。

因此，本文的目標可濃縮為：

\boxed{ \text{先建立最小功能架構，再允許高階理論向上附加} }

而不是：

\boxed{ \text{先接受高階本體論，再回頭解釋認知} }

1. 問題提出：為何需要一篇新的前置論文？

1.1 理論成長造成的符號漂移

當一個理論系列快速擴張時，最常見的問題不是「完全沒有概念」，而是：

同一現象被不同論文以不同符號重新命名；同一符號又在不同論文中承擔不同功能。

例如，一個主體未執行某行為，可能被解釋為：

沒有注意到；
沒有理解；
沒有更新；
沒有記住；
沒有程序化；
沒有啟動；
不願承受成本；
缺少外部條件。

如果這些差異未被形式化，任何失敗都可以事後歸因給某一個「能力不足」。

如此便產生不可證偽風險：

\text{Outcome Failure} \Rightarrow \text{Some Hidden Variable Failure}

這類模型在敘事上很強，但在理論上很弱，因為它幾乎永遠可以事後修補。

因此，本系列需要先建立一個最小角色集合，使不同論文不再爭奪同一解釋空間。

1.2 線性鏈條的誘惑

理論早期常傾向建立：

A \rightarrow B \rightarrow C \rightarrow D

因為線性鏈清楚、容易敘述、容易畫圖。

然而認知系統具有至少四種反線性特徵。

第一，循環

過去行動會改變未來環境：

A_t \rightarrow E_{t+1}

第二，記憶回饋

過去狀態會經由記憶影響當前選擇：

\mathcal M_t \rightarrow \Pi_t

第三，模型依賴

觀察不是純輸入，而受既有內部狀態影響：

O_t = O(E_t;X_t,\mathcal M_t)

第四，多重瓶頸

同一行動失敗可能發生於不同位置：

\Pi ,\ O ,\ U ,\ \mathcal M ,\ G

任一處均可能形成局部失效。

因此，本文拒絕將認知架構縮減為單一路徑：

\text{Input} \rightarrow \text{Thought} \rightarrow \text{Action}

而改為動態耦合系統。

2. 最小本體：事件、狀態與算子

2.1 認知事件

定義一個認知相關事件為：

e_t \in \mathcal E

其中 $\mathcal E$ 是可被系統感知、內生生成、重建或推斷的事件空間。

事件不必等同外部物理刺激。

它可以是：

外部聲音；
圖像；
一句話；
身體疼痛；
一個內在念頭；
一段回憶；
一個預測；
一個他者模型；
一個尚未發生但被模擬的未來情境。

因此：

\mathcal E = \mathcal E_{\text{external}} \cup \mathcal E_{\text{internal}} \cup \mathcal E_{\text{reconstructed}} \cup \mathcal E_{\text{simulated}}

