❶ 核心問題

我們是否僅僅通過感知就在壓縮現實？

你正在閱讀這些文字，這意味著光子正在撞擊你的視網膜，觸發電化學級聯反應，沿著你的視神經傳播，在多個視覺皮質區域中被處理，最終成為你體驗為「看到一頁文字」的東西。在那條鏈的每個階段，資訊都在流失。你的視網膜只記錄電磁頻譜中狹窄的一個波段。你的視神經大約攜帶一百萬條纖維——遠少於饋入它的一億個光受體。你的視覺皮質丟棄了視網膜發送的大部分內容，保留邊緣、運動和統計規律性，同時捨棄像素層級的細節。而你的意識經驗進一步壓縮：你感知到的是文字和意義，而非一片個別字母形狀的場域，更不用說一片個別光子吸收事件的場域。

這不是缺陷。這就是感知運作的方式——在人類中、在每一種已知的生物體中、在每一個曾被建造的量測裝置中。本頁檢視的問題很簡單，而且在其前半部分，在科學上有堅實的基礎：每一次觀察行為是否必然壓縮了它所接收的資訊？ 生物觀察者和量測裝置是頻寬受限且具選擇性的；將這些轉換建模為有損壓縮（Lossy Compression）是一個有用且數學上可處理的框架（橋接）。然而，「觀察者壓縮」作為一個本體論主張——認為現實確實在被壓縮，而非僅僅被過濾——是一個提議的 ECI 抽象，而非已確立的普遍定理。

但 ECI 從這個事實中得出了第二個更大膽的推論：因為我們總是觀察到現實的壓縮版本，所以可能存在更豐富的資訊結構——在 ECI 術語中稱為額外的通道（Channel）——是我們的壓縮所排除的。這第二個主張是一個推測性的跳躍，與第一個之間有巨大的推論距離。本頁極為謹慎地將兩者分開。

頁面狀態：壓縮主張（第 ❶-❸ 節）建立在堅實的科學基礎上——「supported-bridge」反映了來自多個領域之已確立結果的匯聚。「bridge」限定語表示這些證據並非源自 ECI 內部，而是被引入並在其框架中被重新詮釋。可測試性為「direct」，因為觀察者壓縮本身可以通過心理物理學、神經記錄和感測器資料的資訊理論分析來直接量測。

❷ 具體案例

我們已經錯過了大部分

在訴諸任何理論框架之前，考慮一下你根本無法感知的物理世界有多少。

電磁輻射。 人眼對大約 380 到 700 奈米之間的波長有反應——這是電磁頻譜的一小片，整個頻譜從無線電波（波長為數公尺到數公里）跨越微波、紅外線、可見光、紫外線、X 射線到伽馬射線（波長低於一兆分之一公尺）。可見頻寬與已知完整電磁頻譜的比率橫跨至少 15 個數量級。此刻穿過你身體的電磁資訊中，你偵測到的不到一萬億分之一。

聲音。 人類聽覺大致涵蓋 20 Hz 到 20,000 Hz。蝙蝠以高達 200,000 Hz 的頻率進行回聲定位。大象以低於 20 Hz 的次聲波通訊，這些聲波可以傳播數百公里。鯨魚產生跨越兩個極端的聲音。物理世界充滿了人耳從未被建構來記錄的聲學資訊。

其他完全不同的感覺模態。 鯊魚通過其 Lorenzini 壺腹偵測低至每公分 5 奈伏特的電場。候鳥似乎能感知地球磁場，可能通過其視網膜中隱花色素（Cryptochrome）介導的自由基對（Radical Pair）機制。響尾蛇通過膜覆蓋的頰窩（Pit Organ）成像溫血獵物的紅外熱特徵。螳螂蝦以人眼無法做到的方式看到偏振光。沒有人類能在沒有儀器的情況下偵測微中子（Neutrino）、重力波或暗物質——儘管每秒大約有 650 億個微中子穿過你皮膚的每平方公分。

