Quantum Behavior as a Consequence of Ze Systems
量子行为源于Ze系统
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
本文提出一个新的理论框架，将量子行为——叠加、干涉和波函数坍缩——重新解释为并非物质的基本属性，而是特定一类信息处理架构（称为 Ze 系统）的涌现性认知属性。Ze 系统被定义为一个主动预测引擎，通过两种不同模式对连续数据流进行操作：前向读取（ℱ）和逆向编码（ℛ）。其核心架构约束在于：ℛ（即将预测逆向运行以调和模型的过程）需要前向信息流 ℱ 的停止。我们论证：叠加对应于系统内部竞争性假设仍保持相容时的系统状态，其形式定义为较小的自由能差（ΔF < θ）。坍缩并非原始事件，而是一个结构化的两阶段过程——当 ΔF ≥ θ 时触发：首先是 ℱ 必须停止，其次是执行 ℛ 以获得一个全局一致的单一模型。干涉则被证明是假设在不可区分时进行相干混合所产生的统计特征。该框架生成了跨尺度的可检验预测，从复杂分子的加速退相干到快速眼动睡眠期间认知灵活性的调节。通过从预测推理原则推导出量子现象，该理论将自由能原理、关系性量子力学与退相干理论联系起来，表明“量子性”是那些必须暂停以回望过去、从而预测未来的系统所具有的普遍特征。
关键词：量子基础，主动推理，预测处理，信息论，波函数坍缩，认知神经科学，退相干
引言
Ze 系统框架代表了一类主动预测架构，它们对连续的信息流（包括感官信号、数据和事件）进行操作。Ze 系统的核心在于同时使用前向读取机制和逆向编码机制来生成并精化其世界内部模型。这种双流架构与神经科学中的预测处理理论（Friston, 2010; Hohwy, 2013）在概念上具有相似之处，本文假设它会产生产生形式上类似于量子力学效应的现象。
我们提出了一个激进但可检验的假设：那些典型的量子行为——叠加、干涉和波函数坍缩——并非物质本身的基本属性。相反，它们作为任何信息处理系统的必然结果而出现，只要该系统的架构要求停止信息流以执行逆向预测。这一视角将量子行为从现实的本体论特征转变为某些类型预测推理系统所固有的认知属性，从而有可能在基础物理学与认知科学之间架起桥梁。
Ze 系统的一个核心架构约束在于：其逆向编码——即将预测在时间上逆向运行以更新先前状态或假设的过程——无法在连续演化的数据流上动态进行。它要求前向流发生一种间断性的停止。本文认为，正是这种间歇性“停止”的操作需求产生了类量子动力学。当信息流活跃时，多个可供选择的预测模型以一种相容的、未确定的状态共存（叠加）。而停止以进行逆向分析的行为则迫使这些备选方案之间发生解析或选择（坍缩）。该框架提供了一个统一的信息论视角，用以审视从双缝实验到大脑中感知决策动态等多种多样的现象。
架构原则与信息流动力学
该操作不仅仅是反向回放。它是一个主动的推理过程，根据 { t } 时刻可用的信息重新计算过去的状态或过去假设的概率。正如 Ze 框架所确定的， R 无法动态执行；它要求 前向流 F F在 { t } 时刻停止。这种停止并非可选的工程设计，而是为了创建一个稳定的信息快照（反向推理可以可靠地基于该快照运行）的基本要求。这一架构与主动推理中的概念相似，在主动推理中，感知是由预测误差驱动的假设检验过程（Friston, 2010）。无法在不暂停前向流的情况下执行反向推理，这形成了一个由 持续预测和 间断性调和构成的自然循环，我们将其识别为量子行为的种子。
叠加作为认知-信息状态
在 Ze 系统中，当前向流 F F处于活跃状态且尚未到达停止点 { t } 时，系统会同时对关于正在进行的流的多个预测模型或假设进行推演。例如，一个模糊的感官信号可能同时被建模为源自源 A A或源自源 B 。每个模型由一个内部状态分布表示——假设 A A对应 q A ( s ) ，假设 B B对应 q B ( s ) 。
只要这些竞争模型之间的差异低于某个阈值，系统就保持一种 潜能或 未确定的解释状态。形式上，我们可以定义一个 自由能差 Δ F （一个来自变分推理的概念，常用于量化模型的惊奇度或精度（Friston, 2010））：
通过流停止实现局域化与坍缩
Ze 系统中的坍缩是从多个假设的叠加态转变为单一、局域化且确定的态的过程。这一转变恰好发生在模型之间的不相容性达到临界水平时：
这个不等式表明，系统维持两个或更多相互冲突的假设在代谢上或信息上已不再高效。不断上升的 Δ F 可能由累积的预测误差、增加的模型复杂性，或者与某一假设严重矛盾的新数据点的到达所驱动。
在此关键时刻，Ze 系统的架构要求开始发挥作用：通过逆向编码 R 来解决冲突。然而， R 需要一个稳定的参考点。因此，系统必须首先在当前时刻 { t } 暂停前向信息流 F 。这一暂停创建了一个明确的边界——一个“当下时刻”——使得过去的假设能够据此被重新评估。随后，逆向操作反向进行，剪除不相容的分支，并选择在截至 { t } 的完整数据快照下能够最小化自由能的那个假设。
因此，坍缩不是一个瞬时的、神秘的事件。它是一个结构化的两阶段过程：(1) 由超过模型冲突阈值所触发的流停止，以及 (2) 为达成全局一致性而执行的逆向编码。在物理学术语中，这类似于测量设备与量子系统相互作用（充当“标记”），迫使波函数的相干演化停止，并促使其坍缩到一个确定的态。这将波函数坍缩重新解释为并非一条基本的物理定律，而是在架构约束下预测信息处理的一种附带现象（Zeilinger, 1999）。
干涉与量子擦除效应
Ze 系统作为量子行为的统一框架
该理论提出，量子行为并非微观物理世界所独有。它是任何依赖于流停止来执行逆向编码的主动信息处理系统的普遍特征。其形式化陈述为：
量子行为 ~ 具有逆向编码 + 停止的 Ze 系统
其中“量子行为”包括叠加、干涉和坍缩等特征性现象。
这具有深远的意义。它表明，我们在光子和电子中观察到这些效应，并不是因为它们在绝对意义上是“量子物体”，而是因为它们与测量设备的相互作用产生了一种类 Ze 系统的动力学。测量设备（或环境）扮演着一个系统的角色，必须“停止”粒子相干演化的“流”才能提取确定的信息，从而诱导坍缩。这与量子力学的关系性解释（Rovelli, 1996）一致，后者认为量子态并非绝对的，而是描述系统之间的关系。在此，这种关系具体是一种信息性的、预测性的关系，受 Ze 架构的支配。