此定義的重要性在於：認知系統處理的不是「世界本身」，而是可進入其動態的事件。

2.2 系統狀態

設認知主體在時間 $t$ 的內部狀態為：

X_t \in \mathcal X

$X_t$ 不預設是一個向量，也不預設能被完整觀測。

它可以包含：

生理狀態；
情緒；
活化目標；
信念結構；
當前任務；
資源水平；
身份狀態；
社會位置；
內部世界模型。

因此本文只要求：

X_t \neq X_{t+1}

在一般情況下可因事件與內部運算而變化。

2.3 算子

本文中的算子定義為：

將某組輸入狀態映射為另一組狀態、資源配置、表徵或行動候選的功能轉換。

形式上：

\mathcal O: \mathcal D \rightarrow \mathcal C

其中 $\mathcal D$ 為定義域， $\mathcal C$ 為值域。

需要強調：

\boxed{ \text{算子} \neq \text{單一腦區} }

亦不必然：

\boxed{ \text{算子} = \text{單一神經網絡模組} }

算子可以是分散式、重疊式、情境依賴式的功能關係。

3. 最小功能角色

本文提出七個核心功能角色。

3.1 事件輸入 $E_t$

定義：

E_t \subseteq \mathcal E

表示在時間 $t$ 對系統具有潛在相關性的事件集合。

需要區分：

E_t \neq E_t^{\text{selected}}

世界中可用事件很多，但實際被分配資源的事件極少。

因此事件輸入只是候選域，而不是已進入處理的內容。

3.2 選擇配置算子 $\Pi_t$

定義：

\Pi_t: \mathcal E \rightarrow \mathbb R_{\geq 0}

$\Pi_t(e)$ 表示系統在時間 $t$ 對事件 $e$ 的相對處理資源、優先度或准入權重。

在有限資源條件下，可加入：

\sum_{e\in E_t} \Pi_t(e) \leq R_t^{\max}

其中 $R_t^{\max}$ 為當前可配置資源上界。

這一定義比「注意力就是看哪裡」更廣，也比「注意力是所有認知源頭」更弱。

$\Pi$ 可以受到：

X_t, \mathcal M_t, G_t^{\text{goal}}, S_t^{\text{salience}}, C_t^{\text{cue}}

共同影響。

因此：

\Pi_t = f_{\Pi} ( E_t, X_t, \mathcal M_t, G_t^{\text{goal}}, C_t^{\text{cue}} )

3.3 觀察—表徵算子 $O_t$

定義：

O_t: (E_t^{\Pi},X_t,\mathcal M_t) \rightarrow Z_t

其中：

$E_t^{\Pi}$ ：經選擇後的事件；
$Z_t$ ：當前表徵。

因此：

E_t^{\Pi} \neq Z_t

事件被選中，不代表已被正確表徵。

同一事件：

e

可能在不同主體中形成：

Z_t^{(1)} \neq Z_t^{(2)}

這正是框架差異、專家—新手差異與文化解碼差異的基本入口。

3.4 狀態更新算子 $U_t$

定義：

U_t: (X_t,Z_t,\mathcal M_t) \rightarrow X_{t+1}

其作用是決定：

新表徵是否、以及以何種程度改變系統狀態。

因此：

\text{Observation} \not\Rightarrow \text{Update}

一個人可以：

看見反例；
理解反例；
甚至承認反例；

但既有信念結構仍不改變。

可定義局部更新增益：

g_t(e) = \frac{ \|X_{t+1}-X_t\| }{ \|Z_t\|+\varepsilon }

當：

g_t(e)\approx 0

表示事件雖被處理，但幾乎未改變內部狀態。

這為後續「高激活—低可塑」理論提供前置接口。

3.5 記憶接口 $\mathcal M_t$

本文不將記憶定義為單一儲存庫。

定義：

\mathcal M_t = ( \mathcal M_t^{\text{enc}}, \mathcal M_t^{\text{con}}, \mathcal M_t^{\text{ret}}, \mathcal M_t^{\text{forg}} )

分別對應：

編碼；
鞏固；
提取；
遺忘／抑制。

更重要的是：

\mathcal M_t \leftrightarrow \Pi_t, O_t, U_t, G_t

記憶不是流程中的單一下一步，而是橫切接口。

例如：

\Pi_t = f( \mathcal M_t^{\text{habit}}, \mathcal M_t^{\text{salience}} )

O_t = f( E_t^{\Pi}, \mathcal M_t^{\text{model}} )

U_t = f( X_t, Z_t, \mathcal M_t^{\text{prior}} )

G_t = f( A_t^{*}, \mathcal M_t^{\text{procedural}} )

因此：

\boxed{ \mathcal M \text{ 是跨層接口，不是第 }n\text{ 層} }

3.6 行動門控 $G_t$

知識、理解與意圖不必然產生行動。

因此定義：

G_t: (A_t^{*},X_t,\mathcal M_t,E_t) \rightarrow p_t(A)