這些不是奇異的邊緣案例。它們是常態。每一種生物體的感覺系統都是一個選擇性過濾器，接納物理現實中特定於該物種的一小片，並丟棄其餘部分。這不是一個等待被克服的限制——它是一個由數億年演化篩選所塑造的根本設計原則（參見演化篩選（C3））。生物體演化來偵測對生存和繁殖有意義的東西，而非實現全面覆蓋。

儀器延伸了但沒有消除問題

科學儀器大幅擴展了我們可以偵測的可觀測量範圍。射電望遠鏡、電子顯微鏡、粒子加速器、重力波偵測器——每一個都打開了一扇通向人類裸感所不可見之現實面向的窗口。但儀器並不解決壓縮問題。它們只是重新定位了它。

每一種儀器都有有限的頻寬（它能記錄的訊號範圍）、有限的解析度（它能區分的最小差異）、有限的動態範圍（它能處理的最強和最弱訊號之比）和有限的採樣率（它記錄的頻率）。一台調到 1420 MHz 的射電望遠鏡無法同時觀測 5 GHz 的訊號。LIGO 可以在特定頻率波段以非凡的靈敏度偵測重力波，但它對非常低或非常高頻率的重力波是盲的。James Webb 太空望遠鏡以前所未有的清晰度成像紅外宇宙，但每次曝光只捕捉有限天區在有限時間窗口內的光。

儀器選擇哪些可觀測量被記錄以及以什麼保真度。它產生的資料已經是物理情境的壓縮表徵——從高維物理狀態空間到較低維度已記錄資料集的映射。實驗物理學家花費職業生涯來優化這個映射，但他們無法消除它。

神經處理進一步壓縮

對於生物觀察者，壓縮並不止於感覺周邊。大腦施加了一層又一層的額外壓縮。

注意力選擇感覺輸入的一個子集進行詳細處理，將其餘部分降格為周邊或無意識監控。你現在並沒有有意識地處理椅子對你背部的壓力（直到這句話將你的注意力引向了它）。你的機械感受器一直在記錄那個資訊——但你的神經處理一直在將它壓縮掉。

預測用偏差訊號取代預期的輸入。大腦的預測編碼架構（Rao & Ballard, 1999; Friston, 2005）不是忠實地將每一個感覺資料沿處理階層向上傳遞。它傳遞的是預期與接收之間的差異——預測誤差（Prediction Error）。當世界符合預期時，很少的資訊會向中央傳播。這是一種高效的編碼策略，也是一種大規模壓縮。

分類將連續的感覺空間映射到離散的分箱中。顏色知覺提供了一個熟悉的例子：電磁頻譜連續變化，但人類的顏色經驗被組織成具有明確邊界的離散類別（紅、橙、黃、綠⋯⋯）。跨語言研究表明，雖然顏色類別在不同文化中有所不同，但從連續波長到離散標籤的壓縮是普遍的（Berlin & Kay, 1969；儘管具體邊界受文化和語言影響）。

記憶進一步壓縮。情節記憶（Episodic Memory）不是錄影。它們是從片段——要旨、情緒效價、幾個鮮明的細節——在回憶時重建的（Bartlett, 1932; Schacter, 2001）。從經驗到記憶的資訊損失是巨大的。

語言和認知可能施加了最戲劇性的壓縮。我們將現實的連續流動解析為離散的物體，將它們分配到類別中，嵌入因果敘事，並沿著序列時間線排列事件。用語言描述的世界——「貓坐在墊子上」——是對底層物理狀態的一個驚人壓縮的表徵，該物理狀態涉及大約 10^27 個原子通過電磁力和重力在空間和時間尺度的連續體中交互作用。

❸ 已確立的科學

觀察涉及壓縮的科學論據取材自資訊理論、感覺生態學、知覺心理學和計算神經科學的匯聚證據。這些領域中沒有一個是為了支持 ECI 而發展的。它們在壓縮結論上的匯聚，正是使本頁成為框架中科學基礎最堅實之一的原因。

資料處理不等式

對於觀察者壓縮而言最重要的形式結果是資料處理不等式（Data Processing Inequality, DPI），一個由 Shannon 證明並由後續研究者擴展的資訊理論定理。