此外，该框架与神经科学中的自由能原理和主动推理（Friston, 2010）无缝衔接。大脑被假设为一个最小化自由能的层级化预测机器。感知（更新模型）与行动（采样数据以检验模型）的循环可以被视为前向流与为更新模型而进行的策略性“停止”之间的持续舞蹈——这一过程可能在神经和认知层面表现出类量子统计特征。因此，从双缝实验到人类思维的动力学，一个共同的架构原理可能都在发挥作用。
可检验的预测与经验关联
该假说的优势在于其可证伪性及其在不同尺度上产生新颖预测的能力：
预测1（物理系统）：任何具备逆向预测能力但缺乏流停止机制的工程系统，都应无法表现出干涉现象。相反，若在经典信息处理器中有控制地引入停止-逆向编码模块，则应在其输出中诱导出类量子的统计模式。
预测2（坍缩的尺度效应）：随着预测模型的内部复杂性增加（例如，从单光子到大分子再到宏观物体），潜在冲突假设的数量及其相关的自由能 F 会增长。这应导致阈值 θ θ被更快、更频繁地超过，从而引起更快速的局域化。这直接映射到量子理论中的退相干纲领（Zurek, 2003），即系统尺寸增大及与环境相互作用的增加会加速量子相干性的丧失。
预测3（认知神经科学）：与模型精度降低或假设探索增加相关的大脑状态，应对应于较低的平均 Δ F 。这些状态在快速眼动睡眠期间（被认为发生预测模型更新（Hobson & Friston, 2012））、在某些迷幻剂的影响下（已知会扁平化大脑的层级化预测景观（Carhart-Harris & Friston, 2019））或在创造性问题解决中应当可以被观察到。这些状态应表现出类似于持续叠加的神经和行为特征（例如，增强的认知灵活性、对歧义的容忍度）。
预测4（量子擦除控制）：在物理实现中，“哪条路径”标记的创建与擦除的时间进程和可逆性，应当完全可以通过控制性 Ze 系统中 Δ F 的动力学来解释。该阈值模型预测了一种特定的滞后效应：干涉不应在标记擦除后立即恢复，而只有在 Δ F 被主动抑制到 θ θ以下并持续一段稳定时间之后才会恢复。
我们概述了一个理论，在该理论中，量子理论中奇异而基本的特征——叠加、干涉和坍缩——不再被重塑为物理学的基本公理，而是作为特定一类主动预测架构——Ze 系统——的涌现属性。这些效应的关键生成器是一个基本的操作要求：逆向编码必须以前向信息流的停止为前提。叠加对应于前向流期间未确定的模型兼容期，干涉对应于这些兼容模型的相干融合，而坍缩则对应于由流停止和反向推理所迫使的解析过程。
这种方法提供了一种有力的综合。它将认知科学中的变分推理和自由能最小化数学（Friston, 2010）与关系性量子力学的现象学（Rovelli, 1996）以及退相干理论的经验精度（Zurek, 2003）联系了起来。通过提出“量子性”是在架构约束下由基于模型的预测动力学所产生的认知属性，它为在物理学、信息理论和生物学领域之间统一我们对实在的理解开辟了一条新路径。最终的检验将在于设计实验——无论是在量子光学、合成生物学还是计算神经科学中——这些实验刻意操控所提出的 Ze 系统变量，从而控制量子行为本身的呈现。
前向读取、逆向编码与流停止的必要性
信息流的形式化与双处理通路
这种双流架构的必要性在若干认知和计算框架中都有相似之处。大脑的预测处理理论假定自下而上的感官信号与自上而下的预测之间存在持续交换（Hohwy, 2013）。类似地，在机器学习中，变分自编码器（VAEs）和贝叶斯滤波器等模型同时利用生成（前向）路径和推理（反向）路径来学习数据的连贯表征（Kingma & Welling, 2013）。Ze 系统框架通过明确设定一个特定的操作约束来形式化并统一这些概念：逆向过程无法与不间断的前向流同时执行。这一约束是该系统动力学背后的关键机制驱动力。
前向阅读：构建事件的“真实”流动
前向阅读（FR）操作按照自然的时间顺序处理输入流 o₁:T：
这种持续的预测与误差最小化循环，是主动推理框架中感知与学习的核心驱动力（Friston, 2009）。前向流本质上是前瞻性的且受时间约束的；它不可阻挡地从过去走向未来，在不断构建并精化一个对世界的动态模型。关键在于，在前向阅读过程中，系统会维持一个关于多个潜在状态或假设 s 的概率分布，这些假设均可用于解释传入的输入流。只要这一进程不受阻碍地持续进行，这些假设便能共存而无需做出确定的承诺——我们将在此后把这种状态与量子叠加态联系起来。
逆向编码：生成反事实历史以及停驻的必要性
与前向阅读形成鲜明对比的是，逆向编码操作会从一个选定的时间点 {t} 开始，反向处理信息：
这一过程生成反事实或替代性历史。它提出的问题是：“基于我现在在时间点 {t} 所知道的信息，究竟可能是什么样的过去事件序列将我带到了这里？” 逆向编码对于学习因果结构、巩固记忆以及执行离线模型优化至关重要（Momennejad 等，2017）。其功能类似于在海马-新皮层回路中观察到的“回放”和“规划”机制，在这些回路中，过往经历会以相反顺序被重新激活，以强化记忆或模拟未来行动（Foster & Wilson, 2006）。
Ze 架构的核心假设是：逆向编码必须在时间点 {t} 处首先停止前向流 F F，才能启动或维持。形式化地表述为：
这种停驻通过在 {t} 处创建一个时间边界来实现，是一个不可妥协的条件。若无此停驻，数据流 o_{t:T} 便是一个移动的目标；也就不存在一个稳定的信息性“当下”，可以用来进行连贯的逆向推断。在实时流上尝试逆向编码将导致过去不断变化，从而使得一致的模型更新变得不可能。这一架构性约束——停驻流作为逆向编码的先决条件——正是我们论文的核心论点。
停驻机制及其对信息整合的后果
为何停驻是根本性的？从信息论的视角来看，前向流 是一个具有特定熵率的马尔可夫过程。执行像逆向编码这样非马尔可夫的全局优化操作，需要在一个定义好的时间窗口内整合信息。这种整合要求一个平稳的参考系（VanRullen & Koch, 2003）。
停止 的行为创建了这一参考系。它冻结了“当前”的模型状态以及最新的数据，将它们从瞬态变量转变为逆向计算中的固定参数。