其中 $A_t^{*}$ 為候選行動集合， $p_t(A)$ 為行動被實施的機率或相對權重。

$G_t$ 可受到：

程序可用性；
習慣；
即時成本；
延遲收益；
社會風險；
身份威脅；
疲勞；
環境提示；

共同影響。

因此「知而不行」不是必須新增一個人格本質變量，而可以先視為門控失配：

K_t \not\Rightarrow A_t

更精確地：

P(A_t\mid K_t) < 1

3.7 行動輸出 $A_t$

定義：

A_t \in \mathcal A

行動可以是：

外顯行為；
語言輸出；
內部控制；
搜尋；
抑制；
延遲；
重新分配注意；
改變環境。

需要特別強調：

A_t \neq I_t

其中 $I_t$ 表示實際影響。

一個行動是否產生外部效果，還取決於：

系統權重；
環境條件；
他者反應；
時間窗口；
隨機擾動。

因此：

I_t = f_I( A_t, W_t, V_t, E_t^{\text{env}}, \Xi_t )

這將認知—行動與影響力理論正式分層。

4. 七個不可混同命題

本文提出七個最小區分。

命題 1：選擇不等於觀察

\Pi(e)>0 \not\Rightarrow O(e)=z^{*}

事件獲得注意資源，不代表形成正確表徵。

命題 2：觀察不等於理解

O(e)=z \not\Rightarrow \operatorname{Comprehend}(z)

系統可產生表徵，但未建立足夠關係結構。

命題 3：理解不等於更新

\operatorname{Comprehend}(z) \not\Rightarrow X_{t+1}\neq X_t

理解反例不代表修正信念。

命題 4：更新不等於穩定記憶

X_{t+1}\neq X_t \not\Rightarrow \mathcal M_{t+\Delta}^{\text{ret}}(z)>0

短期改變可能消失。

命題 5：記憶不等於行動

\mathcal M^{\text{ret}}(z)>0 \not\Rightarrow A_t

知道且記得，仍可能不做。

命題 6：行動不等於影響

A_t \not\Rightarrow I_t>0

低權重行動可能沒有外部效果。

命題 7：影響不等於認知正確

I_t\gg 0 \not\Rightarrow Z_t\approx Z_t^{*}

錯誤、偏見或虛假敘事也可能具有高影響力。

5. 從線性鏈到動態耦合系統

5.1 狀態方程

定義總系統：

\mathcal S_t = ( X_t, \Pi_t, O_t, U_t, \mathcal M_t, G_t, A_t )

則：

\mathcal S_{t+1} = \mathcal F ( \mathcal S_t, E_t, R_t, \Xi_t )

其中：

$R_t$ ：回饋；
$\Xi_t$ ：未建模擾動。

5.2 最小耦合圖

核心耦合可表示為：

E_t \rightarrow \Pi_t \rightarrow O_t \rightarrow U_t \rightarrow X_{t+1}

但同時：

\mathcal M_t \rightarrow \Pi_t

\mathcal M_t \rightarrow O_t

\mathcal M_t \rightarrow U_t

\mathcal M_t \rightarrow G_t

以及：

A_t \rightarrow E_{t+1}

因此真實結構是圖而不是鏈。

5.3 認知瓶頸

定義局部瓶頸：

b_i(t) = 1-q_i(t)

其中：

q_i(t)\in[0,1]

表示第 $i$ 個功能角色的有效通過率。

若採乘積近似：

Q_{\text{path}} = \prod_i q_i

則任何局部低值都可能限制總體輸出。

但本文不主張乘積形式是普遍真理。

更一般地：

Q_{\text{path}} = \Phi( q_{\Pi}, q_O, q_U, q_{\mathcal M}, q_G )