陳述（正確形式）。 如果隨機變數 X、Y 和 Z 形成一個 Markov 鏈——寫作 X -> Y -> Z，意味著 Z 只通過 Y 依賴於 X——那麼：

I(X; Z) <= I(X; Y)

其中 I(A; B) 表示 A 和 B 之間的互資訊（Mutual Information）。

用白話說：對一個訊號的任何下游處理都不能增加該訊號所攜帶的關於其源頭的資訊。 如果你只通過一個中間表徵 Y 來觀察 X，那麼你隨後從 Y 計算出的任何東西（稱為 Z）都不能告訴你比 Y 已經告訴你的更多關於 X 的資訊。在每一個處理階段，關於源頭的資訊只能被保留或損失，永遠不能被創造。

DPI 直接適用於觀察鏈。令 X 為世界的物理狀態。令 Y 為感覺表徵（感測器或感覺器官的輸出）。令 Z 為皮質處理後的神經表徵。那麼 I(X; Z) <= I(X; Y) <= H(X)，其中 H(X) 是源頭的 Shannon 熵（Shannon Entropy）。每一個處理階段只能維持或降低與原始物理狀態的互資訊。

DPI 沒有說什麼。 DPI 不是說下游處理是無用的——它說的是下游處理不能增加關於源頭的資訊。下游處理可以重新組織、過濾和重新格式化資訊，使得相關特徵更容易被用於決策。一個訓練良好的神經網路可能從訊號中提取比原始資料傾倒更多有用的特徵，即使它擁有關於源頭的更少總資訊。DPI 約束的是總資訊含量，而非實用效用。

觀察者偏差與知覺過濾：Levin（1992）

Levin（1992）對理解觀察者如何在其感知上施加結構做出了重要貢獻。在生態模式分析的背景下，Levin 強調科學家在生態資料中偵測到的模式，關鍵地取決於觀察尺度——量測所取的空間和時間解析度。改變尺度，不同的模式就會出現或消失。一個在衛星影像尺度上看起來均勻的森林樹冠，在個別樹冠的尺度上揭示出碎形斑塊性，而在個別葉片的尺度上則是隨機混沌。

Levin 的關鍵洞見是，觀察者對尺度的選擇不是一個中性行為——它是一個過濾器，決定了哪些模式可見、哪些不可見。這不是觀察的失敗；它是一個不可避免的後果，因為每一次觀察都必須在某個尺度下進行，而沒有單一尺度能揭示複雜系統中存在的所有結構。這些模式是真實的，但它們是尺度相依的，而觀察者的知覺設備（或選擇的儀器）決定了尺度。

這個結果可以推廣到生態學之外。在任何具有多尺度結構的系統中——湍流、碎形幾何、從分子到生態系的生物階層——觀察者的解析度決定了看到什麼。一台顯微鏡和一台望遠鏡指向同一個物理系統，將報告截然不同的描述，兩者都準確，但都不完整。

感覺生態學：物種專一的知覺世界

感覺生態學（Sensory Ecology）領域（Dusenbery, 1992; Endler, 1992; Stevens, 2013）記錄了不同物種如何感知其共享物理環境中截然不同的子集。Jakob von Uexkull 的環境世界（Umwelt）概念——每種生物體獨特的主觀知覺世界——精確地捕捉了這個想法：每種生物體棲居在一個由其感覺能力定義的環境中，而這個環境是完整物理世界的壓縮、過濾版本。

比較研究證明了這一點：

• 蜜蜂看到花朵上人類不可見的紫外線圖案，但無法看到人類輕易感知的紅色波長。「同一朵」花向蜜蜂和人類呈現完全不同的視覺資訊。
• 回聲定位蝙蝠從超音波回聲中建構空間表徵，通過一個人類完全缺乏的感覺模態感知三維結構。
• 電魚（弱電鯔形目和裸背電鰻目）感知自身產生的電場中的扭曲，通過一個沒有人類類比物的感覺通道感知附近物體的電學屬性——電導率、電容。
• 響尾蛇將熱紅外影像疊加在視覺場景上，創造一個結合了兩個人類必須分別存取（如果能存取的話）之資訊源的多模態空間表徵。