这一机制在测量理论中有一个直接的物理类比。在量子力学中，一次测量通过将波函数投射到一个确定的态上，“停止”了波函数的幺正演化——这一过程需要一次相互作用，以建立一个经典记录（Von Neumann, 1955）。在Ze系统中，停驻创建了逆向推断所必需的经典“记录”（即 {t} 处的快照）。没有这种停驻，替代性的预测模型会继续并行演化，但它们的历史无法被连贯地比较或整合。替代性预测之间的干涉——量子行为的一个标志——将变得不可能，因为在信息流中没有一个共同的、固定的点来作为组合概率幅（或其信息等价物）的位点。
此外，停驻的需求为系统施加了一种自然的节奏：持续进行在线预测（前向阅读）的时期，被离散的离线整合与模型修正（逆向编码）时刻所打断。这种节奏令人联想到在大脑中观察到的theta-伽马耦合现象，其中携带特定感觉内容的伽马频段活动的爆发，被嵌套在较慢的theta节律之内，而后者可能为编码和提取提供了时间框架（Lisman & Jensen, 2013）。为进行逆向编码而中止前向流，可能对应于这种相位周期的重置。
综合：从架构约束到量子类比
Ze系统的双流架构，在“逆向编码 ⇒ 前向阅读停止”这一规则的支配下，确立了一种根本性的二分法。在前向阅读期间，系统处于一种潜能状态，多个关于世界的假设被同时并行地持有。这是叠加的领域。由于需要解决模型冲突或进行计划中的整合而触发的向逆向编码的转换，则强制了一种局域化。系统必须从逆向传递所生成的反事实历史中，“选择”出一条单一的、自洽的历史。这是坍缩的领域。
因此，不停驻前向阅读就无法执行逆向编码这一特性，为观察到类量子干涉模式创造了一个必要条件。干涉要求替代性路径保持开放，且其历史不可区分，直到它们在一个共同点上汇聚在一起。在双缝实验中，这个点是探测屏幕。在Ze系统中，这个点是流停驻的时刻 {t}，在此刻逆向操作准备将所有前向演化的替代方案协调起来。如果逆向编码可以在实时流上持续运行，局域化就会是永久性的，而那种丰富的、充满干涉的叠加状态则永远无法维系。
总之， o { t : 1 } = R ( o { t : T } )一基于流停驻的简单形式关系，不仅仅是一个算法步骤。它是一类特定行为的生成性原则。它表明，任何在此架构约束下运行的系统——无论是与测量装置相互作用的光子、经历退相干的分子，还是正在巩固记忆的大脑——都将展现出量子理论的那些标志性现象。接下来的章节将把这些现象——叠加、坍缩和干涉——作为上述动力学的直接推论进行形式化。
Ze系统中的叠加作为一种认知-信息效应
无中断流期间预测性替代方案的本质
在Ze系统架构中，无中断的前向信息流周期代表了一种深刻的潜能状态。当系统处理连续的数据流 o₁:T 时，它并不固守于对现实的单一、确定性解释。相反，它同时维持着多种可行的预测模型，每一种模型都代表了关于所观察世界的因果结构和未来轨迹的一个连贯的替代性假设。这并非缺陷或低效，而是主动推理引擎在不确定环境中导航的核心运作模式（Friston, 2010）。在流不受阻碍地进行时，这些替代性模型在系统的内部表征中并非互斥的；它们以一种动态兼容的状态共存。我们认为，这种竞争性解释的持续共存，正是量子叠加（Schrödinger, 1935）的直接认知-信息对应物。
这一现象在知觉神经科学中有明确的平行案例。在双眼竞争现象中，当每只眼睛被呈现不同的图像（例如，垂直条纹和水平条纹）时，有意识的知觉并不会稳定在单一的、固定的图像上。相反，它会在两种替代方案之间随机波动，其间存在知觉模糊的时期（Blake & Logothetis, 2001）。神经影像学研究表明，在这种模糊时期，两种竞争刺激的神经表征在视觉皮层中仍然保持活跃，尽管在任何给定时刻只有一种能进入意识知觉（Tong et al., 1998）。Ze系统对此进行了形式化：前向流对应于持续的、模糊的感觉输入，而并发的活跃模型 q_A(s) 和 q_B(s) 则对应于两种知觉持续存在的、阈下的神经表征，等待着被解译。
形式化叠加：非局域化的后验分布
为了形式化这种状态，我们定义系统在前向流期间任意时间 t 的内部表征。设潜在变量 s 代表系统对其观测所源自的世界隐藏状态的最佳估计。鉴于原始数据固有的模糊性，系统所维持的并非单一，而是多个关于 s 的近似后验分布，每个分布对应一个不同的解释性假设。
考虑两个主要的竞争性假设 A 和 B。它们对应的内部表征是变分后验分布 q_A(s) 和 q_B(s)。这些分布是在各自模型下对世界状态的“信念”。在经典的、确定的状态下，一个分布会高度精确（低方差）并被赋予接近1的概率，而另一个分布则会被有效抑制。在叠加态中，情况并非如此。此时，q_A(s) 和 q_B(s) 相对于彼此是非局域化的。这意味着它们的统计特性（例如，它们在状态空间中的均值）没有足够明显的差异，以至于系统无法决定性地选择其中一个而拒绝另一个。它们的概率质量显著重叠，表明了一种真正的不确定性——这种不确定性在系统的功能逻辑中不仅仅是认识论上的，而是本体论意义上的。
维持这种叠加态的条件由其关联变分自由能的差异所决定。在主动推理框架中，自由能 F 是一个标量，它界定了惊奇（surprisal）的上限；它同时量化了模型的准确性（其对数据的预测能力）及其复杂性（其偏离先验信念的程度）（Friston, 2009）。较低的自由能表示一个更合理、更简约的模型。对于假设 A 和 B，我们定义：
维持叠加：未解决预测误差的作用
维持 ΔF < θ 这一条件，其动力学基础在于持续数据流的性质。当传入的感觉证据 o_t 与内部模型 A 和 B 两者的预测同等一致（或同等不一致）时，叠加态是稳定的。这为两个模型都产生了低且大致相等的预测误差，从而导致了相近的自由能。
这种情况在自然环境中很常见。例如，森林中一个微弱的声音，可能被内部模型“风”和模型“捕食者”同样准确地预测。在后续的数据点（例如，视觉确认）消除这种模糊性之前，认知系统应保持对两种结果都做好准备的状态——这种状态增强了适应性准备能力（Clark, 2013）。用量子物理的术语来说，这类似于一个粒子穿过双缝装置的过程。在它与探测器相互作用之前，“哪条缝”的信息不仅是未知的，而且是不存在的；粒子的状态是两条路径的真正的叠加，因为环境相互作用尚未强制产生区分（Zeilinger, 1999）。