$\Phi$ 可由實證決定。

6. 失效分類學

本架構的核心價值之一，是允許不同失敗被區分。

6.1 選擇失效

\Pi_t(e)\approx 0

事件幾乎不獲得資源。

案例：

完全沒注意到；
被其他刺激競爭；
目標錯位；
長期忽略。

6.2 表徵失效

\Pi_t(e)>0

但：

O_t(e) = z_{\text{distorted}}

案例：

術語誤解；
框架不兼容；
專業背景不足；
文化隱喻錯譯。

6.3 更新失效

O_t(e)=z

但：

U_t(X_t,z) \approx X_t

案例：

反例隔離；
身份防衛；
低可塑狀態；
信念凍結。

6.4 記憶失效

X_{t+1}\neq X_t

但：

\mathcal M_{t+\Delta}^{\text{ret}}(z) \approx 0

案例：

忘記；
線索缺失；
狀態依賴提取失敗；
未程序化。

6.5 門控失效

K_t>0

\mathcal M_t^{\text{ret}}(K_t)>0

但：

G_t(A_t^{*}) \approx 0

案例：

拖延；
即時成本過高；
恐懼；
疲勞；
社會風險。

6.6 影響失效

A_t\neq 0

但：

I_t\approx 0

案例：

缺乏資源；
缺乏權重；
時機錯誤；
環境拒絕。

7. 時間尺度

不同算子運作於不同時間尺度。

設：

\tau_{\Pi}

為選擇配置時間尺度；

\tau_O

為表徵形成時間尺度；

\tau_U

為狀態更新時間尺度；

\tau_{\mathcal M}

為記憶鞏固與提取時間尺度；

\tau_G

為行動門控時間尺度。

通常可能存在：

\tau_{\Pi} < \tau_O < \tau_U

但並非普遍。

某些快速反射可滿足：

\tau_G < \tau_O^{\text{deliberative}}

某些身份更新則：

\tau_U \gg \tau_O

因此：

\boxed{ \text{認知錯位可能是時間尺度錯位，而非能力缺失} }

這為後續認知鴻溝、代際差異與超前認知理論提供基礎。

8. 記憶的橫切地位

8.1 為何不能把記憶當「下一層」

若架構寫成：

\Pi \rightarrow O \rightarrow U \rightarrow \mathcal M \rightarrow G

會產生錯誤直覺：

記憶只在更新之後發生。

但實際上，選擇本身依賴過去記憶：

\Pi_t = f( E_t, \mathcal M_t )

觀察依賴既有模型：

O_t = f( E_t^{\Pi}, \mathcal M_t^{\text{model}} )

行動依賴程序記憶：

G_t = f( A_t^{*}, \mathcal M_t^{\text{proc}} )

所以：

\boxed{ \mathcal M \text{ 是橫切接口} }

而不是：

\boxed{ \mathcal M \text{ 是第六層} }

8.2 記憶不是儲存

可操作上更適合把記憶寫為：

\mathcal M = \operatorname{Access} + \operatorname{Reconstruction} + \operatorname{Persistence}

因此：

\text{stored} \not\Rightarrow \text{retrievable}

\text{retrievable} \not\Rightarrow \text{faithful}

\text{forgotten} \not\Rightarrow \text{erased}

這些區分留待後續《記憶動力學》展開。

9. 行動門控與知行斷裂

9.1 從人格能力改為轉移問題

若一個人知道某知識 $K$ ，不應直接推論：

K \Rightarrow A

而應研究：

P(A_{t+1}\mid K_t,X_t,E_t,\mathcal M_t)

知行問題因而變成條件轉移。

可定義：

\mathcal T_{K\rightarrow A} : K_t \rightarrow P(A_{t+1})

這個轉移受到：

\mathcal T_{K\rightarrow A} = f( P_{\text{proc}}, H, C_{\text{cue}}, C_{\text{aversive}}, V_{\text{expected}}, X_t )

影響。

其中：

$P_{\text{proc}}$ ：程序可用性；
$H$ ：習慣強度；
$C_{\text{cue}}$ ：提示；
$C_{\text{aversive}}$ ：厭惡成本；
$V_{\text{expected}}$ ：預期收益。