每種生物體的感覺系統都實現了從物理現實到知覺表徵的不同投影。這些投影部分重疊——大多數有視覺的動物共享可見光譜的某個部分——但沒有一個涵蓋物理可觀測量的完整空間。

神經編碼作為壓縮

計算神經科學提供了詳細的、定量的證據，表明神經系統在每一個處理階段都實現資訊壓縮。

視網膜壓縮。 人類視網膜包含大約 1.2 億個桿狀細胞和 600 萬個錐狀細胞，但視神經只攜帶大約 100 萬條纖維。這個大約 100:1 的壓縮比通過側抑制（Lateral Inhibition）、中心-周圍感受野（Center-Surround Receptive Fields）和時間編碼策略實現，這些策略保留邊緣、對比度和運動，同時丟棄空間均勻的資訊（Barlow, 1961; Atick & Redlich, 1992）。

高效編碼假說。 Barlow（1961）提出感覺神經元高效地編碼資訊——神經編碼適應了自然刺激的統計結構。這個假說在隨後的幾十年中被確認和擴展（Laughlin, 1981; Atick, 1992; Simoncelli & Olshausen, 2001），它暗示神經編碼是一種有損壓縮的形式：它保留統計上典型的或在生態上重要的資訊，同時丟棄冗餘或無關的資訊。

預測編碼。 預測編碼框架（Rao & Ballard, 1999; Friston, 2005, 2010）將大腦建模為一部階層式預測機器。每一個皮質層級生成關於下一層級活動的預測；只有預測誤差——預期和實際輸入之間的差異——被向上傳播。這個架構在形式上等同於一種階層壓縮方案，它解釋了神經處理的許多特徵，從適應和重複抑制到皮質中回饋（自上而下）連接的大量優勢。

已確立證據的總結

匯聚是驚人的。資訊理論（DPI）證明處理不能增加關於源頭的資訊。感覺生態學記錄了每種生物體的知覺系統都是一個物種專一的過濾器。知覺心理學展示了注意力、分類和記憶如何進一步壓縮經驗。計算神經科學表明神經編碼在每一個階段都實現高效的有損壓縮。Levin 的分析表明觀察者的觀察尺度決定了哪些模式是可見的。

這些是來自不同科學學科的獨立證據線，它們都指向同一個結論：觀察就是壓縮。 任何有限的觀察者——生物的或人工的——都必然將高維的物理狀態映射到一個較低維度的內部表徵。被經驗到的世界是物理世界的壓縮版本。

❹ ECI 框架詮釋

壓縮映射：Y = Pi_O(X)

ECI 以一個簡單的記號將觀察即壓縮的想法形式化。令 X 表示被觀察系統的完整物理狀態（或者更仔細地說，在給定物理理論層次上可用的最完整描述）。令 O 表示觀察者——一個具有特定感覺、儀器和認知屬性的系統。令 Y 表示觀察者的輸出：通過 O 觀察 X 所產生的表徵。

ECI 寫作：

Y = Pi_O(X)

其中 Pi_O 是一個映射——一個由觀察者屬性決定的函數——它接受完整狀態 X 並產生被觀察的表徵 Y。下標 O 強調不同的觀察者實現不同的映射：Pi_human 不同於 Pi_bat 不同於 Pi_LIGO。

這個記號捕捉了幾個重要特徵：

• Y 取決於 X 和 O 兩者。 兩個檢視同一物理狀態的觀察者可能產生不同的表徵。這已被感覺生態學所確立（第 ❸ 節）。
• Pi_O 通常是不可逆的。 因為資訊在映射中損失了，你通常不能僅從 Y 恢復 X。這是資料處理不等式應用於觀察過程。
• Pi_O 是一個多對一函數——多個不同的物理狀態可能映射到同一個被觀察的表徵。這就是「壓縮」的意思：輸出空間的可區分狀態比輸入空間少。

維度警告

一個自然的問題是 dim(Y) <= dim(X) 是否總是成立——觀察者表徵的有效維度是否總是低於或等於物理狀態的維度。這不是一個普遍定理。 它在許多特定的投影和粗粒化模型中是成立的，但在一般情況下不是保證的。