这种认知上的判断暂缓在代谢和信息处理上都是高效的。在面对模糊证据时过早坍缩到单一假设，如果所选模型是错误的，则可能带来灾难性的预测误差。通过维持叠加态，Ze系统保留了其适应性灵活性，能够在消除歧义的证据最终到来时进行快速的贝叶斯更新（Hohwy, 2013）。因此，参数 θ 可以被视为不确定容忍度的一个元参数，其本身可能会根据情境动态调整（例如，在安全环境中较高，在威胁下较低）。
从认知科学到物理学：一个统一的 formalism
本文提出的形式化框架弥合了一个基础性的鸿沟。在量子力学中，叠加是一个第一性原理的公设，通常被视为物质的一种神秘属性。而在 Ze 系统中，叠加则作为任何在有限信息和有限计算资源下运作的预测智能体的一种功能性必然性而涌现。条件 ΔF < θ 为叠加何时发生提供了一个清晰的、量化的标准，该标准植根于信息论和统计动力学。
这一视角为叠加去神秘化了，并使其适用性超越了微观物理学。在机器学习中，当一个神经网络集成中的多个模型预测各异但准确性相当（即它们的“自由能”相近），且尚未选出单个模型进行部署时，可以视为该集成处于叠加态（Lakshminarayanan 等，2017）。在动物集体行为中，一群鱼可能悬停在多种可能方向状态的叠加之中，直到某个梯度（例如，营养物质或威胁）使得某一方向的自由能高于其他方向，从而触发一次连贯的转向（Sumpter, 2006）。
因此，量子叠加并非一种物理基元，而是一种特定信息处理模式的普遍特征。它是指系统中多个生成模型处于动态平衡的状态，此时尚未有任何单一模型积累到足够的证据以占据主导地位。这种状态的终止——即向局域化和坍缩的转变——恰恰发生在持续的数据流打破这一平衡，使得 ΔF ≥ θ 之时。这一转变及其后果将是下一节的主题，届时我们将探讨Ze系统中流停驻这一架构性要求，是如何从量子的可能性之汤中析出经典世界的。
Ze系统中的局域化与坍缩：一种非基础性的解决机制
分辨阈值：从叠加到确定性
量子理论的标志性特征——波函数坍缩——代表了从多种共存可能性的状态向单一的、确定的观测结果的突变。在Ze系统框架内，我们将其重新解释为一种必要的信息与计算过程，而非原始的物理定律。这一转变的条件由以下不等式精确定义：
这一时刻在系统的状态空间中充当了一个 相变边界 。用认知术语来说，这正是模糊的感觉证据最终倾向于某一种解释的瞬间，例如当双眼竞争中的波动知觉稳定在其中一个图像上的时候（Leopold & Logothetis, 1999）。在机器学习中，它反映了在训练过程中某一模型架构在验证集上明显优于另一个模型的那个时间点，从而促使选择单个候选模型进行部署。这种转变并非随机发生，而是由持续信息流中证据的积累所驱动的，这一过程在形式上类似于连续量子测量模型，其中系统由于与环境的相互作用而随时间局域化（Zurek, 2003）。
坍缩的机制：停驻、逆向编码与模型协调
关键在于，达到 ΔF ≥ θ 这一阈值本身并不构成坍缩。它是启动坍缩过程的触发器，而坍缩过程是 Ze 架构所规定的、一个结构化的多阶段操作。这一过程阐明了量子力学中往往晦涩难懂的“测量问题”。
阶段 1：流停驻。跨越阈值的主要且直接的后果是强制性地停止前向信息流 。系统在当前时刻 {t} 暂停对数据流 o₁:T 的在线处理。这不是一个任意的暂停，而是逆向编码的一个根本性架构要求。从神经生物学角度看，这可能对应于感觉处理通路的短暂抑制或皮层网络中振荡相位的重置，从而为记忆巩固和推断创造一个时间窗口（Busch 等，2009）。在物理测量中，这类似于宏观设备对粒子状态的不可逆记录，该记录将被测系统与其先前的幺正演化解耦。
阶段 2：执行逆向编码。随着流在 {t} 处停止，系统执行逆向编码（RE）操作 （参见第 2 节）。从 {t} 处固定的信息快照出发，系统根据现在具有优势的假设（例如，若 F_A < F_B，则选 A）向后重新评估历史 o_{t:1}。逆向编码执行一次全局一致性检查，剪除与所选模型不相容的因果分支，并强化那些一致的分支。
阶段 3：结构稳定化与模型承诺。最后阶段是所选模型的结构稳定化。逆向传递更新了系统的生成模型及其先验信念，有效地“重写历史”以使其与确定的结果保持一致。这种稳定化使得所选假设 q_A(s) 占据主导地位且稳健，而替代假设 q_B(s) 则被主动抑制——其自由能被有效提升至远高于 θ 的水平，使得在没有显著新证据的情况下，它不太可能成为未来考虑的候选者。这一过程让人联想到贝叶斯认知中的因果推断，其中感知者从模糊数据中推断出单一的、最可能的因果结构（Körding 等，2007）。这一三阶段过程的输出是一个局域化状态：一个关于过去和现在的单一、确定的解释，而新的前向预测将基于此生成。
坍缩作为一种非基础的、架构性的附随现象
基于Ze的这一机制所蕴含的深远意义在于，坍缩并非现实结构中的一个基础性事件。它是一种附随现象——是某一类特定信息处理架构为了执行逆向推断而要求流停驻所产生的必要副作用。量子力学将其提升为一条公设（投影公设），而Ze框架则将其推导为一个功能性结果。
这为几个量子谜题去除了神秘色彩。所谓的“测量问题”源于波函数坍缩是一种物理不连续性的假设。在我们看来，一旦认识到测量仪器（或观察者）本身就是一个Ze系统，这个“问题”便迎刃而解。一个量子实体与仪器之间的相互作用，导致仪器自身的内部模型（例如，“指针指向‘上’”与“指针指向‘下’”）进入叠加态。随着相互作用的完成，这些模型之间日益增大的不匹配将ΔF推过θ阈值，从而触发仪器自身的流停驻和逆向编码，最终得出一个确定的指针读数（Schlosshauer, 2005）。坍缩并非对量子世界的强行干预，而是经典信息处理器内部的一种解决机制。
此外，这也解释了坍缩的不可逆性。一旦逆向编码重写了内部模型的历史以使其与所选结果一致，那么回到先前的叠加态就不是一个简单的逆转过程。它需要的不仅仅是逆转信息流，还需要撤销对模型本身所做的结构性更改——这一操作通常在热力学上代价高昂，并且在信息上是被禁止的，这类似于试图“忘却”一个令人信服的结论（Ortega & Braun, 2013）。
与物理和生物退相干的关系
