W3 LAB 论文总页 · LEVEL Ⅰ · 方法 / 专题 01
Topic 01 · 涌现判据

涌现能不能算?能,而且能被证伪。

多数"涌现"研究停在描述:某种整体行为无法由部件预测,于是称之涌现。我们把这件事变成可计算的量:以同伦余纤维(homotopy cofiber)为比较基准、以装配预测为基线,涌现=层级跃迁中超出装配预测的不可约部分,逐层可算、多项式时间可判。

判据必须能被推翻。两个无共同机制的域——TCP/IP 协议栈与基因调控网络——共现同一判据签名;封闭系统被证明为零通量的退化特例。同一套算子视角随后用于 AI:深度网络是构造算子 Ω 的显式实例,缩放定律的幂律是 E≡0 区段的投影,不可逃逸控制给出形式化的安全度量。

首个可计算的涌现判据(同伦余纤维基准)
2 域无共同机制却共现同一签名(可证伪证据)
48×自目标跃迁在算子相容域内实测加速(P2)
100 步grokking 实验中边界监控提前预警(P3)

相关论文(4)

P1 · FOUNDATIONS

开放系统的有限性与层级结构

Finiteness and Hierarchical Structure of Open Systems: A Computable Emergence Criterion via the Wuliang Method

10.5281/zenodo.22682819 · 判据定义与两域验证
P2 · AI APPLICATIONS

构造式智能:深度网络的解构、测量与预测

Constructive Intelligence: Deconstruction, Measurement, and Prediction of Deep Networks

10.5281/zenodo.22683024 · AI 应用:白盒构造链
P3 · AI SAFETY

构造式智能的监测、不可逃逸控制与敲除

Monitoring, Non-Escape Control, and Knockout of Constructive Intelligence

10.5281/zenodo.22683070 · AI 安全:不可逃逸
P6 · NP PROBLEMS

生长式数学:NP 问题的闭式构造生成与高维本体

Generative Mathematics III: Closed-Form Constructive Generation for NP Problems and the High-Dimensional Ontology

10.5281/zenodo.22739766 · 高维本体的低维商投影
边界(如实标注):判据给出的是"是否超出装配预测"的可判定读数,不是涌现强度的绝对标尺;跨域签名一致是弱证据,不是因果证明。封闭系统为零通量退化特例已在 P1 证明。

有具体问题?见 论文问答库,或直接阅读 论文总页。