精確的主張為：在許多投影和粗粒化模型中，被保留表徵的有效維度低於源描述的有效維度。 這對以下情況成立：

• 線性投影（投影運算子的像的秩至多等於原始空間）。
• 粗粒化映射（狀態空間劃分為等價類必然比原始狀態少，對於任何非平凡的劃分）。
• 有損壓縮演算法（壓縮表徵使用的位元數少於原始的）。
• 神經編碼（視網膜的 100:1 壓縮比是一個字面上的維度降低）。

但存在一些資訊處理操作——嵌入（Embedding）、特徵擴展（Feature Expansion）、核方法（Kernel Methods）——其中輸出的維度高於輸入，同時仍然損失了關於源頭的資訊（因為 DPI 仍然適用：互資訊不能增加）。重點是資訊損失，而非維度降低，才是根本的約束。 DPI 保證了資訊損失；維度降低是該損失的常見但非普遍的機制。

非常不同強度的兩個主張

這裡是本頁必須最為謹慎的地方，因為 ECI 框架得出了一個需要巨大跳躍的推論。

主張 1 —— 觀察者壓縮是真實的。 每一個觀察者——生物的、儀器的、計算的——都將物理世界映射到一個包含比源頭更少資訊的表徵中。被經驗的現實不是完整的物理狀態；它是一個壓縮的、過濾的、觀察者相依的投影。狀態：supported-bridge。 這個主張受到來自多個已確立領域之匯聚證據的支持（第 ❸ 節）。它沒有爭議。

主張 2 —— 因為我們總是在壓縮，所以存在更豐富的資訊結構（其他通道），是我們的壓縮所排除的。 這是 ECI 的延伸。它從「我們遺漏了資訊」（已確立）移動到「遺漏的資訊可能被組織成連貫的替代結構——具有自身維度架構的額外通道」（推測性的）。

這兩個主張之間的推論距離是巨大的。 主張 1 由已確立的科學推導而來。主張 2 需要多個額外假設：

• 「遺漏的資訊」具有連貫的結構（而非雜訊、熱漲落或物理上不可存取的量子態）。
• 這個結構被組織成離散的類通道領域（而非形成一個連續的、未分化的、我們所觀察到的之互補）。
• 這些替代結構原則上可以被不同的觀察者或不同的觀察模式所存取。

這些額外假設中沒有任何一個受到第 ❸ 節所呈現證據的支持。DPI 告訴我們處理會損失關於源頭的資訊；它沒有說損失的資訊是否形成連貫的替代世界。感覺生態學告訴我們不同的生物體偵測物理現實的不同切片；它沒有告訴我們未被偵測的切片在任何有意義的意義上構成「通道」。

ECI 對這個落差是誠實的。 從壓縮到通道的推論是框架最大的推測性跳躍之一，而框架的可信度取決於不將獲得良好支持的第一個主張與推測性的第二個主張混為一談。讀者應獨立評估它們。

❺ 如果這是真的⋯⋯

如果觀察者壓縮如證據所示般普遍——而這第一個「如果」是有良好支持的——那麼什麼會跟著發生？

我們總是在使用一幅不完整的圖像。 這不是一個戲劇性的揭示；科學家已經知道這件事好幾個世紀了。但壓縮框架給了這個要點一個形式上的鋒利邊緣。DPI 提供了在每一個階段損失多少資訊的定量界限。觀察者映射 Pi_O 指定了壓縮在哪裡發生以及它取決於什麼。這使得有可能提出關於被觀察現象和底層物理狀態之間關係的精確問題——在沒有形式框架的情況下，這些問題是含糊的。

不同的觀察者字面上棲居在不同的經驗世界中。 一隻蝙蝠對黑暗洞穴的表徵和一個人對同一洞穴的表徵，不僅僅是對同一經驗的「不同視角」——它們是結構上不同的表徵，從不同的感覺資料通過不同的壓縮方案得出，保留不同的特徵並丟棄不同的資訊。感覺生態學中的環境世界概念是這個要點的非形式版本；Y = Pi_O(X) 是形式版本。