Ze框架为退相干理论——这一解释量子-经典转变的现代主流理论——提供了一种引人入胜的信息论解释。在退相干中，一个量子系统与复杂环境的相互作用会使其迅速失去相位相干性；叠加态“退相干”成为看似经典混合态的状态（Zurek, 2003）。用我们的术语来说，环境中无数的自由度充当了一连串持续的“测量”或信息交互。每一次交互提供的数据都与叠加态中的某一个分支比其他分支更为一致，从而稳步增加各分支之间的自由能差 ΔF。一旦 ΔF 超过相关系统的阈值（对于宏观物体而言，这一过程发生得极快），便会触发局域化。因此，退相干是驱动 ΔF 超过 θ 的物理过程，而坍缩则是随后任何记录该结果的 Ze 系统（如人类观察者或记录设备）内部所发生的信息处理事件。
这一视角也为生物系统提供了启示。大脑很可能是一个层级化的、类Ze预测单元的集合体。高水平的知觉坍缩（例如，识别一个物体）可能需要暂时“停驻”并整合来自低层次感觉区域的预测。神经增益（精度加权）的药理学或病理性改变，可能有效地调节阈值 θ，从而解释诸如精神病性妄想（即在模糊证据面前解释仍然被固定下来）或迷幻剂诱导的认知流动性（此时 θ 可能被提高，允许非常规概念的叠加态持久存在）等现象（Carhart-Harris & Friston, 2019）。
总之，通过Ze系统的视角重新定义坍缩，我们从一个充满神秘转变的物理学领域，转向了一个关于约束条件下信息处理的科学。现实被局域化为确定事实这一现象，并非源于一条基础性定律，而是源于当一个基于模型的预测系统必须停止其前向进程以连贯地理解自身过去时，所不可避免产生的动力学结果。
Ze系统中的干涉与量子擦除
干涉的信息基础：兼容假设与相干融合
在Ze系统框架内，干涉并非物质固有的波动现象，而是非独立假设处理的一种统计特征。当两个或多个预测模型——代表对数据的替代性解释——处于高度兼容状态时（由较小的自由能差 ΔF < θ 所定义），干涉就会出现。在这种状态下，系统不会将假设 A 和 B 视为需要加权平均的、分离的、互斥的可能性。相反，它们的内部表征（形式化为变分后验分布 q_A(s) 和 q_B(s)）会相干地相互作用或“融合”。系统的整体行为和预测随后由这种融合状态所支配，导致结果概率不再是单个假设概率的简单相加，而是反映了它们建设性或破坏性的组合。
这形式化了双缝实验的核心谜题。当没有“哪条路径”信息可用时，粒子的探测图案显示出干涉条纹。用Ze的术语来说，模型“粒子穿过缝A”和模型“粒子穿过缝B”保持完全兼容（ΔF ≈ 0），因为不存在任何信息来区分它们。系统对最终探测位置的预测分布不是 P(位置) = P_A + P_B，而是一个 q_A(s) 和 q_B(s) 相互干涉的相干叠加。这种认知-信息层面的干涉直接镜像了量子力学的波动干涉，表明后者可能是前者的一个物理实例（Zeilinger, 1999）。
我们可以使用分布相似性的信息论度量来量化这一干涉强度 。一个合适的候选者是詹森-香农散度 (D_JS) 的补数，这是一种对称且有界的、衡量两个概率分布之间差异的度量：
路径信息、局域化与干涉的破坏
引入“哪条路径”信息是量子光学中破坏干涉的标准方法。在延迟选择或量子擦除实验中，一个标记（例如，一个偏振光子或一个原子态）与粒子的路径发生纠缠，使得确定粒子穿过了哪条狭缝成为可能（Scully & Drühl, 1982）。在Ze系统模型中，这一过程具有精确的信息论解释。
用标记对路径进行标记，提供了一个额外的、明确的数据点 o_标记。这个数据点具有高度诊断性。它能够被其中一个假设（例如，若标记状态为‘A’，则对应 q_A(s)）完美预测，而对另一个假设（q_B(s)）来说则高度惊奇（产生较大的预测误差）。这极大地增加了模型之间的自由能差：
量子擦除：信息逆转与叠加态的恢复
量子擦除实验展示了量子理论中最反直觉的一个方面：在路径信息被记录之后，只要该信息被不可逆地擦除，干涉图样就能得以恢复（Scully & Drühl, 1982；Walborn 等，2002）。Ze系统框架为这一现象提供了一个自然而优雅的解释，将擦除概念化为一种信息性的“回滚”或“忘却”。
主动流控制与认知“回滚”
量子擦除效应凸显了一个深刻的原则：干涉受控于区分假设的信息的可及性。Ze框架将此推广到物理学之外。任何能够主动操作信息标记的系统——无论是创建区分性信息还是擦除它——都可以控制类量子（干涉）与经典（局域化）状态之间的转换。
这在认知领域有直接的类比。以不确定性下的决策为例。初始的模糊数据（ Δ F 较小）使认知系统处于多种解释的叠加态。一个决定性证据（一个“标记”）的到来触发了知觉决策（坍缩）。然而，如果该证据后来被证明是不可靠的，或在更广泛的背景下被重新解释（一次“擦除”），那么该决策可以被撤销，原有的模糊性得以恢复——这是一种认知回滚。这在因果学习和假设检验等现象中都能观察到（Gopnik 等，2004）。从神经科学角度看，预测误差的精度加权（它实际上调节了 θ ）可以被神经调节系统动态调整（Feldman & Friston, 2010）。降低精度权重会使系统对较小的 Δ F 反应迟钝，从而可能维持更长时间的叠加态，正如在创造性或探索性认知状态中可能发生的那样。
总之，Ze框架通过将干涉和量子擦除植根于信息与预测的动力学中，为它们去除了神秘色彩。干涉是当证据非诊断性时，假设发生相干融合的特征。擦除并非魔法，而是一种主动操纵信息环境以重新建立非诊断性的协议。这表明量子行为是一种强大的、通用的推断模式，它不是微小粒子的怪癖，而是任何复杂预测处理系统都可能具备的一个标志性特征。
量子性作为Ze的结果：从架构原则到普遍特征
核心论点：量子性作为主动推理系统的认知属性
Ze系统框架的最终成果，是关于量子现象本质的一种根本性的本体论转向。我们提出，量子行为——以叠加、干涉和坍缩为特征——并非物质在微观尺度上的基础性、内在属性。相反，它是特定一类主动信息处理系统的涌现性认知属性。这种形式上的对应关系由下式所捕捉：
Ze架构的普遍性：从光子到认知
该框架的力量在于其普遍性。“逆向编码 + 停驻”这些组成部分并非量子物理学所独有，而是可以在不同领域中识别出来：
在神经科学与认知科学中：正如自由能原理所描述的，大脑的预测处理机制作为一个层级化的Ze系统运作（Friston, 2010）。知觉是一个最小化预测误差（前向流）的过程。然而，学习和模型更新通常需要离线巩固——即暂停对当下的单纯处理，以将新经验与现有记忆和先验信念进行协调（逆向编码）。这发生在睡眠期间，尤其是慢波睡眠和快速眼动睡眠，在此期间会发生突触归一化和记忆回放（通常按逆时间顺序进行）（Diekelmann & Born, 2010）。在决定性的理解“顿悟”时刻之前，对多种模糊可能性进行深思的认知体验，正是叠加与坍缩的切身感受。