這為後續知行轉化與厭惡成本理論提供更穩定接口。

10. 激活與更新的雙軸分離

後續認知冷熱點理論最需要修正的一點，是：

\text{Activation} \neq \text{Update}

定義：

a_e(t) = \text{事件 }e\text{ 的激活／可達性}

u_e(t) = \text{事件 }e\text{ 對狀態更新的增益}

則有四種狀態：

第一象限

a_e\uparrow, u_e\uparrow

高激活、高更新。

第二象限

a_e\uparrow, u_e\downarrow

高激活、低更新。

典型候選：

刻板印象；
固著信念；
反覆宣傳後的僵化敘事。

第三象限

a_e\downarrow, u_e\uparrow

低激活、高可塑。

第四象限

a_e\downarrow, u_e\downarrow

低激活、低更新。

因此，所謂「冷點」不能僅以低更新頻率定義。

這一修正將成為後續獨立論文的核心。

11. 雙重觀察者的前置位置

本文不直接證明：

所有智能體都必然具有不可關閉的雙重觀察者。

但可以定義二階觀察：

O_t^{(1)} : E_t^{\Pi} \rightarrow Z_t

O_t^{(2)} : ( Z_t, \hat Z_t^{\text{other}} ) \rightarrow Z_t^{\text{meta}}

其中：

\hat Z_t^{\text{other}}

表示主體對他者狀態的估計。

若進一步出現：

O^{(3)}, O^{(4)},\ldots

便形成遞迴元觀察。

但本文只把它當成可擴展能力，不把無限遞迴當作最低模型必要條件。

12. 群體層擴展

個體選擇算子：

\Pi_i(e)

在群體中可擴展為：

\Pi_{ij}

表示主體 $i$ 對主體 $j$ 輸出的資源配置。

形成注意矩陣：

\mathbf \Pi = [ \Pi_{ij} ]

群體狀態可寫為：

\mathcal G_t = ( \mathcal S_t^{(1)}, \ldots, \mathcal S_t^{(n)}, \mathbf \Pi_t, \mathbf W_t )

其中：

\mathbf W_t

為關係或傳輸權重矩陣。

這為後續群體創造力耦合拓撲提供接口。

13. AI 架構映射

本文的功能角色可以映射到 AI 系統，但不主張一一等同。

例如：

選擇配置

\Pi

可能由：

routing；
retrieval；
attention allocation；
scheduler；

部分實現。

觀察—表徵

O

可能由：

encoder；
world model；
multimodal fusion；

部分實現。

記憶接口

\mathcal M

可能涉及：

working context；
vector store；
episodic memory；
procedural state；
persistent user model。

行動門控

G

可能涉及：

policy；
planner；
safety gate；
tool selector。

因此，AI 不應簡單把：

\text{Transformer Attention}

等同：

\Pi_{\text{cognitive}}

兩者最多是候選映射之一。

14. 分層猜想

猜想 H1：功能可分離猜想

存在至少部分任務，使：

\Pi, O, U, \mathcal M, G

呈現選擇性差異。

亦即：

q_{\Pi}\downarrow

不必然伴隨：

q_O\downarrow

猜想 H2：瓶頸遷移猜想

同一主體在不同環境中，主要瓶頸位置可改變：

b^{*}(t) = \arg\max_i b_i(t)

因此：

b^{*}(t_1) \neq b^{*}(t_2)