我們施加的壓縮對我們自己是不可見的。 我們並不體驗我們的經驗為被壓縮的。視覺世界看起來是無縫和完整的，即使它是從部分資料中重建的。知覺填入（Perceptual Filling-in）、變化盲視（Change Blindness）和注意力盲視（Inattentional Blindness）（Simons & Chabris, 1999）展示了完整知覺的主觀感受是由大腦的重建機制所維持的一種幻覺。這意味著我們無法僅通過內省來確定我們遺漏了什麼。

現在考慮推測性的延伸。 如果觀察者壓縮是普遍的，而且我們丟棄的資訊具有任何連貫的結構，那麼我們對世界的整個科學圖像都是從一個潛在更豐富空間的特定投影中得出的。其他投影——其他 Pi_O 函數，由具有不同感覺和認知架構的不同種類觀察者所應用——可能揭示從我們的有利位置看不可見的現實特徵。

但那句話中的「可能」承載了巨大的重量。從「我們壓縮」到「因此存在包含被壓縮掉之資訊的更高維度通道」的跳躍，正是那種以敘事形式聽起來引人入勝但缺乏作為科學主張所需之證據支持的推論。ECI 將其呈現為有待研究的假設，而非有待接受的結論。

❻ 如何測試？

觀察者壓縮本身是可直接測試的——而且已被廣泛測試。更具推測性的主張需要不同的策略。

測試壓縮主張（已確立的方法）

量化感覺邊界的資訊損失。 量測物理刺激 X 與感覺表徵 Y 之間在神經處理連續階段的互資訊 I(X; Y)。這已經對視網膜神經節細胞（Rieke et al., 1997）、聽覺神經纖維（Smith & Lewicki, 2006）和體感皮質（Panzeri et al., 2001）完成。在每一個案例中，DPI 都被確認：互資訊在每一個處理階段減少。

跨物種比較壓縮。 不同的生物體從同一環境中提取不同的資訊。通過向不同物種呈現相同的物理刺激並量測神經反應，可以直接比較不同觀察者的投影函數 Pi_O。這是比較感覺神經科學的標準做法。

在工程系統中測試 DPI 預測。 建構具有已知壓縮特性的人工感覺處理管道。驗證下游處理階段滿足 I(X; Z) <= I(X; Y)。這已在機器學習和訊號處理的背景下完成，確認了 DPI 作為工程約束和理論結果。

量測壓縮的成本。 來自演化篩選（C3）的資源預算模型預測壓縮不是免費的——它需要在神經組織上的代謝投資。具有更精緻感覺壓縮（更多皮質處理階段、更複雜的感受野）的物種應該顯示更高的神經代謝成本。這可以通過比較神經解剖學和代謝成像來測試。

測試推測性延伸（開放問題）

推測性主張——被壓縮掉的資訊可能形成連貫的替代結構——更難測試，因為它更不明確。

需要什麼。 為了將通道假設從推測推進到科學，ECI 需要：

1. 在操作上定義「被壓縮掉之資訊中的連貫結構」意味著什麼。
2. 指定至少一個可觀察的後果，以區分「遺漏的資訊具有類通道結構」和「遺漏的資訊是雜訊」。
3. 提出一個能區分這兩種可能性的實驗或觀察。

什麼會削弱壓縮主張。 如果發現任何處理階段增加了與物理源的互資訊——違反了 DPI——它將表明該處理階段可以存取 X -> Y -> Z 模型中未被考慮的資訊源。這將是革命性的。它從未被觀察到。

什麼會削弱推測性延伸。 如果對「遺漏的資訊」（觀察者偵測之互補）的系統性分析揭示沒有連貫的結構——只有熱雜訊、量子真空漲落和物理上不可存取的狀態——那麼壓縮隱藏了連貫替代通道的假設就會失去其動機。

什麼會推翻推測性延伸。 一個形式證明表明任何有限觀察者的壓縮互補必然是無結構的——在任何觀察過程所丟棄的資訊中不存在有意義的組織——將消除隱藏通道的可能性。目前不存在這樣的證明，但也不存在隱藏結構的證據。誠實的當前狀態是：開放問題。