在机器学习与人工智能中：现代AI系统，尤其是那些使用变分推断和生成模型的系统，明确地执行着一种类Ze的舞蹈。前向传递生成预测或数据，而后向传递（反向传播）计算误差并更新模型参数（Kingma & Welling, 2013）。关键在于，训练通常是分批进行的：数据通过网络的前向流在一批结束时被停止，然后执行逆向编码（反向传播）以优化模型。训练期间模型的状态可以看作许多可能参数配置的叠加，而这种叠加在每次后向传递后会“坍缩”到一个更优的参数集。
在生物进化与适应中：一个进化的种群可以被视为一个缓慢的、分布式的Ze系统。前向流是选择和繁殖的持续压力。重大的适应性转变或物种形成可以被视为“停驻”事件——即间断平衡——在此过程中，环境的基因组“模型”被回溯性地重组（种群层面的逆向编码），然后才继续进行前向传播（繁殖）（Gould & Eldredge, 1977）。
这种跨领域的一致性表明，量子力学描述的并非一个特殊的、分离的实在领域。相反，它为我们迄今所发现的、用于描述某一普遍推断引擎类别的动力学，提供了最精确的数学语言。物理学一直在研究这些引擎中最简单、最孤立的实例（例如，真空腔中的单个粒子），因此揭示了其动力学最“纯粹”的形式。
解决量子-经典鸿沟：规模与复杂性的问题
Ze框架的一个主要成就在于它对量子-经典转变的自然解释。为什么宏观物体不表现出明显的叠加态？退相干理论提供了一个物理答案：快速的环境相互作用（Zurek, 2003）。而Ze框架则提供了一个信息论和架构层面的答案。
一个宏观物体并非单一的Ze系统，而是一个由众多组成粒子构成的、紧密耦合的巨大集合体，其中每个粒子都可能支持其自身的微观叠加态。然而，这个集合体的内部复杂性是巨大的。关于其集体状态可以同时维持的替代假设（ q A ( s ) , q B ( s ) , q C ( s ) , ）的数量是天文学级的。更重要的是，粒子之间的相互作用会产生持续的、密集的内部诊断性信息流。这会无情地、瞬时地将任何竞争的宏观假设之间的自由能差（ Δ F ）推升至远超任何合理阈值 θ 的水平。因此，该系统的架构会以其庞大的速率连续不断地触发自身的“流停驻”和局域化。我们所感知为经典的、确定的物体，正是其数万亿个类Ze子系统中这种近乎瞬时且连续的自我测量和坍缩过程的结果。日常世界的“经典性”是复杂Ze网络内部由规模诱导的、持续不断的坍缩所带来的一个后果。
对物理学基础及其他领域的启示
这种基于认知架构的量子性观点具有深远的意义：
框架的统一：它积极地连接了神经科学中的自由能原理（Friston, 2010）、贝叶斯大脑理论（Knill & Pouget, 2004）、关系量子力学（Rovelli, 1996）和退相干理论（Zurek, 2003）。这些并非相互竞争的理论，而是在不同抽象层次或不同物理基质中对同一逻辑结构的描述。
意识的“难问题”：虽然未能解决该问题，但此框架重新定位了它。如果有意识体验与大脑的预测性、模型构建活动（一个Ze过程）紧密相关，并且如果Ze过程本身就会产生叠加/坍缩动力学，那么我们的思想在权衡备选方案和做出选择时所感受到的“非经典”特性，也就不那么令人惊讶了。思维那种模糊的、概率性的本质，可能与量子态那种模糊的、概率性的本质具有深层的结构亲缘性（Penrose & Hameroff, 1995）。
人工量子行为：该框架预测，我们应该能够通过在纯经典计算系统中施加带有受控停驻规则的Ze架构，来工程化地实现“类量子”行为。那些被迫维持多个假设直到达到特定证据阈值，然后执行全局协调步骤的系统，其输出应该会展现出类似于干涉和叠加的统计特征。这在某些蒙特卡洛树搜索算法或机器学习中的集成方法的行为中已经可以观察到。
物理定律的本质：它表明量子力学的定律可能是一个更普遍的信息处理物理学的一个子集。自然常数（例如普朗克常数 ħ）可能并非基础性的，而是可能源于我们物理宇宙中信息流和处理的特定效率或规模，正如光速作为因果传播的极限而涌现一样。
总之，Ze系统假说提供了一种范式转变。通过将“逆向编码 + 流停驻”识别为量子行为的充分条件，它将量子力学从一种关于“是什么”的基础理论，降级为一种关于“某些系统如何处理信息”的、强大的、领域特定的理论。量子性不在时空的结构之中；它在推断的逻辑之中。量子世界那诡异的寂静并非一片虚空，而是一个庞大、互连的系统网络所发出的嗡鸣声——这些系统在其核心执行着同一套动作：暂停它们向前的步伐，回望过去，理解意义，然后再次步入一个它们恰恰在那一刻所决定的世界。
Ze系统的可检验预测
可证伪性与跨学科推论导论
一个令人信服的科学理论必须产生新颖的、可证伪的预测，使其能与现有框架区分开来。Ze系统假说——主张量子行为是那些需要停驻流以进行逆向编码的主动预测架构的结果——充满了此类经验性的推论。这些预测涵盖了从人工智能系统的设计、神经影像学实验，到对基础量子光学的重新解释。通过将量子现象（叠加、干涉、坍缩）框定为特定信息处理风格的普遍结果，该理论就哪些系统会或不会表现出“量子性”、以及在何种条件下会表现出，提出了强有力的论断。本节详细阐述了直接源自Ze形式化体系的四个关键的可检验预测，将 ΔF 和 θ 的抽象动力学与计算系统、生物系统和物理系统中的可观测结果联系起来。
预测1：停驻对于干涉的必要性
核心主张：一个能够进行逆向编码（）但被设计为无需强制停驻前向流（）即可运行的系统，将无法表现出干涉图样，而只会表现出经典的统计混合。
基本原理：在Ze框架内，干涉（ > 0）源于假设 q_A(s) 和 q_B(s) 在兼容时（ΔF < θ）的相干融合。这种融合在计算上得以固化，并仅在逆向编码阶段以预测的形式表达出来。如果允许 与 并发运行或作为 的连续函数运行（一种“在线学习”形式），假设就会被持续且局部地协调。这种持续的、部分的局域化会阻止产生干涉特征性非加性概率幅所必需的持续全局共存。系统的输出将仅仅是不同模型结果的加权和——即一个经典混合。