猜想 H3：記憶橫切猜想

若移除或破壞特定記憶接口，將同時影響多個功能角色，而非只影響單一「記憶層」。

猜想 H4：非線性耦合猜想

總體表現不是單一能力線性和：

Q \neq \sum_i \alpha_i q_i

而存在：

\frac{\partial^2 Q} {\partial q_i\partial q_j} \neq 0

即交互作用。

猜想 H5：跨時間錯位猜想

部分認知失敗主要源於：

\tau_i \neq \tau_j

而非能力絕對不足。

15. 競爭模型

本文不排除其他模型。

$H_0$ ：單一潛在能力模型

假設存在：

g_c

可解釋大部分選擇、理解、更新、記憶與行動差異。

$H_1$ ：雙系統模型

假設主要差異可由快速／慢速兩系統描述。

$H_2$ ：端到端動力模型

不需要顯式功能分解，直接以：

X_{t+1} = F(X_t,E_t)

擬合。

$H_3$ ：事件—算子模型

使用本文分解：

\Pi, O, U, \mathcal M, G

比較標準應包括：

預測力；
跨任務泛化；
反事實解釋；
干預可定位性；
模型複雜度。

若 $H_0$ 、 $H_1$ 或 $H_2$ 在同等複雜度下穩定優於 $H_3$ ，本文架構應被削弱或修改。

16. 可證偽條件

本文提出以下失敗條件。

F1：不可分離失敗

若所有所謂算子差異都可被單一低維能力變量穩定吸收，則多算子分解必要性下降。

F2：干預無差異失敗

若針對 $\Pi$ 、 $O$ 、 $U$ 、 $\mathcal M$ 、 $G$ 的差異化干預不產生可區分效果，則功能角色劃分需重估。

F3：跨時間無效

若時間尺度差異不能改善對延遲失敗、習慣形成、記憶鞏固或行動退出的解釋，則時間耦合部分需刪減。

F4：橫切記憶假說失敗

若記憶可被穩定證明只位於單一序列層，且不影響其他算子運作，則橫切模型失敗。

F5：替代模型支配

若更簡單模型在跨場景中具有更高解釋力與預測力，則本文不應被保留為優先框架。

17. 實驗與研究設計

17.1 選擇—觀察分離

任務設計：

控制刺激暴露；
測量注意分配；
測量表徵正確性。

檢查：

\Pi(e)

與：

O(e)

是否可分離。

17.2 觀察—更新分離

提供明確反例，測量：

是否看見；
是否理解；
是否改變信念；
是否長期保持。

若存在：

O(e)\text{ 成功}

但：

U(e)\approx 0

支持分解。

17.3 記憶—行動分離

控制：

知識記憶；
程序可用性；
提示；
即時成本。

觀察：

P(A\mid K)

是否因門控條件改變。

17.4 瓶頸遷移

同一受試者跨情境測量：

b^{*}(t)

檢查主要瓶頸是否隨：

疲勞；
社會壓力；
時間限制；
任務新穎性；

而變化。

18. 系列依賴關係

本文作為系列第 1 篇，不依賴後續論文成立。

後續建議依賴：

T_1 \rightarrow T_2

選擇配置動力學；

T_1 \rightarrow T_3

雙重觀察動力學；

T_1 \rightarrow T_5

記憶動力學；

T_1 \rightarrow T_8

知行轉化動力學；

T_1 \rightarrow T_{14}

統一認知—行動動力學。

因此本文的角色不是宣稱「終極完整」，而是提供：

\boxed{ \text{共同語法} + \text{符號邊界} + \text{最低接口} }

19. 對原系列的符號重構建議

為避免碰撞：

元認知能力

建議：

C_{\text{meta}}

或：

\mu

記憶系統

統一：

\mathcal M

元觀察

統一：

O^{meta}

行為實施

不再優先視為人格能力 $B$ ，而改為：

\mathcal T_{K\rightarrow A}

或：

G_t

痛苦承受

不再用單一 $P$ 表示普遍人格本質，而拆成：

C_{\text{aversive}}

與：

\tau_i(a,t)

其中 $\tau_i(a,t)$ 表示情境化退出閾值。

20. 理論貢獻

本文的主要貢獻不是提出更多變量，而是減少錯位。

貢獻一：建立共同語法

使後續論文共享：

E,\Pi,O,U,\mathcal M,G,A,R

貢獻二：解除線性鏈依賴

由：

A\rightarrow B\rightarrow C

升級為：

\mathcal S_{t+1} = \mathcal F( \mathcal S_t,E_t,R_t,\Xi_t )