❼ 連結到其他節點

-> 觀察者與經驗（D3）：D3 檢視觀察行為如何與物理結果相關，特別是在量子力學中。D4 提供了 D3 的觀察者使用的壓縮框架：D3 中的每一個觀察者都在實現某個投影 Pi_O，而該投影的屬性決定了觀察者能偵測到什麼。連結是緊密的：D3 追問觀察者的屬性是否在物理上有影響；D4 描述了那些屬性是什麼（感覺頻寬、解析度、神經壓縮）並將它們形式化。關鍵差異：D3 冒險進入觀察者複雜度是否影響量子量測結果的推測性領域；D4 的核心主張（觀察就是壓縮）則站在更堅實的基礎上。

-> 跨通道存取（E1）：E1 探索一個通道中編碼的資訊是否可以通過另一個通道存取。D4 提供了形式基礎：如果每個觀察者的知覺是一個通道專一的投影 Pi_O，那麼跨通道存取將需要一種不同類型的映射——一種存取觀察者正常投影之外的資訊的映射。D4 確立了為什麼跨通道存取會是不尋常的（因為 Pi_O 是一種有損壓縮，丟棄了來自其他通道的資訊）；E1 追問是否可能存在例外。注意這個連結依賴第 ❹ 節中推測性的主張 2。如果被壓縮掉的資訊不形成連貫的通道，這個連結就消解了。

-> 時間與預知（E2）：E2 檢視時間經驗——我們對過去、現在和未來作為根本不同的感知——是否可能是觀察者壓縮的產物。如果觀察者的投影 Pi_O 以特定方式壓縮時間資訊（例如，將本質上平行的過程序列化為一個順序敘事），那麼看似基本的時間經驗特徵實際上可能是壓縮的產物。這是推測性的，但它說明了壓縮框架如何原則上可以重新框架關於時間本質的問題。

❽ 數學細節

觀察者投影（提議的記號）

ECI 將觀察者投影定義為：

Y = Pi_O(X)

其中：

• X 是物理狀態（或在給定物理理論層次上可用的最完整描述）。
• O 是觀察者，由其感覺、儀器和認知屬性特徵化。
• Pi_O 是觀察者的投影映射——一個從 X 的狀態空間到 Y 的表徵空間的函數。
• Y 是觀察者的輸出表徵。

狀態：記號是 ECI 的定義。底層主張——觀察是一個損失資訊的映射——由 DPI 和來自神經科學及感覺生態學的經驗證據所確立。

Pi_O 的屬性：

• 通常不可逆（資訊損失；X 不能僅從 Y 恢復）。
• 通常多對一（多個不同的狀態 X_1、X_2 可能映射到同一個 Y）。
• 觀察者相依（不同的觀察者實現不同的投影：Pi_human 不等於 Pi_bat 不等於 Pi_LIGO）。
• 在所有形式化中不一定是維度降低的（見下方警告），但在 DPI 所界定的意義上始終是資訊降低的。

維度警告：在許多投影和粗粒化模型中，被保留表徵的有效維度低於源描述的有效維度。這對線性投影（rank(Pi) <= dim(X)）、粗粒化（等價類的數量少於原始狀態的數量）和視網膜的 100:1 纖維對光受體壓縮成立。然而，dim(Y) <= dim(X) 不是一個普遍定理。一些資訊處理操作（特徵擴展、核嵌入）增加維度，同時仍然損失關於源頭的資訊。根本的約束是 DPI（資訊損失），而非維度降低本身。

資料處理不等式（已確立）

定理。 如果 X -> Y -> Z 形成一個 Markov 鏈（即 Z 在給定 Y 的條件下與 X 條件獨立），那麼：

I(X; Z) <= I(X; Y)