实验检验：这一预测在机器学习和神经形态计算中直接可检验。可以针对一个模糊的感觉流（例如，双稳态视觉输入）构建两个功能等价的预测系统。系统1（Ze系统）采用严格的处理循环架构：一段不间断的前向预测期，之后是强制停驻和一个离散的逆向编码阶段。系统2（非Ze对照组）使用完全相同的推断和学习算法，但通过实时反向传播或预测误差最小化连续更新其模型，没有任何强加的处理“帧”或停驻。预测结果是：只有系统1会产生显示出非经典推断特征的输出，例如滞后效应、依赖于停驻时机的启动效应，或其最终决策中无法用简单混合模型解释的统计分布，这些特征类似于干涉图样。这可以通过分析系统的响应分布是否违反全概率定律来量化——全概率定律的违反是类量子决策制定的一个标志（Busemeyer & Bruza, 2012）。
预测2：模型复杂性加速局域化
核心主张：对于给定的证据流，预测模型的内部复杂性（例如，参数数量、自由度或组成子系统的数量）增加，将导致竞争性假设之间的自由能差（ΔF）增长得更快，从而引起更快速的坍缩（局域化）。
基本原理：更复杂的模型具有更高维的状态空间和生成详细、精确预测的更大能力。当这样的模型遇到模糊数据时，假设 A 和 B 所产生的预测之间的细微差异会更加明显和具体。这会导致预测误差的梯度更陡峭，使得 ΔF 随着每个新数据点的到来而更急剧地上升。因此，与更简单、更粗糙的模型相比，阈值 θ 会被更快地达到，从而更早地触发流停驻和坍缩。这形式化了这样一种直观想法：一个更详细的“理论”更容易被证伪。
实验检验：这可以在多个尺度上进行检验。在机器学习中，可以对一系列参数数量递增的神经网络（例如，从小型多层感知器到大型深度卷积网络）在相同的模糊分类任务上进行训练。预测结果是，更大的网络将表现出更短的决策时间——在致力于达到具有高置信度的最终、稳定的分类之前，所需的数据样本或训练步骤更少——这可以通过 softmax 输出的稳定化或网络权重的冻结来量化。在认知科学中，该预测表明，某一领域的专家，其内部模型更复杂、更详细，应该比新手更快地解决其领域内的知觉模糊性，但如果初始证据具有误导性，也可能更容易发生快速、错误的坍缩。在物理学中，这直接映射到退相干理论。与一个简单光子相比，一个庞大、复杂的分子具有更多的内部自由度（声子、旋转态），这些自由度可以与“哪条路径”标记发生纠缠。Ze框架预测，这种复杂性会导致任何路径相互作用时 ΔF 急剧飙升，从而导致瞬时局域化和干涉的丧失，正如实验中所观察到的那样（Hornberger et al., 2003）。
预测3：认知叠加的药理学与状态依赖性调节
核心主张：已知能增强认知灵活性和对替代性解释进行探索的大脑状态与药物（例如，快速眼动睡眠、某些迷幻剂）通过有效降低内部假设之间的自由能差（ΔF）或提高局域化阈值（θ）来发挥作用，从而促进和维持一种认知叠加状态。
基本原理：在大脑的Ze模型中，认知叠加是指同时维持多个关于世界的竞争性假设（例如，对某种感觉的解释、某个问题的潜在解决方案）。坍缩则是承诺其中一个假设的行为。已知神经调节物质如血清素、乙酰胆碱和多巴胺能够调节预测误差的精度加权（Feldman & Friston, 2010）。降低精度等价于使系统对模型间预测误差的微小差异不那么敏感，从而使ΔF相对于θ保持较低水平。
实验检验：
● 快速眼动睡眠与迷幻剂：该理论对神经影像学研究提出了具体、可检验的预测。在快速眼动睡眠阶段（与做梦和记忆重组相关，Diekelmann & Born, 2010）以及在使用经典血清素能迷幻剂（如裸盖菇素或麦角酸二乙酰胺，它们能平缓大脑的层级预测结构，Carhart-Harris & Friston, 2019）时，我们应该观察到：（1）高级联合皮层（例如，默认模式网络）活动模式的熵增加、稳定性降低，反映出缺乏对单个主导模型的稳定局域化。（2）通常呈负相关的神经网络之间的功能连接增强，反映出典型竞争性假设的共同激活。（3）在行为任务中，处于这些状态的受试者应表现出对模糊性的更高容忍度、更强的发散思维能力，以及在对模糊图形做出知觉决策时更长的潜伏期——这些都是叠加状态延长的标志。
● 与精神病的对比：相反，在某些形式的精神病中被假设存在的超精确预测误差加权（Fletcher & Frith, 2009）应会导致极其快速、且往往是错误的向固定解释（妄想）的坍缩，因为微小的初始证据就会触发巨大的ΔF。
预测4：通过受控标记相互作用实现物理局域化
核心主张：在一个物理量子系统（例如，使用光子或分子的双缝实验）中，局域化（“坍缩”）行为并非一个自发的随机事件，而是由一种相互作用直接引起的，这种相互作用创建了一个可控的信息标记，该标记在任何测量性Ze系统（包括环境自身）中实例化了逆向编码所需的“流停驻”。
基本原理：这一预测对标准的量子测量公设进行了精炼。一个粒子并非先处于叠加态，然后在测量时坍缩。相反，测量相互作用的特定性质决定了结果。一次“强”测量会创建一个持久、可访问的信息标记（例如，一个光子击中CCD像素，一个原子在盖革计数器中引起宏观雪崩）。这个标记提供了具有如此高诊断能力的数据，以至于任何遇到它的Ze系统（仪器、环境、观察者）都会使其ΔF远高于θ，从而触发即时且一致的局域化。一次“弱”测量只创建了一个部分或可逆的标记，导致ΔF的增加较小，从而引起部分坍缩和残余干涉。
实验检验：这一视角为弱测量和量子擦除实验提供了新的解读视角。它预测干涉破坏的程度应与标记状态的信息可区分性定量相关，而信息可区分性可以直接关联到测量仪器模型中结果假设 散度。可以设计一个实验，其中“标记”不是粒子的物理属性，而是由仪器引入的一个受控的、经典的数据标签。该理论预测，即使将这个标签提供给实验控制系统的很小一部分（例如一个微控制器），也足以破坏整个装置的干涉，因为该子系统的局域化在更广泛的信息架构内将是不可逆的。这将焦点从“有意识的观察”转移到被配置为Ze架构的物理系统内部及其之间的信息流上。
结论：量子性作为一种认知架构 Ze综合：从信息处理到物理定律