貢獻三：分離失敗位置

使「不做」「不懂」「不記得」「不更新」不再被混為同一問題。

貢獻四：為後續理論降階

後續論文不必再宣稱：

自己發現了最後缺失的一維。

而可以說：

自己研究共同架構中的特定耦合、瓶頸或擴展。

貢獻五：建立 AI 映射接口

允許認知理論與 AI 系統設計進行候選映射，而不把工程模組直接等同心理本體。

21. 限制

第一，本文尚未給出所有算子的唯一操作化定義。

第二，不同任務可能需要不同粒度。

第三，算子之間可能高度重疊。

第四，本文尚未決定最佳數學表示是：

狀態空間；
圖動力學；
隨機過程；
控制系統；
範疇化接口；
神經算子。

第五，本文不主張人類認知與 AI 認知必然同構。

第六，本文目前仍屬中層架構，需要後續實驗比較。

22. 核心命題

本文最終保留以下弱—中版本命題。

弱命題

認知、記憶與行動之間存在可分析的中間轉換，而非單一輸入—輸出映射。

中命題

至少在部分任務中，選擇、觀察、更新、記憶與行動門控具有足夠功能差異，值得建模為不同但耦合的角色。

強版本猜想

若一個系統具有有限資源、狀態持續性、事件選擇、內部表徵與環境行動，則其行為可能存在某種與本文事件—算子架構近似同構的功能分解。

本文不聲稱已證明強版本。

終章：從「最後一塊拼圖」轉向「可持續演化的理論架構」

快速成長的理論系統最危險的時刻，不是缺少新洞見，而是每一篇新論文都聲稱：

我發現了前一篇最後缺失的一塊。

如此持續下去，理論會形成：

T_1 \rightarrow T_2 \rightarrow T_3 \rightarrow \cdots

每一篇都補上一個新變量。

最終得到的不是統一，而是變量堆積。

本文提出另一條路：

\boxed{ \text{先建立最小功能角色} }

再研究：

\boxed{ \text{角色之間如何耦合、失效、轉移與演化} }

因此，認知理論的核心不再是：

哪一個變量才是真正源頭？

而是：

在特定時間尺度、任務與環境中，哪一個轉換成為瓶頸？哪些接口互相增強？哪些角色發生錯位？

這使理論從單源論轉向動態系統論。

最短表示為：

\boxed{ \mathcal S_{t+1} = \mathcal F ( \mathcal S_t, E_t, R_t, \Xi_t ) }

其中：

\mathcal S_t = ( X_t, \Pi_t, O_t, U_t, \mathcal M_t, G_t, A_t )

這不是終極心智公式。

它只是一個刻意保持最低承諾的共同接口。

但正因如此，它可以成為後續注意力、觀察者、記憶、知行轉化、厭惡成本、認知鴻溝、群體耦合與 AI 架構共同生長的前置底座。

附錄 A：符號表

符號	定義
$\mathcal E$	事件空間
$E_t$	時間 $t$ 的候選事件集合
$X_t$	內部狀態
$\Pi_t$	選擇配置算子
$O_t$	觀察—表徵算子
$U_t$	狀態更新算子
$\mathcal M_t$	記憶接口
$G_t$	行動門控
$A_t$	行動輸出
$R_t$	環境回饋
$\Xi_t$	未建模擾動
$\mathcal S_t$	系統總狀態
$a_e(t)$	事件激活／可達性
$u_e(t)$	事件更新增益
$b_i(t)$	局部瓶頸
$\tau_i$	功能角色時間尺度