其中 I(A; B) = H(A) + H(B) - H(A, B) 是 A 和 B 之間的互資訊。

證明概要。 Markov 鏈條件意味著聯合分佈因式分解為 p(x, y, z) = p(x) p(y|x) p(z|y)。通過互資訊的連鎖規則和條件獨立性，I(X; Y, Z) = I(X; Y) + I(X; Z|Y) = I(X; Z) + I(X; Y|Z)。由於 Markov 屬性使得 I(X; Z|Y) = 0，且 I(X; Y|Z) >= 0，我們得到 I(X; Z) <= I(X; Y)。

狀態：已確立。這是資訊理論中的標準定理（Cover & Thomas, 2006, Ch. 2）。

對觀察者壓縮的應用。 令 X = 物理狀態，Y = 感覺表徵，Z = 後處理神經表徵。知覺的因果鏈（物理狀態 -> 感覺轉導 -> 神經處理）滿足 Markov 條件，所以 I(X; Z) <= I(X; Y)。再多的神經計算也無法恢復在感覺階段損失的關於 X 的資訊。

重要澄清。 更簡單的不等式 I(X; Y) <= H(X)（互資訊不能超過源熵）也是成立的，但它不是 DPI。它由互資訊的基本屬性推導而來，不需要 Markov 鏈。DPI 是更強的結果：它約束跨越連續處理階段的資訊損失，而不僅僅是源與表徵之間的。

Levin 的尺度相依觀察（已確立）

Levin（1992）將觀察尺度與被偵測模式之間的關係形式化。在生態背景下，令 S(r, t) 為表示生態系在解析度 r 和時間尺度 t 下之狀態的空間或時空場。被觀察的模式 P 取決於觀察窗口：

P = P(S, r, t)

不同的 (r, t) 選擇在同一底層場 S 中揭示不同的模式。沒有單一的 (r, t) 能揭示所有結構。觀察者的知覺或儀器解析度決定了觀察窗口，因此決定了哪些模式是可偵測的。

狀態：在生態學中已確立，且適用於任何多尺度系統。

與觀察者壓縮的相關性。 Levin 的結果是一般壓縮原理的特定領域實例：觀察者的屬性（這裡是空間和時間解析度）決定了映射 Pi_O，因此決定了現實的什麼特徵出現在表徵 Y 中。

主要引用文獻

| Reference | Result | Relevance to D4 | |---|---|---| | Cover & Thomas (2006) | 資料處理不等式：Markov 鏈 X->Y->Z 中 I(X;Z) <= I(X;Y) | 確立處理不能增加關於源頭之資訊的核心定理 | | Levin (1992) | 生態學中尺度相依的模式偵測；觀察尺度作為知覺過濾器 | 展示觀察尺度決定被偵測結構的關鍵結果；觀察者施加過濾 | | Barlow (1961) | 高效編碼假說：神經編碼適應刺激統計 | 理解神經編碼作為有損壓縮的基礎 | | Rao & Ballard (1999); Friston (2005, 2010) | 預測編碼：大腦作為階層式預測引擎 | 作為壓縮方案的神經架構；只有預測誤差傳播 | | Atick & Redlich (1992) | 視網膜處理的資訊理論分析 | 視網膜階段壓縮的定量證據 | | Simoncelli & Olshausen (2001) | 自然影像統計與神經編碼 | 神經表徵利用統計規律性進行高效壓縮 | | Dusenbery (1992); Endler (1992); Stevens (2013) | 感覺生態學：物種專一的知覺過濾 | 不同生物體以不同方式壓縮的經驗證據 | | Berlin & Kay (1969) | 跨語言顏色類別：連續頻譜被壓縮為離散標籤 | 連續物理變數的知覺和語言壓縮 | | Bartlett (1932); Schacter (2001) | 記憶作為重建，而非記錄 | 記憶作為帶有資訊損失的極端壓縮 | | Simons & Chabris (1999) | 注意力盲視：無法偵測注意力之外的顯著事件 | 展示完整知覺的主觀感受是幻覺性的 | | Hoffman (2009); Hoffman et al. (2015) | 知覺的介面理論：適應度而非真實驅動知覺演化 | 為什麼壓縮是適應性的而非缺陷的演化論證 | | Rieke et al. (1997) | 感覺神經元中的資訊傳遞 | 跨神經處理階段之資訊損失的定量量測 |