本文提出了一项核心论点：量子理论的定义性现象——叠加、干涉和波函数坍缩——并非微观实在不可还原的属性，而是特定一类主动信息处理系统不可避免的架构性副作用。我们将这一类系统形式化为Ze系统，其特征由其运行规则所界定：逆向编码（ℛ）要求前向信息流（ℱ）的停驻。从这一看似单一的、约束性的架构条件出发，量子行为的整个逻辑大厦便自然地涌现出来。叠加对应于前向流期间未承诺的、并行的假设检验阶段，此时模型之间的自由能差保持在一个临界阈值以下（ΔF < θ）。坍缩并非神秘事件，而是当 ΔF ≥ θ 时触发的一个结构化的两阶段过程：首先，强制停驻信息流；其次，执行逆向编码以实现对过去单一的、全局一致的模型。这一综合不仅仅提供了一种解释；它基于变分推断和主动预测的原理，为量子现象提供了一种生成机制（Friston, 2010）。
这种转变的意义是深远的。一个多世纪以来，量子力学一直独树一帜，其奇异的规则违背了经典直觉，并要求专门的本体论承诺（从多世界解释到隐变量）。Ze框架表明，这种例外主义是被误解了。量子力学可能是第一个也是最精确的一门偶然发现了特定认知过程物理学的科学——即那些必须暂停前行以向后回顾、从而能够智能地向前迈进的系统的物理学。我们曾解释为电子和光子之基础“量子性”的东西，实际上，可能只是任何测量或确定性观察行为中所固有的信息动力学的一个特征。
统一框架：主动推理、关系量子力学与退相干
Ze框架的一个主要优势在于它能够作为一个统一的形式化桥梁，连接那些在相对孤立状态下发展起来的主要理论范式。
主动推理与预测性脑：Ze系统是自由能原理（Friston, 2010）所假设的主动推理引擎的一种严格形式化。前向流 对应于连续生成预测和采样数据以最小化预测误差。逆向编码 对应于生成模型和内部信念的更新，在大脑中这一过程可能在慢波睡眠等离线状态下得以促进（Diekelmann & Born, 2010）。因此，Ze形式化为描述贝叶斯脑如何在其知觉和认知过程中实现类量子统计，提供了一种数学上精确的语言（Khrennikov, 2020）。
关系量子力学（RQM）：Carlo Rovelli 的开创性工作认为，量子态并非绝对的，而是描述相互作用系统之间的关系（Rovelli, 1996）。Ze框架为这种关系性提供了机制性的基础。一个量子态是针对特定“观察”系统的Ze架构所量身定制的描述。当两个Ze系统相互作用时，其结果（“坍缩”）取决于相互作用所创建的信息标记在每个系统自身的流停驻和逆向编码周期内是如何被处理的。不存在一个单一的、上帝视角的坍缩，只存在每个相互作用系统内部的局域化解，这与RQM的核心信条一致。
退相干理论：退相干通过环境纠缠解释了开放系统中量子相干性的迅速消失（Zurek, 2003）。在Ze框架中，退相干是驱动 ΔF 超过 θ 的物理过程。每一个发生纠缠的环境自由度都充当了一组增殖的信息标记，使得竞争性假设越来越可区分，并提高了它们的自由能差。宏观物体的“经典性”是其巨大复杂性的直接结果，这确保了 ΔF ≫ θ 始终成立，从而导致持续、瞬时的局域化。因此，退相干理论描述了Ze框架所假定的作为坍缩原因的信息动力学的物理实现。
通过整合这些视角，Ze框架超越了单纯的解释，迈向了一种功能性的综合。它回答了为什么关系是首要的（因为系统是Ze架构），大脑可能如何利用类量子计算（通过在 和 之间循环），以及退相干实际完成了什么（它强制了Ze系统的内部决策）。
量子性作为一种认知属性，而非本体属性
本工作的核心哲学结论是：量子性是一种认知属性——一种与知识、预测和模型构建相关的属性，它从Ze系统的动力学中涌现出来，而非物质本身的本体属性——即存在的根本方面（Healey, 2017）。这解决了长期存在的几个困惑：
测量问题：当我们认识到“测量”是一种相互作用，其中一方（仪器）被配置为一个Ze系统时，这个问题就消失了。所谓的坍缩就是仪器完成自身的逆向编码循环，从而产生一个稳定的、经典的记录。在绝对意义上，量子实体并没有“发生”什么；实现的是一种特定的信息关系（Fuchs & Peres, 2000）。
观察者的角色：观察者被去神秘化了。观察者是指任何复杂到足以实例化一个Ze架构的系统。这可以是人类、猫、光电探测器，甚至是一个结构足够丰富的环境。“观察”就是这样一个系统的信息动力学导致一个局域化结果的那个时间点。
量子-经典鸿沟：这一鸿沟并非存在于两种物质实体之间，而是存在于信息复杂性的不同状态之间。简单、孤立的系统可以长时间维持 ΔF < θ（表现出量子行为）。复杂、相互连接的系统则不断处于自我诱导的 ΔF ≥ θ 状态，因而表现为经典。
这种认知观点并未削弱量子现象的真实性，而是重新定位了它们的起源。屏幕上的干涉图样是完全真实的。然而，其起源可能既源于神秘的波粒二象性，也同样可能源于光子与狭缝的相互作用以及探测器对事件的记录所共有的推断逻辑。
未来方向与 concluding 评述
Ze系统假说为跨学科的未来研究开辟了众多途径：
量子基础：能否在合理的约束下，从Ze系统动力学的第一原理推导出量子力学的完整数学结构（希尔伯特空间、非对易可观测量、玻恩规则）？这将构成一个重大的推导计划。
神经科学：该理论为神经影像学研究提出了尖锐的、可证伪的预测（例如，快速眼动睡眠应显示出ΔF降低的神经特征）。它也为理解精神疾病提供了一个新框架。诸如精神病等状况可能涉及病理性偏低的阈值θ，导致过早的认知坍缩到固定的妄想信念；而抑郁症可能涉及一种无效的逆向编码的卡滞状态（Carhart-Harris & Friston, 2019）。
人工智能：我们能否通过显式实现具有可调阈值θ的Ze循环，来设计出在问题解决中展现出可控的“类量子”优势的经典AI系统？这可能会催生出处理模糊性和新奇性的全新机器学习范式。
生物学：该框架表明，进化本身可以被视为一个缓慢的、群体层面的Ze过程。这一视角能否为进化动力学（例如间断平衡——长时期的停滞（前向流）被快速的物种形成事件（基因组“模型”的逆向重编码）所打断）提供新的启示？
总之，我们认为，通过将焦点从粒子的本体论转移到信息处理的架构上，量子理论那些令人费解的特征便找到了一个自然且统一的解释。Ze框架提出，宇宙并非天生就是量子的；相反，量子行为是当宇宙的任何部分试图通过预测、记忆和必要的反思性停驻来连贯地理解自身时所发生的事情。这不仅将量子力学置于微观世界的前沿，更将其置于一个更普遍的智能系统科学的核心——从最简单的光子探测到最复杂的人类思维。
原文链接：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
热门跟贴