附錄 B：一句話版本

認知不是「注意到就理解、理解就記住、記住就會做」的線性鏈，而是一個由選擇、觀察、更新、記憶與行動門控共同耦合的動態事件系統。

附錄 C：與後續系列的關係

本文是以下論文的前置共同架構：

《選擇配置動力學》
《雙重觀察動力學》
《關係注意不對稱動力學》
《記憶動力學》
《認知激活—可塑性動力學》
《刻板印象的非對稱更新動力學》
《知識—行動轉移動力學》
《厭惡成本承受動力學》
《認知鴻溝的多維微觀分類學》
《機會反噬效應》
《群體創造力耦合拓撲》
《雙視角推斷架構》
《統一認知—行動動力學》

本文不要求後續論文全部成立；其作用是提供共同語法與最低接口。

全文完

認知事件—算子架構：從選擇、觀察、更新、記憶到行動的最小形式系統

認知事件—算子架構：從選擇、觀察、更新、記憶到行動的最小形式系統

摘要

0. 邊界聲明

1. 問題提出：為何需要一篇新的前置論文？

1.1 理論成長造成的符號漂移

1.2 線性鏈條的誘惑

第一，循環

第二，記憶回饋

第三，模型依賴

第四，多重瓶頸

2. 最小本體：事件、狀態與算子

2.1 認知事件

2.2 系統狀態

2.3 算子

3. 最小功能角色

3.1 事件輸入 EtE_tEt​

3.2 選擇配置算子 Πt\Pi_tΠt​

3.3 觀察—表徵算子 OtO_tOt​

3.4 狀態更新算子 UtU_tUt​

3.5 記憶接口 Mt\mathcal M_tMt​

3.6 行動門控 GtG_tGt​

3.7 行動輸出 AtA_tAt​

4. 七個不可混同命題

命題 1：選擇不等於觀察

命題 2：觀察不等於理解

命題 3：理解不等於更新

命題 4：更新不等於穩定記憶

命題 5：記憶不等於行動

命題 6：行動不等於影響

命題 7：影響不等於認知正確

5. 從線性鏈到動態耦合系統

5.1 狀態方程

5.2 最小耦合圖

5.3 認知瓶頸

6. 失效分類學

6.1 選擇失效

6.2 表徵失效

6.3 更新失效

6.4 記憶失效

6.5 門控失效

6.6 影響失效

7. 時間尺度

8. 記憶的橫切地位

8.1 為何不能把記憶當「下一層」

8.2 記憶不是儲存

9. 行動門控與知行斷裂

9.1 從人格能力改為轉移問題

10. 激活與更新的雙軸分離

第一象限

第二象限

第三象限

第四象限

11. 雙重觀察者的前置位置

12. 群體層擴展

13. AI 架構映射

選擇配置

觀察—表徵

記憶接口

行動門控

14. 分層猜想

猜想 H1：功能可分離猜想

猜想 H2：瓶頸遷移猜想

猜想 H3：記憶橫切猜想

猜想 H4：非線性耦合猜想

猜想 H5：跨時間錯位猜想

15. 競爭模型

H0H_0H0​ ：單一潛在能力模型

H1H_1H1​ ：雙系統模型

H2H_2H2​ ：端到端動力模型

H3H_3H3​ ：事件—算子模型

16. 可證偽條件

F1：不可分離失敗

F2：干預無差異失敗

F3：跨時間無效

F4：橫切記憶假說失敗

F5：替代模型支配

17. 實驗與研究設計

17.1 選擇—觀察分離

17.2 觀察—更新分離

3.1 事件輸入 $E_t$

3.2 選擇配置算子 $\Pi_t$

3.3 觀察—表徵算子 $O_t$

3.4 狀態更新算子 $U_t$

3.5 記憶接口 $\mathcal M_t$

3.6 行動門控 $G_t$

3.7 行動輸出 $A_t$

$H_0$ ：單一潛在能力模型

$H_1$ ：雙系統模型

$H_2$ ：端到端動力模型

$H_3$ ：事件—算子模型